diff --git a/build.gradle.kts b/build.gradle.kts index 93b4573fc8..d9c3f8bee4 100644 --- a/build.gradle.kts +++ b/build.gradle.kts @@ -18,8 +18,6 @@ buildscript { } dependencies { - // plugins that lack standard plugin markers - classpath("com.ahasbini.tools:android-opencv-gradle-plugin:0.1.3-dev") // needed at configuration time by :libs:emojis build script classpath(libs.kotlinx.serialization.json) } diff --git a/settings.gradle.kts b/settings.gradle.kts index f40322ba1d..50c10fea7d 100644 --- a/settings.gradle.kts +++ b/settings.gradle.kts @@ -270,7 +270,6 @@ include( ":vendor:kik:scanner", ":vendor:tipkit:tipkit", ":vendor:tipkit:tipkit-m2", - ":vendor:opencv:sdk", ) // ---- Cross-module aggregation wiring (single source of truth) ---- diff --git a/vendor/opencv/sdk/build.gradle b/vendor/opencv/sdk/build.gradle deleted file mode 100644 index 295e912192..0000000000 --- a/vendor/opencv/sdk/build.gradle +++ /dev/null @@ -1,203 +0,0 @@ -// This file is part of OpenCV project. -// It is subject to the license terms in the LICENSE file found in the top-level directory -// of this distribution and at http://opencv.org/license.html. - -// -// Notes about integration OpenCV into existed Android Studio application project are below (application 'app' module should exist). -// -// This file is located in /sdk directory (near 'etc', 'java', 'native' subdirectories) -// -// Add module into Android Studio application project: -// -// - Android Studio way: -// (will copy almost all OpenCV Android SDK into your project, ~200Mb) -// -// Import module: Menu -> "File" -> "New" -> "Module" -> "Import Gradle project": -// Source directory: select this "sdk" directory -// Module name: ":opencv" -// -// - or attach library module from OpenCV Android SDK -// (without copying into application project directory, allow to share the same module between projects) -// -// Edit "settings.gradle" and add these lines: -// -// def opencvsdk='' -// // You can put declaration above into gradle.properties file instead (including file in HOME directory), -// // but without 'def' and apostrophe symbols ('): opencvsdk= -// include ':opencv' -// project(':opencv').projectDir = new File(opencvsdk + '/sdk') -// -// -// -// Add dependency into application module: -// -// - Android Studio way: -// "Open Module Settings" (F4) -> "Dependencies" tab -// -// - or add "project(':opencv')" dependency into app/build.gradle: -// -// dependencies { -// implementation fileTree(dir: 'libs', include: ['*.jar']) -// ... -// implementation project(':opencv') -// } -// -// -// -// Load OpenCV native library before using: -// -// - avoid using of "OpenCVLoader.initAsync()" approach - it is deprecated -// It may load library with different version (from OpenCV Android Manager, which is installed separatelly on device) -// -// - use "System.loadLibrary("opencv_java4")" or "OpenCVLoader.initDebug()" -// TODO: Add accurate API to load OpenCV native library -// -// -// -// Native C++ support (necessary to use OpenCV in native code of application only): -// -// - Use find_package() in app/CMakeLists.txt: -// -// find_package(OpenCV 4.12 REQUIRED java) -// ... -// target_link_libraries(native-lib ${OpenCV_LIBRARIES}) -// -// - Add "OpenCV_DIR" and enable C++ exceptions/RTTI support via app/build.gradle -// Documentation about CMake options: https://developer.android.com/ndk/guides/cmake.html -// -// defaultConfig { -// ... -// externalNativeBuild { -// cmake { -// cppFlags "-std=c++11 -frtti -fexceptions" -// arguments "-DOpenCV_DIR=" + opencvsdk + "/sdk/native/jni" // , "-DANDROID_ARM_NEON=TRUE" -// } -// } -// } -// -// - (optional) Limit/filter ABIs to build ('android' scope of 'app/build.gradle'): -// Useful information: https://developer.android.com/studio/build/gradle-tips.html (Configure separate APKs per ABI) -// -// splits { -// abi { -// enable true -// universalApk false -// reset() -// include 'armeabi-v7a' // , 'x86', 'x86_64', 'arm64-v8a' -// } -// } -// - -apply plugin: 'com.android.library' -apply plugin: 'maven-publish' -try { - apply plugin: 'kotlin-android' - println "Configure OpenCV with Kotlin" -} catch (Exception e) { - println "Configure OpenCV without Kotlin" -} - -def openCVersionName = "4.12.0" -def openCVersionCode = ((4 * 100 + 12) * 100 + 0) * 10 + 0 - -println "OpenCV: " +openCVersionName + " " + project.buildscript.sourceFile - -android { - namespace 'org.opencv' - compileSdkVersion libs.versions.android.compileSdk.get().toInteger() - - defaultConfig { - minSdkVersion libs.versions.android.minSdk.get().toInteger() - targetSdkVersion libs.versions.android.targetSdk.get().toInteger() - - - externalNativeBuild { - cmake { - arguments "-DANDROID_STL=c++_shared" - targets "opencv_jni_shared" - } - } - } - - android { - buildFeatures { - buildConfig true - } - } - compileOptions { - sourceCompatibility(libs.versions.android.java.get()) - targetCompatibility(libs.versions.android.java.get()) - } - - buildTypes { - debug { - packagingOptions { - doNotStrip '**/*.so' // controlled by OpenCV CMake scripts - } - } - release { - packagingOptions { - doNotStrip '**/*.so' // controlled by OpenCV CMake scripts - } - minifyEnabled false - proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.txt' - } - } - - sourceSets { - main { - jniLibs.srcDirs = ['native/libs'] - java.srcDirs = ['java/src'] - res.srcDirs = ['java/res'] - manifest.srcFile 'java/AndroidManifest.xml' - } - } - - externalNativeBuild { - cmake { - path (project.projectDir.toString() + '/libcxx_helper/CMakeLists.txt') - } - } - - buildFeatures { - prefabPublishing true - buildConfig true - } - - prefab { - opencv_jni_shared { - headers 'native/jni/include' - } - } - - publishing { - singleVariant('release') { - withSourcesJar() - withJavadocJar() - } - } - -} - -publishing { - publications { - release(MavenPublication) { - groupId = 'org.opencv' - artifactId = 'opencv' - version = '4.12.0' - - afterEvaluate { - from components.release - } - } - } - repositories { - maven { - name = 'myrepo' - url = "${project.buildDir}/repo" - } - } -} - -dependencies { -} diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye.xml deleted file mode 100644 index b21e3b93d7..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye.xml +++ /dev/null @@ -1,12213 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 93 - - 0 - 24 - - <_> - 6 - -1.4562760591506958e+00 - - <_> - - 0 -1 0 1.2963959574699402e-01 - - -7.7304208278656006e-01 6.8350148200988770e-01 - <_> - - 0 -1 1 -4.6326808631420135e-02 - - 5.7352751493453979e-01 -4.9097689986228943e-01 - <_> - - 0 -1 2 -1.6173090785741806e-02 - - 6.0254341363906860e-01 -3.1610709428787231e-01 - <_> - - 0 -1 3 -4.5828841626644135e-02 - - 6.4177548885345459e-01 -1.5545040369033813e-01 - <_> - - 0 -1 4 -5.3759619593620300e-02 - - 5.4219317436218262e-01 -2.0480829477310181e-01 - <_> - - 0 -1 5 3.4171190112829208e-02 - - -2.3388190567493439e-01 4.8410901427268982e-01 - <_> - 12 - -1.2550230026245117e+00 - - <_> - - 0 -1 6 -2.1727620065212250e-01 - - 7.1098899841308594e-01 -5.9360730648040771e-01 - <_> - - 0 -1 7 1.2071969918906689e-02 - - -2.8240481019020081e-01 5.9013551473617554e-01 - <_> - - 0 -1 8 -1.7854139208793640e-02 - - 5.3137522935867310e-01 -2.2758960723876953e-01 - <_> - - 0 -1 9 2.2333610802888870e-02 - - -1.7556099593639374e-01 6.3356137275695801e-01 - <_> - - 0 -1 10 -9.1420017182826996e-02 - - 6.1563092470169067e-01 -1.6899530589580536e-01 - <_> - - 0 -1 11 2.8973650187253952e-02 - - -1.2250079959630966e-01 7.4401170015335083e-01 - <_> - - 0 -1 12 7.8203463926911354e-03 - - 1.6974370181560516e-01 -6.5441650152206421e-01 - <_> - - 0 -1 13 2.0340489223599434e-02 - - -1.2556649744510651e-01 8.2710450887680054e-01 - <_> - - 0 -1 14 -1.1926149949431419e-02 - - 3.8605681061744690e-01 -2.0992340147495270e-01 - <_> - - 0 -1 15 -9.7281101625412703e-04 - - -6.3761192560195923e-01 1.2952390313148499e-01 - <_> - - 0 -1 16 1.8322050891583785e-05 - - -3.4631478786468506e-01 2.2924269735813141e-01 - <_> - - 0 -1 17 -8.0854417756199837e-03 - - -6.3665801286697388e-01 1.3078659772872925e-01 - <_> - 9 - -1.3728189468383789e+00 - - <_> - - 0 -1 18 -1.1812269687652588e-01 - - 6.7844521999359131e-01 -5.0045782327651978e-01 - <_> - - 0 -1 19 -3.4332759678363800e-02 - - 6.7186361551284790e-01 -3.5744878649711609e-01 - <_> - - 0 -1 20 -2.1530799567699432e-02 - - 7.2220700979232788e-01 -1.8192419409751892e-01 - <_> - - 0 -1 21 -2.1909970790147781e-02 - - 6.6529387235641479e-01 -2.7510228753089905e-01 - <_> - - 0 -1 22 -2.8713539242744446e-02 - - 6.9955700635910034e-01 -1.9615580141544342e-01 - <_> - - 0 -1 23 -1.1467480100691319e-02 - - 5.9267348051071167e-01 -2.2097350656986237e-01 - <_> - - 0 -1 24 -2.2611169144511223e-02 - - 3.4483069181442261e-01 -3.8379558920860291e-01 - <_> - - 0 -1 25 -1.9308089977130294e-03 - - -7.9445719718933105e-01 1.5628659725189209e-01 - <_> - - 0 -1 26 5.6419910833938047e-05 - - -3.0896010994911194e-01 3.5431089997291565e-01 - <_> - 16 - -1.2879480123519897e+00 - - <_> - - 0 -1 27 1.9886520504951477e-01 - - -5.2860701084136963e-01 3.5536721348762512e-01 - <_> - - 0 -1 28 -3.6008939146995544e-02 - - 4.2109689116477966e-01 -3.9348980784416199e-01 - <_> - - 0 -1 29 -7.7569849789142609e-02 - - 4.7991541028022766e-01 -2.5122168660163879e-01 - <_> - - 0 -1 30 8.2630853285081685e-05 - - -3.8475489616394043e-01 3.1849220395088196e-01 - <_> - - 0 -1 31 3.2773229759186506e-04 - - -2.6427319645881653e-01 3.2547241449356079e-01 - <_> - - 0 -1 32 -1.8574850633740425e-02 - - 4.6736589074134827e-01 -1.5067270398139954e-01 - <_> - - 0 -1 33 -7.0008762122597545e-05 - - 2.9313150048255920e-01 -2.5365099310874939e-01 - <_> - - 0 -1 34 -1.8552130088210106e-02 - - 4.6273660659790039e-01 -1.3148050010204315e-01 - <_> - - 0 -1 35 -1.3030420057475567e-02 - - 4.1627219319343567e-01 -1.7751489579677582e-01 - <_> - - 0 -1 36 6.5694141085259616e-05 - - -2.8035101294517517e-01 2.6680740714073181e-01 - <_> - - 0 -1 37 1.7005260451696813e-04 - - -2.7027249336242676e-01 2.3981650173664093e-01 - <_> - - 0 -1 38 -3.3129199873656034e-03 - - 4.4411438703536987e-01 -1.4428889751434326e-01 - <_> - - 0 -1 39 1.7583490116521716e-03 - - -1.6126190125942230e-01 4.2940768599510193e-01 - <_> - - 0 -1 40 -2.5194749236106873e-02 - - 4.0687298774719238e-01 -1.8202580511569977e-01 - <_> - - 0 -1 41 1.4031709870323539e-03 - - 8.4759786725044250e-02 -8.0018568038940430e-01 - <_> - - 0 -1 42 -7.3991729877889156e-03 - - 5.5766099691390991e-01 -1.1843159794807434e-01 - <_> - 23 - -1.2179850339889526e+00 - - <_> - - 0 -1 43 -2.9943080618977547e-02 - - 3.5810810327529907e-01 -3.8487631082534790e-01 - <_> - - 0 -1 44 -1.2567380070686340e-01 - - 3.9316931366920471e-01 -3.0012258887290955e-01 - <_> - - 0 -1 45 5.3635272197425365e-03 - - -4.3908619880676270e-01 1.9257010519504547e-01 - <_> - - 0 -1 46 -8.0971820279955864e-03 - - 3.9906668663024902e-01 -2.3407870531082153e-01 - <_> - - 0 -1 47 -1.6597909852862358e-02 - - 4.2095288634300232e-01 -2.2674840688705444e-01 - <_> - - 0 -1 48 -2.0199299324303865e-03 - - -7.4156731367111206e-01 1.2601189315319061e-01 - <_> - - 0 -1 49 -1.5202340437099338e-03 - - -7.6154601573944092e-01 8.6373612284660339e-02 - <_> - - 0 -1 50 -4.9663940444588661e-03 - - 4.2182239890098572e-01 -1.7904919385910034e-01 - <_> - - 0 -1 51 -1.9207600504159927e-02 - - 4.6894899010658264e-01 -1.4378750324249268e-01 - <_> - - 0 -1 52 -1.2222680263221264e-02 - - 3.2842078804969788e-01 -2.1802149713039398e-01 - <_> - - 0 -1 53 5.7548668235540390e-02 - - -3.6768808960914612e-01 2.4357110261917114e-01 - <_> - - 0 -1 54 -9.5794079825282097e-03 - - -7.2245067358016968e-01 6.3664563000202179e-02 - <_> - - 0 -1 55 -2.9545740690082312e-03 - - 3.5846439003944397e-01 -1.6696329414844513e-01 - <_> - - 0 -1 56 -4.2017991654574871e-03 - - 3.9094808697700500e-01 -1.2041790038347244e-01 - <_> - - 0 -1 57 -1.3624990358948708e-02 - - -5.8767718076705933e-01 8.8404729962348938e-02 - <_> - - 0 -1 58 6.2853112467564642e-05 - - -2.6348459720611572e-01 2.1419279277324677e-01 - <_> - - 0 -1 59 -2.6782939676195383e-03 - - -7.8390169143676758e-01 8.0526962876319885e-02 - <_> - - 0 -1 60 -7.0597179234027863e-02 - - 4.1469261050224304e-01 -1.3989959657192230e-01 - <_> - - 0 -1 61 9.2093646526336670e-02 - - -1.3055180013179779e-01 5.0435781478881836e-01 - <_> - - 0 -1 62 -8.8004386052489281e-03 - - 3.6609750986099243e-01 -1.4036649465560913e-01 - <_> - - 0 -1 63 7.5080977694597095e-05 - - -2.9704439640045166e-01 2.0702940225601196e-01 - <_> - - 0 -1 64 -2.9870450962334871e-03 - - 3.5615700483322144e-01 -1.5445969998836517e-01 - <_> - - 0 -1 65 -2.6441509835422039e-03 - - -5.4353517293930054e-01 1.0295110195875168e-01 - <_> - 27 - -1.2905240058898926e+00 - - <_> - - 0 -1 66 -4.7862470149993896e-02 - - 4.1528239846229553e-01 -3.4185820817947388e-01 - <_> - - 0 -1 67 8.7350532412528992e-02 - - -3.8749781250953674e-01 2.4204200506210327e-01 - <_> - - 0 -1 68 -1.6849499195814133e-02 - - 5.3082478046417236e-01 -1.7282910645008087e-01 - <_> - - 0 -1 69 -2.8870029374957085e-02 - - 3.5843509435653687e-01 -2.2402590513229370e-01 - <_> - - 0 -1 70 2.5679389946162701e-03 - - 1.4990499615669250e-01 -6.5609407424926758e-01 - <_> - - 0 -1 71 -2.4116659536957741e-02 - - 5.5889678001403809e-01 -1.4810280501842499e-01 - <_> - - 0 -1 72 -3.2826658338308334e-02 - - 4.6468681097030640e-01 -1.0785529762506485e-01 - <_> - - 0 -1 73 -1.5233060345053673e-02 - - -7.3954427242279053e-01 5.6236881762742996e-02 - <_> - - 0 -1 74 -3.0209511169232428e-04 - - -4.5548820495605469e-01 9.7069837152957916e-02 - <_> - - 0 -1 75 7.5365108205005527e-04 - - 9.5147296786308289e-02 -5.4895019531250000e-01 - <_> - - 0 -1 76 -1.0638950392603874e-02 - - 4.0912970900535583e-01 -1.2308409810066223e-01 - <_> - - 0 -1 77 -7.5217830017209053e-03 - - 4.0289148688316345e-01 -1.6048780083656311e-01 - <_> - - 0 -1 78 -1.0677099972963333e-01 - - 6.1759322881698608e-01 -7.3091186583042145e-02 - <_> - - 0 -1 79 1.6256919130682945e-02 - - -1.3103680312633514e-01 3.7453651428222656e-01 - <_> - - 0 -1 80 -2.0679360255599022e-02 - - -7.1402907371520996e-01 5.2390009164810181e-02 - <_> - - 0 -1 81 1.7052369192242622e-02 - - 1.2822860479354858e-01 -3.1080681085586548e-01 - <_> - - 0 -1 82 -5.7122060097754002e-03 - - -6.0556507110595703e-01 8.1884756684303284e-02 - <_> - - 0 -1 83 2.0851430235779844e-05 - - -2.6812988519668579e-01 1.4453840255737305e-01 - <_> - - 0 -1 84 7.9284431412816048e-03 - - -7.8795351088047028e-02 5.6762582063674927e-01 - <_> - - 0 -1 85 -2.5217379443347454e-03 - - 3.7068629264831543e-01 -1.3620570302009583e-01 - <_> - - 0 -1 86 -2.2426199167966843e-02 - - -6.8704998493194580e-01 5.1062859594821930e-02 - <_> - - 0 -1 87 -7.6451441273093224e-03 - - 2.3492220044136047e-01 -1.7905959486961365e-01 - <_> - - 0 -1 88 -1.1175329564139247e-03 - - -5.9869050979614258e-01 7.4324436485767365e-02 - <_> - - 0 -1 89 1.9212789833545685e-02 - - -1.5702550113201141e-01 2.9737469553947449e-01 - <_> - - 0 -1 90 5.6293429806828499e-03 - - -9.9769018590450287e-02 4.2130270600318909e-01 - <_> - - 0 -1 91 -9.5671862363815308e-03 - - -6.0858798027038574e-01 7.3506258428096771e-02 - <_> - - 0 -1 92 1.1217960156500340e-02 - - -1.0320810228586197e-01 4.1909849643707275e-01 - <_> - 28 - -1.1600480079650879e+00 - - <_> - - 0 -1 93 -1.7486440017819405e-02 - - 3.1307280063629150e-01 -3.3681181073188782e-01 - <_> - - 0 -1 94 3.0714649707078934e-02 - - -1.8766190111637115e-01 5.3780800104141235e-01 - <_> - - 0 -1 95 -2.2188719362020493e-02 - - 3.6637881398200989e-01 -1.6124810278415680e-01 - <_> - - 0 -1 96 -5.0700771680567414e-05 - - 2.1245710551738739e-01 -2.8444620966911316e-01 - <_> - - 0 -1 97 -7.0170420221984386e-03 - - 3.9543110132217407e-01 -1.3173590600490570e-01 - <_> - - 0 -1 98 -6.8563609384000301e-03 - - 3.0373859405517578e-01 -2.0657819509506226e-01 - <_> - - 0 -1 99 -1.4129259623587132e-02 - - -7.6503008604049683e-01 9.8213188350200653e-02 - <_> - - 0 -1 100 -4.7915481030941010e-02 - - 4.8307389020919800e-01 -1.3006809353828430e-01 - <_> - - 0 -1 101 4.7032979637151584e-05 - - -2.5216570496559143e-01 2.4386680126190186e-01 - <_> - - 0 -1 102 1.0221180273219943e-03 - - 6.8857602775096893e-02 -6.5861141681671143e-01 - <_> - - 0 -1 103 -2.6056109927594662e-03 - - 4.2942029237747192e-01 -1.3022460043430328e-01 - <_> - - 0 -1 104 5.4505340813193470e-05 - - -1.9288620352745056e-01 2.8958499431610107e-01 - <_> - - 0 -1 105 -6.6721157054416835e-05 - - 3.0290710926055908e-01 -1.9854369759559631e-01 - <_> - - 0 -1 106 2.6281431317329407e-01 - - -2.3293940722942352e-01 2.3692460358142853e-01 - <_> - - 0 -1 107 -2.3569669574499130e-02 - - 1.9401040673255920e-01 -2.8484618663787842e-01 - <_> - - 0 -1 108 -3.9120172150433064e-03 - - 5.5378979444503784e-01 -9.5665678381919861e-02 - <_> - - 0 -1 109 5.0788799853762612e-05 - - -2.3912659287452698e-01 2.1799489855766296e-01 - <_> - - 0 -1 110 -7.8732017427682877e-03 - - 4.0697428584098816e-01 -1.2768040597438812e-01 - <_> - - 0 -1 111 -1.6778609715402126e-03 - - -5.7744657993316650e-01 9.7324788570404053e-02 - <_> - - 0 -1 112 -2.6832430739887059e-04 - - 2.9021880030632019e-01 -1.6831269860267639e-01 - <_> - - 0 -1 113 7.8687182394787669e-05 - - -1.9551570713520050e-01 2.7720969915390015e-01 - <_> - - 0 -1 114 1.2953500263392925e-02 - - -9.6838317811489105e-02 4.0323871374130249e-01 - <_> - - 0 -1 115 -1.3043959625065327e-02 - - 4.7198569774627686e-01 -8.9287549257278442e-02 - <_> - - 0 -1 116 3.0261781066656113e-03 - - -1.3623380661010742e-01 3.0686271190643311e-01 - <_> - - 0 -1 117 -6.0438038781285286e-03 - - -7.7954101562500000e-01 5.7316310703754425e-02 - <_> - - 0 -1 118 -2.2507249377667904e-03 - - 3.0877059698104858e-01 -1.5006309747695923e-01 - <_> - - 0 -1 119 1.5826810151338577e-02 - - 6.4551889896392822e-02 -7.2455567121505737e-01 - <_> - - 0 -1 120 6.5864507632795721e-05 - - -1.7598840594291687e-01 2.3210389912128448e-01 - <_> - 36 - -1.2257250547409058e+00 - - <_> - - 0 -1 121 -2.7854869142174721e-02 - - 4.5518448948860168e-01 -1.8099910020828247e-01 - <_> - - 0 -1 122 1.2895040214061737e-01 - - -5.2565532922744751e-01 1.6188900172710419e-01 - <_> - - 0 -1 123 2.4403180927038193e-02 - - -1.4974960684776306e-01 4.2357379198074341e-01 - <_> - - 0 -1 124 -2.4458570405840874e-03 - - 3.2948669791221619e-01 -1.7447690665721893e-01 - <_> - - 0 -1 125 -3.5336529836058617e-03 - - 4.7426640987396240e-01 -7.3618359863758087e-02 - <_> - - 0 -1 126 5.1358150813030079e-05 - - -3.0421930551528931e-01 1.5633270144462585e-01 - <_> - - 0 -1 127 -1.6225680708885193e-02 - - 2.3002180457115173e-01 -2.0359820127487183e-01 - <_> - - 0 -1 128 -4.6007009223103523e-03 - - 4.0459269285202026e-01 -1.3485440611839294e-01 - <_> - - 0 -1 129 -2.1928999572992325e-02 - - -6.8724489212036133e-01 8.0684266984462738e-02 - <_> - - 0 -1 130 -2.8971210122108459e-03 - - -6.9619607925415039e-01 4.8545219004154205e-02 - <_> - - 0 -1 131 -4.4074649922549725e-03 - - 2.5166261196136475e-01 -1.6236649453639984e-01 - <_> - - 0 -1 132 2.8437169268727303e-02 - - 6.0394261032342911e-02 -6.6744458675384521e-01 - <_> - - 0 -1 133 8.3212882280349731e-02 - - 6.4357921481132507e-02 -5.3626042604446411e-01 - <_> - - 0 -1 134 -1.2419329956173897e-02 - - -7.0816862583160400e-01 5.7526610791683197e-02 - <_> - - 0 -1 135 -4.6992599964141846e-03 - - 5.1254332065582275e-01 -8.7350800633430481e-02 - <_> - - 0 -1 136 -7.8025809489190578e-04 - - 2.6687660813331604e-01 -1.7961509525775909e-01 - <_> - - 0 -1 137 -1.9724339246749878e-02 - - -6.7563730478286743e-01 7.2941906750202179e-02 - <_> - - 0 -1 138 1.0269250487908721e-03 - - 5.3919319063425064e-02 -5.5540180206298828e-01 - <_> - - 0 -1 139 -2.5957189500331879e-02 - - 5.6362527608871460e-01 -7.1898393332958221e-02 - <_> - - 0 -1 140 -1.2552699772641063e-03 - - -5.0346630811691284e-01 8.9691452682018280e-02 - <_> - - 0 -1 141 -4.9970578402280807e-02 - - 1.7685119807720184e-01 -2.2301959991455078e-01 - <_> - - 0 -1 142 -2.9899610672146082e-03 - - 3.9122420549392700e-01 -1.0149750113487244e-01 - <_> - - 0 -1 143 4.8546842299401760e-03 - - -1.1770179867744446e-01 4.2190939188003540e-01 - <_> - - 0 -1 144 1.0448860120959580e-04 - - -1.7333979904651642e-01 2.2344440221786499e-01 - <_> - - 0 -1 145 5.9689260524464771e-05 - - -2.3409630358219147e-01 1.6558240354061127e-01 - <_> - - 0 -1 146 -1.3423919677734375e-02 - - 4.3023818731307983e-01 -9.9723652005195618e-02 - <_> - - 0 -1 147 2.2581999655812979e-03 - - 7.2720989584922791e-02 -5.7501018047332764e-01 - <_> - - 0 -1 148 -1.2546280398964882e-02 - - 3.6184579133987427e-01 -1.1457010358572006e-01 - <_> - - 0 -1 149 -2.8705769218504429e-03 - - 2.8210538625717163e-01 -1.2367550283670425e-01 - <_> - - 0 -1 150 1.9785640761256218e-02 - - 4.7876749187707901e-02 -8.0666238069534302e-01 - <_> - - 0 -1 151 4.7588930465281010e-03 - - -1.0925389826297760e-01 3.3746978640556335e-01 - <_> - - 0 -1 152 -6.9974269717931747e-03 - - -8.0295938253402710e-01 4.5706700533628464e-02 - <_> - - 0 -1 153 -1.3033480383455753e-02 - - 1.8680439889431000e-01 -1.7688910663127899e-01 - <_> - - 0 -1 154 -1.3742579612880945e-03 - - 2.7725479006767273e-01 -1.2809009850025177e-01 - <_> - - 0 -1 155 2.7657810132950544e-03 - - 9.0758942067623138e-02 -4.2594739794731140e-01 - <_> - - 0 -1 156 2.8941841446794569e-04 - - -3.8816329836845398e-01 8.9267797768115997e-02 - <_> - 47 - -1.2863140106201172e+00 - - <_> - - 0 -1 157 -1.4469229616224766e-02 - - 3.7507829070091248e-01 -2.4928289651870728e-01 - <_> - - 0 -1 158 -1.3317629694938660e-01 - - 3.0166378617286682e-01 -2.2414070367813110e-01 - <_> - - 0 -1 159 -1.0132160037755966e-02 - - 3.6985591053962708e-01 -1.7850010097026825e-01 - <_> - - 0 -1 160 -7.8511182218790054e-03 - - 4.6086761355400085e-01 -1.2931390106678009e-01 - <_> - - 0 -1 161 -1.4295839704573154e-02 - - 4.4841429591178894e-01 -1.0226240009069443e-01 - <_> - - 0 -1 162 -5.9606940485537052e-03 - - 2.7927988767623901e-01 -1.5323829650878906e-01 - <_> - - 0 -1 163 1.0932769626379013e-02 - - -1.5141740441322327e-01 3.9889648556709290e-01 - <_> - - 0 -1 164 5.0430990086169913e-05 - - -2.2681570053100586e-01 2.1644389629364014e-01 - <_> - - 0 -1 165 -5.8431681245565414e-03 - - 4.5420148968696594e-01 -1.2587159872055054e-01 - <_> - - 0 -1 166 -2.2346209734678268e-02 - - -6.2690192461013794e-01 8.2403123378753662e-02 - <_> - - 0 -1 167 -4.8836669884622097e-03 - - 2.6359251141548157e-01 -1.4686630666255951e-01 - <_> - - 0 -1 168 7.5506002758629620e-05 - - -2.4507020413875580e-01 1.6678880155086517e-01 - <_> - - 0 -1 169 -4.9026997294276953e-04 - - -4.2649960517883301e-01 8.9973561465740204e-02 - <_> - - 0 -1 170 1.4861579984426498e-03 - - -1.2040250003337860e-01 3.0097651481628418e-01 - <_> - - 0 -1 171 -1.1988339945673943e-02 - - 2.7852478623390198e-01 -1.2244340032339096e-01 - <_> - - 0 -1 172 1.0502239689230919e-02 - - 4.0452759712934494e-02 -7.4050408601760864e-01 - <_> - - 0 -1 173 -3.0963009223341942e-02 - - -6.2842690944671631e-01 4.8013761639595032e-02 - <_> - - 0 -1 174 1.1414520442485809e-02 - - 3.9405211806297302e-02 -7.1674120426177979e-01 - <_> - - 0 -1 175 -1.2337000109255314e-02 - - 1.9941329956054688e-01 -1.9274300336837769e-01 - <_> - - 0 -1 176 -5.9942267835140228e-03 - - 5.1318162679672241e-01 -6.1658058315515518e-02 - <_> - - 0 -1 177 -1.1923230485990644e-03 - - -7.2605299949645996e-01 5.0652720034122467e-02 - <_> - - 0 -1 178 -7.4582789093255997e-03 - - 2.9603078961372375e-01 -1.1754789948463440e-01 - <_> - - 0 -1 179 2.7877509128302336e-03 - - 4.5068711042404175e-02 -6.9535410404205322e-01 - <_> - - 0 -1 180 -2.2503209766000509e-04 - - 2.0047250390052795e-01 -1.5775249898433685e-01 - <_> - - 0 -1 181 -5.0367889925837517e-03 - - 2.9299819469451904e-01 -1.1700499802827835e-01 - <_> - - 0 -1 182 7.4742160737514496e-02 - - -1.1392319947481155e-01 3.0256620049476624e-01 - <_> - - 0 -1 183 2.0255519077181816e-02 - - -1.0515890270471573e-01 4.0670460462570190e-01 - <_> - - 0 -1 184 4.4214509427547455e-02 - - -2.7631640434265137e-01 1.2363869696855545e-01 - <_> - - 0 -1 185 -8.7259558495134115e-04 - - 2.4355030059814453e-01 -1.3300949335098267e-01 - <_> - - 0 -1 186 -2.4453739169985056e-03 - - -5.3866171836853027e-01 6.2510646879673004e-02 - <_> - - 0 -1 187 8.2725353422574699e-05 - - -2.0772209763526917e-01 1.6270439326763153e-01 - <_> - - 0 -1 188 -3.6627110093832016e-02 - - 3.6568409204483032e-01 -9.0330280363559723e-02 - <_> - - 0 -1 189 3.0996399000287056e-03 - - -1.3183020055294037e-01 2.5354298949241638e-01 - <_> - - 0 -1 190 -2.4709280114620924e-03 - - -5.6853497028350830e-01 5.3505431860685349e-02 - <_> - - 0 -1 191 -1.4114670455455780e-02 - - -4.8599010705947876e-01 5.8485250920057297e-02 - <_> - - 0 -1 192 8.4537261864170432e-04 - - -8.0093637108802795e-02 4.0265649557113647e-01 - <_> - - 0 -1 193 -7.1098632179200649e-03 - - 4.4703239202499390e-01 -6.2947437167167664e-02 - <_> - - 0 -1 194 -1.9125960767269135e-02 - - -6.6422867774963379e-01 4.9822770059108734e-02 - <_> - - 0 -1 195 -5.0773010589182377e-03 - - 1.7379400134086609e-01 -1.6850599646568298e-01 - <_> - - 0 -1 196 -2.9198289848864079e-03 - - -6.0110282897949219e-01 5.7427939027547836e-02 - <_> - - 0 -1 197 -2.4902150034904480e-02 - - 2.3397980630397797e-01 -1.1818459630012512e-01 - <_> - - 0 -1 198 2.0147779956459999e-02 - - -8.9459821581840515e-02 3.6024400591850281e-01 - <_> - - 0 -1 199 1.7597640398889780e-03 - - 4.9458440393209457e-02 -6.3102620840072632e-01 - <_> - - 0 -1 200 1.3812039978802204e-03 - - -1.5218059718608856e-01 1.8971739709377289e-01 - <_> - - 0 -1 201 -1.0904540307819843e-02 - - -5.8097380399703979e-01 4.4862728565931320e-02 - <_> - - 0 -1 202 7.5157178798690438e-05 - - -1.3777349889278412e-01 1.9543160498142242e-01 - <_> - - 0 -1 203 3.8649770431220531e-03 - - -1.0302229970693588e-01 2.5374969840049744e-01 - <_> - 48 - -1.1189440488815308e+00 - - <_> - - 0 -1 204 -1.0215889662504196e-01 - - 4.1681259870529175e-01 -1.6655629873275757e-01 - <_> - - 0 -1 205 -5.1939819008111954e-02 - - 3.3023950457572937e-01 -2.0715710520744324e-01 - <_> - - 0 -1 206 -4.2717780917882919e-02 - - 2.6093730330467224e-01 -1.6013890504837036e-01 - <_> - - 0 -1 207 4.3890418601222336e-04 - - -3.4750530123710632e-01 1.3918919861316681e-01 - <_> - - 0 -1 208 2.4264389649033546e-02 - - -4.2552059888839722e-01 1.3578380644321442e-01 - <_> - - 0 -1 209 -2.3820599541068077e-02 - - 3.1749808788299561e-01 -1.6652040183544159e-01 - <_> - - 0 -1 210 -7.0518180727958679e-03 - - 3.0947178602218628e-01 -1.3338300585746765e-01 - <_> - - 0 -1 211 -6.8517157342284918e-04 - - -6.0082262754440308e-01 8.7747000157833099e-02 - <_> - - 0 -1 212 5.3705149330198765e-03 - - -1.2311449646949768e-01 3.8333550095558167e-01 - <_> - - 0 -1 213 -1.3403539545834064e-02 - - 3.3877369761466980e-01 -1.0140489786863327e-01 - <_> - - 0 -1 214 -6.6856360062956810e-03 - - -6.1193597316741943e-01 4.7740221023559570e-02 - <_> - - 0 -1 215 -4.2887418530881405e-03 - - 2.5275790691375732e-01 -1.4434510469436646e-01 - <_> - - 0 -1 216 -1.0876749642193317e-02 - - 5.4775732755661011e-01 -5.9455480426549911e-02 - <_> - - 0 -1 217 3.7882640026509762e-04 - - 8.3410300314426422e-02 -4.4226369261741638e-01 - <_> - - 0 -1 218 -2.4550149682909250e-03 - - 2.3330999910831451e-01 -1.3964480161666870e-01 - <_> - - 0 -1 219 1.2721839593723416e-03 - - 6.0480289161205292e-02 -4.9456089735031128e-01 - <_> - - 0 -1 220 -4.8933159559965134e-03 - - -6.6833269596099854e-01 4.6218499541282654e-02 - <_> - - 0 -1 221 2.6449989527463913e-02 - - -7.3235362768173218e-02 4.4425961375236511e-01 - <_> - - 0 -1 222 -3.3706070389598608e-03 - - -4.2464339733123779e-01 6.8676561117172241e-02 - <_> - - 0 -1 223 -2.9559480026364326e-03 - - 1.6218039393424988e-01 -1.8222999572753906e-01 - <_> - - 0 -1 224 3.0619909986853600e-02 - - -5.8643341064453125e-02 5.3263628482818604e-01 - <_> - - 0 -1 225 -9.5765907317399979e-03 - - -6.0562682151794434e-01 5.3345989435911179e-02 - <_> - - 0 -1 226 6.6372493165545166e-05 - - -1.6680839657783508e-01 1.9284160435199738e-01 - <_> - - 0 -1 227 5.0975950434803963e-03 - - 4.4119510799646378e-02 -5.7458841800689697e-01 - <_> - - 0 -1 228 3.7112718564458191e-04 - - -1.1086399853229523e-01 2.3105390369892120e-01 - <_> - - 0 -1 229 -8.6607588455080986e-03 - - 4.0456289052963257e-01 -6.2446091324090958e-02 - <_> - - 0 -1 230 8.7489158613607287e-04 - - 6.4875148236751556e-02 -4.4871041178703308e-01 - <_> - - 0 -1 231 1.1120870476588607e-03 - - -9.3861460685729980e-02 3.0453911423683167e-01 - <_> - - 0 -1 232 -2.3837819695472717e-02 - - -5.8887428045272827e-01 4.6659421175718307e-02 - <_> - - 0 -1 233 2.2272899514064193e-04 - - -1.4898599684238434e-01 1.7701950669288635e-01 - <_> - - 0 -1 234 2.4467470124363899e-02 - - -5.5789601057767868e-02 4.9208301305770874e-01 - <_> - - 0 -1 235 -1.4239320158958435e-01 - - 1.5192000567913055e-01 -1.8778899312019348e-01 - <_> - - 0 -1 236 -2.0123120397329330e-02 - - 2.1780100464820862e-01 -1.2081900238990784e-01 - <_> - - 0 -1 237 1.1513679783092812e-04 - - -1.6856589913368225e-01 1.6451929509639740e-01 - <_> - - 0 -1 238 -2.7556740678846836e-03 - - -6.9442039728164673e-01 3.9449468255043030e-02 - <_> - - 0 -1 239 -7.5843912782147527e-05 - - 1.8941369652748108e-01 -1.5183840692043304e-01 - <_> - - 0 -1 240 -7.0697711780667305e-03 - - 4.7064599394798279e-01 -5.7927619665861130e-02 - <_> - - 0 -1 241 -3.7393178790807724e-02 - - -7.5892448425292969e-01 3.4116048365831375e-02 - <_> - - 0 -1 242 -1.5995610505342484e-02 - - 3.0670469999313354e-01 -8.7525576353073120e-02 - <_> - - 0 -1 243 -3.1183990649878979e-03 - - 2.6195371150970459e-01 -9.1214887797832489e-02 - <_> - - 0 -1 244 1.0651360498741269e-03 - - -1.7427560687065125e-01 1.5277640521526337e-01 - <_> - - 0 -1 245 -1.6029420075938106e-03 - - 3.5612630844116211e-01 -7.6629996299743652e-02 - <_> - - 0 -1 246 4.3619908392429352e-03 - - 4.9356970936059952e-02 -5.9228771924972534e-01 - <_> - - 0 -1 247 -1.0779909789562225e-02 - - -6.3922178745269775e-01 3.3204540610313416e-02 - <_> - - 0 -1 248 -4.3590869754552841e-03 - - 1.6107389330863953e-01 -1.5221320092678070e-01 - <_> - - 0 -1 249 7.4596069753170013e-03 - - 3.3172961324453354e-02 -7.5007742643356323e-01 - <_> - - 0 -1 250 8.1385448575019836e-03 - - 2.6325279846787453e-02 -7.1731162071228027e-01 - <_> - - 0 -1 251 -3.3338490873575211e-02 - - 3.3536610007286072e-01 -7.0803590118885040e-02 - <_> - 55 - -1.1418989896774292e+00 - - <_> - - 0 -1 252 1.9553979858756065e-02 - - -1.0439720004796982e-01 5.3128951787948608e-01 - <_> - - 0 -1 253 2.2122919559478760e-02 - - -2.4747270345687866e-01 2.0847250521183014e-01 - <_> - - 0 -1 254 -4.1829389519989491e-03 - - 3.8289439678192139e-01 -1.4711579680442810e-01 - <_> - - 0 -1 255 -8.6381728760898113e-04 - - -6.2632888555526733e-01 1.1993259936571121e-01 - <_> - - 0 -1 256 7.9958612332120538e-04 - - 9.2573471367359161e-02 -5.5168831348419189e-01 - <_> - - 0 -1 257 9.1527570039033890e-03 - - -7.2929807007312775e-02 5.5512511730194092e-01 - <_> - - 0 -1 258 -3.9388681761920452e-03 - - 2.0196039974689484e-01 -2.0912039279937744e-01 - <_> - - 0 -1 259 1.4613410166930407e-04 - - -2.7861818671226501e-01 1.3817410171031952e-01 - <_> - - 0 -1 260 -3.1691689509898424e-03 - - 3.6685898900032043e-01 -7.6308242976665497e-02 - <_> - - 0 -1 261 -2.2189389914274216e-02 - - 3.9096599817276001e-01 -1.0971540212631226e-01 - <_> - - 0 -1 262 -7.4523608200252056e-03 - - 1.2838590145111084e-01 -2.4159869551658630e-01 - <_> - - 0 -1 263 7.7997002517804503e-04 - - 7.1978069841861725e-02 -4.3976500630378723e-01 - <_> - - 0 -1 264 -4.6783639118075371e-03 - - 2.1569849550724030e-01 -1.4205920696258545e-01 - <_> - - 0 -1 265 -1.5188639983534813e-02 - - 3.6458781361579895e-01 -8.2675926387310028e-02 - <_> - - 0 -1 266 5.0619798712432384e-03 - - -3.4380409121513367e-01 9.2068232595920563e-02 - <_> - - 0 -1 267 -1.7351920250803232e-03 - - -6.1725497245788574e-01 4.9214478582143784e-02 - <_> - - 0 -1 268 -1.2423450127243996e-02 - - -5.8558952808380127e-01 4.6112600713968277e-02 - <_> - - 0 -1 269 -1.3031429611146450e-02 - - -5.9710788726806641e-01 4.0672458708286285e-02 - <_> - - 0 -1 270 -1.2369629694148898e-03 - - -6.8334168195724487e-01 3.3156178891658783e-02 - <_> - - 0 -1 271 6.1022108420729637e-03 - - -9.4729237258434296e-02 3.0102241039276123e-01 - <_> - - 0 -1 272 6.6952849738299847e-04 - - 8.1816866993904114e-02 -3.5196030139923096e-01 - <_> - - 0 -1 273 -1.7970580374822021e-03 - - 2.3718979954719543e-01 -1.1768709868192673e-01 - <_> - - 0 -1 274 -7.1074528386816382e-04 - - -4.4763788580894470e-01 5.7682480663061142e-02 - <_> - - 0 -1 275 -5.9126471169292927e-03 - - 4.3425410985946655e-01 -6.6868573427200317e-02 - <_> - - 0 -1 276 -3.3132149837911129e-03 - - 1.8150010704994202e-01 -1.4180320501327515e-01 - <_> - - 0 -1 277 -6.0814660042524338e-02 - - 4.7221711277961731e-01 -6.1410639435052872e-02 - <_> - - 0 -1 278 -9.6714183688163757e-02 - - 2.7683168649673462e-01 -9.4490036368370056e-02 - <_> - - 0 -1 279 3.9073550142347813e-03 - - -1.2278530001640320e-01 2.1057400107383728e-01 - <_> - - 0 -1 280 -9.0431869029998779e-03 - - 3.5641568899154663e-01 -7.7806226909160614e-02 - <_> - - 0 -1 281 -4.8800031654536724e-03 - - -4.1034790873527527e-01 6.9694377481937408e-02 - <_> - - 0 -1 282 -4.3547428213059902e-03 - - -7.3017889261245728e-01 3.6655150353908539e-02 - <_> - - 0 -1 283 -9.6500627696514130e-03 - - 5.5181127786636353e-01 -5.3168080747127533e-02 - <_> - - 0 -1 284 -1.7397310584783554e-02 - - -5.7084232568740845e-01 5.0214089453220367e-02 - <_> - - 0 -1 285 -6.8304329179227352e-03 - - -4.6180281043052673e-01 5.0202690064907074e-02 - <_> - - 0 -1 286 3.3255619928240776e-04 - - -9.5362730324268341e-02 2.5983759760856628e-01 - <_> - - 0 -1 287 -2.3100529797375202e-03 - - 2.2872470319271088e-01 -1.0533530265092850e-01 - <_> - - 0 -1 288 -7.5426651164889336e-03 - - -5.6990510225296021e-01 4.8863459378480911e-02 - <_> - - 0 -1 289 -5.2723060362040997e-03 - - 3.5145181417465210e-01 -8.2390107214450836e-02 - <_> - - 0 -1 290 -4.8578968271613121e-03 - - -6.0417622327804565e-01 4.4539440423250198e-02 - <_> - - 0 -1 291 1.5867310576140881e-03 - - -1.0340909659862518e-01 2.3282019793987274e-01 - <_> - - 0 -1 292 -4.7427811659872532e-03 - - 2.8490281105041504e-01 -9.8090499639511108e-02 - <_> - - 0 -1 293 -1.3515240279957652e-03 - - 2.3096430301666260e-01 -1.1361840367317200e-01 - <_> - - 0 -1 294 2.2526069078594446e-03 - - 6.4478322863578796e-02 -4.2205891013145447e-01 - <_> - - 0 -1 295 -3.8038659840822220e-04 - - -3.8076201081275940e-01 6.0043290257453918e-02 - <_> - - 0 -1 296 4.9043921753764153e-03 - - -7.6104998588562012e-02 3.3232170343399048e-01 - <_> - - 0 -1 297 -9.0969670563936234e-03 - - 1.4287790656089783e-01 -1.6887800395488739e-01 - <_> - - 0 -1 298 -6.9317929446697235e-03 - - 2.7255409955978394e-01 -9.2879563570022583e-02 - <_> - - 0 -1 299 1.1471060570329428e-03 - - -1.5273059904575348e-01 1.9702400267124176e-01 - <_> - - 0 -1 300 -3.7662889808416367e-02 - - -5.9320437908172607e-01 4.0738601237535477e-02 - <_> - - 0 -1 301 -6.8165571428835392e-03 - - 2.5494089722633362e-01 -9.4081960618495941e-02 - <_> - - 0 -1 302 6.6205562325194478e-04 - - 4.6795718371868134e-02 -4.8454371094703674e-01 - <_> - - 0 -1 303 -4.2202551849186420e-03 - - 2.4682149291038513e-01 -9.4673976302146912e-02 - <_> - - 0 -1 304 -6.8986512720584869e-02 - - -6.6514801979064941e-01 3.5926390439271927e-02 - <_> - - 0 -1 305 6.1707608401775360e-03 - - 2.5833319872617722e-02 -7.2686272859573364e-01 - <_> - - 0 -1 306 1.0536249727010727e-02 - - -8.1828996539115906e-02 2.9760798811912537e-01 - <_> - 32 - -1.1255199909210205e+00 - - <_> - - 0 -1 307 -6.2758728861808777e-02 - - 2.7899080514907837e-01 -2.9656109213829041e-01 - <_> - - 0 -1 308 3.4516479354351759e-03 - - -3.4635880589485168e-01 2.0903840661048889e-01 - <_> - - 0 -1 309 -7.8699486330151558e-03 - - 2.4144889414310455e-01 -1.9205570220947266e-01 - <_> - - 0 -1 310 -3.4624869003891945e-03 - - -5.9151780605316162e-01 1.2486449629068375e-01 - <_> - - 0 -1 311 -9.4818761572241783e-03 - - 1.8391540646553040e-01 -2.4858260154724121e-01 - <_> - - 0 -1 312 2.3226840130519122e-04 - - -3.3047258853912354e-01 1.0999260097742081e-01 - <_> - - 0 -1 313 1.8101120367646217e-03 - - 9.8744012415409088e-02 -4.9634781479835510e-01 - <_> - - 0 -1 314 -5.4422430694103241e-03 - - 2.9344418644905090e-01 -1.3094750046730042e-01 - <_> - - 0 -1 315 7.4148122221231461e-03 - - -1.4762699604034424e-01 3.3277168869972229e-01 - <_> - - 0 -1 316 -1.5565140172839165e-02 - - -6.8404901027679443e-01 9.9872693419456482e-02 - <_> - - 0 -1 317 2.8720520436763763e-02 - - -1.4833280444145203e-01 3.0902579426765442e-01 - <_> - - 0 -1 318 9.6687392215244472e-05 - - -1.7431040108203888e-01 2.1402959525585175e-01 - <_> - - 0 -1 319 5.2371058613061905e-02 - - -7.0156857371330261e-02 4.9222990870475769e-01 - <_> - - 0 -1 320 -8.6485691368579865e-02 - - 5.0757247209548950e-01 -7.5294211506843567e-02 - <_> - - 0 -1 321 -4.2169868946075439e-02 - - 4.5680961012840271e-01 -9.0219900012016296e-02 - <_> - - 0 -1 322 4.5369830331765115e-05 - - -2.6538279652595520e-01 1.6189539432525635e-01 - <_> - - 0 -1 323 5.2918000146746635e-03 - - 7.4890151619911194e-02 -5.4054671525955200e-01 - <_> - - 0 -1 324 -7.5511651812121272e-04 - - -4.9261990189552307e-01 5.8723948895931244e-02 - <_> - - 0 -1 325 7.5108138844370842e-05 - - -2.1432100236415863e-01 1.4077760279178619e-01 - <_> - - 0 -1 326 4.9981209449470043e-03 - - -9.0547338128089905e-02 3.5716068744659424e-01 - <_> - - 0 -1 327 -1.4929979806765914e-03 - - 2.5623458623886108e-01 -1.4229069650173187e-01 - <_> - - 0 -1 328 2.7239411137998104e-03 - - -1.5649250149726868e-01 2.1088710427284241e-01 - <_> - - 0 -1 329 2.2218320518732071e-03 - - -1.5072989463806152e-01 2.6801869273185730e-01 - <_> - - 0 -1 330 -7.3993072146549821e-04 - - 2.9546990990638733e-01 -1.0692390054464340e-01 - <_> - - 0 -1 331 2.0113459322601557e-03 - - 5.0614349544048309e-02 -7.1683371067047119e-01 - <_> - - 0 -1 332 1.1452870443463326e-02 - - -1.2719069421291351e-01 2.4152779579162598e-01 - <_> - - 0 -1 333 -1.0782170575112104e-03 - - 2.4813009798526764e-01 -1.3461199402809143e-01 - <_> - - 0 -1 334 3.3417691010981798e-03 - - 5.3578309714794159e-02 -5.2274167537689209e-01 - <_> - - 0 -1 335 6.9398651248775423e-05 - - -2.1698740124702454e-01 1.2812179327011108e-01 - <_> - - 0 -1 336 -4.0982551872730255e-03 - - 2.4401889741420746e-01 -1.1570589989423752e-01 - <_> - - 0 -1 337 -1.6289720078930259e-03 - - 2.8261470794677734e-01 -1.0659469664096832e-01 - <_> - - 0 -1 338 1.3984859921038151e-02 - - 4.2715899646282196e-02 -7.3646312952041626e-01 - <_> - 30 - -1.1729990243911743e+00 - - <_> - - 0 -1 339 1.6416519880294800e-01 - - -4.8960301280021667e-01 1.7607709765434265e-01 - <_> - - 0 -1 340 8.3413062384352088e-04 - - -2.8220430016517639e-01 2.4199579656124115e-01 - <_> - - 0 -1 341 -1.7193210078403354e-03 - - -7.1485888957977295e-01 8.6162216961383820e-02 - <_> - - 0 -1 342 -1.5654950402677059e-03 - - -7.2972381114959717e-01 9.4070672988891602e-02 - <_> - - 0 -1 343 1.9124479731544852e-03 - - -3.1187158823013306e-01 1.8143390119075775e-01 - <_> - - 0 -1 344 -1.3512369990348816e-01 - - 2.9577299952507019e-01 -2.2179250419139862e-01 - <_> - - 0 -1 345 -4.0300549007952213e-03 - - -6.6595137119293213e-01 8.5431016981601715e-02 - <_> - - 0 -1 346 -2.8640460222959518e-03 - - -6.2086361646652222e-01 5.3106021136045456e-02 - <_> - - 0 -1 347 -1.4065420255064964e-03 - - 2.2346289455890656e-01 -2.0211009681224823e-01 - <_> - - 0 -1 348 -3.5820449702441692e-03 - - -5.4030400514602661e-01 6.8213619291782379e-02 - <_> - - 0 -1 349 4.1544470936059952e-02 - - -6.5215840935707092e-02 6.2109231948852539e-01 - <_> - - 0 -1 350 -9.1709550470113754e-03 - - -7.5553297996520996e-01 5.2640449255704880e-02 - <_> - - 0 -1 351 6.1552738770842552e-03 - - 9.0939402580261230e-02 -4.4246131181716919e-01 - <_> - - 0 -1 352 -1.0043520014733076e-03 - - 2.4292330443859100e-01 -1.8669790029525757e-01 - <_> - - 0 -1 353 1.1519829742610455e-02 - - -1.1763150244951248e-01 3.6723458766937256e-01 - <_> - - 0 -1 354 -8.9040733873844147e-03 - - -4.8931330442428589e-01 1.0897020250558853e-01 - <_> - - 0 -1 355 5.3973670583218336e-04 - - -2.1850399672985077e-01 1.8489989638328552e-01 - <_> - - 0 -1 356 1.3727260520681739e-03 - - -1.5072910487651825e-01 2.9173129796981812e-01 - <_> - - 0 -1 357 -1.0807390324771404e-02 - - 4.2897450923919678e-01 -1.0280139744281769e-01 - <_> - - 0 -1 358 1.2670770520344377e-03 - - 7.4192158877849579e-02 -6.4208251237869263e-01 - <_> - - 0 -1 359 2.2991129662841558e-03 - - 4.7100279480218887e-02 -7.2335231304168701e-01 - <_> - - 0 -1 360 2.7187510859221220e-03 - - -1.7086869478225708e-01 2.3513509333133698e-01 - <_> - - 0 -1 361 -6.6619180142879486e-03 - - -7.8975427150726318e-01 4.5084670186042786e-02 - <_> - - 0 -1 362 -4.8266649246215820e-02 - - -6.9579917192459106e-01 4.1976079344749451e-02 - <_> - - 0 -1 363 1.5214690007269382e-02 - - -1.0818280279636383e-01 3.6460620164871216e-01 - <_> - - 0 -1 364 -6.0080131515860558e-03 - - 3.0970990657806396e-01 -1.1359210312366486e-01 - <_> - - 0 -1 365 6.6127157770097256e-03 - - 8.0665342509746552e-02 -4.6658530831336975e-01 - <_> - - 0 -1 366 -7.9607013612985611e-03 - - -8.7201941013336182e-01 3.6774590611457825e-02 - <_> - - 0 -1 367 3.8847199175506830e-03 - - -1.1666289716959000e-01 3.3070269227027893e-01 - <_> - - 0 -1 368 -1.0988810099661350e-03 - - 2.3872570693492889e-01 -1.7656759917736053e-01 - <_> - 44 - -1.0368299484252930e+00 - - <_> - - 0 -1 369 3.5903379321098328e-03 - - -2.3688079416751862e-01 2.4631640315055847e-01 - <_> - - 0 -1 370 6.4815930090844631e-03 - - -3.1373620033264160e-01 1.8675759434700012e-01 - <_> - - 0 -1 371 7.3048402555286884e-05 - - -2.7644351124763489e-01 1.6496239602565765e-01 - <_> - - 0 -1 372 -3.8514640182256699e-03 - - -5.6014508008956909e-01 1.1294739693403244e-01 - <_> - - 0 -1 373 3.8588210009038448e-03 - - 3.9848998188972473e-02 -5.8071857690811157e-01 - <_> - - 0 -1 374 -2.4651220068335533e-02 - - 1.6755010187625885e-01 -2.5343671441078186e-01 - <_> - - 0 -1 375 4.7245521098375320e-02 - - -1.0662080347537994e-01 3.9451980590820312e-01 - <_> - - 0 -1 376 6.5964651294052601e-03 - - -1.7744250595569611e-01 2.7280190587043762e-01 - <_> - - 0 -1 377 -1.3177490327507257e-03 - - -5.4272651672363281e-01 4.8606589436531067e-02 - <_> - - 0 -1 378 -5.0261709839105606e-03 - - 2.4394249916076660e-01 -1.3143649697303772e-01 - <_> - - 0 -1 379 3.4632768947631121e-03 - - 6.9049343466758728e-02 -7.0336240530014038e-01 - <_> - - 0 -1 380 2.1692588925361633e-03 - - -1.3289460539817810e-01 2.2098529338836670e-01 - <_> - - 0 -1 381 2.9395870864391327e-02 - - -2.8530520200729370e-01 1.3543990254402161e-01 - <_> - - 0 -1 382 -9.6181448316201568e-04 - - -5.8041381835937500e-01 3.7450648844242096e-02 - <_> - - 0 -1 383 -1.0820999741554260e-01 - - 3.9467281103134155e-01 -7.8655943274497986e-02 - <_> - - 0 -1 384 -1.8024869263172150e-02 - - 2.7355629205703735e-01 -1.3415299355983734e-01 - <_> - - 0 -1 385 6.2509840354323387e-03 - - 2.3388059809803963e-02 -8.0088591575622559e-01 - <_> - - 0 -1 386 -1.6088379779830575e-03 - - -5.6762522459030151e-01 4.1215669363737106e-02 - <_> - - 0 -1 387 7.7564752427861094e-04 - - -1.4891269803047180e-01 1.9086180627346039e-01 - <_> - - 0 -1 388 8.7122338300105184e-05 - - -1.5557530522346497e-01 1.9428220391273499e-01 - <_> - - 0 -1 389 -2.0755320787429810e-02 - - -6.3006532192230225e-01 3.6134380847215652e-02 - <_> - - 0 -1 390 -6.2931738793849945e-03 - - 2.5609248876571655e-01 -1.0588269680738449e-01 - <_> - - 0 -1 391 1.0844149626791477e-02 - - -1.0124850273132324e-01 3.0322128534317017e-01 - <_> - - 0 -1 392 -6.3752777350600809e-05 - - 1.9111579656600952e-01 -1.3849230110645294e-01 - <_> - - 0 -1 393 6.6480963141657412e-05 - - -1.5205250680446625e-01 2.1706309914588928e-01 - <_> - - 0 -1 394 1.3560829684138298e-03 - - 4.9431789666414261e-02 -6.4279842376708984e-01 - <_> - - 0 -1 395 -9.0662558795884252e-04 - - 1.7982010543346405e-01 -1.4044609665870667e-01 - <_> - - 0 -1 396 1.0473709553480148e-03 - - -1.0933549702167511e-01 2.4265940487384796e-01 - <_> - - 0 -1 397 -1.0243969736620784e-03 - - 2.7162680029869080e-01 -1.1820919811725616e-01 - <_> - - 0 -1 398 -1.2024149764329195e-03 - - -7.0151102542877197e-01 3.9489898830652237e-02 - <_> - - 0 -1 399 7.6911649666726589e-03 - - -9.2218913137912750e-02 3.1046289205551147e-01 - <_> - - 0 -1 400 -1.3966549932956696e-01 - - 6.8979388475418091e-01 -3.9706118404865265e-02 - <_> - - 0 -1 401 2.1276050247251987e-03 - - 9.7277611494064331e-02 -2.8841799497604370e-01 - <_> - - 0 -1 402 -2.7594310231506824e-03 - - 2.4168670177459717e-01 -1.1277820169925690e-01 - <_> - - 0 -1 403 5.2236132323741913e-03 - - -1.1430279910564423e-01 2.4256780743598938e-01 - <_> - - 0 -1 404 -1.2590440455824137e-03 - - -5.9679388999938965e-01 4.7663960605859756e-02 - <_> - - 0 -1 405 -3.7192099262028933e-03 - - -4.6414130926132202e-01 5.2847690880298615e-02 - <_> - - 0 -1 406 5.9696151874959469e-03 - - -7.3244288563728333e-02 3.8743090629577637e-01 - <_> - - 0 -1 407 -5.1776720210909843e-03 - - -7.4193227291107178e-01 4.0496710687875748e-02 - <_> - - 0 -1 408 5.0035100430250168e-03 - - -1.3888800144195557e-01 1.8767620623111725e-01 - <_> - - 0 -1 409 -5.2013457752764225e-04 - - -5.4940617084503174e-01 4.9417849630117416e-02 - <_> - - 0 -1 410 5.3168768063187599e-03 - - -8.2482978701591492e-02 3.1740561127662659e-01 - <_> - - 0 -1 411 -1.4774589799344540e-02 - - 2.0816099643707275e-01 -1.2115559726953506e-01 - <_> - - 0 -1 412 -4.1416451334953308e-02 - - -8.2437807321548462e-01 3.3329188823699951e-02 - <_> - 53 - -1.0492420196533203e+00 - - <_> - - 0 -1 413 9.0962520334869623e-04 - - 8.4579966962337494e-02 -5.6118410825729370e-01 - <_> - - 0 -1 414 -5.6139789521694183e-02 - - 1.5341749787330627e-01 -2.6967319846153259e-01 - <_> - - 0 -1 415 1.0292009683325887e-03 - - -2.0489980280399323e-01 2.0153179764747620e-01 - <_> - - 0 -1 416 2.8783010784536600e-03 - - -1.7351140081882477e-01 2.1297949552536011e-01 - <_> - - 0 -1 417 -7.4144392274320126e-03 - - -5.9624868631362915e-01 4.7077950090169907e-02 - <_> - - 0 -1 418 -1.4831849839538336e-03 - - 1.9024610519409180e-01 -1.5986390411853790e-01 - <_> - - 0 -1 419 4.5968941412866116e-03 - - 3.1447131186723709e-02 -6.8694341182708740e-01 - <_> - - 0 -1 420 2.4255330208688974e-03 - - -2.3609359562397003e-01 1.1036109924316406e-01 - <_> - - 0 -1 421 -8.4950566291809082e-02 - - 2.3107160627841949e-01 -1.3776530325412750e-01 - <_> - - 0 -1 422 -5.0145681016147137e-03 - - 3.8676109910011292e-01 -5.6217379868030548e-02 - <_> - - 0 -1 423 -2.1482061129063368e-03 - - 1.8191599845886230e-01 -1.7615699768066406e-01 - <_> - - 0 -1 424 -1.0396770201623440e-02 - - -7.5351381301879883e-01 2.4091970175504684e-02 - <_> - - 0 -1 425 -1.3466750271618366e-02 - - -7.2118860483169556e-01 3.4949369728565216e-02 - <_> - - 0 -1 426 -8.4435477852821350e-02 - - -3.3792638778686523e-01 7.1113817393779755e-02 - <_> - - 0 -1 427 2.4771490134298801e-03 - - -1.1765109747648239e-01 2.2541989386081696e-01 - <_> - - 0 -1 428 1.5828050673007965e-02 - - -6.9536216557025909e-02 3.1395369768142700e-01 - <_> - - 0 -1 429 6.4916983246803284e-02 - - -7.5043588876724243e-02 4.0677338838577271e-01 - <_> - - 0 -1 430 2.9652469675056636e-04 - - 7.3953360319137573e-02 -3.4544008970260620e-01 - <_> - - 0 -1 431 1.3129520229995251e-03 - - -1.6909439861774445e-01 1.5258370339870453e-01 - <_> - - 0 -1 432 -5.8032129891216755e-03 - - 3.5260149836540222e-01 -8.3444066345691681e-02 - <_> - - 0 -1 433 -1.4791679382324219e-01 - - 4.3004658818244934e-01 -5.7309929281473160e-02 - <_> - - 0 -1 434 -1.6584150493144989e-02 - - 2.3432689905166626e-01 -1.0907640308141708e-01 - <_> - - 0 -1 435 3.0183270573616028e-03 - - -1.3600939512252808e-01 2.6409289240837097e-01 - <_> - - 0 -1 436 -3.6471918225288391e-02 - - -6.2809741497039795e-01 4.3545108288526535e-02 - <_> - - 0 -1 437 -7.3119226726703346e-05 - - 1.6470630466938019e-01 -1.6463780403137207e-01 - <_> - - 0 -1 438 -3.6719450727105141e-03 - - -4.7421360015869141e-01 4.8586919903755188e-02 - <_> - - 0 -1 439 -4.0151178836822510e-03 - - 1.8222180008888245e-01 -1.4097510278224945e-01 - <_> - - 0 -1 440 1.9948020577430725e-02 - - -6.9787658751010895e-02 3.6707460880279541e-01 - <_> - - 0 -1 441 7.6699437340721488e-04 - - 5.5729299783706665e-02 -4.4585430622100830e-01 - <_> - - 0 -1 442 -1.1806039838120341e-03 - - -4.6876621246337891e-01 4.8902221024036407e-02 - <_> - - 0 -1 443 1.5847349539399147e-02 - - -1.2120209634304047e-01 2.0566530525684357e-01 - <_> - - 0 -1 444 -1.1985700111836195e-03 - - 2.0262099802494049e-01 -1.2823820114135742e-01 - <_> - - 0 -1 445 -1.0964959859848022e-01 - - -8.6619192361831665e-01 3.0351849272847176e-02 - <_> - - 0 -1 446 -9.2532606795430183e-03 - - 2.9343119263648987e-01 -8.5361950099468231e-02 - <_> - - 0 -1 447 1.4686530455946922e-02 - - 3.2798621803522110e-02 -7.7556562423706055e-01 - <_> - - 0 -1 448 -1.3514430029317737e-03 - - 2.4426999688148499e-01 -1.1503250151872635e-01 - <_> - - 0 -1 449 -4.3728090822696686e-03 - - 2.1687670052051544e-01 -1.3984480500221252e-01 - <_> - - 0 -1 450 3.4263390116393566e-03 - - 4.5614220201969147e-02 -5.4567712545394897e-01 - <_> - - 0 -1 451 -3.8404068909585476e-03 - - 1.4949500560760498e-01 -1.5062509477138519e-01 - <_> - - 0 -1 452 3.7988980766385794e-03 - - -8.7301626801490784e-02 2.5481531023979187e-01 - <_> - - 0 -1 453 -2.0094281062483788e-03 - - 1.7259070277214050e-01 -1.4288470149040222e-01 - <_> - - 0 -1 454 -2.4370709434151649e-03 - - 2.6848098635673523e-01 -8.1898219883441925e-02 - <_> - - 0 -1 455 1.0485399980098009e-03 - - 4.6113260090351105e-02 -4.7243279218673706e-01 - <_> - - 0 -1 456 1.7460780218243599e-03 - - -1.1030430346727371e-01 2.0379729568958282e-01 - <_> - - 0 -1 457 5.8608627878129482e-03 - - -1.5619659423828125e-01 1.5927439928054810e-01 - <_> - - 0 -1 458 -2.7724979445338249e-02 - - 1.1349119991064072e-01 -2.1885140240192413e-01 - <_> - - 0 -1 459 4.7080639749765396e-02 - - -4.1688729077577591e-02 5.3630048036575317e-01 - <_> - - 0 -1 460 -7.9283770173788071e-03 - - -5.3595131635665894e-01 4.4237509369850159e-02 - <_> - - 0 -1 461 -1.2880540452897549e-02 - - 2.3237949609756470e-01 -1.0246250033378601e-01 - <_> - - 0 -1 462 2.3604769259691238e-02 - - -8.8291436433792114e-02 3.0561059713363647e-01 - <_> - - 0 -1 463 1.5902200713753700e-02 - - -1.2238109856843948e-01 1.7849120497703552e-01 - <_> - - 0 -1 464 7.9939495772123337e-03 - - -8.3729006350040436e-02 3.2319590449333191e-01 - <_> - - 0 -1 465 5.7100867852568626e-03 - - 3.8479208946228027e-02 -6.8138152360916138e-01 - <_> - 51 - -1.1122100353240967e+00 - - <_> - - 0 -1 466 2.2480720654129982e-03 - - -1.6416870057582855e-01 4.1648530960083008e-01 - <_> - - 0 -1 467 4.5813550241291523e-03 - - -1.2465959787368774e-01 4.0385121107101440e-01 - <_> - - 0 -1 468 -1.6073239967226982e-03 - - 2.6082459092140198e-01 -2.0282520353794098e-01 - <_> - - 0 -1 469 2.5205370038747787e-03 - - -1.0557229816913605e-01 3.6669111251831055e-01 - <_> - - 0 -1 470 2.4119189474731684e-03 - - -1.3877600431442261e-01 2.9959911108016968e-01 - <_> - - 0 -1 471 5.7156179100275040e-03 - - -7.7683463692665100e-02 4.8481920361518860e-01 - <_> - - 0 -1 472 3.1093840952962637e-03 - - -1.1229000240564346e-01 2.9215508699417114e-01 - <_> - - 0 -1 473 -8.6836628615856171e-02 - - -3.6779600381851196e-01 7.2597242891788483e-02 - <_> - - 0 -1 474 5.2652182057499886e-03 - - -1.0890290141105652e-01 3.1791260838508606e-01 - <_> - - 0 -1 475 -1.9913529977202415e-02 - - -5.3373438119888306e-01 7.0585712790489197e-02 - <_> - - 0 -1 476 3.8297839928418398e-03 - - -1.3575910031795502e-01 2.2788879275321960e-01 - <_> - - 0 -1 477 1.0431859642267227e-02 - - 8.8797912001609802e-02 -4.7958970069885254e-01 - <_> - - 0 -1 478 -2.0040439441800117e-02 - - 1.5745539963245392e-01 -1.7771570384502411e-01 - <_> - - 0 -1 479 -5.2967290394008160e-03 - - -6.8434917926788330e-01 3.5671461373567581e-02 - <_> - - 0 -1 480 -2.1624139044433832e-03 - - 2.8318038582801819e-01 -9.8511278629302979e-02 - <_> - - 0 -1 481 -3.5464888787828386e-04 - - -3.7077340483665466e-01 8.0932952463626862e-02 - <_> - - 0 -1 482 -1.8152060511056334e-04 - - -3.2207030057907104e-01 7.7551059424877167e-02 - <_> - - 0 -1 483 -2.7563021285459399e-04 - - -3.2441279292106628e-01 8.7949477136135101e-02 - <_> - - 0 -1 484 6.3823810778558254e-03 - - -8.8924713432788849e-02 3.1727218627929688e-01 - <_> - - 0 -1 485 1.1150909587740898e-02 - - 7.1019843220710754e-02 -4.0494039654731750e-01 - <_> - - 0 -1 486 -1.0593760525807738e-03 - - 2.6050668954849243e-01 -1.1765640228986740e-01 - <_> - - 0 -1 487 2.3906480055302382e-03 - - -8.4388621151447296e-02 3.1230551004409790e-01 - <_> - - 0 -1 488 -1.1000749655067921e-02 - - 1.9152249395847321e-01 -1.5210020542144775e-01 - <_> - - 0 -1 489 -2.4643228971399367e-04 - - -3.1765159964561462e-01 8.6582258343696594e-02 - <_> - - 0 -1 490 2.3053269833326340e-02 - - -1.0089760273694992e-01 2.5769290328025818e-01 - <_> - - 0 -1 491 -2.2135660983622074e-03 - - 4.5689210295677185e-01 -5.2404791116714478e-02 - <_> - - 0 -1 492 -9.7139709396287799e-04 - - -3.5518380999565125e-01 8.0094382166862488e-02 - <_> - - 0 -1 493 1.5676229959353805e-03 - - 1.0091420263051987e-01 -2.1603040397167206e-01 - <_> - - 0 -1 494 7.5460801599547267e-04 - - 5.7896178215742111e-02 -4.0461111068725586e-01 - <_> - - 0 -1 495 -2.0698970183730125e-02 - - 3.1543630361557007e-01 -8.0713048577308655e-02 - <_> - - 0 -1 496 -2.0619940012693405e-02 - - 2.7181661128997803e-01 -7.6358616352081299e-02 - <_> - - 0 -1 497 2.1611129865050316e-02 - - 3.9493449032306671e-02 -5.9429651498794556e-01 - <_> - - 0 -1 498 6.5676742233335972e-03 - - -9.8353669047355652e-02 2.3649279773235321e-01 - <_> - - 0 -1 499 -8.8434796780347824e-03 - - -5.2523428201675415e-01 4.3099921196699142e-02 - <_> - - 0 -1 500 -9.4260741025209427e-03 - - 2.4665130674839020e-01 -9.4130717217922211e-02 - <_> - - 0 -1 501 -1.9830230157822371e-03 - - 2.6743701100349426e-01 -9.0069316327571869e-02 - <_> - - 0 -1 502 -1.7358399927616119e-03 - - 1.5940019488334656e-01 -1.5789410471916199e-01 - <_> - - 0 -1 503 -1.3513869605958462e-02 - - 4.0792331099510193e-01 -6.4223118126392365e-02 - <_> - - 0 -1 504 -1.9394010305404663e-02 - - 1.8015649914741516e-01 -1.3731400668621063e-01 - <_> - - 0 -1 505 -3.2684770412743092e-03 - - 2.9080390930175781e-01 -8.0161906778812408e-02 - <_> - - 0 -1 506 4.1773589327931404e-04 - - -2.1412980556488037e-01 1.1273439973592758e-01 - <_> - - 0 -1 507 -7.6351119205355644e-03 - - -4.5365959405899048e-01 5.4625060409307480e-02 - <_> - - 0 -1 508 -8.3652976900339127e-03 - - 2.6472920179367065e-01 -9.4334110617637634e-02 - <_> - - 0 -1 509 2.7768449857831001e-02 - - -1.0136710107326508e-01 2.0743979513645172e-01 - <_> - - 0 -1 510 -5.4891228675842285e-02 - - 2.8840309381484985e-01 -7.5312040746212006e-02 - <_> - - 0 -1 511 2.5793339591473341e-03 - - -1.1088529974222183e-01 2.1724960207939148e-01 - <_> - - 0 -1 512 6.6196516854688525e-05 - - -1.8872100114822388e-01 1.4440689980983734e-01 - <_> - - 0 -1 513 5.0907251425087452e-03 - - -7.7601231634616852e-02 2.9398378729820251e-01 - <_> - - 0 -1 514 -1.0444259643554688e-01 - - 2.0133109390735626e-01 -1.0903970152139664e-01 - <_> - - 0 -1 515 -6.7273090826347470e-04 - - 1.7945900559425354e-01 -1.2023670226335526e-01 - <_> - - 0 -1 516 3.2412849832326174e-03 - - 4.0688131004571915e-02 -5.4600572586059570e-01 - <_> - 44 - -1.2529590129852295e+00 - - <_> - - 0 -1 517 5.2965320646762848e-03 - - -1.2154529988765717e-01 6.4420372247695923e-01 - <_> - - 0 -1 518 -2.5326260365545750e-03 - - 5.1233220100402832e-01 -1.1108259856700897e-01 - <_> - - 0 -1 519 -2.9183230362832546e-03 - - -5.0615429878234863e-01 1.1501979827880859e-01 - <_> - - 0 -1 520 -2.3692339658737183e-02 - - 3.7167280912399292e-01 -1.4672680199146271e-01 - <_> - - 0 -1 521 2.0177470520138741e-02 - - -1.7388840019702911e-01 4.7759491205215454e-01 - <_> - - 0 -1 522 -2.1723210811614990e-02 - - -4.3880090117454529e-01 1.3576899468898773e-01 - <_> - - 0 -1 523 2.8369780629873276e-03 - - -1.2512069940567017e-01 4.6789029240608215e-01 - <_> - - 0 -1 524 2.7148420922458172e-03 - - -8.8018856942653656e-02 3.6866518855094910e-01 - <_> - - 0 -1 525 3.2625689636915922e-03 - - -8.5335306823253632e-02 5.1644730567932129e-01 - <_> - - 0 -1 526 -3.5618850961327553e-03 - - -4.4503930211067200e-01 9.1738171875476837e-02 - <_> - - 0 -1 527 1.9227749435231090e-03 - - -1.1077310144901276e-01 3.9416998624801636e-01 - <_> - - 0 -1 528 -3.5111969918943942e-04 - - -3.7775701284408569e-01 1.2166170030832291e-01 - <_> - - 0 -1 529 1.9121779769193381e-04 - - 7.4816018342971802e-02 -4.0767100453376770e-01 - <_> - - 0 -1 530 -2.6525629800744355e-04 - - -3.3151718974113464e-01 1.1291120201349258e-01 - <_> - - 0 -1 531 2.0086700096726418e-02 - - -6.1598118394613266e-02 5.6128817796707153e-01 - <_> - - 0 -1 532 3.6783248186111450e-02 - - -6.0251388698816299e-02 5.2192491292953491e-01 - <_> - - 0 -1 533 1.3941619545221329e-03 - - -3.5503050684928894e-01 1.0863020271062851e-01 - <_> - - 0 -1 534 -1.5181669965386391e-02 - - 2.2739650309085846e-01 -1.6252990067005157e-01 - <_> - - 0 -1 535 4.6796840615570545e-03 - - -5.7535041123628616e-02 4.8124238848686218e-01 - <_> - - 0 -1 536 -1.7988319450523704e-04 - - -3.0587670207023621e-01 1.0868159681558609e-01 - <_> - - 0 -1 537 -3.5850999411195517e-03 - - 3.8596940040588379e-01 -9.2194072902202606e-02 - <_> - - 0 -1 538 1.0793360415846109e-03 - - -1.1190389841794968e-01 3.1125208735466003e-01 - <_> - - 0 -1 539 7.3285802500322461e-05 - - -2.0239910483360291e-01 1.5586680173873901e-01 - <_> - - 0 -1 540 1.3678739964962006e-01 - - -2.1672859787940979e-01 1.4420390129089355e-01 - <_> - - 0 -1 541 -1.1729259975254536e-02 - - 4.3503770232200623e-01 -7.4886530637741089e-02 - <_> - - 0 -1 542 3.9230841211974621e-03 - - -5.0289329141378403e-02 5.8831161260604858e-01 - <_> - - 0 -1 543 -2.9819121118634939e-04 - - -3.8232401013374329e-01 9.2451132833957672e-02 - <_> - - 0 -1 544 -4.7992770560085773e-03 - - 4.8488789796829224e-01 -7.3136523365974426e-02 - <_> - - 0 -1 545 -3.0155890271998942e-04 - - -3.5757359862327576e-01 1.0581880062818527e-01 - <_> - - 0 -1 546 1.0390769690275192e-02 - - 5.2920468151569366e-02 -5.7249659299850464e-01 - <_> - - 0 -1 547 -9.4488041941076517e-04 - - 4.4966828823089600e-01 -8.3075523376464844e-02 - <_> - - 0 -1 548 1.2651870492845774e-03 - - -9.6695438027381897e-02 3.1302270293235779e-01 - <_> - - 0 -1 549 1.7094539478421211e-02 - - -8.1248976290225983e-02 3.6113831400871277e-01 - <_> - - 0 -1 550 2.5973359588533640e-03 - - -1.1338350176811218e-01 2.2233949601650238e-01 - <_> - - 0 -1 551 1.4527440071105957e-03 - - 6.9750443100929260e-02 -3.6720710992813110e-01 - <_> - - 0 -1 552 4.7638658434152603e-03 - - -6.5788961946964264e-02 3.8328540325164795e-01 - <_> - - 0 -1 553 -6.2501081265509129e-03 - - -7.0754468441009521e-01 3.8350198417901993e-02 - <_> - - 0 -1 554 -3.1765329185873270e-03 - - 1.3755400478839874e-01 -2.3240029811859131e-01 - <_> - - 0 -1 555 3.2191169448196888e-03 - - -1.2935450673103333e-01 2.2737880051136017e-01 - <_> - - 0 -1 556 -5.6365579366683960e-03 - - 3.8067150115966797e-01 -6.7246839404106140e-02 - <_> - - 0 -1 557 -2.3844049428589642e-04 - - -3.1122380495071411e-01 8.3838358521461487e-02 - <_> - - 0 -1 558 -4.1017560288310051e-03 - - 2.6067280769348145e-01 -1.0449740290641785e-01 - <_> - - 0 -1 559 1.3336989795789123e-03 - - -5.8250140398740768e-02 4.7682440280914307e-01 - <_> - - 0 -1 560 -1.2090239906683564e-03 - - 1.4834509789943695e-01 -1.7329469323158264e-01 - <_> - 72 - -1.1188739538192749e+00 - - <_> - - 0 -1 561 -3.1760931015014648e-03 - - 3.3333331346511841e-01 -1.6642349958419800e-01 - <_> - - 0 -1 562 2.4858079850673676e-02 - - -7.2728872299194336e-02 5.6674581766128540e-01 - <_> - - 0 -1 563 -7.7597280032932758e-03 - - 4.6258568763732910e-01 -9.3112178146839142e-02 - <_> - - 0 -1 564 7.8239021822810173e-03 - - -2.7414610981941223e-01 1.3243049383163452e-01 - <_> - - 0 -1 565 -1.0948839597404003e-02 - - 2.2345480322837830e-01 -1.4965449273586273e-01 - <_> - - 0 -1 566 -3.4349008928984404e-03 - - 3.8724988698959351e-01 -6.6121727228164673e-02 - <_> - - 0 -1 567 -3.1156290322542191e-02 - - 2.4078279733657837e-01 -1.1406909674406052e-01 - <_> - - 0 -1 568 1.1100519914180040e-03 - - -2.8207978606224060e-01 1.3275429606437683e-01 - <_> - - 0 -1 569 3.1762740109115839e-03 - - 3.4585930407047272e-02 -5.1374310255050659e-01 - <_> - - 0 -1 570 -2.7977459132671356e-02 - - 2.3926779627799988e-01 -1.3255919516086578e-01 - <_> - - 0 -1 571 -2.3097939789295197e-02 - - 3.9019620418548584e-01 -7.8478008508682251e-02 - <_> - - 0 -1 572 -3.9731930010020733e-03 - - 3.0691069364547729e-01 -7.0601403713226318e-02 - <_> - - 0 -1 573 3.0335749033838511e-03 - - -1.4002190530300140e-01 1.9134859740734100e-01 - <_> - - 0 -1 574 -1.0844370350241661e-02 - - 1.6548730432987213e-01 -1.5657779574394226e-01 - <_> - - 0 -1 575 -1.8150510266423225e-02 - - -6.3243591785430908e-01 3.9561819285154343e-02 - <_> - - 0 -1 576 7.1052298881113529e-04 - - -1.8515570461750031e-01 1.3408809900283813e-01 - <_> - - 0 -1 577 1.0893340222537518e-02 - - -2.6730230078101158e-02 6.0971802473068237e-01 - <_> - - 0 -1 578 -2.8780900174751878e-04 - - -3.0065140128135681e-01 7.3171459138393402e-02 - <_> - - 0 -1 579 -3.5855069290846586e-03 - - 2.6217609643936157e-01 -7.9714097082614899e-02 - <_> - - 0 -1 580 -1.9759280607104301e-02 - - -5.9039229154586792e-01 4.0698971599340439e-02 - <_> - - 0 -1 581 -1.0845210403203964e-02 - - 1.6364559531211853e-01 -1.2586060166358948e-01 - <_> - - 0 -1 582 -4.3183090165257454e-03 - - -5.7474881410598755e-01 3.7644311785697937e-02 - <_> - - 0 -1 583 1.4913700288161635e-03 - - 6.0913469642400742e-02 -3.0222928524017334e-01 - <_> - - 0 -1 584 1.5675699338316917e-02 - - -7.3145911097526550e-02 2.9379451274871826e-01 - <_> - - 0 -1 585 -1.1033560149371624e-02 - - 3.9318808913230896e-01 -4.7084320336580276e-02 - <_> - - 0 -1 586 8.8555756956338882e-03 - - 3.7601381540298462e-02 -4.9108490347862244e-01 - <_> - - 0 -1 587 -8.9665671112015843e-04 - - 1.7952020466327667e-01 -1.1086239665746689e-01 - <_> - - 0 -1 588 -3.0592409893870354e-03 - - -4.4429460167884827e-01 5.1005430519580841e-02 - <_> - - 0 -1 589 6.3201179727911949e-03 - - -5.2841089665889740e-02 3.7197101116180420e-01 - <_> - - 0 -1 590 2.0682830363512039e-02 - - 5.7667169719934464e-02 -3.6901599168777466e-01 - <_> - - 0 -1 591 9.9822662770748138e-02 - - -3.7377018481492996e-02 5.8165591955184937e-01 - <_> - - 0 -1 592 -6.5854229032993317e-03 - - 2.8509441018104553e-01 -6.0978069901466370e-02 - <_> - - 0 -1 593 -6.0900300741195679e-02 - - -5.1031768321990967e-01 3.7787400186061859e-02 - <_> - - 0 -1 594 -2.9991709161549807e-03 - - -4.7943010926246643e-01 3.8833890110254288e-02 - <_> - - 0 -1 595 -9.8906438797712326e-03 - - 4.0609079599380493e-01 -4.7869648784399033e-02 - <_> - - 0 -1 596 -8.2688927650451660e-02 - - -7.0671182870864868e-01 2.7487749233841896e-02 - <_> - - 0 -1 597 5.0060399807989597e-03 - - 2.8208440169692039e-02 -5.2909690141677856e-01 - <_> - - 0 -1 598 6.1695030890405178e-03 - - -5.4554861038923264e-02 3.2837980985641479e-01 - <_> - - 0 -1 599 -3.3914761152118444e-03 - - 9.2117667198181152e-02 -2.1637110412120819e-01 - <_> - - 0 -1 600 -2.6131230406463146e-03 - - 1.3651019334793091e-01 -1.3781130313873291e-01 - <_> - - 0 -1 601 8.0490659456700087e-04 - - -6.8637110292911530e-02 3.3581069111824036e-01 - <_> - - 0 -1 602 -3.8106508553028107e-02 - - 2.9445430636405945e-01 -6.8239226937294006e-02 - <_> - - 0 -1 603 7.2450799052603543e-05 - - -1.6750130057334900e-01 1.2178230285644531e-01 - <_> - - 0 -1 604 1.5837959945201874e-03 - - -9.2042848467826843e-02 2.1348990499973297e-01 - <_> - - 0 -1 605 1.2924340553581715e-03 - - 6.2917232513427734e-02 -3.6174508929252625e-01 - <_> - - 0 -1 606 9.9146775901317596e-03 - - 1.9534060731530190e-02 -8.1015038490295410e-01 - <_> - - 0 -1 607 -1.7086310544982553e-03 - - 2.5525239109992981e-01 -6.8229459226131439e-02 - <_> - - 0 -1 608 2.1844399161636829e-03 - - 2.3314049467444420e-02 -8.4296780824661255e-01 - <_> - - 0 -1 609 -3.4244330599904060e-03 - - 2.7213689684867859e-01 -7.6395228505134583e-02 - <_> - - 0 -1 610 2.7591470279730856e-04 - - -1.0742840170860291e-01 2.2888970375061035e-01 - <_> - - 0 -1 611 -6.0005177510902286e-04 - - -2.9854211211204529e-01 6.3479736447334290e-02 - <_> - - 0 -1 612 -2.5001438916660845e-04 - - -2.7178969979286194e-01 6.9615006446838379e-02 - <_> - - 0 -1 613 6.8751391954720020e-03 - - -5.7185899466276169e-02 3.6695951223373413e-01 - <_> - - 0 -1 614 1.2761900201439857e-02 - - 6.7955687642097473e-02 -2.8534150123596191e-01 - <_> - - 0 -1 615 -1.4752789866179228e-03 - - 2.0680660009384155e-01 -1.0059390217065811e-01 - <_> - - 0 -1 616 1.2138819694519043e-01 - - -9.7126796841621399e-02 1.9789619743824005e-01 - <_> - - 0 -1 617 -5.0081279128789902e-02 - - 2.8417178988456726e-01 -6.7879997193813324e-02 - <_> - - 0 -1 618 3.1454950571060181e-02 - - -8.9468672871589661e-02 2.1298420429229736e-01 - <_> - - 0 -1 619 1.8878319533541799e-03 - - -1.1656440049409866e-01 1.6663520038127899e-01 - <_> - - 0 -1 620 -5.7211960665881634e-03 - - 2.3702140152454376e-01 -9.0776607394218445e-02 - <_> - - 0 -1 621 -1.8076719425152987e-04 - - 1.7951929569244385e-01 -1.0793480277061462e-01 - <_> - - 0 -1 622 -1.9761849939823151e-01 - - 4.5674291253089905e-01 -4.0480159223079681e-02 - <_> - - 0 -1 623 -2.3846809926908463e-04 - - -2.3733009397983551e-01 7.5922161340713501e-02 - <_> - - 0 -1 624 2.1540730085689574e-04 - - 8.1688016653060913e-02 -2.8685030341148376e-01 - <_> - - 0 -1 625 1.0163090191781521e-02 - - -4.1250020265579224e-02 4.8038348555564880e-01 - <_> - - 0 -1 626 -7.2184870950877666e-03 - - 1.7458580434322357e-01 -1.0146500170230865e-01 - <_> - - 0 -1 627 2.4263170361518860e-01 - - 5.3426481783390045e-02 -3.2318529486656189e-01 - <_> - - 0 -1 628 6.9304101634770632e-04 - - -1.1499179899692535e-01 1.4793939888477325e-01 - <_> - - 0 -1 629 3.5475199110805988e-03 - - -3.9424978196620941e-02 5.3126180171966553e-01 - <_> - - 0 -1 630 2.1403690334409475e-04 - - 6.9753833115100861e-02 -2.7319580316543579e-01 - <_> - - 0 -1 631 -5.7119462871924043e-04 - - 3.4369900822639465e-01 -5.7699009776115417e-02 - <_> - - 0 -1 632 -6.6290069371461868e-03 - - 1.1758489906787872e-01 -1.5020139515399933e-01 - <_> - 66 - -1.0888810157775879e+00 - - <_> - - 0 -1 633 -2.6513449847698212e-02 - - 2.0568640530109406e-01 -2.6473900675773621e-01 - <_> - - 0 -1 634 9.7727458924055099e-03 - - -1.1192840337753296e-01 3.2570549845695496e-01 - <_> - - 0 -1 635 3.2290350645780563e-02 - - -9.8574757575988770e-02 3.1779170036315918e-01 - <_> - - 0 -1 636 -2.8103240765631199e-03 - - 1.5213899314403534e-01 -1.9686409831047058e-01 - <_> - - 0 -1 637 -1.0991429910063744e-02 - - 5.1407659053802490e-01 -4.3707210570573807e-02 - <_> - - 0 -1 638 6.3133831135928631e-03 - - -9.2781022191047668e-02 3.4702470898628235e-01 - <_> - - 0 -1 639 8.7105982005596161e-02 - - 3.0053649097681046e-02 -8.2814818620681763e-01 - <_> - - 0 -1 640 1.1799359926953912e-03 - - -1.2928420305252075e-01 2.0646120607852936e-01 - <_> - - 0 -1 641 -9.3056890182197094e-04 - - -5.0021439790725708e-01 9.3666993081569672e-02 - <_> - - 0 -1 642 -1.3687170110642910e-02 - - -7.9358148574829102e-01 -6.6733639687299728e-03 - <_> - - 0 -1 643 -7.5917452573776245e-02 - - 3.0469641089439392e-01 -7.9655893146991730e-02 - <_> - - 0 -1 644 -2.8559709899127483e-03 - - 2.0961460471153259e-01 -1.2732550501823425e-01 - <_> - - 0 -1 645 -4.0231510065495968e-03 - - -6.5817278623580933e-01 5.0683639943599701e-02 - <_> - - 0 -1 646 1.7558040097355843e-02 - - -8.5382692515850067e-02 3.6174559593200684e-01 - <_> - - 0 -1 647 2.1988239139318466e-02 - - 6.2943696975708008e-02 -7.0896339416503906e-01 - <_> - - 0 -1 648 -2.8599589131772518e-03 - - 1.4683780074119568e-01 -1.6465979814529419e-01 - <_> - - 0 -1 649 -1.0030849836766720e-02 - - 4.9579939246177673e-01 -2.7188340201973915e-02 - <_> - - 0 -1 650 -6.9560329429805279e-03 - - 2.7977779507637024e-01 -7.7953331172466278e-02 - <_> - - 0 -1 651 -3.8356808945536613e-03 - - -5.8163982629776001e-01 3.5739939659833908e-02 - <_> - - 0 -1 652 -3.2647319603711367e-03 - - -4.9945080280303955e-01 4.6986490488052368e-02 - <_> - - 0 -1 653 -7.8412350267171860e-03 - - 3.4532830119132996e-01 -6.8810403347015381e-02 - <_> - - 0 -1 654 -8.1718113506212831e-05 - - 1.5041710436344147e-01 -1.4146679639816284e-01 - <_> - - 0 -1 655 -3.2448628917336464e-03 - - 2.2724510729312897e-01 -9.2860206961631775e-02 - <_> - - 0 -1 656 -7.8561151167377830e-04 - - -4.4319018721580505e-01 5.7812441140413284e-02 - <_> - - 0 -1 657 -6.2474247533828020e-04 - - 1.3952389359474182e-01 -1.4668719470500946e-01 - <_> - - 0 -1 658 -3.2942948746494949e-04 - - -2.9901570081710815e-01 7.6066739857196808e-02 - <_> - - 0 -1 659 1.2605739757418633e-03 - - -1.6125600039958954e-01 1.3953800499439240e-01 - <_> - - 0 -1 660 -5.1667019724845886e-02 - - -5.3142839670181274e-01 4.0719520300626755e-02 - <_> - - 0 -1 661 -1.5285619534552097e-02 - - -7.8206378221511841e-01 2.7183769270777702e-02 - <_> - - 0 -1 662 6.9029822945594788e-02 - - -3.6427021026611328e-02 7.1102517843246460e-01 - <_> - - 0 -1 663 1.4522749697789550e-03 - - -9.6890516579151154e-02 2.1668420732021332e-01 - <_> - - 0 -1 664 -2.4765590205788612e-03 - - 1.1645310372114182e-01 -1.8227979540824890e-01 - <_> - - 0 -1 665 -1.5134819550439715e-03 - - 1.7863979935646057e-01 -1.2214969843626022e-01 - <_> - - 0 -1 666 -1.5099470037966967e-03 - - 1.8086239695549011e-01 -1.1446069926023483e-01 - <_> - - 0 -1 667 -6.7054620012640953e-03 - - 2.5106599926948547e-01 -9.1871462762355804e-02 - <_> - - 0 -1 668 -1.4075200073421001e-02 - - 1.3707509636878967e-01 -1.7333500087261200e-01 - <_> - - 0 -1 669 -2.2400720044970512e-03 - - 4.0092980861663818e-01 -4.7576878219842911e-02 - <_> - - 0 -1 670 1.9782369956374168e-02 - - -1.9040350615978241e-01 1.4923410117626190e-01 - <_> - - 0 -1 671 2.6002870872616768e-03 - - 4.6971768140792847e-02 -4.3307659029960632e-01 - <_> - - 0 -1 672 -5.3445628145709634e-04 - - -4.3744230270385742e-01 4.1520189493894577e-02 - <_> - - 0 -1 673 -1.7466509714722633e-02 - - 6.5818172693252563e-01 -3.4447491168975830e-02 - <_> - - 0 -1 674 -2.0425589755177498e-03 - - 3.9657929539680481e-01 -4.4052429497241974e-02 - <_> - - 0 -1 675 2.6661779265850782e-03 - - 5.8770958334207535e-02 -3.2806369662284851e-01 - <_> - - 0 -1 676 -5.5982369929552078e-02 - - -5.1735472679138184e-01 3.5791840404272079e-02 - <_> - - 0 -1 677 -1.5066330088302493e-03 - - 1.5123869478702545e-01 -1.2520180642604828e-01 - <_> - - 0 -1 678 -1.1472369544208050e-02 - - -6.2930530309677124e-01 3.4704331308603287e-02 - <_> - - 0 -1 679 2.3409629240632057e-02 - - -5.8063350617885590e-02 3.8668221235275269e-01 - <_> - - 0 -1 680 -2.3243729956448078e-03 - - 1.8754099309444427e-01 -9.8394669592380524e-02 - <_> - - 0 -1 681 -2.9039299115538597e-02 - - -5.4486900568008423e-01 4.0926340967416763e-02 - <_> - - 0 -1 682 -1.4474649913609028e-02 - - -6.7248392105102539e-01 2.3128850385546684e-02 - <_> - - 0 -1 683 -5.2086091600358486e-03 - - -4.3271440267562866e-01 4.3780650943517685e-02 - <_> - - 0 -1 684 4.9382899887859821e-03 - - -1.0878620296716690e-01 1.9342589378356934e-01 - <_> - - 0 -1 685 -4.3193930760025978e-03 - - 2.4080930650234222e-01 -1.0380800068378448e-01 - <_> - - 0 -1 686 2.3705669445917010e-04 - - -8.7349072098731995e-02 2.0466239750385284e-01 - <_> - - 0 -1 687 4.7858079778961837e-04 - - 4.5624580234289169e-02 -3.8854670524597168e-01 - <_> - - 0 -1 688 -8.5342838428914547e-04 - - -5.5077940225601196e-01 3.5825889557600021e-02 - <_> - - 0 -1 689 5.4772121075075120e-05 - - -1.1225239932537079e-01 1.7503519356250763e-01 - <_> - - 0 -1 690 -3.8445889949798584e-03 - - 2.4526700377464294e-01 -8.1132568418979645e-02 - <_> - - 0 -1 691 -4.0128458291292191e-02 - - -6.3122707605361938e-01 2.6972670108079910e-02 - <_> - - 0 -1 692 -1.7886360001284629e-04 - - 1.9855099916458130e-01 -1.0333680361509323e-01 - <_> - - 0 -1 693 1.7668239888735116e-04 - - -9.1359011828899384e-02 1.9848720729351044e-01 - <_> - - 0 -1 694 7.2763383388519287e-02 - - 5.0075579434633255e-02 -3.3852630853652954e-01 - <_> - - 0 -1 695 1.0181630030274391e-02 - - -9.3229979276657104e-02 2.0059590041637421e-01 - <_> - - 0 -1 696 2.4409969337284565e-03 - - 6.4636632800102234e-02 -2.6921740174293518e-01 - <_> - - 0 -1 697 -3.6227488890290260e-03 - - 1.3169890642166138e-01 -1.2514840066432953e-01 - <_> - - 0 -1 698 -1.3635610230267048e-03 - - 1.6350460052490234e-01 -1.0665939748287201e-01 - <_> - 69 - -1.0408929586410522e+00 - - <_> - - 0 -1 699 -9.6991164609789848e-03 - - 6.1125320196151733e-01 -6.6225312650203705e-02 - <_> - - 0 -1 700 -9.6426531672477722e-03 - - -1. 2.7699959464371204e-03 - <_> - - 0 -1 701 -9.6381865441799164e-03 - - 1. -2.9904270195402205e-04 - <_> - - 0 -1 702 -4.2553939856588840e-03 - - 2.8464388847351074e-01 -1.5540120005607605e-01 - <_> - - 0 -1 703 -9.6223521977663040e-03 - - -1. 4.3999180197715759e-02 - <_> - - 0 -1 704 -9.1231241822242737e-03 - - 8.6869341135025024e-01 -2.7267890982329845e-03 - <_> - - 0 -1 705 -8.6240433156490326e-03 - - 4.5352488756179810e-01 -8.6071379482746124e-02 - <_> - - 0 -1 706 -8.9324144646525383e-03 - - 1.3375559449195862e-01 -2.6012519001960754e-01 - <_> - - 0 -1 707 -1.4207810163497925e-02 - - 3.2077640295028687e-01 -9.7226411104202271e-02 - <_> - - 0 -1 708 2.5911010801792145e-02 - - -1.2964080274105072e-01 2.6218649744987488e-01 - <_> - - 0 -1 709 2.0531509653665125e-04 - - -1.2404280155897141e-01 2.1062959730625153e-01 - <_> - - 0 -1 710 -5.4795680625829846e-05 - - 1.1974299699068069e-01 -2.3201279342174530e-01 - <_> - - 0 -1 711 6.8555199541151524e-03 - - -6.3276126980781555e-02 4.1044250130653381e-01 - <_> - - 0 -1 712 -1.2253040447831154e-02 - - 5.4883331060409546e-01 -3.9731100201606750e-02 - <_> - - 0 -1 713 -3.9058770053088665e-03 - - 2.4190980195999146e-01 -9.7096011042594910e-02 - <_> - - 0 -1 714 2.7560980524867773e-03 - - -1.2569679319858551e-01 1.9456650316715240e-01 - <_> - - 0 -1 715 -7.7662160620093346e-03 - - 2.9765701293945312e-01 -9.6818156540393829e-02 - <_> - - 0 -1 716 3.8997188676148653e-04 - - 6.2188401818275452e-02 -4.2040899395942688e-01 - <_> - - 0 -1 717 3.3579880837351084e-03 - - 4.7498140484094620e-02 -6.3216882944107056e-01 - <_> - - 0 -1 718 -1.6745539382100105e-02 - - 7.1098130941390991e-01 -3.9157349616289139e-02 - <_> - - 0 -1 719 -6.5409899689257145e-03 - - -3.5043171048164368e-01 7.0616953074932098e-02 - <_> - - 0 -1 720 3.0016340315341949e-04 - - 9.1902457177639008e-02 -2.4618670344352722e-01 - <_> - - 0 -1 721 1.4918990433216095e-02 - - -5.1909450441598892e-02 5.6636041402816772e-01 - <_> - - 0 -1 722 4.8153079114854336e-04 - - 6.4659558236598969e-02 -3.6590608954429626e-01 - <_> - - 0 -1 723 -3.0211321427486837e-04 - - 1.7926569283008575e-01 -1.1410660296678543e-01 - <_> - - 0 -1 724 3.8521419628523290e-04 - - 1.0345619916915894e-01 -2.0072460174560547e-01 - <_> - - 0 -1 725 8.0837132409214973e-03 - - -6.6073462367057800e-02 3.0284249782562256e-01 - <_> - - 0 -1 726 -2.2804969921708107e-02 - - 5.2962350845336914e-01 -4.0118999779224396e-02 - <_> - - 0 -1 727 1.9440450705587864e-04 - - 8.1854820251464844e-02 -2.4663360416889191e-01 - <_> - - 0 -1 728 -1.2848090380430222e-02 - - -3.4973311424255371e-01 5.6916229426860809e-02 - <_> - - 0 -1 729 -1.0937290498986840e-03 - - 2.3368680477142334e-01 -9.1604806482791901e-02 - <_> - - 0 -1 730 1.0032650316134095e-03 - - 1.1852180212736130e-01 -1.8469190597534180e-01 - <_> - - 0 -1 731 -4.4688429683446884e-02 - - -6.4362460374832153e-01 3.0363269150257111e-02 - <_> - - 0 -1 732 8.1657543778419495e-03 - - 4.3674658983945847e-02 -4.3002089858055115e-01 - <_> - - 0 -1 733 -1.1717810295522213e-02 - - 4.1781479120254517e-01 -4.8233699053525925e-02 - <_> - - 0 -1 734 8.4277130663394928e-02 - - 5.3461279720067978e-02 -3.7952190637588501e-01 - <_> - - 0 -1 735 1.4211839996278286e-02 - - 4.4900938868522644e-02 -4.2981499433517456e-01 - <_> - - 0 -1 736 1.5028340276330709e-03 - - 8.2227639853954315e-02 -2.4706399440765381e-01 - <_> - - 0 -1 737 1.0003579780459404e-02 - - -5.7221669703722000e-02 3.4609371423721313e-01 - <_> - - 0 -1 738 -9.0706320479512215e-03 - - 4.5058089494705200e-01 -4.2795319110155106e-02 - <_> - - 0 -1 739 -3.3141620224341750e-04 - - 1.8336910009384155e-01 -1.0759949684143066e-01 - <_> - - 0 -1 740 1.9723279774188995e-01 - - -3.0363829806447029e-02 6.6423428058624268e-01 - <_> - - 0 -1 741 -7.1258801035583019e-03 - - -8.9225047826766968e-01 2.5669990107417107e-02 - <_> - - 0 -1 742 8.6921341717243195e-03 - - -7.0764370262622833e-02 2.8210529685020447e-01 - <_> - - 0 -1 743 8.9262127876281738e-03 - - 7.1078233420848846e-02 -3.0232560634613037e-01 - <_> - - 0 -1 744 5.7286009192466736e-02 - - 5.0974130630493164e-02 -3.9196950197219849e-01 - <_> - - 0 -1 745 3.7920880131423473e-03 - - 3.3841941505670547e-02 -5.1016288995742798e-01 - <_> - - 0 -1 746 -1.4508679741993546e-03 - - 3.0879148840904236e-01 -6.3845083117485046e-02 - <_> - - 0 -1 747 9.8390132188796997e-04 - - -1.3029569387435913e-01 1.4604410529136658e-01 - <_> - - 0 -1 748 -1.7221809830516577e-03 - - 2.9157009720802307e-01 -6.8549558520317078e-02 - <_> - - 0 -1 749 1.0948250070214272e-02 - - 3.4351408481597900e-02 -4.7702258825302124e-01 - <_> - - 0 -1 750 -1.7176309484057128e-05 - - 1.6055269539356232e-01 -1.1690840125083923e-01 - <_> - - 0 -1 751 -5.4884208366274834e-03 - - -4.3415889143943787e-01 4.6106241643428802e-02 - <_> - - 0 -1 752 -3.0975250992923975e-03 - - 3.7943339347839355e-01 -5.6860551238059998e-02 - <_> - - 0 -1 753 6.4182081259787083e-03 - - -1.5858210623264313e-01 1.2335419654846191e-01 - <_> - - 0 -1 754 1.1831239797174931e-02 - - -4.0929291397333145e-02 4.5878958702087402e-01 - <_> - - 0 -1 755 1.3540499843657017e-02 - - -5.3725559264421463e-02 3.5056120157241821e-01 - <_> - - 0 -1 756 -2.5932150892913342e-03 - - 1.1010520160198212e-01 -1.6752210259437561e-01 - <_> - - 0 -1 757 1.6856270376592875e-03 - - 6.6574357450008392e-02 -3.0835020542144775e-01 - <_> - - 0 -1 758 2.6524690911173820e-03 - - 6.6318482160568237e-02 -2.7861338853836060e-01 - <_> - - 0 -1 759 -7.7341729775071144e-03 - - 1.9718359410762787e-01 -1.0782919824123383e-01 - <_> - - 0 -1 760 5.0944271497428417e-03 - - 8.5337489843368530e-02 -2.4847009778022766e-01 - <_> - - 0 -1 761 -2.9162371065467596e-03 - - -4.7476351261138916e-01 3.3566489815711975e-02 - <_> - - 0 -1 762 3.0121419113129377e-03 - - -4.7575380653142929e-02 4.2586800456047058e-01 - <_> - - 0 -1 763 3.1694869976490736e-03 - - -1.0519450157880783e-01 1.7163459956645966e-01 - <_> - - 0 -1 764 2.2327560186386108e-01 - - -1.4370209537446499e-02 9.2483651638031006e-01 - <_> - - 0 -1 765 -9.5585048198699951e-02 - - -7.4206638336181641e-01 2.7818970382213593e-02 - <_> - - 0 -1 766 3.4773729566950351e-05 - - -1.2765780091285706e-01 1.2926669418811798e-01 - <_> - - 0 -1 767 7.2459770308341831e-05 - - -1.6518579423427582e-01 1.0036809742450714e-01 - <_> - 59 - -1.0566600561141968e+00 - - <_> - - 0 -1 768 -6.5778270363807678e-03 - - 3.3815258741378784e-01 -1.5281909704208374e-01 - <_> - - 0 -1 769 -1.0922809597104788e-03 - - 2.2282369434833527e-01 -1.9308499991893768e-01 - <_> - - 0 -1 770 -2.9759589582681656e-02 - - 2.5959870219230652e-01 -1.5409409999847412e-01 - <_> - - 0 -1 771 -1.3147540390491486e-02 - - 1.9033810496330261e-01 -1.6543999314308167e-01 - <_> - - 0 -1 772 -1.4396329643204808e-03 - - 2.0071710646152496e-01 -1.2338940054178238e-01 - <_> - - 0 -1 773 -3.5928250290453434e-03 - - 2.3985520005226135e-01 -1.2922149896621704e-01 - <_> - - 0 -1 774 -1.5314699849113822e-03 - - -4.9014899134635925e-01 1.0275030136108398e-01 - <_> - - 0 -1 775 -6.2372139655053616e-03 - - 3.1214639544487000e-01 -1.1405629664659500e-01 - <_> - - 0 -1 776 -3.3364649862051010e-02 - - -4.9520879983901978e-01 5.1328450441360474e-02 - <_> - - 0 -1 777 -2.2827699780464172e-02 - - 3.2558828592300415e-01 -6.5089307725429535e-02 - <_> - - 0 -1 778 -8.6199097335338593e-02 - - -6.7646330595016479e-01 2.6985699310898781e-02 - <_> - - 0 -1 779 -2.1065981127321720e-03 - - 2.2452430427074432e-01 -1.2610229849815369e-01 - <_> - - 0 -1 780 3.9120148867368698e-02 - - 1.1329399794340134e-01 -2.6860630512237549e-01 - <_> - - 0 -1 781 3.5082739777863026e-03 - - -1.1359959840774536e-01 2.5649771094322205e-01 - <_> - - 0 -1 782 5.9289898490533233e-04 - - -1.4942969381809235e-01 1.6409839689731598e-01 - <_> - - 0 -1 783 7.1766850305721164e-04 - - 9.9905692040920258e-02 -2.1967969834804535e-01 - <_> - - 0 -1 784 -2.1803600713610649e-02 - - -3.1711721420288086e-01 8.2889586687088013e-02 - <_> - - 0 -1 785 -3.2962779514491558e-03 - - -3.8048729300498962e-01 6.0819379985332489e-02 - <_> - - 0 -1 786 2.4196270387619734e-03 - - -9.6013016998767853e-02 2.8540581464767456e-01 - <_> - - 0 -1 787 -4.4187481398694217e-04 - - 2.2127939760684967e-01 -9.7434908151626587e-02 - <_> - - 0 -1 788 3.4523929934948683e-03 - - 3.7553120404481888e-02 -5.7969051599502563e-01 - <_> - - 0 -1 789 -2.1834600716829300e-02 - - 2.9562139511108398e-01 -8.0048300325870514e-02 - <_> - - 0 -1 790 -2.1309500152710825e-04 - - 2.2814509272575378e-01 -1.0114189982414246e-01 - <_> - - 0 -1 791 -1.6166249988600612e-03 - - -5.0541198253631592e-01 4.4764541089534760e-02 - <_> - - 0 -1 792 7.5959609821438789e-03 - - 4.5986540615558624e-02 -4.1197681427001953e-01 - <_> - - 0 -1 793 3.8601809646934271e-03 - - -8.6563169956207275e-02 2.4809999763965607e-01 - <_> - - 0 -1 794 6.0622231103479862e-03 - - -7.5557373464107513e-02 2.8433260321617126e-01 - <_> - - 0 -1 795 -1.7097420059144497e-03 - - -3.5295820236206055e-01 5.8410499244928360e-02 - <_> - - 0 -1 796 1.6515579074621201e-02 - - -8.0486953258514404e-02 2.3537430167198181e-01 - <_> - - 0 -1 797 4.8465100117027760e-03 - - 4.1895218193531036e-02 -4.8443049192428589e-01 - <_> - - 0 -1 798 -3.1167170032858849e-02 - - 1.9192309677600861e-01 -1.0268159955739975e-01 - <_> - - 0 -1 799 6.1892281519249082e-04 - - -2.1085770428180695e-01 9.3886926770210266e-02 - <_> - - 0 -1 800 1.1946310289204121e-02 - - 3.9096169173717499e-02 -6.2248629331588745e-01 - <_> - - 0 -1 801 -7.5677200220525265e-03 - - 1.5936839580535889e-01 -1.2250780314207077e-01 - <_> - - 0 -1 802 -5.3747411817312241e-02 - - -5.5622178316116333e-01 4.1190009564161301e-02 - <_> - - 0 -1 803 1.5513530001044273e-02 - - -3.9826881140470505e-02 6.2400728464126587e-01 - <_> - - 0 -1 804 1.5246650436893106e-03 - - 7.0138677954673767e-02 -3.0789071321487427e-01 - <_> - - 0 -1 805 -4.8315100139006972e-04 - - 1.7887659370899200e-01 -1.0958620160818100e-01 - <_> - - 0 -1 806 2.7374739293009043e-03 - - 2.7478590607643127e-02 -8.8489568233489990e-01 - <_> - - 0 -1 807 -6.5787717700004578e-02 - - -4.6432140469551086e-01 3.5037148743867874e-02 - <_> - - 0 -1 808 1.2409730115905404e-03 - - -9.6479237079620361e-02 2.8779220581054688e-01 - <_> - - 0 -1 809 8.1398809561505914e-04 - - 1.1511719971895218e-01 -1.6766160726547241e-01 - <_> - - 0 -1 810 2.3901820182800293e-02 - - -3.2603189349174500e-02 6.0017347335815430e-01 - <_> - - 0 -1 811 2.7556600049138069e-02 - - -6.6137343645095825e-02 2.9994478821754456e-01 - <_> - - 0 -1 812 -3.8070970913395286e-04 - - -3.3881181478500366e-01 6.4450770616531372e-02 - <_> - - 0 -1 813 -1.3335429830476642e-03 - - 1.4588660001754761e-01 -1.3217620551586151e-01 - <_> - - 0 -1 814 -9.3507990241050720e-03 - - -5.1177829504013062e-01 3.4969471395015717e-02 - <_> - - 0 -1 815 7.6215229928493500e-03 - - 2.3249529302120209e-02 -6.9619411230087280e-01 - <_> - - 0 -1 816 -5.3407860832521692e-05 - - 2.3727379739284515e-01 -8.6910709738731384e-02 - <_> - - 0 -1 817 -1.5332329785451293e-03 - - 1.9228410720825195e-01 -1.0422399640083313e-01 - <_> - - 0 -1 818 4.3135890737175941e-03 - - -9.6219547092914581e-02 2.5601211190223694e-01 - <_> - - 0 -1 819 -2.3042880638968199e-04 - - -3.1564751267433167e-01 5.8838598430156708e-02 - <_> - - 0 -1 820 -7.8411828726530075e-03 - - -6.6340929269790649e-01 2.4500999599695206e-02 - <_> - - 0 -1 821 1.7103740572929382e-01 - - 3.3831499516963959e-02 -4.5615941286087036e-01 - <_> - - 0 -1 822 -1.6011140542104840e-03 - - 2.1574890613555908e-01 -8.3622530102729797e-02 - <_> - - 0 -1 823 -1.0535780340433121e-02 - - 2.4552319943904877e-01 -8.2384489476680756e-02 - <_> - - 0 -1 824 -5.8351638726890087e-03 - - -4.7807329893112183e-01 4.4086221605539322e-02 - <_> - - 0 -1 825 -1.8706109374761581e-02 - - -6.0024029016494751e-01 2.1410040557384491e-02 - <_> - - 0 -1 826 -9.3307439237833023e-04 - - 2.4323590099811554e-01 -7.4165716767311096e-02 - <_> - 88 - -9.7693431377410889e-01 - - <_> - - 0 -1 827 1.0646229609847069e-02 - - -1.3861389458179474e-01 2.6494070887565613e-01 - <_> - - 0 -1 828 3.5298269242048264e-02 - - -7.5821727514266968e-02 3.9021068811416626e-01 - <_> - - 0 -1 829 7.5638387352228165e-04 - - -9.5521442592144012e-02 2.9061999917030334e-01 - <_> - - 0 -1 830 9.2497706413269043e-02 - - -2.7704238891601562e-01 7.9474702477455139e-02 - <_> - - 0 -1 831 -2.9340879991650581e-03 - - 2.2989539802074432e-01 -7.8550010919570923e-02 - <_> - - 0 -1 832 -8.6535848677158356e-02 - - 4.7744810581207275e-01 -6.8231220357120037e-03 - <_> - - 0 -1 833 5.4699288739357144e-05 - - -2.2642609477043152e-01 8.8192112743854523e-02 - <_> - - 0 -1 834 -3.6592520773410797e-02 - - 2.7353870868682861e-01 -9.8606742918491364e-02 - <_> - - 0 -1 835 2.6469118893146515e-03 - - -4.4083978980779648e-02 3.1445288658142090e-01 - <_> - - 0 -1 836 -4.4271810911595821e-03 - - 2.3822729289531708e-01 -8.6784273386001587e-02 - <_> - - 0 -1 837 -5.1882481202483177e-03 - - 1.5042769908905029e-01 -1.2672109901905060e-01 - <_> - - 0 -1 838 4.5530400238931179e-03 - - -5.5945020169019699e-02 3.6501631140708923e-01 - <_> - - 0 -1 839 1.4562410302460194e-02 - - 3.6397770047187805e-02 -5.3559190034866333e-01 - <_> - - 0 -1 840 6.8677567469421774e-05 - - -1.7479629814624786e-01 1.1068709939718246e-01 - <_> - - 0 -1 841 -5.9744901955127716e-03 - - 3.1077870726585388e-01 -6.6530227661132812e-02 - <_> - - 0 -1 842 -5.8691250160336494e-03 - - -3.1901490688323975e-01 6.3931830227375031e-02 - <_> - - 0 -1 843 -1.1140310205519199e-02 - - 2.4364790320396423e-01 -8.0935180187225342e-02 - <_> - - 0 -1 844 -5.8643531054258347e-02 - - -7.6083260774612427e-01 3.0809629708528519e-02 - <_> - - 0 -1 845 -4.6097282320261002e-03 - - -4.5315021276473999e-01 2.9879059642553329e-02 - <_> - - 0 -1 846 -9.3032103031873703e-03 - - 1.4513379335403442e-01 -1.1033169925212860e-01 - <_> - - 0 -1 847 1.3253629440441728e-03 - - -9.7698956727981567e-02 1.9646440446376801e-01 - <_> - - 0 -1 848 4.9800761044025421e-03 - - 3.3648081123828888e-02 -3.9792209863662720e-01 - <_> - - 0 -1 849 -7.6542161405086517e-03 - - 9.0841993689537048e-02 -1.5967549383640289e-01 - <_> - - 0 -1 850 -3.8920590281486511e-01 - - -6.6571092605590820e-01 1.9028829410672188e-02 - <_> - - 0 -1 851 -1.0019669681787491e-01 - - -5.7559269666671753e-01 2.4282779544591904e-02 - <_> - - 0 -1 852 7.3541211895644665e-04 - - 8.7919801473617554e-02 -1.6195340454578400e-01 - <_> - - 0 -1 853 -3.4802639856934547e-03 - - 2.6064491271972656e-01 -6.0200810432434082e-02 - <_> - - 0 -1 854 8.4000425413250923e-03 - - -1.0979729890823364e-01 1.5707309544086456e-01 - <_> - - 0 -1 855 2.3786011151969433e-03 - - 3.6058239638805389e-02 -4.7277191281318665e-01 - <_> - - 0 -1 856 7.3831682093441486e-03 - - -3.5756360739469528e-02 4.9498590826988220e-01 - <_> - - 0 -1 857 3.2115620560944080e-03 - - -1.0125560313463211e-01 1.5747989714145660e-01 - <_> - - 0 -1 858 -7.8209668397903442e-02 - - -7.6627081632614136e-01 2.2965829819440842e-02 - <_> - - 0 -1 859 5.3303989261621609e-05 - - -1.3414350152015686e-01 1.1114919930696487e-01 - <_> - - 0 -1 860 -9.6419155597686768e-03 - - 2.5068029761314392e-01 -6.6608138382434845e-02 - <_> - - 0 -1 861 -7.1092672646045685e-02 - - -4.0056818723678589e-01 4.0297791361808777e-02 - <_> - - 0 -1 862 3.5171560011804104e-04 - - 4.1861180216073990e-02 -3.2961198687553406e-01 - <_> - - 0 -1 863 -3.3458150574006140e-04 - - -2.6029831171035767e-01 6.7892737686634064e-02 - <_> - - 0 -1 864 -4.1451421566307545e-03 - - 2.3967699706554413e-01 -7.2093337774276733e-02 - <_> - - 0 -1 865 3.1754500232636929e-03 - - -7.1235269308090210e-02 2.4128450453281403e-01 - <_> - - 0 -1 866 -5.5184490047395229e-03 - - 5.0320237874984741e-01 -2.9686680063605309e-02 - <_> - - 0 -1 867 -3.0242869979701936e-04 - - 2.4879050254821777e-01 -5.6758578866720200e-02 - <_> - - 0 -1 868 -1.3125919504091144e-03 - - 3.1747800111770630e-01 -4.1845861822366714e-02 - <_> - - 0 -1 869 -2.7123570907860994e-04 - - -2.7042070031166077e-01 5.6828990578651428e-02 - <_> - - 0 -1 870 -7.3241777718067169e-03 - - 2.7556678652763367e-01 -5.4252970963716507e-02 - <_> - - 0 -1 871 -1.6851710155606270e-02 - - -3.4852910041809082e-01 4.5368999242782593e-02 - <_> - - 0 -1 872 2.9902100563049316e-02 - - 3.1621079891920090e-02 -4.3114370107650757e-01 - <_> - - 0 -1 873 2.8902660124003887e-03 - - 3.8029961287975311e-02 -3.7027099728584290e-01 - <_> - - 0 -1 874 -1.9242949783802032e-03 - - 2.4800279736518860e-01 -5.9333298355340958e-02 - <_> - - 0 -1 875 4.9354149959981441e-03 - - -8.3068400621414185e-02 2.2043809294700623e-01 - <_> - - 0 -1 876 8.2075603306293488e-02 - - -1.9413439556956291e-02 6.9089287519454956e-01 - <_> - - 0 -1 877 -2.4699489586055279e-04 - - -2.4660569429397583e-01 6.4776450395584106e-02 - <_> - - 0 -1 878 -1.8365769647061825e-03 - - 2.8836160898208618e-01 -5.3390458226203918e-02 - <_> - - 0 -1 879 -4.9553811550140381e-03 - - 1.2740829586982727e-01 -1.2559419870376587e-01 - <_> - - 0 -1 880 -8.3086621016263962e-03 - - 2.3478110134601593e-01 -7.1676492691040039e-02 - <_> - - 0 -1 881 -1.0879919677972794e-01 - - -2.5992238521575928e-01 5.8689739555120468e-02 - <_> - - 0 -1 882 -9.6786450594663620e-03 - - -7.0720428228378296e-01 1.8749259412288666e-02 - <_> - - 0 -1 883 -2.7136830613017082e-02 - - -5.8384227752685547e-01 2.1684130653738976e-02 - <_> - - 0 -1 884 -6.5389778465032578e-03 - - -5.9748911857604980e-01 2.1480310708284378e-02 - <_> - - 0 -1 885 -1.2095630168914795e-02 - - 1.3269039988517761e-01 -9.9722720682621002e-02 - <_> - - 0 -1 886 -1.6776099801063538e-01 - - -5.6655067205429077e-01 3.2123088836669922e-02 - <_> - - 0 -1 887 -1.3262550346553326e-02 - - 1.1495590209960938e-01 -1.1738389730453491e-01 - <_> - - 0 -1 888 7.6744519174098969e-02 - - -3.1413231045007706e-02 5.9935492277145386e-01 - <_> - - 0 -1 889 5.0785229541361332e-03 - - -5.2911940962076187e-02 2.3342399299144745e-01 - <_> - - 0 -1 890 3.1800279393792152e-03 - - -7.7734388411045074e-02 1.7652909457683563e-01 - <_> - - 0 -1 891 -1.7729829996824265e-03 - - 1.9591629505157471e-01 -7.9752199351787567e-02 - <_> - - 0 -1 892 -4.8560940194875002e-04 - - -2.8800371289253235e-01 4.9047119915485382e-02 - <_> - - 0 -1 893 3.6554320831783116e-04 - - 6.7922897636890411e-02 -2.2499430179595947e-01 - <_> - - 0 -1 894 -2.6938671362586319e-04 - - 1.6582170128822327e-01 -8.9744098484516144e-02 - <_> - - 0 -1 895 7.8684233129024506e-02 - - 2.6081679388880730e-02 -5.5693739652633667e-01 - <_> - - 0 -1 896 -7.3774810880422592e-04 - - 1.4036870002746582e-01 -1.1800300329923630e-01 - <_> - - 0 -1 897 2.3957829922437668e-02 - - 3.0470740050077438e-02 -4.6159979701042175e-01 - <_> - - 0 -1 898 -1.6239080578088760e-03 - - 2.6327079534530640e-01 -5.6765370070934296e-02 - <_> - - 0 -1 899 -9.0819748584181070e-04 - - 1.5462459623813629e-01 -1.1087069660425186e-01 - <_> - - 0 -1 900 3.9806248969398439e-04 - - 5.5630370974540710e-02 -2.8331959247589111e-01 - <_> - - 0 -1 901 2.0506449509412050e-03 - - -9.1604836285114288e-02 1.7585539817810059e-01 - <_> - - 0 -1 902 2.6742549613118172e-02 - - 6.2003031373023987e-02 -2.4487000703811646e-01 - <_> - - 0 -1 903 -2.1497008856385946e-03 - - 2.9449298977851868e-01 -5.3218148648738861e-02 - <_> - - 0 -1 904 5.6671658530831337e-03 - - -6.4298242330551147e-02 2.4905680119991302e-01 - <_> - - 0 -1 905 6.8317902332637459e-05 - - -1.6819630563259125e-01 9.6548579633235931e-02 - <_> - - 0 -1 906 1.7600439605303109e-04 - - 6.5308012068271637e-02 -2.4267880618572235e-01 - <_> - - 0 -1 907 4.1861608624458313e-03 - - -9.7988583147525787e-02 1.8052889406681061e-01 - <_> - - 0 -1 908 -2.1808340679854155e-03 - - 1.9231270253658295e-01 -9.4123929738998413e-02 - <_> - - 0 -1 909 2.1730400621891022e-02 - - 3.5578511655330658e-02 -4.5088538527488708e-01 - <_> - - 0 -1 910 -1.4780269935727119e-02 - - -4.3927010893821716e-01 3.1735591590404510e-02 - <_> - - 0 -1 911 -3.6145891062915325e-03 - - 1.9811479747295380e-01 -7.7701419591903687e-02 - <_> - - 0 -1 912 1.8892709631472826e-03 - - 1.9962439313530922e-02 -7.2041720151901245e-01 - <_> - - 0 -1 913 -1.3822480104863644e-03 - - 9.8466947674751282e-02 -1.4881080389022827e-01 - <_> - - 0 -1 914 -3.9505911991000175e-03 - - 1.1593230068683624e-01 -1.2791970372200012e-01 - <_> - 58 - -1.0129359960556030e+00 - - <_> - - 0 -1 915 -1.9395539537072182e-02 - - 4.7474750876426697e-01 -1.1721090227365494e-01 - <_> - - 0 -1 916 1.3118919916450977e-02 - - -2.5552129745483398e-01 1.6378800570964813e-01 - <_> - - 0 -1 917 -5.1606801571324468e-04 - - 1.9452619552612305e-01 -1.7448890209197998e-01 - <_> - - 0 -1 918 -1.3184159994125366e-02 - - 4.4181451201438904e-01 -9.0048752725124359e-02 - <_> - - 0 -1 919 3.4657081123441458e-03 - - -1.3477090001106262e-01 1.8056340515613556e-01 - <_> - - 0 -1 920 6.2980200164020061e-03 - - -5.4164979606866837e-02 3.6033380031585693e-01 - <_> - - 0 -1 921 1.6879989998415112e-03 - - -1.9997949898242950e-01 1.2021599709987640e-01 - <_> - - 0 -1 922 3.6039709812030196e-04 - - 1.0524140298366547e-01 -2.4116060137748718e-01 - <_> - - 0 -1 923 -1.5276849735528231e-03 - - 2.8135529160499573e-01 -6.8964816629886627e-02 - <_> - - 0 -1 924 3.5033570602536201e-03 - - -8.2519583404064178e-02 4.0713590383529663e-01 - <_> - - 0 -1 925 -4.7337161377072334e-03 - - 1.9727009534835815e-01 -1.1710140109062195e-01 - <_> - - 0 -1 926 -1.1557149700820446e-02 - - -5.6061112880706787e-01 6.8170957267284393e-02 - <_> - - 0 -1 927 -2.7445720508694649e-02 - - 4.9718621373176575e-01 -6.2380149960517883e-02 - <_> - - 0 -1 928 -5.2825778722763062e-02 - - 1.6921220719814301e-01 -1.3093550503253937e-01 - <_> - - 0 -1 929 -2.9849699139595032e-01 - - -6.4649671316146851e-01 4.0076818317174911e-02 - <_> - - 0 -1 930 -2.6307269581593573e-04 - - 2.5127941370010376e-01 -8.9494839310646057e-02 - <_> - - 0 -1 931 2.3261709429789335e-04 - - -8.6843989789485931e-02 2.3831979930400848e-01 - <_> - - 0 -1 932 2.3631360090803355e-04 - - 1.1554460227489471e-01 -1.8936349451541901e-01 - <_> - - 0 -1 933 2.0742209162563086e-03 - - -4.8594851046800613e-02 5.7485991716384888e-01 - <_> - - 0 -1 934 -7.0308889262378216e-03 - - -5.4120808839797974e-01 4.8743750900030136e-02 - <_> - - 0 -1 935 8.2652270793914795e-03 - - 2.6494519785046577e-02 -6.1728459596633911e-01 - <_> - - 0 -1 936 2.0042760297656059e-04 - - -1.1768630146980286e-01 1.6333860158920288e-01 - <_> - - 0 -1 937 1.6470040427520871e-03 - - -5.9954918920993805e-02 3.5179701447486877e-01 - <_> - - 0 -1 938 -3.5642538568936288e-04 - - -3.4420299530029297e-01 6.4948253333568573e-02 - <_> - - 0 -1 939 -3.0935870483517647e-02 - - 1.9979700446128845e-01 -9.7693696618080139e-02 - <_> - - 0 -1 940 -6.3578772824257612e-04 - - -3.1481391191482544e-01 5.9425041079521179e-02 - <_> - - 0 -1 941 -1.1862180195748806e-02 - - 2.0043690502643585e-01 -8.9447543025016785e-02 - <_> - - 0 -1 942 7.1508930996060371e-03 - - -3.9006061851978302e-02 5.3327161073684692e-01 - <_> - - 0 -1 943 -2.0059191156178713e-03 - - -2.8469720482826233e-01 7.0723608136177063e-02 - <_> - - 0 -1 944 3.6412389017641544e-03 - - -1.0660319775342941e-01 2.4944800138473511e-01 - <_> - - 0 -1 945 -1.3467429578304291e-01 - - 4.9910080432891846e-01 -4.0332220494747162e-02 - <_> - - 0 -1 946 -2.2547659464180470e-03 - - 1.6851690411567688e-01 -1.1119280010461807e-01 - <_> - - 0 -1 947 4.3842289596796036e-03 - - 8.6139492690563202e-02 -2.7431771159172058e-01 - <_> - - 0 -1 948 -7.3361168615520000e-03 - - 2.4875210225582123e-01 -9.5919162034988403e-02 - <_> - - 0 -1 949 6.4666912658140063e-04 - - 6.7431576550006866e-02 -3.3754080533981323e-01 - <_> - - 0 -1 950 2.2983769304119051e-04 - - -8.3903051912784576e-02 2.4584099650382996e-01 - <_> - - 0 -1 951 6.7039071582257748e-03 - - 2.9079329222440720e-02 -6.9055938720703125e-01 - <_> - - 0 -1 952 5.0734888645820320e-05 - - -1.5696719288825989e-01 1.1965429782867432e-01 - <_> - - 0 -1 953 -2.0335559546947479e-01 - - -6.9506347179412842e-01 2.7507519349455833e-02 - <_> - - 0 -1 954 9.4939414411783218e-03 - - -8.7449371814727783e-02 2.3968330025672913e-01 - <_> - - 0 -1 955 -2.4055240210145712e-03 - - 2.1150960028171539e-01 -1.3148930668830872e-01 - <_> - - 0 -1 956 -1.1342419747961685e-04 - - 1.5233789384365082e-01 -1.2725900113582611e-01 - <_> - - 0 -1 957 1.4992210082709789e-02 - - -3.4127969294786453e-02 5.0624072551727295e-01 - <_> - - 0 -1 958 7.4068200774490833e-04 - - 4.8764750361442566e-02 -4.0225321054458618e-01 - <_> - - 0 -1 959 -4.2459447868168354e-03 - - 2.1554760634899139e-01 -8.7126992642879486e-02 - <_> - - 0 -1 960 6.8655109498649836e-04 - - -7.5418718159198761e-02 2.6405909657478333e-01 - <_> - - 0 -1 961 -1.6751460731029510e-02 - - -6.7729032039642334e-01 3.2918728888034821e-02 - <_> - - 0 -1 962 -2.6301678735762835e-04 - - 2.2725869715213776e-01 -9.0534873306751251e-02 - <_> - - 0 -1 963 4.3398610432632267e-04 - - 5.5894378572702408e-02 -3.5592669248580933e-01 - <_> - - 0 -1 964 -2.0150149241089821e-02 - - 1.9162760674953461e-01 -9.4929970800876617e-02 - <_> - - 0 -1 965 -1.4452129602432251e-02 - - -6.8510341644287109e-01 2.5422170758247375e-02 - <_> - - 0 -1 966 -2.1149739623069763e-02 - - 3.7533190846443176e-01 -5.1496580243110657e-02 - <_> - - 0 -1 967 2.1137770265340805e-02 - - 2.9083080589771271e-02 -8.9430367946624756e-01 - <_> - - 0 -1 968 1.1524349683895707e-03 - - -6.9694936275482178e-02 2.7299800515174866e-01 - <_> - - 0 -1 969 -1.9070580310653895e-04 - - 1.8228119611740112e-01 -9.8367072641849518e-02 - <_> - - 0 -1 970 -3.6349631845951080e-02 - - -8.3693099021911621e-01 2.5055760517716408e-02 - <_> - - 0 -1 971 -9.0632075443863869e-03 - - 4.1463500261306763e-01 -5.4413449019193649e-02 - <_> - - 0 -1 972 -2.0535490475594997e-03 - - -1.9750310480594635e-01 1.0506899654865265e-01 - <_> - 93 - -9.7747492790222168e-01 - - <_> - - 0 -1 973 -2.2717019543051720e-02 - - 2.4288550019264221e-01 -1.4745520055294037e-01 - <_> - - 0 -1 974 2.5505950674414635e-02 - - -2.8551739454269409e-01 1.0837209969758987e-01 - <_> - - 0 -1 975 -2.6640091091394424e-03 - - 2.9275730252265930e-01 -1.0372710227966309e-01 - <_> - - 0 -1 976 -3.8115289062261581e-03 - - 2.1426899731159210e-01 -1.3811139762401581e-01 - <_> - - 0 -1 977 -1.6732690855860710e-02 - - 2.6550260186195374e-01 -4.3911330401897430e-02 - <_> - - 0 -1 978 4.9277010839432478e-04 - - 2.1104559302330017e-02 -4.2971360683441162e-01 - <_> - - 0 -1 979 -3.6691110581159592e-02 - - 5.3992420434951782e-01 -4.3648801743984222e-02 - <_> - - 0 -1 980 1.2615970335900784e-03 - - -1.2933869659900665e-01 1.6638770699501038e-01 - <_> - - 0 -1 981 -8.4106856957077980e-03 - - -9.4698411226272583e-01 2.1465849131345749e-02 - <_> - - 0 -1 982 6.4902722835540771e-02 - - -7.1727760136127472e-02 2.6613479852676392e-01 - <_> - - 0 -1 983 3.0305000022053719e-02 - - -8.2782492041587830e-02 2.7694320678710938e-01 - <_> - - 0 -1 984 2.5875340215861797e-03 - - -1.2966169416904449e-01 1.7756630480289459e-01 - <_> - - 0 -1 985 -7.0240451022982597e-03 - - -6.4243179559707642e-01 3.9943210780620575e-02 - <_> - - 0 -1 986 -1.0099769569933414e-03 - - 1.4176610112190247e-01 -1.1659970134496689e-01 - <_> - - 0 -1 987 -4.1179071558872238e-05 - - 1.5687669813632965e-01 -1.1127340048551559e-01 - <_> - - 0 -1 988 -4.7293151146732271e-04 - - -3.3554559946060181e-01 4.5977730304002762e-02 - <_> - - 0 -1 989 -1.7178079579025507e-03 - - 1.6952909529209137e-01 -1.0578069835901260e-01 - <_> - - 0 -1 990 -1.3333169743418694e-02 - - -5.8257812261581421e-01 3.0978430062532425e-02 - <_> - - 0 -1 991 -1.8783430568873882e-03 - - 1.4266879856586456e-01 -1.1131259799003601e-01 - <_> - - 0 -1 992 -6.5765981562435627e-03 - - 2.7561360597610474e-01 -5.3100328892469406e-02 - <_> - - 0 -1 993 -7.7210381277836859e-05 - - 1.3240240514278412e-01 -1.1167799681425095e-01 - <_> - - 0 -1 994 2.1968539804220200e-02 - - -2.6968160644173622e-02 5.0067168474197388e-01 - <_> - - 0 -1 995 -2.7445750311017036e-02 - - -2.4086740612983704e-01 6.0478270053863525e-02 - <_> - - 0 -1 996 7.8305849456228316e-05 - - -1.3334889709949493e-01 1.0123469680547714e-01 - <_> - - 0 -1 997 7.0190683007240295e-02 - - -5.4863780736923218e-02 2.4809940159320831e-01 - <_> - - 0 -1 998 -7.1902133524417877e-02 - - -3.7846690416336060e-01 4.2210999876260757e-02 - <_> - - 0 -1 999 -1.0780979692935944e-01 - - -3.7486588954925537e-01 4.2833440005779266e-02 - <_> - - 0 -1 1000 1.4364200178533792e-03 - - 8.0476358532905579e-02 -1.7263789474964142e-01 - <_> - - 0 -1 1001 6.8289190530776978e-02 - - -3.5595789551734924e-02 4.0761318802833557e-01 - <_> - - 0 -1 1002 -6.8037179298698902e-03 - - 1.9233790040016174e-01 -8.2368023693561554e-02 - <_> - - 0 -1 1003 -5.6193489581346512e-04 - - 1.3057120144367218e-01 -1.4355149865150452e-01 - <_> - - 0 -1 1004 -5.8276649564504623e-02 - - -3.0125439167022705e-01 5.2819650620222092e-02 - <_> - - 0 -1 1005 -6.1205718666315079e-03 - - 2.2043900191783905e-01 -7.5691752135753632e-02 - <_> - - 0 -1 1006 -1.3594309799373150e-02 - - -3.9049360156059265e-01 4.1857108473777771e-02 - <_> - - 0 -1 1007 1.3626200379803777e-03 - - -9.5363423228263855e-02 1.4970320463180542e-01 - <_> - - 0 -1 1008 -1.5074219845701009e-04 - - -2.3945580422878265e-01 6.4798332750797272e-02 - <_> - - 0 -1 1009 -7.7414259314537048e-02 - - 5.5941981077194214e-01 -2.4516880512237549e-02 - <_> - - 0 -1 1010 9.2117872554808855e-04 - - 5.4928861558437347e-02 -2.7934810519218445e-01 - <_> - - 0 -1 1011 1.0250780032947659e-03 - - -6.2167309224605560e-02 2.4976369738578796e-01 - <_> - - 0 -1 1012 -8.1174750812351704e-04 - - 2.3437939584255219e-01 -6.5725810825824738e-02 - <_> - - 0 -1 1013 8.3431020379066467e-02 - - 5.0954800099134445e-02 -3.1020981073379517e-01 - <_> - - 0 -1 1014 -9.2014456167817116e-03 - - -3.9242538809776306e-01 3.2926950603723526e-02 - <_> - - 0 -1 1015 -2.9086650465615094e-04 - - -3.1039750576019287e-01 4.9711819738149643e-02 - <_> - - 0 -1 1016 7.7576898038387299e-03 - - -4.4040750712156296e-02 3.6431351304054260e-01 - <_> - - 0 -1 1017 -1.2466090172529221e-01 - - -8.1957077980041504e-01 1.9150640815496445e-02 - <_> - - 0 -1 1018 1.3242550194263458e-02 - - 3.8988839834928513e-02 -3.3230680227279663e-01 - <_> - - 0 -1 1019 -6.6770128905773163e-03 - - -3.5790139436721802e-01 4.0460210293531418e-02 - <_> - - 0 -1 1020 -2.7479929849505424e-03 - - 2.5253900885581970e-01 -5.6427821516990662e-02 - <_> - - 0 -1 1021 8.2659651525318623e-04 - - -7.1988657116889954e-02 2.2780479490756989e-01 - <_> - - 0 -1 1022 -5.0153400748968124e-02 - - -6.3036471605300903e-01 2.7462050318717957e-02 - <_> - - 0 -1 1023 7.4203149415552616e-03 - - -6.6610716283321381e-02 2.7787339687347412e-01 - <_> - - 0 -1 1024 -6.7951780511066318e-04 - - -3.6327061057090759e-01 4.2795430868864059e-02 - <_> - - 0 -1 1025 -1.9305750029161572e-03 - - 1.4196230471134186e-01 -1.0759980231523514e-01 - <_> - - 0 -1 1026 -3.8132671033963561e-04 - - 2.1591760218143463e-01 -7.0202663540840149e-02 - <_> - - 0 -1 1027 -7.0990346372127533e-02 - - 4.5266601443290710e-01 -4.0750481188297272e-02 - <_> - - 0 -1 1028 -5.3368080407381058e-02 - - -6.7674058675765991e-01 1.9288340583443642e-02 - <_> - - 0 -1 1029 -2.0064849406480789e-02 - - -4.3365430831909180e-01 3.1853288412094116e-02 - <_> - - 0 -1 1030 1.1976360110566020e-03 - - -2.6559870690107346e-02 5.0797182321548462e-01 - <_> - - 0 -1 1031 -2.2697300300933421e-04 - - 1.8012599647045135e-01 -8.3606548607349396e-02 - <_> - - 0 -1 1032 1.5262699685990810e-02 - - -2.0238929986953735e-01 6.7422017455101013e-02 - <_> - - 0 -1 1033 -2.0811769366264343e-01 - - 6.6943860054016113e-01 -2.2452110424637794e-02 - <_> - - 0 -1 1034 1.5514369588345289e-03 - - -7.5121842324733734e-02 1.7326919734477997e-01 - <_> - - 0 -1 1035 -5.2924010902643204e-02 - - 2.4992519617080688e-01 -6.2879167497158051e-02 - <_> - - 0 -1 1036 -2.1648850291967392e-02 - - -2.9194280505180359e-01 5.2614491432905197e-02 - <_> - - 0 -1 1037 -2.2905069636180997e-04 - - -2.2117300331592560e-01 6.3168339431285858e-02 - <_> - - 0 -1 1038 5.0170070608146489e-05 - - -1.1510709673166275e-01 1.1611440032720566e-01 - <_> - - 0 -1 1039 -1.6416069411206990e-04 - - 1.5871520340442657e-01 -8.2600601017475128e-02 - <_> - - 0 -1 1040 -1.2003289535641670e-02 - - 1.2218090146780014e-01 -1.1229699850082397e-01 - <_> - - 0 -1 1041 -1.7784100025892258e-02 - - -3.5072788596153259e-01 3.1341921538114548e-02 - <_> - - 0 -1 1042 -6.3457582145929337e-03 - - 1.3078069686889648e-01 -1.0574410110712051e-01 - <_> - - 0 -1 1043 -7.9523242311552167e-04 - - 1.7204670608043671e-01 -8.6001992225646973e-02 - <_> - - 0 -1 1044 -3.1029590172693133e-04 - - -2.8433170914649963e-01 5.1817119121551514e-02 - <_> - - 0 -1 1045 -1.7053710296750069e-02 - - 3.9242428541183472e-01 -4.0143270045518875e-02 - <_> - - 0 -1 1046 4.6504959464073181e-03 - - -3.1837560236454010e-02 4.1237699985504150e-01 - <_> - - 0 -1 1047 -1.0358760133385658e-02 - - -5.6993198394775391e-01 2.9248379170894623e-02 - <_> - - 0 -1 1048 -2.2196240723133087e-02 - - -4.5605289936065674e-01 2.6285989210009575e-02 - <_> - - 0 -1 1049 -7.0536029525101185e-03 - - 1.5998320281505585e-01 -9.1594859957695007e-02 - <_> - - 0 -1 1050 -5.7094299700111151e-04 - - -1.4076329767704010e-01 1.0287419706583023e-01 - <_> - - 0 -1 1051 -2.2152599412947893e-03 - - 1.6593599319458008e-01 -8.5273988544940948e-02 - <_> - - 0 -1 1052 -2.8084890916943550e-02 - - 2.7022340893745422e-01 -5.5873811244964600e-02 - <_> - - 0 -1 1053 2.1515151020139456e-03 - - 4.2472891509532928e-02 -3.2005849480628967e-01 - <_> - - 0 -1 1054 -2.9733829433098435e-04 - - 1.6177169978618622e-01 -8.5115589201450348e-02 - <_> - - 0 -1 1055 -1.6694780439138412e-02 - - -4.2858770489692688e-01 3.0541609972715378e-02 - <_> - - 0 -1 1056 1.1982990056276321e-01 - - -1.6277290880680084e-02 7.9846781492233276e-01 - <_> - - 0 -1 1057 -3.5499420482665300e-04 - - 1.5935939550399780e-01 -8.3272881805896759e-02 - <_> - - 0 -1 1058 -1.8226269632577896e-02 - - 1.9527280330657959e-01 -7.3939889669418335e-02 - <_> - - 0 -1 1059 -4.0238600922748446e-04 - - 7.9101808369159698e-02 -2.0806129276752472e-01 - <_> - - 0 -1 1060 4.0892060496844351e-04 - - 1.0036630183458328e-01 -1.5128210186958313e-01 - <_> - - 0 -1 1061 9.5368112670257688e-04 - - -7.3011666536331177e-02 2.1752020716667175e-01 - <_> - - 0 -1 1062 4.3081799149513245e-01 - - -2.7450699359178543e-02 5.7061582803726196e-01 - <_> - - 0 -1 1063 5.3564831614494324e-04 - - 1.1587540060281754e-01 -1.2790560722351074e-01 - <_> - - 0 -1 1064 2.4430730263702571e-05 - - -1.6816629469394684e-01 8.0449983477592468e-02 - <_> - - 0 -1 1065 -5.5345650762319565e-02 - - 4.5338949561119080e-01 -3.1222779303789139e-02 - - <_> - - <_> - 0 8 20 12 -1. - <_> - 0 14 20 6 2. - <_> - - <_> - 9 1 4 15 -1. - <_> - 9 6 4 5 3. - <_> - - <_> - 6 10 9 2 -1. - <_> - 9 10 3 2 3. - <_> - - <_> - 7 0 10 9 -1. - <_> - 7 3 10 3 3. - <_> - - <_> - 12 2 2 18 -1. - <_> - 12 8 2 6 3. - <_> - - <_> - 8 6 8 6 -1. - <_> - 8 9 8 3 2. - <_> - - <_> - 2 0 17 18 -1. - <_> - 2 6 17 6 3. - <_> - - <_> - 10 10 1 8 -1. - <_> - 10 14 1 4 2. - <_> - - <_> - 7 10 9 2 -1. - <_> - 10 10 3 2 3. - <_> - - <_> - 5 1 6 6 -1. - <_> - 5 3 6 2 3. - <_> - - <_> - 3 1 15 9 -1. - <_> - 3 4 15 3 3. - <_> - - <_> - 6 3 9 6 -1. - <_> - 6 5 9 2 3. - <_> - - <_> - 8 17 6 3 -1. - <_> - 10 17 2 3 3. - <_> - - <_> - 9 10 9 1 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 1 7 6 11 -1. - <_> - 3 7 2 11 3. - <_> - - <_> - 9 18 3 1 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 16 16 1 2 -1. - <_> - 16 17 1 1 2. - <_> - - <_> - 9 17 6 3 -1. - <_> - 11 17 2 3 3. - <_> - - <_> - 8 0 5 18 -1. - <_> - 8 6 5 6 3. - <_> - - <_> - 6 7 9 7 -1. - <_> - 9 7 3 7 3. - <_> - - <_> - 14 6 6 10 -1. - <_> - 16 6 2 10 3. - <_> - - <_> - 9 8 9 5 -1. - <_> - 12 8 3 5 3. - <_> - - <_> - 3 7 9 6 -1. - <_> - 6 7 3 6 3. - <_> - - <_> - 1 7 6 6 -1. - <_> - 3 7 2 6 3. - <_> - - <_> - 16 0 4 18 -1. - <_> - 16 6 4 6 3. - <_> - - <_> - 0 17 3 3 -1. - <_> - 0 18 3 1 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 17 0 1 1 2. - <_> - - <_> - 0 8 20 12 -1. - <_> - 0 14 20 6 2. - <_> - - <_> - 6 6 9 8 -1. - <_> - 9 6 3 8 3. - <_> - - <_> - 5 3 12 9 -1. - <_> - 5 6 12 3 3. - <_> - - <_> - 4 16 1 2 -1. - <_> - 4 17 1 1 2. - <_> - - <_> - 18 10 2 1 -1. - <_> - 19 10 1 1 2. - <_> - - <_> - 9 8 6 5 -1. - <_> - 11 8 2 5 3. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 8 8 2 6 3. - <_> - - <_> - 11 7 6 7 -1. - <_> - 13 7 2 7 3. - <_> - - <_> - 19 14 1 2 -1. - <_> - 19 15 1 1 2. - <_> - - <_> - 6 17 1 2 -1. - <_> - 6 18 1 1 2. - <_> - - <_> - 14 7 2 7 -1. - <_> - 15 7 1 7 2. - <_> - - <_> - 6 8 2 4 -1. - <_> - 7 8 1 4 2. - <_> - - <_> - 5 8 12 6 -1. - <_> - 5 10 12 2 3. - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 6 7 3 6 -1. - <_> - 7 7 1 6 3. - <_> - - <_> - 6 7 9 12 -1. - <_> - 9 7 3 12 3. - <_> - - <_> - 6 2 11 12 -1. - <_> - 6 6 11 4 3. - <_> - - <_> - 1 12 5 8 -1. - <_> - 1 16 5 4 2. - <_> - - <_> - 14 7 6 7 -1. - <_> - 16 7 2 7 3. - <_> - - <_> - 10 8 6 6 -1. - <_> - 12 8 2 6 3. - <_> - - <_> - 16 18 4 2 -1. - <_> - 16 19 4 1 2. - <_> - - <_> - 18 17 2 3 -1. - <_> - 18 18 2 1 3. - <_> - - <_> - 9 7 3 7 -1. - <_> - 10 7 1 7 3. - <_> - - <_> - 5 6 6 8 -1. - <_> - 7 6 2 8 3. - <_> - - <_> - 2 6 6 11 -1. - <_> - 4 6 2 11 3. - <_> - - <_> - 8 10 12 8 -1. - <_> - 8 14 12 4 2. - <_> - - <_> - 7 17 6 3 -1. - <_> - 9 17 2 3 3. - <_> - - <_> - 10 9 3 3 -1. - <_> - 11 9 1 3 3. - <_> - - <_> - 8 8 3 6 -1. - <_> - 9 8 1 6 3. - <_> - - <_> - 7 0 6 5 -1. - <_> - 9 0 2 5 3. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 19 4 1 2. - <_> - - <_> - 4 1 11 9 -1. - <_> - 4 4 11 3 3. - <_> - - <_> - 3 1 14 9 -1. - <_> - 3 4 14 3 3. - <_> - - <_> - 0 9 6 4 -1. - <_> - 2 9 2 4 3. - <_> - - <_> - 18 13 1 2 -1. - <_> - 18 14 1 1 2. - <_> - - <_> - 13 5 3 11 -1. - <_> - 14 5 1 11 3. - <_> - - <_> - 0 18 8 2 -1. - <_> - 0 18 4 1 2. - <_> - 4 19 4 1 2. - <_> - - <_> - 5 8 12 5 -1. - <_> - 9 8 4 5 3. - <_> - - <_> - 4 7 11 10 -1. - <_> - 4 12 11 5 2. - <_> - - <_> - 14 9 6 4 -1. - <_> - 16 9 2 4 3. - <_> - - <_> - 0 7 6 8 -1. - <_> - 3 7 3 8 2. - <_> - - <_> - 0 16 3 3 -1. - <_> - 0 17 3 1 3. - <_> - - <_> - 7 11 12 1 -1. - <_> - 11 11 4 1 3. - <_> - - <_> - 4 8 9 4 -1. - <_> - 7 8 3 4 3. - <_> - - <_> - 5 16 6 4 -1. - <_> - 7 16 2 4 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 4 9 4 10 -1. - <_> - 4 9 2 5 2. - <_> - 6 14 2 5 2. - <_> - - <_> - 4 8 6 4 -1. - <_> - 6 8 2 4 3. - <_> - - <_> - 10 2 2 18 -1. - <_> - 10 8 2 6 3. - <_> - - <_> - 0 5 8 6 -1. - <_> - 0 5 4 3 2. - <_> - 4 8 4 3 2. - <_> - - <_> - 6 0 6 5 -1. - <_> - 8 0 2 5 3. - <_> - - <_> - 18 0 2 14 -1. - <_> - 18 7 2 7 2. - <_> - - <_> - 8 18 4 2 -1. - <_> - 10 18 2 2 2. - <_> - - <_> - 1 17 6 3 -1. - <_> - 1 18 6 1 3. - <_> - - <_> - 11 8 3 5 -1. - <_> - 12 8 1 5 3. - <_> - - <_> - 11 8 3 4 -1. - <_> - 12 8 1 4 3. - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 1 7 6 7 -1. - <_> - 3 7 2 7 3. - <_> - - <_> - 0 13 1 3 -1. - <_> - 0 14 1 1 3. - <_> - - <_> - 3 2 9 6 -1. - <_> - 3 4 9 2 3. - <_> - - <_> - 8 6 9 2 -1. - <_> - 8 7 9 1 2. - <_> - - <_> - 0 14 3 6 -1. - <_> - 0 16 3 2 3. - <_> - - <_> - 1 11 6 4 -1. - <_> - 3 11 2 4 3. - <_> - - <_> - 6 9 9 3 -1. - <_> - 9 9 3 3 3. - <_> - - <_> - 6 0 9 6 -1. - <_> - 6 2 9 2 3. - <_> - - <_> - 8 5 6 6 -1. - <_> - 8 7 6 2 3. - <_> - - <_> - 1 12 2 1 -1. - <_> - 2 12 1 1 2. - <_> - - <_> - 10 10 6 2 -1. - <_> - 12 10 2 2 3. - <_> - - <_> - 13 8 6 6 -1. - <_> - 15 8 2 6 3. - <_> - - <_> - 6 16 6 4 -1. - <_> - 8 16 2 4 3. - <_> - - <_> - 8 0 9 9 -1. - <_> - 8 3 9 3 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 7 10 3 3 -1. - <_> - 8 10 1 3 3. - <_> - - <_> - 9 14 2 2 -1. - <_> - 9 14 1 1 2. - <_> - 10 15 1 1 2. - <_> - - <_> - 9 14 2 2 -1. - <_> - 9 14 1 1 2. - <_> - 10 15 1 1 2. - <_> - - <_> - 0 8 19 12 -1. - <_> - 0 14 19 6 2. - <_> - - <_> - 7 6 9 14 -1. - <_> - 10 6 3 14 3. - <_> - - <_> - 13 8 3 4 -1. - <_> - 14 8 1 4 3. - <_> - - <_> - 4 17 1 3 -1. - <_> - 4 18 1 1 3. - <_> - - <_> - 4 9 6 3 -1. - <_> - 6 9 2 3 3. - <_> - - <_> - 2 18 5 2 -1. - <_> - 2 19 5 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 5 10 13 2 -1. - <_> - 5 11 13 1 2. - <_> - - <_> - 10 8 1 9 -1. - <_> - 10 11 1 3 3. - <_> - - <_> - 15 8 2 12 -1. - <_> - 15 8 1 6 2. - <_> - 16 14 1 6 2. - <_> - - <_> - 4 0 3 5 -1. - <_> - 5 0 1 5 3. - <_> - - <_> - 12 6 3 7 -1. - <_> - 13 6 1 7 3. - <_> - - <_> - 7 16 6 4 -1. - <_> - 9 16 2 4 3. - <_> - - <_> - 9 16 2 1 -1. - <_> - 10 16 1 1 2. - <_> - - <_> - 6 10 9 2 -1. - <_> - 9 10 3 2 3. - <_> - - <_> - 0 6 15 14 -1. - <_> - 0 13 15 7 2. - <_> - - <_> - 9 1 5 6 -1. - <_> - 9 3 5 2 3. - <_> - - <_> - 3 9 3 4 -1. - <_> - 4 9 1 4 3. - <_> - - <_> - 5 7 3 6 -1. - <_> - 6 7 1 6 3. - <_> - - <_> - 17 16 1 2 -1. - <_> - 17 17 1 1 2. - <_> - - <_> - 9 8 6 12 -1. - <_> - 11 8 2 12 3. - <_> - - <_> - 6 10 6 1 -1. - <_> - 8 10 2 1 3. - <_> - - <_> - 7 17 9 3 -1. - <_> - 10 17 3 3 3. - <_> - - <_> - 14 18 6 2 -1. - <_> - 14 19 6 1 2. - <_> - - <_> - 9 5 3 14 -1. - <_> - 10 5 1 14 3. - <_> - - <_> - 8 16 9 4 -1. - <_> - 11 16 3 4 3. - <_> - - <_> - 0 0 4 14 -1. - <_> - 0 7 4 7 2. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 1 2 3 3. - <_> - - <_> - 6 8 3 4 -1. - <_> - 7 8 1 4 3. - <_> - - <_> - 4 8 3 4 -1. - <_> - 5 8 1 4 3. - <_> - - <_> - 5 1 6 5 -1. - <_> - 7 1 2 5 3. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 2 6 2 3. - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 19 4 1 2. - <_> - - <_> - 12 3 8 12 -1. - <_> - 12 7 8 4 3. - <_> - - <_> - 12 9 3 4 -1. - <_> - 13 9 1 4 3. - <_> - - <_> - 12 8 3 5 -1. - <_> - 13 8 1 5 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 17 0 1 1 2. - <_> - - <_> - 5 17 1 3 -1. - <_> - 5 18 1 1 3. - <_> - - <_> - 10 2 3 6 -1. - <_> - 10 4 3 2 3. - <_> - - <_> - 4 17 2 3 -1. - <_> - 4 18 2 1 3. - <_> - - <_> - 12 7 1 9 -1. - <_> - 12 10 1 3 3. - <_> - - <_> - 7 6 3 9 -1. - <_> - 8 6 1 9 3. - <_> - - <_> - 17 13 3 6 -1. - <_> - 17 15 3 2 3. - <_> - - <_> - 7 7 3 8 -1. - <_> - 8 7 1 8 3. - <_> - - <_> - 5 0 3 5 -1. - <_> - 6 0 1 5 3. - <_> - - <_> - 4 6 9 8 -1. - <_> - 7 6 3 8 3. - <_> - - <_> - 2 9 3 3 -1. - <_> - 3 9 1 3 3. - <_> - - <_> - 16 18 4 2 -1. - <_> - 16 19 4 1 2. - <_> - - <_> - 17 10 3 10 -1. - <_> - 17 15 3 5 2. - <_> - - <_> - 8 9 6 4 -1. - <_> - 10 9 2 4 3. - <_> - - <_> - 5 2 10 12 -1. - <_> - 5 6 10 4 3. - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 9 2 3 3. - <_> - - <_> - 11 7 3 7 -1. - <_> - 12 7 1 7 3. - <_> - - <_> - 12 8 6 4 -1. - <_> - 14 8 2 4 3. - <_> - - <_> - 14 8 6 5 -1. - <_> - 16 8 2 5 3. - <_> - - <_> - 12 12 2 4 -1. - <_> - 12 14 2 2 2. - <_> - - <_> - 3 15 1 2 -1. - <_> - 3 16 1 1 2. - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 10 0 6 6 -1. - <_> - 12 0 2 6 3. - <_> - - <_> - 10 6 3 8 -1. - <_> - 11 6 1 8 3. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 18 1 1 2. - <_> - - <_> - 16 16 1 3 -1. - <_> - 16 17 1 1 3. - <_> - - <_> - 11 11 1 2 -1. - <_> - 11 12 1 1 2. - <_> - - <_> - 3 7 6 9 -1. - <_> - 5 7 2 9 3. - <_> - - <_> - 4 18 9 1 -1. - <_> - 7 18 3 1 3. - <_> - - <_> - 0 11 4 9 -1. - <_> - 0 14 4 3 3. - <_> - - <_> - 9 17 6 3 -1. - <_> - 11 17 2 3 3. - <_> - - <_> - 7 8 6 12 -1. - <_> - 9 8 2 12 3. - <_> - - <_> - 6 8 3 4 -1. - <_> - 7 8 1 4 3. - <_> - - <_> - 3 17 1 3 -1. - <_> - 3 18 1 1 3. - <_> - - <_> - 11 9 6 4 -1. - <_> - 13 9 2 4 3. - <_> - - <_> - 6 1 3 2 -1. - <_> - 7 1 1 2 3. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 1 0 2 14 -1. - <_> - 1 0 1 7 2. - <_> - 2 7 1 7 2. - <_> - - <_> - 5 5 11 8 -1. - <_> - 5 9 11 4 2. - <_> - - <_> - 9 3 5 6 -1. - <_> - 9 5 5 2 3. - <_> - - <_> - 7 9 5 10 -1. - <_> - 7 14 5 5 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 2 2. - <_> - - <_> - 0 18 8 2 -1. - <_> - 0 19 8 1 2. - <_> - - <_> - 7 17 1 3 -1. - <_> - 7 18 1 1 3. - <_> - - <_> - 7 2 11 6 -1. - <_> - 7 4 11 2 3. - <_> - - <_> - 8 3 9 3 -1. - <_> - 8 4 9 1 3. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 10 2 1 2. - <_> - - <_> - 0 5 3 6 -1. - <_> - 0 7 3 2 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 7 6 3 6 -1. - <_> - 8 6 1 6 3. - <_> - - <_> - 12 1 6 4 -1. - <_> - 14 1 2 4 3. - <_> - - <_> - 9 11 6 8 -1. - <_> - 11 11 2 8 3. - <_> - - <_> - 17 15 3 3 -1. - <_> - 17 16 3 1 3. - <_> - - <_> - 6 6 3 9 -1. - <_> - 6 9 3 3 3. - <_> - - <_> - 0 5 8 6 -1. - <_> - 0 5 4 3 2. - <_> - 4 8 4 3 2. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 17 0 2 6 -1. - <_> - 18 0 1 6 2. - <_> - - <_> - 10 17 6 3 -1. - <_> - 12 17 2 3 3. - <_> - - <_> - 13 15 2 2 -1. - <_> - 13 15 1 1 2. - <_> - 14 16 1 1 2. - <_> - - <_> - 4 0 12 3 -1. - <_> - 4 1 12 1 3. - <_> - - <_> - 5 3 10 9 -1. - <_> - 5 6 10 3 3. - <_> - - <_> - 7 7 9 7 -1. - <_> - 10 7 3 7 3. - <_> - - <_> - 5 8 9 6 -1. - <_> - 8 8 3 6 3. - <_> - - <_> - 0 16 6 2 -1. - <_> - 0 17 6 1 2. - <_> - - <_> - 12 6 7 14 -1. - <_> - 12 13 7 7 2. - <_> - - <_> - 13 7 6 8 -1. - <_> - 15 7 2 8 3. - <_> - - <_> - 2 10 6 3 -1. - <_> - 4 10 2 3 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 7 1 6 2 -1. - <_> - 7 2 6 1 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 2 6 2 2. - <_> - - <_> - 8 18 6 2 -1. - <_> - 10 18 2 2 3. - <_> - - <_> - 7 6 5 2 -1. - <_> - 7 7 5 1 2. - <_> - - <_> - 6 7 3 6 -1. - <_> - 7 7 1 6 3. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 16 8 3 7 -1. - <_> - 17 8 1 7 3. - <_> - - <_> - 0 16 2 3 -1. - <_> - 0 17 2 1 3. - <_> - - <_> - 5 19 6 1 -1. - <_> - 7 19 2 1 3. - <_> - - <_> - 9 5 6 6 -1. - <_> - 9 7 6 2 3. - <_> - - <_> - 0 10 2 4 -1. - <_> - 0 12 2 2 2. - <_> - - <_> - 0 9 4 3 -1. - <_> - 2 9 2 3 2. - <_> - - <_> - 1 10 6 9 -1. - <_> - 3 10 2 9 3. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 14 1 2 1 -1. - <_> - 15 1 1 1 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 10 1 2 2. - <_> - - <_> - 15 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 5 1 6 3. - <_> - - <_> - 19 17 1 3 -1. - <_> - 19 18 1 1 3. - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 12 1 6 6 -1. - <_> - 14 1 2 6 3. - <_> - - <_> - 15 5 2 1 -1. - <_> - 16 5 1 1 2. - <_> - - <_> - 8 2 7 4 -1. - <_> - 8 4 7 2 2. - <_> - - <_> - 4 0 14 15 -1. - <_> - 4 5 14 5 3. - <_> - - <_> - 7 8 6 6 -1. - <_> - 9 8 2 6 3. - <_> - - <_> - 11 17 1 3 -1. - <_> - 11 18 1 1 3. - <_> - - <_> - 12 16 2 4 -1. - <_> - 12 16 1 2 2. - <_> - 13 18 1 2 2. - <_> - - <_> - 10 13 2 1 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 11 8 3 3 -1. - <_> - 12 8 1 3 3. - <_> - - <_> - 2 0 6 8 -1. - <_> - 4 0 2 8 3. - <_> - - <_> - 3 5 6 6 -1. - <_> - 3 5 3 3 2. - <_> - 6 8 3 3 2. - <_> - - <_> - 10 8 3 3 -1. - <_> - 11 8 1 3 3. - <_> - - <_> - 5 17 4 2 -1. - <_> - 5 18 4 1 2. - <_> - - <_> - 8 16 5 2 -1. - <_> - 8 17 5 1 2. - <_> - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - <_> - - <_> - 6 3 6 2 -1. - <_> - 8 3 2 2 3. - <_> - - <_> - 4 4 9 3 -1. - <_> - 7 4 3 3 3. - <_> - - <_> - 0 13 1 4 -1. - <_> - 0 15 1 2 2. - <_> - - <_> - 0 17 8 3 -1. - <_> - 0 18 8 1 3. - <_> - - <_> - 6 1 11 6 -1. - <_> - 6 3 11 2 3. - <_> - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - <_> - - <_> - 10 8 1 12 -1. - <_> - 10 14 1 6 2. - <_> - - <_> - 5 8 3 4 -1. - <_> - 6 8 1 4 3. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 13 8 3 4 -1. - <_> - 14 8 1 4 3. - <_> - - <_> - 1 5 5 4 -1. - <_> - 1 7 5 2 2. - <_> - - <_> - 18 14 1 2 -1. - <_> - 18 15 1 1 2. - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 4 2. - <_> - - <_> - 10 6 6 8 -1. - <_> - 12 6 2 8 3. - <_> - - <_> - 8 6 6 10 -1. - <_> - 10 6 2 10 3. - <_> - - <_> - 17 16 1 3 -1. - <_> - 17 17 1 1 3. - <_> - - <_> - 1 7 2 10 -1. - <_> - 2 7 1 10 2. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 0 8 5 12 -1. - <_> - 0 14 5 6 2. - <_> - - <_> - 0 11 1 3 -1. - <_> - 0 12 1 1 3. - <_> - - <_> - 6 16 6 4 -1. - <_> - 8 16 2 4 3. - <_> - - <_> - 0 6 2 6 -1. - <_> - 0 8 2 2 3. - <_> - - <_> - 11 18 2 1 -1. - <_> - 12 18 1 1 2. - <_> - - <_> - 5 1 9 2 -1. - <_> - 5 2 9 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 15 9 3 3 -1. - <_> - 16 9 1 3 3. - <_> - - <_> - 18 16 1 3 -1. - <_> - 18 17 1 1 3. - <_> - - <_> - 11 10 6 1 -1. - <_> - 13 10 2 1 3. - <_> - - <_> - 1 3 4 4 -1. - <_> - 3 3 2 4 2. - <_> - - <_> - 11 2 1 18 -1. - <_> - 11 8 1 6 3. - <_> - - <_> - 9 1 5 12 -1. - <_> - 9 5 5 4 3. - <_> - - <_> - 12 0 8 1 -1. - <_> - 16 0 4 1 2. - <_> - - <_> - 8 6 3 10 -1. - <_> - 9 6 1 10 3. - <_> - - <_> - 19 2 1 6 -1. - <_> - 19 4 1 2 3. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 7 2 1 2. - <_> - - <_> - 7 7 3 4 -1. - <_> - 8 7 1 4 3. - <_> - - <_> - 5 0 6 5 -1. - <_> - 7 0 2 5 3. - <_> - - <_> - 0 3 7 3 -1. - <_> - 0 4 7 1 3. - <_> - - <_> - 1 6 2 1 -1. - <_> - 2 6 1 1 2. - <_> - - <_> - 4 8 2 10 -1. - <_> - 4 8 1 5 2. - <_> - 5 13 1 5 2. - <_> - - <_> - 2 18 18 2 -1. - <_> - 2 18 9 1 2. - <_> - 11 19 9 1 2. - <_> - - <_> - 2 7 4 4 -1. - <_> - 2 7 2 2 2. - <_> - 4 9 2 2 2. - <_> - - <_> - 17 3 3 4 -1. - <_> - 18 3 1 4 3. - <_> - - <_> - 16 9 2 8 -1. - <_> - 16 9 1 4 2. - <_> - 17 13 1 4 2. - <_> - - <_> - 15 7 1 6 -1. - <_> - 15 9 1 2 3. - <_> - - <_> - 14 2 2 2 -1. - <_> - 14 3 2 1 2. - <_> - - <_> - 17 0 2 3 -1. - <_> - 17 1 2 1 3. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 10 4 4 3 -1. - <_> - 10 5 4 1 3. - <_> - - <_> - 0 2 8 6 -1. - <_> - 4 2 4 6 2. - <_> - - <_> - 7 14 6 6 -1. - <_> - 7 16 6 2 3. - <_> - - <_> - 11 15 2 2 -1. - <_> - 11 16 2 1 2. - <_> - - <_> - 7 1 9 4 -1. - <_> - 10 1 3 4 3. - <_> - - <_> - 9 7 3 7 -1. - <_> - 10 7 1 7 3. - <_> - - <_> - 6 17 2 2 -1. - <_> - 6 17 1 1 2. - <_> - 7 18 1 1 2. - <_> - - <_> - 4 6 3 9 -1. - <_> - 5 6 1 9 3. - <_> - - <_> - 0 10 19 10 -1. - <_> - 0 15 19 5 2. - <_> - - <_> - 5 17 6 1 -1. - <_> - 7 17 2 1 3. - <_> - - <_> - 0 12 6 3 -1. - <_> - 3 12 3 3 2. - <_> - - <_> - 2 5 18 5 -1. - <_> - 8 5 6 5 3. - <_> - - <_> - 1 15 6 4 -1. - <_> - 1 17 6 2 2. - <_> - - <_> - 14 10 6 6 -1. - <_> - 16 10 2 6 3. - <_> - - <_> - 0 14 4 3 -1. - <_> - 0 15 4 1 3. - <_> - - <_> - 1 7 6 11 -1. - <_> - 3 7 2 11 3. - <_> - - <_> - 13 17 7 2 -1. - <_> - 13 18 7 1 2. - <_> - - <_> - 0 14 2 3 -1. - <_> - 0 15 2 1 3. - <_> - - <_> - 0 0 6 2 -1. - <_> - 3 0 3 2 2. - <_> - - <_> - 0 1 6 3 -1. - <_> - 3 1 3 3 2. - <_> - - <_> - 0 8 2 6 -1. - <_> - 0 10 2 2 3. - <_> - - <_> - 1 2 6 14 -1. - <_> - 1 2 3 7 2. - <_> - 4 9 3 7 2. - <_> - - <_> - 17 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 18 6 1 1 2. - <_> - - <_> - 11 10 9 4 -1. - <_> - 14 10 3 4 3. - <_> - - <_> - 2 9 12 4 -1. - <_> - 6 9 4 4 3. - <_> - - <_> - 7 10 12 2 -1. - <_> - 11 10 4 2 3. - <_> - - <_> - 2 13 1 2 -1. - <_> - 2 14 1 1 2. - <_> - - <_> - 16 7 4 3 -1. - <_> - 16 8 4 1 3. - <_> - - <_> - 19 16 1 3 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 18 11 1 2 -1. - <_> - 18 12 1 1 2. - <_> - - <_> - 12 7 8 2 -1. - <_> - 12 7 4 1 2. - <_> - 16 8 4 1 2. - <_> - - <_> - 14 9 2 4 -1. - <_> - 15 9 1 4 2. - <_> - - <_> - 14 2 6 4 -1. - <_> - 14 2 3 2 2. - <_> - 17 4 3 2 2. - <_> - - <_> - 14 0 6 1 -1. - <_> - 17 0 3 1 2. - <_> - - <_> - 3 12 2 1 -1. - <_> - 4 12 1 1 2. - <_> - - <_> - 17 2 3 1 -1. - <_> - 18 2 1 1 3. - <_> - - <_> - 1 16 18 2 -1. - <_> - 7 16 6 2 3. - <_> - - <_> - 2 19 8 1 -1. - <_> - 6 19 4 1 2. - <_> - - <_> - 1 17 4 3 -1. - <_> - 1 18 4 1 3. - <_> - - <_> - 19 13 1 2 -1. - <_> - 19 14 1 1 2. - <_> - - <_> - 9 16 10 4 -1. - <_> - 9 16 5 2 2. - <_> - 14 18 5 2 2. - <_> - - <_> - 12 9 2 4 -1. - <_> - 12 9 1 2 2. - <_> - 13 11 1 2 2. - <_> - - <_> - 19 11 1 9 -1. - <_> - 19 14 1 3 3. - <_> - - <_> - 6 6 14 14 -1. - <_> - 6 13 14 7 2. - <_> - - <_> - 2 17 4 2 -1. - <_> - 2 18 4 1 2. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 0 12 1 3 -1. - <_> - 0 13 1 1 3. - <_> - - <_> - 15 15 4 4 -1. - <_> - 15 17 4 2 2. - <_> - - <_> - 2 5 18 7 -1. - <_> - 8 5 6 7 3. - <_> - - <_> - 1 16 5 3 -1. - <_> - 1 17 5 1 3. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 0 6 2 6 -1. - <_> - 1 6 1 6 2. - <_> - - <_> - 16 14 4 3 -1. - <_> - 16 15 4 1 3. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - <_> - - <_> - 2 2 3 6 -1. - <_> - 3 2 1 6 3. - <_> - - <_> - 2 0 3 10 -1. - <_> - 3 0 1 10 3. - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 6 2 1 2. - <_> - - <_> - 12 6 4 4 -1. - <_> - 12 8 4 2 2. - <_> - - <_> - 13 5 7 3 -1. - <_> - 13 6 7 1 3. - <_> - - <_> - 10 13 1 2 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 16 16 4 2 -1. - <_> - 18 16 2 2 2. - <_> - - <_> - 16 12 4 7 -1. - <_> - 18 12 2 7 2. - <_> - - <_> - 16 17 1 3 -1. - <_> - 16 18 1 1 3. - <_> - - <_> - 19 9 1 3 -1. - <_> - 19 10 1 1 3. - <_> - - <_> - 18 7 2 6 -1. - <_> - 19 7 1 6 2. - <_> - - <_> - 8 1 3 4 -1. - <_> - 9 1 1 4 3. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 4 2 10 2 -1. - <_> - 9 2 5 2 2. - <_> - - <_> - 2 12 8 4 -1. - <_> - 2 12 4 2 2. - <_> - 6 14 4 2 2. - <_> - - <_> - 0 4 7 3 -1. - <_> - 0 5 7 1 3. - <_> - - <_> - 14 14 3 3 -1. - <_> - 15 14 1 3 3. - <_> - - <_> - 0 3 4 3 -1. - <_> - 2 3 2 3 2. - <_> - - <_> - 1 0 2 7 -1. - <_> - 2 0 1 7 2. - <_> - - <_> - 15 16 4 4 -1. - <_> - 15 18 4 2 2. - <_> - - <_> - 5 8 12 4 -1. - <_> - 5 10 12 2 2. - <_> - - <_> - 3 17 1 2 -1. - <_> - 3 18 1 1 2. - <_> - - <_> - 6 1 3 4 -1. - <_> - 7 1 1 4 3. - <_> - - <_> - 6 2 3 4 -1. - <_> - 7 2 1 4 3. - <_> - - <_> - 6 8 9 12 -1. - <_> - 9 8 3 12 3. - <_> - - <_> - 8 1 8 6 -1. - <_> - 8 3 8 2 3. - <_> - - <_> - 14 2 6 3 -1. - <_> - 17 2 3 3 2. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 10 0 10 2 -1. - <_> - 15 0 5 2 2. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 0 1 2 3. - <_> - - <_> - 3 19 10 1 -1. - <_> - 8 19 5 1 2. - <_> - - <_> - 0 4 7 16 -1. - <_> - 0 12 7 8 2. - <_> - - <_> - 2 16 1 3 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 7 8 12 6 -1. - <_> - 11 8 4 6 3. - <_> - - <_> - 14 9 6 7 -1. - <_> - 16 9 2 7 3. - <_> - - <_> - 12 17 6 1 -1. - <_> - 14 17 2 1 3. - <_> - - <_> - 16 1 3 1 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 0 17 8 2 -1. - <_> - 0 17 4 1 2. - <_> - 4 18 4 1 2. - <_> - - <_> - 17 0 2 1 -1. - <_> - 18 0 1 1 2. - <_> - - <_> - 4 15 6 5 -1. - <_> - 6 15 2 5 3. - <_> - - <_> - 7 2 8 2 -1. - <_> - 7 3 8 1 2. - <_> - - <_> - 4 1 8 4 -1. - <_> - 4 3 8 2 2. - <_> - - <_> - 5 19 2 1 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 5 19 2 1 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 16 17 1 3 -1. - <_> - 16 18 1 1 3. - <_> - - <_> - 0 11 2 3 -1. - <_> - 1 11 1 3 2. - <_> - - <_> - 0 19 4 1 -1. - <_> - 2 19 2 1 2. - <_> - - <_> - 0 18 4 2 -1. - <_> - 2 18 2 2 2. - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 5 7 11 2 -1. - <_> - 5 8 11 1 2. - <_> - - <_> - 9 2 4 10 -1. - <_> - 9 7 4 5 2. - <_> - - <_> - 0 2 4 3 -1. - <_> - 0 3 4 1 3. - <_> - - <_> - 10 19 10 1 -1. - <_> - 15 19 5 1 2. - <_> - - <_> - 11 17 8 3 -1. - <_> - 15 17 4 3 2. - <_> - - <_> - 8 19 3 1 -1. - <_> - 9 19 1 1 3. - <_> - - <_> - 14 0 3 4 -1. - <_> - 15 0 1 4 3. - <_> - - <_> - 10 6 4 3 -1. - <_> - 10 7 4 1 3. - <_> - - <_> - 0 8 3 2 -1. - <_> - 0 9 3 1 2. - <_> - - <_> - 7 12 3 6 -1. - <_> - 7 14 3 2 3. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 0 12 4 4 -1. - <_> - 2 12 2 4 2. - <_> - - <_> - 1 8 6 7 -1. - <_> - 3 8 2 7 3. - <_> - - <_> - 0 8 4 5 -1. - <_> - 2 8 2 5 2. - <_> - - <_> - 19 16 1 3 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 1 5 18 6 -1. - <_> - 7 5 6 6 3. - <_> - - <_> - 2 15 4 2 -1. - <_> - 2 16 4 1 2. - <_> - - <_> - 18 6 2 11 -1. - <_> - 19 6 1 11 2. - <_> - - <_> - 0 12 2 6 -1. - <_> - 0 14 2 2 3. - <_> - - <_> - 12 5 3 2 -1. - <_> - 12 6 3 1 2. - <_> - - <_> - 1 3 2 3 -1. - <_> - 1 4 2 1 3. - <_> - - <_> - 16 14 4 4 -1. - <_> - 16 16 4 2 2. - <_> - - <_> - 6 8 12 5 -1. - <_> - 10 8 4 5 3. - <_> - - <_> - 13 7 2 7 -1. - <_> - 14 7 1 7 2. - <_> - - <_> - 1 8 2 6 -1. - <_> - 2 8 1 6 2. - <_> - - <_> - 15 0 3 7 -1. - <_> - 16 0 1 7 3. - <_> - - <_> - 4 2 6 2 -1. - <_> - 6 2 2 2 3. - <_> - - <_> - 0 9 20 9 -1. - <_> - 0 12 20 3 3. - <_> - - <_> - 10 14 2 2 -1. - <_> - 10 15 2 1 2. - <_> - - <_> - 6 5 10 4 -1. - <_> - 6 7 10 2 2. - <_> - - <_> - 6 1 5 9 -1. - <_> - 6 4 5 3 3. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 0 14 2 4 -1. - <_> - 0 16 2 2 2. - <_> - - <_> - 10 8 2 5 -1. - <_> - 11 8 1 5 2. - <_> - - <_> - 3 7 12 7 -1. - <_> - 7 7 4 7 3. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 1 0 4 4 -1. - <_> - 3 0 2 4 2. - <_> - - <_> - 0 0 6 8 -1. - <_> - 2 0 2 8 3. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 5 4 2 4 -1. - <_> - 5 6 2 2 2. - <_> - - <_> - 2 10 9 1 -1. - <_> - 5 10 3 1 3. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 0 17 2 3 -1. - <_> - 0 18 2 1 3. - <_> - - <_> - 0 15 16 3 -1. - <_> - 8 15 8 3 2. - <_> - - <_> - 0 5 4 1 -1. - <_> - 2 5 2 1 2. - <_> - - <_> - 1 0 6 20 -1. - <_> - 3 0 2 20 3. - <_> - - <_> - 2 5 4 6 -1. - <_> - 2 5 2 3 2. - <_> - 4 8 2 3 2. - <_> - - <_> - 9 16 6 3 -1. - <_> - 11 16 2 3 3. - <_> - - <_> - 11 17 6 1 -1. - <_> - 14 17 3 1 2. - <_> - - <_> - 3 17 15 2 -1. - <_> - 8 17 5 2 3. - <_> - - <_> - 18 0 2 3 -1. - <_> - 18 1 2 1 3. - <_> - - <_> - 13 1 7 4 -1. - <_> - 13 3 7 2 2. - <_> - - <_> - 13 6 4 4 -1. - <_> - 13 6 2 2 2. - <_> - 15 8 2 2 2. - <_> - - <_> - 17 6 3 4 -1. - <_> - 17 8 3 2 2. - <_> - - <_> - 14 9 2 2 -1. - <_> - 15 9 1 2 2. - <_> - - <_> - 17 17 1 3 -1. - <_> - 17 18 1 1 3. - <_> - - <_> - 3 19 8 1 -1. - <_> - 7 19 4 1 2. - <_> - - <_> - 0 9 3 6 -1. - <_> - 0 12 3 3 2. - <_> - - <_> - 4 7 15 5 -1. - <_> - 9 7 5 5 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 8 1 6 2 -1. - <_> - 10 1 2 2 3. - <_> - - <_> - 4 0 12 2 -1. - <_> - 10 0 6 2 2. - <_> - - <_> - 7 0 10 3 -1. - <_> - 12 0 5 3 2. - <_> - - <_> - 5 0 9 6 -1. - <_> - 5 2 9 2 3. - <_> - - <_> - 8 3 6 4 -1. - <_> - 8 5 6 2 2. - <_> - - <_> - 17 4 2 3 -1. - <_> - 17 5 2 1 3. - <_> - - <_> - 5 2 4 3 -1. - <_> - 5 3 4 1 3. - <_> - - <_> - 5 9 2 6 -1. - <_> - 6 9 1 6 2. - <_> - - <_> - 14 10 2 6 -1. - <_> - 15 10 1 6 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 7 5 3 1 3. - <_> - - <_> - 12 4 8 2 -1. - <_> - 12 4 4 1 2. - <_> - 16 5 4 1 2. - <_> - - <_> - 15 8 1 6 -1. - <_> - 15 10 1 2 3. - <_> - - <_> - 4 17 11 3 -1. - <_> - 4 18 11 1 3. - <_> - - <_> - 3 0 16 20 -1. - <_> - 3 10 16 10 2. - <_> - - <_> - 12 4 4 6 -1. - <_> - 12 6 4 2 3. - <_> - - <_> - 11 0 6 6 -1. - <_> - 13 0 2 6 3. - <_> - - <_> - 13 1 6 4 -1. - <_> - 13 1 3 2 2. - <_> - 16 3 3 2 2. - <_> - - <_> - 11 0 6 4 -1. - <_> - 13 0 2 4 3. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 7 0 3 4 -1. - <_> - 8 0 1 4 3. - <_> - - <_> - 0 17 14 2 -1. - <_> - 0 17 7 1 2. - <_> - 7 18 7 1 2. - <_> - - <_> - 6 18 2 2 -1. - <_> - 6 18 1 1 2. - <_> - 7 19 1 1 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 18 1 1 2. - <_> - 18 19 1 1 2. - <_> - - <_> - 5 7 1 9 -1. - <_> - 5 10 1 3 3. - <_> - - <_> - 5 3 6 4 -1. - <_> - 7 3 2 4 3. - <_> - - <_> - 1 9 6 2 -1. - <_> - 1 9 3 1 2. - <_> - 4 10 3 1 2. - <_> - - <_> - 6 9 2 3 -1. - <_> - 7 9 1 3 2. - <_> - - <_> - 6 8 6 12 -1. - <_> - 8 8 2 12 3. - <_> - - <_> - 4 18 2 2 -1. - <_> - 4 18 1 1 2. - <_> - 5 19 1 1 2. - <_> - - <_> - 9 1 6 6 -1. - <_> - 9 3 6 2 3. - <_> - - <_> - 6 17 6 2 -1. - <_> - 6 18 6 1 2. - <_> - - <_> - 3 18 16 2 -1. - <_> - 3 19 16 1 2. - <_> - - <_> - 3 0 3 11 -1. - <_> - 4 0 1 11 3. - <_> - - <_> - 13 18 3 1 -1. - <_> - 14 18 1 1 3. - <_> - - <_> - 6 0 9 6 -1. - <_> - 6 2 9 2 3. - <_> - - <_> - 1 2 12 4 -1. - <_> - 1 2 6 2 2. - <_> - 7 4 6 2 2. - <_> - - <_> - 3 3 6 4 -1. - <_> - 5 3 2 4 3. - <_> - - <_> - 12 0 8 1 -1. - <_> - 16 0 4 1 2. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 3 3 12 1 -1. - <_> - 9 3 6 1 2. - <_> - - <_> - 2 7 6 2 -1. - <_> - 2 7 3 1 2. - <_> - 5 8 3 1 2. - <_> - - <_> - 0 8 4 6 -1. - <_> - 0 10 4 2 3. - <_> - - <_> - 9 6 3 7 -1. - <_> - 10 6 1 7 3. - <_> - - <_> - 9 6 6 13 -1. - <_> - 11 6 2 13 3. - <_> - - <_> - 11 12 6 1 -1. - <_> - 13 12 2 1 3. - <_> - - <_> - 18 9 2 6 -1. - <_> - 18 12 2 3 2. - <_> - - <_> - 17 2 3 9 -1. - <_> - 18 2 1 9 3. - <_> - - <_> - 13 8 4 6 -1. - <_> - 13 8 2 3 2. - <_> - 15 11 2 3 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 10 2 6 6 2. - <_> - - <_> - 4 14 16 6 -1. - <_> - 12 14 8 6 2. - <_> - - <_> - 6 19 10 1 -1. - <_> - 11 19 5 1 2. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 4 14 10 3 -1. - <_> - 4 15 10 1 3. - <_> - - <_> - 6 0 12 12 -1. - <_> - 6 4 12 4 3. - <_> - - <_> - 5 7 4 2 -1. - <_> - 5 7 2 1 2. - <_> - 7 8 2 1 2. - <_> - - <_> - 17 5 3 2 -1. - <_> - 18 5 1 2 3. - <_> - - <_> - 8 13 6 3 -1. - <_> - 8 14 6 1 3. - <_> - - <_> - 8 13 5 3 -1. - <_> - 8 14 5 1 3. - <_> - - <_> - 13 2 1 18 -1. - <_> - 13 11 1 9 2. - <_> - - <_> - 6 10 9 2 -1. - <_> - 9 10 3 2 3. - <_> - - <_> - 11 0 7 4 -1. - <_> - 11 2 7 2 2. - <_> - - <_> - 1 0 6 8 -1. - <_> - 3 0 2 8 3. - <_> - - <_> - 9 15 3 3 -1. - <_> - 9 16 3 1 3. - <_> - - <_> - 9 17 9 3 -1. - <_> - 9 18 9 1 3. - <_> - - <_> - 12 12 3 3 -1. - <_> - 12 13 3 1 3. - <_> - - <_> - 4 1 3 5 -1. - <_> - 5 1 1 5 3. - <_> - - <_> - 10 14 2 3 -1. - <_> - 10 15 2 1 3. - <_> - - <_> - 18 17 2 2 -1. - <_> - 18 17 1 1 2. - <_> - 19 18 1 1 2. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 4 10 9 1 -1. - <_> - 7 10 3 1 3. - <_> - - <_> - 3 9 6 5 -1. - <_> - 5 9 2 5 3. - <_> - - <_> - 18 8 1 12 -1. - <_> - 18 14 1 6 2. - <_> - - <_> - 0 2 8 6 -1. - <_> - 0 2 4 3 2. - <_> - 4 5 4 3 2. - <_> - - <_> - 9 4 3 3 -1. - <_> - 9 5 3 1 3. - <_> - - <_> - 3 18 2 2 -1. - <_> - 3 18 1 1 2. - <_> - 4 19 1 1 2. - <_> - - <_> - 6 4 4 3 -1. - <_> - 6 5 4 1 3. - <_> - - <_> - 16 7 4 2 -1. - <_> - 16 7 2 1 2. - <_> - 18 8 2 1 2. - <_> - - <_> - 5 17 1 3 -1. - <_> - 5 18 1 1 3. - <_> - - <_> - 2 0 15 20 -1. - <_> - 2 10 15 10 2. - <_> - - <_> - 8 11 6 4 -1. - <_> - 8 11 3 2 2. - <_> - 11 13 3 2 2. - <_> - - <_> - 8 16 4 3 -1. - <_> - 8 17 4 1 3. - <_> - - <_> - 8 18 2 2 -1. - <_> - 8 18 1 1 2. - <_> - 9 19 1 1 2. - <_> - - <_> - 2 16 13 3 -1. - <_> - 2 17 13 1 3. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 1 2 3 3. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 14 7 4 2 -1. - <_> - 14 7 2 1 2. - <_> - 16 8 2 1 2. - <_> - - <_> - 4 0 14 1 -1. - <_> - 11 0 7 1 2. - <_> - - <_> - 10 4 8 2 -1. - <_> - 10 4 4 1 2. - <_> - 14 5 4 1 2. - <_> - - <_> - 8 2 3 2 -1. - <_> - 9 2 1 2 3. - <_> - - <_> - 12 11 6 3 -1. - <_> - 12 12 6 1 3. - <_> - - <_> - 1 5 1 4 -1. - <_> - 1 7 1 2 2. - <_> - - <_> - 1 1 1 18 -1. - <_> - 1 7 1 6 3. - <_> - - <_> - 11 13 3 2 -1. - <_> - 11 14 3 1 2. - <_> - - <_> - 0 1 12 2 -1. - <_> - 0 1 6 1 2. - <_> - 6 2 6 1 2. - <_> - - <_> - 10 18 2 2 -1. - <_> - 10 18 1 1 2. - <_> - 11 19 1 1 2. - <_> - - <_> - 4 5 4 4 -1. - <_> - 4 5 2 2 2. - <_> - 6 7 2 2 2. - <_> - - <_> - 6 7 1 3 -1. - <_> - 6 8 1 1 3. - <_> - - <_> - 14 10 6 2 -1. - <_> - 16 10 2 2 3. - <_> - - <_> - 16 8 3 6 -1. - <_> - 17 8 1 6 3. - <_> - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - <_> - - <_> - 6 5 3 7 -1. - <_> - 7 5 1 7 3. - <_> - - <_> - 0 13 6 6 -1. - <_> - 0 16 6 3 2. - <_> - - <_> - 12 5 1 9 -1. - <_> - 12 8 1 3 3. - <_> - - <_> - 5 9 3 3 -1. - <_> - 6 9 1 3 3. - <_> - - <_> - 7 5 6 13 -1. - <_> - 9 5 2 13 3. - <_> - - <_> - 19 8 1 10 -1. - <_> - 19 13 1 5 2. - <_> - - <_> - 11 18 6 1 -1. - <_> - 13 18 2 1 3. - <_> - - <_> - 9 7 6 12 -1. - <_> - 11 7 2 12 3. - <_> - - <_> - 12 7 6 6 -1. - <_> - 14 7 2 6 3. - <_> - - <_> - 15 8 3 4 -1. - <_> - 16 8 1 4 3. - <_> - - <_> - 6 11 4 2 -1. - <_> - 6 12 4 1 2. - <_> - - <_> - 1 6 6 8 -1. - <_> - 3 6 2 8 3. - <_> - - <_> - 11 15 6 5 -1. - <_> - 13 15 2 5 3. - <_> - - <_> - 15 17 4 2 -1. - <_> - 15 18 4 1 2. - <_> - - <_> - 13 11 6 1 -1. - <_> - 15 11 2 1 3. - <_> - - <_> - 5 18 2 2 -1. - <_> - 5 18 1 1 2. - <_> - 6 19 1 1 2. - <_> - - <_> - 4 8 4 4 -1. - <_> - 4 8 2 2 2. - <_> - 6 10 2 2 2. - <_> - - <_> - 11 7 9 3 -1. - <_> - 11 8 9 1 3. - <_> - - <_> - 0 3 10 4 -1. - <_> - 0 3 5 2 2. - <_> - 5 5 5 2 2. - <_> - - <_> - 7 18 6 1 -1. - <_> - 9 18 2 1 3. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 0 0 6 8 -1. - <_> - 0 0 3 4 2. - <_> - 3 4 3 4 2. - <_> - - <_> - 7 6 3 8 -1. - <_> - 8 6 1 8 3. - <_> - - <_> - 13 7 7 3 -1. - <_> - 13 8 7 1 3. - <_> - - <_> - 3 3 2 2 -1. - <_> - 3 4 2 1 2. - <_> - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - <_> - - <_> - 9 3 5 2 -1. - <_> - 9 4 5 1 2. - <_> - - <_> - 6 5 9 4 -1. - <_> - 9 5 3 4 3. - <_> - - <_> - 3 10 12 3 -1. - <_> - 7 10 4 3 3. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - <_> - - <_> - 9 7 3 4 -1. - <_> - 10 7 1 4 3. - <_> - - <_> - 1 0 6 15 -1. - <_> - 3 0 2 15 3. - <_> - - <_> - 15 1 3 5 -1. - <_> - 16 1 1 5 3. - <_> - - <_> - 9 2 3 10 -1. - <_> - 10 2 1 10 3. - <_> - - <_> - 8 8 6 12 -1. - <_> - 10 8 2 12 3. - <_> - - <_> - 16 4 3 4 -1. - <_> - 16 6 3 2 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 13 0 6 9 -1. - <_> - 13 3 6 3 3. - <_> - - <_> - 7 17 1 3 -1. - <_> - 7 18 1 1 3. - <_> - - <_> - 12 1 4 2 -1. - <_> - 12 2 4 1 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 0 16 9 3 -1. - <_> - 0 17 9 1 3. - <_> - - <_> - 3 6 2 4 -1. - <_> - 3 6 1 2 2. - <_> - 4 8 1 2 2. - <_> - - <_> - 13 18 3 1 -1. - <_> - 14 18 1 1 3. - <_> - - <_> - 0 18 4 2 -1. - <_> - 2 18 2 2 2. - <_> - - <_> - 1 19 2 1 -1. - <_> - 2 19 1 1 2. - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 19 4 1 2. - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 4 8 3 5 -1. - <_> - 5 8 1 5 3. - <_> - - <_> - 2 1 6 7 -1. - <_> - 4 1 2 7 3. - <_> - - <_> - 3 6 2 8 -1. - <_> - 3 6 1 4 2. - <_> - 4 10 1 4 2. - <_> - - <_> - 4 5 11 10 -1. - <_> - 4 10 11 5 2. - <_> - - <_> - 0 13 20 2 -1. - <_> - 10 13 10 2 2. - <_> - - <_> - 1 13 16 3 -1. - <_> - 9 13 8 3 2. - <_> - - <_> - 16 4 4 4 -1. - <_> - 16 4 2 2 2. - <_> - 18 6 2 2 2. - <_> - - <_> - 16 0 4 12 -1. - <_> - 16 0 2 6 2. - <_> - 18 6 2 6 2. - <_> - - <_> - 14 15 3 1 -1. - <_> - 15 15 1 1 3. - <_> - - <_> - 3 4 12 10 -1. - <_> - 3 9 12 5 2. - <_> - - <_> - 9 18 2 2 -1. - <_> - 9 18 1 1 2. - <_> - 10 19 1 1 2. - <_> - - <_> - 9 18 2 2 -1. - <_> - 9 18 1 1 2. - <_> - 10 19 1 1 2. - <_> - - <_> - 13 4 2 14 -1. - <_> - 13 4 1 7 2. - <_> - 14 11 1 7 2. - <_> - - <_> - 4 2 6 4 -1. - <_> - 7 2 3 4 2. - <_> - - <_> - 0 0 18 20 -1. - <_> - 0 0 9 10 2. - <_> - 9 10 9 10 2. - <_> - - <_> - 15 11 1 2 -1. - <_> - 15 12 1 1 2. - <_> - - <_> - 16 10 2 4 -1. - <_> - 16 10 1 2 2. - <_> - 17 12 1 2 2. - <_> - - <_> - 18 17 2 2 -1. - <_> - 18 17 1 1 2. - <_> - 19 18 1 1 2. - <_> - - <_> - 9 17 1 2 -1. - <_> - 9 18 1 1 2. - <_> - - <_> - 8 4 9 6 -1. - <_> - 11 4 3 6 3. - <_> - - <_> - 6 9 9 10 -1. - <_> - 9 9 3 10 3. - <_> - - <_> - 5 0 5 4 -1. - <_> - 5 2 5 2 2. - <_> - - <_> - 5 7 11 4 -1. - <_> - 5 9 11 2 2. - <_> - - <_> - 2 4 2 14 -1. - <_> - 3 4 1 14 2. - <_> - - <_> - 8 6 3 5 -1. - <_> - 9 6 1 5 3. - <_> - - <_> - 8 4 3 9 -1. - <_> - 9 4 1 9 3. - <_> - - <_> - 0 8 20 6 -1. - <_> - 0 10 20 2 3. - <_> - - <_> - 14 16 6 1 -1. - <_> - 17 16 3 1 2. - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 19 2 1 2. - <_> - - <_> - 8 17 6 3 -1. - <_> - 10 17 2 3 3. - <_> - - <_> - 4 1 9 15 -1. - <_> - 7 1 3 15 3. - <_> - - <_> - 11 5 3 12 -1. - <_> - 12 5 1 12 3. - <_> - - <_> - 0 15 4 3 -1. - <_> - 0 16 4 1 3. - <_> - - <_> - 0 0 15 1 -1. - <_> - 5 0 5 1 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 8 0 2 4 3. - <_> - - <_> - 2 0 9 3 -1. - <_> - 5 0 3 3 3. - <_> - - <_> - 13 6 3 7 -1. - <_> - 14 6 1 7 3. - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 6 18 6 1 -1. - <_> - 8 18 2 1 3. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 7 2 1 2. - <_> - - <_> - 6 4 7 3 -1. - <_> - 6 5 7 1 3. - <_> - - <_> - 12 7 3 1 -1. - <_> - 13 7 1 1 3. - <_> - - <_> - 15 1 2 10 -1. - <_> - 15 1 1 5 2. - <_> - 16 6 1 5 2. - <_> - - <_> - 0 18 2 2 -1. - <_> - 0 19 2 1 2. - <_> - - <_> - 19 4 1 8 -1. - <_> - 19 8 1 4 2. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 0 15 6 4 -1. - <_> - 0 15 3 2 2. - <_> - 3 17 3 2 2. - <_> - - <_> - 19 0 1 18 -1. - <_> - 19 6 1 6 3. - <_> - - <_> - 10 2 6 2 -1. - <_> - 12 2 2 2 3. - <_> - - <_> - 2 8 12 2 -1. - <_> - 6 8 4 2 3. - <_> - - <_> - 16 0 4 1 -1. - <_> - 18 0 2 1 2. - <_> - - <_> - 8 4 2 6 -1. - <_> - 8 7 2 3 2. - <_> - - <_> - 14 5 2 10 -1. - <_> - 15 5 1 10 2. - <_> - - <_> - 13 4 2 2 -1. - <_> - 13 5 2 1 2. - <_> - - <_> - 11 1 3 6 -1. - <_> - 11 3 3 2 3. - <_> - - <_> - 6 9 12 2 -1. - <_> - 10 9 4 2 3. - <_> - - <_> - 9 16 4 2 -1. - <_> - 9 17 4 1 2. - <_> - - <_> - 5 14 15 4 -1. - <_> - 5 16 15 2 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 17 2 1 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 6 4 3 8 -1. - <_> - 7 4 1 8 3. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 0 8 1 6 -1. - <_> - 0 10 1 2 3. - <_> - - <_> - 11 2 9 6 -1. - <_> - 14 2 3 6 3. - <_> - - <_> - 12 2 6 4 -1. - <_> - 14 2 2 4 3. - <_> - - <_> - 1 7 2 4 -1. - <_> - 1 9 2 2 2. - <_> - - <_> - 13 1 6 4 -1. - <_> - 13 3 6 2 2. - <_> - - <_> - 4 10 2 10 -1. - <_> - 4 10 1 5 2. - <_> - 5 15 1 5 2. - <_> - - <_> - 2 16 9 3 -1. - <_> - 5 16 3 3 3. - <_> - - <_> - 1 2 3 9 -1. - <_> - 2 2 1 9 3. - <_> - - <_> - 19 7 1 4 -1. - <_> - 19 9 1 2 2. - <_> - - <_> - 14 11 6 8 -1. - <_> - 14 11 3 4 2. - <_> - 17 15 3 4 2. - <_> - - <_> - 15 12 4 6 -1. - <_> - 15 12 2 3 2. - <_> - 17 15 2 3 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - <_> - - <_> - 10 10 3 3 -1. - <_> - 11 10 1 3 3. - <_> - - <_> - 5 9 7 8 -1. - <_> - 5 13 7 4 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 9 8 10 3 -1. - <_> - 14 8 5 3 2. - <_> - - <_> - 6 7 4 8 -1. - <_> - 6 7 2 4 2. - <_> - 8 11 2 4 2. - <_> - - <_> - 1 6 4 3 -1. - <_> - 1 7 4 1 3. - <_> - - <_> - 6 10 6 10 -1. - <_> - 8 10 2 10 3. - <_> - - <_> - 4 6 3 6 -1. - <_> - 5 6 1 6 3. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 10 2 2 2. - <_> - 5 12 2 2 2. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 10 2 2 2. - <_> - 5 12 2 2 2. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 10 2 2 2. - <_> - 5 12 2 2 2. - <_> - - <_> - 14 8 2 6 -1. - <_> - 15 8 1 6 2. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 10 2 2 2. - <_> - 5 12 2 2 2. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 10 2 2 2. - <_> - 5 12 2 2 2. - <_> - - <_> - 12 4 3 9 -1. - <_> - 13 4 1 9 3. - <_> - - <_> - 12 3 1 12 -1. - <_> - 12 7 1 4 3. - <_> - - <_> - 2 0 18 1 -1. - <_> - 8 0 6 1 3. - <_> - - <_> - 10 0 10 6 -1. - <_> - 10 0 5 3 2. - <_> - 15 3 5 3 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 17 2 1 2. - <_> - - <_> - 3 5 4 2 -1. - <_> - 3 5 2 1 2. - <_> - 5 6 2 1 2. - <_> - - <_> - 11 8 3 3 -1. - <_> - 12 8 1 3 3. - <_> - - <_> - 11 7 3 5 -1. - <_> - 12 7 1 5 3. - <_> - - <_> - 3 19 15 1 -1. - <_> - 8 19 5 1 3. - <_> - - <_> - 8 13 3 2 -1. - <_> - 8 14 3 1 2. - <_> - - <_> - 2 12 8 4 -1. - <_> - 2 12 4 2 2. - <_> - 6 14 4 2 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 7 0 3 2 -1. - <_> - 8 0 1 2 3. - <_> - - <_> - 6 7 2 5 -1. - <_> - 7 7 1 5 2. - <_> - - <_> - 18 0 2 17 -1. - <_> - 19 0 1 17 2. - <_> - - <_> - 16 16 1 3 -1. - <_> - 16 17 1 1 3. - <_> - - <_> - 14 8 3 7 -1. - <_> - 15 8 1 7 3. - <_> - - <_> - 10 17 2 2 -1. - <_> - 10 17 1 1 2. - <_> - 11 18 1 1 2. - <_> - - <_> - 4 9 1 3 -1. - <_> - 4 10 1 1 3. - <_> - - <_> - 18 10 2 3 -1. - <_> - 18 11 2 1 3. - <_> - - <_> - 12 1 3 10 -1. - <_> - 13 1 1 10 3. - <_> - - <_> - 8 12 9 1 -1. - <_> - 11 12 3 1 3. - <_> - - <_> - 5 18 2 2 -1. - <_> - 5 18 1 1 2. - <_> - 6 19 1 1 2. - <_> - - <_> - 19 6 1 9 -1. - <_> - 19 9 1 3 3. - <_> - - <_> - 4 7 2 4 -1. - <_> - 4 7 1 2 2. - <_> - 5 9 1 2 2. - <_> - - <_> - 1 4 6 14 -1. - <_> - 3 4 2 14 3. - <_> - - <_> - 10 5 9 3 -1. - <_> - 13 5 3 3 3. - <_> - - <_> - 18 7 2 6 -1. - <_> - 18 9 2 2 3. - <_> - - <_> - 5 6 2 7 -1. - <_> - 6 6 1 7 2. - <_> - - <_> - 10 4 6 8 -1. - <_> - 13 4 3 8 2. - <_> - - <_> - 0 8 2 9 -1. - <_> - 0 11 2 3 3. - <_> - - <_> - 0 7 5 3 -1. - <_> - 0 8 5 1 3. - <_> - - <_> - 8 1 7 2 -1. - <_> - 8 2 7 1 2. - <_> - - <_> - 7 5 3 5 -1. - <_> - 8 5 1 5 3. - <_> - - <_> - 19 2 1 2 -1. - <_> - 19 3 1 1 2. - <_> - - <_> - 6 7 10 11 -1. - <_> - 11 7 5 11 2. - <_> - - <_> - 9 19 6 1 -1. - <_> - 11 19 2 1 3. - <_> - - <_> - 3 0 12 1 -1. - <_> - 7 0 4 1 3. - <_> - - <_> - 4 1 6 5 -1. - <_> - 6 1 2 5 3. - <_> - - <_> - 6 12 12 6 -1. - <_> - 10 12 4 6 3. - <_> - - <_> - 16 13 2 3 -1. - <_> - 16 14 2 1 3. - <_> - - <_> - 7 14 4 2 -1. - <_> - 7 15 4 1 2. - <_> - - <_> - 7 14 2 2 -1. - <_> - 7 15 2 1 2. - <_> - - <_> - 3 10 2 4 -1. - <_> - 3 10 1 2 2. - <_> - 4 12 1 2 2. - <_> - - <_> - 0 3 2 6 -1. - <_> - 0 5 2 2 3. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 16 4 4 3 -1. - <_> - 16 5 4 1 3. - <_> - - <_> - 5 10 2 4 -1. - <_> - 5 10 1 2 2. - <_> - 6 12 1 2 2. - <_> - - <_> - 5 11 13 2 -1. - <_> - 5 12 13 1 2. - <_> - - <_> - 10 2 3 11 -1. - <_> - 11 2 1 11 3. - <_> - - <_> - 10 2 4 4 -1. - <_> - 10 4 4 2 2. - <_> - - <_> - 8 8 6 2 -1. - <_> - 10 8 2 2 3. - <_> - - <_> - 11 2 3 3 -1. - <_> - 12 2 1 3 3. - <_> - - <_> - 6 18 14 2 -1. - <_> - 6 18 7 1 2. - <_> - 13 19 7 1 2. - <_> - - <_> - 17 7 1 12 -1. - <_> - 17 11 1 4 3. - <_> - - <_> - 10 5 10 3 -1. - <_> - 10 6 10 1 3. - <_> - - <_> - 6 1 3 3 -1. - <_> - 7 1 1 3 3. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 10 14 2 6 -1. - <_> - 10 16 2 2 3. - <_> - - <_> - 4 1 12 14 -1. - <_> - 8 1 4 14 3. - <_> - - <_> - 14 1 6 14 -1. - <_> - 16 1 2 14 3. - <_> - - <_> - 3 16 2 2 -1. - <_> - 3 16 1 1 2. - <_> - 4 17 1 1 2. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 17 2 1 2. - <_> - - <_> - 15 6 4 6 -1. - <_> - 15 6 2 3 2. - <_> - 17 9 2 3 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 12 6 2 1 2. - <_> - - <_> - 7 6 6 13 -1. - <_> - 9 6 2 13 3. - <_> - - <_> - 1 9 6 5 -1. - <_> - 3 9 2 5 3. - <_> - - <_> - 0 5 3 4 -1. - <_> - 0 7 3 2 2. - <_> - - <_> - 4 1 16 2 -1. - <_> - 4 1 8 1 2. - <_> - 12 2 8 1 2. - <_> - - <_> - 1 18 4 2 -1. - <_> - 1 18 2 1 2. - <_> - 3 19 2 1 2. - <_> - - <_> - 7 7 3 4 -1. - <_> - 8 7 1 4 3. - <_> - - <_> - 3 4 9 3 -1. - <_> - 6 4 3 3 3. - <_> - - <_> - 4 6 6 10 -1. - <_> - 6 6 2 10 3. - <_> - - <_> - 9 0 8 10 -1. - <_> - 13 0 4 10 2. - <_> - - <_> - 8 0 8 1 -1. - <_> - 12 0 4 1 2. - <_> - - <_> - 6 2 8 16 -1. - <_> - 6 2 4 8 2. - <_> - 10 10 4 8 2. - <_> - - <_> - 14 10 2 10 -1. - <_> - 14 10 1 5 2. - <_> - 15 15 1 5 2. - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 16 0 3 8 -1. - <_> - 17 0 1 8 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 10 2. - <_> - - <_> - 16 0 3 5 -1. - <_> - 17 0 1 5 3. - <_> - - <_> - 4 5 11 2 -1. - <_> - 4 6 11 1 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 0 0 2 3 -1. - <_> - 0 1 2 1 3. - <_> - - <_> - 11 6 6 11 -1. - <_> - 13 6 2 11 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 19 7 1 2 -1. - <_> - 19 8 1 1 2. - <_> - - <_> - 17 0 3 9 -1. - <_> - 18 0 1 9 3. - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 0 1 14 2 -1. - <_> - 0 1 7 1 2. - <_> - 7 2 7 1 2. - <_> - - <_> - 3 1 3 2 -1. - <_> - 4 1 1 2 3. - <_> - - <_> - 4 0 15 2 -1. - <_> - 9 0 5 2 3. - <_> - - <_> - 10 2 6 1 -1. - <_> - 12 2 2 1 3. - <_> - - <_> - 9 4 6 11 -1. - <_> - 11 4 2 11 3. - <_> - - <_> - 2 16 2 4 -1. - <_> - 2 18 2 2 2. - <_> - - <_> - 6 17 6 3 -1. - <_> - 8 17 2 3 3. - <_> - - <_> - 7 9 6 2 -1. - <_> - 9 9 2 2 3. - <_> - - <_> - 6 8 9 2 -1. - <_> - 9 8 3 2 3. - <_> - - <_> - 6 6 2 10 -1. - <_> - 6 6 1 5 2. - <_> - 7 11 1 5 2. - <_> - - <_> - 0 11 2 3 -1. - <_> - 0 12 2 1 3. - <_> - - <_> - 11 15 4 1 -1. - <_> - 13 15 2 1 2. - <_> - - <_> - 6 17 1 2 -1. - <_> - 6 18 1 1 2. - <_> - - <_> - 0 0 6 20 -1. - <_> - 2 0 2 20 3. - <_> - - <_> - 3 10 2 2 -1. - <_> - 4 10 1 2 2. - <_> - - <_> - 4 7 3 5 -1. - <_> - 5 7 1 5 3. - <_> - - <_> - 3 12 6 2 -1. - <_> - 5 12 2 2 3. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 15 1 3 16 -1. - <_> - 16 1 1 16 3. - <_> - - <_> - 6 16 6 3 -1. - <_> - 8 16 2 3 3. - <_> - - <_> - 15 14 3 2 -1. - <_> - 15 15 3 1 2. - <_> - - <_> - 12 16 1 2 -1. - <_> - 12 17 1 1 2. - <_> - - <_> - 0 2 4 4 -1. - <_> - 0 2 2 2 2. - <_> - 2 4 2 2 2. - <_> - - <_> - 1 1 6 4 -1. - <_> - 1 1 3 2 2. - <_> - 4 3 3 2 2. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 4 7 2 3 -1. - <_> - 4 8 2 1 3. - <_> - - <_> - 1 0 9 14 -1. - <_> - 1 7 9 7 2. - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 3 9 4 3 -1. - <_> - 5 9 2 3 2. - <_> - - <_> - 0 9 2 4 -1. - <_> - 0 11 2 2 2. - <_> - - <_> - 16 6 3 10 -1. - <_> - 17 6 1 10 3. - <_> - - <_> - 16 11 2 1 -1. - <_> - 17 11 1 1 2. - <_> - - <_> - 5 7 4 4 -1. - <_> - 5 9 4 2 2. - <_> - - <_> - 10 11 9 2 -1. - <_> - 13 11 3 2 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 16 11 1 1 2. - <_> - - <_> - 10 6 6 14 -1. - <_> - 10 13 6 7 2. - <_> - - <_> - 14 7 3 5 -1. - <_> - 15 7 1 5 3. - <_> - - <_> - 6 11 12 3 -1. - <_> - 10 11 4 3 3. - <_> - - <_> - 17 16 1 2 -1. - <_> - 17 17 1 1 2. - <_> - - <_> - 8 5 5 4 -1. - <_> - 8 7 5 2 2. - <_> - - <_> - 11 6 4 2 -1. - <_> - 11 7 4 1 2. - <_> - - <_> - 3 4 8 2 -1. - <_> - 3 4 4 1 2. - <_> - 7 5 4 1 2. - <_> - - <_> - 0 8 6 6 -1. - <_> - 2 8 2 6 3. - <_> - - <_> - 7 4 6 2 -1. - <_> - 7 5 6 1 2. - <_> - - <_> - 7 3 6 3 -1. - <_> - 9 3 2 3 3. - <_> - - <_> - 2 17 3 3 -1. - <_> - 2 18 3 1 3. - <_> - - <_> - 3 10 6 1 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 7 2 6 2 -1. - <_> - 9 2 2 2 3. - <_> - - <_> - 4 11 9 1 -1. - <_> - 7 11 3 1 3. - <_> - - <_> - 7 7 11 12 -1. - <_> - 7 13 11 6 2. - <_> - - <_> - 3 2 3 4 -1. - <_> - 4 2 1 4 3. - <_> - - <_> - 9 7 9 3 -1. - <_> - 12 7 3 3 3. - <_> - - <_> - 15 11 2 6 -1. - <_> - 15 11 1 3 2. - <_> - 16 14 1 3 2. - <_> - - <_> - 0 5 5 3 -1. - <_> - 0 6 5 1 3. - <_> - - <_> - 8 1 6 12 -1. - <_> - 10 1 2 12 3. - <_> - - <_> - 3 7 15 13 -1. - <_> - 8 7 5 13 3. - <_> - - <_> - 0 9 9 9 -1. - <_> - 0 12 9 3 3. - <_> - - <_> - 16 0 3 8 -1. - <_> - 17 0 1 8 3. - <_> - - <_> - 16 2 4 2 -1. - <_> - 18 2 2 2 2. - <_> - - <_> - 13 0 6 5 -1. - <_> - 16 0 3 5 2. - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 1 1 2 3. - <_> - - <_> - 11 8 3 2 -1. - <_> - 12 8 1 2 3. - <_> - - <_> - 1 8 2 12 -1. - <_> - 1 8 1 6 2. - <_> - 2 14 1 6 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 2 1 2 12 3. - <_> - - <_> - 19 17 1 3 -1. - <_> - 19 18 1 1 3. - <_> - - <_> - 11 3 3 10 -1. - <_> - 12 3 1 10 3. - <_> - - <_> - 8 1 9 8 -1. - <_> - 11 1 3 8 3. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 6 13 2 6 -1. - <_> - 6 15 2 2 3. - <_> - - <_> - 9 14 2 2 -1. - <_> - 9 15 2 1 2. - <_> - - <_> - 14 10 2 4 -1. - <_> - 14 10 1 2 2. - <_> - 15 12 1 2 2. - <_> - - <_> - 0 15 2 2 -1. - <_> - 0 15 1 1 2. - <_> - 1 16 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 11 18 2 2 -1. - <_> - 11 18 1 1 2. - <_> - 12 19 1 1 2. - <_> - - <_> - 0 0 6 4 -1. - <_> - 0 0 3 2 2. - <_> - 3 2 3 2 2. - <_> - - <_> - 4 1 6 6 -1. - <_> - 6 1 2 6 3. - <_> - - <_> - 15 13 5 4 -1. - <_> - 15 15 5 2 2. - <_> - - <_> - 7 17 6 1 -1. - <_> - 9 17 2 1 3. - <_> - - <_> - 16 19 4 1 -1. - <_> - 18 19 2 1 2. - <_> - - <_> - 16 16 4 4 -1. - <_> - 18 16 2 4 2. - <_> - - <_> - 7 8 9 4 -1. - <_> - 10 8 3 4 3. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 2 9 2 4 -1. - <_> - 2 9 1 2 2. - <_> - 3 11 1 2 2. - <_> - - <_> - 0 3 8 4 -1. - <_> - 0 3 4 2 2. - <_> - 4 5 4 2 2. - <_> - - <_> - 0 1 8 1 -1. - <_> - 4 1 4 1 2. - <_> - - <_> - 0 5 8 9 -1. - <_> - 4 5 4 9 2. - <_> - - <_> - 7 18 6 2 -1. - <_> - 9 18 2 2 3. - <_> - - <_> - 0 4 1 12 -1. - <_> - 0 8 1 4 3. - <_> - - <_> - 19 13 1 6 -1. - <_> - 19 15 1 2 3. - <_> - - <_> - 2 8 6 8 -1. - <_> - 4 8 2 8 3. - <_> - - <_> - 0 0 9 17 -1. - <_> - 3 0 3 17 3. - <_> - - <_> - 7 9 6 8 -1. - <_> - 9 9 2 8 3. - <_> - - <_> - 5 10 9 4 -1. - <_> - 8 10 3 4 3. - <_> - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - <_> - - <_> - 16 6 4 4 -1. - <_> - 16 6 2 2 2. - <_> - 18 8 2 2 2. - <_> - - <_> - 17 4 2 8 -1. - <_> - 17 4 1 4 2. - <_> - 18 8 1 4 2. - <_> - - <_> - 2 16 1 3 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 2 16 1 3 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 11 0 1 3 -1. - <_> - 11 1 1 1 3. - <_> - - <_> - 11 2 9 7 -1. - <_> - 14 2 3 7 3. - <_> - - <_> - 10 2 3 6 -1. - <_> - 11 2 1 6 3. - <_> - - <_> - 5 9 15 2 -1. - <_> - 5 10 15 1 2. - <_> - - <_> - 8 16 6 2 -1. - <_> - 8 17 6 1 2. - <_> - - <_> - 9 16 10 2 -1. - <_> - 9 16 5 1 2. - <_> - 14 17 5 1 2. - <_> - - <_> - 9 17 2 2 -1. - <_> - 9 17 1 1 2. - <_> - 10 18 1 1 2. - <_> - - <_> - 10 15 6 4 -1. - <_> - 10 15 3 2 2. - <_> - 13 17 3 2 2. - <_> - - <_> - 4 5 15 12 -1. - <_> - 9 5 5 12 3. - <_> - - <_> - 11 13 2 3 -1. - <_> - 11 14 2 1 3. - <_> - - <_> - 8 13 7 3 -1. - <_> - 8 14 7 1 3. - <_> - - <_> - 1 12 1 2 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 1 17 6 1 -1. - <_> - 4 17 3 1 2. - <_> - - <_> - 1 3 1 12 -1. - <_> - 1 9 1 6 2. - <_> - - <_> - 0 9 3 6 -1. - <_> - 0 11 3 2 3. - <_> - - <_> - 5 4 3 10 -1. - <_> - 6 4 1 10 3. - <_> - - <_> - 6 17 2 1 -1. - <_> - 7 17 1 1 2. - <_> - - <_> - 1 0 6 12 -1. - <_> - 3 0 2 12 3. - <_> - - <_> - 4 7 9 2 -1. - <_> - 7 7 3 2 3. - <_> - - <_> - 6 11 9 1 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 17 10 2 10 -1. - <_> - 17 15 2 5 2. - <_> - - <_> - 4 10 2 10 -1. - <_> - 4 10 1 5 2. - <_> - 5 15 1 5 2. - <_> - - <_> - 12 3 3 12 -1. - <_> - 13 3 1 12 3. - <_> - - <_> - 15 3 4 6 -1. - <_> - 15 3 2 3 2. - <_> - 17 6 2 3 2. - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 8 1 3 3. - <_> - - <_> - 4 14 2 4 -1. - <_> - 4 16 2 2 2. - <_> - - <_> - 6 16 1 3 -1. - <_> - 6 17 1 1 3. - <_> - - <_> - 1 1 2 3 -1. - <_> - 2 1 1 3 2. - <_> - - <_> - 0 2 4 1 -1. - <_> - 2 2 2 1 2. - <_> - - <_> - 8 17 12 3 -1. - <_> - 12 17 4 3 3. - <_> - - <_> - 9 16 6 4 -1. - <_> - 11 16 2 4 3. - <_> - - <_> - 4 6 3 6 -1. - <_> - 4 9 3 3 2. - <_> - - <_> - 6 2 12 9 -1. - <_> - 6 5 12 3 3. - <_> - - <_> - 6 0 14 20 -1. - <_> - 6 0 7 10 2. - <_> - 13 10 7 10 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 19 8 1 3 -1. - <_> - 19 9 1 1 3. - <_> - - <_> - 13 4 1 2 -1. - <_> - 13 5 1 1 2. - <_> - - <_> - 0 4 4 2 -1. - <_> - 0 5 4 1 2. - <_> - - <_> - 19 5 1 6 -1. - <_> - 19 7 1 2 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 17 0 1 1 2. - <_> - - <_> - 13 1 1 3 -1. - <_> - 13 2 1 1 3. - <_> - - <_> - 17 17 1 3 -1. - <_> - 17 18 1 1 3. - <_> - - <_> - 5 4 8 8 -1. - <_> - 5 4 4 4 2. - <_> - 9 8 4 4 2. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 0 0 8 6 -1. - <_> - 0 0 4 3 2. - <_> - 4 3 4 3 2. - <_> - - <_> - 6 3 4 2 -1. - <_> - 6 4 4 1 2. - <_> - - <_> - 1 0 3 3 -1. - <_> - 1 1 3 1 3. - <_> - - <_> - 6 1 7 2 -1. - <_> - 6 2 7 1 2. - <_> - - <_> - 2 6 12 6 -1. - <_> - 6 6 4 6 3. - <_> - - <_> - 1 16 9 2 -1. - <_> - 4 16 3 2 3. - <_> - - <_> - 7 15 6 4 -1. - <_> - 9 15 2 4 3. - <_> - - <_> - 6 15 12 1 -1. - <_> - 12 15 6 1 2. - <_> - - <_> - 17 17 1 3 -1. - <_> - 17 18 1 1 3. - <_> - - <_> - 17 15 2 2 -1. - <_> - 17 15 1 1 2. - <_> - 18 16 1 1 2. - <_> - - <_> - 3 13 3 3 -1. - <_> - 3 14 3 1 3. - <_> - - <_> - 10 17 1 3 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 4 0 14 8 -1. - <_> - 11 0 7 8 2. - <_> - - <_> - 2 0 12 2 -1. - <_> - 6 0 4 2 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 4 0 2 3 2. - <_> - - <_> - 13 1 1 2 -1. - <_> - 13 2 1 1 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 5 1 6 3. - <_> - - <_> - 18 2 2 2 -1. - <_> - 18 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 15 1 2 14 -1. - <_> - 16 1 1 14 2. - <_> - - <_> - 15 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 3 1 6 3 -1. - <_> - 5 1 2 3 3. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 9 10 6 10 -1. - <_> - 11 10 2 10 3. - <_> - - <_> - 10 17 6 3 -1. - <_> - 12 17 2 3 3. - <_> - - <_> - 14 5 2 10 -1. - <_> - 14 10 2 5 2. - <_> - - <_> - 11 12 6 2 -1. - <_> - 11 13 6 1 2. - <_> - - <_> - 8 1 1 3 -1. - <_> - 8 2 1 1 3. - <_> - - <_> - 12 15 2 2 -1. - <_> - 12 15 1 1 2. - <_> - 13 16 1 1 2. - <_> - - <_> - 6 8 6 4 -1. - <_> - 6 8 3 2 2. - <_> - 9 10 3 2 2. - <_> - - <_> - 7 5 3 5 -1. - <_> - 8 5 1 5 3. - <_> - - <_> - 0 5 7 3 -1. - <_> - 0 6 7 1 3. - <_> - - <_> - 7 9 6 6 -1. - <_> - 9 9 2 6 3. - <_> - - <_> - 5 7 8 8 -1. - <_> - 5 11 8 4 2. - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 10 11 6 1 -1. - <_> - 12 11 2 1 3. - <_> - - <_> - 13 6 6 11 -1. - <_> - 15 6 2 11 3. - <_> - - <_> - 8 17 2 2 -1. - <_> - 8 17 1 1 2. - <_> - 9 18 1 1 2. - <_> - - <_> - 4 12 12 1 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 11 17 3 2 -1. - <_> - 11 18 3 1 2. - <_> - - <_> - 8 17 6 1 -1. - <_> - 10 17 2 1 3. - <_> - - <_> - 4 1 14 6 -1. - <_> - 4 3 14 2 3. - <_> - - <_> - 14 2 2 12 -1. - <_> - 14 8 2 6 2. - <_> - - <_> - 12 13 3 2 -1. - <_> - 12 14 3 1 2. - <_> - - <_> - 6 1 6 1 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 10 6 6 1 -1. - <_> - 12 6 2 1 3. - <_> - - <_> - 3 19 2 1 -1. - <_> - 4 19 1 1 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 16 11 3 7 -1. - <_> - 17 11 1 7 3. - <_> - - <_> - 19 5 1 6 -1. - <_> - 19 8 1 3 2. - <_> - - <_> - 9 8 4 3 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 16 8 4 4 -1. - <_> - 16 8 2 2 2. - <_> - 18 10 2 2 2. - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 1 2. - <_> - 3 9 1 1 2. - <_> - - <_> - 3 5 6 4 -1. - <_> - 3 5 3 2 2. - <_> - 6 7 3 2 2. - <_> - - <_> - 2 3 8 16 -1. - <_> - 2 3 4 8 2. - <_> - 6 11 4 8 2. - <_> - - <_> - 17 17 1 3 -1. - <_> - 17 18 1 1 3. - <_> - - <_> - 7 2 8 11 -1. - <_> - 11 2 4 11 2. - <_> - - <_> - 13 3 6 14 -1. - <_> - 16 3 3 14 2. - <_> - - <_> - 0 9 18 2 -1. - <_> - 6 9 6 2 3. - <_> - - <_> - 6 10 14 3 -1. - <_> - 6 11 14 1 3. - <_> - - <_> - 10 9 9 3 -1. - <_> - 13 9 3 3 3. - <_> - - <_> - 3 5 4 6 -1. - <_> - 3 5 2 3 2. - <_> - 5 8 2 3 2. - <_> - - <_> - 3 7 3 7 -1. - <_> - 4 7 1 7 3. - <_> - - <_> - 2 8 11 6 -1. - <_> - 2 10 11 2 3. - <_> - - <_> - 8 9 6 3 -1. - <_> - 8 10 6 1 3. - <_> - - <_> - 3 3 3 11 -1. - <_> - 4 3 1 11 3. - <_> - - <_> - 0 19 6 1 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 18 18 1 2 -1. - <_> - 18 19 1 1 2. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 0 6 3 2. - <_> - 14 3 6 3 2. - <_> - - <_> - 19 5 1 3 -1. - <_> - 19 6 1 1 3. - <_> - - <_> - 5 8 2 1 -1. - <_> - 6 8 1 1 2. - <_> - - <_> - 13 11 2 1 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 3 6 15 13 -1. - <_> - 8 6 5 13 3. - <_> - - <_> - 4 3 6 2 -1. - <_> - 6 3 2 2 3. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 7 8 2 6 -1. - <_> - 8 8 1 6 2. - <_> - - <_> - 3 0 6 19 -1. - <_> - 5 0 2 19 3. - <_> - - <_> - 3 1 6 5 -1. - <_> - 5 1 2 5 3. - <_> - - <_> - 17 14 3 6 -1. - <_> - 17 16 3 2 3. - <_> - - <_> - 17 13 2 6 -1. - <_> - 18 13 1 6 2. - <_> - - <_> - 17 18 2 2 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 11 14 9 4 -1. - <_> - 14 14 3 4 3. - <_> - - <_> - 15 8 4 6 -1. - <_> - 15 8 2 3 2. - <_> - 17 11 2 3 2. - <_> - - <_> - 1 16 1 3 -1. - <_> - 1 17 1 1 3. - <_> - - <_> - 7 0 3 14 -1. - <_> - 8 0 1 14 3. - <_> - - <_> - 12 0 2 1 -1. - <_> - 13 0 1 1 2. - <_> - - <_> - 7 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 15 5 4 9 -1. - <_> - 17 5 2 9 2. - <_> - - <_> - 11 0 6 6 -1. - <_> - 13 0 2 6 3. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 13 2 2 18 -1. - <_> - 13 11 2 9 2. - <_> - - <_> - 8 4 8 10 -1. - <_> - 8 9 8 5 2. - <_> - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 11 1 6 9 -1. - <_> - 11 4 6 3 3. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 6 5 2 3. - <_> - - <_> - 12 18 2 2 -1. - <_> - 12 18 1 1 2. - <_> - 13 19 1 1 2. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 12 19 2 1 -1. - <_> - 13 19 1 1 2. - <_> - - <_> - 8 10 6 6 -1. - <_> - 10 10 2 6 3. - <_> - - <_> - 14 2 6 5 -1. - <_> - 16 2 2 5 3. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 7 2 2 3. - <_> - - <_> - 1 15 2 2 -1. - <_> - 2 15 1 2 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 10 14 4 6 -1. - <_> - 10 16 4 2 3. - <_> - - <_> - 9 7 3 2 -1. - <_> - 10 7 1 2 3. - <_> - - <_> - 6 9 6 2 -1. - <_> - 6 9 3 1 2. - <_> - 9 10 3 1 2. - <_> - - <_> - 0 2 1 12 -1. - <_> - 0 6 1 4 3. - <_> - - <_> - 4 0 15 1 -1. - <_> - 9 0 5 1 3. - <_> - - <_> - 9 0 8 2 -1. - <_> - 9 0 4 1 2. - <_> - 13 1 4 1 2. - <_> - - <_> - 12 2 8 1 -1. - <_> - 16 2 4 1 2. - <_> - - <_> - 7 1 10 6 -1. - <_> - 7 3 10 2 3. - <_> - - <_> - 18 6 2 3 -1. - <_> - 18 7 2 1 3. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 12 1 1 2. - <_> - 5 13 1 1 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 0 9 9 6 -1. - <_> - 3 9 3 6 3. - <_> - - <_> - 17 18 2 2 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 11 2 6 16 -1. - <_> - 13 2 2 16 3. - <_> - - <_> - 2 4 15 13 -1. - <_> - 7 4 5 13 3. - <_> - - <_> - 16 2 3 10 -1. - <_> - 17 2 1 10 3. - <_> - - <_> - 6 10 2 1 -1. - <_> - 7 10 1 1 2. - <_> - - <_> - 1 1 18 16 -1. - <_> - 10 1 9 16 2. - <_> - - <_> - 14 4 3 15 -1. - <_> - 15 4 1 15 3. - <_> - - <_> - 19 13 1 2 -1. - <_> - 19 14 1 1 2. - <_> - - <_> - 2 6 5 8 -1. - <_> - 2 10 5 4 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye_tree_eyeglasses.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye_tree_eyeglasses.xml deleted file mode 100644 index 6813d243c7..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_eye_tree_eyeglasses.xml +++ /dev/null @@ -1,22619 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 47 - - 0 - 30 - - <_> - 5 - -1.6473180055618286e+00 - - <_> - - 2 1 0 -2.6987109333276749e-02 0 -1 1 5.0670530647039413e-02 - -2 -3 2 -1.2915390729904175e-01 - - -8.0395472049713135e-01 6.0491400957107544e-01 - 9.0544581413269043e-01 4.4070810079574585e-02 - <_> - - 2 1 3 8.8827736675739288e-02 0 -1 4 -2.0398240536451340e-02 - -2 -3 5 -6.1261758208274841e-02 - - 7.9218882322311401e-01 4.0692299604415894e-02 - 4.2585361003875732e-01 -7.0325207710266113e-01 - <_> - - 2 1 6 -2.0490810275077820e-01 0 -1 7 9.4933047890663147e-02 - -2 -3 8 1.2091030366718769e-03 - - -4.4017648696899414e-01 5.3640520572662354e-01 - 6.8776458501815796e-01 -5.5879348516464233e-01 - <_> - - 1 0 9 9.2227972345426679e-04 -1 2 10 -7.2678289143368602e-04 - -2 -3 11 6.8421510513871908e-04 - - -7.2684401273727417e-01 -5.8028000593185425e-01 - 5.6177532672882080e-01 -2.9834181070327759e-01 - <_> - - 0 1 12 -5.1150590181350708e-02 2 -1 13 - 6.1622060835361481e-02 -2 -3 14 7.2873473167419434e-02 - - 5.9840762615203857e-01 7.4743932485580444e-01 - -4.9703779816627502e-01 2.8129258751869202e-01 - <_> - 7 - -1.4257860183715820e+00 - - <_> - - 2 1 15 -4.1994878649711609e-01 0 -1 16 - -5.6186288595199585e-02 -2 -3 17 -2.3711109533905983e-02 - - 2.7586200833320618e-01 -6.4623218774795532e-01 - 8.5241252183914185e-01 8.3703370764851570e-03 - <_> - - 1 0 18 4.0523439645767212e-02 -1 2 19 2.7388900518417358e-01 - -2 -3 20 -1.4293800108134747e-02 - - 7.4270218610763550e-01 -4.9286690354347229e-01 - 7.1784788370132446e-01 -4.2223978787660599e-02 - <_> - - 0 1 21 -2.1144729107618332e-03 2 -1 22 - 1.0659949621185660e-03 -2 -3 23 1.0812469990924001e-03 - - -8.0196601152420044e-01 -6.6025912761688232e-01 - 4.7916370630264282e-01 -5.1645290851593018e-01 - <_> - - 1 0 24 3.0198289081454277e-02 2 -1 25 4.0569551289081573e-02 - -2 -3 26 7.0679739117622375e-02 - - 5.1327562332153320e-01 6.6641497611999512e-01 - -4.5298659801483154e-01 5.5480718612670898e-01 - <_> - - 0 1 27 -7.8928138827905059e-04 2 -1 28 - 8.0574717139825225e-04 -2 -3 29 -2.0976560190320015e-02 - - -7.2526299953460693e-01 -5.6479871273040771e-01 - 6.9993537664413452e-01 6.8500466644763947e-02 - <_> - - 1 0 30 1.2794960290193558e-02 -1 2 31 - -8.1120636314153671e-03 -2 -3 32 -1.5506530180573463e-02 - - -8.6409568786621094e-01 4.4448360800743103e-01 - 3.6675310134887695e-01 -2.9189071059226990e-01 - <_> - - 2 1 33 -1.2915650382637978e-02 0 -1 34 - 6.6297221928834915e-03 -2 -3 35 -3.6532930098474026e-03 - - -4.7566780447959900e-01 1.0350350290536880e-01 - -6.1723059415817261e-01 5.4382532835006714e-01 - <_> - 9 - -1.4711019992828369e+00 - - <_> - - 0 1 36 -7.8731971979141235e-01 -1 2 37 - 1.6908009350299835e-01 -2 -3 38 -4.0369689464569092e-02 - - 7.1268838644027710e-01 -7.1908998489379883e-01 - 4.4148930907249451e-01 -4.2251929640769958e-01 - <_> - - 1 0 39 1.9132360816001892e-02 2 -1 40 6.4184539951384068e-04 - -2 -3 41 -7.8941037645563483e-04 - - 6.9186228513717651e-01 -7.6116967201232910e-01 - -6.8140429258346558e-01 1.6009919345378876e-01 - <_> - - 1 2 42 -7.1503049694001675e-03 0 -1 43 - -2.3156129755079746e-03 -2 -3 44 -4.1521269828081131e-02 - - -5.5916607379913330e-01 5.1284497976303101e-01 - 2.4422569572925568e-01 -4.6883401274681091e-01 - <_> - - 1 0 45 9.1200548922643065e-04 -1 2 46 - -1.5798299573361874e-03 -2 -3 47 -1.1573649942874908e-02 - - -6.9527888298034668e-01 -6.3509649038314819e-01 - 6.4686381816864014e-01 6.9198559504002333e-04 - <_> - - 2 1 48 2.1843519061803818e-03 0 -1 49 2.9345690272748470e-03 - -2 -3 50 -5.8788150548934937e-02 - - 4.5632898807525635e-01 -5.8841437101364136e-01 - 2.6704201102256775e-01 -3.8348990678787231e-01 - <_> - - 0 1 51 -5.5392808280885220e-04 -1 2 52 - -5.3035060409456491e-04 -2 -3 53 -6.8775108084082603e-03 - - -4.8913368582725525e-01 -3.8421550393104553e-01 - 6.6845697164535522e-01 9.3158259987831116e-02 - <_> - - 1 0 54 1.6710379859432578e-03 2 -1 55 1.4162790030241013e-03 - -2 -3 56 7.7876187860965729e-03 - - -6.0369372367858887e-01 -3.0418768525123596e-01 - 3.9699068665504456e-01 -6.6687589883804321e-01 - <_> - - 1 2 57 -1.2916780076920986e-02 0 -1 58 - -3.0156269203871489e-03 -2 -3 59 -1.9785940647125244e-02 - - -7.1239727735519409e-01 4.6252989768981934e-01 - 2.8338319063186646e-01 -3.5317930579185486e-01 - <_> - - 1 0 60 3.3207770902663469e-03 2 -1 61 2.9606239870190620e-02 - -2 -3 62 4.4614788144826889e-02 - - -7.3291397094726562e-01 4.9530759453773499e-01 - -1.9502809643745422e-01 7.9816418886184692e-01 - <_> - 12 - -1.3850779533386230e+00 - - <_> - - 0 1 63 -9.2366141080856323e-01 2 -1 64 - -4.8193939030170441e-02 -2 -3 65 2.8669878840446472e-01 - - 7.6915800571441650e-01 -5.1361227035522461e-01 - -2.9671901464462280e-01 6.2028187513351440e-01 - <_> - - 1 2 66 -1.3038160279393196e-02 0 -1 67 - -1.4749659458175302e-03 -2 -3 68 -4.6921748667955399e-02 - - -7.1294248104095459e-01 5.9115177392959595e-01 - 3.1303560733795166e-01 -3.6749690771102905e-01 - <_> - - 0 1 69 2.4459899868816137e-03 -1 2 70 - -2.5321498978883028e-03 -2 -3 71 1.4651260571554303e-03 - - -4.6930000185966492e-01 -7.7450162172317505e-01 - 3.6414781212806702e-01 -5.7445889711380005e-01 - <_> - - 1 2 72 -1.1307420209050179e-02 0 -1 73 - -1.2048849603161216e-03 -2 -3 74 -6.2752872705459595e-02 - - -5.5727648735046387e-01 4.7871670126914978e-01 - 2.2788530588150024e-01 -4.3667969107627869e-01 - <_> - - 0 1 75 -4.0173111483454704e-03 2 -1 76 - 1.5160309849306941e-03 -2 -3 77 1.9954680465161800e-03 - - -7.3568779230117798e-01 -5.8480697870254517e-01 - 2.1544020622968674e-02 5.5875688791275024e-01 - <_> - - 1 0 78 3.4435209818184376e-03 -1 2 79 - -2.6550020556896925e-03 -2 -3 80 -1.1407690122723579e-02 - - -7.6565897464752197e-01 -6.5447497367858887e-01 - 5.3633081912994385e-01 -3.8849171251058578e-02 - <_> - - 1 2 81 -2.3805440869182348e-03 0 -1 82 - 6.6475258208811283e-03 -2 -3 83 1.4018240571022034e-01 - - 3.3984410762786865e-01 -6.5025091171264648e-01 - -3.2491090893745422e-01 7.5067067146301270e-01 - <_> - - 0 1 84 -6.2358360737562180e-02 2 -1 85 - 1.3628599699586630e-03 -2 -3 86 -4.4609848409891129e-03 - - 4.5777168869972229e-01 -6.3202661275863647e-01 - 4.0597960352897644e-01 -2.0854069292545319e-01 - <_> - - 0 1 87 -1.0046839714050293e-02 2 -1 88 - -2.9274819418787956e-02 -2 -3 89 7.7389390207827091e-03 - - -7.4789828062057495e-01 -1.7995479702949524e-01 - 4.7782841324806213e-01 -6.5113341808319092e-01 - <_> - - 1 0 90 1.4774020528420806e-03 -1 2 91 1.4989820308983326e-02 - -2 -3 92 4.5073241926729679e-03 - - -6.6269898414611816e-01 -1.6695550084114075e-01 - 3.8702058792114258e-01 -7.3409372568130493e-01 - <_> - - 1 0 93 1.4901049435138702e-03 2 -1 94 8.9141662465408444e-04 - -2 -3 95 -1.1558219790458679e-02 - - -3.4280839562416077e-01 -2.8036740422248840e-01 - -4.2523959279060364e-01 4.5259669423103333e-01 - <_> - - 0 1 96 -2.0011950284242630e-02 -1 2 97 - -1.7092300578951836e-02 -2 -3 98 -6.7685171961784363e-02 - - 4.0133118629455566e-01 3.6970010399818420e-01 - 7.4438679218292236e-01 -3.8255840539932251e-01 - <_> - 12 - -1.4432040452957153e+00 - - <_> - - 1 2 99 -2.0911149680614471e-02 0 -1 100 - 1.4305709302425385e-01 -2 -3 101 1.1925029568374157e-02 - - -3.4965568780899048e-01 7.0134562253952026e-01 - -6.0404628515243530e-01 8.5615903139114380e-02 - <_> - - 1 0 102 2.4742009118199348e-02 2 -1 103 - 4.5732118189334869e-02 -2 -3 104 4.3204430490732193e-02 - - 8.5365587472915649e-01 4.1876411437988281e-01 - -3.9094918966293335e-01 2.7387988567352295e-01 - <_> - - 0 1 105 -7.2548422031104565e-04 2 -1 106 - 1.4243220211938024e-03 -2 -3 107 -5.3335479460656643e-03 - - -6.2011122703552246e-01 -6.1589437723159790e-01 - 6.0596448183059692e-01 1.5840480104088783e-02 - <_> - - 1 0 108 -7.1891010738909245e-03 2 -1 109 - 1.8233320442959666e-03 -2 -3 110 1.6109029529616237e-03 - - -2.0852829515933990e-01 -8.1338381767272949e-01 - 5.6780648231506348e-01 -8.7046259641647339e-01 - <_> - - 2 1 111 -4.8350278288125992e-02 0 -1 112 - 3.1746171414852142e-02 -2 -3 113 1.9233829807490110e-03 - - -3.5335820913314819e-01 4.4076570868492126e-01 - 4.0730631351470947e-01 -5.9592568874359131e-01 - <_> - - 1 0 114 1.3614529743790627e-03 -1 2 115 - -3.6934199742972851e-03 -2 -3 116 -8.5378461517393589e-04 - - -5.5307251214981079e-01 -7.3163098096847534e-01 - 4.3890678882598877e-01 -6.3009172677993774e-02 - <_> - - 0 1 117 -1.0950770229101181e-02 -1 2 118 - -7.2186449542641640e-03 -2 -3 119 1.8548289313912392e-02 - - 3.9263078570365906e-01 2.7225250005722046e-01 - -4.1208618879318237e-01 6.3790637254714966e-01 - <_> - - 1 0 120 1.0859060566872358e-03 -1 2 121 - -6.5618362277746201e-03 -2 -3 122 -6.1777420341968536e-02 - - -5.0857210159301758e-01 3.5386729240417480e-01 - 5.7568281888961792e-01 -2.8477248549461365e-01 - <_> - - 1 0 123 4.9480778397992253e-04 2 -1 124 - 1.1606880463659763e-02 -2 -3 125 -1.6142609529197216e-03 - - -4.9583891034126282e-01 -5.1320201158523560e-01 - 5.2665728330612183e-01 3.0917160212993622e-02 - <_> - - 1 0 126 2.0437680650502443e-03 -1 2 127 - -8.2394909113645554e-03 -2 -3 128 -3.9699211716651917e-02 - - -7.0948588848114014e-01 3.4189811348915100e-01 - 4.7383341193199158e-01 -2.5060850381851196e-01 - <_> - - 1 2 129 -8.0377282574772835e-04 0 -1 130 - -5.4273242130875587e-03 -2 -3 131 -5.2662738598883152e-03 - - -5.1384007930755615e-01 2.9752710461616516e-01 - 1.4577029645442963e-01 -4.6007528901100159e-01 - <_> - - 1 0 132 6.3841522205621004e-04 -1 2 133 - -1.5458120033144951e-03 -2 -3 134 1.1863360414281487e-03 - - -3.6412829160690308e-01 -5.8081609010696411e-01 - 2.9298609495162964e-01 -5.1420718431472778e-01 - <_> - 12 - -1.5415630340576172e+00 - - <_> - - 1 2 135 -2.7745011448860168e-01 0 -1 136 - -3.1200000084936619e-03 -2 -3 137 -8.0280922353267670e-02 - - 8.3265638351440430e-01 1.0233189910650253e-01 - 2.3773579299449921e-01 -6.4546662569046021e-01 - <_> - - 0 1 138 -6.9391548633575439e-02 2 -1 139 - 5.3355181589722633e-03 -2 -3 140 -5.4189618676900864e-02 - - 4.6008241176605225e-01 2.9137989878654480e-01 - 4.7026729583740234e-01 -5.7723402976989746e-01 - <_> - - 1 0 141 1.8562959507107735e-02 -1 2 142 - 4.6305730938911438e-02 -2 -3 143 -8.8262781500816345e-03 - - 7.0555502176284790e-01 -5.2839881181716919e-01 - 4.3953609466552734e-01 -1.3887490332126617e-01 - <_> - - 1 0 144 -2.8772179502993822e-03 -1 2 145 - -2.6457069907337427e-03 -2 -3 146 3.3441530540585518e-03 - - -2.7475830912590027e-01 -5.7746797800064087e-01 - 3.6615240573883057e-01 -6.3586741685867310e-01 - <_> - - 2 1 147 -8.3742372691631317e-02 0 -1 148 - 1.0164769738912582e-01 -2 -3 149 -2.1541758906096220e-03 - - -2.9664519429206848e-01 5.6140047311782837e-01 - -7.5446271896362305e-01 3.9601260423660278e-01 - <_> - - 0 1 150 -1.7133549554273486e-03 2 -1 151 - 1.3899410143494606e-02 -2 -3 152 -2.8498120605945587e-02 - - -7.3741632699966431e-01 4.8247390985488892e-01 - 4.1971048712730408e-01 -2.0021289587020874e-01 - <_> - - 0 1 153 -4.9728769809007645e-03 2 -1 154 - -3.4751880913972855e-02 -2 -3 155 -8.7171117775142193e-04 - - 3.7631350755691528e-01 -4.4797790050506592e-01 - -6.9995099306106567e-01 1.5640909969806671e-01 - <_> - - 0 1 156 -3.3666230738162994e-03 -1 2 157 - -2.1378830075263977e-02 -2 -3 158 -1.1869249865412712e-02 - - -6.7721921205520630e-01 3.3951529860496521e-01 - 5.4050672054290771e-01 -2.4071580171585083e-01 - <_> - - 0 1 159 -4.4268160127103329e-03 2 -1 160 - 4.1405398398637772e-02 -2 -3 161 -3.7884410470724106e-02 - - -7.3965507745742798e-01 8.2905638217926025e-01 - 1.7030739784240723e-01 -2.4498699605464935e-01 - <_> - - 1 0 162 3.7567419349215925e-04 -1 2 163 - -3.7140299100428820e-03 -2 -3 164 -6.1806719750165939e-03 - - -4.5103698968887329e-01 3.8348129391670227e-01 - 3.6097520589828491e-01 -2.0644439756870270e-01 - <_> - - 0 1 165 -1.2373559875413775e-03 -1 2 166 - -2.1339580416679382e-03 -2 -3 167 2.8985869139432907e-03 - - -5.8166879415512085e-01 4.1669690608978271e-01 - -2.4721260368824005e-01 3.5056841373443604e-01 - <_> - - 1 2 168 -4.4636861421167850e-03 0 -1 169 - 1.6411510296165943e-03 -2 -3 170 -7.3051019571721554e-03 - - 3.5625410079956055e-01 -4.1040098667144775e-01 - 2.0216129720211029e-01 -3.4234520792961121e-01 - <_> - 13 - -1.4762729406356812e+00 - - <_> - - 1 2 171 -5.1942609250545502e-02 0 -1 172 - -4.7268528491258621e-02 -2 -3 173 -7.8969672322273254e-03 - - 8.8198930025100708e-01 6.4829237759113312e-02 - 8.8662758469581604e-02 -5.9007811546325684e-01 - <_> - - 1 0 174 9.0199249098077416e-04 2 -1 175 - -1.7289820313453674e-01 -2 -3 176 -2.3374119773507118e-03 - - 5.9040898084640503e-01 -5.2029031515121460e-01 - 5.2981728315353394e-01 -1.4985850453376770e-01 - <_> - - 0 1 177 -1.7534950748085976e-02 -1 2 178 - 5.8875310060102493e-05 -2 -3 179 -3.2241028547286987e-01 - - 5.3269028663635254e-01 -4.5709720253944397e-01 - 5.7380169630050659e-01 -1.2866480648517609e-01 - <_> - - 1 2 180 8.3220787928439677e-05 0 -1 181 - -1.1180160072399303e-04 -2 -3 182 -1.0344980284571648e-02 - - 9.0006209909915924e-02 -5.6352388858795166e-01 - 6.3273417949676514e-01 5.0064269453287125e-02 - <_> - - 0 1 183 -9.4440882094204426e-04 2 -1 184 - -3.7474210839718580e-03 -2 -3 185 4.0574651211500168e-03 - - 4.4386640191078186e-01 -3.4999918937683105e-01 - -4.5298218727111816e-01 3.0920198559761047e-01 - <_> - - 1 2 186 5.5205920943990350e-05 0 -1 187 - -7.5678288936614990e-02 -2 -3 188 -3.0975368618965149e-01 - - 3.5544091463088989e-01 -3.6047360301017761e-01 - -6.4954018592834473e-01 3.0679279565811157e-01 - <_> - - 1 2 189 -7.9595847637392581e-05 0 -1 190 - 4.0613119490444660e-03 -2 -3 191 4.3240871280431747e-02 - - 3.3850470185279846e-01 -5.3271901607513428e-01 - -3.2592329382896423e-01 5.5076271295547485e-01 - <_> - - 0 1 192 -6.7015928216278553e-03 -1 2 193 - -1.0451120324432850e-03 -2 -3 194 8.3967261016368866e-03 - - 5.0109171867370605e-01 -5.8881980180740356e-01 - -9.5237597823143005e-02 5.6516999006271362e-01 - <_> - - 2 1 195 -6.5531006839592010e-05 0 -1 196 - 7.8218057751655579e-05 -2 -3 197 3.2988168299198151e-02 - - -4.6556711196899414e-01 5.4509781301021576e-02 - 3.5248789191246033e-01 -5.2722948789596558e-01 - <_> - - 0 1 198 -1.4161449857056141e-02 2 -1 199 - 3.1500440090894699e-02 -2 -3 200 -2.1956730633974075e-03 - - 3.6811780929565430e-01 5.2040421962738037e-01 - 1.1603529751300812e-01 -3.0985280871391296e-01 - <_> - - 0 1 201 -4.0099889039993286e-02 -1 2 202 - -3.2569639384746552e-02 -2 -3 203 -4.2014168575406075e-03 - - -4.5146378874778748e-01 -6.4392048120498657e-01 - -8.2594501972198486e-01 1.9259540736675262e-01 - <_> - - 2 1 204 2.0385689567774534e-03 0 -1 205 - -1.6212540213018656e-03 -2 -3 206 -8.6220083758234978e-03 - - -3.7723371386528015e-01 3.3918830752372742e-01 - 4.8986920714378357e-01 -2.7532070875167847e-01 - <_> - - 1 0 207 9.2185800895094872e-05 2 -1 208 - -7.1932889113668352e-05 -2 -3 209 4.4952900498174131e-04 - - 2.4223749339580536e-01 -4.2189198732376099e-01 - 2.9407840967178345e-01 -4.4028049707412720e-01 - <_> - 15 - -1.4963719844818115e+00 - - <_> - - 1 2 210 -1.9638450816273689e-02 0 -1 211 - 1.1364299803972244e-01 -2 -3 212 -1.0112149640917778e-02 - - -3.2444450259208679e-01 7.4602019786834717e-01 - 3.3333331346511841e-01 -5.6435650587081909e-01 - <_> - - 1 0 213 1.2130879797041416e-02 2 -1 214 - -1.5958850085735321e-01 -2 -3 215 -2.3524949792772532e-03 - - 7.2214919328689575e-01 -3.9274591207504272e-01 - 5.6152492761611938e-01 -1.3768480718135834e-01 - <_> - - 0 1 216 -4.1118920780718327e-03 -1 2 217 - -1.7832900583744049e-01 -2 -3 218 -7.8500732779502869e-03 - - 6.3556081056594849e-01 3.3373141288757324e-01 - 3.9536771178245544e-01 -3.3380430936813354e-01 - <_> - - 2 1 219 -4.6880490117473528e-05 0 -1 220 - 5.2934719860786572e-05 -2 -3 221 2.0851430235779844e-05 - - -6.6118270158767700e-01 -4.8232190310955048e-02 - -9.8838359117507935e-02 4.4528418779373169e-01 - <_> - - 0 1 222 -1.8425289541482925e-02 -1 2 223 - -7.6133902184665203e-03 -2 -3 224 -6.0353721491992474e-03 - - -6.5690898895263672e-01 5.3413677215576172e-01 - 3.6171048879623413e-01 -2.0478430390357971e-01 - <_> - - 2 1 225 4.3712720071198419e-05 0 -1 226 - -7.8823999501764774e-04 -2 -3 227 -4.5693209394812584e-03 - - -4.5326828956604004e-01 3.5517698526382446e-01 - 6.1721032857894897e-01 -2.9707700014114380e-01 - <_> - - 1 2 228 -3.8058571517467499e-02 0 -1 229 - -1.1797689646482468e-01 -2 -3 230 4.6841651201248169e-03 - - 3.5003998875617981e-01 -2.7257668972015381e-01 - -3.2559171319007874e-01 3.7737470865249634e-01 - <_> - - 1 2 231 -2.6372840511612594e-04 0 -1 232 - 6.2580420635640621e-03 -2 -3 233 5.6767999922158197e-05 - - 3.7421739101409912e-01 -5.8926701545715332e-01 - -4.8859021067619324e-01 -1.8623730167746544e-02 - <_> - - 1 0 234 9.2742107808589935e-03 2 -1 235 - -3.8514519110321999e-03 -2 -3 236 -5.3287498303689063e-05 - - 3.0933541059494019e-01 -3.4513729810714722e-01 - 5.2340328693389893e-01 -9.1159403324127197e-02 - <_> - - 1 0 237 9.8315975628793240e-04 2 -1 238 - 8.2858657697215676e-04 -2 -3 239 1.1229789815843105e-02 - - -5.0185352563858032e-01 -3.0529549717903137e-01 - 2.6219210028648376e-01 -4.7969821095466614e-01 - <_> - - 0 1 240 -1.0327639989554882e-02 -1 2 241 - -6.9197742268443108e-03 -2 -3 242 -5.0027170218527317e-03 - - -5.6315082311630249e-01 3.1225070357322693e-01 - 1.7820779979228973e-01 -3.0091148614883423e-01 - <_> - - 0 1 243 -1.1156810069223866e-04 -1 2 244 - 4.2464961297810078e-03 -2 -3 245 -4.7280951548600569e-05 - - 1.8883679807186127e-01 -4.0101578831672668e-01 - 4.6505901217460632e-01 -2.9863640666007996e-01 - <_> - - 0 1 246 -1.8891280051320791e-03 -1 2 247 - -5.8536308642942458e-05 -2 -3 248 2.0671950551331975e-05 - - 5.6963747739791870e-01 1.8008249998092651e-01 - -5.8659601211547852e-01 -5.4875258356332779e-03 - <_> - - 0 1 249 -1.1267509544268250e-03 2 -1 250 - 2.1378440782427788e-02 -2 -3 251 -1.2546040117740631e-02 - - -4.0261599421501160e-01 3.9230358600616455e-01 - 4.9474561214447021e-01 -1.7322529852390289e-01 - <_> - - 0 1 252 -7.2257901774719357e-04 2 -1 253 - 6.4563672058284283e-03 -2 -3 254 4.9086650833487511e-03 - - -3.0380329489707947e-01 4.7173491120338440e-01 - -1.6380549967288971e-01 3.7708491086959839e-01 - <_> - 19 - -1.5243699550628662e+00 - - <_> - - 2 1 255 -7.2617560625076294e-02 0 -1 256 - -6.9059380330145359e-03 -2 -3 257 2.1727949380874634e-01 - - 2.6602798700332642e-01 -4.9325171113014221e-01 - -1.0769230127334595e-01 8.2661122083663940e-01 - <_> - - 1 2 258 -2.0319509785622358e-03 0 -1 259 - 2.8931589797139168e-02 -2 -3 260 -4.6076569706201553e-03 - - -3.7963140755891800e-02 8.0230438709259033e-01 - 4.2468398809432983e-01 -2.9379379749298096e-01 - <_> - - 1 2 261 6.9408868439495564e-03 0 -1 262 - -5.9231962077319622e-03 -2 -3 263 5.1128160208463669e-02 - - 4.1737049818038940e-01 -2.5552588701248169e-01 - -3.8619861006736755e-01 4.7076860070228577e-01 - <_> - - 1 0 264 1.5201330184936523e-02 -1 2 265 - -1.8096340820193291e-02 -2 -3 266 7.9378951340913773e-05 - - 5.4354798793792725e-01 2.6651141047477722e-01 - -4.3927749991416931e-01 2.5831260718405247e-03 - <_> - - 0 1 267 -5.3462558425962925e-03 -1 2 268 - -6.9701080210506916e-03 -2 -3 269 8.4738981968257576e-05 - - -6.6308969259262085e-01 -7.0310682058334351e-01 - -1.7880809307098389e-01 2.5993299484252930e-01 - <_> - - 0 1 270 -2.8513800352811813e-03 2 -1 271 - 2.2954840678721666e-03 -2 -3 272 -3.5036220215260983e-03 - - 4.5053678750991821e-01 3.0560511350631714e-01 - 1.5040870010852814e-01 -3.3283078670501709e-01 - <_> - - 1 2 273 -6.9570228457450867e-02 0 -1 274 - 5.9261121350573376e-05 -2 -3 275 -5.9058349579572678e-02 - - -3.6899719387292862e-02 4.0927308797836304e-01 - 1.3826370239257812e-01 -3.8214409351348877e-01 - <_> - - 0 1 276 -8.9645627886056900e-03 -1 2 277 - 4.9211819714400917e-05 -2 -3 278 9.9640293046832085e-03 - - -5.8134728670120239e-01 -1.8481740355491638e-01 - 8.7685473263263702e-02 5.8509802818298340e-01 - <_> - - 0 1 279 -1.9302699714899063e-02 -1 2 280 - -4.3869198998436332e-04 -2 -3 281 6.5669846662785858e-05 - - 5.3263461589813232e-01 2.8891131281852722e-01 - -3.3493599295616150e-01 5.9566751122474670e-02 - <_> - - 0 1 282 -2.0224519073963165e-02 -1 2 283 - 8.7082196841947734e-05 -2 -3 284 -1.6202719882130623e-02 - - -6.5536081790924072e-01 -1.2211789935827255e-01 - -4.7076839208602905e-01 3.0990770459175110e-01 - <_> - - 1 0 285 4.4353529810905457e-03 -1 2 286 - -9.0544822160154581e-04 -2 -3 287 -1.4297979651018977e-03 - - -5.4039931297302246e-01 4.2878800630569458e-01 - 2.2322739660739899e-01 -1.8194420635700226e-01 - <_> - - 1 2 288 3.2359519973397255e-03 0 -1 289 - 1.0716189717641100e-04 -2 -3 290 -5.8802281273528934e-04 - - -2.9218220710754395e-01 1.3910460472106934e-01 - -4.6926081180572510e-01 3.8085499405860901e-01 - <_> - - 0 1 291 -9.0546347200870514e-03 -1 2 292 - -8.6048766970634460e-03 -2 -3 293 -1.2719300575554371e-03 - - -5.0426542758941650e-01 -2.7559030055999756e-01 - 3.6022108793258667e-01 -2.6484970003366470e-02 - <_> - - 0 1 294 -3.9098240085877478e-04 -1 2 295 - -3.6405251012183726e-04 -2 -3 296 -6.6685711499303579e-04 - - 2.6651731133460999e-01 1.4721649885177612e-01 - -4.9719738960266113e-01 -6.1579849570989609e-02 - <_> - - 0 1 297 -2.4845570325851440e-02 -1 2 298 - -1.5436399728059769e-02 -2 -3 299 -5.6572312116622925e-01 - - -7.0820981264114380e-01 -4.7206890583038330e-01 - 6.3965231180191040e-01 5.2069328725337982e-02 - <_> - - 0 1 300 -5.7480141520500183e-02 -1 2 301 - -1.4613820239901543e-02 -2 -3 302 -3.3993738889694214e-01 - - 2.9297390580177307e-01 6.0129672288894653e-01 - 1.9041299819946289e-02 -3.3254599571228027e-01 - <_> - - 2 1 303 -3.1427140347659588e-03 0 -1 304 - 2.1966299973428249e-03 -2 -3 305 -2.4858590215444565e-02 - - -2.2972729802131653e-01 2.2367340326309204e-01 - -5.6212967634201050e-01 3.9542859792709351e-01 - <_> - - 0 1 306 -1.6135630430653691e-03 2 -1 307 - 1.1416019697207958e-04 -2 -3 308 1.3170539750717580e-04 - - -4.8256790637969971e-01 2.6877319812774658e-01 - -3.9078921079635620e-01 1.7153440415859222e-01 - <_> - - 0 1 309 -8.5256207967177033e-05 -1 2 310 - 6.4925159676931798e-05 -2 -3 311 -1.2689639814198017e-02 - - 2.1754570305347443e-01 -4.7468620538711548e-01 - -6.6538578271865845e-01 1.2347090244293213e-01 - <_> - 27 - -1.3592849969863892e+00 - - <_> - - 2 1 312 -2.9844639822840691e-02 0 -1 313 - -4.5487660169601440e-01 -2 -3 314 2.7445149607956409e-03 - - 3.9222040772438049e-01 -3.9314880967140198e-01 - -1.5923570096492767e-01 8.2696700096130371e-01 - <_> - - 2 1 315 -1.0584670118987560e-02 0 -1 316 - -1.6308380290865898e-02 -2 -3 317 -4.8787441104650497e-02 - - 4.5954689383506775e-01 -2.1620120108127594e-01 - 7.5103652477264404e-01 7.4557967483997345e-02 - <_> - - 1 0 318 -2.9621229041367769e-03 2 -1 319 - 1.7300529405474663e-02 -2 -3 320 -1.6731169074773788e-02 - - -2.4452270567417145e-01 -3.3090409636497498e-01 - 5.3751850128173828e-01 2.9153820127248764e-02 - <_> - - 1 0 321 1.2326180003583431e-02 -1 2 322 - 5.4928299039602280e-02 -2 -3 323 2.7763319667428732e-03 - - -5.4824811220169067e-01 -2.1952770650386810e-01 - 3.6463689059019089e-02 5.0633782148361206e-01 - <_> - - 0 1 324 -4.5116998255252838e-02 2 -1 325 - 1.1207940056920052e-02 -2 -3 326 -5.7006389833986759e-03 - - 4.2339310050010681e-01 3.9984008669853210e-01 - -5.9729182720184326e-01 -9.8557651042938232e-02 - <_> - - 1 2 327 -5.3951311856508255e-03 0 -1 328 - 7.8587066382169724e-03 -2 -3 329 1.0666639544069767e-02 - - 3.4734690189361572e-01 -4.7281920909881592e-01 - -2.3315669596195221e-01 2.4360010027885437e-01 - <_> - - 2 1 330 2.8001810424029827e-03 0 -1 331 - -7.9198479652404785e-03 -2 -3 332 -2.3832279257476330e-03 - - -4.8354551196098328e-01 1.8321120738983154e-01 - 3.2168481498956680e-02 -5.0476258993148804e-01 - <_> - - 0 1 333 -9.7674019634723663e-03 -1 2 334 - -1.3897259719669819e-02 -2 -3 335 -6.4803068526089191e-03 - - -7.4415212869644165e-01 4.5425128936767578e-01 - 4.8292869329452515e-01 -1.0258570313453674e-01 - <_> - - 1 0 336 9.4482619315385818e-03 -1 2 337 - -7.0351187605410814e-04 -2 -3 338 -4.2770579457283020e-03 - - -5.3326022624969482e-01 2.9435831308364868e-01 - 1.5501999855041504e-01 -3.0867969989776611e-01 - <_> - - 1 0 339 5.8752358891069889e-03 2 -1 340 - 9.5629561692476273e-03 -2 -3 341 -6.8425266363192350e-05 - - -6.0491317510604858e-01 4.4039881229400635e-01 - 1.0206270217895508e-01 -2.5624030828475952e-01 - <_> - - 1 0 342 5.4002371616661549e-03 2 -1 343 - 2.9745819047093391e-03 -2 -3 344 -2.5536341127008200e-03 - - 4.5371580123901367e-01 -6.0967987775802612e-01 - 2.2111609578132629e-01 -1.2801170349121094e-01 - <_> - - 0 1 345 4.0425839833915234e-03 2 -1 346 - 7.6407291926443577e-03 -2 -3 347 -1.0939979692921042e-03 - - -1.9264020025730133e-01 6.1178821325302124e-01 - -3.7973681092262268e-01 1.6438940167427063e-01 - <_> - - 1 2 348 -1.1377089685993269e-04 0 -1 349 - 5.2979402244091034e-03 -2 -3 350 2.9510098975151777e-03 - - -2.7770480141043663e-02 4.3019628524780273e-01 - -3.7912338972091675e-01 1.0130850225687027e-01 - <_> - - 1 0 351 6.3235480338335037e-03 -1 2 352 - 3.9955950342118740e-03 -2 -3 353 -5.3595582721754909e-04 - - 4.0413460135459900e-01 -1.5097740292549133e-01 - 5.9522801637649536e-01 -3.4380171447992325e-02 - <_> - - 1 0 354 3.6193430423736572e-03 2 -1 355 - 3.4626820124685764e-03 -2 -3 356 2.9030859470367432e-02 - - -7.4454522132873535e-01 2.8504610061645508e-01 - -1.8565440177917480e-01 1.5829989314079285e-01 - <_> - - 1 0 357 6.0747697716578841e-04 2 -1 358 - 9.4140451401472092e-03 -2 -3 359 -2.2230610251426697e-02 - - -3.3788970112800598e-01 -3.6750578880310059e-01 - -6.4205718040466309e-01 1.7526410520076752e-01 - <_> - - 2 1 360 -4.6881791204214096e-03 0 -1 361 - -3.9184167981147766e-03 -2 -3 362 -6.3269808888435364e-03 - - 1.6476869583129883e-01 -2.2729560732841492e-01 - 5.7388627529144287e-01 5.7931281626224518e-02 - <_> - - 0 1 363 -3.7428940413519740e-04 2 -1 364 - 2.8672320768237114e-03 -2 -3 365 2.4337199283763766e-04 - - -3.5288140177726746e-01 -4.1419389843940735e-01 - 2.0027640461921692e-01 -2.8263148665428162e-01 - <_> - - 0 1 366 -9.1555183753371239e-03 -1 2 367 - -1.2892490485683084e-03 -2 -3 368 -1.6453899443149567e-03 - - -5.4508739709854126e-01 2.5321239233016968e-01 - 1.7635670304298401e-01 -2.3053619265556335e-01 - <_> - - 0 1 369 -7.6485536992549896e-02 2 -1 370 - 3.8297360879369080e-04 -2 -3 371 -2.6448920834809542e-04 - - -7.0480287075042725e-01 2.2375050187110901e-01 - 1.4251540601253510e-01 -2.4608950316905975e-01 - <_> - - 0 1 372 -7.9496540129184723e-03 -1 2 373 - -7.7398279681801796e-03 -2 -3 374 -1.0467980057001114e-02 - - -4.2123699188232422e-01 -4.6475729346275330e-01 - -4.7312980890274048e-01 1.3598929345607758e-01 - <_> - - 1 0 375 9.4248689711093903e-03 2 -1 376 - -3.7210211157798767e-03 -2 -3 377 -1.6539100557565689e-02 - - 3.5587531328201294e-01 -1.5899239480495453e-01 - -6.1142671108245850e-01 3.3778318762779236e-01 - <_> - - 1 0 378 1.8258139491081238e-02 -1 2 379 - -6.1498139984905720e-03 -2 -3 380 1.4396630227565765e-02 - - -7.0120972394943237e-01 3.8414189219474792e-01 - 2.2873559966683388e-02 -4.8029011487960815e-01 - <_> - - 1 0 381 -4.8927508294582367e-02 -1 2 382 - -4.9874751130118966e-04 -2 -3 383 -1.2338399887084961e-02 - - -1.2219530344009399e-01 4.4899681210517883e-01 - 5.8306622505187988e-01 -1.5592460334300995e-01 - <_> - - 1 0 384 4.9237860366702080e-03 -1 2 385 - 6.4515617850702256e-05 -2 -3 386 -9.0754460543394089e-03 - - 5.7889437675476074e-01 -2.2252050042152405e-01 - 2.5118181109428406e-01 -1.1915980279445648e-01 - <_> - - 0 1 387 -2.2913129068911076e-03 2 -1 388 - -1.1618229560554028e-02 -2 -3 389 -2.6231290772557259e-02 - - 2.0203049480915070e-01 -2.4990449845790863e-01 - -7.2858989238739014e-01 2.2483369708061218e-01 - <_> - - 1 0 390 2.1525719785131514e-04 2 -1 391 - 5.4147760383784771e-03 -2 -3 392 -6.8281739950180054e-03 - - -3.0237621068954468e-01 -3.4467801451683044e-01 - -5.1470118761062622e-01 1.8762029707431793e-01 - <_> - 29 - -1.3664239645004272e+00 - - <_> - - 1 2 393 8.8577903807163239e-03 0 -1 394 - 2.2660400718450546e-03 -2 -3 395 1.5509200282394886e-02 - - -3.6197811365127563e-01 3.4535628557205200e-01 - -2.2814500331878662e-01 8.0521601438522339e-01 - <_> - - 1 2 396 1.9730629399418831e-02 0 -1 397 - -5.2804131060838699e-02 -2 -3 398 -3.4123551100492477e-02 - - 2.2162230312824249e-01 -2.6307260990142822e-01 - 8.7687742710113525e-01 1.5147949755191803e-01 - <_> - - 0 1 399 -4.4995918869972229e-03 -1 2 400 - -3.8060150109231472e-03 -2 -3 401 -6.5935899328906089e-05 - - -5.1520478725433350e-01 3.1563198566436768e-01 - 1.1052650213241577e-01 -3.0016160011291504e-01 - <_> - - 1 0 402 9.5838904380798340e-03 2 -1 403 - 4.2877299711108208e-03 -2 -3 404 3.2141651026904583e-03 - - 5.2808177471160889e-01 -6.3694041967391968e-01 - 3.5910170525312424e-02 -5.4334390163421631e-01 - <_> - - 0 1 405 -7.9250690760090947e-04 2 -1 406 - -1.5514569822698832e-03 -2 -3 407 -1.7790550366044044e-02 - - -4.7867339849472046e-01 -9.1462276875972748e-02 - 4.5612779259681702e-01 1.0628259740769863e-02 - <_> - - 2 1 408 -2.5881261099129915e-03 0 -1 409 - -2.7412150520831347e-03 -2 -3 410 4.4753181282430887e-04 - - 1.6198949515819550e-01 -2.9113239049911499e-01 - -2.8482219576835632e-01 3.3902090787887573e-01 - <_> - - 0 1 411 -3.6593680270016193e-03 2 -1 412 - 2.4432500358670950e-03 -2 -3 413 -1.3546410016715527e-02 - - -5.1089602708816528e-01 -3.2154849171638489e-01 - 2.7356979250907898e-01 -1.2062689661979675e-01 - <_> - - 1 0 414 1.1241570115089417e-01 -1 2 415 - -4.5845299027860165e-03 -2 -3 416 6.3416222110390663e-03 - - 3.6505278944969177e-01 4.4773998856544495e-01 - -9.7543753683567047e-02 -6.1698240041732788e-01 - <_> - - 2 1 417 -9.1398190706968307e-03 0 -1 418 - -8.2371473312377930e-02 -2 -3 419 3.1728888861835003e-03 - - 6.1478227376937866e-01 -1.7612460255622864e-01 - 2.7462399005889893e-01 -5.3833961486816406e-01 - <_> - - 2 1 420 8.2914117956534028e-04 0 -1 421 - -1.7079230397939682e-02 -2 -3 422 -4.8665981739759445e-03 - - -4.3669781088829041e-01 1.7935889959335327e-01 - -6.2017709016799927e-02 -5.9141248464584351e-01 - <_> - - 0 1 423 -3.3614661078900099e-03 -1 2 424 - -4.4482201337814331e-02 -2 -3 425 -1.8765870481729507e-03 - - -4.3437281250953674e-01 -6.8157917261123657e-01 - -6.8667972087860107e-01 1.1657930165529251e-01 - <_> - - 1 0 426 2.3192320019006729e-02 -1 2 427 - -4.5041430741548538e-02 -2 -3 428 2.3778830654919147e-03 - - 4.0776708722114563e-01 3.7137511372566223e-01 - -7.1181386709213257e-02 -5.3898727893829346e-01 - <_> - - 1 2 429 -1.3468379620462656e-03 0 -1 430 - 4.3169260025024414e-03 -2 -3 431 4.5682261697947979e-03 - - 2.3184180259704590e-01 -3.8448938727378845e-01 - -2.4857190251350403e-01 1.2519669532775879e-01 - <_> - - 1 0 432 1.1057799682021141e-02 -1 2 433 - -6.6700251772999763e-04 -2 -3 434 4.8536141548538581e-05 - - -3.8228470087051392e-01 -2.7387779951095581e-01 - -2.9664589092135429e-02 2.8385889530181885e-01 - <_> - - 2 1 435 -3.9972390979528427e-02 0 -1 436 - -1.6880780458450317e-02 -2 -3 437 -5.6082051247358322e-02 - - 6.3570600748062134e-01 -1.9189420342445374e-01 - -9.0092360973358154e-01 1.9145509600639343e-01 - <_> - - 1 0 438 3.4141261130571365e-03 2 -1 439 - 9.1075859963893890e-03 -2 -3 440 -1.3897320022806525e-03 - - 4.2132571339607239e-01 5.5071562528610229e-01 - -5.0447541475296021e-01 -4.0802270174026489e-02 - <_> - - 2 1 441 1.7231719568371773e-02 0 -1 442 - -2.0052720792591572e-03 -2 -3 443 3.5111181205138564e-04 - - -3.1567269563674927e-01 5.5168247222900391e-01 - 5.6736338883638382e-02 -2.6553949713706970e-01 - <_> - - 0 1 444 -2.0616729743778706e-03 -1 2 445 - -1.0434100404381752e-03 -2 -3 446 2.0041360985487700e-03 - - -4.9637660384178162e-01 2.5625479221343994e-01 - -2.3637770116329193e-01 1.2562820315361023e-01 - <_> - - 0 1 447 -4.6680038794875145e-03 2 -1 448 - 1.0352090001106262e-02 -2 -3 449 2.9808359686285257e-03 - - -5.1331508159637451e-01 3.5214298963546753e-01 - -1.6628879308700562e-01 1.6649410128593445e-01 - <_> - - 1 0 450 1.0835190303623676e-02 -1 2 451 - -3.8211939390748739e-03 -2 -3 452 -3.4161040093749762e-03 - - -3.8929209113121033e-01 3.5466459393501282e-01 - -4.5814520120620728e-01 4.5853018760681152e-02 - <_> - - 2 1 453 -5.8807642199099064e-03 0 -1 454 - -3.4913890063762665e-02 -2 -3 455 4.8959217965602875e-03 - - 1.0240379720926285e-01 -2.5945249199867249e-01 - 2.6778548955917358e-01 -4.8959800601005554e-01 - <_> - - 1 0 456 5.8120768517255783e-03 -1 2 457 - 3.5575949586927891e-03 -2 -3 458 2.5241500698029995e-03 - - 3.0377060174942017e-01 -1.8064819276332855e-01 - 4.1480910778045654e-01 -1.9794499874114990e-01 - <_> - - 1 0 459 1.5492970123887062e-02 2 -1 460 - 2.3261269961949438e-04 -2 -3 461 -2.1607619710266590e-03 - - 4.7802209854125977e-01 -3.0891039967536926e-01 - -4.0223160386085510e-01 1.1098849773406982e-01 - <_> - - 1 0 462 3.5326189827173948e-03 -1 2 463 - -3.3474999945610762e-03 -2 -3 464 2.9168210923671722e-02 - - 2.2489060461521149e-01 1.6631869971752167e-01 - -7.4026778340339661e-02 -4.5744699239730835e-01 - <_> - - 0 1 465 -1.6242500394582748e-02 -1 2 466 - -7.5024510733783245e-03 -2 -3 467 1.7816389445215464e-03 - - -4.3497189879417419e-01 1.6646090149879456e-01 - -3.9155849814414978e-01 8.0571353435516357e-02 - <_> - - 2 1 468 -7.2545823059044778e-05 0 -1 469 - 6.1626458773389459e-05 -2 -3 470 -4.3781189015135169e-04 - - -4.1679731011390686e-01 6.0808397829532623e-03 - 3.1920549273490906e-01 -7.7506266534328461e-02 - <_> - - 1 2 471 -3.0576970311813056e-04 0 -1 472 - -1.3107899576425552e-02 -2 -3 473 -7.4203108670189977e-04 - - -3.6462840437889099e-01 2.2391660511493683e-01 - 6.8343617022037506e-02 -2.9597601294517517e-01 - <_> - - 0 1 474 -7.7575328759849072e-03 2 -1 475 - 3.0043099541217089e-03 -2 -3 476 -5.8561760932207108e-02 - - 4.5748728513717651e-01 1.8059000372886658e-01 - 2.6555559039115906e-01 -2.0381399989128113e-01 - <_> - - 0 1 477 -2.5295289233326912e-02 -1 2 478 - -4.9810659140348434e-02 -2 -3 479 -2.4564980994910002e-03 - - -5.8704811334609985e-01 -8.4442830085754395e-01 - 4.4017440080642700e-01 3.7946549709886312e-03 - <_> - 25 - -1.3621879816055298e+00 - - <_> - - 2 1 480 -2.3795999586582184e-02 0 -1 481 - -4.2916718870401382e-02 -2 -3 482 -9.9466904066503048e-04 - - 2.1881549619138241e-03 -4.9640420079231262e-01 - 8.3718097209930420e-01 -3.0279759317636490e-02 - <_> - - 0 1 483 1.3895650394260883e-02 2 -1 484 - -2.2832138929516077e-03 -2 -3 485 -4.8447579145431519e-01 - - -3.9495769143104553e-01 -3.8689300417900085e-02 - 8.3933347463607788e-01 2.3111909627914429e-01 - <_> - - 0 1 486 -7.3761418461799622e-03 2 -1 487 - 3.3793840557336807e-03 -2 -3 488 -3.3415269106626511e-02 - - 2.3094999790191650e-01 9.1608531773090363e-02 - 1.1462929844856262e-01 -5.4809182882308960e-01 - <_> - - 0 1 489 -7.6022851280868053e-03 2 -1 490 - 7.6229616999626160e-02 -2 -3 491 -3.7729479372501373e-03 - - -5.7959568500518799e-01 3.4666779637336731e-01 - 1.1899670213460922e-01 -2.7983540296554565e-01 - <_> - - 2 1 492 -4.2590490193106234e-04 0 -1 493 - -9.4475867226719856e-03 -2 -3 494 -8.0220031738281250e-01 - - 1.4403289556503296e-01 -2.8053888678550720e-01 - 6.6430008411407471e-01 5.4834768176078796e-02 - <_> - - 0 1 495 -2.8851430397480726e-03 -1 2 496 - -1.2341480469331145e-03 -2 -3 497 4.8669218813301995e-05 - - -3.8836699724197388e-01 -3.6734551191329956e-01 - -7.8982323408126831e-02 3.0184748768806458e-01 - <_> - - 0 1 498 -1.6491800546646118e-01 -1 2 499 - 1.0784890037029982e-03 -2 -3 500 -2.8511860873550177e-03 - - 3.8886231184005737e-01 -2.4477399885654449e-01 - 4.5753139257431030e-01 -5.3499769419431686e-02 - <_> - - 2 1 501 -3.2212301157414913e-03 0 -1 502 - 3.4995030146092176e-03 -2 -3 503 -1.0098779574036598e-02 - - -2.4303850531578064e-01 1.5881340205669403e-01 - -5.5816608667373657e-01 3.2196229696273804e-01 - <_> - - 0 1 504 -6.6468201112002134e-04 -1 2 505 - -3.6263898946344852e-03 -2 -3 506 -7.6791420578956604e-02 - - 2.4572889506816864e-01 1.8094339966773987e-01 - 2.6634529232978821e-01 -3.5051029920578003e-01 - <_> - - 0 1 507 -2.7685859240591526e-03 2 -1 508 - 2.5676529854536057e-02 -2 -3 509 -4.6753739006817341e-03 - - -4.3504360318183899e-01 -3.5143280029296875e-01 - 4.1049909591674805e-01 3.3144820481538773e-02 - <_> - - 1 0 510 6.7022559233009815e-03 -1 2 511 - 1.6208000481128693e-02 -2 -3 512 -1.1024869978427887e-02 - - -4.9738308787345886e-01 -1.7945469915866852e-01 - 4.0457150340080261e-01 -4.3077580630779266e-02 - <_> - - 2 1 513 7.7911361586302519e-04 0 -1 514 - -1.8139690160751343e-01 -2 -3 515 -1.2972550466656685e-03 - - 5.1866638660430908e-01 -7.5364969670772552e-02 - -5.0643932819366455e-01 -1.7226299270987511e-02 - <_> - - 1 0 516 2.0431660115718842e-02 2 -1 517 - 1.6622639959678054e-03 -2 -3 518 -2.7155179996043444e-03 - - -7.0584601163864136e-01 -4.5102250576019287e-01 - -4.4598218798637390e-01 1.3886100053787231e-01 - <_> - - 0 1 519 4.2074210796272382e-05 2 -1 520 - 9.3489577993750572e-03 -2 -3 521 -1.3226609677076340e-02 - - -2.2170229256153107e-01 -4.6554449200630188e-01 - 5.4859870672225952e-01 6.7970179021358490e-02 - <_> - - 0 1 522 -1.5071720117703080e-03 2 -1 523 - 8.7646767497062683e-03 -2 -3 524 -1.0542649775743484e-02 - - 4.6481129527091980e-01 2.7992910146713257e-01 - 2.1239709854125977e-01 -2.2514510154724121e-01 - <_> - - 0 1 525 -6.4357798546552658e-03 2 -1 526 - 7.8919027000665665e-03 -2 -3 527 -7.8666176705155522e-05 - - -4.1811630129814148e-01 -6.2211698293685913e-01 - 2.7184090018272400e-01 -4.2934559285640717e-02 - <_> - - 1 0 528 8.2855960354208946e-03 2 -1 529 - 5.4834279580973089e-05 -2 -3 530 2.4197530001401901e-03 - - 3.4669309854507446e-01 7.2008788585662842e-02 - -3.7774428725242615e-01 1.7871029675006866e-01 - <_> - - 2 1 531 -6.7930121440440416e-04 0 -1 532 - -5.6035388261079788e-03 -2 -3 533 8.4534510970115662e-03 - - 1.6817240417003632e-01 -2.7659809589385986e-01 - 6.9586731493473053e-02 6.7284989356994629e-01 - <_> - - 1 0 534 4.4707441702485085e-03 -1 2 535 - -9.1664772480726242e-03 -2 -3 536 -7.1168012917041779e-02 - - -4.2183759808540344e-01 3.6319440603256226e-01 - -5.9520107507705688e-01 2.3322079330682755e-02 - <_> - - 1 2 537 -3.6344379186630249e-03 0 -1 538 - -5.8278841897845268e-03 -2 -3 539 -2.5245670694857836e-03 - - -3.5108420252799988e-01 2.7366310358047485e-01 - 1.4989720284938812e-01 -2.4933290481567383e-01 - <_> - - 1 0 540 5.6592230685055256e-03 2 -1 541 - 4.0714079514145851e-03 -2 -3 542 -1.1921550147235394e-02 - - -3.4733161330223083e-01 -4.7359859943389893e-01 - -4.0016528964042664e-01 1.5767680108547211e-01 - <_> - - 1 2 543 9.8874024115502834e-04 0 -1 544 - 1.4633700484409928e-03 -2 -3 545 -7.6617081649601460e-03 - - 2.1033559739589691e-01 -1.5317709743976593e-01 - 2.3481769859790802e-01 -3.7187078595161438e-01 - <_> - - 2 1 546 -1.7770569771528244e-02 0 -1 547 - 8.8388901203870773e-03 -2 -3 548 -1.0058529675006866e-02 - - -1.6414129734039307e-01 4.8245888948440552e-01 - -5.4388159513473511e-01 2.8127178549766541e-01 - <_> - - 1 0 549 2.8392190579324961e-03 -1 2 550 - -7.8546267468482256e-04 -2 -3 551 4.2725168896140531e-05 - - -3.8577800989151001e-01 -3.2860949635505676e-01 - -4.6654768288135529e-02 2.7741169929504395e-01 - <_> - - 1 0 552 5.1506902091205120e-03 -1 2 553 - -8.3640925586223602e-03 -2 -3 554 -8.8340323418378830e-03 - - 2.7348038554191589e-01 1.4315670728683472e-01 - 5.4049361497163773e-02 -3.6266559362411499e-01 - <_> - 16 - -1.3905019760131836e+00 - - <_> - - 1 2 555 1.7114889621734619e-01 0 -1 556 - 3.2740959431976080e-03 -2 -3 557 4.8062200658023357e-03 - - -5.5645358562469482e-01 5.5018130689859390e-02 - 1.1190200224518776e-02 7.9551488161087036e-01 - <_> - - 2 1 558 1.8143800552934408e-03 0 -1 559 - -4.2795971035957336e-01 -2 -3 560 -6.3261981122195721e-03 - - 5.8408319950103760e-01 -1.3940179720520973e-02 - 1.6659989953041077e-01 -5.0161522626876831e-01 - <_> - - 1 2 561 1.0702019557356834e-02 0 -1 562 - 7.3792198672890663e-03 -2 -3 563 4.8895571380853653e-03 - - -4.0653520822525024e-01 1.2877050042152405e-01 - 4.3990871310234070e-01 -7.8997397422790527e-01 - <_> - - 1 2 564 1.0012320242822170e-02 0 -1 565 - 3.4356310963630676e-01 -2 -3 566 -7.2859530337154865e-03 - - -2.5616368651390076e-01 4.6377441287040710e-01 - 5.8014488220214844e-01 -5.4609451442956924e-02 - <_> - - 0 1 567 -1.5099609736353159e-03 2 -1 568 - 2.9597719549201429e-04 -2 -3 569 1.0984730033669621e-04 - - -6.4054518938064575e-01 3.8956710696220398e-01 - -3.4113371372222900e-01 1.1111719906330109e-01 - <_> - - 0 1 570 -3.2580990809947252e-03 -1 2 571 - -3.8750080857425928e-03 -2 -3 572 1.4542469754815102e-02 - - -7.3414462804794312e-01 -6.3508582115173340e-01 - 1.7632520198822021e-01 -6.6695272922515869e-01 - <_> - - 1 0 573 2.6616070419549942e-02 2 -1 574 - 5.2236141636967659e-03 -2 -3 575 5.8677811175584793e-03 - - -7.5831902027130127e-01 -6.2622100114822388e-01 - -3.1810950487852097e-02 4.1031879186630249e-01 - <_> - - 2 1 576 -1.0499180061742663e-03 0 -1 577 - 2.3986180312931538e-03 -2 -3 578 1.1009530164301395e-02 - - -5.2936470508575439e-01 2.2620279341936111e-02 - 3.0528450012207031e-01 -7.4659830331802368e-01 - <_> - - 0 1 579 -2.3957889527082443e-02 -1 2 580 - -3.6849190946668386e-03 -2 -3 581 3.4864700865000486e-03 - - -5.8027571439743042e-01 3.0985590815544128e-01 - -3.1498908996582031e-01 1.3219730556011200e-01 - <_> - - 0 1 582 -1.9150340557098389e-01 -1 2 583 - -8.0496361479163170e-03 -2 -3 584 1.2236339971423149e-02 - - 4.3646478652954102e-01 1.7165799438953400e-01 - -3.6382019519805908e-01 2.3967529833316803e-01 - <_> - - 0 1 585 -2.0347100216895342e-03 -1 2 586 - -5.5528031662106514e-03 -2 -3 587 -3.2379259355366230e-03 - - -5.9768581390380859e-01 -5.4164600372314453e-01 - -5.3870290517807007e-01 1.8444229662418365e-01 - <_> - - 1 0 588 9.0606305748224258e-03 -1 2 589 - -4.1239038109779358e-03 -2 -3 590 3.5246899351477623e-03 - - 3.1039738655090332e-01 1.8052390217781067e-01 - -4.7347640991210938e-01 1.5349459834396839e-02 - <_> - - 1 0 591 5.2378959953784943e-03 -1 2 592 - -9.4280708581209183e-03 -2 -3 593 -7.9351589083671570e-03 - - -4.5859739184379578e-01 -6.3323330879211426e-01 - -6.1539369821548462e-01 1.6920439898967743e-01 - <_> - - 0 1 594 -7.7211041934788227e-03 2 -1 595 - 9.0800300240516663e-03 -2 -3 596 -4.3125250376760960e-03 - - -6.5861612558364868e-01 -7.1446138620376587e-01 - 3.4336578845977783e-01 -4.6265859156847000e-02 - <_> - - 1 0 597 2.3179050534963608e-02 -1 2 598 - -2.1390080451965332e-02 -2 -3 599 -2.3761409521102905e-01 - - 3.6338710784912109e-01 1.8276840448379517e-01 - 6.1675137281417847e-01 -3.4261471033096313e-01 - <_> - - 1 0 600 2.1705040708184242e-03 -1 2 601 - 7.8210679930634797e-05 -2 -3 602 5.5145919322967529e-03 - - 3.0056789517402649e-01 -3.4116759896278381e-01 - 2.3386859893798828e-01 -4.2150521278381348e-01 - <_> - 25 - -1.3378640413284302e+00 - - <_> - - 1 2 603 -2.2743379697203636e-02 0 -1 604 - 1.8450849456712604e-03 -2 -3 605 1.3338179886341095e-01 - - -8.9552268385887146e-02 7.4778342247009277e-01 - -4.4504231214523315e-01 -1.7580920830368996e-02 - <_> - - 0 1 606 6.3608489930629730e-02 -1 2 607 - -2.5199958682060242e-01 -2 -3 608 -1.2144230306148529e-01 - - -3.7739220261573792e-01 4.9088031053543091e-01 - 6.3825917243957520e-01 -1.1822170019149780e-01 - <_> - - 1 0 609 2.6287150103598833e-03 2 -1 610 - 3.0568530783057213e-03 -2 -3 611 8.1901780504267663e-05 - - -4.6926748752593994e-01 -6.5101218223571777e-01 - -1.1639259755611420e-01 3.0188819766044617e-01 - <_> - - 1 0 612 -1.6189720481634140e-03 2 -1 613 - 1.8283469835296273e-03 -2 -3 614 -3.9073298685252666e-03 - - -2.0891909301280975e-01 -1.9859300553798676e-01 - -3.4454259276390076e-01 3.7140819430351257e-01 - <_> - - 0 1 615 8.3928240928798914e-04 2 -1 616 - 3.7175789475440979e-03 -2 -3 617 5.1694628782570362e-03 - - -1.5356570482254028e-01 -5.0904238224029541e-01 - 3.5618001222610474e-01 -5.5773228406906128e-01 - <_> - - 1 0 618 2.5797619018703699e-03 -1 2 619 - -6.0318140313029289e-03 -2 -3 620 6.4257727935910225e-03 - - -4.2096439003944397e-01 -4.3999868631362915e-01 - 1.8873579800128937e-01 -4.5191749930381775e-01 - <_> - - 1 0 621 3.4354510717093945e-03 2 -1 622 - 2.3672808893024921e-03 -2 -3 623 -2.0294289570301771e-03 - - 2.7395468950271606e-01 2.3808500170707703e-01 - -4.7586150467395782e-02 -4.8159629106521606e-01 - <_> - - 0 1 624 -4.8436429351568222e-03 2 -1 625 - 3.0318649951368570e-03 -2 -3 626 -1.1691249907016754e-02 - - -4.9325150251388550e-01 -4.7109460830688477e-01 - -5.8763760328292847e-01 1.4840489625930786e-01 - <_> - - 1 0 627 6.5642758272588253e-05 2 -1 628 - -6.9199966674204916e-05 -2 -3 629 -2.8953890432603657e-04 - - 2.0787779986858368e-01 -4.2199170589447021e-01 - -3.4657689929008484e-01 2.4809280037879944e-01 - <_> - - 1 2 630 4.0080421604216099e-03 0 -1 631 - 5.0496991025283933e-04 -2 -3 632 -8.1637818366289139e-03 - - -2.9731631278991699e-01 6.3133187592029572e-02 - 6.3499641418457031e-01 -1.4965349435806274e-01 - <_> - - 1 0 633 4.9255997873842716e-03 -1 2 634 - -1.9985990598797798e-02 -2 -3 635 6.5322928130626678e-03 - - -5.8709067106246948e-01 4.1946971416473389e-01 - -1.3393980264663696e-01 2.6131281256675720e-01 - <_> - - 1 0 636 5.1231118850409985e-03 2 -1 637 - -4.0335211087949574e-04 -2 -3 638 2.9234900139272213e-03 - - -3.6397430300712585e-01 -1.1776120215654373e-01 - -1.2529510073363781e-02 4.6132311224937439e-01 - <_> - - 1 0 639 3.5967670381069183e-02 2 -1 640 - 6.5072569996118546e-03 -2 -3 641 -1.0821050032973289e-02 - - 4.5991379022598267e-01 3.2189390063285828e-01 - 3.0423519015312195e-01 -2.0769970118999481e-01 - <_> - - 0 1 642 -3.7279170937836170e-03 -1 2 643 - -8.9352466166019440e-03 -2 -3 644 3.9792140014469624e-03 - - -4.7056239843368530e-01 3.1361898779869080e-01 - -1.8559350073337555e-01 3.0811190605163574e-01 - <_> - - 1 0 645 1.9110339926555753e-03 -1 2 646 - -6.8130958825349808e-03 -2 -3 647 -6.4241990912705660e-04 - - -4.4997429847717285e-01 -4.4663950800895691e-01 - 2.5373989343643188e-01 -6.7794866859912872e-02 - <_> - - 1 0 648 4.8487721942365170e-03 -1 2 649 - -2.2816660348325968e-03 -2 -3 650 -1.1166459880769253e-03 - - 2.1777780354022980e-01 7.4151009321212769e-02 - 1.3762679696083069e-01 -4.5716550946235657e-01 - <_> - - 1 0 651 -5.7191308587789536e-03 2 -1 652 - 1.9458220340311527e-03 -2 -3 653 1.7544110305607319e-03 - - -2.0206199586391449e-01 5.1613742113113403e-01 - 1.8209919333457947e-01 -2.4927709996700287e-01 - <_> - - 1 0 654 6.5033212304115295e-03 2 -1 655 - 2.3260021116584539e-03 -2 -3 656 -5.0675291568040848e-03 - - -6.0831350088119507e-01 -4.5783790946006775e-01 - -4.6264541149139404e-01 1.3114589452743530e-01 - <_> - - 1 2 657 -1.4921430265530944e-03 0 -1 658 - -1.3755200430750847e-02 -2 -3 659 6.3531019259244204e-04 - - -4.3485641479492188e-01 2.0381599664688110e-01 - -3.2480859756469727e-01 1.9679710268974304e-01 - <_> - - 1 2 660 -1.0971709853038192e-03 0 -1 661 - 2.1464130841195583e-03 -2 -3 662 1.0343589819967747e-02 - - 2.2354440391063690e-01 -2.5036358833312988e-01 - -2.7500569820404053e-01 3.2847368717193604e-01 - <_> - - 0 1 663 -1.3076810538768768e-01 -1 2 664 - -8.7650436908006668e-03 -2 -3 665 -3.0066180624999106e-04 - - -7.7974641323089600e-01 3.8356649875640869e-01 - -3.0849298834800720e-01 5.5713050067424774e-02 - <_> - - 0 1 666 -1.0776310227811337e-02 2 -1 667 - 7.3227831162512302e-03 -2 -3 668 -2.1263879537582397e-01 - - -5.3079968690872192e-01 3.0776378512382507e-01 - -6.5190672874450684e-01 2.3253040853887796e-03 - <_> - - 1 0 669 6.5717170946300030e-03 -1 2 670 - -1.6367210075259209e-02 -2 -3 671 -1.5086789615452290e-02 - - 2.4296599626541138e-01 4.0867790579795837e-01 - 1.5299239754676819e-01 -2.5561499595642090e-01 - <_> - - 1 2 672 4.5563760213553905e-03 0 -1 673 - 7.2980518452823162e-03 -2 -3 674 2.3971209302544594e-02 - - 8.6251303553581238e-02 -5.1425570249557495e-01 - -6.8491697311401367e-01 3.9260080456733704e-01 - <_> - - 1 0 675 3.5279770381748676e-03 -1 2 676 - -5.4452237673103809e-03 -2 -3 677 8.1267702626064420e-04 - - -5.8989018201828003e-01 4.1997981071472168e-01 - -2.5605329871177673e-01 7.9393006861209869e-02 - <_> - 30 - -1.2140669822692871e+00 - - <_> - - 1 2 678 -2.7691459283232689e-02 0 -1 679 - 1.3043059734627604e-03 -2 -3 680 -1.9430460408329964e-02 - - -1.3037249445915222e-01 7.8108358383178711e-01 - 1.4480729587376118e-02 -3.7184581160545349e-01 - <_> - - 2 1 681 -1.2235040217638016e-01 0 -1 682 - -9.8456647247076035e-03 -2 -3 683 -7.4350096285343170e-02 - - 2.8437229990959167e-01 -2.3675830662250519e-01 - 5.8174878358840942e-01 -2.8041550889611244e-02 - <_> - - 0 1 684 5.4055661894381046e-03 -1 2 685 - -3.7805580068379641e-03 -2 -3 686 -6.2997087836265564e-02 - - -3.3748638629913330e-01 -4.6232721209526062e-01 - 4.2070108652114868e-01 -1.6759809805080295e-03 - <_> - - 0 1 687 -5.5793630890548229e-03 -1 2 688 - -2.2814329713582993e-03 -2 -3 689 3.9111520163714886e-03 - - -6.4612352848052979e-01 -4.6796101331710815e-01 - -2.5594810023903847e-02 3.3460310101509094e-01 - <_> - - 2 1 690 -3.5144959110766649e-03 0 -1 691 - -5.8226250112056732e-03 -2 -3 692 -3.5309740342199802e-03 - - 1.1143500357866287e-01 -3.0549728870391846e-01 - -3.7789401412010193e-01 2.9324159026145935e-01 - <_> - - 2 1 693 -1.6653330530971289e-03 0 -1 694 - -5.3326018154621124e-02 -2 -3 695 8.0891316756606102e-03 - - 1.7236860096454620e-01 -3.9026060700416565e-01 - -1.6290800645947456e-02 3.9434731006622314e-01 - <_> - - 0 1 696 -3.7783260922878981e-03 2 -1 697 - 6.9123809225857258e-03 -2 -3 698 -2.1676100790500641e-02 - - -5.9947258234024048e-01 3.4755259752273560e-01 - 3.3966198563575745e-01 -1.2729069590568542e-01 - <_> - - 1 0 699 4.8390422016382217e-03 -1 2 700 - -8.3583313971757889e-03 -2 -3 701 3.7209360743872821e-04 - - -3.6860859394073486e-01 3.6083450913429260e-01 - 5.5149830877780914e-02 -3.8888710737228394e-01 - <_> - - 1 0 702 2.4114940315485001e-03 -1 2 703 - -2.2250239271670580e-03 -2 -3 704 5.9994249604642391e-03 - - -3.4846460819244385e-01 2.5639998912811279e-01 - -3.3086439967155457e-01 6.3943088054656982e-02 - <_> - - 1 0 705 1.2653459794819355e-02 2 -1 706 - 9.6980258822441101e-03 -2 -3 707 4.6688161790370941e-02 - - -6.5382891893386841e-01 3.2730111479759216e-01 - 6.1174212023615837e-03 -5.0968867540359497e-01 - <_> - - 1 0 708 1.7876239726319909e-03 2 -1 709 - 1.2315230444073677e-02 -2 -3 710 -5.9714429080486298e-03 - - 2.5808030366897583e-01 1.8367570638656616e-01 - 9.3017883598804474e-02 -3.3489298820495605e-01 - <_> - - 0 1 711 -4.6226778067648411e-03 -1 2 712 - -1.8949989229440689e-02 -2 -3 713 -2.6787531375885010e-01 - - -6.0853439569473267e-01 -6.2188267707824707e-01 - -4.4505828619003296e-01 1.1461599916219711e-01 - <_> - - 1 2 714 5.3505371324717999e-03 0 -1 715 - 2.8202211251482368e-04 -2 -3 716 -2.1514539548661560e-04 - - -3.3214330673217773e-01 1.1352939903736115e-01 - 3.9949831366539001e-01 -7.2412580251693726e-02 - <_> - - 0 1 717 -7.1091961581259966e-04 -1 2 718 - 3.9453650970244780e-05 -2 -3 719 -1.5662070363759995e-02 - - -3.4575951099395752e-01 -1.4114260673522949e-01 - 4.7070771455764771e-01 8.7163902819156647e-02 - <_> - - 2 1 720 -2.9816610738635063e-02 0 -1 721 - 8.2333059981465340e-04 -2 -3 722 -4.9664578400552273e-03 - - -1.4977900311350822e-02 -4.1764840483665466e-01 - 4.4018781185150146e-01 -2.0097310189157724e-03 - <_> - - 1 2 723 9.6796536818146706e-03 0 -1 724 - 1.4388150302693248e-03 -2 -3 725 -6.5185758285224438e-04 - - -2.8451511263847351e-01 1.1680959910154343e-01 - 3.4258028864860535e-01 -2.7020359039306641e-01 - <_> - - 0 1 726 -4.6871218830347061e-02 -1 2 727 - -2.2867210209369659e-02 -2 -3 728 -1.1887500295415521e-03 - - -3.9659130573272705e-01 -3.4727048873901367e-01 - 2.6036709547042847e-01 -4.2848858982324600e-02 - <_> - - 1 0 729 4.3433779501356184e-04 -1 2 730 - -2.0600060001015663e-02 -2 -3 731 3.2824440859258175e-03 - - -2.2835609316825867e-01 -5.0135952234268188e-01 - 1.6683070361614227e-01 -5.0252157449722290e-01 - <_> - - 0 1 732 -1.9087310880422592e-02 -1 2 733 - -1.1216020211577415e-02 -2 -3 734 7.7710166573524475e-02 - - 4.1381299495697021e-01 1.5498070418834686e-01 - -2.9895618557929993e-01 1.7541980743408203e-01 - <_> - - 0 1 735 3.1873160041868687e-03 -1 2 736 - -1.0656990110874176e-01 -2 -3 737 -5.1779888570308685e-02 - - -8.5479579865932465e-02 -5.1295292377471924e-01 - -5.0179839134216309e-01 3.8466781377792358e-01 - <_> - - 1 0 738 1.5107400249689817e-03 2 -1 739 - 3.1244980636984110e-03 -2 -3 740 -1.3240240514278412e-03 - - -3.3874571323394775e-01 -2.1653899550437927e-01 - 3.3594998717308044e-01 -1.2085800059139729e-02 - <_> - - 0 1 741 -1.6975030303001404e-02 2 -1 742 - 7.9635268775746226e-04 -2 -3 743 -8.4425378590822220e-03 - - 5.1493197679519653e-01 -2.2367909550666809e-01 - -5.4637181758880615e-01 1.2477649748325348e-01 - <_> - - 1 0 744 1.4797519892454147e-02 2 -1 745 - 3.8537830114364624e-03 -2 -3 746 -2.5684939697384834e-02 - - 4.0930178761482239e-01 2.5966641306877136e-01 - 4.6507820487022400e-02 -3.1387579441070557e-01 - <_> - - 0 1 747 -1.9678380340337753e-03 2 -1 748 - 1.9392849644646049e-03 -2 -3 749 -5.7980217970907688e-03 - - -3.4348770976066589e-01 -2.3071029782295227e-01 - -4.2302230000495911e-01 1.8470630049705505e-01 - <_> - - 1 0 750 6.0432781465351582e-03 2 -1 751 - 2.2162510140333325e-04 -2 -3 752 -2.5901809567585588e-04 - - 2.0985080301761627e-01 -3.4345629811286926e-01 - -4.0245899558067322e-01 9.6283361315727234e-02 - <_> - - 0 1 753 -4.6646450646221638e-03 -1 2 754 - 1.8331389874219894e-03 -2 -3 755 -5.4393261671066284e-03 - - -4.0147981047630310e-01 -7.4128046631813049e-02 - -7.1304339170455933e-01 2.5141170620918274e-01 - <_> - - 1 2 756 -4.2101307772099972e-03 0 -1 757 - -8.6573585867881775e-03 -2 -3 758 -2.5619829073548317e-02 - - 5.5250108242034912e-01 -8.8310241699218750e-02 - 4.0513488650321960e-01 -1.2086849659681320e-01 - <_> - - 0 1 759 -9.3565601855516434e-03 -1 2 760 - -9.7968382760882378e-04 -2 -3 761 4.5081991702318192e-02 - - 1.4859180152416229e-01 1.5276379883289337e-01 - -3.3007758855819702e-01 4.9553450942039490e-01 - <_> - - 1 0 762 2.0435510668903589e-03 -1 2 763 - -5.1532210782170296e-03 -2 -3 764 2.5609789881855249e-03 - - -5.4895031452178955e-01 -5.9945631027221680e-01 - -3.6197409033775330e-02 2.5463849306106567e-01 - <_> - - 2 1 765 -2.8830259107053280e-03 0 -1 766 - 2.4457499966956675e-04 -2 -3 767 3.4641250967979431e-03 - - 3.6667680740356445e-01 -8.9348360896110535e-02 - -2.2523890435695648e-01 1.6340459883213043e-01 - <_> - 23 - -1.3826370239257812e+00 - - <_> - - 2 1 768 6.3124410808086395e-03 0 -1 769 - -2.9899911023676395e-03 -2 -3 770 -5.2643599919974804e-03 - - 8.2071298360824585e-01 5.6462198495864868e-02 - 1.8240800499916077e-01 -4.2487311363220215e-01 - <_> - - 1 2 771 2.4592089466750622e-03 0 -1 772 - 4.2719349265098572e-01 -2 -3 773 3.0295109376311302e-02 - - -3.3858558535575867e-01 1.5100230276584625e-01 - 7.8724241256713867e-01 -5.8373618125915527e-01 - <_> - - 1 0 774 5.7569369673728943e-03 -1 2 775 - -9.9140219390392303e-03 -2 -3 776 8.0783478915691376e-03 - - 4.2810270190238953e-01 3.5321989655494690e-01 - -4.0107539296150208e-01 1.2523290514945984e-01 - <_> - - 0 1 777 -3.5829450935125351e-02 2 -1 778 - 3.0664550140500069e-02 -2 -3 779 -1.3575930148363113e-02 - - -3.8963070511817932e-01 6.7701917886734009e-01 - 3.0789810419082642e-01 -1.1214990168809891e-01 - <_> - - 0 1 780 -3.1188609078526497e-02 -1 2 781 - -1.7885420471429825e-02 -2 -3 782 2.3879480431787670e-04 - - -5.0550907850265503e-01 -5.2990978956222534e-01 - 2.6112490892410278e-01 -1.2882560491561890e-01 - <_> - - 1 0 783 8.5746757686138153e-03 2 -1 784 - 2.3016470950096846e-03 -2 -3 785 4.6683140099048615e-03 - - 4.8921179771423340e-01 1.5979060530662537e-01 - -3.8685420155525208e-01 2.4002879858016968e-01 - <_> - - 1 0 786 5.3485399112105370e-03 2 -1 787 - 2.3726709187030792e-02 -2 -3 788 -3.0209170654416084e-04 - - 3.4825628995895386e-01 5.2329671382904053e-01 - -4.4047841429710388e-01 -3.3358339220285416e-02 - <_> - - 0 1 789 -1.6881260275840759e-01 -1 2 790 - -1.8069280486088246e-04 -2 -3 791 -2.7342080138623714e-03 - - -6.5631157159805298e-01 -2.7557009458541870e-01 - 4.0996900200843811e-01 3.1245049089193344e-02 - <_> - - 2 1 792 -3.1896680593490601e-03 0 -1 793 - -1.6777559649199247e-03 -2 -3 794 7.5925810961052775e-04 - - 3.1674280762672424e-01 -1.3047559559345245e-01 - 8.2382179796695709e-02 7.4721777439117432e-01 - <_> - - 1 2 795 1.7604179680347443e-02 0 -1 796 - -2.5936108827590942e-01 -2 -3 797 -2.4794649798423052e-03 - - 2.6953551173210144e-01 -3.3992108702659607e-01 - 5.0643271207809448e-01 2.7994990348815918e-02 - <_> - - 0 1 798 -5.7244639843702316e-02 -1 2 799 - -2.9133851057849824e-04 -2 -3 800 3.0808679759502411e-02 - - -6.9636821746826172e-01 -3.1919568777084351e-01 - 1.3237810134887695e-01 -7.6749938726425171e-01 - <_> - - 1 0 801 2.8046660125255585e-02 2 -1 802 - -3.7829200737178326e-03 -2 -3 803 -1.3911469839513302e-02 - - 6.9832587242126465e-01 -2.1438920497894287e-01 - 3.3778458833694458e-01 -9.6943713724613190e-02 - <_> - - 0 1 804 -9.6410012338310480e-04 -1 2 805 - -4.1028819978237152e-03 -2 -3 806 7.6512782834470272e-04 - - 2.7303680777549744e-01 1.8931980431079865e-01 - -3.2082849740982056e-01 8.1871077418327332e-02 - <_> - - 0 1 807 -2.2203559638001025e-04 -1 2 808 - -2.5135980104096234e-04 -2 -3 809 -1.7842829402070493e-04 - - -2.9679200053215027e-01 -2.7259480953216553e-01 - -2.2551620006561279e-01 2.9105350375175476e-01 - <_> - - 1 0 810 2.2679679095745087e-02 -1 2 811 - -1.4839429641142488e-03 -2 -3 812 -9.7775906324386597e-02 - - 6.0594111680984497e-01 5.8346527814865112e-01 - -5.1989138126373291e-01 -2.1351039409637451e-02 - <_> - - 2 1 813 -2.1942430175840855e-03 0 -1 814 - 9.6272170543670654e-02 -2 -3 815 2.5899629108607769e-03 - - -2.3860040307044983e-01 4.5208680629730225e-01 - -3.2299709320068359e-01 2.3171809315681458e-01 - <_> - - 1 0 816 5.4749320261180401e-03 -1 2 817 - -1.4976410195231438e-02 -2 -3 818 -7.3499558493494987e-03 - - 2.6661419868469238e-01 -4.7525641322135925e-01 - 3.6936700344085693e-01 -1.0437080264091492e-01 - <_> - - 1 0 819 8.0258701927959919e-04 -1 2 820 - -3.1779240816831589e-03 -2 -3 821 -1.6361019515898079e-04 - - -2.6545119285583496e-01 -2.6746180653572083e-01 - -1.3902419805526733e-01 2.9700610041618347e-01 - <_> - - 1 0 822 -3.0408808961510658e-03 -1 2 823 - -1.2945629656314850e-02 -2 -3 824 -1.7983650788664818e-02 - - -1.0607139766216278e-01 -4.2864450812339783e-01 - 5.3250139951705933e-01 6.2068658880889416e-03 - <_> - - 1 0 825 3.5721210297197104e-03 2 -1 826 - 3.3481561113148928e-03 -2 -3 827 -2.7103780303150415e-04 - - 2.8643238544464111e-01 5.2708417177200317e-01 - -4.0083900094032288e-01 -1.1597709730267525e-02 - <_> - - 0 1 828 -3.5315480083227158e-02 -1 2 829 - -3.3448180183768272e-03 -2 -3 830 -3.6211799830198288e-02 - - -6.4248001575469971e-01 1.6799710690975189e-01 - -4.4045579433441162e-01 7.2158249095082283e-03 - <_> - - 1 0 831 9.7624881891533732e-04 2 -1 832 - 3.9304429083131254e-04 -2 -3 833 -9.0960100293159485e-02 - - -3.3223769068717957e-01 -2.9518169164657593e-01 - -2.6596671342849731e-01 1.9091020524501801e-01 - <_> - - 0 1 834 -9.7260335460305214e-03 2 -1 835 - 6.3109961338341236e-03 -2 -3 836 -1.8113269470632076e-04 - - 4.3416848778724670e-01 3.6779248714447021e-01 - -3.8609200716018677e-01 -2.1463580429553986e-02 - <_> - 33 - -1.2412749528884888e+00 - - <_> - - 2 1 837 2.1084180101752281e-02 0 -1 838 - -2.1115990821272135e-03 -2 -3 839 -3.7253301125019789e-03 - - 7.7905070781707764e-01 -9.1717608273029327e-02 - 3.5618048161268234e-02 -3.5509699583053589e-01 - <_> - - 2 1 840 -4.9224868416786194e-02 0 -1 841 - -1.2256789952516556e-02 -2 -3 842 -1.7591969808563590e-03 - - 2.3374380171298981e-01 -2.0726789534091949e-01 - 7.1231132745742798e-01 1.5468549728393555e-01 - <_> - - 1 0 843 -1.3072569854557514e-02 -1 2 844 - 1.0713989846408367e-02 -2 -3 845 2.7589630335569382e-03 - - -1.7413349449634552e-01 -1.3037489354610443e-01 - 4.3284869194030762e-01 -6.6202241182327271e-01 - <_> - - 0 1 846 -7.0322921965271235e-04 2 -1 847 - 3.2859561033546925e-03 -2 -3 848 -1.5731799649074674e-03 - - -4.2838820815086365e-01 -4.5926880836486816e-01 - -4.6182459592819214e-01 1.7856159806251526e-01 - <_> - - 0 1 849 -6.4174369908869267e-03 -1 2 850 - 1.6610589809715748e-03 -2 -3 851 1.5099810436367989e-02 - - -5.4262351989746094e-01 -6.4273983240127563e-02 - 4.0244659781455994e-01 -6.2330418825149536e-01 - <_> - - 1 0 852 1.6554270405322313e-03 -1 2 853 - -3.3705390524119139e-03 -2 -3 854 -1.0568870231509209e-02 - - -4.5953160524368286e-01 3.0769738554954529e-01 - 2.8306689858436584e-01 -1.5513870120048523e-01 - <_> - - 2 1 855 -1.5460990369319916e-02 0 -1 856 - 1.0563080199062824e-02 -2 -3 857 -2.5313820224255323e-03 - - -2.3533730208873749e-01 1.7863610386848450e-01 - -3.9789968729019165e-01 3.4673249721527100e-01 - <_> - - 1 2 858 -1.1370539665222168e-02 0 -1 859 - 5.1206751959398389e-04 -2 -3 860 2.0633509848266840e-03 - - 3.5862970352172852e-01 -2.6715761423110962e-01 - -2.3807419836521149e-01 8.9544452726840973e-02 - <_> - - 1 0 861 6.1831250786781311e-03 2 -1 862 - -1.5297930222004652e-03 -2 -3 863 -1.4521819539368153e-03 - - -3.4589260816574097e-01 -5.7744260877370834e-02 - -2.2643689811229706e-01 3.3492559194564819e-01 - <_> - - 1 0 864 9.1494834050536156e-03 -1 2 865 - -7.8258356079459190e-03 -2 -3 866 -9.1795083135366440e-03 - - -4.5102459192276001e-01 -2.0574240386486053e-01 - 2.8064918518066406e-01 -1.9400069490075111e-02 - <_> - - 1 0 867 5.2864141762256622e-03 -1 2 868 - -1.1895409785211086e-02 -2 -3 869 -2.9768719105049968e-04 - - 3.8742628693580627e-01 3.3122861385345459e-01 - -4.1473099589347839e-01 -4.6005301177501678e-02 - <_> - - 0 1 870 -9.9406214430928230e-03 -1 2 871 - 1.8322050891583785e-05 -2 -3 872 -8.9074727147817612e-03 - - -6.0510438680648804e-01 -1.5049360692501068e-01 - 4.3751770257949829e-01 4.4532001018524170e-02 - <_> - - 1 2 873 2.7458940166980028e-04 0 -1 874 - -1.0605080024106428e-04 -2 -3 875 1.3431450352072716e-02 - - 3.4243520349264145e-02 -3.1917920708656311e-01 - 5.4285280406475067e-02 5.1082128286361694e-01 - <_> - - 0 1 876 1.7373449736624025e-05 2 -1 877 - 2.6647070626495406e-05 -2 -3 878 2.8135200409451500e-05 - - -1.3858599960803986e-01 2.9074499011039734e-01 - -5.2693158388137817e-01 6.1677869409322739e-02 - <_> - - 1 0 879 -1.4079789980314672e-04 -1 2 880 - -1.0311259888112545e-02 -2 -3 881 -2.7866840362548828e-02 - - -1.4329759776592255e-01 -4.7958651185035706e-01 - 3.8226899504661560e-01 1.0630049742758274e-02 - <_> - - 1 0 882 5.8228662237524986e-03 2 -1 883 - -8.7669547647237778e-03 -2 -3 884 -2.8466230724006891e-03 - - 2.9776591062545776e-01 -1.8124760687351227e-01 - -2.4237589538097382e-01 3.0139160156250000e-01 - <_> - - 1 0 885 6.4540808089077473e-03 2 -1 886 - 6.9421119987964630e-03 -2 -3 887 -7.1991360746324062e-03 - - -4.7911441326141357e-01 -3.8983830809593201e-01 - -3.8099661469459534e-01 1.3023279607295990e-01 - <_> - - 1 0 888 1.3020260259509087e-02 -1 2 889 - -1.0113810189068317e-02 -2 -3 890 -1.9183289259672165e-02 - - 4.9582180380821228e-01 4.5563331246376038e-01 - 3.3518138527870178e-01 -1.1938130110502243e-01 - <_> - - 1 2 891 1.0314499959349632e-03 0 -1 892 - 5.7669691159389913e-05 -2 -3 893 5.0447430461645126e-02 - - -3.5977721214294434e-01 2.6054680347442627e-02 - 1.6761170327663422e-01 -2.8970599174499512e-01 - <_> - - 1 0 894 3.7453400436788797e-03 2 -1 895 - 4.7667181206634268e-05 -2 -3 896 -5.3708041377831250e-05 - - -4.6433079242706299e-01 1.8610210716724396e-01 - 5.6288938969373703e-02 -4.2427191138267517e-01 - <_> - - 0 1 897 -6.5939482301473618e-03 -1 2 898 - -2.1548079326748848e-02 -2 -3 899 1.3188139535486698e-02 - - -4.7423711419105530e-01 -4.2937740683555603e-01 - 1.1677609756588936e-02 4.2440900206565857e-01 - <_> - - 1 0 900 1.2091189622879028e-02 2 -1 901 - -6.2589373555965722e-05 -2 -3 902 1.9446300575509667e-03 - - 2.3611229658126831e-01 -2.1822200715541840e-01 - -2.5404209271073341e-02 4.2902240157127380e-01 - <_> - - 1 0 903 7.7299331314861774e-03 -1 2 904 - -3.7915860302746296e-03 -2 -3 905 4.3860040605068207e-03 - - -5.3524547815322876e-01 -4.3546271324157715e-01 - 1.2576849758625031e-01 -2.8148999810218811e-01 - <_> - - 1 0 906 -9.4350852305069566e-04 -1 2 907 - -1.1670179665088654e-03 -2 -3 908 2.9260620940476656e-03 - - -1.7022730410099030e-01 2.6141870021820068e-01 - -1.7437639832496643e-01 3.8530299067497253e-01 - <_> - - 1 0 909 1.4593300409615040e-02 2 -1 910 - 7.9177077859640121e-03 -2 -3 911 -3.1372120138257742e-03 - - -5.5104351043701172e-01 2.7703890204429626e-01 - 1.3093240559101105e-01 -1.6954340040683746e-01 - <_> - - 1 2 912 -9.2021061573177576e-04 0 -1 913 - -1.0446259751915932e-02 -2 -3 914 -8.3597414195537567e-03 - - 4.4468599557876587e-01 -3.9477398991584778e-01 - 3.4909680485725403e-01 -1.0887180455029011e-02 - <_> - - 0 1 915 -9.7741633653640747e-03 -1 2 916 - 1.2587079778313637e-02 -2 -3 917 -1.4933859929442406e-03 - - 2.1157720685005188e-01 -1.4542940258979797e-01 - -1.5098230540752411e-01 5.0790101289749146e-01 - <_> - - 0 1 918 -5.0530377775430679e-03 -1 2 919 - -2.5890849065035582e-04 -2 -3 920 4.8418638471048325e-05 - - -2.3845790326595306e-01 -2.5153321027755737e-01 - -2.4533210322260857e-02 3.0376350879669189e-01 - <_> - - 1 0 921 2.3038890212774277e-03 2 -1 922 - 3.6540660075843334e-03 -2 -3 923 -3.3346249256283045e-03 - - 2.8125861287117004e-01 -3.6965739727020264e-01 - -3.0266079306602478e-01 8.8287420570850372e-02 - <_> - - 0 1 924 -1.1975349858403206e-02 -1 2 925 - -1.8564870115369558e-03 -2 -3 926 1.5760740498080850e-03 - - -4.6360239386558533e-01 3.9942011237144470e-01 - -1.1057750135660172e-01 1.6782909631729126e-01 - <_> - - 1 0 927 4.1210349649190903e-02 2 -1 928 - -1.0635109618306160e-02 -2 -3 929 -3.3335660118609667e-03 - - -6.8945991992950439e-01 -9.5825389027595520e-02 - -4.6437320113182068e-01 2.2104820609092712e-01 - <_> - - 0 1 930 -2.4082309100776911e-03 2 -1 931 - 5.5890781804919243e-03 -2 -3 932 1.2177750468254089e-03 - - 2.0128449797630310e-01 -5.2314841747283936e-01 - 3.1367950141429901e-02 -4.1038578748703003e-01 - <_> - - 1 0 933 8.6324941366910934e-03 2 -1 934 - 3.8473210297524929e-03 -2 -3 935 -1.8842349527403712e-03 - - 3.1741571426391602e-01 -4.3851628899574280e-01 - 3.8140851259231567e-01 -6.0103170573711395e-02 - <_> - 41 - -1.2084549665451050e+00 - - <_> - - 1 0 936 -2.3675959557294846e-02 -1 2 937 - -2.0480139646679163e-03 -2 -3 938 8.1840698840096593e-04 - - -3.5308888554573059e-01 6.9878387451171875e-01 - -2.8367671370506287e-01 4.1667369008064270e-01 - <_> - - 1 2 939 1.2784999562427402e-03 0 -1 940 - -3.4423400647938251e-03 -2 -3 941 -7.4483961798250675e-03 - - 3.3807888627052307e-01 -1.6657039523124695e-01 - 6.4591968059539795e-01 -2.2018529474735260e-01 - <_> - - 0 1 942 1.1179470457136631e-02 2 -1 943 - -2.3196099698543549e-01 -2 -3 944 -4.3133709579706192e-02 - - -3.2552671432495117e-01 -8.3167977631092072e-02 - -1.6172540187835693e-01 4.6209758520126343e-01 - <_> - - 1 0 945 -1.9728920597117394e-04 -1 2 946 - -2.3259329609572887e-03 -2 -3 947 -1.0320080444216728e-02 - - -1.5667790174484253e-01 3.6914899945259094e-01 - 4.8015019297599792e-01 -8.9061602950096130e-02 - <_> - - 0 1 948 -2.0040970295667648e-02 -1 2 949 - -2.4495070101693273e-04 -2 -3 950 -1.1836830526590347e-03 - - -5.6967437267303467e-01 -2.3713299632072449e-01 - -3.4671390056610107e-01 1.4475019276142120e-01 - <_> - - 1 0 951 -2.6744368951767683e-03 2 -1 952 - -5.1904888823628426e-03 -2 -3 953 -1.9888129085302353e-02 - - -1.2661710381507874e-01 -6.4648993313312531e-02 - -4.5441371202468872e-01 3.9849451184272766e-01 - <_> - - 0 1 954 -5.7462421245872974e-03 2 -1 955 - 4.4583589769899845e-03 -2 -3 956 -1.2518949806690216e-02 - - -3.6761870980262756e-01 3.8435870409011841e-01 - -6.1902827024459839e-01 1.9050609320402145e-02 - <_> - - 0 1 957 -7.7734276652336121e-02 2 -1 958 - 6.7193829454481602e-03 -2 -3 959 1.6520710196346045e-03 - - 5.5405282974243164e-01 -4.1308841109275818e-01 - 7.3280662298202515e-02 -2.8589090704917908e-01 - <_> - - 1 0 960 2.1226350218057632e-02 2 -1 961 - 1.1231450363993645e-02 -2 -3 962 -1.8163130152970552e-04 - - 3.6871838569641113e-01 3.5591110587120056e-01 - -3.3781459927558899e-01 -8.1584807485342026e-03 - <_> - - 1 0 963 2.8726160526275635e-02 2 -1 964 - 5.0780461169779301e-03 -2 -3 965 -5.1352521404623985e-04 - - -7.2751021385192871e-01 2.6649999618530273e-01 - 1.1073680222034454e-01 -1.8206079304218292e-01 - <_> - - 0 1 966 -3.8125980645418167e-03 2 -1 967 - 9.1425428399816155e-04 -2 -3 968 1.0090490104630589e-03 - - -2.8374129533767700e-01 2.4259260296821594e-01 - 6.0151178389787674e-02 -2.7039301395416260e-01 - <_> - - 0 1 969 -7.8553140163421631e-02 -1 2 970 - -6.5192081965506077e-03 -2 -3 971 2.0706290379166603e-03 - - -5.5804842710494995e-01 2.5557601451873779e-01 - -1.0600800067186356e-01 2.7225118875503540e-01 - <_> - - 1 0 972 1.3555780053138733e-02 -1 2 973 - 7.0873757067602128e-05 -2 -3 974 -1.4444560511037707e-03 - - -4.8073831200599670e-01 -1.3499049842357635e-01 - 4.3762150406837463e-01 4.8329260200262070e-02 - <_> - - 1 0 975 -3.6353049799799919e-03 -1 2 976 - -2.7163419872522354e-03 -2 -3 977 -7.4552530422806740e-03 - - -1.2743209302425385e-01 3.3708488941192627e-01 - 5.4894310235977173e-01 -1.0238330066204071e-01 - <_> - - 1 2 978 1.8306199926882982e-03 0 -1 979 - 3.5198179539293051e-03 -2 -3 980 -3.0126908677630126e-04 - - -2.4612280726432800e-01 1.5894930064678192e-01 - -2.7785000205039978e-01 2.3901990056037903e-01 - <_> - - 2 1 981 3.1999459024518728e-03 0 -1 982 - 1.4862619573250413e-03 -2 -3 983 -1.3004139764234424e-03 - - 4.7738438844680786e-01 -3.1345888972282410e-02 - 7.1047246456146240e-02 -2.1556860208511353e-01 - <_> - - 1 0 984 1.5583000145852566e-02 2 -1 985 - 7.6356581412255764e-03 -2 -3 986 -1.4318820321932435e-03 - - 2.7187249064445496e-01 -5.1074218750000000e-01 - -1.5140180289745331e-01 1.4207449555397034e-01 - <_> - - 1 2 987 -6.7814798094332218e-03 0 -1 988 - -1.1809200048446655e-01 -2 -3 989 -2.8277190402150154e-02 - - -6.9562858343124390e-01 3.3270710706710815e-01 - 1.1135250329971313e-01 -1.7491710186004639e-01 - <_> - - 0 1 990 -3.7033241242170334e-02 -1 2 991 - -4.9177031032741070e-03 -2 -3 992 -2.7518879505805671e-04 - - 2.8885498642921448e-01 -4.0966060757637024e-01 - -3.1160330772399902e-01 6.0995019972324371e-02 - <_> - - 0 1 993 -2.3584270384162664e-03 -1 2 994 - -3.5775059368461370e-03 -2 -3 995 -4.1078119538724422e-03 - - -5.9846490621566772e-01 2.4603059887886047e-01 - 8.5180006921291351e-02 -2.0629020035266876e-01 - <_> - - 1 0 996 1.5300850383937359e-02 -1 2 997 - -1.5483479946851730e-02 -2 -3 998 -5.7852710597217083e-03 - - 3.0057510733604431e-01 -6.8350881338119507e-01 - 2.0100210607051849e-01 -9.0607739984989166e-02 - <_> - - 1 0 999 1.4448310248553753e-02 -1 2 1000 - -3.1330309808254242e-02 -2 -3 1001 -3.0594000127166510e-03 - - 2.6733011007308960e-01 -5.2288150787353516e-01 - 4.0950208902359009e-01 -6.5823979675769806e-02 - <_> - - 0 1 1002 -1.8781309481710196e-03 2 -1 1003 - -5.8503728359937668e-03 -2 -3 1004 2.6462681125849485e-03 - - -2.5463208556175232e-01 -1.2269999831914902e-01 - -7.9216457903385162e-02 2.9203468561172485e-01 - <_> - - 0 1 1005 1.3989449944347143e-03 2 -1 1006 - 9.7635984420776367e-03 -2 -3 1007 -9.4864349812269211e-03 - - 1.2148520350456238e-01 2.7110511064529419e-01 - 1.0176890343427658e-01 -3.2153740525245667e-01 - <_> - - 1 0 1008 1.5739769442006946e-03 2 -1 1009 - 4.9365921877324581e-03 -2 -3 1010 -5.0848699174821377e-04 - - -5.9908610582351685e-01 -3.8752740621566772e-01 - -1.3056530058383942e-01 1.2711940705776215e-01 - <_> - - 0 1 1011 -9.6375271677970886e-02 -1 2 1012 - -8.0375596880912781e-02 -2 -3 1013 -5.4449690505862236e-03 - - -6.8821328878402710e-01 4.1428178548812866e-01 - 8.2179926335811615e-02 -1.8036940693855286e-01 - <_> - - 0 1 1014 -7.6126731000840664e-03 2 -1 1015 - -3.1007949728518724e-03 -2 -3 1016 -2.0799610763788223e-02 - - 1.7513050138950348e-01 -2.1534129977226257e-01 - 2.9026609659194946e-01 -2.1753519773483276e-01 - <_> - - 0 1 1017 -1.7213800549507141e-01 -1 2 1018 - -1.7464880365878344e-03 -2 -3 1019 -6.8416520953178406e-02 - - 2.2739590704441071e-01 1.3240070641040802e-01 - -6.2430542707443237e-01 -1.0549639910459518e-01 - <_> - - 0 1 1020 -1.9070530310273170e-02 -1 2 1021 - -2.8794098761864007e-04 -2 -3 1022 7.3958968278020620e-04 - - 5.5033868551254272e-01 -3.4565579891204834e-01 - 1.8934780359268188e-01 -8.8741242885589600e-02 - <_> - - 0 1 1023 -7.5153419747948647e-03 -1 2 1024 - -1.2848030310124159e-03 -2 -3 1025 1.2194210430607200e-03 - - -4.5797100663185120e-01 1.2825480103492737e-01 - -2.9630279541015625e-01 1.9254499673843384e-01 - <_> - - 1 2 1026 -1.6169670224189758e-01 0 -1 1027 - 1.4747560024261475e-02 -2 -3 1028 -8.4396981401368976e-04 - - -4.4868141412734985e-01 1.3941350579261780e-01 - 2.0387759804725647e-01 -5.6935109198093414e-02 - <_> - - 1 0 1029 -1.2965890346094966e-04 -1 2 1030 - -1.3776419684290886e-02 -2 -3 1031 -9.4375656917691231e-03 - - -1.4722099900245667e-01 2.4039970338344574e-01 - 5.5077737569808960e-01 -1.5877890586853027e-01 - <_> - - 1 0 1032 1.1291690316284075e-04 -1 2 1033 - 6.6032530739903450e-03 -2 -3 1034 2.0985701121389866e-03 - - 1.3769179582595825e-01 -2.5903069972991943e-01 - 2.3297089338302612e-01 -3.7152260541915894e-01 - <_> - - 2 1 1035 -1.8329389858990908e-03 0 -1 1036 - -1.6420709434896708e-03 -2 -3 1037 6.7886798642575741e-03 - - 3.5991749167442322e-01 -1.5401339530944824e-01 - 1.8581290543079376e-01 -6.7269998788833618e-01 - <_> - - 0 1 1038 1.6932019498199224e-03 -1 2 1039 - -1.0055249556899071e-02 -2 -3 1040 -3.1679549720138311e-03 - - -1.3255499303340912e-01 3.8144260644912720e-01 - 3.2224041223526001e-01 -8.5345722734928131e-02 - <_> - - 2 1 1041 2.4724518880248070e-04 0 -1 1042 - -2.4610899854451418e-03 -2 -3 1043 4.2370590381324291e-04 - - 2.4504560232162476e-01 -4.2068049311637878e-01 - 9.6731372177600861e-02 -3.6695280671119690e-01 - <_> - - 1 2 1044 -2.3991330526769161e-03 0 -1 1045 - -1.0543569922447205e-01 -2 -3 1046 -2.9867719858884811e-03 - - -7.3811298608779907e-01 2.8551021218299866e-01 - 1.9291989505290985e-01 -1.4805729687213898e-01 - <_> - - 0 1 1047 -4.0492648258805275e-03 2 -1 1048 - -1.1622729944065213e-03 -2 -3 1049 -2.7857329696416855e-02 - - 1.0766500234603882e-01 -2.7701449394226074e-01 - 3.9593660831451416e-01 -2.0954720675945282e-01 - <_> - - 2 1 1050 8.1511605530977249e-03 0 -1 1051 - 1.5126319602131844e-02 -2 -3 1052 -1.1020600050687790e-01 - - 6.8626463413238525e-02 5.3772068023681641e-01 - -4.9161431193351746e-01 -4.4780239462852478e-02 - <_> - - 1 2 1053 -1.6588929574936628e-03 0 -1 1054 - -3.4530278295278549e-02 -2 -3 1055 1.0060180211439729e-03 - - 3.6734369397163391e-01 -2.5586590170860291e-02 - 2.7465619146823883e-02 -3.4973311424255371e-01 - <_> - - 0 1 1056 -2.8843909502029419e-02 2 -1 1057 - 2.4647780810482800e-04 -2 -3 1058 -7.4189889710396528e-04 - - -6.5100878477096558e-01 -1.8410819768905640e-01 - -9.0942107141017914e-02 2.2521719336509705e-01 - <_> - 37 - -1.2229189872741699e+00 - - <_> - - 1 2 1059 -1.2407599948346615e-02 0 -1 1060 - -1.1902820318937302e-02 -2 -3 1061 -5.5238649249076843e-02 - - 6.8965518474578857e-01 -1.3579159975051880e-01 - -4.4337168335914612e-02 -4.5446300506591797e-01 - <_> - - 1 2 1062 3.3332619350403547e-03 0 -1 1063 - 4.8620607703924179e-03 -2 -3 1064 -3.1632129102945328e-03 - - -3.1873029470443726e-01 7.0181049406528473e-02 - -3.2160758972167969e-01 7.0131868124008179e-01 - <_> - - 1 0 1065 1.8592040240764618e-01 -1 2 1066 - 3.1807690393179655e-03 -2 -3 1067 -9.4139128923416138e-03 - - 3.4192711114883423e-01 -3.3313518762588501e-01 - 3.2091590762138367e-01 -1.2491060048341751e-01 - <_> - - 1 0 1068 6.5205397550016642e-04 2 -1 1069 - -5.0521180965006351e-03 -2 -3 1070 7.6105687767267227e-03 - - -2.3811559379100800e-01 -1.4155420660972595e-01 - 3.2182168960571289e-01 -2.4797810614109039e-01 - <_> - - 0 1 1071 -1.6043110517784953e-03 -1 2 1072 - -2.7449749410152435e-02 -2 -3 1073 5.6960887741297483e-04 - - 1.9883860647678375e-01 -6.9581168889999390e-01 - 5.0723928958177567e-02 -2.9218611121177673e-01 - <_> - - 1 0 1074 2.7564789634197950e-03 2 -1 1075 - -1.1058920063078403e-02 -2 -3 1076 5.1102549768984318e-03 - - 2.0911119878292084e-01 -2.4516950547695160e-01 - -1.0658439993858337e-01 4.0211549401283264e-01 - <_> - - 1 0 1077 4.5064617879688740e-03 2 -1 1078 - 4.2800018563866615e-03 -2 -3 1079 7.8124259598553181e-03 - - -4.6300640702247620e-01 -3.9396348595619202e-01 - 1.4130340516567230e-01 -2.8671020269393921e-01 - <_> - - 1 0 1080 4.4836059212684631e-02 2 -1 1081 - 1.7986740916967392e-02 -2 -3 1082 -6.0726520605385303e-03 - - -5.0257712602615356e-01 3.1318759918212891e-01 - 9.8504282534122467e-02 -2.2500780224800110e-01 - <_> - - 0 1 1083 -1.8578730523586273e-02 2 -1 1084 - 3.5717431455850601e-02 -2 -3 1085 -1.8269789870828390e-03 - - -5.1453977823257446e-01 3.1848269701004028e-01 - 1.4090469479560852e-01 -1.8669110536575317e-01 - <_> - - 0 1 1086 -5.4818098433315754e-03 -1 2 1087 - -6.0164718888700008e-04 -2 -3 1088 9.9322739988565445e-03 - - 1.9321410357952118e-01 -3.8167670369148254e-01 - -5.8519419282674789e-02 4.8970058560371399e-01 - <_> - - 2 1 1089 1.4053160557523370e-03 0 -1 1090 - 5.2271760068833828e-03 -2 -3 1091 -1.4931050129234791e-02 - - 2.5072118639945984e-01 -6.5754747390747070e-01 - 5.5669851601123810e-02 -2.4669079482555389e-01 - <_> - - 1 2 1092 -1.2826359830796719e-02 0 -1 1093 - -2.7587350457906723e-02 -2 -3 1094 -4.7543710097670555e-03 - - -3.2225701212882996e-01 5.6484752893447876e-01 - -4.9142929911613464e-01 -8.8634714484214783e-03 - <_> - - 0 1 1095 -2.7212230488657951e-03 2 -1 1096 - 6.6132671199738979e-03 -2 -3 1097 -1.1435840278863907e-02 - - -5.7900500297546387e-01 4.5554360747337341e-01 - 1.5250509977340698e-01 -1.2167599797248840e-01 - <_> - - 0 1 1098 -1.9095990806818008e-02 2 -1 1099 - -1.2672290205955505e-01 -2 -3 1100 -1.8373519182205200e-02 - - -4.4416400790214539e-01 1.1622429639101028e-01 - 4.1248679161071777e-01 -3.0303838849067688e-01 - <_> - - 0 1 1101 -3.2425698637962341e-01 -1 2 1102 - -3.8764779455959797e-03 -2 -3 1103 -7.5138150714337826e-04 - - 4.4721060991287231e-01 7.5931303203105927e-02 - 1.1976880021393299e-02 -3.6275759339332581e-01 - <_> - - 1 0 1104 6.7106341011822224e-03 -1 2 1105 - -6.5366760827600956e-03 -2 -3 1106 -5.5684632388874888e-04 - - -3.9521178603172302e-01 -3.0311599373817444e-01 - -1.5832960605621338e-01 1.7123879492282867e-01 - <_> - - 0 1 1107 -3.9269351400434971e-03 -1 2 1108 - -1.6322469338774681e-02 -2 -3 1109 5.5038761347532272e-02 - - 2.0034509897232056e-01 4.1271069645881653e-01 - -1.7926050722599030e-01 2.6303529739379883e-01 - <_> - - 1 2 1110 1.0095089673995972e-03 0 -1 1111 - -9.8581332713365555e-03 -2 -3 1112 -7.0780781097710133e-03 - - 2.4884219467639923e-01 -3.9200861006975174e-02 - 3.7243181467056274e-01 -3.7739849090576172e-01 - <_> - - 1 0 1113 2.1169960964471102e-03 2 -1 1114 - 1.5883900225162506e-01 -2 -3 1115 -4.2488988488912582e-02 - - 1.7665450274944305e-01 7.2631222009658813e-01 - 4.8568719625473022e-01 -1.4427030086517334e-01 - <_> - - 0 1 1116 -9.4166352937463671e-05 -1 2 1117 - 8.1764090282376856e-05 -2 -3 1118 5.4165818728506565e-03 - - 1.7045879364013672e-01 -3.1940829753875732e-01 - 9.9846661090850830e-02 -4.1059550642967224e-01 - <_> - - 0 1 1119 -6.1865211464464664e-03 2 -1 1120 - 6.5089072450064123e-05 -2 -3 1121 -6.8352972448337823e-05 - - -3.8492518663406372e-01 1.6319459676742554e-01 - 2.1182140707969666e-01 -2.5311520695686340e-01 - <_> - - 1 2 1122 -4.0968839311972260e-04 0 -1 1123 - 3.5239830613136292e-03 -2 -3 1124 -8.3400387666188180e-05 - - -1.1859580129384995e-01 -7.9780608415603638e-01 - 2.2940699756145477e-01 -3.8782458752393723e-02 - <_> - - 1 2 1125 -2.7096238918602467e-03 0 -1 1126 - -6.8883160129189491e-03 -2 -3 1127 1.1571759823709726e-03 - - -5.9978920221328735e-01 3.4748208522796631e-01 - -1.5406990051269531e-01 1.3573920726776123e-01 - <_> - - 0 1 1128 9.5913361292332411e-04 -1 2 1129 - -1.8333569169044495e-02 -2 -3 1130 2.4258090183138847e-02 - - -1.0236030071973801e-01 -5.5400210618972778e-01 - 1.4270070195198059e-01 7.2077578306198120e-01 - <_> - - 2 1 1131 1.0541410185396671e-02 0 -1 1132 - 9.1231325641274452e-03 -2 -3 1133 -1.4598550042137504e-03 - - 1.9214800000190735e-01 -3.6190611124038696e-01 - 2.8950750827789307e-01 -1.8767410516738892e-01 - <_> - - 0 1 1134 -1.1819070205092430e-02 -1 2 1135 - -3.2446000725030899e-02 -2 -3 1136 -2.3319718893617392e-03 - - -5.3653758764266968e-01 -6.8713748455047607e-01 - -8.8751368224620819e-02 1.5991990268230438e-01 - <_> - - 1 2 1137 -6.5151029266417027e-03 0 -1 1138 - 2.5015550199896097e-03 -2 -3 1139 7.8799802577123046e-04 - - 6.8285889923572540e-02 5.7962691783905029e-01 - -1.9128720462322235e-01 9.7289860248565674e-02 - <_> - - 1 0 1140 6.0783070512115955e-03 -1 2 1141 - -8.7201576679944992e-03 -2 -3 1142 3.5847601247951388e-04 - - -6.1147671937942505e-01 4.7648158669471741e-01 - 9.0117119252681732e-02 -1.6770669817924500e-01 - <_> - - 1 0 1143 -1.3178629800677299e-02 -1 2 1144 - -8.5365071892738342e-02 -2 -3 1145 3.3002009149640799e-03 - - -1.2755720317363739e-01 2.6924338936805725e-01 - -1.8480269610881805e-01 5.8760780096054077e-01 - <_> - - 0 1 1146 -1.1601460166275501e-02 2 -1 1147 - 9.9076535552740097e-03 -2 -3 1148 4.3782261200249195e-03 - - 3.3849120140075684e-01 -5.5809050798416138e-01 - -7.8933097422122955e-02 2.2385579347610474e-01 - <_> - - 0 1 1149 -4.7082178294658661e-02 -1 2 1150 - -3.2685339101590216e-04 -2 -3 1151 7.8715756535530090e-03 - - 6.8917119503021240e-01 1.2139579653739929e-01 - -7.5880296528339386e-02 -6.5191179513931274e-01 - <_> - - 1 2 1152 -3.9275310700759292e-04 0 -1 1153 - -3.4211258753202856e-04 -2 -3 1154 5.6030962150543928e-04 - - -3.4082669019699097e-01 3.7230521440505981e-01 - 1.8275870010256767e-02 -2.7192598581314087e-01 - <_> - - 0 1 1155 -2.4439349770545959e-02 -1 2 1156 - 1.2128120288252831e-02 -2 -3 1157 2.2948130499571562e-03 - - -3.4894740581512451e-01 -4.1957078501582146e-03 - -2.0841300487518311e-02 8.0151557922363281e-01 - <_> - - 1 2 1158 -3.6386020947247744e-03 0 -1 1159 - -6.3949287869036198e-04 -2 -3 1160 2.0897389913443476e-04 - - -2.5389778614044189e-01 3.6606290936470032e-01 - -1.4177979528903961e-01 1.4148280024528503e-01 - <_> - - 2 1 1161 -6.7888460762333125e-05 0 -1 1162 - 3.9580671000294387e-04 -2 -3 1163 1.2493260437622666e-03 - - -2.0807999372482300e-01 2.3690980672836304e-01 - 2.4679720401763916e-01 -2.2032499313354492e-01 - <_> - - 0 1 1164 -4.6679278602823615e-04 -1 2 1165 - 1.1740219779312611e-03 -2 -3 1166 -7.1949949488043785e-03 - - -3.3990928530693054e-01 1.2153220176696777e-01 - 3.3542940020561218e-01 -3.9178979396820068e-01 - <_> - - 1 0 1167 3.2422799267806113e-04 2 -1 1168 - 2.4374879896640778e-02 -2 -3 1169 2.6271429378539324e-03 - - -2.5593858957290649e-01 4.2434880137443542e-01 - 1.0237640142440796e-01 -2.6907420158386230e-01 - <_> - 32 - -1.2001949548721313e+00 - - <_> - - 1 0 1170 -1.8586540594696999e-02 -1 2 1171 - -7.4109081178903580e-03 -2 -3 1172 -5.3711149841547012e-02 - - -3.6523258686065674e-01 7.7427452802658081e-01 - 2.4213680624961853e-01 -3.7803840637207031e-01 - <_> - - 1 2 1173 6.9198510609567165e-03 0 -1 1174 - -3.0759189277887344e-02 -2 -3 1175 -8.9597534388303757e-03 - - 1.3523690402507782e-01 -2.7957341074943542e-01 - -6.0680317878723145e-01 6.9579082727432251e-01 - <_> - - 1 0 1176 7.1816287934780121e-02 2 -1 1177 - -1.1622999794781208e-02 -2 -3 1178 -1.0627550072968006e-03 - - 3.0647501349449158e-01 -2.2690390050411224e-01 - 4.4374391436576843e-01 -3.1824579834938049e-01 - <_> - - 0 1 1179 -7.3452957440167665e-04 -1 2 1180 - -4.9303710460662842e-02 -2 -3 1181 -3.2011170405894518e-03 - - -2.2684609889984131e-01 3.4253200888633728e-01 - 3.0913218855857849e-01 -2.0078240334987640e-01 - <_> - - 2 1 1182 1.4706649817526340e-02 0 -1 1183 - -1.1798519641160965e-01 -2 -3 1184 -1.6695359721779823e-02 - - -9.4517791271209717e-01 5.7428210973739624e-01 - 2.4567030370235443e-01 -1.1707650125026703e-01 - <_> - - 1 2 1185 -6.8853241391479969e-03 0 -1 1186 - 7.8145717270672321e-04 -2 -3 1187 2.7586790919303894e-01 - - 3.9508721232414246e-01 -1.0023059695959091e-01 - -1.4659850299358368e-01 7.7942031621932983e-01 - <_> - - 0 1 1188 -2.6423679664731026e-02 -1 2 1189 - 1.8955089617520571e-03 -2 -3 1190 -5.7396688498556614e-03 - - -3.2860249280929565e-01 1.5046370029449463e-01 - -4.0492990612983704e-01 1.5257360041141510e-01 - <_> - - 0 1 1191 -7.8677870333194733e-03 -1 2 1192 - -1.9029570103157312e-04 -2 -3 1193 2.9406580142676830e-04 - - 2.2024929523468018e-01 -3.7222158908843994e-01 - 1.0350369662046432e-01 -3.6075070500373840e-01 - <_> - - 2 1 1194 -6.1921158339828253e-04 0 -1 1195 - -4.6625699847936630e-02 -2 -3 1196 8.0430079833604395e-05 - - 2.5249621272087097e-01 -3.2340309023857117e-01 - -8.7712243199348450e-02 2.5224068760871887e-01 - <_> - - 1 0 1197 2.9532159678637981e-03 -1 2 1198 - -4.5338911004364491e-03 -2 -3 1199 -1.1544080451130867e-02 - - 4.8171079158782959e-01 -4.5188549160957336e-01 - 2.5434678792953491e-01 -8.4140419960021973e-02 - <_> - - 0 1 1200 1.3043760554865003e-03 -1 2 1201 - -3.4115801099687815e-03 -2 -3 1202 -1.5855060191825032e-03 - - -1.0121349990367889e-01 5.2193498611450195e-01 - 6.8923211097717285e-01 -1.0570000112056732e-01 - <_> - - 0 1 1203 -2.9867749661207199e-02 2 -1 1204 - -2.5652049225755036e-04 -2 -3 1205 -3.9234450086951256e-03 - - -4.3362548947334290e-01 -3.3430889248847961e-02 - -2.5569188594818115e-01 4.4265130162239075e-01 - <_> - - 1 0 1206 4.6491571702063084e-03 -1 2 1207 - -2.7727609872817993e-01 -2 -3 1208 -2.2448340058326721e-01 - - 6.2878167629241943e-01 7.1006447076797485e-01 - 3.0520048737525940e-01 -9.2947281897068024e-02 - <_> - - 2 1 1209 3.8704689592123032e-02 0 -1 1210 - 8.2667707465589046e-04 -2 -3 1211 3.5339579335413873e-04 - - -7.1300238370895386e-01 3.4036791324615479e-01 - -2.7960309386253357e-01 4.1289128363132477e-02 - <_> - - 1 2 1212 1.2603959999978542e-02 0 -1 1213 - -5.5078358855098486e-05 -2 -3 1214 9.1213081032037735e-03 - - 6.5844729542732239e-02 -2.0295199751853943e-01 - 5.0578397512435913e-01 -2.8807151317596436e-01 - <_> - - 0 1 1215 -4.0084728971123695e-03 2 -1 1216 - 4.4780140742659569e-03 -2 -3 1217 -4.7284600441344082e-04 - - 2.1491059660911560e-01 2.1849650144577026e-01 - -6.7471832036972046e-01 -1.0888069868087769e-01 - <_> - - 0 1 1218 -3.7310249172151089e-04 -1 2 1219 - -1.0922510176897049e-02 -2 -3 1220 2.5496890768408775e-02 - - 1.7151309549808502e-01 4.2335990071296692e-01 - -2.3464329540729523e-01 1.9871939718723297e-01 - <_> - - 1 0 1221 7.0709688588976860e-03 -1 2 1222 - 3.5252509405836463e-04 -2 -3 1223 5.8937398716807365e-04 - - -4.3551680445671082e-01 -6.1764400452375412e-02 - -7.9512260854244232e-02 4.0493848919868469e-01 - <_> - - 2 1 1224 -8.7519101798534393e-03 0 -1 1225 - -9.4158039428293705e-04 -2 -3 1226 -8.8366247713565826e-02 - - 7.1111567318439484e-02 -3.1814581155776978e-01 - -5.9796679019927979e-01 1.9428940117359161e-01 - <_> - - 2 1 1227 4.5438520610332489e-03 0 -1 1228 - -1.3041470199823380e-02 -2 -3 1229 3.2197220716625452e-03 - - -2.1855579316616058e-01 3.0563870072364807e-01 - -1.9010399281978607e-01 1.8796740472316742e-01 - <_> - - 1 0 1230 3.2370660454034805e-02 2 -1 1231 - 8.7954197078943253e-03 -2 -3 1232 -8.5182236507534981e-03 - - -1.6135400533676147e-01 6.6259282827377319e-01 - -3.8733869791030884e-01 1.3088770210742950e-01 - <_> - - 1 2 1233 -5.4210029542446136e-02 0 -1 1234 - 2.9004408861510456e-04 -2 -3 1235 -1.2670000083744526e-02 - - -1.8559680320322514e-03 5.0099188089370728e-01 - 2.9727068543434143e-01 -1.6530840098857880e-01 - <_> - - 1 0 1236 3.7995529174804688e-01 -1 2 1237 - -4.8071850091218948e-02 -2 -3 1238 6.4968131482601166e-03 - - 4.2289760708808899e-01 1.1011490225791931e-01 - -2.6050418615341187e-01 1.7244240641593933e-01 - <_> - - 1 0 1239 -2.0901230163872242e-03 -1 2 1240 - -6.2400829046964645e-03 -2 -3 1241 8.5770338773727417e-03 - - -1.4854459464550018e-01 3.5841208696365356e-01 - -2.1481679379940033e-01 2.1504589915275574e-01 - <_> - - 1 2 1242 -6.6754068247973919e-03 0 -1 1243 - -3.8183759897947311e-03 -2 -3 1244 5.5124791106209159e-04 - - -2.3905350267887115e-01 4.4719010591506958e-01 - -2.5307258963584900e-01 3.4307420253753662e-02 - <_> - - 2 1 1245 9.0955598279833794e-03 0 -1 1246 - 1.1171290278434753e-01 -2 -3 1247 -1.7274810234084725e-03 - - -6.5154308080673218e-01 -2.6602389290928841e-02 - 6.1791652441024780e-01 2.7143610641360283e-02 - <_> - - 1 2 1248 7.5292278779670596e-04 0 -1 1249 - -3.1208951259031892e-04 -2 -3 1250 1.3574779732152820e-03 - - -5.5061008781194687e-02 2.7939450740814209e-01 - -2.9496839642524719e-01 2.3769420385360718e-01 - <_> - - 1 0 1251 2.6001129299402237e-02 2 -1 1252 - -5.1486152224242687e-03 -2 -3 1253 -4.1137751191854477e-02 - - 4.8369780182838440e-01 -1.4562819898128510e-01 - -4.8423030972480774e-01 1.9624310731887817e-01 - <_> - - 1 0 1254 1.2921179644763470e-02 2 -1 1255 - 2.9845361132174730e-03 -2 -3 1256 1.2732800096273422e-02 - - 6.0538208484649658e-01 -4.6820640563964844e-01 - -2.9540339484810829e-02 3.6185088753700256e-01 - <_> - - 0 1 1257 -1.0869900143006817e-04 -1 2 1258 - -8.9501799084246159e-04 -2 -3 1259 5.3637558594346046e-03 - - 1.6606490314006805e-01 3.5517621785402298e-02 - -3.5981449484825134e-01 4.2224168777465820e-01 - <_> - - 1 0 1260 1.4909369871020317e-02 -1 2 1261 - -1.0603530099615455e-03 -2 -3 1262 -3.6916081444360316e-04 - - -6.6308712959289551e-01 -3.8903519511222839e-01 - -1.1299440264701843e-01 1.6010889410972595e-01 - <_> - - 0 1 1263 -3.8595579098910093e-04 2 -1 1264 - 5.9791578678414226e-04 -2 -3 1265 1.0427299886941910e-02 - - 1.9961580634117126e-01 -2.5480431318283081e-01 - 1.0820420086383820e-01 -5.4060971736907959e-01 - <_> - 41 - -1.2273980379104614e+00 - - <_> - - 0 1 1266 8.5305199027061462e-03 2 -1 1267 - -7.0295208133757114e-03 -2 -3 1268 1.1181459762156010e-02 - - -2.3412899672985077e-01 -1.3273300230503082e-01 - -1.0306409746408463e-01 8.1993848085403442e-01 - <_> - - 1 0 1269 -3.3347710967063904e-02 2 -1 1270 - -5.7895448990166187e-03 -2 -3 1271 7.5207999907433987e-03 - - -2.0504109561443329e-01 -7.2138823568820953e-02 - 9.2525452375411987e-02 6.4616191387176514e-01 - <_> - - 1 0 1272 5.1975441165268421e-03 2 -1 1273 - 2.7103458996862173e-03 -2 -3 1274 -5.8099921792745590e-02 - - -3.6144751310348511e-01 -3.4319791197776794e-01 - 3.2151529192924500e-01 -3.0232580378651619e-02 - <_> - - 1 2 1275 4.1742541361600161e-04 0 -1 1276 - 5.8975181309506297e-04 -2 -3 1277 1.3578129932284355e-02 - - -2.6612699031829834e-01 1.4442689716815948e-01 - 3.6293990910053253e-02 4.4277408719062805e-01 - <_> - - 0 1 1278 -3.9278618060052395e-03 -1 2 1279 - -1.6465460881590843e-02 -2 -3 1280 -9.0516731142997742e-03 - - -4.2203828692436218e-01 -5.7036012411117554e-01 - -2.4343970417976379e-01 1.2901119887828827e-01 - <_> - - 0 1 1281 -4.0202909149229527e-03 -1 2 1282 - 1.9786891061812639e-03 -2 -3 1283 -2.1167920902371407e-02 - - 3.0336159467697144e-01 -1.1887379735708237e-01 - -5.3209340572357178e-01 3.7618291378021240e-01 - <_> - - 0 1 1284 -1.3314959593117237e-02 2 -1 1285 - -3.0734280124306679e-02 -2 -3 1286 -4.9376720190048218e-01 - - -4.7728979587554932e-01 -1.0171979665756226e-01 - -4.9745380878448486e-01 1.9965989887714386e-01 - <_> - - 1 0 1287 -2.2439099848270416e-03 -1 2 1288 - -4.3283861130475998e-02 -2 -3 1289 -9.8785851150751114e-05 - - -1.0817500203847885e-01 6.4580261707305908e-01 - 2.6985371112823486e-01 -1.5044610202312469e-01 - <_> - - 1 0 1290 2.8435129672288895e-02 -1 2 1291 - 2.7237860485911369e-03 -2 -3 1292 -4.7562850522808731e-04 - - 2.9883900284767151e-01 -1.8797110021114349e-01 - 2.8433099389076233e-01 -1.2085639685392380e-01 - <_> - - 1 0 1293 3.8944541011005640e-03 2 -1 1294 - 4.3390938080847263e-03 -2 -3 1295 -2.0263839513063431e-02 - - -2.7473360300064087e-01 -3.7163880467414856e-01 - -3.5409209132194519e-01 1.3197909295558929e-01 - <_> - - 0 1 1296 -5.5432569235563278e-02 2 -1 1297 - 5.4974798113107681e-03 -2 -3 1298 -4.8123318701982498e-03 - - -6.3836967945098877e-01 2.4118340015411377e-01 - 1.2418109923601151e-01 -1.8538869917392731e-01 - <_> - - 2 1 1299 1.4174300013110042e-03 0 -1 1300 - -3.3114890102297068e-03 -2 -3 1301 -9.4083733856678009e-03 - - 1.0947279632091522e-01 -3.1438231468200684e-01 - -5.0812500715255737e-01 1.2708969414234161e-01 - <_> - - 1 0 1302 1.6073260456323624e-02 -1 2 1303 - -3.9989468641579151e-03 -2 -3 1304 1.0122359963133931e-03 - - -3.2891270518302917e-01 2.3349060118198395e-01 - -1.7827099561691284e-01 1.6806240379810333e-01 - <_> - - 1 0 1305 1.5654880553483963e-02 2 -1 1306 - 1.3416170142591000e-02 -2 -3 1307 2.4865430314093828e-03 - - 6.6142809391021729e-01 -5.6725960969924927e-01 - 7.0396818220615387e-02 -2.1695409715175629e-01 - <_> - - 0 1 1308 -4.5016291551291943e-03 -1 2 1309 - -2.0310489460825920e-02 -2 -3 1310 2.0448309369385242e-03 - - -2.9001921415328979e-01 -5.5471527576446533e-01 - -7.5903441756963730e-03 3.0112549662590027e-01 - <_> - - 2 1 1311 3.3151761163026094e-03 0 -1 1312 - -1.1767409741878510e-02 -2 -3 1313 -9.0457782149314880e-02 - - -6.5939038991928101e-01 1.9516299664974213e-01 - 2.3783689737319946e-01 -1.6133689880371094e-01 - <_> - - 0 1 1314 -9.4386242562904954e-04 -1 2 1315 - -5.5300429463386536e-02 -2 -3 1316 1.8430839991196990e-03 - - 2.0265130698680878e-01 1.3218100368976593e-01 - -8.5232466459274292e-02 -5.0634711980819702e-01 - <_> - - 2 1 1317 -4.4628758914768696e-03 0 -1 1318 - 9.7493419889360666e-04 -2 -3 1319 -3.1454759300686419e-04 - - -2.7136290073394775e-01 1.5943349897861481e-01 - 2.7965110540390015e-01 -3.2671060413122177e-02 - <_> - - 1 2 1320 -1.6447799280285835e-02 0 -1 1321 - 2.3777380585670471e-02 -2 -3 1322 2.8008338995277882e-03 - - -4.1435249149799347e-03 3.5191389918327332e-01 - -2.2791029512882233e-01 1.8853689730167389e-01 - <_> - - 1 0 1323 1.7503320123068988e-04 -1 2 1324 - 1.3492659491021186e-04 -2 -3 1325 4.8691541451262310e-05 - - -2.1376720070838928e-01 -1.3506560027599335e-01 - -2.7009880542755127e-01 3.2778948545455933e-01 - <_> - - 1 0 1326 2.4542049504816532e-03 -1 2 1327 - -2.3232260718941689e-02 -2 -3 1328 5.2798539400100708e-03 - - 2.6363280415534973e-01 -3.8305589556694031e-01 - -7.7942140400409698e-02 2.4021050333976746e-01 - <_> - - 1 0 1329 7.0398352108895779e-03 2 -1 1330 - 4.0894638746976852e-02 -2 -3 1331 -7.9772479832172394e-02 - - 2.0972409844398499e-01 -7.0987868309020996e-01 - 5.7007771730422974e-01 -6.9354712963104248e-02 - <_> - - 1 0 1332 6.4237392507493496e-04 -1 2 1333 - 1.8864229787141085e-03 -2 -3 1334 -2.5151949375867844e-03 - - -4.0321418642997742e-01 8.4503486752510071e-02 - 7.3963850736618042e-01 -3.7004008889198303e-01 - <_> - - 2 1 1335 9.2179048806428909e-04 0 -1 1336 - -6.6281789913773537e-03 -2 -3 1337 -1.2447969987988472e-02 - - 2.4241310358047485e-01 -2.5563749670982361e-01 - 4.5645469427108765e-01 3.5875100642442703e-02 - <_> - - 1 0 1338 9.8073864355683327e-03 2 -1 1339 - 1.1752230115234852e-02 -2 -3 1340 -4.5835418859496713e-04 - - -3.5728690028190613e-01 2.2477920353412628e-01 - 9.2636883258819580e-02 -2.2759440541267395e-01 - <_> - - 1 0 1341 1.2521909549832344e-02 2 -1 1342 - 5.4397471249103546e-03 -2 -3 1343 -5.8840587735176086e-04 - - -5.0926029682159424e-01 4.6630910038948059e-01 - -2.5326851010322571e-01 4.8585399985313416e-02 - <_> - - 0 1 1344 -8.6136013269424438e-03 2 -1 1345 - 4.8513390356674790e-04 -2 -3 1346 -5.7645072229206562e-04 - - -4.6801608800888062e-01 1.5412229299545288e-01 - 3.3526080846786499e-01 -1.3425140082836151e-01 - <_> - - 0 1 1347 1.5327259898185730e-03 2 -1 1348 - 1.6712940123397857e-04 -2 -3 1349 5.0148408627137542e-04 - - -8.4655933082103729e-02 -2.9512628912925720e-01 - 4.4228151440620422e-01 7.0311659947037697e-03 - <_> - - 0 1 1350 -7.2751182597130537e-04 2 -1 1351 - 1.6298179980367422e-03 -2 -3 1352 -6.5518761985003948e-03 - - 3.6965361237525940e-01 -3.1909099221229553e-01 - -5.0437092781066895e-01 4.8704870045185089e-02 - <_> - - 0 1 1353 -1.8271349370479584e-02 2 -1 1354 - -3.1057938933372498e-01 -2 -3 1355 8.6849008221179247e-04 - - 2.6778510212898254e-01 -1.5646959841251373e-01 - 2.2130140662193298e-01 -2.3309649527072906e-01 - <_> - - 0 1 1356 -1.0790280066430569e-02 2 -1 1357 - -6.7156221484765410e-04 -2 -3 1358 7.9050064086914062e-03 - - -4.1554379463195801e-01 -8.0280020833015442e-02 - 1.7470720410346985e-01 -7.7852571010589600e-01 - <_> - - 2 1 1359 1.2352660298347473e-02 0 -1 1360 - 6.2703549861907959e-02 -2 -3 1361 -7.1864388883113861e-03 - - 4.3160900473594666e-01 -3.9224869012832642e-01 - -5.8003968000411987e-01 -2.5838220492005348e-02 - <_> - - 0 1 1362 -3.8558109663426876e-03 -1 2 1363 - -1.5419459668919444e-03 -2 -3 1364 -2.2120370995253325e-03 - - 1.5963500738143921e-01 1.6741840541362762e-01 - 2.9176110401749611e-02 -2.8822419047355652e-01 - <_> - - 0 1 1365 -2.1434590220451355e-02 2 -1 1366 - -1.9107710104435682e-03 -2 -3 1367 3.5804428160190582e-02 - - -2.2613149881362915e-01 1.0307289659976959e-01 - 7.5381852686405182e-02 -6.3267099857330322e-01 - <_> - - 1 0 1368 1.4067400479689240e-03 -1 2 1369 - 9.6554737538099289e-03 -2 -3 1370 2.4058830738067627e-01 - - 3.7057319283485413e-01 -2.0454670488834381e-01 - 2.0735639333724976e-01 -1.2661419808864594e-01 - <_> - - 1 0 1371 5.2541731856763363e-03 -1 2 1372 - -1.1480560060590506e-03 -2 -3 1373 5.2387482719495893e-04 - - -2.3812450468540192e-01 -1.8807569518685341e-02 - 5.8435738086700439e-01 -7.0002108812332153e-02 - <_> - - 1 0 1374 8.9346221648156643e-04 -1 2 1375 - -1.4664779603481293e-01 -2 -3 1376 6.4734317129477859e-04 - - -2.0343719422817230e-01 4.2429131269454956e-01 - -7.2510123252868652e-02 2.4216009676456451e-01 - <_> - - 1 0 1377 3.7285720463842154e-03 2 -1 1378 - 1.0364309855503961e-04 -2 -3 1379 -4.3523311614990234e-03 - - -4.1690871119499207e-01 1.7091989517211914e-01 - 3.1368499994277954e-01 -1.3387750089168549e-01 - <_> - - 1 2 1380 -8.2644030451774597e-02 0 -1 1381 - -8.3868228830397129e-04 -2 -3 1382 -2.6123419404029846e-02 - - 6.7182201147079468e-01 -4.5429998636245728e-01 - 2.1897830069065094e-01 -3.2377090305089951e-02 - <_> - - 2 1 1383 5.2059517474845052e-04 0 -1 1384 - -2.9154460877180099e-02 -2 -3 1385 -1.1165169999003410e-03 - - -3.6328500509262085e-01 1.6834139823913574e-01 - 1.5818840265274048e-01 -2.3134049773216248e-01 - <_> - - 1 0 1386 -1.1460180394351482e-03 2 -1 1387 - 2.0873030647635460e-02 -2 -3 1388 4.0476579219102859e-02 - - -1.2237170338630676e-01 4.0715441107749939e-01 - -4.8719130456447601e-02 6.1359512805938721e-01 - <_> - 42 - -1.1990439891815186e+00 - - <_> - - 2 1 1389 2.3152550682425499e-02 0 -1 1390 - 9.4490228220820427e-03 -2 -3 1391 1.2632790021598339e-03 - - 1.6217540204524994e-01 8.9458537101745605e-01 - -2.9920589923858643e-01 2.4114310741424561e-01 - <_> - - 1 2 1392 -6.3288196921348572e-02 0 -1 1393 - -5.4630772210657597e-03 -2 -3 1394 -5.3964817197993398e-04 - - 5.8726388216018677e-01 2.8670629486441612e-02 - 2.1043429151177406e-02 -3.3096361160278320e-01 - <_> - - 0 1 1395 -4.3574950098991394e-01 -1 2 1396 - -2.2997299674898386e-03 -2 -3 1397 2.8589849825948477e-03 - - 2.9235550761222839e-01 1.0574100166559219e-01 - -3.3370551466941833e-01 1.6990379989147186e-01 - <_> - - 0 1 1398 -2.1891849115490913e-02 -1 2 1399 - -9.2662516981363297e-03 -2 -3 1400 -1.6625279560685158e-02 - - -6.2861520051956177e-01 -4.3969720602035522e-01 - 4.0394479036331177e-01 1.1343320365995169e-03 - <_> - - 2 1 1401 2.4849560577422380e-03 0 -1 1402 - -1.8093220889568329e-02 -2 -3 1403 -1.5609259717166424e-02 - - -1.5912850201129913e-01 4.4538548588752747e-01 - 6.9278262555599213e-02 -2.2655999660491943e-01 - <_> - - 0 1 1404 -4.3753669597208500e-03 -1 2 1405 - -1.3602689432445914e-04 -2 -3 1406 3.8207470788620412e-04 - - -7.1104782819747925e-01 -1.6582900285720825e-01 - 2.1408109366893768e-01 -1.2310829758644104e-01 - <_> - - 0 1 1407 -5.7698809541761875e-03 -1 2 1408 - -6.5253339707851410e-03 -2 -3 1409 -8.3149597048759460e-02 - - 2.5808620452880859e-01 2.0068170130252838e-01 - -6.4005237817764282e-01 -9.6292853355407715e-02 - <_> - - 0 1 1410 -1.7492580227553844e-03 -1 2 1411 - -3.5885178949683905e-03 -2 -3 1412 2.8363720048218966e-03 - - -2.7996930480003357e-01 -4.2557060718536377e-01 - 1.7105630040168762e-01 -1.1548189818859100e-01 - <_> - - 2 1 1413 3.7369329947978258e-03 0 -1 1414 - 2.0398290827870369e-02 -2 -3 1415 -1.8605329096317291e-02 - - 7.5142003595829010e-02 7.1449148654937744e-01 - 6.6745537519454956e-01 -1.3011719286441803e-01 - <_> - - 1 0 1416 1.2047400232404470e-03 -1 2 1417 - -4.1799237951636314e-03 -2 -3 1418 5.3556780330836773e-03 - - 1.9936279952526093e-01 2.0625339448451996e-01 - -2.1847389638423920e-01 3.9184600114822388e-01 - <_> - - 1 2 1419 -2.3561089765280485e-03 0 -1 1420 - -5.9740748256444931e-02 -2 -3 1421 1.4918210217729211e-03 - - 6.4951920509338379e-01 -2.6147049665451050e-01 - 1.1800879985094070e-01 -3.6518579721450806e-01 - <_> - - 0 1 1422 -2.6466009020805359e-01 -1 2 1423 - -6.3644978217780590e-04 -2 -3 1424 -1.0798840224742889e-01 - - -4.7007301449775696e-01 1.5393650531768799e-01 - 2.8167989850044250e-01 -1.9636960327625275e-01 - <_> - - 0 1 1425 -3.6950930370949209e-04 -1 2 1426 - -7.9222144559025764e-03 -2 -3 1427 -7.1997018530964851e-03 - - -2.5694531202316284e-01 -3.6089059710502625e-01 - 2.1187220513820648e-01 -6.0304410755634308e-02 - <_> - - 1 0 1428 2.7865950018167496e-02 -1 2 1429 - 1.0313779785064980e-04 -2 -3 1430 9.8026450723409653e-04 - - 2.7542260289192200e-01 -2.1113120019435883e-01 - 1.2969830632209778e-01 -3.5925969481468201e-01 - <_> - - 1 0 1431 1.0869160294532776e-02 2 -1 1432 - 1.9162669777870178e-03 -2 -3 1433 -6.9466588320210576e-04 - - -2.8709220886230469e-01 1.9223760068416595e-01 - 2.6802310347557068e-01 -1.5893469750881195e-01 - <_> - - 0 1 1434 -1.5737100038677454e-03 2 -1 1435 - 2.8489651158452034e-03 -2 -3 1436 1.2300360249355435e-03 - - 4.8450559377670288e-01 1.4732420444488525e-01 - -2.2078629583120346e-02 -3.5363599658012390e-01 - <_> - - 0 1 1437 -1.7871359596028924e-03 -1 2 1438 - -7.5124297291040421e-04 -2 -3 1439 -1.5810869634151459e-02 - - 1.5130859613418579e-01 -2.5845149159431458e-01 - 3.9024001359939575e-01 -8.3249032497406006e-02 - <_> - - 2 1 1440 -8.5817109793424606e-03 0 -1 1441 - 1.4925940334796906e-01 -2 -3 1442 5.0973348319530487e-02 - - 6.5285183489322662e-02 -4.4836780428886414e-01 - -5.9802252054214478e-01 7.6314812898635864e-01 - <_> - - 2 1 1443 -1.4699130551889539e-03 0 -1 1444 - 1.8571510445326567e-03 -2 -3 1445 2.7572319377213717e-03 - - -1.5857130289077759e-01 2.0623469352722168e-01 - -1.5369700267910957e-02 3.5741418600082397e-01 - <_> - - 0 1 1446 -1.2494870461523533e-02 -1 2 1447 - -2.0542230457067490e-02 -2 -3 1448 9.8408637568354607e-03 - - 2.1646310389041901e-01 3.5183259844779968e-01 - -2.5107988715171814e-01 2.4597419425845146e-02 - <_> - - 1 0 1449 7.5531061738729477e-03 2 -1 1450 - 8.6472760885953903e-03 -2 -3 1451 -2.3343270644545555e-02 - - -7.7170521020889282e-01 -2.6535108685493469e-01 - -3.1102359294891357e-01 1.0751940310001373e-01 - <_> - - 0 1 1452 -2.3739689495414495e-03 2 -1 1453 - 4.5531010255217552e-03 -2 -3 1454 -1.7819739878177643e-02 - - 2.4833559989929199e-01 1.2766610085964203e-01 - -2.1538909524679184e-02 -3.3530569076538086e-01 - <_> - - 0 1 1455 -1.8217710778117180e-02 -1 2 1456 - -4.5768721029162407e-03 -2 -3 1457 -1.8008370534516871e-04 - - -4.1915500164031982e-01 -4.3936538696289062e-01 - -1.2697519361972809e-01 1.3539279997348785e-01 - <_> - - 0 1 1458 -7.6008588075637817e-03 2 -1 1459 - 4.5034091453999281e-04 -2 -3 1460 2.7170981047675014e-04 - - -3.3822789788246155e-01 3.1599909067153931e-01 - -7.5660146772861481e-02 2.3075099289417267e-01 - <_> - - 0 1 1461 -5.9739891439676285e-02 2 -1 1462 - -2.4159778840839863e-03 -2 -3 1463 7.5702499598264694e-03 - - -3.9958238601684570e-01 -2.9177419841289520e-02 - 3.6201998591423035e-01 -7.8775990009307861e-01 - <_> - - 1 0 1464 4.8360861837863922e-03 -1 2 1465 - -1.9794749096035957e-02 -2 -3 1466 -5.3176241926848888e-03 - - -4.7984561324119568e-01 3.1721720099449158e-01 - 2.1971449255943298e-01 -8.5302233695983887e-02 - <_> - - 2 1 1467 3.5097550135105848e-03 0 -1 1468 - -1.6063610091805458e-03 -2 -3 1469 1.8238229677081108e-03 - - 3.4705808758735657e-01 -3.2198080420494080e-01 - 9.7573727369308472e-02 -4.1784769296646118e-01 - <_> - - 2 1 1470 2.2058039903640747e-03 0 -1 1471 - 2.5601179804652929e-03 -2 -3 1472 2.2490289993584156e-03 - - -2.9866018891334534e-01 3.2085859775543213e-01 - 1.0411229729652405e-01 -3.0941790342330933e-01 - <_> - - 1 2 1473 2.2417849395424128e-03 0 -1 1474 - 9.5781440904829651e-05 -2 -3 1475 -1.0199189931154251e-01 - - -1.9861190021038055e-01 8.0484487116336823e-02 - -6.6573441028594971e-01 2.6545938849449158e-01 - <_> - - 2 1 1476 2.9278239235281944e-03 0 -1 1477 - -2.3058110382407904e-03 -2 -3 1478 -3.5818710457533598e-03 - - 4.6711549162864685e-01 -2.3293379694223404e-02 - 1.9756149500608444e-02 -2.5899839401245117e-01 - <_> - - 2 1 1479 4.8302081413567066e-03 0 -1 1480 - -2.7483499143272638e-03 -2 -3 1481 -4.5970390783622861e-04 - - -3.6909970641136169e-01 2.9650568962097168e-01 - 1.0480040311813354e-01 -1.6184529662132263e-01 - <_> - - 2 1 1482 -1.0161349549889565e-02 0 -1 1483 - 3.2342320773750544e-03 -2 -3 1484 -1.1368689592927694e-03 - - -1.5523530542850494e-01 4.8816910386085510e-01 - 2.8159290552139282e-01 -6.2790401279926300e-02 - <_> - - 1 0 1485 1.1411249870434403e-03 2 -1 1486 - 2.8695389628410339e-03 -2 -3 1487 2.4731169641017914e-01 - - 1.2081749737262726e-01 2.0992599427700043e-01 - -2.4197529256343842e-01 6.4990550279617310e-01 - <_> - - 2 1 1488 2.7829511091113091e-03 0 -1 1489 - -1.3701720163226128e-02 -2 -3 1490 4.8768401145935059e-02 - - 4.5538169145584106e-01 -3.3847901225090027e-01 - 8.9688122272491455e-02 -3.1576380133628845e-01 - <_> - - 1 0 1491 1.7329800873994827e-02 2 -1 1492 - 1.4899630099534988e-02 -2 -3 1493 -5.4528238251805305e-03 - - 4.2558190226554871e-01 6.1711931228637695e-01 - -4.0939989686012268e-01 -1.5215449966490269e-02 - <_> - - 0 1 1494 -4.6164509840309620e-03 2 -1 1495 - 2.2072680294513702e-03 -2 -3 1496 1.1780969798564911e-03 - - -3.5992878675460815e-01 2.0051500201225281e-01 - -1.7710399627685547e-01 1.3283580541610718e-01 - <_> - - 2 1 1497 -2.1226529497653246e-04 0 -1 1498 - 6.6969380713999271e-03 -2 -3 1499 4.8628589138388634e-03 - - -1.4558829367160797e-01 3.0319228768348694e-01 - 2.1147659420967102e-01 -6.5050870180130005e-01 - <_> - - 1 0 1500 1.2855669483542442e-03 -1 2 1501 - -9.8538002930581570e-04 -2 -3 1502 3.6161120515316725e-03 - - -1.4253799617290497e-01 -4.9302369356155396e-02 - 4.5496350526809692e-01 -1.2398339807987213e-01 - <_> - - 1 0 1503 7.4739390984177589e-03 2 -1 1504 - 1.4764349907636642e-02 -2 -3 1505 5.4328311234712601e-03 - - 2.5631210207939148e-01 5.8572351932525635e-01 - 3.2529931515455246e-02 -2.2187189757823944e-01 - <_> - - 1 2 1506 -2.7086320915259421e-04 0 -1 1507 - 4.2132260277867317e-03 -2 -3 1508 1.9583420362323523e-04 - - 2.6175120472908020e-01 -5.9540379047393799e-01 - -1.9159470498561859e-01 9.1520026326179504e-02 - <_> - - 0 1 1509 -7.1442658081650734e-03 2 -1 1510 - 2.3744559439364821e-04 -2 -3 1511 -8.4380080807022750e-05 - - 1.3012650609016418e-01 -3.8831448554992676e-01 - 2.1030910313129425e-01 -1.4587140083312988e-01 - <_> - - 1 0 1512 1.2161800265312195e-01 2 -1 1513 - 6.9275178248062730e-05 -2 -3 1514 -1.5904659405350685e-02 - - 2.5583249330520630e-01 1.1272220313549042e-01 - 7.2112542390823364e-01 -1.9385160505771637e-01 - <_> - 35 - -1.1545649766921997e+00 - - <_> - - 2 1 1515 1.7899930477142334e-02 0 -1 1516 - 1.5925300540402532e-03 -2 -3 1517 1.8896949477493763e-03 - - 4.6134639531373978e-02 8.3787131309509277e-01 - -3.6899039149284363e-01 1.8707709386944771e-02 - <_> - - 1 0 1518 -4.1336648166179657e-02 -1 2 1519 - -4.0737599134445190e-02 -2 -3 1520 -1.4306500088423491e-03 - - -1.9983500242233276e-01 5.5203098058700562e-01 - -5.4083228111267090e-01 1.3183380663394928e-01 - <_> - - 2 1 1521 1.4656609855592251e-03 0 -1 1522 - -1.3589359587058425e-03 -2 -3 1523 -1.5437849797308445e-03 - - 1.7477029561996460e-01 -4.5285460352897644e-01 - 2.2154679894447327e-01 -1.1437030136585236e-01 - <_> - - 2 1 1524 6.6659757867455482e-03 0 -1 1525 - -1.7080729594454169e-03 -2 -3 1526 -3.6050159484148026e-02 - - 5.6135451793670654e-01 -7.5875748880207539e-03 - 6.9391137361526489e-01 -1.3373179733753204e-01 - <_> - - 0 1 1527 -7.1983798407018185e-03 -1 2 1528 - -6.5796967828646302e-04 -2 -3 1529 -1.2115390272811055e-03 - - 1.8855899572372437e-01 -4.7130081057548523e-01 - 1.9381099939346313e-01 -1.4709189534187317e-01 - <_> - - 0 1 1530 -1.0272770188748837e-02 2 -1 1531 - -7.0025851018726826e-03 -2 -3 1532 -2.4933859705924988e-02 - - -4.1135069727897644e-01 -8.8177748024463654e-02 - -6.3464301824569702e-01 2.5403091311454773e-01 - <_> - - 2 1 1533 7.7693387866020203e-03 0 -1 1534 - -4.4885549694299698e-02 -2 -3 1535 1.9916899036616087e-03 - - -4.5445719361305237e-01 3.3884489536285400e-01 - -5.3012330085039139e-02 -5.7269239425659180e-01 - <_> - - 0 1 1536 -1.4783450402319431e-02 2 -1 1537 - 1.1688449885696173e-03 -2 -3 1538 -1.2033269740641117e-04 - - 3.7365919351577759e-01 -3.0164909362792969e-01 - 1.4958509802818298e-01 -1.4014390110969543e-01 - <_> - - 0 1 1539 -4.3730039149522781e-02 -1 2 1540 - -1.7855180427432060e-02 -2 -3 1541 8.3651271415874362e-04 - - -7.0078557729721069e-01 8.0032449960708618e-01 - 7.8825756907463074e-02 -2.0352110266685486e-01 - <_> - - 2 1 1542 -6.6671593231149018e-05 0 -1 1543 - -9.8805947345681489e-05 -2 -3 1544 -2.7336759376339614e-04 - - -3.7201121449470520e-01 1.3640309683978558e-02 - -1.6216109693050385e-01 2.6113900542259216e-01 - <_> - - 1 0 1545 4.2468630708754063e-03 2 -1 1546 - -4.9197040498256683e-03 -2 -3 1547 -1.4116670005023479e-02 - - 2.8842711448669434e-01 -1.0787279903888702e-01 - -7.0104539394378662e-01 3.3659279346466064e-01 - <_> - - 1 2 1548 -4.4507419806905091e-04 0 -1 1549 - -1.2075440026819706e-02 -2 -3 1550 -2.3437689524143934e-03 - - -7.0987367630004883e-01 1.5176150202751160e-01 - -4.0890040993690491e-01 -1.7091540619730949e-02 - <_> - - 1 0 1551 1.6248680651187897e-02 2 -1 1552 - 1.9177920185029507e-03 -2 -3 1553 -1.0359560139477253e-02 - - -6.0641109943389893e-01 3.6670050024986267e-01 - 1.9813629984855652e-01 -1.1020349711179733e-01 - <_> - - 2 1 1554 2.9234820976853371e-03 0 -1 1555 - 3.4323200583457947e-02 -2 -3 1556 1.8238219490740448e-04 - - -4.6382451057434082e-01 1.5469099581241608e-01 - -2.5076579302549362e-02 2.7050849795341492e-01 - <_> - - 0 1 1557 -8.5055502131581306e-04 2 -1 1558 - 4.7644949518144131e-03 -2 -3 1559 -2.5098009500652552e-03 - - 1.7459200322628021e-01 4.0942171216011047e-01 - 3.9601740241050720e-01 -1.7667229473590851e-01 - <_> - - 0 1 1560 -5.0978600047528744e-03 -1 2 1561 - -5.2095171064138412e-02 -2 -3 1562 3.5293150693178177e-02 - - -4.4393861293792725e-01 -6.6363197565078735e-01 - 2.7801029384136200e-02 5.6744211912155151e-01 - <_> - - 0 1 1563 -3.6938309669494629e-01 2 -1 1564 - 5.7077431119978428e-03 -2 -3 1565 5.1315332530066371e-04 - - -5.4281282424926758e-01 -3.8007241487503052e-01 - -7.5563162565231323e-02 1.8112689256668091e-01 - <_> - - 0 1 1566 -8.1165106967091560e-03 -1 2 1567 - 2.4742930690990761e-05 -2 -3 1568 -8.3282394334673882e-03 - - 4.3757191300392151e-01 -1.6252890229225159e-01 - 2.9233780503273010e-01 -5.2530951797962189e-02 - <_> - - 0 1 1569 -9.9733080714941025e-03 -1 2 1570 - -1.6291439533233643e-03 -2 -3 1571 2.3081828840076923e-03 - - 2.3018500208854675e-01 -3.8834458589553833e-01 - 1.5438289940357208e-01 -1.6248099505901337e-01 - <_> - - 0 1 1572 7.0326360873878002e-03 2 -1 1573 - -8.7802913039922714e-03 -2 -3 1574 -1.1044350266456604e-01 - - -8.2522578537464142e-02 3.2759511470794678e-01 - 6.3194888830184937e-01 -2.1398690342903137e-01 - <_> - - 0 1 1575 6.3772657886147499e-03 -1 2 1576 - -1.4427660405635834e-01 -2 -3 1577 5.2613671869039536e-03 - - -6.5774962306022644e-02 -5.2361601591110229e-01 - 3.7687599658966064e-01 -3.7297201156616211e-01 - <_> - - 0 1 1578 -9.3407719396054745e-04 2 -1 1579 - 7.0944131584838033e-04 -2 -3 1580 -2.0967289805412292e-02 - - -3.5960820317268372e-01 2.9923319816589355e-01 - -3.0739480257034302e-01 4.0209449827671051e-02 - <_> - - 1 2 1581 3.0113470274955034e-03 0 -1 1582 - -1.6325850447174162e-04 -2 -3 1583 3.9222151972353458e-03 - - 8.1960096955299377e-02 -2.3989020287990570e-01 - 3.2356649637222290e-01 -1.2140029668807983e-01 - <_> - - 1 0 1584 1.9476639572530985e-03 -1 2 1585 - -1.1166670173406601e-01 -2 -3 1586 -8.8221747428178787e-03 - - -2.0126590132713318e-01 -3.1850230693817139e-01 - -4.0777778625488281e-01 1.7498190701007843e-01 - <_> - - 1 0 1587 4.4771569082513452e-04 -1 2 1588 - -1.5389479696750641e-01 -2 -3 1589 9.9520087242126465e-02 - - 2.2826899588108063e-01 2.3346799612045288e-01 - -1.9206780195236206e-01 1.9271479547023773e-01 - <_> - - 0 1 1590 -7.3821679688990116e-03 2 -1 1591 - 3.8805850781500340e-03 -2 -3 1592 1.6339759528636932e-01 - - -4.6257901191711426e-01 -2.3733510076999664e-01 - 5.5862568318843842e-02 6.1965280771255493e-01 - <_> - - 0 1 1593 -8.8077411055564880e-02 -1 2 1594 - -3.5946018993854523e-02 -2 -3 1595 -1.6441620886325836e-02 - - -3.8033220171928406e-01 2.6925620436668396e-01 - 1.4508089423179626e-01 -1.6219359636306763e-01 - <_> - - 0 1 1596 -4.3592150323092937e-03 2 -1 1597 - 1.0485500097274780e-02 -2 -3 1598 -6.1118233134038746e-05 - - -5.1064497232437134e-01 2.8324770927429199e-01 - 7.6486147940158844e-02 -1.9800069928169250e-01 - <_> - - 0 1 1599 -4.7104779630899429e-02 2 -1 1600 - 4.4213151559233665e-03 -2 -3 1601 7.0402962155640125e-03 - - -7.2683817148208618e-01 3.9631149172782898e-01 - 1.8920229747891426e-02 -3.7019899487495422e-01 - <_> - - 1 0 1602 1.4250110089778900e-01 2 -1 1603 - -5.7172770611941814e-03 -2 -3 1604 -4.6481531113386154e-02 - - 8.8020402193069458e-01 4.3595671653747559e-02 - 7.6506501436233521e-01 -2.7619931101799011e-01 - <_> - - 0 1 1605 -4.4838748872280121e-02 2 -1 1606 - 3.0957909300923347e-02 -2 -3 1607 -8.7462607771158218e-03 - - -5.1540642976760864e-01 5.9068799018859863e-01 - -2.2899469733238220e-01 6.3833296298980713e-02 - <_> - - 1 2 1608 -1.5742169693112373e-02 0 -1 1609 - -2.6640590280294418e-02 -2 -3 1610 1.8860519630834460e-03 - - 7.8339278697967529e-01 -2.8742430731654167e-02 - -5.8971941471099854e-03 -5.2254527807235718e-01 - <_> - - 1 0 1611 9.0017020702362061e-02 2 -1 1612 - 4.1232812218368053e-03 -2 -3 1613 -3.1369640491902828e-03 - - -2.7766749262809753e-01 -3.3485591411590576e-01 - 2.3297710716724396e-01 -2.5101479142904282e-02 - <_> - - 0 1 1614 -1.9068670272827148e-01 -1 2 1615 - -1.2578029930591583e-01 -2 -3 1616 -4.1931928717531264e-04 - - -4.9549269676208496e-01 -4.1263309121131897e-01 - 3.1464719772338867e-01 -1.8672699807211757e-03 - <_> - - 0 1 1617 -3.2330630347132683e-03 -1 2 1618 - 1.7340299673378468e-03 -2 -3 1619 -2.2027179598808289e-02 - - 1.2561239302158356e-01 -3.4801191091537476e-01 - 4.4815701246261597e-01 -7.2313196957111359e-02 - <_> - 39 - -1.1791440248489380e+00 - - <_> - - 2 1 1620 3.3422548323869705e-02 0 -1 1621 - 8.5403252160176635e-04 -2 -3 1622 -7.3585510253906250e-03 - - -1.3247360289096832e-01 7.6739120483398438e-01 - 1.3871429860591888e-01 -3.1415361166000366e-01 - <_> - - 1 0 1623 -1.0222700238227844e-01 2 -1 1624 - 3.4475249703973532e-03 -2 -3 1625 -1.7645580694079399e-02 - - -2.0302750170230865e-01 6.8434572219848633e-01 - 4.2404478788375854e-01 -4.3976809829473495e-02 - <_> - - 1 0 1626 3.2828699331730604e-03 -1 2 1627 - -2.6843189261853695e-03 -2 -3 1628 2.6746080256998539e-03 - - -3.2990959286689758e-01 -3.5459449887275696e-01 - 2.0094729959964752e-01 -2.5637739896774292e-01 - <_> - - 2 1 1629 4.3111201375722885e-03 0 -1 1630 - -1.0081959888339043e-02 -2 -3 1631 -1.2621459551155567e-02 - - 6.3562941551208496e-01 7.2961407713592052e-03 - -4.7962281107902527e-01 -2.3874230682849884e-02 - <_> - - 1 0 1632 6.5851196646690369e-02 2 -1 1633 - 6.6091239452362061e-02 -2 -3 1634 1.0616159997880459e-02 - - -4.3995830416679382e-01 5.8817231655120850e-01 - 4.4144749641418457e-02 -5.2871602773666382e-01 - <_> - - 0 1 1635 -1.7077329754829407e-01 2 -1 1636 - 7.3064928874373436e-03 -2 -3 1637 -1.6232950612902641e-02 - - 3.5454490780830383e-01 -4.8716691136360168e-01 - 5.1020520925521851e-01 -4.3431609869003296e-02 - <_> - - 1 0 1638 1.7457149922847748e-02 -1 2 1639 - 1.8004700905294158e-05 -2 -3 1640 -1.8200390331912786e-04 - - 6.0515201091766357e-01 -1.7250029742717743e-01 - -1.9305349886417389e-01 1.9700099527835846e-01 - <_> - - 1 2 1641 1.9662559498101473e-04 0 -1 1642 - -1.1132629588246346e-02 -2 -3 1643 2.1626690868288279e-03 - - 5.0847887992858887e-01 -1.9962939620018005e-01 - 1.6478070616722107e-01 -4.2688089609146118e-01 - <_> - - 1 0 1644 7.7909911051392555e-03 -1 2 1645 - -1.7233919352293015e-02 -2 -3 1646 1.2938809581100941e-02 - - 4.0679588913917542e-01 -3.7941160798072815e-01 - 5.0589919090270996e-02 -3.9163780212402344e-01 - <_> - - 0 1 1647 -1.7387060448527336e-02 -1 2 1648 - -2.5230729952454567e-03 -2 -3 1649 6.4417538233101368e-03 - - 3.1603300571441650e-01 -1.7287540435791016e-01 - -9.0429611504077911e-02 3.1889480352401733e-01 - <_> - - 0 1 1650 -6.1783548444509506e-03 -1 2 1651 - -6.8178442306816578e-03 -2 -3 1652 1.2576530571095645e-04 - - -8.6734527349472046e-01 -4.4892689585685730e-01 - -9.1477192938327789e-02 1.5243050456047058e-01 - <_> - - 1 0 1653 3.7562008947134018e-03 2 -1 1654 - -7.1173519827425480e-03 -2 -3 1655 -4.5744940871372819e-04 - - -3.9259639382362366e-01 -1.9343020394444466e-02 - 5.8565497398376465e-01 -3.0873420182615519e-03 - <_> - - 1 0 1656 1.8661000067368150e-03 -1 2 1657 - 4.5793029130436480e-04 -2 -3 1658 -7.0905109168961644e-04 - - 1.2924820184707642e-01 -3.0677530169487000e-01 - -2.7637350559234619e-01 1.8316049873828888e-01 - <_> - - 1 2 1659 1.6472890274599195e-03 0 -1 1660 - 3.3973839599639177e-03 -2 -3 1661 1.0479029733687639e-03 - - 3.3831808716058731e-02 5.3982901573181152e-01 - -3.4972178936004639e-01 3.4049559384584427e-02 - <_> - - 1 0 1662 -1.2611759593710303e-03 -1 2 1663 - -1.3892400311306119e-03 -2 -3 1664 -2.3636990226805210e-03 - - -1.0801869630813599e-01 -5.8067310601472855e-02 - -1.1870750039815903e-01 4.2690658569335938e-01 - <_> - - 1 0 1665 7.7976062893867493e-02 2 -1 1666 - 2.6837061159312725e-03 -2 -3 1667 -1.8215410411357880e-02 - - 6.1271321773529053e-01 2.0893469452857971e-01 - 2.2027739882469177e-01 -1.4412580430507660e-01 - <_> - - 0 1 1668 -7.1908776590134948e-05 2 -1 1669 - -4.8738159239292145e-02 -2 -3 1670 1.0442149825394154e-02 - - 1.3836480677127838e-01 -1.8305869400501251e-01 - 2.6348349452018738e-01 -6.3504451513290405e-01 - <_> - - 1 2 1671 9.3731992819812149e-05 0 -1 1672 - -8.5826592112425715e-05 -2 -3 1673 -8.0251938197761774e-04 - - 1.4046959578990936e-01 -2.6721659302711487e-01 - -1.2936100363731384e-01 2.3326739668846130e-01 - <_> - - 0 1 1674 -4.1836570017039776e-03 2 -1 1675 - -7.2750613093376160e-02 -2 -3 1676 -2.1738439798355103e-01 - - -6.0153460502624512e-01 6.9707646965980530e-02 - 5.6727671623229980e-01 -4.5854389667510986e-01 - <_> - - 2 1 1677 1.1648099869489670e-02 0 -1 1678 - -6.2701262533664703e-02 -2 -3 1679 2.1612979471683502e-02 - - 7.8997617959976196e-01 -3.9388018846511841e-01 - 7.7059872448444366e-02 -3.8484179973602295e-01 - <_> - - 2 1 1680 1.4084950089454651e-02 0 -1 1681 - -1.9548619166016579e-02 -2 -3 1682 -3.8142129778862000e-03 - - -8.6542218923568726e-01 3.0495870113372803e-01 - 9.0823858976364136e-02 -1.5859849750995636e-01 - <_> - - 1 0 1683 -1.0152840055525303e-02 -1 2 1684 - -7.2696566581726074e-02 -2 -3 1685 6.2066782265901566e-03 - - 4.4999830424785614e-02 -5.6914567947387695e-01 - -2.0673969388008118e-01 9.0268892049789429e-01 - <_> - - 1 0 1686 6.9105483591556549e-02 -1 2 1687 - -1.4375509927049279e-03 -2 -3 1688 -1.2960369931533933e-03 - - -5.9451812505722046e-01 4.0363711118698120e-01 - -3.1941750645637512e-01 3.5984441637992859e-02 - <_> - - 1 0 1689 6.1866950243711472e-02 2 -1 1690 - -1.2085740454494953e-02 -2 -3 1691 2.4474540259689093e-03 - - -2.7787050604820251e-01 -1.3511900603771210e-01 - -1.1833719909191132e-02 3.7945300340652466e-01 - <_> - - 0 1 1692 -5.3315522382035851e-04 2 -1 1693 - 4.3831359595060349e-02 -2 -3 1694 3.1255939393304288e-04 - - -2.2559830546379089e-01 -4.7124490141868591e-01 - 1.7324599623680115e-01 -1.0789500176906586e-01 - <_> - - 0 1 1695 -3.2911780290305614e-03 2 -1 1696 - -5.8774580247700214e-03 -2 -3 1697 1.7906239954754710e-03 - - 7.7492022514343262e-01 -8.2756206393241882e-02 - 2.2471660748124123e-02 5.2061527967453003e-01 - <_> - - 1 2 1698 -2.8294209390878677e-02 0 -1 1699 - -2.0737959071993828e-02 -2 -3 1700 6.0438051819801331e-02 - - -2.7196401357650757e-01 2.4411930143833160e-01 - -1.8866230547428131e-01 1.2102810293436050e-01 - <_> - - 1 0 1701 1.0623940266668797e-02 -1 2 1702 - -5.2178360521793365e-02 -2 -3 1703 -1.0080549865961075e-02 - - -4.3548050522804260e-01 5.5961382389068604e-01 - -4.7012031078338623e-01 3.5867590457201004e-02 - <_> - - 0 1 1704 -1.8482849700376391e-03 -1 2 1705 - -1.9860679458361119e-04 -2 -3 1706 1.3552449643611908e-01 - - 1.6979730129241943e-01 7.1132831275463104e-02 - -2.6272559165954590e-01 6.1016607284545898e-01 - <_> - - 1 2 1707 -1.5910629183053970e-02 0 -1 1708 - 2.6022290810942650e-02 -2 -3 1709 4.9573001451790333e-03 - - -3.0872771143913269e-01 4.9954459071159363e-01 - 1.6577349603176117e-01 -9.6653968095779419e-02 - <_> - - 0 1 1710 -7.6060830906499177e-05 -1 2 1711 - -7.5124457478523254e-02 -2 -3 1712 -1.2995740398764610e-03 - - 1.4288060367107391e-01 2.5722241401672363e-01 - 5.3607620298862457e-02 -2.8598341345787048e-01 - <_> - - 2 1 1713 -2.2266160231083632e-03 0 -1 1714 - -1.7864009365439415e-02 -2 -3 1715 -7.8721214085817337e-03 - - 4.0117779374122620e-01 -1.5379750728607178e-01 - -5.3092598915100098e-01 2.0486819744110107e-01 - <_> - - 2 1 1716 7.2514810599386692e-03 0 -1 1717 - -3.3152610994875431e-03 -2 -3 1718 1.1477110092528164e-04 - - 4.3453741073608398e-01 9.4297742471098900e-03 - -2.5599750876426697e-01 8.4530018270015717e-02 - <_> - - 0 1 1719 -8.1627883017063141e-02 -1 2 1720 - -3.0422580894082785e-03 -2 -3 1721 9.5837161643430591e-04 - - 6.3307619094848633e-01 1.4660899341106415e-01 - -2.0023280382156372e-01 9.1823212802410126e-02 - <_> - - 0 1 1722 -2.9197218827903271e-04 -1 2 1723 - -4.1077801142819226e-04 -2 -3 1724 -3.4885460045188665e-03 - - 1.1741080135107040e-01 -4.0920740365982056e-01 - -3.9310920238494873e-01 9.1094776988029480e-02 - <_> - - 0 1 1725 -8.0458387732505798e-02 2 -1 1726 - 1.4809619635343552e-02 -2 -3 1727 -2.5831649079918861e-02 - - -3.9728361368179321e-01 -6.7901968955993652e-01 - -4.8431569337844849e-01 7.2864383459091187e-02 - <_> - - 0 1 1728 -6.8509988486766815e-03 2 -1 1729 - 7.2365561500191689e-03 -2 -3 1730 -1.5076539712026715e-03 - - -6.2457418441772461e-01 -4.1250211000442505e-01 - 4.2033711075782776e-01 4.4630239717662334e-03 - <_> - - 1 0 1731 3.1408321112394333e-02 -1 2 1732 - -1.5178160369396210e-01 -2 -3 1733 -1.4014760032296181e-02 - - 5.3995478153228760e-01 -3.0855739116668701e-01 - -5.0550711154937744e-01 4.7526750713586807e-02 - <_> - - 0 1 1734 -1.4479519426822662e-01 2 -1 1735 - -3.5547069273889065e-04 -2 -3 1736 3.9468570612370968e-03 - - -6.7499721050262451e-01 -6.9627217948436737e-02 - 2.0310120284557343e-01 -5.7640278339385986e-01 - <_> - 46 - -1.0878429412841797e+00 - - <_> - - 1 2 1737 -3.7029121071100235e-02 0 -1 1738 - 3.5863209050148726e-03 -2 -3 1739 2.0645149052143097e-03 - - 9.5846345648169518e-03 7.9992657899856567e-01 - -2.9247409105300903e-01 1.4642210304737091e-01 - <_> - - 2 1 1740 5.5934679694473743e-03 0 -1 1741 - 2.2176630795001984e-02 -2 -3 1742 4.8479600081918761e-05 - - -3.9403820037841797e-01 5.4291707277297974e-01 - -2.4063709378242493e-01 9.0213976800441742e-02 - <_> - - 1 0 1743 -1.2722389772534370e-02 2 -1 1744 - 1.1610349640250206e-02 -2 -3 1745 8.2520343363285065e-02 - - -1.7550089955329895e-01 -3.1787800788879395e-01 - 2.8798571228981018e-01 -4.4052869081497192e-01 - <_> - - 0 1 1746 -1.4208409935235977e-02 -1 2 1747 - -8.1465748371556401e-04 -2 -3 1748 -5.5117108859121799e-03 - - -8.2584899663925171e-01 1.9521759450435638e-01 - 1.8622130155563354e-01 -1.9417479634284973e-01 - <_> - - 1 0 1749 1.0232779895886779e-03 -1 2 1750 - -6.4967863261699677e-02 -2 -3 1751 2.5218280497938395e-03 - - -1.7564930021762848e-01 -6.9197070598602295e-01 - 6.9476373493671417e-02 6.7932087182998657e-01 - <_> - - 1 0 1752 1.5097549557685852e-01 -1 2 1753 - 4.3899910524487495e-03 -2 -3 1754 9.9906846880912781e-03 - - 4.6142420172691345e-01 4.2842838913202286e-02 - -4.2551028728485107e-01 3.2834030687808990e-02 - <_> - - 0 1 1755 -2.1895440295338631e-02 -1 2 1756 - -7.6050527393817902e-02 -2 -3 1757 -9.6018705517053604e-03 - - -4.7627368569374084e-01 -3.6348098516464233e-01 - 2.4625270068645477e-01 -1.4736860059201717e-02 - <_> - - 0 1 1758 6.1576829466503114e-05 -1 2 1759 - -2.2094589658081532e-03 -2 -3 1760 -1.3034399598836899e-02 - - -1.2972380220890045e-01 3.2342359423637390e-01 - 4.9937328696250916e-01 -1.3894359767436981e-01 - <_> - - 0 1 1761 -2.0411429926753044e-02 2 -1 1762 - -6.8360187113285065e-02 -2 -3 1763 -4.1714729741215706e-03 - - -4.5825520157814026e-01 -5.3202010691165924e-02 - -3.3815470337867737e-01 2.8209799528121948e-01 - <_> - - 1 0 1764 -2.2963550873100758e-03 -1 2 1765 - -7.3422670364379883e-02 -2 -3 1766 3.5119321197271347e-02 - - -8.7558113038539886e-02 5.8385127782821655e-01 - -7.8373529016971588e-02 5.2284508943557739e-01 - <_> - - 0 1 1767 -2.3843089584261179e-03 2 -1 1768 - 5.8223021915182471e-04 -2 -3 1769 5.1109357737004757e-03 - - -3.6075130105018616e-01 2.1036569774150848e-01 - -1.9436909258365631e-01 1.3681420683860779e-01 - <_> - - 0 1 1770 -6.9154787342995405e-04 2 -1 1771 - -5.5549171520397067e-04 -2 -3 1772 -7.5950571335852146e-03 - - -2.3962910473346710e-01 -1.0858660191297531e-01 - -9.1398581862449646e-02 2.7578109502792358e-01 - <_> - - 0 1 1773 2.8131629806011915e-03 -1 2 1774 - -4.5272540301084518e-02 -2 -3 1775 -2.6697120629251003e-03 - - -7.3745496571063995e-02 3.9891231060028076e-01 - 3.7440070509910583e-01 -2.5978609919548035e-01 - <_> - - 2 1 1776 -1.0849219746887684e-02 0 -1 1777 - -1.6776850447058678e-02 -2 -3 1778 -1.9630219787359238e-02 - - -6.7678660154342651e-01 -4.9237858504056931e-02 - -4.7865530848503113e-01 2.2300049662590027e-01 - <_> - - 1 0 1779 7.0901170372962952e-02 -1 2 1780 - 7.0403231075033545e-04 -2 -3 1781 3.3363080583512783e-03 - - -2.8926369547843933e-01 -5.3575031459331512e-02 - -8.7073008762672544e-04 4.0888670086860657e-01 - <_> - - 1 0 1782 9.3207405880093575e-03 2 -1 1783 - 1.1512059718370438e-02 -2 -3 1784 -1.8639869813341647e-04 - - -5.3399091958999634e-01 -5.2177387475967407e-01 - -1.1254069954156876e-01 1.3096989691257477e-01 - <_> - - 0 1 1785 1.5442570438608527e-03 -1 2 1786 - 2.5775749236345291e-03 -2 -3 1787 -1.2664040550589561e-03 - - -8.3666101098060608e-02 3.2544130086898804e-01 - 3.0370441079139709e-01 -2.6052421331405640e-01 - <_> - - 1 0 1788 3.2941689714789391e-03 -1 2 1789 - -2.3375200107693672e-03 -2 -3 1790 -7.7096500899642706e-04 - - 2.1506890654563904e-01 1.9738529622554779e-01 - 6.9986172020435333e-02 -1.9839569926261902e-01 - <_> - - 1 0 1791 -2.7190460241399705e-04 -1 2 1792 - 2.7237389236688614e-02 -2 -3 1793 -1.5080779790878296e-02 - - 8.3213888108730316e-02 -2.8429448604583740e-01 - 6.8940150737762451e-01 -5.7628151029348373e-02 - <_> - - 0 1 1794 -6.5730936825275421e-02 -1 2 1795 - -7.4283648282289505e-03 -2 -3 1796 3.4652319736778736e-03 - - -5.2482831478118896e-01 3.9523449540138245e-01 - -7.3690779507160187e-02 2.0800660550594330e-01 - <_> - - 0 1 1797 -1.2613019905984402e-02 2 -1 1798 - 2.3288120329380035e-01 -2 -3 1799 2.1903509274125099e-02 - - -6.8893492221832275e-01 7.0790272951126099e-01 - -7.7761108987033367e-03 8.4372210502624512e-01 - <_> - - 1 0 1800 1.0629750322550535e-03 -1 2 1801 - 1.8193929281551391e-04 -2 -3 1802 1.4717869926244020e-03 - - -3.4246420860290527e-01 1.0657790303230286e-01 - -3.1970989704132080e-01 7.0577569305896759e-02 - <_> - - 1 2 1803 7.5306659564375877e-03 0 -1 1804 - 1.7505730502307415e-03 -2 -3 1805 3.8401300553232431e-03 - - -1.5460279583930969e-01 2.1335080265998840e-01 - 2.3800070583820343e-01 -4.1055840253829956e-01 - <_> - - 1 2 1806 -2.5041550397872925e-01 0 -1 1807 - -2.0444789528846741e-01 -2 -3 1808 -1.2383040040731430e-02 - - -3.7927308678627014e-01 4.9870368838310242e-01 - 4.6343478560447693e-01 -6.7613303661346436e-02 - <_> - - 2 1 1809 1.9026029622182250e-03 0 -1 1810 - -1.6705439984798431e-01 -2 -3 1811 -8.6937591433525085e-02 - - 3.5356861352920532e-01 -2.4803459644317627e-01 - -5.6781381368637085e-01 1.0121189802885056e-01 - <_> - - 1 0 1812 -1.0314949788153172e-02 2 -1 1813 - 4.5044738799333572e-03 -2 -3 1814 1.5172120183706284e-02 - - -5.2530448883771896e-02 -9.0071156620979309e-02 - 7.1758699417114258e-01 -3.7740949541330338e-02 - <_> - - 0 1 1815 -5.6233601644635201e-03 2 -1 1816 - 5.4567858576774597e-02 -2 -3 1817 9.7008212469518185e-04 - - 2.3325720429420471e-01 4.8646458983421326e-01 - -2.4600529670715332e-01 2.4224309250712395e-02 - <_> - - 0 1 1818 -2.7179729659110308e-03 2 -1 1819 - -2.0419640466570854e-02 -2 -3 1820 -3.3307760953903198e-02 - - -5.3633391857147217e-01 -1.1361650191247463e-02 - 6.7398411035537720e-01 -1.4063489437103271e-01 - <_> - - 0 1 1821 -2.5500180199742317e-02 -1 2 1822 - -4.0629908442497253e-02 -2 -3 1823 -9.0600941330194473e-03 - - -3.6177828907966614e-01 -5.4579132795333862e-01 - 5.2202242612838745e-01 2.2736469283699989e-02 - <_> - - 0 1 1824 -2.5635668635368347e-01 2 -1 1825 - -9.5340751111507416e-02 -2 -3 1826 -5.9463721700012684e-03 - - -8.3328348398208618e-01 -1.6835439950227737e-02 - 5.6909567117691040e-01 -2.4973009526729584e-01 - <_> - - 2 1 1827 -9.2139927437528968e-04 0 -1 1828 - -6.8437340669333935e-03 -2 -3 1829 -8.2487165927886963e-03 - - -3.6735090613365173e-01 1.6015109419822693e-01 - 5.2686601877212524e-01 -1.5151239931583405e-01 - <_> - - 1 0 1830 4.7555859200656414e-03 2 -1 1831 - 9.3567231670022011e-04 -2 -3 1832 -6.3907768344506621e-04 - - -4.2700308561325073e-01 1.7327770590782166e-01 - 1.3155570626258850e-01 -1.8646000325679779e-01 - <_> - - 0 1 1833 -5.6550311855971813e-03 -1 2 1834 - -1.2212459929287434e-02 -2 -3 1835 -1.0550339706242085e-02 - - 3.1297039985656738e-01 4.6750861406326294e-01 - -2.4461230635643005e-01 1.6502030193805695e-02 - <_> - - 0 1 1836 -7.5216998811811209e-04 2 -1 1837 - 3.0214080470614135e-04 -2 -3 1838 2.8510420816019177e-04 - - -1.0075300186872482e-01 -2.8865608572959900e-01 - -1.1844499967992306e-02 3.6691731214523315e-01 - <_> - - 1 0 1839 -4.4020009227097034e-03 2 -1 1840 - 3.5568218678236008e-02 -2 -3 1841 6.4601990743540227e-05 - - -7.7167138457298279e-02 -4.4335851073265076e-01 - 1.3781660236418247e-02 4.5319119095802307e-01 - <_> - - 1 0 1842 9.3313469551503658e-04 -1 2 1843 - -8.7838143110275269e-02 -2 -3 1844 2.8037109877914190e-03 - - -1.2059070169925690e-01 -4.6736609935760498e-01 - 7.1518830955028534e-02 4.4593128561973572e-01 - <_> - - 1 0 1845 2.3915059864521027e-03 2 -1 1846 - -1.8183189677074552e-03 -2 -3 1847 1.9244100258219987e-04 - - -3.3277919888496399e-01 9.1478407382965088e-02 - 4.9121279269456863e-02 -4.5266890525817871e-01 - <_> - - 1 0 1848 2.1789909899234772e-01 -1 2 1849 - 1.0331439552828670e-03 -2 -3 1850 -1.4138330519199371e-01 - - 7.4892401695251465e-01 -1.0637000203132629e-01 - -4.2974629998207092e-01 1.6179689764976501e-01 - <_> - - 0 1 1851 -5.9106688946485519e-02 2 -1 1852 - 7.8279376029968262e-03 -2 -3 1853 -3.1304039293900132e-04 - - -4.0774118900299072e-01 3.9237990975379944e-01 - 1.3964369893074036e-01 -9.7562357783317566e-02 - <_> - - 0 1 1854 -6.4937800168991089e-02 -1 2 1855 - -2.1739810705184937e-01 -2 -3 1856 -2.0257150754332542e-02 - - 2.2590440511703491e-01 -3.4484180808067322e-01 - 2.4723629653453827e-01 -6.6609263420104980e-02 - <_> - - 1 2 1857 -1.1548499576747417e-02 0 -1 1858 - -6.7811407148838043e-02 -2 -3 1859 -3.4953389316797256e-02 - - 1.9427110254764557e-01 -5.8727997541427612e-01 - 7.8955358266830444e-01 1.5297190286219120e-02 - <_> - - 0 1 1860 -1.7180469632148743e-01 2 -1 1861 - -2.5918710161931813e-04 -2 -3 1862 1.2741640210151672e-02 - - -2.9612448811531067e-01 1.0281720012426376e-01 - -3.0702060461044312e-01 2.1692450344562531e-01 - <_> - - 0 1 1863 -3.1258590519428253e-02 2 -1 1864 - 3.5533700138330460e-03 -2 -3 1865 -9.2502118786796927e-04 - - 5.7348787784576416e-01 5.0475007295608521e-01 - -2.6686659455299377e-01 9.2138834297657013e-03 - <_> - - 0 1 1866 -1.2170480331405997e-03 -1 2 1867 - -2.2023949772119522e-02 -2 -3 1868 2.9549229890108109e-02 - - -3.9172619581222534e-01 2.0690579712390900e-01 - -6.0358341783285141e-02 6.9752788543701172e-01 - <_> - - 1 2 1869 -7.2058511432260275e-04 0 -1 1870 - -2.5625678896903992e-01 -2 -3 1871 3.2817238569259644e-01 - - -3.3763760328292847e-01 5.7221870869398117e-02 - 1.8268160521984100e-02 4.5866298675537109e-01 - <_> - - 0 1 1872 -5.2478950470685959e-02 -1 2 1873 - -7.2261072695255280e-02 -2 -3 1874 -1.0751239955425262e-02 - - -3.7492391467094421e-01 5.6878948211669922e-01 - -3.2823160290718079e-01 5.0447538495063782e-02 - <_> - 43 - -1.1713529825210571e+00 - - <_> - - 1 2 1875 -3.6475598812103271e-02 0 -1 1876 - 1.2570239603519440e-02 -2 -3 1877 -5.3332238458096981e-03 - - 7.8855842351913452e-01 -5.8355428278446198e-02 - 6.4850552007555962e-03 -3.8411408662796021e-01 - <_> - - 1 2 1878 -3.8449079729616642e-03 0 -1 1879 - 1.8065240001305938e-03 -2 -3 1880 4.4460720382630825e-03 - - -8.8380120694637299e-02 6.6356122493743896e-01 - -2.2651070356369019e-01 1.2168529629707336e-01 - <_> - - 1 0 1881 -1.5441340208053589e-01 2 -1 1882 - 2.8965979814529419e-02 -2 -3 1883 -1.8112070858478546e-02 - - -1.7789100110530853e-01 3.8929471373558044e-01 - 4.2137289047241211e-01 -2.0651680231094360e-01 - <_> - - 0 1 1884 -3.0437670648097992e-03 -1 2 1885 - -2.7257429901510477e-03 -2 -3 1886 -1.5535579994320869e-02 - - -4.5531120896339417e-01 2.5576180219650269e-01 - 2.9463219642639160e-01 -1.2572860717773438e-01 - <_> - - 0 1 1887 -1.4182399958372116e-02 -1 2 1888 - 2.8875279240310192e-03 -2 -3 1889 1.9505630480125546e-03 - - -4.7841429710388184e-01 -1.4739120006561279e-01 - -1.1689100414514542e-02 3.8708359003067017e-01 - <_> - - 2 1 1890 -4.1997907683253288e-03 0 -1 1891 - -1.2343189679086208e-02 -2 -3 1892 -6.5799211151897907e-03 - - 2.1066769957542419e-01 -2.4238829314708710e-01 - -4.1709339618682861e-01 1.9089350104331970e-01 - <_> - - 1 0 1893 2.0319439936429262e-03 -1 2 1894 - -2.2653149440884590e-02 -2 -3 1895 -2.4583860067650676e-04 - - 2.7525109052658081e-01 6.1857348680496216e-01 - -3.7903881072998047e-01 -1.9395859912037849e-02 - <_> - - 0 1 1896 -1.1686830548569560e-03 -1 2 1897 - 3.6638419260270894e-04 -2 -3 1898 -5.7184919569408521e-05 - - 1.3913659751415253e-01 -2.6073169708251953e-01 - 3.0361440777778625e-01 -1.7147840559482574e-01 - <_> - - 2 1 1899 -2.3458409123122692e-03 0 -1 1900 - -7.0121302269399166e-03 -2 -3 1901 2.3318149149417877e-02 - - 1.7510280013084412e-01 -1.7132690548896790e-01 - 2.2869640588760376e-01 -3.7544658780097961e-01 - <_> - - 1 0 1902 2.7293559163808823e-02 -1 2 1903 - -7.4272030033171177e-03 -2 -3 1904 -7.8977271914482117e-03 - - -2.8686890006065369e-01 -6.9167411327362061e-01 - -4.1576528549194336e-01 1.0694450139999390e-01 - <_> - - 0 1 1905 -3.6563118919730186e-03 2 -1 1906 - 1.5060990117490292e-03 -2 -3 1907 -2.2211389616131783e-02 - - -4.2580971121788025e-01 2.3827329277992249e-01 - -6.2818527221679688e-01 -1.2995249591767788e-02 - <_> - - 1 2 1908 -1.0182500118389726e-03 0 -1 1909 - 2.7624370530247688e-02 -2 -3 1910 -3.0267149209976196e-02 - - 2.0952360332012177e-01 -3.9603650569915771e-01 - -2.9257088899612427e-01 1.6949739307165146e-02 - <_> - - 1 0 1911 8.2686528563499451e-02 2 -1 1912 - 6.4655147492885590e-02 -2 -3 1913 2.7647409588098526e-03 - - 3.3863779902458191e-01 6.1647278070449829e-01 - -1.4266699552536011e-01 1.2386939674615860e-01 - <_> - - 0 1 1914 -3.1129099428653717e-02 2 -1 1915 - -1.5587930101901293e-03 -2 -3 1916 -5.9767777565866709e-04 - - -3.7931808829307556e-01 -9.2908859252929688e-02 - -1.0530649870634079e-01 2.9945549368858337e-01 - <_> - - 0 1 1917 -5.0103079527616501e-02 2 -1 1918 - 2.5710230693221092e-02 -2 -3 1919 -8.8613387197256088e-04 - - -4.4678428769111633e-01 -4.3549379706382751e-01 - 2.0978139340877533e-01 -3.8637928664684296e-02 - <_> - - 0 1 1920 -6.0174837708473206e-03 2 -1 1921 - 6.2055201269686222e-03 -2 -3 1922 2.7212419081479311e-04 - - 2.9752719402313232e-01 6.6692227125167847e-01 - 2.1671950817108154e-02 -2.7139788866043091e-01 - <_> - - 0 1 1923 -1.3685439713299274e-02 -1 2 1924 - -6.1648458242416382e-01 -2 -3 1925 -2.6253409683704376e-02 - - 4.7005081176757812e-01 -5.2666938304901123e-01 - 1.3483020663261414e-01 -1.0639149695634842e-01 - <_> - - 1 2 1926 -4.1545720887370408e-04 0 -1 1927 - -3.6237420863471925e-04 -2 -3 1928 5.5113807320594788e-04 - - -1.8588809669017792e-01 5.2727550268173218e-01 - 4.5380011200904846e-02 -2.3133419454097748e-01 - <_> - - 1 2 1929 -3.1878859736025333e-03 0 -1 1930 - -6.2446491792798042e-03 -2 -3 1931 -2.1054609678685665e-03 - - 2.8475400805473328e-01 -4.0583759546279907e-01 - 2.6000189781188965e-01 -1.6356609761714935e-02 - <_> - - 1 0 1932 2.2513020667247474e-04 2 -1 1933 - -5.1745050586760044e-03 -2 -3 1934 -2.7152549009770155e-03 - - -1.8777419626712799e-01 1.2812760472297668e-01 - 3.4431490302085876e-01 -4.2658099532127380e-01 - <_> - - 1 0 1935 2.7846530079841614e-02 2 -1 1936 - 4.3891910463571548e-03 -2 -3 1937 1.9749049097299576e-03 - - -2.8553798794746399e-01 6.4455038309097290e-01 - -8.2864962518215179e-02 1.7122590541839600e-01 - <_> - - 1 0 1938 -3.1317298999056220e-04 -1 2 1939 - -1.5486280433833599e-02 -2 -3 1940 9.5049021765589714e-03 - - -1.2443479895591736e-01 -1.8395289778709412e-01 - 3.4495291113853455e-01 -2.0286519080400467e-02 - <_> - - 2 1 1941 -3.7190609145909548e-04 0 -1 1942 - 2.9666710179299116e-03 -2 -3 1943 -5.8068940415978432e-03 - - 4.3022842146456242e-03 -3.4436589479446411e-01 - -8.4134072065353394e-01 2.8392368555068970e-01 - <_> - - 2 1 1944 -5.5204080417752266e-03 0 -1 1945 - -1.3792069512419403e-04 -2 -3 1946 -3.7187319248914719e-02 - - -2.6300218701362610e-01 2.6706520467996597e-02 - -2.9245018959045410e-01 4.0641939640045166e-01 - <_> - - 1 0 1947 -5.0016207387670875e-04 -1 2 1948 - -1.5453010564669967e-03 -2 -3 1949 1.9056679448112845e-03 - - -1.1965669691562653e-01 -4.2565101385116577e-01 - 2.9724061489105225e-01 -4.7963049262762070e-02 - <_> - - 0 1 1950 7.2636879049241543e-03 2 -1 1951 - 1.9141070079058409e-03 -2 -3 1952 1.2875479296781123e-04 - - -6.4583316445350647e-02 -3.5147330164909363e-01 - 1.1196230351924896e-01 5.7284992933273315e-01 - <_> - - 0 1 1953 -1.0092630051076412e-02 -1 2 1954 - -7.8368087997660041e-04 -2 -3 1955 -9.8703950643539429e-03 - - -3.7826448678970337e-01 2.3288239538669586e-01 - 2.1510779857635498e-01 -1.2697519361972809e-01 - <_> - - 0 1 1956 -1.0650960030034184e-03 -1 2 1957 - 8.5762650996912271e-05 -2 -3 1958 8.1163638969883323e-04 - - -3.2178428769111633e-01 -8.8832110166549683e-02 - 3.0365571379661560e-01 -8.3779007196426392e-02 - <_> - - 0 1 1959 -4.8947618342936039e-03 2 -1 1960 - 5.5883510503917933e-04 -2 -3 1961 -1.9008320523425937e-03 - - 1.6282820701599121e-01 -2.5395259261131287e-01 - -1.3888220489025116e-01 2.9919460415840149e-01 - <_> - - 1 2 1962 -2.0215269178152084e-03 0 -1 1963 - -4.4383360072970390e-03 -2 -3 1964 6.8489909172058105e-02 - - 3.9251059293746948e-01 -4.3069578707218170e-02 - 2.4472021032124758e-03 -2.9618039727210999e-01 - <_> - - 1 0 1965 5.0306279212236404e-02 2 -1 1966 - -5.6435600854456425e-03 -2 -3 1967 -8.9875478297472000e-03 - - 4.2249730229377747e-01 -9.2901676893234253e-02 - 6.6785961389541626e-01 6.2985196709632874e-02 - <_> - - 1 2 1968 -7.9090101644396782e-04 0 -1 1969 - -2.5300959125161171e-02 -2 -3 1970 7.8745762584730983e-04 - - 3.0849850177764893e-01 -6.3608251512050629e-02 - -1.4883120357990265e-01 2.6234000921249390e-01 - <_> - - 1 0 1971 7.6404176652431488e-02 -1 2 1972 - -7.9231243580579758e-03 -2 -3 1973 1.9256339874118567e-03 - - -4.5977321267127991e-01 -3.9364838600158691e-01 - -6.4516498241573572e-04 2.8573459386825562e-01 - <_> - - 1 0 1974 3.3896900713443756e-03 -1 2 1975 - 2.6566439191810787e-04 -2 -3 1976 -7.0364158600568771e-03 - - -4.1618600487709045e-01 8.7239697575569153e-02 - 5.4902660846710205e-01 -3.1658211350440979e-01 - <_> - - 1 0 1977 2.7734860777854919e-02 -1 2 1978 - 3.3155460841953754e-03 -2 -3 1979 5.4807748645544052e-02 - - 3.5683360695838928e-01 2.0545400679111481e-02 - -3.7979850172996521e-01 8.2199662923812866e-01 - <_> - - 0 1 1980 -3.1911249971017241e-04 -1 2 1981 - -2.3244849580805749e-04 -2 -3 1982 2.4389199912548065e-02 - - 2.3498380184173584e-01 1.5976969897747040e-01 - -1.6952790319919586e-01 3.8837739825248718e-01 - <_> - - 1 0 1983 3.7521280348300934e-02 -1 2 1984 - 5.3981738165020943e-04 -2 -3 1985 -1.1914219940081239e-03 - - -5.3004390001296997e-01 -9.2949196696281433e-02 - 2.5772979855537415e-01 -1.2804870307445526e-01 - <_> - - 0 1 1986 -1.9628699868917465e-02 2 -1 1987 - -2.6430340949445963e-03 -2 -3 1988 -1.0492499917745590e-02 - - -4.5749071240425110e-01 -6.6639073193073273e-02 - 3.7817710638046265e-01 -7.0677888579666615e-03 - <_> - - 1 0 1989 -8.1244978355243802e-04 2 -1 1990 - 1.4308369718492031e-02 -2 -3 1991 -2.6346129016019404e-04 - - 7.1544222533702850e-02 -4.6973049640655518e-01 - 3.2926559448242188e-01 -2.3322540521621704e-01 - <_> - - 1 0 1992 9.5907926559448242e-02 -1 2 1993 - -1.2872040271759033e-01 -2 -3 1994 -3.1911451369524002e-02 - - 9.9990457296371460e-01 5.7599371671676636e-01 - -7.3348528146743774e-01 -1.8063450232148170e-02 - <_> - - 1 2 1995 3.7128551048226655e-04 0 -1 1996 - -2.8491979464888573e-03 -2 -3 1997 -4.2754760943353176e-04 - - -5.4329651594161987e-01 1.0755009949207306e-01 - 2.2071920335292816e-01 -2.6160699129104614e-01 - <_> - - 1 2 1998 9.7452866612002254e-05 0 -1 1999 - 5.2659702487289906e-04 -2 -3 2000 5.9415772557258606e-04 - - -2.0488780736923218e-01 3.1935650110244751e-01 - 1.5211449563503265e-01 -2.8799989819526672e-01 - <_> - - 0 1 2001 -2.1307960560079664e-04 -1 2 2002 - -1.2103560147807002e-03 -2 -3 2003 1.2572610285133123e-03 - - 1.5206280350685120e-01 -2.3918260633945465e-01 - 3.7353378534317017e-01 -8.1597693264484406e-02 - <_> - 46 - -1.0940879583358765e+00 - - <_> - - 1 2 2004 -3.1007960438728333e-02 0 -1 2005 - -3.1969440169632435e-03 -2 -3 2006 -2.0676921121776104e-03 - - 6.8854278326034546e-01 -5.4836649447679520e-02 - -3.5974439978599548e-01 -3.0973760411143303e-02 - <_> - - 1 0 2007 -1.1122719943523407e-01 2 -1 2008 - 1.4844049699604511e-02 -2 -3 2009 -3.4631208982318640e-03 - - -1.5703879296779633e-01 -2.0413580536842346e-01 - 6.6245990991592407e-01 1.5534339845180511e-01 - <_> - - 0 1 2010 -1.2320470064878464e-01 2 -1 2011 - 1.1103290133178234e-02 -2 -3 2012 4.7404197975993156e-03 - - -5.2760660648345947e-01 -4.7932231426239014e-01 - -1.0074780136346817e-01 1.6249769926071167e-01 - <_> - - 1 2 2013 -5.8416109532117844e-03 0 -1 2014 - -5.1666028797626495e-02 -2 -3 2015 -3.9447061717510223e-03 - - -3.7591809034347534e-01 3.7338769435882568e-01 - 2.4347339570522308e-01 -1.4522999525070190e-01 - <_> - - 0 1 2016 -3.6320939660072327e-02 -1 2 2017 - 3.7123491056263447e-03 -2 -3 2018 -2.8242779895663261e-02 - - -3.6804199218750000e-01 1.0094779729843140e-01 - 4.2476901412010193e-01 -4.3828350305557251e-01 - <_> - - 1 2 2019 -2.0250169560313225e-02 0 -1 2020 - 3.0780840665102005e-02 -2 -3 2021 2.5205970741808414e-03 - - 1.6355019807815552e-01 -6.3770228624343872e-01 - -1.9899259507656097e-01 3.1258741021156311e-01 - <_> - - 0 1 2022 -4.2486261576414108e-02 2 -1 2023 - 3.0256640166044235e-02 -2 -3 2024 1.2559810420498252e-03 - - -6.1104768514633179e-01 7.7699762582778931e-01 - 6.8223267793655396e-02 -1.8402789533138275e-01 - <_> - - 0 1 2025 -1.8111230805516243e-02 2 -1 2026 - -7.0966721978038549e-04 -2 -3 2027 2.0517550874501467e-03 - - 3.7390831112861633e-01 7.1673221886157990e-02 - -2.3723709583282471e-01 4.2304378747940063e-01 - <_> - - 0 1 2028 -6.6939830780029297e-02 -1 2 2029 - -8.4355175495147705e-03 -2 -3 2030 -7.6646007597446442e-02 - - -6.4464849233627319e-01 -5.9667718410491943e-01 - -3.5360890626907349e-01 7.6701030135154724e-02 - <_> - - 0 1 2031 -1.8152770353481174e-03 -1 2 2032 - -2.7247369289398193e-03 -2 -3 2033 -5.4963980801403522e-04 - - 1.7099569737911224e-01 1.6262990236282349e-01 - -4.4764471054077148e-01 -7.4255913496017456e-02 - <_> - - 0 1 2034 -4.1336409747600555e-02 -1 2 2035 - -1.2627179920673370e-01 -2 -3 2036 -4.9632410518825054e-03 - - -3.0079290270805359e-01 -2.1949230134487152e-01 - 3.1715381145477295e-01 1.6522889956831932e-02 - <_> - - 0 1 2037 -6.8255789577960968e-02 2 -1 2038 - 1.7256699502468109e-02 -2 -3 2039 1.8318969523534179e-03 - - 3.7629279494285583e-01 6.0703051090240479e-01 - 4.4839300215244293e-02 -1.8284620344638824e-01 - <_> - - 1 0 2040 6.2703560106456280e-03 2 -1 2041 - 6.4142688643187284e-04 -2 -3 2042 -1.2087869690731168e-03 - - 1.5012329816818237e-01 -2.4387939274311066e-01 - -9.6486136317253113e-02 4.5252281427383423e-01 - <_> - - 1 2 2043 -1.3087630271911621e-02 0 -1 2044 - -2.0685649942606688e-03 -2 -3 2045 -9.9608547985553741e-02 - - 3.4508320689201355e-01 -4.1232489049434662e-02 - -5.4945659637451172e-01 -5.1996659487485886e-02 - <_> - - 1 2 2046 -3.6486559547483921e-03 0 -1 2047 - -2.8182850219309330e-03 -2 -3 2048 5.5368460714817047e-02 - - -3.3460721373558044e-01 1.5438309311866760e-01 - -2.0008920133113861e-01 2.6830759644508362e-01 - <_> - - 0 1 2049 -7.4223391711711884e-03 2 -1 2050 - -4.4916807673871517e-03 -2 -3 2051 -6.0621831566095352e-02 - - -2.5990688800811768e-01 9.8559968173503876e-02 - -3.5481810569763184e-01 4.1711899638175964e-01 - <_> - - 1 2 2052 2.3197410337161273e-04 0 -1 2053 - -2.6323291240260005e-04 -2 -3 2054 1.8173559510614723e-04 - - 1.1800730228424072e-01 -1.8469020724296570e-01 - 3.3645889163017273e-01 -1.6443650424480438e-01 - <_> - - 1 2 2055 -4.3080520117655396e-04 0 -1 2056 - 8.4635447710752487e-03 -2 -3 2057 3.2700230367481709e-03 - - -3.5056531429290771e-01 3.3979919552803040e-01 - -1.9305050373077393e-01 1.0525429993867874e-01 - <_> - - 2 1 2058 1.2329599820077419e-02 0 -1 2059 - 3.2368130632676184e-04 -2 -3 2060 -7.1359151042997837e-03 - - -7.0782758295536041e-02 4.2691200971603394e-01 - 2.4507419764995575e-01 -1.1304569989442825e-01 - <_> - - 0 1 2061 -3.8914520293474197e-02 2 -1 2062 - 6.6584121668711305e-04 -2 -3 2063 -9.3276530969887972e-04 - - -4.1401219367980957e-01 -1.2954230606555939e-01 - -2.8715679422020912e-02 2.9640379548072815e-01 - <_> - - 2 1 2064 9.1005821013823152e-04 0 -1 2065 - 7.4173710308969021e-03 -2 -3 2066 -5.9348379727452993e-04 - - 1.5225520357489586e-02 5.1878088712692261e-01 - 6.3158690929412842e-02 -1.6790659725666046e-01 - <_> - - 0 1 2067 -1.6713090008124709e-03 2 -1 2068 - -3.2247399212792516e-04 -2 -3 2069 -3.3846818841993809e-03 - - 1.8846319615840912e-01 -2.2796130180358887e-01 - 3.0563241243362427e-01 -8.1067040562629700e-02 - <_> - - 1 0 2070 9.5189079642295837e-02 2 -1 2071 - 9.7679207101464272e-04 -2 -3 2072 -1.0893770307302475e-01 - - 1.9821229577064514e-01 1.4671079814434052e-01 - -6.9909930229187012e-01 -1.1488740146160126e-01 - <_> - - 1 2 2073 -1.7448779195547104e-02 0 -1 2074 - -9.9434393632691354e-05 -2 -3 2075 6.4250029623508453e-02 - - 2.4062860012054443e-01 -8.9487351477146149e-02 - -1.7152050137519836e-01 5.1314127445220947e-01 - <_> - - 1 0 2076 5.9518171474337578e-03 -1 2 2077 - -9.0886192629113793e-04 -2 -3 2078 -5.1080051343888044e-04 - - 2.3301599919795990e-01 5.8810569345951080e-02 - -5.0240808725357056e-01 -8.0962918698787689e-02 - <_> - - 0 1 2079 -1.5467169694602489e-02 2 -1 2080 - 2.3221820592880249e-02 -2 -3 2081 3.9248089888133109e-04 - - -4.4010490179061890e-01 5.1546990871429443e-01 - -5.2290290594100952e-02 2.1555709838867188e-01 - <_> - - 0 1 2082 -1.1872940231114626e-03 -1 2 2083 - -1.1692909756675363e-03 -2 -3 2084 -1.8374159699305892e-03 - - 2.8682470321655273e-01 3.9871171116828918e-01 - -2.4273440241813660e-01 2.5974079966545105e-02 - <_> - - 0 1 2085 -3.9783148095011711e-03 2 -1 2086 - -4.7793678822927177e-04 -2 -3 2087 5.3964089602231979e-04 - - -2.5224199891090393e-01 1.0499279946088791e-01 - -4.1497600078582764e-01 1.0635569691658020e-01 - <_> - - 0 1 2088 -4.2262359056621790e-04 -1 2 2089 - -1.0138460248708725e-01 -2 -3 2090 -9.2142065986990929e-03 - - 2.1089179813861847e-01 -9.3101882934570312e-01 - -8.2452338933944702e-01 -2.4682279676198959e-02 - <_> - - 1 0 2091 4.3104309588670731e-02 -1 2 2092 - -5.3224200382828712e-03 -2 -3 2093 3.7746389862149954e-03 - - 9.0424752235412598e-01 -2.7320840954780579e-01 - -2.9543019831180573e-02 2.7356389164924622e-01 - <_> - - 1 0 2094 2.3850500583648682e-02 -1 2 2095 - -8.8544972240924835e-03 -2 -3 2096 -1.3691160082817078e-01 - - -5.1007378101348877e-01 4.8890089988708496e-01 - -5.5362242460250854e-01 2.5062739849090576e-02 - <_> - - 0 1 2097 -2.5274729356169701e-02 2 -1 2098 - 2.6481070090085268e-03 -2 -3 2099 -2.0161429711151868e-04 - - -7.3669922351837158e-01 2.6283189654350281e-01 - -2.4148160219192505e-01 5.1645949482917786e-02 - <_> - - 0 1 2100 -1.1898370459675789e-02 -1 2 2101 - -1.9360600272193551e-03 -2 -3 2102 2.1037699189037085e-03 - - -6.3804662227630615e-01 3.9121028780937195e-01 - -5.2923560142517090e-02 2.3925469815731049e-01 - <_> - - 0 1 2103 -1.3646620325744152e-02 -1 2 2104 - -8.8408291339874268e-03 -2 -3 2105 3.7220980972051620e-02 - - 4.5531919598579407e-01 -5.2776831388473511e-01 - -5.2423689514398575e-02 2.1479150652885437e-01 - <_> - - 1 2 2106 -4.2580282315611839e-03 0 -1 2107 - -4.6129771508276463e-03 -2 -3 2108 5.9317899867892265e-03 - - -5.8091402053833008e-01 9.2666886746883392e-02 - -6.7499437136575580e-04 3.6766529083251953e-01 - <_> - - 1 0 2109 9.4187082722783089e-03 -1 2 2110 - -4.1941772215068340e-03 -2 -3 2111 5.1073678769171238e-03 - - -6.1342322826385498e-01 -3.8310700654983521e-01 - 6.7254997789859772e-02 -3.9773949980735779e-01 - <_> - - 1 0 2112 -5.5304579436779022e-03 2 -1 2113 - -6.0295849107205868e-04 -2 -3 2114 -7.0414398796856403e-03 - - -1.2926359474658966e-01 1.8724639713764191e-01 - 4.7651541233062744e-01 -2.3238509893417358e-01 - <_> - - 1 0 2115 -1.3096419861540198e-03 2 -1 2116 - 3.2035118783824146e-04 -2 -3 2117 -3.3677490428090096e-03 - - -8.3683609962463379e-02 4.4803410768508911e-01 - 2.6184868812561035e-01 -2.1176619827747345e-01 - <_> - - 0 1 2118 -1.3419929891824722e-02 2 -1 2119 - 4.5043388381600380e-03 -2 -3 2120 -7.8677892452105880e-04 - - -5.1725488901138306e-01 -2.4854829907417297e-01 - 2.2026860713958740e-01 -2.9989460483193398e-02 - <_> - - 0 1 2121 -4.0467849373817444e-01 -1 2 2122 - -1.6472050547599792e-01 -2 -3 2123 -4.3211959302425385e-02 - - -8.6876207590103149e-01 -2.6331049203872681e-01 - -1.2996859848499298e-01 1.2739099562168121e-01 - <_> - - 0 1 2124 -1.7417479539290071e-03 2 -1 2125 - -8.3949731197208166e-04 -2 -3 2126 1.5101189492270350e-03 - - 8.2801252603530884e-02 -3.8465818762779236e-01 - 1.3933099806308746e-01 -3.5602769255638123e-01 - <_> - - 1 0 2127 3.6241519264876842e-03 2 -1 2128 - 1.6943299851845950e-04 -2 -3 2129 -5.5435068905353546e-02 - - 2.3847030103206635e-01 5.6582901626825333e-02 - 8.5272318124771118e-01 -1.9084540009498596e-01 - <_> - - 1 0 2130 -2.3511620238423347e-02 2 -1 2131 - -2.2539960627909750e-04 -2 -3 2132 1.6610369086265564e-02 - - -1.3226120173931122e-01 -2.0941901020705700e-03 - 4.0792500972747803e-01 -2.9247689247131348e-01 - <_> - - 0 1 2133 -6.3177421689033508e-03 -1 2 2134 - 8.5653591668233275e-04 -2 -3 2135 -1.1638339608907700e-02 - - 2.4937899410724640e-01 -1.5689609944820404e-01 - 4.2693111300468445e-01 -1.3493919745087624e-02 - <_> - - 0 1 2136 -5.1630330272018909e-03 2 -1 2137 - 4.8902099952101707e-03 -2 -3 2138 -2.9903270304203033e-02 - - 2.8233599662780762e-01 -2.2749769687652588e-01 - -3.1318700313568115e-01 7.2451077401638031e-02 - <_> - - 1 0 2139 3.1764109735377133e-04 -1 2 2140 - 5.2735407371073961e-04 -2 -3 2141 3.4350980422459543e-04 - - -1.3494649529457092e-01 -9.4839558005332947e-02 - -2.8737118840217590e-01 2.6408618688583374e-01 - <_> - 47 - -1.1282010078430176e+00 - - <_> - - 0 1 2142 2.0928289741277695e-03 2 -1 2143 - -2.0667549222707748e-02 -2 -3 2144 4.1186730377376080e-03 - - -2.4059830605983734e-01 -8.3949699997901917e-02 - 7.5294119119644165e-01 -2.5010040402412415e-01 - <_> - - 2 1 2145 -7.7038057148456573e-02 0 -1 2146 - 6.8526387214660645e-02 -2 -3 2147 -9.1197844594717026e-03 - - -1.6047920286655426e-01 5.8060508966445923e-01 - 4.0888330340385437e-01 -2.3711539804935455e-02 - <_> - - 2 1 2148 3.8453419692814350e-03 0 -1 2149 - -4.0648199617862701e-02 -2 -3 2150 -3.5154789686203003e-02 - - -3.6227381229400635e-01 2.8189870715141296e-01 - -6.3932722806930542e-01 -8.8311180472373962e-02 - <_> - - 1 0 2151 1.7193749547004700e-02 -1 2 2152 - -3.1834539026021957e-02 -2 -3 2153 5.9677828103303909e-03 - - 2.1619839966297150e-01 -6.1106377840042114e-01 - -1.3163220137357712e-03 -6.7810398340225220e-01 - <_> - - 0 1 2154 1.7432730237487704e-04 -1 2 2155 - -1.0427909903228283e-02 -2 -3 2156 -1.4324070070870221e-04 - - -1.6660380363464355e-01 3.0099079012870789e-01 - -3.6957770586013794e-01 7.5943082571029663e-02 - <_> - - 1 0 2157 -1.0312269441783428e-03 -1 2 2158 - -8.9528188109397888e-03 -2 -3 2159 5.4365568794310093e-03 - - -8.3984650671482086e-02 3.3358749747276306e-01 - -2.5666850805282593e-01 3.6911809444427490e-01 - <_> - - 1 0 2160 2.0321870688349009e-03 2 -1 2161 - 1.9954480230808258e-03 -2 -3 2162 1.6922239214181900e-02 - - -1.1628130078315735e-01 -2.2477209568023682e-01 - 3.6504098773002625e-01 1.8671670928597450e-02 - <_> - - 1 2 2163 -1.4152450021356344e-03 0 -1 2164 - 8.0416322452947497e-04 -2 -3 2165 6.2191791832447052e-02 - - -4.4372379779815674e-02 2.6297140121459961e-01 - -1.4997449517250061e-01 5.6759977340698242e-01 - <_> - - 0 1 2166 -4.4721928425133228e-03 -1 2 2167 - -1.9247440621256828e-02 -2 -3 2168 5.2884127944707870e-03 - - -2.9525101184844971e-01 -7.0941370725631714e-01 - 4.9494709819555283e-03 3.6569160223007202e-01 - <_> - - 1 0 2169 9.1529808938503265e-02 -1 2 2170 - -3.9309188723564148e-02 -2 -3 2171 -6.9177672266960144e-02 - - -4.7588708996772766e-01 -4.9558719992637634e-01 - 7.8180468082427979e-01 3.5177771002054214e-02 - <_> - - 1 0 2172 1.9501270726323128e-02 -1 2 2173 - -5.4460992105305195e-03 -2 -3 2174 1.0495989583432674e-02 - - 4.5107740163803101e-01 9.5154292881488800e-02 - -1.6815499961376190e-01 5.1015657186508179e-01 - <_> - - 1 0 2175 5.7117962278425694e-03 -1 2 2176 - -2.7439638972282410e-01 -2 -3 2177 -4.5373341999948025e-03 - - -7.4655741453170776e-01 -6.0310351848602295e-01 - 2.3245190083980560e-01 -4.1262548416852951e-02 - <_> - - 1 0 2178 4.7711891238577664e-04 -1 2 2179 - -6.9821202196180820e-03 -2 -3 2180 -1.0556570291519165e+00 - - -1.5402629971504211e-01 -5.2603191137313843e-01 - -5.0477248430252075e-01 1.4896139502525330e-01 - <_> - - 0 1 2181 -1.7868630588054657e-01 -1 2 2182 - 9.6028903499245644e-05 -2 -3 2183 1.4864769764244556e-03 - - 6.1333847045898438e-01 -1.2570370733737946e-01 - 1.5855489671230316e-01 -3.2419750094413757e-01 - <_> - - 2 1 2184 -2.7532540843822062e-04 0 -1 2185 - 1.9395699491724372e-03 -2 -3 2186 -3.0006670858711004e-03 - - 2.2301700711250305e-01 -1.4492830634117126e-01 - 2.5364619493484497e-01 -1.9060049951076508e-01 - <_> - - 2 1 2187 2.6949180755764246e-03 0 -1 2188 - -2.7354890480637550e-02 -2 -3 2189 -2.6278549805283546e-02 - - -6.9697231054306030e-01 2.6986810564994812e-01 - 8.3400028944015503e-01 -8.1475183367729187e-02 - <_> - - 0 1 2190 -1.1615309631451964e-03 -1 2 2191 - -7.9284235835075378e-03 -2 -3 2192 -4.0769609622657299e-03 - - 9.9186070263385773e-02 2.9844290018081665e-01 - 1.1436840146780014e-01 -3.5259690880775452e-01 - <_> - - 2 1 2193 1.3272130163386464e-03 0 -1 2194 - 9.6542192623019218e-03 -2 -3 2195 -1.8561830511316657e-03 - - 1.8691679835319519e-01 -3.3289530873298645e-01 - -4.8549610376358032e-01 -4.0883861482143402e-02 - <_> - - 1 0 2196 8.5922293365001678e-02 -1 2 2197 - -8.8873326778411865e-02 -2 -3 2198 -2.7235411107540131e-03 - - 3.6382618546485901e-01 -3.3766660094261169e-01 - 2.4199460446834564e-01 -4.2081810534000397e-02 - <_> - - 0 1 2199 -1.3049770146608353e-02 2 -1 2200 - -3.2052190508693457e-03 -2 -3 2201 -3.4975090529769659e-03 - - -3.0092039704322815e-01 -1.0076750069856644e-01 - -4.0278410911560059e-01 1.7511740326881409e-01 - <_> - - 1 2 2202 3.6366239655762911e-03 0 -1 2203 - -1.1586080305278301e-02 -2 -3 2204 3.9760980871506035e-04 - - 1.7796489596366882e-01 -1.6348969936370850e-01 - 6.7020449787378311e-03 4.4130641222000122e-01 - <_> - - 0 1 2205 -2.5880750268697739e-02 2 -1 2206 - 1.0445900261402130e-03 -2 -3 2207 -4.7445381060242653e-03 - - 6.0719907283782959e-01 -3.2216680049896240e-01 - 1.8654330074787140e-01 -5.8600809425115585e-02 - <_> - - 1 0 2208 7.0085371844470501e-03 -1 2 2209 - -7.0238402113318443e-03 -2 -3 2210 8.1113204360008240e-03 - - 3.1219249963760376e-01 -4.7851589322090149e-01 - -1.1469169706106186e-01 1.4005890488624573e-01 - <_> - - 1 2 2211 -4.0908880531787872e-02 0 -1 2212 - 6.7115128040313721e-03 -2 -3 2213 4.7661857679486275e-03 - - 1.1935690045356750e-01 -4.9553608894348145e-01 - 2.9291590908542275e-04 3.0523601174354553e-01 - <_> - - 2 1 2214 8.2969013601541519e-03 0 -1 2215 - -1.4058559900149703e-03 -2 -3 2216 3.8165580481290817e-03 - - 3.8395699858665466e-01 -5.8064288459718227e-03 - 8.5270447016227990e-05 -3.1768730282783508e-01 - <_> - - 0 1 2217 -1.5988849103450775e-02 2 -1 2218 - -4.2525809258222580e-02 -2 -3 2219 1.0341469943523407e-01 - - 5.8605968952178955e-01 1.5200969763100147e-02 - -4.2698180675506592e-01 9.1076821088790894e-01 - <_> - - 1 0 2220 1.5279020590241998e-04 -1 2 2221 - 4.4353670091368258e-04 -2 -3 2222 -2.1845809533260763e-04 - - -1.8349540233612061e-01 1.8386720120906830e-01 - -3.0458870530128479e-01 9.6679449081420898e-02 - <_> - - 0 1 2223 -6.9333161227405071e-03 2 -1 2224 - 2.6824630796909332e-02 -2 -3 2225 2.8827119618654251e-02 - - 1.9829869270324707e-01 5.7704108953475952e-01 - -1.3593469560146332e-01 1.8093059957027435e-01 - <_> - - 1 0 2226 3.4493818879127502e-02 -1 2 2227 - -3.9107841439545155e-03 -2 -3 2228 2.0955900254193693e-04 - - 2.7782711386680603e-01 1.0099980235099792e-01 - -1.6889050602912903e-02 -3.4672379493713379e-01 - <_> - - 1 2 2229 -1.1503810063004494e-02 0 -1 2230 - -5.8503649197518826e-03 -2 -3 2231 -1.9477239402476698e-04 - - 2.9069650173187256e-01 -5.7935047149658203e-01 - -1.5547400712966919e-01 8.7707668542861938e-02 - <_> - - 1 2 2232 -2.4192599812522531e-04 0 -1 2233 - -8.7722227908670902e-04 -2 -3 2234 -8.8649448007345200e-03 - - -4.9958980083465576e-01 2.2867499291896820e-01 - 1.4817740023136139e-01 -1.4039020240306854e-01 - <_> - - 1 0 2235 6.6976482048630714e-03 2 -1 2236 - 1.6602370305918157e-04 -2 -3 2237 5.6860040873289108e-02 - - -1.7738009989261627e-01 2.5650730729103088e-01 - 1.7361199483275414e-02 -7.4021261930465698e-01 - <_> - - 1 0 2238 2.4098889902234077e-02 2 -1 2239 - 8.0347352195531130e-04 -2 -3 2240 6.9724403321743011e-02 - - -5.3940677642822266e-01 1.4385139942169189e-01 - -1.0675229877233505e-01 5.4217422008514404e-01 - <_> - - 1 0 2241 9.0714782709255815e-04 -1 2 2242 - -7.3141716711688787e-05 -2 -3 2243 -1.5573799610137939e-03 - - 2.4376200139522552e-01 7.3325037956237793e-02 - 4.9846198409795761e-02 -3.1094640493392944e-01 - <_> - - 0 1 2244 -1.3867990113794804e-02 -1 2 2245 - 1.1202249443158507e-03 -2 -3 2246 -3.7206329405307770e-02 - - -6.6426891088485718e-01 7.0658437907695770e-02 - 4.2091751098632812e-01 -2.5585201382637024e-01 - <_> - - 1 2 2247 -4.2576639680191875e-04 0 -1 2248 - 5.4934259504079819e-02 -2 -3 2249 9.6833100542426109e-04 - - -3.0530530214309692e-01 2.7118149399757385e-01 - -6.7041292786598206e-02 1.7276880145072937e-01 - <_> - - 0 1 2250 7.9393703490495682e-03 -1 2 2251 - 5.0757948309183121e-02 -2 -3 2252 -3.2133560627698898e-02 - - -5.3697269409894943e-02 4.0109890699386597e-01 - 4.3551141023635864e-01 -4.1936281323432922e-01 - <_> - - 1 0 2253 9.9633932113647461e-02 -1 2 2254 - -4.5324079692363739e-03 -2 -3 2255 7.6392642222344875e-04 - - -6.1999887228012085e-01 1.6984449326992035e-01 - 1.0533300042152405e-01 -2.1900549530982971e-01 - <_> - - 1 0 2256 -1.3120270334184170e-02 2 -1 2257 - -1.2095270212739706e-03 -2 -3 2258 -6.0685798525810242e-03 - - -5.1372468471527100e-02 -1.2173540145158768e-01 - -3.2418820261955261e-01 6.5560877323150635e-01 - <_> - - 0 1 2259 -4.4329889118671417e-02 -1 2 2260 - -1.1334549635648727e-02 -2 -3 2261 -9.7028171876445413e-04 - - -2.6503491401672363e-01 -7.6205557584762573e-01 - -9.5501512289047241e-02 1.5263360738754272e-01 - <_> - - 0 1 2262 -8.4918709471821785e-03 -1 2 2263 - -6.9846503436565399e-02 -2 -3 2264 9.2466361820697784e-02 - - 1.9973739981651306e-01 3.1325021386146545e-01 - -1.1733359843492508e-01 7.7850347757339478e-01 - <_> - - 0 1 2265 -9.5799759030342102e-02 2 -1 2266 - 5.1276460289955139e-03 -2 -3 2267 6.1059608124196529e-03 - - 7.8442037105560303e-01 1.5389220416545868e-01 - -1.3577620685100555e-01 2.1575249731540680e-01 - <_> - - 2 1 2268 -5.5722601246088743e-04 0 -1 2269 - 5.2772291004657745e-02 -2 -3 2270 -3.7010889500379562e-03 - - -1.3534410297870636e-01 2.9378059506416321e-01 - -1.7292410135269165e-01 2.3805269598960876e-01 - <_> - - 1 0 2271 -1.3051830464974046e-03 -1 2 2272 - -4.0903348475694656e-02 -2 -3 2273 -6.3687269575893879e-03 - - -5.5020369589328766e-02 -3.0940970778465271e-01 - 6.5783101320266724e-01 9.2643633484840393e-02 - <_> - - 2 1 2274 1.4673050027340651e-03 0 -1 2275 - 5.3080540150403976e-02 -2 -3 2276 4.5696222223341465e-03 - - 1.1342869699001312e-01 -3.8801661133766174e-01 - 8.7235711514949799e-02 -5.5333012342453003e-01 - <_> - - 2 1 2277 2.7171480469405651e-03 0 -1 2278 - -7.5547560118138790e-03 -2 -3 2279 2.1428259788081050e-04 - - 4.6386051177978516e-01 2.2095510736107826e-02 - -1.7482960224151611e-01 1.6784119606018066e-01 - <_> - - 1 2 2280 1.1644139885902405e-03 0 -1 2281 - 2.7417868841439486e-03 -2 -3 2282 5.1555588841438293e-02 - - -3.0654639005661011e-01 5.7464569807052612e-02 - 1.3891890645027161e-01 -4.4362550973892212e-01 - <_> - 46 - -1.0841189622879028e+00 - - <_> - - 1 0 2283 -1.9345199689269066e-03 -1 2 2284 - 5.4789008572697639e-03 -2 -3 2285 1.3723999727517366e-03 - - -2.9038429260253906e-01 -4.9600031226873398e-02 - 8.1412100791931152e-01 -4.1888630390167236e-01 - <_> - - 1 2 2286 2.6495110243558884e-02 0 -1 2287 - -1.3697579503059387e-01 -2 -3 2288 -3.0566600617021322e-04 - - 2.4463020265102386e-01 -1.4825659990310669e-01 - 6.5781980752944946e-01 -7.9236596822738647e-02 - <_> - - 0 1 2289 -1.9925139844417572e-02 -1 2 2290 - -1.3427959382534027e-01 -2 -3 2291 -1.0180550161749125e-03 - - -7.2399538755416870e-01 5.6490647792816162e-01 - 1.0791130363941193e-01 -1.4493170380592346e-01 - <_> - - 2 1 2292 -1.6956209437921643e-03 0 -1 2293 - -3.9232008159160614e-02 -2 -3 2294 -1.1985700111836195e-03 - - 2.0442679524421692e-01 -2.2484399378299713e-01 - -9.8312400281429291e-02 2.5217679142951965e-01 - <_> - - 1 0 2295 5.6637298315763474e-02 -1 2 2296 - -1.4088810421526432e-02 -2 -3 2297 1.9742019474506378e-02 - - 4.2156541347503662e-01 -5.4424422979354858e-01 - -4.3038509786128998e-02 3.9660850167274475e-01 - <_> - - 0 1 2298 -3.7790019065141678e-02 -1 2 2299 - -2.1278490126132965e-01 -2 -3 2300 -7.5766840018332005e-04 - - -5.3746891021728516e-01 2.9742780327796936e-01 - -1.7239089310169220e-01 9.4371169805526733e-02 - <_> - - 0 1 2301 1.0515520116314292e-03 -1 2 2302 - -4.6967338770627975e-02 -2 -3 2303 -6.6702580079436302e-03 - - -9.4606198370456696e-02 3.8049909472465515e-01 - -3.6735290288925171e-01 1.8134810030460358e-01 - <_> - - 0 1 2304 -8.8434442877769470e-03 -1 2 2305 - -7.5162857770919800e-02 -2 -3 2306 6.0678281442960724e-05 - - 1.9733619689941406e-01 2.8719368577003479e-01 - -2.1481469273567200e-01 4.5404769480228424e-02 - <_> - - 0 1 2307 -2.6157319545745850e-02 -1 2 2308 - -2.5265390053391457e-02 -2 -3 2309 -5.3271669894456863e-03 - - -5.9915411472320557e-01 -3.2973399758338928e-01 - 4.3388798832893372e-01 1.2896250002086163e-02 - <_> - - 0 1 2310 -4.6350698918104172e-02 2 -1 2311 - 8.5780251538380980e-04 -2 -3 2312 8.7990947067737579e-03 - - -4.4396370649337769e-01 -1.0408560186624527e-01 - 2.6796650141477585e-02 3.4592410922050476e-01 - <_> - - 2 1 2313 -8.6540228221565485e-04 0 -1 2314 - 1.4915770152583718e-03 -2 -3 2315 -1.7994260415434837e-02 - - -3.0356478691101074e-01 2.4568190798163414e-02 - -3.6277890205383301e-01 2.3864120244979858e-01 - <_> - - 1 0 2316 3.1142059713602066e-02 -1 2 2317 - -1.3936620205640793e-02 -2 -3 2318 -2.1907410700805485e-04 - - 3.8710731267929077e-01 5.2351367473602295e-01 - -1.7730639874935150e-01 5.4297018796205521e-02 - <_> - - 2 1 2319 -1.5399450203403831e-03 0 -1 2320 - 2.0680578891187906e-03 -2 -3 2321 6.5148430876433849e-03 - - -1.2532320618629456e-01 1.5583939850330353e-01 - 2.7854940295219421e-01 -6.9196671247482300e-01 - <_> - - 1 0 2322 3.9056401699781418e-02 2 -1 2323 - -4.0204878896474838e-03 -2 -3 2324 2.9492459725588560e-03 - - -4.3681609630584717e-01 8.3736188709735870e-02 - -2.3137259483337402e-01 5.8771818876266479e-01 - <_> - - 2 1 2325 4.0582148358225822e-03 0 -1 2326 - 5.4531730711460114e-02 -2 -3 2327 2.4824589490890503e-03 - - 2.7056580781936646e-01 -3.6512500047683716e-01 - -2.2614318877458572e-03 3.5627979040145874e-01 - <_> - - 0 1 2328 -4.5967500656843185e-02 -1 2 2329 - -7.7245971187949181e-03 -2 -3 2330 1.0509139858186245e-02 - - -3.6472341418266296e-01 -3.5956159234046936e-01 - -1.1801080545410514e-03 2.6658898591995239e-01 - <_> - - 2 1 2331 2.7509370818734169e-02 0 -1 2332 - -3.8485318422317505e-02 -2 -3 2333 8.4051601588726044e-03 - - -5.8312857151031494e-01 2.4421650171279907e-01 - -1.2067990005016327e-01 2.0528540015220642e-01 - <_> - - 1 2 2334 -4.0405229665338993e-03 0 -1 2335 - 1.5476900443900377e-04 -2 -3 2336 2.4814540665829554e-05 - - 3.1298181414604187e-01 -2.5597780942916870e-01 - -2.2016249597072601e-01 5.4762478917837143e-02 - <_> - - 1 2 2337 -2.0571500062942505e-03 0 -1 2338 - -2.5400029495358467e-02 -2 -3 2339 -9.7940629348158836e-04 - - 1.5875819325447083e-01 -2.5695261359214783e-01 - -4.8633909225463867e-01 1.3700939714908600e-01 - <_> - - 1 0 2340 2.1806131117045879e-03 2 -1 2341 - -3.5455688834190369e-02 -2 -3 2342 7.0310868322849274e-03 - - -1.5206259489059448e-01 2.2079099714756012e-01 - -1.0352379828691483e-01 7.8391069173812866e-01 - <_> - - 2 1 2343 -1.9015279831364751e-03 0 -1 2344 - -2.7523210272192955e-02 -2 -3 2345 1.1140380054712296e-02 - - 2.2670629620552063e-01 -1.4048579335212708e-01 - 3.8015339523553848e-02 4.5577189326286316e-01 - <_> - - 0 1 2346 -1.4077059924602509e-02 -1 2 2347 - -7.5063481926918030e-03 -2 -3 2348 3.4938179887831211e-03 - - -3.4491220116615295e-01 2.4528980255126953e-01 - -1.3371880352497101e-01 1.5036830306053162e-01 - <_> - - 1 0 2349 5.0538990646600723e-02 -1 2 2350 - 5.9616268845275044e-04 -2 -3 2351 -2.0425749942660332e-02 - - 3.9677879214286804e-01 -1.6664770245552063e-01 - -3.4699028730392456e-01 1.3850739598274231e-01 - <_> - - 0 1 2352 -5.2063791081309319e-03 -1 2 2353 - -7.5247389031574130e-04 -2 -3 2354 -5.4832808673381805e-02 - - -3.6672219634056091e-01 -2.6418569684028625e-01 - 2.7295270562171936e-01 -3.5999810788780451e-03 - <_> - - 1 2 2355 1.7384309321641922e-02 0 -1 2356 - 8.1398971378803253e-03 -2 -3 2357 5.3603048436343670e-03 - - -9.5032609999179840e-02 3.2227438688278198e-01 - -1.8586769700050354e-02 4.8577728867530823e-01 - <_> - - 0 1 2358 -6.7889019846916199e-03 -1 2 2359 - -2.6219699066132307e-04 -2 -3 2360 -6.3086668960750103e-03 - - 4.3564158678054810e-01 -1.8974490463733673e-01 - -3.2145148515701294e-01 9.9988803267478943e-02 - <_> - - 1 0 2361 -7.5333809945732355e-04 -1 2 2362 - -5.1618018187582493e-04 -2 -3 2363 4.9971960484981537e-02 - - -6.4324781298637390e-02 4.0329611301422119e-01 - -1.0619989782571793e-01 7.8842008113861084e-01 - <_> - - 0 1 2364 -1.6776630282402039e-01 2 -1 2365 - 1.5873169759288430e-03 -2 -3 2366 -1.5413289656862617e-03 - - 8.3238917589187622e-01 -1.4161799848079681e-01 - -1.1225470155477524e-01 2.1630200743675232e-01 - <_> - - 1 2 2367 -6.0930051840841770e-03 0 -1 2368 - 1.2093319557607174e-02 -2 -3 2369 -1.0354000143706799e-02 - - 2.8332099318504333e-01 -7.5473171472549438e-01 - 3.1173440814018250e-01 -8.3147212862968445e-02 - <_> - - 1 2 2370 -2.2508190572261810e-01 0 -1 2371 - -3.9419779181480408e-01 -2 -3 2372 -7.0281741209328175e-03 - - 7.2753679752349854e-01 -4.7205528616905212e-01 - 2.6742509007453918e-01 -2.3675439879298210e-02 - <_> - - 0 1 2373 -1.0977389663457870e-01 -1 2 2374 - -1.8981259316205978e-02 -2 -3 2375 -1.5975029673427343e-03 - - 3.2995739579200745e-01 -4.1107800602912903e-01 - 3.9100599288940430e-01 -3.0054800212383270e-02 - <_> - - 2 1 2376 3.3699660561978817e-03 0 -1 2377 - 2.8608400374650955e-02 -2 -3 2378 1.1234980076551437e-02 - - -2.6757821440696716e-01 5.4922807216644287e-01 - 7.9798206686973572e-02 -4.9347519874572754e-01 - <_> - - 2 1 2379 1.0005270130932331e-02 0 -1 2380 - -1.3333059847354889e-01 -2 -3 2381 1.0838189627975225e-03 - - 4.3375509977340698e-01 1.4595700427889824e-02 - 9.0088322758674622e-03 -2.6673930883407593e-01 - <_> - - 1 0 2382 1.8866240279749036e-03 2 -1 2383 - -1.9594319164752960e-02 -2 -3 2384 -4.0433141402900219e-03 - - 1.6358950734138489e-01 2.3428240790963173e-02 - 1.8105390667915344e-01 -3.7628519535064697e-01 - <_> - - 1 2 2385 -1.3283960521221161e-01 0 -1 2386 - 3.8986348954495043e-05 -2 -3 2387 3.0710658757016063e-04 - - -4.7917541116476059e-02 5.7672798633575439e-01 - -1.0200879722833633e-01 1.3613240420818329e-01 - <_> - - 0 1 2388 -4.0010150521993637e-02 -1 2 2389 - -1.1752990540117025e-03 -2 -3 2390 -4.5838830992579460e-03 - - 7.0342528820037842e-01 1.1457219719886780e-01 - 7.0621937513351440e-02 -2.1597090363502502e-01 - <_> - - 1 0 2391 5.3299739956855774e-02 2 -1 2392 - 1.9961010664701462e-02 -2 -3 2393 -1.4994270168244839e-02 - - -1.6445639729499817e-01 4.0419510006904602e-01 - -4.9861040711402893e-01 6.1822768300771713e-02 - <_> - - 1 0 2394 4.2854552157223225e-03 -1 2 2395 - -1.3991270214319229e-02 -2 -3 2396 9.9598374217748642e-03 - - -7.2749477624893188e-01 1.5665039420127869e-01 - -1.2152709811925888e-01 2.4375760555267334e-01 - <_> - - 0 1 2397 -6.1463691294193268e-02 2 -1 2398 - 8.1084080738946795e-04 -2 -3 2399 1.4836339978501201e-03 - - -4.9159640073776245e-01 4.0312820672988892e-01 - 5.2907239645719528e-02 -2.0971420407295227e-01 - <_> - - 0 1 2400 2.8651900356635451e-04 2 -1 2401 - -4.9405667232349515e-04 -2 -3 2402 -1.3786340132355690e-03 - - -5.8905839920043945e-02 3.8144549727439880e-01 - -4.4638028740882874e-01 4.1437059640884399e-01 - <_> - - 1 0 2403 9.0396329760551453e-03 2 -1 2404 - 1.5593219723086804e-04 -2 -3 2405 -1.1492449790239334e-02 - - -5.8979207277297974e-01 1.4469850063323975e-01 - -6.2305951118469238e-01 -2.8079420328140259e-02 - <_> - - 0 1 2406 -1.0058670304715633e-02 -1 2 2407 - 2.8506040107458830e-03 -2 -3 2408 -1.0550140403211117e-02 - - 1.3063749670982361e-01 -1.5896910429000854e-01 - -5.8578401803970337e-01 4.1516658663749695e-01 - <_> - - 0 1 2409 -2.6834249496459961e-02 -1 2 2410 - -6.7446259781718254e-03 -2 -3 2411 -1.9539019558578730e-03 - - -2.3982690274715424e-01 -3.0731248855590820e-01 - 2.6545688509941101e-01 -2.7655568555928767e-04 - <_> - - 1 2 2412 -1.5296439826488495e-01 0 -1 2413 - 1.3547400012612343e-02 -2 -3 2414 4.4966558925807476e-03 - - 5.4796701669692993e-01 7.3741371743381023e-03 - -3.9956450928002596e-04 -3.4183570742607117e-01 - <_> - - 0 1 2415 -9.6259176731109619e-02 2 -1 2416 - 6.0006431303918362e-03 -2 -3 2417 4.8557221889495850e-03 - - -3.4981849789619446e-01 4.8977410793304443e-01 - 9.2725560069084167e-02 -1.3060179352760315e-01 - <_> - - 1 2 2418 -1.2333790073171258e-03 0 -1 2419 - -4.2365258559584618e-04 -2 -3 2420 8.3003565669059753e-03 - - 2.4704679846763611e-01 -3.9149808883666992e-01 - 9.2340186238288879e-03 4.0348419547080994e-01 - <_> - 44 - -1.1084890365600586e+00 - - <_> - - 2 1 2421 2.8592639137059450e-03 0 -1 2422 - -1.5535679645836353e-02 -2 -3 2423 -2.3885839618742466e-03 - - 8.2635468244552612e-01 2.2793740034103394e-02 - 6.7295722663402557e-02 -3.1476849317550659e-01 - <_> - - 0 1 2424 1.4029210433363914e-03 -1 2 2425 - -4.5515298843383789e-03 -2 -3 2426 9.4592738896608353e-03 - - -1.0290689766407013e-01 -3.2368329167366028e-01 - 5.4250991344451904e-01 -3.0348530411720276e-01 - <_> - - 1 0 2427 5.4062008857727051e-03 -1 2 2428 - -2.6852379087358713e-03 -2 -3 2429 -6.2019047618377954e-05 - - -2.8486549854278564e-01 2.6024919748306274e-01 - 1.6827000677585602e-01 -2.3859730362892151e-01 - <_> - - 1 0 2430 2.4147080257534981e-02 -1 2 2431 - 1.3977369526401162e-03 -2 -3 2432 2.0164279267191887e-02 - - 4.8240968585014343e-01 -3.6230188608169556e-01 - -3.6146581172943115e-02 5.0473397970199585e-01 - <_> - - 0 1 2433 -6.1244291067123413e-01 2 -1 2434 - 9.0631619095802307e-03 -2 -3 2435 1.7811909317970276e-01 - - -4.8220318555831909e-01 -5.7859402894973755e-01 - 8.5012361407279968e-02 -6.3362121582031250e-01 - <_> - - 1 0 2436 2.6881069061346352e-04 -1 2 2437 - -1.2180560268461704e-02 -2 -3 2438 4.0606390684843063e-03 - - -1.6075380146503448e-01 -6.5734118223190308e-01 - 5.4012559354305267e-02 4.9817681312561035e-01 - <_> - - 0 1 2439 -3.6952861119061708e-03 -1 2 2440 - -6.8888221867382526e-03 -2 -3 2441 2.7258940972387791e-03 - - -2.9826200008392334e-01 6.1437392234802246e-01 - -8.3065047860145569e-02 1.8066459894180298e-01 - <_> - - 2 1 2442 9.8391417413949966e-03 0 -1 2443 - 1.4573390362784266e-03 -2 -3 2444 -2.3016060004010797e-04 - - -4.8802070319652557e-02 2.9650750756263733e-01 - 8.3583436906337738e-02 -2.4457779526710510e-01 - <_> - - 1 2 2445 -1.3347089989110827e-03 0 -1 2446 - -2.3516249656677246e-01 -2 -3 2447 -3.1839110888540745e-03 - - -3.9780059456825256e-01 2.9200470447540283e-01 - 1.5484599769115448e-01 -1.3911180198192596e-01 - <_> - - 0 1 2448 -5.9498839080333710e-02 2 -1 2449 - 2.9865070246160030e-04 -2 -3 2450 -2.1592311095446348e-03 - - -8.0241578817367554e-01 -1.7932119965553284e-01 - -1.9703079760074615e-01 1.5901389718055725e-01 - <_> - - 0 1 2451 -8.7727643549442291e-02 -1 2 2452 - 1.8073969986289740e-03 -2 -3 2453 -3.0411710031330585e-04 - - 2.3391810059547424e-01 -1.9777239859104156e-01 - -2.2787599265575409e-01 2.3480290174484253e-01 - <_> - - 0 1 2454 -3.6778930574655533e-02 -1 2 2455 - -8.4806662052869797e-03 -2 -3 2456 4.4526819139719009e-02 - - 6.3471937179565430e-01 3.4320148825645447e-01 - -3.2206610776484013e-03 -3.3057790994644165e-01 - <_> - - 1 2 2457 -1.1732319835573435e-03 0 -1 2458 - 1.4339870540425181e-03 -2 -3 2459 7.7017117291688919e-04 - - -3.2894629240036011e-01 2.6812461018562317e-01 - 1.5722079575061798e-01 -1.2080919742584229e-01 - <_> - - 1 0 2460 5.0579622620716691e-04 -1 2 2461 - -1.6109919548034668e-01 -2 -3 2462 -9.3872181605547667e-04 - - 1.6917209327220917e-01 5.4838567972183228e-01 - 1.3432510197162628e-01 -1.8490299582481384e-01 - <_> - - 1 0 2463 1.0552279651165009e-02 2 -1 2464 - 4.1157208383083344e-02 -2 -3 2465 -1.3245060108602047e-03 - - -4.0745589137077332e-01 7.5326120853424072e-01 - -1.1372119933366776e-01 1.1744459718465805e-01 - <_> - - 1 0 2466 -7.3126708157360554e-03 -1 2 2467 - -1.5847360715270042e-02 -2 -3 2468 -5.2730008028447628e-03 - - -7.3187656700611115e-02 -4.7248768806457520e-01 - -3.9433181285858154e-01 3.2054188847541809e-01 - <_> - - 0 1 2469 -1.0163930244743824e-02 -1 2 2470 - -1.4269599691033363e-02 -2 -3 2471 -2.8677590307779610e-04 - - -5.2099817991256714e-01 4.4472008943557739e-01 - 1.0787820070981979e-01 -1.3239330053329468e-01 - <_> - - 1 2 2472 -4.4711050577461720e-04 0 -1 2473 - 6.9207558408379555e-03 -2 -3 2474 -4.7490649740211666e-04 - - -2.1184509992599487e-01 7.1038311719894409e-01 - -9.0368412435054779e-02 1.9339320063591003e-01 - <_> - - 0 1 2475 -1.4192230068147182e-02 -1 2 2476 - -5.9010402765125036e-04 -2 -3 2477 2.2904858924448490e-03 - - -3.8774991035461426e-01 4.2241969704627991e-01 - -8.0403536558151245e-02 1.7335900664329529e-01 - <_> - - 0 1 2478 -2.5104399770498276e-02 -1 2 2479 - -9.7052762284874916e-03 -2 -3 2480 2.7441041311249137e-04 - - -6.0312938690185547e-01 -6.5721738338470459e-01 - -5.2042860537767410e-02 1.8078009784221649e-01 - <_> - - 0 1 2481 -2.6883379905484617e-04 -1 2 2482 - 8.5731758736073971e-04 -2 -3 2483 -7.1471570990979671e-03 - - 1.8486160039901733e-01 3.6701809614896774e-02 - 3.8019171357154846e-01 -3.1314790248870850e-01 - <_> - - 0 1 2484 -5.9650279581546783e-03 2 -1 2485 - 6.5897651948034763e-03 -2 -3 2486 5.0898519111797214e-04 - - -3.7518349289894104e-01 2.1948930621147156e-01 - 5.8855868875980377e-02 -2.6831701397895813e-01 - <_> - - 0 1 2487 -1.9406380131840706e-02 2 -1 2488 - 1.0682499967515469e-02 -2 -3 2489 5.9157088398933411e-03 - - -4.0213540196418762e-01 6.6164708137512207e-01 - 3.6718819290399551e-02 -4.7886928915977478e-01 - <_> - - 0 1 2490 -4.9229031428694725e-03 -1 2 2491 - -1.2417170219123363e-02 -2 -3 2492 5.5979369208216667e-03 - - 2.2026430070400238e-01 -4.9814000725746155e-01 - -4.0141601115465164e-02 7.9332500696182251e-01 - <_> - - 0 1 2493 -1.8435899913311005e-01 2 -1 2494 - 6.4280577003955841e-02 -2 -3 2495 -1.6670690383762121e-03 - - 8.2392162084579468e-01 -5.1533687114715576e-01 - -5.7897537946701050e-01 3.1020650640130043e-02 - <_> - - 1 0 2496 4.7475788742303848e-02 2 -1 2497 - 2.5915699079632759e-03 -2 -3 2498 -6.8349228240549564e-04 - - 1.5852110087871552e-01 -2.8132149577140808e-01 - -8.4496207535266876e-02 3.4085351228713989e-01 - <_> - - 0 1 2499 -8.0965347588062286e-03 2 -1 2500 - 2.0750269293785095e-02 -2 -3 2501 2.0832920563407242e-04 - - 6.4384061098098755e-01 4.5479089021682739e-01 - -1.0736659914255142e-01 1.3257840275764465e-01 - <_> - - 0 1 2502 -3.6361071397550404e-04 -1 2 2503 - -6.1230720020830631e-03 -2 -3 2504 -4.2420169338583946e-03 - - 1.8995989859104156e-01 -5.5252599716186523e-01 - 2.9558050632476807e-01 -7.1881696581840515e-02 - <_> - - 0 1 2505 -3.2453850144520402e-04 2 -1 2506 - 1.2140260078012943e-02 -2 -3 2507 -1.8192020070273429e-04 - - -2.1697629988193512e-01 -3.1753998994827271e-01 - -1.1777029931545258e-01 1.7208409309387207e-01 - <_> - - 0 1 2508 -3.0392920598387718e-03 2 -1 2509 - 2.8347579063847661e-04 -2 -3 2510 -2.0839450880885124e-03 - - 1.8131990730762482e-01 1.4752319455146790e-01 - 1.2602719664573669e-01 -2.3448009788990021e-01 - <_> - - 2 1 2511 -1.5735890716314316e-02 0 -1 2512 - -5.9783339500427246e-02 -2 -3 2513 8.1148296594619751e-02 - - -3.7624269723892212e-01 1.0452839732170105e-01 - -4.6331068873405457e-01 1.4930450357496738e-02 - <_> - - 1 0 2514 5.8228247798979282e-03 2 -1 2515 - -5.7364261010661721e-04 -2 -3 2516 -3.6678448668681085e-04 - - -7.1261131763458252e-01 -3.9293140172958374e-02 - -1.0198889672756195e-01 4.7379100322723389e-01 - <_> - - 1 2 2517 -9.1290572891011834e-04 0 -1 2518 - 1.2561770156025887e-02 -2 -3 2519 -7.6223909854888916e-04 - - 3.5364340990781784e-02 4.8163351416587830e-01 - 4.6516609191894531e-01 -1.5139210224151611e-01 - <_> - - 0 1 2520 1.8540889723226428e-03 -1 2 2521 - -1.8188059329986572e-02 -2 -3 2522 2.5648679584264755e-02 - - 1.1853530257940292e-01 5.0805187225341797e-01 - -2.3640629649162292e-01 2.6991719007492065e-01 - <_> - - 0 1 2523 -2.5939470157027245e-02 2 -1 2524 - 9.7436201758682728e-04 -2 -3 2525 -1.2310179881751537e-03 - - -6.1304092407226562e-01 -1.6751369833946228e-01 - -2.6179370284080505e-01 1.2718600034713745e-01 - <_> - - 0 1 2526 -7.0769861340522766e-02 2 -1 2527 - 6.8592047318816185e-04 -2 -3 2528 7.2288517840206623e-03 - - 3.6499670147895813e-01 3.1916418671607971e-01 - -1.1326509714126587e-01 2.3138450086116791e-01 - <_> - - 0 1 2529 -4.7549661248922348e-03 -1 2 2530 - 3.8560681045055389e-02 -2 -3 2531 3.3737360499799252e-03 - - 1.2249550223350525e-01 -2.2969830036163330e-01 - -2.9323069378733635e-02 7.3215091228485107e-01 - <_> - - 0 1 2532 -1.4671970158815384e-02 -1 2 2533 - 3.5087150172330439e-04 -2 -3 2534 -2.0783280488103628e-03 - - -5.2395147085189819e-01 9.8115980625152588e-02 - 4.0350338816642761e-01 -2.2959670424461365e-01 - <_> - - 1 0 2535 -3.7065339274704456e-03 2 -1 2536 - 4.0150329470634460e-02 -2 -3 2537 -6.1276711523532867e-02 - - -9.2062972486019135e-02 -7.1320801973342896e-01 - 4.4615340232849121e-01 5.8714438229799271e-02 - <_> - - 1 2 2538 -9.9730096757411957e-02 0 -1 2539 - -7.7125482494011521e-04 -2 -3 2540 1.3902420178055763e-03 - - -1.4246919751167297e-01 5.1187419891357422e-01 - 1.8041240051388741e-02 -2.5729590654373169e-01 - <_> - - 0 1 2541 -2.5304889306426048e-02 -1 2 2542 - 2.5176260620355606e-02 -2 -3 2543 -2.7789679169654846e-01 - - -3.9365610480308533e-01 -1.7298270016908646e-02 - -5.1464182138442993e-01 4.1422238945960999e-01 - <_> - - 1 0 2544 4.6188719570636749e-02 -1 2 2545 - -1.7873500473797321e-03 -2 -3 2546 -1.2076550163328648e-02 - - -4.1546550393104553e-01 2.9358920454978943e-01 - 3.0501538515090942e-01 -8.3189137279987335e-02 - <_> - - 0 1 2547 -5.4004848934710026e-03 -1 2 2548 - -9.4532333314418793e-03 -2 -3 2549 -1.6526769613847136e-03 - - -4.8242959380149841e-01 -4.1864201426506042e-01 - -4.7690790891647339e-01 6.9955162703990936e-02 - <_> - - 0 1 2550 -3.1153310090303421e-02 2 -1 2551 - 5.1554460078477859e-03 -2 -3 2552 -2.7182319900020957e-04 - - 6.2633192539215088e-01 -2.2152930498123169e-01 - -2.8926940634846687e-02 3.6499640345573425e-01 - - <_> - - <_> - 8 7 12 1 -1. - <_> - 8 7 6 1 2. - 1 - <_> - - <_> - 4 7 8 6 -1. - <_> - 6 7 4 6 2. - <_> - - <_> - 5 3 12 12 -1. - <_> - 9 7 4 4 9. - <_> - - <_> - 1 8 12 12 -1. - <_> - 1 14 12 6 2. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 5 7 9 6 -1. - <_> - 8 7 3 6 3. - <_> - - <_> - 2 0 18 15 -1. - <_> - 2 5 18 5 3. - <_> - - <_> - 7 1 9 9 -1. - <_> - 7 4 9 3 3. - <_> - - <_> - 8 19 3 1 -1. - <_> - 9 19 1 1 3. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 10 18 3 1 -1. - <_> - 11 18 1 1 3. - <_> - - <_> - 7 7 9 7 -1. - <_> - 10 7 3 7 3. - <_> - - <_> - 6 8 12 5 -1. - <_> - 9 8 6 5 2. - <_> - - <_> - 13 1 6 7 -1. - <_> - 13 1 3 7 2. - 1 - <_> - - <_> - 5 2 12 15 -1. - <_> - 9 7 4 5 9. - <_> - - <_> - 6 5 14 1 -1. - <_> - 6 5 7 1 2. - 1 - <_> - - <_> - 9 9 10 1 -1. - <_> - 9 9 5 1 2. - 1 - <_> - - <_> - 2 9 9 3 -1. - <_> - 5 9 3 3 3. - <_> - - <_> - 0 8 20 12 -1. - <_> - 0 14 20 6 2. - <_> - - <_> - 0 5 4 13 -1. - <_> - 2 5 2 13 2. - <_> - - <_> - 11 18 3 2 -1. - <_> - 12 18 1 2 3. - <_> - - <_> - 11 18 3 1 -1. - <_> - 12 18 1 1 3. - <_> - - <_> - 11 19 3 1 -1. - <_> - 12 19 1 1 3. - <_> - - <_> - 10 9 9 3 -1. - <_> - 13 9 3 3 3. - <_> - - <_> - 5 8 8 7 -1. - <_> - 7 8 4 7 2. - <_> - - <_> - 8 6 9 8 -1. - <_> - 11 6 3 8 3. - <_> - - <_> - 4 18 2 2 -1. - <_> - 4 18 1 1 2. - <_> - 5 19 1 1 2. - <_> - - <_> - 4 18 2 2 -1. - <_> - 4 18 1 1 2. - <_> - 5 19 1 1 2. - <_> - - <_> - 7 6 8 14 -1. - <_> - 9 6 4 14 2. - <_> - - <_> - 16 13 4 3 -1. - <_> - 15 14 4 1 3. - 1 - <_> - - <_> - 16 13 4 2 -1. - <_> - 16 13 2 2 2. - 1 - <_> - - <_> - 5 6 6 14 -1. - <_> - 7 6 2 14 3. - <_> - - <_> - 0 7 8 11 -1. - <_> - 2 7 4 11 2. - <_> - - <_> - 0 7 8 7 -1. - <_> - 2 7 4 7 2. - <_> - - <_> - 2 16 3 1 -1. - <_> - 3 17 1 1 3. - 1 - <_> - - <_> - 3 0 15 18 -1. - <_> - 8 6 5 6 9. - <_> - - <_> - 0 6 20 14 -1. - <_> - 0 13 20 7 2. - <_> - - <_> - 6 7 9 7 -1. - <_> - 9 7 3 7 3. - <_> - - <_> - 3 9 6 2 -1. - <_> - 5 9 2 2 3. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 14 8 6 5 -1. - <_> - 16 8 2 5 3. - <_> - - <_> - 16 18 4 2 -1. - <_> - 16 19 4 1 2. - <_> - - <_> - 8 8 9 12 -1. - <_> - 11 8 3 12 3. - <_> - - <_> - 8 18 3 1 -1. - <_> - 9 18 1 1 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 0 8 4 11 -1. - <_> - 2 8 2 11 2. - <_> - - <_> - 10 0 10 1 -1. - <_> - 15 0 5 1 2. - <_> - - <_> - 13 1 3 3 -1. - <_> - 14 1 1 3 3. - <_> - - <_> - 2 8 12 12 -1. - <_> - 6 8 4 12 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 18 18 1 2 -1. - <_> - 18 19 1 1 2. - <_> - - <_> - 8 10 6 5 -1. - <_> - 10 10 2 5 3. - <_> - - <_> - 13 17 3 2 -1. - <_> - 14 17 1 2 3. - <_> - - <_> - 0 4 6 12 -1. - <_> - 0 8 6 4 3. - <_> - - <_> - 0 8 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 13 6 4 6 -1. - <_> - 14 7 2 6 2. - 1 - <_> - - <_> - 4 2 3 2 -1. - <_> - 5 2 1 2 3. - <_> - - <_> - 11 2 8 17 -1. - <_> - 13 2 4 17 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 0 1 3 3. - <_> - - <_> - 10 5 9 13 -1. - <_> - 13 5 3 13 3. - <_> - - <_> - 5 8 8 6 -1. - <_> - 7 8 4 6 2. - <_> - - <_> - 3 1 15 18 -1. - <_> - 8 7 5 6 9. - <_> - - <_> - 6 7 9 8 -1. - <_> - 9 7 3 8 3. - <_> - - <_> - 0 6 20 14 -1. - <_> - 0 13 20 7 2. - <_> - - <_> - 1 7 6 7 -1. - <_> - 3 7 2 7 3. - <_> - - <_> - 9 19 3 1 -1. - <_> - 10 19 1 1 3. - <_> - - <_> - 4 6 9 7 -1. - <_> - 7 6 3 7 3. - <_> - - <_> - 18 10 1 10 -1. - <_> - 18 15 1 5 2. - <_> - - <_> - 12 16 2 4 -1. - <_> - 12 16 1 2 2. - <_> - 13 18 1 2 2. - <_> - - <_> - 12 19 4 1 -1. - <_> - 13 19 2 1 2. - <_> - - <_> - 9 5 6 15 -1. - <_> - 11 5 2 15 3. - <_> - - <_> - 10 18 4 1 -1. - <_> - 11 18 2 1 2. - <_> - - <_> - 1 0 12 16 -1. - <_> - 5 0 4 16 3. - <_> - - <_> - 0 13 3 3 -1. - <_> - 0 14 3 1 3. - <_> - - <_> - 1 13 1 3 -1. - <_> - 1 14 1 1 3. - <_> - - <_> - 14 0 6 1 -1. - <_> - 17 0 3 1 2. - <_> - - <_> - 12 0 3 3 -1. - <_> - 13 0 1 3 3. - <_> - - <_> - 12 1 3 2 -1. - <_> - 13 1 1 2 3. - <_> - - <_> - 14 2 6 13 -1. - <_> - 16 2 2 13 3. - <_> - - <_> - 12 4 6 1 -1. - <_> - 14 6 2 1 3. - 1 - <_> - - <_> - 15 6 5 2 -1. - <_> - 15 7 5 1 2. - <_> - - <_> - 9 0 5 12 -1. - <_> - 9 4 5 4 3. - <_> - - <_> - 6 1 13 9 -1. - <_> - 6 4 13 3 3. - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 0 1 2 3. - <_> - - <_> - 6 0 4 2 -1. - <_> - 6 0 2 2 2. - 1 - <_> - - <_> - 4 2 3 3 -1. - <_> - 3 3 3 1 3. - 1 - <_> - - <_> - 7 1 13 6 -1. - <_> - 5 3 13 2 3. - 1 - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 17 0 3 1 -1. - <_> - 18 0 1 1 3. - <_> - - <_> - 1 12 5 6 -1. - <_> - 1 15 5 3 2. - <_> - - <_> - 5 14 3 1 -1. - <_> - 6 15 1 1 3. - 1 - <_> - - <_> - 0 7 7 3 -1. - <_> - 0 8 7 1 3. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 7 2 4 3 -1. - <_> - 6 3 4 1 3. - 1 - <_> - - <_> - 6 7 6 10 -1. - <_> - 8 7 2 10 3. - <_> - - <_> - 2 5 8 12 -1. - <_> - 4 5 4 12 2. - <_> - - <_> - 4 0 12 4 -1. - <_> - 4 2 12 2 2. - <_> - - <_> - 7 8 8 12 -1. - <_> - 9 8 4 12 2. - <_> - - <_> - 8 6 11 14 -1. - <_> - 8 13 11 7 2. - <_> - - <_> - 16 9 4 9 -1. - <_> - 18 9 2 9 2. - <_> - - <_> - 12 9 6 2 -1. - <_> - 14 9 2 2 3. - <_> - - <_> - 6 1 10 6 -1. - <_> - 6 3 10 2 3. - <_> - - <_> - 5 0 4 5 -1. - <_> - 5 0 2 5 2. - 1 - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 8 0 12 2 -1. - <_> - 12 0 4 2 3. - <_> - - <_> - 0 8 6 5 -1. - <_> - 2 8 2 5 3. - <_> - - <_> - 8 18 4 1 -1. - <_> - 9 18 2 1 2. - <_> - - <_> - 10 18 2 1 -1. - <_> - 11 18 1 1 2. - <_> - - <_> - 7 2 9 3 -1. - <_> - 10 5 3 3 3. - 1 - <_> - - <_> - 8 3 5 6 -1. - <_> - 8 5 5 2 3. - <_> - - <_> - 0 14 1 3 -1. - <_> - 0 15 1 1 3. - <_> - - <_> - 12 17 3 2 -1. - <_> - 13 17 1 2 3. - <_> - - <_> - 12 17 3 3 -1. - <_> - 13 17 1 3 3. - <_> - - <_> - 7 9 1 4 -1. - <_> - 6 10 1 2 2. - 1 - <_> - - <_> - 12 7 8 8 -1. - <_> - 14 7 4 8 2. - <_> - - <_> - 7 10 4 6 -1. - <_> - 5 12 4 2 3. - 1 - <_> - - <_> - 0 6 4 10 -1. - <_> - 2 6 2 10 2. - <_> - - <_> - 19 9 1 3 -1. - <_> - 19 10 1 1 3. - <_> - - <_> - 16 1 4 15 -1. - <_> - 17 2 2 15 2. - 1 - <_> - - <_> - 14 5 6 7 -1. - <_> - 16 7 2 7 3. - 1 - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 0 7 4 6 -1. - <_> - 0 9 4 2 3. - <_> - - <_> - 16 9 4 4 -1. - <_> - 17 9 2 4 2. - <_> - - <_> - 0 15 1 3 -1. - <_> - 0 16 1 1 3. - <_> - - <_> - 7 5 10 3 -1. - <_> - 6 6 10 1 3. - 1 - <_> - - <_> - 9 7 9 7 -1. - <_> - 12 7 3 7 3. - <_> - - <_> - 14 4 6 8 -1. - <_> - 14 6 6 4 2. - <_> - - <_> - 17 6 3 1 -1. - <_> - 18 7 1 1 3. - 1 - <_> - - <_> - 17 1 3 8 -1. - <_> - 17 3 3 4 2. - <_> - - <_> - 0 10 1 3 -1. - <_> - 0 11 1 1 3. - <_> - - <_> - 5 2 3 1 -1. - <_> - 6 2 1 1 3. - <_> - - <_> - 5 2 3 1 -1. - <_> - 6 2 1 1 3. - <_> - - <_> - 6 2 9 15 -1. - <_> - 9 7 3 5 9. - <_> - - <_> - 0 9 6 3 -1. - <_> - 2 9 2 3 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 9 2 3 9. - <_> - - <_> - 4 3 12 9 -1. - <_> - 4 6 12 3 3. - <_> - - <_> - 8 5 6 4 -1. - <_> - 8 6 6 2 2. - <_> - - <_> - 0 1 17 8 -1. - <_> - 0 3 17 4 2. - <_> - - <_> - 2 10 9 1 -1. - <_> - 5 10 3 1 3. - <_> - - <_> - 2 11 9 8 -1. - <_> - 2 15 9 4 2. - <_> - - <_> - 14 0 6 15 -1. - <_> - 16 0 2 15 3. - <_> - - <_> - 17 6 2 9 -1. - <_> - 17 9 2 3 3. - <_> - - <_> - 16 16 1 3 -1. - <_> - 15 17 1 1 3. - 1 - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 6 0 12 15 -1. - <_> - 10 0 4 15 3. - <_> - - <_> - 7 8 12 6 -1. - <_> - 11 8 4 6 3. - <_> - - <_> - 11 18 4 1 -1. - <_> - 12 18 2 1 2. - <_> - - <_> - 8 18 4 1 -1. - <_> - 9 18 2 1 2. - <_> - - <_> - 7 0 8 4 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 8 0 12 8 -1. - <_> - 8 2 12 4 2. - <_> - - <_> - 4 9 6 3 -1. - <_> - 6 9 2 3 3. - <_> - - <_> - 0 4 9 12 -1. - <_> - 3 8 3 4 9. - <_> - - <_> - 6 18 1 2 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 9 2 4 2 -1. - <_> - 10 2 2 2 2. - <_> - - <_> - 6 1 8 17 -1. - <_> - 8 1 4 17 2. - <_> - - <_> - 13 9 4 4 -1. - <_> - 14 10 2 4 2. - 1 - <_> - - <_> - 7 1 4 3 -1. - <_> - 8 1 2 3 2. - <_> - - <_> - 12 8 6 4 -1. - <_> - 14 8 2 4 3. - <_> - - <_> - 13 1 7 15 -1. - <_> - 13 6 7 5 3. - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 18 1 1 2. - <_> - 18 19 1 1 2. - <_> - - <_> - 3 6 4 10 -1. - <_> - 4 6 2 10 2. - <_> - - <_> - 6 4 4 11 -1. - <_> - 7 4 2 11 2. - <_> - - <_> - 7 18 4 1 -1. - <_> - 8 18 2 1 2. - <_> - - <_> - 15 0 4 2 -1. - <_> - 15 0 4 1 2. - 1 - <_> - - <_> - 8 0 10 3 -1. - <_> - 8 1 10 1 3. - <_> - - <_> - 8 0 12 3 -1. - <_> - 12 1 4 1 9. - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 0 1 2 3. - <_> - - <_> - 16 10 4 6 -1. - <_> - 17 11 2 6 2. - 1 - <_> - - <_> - 11 4 5 6 -1. - <_> - 9 6 5 2 3. - 1 - <_> - - <_> - 12 3 6 10 -1. - <_> - 14 5 2 10 3. - 1 - <_> - - <_> - 9 7 5 3 -1. - <_> - 8 8 5 1 3. - 1 - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - <_> - - <_> - 4 2 16 16 -1. - <_> - 4 6 16 8 2. - <_> - - <_> - 15 8 4 6 -1. - <_> - 16 8 2 6 2. - <_> - - <_> - 15 7 2 6 -1. - <_> - 15 7 1 6 2. - 1 - <_> - - <_> - 6 17 1 2 -1. - <_> - 6 18 1 1 2. - <_> - - <_> - 7 4 12 12 -1. - <_> - 11 8 4 4 9. - <_> - - <_> - 18 16 1 2 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 17 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 6 4 3 6 -1. - <_> - 7 5 1 6 3. - 1 - <_> - - <_> - 4 10 4 1 -1. - <_> - 5 10 2 1 2. - <_> - - <_> - 6 10 6 9 -1. - <_> - 8 10 2 9 3. - <_> - - <_> - 1 8 2 12 -1. - <_> - 1 14 2 6 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 17 0 1 1 2. - <_> - - <_> - 8 2 7 9 -1. - <_> - 8 5 7 3 3. - <_> - - <_> - 0 0 20 20 -1. - <_> - 0 0 10 10 2. - <_> - 10 10 10 10 2. - <_> - - <_> - 18 6 1 2 -1. - <_> - 18 7 1 1 2. - <_> - - <_> - 18 5 2 1 -1. - <_> - 18 5 1 1 2. - 1 - <_> - - <_> - 7 4 10 6 -1. - <_> - 7 6 10 2 3. - <_> - - <_> - 15 9 3 3 -1. - <_> - 16 10 1 3 3. - 1 - <_> - - <_> - 17 18 3 2 -1. - <_> - 17 19 3 1 2. - <_> - - <_> - 15 9 3 2 -1. - <_> - 16 10 1 2 3. - 1 - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 1 14 1 2 -1. - <_> - 1 15 1 1 2. - <_> - - <_> - 0 18 20 1 -1. - <_> - 10 18 10 1 2. - <_> - - <_> - 9 7 6 2 -1. - <_> - 9 7 6 1 2. - 1 - <_> - - <_> - 10 9 6 5 -1. - <_> - 12 9 2 5 3. - <_> - - <_> - 11 8 4 5 -1. - <_> - 12 8 2 5 2. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 9 2 9 2. - <_> - - <_> - 3 15 9 3 -1. - <_> - 6 16 3 1 9. - <_> - - <_> - 16 16 1 3 -1. - <_> - 15 17 1 1 3. - 1 - <_> - - <_> - 2 16 9 4 -1. - <_> - 2 17 9 2 2. - <_> - - <_> - 0 18 5 2 -1. - <_> - 0 19 5 1 2. - <_> - - <_> - 17 7 2 3 -1. - <_> - 16 8 2 1 3. - 1 - <_> - - <_> - 17 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 16 18 2 1 -1. - <_> - 17 18 1 1 2. - <_> - - <_> - 17 18 1 2 -1. - <_> - 17 19 1 1 2. - <_> - - <_> - 6 10 9 2 -1. - <_> - 9 10 3 2 3. - <_> - - <_> - 2 8 18 12 -1. - <_> - 2 14 18 6 2. - <_> - - <_> - 12 6 3 3 -1. - <_> - 11 7 3 1 3. - 1 - <_> - - <_> - 15 8 3 3 -1. - <_> - 16 9 1 3 3. - 1 - <_> - - <_> - 2 3 17 12 -1. - <_> - 2 6 17 6 2. - <_> - - <_> - 2 7 4 9 -1. - <_> - 3 7 2 9 2. - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 1 6 12 9 -1. - <_> - 5 9 4 3 9. - <_> - - <_> - 8 2 1 8 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 3 16 2 1 -1. - <_> - 4 16 1 1 2. - <_> - - <_> - 3 16 2 1 -1. - <_> - 4 16 1 1 2. - <_> - - <_> - 4 17 1 3 -1. - <_> - 4 18 1 1 3. - <_> - - <_> - 6 17 9 3 -1. - <_> - 9 17 3 3 3. - <_> - - <_> - 14 8 3 4 -1. - <_> - 15 9 1 4 3. - 1 - <_> - - <_> - 17 8 3 6 -1. - <_> - 18 9 1 6 3. - 1 - <_> - - <_> - 16 17 1 3 -1. - <_> - 16 18 1 1 3. - <_> - - <_> - 14 18 3 2 -1. - <_> - 14 19 3 1 2. - <_> - - <_> - 6 8 3 3 -1. - <_> - 7 8 1 3 3. - <_> - - <_> - 3 0 16 11 -1. - <_> - 7 0 8 11 2. - <_> - - <_> - 1 0 18 20 -1. - <_> - 1 5 18 10 2. - <_> - - <_> - 15 5 4 4 -1. - <_> - 15 5 2 2 2. - <_> - 17 7 2 2 2. - <_> - - <_> - 15 10 2 1 -1. - <_> - 16 10 1 1 2. - <_> - - <_> - 7 18 6 2 -1. - <_> - 9 18 2 2 3. - <_> - - <_> - 15 10 2 1 -1. - <_> - 16 10 1 1 2. - <_> - - <_> - 2 0 18 4 -1. - <_> - 2 1 18 2 2. - <_> - - <_> - 5 0 9 4 -1. - <_> - 5 1 9 2 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 1 2 1 2. - <_> - - <_> - 17 0 2 4 -1. - <_> - 17 0 1 4 2. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 3 3 3 2 2. - 1 - <_> - - <_> - 0 4 6 11 -1. - <_> - 2 4 2 11 3. - <_> - - <_> - 0 4 8 4 -1. - <_> - 0 4 4 2 2. - <_> - 4 6 4 2 2. - <_> - - <_> - 4 3 1 2 -1. - <_> - 4 4 1 1 2. - <_> - - <_> - 0 1 6 4 -1. - <_> - 0 1 3 2 2. - <_> - 3 3 3 2 2. - <_> - - <_> - 3 5 4 2 -1. - <_> - 3 5 2 1 2. - <_> - 5 6 2 1 2. - <_> - - <_> - 4 9 4 1 -1. - <_> - 5 9 2 1 2. - <_> - - <_> - 8 15 2 2 -1. - <_> - 8 15 1 1 2. - <_> - 9 16 1 1 2. - <_> - - <_> - 8 15 2 2 -1. - <_> - 8 15 1 1 2. - <_> - 9 16 1 1 2. - <_> - - <_> - 2 18 5 2 -1. - <_> - 2 19 5 1 2. - <_> - - <_> - 4 12 10 8 -1. - <_> - 4 14 10 4 2. - <_> - - <_> - 9 7 5 3 -1. - <_> - 8 8 5 1 3. - 1 - <_> - - <_> - 2 18 6 2 -1. - <_> - 2 18 3 1 2. - <_> - 5 19 3 1 2. - <_> - - <_> - 6 16 12 4 -1. - <_> - 6 17 12 2 2. - <_> - - <_> - 10 9 1 4 -1. - <_> - 10 11 1 2 2. - <_> - - <_> - 5 9 12 3 -1. - <_> - 9 10 4 1 9. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 8 1 1 9. - <_> - - <_> - 1 6 19 14 -1. - <_> - 1 13 19 7 2. - <_> - - <_> - 15 9 4 2 -1. - <_> - 16 9 2 2 2. - <_> - - <_> - 8 9 3 8 -1. - <_> - 8 13 3 4 2. - <_> - - <_> - 6 8 4 3 -1. - <_> - 7 8 2 3 2. - <_> - - <_> - 5 1 8 4 -1. - <_> - 5 2 8 2 2. - <_> - - <_> - 8 1 3 4 -1. - <_> - 8 2 3 2 2. - <_> - - <_> - 2 10 18 10 -1. - <_> - 2 15 18 5 2. - <_> - - <_> - 8 8 5 3 -1. - <_> - 7 9 5 1 3. - 1 - <_> - - <_> - 7 9 7 2 -1. - <_> - 7 9 7 1 2. - 1 - <_> - - <_> - 5 17 1 3 -1. - <_> - 5 18 1 1 3. - <_> - - <_> - 7 18 13 2 -1. - <_> - 7 19 13 1 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 2 1 2. - 1 - <_> - - <_> - 3 14 1 2 -1. - <_> - 3 15 1 1 2. - <_> - - <_> - 12 9 3 4 -1. - <_> - 13 9 1 4 3. - <_> - - <_> - 12 9 3 2 -1. - <_> - 13 9 1 2 3. - <_> - - <_> - 7 9 2 3 -1. - <_> - 6 10 2 1 3. - 1 - <_> - - <_> - 10 3 9 12 -1. - <_> - 10 7 9 4 3. - <_> - - <_> - 15 5 2 1 -1. - <_> - 16 5 1 1 2. - <_> - - <_> - 1 0 15 9 -1. - <_> - 1 3 15 3 3. - <_> - - <_> - 3 15 2 3 -1. - <_> - 3 15 1 3 2. - 1 - <_> - - <_> - 2 16 1 2 -1. - <_> - 2 17 1 1 2. - <_> - - <_> - 12 1 8 4 -1. - <_> - 11 2 8 2 2. - 1 - <_> - - <_> - 6 5 3 6 -1. - <_> - 7 6 1 6 3. - 1 - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 17 7 3 1 -1. - <_> - 18 7 1 1 3. - <_> - - <_> - 12 0 6 5 -1. - <_> - 14 0 2 5 3. - <_> - - <_> - 17 0 2 1 -1. - <_> - 18 0 1 1 2. - <_> - - <_> - 10 1 6 5 -1. - <_> - 12 1 2 5 3. - <_> - - <_> - 17 14 3 2 -1. - <_> - 17 14 3 1 2. - 1 - <_> - - <_> - 5 10 4 1 -1. - <_> - 6 10 2 1 2. - <_> - - <_> - 3 8 3 6 -1. - <_> - 4 8 1 6 3. - <_> - - <_> - 8 16 5 4 -1. - <_> - 8 17 5 2 2. - <_> - - <_> - 14 15 2 2 -1. - <_> - 14 15 1 1 2. - <_> - 15 16 1 1 2. - <_> - - <_> - 4 18 1 2 -1. - <_> - 4 19 1 1 2. - <_> - - <_> - 8 15 2 3 -1. - <_> - 8 15 1 3 2. - 1 - <_> - - <_> - 19 0 1 20 -1. - <_> - 19 10 1 10 2. - <_> - - <_> - 7 9 8 1 -1. - <_> - 9 9 4 1 2. - <_> - - <_> - 14 10 3 1 -1. - <_> - 15 10 1 1 3. - <_> - - <_> - 15 11 2 1 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 18 11 2 8 -1. - <_> - 18 11 1 4 2. - <_> - 19 15 1 4 2. - <_> - - <_> - 6 1 8 4 -1. - <_> - 8 1 4 4 2. - <_> - - <_> - 6 0 5 4 -1. - <_> - 5 1 5 2 2. - 1 - <_> - - <_> - 6 5 12 15 -1. - <_> - 10 10 4 5 9. - <_> - - <_> - 7 2 8 9 -1. - <_> - 7 5 8 3 3. - <_> - - <_> - 2 1 10 3 -1. - <_> - 2 2 10 1 3. - <_> - - <_> - 2 5 15 12 -1. - <_> - 7 9 5 4 9. - <_> - - <_> - 7 8 3 6 -1. - <_> - 8 8 1 6 3. - <_> - - <_> - 7 6 3 7 -1. - <_> - 8 6 1 7 3. - <_> - - <_> - 4 16 9 4 -1. - <_> - 7 16 3 4 3. - <_> - - <_> - 15 18 5 2 -1. - <_> - 15 19 5 1 2. - <_> - - <_> - 15 16 1 4 -1. - <_> - 15 17 1 2 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 6 15 2 2 -1. - <_> - 6 15 1 1 2. - <_> - 7 16 1 1 2. - <_> - - <_> - 6 15 2 2 -1. - <_> - 6 15 1 1 2. - <_> - 7 16 1 1 2. - <_> - - <_> - 8 16 8 3 -1. - <_> - 10 16 4 3 2. - <_> - - <_> - 5 10 12 1 -1. - <_> - 9 10 4 1 3. - <_> - - <_> - 6 2 9 15 -1. - <_> - 9 7 3 5 9. - <_> - - <_> - 17 6 1 14 -1. - <_> - 17 13 1 7 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 8 8 3 1 3. - 1 - <_> - - <_> - 16 5 4 3 -1. - <_> - 15 6 4 1 3. - 1 - <_> - - <_> - 13 7 4 9 -1. - <_> - 13 7 2 9 2. - 1 - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 2 1 2. - 1 - <_> - - <_> - 0 4 3 15 -1. - <_> - 0 9 3 5 3. - <_> - - <_> - 7 8 9 6 -1. - <_> - 10 8 3 6 3. - <_> - - <_> - 5 17 9 2 -1. - <_> - 8 17 3 2 3. - <_> - - <_> - 7 2 6 18 -1. - <_> - 7 11 6 9 2. - <_> - - <_> - 15 9 2 10 -1. - <_> - 15 9 1 5 2. - <_> - 16 14 1 5 2. - <_> - - <_> - 12 7 6 4 -1. - <_> - 14 9 2 4 3. - 1 - <_> - - <_> - 13 8 3 2 -1. - <_> - 14 9 1 2 3. - 1 - <_> - - <_> - 17 4 3 2 -1. - <_> - 18 5 1 2 3. - 1 - <_> - - <_> - 10 5 8 2 -1. - <_> - 10 6 8 1 2. - <_> - - <_> - 18 4 2 2 -1. - <_> - 18 4 1 2 2. - 1 - <_> - - <_> - 7 4 7 4 -1. - <_> - 7 5 7 2 2. - <_> - - <_> - 1 15 6 4 -1. - <_> - 1 17 6 2 2. - <_> - - <_> - 0 13 2 6 -1. - <_> - 0 15 2 2 3. - <_> - - <_> - 10 13 4 2 -1. - <_> - 10 13 4 1 2. - 1 - <_> - - <_> - 16 14 2 4 -1. - <_> - 15 15 2 2 2. - 1 - <_> - - <_> - 7 4 3 4 -1. - <_> - 8 5 1 4 3. - 1 - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 4 1 2 4 -1. - <_> - 3 2 2 2 2. - 1 - <_> - - <_> - 2 1 2 3 -1. - <_> - 3 1 1 3 2. - <_> - - <_> - 1 2 8 4 -1. - <_> - 1 2 4 2 2. - <_> - 5 4 4 2 2. - <_> - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - <_> - - <_> - 6 4 3 5 -1. - <_> - 7 5 1 5 3. - 1 - <_> - - <_> - 3 5 1 2 -1. - <_> - 3 6 1 1 2. - <_> - - <_> - 6 8 3 3 -1. - <_> - 7 8 1 3 3. - <_> - - <_> - 5 16 3 1 -1. - <_> - 6 17 1 1 3. - 1 - <_> - - <_> - 6 9 4 4 -1. - <_> - 7 9 2 4 2. - <_> - - <_> - 9 11 9 2 -1. - <_> - 9 12 9 1 2. - <_> - - <_> - 5 2 7 2 -1. - <_> - 5 3 7 1 2. - <_> - - <_> - 12 18 8 2 -1. - <_> - 12 19 8 1 2. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 14 1 6 2 -1. - <_> - 17 1 3 2 2. - <_> - - <_> - 14 2 6 4 -1. - <_> - 14 2 3 2 2. - <_> - 17 4 3 2 2. - <_> - - <_> - 7 7 3 6 -1. - <_> - 8 7 1 6 3. - <_> - - <_> - 11 6 5 4 -1. - <_> - 11 7 5 2 2. - <_> - - <_> - 17 7 3 3 -1. - <_> - 18 7 1 3 3. - <_> - - <_> - 15 16 1 2 -1. - <_> - 15 16 1 1 2. - 1 - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - <_> - - <_> - 6 1 8 8 -1. - <_> - 6 3 8 4 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 10 0 6 5 -1. - <_> - 12 0 2 5 3. - <_> - - <_> - 7 7 4 7 -1. - <_> - 8 7 2 7 2. - <_> - - <_> - 9 3 2 8 -1. - <_> - 10 3 1 8 2. - <_> - - <_> - 6 1 4 4 -1. - <_> - 7 2 2 4 2. - 1 - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 17 2 3 1 -1. - <_> - 18 3 1 1 3. - 1 - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 17 13 3 4 -1. - <_> - 16 14 3 2 2. - 1 - <_> - - <_> - 3 10 4 3 -1. - <_> - 4 10 2 3 2. - <_> - - <_> - 0 8 4 5 -1. - <_> - 1 8 2 5 2. - <_> - - <_> - 4 8 14 12 -1. - <_> - 4 14 14 6 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 17 16 1 2 2. - <_> - - <_> - 16 18 4 2 -1. - <_> - 17 18 2 2 2. - <_> - - <_> - 17 1 3 4 -1. - <_> - 18 2 1 4 3. - 1 - <_> - - <_> - 3 0 4 7 -1. - <_> - 4 0 2 7 2. - <_> - - <_> - 6 1 6 3 -1. - <_> - 8 1 2 3 3. - <_> - - <_> - 12 8 4 4 -1. - <_> - 13 8 2 4 2. - <_> - - <_> - 6 1 5 2 -1. - <_> - 6 2 5 1 2. - <_> - - <_> - 1 7 5 12 -1. - <_> - 1 13 5 6 2. - <_> - - <_> - 8 17 6 3 -1. - <_> - 10 18 2 1 9. - <_> - - <_> - 12 4 3 12 -1. - <_> - 13 4 1 12 3. - <_> - - <_> - 3 11 8 1 -1. - <_> - 5 13 4 1 2. - 1 - <_> - - <_> - 7 2 9 6 -1. - <_> - 5 4 9 2 3. - 1 - <_> - - <_> - 14 1 1 2 -1. - <_> - 14 1 1 1 2. - 1 - <_> - - <_> - 0 1 16 1 -1. - <_> - 8 1 8 1 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 9 8 1 2 3. - <_> - - <_> - 0 14 1 2 -1. - <_> - 0 15 1 1 2. - <_> - - <_> - 11 5 3 8 -1. - <_> - 11 7 3 4 2. - <_> - - <_> - 7 9 3 3 -1. - <_> - 6 10 3 1 3. - 1 - <_> - - <_> - 0 5 6 11 -1. - <_> - 2 5 2 11 3. - <_> - - <_> - 1 0 4 14 -1. - <_> - 2 0 2 14 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 16 0 3 3 -1. - <_> - 17 1 1 3 3. - 1 - <_> - - <_> - 19 5 1 4 -1. - <_> - 19 7 1 2 2. - <_> - - <_> - 3 10 6 1 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 6 10 3 1 -1. - <_> - 7 10 1 1 3. - <_> - - <_> - 8 7 2 10 -1. - <_> - 8 12 2 5 2. - <_> - - <_> - 12 9 6 2 -1. - <_> - 14 9 2 2 3. - <_> - - <_> - 18 3 1 12 -1. - <_> - 14 7 1 4 3. - 1 - <_> - - <_> - 13 3 2 8 -1. - <_> - 11 5 2 4 2. - 1 - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 0 3 6 4 -1. - <_> - 0 3 3 2 2. - <_> - 3 5 3 2 2. - <_> - - <_> - 3 2 2 1 -1. - <_> - 4 2 1 1 2. - <_> - - <_> - 12 8 3 5 -1. - <_> - 13 8 1 5 3. - <_> - - <_> - 15 15 2 3 -1. - <_> - 14 16 2 1 3. - 1 - <_> - - <_> - 0 18 3 2 -1. - <_> - 0 19 3 1 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 5 6 2 2 -1. - <_> - 5 7 2 1 2. - <_> - - <_> - 2 7 16 2 -1. - <_> - 6 7 8 2 2. - <_> - - <_> - 16 8 4 7 -1. - <_> - 17 8 2 7 2. - <_> - - <_> - 14 9 4 5 -1. - <_> - 15 9 2 5 2. - <_> - - <_> - 0 6 3 14 -1. - <_> - 0 13 3 7 2. - <_> - - <_> - 17 3 3 1 -1. - <_> - 18 4 1 1 3. - 1 - <_> - - <_> - 18 5 2 1 -1. - <_> - 18 5 1 1 2. - 1 - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 6 2 6 3. - <_> - - <_> - 4 0 13 12 -1. - <_> - 4 3 13 6 2. - <_> - - <_> - 12 9 4 2 -1. - <_> - 13 9 2 2 2. - <_> - - <_> - 4 2 3 3 -1. - <_> - 3 3 3 1 3. - 1 - <_> - - <_> - 8 10 6 3 -1. - <_> - 10 10 2 3 3. - <_> - - <_> - 11 5 4 6 -1. - <_> - 11 5 2 6 2. - 1 - <_> - - <_> - 10 2 4 2 -1. - <_> - 11 2 2 2 2. - <_> - - <_> - 4 16 2 4 -1. - <_> - 4 18 2 2 2. - <_> - - <_> - 5 18 8 2 -1. - <_> - 9 18 4 2 2. - <_> - - <_> - 19 9 1 8 -1. - <_> - 19 9 1 4 2. - 1 - <_> - - <_> - 0 15 5 3 -1. - <_> - 0 16 5 1 3. - <_> - - <_> - 19 4 1 15 -1. - <_> - 19 9 1 5 3. - <_> - - <_> - 7 19 4 1 -1. - <_> - 8 19 2 1 2. - <_> - - <_> - 6 2 12 4 -1. - <_> - 6 3 12 2 2. - <_> - - <_> - 4 1 11 6 -1. - <_> - 4 3 11 2 3. - <_> - - <_> - 0 14 2 4 -1. - <_> - 0 15 2 2 2. - <_> - - <_> - 1 9 4 5 -1. - <_> - 2 9 2 5 2. - <_> - - <_> - 4 5 2 4 -1. - <_> - 3 6 2 2 2. - 1 - <_> - - <_> - 1 17 6 3 -1. - <_> - 3 18 2 1 9. - <_> - - <_> - 11 0 6 6 -1. - <_> - 13 0 2 6 3. - <_> - - <_> - 17 18 3 2 -1. - <_> - 17 19 3 1 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 3 7 15 3 -1. - <_> - 8 8 5 1 9. - <_> - - <_> - 10 8 3 3 -1. - <_> - 11 9 1 1 9. - <_> - - <_> - 0 10 6 8 -1. - <_> - 0 12 6 4 2. - <_> - - <_> - 9 8 3 3 -1. - <_> - 10 8 1 3 3. - <_> - - <_> - 10 7 3 8 -1. - <_> - 11 7 1 8 3. - <_> - - <_> - 12 4 4 1 -1. - <_> - 13 4 2 1 2. - <_> - - <_> - 2 1 11 4 -1. - <_> - 2 2 11 2 2. - <_> - - <_> - 0 3 3 4 -1. - <_> - 0 4 3 2 2. - <_> - - <_> - 17 0 3 2 -1. - <_> - 17 1 3 1 2. - <_> - - <_> - 19 14 1 4 -1. - <_> - 19 15 1 2 2. - <_> - - <_> - 1 16 2 4 -1. - <_> - 2 16 1 4 2. - <_> - - <_> - 3 13 4 3 -1. - <_> - 2 14 4 1 3. - 1 - <_> - - <_> - 0 14 4 3 -1. - <_> - 0 15 4 1 3. - <_> - - <_> - 9 3 5 4 -1. - <_> - 9 4 5 2 2. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 1 8 2 2. - <_> - - <_> - 18 0 2 5 -1. - <_> - 18 0 1 5 2. - 1 - <_> - - <_> - 14 3 1 4 -1. - <_> - 14 5 1 2 2. - <_> - - <_> - 5 15 3 2 -1. - <_> - 6 16 1 2 3. - 1 - <_> - - <_> - 9 7 4 8 -1. - <_> - 10 7 2 8 2. - <_> - - <_> - 14 5 1 12 -1. - <_> - 10 9 1 4 3. - 1 - <_> - - <_> - 5 0 2 3 -1. - <_> - 4 1 2 1 3. - 1 - <_> - - <_> - 18 1 2 2 -1. - <_> - 18 1 2 1 2. - 1 - <_> - - <_> - 6 8 9 2 -1. - <_> - 6 9 9 1 2. - <_> - - <_> - 7 8 13 4 -1. - <_> - 7 9 13 2 2. - <_> - - <_> - 6 7 3 4 -1. - <_> - 7 8 1 4 3. - 1 - <_> - - <_> - 9 18 2 2 -1. - <_> - 9 18 1 1 2. - <_> - 10 19 1 1 2. - <_> - - <_> - 6 18 6 2 -1. - <_> - 6 18 3 1 2. - <_> - 9 19 3 1 2. - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 7 1 4 3. - 1 - <_> - - <_> - 5 8 2 12 -1. - <_> - 5 8 1 6 2. - <_> - 6 14 1 6 2. - <_> - - <_> - 19 0 1 8 -1. - <_> - 19 0 1 4 2. - 1 - <_> - - <_> - 1 11 4 6 -1. - <_> - 1 13 4 2 3. - <_> - - <_> - 6 12 4 4 -1. - <_> - 6 12 2 4 2. - 1 - <_> - - <_> - 18 13 1 6 -1. - <_> - 18 16 1 3 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 14 15 4 4 -1. - <_> - 14 15 2 2 2. - <_> - 16 17 2 2 2. - <_> - - <_> - 4 3 1 2 -1. - <_> - 4 4 1 1 2. - <_> - - <_> - 6 3 3 4 -1. - <_> - 5 4 3 2 2. - 1 - <_> - - <_> - 2 1 3 1 -1. - <_> - 3 2 1 1 3. - 1 - <_> - - <_> - 6 8 3 5 -1. - <_> - 7 8 1 5 3. - <_> - - <_> - 8 9 1 8 -1. - <_> - 8 11 1 4 2. - <_> - - <_> - 14 10 4 4 -1. - <_> - 14 10 2 4 2. - 1 - <_> - - <_> - 5 16 9 3 -1. - <_> - 8 16 3 3 3. - <_> - - <_> - 14 11 6 6 -1. - <_> - 14 13 6 2 3. - <_> - - <_> - 9 16 5 2 -1. - <_> - 9 17 5 1 2. - <_> - - <_> - 5 10 12 1 -1. - <_> - 8 10 6 1 2. - <_> - - <_> - 1 5 18 5 -1. - <_> - 7 5 6 5 3. - <_> - - <_> - 15 9 2 3 -1. - <_> - 16 9 1 3 2. - <_> - - <_> - 0 14 20 6 -1. - <_> - 0 17 20 3 2. - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 5 1 12 15 -1. - <_> - 9 6 4 5 9. - <_> - - <_> - 0 0 20 1 -1. - <_> - 5 0 10 1 2. - <_> - - <_> - 0 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 0 0 10 6 -1. - <_> - 5 0 5 6 2. - <_> - - <_> - 3 0 4 3 -1. - <_> - 2 1 4 1 3. - 1 - <_> - - <_> - 2 0 15 6 -1. - <_> - 7 2 5 2 9. - <_> - - <_> - 0 2 6 4 -1. - <_> - 3 2 3 4 2. - <_> - - <_> - 14 10 2 1 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 2 7 6 9 -1. - <_> - 4 7 2 9 3. - <_> - - <_> - 1 0 15 18 -1. - <_> - 6 6 5 6 9. - <_> - - <_> - 3 5 1 3 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 19 12 1 3 -1. - <_> - 19 13 1 1 3. - <_> - - <_> - 19 13 1 2 -1. - <_> - 19 14 1 1 2. - <_> - - <_> - 7 5 7 12 -1. - <_> - 7 8 7 6 2. - <_> - - <_> - 15 9 3 2 -1. - <_> - 15 10 3 1 2. - <_> - - <_> - 16 9 4 4 -1. - <_> - 17 9 2 4 2. - <_> - - <_> - 10 15 9 2 -1. - <_> - 13 15 3 2 3. - <_> - - <_> - 2 15 10 1 -1. - <_> - 7 15 5 1 2. - <_> - - <_> - 15 13 4 3 -1. - <_> - 14 14 4 1 3. - 1 - <_> - - <_> - 3 17 2 3 -1. - <_> - 4 17 1 3 2. - <_> - - <_> - 12 18 8 2 -1. - <_> - 16 18 4 2 2. - <_> - - <_> - 8 7 12 6 -1. - <_> - 12 7 4 6 3. - <_> - - <_> - 18 16 1 2 -1. - <_> - 18 16 1 1 2. - 1 - <_> - - <_> - 17 11 3 9 -1. - <_> - 17 14 3 3 3. - <_> - - <_> - 16 9 4 2 -1. - <_> - 17 10 2 2 2. - 1 - <_> - - <_> - 16 0 4 7 -1. - <_> - 17 0 2 7 2. - <_> - - <_> - 5 2 2 18 -1. - <_> - 5 11 2 9 2. - <_> - - <_> - 5 9 8 9 -1. - <_> - 7 9 4 9 2. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 5 5 15 9 -1. - <_> - 10 8 5 3 9. - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 19 4 1 2. - <_> - - <_> - 0 12 10 3 -1. - <_> - 0 13 10 1 3. - <_> - - <_> - 1 14 1 2 -1. - <_> - 1 15 1 1 2. - <_> - - <_> - 5 1 4 2 -1. - <_> - 6 1 2 2 2. - <_> - - <_> - 2 13 1 2 -1. - <_> - 2 14 1 1 2. - <_> - - <_> - 0 13 7 3 -1. - <_> - 0 14 7 1 3. - <_> - - <_> - 15 6 3 5 -1. - <_> - 16 7 1 5 3. - 1 - <_> - - <_> - 13 10 2 1 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 5 3 3 5 -1. - <_> - 6 4 1 5 3. - 1 - <_> - - <_> - 5 3 3 5 -1. - <_> - 6 4 1 5 3. - 1 - <_> - - <_> - 17 5 3 2 -1. - <_> - 18 6 1 2 3. - 1 - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 11 5 2 1 -1. - <_> - 12 5 1 1 2. - <_> - - <_> - 16 6 3 3 -1. - <_> - 15 7 3 1 3. - 1 - <_> - - <_> - 2 16 1 4 -1. - <_> - 2 17 1 2 2. - <_> - - <_> - 2 13 5 2 -1. - <_> - 2 13 5 1 2. - 1 - <_> - - <_> - 12 5 1 2 -1. - <_> - 12 6 1 1 2. - <_> - - <_> - 10 3 6 4 -1. - <_> - 10 4 6 2 2. - <_> - - <_> - 13 8 4 6 -1. - <_> - 13 8 2 3 2. - <_> - 15 11 2 3 2. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 16 1 2 3. - 1 - <_> - - <_> - 16 10 4 3 -1. - <_> - 17 11 2 3 2. - 1 - <_> - - <_> - 1 2 6 8 -1. - <_> - 4 2 3 8 2. - <_> - - <_> - 4 0 15 1 -1. - <_> - 9 0 5 1 3. - <_> - - <_> - 15 13 2 2 -1. - <_> - 15 13 2 1 2. - 1 - <_> - - <_> - 14 2 6 1 -1. - <_> - 17 2 3 1 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - <_> - - <_> - 18 7 2 1 -1. - <_> - 18 7 1 1 2. - 1 - <_> - - <_> - 4 3 3 4 -1. - <_> - 3 4 3 2 2. - 1 - <_> - - <_> - 16 8 4 4 -1. - <_> - 16 9 4 2 2. - <_> - - <_> - 7 4 2 4 -1. - <_> - 6 5 2 2 2. - 1 - <_> - - <_> - 16 14 4 6 -1. - <_> - 18 14 2 6 2. - <_> - - <_> - 7 9 6 3 -1. - <_> - 9 10 2 1 9. - <_> - - <_> - 8 9 3 4 -1. - <_> - 9 9 1 4 3. - <_> - - <_> - 8 0 6 3 -1. - <_> - 10 0 2 3 3. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 18 16 1 3 -1. - <_> - 18 17 1 1 3. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 17 5 3 3 -1. - <_> - 16 6 3 1 3. - 1 - <_> - - <_> - 12 8 1 6 -1. - <_> - 10 10 1 2 3. - 1 - <_> - - <_> - 10 3 6 12 -1. - <_> - 12 3 2 12 3. - <_> - - <_> - 8 6 5 14 -1. - <_> - 8 13 5 7 2. - <_> - - <_> - 1 17 19 2 -1. - <_> - 1 18 19 1 2. - <_> - - <_> - 14 7 2 4 -1. - <_> - 14 9 2 2 2. - <_> - - <_> - 3 13 2 4 -1. - <_> - 3 15 2 2 2. - <_> - - <_> - 1 2 18 12 -1. - <_> - 7 6 6 4 9. - <_> - - <_> - 0 0 4 5 -1. - <_> - 2 0 2 5 2. - <_> - - <_> - 14 14 6 6 -1. - <_> - 17 14 3 6 2. - <_> - - <_> - 4 16 16 3 -1. - <_> - 8 16 8 3 2. - <_> - - <_> - 8 17 8 1 -1. - <_> - 10 17 4 1 2. - <_> - - <_> - 4 7 4 4 -1. - <_> - 4 9 4 2 2. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 3 6 3 9. - <_> - - <_> - 0 9 6 2 -1. - <_> - 2 9 2 2 3. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 17 0 1 1 2. - <_> - - <_> - 18 14 1 2 -1. - <_> - 18 15 1 1 2. - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 0 1 2 3. - <_> - - <_> - 6 14 3 1 -1. - <_> - 7 15 1 1 3. - 1 - <_> - - <_> - 0 11 7 3 -1. - <_> - 0 12 7 1 3. - <_> - - <_> - 1 14 19 3 -1. - <_> - 1 15 19 1 3. - <_> - - <_> - 15 1 3 5 -1. - <_> - 16 1 1 5 3. - <_> - - <_> - 14 2 6 4 -1. - <_> - 14 2 3 2 2. - <_> - 17 4 3 2 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 2 2. - <_> - - <_> - 14 11 3 4 -1. - <_> - 14 13 3 2 2. - <_> - - <_> - 16 5 3 15 -1. - <_> - 17 5 1 15 3. - <_> - - <_> - 6 10 14 3 -1. - <_> - 6 11 14 1 3. - <_> - - <_> - 2 17 12 3 -1. - <_> - 6 17 4 3 3. - <_> - - <_> - 0 16 16 2 -1. - <_> - 4 16 8 2 2. - <_> - - <_> - 7 3 6 16 -1. - <_> - 7 7 6 8 2. - <_> - - <_> - 7 1 12 3 -1. - <_> - 10 1 6 3 2. - <_> - - <_> - 13 1 4 4 -1. - <_> - 13 3 4 2 2. - <_> - - <_> - 6 18 3 2 -1. - <_> - 7 18 1 2 3. - <_> - - <_> - 2 2 3 5 -1. - <_> - 3 2 1 5 3. - <_> - - <_> - 10 0 3 3 -1. - <_> - 11 0 1 3 3. - <_> - - <_> - 10 0 10 4 -1. - <_> - 10 0 5 2 2. - <_> - 15 2 5 2 2. - <_> - - <_> - 0 16 6 3 -1. - <_> - 3 16 3 3 2. - <_> - - <_> - 0 17 6 3 -1. - <_> - 3 17 3 3 2. - <_> - - <_> - 16 1 3 2 -1. - <_> - 17 2 1 2 3. - 1 - <_> - - <_> - 4 1 3 3 -1. - <_> - 3 2 3 1 3. - 1 - <_> - - <_> - 6 0 4 5 -1. - <_> - 7 0 2 5 2. - <_> - - <_> - 4 17 3 3 -1. - <_> - 5 18 1 1 9. - <_> - - <_> - 4 15 3 3 -1. - <_> - 5 16 1 1 9. - <_> - - <_> - 1 10 6 1 -1. - <_> - 3 10 2 1 3. - <_> - - <_> - 0 3 20 2 -1. - <_> - 5 3 10 2 2. - <_> - - <_> - 2 1 15 4 -1. - <_> - 7 1 5 4 3. - <_> - - <_> - 1 10 18 8 -1. - <_> - 10 10 9 8 2. - <_> - - <_> - 16 7 1 4 -1. - <_> - 16 9 1 2 2. - <_> - - <_> - 17 9 2 1 -1. - <_> - 18 9 1 1 2. - <_> - - <_> - 17 5 3 7 -1. - <_> - 18 5 1 7 3. - <_> - - <_> - 5 10 12 1 -1. - <_> - 8 10 6 1 2. - <_> - - <_> - 15 9 2 6 -1. - <_> - 15 9 1 3 2. - <_> - 16 12 1 3 2. - <_> - - <_> - 1 6 16 10 -1. - <_> - 1 11 16 5 2. - <_> - - <_> - 1 12 19 8 -1. - <_> - 1 16 19 4 2. - <_> - - <_> - 4 4 12 9 -1. - <_> - 8 7 4 3 9. - <_> - - <_> - 5 2 9 9 -1. - <_> - 5 5 9 3 3. - <_> - - <_> - 13 0 3 6 -1. - <_> - 14 0 1 6 3. - <_> - - <_> - 19 16 1 3 -1. - <_> - 18 17 1 1 3. - 1 - <_> - - <_> - 17 17 1 2 -1. - <_> - 17 18 1 1 2. - <_> - - <_> - 0 9 4 2 -1. - <_> - 2 9 2 2 2. - <_> - - <_> - 3 0 3 19 -1. - <_> - 4 0 1 19 3. - <_> - - <_> - 4 13 4 1 -1. - <_> - 5 14 2 1 2. - 1 - <_> - - <_> - 16 0 4 1 -1. - <_> - 18 0 2 1 2. - <_> - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - <_> - - <_> - 9 0 3 5 -1. - <_> - 10 0 1 5 3. - <_> - - <_> - 3 4 1 3 -1. - <_> - 2 5 1 1 3. - 1 - <_> - - <_> - 3 4 2 3 -1. - <_> - 2 5 2 1 3. - 1 - <_> - - <_> - 5 14 3 3 -1. - <_> - 6 15 1 3 3. - 1 - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 2 2. - 1 - <_> - - <_> - 0 2 6 1 -1. - <_> - 3 2 3 1 2. - <_> - - <_> - 0 2 4 5 -1. - <_> - 2 2 2 5 2. - <_> - - <_> - 2 0 4 4 -1. - <_> - 3 0 2 4 2. - <_> - - <_> - 6 16 3 1 -1. - <_> - 7 17 1 1 3. - 1 - <_> - - <_> - 16 3 4 2 -1. - <_> - 17 4 2 2 2. - 1 - <_> - - <_> - 16 19 2 1 -1. - <_> - 17 19 1 1 2. - <_> - - <_> - 17 18 2 1 -1. - <_> - 18 18 1 1 2. - <_> - - <_> - 17 16 1 3 -1. - <_> - 17 17 1 1 3. - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 2 17 5 2 -1. - <_> - 2 18 5 1 2. - <_> - - <_> - 6 10 8 3 -1. - <_> - 8 10 4 3 2. - <_> - - <_> - 17 15 2 3 -1. - <_> - 16 16 2 1 3. - 1 - <_> - - <_> - 6 8 5 2 -1. - <_> - 6 8 5 1 2. - 1 - <_> - - <_> - 11 0 3 4 -1. - <_> - 11 2 3 2 2. - <_> - - <_> - 17 2 3 3 -1. - <_> - 18 3 1 3 3. - 1 - <_> - - <_> - 16 4 3 2 -1. - <_> - 16 5 3 1 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 3 2. - <_> - 17 3 3 3 2. - <_> - - <_> - 6 2 10 4 -1. - <_> - 6 4 10 2 2. - <_> - - <_> - 5 6 9 2 -1. - <_> - 5 7 9 1 2. - <_> - - <_> - 7 6 6 3 -1. - <_> - 7 7 6 1 3. - <_> - - <_> - 17 0 3 1 -1. - <_> - 18 1 1 1 3. - 1 - <_> - - <_> - 8 0 12 2 -1. - <_> - 14 0 6 2 2. - <_> - - <_> - 16 2 4 2 -1. - <_> - 18 2 2 2 2. - <_> - - <_> - 9 4 4 1 -1. - <_> - 10 4 2 1 2. - <_> - - <_> - 5 4 2 3 -1. - <_> - 4 5 2 1 3. - 1 - <_> - - <_> - 16 8 4 8 -1. - <_> - 17 8 2 8 2. - <_> - - <_> - 1 19 16 1 -1. - <_> - 9 19 8 1 2. - <_> - - <_> - 4 19 12 1 -1. - <_> - 10 19 6 1 2. - <_> - - <_> - 2 19 4 1 -1. - <_> - 4 19 2 1 2. - <_> - - <_> - 12 5 2 8 -1. - <_> - 12 7 2 4 2. - <_> - - <_> - 8 10 1 2 -1. - <_> - 8 10 1 1 2. - 1 - <_> - - <_> - 15 3 3 12 -1. - <_> - 16 3 1 12 3. - <_> - - <_> - 16 14 4 3 -1. - <_> - 16 15 4 1 3. - <_> - - <_> - 3 0 3 2 -1. - <_> - 4 0 1 2 3. - <_> - - <_> - 13 13 3 6 -1. - <_> - 14 13 1 6 3. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 2 1 2. - 1 - <_> - - <_> - 1 8 1 9 -1. - <_> - 1 11 1 3 3. - <_> - - <_> - 1 9 2 2 -1. - <_> - 2 9 1 2 2. - <_> - - <_> - 13 9 2 3 -1. - <_> - 12 10 2 1 3. - 1 - <_> - - <_> - 10 14 4 6 -1. - <_> - 11 14 2 6 2. - <_> - - <_> - 11 6 4 8 -1. - <_> - 12 6 2 8 2. - <_> - - <_> - 5 6 14 14 -1. - <_> - 5 13 14 7 2. - <_> - - <_> - 6 4 8 3 -1. - <_> - 6 5 8 1 3. - <_> - - <_> - 1 16 1 3 -1. - <_> - 1 17 1 1 3. - <_> - - <_> - 5 1 4 3 -1. - <_> - 4 2 4 1 3. - 1 - <_> - - <_> - 17 3 3 3 -1. - <_> - 16 4 3 1 3. - 1 - <_> - - <_> - 15 3 5 15 -1. - <_> - 15 8 5 5 3. - <_> - - <_> - 15 9 4 6 -1. - <_> - 15 9 2 3 2. - <_> - 17 12 2 3 2. - <_> - - <_> - 16 7 3 3 -1. - <_> - 15 8 3 1 3. - 1 - <_> - - <_> - 11 5 6 9 -1. - <_> - 13 5 2 9 3. - <_> - - <_> - 16 15 2 3 -1. - <_> - 15 16 2 1 3. - 1 - <_> - - <_> - 0 17 7 3 -1. - <_> - 0 18 7 1 3. - <_> - - <_> - 16 8 4 7 -1. - <_> - 17 9 2 7 2. - 1 - <_> - - <_> - 15 16 1 3 -1. - <_> - 14 17 1 1 3. - 1 - <_> - - <_> - 12 17 8 1 -1. - <_> - 16 17 4 1 2. - <_> - - <_> - 14 16 2 4 -1. - <_> - 14 18 2 2 2. - <_> - - <_> - 4 10 12 1 -1. - <_> - 8 10 4 1 3. - <_> - - <_> - 4 9 2 2 -1. - <_> - 5 9 1 2 2. - <_> - - <_> - 7 10 9 2 -1. - <_> - 10 10 3 2 3. - <_> - - <_> - 5 3 13 9 -1. - <_> - 5 6 13 3 3. - <_> - - <_> - 6 7 5 2 -1. - <_> - 6 8 5 1 2. - <_> - - <_> - 5 5 12 14 -1. - <_> - 9 5 4 14 3. - <_> - - <_> - 18 8 2 10 -1. - <_> - 18 13 2 5 2. - <_> - - <_> - 8 1 4 4 -1. - <_> - 9 1 2 4 2. - <_> - - <_> - 0 0 20 7 -1. - <_> - 5 0 10 7 2. - <_> - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - <_> - - <_> - 13 1 3 2 -1. - <_> - 14 1 1 2 3. - <_> - - <_> - 12 0 8 1 -1. - <_> - 16 0 4 1 2. - <_> - - <_> - 0 3 4 6 -1. - <_> - 0 3 2 3 2. - <_> - 2 6 2 3 2. - <_> - - <_> - 1 0 4 5 -1. - <_> - 3 0 2 5 2. - <_> - - <_> - 4 5 1 3 -1. - <_> - 3 6 1 1 3. - 1 - <_> - - <_> - 4 14 4 2 -1. - <_> - 4 14 2 2 2. - 1 - <_> - - <_> - 3 13 16 7 -1. - <_> - 11 13 8 7 2. - <_> - - <_> - 5 1 9 4 -1. - <_> - 5 2 9 2 2. - <_> - - <_> - 4 1 3 3 -1. - <_> - 5 1 1 3 3. - <_> - - <_> - 0 0 10 1 -1. - <_> - 5 0 5 1 2. - <_> - - <_> - 8 6 5 4 -1. - <_> - 7 7 5 2 2. - 1 - <_> - - <_> - 18 4 2 2 -1. - <_> - 18 4 1 2 2. - 1 - <_> - - <_> - 11 7 3 3 -1. - <_> - 12 8 1 1 9. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 3 5 1 3 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 7 10 2 3 -1. - <_> - 6 11 2 1 3. - 1 - <_> - - <_> - 0 5 2 14 -1. - <_> - 0 12 2 7 2. - <_> - - <_> - 14 12 5 2 -1. - <_> - 14 13 5 1 2. - <_> - - <_> - 5 4 3 5 -1. - <_> - 6 5 1 5 3. - 1 - <_> - - <_> - 0 8 20 6 -1. - <_> - 0 10 20 2 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 15 10 1 2 2. - 1 - <_> - - <_> - 1 15 14 2 -1. - <_> - 8 15 7 2 2. - <_> - - <_> - 2 14 4 5 -1. - <_> - 4 14 2 5 2. - <_> - - <_> - 17 15 2 3 -1. - <_> - 16 16 2 1 3. - 1 - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 6 0 14 20 -1. - <_> - 6 10 14 10 2. - <_> - - <_> - 13 1 1 9 -1. - <_> - 13 4 1 3 3. - <_> - - <_> - 15 0 1 4 -1. - <_> - 15 1 1 2 2. - <_> - - <_> - 13 3 2 2 -1. - <_> - 14 3 1 2 2. - <_> - - <_> - 16 18 3 2 -1. - <_> - 16 19 3 1 2. - <_> - - <_> - 17 17 2 3 -1. - <_> - 17 18 2 1 3. - <_> - - <_> - 4 6 8 6 -1. - <_> - 4 6 4 3 2. - <_> - 8 9 4 3 2. - <_> - - <_> - 0 3 18 3 -1. - <_> - 6 3 6 3 3. - <_> - - <_> - 16 1 3 2 -1. - <_> - 17 1 1 2 3. - <_> - - <_> - 4 7 4 3 -1. - <_> - 4 7 2 3 2. - 1 - <_> - - <_> - 0 17 20 3 -1. - <_> - 5 17 10 3 2. - <_> - - <_> - 15 16 4 2 -1. - <_> - 17 16 2 2 2. - <_> - - <_> - 5 13 2 5 -1. - <_> - 5 13 1 5 2. - 1 - <_> - - <_> - 1 8 10 1 -1. - <_> - 1 8 5 1 2. - 1 - <_> - - <_> - 9 15 9 5 -1. - <_> - 12 15 3 5 3. - <_> - - <_> - 15 8 4 7 -1. - <_> - 16 8 2 7 2. - <_> - - <_> - 12 4 3 1 -1. - <_> - 13 4 1 1 3. - <_> - - <_> - 15 3 4 11 -1. - <_> - 16 3 2 11 2. - <_> - - <_> - 3 15 3 1 -1. - <_> - 4 16 1 1 3. - 1 - <_> - - <_> - 13 8 3 4 -1. - <_> - 14 9 1 4 3. - 1 - <_> - - <_> - 4 2 12 2 -1. - <_> - 10 2 6 2 2. - <_> - - <_> - 2 1 16 7 -1. - <_> - 10 1 8 7 2. - <_> - - <_> - 12 1 3 4 -1. - <_> - 12 2 3 2 2. - <_> - - <_> - 10 8 10 12 -1. - <_> - 10 12 10 4 3. - <_> - - <_> - 17 0 3 8 -1. - <_> - 17 4 3 4 2. - <_> - - <_> - 6 2 3 2 -1. - <_> - 7 2 1 2 3. - <_> - - <_> - 4 1 3 8 -1. - <_> - 5 1 1 8 3. - <_> - - <_> - 4 18 6 2 -1. - <_> - 7 18 3 2 2. - <_> - - <_> - 8 0 2 6 -1. - <_> - 8 0 1 6 2. - 1 - <_> - - <_> - 2 1 3 14 -1. - <_> - 3 1 1 14 3. - <_> - - <_> - 17 0 3 9 -1. - <_> - 18 0 1 9 3. - <_> - - <_> - 6 5 3 5 -1. - <_> - 7 6 1 5 3. - 1 - <_> - - <_> - 6 8 2 5 -1. - <_> - 7 8 1 5 2. - <_> - - <_> - 5 8 9 11 -1. - <_> - 8 8 3 11 3. - <_> - - <_> - 7 16 3 4 -1. - <_> - 8 16 1 4 3. - <_> - - <_> - 10 12 3 6 -1. - <_> - 11 12 1 6 3. - <_> - - <_> - 8 17 6 2 -1. - <_> - 10 17 2 2 3. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 0 4 2 2. - <_> - 16 2 4 2 2. - <_> - - <_> - 19 0 1 2 -1. - <_> - 19 1 1 1 2. - <_> - - <_> - 18 1 2 1 -1. - <_> - 19 1 1 1 2. - <_> - - <_> - 5 6 1 3 -1. - <_> - 4 7 1 1 3. - 1 - <_> - - <_> - 6 6 2 1 -1. - <_> - 6 6 1 1 2. - 1 - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - <_> - - <_> - 14 7 2 5 -1. - <_> - 15 7 1 5 2. - <_> - - <_> - 16 5 2 7 -1. - <_> - 16 5 1 7 2. - 1 - <_> - - <_> - 14 8 4 6 -1. - <_> - 15 9 2 6 2. - 1 - <_> - - <_> - 4 8 4 4 -1. - <_> - 4 8 2 4 2. - 1 - <_> - - <_> - 16 1 4 2 -1. - <_> - 18 1 2 2 2. - <_> - - <_> - 8 0 12 2 -1. - <_> - 14 0 6 2 2. - <_> - - <_> - 7 2 4 1 -1. - <_> - 8 2 2 1 2. - <_> - - <_> - 18 7 2 3 -1. - <_> - 18 8 2 1 3. - <_> - - <_> - 13 3 4 4 -1. - <_> - 13 4 4 2 2. - <_> - - <_> - 0 8 17 4 -1. - <_> - 0 9 17 2 2. - <_> - - <_> - 11 8 1 4 -1. - <_> - 11 9 1 2 2. - <_> - - <_> - 12 8 8 2 -1. - <_> - 12 8 4 1 2. - <_> - 16 9 4 1 2. - <_> - - <_> - 12 10 6 1 -1. - <_> - 14 10 2 1 3. - <_> - - <_> - 5 8 2 5 -1. - <_> - 5 8 1 5 2. - 1 - <_> - - <_> - 12 9 2 1 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 0 6 20 14 -1. - <_> - 0 13 20 7 2. - <_> - - <_> - 9 5 4 8 -1. - <_> - 9 5 4 4 2. - 1 - <_> - - <_> - 6 1 9 2 -1. - <_> - 6 2 9 1 2. - <_> - - <_> - 7 1 8 4 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 0 1 9 7 -1. - <_> - 3 1 3 7 3. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 6 4 10 3 -1. - <_> - 5 5 10 1 3. - 1 - <_> - - <_> - 12 0 8 7 -1. - <_> - 14 0 4 7 2. - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 0 2 6 3. - <_> - - <_> - 1 14 4 1 -1. - <_> - 1 14 2 1 2. - 1 - <_> - - <_> - 5 9 3 4 -1. - <_> - 6 10 1 4 3. - 1 - <_> - - <_> - 5 17 10 3 -1. - <_> - 5 18 10 1 3. - <_> - - <_> - 7 14 6 4 -1. - <_> - 7 15 6 2 2. - <_> - - <_> - 8 13 7 3 -1. - <_> - 8 14 7 1 3. - <_> - - <_> - 8 7 8 3 -1. - <_> - 7 8 8 1 3. - 1 - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 9 3 9 6 -1. - <_> - 7 5 9 2 3. - 1 - <_> - - <_> - 18 18 1 2 -1. - <_> - 18 19 1 1 2. - <_> - - <_> - 16 11 4 1 -1. - <_> - 17 12 2 1 2. - 1 - <_> - - <_> - 5 0 4 3 -1. - <_> - 5 1 4 1 3. - <_> - - <_> - 13 10 4 1 -1. - <_> - 14 10 2 1 2. - <_> - - <_> - 15 7 2 10 -1. - <_> - 15 7 1 5 2. - <_> - 16 12 1 5 2. - <_> - - <_> - 6 0 3 20 -1. - <_> - 6 10 3 10 2. - <_> - - <_> - 4 4 9 16 -1. - <_> - 4 8 9 8 2. - <_> - - <_> - 2 9 3 3 -1. - <_> - 3 9 1 3 3. - <_> - - <_> - 3 1 9 6 -1. - <_> - 6 1 3 6 3. - <_> - - <_> - 5 18 1 2 -1. - <_> - 5 19 1 1 2. - <_> - - <_> - 4 0 6 5 -1. - <_> - 6 0 2 5 3. - <_> - - <_> - 16 8 3 7 -1. - <_> - 17 9 1 7 3. - 1 - <_> - - <_> - 15 3 3 7 -1. - <_> - 16 4 1 7 3. - 1 - <_> - - <_> - 18 3 1 15 -1. - <_> - 18 8 1 5 3. - <_> - - <_> - 5 10 4 1 -1. - <_> - 6 10 2 1 2. - <_> - - <_> - 7 8 3 12 -1. - <_> - 8 8 1 12 3. - <_> - - <_> - 14 6 4 2 -1. - <_> - 14 6 2 1 2. - <_> - 16 7 2 1 2. - <_> - - <_> - 5 18 2 2 -1. - <_> - 5 18 1 1 2. - <_> - 6 19 1 1 2. - <_> - - <_> - 8 18 2 2 -1. - <_> - 8 18 1 1 2. - <_> - 9 19 1 1 2. - <_> - - <_> - 3 18 2 2 -1. - <_> - 3 18 1 1 2. - <_> - 4 19 1 1 2. - <_> - - <_> - 6 4 3 6 -1. - <_> - 7 5 1 6 3. - 1 - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 0 8 12 3 -1. - <_> - 6 8 6 3 2. - <_> - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - <_> - - <_> - 8 5 9 8 -1. - <_> - 11 5 3 8 3. - <_> - - <_> - 16 8 4 12 -1. - <_> - 16 14 4 6 2. - <_> - - <_> - 9 16 10 4 -1. - <_> - 9 17 10 2 2. - <_> - - <_> - 12 0 1 20 -1. - <_> - 12 10 1 10 2. - <_> - - <_> - 8 9 3 3 -1. - <_> - 9 10 1 1 9. - <_> - - <_> - 5 4 3 2 -1. - <_> - 6 4 1 2 3. - <_> - - <_> - 4 0 4 5 -1. - <_> - 5 0 2 5 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 4 10 5 3 -1. - <_> - 3 11 5 1 3. - 1 - <_> - - <_> - 0 0 4 12 -1. - <_> - 1 0 2 12 2. - <_> - - <_> - 7 1 8 14 -1. - <_> - 9 1 4 14 2. - <_> - - <_> - 5 14 7 3 -1. - <_> - 5 15 7 1 3. - <_> - - <_> - 15 7 4 2 -1. - <_> - 15 7 2 1 2. - <_> - 17 8 2 1 2. - <_> - - <_> - 8 18 3 1 -1. - <_> - 9 18 1 1 3. - <_> - - <_> - 1 9 6 6 -1. - <_> - 1 12 6 3 2. - <_> - - <_> - 9 4 5 3 -1. - <_> - 8 5 5 1 3. - 1 - <_> - - <_> - 14 6 6 2 -1. - <_> - 14 6 3 2 2. - 1 - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 9 16 2 2 -1. - <_> - 9 16 1 1 2. - <_> - 10 17 1 1 2. - <_> - - <_> - 0 8 13 8 -1. - <_> - 0 10 13 4 2. - <_> - - <_> - 12 6 4 7 -1. - <_> - 13 6 2 7 2. - <_> - - <_> - 5 6 5 3 -1. - <_> - 5 7 5 1 3. - <_> - - <_> - 11 18 2 2 -1. - <_> - 11 18 1 1 2. - <_> - 12 19 1 1 2. - <_> - - <_> - 12 9 6 2 -1. - <_> - 14 9 2 2 3. - <_> - - <_> - 0 9 6 2 -1. - <_> - 2 9 2 2 3. - <_> - - <_> - 2 7 4 6 -1. - <_> - 3 7 2 6 2. - <_> - - <_> - 6 4 10 4 -1. - <_> - 6 6 10 2 2. - <_> - - <_> - 9 5 2 4 -1. - <_> - 9 7 2 2 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 2 2. - <_> - - <_> - 0 15 20 4 -1. - <_> - 5 15 10 4 2. - <_> - - <_> - 10 9 1 8 -1. - <_> - 10 13 1 4 2. - <_> - - <_> - 8 17 4 3 -1. - <_> - 9 17 2 3 2. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 18 6 2 1 -1. - <_> - 18 6 1 1 2. - 1 - <_> - - <_> - 0 15 1 4 -1. - <_> - 0 16 1 2 2. - <_> - - <_> - 7 16 6 2 -1. - <_> - 9 16 2 2 3. - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 4 16 8 4 -1. - <_> - 6 16 4 4 2. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 1 7 4 1 -1. - <_> - 2 8 2 1 2. - 1 - <_> - - <_> - 5 4 1 8 -1. - <_> - 5 8 1 4 2. - <_> - - <_> - 7 1 5 4 -1. - <_> - 7 3 5 2 2. - <_> - - <_> - 7 1 5 4 -1. - <_> - 7 3 5 2 2. - <_> - - <_> - 18 0 2 4 -1. - <_> - 18 1 2 2 2. - <_> - - <_> - 0 0 8 3 -1. - <_> - 4 0 4 3 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 14 0 6 1 -1. - <_> - 17 0 3 1 2. - <_> - - <_> - 6 2 3 3 -1. - <_> - 5 3 3 1 3. - 1 - <_> - - <_> - 13 4 2 2 -1. - <_> - 13 5 2 1 2. - <_> - - <_> - 18 4 2 3 -1. - <_> - 18 5 2 1 3. - <_> - - <_> - 17 0 3 4 -1. - <_> - 18 1 1 4 3. - 1 - <_> - - <_> - 16 1 4 4 -1. - <_> - 17 2 2 4 2. - 1 - <_> - - <_> - 6 9 6 9 -1. - <_> - 8 9 2 9 3. - <_> - - <_> - 6 8 2 5 -1. - <_> - 7 8 1 5 2. - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 15 13 5 4 -1. - <_> - 15 14 5 2 2. - <_> - - <_> - 19 11 1 2 -1. - <_> - 19 12 1 1 2. - <_> - - <_> - 12 8 3 2 -1. - <_> - 13 9 1 2 3. - 1 - <_> - - <_> - 15 15 1 2 -1. - <_> - 15 16 1 1 2. - <_> - - <_> - 14 15 2 3 -1. - <_> - 15 15 1 3 2. - <_> - - <_> - 14 4 4 3 -1. - <_> - 13 5 4 1 3. - 1 - <_> - - <_> - 3 17 1 3 -1. - <_> - 3 18 1 1 3. - <_> - - <_> - 2 18 6 2 -1. - <_> - 2 19 6 1 2. - <_> - - <_> - 2 16 3 3 -1. - <_> - 2 17 3 1 3. - <_> - - <_> - 16 0 4 19 -1. - <_> - 17 0 2 19 2. - <_> - - <_> - 5 16 6 4 -1. - <_> - 7 16 2 4 3. - <_> - - <_> - 5 6 6 6 -1. - <_> - 7 8 2 2 9. - <_> - - <_> - 17 0 2 2 -1. - <_> - 17 0 2 1 2. - 1 - <_> - - <_> - 8 1 12 2 -1. - <_> - 14 1 6 2 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 0 1 20 1 2. - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 0 1 2 2. - 1 - <_> - - <_> - 17 2 3 3 -1. - <_> - 18 3 1 3 3. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 2 1 4 1 3. - 1 - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 12 0 1 6 -1. - <_> - 12 2 1 2 3. - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 9 13 2 2 -1. - <_> - 9 14 2 1 2. - <_> - - <_> - 15 15 2 2 -1. - <_> - 16 15 1 2 2. - <_> - - <_> - 15 12 5 6 -1. - <_> - 15 15 5 3 2. - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 15 14 2 2 -1. - <_> - 15 14 1 1 2. - <_> - 16 15 1 1 2. - <_> - - <_> - 15 14 2 2 -1. - <_> - 15 14 1 1 2. - <_> - 16 15 1 1 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 2 2. - 1 - <_> - - <_> - 13 0 6 6 -1. - <_> - 15 0 2 6 3. - <_> - - <_> - 15 3 5 3 -1. - <_> - 14 4 5 1 3. - 1 - <_> - - <_> - 5 15 10 2 -1. - <_> - 10 15 5 2 2. - <_> - - <_> - 9 16 2 1 -1. - <_> - 10 16 1 1 2. - <_> - - <_> - 2 14 4 2 -1. - <_> - 2 14 4 1 2. - 1 - <_> - - <_> - 17 14 3 3 -1. - <_> - 16 15 3 1 3. - 1 - <_> - - <_> - 18 14 1 4 -1. - <_> - 17 15 1 2 2. - 1 - <_> - - <_> - 1 13 5 3 -1. - <_> - 1 14 5 1 3. - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 12 1 1 2. - 1 - <_> - - <_> - 18 4 2 4 -1. - <_> - 18 6 2 2 2. - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 0 1 1 2. - 1 - <_> - - <_> - 1 14 8 2 -1. - <_> - 1 15 8 1 2. - <_> - - <_> - 16 2 4 3 -1. - <_> - 15 3 4 1 3. - 1 - <_> - - <_> - 16 2 2 4 -1. - <_> - 16 4 2 2 2. - <_> - - <_> - 19 5 1 3 -1. - <_> - 19 6 1 1 3. - <_> - - <_> - 11 6 4 6 -1. - <_> - 12 6 2 6 2. - <_> - - <_> - 3 9 6 3 -1. - <_> - 5 9 2 3 3. - <_> - - <_> - 2 8 4 12 -1. - <_> - 2 8 2 6 2. - <_> - 4 14 2 6 2. - <_> - - <_> - 12 5 6 1 -1. - <_> - 12 5 3 1 2. - 1 - <_> - - <_> - 7 9 12 5 -1. - <_> - 13 9 6 5 2. - <_> - - <_> - 13 9 6 3 -1. - <_> - 13 10 6 1 3. - <_> - - <_> - 19 18 1 2 -1. - <_> - 19 19 1 1 2. - <_> - - <_> - 19 17 1 3 -1. - <_> - 19 18 1 1 3. - <_> - - <_> - 15 9 2 4 -1. - <_> - 15 9 1 2 2. - <_> - 16 11 1 2 2. - <_> - - <_> - 16 5 4 3 -1. - <_> - 16 6 4 1 3. - <_> - - <_> - 5 0 3 3 -1. - <_> - 4 1 3 1 3. - 1 - <_> - - <_> - 10 1 6 3 -1. - <_> - 12 1 2 3 3. - <_> - - <_> - 13 9 3 1 -1. - <_> - 14 9 1 1 3. - <_> - - <_> - 0 2 6 4 -1. - <_> - 0 2 3 2 2. - <_> - 3 4 3 2 2. - <_> - - <_> - 0 8 19 4 -1. - <_> - 0 9 19 2 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 7 1 2 9. - <_> - - <_> - 4 4 1 3 -1. - <_> - 3 5 1 1 3. - 1 - <_> - - <_> - 0 2 4 4 -1. - <_> - 0 2 2 2 2. - <_> - 2 4 2 2 2. - <_> - - <_> - 5 0 3 3 -1. - <_> - 6 1 1 1 9. - <_> - - <_> - 19 2 1 3 -1. - <_> - 19 3 1 1 3. - <_> - - <_> - 7 6 5 3 -1. - <_> - 7 7 5 1 3. - <_> - - <_> - 7 5 1 4 -1. - <_> - 6 6 1 2 2. - 1 - <_> - - <_> - 14 10 2 1 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 6 10 9 2 -1. - <_> - 9 10 3 2 3. - <_> - - <_> - 15 5 2 6 -1. - <_> - 15 5 1 3 2. - <_> - 16 8 1 3 2. - <_> - - <_> - 5 10 2 2 -1. - <_> - 6 10 1 2 2. - <_> - - <_> - 6 10 2 2 -1. - <_> - 6 10 1 1 2. - <_> - 7 11 1 1 2. - <_> - - <_> - 5 9 4 2 -1. - <_> - 6 9 2 2 2. - <_> - - <_> - 12 10 4 4 -1. - <_> - 12 10 4 2 2. - 1 - <_> - - <_> - 0 9 3 10 -1. - <_> - 0 14 3 5 2. - <_> - - <_> - 3 3 15 9 -1. - <_> - 8 6 5 3 9. - <_> - - <_> - 8 1 8 18 -1. - <_> - 8 1 4 9 2. - <_> - 12 10 4 9 2. - <_> - - <_> - 3 6 3 11 -1. - <_> - 4 6 1 11 3. - <_> - - <_> - 11 8 4 3 -1. - <_> - 12 8 2 3 2. - <_> - - <_> - 17 8 2 3 -1. - <_> - 16 9 2 1 3. - 1 - <_> - - <_> - 3 1 6 5 -1. - <_> - 5 1 2 5 3. - <_> - - <_> - 6 18 2 2 -1. - <_> - 6 18 1 1 2. - <_> - 7 19 1 1 2. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 15 6 4 9 -1. - <_> - 16 6 2 9 2. - <_> - - <_> - 6 9 6 5 -1. - <_> - 8 9 2 5 3. - <_> - - <_> - 15 4 3 15 -1. - <_> - 16 4 1 15 3. - <_> - - <_> - 14 4 2 16 -1. - <_> - 14 12 2 8 2. - <_> - - <_> - 12 2 4 2 -1. - <_> - 12 3 4 1 2. - <_> - - <_> - 19 5 1 6 -1. - <_> - 19 8 1 3 2. - <_> - - <_> - 5 0 9 6 -1. - <_> - 5 2 9 2 3. - <_> - - <_> - 6 3 3 3 -1. - <_> - 5 4 3 1 3. - 1 - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 5 1 1 3. - 1 - <_> - - <_> - 8 5 9 4 -1. - <_> - 8 6 9 2 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 8 8 4 1 3. - 1 - <_> - - <_> - 0 18 2 2 -1. - <_> - 0 18 1 1 2. - <_> - 1 19 1 1 2. - <_> - - <_> - 0 9 10 4 -1. - <_> - 0 10 10 2 2. - <_> - - <_> - 17 8 3 3 -1. - <_> - 16 9 3 1 3. - 1 - <_> - - <_> - 14 4 3 16 -1. - <_> - 15 4 1 16 3. - <_> - - <_> - 15 4 4 1 -1. - <_> - 16 5 2 1 2. - 1 - <_> - - <_> - 14 6 4 2 -1. - <_> - 14 6 2 1 2. - <_> - 16 7 2 1 2. - <_> - - <_> - 15 5 5 3 -1. - <_> - 15 6 5 1 3. - <_> - - <_> - 0 0 6 20 -1. - <_> - 2 0 2 20 3. - <_> - - <_> - 1 7 4 9 -1. - <_> - 2 7 2 9 2. - <_> - - <_> - 1 19 4 1 -1. - <_> - 3 19 2 1 2. - <_> - - <_> - 2 0 5 2 -1. - <_> - 2 0 5 1 2. - 1 - <_> - - <_> - 18 16 1 2 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 7 9 3 1 -1. - <_> - 8 9 1 1 3. - <_> - - <_> - 5 5 1 8 -1. - <_> - 5 7 1 4 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 10 10 1 2 3. - 1 - <_> - - <_> - 9 5 2 7 -1. - <_> - 10 5 1 7 2. - <_> - - <_> - 0 17 11 3 -1. - <_> - 0 18 11 1 3. - <_> - - <_> - 6 14 5 4 -1. - <_> - 6 15 5 2 2. - <_> - - <_> - 3 18 1 2 -1. - <_> - 3 19 1 1 2. - <_> - - <_> - 2 7 11 2 -1. - <_> - 2 8 11 1 2. - <_> - - <_> - 7 7 3 6 -1. - <_> - 7 9 3 2 3. - <_> - - <_> - 12 0 8 3 -1. - <_> - 14 0 4 3 2. - <_> - - <_> - 2 2 16 1 -1. - <_> - 10 2 8 1 2. - <_> - - <_> - 10 0 6 3 -1. - <_> - 12 0 2 3 3. - <_> - - <_> - 11 8 7 4 -1. - <_> - 11 9 7 2 2. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 5 8 11 12 -1. - <_> - 5 12 11 4 3. - <_> - - <_> - 11 7 6 3 -1. - <_> - 13 9 2 3 3. - 1 - <_> - - <_> - 3 2 15 6 -1. - <_> - 3 4 15 2 3. - <_> - - <_> - 3 0 3 9 -1. - <_> - 4 0 1 9 3. - <_> - - <_> - 8 18 2 2 -1. - <_> - 8 18 1 1 2. - <_> - 9 19 1 1 2. - <_> - - <_> - 15 0 4 1 -1. - <_> - 16 0 2 1 2. - <_> - - <_> - 17 0 3 2 -1. - <_> - 17 0 3 1 2. - 1 - <_> - - <_> - 10 0 9 6 -1. - <_> - 13 0 3 6 3. - <_> - - <_> - 15 6 3 6 -1. - <_> - 16 7 1 6 3. - 1 - <_> - - <_> - 14 7 5 3 -1. - <_> - 14 8 5 1 3. - <_> - - <_> - 16 11 4 4 -1. - <_> - 17 12 2 4 2. - 1 - <_> - - <_> - 16 10 4 5 -1. - <_> - 17 11 2 5 2. - 1 - <_> - - <_> - 10 4 9 3 -1. - <_> - 13 4 3 3 3. - <_> - - <_> - 5 9 2 4 -1. - <_> - 5 9 1 2 2. - <_> - 6 11 1 2 2. - <_> - - <_> - 18 6 2 8 -1. - <_> - 19 6 1 8 2. - <_> - - <_> - 19 3 1 15 -1. - <_> - 19 8 1 5 3. - <_> - - <_> - 8 9 12 2 -1. - <_> - 14 9 6 2 2. - <_> - - <_> - 18 1 2 10 -1. - <_> - 19 1 1 10 2. - <_> - - <_> - 5 4 3 4 -1. - <_> - 6 5 1 4 3. - 1 - <_> - - <_> - 4 4 4 3 -1. - <_> - 5 5 2 3 2. - 1 - <_> - - <_> - 10 18 4 1 -1. - <_> - 11 18 2 1 2. - <_> - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - <_> - - <_> - 8 5 4 1 -1. - <_> - 9 5 2 1 2. - <_> - - <_> - 12 8 8 8 -1. - <_> - 12 10 8 4 2. - <_> - - <_> - 7 7 8 7 -1. - <_> - 11 7 4 7 2. - <_> - - <_> - 11 7 4 4 -1. - <_> - 10 8 4 2 2. - 1 - <_> - - <_> - 5 5 9 3 -1. - <_> - 4 6 9 1 3. - 1 - <_> - - <_> - 6 9 4 3 -1. - <_> - 5 10 4 1 3. - 1 - <_> - - <_> - 12 4 8 6 -1. - <_> - 10 6 8 2 3. - 1 - <_> - - <_> - 9 3 10 5 -1. - <_> - 9 3 5 5 2. - 1 - <_> - - <_> - 15 11 4 2 -1. - <_> - 16 11 2 2 2. - <_> - - <_> - 8 8 8 10 -1. - <_> - 8 8 4 5 2. - <_> - 12 13 4 5 2. - <_> - - <_> - 16 0 4 3 -1. - <_> - 15 1 4 1 3. - 1 - <_> - - <_> - 17 18 1 2 -1. - <_> - 17 19 1 1 2. - <_> - - <_> - 13 18 7 2 -1. - <_> - 13 19 7 1 2. - <_> - - <_> - 5 5 1 4 -1. - <_> - 4 6 1 2 2. - 1 - <_> - - <_> - 2 4 2 4 -1. - <_> - 2 6 2 2 2. - <_> - - <_> - 1 3 4 4 -1. - <_> - 1 3 2 2 2. - <_> - 3 5 2 2 2. - <_> - - <_> - 0 0 7 12 -1. - <_> - 0 6 7 6 2. - <_> - - <_> - 1 0 15 4 -1. - <_> - 1 1 15 2 2. - <_> - - <_> - 14 3 3 14 -1. - <_> - 15 3 1 14 3. - <_> - - <_> - 19 16 1 2 -1. - <_> - 19 16 1 1 2. - 1 - <_> - - <_> - 3 4 4 6 -1. - <_> - 3 7 4 3 2. - <_> - - <_> - 9 5 5 3 -1. - <_> - 9 6 5 1 3. - <_> - - <_> - 17 16 2 1 -1. - <_> - 18 16 1 1 2. - <_> - - <_> - 8 17 12 3 -1. - <_> - 11 17 6 3 2. - <_> - - <_> - 1 12 3 3 -1. - <_> - 1 13 3 1 3. - <_> - - <_> - 7 17 8 2 -1. - <_> - 11 17 4 2 2. - <_> - - <_> - 13 17 4 2 -1. - <_> - 13 18 4 1 2. - <_> - - <_> - 11 17 6 3 -1. - <_> - 13 17 2 3 3. - <_> - - <_> - 6 8 3 4 -1. - <_> - 6 10 3 2 2. - <_> - - <_> - 6 8 3 6 -1. - <_> - 7 10 1 2 9. - <_> - - <_> - 7 4 3 5 -1. - <_> - 8 4 1 5 3. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 1 2. - <_> - 17 19 1 1 2. - <_> - - <_> - 12 0 8 1 -1. - <_> - 14 0 4 1 2. - <_> - - <_> - 16 17 2 2 -1. - <_> - 16 17 1 1 2. - <_> - 17 18 1 1 2. - <_> - - <_> - 1 0 4 1 -1. - <_> - 2 1 2 1 2. - 1 - <_> - - <_> - 3 0 5 10 -1. - <_> - 3 5 5 5 2. - <_> - - <_> - 4 2 3 2 -1. - <_> - 4 3 3 1 2. - <_> - - <_> - 8 9 8 2 -1. - <_> - 10 9 4 2 2. - <_> - - <_> - 13 10 2 3 -1. - <_> - 14 10 1 3 2. - <_> - - <_> - 11 6 1 10 -1. - <_> - 11 6 1 5 2. - 1 - <_> - - <_> - 5 15 12 2 -1. - <_> - 11 15 6 2 2. - <_> - - <_> - 6 3 14 2 -1. - <_> - 6 3 14 1 2. - 1 - <_> - - <_> - 15 1 5 10 -1. - <_> - 15 6 5 5 2. - <_> - - <_> - 18 10 2 2 -1. - <_> - 18 10 2 1 2. - 1 - <_> - - <_> - 12 4 8 3 -1. - <_> - 14 6 4 3 2. - 1 - <_> - - <_> - 2 0 16 2 -1. - <_> - 2 0 8 1 2. - <_> - 10 1 8 1 2. - <_> - - <_> - 0 11 4 8 -1. - <_> - 0 13 4 4 2. - <_> - - <_> - 8 16 2 2 -1. - <_> - 8 16 1 1 2. - <_> - 9 17 1 1 2. - <_> - - <_> - 6 0 12 2 -1. - <_> - 6 0 6 1 2. - <_> - 12 1 6 1 2. - <_> - - <_> - 0 8 6 3 -1. - <_> - 2 8 2 3 3. - <_> - - <_> - 2 2 13 2 -1. - <_> - 2 2 13 1 2. - 1 - <_> - - <_> - 0 7 20 13 -1. - <_> - 5 7 10 13 2. - <_> - - <_> - 15 10 4 2 -1. - <_> - 15 10 2 1 2. - <_> - 17 11 2 1 2. - <_> - - <_> - 16 12 2 6 -1. - <_> - 16 15 2 3 2. - <_> - - <_> - 17 11 1 3 -1. - <_> - 16 12 1 1 3. - 1 - <_> - - <_> - 0 0 16 9 -1. - <_> - 0 3 16 3 3. - <_> - - <_> - 0 15 6 4 -1. - <_> - 0 17 6 2 2. - <_> - - <_> - 14 5 3 6 -1. - <_> - 14 7 3 2 3. - <_> - - <_> - 16 8 3 5 -1. - <_> - 17 8 1 5 3. - <_> - - <_> - 7 10 6 8 -1. - <_> - 9 10 2 8 3. - <_> - - <_> - 14 11 5 4 -1. - <_> - 13 12 5 2 2. - 1 - <_> - - <_> - 14 9 4 3 -1. - <_> - 15 9 2 3 2. - <_> - - <_> - 5 9 9 1 -1. - <_> - 8 9 3 1 3. - <_> - - <_> - 16 1 3 6 -1. - <_> - 17 1 1 6 3. - <_> - - <_> - 10 3 10 2 -1. - <_> - 10 3 5 1 2. - <_> - 15 4 5 1 2. - <_> - - <_> - 2 1 18 1 -1. - <_> - 8 1 6 1 3. - <_> - - <_> - 14 3 5 4 -1. - <_> - 13 4 5 2 2. - 1 - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - <_> - - <_> - 12 1 4 5 -1. - <_> - 13 1 2 5 2. - <_> - - <_> - 9 9 7 3 -1. - <_> - 9 10 7 1 3. - <_> - - <_> - 19 3 1 16 -1. - <_> - 19 11 1 8 2. - <_> - - <_> - 4 0 16 3 -1. - <_> - 8 0 8 3 2. - <_> - - <_> - 8 0 12 3 -1. - <_> - 12 0 4 3 3. - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 12 4 5 8 -1. - <_> - 12 8 5 4 2. - <_> - - <_> - 6 9 2 4 -1. - <_> - 5 10 2 2 2. - 1 - <_> - - <_> - 13 6 2 3 -1. - <_> - 12 7 2 1 3. - 1 - <_> - - <_> - 10 5 3 1 -1. - <_> - 11 5 1 1 3. - <_> - - <_> - 10 6 4 5 -1. - <_> - 11 6 2 5 2. - <_> - - <_> - 15 17 4 2 -1. - <_> - 17 17 2 2 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 2 1 2. - 1 - <_> - - <_> - 15 7 3 6 -1. - <_> - 13 9 3 2 3. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - <_> - - <_> - 0 2 6 3 -1. - <_> - 2 3 2 1 9. - <_> - - <_> - 2 15 3 2 -1. - <_> - 3 16 1 2 3. - 1 - <_> - - <_> - 19 8 1 2 -1. - <_> - 19 9 1 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 8 8 2 2 2. - <_> - - <_> - 4 8 9 2 -1. - <_> - 7 8 3 2 3. - <_> - - <_> - 6 10 11 6 -1. - <_> - 6 13 11 3 2. - <_> - - <_> - 0 8 20 5 -1. - <_> - 5 8 10 5 2. - <_> - - <_> - 8 12 6 3 -1. - <_> - 10 12 2 3 3. - <_> - - <_> - 2 2 14 18 -1. - <_> - 9 2 7 18 2. - <_> - - <_> - 10 3 1 8 -1. - <_> - 8 5 1 4 2. - 1 - <_> - - <_> - 0 14 8 2 -1. - <_> - 2 14 4 2 2. - <_> - - <_> - 6 13 3 3 -1. - <_> - 7 14 1 3 3. - 1 - <_> - - <_> - 3 2 4 3 -1. - <_> - 2 3 4 1 3. - 1 - <_> - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - <_> - - <_> - 2 5 9 1 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 6 2 8 3 -1. - <_> - 6 3 8 1 3. - <_> - - <_> - 1 0 16 5 -1. - <_> - 5 0 8 5 2. - <_> - - <_> - 8 3 3 2 -1. - <_> - 9 3 1 2 3. - <_> - - <_> - 0 0 20 1 -1. - <_> - 5 0 10 1 2. - <_> - - <_> - 9 4 3 4 -1. - <_> - 9 5 3 2 2. - <_> - - <_> - 18 4 1 2 -1. - <_> - 18 4 1 1 2. - 1 - <_> - - <_> - 8 0 9 4 -1. - <_> - 11 3 3 4 3. - 1 - <_> - - <_> - 5 12 9 2 -1. - <_> - 8 12 3 2 3. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 15 1 1 2. - <_> - 4 16 1 1 2. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 15 1 1 2. - <_> - 4 16 1 1 2. - <_> - - <_> - 8 13 3 4 -1. - <_> - 9 14 1 4 3. - 1 - <_> - - <_> - 8 13 3 4 -1. - <_> - 9 14 1 4 3. - 1 - <_> - - <_> - 14 17 1 3 -1. - <_> - 14 18 1 1 3. - <_> - - <_> - 15 16 1 2 -1. - <_> - 15 17 1 1 2. - <_> - - <_> - 13 18 3 2 -1. - <_> - 13 19 3 1 2. - <_> - - <_> - 13 17 6 2 -1. - <_> - 13 18 6 1 2. - <_> - - <_> - 5 19 2 1 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 2 9 2 4 -1. - <_> - 2 11 2 2 2. - <_> - - <_> - 5 1 3 3 -1. - <_> - 4 2 3 1 3. - 1 - <_> - - <_> - 3 10 1 2 -1. - <_> - 3 11 1 1 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 2 5 7 2 -1. - <_> - 2 6 7 1 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 3 0 6 3 2. - <_> - - <_> - 12 5 5 4 -1. - <_> - 12 5 5 2 2. - 1 - <_> - - <_> - 17 1 3 17 -1. - <_> - 18 1 1 17 3. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 13 2 1 2. - <_> - - <_> - 19 4 1 8 -1. - <_> - 19 6 1 4 2. - <_> - - <_> - 11 3 6 3 -1. - <_> - 14 3 3 3 2. - <_> - - <_> - 3 0 17 2 -1. - <_> - 3 1 17 1 2. - <_> - - <_> - 15 1 3 4 -1. - <_> - 15 3 3 2 2. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 8 1 2 2. - 1 - <_> - - <_> - 7 17 4 2 -1. - <_> - 9 17 2 2 2. - <_> - - <_> - 6 1 6 1 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 13 3 2 10 -1. - <_> - 13 3 1 5 2. - <_> - 14 8 1 5 2. - <_> - - <_> - 18 1 2 4 -1. - <_> - 18 1 1 2 2. - <_> - 19 3 1 2 2. - <_> - - <_> - 15 2 4 8 -1. - <_> - 16 3 2 8 2. - 1 - <_> - - <_> - 17 3 3 14 -1. - <_> - 17 3 3 7 2. - 1 - <_> - - <_> - 8 7 4 3 -1. - <_> - 9 7 2 3 2. - <_> - - <_> - 8 9 4 3 -1. - <_> - 7 10 4 1 3. - 1 - <_> - - <_> - 10 13 3 3 -1. - <_> - 11 14 1 3 3. - 1 - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 16 7 2 2. - <_> - - <_> - 6 0 10 4 -1. - <_> - 6 1 10 2 2. - <_> - - <_> - 15 14 3 1 -1. - <_> - 16 15 1 1 3. - 1 - <_> - - <_> - 4 10 3 2 -1. - <_> - 4 11 3 1 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 11 12 2 4 -1. - <_> - 11 12 1 2 2. - <_> - 12 14 1 2 2. - <_> - - <_> - 10 8 3 8 -1. - <_> - 11 9 1 8 3. - 1 - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 11 11 3 2 -1. - <_> - 11 12 3 1 2. - <_> - - <_> - 6 17 14 2 -1. - <_> - 6 17 7 1 2. - <_> - 13 18 7 1 2. - <_> - - <_> - 2 18 8 2 -1. - <_> - 2 18 4 1 2. - <_> - 6 19 4 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 14 14 4 2 -1. - <_> - 15 14 2 2 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 19 15 1 3 -1. - <_> - 18 16 1 1 3. - 1 - <_> - - <_> - 16 8 4 6 -1. - <_> - 16 8 2 3 2. - <_> - 18 11 2 3 2. - <_> - - <_> - 6 17 2 2 -1. - <_> - 6 17 1 1 2. - <_> - 7 18 1 1 2. - <_> - - <_> - 3 7 6 3 -1. - <_> - 5 9 2 3 3. - 1 - <_> - - <_> - 3 0 3 18 -1. - <_> - 4 0 1 18 3. - <_> - - <_> - 8 4 10 4 -1. - <_> - 7 5 10 2 2. - 1 - <_> - - <_> - 3 9 4 6 -1. - <_> - 3 9 2 3 2. - <_> - 5 12 2 3 2. - <_> - - <_> - 10 1 8 7 -1. - <_> - 12 3 4 7 2. - 1 - <_> - - <_> - 14 8 3 1 -1. - <_> - 15 9 1 1 3. - 1 - <_> - - <_> - 16 3 3 12 -1. - <_> - 17 7 1 4 9. - <_> - - <_> - 5 12 3 3 -1. - <_> - 6 13 1 3 3. - 1 - <_> - - <_> - 0 1 17 6 -1. - <_> - 0 3 17 2 3. - <_> - - <_> - 0 18 18 2 -1. - <_> - 6 18 6 2 3. - <_> - - <_> - 2 15 3 2 -1. - <_> - 2 15 3 1 2. - 1 - <_> - - <_> - 18 1 2 6 -1. - <_> - 19 1 1 6 2. - <_> - - <_> - 11 7 8 4 -1. - <_> - 11 7 8 2 2. - 1 - <_> - - <_> - 6 10 3 3 -1. - <_> - 7 11 1 1 9. - <_> - - <_> - 5 5 3 8 -1. - <_> - 6 5 1 8 3. - <_> - - <_> - 2 8 10 2 -1. - <_> - 2 8 5 2 2. - 1 - <_> - - <_> - 2 9 6 5 -1. - <_> - 4 9 2 5 3. - <_> - - <_> - 8 7 5 3 -1. - <_> - 7 8 5 1 3. - 1 - <_> - - <_> - 2 8 3 10 -1. - <_> - 3 8 1 10 3. - <_> - - <_> - 4 2 15 9 -1. - <_> - 4 5 15 3 3. - <_> - - <_> - 9 7 9 3 -1. - <_> - 8 8 9 1 3. - 1 - <_> - - <_> - 2 12 4 3 -1. - <_> - 2 13 4 1 3. - <_> - - <_> - 5 12 6 1 -1. - <_> - 5 12 3 1 2. - 1 - <_> - - <_> - 9 9 3 3 -1. - <_> - 10 10 1 1 9. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 0 18 2 2 -1. - <_> - 0 18 1 1 2. - <_> - 1 19 1 1 2. - <_> - - <_> - 6 6 8 3 -1. - <_> - 8 6 4 3 2. - <_> - - <_> - 9 7 9 6 -1. - <_> - 12 7 3 6 3. - <_> - - <_> - 5 16 1 4 -1. - <_> - 5 17 1 2 2. - <_> - - <_> - 9 9 4 1 -1. - <_> - 10 9 2 1 2. - <_> - - <_> - 14 1 4 4 -1. - <_> - 15 1 2 4 2. - <_> - - <_> - 0 0 6 3 -1. - <_> - 3 0 3 3 2. - <_> - - <_> - 0 0 4 3 -1. - <_> - 2 0 2 3 2. - <_> - - <_> - 0 12 8 2 -1. - <_> - 2 12 4 2 2. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 11 6 9 3 -1. - <_> - 10 7 9 1 3. - 1 - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 16 14 3 3 -1. - <_> - 15 15 3 1 3. - 1 - <_> - - <_> - 11 4 1 3 -1. - <_> - 11 5 1 1 3. - <_> - - <_> - 0 6 12 9 -1. - <_> - 0 9 12 3 3. - <_> - - <_> - 1 9 18 10 -1. - <_> - 10 9 9 10 2. - <_> - - <_> - 12 3 5 10 -1. - <_> - 12 8 5 5 2. - <_> - - <_> - 1 6 12 14 -1. - <_> - 1 13 12 7 2. - <_> - - <_> - 13 5 2 1 -1. - <_> - 13 5 1 1 2. - 1 - <_> - - <_> - 0 0 16 3 -1. - <_> - 0 1 16 1 3. - <_> - - <_> - 1 11 2 1 -1. - <_> - 1 11 1 1 2. - 1 - <_> - - <_> - 14 5 6 5 -1. - <_> - 16 5 2 5 3. - <_> - - <_> - 16 8 3 4 -1. - <_> - 16 10 3 2 2. - <_> - - <_> - 18 9 2 4 -1. - <_> - 17 10 2 2 2. - 1 - <_> - - <_> - 18 18 1 2 -1. - <_> - 18 19 1 1 2. - <_> - - <_> - 5 5 2 1 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 7 2 12 2 -1. - <_> - 7 2 6 1 2. - <_> - 13 3 6 1 2. - <_> - - <_> - 6 0 12 6 -1. - <_> - 9 0 6 6 2. - <_> - - <_> - 4 0 3 3 -1. - <_> - 3 1 3 1 3. - 1 - <_> - - <_> - 12 19 4 1 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 5 0 10 2 2. - <_> - - <_> - 13 0 4 2 -1. - <_> - 15 0 2 2 2. - <_> - - <_> - 17 1 3 12 -1. - <_> - 18 5 1 4 9. - <_> - - <_> - 0 0 10 2 -1. - <_> - 5 0 5 2 2. - <_> - - <_> - 4 15 12 2 -1. - <_> - 10 15 6 2 2. - <_> - - <_> - 10 1 3 2 -1. - <_> - 10 2 3 1 2. - <_> - - <_> - 5 2 15 6 -1. - <_> - 10 4 5 2 9. - <_> - - <_> - 7 6 3 5 -1. - <_> - 8 6 1 5 3. - <_> - - <_> - 15 2 3 3 -1. - <_> - 16 3 1 3 3. - 1 - <_> - - <_> - 6 2 9 6 -1. - <_> - 4 4 9 2 3. - 1 - <_> - - <_> - 15 9 2 1 -1. - <_> - 15 9 1 1 2. - 1 - <_> - - <_> - 3 8 4 6 -1. - <_> - 3 8 2 3 2. - <_> - 5 11 2 3 2. - <_> - - <_> - 2 7 16 10 -1. - <_> - 2 12 16 5 2. - <_> - - <_> - 7 3 9 16 -1. - <_> - 10 3 3 16 3. - <_> - - <_> - 15 9 1 6 -1. - <_> - 13 11 1 2 3. - 1 - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 2 1 2. - 1 - <_> - - <_> - 9 4 4 3 -1. - <_> - 10 5 2 3 2. - 1 - <_> - - <_> - 13 13 4 4 -1. - <_> - 13 15 4 2 2. - <_> - - <_> - 3 1 4 3 -1. - <_> - 4 2 2 3 2. - 1 - <_> - - <_> - 0 7 3 5 -1. - <_> - 1 7 1 5 3. - <_> - - <_> - 3 0 3 6 -1. - <_> - 3 2 3 2 3. - <_> - - <_> - 4 9 15 4 -1. - <_> - 4 10 15 2 2. - <_> - - <_> - 3 0 12 20 -1. - <_> - 3 10 12 10 2. - <_> - - <_> - 0 18 2 2 -1. - <_> - 1 18 1 2 2. - <_> - - <_> - 16 0 3 8 -1. - <_> - 17 0 1 8 3. - <_> - - <_> - 16 3 3 4 -1. - <_> - 17 3 1 4 3. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 0 1 3 2. - <_> - 1 3 1 3 2. - <_> - - <_> - 16 10 4 5 -1. - <_> - 17 11 2 5 2. - 1 - <_> - - <_> - 8 14 12 3 -1. - <_> - 12 15 4 1 9. - <_> - - <_> - 5 13 12 4 -1. - <_> - 8 13 6 4 2. - <_> - - <_> - 3 9 4 3 -1. - <_> - 4 9 2 3 2. - <_> - - <_> - 0 14 3 3 -1. - <_> - 0 15 3 1 3. - <_> - - <_> - 14 3 1 14 -1. - <_> - 14 3 1 7 2. - 1 - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 0 1 1 3. - <_> - - <_> - 8 9 8 1 -1. - <_> - 10 9 4 1 2. - <_> - - <_> - 16 8 3 2 -1. - <_> - 17 9 1 2 3. - 1 - <_> - - <_> - 14 7 6 4 -1. - <_> - 14 8 6 2 2. - <_> - - <_> - 0 14 1 3 -1. - <_> - 0 15 1 1 3. - <_> - - <_> - 18 8 1 3 -1. - <_> - 18 9 1 1 3. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 15 0 3 17 -1. - <_> - 16 0 1 17 3. - <_> - - <_> - 11 15 6 4 -1. - <_> - 13 15 2 4 3. - <_> - - <_> - 12 10 6 1 -1. - <_> - 14 10 2 1 3. - <_> - - <_> - 9 7 1 4 -1. - <_> - 9 7 1 2 2. - 1 - <_> - - <_> - 9 10 1 10 -1. - <_> - 9 15 1 5 2. - <_> - - <_> - 4 6 16 14 -1. - <_> - 8 6 8 14 2. - <_> - - <_> - 1 6 6 11 -1. - <_> - 3 6 2 11 3. - <_> - - <_> - 5 6 3 6 -1. - <_> - 5 9 3 3 2. - <_> - - <_> - 14 0 4 9 -1. - <_> - 15 0 2 9 2. - <_> - - <_> - 9 13 3 6 -1. - <_> - 10 13 1 6 3. - <_> - - <_> - 11 3 6 7 -1. - <_> - 13 5 2 7 3. - 1 - <_> - - <_> - 18 12 1 2 -1. - <_> - 18 13 1 1 2. - <_> - - <_> - 17 0 2 1 -1. - <_> - 18 0 1 1 2. - <_> - - <_> - 1 2 15 3 -1. - <_> - 1 3 15 1 3. - <_> - - <_> - 3 1 3 5 -1. - <_> - 4 1 1 5 3. - <_> - - <_> - 4 3 6 3 -1. - <_> - 6 3 2 3 3. - <_> - - <_> - 7 1 6 5 -1. - <_> - 9 1 2 5 3. - <_> - - <_> - 13 7 2 5 -1. - <_> - 14 7 1 5 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 2 1 2. - 1 - <_> - - <_> - 2 10 12 4 -1. - <_> - 2 12 12 2 2. - <_> - - <_> - 3 5 3 3 -1. - <_> - 2 6 3 1 3. - 1 - <_> - - <_> - 11 6 6 6 -1. - <_> - 9 8 6 2 3. - 1 - <_> - - <_> - 4 5 9 12 -1. - <_> - 7 9 3 4 9. - <_> - - <_> - 12 6 1 3 -1. - <_> - 11 7 1 1 3. - 1 - <_> - - <_> - 11 1 5 9 -1. - <_> - 11 4 5 3 3. - <_> - - <_> - 10 7 4 1 -1. - <_> - 11 7 2 1 2. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - <_> - - <_> - 2 0 3 6 -1. - <_> - 2 2 3 2 3. - <_> - - <_> - 6 6 4 3 -1. - <_> - 7 6 2 3 2. - <_> - - <_> - 5 0 2 3 -1. - <_> - 4 1 2 1 3. - 1 - <_> - - <_> - 13 15 2 3 -1. - <_> - 12 16 2 1 3. - 1 - <_> - - <_> - 10 2 8 4 -1. - <_> - 12 2 4 4 2. - <_> - - <_> - 6 8 2 6 -1. - <_> - 4 10 2 2 3. - 1 - <_> - - <_> - 18 0 2 4 -1. - <_> - 17 1 2 2 2. - 1 - <_> - - <_> - 6 0 12 2 -1. - <_> - 10 0 4 2 3. - <_> - - <_> - 2 0 18 2 -1. - <_> - 2 0 9 1 2. - <_> - 11 1 9 1 2. - <_> - - <_> - 17 8 3 2 -1. - <_> - 18 9 1 2 3. - 1 - <_> - - <_> - 5 2 3 3 -1. - <_> - 4 3 3 1 3. - 1 - <_> - - <_> - 18 0 2 20 -1. - <_> - 19 0 1 20 2. - <_> - - <_> - 16 11 4 5 -1. - <_> - 17 12 2 5 2. - 1 - <_> - - <_> - 7 0 6 1 -1. - <_> - 10 0 3 1 2. - <_> - - <_> - 15 11 3 2 -1. - <_> - 16 12 1 2 3. - 1 - <_> - - <_> - 13 11 7 2 -1. - <_> - 13 11 7 1 2. - 1 - <_> - - <_> - 0 1 2 17 -1. - <_> - 1 1 1 17 2. - <_> - - <_> - 4 4 2 3 -1. - <_> - 3 5 2 1 3. - 1 - <_> - - <_> - 18 5 1 8 -1. - <_> - 18 9 1 4 2. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - 1 - <_> - - <_> - 7 4 12 2 -1. - <_> - 7 4 6 1 2. - <_> - 13 5 6 1 2. - <_> - - <_> - 6 18 6 2 -1. - <_> - 9 18 3 2 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 5 1 10 4 2. - <_> - - <_> - 14 10 2 1 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 5 4 10 10 -1. - <_> - 10 4 5 10 2. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 3 13 4 3 -1. - <_> - 3 13 2 3 2. - 1 - <_> - - <_> - 16 19 4 1 -1. - <_> - 18 19 2 1 2. - <_> - - <_> - 3 14 4 2 -1. - <_> - 4 14 2 2 2. - <_> - - <_> - 8 7 6 3 -1. - <_> - 10 9 2 3 3. - 1 - <_> - - <_> - 12 2 8 6 -1. - <_> - 12 4 8 2 3. - <_> - - <_> - 0 0 6 1 -1. - <_> - 3 0 3 1 2. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 17 17 2 3 -1. - <_> - 17 18 2 1 3. - <_> - - <_> - 18 16 1 2 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 15 9 2 4 -1. - <_> - 15 9 1 2 2. - <_> - 16 11 1 2 2. - <_> - - <_> - 4 10 16 4 -1. - <_> - 4 11 16 2 2. - <_> - - <_> - 16 5 3 3 -1. - <_> - 15 6 3 1 3. - 1 - <_> - - <_> - 16 12 4 4 -1. - <_> - 17 13 2 4 2. - 1 - <_> - - <_> - 18 3 2 15 -1. - <_> - 18 8 2 5 3. - <_> - - <_> - 13 4 1 12 -1. - <_> - 13 4 1 6 2. - 1 - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 5 4 1 2 -1. - <_> - 5 5 1 1 2. - <_> - - <_> - 2 2 3 18 -1. - <_> - 3 2 1 18 3. - <_> - - <_> - 7 9 2 3 -1. - <_> - 6 10 2 1 3. - 1 - <_> - - <_> - 8 2 7 4 -1. - <_> - 8 3 7 2 2. - <_> - - <_> - 16 0 4 1 -1. - <_> - 16 0 2 1 2. - 1 - <_> - - <_> - 0 17 20 2 -1. - <_> - 5 17 10 2 2. - <_> - - <_> - 1 18 6 1 -1. - <_> - 4 18 3 1 2. - <_> - - <_> - 5 18 6 2 -1. - <_> - 8 18 3 2 2. - <_> - - <_> - 9 8 3 2 -1. - <_> - 10 8 1 2 3. - <_> - - <_> - 11 1 3 1 -1. - <_> - 12 1 1 1 3. - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 18 10 1 2. - <_> - 10 19 10 1 2. - <_> - - <_> - 15 9 1 2 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 17 1 2 1 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 15 0 4 1 -1. - <_> - 17 0 2 1 2. - <_> - - <_> - 19 0 1 2 -1. - <_> - 19 1 1 1 2. - <_> - - <_> - 2 18 18 2 -1. - <_> - 2 18 9 1 2. - <_> - 11 19 9 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 16 15 1 3 -1. - <_> - 15 16 1 1 3. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 6 4 4 3 -1. - <_> - 7 5 2 3 2. - 1 - <_> - - <_> - 3 5 12 12 -1. - <_> - 7 9 4 4 9. - <_> - - <_> - 7 12 3 4 -1. - <_> - 8 12 1 4 3. - <_> - - <_> - 17 4 3 3 -1. - <_> - 18 5 1 3 3. - 1 - <_> - - <_> - 17 16 2 1 -1. - <_> - 17 16 1 1 2. - 1 - <_> - - <_> - 7 6 1 2 -1. - <_> - 7 6 1 1 2. - 1 - <_> - - <_> - 1 0 12 1 -1. - <_> - 7 0 6 1 2. - <_> - - <_> - 0 7 18 8 -1. - <_> - 6 7 6 8 3. - <_> - - <_> - 13 14 4 6 -1. - <_> - 14 14 2 6 2. - <_> - - <_> - 6 10 3 3 -1. - <_> - 5 11 3 1 3. - 1 - <_> - - <_> - 16 2 4 2 -1. - <_> - 18 2 2 2 2. - <_> - - <_> - 9 13 8 4 -1. - <_> - 13 13 4 4 2. - <_> - - <_> - 12 0 6 20 -1. - <_> - 12 10 6 10 2. - <_> - - <_> - 18 0 2 8 -1. - <_> - 19 0 1 8 2. - <_> - - <_> - 18 5 2 14 -1. - <_> - 18 12 2 7 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 9 13 8 4 -1. - <_> - 9 15 8 2 2. - <_> - - <_> - 0 10 14 10 -1. - <_> - 0 15 14 5 2. - <_> - - <_> - 1 8 14 4 -1. - <_> - 1 9 14 2 2. - <_> - - <_> - 2 8 11 4 -1. - <_> - 2 9 11 2 2. - <_> - - <_> - 4 0 6 2 -1. - <_> - 4 0 3 1 2. - <_> - 7 1 3 1 2. - <_> - - <_> - 8 16 4 2 -1. - <_> - 9 16 2 2 2. - <_> - - <_> - 7 4 4 12 -1. - <_> - 7 8 4 4 3. - <_> - - <_> - 17 10 2 6 -1. - <_> - 17 10 1 6 2. - 1 - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 16 7 4 1 -1. - <_> - 17 7 2 1 2. - <_> - - <_> - 17 3 2 8 -1. - <_> - 17 3 1 4 2. - <_> - 18 7 1 4 2. - <_> - - <_> - 9 8 10 8 -1. - <_> - 9 8 5 4 2. - <_> - 14 12 5 4 2. - <_> - - <_> - 9 14 3 1 -1. - <_> - 10 14 1 1 3. - <_> - - <_> - 9 0 6 14 -1. - <_> - 11 0 2 14 3. - <_> - - <_> - 11 11 4 1 -1. - <_> - 12 12 2 1 2. - 1 - <_> - - <_> - 2 14 9 6 -1. - <_> - 5 14 3 6 3. - <_> - - <_> - 14 2 6 1 -1. - <_> - 17 2 3 1 2. - <_> - - <_> - 2 16 9 2 -1. - <_> - 5 16 3 2 3. - <_> - - <_> - 4 5 3 8 -1. - <_> - 4 9 3 4 2. - <_> - - <_> - 1 1 7 4 -1. - <_> - 1 3 7 2 2. - <_> - - <_> - 3 9 6 3 -1. - <_> - 5 9 2 3 3. - <_> - - <_> - 13 9 4 2 -1. - <_> - 14 9 2 2 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 13 7 4 7 -1. - <_> - 13 7 2 7 2. - 1 - <_> - - <_> - 19 6 1 4 -1. - <_> - 18 7 1 2 2. - 1 - <_> - - <_> - 1 14 4 2 -1. - <_> - 3 14 2 2 2. - <_> - - <_> - 0 2 16 16 -1. - <_> - 0 6 16 8 2. - <_> - - <_> - 1 1 6 1 -1. - <_> - 4 1 3 1 2. - <_> - - <_> - 6 9 2 3 -1. - <_> - 7 9 1 3 2. - <_> - - <_> - 16 5 4 9 -1. - <_> - 17 5 2 9 2. - <_> - - <_> - 7 12 3 5 -1. - <_> - 8 13 1 5 3. - 1 - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 7 1 4 3. - 1 - <_> - - <_> - 16 1 4 1 -1. - <_> - 18 1 2 1 2. - <_> - - <_> - 8 0 12 16 -1. - <_> - 8 0 6 8 2. - <_> - 14 8 6 8 2. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 5 13 1 2. - 1 - <_> - - <_> - 17 17 1 2 -1. - <_> - 17 17 1 1 2. - 1 - <_> - - <_> - 17 18 3 2 -1. - <_> - 17 19 3 1 2. - <_> - - <_> - 16 10 3 3 -1. - <_> - 17 10 1 3 3. - <_> - - <_> - 11 4 3 2 -1. - <_> - 11 5 3 1 2. - <_> - - <_> - 8 2 8 4 -1. - <_> - 8 3 8 2 2. - <_> - - <_> - 14 3 5 9 -1. - <_> - 14 6 5 3 3. - <_> - - <_> - 0 18 9 2 -1. - <_> - 0 19 9 1 2. - <_> - - <_> - 17 3 3 1 -1. - <_> - 18 4 1 1 3. - 1 - <_> - - <_> - 13 12 5 3 -1. - <_> - 12 13 5 1 3. - 1 - <_> - - <_> - 10 13 4 2 -1. - <_> - 10 14 4 1 2. - <_> - - <_> - 8 8 3 3 -1. - <_> - 7 9 3 1 3. - 1 - <_> - - <_> - 16 3 3 3 -1. - <_> - 15 4 3 1 3. - 1 - <_> - - <_> - 15 18 4 1 -1. - <_> - 17 18 2 1 2. - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 0 1 3 2. - 1 - <_> - - <_> - 11 10 3 2 -1. - <_> - 12 10 1 2 3. - <_> - - <_> - 0 2 2 18 -1. - <_> - 0 2 1 9 2. - <_> - 1 11 1 9 2. - <_> - - <_> - 1 8 8 7 -1. - <_> - 3 8 4 7 2. - <_> - - <_> - 12 18 4 2 -1. - <_> - 12 18 2 1 2. - <_> - 14 19 2 1 2. - <_> - - <_> - 3 4 16 12 -1. - <_> - 7 4 8 12 2. - <_> - - <_> - 5 8 6 1 -1. - <_> - 7 8 2 1 3. - <_> - - <_> - 7 4 12 8 -1. - <_> - 11 4 4 8 3. - <_> - - <_> - 8 16 2 2 -1. - <_> - 8 16 1 1 2. - <_> - 9 17 1 1 2. - <_> - - <_> - 3 4 3 3 -1. - <_> - 2 5 3 1 3. - 1 - <_> - - <_> - 8 5 3 6 -1. - <_> - 9 7 1 2 9. - <_> - - <_> - 2 5 18 2 -1. - <_> - 8 5 6 2 3. - <_> - - <_> - 14 8 1 2 -1. - <_> - 14 9 1 1 2. - <_> - - <_> - 5 1 4 1 -1. - <_> - 6 1 2 1 2. - <_> - - <_> - 1 9 17 3 -1. - <_> - 1 10 17 1 3. - <_> - - <_> - 1 17 9 3 -1. - <_> - 1 18 9 1 3. - <_> - - <_> - 4 16 6 2 -1. - <_> - 4 17 6 1 2. - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 1 2. - <_> - 4 9 1 1 2. - <_> - - <_> - 17 8 3 3 -1. - <_> - 16 9 3 1 3. - 1 - <_> - - <_> - 7 3 4 2 -1. - <_> - 8 3 2 2 2. - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 0 4 2 4 -1. - <_> - 1 4 1 4 2. - <_> - - <_> - 6 3 1 12 -1. - <_> - 6 9 1 6 2. - <_> - - <_> - 0 7 4 2 -1. - <_> - 0 8 4 1 2. - <_> - - <_> - 2 0 5 16 -1. - <_> - 2 8 5 8 2. - <_> - - <_> - 11 0 3 6 -1. - <_> - 9 2 3 2 3. - 1 - <_> - - <_> - 5 16 12 1 -1. - <_> - 8 16 6 1 2. - <_> - - <_> - 9 8 3 2 -1. - <_> - 10 8 1 2 3. - <_> - - <_> - 14 8 3 6 -1. - <_> - 15 9 1 6 3. - 1 - <_> - - <_> - 13 8 4 7 -1. - <_> - 14 9 2 7 2. - 1 - <_> - - <_> - 16 7 3 4 -1. - <_> - 15 8 3 2 2. - 1 - <_> - - <_> - 13 1 1 16 -1. - <_> - 13 9 1 8 2. - <_> - - <_> - 7 17 8 1 -1. - <_> - 9 17 4 1 2. - <_> - - <_> - 9 10 3 5 -1. - <_> - 10 11 1 5 3. - 1 - <_> - - <_> - 4 11 6 3 -1. - <_> - 6 13 2 3 3. - 1 - <_> - - <_> - 3 16 1 2 -1. - <_> - 3 16 1 1 2. - 1 - <_> - - <_> - 5 13 3 4 -1. - <_> - 4 14 3 2 2. - 1 - <_> - - <_> - 7 5 8 8 -1. - <_> - 9 5 4 8 2. - <_> - - <_> - 17 5 2 4 -1. - <_> - 17 5 1 4 2. - 1 - <_> - - <_> - 0 14 3 4 -1. - <_> - 0 15 3 2 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 6 16 6 4 -1. - <_> - 8 16 2 4 3. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 9 17 2 1 -1. - <_> - 10 17 1 1 2. - <_> - - <_> - 14 5 5 8 -1. - <_> - 14 7 5 4 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 8 2 1 2. - <_> - - <_> - 9 11 2 7 -1. - <_> - 10 11 1 7 2. - <_> - - <_> - 2 5 1 2 -1. - <_> - 2 5 1 1 2. - 1 - <_> - - <_> - 4 6 11 3 -1. - <_> - 4 7 11 1 3. - <_> - - <_> - 5 4 8 3 -1. - <_> - 5 5 8 1 3. - <_> - - <_> - 0 8 20 3 -1. - <_> - 0 9 20 1 3. - <_> - - <_> - 15 8 3 3 -1. - <_> - 15 9 3 1 3. - <_> - - <_> - 17 9 3 1 -1. - <_> - 18 9 1 1 3. - <_> - - <_> - 15 6 5 3 -1. - <_> - 15 7 5 1 3. - <_> - - <_> - 9 15 8 2 -1. - <_> - 9 15 4 1 2. - <_> - 13 16 4 1 2. - <_> - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - <_> - - <_> - 9 3 5 2 -1. - <_> - 9 4 5 1 2. - <_> - - <_> - 15 3 2 2 -1. - <_> - 15 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 12 0 4 12 -1. - <_> - 12 0 2 12 2. - 1 - <_> - - <_> - 10 6 8 2 -1. - <_> - 10 7 8 1 2. - <_> - - <_> - 15 3 2 13 -1. - <_> - 16 3 1 13 2. - <_> - - <_> - 11 11 5 2 -1. - <_> - 11 11 5 1 2. - 1 - <_> - - <_> - 0 0 6 2 -1. - <_> - 3 0 3 2 2. - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 3 0 16 5 -1. - <_> - 7 0 8 5 2. - <_> - - <_> - 18 10 1 2 -1. - <_> - 18 10 1 1 2. - 1 - <_> - - <_> - 4 6 2 4 -1. - <_> - 4 7 2 2 2. - <_> - - <_> - 13 5 2 1 -1. - <_> - 13 5 1 1 2. - 1 - <_> - - <_> - 0 5 8 2 -1. - <_> - 0 5 4 1 2. - <_> - 4 6 4 1 2. - <_> - - <_> - 7 7 10 13 -1. - <_> - 12 7 5 13 2. - <_> - - <_> - 17 3 3 2 -1. - <_> - 18 4 1 2 3. - 1 - <_> - - <_> - 2 0 9 2 -1. - <_> - 2 1 9 1 2. - <_> - - <_> - 4 8 12 6 -1. - <_> - 4 10 12 2 3. - <_> - - <_> - 13 8 3 2 -1. - <_> - 14 9 1 2 3. - 1 - <_> - - <_> - 10 9 3 8 -1. - <_> - 11 9 1 8 3. - <_> - - <_> - 13 13 4 6 -1. - <_> - 14 13 2 6 2. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 11 1 4 2 -1. - <_> - 11 2 4 1 2. - <_> - - <_> - 13 0 6 3 -1. - <_> - 13 1 6 1 3. - <_> - - <_> - 7 18 2 1 -1. - <_> - 8 18 1 1 2. - <_> - - <_> - 6 15 6 4 -1. - <_> - 6 16 6 2 2. - <_> - - <_> - 13 15 2 3 -1. - <_> - 12 16 2 1 3. - 1 - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 18 10 1 2. - <_> - 10 19 10 1 2. - <_> - - <_> - 2 18 18 2 -1. - <_> - 2 18 9 1 2. - <_> - 11 19 9 1 2. - <_> - - <_> - 4 0 3 17 -1. - <_> - 5 0 1 17 3. - <_> - - <_> - 4 9 4 4 -1. - <_> - 4 9 2 2 2. - <_> - 6 11 2 2 2. - <_> - - <_> - 6 10 2 4 -1. - <_> - 5 11 2 2 2. - 1 - <_> - - <_> - 12 2 2 12 -1. - <_> - 12 2 1 12 2. - 1 - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 1 9 2 4 -1. - <_> - 1 9 1 2 2. - <_> - 2 11 1 2 2. - <_> - - <_> - 15 17 2 1 -1. - <_> - 16 17 1 1 2. - <_> - - <_> - 14 6 3 4 -1. - <_> - 15 7 1 4 3. - 1 - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 15 14 2 1 -1. - <_> - 16 14 1 1 2. - <_> - - <_> - 2 3 18 10 -1. - <_> - 2 3 9 5 2. - <_> - 11 8 9 5 2. - <_> - - <_> - 15 17 2 2 -1. - <_> - 15 17 1 1 2. - <_> - 16 18 1 1 2. - <_> - - <_> - 6 1 3 10 -1. - <_> - 7 1 1 10 3. - <_> - - <_> - 3 9 6 2 -1. - <_> - 5 9 2 2 3. - <_> - - <_> - 15 10 4 2 -1. - <_> - 15 10 2 1 2. - <_> - 17 11 2 1 2. - <_> - - <_> - 0 11 1 4 -1. - <_> - 0 13 1 2 2. - <_> - - <_> - 7 7 9 13 -1. - <_> - 10 7 3 13 3. - <_> - - <_> - 8 5 11 6 -1. - <_> - 8 7 11 2 3. - <_> - - <_> - 7 15 3 3 -1. - <_> - 8 15 1 3 3. - <_> - - <_> - 0 9 2 11 -1. - <_> - 1 9 1 11 2. - <_> - - <_> - 4 8 4 2 -1. - <_> - 5 8 2 2 2. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 7 2 1 2. - 1 - <_> - - <_> - 5 1 5 4 -1. - <_> - 5 2 5 2 2. - <_> - - <_> - 15 10 4 3 -1. - <_> - 16 10 2 3 2. - <_> - - <_> - 0 1 16 3 -1. - <_> - 0 2 16 1 3. - <_> - - <_> - 8 9 4 3 -1. - <_> - 9 10 2 3 2. - 1 - <_> - - <_> - 18 17 2 3 -1. - <_> - 18 18 2 1 3. - <_> - - <_> - 5 13 4 6 -1. - <_> - 5 13 2 3 2. - <_> - 7 16 2 3 2. - <_> - - <_> - 0 0 3 17 -1. - <_> - 1 0 1 17 3. - <_> - - <_> - 10 7 3 3 -1. - <_> - 9 8 3 1 3. - 1 - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 8 1 3 3. - 1 - <_> - - <_> - 7 5 5 6 -1. - <_> - 7 8 5 3 2. - <_> - - <_> - 12 4 2 9 -1. - <_> - 12 7 2 3 3. - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 0 1 2 3. - <_> - - <_> - 11 8 3 3 -1. - <_> - 12 9 1 1 9. - <_> - - <_> - 4 16 2 3 -1. - <_> - 4 17 2 1 3. - <_> - - <_> - 6 10 14 3 -1. - <_> - 6 11 14 1 3. - <_> - - <_> - 0 10 14 4 -1. - <_> - 0 11 14 2 2. - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 2 1 3 3. - <_> - - <_> - 17 17 2 2 -1. - <_> - 17 17 1 1 2. - <_> - 18 18 1 1 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 17 16 1 3 -1. - <_> - 17 17 1 1 3. - <_> - - <_> - 6 8 2 1 -1. - <_> - 6 8 1 1 2. - 1 - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 3 9 3 10 -1. - <_> - 4 9 1 10 3. - <_> - - <_> - 5 15 6 3 -1. - <_> - 7 15 2 3 3. - <_> - - <_> - 0 4 2 12 -1. - <_> - 0 4 1 6 2. - <_> - 1 10 1 6 2. - <_> - - <_> - 4 2 2 10 -1. - <_> - 5 2 1 10 2. - <_> - - <_> - 4 9 2 1 -1. - <_> - 5 9 1 1 2. - <_> - - <_> - 14 7 4 6 -1. - <_> - 15 8 2 6 2. - 1 - <_> - - <_> - 17 5 3 2 -1. - <_> - 18 6 1 2 3. - 1 - <_> - - <_> - 2 10 16 5 -1. - <_> - 10 10 8 5 2. - <_> - - <_> - 7 17 2 2 -1. - <_> - 7 17 1 1 2. - <_> - 8 18 1 1 2. - <_> - - <_> - 4 17 4 1 -1. - <_> - 6 17 2 1 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 9 6 1 3 3. - <_> - - <_> - 16 10 1 4 -1. - <_> - 16 12 1 2 2. - <_> - - <_> - 17 13 2 3 -1. - <_> - 16 14 2 1 3. - 1 - <_> - - <_> - 3 8 13 10 -1. - <_> - 3 13 13 5 2. - <_> - - <_> - 9 6 9 1 -1. - <_> - 12 9 3 1 3. - 1 - <_> - - <_> - 2 5 15 6 -1. - <_> - 7 7 5 2 9. - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 1 1 2 3. - 1 - <_> - - <_> - 0 17 6 3 -1. - <_> - 0 18 6 1 3. - <_> - - <_> - 11 1 2 2 -1. - <_> - 11 1 1 2 2. - 1 - <_> - - <_> - 12 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 13 6 1 1 2. - <_> - - <_> - 8 0 12 2 -1. - <_> - 12 0 4 2 3. - <_> - - <_> - 10 9 3 3 -1. - <_> - 11 10 1 1 9. - <_> - - <_> - 12 18 8 2 -1. - <_> - 12 19 8 1 2. - <_> - - <_> - 8 18 9 2 -1. - <_> - 8 19 9 1 2. - <_> - - <_> - 6 0 9 4 -1. - <_> - 6 1 9 2 2. - <_> - - <_> - 3 8 12 4 -1. - <_> - 3 9 12 2 2. - <_> - - <_> - 13 4 2 9 -1. - <_> - 10 7 2 3 3. - 1 - <_> - - <_> - 5 15 12 4 -1. - <_> - 5 15 6 2 2. - <_> - 11 17 6 2 2. - <_> - - <_> - 6 3 14 10 -1. - <_> - 13 3 7 10 2. - <_> - - <_> - 9 2 6 2 -1. - <_> - 11 2 2 2 3. - <_> - - <_> - 11 16 3 1 -1. - <_> - 12 16 1 1 3. - <_> - - <_> - 15 16 2 4 -1. - <_> - 15 16 1 2 2. - <_> - 16 18 1 2 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 11 7 2 2. - <_> - 10 13 7 2 2. - <_> - - <_> - 1 19 16 1 -1. - <_> - 5 19 8 1 2. - <_> - - <_> - 3 18 2 1 -1. - <_> - 4 18 1 1 2. - <_> - - <_> - 12 7 1 8 -1. - <_> - 10 9 1 4 2. - 1 - <_> - - <_> - 18 3 2 16 -1. - <_> - 18 3 1 8 2. - <_> - 19 11 1 8 2. - <_> - - <_> - 0 9 20 3 -1. - <_> - 5 9 10 3 2. - <_> - - <_> - 7 15 2 3 -1. - <_> - 7 15 1 3 2. - 1 - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 5 5 12 11 -1. - <_> - 9 5 4 11 3. - <_> - - <_> - 14 0 4 14 -1. - <_> - 14 0 4 7 2. - 1 - <_> - - <_> - 15 1 2 8 -1. - <_> - 16 1 1 8 2. - <_> - - <_> - 0 1 3 4 -1. - <_> - 0 2 3 2 2. - <_> - - <_> - 5 9 9 9 -1. - <_> - 8 12 3 3 9. - <_> - - <_> - 12 7 4 6 -1. - <_> - 10 9 4 2 3. - 1 - <_> - - <_> - 5 5 8 9 -1. - <_> - 7 5 4 9 2. - <_> - - <_> - 2 3 16 2 -1. - <_> - 10 3 8 2 2. - <_> - - <_> - 7 1 4 3 -1. - <_> - 8 1 2 3 2. - <_> - - <_> - 8 1 12 3 -1. - <_> - 11 1 6 3 2. - <_> - - <_> - 18 1 1 2 -1. - <_> - 18 2 1 1 2. - <_> - - <_> - 6 9 8 2 -1. - <_> - 8 9 4 2 2. - <_> - - <_> - 5 7 2 4 -1. - <_> - 5 7 1 2 2. - <_> - 6 9 1 2 2. - <_> - - <_> - 2 15 9 1 -1. - <_> - 5 15 3 1 3. - <_> - - <_> - 3 10 6 9 -1. - <_> - 5 13 2 3 9. - <_> - - <_> - 0 9 7 3 -1. - <_> - 0 10 7 1 3. - <_> - - <_> - 0 9 16 1 -1. - <_> - 8 9 8 1 2. - <_> - - <_> - 6 1 12 3 -1. - <_> - 5 2 12 1 3. - 1 - <_> - - <_> - 9 9 9 1 -1. - <_> - 12 9 3 1 3. - <_> - - <_> - 12 10 4 10 -1. - <_> - 14 10 2 10 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 5 10 2 4 2. - <_> - 7 14 2 4 2. - <_> - - <_> - 0 0 16 10 -1. - <_> - 0 0 8 5 2. - <_> - 8 5 8 5 2. - <_> - - <_> - 5 15 2 4 -1. - <_> - 5 15 1 2 2. - <_> - 6 17 1 2 2. - <_> - - <_> - 14 2 6 16 -1. - <_> - 17 2 3 16 2. - <_> - - <_> - 7 5 6 1 -1. - <_> - 9 5 2 1 3. - <_> - - <_> - 18 12 2 2 -1. - <_> - 18 12 1 2 2. - 1 - <_> - - <_> - 16 0 3 18 -1. - <_> - 17 6 1 6 9. - <_> - - <_> - 0 2 20 3 -1. - <_> - 10 2 10 3 2. - <_> - - <_> - 1 19 2 1 -1. - <_> - 2 19 1 1 2. - <_> - - <_> - 8 0 6 3 -1. - <_> - 11 0 3 3 2. - <_> - - <_> - 7 0 8 3 -1. - <_> - 11 0 4 3 2. - <_> - - <_> - 18 9 1 6 -1. - <_> - 18 9 1 3 2. - 1 - <_> - - <_> - 3 9 6 3 -1. - <_> - 5 10 2 1 9. - <_> - - <_> - 15 9 2 6 -1. - <_> - 15 9 1 3 2. - <_> - 16 12 1 3 2. - <_> - - <_> - 12 6 4 1 -1. - <_> - 13 7 2 1 2. - 1 - <_> - - <_> - 1 6 18 14 -1. - <_> - 7 6 6 14 3. - <_> - - <_> - 15 10 4 2 -1. - <_> - 15 10 2 1 2. - <_> - 17 11 2 1 2. - <_> - - <_> - 14 8 6 7 -1. - <_> - 16 8 2 7 3. - <_> - - <_> - 0 10 2 10 -1. - <_> - 1 10 1 10 2. - <_> - - <_> - 18 0 2 12 -1. - <_> - 19 0 1 12 2. - <_> - - <_> - 4 7 10 1 -1. - <_> - 4 7 5 1 2. - 1 - <_> - - <_> - 12 1 6 2 -1. - <_> - 12 2 6 1 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 8 3 1 2. - 1 - <_> - - <_> - 14 10 4 3 -1. - <_> - 13 11 4 1 3. - 1 - <_> - - <_> - 10 7 5 6 -1. - <_> - 10 10 5 3 2. - <_> - - <_> - 11 5 5 8 -1. - <_> - 9 7 5 4 2. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 16 2 1 3 2. - 1 - <_> - - <_> - 4 2 13 9 -1. - <_> - 4 5 13 3 3. - <_> - - <_> - 9 2 6 2 -1. - <_> - 11 2 2 2 3. - <_> - - <_> - 0 0 9 2 -1. - <_> - 0 1 9 1 2. - <_> - - <_> - 11 2 3 12 -1. - <_> - 12 2 1 12 3. - <_> - - <_> - 19 17 1 3 -1. - <_> - 19 18 1 1 3. - <_> - - <_> - 19 18 1 2 -1. - <_> - 19 19 1 1 2. - <_> - - <_> - 13 4 2 4 -1. - <_> - 13 4 1 2 2. - <_> - 14 6 1 2 2. - <_> - - <_> - 14 7 1 4 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 1 10 3 1 -1. - <_> - 2 10 1 1 3. - <_> - - <_> - 18 9 1 4 -1. - <_> - 17 10 1 2 2. - 1 - <_> - - <_> - 8 9 6 4 -1. - <_> - 8 9 3 2 2. - <_> - 11 11 3 2 2. - <_> - - <_> - 0 9 15 3 -1. - <_> - 0 10 15 1 3. - <_> - - <_> - 16 6 4 3 -1. - <_> - 15 7 4 1 3. - 1 - <_> - - <_> - 11 8 9 4 -1. - <_> - 11 9 9 2 2. - <_> - - <_> - 16 5 1 6 -1. - <_> - 16 5 1 3 2. - 1 - <_> - - <_> - 7 17 4 3 -1. - <_> - 8 17 2 3 2. - <_> - - <_> - 4 5 1 4 -1. - <_> - 3 6 1 2 2. - 1 - <_> - - <_> - 17 16 3 4 -1. - <_> - 17 17 3 2 2. - <_> - - <_> - 14 17 4 3 -1. - <_> - 14 18 4 1 3. - <_> - - <_> - 6 3 8 3 -1. - <_> - 6 4 8 1 3. - <_> - - <_> - 9 4 1 8 -1. - <_> - 9 6 1 4 2. - <_> - - <_> - 14 0 6 1 -1. - <_> - 17 0 3 1 2. - <_> - - <_> - 15 3 2 1 -1. - <_> - 15 3 1 1 2. - 1 - <_> - - <_> - 16 1 3 4 -1. - <_> - 17 1 1 4 3. - <_> - - <_> - 16 5 2 4 -1. - <_> - 17 5 1 4 2. - <_> - - <_> - 12 7 2 3 -1. - <_> - 12 8 2 1 3. - <_> - - <_> - 17 3 3 7 -1. - <_> - 18 3 1 7 3. - <_> - - <_> - 15 7 5 2 -1. - <_> - 15 8 5 1 2. - <_> - - <_> - 16 7 3 1 -1. - <_> - 17 8 1 1 3. - 1 - <_> - - <_> - 0 10 3 6 -1. - <_> - 1 10 1 6 3. - <_> - - <_> - 8 4 8 13 -1. - <_> - 10 4 4 13 2. - <_> - - <_> - 5 10 2 2 -1. - <_> - 6 10 1 2 2. - <_> - - <_> - 5 10 6 3 -1. - <_> - 7 11 2 1 9. - <_> - - <_> - 5 9 3 2 -1. - <_> - 6 9 1 2 3. - <_> - - <_> - 6 7 9 3 -1. - <_> - 9 8 3 1 9. - <_> - - <_> - 0 6 4 6 -1. - <_> - 1 6 2 6 2. - <_> - - <_> - 10 17 1 3 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 8 16 4 2 -1. - <_> - 8 17 4 1 2. - <_> - - <_> - 1 18 10 2 -1. - <_> - 1 18 5 1 2. - <_> - 6 19 5 1 2. - <_> - - <_> - 5 0 4 2 -1. - <_> - 6 0 2 2 2. - <_> - - <_> - 8 5 6 3 -1. - <_> - 10 7 2 3 3. - 1 - <_> - - <_> - 6 5 7 9 -1. - <_> - 6 8 7 3 3. - <_> - - <_> - 16 12 2 4 -1. - <_> - 16 14 2 2 2. - <_> - - <_> - 9 7 10 6 -1. - <_> - 9 7 5 3 2. - <_> - 14 10 5 3 2. - <_> - - <_> - 9 5 8 4 -1. - <_> - 8 6 8 2 2. - 1 - <_> - - <_> - 3 14 6 6 -1. - <_> - 3 16 6 2 3. - <_> - - <_> - 5 14 6 6 -1. - <_> - 5 14 3 3 2. - <_> - 8 17 3 3 2. - <_> - - <_> - 2 7 4 6 -1. - <_> - 3 7 2 6 2. - <_> - - <_> - 2 0 3 20 -1. - <_> - 3 0 1 20 3. - <_> - - <_> - 4 7 10 3 -1. - <_> - 4 7 5 3 2. - 1 - <_> - - <_> - 1 10 4 6 -1. - <_> - 1 10 2 3 2. - <_> - 3 13 2 3 2. - <_> - - <_> - 4 9 2 10 -1. - <_> - 4 14 2 5 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 0 18 6 2 -1. - <_> - 0 19 6 1 2. - <_> - - <_> - 19 0 1 10 -1. - <_> - 19 0 1 5 2. - 1 - <_> - - <_> - 9 2 2 12 -1. - <_> - 9 5 2 6 2. - <_> - - <_> - 4 14 2 4 -1. - <_> - 3 15 2 2 2. - 1 - <_> - - <_> - 8 17 4 1 -1. - <_> - 9 17 2 1 2. - <_> - - <_> - 1 9 10 4 -1. - <_> - 1 9 5 2 2. - <_> - 6 11 5 2 2. - <_> - - <_> - 5 4 3 1 -1. - <_> - 6 4 1 1 3. - <_> - - <_> - 14 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 13 7 3 3 -1. - <_> - 14 8 1 1 9. - <_> - - <_> - 6 2 6 1 -1. - <_> - 9 2 3 1 2. - <_> - - <_> - 8 0 12 7 -1. - <_> - 12 0 4 7 3. - <_> - - <_> - 16 0 4 4 -1. - <_> - 16 0 2 4 2. - 1 - <_> - - <_> - 2 0 16 7 -1. - <_> - 10 0 8 7 2. - <_> - - <_> - 7 1 8 2 -1. - <_> - 9 1 4 2 2. - <_> - - <_> - 4 6 12 1 -1. - <_> - 7 9 6 1 2. - 1 - <_> - - <_> - 3 17 6 3 -1. - <_> - 5 17 2 3 3. - <_> - - <_> - 0 19 12 1 -1. - <_> - 4 19 4 1 3. - <_> - - <_> - 12 14 8 1 -1. - <_> - 14 14 4 1 2. - <_> - - <_> - 4 10 12 6 -1. - <_> - 8 12 4 2 9. - <_> - - <_> - 12 4 8 6 -1. - <_> - 14 4 4 6 2. - <_> - - <_> - 9 2 2 8 -1. - <_> - 9 2 1 8 2. - 1 - <_> - - <_> - 1 18 19 2 -1. - <_> - 1 19 19 1 2. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 10 3 8 3 -1. - <_> - 10 3 4 3 2. - 1 - <_> - - <_> - 4 0 9 1 -1. - <_> - 7 0 3 1 3. - <_> - - <_> - 9 2 8 1 -1. - <_> - 13 2 4 1 2. - <_> - - <_> - 7 1 10 2 -1. - <_> - 7 2 10 1 2. - <_> - - <_> - 0 11 3 3 -1. - <_> - 1 12 1 1 9. - <_> - - <_> - 0 10 12 9 -1. - <_> - 4 10 4 9 3. - <_> - - <_> - 4 0 6 3 -1. - <_> - 6 0 2 3 3. - <_> - - <_> - 17 2 3 2 -1. - <_> - 18 2 1 2 3. - <_> - - <_> - 14 10 4 4 -1. - <_> - 14 10 2 4 2. - 1 - <_> - - <_> - 7 10 2 3 -1. - <_> - 6 11 2 1 3. - 1 - <_> - - <_> - 4 5 1 2 -1. - <_> - 4 5 1 1 2. - 1 - <_> - - <_> - 0 0 4 1 -1. - <_> - 2 0 2 1 2. - <_> - - <_> - 1 18 3 2 -1. - <_> - 1 19 3 1 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 0 2 4 2 3. - <_> - - <_> - 0 10 12 10 -1. - <_> - 0 10 6 5 2. - <_> - 6 15 6 5 2. - <_> - - <_> - 7 15 6 2 -1. - <_> - 7 16 6 1 2. - <_> - - <_> - 14 8 6 3 -1. - <_> - 13 9 6 1 3. - 1 - <_> - - <_> - 6 0 1 2 -1. - <_> - 6 0 1 1 2. - 1 - <_> - - <_> - 17 1 2 2 -1. - <_> - 17 1 1 2 2. - 1 - <_> - - <_> - 15 10 1 2 -1. - <_> - 15 11 1 1 2. - <_> - - <_> - 16 9 3 6 -1. - <_> - 17 10 1 6 3. - 1 - <_> - - <_> - 2 8 16 9 -1. - <_> - 6 8 8 9 2. - <_> - - <_> - 12 1 6 3 -1. - <_> - 14 1 2 3 3. - <_> - - <_> - 9 6 9 4 -1. - <_> - 9 6 9 2 2. - 1 - <_> - - <_> - 3 17 2 2 -1. - <_> - 4 17 1 2 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 5 10 12 1 -1. - <_> - 9 10 4 1 3. - <_> - - <_> - 15 9 4 4 -1. - <_> - 15 9 2 2 2. - <_> - 17 11 2 2 2. - <_> - - <_> - 4 10 4 1 -1. - <_> - 5 10 2 1 2. - <_> - - <_> - 13 9 3 2 -1. - <_> - 14 9 1 2 3. - <_> - - <_> - 2 12 13 8 -1. - <_> - 2 16 13 4 2. - <_> - - <_> - 16 17 1 3 -1. - <_> - 16 18 1 1 3. - <_> - - <_> - 9 5 3 6 -1. - <_> - 10 7 1 2 9. - <_> - - <_> - 1 9 12 4 -1. - <_> - 1 10 12 2 2. - <_> - - <_> - 12 2 6 17 -1. - <_> - 14 2 2 17 3. - <_> - - <_> - 8 18 8 2 -1. - <_> - 10 18 4 2 2. - <_> - - <_> - 0 18 4 2 -1. - <_> - 2 18 2 2 2. - <_> - - <_> - 10 15 10 4 -1. - <_> - 10 15 5 2 2. - <_> - 15 17 5 2 2. - <_> - - <_> - 15 1 3 14 -1. - <_> - 16 1 1 14 3. - <_> - - <_> - 3 8 6 12 -1. - <_> - 3 14 6 6 2. - <_> - - <_> - 4 8 1 2 -1. - <_> - 4 9 1 1 2. - <_> - - <_> - 3 8 12 6 -1. - <_> - 7 10 4 2 9. - <_> - - <_> - 18 3 2 7 -1. - <_> - 19 3 1 7 2. - <_> - - <_> - 16 5 4 6 -1. - <_> - 14 7 4 2 3. - 1 - <_> - - <_> - 14 9 2 4 -1. - <_> - 13 10 2 2 2. - 1 - <_> - - <_> - 0 1 20 2 -1. - <_> - 10 1 10 2 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 18 0 2 1 -1. - <_> - 19 0 1 1 2. - <_> - - <_> - 13 9 1 3 -1. - <_> - 12 10 1 1 3. - 1 - <_> - - <_> - 8 12 6 2 -1. - <_> - 10 12 2 2 3. - <_> - - <_> - 2 1 6 6 -1. - <_> - 4 1 2 6 3. - <_> - - <_> - 4 1 6 12 -1. - <_> - 4 4 6 6 2. - <_> - - <_> - 3 3 2 3 -1. - <_> - 2 4 2 1 3. - 1 - <_> - - <_> - 7 9 2 3 -1. - <_> - 6 10 2 1 3. - 1 - <_> - - <_> - 2 4 14 5 -1. - <_> - 9 4 7 5 2. - <_> - - <_> - 10 0 9 4 -1. - <_> - 13 3 3 4 3. - 1 - <_> - - <_> - 0 15 3 3 -1. - <_> - 0 16 3 1 3. - <_> - - <_> - 5 17 2 3 -1. - <_> - 5 18 2 1 3. - <_> - - <_> - 7 12 2 8 -1. - <_> - 7 14 2 4 2. - <_> - - <_> - 3 18 5 2 -1. - <_> - 3 19 5 1 2. - <_> - - <_> - 18 10 1 2 -1. - <_> - 18 10 1 1 2. - 1 - <_> - - <_> - 0 0 1 18 -1. - <_> - 0 9 1 9 2. - <_> - - <_> - 8 1 4 2 -1. - <_> - 8 2 4 1 2. - <_> - - <_> - 10 8 5 4 -1. - <_> - 10 8 5 2 2. - 1 - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 14 8 4 12 -1. - <_> - 14 12 4 4 3. - <_> - - <_> - 1 6 2 4 -1. - <_> - 1 8 2 2 2. - <_> - - <_> - 13 14 6 3 -1. - <_> - 15 15 2 1 9. - <_> - - <_> - 10 12 4 8 -1. - <_> - 10 16 4 4 2. - <_> - - <_> - 5 11 2 2 -1. - <_> - 6 11 1 2 2. - <_> - - <_> - 7 14 8 2 -1. - <_> - 7 15 8 1 2. - <_> - - <_> - 17 6 2 2 -1. - <_> - 17 6 1 2 2. - 1 - <_> - - <_> - 5 1 3 2 -1. - <_> - 5 1 3 1 2. - 1 - <_> - - <_> - 0 16 2 3 -1. - <_> - 0 17 2 1 3. - <_> - - <_> - 7 0 5 3 -1. - <_> - 7 1 5 1 3. - <_> - - <_> - 0 0 16 2 -1. - <_> - 0 1 16 1 2. - <_> - - <_> - 5 8 4 2 -1. - <_> - 5 8 2 1 2. - <_> - 7 9 2 1 2. - <_> - - <_> - 14 5 6 2 -1. - <_> - 14 5 3 1 2. - <_> - 17 6 3 1 2. - <_> - - <_> - 2 1 2 4 -1. - <_> - 3 1 1 4 2. - <_> - - <_> - 2 7 1 2 -1. - <_> - 2 8 1 1 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 0 1 2 2. - <_> - 1 2 1 2 2. - <_> - - <_> - 8 0 8 10 -1. - <_> - 8 0 4 5 2. - <_> - 12 5 4 5 2. - <_> - - <_> - 3 3 2 8 -1. - <_> - 3 5 2 4 2. - <_> - - <_> - 7 9 9 2 -1. - <_> - 10 9 3 2 3. - <_> - - <_> - 6 3 2 3 -1. - <_> - 6 3 1 3 2. - 1 - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 14 2 1 2. - <_> - - <_> - 16 2 4 5 -1. - <_> - 17 2 2 5 2. - <_> - - <_> - 7 10 12 6 -1. - <_> - 11 12 4 2 9. - <_> - - <_> - 14 6 2 7 -1. - <_> - 15 6 1 7 2. - <_> - - <_> - 18 16 1 3 -1. - <_> - 18 17 1 1 3. - <_> - - <_> - 18 9 2 2 -1. - <_> - 18 9 1 1 2. - <_> - 19 10 1 1 2. - <_> - - <_> - 16 7 4 4 -1. - <_> - 16 7 2 2 2. - <_> - 18 9 2 2 2. - <_> - - <_> - 14 10 6 6 -1. - <_> - 14 10 3 3 2. - <_> - 17 13 3 3 2. - <_> - - <_> - 8 16 2 4 -1. - <_> - 8 17 2 2 2. - <_> - - <_> - 18 11 2 8 -1. - <_> - 18 11 1 4 2. - <_> - 19 15 1 4 2. - <_> - - <_> - 7 4 6 12 -1. - <_> - 7 8 6 4 3. - <_> - - <_> - 0 7 20 9 -1. - <_> - 5 7 10 9 2. - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 6 3 3 4 -1. - <_> - 5 4 3 2 2. - 1 - <_> - - <_> - 14 3 3 12 -1. - <_> - 14 3 3 6 2. - 1 - <_> - - <_> - 11 5 8 6 -1. - <_> - 11 7 8 2 3. - <_> - - <_> - 17 7 3 5 -1. - <_> - 18 8 1 5 3. - 1 - <_> - - <_> - 3 11 6 6 -1. - <_> - 5 13 2 2 9. - <_> - - <_> - 15 6 4 5 -1. - <_> - 15 6 2 5 2. - 1 - <_> - - <_> - 8 9 3 3 -1. - <_> - 7 10 3 1 3. - 1 - <_> - - <_> - 6 7 9 2 -1. - <_> - 9 10 3 2 3. - 1 - <_> - - <_> - 7 8 2 12 -1. - <_> - 7 8 1 6 2. - <_> - 8 14 1 6 2. - <_> - - <_> - 5 17 3 2 -1. - <_> - 6 17 1 2 3. - <_> - - <_> - 4 5 3 4 -1. - <_> - 5 6 1 4 3. - 1 - <_> - - <_> - 11 1 6 10 -1. - <_> - 11 1 6 5 2. - 1 - <_> - - <_> - 2 6 6 1 -1. - <_> - 2 6 3 1 2. - 1 - <_> - - <_> - 16 6 1 6 -1. - <_> - 14 8 1 2 3. - 1 - <_> - - <_> - 14 6 1 3 -1. - <_> - 13 7 1 1 3. - 1 - <_> - - <_> - 0 6 18 3 -1. - <_> - 6 7 6 1 9. - <_> - - <_> - 14 7 6 3 -1. - <_> - 14 7 3 3 2. - 1 - <_> - - <_> - 7 12 4 3 -1. - <_> - 7 12 2 3 2. - 1 - <_> - - <_> - 18 8 2 8 -1. - <_> - 18 8 1 4 2. - <_> - 19 12 1 4 2. - <_> - - <_> - 15 1 4 2 -1. - <_> - 16 2 2 2 2. - 1 - <_> - - <_> - 14 0 2 10 -1. - <_> - 14 0 1 5 2. - <_> - 15 5 1 5 2. - <_> - - <_> - 10 1 2 6 -1. - <_> - 10 1 1 3 2. - <_> - 11 4 1 3 2. - <_> - - <_> - 16 2 2 3 -1. - <_> - 17 2 1 3 2. - <_> - - <_> - 12 2 4 1 -1. - <_> - 14 2 2 1 2. - <_> - - <_> - 0 1 4 2 -1. - <_> - 0 2 4 1 2. - <_> - - <_> - 12 11 3 4 -1. - <_> - 13 12 1 4 3. - 1 - <_> - - <_> - 8 12 8 7 -1. - <_> - 10 12 4 7 2. - <_> - - <_> - 2 5 6 8 -1. - <_> - 4 5 2 8 3. - <_> - - <_> - 18 17 2 2 -1. - <_> - 18 17 1 1 2. - <_> - 19 18 1 1 2. - <_> - - <_> - 5 14 1 2 -1. - <_> - 5 15 1 1 2. - <_> - - <_> - 1 10 6 1 -1. - <_> - 3 10 2 1 3. - <_> - - <_> - 6 6 6 12 -1. - <_> - 9 6 3 12 2. - <_> - - <_> - 18 2 2 12 -1. - <_> - 18 2 1 6 2. - <_> - 19 8 1 6 2. - <_> - - <_> - 2 16 9 3 -1. - <_> - 2 17 9 1 3. - <_> - - <_> - 10 9 10 9 -1. - <_> - 10 12 10 3 3. - <_> - - <_> - 13 14 3 4 -1. - <_> - 13 15 3 2 2. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 2 16 5 3 -1. - <_> - 2 17 5 1 3. - <_> - - <_> - 11 19 6 1 -1. - <_> - 13 19 2 1 3. - <_> - - <_> - 9 1 6 15 -1. - <_> - 11 6 2 5 9. - <_> - - <_> - 15 10 2 8 -1. - <_> - 15 10 1 4 2. - <_> - 16 14 1 4 2. - <_> - - <_> - 0 7 6 12 -1. - <_> - 2 11 2 4 9. - <_> - - <_> - 11 2 9 4 -1. - <_> - 11 2 9 2 2. - 1 - <_> - - <_> - 5 9 2 3 -1. - <_> - 5 9 1 3 2. - 1 - <_> - - <_> - 14 8 3 4 -1. - <_> - 15 8 1 4 3. - <_> - - <_> - 2 13 18 4 -1. - <_> - 11 13 9 4 2. - <_> - - <_> - 0 0 20 14 -1. - <_> - 10 0 10 14 2. - <_> - - <_> - 0 9 6 11 -1. - <_> - 2 9 2 11 3. - <_> - - <_> - 2 0 3 17 -1. - <_> - 3 0 1 17 3. - <_> - - <_> - 1 0 18 7 -1. - <_> - 7 0 6 7 3. - <_> - - <_> - 7 3 4 6 -1. - <_> - 9 3 2 6 2. - <_> - - <_> - 6 0 14 20 -1. - <_> - 6 0 7 10 2. - <_> - 13 10 7 10 2. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 6 1 1 2. - <_> - 19 7 1 1 2. - <_> - - <_> - 13 9 4 3 -1. - <_> - 14 10 2 3 2. - 1 - <_> - - <_> - 10 11 2 6 -1. - <_> - 8 13 2 2 3. - 1 - <_> - - <_> - 18 15 2 1 -1. - <_> - 18 15 1 1 2. - 1 - <_> - - <_> - 8 16 4 2 -1. - <_> - 9 16 2 2 2. - <_> - - <_> - 6 17 4 1 -1. - <_> - 7 17 2 1 2. - <_> - - <_> - 7 0 12 5 -1. - <_> - 10 0 6 5 2. - <_> - - <_> - 6 4 9 3 -1. - <_> - 6 5 9 1 3. - <_> - - <_> - 15 0 4 2 -1. - <_> - 15 1 4 1 2. - <_> - - <_> - 6 0 9 20 -1. - <_> - 6 5 9 10 2. - <_> - - <_> - 0 7 11 12 -1. - <_> - 0 13 11 6 2. - <_> - - <_> - 1 8 10 1 -1. - <_> - 1 8 5 1 2. - 1 - <_> - - <_> - 12 1 2 10 -1. - <_> - 12 6 2 5 2. - <_> - - <_> - 18 5 1 6 -1. - <_> - 18 8 1 3 2. - <_> - - <_> - 5 10 12 1 -1. - <_> - 9 10 4 1 3. - <_> - - <_> - 11 12 9 4 -1. - <_> - 14 12 3 4 3. - <_> - - <_> - 12 8 7 4 -1. - <_> - 11 9 7 2 2. - 1 - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 15 8 2 8 -1. - <_> - 15 8 1 4 2. - <_> - 16 12 1 4 2. - <_> - - <_> - 1 16 9 2 -1. - <_> - 1 17 9 1 2. - <_> - - <_> - 5 2 14 12 -1. - <_> - 5 5 14 6 2. - <_> - - <_> - 2 10 2 10 -1. - <_> - 2 15 2 5 2. - <_> - - <_> - 1 0 12 5 -1. - <_> - 5 0 4 5 3. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 17 1 1 2. - 1 - <_> - - <_> - 12 1 8 2 -1. - <_> - 12 1 4 1 2. - <_> - 16 2 4 1 2. - <_> - - <_> - 3 5 8 6 -1. - <_> - 5 5 4 6 2. - <_> - - <_> - 5 1 4 4 -1. - <_> - 4 2 4 2 2. - 1 - <_> - - <_> - 6 3 1 14 -1. - <_> - 6 10 1 7 2. - <_> - - <_> - 15 10 2 10 -1. - <_> - 15 10 1 5 2. - <_> - 16 15 1 5 2. - <_> - - <_> - 10 2 9 4 -1. - <_> - 13 2 3 4 3. - <_> - - <_> - 15 6 1 9 -1. - <_> - 15 9 1 3 3. - <_> - - <_> - 3 2 6 2 -1. - <_> - 5 2 2 2 3. - <_> - - <_> - 15 5 4 2 -1. - <_> - 15 5 2 1 2. - <_> - 17 6 2 1 2. - <_> - - <_> - 8 2 6 4 -1. - <_> - 8 3 6 2 2. - <_> - - <_> - 17 18 1 2 -1. - <_> - 17 19 1 1 2. - <_> - - <_> - 1 13 6 3 -1. - <_> - 3 14 2 1 9. - <_> - - <_> - 2 16 14 2 -1. - <_> - 2 16 7 1 2. - <_> - 9 17 7 1 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 5 0 1 3 2. - <_> - - <_> - 8 6 3 1 -1. - <_> - 9 7 1 1 3. - 1 - <_> - - <_> - 11 6 2 3 -1. - <_> - 10 7 2 1 3. - 1 - <_> - - <_> - 4 11 10 2 -1. - <_> - 4 12 10 1 2. - <_> - - <_> - 0 8 15 6 -1. - <_> - 0 10 15 2 3. - <_> - - <_> - 3 18 8 1 -1. - <_> - 5 18 4 1 2. - <_> - - <_> - 14 2 3 2 -1. - <_> - 15 3 1 2 3. - 1 - <_> - - <_> - 17 1 3 4 -1. - <_> - 18 1 1 4 3. - <_> - - <_> - 8 17 4 2 -1. - <_> - 10 17 2 2 2. - <_> - - <_> - 12 8 2 3 -1. - <_> - 11 9 2 1 3. - 1 - <_> - - <_> - 5 7 4 2 -1. - <_> - 5 7 2 1 2. - <_> - 7 8 2 1 2. - <_> - - <_> - 3 12 6 5 -1. - <_> - 6 12 3 5 2. - <_> - - <_> - 7 7 10 6 -1. - <_> - 7 9 10 2 3. - <_> - - <_> - 4 3 9 16 -1. - <_> - 7 3 3 16 3. - <_> - - <_> - 5 10 6 8 -1. - <_> - 5 12 6 4 2. - <_> - - <_> - 17 7 2 3 -1. - <_> - 17 7 1 3 2. - 1 - <_> - - <_> - 16 0 1 12 -1. - <_> - 16 6 1 6 2. - <_> - - <_> - 13 4 5 2 -1. - <_> - 13 5 5 1 2. - <_> - - <_> - 17 4 3 3 -1. - <_> - 17 5 3 1 3. - <_> - - <_> - 10 1 9 6 -1. - <_> - 13 1 3 6 3. - <_> - - <_> - 7 7 13 4 -1. - <_> - 7 8 13 2 2. - <_> - - <_> - 13 11 6 2 -1. - <_> - 13 11 3 1 2. - <_> - 16 12 3 1 2. - <_> - - <_> - 10 2 5 3 -1. - <_> - 10 3 5 1 3. - <_> - - <_> - 1 8 4 2 -1. - <_> - 1 8 2 1 2. - <_> - 3 9 2 1 2. - <_> - - <_> - 19 8 1 4 -1. - <_> - 19 9 1 2 2. - <_> - - <_> - 4 9 3 2 -1. - <_> - 5 10 1 2 3. - 1 - <_> - - <_> - 4 4 15 9 -1. - <_> - 9 7 5 3 9. - <_> - - <_> - 8 0 9 11 -1. - <_> - 11 0 3 11 3. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 16 16 1 3 -1. - <_> - 16 17 1 1 3. - <_> - - <_> - 14 16 3 3 -1. - <_> - 14 17 3 1 3. - <_> - - <_> - 12 12 4 6 -1. - <_> - 13 12 2 6 2. - <_> - - <_> - 10 10 1 6 -1. - <_> - 8 12 1 2 3. - 1 - <_> - - <_> - 8 19 12 1 -1. - <_> - 11 19 6 1 2. - <_> - - <_> - 14 16 2 2 -1. - <_> - 14 16 1 1 2. - <_> - 15 17 1 1 2. - <_> - - <_> - 4 8 1 4 -1. - <_> - 3 9 1 2 2. - 1 - <_> - - <_> - 6 9 4 2 -1. - <_> - 6 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 2 2 6 1 -1. - <_> - 2 2 3 1 2. - 1 - <_> - - <_> - 12 8 3 1 -1. - <_> - 13 8 1 1 3. - <_> - - <_> - 13 3 2 6 -1. - <_> - 13 3 1 3 2. - <_> - 14 6 1 3 2. - <_> - - <_> - 7 9 3 5 -1. - <_> - 8 9 1 5 3. - <_> - - <_> - 6 1 2 17 -1. - <_> - 7 1 1 17 2. - <_> - - <_> - 15 1 4 11 -1. - <_> - 17 1 2 11 2. - <_> - - <_> - 12 9 2 1 -1. - <_> - 13 9 1 1 2. - <_> - - <_> - 14 6 3 3 -1. - <_> - 15 6 1 3 3. - <_> - - <_> - 1 6 2 4 -1. - <_> - 1 6 1 2 2. - <_> - 2 8 1 2 2. - <_> - - <_> - 3 7 2 12 -1. - <_> - 3 7 1 6 2. - <_> - 4 13 1 6 2. - <_> - - <_> - 2 18 2 2 -1. - <_> - 2 18 1 1 2. - <_> - 3 19 1 1 2. - <_> - - <_> - 8 9 4 7 -1. - <_> - 8 9 2 7 2. - 1 - <_> - - <_> - 19 5 1 4 -1. - <_> - 19 7 1 2 2. - <_> - - <_> - 5 18 3 2 -1. - <_> - 5 19 3 1 2. - <_> - - <_> - 8 14 8 5 -1. - <_> - 10 14 4 5 2. - <_> - - <_> - 0 16 8 3 -1. - <_> - 4 16 4 3 2. - <_> - - <_> - 2 4 1 4 -1. - <_> - 2 5 1 2 2. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 7 17 8 3 -1. - <_> - 9 17 4 3 2. - <_> - - <_> - 7 19 8 1 -1. - <_> - 9 19 4 1 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 0 0 3 3 2. - <_> - 3 3 3 3 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 9 5 1 1 2. - <_> - 10 6 1 1 2. - <_> - - <_> - 8 17 1 3 -1. - <_> - 8 18 1 1 3. - <_> - - <_> - 8 18 12 2 -1. - <_> - 8 18 6 1 2. - <_> - 14 19 6 1 2. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 9 2 1 2. - 1 - <_> - - <_> - 8 18 3 2 -1. - <_> - 8 19 3 1 2. - <_> - - <_> - 0 2 2 18 -1. - <_> - 1 2 1 18 2. - <_> - - <_> - 0 19 12 1 -1. - <_> - 3 19 6 1 2. - <_> - - <_> - 3 12 6 1 -1. - <_> - 3 12 3 1 2. - 1 - <_> - - <_> - 6 11 14 5 -1. - <_> - 13 11 7 5 2. - <_> - - <_> - 13 4 6 10 -1. - <_> - 15 4 2 10 3. - <_> - - <_> - 0 0 6 1 -1. - <_> - 3 0 3 1 2. - <_> - - <_> - 15 7 1 12 -1. - <_> - 15 10 1 6 2. - <_> - - <_> - 14 9 4 2 -1. - <_> - 15 9 2 2 2. - <_> - - <_> - 6 9 9 11 -1. - <_> - 9 9 3 11 3. - <_> - - <_> - 12 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 2 3 6 13 -1. - <_> - 5 3 3 13 2. - <_> - - <_> - 16 7 4 3 -1. - <_> - 16 8 4 1 3. - <_> - - <_> - 6 7 2 6 -1. - <_> - 7 7 1 6 2. - <_> - - <_> - 17 0 3 1 -1. - <_> - 18 1 1 1 3. - 1 - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 12 2 8 2 -1. - <_> - 12 2 4 1 2. - <_> - 16 3 4 1 2. - <_> - - <_> - 4 1 10 4 -1. - <_> - 4 2 10 2 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 12 7 3 8 -1. - <_> - 10 9 3 4 2. - 1 - <_> - - <_> - 1 15 2 2 -1. - <_> - 1 15 1 1 2. - <_> - 2 16 1 1 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 0 8 2 12 -1. - <_> - 0 11 2 6 2. - <_> - - <_> - 10 6 4 8 -1. - <_> - 10 6 2 4 2. - <_> - 12 10 2 4 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 12 6 1 2 2. - <_> - 13 8 1 2 2. - <_> - - <_> - 3 12 4 2 -1. - <_> - 3 12 2 2 2. - 1 - <_> - - <_> - 7 9 8 1 -1. - <_> - 9 9 4 1 2. - <_> - - <_> - 3 1 3 16 -1. - <_> - 4 1 1 16 3. - <_> - - <_> - 8 10 6 9 -1. - <_> - 10 10 2 9 3. - <_> - - <_> - 16 14 3 3 -1. - <_> - 17 14 1 3 3. - <_> - - <_> - 14 8 6 12 -1. - <_> - 14 11 6 6 2. - <_> - - <_> - 14 19 6 1 -1. - <_> - 16 19 2 1 3. - <_> - - <_> - 5 8 8 5 -1. - <_> - 9 8 4 5 2. - <_> - - <_> - 9 3 8 3 -1. - <_> - 11 5 4 3 2. - 1 - <_> - - <_> - 9 9 6 10 -1. - <_> - 9 14 6 5 2. - <_> - - <_> - 16 8 3 2 -1. - <_> - 17 8 1 2 3. - <_> - - <_> - 3 0 3 2 -1. - <_> - 4 0 1 2 3. - <_> - - <_> - 13 10 2 1 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 17 17 2 3 -1. - <_> - 17 18 2 1 3. - <_> - - <_> - 15 14 2 2 -1. - <_> - 15 14 1 1 2. - <_> - 16 15 1 1 2. - <_> - - <_> - 16 18 4 2 -1. - <_> - 16 18 2 1 2. - <_> - 18 19 2 1 2. - <_> - - <_> - 4 17 3 2 -1. - <_> - 5 17 1 2 3. - <_> - - <_> - 1 0 11 2 -1. - <_> - 1 1 11 1 2. - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 1 10 1 2. - <_> - - <_> - 4 10 12 1 -1. - <_> - 8 10 4 1 3. - <_> - - <_> - 2 9 4 6 -1. - <_> - 2 9 2 3 2. - <_> - 4 12 2 3 2. - <_> - - <_> - 15 6 4 14 -1. - <_> - 15 6 2 7 2. - <_> - 17 13 2 7 2. - <_> - - <_> - 10 2 6 12 -1. - <_> - 12 6 2 4 9. - <_> - - <_> - 8 5 6 15 -1. - <_> - 10 10 2 5 9. - <_> - - <_> - 17 8 3 5 -1. - <_> - 18 9 1 5 3. - 1 - <_> - - <_> - 10 6 6 6 -1. - <_> - 12 8 2 6 3. - 1 - <_> - - <_> - 17 8 3 12 -1. - <_> - 18 8 1 12 3. - <_> - - <_> - 5 8 3 4 -1. - <_> - 5 10 3 2 2. - <_> - - <_> - 16 0 4 6 -1. - <_> - 16 0 2 3 2. - <_> - 18 3 2 3 2. - <_> - - <_> - 15 0 5 10 -1. - <_> - 15 5 5 5 2. - <_> - - <_> - 14 8 2 3 -1. - <_> - 15 8 1 3 2. - <_> - - <_> - 3 1 14 3 -1. - <_> - 2 2 14 1 3. - 1 - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 2 8 6 12 -1. - <_> - 4 8 2 12 3. - <_> - - <_> - 8 7 6 5 -1. - <_> - 10 9 2 5 3. - 1 - <_> - - <_> - 9 8 1 12 -1. - <_> - 9 12 1 4 3. - <_> - - <_> - 1 0 2 4 -1. - <_> - 2 0 1 4 2. - <_> - - <_> - 6 8 8 2 -1. - <_> - 8 8 4 2 2. - <_> - - <_> - 4 6 4 6 -1. - <_> - 5 6 2 6 2. - <_> - - <_> - 12 1 4 6 -1. - <_> - 13 1 2 6 2. - <_> - - <_> - 3 0 9 2 -1. - <_> - 3 0 9 1 2. - 1 - <_> - - <_> - 12 0 4 2 -1. - <_> - 12 1 4 1 2. - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 12 3 8 4 -1. - <_> - 12 5 8 2 2. - <_> - - <_> - 4 11 1 2 -1. - <_> - 4 11 1 1 2. - 1 - <_> - - <_> - 8 4 9 6 -1. - <_> - 11 4 3 6 3. - <_> - - <_> - 5 10 2 6 -1. - <_> - 5 10 1 3 2. - <_> - 6 13 1 3 2. - <_> - - <_> - 5 10 4 3 -1. - <_> - 6 10 2 3 2. - <_> - - <_> - 12 4 3 1 -1. - <_> - 13 4 1 1 3. - <_> - - <_> - 2 11 18 6 -1. - <_> - 2 13 18 2 3. - <_> - - <_> - 8 6 10 14 -1. - <_> - 8 6 5 7 2. - <_> - 13 13 5 7 2. - <_> - - <_> - 2 2 12 2 -1. - <_> - 2 2 6 1 2. - <_> - 8 3 6 1 2. - <_> - - <_> - 10 7 6 10 -1. - <_> - 10 7 3 5 2. - <_> - 13 12 3 5 2. - <_> - - <_> - 1 2 4 4 -1. - <_> - 3 2 2 4 2. - <_> - - <_> - 3 0 13 2 -1. - <_> - 3 1 13 1 2. - <_> - - <_> - 3 2 11 3 -1. - <_> - 3 3 11 1 3. - <_> - - <_> - 14 8 3 4 -1. - <_> - 14 9 3 2 2. - <_> - - <_> - 9 8 10 4 -1. - <_> - 9 9 10 2 2. - <_> - - <_> - 6 8 6 12 -1. - <_> - 8 8 2 12 3. - <_> - - <_> - 4 7 3 3 -1. - <_> - 5 8 1 1 9. - <_> - - <_> - 1 5 12 15 -1. - <_> - 4 5 6 15 2. - <_> - - <_> - 8 8 8 2 -1. - <_> - 10 8 4 2 2. - <_> - - <_> - 18 0 2 6 -1. - <_> - 19 0 1 6 2. - <_> - - <_> - 6 1 12 5 -1. - <_> - 12 1 6 5 2. - <_> - - <_> - 8 1 6 4 -1. - <_> - 10 1 2 4 3. - <_> - - <_> - 17 5 3 2 -1. - <_> - 18 6 1 2 3. - 1 - <_> - - <_> - 11 1 6 9 -1. - <_> - 8 4 6 3 3. - 1 - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 1 1 2. - <_> - 17 17 1 1 2. - <_> - - <_> - 18 16 1 3 -1. - <_> - 18 17 1 1 3. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 8 3 1 16 -1. - <_> - 8 11 1 8 2. - <_> - - <_> - 17 2 2 8 -1. - <_> - 17 2 1 8 2. - 1 - <_> - - <_> - 5 3 4 2 -1. - <_> - 7 3 2 2 2. - <_> - - <_> - 14 6 3 3 -1. - <_> - 15 7 1 1 9. - <_> - - <_> - 2 0 8 9 -1. - <_> - 4 0 4 9 2. - <_> - - <_> - 16 0 3 8 -1. - <_> - 17 0 1 8 3. - <_> - - <_> - 16 0 3 8 -1. - <_> - 17 0 1 8 3. - <_> - - <_> - 17 18 2 2 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 11 10 8 4 -1. - <_> - 13 10 4 4 2. - <_> - - <_> - 17 5 2 2 -1. - <_> - 17 6 2 1 2. - <_> - - <_> - 12 9 4 3 -1. - <_> - 13 9 2 3 2. - <_> - - <_> - 15 7 3 7 -1. - <_> - 16 7 1 7 3. - <_> - - <_> - 1 5 4 6 -1. - <_> - 2 5 2 6 2. - <_> - - <_> - 2 2 18 10 -1. - <_> - 2 2 9 5 2. - <_> - 11 7 9 5 2. - <_> - - <_> - 8 4 2 3 -1. - <_> - 9 4 1 3 2. - <_> - - <_> - 3 3 12 2 -1. - <_> - 6 6 6 2 2. - 1 - <_> - - <_> - 5 3 12 6 -1. - <_> - 9 3 4 6 3. - <_> - - <_> - 15 7 2 3 -1. - <_> - 15 8 2 1 3. - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 12 4 3 2. - <_> - - <_> - 1 15 6 4 -1. - <_> - 1 15 3 2 2. - <_> - 4 17 3 2 2. - <_> - - <_> - 2 9 2 6 -1. - <_> - 3 9 1 6 2. - <_> - - <_> - 1 18 3 2 -1. - <_> - 1 19 3 1 2. - <_> - - <_> - 16 9 3 2 -1. - <_> - 17 10 1 2 3. - 1 - <_> - - <_> - 7 10 3 4 -1. - <_> - 6 11 3 2 2. - 1 - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 16 5 1 1 2. - <_> - 17 6 1 1 2. - <_> - - <_> - 0 1 2 8 -1. - <_> - 0 1 1 4 2. - <_> - 1 5 1 4 2. - <_> - - <_> - 7 17 6 3 -1. - <_> - 9 17 2 3 3. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 2 13 2 6 -1. - <_> - 2 13 1 3 2. - <_> - 3 16 1 3 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 2 10 16 10 -1. - <_> - 2 15 16 5 2. - <_> - - <_> - 10 18 4 2 -1. - <_> - 12 18 2 2 2. - <_> - - <_> - 6 6 4 8 -1. - <_> - 7 6 2 8 2. - <_> - - <_> - 9 10 3 1 -1. - <_> - 10 11 1 1 3. - 1 - <_> - - <_> - 1 13 4 3 -1. - <_> - 3 13 2 3 2. - <_> - - <_> - 5 11 7 2 -1. - <_> - 5 12 7 1 2. - <_> - - <_> - 1 9 3 3 -1. - <_> - 1 10 3 1 3. - <_> - - <_> - 10 7 6 6 -1. - <_> - 12 9 2 2 9. - <_> - - <_> - 5 7 2 4 -1. - <_> - 4 8 2 2 2. - 1 - <_> - - <_> - 5 10 2 4 -1. - <_> - 5 10 1 2 2. - <_> - 6 12 1 2 2. - <_> - - <_> - 14 16 2 2 -1. - <_> - 14 16 1 1 2. - <_> - 15 17 1 1 2. - <_> - - <_> - 2 9 2 10 -1. - <_> - 2 9 1 5 2. - <_> - 3 14 1 5 2. - <_> - - <_> - 14 17 4 2 -1. - <_> - 14 18 4 1 2. - <_> - - <_> - 4 16 1 3 -1. - <_> - 3 17 1 1 3. - 1 - <_> - - <_> - 13 12 4 3 -1. - <_> - 14 13 2 3 2. - 1 - <_> - - <_> - 16 6 4 1 -1. - <_> - 17 7 2 1 2. - 1 - <_> - - <_> - 11 0 9 6 -1. - <_> - 11 3 9 3 2. - <_> - - <_> - 16 13 3 3 -1. - <_> - 15 14 3 1 3. - 1 - <_> - - <_> - 0 7 3 6 -1. - <_> - 1 9 1 2 9. - <_> - - <_> - 11 5 7 2 -1. - <_> - 11 6 7 1 2. - <_> - - <_> - 6 17 6 3 -1. - <_> - 6 18 6 1 3. - <_> - - <_> - 15 17 3 3 -1. - <_> - 16 18 1 1 9. - <_> - - <_> - 7 4 6 1 -1. - <_> - 9 4 2 1 3. - <_> - - <_> - 8 10 6 3 -1. - <_> - 10 10 2 3 3. - <_> - - <_> - 1 5 1 4 -1. - <_> - 1 6 1 2 2. - <_> - - <_> - 12 6 1 4 -1. - <_> - 12 8 1 2 2. - <_> - - <_> - 2 6 3 1 -1. - <_> - 3 7 1 1 3. - 1 - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 2 2 12 1 -1. - <_> - 8 2 6 1 2. - <_> - - <_> - 18 0 2 4 -1. - <_> - 18 0 1 4 2. - 1 - <_> - - <_> - 1 6 2 1 -1. - <_> - 1 6 1 1 2. - 1 - <_> - - <_> - 4 6 1 4 -1. - <_> - 4 7 1 2 2. - <_> - - <_> - 1 3 19 9 -1. - <_> - 1 6 19 3 3. - <_> - - <_> - 0 0 4 20 -1. - <_> - 0 5 4 10 2. - <_> - - <_> - 0 9 12 2 -1. - <_> - 6 9 6 2 2. - <_> - - <_> - 6 8 6 11 -1. - <_> - 8 8 2 11 3. - <_> - - <_> - 9 7 9 1 -1. - <_> - 12 7 3 1 3. - <_> - - <_> - 4 3 3 8 -1. - <_> - 5 3 1 8 3. - <_> - - <_> - 7 3 2 11 -1. - <_> - 8 3 1 11 2. - <_> - - <_> - 18 4 2 1 -1. - <_> - 18 4 1 1 2. - 1 - <_> - - <_> - 3 8 4 9 -1. - <_> - 5 8 2 9 2. - <_> - - <_> - 16 5 1 12 -1. - <_> - 12 9 1 4 3. - 1 - <_> - - <_> - 2 19 2 1 -1. - <_> - 3 19 1 1 2. - <_> - - <_> - 2 1 6 6 -1. - <_> - 5 1 3 6 2. - <_> - - <_> - 11 0 8 1 -1. - <_> - 15 0 4 1 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 16 0 2 1 2. - <_> - - <_> - 5 4 12 1 -1. - <_> - 11 4 6 1 2. - <_> - - <_> - 10 6 8 2 -1. - <_> - 10 6 4 1 2. - <_> - 14 7 4 1 2. - <_> - - <_> - 6 0 9 3 -1. - <_> - 5 1 9 1 3. - 1 - <_> - - <_> - 0 8 4 6 -1. - <_> - 2 8 2 6 2. - <_> - - <_> - 2 8 3 12 -1. - <_> - 3 8 1 12 3. - <_> - - <_> - 1 17 7 3 -1. - <_> - 1 18 7 1 3. - <_> - - <_> - 1 16 8 2 -1. - <_> - 1 17 8 1 2. - <_> - - <_> - 15 9 2 6 -1. - <_> - 15 9 1 3 2. - <_> - 16 12 1 3 2. - <_> - - <_> - 5 10 12 1 -1. - <_> - 8 10 6 1 2. - <_> - - <_> - 14 11 4 3 -1. - <_> - 15 11 2 3 2. - <_> - - <_> - 2 2 3 15 -1. - <_> - 3 7 1 5 9. - <_> - - <_> - 4 5 3 9 -1. - <_> - 5 8 1 3 9. - <_> - - <_> - 1 8 12 2 -1. - <_> - 7 8 6 2 2. - <_> - - <_> - 15 15 4 5 -1. - <_> - 17 15 2 5 2. - <_> - - <_> - 10 13 9 7 -1. - <_> - 13 13 3 7 3. - <_> - - <_> - 9 5 5 3 -1. - <_> - 8 6 5 1 3. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 2 8 2 2. - <_> - - <_> - 6 3 2 6 -1. - <_> - 4 5 2 2 3. - 1 - <_> - - <_> - 10 10 1 4 -1. - <_> - 10 11 1 2 2. - <_> - - <_> - 1 17 5 3 -1. - <_> - 1 18 5 1 3. - <_> - - <_> - 2 4 10 1 -1. - <_> - 2 4 5 1 2. - 1 - <_> - - <_> - 4 18 1 2 -1. - <_> - 4 19 1 1 2. - <_> - - <_> - 5 7 1 3 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 6 11 4 3 -1. - <_> - 6 11 2 3 2. - 1 - <_> - - <_> - 17 16 3 4 -1. - <_> - 17 18 3 2 2. - <_> - - <_> - 6 11 11 4 -1. - <_> - 6 12 11 2 2. - <_> - - <_> - 6 5 6 1 -1. - <_> - 8 5 2 1 3. - <_> - - <_> - 17 12 2 8 -1. - <_> - 17 16 2 4 2. - <_> - - <_> - 17 6 2 4 -1. - <_> - 17 8 2 2 2. - <_> - - <_> - 10 8 6 2 -1. - <_> - 10 9 6 1 2. - <_> - - <_> - 5 8 3 12 -1. - <_> - 5 12 3 4 3. - <_> - - <_> - 19 7 1 4 -1. - <_> - 19 9 1 2 2. - <_> - - <_> - 1 10 6 1 -1. - <_> - 3 10 2 1 3. - <_> - - <_> - 7 10 3 2 -1. - <_> - 7 10 3 1 2. - 1 - <_> - - <_> - 2 2 8 11 -1. - <_> - 6 2 4 11 2. - <_> - - <_> - 18 4 2 7 -1. - <_> - 18 4 1 7 2. - 1 - <_> - - <_> - 11 3 2 8 -1. - <_> - 11 7 2 4 2. - <_> - - <_> - 16 6 3 3 -1. - <_> - 15 7 3 1 3. - 1 - <_> - - <_> - 10 8 3 7 -1. - <_> - 11 9 1 7 3. - 1 - <_> - - <_> - 14 9 2 6 -1. - <_> - 15 9 1 6 2. - <_> - - <_> - 9 17 6 1 -1. - <_> - 11 17 2 1 3. - <_> - - <_> - 11 4 9 9 -1. - <_> - 14 7 3 3 9. - <_> - - <_> - 14 7 4 7 -1. - <_> - 15 7 2 7 2. - <_> - - <_> - 16 2 3 6 -1. - <_> - 17 2 1 6 3. - <_> - - <_> - 14 13 2 7 -1. - <_> - 15 13 1 7 2. - <_> - - <_> - 0 4 18 12 -1. - <_> - 6 8 6 4 9. - <_> - - <_> - 3 6 7 9 -1. - <_> - 3 9 7 3 3. - <_> - - <_> - 17 4 3 4 -1. - <_> - 18 4 1 4 3. - <_> - - <_> - 5 15 3 3 -1. - <_> - 6 15 1 3 3. - <_> - - <_> - 0 12 2 1 -1. - <_> - 1 12 1 1 2. - <_> - - <_> - 5 8 11 4 -1. - <_> - 5 9 11 2 2. - <_> - - <_> - 8 13 4 7 -1. - <_> - 9 13 2 7 2. - <_> - - <_> - 7 7 5 2 -1. - <_> - 7 8 5 1 2. - <_> - - <_> - 5 9 14 3 -1. - <_> - 5 10 14 1 3. - <_> - - <_> - 15 9 5 4 -1. - <_> - 15 10 5 2 2. - <_> - - <_> - 13 9 3 3 -1. - <_> - 12 10 3 1 3. - 1 - <_> - - <_> - 4 11 4 4 -1. - <_> - 3 12 4 2 2. - 1 - <_> - - <_> - 13 7 2 13 -1. - <_> - 14 7 1 13 2. - <_> - - <_> - 8 8 5 2 -1. - <_> - 8 9 5 1 2. - <_> - - <_> - 5 14 6 4 -1. - <_> - 7 14 2 4 3. - <_> - - <_> - 6 16 3 1 -1. - <_> - 7 17 1 1 3. - 1 - <_> - - <_> - 1 0 18 3 -1. - <_> - 7 1 6 1 9. - <_> - - <_> - 8 0 2 15 -1. - <_> - 8 5 2 5 3. - <_> - - <_> - 13 1 2 4 -1. - <_> - 13 2 2 2 2. - <_> - - <_> - 11 11 9 4 -1. - <_> - 11 12 9 2 2. - <_> - - <_> - 2 11 3 2 -1. - <_> - 2 11 3 1 2. - 1 - <_> - - <_> - 3 5 1 3 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 4 17 16 1 -1. - <_> - 8 17 8 1 2. - <_> - - <_> - 4 16 8 3 -1. - <_> - 8 16 4 3 2. - <_> - - <_> - 4 2 4 1 -1. - <_> - 6 2 2 1 2. - <_> - - <_> - 6 4 9 3 -1. - <_> - 6 5 9 1 3. - <_> - - <_> - 6 1 4 1 -1. - <_> - 7 1 2 1 2. - <_> - - <_> - 3 0 7 3 -1. - <_> - 2 1 7 1 3. - 1 - <_> - - <_> - 6 9 3 2 -1. - <_> - 7 9 1 2 3. - <_> - - <_> - 18 3 2 10 -1. - <_> - 18 3 1 5 2. - <_> - 19 8 1 5 2. - <_> - - <_> - 0 9 10 4 -1. - <_> - 0 9 5 2 2. - <_> - 5 11 5 2 2. - <_> - - <_> - 0 3 8 6 -1. - <_> - 0 3 4 3 2. - <_> - 4 6 4 3 2. - <_> - - <_> - 14 8 6 4 -1. - <_> - 14 10 6 2 2. - <_> - - <_> - 17 6 1 2 -1. - <_> - 17 6 1 1 2. - 1 - <_> - - <_> - 14 4 1 10 -1. - <_> - 14 9 1 5 2. - <_> - - <_> - 16 15 2 1 -1. - <_> - 16 15 1 1 2. - 1 - <_> - - <_> - 4 11 4 8 -1. - <_> - 5 11 2 8 2. - <_> - - <_> - 6 13 8 1 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 13 0 6 11 -1. - <_> - 16 0 3 11 2. - <_> - - <_> - 10 1 8 12 -1. - <_> - 10 4 8 6 2. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 0 15 2 4 -1. - <_> - 0 16 2 2 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 10 3 10 4 -1. - <_> - 10 3 5 2 2. - <_> - 15 5 5 2 2. - <_> - - <_> - 16 7 3 3 -1. - <_> - 15 8 3 1 3. - 1 - <_> - - <_> - 1 0 12 6 -1. - <_> - 4 0 6 6 2. - <_> - - <_> - 7 0 12 8 -1. - <_> - 10 0 6 8 2. - <_> - - <_> - 5 8 2 3 -1. - <_> - 5 8 1 3 2. - 1 - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 1 1 2. - <_> - 17 12 1 1 2. - <_> - - <_> - 15 0 3 12 -1. - <_> - 16 0 1 12 3. - <_> - - <_> - 14 1 3 5 -1. - <_> - 15 2 1 5 3. - 1 - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 1 2. - <_> - 19 19 1 1 2. - <_> - - <_> - 6 15 2 2 -1. - <_> - 6 15 1 1 2. - <_> - 7 16 1 1 2. - <_> - - <_> - 4 16 2 2 -1. - <_> - 4 16 1 1 2. - <_> - 5 17 1 1 2. - <_> - - <_> - 9 8 3 3 -1. - <_> - 8 9 3 1 3. - 1 - <_> - - <_> - 3 8 3 8 -1. - <_> - 3 10 3 4 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 17 4 1 8 -1. - <_> - 17 4 1 4 2. - 1 - <_> - - <_> - 3 15 10 4 -1. - <_> - 3 15 5 2 2. - <_> - 8 17 5 2 2. - <_> - - <_> - 13 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 8 5 8 7 -1. - <_> - 8 5 4 7 2. - 1 - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 15 10 2 3 -1. - <_> - 14 11 2 1 3. - 1 - <_> - - <_> - 11 9 2 3 -1. - <_> - 11 10 2 1 3. - <_> - - <_> - 17 8 3 3 -1. - <_> - 17 9 3 1 3. - <_> - - <_> - 4 1 2 12 -1. - <_> - 4 4 2 6 2. - <_> - - <_> - 11 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 5 2 9 12 -1. - <_> - 5 8 9 6 2. - <_> - - <_> - 13 5 6 4 -1. - <_> - 13 5 3 2 2. - <_> - 16 7 3 2 2. - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 3 5 10 12 -1. - <_> - 3 5 5 6 2. - <_> - 8 11 5 6 2. - <_> - - <_> - 0 9 9 6 -1. - <_> - 3 11 3 2 9. - <_> - - <_> - 1 4 8 7 -1. - <_> - 5 4 4 7 2. - <_> - - <_> - 15 7 4 5 -1. - <_> - 16 7 2 5 2. - <_> - - <_> - 18 6 2 4 -1. - <_> - 19 6 1 4 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 9 1 3 2. - 1 - <_> - - <_> - 3 2 3 17 -1. - <_> - 4 2 1 17 3. - <_> - - <_> - 18 9 2 10 -1. - <_> - 18 14 2 5 2. - <_> - - <_> - 6 0 14 4 -1. - <_> - 5 1 14 2 2. - 1 - <_> - - <_> - 17 8 3 1 -1. - <_> - 18 9 1 1 3. - 1 - <_> - - <_> - 8 13 4 3 -1. - <_> - 9 13 2 3 2. - <_> - - <_> - 6 8 6 3 -1. - <_> - 5 9 6 1 3. - 1 - <_> - - <_> - 10 7 10 1 -1. - <_> - 10 7 5 1 2. - 1 - <_> - - <_> - 9 7 6 5 -1. - <_> - 12 7 3 5 2. - <_> - - <_> - 13 5 1 12 -1. - <_> - 13 5 1 6 2. - 1 - <_> - - <_> - 1 13 6 5 -1. - <_> - 4 13 3 5 2. - <_> - - <_> - 4 6 4 3 -1. - <_> - 5 7 2 3 2. - 1 - <_> - - <_> - 3 16 2 3 -1. - <_> - 4 16 1 3 2. - <_> - - <_> - 7 2 5 4 -1. - <_> - 7 2 5 2 2. - 1 - <_> - - <_> - 3 13 3 7 -1. - <_> - 4 13 1 7 3. - <_> - - <_> - 16 6 1 3 -1. - <_> - 16 7 1 1 3. - <_> - - <_> - 1 6 8 3 -1. - <_> - 5 6 4 3 2. - <_> - - <_> - 14 9 3 4 -1. - <_> - 13 10 3 2 2. - 1 - <_> - - <_> - 8 10 4 5 -1. - <_> - 9 10 2 5 2. - <_> - - <_> - 0 11 13 6 -1. - <_> - 0 14 13 3 2. - <_> - - <_> - 2 3 1 2 -1. - <_> - 2 3 1 1 2. - 1 - <_> - - <_> - 3 15 12 4 -1. - <_> - 6 15 6 4 2. - <_> - - <_> - 6 7 4 13 -1. - <_> - 7 7 2 13 2. - <_> - - <_> - 17 15 2 2 -1. - <_> - 17 15 1 1 2. - <_> - 18 16 1 1 2. - <_> - - <_> - 12 15 5 2 -1. - <_> - 12 16 5 1 2. - <_> - - <_> - 13 12 1 6 -1. - <_> - 13 14 1 2 3. - <_> - - <_> - 15 0 1 9 -1. - <_> - 12 3 1 3 3. - 1 - <_> - - <_> - 4 9 2 6 -1. - <_> - 4 9 1 3 2. - <_> - 5 12 1 3 2. - <_> - - <_> - 12 10 6 1 -1. - <_> - 14 10 2 1 3. - <_> - - <_> - 11 11 2 3 -1. - <_> - 11 11 1 3 2. - 1 - <_> - - <_> - 12 9 6 2 -1. - <_> - 14 9 2 2 3. - <_> - - <_> - 12 6 2 12 -1. - <_> - 12 6 2 6 2. - 1 - <_> - - <_> - 11 11 2 8 -1. - <_> - 11 11 1 4 2. - <_> - 12 15 1 4 2. - <_> - - <_> - 5 3 6 3 -1. - <_> - 7 3 2 3 3. - <_> - - <_> - 8 7 12 6 -1. - <_> - 8 9 12 2 3. - <_> - - <_> - 3 15 1 2 -1. - <_> - 3 15 1 1 2. - 1 - <_> - - <_> - 12 1 8 3 -1. - <_> - 14 1 4 3 2. - <_> - - <_> - 0 0 12 7 -1. - <_> - 4 0 4 7 3. - <_> - - <_> - 18 2 2 6 -1. - <_> - 18 2 1 3 2. - <_> - 19 5 1 3 2. - <_> - - <_> - 4 0 6 16 -1. - <_> - 4 0 3 8 2. - <_> - 7 8 3 8 2. - <_> - - <_> - 3 16 6 4 -1. - <_> - 5 16 2 4 3. - <_> - - <_> - 4 7 6 3 -1. - <_> - 3 8 6 1 3. - 1 - <_> - - <_> - 11 6 5 3 -1. - <_> - 10 7 5 1 3. - 1 - <_> - - <_> - 3 3 12 8 -1. - <_> - 3 7 12 4 2. - <_> - - <_> - 12 8 2 3 -1. - <_> - 12 9 2 1 3. - <_> - - <_> - 5 10 2 2 -1. - <_> - 6 10 1 2 2. - <_> - - <_> - 17 4 1 14 -1. - <_> - 17 4 1 7 2. - 1 - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 10 1 3 2. - 1 - <_> - - <_> - 6 5 4 9 -1. - <_> - 7 5 2 9 2. - <_> - - <_> - 7 5 12 1 -1. - <_> - 7 5 6 1 2. - 1 - <_> - - <_> - 2 16 2 2 -1. - <_> - 2 16 1 1 2. - <_> - 3 17 1 1 2. - <_> - - <_> - 15 5 3 3 -1. - <_> - 16 6 1 3 3. - 1 - <_> - - <_> - 10 7 3 8 -1. - <_> - 11 8 1 8 3. - 1 - <_> - - <_> - 7 3 3 3 -1. - <_> - 7 4 3 1 3. - <_> - - <_> - 13 3 5 6 -1. - <_> - 13 5 5 2 3. - <_> - - <_> - 0 15 5 3 -1. - <_> - 0 16 5 1 3. - <_> - - <_> - 2 18 18 1 -1. - <_> - 11 18 9 1 2. - <_> - - <_> - 11 14 4 2 -1. - <_> - 13 14 2 2 2. - <_> - - <_> - 3 15 7 2 -1. - <_> - 3 16 7 1 2. - <_> - - <_> - 13 9 3 3 -1. - <_> - 12 10 3 1 3. - 1 - <_> - - <_> - 13 0 3 12 -1. - <_> - 14 1 1 12 3. - 1 - <_> - - <_> - 9 5 3 5 -1. - <_> - 10 5 1 5 3. - <_> - - <_> - 18 14 2 4 -1. - <_> - 18 14 1 2 2. - <_> - 19 16 1 2 2. - <_> - - <_> - 16 19 4 1 -1. - <_> - 18 19 2 1 2. - <_> - - <_> - 17 15 2 5 -1. - <_> - 18 15 1 5 2. - <_> - - <_> - 0 17 6 3 -1. - <_> - 0 18 6 1 3. - <_> - - <_> - 0 4 1 14 -1. - <_> - 0 11 1 7 2. - <_> - - <_> - 5 11 3 5 -1. - <_> - 6 12 1 5 3. - 1 - <_> - - <_> - 12 8 3 1 -1. - <_> - 13 8 1 1 3. - <_> - - <_> - 18 0 2 7 -1. - <_> - 19 0 1 7 2. - <_> - - <_> - 3 8 6 10 -1. - <_> - 3 13 6 5 2. - <_> - - <_> - 17 0 2 5 -1. - <_> - 18 0 1 5 2. - <_> - - <_> - 18 0 2 12 -1. - <_> - 18 0 2 6 2. - 1 - <_> - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - <_> - - <_> - 1 1 5 12 -1. - <_> - 1 4 5 6 2. - <_> - - <_> - 2 5 1 14 -1. - <_> - 2 12 1 7 2. - <_> - - <_> - 6 0 9 7 -1. - <_> - 9 0 3 7 3. - <_> - - <_> - 16 1 4 6 -1. - <_> - 16 1 2 3 2. - <_> - 18 4 2 3 2. - <_> - - <_> - 16 0 4 6 -1. - <_> - 16 0 2 3 2. - <_> - 18 3 2 3 2. - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 17 1 1 3 -1. - <_> - 17 2 1 1 3. - <_> - - <_> - 1 8 3 4 -1. - <_> - 1 9 3 2 2. - <_> - - <_> - 6 0 4 15 -1. - <_> - 8 0 2 15 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 3 7 6 3 -1. - <_> - 5 8 2 1 9. - <_> - - <_> - 0 5 12 12 -1. - <_> - 4 5 4 12 3. - <_> - - <_> - 14 9 1 3 -1. - <_> - 13 10 1 1 3. - 1 - <_> - - <_> - 4 4 2 2 -1. - <_> - 4 5 2 1 2. - <_> - - <_> - 6 4 2 10 -1. - <_> - 6 9 2 5 2. - <_> - - <_> - 14 6 6 14 -1. - <_> - 14 6 3 7 2. - <_> - 17 13 3 7 2. - <_> - - <_> - 6 7 11 8 -1. - <_> - 6 11 11 4 2. - <_> - - <_> - 17 8 3 5 -1. - <_> - 18 9 1 5 3. - 1 - <_> - - <_> - 10 4 10 2 -1. - <_> - 10 4 5 1 2. - <_> - 15 5 5 1 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 5 8 4 2. - <_> - - <_> - 19 16 1 4 -1. - <_> - 19 18 1 2 2. - <_> - - <_> - 19 0 1 10 -1. - <_> - 19 5 1 5 2. - <_> - - <_> - 17 0 3 3 -1. - <_> - 17 1 3 1 3. - <_> - - <_> - 9 2 3 1 -1. - <_> - 10 2 1 1 3. - <_> - - <_> - 2 0 18 5 -1. - <_> - 8 0 6 5 3. - <_> - - <_> - 15 8 3 9 -1. - <_> - 15 11 3 3 3. - <_> - - <_> - 13 11 1 8 -1. - <_> - 13 13 1 4 2. - <_> - - <_> - 10 14 8 3 -1. - <_> - 14 14 4 3 2. - <_> - - <_> - 7 8 2 8 -1. - <_> - 7 8 1 4 2. - <_> - 8 12 1 4 2. - <_> - - <_> - 2 18 4 2 -1. - <_> - 2 18 2 1 2. - <_> - 4 19 2 1 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 4 6 2 1 3. - 1 - <_> - - <_> - 15 1 4 1 -1. - <_> - 17 1 2 1 2. - <_> - - <_> - 7 1 4 3 -1. - <_> - 6 2 4 1 3. - 1 - <_> - - <_> - 3 1 6 19 -1. - <_> - 6 1 3 19 2. - <_> - - <_> - 8 3 5 8 -1. - <_> - 8 7 5 4 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 0 0 10 1 2. - <_> - 10 1 10 1 2. - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 4 1 2. - <_> - 11 1 4 1 2. - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 7 1 1 9. - <_> - - <_> - 1 6 2 8 -1. - <_> - 1 6 1 4 2. - <_> - 2 10 1 4 2. - <_> - - <_> - 18 9 2 3 -1. - <_> - 17 10 2 1 3. - 1 - <_> - - <_> - 16 2 4 12 -1. - <_> - 13 5 4 6 2. - 1 - <_> - - <_> - 8 0 7 20 -1. - <_> - 8 5 7 10 2. - <_> - - <_> - 11 6 4 3 -1. - <_> - 11 7 4 1 3. - <_> - - <_> - 12 2 4 12 -1. - <_> - 12 8 4 6 2. - <_> - - <_> - 11 9 7 4 -1. - <_> - 11 10 7 2 2. - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 10 1 1 2. - <_> - - <_> - 6 9 5 3 -1. - <_> - 6 10 5 1 3. - <_> - - <_> - 8 6 12 2 -1. - <_> - 12 6 4 2 3. - <_> - - <_> - 0 11 4 4 -1. - <_> - 0 11 2 2 2. - <_> - 2 13 2 2 2. - <_> - - <_> - 0 9 4 8 -1. - <_> - 0 9 2 4 2. - <_> - 2 13 2 4 2. - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 7 3 5 2. - 1 - <_> - - <_> - 0 1 2 7 -1. - <_> - 1 1 1 7 2. - <_> - - <_> - 1 1 8 2 -1. - <_> - 1 1 4 1 2. - <_> - 5 2 4 1 2. - <_> - - <_> - 0 2 4 10 -1. - <_> - 2 2 2 10 2. - <_> - - <_> - 15 11 4 9 -1. - <_> - 16 11 2 9 2. - <_> - - <_> - 8 1 12 3 -1. - <_> - 8 1 6 3 2. - 1 - <_> - - <_> - 0 1 3 6 -1. - <_> - 1 1 1 6 3. - <_> - - <_> - 2 15 3 1 -1. - <_> - 3 15 1 1 3. - <_> - - <_> - 2 1 11 3 -1. - <_> - 2 2 11 1 3. - <_> - - <_> - 6 6 1 2 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 13 8 3 3 -1. - <_> - 14 9 1 3 3. - 1 - <_> - - <_> - 0 3 12 6 -1. - <_> - 4 5 4 2 9. - <_> - - <_> - 2 6 9 3 -1. - <_> - 5 6 3 3 3. - <_> - - <_> - 1 5 5 4 -1. - <_> - 1 6 5 2 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 15 0 1 2 2. - <_> - - <_> - 5 0 15 2 -1. - <_> - 10 0 5 2 3. - <_> - - <_> - 10 5 8 1 -1. - <_> - 14 5 4 1 2. - <_> - - <_> - 0 15 12 3 -1. - <_> - 4 16 4 1 9. - <_> - - <_> - 7 16 2 1 -1. - <_> - 8 16 1 1 2. - <_> - - <_> - 0 8 2 12 -1. - <_> - 1 8 1 12 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 11 2 2 10 -1. - <_> - 11 2 1 5 2. - <_> - 12 7 1 5 2. - <_> - - <_> - 7 1 2 13 -1. - <_> - 8 1 1 13 2. - <_> - - <_> - 15 14 2 4 -1. - <_> - 14 15 2 2 2. - 1 - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - 1 - <_> - - <_> - 6 8 10 2 -1. - <_> - 6 8 5 1 2. - <_> - 11 9 5 1 2. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 7 8 2 2. - <_> - - <_> - 9 5 4 2 -1. - <_> - 9 6 4 1 2. - <_> - - <_> - 4 9 10 2 -1. - <_> - 4 9 5 1 2. - <_> - 9 10 5 1 2. - <_> - - <_> - 14 4 6 2 -1. - <_> - 16 6 2 2 3. - 1 - <_> - - <_> - 9 2 3 2 -1. - <_> - 10 3 1 2 3. - 1 - <_> - - <_> - 14 1 2 12 -1. - <_> - 15 1 1 12 2. - <_> - - <_> - 6 0 12 14 -1. - <_> - 10 0 4 14 3. - <_> - - <_> - 16 5 3 4 -1. - <_> - 16 5 3 2 2. - 1 - <_> - - <_> - 0 3 3 3 -1. - <_> - 1 4 1 1 9. - <_> - - <_> - 5 5 8 6 -1. - <_> - 9 5 4 6 2. - <_> - - <_> - 9 7 4 2 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 0 18 18 2 -1. - <_> - 0 19 18 1 2. - <_> - - <_> - 3 18 16 2 -1. - <_> - 3 19 16 1 2. - <_> - - <_> - 13 17 6 3 -1. - <_> - 13 18 6 1 3. - <_> - - <_> - 1 17 17 3 -1. - <_> - 1 18 17 1 3. - <_> - - <_> - 15 8 1 4 -1. - <_> - 15 9 1 2 2. - <_> - - <_> - 1 9 6 6 -1. - <_> - 1 9 3 3 2. - <_> - 4 12 3 3 2. - <_> - - <_> - 8 15 12 2 -1. - <_> - 12 15 4 2 3. - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 5 11 1 1 2. - 1 - <_> - - <_> - 9 0 6 17 -1. - <_> - 11 0 2 17 3. - <_> - - <_> - 4 1 4 8 -1. - <_> - 4 1 2 4 2. - <_> - 6 5 2 4 2. - <_> - - <_> - 6 13 2 2 -1. - <_> - 6 13 1 2 2. - 1 - <_> - - <_> - 2 19 2 1 -1. - <_> - 3 19 1 1 2. - <_> - - <_> - 0 1 19 3 -1. - <_> - 0 2 19 1 3. - <_> - - <_> - 4 8 13 6 -1. - <_> - 4 11 13 3 2. - <_> - - <_> - 4 2 10 3 -1. - <_> - 4 3 10 1 3. - <_> - - <_> - 4 4 15 9 -1. - <_> - 9 7 5 3 9. - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 2 2 1 2. - 1 - <_> - - <_> - 8 2 3 18 -1. - <_> - 8 11 3 9 2. - <_> - - <_> - 3 16 1 3 -1. - <_> - 3 17 1 1 3. - <_> - - <_> - 3 12 15 2 -1. - <_> - 3 13 15 1 2. - <_> - - <_> - 3 16 6 4 -1. - <_> - 3 16 3 2 2. - <_> - 6 18 3 2 2. - <_> - - <_> - 16 0 2 9 -1. - <_> - 17 0 1 9 2. - <_> - - <_> - 17 9 2 3 -1. - <_> - 17 10 2 1 3. - <_> - - <_> - 14 4 4 4 -1. - <_> - 13 5 4 2 2. - 1 - <_> - - <_> - 11 3 6 6 -1. - <_> - 11 3 3 3 2. - <_> - 14 6 3 3 2. - <_> - - <_> - 3 15 1 4 -1. - <_> - 3 17 1 2 2. - <_> - - <_> - 2 0 2 1 -1. - <_> - 3 0 1 1 2. - <_> - - <_> - 4 9 3 2 -1. - <_> - 5 9 1 2 3. - <_> - - <_> - 7 5 6 9 -1. - <_> - 9 8 2 3 9. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 2 2. - 1 - <_> - - <_> - 0 11 5 9 -1. - <_> - 0 14 5 3 3. - <_> - - <_> - 8 10 4 1 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 4 3 1 4 -1. - <_> - 3 4 1 2 2. - 1 - <_> - - <_> - 1 2 18 12 -1. - <_> - 1 2 9 6 2. - <_> - 10 8 9 6 2. - <_> - - <_> - 5 2 1 4 -1. - <_> - 5 2 1 2 2. - 1 - <_> - - <_> - 0 2 2 2 -1. - <_> - 1 2 1 2 2. - <_> - - <_> - 4 2 12 4 -1. - <_> - 4 3 12 2 2. - <_> - - <_> - 7 7 3 3 -1. - <_> - 8 7 1 3 3. - <_> - - <_> - 4 6 6 6 -1. - <_> - 6 6 2 6 3. - <_> - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - <_> - - <_> - 17 11 3 3 -1. - <_> - 17 12 3 1 3. - <_> - - <_> - 16 0 3 9 -1. - <_> - 17 0 1 9 3. - <_> - - <_> - 13 1 2 2 -1. - <_> - 14 1 1 2 2. - <_> - - <_> - 4 5 8 9 -1. - <_> - 8 5 4 9 2. - <_> - - <_> - 10 0 2 2 -1. - <_> - 11 0 1 2 2. - <_> - - <_> - 10 3 4 4 -1. - <_> - 10 3 2 2 2. - <_> - 12 5 2 2 2. - <_> - - <_> - 5 0 8 1 -1. - <_> - 7 2 4 1 2. - 1 - <_> - - <_> - 0 3 2 12 -1. - <_> - 0 3 1 6 2. - <_> - 1 9 1 6 2. - <_> - - <_> - 5 8 2 4 -1. - <_> - 4 9 2 2 2. - 1 - <_> - - <_> - 0 1 1 12 -1. - <_> - 0 4 1 6 2. - <_> - - <_> - 16 11 3 6 -1. - <_> - 16 14 3 3 2. - <_> - - <_> - 6 9 1 3 -1. - <_> - 5 10 1 1 3. - 1 - <_> - - <_> - 13 0 4 18 -1. - <_> - 14 0 2 18 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 16 11 1 2 2. - <_> - - <_> - 15 16 3 3 -1. - <_> - 15 17 3 1 3. - <_> - - <_> - 16 9 4 1 -1. - <_> - 17 10 2 1 2. - 1 - <_> - - <_> - 4 0 8 2 -1. - <_> - 4 0 4 1 2. - <_> - 8 1 4 1 2. - <_> - - <_> - 9 15 8 4 -1. - <_> - 11 15 4 4 2. - <_> - - <_> - 15 18 2 2 -1. - <_> - 15 18 1 1 2. - <_> - 16 19 1 1 2. - <_> - - <_> - 15 2 4 4 -1. - <_> - 15 2 2 2 2. - <_> - 17 4 2 2 2. - <_> - - <_> - 19 5 1 12 -1. - <_> - 19 8 1 6 2. - <_> - - <_> - 15 14 5 3 -1. - <_> - 15 15 5 1 3. - <_> - - <_> - 15 18 2 2 -1. - <_> - 16 18 1 2 2. - <_> - - <_> - 15 18 2 1 -1. - <_> - 16 18 1 1 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 5 6 2 4 -1. - <_> - 5 7 2 2 2. - <_> - - <_> - 16 11 2 3 -1. - <_> - 15 12 2 1 3. - 1 - <_> - - <_> - 8 4 4 7 -1. - <_> - 9 5 2 7 2. - 1 - <_> - - <_> - 5 8 2 4 -1. - <_> - 5 9 2 2 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 9 10 2 2 2. - 1 - <_> - - <_> - 11 10 3 3 -1. - <_> - 12 10 1 3 3. - <_> - - <_> - 15 0 2 5 -1. - <_> - 16 0 1 5 2. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 9 1 1 3. - 1 - <_> - - <_> - 9 5 1 4 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 12 11 2 1 -1. - <_> - 13 11 1 1 2. - <_> - - <_> - 9 3 5 10 -1. - <_> - 9 8 5 5 2. - <_> - - <_> - 4 13 9 4 -1. - <_> - 4 15 9 2 2. - <_> - - <_> - 15 2 2 1 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 7 1 13 6 -1. - <_> - 7 3 13 2 3. - <_> - - <_> - 3 0 15 2 -1. - <_> - 3 1 15 1 2. - <_> - - <_> - 4 0 12 2 -1. - <_> - 4 1 12 1 2. - <_> - - <_> - 17 2 2 4 -1. - <_> - 17 3 2 2 2. - <_> - - <_> - 5 6 4 6 -1. - <_> - 5 6 2 3 2. - <_> - 7 9 2 3 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 7 18 13 2 -1. - <_> - 7 19 13 1 2. - <_> - - <_> - 16 2 1 6 -1. - <_> - 16 4 1 2 3. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 1 1 2. - <_> - 18 17 1 1 2. - <_> - - <_> - 4 4 5 2 -1. - <_> - 4 4 5 1 2. - 1 - <_> - - <_> - 14 17 2 2 -1. - <_> - 14 17 1 1 2. - <_> - 15 18 1 1 2. - <_> - - <_> - 15 1 2 2 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 15 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 6 10 3 7 -1. - <_> - 7 10 1 7 3. - <_> - - <_> - 12 9 6 5 -1. - <_> - 15 9 3 5 2. - <_> - - <_> - 7 4 3 6 -1. - <_> - 7 4 3 3 2. - 1 - <_> - - <_> - 2 6 8 10 -1. - <_> - 2 11 8 5 2. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 1 11 4 2 -1. - <_> - 1 12 4 1 2. - <_> - - <_> - 5 16 15 4 -1. - <_> - 5 17 15 2 2. - <_> - - <_> - 15 6 2 4 -1. - <_> - 15 7 2 2 2. - <_> - - <_> - 6 2 9 3 -1. - <_> - 6 3 9 1 3. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 8 2 10 3 -1. - <_> - 8 3 10 1 3. - <_> - - <_> - 18 8 2 4 -1. - <_> - 17 9 2 2 2. - 1 - <_> - - <_> - 2 5 1 12 -1. - <_> - 2 11 1 6 2. - <_> - - <_> - 17 13 3 6 -1. - <_> - 18 15 1 2 9. - <_> - - <_> - 13 5 3 2 -1. - <_> - 14 5 1 2 3. - <_> - - <_> - 3 2 3 2 -1. - <_> - 4 2 1 2 3. - <_> - - <_> - 4 4 12 5 -1. - <_> - 7 4 6 5 2. - <_> - - <_> - 5 15 2 2 -1. - <_> - 5 15 1 1 2. - <_> - 6 16 1 1 2. - <_> - - <_> - 10 0 8 3 -1. - <_> - 12 0 4 3 2. - <_> - - <_> - 11 0 8 6 -1. - <_> - 13 0 4 6 2. - <_> - - <_> - 4 1 12 8 -1. - <_> - 10 1 6 8 2. - <_> - - <_> - 18 10 2 3 -1. - <_> - 17 11 2 1 3. - 1 - <_> - - <_> - 12 1 6 3 -1. - <_> - 14 1 2 3 3. - <_> - - <_> - 1 16 1 3 -1. - <_> - 1 17 1 1 3. - <_> - - <_> - 10 9 1 2 -1. - <_> - 10 10 1 1 2. - <_> - - <_> - 19 13 1 4 -1. - <_> - 19 13 1 2 2. - 1 - <_> - - <_> - 9 6 3 6 -1. - <_> - 9 9 3 3 2. - <_> - - <_> - 2 9 18 10 -1. - <_> - 2 9 9 5 2. - <_> - 11 14 9 5 2. - <_> - - <_> - 11 4 5 6 -1. - <_> - 11 4 5 3 2. - 1 - <_> - - <_> - 17 0 2 4 -1. - <_> - 17 1 2 2 2. - <_> - - <_> - 2 3 3 4 -1. - <_> - 3 3 1 4 3. - <_> - - <_> - 19 0 1 10 -1. - <_> - 19 5 1 5 2. - <_> - - <_> - 1 7 6 6 -1. - <_> - 1 7 3 3 2. - <_> - 4 10 3 3 2. - <_> - - <_> - 15 2 3 12 -1. - <_> - 11 6 3 4 3. - 1 - <_> - - <_> - 3 9 7 6 -1. - <_> - 3 11 7 2 3. - <_> - - <_> - 8 8 1 3 -1. - <_> - 8 9 1 1 3. - <_> - - <_> - 4 13 6 6 -1. - <_> - 4 15 6 2 3. - <_> - - <_> - 1 13 4 3 -1. - <_> - 1 14 4 1 3. - <_> - - <_> - 7 1 4 4 -1. - <_> - 7 1 2 2 2. - <_> - 9 3 2 2 2. - <_> - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - <_> - - <_> - 2 4 16 3 -1. - <_> - 2 5 16 1 3. - <_> - - <_> - 0 6 17 3 -1. - <_> - 0 7 17 1 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 7 10 1 3. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface.xml deleted file mode 100644 index 1c38a8bab2..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface.xml +++ /dev/null @@ -1,14382 +0,0 @@ - - - - - BOOST - HAAR - 24 - 24 - - GAB - 9.9500000476837158e-01 - 5.0000000000000000e-01 - 9.4999999999999996e-01 - 1 - 100 - - 0 - 1 - BASIC - 20 - - - <_> - 16 - -1.4806525707244873e+00 - - <_> - - 0 -1 472 -1.5126220881938934e-02 - - 7.5887596607208252e-01 -3.4230688214302063e-01 - <_> - - 0 -1 839 3.9337221533060074e-03 - - -3.3288389444351196e-01 5.2361363172531128e-01 - <_> - - 0 -1 858 -1.5044892206788063e-02 - - 5.5565774440765381e-01 -2.2505992650985718e-01 - <_> - - 0 -1 387 -1.2927042320370674e-02 - - 5.7442700862884521e-01 -1.9708566367626190e-01 - <_> - - 0 -1 137 5.5960696190595627e-03 - - -3.0430641770362854e-01 4.0241482853889465e-01 - <_> - - 0 -1 207 1.5758406370878220e-02 - - -1.9767063856124878e-01 4.5033392310142517e-01 - <_> - - 0 -1 678 2.4262722581624985e-02 - - -1.6931040585041046e-01 5.9707510471343994e-01 - <_> - - 0 -1 267 -3.5242564976215363e-02 - - 6.5973556041717529e-01 -1.4519356191158295e-01 - <_> - - 0 -1 687 2.6568008586764336e-02 - - -1.3476610183715820e-01 5.4296624660491943e-01 - <_> - - 0 -1 228 4.7154121100902557e-02 - - -1.7337851226329803e-01 4.6071702241897583e-01 - <_> - - 0 -1 925 -5.3081759251654148e-03 - - 5.4976856708526611e-01 -1.1913410574197769e-01 - <_> - - 0 -1 608 5.3415738046169281e-02 - - -1.2382411211729050e-01 6.3972741365432739e-01 - <_> - - 0 -1 671 -3.0798995867371559e-03 - - -8.2048600912094116e-01 1.0249497741460800e-01 - <_> - - 0 -1 676 -2.3766520898789167e-03 - - -7.0665025711059570e-01 6.7025005817413330e-02 - <_> - - 0 -1 180 1.1965663870796561e-03 - - -2.4753804504871368e-01 3.0198124051094055e-01 - <_> - - 0 -1 830 -4.2106406763195992e-03 - - 3.8455343246459961e-01 -1.8334107100963593e-01 - - <_> - 26 - -1.4618960618972778e+00 - - <_> - - 0 -1 725 1.0133055038750172e-02 - - -2.8207325935363770e-01 6.2703561782836914e-01 - <_> - - 0 -1 356 3.8468956947326660e-02 - - -1.4483113586902618e-01 7.4971008300781250e-01 - <_> - - 0 -1 2 -3.7523733917623758e-03 - - 4.2959973216056824e-01 -2.1445912122726440e-01 - <_> - - 0 -1 844 9.9978316575288773e-04 - - -1.9259409606456757e-01 4.2325544357299805e-01 - <_> - - 0 -1 387 -1.6786376014351845e-02 - - 5.0582861900329590e-01 -1.8607729673385620e-01 - <_> - - 0 -1 208 3.0330579727888107e-02 - - -2.1100421249866486e-01 4.2819553613662720e-01 - <_> - - 0 -1 206 1.5150709077715874e-02 - - -2.1129198372364044e-01 3.6263525485992432e-01 - <_> - - 0 -1 451 -3.6349350120872259e-03 - - 3.9500275254249573e-01 -1.8650630116462708e-01 - <_> - - 0 -1 270 -7.2061517275869846e-03 - - -7.2816300392150879e-01 1.1153221875429153e-01 - <_> - - 0 -1 866 -2.0212728530168533e-02 - - 5.6296736001968384e-01 -1.2056054919958115e-01 - <_> - - 0 -1 265 2.5640423409640789e-03 - - -2.3753854632377625e-01 3.5794413089752197e-01 - <_> - - 0 -1 230 -6.2726587057113647e-03 - - -6.7750877141952515e-01 1.2570948898792267e-01 - <_> - - 0 -1 126 7.8710336238145828e-03 - - 6.9211356341838837e-02 -7.6449161767959595e-01 - <_> - - 0 -1 306 5.9134580194950104e-02 - - -1.7324967682361603e-01 3.3361187577247620e-01 - <_> - - 0 -1 185 -2.8770491480827332e-03 - - 3.6101511120796204e-01 -1.6122241318225861e-01 - <_> - - 0 -1 388 -5.7046953588724136e-03 - - -6.7659336328506470e-01 8.4153175354003906e-02 - <_> - - 0 -1 13 -7.8070178627967834e-02 - - 6.0763663053512573e-01 -1.1037797480821609e-01 - <_> - - 0 -1 321 6.5858578309416771e-03 - - 9.3060031533241272e-02 -7.0068693161010742e-01 - <_> - - 0 -1 796 -2.0920131355524063e-03 - - 2.8173315525054932e-01 -1.8406434357166290e-01 - <_> - - 0 -1 578 -2.1252598613500595e-02 - - 3.9672371745109558e-01 -1.5127600729465485e-01 - <_> - - 0 -1 770 -3.2937981188297272e-02 - - 3.9487251639366150e-01 -1.3228580355644226e-01 - <_> - - 0 -1 1016 4.9491915851831436e-03 - - 1.1234261840581894e-01 -4.7414371371269226e-01 - <_> - - 0 -1 215 3.4271054901182652e-03 - - 7.8623600304126740e-02 -5.7828009128570557e-01 - <_> - - 0 -1 200 -6.0859560035169125e-03 - - -5.0091904401779175e-01 9.1926425695419312e-02 - <_> - - 0 -1 990 1.2116413563489914e-02 - - -1.7154470086097717e-01 2.6759135723114014e-01 - <_> - - 0 -1 456 8.2814376801252365e-03 - - -1.2938241660594940e-01 3.5665917396545410e-01 - - <_> - 26 - -1.4103703498840332e+00 - - <_> - - 0 -1 532 -1.0988018475472927e-02 - - 6.4358645677566528e-01 -2.3149165511131287e-01 - <_> - - 0 -1 750 -7.8163212165236473e-03 - - 5.4850798845291138e-01 -1.7881108820438385e-01 - <_> - - 0 -1 289 7.1337133646011353e-02 - - -1.7631703615188599e-01 4.5873588323593140e-01 - <_> - - 0 -1 549 5.2656695246696472e-02 - - -1.3836050033569336e-01 5.6253266334533691e-01 - <_> - - 0 -1 8 1.5166129916906357e-02 - - -2.0990008115768433e-01 4.0483391284942627e-01 - <_> - - 0 -1 970 -1.4538960531353951e-03 - - 3.3692672848701477e-01 -2.1745139360427856e-01 - <_> - - 0 -1 875 1.1136244982481003e-02 - - -1.5003634989261627e-01 5.2208083868026733e-01 - <_> - - 0 -1 925 -3.3187635708600283e-03 - - 3.9145255088806152e-01 -1.9418042898178101e-01 - <_> - - 0 -1 485 4.9791105091571808e-02 - - -1.0192432254552841e-01 5.4612094163894653e-01 - <_> - - 0 -1 828 4.3476112186908722e-02 - - -1.2768918275833130e-01 5.0825607776641846e-01 - <_> - - 0 -1 719 -2.8149634599685669e-03 - - -7.0453292131423950e-01 1.2536850571632385e-01 - <_> - - 0 -1 846 1.6101204091683030e-03 - - -2.6965174078941345e-01 2.2737979888916016e-01 - <_> - - 0 -1 715 -1.5866891480982304e-03 - - -6.6891485452651978e-01 1.1686278134584427e-01 - <_> - - 0 -1 677 -3.2338392920792103e-03 - - -6.7284232378005981e-01 6.6228114068508148e-02 - <_> - - 0 -1 479 -9.9909156560897827e-03 - - 3.6961549520492554e-01 -1.5993835031986237e-01 - <_> - - 0 -1 350 4.8409838229417801e-02 - - -1.0068884491920471e-01 5.0648134946823120e-01 - <_> - - 0 -1 273 8.0585200339555740e-03 - - -1.6782654821872711e-01 3.5382467508316040e-01 - <_> - - 0 -1 338 -1.1718695983290672e-02 - - 4.3832498788833618e-01 -1.2780784070491791e-01 - <_> - - 0 -1 594 5.7147610932588577e-03 - - 7.5814604759216309e-02 -7.2597140073776245e-01 - <_> - - 0 -1 603 -2.0917234942317009e-03 - - -6.0916984081268311e-01 8.4811411798000336e-02 - <_> - - 0 -1 855 5.7651996612548828e-03 - - -1.9243443012237549e-01 2.8976503014564514e-01 - <_> - - 0 -1 565 -2.8093710541725159e-02 - - 5.4229170083999634e-01 -1.0005526244640350e-01 - <_> - - 0 -1 136 8.9291334152221680e-03 - - 8.3808921277523041e-02 -6.3219338655471802e-01 - <_> - - 0 -1 268 -5.1958961412310600e-03 - - -5.4964137077331543e-01 7.9588212072849274e-02 - <_> - - 0 -1 95 9.2318728566169739e-03 - - -1.2818163633346558e-01 4.2056322097778320e-01 - <_> - - 0 -1 964 -2.0556427538394928e-02 - - 3.2048463821411133e-01 -1.3858842849731445e-01 - - <_> - 35 - -1.4265209436416626e+00 - - <_> - - 0 -1 683 1.8821602687239647e-02 - - -1.7807419598102570e-01 5.9040957689285278e-01 - <_> - - 0 -1 471 -9.5066539943218231e-03 - - 5.0587177276611328e-01 -1.7767964303493500e-01 - <_> - - 0 -1 884 1.3296608813107014e-03 - - -1.6886346042156219e-01 3.6326614022254944e-01 - <_> - - 0 -1 473 3.5266026854515076e-02 - - -1.1824090778827667e-01 5.8951085805892944e-01 - <_> - - 0 -1 340 1.7804209142923355e-02 - - -1.4211210608482361e-01 5.1762068271636963e-01 - <_> - - 0 -1 1001 4.7029324923641980e-04 - - -2.4296821653842926e-01 2.5087893009185791e-01 - <_> - - 0 -1 182 7.1838246658444405e-03 - - 9.2609666287899017e-02 -6.7694115638732910e-01 - <_> - - 0 -1 390 -5.7565318420529366e-03 - - -7.3053181171417236e-01 8.2794629037380219e-02 - <_> - - 0 -1 203 2.0850602537393570e-02 - - -1.7353208363056183e-01 3.3287450671195984e-01 - <_> - - 0 -1 805 3.1848326325416565e-03 - - -2.0941653847694397e-01 2.6059800386428833e-01 - <_> - - 0 -1 234 -7.5752258300781250e-02 - - 5.1588213443756104e-01 -1.0057342052459717e-01 - <_> - - 0 -1 5 2.8725115582346916e-02 - - -1.5012685954570770e-01 4.1436919569969177e-01 - <_> - - 0 -1 175 -1.7325732856988907e-02 - - 3.8678762316703796e-01 -1.3586300611495972e-01 - <_> - - 0 -1 47 -3.2187681645154953e-03 - - -5.1590150594711304e-01 1.1511231958866119e-01 - <_> - - 0 -1 1020 -6.1595086008310318e-03 - - -7.0271849632263184e-01 5.5648274719715118e-02 - <_> - - 0 -1 768 -8.7264683097600937e-03 - - 2.6393634080886841e-01 -1.8446569144725800e-01 - <_> - - 0 -1 57 8.1868227571249008e-03 - - 8.0838531255722046e-02 -5.5512112379074097e-01 - <_> - - 0 -1 139 -7.8468751162290573e-03 - - -5.7306796312332153e-01 8.3454042673110962e-02 - <_> - - 0 -1 665 2.9962153639644384e-03 - - 6.2645487487316132e-02 -5.8123600482940674e-01 - <_> - - 0 -1 414 -4.3795984238386154e-03 - - 2.2211562097072601e-01 -1.9649308919906616e-01 - <_> - - 0 -1 908 -6.3172029331326485e-03 - - -6.6067039966583252e-01 6.4884319901466370e-02 - <_> - - 0 -1 465 1.3302030274644494e-03 - - -1.0496762394905090e-01 4.2326071858406067e-01 - <_> - - 0 -1 951 -4.3333107605576515e-03 - - -4.9972066283226013e-01 8.7225496768951416e-02 - <_> - - 0 -1 244 -3.5346355289220810e-03 - - 3.0818134546279907e-01 -1.4765550196170807e-01 - <_> - - 0 -1 256 -8.7353587150573730e-03 - - -6.5214675664901733e-01 7.1881487965583801e-02 - <_> - - 0 -1 491 -1.5620354562997818e-02 - - 3.5721915960311890e-01 -1.1427627503871918e-01 - <_> - - 0 -1 778 -3.9745438843965530e-03 - - -6.6090464591979980e-01 6.2067609280347824e-02 - <_> - - 0 -1 689 -6.7040426656603813e-03 - - 2.7337384223937988e-01 -1.4059108495712280e-01 - <_> - - 0 -1 125 3.5359347239136696e-03 - - 6.1201948672533035e-02 -6.0017114877700806e-01 - <_> - - 0 -1 118 6.0818484053015709e-03 - - -1.5247075259685516e-01 2.4383027851581573e-01 - <_> - - 0 -1 880 -7.2771648410707712e-04 - - 3.0065426230430603e-01 -1.2037902325391769e-01 - <_> - - 0 -1 643 4.6168416738510132e-03 - - 5.5311698466539383e-02 -7.5343269109725952e-01 - <_> - - 0 -1 676 2.5280299596488476e-03 - - 5.7204965502023697e-02 -5.3993463516235352e-01 - <_> - - 0 -1 878 1.5074670314788818e-02 - - -9.6106290817260742e-02 3.9084190130233765e-01 - <_> - - 0 -1 831 -8.4932018071413040e-03 - - 3.4130987524986267e-01 -1.4117397367954254e-01 - - <_> - 37 - -1.3977209329605103e+00 - - <_> - - 0 -1 794 -2.5338861159980297e-03 - - 5.7321399450302124e-01 -2.0396080613136292e-01 - <_> - - 0 -1 588 -6.5112011507153511e-03 - - 3.7378740310668945e-01 -2.5049039721488953e-01 - <_> - - 0 -1 238 1.6318978741765022e-03 - - -2.1858637034893036e-01 3.5027471184730530e-01 - <_> - - 0 -1 189 3.3452022820711136e-02 - - -1.4827065169811249e-01 4.7324529290199280e-01 - <_> - - 0 -1 192 -1.1114047840237617e-02 - - 4.1662359237670898e-01 -2.1660456061363220e-01 - <_> - - 0 -1 527 -1.2996498262509704e-03 - - 4.7613915801048279e-01 -1.6742442548274994e-01 - <_> - - 0 -1 648 -3.2986078877002001e-03 - - -6.7662662267684937e-01 8.6653761565685272e-02 - <_> - - 0 -1 4 6.6831205040216446e-03 - - -2.0158858597278595e-01 2.6189696788787842e-01 - <_> - - 0 -1 482 2.1282089874148369e-03 - - -1.1156299710273743e-01 4.0097075700759888e-01 - <_> - - 0 -1 682 -9.0472139418125153e-03 - - 3.2078295946121216e-01 -1.6775439679622650e-01 - <_> - - 0 -1 226 -5.3160609677433968e-03 - - -5.5567348003387451e-01 1.2950280308723450e-01 - <_> - - 0 -1 205 7.9724024981260300e-03 - - -2.1466700732707977e-01 2.2514854371547699e-01 - <_> - - 0 -1 920 -2.1980279125273228e-03 - - 2.8711742162704468e-01 -1.6561916470527649e-01 - <_> - - 0 -1 312 5.3897619247436523e-02 - - -1.4823001623153687e-01 3.4951418638229370e-01 - <_> - - 0 -1 13 -7.6241128146648407e-02 - - 6.0101884603500366e-01 -8.8328786194324493e-02 - <_> - - 0 -1 129 -8.3202747628092766e-03 - - -7.2828358411788940e-01 8.7956465780735016e-02 - <_> - - 0 -1 401 5.3778752684593201e-02 - - -1.0316975414752960e-01 5.0247919559478760e-01 - <_> - - 0 -1 416 -1.2401826679706573e-02 - - 2.7538898587226868e-01 -1.5569972991943359e-01 - <_> - - 0 -1 986 1.3729928061366081e-02 - - -1.3373774290084839e-01 3.0739122629165649e-01 - <_> - - 0 -1 905 -2.2788168862462044e-03 - - 2.2555501759052277e-01 -1.9497908651828766e-01 - <_> - - 0 -1 667 3.6288173869252205e-03 - - 4.8981692641973495e-02 -7.9248648881912231e-01 - <_> - - 0 -1 85 5.2453137934207916e-02 - - -1.3389803469181061e-01 3.2700663805007935e-01 - <_> - - 0 -1 821 3.1685843132436275e-03 - - -1.4415425062179565e-01 2.8044179081916809e-01 - <_> - - 0 -1 193 8.9051481336355209e-03 - - 6.1227656900882721e-02 -7.0277702808380127e-01 - <_> - - 0 -1 837 -1.3966157566756010e-03 - - 4.2409667372703552e-01 -1.0888981819152832e-01 - <_> - - 0 -1 271 -6.7695947363972664e-03 - - -5.1588076353073120e-01 8.3254821598529816e-02 - <_> - - 0 -1 404 2.2157761268317699e-03 - - -1.3696527481079102e-01 2.8638482093811035e-01 - <_> - - 0 -1 619 2.7808796148747206e-03 - - 7.1316704154014587e-02 -6.0322999954223633e-01 - <_> - - 0 -1 515 4.5836241915822029e-03 - - -1.2486589699983597e-01 3.2929363846778870e-01 - <_> - - 0 -1 1042 -5.1459800451993942e-03 - - -5.3781992197036743e-01 7.6631128787994385e-02 - <_> - - 0 -1 1043 2.4449056945741177e-03 - - 8.5920669138431549e-02 -4.0670683979988098e-01 - <_> - - 0 -1 71 -2.7756379917263985e-02 - - 3.7449231743812561e-01 -1.0538945347070694e-01 - <_> - - 0 -1 809 -1.8243372440338135e-02 - - 3.4281516075134277e-01 -9.9502928555011749e-02 - <_> - - 0 -1 372 3.8416781462728977e-03 - - 7.3987491428852081e-02 -4.8903524875640869e-01 - <_> - - 0 -1 376 -1.2322908267378807e-02 - - 2.1036790311336517e-01 -1.5852701663970947e-01 - <_> - - 0 -1 391 -4.1760304011404514e-03 - - 3.1288132071495056e-01 -1.1697492748498917e-01 - <_> - - 0 -1 859 -2.8026863932609558e-02 - - 3.3711743354797363e-01 -1.2294299900531769e-01 - - <_> - 42 - -1.3775455951690674e+00 - - <_> - - 0 -1 725 1.3382414355874062e-02 - - -1.7922241985797882e-01 5.0368404388427734e-01 - <_> - - 0 -1 967 1.9935802556574345e-03 - - -2.5249919295310974e-01 3.5295018553733826e-01 - <_> - - 0 -1 891 -1.3569685397669673e-03 - - 4.1222429275512695e-01 -1.8140394985675812e-01 - <_> - - 0 -1 911 2.5418698787689209e-03 - - -2.3195247352123260e-01 2.5945317745208740e-01 - <_> - - 0 -1 362 1.1867792345583439e-03 - - -1.1509010195732117e-01 4.0095508098602295e-01 - <_> - - 0 -1 280 -4.0491363033652306e-03 - - -7.6275551319122314e-01 8.0663219094276428e-02 - <_> - - 0 -1 264 2.4698153138160706e-02 - - -9.9053405225276947e-02 4.6469488739967346e-01 - <_> - - 0 -1 832 1.3041709549725056e-02 - - -1.3049817085266113e-01 4.7066822648048401e-01 - <_> - - 0 -1 257 -2.0927201956510544e-02 - - -7.2363191843032837e-01 7.5520738959312439e-02 - <_> - - 0 -1 41 1.6108792275190353e-02 - - 8.9385204017162323e-02 -5.0678378343582153e-01 - <_> - - 0 -1 872 -8.6308103054761887e-03 - - 3.1878158450126648e-01 -1.3526505231857300e-01 - <_> - - 0 -1 347 1.2651814613491297e-03 - - -1.2344279885292053e-01 4.0271109342575073e-01 - <_> - - 0 -1 735 -3.0170590616762638e-03 - - -5.6960099935531616e-01 7.0437252521514893e-02 - <_> - - 0 -1 538 -3.5529488231986761e-03 - - 2.0624065399169922e-01 -1.8426756560802460e-01 - <_> - - 0 -1 735 2.8021419420838356e-03 - - 7.2748780250549316e-02 -5.3796368837356567e-01 - <_> - - 0 -1 447 -9.9331419914960861e-04 - - 2.4827398359775543e-01 -1.5866567194461823e-01 - <_> - - 0 -1 440 -7.1950745768845081e-03 - - -5.0943744182586670e-01 7.3041573166847229e-02 - <_> - - 0 -1 906 -8.7737981230020523e-03 - - 2.4838714301586151e-01 -1.5162147581577301e-01 - <_> - - 0 -1 608 5.6750684976577759e-02 - - -8.4416143596172333e-02 4.4269657135009766e-01 - <_> - - 0 -1 772 1.8110256642103195e-03 - - -1.7787678539752960e-01 2.2753682732582092e-01 - <_> - - 0 -1 117 6.1733853071928024e-02 - - -1.4452947676181793e-01 2.6785543560981750e-01 - <_> - - 0 -1 718 1.7999792471528053e-03 - - 5.3869031369686127e-02 -7.0216673612594604e-01 - <_> - - 0 -1 718 -1.7839821521192789e-03 - - -7.3474282026290894e-01 4.3809492141008377e-02 - <_> - - 0 -1 795 -2.2269869223237038e-03 - - 2.5256577134132385e-01 -1.4765015244483948e-01 - <_> - - 0 -1 845 7.7408831566572189e-04 - - -1.6781617701053619e-01 2.5267890095710754e-01 - <_> - - 0 -1 710 9.6316616982221603e-03 - - 5.8525908738374710e-02 -6.3684886693954468e-01 - <_> - - 0 -1 181 -1.1892126873135567e-02 - - 2.6363542675971985e-01 -1.4106634259223938e-01 - <_> - - 0 -1 326 4.8407237976789474e-02 - - -1.0837136209011078e-01 3.6018091440200806e-01 - <_> - - 0 -1 572 -1.0315750539302826e-01 - - -7.3309695720672607e-01 6.4976803958415985e-02 - <_> - - 0 -1 415 -2.6544972788542509e-03 - - 2.7709859609603882e-01 -1.3764445483684540e-01 - <_> - - 0 -1 1033 -4.8850756138563156e-03 - - -5.0026285648345947e-01 6.8797707557678223e-02 - <_> - - 0 -1 299 -1.1310833506286144e-02 - - 2.5653550028800964e-01 -1.3755545020103455e-01 - <_> - - 0 -1 152 -3.8394361734390259e-02 - - 2.6404461264610291e-01 -1.3614650070667267e-01 - <_> - - 0 -1 486 5.8298893272876740e-03 - - 6.0382172465324402e-02 -5.9578329324722290e-01 - <_> - - 0 -1 393 2.2631133906543255e-03 - - -1.0302778333425522e-01 3.4782779216766357e-01 - <_> - - 0 -1 629 -1.8709234893321991e-02 - - -7.6758313179016113e-01 4.6181913465261459e-02 - <_> - - 0 -1 67 3.7359733134508133e-02 - - -1.3407541811466217e-01 2.5607112050056458e-01 - <_> - - 0 -1 504 -5.3099328652024269e-03 - - -6.9016355276107788e-01 4.7683756798505783e-02 - <_> - - 0 -1 527 -1.5396323287859559e-03 - - 3.7874689698219299e-01 -9.2663109302520752e-02 - <_> - - 0 -1 470 -2.6333518326282501e-03 - - 2.9358446598052979e-01 -1.2460695207118988e-01 - <_> - - 0 -1 171 1.6515964642167091e-02 - - -1.4082725346088409e-01 2.3664724826812744e-01 - <_> - - 0 -1 681 -4.4658156111836433e-03 - - -5.9253305196762085e-01 5.5994171649217606e-02 - - <_> - 50 - -1.3835698366165161e+00 - - <_> - - 0 -1 898 1.5156399458646774e-03 - - -1.0024535655975342e-01 5.8807808160781860e-01 - <_> - - 0 -1 802 -3.5168868489563465e-03 - - 4.0972998738288879e-01 -1.6088742017745972e-01 - <_> - - 0 -1 180 2.3035616613924503e-03 - - -1.8985269963741302e-01 2.9883998632431030e-01 - <_> - - 0 -1 254 4.5840561389923096e-02 - - -1.4383240044116974e-01 4.7528687119483948e-01 - <_> - - 0 -1 405 5.5156396701931953e-03 - - -1.7356806993484497e-01 3.4583050012588501e-01 - <_> - - 0 -1 436 3.9731184951961040e-03 - - 7.8886620700359344e-02 -5.6442558765411377e-01 - <_> - - 0 -1 412 -5.6995991617441177e-03 - - -4.7576662898063660e-01 9.4875656068325043e-02 - <_> - - 0 -1 539 -9.6501735970377922e-03 - - 2.3381656408309937e-01 -1.8310526013374329e-01 - <_> - - 0 -1 209 6.1656545847654343e-02 - - -1.4697165787220001e-01 3.6247691512107849e-01 - <_> - - 0 -1 398 1.1418928205966949e-01 - - -8.8033527135848999e-02 4.4633501768112183e-01 - <_> - - 0 -1 3 -1.1903396807610989e-02 - - 3.3496665954589844e-01 -1.2121009081602097e-01 - <_> - - 0 -1 546 -4.1371315717697144e-02 - - 4.1400006413459778e-01 -9.7229279577732086e-02 - <_> - - 0 -1 380 7.8342631459236145e-03 - - -1.6631671786308289e-01 2.5738984346389771e-01 - <_> - - 0 -1 304 -4.5139621943235397e-03 - - -4.6883803606033325e-01 8.7662570178508759e-02 - <_> - - 0 -1 929 1.5914421528577805e-03 - - -1.1636006087064743e-01 3.2739594578742981e-01 - <_> - - 0 -1 942 -5.2607608959078789e-03 - - -6.7755740880966187e-01 5.1752120256423950e-02 - <_> - - 0 -1 941 3.1824512407183647e-03 - - 5.2379645407199860e-02 -6.0918039083480835e-01 - <_> - - 0 -1 939 -3.6813789047300816e-03 - - 4.8251116275787354e-01 -9.2318780720233917e-02 - <_> - - 0 -1 622 -4.3226117268204689e-03 - - -5.7561415433883667e-01 5.9672243893146515e-02 - <_> - - 0 -1 250 -7.1843853220343590e-03 - - 2.6631006598472595e-01 -1.4015418291091919e-01 - <_> - - 0 -1 871 2.1028071641921997e-03 - - -1.1286304146051407e-01 3.5946926474571228e-01 - <_> - - 0 -1 22 8.5248583927750587e-03 - - 6.9424033164978027e-02 -5.2462881803512573e-01 - <_> - - 0 -1 147 6.9785099476575851e-03 - - 5.6668873876333237e-02 -5.6192052364349365e-01 - <_> - - 0 -1 474 -5.2639590576291084e-03 - - -5.8648955821990967e-01 5.0352573394775391e-02 - <_> - - 0 -1 406 2.8417459689080715e-03 - - -1.3425759971141815e-01 2.7325555682182312e-01 - <_> - - 0 -1 394 -1.3187457807362080e-02 - - 4.0453648567199707e-01 -9.1843754053115845e-02 - <_> - - 0 -1 722 -6.7344801500439644e-03 - - -7.5647395849227905e-01 5.0157479941844940e-02 - <_> - - 0 -1 187 2.1363141015172005e-02 - - 4.7982390969991684e-02 -5.5388218164443970e-01 - <_> - - 0 -1 623 1.6145884292200208e-03 - - 7.9808227717876434e-02 -3.7233716249465942e-01 - <_> - - 0 -1 525 -2.2595757618546486e-03 - - 2.8343635797500610e-01 -1.1216876655817032e-01 - <_> - - 0 -1 214 1.4407988637685776e-02 - - -1.0392460227012634e-01 3.1299999356269836e-01 - <_> - - 0 -1 476 -1.4912552433088422e-03 - - 2.8538599610328674e-01 -1.0644508898258209e-01 - <_> - - 0 -1 195 9.8895151168107986e-03 - - 5.0090074539184570e-02 -6.2053185701370239e-01 - <_> - - 0 -1 115 4.2754956521093845e-03 - - 6.5051443874835968e-02 -4.2582303285598755e-01 - <_> - - 0 -1 754 -2.5489409454166889e-03 - - 3.1278640031814575e-01 -9.9601686000823975e-02 - <_> - - 0 -1 717 -6.0358326882123947e-03 - - 2.2685267031192780e-01 -1.3849361240863800e-01 - <_> - - 0 -1 875 1.1879121884703636e-02 - - -8.9687183499336243e-02 3.7642294168472290e-01 - <_> - - 0 -1 111 1.2982923537492752e-02 - - 4.3990727514028549e-02 -7.3371982574462891e-01 - <_> - - 0 -1 993 -2.8599319048225880e-03 - - -4.3102917075157166e-01 5.9561621397733688e-02 - <_> - - 0 -1 737 -3.5829999251291156e-04 - - 1.7152757942676544e-01 -1.6511310636997223e-01 - <_> - - 0 -1 27 2.5972571223974228e-02 - - -1.2855969369411469e-01 2.2820757329463959e-01 - <_> - - 0 -1 516 4.2565623298287392e-03 - - 5.7662181556224823e-02 -5.3734982013702393e-01 - <_> - - 0 -1 50 -2.9159568250179291e-02 - - -6.3020753860473633e-01 4.0746636688709259e-02 - <_> - - 0 -1 413 3.1341956928372383e-03 - - -8.1374719738960266e-02 4.1371321678161621e-01 - <_> - - 0 -1 935 -1.3592604082077742e-03 - - 3.2382342219352722e-01 -9.7880341112613678e-02 - <_> - - 0 -1 758 -6.9904811680316925e-03 - - -6.8850576877593994e-01 4.2428225278854370e-02 - <_> - - 0 -1 93 -8.7879784405231476e-03 - - -5.8945190906524658e-01 3.7613209336996078e-02 - <_> - - 0 -1 491 -1.7947785556316376e-02 - - 3.1659606099128723e-01 -8.7437197566032410e-02 - <_> - - 0 -1 490 8.0379713326692581e-03 - - -1.1311284452676773e-01 3.0860018730163574e-01 - <_> - - 0 -1 716 3.0642822384834290e-03 - - 4.8351831734180450e-02 -6.0563534498214722e-01 - - <_> - 54 - -1.3756012916564941e+00 - - <_> - - 0 -1 798 -1.7431776504963636e-03 - - 5.5538344383239746e-01 -1.0357239097356796e-01 - <_> - - 0 -1 425 4.4551412574946880e-03 - - -1.2460361421108246e-01 5.1942145824432373e-01 - <_> - - 0 -1 843 3.5308140795677900e-03 - - -2.2974169254302979e-01 2.7043044567108154e-01 - <_> - - 0 -1 532 -1.5887852758169174e-02 - - 4.1745069622993469e-01 -1.1281611770391464e-01 - <_> - - 0 -1 7 1.1611310765147209e-02 - - -1.9416445493698120e-01 2.5554594397544861e-01 - <_> - - 0 -1 935 1.5740045346319675e-03 - - -1.2263108044862747e-01 3.8852572441101074e-01 - <_> - - 0 -1 547 5.1882643252611160e-02 - - -7.5461924076080322e-02 5.0257563591003418e-01 - <_> - - 0 -1 251 -3.8624972105026245e-02 - - 4.0001305937767029e-01 -9.6231088042259216e-02 - <_> - - 0 -1 272 -3.9408572018146515e-02 - - 3.0533725023269653e-01 -1.6677139699459076e-01 - <_> - - 0 -1 29 7.5884531252086163e-03 - - 9.8107770085334778e-02 -5.8249044418334961e-01 - <_> - - 0 -1 218 7.2114326059818268e-02 - - -1.4419755339622498e-01 2.8208708763122559e-01 - <_> - - 0 -1 268 5.5582458153367043e-03 - - 7.2843901813030243e-02 -5.5255079269409180e-01 - <_> - - 0 -1 877 -4.7345291823148727e-03 - - 3.3209753036499023e-01 -1.2499606609344482e-01 - <_> - - 0 -1 577 5.1413839682936668e-03 - - 6.4787313342094421e-02 -6.4880597591400146e-01 - <_> - - 0 -1 999 5.4608630016446114e-03 - - 3.7491828203201294e-02 -7.5315922498703003e-01 - <_> - - 0 -1 542 -8.6404485045932233e-05 - - 1.7464619874954224e-01 -1.8258170783519745e-01 - <_> - - 0 -1 442 6.1132330447435379e-03 - - 7.5624085962772369e-02 -4.3711006641387939e-01 - <_> - - 0 -1 889 -7.0670098066329956e-03 - - 2.1796958148479462e-01 -1.4547325670719147e-01 - <_> - - 0 -1 347 9.4080460257828236e-04 - - -1.2536728382110596e-01 2.8143358230590820e-01 - <_> - - 0 -1 580 -2.6800869964063168e-03 - - -4.2977494001388550e-01 8.2963027060031891e-02 - <_> - - 0 -1 297 5.8945640921592712e-03 - - 4.2834181338548660e-02 -6.0937494039535522e-01 - <_> - - 0 -1 465 1.0121082887053490e-03 - - -1.1036285758018494e-01 2.9971688985824585e-01 - <_> - - 0 -1 56 3.1157936900854111e-03 - - 7.3115289211273193e-02 -4.3226471543312073e-01 - <_> - - 0 -1 411 -3.3052214421331882e-03 - - -4.9826300144195557e-01 5.1225960254669189e-02 - <_> - - 0 -1 109 8.3188470453023911e-03 - - 5.0362452864646912e-02 -4.8688000440597534e-01 - <_> - - 0 -1 393 -2.5094528682529926e-03 - - 2.6902040839195251e-01 -1.0433372855186462e-01 - <_> - - 0 -1 924 1.1217880528420210e-03 - - -1.1188100278377533e-01 3.1254816055297852e-01 - <_> - - 0 -1 716 -2.9259414877742529e-03 - - -5.7495939731597900e-01 5.3564101457595825e-02 - <_> - - 0 -1 733 -1.1687271296977997e-02 - - 2.5880128145217896e-01 -1.0639669001102448e-01 - <_> - - 0 -1 763 3.5054073669016361e-03 - - 5.4045904427766800e-02 -5.5625277757644653e-01 - <_> - - 0 -1 552 1.9068794324994087e-02 - - -1.1246301978826523e-01 2.5745245814323425e-01 - <_> - - 0 -1 230 4.6145436353981495e-03 - - 6.7216314375400543e-02 -4.1385611891746521e-01 - <_> - - 0 -1 857 -8.2267355173826218e-03 - - 2.1265375614166260e-01 -1.3443692028522491e-01 - <_> - - 0 -1 149 -1.4355888590216637e-02 - - 2.5618723034858704e-01 -1.0785522311925888e-01 - <_> - - 0 -1 61 8.0431215465068817e-03 - - -1.4258129894733429e-01 2.2692860662937164e-01 - <_> - - 0 -1 170 -5.6914249435067177e-03 - - -4.8886317014694214e-01 6.0331270098686218e-02 - <_> - - 0 -1 133 -2.5912215933203697e-03 - - 2.1062785387039185e-01 -1.4967896044254303e-01 - <_> - - 0 -1 461 5.5204275995492935e-03 - - -8.1333734095096588e-02 3.8316065073013306e-01 - <_> - - 0 -1 515 5.3790090605616570e-03 - - -9.3129634857177734e-02 3.2883483171463013e-01 - <_> - - 0 -1 199 -7.2196200489997864e-03 - - -6.6427856683731079e-01 4.4702950865030289e-02 - <_> - - 0 -1 94 -8.3873540163040161e-02 - - -7.9910254478454590e-01 2.7107261121273041e-02 - <_> - - 0 -1 513 -3.4268260933458805e-03 - - 2.5298807024955750e-01 -1.0898132622241974e-01 - <_> - - 0 -1 763 -3.7466005887836218e-03 - - -5.5346089601516724e-01 5.2094604820013046e-02 - <_> - - 0 -1 276 1.2452949304133654e-03 - - -8.2017965614795685e-02 3.5483068227767944e-01 - <_> - - 0 -1 1013 -6.2445802614092827e-03 - - -5.0969594717025757e-01 5.4533429443836212e-02 - <_> - - 0 -1 276 -1.1970927007496357e-03 - - 3.6470764875411987e-01 -7.7394872903823853e-02 - <_> - - 0 -1 757 3.0796977225691080e-03 - - 5.3208738565444946e-02 -5.0689512491226196e-01 - <_> - - 0 -1 33 -3.9015077054500580e-02 - - 1.9598089158535004e-01 -1.3218660652637482e-01 - <_> - - 0 -1 680 -7.7085788361728191e-03 - - 2.2754703462123871e-01 -1.2544488906860352e-01 - <_> - - 0 -1 655 3.2509677112102509e-02 - - -6.7099742591381073e-02 4.1469818353652954e-01 - <_> - - 0 -1 569 3.0232844874262810e-03 - - 6.6373795270919800e-02 -4.2127549648284912e-01 - <_> - - 0 -1 54 2.5392756797373295e-03 - - -1.1576391756534576e-01 2.3464009165763855e-01 - <_> - - 0 -1 1013 6.8497275933623314e-03 - - 4.5596633106470108e-02 -5.8435302972793579e-01 - <_> - - 0 -1 231 -4.4358119368553162e-02 - - -3.9718165993690491e-01 6.2707424163818359e-02 - - <_> - 63 - -1.4057025909423828e+00 - - <_> - - 0 -1 804 5.0806580111384392e-03 - - -7.9617008566856384e-02 5.6362086534500122e-01 - <_> - - 0 -1 965 2.0602284930646420e-03 - - -1.8717131018638611e-01 3.4062680602073669e-01 - <_> - - 0 -1 495 6.1347078531980515e-02 - - -1.3253036141395569e-01 4.0938606858253479e-01 - <_> - - 0 -1 13 -6.0383215546607971e-02 - - 4.1172346472740173e-01 -1.4447186887264252e-01 - <_> - - 0 -1 478 -3.0238348990678787e-03 - - 3.4262558817863464e-01 -1.0982885956764221e-01 - <_> - - 0 -1 458 4.0474245324730873e-03 - - 7.1186766028404236e-02 -5.0650447607040405e-01 - <_> - - 0 -1 633 -2.0359824411571026e-03 - - 2.2166600823402405e-01 -1.6060648858547211e-01 - <_> - - 0 -1 887 2.7303429305902682e-05 - - -2.6211214065551758e-01 1.2801185250282288e-01 - <_> - - 0 -1 352 1.2323079630732536e-02 - - 8.2502633333206177e-02 -4.5231887698173523e-01 - <_> - - 0 -1 878 2.2477287799119949e-02 - - -7.7229477465152740e-02 4.5144733786582947e-01 - <_> - - 0 -1 395 -1.4673802070319653e-02 - - 3.5660189390182495e-01 -1.1584777384996414e-01 - <_> - - 0 -1 141 9.9029816687107086e-02 - - -1.6957059502601624e-01 2.2625257074832916e-01 - <_> - - 0 -1 144 -1.0632930323481560e-02 - - -5.6829780340194702e-01 7.1929946541786194e-02 - <_> - - 0 -1 808 2.5341216474771500e-02 - - -1.2931844592094421e-01 2.6161769032478333e-01 - <_> - - 0 -1 816 5.8172484859824181e-03 - - -1.5375703573226929e-01 2.0636843144893646e-01 - <_> - - 0 -1 68 -2.0786169171333313e-01 - - 3.9931070804595947e-01 -7.7051497995853424e-02 - <_> - - 0 -1 140 2.2137831151485443e-01 - - -7.2486869990825653e-02 3.9756566286087036e-01 - <_> - - 0 -1 554 3.4148676786571741e-04 - - -1.5928100049495697e-01 1.8005076050758362e-01 - <_> - - 0 -1 307 -6.7202709615230560e-03 - - -6.7838191986083984e-01 4.5886330306529999e-02 - <_> - - 0 -1 392 1.4110710471868515e-03 - - -9.7257830202579498e-02 3.2224002480506897e-01 - <_> - - 0 -1 266 4.2120069265365601e-02 - - -8.8405482470989227e-02 3.2538983225822449e-01 - <_> - - 0 -1 242 -1.3846142683178186e-03 - - 2.0695628225803375e-01 -1.5275791287422180e-01 - <_> - - 0 -1 817 3.5425978712737560e-03 - - -1.2709444761276245e-01 2.1816165745258331e-01 - <_> - - 0 -1 959 3.3351695165038109e-03 - - 4.8398405313491821e-02 -6.0871434211730957e-01 - <_> - - 0 -1 958 -3.3201207406818867e-03 - - -4.8987022042274475e-01 5.5623263120651245e-02 - <_> - - 0 -1 915 1.0103111853823066e-03 - - -1.5765775740146637e-01 1.6940611600875854e-01 - <_> - - 0 -1 151 4.9717966467142105e-03 - - 5.1272217184305191e-02 -5.4395431280136108e-01 - <_> - - 0 -1 799 1.7913591582328081e-03 - - -7.2745941579341888e-02 4.0087917447090149e-01 - <_> - - 0 -1 102 -1.3228422030806541e-02 - - -3.5441592335700989e-01 7.9325266182422638e-02 - <_> - - 0 -1 276 2.0421743392944336e-03 - - -5.9137169271707535e-02 4.6143886446952820e-01 - <_> - - 0 -1 276 -5.9784355107694864e-04 - - 2.5433012843132019e-01 -1.0601133853197098e-01 - <_> - - 0 -1 396 -5.1422840915620327e-03 - - -4.4627833366394043e-01 6.1951976269483566e-02 - <_> - - 0 -1 86 6.4243013039231300e-03 - - 3.1528502702713013e-02 -7.2403544187545776e-01 - <_> - - 0 -1 1035 3.4636156633496284e-03 - - 3.7317775189876556e-02 -5.4165351390838623e-01 - <_> - - 0 -1 14 3.2000489532947540e-02 - - 3.0169567093253136e-02 -7.1302002668380737e-01 - <_> - - 0 -1 498 -5.8225672692060471e-03 - - -4.4310861825942993e-01 4.7724053263664246e-02 - <_> - - 0 -1 24 -8.4763765335083008e-03 - - -6.0832363367080688e-01 3.6428902298212051e-02 - <_> - - 0 -1 598 2.7582058683037758e-03 - - -1.0180406272411346e-01 2.4450653791427612e-01 - <_> - - 0 -1 695 -3.0314538162201643e-03 - - -5.6130182743072510e-01 4.1730970144271851e-02 - <_> - - 0 -1 691 3.8132141344249249e-03 - - 4.3826375156641006e-02 -4.8639413714408875e-01 - <_> - - 0 -1 799 -1.1944114230573177e-03 - - 1.9191412627696991e-01 -1.2599647045135498e-01 - <_> - - 0 -1 751 -3.2212696969509125e-02 - - -7.3205161094665527e-01 3.3331435173749924e-02 - <_> - - 0 -1 521 -1.0144908446818590e-03 - - 3.0479896068572998e-01 -8.2489714026451111e-02 - <_> - - 0 -1 836 -1.4355147257447243e-02 - - 2.1706604957580566e-01 -1.0914804041385651e-01 - <_> - - 0 -1 574 -4.8122168518602848e-03 - - -6.7199075222015381e-01 4.0943562984466553e-02 - <_> - - 0 -1 236 3.3706519752740860e-04 - - -1.4588885009288788e-01 1.6099508106708527e-01 - <_> - - 0 -1 43 -1.8943618983030319e-02 - - -5.9796541929244995e-01 3.7877634167671204e-02 - <_> - - 0 -1 69 1.5444982796907425e-02 - - 2.6846721768379211e-02 -7.2375786304473877e-01 - <_> - - 0 -1 303 1.0463559068739414e-02 - - 3.2184243202209473e-02 -6.0756552219390869e-01 - <_> - - 0 -1 292 2.5047133676707745e-03 - - -1.1925315856933594e-01 1.9379882514476776e-01 - <_> - - 0 -1 797 -1.4791900292038918e-02 - - 1.9981779158115387e-01 -1.2553811073303223e-01 - <_> - - 0 -1 146 -6.1217732727527618e-03 - - -4.2455345392227173e-01 5.5959124118089676e-02 - <_> - - 0 -1 563 -3.5850135609507561e-03 - - 3.2560044527053833e-01 -7.1894593536853790e-02 - <_> - - 0 -1 1048 -3.2580485567450523e-03 - - -5.4515779018402100e-01 4.5138467103242874e-02 - <_> - - 0 -1 367 8.5870809853076935e-03 - - -9.2699222266674042e-02 2.7361676096916199e-01 - <_> - - 0 -1 384 -3.5999938845634460e-03 - - 1.7715592682361603e-01 -1.3859097659587860e-01 - <_> - - 0 -1 650 1.5299995429813862e-03 - - -1.0419535636901855e-01 2.1118766069412231e-01 - <_> - - 0 -1 413 2.7578026056289673e-03 - - -7.0944413542747498e-02 2.9870492219924927e-01 - <_> - - 0 -1 283 -6.1489176005125046e-03 - - -5.1581281423568726e-01 4.6433247625827789e-02 - <_> - - 0 -1 979 8.3175086183473468e-04 - - -8.4185592830181122e-02 2.8132751584053040e-01 - <_> - - 0 -1 979 -6.7444925662130117e-04 - - 2.6548036932945251e-01 -9.7815677523612976e-02 - <_> - - 0 -1 555 -5.6643221527338028e-02 - - 3.8170987367630005e-01 -6.2833912670612335e-02 - <_> - - 0 -1 602 -7.5360340997576714e-03 - - 2.2137185931205750e-01 -1.0336405038833618e-01 - - <_> - 54 - -1.3439358472824097e+00 - - <_> - - 0 -1 526 -4.8420722596347332e-03 - - 5.7400572299957275e-01 -9.5008336007595062e-02 - <_> - - 0 -1 786 -5.9993756003677845e-03 - - 4.5479923486709595e-01 -1.5483228862285614e-01 - <_> - - 0 -1 531 -3.1531709246337414e-03 - - 4.2504432797431946e-01 -1.2935030460357666e-01 - <_> - - 0 -1 884 1.2363551650196314e-03 - - -1.5872104465961456e-01 3.1463247537612915e-01 - <_> - - 0 -1 925 -6.7780278623104095e-03 - - 4.1302111744880676e-01 -1.7017546296119690e-01 - <_> - - 0 -1 259 1.3960017822682858e-03 - - -1.3419999182224274e-01 3.3868113160133362e-01 - <_> - - 0 -1 564 -3.5894233733415604e-03 - - 3.3102113008499146e-01 -1.1498286575078964e-01 - <_> - - 0 -1 551 5.4187951609492302e-03 - - -1.2790408730506897e-01 3.1275641918182373e-01 - <_> - - 0 -1 934 -3.3248444087803364e-03 - - -5.1654219627380371e-01 7.1216024458408356e-02 - <_> - - 0 -1 49 7.9970825463533401e-03 - - 6.3098005950450897e-02 -5.8896148204803467e-01 - <_> - - 0 -1 124 6.0347835533320904e-03 - - 6.4018696546554565e-02 -4.7639665007591248e-01 - <_> - - 0 -1 124 -6.9478121586143970e-03 - - -6.0485291481018066e-01 7.2506561875343323e-02 - <_> - - 0 -1 30 1.9063859945163131e-03 - - -1.8492227792739868e-01 1.9994279742240906e-01 - <_> - - 0 -1 752 2.1343495696783066e-02 - - -8.6192794144153595e-02 4.8719888925552368e-01 - <_> - - 0 -1 261 -2.2514071315526962e-03 - - 3.5809755325317383e-01 -7.6123438775539398e-02 - <_> - - 0 -1 480 -4.4778124429285526e-03 - - -4.5578238368034363e-01 7.3516018688678741e-02 - <_> - - 0 -1 533 3.9280336350202560e-03 - - 6.2599055469036102e-02 -5.2695369720458984e-01 - <_> - - 0 -1 365 -4.5666974037885666e-03 - - -6.1827522516250610e-01 4.1984613984823227e-02 - <_> - - 0 -1 743 -6.1424830928444862e-03 - - 3.0607789754867554e-01 -9.1138295829296112e-02 - <_> - - 0 -1 1019 3.4258943051099777e-03 - - 5.5657953023910522e-02 -5.3350126743316650e-01 - <_> - - 0 -1 731 3.3122287131845951e-03 - - -1.5935245156288147e-01 1.7000633478164673e-01 - <_> - - 0 -1 135 7.4128687381744385e-02 - - 3.3975400030612946e-02 -6.4646822214126587e-01 - <_> - - 0 -1 496 -6.0862921178340912e-02 - - 3.1012952327728271e-01 -9.1380268335342407e-02 - <_> - - 0 -1 575 -4.3243117630481720e-02 - - -4.5051410794258118e-01 6.6722445189952850e-02 - <_> - - 0 -1 322 -5.4576778784394264e-03 - - -4.8368638753890991e-01 5.5113438516855240e-02 - <_> - - 0 -1 196 -2.1073617972433567e-03 - - 2.3326623439788818e-01 -1.2007984519004822e-01 - <_> - - 0 -1 252 -1.1282963678240776e-02 - - 2.9159554839134216e-01 -1.0025029629468918e-01 - <_> - - 0 -1 339 2.9302681796252728e-03 - - -8.5840485990047455e-02 3.3159431815147400e-01 - <_> - - 0 -1 53 -2.8825225308537483e-03 - - -5.3361582756042480e-01 5.7994876056909561e-02 - <_> - - 0 -1 76 6.2230005860328674e-03 - - 4.4393569231033325e-02 -5.3072142601013184e-01 - <_> - - 0 -1 971 1.1437942739576101e-03 - - -9.5763660967350006e-02 2.8212538361549377e-01 - <_> - - 0 -1 1052 1.2469270732253790e-03 - - 6.5446242690086365e-02 -4.1902217268943787e-01 - <_> - - 0 -1 612 -1.1369751766324043e-02 - - -7.0747911930084229e-01 3.4916084259748459e-02 - <_> - - 0 -1 35 1.0013033449649811e-01 - - -6.7160040140151978e-02 4.2184004187583923e-01 - <_> - - 0 -1 653 -2.6742245536297560e-03 - - 1.7217047512531281e-01 -1.6229687631130219e-01 - <_> - - 0 -1 713 -3.4254738129675388e-03 - - 2.9603767395019531e-01 -8.9177258312702179e-02 - <_> - - 0 -1 669 1.5813322970643640e-03 - - 4.8733744770288467e-02 -5.6422549486160278e-01 - <_> - - 0 -1 917 2.7555555789149366e-05 - - -1.7079097032546997e-01 1.4066468179225922e-01 - <_> - - 0 -1 466 -8.2116597332060337e-04 - - 1.8260034918785095e-01 -1.3242910802364349e-01 - <_> - - 0 -1 353 -1.0168720036745071e-02 - - -4.1390055418014526e-01 6.5349683165550232e-02 - <_> - - 0 -1 96 2.5848036631941795e-02 - - 4.6910341829061508e-02 -4.7531116008758545e-01 - <_> - - 0 -1 75 5.9797330759465694e-03 - - 4.5450355857610703e-02 -4.5701387524604797e-01 - <_> - - 0 -1 81 -2.4257015902549028e-03 - - 1.8431460857391357e-01 -1.1879430711269379e-01 - <_> - - 0 -1 346 -4.1334740817546844e-02 - - 3.0460721254348755e-01 -9.4910860061645508e-02 - <_> - - 0 -1 537 7.5982198119163513e-02 - - -6.5890170633792877e-02 3.3325287699699402e-01 - <_> - - 0 -1 318 -2.7852014682139270e-05 - - 1.4771287143230438e-01 -1.4524473249912262e-01 - <_> - - 0 -1 669 -1.4885163400322199e-03 - - -4.6987643837928772e-01 4.7233786433935165e-02 - <_> - - 0 -1 897 -3.3519542776048183e-03 - - 2.4128976464271545e-01 -9.3788638710975647e-02 - <_> - - 0 -1 935 1.3348343782126904e-03 - - -9.9509775638580322e-02 2.9368522763252258e-01 - <_> - - 0 -1 704 3.2456549815833569e-03 - - -9.8895303905010223e-02 2.3363485932350159e-01 - <_> - - 0 -1 611 4.2385179549455643e-03 - - 5.9986904263496399e-02 -4.5745995640754700e-01 - <_> - - 0 -1 170 8.4751443937420845e-03 - - 3.0937874689698219e-02 -6.7139619588851929e-01 - <_> - - 0 -1 995 3.0964510515332222e-03 - - 3.0879957601428032e-02 -6.2686437368392944e-01 - <_> - - 0 -1 212 2.3455230984836817e-03 - - -1.3303077220916748e-01 1.6908498108386993e-01 - - <_> - 72 - -1.4052674770355225e+00 - - <_> - - 0 -1 534 -8.4834604058414698e-04 - - 4.6746683120727539e-01 -1.2498743087053299e-01 - <_> - - 0 -1 838 1.1534148361533880e-03 - - -2.1341361105442047e-01 3.0533915758132935e-01 - <_> - - 0 -1 728 1.3660041615366936e-02 - - -1.5390963852405548e-01 3.2113197445869446e-01 - <_> - - 0 -1 528 -1.3363182079046965e-03 - - 2.4346974492073059e-01 -1.8074017763137817e-01 - <_> - - 0 -1 1002 5.5064354091882706e-04 - - -1.9600959122180939e-01 2.1903340518474579e-01 - <_> - - 0 -1 340 2.8026416897773743e-02 - - -9.9956467747688293e-02 5.1314896345138550e-01 - <_> - - 0 -1 930 -9.8200759384781122e-04 - - 2.0671010017395020e-01 -1.9585600495338440e-01 - <_> - - 0 -1 249 -1.9661948084831238e-02 - - -5.1859843730926514e-01 7.9988524317741394e-02 - <_> - - 0 -1 514 5.7550622150301933e-03 - - -1.0230549424886703e-01 2.9102912545204163e-01 - <_> - - 0 -1 854 4.8226406797766685e-03 - - -1.2503834068775177e-01 2.2606587409973145e-01 - <_> - - 0 -1 1025 -3.5137422382831573e-03 - - -6.8291509151458740e-01 4.6296034008264542e-02 - <_> - - 0 -1 468 2.7717142074834555e-05 - - -2.1390475332736969e-01 1.3291628658771515e-01 - <_> - - 0 -1 875 -2.2634968161582947e-02 - - 4.0156257152557373e-01 -9.0922117233276367e-02 - <_> - - 0 -1 890 -2.6544253341853619e-04 - - 2.1944612264633179e-01 -1.5686984360218048e-01 - <_> - - 0 -1 45 1.7469950020313263e-02 - - 5.9605021029710770e-02 -5.4529672861099243e-01 - <_> - - 0 -1 812 3.6130528897047043e-03 - - 5.2721742540597916e-02 -4.4890201091766357e-01 - <_> - - 0 -1 813 -3.8260491564869881e-03 - - -5.1076781749725342e-01 4.7858215868473053e-02 - <_> - - 0 -1 348 -4.6305969590321183e-04 - - 2.0340332388877869e-01 -1.3007256388664246e-01 - <_> - - 0 -1 685 -7.3791583999991417e-03 - - -5.4855078458786011e-01 5.1355980336666107e-02 - <_> - - 0 -1 397 -4.1331160813570023e-02 - - -3.7914556264877319e-01 6.2432620674371719e-02 - <_> - - 0 -1 720 -1.4983891742303967e-03 - - -5.2967226505279541e-01 4.2461462318897247e-02 - <_> - - 0 -1 785 -2.5054097641259432e-03 - - 2.0288434624671936e-01 -1.2341590225696564e-01 - <_> - - 0 -1 259 -7.1871257387101650e-04 - - 2.4784520268440247e-01 -9.8167583346366882e-02 - <_> - - 0 -1 260 -6.8983237724751234e-04 - - 2.7780577540397644e-01 -9.7512029111385345e-02 - <_> - - 0 -1 274 4.8434769269078970e-04 - - -1.1704409867525101e-01 2.4324342608451843e-01 - <_> - - 0 -1 508 -3.6378027871251106e-03 - - -5.7295501232147217e-01 4.9037151038646698e-02 - <_> - - 0 -1 709 -2.6648804545402527e-02 - - -6.0253041982650757e-01 3.6413222551345825e-02 - <_> - - 0 -1 825 -4.3416651897132397e-03 - - 4.7109794616699219e-01 -5.9058945626020432e-02 - <_> - - 0 -1 60 -2.7588163502514362e-03 - - -4.9160134792327881e-01 5.4663125425577164e-02 - <_> - - 0 -1 987 4.7046472318470478e-03 - - 3.7025094032287598e-02 -5.6842529773712158e-01 - <_> - - 0 -1 77 4.9029560759663582e-03 - - 4.8207473009824753e-02 -4.2965477705001831e-01 - <_> - - 0 -1 837 -7.0135248824954033e-04 - - 2.2556030750274658e-01 -9.9117368459701538e-02 - <_> - - 0 -1 332 2.7165210340172052e-03 - - 4.3833449482917786e-02 -5.5271440744400024e-01 - <_> - - 0 -1 837 8.9941755868494511e-04 - - -8.9474648237228394e-02 2.6415902376174927e-01 - <_> - - 0 -1 723 -1.7575379461050034e-03 - - -5.7822185754776001e-01 4.4655490666627884e-02 - <_> - - 0 -1 323 2.2079560905694962e-02 - - -9.1862626373767853e-02 2.6927500963211060e-01 - <_> - - 0 -1 247 -2.4989219382405281e-03 - - 1.9282613694667816e-01 -1.4004705846309662e-01 - <_> - - 0 -1 388 4.4558709487318993e-03 - - 5.2965965121984482e-02 -4.6530798077583313e-01 - <_> - - 0 -1 345 8.9809950441122055e-03 - - -6.9099865853786469e-02 3.5005539655685425e-01 - <_> - - 0 -1 589 -4.6078087761998177e-03 - - 1.5373907983303070e-01 -1.5948937833309174e-01 - <_> - - 0 -1 10 -8.9063167572021484e-02 - - 4.8500600457191467e-01 -5.1386959850788116e-02 - <_> - - 0 -1 540 4.8636873252689838e-03 - - 5.1732856780290604e-02 -4.9787709116935730e-01 - <_> - - 0 -1 992 -5.4465518333017826e-03 - - 1.5584819018840790e-01 -1.4326727390289307e-01 - <_> - - 0 -1 788 6.4384475350379944e-02 - - 3.1540591269731522e-02 -7.1331930160522461e-01 - <_> - - 0 -1 25 -9.3528348952531815e-03 - - -5.8800560235977173e-01 3.2534934580326080e-02 - <_> - - 0 -1 374 6.5686285961419344e-04 - - -1.6972899436950684e-01 1.4208021759986877e-01 - <_> - - 0 -1 744 -6.5707243047654629e-03 - - 3.1901842355728149e-01 -7.0233277976512909e-02 - <_> - - 0 -1 370 7.0676081813871861e-03 - - 3.0735086649656296e-02 -7.6451587677001953e-01 - <_> - - 0 -1 875 -1.1614331044256687e-02 - - 2.0416912436485291e-01 -1.0650242120027542e-01 - <_> - - 0 -1 227 -3.0933439731597900e-02 - - -3.5186296701431274e-01 6.3158944249153137e-02 - <_> - - 0 -1 31 8.9404191821813583e-03 - - 4.1301336139440536e-02 -5.2171415090560913e-01 - <_> - - 0 -1 542 -3.0004943255335093e-04 - - 1.8332102894783020e-01 -1.1965552717447281e-01 - <_> - - 0 -1 753 -4.2704585939645767e-03 - - -4.1220253705978394e-01 5.2136015146970749e-02 - <_> - - 0 -1 979 9.1349193826317787e-04 - - -8.2035504281520844e-02 2.7817621827125549e-01 - <_> - - 0 -1 97 2.8089310973882675e-02 - - 6.0909613966941833e-02 -3.7705209851264954e-01 - <_> - - 0 -1 979 -1.1489203898236156e-03 - - 2.9547268152236938e-01 -7.8550107777118683e-02 - <_> - - 0 -1 766 -8.5876882076263428e-04 - - 1.6158875823020935e-01 -1.3613829016685486e-01 - <_> - - 0 -1 862 3.3645064104348421e-03 - - 3.6055568605661392e-02 -5.5788111686706543e-01 - <_> - - 0 -1 1034 -1.2699423357844353e-02 - - -4.2199519276618958e-01 4.3876208364963531e-02 - <_> - - 0 -1 158 -1.3306856155395508e-01 - - -7.5723612308502197e-01 2.4755204096436501e-02 - <_> - - 0 -1 822 4.9831219017505646e-02 - - 2.5250671431422234e-02 -6.3122928142547607e-01 - <_> - - 0 -1 569 5.8193420991301537e-03 - - 2.2189516574144363e-02 -7.2821933031082153e-01 - <_> - - 0 -1 422 -6.3158385455608368e-03 - - 1.9480472803115845e-01 -1.0275462269783020e-01 - <_> - - 0 -1 58 -2.6879269629716873e-02 - - -4.3909311294555664e-01 4.5222271233797073e-02 - <_> - - 0 -1 900 -1.6478844918310642e-03 - - 2.7425831556320190e-01 -7.7650256454944611e-02 - <_> - - 0 -1 947 4.4362144544720650e-03 - - 3.2876692712306976e-02 -6.0907542705535889e-01 - <_> - - 0 -1 760 -1.5154483262449503e-03 - - 2.2985421121120453e-01 -8.5810013115406036e-02 - <_> - - 0 -1 157 7.0627350360155106e-03 - - 3.4827440977096558e-02 -5.9273594617843628e-01 - <_> - - 0 -1 393 4.5482232235372066e-03 - - -5.2113339304924011e-02 4.0603092312812805e-01 - <_> - - 0 -1 183 -3.9095789194107056e-02 - - 2.5562492012977600e-01 -8.1410482525825500e-02 - <_> - - 0 -1 718 -1.9122204976156354e-03 - - -6.5523076057434082e-01 3.1964879482984543e-02 - <_> - - 0 -1 622 5.1604928448796272e-03 - - 2.8228869661688805e-02 -6.0336226224899292e-01 - - <_> - 63 - -1.2550007104873657e+00 - - <_> - - 0 -1 532 -1.3708438724279404e-02 - - 4.5314663648605347e-01 -1.2558805942535400e-01 - <_> - - 0 -1 32 1.2687301263213158e-02 - - -1.5584127604961395e-01 3.8753288984298706e-01 - <_> - - 0 -1 254 3.3966779708862305e-02 - - -1.1772038787603378e-01 4.0628942847251892e-01 - <_> - - 0 -1 756 8.0258902162313461e-03 - - -1.4661933481693268e-01 4.0369525551795959e-01 - <_> - - 0 -1 2 -4.2836386710405350e-03 - - 2.2167153656482697e-01 -1.9662868976593018e-01 - <_> - - 0 -1 164 -2.7807329315692186e-03 - - -4.6929144859313965e-01 6.9577261805534363e-02 - <_> - - 0 -1 172 1.9090694840997458e-03 - - 5.9488739818334579e-02 -6.3101488351821899e-01 - <_> - - 0 -1 426 3.1442400068044662e-03 - - -1.1149841547012329e-01 3.0095639824867249e-01 - <_> - - 0 -1 324 -2.8418585658073425e-02 - - 3.6157062649726868e-01 -9.6387691795825958e-02 - <_> - - 0 -1 449 -4.4032465666532516e-03 - - 3.2977014780044556e-01 -9.8187342286109924e-02 - <_> - - 0 -1 400 -2.6041134260594845e-03 - - 2.8221642971038818e-01 -1.0142992436885834e-01 - <_> - - 0 -1 357 -5.8917067945003510e-03 - - -5.8254349231719971e-01 6.0040380805730820e-02 - <_> - - 0 -1 998 1.3956660404801369e-03 - - -1.6574928164482117e-01 1.7746162414550781e-01 - <_> - - 0 -1 1022 -1.7630932852625847e-03 - - -5.7597070932388306e-01 6.2388133257627487e-02 - <_> - - 0 -1 697 -1.3517161132767797e-03 - - -5.1934504508972168e-01 4.7232870012521744e-02 - <_> - - 0 -1 507 -3.8743610493838787e-03 - - 2.9165247082710266e-01 -9.9355563521385193e-02 - <_> - - 0 -1 765 1.0973589494824409e-02 - - -7.7571205794811249e-02 3.4312543272972107e-01 - <_> - - 0 -1 128 -3.5274624824523926e-03 - - -6.7513287067413330e-01 3.6897819489240646e-02 - <_> - - 0 -1 605 -2.4239125195890665e-03 - - 2.5701349973678589e-01 -1.0465545207262039e-01 - <_> - - 0 -1 727 -8.3098262548446655e-03 - - 2.6842510700225830e-01 -9.9635124206542969e-02 - <_> - - 0 -1 269 -2.7831714600324631e-02 - - -3.9901316165924072e-01 6.5086022019386292e-02 - <_> - - 0 -1 399 8.1690559163689613e-03 - - -1.1402101069688797e-01 2.2761905193328857e-01 - <_> - - 0 -1 368 2.8635351918637753e-03 - - -1.4034478366374969e-01 1.8733198940753937e-01 - <_> - - 0 -1 286 -2.1204156801104546e-03 - - -5.9949654340744019e-01 4.9501683562994003e-02 - <_> - - 0 -1 669 -9.4446074217557907e-04 - - -3.8145086169242859e-01 5.9254929423332214e-02 - <_> - - 0 -1 686 2.1901372820138931e-03 - - 3.6901079118251801e-02 -5.6260800361633301e-01 - <_> - - 0 -1 103 4.2550573125481606e-03 - - -9.8831087350845337e-02 2.3313422501087189e-01 - <_> - - 0 -1 281 4.2771790176630020e-03 - - 4.2207289487123489e-02 -5.6859022378921509e-01 - <_> - - 0 -1 422 -7.8792609274387360e-03 - - 2.2428077459335327e-01 -9.9518932402133942e-02 - <_> - - 0 -1 561 -3.5514549817889929e-03 - - -5.6150603294372559e-01 3.9242122322320938e-02 - <_> - - 0 -1 738 -6.8606354761868715e-04 - - 2.1056549251079559e-01 -1.2413132935762405e-01 - <_> - - 0 -1 433 5.2483025938272476e-03 - - 3.4256864339113235e-02 -7.2566890716552734e-01 - <_> - - 0 -1 658 -3.6910744383931160e-03 - - 2.6440864801406860e-01 -8.9745096862316132e-02 - <_> - - 0 -1 127 2.0369128324091434e-03 - - 4.6990364789962769e-02 -5.3132331371307373e-01 - <_> - - 0 -1 662 3.8735207635909319e-03 - - -9.1540865600109100e-02 2.7486115694046021e-01 - <_> - - 0 -1 126 6.0556940734386444e-03 - - 5.3909529000520706e-02 -4.6437451243400574e-01 - <_> - - 0 -1 912 4.8301572678610682e-04 - - -1.6165176033973694e-01 1.3917934894561768e-01 - <_> - - 0 -1 101 -1.4880476519465446e-02 - - -5.9634107351303101e-01 3.9811171591281891e-02 - <_> - - 0 -1 609 2.9731846880167723e-03 - - 3.0903076753020287e-02 -6.2935864925384521e-01 - <_> - - 0 -1 90 -1.1181155219674110e-02 - - 3.5473996400833130e-01 -6.4499482512474060e-02 - <_> - - 0 -1 1009 -9.8370900377631187e-04 - - 2.9858112335205078e-01 -8.4500424563884735e-02 - <_> - - 0 -1 975 -1.0228222236037254e-03 - - 2.7100124955177307e-01 -1.0033085197210312e-01 - <_> - - 0 -1 913 2.0134919323027134e-03 - - 4.3533660471439362e-02 -5.4969471693038940e-01 - <_> - - 0 -1 881 -3.1473359558731318e-03 - - 3.1102818250656128e-01 -8.0141142010688782e-02 - <_> - - 0 -1 991 -2.9232497327029705e-03 - - -6.7808300256729126e-01 3.5025410354137421e-02 - <_> - - 0 -1 494 -3.8992143236100674e-03 - - 2.5711989402770996e-01 -8.4509201347827911e-02 - <_> - - 0 -1 547 -3.8403570652008057e-02 - - 2.8463324904441833e-01 -7.5673028826713562e-02 - <_> - - 0 -1 700 -2.2210094612091780e-03 - - -5.6876182556152344e-01 4.0759250521659851e-02 - <_> - - 0 -1 989 6.9615743122994900e-03 - - -7.8118488192558289e-02 2.8128826618194580e-01 - <_> - - 0 -1 948 -1.8219950143247843e-03 - - 1.8647159636020660e-01 -1.3465921580791473e-01 - <_> - - 0 -1 697 1.0106971021741629e-03 - - 5.7168632745742798e-02 -4.1419604420661926e-01 - <_> - - 0 -1 945 -3.3746981061995029e-03 - - -5.2892911434173584e-01 4.0065344423055649e-02 - <_> - - 0 -1 1030 -8.5245687514543533e-03 - - -5.0935691595077515e-01 3.8823168724775314e-02 - <_> - - 0 -1 1012 -2.2426969371736050e-03 - - 2.5891116261482239e-01 -8.8167145848274231e-02 - <_> - - 0 -1 402 -5.9730862267315388e-03 - - -4.3465223908424377e-01 4.9864508211612701e-02 - <_> - - 0 -1 452 -5.5482299067080021e-03 - - 2.5288850069046021e-01 -9.3322932720184326e-02 - <_> - - 0 -1 51 3.7344563007354736e-01 - - -4.9019347876310349e-02 4.3872711062431335e-01 - <_> - - 0 -1 615 -4.0881419554352760e-03 - - 3.1952694058418274e-01 -7.7735908329486847e-02 - <_> - - 0 -1 202 3.1661842949688435e-03 - - -1.0995075106620789e-01 1.7701222002506256e-01 - <_> - - 0 -1 17 -2.1666671335697174e-01 - - -4.5134860277175903e-01 4.9127347767353058e-02 - <_> - - 0 -1 241 -3.1139418482780457e-02 - - 2.5138390064239502e-01 -9.4933450222015381e-02 - <_> - - 0 -1 459 9.1597874416038394e-04 - - -7.4231699109077454e-02 3.1368830800056458e-01 - <_> - - 0 -1 747 -6.1164153739809990e-03 - - -7.0417582988739014e-01 3.4018490463495255e-02 - - <_> - 77 - -1.3230814933776855e+00 - - <_> - - 0 -1 522 -3.3400340471416712e-03 - - 4.2352598905563354e-01 -1.2572944164276123e-01 - <_> - - 0 -1 799 -2.3890279699116945e-03 - - 3.8169610500335693e-01 -1.4501731097698212e-01 - <_> - - 0 -1 448 -2.4045775644481182e-03 - - 3.4690696001052856e-01 -1.2821178138256073e-01 - <_> - - 0 -1 524 1.2546034995466471e-03 - - -1.4823316037654877e-01 2.9894015192985535e-01 - <_> - - 0 -1 752 -1.8236635252833366e-02 - - 3.0641126632690430e-01 -1.2427721172571182e-01 - <_> - - 0 -1 229 4.1921215597540140e-04 - - -1.8449674546718597e-01 1.7403297126293182e-01 - <_> - - 0 -1 914 -3.0837533995509148e-03 - - -6.2562137842178345e-01 3.4162398427724838e-02 - <_> - - 0 -1 587 -3.4897932782769203e-03 - - 2.0127655565738678e-01 -1.4677318930625916e-01 - <_> - - 0 -1 882 -3.4818234853446484e-03 - - 2.9465374350547791e-01 -1.0961814969778061e-01 - <_> - - 0 -1 13 6.2356598675251007e-02 - - -9.8056003451347351e-02 3.1733244657516479e-01 - <_> - - 0 -1 607 -1.8334560096263885e-02 - - 3.1992998719215393e-01 -7.8213296830654144e-02 - <_> - - 0 -1 885 3.7803263403475285e-03 - - 5.3678415715694427e-02 -5.0315982103347778e-01 - <_> - - 0 -1 1027 -3.6906298249959946e-02 - - -6.3056147098541260e-01 3.8218058645725250e-02 - <_> - - 0 -1 923 4.6968068927526474e-03 - - -1.1338837444782257e-01 2.6388064026832581e-01 - <_> - - 0 -1 708 -1.1566210538148880e-02 - - 1.6388712823390961e-01 -1.6043519973754883e-01 - <_> - - 0 -1 489 3.1895786523818970e-03 - - 6.0215596109628677e-02 -4.7157511115074158e-01 - <_> - - 0 -1 50 -2.5480750948190689e-02 - - -5.5096846818923950e-01 3.9257630705833435e-02 - <_> - - 0 -1 480 3.9267786778509617e-03 - - 6.1174295842647552e-02 -4.1686600446701050e-01 - <_> - - 0 -1 874 4.2923549190163612e-03 - - -6.9901801645755768e-02 3.6233785748481750e-01 - <_> - - 0 -1 929 1.5720827504992485e-03 - - -9.2891335487365723e-02 2.6970732212066650e-01 - <_> - - 0 -1 937 4.2968937195837498e-03 - - 4.5402236282825470e-02 -6.1771476268768311e-01 - <_> - - 0 -1 223 5.8442405425012112e-03 - - 3.4459017217159271e-02 -6.2251347303390503e-01 - <_> - - 0 -1 663 2.6888614520430565e-03 - - 3.6230482161045074e-02 -5.7353609800338745e-01 - <_> - - 0 -1 424 4.4175283983349800e-03 - - -6.4959764480590820e-02 3.7311050295829773e-01 - <_> - - 0 -1 138 1.4900951646268368e-03 - - -1.0781793296337128e-01 2.0226408541202545e-01 - <_> - - 0 -1 373 2.4665119126439095e-03 - - 5.7804334908723831e-02 -4.1689205169677734e-01 - <_> - - 0 -1 441 9.3985523562878370e-04 - - -1.4865192770957947e-01 1.3861793279647827e-01 - <_> - - 0 -1 132 -5.3606871515512466e-03 - - 1.8524695932865143e-01 -1.1567704379558563e-01 - <_> - - 0 -1 636 -4.6638157218694687e-03 - - 1.6163532435894012e-01 -1.3586524128913879e-01 - <_> - - 0 -1 120 3.7256032228469849e-03 - - 5.2170656621456146e-02 -4.2538973689079285e-01 - <_> - - 0 -1 106 -8.9184641838073730e-03 - - -5.0052535533905029e-01 4.7540370374917984e-02 - <_> - - 0 -1 474 5.6020710617303848e-03 - - 3.4621786326169968e-02 -5.4071390628814697e-01 - <_> - - 0 -1 475 -3.7551699206233025e-03 - - -3.9268767833709717e-01 5.2867397665977478e-02 - <_> - - 0 -1 567 4.0759481489658356e-03 - - 3.7209436297416687e-02 -4.7708320617675781e-01 - <_> - - 0 -1 413 4.1836635209619999e-03 - - -5.8815345168113708e-02 3.6573976278305054e-01 - <_> - - 0 -1 477 -9.3902507796883583e-04 - - 1.9424098730087280e-01 -1.1125016957521439e-01 - <_> - - 0 -1 985 -9.9178254604339600e-03 - - -5.9317117929458618e-01 3.3418238162994385e-02 - <_> - - 0 -1 646 3.3355036284774542e-03 - - -8.7399490177631378e-02 2.4422888457775116e-01 - <_> - - 0 -1 646 -3.4440397284924984e-03 - - 2.9363137483596802e-01 -7.5259201228618622e-02 - <_> - - 0 -1 42 2.1378418896347284e-03 - - 5.6551665067672729e-02 -3.9630606770515442e-01 - <_> - - 0 -1 1005 -4.5215697027742863e-03 - - 1.6443158686161041e-01 -1.1997994035482407e-01 - <_> - - 0 -1 47 -1.2263706885278225e-03 - - -2.6839572191238403e-01 7.8797832131385803e-02 - <_> - - 0 -1 926 -7.3856199160218239e-03 - - -7.5282222032546997e-01 2.3323338478803635e-02 - <_> - - 0 -1 1044 1.1934632435441017e-02 - - 3.9068166166543961e-02 -4.3301787972450256e-01 - <_> - - 0 -1 826 -4.2066089808940887e-03 - - 3.1933805346488953e-01 -6.1786398291587830e-02 - <_> - - 0 -1 779 -1.5679887728765607e-03 - - 2.1744215488433838e-01 -9.4651907682418823e-02 - <_> - - 0 -1 78 2.5083343498408794e-03 - - 5.7137917727231979e-02 -3.3361336588859558e-01 - <_> - - 0 -1 660 3.6224797368049622e-03 - - 3.1345754861831665e-02 -5.7247912883758545e-01 - <_> - - 0 -1 870 -7.7814143151044846e-03 - - 2.9652404785156250e-01 -6.6501826047897339e-02 - <_> - - 0 -1 800 -4.1631370550021529e-04 - - 2.2159980237483978e-01 -1.0610108822584152e-01 - <_> - - 0 -1 596 4.7841453924775124e-03 - - 3.3327136188745499e-02 -5.7043993473052979e-01 - <_> - - 0 -1 347 1.2740758247673512e-03 - - -7.9592645168304443e-02 2.4728350341320038e-01 - <_> - - 0 -1 59 -2.0162630826234818e-02 - - -7.0677626132965088e-01 2.7118822559714317e-02 - <_> - - 0 -1 165 -2.5762226432561874e-02 - - -5.9367066621780396e-01 2.7015525847673416e-02 - <_> - - 0 -1 255 -1.1241633910685778e-03 - - 2.9121127724647522e-01 -6.5690472722053528e-02 - <_> - - 0 -1 818 2.9669383540749550e-02 - - 3.4585461020469666e-02 -5.4837781190872192e-01 - <_> - - 0 -1 501 -6.3295168802142143e-03 - - 2.3453639447689056e-01 -8.5172846913337708e-02 - <_> - - 0 -1 1046 4.0143523365259171e-03 - - 3.5306803882122040e-02 -5.4817456007003784e-01 - <_> - - 0 -1 949 -2.4633856955915689e-03 - - 1.6164709627628326e-01 -1.1111633479595184e-01 - <_> - - 0 -1 38 -2.6468174532055855e-02 - - 2.5775042176246643e-01 -7.2721429169178009e-02 - <_> - - 0 -1 1047 -2.5992670562118292e-03 - - -3.1405648589134216e-01 5.9779226779937744e-02 - <_> - - 0 -1 809 -2.2960878908634186e-02 - - 2.8405818343162537e-01 -6.8080194294452667e-02 - <_> - - 0 -1 437 -1.6940593719482422e-02 - - 3.0056476593017578e-01 -6.7668616771697998e-02 - <_> - - 0 -1 528 1.7171052750200033e-03 - - -6.5253980457782745e-02 2.9430890083312988e-01 - <_> - - 0 -1 142 -5.2873874083161354e-03 - - -4.5413893461227417e-01 4.3044254183769226e-02 - <_> - - 0 -1 14 -1.8073642626404762e-02 - - -3.4945023059844971e-01 5.2509855479001999e-02 - <_> - - 0 -1 627 -2.0803229417651892e-03 - - -4.0171647071838379e-01 4.5229051262140274e-02 - <_> - - 0 -1 918 -1.1218651343369856e-04 - - 1.2830497324466705e-01 -1.4649079740047455e-01 - <_> - - 0 -1 84 -6.6526420414447784e-03 - - -3.4429419040679932e-01 5.4524090141057968e-02 - <_> - - 0 -1 162 -4.1576132178306580e-02 - - -5.5132204294204712e-01 3.2239176332950592e-02 - <_> - - 0 -1 659 -3.2582432031631470e-03 - - 2.1904261410236359e-01 -9.0739406645298004e-02 - <_> - - 0 -1 711 -4.4706808403134346e-03 - - 2.2556288540363312e-01 -9.5258384943008423e-02 - <_> - - 0 -1 177 -6.5750535577535629e-03 - - -4.8511472344398499e-01 4.1734144091606140e-02 - <_> - - 0 -1 251 -3.7532784044742584e-02 - - 2.0968079566955566e-01 -8.8354945182800293e-02 - <_> - - 0 -1 530 -1.2600638438016176e-03 - - 2.2111406922340393e-01 -9.0988010168075562e-02 - <_> - - 0 -1 28 -2.3967802524566650e-02 - - -6.2524855136871338e-01 3.0603738501667976e-02 - <_> - - 0 -1 225 -3.1747903674840927e-02 - - -6.2007570266723633e-01 2.5801742449402809e-02 - - <_> - 84 - -1.3265128135681152e+00 - - <_> - - 0 -1 801 -2.4247136898338795e-03 - - 4.3507692217826843e-01 -1.1363404244184494e-01 - <_> - - 0 -1 239 3.6287805996835232e-03 - - -1.5781879425048828e-01 3.3899685740470886e-01 - <_> - - 0 -1 591 -4.2556263506412506e-03 - - 2.2901295125484467e-01 -2.0403152704238892e-01 - <_> - - 0 -1 847 1.6322638839483261e-03 - - -1.9230945408344269e-01 2.0004445314407349e-01 - <_> - - 0 -1 338 1.4746835455298424e-02 - - -1.2184409052133560e-01 3.9130899310112000e-01 - <_> - - 0 -1 192 -1.5139304101467133e-02 - - 2.6918080449104309e-01 -1.4086124300956726e-01 - <_> - - 0 -1 21 -7.4753491207957268e-03 - - 2.1792158484458923e-01 -1.6056208312511444e-01 - <_> - - 0 -1 287 2.3232740350067616e-03 - - -1.6489887237548828e-01 1.7108000814914703e-01 - <_> - - 0 -1 899 -2.7532558888196945e-03 - - -5.3275841474533081e-01 5.2368167787790298e-02 - <_> - - 0 -1 896 -3.9793960750102997e-03 - - 3.4057796001434326e-01 -8.0085732042789459e-02 - <_> - - 0 -1 608 7.1728855371475220e-02 - - -7.2147607803344727e-02 4.0667375922203064e-01 - <_> - - 0 -1 883 -5.3792679682374001e-04 - - 1.7865169048309326e-01 -1.4902706444263458e-01 - <_> - - 0 -1 248 6.0019297525286674e-03 - - 7.1029536426067352e-02 -3.9921376109123230e-01 - <_> - - 0 -1 369 6.9427289068698883e-02 - - -9.5279395580291748e-02 2.6865223050117493e-01 - <_> - - 0 -1 130 -8.8401548564434052e-03 - - -5.3491175174713135e-01 5.0447739660739899e-02 - <_> - - 0 -1 699 -1.4551014639437199e-02 - - 1.9883459806442261e-01 -1.1586152762174606e-01 - <_> - - 0 -1 754 -1.7498439410701394e-03 - - 2.2214990854263306e-01 -9.8238572478294373e-02 - <_> - - 0 -1 246 -2.1636944264173508e-02 - - 2.8814041614532471e-01 -8.2750618457794189e-02 - <_> - - 0 -1 833 1.2786949053406715e-02 - - -8.7337315082550049e-02 2.6530647277832031e-01 - <_> - - 0 -1 57 -8.7271071970462799e-03 - - -5.3538525104522705e-01 5.0595279783010483e-02 - <_> - - 0 -1 1039 3.3185956999659538e-03 - - 4.5733701437711716e-02 -4.4758048653602600e-01 - <_> - - 0 -1 795 -1.2216938193887472e-03 - - 1.5257745981216431e-01 -1.4963941276073456e-01 - <_> - - 0 -1 562 3.9857804775238037e-02 - - -8.5655666887760162e-02 2.6823255419731140e-01 - <_> - - 0 -1 764 2.4454984813928604e-03 - - 4.6102020889520645e-02 -5.0574064254760742e-01 - <_> - - 0 -1 98 -4.2114150524139404e-01 - - 6.9476419687271118e-01 -3.2907195389270782e-02 - <_> - - 0 -1 558 2.3470625281333923e-02 - - -8.6790844798088074e-02 2.2723633050918579e-01 - <_> - - 0 -1 253 -1.1454307474195957e-02 - - 2.5413584709167480e-01 -8.8991768658161163e-02 - <_> - - 0 -1 624 5.0260839052498341e-03 - - 3.8961157202720642e-02 -5.9463697671890259e-01 - <_> - - 0 -1 873 1.6196466749534011e-03 - - -9.0231269598007202e-02 2.6204809546470642e-01 - <_> - - 0 -1 408 8.1676244735717773e-02 - - -8.0785289406776428e-02 2.5112318992614746e-01 - <_> - - 0 -1 483 -5.4313270375132561e-03 - - 1.6463221609592438e-01 -1.3186016678810120e-01 - <_> - - 0 -1 291 5.7006161659955978e-03 - - -1.3998855650424957e-01 1.4326113462448120e-01 - <_> - - 0 -1 221 -7.5926873832941055e-03 - - -5.5559343099594116e-01 3.7072587758302689e-02 - <_> - - 0 -1 618 7.5261802412569523e-03 - - 2.8434989973902702e-02 -5.8689045906066895e-01 - <_> - - 0 -1 869 -6.3516031950712204e-03 - - 1.4447389543056488e-01 -1.4542055130004883e-01 - <_> - - 0 -1 980 -7.6800247188657522e-04 - - 1.8556322157382965e-01 -1.0404425859451294e-01 - <_> - - 0 -1 941 -4.4167470186948776e-03 - - -7.0306748151779175e-01 3.0874395743012428e-02 - <_> - - 0 -1 1010 3.3405693247914314e-03 - - -6.6534630954265594e-02 3.4018290042877197e-01 - <_> - - 0 -1 114 1.1457607150077820e-02 - - 3.3658623695373535e-02 -6.1056423187255859e-01 - <_> - - 0 -1 1000 -1.8547235522419214e-03 - - -7.4722522497177124e-01 2.2372998297214508e-02 - <_> - - 0 -1 9 -1.9720013439655304e-01 - - -5.9932583570480347e-01 2.9283462092280388e-02 - <_> - - 0 -1 544 -2.6251156814396381e-03 - - -3.0683135986328125e-01 5.5391944944858551e-02 - <_> - - 0 -1 17 -2.7104711532592773e-01 - - -6.4121168851852417e-01 2.6428909972310066e-02 - <_> - - 0 -1 349 1.0233232751488686e-02 - - 4.5153360813856125e-02 -3.6883556842803955e-01 - <_> - - 0 -1 363 4.0971953421831131e-03 - - 4.1385501623153687e-02 -4.3035930395126343e-01 - <_> - - 0 -1 464 -8.8650803081691265e-04 - - 1.6314724087715149e-01 -1.1271495372056961e-01 - <_> - - 0 -1 721 -4.1144760325551033e-03 - - -5.5176359415054321e-01 3.3540870994329453e-02 - <_> - - 0 -1 940 -9.8663510289043188e-04 - - 2.1676342189311981e-01 -8.5408315062522888e-02 - <_> - - 0 -1 428 6.0831783339381218e-03 - - -8.7310679256916046e-02 2.3208071291446686e-01 - <_> - - 0 -1 789 -1.4624604955315590e-02 - - -5.9713214635848999e-01 3.0128041282296181e-02 - <_> - - 0 -1 787 1.3654056005179882e-02 - - 2.4816744029521942e-02 -6.2301605939865112e-01 - <_> - - 0 -1 820 4.2229411192238331e-03 - - -7.3886208236217499e-02 2.4938605725765228e-01 - <_> - - 0 -1 168 1.3268929906189442e-03 - - 4.0760166943073273e-02 -4.3510803580284119e-01 - <_> - - 0 -1 275 -9.6903974190354347e-04 - - 2.2486831247806549e-01 -7.8642837703227997e-02 - <_> - - 0 -1 274 1.0329007636755705e-03 - - -7.3648050427436829e-02 2.6808246970176697e-01 - <_> - - 0 -1 474 -4.2711962014436722e-03 - - -4.0931078791618347e-01 4.7851666808128357e-02 - <_> - - 0 -1 983 -3.7627927958965302e-03 - - -5.0520634651184082e-01 3.0405685305595398e-02 - <_> - - 0 -1 979 -1.7928264569491148e-03 - - 3.3886525034904480e-01 -5.3929597139358521e-02 - <_> - - 0 -1 148 3.9475625380873680e-03 - - 3.4511350095272064e-02 -5.2250456809997559e-01 - <_> - - 0 -1 827 -4.4537894427776337e-03 - - 2.2575919330120087e-01 -7.4650920927524567e-02 - <_> - - 0 -1 774 -2.9974281787872314e-02 - - -6.0629475116729736e-01 3.4456655383110046e-02 - <_> - - 0 -1 123 2.6775486767292023e-02 - - -8.8883727788925171e-02 2.0147153735160828e-01 - <_> - - 0 -1 302 -4.4971965253353119e-03 - - -5.3158396482467651e-01 3.3491309732198715e-02 - <_> - - 0 -1 620 -1.5196309424936771e-02 - - 2.8140705823898315e-01 -6.4074374735355377e-02 - <_> - - 0 -1 560 -2.1833679638803005e-03 - - 2.1953551471233368e-01 -8.5029341280460358e-02 - <_> - - 0 -1 317 -5.4325433447957039e-03 - - -4.8182886838912964e-01 3.8184959441423416e-02 - <_> - - 0 -1 463 -3.9055421948432922e-03 - - -3.5678783059120178e-01 4.5511916279792786e-02 - <_> - - 0 -1 1017 -5.0043486990034580e-03 - - -3.5324424505233765e-01 4.9539435654878616e-02 - <_> - - 0 -1 595 4.2052613571286201e-03 - - -7.6765090227127075e-02 2.4410718679428101e-01 - <_> - - 0 -1 642 -2.9198043048381805e-03 - - 2.8657916188240051e-01 -9.1479435563087463e-02 - <_> - - 0 -1 116 1.4442477375268936e-02 - - 2.2604020312428474e-02 -7.7516084909439087e-01 - <_> - - 0 -1 956 1.0879908688366413e-02 - - -8.9434660971164703e-02 1.8898591399192810e-01 - <_> - - 0 -1 707 1.2304648756980896e-01 - - 2.9145279899239540e-02 -5.6789475679397583e-01 - <_> - - 0 -1 301 5.4486069828271866e-02 - - -8.0465197563171387e-02 2.1073351800441742e-01 - <_> - - 0 -1 37 -1.0112209245562553e-02 - - 2.5688818097114563e-01 -7.3113977909088135e-02 - <_> - - 0 -1 145 -4.3551158159971237e-03 - - -4.0537205338478088e-01 5.1149621605873108e-02 - <_> - - 0 -1 377 2.8712721541523933e-03 - - -8.9186541736125946e-02 2.0391693711280823e-01 - <_> - - 0 -1 220 2.4744076654314995e-02 - - 3.1359996646642685e-02 -5.9586691856384277e-01 - <_> - - 0 -1 19 6.0209888033568859e-03 - - -8.2612000405788422e-02 2.1787849068641663e-01 - <_> - - 0 -1 852 6.0595902614295483e-03 - - 4.7610606998205185e-02 -3.5010379552841187e-01 - <_> - - 0 -1 324 -2.1957855671644211e-02 - - 2.2477181255817413e-01 -7.5377546250820160e-02 - <_> - - 0 -1 385 -3.9967135526239872e-03 - - 4.3043723702430725e-01 -3.9885677397251129e-02 - <_> - - 0 -1 745 -2.0381226204335690e-03 - - -5.8131587505340576e-01 3.2071832567453384e-02 - <_> - - 0 -1 337 3.8902673404663801e-03 - - -6.0279250144958496e-02 2.9424437880516052e-01 - - <_> - 82 - -1.2607949972152710e+00 - - <_> - - 0 -1 798 -1.9003680208697915e-03 - - 4.8600798845291138e-01 -7.5834542512893677e-02 - <_> - - 0 -1 238 1.5605278313159943e-03 - - -1.9763922691345215e-01 2.5329649448394775e-01 - <_> - - 0 -1 584 -4.8138713464140892e-03 - - 3.5302931070327759e-01 -1.2585695087909698e-01 - <_> - - 0 -1 870 5.7447804138064384e-03 - - -1.5453046560287476e-01 3.5572248697280884e-01 - <_> - - 0 -1 806 3.2787662930786610e-03 - - -1.8419209122657776e-01 1.6216333210468292e-01 - <_> - - 0 -1 423 2.8142044320702553e-03 - - -9.4009101390838623e-02 2.7667456865310669e-01 - <_> - - 0 -1 259 1.8096582498401403e-03 - - -8.9050479233264923e-02 2.9622453451156616e-01 - <_> - - 0 -1 988 7.2106244042515755e-03 - - -1.0854976624250412e-01 2.2157947719097137e-01 - <_> - - 0 -1 342 1.3368867337703705e-02 - - 5.8126326650381088e-02 -3.8564166426658630e-01 - <_> - - 0 -1 276 1.6755410470068455e-03 - - -6.9541916251182556e-02 3.6275833845138550e-01 - <_> - - 0 -1 198 -4.5782830566167831e-03 - - -5.6317430734634399e-01 3.9351724088191986e-02 - <_> - - 0 -1 729 3.6364984698593616e-03 - - -1.5140864253044128e-01 1.4790520071983337e-01 - <_> - - 0 -1 928 -1.1279541999101639e-02 - - -4.8907181620597839e-01 5.1109701395034790e-02 - <_> - - 0 -1 867 -1.2224027886986732e-02 - - -6.0496371984481812e-01 3.5609807819128036e-02 - <_> - - 0 -1 769 -2.8662174940109253e-02 - - 2.4556699395179749e-01 -9.9369116127490997e-02 - <_> - - 0 -1 496 6.7924216389656067e-02 - - -7.8038521111011505e-02 3.3691942691802979e-01 - <_> - - 0 -1 962 2.2719642147421837e-03 - - 5.8022607117891312e-02 -4.7124773263931274e-01 - <_> - - 0 -1 210 8.5627539083361626e-03 - - 3.4671626985073090e-02 -4.6883812546730042e-01 - <_> - - 0 -1 362 1.1866856366395950e-03 - - -8.0339640378952026e-02 2.5030750036239624e-01 - <_> - - 0 -1 979 8.1023329403251410e-04 - - -8.0605715513229370e-02 2.5741192698478699e-01 - <_> - - 0 -1 281 -4.0647285059094429e-03 - - -5.0938653945922852e-01 4.0403041988611221e-02 - <_> - - 0 -1 309 -1.9617568701505661e-02 - - -5.4703706502914429e-01 3.5078343003988266e-02 - <_> - - 0 -1 233 6.9989012554287910e-03 - - 2.6246270164847374e-02 -6.0453557968139648e-01 - <_> - - 0 -1 450 -6.2460554763674736e-03 - - 2.3062629997730255e-01 -8.3763726055622101e-02 - <_> - - 0 -1 529 7.5731135439127684e-04 - - -9.5188923180103302e-02 2.3367822170257568e-01 - <_> - - 0 -1 462 -3.2256892882287502e-03 - - 2.1003848314285278e-01 -1.2173316627740860e-01 - <_> - - 0 -1 941 -2.8797222767025232e-03 - - -4.8621371388435364e-01 4.3998546898365021e-02 - <_> - - 0 -1 740 5.9399371966719627e-03 - - 2.7645273134112358e-02 -6.2591820955276489e-01 - <_> - - 0 -1 742 -5.4768389090895653e-03 - - 2.5695452094078064e-01 -8.1276804208755493e-02 - <_> - - 0 -1 107 -2.2785080596804619e-02 - - -6.7479509115219116e-01 2.9845010489225388e-02 - <_> - - 0 -1 240 -6.0453559271991253e-03 - - -4.5132589340209961e-01 4.0413774549961090e-02 - <_> - - 0 -1 216 5.9022027999162674e-03 - - 4.6321801841259003e-02 -3.9377251267433167e-01 - <_> - - 0 -1 775 -1.1740738991647959e-03 - - 2.2063454985618591e-01 -8.9038714766502380e-02 - <_> - - 0 -1 835 -3.7963264621794224e-03 - - 1.7901860177516937e-01 -1.0518371313810349e-01 - <_> - - 0 -1 871 2.4132090620696545e-03 - - -9.3182116746902466e-02 2.9489630460739136e-01 - <_> - - 0 -1 543 4.5318575575947762e-04 - - -1.4386458694934845e-01 1.3717848062515259e-01 - <_> - - 0 -1 1029 1.8930386751890182e-02 - - 3.3168405294418335e-02 -5.5337232351303101e-01 - <_> - - 0 -1 652 -2.6878318749368191e-03 - - -5.4439735412597656e-01 3.1048862263560295e-02 - <_> - - 0 -1 672 -3.9407592266798019e-03 - - -6.5507227182388306e-01 2.4424355477094650e-02 - <_> - - 0 -1 599 2.1629813127219677e-03 - - -1.0160741209983826e-01 1.8277852237224579e-01 - <_> - - 0 -1 222 -2.9370808042585850e-03 - - -4.7847637534141541e-01 3.8538910448551178e-02 - <_> - - 0 -1 6 3.8221649825572968e-02 - - -7.6206430792808533e-02 2.3375664651393890e-01 - <_> - - 0 -1 393 -3.1483019702136517e-03 - - 2.5192636251449585e-01 -7.3695883154869080e-02 - <_> - - 0 -1 613 -4.5907422900199890e-03 - - -6.2766075134277344e-01 2.8896089643239975e-02 - <_> - - 0 -1 26 -9.5378428697586060e-02 - - -7.4559724330902100e-01 2.1207747980952263e-02 - <_> - - 0 -1 639 2.0872952882200480e-03 - - -8.7810918688774109e-02 2.0629811286926270e-01 - <_> - - 0 -1 635 -6.9244997575879097e-03 - - 1.8590562045574188e-01 -9.8790608346462250e-02 - <_> - - 0 -1 590 2.4594084825366735e-03 - - -1.0049589723348618e-01 2.2963477671146393e-01 - <_> - - 0 -1 1021 -5.2931695245206356e-03 - - -4.5924744009971619e-01 4.3104480952024460e-02 - <_> - - 0 -1 994 4.8847724683582783e-03 - - 4.6008609235286713e-02 -4.4277390837669373e-01 - <_> - - 0 -1 454 1.4400177169591188e-03 - - -5.9334080666303635e-02 3.0132320523262024e-01 - <_> - - 0 -1 156 -8.6052305996417999e-03 - - 1.9737368822097778e-01 -8.9747570455074310e-02 - <_> - - 0 -1 193 -6.1248587444424629e-03 - - -4.5141929388046265e-01 3.8760874420404434e-02 - <_> - - 0 -1 464 -1.8148655071854591e-03 - - 2.2768247127532959e-01 -8.2637414336204529e-02 - <_> - - 0 -1 330 -8.5119507275521755e-04 - - 1.9616322219371796e-01 -1.0013028979301453e-01 - <_> - - 0 -1 417 1.4472046867012978e-02 - - -8.8336527347564697e-02 1.9660694897174835e-01 - <_> - - 0 -1 628 1.4135142788290977e-02 - - -6.4112767577171326e-02 3.1887489557266235e-01 - <_> - - 0 -1 390 4.8004039563238621e-03 - - 4.8681098967790604e-02 -4.6234726905822754e-01 - <_> - - 0 -1 279 -3.3503584563732147e-02 - - 2.5094386935234070e-01 -8.0808885395526886e-02 - <_> - - 0 -1 943 2.4153569247573614e-03 - - -7.2777584195137024e-02 2.6076248288154602e-01 - <_> - - 0 -1 34 -1.3153228908777237e-02 - - 2.3979008197784424e-01 -7.6283767819404602e-02 - <_> - - 0 -1 718 -8.5048296023160219e-04 - - -3.2108953595161438e-01 5.7150222361087799e-02 - <_> - - 0 -1 511 2.0031477324664593e-03 - - -7.5618073344230652e-02 2.3024985194206238e-01 - <_> - - 0 -1 505 -3.9609652012586594e-03 - - -4.3856775760650635e-01 3.7756573408842087e-02 - <_> - - 0 -1 311 5.9846425428986549e-03 - - 3.5378426313400269e-02 -4.7760033607482910e-01 - <_> - - 0 -1 83 2.0205255597829819e-02 - - -8.0130979418754578e-02 2.2919151186943054e-01 - <_> - - 0 -1 927 -2.7492402587085962e-03 - - 2.1395626664161682e-01 -7.6452419161796570e-02 - <_> - - 0 -1 506 -8.3101191557943821e-04 - - 1.6961804032325745e-01 -9.9106967449188232e-02 - <_> - - 0 -1 604 -1.8657972104847431e-03 - - -3.8131290674209595e-01 4.6056091785430908e-02 - <_> - - 0 -1 74 2.0824437960982323e-03 - - 6.4966239035129547e-02 -2.3824627697467804e-01 - <_> - - 0 -1 70 -4.4267112389206886e-03 - - -3.5809823870658875e-01 4.6749643981456757e-02 - <_> - - 0 -1 211 1.3552411692216992e-03 - - -1.2307690829038620e-01 1.3934792578220367e-01 - <_> - - 0 -1 213 -4.4114869087934494e-03 - - 2.6617470383644104e-01 -7.4502207338809967e-02 - <_> - - 0 -1 432 5.2309304010123014e-04 - - -1.0876630991697311e-01 1.5687976777553558e-01 - <_> - - 0 -1 976 6.4505764748901129e-04 - - -8.0842182040214539e-02 2.0263716578483582e-01 - <_> - - 0 -1 975 2.0405012182891369e-03 - - -6.2390543520450592e-02 3.3067914843559265e-01 - <_> - - 0 -1 888 1.9838459789752960e-02 - - 2.3488542065024376e-02 -8.1695795059204102e-01 - <_> - - 0 -1 953 2.3998366668820381e-03 - - 4.1017178446054459e-02 -3.7197592854499817e-01 - <_> - - 0 -1 664 -1.1092903092503548e-02 - - -5.5750596523284912e-01 2.9520254582166672e-02 - <_> - - 0 -1 981 1.4876715838909149e-02 - - -6.5797492861747742e-02 2.5957426428794861e-01 - <_> - - 0 -1 621 -3.0385032296180725e-02 - - 2.2640630602836609e-01 -7.6991938054561615e-02 - <_> - - 0 -1 666 1.2216348201036453e-02 - - -7.0106968283653259e-02 2.4013392627239227e-01 - - <_> - 94 - -1.2798616886138916e+00 - - <_> - - 0 -1 801 -3.8322431501001120e-03 - - 4.8065602779388428e-01 -4.9388073384761810e-02 - <_> - - 0 -1 966 2.5449637323617935e-03 - - -1.7564620077610016e-01 2.5865191221237183e-01 - <_> - - 0 -1 448 -5.4743299260735512e-03 - - 4.9321442842483521e-01 -7.0596724748611450e-02 - <_> - - 0 -1 294 1.5188493765890598e-02 - - -1.8555639684200287e-01 1.5278494358062744e-01 - <_> - - 0 -1 954 7.5815798481926322e-04 - - -1.5043407678604126e-01 1.8612807989120483e-01 - <_> - - 0 -1 963 -3.4232349134981632e-03 - - -4.5882478356361389e-01 4.3279532343149185e-02 - <_> - - 0 -1 842 2.4103666655719280e-03 - - -8.4217190742492676e-02 2.6687353849411011e-01 - <_> - - 0 -1 340 -2.3144368082284927e-02 - - 2.9155749082565308e-01 -9.9449791014194489e-02 - <_> - - 0 -1 419 -4.2331898584961891e-03 - - -3.7696760892868042e-01 8.0511704087257385e-02 - <_> - - 0 -1 282 4.9294121563434601e-03 - - -1.3016121089458466e-01 1.8470372259616852e-01 - <_> - - 0 -1 481 -2.7466980100143701e-05 - - 1.4074377715587616e-01 -1.7928679287433624e-01 - <_> - - 0 -1 724 2.2430901881307364e-03 - - -1.4674974977970123e-01 1.5197925269603729e-01 - <_> - - 0 -1 849 7.5493026524782181e-03 - - 2.4894557893276215e-02 -6.5740859508514404e-01 - <_> - - 0 -1 245 -3.3066330943256617e-03 - - 1.8501703441143036e-01 -1.1837758123874664e-01 - <_> - - 0 -1 345 6.9540860131382942e-03 - - -7.3770649731159210e-02 2.9017251729965210e-01 - <_> - - 0 -1 790 -8.6210696026682854e-03 - - 2.0990766584873199e-01 -1.0644201189279556e-01 - <_> - - 0 -1 978 -6.0504255816340446e-04 - - 2.2373022139072418e-01 -9.6104651689529419e-02 - <_> - - 0 -1 46 -4.5433510094881058e-03 - - -5.4173427820205688e-01 4.7511249780654907e-02 - <_> - - 0 -1 694 -2.2248399909585714e-03 - - -4.6854707598686218e-01 3.8701556622982025e-02 - <_> - - 0 -1 10 -5.3389102220535278e-02 - - 2.9293462634086609e-01 -7.2517670691013336e-02 - <_> - - 0 -1 13 4.6098522841930389e-02 - - -1.0042577981948853e-01 2.3779328167438507e-01 - <_> - - 0 -1 243 7.7845109626650810e-03 - - 3.7205196917057037e-02 -4.9194374680519104e-01 - <_> - - 0 -1 182 6.0175172984600067e-03 - - 4.4034618884325027e-02 -4.3780878186225891e-01 - <_> - - 0 -1 876 4.8966710455715656e-03 - - -1.0375351458787918e-01 1.9480220973491669e-01 - <_> - - 0 -1 494 -3.1284091528505087e-03 - - 2.3669239878654480e-01 -9.6020378172397614e-02 - <_> - - 0 -1 190 -1.3859109021723270e-03 - - 2.8487151861190796e-01 -7.2190955281257629e-02 - <_> - - 0 -1 191 2.6260318700224161e-03 - - -8.5511997342109680e-02 3.0152606964111328e-01 - <_> - - 0 -1 65 1.7782470583915710e-01 - - -6.4100205898284912e-02 3.3825826644897461e-01 - <_> - - 0 -1 50 1.7538113519549370e-02 - - 5.9994459152221680e-02 -3.5529783368110657e-01 - <_> - - 0 -1 946 -3.2135979272425175e-03 - - 1.3668337464332581e-01 -1.3979049026966095e-01 - <_> - - 0 -1 461 6.1371903866529465e-03 - - -6.2439329922199249e-02 3.0614212155342102e-01 - <_> - - 0 -1 467 -4.6563488431274891e-03 - - -4.3073609471321106e-01 4.9068968743085861e-02 - <_> - - 0 -1 668 -4.0680947713553905e-03 - - -4.6810126304626465e-01 3.7441805005073547e-02 - <_> - - 0 -1 696 1.4199400320649147e-03 - - -8.7975829839706421e-02 2.1591611206531525e-01 - <_> - - 0 -1 851 3.5254685208201408e-03 - - 4.6650484204292297e-02 -4.3687531352043152e-01 - <_> - - 0 -1 487 1.8623860552906990e-02 - - -7.6216101646423340e-02 2.3812168836593628e-01 - <_> - - 0 -1 314 -2.6926528662443161e-02 - - -6.7117422819137573e-01 2.9464269056916237e-02 - <_> - - 0 -1 632 2.2593191824853420e-03 - - 2.8521748259663582e-02 -5.4787307977676392e-01 - <_> - - 0 -1 919 1.7519816174171865e-04 - - -1.6111046075820923e-01 1.0367503762245178e-01 - <_> - - 0 -1 493 1.0614154860377312e-02 - - 4.5461904257535934e-02 -3.8087964057922363e-01 - <_> - - 0 -1 20 -4.4702589511871338e-03 - - 1.4304992556571960e-01 -1.3372300565242767e-01 - <_> - - 0 -1 557 6.2367701902985573e-03 - - -7.7783808112144470e-02 2.1545551717281342e-01 - <_> - - 0 -1 76 4.6502514742314816e-03 - - 4.6132039278745651e-02 -3.7130251526832581e-01 - <_> - - 0 -1 544 -4.3315230868756771e-03 - - -4.1549521684646606e-01 3.8484618067741394e-02 - <_> - - 0 -1 764 -1.6567837446928024e-03 - - -3.4637498855590820e-01 4.6623144298791885e-02 - <_> - - 0 -1 415 4.7653233632445335e-03 - - -5.0808548927307129e-02 3.4609997272491455e-01 - <_> - - 0 -1 413 -3.2579647377133369e-03 - - 2.6948198676109314e-01 -8.5287831723690033e-02 - <_> - - 0 -1 614 2.3307730443775654e-03 - - -7.4774339795112610e-02 2.3053503036499023e-01 - <_> - - 0 -1 176 -2.7928136289119720e-02 - - 1.9429244101047516e-01 -8.7820984423160553e-02 - <_> - - 0 -1 366 -9.8205050453543663e-03 - - -5.9664642810821533e-01 3.1795132905244827e-02 - <_> - - 0 -1 767 4.9811266362667084e-03 - - -1.1911241710186005e-01 1.5268225967884064e-01 - <_> - - 0 -1 508 -2.4869772605597973e-03 - - -3.8041505217552185e-01 4.4293139129877090e-02 - <_> - - 0 -1 780 5.4475376382470131e-03 - - -4.6219147741794586e-02 3.9531415700912476e-01 - <_> - - 0 -1 277 -2.1438062191009521e-02 - - -5.2191144227981567e-01 3.4259662032127380e-02 - <_> - - 0 -1 566 -4.1901203803718090e-03 - - -5.2377271652221680e-01 2.8632357716560364e-02 - <_> - - 0 -1 262 -4.7237933613359928e-03 - - 1.8694585561752319e-01 -8.3333678543567657e-02 - <_> - - 0 -1 845 1.2320578098297119e-03 - - -9.6744544804096222e-02 1.8287587165832520e-01 - <_> - - 0 -1 617 2.0271677523851395e-02 - - -6.4628154039382935e-02 2.7641129493713379e-01 - <_> - - 0 -1 375 -1.0729704797267914e-01 - - 4.3015307188034058e-01 -3.8674801588058472e-02 - <_> - - 0 -1 166 -4.0820333361625671e-01 - - 5.0520670413970947e-01 -3.0450601130723953e-02 - <_> - - 0 -1 305 4.4355981051921844e-02 - - -9.2204704880714417e-02 1.7342080175876617e-01 - <_> - - 0 -1 879 -1.0999260703101754e-03 - - 2.0996508002281189e-01 -7.7222190797328949e-02 - <_> - - 0 -1 325 -3.2928451895713806e-02 - - 2.7598264813423157e-01 -6.4115919172763824e-02 - <_> - - 0 -1 52 2.3981094360351562e-02 - - 2.5229524821043015e-02 -6.9560426473617554e-01 - <_> - - 0 -1 961 4.1703339666128159e-03 - - 2.9712976887822151e-02 -4.8132696747779846e-01 - <_> - - 0 -1 776 -1.4920771354809403e-03 - - 1.6165184974670410e-01 -9.6420668065547943e-02 - <_> - - 0 -1 652 1.8172110430896282e-03 - - 4.2247310280799866e-02 -3.5703054070472717e-01 - <_> - - 0 -1 739 -2.5937356986105442e-03 - - 2.2665317356586456e-01 -6.9081544876098633e-02 - <_> - - 0 -1 706 -2.4995308369398117e-02 - - -6.3855916261672974e-01 2.8458235785365105e-02 - <_> - - 0 -1 909 1.2001263909041882e-02 - - 1.4999576844274998e-02 -7.8175085783004761e-01 - <_> - - 0 -1 640 2.2153530735522509e-03 - - -8.8839285075664520e-02 1.8819671869277954e-01 - <_> - - 0 -1 179 2.7237991162110120e-05 - - -1.4949426054954529e-01 9.8739065229892731e-02 - <_> - - 0 -1 91 -2.6735704392194748e-02 - - -4.5522138476371765e-01 3.2516691833734512e-02 - <_> - - 0 -1 644 -2.3417242337018251e-03 - - -3.1453001499176025e-01 4.7598775476217270e-02 - <_> - - 0 -1 72 4.7831580042839050e-02 - - 2.1954061463475227e-02 -6.1162966489791870e-01 - <_> - - 0 -1 160 -5.7228151708841324e-03 - - -6.3381904363632202e-01 2.0299639552831650e-02 - <_> - - 0 -1 163 3.4780064597725868e-03 - - 3.1021401286125183e-02 -4.2342424392700195e-01 - <_> - - 0 -1 385 -5.4140854626893997e-03 - - 4.7739461064338684e-01 -3.4031655639410019e-02 - <_> - - 0 -1 383 1.5283382963389158e-03 - - -9.6935935318470001e-02 1.9429819285869598e-01 - <_> - - 0 -1 428 -8.6789112538099289e-03 - - 2.4826894700527191e-01 -6.0082063078880310e-02 - <_> - - 0 -1 901 3.0333681497722864e-03 - - -7.4087560176849365e-02 2.6165533065795898e-01 - <_> - - 0 -1 684 6.5222466364502907e-03 - - 3.0176062136888504e-02 -5.5570882558822632e-01 - <_> - - 0 -1 902 5.9719551354646683e-03 - - 2.3057831451296806e-02 -5.7078248262405396e-01 - <_> - - 0 -1 155 -1.3977952767163515e-03 - - 1.5342144668102264e-01 -9.8401337862014771e-02 - <_> - - 0 -1 897 5.9919534251093864e-03 - - -3.9796624332666397e-02 3.5881185531616211e-01 - <_> - - 0 -1 354 2.6286500506103039e-03 - - -9.3140766024589539e-02 1.6334943473339081e-01 - <_> - - 0 -1 296 -4.4777179136872292e-03 - - -4.8081240057945251e-01 3.2935630530118942e-02 - <_> - - 0 -1 333 5.2724601700901985e-03 - - 3.0787551775574684e-02 -4.5133110880851746e-01 - <_> - - 0 -1 1049 -3.2540475949645042e-03 - - -4.7695344686508179e-01 2.8554188087582588e-02 - <_> - - 0 -1 736 1.8083681166172028e-01 - - 2.7366345748305321e-02 -4.9431446194648743e-01 - <_> - - 0 -1 431 2.7535988483577967e-03 - - 1.9968675449490547e-02 -6.4471620321273804e-01 - <_> - - 0 -1 15 -1.4123708009719849e-02 - - -5.2748751640319824e-01 2.4596616625785828e-02 - <_> - - 0 -1 421 -3.2076485455036163e-02 - - -7.2171974182128906e-01 1.6940405592322350e-02 - <_> - - 0 -1 434 -3.2569766044616699e-02 - - 2.2400286793708801e-01 -6.3403561711311340e-02 - - <_> - 100 - -1.2990239858627319e+00 - - <_> - - 0 -1 728 1.1235726065933704e-02 - - -1.2534695863723755e-01 3.9147180318832397e-01 - <_> - - 0 -1 922 5.0947451964020729e-03 - - -1.2666413187980652e-01 4.0618515014648438e-01 - <_> - - 0 -1 891 -1.5323986299335957e-03 - - 2.8940162062644958e-01 -1.4350101351737976e-01 - <_> - - 0 -1 284 3.7766513414680958e-03 - - -1.9189934432506561e-01 1.4756591618061066e-01 - <_> - - 0 -1 514 4.8757870681583881e-03 - - -1.2341982126235962e-01 2.3298588395118713e-01 - <_> - - 0 -1 344 3.1278211623430252e-02 - - -7.6286941766738892e-02 3.4027433395385742e-01 - <_> - - 0 -1 63 6.3753505237400532e-03 - - 7.3992513120174408e-02 -3.2609656453132629e-01 - <_> - - 0 -1 936 -9.8742637783288956e-04 - - 2.4873960018157959e-01 -9.0153135359287262e-02 - <_> - - 0 -1 217 -3.0144110321998596e-02 - - -5.1088541746139526e-01 5.0071869045495987e-02 - <_> - - 0 -1 268 4.7727730125188828e-03 - - 5.1353454589843750e-02 -4.1142973303794861e-01 - <_> - - 0 -1 420 6.4554966986179352e-02 - - 4.5133572071790695e-02 -4.8264691233634949e-01 - <_> - - 0 -1 744 8.0438675358891487e-03 - - -6.3803412020206451e-02 3.0405151844024658e-01 - <_> - - 0 -1 1051 1.0576066561043262e-03 - - 4.9984093755483627e-02 -3.3949175477027893e-01 - <_> - - 0 -1 938 6.8522170186042786e-03 - - 3.5091523081064224e-02 -6.7847234010696411e-01 - <_> - - 0 -1 860 -1.7977621406316757e-02 - - -3.7503832578659058e-01 4.0370170027017593e-02 - <_> - - 0 -1 748 -2.9955487698316574e-02 - - -4.2023807764053345e-01 4.2222321033477783e-02 - <_> - - 0 -1 14 2.0934976637363434e-02 - - 4.3809924274682999e-02 -4.1159108281135559e-01 - <_> - - 0 -1 499 -1.0348223149776459e-03 - - 1.7594149708747864e-01 -1.0171056538820267e-01 - <_> - - 0 -1 15 1.1026043444871902e-02 - - 3.7518307566642761e-02 -4.9795153737068176e-01 - <_> - - 0 -1 201 4.1434396989643574e-03 - - -7.7400334179401398e-02 2.3505100607872009e-01 - <_> - - 0 -1 423 -1.4838734641671181e-03 - - 2.9909220337867737e-01 -9.2648021876811981e-02 - <_> - - 0 -1 1025 4.0641101077198982e-03 - - 3.8187902420759201e-02 -5.9566622972488403e-01 - <_> - - 0 -1 108 -2.6055248454213142e-03 - - 1.4647382497787476e-01 -1.1769902706146240e-01 - <_> - - 0 -1 834 -1.8873009830713272e-02 - - 2.0791313052177429e-01 -9.1127894818782806e-02 - <_> - - 0 -1 960 1.0428125038743019e-02 - - 4.3083548545837402e-02 -4.1407048702239990e-01 - <_> - - 0 -1 460 1.9560819491744041e-03 - - -6.5898597240447998e-02 2.6488196849822998e-01 - <_> - - 0 -1 402 6.1143590137362480e-03 - - 4.7718580812215805e-02 -4.3339842557907104e-01 - <_> - - 0 -1 411 3.9817169308662415e-03 - - 2.8663935139775276e-02 -5.4472506046295166e-01 - <_> - - 0 -1 497 -9.0858177281916142e-04 - - 1.2656490504741669e-01 -1.3804104924201965e-01 - <_> - - 0 -1 548 -5.1833119243383408e-02 - - 2.9838389158248901e-01 -6.4876683056354523e-02 - <_> - - 0 -1 550 -6.1461031436920166e-02 - - 2.2751982510089874e-01 -7.7075794339179993e-02 - <_> - - 0 -1 771 -3.8890805444680154e-04 - - 1.4823918044567108e-01 -1.2443733215332031e-01 - <_> - - 0 -1 819 6.3632195815443993e-03 - - 3.3928975462913513e-02 -5.5825293064117432e-01 - <_> - - 0 -1 929 2.3877150379121304e-03 - - -6.0555700212717056e-02 2.9875907301902771e-01 - <_> - - 0 -1 718 2.1584378555417061e-03 - - 2.6707226410508156e-02 -6.5327596664428711e-01 - <_> - - 0 -1 972 1.3073299778625369e-03 - - -6.5057143568992615e-02 2.8509995341300964e-01 - <_> - - 0 -1 1023 2.7173646230949089e-05 - - -1.4736446738243103e-01 1.1435943096876144e-01 - <_> - - 0 -1 630 2.5558518245816231e-03 - - 2.2957315668463707e-02 -6.1825275421142578e-01 - <_> - - 0 -1 435 4.4789682142436504e-03 - - 3.6877695471048355e-02 -4.1827708482742310e-01 - <_> - - 0 -1 335 -4.0298998355865479e-02 - - -6.8164646625518799e-01 2.1755648776888847e-02 - <_> - - 0 -1 782 -3.2729938626289368e-02 - - -5.4164266586303711e-01 2.6013873517513275e-02 - <_> - - 0 -1 1011 -1.6982981469482183e-03 - - 3.5175332427024841e-01 -4.7216285020112991e-02 - <_> - - 0 -1 331 3.6859638057649136e-03 - - 4.9838334321975708e-02 -3.0565607547760010e-01 - <_> - - 0 -1 235 1.8905990291386843e-03 - - 2.3341298103332520e-02 -6.6700172424316406e-01 - <_> - - 0 -1 714 4.9954187124967575e-03 - - 2.5513354688882828e-02 -5.4635345935821533e-01 - <_> - - 0 -1 336 -5.5998284369707108e-03 - - 2.9532432556152344e-01 -5.9350244700908661e-02 - <_> - - 0 -1 1008 -1.0907559189945459e-03 - - 1.8265166878700256e-01 -9.8137028515338898e-02 - <_> - - 0 -1 975 -7.4323470471426845e-04 - - 1.9020494818687439e-01 -8.7386451661586761e-02 - <_> - - 0 -1 914 2.7787161525338888e-03 - - 3.2241951674222946e-02 -4.8055323958396912e-01 - <_> - - 0 -1 153 2.4344769772142172e-03 - - 4.6477138996124268e-02 -2.9923307895660400e-01 - <_> - - 0 -1 293 2.8132982552051544e-03 - - -9.0026579797267914e-02 1.6738441586494446e-01 - <_> - - 0 -1 73 3.2191604375839233e-02 - - -6.3697919249534607e-02 2.8380525112152100e-01 - <_> - - 0 -1 656 -1.8642821814864874e-03 - - 2.0616722106933594e-01 -7.4722714722156525e-02 - <_> - - 0 -1 657 4.0091956034302711e-03 - - -7.1015752851963043e-02 2.5589218735694885e-01 - <_> - - 0 -1 150 -5.1108514890074730e-03 - - -4.8940917849540710e-01 3.4555420279502869e-02 - <_> - - 0 -1 600 -1.9523575901985168e-02 - - 3.1921747326850891e-01 -5.1439035683870316e-02 - <_> - - 0 -1 298 -1.4431261457502842e-02 - - 1.4213174581527710e-01 -1.1113181710243225e-01 - <_> - - 0 -1 732 4.5302580110728741e-04 - - -1.0926237702369690e-01 1.4363190531730652e-01 - <_> - - 0 -1 78 -5.4108840413391590e-03 - - -4.6926099061965942e-01 3.1095381826162338e-02 - <_> - - 0 -1 259 1.6963672824203968e-03 - - -6.7337587475776672e-02 2.2115154564380646e-01 - <_> - - 0 -1 190 1.8719944637268782e-03 - - -5.8433420956134796e-02 2.7830049395561218e-01 - <_> - - 0 -1 1014 -8.3780642598867416e-03 - - -4.6290600299835205e-01 3.3701810985803604e-02 - <_> - - 0 -1 510 1.0720299184322357e-01 - - 2.6600774377584457e-02 -5.0957643985748291e-01 - <_> - - 0 -1 670 -1.5523867914453149e-03 - - -5.7974040508270264e-01 2.2188233211636543e-02 - <_> - - 0 -1 649 -1.0537400841712952e-02 - - -4.3835061788558960e-01 2.9434528201818466e-02 - <_> - - 0 -1 1038 3.1337797641754150e-02 - - 2.0445786416530609e-02 -6.3010692596435547e-01 - <_> - - 0 -1 1004 -5.1124744117259979e-02 - - -6.7282766103744507e-01 1.8230145797133446e-02 - <_> - - 0 -1 362 -6.0091790510341525e-04 - - 2.0237097144126892e-01 -7.2557553648948669e-02 - <_> - - 0 -1 409 1.6933252336457372e-03 - - -5.9000160545110703e-02 2.4010565876960754e-01 - <_> - - 0 -1 18 5.7134744711220264e-03 - - 2.9386352747678757e-02 -5.1309728622436523e-01 - <_> - - 0 -1 429 -9.6922749653458595e-03 - - -5.4907989501953125e-01 2.3704739287495613e-02 - <_> - - 0 -1 308 -1.2504560872912407e-02 - - -6.1863696575164795e-01 1.9876839593052864e-02 - <_> - - 0 -1 382 -9.1812955215573311e-03 - - -4.7697570919990540e-01 2.5203671306371689e-02 - <_> - - 0 -1 570 2.8069302439689636e-02 - - -5.5565606802701950e-02 2.5318285822868347e-01 - <_> - - 0 -1 573 4.6324366703629494e-03 - - 2.5273589417338371e-02 -5.9603255987167358e-01 - <_> - - 0 -1 784 2.9409723356366158e-03 - - -5.1576137542724609e-02 2.9322555661201477e-01 - <_> - - 0 -1 159 -1.6009721904993057e-02 - - 2.9389014840126038e-01 -4.7874812036752701e-02 - <_> - - 0 -1 355 -2.0468614995479584e-02 - - 1.4383009076118469e-01 -1.0160042345523834e-01 - <_> - - 0 -1 868 2.3338340222835541e-02 - - -5.7301126420497894e-02 2.9121819138526917e-01 - <_> - - 0 -1 921 -2.1875634789466858e-02 - - -6.4106851816177368e-01 2.4203805252909660e-02 - <_> - - 0 -1 427 1.1228370480239391e-02 - - -5.2143514156341553e-02 2.8465506434440613e-01 - <_> - - 0 -1 197 -4.3659657239913940e-03 - - -6.0558545589447021e-01 2.5440702214837074e-02 - <_> - - 0 -1 824 1.1577639961615205e-03 - - -8.9793093502521515e-02 1.6500258445739746e-01 - <_> - - 0 -1 781 1.1090341955423355e-02 - - 2.4472476914525032e-02 -6.1380225419998169e-01 - <_> - - 0 -1 1015 4.7660744749009609e-03 - - 4.1726417839527130e-02 -3.2548862695693970e-01 - <_> - - 0 -1 864 2.4865168597898446e-05 - - -1.2436556816101074e-01 1.1702288687229156e-01 - <_> - - 0 -1 823 -7.6379198580980301e-03 - - -4.9008071422576904e-01 2.9381709173321724e-02 - <_> - - 0 -1 445 -3.2750256359577179e-03 - - 1.7950019240379333e-01 -8.0592408776283264e-02 - <_> - - 0 -1 448 1.3944536913186312e-03 - - -8.0001771450042725e-02 2.2785140573978424e-01 - <_> - - 0 -1 444 1.9776031840592623e-03 - - 3.4109916538000107e-02 -4.8504865169525146e-01 - <_> - - 0 -1 39 -3.9329148828983307e-02 - - -6.8790251016616821e-01 1.7370922490954399e-02 - <_> - - 0 -1 645 -2.8447234071791172e-03 - - 2.3028372228145599e-01 -6.6618286073207855e-02 - <_> - - 0 -1 232 3.2375190407037735e-02 - - -7.5743824243545532e-02 1.7864570021629333e-01 - <_> - - 0 -1 5 5.1314428448677063e-02 - - -5.3142681717872620e-02 2.8643575310707092e-01 - <_> - - 0 -1 79 4.6999715268611908e-03 - - 3.5749543458223343e-02 -4.0437424182891846e-01 - <_> - - 0 -1 173 -2.0850417204201221e-03 - - -3.0815458297729492e-01 4.2763352394104004e-02 - <_> - - 0 -1 455 -9.1223767958581448e-04 - - 2.1245715022087097e-01 -6.7729450762271881e-02 - <_> - - 0 -1 690 -2.2479293693322688e-04 - - 1.3159312307834625e-01 -1.0141336172819138e-01 - <_> - - 0 -1 974 3.1234124675393105e-02 - - -8.9100256562232971e-02 1.5734429657459259e-01 - <_> - - 0 -1 465 -1.5079543227329850e-03 - - 3.2412421703338623e-01 -4.4387526810169220e-02 - - <_> - 100 - -1.2500010728836060e+00 - - <_> - - 0 -1 803 -5.5631361901760101e-03 - - 4.5343571901321411e-01 -5.2330773323774338e-02 - <_> - - 0 -1 426 4.1911248117685318e-03 - - -1.2266161292791367e-01 3.6830583214759827e-01 - <_> - - 0 -1 424 -1.8559540621936321e-03 - - 2.4044598639011383e-01 -1.5207393467426300e-01 - <_> - - 0 -1 532 -1.1846812441945076e-02 - - 2.7016878128051758e-01 -1.1934488266706467e-01 - <_> - - 0 -1 180 1.0401019826531410e-03 - - -2.3527304828166962e-01 9.5964968204498291e-02 - <_> - - 0 -1 462 9.3873767182230949e-03 - - -5.6923847645521164e-02 4.2236638069152832e-01 - <_> - - 0 -1 13 9.0843521058559418e-02 - - -6.3625380396842957e-02 3.8295668363571167e-01 - <_> - - 0 -1 439 -1.6221515834331512e-03 - - 1.8148291110992432e-01 -1.3424767553806305e-01 - <_> - - 0 -1 875 -1.8008962273597717e-02 - - 2.7346464991569519e-01 -7.6283894479274750e-02 - <_> - - 0 -1 278 8.6509017273783684e-03 - - 5.8148156851530075e-02 -5.2620184421539307e-01 - <_> - - 0 -1 726 2.8817038983106613e-03 - - 2.6940831914544106e-02 -4.7911167144775391e-01 - <_> - - 0 -1 263 -6.1017833650112152e-03 - - 1.7878855764865875e-01 -1.2378337979316711e-01 - <_> - - 0 -1 403 -5.9294269885867834e-04 - - -2.7179723978042603e-01 8.0951526761054993e-02 - <_> - - 0 -1 996 3.1696190126240253e-04 - - -1.7311862111091614e-01 1.0296358913183212e-01 - <_> - - 0 -1 519 6.6280784085392952e-03 - - -5.8870136737823486e-02 2.9477587342262268e-01 - <_> - - 0 -1 916 -4.5112203806638718e-03 - - -5.9672296047210693e-01 2.7053238824009895e-02 - <_> - - 0 -1 679 -4.3381296098232269e-02 - - -4.2040801048278809e-01 4.0890187025070190e-02 - <_> - - 0 -1 813 2.0323593635112047e-03 - - 5.5178079754114151e-02 -3.0439695715904236e-01 - <_> - - 0 -1 973 1.8127080984413624e-03 - - -8.2048252224922180e-02 2.1907366812229156e-01 - <_> - - 0 -1 359 -6.6424394026398659e-03 - - -4.7840338945388794e-01 4.4878169894218445e-02 - <_> - - 0 -1 903 -8.5755460895597935e-04 - - 1.3301849365234375e-01 -1.2699788808822632e-01 - <_> - - 0 -1 904 3.4769098274409771e-03 - - -7.1578972041606903e-02 2.5448271632194519e-01 - <_> - - 0 -1 950 -1.8520625308156013e-03 - - 1.5127970278263092e-01 -1.2349219620227814e-01 - <_> - - 0 -1 777 5.4582338780164719e-03 - - 3.5001352429389954e-02 -4.8021456599235535e-01 - <_> - - 0 -1 894 -6.4206691458821297e-03 - - -5.6509351730346680e-01 2.6883032172918320e-02 - <_> - - 0 -1 895 8.2498416304588318e-03 - - 4.3442543596029282e-02 -3.7965279817581177e-01 - <_> - - 0 -1 825 3.0813394114375114e-03 - - -5.6544844061136246e-02 3.2101437449455261e-01 - <_> - - 0 -1 865 2.8121876530349255e-03 - - -7.1444042026996613e-02 2.8035575151443481e-01 - <_> - - 0 -1 418 -1.1791236698627472e-02 - - 2.0067863166332245e-01 -1.0047248005867004e-01 - <_> - - 0 -1 476 1.4931729529052973e-03 - - -6.6428750753402710e-02 2.6187655329704285e-01 - <_> - - 0 -1 364 -2.8772680088877678e-03 - - -4.5838123559951782e-01 4.2477916926145554e-02 - <_> - - 0 -1 592 -4.5857336372137070e-03 - - 1.2718579173088074e-01 -1.3642288744449615e-01 - <_> - - 0 -1 585 -1.3770985417068005e-02 - - -6.4000308513641357e-01 2.7297915890812874e-02 - <_> - - 0 -1 746 -3.6472730338573456e-02 - - -5.1465278863906860e-01 3.1265191733837128e-02 - <_> - - 0 -1 378 1.0626764036715031e-02 - - 2.4199636653065681e-02 -6.3441967964172363e-01 - <_> - - 0 -1 509 -3.6817211657762527e-03 - - -4.4575414061546326e-01 3.1119547784328461e-02 - <_> - - 0 -1 856 -3.4752404317259789e-03 - - 1.4008119702339172e-01 -1.0539831966161728e-01 - <_> - - 0 -1 815 -4.7973562031984329e-03 - - 2.8762820363044739e-01 -6.0662355273962021e-02 - <_> - - 0 -1 773 6.4153699204325676e-03 - - -1.1230263859033585e-01 1.4087037742137909e-01 - <_> - - 0 -1 814 -1.0156400967389345e-03 - - -3.3441004157066345e-01 4.3477565050125122e-02 - <_> - - 0 -1 968 3.3057793043553829e-03 - - 1.9609324634075165e-02 -7.0060092210769653e-01 - <_> - - 0 -1 100 -5.3275022655725479e-03 - - 2.4580952525138855e-01 -6.0118518769741058e-02 - <_> - - 0 -1 469 1.5886269975453615e-03 - - -7.7446170151233673e-02 1.9878011941909790e-01 - <_> - - 0 -1 520 4.7287968918681145e-03 - - 3.0098341405391693e-02 -5.0950014591217041e-01 - <_> - - 0 -1 741 -1.9788878853432834e-04 - - 1.5142950415611267e-01 -9.6688762307167053e-02 - <_> - - 0 -1 389 -4.9208370037376881e-03 - - -4.5343187451362610e-01 3.7627156823873520e-02 - <_> - - 0 -1 361 4.5094583183526993e-02 - - -8.5510566830635071e-02 1.7849470674991608e-01 - <_> - - 0 -1 944 1.4799998607486486e-03 - - -6.4638271927833557e-02 2.3496921360492706e-01 - <_> - - 0 -1 517 1.0061380267143250e-01 - - -3.0139762908220291e-02 4.9012109637260437e-01 - <_> - - 0 -1 688 -5.2844230085611343e-03 - - 1.7104546725749969e-01 -8.7710574269294739e-02 - <_> - - 0 -1 626 -8.3214940968900919e-04 - - -2.6654696464538574e-01 5.3875535726547241e-02 - <_> - - 0 -1 190 -8.8889291509985924e-04 - - 1.8824113905429840e-01 -8.0119885504245758e-02 - <_> - - 0 -1 191 2.2177316714078188e-03 - - -6.9703146815299988e-02 2.0391084253787994e-01 - <_> - - 0 -1 674 -1.1522162239998579e-03 - - -3.6508113145828247e-01 3.9048090577125549e-02 - <_> - - 0 -1 1036 -1.0836161673069000e-02 - - -5.8106678724288940e-01 2.1713526919484138e-02 - <_> - - 0 -1 82 -1.6731536388397217e-01 - - -4.7344669699668884e-01 2.6662701740860939e-02 - <_> - - 0 -1 515 -9.5267388969659805e-03 - - 2.7732986211776733e-01 -5.6512769311666489e-02 - <_> - - 0 -1 329 6.6450019367039204e-03 - - 2.9381312429904938e-02 -5.3565382957458496e-01 - <_> - - 0 -1 104 -2.1554589271545410e-02 - - -6.2839144468307495e-01 1.8782904371619225e-02 - <_> - - 0 -1 892 1.4288825332187116e-04 - - -1.2763719260692596e-01 1.0616952925920486e-01 - <_> - - 0 -1 319 1.8068919889628887e-03 - - 4.2757544666528702e-02 -3.2102146744728088e-01 - <_> - - 0 -1 979 1.2280542869120836e-03 - - -5.7478122413158417e-02 2.5948432087898254e-01 - <_> - - 0 -1 89 2.6250675320625305e-02 - - -9.5928788185119629e-02 1.4502045512199402e-01 - <_> - - 0 -1 336 1.8192850984632969e-03 - - -6.8028703331947327e-02 2.3167446255683899e-01 - <_> - - 0 -1 44 -4.8545510508120060e-03 - - -4.3374514579772949e-01 3.6196250468492508e-02 - <_> - - 0 -1 762 2.8766903560608625e-03 - - 3.8431353867053986e-02 -3.3900904655456543e-01 - <_> - - 0 -1 793 4.4511677697300911e-03 - - -4.8704307526350021e-02 2.9764902591705322e-01 - <_> - - 0 -1 545 -9.9098179489374161e-03 - - 2.5863200426101685e-01 -5.7418409734964371e-02 - <_> - - 0 -1 2 -2.6503708213567734e-03 - - 1.3571591675281525e-01 -1.1608450859785080e-01 - <_> - - 0 -1 1 -3.0543167144060135e-02 - - 2.8910955786705017e-01 -5.1689133048057556e-02 - <_> - - 0 -1 698 -2.6757145300507545e-02 - - 1.8446540832519531e-01 -7.7666454017162323e-02 - <_> - - 0 -1 131 -2.2985447198152542e-02 - - -3.5471677780151367e-01 4.1345477104187012e-02 - <_> - - 0 -1 536 9.5467511564493179e-03 - - -5.5719308555126190e-02 2.4589607119560242e-01 - <_> - - 0 -1 730 2.6181992143392563e-03 - - -1.0256808251142502e-01 1.3319683074951172e-01 - <_> - - 0 -1 1031 -3.5491142421960831e-02 - - -5.9519535303115845e-01 2.2935084998607635e-02 - <_> - - 0 -1 703 1.5474080573767424e-03 - - -8.4649838507175446e-02 1.6198579967021942e-01 - <_> - - 0 -1 861 -3.4878745209425688e-03 - - -5.0121647119522095e-01 2.6359066367149353e-02 - <_> - - 0 -1 601 3.6612942349165678e-03 - - -7.2178244590759277e-02 1.8415448069572449e-01 - <_> - - 0 -1 692 -2.1762652322649956e-03 - - 2.1102276444435120e-01 -6.4692504703998566e-02 - <_> - - 0 -1 66 -6.9864131510257721e-03 - - -4.3104550242424011e-01 3.3448409289121628e-02 - <_> - - 0 -1 64 4.7067347913980484e-03 - - 4.7681909054517746e-02 -3.1132212281227112e-01 - <_> - - 0 -1 1054 -7.0012239739298820e-03 - - -3.4665238857269287e-01 3.6263268440961838e-02 - <_> - - 0 -1 36 1.0144514963030815e-02 - - 3.3140499144792557e-02 -3.7149414420127869e-01 - <_> - - 0 -1 927 2.5893552228808403e-03 - - -5.6186988949775696e-02 2.3859155178070068e-01 - <_> - - 0 -1 877 -3.8091647438704967e-03 - - 1.8803173303604126e-01 -9.0667806565761566e-02 - <_> - - 0 -1 559 -2.5004068017005920e-01 - - -5.7437247037887573e-01 2.3015361279249191e-02 - <_> - - 0 -1 651 -8.5459719412028790e-04 - - -3.0019384622573853e-01 4.1898671537637711e-02 - <_> - - 0 -1 556 -1.5604835003614426e-02 - - -5.8520871400833130e-01 2.1410541608929634e-02 - <_> - - 0 -1 654 -1.9794562458992004e-01 - - -6.7963910102844238e-01 1.6488522291183472e-02 - <_> - - 0 -1 896 -1.9824346527457237e-03 - - 1.4493939280509949e-01 -8.7999224662780762e-02 - <_> - - 0 -1 582 -2.1158650517463684e-02 - - -6.4664304256439209e-01 2.4590896442532539e-02 - <_> - - 0 -1 837 -9.3553803162649274e-04 - - 1.8229192495346069e-01 -7.2682343423366547e-02 - <_> - - 0 -1 610 -1.1120189446955919e-03 - - 1.5188181400299072e-01 -8.6225852370262146e-02 - <_> - - 0 -1 316 1.1543033272027969e-01 - - -4.7091111540794373e-02 3.5574361681938171e-01 - <_> - - 0 -1 568 -5.2959467284381390e-03 - - 2.0496748387813568e-01 -6.1289250850677490e-02 - <_> - - 0 -1 310 -2.6194794103503227e-02 - - 1.7320305109024048e-01 -1.1094193905591965e-01 - <_> - - 0 -1 167 1.4183738268911839e-02 - - -9.7011148929595947e-02 1.4372280240058899e-01 - <_> - - 0 -1 1032 -3.6340979859232903e-03 - - -4.0951785445213318e-01 3.0991807579994202e-02 - <_> - - 0 -1 1028 1.4448106288909912e-02 - - -6.1627220362424850e-02 2.0916682481765747e-01 - <_> - - 0 -1 982 -1.1399465613067150e-02 - - 1.8926219642162323e-01 -8.7004892528057098e-02 - - <_> - 100 - -1.2953979969024658e+00 - - <_> - - 0 -1 725 1.6048721969127655e-02 - - -9.5187164843082428e-02 3.7635341286659241e-01 - <_> - - 0 -1 239 4.1785854846239090e-03 - - -1.4184002578258514e-01 3.1887301802635193e-01 - <_> - - 0 -1 526 -6.7659835331141949e-03 - - 3.7005490064620972e-01 -8.9318118989467621e-02 - <_> - - 0 -1 186 1.4478694647550583e-02 - - -1.3418816030025482e-01 2.8370034694671631e-01 - <_> - - 0 -1 411 -1.8653089646250010e-03 - - -3.5015934705734253e-01 6.9187328219413757e-02 - <_> - - 0 -1 901 3.7634610198438168e-03 - - -7.7612839639186859e-02 3.0384179949760437e-01 - <_> - - 0 -1 353 8.9913085103034973e-03 - - 6.0584690421819687e-02 -4.7271341085433960e-01 - <_> - - 0 -1 121 -3.0867164023220539e-03 - - 1.6870087385177612e-01 -1.3231597840785980e-01 - <_> - - 0 -1 388 -4.0246914140880108e-03 - - -4.1840493679046631e-01 6.4627721905708313e-02 - <_> - - 0 -1 896 4.8679644241929054e-03 - - -5.6233335286378860e-02 4.2156839370727539e-01 - <_> - - 0 -1 480 5.5472417734563351e-03 - - 3.7891130894422531e-02 -5.1408857107162476e-01 - <_> - - 0 -1 1003 6.5884483046829700e-04 - - -1.6457377374172211e-01 1.1204792559146881e-01 - <_> - - 0 -1 1050 -1.0980388615280390e-03 - - -3.3544427156448364e-01 4.6025454998016357e-02 - <_> - - 0 -1 583 -2.8328509069979191e-03 - - 2.3426958918571472e-01 -7.2758100926876068e-02 - <_> - - 0 -1 56 1.5504788607358932e-03 - - 6.2664858996868134e-02 -2.5632002949714661e-01 - <_> - - 0 -1 348 -6.2153179896995425e-04 - - 1.7485393583774567e-01 -9.9982917308807373e-02 - <_> - - 0 -1 675 -1.4540781266987324e-02 - - -4.4969236850738525e-01 3.7324137985706329e-02 - <_> - - 0 -1 792 -1.6624422278255224e-03 - - 1.4047256112098694e-01 -1.1892398446798325e-01 - <_> - - 0 -1 893 1.6246617306023836e-03 - - 6.1172962188720703e-02 -2.7449882030487061e-01 - <_> - - 0 -1 87 -1.1364535987377167e-01 - - -4.3175131082534790e-01 3.8861453533172607e-02 - <_> - - 0 -1 29 6.3355863094329834e-03 - - 4.3615639209747314e-02 -3.7530297040939331e-01 - <_> - - 0 -1 88 -7.9950205981731415e-03 - - -5.6157833337783813e-01 2.7148496359586716e-02 - <_> - - 0 -1 825 -6.0972268693149090e-03 - - 4.7499263286590576e-01 -3.5678520798683167e-02 - <_> - - 0 -1 933 1.3845593202859163e-03 - - -1.1575383692979813e-01 1.3405258953571320e-01 - <_> - - 0 -1 351 8.5432223975658417e-02 - - -5.6930482387542725e-02 3.1373351812362671e-01 - <_> - - 0 -1 661 -1.2029780447483063e-01 - - -4.7989824414253235e-01 3.8594469428062439e-02 - <_> - - 0 -1 829 -8.3766942843794823e-03 - - -2.0806340873241425e-01 7.6934777200222015e-02 - <_> - - 0 -1 673 -4.6590538695454597e-03 - - -5.0349289178848267e-01 3.0419014394283295e-02 - <_> - - 0 -1 453 -3.2761119306087494e-02 - - 3.2354715466499329e-01 -5.6276485323905945e-02 - <_> - - 0 -1 783 8.3009023219347000e-03 - - -8.3831317722797394e-02 2.3335608839988708e-01 - <_> - - 0 -1 848 5.7156109251081944e-03 - - -8.6484365165233612e-02 1.8363620340824127e-01 - <_> - - 0 -1 518 -1.0080671310424805e-01 - - 3.8774350285530090e-01 -4.0828518569469452e-02 - <_> - - 0 -1 14 -2.5552421808242798e-02 - - -5.0166463851928711e-01 3.8269419223070145e-02 - <_> - - 0 -1 23 -6.1748407781124115e-02 - - -3.5811841487884521e-01 4.6544160693883896e-02 - <_> - - 0 -1 702 -1.2269845232367516e-02 - - 2.0786920189857483e-01 -7.8518457710742950e-02 - <_> - - 0 -1 11 2.8048269450664520e-02 - - -5.6248739361763000e-02 2.8977242112159729e-01 - <_> - - 0 -1 523 -7.2269486263394356e-03 - - -7.2842431068420410e-01 2.3379294201731682e-02 - <_> - - 0 -1 952 4.7771912068128586e-03 - - 2.3226773366332054e-02 -5.6412339210510254e-01 - <_> - - 0 -1 276 2.8181755915284157e-03 - - -3.3893339335918427e-02 4.3989458680152893e-01 - <_> - - 0 -1 194 -8.4437360055744648e-04 - - 1.9623728096485138e-01 -7.8485630452632904e-02 - <_> - - 0 -1 407 -4.3037505820393562e-03 - - -3.6311796307563782e-01 4.0526941418647766e-02 - <_> - - 0 -1 105 4.9789976328611374e-03 - - 4.8658054322004318e-02 -3.1162264943122864e-01 - <_> - - 0 -1 1041 -5.0353109836578369e-03 - - -5.5396872758865356e-01 2.3420164361596107e-02 - <_> - - 0 -1 837 -1.3716940302401781e-03 - - 2.2532704472541809e-01 -6.2741614878177643e-02 - <_> - - 0 -1 910 3.3456790260970592e-03 - - 3.8516163825988770e-02 -3.6224716901779175e-01 - <_> - - 0 -1 476 1.9023896893486381e-03 - - -5.4677281528711319e-02 2.5294607877731323e-01 - <_> - - 0 -1 1037 -1.4274399727582932e-03 - - -3.7934723496437073e-01 3.8707002997398376e-02 - <_> - - 0 -1 512 1.1010284069925547e-03 - - -9.5659099519252777e-02 1.4958517253398895e-01 - <_> - - 0 -1 219 -4.4154529459774494e-03 - - -5.1156622171401978e-01 2.5640288367867470e-02 - <_> - - 0 -1 448 3.7023271434009075e-03 - - -4.3221119791269302e-02 3.2581970095634460e-01 - <_> - - 0 -1 237 -5.4480084218084812e-03 - - -4.7611567378044128e-01 3.5773757845163345e-02 - <_> - - 0 -1 313 -3.1974539160728455e-04 - - 1.1916244029998779e-01 -1.1832383275032043e-01 - <_> - - 0 -1 381 -2.8494147583842278e-02 - - -6.5004557371139526e-01 2.0599177107214928e-02 - <_> - - 0 -1 941 -2.7449331246316433e-03 - - -3.9275056123733521e-01 3.3223718404769897e-02 - <_> - - 0 -1 937 4.1362000629305840e-03 - - 2.7191400527954102e-02 -4.7952741384506226e-01 - <_> - - 0 -1 638 3.3568721264600754e-03 - - -6.0983922332525253e-02 2.2964073717594147e-01 - <_> - - 0 -1 571 -5.7129040360450745e-03 - - -5.9052920341491699e-01 2.3388050496578217e-02 - <_> - - 0 -1 477 -1.1567326728254557e-03 - - 1.5093772113323212e-01 -9.1553181409835815e-02 - <_> - - 0 -1 143 -8.9379055425524712e-03 - - -3.5481104254722595e-01 3.6294396966695786e-02 - <_> - - 0 -1 811 3.6097350530326366e-03 - - 3.2780081033706665e-02 -3.8517734408378601e-01 - <_> - - 0 -1 975 2.0727193914353848e-03 - - -5.3627125918865204e-02 2.5666573643684387e-01 - <_> - - 0 -1 977 -1.8177125602960587e-03 - - 2.0363596081733704e-01 -7.0555560290813446e-02 - <_> - - 0 -1 932 -3.3223466016352177e-03 - - -4.8926571011543274e-01 2.8675178065896034e-02 - <_> - - 0 -1 553 -4.4222660362720490e-03 - - -4.0920063853263855e-01 3.0863059684634209e-02 - <_> - - 0 -1 705 -7.8024319373071194e-04 - - 1.2166435271501541e-01 -1.0897941887378693e-01 - <_> - - 0 -1 850 7.9855127260088921e-03 - - 2.5865448638796806e-02 -4.8917418718338013e-01 - <_> - - 0 -1 99 -2.7752606911235489e-05 - - 1.1611134558916092e-01 -1.1225233227014542e-01 - <_> - - 0 -1 641 3.0770362354815006e-03 - - -6.4753420650959015e-02 1.9632078707218170e-01 - <_> - - 0 -1 593 -2.1007210016250610e-03 - - 1.9681814312934875e-01 -9.4167068600654602e-02 - <_> - - 0 -1 112 -6.1383144930005074e-03 - - -3.9225277304649353e-01 3.5275831818580627e-02 - <_> - - 0 -1 119 1.1184177361428738e-02 - - 2.9410628601908684e-02 -4.3673589825630188e-01 - <_> - - 0 -1 1007 1.0432782582938671e-03 - - -6.7393802106380463e-02 1.9237922132015228e-01 - <_> - - 0 -1 931 8.5366604616865516e-04 - - -8.4067851305007935e-02 1.6720806062221527e-01 - <_> - - 0 -1 55 -3.3059090375900269e-02 - - 2.6451063156127930e-01 -5.2662543952465057e-02 - <_> - - 0 -1 161 -8.7435375899076462e-03 - - -3.0780994892120361e-01 4.8419766128063202e-02 - <_> - - 0 -1 907 -1.1587596964091063e-03 - - 1.4863640069961548e-01 -9.4251774251461029e-02 - <_> - - 0 -1 295 -2.2717786952853203e-02 - - -4.2414310574531555e-01 3.5150803625583649e-02 - <_> - - 0 -1 810 -8.4660220891237259e-03 - - 2.5765278935432434e-01 -5.4796367883682251e-02 - <_> - - 0 -1 492 -1.4943551504984498e-03 - - -2.7729934453964233e-01 4.9375709146261215e-02 - <_> - - 0 -1 0 -7.5480109080672264e-04 - - 1.2197802960872650e-01 -1.0845532268285751e-01 - <_> - - 0 -1 853 2.9903287068009377e-03 - - -8.4785357117652893e-02 1.5424512326717377e-01 - <_> - - 0 -1 1040 1.7600806895643473e-03 - - 7.0044547319412231e-02 -1.9795240461826324e-01 - <_> - - 0 -1 154 1.2243577279150486e-02 - - -7.8472696244716644e-02 1.7095038294792175e-01 - <_> - - 0 -1 80 -2.7739753946661949e-02 - - 2.0475350320339203e-01 -6.9862313568592072e-02 - <_> - - 0 -1 300 -6.4486754126846790e-03 - - -3.7651637196540833e-01 3.3540505915880203e-02 - <_> - - 0 -1 341 -1.3427068479359150e-02 - - 1.5320046246051788e-01 -8.3272159099578857e-02 - <_> - - 0 -1 360 8.2654636353254318e-03 - - -8.1395141780376434e-02 1.9696740806102753e-01 - <_> - - 0 -1 616 3.0615129508078098e-03 - - -5.8534789830446243e-02 2.1799990534782410e-01 - <_> - - 0 -1 616 -1.4359520282596350e-03 - - 1.8553669750690460e-01 -7.9428143799304962e-02 - <_> - - 0 -1 488 2.8793164528906345e-03 - - 3.7499722093343735e-02 -3.5483118891716003e-01 - <_> - - 0 -1 631 -9.0899681672453880e-03 - - -5.9031629562377930e-01 2.0012531429529190e-02 - <_> - - 0 -1 896 1.6797243151813745e-03 - - -6.8868115544319153e-02 1.8992543220520020e-01 - <_> - - 0 -1 581 -1.1759581044316292e-02 - - 3.6288693547248840e-01 -3.3578243106603622e-02 - <_> - - 0 -1 749 3.8305222988128662e-03 - - -6.6793553531169891e-02 1.9304293394088745e-01 - <_> - - 0 -1 1018 1.2506111524999142e-03 - - -8.1618689000606537e-02 1.5481384098529816e-01 - <_> - - 0 -1 379 -1.6119323670864105e-02 - - 1.4024992287158966e-01 -9.3965478241443634e-02 - <_> - - 0 -1 576 -7.2789913974702358e-04 - - 1.9554650783538818e-01 -7.2329640388488770e-02 - <_> - - 0 -1 178 1.4888901496306062e-03 - - 3.3372651785612106e-02 -4.0691211819648743e-01 - <_> - - 0 -1 984 -4.9822013825178146e-03 - - -3.3125448226928711e-01 3.6899805068969727e-02 - <_> - - 0 -1 1053 9.4443336129188538e-03 - - 3.1763385981321335e-02 -3.7651473283767700e-01 - - <_> - 100 - -1.3101767301559448e+00 - - <_> - - 0 -1 535 -1.2652185745537281e-02 - - 4.0350878238677979e-01 -8.6829073727130890e-02 - <_> - - 0 -1 386 4.8778904601931572e-03 - - -9.1208808124065399e-02 4.8882400989532471e-01 - <_> - - 0 -1 875 -2.4099014699459076e-02 - - 3.6089360713958740e-01 -1.1495783179998398e-01 - <_> - - 0 -1 955 1.7244052141904831e-03 - - -1.5974776446819305e-01 1.6197346150875092e-01 - <_> - - 0 -1 478 -3.6334272008389235e-03 - - 2.7575418353080750e-01 -9.4314105808734894e-02 - <_> - - 0 -1 874 -3.4076566807925701e-03 - - 2.2806543111801147e-01 -1.1266379803419113e-01 - <_> - - 0 -1 343 8.8951038196682930e-03 - - -6.6720969974994659e-02 3.3090111613273621e-01 - <_> - - 0 -1 886 -2.4365000426769257e-03 - - -4.6264356374740601e-01 5.9559248387813568e-02 - <_> - - 0 -1 134 1.6330357640981674e-02 - - 6.1187297105789185e-02 -4.2252638936042786e-01 - <_> - - 0 -1 92 8.4438512567430735e-04 - - -1.6640183329582214e-01 1.1608948558568954e-01 - <_> - - 0 -1 841 2.9493896290659904e-03 - - -9.1952294111251831e-02 2.0670032501220703e-01 - <_> - - 0 -1 40 3.4696407616138458e-02 - - -8.0334044992923737e-02 2.8779104351997375e-01 - <_> - - 0 -1 893 -3.3343117684125900e-03 - - -5.9474521875381470e-01 3.6547001451253891e-02 - <_> - - 0 -1 761 9.3975086929276586e-04 - - -1.5703736245632172e-01 1.1884722858667374e-01 - <_> - - 0 -1 174 -3.4337402321398258e-03 - - -5.6122291088104248e-01 3.2535579055547714e-02 - <_> - - 0 -1 1010 2.6463428512215614e-03 - - -7.0756055414676666e-02 2.5195503234863281e-01 - <_> - - 0 -1 334 -5.4167490452528000e-04 - - 1.2782673537731171e-01 -1.3642209768295288e-01 - <_> - - 0 -1 219 2.6469756849110126e-03 - - 4.3448049575090408e-02 -4.2012536525726318e-01 - <_> - - 0 -1 467 -3.8945327978581190e-03 - - -3.4613665938377380e-01 4.6863511204719543e-02 - <_> - - 0 -1 258 1.0849055834114552e-03 - - -7.2841711342334747e-02 2.2674085199832916e-01 - <_> - - 0 -1 258 -9.8655023612082005e-04 - - 2.5967630743980408e-01 -8.0196425318717957e-02 - <_> - - 0 -1 204 4.3801497668027878e-03 - - 2.8548270463943481e-02 -6.2486541271209717e-01 - <_> - - 0 -1 554 3.1944573856890202e-04 - - -1.4062304794788361e-01 1.1761485785245895e-01 - <_> - - 0 -1 300 6.6440929658710957e-03 - - 3.2654736191034317e-02 -4.6211913228034973e-01 - <_> - - 0 -1 42 7.0357543881982565e-04 - - 7.5751155614852905e-02 -1.9804775714874268e-01 - <_> - - 0 -1 446 5.4024737328290939e-03 - - -6.1951220035552979e-02 2.4502439796924591e-01 - <_> - - 0 -1 502 7.2796619497239590e-03 - - -5.9379905462265015e-02 2.5588110089302063e-01 - <_> - - 0 -1 169 -1.5059831552207470e-02 - - -6.6548824310302734e-01 2.2492453455924988e-02 - <_> - - 0 -1 270 -4.6248016878962517e-03 - - -3.4483894705772400e-01 4.2247168719768524e-02 - <_> - - 0 -1 290 1.4736279845237732e-03 - - 3.3624436706304550e-02 -4.1066497564315796e-01 - <_> - - 0 -1 110 4.0667224675416946e-03 - - -8.6238399147987366e-02 1.6550070047378540e-01 - <_> - - 0 -1 113 -1.2728295987471938e-03 - - 1.9737298786640167e-01 -9.5425128936767578e-02 - <_> - - 0 -1 957 -1.5297440811991692e-02 - - -5.9287589788436890e-01 2.3890895769000053e-02 - <_> - - 0 -1 969 -2.9415758326649666e-03 - - -4.8744291067123413e-01 2.8945079073309898e-02 - <_> - - 0 -1 840 9.3173712957650423e-04 - - -8.9065223932266235e-02 1.6721877455711365e-01 - <_> - - 0 -1 791 2.1161064505577087e-03 - - -5.8501452207565308e-02 2.7767315506935120e-01 - <_> - - 0 -1 579 -3.7564497906714678e-03 - - 2.6502594351768494e-01 -5.3400754928588867e-02 - <_> - - 0 -1 224 1.9215289503335953e-02 - - 3.6197379231452942e-02 -3.9996260404586792e-01 - <_> - - 0 -1 276 -5.8480387087911367e-04 - - 1.7670612037181854e-01 -8.0434471368789673e-02 - <_> - - 0 -1 62 1.7193648964166641e-02 - - 2.1810308098793030e-02 -6.6349571943283081e-01 - <_> - - 0 -1 394 -1.5182361006736755e-02 - - 2.4825552105903625e-01 -6.3092373311519623e-02 - <_> - - 0 -1 712 3.0793007463216782e-03 - - 2.4977168068289757e-02 -5.3303867578506470e-01 - <_> - - 0 -1 410 -2.4421955458819866e-03 - - -3.6828973889350891e-01 3.3543743193149567e-02 - <_> - - 0 -1 1011 7.0760864764451981e-04 - - -7.0839107036590576e-02 1.9299270212650299e-01 - <_> - - 0 -1 280 -2.9198618140071630e-03 - - -4.2773759365081787e-01 3.4788779914379120e-02 - <_> - - 0 -1 77 4.9937088042497635e-03 - - 3.5642433911561966e-02 -3.7421676516532898e-01 - <_> - - 0 -1 701 3.1980490311980247e-03 - - -6.5103210508823395e-02 2.1381905674934387e-01 - <_> - - 0 -1 320 -1.1253832839429379e-02 - - 1.9790579378604889e-01 -7.1859836578369141e-02 - <_> - - 0 -1 496 -3.6279223859310150e-02 - - 1.7960831522941589e-01 -9.7373597323894501e-02 - <_> - - 0 -1 606 2.5160997174680233e-03 - - 4.7910790890455246e-02 -2.7035105228424072e-01 - <_> - - 0 -1 597 1.2429051566869020e-03 - - -7.8723609447479248e-02 1.7209371924400330e-01 - <_> - - 0 -1 600 -1.6120750457048416e-02 - - 2.6868200302124023e-01 -5.0688084214925766e-02 - <_> - - 0 -1 676 1.9487962126731873e-03 - - 4.2773328721523285e-02 -3.2401460409164429e-01 - <_> - - 0 -1 371 7.1887858211994171e-04 - - -9.3979224562644958e-02 1.4450067281723022e-01 - <_> - - 0 -1 315 2.4896476417779922e-02 - - 3.0655095353722572e-02 -4.5330229401588440e-01 - <_> - - 0 -1 1026 -3.9382722228765488e-02 - - -7.5473642349243164e-01 1.4460344798862934e-02 - <_> - - 0 -1 16 1.6916246712207794e-01 - - 1.8219815567135811e-02 -6.0212779045104980e-01 - <_> - - 0 -1 327 2.6912155590252951e-05 - - -1.3110430538654327e-01 1.0080647468566895e-01 - <_> - - 0 -1 720 -1.1350987479090691e-03 - - -3.5285457968711853e-01 3.5424951463937759e-02 - <_> - - 0 -1 275 -5.3854554425925016e-04 - - 1.6519539058208466e-01 -8.5205554962158203e-02 - <_> - - 0 -1 1006 -7.9703063238412142e-04 - - 1.2170238047838211e-01 -1.1191177368164062e-01 - <_> - - 0 -1 1055 6.4357938244938850e-03 - - 2.3892326280474663e-02 -5.2907115221023560e-01 - <_> - - 0 -1 184 3.5384115763008595e-03 - - 1.5895446762442589e-02 -7.3063355684280396e-01 - <_> - - 0 -1 503 -5.9715351089835167e-03 - - -4.9897637963294983e-01 2.2720154374837875e-02 - <_> - - 0 -1 500 -1.3486531376838684e-01 - - 4.7622504830360413e-01 -3.0212458223104477e-02 - <_> - - 0 -1 824 1.5813487116247416e-03 - - -6.4366899430751801e-02 1.9106543064117432e-01 - <_> - - 0 -1 438 1.2239011703059077e-03 - - 3.5654775798320770e-02 -3.6865225434303284e-01 - <_> - - 0 -1 871 1.5586249064654112e-03 - - -7.6894849538803101e-02 1.7627324163913727e-01 - <_> - - 0 -1 807 8.1224087625741959e-03 - - -9.0349502861499786e-02 1.4695085585117340e-01 - <_> - - 0 -1 693 -1.1717316228896379e-03 - - -4.2172068357467651e-01 3.2626960426568985e-02 - <_> - - 0 -1 863 3.1573872547596693e-03 - - 1.6080003231763840e-02 -7.3708915710449219e-01 - <_> - - 0 -1 328 -6.0417165514081717e-04 - - 1.3188406825065613e-01 -1.0221557319164276e-01 - <_> - - 0 -1 870 5.9989960864186287e-03 - - -5.6194521486759186e-02 2.4262723326683044e-01 - <_> - - 0 -1 285 9.2063043266534805e-03 - - -7.4052155017852783e-02 1.9847218692302704e-01 - <_> - - 0 -1 759 5.9181386604905128e-03 - - 2.7928760275244713e-02 -5.3380137681961060e-01 - <_> - - 0 -1 637 2.2121241781860590e-03 - - -7.4788182973861694e-02 1.9799898564815521e-01 - <_> - - 0 -1 634 1.5453733503818512e-03 - - -8.1615962088108063e-02 1.7845135927200317e-01 - <_> - - 0 -1 48 -2.7309993747621775e-03 - - -2.9415401816368103e-01 4.8099983483552933e-02 - <_> - - 0 -1 288 1.5755122527480125e-02 - - -8.2719191908836365e-02 1.5387716889381409e-01 - <_> - - 0 -1 358 -5.5120363831520081e-02 - - -2.7076271176338196e-01 5.2753895521163940e-02 - <_> - - 0 -1 188 2.9593750834465027e-01 - - -2.5313137099146843e-02 5.3404790163040161e-01 - <_> - - 0 -1 755 -1.1218986473977566e-03 - - 1.1400944739580154e-01 -1.1270149052143097e-01 - <_> - - 0 -1 12 -3.7802509963512421e-02 - - 3.1571185588836670e-01 -4.9672659486532211e-02 - <_> - - 0 -1 122 7.6384171843528748e-03 - - -1.0544487833976746e-01 1.6579298675060272e-01 - <_> - - 0 -1 586 6.8679507821798325e-03 - - -6.0160953551530838e-02 2.2640766203403473e-01 - <_> - - 0 -1 443 5.1510091871023178e-02 - - 2.6919802650809288e-02 -5.1188707351684570e-01 - <_> - - 0 -1 997 -1.7317479476332664e-02 - - 2.8218811750411987e-01 -4.4739942997694016e-02 - <_> - - 0 -1 430 8.3876429125666618e-03 - - -5.7016383856534958e-02 2.2617760300636292e-01 - <_> - - 0 -1 625 9.2909142374992371e-02 - - 3.1283479183912277e-02 -4.9390810728073120e-01 - <_> - - 0 -1 457 4.8232711851596832e-03 - - 2.4896934628486633e-02 -4.5571261644363403e-01 - <_> - - 0 -1 484 2.3969253525137901e-03 - - 2.3365976288914680e-02 -4.8319596052169800e-01 - <_> - - 0 -1 599 -3.8546645082533360e-03 - - 2.0274488627910614e-01 -5.8264043182134628e-02 - <_> - - 0 -1 647 -1.2048919452354312e-03 - - -3.4361392259597778e-01 3.4746967256069183e-02 - <_> - - 0 -1 734 -1.6053356230258942e-02 - - 1.8685258924961090e-01 -6.7979305982589722e-02 - <_> - - 0 -1 1045 -2.1703056991100311e-02 - - -5.0804340839385986e-01 2.5113353505730629e-02 - <_> - - 0 -1 541 -1.9719875417649746e-03 - - -2.7325069904327393e-01 4.3638698756694794e-02 - <_> - - 0 -1 465 -1.3189280871301889e-03 - - 2.5198838114738464e-01 -4.8170279711484909e-02 - <_> - - 0 -1 465 1.3257672544568777e-03 - - -6.6290155053138733e-02 2.6572498679161072e-01 - <_> - - 0 -1 1024 -2.5993511080741882e-03 - - -7.1209841966629028e-01 1.9255550578236580e-02 - <_> - - 0 -1 926 4.0416182018816471e-03 - - 2.4820772930979729e-02 -4.3810126185417175e-01 - - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - 0 - <_> - - <_> - 0 0 6 14 -1. - <_> - 0 0 3 7 2. - <_> - 3 7 3 7 2. - 0 - <_> - - <_> - 0 0 8 1 -1. - <_> - 4 0 4 1 2. - 0 - <_> - - <_> - 0 0 8 2 -1. - <_> - 4 0 4 2 2. - 0 - <_> - - <_> - 0 0 8 6 -1. - <_> - 0 0 4 3 2. - <_> - 4 3 4 3 2. - 0 - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - 0 - <_> - - <_> - 0 0 8 14 -1. - <_> - 0 0 4 7 2. - <_> - 4 7 4 7 2. - 0 - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - 0 - <_> - - <_> - 0 0 10 8 -1. - <_> - 0 0 5 4 2. - <_> - 5 4 5 4 2. - 0 - <_> - - <_> - 0 0 18 13 -1. - <_> - 6 0 6 13 3. - 0 - <_> - - <_> - 0 0 14 10 -1. - <_> - 0 0 7 5 2. - <_> - 7 5 7 5 2. - 0 - <_> - - <_> - 0 0 24 1 -1. - <_> - 8 0 8 1 3. - 0 - <_> - - <_> - 0 0 16 6 -1. - <_> - 0 0 8 3 2. - <_> - 8 3 8 3 2. - 0 - <_> - - <_> - 0 0 16 10 -1. - <_> - 0 0 8 5 2. - <_> - 8 5 8 5 2. - 0 - <_> - - <_> - 0 0 24 1 -1. - <_> - 12 0 12 1 2. - 0 - <_> - - <_> - 0 0 24 2 -1. - <_> - 0 0 12 1 2. - <_> - 12 1 12 1 2. - 0 - <_> - - <_> - 0 0 12 12 -1. - <_> - 0 6 12 6 2. - 0 - <_> - - <_> - 0 0 15 18 -1. - <_> - 0 6 15 6 3. - 0 - <_> - - <_> - 0 1 1 6 -1. - <_> - 0 3 1 2 3. - 0 - <_> - - <_> - 0 1 4 6 -1. - <_> - 2 1 2 6 2. - 0 - <_> - - <_> - 0 1 15 1 -1. - <_> - 5 1 5 1 3. - 0 - <_> - - <_> - 0 1 10 2 -1. - <_> - 5 1 5 2 2. - 0 - <_> - - <_> - 0 2 24 2 -1. - <_> - 0 2 12 1 2. - <_> - 12 3 12 1 2. - 0 - <_> - - <_> - 0 2 24 10 -1. - <_> - 0 2 12 5 2. - <_> - 12 7 12 5 2. - 0 - <_> - - <_> - 0 3 7 3 -1. - <_> - 0 4 7 1 3. - 0 - <_> - - <_> - 0 3 24 2 -1. - <_> - 0 3 12 1 2. - <_> - 12 4 12 1 2. - 0 - <_> - - <_> - 0 4 6 12 -1. - <_> - 0 8 6 4 3. - 0 - <_> - - <_> - 0 4 24 6 -1. - <_> - 0 6 24 2 3. - 0 - <_> - - <_> - 0 5 2 9 -1. - <_> - 0 8 2 3 3. - 0 - <_> - - <_> - 0 5 24 2 -1. - <_> - 0 5 12 1 2. - <_> - 12 6 12 1 2. - 0 - <_> - - <_> - 0 6 6 3 -1. - <_> - 0 7 6 1 3. - 0 - <_> - - <_> - 0 6 24 2 -1. - <_> - 0 6 12 1 2. - <_> - 12 7 12 1 2. - 0 - <_> - - <_> - 0 6 22 3 -1. - <_> - 0 7 22 1 3. - 0 - <_> - - <_> - 0 6 24 9 -1. - <_> - 0 9 24 3 3. - 0 - <_> - - <_> - 0 7 16 1 -1. - <_> - 8 7 8 1 2. - 0 - <_> - - <_> - 0 7 24 3 -1. - <_> - 8 7 8 3 3. - 0 - <_> - - <_> - 0 7 24 2 -1. - <_> - 0 7 12 1 2. - <_> - 12 8 12 1 2. - 0 - <_> - - <_> - 0 8 4 6 -1. - <_> - 2 8 2 6 2. - 0 - <_> - - <_> - 0 8 6 15 -1. - <_> - 3 8 3 15 2. - 0 - <_> - - <_> - 0 8 4 9 -1. - <_> - 0 11 4 3 3. - 0 - <_> - - <_> - 0 8 24 1 -1. - <_> - 8 8 8 1 3. - 0 - <_> - - <_> - 0 8 24 4 -1. - <_> - 0 8 12 2 2. - <_> - 12 10 12 2 2. - 0 - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - 0 - <_> - - <_> - 0 9 2 9 -1. - <_> - 0 12 2 3 3. - 0 - <_> - - <_> - 0 9 5 3 -1. - <_> - 0 10 5 1 3. - 0 - <_> - - <_> - 0 9 5 6 -1. - <_> - 0 11 5 2 3. - 0 - <_> - - <_> - 0 9 7 2 -1. - <_> - 0 10 7 1 2. - 0 - <_> - - <_> - 0 9 8 2 -1. - <_> - 0 10 8 1 2. - 0 - <_> - - <_> - 0 9 10 2 -1. - <_> - 0 10 10 1 2. - 0 - <_> - - <_> - 0 9 22 2 -1. - <_> - 0 9 11 1 2. - <_> - 11 10 11 1 2. - 0 - <_> - - <_> - 0 9 24 4 -1. - <_> - 0 9 12 2 2. - <_> - 12 11 12 2 2. - 0 - <_> - - <_> - 0 9 24 15 -1. - <_> - 12 9 12 15 2. - 0 - <_> - - <_> - 0 9 15 3 -1. - <_> - 0 10 15 1 3. - 0 - <_> - - <_> - 0 10 2 3 -1. - <_> - 0 11 2 1 3. - 0 - <_> - - <_> - 0 10 6 1 -1. - <_> - 3 10 3 1 2. - 0 - <_> - - <_> - 0 10 6 14 -1. - <_> - 3 10 3 14 2. - 0 - <_> - - <_> - 0 10 4 3 -1. - <_> - 0 11 4 1 3. - 0 - <_> - - <_> - 0 10 24 2 -1. - <_> - 0 10 12 1 2. - <_> - 12 11 12 1 2. - 0 - <_> - - <_> - 0 10 24 4 -1. - <_> - 0 10 12 2 2. - <_> - 12 12 12 2 2. - 0 - <_> - - <_> - 0 10 13 3 -1. - <_> - 0 11 13 1 3. - 0 - <_> - - <_> - 0 11 2 3 -1. - <_> - 0 12 2 1 3. - 0 - <_> - - <_> - 0 11 6 8 -1. - <_> - 0 11 3 4 2. - <_> - 3 15 3 4 2. - 0 - <_> - - <_> - 0 11 10 3 -1. - <_> - 0 12 10 1 3. - 0 - <_> - - <_> - 0 11 24 2 -1. - <_> - 0 11 12 1 2. - <_> - 12 12 12 1 2. - 0 - <_> - - <_> - 0 12 3 10 -1. - <_> - 1 12 1 10 3. - 0 - <_> - - <_> - 0 12 22 10 -1. - <_> - 11 12 11 10 2. - 0 - <_> - - <_> - 0 13 3 9 -1. - <_> - 1 13 1 9 3. - 0 - <_> - - <_> - 0 13 12 10 -1. - <_> - 6 13 6 10 2. - 0 - <_> - - <_> - 0 13 24 10 -1. - <_> - 12 13 12 10 2. - 0 - <_> - - <_> - 0 14 24 2 -1. - <_> - 0 14 12 1 2. - <_> - 12 15 12 1 2. - 0 - <_> - - <_> - 0 15 3 8 -1. - <_> - 1 15 1 8 3. - 0 - <_> - - <_> - 0 15 12 8 -1. - <_> - 0 15 6 4 2. - <_> - 6 19 6 4 2. - 0 - <_> - - <_> - 0 15 10 6 -1. - <_> - 0 17 10 2 3. - 0 - <_> - - <_> - 0 16 12 8 -1. - <_> - 0 16 6 4 2. - <_> - 6 20 6 4 2. - 0 - <_> - - <_> - 0 17 3 7 -1. - <_> - 1 17 1 7 3. - 0 - <_> - - <_> - 0 18 6 3 -1. - <_> - 0 19 6 1 3. - 0 - <_> - - <_> - 0 19 6 3 -1. - <_> - 0 20 6 1 3. - 0 - <_> - - <_> - 0 20 6 3 -1. - <_> - 0 21 6 1 3. - 0 - <_> - - <_> - 0 21 4 3 -1. - <_> - 0 22 4 1 3. - 0 - <_> - - <_> - 0 21 5 3 -1. - <_> - 0 22 5 1 3. - 0 - <_> - - <_> - 0 22 22 2 -1. - <_> - 11 22 11 2 2. - 0 - <_> - - <_> - 1 0 6 1 -1. - <_> - 4 0 3 1 2. - 0 - <_> - - <_> - 1 0 15 13 -1. - <_> - 6 0 5 13 3. - 0 - <_> - - <_> - 1 0 12 6 -1. - <_> - 1 0 6 3 2. - <_> - 7 3 6 3 2. - 0 - <_> - - <_> - 1 1 22 2 -1. - <_> - 1 1 11 1 2. - <_> - 12 2 11 1 2. - 0 - <_> - - <_> - 1 2 23 9 -1. - <_> - 1 5 23 3 3. - 0 - <_> - - <_> - 1 3 4 3 -1. - <_> - 1 4 4 1 3. - 0 - <_> - - <_> - 1 3 12 18 -1. - <_> - 5 3 4 18 3. - 0 - <_> - - <_> - 1 4 8 3 -1. - <_> - 1 5 8 1 3. - 0 - <_> - - <_> - 1 4 23 6 -1. - <_> - 1 6 23 2 3. - 0 - <_> - - <_> - 1 6 6 4 -1. - <_> - 1 6 3 2 2. - <_> - 4 8 3 2 2. - 0 - <_> - - <_> - 1 6 3 9 -1. - <_> - 1 9 3 3 3. - 0 - <_> - - <_> - 1 6 4 3 -1. - <_> - 1 7 4 1 3. - 0 - <_> - - <_> - 1 6 22 2 -1. - <_> - 1 6 11 1 2. - <_> - 12 7 11 1 2. - 0 - <_> - - <_> - 1 6 12 8 -1. - <_> - 1 10 12 4 2. - 0 - <_> - - <_> - 1 7 8 4 -1. - <_> - 1 7 4 2 2. - <_> - 5 9 4 2 2. - 0 - <_> - - <_> - 1 7 20 4 -1. - <_> - 1 7 10 2 2. - <_> - 11 9 10 2 2. - 0 - <_> - - <_> - 1 7 22 6 -1. - <_> - 1 7 11 3 2. - <_> - 12 10 11 3 2. - 0 - <_> - - <_> - 1 7 22 14 -1. - <_> - 12 7 11 14 2. - 0 - <_> - - <_> - 1 8 1 2 -1. - <_> - 1 9 1 1 2. - 0 - <_> - - <_> - 1 8 8 2 -1. - <_> - 1 8 4 1 2. - <_> - 5 9 4 1 2. - 0 - <_> - - <_> - 1 8 7 4 -1. - <_> - 1 10 7 2 2. - 0 - <_> - - <_> - 1 8 22 4 -1. - <_> - 1 8 11 2 2. - <_> - 12 10 11 2 2. - 0 - <_> - - <_> - 1 9 4 3 -1. - <_> - 3 9 2 3 2. - 0 - <_> - - <_> - 1 9 4 6 -1. - <_> - 1 11 4 2 3. - 0 - <_> - - <_> - 1 9 20 2 -1. - <_> - 1 9 10 1 2. - <_> - 11 10 10 1 2. - 0 - <_> - - <_> - 1 10 3 13 -1. - <_> - 2 10 1 13 3. - 0 - <_> - - <_> - 1 10 4 6 -1. - <_> - 1 12 4 2 3. - 0 - <_> - - <_> - 1 10 8 3 -1. - <_> - 1 11 8 1 3. - 0 - <_> - - <_> - 1 10 20 2 -1. - <_> - 1 10 10 1 2. - <_> - 11 11 10 1 2. - 0 - <_> - - <_> - 1 11 6 2 -1. - <_> - 4 11 3 2 2. - 0 - <_> - - <_> - 1 11 22 2 -1. - <_> - 1 11 11 1 2. - <_> - 12 12 11 1 2. - 0 - <_> - - <_> - 1 12 3 8 -1. - <_> - 2 12 1 8 3. - 0 - <_> - - <_> - 1 12 4 1 -1. - <_> - 3 12 2 1 2. - 0 - <_> - - <_> - 1 12 20 2 -1. - <_> - 1 12 10 1 2. - <_> - 11 13 10 1 2. - 0 - <_> - - <_> - 1 13 3 8 -1. - <_> - 2 13 1 8 3. - 0 - <_> - - <_> - 1 13 9 3 -1. - <_> - 1 14 9 1 3. - 0 - <_> - - <_> - 1 13 21 8 -1. - <_> - 1 17 21 4 2. - 0 - <_> - - <_> - 1 15 8 2 -1. - <_> - 5 15 4 2 2. - 0 - <_> - - <_> - 1 17 22 2 -1. - <_> - 1 17 11 1 2. - <_> - 12 18 11 1 2. - 0 - <_> - - <_> - 1 18 3 6 -1. - <_> - 2 18 1 6 3. - 0 - <_> - - <_> - 2 0 6 1 -1. - <_> - 5 0 3 1 2. - 0 - <_> - - <_> - 2 0 8 6 -1. - <_> - 2 0 4 3 2. - <_> - 6 3 4 3 2. - 0 - <_> - - <_> - 2 0 12 5 -1. - <_> - 8 0 6 5 2. - 0 - <_> - - <_> - 2 3 20 2 -1. - <_> - 2 3 10 1 2. - <_> - 12 4 10 1 2. - 0 - <_> - - <_> - 2 4 3 3 -1. - <_> - 2 5 3 1 3. - 0 - <_> - - <_> - 2 4 20 2 -1. - <_> - 2 4 10 1 2. - <_> - 12 5 10 1 2. - 0 - <_> - - <_> - 2 5 1 3 -1. - <_> - 2 6 1 1 3. - 0 - <_> - - <_> - 2 5 2 3 -1. - <_> - 2 6 2 1 3. - 0 - <_> - - <_> - 2 5 20 2 -1. - <_> - 2 5 10 1 2. - <_> - 12 6 10 1 2. - 0 - <_> - - <_> - 2 6 22 2 -1. - <_> - 2 6 11 1 2. - <_> - 13 7 11 1 2. - 0 - <_> - - <_> - 2 6 22 4 -1. - <_> - 2 6 11 2 2. - <_> - 13 8 11 2 2. - 0 - <_> - - <_> - 2 7 15 3 -1. - <_> - 2 8 15 1 3. - 0 - <_> - - <_> - 2 8 8 3 -1. - <_> - 2 9 8 1 3. - 0 - <_> - - <_> - 2 8 20 4 -1. - <_> - 2 8 10 2 2. - <_> - 12 10 10 2 2. - 0 - <_> - - <_> - 2 9 20 8 -1. - <_> - 2 9 10 4 2. - <_> - 12 13 10 4 2. - 0 - <_> - - <_> - 2 9 22 2 -1. - <_> - 2 9 11 1 2. - <_> - 13 10 11 1 2. - 0 - <_> - - <_> - 2 9 19 3 -1. - <_> - 2 10 19 1 3. - 0 - <_> - - <_> - 2 10 4 1 -1. - <_> - 4 10 2 1 2. - 0 - <_> - - <_> - 2 10 22 2 -1. - <_> - 2 10 11 1 2. - <_> - 13 11 11 1 2. - 0 - <_> - - <_> - 2 10 22 14 -1. - <_> - 13 10 11 14 2. - 0 - <_> - - <_> - 2 10 20 12 -1. - <_> - 2 16 20 6 2. - 0 - <_> - - <_> - 2 11 3 5 -1. - <_> - 3 11 1 5 3. - 0 - <_> - - <_> - 2 11 20 2 -1. - <_> - 2 11 10 1 2. - <_> - 12 12 10 1 2. - 0 - <_> - - <_> - 2 11 22 2 -1. - <_> - 2 11 11 1 2. - <_> - 13 12 11 1 2. - 0 - <_> - - <_> - 2 12 3 5 -1. - <_> - 3 12 1 5 3. - 0 - <_> - - <_> - 2 12 3 9 -1. - <_> - 3 12 1 9 3. - 0 - <_> - - <_> - 2 12 3 11 -1. - <_> - 3 12 1 11 3. - 0 - <_> - - <_> - 2 14 3 3 -1. - <_> - 3 14 1 3 3. - 0 - <_> - - <_> - 2 14 8 8 -1. - <_> - 2 14 4 4 2. - <_> - 6 18 4 4 2. - 0 - <_> - - <_> - 2 17 3 5 -1. - <_> - 3 17 1 5 3. - 0 - <_> - - <_> - 2 17 3 6 -1. - <_> - 3 17 1 6 3. - 0 - <_> - - <_> - 2 17 21 4 -1. - <_> - 9 17 7 4 3. - 0 - <_> - - <_> - 2 18 3 5 -1. - <_> - 3 18 1 5 3. - 0 - <_> - - <_> - 2 18 10 4 -1. - <_> - 7 18 5 4 2. - 0 - <_> - - <_> - 2 20 6 2 -1. - <_> - 5 20 3 2 2. - 0 - <_> - - <_> - 2 21 12 2 -1. - <_> - 8 21 6 2 2. - 0 - <_> - - <_> - 3 0 3 5 -1. - <_> - 4 0 1 5 3. - 0 - <_> - - <_> - 3 0 9 22 -1. - <_> - 6 0 3 22 3. - 0 - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 0 6 2 2. - <_> - 9 2 6 2 2. - 0 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 1 1 3 3. - 0 - <_> - - <_> - 3 1 3 20 -1. - <_> - 4 1 1 20 3. - 0 - <_> - - <_> - 3 1 6 20 -1. - <_> - 5 1 2 20 3. - 0 - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 2 1 3 3. - 0 - <_> - - <_> - 3 3 3 3 -1. - <_> - 4 3 1 3 3. - 0 - <_> - - <_> - 3 3 3 9 -1. - <_> - 3 6 3 3 3. - 0 - <_> - - <_> - 3 3 20 19 -1. - <_> - 13 3 10 19 2. - 0 - <_> - - <_> - 3 3 19 4 -1. - <_> - 3 5 19 2 2. - 0 - <_> - - <_> - 3 4 1 3 -1. - <_> - 3 5 1 1 3. - 0 - <_> - - <_> - 3 4 6 3 -1. - <_> - 5 4 2 3 3. - 0 - <_> - - <_> - 3 4 18 2 -1. - <_> - 3 4 9 1 2. - <_> - 12 5 9 1 2. - 0 - <_> - - <_> - 3 4 16 6 -1. - <_> - 3 6 16 2 3. - 0 - <_> - - <_> - 3 5 3 1 -1. - <_> - 4 5 1 1 3. - 0 - <_> - - <_> - 3 5 3 2 -1. - <_> - 4 5 1 2 3. - 0 - <_> - - <_> - 3 5 2 3 -1. - <_> - 3 6 2 1 3. - 0 - <_> - - <_> - 3 5 10 3 -1. - <_> - 8 5 5 3 2. - 0 - <_> - - <_> - 3 5 18 3 -1. - <_> - 9 5 6 3 3. - 0 - <_> - - <_> - 3 5 18 2 -1. - <_> - 3 5 9 1 2. - <_> - 12 6 9 1 2. - 0 - <_> - - <_> - 3 6 2 1 -1. - <_> - 4 6 1 1 2. - 0 - <_> - - <_> - 3 6 1 3 -1. - <_> - 3 7 1 1 3. - 0 - <_> - - <_> - 3 6 3 3 -1. - <_> - 3 7 3 1 3. - 0 - <_> - - <_> - 3 6 6 6 -1. - <_> - 3 8 6 2 3. - 0 - <_> - - <_> - 3 6 18 2 -1. - <_> - 3 6 9 1 2. - <_> - 12 7 9 1 2. - 0 - <_> - - <_> - 3 6 17 6 -1. - <_> - 3 8 17 2 3. - 0 - <_> - - <_> - 3 7 3 1 -1. - <_> - 4 7 1 1 3. - 0 - <_> - - <_> - 3 7 4 2 -1. - <_> - 3 8 4 1 2. - 0 - <_> - - <_> - 3 7 6 6 -1. - <_> - 3 9 6 2 3. - 0 - <_> - - <_> - 3 7 18 4 -1. - <_> - 3 7 9 2 2. - <_> - 12 9 9 2 2. - 0 - <_> - - <_> - 3 7 20 11 -1. - <_> - 13 7 10 11 2. - 0 - <_> - - <_> - 3 7 17 6 -1. - <_> - 3 9 17 2 3. - 0 - <_> - - <_> - 3 9 3 1 -1. - <_> - 4 9 1 1 3. - 0 - <_> - - <_> - 3 9 3 2 -1. - <_> - 4 9 1 2 3. - 0 - <_> - - <_> - 3 9 9 2 -1. - <_> - 6 9 3 2 3. - 0 - <_> - - <_> - 3 9 18 2 -1. - <_> - 3 9 9 1 2. - <_> - 12 10 9 1 2. - 0 - <_> - - <_> - 3 10 3 1 -1. - <_> - 4 10 1 1 3. - 0 - <_> - - <_> - 3 10 3 13 -1. - <_> - 4 10 1 13 3. - 0 - <_> - - <_> - 3 10 6 2 -1. - <_> - 3 11 6 1 2. - 0 - <_> - - <_> - 3 11 3 2 -1. - <_> - 4 11 1 2 3. - 0 - <_> - - <_> - 3 11 3 3 -1. - <_> - 4 11 1 3 3. - 0 - <_> - - <_> - 3 11 3 5 -1. - <_> - 4 11 1 5 3. - 0 - <_> - - <_> - 3 11 3 13 -1. - <_> - 4 11 1 13 3. - 0 - <_> - - <_> - 3 11 6 2 -1. - <_> - 3 11 3 1 2. - <_> - 6 12 3 1 2. - 0 - <_> - - <_> - 3 11 3 4 -1. - <_> - 3 13 3 2 2. - 0 - <_> - - <_> - 3 11 4 8 -1. - <_> - 3 15 4 4 2. - 0 - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 12 1 3 3. - 0 - <_> - - <_> - 3 12 3 6 -1. - <_> - 3 15 3 3 2. - 0 - <_> - - <_> - 3 12 9 7 -1. - <_> - 6 12 3 7 3. - 0 - <_> - - <_> - 3 12 4 8 -1. - <_> - 3 16 4 4 2. - 0 - <_> - - <_> - 3 12 8 8 -1. - <_> - 3 16 8 4 2. - 0 - <_> - - <_> - 3 12 19 6 -1. - <_> - 3 15 19 3 2. - 0 - <_> - - <_> - 3 13 18 2 -1. - <_> - 3 13 9 1 2. - <_> - 12 14 9 1 2. - 0 - <_> - - <_> - 3 15 4 2 -1. - <_> - 5 15 2 2 2. - 0 - <_> - - <_> - 3 15 4 3 -1. - <_> - 5 15 2 3 2. - 0 - <_> - - <_> - 3 15 6 2 -1. - <_> - 6 15 3 2 2. - 0 - <_> - - <_> - 3 16 8 8 -1. - <_> - 3 16 4 4 2. - <_> - 7 20 4 4 2. - 0 - <_> - - <_> - 3 20 3 4 -1. - <_> - 4 20 1 4 3. - 0 - <_> - - <_> - 4 1 3 8 -1. - <_> - 5 1 1 8 3. - 0 - <_> - - <_> - 4 1 3 12 -1. - <_> - 4 5 3 4 3. - 0 - <_> - - <_> - 4 1 15 10 -1. - <_> - 4 6 15 5 2. - 0 - <_> - - <_> - 4 2 3 3 -1. - <_> - 5 2 1 3 3. - 0 - <_> - - <_> - 4 2 6 5 -1. - <_> - 6 2 2 5 3. - 0 - <_> - - <_> - 4 2 16 2 -1. - <_> - 4 2 8 1 2. - <_> - 12 3 8 1 2. - 0 - <_> - - <_> - 4 3 3 2 -1. - <_> - 5 3 1 2 3. - 0 - <_> - - <_> - 4 3 6 1 -1. - <_> - 6 3 2 1 3. - 0 - <_> - - <_> - 4 3 6 5 -1. - <_> - 6 3 2 5 3. - 0 - <_> - - <_> - 4 3 9 3 -1. - <_> - 7 3 3 3 3. - 0 - <_> - - <_> - 4 3 16 2 -1. - <_> - 4 3 8 1 2. - <_> - 12 4 8 1 2. - 0 - <_> - - <_> - 4 3 16 8 -1. - <_> - 4 3 8 4 2. - <_> - 12 7 8 4 2. - 0 - <_> - - <_> - 4 3 17 8 -1. - <_> - 4 7 17 4 2. - 0 - <_> - - <_> - 4 4 1 4 -1. - <_> - 4 6 1 2 2. - 0 - <_> - - <_> - 4 4 16 2 -1. - <_> - 4 4 8 1 2. - <_> - 12 5 8 1 2. - 0 - <_> - - <_> - 4 4 16 10 -1. - <_> - 4 4 8 5 2. - <_> - 12 9 8 5 2. - 0 - <_> - - <_> - 4 4 20 6 -1. - <_> - 4 6 20 2 3. - 0 - <_> - - <_> - 4 5 16 2 -1. - <_> - 4 5 8 1 2. - <_> - 12 6 8 1 2. - 0 - <_> - - <_> - 4 5 16 9 -1. - <_> - 4 8 16 3 3. - 0 - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - 0 - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 7 2 1 2. - 0 - <_> - - <_> - 4 6 6 1 -1. - <_> - 6 6 2 1 3. - 0 - <_> - - <_> - 4 6 2 3 -1. - <_> - 4 7 2 1 3. - 0 - <_> - - <_> - 4 6 3 3 -1. - <_> - 4 7 3 1 3. - 0 - <_> - - <_> - 4 6 16 2 -1. - <_> - 4 6 8 1 2. - <_> - 12 7 8 1 2. - 0 - <_> - - <_> - 4 6 15 6 -1. - <_> - 4 8 15 2 3. - 0 - <_> - - <_> - 4 7 2 3 -1. - <_> - 4 8 2 1 3. - 0 - <_> - - <_> - 4 7 4 3 -1. - <_> - 6 7 2 3 2. - 0 - <_> - - <_> - 4 7 4 3 -1. - <_> - 4 8 4 1 3. - 0 - <_> - - <_> - 4 7 5 3 -1. - <_> - 4 8 5 1 3. - 0 - <_> - - <_> - 4 7 5 6 -1. - <_> - 4 9 5 2 3. - 0 - <_> - - <_> - 4 7 7 3 -1. - <_> - 4 8 7 1 3. - 0 - <_> - - <_> - 4 7 18 2 -1. - <_> - 4 7 9 1 2. - <_> - 13 8 9 1 2. - 0 - <_> - - <_> - 4 7 18 4 -1. - <_> - 4 7 9 2 2. - <_> - 13 9 9 2 2. - 0 - <_> - - <_> - 4 7 16 3 -1. - <_> - 4 8 16 1 3. - 0 - <_> - - <_> - 4 7 16 6 -1. - <_> - 4 9 16 2 3. - 0 - <_> - - <_> - 4 7 17 2 -1. - <_> - 4 8 17 1 2. - 0 - <_> - - <_> - 4 7 17 3 -1. - <_> - 4 8 17 1 3. - 0 - <_> - - <_> - 4 7 17 6 -1. - <_> - 4 9 17 2 3. - 0 - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - 0 - <_> - - <_> - 4 8 16 2 -1. - <_> - 4 8 8 1 2. - <_> - 12 9 8 1 2. - 0 - <_> - - <_> - 4 8 18 4 -1. - <_> - 4 8 9 2 2. - <_> - 13 10 9 2 2. - 0 - <_> - - <_> - 4 9 2 1 -1. - <_> - 5 9 1 1 2. - 0 - <_> - - <_> - 4 9 3 1 -1. - <_> - 5 9 1 1 3. - 0 - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - 0 - <_> - - <_> - 4 9 2 2 -1. - <_> - 5 9 1 2 2. - 0 - <_> - - <_> - 4 9 6 1 -1. - <_> - 6 9 2 1 3. - 0 - <_> - - <_> - 4 9 2 9 -1. - <_> - 4 12 2 3 3. - 0 - <_> - - <_> - 4 9 15 1 -1. - <_> - 9 9 5 1 3. - 0 - <_> - - <_> - 4 9 5 3 -1. - <_> - 4 10 5 1 3. - 0 - <_> - - <_> - 4 9 15 2 -1. - <_> - 9 9 5 2 3. - 0 - <_> - - <_> - 4 9 15 3 -1. - <_> - 9 9 5 3 3. - 0 - <_> - - <_> - 4 9 16 2 -1. - <_> - 4 9 8 1 2. - <_> - 12 10 8 1 2. - 0 - <_> - - <_> - 4 9 16 6 -1. - <_> - 4 9 8 3 2. - <_> - 12 12 8 3 2. - 0 - <_> - - <_> - 4 9 18 2 -1. - <_> - 4 9 9 1 2. - <_> - 13 10 9 1 2. - 0 - <_> - - <_> - 4 9 20 2 -1. - <_> - 4 9 10 1 2. - <_> - 14 10 10 1 2. - 0 - <_> - - <_> - 4 9 17 9 -1. - <_> - 4 12 17 3 3. - 0 - <_> - - <_> - 4 9 18 3 -1. - <_> - 4 10 18 1 3. - 0 - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - 0 - <_> - - <_> - 4 10 3 1 -1. - <_> - 5 10 1 1 3. - 0 - <_> - - <_> - 4 10 2 2 -1. - <_> - 4 10 1 1 2. - <_> - 5 11 1 1 2. - 0 - <_> - - <_> - 4 10 6 3 -1. - <_> - 7 10 3 3 2. - 0 - <_> - - <_> - 4 10 18 2 -1. - <_> - 4 10 9 1 2. - <_> - 13 11 9 1 2. - 0 - <_> - - <_> - 4 10 17 6 -1. - <_> - 4 12 17 2 3. - 0 - <_> - - <_> - 4 11 3 2 -1. - <_> - 5 11 1 2 3. - 0 - <_> - - <_> - 4 11 3 3 -1. - <_> - 5 11 1 3 3. - 0 - <_> - - <_> - 4 11 1 8 -1. - <_> - 4 15 1 4 2. - 0 - <_> - - <_> - 4 11 3 6 -1. - <_> - 5 11 1 6 3. - 0 - <_> - - <_> - 4 11 6 3 -1. - <_> - 6 11 2 3 3. - 0 - <_> - - <_> - 4 11 15 2 -1. - <_> - 4 12 15 1 2. - 0 - <_> - - <_> - 4 12 3 1 -1. - <_> - 5 12 1 1 3. - 0 - <_> - - <_> - 4 12 4 4 -1. - <_> - 6 12 2 4 2. - 0 - <_> - - <_> - 4 12 3 8 -1. - <_> - 4 16 3 4 2. - 0 - <_> - - <_> - 4 12 17 12 -1. - <_> - 4 16 17 4 3. - 0 - <_> - - <_> - 4 13 3 1 -1. - <_> - 5 13 1 1 3. - 0 - <_> - - <_> - 4 13 3 9 -1. - <_> - 4 16 3 3 3. - 0 - <_> - - <_> - 4 14 4 2 -1. - <_> - 6 14 2 2 2. - 0 - <_> - - <_> - 4 15 4 2 -1. - <_> - 6 15 2 2 2. - 0 - <_> - - <_> - 4 15 9 4 -1. - <_> - 7 15 3 4 3. - 0 - <_> - - <_> - 4 15 16 4 -1. - <_> - 4 15 8 2 2. - <_> - 12 17 8 2 2. - 0 - <_> - - <_> - 4 18 3 5 -1. - <_> - 5 18 1 5 3. - 0 - <_> - - <_> - 4 18 3 6 -1. - <_> - 5 18 1 6 3. - 0 - <_> - - <_> - 4 18 15 5 -1. - <_> - 9 18 5 5 3. - 0 - <_> - - <_> - 4 18 9 6 -1. - <_> - 4 21 9 3 2. - 0 - <_> - - <_> - 5 1 14 2 -1. - <_> - 5 1 7 1 2. - <_> - 12 2 7 1 2. - 0 - <_> - - <_> - 5 1 11 8 -1. - <_> - 5 5 11 4 2. - 0 - <_> - - <_> - 5 2 3 3 -1. - <_> - 6 2 1 3 3. - 0 - <_> - - <_> - 5 2 6 2 -1. - <_> - 7 2 2 2 3. - 0 - <_> - - <_> - 5 2 14 2 -1. - <_> - 5 2 7 1 2. - <_> - 12 3 7 1 2. - 0 - <_> - - <_> - 5 2 14 8 -1. - <_> - 5 6 14 4 2. - 0 - <_> - - <_> - 5 2 16 10 -1. - <_> - 5 7 16 5 2. - 0 - <_> - - <_> - 5 3 6 1 -1. - <_> - 7 3 2 1 3. - 0 - <_> - - <_> - 5 3 6 2 -1. - <_> - 7 3 2 2 3. - 0 - <_> - - <_> - 5 3 4 10 -1. - <_> - 5 3 2 5 2. - <_> - 7 8 2 5 2. - 0 - <_> - - <_> - 5 3 9 12 -1. - <_> - 8 3 3 12 3. - 0 - <_> - - <_> - 5 3 14 2 -1. - <_> - 5 3 7 1 2. - <_> - 12 4 7 1 2. - 0 - <_> - - <_> - 5 3 15 8 -1. - <_> - 5 7 15 4 2. - 0 - <_> - - <_> - 5 4 2 4 -1. - <_> - 5 4 1 2 2. - <_> - 6 6 1 2 2. - 0 - <_> - - <_> - 5 4 6 4 -1. - <_> - 7 4 2 4 3. - 0 - <_> - - <_> - 5 4 4 12 -1. - <_> - 7 4 2 12 2. - 0 - <_> - - <_> - 5 4 12 8 -1. - <_> - 9 4 4 8 3. - 0 - <_> - - <_> - 5 4 14 2 -1. - <_> - 5 4 7 1 2. - <_> - 12 5 7 1 2. - 0 - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 5 1 1 2. - <_> - 6 6 1 1 2. - 0 - <_> - - <_> - 5 5 2 4 -1. - <_> - 5 5 1 2 2. - <_> - 6 7 1 2 2. - 0 - <_> - - <_> - 5 5 6 6 -1. - <_> - 5 7 6 2 3. - 0 - <_> - - <_> - 5 5 14 2 -1. - <_> - 5 5 7 1 2. - <_> - 12 6 7 1 2. - 0 - <_> - - <_> - 5 5 16 2 -1. - <_> - 5 5 8 1 2. - <_> - 13 6 8 1 2. - 0 - <_> - - <_> - 5 5 13 6 -1. - <_> - 5 7 13 2 3. - 0 - <_> - - <_> - 5 5 14 6 -1. - <_> - 5 7 14 2 3. - 0 - <_> - - <_> - 5 5 15 6 -1. - <_> - 5 7 15 2 3. - 0 - <_> - - <_> - 5 5 15 9 -1. - <_> - 5 8 15 3 3. - 0 - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - 0 - <_> - - <_> - 5 6 2 4 -1. - <_> - 5 6 1 2 2. - <_> - 6 8 1 2 2. - 0 - <_> - - <_> - 5 6 6 1 -1. - <_> - 7 6 2 1 3. - 0 - <_> - - <_> - 5 6 4 3 -1. - <_> - 5 7 4 1 3. - 0 - <_> - - <_> - 5 6 14 2 -1. - <_> - 5 6 7 1 2. - <_> - 12 7 7 1 2. - 0 - <_> - - <_> - 5 7 2 2 -1. - <_> - 6 7 1 2 2. - 0 - <_> - - <_> - 5 7 2 6 -1. - <_> - 5 7 1 3 2. - <_> - 6 10 1 3 2. - 0 - <_> - - <_> - 5 7 4 1 -1. - <_> - 7 7 2 1 2. - 0 - <_> - - <_> - 5 7 6 5 -1. - <_> - 7 7 2 5 3. - 0 - <_> - - <_> - 5 7 3 2 -1. - <_> - 5 8 3 1 2. - 0 - <_> - - <_> - 5 7 3 3 -1. - <_> - 5 8 3 1 3. - 0 - <_> - - <_> - 5 7 3 6 -1. - <_> - 5 9 3 2 3. - 0 - <_> - - <_> - 5 7 4 3 -1. - <_> - 5 8 4 1 3. - 0 - <_> - - <_> - 5 7 4 6 -1. - <_> - 5 9 4 2 3. - 0 - <_> - - <_> - 5 7 5 6 -1. - <_> - 5 9 5 2 3. - 0 - <_> - - <_> - 5 7 14 4 -1. - <_> - 5 7 7 2 2. - <_> - 12 9 7 2 2. - 0 - <_> - - <_> - 5 7 14 2 -1. - <_> - 5 8 14 1 2. - 0 - <_> - - <_> - 5 7 14 4 -1. - <_> - 5 9 14 2 2. - 0 - <_> - - <_> - 5 7 15 2 -1. - <_> - 5 8 15 1 2. - 0 - <_> - - <_> - 5 7 15 6 -1. - <_> - 5 9 15 2 3. - 0 - <_> - - <_> - 5 8 1 3 -1. - <_> - 5 9 1 1 3. - 0 - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - 0 - <_> - - <_> - 5 8 4 5 -1. - <_> - 7 8 2 5 2. - 0 - <_> - - <_> - 5 8 12 4 -1. - <_> - 9 8 4 4 3. - 0 - <_> - - <_> - 5 8 15 3 -1. - <_> - 10 8 5 3 3. - 0 - <_> - - <_> - 5 8 14 4 -1. - <_> - 5 8 7 2 2. - <_> - 12 10 7 2 2. - 0 - <_> - - <_> - 5 9 4 4 -1. - <_> - 7 9 2 4 2. - 0 - <_> - - <_> - 5 9 4 3 -1. - <_> - 5 10 4 1 3. - 0 - <_> - - <_> - 5 9 8 8 -1. - <_> - 5 9 4 4 2. - <_> - 9 13 4 4 2. - 0 - <_> - - <_> - 5 9 15 2 -1. - <_> - 10 9 5 2 3. - 0 - <_> - - <_> - 5 9 14 2 -1. - <_> - 5 9 7 1 2. - <_> - 12 10 7 1 2. - 0 - <_> - - <_> - 5 9 14 12 -1. - <_> - 5 9 7 6 2. - <_> - 12 15 7 6 2. - 0 - <_> - - <_> - 5 9 18 2 -1. - <_> - 5 9 9 1 2. - <_> - 14 10 9 1 2. - 0 - <_> - - <_> - 5 9 13 3 -1. - <_> - 5 10 13 1 3. - 0 - <_> - - <_> - 5 9 15 6 -1. - <_> - 5 12 15 3 2. - 0 - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 1 1 2. - <_> - 6 11 1 1 2. - 0 - <_> - - <_> - 5 10 3 3 -1. - <_> - 6 10 1 3 3. - 0 - <_> - - <_> - 5 11 3 2 -1. - <_> - 6 11 1 2 3. - 0 - <_> - - <_> - 5 11 3 3 -1. - <_> - 6 11 1 3 3. - 0 - <_> - - <_> - 5 11 3 13 -1. - <_> - 6 11 1 13 3. - 0 - <_> - - <_> - 5 11 14 2 -1. - <_> - 5 12 14 1 2. - 0 - <_> - - <_> - 5 12 1 6 -1. - <_> - 5 15 1 3 2. - 0 - <_> - - <_> - 5 13 15 8 -1. - <_> - 5 17 15 4 2. - 0 - <_> - - <_> - 5 14 3 3 -1. - <_> - 5 15 3 1 3. - 0 - <_> - - <_> - 5 15 2 2 -1. - <_> - 6 15 1 2 2. - 0 - <_> - - <_> - 5 19 3 5 -1. - <_> - 6 19 1 5 3. - 0 - <_> - - <_> - 5 21 3 3 -1. - <_> - 6 21 1 3 3. - 0 - <_> - - <_> - 6 0 1 6 -1. - <_> - 6 3 1 3 2. - 0 - <_> - - <_> - 6 0 11 10 -1. - <_> - 6 5 11 5 2. - 0 - <_> - - <_> - 6 1 6 12 -1. - <_> - 8 1 2 12 3. - 0 - <_> - - <_> - 6 2 3 6 -1. - <_> - 7 2 1 6 3. - 0 - <_> - - <_> - 6 2 6 2 -1. - <_> - 8 2 2 2 3. - 0 - <_> - - <_> - 6 2 6 10 -1. - <_> - 8 2 2 10 3. - 0 - <_> - - <_> - 6 2 12 4 -1. - <_> - 6 4 12 2 2. - 0 - <_> - - <_> - 6 3 6 4 -1. - <_> - 8 3 2 4 3. - 0 - <_> - - <_> - 6 3 9 1 -1. - <_> - 9 3 3 1 3. - 0 - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 4 1 3 3. - 0 - <_> - - <_> - 6 4 6 4 -1. - <_> - 8 4 2 4 3. - 0 - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - 0 - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - <_> - - <_> - 6 5 2 9 -1. - <_> - 6 8 2 3 3. - 0 - <_> - - <_> - 6 5 12 2 -1. - <_> - 6 5 6 1 2. - <_> - 12 6 6 1 2. - 0 - <_> - - <_> - 6 6 4 1 -1. - <_> - 8 6 2 1 2. - 0 - <_> - - <_> - 6 6 12 2 -1. - <_> - 6 6 6 1 2. - <_> - 12 7 6 1 2. - 0 - <_> - - <_> - 6 7 1 6 -1. - <_> - 6 9 1 2 3. - 0 - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 8 2 1 2. - 0 - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - 0 - <_> - - <_> - 6 7 2 6 -1. - <_> - 6 9 2 2 3. - 0 - <_> - - <_> - 6 7 3 6 -1. - <_> - 6 9 3 2 3. - 0 - <_> - - <_> - 6 7 12 2 -1. - <_> - 6 7 6 1 2. - <_> - 12 8 6 1 2. - 0 - <_> - - <_> - 6 7 8 12 -1. - <_> - 6 13 8 6 2. - 0 - <_> - - <_> - 6 7 12 15 -1. - <_> - 6 12 12 5 3. - 0 - <_> - - <_> - 6 8 2 6 -1. - <_> - 6 11 2 3 2. - 0 - <_> - - <_> - 6 8 3 2 -1. - <_> - 6 9 3 1 2. - 0 - <_> - - <_> - 6 8 12 3 -1. - <_> - 10 8 4 3 3. - 0 - <_> - - <_> - 6 8 12 2 -1. - <_> - 6 8 6 1 2. - <_> - 12 9 6 1 2. - 0 - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 10 2 1 2. - 0 - <_> - - <_> - 6 9 2 3 -1. - <_> - 6 10 2 1 3. - 0 - <_> - - <_> - 6 9 6 1 -1. - <_> - 9 9 3 1 2. - 0 - <_> - - <_> - 6 9 3 3 -1. - <_> - 6 10 3 1 3. - 0 - <_> - - <_> - 6 9 12 2 -1. - <_> - 6 9 6 1 2. - <_> - 12 10 6 1 2. - 0 - <_> - - <_> - 6 9 13 12 -1. - <_> - 6 13 13 4 3. - 0 - <_> - - <_> - 6 10 1 3 -1. - <_> - 6 11 1 1 3. - 0 - <_> - - <_> - 6 10 2 2 -1. - <_> - 7 10 1 2 2. - 0 - <_> - - <_> - 6 10 2 3 -1. - <_> - 7 10 1 3 2. - 0 - <_> - - <_> - 6 10 3 14 -1. - <_> - 7 10 1 14 3. - 0 - <_> - - <_> - 6 10 2 3 -1. - <_> - 6 11 2 1 3. - 0 - <_> - - <_> - 6 10 6 3 -1. - <_> - 8 10 2 3 3. - 0 - <_> - - <_> - 6 10 3 3 -1. - <_> - 6 11 3 1 3. - 0 - <_> - - <_> - 6 10 9 5 -1. - <_> - 9 10 3 5 3. - 0 - <_> - - <_> - 6 10 12 1 -1. - <_> - 10 10 4 1 3. - 0 - <_> - - <_> - 6 10 8 4 -1. - <_> - 6 10 4 2 2. - <_> - 10 12 4 2 2. - 0 - <_> - - <_> - 6 10 12 2 -1. - <_> - 6 10 6 1 2. - <_> - 12 11 6 1 2. - 0 - <_> - - <_> - 6 10 12 12 -1. - <_> - 6 10 6 6 2. - <_> - 12 16 6 6 2. - 0 - <_> - - <_> - 6 10 18 1 -1. - <_> - 15 10 9 1 2. - 0 - <_> - - <_> - 6 10 13 3 -1. - <_> - 6 11 13 1 3. - 0 - <_> - - <_> - 6 11 2 2 -1. - <_> - 6 12 2 1 2. - 0 - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - 0 - <_> - - <_> - 6 11 3 2 -1. - <_> - 6 12 3 1 2. - 0 - <_> - - <_> - 6 11 3 3 -1. - <_> - 6 12 3 1 3. - 0 - <_> - - <_> - 6 11 12 3 -1. - <_> - 6 12 12 1 3. - 0 - <_> - - <_> - 6 11 13 3 -1. - <_> - 6 12 13 1 3. - 0 - <_> - - <_> - 6 12 14 2 -1. - <_> - 6 12 7 1 2. - <_> - 13 13 7 1 2. - 0 - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - 0 - <_> - - <_> - 6 14 1 3 -1. - <_> - 6 15 1 1 3. - 0 - <_> - - <_> - 6 14 2 2 -1. - <_> - 7 14 1 2 2. - 0 - <_> - - <_> - 6 15 2 3 -1. - <_> - 6 16 2 1 3. - 0 - <_> - - <_> - 6 17 10 6 -1. - <_> - 6 20 10 3 2. - 0 - <_> - - <_> - 6 18 3 6 -1. - <_> - 7 18 1 6 3. - 0 - <_> - - <_> - 6 19 3 5 -1. - <_> - 7 19 1 5 3. - 0 - <_> - - <_> - 6 20 9 4 -1. - <_> - 6 22 9 2 2. - 0 - <_> - - <_> - 6 23 3 1 -1. - <_> - 7 23 1 1 3. - 0 - <_> - - <_> - 7 0 2 8 -1. - <_> - 7 0 1 4 2. - <_> - 8 4 1 4 2. - 0 - <_> - - <_> - 7 0 10 1 -1. - <_> - 12 0 5 1 2. - 0 - <_> - - <_> - 7 1 2 4 -1. - <_> - 7 3 2 2 2. - 0 - <_> - - <_> - 7 1 10 1 -1. - <_> - 12 1 5 1 2. - 0 - <_> - - <_> - 7 2 4 21 -1. - <_> - 9 2 2 21 2. - 0 - <_> - - <_> - 7 3 1 3 -1. - <_> - 7 4 1 1 3. - 0 - <_> - - <_> - 7 3 3 5 -1. - <_> - 8 3 1 5 3. - 0 - <_> - - <_> - 7 4 3 10 -1. - <_> - 8 4 1 10 3. - 0 - <_> - - <_> - 7 5 2 2 -1. - <_> - 8 5 1 2 2. - 0 - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - 0 - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 5 1 3 3. - 0 - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 5 1 6 3. - 0 - <_> - - <_> - 7 5 2 7 -1. - <_> - 8 5 1 7 2. - 0 - <_> - - <_> - 7 5 2 6 -1. - <_> - 7 7 2 2 3. - 0 - <_> - - <_> - 7 5 11 6 -1. - <_> - 7 7 11 2 3. - 0 - <_> - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - 0 - <_> - - <_> - 7 6 1 3 -1. - <_> - 7 7 1 1 3. - 0 - <_> - - <_> - 7 6 4 6 -1. - <_> - 9 6 2 6 2. - 0 - <_> - - <_> - 7 6 10 2 -1. - <_> - 7 6 5 1 2. - <_> - 12 7 5 1 2. - 0 - <_> - - <_> - 7 6 12 2 -1. - <_> - 7 6 6 1 2. - <_> - 13 7 6 1 2. - 0 - <_> - - <_> - 7 7 1 2 -1. - <_> - 7 8 1 1 2. - 0 - <_> - - <_> - 7 7 1 3 -1. - <_> - 7 8 1 1 3. - 0 - <_> - - <_> - 7 7 1 6 -1. - <_> - 7 9 1 2 3. - 0 - <_> - - <_> - 7 7 2 4 -1. - <_> - 7 9 2 2 2. - 0 - <_> - - <_> - 7 7 10 2 -1. - <_> - 7 7 5 1 2. - <_> - 12 8 5 1 2. - 0 - <_> - - <_> - 7 8 1 3 -1. - <_> - 7 9 1 1 3. - 0 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - 0 - <_> - - <_> - 7 8 2 4 -1. - <_> - 7 8 1 2 2. - <_> - 8 10 1 2 2. - 0 - <_> - - <_> - 7 8 10 2 -1. - <_> - 7 8 5 1 2. - <_> - 12 9 5 1 2. - 0 - <_> - - <_> - 7 9 1 2 -1. - <_> - 7 10 1 1 2. - 0 - <_> - - <_> - 7 9 1 3 -1. - <_> - 7 10 1 1 3. - 0 - <_> - - <_> - 7 9 3 3 -1. - <_> - 8 9 1 3 3. - 0 - <_> - - <_> - 7 9 4 6 -1. - <_> - 7 9 2 3 2. - <_> - 9 12 2 3 2. - 0 - <_> - - <_> - 7 9 6 10 -1. - <_> - 7 9 3 5 2. - <_> - 10 14 3 5 2. - 0 - <_> - - <_> - 7 9 12 2 -1. - <_> - 11 9 4 2 3. - 0 - <_> - - <_> - 7 9 10 2 -1. - <_> - 7 9 5 1 2. - <_> - 12 10 5 1 2. - 0 - <_> - - <_> - 7 9 12 2 -1. - <_> - 7 9 6 1 2. - <_> - 13 10 6 1 2. - 0 - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - 0 - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - 0 - <_> - - <_> - 7 10 2 3 -1. - <_> - 7 11 2 1 3. - 0 - <_> - - <_> - 7 10 6 4 -1. - <_> - 9 10 2 4 3. - 0 - <_> - - <_> - 7 10 10 2 -1. - <_> - 7 10 5 1 2. - <_> - 12 11 5 1 2. - 0 - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - 0 - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 12 2 1 2. - 0 - <_> - - <_> - 7 11 6 4 -1. - <_> - 9 11 2 4 3. - 0 - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - 0 - <_> - - <_> - 7 16 10 8 -1. - <_> - 7 20 10 4 2. - 0 - <_> - - <_> - 7 18 3 6 -1. - <_> - 8 18 1 6 3. - 0 - <_> - - <_> - 7 18 9 6 -1. - <_> - 7 20 9 2 3. - 0 - <_> - - <_> - 7 19 3 3 -1. - <_> - 8 19 1 3 3. - 0 - <_> - - <_> - 7 20 3 4 -1. - <_> - 8 20 1 4 3. - 0 - <_> - - <_> - 7 20 7 4 -1. - <_> - 7 22 7 2 2. - 0 - <_> - - <_> - 7 20 11 4 -1. - <_> - 7 22 11 2 2. - 0 - <_> - - <_> - 7 22 3 2 -1. - <_> - 8 22 1 2 3. - 0 - <_> - - <_> - 8 0 8 2 -1. - <_> - 12 0 4 2 2. - 0 - <_> - - <_> - 8 0 8 2 -1. - <_> - 8 1 8 1 2. - 0 - <_> - - <_> - 8 0 8 10 -1. - <_> - 8 5 8 5 2. - 0 - <_> - - <_> - 8 0 16 10 -1. - <_> - 8 0 8 5 2. - <_> - 16 5 8 5 2. - 0 - <_> - - <_> - 8 0 10 3 -1. - <_> - 8 1 10 1 3. - 0 - <_> - - <_> - 8 1 8 1 -1. - <_> - 12 1 4 1 2. - 0 - <_> - - <_> - 8 2 3 2 -1. - <_> - 9 2 1 2 3. - 0 - <_> - - <_> - 8 2 8 20 -1. - <_> - 12 2 4 20 2. - 0 - <_> - - <_> - 8 3 3 8 -1. - <_> - 9 3 1 8 3. - 0 - <_> - - <_> - 8 3 3 9 -1. - <_> - 9 3 1 9 3. - 0 - <_> - - <_> - 8 3 6 1 -1. - <_> - 11 3 3 1 2. - 0 - <_> - - <_> - 8 3 4 3 -1. - <_> - 8 4 4 1 3. - 0 - <_> - - <_> - 8 3 8 2 -1. - <_> - 8 3 4 1 2. - <_> - 12 4 4 1 2. - 0 - <_> - - <_> - 8 4 3 2 -1. - <_> - 9 4 1 2 3. - 0 - <_> - - <_> - 8 4 2 8 -1. - <_> - 9 4 1 8 2. - 0 - <_> - - <_> - 8 4 3 3 -1. - <_> - 8 5 3 1 3. - 0 - <_> - - <_> - 8 4 8 2 -1. - <_> - 8 4 4 1 2. - <_> - 12 5 4 1 2. - 0 - <_> - - <_> - 8 4 7 15 -1. - <_> - 8 9 7 5 3. - 0 - <_> - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - 0 - <_> - - <_> - 8 5 2 3 -1. - <_> - 9 5 1 3 2. - 0 - <_> - - <_> - 8 5 3 5 -1. - <_> - 9 5 1 5 3. - 0 - <_> - - <_> - 8 5 2 6 -1. - <_> - 9 5 1 6 2. - 0 - <_> - - <_> - 8 5 3 7 -1. - <_> - 9 5 1 7 3. - 0 - <_> - - <_> - 8 5 4 3 -1. - <_> - 8 6 4 1 3. - 0 - <_> - - <_> - 8 5 8 12 -1. - <_> - 12 5 4 12 2. - 0 - <_> - - <_> - 8 5 8 19 -1. - <_> - 12 5 4 19 2. - 0 - <_> - - <_> - 8 6 3 5 -1. - <_> - 9 6 1 5 3. - 0 - <_> - - <_> - 8 6 10 2 -1. - <_> - 8 6 5 1 2. - <_> - 13 7 5 1 2. - 0 - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 1 2. - <_> - 9 9 1 1 2. - 0 - <_> - - <_> - 8 8 1 6 -1. - <_> - 8 10 1 2 3. - 0 - <_> - - <_> - 8 8 3 3 -1. - <_> - 8 9 3 1 3. - 0 - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - 0 - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - 0 - <_> - - <_> - 8 9 2 6 -1. - <_> - 8 9 1 3 2. - <_> - 9 12 1 3 2. - 0 - <_> - - <_> - 8 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - <_> - - <_> - 8 10 3 1 -1. - <_> - 9 10 1 1 3. - 0 - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - 0 - <_> - - <_> - 8 10 2 2 -1. - <_> - 9 10 1 2 2. - 0 - <_> - - <_> - 8 10 3 2 -1. - <_> - 9 10 1 2 3. - 0 - <_> - - <_> - 8 10 4 8 -1. - <_> - 8 10 2 4 2. - <_> - 10 14 2 4 2. - 0 - <_> - - <_> - 8 10 8 2 -1. - <_> - 8 10 4 1 2. - <_> - 12 11 4 1 2. - 0 - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 11 1 1 2. - <_> - 9 12 1 1 2. - 0 - <_> - - <_> - 8 11 4 8 -1. - <_> - 8 11 2 4 2. - <_> - 10 15 2 4 2. - 0 - <_> - - <_> - 8 11 4 10 -1. - <_> - 8 11 2 5 2. - <_> - 10 16 2 5 2. - 0 - <_> - - <_> - 8 13 9 10 -1. - <_> - 8 18 9 5 2. - 0 - <_> - - <_> - 8 15 4 4 -1. - <_> - 10 15 2 4 2. - 0 - <_> - - <_> - 8 16 9 3 -1. - <_> - 11 16 3 3 3. - 0 - <_> - - <_> - 8 19 3 5 -1. - <_> - 9 19 1 5 3. - 0 - <_> - - <_> - 8 20 3 3 -1. - <_> - 9 20 1 3 3. - 0 - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 1 1 1 2. - 0 - <_> - - <_> - 9 0 2 4 -1. - <_> - 10 0 1 4 2. - 0 - <_> - - <_> - 9 0 6 1 -1. - <_> - 12 0 3 1 2. - 0 - <_> - - <_> - 9 0 5 4 -1. - <_> - 9 2 5 2 2. - 0 - <_> - - <_> - 9 0 6 10 -1. - <_> - 9 5 6 5 2. - 0 - <_> - - <_> - 9 0 14 8 -1. - <_> - 9 0 7 4 2. - <_> - 16 4 7 4 2. - 0 - <_> - - <_> - 9 0 7 10 -1. - <_> - 9 5 7 5 2. - 0 - <_> - - <_> - 9 0 14 10 -1. - <_> - 9 0 7 5 2. - <_> - 16 5 7 5 2. - 0 - <_> - - <_> - 9 0 14 12 -1. - <_> - 9 0 7 6 2. - <_> - 16 6 7 6 2. - 0 - <_> - - <_> - 9 1 3 12 -1. - <_> - 10 1 1 12 3. - 0 - <_> - - <_> - 9 1 4 15 -1. - <_> - 11 1 2 15 2. - 0 - <_> - - <_> - 9 1 6 1 -1. - <_> - 12 1 3 1 2. - 0 - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 2 2. - 0 - <_> - - <_> - 9 2 6 18 -1. - <_> - 12 2 3 18 2. - 0 - <_> - - <_> - 9 2 15 3 -1. - <_> - 9 3 15 1 3. - 0 - <_> - - <_> - 9 3 3 9 -1. - <_> - 10 3 1 9 3. - 0 - <_> - - <_> - 9 3 8 6 -1. - <_> - 9 6 8 3 2. - 0 - <_> - - <_> - 9 3 15 15 -1. - <_> - 9 8 15 5 3. - 0 - <_> - - <_> - 9 4 3 4 -1. - <_> - 10 4 1 4 3. - 0 - <_> - - <_> - 9 4 6 2 -1. - <_> - 9 4 3 1 2. - <_> - 12 5 3 1 2. - 0 - <_> - - <_> - 9 4 14 5 -1. - <_> - 16 4 7 5 2. - 0 - <_> - - <_> - 9 5 2 5 -1. - <_> - 10 5 1 5 2. - 0 - <_> - - <_> - 9 5 3 6 -1. - <_> - 10 5 1 6 3. - 0 - <_> - - <_> - 9 5 4 15 -1. - <_> - 11 5 2 15 2. - 0 - <_> - - <_> - 9 5 3 3 -1. - <_> - 9 6 3 1 3. - 0 - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - 0 - <_> - - <_> - 9 6 4 4 -1. - <_> - 11 6 2 4 2. - 0 - <_> - - <_> - 9 6 3 3 -1. - <_> - 9 7 3 1 3. - 0 - <_> - - <_> - 9 6 6 7 -1. - <_> - 12 6 3 7 2. - 0 - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - 0 - <_> - - <_> - 9 6 15 10 -1. - <_> - 9 11 15 5 2. - 0 - <_> - - <_> - 9 7 6 2 -1. - <_> - 9 7 3 1 2. - <_> - 12 8 3 1 2. - 0 - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - 0 - <_> - - <_> - 9 8 7 10 -1. - <_> - 9 13 7 5 2. - 0 - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 2 2. - 0 - <_> - - <_> - 9 9 3 3 -1. - <_> - 9 10 3 1 3. - 0 - <_> - - <_> - 9 9 9 6 -1. - <_> - 12 9 3 6 3. - 0 - <_> - - <_> - 9 10 2 4 -1. - <_> - 9 10 1 2 2. - <_> - 10 12 1 2 2. - 0 - <_> - - <_> - 9 10 6 2 -1. - <_> - 9 10 3 1 2. - <_> - 12 11 3 1 2. - 0 - <_> - - <_> - 9 10 8 1 -1. - <_> - 13 10 4 1 2. - 0 - <_> - - <_> - 9 10 15 3 -1. - <_> - 9 11 15 1 3. - 0 - <_> - - <_> - 9 11 2 4 -1. - <_> - 9 11 1 2 2. - <_> - 10 13 1 2 2. - 0 - <_> - - <_> - 9 11 2 6 -1. - <_> - 9 11 1 3 2. - <_> - 10 14 1 3 2. - 0 - <_> - - <_> - 9 13 2 11 -1. - <_> - 10 13 1 11 2. - 0 - <_> - - <_> - 9 14 6 3 -1. - <_> - 11 14 2 3 3. - 0 - <_> - - <_> - 9 16 4 3 -1. - <_> - 11 16 2 3 2. - 0 - <_> - - <_> - 9 16 6 4 -1. - <_> - 11 16 2 4 3. - 0 - <_> - - <_> - 9 16 6 8 -1. - <_> - 11 16 2 8 3. - 0 - <_> - - <_> - 9 16 6 3 -1. - <_> - 9 17 6 1 3. - 0 - <_> - - <_> - 9 17 6 2 -1. - <_> - 11 17 2 2 3. - 0 - <_> - - <_> - 9 17 6 7 -1. - <_> - 11 17 2 7 3. - 0 - <_> - - <_> - 9 18 5 3 -1. - <_> - 9 19 5 1 3. - 0 - <_> - - <_> - 9 19 3 5 -1. - <_> - 10 19 1 5 3. - 0 - <_> - - <_> - 9 19 7 3 -1. - <_> - 9 20 7 1 3. - 0 - <_> - - <_> - 9 20 3 4 -1. - <_> - 10 20 1 4 3. - 0 - <_> - - <_> - 9 20 3 2 -1. - <_> - 9 21 3 1 2. - 0 - <_> - - <_> - 9 20 5 3 -1. - <_> - 9 21 5 1 3. - 0 - <_> - - <_> - 9 20 6 3 -1. - <_> - 9 21 6 1 3. - 0 - <_> - - <_> - 9 20 6 4 -1. - <_> - 9 22 6 2 2. - 0 - <_> - - <_> - 9 20 7 3 -1. - <_> - 9 21 7 1 3. - 0 - <_> - - <_> - 9 20 8 4 -1. - <_> - 9 22 8 2 2. - 0 - <_> - - <_> - 9 21 3 2 -1. - <_> - 10 21 1 2 3. - 0 - <_> - - <_> - 9 22 3 2 -1. - <_> - 10 22 1 2 3. - 0 - <_> - - <_> - 10 0 1 6 -1. - <_> - 10 3 1 3 2. - 0 - <_> - - <_> - 10 0 6 1 -1. - <_> - 13 0 3 1 2. - 0 - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 4 4 4 2. - 0 - <_> - - <_> - 10 0 14 10 -1. - <_> - 10 0 7 5 2. - <_> - 17 5 7 5 2. - 0 - <_> - - <_> - 10 1 4 2 -1. - <_> - 10 1 2 1 2. - <_> - 12 2 2 1 2. - 0 - <_> - - <_> - 10 2 1 6 -1. - <_> - 10 5 1 3 2. - 0 - <_> - - <_> - 10 3 6 1 -1. - <_> - 13 3 3 1 2. - 0 - <_> - - <_> - 10 3 9 1 -1. - <_> - 13 3 3 1 3. - 0 - <_> - - <_> - 10 3 3 3 -1. - <_> - 10 4 3 1 3. - 0 - <_> - - <_> - 10 4 3 3 -1. - <_> - 11 4 1 3 3. - 0 - <_> - - <_> - 10 4 2 8 -1. - <_> - 11 4 1 8 2. - 0 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - <_> - - <_> - 10 5 4 11 -1. - <_> - 12 5 2 11 2. - 0 - <_> - - <_> - 10 6 6 3 -1. - <_> - 10 7 6 1 3. - 0 - <_> - - <_> - 10 7 2 3 -1. - <_> - 10 8 2 1 3. - 0 - <_> - - <_> - 10 7 4 7 -1. - <_> - 12 7 2 7 2. - 0 - <_> - - <_> - 10 7 9 6 -1. - <_> - 13 7 3 6 3. - 0 - <_> - - <_> - 10 7 4 3 -1. - <_> - 10 8 4 1 3. - 0 - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 9 2 1 3. - 0 - <_> - - <_> - 10 8 4 2 -1. - <_> - 10 9 4 1 2. - 0 - <_> - - <_> - 10 8 8 10 -1. - <_> - 10 13 8 5 2. - 0 - <_> - - <_> - 10 9 1 3 -1. - <_> - 10 10 1 1 3. - 0 - <_> - - <_> - 10 9 2 3 -1. - <_> - 10 10 2 1 3. - 0 - <_> - - <_> - 10 9 6 4 -1. - <_> - 13 9 3 4 2. - 0 - <_> - - <_> - 10 10 14 3 -1. - <_> - 10 11 14 1 3. - 0 - <_> - - <_> - 10 11 1 3 -1. - <_> - 10 12 1 1 3. - 0 - <_> - - <_> - 10 11 4 3 -1. - <_> - 10 12 4 1 3. - 0 - <_> - - <_> - 10 12 1 3 -1. - <_> - 10 13 1 1 3. - 0 - <_> - - <_> - 10 12 2 8 -1. - <_> - 10 12 1 4 2. - <_> - 11 16 1 4 2. - 0 - <_> - - <_> - 10 15 4 3 -1. - <_> - 10 16 4 1 3. - 0 - <_> - - <_> - 10 15 6 6 -1. - <_> - 10 17 6 2 3. - 0 - <_> - - <_> - 10 16 6 8 -1. - <_> - 10 16 3 4 2. - <_> - 13 20 3 4 2. - 0 - <_> - - <_> - 10 16 4 2 -1. - <_> - 10 17 4 1 2. - 0 - <_> - - <_> - 10 16 4 3 -1. - <_> - 10 17 4 1 3. - 0 - <_> - - <_> - 10 17 4 3 -1. - <_> - 10 18 4 1 3. - 0 - <_> - - <_> - 10 17 5 3 -1. - <_> - 10 18 5 1 3. - 0 - <_> - - <_> - 10 18 5 3 -1. - <_> - 10 19 5 1 3. - 0 - <_> - - <_> - 10 19 5 3 -1. - <_> - 10 20 5 1 3. - 0 - <_> - - <_> - 10 20 3 3 -1. - <_> - 11 20 1 3 3. - 0 - <_> - - <_> - 10 20 3 4 -1. - <_> - 11 20 1 4 3. - 0 - <_> - - <_> - 10 20 4 3 -1. - <_> - 10 21 4 1 3. - 0 - <_> - - <_> - 10 20 5 3 -1. - <_> - 10 21 5 1 3. - 0 - <_> - - <_> - 10 21 3 1 -1. - <_> - 11 21 1 1 3. - 0 - <_> - - <_> - 10 21 3 3 -1. - <_> - 11 21 1 3 3. - 0 - <_> - - <_> - 10 21 6 3 -1. - <_> - 12 21 2 3 3. - 0 - <_> - - <_> - 10 21 5 2 -1. - <_> - 10 22 5 1 2. - 0 - <_> - - <_> - 10 22 3 1 -1. - <_> - 11 22 1 1 3. - 0 - <_> - - <_> - 10 22 3 2 -1. - <_> - 11 22 1 2 3. - 0 - <_> - - <_> - 11 0 2 12 -1. - <_> - 11 4 2 4 3. - 0 - <_> - - <_> - 11 0 12 19 -1. - <_> - 15 0 4 19 3. - 0 - <_> - - <_> - 11 2 4 20 -1. - <_> - 13 2 2 20 2. - 0 - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 3 1 3 3. - 0 - <_> - - <_> - 11 3 3 5 -1. - <_> - 12 3 1 5 3. - 0 - <_> - - <_> - 11 3 3 6 -1. - <_> - 12 3 1 6 3. - 0 - <_> - - <_> - 11 3 3 7 -1. - <_> - 12 3 1 7 3. - 0 - <_> - - <_> - 11 3 2 3 -1. - <_> - 11 4 2 1 3. - 0 - <_> - - <_> - 11 3 12 14 -1. - <_> - 15 3 4 14 3. - 0 - <_> - - <_> - 11 4 3 5 -1. - <_> - 12 4 1 5 3. - 0 - <_> - - <_> - 11 4 2 3 -1. - <_> - 11 5 2 1 3. - 0 - <_> - - <_> - 11 4 9 1 -1. - <_> - 14 4 3 1 3. - 0 - <_> - - <_> - 11 4 3 3 -1. - <_> - 11 5 3 1 3. - 0 - <_> - - <_> - 11 5 8 4 -1. - <_> - 11 7 8 2 2. - 0 - <_> - - <_> - 11 6 2 3 -1. - <_> - 11 7 2 1 3. - 0 - <_> - - <_> - 11 6 4 3 -1. - <_> - 11 7 4 1 3. - 0 - <_> - - <_> - 11 7 1 3 -1. - <_> - 11 8 1 1 3. - 0 - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 12 8 1 1 2. - 0 - <_> - - <_> - 11 7 2 3 -1. - <_> - 11 8 2 1 3. - 0 - <_> - - <_> - 11 7 4 2 -1. - <_> - 11 7 2 1 2. - <_> - 13 8 2 1 2. - 0 - <_> - - <_> - 11 7 4 3 -1. - <_> - 11 8 4 1 3. - 0 - <_> - - <_> - 11 8 1 3 -1. - <_> - 11 9 1 1 3. - 0 - <_> - - <_> - 11 8 1 10 -1. - <_> - 11 13 1 5 2. - 0 - <_> - - <_> - 11 8 2 3 -1. - <_> - 11 9 2 1 3. - 0 - <_> - - <_> - 11 8 3 3 -1. - <_> - 11 9 3 1 3. - 0 - <_> - - <_> - 11 8 8 8 -1. - <_> - 11 8 4 4 2. - <_> - 15 12 4 4 2. - 0 - <_> - - <_> - 11 8 7 10 -1. - <_> - 11 13 7 5 2. - 0 - <_> - - <_> - 11 9 6 6 -1. - <_> - 13 9 2 6 3. - 0 - <_> - - <_> - 11 9 4 3 -1. - <_> - 11 10 4 1 3. - 0 - <_> - - <_> - 11 10 6 4 -1. - <_> - 13 10 2 4 3. - 0 - <_> - - <_> - 11 10 6 8 -1. - <_> - 11 10 3 4 2. - <_> - 14 14 3 4 2. - 0 - <_> - - <_> - 11 10 4 3 -1. - <_> - 11 11 4 1 3. - 0 - <_> - - <_> - 11 10 5 3 -1. - <_> - 11 11 5 1 3. - 0 - <_> - - <_> - 11 11 1 3 -1. - <_> - 11 12 1 1 3. - 0 - <_> - - <_> - 11 11 10 10 -1. - <_> - 11 11 5 5 2. - <_> - 16 16 5 5 2. - 0 - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - 0 - <_> - - <_> - 11 14 2 9 -1. - <_> - 11 17 2 3 3. - 0 - <_> - - <_> - 11 15 1 2 -1. - <_> - 11 16 1 1 2. - 0 - <_> - - <_> - 11 20 3 4 -1. - <_> - 12 20 1 4 3. - 0 - <_> - - <_> - 11 20 3 3 -1. - <_> - 11 21 3 1 3. - 0 - <_> - - <_> - 11 21 2 1 -1. - <_> - 12 21 1 1 2. - 0 - <_> - - <_> - 11 21 3 2 -1. - <_> - 12 21 1 2 3. - 0 - <_> - - <_> - 11 21 2 3 -1. - <_> - 12 21 1 3 2. - 0 - <_> - - <_> - 11 21 3 2 -1. - <_> - 11 22 3 1 2. - 0 - <_> - - <_> - 11 23 3 1 -1. - <_> - 12 23 1 1 3. - 0 - <_> - - <_> - 12 0 8 12 -1. - <_> - 12 0 4 6 2. - <_> - 16 6 4 6 2. - 0 - <_> - - <_> - 12 0 12 6 -1. - <_> - 12 0 6 3 2. - <_> - 18 3 6 3 2. - 0 - <_> - - <_> - 12 1 1 3 -1. - <_> - 12 2 1 1 3. - 0 - <_> - - <_> - 12 1 2 7 -1. - <_> - 13 1 1 7 2. - 0 - <_> - - <_> - 12 1 12 4 -1. - <_> - 12 1 6 2 2. - <_> - 18 3 6 2 2. - 0 - <_> - - <_> - 12 2 3 3 -1. - <_> - 13 2 1 3 3. - 0 - <_> - - <_> - 12 2 3 7 -1. - <_> - 13 2 1 7 3. - 0 - <_> - - <_> - 12 2 6 1 -1. - <_> - 14 2 2 1 3. - 0 - <_> - - <_> - 12 2 6 4 -1. - <_> - 14 2 2 4 3. - 0 - <_> - - <_> - 12 2 6 18 -1. - <_> - 12 8 6 6 3. - 0 - <_> - - <_> - 12 3 6 11 -1. - <_> - 14 3 2 11 3. - 0 - <_> - - <_> - 12 3 9 3 -1. - <_> - 15 3 3 3 3. - 0 - <_> - - <_> - 12 3 12 3 -1. - <_> - 12 4 12 1 3. - 0 - <_> - - <_> - 12 4 2 12 -1. - <_> - 13 4 1 12 2. - 0 - <_> - - <_> - 12 4 2 3 -1. - <_> - 12 5 2 1 3. - 0 - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 5 1 5 3. - 0 - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - 0 - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - 0 - <_> - - <_> - 12 6 2 3 -1. - <_> - 12 7 2 1 3. - 0 - <_> - - <_> - 12 6 8 4 -1. - <_> - 12 6 4 2 2. - <_> - 16 8 4 2 2. - 0 - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - 0 - <_> - - <_> - 12 7 2 3 -1. - <_> - 12 8 2 1 3. - 0 - <_> - - <_> - 12 8 1 3 -1. - <_> - 12 9 1 1 3. - 0 - <_> - - <_> - 12 8 3 3 -1. - <_> - 12 9 3 1 3. - 0 - <_> - - <_> - 12 8 4 3 -1. - <_> - 12 9 4 1 3. - 0 - <_> - - <_> - 12 9 1 3 -1. - <_> - 12 10 1 1 3. - 0 - <_> - - <_> - 12 10 2 12 -1. - <_> - 12 10 1 6 2. - <_> - 13 16 1 6 2. - 0 - <_> - - <_> - 12 10 4 10 -1. - <_> - 12 10 2 5 2. - <_> - 14 15 2 5 2. - 0 - <_> - - <_> - 12 11 2 3 -1. - <_> - 12 12 2 1 3. - 0 - <_> - - <_> - 12 11 4 4 -1. - <_> - 14 11 2 4 2. - 0 - <_> - - <_> - 12 11 4 8 -1. - <_> - 12 11 2 4 2. - <_> - 14 15 2 4 2. - 0 - <_> - - <_> - 12 15 6 5 -1. - <_> - 14 15 2 5 3. - 0 - <_> - - <_> - 12 15 10 4 -1. - <_> - 12 15 5 2 2. - <_> - 17 17 5 2 2. - 0 - <_> - - <_> - 12 16 4 3 -1. - <_> - 14 16 2 3 2. - 0 - <_> - - <_> - 12 17 3 3 -1. - <_> - 13 17 1 3 3. - 0 - <_> - - <_> - 12 17 8 6 -1. - <_> - 12 17 4 3 2. - <_> - 16 20 4 3 2. - 0 - <_> - - <_> - 12 18 12 6 -1. - <_> - 12 18 6 3 2. - <_> - 18 21 6 3 2. - 0 - <_> - - <_> - 12 21 3 3 -1. - <_> - 13 21 1 3 3. - 0 - <_> - - <_> - 13 0 11 14 -1. - <_> - 13 7 11 7 2. - 0 - <_> - - <_> - 13 2 2 3 -1. - <_> - 14 2 1 3 2. - 0 - <_> - - <_> - 13 3 1 4 -1. - <_> - 13 5 1 2 2. - 0 - <_> - - <_> - 13 3 3 3 -1. - <_> - 14 3 1 3 3. - 0 - <_> - - <_> - 13 3 6 1 -1. - <_> - 15 3 2 1 3. - 0 - <_> - - <_> - 13 4 1 2 -1. - <_> - 13 5 1 1 2. - 0 - <_> - - <_> - 13 4 3 7 -1. - <_> - 14 4 1 7 3. - 0 - <_> - - <_> - 13 4 3 8 -1. - <_> - 14 4 1 8 3. - 0 - <_> - - <_> - 13 5 3 6 -1. - <_> - 14 5 1 6 3. - 0 - <_> - - <_> - 13 6 1 3 -1. - <_> - 13 7 1 1 3. - 0 - <_> - - <_> - 13 7 6 6 -1. - <_> - 15 7 2 6 3. - 0 - <_> - - <_> - 13 7 3 3 -1. - <_> - 13 8 3 1 3. - 0 - <_> - - <_> - 13 8 6 8 -1. - <_> - 15 8 2 8 3. - 0 - <_> - - <_> - 13 9 3 4 -1. - <_> - 14 9 1 4 3. - 0 - <_> - - <_> - 13 9 4 3 -1. - <_> - 15 9 2 3 2. - 0 - <_> - - <_> - 13 9 6 4 -1. - <_> - 15 9 2 4 3. - 0 - <_> - - <_> - 13 9 9 2 -1. - <_> - 16 9 3 2 3. - 0 - <_> - - <_> - 13 9 9 2 -1. - <_> - 13 10 9 1 2. - 0 - <_> - - <_> - 13 10 3 2 -1. - <_> - 14 10 1 2 3. - 0 - <_> - - <_> - 13 10 4 1 -1. - <_> - 15 10 2 1 2. - 0 - <_> - - <_> - 13 10 4 4 -1. - <_> - 13 10 2 2 2. - <_> - 15 12 2 2 2. - 0 - <_> - - <_> - 13 11 2 3 -1. - <_> - 13 12 2 1 3. - 0 - <_> - - <_> - 13 11 3 3 -1. - <_> - 13 12 3 1 3. - 0 - <_> - - <_> - 13 12 3 3 -1. - <_> - 13 13 3 1 3. - 0 - <_> - - <_> - 13 13 2 6 -1. - <_> - 13 13 1 3 2. - <_> - 14 16 1 3 2. - 0 - <_> - - <_> - 13 15 2 5 -1. - <_> - 14 15 1 5 2. - 0 - <_> - - <_> - 13 19 3 3 -1. - <_> - 14 19 1 3 3. - 0 - <_> - - <_> - 13 20 3 3 -1. - <_> - 14 20 1 3 3. - 0 - <_> - - <_> - 13 22 3 2 -1. - <_> - 14 22 1 2 3. - 0 - <_> - - <_> - 14 0 1 10 -1. - <_> - 14 5 1 5 2. - 0 - <_> - - <_> - 14 0 2 7 -1. - <_> - 15 0 1 7 2. - 0 - <_> - - <_> - 14 0 2 22 -1. - <_> - 14 0 1 11 2. - <_> - 15 11 1 11 2. - 0 - <_> - - <_> - 14 0 10 6 -1. - <_> - 14 0 5 3 2. - <_> - 19 3 5 3 2. - 0 - <_> - - <_> - 14 0 10 8 -1. - <_> - 14 0 5 4 2. - <_> - 19 4 5 4 2. - 0 - <_> - - <_> - 14 0 10 12 -1. - <_> - 14 0 5 6 2. - <_> - 19 6 5 6 2. - 0 - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 2 2. - 0 - <_> - - <_> - 14 1 4 4 -1. - <_> - 14 3 4 2 2. - 0 - <_> - - <_> - 14 1 10 2 -1. - <_> - 19 1 5 2 2. - 0 - <_> - - <_> - 14 2 6 7 -1. - <_> - 16 2 2 7 3. - 0 - <_> - - <_> - 14 3 2 4 -1. - <_> - 14 3 1 2 2. - <_> - 15 5 1 2 2. - 0 - <_> - - <_> - 14 4 3 3 -1. - <_> - 15 4 1 3 3. - 0 - <_> - - <_> - 14 4 6 1 -1. - <_> - 16 4 2 1 3. - 0 - <_> - - <_> - 14 4 3 3 -1. - <_> - 14 5 3 1 3. - 0 - <_> - - <_> - 14 5 3 2 -1. - <_> - 15 5 1 2 3. - 0 - <_> - - <_> - 14 5 3 3 -1. - <_> - 15 5 1 3 3. - 0 - <_> - - <_> - 14 5 4 2 -1. - <_> - 16 5 2 2 2. - 0 - <_> - - <_> - 14 5 3 10 -1. - <_> - 14 10 3 5 2. - 0 - <_> - - <_> - 14 5 4 6 -1. - <_> - 14 7 4 2 3. - 0 - <_> - - <_> - 14 6 3 2 -1. - <_> - 15 6 1 2 3. - 0 - <_> - - <_> - 14 6 3 4 -1. - <_> - 15 6 1 4 3. - 0 - <_> - - <_> - 14 6 2 6 -1. - <_> - 15 6 1 6 2. - 0 - <_> - - <_> - 14 6 6 2 -1. - <_> - 16 6 2 2 3. - 0 - <_> - - <_> - 14 6 6 17 -1. - <_> - 16 6 2 17 3. - 0 - <_> - - <_> - 14 8 2 13 -1. - <_> - 15 8 1 13 2. - 0 - <_> - - <_> - 14 8 4 6 -1. - <_> - 14 10 4 2 3. - 0 - <_> - - <_> - 14 9 2 2 -1. - <_> - 15 9 1 2 2. - 0 - <_> - - <_> - 14 9 3 2 -1. - <_> - 15 9 1 2 3. - 0 - <_> - - <_> - 14 9 2 4 -1. - <_> - 14 9 1 2 2. - <_> - 15 11 1 2 2. - 0 - <_> - - <_> - 14 9 2 3 -1. - <_> - 15 9 1 3 2. - 0 - <_> - - <_> - 14 9 4 1 -1. - <_> - 16 9 2 1 2. - 0 - <_> - - <_> - 14 9 6 1 -1. - <_> - 16 9 2 1 3. - 0 - <_> - - <_> - 14 9 9 9 -1. - <_> - 14 12 9 3 3. - 0 - <_> - - <_> - 14 10 2 1 -1. - <_> - 15 10 1 1 2. - 0 - <_> - - <_> - 14 10 3 1 -1. - <_> - 15 10 1 1 3. - 0 - <_> - - <_> - 14 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 15 11 1 1 2. - 0 - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 2 2. - 0 - <_> - - <_> - 14 10 3 2 -1. - <_> - 15 10 1 2 3. - 0 - <_> - - <_> - 14 10 3 3 -1. - <_> - 15 10 1 3 3. - 0 - <_> - - <_> - 14 10 2 6 -1. - <_> - 14 10 1 3 2. - <_> - 15 13 1 3 2. - 0 - <_> - - <_> - 14 12 6 2 -1. - <_> - 16 12 2 2 3. - 0 - <_> - - <_> - 14 12 6 5 -1. - <_> - 16 12 2 5 3. - 0 - <_> - - <_> - 14 14 8 6 -1. - <_> - 14 14 4 3 2. - <_> - 18 17 4 3 2. - 0 - <_> - - <_> - 14 14 10 10 -1. - <_> - 14 14 5 5 2. - <_> - 19 19 5 5 2. - 0 - <_> - - <_> - 14 16 10 8 -1. - <_> - 14 16 5 4 2. - <_> - 19 20 5 4 2. - 0 - <_> - - <_> - 14 18 8 4 -1. - <_> - 14 18 4 2 2. - <_> - 18 20 4 2 2. - 0 - <_> - - <_> - 14 19 3 4 -1. - <_> - 15 19 1 4 3. - 0 - <_> - - <_> - 14 19 3 5 -1. - <_> - 15 19 1 5 3. - 0 - <_> - - <_> - 14 20 3 4 -1. - <_> - 15 20 1 4 3. - 0 - <_> - - <_> - 14 23 3 1 -1. - <_> - 15 23 1 1 3. - 0 - <_> - - <_> - 15 0 8 1 -1. - <_> - 19 0 4 1 2. - 0 - <_> - - <_> - 15 0 8 2 -1. - <_> - 19 0 4 2 2. - 0 - <_> - - <_> - 15 2 2 10 -1. - <_> - 16 2 1 10 2. - 0 - <_> - - <_> - 15 2 6 7 -1. - <_> - 17 2 2 7 3. - 0 - <_> - - <_> - 15 2 5 3 -1. - <_> - 15 3 5 1 3. - 0 - <_> - - <_> - 15 4 2 6 -1. - <_> - 16 4 1 6 2. - 0 - <_> - - <_> - 15 4 2 8 -1. - <_> - 16 4 1 8 2. - 0 - <_> - - <_> - 15 4 6 8 -1. - <_> - 18 4 3 8 2. - 0 - <_> - - <_> - 15 4 8 3 -1. - <_> - 15 5 8 1 3. - 0 - <_> - - <_> - 15 5 2 2 -1. - <_> - 16 5 1 2 2. - 0 - <_> - - <_> - 15 5 3 2 -1. - <_> - 16 5 1 2 3. - 0 - <_> - - <_> - 15 5 3 3 -1. - <_> - 16 5 1 3 3. - 0 - <_> - - <_> - 15 5 3 6 -1. - <_> - 16 5 1 6 3. - 0 - <_> - - <_> - 15 6 3 18 -1. - <_> - 15 12 3 6 3. - 0 - <_> - - <_> - 15 6 6 7 -1. - <_> - 18 6 3 7 2. - 0 - <_> - - <_> - 15 6 8 4 -1. - <_> - 15 6 4 2 2. - <_> - 19 8 4 2 2. - 0 - <_> - - <_> - 15 7 3 6 -1. - <_> - 15 9 3 2 3. - 0 - <_> - - <_> - 15 7 5 4 -1. - <_> - 15 9 5 2 2. - 0 - <_> - - <_> - 15 7 5 6 -1. - <_> - 15 9 5 2 3. - 0 - <_> - - <_> - 15 7 6 6 -1. - <_> - 15 9 6 2 3. - 0 - <_> - - <_> - 15 7 7 3 -1. - <_> - 15 8 7 1 3. - 0 - <_> - - <_> - 15 7 9 6 -1. - <_> - 15 9 9 2 3. - 0 - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 1 2. - <_> - 16 9 1 1 2. - 0 - <_> - - <_> - 15 8 2 4 -1. - <_> - 15 8 1 2 2. - <_> - 16 10 1 2 2. - 0 - <_> - - <_> - 15 8 1 12 -1. - <_> - 15 14 1 6 2. - 0 - <_> - - <_> - 15 9 2 2 -1. - <_> - 15 9 1 1 2. - <_> - 16 10 1 1 2. - 0 - <_> - - <_> - 15 9 3 4 -1. - <_> - 16 9 1 4 3. - 0 - <_> - - <_> - 15 9 2 3 -1. - <_> - 15 10 2 1 3. - 0 - <_> - - <_> - 15 9 7 3 -1. - <_> - 15 10 7 1 3. - 0 - <_> - - <_> - 15 10 2 1 -1. - <_> - 16 10 1 1 2. - 0 - <_> - - <_> - 15 10 3 1 -1. - <_> - 16 10 1 1 3. - 0 - <_> - - <_> - 15 10 3 4 -1. - <_> - 16 10 1 4 3. - 0 - <_> - - <_> - 15 10 3 5 -1. - <_> - 16 10 1 5 3. - 0 - <_> - - <_> - 15 12 4 8 -1. - <_> - 15 12 2 4 2. - <_> - 17 16 2 4 2. - 0 - <_> - - <_> - 15 15 4 3 -1. - <_> - 15 16 4 1 3. - 0 - <_> - - <_> - 15 16 5 3 -1. - <_> - 15 17 5 1 3. - 0 - <_> - - <_> - 15 19 3 4 -1. - <_> - 16 19 1 4 3. - 0 - <_> - - <_> - 15 19 9 3 -1. - <_> - 15 20 9 1 3. - 0 - <_> - - <_> - 15 20 6 3 -1. - <_> - 18 20 3 3 2. - 0 - <_> - - <_> - 16 0 8 1 -1. - <_> - 20 0 4 1 2. - 0 - <_> - - <_> - 16 0 8 2 -1. - <_> - 20 0 4 2 2. - 0 - <_> - - <_> - 16 0 8 4 -1. - <_> - 16 0 4 2 2. - <_> - 20 2 4 2 2. - 0 - <_> - - <_> - 16 0 8 6 -1. - <_> - 16 0 4 3 2. - <_> - 20 3 4 3 2. - 0 - <_> - - <_> - 16 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 20 4 4 4 2. - 0 - <_> - - <_> - 16 0 8 12 -1. - <_> - 16 0 4 6 2. - <_> - 20 6 4 6 2. - 0 - <_> - - <_> - 16 1 4 13 -1. - <_> - 18 1 2 13 2. - 0 - <_> - - <_> - 16 2 3 2 -1. - <_> - 17 2 1 2 3. - 0 - <_> - - <_> - 16 3 2 3 -1. - <_> - 16 4 2 1 3. - 0 - <_> - - <_> - 16 4 1 3 -1. - <_> - 16 5 1 1 3. - 0 - <_> - - <_> - 16 4 2 2 -1. - <_> - 16 4 1 1 2. - <_> - 17 5 1 1 2. - 0 - <_> - - <_> - 16 5 2 3 -1. - <_> - 17 5 1 3 2. - 0 - <_> - - <_> - 16 6 2 9 -1. - <_> - 16 9 2 3 3. - 0 - <_> - - <_> - 16 6 4 4 -1. - <_> - 18 6 2 4 2. - 0 - <_> - - <_> - 16 6 3 9 -1. - <_> - 16 9 3 3 3. - 0 - <_> - - <_> - 16 6 7 6 -1. - <_> - 16 8 7 2 3. - 0 - <_> - - <_> - 16 7 1 6 -1. - <_> - 16 9 1 2 3. - 0 - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 8 2 1 3. - 0 - <_> - - <_> - 16 7 2 6 -1. - <_> - 16 9 2 2 3. - 0 - <_> - - <_> - 16 7 3 2 -1. - <_> - 16 8 3 1 2. - 0 - <_> - - <_> - 16 7 3 3 -1. - <_> - 16 8 3 1 3. - 0 - <_> - - <_> - 16 7 3 6 -1. - <_> - 16 9 3 2 3. - 0 - <_> - - <_> - 16 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 19 9 3 2 2. - 0 - <_> - - <_> - 16 7 4 3 -1. - <_> - 16 8 4 1 3. - 0 - <_> - - <_> - 16 7 4 6 -1. - <_> - 16 9 4 2 3. - 0 - <_> - - <_> - 16 8 1 2 -1. - <_> - 16 9 1 1 2. - 0 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 1 2. - <_> - 17 9 1 1 2. - 0 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 9 2 1 2. - 0 - <_> - - <_> - 16 8 8 2 -1. - <_> - 16 8 4 1 2. - <_> - 20 9 4 1 2. - 0 - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 9 1 1 3. - 0 - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - 0 - <_> - - <_> - 16 9 2 3 -1. - <_> - 17 9 1 3 2. - 0 - <_> - - <_> - 16 9 4 1 -1. - <_> - 18 9 2 1 2. - 0 - <_> - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - 0 - <_> - - <_> - 16 9 4 4 -1. - <_> - 18 9 2 4 2. - 0 - <_> - - <_> - 16 9 6 6 -1. - <_> - 16 9 3 3 2. - <_> - 19 12 3 3 2. - 0 - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - 0 - <_> - - <_> - 16 10 1 3 -1. - <_> - 16 11 1 1 3. - 0 - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 17 11 1 1 2. - 0 - <_> - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 2 2. - 0 - <_> - - <_> - 16 10 2 5 -1. - <_> - 17 10 1 5 2. - 0 - <_> - - <_> - 16 10 3 13 -1. - <_> - 17 10 1 13 3. - 0 - <_> - - <_> - 16 10 2 3 -1. - <_> - 16 11 2 1 3. - 0 - <_> - - <_> - 16 10 3 3 -1. - <_> - 16 11 3 1 3. - 0 - <_> - - <_> - 16 11 1 2 -1. - <_> - 16 12 1 1 2. - 0 - <_> - - <_> - 16 11 3 2 -1. - <_> - 17 11 1 2 3. - 0 - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 12 2 1 2. - 0 - <_> - - <_> - 16 11 2 3 -1. - <_> - 16 12 2 1 3. - 0 - <_> - - <_> - 16 13 3 3 -1. - <_> - 16 14 3 1 3. - 0 - <_> - - <_> - 16 14 4 1 -1. - <_> - 18 14 2 1 2. - 0 - <_> - - <_> - 16 15 4 3 -1. - <_> - 18 15 2 3 2. - 0 - <_> - - <_> - 16 15 6 2 -1. - <_> - 19 15 3 2 2. - 0 - <_> - - <_> - 16 15 8 3 -1. - <_> - 20 15 4 3 2. - 0 - <_> - - <_> - 16 16 4 1 -1. - <_> - 18 16 2 1 2. - 0 - <_> - - <_> - 16 17 3 7 -1. - <_> - 17 17 1 7 3. - 0 - <_> - - <_> - 16 17 6 3 -1. - <_> - 16 18 6 1 3. - 0 - <_> - - <_> - 16 19 3 4 -1. - <_> - 17 19 1 4 3. - 0 - <_> - - <_> - 17 0 6 1 -1. - <_> - 20 0 3 1 2. - 0 - <_> - - <_> - 17 2 1 4 -1. - <_> - 17 4 1 2 2. - 0 - <_> - - <_> - 17 3 3 1 -1. - <_> - 18 3 1 1 3. - 0 - <_> - - <_> - 17 3 3 2 -1. - <_> - 18 3 1 2 3. - 0 - <_> - - <_> - 17 3 2 8 -1. - <_> - 17 3 1 4 2. - <_> - 18 7 1 4 2. - 0 - <_> - - <_> - 17 3 3 3 -1. - <_> - 17 4 3 1 3. - 0 - <_> - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - 0 - <_> - - <_> - 17 4 2 2 -1. - <_> - 18 4 1 2 2. - 0 - <_> - - <_> - 17 4 2 6 -1. - <_> - 17 4 1 3 2. - <_> - 18 7 1 3 2. - 0 - <_> - - <_> - 17 6 1 6 -1. - <_> - 17 8 1 2 3. - 0 - <_> - - <_> - 17 6 4 8 -1. - <_> - 17 6 2 4 2. - <_> - 19 10 2 4 2. - 0 - <_> - - <_> - 17 6 3 3 -1. - <_> - 17 7 3 1 3. - 0 - <_> - - <_> - 17 6 5 3 -1. - <_> - 17 7 5 1 3. - 0 - <_> - - <_> - 17 7 1 3 -1. - <_> - 17 8 1 1 3. - 0 - <_> - - <_> - 17 7 1 6 -1. - <_> - 17 9 1 2 3. - 0 - <_> - - <_> - 17 7 2 6 -1. - <_> - 17 7 1 3 2. - <_> - 18 10 1 3 2. - 0 - <_> - - <_> - 17 7 2 3 -1. - <_> - 17 8 2 1 3. - 0 - <_> - - <_> - 17 8 6 4 -1. - <_> - 17 10 6 2 2. - 0 - <_> - - <_> - 17 9 3 1 -1. - <_> - 18 9 1 1 3. - 0 - <_> - - <_> - 17 9 2 6 -1. - <_> - 17 9 1 3 2. - <_> - 18 12 1 3 2. - 0 - <_> - - <_> - 17 9 4 2 -1. - <_> - 17 9 2 1 2. - <_> - 19 10 2 1 2. - 0 - <_> - - <_> - 17 9 3 2 -1. - <_> - 17 10 3 1 2. - 0 - <_> - - <_> - 17 9 5 3 -1. - <_> - 17 10 5 1 3. - 0 - <_> - - <_> - 17 9 7 2 -1. - <_> - 17 10 7 1 2. - 0 - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - 0 - <_> - - <_> - 17 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 18 11 1 1 2. - 0 - <_> - - <_> - 17 10 2 4 -1. - <_> - 18 10 1 4 2. - 0 - <_> - - <_> - 17 10 3 4 -1. - <_> - 18 10 1 4 3. - 0 - <_> - - <_> - 17 10 4 2 -1. - <_> - 17 10 2 1 2. - <_> - 19 11 2 1 2. - 0 - <_> - - <_> - 17 11 1 3 -1. - <_> - 17 12 1 1 3. - 0 - <_> - - <_> - 17 11 3 2 -1. - <_> - 18 11 1 2 3. - 0 - <_> - - <_> - 17 11 3 3 -1. - <_> - 18 11 1 3 3. - 0 - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 12 2 1 2. - 0 - <_> - - <_> - 17 11 4 2 -1. - <_> - 17 11 2 1 2. - <_> - 19 12 2 1 2. - 0 - <_> - - <_> - 17 12 3 2 -1. - <_> - 18 12 1 2 3. - 0 - <_> - - <_> - 17 13 4 5 -1. - <_> - 19 13 2 5 2. - 0 - <_> - - <_> - 17 14 2 3 -1. - <_> - 17 15 2 1 3. - 0 - <_> - - <_> - 17 14 4 2 -1. - <_> - 19 14 2 2 2. - 0 - <_> - - <_> - 17 15 4 2 -1. - <_> - 19 15 2 2 2. - 0 - <_> - - <_> - 17 16 4 3 -1. - <_> - 19 16 2 3 2. - 0 - <_> - - <_> - 17 17 3 7 -1. - <_> - 18 17 1 7 3. - 0 - <_> - - <_> - 17 19 3 4 -1. - <_> - 18 19 1 4 3. - 0 - <_> - - <_> - 17 21 3 3 -1. - <_> - 18 21 1 3 3. - 0 - <_> - - <_> - 18 0 4 1 -1. - <_> - 20 0 2 1 2. - 0 - <_> - - <_> - 18 0 6 1 -1. - <_> - 21 0 3 1 2. - 0 - <_> - - <_> - 18 0 6 4 -1. - <_> - 21 0 3 4 2. - 0 - <_> - - <_> - 18 1 1 12 -1. - <_> - 18 5 1 4 3. - 0 - <_> - - <_> - 18 2 3 3 -1. - <_> - 19 2 1 3 3. - 0 - <_> - - <_> - 18 3 3 2 -1. - <_> - 19 3 1 2 3. - 0 - <_> - - <_> - 18 3 1 9 -1. - <_> - 18 6 1 3 3. - 0 - <_> - - <_> - 18 3 3 4 -1. - <_> - 19 3 1 4 3. - 0 - <_> - - <_> - 18 4 3 2 -1. - <_> - 19 4 1 2 3. - 0 - <_> - - <_> - 18 4 3 4 -1. - <_> - 19 4 1 4 3. - 0 - <_> - - <_> - 18 5 6 15 -1. - <_> - 21 5 3 15 2. - 0 - <_> - - <_> - 18 6 2 3 -1. - <_> - 18 7 2 1 3. - 0 - <_> - - <_> - 18 6 3 3 -1. - <_> - 18 7 3 1 3. - 0 - <_> - - <_> - 18 6 4 3 -1. - <_> - 18 7 4 1 3. - 0 - <_> - - <_> - 18 7 3 1 -1. - <_> - 19 7 1 1 3. - 0 - <_> - - <_> - 18 7 2 2 -1. - <_> - 19 7 1 2 2. - 0 - <_> - - <_> - 18 7 3 2 -1. - <_> - 18 8 3 1 2. - 0 - <_> - - <_> - 18 8 1 3 -1. - <_> - 18 9 1 1 3. - 0 - <_> - - <_> - 18 8 2 2 -1. - <_> - 18 8 1 1 2. - <_> - 19 9 1 1 2. - 0 - <_> - - <_> - 18 8 2 3 -1. - <_> - 18 9 2 1 3. - 0 - <_> - - <_> - 18 8 3 14 -1. - <_> - 18 15 3 7 2. - 0 - <_> - - <_> - 18 9 3 1 -1. - <_> - 19 9 1 1 3. - 0 - <_> - - <_> - 18 9 2 2 -1. - <_> - 18 9 1 1 2. - <_> - 19 10 1 1 2. - 0 - <_> - - <_> - 18 9 3 2 -1. - <_> - 19 9 1 2 3. - 0 - <_> - - <_> - 18 10 2 1 -1. - <_> - 19 10 1 1 2. - 0 - <_> - - <_> - 18 10 2 2 -1. - <_> - 18 10 1 1 2. - <_> - 19 11 1 1 2. - 0 - <_> - - <_> - 18 10 2 2 -1. - <_> - 18 11 2 1 2. - 0 - <_> - - <_> - 18 10 6 4 -1. - <_> - 21 10 3 4 2. - 0 - <_> - - <_> - 18 10 6 5 -1. - <_> - 21 10 3 5 2. - 0 - <_> - - <_> - 18 11 3 2 -1. - <_> - 19 11 1 2 3. - 0 - <_> - - <_> - 18 11 3 6 -1. - <_> - 19 11 1 6 3. - 0 - <_> - - <_> - 18 11 3 9 -1. - <_> - 19 11 1 9 3. - 0 - <_> - - <_> - 18 11 3 8 -1. - <_> - 18 15 3 4 2. - 0 - <_> - - <_> - 18 12 3 4 -1. - <_> - 19 12 1 4 3. - 0 - <_> - - <_> - 18 12 2 6 -1. - <_> - 18 15 2 3 2. - 0 - <_> - - <_> - 18 12 6 2 -1. - <_> - 21 12 3 2 2. - 0 - <_> - - <_> - 18 12 3 12 -1. - <_> - 18 16 3 4 3. - 0 - <_> - - <_> - 18 13 3 1 -1. - <_> - 19 13 1 1 3. - 0 - <_> - - <_> - 18 14 6 6 -1. - <_> - 21 14 3 6 2. - 0 - <_> - - <_> - 18 20 3 4 -1. - <_> - 19 20 1 4 3. - 0 - <_> - - <_> - 18 20 6 3 -1. - <_> - 18 21 6 1 3. - 0 - <_> - - <_> - 19 2 2 4 -1. - <_> - 19 2 1 2 2. - <_> - 20 4 1 2 2. - 0 - <_> - - <_> - 19 4 1 4 -1. - <_> - 19 6 1 2 2. - 0 - <_> - - <_> - 19 4 1 20 -1. - <_> - 19 14 1 10 2. - 0 - <_> - - <_> - 19 4 2 4 -1. - <_> - 19 6 2 2 2. - 0 - <_> - - <_> - 19 4 4 3 -1. - <_> - 19 5 4 1 3. - 0 - <_> - - <_> - 19 5 2 2 -1. - <_> - 19 5 1 1 2. - <_> - 20 6 1 1 2. - 0 - <_> - - <_> - 19 6 1 3 -1. - <_> - 19 7 1 1 3. - 0 - <_> - - <_> - 19 6 2 3 -1. - <_> - 19 7 2 1 3. - 0 - <_> - - <_> - 19 6 5 3 -1. - <_> - 19 7 5 1 3. - 0 - <_> - - <_> - 19 6 5 9 -1. - <_> - 19 9 5 3 3. - 0 - <_> - - <_> - 19 7 1 12 -1. - <_> - 19 11 1 4 3. - 0 - <_> - - <_> - 19 7 2 3 -1. - <_> - 19 8 2 1 3. - 0 - <_> - - <_> - 19 8 1 3 -1. - <_> - 19 9 1 1 3. - 0 - <_> - - <_> - 19 8 2 3 -1. - <_> - 20 8 1 3 2. - 0 - <_> - - <_> - 19 9 2 1 -1. - <_> - 20 9 1 1 2. - 0 - <_> - - <_> - 19 9 3 2 -1. - <_> - 20 9 1 2 3. - 0 - <_> - - <_> - 19 10 2 2 -1. - <_> - 19 10 1 1 2. - <_> - 20 11 1 1 2. - 0 - <_> - - <_> - 19 10 4 1 -1. - <_> - 21 10 2 1 2. - 0 - <_> - - <_> - 19 11 3 7 -1. - <_> - 20 11 1 7 3. - 0 - <_> - - <_> - 19 11 3 10 -1. - <_> - 20 11 1 10 3. - 0 - <_> - - <_> - 19 11 3 11 -1. - <_> - 20 11 1 11 3. - 0 - <_> - - <_> - 19 11 3 13 -1. - <_> - 20 11 1 13 3. - 0 - <_> - - <_> - 19 14 3 10 -1. - <_> - 20 14 1 10 3. - 0 - <_> - - <_> - 19 15 3 2 -1. - <_> - 19 16 3 1 2. - 0 - <_> - - <_> - 19 18 3 3 -1. - <_> - 20 18 1 3 3. - 0 - <_> - - <_> - 19 18 3 6 -1. - <_> - 20 18 1 6 3. - 0 - <_> - - <_> - 19 20 5 3 -1. - <_> - 19 21 5 1 3. - 0 - <_> - - <_> - 20 4 1 3 -1. - <_> - 20 5 1 1 3. - 0 - <_> - - <_> - 20 5 1 2 -1. - <_> - 20 6 1 1 2. - 0 - <_> - - <_> - 20 5 1 3 -1. - <_> - 20 6 1 1 3. - 0 - <_> - - <_> - 20 5 2 3 -1. - <_> - 20 6 2 1 3. - 0 - <_> - - <_> - 20 5 3 9 -1. - <_> - 20 8 3 3 3. - 0 - <_> - - <_> - 20 6 4 9 -1. - <_> - 20 9 4 3 3. - 0 - <_> - - <_> - 20 8 4 16 -1. - <_> - 22 8 2 16 2. - 0 - <_> - - <_> - 20 9 4 6 -1. - <_> - 20 11 4 2 3. - 0 - <_> - - <_> - 20 10 3 10 -1. - <_> - 21 10 1 10 3. - 0 - <_> - - <_> - 20 10 3 9 -1. - <_> - 20 13 3 3 3. - 0 - <_> - - <_> - 20 16 3 3 -1. - <_> - 21 16 1 3 3. - 0 - <_> - - <_> - 20 17 3 7 -1. - <_> - 21 17 1 7 3. - 0 - <_> - - <_> - 20 17 4 6 -1. - <_> - 20 19 4 2 3. - 0 - <_> - - <_> - 20 18 3 3 -1. - <_> - 21 18 1 3 3. - 0 - <_> - - <_> - 21 1 2 4 -1. - <_> - 21 3 2 2 2. - 0 - <_> - - <_> - 21 5 1 3 -1. - <_> - 21 6 1 1 3. - 0 - <_> - - <_> - 21 6 3 9 -1. - <_> - 21 9 3 3 3. - 0 - <_> - - <_> - 21 10 3 3 -1. - <_> - 21 11 3 1 3. - 0 - <_> - - <_> - 21 13 3 7 -1. - <_> - 22 13 1 7 3. - 0 - <_> - - <_> - 21 16 3 3 -1. - <_> - 22 16 1 3 3. - 0 - <_> - - <_> - 21 16 3 7 -1. - <_> - 22 16 1 7 3. - 0 - <_> - - <_> - 21 17 3 5 -1. - <_> - 22 17 1 5 3. - 0 - <_> - - <_> - 21 17 3 6 -1. - <_> - 21 19 3 2 3. - 0 - <_> - - <_> - 21 17 3 6 -1. - <_> - 21 20 3 3 2. - 0 - <_> - - <_> - 21 19 3 3 -1. - <_> - 22 19 1 3 3. - 0 - <_> - - <_> - 21 19 3 5 -1. - <_> - 22 19 1 5 3. - 0 - <_> - - <_> - 22 10 2 3 -1. - <_> - 22 11 2 1 3. - 0 - <_> - - <_> - 22 11 2 3 -1. - <_> - 22 12 2 1 3. - 0 - <_> - - <_> - 23 7 1 3 -1. - <_> - 23 8 1 1 3. - 0 - <_> - - <_> - 23 9 1 3 -1. - <_> - 23 10 1 1 3. - 0 - <_> - - <_> - 23 10 1 3 -1. - <_> - 23 11 1 1 3. - 0 - <_> - - <_> - 23 14 1 9 -1. - <_> - 23 17 1 3 3. - 0 - <_> - - <_> - 23 15 1 9 -1. - <_> - 23 18 1 3 3. - 0 - <_> - - <_> - 23 18 1 6 -1. - <_> - 23 20 1 2 3. - 0 - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface_extended.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface_extended.xml deleted file mode 100644 index 892d5cb1a1..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalcatface_extended.xml +++ /dev/null @@ -1,13394 +0,0 @@ - - - - - BOOST - HAAR - 24 - 24 - - GAB - 9.9500000476837158e-01 - 5.0000000000000000e-01 - 9.4999999999999996e-01 - 1 - 100 - - 0 - 1 - ALL - 20 - - - <_> - 13 - -1.4294912815093994e+00 - - <_> - - 0 -1 394 -1.5126220881938934e-02 - - 7.5887596607208252e-01 -3.4230688214302063e-01 - <_> - - 0 -1 737 3.9337221533060074e-03 - - -3.3288389444351196e-01 5.2361363172531128e-01 - <_> - - 0 -1 757 -1.5044892206788063e-02 - - 5.5565774440765381e-01 -2.2505992650985718e-01 - <_> - - 0 -1 450 -1.5777055174112320e-02 - - 7.2692525386810303e-01 -1.6206762194633484e-01 - <_> - - 0 -1 443 3.0781796202063560e-02 - - -1.8173390626907349e-01 7.3483395576477051e-01 - <_> - - 0 -1 220 1.8483418971300125e-02 - - -1.8690711259841919e-01 5.0116515159606934e-01 - <_> - - 0 -1 681 1.3474167324602604e-02 - - -1.5681208670139313e-01 5.8611637353897095e-01 - <_> - - 0 -1 554 5.3415738046169281e-02 - - -1.6418528556823730e-01 6.8128466606140137e-01 - <_> - - 0 -1 741 5.4243900813162327e-03 - - -1.8231739103794098e-01 4.6716138720512390e-01 - <_> - - 0 -1 336 1.7689792439341545e-02 - - -1.3713267445564270e-01 6.0434049367904663e-01 - <_> - - 0 -1 187 2.2149257711134851e-04 - - -2.7738124132156372e-01 2.8165665268898010e-01 - <_> - - 0 -1 288 -2.8517641127109528e-02 - - 5.5257320404052734e-01 -1.2970162928104401e-01 - <_> - - 0 -1 369 4.3854981660842896e-02 - - -1.9231440126895905e-01 4.2093500494956970e-01 - - <_> - 27 - -1.5509251356124878e+00 - - <_> - - 0 -1 337 2.4014184251427650e-02 - - -2.1038578450679779e-01 7.3892170190811157e-01 - <_> - - 0 -1 475 -5.5319909006357193e-03 - - 4.4344031810760498e-01 -2.8907662630081177e-01 - <_> - - 0 -1 4 2.7481060475111008e-02 - - -1.9128543138504028e-01 5.1661676168441772e-01 - <_> - - 0 -1 457 -1.1628001928329468e-02 - - 5.1978123188018799e-01 -1.7051684856414795e-01 - <_> - - 0 -1 393 1.5159824397414923e-03 - - -2.9784303903579712e-01 3.9050224423408508e-01 - <_> - - 0 -1 901 1.3662670738995075e-02 - - -1.4316783845424652e-01 4.4111710786819458e-01 - <_> - - 0 -1 780 -3.6911026109009981e-03 - - 3.2185173034667969e-01 -2.3853960633277893e-01 - <_> - - 0 -1 769 3.3176485449075699e-02 - - -7.4603199958801270e-02 7.5860917568206787e-01 - <_> - - 0 -1 317 -5.7046953588724136e-03 - - -7.5004047155380249e-01 1.0240622609853745e-01 - <_> - - 0 -1 73 7.9660946503281593e-03 - - 9.8882928490638733e-02 -7.3491615056991577e-01 - <_> - - 0 -1 739 3.0965393409132957e-02 - - -1.6046196222305298e-01 4.5570060610771179e-01 - <_> - - 0 -1 612 -4.0078125894069672e-03 - - -7.1539020538330078e-01 6.9276176393032074e-02 - <_> - - 0 -1 647 -8.2283765077590942e-03 - - 3.2576236128807068e-01 -1.8509653210639954e-01 - <_> - - 0 -1 170 3.4253271296620369e-03 - - 1.0964145511388779e-01 -5.8205413818359375e-01 - <_> - - 0 -1 434 9.0980646200478077e-04 - - -2.0425215363502502e-01 2.7488732337951660e-01 - <_> - - 0 -1 427 5.9772443026304245e-02 - - -1.3786207139492035e-01 4.0762668848037720e-01 - <_> - - 0 -1 209 -4.1712004691362381e-02 - - 4.9409377574920654e-01 -1.1713714897632599e-01 - <_> - - 0 -1 248 -3.0311278998851776e-02 - - 5.1191121339797974e-01 -1.0507214814424515e-01 - <_> - - 0 -1 339 -6.5785087645053864e-03 - - -7.6472043991088867e-01 8.0923363566398621e-02 - <_> - - 0 -1 37 1.1685060337185860e-02 - - 5.0379037857055664e-02 -7.9744982719421387e-01 - <_> - - 0 -1 423 6.5714016556739807e-02 - - -1.1398456245660782e-01 4.9489131569862366e-01 - <_> - - 0 -1 755 9.7422497346997261e-03 - - -1.4347794651985168e-01 3.6561754345893860e-01 - <_> - - 0 -1 870 4.9857441335916519e-03 - - 7.9834438860416412e-02 -7.2391557693481445e-01 - <_> - - 0 -1 735 -1.1547822505235672e-03 - - 4.1867440938949585e-01 -1.2869183719158173e-01 - <_> - - 0 -1 519 -4.4658007100224495e-03 - - -6.7933702468872070e-01 8.2867160439491272e-02 - <_> - - 0 -1 862 3.6325352266430855e-03 - - 6.6807270050048828e-02 -6.0182958841323853e-01 - <_> - - 0 -1 127 7.4123376980423927e-03 - - -1.5108695626258850e-01 3.2046884298324585e-01 - - <_> - 26 - -1.3890913724899292e+00 - - <_> - - 0 -1 619 1.7836617305874825e-02 - - -2.1508488059043884e-01 6.6796410083770752e-01 - <_> - - 0 -1 457 -8.5781915113329887e-03 - - 5.0962758064270020e-01 -2.2129471600055695e-01 - <_> - - 0 -1 165 3.1586211174726486e-02 - - -2.1485456824302673e-01 4.2591696977615356e-01 - <_> - - 0 -1 518 2.5690056383609772e-02 - - -1.5910078585147858e-01 6.7842948436737061e-01 - <_> - - 0 -1 768 -2.2857591509819031e-02 - - 5.7221925258636475e-01 -1.3710150122642517e-01 - <_> - - 0 -1 741 4.7176675871014595e-03 - - -2.3617559671401978e-01 3.9870622754096985e-01 - <_> - - 0 -1 615 -2.3281413596123457e-03 - - -7.0095318555831909e-01 1.3746888935565948e-01 - <_> - - 0 -1 139 1.0266102617606521e-03 - - -2.6873087882995605e-01 2.6495781540870667e-01 - <_> - - 0 -1 2 -7.6808528974652290e-03 - - 3.6925876140594482e-01 -2.1339643001556396e-01 - <_> - - 0 -1 454 6.4357556402683258e-02 - - -1.1779088526964188e-01 5.5030888319015503e-01 - <_> - - 0 -1 296 8.9486092329025269e-02 - - -1.4395782351493835e-01 5.3468054533004761e-01 - <_> - - 0 -1 253 -5.6334878318011761e-03 - - -6.5704786777496338e-01 1.3971389830112457e-01 - <_> - - 0 -1 834 -8.0200601369142532e-03 - - 3.6956611275672913e-01 -1.8284171819686890e-01 - <_> - - 0 -1 732 8.3984360098838806e-03 - - -1.3507588207721710e-01 4.4903004169464111e-01 - <_> - - 0 -1 246 -5.7764705270528793e-03 - - -6.5459579229354858e-01 1.1050829291343689e-01 - <_> - - 0 -1 630 3.9896301925182343e-02 - - -1.5822732448577881e-01 3.6069712042808533e-01 - <_> - - 0 -1 11 -6.8376958370208740e-02 - - 6.2642019987106323e-01 -8.3647280931472778e-02 - <_> - - 0 -1 696 -2.7075063437223434e-02 - - 4.0549215674400330e-01 -1.4247153699398041e-01 - <_> - - 0 -1 933 6.8107023835182190e-03 - - 7.7754773199558258e-02 -6.4665120840072632e-01 - <_> - - 0 -1 131 3.6659452598541975e-03 - - 7.9356946051120758e-02 -5.4679936170578003e-01 - <_> - - 0 -1 182 2.3308303207159042e-02 - - -1.4383231103420258e-01 3.4179633855819702e-01 - <_> - - 0 -1 389 -3.2547116279602051e-02 - - 3.6395668983459473e-01 -1.2551946938037872e-01 - <_> - - 0 -1 471 1.6501296311616898e-02 - - -1.0674661397933960e-01 4.2714300751686096e-01 - <_> - - 0 -1 616 -2.9296698048710823e-03 - - -5.7476091384887695e-01 8.5429534316062927e-02 - <_> - - 0 -1 828 1.3306898763403296e-03 - - -1.2303277105093002e-01 3.7224721908569336e-01 - <_> - - 0 -1 18 9.8933260887861252e-03 - - 6.7675270140171051e-02 -6.7935848236083984e-01 - - <_> - 31 - -1.4026626348495483e+00 - - <_> - - 0 -1 876 -1.4927964657545090e-02 - - 6.3834953308105469e-01 -1.8698258697986603e-01 - <_> - - 0 -1 467 -1.1759694665670395e-02 - - 5.0763273239135742e-01 -2.0944127440452576e-01 - <_> - - 0 -1 775 1.1289508081972599e-02 - - -1.4533838629722595e-01 5.3039866685867310e-01 - <_> - - 0 -1 335 1.3691024854779243e-02 - - -1.3143934309482574e-01 5.9853446483612061e-01 - <_> - - 0 -1 399 -8.6051290854811668e-03 - - 3.1604155898094177e-01 -2.2497664391994476e-01 - <_> - - 0 -1 898 1.1611104011535645e-02 - - -1.7180299758911133e-01 3.6340636014938354e-01 - <_> - - 0 -1 919 5.4911419283598661e-04 - - -2.0625770092010498e-01 3.0243906378746033e-01 - <_> - - 0 -1 448 -1.1997690424323082e-02 - - 6.7541980743408203e-01 -1.0784135758876801e-01 - <_> - - 0 -1 610 -2.0809918642044067e-03 - - -5.7404327392578125e-01 1.1769672483205795e-01 - <_> - - 0 -1 277 6.8656861782073975e-02 - - -1.4633083343505859e-01 4.1269731521606445e-01 - <_> - - 0 -1 215 -4.5645810663700104e-02 - - 5.4341620206832886e-01 -1.1726979166269302e-01 - <_> - - 0 -1 890 -1.8052812665700912e-02 - - 3.6646232008934021e-01 -1.3256482779979706e-01 - <_> - - 0 -1 897 9.2329997569322586e-03 - - 9.1808989644050598e-02 -6.4987671375274658e-01 - <_> - - 0 -1 142 -2.9587259050458670e-03 - - 2.4805040657520294e-01 -2.0830279588699341e-01 - <_> - - 0 -1 151 -7.1467030793428421e-03 - - -6.6564339399337769e-01 8.8065519928932190e-02 - <_> - - 0 -1 756 -5.7738199830055237e-03 - - 2.4252247810363770e-01 -2.1394193172454834e-01 - <_> - - 0 -1 207 6.4636822789907455e-03 - - 8.4821723401546478e-02 -6.4125812053680420e-01 - <_> - - 0 -1 527 -2.8782974928617477e-02 - - 3.5874211788177490e-01 -1.4370997250080109e-01 - <_> - - 0 -1 715 -1.8174832221120596e-03 - - 3.7480926513671875e-01 -1.2761794030666351e-01 - <_> - - 0 -1 590 -1.9234847277402878e-03 - - -5.6678783893585205e-01 9.0299606323242188e-02 - <_> - - 0 -1 588 2.8048637323081493e-03 - - 8.5870750248432159e-02 -5.8541411161422729e-01 - <_> - - 0 -1 178 7.0693701505661011e-02 - - -1.2318307906389236e-01 3.9827430248260498e-01 - <_> - - 0 -1 554 6.2659628689289093e-02 - - -9.1229990124702454e-02 5.0639665126800537e-01 - <_> - - 0 -1 321 -3.7420655135065317e-03 - - 3.5059738159179688e-01 -1.2444343417882919e-01 - <_> - - 0 -1 273 6.8388320505619049e-03 - - -1.0419095307588577e-01 4.5085826516151428e-01 - <_> - - 0 -1 76 7.1193519979715347e-03 - - 9.1205865144729614e-02 -5.2279585599899292e-01 - <_> - - 0 -1 791 -9.8787562455981970e-04 - - 2.8105542063713074e-01 -1.5169830620288849e-01 - <_> - - 0 -1 639 1.8099821172654629e-03 - - 6.5428622066974640e-02 -6.9196063280105591e-01 - <_> - - 0 -1 726 -6.0212425887584686e-03 - - -6.2636482715606689e-01 5.1543414592742920e-02 - <_> - - 0 -1 818 5.1644006744027138e-03 - - 6.3040286302566528e-02 -6.3455927371978760e-01 - <_> - - 0 -1 205 9.4506526365876198e-03 - - -1.3443979620933533e-01 3.1506177783012390e-01 - - <_> - 38 - -1.4621645212173462e+00 - - <_> - - 0 -1 383 -1.5925668179988861e-02 - - 6.2127149105072021e-01 -1.8520653247833252e-01 - <_> - - 0 -1 648 1.0260052047669888e-02 - - -2.4736632406711578e-01 4.2336893081665039e-01 - <_> - - 0 -1 3 5.7025998830795288e-03 - - -2.3670144379138947e-01 3.3228391408920288e-01 - <_> - - 0 -1 264 9.3164276331663132e-03 - - -1.7946784198284149e-01 4.6311038732528687e-01 - <_> - - 0 -1 830 -5.0438079051673412e-03 - - 4.4613519310951233e-01 -1.6072992980480194e-01 - <_> - - 0 -1 793 2.8381291776895523e-03 - - -1.8486896157264709e-01 3.5892590880393982e-01 - <_> - - 0 -1 455 6.7377656698226929e-02 - - -1.7760114371776581e-01 3.9539518952369690e-01 - <_> - - 0 -1 44 -8.7916189804673195e-03 - - -5.9182339906692505e-01 1.1145308613777161e-01 - <_> - - 0 -1 874 1.3353329151868820e-02 - - -1.1993711441755295e-01 4.8862439393997192e-01 - <_> - - 0 -1 324 -1.0008489713072777e-02 - - 4.1768664121627808e-01 -1.2453128397464752e-01 - <_> - - 0 -1 795 -1.4410717412829399e-03 - - 3.4100320935249329e-01 -1.6849595308303833e-01 - <_> - - 0 -1 123 1.1647527664899826e-01 - - -9.7596585750579834e-02 4.2289251089096069e-01 - <_> - - 0 -1 301 -9.8112244158983231e-03 - - 2.6155915856361389e-01 -2.0234876871109009e-01 - <_> - - 0 -1 425 6.3042029738426208e-02 - - -1.2662252783775330e-01 3.6811619997024536e-01 - <_> - - 0 -1 553 -1.7675247043371201e-02 - - 4.1690909862518311e-01 -1.1987055838108063e-01 - <_> - - 0 -1 105 4.0485346689820290e-03 - - 7.0249855518341064e-02 -7.3556905984878540e-01 - <_> - - 0 -1 675 8.2748252898454666e-03 - - -1.6168670356273651e-01 2.8835350275039673e-01 - <_> - - 0 -1 313 -5.0843162462115288e-03 - - -5.8562570810317993e-01 8.9675068855285645e-02 - <_> - - 0 -1 249 6.0826279222965240e-03 - - 4.7766357660293579e-02 -6.8612217903137207e-01 - <_> - - 0 -1 48 8.5826087743043900e-03 - - -1.6963686048984528e-01 2.6875671744346619e-01 - <_> - - 0 -1 38 2.4908576160669327e-02 - - 8.5034154355525970e-02 -5.7059210538864136e-01 - <_> - - 0 -1 879 2.0448346622288227e-03 - - -1.8642950057983398e-01 2.3178242146968842e-01 - <_> - - 0 -1 16 2.4130716919898987e-02 - - -1.2823060154914856e-01 3.4394741058349609e-01 - <_> - - 0 -1 154 -4.7494415193796158e-03 - - -7.1827727556228638e-01 6.8053275346755981e-02 - <_> - - 0 -1 199 -1.7751917243003845e-02 - - -5.5972510576248169e-01 5.2141726016998291e-02 - <_> - - 0 -1 339 5.5826390162110329e-03 - - 4.8266090452671051e-02 -5.9813541173934937e-01 - <_> - - 0 -1 387 1.4416726771742105e-03 - - -9.2707693576812744e-02 4.1495534777641296e-01 - <_> - - 0 -1 192 -2.1779362577944994e-03 - - 2.7112621068954468e-01 -1.5071788430213928e-01 - <_> - - 0 -1 607 3.0656920280307531e-03 - - 6.0340058058500290e-02 -6.5465551614761353e-01 - <_> - - 0 -1 469 1.9947460293769836e-01 - - -9.5098674297332764e-02 3.9016976952552795e-01 - <_> - - 0 -1 857 -2.0255323499441147e-02 - - 4.3044877052307129e-01 -8.8302992284297943e-02 - <_> - - 0 -1 446 5.4685659706592560e-03 - - -8.7241113185882568e-02 3.9513549208641052e-01 - <_> - - 0 -1 463 -1.0883151553571224e-03 - - 2.9802373051643372e-01 -1.3696449995040894e-01 - <_> - - 0 -1 655 -5.0911568105220795e-03 - - -6.2439930438995361e-01 6.2544539570808411e-02 - <_> - - 0 -1 221 -5.2395770326256752e-03 - - -6.9036418199539185e-01 4.5142117887735367e-02 - <_> - - 0 -1 955 4.0486194193363190e-02 - - -7.5753845274448395e-02 5.2426725625991821e-01 - <_> - - 0 -1 300 4.1610337793827057e-03 - - 6.6071115434169769e-02 -5.8079534769058228e-01 - <_> - - 0 -1 272 -6.4253048039972782e-03 - - 3.0481830239295959e-01 -1.1435022950172424e-01 - - <_> - 44 - -1.4235107898712158e+00 - - <_> - - 0 -1 716 -2.2738082334399223e-03 - - 5.9519726037979126e-01 -1.6779936850070953e-01 - <_> - - 0 -1 457 -1.2204157188534737e-02 - - 4.6985983848571777e-01 -1.7339397966861725e-01 - <_> - - 0 -1 754 3.1242824625223875e-03 - - -2.2488421201705933e-01 3.4029743075370789e-01 - <_> - - 0 -1 777 -3.9868438616394997e-03 - - 3.8314539194107056e-01 -1.8952924013137817e-01 - <_> - - 0 -1 538 -5.4737669415771961e-03 - - 2.4583901464939117e-01 -2.3114782571792603e-01 - <_> - - 0 -1 453 1.5154287219047546e-02 - - -1.0675037652254105e-01 5.8347207307815552e-01 - <_> - - 0 -1 397 -1.4294658321887255e-03 - - 3.8292840123176575e-01 -1.2911921739578247e-01 - <_> - - 0 -1 750 -7.4405185878276825e-03 - - 2.8356546163558960e-01 -1.7810684442520142e-01 - <_> - - 0 -1 786 -4.0357224643230438e-03 - - 2.6303085684776306e-01 -1.6862161457538605e-01 - <_> - - 0 -1 618 -5.8342106640338898e-03 - - 3.2040205597877502e-01 -1.4103877544403076e-01 - <_> - - 0 -1 161 1.7279960215091705e-02 - - -1.7433850467205048e-01 2.7985212206840515e-01 - <_> - - 0 -1 292 2.2125110030174255e-02 - - -1.1797516793012619e-01 4.0373948216438293e-01 - <_> - - 0 -1 958 -4.4059187173843384e-02 - - 5.2820503711700439e-01 -7.0916719734668732e-02 - <_> - - 0 -1 194 -3.8316637277603149e-02 - - 3.8833045959472656e-01 -1.0811555385589600e-01 - <_> - - 0 -1 178 4.5704744756221771e-02 - - -1.7566929757595062e-01 3.4665411710739136e-01 - <_> - - 0 -1 434 1.1523386929184198e-03 - - -1.7257389426231384e-01 2.5989890098571777e-01 - <_> - - 0 -1 121 -1.0491746477782726e-02 - - -6.1285555362701416e-01 7.1230083703994751e-02 - <_> - - 0 -1 395 -4.5014433562755585e-03 - - -5.7712453603744507e-01 5.8887075632810593e-02 - <_> - - 0 -1 950 -3.7281280383467674e-03 - - -6.7359894514083862e-01 5.2957162261009216e-02 - <_> - - 0 -1 331 3.4461893141269684e-02 - - -1.0375578701496124e-01 3.7974634766578674e-01 - <_> - - 0 -1 462 -1.3906960375607014e-03 - - 3.9171192049980164e-01 -1.0048408061265945e-01 - <_> - - 0 -1 85 1.6332454979419708e-02 - - 8.6256101727485657e-02 -4.5887523889541626e-01 - <_> - - 0 -1 356 -6.0738036409020424e-03 - - -5.2265202999114990e-01 6.5308839082717896e-02 - <_> - - 0 -1 486 -3.3630726393312216e-03 - - -5.6505429744720459e-01 5.5844355374574661e-02 - <_> - - 0 -1 418 -1.5329496003687382e-02 - - 3.4475114941596985e-01 -1.0086353123188019e-01 - <_> - - 0 -1 587 -9.0496204793453217e-03 - - 2.9553902149200439e-01 -1.1406829208135605e-01 - <_> - - 0 -1 794 -3.1109917908906937e-03 - - -4.4897687435150146e-01 7.3615357279777527e-02 - <_> - - 0 -1 939 3.3499556593596935e-03 - - 5.4718658328056335e-02 -5.4810231924057007e-01 - <_> - - 0 -1 188 1.8374501960352063e-03 - - -1.3522666692733765e-01 2.4655479192733765e-01 - <_> - - 0 -1 908 2.6134990621358156e-03 - - 6.6369861364364624e-02 -4.7342041134834290e-01 - <_> - - 0 -1 65 -7.4155852198600769e-03 - - 2.0866124331951141e-01 -1.5775154531002045e-01 - <_> - - 0 -1 515 3.9352793246507645e-03 - - 5.1660846918821335e-02 -6.2589824199676514e-01 - <_> - - 0 -1 735 -1.0450070258229971e-03 - - 3.3525371551513672e-01 -1.0084854811429977e-01 - <_> - - 0 -1 784 1.2639444321393967e-03 - - -1.2103077769279480e-01 2.7691018581390381e-01 - <_> - - 0 -1 479 7.7577251940965652e-03 - - 4.6813234686851501e-02 -7.3385792970657349e-01 - <_> - - 0 -1 18 -1.0632604360580444e-02 - - -7.1024382114410400e-01 3.3777639269828796e-02 - <_> - - 0 -1 183 1.8631946295499802e-02 - - -1.4613701403141022e-01 2.1491082012653351e-01 - <_> - - 0 -1 608 4.9128942191600800e-03 - - 5.3445268422365189e-02 -6.3314527273178101e-01 - <_> - - 0 -1 473 -9.8230186849832535e-03 - - 2.6917773485183716e-01 -1.1376978456974030e-01 - <_> - - 0 -1 910 -3.0754944309592247e-03 - - -5.0787961483001709e-01 6.1582125723361969e-02 - <_> - - 0 -1 659 -6.7374799400568008e-03 - - 2.3871047794818878e-01 -1.2552142143249512e-01 - <_> - - 0 -1 507 -1.1759715154767036e-02 - - 3.3646693825721741e-01 -9.4460532069206238e-02 - <_> - - 0 -1 318 -4.1377237066626549e-03 - - -5.0522220134735107e-01 6.2668189406394958e-02 - <_> - - 0 -1 320 1.7267453949898481e-03 - - -8.0607026815414429e-02 3.8304185867309570e-01 - - <_> - 47 - -1.4313566684722900e+00 - - <_> - - 0 -1 882 -1.1920252814888954e-02 - - 5.6617152690887451e-01 -1.5811842679977417e-01 - <_> - - 0 -1 568 -4.3085627257823944e-03 - - 4.4759327173233032e-01 -1.6846470534801483e-01 - <_> - - 0 -1 883 1.1177745182067156e-03 - - -1.5351393818855286e-01 4.3508940935134888e-01 - <_> - - 0 -1 798 3.5418532788753510e-02 - - -1.2973460555076599e-01 3.6943939328193665e-01 - <_> - - 0 -1 393 2.2405586205422878e-03 - - -1.8800468742847443e-01 3.2498928904533386e-01 - <_> - - 0 -1 265 -1.7982896417379379e-02 - - 4.5607218146324158e-01 -1.0459473729133606e-01 - <_> - - 0 -1 152 -4.9088716506958008e-02 - - 3.4279289841651917e-01 -1.5114119648933411e-01 - <_> - - 0 -1 275 7.1780886501073837e-03 - - 6.3825756311416626e-02 -6.2449872493743896e-01 - <_> - - 0 -1 849 3.9123920723795891e-03 - - 7.1502417325973511e-02 -6.3956946134567261e-01 - <_> - - 0 -1 689 -4.1980943642556667e-03 - - 2.1998657286167145e-01 -1.9890366494655609e-01 - <_> - - 0 -1 660 -4.5476644299924374e-03 - - 2.1866278350353241e-01 -1.9852560758590698e-01 - <_> - - 0 -1 944 -4.4158436357975006e-03 - - 2.3959043622016907e-01 -1.7090958356857300e-01 - <_> - - 0 -1 281 -4.7058244235813618e-03 - - -5.1537507772445679e-01 9.0310461819171906e-02 - <_> - - 0 -1 116 -8.7488889694213867e-03 - - 2.2937677800655365e-01 -1.8315380811691284e-01 - <_> - - 0 -1 645 -3.1655649654567242e-03 - - -7.3091191053390503e-01 6.5193220973014832e-02 - <_> - - 0 -1 267 6.4696683548390865e-03 - - -1.1077737808227539e-01 3.7207809090614319e-01 - <_> - - 0 -1 615 2.2985613904893398e-03 - - 7.7800542116165161e-02 -5.1104581356048584e-01 - <_> - - 0 -1 359 4.5809363946318626e-03 - - 5.7778771966695786e-02 -5.7898092269897461e-01 - <_> - - 0 -1 188 1.1279166210442781e-03 - - -1.7981146275997162e-01 1.9939005374908447e-01 - <_> - - 0 -1 347 -1.2820301577448845e-02 - - 5.1867282390594482e-01 -6.9989629089832306e-02 - <_> - - 0 -1 810 4.4866472482681274e-02 - - -1.4253044128417969e-01 3.0062338709831238e-01 - <_> - - 0 -1 412 -3.5413210280239582e-03 - - -5.7618641853332520e-01 6.0328345745801926e-02 - <_> - - 0 -1 362 -7.4678594246506691e-03 - - -5.0187259912490845e-01 6.1294022947549820e-02 - <_> - - 0 -1 678 1.8058011308312416e-02 - - 5.3603217005729675e-02 -5.8919399976730347e-01 - <_> - - 0 -1 935 -6.8098572082817554e-03 - - -5.4100829362869263e-01 5.5898215621709824e-02 - <_> - - 0 -1 307 3.6491458304226398e-03 - - 4.7378763556480408e-02 -5.9323132038116455e-01 - <_> - - 0 -1 284 1.4524955768138170e-03 - - -8.8994570076465607e-02 3.8729071617126465e-01 - <_> - - 0 -1 219 -6.2408884987235069e-03 - - -6.6442847251892090e-01 5.1082015037536621e-02 - <_> - - 0 -1 744 -9.9360430613160133e-04 - - 3.2972389459609985e-01 -1.0494423657655716e-01 - <_> - - 0 -1 285 3.9777760393917561e-03 - - 5.4083213210105896e-02 -6.2114214897155762e-01 - <_> - - 0 -1 380 -1.4884659089148045e-02 - - 2.4066454172134399e-01 -1.2317410856485367e-01 - <_> - - 0 -1 436 3.3154981210827827e-03 - - -1.1744727939367294e-01 2.9429042339324951e-01 - <_> - - 0 -1 976 -4.7508114948868752e-03 - - -4.5763325691223145e-01 6.7066885530948639e-02 - <_> - - 0 -1 779 -1.1973761022090912e-02 - - 2.5750914216041565e-01 -1.1354148387908936e-01 - <_> - - 0 -1 740 4.9072699621319771e-03 - - -1.1266437917947769e-01 3.0022394657135010e-01 - <_> - - 0 -1 56 6.5630510449409485e-02 - - -1.0180503129959106e-01 3.0517497658729553e-01 - <_> - - 0 -1 354 -2.3393325507640839e-02 - - 3.2443770766258240e-01 -9.5363102853298187e-02 - <_> - - 0 -1 834 -3.8902116939425468e-03 - - 2.0148487389087677e-01 -1.4944279193878174e-01 - <_> - - 0 -1 185 -2.5926973670721054e-02 - - -4.4917497038841248e-01 6.9752328097820282e-02 - <_> - - 0 -1 173 -7.1825529448688030e-03 - - -5.6838059425354004e-01 4.9584377557039261e-02 - <_> - - 0 -1 548 -9.9399685859680176e-03 - - 3.0747908353805542e-01 -1.1064232140779495e-01 - <_> - - 0 -1 978 -3.6286246031522751e-03 - - -6.0276371240615845e-01 5.2405584603548050e-02 - <_> - - 0 -1 820 1.5756220091134310e-03 - - -1.1615782976150513e-01 2.6717522740364075e-01 - <_> - - 0 -1 426 3.5662509500980377e-02 - - -1.0885569453239441e-01 2.9044550657272339e-01 - <_> - - 0 -1 554 5.3282946348190308e-02 - - -8.1855505704879761e-02 4.0298762917518616e-01 - <_> - - 0 -1 988 3.3901704009622335e-03 - - 5.5047694593667984e-02 -5.4021596908569336e-01 - <_> - - 0 -1 384 1.3204356655478477e-03 - - -9.4643965363502502e-02 3.0430349707603455e-01 - - <_> - 48 - -1.3744181394577026e+00 - - <_> - - 0 -1 788 3.9594387635588646e-03 - - -1.5454453229904175e-01 4.9922767281532288e-01 - <_> - - 0 -1 467 -1.6322813928127289e-02 - - 4.2537182569503784e-01 -1.5276345610618591e-01 - <_> - - 0 -1 746 1.6230947803705931e-03 - - -2.2640861570835114e-01 2.5220483541488647e-01 - <_> - - 0 -1 115 -6.0441931709647179e-03 - - 2.2711095213890076e-01 -2.1762822568416595e-01 - <_> - - 0 -1 6 1.1688062921166420e-02 - - -1.6991630196571350e-01 2.8343129158020020e-01 - <_> - - 0 -1 624 -3.1942571513354778e-03 - - -6.2475329637527466e-01 7.3184341192245483e-02 - <_> - - 0 -1 11 -7.6569117605686188e-02 - - 5.5236744880676270e-01 -7.7832877635955811e-02 - <_> - - 0 -1 306 1.8717286875471473e-03 - - 8.4293909370899200e-02 -5.2716743946075439e-01 - <_> - - 0 -1 351 3.5880310460925102e-03 - - -1.2907223403453827e-01 3.3967444300651550e-01 - <_> - - 0 -1 176 -5.7136151008307934e-03 - - -5.9208476543426514e-01 7.7793844044208527e-02 - <_> - - 0 -1 150 -1.9309867173433304e-02 - - 2.5386241078376770e-01 -1.7397734522819519e-01 - <_> - - 0 -1 327 -2.4289516732096672e-03 - - 3.2221227884292603e-01 -1.2751287221908569e-01 - <_> - - 0 -1 25 -8.5500031709671021e-02 - - -7.7962499856948853e-01 5.0715133547782898e-02 - <_> - - 0 -1 770 5.7447291910648346e-03 - - -1.1523491144180298e-01 3.6400210857391357e-01 - <_> - - 0 -1 781 5.8936916291713715e-02 - - -8.7829843163490295e-02 4.1893997788429260e-01 - <_> - - 0 -1 984 -4.1379006579518318e-03 - - -6.3083720207214355e-01 6.4935714006423950e-02 - <_> - - 0 -1 565 -4.6407114714384079e-03 - - -6.5650087594985962e-01 5.4394256323575974e-02 - <_> - - 0 -1 877 1.5865347813814878e-03 - - -1.7255148291587830e-01 2.3248092830181122e-01 - <_> - - 0 -1 624 2.8971401043236256e-03 - - 6.0526229441165924e-02 -5.4368048906326294e-01 - <_> - - 0 -1 773 1.5737174544483423e-03 - - -1.1744406074285507e-01 3.0534917116165161e-01 - <_> - - 0 -1 609 1.6838097944855690e-03 - - 6.6153712570667267e-02 -5.9224641323089600e-01 - <_> - - 0 -1 912 3.2287575304508209e-03 - - 5.2678912878036499e-02 -5.7474386692047119e-01 - <_> - - 0 -1 850 -3.1512752175331116e-03 - - 3.7773844599723816e-01 -8.7322145700454712e-02 - <_> - - 0 -1 894 8.2073279190808535e-04 - - -1.0513201355934143e-01 3.4025487303733826e-01 - <_> - - 0 -1 603 2.8983387164771557e-03 - - 5.1720291376113892e-02 -6.5431916713714600e-01 - <_> - - 0 -1 852 -5.7246205396950245e-03 - - -7.8483843803405762e-01 3.5195719450712204e-02 - <_> - - 0 -1 44 -1.1572695337235928e-02 - - -6.7286187410354614e-01 3.5210411995649338e-02 - <_> - - 0 -1 80 -1.4562263153493404e-02 - - 2.4655815958976746e-01 -1.2278749793767929e-01 - <_> - - 0 -1 269 7.8490225132554770e-04 - - -1.4652141928672791e-01 3.0276218056678772e-01 - <_> - - 0 -1 725 -1.4289810787886381e-03 - - 1.8906314671039581e-01 -1.5791040658950806e-01 - <_> - - 0 -1 108 -9.4615388661623001e-03 - - -6.9036215543746948e-01 3.9911076426506042e-02 - <_> - - 0 -1 21 2.3225568234920502e-02 - - 5.0278317183256149e-02 -5.2323836088180542e-01 - <_> - - 0 -1 959 1.4046948403120041e-02 - - -7.9005211591720581e-02 4.0158179402351379e-01 - <_> - - 0 -1 126 3.7851710803806782e-03 - - -1.3530673086643219e-01 2.1973098814487457e-01 - <_> - - 0 -1 142 -3.6725951358675957e-03 - - 1.9924460351467133e-01 -1.5001934766769409e-01 - <_> - - 0 -1 963 -3.1669549643993378e-03 - - -4.2041611671447754e-01 7.4019186198711395e-02 - <_> - - 0 -1 695 -1.3667810708284378e-02 - - 2.5204744935035706e-01 -1.2807497382164001e-01 - <_> - - 0 -1 214 -3.5862527787685394e-02 - - 3.2997950911521912e-01 -8.9863941073417664e-02 - <_> - - 0 -1 946 -6.2667285092175007e-03 - - -5.5024039745330811e-01 5.7369034737348557e-02 - <_> - - 0 -1 438 -6.4383493736386299e-03 - - 3.3817592263221741e-01 -9.3247875571250916e-02 - <_> - - 0 -1 439 5.4173925891518593e-03 - - -1.0427469760179520e-01 2.9482829570770264e-01 - <_> - - 0 -1 400 -1.5132453292608261e-02 - - 3.2000914216041565e-01 -9.8272062838077545e-02 - <_> - - 0 -1 606 -1.2513613328337669e-02 - - 2.8962445259094238e-01 -1.2084391713142395e-01 - <_> - - 0 -1 91 -9.8966564983129501e-03 - - -5.8358079195022583e-01 5.1291342824697495e-02 - <_> - - 0 -1 932 1.3835988938808441e-02 - - -9.0702146291732788e-02 3.2527267932891846e-01 - <_> - - 0 -1 92 3.6492943763732910e-03 - - 8.4720104932785034e-02 -3.4649613499641418e-01 - <_> - - 0 -1 478 -1.3878188095986843e-02 - - 2.9309025406837463e-01 -9.6585884690284729e-02 - <_> - - 0 -1 580 2.8816664125770330e-03 - - -1.0839603841304779e-01 2.5134062767028809e-01 - - <_> - 57 - -1.3757541179656982e+00 - - <_> - - 0 -1 742 -4.1507836431264877e-03 - - 4.7857573628425598e-01 -1.5079282224178314e-01 - <_> - - 0 -1 539 -4.2431484907865524e-03 - - 2.7976706624031067e-01 -2.1182695031166077e-01 - <_> - - 0 -1 422 7.2727665305137634e-02 - - -1.1322361230850220e-01 4.6931907534599304e-01 - <_> - - 0 -1 120 7.3349894955754280e-03 - - -2.2507375478744507e-01 2.3486614227294922e-01 - <_> - - 0 -1 79 -1.3757663965225220e-01 - - 5.5153369903564453e-01 -8.4895148873329163e-02 - <_> - - 0 -1 592 6.8098353222012520e-04 - - -1.7585472762584686e-01 2.2849111258983612e-01 - <_> - - 0 -1 110 2.7579340338706970e-01 - - -1.1671220511198044e-01 3.2674804329872131e-01 - <_> - - 0 -1 921 5.4910051403567195e-04 - - -2.0603717863559723e-01 1.8896938860416412e-01 - <_> - - 0 -1 155 -5.5065844208002090e-03 - - -5.7701790332794189e-01 6.9212622940540314e-02 - <_> - - 0 -1 824 -8.3996364846825600e-03 - - 4.6683028340339661e-01 -7.4202880263328552e-02 - <_> - - 0 -1 843 -1.1010931339114904e-03 - - 1.9711431860923767e-01 -1.7736457288265228e-01 - <_> - - 0 -1 217 -4.4837296009063721e-03 - - -6.0108631849288940e-01 4.9327563494443893e-02 - <_> - - 0 -1 211 2.5086081586778164e-03 - - 6.9480538368225098e-02 -4.8671180009841919e-01 - <_> - - 0 -1 201 1.5808893367648125e-03 - - -1.0519328713417053e-01 3.2050549983978271e-01 - <_> - - 0 -1 210 1.4971228083595634e-03 - - -8.4364958107471466e-02 4.3016371130943298e-01 - <_> - - 0 -1 343 -2.6089220773428679e-03 - - -4.2146065831184387e-01 8.8990658521652222e-02 - <_> - - 0 -1 42 -7.7147269621491432e-03 - - -6.6330111026763916e-01 5.0671890377998352e-02 - <_> - - 0 -1 85 -1.7141735181212425e-02 - - -4.8750495910644531e-01 5.6981299072504044e-02 - <_> - - 0 -1 146 1.3850606046617031e-02 - - 7.4964463710784912e-02 -4.4079580903053284e-01 - <_> - - 0 -1 341 -1.4932476915419102e-03 - - 3.1057041883468628e-01 -1.0369800031185150e-01 - <_> - - 0 -1 382 -8.3094676956534386e-03 - - 2.2514784336090088e-01 -1.4621259272098541e-01 - <_> - - 0 -1 462 -7.2969077154994011e-04 - - 2.6934301853179932e-01 -1.2512375414371490e-01 - <_> - - 0 -1 430 -1.3652374967932701e-02 - - -4.9215099215507507e-01 7.3141731321811676e-02 - <_> - - 0 -1 20 9.4011947512626648e-03 - - 4.1364993900060654e-02 -6.5001028776168823e-01 - <_> - - 0 -1 657 4.0921592153608799e-03 - - 4.0478449314832687e-02 -5.9830683469772339e-01 - <_> - - 0 -1 847 1.5591707779094577e-03 - - -9.3049824237823486e-02 3.1007137894630432e-01 - <_> - - 0 -1 973 3.4408085048198700e-03 - - 4.7337688505649567e-02 -6.5880972146987915e-01 - <_> - - 0 -1 847 -1.3411687687039375e-03 - - 2.8307750821113586e-01 -1.0693576931953430e-01 - <_> - - 0 -1 534 -5.7181939482688904e-03 - - -4.7754487395286560e-01 6.3519261777400970e-02 - <_> - - 0 -1 374 -5.0096530467271805e-03 - - -6.1091655492782593e-01 3.9555240422487259e-02 - <_> - - 0 -1 1 -4.1508115828037262e-03 - - 2.1694649755954742e-01 -1.3193054497241974e-01 - <_> - - 0 -1 844 -1.6968715935945511e-02 - - 2.7644789218902588e-01 -1.0202119499444962e-01 - <_> - - 0 -1 103 1.0276203043758869e-02 - - -9.0598084032535553e-02 2.9703584313392639e-01 - <_> - - 0 -1 350 -1.8649294506758451e-03 - - 2.8791305422782898e-01 -9.2735975980758667e-02 - <_> - - 0 -1 942 3.3354205079376698e-03 - - 5.3746312856674194e-02 -5.0940161943435669e-01 - <_> - - 0 -1 396 -1.4105688314884901e-03 - - 2.4489782750606537e-01 -1.1008579283952713e-01 - <_> - - 0 -1 611 2.3928448557853699e-02 - - 5.2839644253253937e-02 -4.9896511435508728e-01 - <_> - - 0 -1 807 -3.8580424152314663e-03 - - -4.8197838664054871e-01 5.3767576813697815e-02 - <_> - - 0 -1 679 -3.0590491369366646e-03 - - -5.2978992462158203e-01 4.6741079539060593e-02 - <_> - - 0 -1 468 -2.9391471762210131e-03 - - -3.4711557626724243e-01 6.9464050233364105e-02 - <_> - - 0 -1 667 -7.0184348151087761e-03 - - 3.1962895393371582e-01 -8.3362981677055359e-02 - <_> - - 0 -1 664 1.0384586639702320e-03 - - -1.0797444730997086e-01 2.4896475672721863e-01 - <_> - - 0 -1 628 -8.0418614670634270e-03 - - -7.3527222871780396e-01 3.6740459501743317e-02 - <_> - - 0 -1 193 -3.1738542020320892e-02 - - 2.6166516542434692e-01 -1.0992183536291122e-01 - <_> - - 0 -1 194 3.6780342459678650e-02 - - -8.7741106748580933e-02 3.7106978893280029e-01 - <_> - - 0 -1 494 -6.4193591475486755e-02 - - 3.1807181239128113e-01 -8.8648937642574310e-02 - <_> - - 0 -1 46 3.4801474213600159e-01 - - -5.5967021733522415e-02 5.3631168603897095e-01 - <_> - - 0 -1 490 7.5712919235229492e-02 - - -5.9786085039377213e-02 4.1973164677619934e-01 - <_> - - 0 -1 983 7.8374873846769333e-03 - - -6.8252839148044586e-02 3.9001336693763733e-01 - <_> - - 0 -1 867 3.3967243507504463e-03 - - 5.7270396500825882e-02 -4.7492286562919617e-01 - <_> - - 0 -1 158 3.2095968723297119e-02 - - 3.0982470139861107e-02 -7.2973543405532837e-01 - <_> - - 0 -1 939 4.1734268888831139e-03 - - 3.0397623777389526e-02 -6.8009066581726074e-01 - <_> - - 0 -1 545 3.2336891163140535e-03 - - -9.4194613397121429e-02 2.5351443886756897e-01 - <_> - - 0 -1 55 -3.8070861250162125e-02 - - 2.7447724342346191e-01 -8.3862110972404480e-02 - <_> - - 0 -1 358 4.6657784841954708e-03 - - 3.7179920822381973e-02 -6.7654901742935181e-01 - <_> - - 0 -1 247 -3.9379103109240532e-03 - - -5.9923279285430908e-01 3.2963614910840988e-02 - <_> - - 0 -1 699 -4.8031057231128216e-03 - - 2.2248022258281708e-01 -1.0560184717178345e-01 - - <_> - 55 - -1.3843152523040771e+00 - - <_> - - 0 -1 456 6.7532630637288094e-03 - - -1.5934121608734131e-01 5.1630091667175293e-01 - <_> - - 0 -1 685 1.6582473181188107e-03 - - -1.4192129671573639e-01 4.6970281004905701e-01 - <_> - - 0 -1 741 8.5381623357534409e-03 - - -1.4064009487628937e-01 4.3454051017761230e-01 - <_> - - 0 -1 711 -5.8347072452306747e-02 - - 4.8053690791130066e-01 -1.1435888707637787e-01 - <_> - - 0 -1 200 7.5503322295844555e-04 - - -1.6613751649856567e-01 3.5059270262718201e-01 - <_> - - 0 -1 463 -1.6263198340311646e-03 - - 3.3983412384986877e-01 -1.2952369451522827e-01 - <_> - - 0 -1 982 -4.9476943910121918e-02 - - 5.1085108518600464e-01 -7.6757252216339111e-02 - <_> - - 0 -1 148 1.5736839268356562e-03 - - -9.8503805696964264e-02 4.2097148299217224e-01 - <_> - - 0 -1 970 2.8940830379724503e-03 - - 8.0476768314838409e-02 -5.9272909164428711e-01 - <_> - - 0 -1 470 -8.5198890883475542e-04 - - 2.7713751792907715e-01 -1.2991340458393097e-01 - <_> - - 0 -1 513 -3.2718123402446508e-03 - - 3.1215441226959229e-01 -1.2980756163597107e-01 - <_> - - 0 -1 244 6.0219354927539825e-03 - - 7.2135269641876221e-02 -5.9813290834426880e-01 - <_> - - 0 -1 81 2.3065296933054924e-02 - - 7.1330830454826355e-02 -5.3722465038299561e-01 - <_> - - 0 -1 187 2.7176631192560308e-05 - - -2.6853099465370178e-01 1.4315985143184662e-01 - <_> - - 0 -1 401 5.4575498215854168e-03 - - 5.5034745484590530e-02 -5.7176333665847778e-01 - <_> - - 0 -1 391 2.5911496777553111e-05 - - -2.3133303225040436e-01 1.4060766994953156e-01 - <_> - - 0 -1 12 2.1752633154392242e-02 - - 5.9929180890321732e-02 -5.0224888324737549e-01 - <_> - - 0 -1 860 3.5099866800010204e-03 - - 4.7387380152940750e-02 -5.8126205205917358e-01 - <_> - - 0 -1 755 8.6558861657977104e-03 - - -1.3651072978973389e-01 2.2407715022563934e-01 - <_> - - 0 -1 990 3.0432851053774357e-03 - - 5.7905938476324081e-02 -5.5585581064224243e-01 - <_> - - 0 -1 240 3.4083288628607988e-03 - - 4.6358574181795120e-02 -5.6204903125762939e-01 - <_> - - 0 -1 241 -4.1327420622110367e-03 - - -4.3748503923416138e-01 6.6312022507190704e-02 - <_> - - 0 -1 887 5.4382300004363060e-04 - - -1.2188895046710968e-01 2.6694831252098083e-01 - <_> - - 0 -1 886 2.0359107293188572e-03 - - -6.9375663995742798e-02 4.1734528541564941e-01 - <_> - - 0 -1 894 5.6087510893121362e-04 - - -1.2235503643751144e-01 2.9018589854240417e-01 - <_> - - 0 -1 957 5.4084453731775284e-03 - - 5.1494579762220383e-02 -6.3784217834472656e-01 - <_> - - 0 -1 99 1.9748538732528687e-02 - - -7.0414997637271881e-02 4.8995351791381836e-01 - <_> - - 0 -1 147 -2.0231239497661591e-02 - - -5.9452813863754272e-01 5.5317912250757217e-02 - <_> - - 0 -1 763 -8.5184378549456596e-03 - - -4.9081006646156311e-01 5.1023125648498535e-02 - <_> - - 0 -1 952 6.4936149865388870e-03 - - -8.6577519774436951e-02 3.6036944389343262e-01 - <_> - - 0 -1 30 -4.0995404124259949e-02 - - 4.0132537484169006e-01 -7.1912504732608795e-02 - <_> - - 0 -1 501 3.1340471468865871e-03 - - -1.2547470629215240e-01 2.2158138453960419e-01 - <_> - - 0 -1 184 -1.9882351160049438e-02 - - -7.1213179826736450e-01 4.2412471026182175e-02 - <_> - - 0 -1 559 2.0461969077587128e-02 - - -1.0324169695377350e-01 2.9102885723114014e-01 - <_> - - 0 -1 686 -1.2761610560119152e-03 - - 2.3810100555419922e-01 -1.1509060114622116e-01 - <_> - - 0 -1 549 -3.3783772960305214e-03 - - -5.6838840246200562e-01 5.6331343948841095e-02 - <_> - - 0 -1 302 5.0912564620375633e-03 - - 4.7987211495637894e-02 -4.7997272014617920e-01 - <_> - - 0 -1 508 -4.1752815246582031e-02 - - -5.9290748834609985e-01 4.2219188064336777e-02 - <_> - - 0 -1 263 -1.3672109693288803e-02 - - 2.7416154742240906e-01 -9.8633147776126862e-02 - <_> - - 0 -1 329 4.5463615097105503e-03 - - -9.5323033630847931e-02 3.3586710691452026e-01 - <_> - - 0 -1 472 -1.1957241222262383e-02 - - 1.6140049695968628e-01 -1.6837921738624573e-01 - <_> - - 0 -1 95 -2.4866103194653988e-03 - - -3.8348227739334106e-01 6.6880211234092712e-02 - <_> - - 0 -1 130 3.3222150523215532e-03 - - 4.9669362604618073e-02 -5.2419567108154297e-01 - <_> - - 0 -1 767 1.2700627557933331e-03 - - -1.0981336981058121e-01 2.4314954876899719e-01 - <_> - - 0 -1 643 -4.0526064112782478e-03 - - -5.4617625474929810e-01 4.6236973255872726e-02 - <_> - - 0 -1 889 -1.7611857037991285e-03 - - 2.0527404546737671e-01 -1.1924317479133606e-01 - <_> - - 0 -1 832 -2.8845192864537239e-03 - - 2.0061042904853821e-01 -1.4499643445014954e-01 - <_> - - 0 -1 969 -9.4242449849843979e-03 - - -7.2513866424560547e-01 3.4894362092018127e-02 - <_> - - 0 -1 972 3.7029895465821028e-03 - - 5.5003125220537186e-02 -4.1173446178436279e-01 - <_> - - 0 -1 785 -8.4825151134282351e-04 - - 2.6719486713409424e-01 -9.9083028733730316e-02 - <_> - - 0 -1 54 1.5727356076240540e-02 - - -1.2551975250244141e-01 2.0588764548301697e-01 - <_> - - 0 -1 106 5.9068910777568817e-03 - - 6.0179408639669418e-02 -4.1827461123466492e-01 - <_> - - 0 -1 27 -3.9538964629173279e-02 - - 3.4726879000663757e-01 -7.4968926608562469e-02 - <_> - - 0 -1 10 4.7501657158136368e-02 - - -7.6978117227554321e-02 3.5068345069885254e-01 - <_> - - 0 -1 259 -5.9454172151163220e-04 - - 1.6073931753635406e-01 -1.5279982984066010e-01 - - <_> - 58 - -1.2862224578857422e+00 - - <_> - - 0 -1 882 -1.3625519350171089e-02 - - 5.0128185749053955e-01 -1.1663150042295456e-01 - <_> - - 0 -1 375 -2.2920668125152588e-03 - - 3.9538189768791199e-01 -1.3872602581977844e-01 - <_> - - 0 -1 792 1.0770710650831461e-03 - - -1.7133137583732605e-01 3.1510788202285767e-01 - <_> - - 0 -1 452 -1.2591466307640076e-02 - - 3.9579889178276062e-01 -1.4279782772064209e-01 - <_> - - 0 -1 460 -4.7927081584930420e-02 - - -4.9305588006973267e-01 5.6685980409383774e-02 - <_> - - 0 -1 474 -2.5895023718476295e-03 - - 1.6586430370807648e-01 -2.2577352821826935e-01 - <_> - - 0 -1 112 9.8585948348045349e-02 - - -7.2541341185569763e-02 5.3971153497695923e-01 - <_> - - 0 -1 521 7.2299325838685036e-03 - - 7.2869211435317993e-02 -6.0541796684265137e-01 - <_> - - 0 -1 202 -6.0262705665081739e-04 - - 2.7961328625679016e-01 -1.3374039530754089e-01 - <_> - - 0 -1 253 5.3171166218817234e-03 - - 6.1562143266201019e-02 -5.3435516357421875e-01 - <_> - - 0 -1 109 -7.3790093883872032e-03 - - -5.8770626783370972e-01 5.2599798887968063e-02 - <_> - - 0 -1 179 2.2994203027337790e-04 - - -2.2165967524051666e-01 1.6663813591003418e-01 - <_> - - 0 -1 366 -2.7968082576990128e-03 - - -4.5023602247238159e-01 6.7983791232109070e-02 - <_> - - 0 -1 949 -4.4262632727622986e-03 - - -5.4457426071166992e-01 5.3928002715110779e-02 - <_> - - 0 -1 431 -6.1236601322889328e-03 - - 2.9386061429977417e-01 -1.0868654400110245e-01 - <_> - - 0 -1 364 6.1672870069742203e-03 - - 6.7409984767436981e-02 -4.2896196246147156e-01 - <_> - - 0 -1 335 1.5454929322004318e-02 - - -9.3371987342834473e-02 3.2237896323204041e-01 - <_> - - 0 -1 285 -5.5358107201755047e-03 - - -6.3797932863235474e-01 4.7232467681169510e-02 - <_> - - 0 -1 210 -5.8793288189917803e-04 - - 2.6480975747108459e-01 -1.1852940917015076e-01 - <_> - - 0 -1 203 1.2575921136885881e-03 - - -1.2490244954824448e-01 2.8103300929069519e-01 - <_> - - 0 -1 41 3.3034523949027061e-03 - - 6.2105692923069000e-02 -4.5968556404113770e-01 - <_> - - 0 -1 45 -2.6582641527056694e-02 - - -5.0849837064743042e-01 5.3966015577316284e-02 - <_> - - 0 -1 49 2.7427850291132927e-02 - - 5.2529457956552505e-02 -5.3614085912704468e-01 - <_> - - 0 -1 39 -2.1938718855381012e-03 - - -5.6713318824768066e-01 4.6497207134962082e-02 - <_> - - 0 -1 926 8.5861550178378820e-04 - - -1.1162154376506805e-01 2.8105884790420532e-01 - <_> - - 0 -1 886 -8.4925384726375341e-04 - - 3.1280112266540527e-01 -1.2138028442859650e-01 - <_> - - 0 -1 956 2.9905270785093307e-03 - - 6.1607286334037781e-02 -5.1581907272338867e-01 - <_> - - 0 -1 968 5.8231391012668610e-03 - - 4.7376025468111038e-02 -5.1492005586624146e-01 - <_> - - 0 -1 480 4.2811138555407524e-03 - - 3.2761037349700928e-02 -6.7820072174072266e-01 - <_> - - 0 -1 915 9.5272483304142952e-04 - - -1.5452747046947479e-01 1.7837351560592651e-01 - <_> - - 0 -1 270 -2.7698231860995293e-04 - - 1.8924367427825928e-01 -1.3868112862110138e-01 - <_> - - 0 -1 370 3.0586202628910542e-03 - - 5.3298473358154297e-02 -4.7908756136894226e-01 - <_> - - 0 -1 639 2.0293965935707092e-03 - - 3.1667634844779968e-02 -6.7199909687042236e-01 - <_> - - 0 -1 639 -1.8073513638228178e-03 - - -6.4894622564315796e-01 3.3469315618276596e-02 - <_> - - 0 -1 320 -1.1197938583791256e-03 - - 2.2734998166561127e-01 -1.1382233351469040e-01 - <_> - - 0 -1 828 1.2703117681667209e-03 - - -9.7680233418941498e-02 2.9997348785400391e-01 - <_> - - 0 -1 835 -1.8036495894193649e-03 - - 2.3566392064094543e-01 -1.1566326767206192e-01 - <_> - - 0 -1 222 2.3318463936448097e-03 - - 5.5787801742553711e-02 -4.4648987054824829e-01 - <_> - - 0 -1 111 1.8485619220882654e-03 - - -1.0420991480350494e-01 2.4521166086196899e-01 - <_> - - 0 -1 101 8.2633290439844131e-03 - - 5.3129263222217560e-02 -4.8460647463798523e-01 - <_> - - 0 -1 760 2.7392050469643436e-05 - - -1.7487643659114838e-01 1.3620604574680328e-01 - <_> - - 0 -1 352 2.6163433212786913e-03 - - -9.9586494266986847e-02 2.4075058102607727e-01 - <_> - - 0 -1 94 3.6149267107248306e-03 - - 4.2312353849411011e-02 -5.5195075273513794e-01 - <_> - - 0 -1 403 1.4812931418418884e-02 - - -6.7619144916534424e-02 3.7573158740997314e-01 - <_> - - 0 -1 814 -2.8877586591988802e-03 - - -5.3493702411651611e-01 5.1065266132354736e-02 - <_> - - 0 -1 930 3.5591312916949391e-04 - - -1.2231220304965973e-01 1.9974029064178467e-01 - <_> - - 0 -1 36 -1.0347569361329079e-02 - - -6.3408315181732178e-01 4.0167611092329025e-02 - <_> - - 0 -1 34 -4.4028884731233120e-03 - - -5.1359844207763672e-01 4.3052427470684052e-02 - <_> - - 0 -1 856 -1.6173283802345395e-03 - - 1.4859439432621002e-01 -1.4985026419162750e-01 - <_> - - 0 -1 996 -3.1839800067245960e-03 - - -4.1493499279022217e-01 6.0393124818801880e-02 - <_> - - 0 -1 960 -7.9784039407968521e-03 - - 2.8296649456024170e-01 -8.6312569677829742e-02 - <_> - - 0 -1 797 2.8750954661518335e-03 - - -6.7822508513927460e-02 3.2967612147331238e-01 - <_> - - 0 -1 992 -1.1433581821620464e-03 - - -3.4375748038291931e-01 6.8774074316024780e-02 - <_> - - 0 -1 668 1.7783213406801224e-03 - - -8.8273152709007263e-02 2.6904863119125366e-01 - <_> - - 0 -1 670 -6.3564153388142586e-03 - - 3.4165042638778687e-01 -7.6342806220054626e-02 - <_> - - 0 -1 712 5.8753319084644318e-02 - - 3.6884155124425888e-02 -7.0002478361129761e-01 - <_> - - 0 -1 345 -1.2118986342102289e-03 - - 1.8067996203899384e-01 -1.2888990342617035e-01 - <_> - - 0 -1 268 -3.4786794334650040e-02 - - 2.8380703926086426e-01 -1.0494612902402878e-01 - - <_> - 61 - -1.3526766300201416e+00 - - <_> - - 0 -1 875 9.3241240829229355e-03 - - -1.1945860832929611e-01 4.8265087604522705e-01 - <_> - - 0 -1 573 -4.0869116783142090e-03 - - 2.7903670072555542e-01 -2.3448269069194794e-01 - <_> - - 0 -1 676 8.3140000700950623e-02 - - -8.5437655448913574e-02 5.4905670881271362e-01 - <_> - - 0 -1 802 2.6708254590630531e-03 - - -1.6097296774387360e-01 3.5868695378303528e-01 - <_> - - 0 -1 75 2.2817514836788177e-03 - - -1.6324259340763092e-01 2.3956388235092163e-01 - <_> - - 0 -1 745 6.7889376077800989e-04 - - -2.5205141305923462e-01 1.6190616786479950e-01 - <_> - - 0 -1 811 3.1512721907347441e-03 - - -1.3325424492359161e-01 2.7017220854759216e-01 - <_> - - 0 -1 53 5.7821646332740784e-02 - - -6.7158013582229614e-02 4.1875806450843811e-01 - <_> - - 0 -1 442 2.8442896902561188e-02 - - 5.5711831897497177e-02 -5.8136337995529175e-01 - <_> - - 0 -1 644 -1.7370734130963683e-03 - - -6.7132610082626343e-01 3.2464105635881424e-02 - <_> - - 0 -1 324 -1.9680276513099670e-02 - - 3.9044600725173950e-01 -8.8745564222335815e-02 - <_> - - 0 -1 224 1.0001409798860550e-02 - - -1.5947268903255463e-01 2.7087828516960144e-01 - <_> - - 0 -1 644 1.2495646951720119e-03 - - 8.3702936768531799e-02 -4.6324184536933899e-01 - <_> - - 0 -1 144 3.0510198324918747e-02 - - -1.0709584504365921e-01 3.2648065686225891e-01 - <_> - - 0 -1 995 -3.7916197907179594e-03 - - -6.1073684692382812e-01 4.7788143157958984e-02 - <_> - - 0 -1 880 8.5655774455517530e-04 - - -2.0807541906833649e-01 1.5517778694629669e-01 - <_> - - 0 -1 986 -3.2812850549817085e-03 - - -5.8795136213302612e-01 4.5926980674266815e-02 - <_> - - 0 -1 499 3.6125673796050251e-04 - - -1.6806155443191528e-01 1.7441834509372711e-01 - <_> - - 0 -1 591 -1.2282358948141336e-03 - - -4.7641313076019287e-01 5.6790668517351151e-02 - <_> - - 0 -1 411 9.3263220041990280e-03 - - -7.4045926332473755e-02 3.7817317247390747e-01 - <_> - - 0 -1 591 7.4745330493897200e-04 - - 8.0762349069118500e-02 -3.5692575573921204e-01 - <_> - - 0 -1 900 7.4315653182566166e-03 - - -8.5764542222023010e-02 3.2155406475067139e-01 - <_> - - 0 -1 776 2.7057509869337082e-02 - - 6.9296583533287048e-02 -4.2836430668830872e-01 - <_> - - 0 -1 504 3.9283365011215210e-02 - - -1.0806435346603394e-01 2.9007008671760559e-01 - <_> - - 0 -1 23 -3.4139624238014221e-01 - - 5.0227731466293335e-01 -6.3795588910579681e-02 - <_> - - 0 -1 502 -1.8172953277826309e-02 - - 2.7207729220390320e-01 -1.0322675853967667e-01 - <_> - - 0 -1 509 1.5265008434653282e-02 - - -1.0788526386022568e-01 2.4405729770660400e-01 - <_> - - 0 -1 465 -1.4973650686442852e-03 - - 2.8644701838493347e-01 -1.0436929017305374e-01 - <_> - - 0 -1 674 2.1207414101809263e-03 - - 4.5713264495134354e-02 -6.6571021080017090e-01 - <_> - - 0 -1 254 1.3393461704254150e-02 - - -8.4284797310829163e-02 3.6480179429054260e-01 - <_> - - 0 -1 560 9.7873376216739416e-04 - - -1.2960052490234375e-01 2.2095513343811035e-01 - <_> - - 0 -1 747 -4.9731796607375145e-03 - - 2.7467787265777588e-01 -1.0236363112926483e-01 - <_> - - 0 -1 294 -7.9883169382810593e-03 - - -5.3638678789138794e-01 5.3369920700788498e-02 - <_> - - 0 -1 413 2.3855306208133698e-03 - - 5.4967612028121948e-02 -4.2117682099342346e-01 - <_> - - 0 -1 899 -3.0849636532366276e-03 - - 2.6192533969879150e-01 -9.4207443296909332e-02 - <_> - - 0 -1 653 4.3416069820523262e-03 - - -1.5543100237846375e-01 1.6663897037506104e-01 - <_> - - 0 -1 451 3.8728015497326851e-03 - - 4.9280565232038498e-02 -4.9337747693061829e-01 - <_> - - 0 -1 563 1.8099667504429817e-03 - - 4.2697191238403320e-02 -5.2748012542724609e-01 - <_> - - 0 -1 157 -3.3727339468896389e-03 - - 2.0491680502891541e-01 -1.2846539914608002e-01 - <_> - - 0 -1 344 3.1393815297633410e-03 - - -7.3090612888336182e-02 3.4941059350967407e-01 - <_> - - 0 -1 851 3.2568261958658695e-03 - - 4.5729346573352814e-02 -5.7302659749984741e-01 - <_> - - 0 -1 853 -2.0513155031949282e-03 - - -5.4655516147613525e-01 3.8907390087842941e-02 - <_> - - 0 -1 656 -2.7090720832347870e-03 - - -5.2781039476394653e-01 3.8093525916337967e-02 - <_> - - 0 -1 738 -3.6282267421483994e-02 - - -5.8760797977447510e-01 3.4759882837533951e-02 - <_> - - 0 -1 558 3.7925848737359047e-03 - - -8.5966393351554871e-02 2.6226586103439331e-01 - <_> - - 0 -1 991 -3.7565450184047222e-03 - - -5.7828390598297119e-01 3.9440535008907318e-02 - <_> - - 0 -1 906 -7.8137982636690140e-03 - - 3.5042202472686768e-01 -6.6597603261470795e-02 - <_> - - 0 -1 904 -3.1100357882678509e-03 - - 1.8389418721199036e-01 -1.4107073843479156e-01 - <_> - - 0 -1 449 9.1797057539224625e-03 - - -6.2711343169212341e-02 3.4819519519805908e-01 - <_> - - 0 -1 255 -2.9698751866817474e-02 - - 2.8956320881843567e-01 -8.5679493844509125e-02 - <_> - - 0 -1 720 7.9502481967210770e-03 - - 3.9165180176496506e-02 -6.0753583908081055e-01 - <_> - - 0 -1 621 2.2064188960939646e-03 - - 3.5431943833827972e-02 -5.5480444431304932e-01 - <_> - - 0 -1 175 -3.1044434756040573e-02 - - -6.2628567218780518e-01 3.1049268320202827e-02 - <_> - - 0 -1 0 -1.3199620880186558e-03 - - 1.5564316511154175e-01 -1.3879336416721344e-01 - <_> - - 0 -1 397 -9.6068280981853604e-04 - - 1.9332279264926910e-01 -1.1179215461015701e-01 - <_> - - 0 -1 43 7.4608568102121353e-03 - - 5.7219974696636200e-02 -4.2135125398635864e-01 - <_> - - 0 -1 293 -4.3320422992110252e-03 - - -6.8079024553298950e-01 2.9504306614398956e-02 - <_> - - 0 -1 274 -6.5548438578844070e-03 - - 2.9043409228324890e-01 -8.7089523673057556e-02 - <_> - - 0 -1 204 4.2611984536051750e-03 - - -8.5929870605468750e-02 3.1930494308471680e-01 - <_> - - 0 -1 635 -7.2978977113962173e-03 - - 1.4620631933212280e-01 -1.7617914080619812e-01 - <_> - - 0 -1 225 -2.2543172817677259e-03 - - -5.9305733442306519e-01 3.9764832705259323e-02 - - <_> - 70 - -1.3067549467086792e+00 - - <_> - - 0 -1 742 -5.6160744279623032e-03 - - 4.7913768887519836e-01 -9.8717339336872101e-02 - <_> - - 0 -1 536 -5.6263338774442673e-03 - - 2.8639736771583557e-01 -1.7997759580612183e-01 - <_> - - 0 -1 795 -1.6268140170723200e-03 - - 3.0874463915824890e-01 -1.3907180726528168e-01 - <_> - - 0 -1 802 -1.3920383062213659e-03 - - 3.2034638524055481e-01 -1.3876211643218994e-01 - <_> - - 0 -1 826 3.4234612248837948e-03 - - -1.0860712081193924e-01 3.2174232602119446e-01 - <_> - - 0 -1 525 4.3767906725406647e-02 - - -1.3255064189434052e-01 3.7021124362945557e-01 - <_> - - 0 -1 401 -4.4696494005620480e-03 - - -4.5687621831893921e-01 8.2243621349334717e-02 - <_> - - 0 -1 332 -7.1945399977266788e-03 - - -6.4334297180175781e-01 4.5623987913131714e-02 - <_> - - 0 -1 273 6.5287351608276367e-03 - - -8.9336074888706207e-02 3.3727860450744629e-01 - <_> - - 0 -1 771 2.8297028038650751e-03 - - -1.0177894681692123e-01 3.5831856727600098e-01 - <_> - - 0 -1 925 1.1526069603860378e-02 - - 7.5238041579723358e-02 -4.8319393396377563e-01 - <_> - - 0 -1 207 4.7937319613993168e-03 - - 5.7682428508996964e-02 -4.7086900472640991e-01 - <_> - - 0 -1 395 -3.6777029745280743e-03 - - -4.2743790149688721e-01 7.4363298714160919e-02 - <_> - - 0 -1 839 -8.0760312266647816e-04 - - 1.4320656657218933e-01 -1.9929704070091248e-01 - <_> - - 0 -1 233 3.7253312766551971e-03 - - 5.2736207842826843e-02 -5.2105212211608887e-01 - <_> - - 0 -1 416 -2.3560712113976479e-02 - - 4.0658730268478394e-01 -7.3024936020374298e-02 - <_> - - 0 -1 311 -4.5593185350298882e-03 - - -6.3590377569198608e-01 3.5127460956573486e-02 - <_> - - 0 -1 551 -2.4863984435796738e-03 - - -4.5599257946014404e-01 5.3035512566566467e-02 - <_> - - 0 -1 424 -2.6802124921232462e-03 - - 1.9116453826427460e-01 -1.3404799997806549e-01 - <_> - - 0 -1 11 -7.7647715806961060e-02 - - 4.1297465562820435e-01 -6.3970938324928284e-02 - <_> - - 0 -1 566 2.3329094983637333e-03 - - -1.2160944193601608e-01 2.3117628693580627e-01 - <_> - - 0 -1 5 -6.6609308123588562e-03 - - 2.2600707411766052e-01 -1.2069495767354965e-01 - <_> - - 0 -1 133 -5.0821684300899506e-02 - - 3.2217630743980408e-01 -7.6335281133651733e-02 - <_> - - 0 -1 537 -7.0379404351115227e-03 - - 1.8399104475975037e-01 -1.4812190830707550e-01 - <_> - - 0 -1 134 -3.3276520669460297e-02 - - -6.0358065366744995e-01 3.5330448299646378e-02 - <_> - - 0 -1 392 7.5909225270152092e-03 - - 3.1779482960700989e-02 -6.4767998456954956e-01 - <_> - - 0 -1 613 -5.6639023125171661e-02 - - -4.6455994248390198e-01 4.6072337776422501e-02 - <_> - - 0 -1 124 3.7777128163725138e-03 - - 5.7451672852039337e-02 -3.7793967127799988e-01 - <_> - - 0 -1 271 8.9145395904779434e-03 - - -7.5942978262901306e-02 3.1487807631492615e-01 - <_> - - 0 -1 841 -1.4818884432315826e-02 - - 2.7122247219085693e-01 -9.8314434289932251e-02 - <_> - - 0 -1 381 -5.5922558531165123e-03 - - -6.4762401580810547e-01 4.1314963251352310e-02 - <_> - - 0 -1 595 3.1491921981796622e-04 - - -1.4864055812358856e-01 1.4411780238151550e-01 - <_> - - 0 -1 136 -5.7063563726842403e-03 - - -4.6024248003959656e-01 4.7999884933233261e-02 - <_> - - 0 -1 210 -1.2257394846528769e-03 - - 3.2288366556167603e-01 -7.0425607264041901e-02 - <_> - - 0 -1 775 -1.6291948035359383e-02 - - 2.7573275566101074e-01 -8.3055868744850159e-02 - <_> - - 0 -1 156 -8.1639690324664116e-04 - - 1.7044979333877563e-01 -1.4129574596881866e-01 - <_> - - 0 -1 975 5.1114819943904877e-03 - - 3.3882420510053635e-02 -6.9941717386245728e-01 - <_> - - 0 -1 977 -2.8371806256473064e-03 - - -3.7707236409187317e-01 5.7759616523981094e-02 - <_> - - 0 -1 772 5.3479857742786407e-03 - - 4.1541736572980881e-02 -4.8687714338302612e-01 - <_> - - 0 -1 735 1.1360908392816782e-03 - - -7.8717894852161407e-02 2.9692038893699646e-01 - <_> - - 0 -1 947 1.4100213302299380e-03 - - 4.3843001127243042e-02 -5.1339787244796753e-01 - <_> - - 0 -1 387 8.7079760851338506e-04 - - -9.8695866763591766e-02 2.2730629146099091e-01 - <_> - - 0 -1 211 -5.4065873846411705e-03 - - -6.3011974096298218e-01 3.7802927196025848e-02 - <_> - - 0 -1 816 -1.6894804313778877e-02 - - -5.0091201066970825e-01 3.5215172916650772e-02 - <_> - - 0 -1 766 1.4164673630148172e-03 - - -8.8441111147403717e-02 2.4102251231670380e-01 - <_> - - 0 -1 704 -1.1464871931821108e-03 - - 1.9273723661899567e-01 -1.1090471595525742e-01 - <_> - - 0 -1 861 -3.2706123311072588e-03 - - -4.5202803611755371e-01 4.7059688717126846e-02 - <_> - - 0 -1 70 1.1416582390666008e-02 - - 2.6714416220784187e-02 -6.9660711288452148e-01 - <_> - - 0 -1 310 2.7643535286188126e-03 - - 4.7252438962459564e-02 -3.9458727836608887e-01 - <_> - - 0 -1 435 2.4567130021750927e-03 - - -7.5188823044300079e-02 2.9944056272506714e-01 - <_> - - 0 -1 441 -7.3516201227903366e-03 - - 2.8476437926292419e-01 -9.2367134988307953e-02 - <_> - - 0 -1 662 -4.3670929968357086e-02 - - -6.8588620424270630e-01 3.3353023231029510e-02 - <_> - - 0 -1 138 -6.4992159605026245e-02 - - -7.9678738117218018e-01 2.0331909880042076e-02 - <_> - - 0 -1 286 -1.1700032278895378e-02 - - -6.1183351278305054e-01 2.7328895404934883e-02 - <_> - - 0 -1 589 3.0743866227567196e-03 - - -7.7295452356338501e-02 2.6685911417007446e-01 - <_> - - 0 -1 584 -1.5546076931059361e-02 - - -5.5246621370315552e-01 4.0912687778472900e-02 - <_> - - 0 -1 40 6.5568592399358749e-03 - - -1.0432150214910507e-01 1.9379787147045135e-01 - <_> - - 0 -1 29 -8.0047458410263062e-02 - - 3.9228948950767517e-01 -5.2565738558769226e-02 - <_> - - 0 -1 227 1.5684183686971664e-02 - - -1.1151826381683350e-01 1.8633136153221130e-01 - <_> - - 0 -1 546 2.3603178560733795e-03 - - -1.0219112038612366e-01 2.0333246886730194e-01 - <_> - - 0 -1 585 -3.5169085022062063e-03 - - 2.7427124977111816e-01 -8.6362943053245544e-02 - <_> - - 0 -1 476 9.4871241599321365e-03 - - 3.5626750439405441e-02 -6.2631088495254517e-01 - <_> - - 0 -1 629 -9.3261618167161942e-03 - - -7.1806514263153076e-01 2.4241568520665169e-02 - <_> - - 0 -1 666 -6.3302312046289444e-03 - - 2.1094995737075806e-01 -9.2475786805152893e-02 - <_> - - 0 -1 598 -2.8244811110198498e-03 - - 2.6596403121948242e-01 -8.0099694430828094e-02 - <_> - - 0 -1 145 -1.1591307818889618e-02 - - 2.3619163036346436e-01 -8.5169024765491486e-02 - <_> - - 0 -1 117 2.1401243284344673e-03 - - -1.0995808988809586e-01 2.1230246126651764e-01 - <_> - - 0 -1 562 4.2046746239066124e-03 - - 3.6688093096017838e-02 -6.1654287576675415e-01 - <_> - - 0 -1 605 1.1085141450166702e-03 - - -8.0656312406063080e-02 2.7754181623458862e-01 - <_> - - 0 -1 829 -8.2805287092924118e-03 - - -6.5883606672286987e-01 3.6048211157321930e-02 - - <_> - 70 - -1.2368309497833252e+00 - - <_> - - 0 -1 716 -3.3105849288403988e-03 - - 5.0566112995147705e-01 -8.2956805825233459e-02 - <_> - - 0 -1 190 4.5855166390538216e-03 - - -1.3226345181465149e-01 3.9034894108772278e-01 - <_> - - 0 -1 576 -2.6665716432034969e-03 - - 2.7508354187011719e-01 -1.3807572424411774e-01 - <_> - - 0 -1 734 1.8106825649738312e-02 - - -1.2738862633705139e-01 3.5449108481407166e-01 - <_> - - 0 -1 830 -5.7813120074570179e-03 - - 2.7463605999946594e-01 -1.2951526045799255e-01 - <_> - - 0 -1 379 8.9321136474609375e-03 - - 4.8491790890693665e-02 -5.8104276657104492e-01 - <_> - - 0 -1 17 6.2806839123368263e-03 - - -1.3215491175651550e-01 2.1852293610572815e-01 - <_> - - 0 -1 9 -4.3670572340488434e-02 - - 3.8786840438842773e-01 -7.4191503226757050e-02 - <_> - - 0 -1 554 -6.2309622764587402e-02 - - 3.3408007025718689e-01 -8.7087221443653107e-02 - <_> - - 0 -1 686 -3.2859744969755411e-03 - - 3.3486780524253845e-01 -8.9008949697017670e-02 - <_> - - 0 -1 346 -3.9627305231988430e-03 - - 2.6155433058738708e-01 -9.5614455640316010e-02 - <_> - - 0 -1 434 1.0877416934818029e-03 - - -1.4199735224246979e-01 1.8414285778999329e-01 - <_> - - 0 -1 249 5.4819821380078793e-03 - - 7.4260123074054718e-02 -5.6989872455596924e-01 - <_> - - 0 -1 916 4.9011572264134884e-04 - - -1.9576059281826019e-01 1.3506270945072174e-01 - <_> - - 0 -1 911 -7.7052684500813484e-03 - - -5.0443643331527710e-01 6.1383318156003952e-02 - <_> - - 0 -1 164 4.8691947013139725e-03 - - 4.3469026684761047e-02 -5.2802342176437378e-01 - <_> - - 0 -1 344 2.4673391599208117e-03 - - -8.9178681373596191e-02 3.0606627464294434e-01 - <_> - - 0 -1 172 -3.6682826466858387e-03 - - -6.5514552593231201e-01 4.7427203506231308e-02 - <_> - - 0 -1 365 2.5194899644702673e-03 - - 4.9365170300006866e-02 -4.0812951326370239e-01 - <_> - - 0 -1 531 5.8970693498849869e-03 - - 3.5579398274421692e-02 -6.4191317558288574e-01 - <_> - - 0 -1 842 1.7767311073839664e-03 - - -8.6629316210746765e-02 2.7705979347229004e-01 - <_> - - 0 -1 885 4.0457276627421379e-03 - - 5.6002113968133926e-02 -4.7005215287208557e-01 - <_> - - 0 -1 522 3.2862280495464802e-03 - - -1.2930884957313538e-01 2.0613414049148560e-01 - <_> - - 0 -1 322 1.4660503948107362e-03 - - -9.9395424127578735e-02 3.3950179815292358e-01 - <_> - - 0 -1 266 1.9015703350305557e-02 - - 6.0197159647941589e-02 -5.1893943548202515e-01 - <_> - - 0 -1 102 -7.1178808808326721e-02 - - -4.3668299913406372e-01 4.7340013086795807e-02 - <_> - - 0 -1 795 -4.6305771684274077e-04 - - 1.4736598730087280e-01 -1.5406486392021179e-01 - <_> - - 0 -1 298 -4.7644632868468761e-03 - - -5.0336647033691406e-01 4.4053792953491211e-02 - <_> - - 0 -1 761 -8.5318256169557571e-03 - - -5.9967356920242310e-01 3.2567754387855530e-02 - <_> - - 0 -1 713 -2.7496295515447855e-03 - - 1.3502316176891327e-01 -1.6025592386722565e-01 - <_> - - 0 -1 607 4.2666587978601456e-03 - - 2.5802688673138618e-02 -7.8170543909072876e-01 - <_> - - 0 -1 216 -2.9856398701667786e-02 - - 2.4982222914695740e-01 -8.8180385529994965e-02 - <_> - - 0 -1 226 2.2136634215712547e-03 - - -1.4314906299114227e-01 1.6945528984069824e-01 - <_> - - 0 -1 640 1.6336794942617416e-02 - - 4.6008959412574768e-02 -4.9338266253471375e-01 - <_> - - 0 -1 459 7.9861842095851898e-03 - - -1.1460029333829880e-01 1.9282819330692291e-01 - <_> - - 0 -1 650 -1.7455726629123092e-03 - - 1.7520657181739807e-01 -1.2269173562526703e-01 - <_> - - 0 -1 124 -6.2451506964862347e-03 - - -4.5638361573219299e-01 4.8106320202350616e-02 - <_> - - 0 -1 406 8.5668899118900299e-03 - - -8.0403454601764679e-02 3.0411326885223389e-01 - <_> - - 0 -1 974 8.6863581091165543e-03 - - 3.4176670014858246e-02 -7.3028022050857544e-01 - <_> - - 0 -1 36 1.0814646258950233e-02 - - 2.5131458416581154e-02 -6.7325627803802490e-01 - <_> - - 0 -1 709 4.4222913682460785e-02 - - 3.9326712489128113e-02 -5.1067680120468140e-01 - <_> - - 0 -1 903 3.7128489930182695e-03 - - -1.3248492777347565e-01 1.6692358255386353e-01 - <_> - - 0 -1 129 -4.6475054696202278e-03 - - 1.7683532834053040e-01 -1.2570241093635559e-01 - <_> - - 0 -1 291 4.2433524504303932e-03 - - 3.6985948681831360e-02 -5.8369445800781250e-01 - <_> - - 0 -1 315 -5.1774000748991966e-03 - - 5.1487326622009277e-01 -4.1473735123872757e-02 - <_> - - 0 -1 855 4.2645614594221115e-03 - - 3.7253957241773605e-02 -5.7676959037780762e-01 - <_> - - 0 -1 83 4.8632645048201084e-03 - - -6.7035257816314697e-02 3.1131938099861145e-01 - <_> - - 0 -1 250 2.6089766994118690e-02 - - -8.2920446991920471e-02 3.0445784330368042e-01 - <_> - - 0 -1 625 -1.9001008477061987e-03 - - -4.3419414758682251e-01 4.6812325716018677e-02 - <_> - - 0 -1 891 -6.0952613130211830e-03 - - -5.1850622892379761e-01 3.6754775792360306e-02 - <_> - - 0 -1 564 1.2120242230594158e-02 - - -7.4773810803890228e-02 2.6738941669464111e-01 - <_> - - 0 -1 817 -1.8978580832481384e-02 - - 2.5657230615615845e-01 -8.0304212868213654e-02 - <_> - - 0 -1 338 4.3438978493213654e-02 - - -6.2818735837936401e-02 3.2261833548545837e-01 - <_> - - 0 -1 773 9.4384723342955112e-04 - - -9.8582215607166290e-02 2.2370135784149170e-01 - <_> - - 0 -1 519 -4.1803726926445961e-03 - - -4.9802374839782715e-01 4.3809909373521805e-02 - <_> - - 0 -1 195 -9.7246468067169189e-03 - - 2.2823798656463623e-01 -9.8547600209712982e-02 - <_> - - 0 -1 658 2.7193846181035042e-03 - - -9.1188244521617889e-02 2.2684387862682343e-01 - <_> - - 0 -1 174 6.2224082648754120e-03 - - 3.2258503139019012e-02 -6.0108250379562378e-01 - <_> - - 0 -1 77 -4.8602908849716187e-01 - - 6.3337916135787964e-01 -3.3006772398948669e-02 - <_> - - 0 -1 550 -5.3604291751980782e-03 - - 2.9434949159622192e-01 -6.1312302947044373e-02 - <_> - - 0 -1 541 5.5021280422806740e-03 - - 4.1839476674795151e-02 -4.5681878924369812e-01 - <_> - - 0 -1 326 -1.3823953922837973e-03 - - 1.6067574918270111e-01 -1.1796293407678604e-01 - <_> - - 0 -1 514 2.0954519510269165e-02 - - -5.7253565639257431e-02 3.3830171823501587e-01 - <_> - - 0 -1 409 7.4234008789062500e-03 - - -7.4798591434955597e-02 2.6430690288543701e-01 - <_> - - 0 -1 578 2.1767318248748779e-03 - - -8.0530151724815369e-02 2.5947657227516174e-01 - <_> - - 0 -1 623 1.8930230289697647e-03 - - -8.1788897514343262e-02 2.2988820075988770e-01 - <_> - - 0 -1 533 6.9275917485356331e-03 - - 2.6962997391819954e-02 -7.6910203695297241e-01 - <_> - - 0 -1 334 6.7140227183699608e-03 - - 2.3244854062795639e-02 -6.8406605720520020e-01 - <_> - - 0 -1 632 -3.4494437277317047e-02 - - -6.5257686376571655e-01 2.4584138765931129e-02 - <_> - - 0 -1 787 1.9636256620287895e-03 - - -9.1118760406970978e-02 2.0629465579986572e-01 - - <_> - 80 - -1.3304495811462402e+00 - - <_> - - 0 -1 572 -9.1053368523716927e-03 - - 4.8031216859817505e-01 -9.3147851526737213e-02 - <_> - - 0 -1 715 -2.1384856663644314e-03 - - 3.4027156233787537e-01 -1.4834050834178925e-01 - <_> - - 0 -1 953 1.2453617528080940e-02 - - -8.0359503626823425e-02 4.7585478425025940e-01 - <_> - - 0 -1 198 5.0965799018740654e-03 - - -1.6364066302776337e-01 2.9590085148811340e-01 - <_> - - 0 -1 477 -3.1894792336970568e-03 - - 1.7039565742015839e-01 -2.1295401453971863e-01 - <_> - - 0 -1 314 -1.4799979981034994e-03 - - -4.1050529479980469e-01 5.3783610463142395e-02 - <_> - - 0 -1 66 6.0710287652909756e-03 - - -1.5162153542041779e-01 1.8406888842582703e-01 - <_> - - 0 -1 401 4.3081510812044144e-03 - - 5.0293717533349991e-02 -4.6324169635772705e-01 - <_> - - 0 -1 970 1.8933035898953676e-03 - - 6.5655551850795746e-02 -3.9198148250579834e-01 - <_> - - 0 -1 782 -1.6021143645048141e-02 - - 2.2748421132564545e-01 -1.0609938949346542e-01 - <_> - - 0 -1 928 -8.9298677630722523e-04 - - 3.1164079904556274e-01 -1.1380065232515335e-01 - <_> - - 0 -1 888 -1.4284942299127579e-03 - - 2.7966943383216858e-01 -9.6580952405929565e-02 - <_> - - 0 -1 822 2.5015190243721008e-02 - - 4.2534209787845612e-02 -6.2623745203018188e-01 - <_> - - 0 -1 583 -2.8645459096878767e-03 - - -4.1426309943199158e-01 5.1780503243207932e-02 - <_> - - 0 -1 902 3.2044243998825550e-03 - - -1.1883606761693954e-01 1.9546063244342804e-01 - <_> - - 0 -1 319 -1.0433372110128403e-02 - - 2.6159819960594177e-01 -9.3164652585983276e-02 - <_> - - 0 -1 287 -9.7299478948116302e-03 - - -4.9464005231857300e-01 5.0998747348785400e-02 - <_> - - 0 -1 206 -2.1688457578420639e-02 - - 5.6923902034759521e-01 -4.9958106130361557e-02 - <_> - - 0 -1 38 -2.9492072761058807e-02 - - -6.1336356401443481e-01 4.7003138810396194e-02 - <_> - - 0 -1 35 -2.4866596795618534e-03 - - -3.9986124634742737e-01 5.7781789451837540e-02 - <_> - - 0 -1 965 4.0488247759640217e-03 - - 4.6429801732301712e-02 -4.4500553607940674e-01 - <_> - - 0 -1 735 -9.3909690622240305e-04 - - 2.4617424607276917e-01 -9.0848781168460846e-02 - <_> - - 0 -1 989 -5.2673118188977242e-03 - - -6.4129960536956787e-01 3.5207435488700867e-02 - <_> - - 0 -1 806 -6.1755320057272911e-03 - - 1.7039734125137329e-01 -1.3195209205150604e-01 - <_> - - 0 -1 201 1.5832348726689816e-03 - - -9.2635877430438995e-02 2.5755262374877930e-01 - <_> - - 0 -1 914 2.8633023612201214e-03 - - 5.0923369824886322e-02 -4.6171438694000244e-01 - <_> - - 0 -1 12 -2.3722708225250244e-02 - - -4.5609694719314575e-01 4.3677136301994324e-02 - <_> - - 0 -1 419 5.8846692554652691e-03 - - 5.1512561738491058e-02 -4.4899132847785950e-01 - <_> - - 0 -1 201 -8.2513026427477598e-04 - - 2.4914309382438660e-01 -8.9795768260955811e-02 - <_> - - 0 -1 690 -2.9888928402215242e-03 - - -4.0133482217788696e-01 5.5449619889259338e-02 - <_> - - 0 -1 237 1.8384978175163269e-02 - - 4.9513496458530426e-02 -4.2024865746498108e-01 - <_> - - 0 -1 947 -2.4238843470811844e-03 - - -6.7325645685195923e-01 2.8972415253520012e-02 - <_> - - 0 -1 724 8.1563717685639858e-04 - - -1.4400914311408997e-01 1.5184181928634644e-01 - <_> - - 0 -1 315 2.1788734011352062e-03 - - -8.2650899887084961e-02 2.5927037000656128e-01 - <_> - - 0 -1 376 3.7263201083987951e-03 - - -6.3213117420673370e-02 3.8062268495559692e-01 - <_> - - 0 -1 631 3.0819473322480917e-03 - - 3.9066124707460403e-02 -6.2055569887161255e-01 - <_> - - 0 -1 691 2.7417289093136787e-03 - - 3.2166294753551483e-02 -5.6402361392974854e-01 - <_> - - 0 -1 581 -3.8205389864742756e-03 - - 2.5668358802795410e-01 -7.9121366143226624e-02 - <_> - - 0 -1 61 -1.2516178190708160e-02 - - -7.0402121543884277e-01 3.2493114471435547e-02 - <_> - - 0 -1 60 4.6941628679633141e-03 - - 4.7352086752653122e-02 -4.0129581093788147e-01 - <_> - - 0 -1 483 5.0501096993684769e-03 - - -1.0563907027244568e-01 2.3647888004779816e-01 - <_> - - 0 -1 497 1.5111428685486317e-02 - - -6.7443214356899261e-02 2.7579694986343384e-01 - <_> - - 0 -1 423 7.4835181236267090e-02 - - -6.2918186187744141e-02 3.6493194103240967e-01 - <_> - - 0 -1 498 1.3086002320051193e-02 - - 2.9699811711907387e-02 -7.4420636892318726e-01 - <_> - - 0 -1 778 -5.4838880896568298e-03 - - 2.2497597336769104e-01 -8.8018722832202911e-02 - <_> - - 0 -1 261 3.3699360210448503e-03 - - -6.9213069975376129e-02 2.9263094067573547e-01 - <_> - - 0 -1 118 7.7881952747702599e-03 - - 5.8034870773553848e-02 -3.9803403615951538e-01 - <_> - - 0 -1 421 -1.9298251718282700e-02 - - 2.1273820102214813e-01 -9.6075013279914856e-02 - <_> - - 0 -1 440 1.3059679418802261e-02 - - 4.0989801287651062e-02 -4.9787399172782898e-01 - <_> - - 0 -1 510 -2.2303011268377304e-02 - - -6.5915608406066895e-01 2.7258813381195068e-02 - <_> - - 0 -1 260 -5.2872681990265846e-03 - - 2.9461637139320374e-01 -6.9564543664455414e-02 - <_> - - 0 -1 464 6.0780980857089162e-04 - - -9.5468334853649139e-02 2.0951601862907410e-01 - <_> - - 0 -1 444 4.8917778767645359e-03 - - 3.9317954331636429e-02 -5.3803342580795288e-01 - <_> - - 0 -1 238 -1.0402110219001770e-01 - - 5.4199391603469849e-01 -3.9763871580362320e-02 - <_> - - 0 -1 687 3.8908584974706173e-03 - - 3.8185238838195801e-02 -5.3280067443847656e-01 - <_> - - 0 -1 353 8.0125425010919571e-03 - - -7.8310973942279816e-02 2.4926608800888062e-01 - <_> - - 0 -1 954 -3.4356187097728252e-03 - - 2.3415692150592804e-01 -9.2279240489006042e-02 - <_> - - 0 -1 896 -5.2030328661203384e-03 - - -5.0255048274993896e-01 4.4738721102476120e-02 - <_> - - 0 -1 555 -5.5568795651197433e-03 - - 2.8329169750213623e-01 -7.0860259234905243e-02 - <_> - - 0 -1 627 -7.6205702498555183e-03 - - 2.5350978970527649e-01 -7.2612494230270386e-02 - <_> - - 0 -1 309 2.7379104495048523e-01 - - -5.6398060172796249e-02 3.6085364222526550e-01 - <_> - - 0 -1 622 7.3067229241132736e-03 - - -6.2759615480899811e-02 3.1996127963066101e-01 - <_> - - 0 -1 415 3.2574313227087259e-03 - - 4.1181974112987518e-02 -4.9355933070182800e-01 - <_> - - 0 -1 57 -1.2764024734497070e-01 - - 2.5147503614425659e-01 -7.5440123677253723e-02 - <_> - - 0 -1 530 -3.2227888703346252e-02 - - 3.9548832178115845e-01 -4.7284111380577087e-02 - <_> - - 0 -1 764 2.3350853472948074e-02 - - -7.2977773845195770e-02 2.5172060728073120e-01 - <_> - - 0 -1 26 2.7610745746642351e-05 - - -1.3625738024711609e-01 1.3250400125980377e-01 - <_> - - 0 -1 808 6.9611091166734695e-03 - - 2.9794082045555115e-02 -5.8855760097503662e-01 - <_> - - 0 -1 210 -9.9057564511895180e-04 - - 2.5895762443542480e-01 -7.1211874485015869e-02 - <_> - - 0 -1 218 -3.7965672090649605e-03 - - -6.4451014995574951e-01 3.5450231283903122e-02 - <_> - - 0 -1 346 3.9518065750598907e-03 - - -6.3615679740905762e-02 3.0333930253982544e-01 - <_> - - 0 -1 282 -5.4976264946162701e-03 - - -4.3285435438156128e-01 4.7526597976684570e-02 - <_> - - 0 -1 721 7.1266246959567070e-03 - - -6.6810697317123413e-02 2.8491511940956116e-01 - <_> - - 0 -1 912 -3.0366722494363785e-03 - - -4.3046197295188904e-01 4.4313102960586548e-02 - <_> - - 0 -1 714 -1.7097850795835257e-03 - - 2.5873449444770813e-01 -7.3857538402080536e-02 - <_> - - 0 -1 702 -4.4310283847153187e-03 - - 2.1451152861118317e-01 -8.7626561522483826e-02 - <_> - - 0 -1 47 -3.9760642684996128e-03 - - -4.6889033913612366e-01 3.8441929966211319e-02 - <_> - - 0 -1 683 -2.9741778969764709e-02 - - -5.5860131978988647e-01 3.0309556052088737e-02 - <_> - - 0 -1 13 1.3289751112461090e-01 - - 2.8634676709771156e-02 -5.6014162302017212e-01 - <_> - - 0 -1 386 -1.1272695846855640e-03 - - 1.7104774713516235e-01 -1.0818520933389664e-01 - - <_> - 83 - -1.2789946794509888e+00 - - <_> - - 0 -1 649 1.3820428401231766e-02 - - -1.0330537706613541e-01 4.5001628994941711e-01 - <_> - - 0 -1 834 -1.0161036625504494e-02 - - 3.2188063859939575e-01 -1.5805941820144653e-01 - <_> - - 0 -1 398 -3.8372592534869909e-03 - - 3.2943242788314819e-01 -1.1501405388116837e-01 - <_> - - 0 -1 769 3.4624878317117691e-02 - - -9.8698168992996216e-02 5.4050970077514648e-01 - <_> - - 0 -1 437 5.7967011816799641e-03 - - -1.1608023941516876e-01 2.8170758485794067e-01 - <_> - - 0 -1 754 4.7825248911976814e-03 - - -1.3033217191696167e-01 2.4669390916824341e-01 - <_> - - 0 -1 74 7.1141775697469711e-04 - - -2.0435671508312225e-01 1.1761441081762314e-01 - <_> - - 0 -1 22 -2.9168082401156425e-02 - - -6.2692928314208984e-01 5.5113222450017929e-02 - <_> - - 0 -1 796 2.1553519181907177e-03 - - 5.3858544677495956e-02 -4.2096143960952759e-01 - <_> - - 0 -1 894 -2.1254396997392178e-03 - - 4.2603659629821777e-01 -5.0405498594045639e-02 - <_> - - 0 -1 894 8.4234733367338777e-04 - - -9.3583315610885620e-02 2.6316204667091370e-01 - <_> - - 0 -1 948 -1.6576268244534731e-03 - - -3.5802370309829712e-01 6.8603202700614929e-02 - <_> - - 0 -1 554 6.5620511770248413e-02 - - -6.4758449792861938e-02 3.8339248299598694e-01 - <_> - - 0 -1 361 -1.8485928885638714e-03 - - 1.7337062954902649e-01 -1.3676019012928009e-01 - <_> - - 0 -1 305 -1.8170465528964996e-01 - - 4.0350264310836792e-01 -5.3196940571069717e-02 - <_> - - 0 -1 848 -3.4317909739911556e-03 - - -5.2157330513000488e-01 4.6489212661981583e-02 - <_> - - 0 -1 800 -2.7482535224407911e-03 - - -5.1078474521636963e-01 4.3557438999414444e-02 - <_> - - 0 -1 731 -4.7894287854433060e-03 - - 3.4981805086135864e-01 -6.5036587417125702e-02 - <_> - - 0 -1 706 -3.3211666159331799e-03 - - 2.1143883466720581e-01 -1.1754662543535233e-01 - <_> - - 0 -1 677 3.5642951726913452e-02 - - 3.7131600081920624e-02 -6.2165355682373047e-01 - <_> - - 0 -1 481 -3.1561930663883686e-03 - - -4.2197883129119873e-01 4.7645546495914459e-02 - <_> - - 0 -1 872 5.2224877290427685e-03 - - -1.0117106884717941e-01 2.1957167983055115e-01 - <_> - - 0 -1 140 2.5758458301424980e-02 - - -9.6981137990951538e-02 3.0423089861869812e-01 - <_> - - 0 -1 567 2.8883803170174360e-03 - - 4.4947806745767593e-02 -5.5540132522583008e-01 - <_> - - 0 -1 484 2.6014349423348904e-03 - - 4.5947834849357605e-02 -4.1711980104446411e-01 - <_> - - 0 -1 257 -7.8792509157210588e-04 - - 1.5732656419277191e-01 -1.2769798934459686e-01 - <_> - - 0 -1 252 4.2199464514851570e-03 - - -9.4008974730968475e-02 2.6868444681167603e-01 - <_> - - 0 -1 571 -2.4246796965599060e-03 - - -4.9610009789466858e-01 4.6141009777784348e-02 - <_> - - 0 -1 465 -1.8996626604348421e-03 - - 2.6260954141616821e-01 -8.5721127688884735e-02 - <_> - - 0 -1 945 1.8048105994239450e-03 - - 7.1231566369533539e-02 -3.2751160860061646e-01 - <_> - - 0 -1 249 -5.6593962945044041e-03 - - -5.0264769792556763e-01 4.0275387465953827e-02 - <_> - - 0 -1 940 -3.4701074473559856e-03 - - -4.9033272266387939e-01 3.6995064467191696e-02 - <_> - - 0 -1 766 1.1992279905825853e-03 - - -9.3982182443141937e-02 2.2527951002120972e-01 - <_> - - 0 -1 528 -3.3614276908338070e-03 - - 1.5591301023960114e-01 -1.3875743746757507e-01 - <_> - - 0 -1 758 9.2923380434513092e-03 - - 2.8368480503559113e-02 -6.3946157693862915e-01 - <_> - - 0 -1 98 -1.6806223988533020e-01 - - -6.3519150018692017e-01 2.4432161822915077e-02 - <_> - - 0 -1 614 -1.5483988681808114e-03 - - -4.9389392137527466e-01 3.4452050924301147e-02 - <_> - - 0 -1 961 7.9401559196412563e-04 - - -1.6395612061023712e-01 1.1427336186170578e-01 - <_> - - 0 -1 245 -5.3670424968004227e-03 - - -5.4615026712417603e-01 3.2274313271045685e-02 - <_> - - 0 -1 923 -5.1019818056374788e-04 - - 1.4040225744247437e-01 -1.2673649191856384e-01 - <_> - - 0 -1 846 -9.6546392887830734e-04 - - 2.3117446899414062e-01 -7.7826015651226044e-02 - <_> - - 0 -1 994 -9.7423873376101255e-04 - - -4.0673121809959412e-01 4.6749390661716461e-02 - <_> - - 0 -1 970 -4.7841384075582027e-03 - - -5.0288796424865723e-01 3.4186109900474548e-02 - <_> - - 0 -1 89 6.8537802435457706e-03 - - 5.0501946359872818e-02 -3.5414797067642212e-01 - <_> - - 0 -1 651 4.1695050895214081e-03 - - -6.8471699953079224e-02 2.8334242105484009e-01 - <_> - - 0 -1 391 2.6521178369875997e-05 - - -1.7646598815917969e-01 1.0057727992534637e-01 - <_> - - 0 -1 674 -1.8193974392488599e-03 - - -5.2059328556060791e-01 3.4266594797372818e-02 - <_> - - 0 -1 284 1.1680822353810072e-03 - - -7.5169444084167480e-02 2.3740953207015991e-01 - <_> - - 0 -1 284 -5.8111123507842422e-04 - - 2.4673853814601898e-01 -8.9036554098129272e-02 - <_> - - 0 -1 789 5.5753946304321289e-02 - - -4.8898559063673019e-02 3.7110447883605957e-01 - <_> - - 0 -1 388 -6.0947462916374207e-03 - - -4.8019152879714966e-01 3.6990296095609665e-02 - <_> - - 0 -1 988 3.3249799162149429e-03 - - 3.2017692923545837e-02 -4.8544195294380188e-01 - <_> - - 0 -1 586 -1.1994136497378349e-02 - - 2.7767661213874817e-01 -6.2677264213562012e-02 - <_> - - 0 -1 940 1.9462420605123043e-03 - - 5.7167824357748032e-02 -3.2460683584213257e-01 - <_> - - 0 -1 482 -3.5742400214076042e-03 - - 2.1856486797332764e-01 -7.7333562076091766e-02 - <_> - - 0 -1 543 3.4013153053820133e-03 - - -9.4114005565643311e-02 2.3269242048263550e-01 - <_> - - 0 -1 859 6.4494553953409195e-03 - - 3.4765381366014481e-02 -5.1627504825592041e-01 - <_> - - 0 -1 163 -1.2767435982823372e-02 - - 2.5566741824150085e-01 -6.7411571741104126e-02 - <_> - - 0 -1 230 2.2043818607926369e-03 - - -1.3278621435165405e-01 1.7942063510417938e-01 - <_> - - 0 -1 229 -4.0757502429187298e-03 - - -3.8042715191841125e-01 4.4863421469926834e-02 - <_> - - 0 -1 730 2.2066584788262844e-03 - - -7.0331946015357971e-02 2.5572371482849121e-01 - <_> - - 0 -1 700 2.2714279592037201e-02 - - 4.1653785854578018e-02 -4.4101753830909729e-01 - <_> - - 0 -1 749 -1.1373223736882210e-02 - - 3.2443967461585999e-01 -5.8059785515069962e-02 - <_> - - 0 -1 835 1.8165379296988249e-03 - - -7.2351627051830292e-02 2.2953742742538452e-01 - <_> - - 0 -1 235 -2.8745923191308975e-03 - - -3.9090758562088013e-01 4.6148840337991714e-02 - <_> - - 0 -1 673 -5.7676057331264019e-03 - - 2.4503223598003387e-01 -7.2128646075725555e-02 - <_> - - 0 -1 177 1.2852130457758904e-02 - - -1.1143829673528671e-01 1.6758553683757782e-01 - <_> - - 0 -1 141 -4.2651765048503876e-02 - - 2.3846423625946045e-01 -7.9255387187004089e-02 - <_> - - 0 -1 24 -6.8766735494136810e-03 - - -3.9145267009735107e-01 5.2240811288356781e-02 - <_> - - 0 -1 15 -1.5351611375808716e-01 - - -5.4598790407180786e-01 2.9950620606541634e-02 - <_> - - 0 -1 280 -1.7586871981620789e-02 - - 2.4160921573638916e-01 -7.7404774725437164e-02 - <_> - - 0 -1 557 2.8469474054872990e-03 - - -7.1562752127647400e-02 2.3895153403282166e-01 - <_> - - 0 -1 493 -2.6379337534308434e-02 - - 2.7370086312294006e-01 -6.5483018755912781e-02 - <_> - - 0 -1 759 -6.6346197854727507e-04 - - 1.7174075543880463e-01 -1.0841262340545654e-01 - <_> - - 0 -1 736 1.4637422282248735e-03 - - -1.1365657299757004e-01 1.6123561561107635e-01 - <_> - - 0 -1 569 -1.3798776781186461e-03 - - 2.3192690312862396e-01 -7.5626462697982788e-02 - <_> - - 0 -1 516 -6.8256547674536705e-03 - - 2.4984428286552429e-01 -7.2457753121852875e-02 - <_> - - 0 -1 312 -9.0181883424520493e-03 - - 2.0358866453170776e-01 -9.5499873161315918e-02 - <_> - - 0 -1 218 3.1383798923343420e-03 - - 4.0804021060466766e-02 -4.9618390202522278e-01 - <_> - - 0 -1 171 -1.8526764586567879e-02 - - 2.2743205726146698e-01 -8.6628310382366180e-02 - <_> - - 0 -1 594 -2.2562327794730663e-03 - - -3.2850387692451477e-01 5.9250634163618088e-02 - <_> - - 0 -1 432 -4.1183121502399445e-03 - - -5.0281947851181030e-01 3.2455049455165863e-02 - <_> - - 0 -1 96 4.8136096447706223e-03 - - 3.1708184629678726e-02 -4.9248033761978149e-01 - - <_> - 90 - -1.2794928550720215e+00 - - <_> - - 0 -1 568 -4.7569684684276581e-03 - - 4.4339472055435181e-01 -1.0486443340778351e-01 - <_> - - 0 -1 795 -2.5423073675483465e-03 - - 3.9922216534614563e-01 -1.0431514680385590e-01 - <_> - - 0 -1 649 1.1162508279085159e-02 - - -1.5686489641666412e-01 2.3129878938198090e-01 - <_> - - 0 -1 847 1.7287035007029772e-03 - - -1.5123696625232697e-01 2.9676723480224609e-01 - <_> - - 0 -1 265 2.5025676935911179e-02 - - -5.1661748439073563e-02 4.8509848117828369e-01 - <_> - - 0 -1 78 1.2561861425638199e-02 - - -1.1817755550146103e-01 2.6937758922576904e-01 - <_> - - 0 -1 812 4.6598571352660656e-03 - - -1.3565555214881897e-01 2.1206009387969971e-01 - <_> - - 0 -1 434 7.4310216587036848e-04 - - -1.7020516097545624e-01 1.5990819036960602e-01 - <_> - - 0 -1 231 1.0259399190545082e-02 - - -1.4796857535839081e-01 1.8798792362213135e-01 - <_> - - 0 -1 278 -1.2777388095855713e-02 - - -5.4041445255279541e-01 4.8501875251531601e-02 - <_> - - 0 -1 489 -1.1427352204918861e-02 - - -5.1071381568908691e-01 4.8088576644659042e-02 - <_> - - 0 -1 819 2.8340169592411257e-05 - - -2.0961570739746094e-01 1.0582420229911804e-01 - <_> - - 0 -1 325 -6.4714960753917694e-03 - - -5.0862830877304077e-01 4.8812258988618851e-02 - <_> - - 0 -1 367 1.3540303334593773e-02 - - 2.7134107425808907e-02 -7.1317195892333984e-01 - <_> - - 0 -1 210 1.8916794797405601e-03 - - -6.2187314033508301e-02 3.6233416199684143e-01 - <_> - - 0 -1 51 1.0457850992679596e-02 - - 4.0487006306648254e-02 -5.3173840045928955e-01 - <_> - - 0 -1 893 -9.0822251513600349e-04 - - 2.0090451836585999e-01 -1.0807146877050400e-01 - <_> - - 0 -1 535 -1.9299473613500595e-02 - - -6.4914399385452271e-01 4.0790289640426636e-02 - <_> - - 0 -1 663 -8.2283990923315287e-04 - - 1.5708251297473907e-01 -1.3143004477024078e-01 - <_> - - 0 -1 523 3.7520762998610735e-03 - - 3.8761712610721588e-02 -4.9775493144989014e-01 - <_> - - 0 -1 762 8.2424264401197433e-03 - - 3.6369498819112778e-02 -5.1153117418289185e-01 - <_> - - 0 -1 805 -1.1945937294512987e-03 - - 1.3862735033035278e-01 -1.3917639851570129e-01 - <_> - - 0 -1 985 -1.0589268989861012e-02 - - 3.2981950044631958e-01 -7.6042778789997101e-02 - <_> - - 0 -1 128 2.6780981570482254e-02 - - 4.6954374760389328e-02 -4.5390221476554871e-01 - <_> - - 0 -1 705 5.2458671852946281e-03 - - -4.7804936766624451e-02 4.0361502766609192e-01 - <_> - - 0 -1 729 1.0518019553273916e-03 - - -1.0052871704101562e-01 1.9928459823131561e-01 - <_> - - 0 -1 407 3.9210864342749119e-03 - - 3.6381114274263382e-02 -5.4954099655151367e-01 - <_> - - 0 -1 873 -1.5182888135313988e-02 - - 2.8286656737327576e-01 -7.6106920838356018e-02 - <_> - - 0 -1 279 2.7552489191293716e-03 - - -1.2027227133512497e-01 2.0814672112464905e-01 - <_> - - 0 -1 869 1.3051946647465229e-02 - - 3.6561664193868637e-02 -6.8296074867248535e-01 - <_> - - 0 -1 849 4.4104140251874924e-03 - - 2.9448021203279495e-02 -5.9994471073150635e-01 - <_> - - 0 -1 799 2.3885946720838547e-03 - - 3.9816807955503464e-02 -4.6116915345191956e-01 - <_> - - 0 -1 551 2.3683100007474422e-03 - - 4.9801617860794067e-02 -3.9546611905097961e-01 - <_> - - 0 -1 707 -4.1178334504365921e-03 - - 1.6903834044933319e-01 -1.1102814227342606e-01 - <_> - - 0 -1 466 -2.7111368253827095e-03 - - 2.0166625082492828e-01 -9.3054622411727905e-02 - <_> - - 0 -1 360 -2.4442467838525772e-03 - - 1.3419428467750549e-01 -1.4021472632884979e-01 - <_> - - 0 -1 104 -6.9398069754242897e-03 - - -4.7041961550712585e-01 3.8327444344758987e-02 - <_> - - 0 -1 14 -7.5376339256763458e-02 - - 3.5196593403816223e-01 -5.8293107897043228e-02 - <_> - - 0 -1 270 -7.3061959119513631e-04 - - 2.0563322305679321e-01 -9.7862586379051208e-02 - <_> - - 0 -1 339 -4.4864090159535408e-03 - - -4.3219071626663208e-01 4.6815373003482819e-02 - <_> - - 0 -1 679 -3.3369990997016430e-03 - - -5.7968968152999878e-01 3.2250367105007172e-02 - <_> - - 0 -1 636 -5.7756435126066208e-03 - - -6.3823670148849487e-01 2.6716385036706924e-02 - <_> - - 0 -1 352 3.8174313958734274e-03 - - -7.8204549849033356e-02 2.4104152619838715e-01 - <_> - - 0 -1 414 3.9163082838058472e-03 - - 4.0961768478155136e-02 -4.2656800150871277e-01 - <_> - - 0 -1 670 -3.7615487817674875e-03 - - 2.0846015214920044e-01 -8.6097449064254761e-02 - <_> - - 0 -1 371 -9.5803234726190567e-03 - - -7.0837384462356567e-01 2.8397833928465843e-02 - <_> - - 0 -1 93 1.4632595703005791e-02 - - 1.8669826909899712e-02 -7.4236363172531128e-01 - <_> - - 0 -1 234 5.3799869492650032e-03 - - 3.0915707349777222e-02 -4.7074958682060242e-01 - <_> - - 0 -1 701 -2.4318110663443804e-03 - - 3.0304560065269470e-01 -5.6169599294662476e-02 - <_> - - 0 -1 641 3.8594864308834076e-02 - - 2.5472542271018028e-02 -6.8472218513488770e-01 - <_> - - 0 -1 125 1.6673290729522705e-01 - - -5.9959251433610916e-02 2.9591250419616699e-01 - <_> - - 0 -1 854 -5.0129964947700500e-03 - - 1.9718486070632935e-01 -9.4902090728282928e-02 - <_> - - 0 -1 960 -9.3115903437137604e-03 - - 2.8306549787521362e-01 -6.8168632686138153e-02 - <_> - - 0 -1 804 -2.7176579460501671e-03 - - 2.4883794784545898e-01 -7.3830418288707733e-02 - <_> - - 0 -1 787 6.9358374457806349e-04 - - -1.2474948167800903e-01 1.6316886246204376e-01 - <_> - - 0 -1 783 1.3523821253329515e-03 - - -7.3475763201713562e-02 3.0120497941970825e-01 - <_> - - 0 -1 532 -2.6339504867792130e-02 - - 4.7823980450630188e-01 -3.9222836494445801e-02 - <_> - - 0 -1 866 3.3510509878396988e-02 - - -3.8013227283954620e-02 4.1955846548080444e-01 - <_> - - 0 -1 694 -2.8097369067836553e-05 - - 1.2249568104743958e-01 -1.4184975624084473e-01 - <_> - - 0 -1 988 -4.0141213685274124e-03 - - -4.5551317930221558e-01 3.6903131753206253e-02 - <_> - - 0 -1 934 5.7984986342489719e-03 - - 3.9383981376886368e-02 -4.0305584669113159e-01 - <_> - - 0 -1 753 7.5392555445432663e-03 - - -9.3996182084083557e-02 1.8520636856555939e-01 - <_> - - 0 -1 943 4.5007485896348953e-03 - - 4.2565450072288513e-02 -4.0628531575202942e-01 - <_> - - 0 -1 500 5.0333794206380844e-03 - - -6.7051678895950317e-02 2.5224363803863525e-01 - <_> - - 0 -1 511 8.7359821191057563e-04 - - -9.5469102263450623e-02 1.7292767763137817e-01 - <_> - - 0 -1 771 3.0778967775404453e-03 - - -6.1908006668090820e-02 2.5266119837760925e-01 - <_> - - 0 -1 835 -2.2874618880450726e-03 - - 1.9187310338020325e-01 -8.5145145654678345e-02 - <_> - - 0 -1 634 4.0947222150862217e-03 - - 3.0908439308404922e-02 -5.5290663242340088e-01 - <_> - - 0 -1 488 2.1358881145715714e-02 - - 4.0033571422100067e-02 -3.8174301385879517e-01 - <_> - - 0 -1 159 -4.5840246602892876e-03 - - -5.2027910947799683e-01 3.0034648254513741e-02 - <_> - - 0 -1 232 9.8655056208372116e-03 - - 2.1588459610939026e-02 -6.3089925050735474e-01 - <_> - - 0 -1 223 2.5678081437945366e-03 - - -1.1046713590621948e-01 1.4713281393051147e-01 - <_> - - 0 -1 688 -2.6078277733176947e-03 - - 2.7103677392005920e-01 -5.9257075190544128e-02 - <_> - - 0 -1 355 2.6908484287559986e-03 - - 2.7514556422829628e-02 -6.3733005523681641e-01 - <_> - - 0 -1 715 -1.3983637327328324e-03 - - 1.5699537098407745e-01 -1.0462216287851334e-01 - <_> - - 0 -1 433 1.0498151183128357e-01 - - 3.0471364036202431e-02 -4.9990084767341614e-01 - <_> - - 0 -1 491 -1.4592260122299194e-01 - - 3.2007977366447449e-01 -5.2097231149673462e-02 - <_> - - 0 -1 825 7.8754723072052002e-03 - - -6.7778728902339935e-02 2.8044930100440979e-01 - <_> - - 0 -1 262 -5.3792521357536316e-03 - - 2.1354769170284271e-01 -8.2902953028678894e-02 - <_> - - 0 -1 420 -1.0021779686212540e-02 - - 2.5685080885887146e-01 -7.3165819048881531e-02 - <_> - - 0 -1 1 -4.2762188240885735e-03 - - 1.7162682116031647e-01 -9.7696490585803986e-02 - <_> - - 0 -1 67 1.0965526103973389e-02 - - -7.5053967535495758e-02 2.3615135252475739e-01 - <_> - - 0 -1 328 -4.4276113621890545e-03 - - 2.5747051835060120e-01 -6.3898853957653046e-02 - <_> - - 0 -1 276 -8.6840223520994186e-03 - - -4.7478455305099487e-01 3.6790292710065842e-02 - <_> - - 0 -1 938 2.8339526616036892e-03 - - 4.0944386273622513e-02 -3.6514538526535034e-01 - <_> - - 0 -1 790 7.6391562819480896e-02 - - -4.9489263445138931e-02 3.4142583608627319e-01 - <_> - - 0 -1 148 1.9103729864582419e-03 - - -5.6329321116209030e-02 2.9177185893058777e-01 - <_> - - 0 -1 304 5.2499733865261078e-02 - - 2.8848636895418167e-02 -5.9306102991104126e-01 - <_> - - 0 -1 956 -5.0793914124369621e-03 - - -5.0588577985763550e-01 2.8303196653723717e-02 - <_> - - 0 -1 967 -7.1491668932139874e-03 - - -6.2660187482833862e-01 2.3113224655389786e-02 - - <_> - 88 - -1.2153301239013672e+00 - - <_> - - 0 -1 803 3.5730558447539806e-03 - - -4.2218949645757675e-02 5.5067819356918335e-01 - <_> - - 0 -1 520 1.0531613603234291e-02 - - -1.0848262906074524e-01 4.2079353332519531e-01 - <_> - - 0 -1 570 -2.8240748215466738e-03 - - 1.5155430138111115e-01 -2.2742147743701935e-01 - <_> - - 0 -1 384 -1.6008135862648487e-03 - - 2.9879093170166016e-01 -1.0573560744524002e-01 - <_> - - 0 -1 90 -1.2082614004611969e-02 - - 2.5803449749946594e-01 -1.1197961121797562e-01 - <_> - - 0 -1 746 9.8490377422422171e-04 - - -1.8312133848667145e-01 1.3942104578018188e-01 - <_> - - 0 -1 347 1.3184763491153717e-02 - - -1.0306112468242645e-01 2.5403776764869690e-01 - <_> - - 0 -1 143 2.5388993322849274e-02 - - 6.4101323485374451e-02 -4.2444714903831482e-01 - <_> - - 0 -1 196 7.8083951957523823e-03 - - -7.8133262693881989e-02 3.2170715928077698e-01 - <_> - - 0 -1 921 1.2125947978347540e-03 - - -1.4831624925136566e-01 1.6055701673030853e-01 - <_> - - 0 -1 920 -5.7722916826605797e-03 - - -6.2254351377487183e-01 4.7926213592290878e-02 - <_> - - 0 -1 987 -6.7740413360297680e-03 - - -6.4991837739944458e-01 1.9058052450418472e-02 - <_> - - 0 -1 291 -2.8847754001617432e-03 - - -5.1574712991714478e-01 4.2939033359289169e-02 - <_> - - 0 -1 922 -5.1092512905597687e-02 - - -7.1794927120208740e-01 3.0500946566462517e-02 - <_> - - 0 -1 303 -3.0863287393003702e-03 - - -5.1027435064315796e-01 3.7360988557338715e-02 - <_> - - 0 -1 593 -3.1833123648539186e-04 - - 1.1626140773296356e-01 -1.7245446145534515e-01 - <_> - - 0 -1 210 1.2636608444154263e-03 - - -7.4942886829376221e-02 2.7081242203712463e-01 - <_> - - 0 -1 693 -2.7436314150691032e-02 - - -5.7718968391418457e-01 3.3168055117130280e-02 - <_> - - 0 -1 342 -1.8837231909856200e-03 - - -3.0960574746131897e-01 6.1044581234455109e-02 - <_> - - 0 -1 797 3.2289433293044567e-03 - - -6.8203814327716827e-02 2.9658797383308411e-01 - <_> - - 0 -1 503 -3.6236688029021025e-03 - - -4.9605649709701538e-01 4.2492914944887161e-02 - <_> - - 0 -1 135 -1.3776571722701192e-03 - - 1.3447758555412292e-01 -1.3678476214408875e-01 - <_> - - 0 -1 579 2.9051192104816437e-03 - - -1.2944447994232178e-01 1.4306847751140594e-01 - <_> - - 0 -1 722 4.4553354382514954e-03 - - 3.8421813398599625e-02 -4.5035859942436218e-01 - <_> - - 0 -1 622 1.0964765213429928e-02 - - -4.8769049346446991e-02 3.9813303947448730e-01 - <_> - - 0 -1 682 2.8863823972642422e-03 - - 5.1313977688550949e-02 -3.6272794008255005e-01 - <_> - - 0 -1 283 8.8652484118938446e-03 - - -9.4886533915996552e-02 2.1068450808525085e-01 - <_> - - 0 -1 333 -1.9646657630801201e-02 - - 2.2927023470401764e-01 -1.0384474694728851e-01 - <_> - - 0 -1 684 -2.3328745737671852e-03 - - -3.0931735038757324e-01 6.4516365528106689e-02 - <_> - - 0 -1 8 -4.0204055607318878e-02 - - 2.7381995320320129e-01 -7.6448827981948853e-02 - <_> - - 0 -1 100 1.9051276147365570e-02 - - 4.9466736614704132e-02 -3.6089882254600525e-01 - <_> - - 0 -1 936 1.1553505435585976e-02 - - -7.4454858899116516e-02 2.5223839282989502e-01 - <_> - - 0 -1 76 6.0810474678874016e-03 - - 4.9583721905946732e-02 -3.6660569906234741e-01 - <_> - - 0 -1 212 5.4147411137819290e-03 - - 3.2274514436721802e-02 -4.9895319342613220e-01 - <_> - - 0 -1 544 4.6544210053980350e-03 - - 2.5989409536123276e-02 -6.1053085327148438e-01 - <_> - - 0 -1 166 2.4446439929306507e-03 - - -1.2073440849781036e-01 1.4529803395271301e-01 - <_> - - 0 -1 698 4.6318914974108338e-04 - - -1.0553400218486786e-01 1.7337696254253387e-01 - <_> - - 0 -1 642 -3.7485856562852859e-02 - - -4.0581890940666199e-01 4.1759915649890900e-02 - <_> - - 0 -1 529 -2.0438145846128464e-02 - - 2.9171264171600342e-01 -6.6287793219089508e-02 - <_> - - 0 -1 524 -3.8345486391335726e-03 - - 1.5750087797641754e-01 -1.2569475173950195e-01 - <_> - - 0 -1 884 8.8059913832694292e-04 - - -1.0610871762037277e-01 1.7642241716384888e-01 - <_> - - 0 -1 33 2.0514219067990780e-03 - - 3.4303460270166397e-02 -5.5235451459884644e-01 - <_> - - 0 -1 851 -3.5282317548990250e-03 - - -5.3414058685302734e-01 3.0512372031807899e-02 - <_> - - 0 -1 506 6.1051873490214348e-03 - - -8.4812760353088379e-02 1.9969700276851654e-01 - <_> - - 0 -1 137 -6.4141638576984406e-03 - - -4.0772309899330139e-01 4.3864764273166656e-02 - <_> - - 0 -1 823 1.7272554337978363e-02 - - 2.1965105086565018e-02 -6.9809681177139282e-01 - <_> - - 0 -1 512 -1.9691141787916422e-03 - - 1.8511210381984711e-01 -9.0554594993591309e-02 - <_> - - 0 -1 59 -5.5513512343168259e-03 - - -4.2040807008743286e-01 4.0062893182039261e-02 - <_> - - 0 -1 626 -1.1905157566070557e-01 - - -6.4312189817428589e-01 2.3472266271710396e-02 - <_> - - 0 -1 290 4.0823101997375488e-02 - - -7.3068141937255859e-02 2.4851579964160919e-01 - <_> - - 0 -1 119 -8.1011475995182991e-03 - - 2.2747313976287842e-01 -7.5412914156913757e-02 - <_> - - 0 -1 87 4.7750310041010380e-03 - - -7.8901365399360657e-02 2.3182301223278046e-01 - <_> - - 0 -1 404 -2.7586806565523148e-02 - - -6.4926701784133911e-01 2.5375340133905411e-02 - <_> - - 0 -1 907 4.3069543316960335e-03 - - 2.4360222741961479e-02 -5.7372909784317017e-01 - <_> - - 0 -1 385 -6.1931653181090951e-04 - - 2.2557340562343597e-01 -7.5787223875522614e-02 - <_> - - 0 -1 50 -1.1459679901599884e-01 - - 3.0668416619300842e-01 -5.2840072661638260e-02 - <_> - - 0 -1 239 3.1560026109218597e-02 - - -9.5666781067848206e-02 1.7659574747085571e-01 - <_> - - 0 -1 871 1.5142546035349369e-03 - - -9.2694908380508423e-02 2.0833927392959595e-01 - <_> - - 0 -1 731 4.7312509268522263e-03 - - -4.9851816147565842e-02 3.4422698616981506e-01 - <_> - - 0 -1 253 -5.9051956050097942e-03 - - -4.6798244118690491e-01 3.6009732633829117e-02 - <_> - - 0 -1 703 3.3569703809916973e-03 - - -5.1445800811052322e-02 3.3950069546699524e-01 - <_> - - 0 -1 966 -1.1821147799491882e-01 - - 4.6877983212471008e-01 -3.2708466053009033e-02 - <_> - - 0 -1 363 -8.8651233818382025e-04 - - 1.5177871286869049e-01 -1.0880727320909500e-01 - <_> - - 0 -1 680 -2.5330238044261932e-02 - - 1.7184022068977356e-01 -9.8979160189628601e-02 - <_> - - 0 -1 770 5.5901473388075829e-03 - - -7.1004293859004974e-02 2.7359166741371155e-01 - <_> - - 0 -1 189 1.2344302609562874e-02 - - 3.2738436013460159e-02 -5.2876019477844238e-01 - <_> - - 0 -1 348 -7.4871592223644257e-03 - - -5.1955360174179077e-01 2.7597136795520782e-02 - <_> - - 0 -1 646 -2.6753707788884640e-03 - - -4.7180628776550293e-01 3.1411368399858475e-02 - <_> - - 0 -1 168 -3.2419776543974876e-03 - - 1.5980260074138641e-01 -9.5776490867137909e-02 - <_> - - 0 -1 169 8.8083129376173019e-03 - - -8.2104682922363281e-02 2.0850872993469238e-01 - <_> - - 0 -1 58 2.7282098308205605e-03 - - 6.1908718198537827e-02 -2.6338595151901245e-01 - <_> - - 0 -1 671 5.0587565638124943e-03 - - -8.2083821296691895e-02 1.9557759165763855e-01 - <_> - - 0 -1 708 -2.1199107170104980e-02 - - -5.0425887107849121e-01 3.0914928764104843e-02 - <_> - - 0 -1 723 3.4958114847540855e-03 - - -8.2294017076492310e-02 1.9164223968982697e-01 - <_> - - 0 -1 842 1.5914414543658495e-03 - - -6.9352962076663971e-02 2.1474194526672363e-01 - <_> - - 0 -1 193 -5.0045788288116455e-02 - - 2.4582423269748688e-01 -6.2959901988506317e-02 - <_> - - 0 -1 19 -4.1983526200056076e-02 - - -6.3210010528564453e-01 2.5985429063439369e-02 - <_> - - 0 -1 402 -6.9432961754500866e-04 - - 2.2444137930870056e-01 -7.0591680705547333e-02 - <_> - - 0 -1 540 6.0177911072969437e-03 - - 3.7622205913066864e-02 -4.1375440359115601e-01 - <_> - - 0 -1 492 4.7936867922544479e-03 - - -9.0203136205673218e-02 1.7498855292797089e-01 - <_> - - 0 -1 390 -4.7484524548053741e-03 - - -3.9998278021812439e-01 3.8966752588748932e-02 - <_> - - 0 -1 620 -7.7324017882347107e-02 - - -4.8634868860244751e-01 2.9687402769923210e-02 - <_> - - 0 -1 417 1.1184449307620525e-02 - - -4.9598570913076401e-02 3.2780852913856506e-01 - <_> - - 0 -1 132 -1.0921864770352840e-02 - - 1.7756749689579010e-01 -8.5219532251358032e-02 - <_> - - 0 -1 357 4.5135535299777985e-02 - - 2.8995228931307793e-02 -5.3758519887924194e-01 - <_> - - 0 -1 341 -1.1866749264299870e-03 - - 1.8304300308227539e-01 -8.5605643689632416e-02 - <_> - - 0 -1 609 2.0626676268875599e-03 - - 2.5438303127884865e-02 -5.9883767366409302e-01 - <_> - - 0 -1 251 2.7453177608549595e-05 - - -1.3831512629985809e-01 1.0590004175901413e-01 - - <_> - 98 - -1.2823635339736938e+00 - - <_> - - 0 -1 840 -8.7535101920366287e-03 - - 3.7845414876937866e-01 -1.2724789977073669e-01 - <_> - - 0 -1 376 -5.7867290452122688e-03 - - 4.6451708674430847e-01 -1.0028645396232605e-01 - <_> - - 0 -1 467 -1.5636831521987915e-02 - - 2.7137696743011475e-01 -1.3237486779689789e-01 - <_> - - 0 -1 743 7.9419813118875027e-04 - - -2.2457434237003326e-01 1.8765783309936523e-01 - <_> - - 0 -1 511 9.8101666662842035e-04 - - -1.1674020439386368e-01 2.3788549005985260e-01 - <_> - - 0 -1 148 -1.1779682245105505e-03 - - 2.5913080573081970e-01 -8.3949849009513855e-02 - <_> - - 0 -1 330 9.6748135983943939e-03 - - -8.3296068012714386e-02 3.4700453281402588e-01 - <_> - - 0 -1 307 2.9431451112031937e-03 - - 4.6826824545860291e-02 -5.1865130662918091e-01 - <_> - - 0 -1 918 -1.0496248723939061e-03 - - -2.9976195096969604e-01 6.9594070315361023e-02 - <_> - - 0 -1 697 -1.6385620459914207e-02 - - 2.1480703353881836e-01 -9.7807772457599640e-02 - <_> - - 0 -1 910 4.9830954521894455e-03 - - 2.2837642580270767e-02 -7.7743059396743774e-01 - <_> - - 0 -1 796 -3.1421617604792118e-03 - - -5.6898134946823120e-01 3.6988433450460434e-02 - <_> - - 0 -1 901 1.6069117933511734e-02 - - -1.0548119246959686e-01 1.9650301337242126e-01 - <_> - - 0 -1 751 1.5043821185827255e-02 - - -1.0749972611665726e-01 2.0178599655628204e-01 - <_> - - 0 -1 295 6.8444460630416870e-03 - - 5.0306834280490875e-02 -4.3162798881530762e-01 - <_> - - 0 -1 827 1.1850953102111816e-02 - - 3.2905589789152145e-02 -5.1617246866226196e-01 - <_> - - 0 -1 831 2.1246306598186493e-02 - - -6.3726536929607391e-02 3.0544599890708923e-01 - <_> - - 0 -1 256 1.1852337047457695e-02 - - -8.9553833007812500e-02 2.9359081387519836e-01 - <_> - - 0 -1 323 -2.5085010565817356e-03 - - 2.2805334627628326e-01 -9.5263637602329254e-02 - <_> - - 0 -1 752 7.5797801837325096e-03 - - 3.8756053894758224e-02 -5.7552194595336914e-01 - <_> - - 0 -1 86 5.4980744607746601e-03 - - 4.6144284307956696e-02 -3.6506399512290955e-01 - <_> - - 0 -1 208 -3.0190458055585623e-03 - - -2.9709556698799133e-01 7.5851216912269592e-02 - <_> - - 0 -1 552 -7.0441095158457756e-03 - - 1.6086654365062714e-01 -1.1914677917957306e-01 - <_> - - 0 -1 364 -6.9178184494376183e-03 - - -4.1069602966308594e-01 4.4916272163391113e-02 - <_> - - 0 -1 351 5.0740875303745270e-03 - - -7.4677795171737671e-02 2.4945564568042755e-01 - <_> - - 0 -1 121 -1.0403880849480629e-02 - - -5.3336864709854126e-01 3.9480298757553101e-02 - <_> - - 0 -1 323 2.3738082963973284e-03 - - -7.8084513545036316e-02 2.3774850368499756e-01 - <_> - - 0 -1 391 2.7033074729843065e-05 - - -1.8558554351329803e-01 9.6640095114707947e-02 - <_> - - 0 -1 167 2.9049259610474110e-03 - - 4.6409133821725845e-02 -3.9720407128334045e-01 - <_> - - 0 -1 181 -5.6298477575182915e-03 - - -4.5908093452453613e-01 3.7730857729911804e-02 - <_> - - 0 -1 638 5.0751655362546444e-03 - - 2.3507807403802872e-02 -6.4602053165435791e-01 - <_> - - 0 -1 909 -7.5826002284884453e-04 - - 1.2444372475147247e-01 -1.3639765977859497e-01 - <_> - - 0 -1 11 -9.7201213240623474e-02 - - 3.9986947178840637e-01 -4.4366274029016495e-02 - <_> - - 0 -1 496 -2.3840454220771790e-01 - - -5.3094118833541870e-01 3.8410611450672150e-02 - <_> - - 0 -1 114 -1.3428549282252789e-02 - - 2.2794343531131744e-01 -7.7827021479606628e-02 - <_> - - 0 -1 64 -5.0623202696442604e-04 - - 1.5778008103370667e-01 -1.2732668220996857e-01 - <_> - - 0 -1 931 -8.6578715126961470e-04 - - 1.4809772372245789e-01 -1.1785575747489929e-01 - <_> - - 0 -1 544 -2.7892580255866051e-03 - - -4.2324438691139221e-01 4.1194166988134384e-02 - <_> - - 0 -1 654 2.9110969044268131e-03 - - -1.2145258486270905e-01 1.4758351445198059e-01 - <_> - - 0 -1 122 -1.7908504605293274e-01 - - 4.0684828162193298e-01 -4.6298943459987640e-02 - <_> - - 0 -1 894 4.2685694643296301e-04 - - -9.4548642635345459e-02 1.8615303933620453e-01 - <_> - - 0 -1 72 1.9871112704277039e-01 - - -5.6818448007106781e-02 3.2197028398513794e-01 - <_> - - 0 -1 892 1.2496551498770714e-03 - - -7.0664338767528534e-02 2.5729593634605408e-01 - <_> - - 0 -1 447 1.6119793057441711e-02 - - -5.0713617354631424e-02 3.9684635400772095e-01 - <_> - - 0 -1 964 -2.5047704111784697e-03 - - -3.5733562707901001e-01 4.9460943788290024e-02 - <_> - - 0 -1 672 5.2866833284497261e-03 - - 3.2510578632354736e-02 -4.4326359033584595e-01 - <_> - - 0 -1 633 -3.4677600488066673e-03 - - 2.3254001140594482e-01 -7.3516972362995148e-02 - <_> - - 0 -1 600 -3.3557973802089691e-03 - - 2.3221854865550995e-01 -6.9719336926937103e-02 - <_> - - 0 -1 801 -6.3276281580328941e-03 - - -4.0112924575805664e-01 4.3525256216526031e-02 - <_> - - 0 -1 218 -4.3456726707518101e-03 - - -6.8020933866500854e-01 1.9806224852800369e-02 - <_> - - 0 -1 604 6.2400596216320992e-03 - - 1.8352568149566650e-02 -7.0223194360733032e-01 - <_> - - 0 -1 979 3.3795731142163277e-03 - - 4.3487045913934708e-02 -3.0831974744796753e-01 - <_> - - 0 -1 937 1.3499217107892036e-02 - - -4.4923197478055954e-02 3.2624542713165283e-01 - <_> - - 0 -1 408 -1.0585743002593517e-03 - - 1.6033367812633514e-01 -9.8465800285339355e-02 - <_> - - 0 -1 405 -5.3765797056257725e-03 - - 2.6544988155364990e-01 -6.7050188779830933e-02 - <_> - - 0 -1 980 -2.4880110286176205e-03 - - -2.9397118091583252e-01 5.4097402840852737e-02 - <_> - - 0 -1 505 -2.1792344748973846e-02 - - -7.2506862878799438e-01 1.9187789410352707e-02 - <_> - - 0 -1 714 4.7056311741471291e-03 - - -5.2215453237295151e-02 3.1615570187568665e-01 - <_> - - 0 -1 669 -4.2645912617444992e-03 - - 2.3567616939544678e-01 -6.8938009440898895e-02 - <_> - - 0 -1 774 5.8556320145726204e-03 - - 4.2000979185104370e-02 -4.6045160293579102e-01 - <_> - - 0 -1 926 1.3632343616336584e-03 - - -6.5663956105709076e-02 2.3397234082221985e-01 - <_> - - 0 -1 895 -6.0495175421237946e-03 - - -4.3943586945533752e-01 3.6742802709341049e-02 - <_> - - 0 -1 308 6.7223357036709785e-03 - - 1.9922675564885139e-02 -6.8767511844635010e-01 - <_> - - 0 -1 917 -5.1960002630949020e-02 - - -7.5993520021438599e-01 1.5627101063728333e-02 - <_> - - 0 -1 542 3.3762669190764427e-03 - - -7.7943108975887299e-02 1.9545321166515350e-01 - <_> - - 0 -1 582 -1.8302195239812136e-03 - - 1.9154363870620728e-01 -9.4946600496768951e-02 - <_> - - 0 -1 71 -4.3824277818202972e-03 - - -5.3172159194946289e-01 2.8438575565814972e-02 - <_> - - 0 -1 107 4.8605538904666901e-03 - - 1.8084224313497543e-02 -7.0419138669967651e-01 - <_> - - 0 -1 289 -5.0755832344293594e-03 - - 1.3961549103260040e-01 -1.0557857155799866e-01 - <_> - - 0 -1 349 9.0303886681795120e-03 - - -5.6681722402572632e-02 3.0537691712379456e-01 - <_> - - 0 -1 52 1.7635107040405273e-01 - - -3.5581633448600769e-02 3.9358299970626831e-01 - <_> - - 0 -1 728 1.1068049352616072e-03 - - -9.6729792654514313e-02 1.6677951812744141e-01 - <_> - - 0 -1 162 1.1059102602303028e-02 - - 2.9283966869115829e-02 -5.1121145486831665e-01 - <_> - - 0 -1 236 -5.0462923943996429e-02 - - -4.2722624540328979e-01 3.1082244589924812e-02 - <_> - - 0 -1 316 -3.8071773014962673e-03 - - 2.9747742414474487e-01 -5.1289469003677368e-02 - <_> - - 0 -1 373 -1.5183673240244389e-03 - - 1.8215130269527435e-01 -1.0301912575960159e-01 - <_> - - 0 -1 258 2.1069757640361786e-02 - - 2.4503789842128754e-02 -5.8991265296936035e-01 - <_> - - 0 -1 68 6.6435593180358410e-03 - - 4.3313629925251007e-02 -3.1504327058792114e-01 - <_> - - 0 -1 574 -8.2504414021968842e-03 - - -4.7998124361038208e-01 3.0433293431997299e-02 - <_> - - 0 -1 617 -1.0892231017351151e-02 - - 3.1449675559997559e-01 -5.2475348114967346e-02 - <_> - - 0 -1 213 8.1554818898439407e-03 - - 3.9224579930305481e-02 -3.8470247387886047e-01 - <_> - - 0 -1 838 -5.4475883953273296e-03 - - -6.5578418970108032e-01 2.0117431879043579e-02 - <_> - - 0 -1 487 -2.6005427935160697e-04 - - 1.4328984916210175e-01 -9.8999619483947754e-02 - <_> - - 0 -1 461 1.3821206521242857e-03 - - -5.2590593695640564e-02 2.7557003498077393e-01 - <_> - - 0 -1 445 -1.1740636080503464e-02 - - 2.7564841508865356e-01 -5.9799015522003174e-02 - <_> - - 0 -1 941 2.7866149321198463e-03 - - 5.0002526491880417e-02 -3.5232934355735779e-01 - <_> - - 0 -1 962 6.6179647110402584e-03 - - -6.3348092138767242e-02 2.3150660097599030e-01 - <_> - - 0 -1 297 -1.3244405854493380e-03 - - -2.6642721891403198e-01 5.5936500430107117e-02 - <_> - - 0 -1 485 1.1830568313598633e-02 - - -6.9061063230037689e-02 2.1172530949115753e-01 - <_> - - 0 -1 644 2.5925931986421347e-03 - - 1.9716180860996246e-02 -7.7208590507507324e-01 - <_> - - 0 -1 748 -2.8010653331875801e-03 - - 1.3846111297607422e-01 -9.7015053033828735e-02 - <_> - - 0 -1 144 -4.7637272626161575e-02 - - 2.1245625615119934e-01 -7.0445045828819275e-02 - <_> - - 0 -1 197 1.3677144888788462e-03 - - -8.5676178336143494e-02 1.9613882899284363e-01 - <_> - - 0 -1 556 -1.3261453807353973e-01 - - 4.3639957904815674e-01 -3.4653130918741226e-02 - <_> - - 0 -1 69 7.1225965023040771e-01 - - 1.9474601373076439e-02 -8.7232232093811035e-01 - <_> - - 0 -1 149 -5.9057516045868397e-03 - - -3.7135502696037292e-01 3.5206548869609833e-02 - <_> - - 0 -1 971 3.5532126203179359e-03 - - -6.6334858536720276e-02 2.3531165719032288e-01 - <_> - - 0 -1 31 -1.9724387675523758e-02 - - 2.5173032283782959e-01 -5.7575348764657974e-02 - - <_> - 100 - -1.3067311048507690e+00 - - <_> - - 0 -1 458 8.1832958385348320e-03 - - -1.1180391162633896e-01 3.9526882767677307e-01 - <_> - - 0 -1 717 -5.5650249123573303e-03 - - 3.3437621593475342e-01 -1.2654128670692444e-01 - <_> - - 0 -1 577 8.1406952813267708e-04 - - -1.7086146771907806e-01 1.8384252488613129e-01 - <_> - - 0 -1 113 -2.0645279437303543e-03 - - 1.7057111859321594e-01 -1.7103828489780426e-01 - <_> - - 0 -1 864 1.9037863239645958e-03 - - -1.6791534423828125e-01 1.5749432146549225e-01 - <_> - - 0 -1 242 1.1136581189930439e-02 - - 4.0173061192035675e-02 -3.7364640831947327e-01 - <_> - - 0 -1 228 5.6379067245870829e-04 - - -1.6792711615562439e-01 1.4207355678081512e-01 - <_> - - 0 -1 797 -3.3720356877893209e-03 - - 2.5698736310005188e-01 -7.5178287923336029e-02 - <_> - - 0 -1 710 -1.7311582341790199e-02 - - -5.2065086364746094e-01 4.7350786626338959e-02 - <_> - - 0 -1 845 -3.3407085575163364e-03 - - -4.5184752345085144e-01 3.2597322016954422e-02 - <_> - - 0 -1 661 -3.4317255020141602e-02 - - 2.5700893998146057e-01 -8.3455510437488556e-02 - <_> - - 0 -1 423 -6.8267658352851868e-02 - - 2.8288829326629639e-01 -7.8631594777107239e-02 - <_> - - 0 -1 951 2.8722581191686913e-05 - - -1.8466357886791229e-01 1.1576397716999054e-01 - <_> - - 0 -1 267 9.9579263478517532e-03 - - -6.3400641083717346e-02 3.6796927452087402e-01 - <_> - - 0 -1 733 -1.8424488604068756e-02 - - 2.4584248661994934e-01 -9.4283707439899445e-02 - <_> - - 0 -1 837 6.8876314908266068e-03 - - -9.9725127220153809e-02 2.8111982345581055e-01 - <_> - - 0 -1 657 -2.2637452930212021e-03 - - -4.1033151745796204e-01 6.1188895255327225e-02 - <_> - - 0 -1 191 -8.5531552031170577e-05 - - 1.1543370783329010e-01 -1.6276736557483673e-01 - <_> - - 0 -1 32 3.3203132450580597e-02 - - 4.8811107873916626e-02 -3.7535405158996582e-01 - <_> - - 0 -1 929 5.1993243396282196e-03 - - 3.9811953902244568e-02 -4.8758861422538757e-01 - <_> - - 0 -1 365 4.8818998038768768e-03 - - 2.4118293076753616e-02 -6.7809182405471802e-01 - <_> - - 0 -1 82 -7.2956003248691559e-02 - - 1.8825025856494904e-01 -9.5193333923816681e-02 - <_> - - 0 -1 836 9.4123989343643188e-02 - - -7.2761356830596924e-02 2.7999758720397949e-01 - <_> - - 0 -1 718 1.0472428984940052e-03 - - -7.4624419212341309e-02 2.4220877885818481e-01 - <_> - - 0 -1 446 8.0979522317647934e-03 - - -5.4950036108493805e-02 3.0833497643470764e-01 - <_> - - 0 -1 463 -2.8517602477222681e-03 - - 3.2442548871040344e-01 -7.1306072175502777e-02 - <_> - - 0 -1 63 3.7457090802490711e-03 - - 5.7812750339508057e-02 -3.3119776844978333e-01 - <_> - - 0 -1 217 -3.9520347490906715e-03 - - -4.3750977516174316e-01 3.9293695241212845e-02 - <_> - - 0 -1 865 -5.8175362646579742e-03 - - 2.0937338471412659e-01 -8.1724949181079865e-02 - <_> - - 0 -1 878 7.8594256192445755e-03 - - 4.8747915774583817e-02 -4.1596582531929016e-01 - <_> - - 0 -1 913 -6.7130924435332417e-04 - - 1.4715777337551117e-01 -1.2916122376918793e-01 - <_> - - 0 -1 62 -4.2964564636349678e-03 - - -3.5870963335037231e-01 4.8831127583980560e-02 - <_> - - 0 -1 868 -3.8814521394670010e-03 - - -4.7464737296104431e-01 3.4466378390789032e-02 - <_> - - 0 -1 950 -1.8017216352745891e-03 - - -3.5517925024032593e-01 4.9101348966360092e-02 - <_> - - 0 -1 813 7.7566690742969513e-03 - - 2.7035165578126907e-02 -5.5951416492462158e-01 - <_> - - 0 -1 886 1.9125882536172867e-03 - - -6.3309118151664734e-02 2.5223699212074280e-01 - <_> - - 0 -1 886 -9.9804997444152832e-04 - - 2.4349449574947357e-01 -8.9007876813411713e-02 - <_> - - 0 -1 97 -7.5093598570674658e-04 - - 1.3702079653739929e-01 -1.2293258309364319e-01 - <_> - - 0 -1 7 1.0788314975798130e-02 - - -7.3592424392700195e-02 2.3694764077663422e-01 - <_> - - 0 -1 428 -1.2814668007194996e-03 - - 1.7014959454536438e-01 -9.3263216316699982e-02 - <_> - - 0 -1 851 3.5997035447508097e-03 - - 2.4880735203623772e-02 -5.7666695117950439e-01 - <_> - - 0 -1 410 5.9913634322583675e-03 - - -6.6571407020092010e-02 2.3750782012939453e-01 - <_> - - 0 -1 299 3.7381309084594250e-03 - - 3.7266705185174942e-02 -4.3619966506958008e-01 - <_> - - 0 -1 372 8.8815446943044662e-03 - - 3.0544634908437729e-02 -4.6924960613250732e-01 - <_> - - 0 -1 243 -3.1860180199146271e-02 - - -4.8059463500976562e-01 3.1165035441517830e-02 - <_> - - 0 -1 881 -5.4914336651563644e-03 - - 1.7584608495235443e-01 -9.0091012418270111e-02 - <_> - - 0 -1 821 -1.2325609102845192e-02 - - 3.4678825736045837e-01 -5.6969922035932541e-02 - <_> - - 0 -1 281 5.8694169856607914e-03 - - 3.9381653070449829e-02 -4.6237498521804810e-01 - <_> - - 0 -1 207 -5.0925426185131073e-03 - - -4.0191245079040527e-01 4.1170045733451843e-02 - <_> - - 0 -1 636 4.5132841914892197e-03 - - 2.7933681383728981e-02 -4.8419687151908875e-01 - <_> - - 0 -1 665 2.2130757570266724e-02 - - 2.1358741447329521e-02 -6.0434627532958984e-01 - <_> - - 0 -1 597 -1.8624030053615570e-03 - - 1.9556084275245667e-01 -7.8905813395977020e-02 - <_> - - 0 -1 599 3.2466566190123558e-03 - - -8.3141714334487915e-02 2.5859814882278442e-01 - <_> - - 0 -1 575 1.9641252234578133e-02 - - 2.1901637315750122e-02 -7.2247391939163208e-01 - <_> - - 0 -1 271 1.2722628191113472e-02 - - -4.9173772335052490e-02 3.1656193733215332e-01 - <_> - - 0 -1 210 -3.9457585080526769e-04 - - 1.7969387769699097e-01 -1.0087045282125473e-01 - <_> - - 0 -1 88 -3.0111533123999834e-04 - - 1.2916654348373413e-01 -1.5019074082374573e-01 - <_> - - 0 -1 84 -4.1901473887264729e-03 - - 1.6727919876575470e-01 -9.4101771712303162e-02 - <_> - - 0 -1 186 -2.9096096754074097e-02 - - 2.4397623538970947e-01 -6.5033406019210815e-02 - <_> - - 0 -1 815 -3.0687432736158371e-02 - - -5.3695982694625854e-01 3.6870311945676804e-02 - <_> - - 0 -1 596 8.9634142816066742e-02 - - -4.5044522732496262e-02 3.7668040394783020e-01 - <_> - - 0 -1 765 -1.8486939370632172e-02 - - -4.5869186520576477e-01 3.6696173250675201e-02 - <_> - - 0 -1 561 -2.0481455139815807e-03 - - 1.9705456495285034e-01 -8.1085532903671265e-02 - <_> - - 0 -1 160 7.9915560781955719e-03 - - 2.6794398203492165e-02 -6.0658437013626099e-01 - <_> - - 0 -1 368 -4.5167207717895508e-03 - - -3.5664665699005127e-01 4.1606105864048004e-02 - <_> - - 0 -1 429 -8.8896900415420532e-03 - - -5.6794744729995728e-01 2.4264462292194366e-02 - <_> - - 0 -1 601 -2.7863893657922745e-02 - - -6.6293621063232422e-01 1.7915287986397743e-02 - <_> - - 0 -1 153 1.9837494473904371e-03 - - -5.5686347186565399e-02 2.7396288514137268e-01 - <_> - - 0 -1 624 -2.9144049622118473e-03 - - -4.3623712658882141e-01 3.1940482556819916e-02 - <_> - - 0 -1 924 -1.1720246402546763e-03 - - 1.5299941599369049e-01 -8.8886320590972900e-02 - <_> - - 0 -1 927 2.1249109413474798e-03 - - -7.1360021829605103e-02 2.0698173344135284e-01 - <_> - - 0 -1 602 4.6013649553060532e-03 - - 2.5328675284981728e-02 -5.1310408115386963e-01 - <_> - - 0 -1 644 -9.4112986698746681e-04 - - -2.9404127597808838e-01 4.4868268072605133e-02 - <_> - - 0 -1 719 5.2681900560855865e-03 - - -6.4163528382778168e-02 2.2999708354473114e-01 - <_> - - 0 -1 652 1.4232876710593700e-03 - - -7.8037962317466736e-02 1.9061613082885742e-01 - <_> - - 0 -1 858 -1.0191567242145538e-02 - - -5.7409489154815674e-01 2.2581731900572777e-02 - <_> - - 0 -1 547 -4.9564028158783913e-03 - - 2.4646909534931183e-01 -5.9094201773405075e-02 - <_> - - 0 -1 545 2.2057720925658941e-03 - - -9.8776444792747498e-02 1.9191808998584747e-01 - <_> - - 0 -1 809 -4.7279503196477890e-03 - - -2.9638877511024475e-01 4.7132529318332672e-02 - <_> - - 0 -1 905 1.8900397699326277e-03 - - -1.2390431761741638e-01 1.2199163436889648e-01 - <_> - - 0 -1 692 -3.9616838330402970e-04 - - -2.0177872478961945e-01 6.7829817533493042e-02 - <_> - - 0 -1 378 1.5198520850390196e-03 - - -5.0418090075254440e-02 2.8014704585075378e-01 - <_> - - 0 -1 377 -3.0729006975889206e-03 - - 1.6384753584861755e-01 -9.6394442021846771e-02 - <_> - - 0 -1 637 3.3707641065120697e-02 - - 3.3062599599361420e-02 -4.3530252575874329e-01 - <_> - - 0 -1 993 -2.7547087520360947e-03 - - -6.2498420476913452e-01 2.0407166332006454e-02 - <_> - - 0 -1 993 1.0800797026604414e-03 - - 4.3235320597887039e-02 -3.1784874200820923e-01 - <_> - - 0 -1 981 -2.4060246068984270e-03 - - 1.3923163712024689e-01 -9.8239123821258545e-02 - <_> - - 0 -1 727 4.6191983856260777e-03 - - 2.3523205891251564e-02 -6.0865134000778198e-01 - <_> - - 0 -1 284 2.1874131634831429e-03 - - -4.4655255973339081e-02 3.2406413555145264e-01 - <_> - - 0 -1 137 7.9257078468799591e-03 - - 2.8643675148487091e-02 -5.0231784582138062e-01 - <_> - - 0 -1 340 9.6561573445796967e-03 - - -6.7481219768524170e-02 2.0780794322490692e-01 - <_> - - 0 -1 180 -4.3771188706159592e-02 - - 2.0091144740581512e-01 -8.7350860238075256e-02 - <_> - - 0 -1 28 -3.9570517838001251e-02 - - -6.9823634624481201e-01 2.2996466606855392e-02 - <_> - - 0 -1 517 -7.4827047064900398e-03 - - -3.2485857605934143e-01 4.2747449129819870e-02 - <_> - - 0 -1 863 -9.5894857076928020e-04 - - 1.3692225515842438e-01 -1.0624063760042191e-01 - <_> - - 0 -1 495 -5.6482471525669098e-02 - - 2.7130955457687378e-01 -5.5133864283561707e-02 - <_> - - 0 -1 526 -5.5641448125243187e-03 - - -6.5910613536834717e-01 2.6108600199222565e-02 - <_> - - 0 -1 833 4.5432001352310181e-03 - - -1.0277131199836731e-01 1.4715240895748138e-01 - <_> - - 0 -1 804 -1.9441416952759027e-03 - - 1.7929133772850037e-01 -7.8247167170047760e-02 - <_> - - 0 -1 615 1.5584268840029836e-03 - - 5.2101351320743561e-02 -2.7727204561233521e-01 - - <_> - - <_> - 0 0 6 1 -1. - <_> - 3 0 3 1 2. - 0 - <_> - - <_> - 0 0 8 1 -1. - <_> - 4 0 4 1 2. - 0 - <_> - - <_> - 0 0 8 2 -1. - <_> - 4 0 4 2 2. - 0 - <_> - - <_> - 0 0 8 6 -1. - <_> - 0 0 4 3 2. - <_> - 4 3 4 3 2. - 0 - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - 0 - <_> - - <_> - 0 0 10 1 -1. - <_> - 5 0 5 1 2. - 0 - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - 0 - <_> - - <_> - 0 0 24 1 -1. - <_> - 6 0 12 1 2. - 0 - <_> - - <_> - 0 0 24 2 -1. - <_> - 6 0 12 2 2. - 0 - <_> - - <_> - 0 0 14 8 -1. - <_> - 0 0 7 4 2. - <_> - 7 4 7 4 2. - 0 - <_> - - <_> - 0 0 16 8 -1. - <_> - 0 0 8 4 2. - <_> - 8 4 8 4 2. - 0 - <_> - - <_> - 0 0 16 10 -1. - <_> - 0 0 8 5 2. - <_> - 8 5 8 5 2. - 0 - <_> - - <_> - 0 0 24 1 -1. - <_> - 12 0 12 1 2. - 0 - <_> - - <_> - 0 0 13 10 -1. - <_> - 0 5 13 5 2. - 0 - <_> - - <_> - 0 1 16 10 -1. - <_> - 0 1 8 5 2. - <_> - 8 6 8 5 2. - 0 - <_> - - <_> - 0 1 13 15 -1. - <_> - 0 6 13 5 3. - 0 - <_> - - <_> - 0 2 8 12 -1. - <_> - 0 2 4 6 2. - <_> - 4 8 4 6 2. - 0 - <_> - - <_> - 0 2 10 4 -1. - <_> - 0 2 5 2 2. - <_> - 5 4 5 2 2. - 0 - <_> - - <_> - 0 4 24 2 -1. - <_> - 0 4 12 1 2. - <_> - 12 5 12 1 2. - 0 - <_> - - <_> - 0 5 4 9 -1. - <_> - 0 8 4 3 3. - 0 - <_> - - <_> - 0 5 24 2 -1. - <_> - 0 5 12 1 2. - <_> - 12 6 12 1 2. - 0 - <_> - - <_> - 0 5 24 4 -1. - <_> - 0 5 12 2 2. - <_> - 12 7 12 2 2. - 0 - <_> - - <_> - 0 6 5 8 -1. - <_> - 0 8 5 4 2. - 0 - <_> - - <_> - 0 6 22 17 -1. - <_> - 11 6 11 17 2. - 0 - <_> - - <_> - 0 6 24 2 -1. - <_> - 0 6 12 1 2. - <_> - 12 7 12 1 2. - 0 - <_> - - <_> - 0 6 14 8 -1. - <_> - 0 10 14 4 2. - 0 - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - 0 - <_> - - <_> - 0 7 6 16 -1. - <_> - 3 7 3 16 2. - 0 - <_> - - <_> - 0 7 4 9 -1. - <_> - 0 10 4 3 3. - 0 - <_> - - <_> - 0 7 8 17 -1. - <_> - 4 7 4 17 2. - 0 - <_> - - <_> - 0 7 24 2 -1. - <_> - 6 7 12 2 2. - 0 - <_> - - <_> - 0 8 4 16 -1. - <_> - 2 8 2 16 2. - 0 - <_> - - <_> - 0 8 24 6 -1. - <_> - 0 8 12 3 2. - <_> - 12 11 12 3 2. - 0 - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - 0 - <_> - - <_> - 0 9 7 2 -1. - <_> - 0 10 7 1 2. - 0 - <_> - - <_> - 0 9 8 2 -1. - <_> - 0 10 8 1 2. - 0 - <_> - - <_> - 0 9 22 2 -1. - <_> - 0 9 11 1 2. - <_> - 11 10 11 1 2. - 0 - <_> - - <_> - 0 9 24 2 -1. - <_> - 0 9 12 1 2. - <_> - 12 10 12 1 2. - 0 - <_> - - <_> - 0 9 24 4 -1. - <_> - 0 9 12 2 2. - <_> - 12 11 12 2 2. - 0 - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - <_> - - <_> - 0 10 4 10 -1. - <_> - 2 10 2 10 2. - 0 - <_> - - <_> - 0 10 4 3 -1. - <_> - 0 11 4 1 3. - 0 - <_> - - <_> - 0 10 5 3 -1. - <_> - 0 11 5 1 3. - 0 - <_> - - <_> - 0 10 22 2 -1. - <_> - 0 10 11 1 2. - <_> - 11 11 11 1 2. - 0 - <_> - - <_> - 0 10 24 2 -1. - <_> - 0 10 12 1 2. - <_> - 12 11 12 1 2. - 0 - <_> - - <_> - 0 10 24 4 -1. - <_> - 0 10 12 2 2. - <_> - 12 12 12 2 2. - 0 - <_> - - <_> - 0 10 24 14 -1. - <_> - 12 10 12 14 2. - 0 - <_> - - <_> - 0 11 3 3 -1. - <_> - 0 12 3 1 3. - 0 - <_> - - <_> - 0 11 6 8 -1. - <_> - 0 11 3 4 2. - <_> - 3 15 3 4 2. - 0 - <_> - - <_> - 0 11 24 4 -1. - <_> - 0 11 12 2 2. - <_> - 12 13 12 2 2. - 0 - <_> - - <_> - 0 12 18 7 -1. - <_> - 9 12 9 7 2. - 0 - <_> - - <_> - 0 12 22 2 -1. - <_> - 0 12 11 1 2. - <_> - 11 13 11 1 2. - 0 - <_> - - <_> - 0 12 24 6 -1. - <_> - 12 12 12 6 2. - 0 - <_> - - <_> - 0 13 24 3 -1. - <_> - 6 13 12 3 2. - 0 - <_> - - <_> - 0 14 8 7 -1. - <_> - 4 14 4 7 2. - 0 - <_> - - <_> - 0 14 12 10 -1. - <_> - 0 14 6 5 2. - <_> - 6 19 6 5 2. - 0 - <_> - - <_> - 0 14 18 8 -1. - <_> - 6 14 6 8 3. - 0 - <_> - - <_> - 0 14 20 10 -1. - <_> - 10 14 10 10 2. - 0 - <_> - - <_> - 0 15 3 8 -1. - <_> - 1 15 1 8 3. - 0 - <_> - - <_> - 0 16 3 7 -1. - <_> - 1 16 1 7 3. - 0 - <_> - - <_> - 0 19 6 3 -1. - <_> - 0 20 6 1 3. - 0 - <_> - - <_> - 0 19 9 3 -1. - <_> - 0 20 9 1 3. - 0 - <_> - - <_> - 0 21 6 3 -1. - <_> - 0 22 6 1 3. - 0 - <_> - - <_> - 0 21 7 3 -1. - <_> - 0 22 7 1 3. - 0 - <_> - - <_> - 1 0 1 4 -1. - <_> - 1 2 1 2 2. - 0 - <_> - - <_> - 1 0 12 3 -1. - <_> - 4 0 6 3 2. - 0 - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 0 4 3 2. - <_> - 5 3 4 3 2. - 0 - <_> - - <_> - 1 0 8 4 -1. - <_> - 5 0 4 4 2. - 0 - <_> - - <_> - 1 0 22 2 -1. - <_> - 1 0 11 1 2. - <_> - 12 1 11 1 2. - 0 - <_> - - <_> - 1 3 21 15 -1. - <_> - 8 8 7 5 9. - 0 - <_> - - <_> - 1 3 11 3 -1. - <_> - 1 4 11 1 3. - 0 - <_> - - <_> - 1 5 3 3 -1. - <_> - 1 6 3 1 3. - 0 - <_> - - <_> - 1 5 21 6 -1. - <_> - 8 7 7 2 9. - 0 - <_> - - <_> - 1 5 22 2 -1. - <_> - 1 5 11 1 2. - <_> - 12 6 11 1 2. - 0 - <_> - - <_> - 1 6 4 3 -1. - <_> - 1 7 4 1 3. - 0 - <_> - - <_> - 1 6 5 3 -1. - <_> - 1 7 5 1 3. - 0 - <_> - - <_> - 1 6 22 2 -1. - <_> - 1 6 11 1 2. - <_> - 12 7 11 1 2. - 0 - <_> - - <_> - 1 6 22 17 -1. - <_> - 12 6 11 17 2. - 0 - <_> - - <_> - 1 6 20 3 -1. - <_> - 1 7 20 1 3. - 0 - <_> - - <_> - 1 7 12 6 -1. - <_> - 5 9 4 2 9. - 0 - <_> - - <_> - 1 7 8 6 -1. - <_> - 1 9 8 2 3. - 0 - <_> - - <_> - 1 7 20 4 -1. - <_> - 1 7 10 2 2. - <_> - 11 9 10 2 2. - 0 - <_> - - <_> - 1 7 22 12 -1. - <_> - 1 11 22 4 3. - 0 - <_> - - <_> - 1 8 8 2 -1. - <_> - 1 8 4 1 2. - <_> - 5 9 4 1 2. - 0 - <_> - - <_> - 1 8 9 3 -1. - <_> - 1 9 9 1 3. - 0 - <_> - - <_> - 1 8 22 4 -1. - <_> - 1 8 11 2 2. - <_> - 12 10 11 2 2. - 0 - <_> - - <_> - 1 9 20 2 -1. - <_> - 1 9 10 1 2. - <_> - 11 10 10 1 2. - 0 - <_> - - <_> - 1 10 4 3 -1. - <_> - 3 10 2 3 2. - 0 - <_> - - <_> - 1 10 4 4 -1. - <_> - 1 11 4 2 2. - 0 - <_> - - <_> - 1 10 22 2 -1. - <_> - 1 10 11 1 2. - <_> - 12 11 11 1 2. - 0 - <_> - - <_> - 1 10 21 4 -1. - <_> - 1 11 21 2 2. - 0 - <_> - - <_> - 1 11 3 13 -1. - <_> - 2 11 1 13 3. - 0 - <_> - - <_> - 1 13 3 10 -1. - <_> - 2 13 1 10 3. - 0 - <_> - - <_> - 1 14 22 2 -1. - <_> - 1 14 11 1 2. - <_> - 12 15 11 1 2. - 0 - <_> - - <_> - 1 16 3 1 -1. - <_> - 2 17 1 1 3. - 1 - <_> - - <_> - 1 17 4 1 -1. - <_> - 2 18 2 1 2. - 1 - <_> - - <_> - 1 19 4 1 -1. - <_> - 2 20 2 1 2. - 1 - <_> - - <_> - 2 0 4 1 -1. - <_> - 4 0 2 1 2. - 0 - <_> - - <_> - 2 0 12 14 -1. - <_> - 6 0 4 14 3. - 0 - <_> - - <_> - 2 0 20 1 -1. - <_> - 7 0 10 1 2. - 0 - <_> - - <_> - 2 0 22 1 -1. - <_> - 13 0 11 1 2. - 0 - <_> - - <_> - 2 2 22 2 -1. - <_> - 2 2 11 1 2. - <_> - 13 3 11 1 2. - 0 - <_> - - <_> - 2 2 22 10 -1. - <_> - 2 2 11 5 2. - <_> - 13 7 11 5 2. - 0 - <_> - - <_> - 2 3 20 1 -1. - <_> - 7 3 10 1 2. - 0 - <_> - - <_> - 2 3 20 2 -1. - <_> - 2 3 10 1 2. - <_> - 12 4 10 1 2. - 0 - <_> - - <_> - 2 4 3 3 -1. - <_> - 2 5 3 1 3. - 0 - <_> - - <_> - 2 4 20 2 -1. - <_> - 2 4 10 1 2. - <_> - 12 5 10 1 2. - 0 - <_> - - <_> - 2 5 2 3 -1. - <_> - 2 6 2 1 3. - 0 - <_> - - <_> - 2 5 20 2 -1. - <_> - 2 5 10 1 2. - <_> - 12 6 10 1 2. - 0 - <_> - - <_> - 2 6 20 2 -1. - <_> - 2 6 10 1 2. - <_> - 12 7 10 1 2. - 0 - <_> - - <_> - 2 6 21 18 -1. - <_> - 2 15 21 9 2. - 0 - <_> - - <_> - 2 7 6 2 -1. - <_> - 2 7 3 1 2. - <_> - 5 8 3 1 2. - 0 - <_> - - <_> - 2 7 9 6 -1. - <_> - 5 9 3 2 9. - 0 - <_> - - <_> - 2 7 7 3 -1. - <_> - 2 8 7 1 3. - 0 - <_> - - <_> - 2 7 18 2 -1. - <_> - 2 8 18 1 2. - 0 - <_> - - <_> - 2 7 18 3 -1. - <_> - 2 8 18 1 3. - 0 - <_> - - <_> - 2 7 21 4 -1. - <_> - 2 8 21 2 2. - 0 - <_> - - <_> - 2 8 4 2 -1. - <_> - 4 8 2 2 2. - 0 - <_> - - <_> - 2 8 22 2 -1. - <_> - 2 8 11 1 2. - <_> - 13 9 11 1 2. - 0 - <_> - - <_> - 2 9 7 2 -1. - <_> - 2 9 7 1 2. - 1 - <_> - - <_> - 2 9 20 3 -1. - <_> - 2 10 20 1 3. - 0 - <_> - - <_> - 2 11 22 2 -1. - <_> - 2 11 11 1 2. - <_> - 13 12 11 1 2. - 0 - <_> - - <_> - 2 12 22 7 -1. - <_> - 13 12 11 7 2. - 0 - <_> - - <_> - 2 12 19 10 -1. - <_> - 2 17 19 5 2. - 0 - <_> - - <_> - 2 13 3 8 -1. - <_> - 3 13 1 8 3. - 0 - <_> - - <_> - 2 13 20 10 -1. - <_> - 12 13 10 10 2. - 0 - <_> - - <_> - 2 15 6 2 -1. - <_> - 5 15 3 2 2. - 0 - <_> - - <_> - 2 15 6 3 -1. - <_> - 5 15 3 3 2. - 0 - <_> - - <_> - 2 15 20 4 -1. - <_> - 2 15 10 2 2. - <_> - 12 17 10 2 2. - 0 - <_> - - <_> - 2 16 6 6 -1. - <_> - 2 16 3 3 2. - <_> - 5 19 3 3 2. - 0 - <_> - - <_> - 2 17 3 1 -1. - <_> - 3 18 1 1 3. - 1 - <_> - - <_> - 2 18 3 5 -1. - <_> - 3 18 1 5 3. - 0 - <_> - - <_> - 2 21 12 3 -1. - <_> - 8 21 6 3 2. - 0 - <_> - - <_> - 3 2 20 1 -1. - <_> - 3 2 10 1 2. - 1 - <_> - - <_> - 3 3 8 6 -1. - <_> - 5 3 4 6 2. - 0 - <_> - - <_> - 3 4 6 4 -1. - <_> - 3 4 3 2 2. - <_> - 6 6 3 2 2. - 0 - <_> - - <_> - 3 4 18 2 -1. - <_> - 3 4 9 1 2. - <_> - 12 5 9 1 2. - 0 - <_> - - <_> - 3 5 20 2 -1. - <_> - 3 5 10 1 2. - <_> - 13 6 10 1 2. - 0 - <_> - - <_> - 3 5 20 6 -1. - <_> - 3 5 10 3 2. - <_> - 13 8 10 3 2. - 0 - <_> - - <_> - 3 6 3 3 -1. - <_> - 3 7 3 1 3. - 0 - <_> - - <_> - 3 6 16 8 -1. - <_> - 3 8 16 4 2. - 0 - <_> - - <_> - 3 6 19 6 -1. - <_> - 3 8 19 2 3. - 0 - <_> - - <_> - 3 7 5 4 -1. - <_> - 3 8 5 2 2. - 0 - <_> - - <_> - 3 7 18 6 -1. - <_> - 3 7 9 3 2. - <_> - 12 10 9 3 2. - 0 - <_> - - <_> - 3 7 17 6 -1. - <_> - 3 9 17 2 3. - 0 - <_> - - <_> - 3 7 19 2 -1. - <_> - 3 8 19 1 2. - 0 - <_> - - <_> - 3 8 18 4 -1. - <_> - 3 8 9 2 2. - <_> - 12 10 9 2 2. - 0 - <_> - - <_> - 3 8 20 4 -1. - <_> - 3 8 10 2 2. - <_> - 13 10 10 2 2. - 0 - <_> - - <_> - 3 9 3 1 -1. - <_> - 4 9 1 1 3. - 0 - <_> - - <_> - 3 9 3 3 -1. - <_> - 4 10 1 3 3. - 1 - <_> - - <_> - 3 9 8 9 -1. - <_> - 3 12 8 3 3. - 0 - <_> - - <_> - 3 9 20 2 -1. - <_> - 3 9 10 1 2. - <_> - 13 10 10 1 2. - 0 - <_> - - <_> - 3 9 19 9 -1. - <_> - 3 12 19 3 3. - 0 - <_> - - <_> - 3 10 3 1 -1. - <_> - 4 10 1 1 3. - 0 - <_> - - <_> - 3 10 3 1 -1. - <_> - 4 11 1 1 3. - 1 - <_> - - <_> - 3 10 3 2 -1. - <_> - 4 11 1 2 3. - 1 - <_> - - <_> - 3 10 2 4 -1. - <_> - 3 11 2 2 2. - 0 - <_> - - <_> - 3 10 8 3 -1. - <_> - 3 11 8 1 3. - 0 - <_> - - <_> - 3 10 18 4 -1. - <_> - 3 10 9 2 2. - <_> - 12 12 9 2 2. - 0 - <_> - - <_> - 3 11 3 1 -1. - <_> - 4 12 1 1 3. - 1 - <_> - - <_> - 3 11 3 8 -1. - <_> - 4 11 1 8 3. - 0 - <_> - - <_> - 3 11 4 8 -1. - <_> - 3 15 4 4 2. - 0 - <_> - - <_> - 3 11 18 2 -1. - <_> - 3 11 9 1 2. - <_> - 12 12 9 1 2. - 0 - <_> - - <_> - 3 11 10 2 -1. - <_> - 3 11 10 1 2. - 1 - <_> - - <_> - 3 12 3 2 -1. - <_> - 4 13 1 2 3. - 1 - <_> - - <_> - 3 12 8 12 -1. - <_> - 3 16 8 4 3. - 0 - <_> - - <_> - 3 15 4 3 -1. - <_> - 5 15 2 3 2. - 0 - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 17 1 1 3. - 1 - <_> - - <_> - 3 16 6 4 -1. - <_> - 3 16 3 2 2. - <_> - 6 18 3 2 2. - 0 - <_> - - <_> - 3 16 8 6 -1. - <_> - 3 16 4 3 2. - <_> - 7 19 4 3 2. - 0 - <_> - - <_> - 3 20 3 4 -1. - <_> - 4 20 1 4 3. - 0 - <_> - - <_> - 4 0 6 4 -1. - <_> - 6 2 2 4 3. - 1 - <_> - - <_> - 4 2 3 2 -1. - <_> - 5 2 1 2 3. - 0 - <_> - - <_> - 4 2 16 2 -1. - <_> - 4 2 8 1 2. - <_> - 12 3 8 1 2. - 0 - <_> - - <_> - 4 3 6 1 -1. - <_> - 6 3 2 1 3. - 0 - <_> - - <_> - 4 3 9 3 -1. - <_> - 7 3 3 3 3. - 0 - <_> - - <_> - 4 3 16 2 -1. - <_> - 4 3 8 1 2. - <_> - 12 4 8 1 2. - 0 - <_> - - <_> - 4 3 9 6 -1. - <_> - 4 6 9 3 2. - 0 - <_> - - <_> - 4 3 16 8 -1. - <_> - 4 7 16 4 2. - 0 - <_> - - <_> - 4 4 1 4 -1. - <_> - 4 6 1 2 2. - 0 - <_> - - <_> - 4 4 9 4 -1. - <_> - 7 7 3 4 3. - 1 - <_> - - <_> - 4 4 16 2 -1. - <_> - 4 4 8 1 2. - <_> - 12 5 8 1 2. - 0 - <_> - - <_> - 4 4 18 6 -1. - <_> - 4 6 18 2 3. - 0 - <_> - - <_> - 4 4 20 6 -1. - <_> - 4 6 20 2 3. - 0 - <_> - - <_> - 4 5 4 5 -1. - <_> - 6 5 2 5 2. - 0 - <_> - - <_> - 4 5 16 6 -1. - <_> - 4 5 8 3 2. - <_> - 12 8 8 3 2. - 0 - <_> - - <_> - 4 5 15 6 -1. - <_> - 4 7 15 2 3. - 0 - <_> - - <_> - 4 6 1 3 -1. - <_> - 4 7 1 1 3. - 0 - <_> - - <_> - 4 6 2 3 -1. - <_> - 4 7 2 1 3. - 0 - <_> - - <_> - 4 6 6 2 -1. - <_> - 6 6 2 2 3. - 0 - <_> - - <_> - 4 6 3 3 -1. - <_> - 4 7 3 1 3. - 0 - <_> - - <_> - 4 6 6 2 -1. - <_> - 4 6 3 1 2. - <_> - 7 7 3 1 2. - 0 - <_> - - <_> - 4 7 4 3 -1. - <_> - 4 8 4 1 3. - 0 - <_> - - <_> - 4 7 15 6 -1. - <_> - 4 9 15 2 3. - 0 - <_> - - <_> - 4 7 16 6 -1. - <_> - 4 9 16 2 3. - 0 - <_> - - <_> - 4 7 17 3 -1. - <_> - 4 8 17 1 3. - 0 - <_> - - <_> - 4 8 3 3 -1. - <_> - 5 9 1 1 9. - 0 - <_> - - <_> - 4 8 2 3 -1. - <_> - 4 9 2 1 3. - 0 - <_> - - <_> - 4 8 5 4 -1. - <_> - 4 9 5 2 2. - 0 - <_> - - <_> - 4 8 18 4 -1. - <_> - 4 8 9 2 2. - <_> - 13 10 9 2 2. - 0 - <_> - - <_> - 4 9 2 1 -1. - <_> - 5 9 1 1 2. - 0 - <_> - - <_> - 4 9 3 1 -1. - <_> - 5 9 1 1 3. - 0 - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - 0 - <_> - - <_> - 4 9 2 4 -1. - <_> - 4 9 1 2 2. - <_> - 5 11 1 2 2. - 0 - <_> - - <_> - 4 9 3 2 -1. - <_> - 4 9 3 1 2. - 1 - <_> - - <_> - 4 9 6 6 -1. - <_> - 4 9 3 3 2. - <_> - 7 12 3 3 2. - 0 - <_> - - <_> - 4 9 16 1 -1. - <_> - 8 9 8 1 2. - 0 - <_> - - <_> - 4 9 16 2 -1. - <_> - 4 9 8 1 2. - <_> - 12 10 8 1 2. - 0 - <_> - - <_> - 4 9 18 2 -1. - <_> - 4 9 9 1 2. - <_> - 13 10 9 1 2. - 0 - <_> - - <_> - 4 9 11 4 -1. - <_> - 4 9 11 2 2. - 1 - <_> - - <_> - 4 10 2 2 -1. - <_> - 4 10 1 1 2. - <_> - 5 11 1 1 2. - 0 - <_> - - <_> - 4 10 3 1 -1. - <_> - 5 11 1 1 3. - 1 - <_> - - <_> - 4 10 3 2 -1. - <_> - 5 11 1 2 3. - 1 - <_> - - <_> - 4 10 3 14 -1. - <_> - 5 10 1 14 3. - 0 - <_> - - <_> - 4 10 9 4 -1. - <_> - 4 10 9 2 2. - 1 - <_> - - <_> - 4 10 10 4 -1. - <_> - 4 10 10 2 2. - 1 - <_> - - <_> - 4 10 16 6 -1. - <_> - 4 12 16 2 3. - 0 - <_> - - <_> - 4 11 3 1 -1. - <_> - 5 12 1 1 3. - 1 - <_> - - <_> - 4 11 3 2 -1. - <_> - 5 11 1 2 3. - 0 - <_> - - <_> - 4 11 3 4 -1. - <_> - 5 11 1 4 3. - 0 - <_> - - <_> - 4 11 3 10 -1. - <_> - 4 16 3 5 2. - 0 - <_> - - <_> - 4 12 3 1 -1. - <_> - 5 13 1 1 3. - 1 - <_> - - <_> - 4 12 3 2 -1. - <_> - 5 12 1 2 3. - 0 - <_> - - <_> - 4 12 1 6 -1. - <_> - 4 15 1 3 2. - 0 - <_> - - <_> - 4 12 2 8 -1. - <_> - 4 16 2 4 2. - 0 - <_> - - <_> - 4 13 3 1 -1. - <_> - 5 13 1 1 3. - 0 - <_> - - <_> - 4 13 4 3 -1. - <_> - 6 13 2 3 2. - 0 - <_> - - <_> - 4 13 9 5 -1. - <_> - 7 13 3 5 3. - 0 - <_> - - <_> - 4 14 4 1 -1. - <_> - 6 14 2 1 2. - 0 - <_> - - <_> - 4 15 3 2 -1. - <_> - 5 16 1 2 3. - 1 - <_> - - <_> - 4 15 4 3 -1. - <_> - 6 15 2 3 2. - 0 - <_> - - <_> - 4 15 9 4 -1. - <_> - 7 15 3 4 3. - 0 - <_> - - <_> - 4 15 4 4 -1. - <_> - 4 16 4 2 2. - 0 - <_> - - <_> - 4 17 3 1 -1. - <_> - 5 18 1 1 3. - 1 - <_> - - <_> - 4 18 3 6 -1. - <_> - 5 18 1 6 3. - 0 - <_> - - <_> - 4 20 3 4 -1. - <_> - 5 20 1 4 3. - 0 - <_> - - <_> - 5 0 6 18 -1. - <_> - 7 0 2 18 3. - 0 - <_> - - <_> - 5 2 4 12 -1. - <_> - 7 2 2 12 2. - 0 - <_> - - <_> - 5 2 14 2 -1. - <_> - 5 2 7 2 2. - 1 - <_> - - <_> - 5 2 15 6 -1. - <_> - 5 5 15 3 2. - 0 - <_> - - <_> - 5 3 1 3 -1. - <_> - 4 4 1 1 3. - 1 - <_> - - <_> - 5 3 2 3 -1. - <_> - 4 4 2 1 3. - 1 - <_> - - <_> - 5 3 4 9 -1. - <_> - 7 3 2 9 2. - 0 - <_> - - <_> - 5 3 9 3 -1. - <_> - 8 4 3 1 9. - 0 - <_> - - <_> - 5 3 14 2 -1. - <_> - 5 3 7 1 2. - <_> - 12 4 7 1 2. - 0 - <_> - - <_> - 5 4 2 3 -1. - <_> - 4 5 2 1 3. - 1 - <_> - - <_> - 5 4 16 2 -1. - <_> - 5 4 8 1 2. - <_> - 13 5 8 1 2. - 0 - <_> - - <_> - 5 5 1 3 -1. - <_> - 4 6 1 1 3. - 1 - <_> - - <_> - 5 5 4 9 -1. - <_> - 5 8 4 3 3. - 0 - <_> - - <_> - 5 5 14 2 -1. - <_> - 5 5 7 1 2. - <_> - 12 6 7 1 2. - 0 - <_> - - <_> - 5 5 15 6 -1. - <_> - 5 7 15 2 3. - 0 - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - 0 - <_> - - <_> - 5 6 4 4 -1. - <_> - 5 7 4 2 2. - 0 - <_> - - <_> - 5 6 14 2 -1. - <_> - 5 6 7 1 2. - <_> - 12 7 7 1 2. - 0 - <_> - - <_> - 5 6 14 4 -1. - <_> - 5 7 14 2 2. - 0 - <_> - - <_> - 5 6 14 6 -1. - <_> - 5 8 14 2 3. - 0 - <_> - - <_> - 5 6 15 4 -1. - <_> - 5 7 15 2 2. - 0 - <_> - - <_> - 5 7 1 3 -1. - <_> - 5 8 1 1 3. - 0 - <_> - - <_> - 5 7 4 15 -1. - <_> - 6 7 2 15 2. - 0 - <_> - - <_> - 5 7 4 1 -1. - <_> - 7 7 2 1 2. - 0 - <_> - - <_> - 5 7 3 2 -1. - <_> - 5 8 3 1 2. - 0 - <_> - - <_> - 5 7 3 3 -1. - <_> - 5 8 3 1 3. - 0 - <_> - - <_> - 5 7 3 4 -1. - <_> - 5 8 3 2 2. - 0 - <_> - - <_> - 5 7 3 6 -1. - <_> - 5 9 3 2 3. - 0 - <_> - - <_> - 5 7 4 4 -1. - <_> - 5 9 4 2 2. - 0 - <_> - - <_> - 5 7 4 6 -1. - <_> - 5 9 4 2 3. - 0 - <_> - - <_> - 5 7 16 4 -1. - <_> - 5 7 8 2 2. - <_> - 13 9 8 2 2. - 0 - <_> - - <_> - 5 7 14 2 -1. - <_> - 5 8 14 1 2. - 0 - <_> - - <_> - 5 7 16 6 -1. - <_> - 5 9 16 2 3. - 0 - <_> - - <_> - 5 8 1 3 -1. - <_> - 5 9 1 1 3. - 0 - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - 0 - <_> - - <_> - 5 8 3 3 -1. - <_> - 4 9 3 1 3. - 1 - <_> - - <_> - 5 8 3 4 -1. - <_> - 4 9 3 2 2. - 1 - <_> - - <_> - 5 8 4 4 -1. - <_> - 5 9 4 2 2. - 0 - <_> - - <_> - 5 8 4 3 -1. - <_> - 4 9 4 1 3. - 1 - <_> - - <_> - 5 8 14 2 -1. - <_> - 5 8 7 1 2. - <_> - 12 9 7 1 2. - 0 - <_> - - <_> - 5 8 16 2 -1. - <_> - 5 8 8 1 2. - <_> - 13 9 8 1 2. - 0 - <_> - - <_> - 5 8 13 16 -1. - <_> - 5 12 13 8 2. - 0 - <_> - - <_> - 5 9 4 4 -1. - <_> - 7 9 2 4 2. - 0 - <_> - - <_> - 5 9 4 3 -1. - <_> - 5 10 4 1 3. - 0 - <_> - - <_> - 5 9 4 4 -1. - <_> - 5 9 4 2 2. - 1 - <_> - - <_> - 5 9 14 2 -1. - <_> - 5 9 7 1 2. - <_> - 12 10 7 1 2. - 0 - <_> - - <_> - 5 9 16 2 -1. - <_> - 5 9 8 1 2. - <_> - 13 10 8 1 2. - 0 - <_> - - <_> - 5 9 15 3 -1. - <_> - 5 10 15 1 3. - 0 - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 1 1 2. - <_> - 6 11 1 1 2. - 0 - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 11 1 1 3. - 1 - <_> - - <_> - 5 10 3 14 -1. - <_> - 6 10 1 14 3. - 0 - <_> - - <_> - 5 10 4 3 -1. - <_> - 7 10 2 3 2. - 0 - <_> - - <_> - 5 10 12 4 -1. - <_> - 9 10 4 4 3. - 0 - <_> - - <_> - 5 10 14 3 -1. - <_> - 5 11 14 1 3. - 0 - <_> - - <_> - 5 10 16 8 -1. - <_> - 5 12 16 4 2. - 0 - <_> - - <_> - 5 11 3 2 -1. - <_> - 6 11 1 2 3. - 0 - <_> - - <_> - 5 11 9 4 -1. - <_> - 5 11 9 2 2. - 1 - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 12 1 2 3. - 0 - <_> - - <_> - 5 12 14 2 -1. - <_> - 5 12 7 1 2. - <_> - 12 13 7 1 2. - 0 - <_> - - <_> - 5 13 14 2 -1. - <_> - 5 13 7 1 2. - <_> - 12 14 7 1 2. - 0 - <_> - - <_> - 5 13 14 10 -1. - <_> - 5 18 14 5 2. - 0 - <_> - - <_> - 5 15 4 1 -1. - <_> - 6 16 2 1 2. - 1 - <_> - - <_> - 5 15 3 2 -1. - <_> - 6 16 1 2 3. - 1 - <_> - - <_> - 5 19 3 4 -1. - <_> - 6 19 1 4 3. - 0 - <_> - - <_> - 5 20 3 4 -1. - <_> - 6 20 1 4 3. - 0 - <_> - - <_> - 6 1 6 11 -1. - <_> - 8 1 2 11 3. - 0 - <_> - - <_> - 6 1 12 2 -1. - <_> - 6 1 6 1 2. - <_> - 12 2 6 1 2. - 0 - <_> - - <_> - 6 2 1 3 -1. - <_> - 5 3 1 1 3. - 1 - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 2 4 3 2. - 1 - <_> - - <_> - 6 2 12 6 -1. - <_> - 6 2 6 6 2. - 1 - <_> - - <_> - 6 3 1 2 -1. - <_> - 6 3 1 1 2. - 1 - <_> - - <_> - 6 3 1 3 -1. - <_> - 5 4 1 1 3. - 1 - <_> - - <_> - 6 3 6 1 -1. - <_> - 8 3 2 1 3. - 0 - <_> - - <_> - 6 3 18 21 -1. - <_> - 15 3 9 21 2. - 0 - <_> - - <_> - 6 4 1 3 -1. - <_> - 5 5 1 1 3. - 1 - <_> - - <_> - 6 4 4 3 -1. - <_> - 6 5 4 1 3. - 0 - <_> - - <_> - 6 4 5 4 -1. - <_> - 5 5 5 2 2. - 1 - <_> - - <_> - 6 4 6 3 -1. - <_> - 6 5 6 1 3. - 0 - <_> - - <_> - 6 5 1 3 -1. - <_> - 5 6 1 1 3. - 1 - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - 0 - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - <_> - - <_> - 6 5 12 2 -1. - <_> - 6 5 6 1 2. - <_> - 12 6 6 1 2. - 0 - <_> - - <_> - 6 6 10 2 -1. - <_> - 6 6 5 1 2. - <_> - 11 7 5 1 2. - 0 - <_> - - <_> - 6 6 5 3 -1. - <_> - 5 7 5 1 3. - 1 - <_> - - <_> - 6 7 1 3 -1. - <_> - 6 8 1 1 3. - 0 - <_> - - <_> - 6 7 1 6 -1. - <_> - 6 9 1 2 3. - 0 - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 8 2 1 2. - 0 - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - 0 - <_> - - <_> - 6 7 3 6 -1. - <_> - 6 9 3 2 3. - 0 - <_> - - <_> - 6 7 12 2 -1. - <_> - 6 7 6 1 2. - <_> - 12 8 6 1 2. - 0 - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 9 1 1 3. - 1 - <_> - - <_> - 6 8 2 3 -1. - <_> - 6 9 2 1 3. - 0 - <_> - - <_> - 6 8 2 3 -1. - <_> - 5 9 2 1 3. - 1 - <_> - - <_> - 6 8 3 4 -1. - <_> - 6 9 3 2 2. - 0 - <_> - - <_> - 6 8 3 3 -1. - <_> - 5 9 3 1 3. - 1 - <_> - - <_> - 6 8 12 3 -1. - <_> - 9 8 6 3 2. - 0 - <_> - - <_> - 6 8 12 2 -1. - <_> - 6 8 6 1 2. - <_> - 12 9 6 1 2. - 0 - <_> - - <_> - 6 8 13 6 -1. - <_> - 6 10 13 2 3. - 0 - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 2 2. - 1 - <_> - - <_> - 6 9 12 1 -1. - <_> - 9 9 6 1 2. - 0 - <_> - - <_> - 6 9 12 2 -1. - <_> - 9 9 6 2 2. - 0 - <_> - - <_> - 6 9 12 3 -1. - <_> - 9 9 6 3 2. - 0 - <_> - - <_> - 6 9 12 2 -1. - <_> - 10 9 4 2 3. - 0 - <_> - - <_> - 6 9 12 2 -1. - <_> - 6 9 6 1 2. - <_> - 12 10 6 1 2. - 0 - <_> - - <_> - 6 9 12 3 -1. - <_> - 6 10 12 1 3. - 0 - <_> - - <_> - 6 10 1 3 -1. - <_> - 6 11 1 1 3. - 0 - <_> - - <_> - 6 10 2 3 -1. - <_> - 7 10 1 3 2. - 0 - <_> - - <_> - 6 10 2 4 -1. - <_> - 7 10 1 4 2. - 0 - <_> - - <_> - 6 10 2 3 -1. - <_> - 6 11 2 1 3. - 0 - <_> - - <_> - 6 10 2 4 -1. - <_> - 6 11 2 2 2. - 0 - <_> - - <_> - 6 10 3 3 -1. - <_> - 6 11 3 1 3. - 0 - <_> - - <_> - 6 10 12 1 -1. - <_> - 9 10 6 1 2. - 0 - <_> - - <_> - 6 10 12 2 -1. - <_> - 6 10 6 1 2. - <_> - 12 11 6 1 2. - 0 - <_> - - <_> - 6 10 13 3 -1. - <_> - 6 11 13 1 3. - 0 - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - 0 - <_> - - <_> - 6 11 3 2 -1. - <_> - 6 12 3 1 2. - 0 - <_> - - <_> - 6 11 3 3 -1. - <_> - 6 12 3 1 3. - 0 - <_> - - <_> - 6 11 13 3 -1. - <_> - 6 12 13 1 3. - 0 - <_> - - <_> - 6 13 7 4 -1. - <_> - 6 13 7 2 2. - 1 - <_> - - <_> - 6 14 1 3 -1. - <_> - 6 15 1 1 3. - 0 - <_> - - <_> - 6 15 3 4 -1. - <_> - 7 16 1 4 3. - 1 - <_> - - <_> - 6 15 6 3 -1. - <_> - 6 15 3 3 2. - 1 - <_> - - <_> - 6 18 3 1 -1. - <_> - 7 19 1 1 3. - 1 - <_> - - <_> - 6 19 3 5 -1. - <_> - 7 19 1 5 3. - 0 - <_> - - <_> - 7 0 3 4 -1. - <_> - 7 0 3 2 2. - 1 - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 0 4 1 2. - 1 - <_> - - <_> - 7 0 10 1 -1. - <_> - 12 0 5 1 2. - 0 - <_> - - <_> - 7 1 2 6 -1. - <_> - 7 1 1 3 2. - <_> - 8 4 1 3 2. - 0 - <_> - - <_> - 7 1 10 1 -1. - <_> - 12 1 5 1 2. - 0 - <_> - - <_> - 7 2 1 3 -1. - <_> - 6 3 1 1 3. - 1 - <_> - - <_> - 7 2 1 4 -1. - <_> - 6 3 1 2 2. - 1 - <_> - - <_> - 7 2 3 4 -1. - <_> - 6 3 3 2 2. - 1 - <_> - - <_> - 7 2 6 3 -1. - <_> - 7 3 6 1 3. - 0 - <_> - - <_> - 7 2 13 10 -1. - <_> - 7 7 13 5 2. - 0 - <_> - - <_> - 7 3 1 3 -1. - <_> - 6 4 1 1 3. - 1 - <_> - - <_> - 7 3 2 4 -1. - <_> - 6 4 2 2 2. - 1 - <_> - - <_> - 7 3 4 2 -1. - <_> - 7 3 4 1 2. - 1 - <_> - - <_> - 7 4 3 3 -1. - <_> - 8 4 1 3 3. - 0 - <_> - - <_> - 7 4 10 2 -1. - <_> - 7 4 5 1 2. - <_> - 12 5 5 1 2. - 0 - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - 0 - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 5 1 3 3. - 0 - <_> - - <_> - 7 5 3 5 -1. - <_> - 8 5 1 5 3. - 0 - <_> - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - 0 - <_> - - <_> - 7 6 1 4 -1. - <_> - 7 6 1 2 2. - 1 - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - 0 - <_> - - <_> - 7 6 10 2 -1. - <_> - 7 6 5 1 2. - <_> - 12 7 5 1 2. - 0 - <_> - - <_> - 7 6 5 3 -1. - <_> - 6 7 5 1 3. - 1 - <_> - - <_> - 7 6 8 4 -1. - <_> - 6 7 8 2 2. - 1 - <_> - - <_> - 7 7 1 3 -1. - <_> - 7 8 1 1 3. - 0 - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 1 2. - <_> - 8 8 1 1 2. - 0 - <_> - - <_> - 7 8 1 3 -1. - <_> - 7 9 1 1 3. - 0 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - 0 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 2 2. - 1 - <_> - - <_> - 7 8 12 7 -1. - <_> - 11 8 4 7 3. - 0 - <_> - - <_> - 7 8 10 2 -1. - <_> - 7 8 5 1 2. - <_> - 12 9 5 1 2. - 0 - <_> - - <_> - 7 9 1 2 -1. - <_> - 7 10 1 1 2. - 0 - <_> - - <_> - 7 9 2 3 -1. - <_> - 7 9 1 3 2. - 1 - <_> - - <_> - 7 9 2 3 -1. - <_> - 7 10 2 1 3. - 0 - <_> - - <_> - 7 9 6 10 -1. - <_> - 7 9 3 5 2. - <_> - 10 14 3 5 2. - 0 - <_> - - <_> - 7 9 10 2 -1. - <_> - 7 9 5 1 2. - <_> - 12 10 5 1 2. - 0 - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - 0 - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - 0 - <_> - - <_> - 7 10 2 3 -1. - <_> - 7 11 2 1 3. - 0 - <_> - - <_> - 7 10 6 5 -1. - <_> - 9 10 2 5 3. - 0 - <_> - - <_> - 7 10 9 4 -1. - <_> - 10 10 3 4 3. - 0 - <_> - - <_> - 7 10 10 2 -1. - <_> - 7 10 5 1 2. - <_> - 12 11 5 1 2. - 0 - <_> - - <_> - 7 11 1 2 -1. - <_> - 7 12 1 1 2. - 0 - <_> - - <_> - 7 15 5 4 -1. - <_> - 6 16 5 2 2. - 1 - <_> - - <_> - 7 16 6 2 -1. - <_> - 9 18 2 2 3. - 1 - <_> - - <_> - 7 16 4 2 -1. - <_> - 7 16 4 1 2. - 1 - <_> - - <_> - 7 16 4 4 -1. - <_> - 6 17 4 2 2. - 1 - <_> - - <_> - 7 17 3 1 -1. - <_> - 8 18 1 1 3. - 1 - <_> - - <_> - 7 17 1 4 -1. - <_> - 7 19 1 2 2. - 0 - <_> - - <_> - 7 17 3 6 -1. - <_> - 7 20 3 3 2. - 0 - <_> - - <_> - 7 17 4 3 -1. - <_> - 6 18 4 1 3. - 1 - <_> - - <_> - 7 17 5 2 -1. - <_> - 7 17 5 1 2. - 1 - <_> - - <_> - 7 18 3 1 -1. - <_> - 8 19 1 1 3. - 1 - <_> - - <_> - 7 19 3 1 -1. - <_> - 8 20 1 1 3. - 1 - <_> - - <_> - 7 19 3 5 -1. - <_> - 8 19 1 5 3. - 0 - <_> - - <_> - 7 20 3 1 -1. - <_> - 8 21 1 1 3. - 1 - <_> - - <_> - 7 20 9 4 -1. - <_> - 7 22 9 2 2. - 0 - <_> - - <_> - 7 20 10 4 -1. - <_> - 7 21 10 2 2. - 0 - <_> - - <_> - 7 20 10 4 -1. - <_> - 7 22 10 2 2. - 0 - <_> - - <_> - 8 0 8 1 -1. - <_> - 12 0 4 1 2. - 0 - <_> - - <_> - 8 0 7 4 -1. - <_> - 8 2 7 2 2. - 0 - <_> - - <_> - 8 0 16 6 -1. - <_> - 8 0 8 3 2. - <_> - 16 3 8 3 2. - 0 - <_> - - <_> - 8 0 8 10 -1. - <_> - 8 5 8 5 2. - 0 - <_> - - <_> - 8 0 16 10 -1. - <_> - 8 0 8 5 2. - <_> - 16 5 8 5 2. - 0 - <_> - - <_> - 8 0 9 4 -1. - <_> - 8 1 9 2 2. - 0 - <_> - - <_> - 8 0 9 10 -1. - <_> - 8 5 9 5 2. - 0 - <_> - - <_> - 8 1 8 8 -1. - <_> - 8 5 8 4 2. - 0 - <_> - - <_> - 8 1 12 10 -1. - <_> - 8 6 12 5 2. - 0 - <_> - - <_> - 8 2 3 3 -1. - <_> - 9 2 1 3 3. - 0 - <_> - - <_> - 8 2 2 4 -1. - <_> - 7 3 2 2 2. - 1 - <_> - - <_> - 8 2 2 6 -1. - <_> - 6 4 2 2 3. - 1 - <_> - - <_> - 8 3 3 8 -1. - <_> - 9 3 1 8 3. - 0 - <_> - - <_> - 8 4 8 2 -1. - <_> - 8 4 4 1 2. - <_> - 12 5 4 1 2. - 0 - <_> - - <_> - 8 4 7 15 -1. - <_> - 8 9 7 5 3. - 0 - <_> - - <_> - 8 5 2 1 -1. - <_> - 8 5 1 1 2. - 1 - <_> - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - 0 - <_> - - <_> - 8 5 2 5 -1. - <_> - 9 5 1 5 2. - 0 - <_> - - <_> - 8 5 2 6 -1. - <_> - 9 5 1 6 2. - 0 - <_> - - <_> - 8 5 3 6 -1. - <_> - 9 5 1 6 3. - 0 - <_> - - <_> - 8 5 2 7 -1. - <_> - 9 5 1 7 2. - 0 - <_> - - <_> - 8 5 3 7 -1. - <_> - 9 6 1 7 3. - 1 - <_> - - <_> - 8 5 3 8 -1. - <_> - 9 5 1 8 3. - 0 - <_> - - <_> - 8 5 3 6 -1. - <_> - 8 5 3 3 2. - 1 - <_> - - <_> - 8 5 4 6 -1. - <_> - 6 7 4 2 3. - 1 - <_> - - <_> - 8 5 10 2 -1. - <_> - 8 5 5 1 2. - <_> - 13 6 5 1 2. - 0 - <_> - - <_> - 8 5 5 3 -1. - <_> - 7 6 5 1 3. - 1 - <_> - - <_> - 8 6 3 6 -1. - <_> - 9 6 1 6 3. - 0 - <_> - - <_> - 8 6 3 4 -1. - <_> - 7 7 3 2 2. - 1 - <_> - - <_> - 8 6 4 2 -1. - <_> - 8 6 4 1 2. - 1 - <_> - - <_> - 8 6 4 3 -1. - <_> - 7 7 4 1 3. - 1 - <_> - - <_> - 8 6 4 4 -1. - <_> - 7 7 4 2 2. - 1 - <_> - - <_> - 8 6 10 2 -1. - <_> - 8 6 5 1 2. - <_> - 13 7 5 1 2. - 0 - <_> - - <_> - 8 7 3 3 -1. - <_> - 7 8 3 1 3. - 1 - <_> - - <_> - 8 7 3 4 -1. - <_> - 7 8 3 2 2. - 1 - <_> - - <_> - 8 7 9 5 -1. - <_> - 11 10 3 5 3. - 1 - <_> - - <_> - 8 7 9 8 -1. - <_> - 11 10 3 8 3. - 1 - <_> - - <_> - 8 7 4 2 -1. - <_> - 8 7 4 1 2. - 1 - <_> - - <_> - 8 7 4 3 -1. - <_> - 7 8 4 1 3. - 1 - <_> - - <_> - 8 7 5 2 -1. - <_> - 8 7 5 1 2. - 1 - <_> - - <_> - 8 7 8 2 -1. - <_> - 8 7 8 1 2. - 1 - <_> - - <_> - 8 7 10 12 -1. - <_> - 8 13 10 6 2. - 0 - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 1 2. - <_> - 9 9 1 1 2. - 0 - <_> - - <_> - 8 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - <_> - - <_> - 8 10 3 1 -1. - <_> - 9 10 1 1 3. - 0 - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - 0 - <_> - - <_> - 8 10 2 2 -1. - <_> - 9 10 1 2 2. - 0 - <_> - - <_> - 8 10 3 2 -1. - <_> - 9 10 1 2 3. - 0 - <_> - - <_> - 8 10 4 8 -1. - <_> - 8 10 2 4 2. - <_> - 10 14 2 4 2. - 0 - <_> - - <_> - 8 10 8 2 -1. - <_> - 8 10 4 1 2. - <_> - 12 11 4 1 2. - 0 - <_> - - <_> - 8 10 15 12 -1. - <_> - 13 14 5 4 9. - 0 - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 11 1 1 2. - <_> - 9 12 1 1 2. - 0 - <_> - - <_> - 8 13 9 3 -1. - <_> - 11 13 3 3 3. - 0 - <_> - - <_> - 8 15 9 6 -1. - <_> - 11 15 3 6 3. - 0 - <_> - - <_> - 8 15 8 6 -1. - <_> - 8 17 8 2 3. - 0 - <_> - - <_> - 8 16 8 2 -1. - <_> - 10 16 4 2 2. - 0 - <_> - - <_> - 8 16 8 3 -1. - <_> - 10 16 4 3 2. - 0 - <_> - - <_> - 8 17 3 3 -1. - <_> - 9 18 1 3 3. - 1 - <_> - - <_> - 8 17 8 3 -1. - <_> - 10 17 4 3 2. - 0 - <_> - - <_> - 8 17 9 6 -1. - <_> - 8 19 9 2 3. - 0 - <_> - - <_> - 8 18 3 6 -1. - <_> - 9 18 1 6 3. - 0 - <_> - - <_> - 8 19 3 1 -1. - <_> - 9 20 1 1 3. - 1 - <_> - - <_> - 8 19 3 4 -1. - <_> - 9 19 1 4 3. - 0 - <_> - - <_> - 8 19 7 3 -1. - <_> - 8 20 7 1 3. - 0 - <_> - - <_> - 8 19 9 4 -1. - <_> - 8 20 9 2 2. - 0 - <_> - - <_> - 8 20 3 3 -1. - <_> - 9 20 1 3 3. - 0 - <_> - - <_> - 8 20 16 4 -1. - <_> - 8 20 8 2 2. - <_> - 16 22 8 2 2. - 0 - <_> - - <_> - 8 21 3 3 -1. - <_> - 9 21 1 3 3. - 0 - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 1 1 1 2. - 0 - <_> - - <_> - 9 0 3 6 -1. - <_> - 7 2 3 2 3. - 1 - <_> - - <_> - 9 0 6 3 -1. - <_> - 12 0 3 3 2. - 0 - <_> - - <_> - 9 0 6 9 -1. - <_> - 9 0 3 9 2. - 1 - <_> - - <_> - 9 0 8 9 -1. - <_> - 9 0 4 9 2. - 1 - <_> - - <_> - 9 0 5 4 -1. - <_> - 9 2 5 2 2. - 0 - <_> - - <_> - 9 0 5 8 -1. - <_> - 9 4 5 4 2. - 0 - <_> - - <_> - 9 0 14 12 -1. - <_> - 9 0 7 6 2. - <_> - 16 6 7 6 2. - 0 - <_> - - <_> - 9 0 8 10 -1. - <_> - 9 5 8 5 2. - 0 - <_> - - <_> - 9 0 15 18 -1. - <_> - 9 6 15 6 3. - 0 - <_> - - <_> - 9 1 2 8 -1. - <_> - 9 5 2 4 2. - 0 - <_> - - <_> - 9 1 3 4 -1. - <_> - 8 2 3 2 2. - 1 - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 2 2. - 0 - <_> - - <_> - 9 2 1 6 -1. - <_> - 9 5 1 3 2. - 0 - <_> - - <_> - 9 2 3 10 -1. - <_> - 10 2 1 10 3. - 0 - <_> - - <_> - 9 2 8 4 -1. - <_> - 11 4 4 4 2. - 1 - <_> - - <_> - 9 2 6 2 -1. - <_> - 9 2 3 1 2. - <_> - 12 3 3 1 2. - 0 - <_> - - <_> - 9 2 7 8 -1. - <_> - 9 6 7 4 2. - 0 - <_> - - <_> - 9 3 3 7 -1. - <_> - 10 4 1 7 3. - 1 - <_> - - <_> - 9 3 3 12 -1. - <_> - 10 3 1 12 3. - 0 - <_> - - <_> - 9 3 6 7 -1. - <_> - 11 3 2 7 3. - 0 - <_> - - <_> - 9 3 12 3 -1. - <_> - 13 4 4 1 9. - 0 - <_> - - <_> - 9 3 11 4 -1. - <_> - 8 4 11 2 2. - 1 - <_> - - <_> - 9 4 3 8 -1. - <_> - 10 5 1 8 3. - 1 - <_> - - <_> - 9 5 2 1 -1. - <_> - 9 5 1 1 2. - 1 - <_> - - <_> - 9 5 3 4 -1. - <_> - 10 5 1 4 3. - 0 - <_> - - <_> - 9 5 3 6 -1. - <_> - 10 5 1 6 3. - 0 - <_> - - <_> - 9 5 6 4 -1. - <_> - 11 5 2 4 3. - 0 - <_> - - <_> - 9 5 3 3 -1. - <_> - 9 6 3 1 3. - 0 - <_> - - <_> - 9 5 4 3 -1. - <_> - 8 6 4 1 3. - 1 - <_> - - <_> - 9 6 3 2 -1. - <_> - 10 7 1 2 3. - 1 - <_> - - <_> - 9 6 2 6 -1. - <_> - 7 8 2 2 3. - 1 - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - 0 - <_> - - <_> - 9 6 4 3 -1. - <_> - 8 7 4 1 3. - 1 - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - 1 - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 2 1 2. - 1 - <_> - - <_> - 9 7 6 2 -1. - <_> - 9 7 3 1 2. - <_> - 12 8 3 1 2. - 0 - <_> - - <_> - 9 8 2 3 -1. - <_> - 8 9 2 1 3. - 1 - <_> - - <_> - 9 8 6 5 -1. - <_> - 11 10 2 5 3. - 1 - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - 0 - <_> - - <_> - 9 8 9 9 -1. - <_> - 12 8 3 9 3. - 0 - <_> - - <_> - 9 9 2 12 -1. - <_> - 9 9 1 6 2. - <_> - 10 15 1 6 2. - 0 - <_> - - <_> - 9 9 6 3 -1. - <_> - 11 11 2 3 3. - 1 - <_> - - <_> - 9 9 6 4 -1. - <_> - 11 11 2 4 3. - 1 - <_> - - <_> - 9 9 3 3 -1. - <_> - 9 10 3 1 3. - 0 - <_> - - <_> - 9 9 6 4 -1. - <_> - 12 9 3 4 2. - 0 - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - 0 - <_> - - <_> - 9 10 5 3 -1. - <_> - 9 11 5 1 3. - 0 - <_> - - <_> - 9 10 14 3 -1. - <_> - 9 11 14 1 3. - 0 - <_> - - <_> - 9 13 4 6 -1. - <_> - 9 13 2 3 2. - <_> - 11 16 2 3 2. - 0 - <_> - - <_> - 9 13 9 4 -1. - <_> - 12 13 3 4 3. - 0 - <_> - - <_> - 9 16 6 5 -1. - <_> - 11 16 2 5 3. - 0 - <_> - - <_> - 9 17 6 2 -1. - <_> - 11 17 2 2 3. - 0 - <_> - - <_> - 9 18 3 3 -1. - <_> - 10 19 1 3 3. - 1 - <_> - - <_> - 9 19 3 2 -1. - <_> - 10 20 1 2 3. - 1 - <_> - - <_> - 9 19 6 3 -1. - <_> - 9 20 6 1 3. - 0 - <_> - - <_> - 9 19 7 3 -1. - <_> - 9 20 7 1 3. - 0 - <_> - - <_> - 9 20 3 3 -1. - <_> - 10 20 1 3 3. - 0 - <_> - - <_> - 9 20 5 3 -1. - <_> - 9 21 5 1 3. - 0 - <_> - - <_> - 9 20 6 3 -1. - <_> - 9 21 6 1 3. - 0 - <_> - - <_> - 9 20 7 3 -1. - <_> - 9 21 7 1 3. - 0 - <_> - - <_> - 9 20 7 4 -1. - <_> - 9 22 7 2 2. - 0 - <_> - - <_> - 9 21 3 3 -1. - <_> - 10 21 1 3 3. - 0 - <_> - - <_> - 9 21 8 2 -1. - <_> - 9 22 8 1 2. - 0 - <_> - - <_> - 10 0 4 1 -1. - <_> - 12 0 2 1 2. - 0 - <_> - - <_> - 10 0 3 12 -1. - <_> - 10 4 3 4 3. - 0 - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 4 4 4 2. - 0 - <_> - - <_> - 10 0 14 10 -1. - <_> - 10 0 7 5 2. - <_> - 17 5 7 5 2. - 0 - <_> - - <_> - 10 2 4 6 -1. - <_> - 11 2 2 6 2. - 0 - <_> - - <_> - 10 2 6 10 -1. - <_> - 10 2 3 10 2. - 1 - <_> - - <_> - 10 3 2 5 -1. - <_> - 11 3 1 5 2. - 0 - <_> - - <_> - 10 4 3 5 -1. - <_> - 11 4 1 5 3. - 0 - <_> - - <_> - 10 4 4 19 -1. - <_> - 12 4 2 19 2. - 0 - <_> - - <_> - 10 5 1 2 -1. - <_> - 10 5 1 1 2. - 1 - <_> - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - 0 - <_> - - <_> - 10 5 3 3 -1. - <_> - 10 6 3 1 3. - 0 - <_> - - <_> - 10 6 1 3 -1. - <_> - 10 7 1 1 3. - 0 - <_> - - <_> - 10 6 4 6 -1. - <_> - 12 6 2 6 2. - 0 - <_> - - <_> - 10 7 4 3 -1. - <_> - 10 8 4 1 3. - 0 - <_> - - <_> - 10 8 1 2 -1. - <_> - 10 8 1 1 2. - 1 - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 9 2 1 2. - 0 - <_> - - <_> - 10 9 1 3 -1. - <_> - 9 10 1 1 3. - 1 - <_> - - <_> - 10 9 2 3 -1. - <_> - 11 9 1 3 2. - 0 - <_> - - <_> - 10 9 2 12 -1. - <_> - 10 9 1 6 2. - <_> - 11 15 1 6 2. - 0 - <_> - - <_> - 10 9 2 3 -1. - <_> - 10 10 2 1 3. - 0 - <_> - - <_> - 10 9 2 3 -1. - <_> - 9 10 2 1 3. - 1 - <_> - - <_> - 10 10 3 3 -1. - <_> - 9 11 3 1 3. - 1 - <_> - - <_> - 10 11 5 3 -1. - <_> - 10 12 5 1 3. - 0 - <_> - - <_> - 10 12 14 3 -1. - <_> - 10 13 14 1 3. - 0 - <_> - - <_> - 10 17 4 2 -1. - <_> - 11 17 2 2 2. - 0 - <_> - - <_> - 10 17 2 6 -1. - <_> - 10 17 1 3 2. - <_> - 11 20 1 3 2. - 0 - <_> - - <_> - 10 17 3 3 -1. - <_> - 10 18 3 1 3. - 0 - <_> - - <_> - 10 17 6 2 -1. - <_> - 13 17 3 2 2. - 0 - <_> - - <_> - 10 18 5 4 -1. - <_> - 10 19 5 2 2. - 0 - <_> - - <_> - 10 19 5 4 -1. - <_> - 10 20 5 2 2. - 0 - <_> - - <_> - 10 19 6 3 -1. - <_> - 10 20 6 1 3. - 0 - <_> - - <_> - 10 20 3 4 -1. - <_> - 11 20 1 4 3. - 0 - <_> - - <_> - 10 20 6 4 -1. - <_> - 12 20 2 4 3. - 0 - <_> - - <_> - 10 20 5 4 -1. - <_> - 10 21 5 2 2. - 0 - <_> - - <_> - 10 20 5 4 -1. - <_> - 10 22 5 2 2. - 0 - <_> - - <_> - 10 20 14 4 -1. - <_> - 10 20 7 2 2. - <_> - 17 22 7 2 2. - 0 - <_> - - <_> - 10 21 3 3 -1. - <_> - 11 21 1 3 3. - 0 - <_> - - <_> - 10 21 5 2 -1. - <_> - 10 22 5 1 2. - 0 - <_> - - <_> - 10 22 3 2 -1. - <_> - 11 22 1 2 3. - 0 - <_> - - <_> - 10 23 3 1 -1. - <_> - 11 23 1 1 3. - 0 - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 0 1 1 2. - 1 - <_> - - <_> - 11 0 1 4 -1. - <_> - 10 1 1 2 2. - 1 - <_> - - <_> - 11 0 4 1 -1. - <_> - 13 0 2 1 2. - 0 - <_> - - <_> - 11 1 1 2 -1. - <_> - 11 1 1 1 2. - 1 - <_> - - <_> - 11 2 8 9 -1. - <_> - 13 4 4 9 2. - 1 - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 3 1 3 3. - 0 - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 3 1 4 3. - 0 - <_> - - <_> - 11 4 3 4 -1. - <_> - 12 4 1 4 3. - 0 - <_> - - <_> - 11 4 3 5 -1. - <_> - 12 4 1 5 3. - 0 - <_> - - <_> - 11 4 3 7 -1. - <_> - 12 5 1 7 3. - 1 - <_> - - <_> - 11 4 4 1 -1. - <_> - 13 4 2 1 2. - 0 - <_> - - <_> - 11 4 2 3 -1. - <_> - 11 5 2 1 3. - 0 - <_> - - <_> - 11 4 4 3 -1. - <_> - 11 5 4 1 3. - 0 - <_> - - <_> - 11 5 3 1 -1. - <_> - 12 5 1 1 3. - 0 - <_> - - <_> - 11 5 4 11 -1. - <_> - 13 5 2 11 2. - 0 - <_> - - <_> - 11 6 2 3 -1. - <_> - 11 7 2 1 3. - 0 - <_> - - <_> - 11 6 4 3 -1. - <_> - 11 7 4 1 3. - 0 - <_> - - <_> - 11 7 1 3 -1. - <_> - 11 8 1 1 3. - 0 - <_> - - <_> - 11 7 2 3 -1. - <_> - 11 8 2 1 3. - 0 - <_> - - <_> - 11 7 2 6 -1. - <_> - 11 7 2 3 2. - 1 - <_> - - <_> - 11 7 3 3 -1. - <_> - 11 8 3 1 3. - 0 - <_> - - <_> - 11 7 3 8 -1. - <_> - 11 7 3 4 2. - 1 - <_> - - <_> - 11 8 1 3 -1. - <_> - 11 9 1 1 3. - 0 - <_> - - <_> - 11 8 2 3 -1. - <_> - 11 9 2 1 3. - 0 - <_> - - <_> - 11 9 3 3 -1. - <_> - 11 10 3 1 3. - 0 - <_> - - <_> - 11 10 4 5 -1. - <_> - 12 11 2 5 2. - 1 - <_> - - <_> - 11 10 6 3 -1. - <_> - 13 10 2 3 3. - 0 - <_> - - <_> - 11 10 6 8 -1. - <_> - 11 10 3 4 2. - <_> - 14 14 3 4 2. - 0 - <_> - - <_> - 11 10 8 6 -1. - <_> - 9 12 8 2 3. - 1 - <_> - - <_> - 11 11 1 3 -1. - <_> - 11 12 1 1 3. - 0 - <_> - - <_> - 11 14 3 3 -1. - <_> - 10 15 3 1 3. - 1 - <_> - - <_> - 11 16 3 3 -1. - <_> - 11 17 3 1 3. - 0 - <_> - - <_> - 11 21 3 3 -1. - <_> - 12 21 1 3 3. - 0 - <_> - - <_> - 11 22 3 2 -1. - <_> - 12 22 1 2 3. - 0 - <_> - - <_> - 12 0 9 17 -1. - <_> - 15 0 3 17 3. - 0 - <_> - - <_> - 12 2 2 14 -1. - <_> - 13 2 1 14 2. - 0 - <_> - - <_> - 12 3 6 1 -1. - <_> - 14 3 2 1 3. - 0 - <_> - - <_> - 12 3 8 3 -1. - <_> - 12 4 8 1 3. - 0 - <_> - - <_> - 12 3 12 6 -1. - <_> - 10 5 12 2 3. - 1 - <_> - - <_> - 12 4 2 3 -1. - <_> - 12 5 2 1 3. - 0 - <_> - - <_> - 12 4 9 3 -1. - <_> - 15 5 3 1 9. - 0 - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 5 1 5 3. - 0 - <_> - - <_> - 12 5 3 3 -1. - <_> - 12 6 3 1 3. - 0 - <_> - - <_> - 12 5 9 8 -1. - <_> - 15 5 3 8 3. - 0 - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - 0 - <_> - - <_> - 12 6 2 8 -1. - <_> - 12 6 2 4 2. - 1 - <_> - - <_> - 12 6 3 3 -1. - <_> - 12 7 3 1 3. - 0 - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - 0 - <_> - - <_> - 12 7 1 8 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 12 7 2 6 -1. - <_> - 12 7 2 3 2. - 1 - <_> - - <_> - 12 7 2 8 -1. - <_> - 12 7 2 4 2. - 1 - <_> - - <_> - 12 7 3 3 -1. - <_> - 12 8 3 1 3. - 0 - <_> - - <_> - 12 8 1 3 -1. - <_> - 12 9 1 1 3. - 0 - <_> - - <_> - 12 8 2 3 -1. - <_> - 12 9 2 1 3. - 0 - <_> - - <_> - 12 9 2 3 -1. - <_> - 12 10 2 1 3. - 0 - <_> - - <_> - 12 10 6 4 -1. - <_> - 14 10 2 4 3. - 0 - <_> - - <_> - 12 10 4 10 -1. - <_> - 12 10 2 5 2. - <_> - 14 15 2 5 2. - 0 - <_> - - <_> - 12 11 4 8 -1. - <_> - 12 11 2 4 2. - <_> - 14 15 2 4 2. - 0 - <_> - - <_> - 12 13 4 3 -1. - <_> - 13 13 2 3 2. - 0 - <_> - - <_> - 12 14 3 2 -1. - <_> - 13 15 1 2 3. - 1 - <_> - - <_> - 12 15 2 4 -1. - <_> - 12 15 1 2 2. - <_> - 13 17 1 2 2. - 0 - <_> - - <_> - 12 15 4 5 -1. - <_> - 14 15 2 5 2. - 0 - <_> - - <_> - 12 16 6 2 -1. - <_> - 14 16 2 2 3. - 0 - <_> - - <_> - 12 19 3 5 -1. - <_> - 13 19 1 5 3. - 0 - <_> - - <_> - 12 21 3 2 -1. - <_> - 13 21 1 2 3. - 0 - <_> - - <_> - 12 21 3 3 -1. - <_> - 13 21 1 3 3. - 0 - <_> - - <_> - 13 0 2 10 -1. - <_> - 13 0 1 5 2. - <_> - 14 5 1 5 2. - 0 - <_> - - <_> - 13 0 4 12 -1. - <_> - 14 0 2 12 2. - 0 - <_> - - <_> - 13 0 6 10 -1. - <_> - 15 0 2 10 3. - 0 - <_> - - <_> - 13 0 11 8 -1. - <_> - 11 2 11 4 2. - 1 - <_> - - <_> - 13 1 6 8 -1. - <_> - 15 1 2 8 3. - 0 - <_> - - <_> - 13 2 4 2 -1. - <_> - 14 2 2 2 2. - 0 - <_> - - <_> - 13 3 2 4 -1. - <_> - 13 3 1 2 2. - <_> - 14 5 1 2 2. - 0 - <_> - - <_> - 13 3 6 3 -1. - <_> - 15 4 2 1 9. - 0 - <_> - - <_> - 13 4 4 7 -1. - <_> - 14 4 2 7 2. - 0 - <_> - - <_> - 13 4 3 8 -1. - <_> - 14 4 1 8 3. - 0 - <_> - - <_> - 13 5 3 2 -1. - <_> - 14 5 1 2 3. - 0 - <_> - - <_> - 13 5 3 5 -1. - <_> - 14 5 1 5 3. - 0 - <_> - - <_> - 13 5 3 6 -1. - <_> - 14 5 1 6 3. - 0 - <_> - - <_> - 13 5 3 8 -1. - <_> - 14 5 1 8 3. - 0 - <_> - - <_> - 13 5 6 1 -1. - <_> - 15 5 2 1 3. - 0 - <_> - - <_> - 13 6 7 4 -1. - <_> - 13 7 7 2 2. - 0 - <_> - - <_> - 13 7 1 3 -1. - <_> - 13 8 1 1 3. - 0 - <_> - - <_> - 13 7 4 8 -1. - <_> - 13 7 2 4 2. - <_> - 15 11 2 4 2. - 0 - <_> - - <_> - 13 7 9 6 -1. - <_> - 16 9 3 2 9. - 0 - <_> - - <_> - 13 7 6 2 -1. - <_> - 13 7 3 2 2. - 1 - <_> - - <_> - 13 7 8 1 -1. - <_> - 13 7 4 1 2. - 1 - <_> - - <_> - 13 8 2 3 -1. - <_> - 13 9 2 1 3. - 0 - <_> - - <_> - 13 8 9 3 -1. - <_> - 16 9 3 1 9. - 0 - <_> - - <_> - 13 8 6 8 -1. - <_> - 13 8 3 4 2. - <_> - 16 12 3 4 2. - 0 - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 10 2 1 3. - 0 - <_> - - <_> - 13 9 6 4 -1. - <_> - 15 9 2 4 3. - 0 - <_> - - <_> - 13 9 10 2 -1. - <_> - 13 10 10 1 2. - 0 - <_> - - <_> - 13 10 3 1 -1. - <_> - 14 10 1 1 3. - 0 - <_> - - <_> - 13 10 3 2 -1. - <_> - 14 10 1 2 3. - 0 - <_> - - <_> - 13 11 2 3 -1. - <_> - 13 12 2 1 3. - 0 - <_> - - <_> - 13 13 2 6 -1. - <_> - 13 13 1 3 2. - <_> - 14 16 1 3 2. - 0 - <_> - - <_> - 13 13 4 6 -1. - <_> - 14 14 2 6 2. - 1 - <_> - - <_> - 13 20 3 4 -1. - <_> - 14 20 1 4 3. - 0 - <_> - - <_> - 13 22 3 2 -1. - <_> - 14 22 1 2 3. - 0 - <_> - - <_> - 13 23 3 1 -1. - <_> - 14 23 1 1 3. - 0 - <_> - - <_> - 14 0 3 11 -1. - <_> - 15 1 1 11 3. - 1 - <_> - - <_> - 14 0 2 3 -1. - <_> - 14 1 2 1 3. - 0 - <_> - - <_> - 14 0 10 6 -1. - <_> - 14 0 5 3 2. - <_> - 19 3 5 3 2. - 0 - <_> - - <_> - 14 0 10 10 -1. - <_> - 14 0 5 5 2. - <_> - 19 5 5 5 2. - 0 - <_> - - <_> - 14 1 10 6 -1. - <_> - 14 1 5 3 2. - <_> - 19 4 5 3 2. - 0 - <_> - - <_> - 14 2 1 2 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 14 2 3 8 -1. - <_> - 15 2 1 8 3. - 0 - <_> - - <_> - 14 2 6 7 -1. - <_> - 16 2 2 7 3. - 0 - <_> - - <_> - 14 3 2 4 -1. - <_> - 14 3 1 2 2. - <_> - 15 5 1 2 2. - 0 - <_> - - <_> - 14 3 2 7 -1. - <_> - 15 3 1 7 2. - 0 - <_> - - <_> - 14 5 3 2 -1. - <_> - 15 5 1 2 3. - 0 - <_> - - <_> - 14 5 2 3 -1. - <_> - 15 5 1 3 2. - 0 - <_> - - <_> - 14 5 3 3 -1. - <_> - 15 5 1 3 3. - 0 - <_> - - <_> - 14 5 3 5 -1. - <_> - 15 5 1 5 3. - 0 - <_> - - <_> - 14 5 2 7 -1. - <_> - 15 5 1 7 2. - 0 - <_> - - <_> - 14 5 6 4 -1. - <_> - 16 5 2 4 3. - 0 - <_> - - <_> - 14 6 6 3 -1. - <_> - 14 6 3 3 2. - 1 - <_> - - <_> - 14 7 4 16 -1. - <_> - 15 7 2 16 2. - 0 - <_> - - <_> - 14 7 6 6 -1. - <_> - 16 9 2 2 9. - 0 - <_> - - <_> - 14 7 6 16 -1. - <_> - 16 7 2 16 3. - 0 - <_> - - <_> - 14 7 9 4 -1. - <_> - 14 8 9 2 2. - 0 - <_> - - <_> - 14 9 2 4 -1. - <_> - 14 9 1 2 2. - <_> - 15 11 1 2 2. - 0 - <_> - - <_> - 14 10 3 1 -1. - <_> - 15 10 1 1 3. - 0 - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 2 2. - 0 - <_> - - <_> - 14 10 3 3 -1. - <_> - 15 10 1 3 3. - 0 - <_> - - <_> - 14 12 2 1 -1. - <_> - 15 12 1 1 2. - 0 - <_> - - <_> - 14 14 3 4 -1. - <_> - 15 15 1 4 3. - 1 - <_> - - <_> - 14 14 5 3 -1. - <_> - 14 15 5 1 3. - 0 - <_> - - <_> - 14 15 3 3 -1. - <_> - 15 16 1 3 3. - 1 - <_> - - <_> - 14 19 3 5 -1. - <_> - 15 19 1 5 3. - 0 - <_> - - <_> - 14 21 10 1 -1. - <_> - 19 21 5 1 2. - 0 - <_> - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - 1 - <_> - - <_> - 15 0 4 2 -1. - <_> - 16 1 2 2 2. - 1 - <_> - - <_> - 15 3 6 3 -1. - <_> - 15 4 6 1 3. - 0 - <_> - - <_> - 15 4 2 3 -1. - <_> - 15 5 2 1 3. - 0 - <_> - - <_> - 15 5 2 1 -1. - <_> - 15 5 1 1 2. - 1 - <_> - - <_> - 15 5 2 2 -1. - <_> - 16 5 1 2 2. - 0 - <_> - - <_> - 15 5 3 2 -1. - <_> - 16 5 1 2 3. - 0 - <_> - - <_> - 15 5 3 3 -1. - <_> - 16 5 1 3 3. - 0 - <_> - - <_> - 15 7 4 4 -1. - <_> - 15 9 4 2 2. - 0 - <_> - - <_> - 15 7 4 6 -1. - <_> - 15 9 4 2 3. - 0 - <_> - - <_> - 15 7 5 6 -1. - <_> - 15 9 5 2 3. - 0 - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 1 2. - <_> - 16 9 1 1 2. - 0 - <_> - - <_> - 15 8 2 1 -1. - <_> - 15 8 1 1 2. - 1 - <_> - - <_> - 15 8 1 12 -1. - <_> - 15 14 1 6 2. - 0 - <_> - - <_> - 15 8 6 2 -1. - <_> - 15 8 3 2 2. - 1 - <_> - - <_> - 15 8 3 16 -1. - <_> - 15 12 3 8 2. - 0 - <_> - - <_> - 15 8 5 4 -1. - <_> - 15 9 5 2 2. - 0 - <_> - - <_> - 15 9 3 3 -1. - <_> - 16 10 1 1 9. - 0 - <_> - - <_> - 15 9 3 1 -1. - <_> - 16 10 1 1 3. - 1 - <_> - - <_> - 15 10 3 1 -1. - <_> - 16 10 1 1 3. - 0 - <_> - - <_> - 15 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 2 2. - 0 - <_> - - <_> - 15 10 3 5 -1. - <_> - 16 10 1 5 3. - 0 - <_> - - <_> - 15 10 3 4 -1. - <_> - 14 11 3 2 2. - 1 - <_> - - <_> - 15 10 5 4 -1. - <_> - 15 11 5 2 2. - 0 - <_> - - <_> - 15 10 5 4 -1. - <_> - 14 11 5 2 2. - 1 - <_> - - <_> - 15 15 8 3 -1. - <_> - 19 15 4 3 2. - 0 - <_> - - <_> - 15 15 8 8 -1. - <_> - 15 15 4 4 2. - <_> - 19 19 4 4 2. - 0 - <_> - - <_> - 15 16 5 3 -1. - <_> - 15 17 5 1 3. - 0 - <_> - - <_> - 15 18 8 6 -1. - <_> - 15 18 4 3 2. - <_> - 19 21 4 3 2. - 0 - <_> - - <_> - 16 0 8 1 -1. - <_> - 20 0 4 1 2. - 0 - <_> - - <_> - 16 0 8 2 -1. - <_> - 20 0 4 2 2. - 0 - <_> - - <_> - 16 0 8 6 -1. - <_> - 16 0 4 3 2. - <_> - 20 3 4 3 2. - 0 - <_> - - <_> - 16 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 20 4 4 4 2. - 0 - <_> - - <_> - 16 1 3 3 -1. - <_> - 17 2 1 1 9. - 0 - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 1 - <_> - - <_> - 16 2 1 2 -1. - <_> - 16 3 1 1 2. - 0 - <_> - - <_> - 16 2 3 3 -1. - <_> - 17 3 1 1 9. - 0 - <_> - - <_> - 16 2 4 2 -1. - <_> - 17 3 2 2 2. - 1 - <_> - - <_> - 16 2 6 1 -1. - <_> - 18 4 2 1 3. - 1 - <_> - - <_> - 16 3 4 12 -1. - <_> - 17 4 2 12 2. - 1 - <_> - - <_> - 16 4 6 3 -1. - <_> - 15 5 6 1 3. - 1 - <_> - - <_> - 16 5 1 2 -1. - <_> - 16 5 1 1 2. - 1 - <_> - - <_> - 16 5 3 2 -1. - <_> - 17 5 1 2 3. - 0 - <_> - - <_> - 16 5 3 9 -1. - <_> - 16 8 3 3 3. - 0 - <_> - - <_> - 16 6 6 2 -1. - <_> - 18 8 2 2 3. - 1 - <_> - - <_> - 16 7 1 6 -1. - <_> - 16 9 1 2 3. - 0 - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 8 2 1 3. - 0 - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 2 1 2. - 1 - <_> - - <_> - 16 7 3 2 -1. - <_> - 16 8 3 1 2. - 0 - <_> - - <_> - 16 7 3 2 -1. - <_> - 16 7 3 1 2. - 1 - <_> - - <_> - 16 7 3 6 -1. - <_> - 16 9 3 2 3. - 0 - <_> - - <_> - 16 7 6 4 -1. - <_> - 16 7 3 4 2. - 1 - <_> - - <_> - 16 7 4 3 -1. - <_> - 16 8 4 1 3. - 0 - <_> - - <_> - 16 7 5 3 -1. - <_> - 16 8 5 1 3. - 0 - <_> - - <_> - 16 7 5 6 -1. - <_> - 16 9 5 2 3. - 0 - <_> - - <_> - 16 7 6 4 -1. - <_> - 16 8 6 2 2. - 0 - <_> - - <_> - 16 7 7 8 -1. - <_> - 14 9 7 4 2. - 1 - <_> - - <_> - 16 7 8 6 -1. - <_> - 16 9 8 2 3. - 0 - <_> - - <_> - 16 8 1 2 -1. - <_> - 16 9 1 1 2. - 0 - <_> - - <_> - 16 8 1 4 -1. - <_> - 16 9 1 2 2. - 0 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 1 2. - <_> - 17 9 1 1 2. - 0 - <_> - - <_> - 16 8 3 3 -1. - <_> - 17 9 1 1 9. - 0 - <_> - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 1 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 1 - <_> - - <_> - 16 8 5 6 -1. - <_> - 14 10 5 2 3. - 1 - <_> - - <_> - 16 8 7 8 -1. - <_> - 14 10 7 4 2. - 1 - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 9 1 1 3. - 0 - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - 0 - <_> - - <_> - 16 9 5 3 -1. - <_> - 16 10 5 1 3. - 0 - <_> - - <_> - 16 9 8 2 -1. - <_> - 16 10 8 1 2. - 0 - <_> - - <_> - 16 10 1 3 -1. - <_> - 16 11 1 1 3. - 0 - <_> - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 2 2. - 0 - <_> - - <_> - 16 10 2 3 -1. - <_> - 16 11 2 1 3. - 0 - <_> - - <_> - 16 10 6 6 -1. - <_> - 14 12 6 2 3. - 1 - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - 0 - <_> - - <_> - 16 11 3 2 -1. - <_> - 17 11 1 2 3. - 0 - <_> - - <_> - 16 11 3 13 -1. - <_> - 17 11 1 13 3. - 0 - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 12 2 1 2. - 0 - <_> - - <_> - 16 11 2 3 -1. - <_> - 16 12 2 1 3. - 0 - <_> - - <_> - 16 11 3 3 -1. - <_> - 16 12 3 1 3. - 0 - <_> - - <_> - 16 14 4 2 -1. - <_> - 18 14 2 2 2. - 0 - <_> - - <_> - 16 14 6 3 -1. - <_> - 19 14 3 3 2. - 0 - <_> - - <_> - 16 19 3 5 -1. - <_> - 17 19 1 5 3. - 0 - <_> - - <_> - 16 19 2 3 -1. - <_> - 15 20 2 1 3. - 1 - <_> - - <_> - 16 19 8 3 -1. - <_> - 16 20 8 1 3. - 0 - <_> - - <_> - 17 0 6 15 -1. - <_> - 19 2 2 15 3. - 1 - <_> - - <_> - 17 0 6 1 -1. - <_> - 20 0 3 1 2. - 0 - <_> - - <_> - 17 0 6 2 -1. - <_> - 20 0 3 2 2. - 0 - <_> - - <_> - 17 2 3 3 -1. - <_> - 18 3 1 1 9. - 0 - <_> - - <_> - 17 3 3 2 -1. - <_> - 18 3 1 2 3. - 0 - <_> - - <_> - 17 3 3 9 -1. - <_> - 18 6 1 3 9. - 0 - <_> - - <_> - 17 3 6 2 -1. - <_> - 19 5 2 2 3. - 1 - <_> - - <_> - 17 3 3 8 -1. - <_> - 15 5 3 4 2. - 1 - <_> - - <_> - 17 3 5 3 -1. - <_> - 17 4 5 1 3. - 0 - <_> - - <_> - 17 4 2 6 -1. - <_> - 17 4 1 3 2. - <_> - 18 7 1 3 2. - 0 - <_> - - <_> - 17 5 1 2 -1. - <_> - 17 5 1 1 2. - 1 - <_> - - <_> - 17 5 3 4 -1. - <_> - 18 6 1 4 3. - 1 - <_> - - <_> - 17 5 6 2 -1. - <_> - 17 5 3 2 2. - 1 - <_> - - <_> - 17 5 7 3 -1. - <_> - 16 6 7 1 3. - 1 - <_> - - <_> - 17 6 2 3 -1. - <_> - 17 6 1 3 2. - 1 - <_> - - <_> - 17 6 3 4 -1. - <_> - 18 7 1 4 3. - 1 - <_> - - <_> - 17 6 3 3 -1. - <_> - 17 7 3 1 3. - 0 - <_> - - <_> - 17 6 6 1 -1. - <_> - 17 6 3 1 2. - 1 - <_> - - <_> - 17 7 1 3 -1. - <_> - 17 8 1 1 3. - 0 - <_> - - <_> - 17 7 1 3 -1. - <_> - 16 8 1 1 3. - 1 - <_> - - <_> - 17 7 1 6 -1. - <_> - 17 9 1 2 3. - 0 - <_> - - <_> - 17 7 3 6 -1. - <_> - 18 9 1 2 9. - 0 - <_> - - <_> - 17 7 3 2 -1. - <_> - 18 8 1 2 3. - 1 - <_> - - <_> - 17 7 2 3 -1. - <_> - 17 7 1 3 2. - 1 - <_> - - <_> - 17 7 3 3 -1. - <_> - 18 8 1 3 3. - 1 - <_> - - <_> - 17 7 2 3 -1. - <_> - 17 8 2 1 3. - 0 - <_> - - <_> - 17 7 6 9 -1. - <_> - 14 10 6 3 3. - 1 - <_> - - <_> - 17 8 3 3 -1. - <_> - 18 9 1 1 9. - 0 - <_> - - <_> - 17 8 2 4 -1. - <_> - 17 8 1 2 2. - <_> - 18 10 1 2 2. - 0 - <_> - - <_> - 17 8 2 8 -1. - <_> - 17 8 1 4 2. - <_> - 18 12 1 4 2. - 0 - <_> - - <_> - 17 8 3 4 -1. - <_> - 18 9 1 4 3. - 1 - <_> - - <_> - 17 8 4 6 -1. - <_> - 15 10 4 2 3. - 1 - <_> - - <_> - 17 9 3 1 -1. - <_> - 18 9 1 1 3. - 0 - <_> - - <_> - 17 9 2 6 -1. - <_> - 17 9 1 3 2. - <_> - 18 12 1 3 2. - 0 - <_> - - <_> - 17 9 6 10 -1. - <_> - 17 9 3 5 2. - <_> - 20 14 3 5 2. - 0 - <_> - - <_> - 17 9 7 2 -1. - <_> - 17 10 7 1 2. - 0 - <_> - - <_> - 17 10 3 1 -1. - <_> - 18 10 1 1 3. - 0 - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - 0 - <_> - - <_> - 17 10 2 3 -1. - <_> - 18 10 1 3 2. - 0 - <_> - - <_> - 17 10 2 4 -1. - <_> - 18 10 1 4 2. - 0 - <_> - - <_> - 17 10 4 2 -1. - <_> - 17 10 2 1 2. - <_> - 19 11 2 1 2. - 0 - <_> - - <_> - 17 11 3 2 -1. - <_> - 18 11 1 2 3. - 0 - <_> - - <_> - 17 11 3 3 -1. - <_> - 18 11 1 3 3. - 0 - <_> - - <_> - 17 12 3 1 -1. - <_> - 18 12 1 1 3. - 0 - <_> - - <_> - 17 12 6 2 -1. - <_> - 20 12 3 2 2. - 0 - <_> - - <_> - 17 15 2 3 -1. - <_> - 17 16 2 1 3. - 0 - <_> - - <_> - 17 15 4 3 -1. - <_> - 19 15 2 3 2. - 0 - <_> - - <_> - 17 15 4 4 -1. - <_> - 17 15 2 4 2. - 1 - <_> - - <_> - 17 18 2 4 -1. - <_> - 16 19 2 2 2. - 1 - <_> - - <_> - 17 18 5 3 -1. - <_> - 17 19 5 1 3. - 0 - <_> - - <_> - 17 19 1 3 -1. - <_> - 16 20 1 1 3. - 1 - <_> - - <_> - 17 20 1 3 -1. - <_> - 16 21 1 1 3. - 1 - <_> - - <_> - 17 20 3 4 -1. - <_> - 18 20 1 4 3. - 0 - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 0 1 2 2. - 1 - <_> - - <_> - 18 0 6 1 -1. - <_> - 21 0 3 1 2. - 0 - <_> - - <_> - 18 0 6 5 -1. - <_> - 21 0 3 5 2. - 0 - <_> - - <_> - 18 0 6 12 -1. - <_> - 18 0 3 6 2. - <_> - 21 6 3 6 2. - 0 - <_> - - <_> - 18 2 3 1 -1. - <_> - 19 3 1 1 3. - 1 - <_> - - <_> - 18 2 4 1 -1. - <_> - 19 3 2 1 2. - 1 - <_> - - <_> - 18 2 4 3 -1. - <_> - 19 3 2 3 2. - 1 - <_> - - <_> - 18 4 4 3 -1. - <_> - 18 5 4 1 3. - 0 - <_> - - <_> - 18 5 1 2 -1. - <_> - 18 5 1 1 2. - 1 - <_> - - <_> - 18 6 2 3 -1. - <_> - 18 6 1 3 2. - 1 - <_> - - <_> - 18 6 4 3 -1. - <_> - 19 7 2 3 2. - 1 - <_> - - <_> - 18 6 4 4 -1. - <_> - 19 7 2 4 2. - 1 - <_> - - <_> - 18 6 2 5 -1. - <_> - 18 6 1 5 2. - 1 - <_> - - <_> - 18 6 4 6 -1. - <_> - 19 7 2 6 2. - 1 - <_> - - <_> - 18 6 2 3 -1. - <_> - 18 7 2 1 3. - 0 - <_> - - <_> - 18 6 4 1 -1. - <_> - 18 6 2 1 2. - 1 - <_> - - <_> - 18 6 5 3 -1. - <_> - 18 7 5 1 3. - 0 - <_> - - <_> - 18 6 6 3 -1. - <_> - 18 7 6 1 3. - 0 - <_> - - <_> - 18 7 3 2 -1. - <_> - 19 8 1 2 3. - 1 - <_> - - <_> - 18 7 3 5 -1. - <_> - 19 8 1 5 3. - 1 - <_> - - <_> - 18 8 1 3 -1. - <_> - 18 9 1 1 3. - 0 - <_> - - <_> - 18 8 2 3 -1. - <_> - 18 9 2 1 3. - 0 - <_> - - <_> - 18 8 2 2 -1. - <_> - 18 8 2 1 2. - 1 - <_> - - <_> - 18 9 3 1 -1. - <_> - 19 9 1 1 3. - 0 - <_> - - <_> - 18 9 2 2 -1. - <_> - 18 9 1 1 2. - <_> - 19 10 1 1 2. - 0 - <_> - - <_> - 18 9 3 2 -1. - <_> - 19 9 1 2 3. - 0 - <_> - - <_> - 18 9 2 4 -1. - <_> - 18 11 2 2 2. - 0 - <_> - - <_> - 18 9 6 9 -1. - <_> - 21 9 3 9 2. - 0 - <_> - - <_> - 18 9 6 3 -1. - <_> - 18 10 6 1 3. - 0 - <_> - - <_> - 18 10 2 1 -1. - <_> - 19 10 1 1 2. - 0 - <_> - - <_> - 18 10 1 3 -1. - <_> - 18 11 1 1 3. - 0 - <_> - - <_> - 18 10 2 2 -1. - <_> - 18 10 1 1 2. - <_> - 19 11 1 1 2. - 0 - <_> - - <_> - 18 10 6 2 -1. - <_> - 18 11 6 1 2. - 0 - <_> - - <_> - 18 11 3 4 -1. - <_> - 19 11 1 4 3. - 0 - <_> - - <_> - 18 11 3 13 -1. - <_> - 19 11 1 13 3. - 0 - <_> - - <_> - 18 11 2 8 -1. - <_> - 18 15 2 4 2. - 0 - <_> - - <_> - 18 11 6 1 -1. - <_> - 21 11 3 1 2. - 0 - <_> - - <_> - 18 12 6 2 -1. - <_> - 21 12 3 2 2. - 0 - <_> - - <_> - 18 12 3 8 -1. - <_> - 18 16 3 4 2. - 0 - <_> - - <_> - 18 13 2 4 -1. - <_> - 18 15 2 2 2. - 0 - <_> - - <_> - 18 14 4 4 -1. - <_> - 18 16 4 2 2. - 0 - <_> - - <_> - 18 15 4 5 -1. - <_> - 20 15 2 5 2. - 0 - <_> - - <_> - 18 16 2 4 -1. - <_> - 18 16 2 2 2. - 1 - <_> - - <_> - 18 17 2 5 -1. - <_> - 18 17 1 5 2. - 1 - <_> - - <_> - 18 18 1 3 -1. - <_> - 17 19 1 1 3. - 1 - <_> - - <_> - 18 20 1 3 -1. - <_> - 17 21 1 1 3. - 1 - <_> - - <_> - 19 0 2 3 -1. - <_> - 19 0 1 3 2. - 1 - <_> - - <_> - 19 2 3 1 -1. - <_> - 20 3 1 1 3. - 1 - <_> - - <_> - 19 2 4 3 -1. - <_> - 20 3 2 3 2. - 1 - <_> - - <_> - 19 3 3 1 -1. - <_> - 20 4 1 1 3. - 1 - <_> - - <_> - 19 4 1 2 -1. - <_> - 19 4 1 1 2. - 1 - <_> - - <_> - 19 4 3 1 -1. - <_> - 20 5 1 1 3. - 1 - <_> - - <_> - 19 4 1 3 -1. - <_> - 18 5 1 1 3. - 1 - <_> - - <_> - 19 4 1 4 -1. - <_> - 19 6 1 2 2. - 0 - <_> - - <_> - 19 4 5 9 -1. - <_> - 19 7 5 3 3. - 0 - <_> - - <_> - 19 5 3 1 -1. - <_> - 20 6 1 1 3. - 1 - <_> - - <_> - 19 6 1 3 -1. - <_> - 19 7 1 1 3. - 0 - <_> - - <_> - 19 6 1 3 -1. - <_> - 18 7 1 1 3. - 1 - <_> - - <_> - 19 6 2 3 -1. - <_> - 19 7 2 1 3. - 0 - <_> - - <_> - 19 6 5 9 -1. - <_> - 19 9 5 3 3. - 0 - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - 0 - <_> - - <_> - 19 7 3 4 -1. - <_> - 20 7 1 4 3. - 0 - <_> - - <_> - 19 7 2 4 -1. - <_> - 19 7 2 2 2. - 1 - <_> - - <_> - 19 8 1 3 -1. - <_> - 19 9 1 1 3. - 0 - <_> - - <_> - 19 8 3 3 -1. - <_> - 20 8 1 3 3. - 0 - <_> - - <_> - 19 9 2 1 -1. - <_> - 20 9 1 1 2. - 0 - <_> - - <_> - 19 9 2 2 -1. - <_> - 19 9 2 1 2. - 1 - <_> - - <_> - 19 10 2 2 -1. - <_> - 19 10 1 1 2. - <_> - 20 11 1 1 2. - 0 - <_> - - <_> - 19 10 3 4 -1. - <_> - 19 11 3 2 2. - 0 - <_> - - <_> - 19 12 4 8 -1. - <_> - 20 13 2 8 2. - 1 - <_> - - <_> - 19 12 3 10 -1. - <_> - 20 12 1 10 3. - 0 - <_> - - <_> - 19 12 3 12 -1. - <_> - 20 12 1 12 3. - 0 - <_> - - <_> - 19 13 3 9 -1. - <_> - 20 13 1 9 3. - 0 - <_> - - <_> - 19 14 4 6 -1. - <_> - 20 15 2 6 2. - 1 - <_> - - <_> - 19 15 3 6 -1. - <_> - 20 16 1 6 3. - 1 - <_> - - <_> - 19 17 1 3 -1. - <_> - 18 18 1 1 3. - 1 - <_> - - <_> - 19 18 1 3 -1. - <_> - 18 19 1 1 3. - 1 - <_> - - <_> - 19 19 1 3 -1. - <_> - 18 20 1 1 3. - 1 - <_> - - <_> - 19 19 1 4 -1. - <_> - 18 20 1 2 2. - 1 - <_> - - <_> - 19 20 1 3 -1. - <_> - 18 21 1 1 3. - 1 - <_> - - <_> - 19 21 5 3 -1. - <_> - 19 22 5 1 3. - 0 - <_> - - <_> - 20 0 4 4 -1. - <_> - 19 1 4 2 2. - 1 - <_> - - <_> - 20 3 3 1 -1. - <_> - 21 4 1 1 3. - 1 - <_> - - <_> - 20 3 3 2 -1. - <_> - 21 4 1 2 3. - 1 - <_> - - <_> - 20 4 1 3 -1. - <_> - 20 5 1 1 3. - 0 - <_> - - <_> - 20 4 3 1 -1. - <_> - 21 5 1 1 3. - 1 - <_> - - <_> - 20 4 3 2 -1. - <_> - 21 5 1 2 3. - 1 - <_> - - <_> - 20 5 3 1 -1. - <_> - 21 6 1 1 3. - 1 - <_> - - <_> - 20 6 4 3 -1. - <_> - 20 7 4 1 3. - 0 - <_> - - <_> - 20 8 3 2 -1. - <_> - 21 9 1 2 3. - 1 - <_> - - <_> - 20 8 3 3 -1. - <_> - 21 9 1 3 3. - 1 - <_> - - <_> - 20 9 3 2 -1. - <_> - 21 10 1 2 3. - 1 - <_> - - <_> - 20 9 4 10 -1. - <_> - 20 9 2 10 2. - 1 - <_> - - <_> - 20 10 1 3 -1. - <_> - 19 11 1 1 3. - 1 - <_> - - <_> - 20 10 2 2 -1. - <_> - 20 10 2 1 2. - 1 - <_> - - <_> - 20 11 4 9 -1. - <_> - 20 11 2 9 2. - 1 - <_> - - <_> - 20 14 4 6 -1. - <_> - 21 15 2 6 2. - 1 - <_> - - <_> - 20 14 2 7 -1. - <_> - 20 14 1 7 2. - 1 - <_> - - <_> - 20 15 3 4 -1. - <_> - 19 16 3 2 2. - 1 - <_> - - <_> - 20 16 4 4 -1. - <_> - 21 17 2 4 2. - 1 - <_> - - <_> - 20 17 3 5 -1. - <_> - 21 17 1 5 3. - 0 - <_> - - <_> - 20 20 1 3 -1. - <_> - 19 21 1 1 3. - 1 - <_> - - <_> - 20 20 4 3 -1. - <_> - 20 21 4 1 3. - 0 - <_> - - <_> - 21 1 2 16 -1. - <_> - 21 1 2 8 2. - 1 - <_> - - <_> - 21 1 3 4 -1. - <_> - 21 2 3 2 2. - 0 - <_> - - <_> - 21 3 3 2 -1. - <_> - 22 4 1 2 3. - 1 - <_> - - <_> - 21 4 3 3 -1. - <_> - 22 5 1 3 3. - 1 - <_> - - <_> - 21 10 1 3 -1. - <_> - 20 11 1 1 3. - 1 - <_> - - <_> - 21 10 2 2 -1. - <_> - 21 10 1 2 2. - 1 - <_> - - <_> - 21 10 3 4 -1. - <_> - 21 11 3 2 2. - 0 - <_> - - <_> - 21 11 1 2 -1. - <_> - 21 11 1 1 2. - 1 - <_> - - <_> - 21 15 2 3 -1. - <_> - 20 16 2 1 3. - 1 - <_> - - <_> - 21 16 1 3 -1. - <_> - 20 17 1 1 3. - 1 - <_> - - <_> - 21 16 3 8 -1. - <_> - 22 16 1 8 3. - 0 - <_> - - <_> - 21 16 2 3 -1. - <_> - 20 17 2 1 3. - 1 - <_> - - <_> - 21 17 1 3 -1. - <_> - 20 18 1 1 3. - 1 - <_> - - <_> - 21 17 3 7 -1. - <_> - 22 17 1 7 3. - 0 - <_> - - <_> - 21 19 3 5 -1. - <_> - 22 19 1 5 3. - 0 - <_> - - <_> - 22 1 2 4 -1. - <_> - 21 2 2 2 2. - 1 - <_> - - <_> - 22 2 1 16 -1. - <_> - 22 2 1 8 2. - 1 - <_> - - <_> - 22 9 2 4 -1. - <_> - 22 9 1 4 2. - 1 - <_> - - <_> - 22 10 1 3 -1. - <_> - 21 11 1 1 3. - 1 - <_> - - <_> - 22 10 2 7 -1. - <_> - 22 10 1 7 2. - 1 - <_> - - <_> - 22 10 2 3 -1. - <_> - 22 11 2 1 3. - 0 - <_> - - <_> - 22 10 2 3 -1. - <_> - 21 11 2 1 3. - 1 - <_> - - <_> - 22 11 1 3 -1. - <_> - 21 12 1 1 3. - 1 - <_> - - <_> - 22 12 1 3 -1. - <_> - 21 13 1 1 3. - 1 - <_> - - <_> - 22 13 1 3 -1. - <_> - 21 14 1 1 3. - 1 - <_> - - <_> - 22 16 1 3 -1. - <_> - 21 17 1 1 3. - 1 - <_> - - <_> - 23 7 1 3 -1. - <_> - 23 8 1 1 3. - 0 - <_> - - <_> - 23 10 1 3 -1. - <_> - 23 11 1 1 3. - 0 - <_> - - <_> - 23 11 1 2 -1. - <_> - 23 12 1 1 2. - 0 - <_> - - <_> - 23 11 1 3 -1. - <_> - 22 12 1 1 3. - 1 - <_> - - <_> - 23 15 1 4 -1. - <_> - 22 16 1 2 2. - 1 - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt.xml deleted file mode 100644 index ade4b2121a..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt.xml +++ /dev/null @@ -1,24350 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 213 - - 0 - 22 - - <_> - 3 - 8.2268941402435303e-01 - - <_> - - 0 -1 0 4.0141958743333817e-03 - - 3.3794190734624863e-02 8.3781069517135620e-01 - <_> - - 0 -1 1 1.5151339583098888e-02 - - 1.5141320228576660e-01 7.4888122081756592e-01 - <_> - - 0 -1 2 4.2109931819140911e-03 - - 9.0049281716346741e-02 6.3748198747634888e-01 - <_> - 16 - 6.9566087722778320e+00 - - <_> - - 0 -1 3 1.6227109590545297e-03 - - 6.9308586418628693e-02 7.1109461784362793e-01 - <_> - - 0 -1 4 2.2906649392098188e-03 - - 1.7958030104637146e-01 6.6686922311782837e-01 - <_> - - 0 -1 5 5.0025708042085171e-03 - - 1.6936729848384857e-01 6.5540069341659546e-01 - <_> - - 0 -1 6 7.9659894108772278e-03 - - 5.8663320541381836e-01 9.1414518654346466e-02 - <_> - - 0 -1 7 -3.5227010957896709e-03 - - 1.4131669700145721e-01 6.0318958759307861e-01 - <_> - - 0 -1 8 3.6667689681053162e-02 - - 3.6756721138954163e-01 7.9203182458877563e-01 - <_> - - 0 -1 9 9.3361474573612213e-03 - - 6.1613857746124268e-01 2.0885099470615387e-01 - <_> - - 0 -1 10 8.6961314082145691e-03 - - 2.8362309932708740e-01 6.3602739572525024e-01 - <_> - - 0 -1 11 1.1488880263641477e-03 - - 2.2235809266567230e-01 5.8007007837295532e-01 - <_> - - 0 -1 12 -2.1484689787030220e-03 - - 2.4064640700817108e-01 5.7870548963546753e-01 - <_> - - 0 -1 13 2.1219060290604830e-03 - - 5.5596548318862915e-01 1.3622370362281799e-01 - <_> - - 0 -1 14 -9.3949146568775177e-02 - - 8.5027372837066650e-01 4.7177401185035706e-01 - <_> - - 0 -1 15 1.3777789426967502e-03 - - 5.9936738014221191e-01 2.8345298767089844e-01 - <_> - - 0 -1 16 7.3063157498836517e-02 - - 4.3418860435485840e-01 7.0600342750549316e-01 - <_> - - 0 -1 17 3.6767389974556863e-04 - - 3.0278879404067993e-01 6.0515749454498291e-01 - <_> - - 0 -1 18 -6.0479710809886456e-03 - - 1.7984339594841003e-01 5.6752568483352661e-01 - <_> - 21 - 9.4985427856445312e+00 - - <_> - - 0 -1 19 -1.6510689631104469e-02 - - 6.6442251205444336e-01 1.4248579740524292e-01 - <_> - - 0 -1 20 2.7052499353885651e-03 - - 6.3253521919250488e-01 1.2884770333766937e-01 - <_> - - 0 -1 21 2.8069869149476290e-03 - - 1.2402880191802979e-01 6.1931931972503662e-01 - <_> - - 0 -1 22 -1.5402400167658925e-03 - - 1.4321430027484894e-01 5.6700158119201660e-01 - <_> - - 0 -1 23 -5.6386279175058007e-04 - - 1.6574330627918243e-01 5.9052079916000366e-01 - <_> - - 0 -1 24 1.9253729842603207e-03 - - 2.6955071091651917e-01 5.7388240098953247e-01 - <_> - - 0 -1 25 -5.0214841030538082e-03 - - 1.8935389816761017e-01 5.7827740907669067e-01 - <_> - - 0 -1 26 2.6365420781075954e-03 - - 2.3093290627002716e-01 5.6954258680343628e-01 - <_> - - 0 -1 27 -1.5127769438549876e-03 - - 2.7596020698547363e-01 5.9566420316696167e-01 - <_> - - 0 -1 28 -1.0157439857721329e-02 - - 1.7325380444526672e-01 5.5220472812652588e-01 - <_> - - 0 -1 29 -1.1953660286962986e-02 - - 1.3394099473953247e-01 5.5590140819549561e-01 - <_> - - 0 -1 30 4.8859491944313049e-03 - - 3.6287039518356323e-01 6.1888492107391357e-01 - <_> - - 0 -1 31 -8.0132916569709778e-02 - - 9.1211050748825073e-02 5.4759448766708374e-01 - <_> - - 0 -1 32 1.0643280111253262e-03 - - 3.7151429057121277e-01 5.7113999128341675e-01 - <_> - - 0 -1 33 -1.3419450260698795e-03 - - 5.9533137083053589e-01 3.3180978894233704e-01 - <_> - - 0 -1 34 -5.4601140320301056e-02 - - 1.8440659344196320e-01 5.6028461456298828e-01 - <_> - - 0 -1 35 2.9071690514683723e-03 - - 3.5942441225051880e-01 6.1317151784896851e-01 - <_> - - 0 -1 36 7.4718717951327562e-04 - - 5.9943532943725586e-01 3.4595629572868347e-01 - <_> - - 0 -1 37 4.3013808317482471e-03 - - 4.1726520657539368e-01 6.9908452033996582e-01 - <_> - - 0 -1 38 4.5017572119832039e-03 - - 4.5097151398658752e-01 7.8014570474624634e-01 - <_> - - 0 -1 39 2.4138500913977623e-02 - - 5.4382127523422241e-01 1.3198269903659821e-01 - <_> - 39 - 1.8412969589233398e+01 - - <_> - - 0 -1 40 1.9212230108678341e-03 - - 1.4152669906616211e-01 6.1998707056045532e-01 - <_> - - 0 -1 41 -1.2748669541906565e-04 - - 6.1910742521286011e-01 1.8849289417266846e-01 - <_> - - 0 -1 42 5.1409931620582938e-04 - - 1.4873969554901123e-01 5.8579277992248535e-01 - <_> - - 0 -1 43 4.1878609918057919e-03 - - 2.7469098567962646e-01 6.3592398166656494e-01 - <_> - - 0 -1 44 5.1015717908740044e-03 - - 5.8708512783050537e-01 2.1756289899349213e-01 - <_> - - 0 -1 45 -2.1448440384119749e-03 - - 5.8809447288513184e-01 2.9795908927917480e-01 - <_> - - 0 -1 46 -2.8977119363844395e-03 - - 2.3733270168304443e-01 5.8766472339630127e-01 - <_> - - 0 -1 47 -2.1610679104924202e-02 - - 1.2206549942493439e-01 5.1942020654678345e-01 - <_> - - 0 -1 48 -4.6299318782985210e-03 - - 2.6312309503555298e-01 5.8174091577529907e-01 - <_> - - 0 -1 49 5.9393711853772402e-04 - - 3.6386200785636902e-01 5.6985449790954590e-01 - <_> - - 0 -1 50 5.3878661245107651e-02 - - 4.3035310506820679e-01 7.5593662261962891e-01 - <_> - - 0 -1 51 1.8887349870055914e-03 - - 2.1226030588150024e-01 5.6134271621704102e-01 - <_> - - 0 -1 52 -2.3635339457541704e-03 - - 5.6318491697311401e-01 2.6427671313285828e-01 - <_> - - 0 -1 53 2.4017799645662308e-02 - - 5.7971078157424927e-01 2.7517059445381165e-01 - <_> - - 0 -1 54 2.0543030404951423e-04 - - 2.7052420377731323e-01 5.7525688409805298e-01 - <_> - - 0 -1 55 8.4790197433903813e-04 - - 5.4356247186660767e-01 2.3348769545555115e-01 - <_> - - 0 -1 56 1.4091329649090767e-03 - - 5.3194248676300049e-01 2.0631550252437592e-01 - <_> - - 0 -1 57 1.4642629539594054e-03 - - 5.4189807176589966e-01 3.0688610672950745e-01 - <_> - - 0 -1 58 1.6352549428120255e-03 - - 3.6953729391098022e-01 6.1128681898117065e-01 - <_> - - 0 -1 59 8.3172752056270838e-04 - - 3.5650369524955750e-01 6.0252362489700317e-01 - <_> - - 0 -1 60 -2.0998890977352858e-03 - - 1.9139820337295532e-01 5.3628271818161011e-01 - <_> - - 0 -1 61 -7.4213981861248612e-04 - - 3.8355550169944763e-01 5.5293101072311401e-01 - <_> - - 0 -1 62 3.2655049581080675e-03 - - 4.3128961324691772e-01 7.1018958091735840e-01 - <_> - - 0 -1 63 8.9134991867467761e-04 - - 3.9848309755325317e-01 6.3919639587402344e-01 - <_> - - 0 -1 64 -1.5284179709851742e-02 - - 2.3667329549789429e-01 5.4337137937545776e-01 - <_> - - 0 -1 65 4.8381411470472813e-03 - - 5.8175009489059448e-01 3.2391890883445740e-01 - <_> - - 0 -1 66 -9.1093179071322083e-04 - - 5.5405938625335693e-01 2.9118689894676208e-01 - <_> - - 0 -1 67 -6.1275060288608074e-03 - - 1.7752550542354584e-01 5.1966291666030884e-01 - <_> - - 0 -1 68 -4.4576259097084403e-04 - - 3.0241701006889343e-01 5.5335938930511475e-01 - <_> - - 0 -1 69 2.2646540775895119e-02 - - 4.4149309396743774e-01 6.9753772020339966e-01 - <_> - - 0 -1 70 -1.8804960418492556e-03 - - 2.7913948893547058e-01 5.4979521036148071e-01 - <_> - - 0 -1 71 7.0889107882976532e-03 - - 5.2631992101669312e-01 2.3855470120906830e-01 - <_> - - 0 -1 72 1.7318050377070904e-03 - - 4.3193790316581726e-01 6.9836008548736572e-01 - <_> - - 0 -1 73 -6.8482700735330582e-03 - - 3.0820429325103760e-01 5.3909200429916382e-01 - <_> - - 0 -1 74 -1.5062530110299122e-05 - - 5.5219221115112305e-01 3.1203660368919373e-01 - <_> - - 0 -1 75 2.9475569725036621e-02 - - 5.4013228416442871e-01 1.7706030607223511e-01 - <_> - - 0 -1 76 8.1387329846620560e-03 - - 5.1786178350448608e-01 1.2110190093517303e-01 - <_> - - 0 -1 77 2.0942950621247292e-02 - - 5.2902942895889282e-01 3.3112218976020813e-01 - <_> - - 0 -1 78 -9.5665529370307922e-03 - - 7.4719941616058350e-01 4.4519689679145813e-01 - <_> - 33 - 1.5324139595031738e+01 - - <_> - - 0 -1 79 -2.8206960996612906e-04 - - 2.0640860497951508e-01 6.0767322778701782e-01 - <_> - - 0 -1 80 1.6790600493550301e-03 - - 5.8519971370697021e-01 1.2553839385509491e-01 - <_> - - 0 -1 81 6.9827912375330925e-04 - - 9.4018429517745972e-02 5.7289612293243408e-01 - <_> - - 0 -1 82 7.8959012171253562e-04 - - 1.7819879949092865e-01 5.6943088769912720e-01 - <_> - - 0 -1 83 -2.8560499195009470e-03 - - 1.6383990645408630e-01 5.7886648178100586e-01 - <_> - - 0 -1 84 -3.8122469559311867e-03 - - 2.0854400098323822e-01 5.5085647106170654e-01 - <_> - - 0 -1 85 1.5896620461717248e-03 - - 5.7027608156204224e-01 1.8572150170803070e-01 - <_> - - 0 -1 86 1.0078339837491512e-02 - - 5.1169431209564209e-01 2.1897700428962708e-01 - <_> - - 0 -1 87 -6.3526302576065063e-02 - - 7.1313798427581787e-01 4.0438130497932434e-01 - <_> - - 0 -1 88 -9.1031491756439209e-03 - - 2.5671818852424622e-01 5.4639732837677002e-01 - <_> - - 0 -1 89 -2.4035000242292881e-03 - - 1.7006659507751465e-01 5.5909740924835205e-01 - <_> - - 0 -1 90 1.5226360410451889e-03 - - 5.4105567932128906e-01 2.6190540194511414e-01 - <_> - - 0 -1 91 1.7997439950704575e-02 - - 3.7324368953704834e-01 6.5352207422256470e-01 - <_> - - 0 -1 92 -6.4538191072642803e-03 - - 2.6264819502830505e-01 5.5374461412429810e-01 - <_> - - 0 -1 93 -1.1880760081112385e-02 - - 2.0037539303302765e-01 5.5447459220886230e-01 - <_> - - 0 -1 94 1.2713660253211856e-03 - - 5.5919027328491211e-01 3.0319759249687195e-01 - <_> - - 0 -1 95 1.1376109905540943e-03 - - 2.7304071187973022e-01 5.6465089321136475e-01 - <_> - - 0 -1 96 -4.2651998810470104e-03 - - 1.4059090614318848e-01 5.4618209600448608e-01 - <_> - - 0 -1 97 -2.9602861031889915e-03 - - 1.7950350046157837e-01 5.4592901468276978e-01 - <_> - - 0 -1 98 -8.8448226451873779e-03 - - 5.7367831468582153e-01 2.8092199563980103e-01 - <_> - - 0 -1 99 -6.6430689767003059e-03 - - 2.3706759512424469e-01 5.5038261413574219e-01 - <_> - - 0 -1 100 3.9997808635234833e-03 - - 5.6081998348236084e-01 3.3042821288108826e-01 - <_> - - 0 -1 101 -4.1221720166504383e-03 - - 1.6401059925556183e-01 5.3789931535720825e-01 - <_> - - 0 -1 102 1.5624909661710262e-02 - - 5.2276492118835449e-01 2.2886039316654205e-01 - <_> - - 0 -1 103 -1.0356419719755650e-02 - - 7.0161938667297363e-01 4.2529278993606567e-01 - <_> - - 0 -1 104 -8.7960809469223022e-03 - - 2.7673470973968506e-01 5.3558301925659180e-01 - <_> - - 0 -1 105 1.6226939857006073e-01 - - 4.3422400951385498e-01 7.4425792694091797e-01 - <_> - - 0 -1 106 4.5542530715465546e-03 - - 5.7264858484268188e-01 2.5821250677108765e-01 - <_> - - 0 -1 107 -2.1309209987521172e-03 - - 2.1068480610847473e-01 5.3610187768936157e-01 - <_> - - 0 -1 108 -1.3208420015871525e-02 - - 7.5937908887863159e-01 4.5524680614471436e-01 - <_> - - 0 -1 109 -6.5996676683425903e-02 - - 1.2524759769439697e-01 5.3440397977828979e-01 - <_> - - 0 -1 110 7.9142656177282333e-03 - - 3.3153840899467468e-01 5.6010431051254272e-01 - <_> - - 0 -1 111 2.0894279703497887e-02 - - 5.5060499906539917e-01 2.7688381075859070e-01 - <_> - 44 - 2.1010639190673828e+01 - - <_> - - 0 -1 112 1.1961159761995077e-03 - - 1.7626909911632538e-01 6.1562412977218628e-01 - <_> - - 0 -1 113 -1.8679830245673656e-03 - - 6.1181068420410156e-01 1.8323999643325806e-01 - <_> - - 0 -1 114 -1.9579799845814705e-04 - - 9.9044263362884521e-02 5.7238161563873291e-01 - <_> - - 0 -1 115 -8.0255657667294145e-04 - - 5.5798798799514771e-01 2.3772829771041870e-01 - <_> - - 0 -1 116 -2.4510810617357492e-03 - - 2.2314579784870148e-01 5.8589351177215576e-01 - <_> - - 0 -1 117 5.0361850298941135e-04 - - 2.6539939641952515e-01 5.7941037416458130e-01 - <_> - - 0 -1 118 4.0293349884450436e-03 - - 5.8038270473480225e-01 2.4848650395870209e-01 - <_> - - 0 -1 119 -1.4451709575951099e-02 - - 1.8303519487380981e-01 5.4842048883438110e-01 - <_> - - 0 -1 120 2.0380979403853416e-03 - - 3.3635589480400085e-01 6.0510927438735962e-01 - <_> - - 0 -1 121 -1.6155190533027053e-03 - - 2.2866420447826385e-01 5.4412460327148438e-01 - <_> - - 0 -1 122 3.3458340913057327e-03 - - 5.6259131431579590e-01 2.3923380672931671e-01 - <_> - - 0 -1 123 1.6379579901695251e-03 - - 3.9069938659667969e-01 5.9646219015121460e-01 - <_> - - 0 -1 124 3.0251210555434227e-02 - - 5.2484822273254395e-01 1.5757469832897186e-01 - <_> - - 0 -1 125 3.7251990288496017e-02 - - 4.1943109035491943e-01 6.7484188079833984e-01 - <_> - - 0 -1 126 -2.5109790265560150e-02 - - 1.8825499713420868e-01 5.4734510183334351e-01 - <_> - - 0 -1 127 -5.3099058568477631e-03 - - 1.3399730622768402e-01 5.2271109819412231e-01 - <_> - - 0 -1 128 1.2086479691788554e-03 - - 3.7620881199836731e-01 6.1096358299255371e-01 - <_> - - 0 -1 129 -2.1907679736614227e-02 - - 2.6631429791450500e-01 5.4040068387985229e-01 - <_> - - 0 -1 130 5.4116579703986645e-03 - - 5.3635787963867188e-01 2.2322730720043182e-01 - <_> - - 0 -1 131 6.9946326315402985e-02 - - 5.3582328557968140e-01 2.4536980688571930e-01 - <_> - - 0 -1 132 3.4520021290518343e-04 - - 2.4096719920635223e-01 5.3769302368164062e-01 - <_> - - 0 -1 133 1.2627709656953812e-03 - - 5.4258567094802856e-01 3.1556931138038635e-01 - <_> - - 0 -1 134 2.2719509899616241e-02 - - 4.1584059596061707e-01 6.5978652238845825e-01 - <_> - - 0 -1 135 -1.8111000536009669e-03 - - 2.8112530708312988e-01 5.5052447319030762e-01 - <_> - - 0 -1 136 3.3469670452177525e-03 - - 5.2600282430648804e-01 1.8914650380611420e-01 - <_> - - 0 -1 137 4.0791751234792173e-04 - - 5.6735092401504517e-01 3.3442100882530212e-01 - <_> - - 0 -1 138 1.2734799645841122e-02 - - 5.3435921669006348e-01 2.3956120014190674e-01 - <_> - - 0 -1 139 -7.3119727894663811e-03 - - 6.0108900070190430e-01 4.0222078561782837e-01 - <_> - - 0 -1 140 -5.6948751211166382e-02 - - 8.1991511583328247e-01 4.5431908965110779e-01 - <_> - - 0 -1 141 -5.0116591155529022e-03 - - 2.2002810239791870e-01 5.3577107191085815e-01 - <_> - - 0 -1 142 6.0334368608891964e-03 - - 4.4130811095237732e-01 7.1817511320114136e-01 - <_> - - 0 -1 143 3.9437441155314445e-03 - - 5.4788607358932495e-01 2.7917331457138062e-01 - <_> - - 0 -1 144 -3.6591119132936001e-03 - - 6.3578677177429199e-01 3.9897239208221436e-01 - <_> - - 0 -1 145 -3.8456181064248085e-03 - - 3.4936860203742981e-01 5.3006649017333984e-01 - <_> - - 0 -1 146 -7.1926261298358440e-03 - - 1.1196149885654449e-01 5.2296727895736694e-01 - <_> - - 0 -1 147 -5.2798941731452942e-02 - - 2.3871029913425446e-01 5.4534512758255005e-01 - <_> - - 0 -1 148 -7.9537667334079742e-03 - - 7.5869178771972656e-01 4.4393768906593323e-01 - <_> - - 0 -1 149 -2.7344180271029472e-03 - - 2.5654768943786621e-01 5.4893219470977783e-01 - <_> - - 0 -1 150 -1.8507939530536532e-03 - - 6.7343479394912720e-01 4.2524749040603638e-01 - <_> - - 0 -1 151 1.5918919816613197e-02 - - 5.4883527755737305e-01 2.2926619648933411e-01 - <_> - - 0 -1 152 -1.2687679845839739e-03 - - 6.1043310165405273e-01 4.0223899483680725e-01 - <_> - - 0 -1 153 6.2883910723030567e-03 - - 5.3108531236648560e-01 1.5361930429935455e-01 - <_> - - 0 -1 154 -6.2259892001748085e-03 - - 1.7291119694709778e-01 5.2416062355041504e-01 - <_> - - 0 -1 155 -1.2132599949836731e-02 - - 6.5977597236633301e-01 4.3251821398735046e-01 - <_> - 50 - 2.3918790817260742e+01 - - <_> - - 0 -1 156 -3.9184908382594585e-03 - - 6.1034351587295532e-01 1.4693309366703033e-01 - <_> - - 0 -1 157 1.5971299726516008e-03 - - 2.6323631405830383e-01 5.8964669704437256e-01 - <_> - - 0 -1 158 1.7780110239982605e-02 - - 5.8728742599487305e-01 1.7603619396686554e-01 - <_> - - 0 -1 159 6.5334769897162914e-04 - - 1.5678019821643829e-01 5.5960661172866821e-01 - <_> - - 0 -1 160 -2.8353091329336166e-04 - - 1.9131539762020111e-01 5.7320362329483032e-01 - <_> - - 0 -1 161 1.6104689566418529e-03 - - 2.9149138927459717e-01 5.6230807304382324e-01 - <_> - - 0 -1 162 -9.7750619053840637e-02 - - 1.9434769451618195e-01 5.6482332944869995e-01 - <_> - - 0 -1 163 5.5182358482852578e-04 - - 3.1346169114112854e-01 5.5046397447586060e-01 - <_> - - 0 -1 164 -1.2858220376074314e-02 - - 2.5364819169044495e-01 5.7601428031921387e-01 - <_> - - 0 -1 165 4.1530239395797253e-03 - - 5.7677221298217773e-01 3.6597740650177002e-01 - <_> - - 0 -1 166 1.7092459602281451e-03 - - 2.8431910276412964e-01 5.9189391136169434e-01 - <_> - - 0 -1 167 7.5217359699308872e-03 - - 4.0524271130561829e-01 6.1831092834472656e-01 - <_> - - 0 -1 168 2.2479810286313295e-03 - - 5.7837551832199097e-01 3.1354010105133057e-01 - <_> - - 0 -1 169 5.2006211131811142e-02 - - 5.5413120985031128e-01 1.9166369736194611e-01 - <_> - - 0 -1 170 1.2085529975593090e-02 - - 4.0326559543609619e-01 6.6445910930633545e-01 - <_> - - 0 -1 171 1.4687820112158079e-05 - - 3.5359779000282288e-01 5.7093828916549683e-01 - <_> - - 0 -1 172 7.1395188570022583e-06 - - 3.0374449491500854e-01 5.6102699041366577e-01 - <_> - - 0 -1 173 -4.6001640148460865e-03 - - 7.1810871362686157e-01 4.5803260803222656e-01 - <_> - - 0 -1 174 2.0058949012309313e-03 - - 5.6219518184661865e-01 2.9536840319633484e-01 - <_> - - 0 -1 175 4.5050270855426788e-03 - - 4.6153879165649414e-01 7.6190179586410522e-01 - <_> - - 0 -1 176 1.1746830306947231e-02 - - 5.3438371419906616e-01 1.7725290358066559e-01 - <_> - - 0 -1 177 -5.8316338807344437e-02 - - 1.6862459480762482e-01 5.3407722711563110e-01 - <_> - - 0 -1 178 2.3629379575140774e-04 - - 3.7920561432838440e-01 6.0268038511276245e-01 - <_> - - 0 -1 179 -7.8156180679798126e-03 - - 1.5128670632839203e-01 5.3243237733840942e-01 - <_> - - 0 -1 180 -1.0876160115003586e-02 - - 2.0818220078945160e-01 5.3199452161788940e-01 - <_> - - 0 -1 181 -2.7745519764721394e-03 - - 4.0982469916343689e-01 5.2103281021118164e-01 - <_> - - 0 -1 182 -7.8276381827890873e-04 - - 5.6932741403579712e-01 3.4788420796394348e-01 - <_> - - 0 -1 183 1.3870409689843655e-02 - - 5.3267508745193481e-01 2.2576980292797089e-01 - <_> - - 0 -1 184 -2.3674910888075829e-02 - - 1.5513050556182861e-01 5.2007079124450684e-01 - <_> - - 0 -1 185 -1.4879409718560055e-05 - - 5.5005669593811035e-01 3.8201761245727539e-01 - <_> - - 0 -1 186 3.6190641112625599e-03 - - 4.2386838793754578e-01 6.6397482156753540e-01 - <_> - - 0 -1 187 -1.9817110151052475e-02 - - 2.1500380337238312e-01 5.3823578357696533e-01 - <_> - - 0 -1 188 -3.8154039066284895e-03 - - 6.6757112741470337e-01 4.2152971029281616e-01 - <_> - - 0 -1 189 -4.9775829538702965e-03 - - 2.2672890126705170e-01 5.3863281011581421e-01 - <_> - - 0 -1 190 2.2441020701080561e-03 - - 4.3086910247802734e-01 6.8557357788085938e-01 - <_> - - 0 -1 191 1.2282459996640682e-02 - - 5.8366149663925171e-01 3.4674790501594543e-01 - <_> - - 0 -1 192 -2.8548699337989092e-03 - - 7.0169448852539062e-01 4.3114539980888367e-01 - <_> - - 0 -1 193 -3.7875669077038765e-03 - - 2.8953450918197632e-01 5.2249461412429810e-01 - <_> - - 0 -1 194 -1.2201230274513364e-03 - - 2.9755708575248718e-01 5.4816448688507080e-01 - <_> - - 0 -1 195 1.0160599835216999e-02 - - 4.8888179659843445e-01 8.1826978921890259e-01 - <_> - - 0 -1 196 -1.6174569725990295e-02 - - 1.4814929664134979e-01 5.2399927377700806e-01 - <_> - - 0 -1 197 1.9292460754513741e-02 - - 4.7863098978996277e-01 7.3781907558441162e-01 - <_> - - 0 -1 198 -3.2479539513587952e-03 - - 7.3742228746414185e-01 4.4706439971923828e-01 - <_> - - 0 -1 199 -9.3803480267524719e-03 - - 3.4891548752784729e-01 5.5379962921142578e-01 - <_> - - 0 -1 200 -1.2606129981577396e-02 - - 2.3796869814395905e-01 5.3154432773590088e-01 - <_> - - 0 -1 201 -2.5621930137276649e-02 - - 1.9646880030632019e-01 5.1387697458267212e-01 - <_> - - 0 -1 202 -7.5741496402770281e-05 - - 5.5905228853225708e-01 3.3658531308174133e-01 - <_> - - 0 -1 203 -8.9210882782936096e-02 - - 6.3404656946659088e-02 5.1626348495483398e-01 - <_> - - 0 -1 204 -2.7670480776578188e-03 - - 7.3234677314758301e-01 4.4907060265541077e-01 - <_> - - 0 -1 205 2.7152578695677221e-04 - - 4.1148349642753601e-01 5.9855180978775024e-01 - <_> - 51 - 2.4527879714965820e+01 - - <_> - - 0 -1 206 1.4786219689995050e-03 - - 2.6635450124740601e-01 6.6433167457580566e-01 - <_> - - 0 -1 207 -1.8741659587249160e-03 - - 6.1438488960266113e-01 2.5185129046440125e-01 - <_> - - 0 -1 208 -1.7151009524241090e-03 - - 5.7663410902023315e-01 2.3974630236625671e-01 - <_> - - 0 -1 209 -1.8939269939437509e-03 - - 5.6820458173751831e-01 2.5291448831558228e-01 - <_> - - 0 -1 210 -5.3006052039563656e-03 - - 1.6406759619712830e-01 5.5560797452926636e-01 - <_> - - 0 -1 211 -4.6662531793117523e-02 - - 6.1231541633605957e-01 4.7628301382064819e-01 - <_> - - 0 -1 212 -7.9431332414969802e-04 - - 5.7078588008880615e-01 2.8394040465354919e-01 - <_> - - 0 -1 213 1.4891670085489750e-02 - - 4.0896728634834290e-01 6.0063672065734863e-01 - <_> - - 0 -1 214 -1.2046529445797205e-03 - - 5.7124507427215576e-01 2.7052891254425049e-01 - <_> - - 0 -1 215 6.0619381256401539e-03 - - 5.2625042200088501e-01 3.2622259855270386e-01 - <_> - - 0 -1 216 -2.5286648888140917e-03 - - 6.8538308143615723e-01 4.1992568969726562e-01 - <_> - - 0 -1 217 -5.9010218828916550e-03 - - 3.2662820816040039e-01 5.4348129034042358e-01 - <_> - - 0 -1 218 5.6702760048210621e-03 - - 5.4684108495712280e-01 2.3190039396286011e-01 - <_> - - 0 -1 219 -3.0304100364446640e-03 - - 5.5706679821014404e-01 2.7082380652427673e-01 - <_> - - 0 -1 220 2.9803649522364140e-03 - - 3.7005689740180969e-01 5.8906257152557373e-01 - <_> - - 0 -1 221 -7.5840510427951813e-02 - - 2.1400700509548187e-01 5.4199481010437012e-01 - <_> - - 0 -1 222 1.9262539222836494e-02 - - 5.5267721414566040e-01 2.7265900373458862e-01 - <_> - - 0 -1 223 1.8888259364757687e-04 - - 3.9580118656158447e-01 6.0172098875045776e-01 - <_> - - 0 -1 224 2.9369549825787544e-02 - - 5.2413737773895264e-01 1.4357580244541168e-01 - <_> - - 0 -1 225 1.0417619487270713e-03 - - 3.3854091167449951e-01 5.9299832582473755e-01 - <_> - - 0 -1 226 2.6125640142709017e-03 - - 5.4853779077529907e-01 3.0215978622436523e-01 - <_> - - 0 -1 227 9.6977467183023691e-04 - - 3.3752760291099548e-01 5.5320328474044800e-01 - <_> - - 0 -1 228 5.9512659208849072e-04 - - 5.6317430734634399e-01 3.3593991398811340e-01 - <_> - - 0 -1 229 -1.0156559944152832e-01 - - 6.3735038042068481e-02 5.2304250001907349e-01 - <_> - - 0 -1 230 3.6156699061393738e-02 - - 5.1369631290435791e-01 1.0295289754867554e-01 - <_> - - 0 -1 231 3.4624140243977308e-03 - - 3.8793200254440308e-01 5.5582892894744873e-01 - <_> - - 0 -1 232 1.9554980099201202e-02 - - 5.2500867843627930e-01 1.8758599460124969e-01 - <_> - - 0 -1 233 -2.3121440317481756e-03 - - 6.6720288991928101e-01 4.6796411275863647e-01 - <_> - - 0 -1 234 -1.8605289515107870e-03 - - 7.1633791923522949e-01 4.3346709012985229e-01 - <_> - - 0 -1 235 -9.4026362057775259e-04 - - 3.0213609337806702e-01 5.6502032279968262e-01 - <_> - - 0 -1 236 -5.2418331615626812e-03 - - 1.8200090527534485e-01 5.2502560615539551e-01 - <_> - - 0 -1 237 1.1729019752237946e-04 - - 3.3891880512237549e-01 5.4459732770919800e-01 - <_> - - 0 -1 238 1.1878840159624815e-03 - - 4.0853491425514221e-01 6.2535631656646729e-01 - <_> - - 0 -1 239 -1.0881359688937664e-02 - - 3.3783990144729614e-01 5.7000827789306641e-01 - <_> - - 0 -1 240 1.7354859737679362e-03 - - 4.2046359181404114e-01 6.5230387449264526e-01 - <_> - - 0 -1 241 -6.5119052305817604e-03 - - 2.5952160358428955e-01 5.4281437397003174e-01 - <_> - - 0 -1 242 -1.2136430013924837e-03 - - 6.1651438474655151e-01 3.9778938889503479e-01 - <_> - - 0 -1 243 -1.0354240424931049e-02 - - 1.6280280053615570e-01 5.2195048332214355e-01 - <_> - - 0 -1 244 5.5858830455690622e-04 - - 3.1996509432792664e-01 5.5035740137100220e-01 - <_> - - 0 -1 245 1.5299649909138680e-02 - - 4.1039940714836121e-01 6.1223882436752319e-01 - <_> - - 0 -1 246 -2.1588210016489029e-02 - - 1.0349129885435104e-01 5.1973849534988403e-01 - <_> - - 0 -1 247 -1.2834629416465759e-01 - - 8.4938651323318481e-01 4.8931029438972473e-01 - <_> - - 0 -1 248 -2.2927189711481333e-03 - - 3.1301578879356384e-01 5.4715752601623535e-01 - <_> - - 0 -1 249 7.9915106296539307e-02 - - 4.8563209176063538e-01 6.0739892721176147e-01 - <_> - - 0 -1 250 -7.9441092908382416e-02 - - 8.3946740627288818e-01 4.6245330572128296e-01 - <_> - - 0 -1 251 -5.2800010889768600e-03 - - 1.8816959857940674e-01 5.3066980838775635e-01 - <_> - - 0 -1 252 1.0463109938427806e-03 - - 5.2712291479110718e-01 2.5830659270286560e-01 - <_> - - 0 -1 253 2.6317298761568964e-04 - - 4.2353048920631409e-01 5.7354408502578735e-01 - <_> - - 0 -1 254 -3.6173160187900066e-03 - - 6.9343960285186768e-01 4.4954448938369751e-01 - <_> - - 0 -1 255 1.1421879753470421e-02 - - 5.9009212255477905e-01 4.1381931304931641e-01 - <_> - - 0 -1 256 -1.9963278900831938e-03 - - 6.4663827419281006e-01 4.3272399902343750e-01 - <_> - 56 - 2.7153350830078125e+01 - - <_> - - 0 -1 257 -9.9691245704889297e-03 - - 6.1423242092132568e-01 2.4822120368480682e-01 - <_> - - 0 -1 258 7.3073059320449829e-04 - - 5.7049518823623657e-01 2.3219659924507141e-01 - <_> - - 0 -1 259 6.4045301405712962e-04 - - 2.1122519671916962e-01 5.8149331808090210e-01 - <_> - - 0 -1 260 4.5424019917845726e-03 - - 2.9504820704460144e-01 5.8663117885589600e-01 - <_> - - 0 -1 261 9.2477443104144186e-05 - - 2.9909908771514893e-01 5.7913267612457275e-01 - <_> - - 0 -1 262 -8.6603146046400070e-03 - - 2.8130298852920532e-01 5.6355422735214233e-01 - <_> - - 0 -1 263 8.0515816807746887e-03 - - 3.5353690385818481e-01 6.0547572374343872e-01 - <_> - - 0 -1 264 4.3835240649059415e-04 - - 5.5965322256088257e-01 2.7315109968185425e-01 - <_> - - 0 -1 265 -9.8168973636347800e-05 - - 5.9780317544937134e-01 3.6385610699653625e-01 - <_> - - 0 -1 266 -1.1298790341243148e-03 - - 2.7552521228790283e-01 5.4327291250228882e-01 - <_> - - 0 -1 267 6.4356150105595589e-03 - - 4.3056419491767883e-01 7.0698332786560059e-01 - <_> - - 0 -1 268 -5.6829329580068588e-02 - - 2.4952429533004761e-01 5.2949970960617065e-01 - <_> - - 0 -1 269 4.0668169967830181e-03 - - 5.4785531759262085e-01 2.4977239966392517e-01 - <_> - - 0 -1 270 4.8164798499783501e-05 - - 3.9386010169982910e-01 5.7063561677932739e-01 - <_> - - 0 -1 271 6.1795017682015896e-03 - - 4.4076061248779297e-01 7.3947668075561523e-01 - <_> - - 0 -1 272 6.4985752105712891e-03 - - 5.4452431201934814e-01 2.4791529774665833e-01 - <_> - - 0 -1 273 -1.0211090557277203e-03 - - 2.5447669625282288e-01 5.3389710187911987e-01 - <_> - - 0 -1 274 -5.4247528314590454e-03 - - 2.7188581228256226e-01 5.3240692615509033e-01 - <_> - - 0 -1 275 -1.0559899965301156e-03 - - 3.1782880425453186e-01 5.5345088243484497e-01 - <_> - - 0 -1 276 6.6465808777138591e-04 - - 4.2842191457748413e-01 6.5581941604614258e-01 - <_> - - 0 -1 277 -2.7524109464138746e-04 - - 5.9028607606887817e-01 3.8102629780769348e-01 - <_> - - 0 -1 278 4.2293202131986618e-03 - - 3.8164898753166199e-01 5.7093858718872070e-01 - <_> - - 0 -1 279 -3.2868210691958666e-03 - - 1.7477439343929291e-01 5.2595442533493042e-01 - <_> - - 0 -1 280 1.5611879643984139e-04 - - 3.6017221212387085e-01 5.7256120443344116e-01 - <_> - - 0 -1 281 -7.3621381488919724e-06 - - 5.4018580913543701e-01 3.0444970726966858e-01 - <_> - - 0 -1 282 -1.4767250046133995e-02 - - 3.2207700610160828e-01 5.5734348297119141e-01 - <_> - - 0 -1 283 2.4489590898156166e-02 - - 4.3015280365943909e-01 6.5188127756118774e-01 - <_> - - 0 -1 284 -3.7652091123163700e-04 - - 3.5645830631256104e-01 5.5982369184494019e-01 - <_> - - 0 -1 285 7.3657688517414499e-06 - - 3.4907829761505127e-01 5.5618977546691895e-01 - <_> - - 0 -1 286 -1.5099939890205860e-02 - - 1.7762720584869385e-01 5.3352999687194824e-01 - <_> - - 0 -1 287 -3.8316650316119194e-03 - - 6.1496877670288086e-01 4.2213940620422363e-01 - <_> - - 0 -1 288 1.6925400123000145e-02 - - 5.4130148887634277e-01 2.1665850281715393e-01 - <_> - - 0 -1 289 -3.0477850232273340e-03 - - 6.4494907855987549e-01 4.3546178936958313e-01 - <_> - - 0 -1 290 3.2140589319169521e-03 - - 5.4001551866531372e-01 3.5232171416282654e-01 - <_> - - 0 -1 291 -4.0023201145231724e-03 - - 2.7745240926742554e-01 5.3384172916412354e-01 - <_> - - 0 -1 292 7.4182129465043545e-03 - - 5.6767392158508301e-01 3.7028178572654724e-01 - <_> - - 0 -1 293 -8.8764587417244911e-03 - - 7.7492219209671021e-01 4.5836889743804932e-01 - <_> - - 0 -1 294 2.7311739977449179e-03 - - 5.3387218713760376e-01 3.9966610074043274e-01 - <_> - - 0 -1 295 -2.5082379579544067e-03 - - 5.6119632720947266e-01 3.7774989008903503e-01 - <_> - - 0 -1 296 -8.0541074275970459e-03 - - 2.9152289032936096e-01 5.1791828870773315e-01 - <_> - - 0 -1 297 -9.7938813269138336e-04 - - 5.5364328622817993e-01 3.7001928687095642e-01 - <_> - - 0 -1 298 -5.8745909482240677e-03 - - 3.7543910741806030e-01 5.6793761253356934e-01 - <_> - - 0 -1 299 -4.4936719350516796e-03 - - 7.0196992158889771e-01 4.4809499382972717e-01 - <_> - - 0 -1 300 -5.4389229044318199e-03 - - 2.3103649914264679e-01 5.3133869171142578e-01 - <_> - - 0 -1 301 -7.5094640487805009e-04 - - 5.8648687601089478e-01 4.1293430328369141e-01 - <_> - - 0 -1 302 1.4528800420521293e-05 - - 3.7324070930480957e-01 5.6196212768554688e-01 - <_> - - 0 -1 303 4.0758069604635239e-02 - - 5.3120911121368408e-01 2.7205219864845276e-01 - <_> - - 0 -1 304 6.6505931317806244e-03 - - 4.7100159525871277e-01 6.6934937238693237e-01 - <_> - - 0 -1 305 4.5759351924061775e-03 - - 5.1678192615509033e-01 1.6372759640216827e-01 - <_> - - 0 -1 306 6.5269311890006065e-03 - - 5.3976088762283325e-01 2.9385319352149963e-01 - <_> - - 0 -1 307 -1.3660379685461521e-02 - - 7.0864880084991455e-01 4.5322000980377197e-01 - <_> - - 0 -1 308 2.7358869090676308e-02 - - 5.2064812183380127e-01 3.5892319679260254e-01 - <_> - - 0 -1 309 6.2197551596909761e-04 - - 3.5070759057998657e-01 5.4411232471466064e-01 - <_> - - 0 -1 310 -3.3077080734074116e-03 - - 5.8595228195190430e-01 4.0248918533325195e-01 - <_> - - 0 -1 311 -1.0631109587848186e-02 - - 6.7432671785354614e-01 4.4226029515266418e-01 - <_> - - 0 -1 312 1.9441649317741394e-02 - - 5.2827161550521851e-01 1.7979049682617188e-01 - <_> - 71 - 3.4554111480712891e+01 - - <_> - - 0 -1 313 -5.5052167735993862e-03 - - 5.9147310256958008e-01 2.6265591382980347e-01 - <_> - - 0 -1 314 1.9562279339879751e-03 - - 2.3125819861888885e-01 5.7416272163391113e-01 - <_> - - 0 -1 315 -8.8924784213304520e-03 - - 1.6565300524234772e-01 5.6266540288925171e-01 - <_> - - 0 -1 316 8.3638377487659454e-02 - - 5.4234498739242554e-01 1.9572949409484863e-01 - <_> - - 0 -1 317 1.2282270472496748e-03 - - 3.4179040789604187e-01 5.9925037622451782e-01 - <_> - - 0 -1 318 5.7629169896245003e-03 - - 3.7195819616317749e-01 6.0799038410186768e-01 - <_> - - 0 -1 319 -1.6417410224676132e-03 - - 2.5774860382080078e-01 5.5769157409667969e-01 - <_> - - 0 -1 320 3.4113149158656597e-03 - - 2.9507490992546082e-01 5.5141717195510864e-01 - <_> - - 0 -1 321 -1.1069320142269135e-02 - - 7.5693589448928833e-01 4.4770789146423340e-01 - <_> - - 0 -1 322 3.4865971654653549e-02 - - 5.5837088823318481e-01 2.6696211099624634e-01 - <_> - - 0 -1 323 6.5701099811121821e-04 - - 5.6273132562637329e-01 2.9888901114463806e-01 - <_> - - 0 -1 324 -2.4339130148291588e-02 - - 2.7711850404739380e-01 5.1088631153106689e-01 - <_> - - 0 -1 325 5.9435202274471521e-04 - - 5.5806517601013184e-01 3.1203418970108032e-01 - <_> - - 0 -1 326 2.2971509024500847e-03 - - 3.3302500844001770e-01 5.6790757179260254e-01 - <_> - - 0 -1 327 -3.7801829166710377e-03 - - 2.9905349016189575e-01 5.3448081016540527e-01 - <_> - - 0 -1 328 -1.3420669734477997e-01 - - 1.4638589322566986e-01 5.3925681114196777e-01 - <_> - - 0 -1 329 7.5224548345431685e-04 - - 3.7469539046287537e-01 5.6927347183227539e-01 - <_> - - 0 -1 330 -4.0545541793107986e-02 - - 2.7547478675842285e-01 5.4842978715896606e-01 - <_> - - 0 -1 331 1.2572970008477569e-03 - - 3.7445840239524841e-01 5.7560759782791138e-01 - <_> - - 0 -1 332 -7.4249948374927044e-03 - - 7.5138592720031738e-01 4.7282311320304871e-01 - <_> - - 0 -1 333 5.0908129196614027e-04 - - 5.4048967361450195e-01 2.9323211312294006e-01 - <_> - - 0 -1 334 -1.2808450264856219e-03 - - 6.1697798967361450e-01 4.2733490467071533e-01 - <_> - - 0 -1 335 -1.8348860321566463e-03 - - 2.0484960079193115e-01 5.2064722776412964e-01 - <_> - - 0 -1 336 2.7484869584441185e-02 - - 5.2529847621917725e-01 1.6755220293998718e-01 - <_> - - 0 -1 337 2.2372419480234385e-03 - - 5.2677828073501587e-01 2.7776581048965454e-01 - <_> - - 0 -1 338 -8.8635291904211044e-03 - - 6.9545578956604004e-01 4.8120489716529846e-01 - <_> - - 0 -1 339 4.1753971017897129e-03 - - 4.2918878793716431e-01 6.3491958379745483e-01 - <_> - - 0 -1 340 -1.7098189564421773e-03 - - 2.9305368661880493e-01 5.3612488508224487e-01 - <_> - - 0 -1 341 6.5328548662364483e-03 - - 4.4953250885009766e-01 7.4096941947937012e-01 - <_> - - 0 -1 342 -9.5372907817363739e-03 - - 3.1491199135780334e-01 5.4165017604827881e-01 - <_> - - 0 -1 343 2.5310989469289780e-02 - - 5.1218920946121216e-01 1.3117079436779022e-01 - <_> - - 0 -1 344 3.6460969597101212e-02 - - 5.1759117841720581e-01 2.5913399457931519e-01 - <_> - - 0 -1 345 2.0854329690337181e-02 - - 5.1371401548385620e-01 1.5823160111904144e-01 - <_> - - 0 -1 346 -8.7207747856155038e-04 - - 5.5743098258972168e-01 4.3989789485931396e-01 - <_> - - 0 -1 347 -1.5227000403683633e-05 - - 5.5489408969879150e-01 3.7080699205398560e-01 - <_> - - 0 -1 348 -8.4316509310156107e-04 - - 3.3874198794364929e-01 5.5542111396789551e-01 - <_> - - 0 -1 349 3.6037859972566366e-03 - - 5.3580617904663086e-01 3.4111711382865906e-01 - <_> - - 0 -1 350 -6.8057891912758350e-03 - - 6.1252027750015259e-01 4.3458628654479980e-01 - <_> - - 0 -1 351 -4.7021660953760147e-02 - - 2.3581659793853760e-01 5.1937389373779297e-01 - <_> - - 0 -1 352 -3.6954108625650406e-02 - - 7.3231112957000732e-01 4.7609439492225647e-01 - <_> - - 0 -1 353 1.0439479956403375e-03 - - 5.4194551706314087e-01 3.4113308787345886e-01 - <_> - - 0 -1 354 -2.1050689974799752e-04 - - 2.8216940164566040e-01 5.5549472570419312e-01 - <_> - - 0 -1 355 -8.0831587314605713e-02 - - 9.1299301385879517e-01 4.6974349021911621e-01 - <_> - - 0 -1 356 -3.6579059087671340e-04 - - 6.0226702690124512e-01 3.9782929420471191e-01 - <_> - - 0 -1 357 -1.2545920617412776e-04 - - 5.6132131814956665e-01 3.8455399870872498e-01 - <_> - - 0 -1 358 -6.8786486983299255e-02 - - 2.2616119682788849e-01 5.3004968166351318e-01 - <_> - - 0 -1 359 1.2415789999067783e-02 - - 4.0756919980049133e-01 5.8288121223449707e-01 - <_> - - 0 -1 360 -4.7174817882478237e-03 - - 2.8272539377212524e-01 5.2677577733993530e-01 - <_> - - 0 -1 361 3.8136858493089676e-02 - - 5.0747412443161011e-01 1.0236159712076187e-01 - <_> - - 0 -1 362 -2.8168049175292253e-03 - - 6.1690068244934082e-01 4.3596929311752319e-01 - <_> - - 0 -1 363 8.1303603947162628e-03 - - 4.5244330167770386e-01 7.6060950756072998e-01 - <_> - - 0 -1 364 6.0056019574403763e-03 - - 5.2404087781906128e-01 1.8597120046615601e-01 - <_> - - 0 -1 365 1.9139319658279419e-02 - - 5.2093791961669922e-01 2.3320719599723816e-01 - <_> - - 0 -1 366 1.6445759683847427e-02 - - 5.4507029056549072e-01 3.2642349600791931e-01 - <_> - - 0 -1 367 -3.7356890738010406e-02 - - 6.9990468025207520e-01 4.5332419872283936e-01 - <_> - - 0 -1 368 -1.9727900624275208e-02 - - 2.6536649465560913e-01 5.4128098487854004e-01 - <_> - - 0 -1 369 6.6972579807043076e-03 - - 4.4805660843849182e-01 7.1386522054672241e-01 - <_> - - 0 -1 370 7.4457528535276651e-04 - - 4.2313501238822937e-01 5.4713201522827148e-01 - <_> - - 0 -1 371 1.1790640419349074e-03 - - 5.3417021036148071e-01 3.1304550170898438e-01 - <_> - - 0 -1 372 3.4980610013008118e-02 - - 5.1186597347259521e-01 3.4305301308631897e-01 - <_> - - 0 -1 373 5.6859792675822973e-04 - - 3.5321870446205139e-01 5.4686397314071655e-01 - <_> - - 0 -1 374 -1.1340649798512459e-02 - - 2.8423538804054260e-01 5.3487008810043335e-01 - <_> - - 0 -1 375 -6.6228108480572701e-03 - - 6.8836402893066406e-01 4.4926649332046509e-01 - <_> - - 0 -1 376 -8.0160330981016159e-03 - - 1.7098939418792725e-01 5.2243089675903320e-01 - <_> - - 0 -1 377 1.4206819469109178e-03 - - 5.2908462285995483e-01 2.9933831095695496e-01 - <_> - - 0 -1 378 -2.7801711112260818e-03 - - 6.4988541603088379e-01 4.4604998826980591e-01 - <_> - - 0 -1 379 -1.4747589593753219e-03 - - 3.2604381442070007e-01 5.3881132602691650e-01 - <_> - - 0 -1 380 -2.3830339312553406e-02 - - 7.5289410352706909e-01 4.8012199997901917e-01 - <_> - - 0 -1 381 6.9369790144264698e-03 - - 5.3351658582687378e-01 3.2614278793334961e-01 - <_> - - 0 -1 382 8.2806255668401718e-03 - - 4.5803940296173096e-01 5.7378298044204712e-01 - <_> - - 0 -1 383 -1.0439500212669373e-02 - - 2.5923201441764832e-01 5.2338278293609619e-01 - <_> - 80 - 3.9107288360595703e+01 - - <_> - - 0 -1 384 7.2006587870419025e-03 - - 3.2588860392570496e-01 6.8498080968856812e-01 - <_> - - 0 -1 385 -2.8593589086085558e-03 - - 5.8388811349868774e-01 2.5378298759460449e-01 - <_> - - 0 -1 386 6.8580528022721410e-04 - - 5.7080817222595215e-01 2.8124240040779114e-01 - <_> - - 0 -1 387 7.9580191522836685e-03 - - 2.5010511279106140e-01 5.5442607402801514e-01 - <_> - - 0 -1 388 -1.2124150525778532e-03 - - 2.3853680491447449e-01 5.4333502054214478e-01 - <_> - - 0 -1 389 7.9426132142543793e-03 - - 3.9550709724426270e-01 6.2207579612731934e-01 - <_> - - 0 -1 390 2.4630590341985226e-03 - - 5.6397080421447754e-01 2.9923579096794128e-01 - <_> - - 0 -1 391 -6.0396599583327770e-03 - - 2.1865129470825195e-01 5.4116767644882202e-01 - <_> - - 0 -1 392 -1.2988339876756072e-03 - - 2.3507060110569000e-01 5.3645849227905273e-01 - <_> - - 0 -1 393 2.2299369447864592e-04 - - 3.8041129708290100e-01 5.7296061515808105e-01 - <_> - - 0 -1 394 1.4654280385002494e-03 - - 2.5101679563522339e-01 5.2582687139511108e-01 - <_> - - 0 -1 395 -8.1210042117163539e-04 - - 5.9928238391876221e-01 3.8511589169502258e-01 - <_> - - 0 -1 396 -1.3836020370945334e-03 - - 5.6813961267471313e-01 3.6365869641304016e-01 - <_> - - 0 -1 397 -2.7936449274420738e-02 - - 1.4913170039653778e-01 5.3775602579116821e-01 - <_> - - 0 -1 398 -4.6919551095925272e-04 - - 3.6924299597740173e-01 5.5724847316741943e-01 - <_> - - 0 -1 399 -4.9829659983515739e-03 - - 6.7585092782974243e-01 4.5325040817260742e-01 - <_> - - 0 -1 400 1.8815309740602970e-03 - - 5.3680229187011719e-01 2.9325398802757263e-01 - <_> - - 0 -1 401 -1.9067550078034401e-02 - - 1.6493770480155945e-01 5.3300672769546509e-01 - <_> - - 0 -1 402 -4.6906559728085995e-03 - - 1.9639259576797485e-01 5.1193618774414062e-01 - <_> - - 0 -1 403 5.9777139686048031e-03 - - 4.6711719036102295e-01 7.0083981752395630e-01 - <_> - - 0 -1 404 -3.3303130418062210e-02 - - 1.1554169654846191e-01 5.1041620969772339e-01 - <_> - - 0 -1 405 9.0744107961654663e-02 - - 5.1496601104736328e-01 1.3061730563640594e-01 - <_> - - 0 -1 406 9.3555898638442159e-04 - - 3.6054810881614685e-01 5.4398590326309204e-01 - <_> - - 0 -1 407 1.4901650138199329e-02 - - 4.8862120509147644e-01 7.6875698566436768e-01 - <_> - - 0 -1 408 6.1594118596985936e-04 - - 5.3568130731582642e-01 3.2409390807151794e-01 - <_> - - 0 -1 409 -5.0670988857746124e-02 - - 1.8486219644546509e-01 5.2304041385650635e-01 - <_> - - 0 -1 410 6.8665749859064817e-04 - - 3.8405799865722656e-01 5.5179458856582642e-01 - <_> - - 0 -1 411 8.3712432533502579e-03 - - 4.2885640263557434e-01 6.1317539215087891e-01 - <_> - - 0 -1 412 -1.2953069526702166e-03 - - 2.9136741161346436e-01 5.2807378768920898e-01 - <_> - - 0 -1 413 -4.1941680014133453e-02 - - 7.5547999143600464e-01 4.8560309410095215e-01 - <_> - - 0 -1 414 -2.3529380559921265e-02 - - 2.8382799029350281e-01 5.2560812234878540e-01 - <_> - - 0 -1 415 4.0857449173927307e-02 - - 4.8709350824356079e-01 6.2772971391677856e-01 - <_> - - 0 -1 416 -2.5406869128346443e-02 - - 7.0997077226638794e-01 4.5750290155410767e-01 - <_> - - 0 -1 417 -4.1415440500713885e-04 - - 4.0308868885040283e-01 5.4694122076034546e-01 - <_> - - 0 -1 418 2.1824119612574577e-02 - - 4.5020240545272827e-01 6.7687010765075684e-01 - <_> - - 0 -1 419 1.4114039950072765e-02 - - 5.4428607225418091e-01 3.7917000055313110e-01 - <_> - - 0 -1 420 6.7214590671937913e-05 - - 4.2004638910293579e-01 5.8734762668609619e-01 - <_> - - 0 -1 421 -7.9417638480663300e-03 - - 3.7925618886947632e-01 5.5852657556533813e-01 - <_> - - 0 -1 422 -7.2144409641623497e-03 - - 7.2531038522720337e-01 4.6035489439964294e-01 - <_> - - 0 -1 423 2.5817339774221182e-03 - - 4.6933019161224365e-01 5.9002387523651123e-01 - <_> - - 0 -1 424 1.3409319519996643e-01 - - 5.1492130756378174e-01 1.8088449537754059e-01 - <_> - - 0 -1 425 2.2962710354477167e-03 - - 5.3997439146041870e-01 3.7178671360015869e-01 - <_> - - 0 -1 426 -2.1575849968940020e-03 - - 2.4084959924221039e-01 5.1488637924194336e-01 - <_> - - 0 -1 427 -4.9196188338100910e-03 - - 6.5735882520675659e-01 4.7387400269508362e-01 - <_> - - 0 -1 428 1.6267469618469477e-03 - - 4.1928219795227051e-01 6.3031142950057983e-01 - <_> - - 0 -1 429 3.3413388882763684e-04 - - 5.5402982234954834e-01 3.7021011114120483e-01 - <_> - - 0 -1 430 -2.6698080822825432e-02 - - 1.7109179496765137e-01 5.1014107465744019e-01 - <_> - - 0 -1 431 -3.0561879277229309e-02 - - 1.9042180478572845e-01 5.1687937974929810e-01 - <_> - - 0 -1 432 2.8511548880487680e-03 - - 4.4475069642066956e-01 6.3138538599014282e-01 - <_> - - 0 -1 433 -3.6211479455232620e-02 - - 2.4907270073890686e-01 5.3773492574691772e-01 - <_> - - 0 -1 434 -2.4115189444273710e-03 - - 5.3812432289123535e-01 3.6642369627952576e-01 - <_> - - 0 -1 435 -7.7253201743587852e-04 - - 5.5302321910858154e-01 3.5415500402450562e-01 - <_> - - 0 -1 436 2.9481729143299162e-04 - - 4.1326990723609924e-01 5.6672430038452148e-01 - <_> - - 0 -1 437 -6.2334560789167881e-03 - - 9.8787233233451843e-02 5.1986688375473022e-01 - <_> - - 0 -1 438 -2.6274729520082474e-02 - - 9.1127492487430573e-02 5.0281071662902832e-01 - <_> - - 0 -1 439 5.3212260827422142e-03 - - 4.7266489267349243e-01 6.2227207422256470e-01 - <_> - - 0 -1 440 -4.1129058226943016e-03 - - 2.1574570238590240e-01 5.1378047466278076e-01 - <_> - - 0 -1 441 3.2457809429615736e-03 - - 5.4107707738876343e-01 3.7217769026756287e-01 - <_> - - 0 -1 442 -1.6359709203243256e-02 - - 7.7878749370574951e-01 4.6852919459342957e-01 - <_> - - 0 -1 443 3.2166109303943813e-04 - - 5.4789870977401733e-01 4.2403739690780640e-01 - <_> - - 0 -1 444 6.4452440710738301e-04 - - 5.3305608034133911e-01 3.5013249516487122e-01 - <_> - - 0 -1 445 -7.8909732401371002e-03 - - 6.9235211610794067e-01 4.7265690565109253e-01 - <_> - - 0 -1 446 4.8336211591959000e-02 - - 5.0559002161026001e-01 7.5749203562736511e-02 - <_> - - 0 -1 447 -7.5178127735853195e-04 - - 3.7837418913841248e-01 5.5385738611221313e-01 - <_> - - 0 -1 448 -2.4953910615295172e-03 - - 3.0816510319709778e-01 5.3596121072769165e-01 - <_> - - 0 -1 449 -2.2385010961443186e-03 - - 6.6339588165283203e-01 4.6493428945541382e-01 - <_> - - 0 -1 450 -1.7988430336117744e-03 - - 6.5968447923660278e-01 4.3471878767013550e-01 - <_> - - 0 -1 451 8.7860915809869766e-03 - - 5.2318328619003296e-01 2.3155799508094788e-01 - <_> - - 0 -1 452 3.6715380847454071e-03 - - 5.2042502164840698e-01 2.9773768782615662e-01 - <_> - - 0 -1 453 -3.5336449742317200e-02 - - 7.2388780117034912e-01 4.8615050315856934e-01 - <_> - - 0 -1 454 -6.9189240457490087e-04 - - 3.1050220131874084e-01 5.2298247814178467e-01 - <_> - - 0 -1 455 -3.3946109469980001e-03 - - 3.1389680504798889e-01 5.2101737260818481e-01 - <_> - - 0 -1 456 9.8569283727556467e-04 - - 4.5365801453590393e-01 6.5850979089736938e-01 - <_> - - 0 -1 457 -5.0163101404905319e-02 - - 1.8044540286064148e-01 5.1989167928695679e-01 - <_> - - 0 -1 458 -2.2367259953171015e-03 - - 7.2557020187377930e-01 4.6513590216636658e-01 - <_> - - 0 -1 459 7.4326287722215056e-04 - - 4.4129210710525513e-01 5.8985459804534912e-01 - <_> - - 0 -1 460 -9.3485182151198387e-04 - - 3.5000529885292053e-01 5.3660178184509277e-01 - <_> - - 0 -1 461 1.7497939988970757e-02 - - 4.9121949076652527e-01 8.3152848482131958e-01 - <_> - - 0 -1 462 -1.5200000489130616e-03 - - 3.5702759027481079e-01 5.3705602884292603e-01 - <_> - - 0 -1 463 7.8003940870985389e-04 - - 4.3537721037864685e-01 5.9673351049423218e-01 - <_> - 103 - 5.0610481262207031e+01 - - <_> - - 0 -1 464 -9.9945552647113800e-03 - - 6.1625832319259644e-01 3.0545330047607422e-01 - <_> - - 0 -1 465 -1.1085229925811291e-03 - - 5.8182948827743530e-01 3.1555780768394470e-01 - <_> - - 0 -1 466 1.0364380432292819e-03 - - 2.5520521402359009e-01 5.6929117441177368e-01 - <_> - - 0 -1 467 6.8211311008781195e-04 - - 3.6850899457931519e-01 5.9349310398101807e-01 - <_> - - 0 -1 468 -6.8057340104132891e-04 - - 2.3323920369148254e-01 5.4747921228408813e-01 - <_> - - 0 -1 469 2.6068789884448051e-04 - - 3.2574570178985596e-01 5.6675457954406738e-01 - <_> - - 0 -1 470 5.1607372006401420e-04 - - 3.7447169423103333e-01 5.8454728126525879e-01 - <_> - - 0 -1 471 8.5007521556690335e-04 - - 3.4203711152076721e-01 5.5228072404861450e-01 - <_> - - 0 -1 472 -1.8607829697430134e-03 - - 2.8044199943542480e-01 5.3754240274429321e-01 - <_> - - 0 -1 473 -1.5033970121294260e-03 - - 2.5790509581565857e-01 5.4989522695541382e-01 - <_> - - 0 -1 474 2.3478909861296415e-03 - - 4.1751560568809509e-01 6.3137108087539673e-01 - <_> - - 0 -1 475 -2.8880240279249847e-04 - - 5.8651697635650635e-01 4.0526661276817322e-01 - <_> - - 0 -1 476 8.9405477046966553e-03 - - 5.2111411094665527e-01 2.3186540603637695e-01 - <_> - - 0 -1 477 -1.9327739253640175e-02 - - 2.7534329891204834e-01 5.2415257692337036e-01 - <_> - - 0 -1 478 -2.0202060113660991e-04 - - 5.7229787111282349e-01 3.6771959066390991e-01 - <_> - - 0 -1 479 2.1179069299250841e-03 - - 4.4661080837249756e-01 5.5424308776855469e-01 - <_> - - 0 -1 480 -1.7743760254234076e-03 - - 2.8132531046867371e-01 5.3009599447250366e-01 - <_> - - 0 -1 481 4.2234458960592747e-03 - - 4.3997099995613098e-01 5.7954281568527222e-01 - <_> - - 0 -1 482 -1.4375220052897930e-02 - - 2.9811179637908936e-01 5.2920591831207275e-01 - <_> - - 0 -1 483 -1.5349180437624454e-02 - - 7.7052152156829834e-01 4.7481718659400940e-01 - <_> - - 0 -1 484 1.5152279956964776e-05 - - 3.7188440561294556e-01 5.5768972635269165e-01 - <_> - - 0 -1 485 -9.1293919831514359e-03 - - 3.6151960492134094e-01 5.2867668867111206e-01 - <_> - - 0 -1 486 2.2512159775942564e-03 - - 5.3647047281265259e-01 3.4862980246543884e-01 - <_> - - 0 -1 487 -4.9696918576955795e-03 - - 6.9276517629623413e-01 4.6768361330032349e-01 - <_> - - 0 -1 488 -1.2829010374844074e-02 - - 7.7121537923812866e-01 4.6607351303100586e-01 - <_> - - 0 -1 489 -9.3660065904259682e-03 - - 3.3749839663505554e-01 5.3512877225875854e-01 - <_> - - 0 -1 490 3.2452319283038378e-03 - - 5.3251898288726807e-01 3.2896101474761963e-01 - <_> - - 0 -1 491 -1.1723560281097889e-02 - - 6.8376529216766357e-01 4.7543001174926758e-01 - <_> - - 0 -1 492 2.9257940695970319e-05 - - 3.5720878839492798e-01 5.3605020046234131e-01 - <_> - - 0 -1 493 -2.2244219508138485e-05 - - 5.5414271354675293e-01 3.5520640015602112e-01 - <_> - - 0 -1 494 5.0881509669125080e-03 - - 5.0708442926406860e-01 1.2564620375633240e-01 - <_> - - 0 -1 495 2.7429679408669472e-02 - - 5.2695602178573608e-01 1.6258180141448975e-01 - <_> - - 0 -1 496 -6.4142867922782898e-03 - - 7.1455889940261841e-01 4.5841971039772034e-01 - <_> - - 0 -1 497 3.3479959238320589e-03 - - 5.3986120223999023e-01 3.4946969151496887e-01 - <_> - - 0 -1 498 -8.2635492086410522e-02 - - 2.4391929805278778e-01 5.1602262258529663e-01 - <_> - - 0 -1 499 1.0261740535497665e-03 - - 3.8868919014930725e-01 5.7679080963134766e-01 - <_> - - 0 -1 500 -1.6307090409100056e-03 - - 3.3894580602645874e-01 5.3477007150650024e-01 - <_> - - 0 -1 501 2.4546680506318808e-03 - - 4.6014139056205750e-01 6.3872468471527100e-01 - <_> - - 0 -1 502 -9.9476519972085953e-04 - - 5.7698792219161987e-01 4.1203960776329041e-01 - <_> - - 0 -1 503 1.5409190207719803e-02 - - 4.8787090182304382e-01 7.0898222923278809e-01 - <_> - - 0 -1 504 1.1784400558099151e-03 - - 5.2635532617568970e-01 2.8952449560165405e-01 - <_> - - 0 -1 505 -2.7701919898390770e-02 - - 1.4988289773464203e-01 5.2196067571640015e-01 - <_> - - 0 -1 506 -2.9505399987101555e-02 - - 2.4893319234251976e-02 4.9998161196708679e-01 - <_> - - 0 -1 507 4.5159430010244250e-04 - - 5.4646229743957520e-01 4.0296629071235657e-01 - <_> - - 0 -1 508 7.1772639639675617e-03 - - 4.2710569500923157e-01 5.8662968873977661e-01 - <_> - - 0 -1 509 -7.4182048439979553e-02 - - 6.8741792440414429e-01 4.9190279841423035e-01 - <_> - - 0 -1 510 -1.7254160717129707e-02 - - 3.3706760406494141e-01 5.3487390279769897e-01 - <_> - - 0 -1 511 1.4851559884846210e-02 - - 4.6267929673194885e-01 6.1299049854278564e-01 - <_> - - 0 -1 512 1.0002000257372856e-02 - - 5.3461229801177979e-01 3.4234538674354553e-01 - <_> - - 0 -1 513 2.0138120744377375e-03 - - 4.6438300609588623e-01 5.8243042230606079e-01 - <_> - - 0 -1 514 1.5135470312088728e-03 - - 5.1963961124420166e-01 2.8561499714851379e-01 - <_> - - 0 -1 515 3.1381431035697460e-03 - - 4.8381629586219788e-01 5.9585297107696533e-01 - <_> - - 0 -1 516 -5.1450440660119057e-03 - - 8.9203029870986938e-01 4.7414121031761169e-01 - <_> - - 0 -1 517 -4.4736708514392376e-03 - - 2.0339429378509521e-01 5.3372788429260254e-01 - <_> - - 0 -1 518 1.9628470763564110e-03 - - 4.5716339349746704e-01 6.7258632183074951e-01 - <_> - - 0 -1 519 5.4260450415313244e-03 - - 5.2711081504821777e-01 2.8456708788871765e-01 - <_> - - 0 -1 520 4.9611460417509079e-04 - - 4.1383129358291626e-01 5.7185977697372437e-01 - <_> - - 0 -1 521 9.3728788197040558e-03 - - 5.2251511812210083e-01 2.8048470616340637e-01 - <_> - - 0 -1 522 6.0500897234305739e-04 - - 5.2367687225341797e-01 3.3145239949226379e-01 - <_> - - 0 -1 523 5.6792551185935736e-04 - - 4.5310598611831665e-01 6.2769711017608643e-01 - <_> - - 0 -1 524 2.4644339457154274e-02 - - 5.1308518648147583e-01 2.0171439647674561e-01 - <_> - - 0 -1 525 -1.0290450416505337e-02 - - 7.7865952253341675e-01 4.8766410350799561e-01 - <_> - - 0 -1 526 2.0629419013857841e-03 - - 4.2885988950729370e-01 5.8812642097473145e-01 - <_> - - 0 -1 527 -5.0519481301307678e-03 - - 3.5239779949188232e-01 5.2860087156295776e-01 - <_> - - 0 -1 528 -5.7692620903253555e-03 - - 6.8410861492156982e-01 4.5880940556526184e-01 - <_> - - 0 -1 529 -4.5789941214025021e-04 - - 3.5655200481414795e-01 5.4859781265258789e-01 - <_> - - 0 -1 530 -7.5918837683275342e-04 - - 3.3687931299209595e-01 5.2541971206665039e-01 - <_> - - 0 -1 531 -1.7737259622663260e-03 - - 3.4221610426902771e-01 5.4540151357650757e-01 - <_> - - 0 -1 532 -8.5610467940568924e-03 - - 6.5336120128631592e-01 4.4858568906784058e-01 - <_> - - 0 -1 533 1.7277270089834929e-03 - - 5.3075802326202393e-01 3.9253529906272888e-01 - <_> - - 0 -1 534 -2.8199609369039536e-02 - - 6.8574589490890503e-01 4.5885840058326721e-01 - <_> - - 0 -1 535 -1.7781109781935811e-03 - - 4.0378510951995850e-01 5.3698569536209106e-01 - <_> - - 0 -1 536 3.3177141449414194e-04 - - 5.3997987508773804e-01 3.7057501077651978e-01 - <_> - - 0 -1 537 2.6385399978607893e-03 - - 4.6654370427131653e-01 6.4527308940887451e-01 - <_> - - 0 -1 538 -2.1183069329708815e-03 - - 5.9147810935974121e-01 4.0646770596504211e-01 - <_> - - 0 -1 539 -1.4773289673030376e-02 - - 3.6420381069183350e-01 5.2947628498077393e-01 - <_> - - 0 -1 540 -1.6815440729260445e-02 - - 2.6642319560050964e-01 5.1449728012084961e-01 - <_> - - 0 -1 541 -6.3370140269398689e-03 - - 6.7795312404632568e-01 4.8520979285240173e-01 - <_> - - 0 -1 542 -4.4560048991115764e-05 - - 5.6139647960662842e-01 4.1530540585517883e-01 - <_> - - 0 -1 543 -1.0240620467811823e-03 - - 5.9644782543182373e-01 4.5663040876388550e-01 - <_> - - 0 -1 544 -2.3161689750850201e-03 - - 2.9761150479316711e-01 5.1881599426269531e-01 - <_> - - 0 -1 545 5.3217571973800659e-01 - - 5.1878392696380615e-01 2.2026319801807404e-01 - <_> - - 0 -1 546 -1.6643050312995911e-01 - - 1.8660229444503784e-01 5.0603431463241577e-01 - <_> - - 0 -1 547 1.1253529787063599e-01 - - 5.2121251821517944e-01 1.1850229650735855e-01 - <_> - - 0 -1 548 9.3046864494681358e-03 - - 4.5899370312690735e-01 6.8261492252349854e-01 - <_> - - 0 -1 549 -4.6255099587142467e-03 - - 3.0799409747123718e-01 5.2250087261199951e-01 - <_> - - 0 -1 550 -1.1116469651460648e-01 - - 2.1010440587997437e-01 5.0808018445968628e-01 - <_> - - 0 -1 551 -1.0888439603149891e-02 - - 5.7653552293777466e-01 4.7904640436172485e-01 - <_> - - 0 -1 552 5.8564301580190659e-03 - - 5.0651001930236816e-01 1.5635989606380463e-01 - <_> - - 0 -1 553 5.4854389280080795e-02 - - 4.9669149518013000e-01 7.2305107116699219e-01 - <_> - - 0 -1 554 -1.1197339743375778e-02 - - 2.1949790418148041e-01 5.0987982749938965e-01 - <_> - - 0 -1 555 4.4069071300327778e-03 - - 4.7784018516540527e-01 6.7709028720855713e-01 - <_> - - 0 -1 556 -6.3665293157100677e-02 - - 1.9363629817962646e-01 5.0810241699218750e-01 - <_> - - 0 -1 557 -9.8081491887569427e-03 - - 5.9990632534027100e-01 4.8103410005569458e-01 - <_> - - 0 -1 558 -2.1717099007219076e-03 - - 3.3383339643478394e-01 5.2354729175567627e-01 - <_> - - 0 -1 559 -1.3315520249307156e-02 - - 6.6170698404312134e-01 4.9192130565643311e-01 - <_> - - 0 -1 560 2.5442079640924931e-03 - - 4.4887441396713257e-01 6.0821849107742310e-01 - <_> - - 0 -1 561 1.2037839740514755e-02 - - 5.4093921184539795e-01 3.2924321293830872e-01 - <_> - - 0 -1 562 -2.0701050758361816e-02 - - 6.8191200494766235e-01 4.5949959754943848e-01 - <_> - - 0 -1 563 2.7608279138803482e-02 - - 4.6307921409606934e-01 5.7672828435897827e-01 - <_> - - 0 -1 564 1.2370620388537645e-03 - - 5.1653790473937988e-01 2.6350161433219910e-01 - <_> - - 0 -1 565 -3.7669338285923004e-02 - - 2.5363931059837341e-01 5.2789801359176636e-01 - <_> - - 0 -1 566 -1.8057259730994701e-03 - - 3.9851561188697815e-01 5.5175000429153442e-01 - <_> - 111 - 5.4620071411132812e+01 - - <_> - - 0 -1 567 4.4299028813838959e-03 - - 2.8910180926322937e-01 6.3352262973785400e-01 - <_> - - 0 -1 568 -2.3813319858163595e-03 - - 6.2117892503738403e-01 3.4774878621101379e-01 - <_> - - 0 -1 569 2.2915711160749197e-03 - - 2.2544120252132416e-01 5.5821180343627930e-01 - <_> - - 0 -1 570 9.9457940086722374e-04 - - 3.7117108702659607e-01 5.9300708770751953e-01 - <_> - - 0 -1 571 7.7164667891338468e-04 - - 5.6517201662063599e-01 3.3479958772659302e-01 - <_> - - 0 -1 572 -1.1386410333216190e-03 - - 3.0691260099411011e-01 5.5086308717727661e-01 - <_> - - 0 -1 573 -1.6403039626311511e-04 - - 5.7628279924392700e-01 3.6990478634834290e-01 - <_> - - 0 -1 574 2.9793529392918572e-05 - - 2.6442441344261169e-01 5.4379111528396606e-01 - <_> - - 0 -1 575 8.5774902254343033e-03 - - 5.0511389970779419e-01 1.7957249283790588e-01 - <_> - - 0 -1 576 -2.6032689493149519e-04 - - 5.8269691467285156e-01 4.4468268752098083e-01 - <_> - - 0 -1 577 -6.1404630541801453e-03 - - 3.1138521432876587e-01 5.3469717502593994e-01 - <_> - - 0 -1 578 -2.3086950182914734e-02 - - 3.2779461145401001e-01 5.3311979770660400e-01 - <_> - - 0 -1 579 -1.4243650250136852e-02 - - 7.3817098140716553e-01 4.5880630612373352e-01 - <_> - - 0 -1 580 1.9487129524350166e-02 - - 5.2566307783126831e-01 2.2744719684123993e-01 - <_> - - 0 -1 581 -9.6681108698248863e-04 - - 5.5112308263778687e-01 3.8150069117546082e-01 - <_> - - 0 -1 582 3.1474709976464510e-03 - - 5.4256367683410645e-01 2.5437268614768982e-01 - <_> - - 0 -1 583 -1.8026070029009134e-04 - - 5.3801918029785156e-01 3.4063041210174561e-01 - <_> - - 0 -1 584 -6.0266260989010334e-03 - - 3.0358019471168518e-01 5.4205721616744995e-01 - <_> - - 0 -1 585 4.4462960795499384e-04 - - 3.9909970760345459e-01 5.6601101160049438e-01 - <_> - - 0 -1 586 2.2609760053455830e-03 - - 5.5628067255020142e-01 3.9406880736351013e-01 - <_> - - 0 -1 587 5.1133058965206146e-02 - - 4.6096539497375488e-01 7.1185618638992310e-01 - <_> - - 0 -1 588 -1.7786309123039246e-02 - - 2.3161660134792328e-01 5.3221440315246582e-01 - <_> - - 0 -1 589 -4.9679628573358059e-03 - - 2.3307719826698303e-01 5.1220291852951050e-01 - <_> - - 0 -1 590 2.0667689386755228e-03 - - 4.6574440598487854e-01 6.4554882049560547e-01 - <_> - - 0 -1 591 7.4413768015801907e-03 - - 5.1543921232223511e-01 2.3616339266300201e-01 - <_> - - 0 -1 592 -3.6277279723435640e-03 - - 6.2197732925415039e-01 4.4766610860824585e-01 - <_> - - 0 -1 593 -5.3530759178102016e-03 - - 1.8373550474643707e-01 5.1022082567214966e-01 - <_> - - 0 -1 594 1.4530919492244720e-01 - - 5.1459872722625732e-01 1.5359309315681458e-01 - <_> - - 0 -1 595 2.4394490756094456e-03 - - 5.3436601161956787e-01 3.6246618628501892e-01 - <_> - - 0 -1 596 -3.1283390708267689e-03 - - 6.2150079011917114e-01 4.8455920815467834e-01 - <_> - - 0 -1 597 1.7940260004252195e-03 - - 4.2992618680000305e-01 5.8241981267929077e-01 - <_> - - 0 -1 598 3.6253821104764938e-02 - - 5.2603340148925781e-01 1.4394679665565491e-01 - <_> - - 0 -1 599 -5.1746722310781479e-03 - - 3.5065388679504395e-01 5.2870452404022217e-01 - <_> - - 0 -1 600 6.5383297624066472e-04 - - 4.8096409440040588e-01 6.1220401525497437e-01 - <_> - - 0 -1 601 -2.6480229571461678e-02 - - 1.1393620073795319e-01 5.0455862283706665e-01 - <_> - - 0 -1 602 -3.0440660193562508e-03 - - 6.3520950078964233e-01 4.7947341203689575e-01 - <_> - - 0 -1 603 3.6993520334362984e-03 - - 5.1311182975769043e-01 2.4985109269618988e-01 - <_> - - 0 -1 604 -3.6762931267730892e-04 - - 5.4213947057723999e-01 3.7095320224761963e-01 - <_> - - 0 -1 605 -4.1382260620594025e-02 - - 1.8949599564075470e-01 5.0816917419433594e-01 - <_> - - 0 -1 606 -1.0532729793339968e-03 - - 6.4543670415878296e-01 4.7836089134216309e-01 - <_> - - 0 -1 607 -2.1648600231856108e-03 - - 6.2150311470031738e-01 4.4998261332511902e-01 - <_> - - 0 -1 608 -5.6747748749330640e-04 - - 3.7126109004020691e-01 5.4193347692489624e-01 - <_> - - 0 -1 609 1.7375840246677399e-01 - - 5.0236439704895020e-01 1.2157420068979263e-01 - <_> - - 0 -1 610 -2.9049699660390615e-03 - - 3.2402679324150085e-01 5.3818839788436890e-01 - <_> - - 0 -1 611 1.2299539521336555e-03 - - 4.1655078530311584e-01 5.7034862041473389e-01 - <_> - - 0 -1 612 -5.4329237900674343e-04 - - 3.8540428876876831e-01 5.5475491285324097e-01 - <_> - - 0 -1 613 -8.3297258242964745e-03 - - 2.2044940292835236e-01 5.0970828533172607e-01 - <_> - - 0 -1 614 -1.0417630255687982e-04 - - 5.6070661544799805e-01 4.3030360341072083e-01 - <_> - - 0 -1 615 3.1204700469970703e-02 - - 4.6216571331024170e-01 6.9820040464401245e-01 - <_> - - 0 -1 616 7.8943502157926559e-03 - - 5.2695941925048828e-01 2.2690680623054504e-01 - <_> - - 0 -1 617 -4.3645310215651989e-03 - - 6.3592231273651123e-01 4.5379561185836792e-01 - <_> - - 0 -1 618 7.6793059706687927e-03 - - 5.2747678756713867e-01 2.7404838800430298e-01 - <_> - - 0 -1 619 -2.5431139394640923e-02 - - 2.0385199785232544e-01 5.0717329978942871e-01 - <_> - - 0 -1 620 8.2000601105391979e-04 - - 4.5874550938606262e-01 6.1198681592941284e-01 - <_> - - 0 -1 621 2.9284600168466568e-03 - - 5.0712740421295166e-01 2.0282049477100372e-01 - <_> - - 0 -1 622 4.5256470912136137e-05 - - 4.8121041059494019e-01 5.4308217763900757e-01 - <_> - - 0 -1 623 1.3158309739083052e-03 - - 4.6258139610290527e-01 6.7793232202529907e-01 - <_> - - 0 -1 624 1.5870389761403203e-03 - - 5.3862917423248291e-01 3.4314650297164917e-01 - <_> - - 0 -1 625 -2.1539660170674324e-02 - - 2.5942500680685043e-02 5.0032228231430054e-01 - <_> - - 0 -1 626 1.4334480278193951e-02 - - 5.2028447389602661e-01 1.5906329452991486e-01 - <_> - - 0 -1 627 -8.3881383761763573e-03 - - 7.2824811935424805e-01 4.6480441093444824e-01 - <_> - - 0 -1 628 9.1906841844320297e-03 - - 5.5623567104339600e-01 3.9231911301612854e-01 - <_> - - 0 -1 629 -5.8453059755265713e-03 - - 6.8033927679061890e-01 4.6291279792785645e-01 - <_> - - 0 -1 630 -5.4707799106836319e-02 - - 2.5616711378097534e-01 5.2061259746551514e-01 - <_> - - 0 -1 631 9.1142775490880013e-03 - - 5.1896202564239502e-01 3.0538770556449890e-01 - <_> - - 0 -1 632 -1.5575000084936619e-02 - - 1.2950749695301056e-01 5.1690948009490967e-01 - <_> - - 0 -1 633 -1.2050600344082341e-04 - - 5.7350981235504150e-01 4.2308250069618225e-01 - <_> - - 0 -1 634 1.2273970060050488e-03 - - 5.2898782491683960e-01 4.0797919034957886e-01 - <_> - - 0 -1 635 -1.2186600361019373e-03 - - 6.5756398439407349e-01 4.5744091272354126e-01 - <_> - - 0 -1 636 -3.3256649039685726e-03 - - 3.6280471086502075e-01 5.1950198411941528e-01 - <_> - - 0 -1 637 -1.3288309797644615e-02 - - 1.2842659652233124e-01 5.0434887409210205e-01 - <_> - - 0 -1 638 -3.3839771058410406e-03 - - 6.2922400236129761e-01 4.7575059533119202e-01 - <_> - - 0 -1 639 -2.1954220533370972e-01 - - 1.4877319335937500e-01 5.0650137662887573e-01 - <_> - - 0 -1 640 4.9111708067357540e-03 - - 4.2561021447181702e-01 5.6658387184143066e-01 - <_> - - 0 -1 641 -1.8744950648397207e-04 - - 4.0041440725326538e-01 5.5868571996688843e-01 - <_> - - 0 -1 642 -5.2178641781210899e-03 - - 6.0091161727905273e-01 4.8127061128616333e-01 - <_> - - 0 -1 643 -1.1111519997939467e-03 - - 3.5149338841438293e-01 5.2870899438858032e-01 - <_> - - 0 -1 644 4.4036400504410267e-03 - - 4.6422758698463440e-01 5.9240859746932983e-01 - <_> - - 0 -1 645 1.2299499660730362e-01 - - 5.0255292654037476e-01 6.9152481853961945e-02 - <_> - - 0 -1 646 -1.2313510291278362e-02 - - 5.8845919370651245e-01 4.9340128898620605e-01 - <_> - - 0 -1 647 4.1471039876341820e-03 - - 4.3722391128540039e-01 5.8934777975082397e-01 - <_> - - 0 -1 648 -3.5502649843692780e-03 - - 4.3275511264801025e-01 5.3962701559066772e-01 - <_> - - 0 -1 649 -1.9224269315600395e-02 - - 1.9131340086460114e-01 5.0683307647705078e-01 - <_> - - 0 -1 650 1.4395059552043676e-03 - - 5.3081780672073364e-01 4.2435330152511597e-01 - <_> - - 0 -1 651 -6.7751999013125896e-03 - - 6.3653957843780518e-01 4.5400860905647278e-01 - <_> - - 0 -1 652 7.0119630545377731e-03 - - 5.1898342370986938e-01 3.0261999368667603e-01 - <_> - - 0 -1 653 5.4014651104807854e-03 - - 5.1050621271133423e-01 2.5576829910278320e-01 - <_> - - 0 -1 654 9.0274988906458020e-04 - - 4.6969148516654968e-01 5.8618277311325073e-01 - <_> - - 0 -1 655 1.1474450118839741e-02 - - 5.0536459684371948e-01 1.5271779894828796e-01 - <_> - - 0 -1 656 -6.7023430019617081e-03 - - 6.5089809894561768e-01 4.8906040191650391e-01 - <_> - - 0 -1 657 -2.0462959073483944e-03 - - 6.2418168783187866e-01 4.5146000385284424e-01 - <_> - - 0 -1 658 -9.9951568990945816e-03 - - 3.4327811002731323e-01 5.4009538888931274e-01 - <_> - - 0 -1 659 -3.5700708627700806e-02 - - 1.8780590593814850e-01 5.0740778446197510e-01 - <_> - - 0 -1 660 4.5584561303257942e-04 - - 3.8052770495414734e-01 5.4025697708129883e-01 - <_> - - 0 -1 661 -5.4260600358247757e-02 - - 6.8437147140502930e-01 4.5950970053672791e-01 - <_> - - 0 -1 662 6.0600461438298225e-03 - - 5.5029052495956421e-01 4.5005279779434204e-01 - <_> - - 0 -1 663 -6.4791832119226456e-03 - - 3.3688580989837646e-01 5.3107571601867676e-01 - <_> - - 0 -1 664 -1.4939469983801246e-03 - - 6.4876401424407959e-01 4.7561758756637573e-01 - <_> - - 0 -1 665 1.4610530342906713e-05 - - 4.0345790982246399e-01 5.4510641098022461e-01 - <_> - - 0 -1 666 -7.2321938350796700e-03 - - 6.3868737220764160e-01 4.8247399926185608e-01 - <_> - - 0 -1 667 -4.0645818226039410e-03 - - 2.9864218831062317e-01 5.1573359966278076e-01 - <_> - - 0 -1 668 3.0463080853223801e-02 - - 5.0221997499465942e-01 7.1599560976028442e-01 - <_> - - 0 -1 669 -8.0544911324977875e-03 - - 6.4924520254135132e-01 4.6192750334739685e-01 - <_> - - 0 -1 670 3.9505138993263245e-02 - - 5.1505708694458008e-01 2.4506139755249023e-01 - <_> - - 0 -1 671 8.4530208259820938e-03 - - 4.5736691355705261e-01 6.3940370082855225e-01 - <_> - - 0 -1 672 -1.1688120430335402e-03 - - 3.8655120134353638e-01 5.4836612939834595e-01 - <_> - - 0 -1 673 2.8070670086890459e-03 - - 5.1285791397094727e-01 2.7014800906181335e-01 - <_> - - 0 -1 674 4.7365209320560098e-04 - - 4.0515819191932678e-01 5.3874611854553223e-01 - <_> - - 0 -1 675 1.1741080321371555e-02 - - 5.2959501743316650e-01 3.7194138765335083e-01 - <_> - - 0 -1 676 3.1833238899707794e-03 - - 4.7894069552421570e-01 6.8951261043548584e-01 - <_> - - 0 -1 677 7.0241501089185476e-04 - - 5.3844892978668213e-01 3.9180809259414673e-01 - <_> - 102 - 5.0169731140136719e+01 - - <_> - - 0 -1 678 1.7059929668903351e-02 - - 3.9485278725624084e-01 7.1425348520278931e-01 - <_> - - 0 -1 679 2.1840840578079224e-02 - - 3.3703160285949707e-01 6.0900169610977173e-01 - <_> - - 0 -1 680 2.4520049919374287e-04 - - 3.5005760192871094e-01 5.9879022836685181e-01 - <_> - - 0 -1 681 8.3272606134414673e-03 - - 3.2675281167030334e-01 5.6972408294677734e-01 - <_> - - 0 -1 682 5.7148298947140574e-04 - - 3.0445998907089233e-01 5.5316567420959473e-01 - <_> - - 0 -1 683 6.7373987985774875e-04 - - 3.6500120162963867e-01 5.6726312637329102e-01 - <_> - - 0 -1 684 3.4681590477703139e-05 - - 3.3135411143302917e-01 5.3887271881103516e-01 - <_> - - 0 -1 685 -5.8563398197293282e-03 - - 2.6979428529739380e-01 5.4987788200378418e-01 - <_> - - 0 -1 686 8.5102273151278496e-03 - - 5.2693581581115723e-01 2.7628791332244873e-01 - <_> - - 0 -1 687 -6.9817207753658295e-02 - - 2.9096031188964844e-01 5.2592468261718750e-01 - <_> - - 0 -1 688 -8.6113670840859413e-04 - - 5.8925771713256836e-01 4.0736979246139526e-01 - <_> - - 0 -1 689 9.7149249631911516e-04 - - 3.5235640406608582e-01 5.4158622026443481e-01 - <_> - - 0 -1 690 -1.4727490452060010e-05 - - 5.4230177402496338e-01 3.5031560063362122e-01 - <_> - - 0 -1 691 4.8420291393995285e-02 - - 5.1939457654953003e-01 3.4111958742141724e-01 - <_> - - 0 -1 692 1.3257140526548028e-03 - - 3.1577691435813904e-01 5.3353762626647949e-01 - <_> - - 0 -1 693 1.4922149603080470e-05 - - 4.4512999057769775e-01 5.5365538597106934e-01 - <_> - - 0 -1 694 -2.7173398993909359e-03 - - 3.0317419767379761e-01 5.2480888366699219e-01 - <_> - - 0 -1 695 2.9219500720500946e-03 - - 4.7814530134201050e-01 6.6060417890548706e-01 - <_> - - 0 -1 696 -1.9804988987743855e-03 - - 3.1863081455230713e-01 5.2876251935958862e-01 - <_> - - 0 -1 697 -4.0012109093368053e-03 - - 6.4135968685150146e-01 4.7499281167984009e-01 - <_> - - 0 -1 698 -4.3491991236805916e-03 - - 1.5074980258941650e-01 5.0989967584609985e-01 - <_> - - 0 -1 699 1.3490889687091112e-03 - - 4.3161588907241821e-01 5.8811670541763306e-01 - <_> - - 0 -1 700 1.8597070127725601e-02 - - 4.7355538606643677e-01 9.0897941589355469e-01 - <_> - - 0 -1 701 -1.8562379991635680e-03 - - 3.5531890392303467e-01 5.5778372287750244e-01 - <_> - - 0 -1 702 2.2940430790185928e-03 - - 4.5000949501991272e-01 6.5808779001235962e-01 - <_> - - 0 -1 703 2.9982850537635386e-04 - - 5.6292420625686646e-01 3.9758789539337158e-01 - <_> - - 0 -1 704 3.5455459728837013e-03 - - 5.3815472126007080e-01 3.6054858565330505e-01 - <_> - - 0 -1 705 9.6104722470045090e-03 - - 5.2559971809387207e-01 1.7967459559440613e-01 - <_> - - 0 -1 706 -6.2783220782876015e-03 - - 2.2728569805622101e-01 5.1140302419662476e-01 - <_> - - 0 -1 707 3.4598479978740215e-03 - - 4.6263080835342407e-01 6.6082191467285156e-01 - <_> - - 0 -1 708 -1.3112019514665008e-03 - - 6.3175398111343384e-01 4.4368579983711243e-01 - <_> - - 0 -1 709 2.6876179035753012e-03 - - 5.4211097955703735e-01 4.0540221333503723e-01 - <_> - - 0 -1 710 3.9118169806897640e-03 - - 5.3584778308868408e-01 3.2734549045562744e-01 - <_> - - 0 -1 711 -1.4206450432538986e-02 - - 7.7935767173767090e-01 4.9757811427116394e-01 - <_> - - 0 -1 712 7.1705528534948826e-04 - - 5.2973198890686035e-01 3.5609039664268494e-01 - <_> - - 0 -1 713 1.6635019565001130e-03 - - 4.6780940890312195e-01 5.8164817094802856e-01 - <_> - - 0 -1 714 3.3686188980937004e-03 - - 5.2767342329025269e-01 3.4464201331138611e-01 - <_> - - 0 -1 715 1.2799530290067196e-02 - - 4.8346799612045288e-01 7.4721592664718628e-01 - <_> - - 0 -1 716 3.3901201095432043e-03 - - 4.5118591189384460e-01 6.4017212390899658e-01 - <_> - - 0 -1 717 4.7070779837667942e-03 - - 5.3356587886810303e-01 3.5552209615707397e-01 - <_> - - 0 -1 718 1.4819339849054813e-03 - - 4.2507070302963257e-01 5.7727241516113281e-01 - <_> - - 0 -1 719 -6.9995759986341000e-03 - - 3.0033200979232788e-01 5.2929002046585083e-01 - <_> - - 0 -1 720 1.5939010307192802e-02 - - 5.0673192739486694e-01 1.6755819320678711e-01 - <_> - - 0 -1 721 7.6377349905669689e-03 - - 4.7950699925422668e-01 7.0856010913848877e-01 - <_> - - 0 -1 722 6.7334040068089962e-03 - - 5.1331132650375366e-01 2.1624700725078583e-01 - <_> - - 0 -1 723 -1.2858809903264046e-02 - - 1.9388419389724731e-01 5.2513718605041504e-01 - <_> - - 0 -1 724 -6.2270800117403269e-04 - - 5.6865382194519043e-01 4.1978681087493896e-01 - <_> - - 0 -1 725 -5.2651681471616030e-04 - - 4.2241689562797546e-01 5.4296958446502686e-01 - <_> - - 0 -1 726 1.1075099930167198e-02 - - 5.1137751340866089e-01 2.5145179033279419e-01 - <_> - - 0 -1 727 -3.6728251725435257e-02 - - 7.1946620941162109e-01 4.8496189713478088e-01 - <_> - - 0 -1 728 -2.8207109426148236e-04 - - 3.8402619957923889e-01 5.3944462537765503e-01 - <_> - - 0 -1 729 -2.7489690110087395e-03 - - 5.9370887279510498e-01 4.5691820979118347e-01 - <_> - - 0 -1 730 1.0047519579529762e-02 - - 5.1385760307312012e-01 2.8022980690002441e-01 - <_> - - 0 -1 731 -8.1497840583324432e-03 - - 6.0900372266769409e-01 4.6361210942268372e-01 - <_> - - 0 -1 732 -6.8833888508379459e-03 - - 3.4586110711097717e-01 5.2546602487564087e-01 - <_> - - 0 -1 733 -1.4039360394235700e-05 - - 5.6931042671203613e-01 4.0820831060409546e-01 - <_> - - 0 -1 734 1.5498419525101781e-03 - - 4.3505370616912842e-01 5.8065170049667358e-01 - <_> - - 0 -1 735 -6.7841499112546444e-03 - - 1.4688730239868164e-01 5.1827752590179443e-01 - <_> - - 0 -1 736 2.1705629478674382e-04 - - 5.2935242652893066e-01 3.4561741352081299e-01 - <_> - - 0 -1 737 3.1198898795992136e-04 - - 4.6524509787559509e-01 5.9424138069152832e-01 - <_> - - 0 -1 738 5.4507530294358730e-03 - - 4.6535089612007141e-01 7.0248460769653320e-01 - <_> - - 0 -1 739 -2.5818689027801156e-04 - - 5.4972952604293823e-01 3.7689670920372009e-01 - <_> - - 0 -1 740 -1.7442539334297180e-02 - - 3.9190879464149475e-01 5.4574978351593018e-01 - <_> - - 0 -1 741 -4.5343529433012009e-02 - - 1.6313570737838745e-01 5.1549088954925537e-01 - <_> - - 0 -1 742 1.9190689781680703e-03 - - 5.1458978652954102e-01 2.7918958663940430e-01 - <_> - - 0 -1 743 -6.0177869163453579e-03 - - 6.5176361799240112e-01 4.7563329339027405e-01 - <_> - - 0 -1 744 -4.0720738470554352e-03 - - 5.5146527290344238e-01 4.0926858782768250e-01 - <_> - - 0 -1 745 3.9855059003457427e-04 - - 3.1652408838272095e-01 5.2855509519577026e-01 - <_> - - 0 -1 746 -6.5418570302426815e-03 - - 6.8533778190612793e-01 4.6528089046478271e-01 - <_> - - 0 -1 747 3.4845089539885521e-03 - - 5.4845881462097168e-01 4.5027598738670349e-01 - <_> - - 0 -1 748 -1.3696780428290367e-02 - - 6.3957798480987549e-01 4.5725551247596741e-01 - <_> - - 0 -1 749 -1.7347140237689018e-02 - - 2.7510729432106018e-01 5.1816147565841675e-01 - <_> - - 0 -1 750 -4.0885428898036480e-03 - - 3.3256360888481140e-01 5.1949840784072876e-01 - <_> - - 0 -1 751 -9.4687901437282562e-03 - - 5.9422808885574341e-01 4.8518198728561401e-01 - <_> - - 0 -1 752 1.7084840219467878e-03 - - 4.1671109199523926e-01 5.5198061466217041e-01 - <_> - - 0 -1 753 9.4809094443917274e-03 - - 5.4338949918746948e-01 4.2085149884223938e-01 - <_> - - 0 -1 754 -4.7389650717377663e-03 - - 6.4071899652481079e-01 4.5606550574302673e-01 - <_> - - 0 -1 755 6.5761050209403038e-03 - - 5.2145552635192871e-01 2.2582270205020905e-01 - <_> - - 0 -1 756 -2.1690549328923225e-03 - - 3.1515279412269592e-01 5.1567047834396362e-01 - <_> - - 0 -1 757 1.4660170301795006e-02 - - 4.8708370327949524e-01 6.6899412870407104e-01 - <_> - - 0 -1 758 1.7231999663636088e-04 - - 3.5697489976882935e-01 5.2510780096054077e-01 - <_> - - 0 -1 759 -2.1803760901093483e-02 - - 8.8259208202362061e-01 4.9663299322128296e-01 - <_> - - 0 -1 760 -9.4736106693744659e-02 - - 1.4461620151996613e-01 5.0611138343811035e-01 - <_> - - 0 -1 761 5.5825551971793175e-03 - - 5.3964787721633911e-01 4.2380660772323608e-01 - <_> - - 0 -1 762 1.9517090404406190e-03 - - 4.1704109311103821e-01 5.4977869987487793e-01 - <_> - - 0 -1 763 1.2149900197982788e-02 - - 4.6983671188354492e-01 5.6642740964889526e-01 - <_> - - 0 -1 764 -7.5169620104134083e-03 - - 6.2677729129791260e-01 4.4631358981132507e-01 - <_> - - 0 -1 765 -7.1667909622192383e-02 - - 3.0970111489295959e-01 5.2210032939910889e-01 - <_> - - 0 -1 766 -8.8292419910430908e-02 - - 8.1123888492584229e-02 5.0063651800155640e-01 - <_> - - 0 -1 767 3.1063079833984375e-02 - - 5.1555037498474121e-01 1.2822559475898743e-01 - <_> - - 0 -1 768 4.6621840447187424e-02 - - 4.6997779607772827e-01 7.3639607429504395e-01 - <_> - - 0 -1 769 -1.2189489789307117e-02 - - 3.9205300807952881e-01 5.5189967155456543e-01 - <_> - - 0 -1 770 1.3016110286116600e-02 - - 5.2606582641601562e-01 3.6851361393928528e-01 - <_> - - 0 -1 771 -3.4952899441123009e-03 - - 6.3392949104309082e-01 4.7162809967994690e-01 - <_> - - 0 -1 772 -4.4015039748046547e-05 - - 5.3330272436141968e-01 3.7761849164962769e-01 - <_> - - 0 -1 773 -1.0966490209102631e-01 - - 1.7653420567512512e-01 5.1983469724655151e-01 - <_> - - 0 -1 774 -9.0279558207839727e-04 - - 5.3241598606109619e-01 3.8389080762863159e-01 - <_> - - 0 -1 775 7.1126641705632210e-04 - - 4.6479299664497375e-01 5.7552242279052734e-01 - <_> - - 0 -1 776 -3.1250279862433672e-03 - - 3.2367089390754700e-01 5.1667708158493042e-01 - <_> - - 0 -1 777 2.4144679773598909e-03 - - 4.7874391078948975e-01 6.4597177505493164e-01 - <_> - - 0 -1 778 4.4391240226104856e-04 - - 4.4093081355094910e-01 6.0102558135986328e-01 - <_> - - 0 -1 779 -2.2611189342569560e-04 - - 4.0381139516830444e-01 5.4932558536529541e-01 - <_> - 135 - 6.6669120788574219e+01 - - <_> - - 0 -1 780 -4.6901289373636246e-02 - - 6.6001719236373901e-01 3.7438011169433594e-01 - <_> - - 0 -1 781 -1.4568349579349160e-03 - - 5.7839912176132202e-01 3.4377971291542053e-01 - <_> - - 0 -1 782 5.5598369799554348e-03 - - 3.6222669482231140e-01 5.9082162380218506e-01 - <_> - - 0 -1 783 7.3170487303286791e-04 - - 5.5004191398620605e-01 2.8735581040382385e-01 - <_> - - 0 -1 784 1.3318009441718459e-03 - - 2.6731699705123901e-01 5.4310190677642822e-01 - <_> - - 0 -1 785 2.4347059661522508e-04 - - 3.8550278544425964e-01 5.7413887977600098e-01 - <_> - - 0 -1 786 -3.0512469820678234e-03 - - 5.5032098293304443e-01 3.4628450870513916e-01 - <_> - - 0 -1 787 -6.8657199153676629e-04 - - 3.2912218570709229e-01 5.4295092821121216e-01 - <_> - - 0 -1 788 1.4668200165033340e-03 - - 3.5883820056915283e-01 5.3518110513687134e-01 - <_> - - 0 -1 789 3.2021870720200241e-04 - - 4.2968419194221497e-01 5.7002341747283936e-01 - <_> - - 0 -1 790 7.4122188379988074e-04 - - 5.2821648120880127e-01 3.3668708801269531e-01 - <_> - - 0 -1 791 3.8330298848450184e-03 - - 4.5595678687095642e-01 6.2573361396789551e-01 - <_> - - 0 -1 792 -1.5456439927220345e-02 - - 2.3501169681549072e-01 5.1294529438018799e-01 - <_> - - 0 -1 793 2.6796779129654169e-03 - - 5.3294152021408081e-01 4.1550621390342712e-01 - <_> - - 0 -1 794 2.8296569362282753e-03 - - 4.2730879783630371e-01 5.8045381307601929e-01 - <_> - - 0 -1 795 -3.9444249123334885e-03 - - 2.9126119613647461e-01 5.2026861906051636e-01 - <_> - - 0 -1 796 2.7179559692740440e-03 - - 5.3076881170272827e-01 3.5856771469116211e-01 - <_> - - 0 -1 797 5.9077627956867218e-03 - - 4.7037750482559204e-01 5.9415858983993530e-01 - <_> - - 0 -1 798 -4.2240349575877190e-03 - - 2.1415670216083527e-01 5.0887960195541382e-01 - <_> - - 0 -1 799 4.0725888684391975e-03 - - 4.7664138674736023e-01 6.8410611152648926e-01 - <_> - - 0 -1 800 1.0149530135095119e-02 - - 5.3607988357543945e-01 3.7484970688819885e-01 - <_> - - 0 -1 801 -1.8864999583456665e-04 - - 5.7201302051544189e-01 3.8538050651550293e-01 - <_> - - 0 -1 802 -4.8864358104765415e-03 - - 3.6931228637695312e-01 5.3409588336944580e-01 - <_> - - 0 -1 803 2.6158479973673820e-02 - - 4.9623748660087585e-01 6.0599899291992188e-01 - <_> - - 0 -1 804 4.8560759751126170e-04 - - 4.4389459490776062e-01 6.0124689340591431e-01 - <_> - - 0 -1 805 1.1268709786236286e-02 - - 5.2442502975463867e-01 1.8403880298137665e-01 - <_> - - 0 -1 806 -2.8114619199186563e-03 - - 6.0602837800979614e-01 4.4098970293998718e-01 - <_> - - 0 -1 807 -5.6112729944288731e-03 - - 3.8911709189414978e-01 5.5892372131347656e-01 - <_> - - 0 -1 808 8.5680093616247177e-03 - - 5.0693458318710327e-01 2.0626190304756165e-01 - <_> - - 0 -1 809 -3.8172779022715986e-04 - - 5.8822017908096313e-01 4.1926109790802002e-01 - <_> - - 0 -1 810 -1.7680290329735726e-04 - - 5.5336058139801025e-01 4.0033689141273499e-01 - <_> - - 0 -1 811 6.5112537704408169e-03 - - 3.3101469278335571e-01 5.4441910982131958e-01 - <_> - - 0 -1 812 -6.5948683186434209e-05 - - 5.4338318109512329e-01 3.9449059963226318e-01 - <_> - - 0 -1 813 6.9939051754772663e-03 - - 5.6003582477569580e-01 4.1927140951156616e-01 - <_> - - 0 -1 814 -4.6744439750909805e-03 - - 6.6854667663574219e-01 4.6049609780311584e-01 - <_> - - 0 -1 815 1.1589850299060345e-02 - - 5.3571212291717529e-01 2.9268300533294678e-01 - <_> - - 0 -1 816 1.3007840141654015e-02 - - 4.6798178553581238e-01 7.3074632883071899e-01 - <_> - - 0 -1 817 -1.1008579749614000e-03 - - 3.9375010132789612e-01 5.4150652885437012e-01 - <_> - - 0 -1 818 6.0472649056464434e-04 - - 4.2423760890960693e-01 5.6040412187576294e-01 - <_> - - 0 -1 819 -1.4494840055704117e-02 - - 3.6312100291252136e-01 5.2931827306747437e-01 - <_> - - 0 -1 820 -5.3056948818266392e-03 - - 6.8604522943496704e-01 4.6218210458755493e-01 - <_> - - 0 -1 821 -8.1829127157106996e-04 - - 3.9440968632698059e-01 5.4204392433166504e-01 - <_> - - 0 -1 822 -1.9077520817518234e-02 - - 1.9626219570636749e-01 5.0378918647766113e-01 - <_> - - 0 -1 823 3.5549470339901745e-04 - - 4.0862590074539185e-01 5.6139731407165527e-01 - <_> - - 0 -1 824 1.9679730758070946e-03 - - 4.4891211390495300e-01 5.9261232614517212e-01 - <_> - - 0 -1 825 6.9189141504466534e-03 - - 5.3359258174896240e-01 3.7283858656883240e-01 - <_> - - 0 -1 826 2.9872779268771410e-03 - - 5.1113212108612061e-01 2.9756438732147217e-01 - <_> - - 0 -1 827 -6.2264618463814259e-03 - - 5.5414897203445435e-01 4.8245379328727722e-01 - <_> - - 0 -1 828 1.3353300280869007e-02 - - 4.5864239335060120e-01 6.4147979021072388e-01 - <_> - - 0 -1 829 3.3505238592624664e-02 - - 5.3924250602722168e-01 3.4299948811531067e-01 - <_> - - 0 -1 830 -2.5294460356235504e-03 - - 1.7037139832973480e-01 5.0133150815963745e-01 - <_> - - 0 -1 831 -1.2801629491150379e-03 - - 5.3054618835449219e-01 4.6974050998687744e-01 - <_> - - 0 -1 832 7.0687388069927692e-03 - - 4.6155458688735962e-01 6.4365047216415405e-01 - <_> - - 0 -1 833 9.6880499040707946e-04 - - 4.8335990309715271e-01 6.0438942909240723e-01 - <_> - - 0 -1 834 3.9647659286856651e-03 - - 5.1876372098922729e-01 3.2318168878555298e-01 - <_> - - 0 -1 835 -2.2057730704545975e-02 - - 4.0792569518089294e-01 5.2009809017181396e-01 - <_> - - 0 -1 836 -6.6906312713399529e-04 - - 5.3316092491149902e-01 3.8156008720397949e-01 - <_> - - 0 -1 837 -6.7009328631684184e-04 - - 5.6554222106933594e-01 4.6889019012451172e-01 - <_> - - 0 -1 838 7.4284552829340100e-04 - - 4.5343810319900513e-01 6.2874001264572144e-01 - <_> - - 0 -1 839 2.2227810695767403e-03 - - 5.3506332635879517e-01 3.3036559820175171e-01 - <_> - - 0 -1 840 -5.4130521602928638e-03 - - 1.1136870086193085e-01 5.0054347515106201e-01 - <_> - - 0 -1 841 -1.4520040167553816e-05 - - 5.6287378072738647e-01 4.3251338601112366e-01 - <_> - - 0 -1 842 2.3369169502984732e-04 - - 4.1658350825309753e-01 5.4477912187576294e-01 - <_> - - 0 -1 843 4.2894547805190086e-03 - - 4.8603910207748413e-01 6.7786490917205811e-01 - <_> - - 0 -1 844 5.9103150852024555e-03 - - 5.2623051404953003e-01 3.6121138930320740e-01 - <_> - - 0 -1 845 1.2900539673864841e-02 - - 5.3193771839141846e-01 3.2502880692481995e-01 - <_> - - 0 -1 846 4.6982979401946068e-03 - - 4.6182450652122498e-01 6.6659259796142578e-01 - <_> - - 0 -1 847 1.0439859703183174e-02 - - 5.5056709051132202e-01 3.8836041092872620e-01 - <_> - - 0 -1 848 3.0443191062659025e-03 - - 4.6978530287742615e-01 7.3018449544906616e-01 - <_> - - 0 -1 849 -6.1593751888722181e-04 - - 3.8308390974998474e-01 5.4649841785430908e-01 - <_> - - 0 -1 850 -3.4247159492224455e-03 - - 2.5663000345230103e-01 5.0895309448242188e-01 - <_> - - 0 -1 851 -9.3538565561175346e-03 - - 6.4699661731719971e-01 4.9407958984375000e-01 - <_> - - 0 -1 852 5.2338998764753342e-02 - - 4.7459828853607178e-01 7.8787708282470703e-01 - <_> - - 0 -1 853 3.5765620414167643e-03 - - 5.3066647052764893e-01 2.7484980225563049e-01 - <_> - - 0 -1 854 7.1555317845195532e-04 - - 5.4131257534027100e-01 4.0419089794158936e-01 - <_> - - 0 -1 855 -1.0516679845750332e-02 - - 6.1585122346878052e-01 4.8152831196784973e-01 - <_> - - 0 -1 856 7.7347927726805210e-03 - - 4.6958059072494507e-01 7.0289808511734009e-01 - <_> - - 0 -1 857 -4.3226778507232666e-03 - - 2.8495660424232483e-01 5.3046840429306030e-01 - <_> - - 0 -1 858 -2.5534399319440126e-03 - - 7.0569849014282227e-01 4.6888920664787292e-01 - <_> - - 0 -1 859 1.0268510231981054e-04 - - 3.9029321074485779e-01 5.5734640359878540e-01 - <_> - - 0 -1 860 7.1395188570022583e-06 - - 3.6842319369316101e-01 5.2639877796173096e-01 - <_> - - 0 -1 861 -1.6711989883333445e-03 - - 3.8491758704185486e-01 5.3872710466384888e-01 - <_> - - 0 -1 862 4.9260449595749378e-03 - - 4.7297719120979309e-01 7.4472510814666748e-01 - <_> - - 0 -1 863 4.3908702209591866e-03 - - 4.8091810941696167e-01 5.5919218063354492e-01 - <_> - - 0 -1 864 -1.7793629318475723e-02 - - 6.9036781787872314e-01 4.6769270300865173e-01 - <_> - - 0 -1 865 2.0469669252634048e-03 - - 5.3706902265548706e-01 3.3081620931625366e-01 - <_> - - 0 -1 866 2.9891489073634148e-02 - - 5.1398652791976929e-01 3.3090591430664062e-01 - <_> - - 0 -1 867 1.5494900289922953e-03 - - 4.6602371335029602e-01 6.0783427953720093e-01 - <_> - - 0 -1 868 1.4956969534978271e-03 - - 4.4048359990119934e-01 5.8639198541641235e-01 - <_> - - 0 -1 869 9.5885928021743894e-04 - - 5.4359710216522217e-01 4.2085230350494385e-01 - <_> - - 0 -1 870 4.9643701640889049e-04 - - 5.3705781698226929e-01 4.0006220340728760e-01 - <_> - - 0 -1 871 -2.7280810754746199e-03 - - 5.6594127416610718e-01 4.2596429586410522e-01 - <_> - - 0 -1 872 2.3026480339467525e-03 - - 5.1616579294204712e-01 3.3508691191673279e-01 - <_> - - 0 -1 873 2.5151631236076355e-01 - - 4.8696619272232056e-01 7.1473097801208496e-01 - <_> - - 0 -1 874 -4.6328022144734859e-03 - - 2.7274489402770996e-01 5.0837898254394531e-01 - <_> - - 0 -1 875 -4.0434490889310837e-02 - - 6.8514388799667358e-01 5.0217670202255249e-01 - <_> - - 0 -1 876 1.4972220014897175e-05 - - 4.2844650149345398e-01 5.5225551128387451e-01 - <_> - - 0 -1 877 -2.4050309730228037e-04 - - 4.2261189222335815e-01 5.3900748491287231e-01 - <_> - - 0 -1 878 2.3657839745283127e-02 - - 4.7446319460868835e-01 7.5043660402297974e-01 - <_> - - 0 -1 879 -8.1449104472994804e-03 - - 4.2450588941574097e-01 5.5383628606796265e-01 - <_> - - 0 -1 880 -3.6992130335420370e-03 - - 5.9523570537567139e-01 4.5297130942344666e-01 - <_> - - 0 -1 881 -6.7718601785600185e-03 - - 4.1377940773963928e-01 5.4733997583389282e-01 - <_> - - 0 -1 882 4.2669530957937241e-03 - - 4.4841149449348450e-01 5.7979941368103027e-01 - <_> - - 0 -1 883 1.7791989957913756e-03 - - 5.6248587369918823e-01 4.4324448704719543e-01 - <_> - - 0 -1 884 1.6774770338088274e-03 - - 4.6377518773078918e-01 6.3642418384552002e-01 - <_> - - 0 -1 885 1.1732629500329494e-03 - - 4.5445030927658081e-01 5.9144157171249390e-01 - <_> - - 0 -1 886 8.6998171173036098e-04 - - 5.3347527980804443e-01 3.8859179615974426e-01 - <_> - - 0 -1 887 7.6378340600058436e-04 - - 5.3985852003097534e-01 3.7449419498443604e-01 - <_> - - 0 -1 888 1.5684569370932877e-04 - - 4.3178731203079224e-01 5.6146162748336792e-01 - <_> - - 0 -1 889 -2.1511370316147804e-02 - - 1.7859250307083130e-01 5.1855427026748657e-01 - <_> - - 0 -1 890 1.3081369979772717e-04 - - 4.3424990773200989e-01 5.6828498840332031e-01 - <_> - - 0 -1 891 2.1992040798068047e-02 - - 5.1617169380187988e-01 2.3793940246105194e-01 - <_> - - 0 -1 892 -8.0136500764638186e-04 - - 5.9867632389068604e-01 4.4664269685745239e-01 - <_> - - 0 -1 893 -8.2736099138855934e-03 - - 4.1082179546356201e-01 5.2510571479797363e-01 - <_> - - 0 -1 894 3.6831789184361696e-03 - - 5.1738142967224121e-01 3.3975180983543396e-01 - <_> - - 0 -1 895 -7.9525681212544441e-03 - - 6.8889832496643066e-01 4.8459240794181824e-01 - <_> - - 0 -1 896 1.5382299898192286e-03 - - 5.1785671710968018e-01 3.4541139006614685e-01 - <_> - - 0 -1 897 -1.4043530449271202e-02 - - 1.6784210503101349e-01 5.1886677742004395e-01 - <_> - - 0 -1 898 1.4315890148282051e-03 - - 4.3682569265365601e-01 5.6557738780975342e-01 - <_> - - 0 -1 899 -3.4014228731393814e-02 - - 7.8022962808609009e-01 4.9592170119285583e-01 - <_> - - 0 -1 900 -1.2027299962937832e-02 - - 1.5851010382175446e-01 5.0322318077087402e-01 - <_> - - 0 -1 901 1.3316619396209717e-01 - - 5.1633048057556152e-01 2.7551281452178955e-01 - <_> - - 0 -1 902 -1.5221949433907866e-03 - - 3.7283179163932800e-01 5.2145522832870483e-01 - <_> - - 0 -1 903 -9.3929271679371595e-04 - - 5.8383792638778687e-01 4.5111650228500366e-01 - <_> - - 0 -1 904 2.7719739824533463e-02 - - 4.7282868623733521e-01 7.3315447568893433e-01 - <_> - - 0 -1 905 3.1030150130391121e-03 - - 5.3022021055221558e-01 4.1015630960464478e-01 - <_> - - 0 -1 906 7.7861219644546509e-02 - - 4.9983340501785278e-01 1.2729619443416595e-01 - <_> - - 0 -1 907 -1.5854939818382263e-02 - - 5.0833359360694885e-02 5.1656562089920044e-01 - <_> - - 0 -1 908 -4.9725300632417202e-03 - - 6.7981338500976562e-01 4.6842318773269653e-01 - <_> - - 0 -1 909 -9.7676506265997887e-04 - - 6.0107719898223877e-01 4.7889319062232971e-01 - <_> - - 0 -1 910 -2.4647710379213095e-03 - - 3.3933979272842407e-01 5.2205038070678711e-01 - <_> - - 0 -1 911 -6.7937700077891350e-03 - - 4.3651369214057922e-01 5.2396631240844727e-01 - <_> - - 0 -1 912 3.2608021050691605e-02 - - 5.0527238845825195e-01 2.4252149462699890e-01 - <_> - - 0 -1 913 -5.8514421107247472e-04 - - 5.7339739799499512e-01 4.7585740685462952e-01 - <_> - - 0 -1 914 -2.9632600024342537e-02 - - 3.8922891020774841e-01 5.2635979652404785e-01 - <_> - 137 - 6.7698921203613281e+01 - - <_> - - 0 -1 915 4.6550851315259933e-02 - - 3.2769501209259033e-01 6.2405228614807129e-01 - <_> - - 0 -1 916 7.9537127166986465e-03 - - 4.2564851045608521e-01 6.9429391622543335e-01 - <_> - - 0 -1 917 6.8221561377868056e-04 - - 3.7114870548248291e-01 5.9007328748703003e-01 - <_> - - 0 -1 918 -1.9348249770700932e-04 - - 2.0411339402198792e-01 5.3005450963973999e-01 - <_> - - 0 -1 919 -2.6710508973337710e-04 - - 5.4161262512207031e-01 3.1031790375709534e-01 - <_> - - 0 -1 920 2.7818060480058193e-03 - - 5.2778327465057373e-01 3.4670698642730713e-01 - <_> - - 0 -1 921 -4.6779078547842801e-04 - - 5.3082311153411865e-01 3.2944920659065247e-01 - <_> - - 0 -1 922 -3.0335160772665404e-05 - - 5.7738727331161499e-01 3.8520970940589905e-01 - <_> - - 0 -1 923 7.8038009814918041e-04 - - 4.3174389004707336e-01 6.1500579118728638e-01 - <_> - - 0 -1 924 -4.2553851380944252e-03 - - 2.9339039325714111e-01 5.3242927789688110e-01 - <_> - - 0 -1 925 -2.4735610350035131e-04 - - 5.4688447713851929e-01 3.8430300354957581e-01 - <_> - - 0 -1 926 -1.4724259381182492e-04 - - 4.2815428972244263e-01 5.7555872201919556e-01 - <_> - - 0 -1 927 1.1864770203828812e-03 - - 3.7473011016845703e-01 5.4714661836624146e-01 - <_> - - 0 -1 928 2.3936580400913954e-03 - - 4.5377838611602783e-01 6.1115288734436035e-01 - <_> - - 0 -1 929 -1.5390539774671197e-03 - - 2.9713419079780579e-01 5.1895380020141602e-01 - <_> - - 0 -1 930 -7.1968790143728256e-03 - - 6.6990667581558228e-01 4.7264769673347473e-01 - <_> - - 0 -1 931 -4.1499789222143590e-04 - - 3.3849540352821350e-01 5.2603179216384888e-01 - <_> - - 0 -1 932 4.4359830208122730e-03 - - 5.3991222381591797e-01 3.9201408624649048e-01 - <_> - - 0 -1 933 2.6606200262904167e-03 - - 4.4825780391693115e-01 6.1196178197860718e-01 - <_> - - 0 -1 934 -1.5287200221791863e-03 - - 3.7112379074096680e-01 5.3402662277221680e-01 - <_> - - 0 -1 935 -4.7397250309586525e-03 - - 6.0310882329940796e-01 4.4551450014114380e-01 - <_> - - 0 -1 936 -1.4829129911959171e-02 - - 2.8387540578842163e-01 5.3418618440628052e-01 - <_> - - 0 -1 937 9.2275557108223438e-04 - - 5.2095472812652588e-01 3.3616539835929871e-01 - <_> - - 0 -1 938 8.3529807627201080e-02 - - 5.1199698448181152e-01 8.1164449453353882e-02 - <_> - - 0 -1 939 -7.5633148662745953e-04 - - 3.3171200752258301e-01 5.1898312568664551e-01 - <_> - - 0 -1 940 9.8403859883546829e-03 - - 5.2475982904434204e-01 2.3349590599536896e-01 - <_> - - 0 -1 941 -1.5953830443322659e-03 - - 5.7500940561294556e-01 4.2956221103668213e-01 - <_> - - 0 -1 942 3.4766020689858124e-05 - - 4.3424451351165771e-01 5.5640292167663574e-01 - <_> - - 0 -1 943 2.9862910509109497e-02 - - 4.5791471004486084e-01 6.5791881084442139e-01 - <_> - - 0 -1 944 1.1325590312480927e-02 - - 5.2743119001388550e-01 3.6738881468772888e-01 - <_> - - 0 -1 945 -8.7828645482659340e-03 - - 7.1003687381744385e-01 4.6421670913696289e-01 - <_> - - 0 -1 946 4.3639959767460823e-03 - - 5.2792161703109741e-01 2.7058771252632141e-01 - <_> - - 0 -1 947 4.1804728098213673e-03 - - 5.0725251436233521e-01 2.4490830302238464e-01 - <_> - - 0 -1 948 -4.5668511302210391e-04 - - 4.2831051349639893e-01 5.5486911535263062e-01 - <_> - - 0 -1 949 -3.7140368949621916e-03 - - 5.5193877220153809e-01 4.1036531329154968e-01 - <_> - - 0 -1 950 -2.5304289534687996e-02 - - 6.8670022487640381e-01 4.8698890209197998e-01 - <_> - - 0 -1 951 -3.4454080741852522e-04 - - 3.7288740277290344e-01 5.2876931428909302e-01 - <_> - - 0 -1 952 -8.3935231668874621e-04 - - 6.0601520538330078e-01 4.6160620450973511e-01 - <_> - - 0 -1 953 1.7280049622058868e-02 - - 5.0496357679367065e-01 1.8198239803314209e-01 - <_> - - 0 -1 954 -6.3595077954232693e-03 - - 1.6312399506568909e-01 5.2327787876129150e-01 - <_> - - 0 -1 955 1.0298109846189618e-03 - - 4.4632780551910400e-01 6.1765491962432861e-01 - <_> - - 0 -1 956 1.0117109632119536e-03 - - 5.4733848571777344e-01 4.3006989359855652e-01 - <_> - - 0 -1 957 -1.0308800265192986e-02 - - 1.1669850349426270e-01 5.0008672475814819e-01 - <_> - - 0 -1 958 5.4682018235325813e-03 - - 4.7692871093750000e-01 6.7192137241363525e-01 - <_> - - 0 -1 959 -9.1696460731327534e-04 - - 3.4710898995399475e-01 5.1781648397445679e-01 - <_> - - 0 -1 960 2.3922820109874010e-03 - - 4.7852361202239990e-01 6.2163108587265015e-01 - <_> - - 0 -1 961 -7.5573818758130074e-03 - - 5.8147960901260376e-01 4.4100850820541382e-01 - <_> - - 0 -1 962 -7.7024032361805439e-04 - - 3.8780000805854797e-01 5.4657220840454102e-01 - <_> - - 0 -1 963 -8.7125990539789200e-03 - - 1.6600510478019714e-01 4.9958360195159912e-01 - <_> - - 0 -1 964 -1.0306320153176785e-02 - - 4.0933910012245178e-01 5.2742338180541992e-01 - <_> - - 0 -1 965 -2.0940979011356831e-03 - - 6.2061947584152222e-01 4.5722800493240356e-01 - <_> - - 0 -1 966 6.8099051713943481e-03 - - 5.5677592754364014e-01 4.1556000709533691e-01 - <_> - - 0 -1 967 -1.0746059706434608e-03 - - 5.6389278173446655e-01 4.3530249595642090e-01 - <_> - - 0 -1 968 2.1550289820879698e-03 - - 4.8262658715248108e-01 6.7497581243515015e-01 - <_> - - 0 -1 969 3.1742319464683533e-02 - - 5.0483798980712891e-01 1.8832489848136902e-01 - <_> - - 0 -1 970 -7.8382723033428192e-02 - - 2.3695489764213562e-01 5.2601581811904907e-01 - <_> - - 0 -1 971 5.7415119372308254e-03 - - 5.0488287210464478e-01 2.7764698863029480e-01 - <_> - - 0 -1 972 -2.9014600440859795e-03 - - 6.2386047840118408e-01 4.6933171153068542e-01 - <_> - - 0 -1 973 -2.6427931152284145e-03 - - 3.3141419291496277e-01 5.1697772741317749e-01 - <_> - - 0 -1 974 -1.0949660092592239e-01 - - 2.3800450563430786e-01 5.1834410429000854e-01 - <_> - - 0 -1 975 7.4075913289561868e-05 - - 4.0696358680725098e-01 5.3621500730514526e-01 - <_> - - 0 -1 976 -5.0593802006915212e-04 - - 5.5067062377929688e-01 4.3745940923690796e-01 - <_> - - 0 -1 977 -8.2131777890026569e-04 - - 5.5257099866867065e-01 4.2093759775161743e-01 - <_> - - 0 -1 978 -6.0276539443293586e-05 - - 5.4554748535156250e-01 4.7482660412788391e-01 - <_> - - 0 -1 979 6.8065142259001732e-03 - - 5.1579958200454712e-01 3.4245771169662476e-01 - <_> - - 0 -1 980 1.7202789895236492e-03 - - 5.0132077932357788e-01 6.3312637805938721e-01 - <_> - - 0 -1 981 -1.3016929733566940e-04 - - 5.5397182703018188e-01 4.2268699407577515e-01 - <_> - - 0 -1 982 -4.8016388900578022e-03 - - 4.4250950217247009e-01 5.4307800531387329e-01 - <_> - - 0 -1 983 -2.5399310979992151e-03 - - 7.1457821130752563e-01 4.6976050734519958e-01 - <_> - - 0 -1 984 -1.4278929447755218e-03 - - 4.0704450011253357e-01 5.3996050357818604e-01 - <_> - - 0 -1 985 -2.5142550468444824e-02 - - 7.8846907615661621e-01 4.7473520040512085e-01 - <_> - - 0 -1 986 -3.8899609353393316e-03 - - 4.2961919307708740e-01 5.5771100521087646e-01 - <_> - - 0 -1 987 4.3947459198534489e-03 - - 4.6931621432304382e-01 7.0239442586898804e-01 - <_> - - 0 -1 988 2.4678420275449753e-02 - - 5.2423220872879028e-01 3.8125100731849670e-01 - <_> - - 0 -1 989 3.8047678768634796e-02 - - 5.0117397308349609e-01 1.6878280043601990e-01 - <_> - - 0 -1 990 7.9424865543842316e-03 - - 4.8285821080207825e-01 6.3695681095123291e-01 - <_> - - 0 -1 991 -1.5110049862414598e-03 - - 5.9064859151840210e-01 4.4876679778099060e-01 - <_> - - 0 -1 992 6.4201741479337215e-03 - - 5.2410978078842163e-01 2.9905700683593750e-01 - <_> - - 0 -1 993 -2.9802159406244755e-03 - - 3.0414658784866333e-01 5.0784897804260254e-01 - <_> - - 0 -1 994 -7.4580078944563866e-04 - - 4.1281390190124512e-01 5.2568262815475464e-01 - <_> - - 0 -1 995 -1.0470950044691563e-02 - - 5.8083951473236084e-01 4.4942960143089294e-01 - <_> - - 0 -1 996 9.3369204550981522e-03 - - 5.2465528249740601e-01 2.6589488983154297e-01 - <_> - - 0 -1 997 2.7936900034546852e-02 - - 4.6749550104141235e-01 7.0872569084167480e-01 - <_> - - 0 -1 998 7.4277678504586220e-03 - - 5.4094868898391724e-01 3.7585180997848511e-01 - <_> - - 0 -1 999 -2.3584509268403053e-02 - - 3.7586399912834167e-01 5.2385509014129639e-01 - <_> - - 0 -1 1000 1.1452640173956752e-03 - - 4.3295788764953613e-01 5.8042472600936890e-01 - <_> - - 0 -1 1001 -4.3468660442158580e-04 - - 5.2806180715560913e-01 3.8730698823928833e-01 - <_> - - 0 -1 1002 1.0648540221154690e-02 - - 4.9021130800247192e-01 5.6812518835067749e-01 - <_> - - 0 -1 1003 -3.9418050437234342e-04 - - 5.5708801746368408e-01 4.3182510137557983e-01 - <_> - - 0 -1 1004 -1.3270479394122958e-04 - - 5.6584399938583374e-01 4.3435549736022949e-01 - <_> - - 0 -1 1005 -2.0125510636717081e-03 - - 6.0567390918731689e-01 4.5375239849090576e-01 - <_> - - 0 -1 1006 2.4854319635778666e-03 - - 5.3904771804809570e-01 4.1380101442337036e-01 - <_> - - 0 -1 1007 1.8237880431115627e-03 - - 4.3548288941383362e-01 5.7171887159347534e-01 - <_> - - 0 -1 1008 -1.6656659543514252e-02 - - 3.0109131336212158e-01 5.2161228656768799e-01 - <_> - - 0 -1 1009 8.0349558265879750e-04 - - 5.3001511096954346e-01 3.8183969259262085e-01 - <_> - - 0 -1 1010 3.4170378930866718e-03 - - 5.3280287981033325e-01 4.2414000630378723e-01 - <_> - - 0 -1 1011 -3.6222729249857366e-04 - - 5.4917281866073608e-01 4.1869771480560303e-01 - <_> - - 0 -1 1012 -1.1630020290613174e-01 - - 1.4407220482826233e-01 5.2264511585235596e-01 - <_> - - 0 -1 1013 -1.4695010147988796e-02 - - 7.7477252483367920e-01 4.7157171368598938e-01 - <_> - - 0 -1 1014 2.1972130052745342e-03 - - 5.3554338216781616e-01 3.3156448602676392e-01 - <_> - - 0 -1 1015 -4.6965209185145795e-04 - - 5.7672351598739624e-01 4.4581368565559387e-01 - <_> - - 0 -1 1016 6.5144998952746391e-03 - - 5.2156740427017212e-01 3.6478888988494873e-01 - <_> - - 0 -1 1017 2.1300060674548149e-02 - - 4.9942049384117126e-01 1.5679509937763214e-01 - <_> - - 0 -1 1018 3.1881409231573343e-03 - - 4.7422000765800476e-01 6.2872701883316040e-01 - <_> - - 0 -1 1019 9.0019777417182922e-04 - - 5.3479540348052979e-01 3.9437520503997803e-01 - <_> - - 0 -1 1020 -5.1772277802228928e-03 - - 6.7271918058395386e-01 5.0131380558013916e-01 - <_> - - 0 -1 1021 -4.3764649890363216e-03 - - 3.1066751480102539e-01 5.1287931203842163e-01 - <_> - - 0 -1 1022 2.6299960445612669e-03 - - 4.8863101005554199e-01 5.7552158832550049e-01 - <_> - - 0 -1 1023 -2.0458688959479332e-03 - - 6.0257941484451294e-01 4.5580768585205078e-01 - <_> - - 0 -1 1024 6.9482706487178802e-02 - - 5.2407479286193848e-01 2.1852590143680573e-01 - <_> - - 0 -1 1025 2.4048939347267151e-02 - - 5.0118672847747803e-01 2.0906220376491547e-01 - <_> - - 0 -1 1026 3.1095340382307768e-03 - - 4.8667120933532715e-01 7.1085482835769653e-01 - <_> - - 0 -1 1027 -1.2503260513767600e-03 - - 3.4078910946846008e-01 5.1561951637268066e-01 - <_> - - 0 -1 1028 -1.0281190043315291e-03 - - 5.5755722522735596e-01 4.4394320249557495e-01 - <_> - - 0 -1 1029 -8.8893622159957886e-03 - - 6.4020007848739624e-01 4.6204420924186707e-01 - <_> - - 0 -1 1030 -6.1094801640138030e-04 - - 3.7664419412612915e-01 5.4488998651504517e-01 - <_> - - 0 -1 1031 -5.7686357758939266e-03 - - 3.3186489343643188e-01 5.1336771249771118e-01 - <_> - - 0 -1 1032 1.8506490159779787e-03 - - 4.9035701155662537e-01 6.4069348573684692e-01 - <_> - - 0 -1 1033 -9.9799469113349915e-02 - - 1.5360510349273682e-01 5.0155621767044067e-01 - <_> - - 0 -1 1034 -3.5128349065780640e-01 - - 5.8823131024837494e-02 5.1743787527084351e-01 - <_> - - 0 -1 1035 -4.5244570821523666e-02 - - 6.9614887237548828e-01 4.6778729557991028e-01 - <_> - - 0 -1 1036 7.1481578052043915e-02 - - 5.1679861545562744e-01 1.0380929708480835e-01 - <_> - - 0 -1 1037 2.1895780228078365e-03 - - 4.2730781435966492e-01 5.5320608615875244e-01 - <_> - - 0 -1 1038 -5.9242651332169771e-04 - - 4.6389439702033997e-01 5.2763891220092773e-01 - <_> - - 0 -1 1039 1.6788389766588807e-03 - - 5.3016489744186401e-01 3.9320349693298340e-01 - <_> - - 0 -1 1040 -2.2163488902151585e-03 - - 5.6306940317153931e-01 4.7570338845252991e-01 - <_> - - 0 -1 1041 1.1568699846975505e-04 - - 4.3075358867645264e-01 5.5357027053833008e-01 - <_> - - 0 -1 1042 -7.2017288766801357e-03 - - 1.4448820054531097e-01 5.1930642127990723e-01 - <_> - - 0 -1 1043 8.9081272017210722e-04 - - 4.3844321370124817e-01 5.5936211347579956e-01 - <_> - - 0 -1 1044 1.9605009583756328e-04 - - 5.3404158353805542e-01 4.7059568762779236e-01 - <_> - - 0 -1 1045 5.2022142335772514e-04 - - 5.2138561010360718e-01 3.8100790977478027e-01 - <_> - - 0 -1 1046 9.4588572392240167e-04 - - 4.7694149613380432e-01 6.1307388544082642e-01 - <_> - - 0 -1 1047 9.1698471806012094e-05 - - 4.2450091242790222e-01 5.4293632507324219e-01 - <_> - - 0 -1 1048 2.1833200007677078e-03 - - 5.4577308893203735e-01 4.1910758614540100e-01 - <_> - - 0 -1 1049 -8.6039671441540122e-04 - - 5.7645887136459351e-01 4.4716599583625793e-01 - <_> - - 0 -1 1050 -1.3236239552497864e-02 - - 6.3728231191635132e-01 4.6950098872184753e-01 - <_> - - 0 -1 1051 4.3376701069064438e-04 - - 5.3178739547729492e-01 3.9458298683166504e-01 - <_> - 140 - 6.9229873657226562e+01 - - <_> - - 0 -1 1052 -2.4847149848937988e-02 - - 6.5555167198181152e-01 3.8733118772506714e-01 - <_> - - 0 -1 1053 6.1348611488938332e-03 - - 3.7480720877647400e-01 5.9739977121353149e-01 - <_> - - 0 -1 1054 6.4498498104512691e-03 - - 5.4254919290542603e-01 2.5488111376762390e-01 - <_> - - 0 -1 1055 6.3491211039945483e-04 - - 2.4624420702457428e-01 5.3872537612915039e-01 - <_> - - 0 -1 1056 1.4023890253156424e-03 - - 5.5943220853805542e-01 3.5286578536033630e-01 - <_> - - 0 -1 1057 3.0044000595808029e-04 - - 3.9585039019584656e-01 5.7659381628036499e-01 - <_> - - 0 -1 1058 1.0042409849120304e-04 - - 3.6989969015121460e-01 5.5349981784820557e-01 - <_> - - 0 -1 1059 -5.0841490738093853e-03 - - 3.7110909819602966e-01 5.5478000640869141e-01 - <_> - - 0 -1 1060 -1.9537260755896568e-02 - - 7.4927550554275513e-01 4.5792970061302185e-01 - <_> - - 0 -1 1061 -7.4532740654831287e-06 - - 5.6497871875762939e-01 3.9040699601173401e-01 - <_> - - 0 -1 1062 -3.6079459823668003e-03 - - 3.3810880780220032e-01 5.2678012847900391e-01 - <_> - - 0 -1 1063 2.0697501022368670e-03 - - 5.5192911624908447e-01 3.7143889069557190e-01 - <_> - - 0 -1 1064 -4.6463840408250690e-04 - - 5.6082147359848022e-01 4.1135668754577637e-01 - <_> - - 0 -1 1065 7.5490452582016587e-04 - - 3.5592061281204224e-01 5.3293561935424805e-01 - <_> - - 0 -1 1066 -9.8322238773107529e-04 - - 5.4147958755493164e-01 3.7632051110267639e-01 - <_> - - 0 -1 1067 -1.9940640777349472e-02 - - 6.3479030132293701e-01 4.7052991390228271e-01 - <_> - - 0 -1 1068 3.7680300883948803e-03 - - 3.9134898781776428e-01 5.5637162923812866e-01 - <_> - - 0 -1 1069 -9.4528505578637123e-03 - - 2.5548928976058960e-01 5.2151167392730713e-01 - <_> - - 0 -1 1070 2.9560849070549011e-03 - - 5.1746791601181030e-01 3.0639201402664185e-01 - <_> - - 0 -1 1071 9.1078737750649452e-03 - - 5.3884482383728027e-01 2.8859630227088928e-01 - <_> - - 0 -1 1072 1.8219229532405734e-03 - - 4.3360430002212524e-01 5.8521968126296997e-01 - <_> - - 0 -1 1073 1.4688739553093910e-02 - - 5.2873617410659790e-01 2.8700059652328491e-01 - <_> - - 0 -1 1074 -1.4387990348041058e-02 - - 7.0194488763809204e-01 4.6473708748817444e-01 - <_> - - 0 -1 1075 -1.8986649811267853e-02 - - 2.9865521192550659e-01 5.2470117807388306e-01 - <_> - - 0 -1 1076 1.1527639580890536e-03 - - 4.3234738707542419e-01 5.9316617250442505e-01 - <_> - - 0 -1 1077 1.0933670215308666e-02 - - 5.2868640422821045e-01 3.1303191184997559e-01 - <_> - - 0 -1 1078 -1.4932730235159397e-02 - - 2.6584190130233765e-01 5.0840771198272705e-01 - <_> - - 0 -1 1079 -2.9970539617352188e-04 - - 5.4635268449783325e-01 3.7407240271568298e-01 - <_> - - 0 -1 1080 4.1677621193230152e-03 - - 4.7034969925880432e-01 7.4357217550277710e-01 - <_> - - 0 -1 1081 -6.3905320130288601e-03 - - 2.0692589879035950e-01 5.2805382013320923e-01 - <_> - - 0 -1 1082 4.5029609464108944e-03 - - 5.1826488971710205e-01 3.4835430979728699e-01 - <_> - - 0 -1 1083 -9.2040365561842918e-03 - - 6.8037772178649902e-01 4.9323600530624390e-01 - <_> - - 0 -1 1084 8.1327259540557861e-02 - - 5.0583988428115845e-01 2.2530519962310791e-01 - <_> - - 0 -1 1085 -1.5079280734062195e-01 - - 2.9634249210357666e-01 5.2646797895431519e-01 - <_> - - 0 -1 1086 3.3179009333252907e-03 - - 4.6554958820343018e-01 7.0729321241378784e-01 - <_> - - 0 -1 1087 7.7402801252901554e-04 - - 4.7803479433059692e-01 5.6682378053665161e-01 - <_> - - 0 -1 1088 6.8199541419744492e-04 - - 4.2869961261749268e-01 5.7221567630767822e-01 - <_> - - 0 -1 1089 5.3671570494771004e-03 - - 5.2993071079254150e-01 3.1146219372749329e-01 - <_> - - 0 -1 1090 9.7018666565418243e-05 - - 3.6746388673782349e-01 5.2694618701934814e-01 - <_> - - 0 -1 1091 -1.2534089386463165e-01 - - 2.3514920473098755e-01 5.2457910776138306e-01 - <_> - - 0 -1 1092 -5.2516269497573376e-03 - - 7.1159368753433228e-01 4.6937671303749084e-01 - <_> - - 0 -1 1093 -7.8342109918594360e-03 - - 4.4626510143280029e-01 5.4090857505798340e-01 - <_> - - 0 -1 1094 -1.1310069821774960e-03 - - 5.9456187486648560e-01 4.4176620244979858e-01 - <_> - - 0 -1 1095 1.7601120052859187e-03 - - 5.3532499074935913e-01 3.9734530448913574e-01 - <_> - - 0 -1 1096 -8.1581249833106995e-04 - - 3.7602680921554565e-01 5.2647268772125244e-01 - <_> - - 0 -1 1097 -3.8687589112669230e-03 - - 6.3099128007888794e-01 4.7498199343681335e-01 - <_> - - 0 -1 1098 1.5207129763439298e-03 - - 5.2301818132400513e-01 3.3612239360809326e-01 - <_> - - 0 -1 1099 5.4586738348007202e-01 - - 5.1671397686004639e-01 1.1726350337266922e-01 - <_> - - 0 -1 1100 1.5650190412998199e-02 - - 4.9794390797615051e-01 1.3932949304580688e-01 - <_> - - 0 -1 1101 -1.1731860227882862e-02 - - 7.1296507120132446e-01 4.9211961030960083e-01 - <_> - - 0 -1 1102 -6.1765122227370739e-03 - - 2.2881029546260834e-01 5.0497019290924072e-01 - <_> - - 0 -1 1103 2.2457661107182503e-03 - - 4.6324339509010315e-01 6.0487258434295654e-01 - <_> - - 0 -1 1104 -5.1915869116783142e-03 - - 6.4674210548400879e-01 4.6021929383277893e-01 - <_> - - 0 -1 1105 -2.3827880620956421e-02 - - 1.4820009469985962e-01 5.2260792255401611e-01 - <_> - - 0 -1 1106 1.0284580057486892e-03 - - 5.1354891061782837e-01 3.3759570121765137e-01 - <_> - - 0 -1 1107 -1.0078850202262402e-02 - - 2.7405610680580139e-01 5.3035670518875122e-01 - <_> - - 0 -1 1108 2.6168930344283581e-03 - - 5.3326708078384399e-01 3.9724540710449219e-01 - <_> - - 0 -1 1109 5.4385367548093200e-04 - - 5.3656041622161865e-01 4.0634119510650635e-01 - <_> - - 0 -1 1110 5.3510512225329876e-03 - - 4.6537590026855469e-01 6.8890458345413208e-01 - <_> - - 0 -1 1111 -1.5274790348485112e-03 - - 5.4495012760162354e-01 3.6247238516807556e-01 - <_> - - 0 -1 1112 -8.0624416470527649e-02 - - 1.6560870409011841e-01 5.0002872943878174e-01 - <_> - - 0 -1 1113 2.2192029282450676e-02 - - 5.1327311992645264e-01 2.0028080046176910e-01 - <_> - - 0 -1 1114 7.3100631125271320e-03 - - 4.6179479360580444e-01 6.3665360212326050e-01 - <_> - - 0 -1 1115 -6.4063072204589844e-03 - - 5.9162509441375732e-01 4.8678609728813171e-01 - <_> - - 0 -1 1116 -7.6415040530264378e-04 - - 3.8884091377258301e-01 5.3157979249954224e-01 - <_> - - 0 -1 1117 7.6734489994123578e-04 - - 4.1590648889541626e-01 5.6052798032760620e-01 - <_> - - 0 -1 1118 6.1474501853808761e-04 - - 3.0890220403671265e-01 5.1201480627059937e-01 - <_> - - 0 -1 1119 -5.0105270929634571e-03 - - 3.9721998572349548e-01 5.2073061466217041e-01 - <_> - - 0 -1 1120 -8.6909132078289986e-03 - - 6.2574082612991333e-01 4.6085759997367859e-01 - <_> - - 0 -1 1121 -1.6391459852457047e-02 - - 2.0852099359035492e-01 5.2422660589218140e-01 - <_> - - 0 -1 1122 4.0973909199237823e-04 - - 5.2224272489547729e-01 3.7803208827972412e-01 - <_> - - 0 -1 1123 -2.5242289993911982e-03 - - 5.8039271831512451e-01 4.6118900179862976e-01 - <_> - - 0 -1 1124 5.0945312250405550e-04 - - 4.4012719392776489e-01 5.8460158109664917e-01 - <_> - - 0 -1 1125 1.9656419754028320e-03 - - 5.3223252296447754e-01 4.1845908761024475e-01 - <_> - - 0 -1 1126 5.6298897834494710e-04 - - 3.7418448925018311e-01 5.2345657348632812e-01 - <_> - - 0 -1 1127 -6.7946797935292125e-04 - - 4.6310418844223022e-01 5.3564780950546265e-01 - <_> - - 0 -1 1128 7.2856349870562553e-03 - - 5.0446701049804688e-01 2.3775640130043030e-01 - <_> - - 0 -1 1129 -1.7459489405155182e-02 - - 7.2891211509704590e-01 5.0504350662231445e-01 - <_> - - 0 -1 1130 -2.5421749800443649e-02 - - 6.6671347618103027e-01 4.6781000494956970e-01 - <_> - - 0 -1 1131 -1.5647639520466328e-03 - - 4.3917590379714966e-01 5.3236269950866699e-01 - <_> - - 0 -1 1132 1.1444360017776489e-02 - - 4.3464401364326477e-01 5.6800121068954468e-01 - <_> - - 0 -1 1133 -6.7352550104260445e-04 - - 4.4771409034729004e-01 5.2968120574951172e-01 - <_> - - 0 -1 1134 9.3194209039211273e-03 - - 4.7402000427246094e-01 7.4626070261001587e-01 - <_> - - 0 -1 1135 1.3328490604180843e-04 - - 5.3650617599487305e-01 4.7521349787712097e-01 - <_> - - 0 -1 1136 -7.8815799206495285e-03 - - 1.7522190511226654e-01 5.0152552127838135e-01 - <_> - - 0 -1 1137 -5.7985680177807808e-03 - - 7.2712367773056030e-01 4.8962008953094482e-01 - <_> - - 0 -1 1138 -3.8922499516047537e-04 - - 4.0039089322090149e-01 5.3449410200119019e-01 - <_> - - 0 -1 1139 -1.9288610201328993e-03 - - 5.6056129932403564e-01 4.8039558529853821e-01 - <_> - - 0 -1 1140 8.4214154630899429e-03 - - 4.7532469034194946e-01 7.6236087083816528e-01 - <_> - - 0 -1 1141 8.1655876711010933e-03 - - 5.3932619094848633e-01 4.1916438937187195e-01 - <_> - - 0 -1 1142 4.8280550981871784e-04 - - 4.2408001422882080e-01 5.3998219966888428e-01 - <_> - - 0 -1 1143 -2.7186630759388208e-03 - - 4.2445999383926392e-01 5.4249238967895508e-01 - <_> - - 0 -1 1144 -1.2507230043411255e-02 - - 5.8958417177200317e-01 4.5504111051559448e-01 - <_> - - 0 -1 1145 -2.4286519736051559e-02 - - 2.6471349596977234e-01 5.1891797780990601e-01 - <_> - - 0 -1 1146 -2.9676330741494894e-03 - - 7.3476827144622803e-01 4.7497498989105225e-01 - <_> - - 0 -1 1147 -1.2528999708592892e-02 - - 2.7560499310493469e-01 5.1775997877120972e-01 - <_> - - 0 -1 1148 -1.0104000102728605e-03 - - 3.5105609893798828e-01 5.1447242498397827e-01 - <_> - - 0 -1 1149 -2.1348530426621437e-03 - - 5.6379258632659912e-01 4.6673199534416199e-01 - <_> - - 0 -1 1150 1.9564259797334671e-02 - - 4.6145731210708618e-01 6.1376398801803589e-01 - <_> - - 0 -1 1151 -9.7146347165107727e-02 - - 2.9983788728713989e-01 5.1935559511184692e-01 - <_> - - 0 -1 1152 4.5014568604528904e-03 - - 5.0778847932815552e-01 3.0457559227943420e-01 - <_> - - 0 -1 1153 6.3706971704959869e-03 - - 4.8610189557075500e-01 6.8875008821487427e-01 - <_> - - 0 -1 1154 -9.0721528977155685e-03 - - 1.6733959317207336e-01 5.0175631046295166e-01 - <_> - - 0 -1 1155 -5.3537208586931229e-03 - - 2.6927569508552551e-01 5.2426332235336304e-01 - <_> - - 0 -1 1156 -1.0932840406894684e-02 - - 7.1838641166687012e-01 4.7360289096832275e-01 - <_> - - 0 -1 1157 8.2356072962284088e-03 - - 5.2239668369293213e-01 2.3898629844188690e-01 - <_> - - 0 -1 1158 -1.0038160253316164e-03 - - 5.7193559408187866e-01 4.4339430332183838e-01 - <_> - - 0 -1 1159 4.0859128348529339e-03 - - 5.4728418588638306e-01 4.1488361358642578e-01 - <_> - - 0 -1 1160 1.5485419332981110e-01 - - 4.9738121032714844e-01 6.1061598360538483e-02 - <_> - - 0 -1 1161 2.0897459762636572e-04 - - 4.7091740369796753e-01 5.4238891601562500e-01 - <_> - - 0 -1 1162 3.3316991175524890e-04 - - 4.0896269679069519e-01 5.3009921312332153e-01 - <_> - - 0 -1 1163 -1.0813400149345398e-02 - - 6.1043697595596313e-01 4.9573341012001038e-01 - <_> - - 0 -1 1164 4.5656010508537292e-02 - - 5.0696891546249390e-01 2.8666600584983826e-01 - <_> - - 0 -1 1165 1.2569549726322293e-03 - - 4.8469170928001404e-01 6.3181710243225098e-01 - <_> - - 0 -1 1166 -1.2015070021152496e-01 - - 6.0526140034198761e-02 4.9809598922729492e-01 - <_> - - 0 -1 1167 -1.0533799650147557e-04 - - 5.3631097078323364e-01 4.7080421447753906e-01 - <_> - - 0 -1 1168 -2.0703190565109253e-01 - - 5.9660330414772034e-02 4.9790981411933899e-01 - <_> - - 0 -1 1169 1.2909180077258497e-04 - - 4.7129771113395691e-01 5.3779977560043335e-01 - <_> - - 0 -1 1170 3.8818528992123902e-04 - - 4.3635380268096924e-01 5.5341911315917969e-01 - <_> - - 0 -1 1171 -2.9243610333651304e-03 - - 5.8111858367919922e-01 4.8252159357070923e-01 - <_> - - 0 -1 1172 8.3882332546636462e-04 - - 5.3117001056671143e-01 4.0381389856338501e-01 - <_> - - 0 -1 1173 -1.9061550265178084e-03 - - 3.7707018852233887e-01 5.2600151300430298e-01 - <_> - - 0 -1 1174 8.9514348655939102e-03 - - 4.7661679983139038e-01 7.6821839809417725e-01 - <_> - - 0 -1 1175 1.3083459809422493e-02 - - 5.2644628286361694e-01 3.0622220039367676e-01 - <_> - - 0 -1 1176 -2.1159330010414124e-01 - - 6.7371982336044312e-01 4.6958100795745850e-01 - <_> - - 0 -1 1177 3.1493250280618668e-03 - - 5.6448352336883545e-01 4.3869531154632568e-01 - <_> - - 0 -1 1178 3.9754100725986063e-04 - - 4.5260611176490784e-01 5.8956301212310791e-01 - <_> - - 0 -1 1179 -1.3814480043947697e-03 - - 6.0705822706222534e-01 4.9424138665199280e-01 - <_> - - 0 -1 1180 -5.8122188784182072e-04 - - 5.9982132911682129e-01 4.5082521438598633e-01 - <_> - - 0 -1 1181 -2.3905329871922731e-03 - - 4.2055889964103699e-01 5.2238482236862183e-01 - <_> - - 0 -1 1182 2.7268929407000542e-02 - - 5.2064472436904907e-01 3.5633018612861633e-01 - <_> - - 0 -1 1183 -3.7658358924090862e-03 - - 3.1447041034698486e-01 5.2188140153884888e-01 - <_> - - 0 -1 1184 -1.4903489500284195e-03 - - 3.3801960945129395e-01 5.1244372129440308e-01 - <_> - - 0 -1 1185 -1.7428230494260788e-02 - - 5.8299607038497925e-01 4.9197259545326233e-01 - <_> - - 0 -1 1186 -1.5278030186891556e-02 - - 6.1631447076797485e-01 4.6178871393203735e-01 - <_> - - 0 -1 1187 3.1995609402656555e-02 - - 5.1663571596145630e-01 1.7127640545368195e-01 - <_> - - 0 -1 1188 -3.8256710395216942e-03 - - 3.4080120921134949e-01 5.1313877105712891e-01 - <_> - - 0 -1 1189 -8.5186436772346497e-03 - - 6.1055189371109009e-01 4.9979418516159058e-01 - <_> - - 0 -1 1190 9.0641621500253677e-04 - - 4.3272709846496582e-01 5.5823111534118652e-01 - <_> - - 0 -1 1191 1.0344849899411201e-02 - - 4.8556530475616455e-01 5.4524201154708862e-01 - <_> - 160 - 7.9249076843261719e+01 - - <_> - - 0 -1 1192 7.8981826081871986e-03 - - 3.3325248956680298e-01 5.9464621543884277e-01 - <_> - - 0 -1 1193 1.6170160379260778e-03 - - 3.4906411170959473e-01 5.5778688192367554e-01 - <_> - - 0 -1 1194 -5.5449741194024682e-04 - - 5.5425661802291870e-01 3.2915300130844116e-01 - <_> - - 0 -1 1195 1.5428980113938451e-03 - - 3.6125791072845459e-01 5.5459791421890259e-01 - <_> - - 0 -1 1196 -1.0329450014978647e-03 - - 3.5301390290260315e-01 5.5761402845382690e-01 - <_> - - 0 -1 1197 7.7698158565908670e-04 - - 3.9167788624763489e-01 5.6453210115432739e-01 - <_> - - 0 -1 1198 1.4320300519466400e-01 - - 4.6674820780754089e-01 7.0236331224441528e-01 - <_> - - 0 -1 1199 -7.3866490274667740e-03 - - 3.0736848711967468e-01 5.2892577648162842e-01 - <_> - - 0 -1 1200 -6.2936742324382067e-04 - - 5.6221181154251099e-01 4.0370491147041321e-01 - <_> - - 0 -1 1201 7.8893528552725911e-04 - - 5.2676612138748169e-01 3.5578748583793640e-01 - <_> - - 0 -1 1202 -1.2228050269186497e-02 - - 6.6683208942413330e-01 4.6255499124526978e-01 - <_> - - 0 -1 1203 3.5420239437371492e-03 - - 5.5214381217956543e-01 3.8696730136871338e-01 - <_> - - 0 -1 1204 -1.0585320414975286e-03 - - 3.6286780238151550e-01 5.3209269046783447e-01 - <_> - - 0 -1 1205 1.4935660146875307e-05 - - 4.6324449777603149e-01 5.3633230924606323e-01 - <_> - - 0 -1 1206 5.2537708543241024e-03 - - 5.1322317123413086e-01 3.2657089829444885e-01 - <_> - - 0 -1 1207 -8.2338023930788040e-03 - - 6.6936898231506348e-01 4.7741401195526123e-01 - <_> - - 0 -1 1208 2.1866810129722580e-05 - - 4.0538620948791504e-01 5.4579311609268188e-01 - <_> - - 0 -1 1209 -3.8150229956954718e-03 - - 6.4549958705902100e-01 4.7931781411170959e-01 - <_> - - 0 -1 1210 1.1105879675596952e-03 - - 5.2704071998596191e-01 3.5296788811683655e-01 - <_> - - 0 -1 1211 -5.7707689702510834e-03 - - 3.8035470247268677e-01 5.3529578447341919e-01 - <_> - - 0 -1 1212 -3.0158339068293571e-03 - - 5.3394031524658203e-01 3.8871330022811890e-01 - <_> - - 0 -1 1213 -8.5453689098358154e-04 - - 3.5646161437034607e-01 5.2736037969589233e-01 - <_> - - 0 -1 1214 1.1050510220229626e-02 - - 4.6719071269035339e-01 6.8497377634048462e-01 - <_> - - 0 -1 1215 4.2605839669704437e-02 - - 5.1514732837677002e-01 7.0220090448856354e-02 - <_> - - 0 -1 1216 -3.0781750101596117e-03 - - 3.0416610836982727e-01 5.1526021957397461e-01 - <_> - - 0 -1 1217 -5.4815728217363358e-03 - - 6.4302957057952881e-01 4.8972299695014954e-01 - <_> - - 0 -1 1218 3.1881860923022032e-03 - - 5.3074932098388672e-01 3.8262099027633667e-01 - <_> - - 0 -1 1219 3.5947180003859103e-04 - - 4.6500471234321594e-01 5.4219049215316772e-01 - <_> - - 0 -1 1220 -4.0705031715333462e-03 - - 2.8496798872947693e-01 5.0791162252426147e-01 - <_> - - 0 -1 1221 -1.4594170264899731e-02 - - 2.9716458916664124e-01 5.1284617185592651e-01 - <_> - - 0 -1 1222 -1.1947689927183092e-04 - - 5.6310981512069702e-01 4.3430820107460022e-01 - <_> - - 0 -1 1223 -6.9344649091362953e-04 - - 4.4035780429840088e-01 5.3599590063095093e-01 - <_> - - 0 -1 1224 1.4834799912932795e-05 - - 3.4210088849067688e-01 5.1646977663040161e-01 - <_> - - 0 -1 1225 9.0296985581517220e-03 - - 4.6393430233001709e-01 6.1140751838684082e-01 - <_> - - 0 -1 1226 -8.0640818923711777e-03 - - 2.8201588988304138e-01 5.0754940509796143e-01 - <_> - - 0 -1 1227 2.6062119752168655e-02 - - 5.2089059352874756e-01 2.6887780427932739e-01 - <_> - - 0 -1 1228 1.7314659431576729e-02 - - 4.6637138724327087e-01 6.7385399341583252e-01 - <_> - - 0 -1 1229 2.2666640579700470e-02 - - 5.2093499898910522e-01 2.2127239406108856e-01 - <_> - - 0 -1 1230 -2.1965929772704840e-03 - - 6.0631012916564941e-01 4.5381900668144226e-01 - <_> - - 0 -1 1231 -9.5282476395368576e-03 - - 4.6352049708366394e-01 5.2474308013916016e-01 - <_> - - 0 -1 1232 8.0943619832396507e-03 - - 5.2894401550292969e-01 3.9138820767402649e-01 - <_> - - 0 -1 1233 -7.2877332568168640e-02 - - 7.7520018815994263e-01 4.9902349710464478e-01 - <_> - - 0 -1 1234 -6.9009521976113319e-03 - - 2.4280390143394470e-01 5.0480902194976807e-01 - <_> - - 0 -1 1235 -1.1308239772915840e-02 - - 5.7343649864196777e-01 4.8423761129379272e-01 - <_> - - 0 -1 1236 5.9613201767206192e-02 - - 5.0298362970352173e-01 2.5249770283699036e-01 - <_> - - 0 -1 1237 -2.8624620754271746e-03 - - 6.0730451345443726e-01 4.8984599113464355e-01 - <_> - - 0 -1 1238 4.4781449250876904e-03 - - 5.0152891874313354e-01 2.2203169763088226e-01 - <_> - - 0 -1 1239 -1.7513240454718471e-03 - - 6.6144287586212158e-01 4.9338689446449280e-01 - <_> - - 0 -1 1240 4.0163420140743256e-02 - - 5.1808780431747437e-01 3.7410449981689453e-01 - <_> - - 0 -1 1241 3.4768949262797832e-04 - - 4.7204169631004333e-01 5.8180320262908936e-01 - <_> - - 0 -1 1242 2.6551650371402502e-03 - - 3.8050109148025513e-01 5.2213358879089355e-01 - <_> - - 0 -1 1243 -8.7706279009580612e-03 - - 2.9441660642623901e-01 5.2312952280044556e-01 - <_> - - 0 -1 1244 -5.5122091434895992e-03 - - 7.3461771011352539e-01 4.7228169441223145e-01 - <_> - - 0 -1 1245 6.8672042107209563e-04 - - 5.4528760910034180e-01 4.2424130439758301e-01 - <_> - - 0 -1 1246 5.6019669864326715e-04 - - 4.3988621234893799e-01 5.6012850999832153e-01 - <_> - - 0 -1 1247 2.4143769405782223e-03 - - 4.7416868805885315e-01 6.1366218328475952e-01 - <_> - - 0 -1 1248 -1.5680900542065501e-03 - - 6.0445529222488403e-01 4.5164099335670471e-01 - <_> - - 0 -1 1249 -3.6827491130679846e-03 - - 2.4524590373039246e-01 5.2949821949005127e-01 - <_> - - 0 -1 1250 -2.9409190756268799e-04 - - 3.7328380346298218e-01 5.2514511346817017e-01 - <_> - - 0 -1 1251 4.2847759323194623e-04 - - 5.4988098144531250e-01 4.0655350685119629e-01 - <_> - - 0 -1 1252 -4.8817070201039314e-03 - - 2.1399089694023132e-01 4.9999570846557617e-01 - <_> - - 0 -1 1253 2.7272020815871656e-04 - - 4.6502870321273804e-01 5.8134287595748901e-01 - <_> - - 0 -1 1254 2.0947199664078653e-04 - - 4.3874868750572205e-01 5.5727928876876831e-01 - <_> - - 0 -1 1255 4.8501189798116684e-02 - - 5.2449727058410645e-01 3.2128891348838806e-01 - <_> - - 0 -1 1256 -4.5166411437094212e-03 - - 6.0568130016326904e-01 4.5458820462226868e-01 - <_> - - 0 -1 1257 -1.2291680090129375e-02 - - 2.0409290492534637e-01 5.1522141695022583e-01 - <_> - - 0 -1 1258 4.8549679922871292e-04 - - 5.2376049757003784e-01 3.7395030260086060e-01 - <_> - - 0 -1 1259 3.0556049197912216e-02 - - 4.9605339765548706e-01 5.9382462501525879e-01 - <_> - - 0 -1 1260 -1.5105320198927075e-04 - - 5.3513038158416748e-01 4.1452041268348694e-01 - <_> - - 0 -1 1261 2.4937440175563097e-03 - - 4.6933668851852417e-01 5.5149412155151367e-01 - <_> - - 0 -1 1262 -1.2382130138576031e-02 - - 6.7913967370986938e-01 4.6816679835319519e-01 - <_> - - 0 -1 1263 -5.1333461888134480e-03 - - 3.6087390780448914e-01 5.2291601896286011e-01 - <_> - - 0 -1 1264 5.1919277757406235e-04 - - 5.3000730276107788e-01 3.6336138844490051e-01 - <_> - - 0 -1 1265 1.5060420334339142e-01 - - 5.1573169231414795e-01 2.2117820382118225e-01 - <_> - - 0 -1 1266 7.7144149690866470e-03 - - 4.4104969501495361e-01 5.7766091823577881e-01 - <_> - - 0 -1 1267 9.4443522393703461e-03 - - 5.4018551111221313e-01 3.7566500902175903e-01 - <_> - - 0 -1 1268 2.5006249779835343e-04 - - 4.3682709336280823e-01 5.6073749065399170e-01 - <_> - - 0 -1 1269 -3.3077150583267212e-03 - - 4.2447990179061890e-01 5.5182307958602905e-01 - <_> - - 0 -1 1270 7.4048910755664110e-04 - - 4.4969621300697327e-01 5.9005767107009888e-01 - <_> - - 0 -1 1271 4.4092051684856415e-02 - - 5.2934932708740234e-01 3.1563550233840942e-01 - <_> - - 0 -1 1272 3.3639909233897924e-03 - - 4.4832968711853027e-01 5.8486622571945190e-01 - <_> - - 0 -1 1273 -3.9760079234838486e-03 - - 4.5595070719718933e-01 5.4836392402648926e-01 - <_> - - 0 -1 1274 2.7716930489987135e-03 - - 5.3417861461639404e-01 3.7924841046333313e-01 - <_> - - 0 -1 1275 -2.4123019829858094e-04 - - 5.6671887636184692e-01 4.5769730210304260e-01 - <_> - - 0 -1 1276 4.9425667384639382e-04 - - 4.4212448596954346e-01 5.6287872791290283e-01 - <_> - - 0 -1 1277 -3.8876468897797167e-04 - - 4.2883709073066711e-01 5.3910630941390991e-01 - <_> - - 0 -1 1278 -5.0048898905515671e-02 - - 6.8995130062103271e-01 4.7037428617477417e-01 - <_> - - 0 -1 1279 -3.6635480821132660e-02 - - 2.2177790105342865e-01 5.1918262243270874e-01 - <_> - - 0 -1 1280 2.4273579474538565e-03 - - 5.1362240314483643e-01 3.4973978996276855e-01 - <_> - - 0 -1 1281 1.9558030180633068e-03 - - 4.8261928558349609e-01 6.4083808660507202e-01 - <_> - - 0 -1 1282 -1.7494610510766506e-03 - - 3.9228358864784241e-01 5.2726852893829346e-01 - <_> - - 0 -1 1283 1.3955079950392246e-02 - - 5.0782018899917603e-01 8.4165048599243164e-01 - <_> - - 0 -1 1284 -2.1896739781368524e-04 - - 5.5204898118972778e-01 4.3142348527908325e-01 - <_> - - 0 -1 1285 -1.5131309628486633e-03 - - 3.9346051216125488e-01 5.3825712203979492e-01 - <_> - - 0 -1 1286 -4.3622800149023533e-03 - - 7.3706287145614624e-01 4.7364759445190430e-01 - <_> - - 0 -1 1287 6.5160587430000305e-02 - - 5.1592797040939331e-01 3.2815951108932495e-01 - <_> - - 0 -1 1288 -2.3567399475723505e-03 - - 3.6728268861770630e-01 5.1728862524032593e-01 - <_> - - 0 -1 1289 1.5146659687161446e-02 - - 5.0314939022064209e-01 6.6876041889190674e-01 - <_> - - 0 -1 1290 -2.2850960493087769e-02 - - 6.7675197124481201e-01 4.7095969319343567e-01 - <_> - - 0 -1 1291 4.8867650330066681e-03 - - 5.2579981088638306e-01 4.0598788857460022e-01 - <_> - - 0 -1 1292 1.7619599821045995e-03 - - 4.6962729096412659e-01 6.6882789134979248e-01 - <_> - - 0 -1 1293 -1.2942519970238209e-03 - - 4.3207129836082458e-01 5.3442817926406860e-01 - <_> - - 0 -1 1294 1.0929949581623077e-02 - - 4.9977061152458191e-01 1.6374860703945160e-01 - <_> - - 0 -1 1295 2.9958489903947338e-05 - - 4.2824178934097290e-01 5.6332242488861084e-01 - <_> - - 0 -1 1296 -6.5884361974895000e-03 - - 6.7721211910247803e-01 4.7005268931388855e-01 - <_> - - 0 -1 1297 3.2527779694646597e-03 - - 5.3133970499038696e-01 4.5361489057540894e-01 - <_> - - 0 -1 1298 -4.0435739792883396e-03 - - 5.6600618362426758e-01 4.4133889675140381e-01 - <_> - - 0 -1 1299 -1.2523540062829852e-03 - - 3.7319138646125793e-01 5.3564518690109253e-01 - <_> - - 0 -1 1300 1.9246719602961093e-04 - - 5.1899862289428711e-01 3.7388110160827637e-01 - <_> - - 0 -1 1301 -3.8589671254158020e-02 - - 2.9563739895820618e-01 5.1888108253479004e-01 - <_> - - 0 -1 1302 1.5489870565943420e-04 - - 4.3471351265907288e-01 5.5095332860946655e-01 - <_> - - 0 -1 1303 -3.3763848245143890e-02 - - 3.2303300499916077e-01 5.1954758167266846e-01 - <_> - - 0 -1 1304 -8.2657067105174065e-03 - - 5.9754890203475952e-01 4.5521140098571777e-01 - <_> - - 0 -1 1305 1.4481440302915871e-05 - - 4.7456780076026917e-01 5.4974269866943359e-01 - <_> - - 0 -1 1306 1.4951299817766994e-05 - - 4.3244731426239014e-01 5.4806441068649292e-01 - <_> - - 0 -1 1307 -1.8741799518465996e-02 - - 1.5800529718399048e-01 5.1785331964492798e-01 - <_> - - 0 -1 1308 1.7572239739820361e-03 - - 4.5176368951797485e-01 5.7737642526626587e-01 - <_> - - 0 -1 1309 -3.1391119118779898e-03 - - 4.1496479511260986e-01 5.4608422517776489e-01 - <_> - - 0 -1 1310 6.6656779381446540e-05 - - 4.0390908718109131e-01 5.2930849790573120e-01 - <_> - - 0 -1 1311 6.7743421532213688e-03 - - 4.7676518559455872e-01 6.1219561100006104e-01 - <_> - - 0 -1 1312 -7.3868161998689175e-03 - - 3.5862588882446289e-01 5.1872807741165161e-01 - <_> - - 0 -1 1313 1.4040930196642876e-02 - - 4.7121399641036987e-01 5.5761557817459106e-01 - <_> - - 0 -1 1314 -5.5258329957723618e-03 - - 2.6610270142555237e-01 5.0392812490463257e-01 - <_> - - 0 -1 1315 3.8684239983558655e-01 - - 5.1443397998809814e-01 2.5258991122245789e-01 - <_> - - 0 -1 1316 1.1459240340627730e-04 - - 4.2849949002265930e-01 5.4233711957931519e-01 - <_> - - 0 -1 1317 -1.8467569723725319e-02 - - 3.8858351111412048e-01 5.2130621671676636e-01 - <_> - - 0 -1 1318 -4.5907011372037232e-04 - - 5.4125630855560303e-01 4.2359098792076111e-01 - <_> - - 0 -1 1319 1.2527540093287826e-03 - - 4.8993051052093506e-01 6.6240912675857544e-01 - <_> - - 0 -1 1320 1.4910609461367130e-03 - - 5.2867782115936279e-01 4.0400519967079163e-01 - <_> - - 0 -1 1321 -7.5435562757775187e-04 - - 6.0329902172088623e-01 4.7951200604438782e-01 - <_> - - 0 -1 1322 -6.9478838704526424e-03 - - 4.0844011306762695e-01 5.3735041618347168e-01 - <_> - - 0 -1 1323 2.8092920547351241e-04 - - 4.8460629582405090e-01 5.7593822479248047e-01 - <_> - - 0 -1 1324 9.6073717577382922e-04 - - 5.1647412776947021e-01 3.5549798607826233e-01 - <_> - - 0 -1 1325 -2.6883929967880249e-04 - - 5.6775820255279541e-01 4.7317659854888916e-01 - <_> - - 0 -1 1326 2.1599370520561934e-03 - - 4.7314870357513428e-01 7.0705670118331909e-01 - <_> - - 0 -1 1327 5.6235301308333874e-03 - - 5.2402430772781372e-01 2.7817919850349426e-01 - <_> - - 0 -1 1328 -5.0243991427123547e-03 - - 2.8370139002799988e-01 5.0623041391372681e-01 - <_> - - 0 -1 1329 -9.7611639648675919e-03 - - 7.4007177352905273e-01 4.9345690011978149e-01 - <_> - - 0 -1 1330 4.1515100747346878e-03 - - 5.1191312074661255e-01 3.4070080518722534e-01 - <_> - - 0 -1 1331 6.2465080991387367e-03 - - 4.9237880110740662e-01 6.5790587663650513e-01 - <_> - - 0 -1 1332 -7.0597478188574314e-03 - - 2.4347110092639923e-01 5.0328421592712402e-01 - <_> - - 0 -1 1333 -2.0587709732353687e-03 - - 5.9003108739852905e-01 4.6950870752334595e-01 - <_> - - 0 -1 1334 -2.4146060459315777e-03 - - 3.6473178863525391e-01 5.1892018318176270e-01 - <_> - - 0 -1 1335 -1.4817609917372465e-03 - - 6.0349482297897339e-01 4.9401280283927917e-01 - <_> - - 0 -1 1336 -6.3016400672495365e-03 - - 5.8189898729324341e-01 4.5604279637336731e-01 - <_> - - 0 -1 1337 3.4763428848236799e-03 - - 5.2174758911132812e-01 3.4839931130409241e-01 - <_> - - 0 -1 1338 -2.2250870242714882e-02 - - 2.3607000708580017e-01 5.0320827960968018e-01 - <_> - - 0 -1 1339 -3.0612550675868988e-02 - - 6.4991867542266846e-01 4.9149191379547119e-01 - <_> - - 0 -1 1340 1.3057479634881020e-02 - - 4.4133231043815613e-01 5.6837642192840576e-01 - <_> - - 0 -1 1341 -6.0095742810517550e-04 - - 4.3597310781478882e-01 5.3334832191467285e-01 - <_> - - 0 -1 1342 -4.1514250915497541e-04 - - 5.5040627717971802e-01 4.3260601162910461e-01 - <_> - - 0 -1 1343 -1.3776290230453014e-02 - - 4.0641129016876221e-01 5.2015489339828491e-01 - <_> - - 0 -1 1344 -3.2296508550643921e-02 - - 4.7351971268653870e-02 4.9771949648857117e-01 - <_> - - 0 -1 1345 5.3556978702545166e-02 - - 4.8817330598831177e-01 6.6669392585754395e-01 - <_> - - 0 -1 1346 8.1889545544981956e-03 - - 5.4000371694564819e-01 4.2408201098442078e-01 - <_> - - 0 -1 1347 2.1055320394225419e-04 - - 4.8020479083061218e-01 5.5638527870178223e-01 - <_> - - 0 -1 1348 -2.4382730480283499e-03 - - 7.3877930641174316e-01 4.7736850380897522e-01 - <_> - - 0 -1 1349 3.2835570164024830e-03 - - 5.2885460853576660e-01 3.1712919473648071e-01 - <_> - - 0 -1 1350 2.3729570675641298e-03 - - 4.7508129477500916e-01 7.0601707696914673e-01 - <_> - - 0 -1 1351 -1.4541699783876538e-03 - - 3.8117301464080811e-01 5.3307390213012695e-01 - <_> - 177 - 8.7696029663085938e+01 - - <_> - - 0 -1 1352 5.5755238980054855e-02 - - 4.0191569924354553e-01 6.8060368299484253e-01 - <_> - - 0 -1 1353 2.4730248842388391e-03 - - 3.3511489629745483e-01 5.9657198190689087e-01 - <_> - - 0 -1 1354 -3.5031698644161224e-04 - - 5.5577081441879272e-01 3.4822869300842285e-01 - <_> - - 0 -1 1355 5.4167630150914192e-04 - - 4.2608588933944702e-01 5.6933808326721191e-01 - <_> - - 0 -1 1356 7.7193678589537740e-04 - - 3.4942400455474854e-01 5.4336887598037720e-01 - <_> - - 0 -1 1357 -1.5999219613149762e-03 - - 4.0284991264343262e-01 5.4843592643737793e-01 - <_> - - 0 -1 1358 -1.1832080053864047e-04 - - 3.8069018721580505e-01 5.4254651069641113e-01 - <_> - - 0 -1 1359 3.2909031142480671e-04 - - 2.6201000809669495e-01 5.4295217990875244e-01 - <_> - - 0 -1 1360 2.9518108931370080e-04 - - 3.7997689843177795e-01 5.3992640972137451e-01 - <_> - - 0 -1 1361 9.0466710389591753e-05 - - 4.4336450099945068e-01 5.4402261972427368e-01 - <_> - - 0 -1 1362 1.5007190086180344e-05 - - 3.7196549773216248e-01 5.4091197252273560e-01 - <_> - - 0 -1 1363 1.3935610651969910e-01 - - 5.5253958702087402e-01 4.4790428876876831e-01 - <_> - - 0 -1 1364 1.6461990308016539e-03 - - 4.2645010352134705e-01 5.7721698284149170e-01 - <_> - - 0 -1 1365 4.9984431825578213e-04 - - 4.3595260381698608e-01 5.6858712434768677e-01 - <_> - - 0 -1 1366 -1.0971280280500650e-03 - - 3.3901369571685791e-01 5.2054089307785034e-01 - <_> - - 0 -1 1367 6.6919892560690641e-04 - - 4.5574560761451721e-01 5.9806597232818604e-01 - <_> - - 0 -1 1368 8.6471042595803738e-04 - - 5.1348412036895752e-01 2.9440331459045410e-01 - <_> - - 0 -1 1369 -2.7182599296793342e-04 - - 3.9065781235694885e-01 5.3771811723709106e-01 - <_> - - 0 -1 1370 3.0249499104684219e-05 - - 3.6796098947525024e-01 5.2256888151168823e-01 - <_> - - 0 -1 1371 -8.5225896909832954e-03 - - 7.2931021451950073e-01 4.8923650383949280e-01 - <_> - - 0 -1 1372 1.6705560265108943e-03 - - 4.3453249335289001e-01 5.6961381435394287e-01 - <_> - - 0 -1 1373 -7.1433838456869125e-03 - - 2.5912800431251526e-01 5.2256238460540771e-01 - <_> - - 0 -1 1374 -1.6319369897246361e-02 - - 6.9222790002822876e-01 4.6515759825706482e-01 - <_> - - 0 -1 1375 4.8034260980784893e-03 - - 5.3522628545761108e-01 3.2863029837608337e-01 - <_> - - 0 -1 1376 -7.5421929359436035e-03 - - 2.0405440032482147e-01 5.0345462560653687e-01 - <_> - - 0 -1 1377 -1.4363110065460205e-02 - - 6.8048888444900513e-01 4.8890590667724609e-01 - <_> - - 0 -1 1378 8.9063588529825211e-04 - - 5.3106957674026489e-01 3.8954809308052063e-01 - <_> - - 0 -1 1379 -4.4060191139578819e-03 - - 5.7415628433227539e-01 4.3724268674850464e-01 - <_> - - 0 -1 1380 -1.8862540309783071e-04 - - 2.8317859768867493e-01 5.0982052087783813e-01 - <_> - - 0 -1 1381 -3.7979281041771173e-03 - - 3.3725079894065857e-01 5.2465802431106567e-01 - <_> - - 0 -1 1382 1.4627049677073956e-04 - - 5.3066742420196533e-01 3.9117100834846497e-01 - <_> - - 0 -1 1383 -4.9164638767251745e-05 - - 5.4624962806701660e-01 3.9427208900451660e-01 - <_> - - 0 -1 1384 -3.3582501113414764e-02 - - 2.1578240394592285e-01 5.0482118129730225e-01 - <_> - - 0 -1 1385 -3.5339309833943844e-03 - - 6.4653122425079346e-01 4.8726969957351685e-01 - <_> - - 0 -1 1386 5.0144111737608910e-03 - - 4.6176680922508240e-01 6.2480747699737549e-01 - <_> - - 0 -1 1387 1.8817370757460594e-02 - - 5.2206891775131226e-01 2.0000520348548889e-01 - <_> - - 0 -1 1388 -1.3434339780360460e-03 - - 4.0145379304885864e-01 5.3016197681427002e-01 - <_> - - 0 -1 1389 1.7557960236445069e-03 - - 4.7940391302108765e-01 5.6531697511672974e-01 - <_> - - 0 -1 1390 -9.5637463033199310e-02 - - 2.0341950654983521e-01 5.0067067146301270e-01 - <_> - - 0 -1 1391 -2.2241229191422462e-02 - - 7.6724731922149658e-01 5.0463402271270752e-01 - <_> - - 0 -1 1392 -1.5575819648802280e-02 - - 7.4903422594070435e-01 4.7558510303497314e-01 - <_> - - 0 -1 1393 5.3599118255078793e-03 - - 5.3653037548065186e-01 4.0046709775924683e-01 - <_> - - 0 -1 1394 -2.1763499826192856e-02 - - 7.4015498161315918e-02 4.9641749262809753e-01 - <_> - - 0 -1 1395 -1.6561590135097504e-01 - - 2.8591030836105347e-01 5.2180862426757812e-01 - <_> - - 0 -1 1396 1.6461320046801120e-04 - - 4.1916158795356750e-01 5.3807932138442993e-01 - <_> - - 0 -1 1397 -8.9077502489089966e-03 - - 6.2731927633285522e-01 4.8774048686027527e-01 - <_> - - 0 -1 1398 8.6346449097618461e-04 - - 5.1599407196044922e-01 3.6710259318351746e-01 - <_> - - 0 -1 1399 -1.3751760125160217e-03 - - 5.8843767642974854e-01 4.5790839195251465e-01 - <_> - - 0 -1 1400 -1.4081239933148026e-03 - - 3.5605099797248840e-01 5.1399451494216919e-01 - <_> - - 0 -1 1401 -3.9342888630926609e-03 - - 5.9942889213562012e-01 4.6642720699310303e-01 - <_> - - 0 -1 1402 -3.1966928392648697e-02 - - 3.3454620838165283e-01 5.1441830396652222e-01 - <_> - - 0 -1 1403 -1.5089280168467667e-05 - - 5.5826562643051147e-01 4.4140571355819702e-01 - <_> - - 0 -1 1404 5.1994470413774252e-04 - - 4.6236801147460938e-01 6.1689937114715576e-01 - <_> - - 0 -1 1405 -3.4220460802316666e-03 - - 6.5570747852325439e-01 4.9748051166534424e-01 - <_> - - 0 -1 1406 1.7723299970384687e-04 - - 5.2695018053054810e-01 3.9019080996513367e-01 - <_> - - 0 -1 1407 1.5716759953647852e-03 - - 4.6333730220794678e-01 5.7904577255249023e-01 - <_> - - 0 -1 1408 -8.9041329920291901e-03 - - 2.6896080374717712e-01 5.0535911321640015e-01 - <_> - - 0 -1 1409 4.0677518700249493e-04 - - 5.4566031694412231e-01 4.3298989534378052e-01 - <_> - - 0 -1 1410 6.7604780197143555e-03 - - 4.6489939093589783e-01 6.6897618770599365e-01 - <_> - - 0 -1 1411 2.9100088868290186e-03 - - 5.3097039461135864e-01 3.3778399229049683e-01 - <_> - - 0 -1 1412 1.3885459629818797e-03 - - 4.0747389197349548e-01 5.3491330146789551e-01 - <_> - - 0 -1 1413 -7.6764263212680817e-02 - - 1.9921760261058807e-01 5.2282422780990601e-01 - <_> - - 0 -1 1414 -2.2688310127705336e-04 - - 5.4385018348693848e-01 4.2530721426010132e-01 - <_> - - 0 -1 1415 -6.3094152137637138e-03 - - 4.2591789364814758e-01 5.3789097070693970e-01 - <_> - - 0 -1 1416 -1.1007279902696609e-01 - - 6.9041568040847778e-01 4.7217491269111633e-01 - <_> - - 0 -1 1417 2.8619659133255482e-04 - - 4.5249149203300476e-01 5.5483061075210571e-01 - <_> - - 0 -1 1418 2.9425329557852820e-05 - - 5.3703737258911133e-01 4.2364639043807983e-01 - <_> - - 0 -1 1419 -2.4886570870876312e-02 - - 6.4235579967498779e-01 4.9693039059638977e-01 - <_> - - 0 -1 1420 3.3148851245641708e-02 - - 4.9884751439094543e-01 1.6138119995594025e-01 - <_> - - 0 -1 1421 7.8491691965609789e-04 - - 5.4160261154174805e-01 4.2230090498924255e-01 - <_> - - 0 -1 1422 4.7087189741432667e-03 - - 4.5763289928436279e-01 6.0275578498840332e-01 - <_> - - 0 -1 1423 2.4144479539245367e-03 - - 5.3089731931686401e-01 4.4224989414215088e-01 - <_> - - 0 -1 1424 1.9523180089890957e-03 - - 4.7056341171264648e-01 6.6633248329162598e-01 - <_> - - 0 -1 1425 1.3031980488449335e-03 - - 4.4061261415481567e-01 5.5269622802734375e-01 - <_> - - 0 -1 1426 4.4735497795045376e-03 - - 5.1290237903594971e-01 3.3014988899230957e-01 - <_> - - 0 -1 1427 -2.6652868837118149e-03 - - 3.1354710459709167e-01 5.1750361919403076e-01 - <_> - - 0 -1 1428 1.3666770246345550e-04 - - 4.1193708777427673e-01 5.3068768978118896e-01 - <_> - - 0 -1 1429 -1.7126450315117836e-02 - - 6.1778062582015991e-01 4.8365789651870728e-01 - <_> - - 0 -1 1430 -2.6601430727168918e-04 - - 3.6543309688568115e-01 5.1697367429733276e-01 - <_> - - 0 -1 1431 -2.2932380437850952e-02 - - 3.4909150004386902e-01 5.1639920473098755e-01 - <_> - - 0 -1 1432 2.3316550068557262e-03 - - 5.1662999391555786e-01 3.7093898653984070e-01 - <_> - - 0 -1 1433 1.6925660893321037e-02 - - 5.0147360563278198e-01 8.0539882183074951e-01 - <_> - - 0 -1 1434 -8.9858826249837875e-03 - - 6.4707887172698975e-01 4.6570208668708801e-01 - <_> - - 0 -1 1435 -1.1874699965119362e-02 - - 3.2463788986206055e-01 5.2587550878524780e-01 - <_> - - 0 -1 1436 1.9350569345988333e-04 - - 5.1919418573379517e-01 3.8396438956260681e-01 - <_> - - 0 -1 1437 5.8713490143418312e-03 - - 4.9181339144706726e-01 6.1870431900024414e-01 - <_> - - 0 -1 1438 -2.4838790297508240e-01 - - 1.8368029594421387e-01 4.9881500005722046e-01 - <_> - - 0 -1 1439 1.2256000190973282e-02 - - 5.2270537614822388e-01 3.6320298910140991e-01 - <_> - - 0 -1 1440 8.3990179700776935e-04 - - 4.4902500510215759e-01 5.7741481065750122e-01 - <_> - - 0 -1 1441 2.5407369248569012e-03 - - 4.8047870397567749e-01 5.8582991361618042e-01 - <_> - - 0 -1 1442 -1.4822429977357388e-02 - - 2.5210499763488770e-01 5.0235372781753540e-01 - <_> - - 0 -1 1443 -5.7973959483206272e-03 - - 5.9966957569122314e-01 4.8537150025367737e-01 - <_> - - 0 -1 1444 7.2662148158997297e-04 - - 5.1537168025970459e-01 3.6717799305915833e-01 - <_> - - 0 -1 1445 -1.7232580110430717e-02 - - 6.6217190027236938e-01 4.9946561455726624e-01 - <_> - - 0 -1 1446 7.8624086454510689e-03 - - 4.6333950757980347e-01 6.2561017274856567e-01 - <_> - - 0 -1 1447 -4.7343620099127293e-03 - - 3.6155730485916138e-01 5.2818852663040161e-01 - <_> - - 0 -1 1448 8.3048478700220585e-04 - - 4.4428890943527222e-01 5.5509579181671143e-01 - <_> - - 0 -1 1449 7.6602199114859104e-03 - - 5.1629352569580078e-01 2.6133549213409424e-01 - <_> - - 0 -1 1450 -4.1048377752304077e-03 - - 2.7896320819854736e-01 5.0190317630767822e-01 - <_> - - 0 -1 1451 4.8512578941881657e-03 - - 4.9689841270446777e-01 5.6616681814193726e-01 - <_> - - 0 -1 1452 9.9896453320980072e-04 - - 4.4456079602241516e-01 5.5518132448196411e-01 - <_> - - 0 -1 1453 -2.7023631334304810e-01 - - 2.9388209804892540e-02 5.1513141393661499e-01 - <_> - - 0 -1 1454 -1.3090680353343487e-02 - - 5.6993997097015381e-01 4.4474598765373230e-01 - <_> - - 0 -1 1455 -9.4342790544033051e-03 - - 4.3054661154747009e-01 5.4878950119018555e-01 - <_> - - 0 -1 1456 -1.5482039889320731e-03 - - 3.6803171038627625e-01 5.1280808448791504e-01 - <_> - - 0 -1 1457 5.3746132180094719e-03 - - 4.8389169573783875e-01 6.1015558242797852e-01 - <_> - - 0 -1 1458 1.5786769799888134e-03 - - 5.3252232074737549e-01 4.1185480356216431e-01 - <_> - - 0 -1 1459 3.6856050137430429e-03 - - 4.8109480738639832e-01 6.2523031234741211e-01 - <_> - - 0 -1 1460 9.3887019902467728e-03 - - 5.2002298831939697e-01 3.6294108629226685e-01 - <_> - - 0 -1 1461 1.2792630121111870e-02 - - 4.9617099761962891e-01 6.7380160093307495e-01 - <_> - - 0 -1 1462 -3.3661040943115950e-03 - - 4.0602791309356689e-01 5.2835988998413086e-01 - <_> - - 0 -1 1463 3.9771420415490866e-04 - - 4.6741139888763428e-01 5.9007751941680908e-01 - <_> - - 0 -1 1464 1.4868030557408929e-03 - - 4.5191168785095215e-01 6.0820537805557251e-01 - <_> - - 0 -1 1465 -8.8686749339103699e-02 - - 2.8078991174697876e-01 5.1809918880462646e-01 - <_> - - 0 -1 1466 -7.4296112870797515e-05 - - 5.2955842018127441e-01 4.0876251459121704e-01 - <_> - - 0 -1 1467 -1.4932939848222304e-05 - - 5.4614001512527466e-01 4.5385429263114929e-01 - <_> - - 0 -1 1468 5.9162238612771034e-03 - - 5.3291612863540649e-01 4.1921341419219971e-01 - <_> - - 0 -1 1469 1.1141640134155750e-03 - - 4.5120179653167725e-01 5.7062172889709473e-01 - <_> - - 0 -1 1470 8.9249362645205110e-05 - - 4.5778059959411621e-01 5.8976382017135620e-01 - <_> - - 0 -1 1471 2.5319510605186224e-03 - - 5.2996039390563965e-01 3.3576390147209167e-01 - <_> - - 0 -1 1472 1.2426200322806835e-02 - - 4.9590590596199036e-01 1.3466019928455353e-01 - <_> - - 0 -1 1473 2.8335750102996826e-02 - - 5.1170790195465088e-01 6.1043637106195092e-04 - <_> - - 0 -1 1474 6.6165882162749767e-03 - - 4.7363498806953430e-01 7.0116281509399414e-01 - <_> - - 0 -1 1475 8.0468766391277313e-03 - - 5.2164179086685181e-01 3.2828199863433838e-01 - <_> - - 0 -1 1476 -1.1193980462849140e-03 - - 5.8098608255386353e-01 4.5637390017509460e-01 - <_> - - 0 -1 1477 1.3277590274810791e-02 - - 5.3983622789382935e-01 4.1039010882377625e-01 - <_> - - 0 -1 1478 4.8794739996083081e-04 - - 4.2492860555648804e-01 5.4105907678604126e-01 - <_> - - 0 -1 1479 1.1243170127272606e-02 - - 5.2699637413024902e-01 3.4382158517837524e-01 - <_> - - 0 -1 1480 -8.9896668214350939e-04 - - 5.6330758333206177e-01 4.4566130638122559e-01 - <_> - - 0 -1 1481 6.6677159629762173e-03 - - 5.3128892183303833e-01 4.3626791238784790e-01 - <_> - - 0 -1 1482 2.8947299346327782e-02 - - 4.7017949819564819e-01 6.5757977962493896e-01 - <_> - - 0 -1 1483 -2.3400049656629562e-02 - - 0. 5.1373988389968872e-01 - <_> - - 0 -1 1484 -8.9117050170898438e-02 - - 2.3745279759168625e-02 4.9424308538436890e-01 - <_> - - 0 -1 1485 -1.4054600149393082e-02 - - 3.1273230910301208e-01 5.1175111532211304e-01 - <_> - - 0 -1 1486 8.1239398568868637e-03 - - 5.0090491771697998e-01 2.5200259685516357e-01 - <_> - - 0 -1 1487 -4.9964650534093380e-03 - - 6.3871437311172485e-01 4.9278119206428528e-01 - <_> - - 0 -1 1488 3.1253970228135586e-03 - - 5.1368498802185059e-01 3.6804521083831787e-01 - <_> - - 0 -1 1489 6.7669642157852650e-03 - - 5.5098438262939453e-01 4.3636319041252136e-01 - <_> - - 0 -1 1490 -2.3711440153419971e-03 - - 6.1623352766036987e-01 4.5869469642639160e-01 - <_> - - 0 -1 1491 -5.3522791713476181e-03 - - 6.1854577064514160e-01 4.9204909801483154e-01 - <_> - - 0 -1 1492 -1.5968859195709229e-02 - - 1.3826179504394531e-01 4.9832528829574585e-01 - <_> - - 0 -1 1493 4.7676060348749161e-03 - - 4.6880578994750977e-01 5.4900461435317993e-01 - <_> - - 0 -1 1494 -2.4714691098779440e-03 - - 2.3685149848461151e-01 5.0039529800415039e-01 - <_> - - 0 -1 1495 -7.1033788844943047e-04 - - 5.8563941717147827e-01 4.7215330600738525e-01 - <_> - - 0 -1 1496 -1.4117559790611267e-01 - - 8.6900062859058380e-02 4.9615910649299622e-01 - <_> - - 0 -1 1497 1.0651809722185135e-01 - - 5.1388370990753174e-01 1.7410050332546234e-01 - <_> - - 0 -1 1498 -5.2744749933481216e-02 - - 7.3536360263824463e-01 4.7728818655014038e-01 - <_> - - 0 -1 1499 -4.7431760467588902e-03 - - 3.8844060897827148e-01 5.2927017211914062e-01 - <_> - - 0 -1 1500 9.9676765967160463e-04 - - 5.2234929800033569e-01 4.0034240484237671e-01 - <_> - - 0 -1 1501 8.0284131690859795e-03 - - 4.9591061472892761e-01 7.2129642963409424e-01 - <_> - - 0 -1 1502 8.6025858763605356e-04 - - 4.4448840618133545e-01 5.5384761095046997e-01 - <_> - - 0 -1 1503 9.3191501218825579e-04 - - 5.3983712196350098e-01 4.1632440686225891e-01 - <_> - - 0 -1 1504 -2.5082060601562262e-03 - - 5.8542650938034058e-01 4.5625001192092896e-01 - <_> - - 0 -1 1505 -2.1378761157393456e-03 - - 4.6080690622329712e-01 5.2802592515945435e-01 - <_> - - 0 -1 1506 -2.1546049974858761e-03 - - 3.7911269068717957e-01 5.2559971809387207e-01 - <_> - - 0 -1 1507 -7.6214009895920753e-03 - - 5.9986090660095215e-01 4.9520739912986755e-01 - <_> - - 0 -1 1508 2.2055360022932291e-03 - - 4.4842061400413513e-01 5.5885308980941772e-01 - <_> - - 0 -1 1509 1.2586950324475765e-03 - - 5.4507470130920410e-01 4.4238409399986267e-01 - <_> - - 0 -1 1510 -5.0926720723509789e-03 - - 4.1182750463485718e-01 5.2630358934402466e-01 - <_> - - 0 -1 1511 -2.5095739401876926e-03 - - 5.7879078388214111e-01 4.9984949827194214e-01 - <_> - - 0 -1 1512 -7.7327556908130646e-02 - - 8.3978658914566040e-01 4.8111200332641602e-01 - <_> - - 0 -1 1513 -4.1485819965600967e-02 - - 2.4086110293865204e-01 5.1769930124282837e-01 - <_> - - 0 -1 1514 1.0355669655837119e-04 - - 4.3553608655929565e-01 5.4170542955398560e-01 - <_> - - 0 -1 1515 1.3255809899419546e-03 - - 5.4539710283279419e-01 4.8940950632095337e-01 - <_> - - 0 -1 1516 -8.0598732456564903e-03 - - 5.7710242271423340e-01 4.5779189467430115e-01 - <_> - - 0 -1 1517 1.9058620557188988e-02 - - 5.1698678731918335e-01 3.4004750847816467e-01 - <_> - - 0 -1 1518 -3.5057891160249710e-02 - - 2.2032439708709717e-01 5.0005030632019043e-01 - <_> - - 0 -1 1519 5.7296059094369411e-03 - - 5.0434082746505737e-01 6.5975707769393921e-01 - <_> - - 0 -1 1520 -1.1648329906165600e-02 - - 2.1862849593162537e-01 4.9966529011726379e-01 - <_> - - 0 -1 1521 1.4544479781761765e-03 - - 5.0076818466186523e-01 5.5037277936935425e-01 - <_> - - 0 -1 1522 -2.5030909455381334e-04 - - 4.1298410296440125e-01 5.2416700124740601e-01 - <_> - - 0 -1 1523 -8.2907272735610604e-04 - - 5.4128682613372803e-01 4.9744960665702820e-01 - <_> - - 0 -1 1524 1.0862209601327777e-03 - - 4.6055299043655396e-01 5.8792287111282349e-01 - <_> - - 0 -1 1525 2.0000500080641359e-04 - - 5.2788549661636353e-01 4.7052091360092163e-01 - <_> - - 0 -1 1526 2.9212920926511288e-03 - - 5.1296097040176392e-01 3.7555369734764099e-01 - <_> - - 0 -1 1527 2.5387400761246681e-02 - - 4.8226919770240784e-01 5.7907682657241821e-01 - <_> - - 0 -1 1528 -3.1968469265848398e-03 - - 5.2483952045440674e-01 3.9628401398658752e-01 - <_> - 182 - 9.0253349304199219e+01 - - <_> - - 0 -1 1529 5.8031738735735416e-03 - - 3.4989839792251587e-01 5.9619832038879395e-01 - <_> - - 0 -1 1530 -9.0003069490194321e-03 - - 6.8166369199752808e-01 4.4785520434379578e-01 - <_> - - 0 -1 1531 -1.1549659539014101e-03 - - 5.5857062339782715e-01 3.5782510042190552e-01 - <_> - - 0 -1 1532 -1.1069850297644734e-03 - - 5.3650361299514771e-01 3.0504280328750610e-01 - <_> - - 0 -1 1533 1.0308309720130637e-04 - - 3.6390951275825500e-01 5.3446358442306519e-01 - <_> - - 0 -1 1534 -5.0984839908778667e-03 - - 2.8591570258140564e-01 5.5042648315429688e-01 - <_> - - 0 -1 1535 8.2572200335562229e-04 - - 5.2365237474441528e-01 3.4760418534278870e-01 - <_> - - 0 -1 1536 9.9783325567841530e-03 - - 4.7503221035003662e-01 6.2196469306945801e-01 - <_> - - 0 -1 1537 -3.7402529269456863e-02 - - 3.3433759212493896e-01 5.2780628204345703e-01 - <_> - - 0 -1 1538 4.8548257909715176e-03 - - 5.1921808719635010e-01 3.7004441022872925e-01 - <_> - - 0 -1 1539 -1.8664470408111811e-03 - - 2.9298439621925354e-01 5.0919449329376221e-01 - <_> - - 0 -1 1540 1.6888890415430069e-02 - - 3.6868458986282349e-01 5.4312258958816528e-01 - <_> - - 0 -1 1541 -5.8372621424496174e-03 - - 3.6321839690208435e-01 5.2213358879089355e-01 - <_> - - 0 -1 1542 -1.4713739510625601e-03 - - 5.8706837892532349e-01 4.7006508708000183e-01 - <_> - - 0 -1 1543 -1.1522950371727347e-03 - - 3.1958949565887451e-01 5.1409542560577393e-01 - <_> - - 0 -1 1544 -4.2560300789773464e-03 - - 6.3018590211868286e-01 4.8149210214614868e-01 - <_> - - 0 -1 1545 -6.7378291860222816e-03 - - 1.9770480692386627e-01 5.0258082151412964e-01 - <_> - - 0 -1 1546 1.1382670141756535e-02 - - 4.9541321396827698e-01 6.8670457601547241e-01 - <_> - - 0 -1 1547 5.1794708706438541e-03 - - 5.1644277572631836e-01 3.3506479859352112e-01 - <_> - - 0 -1 1548 -1.1743789911270142e-01 - - 2.3152460157871246e-01 5.2344137430191040e-01 - <_> - - 0 -1 1549 2.8703449293971062e-02 - - 4.6642971038818359e-01 6.7225211858749390e-01 - <_> - - 0 -1 1550 4.8231030814349651e-03 - - 5.2208751440048218e-01 2.7235329151153564e-01 - <_> - - 0 -1 1551 2.6798530016094446e-03 - - 5.0792771577835083e-01 2.9069489240646362e-01 - <_> - - 0 -1 1552 8.0504082143306732e-03 - - 4.8859509825706482e-01 6.3950210809707642e-01 - <_> - - 0 -1 1553 4.8054959625005722e-03 - - 5.1972568035125732e-01 3.6566638946533203e-01 - <_> - - 0 -1 1554 -2.2420159075409174e-03 - - 6.1534678936004639e-01 4.7637018561363220e-01 - <_> - - 0 -1 1555 -1.3757710345089436e-02 - - 2.6373448967933655e-01 5.0309032201766968e-01 - <_> - - 0 -1 1556 -1.0338299721479416e-01 - - 2.2875219583511353e-01 5.1824611425399780e-01 - <_> - - 0 -1 1557 -9.4432085752487183e-03 - - 6.9533038139343262e-01 4.6949490904808044e-01 - <_> - - 0 -1 1558 8.0271181650459766e-04 - - 5.4506552219390869e-01 4.2687839269638062e-01 - <_> - - 0 -1 1559 -4.1945669800043106e-03 - - 6.0913878679275513e-01 4.5716428756713867e-01 - <_> - - 0 -1 1560 1.0942210443317890e-02 - - 5.2410632371902466e-01 3.2845470309257507e-01 - <_> - - 0 -1 1561 -5.7841069065034389e-04 - - 5.3879290819168091e-01 4.1793689131736755e-01 - <_> - - 0 -1 1562 -2.0888620056211948e-03 - - 4.2926910519599915e-01 5.3017157316207886e-01 - <_> - - 0 -1 1563 3.2383969519287348e-03 - - 3.7923479080200195e-01 5.2207440137863159e-01 - <_> - - 0 -1 1564 4.9075027927756310e-03 - - 5.2372831106185913e-01 4.1267579793930054e-01 - <_> - - 0 -1 1565 -3.2277941703796387e-02 - - 1.9476559758186340e-01 4.9945020675659180e-01 - <_> - - 0 -1 1566 -8.9711230248212814e-03 - - 6.0112851858139038e-01 4.9290320277214050e-01 - <_> - - 0 -1 1567 1.5321089886128902e-02 - - 5.0097537040710449e-01 2.0398220419883728e-01 - <_> - - 0 -1 1568 2.0855569746345282e-03 - - 4.8621898889541626e-01 5.7216948270797729e-01 - <_> - - 0 -1 1569 5.0615021027624607e-03 - - 5.0002187490463257e-01 1.8018059432506561e-01 - <_> - - 0 -1 1570 -3.7174751050770283e-03 - - 5.5301171541213989e-01 4.8975929617881775e-01 - <_> - - 0 -1 1571 -1.2170500122010708e-02 - - 4.1786059737205505e-01 5.3837239742279053e-01 - <_> - - 0 -1 1572 4.6248398721218109e-03 - - 4.9971699714660645e-01 5.7613271474838257e-01 - <_> - - 0 -1 1573 -2.1040429419372231e-04 - - 5.3318071365356445e-01 4.0976810455322266e-01 - <_> - - 0 -1 1574 -1.4641780406236649e-02 - - 5.7559251785278320e-01 5.0517761707305908e-01 - <_> - - 0 -1 1575 3.3199489116668701e-03 - - 4.5769768953323364e-01 6.0318058729171753e-01 - <_> - - 0 -1 1576 3.7236879579722881e-03 - - 4.3803969025611877e-01 5.4158830642700195e-01 - <_> - - 0 -1 1577 8.2951161311939359e-04 - - 5.1630318164825439e-01 3.7022191286087036e-01 - <_> - - 0 -1 1578 -1.1408490128815174e-02 - - 6.0729467868804932e-01 4.8625651001930237e-01 - <_> - - 0 -1 1579 -4.5320121571421623e-03 - - 3.2924759387969971e-01 5.0889629125595093e-01 - <_> - - 0 -1 1580 5.1276017911732197e-03 - - 4.8297679424285889e-01 6.1227089166641235e-01 - <_> - - 0 -1 1581 9.8583158105611801e-03 - - 4.6606799960136414e-01 6.5561771392822266e-01 - <_> - - 0 -1 1582 3.6985918879508972e-02 - - 5.2048492431640625e-01 1.6904720664024353e-01 - <_> - - 0 -1 1583 4.6491161920130253e-03 - - 5.1673221588134766e-01 3.7252250313758850e-01 - <_> - - 0 -1 1584 -4.2664702050387859e-03 - - 6.4064931869506836e-01 4.9873429536819458e-01 - <_> - - 0 -1 1585 -4.7956590424291790e-04 - - 5.8972930908203125e-01 4.4648739695549011e-01 - <_> - - 0 -1 1586 3.6827160511165857e-03 - - 5.4415607452392578e-01 3.4726628661155701e-01 - <_> - - 0 -1 1587 -1.0059880092740059e-02 - - 2.1431629359722137e-01 5.0048297643661499e-01 - <_> - - 0 -1 1588 -3.0361840617842972e-04 - - 5.3864240646362305e-01 4.5903238654136658e-01 - <_> - - 0 -1 1589 -1.4545479789376259e-03 - - 5.7511842250823975e-01 4.4970950484275818e-01 - <_> - - 0 -1 1590 1.6515209572389722e-03 - - 5.4219377040863037e-01 4.2385208606719971e-01 - <_> - - 0 -1 1591 -7.8468639403581619e-03 - - 4.0779209136962891e-01 5.2581572532653809e-01 - <_> - - 0 -1 1592 -5.1259850151836872e-03 - - 4.2292758822441101e-01 5.4794532060623169e-01 - <_> - - 0 -1 1593 -3.6890961229801178e-02 - - 6.5963757038116455e-01 4.6746781468391418e-01 - <_> - - 0 -1 1594 2.4035639944486320e-04 - - 4.2511358857154846e-01 5.5732029676437378e-01 - <_> - - 0 -1 1595 -1.5150169929256663e-05 - - 5.2592468261718750e-01 4.0741148591041565e-01 - <_> - - 0 -1 1596 2.2108471021056175e-03 - - 4.6717229485511780e-01 5.8863520622253418e-01 - <_> - - 0 -1 1597 -1.1568620102480054e-03 - - 5.7110661268234253e-01 4.4871619343757629e-01 - <_> - - 0 -1 1598 4.9996292218565941e-03 - - 5.2641981840133667e-01 2.8983271121978760e-01 - <_> - - 0 -1 1599 -1.4656189596280456e-03 - - 3.8917380571365356e-01 5.1978719234466553e-01 - <_> - - 0 -1 1600 -1.1975039960816503e-03 - - 5.7958728075027466e-01 4.9279558658599854e-01 - <_> - - 0 -1 1601 -4.4954330660402775e-03 - - 2.3776030540466309e-01 5.0125551223754883e-01 - <_> - - 0 -1 1602 1.4997160178609192e-04 - - 4.8766261339187622e-01 5.6176078319549561e-01 - <_> - - 0 -1 1603 2.6391509454697371e-03 - - 5.1680880784988403e-01 3.7655091285705566e-01 - <_> - - 0 -1 1604 -2.9368131072260439e-04 - - 5.4466491937637329e-01 4.8746308684349060e-01 - <_> - - 0 -1 1605 1.4211760135367513e-03 - - 4.6878978610038757e-01 6.6913318634033203e-01 - <_> - - 0 -1 1606 7.9427637159824371e-02 - - 5.1934438943862915e-01 2.7329459786415100e-01 - <_> - - 0 -1 1607 7.9937502741813660e-02 - - 4.9717310070991516e-01 1.7820839583873749e-01 - <_> - - 0 -1 1608 1.1089259758591652e-02 - - 5.1659947633743286e-01 3.2094758749008179e-01 - <_> - - 0 -1 1609 1.6560709627810866e-04 - - 4.0584719181060791e-01 5.3072762489318848e-01 - <_> - - 0 -1 1610 -5.3354292176663876e-03 - - 3.4450569748878479e-01 5.1581299304962158e-01 - <_> - - 0 -1 1611 1.1287260567769408e-03 - - 4.5948630571365356e-01 6.0755330324172974e-01 - <_> - - 0 -1 1612 -2.1969219669699669e-02 - - 1.6804009675979614e-01 5.2285957336425781e-01 - <_> - - 0 -1 1613 -2.1775320055894554e-04 - - 3.8615968823432922e-01 5.2156728506088257e-01 - <_> - - 0 -1 1614 2.0200149447191507e-04 - - 5.5179792642593384e-01 4.3630391359329224e-01 - <_> - - 0 -1 1615 -2.1733149886131287e-02 - - 7.9994601011276245e-01 4.7898510098457336e-01 - <_> - - 0 -1 1616 -8.4399932529777288e-04 - - 4.0859758853912354e-01 5.3747731447219849e-01 - <_> - - 0 -1 1617 -4.3895249837078154e-04 - - 5.4704052209854126e-01 4.3661430478096008e-01 - <_> - - 0 -1 1618 1.5092400135472417e-03 - - 4.9889969825744629e-01 5.8421492576599121e-01 - <_> - - 0 -1 1619 -3.5547839943319559e-03 - - 6.7536902427673340e-01 4.7210058569908142e-01 - <_> - - 0 -1 1620 4.8191400128416717e-04 - - 5.4158538579940796e-01 4.3571090698242188e-01 - <_> - - 0 -1 1621 -6.0264398343861103e-03 - - 2.2585099935531616e-01 4.9918809533119202e-01 - <_> - - 0 -1 1622 -1.1668140068650246e-02 - - 6.2565547227859497e-01 4.9274989962577820e-01 - <_> - - 0 -1 1623 -2.8718370012938976e-03 - - 3.9477849006652832e-01 5.2458018064498901e-01 - <_> - - 0 -1 1624 1.7051169648766518e-02 - - 4.7525110840797424e-01 5.7942241430282593e-01 - <_> - - 0 -1 1625 -1.3352080248296261e-02 - - 6.0411047935485840e-01 4.5445358753204346e-01 - <_> - - 0 -1 1626 -3.9301801007241011e-04 - - 4.2582759261131287e-01 5.5449050664901733e-01 - <_> - - 0 -1 1627 3.0483349692076445e-03 - - 5.2334201335906982e-01 3.7802729010581970e-01 - <_> - - 0 -1 1628 -4.3579288758337498e-03 - - 6.3718891143798828e-01 4.8386740684509277e-01 - <_> - - 0 -1 1629 5.6661018170416355e-03 - - 5.3747057914733887e-01 4.1636660695075989e-01 - <_> - - 0 -1 1630 6.0677339206449687e-05 - - 4.6387958526611328e-01 5.3116250038146973e-01 - <_> - - 0 -1 1631 3.6738160997629166e-02 - - 4.6886560320854187e-01 6.4665240049362183e-01 - <_> - - 0 -1 1632 8.6528137326240540e-03 - - 5.2043187618255615e-01 2.1886579692363739e-01 - <_> - - 0 -1 1633 -1.5371359884738922e-01 - - 1.6303719580173492e-01 4.9588400125503540e-01 - <_> - - 0 -1 1634 -4.1560421232134104e-04 - - 5.7744592428207397e-01 4.6964588761329651e-01 - <_> - - 0 -1 1635 -1.2640169588848948e-03 - - 3.9771759510040283e-01 5.2171981334686279e-01 - <_> - - 0 -1 1636 -3.5473341122269630e-03 - - 6.0465282201766968e-01 4.8083150386810303e-01 - <_> - - 0 -1 1637 3.0019069527043030e-05 - - 3.9967238903045654e-01 5.2282011508941650e-01 - <_> - - 0 -1 1638 1.3113019522279501e-03 - - 4.7121581435203552e-01 5.7659977674484253e-01 - <_> - - 0 -1 1639 -1.3374709524214268e-03 - - 4.1095849871635437e-01 5.2531701326370239e-01 - <_> - - 0 -1 1640 2.0876709371805191e-02 - - 5.2029937505722046e-01 1.7579819262027740e-01 - <_> - - 0 -1 1641 -7.5497948564589024e-03 - - 6.5666097402572632e-01 4.6949750185012817e-01 - <_> - - 0 -1 1642 2.4188550189137459e-02 - - 5.1286739110946655e-01 3.3702209591865540e-01 - <_> - - 0 -1 1643 -2.9358828905969858e-03 - - 6.5807867050170898e-01 4.6945410966873169e-01 - <_> - - 0 -1 1644 5.7557929307222366e-02 - - 5.1464450359344482e-01 2.7752599120140076e-01 - <_> - - 0 -1 1645 -1.1343370424583554e-03 - - 3.8366019725799561e-01 5.1926672458648682e-01 - <_> - - 0 -1 1646 1.6816999763250351e-02 - - 5.0855928659439087e-01 6.1772608757019043e-01 - <_> - - 0 -1 1647 5.0535178743302822e-03 - - 5.1387631893157959e-01 3.6847919225692749e-01 - <_> - - 0 -1 1648 -4.5874710194766521e-03 - - 5.9896552562713623e-01 4.8352020978927612e-01 - <_> - - 0 -1 1649 1.6882460331544280e-03 - - 4.5094868540763855e-01 5.7230567932128906e-01 - <_> - - 0 -1 1650 -1.6554000321775675e-03 - - 3.4967708587646484e-01 5.2433192729949951e-01 - <_> - - 0 -1 1651 -1.9373800605535507e-02 - - 1.1205369979143143e-01 4.9687129259109497e-01 - <_> - - 0 -1 1652 1.0374450124800205e-02 - - 5.1481968164443970e-01 4.3952131271362305e-01 - <_> - - 0 -1 1653 1.4973050565458834e-04 - - 4.0849998593330383e-01 5.2698868513107300e-01 - <_> - - 0 -1 1654 -4.2981930077075958e-02 - - 6.3941049575805664e-01 5.0185042619705200e-01 - <_> - - 0 -1 1655 8.3065936341881752e-03 - - 4.7075539827346802e-01 6.6983532905578613e-01 - <_> - - 0 -1 1656 -4.1285790503025055e-03 - - 4.5413690805435181e-01 5.3236472606658936e-01 - <_> - - 0 -1 1657 1.7399420030415058e-03 - - 4.3339619040489197e-01 5.4398661851882935e-01 - <_> - - 0 -1 1658 1.1739750334527344e-04 - - 4.5796871185302734e-01 5.5434262752532959e-01 - <_> - - 0 -1 1659 1.8585780344437808e-04 - - 4.3246439099311829e-01 5.4267549514770508e-01 - <_> - - 0 -1 1660 5.5587692186236382e-03 - - 5.2572208642959595e-01 3.5506111383438110e-01 - <_> - - 0 -1 1661 -7.9851560294628143e-03 - - 6.0430181026458740e-01 4.6306359767913818e-01 - <_> - - 0 -1 1662 6.0594122624024749e-04 - - 4.5982548594474792e-01 5.5331951379776001e-01 - <_> - - 0 -1 1663 -2.2983040253166109e-04 - - 4.1307520866394043e-01 5.3224611282348633e-01 - <_> - - 0 -1 1664 4.3740210821852088e-04 - - 4.0430399775505066e-01 5.4092890024185181e-01 - <_> - - 0 -1 1665 2.9482020181603730e-04 - - 4.4949638843536377e-01 5.6288522481918335e-01 - <_> - - 0 -1 1666 1.0312659665942192e-02 - - 5.1775109767913818e-01 2.7043169736862183e-01 - <_> - - 0 -1 1667 -7.7241109684109688e-03 - - 1.9880190491676331e-01 4.9805539846420288e-01 - <_> - - 0 -1 1668 -4.6797208487987518e-03 - - 6.6447502374649048e-01 5.0182962417602539e-01 - <_> - - 0 -1 1669 -5.0755459815263748e-03 - - 3.8983049988746643e-01 5.1852691173553467e-01 - <_> - - 0 -1 1670 2.2479740437120199e-03 - - 4.8018088936805725e-01 5.6603360176086426e-01 - <_> - - 0 -1 1671 8.3327008178457618e-04 - - 5.2109199762344360e-01 3.9571881294250488e-01 - <_> - - 0 -1 1672 -4.1279330849647522e-02 - - 6.1545419692993164e-01 5.0070542097091675e-01 - <_> - - 0 -1 1673 -5.0930189900100231e-04 - - 3.9759421348571777e-01 5.2284038066864014e-01 - <_> - - 0 -1 1674 1.2568780221045017e-03 - - 4.9791380763053894e-01 5.9391832351684570e-01 - <_> - - 0 -1 1675 8.0048497766256332e-03 - - 4.9844971299171448e-01 1.6333660483360291e-01 - <_> - - 0 -1 1676 -1.1879300000146031e-03 - - 5.9049648046493530e-01 4.9426248669624329e-01 - <_> - - 0 -1 1677 6.1948952497914433e-04 - - 4.1995579004287720e-01 5.3287261724472046e-01 - <_> - - 0 -1 1678 6.6829859279096127e-03 - - 5.4186028242111206e-01 4.9058890342712402e-01 - <_> - - 0 -1 1679 -3.7062340416014194e-03 - - 3.7259390950202942e-01 5.1380002498626709e-01 - <_> - - 0 -1 1680 -3.9739411324262619e-02 - - 6.4789611101150513e-01 5.0503468513488770e-01 - <_> - - 0 -1 1681 1.4085009461268783e-03 - - 4.6823391318321228e-01 6.3778841495513916e-01 - <_> - - 0 -1 1682 3.9322688826359808e-04 - - 5.4585301876068115e-01 4.1504821181297302e-01 - <_> - - 0 -1 1683 -1.8979819724336267e-03 - - 3.6901599168777466e-01 5.1497042179107666e-01 - <_> - - 0 -1 1684 -1.3970440253615379e-02 - - 6.0505628585815430e-01 4.8113578557968140e-01 - <_> - - 0 -1 1685 -1.0100819915533066e-01 - - 2.0170800387859344e-01 4.9923619627952576e-01 - <_> - - 0 -1 1686 -1.7346920445561409e-02 - - 5.7131487131118774e-01 4.8994860053062439e-01 - <_> - - 0 -1 1687 1.5619759506080300e-04 - - 4.2153888940811157e-01 5.3926420211791992e-01 - <_> - - 0 -1 1688 1.3438929617404938e-01 - - 5.1361519098281860e-01 3.7676128745079041e-01 - <_> - - 0 -1 1689 -2.4582240730524063e-02 - - 7.0273578166961670e-01 4.7479069232940674e-01 - <_> - - 0 -1 1690 -3.8553720805794001e-03 - - 4.3174090981483459e-01 5.4277169704437256e-01 - <_> - - 0 -1 1691 -2.3165249731391668e-03 - - 5.9426987171173096e-01 4.6186479926109314e-01 - <_> - - 0 -1 1692 -4.8518120311200619e-03 - - 6.1915689706802368e-01 4.8848950862884521e-01 - <_> - - 0 -1 1693 2.4699938949197531e-03 - - 5.2566647529602051e-01 4.0171998739242554e-01 - <_> - - 0 -1 1694 4.5496959239244461e-02 - - 5.2378678321838379e-01 2.6857739686965942e-01 - <_> - - 0 -1 1695 -2.0319599658250809e-02 - - 2.1304459869861603e-01 4.9797388911247253e-01 - <_> - - 0 -1 1696 2.6994998916052282e-04 - - 4.8140418529510498e-01 5.5431222915649414e-01 - <_> - - 0 -1 1697 -1.8232699949294329e-03 - - 6.4825797080993652e-01 4.7099891304969788e-01 - <_> - - 0 -1 1698 -6.3015790656208992e-03 - - 4.5819279551506042e-01 5.3062361478805542e-01 - <_> - - 0 -1 1699 -2.4139499873854220e-04 - - 5.2320867776870728e-01 4.0517631173133850e-01 - <_> - - 0 -1 1700 -1.0330369696021080e-03 - - 5.5562019348144531e-01 4.7891938686370850e-01 - <_> - - 0 -1 1701 1.8041160365100950e-04 - - 5.2294427156448364e-01 4.0118101239204407e-01 - <_> - - 0 -1 1702 -6.1407860368490219e-02 - - 6.2986820936203003e-01 5.0107032060623169e-01 - <_> - - 0 -1 1703 -6.9543913006782532e-02 - - 7.2282809019088745e-01 4.7731840610504150e-01 - <_> - - 0 -1 1704 -7.0542663335800171e-02 - - 2.2695130109786987e-01 5.1825290918350220e-01 - <_> - - 0 -1 1705 2.4423799477517605e-03 - - 5.2370971441268921e-01 4.0981510281562805e-01 - <_> - - 0 -1 1706 1.5494349645450711e-03 - - 4.7737509012222290e-01 5.4680430889129639e-01 - <_> - - 0 -1 1707 -2.3914219811558723e-02 - - 7.1469759941101074e-01 4.7838249802589417e-01 - <_> - - 0 -1 1708 -1.2453690171241760e-02 - - 2.6352968811988831e-01 5.2411228418350220e-01 - <_> - - 0 -1 1709 -2.0760179904755205e-04 - - 3.6237570643424988e-01 5.1136088371276855e-01 - <_> - - 0 -1 1710 2.9781080229440704e-05 - - 4.7059321403503418e-01 5.4328018426895142e-01 - <_> - 211 - 1.0474919891357422e+02 - - <_> - - 0 -1 1711 1.1772749945521355e-02 - - 3.8605189323425293e-01 6.4211672544479370e-01 - <_> - - 0 -1 1712 2.7037570253014565e-02 - - 4.3856549263000488e-01 6.7540389299392700e-01 - <_> - - 0 -1 1713 -3.6419500247575343e-05 - - 5.4871010780334473e-01 3.4233158826828003e-01 - <_> - - 0 -1 1714 1.9995409529656172e-03 - - 3.2305321097373962e-01 5.4003179073333740e-01 - <_> - - 0 -1 1715 4.5278300531208515e-03 - - 5.0916397571563721e-01 2.9350438714027405e-01 - <_> - - 0 -1 1716 4.7890920541249216e-04 - - 4.1781538724899292e-01 5.3440642356872559e-01 - <_> - - 0 -1 1717 1.1720920447260141e-03 - - 2.8991821408271790e-01 5.1320707798004150e-01 - <_> - - 0 -1 1718 9.5305702416226268e-04 - - 4.2801249027252197e-01 5.5608451366424561e-01 - <_> - - 0 -1 1719 1.5099150004971307e-05 - - 4.0448719263076782e-01 5.4047602415084839e-01 - <_> - - 0 -1 1720 -6.0817901976406574e-04 - - 4.2717689275741577e-01 5.5034661293029785e-01 - <_> - - 0 -1 1721 3.3224520739167929e-03 - - 3.9627239108085632e-01 5.3697347640991211e-01 - <_> - - 0 -1 1722 -1.1037490330636501e-03 - - 4.7271779179573059e-01 5.2377498149871826e-01 - <_> - - 0 -1 1723 -1.4350269921123981e-03 - - 5.6030082702636719e-01 4.2235091328620911e-01 - <_> - - 0 -1 1724 2.0767399109899998e-03 - - 5.2259171009063721e-01 4.7327259182929993e-01 - <_> - - 0 -1 1725 -1.6412809782195836e-04 - - 3.9990758895874023e-01 5.4327398538589478e-01 - <_> - - 0 -1 1726 8.8302437216043472e-03 - - 4.6783858537673950e-01 6.0273271799087524e-01 - <_> - - 0 -1 1727 -1.0552070103585720e-02 - - 3.4939670562744141e-01 5.2139747142791748e-01 - <_> - - 0 -1 1728 -2.2731600329279900e-03 - - 6.1858189105987549e-01 4.7490629553794861e-01 - <_> - - 0 -1 1729 -8.4786332445219159e-04 - - 5.2853411436080933e-01 3.8434821367263794e-01 - <_> - - 0 -1 1730 1.2081359745934606e-03 - - 5.3606408834457397e-01 3.4473359584808350e-01 - <_> - - 0 -1 1731 2.6512730401009321e-03 - - 4.5582920312881470e-01 6.1939620971679688e-01 - <_> - - 0 -1 1732 -1.1012479662895203e-03 - - 3.6802300810813904e-01 5.3276282548904419e-01 - <_> - - 0 -1 1733 4.9561518244445324e-04 - - 3.9605951309204102e-01 5.2749407291412354e-01 - <_> - - 0 -1 1734 -4.3901771306991577e-02 - - 7.0204448699951172e-01 4.9928390979766846e-01 - <_> - - 0 -1 1735 3.4690350294113159e-02 - - 5.0491642951965332e-01 2.7666029334068298e-01 - <_> - - 0 -1 1736 -2.7442190330475569e-03 - - 2.6726329326629639e-01 5.2749711275100708e-01 - <_> - - 0 -1 1737 3.3316588960587978e-03 - - 4.5794829726219177e-01 6.0011017322540283e-01 - <_> - - 0 -1 1738 -2.0044570788741112e-02 - - 3.1715941429138184e-01 5.2357178926467896e-01 - <_> - - 0 -1 1739 1.3492030557245016e-03 - - 5.2653628587722778e-01 4.0343248844146729e-01 - <_> - - 0 -1 1740 2.9702018946409225e-03 - - 5.3324568271636963e-01 4.5719841122627258e-01 - <_> - - 0 -1 1741 6.3039981760084629e-03 - - 4.5933109521865845e-01 6.0346359014511108e-01 - <_> - - 0 -1 1742 -1.2936590239405632e-02 - - 4.4379639625549316e-01 5.3729712963104248e-01 - <_> - - 0 -1 1743 4.0148729458451271e-03 - - 4.6803238987922668e-01 6.4378339052200317e-01 - <_> - - 0 -1 1744 -2.6401679497212172e-03 - - 3.7096318602561951e-01 5.3143328428268433e-01 - <_> - - 0 -1 1745 1.3918439857661724e-02 - - 4.7235551476478577e-01 7.1308088302612305e-01 - <_> - - 0 -1 1746 -4.5087869511917233e-04 - - 4.4923940300941467e-01 5.3704041242599487e-01 - <_> - - 0 -1 1747 2.5384349282830954e-04 - - 4.4068640470504761e-01 5.5144029855728149e-01 - <_> - - 0 -1 1748 2.2710000630468130e-03 - - 4.6824169158935547e-01 5.9679841995239258e-01 - <_> - - 0 -1 1749 2.4120779708027840e-03 - - 5.0793921947479248e-01 3.0185988545417786e-01 - <_> - - 0 -1 1750 -3.6025670851813629e-05 - - 5.6010371446609497e-01 4.4710969924926758e-01 - <_> - - 0 -1 1751 -7.4905529618263245e-03 - - 2.2075350582599640e-01 4.9899441003799438e-01 - <_> - - 0 -1 1752 -1.7513120546936989e-02 - - 6.5312159061431885e-01 5.0176489353179932e-01 - <_> - - 0 -1 1753 1.4281630516052246e-01 - - 4.9679630994796753e-01 1.4820620417594910e-01 - <_> - - 0 -1 1754 5.5345268920063972e-03 - - 4.8989468812942505e-01 5.9542238712310791e-01 - <_> - - 0 -1 1755 -9.6323591424152255e-04 - - 3.9271169900894165e-01 5.1960742473602295e-01 - <_> - - 0 -1 1756 -2.0370010752230883e-03 - - 5.6133252382278442e-01 4.8848581314086914e-01 - <_> - - 0 -1 1757 1.6614829655736685e-03 - - 4.4728800654411316e-01 5.5788809061050415e-01 - <_> - - 0 -1 1758 -3.1188090797513723e-03 - - 3.8405328989028931e-01 5.3974777460098267e-01 - <_> - - 0 -1 1759 -6.4000617712736130e-03 - - 5.8439838886260986e-01 4.5332181453704834e-01 - <_> - - 0 -1 1760 3.1319601112045348e-04 - - 5.4392218589782715e-01 4.2347279191017151e-01 - <_> - - 0 -1 1761 -1.8222099170088768e-02 - - 1.2884649634361267e-01 4.9584048986434937e-01 - <_> - - 0 -1 1762 8.7969247251749039e-03 - - 4.9512979388237000e-01 7.1534800529479980e-01 - <_> - - 0 -1 1763 -4.2395070195198059e-03 - - 3.9465999603271484e-01 5.1949369907379150e-01 - <_> - - 0 -1 1764 9.7086271271109581e-03 - - 4.8975038528442383e-01 6.0649001598358154e-01 - <_> - - 0 -1 1765 -3.9934171363711357e-03 - - 3.2454401254653931e-01 5.0608289241790771e-01 - <_> - - 0 -1 1766 -1.6785059124231339e-02 - - 1.5819530189037323e-01 5.2037787437438965e-01 - <_> - - 0 -1 1767 1.8272090703248978e-02 - - 4.6809351444244385e-01 6.6269791126251221e-01 - <_> - - 0 -1 1768 5.6872838176786900e-03 - - 5.2116978168487549e-01 3.5121849179267883e-01 - <_> - - 0 -1 1769 -1.0739039862528443e-03 - - 5.7683861255645752e-01 4.5298451185226440e-01 - <_> - - 0 -1 1770 -3.7093870341777802e-03 - - 4.5077630877494812e-01 5.3135812282562256e-01 - <_> - - 0 -1 1771 -2.1110709349159151e-04 - - 5.4608201980590820e-01 4.3333768844604492e-01 - <_> - - 0 -1 1772 1.0670139454305172e-03 - - 5.3718560934066772e-01 4.0783908963203430e-01 - <_> - - 0 -1 1773 3.5943021066486835e-03 - - 4.4712871313095093e-01 5.6438362598419189e-01 - <_> - - 0 -1 1774 -5.1776031032204628e-03 - - 4.4993931055068970e-01 5.2803301811218262e-01 - <_> - - 0 -1 1775 -2.5414369883947074e-04 - - 5.5161732435226440e-01 4.4077080488204956e-01 - <_> - - 0 -1 1776 6.3522560521960258e-03 - - 5.1941901445388794e-01 2.4652279913425446e-01 - <_> - - 0 -1 1777 -4.4205080484971404e-04 - - 3.8307058811187744e-01 5.1396822929382324e-01 - <_> - - 0 -1 1778 7.4488727841526270e-04 - - 4.8910909891128540e-01 5.9747868776321411e-01 - <_> - - 0 -1 1779 -3.5116379149258137e-03 - - 7.4136817455291748e-01 4.7687649726867676e-01 - <_> - - 0 -1 1780 -1.2540910392999649e-02 - - 3.6488190293312073e-01 5.2528268098831177e-01 - <_> - - 0 -1 1781 9.4931852072477341e-03 - - 5.1004928350448608e-01 3.6295869946479797e-01 - <_> - - 0 -1 1782 1.2961150147020817e-02 - - 5.2324420213699341e-01 4.3335610628128052e-01 - <_> - - 0 -1 1783 4.7209449112415314e-03 - - 4.6481490135192871e-01 6.3310527801513672e-01 - <_> - - 0 -1 1784 -2.3119079414755106e-03 - - 5.9303098917007446e-01 4.5310580730438232e-01 - <_> - - 0 -1 1785 -2.8262299019843340e-03 - - 3.8704779744148254e-01 5.2571010589599609e-01 - <_> - - 0 -1 1786 -1.4311339473351836e-03 - - 5.5225032567977905e-01 4.5618548989295959e-01 - <_> - - 0 -1 1787 1.9378310535103083e-03 - - 4.5462208986282349e-01 5.7369667291641235e-01 - <_> - - 0 -1 1788 2.6343559147790074e-04 - - 5.3457391262054443e-01 4.5718750357627869e-01 - <_> - - 0 -1 1789 7.8257522545754910e-04 - - 3.9678159356117249e-01 5.2201879024505615e-01 - <_> - - 0 -1 1790 -1.9550440832972527e-02 - - 2.8296428918838501e-01 5.2435082197189331e-01 - <_> - - 0 -1 1791 4.3914958951063454e-04 - - 4.5900669693946838e-01 5.8990901708602905e-01 - <_> - - 0 -1 1792 2.1452000364661217e-02 - - 5.2314108610153198e-01 2.8553789854049683e-01 - <_> - - 0 -1 1793 5.8973580598831177e-04 - - 4.3972569704055786e-01 5.5064219236373901e-01 - <_> - - 0 -1 1794 -2.6157610118389130e-02 - - 3.1350791454315186e-01 5.1891750097274780e-01 - <_> - - 0 -1 1795 -1.3959860429167747e-02 - - 3.2132729887962341e-01 5.0407177209854126e-01 - <_> - - 0 -1 1796 -6.3699018210172653e-03 - - 6.3875448703765869e-01 4.8495069146156311e-01 - <_> - - 0 -1 1797 -8.5613820701837540e-03 - - 2.7591320872306824e-01 5.0320190191268921e-01 - <_> - - 0 -1 1798 9.6622901037335396e-04 - - 4.6856409311294556e-01 5.8348792791366577e-01 - <_> - - 0 -1 1799 7.6550268568098545e-04 - - 5.1752072572708130e-01 3.8964220881462097e-01 - <_> - - 0 -1 1800 -8.1833340227603912e-03 - - 2.0691369473934174e-01 5.2081221342086792e-01 - <_> - - 0 -1 1801 -9.3976939097046852e-03 - - 6.1340910196304321e-01 4.6412229537963867e-01 - <_> - - 0 -1 1802 4.8028980381786823e-03 - - 5.4541081190109253e-01 4.3952199816703796e-01 - <_> - - 0 -1 1803 -3.5680569708347321e-03 - - 6.3444852828979492e-01 4.6810939908027649e-01 - <_> - - 0 -1 1804 4.0733120404183865e-03 - - 5.2926832437515259e-01 4.0156200528144836e-01 - <_> - - 0 -1 1805 1.2568129459396005e-03 - - 4.3929880857467651e-01 5.4528248310089111e-01 - <_> - - 0 -1 1806 -2.9065010603517294e-03 - - 5.8988320827484131e-01 4.8633798956871033e-01 - <_> - - 0 -1 1807 -2.4409340694546700e-03 - - 4.0693649649620056e-01 5.2474218606948853e-01 - <_> - - 0 -1 1808 2.4830700829625130e-02 - - 5.1827257871627808e-01 3.6825248599052429e-01 - <_> - - 0 -1 1809 -4.8854008316993713e-02 - - 1.3075779378414154e-01 4.9612811207771301e-01 - <_> - - 0 -1 1810 -1.6110379947349429e-03 - - 6.4210057258605957e-01 4.8726621270179749e-01 - <_> - - 0 -1 1811 -9.7009479999542236e-02 - - 4.7769349068403244e-02 4.9509888887405396e-01 - <_> - - 0 -1 1812 1.1209240183234215e-03 - - 4.6162670850753784e-01 5.3547459840774536e-01 - <_> - - 0 -1 1813 -1.3064090162515640e-03 - - 6.2618541717529297e-01 4.6388059854507446e-01 - <_> - - 0 -1 1814 4.5771620352752507e-04 - - 5.3844177722930908e-01 4.6466401219367981e-01 - <_> - - 0 -1 1815 -6.3149951165542006e-04 - - 3.8040471076965332e-01 5.1302570104598999e-01 - <_> - - 0 -1 1816 1.4505970466416329e-04 - - 4.5543101429939270e-01 5.6644618511199951e-01 - <_> - - 0 -1 1817 -1.6474550589919090e-02 - - 6.5969580411911011e-01 4.7158598899841309e-01 - <_> - - 0 -1 1818 1.3369579799473286e-02 - - 5.1954662799835205e-01 3.0359649658203125e-01 - <_> - - 0 -1 1819 1.0271780047332868e-04 - - 5.2291762828826904e-01 4.1070660948753357e-01 - <_> - - 0 -1 1820 -5.5311559699475765e-03 - - 6.3528877496719360e-01 4.9609071016311646e-01 - <_> - - 0 -1 1821 -2.6187049224972725e-03 - - 3.8245460391044617e-01 5.1409840583801270e-01 - <_> - - 0 -1 1822 5.0834268331527710e-03 - - 4.9504399299621582e-01 6.2208187580108643e-01 - <_> - - 0 -1 1823 7.9818159341812134e-02 - - 4.9523359537124634e-01 1.3224759697914124e-01 - <_> - - 0 -1 1824 -9.9226586520671844e-02 - - 7.5427287817001343e-01 5.0084167718887329e-01 - <_> - - 0 -1 1825 -6.5174017800018191e-04 - - 3.6993029713630676e-01 5.1301211118698120e-01 - <_> - - 0 -1 1826 -1.8996849656105042e-02 - - 6.6891789436340332e-01 4.9212029576301575e-01 - <_> - - 0 -1 1827 1.7346899956464767e-02 - - 4.9833008646965027e-01 1.8591980636119843e-01 - <_> - - 0 -1 1828 5.5082101607695222e-04 - - 4.5744240283966064e-01 5.5221217870712280e-01 - <_> - - 0 -1 1829 2.0056050270795822e-03 - - 5.1317447423934937e-01 3.8564699888229370e-01 - <_> - - 0 -1 1830 -7.7688191086053848e-03 - - 4.3617001175880432e-01 5.4343092441558838e-01 - <_> - - 0 -1 1831 5.0878278911113739e-02 - - 4.6827208995819092e-01 6.8406397104263306e-01 - <_> - - 0 -1 1832 -2.2901780903339386e-03 - - 4.3292450904846191e-01 5.3060990571975708e-01 - <_> - - 0 -1 1833 -1.5715380141045898e-04 - - 5.3700572252273560e-01 4.3781641125679016e-01 - <_> - - 0 -1 1834 1.0519240051507950e-01 - - 5.1372742652893066e-01 6.7361466586589813e-02 - <_> - - 0 -1 1835 2.7198919560760260e-03 - - 4.1120609641075134e-01 5.2556651830673218e-01 - <_> - - 0 -1 1836 4.8337779939174652e-02 - - 5.4046237468719482e-01 4.4389671087265015e-01 - <_> - - 0 -1 1837 9.5703761326149106e-04 - - 4.3559691309928894e-01 5.3995108604431152e-01 - <_> - - 0 -1 1838 -2.5371259078383446e-02 - - 5.9951752424240112e-01 5.0310248136520386e-01 - <_> - - 0 -1 1839 5.2457951009273529e-02 - - 4.9502879381179810e-01 1.3983510434627533e-01 - <_> - - 0 -1 1840 -1.2365629896521568e-02 - - 6.3972991704940796e-01 4.9641060829162598e-01 - <_> - - 0 -1 1841 -1.4589719474315643e-01 - - 1.0016699880361557e-01 4.9463221430778503e-01 - <_> - - 0 -1 1842 -1.5908600762486458e-02 - - 3.3123299479484558e-01 5.2083408832550049e-01 - <_> - - 0 -1 1843 3.9486068999394774e-04 - - 4.4063639640808105e-01 5.4261028766632080e-01 - <_> - - 0 -1 1844 -5.2454001270234585e-03 - - 2.7995899319648743e-01 5.1899671554565430e-01 - <_> - - 0 -1 1845 -5.0421799533069134e-03 - - 6.9875800609588623e-01 4.7521421313285828e-01 - <_> - - 0 -1 1846 2.9812189750373363e-03 - - 4.9832889437675476e-01 6.3074797391891479e-01 - <_> - - 0 -1 1847 -7.2884308174252510e-03 - - 2.9823330044746399e-01 5.0268697738647461e-01 - <_> - - 0 -1 1848 1.5094350092113018e-03 - - 5.3084421157836914e-01 3.8329708576202393e-01 - <_> - - 0 -1 1849 -9.3340799212455750e-03 - - 2.0379640161991119e-01 4.9698171019554138e-01 - <_> - - 0 -1 1850 2.8667140752077103e-02 - - 5.0256967544555664e-01 6.9280272722244263e-01 - <_> - - 0 -1 1851 1.7019680142402649e-01 - - 4.9600529670715332e-01 1.4764429628849030e-01 - <_> - - 0 -1 1852 -3.2614478841423988e-03 - - 5.6030637025833130e-01 4.8260560631752014e-01 - <_> - - 0 -1 1853 5.5769277969375253e-04 - - 5.2055621147155762e-01 4.1296330094337463e-01 - <_> - - 0 -1 1854 3.6258339881896973e-01 - - 5.2216529846191406e-01 3.7686121463775635e-01 - <_> - - 0 -1 1855 -1.1615130119025707e-02 - - 6.0226827859878540e-01 4.6374899148941040e-01 - <_> - - 0 -1 1856 -4.0795197710394859e-03 - - 4.0704470872879028e-01 5.3374791145324707e-01 - <_> - - 0 -1 1857 5.7204300537705421e-04 - - 4.6018350124359131e-01 5.9003931283950806e-01 - <_> - - 0 -1 1858 6.7543348995968699e-04 - - 5.3982520103454590e-01 4.3454289436340332e-01 - <_> - - 0 -1 1859 6.3295697327703238e-04 - - 5.2015632390975952e-01 4.0513589978218079e-01 - <_> - - 0 -1 1860 1.2435320531949401e-03 - - 4.6423879265785217e-01 5.5474412441253662e-01 - <_> - - 0 -1 1861 -4.7363857738673687e-03 - - 6.1985671520233154e-01 4.6725520491600037e-01 - <_> - - 0 -1 1862 -6.4658462069928646e-03 - - 6.8373328447341919e-01 5.0190007686614990e-01 - <_> - - 0 -1 1863 3.5017321351915598e-04 - - 4.3448030948638916e-01 5.3636229038238525e-01 - <_> - - 0 -1 1864 1.5754920605104417e-04 - - 4.7600790858268738e-01 5.7320207357406616e-01 - <_> - - 0 -1 1865 9.9774366244673729e-03 - - 5.0909858942031860e-01 3.6350399255752563e-01 - <_> - - 0 -1 1866 -4.1464529931545258e-04 - - 5.5700647830963135e-01 4.5938020944595337e-01 - <_> - - 0 -1 1867 -3.5888899583369493e-04 - - 5.3568458557128906e-01 4.3391349911689758e-01 - <_> - - 0 -1 1868 4.0463250479660928e-04 - - 4.4398030638694763e-01 5.4367768764495850e-01 - <_> - - 0 -1 1869 -8.2184787606820464e-04 - - 4.0422949194908142e-01 5.1762992143630981e-01 - <_> - - 0 -1 1870 5.9467419050633907e-03 - - 4.9276518821716309e-01 5.6337797641754150e-01 - <_> - - 0 -1 1871 -2.1753389388322830e-02 - - 8.0062937736511230e-01 4.8008409142494202e-01 - <_> - - 0 -1 1872 -1.4540379866957664e-02 - - 3.9460548758506775e-01 5.1822227239608765e-01 - <_> - - 0 -1 1873 -4.0510769933462143e-02 - - 2.1324990317225456e-02 4.9357929825782776e-01 - <_> - - 0 -1 1874 -5.8458268176764250e-04 - - 4.0127959847450256e-01 5.3140252828598022e-01 - <_> - - 0 -1 1875 5.5151800625026226e-03 - - 4.6424189209938049e-01 5.8962607383728027e-01 - <_> - - 0 -1 1876 -6.0626221820712090e-03 - - 6.5021592378616333e-01 5.0164777040481567e-01 - <_> - - 0 -1 1877 9.4535842537879944e-02 - - 5.2647089958190918e-01 4.1268271207809448e-01 - <_> - - 0 -1 1878 4.7315051779150963e-03 - - 4.8791998624801636e-01 5.8924478292465210e-01 - <_> - - 0 -1 1879 -5.2571471314877272e-04 - - 3.9172801375389099e-01 5.1894128322601318e-01 - <_> - - 0 -1 1880 -2.5464049540460110e-03 - - 5.8375990390777588e-01 4.9857059121131897e-01 - <_> - - 0 -1 1881 -2.6075689122080803e-02 - - 1.2619839608669281e-01 4.9558219313621521e-01 - <_> - - 0 -1 1882 -5.4779709316790104e-03 - - 5.7225137948989868e-01 5.0102657079696655e-01 - <_> - - 0 -1 1883 5.1337741315364838e-03 - - 5.2732622623443604e-01 4.2263761162757874e-01 - <_> - - 0 -1 1884 4.7944980906322598e-04 - - 4.4500669836997986e-01 5.8195871114730835e-01 - <_> - - 0 -1 1885 -2.1114079281687737e-03 - - 5.7576531171798706e-01 4.5117148756980896e-01 - <_> - - 0 -1 1886 -1.3179990462958813e-02 - - 1.8843810260295868e-01 5.1607340574264526e-01 - <_> - - 0 -1 1887 -4.7968099825084209e-03 - - 6.5897899866104126e-01 4.7361189126968384e-01 - <_> - - 0 -1 1888 6.7483168095350266e-03 - - 5.2594298124313354e-01 3.3563950657844543e-01 - <_> - - 0 -1 1889 1.4623369788751006e-03 - - 5.3552711009979248e-01 4.2640921473503113e-01 - <_> - - 0 -1 1890 4.7645159065723419e-03 - - 5.0344067811965942e-01 5.7868278026580811e-01 - <_> - - 0 -1 1891 6.8066660314798355e-03 - - 4.7566050291061401e-01 6.6778290271759033e-01 - <_> - - 0 -1 1892 3.6608621012419462e-03 - - 5.3696119785308838e-01 4.3115469813346863e-01 - <_> - - 0 -1 1893 2.1449640393257141e-02 - - 4.9686419963836670e-01 1.8888160586357117e-01 - <_> - - 0 -1 1894 4.1678901761770248e-03 - - 4.9307331442832947e-01 5.8153688907623291e-01 - <_> - - 0 -1 1895 8.6467564105987549e-03 - - 5.2052050828933716e-01 4.1325950622558594e-01 - <_> - - 0 -1 1896 -3.6114078829996288e-04 - - 5.4835551977157593e-01 4.8009279370307922e-01 - <_> - - 0 -1 1897 1.0808729566633701e-03 - - 4.6899020671844482e-01 6.0414212942123413e-01 - <_> - - 0 -1 1898 5.7719959877431393e-03 - - 5.1711422204971313e-01 3.0532771348953247e-01 - <_> - - 0 -1 1899 1.5720770461484790e-03 - - 5.2199780941009521e-01 4.1788038611412048e-01 - <_> - - 0 -1 1900 -1.9307859474793077e-03 - - 5.8603698015213013e-01 4.8129200935363770e-01 - <_> - - 0 -1 1901 -7.8926272690296173e-03 - - 1.7492769658565521e-01 4.9717339873313904e-01 - <_> - - 0 -1 1902 -2.2224679123610258e-03 - - 4.3425890803337097e-01 5.2128481864929199e-01 - <_> - - 0 -1 1903 1.9011989934369922e-03 - - 4.7651869058609009e-01 6.8920552730560303e-01 - <_> - - 0 -1 1904 2.7576119173318148e-03 - - 5.2621912956237793e-01 4.3374860286712646e-01 - <_> - - 0 -1 1905 5.1787449046969414e-03 - - 4.8040691018104553e-01 7.8437292575836182e-01 - <_> - - 0 -1 1906 -9.0273341629654169e-04 - - 4.1208469867706299e-01 5.3534239530563354e-01 - <_> - - 0 -1 1907 5.1797959022223949e-03 - - 4.7403728961944580e-01 6.4259600639343262e-01 - <_> - - 0 -1 1908 -1.0114000178873539e-02 - - 2.4687920510768890e-01 5.1750177145004272e-01 - <_> - - 0 -1 1909 -1.8617060035467148e-02 - - 5.7562941312789917e-01 4.6289789676666260e-01 - <_> - - 0 -1 1910 5.9225959703326225e-03 - - 5.1696258783340454e-01 3.2142710685729980e-01 - <_> - - 0 -1 1911 -6.2945079989731312e-03 - - 3.8720148801803589e-01 5.1416367292404175e-01 - <_> - - 0 -1 1912 6.5353019163012505e-03 - - 4.8530489206314087e-01 6.3104897737503052e-01 - <_> - - 0 -1 1913 1.0878399480134249e-03 - - 5.1173150539398193e-01 3.7232589721679688e-01 - <_> - - 0 -1 1914 -2.2542240098118782e-02 - - 5.6927400827407837e-01 4.8871129751205444e-01 - <_> - - 0 -1 1915 -3.0065660830587149e-03 - - 2.5560128688812256e-01 5.0039929151535034e-01 - <_> - - 0 -1 1916 7.4741272255778313e-03 - - 4.8108729720115662e-01 5.6759268045425415e-01 - <_> - - 0 -1 1917 2.6162320747971535e-02 - - 4.9711948633193970e-01 1.7772370576858521e-01 - <_> - - 0 -1 1918 9.4352738233283162e-04 - - 4.9400109052658081e-01 5.4912507534027100e-01 - <_> - - 0 -1 1919 3.3363241702318192e-02 - - 5.0076121091842651e-01 2.7907240390777588e-01 - <_> - - 0 -1 1920 -1.5118650160729885e-02 - - 7.0595788955688477e-01 4.9730318784713745e-01 - <_> - - 0 -1 1921 9.8648946732282639e-04 - - 5.1286202669143677e-01 3.7767618894577026e-01 - <_> - 213 - 1.0576110076904297e+02 - - <_> - - 0 -1 1922 -9.5150798559188843e-02 - - 6.4707571268081665e-01 4.0172868967056274e-01 - <_> - - 0 -1 1923 6.2702340073883533e-03 - - 3.9998221397399902e-01 5.7464492321014404e-01 - <_> - - 0 -1 1924 3.0018089455552399e-04 - - 3.5587701201438904e-01 5.5388098955154419e-01 - <_> - - 0 -1 1925 1.1757409665733576e-03 - - 4.2565348744392395e-01 5.3826177120208740e-01 - <_> - - 0 -1 1926 4.4235268433112651e-05 - - 3.6829081177711487e-01 5.5899268388748169e-01 - <_> - - 0 -1 1927 -2.9936920327600092e-05 - - 5.4524701833724976e-01 4.0203678607940674e-01 - <_> - - 0 -1 1928 3.0073199886828661e-03 - - 5.2390581369400024e-01 3.3178439736366272e-01 - <_> - - 0 -1 1929 -1.0513889603316784e-02 - - 4.3206891417503357e-01 5.3079837560653687e-01 - <_> - - 0 -1 1930 8.3476826548576355e-03 - - 4.5046371221542358e-01 6.4532989263534546e-01 - <_> - - 0 -1 1931 -3.1492270063608885e-03 - - 4.3134251236915588e-01 5.3705251216888428e-01 - <_> - - 0 -1 1932 -1.4435649973165710e-05 - - 5.3266030550003052e-01 3.8179719448089600e-01 - <_> - - 0 -1 1933 -4.2855090578086674e-04 - - 4.3051639199256897e-01 5.3820097446441650e-01 - <_> - - 0 -1 1934 1.5062429883982986e-04 - - 4.2359709739685059e-01 5.5449652671813965e-01 - <_> - - 0 -1 1935 7.1559831500053406e-02 - - 5.3030598163604736e-01 2.6788029074668884e-01 - <_> - - 0 -1 1936 8.4095180500298738e-04 - - 3.5571089386940002e-01 5.2054339647293091e-01 - <_> - - 0 -1 1937 6.2986500561237335e-02 - - 5.2253627777099609e-01 2.8613761067390442e-01 - <_> - - 0 -1 1938 -3.3798629883676767e-03 - - 3.6241859197616577e-01 5.2016979455947876e-01 - <_> - - 0 -1 1939 -1.1810739670181647e-04 - - 5.4744768142700195e-01 3.9598938822746277e-01 - <_> - - 0 -1 1940 -5.4505601292476058e-04 - - 3.7404221296310425e-01 5.2157157659530640e-01 - <_> - - 0 -1 1941 -1.8454910023137927e-03 - - 5.8930522203445435e-01 4.5844489336013794e-01 - <_> - - 0 -1 1942 -4.3832371011376381e-04 - - 4.0845820307731628e-01 5.3853511810302734e-01 - <_> - - 0 -1 1943 -2.4000830017030239e-03 - - 3.7774550914764404e-01 5.2935802936553955e-01 - <_> - - 0 -1 1944 -9.8795741796493530e-02 - - 2.9636120796203613e-01 5.0700891017913818e-01 - <_> - - 0 -1 1945 3.1798239797353745e-03 - - 4.8776328563690186e-01 6.7264437675476074e-01 - <_> - - 0 -1 1946 3.2406419632025063e-04 - - 4.3669110536575317e-01 5.5611097812652588e-01 - <_> - - 0 -1 1947 -3.2547250390052795e-02 - - 3.1281578540802002e-01 5.3086161613464355e-01 - <_> - - 0 -1 1948 -7.7561130747199059e-03 - - 6.5602248907089233e-01 4.6398720145225525e-01 - <_> - - 0 -1 1949 1.6027249395847321e-02 - - 5.1726800203323364e-01 3.1418979167938232e-01 - <_> - - 0 -1 1950 7.1002350523485802e-06 - - 4.0844461321830750e-01 5.3362947702407837e-01 - <_> - - 0 -1 1951 7.3422808200120926e-03 - - 4.9669221043586731e-01 6.6034650802612305e-01 - <_> - - 0 -1 1952 -1.6970280557870865e-03 - - 5.9082370996475220e-01 4.5001828670501709e-01 - <_> - - 0 -1 1953 2.4118260480463505e-03 - - 5.3151607513427734e-01 3.5997208952903748e-01 - <_> - - 0 -1 1954 -5.5300937965512276e-03 - - 2.3340409994125366e-01 4.9968141317367554e-01 - <_> - - 0 -1 1955 -2.6478730142116547e-03 - - 5.8809357881546021e-01 4.6847340464591980e-01 - <_> - - 0 -1 1956 1.1295629665255547e-02 - - 4.9837771058082581e-01 1.8845909833908081e-01 - <_> - - 0 -1 1957 -6.6952878842130303e-04 - - 5.8721381425857544e-01 4.7990199923515320e-01 - <_> - - 0 -1 1958 1.4410680159926414e-03 - - 5.1311892271041870e-01 3.5010111331939697e-01 - <_> - - 0 -1 1959 2.4637870956212282e-03 - - 5.3393721580505371e-01 4.1176390647888184e-01 - <_> - - 0 -1 1960 3.3114518737420440e-04 - - 4.3133831024169922e-01 5.3982460498809814e-01 - <_> - - 0 -1 1961 -3.3557269722223282e-02 - - 2.6753368973731995e-01 5.1791548728942871e-01 - <_> - - 0 -1 1962 1.8539419397711754e-02 - - 4.9738699197769165e-01 2.3171770572662354e-01 - <_> - - 0 -1 1963 -2.9698139405809343e-04 - - 5.5297082662582397e-01 4.6436640620231628e-01 - <_> - - 0 -1 1964 -4.5577259152196348e-04 - - 5.6295841932296753e-01 4.4691911339759827e-01 - <_> - - 0 -1 1965 -1.0158980265259743e-02 - - 6.7062127590179443e-01 4.9259188771247864e-01 - <_> - - 0 -1 1966 -2.2413829356082715e-05 - - 5.2394217252731323e-01 3.9129018783569336e-01 - <_> - - 0 -1 1967 7.2034963523037732e-05 - - 4.7994381189346313e-01 5.5017888545989990e-01 - <_> - - 0 -1 1968 -6.9267209619283676e-03 - - 6.9300097227096558e-01 4.6980848908424377e-01 - <_> - - 0 -1 1969 -7.6997838914394379e-03 - - 4.0996238589286804e-01 5.4808831214904785e-01 - <_> - - 0 -1 1970 -7.3130549862980843e-03 - - 3.2834759354591370e-01 5.0578862428665161e-01 - <_> - - 0 -1 1971 1.9650589674711227e-03 - - 4.9780470132827759e-01 6.3982498645782471e-01 - <_> - - 0 -1 1972 7.1647600270807743e-03 - - 4.6611601114273071e-01 6.2221372127532959e-01 - <_> - - 0 -1 1973 -2.4078639224171638e-02 - - 2.3346449434757233e-01 5.2221620082855225e-01 - <_> - - 0 -1 1974 -2.1027969196438789e-02 - - 1.1836539953947067e-01 4.9382260441780090e-01 - <_> - - 0 -1 1975 3.6017020465806127e-04 - - 5.3250199556350708e-01 4.1167110204696655e-01 - <_> - - 0 -1 1976 -1.7219729721546173e-02 - - 6.2787622213363647e-01 4.6642690896987915e-01 - <_> - - 0 -1 1977 -7.8672142699360847e-03 - - 3.4034150838851929e-01 5.2497369050979614e-01 - <_> - - 0 -1 1978 -4.4777389848604798e-04 - - 3.6104118824005127e-01 5.0862592458724976e-01 - <_> - - 0 -1 1979 5.5486010387539864e-03 - - 4.8842659592628479e-01 6.2034982442855835e-01 - <_> - - 0 -1 1980 -6.9461148232221603e-03 - - 2.6259300112724304e-01 5.0110971927642822e-01 - <_> - - 0 -1 1981 1.3569870498031378e-04 - - 4.3407949805259705e-01 5.6283122301101685e-01 - <_> - - 0 -1 1982 -4.5880250632762909e-02 - - 6.5079987049102783e-01 4.6962749958038330e-01 - <_> - - 0 -1 1983 -2.1582560613751411e-02 - - 3.8265028595924377e-01 5.2876168489456177e-01 - <_> - - 0 -1 1984 -2.0209539681673050e-02 - - 3.2333680987358093e-01 5.0744771957397461e-01 - <_> - - 0 -1 1985 5.8496710844337940e-03 - - 5.1776039600372314e-01 4.4896709918975830e-01 - <_> - - 0 -1 1986 -5.7476379879517481e-05 - - 4.0208509564399719e-01 5.2463638782501221e-01 - <_> - - 0 -1 1987 -1.1513100471347570e-03 - - 6.3150721788406372e-01 4.9051541090011597e-01 - <_> - - 0 -1 1988 1.9862831104546785e-03 - - 4.7024598717689514e-01 6.4971512556076050e-01 - <_> - - 0 -1 1989 -5.2719512023031712e-03 - - 3.6503839492797852e-01 5.2276527881622314e-01 - <_> - - 0 -1 1990 1.2662699446082115e-03 - - 5.1661008596420288e-01 3.8776180148124695e-01 - <_> - - 0 -1 1991 -6.2919440679252148e-03 - - 7.3758941888809204e-01 5.0238478183746338e-01 - <_> - - 0 -1 1992 6.7360111279413104e-04 - - 4.4232261180877686e-01 5.4955857992172241e-01 - <_> - - 0 -1 1993 -1.0523450328037143e-03 - - 5.9763962030410767e-01 4.8595830798149109e-01 - <_> - - 0 -1 1994 -4.4216238893568516e-04 - - 5.9559392929077148e-01 4.3989309668540955e-01 - <_> - - 0 -1 1995 1.1747940443456173e-03 - - 5.3498882055282593e-01 4.6050581336021423e-01 - <_> - - 0 -1 1996 5.2457437850534916e-03 - - 5.0491911172866821e-01 2.9415771365165710e-01 - <_> - - 0 -1 1997 -2.4539720267057419e-02 - - 2.5501778721809387e-01 5.2185869216918945e-01 - <_> - - 0 -1 1998 7.3793041519820690e-04 - - 4.4248610734939575e-01 5.4908162355422974e-01 - <_> - - 0 -1 1999 1.4233799884095788e-03 - - 5.3195142745971680e-01 4.0813559293746948e-01 - <_> - - 0 -1 2000 -2.4149110540747643e-03 - - 4.0876591205596924e-01 5.2389502525329590e-01 - <_> - - 0 -1 2001 -1.2165299849584699e-03 - - 5.6745791435241699e-01 4.9080529808998108e-01 - <_> - - 0 -1 2002 -1.2438809499144554e-03 - - 4.1294258832931519e-01 5.2561181783676147e-01 - <_> - - 0 -1 2003 6.1942739412188530e-03 - - 5.0601941347122192e-01 7.3136532306671143e-01 - <_> - - 0 -1 2004 -1.6607169527560472e-03 - - 5.9796321392059326e-01 4.5963698625564575e-01 - <_> - - 0 -1 2005 -2.7316259220242500e-02 - - 4.1743651032447815e-01 5.3088420629501343e-01 - <_> - - 0 -1 2006 -1.5845570014789701e-03 - - 5.6158047914505005e-01 4.5194861292839050e-01 - <_> - - 0 -1 2007 -1.5514739789068699e-03 - - 4.0761870145797729e-01 5.3607851266860962e-01 - <_> - - 0 -1 2008 3.8446558755822480e-04 - - 4.3472939729690552e-01 5.4304420948028564e-01 - <_> - - 0 -1 2009 -1.4672259800136089e-02 - - 1.6593049466609955e-01 5.1460939645767212e-01 - <_> - - 0 -1 2010 8.1608882173895836e-03 - - 4.9618190526962280e-01 1.8847459554672241e-01 - <_> - - 0 -1 2011 1.1121659772470593e-03 - - 4.8682639002799988e-01 6.0938161611557007e-01 - <_> - - 0 -1 2012 -7.2603770531713963e-03 - - 6.2843251228332520e-01 4.6903759241104126e-01 - <_> - - 0 -1 2013 -2.4046430189628154e-04 - - 5.5750000476837158e-01 4.0460440516471863e-01 - <_> - - 0 -1 2014 -2.3348190006799996e-04 - - 4.1157621145248413e-01 5.2528482675552368e-01 - <_> - - 0 -1 2015 5.5736480280756950e-03 - - 4.7300729155540466e-01 5.6901007890701294e-01 - <_> - - 0 -1 2016 3.0623769387602806e-02 - - 4.9718868732452393e-01 1.7400950193405151e-01 - <_> - - 0 -1 2017 9.2074798885732889e-04 - - 5.3721177577972412e-01 4.3548721075057983e-01 - <_> - - 0 -1 2018 -4.3550739064812660e-05 - - 5.3668838739395142e-01 4.3473169207572937e-01 - <_> - - 0 -1 2019 -6.6452710889279842e-03 - - 3.4355181455612183e-01 5.1605331897735596e-01 - <_> - - 0 -1 2020 4.3221998959779739e-02 - - 4.7667920589447021e-01 7.2936528921127319e-01 - <_> - - 0 -1 2021 2.2331769578158855e-03 - - 5.0293159484863281e-01 5.6331712007522583e-01 - <_> - - 0 -1 2022 3.1829739455133677e-03 - - 4.0160921216011047e-01 5.1921367645263672e-01 - <_> - - 0 -1 2023 -1.8027749320026487e-04 - - 4.0883159637451172e-01 5.4179197549819946e-01 - <_> - - 0 -1 2024 -5.2934689447283745e-03 - - 4.0756770968437195e-01 5.2435618638992310e-01 - <_> - - 0 -1 2025 1.2750959722325206e-03 - - 4.9132829904556274e-01 6.3870108127593994e-01 - <_> - - 0 -1 2026 4.3385322205722332e-03 - - 5.0316721200942993e-01 2.9473468661308289e-01 - <_> - - 0 -1 2027 8.5250744596123695e-03 - - 4.9497890472412109e-01 6.3088691234588623e-01 - <_> - - 0 -1 2028 -9.4266352243721485e-04 - - 5.3283667564392090e-01 4.2856499552726746e-01 - <_> - - 0 -1 2029 1.3609660090878606e-03 - - 4.9915251135826111e-01 5.9415012598037720e-01 - <_> - - 0 -1 2030 4.4782509212382138e-04 - - 4.5735040307044983e-01 5.8544808626174927e-01 - <_> - - 0 -1 2031 1.3360050506889820e-03 - - 4.6043589711189270e-01 5.8490520715713501e-01 - <_> - - 0 -1 2032 -6.0967548051849008e-04 - - 3.9693889021873474e-01 5.2294230461120605e-01 - <_> - - 0 -1 2033 -2.3656780831515789e-03 - - 5.8083200454711914e-01 4.8983570933341980e-01 - <_> - - 0 -1 2034 1.0734340175986290e-03 - - 4.3512108922004700e-01 5.4700392484664917e-01 - <_> - - 0 -1 2035 2.1923359017819166e-03 - - 5.3550601005554199e-01 3.8429039716720581e-01 - <_> - - 0 -1 2036 5.4968618787825108e-03 - - 5.0181388854980469e-01 2.8271919488906860e-01 - <_> - - 0 -1 2037 -7.5368821620941162e-02 - - 1.2250760197639465e-01 5.1488268375396729e-01 - <_> - - 0 -1 2038 2.5134470313787460e-02 - - 4.7317668795585632e-01 7.0254462957382202e-01 - <_> - - 0 -1 2039 -2.9358599931583740e-05 - - 5.4305320978164673e-01 4.6560868620872498e-01 - <_> - - 0 -1 2040 -5.8355910005047917e-04 - - 4.0310400724411011e-01 5.1901197433471680e-01 - <_> - - 0 -1 2041 -2.6639450807124376e-03 - - 4.3081268668174744e-01 5.1617711782455444e-01 - <_> - - 0 -1 2042 -1.3804089976474643e-03 - - 6.2198299169540405e-01 4.6955159306526184e-01 - <_> - - 0 -1 2043 1.2313219485804439e-03 - - 5.3793638944625854e-01 4.4258311390876770e-01 - <_> - - 0 -1 2044 -1.4644179827882908e-05 - - 5.2816402912139893e-01 4.2225030064582825e-01 - <_> - - 0 -1 2045 -1.2818809598684311e-02 - - 2.5820928812026978e-01 5.1799327135086060e-01 - <_> - - 0 -1 2046 2.2852189838886261e-02 - - 4.7786930203437805e-01 7.6092642545700073e-01 - <_> - - 0 -1 2047 8.2305970136076212e-04 - - 5.3409922122955322e-01 4.6717241406440735e-01 - <_> - - 0 -1 2048 1.2770120054483414e-02 - - 4.9657610058784485e-01 1.4723660051822662e-01 - <_> - - 0 -1 2049 -5.0051510334014893e-02 - - 6.4149940013885498e-01 5.0165921449661255e-01 - <_> - - 0 -1 2050 1.5775270760059357e-02 - - 4.5223200321197510e-01 5.6853622198104858e-01 - <_> - - 0 -1 2051 -1.8501620739698410e-02 - - 2.7647489309310913e-01 5.1379591226577759e-01 - <_> - - 0 -1 2052 2.4626250378787518e-03 - - 5.1419419050216675e-01 3.7954080104827881e-01 - <_> - - 0 -1 2053 6.2916167080402374e-02 - - 5.0606489181518555e-01 6.5804338455200195e-01 - <_> - - 0 -1 2054 -2.1648500478477217e-05 - - 5.1953881978988647e-01 4.0198868513107300e-01 - <_> - - 0 -1 2055 2.1180990152060986e-03 - - 4.9623650312423706e-01 5.9544587135314941e-01 - <_> - - 0 -1 2056 -1.6634890809655190e-02 - - 3.7579330801963806e-01 5.1754468679428101e-01 - <_> - - 0 -1 2057 -2.8899470344185829e-03 - - 6.6240137815475464e-01 5.0571787357330322e-01 - <_> - - 0 -1 2058 7.6783262193202972e-02 - - 4.7957968711853027e-01 8.0477148294448853e-01 - <_> - - 0 -1 2059 3.9170677773654461e-03 - - 4.9378821253776550e-01 5.7199418544769287e-01 - <_> - - 0 -1 2060 -7.2670601308345795e-02 - - 5.3894560784101486e-02 4.9439039826393127e-01 - <_> - - 0 -1 2061 5.4039502143859863e-01 - - 5.1297742128372192e-01 1.1433389782905579e-01 - <_> - - 0 -1 2062 2.9510019812732935e-03 - - 4.5283439755439758e-01 5.6985741853713989e-01 - <_> - - 0 -1 2063 3.4508369863033295e-03 - - 5.3577268123626709e-01 4.2187309265136719e-01 - <_> - - 0 -1 2064 -4.2077939724549651e-04 - - 5.9161728620529175e-01 4.6379259228706360e-01 - <_> - - 0 -1 2065 3.3051050268113613e-03 - - 5.2733850479125977e-01 4.3820428848266602e-01 - <_> - - 0 -1 2066 4.7735060798004270e-04 - - 4.0465280413627625e-01 5.1818847656250000e-01 - <_> - - 0 -1 2067 -2.5928510352969170e-02 - - 7.4522358179092407e-01 5.0893861055374146e-01 - <_> - - 0 -1 2068 -2.9729790985584259e-03 - - 3.2954359054565430e-01 5.0587952136993408e-01 - <_> - - 0 -1 2069 5.8508329093456268e-03 - - 4.8571440577507019e-01 5.7930248975753784e-01 - <_> - - 0 -1 2070 -4.5967519283294678e-02 - - 4.3127310276031494e-01 5.3806531429290771e-01 - <_> - - 0 -1 2071 1.5585960447788239e-01 - - 5.1961702108383179e-01 1.6847139596939087e-01 - <_> - - 0 -1 2072 1.5164829790592194e-02 - - 4.7357571125030518e-01 6.7350268363952637e-01 - <_> - - 0 -1 2073 -1.0604249546304345e-03 - - 5.8229267597198486e-01 4.7757029533386230e-01 - <_> - - 0 -1 2074 6.6476291976869106e-03 - - 4.9991989135742188e-01 2.3195350170135498e-01 - <_> - - 0 -1 2075 -1.2231130152940750e-02 - - 4.7508931159973145e-01 5.2629822492599487e-01 - <_> - - 0 -1 2076 5.6528882123529911e-03 - - 5.0697678327560425e-01 3.5618188977241516e-01 - <_> - - 0 -1 2077 1.2977829901501536e-03 - - 4.8756939172744751e-01 5.6190627813339233e-01 - <_> - - 0 -1 2078 1.0781589895486832e-02 - - 4.7507700324058533e-01 6.7823082208633423e-01 - <_> - - 0 -1 2079 2.8654779307544231e-03 - - 5.3054618835449219e-01 4.2907360196113586e-01 - <_> - - 0 -1 2080 2.8663428965955973e-03 - - 4.5184791088104248e-01 5.5393511056900024e-01 - <_> - - 0 -1 2081 -5.1983320154249668e-03 - - 4.1491198539733887e-01 5.4341888427734375e-01 - <_> - - 0 -1 2082 5.3739990107715130e-03 - - 4.7178968787193298e-01 6.5076571702957153e-01 - <_> - - 0 -1 2083 -1.4641529880464077e-02 - - 2.1721640229225159e-01 5.1617771387100220e-01 - <_> - - 0 -1 2084 -1.5042580344015732e-05 - - 5.3373837471008301e-01 4.2988368868827820e-01 - <_> - - 0 -1 2085 -1.1875660129589960e-04 - - 4.6045941114425659e-01 5.5824470520019531e-01 - <_> - - 0 -1 2086 1.6995530575513840e-02 - - 4.9458950757980347e-01 7.3880076408386230e-02 - <_> - - 0 -1 2087 -3.5095941275358200e-02 - - 7.0055091381072998e-01 4.9775910377502441e-01 - <_> - - 0 -1 2088 2.4217350874096155e-03 - - 4.4662651419639587e-01 5.4776942729949951e-01 - <_> - - 0 -1 2089 -9.6340337768197060e-04 - - 4.7140988707542419e-01 5.3133380413055420e-01 - <_> - - 0 -1 2090 1.6391130338888615e-04 - - 4.3315461277961731e-01 5.3422421216964722e-01 - <_> - - 0 -1 2091 -2.1141460165381432e-02 - - 2.6447001099586487e-01 5.2044987678527832e-01 - <_> - - 0 -1 2092 8.7775202700868249e-04 - - 5.2083498239517212e-01 4.1527429223060608e-01 - <_> - - 0 -1 2093 -2.7943920344114304e-02 - - 6.3441252708435059e-01 5.0188118219375610e-01 - <_> - - 0 -1 2094 6.7297378554940224e-03 - - 5.0504380464553833e-01 3.5008639097213745e-01 - <_> - - 0 -1 2095 2.3281039670109749e-02 - - 4.9663180112838745e-01 6.9686770439147949e-01 - <_> - - 0 -1 2096 -1.1644979938864708e-02 - - 3.3002600073814392e-01 5.0496298074722290e-01 - <_> - - 0 -1 2097 1.5764309093356133e-02 - - 4.9915981292724609e-01 7.3211538791656494e-01 - <_> - - 0 -1 2098 -1.3611479662358761e-03 - - 3.9117351174354553e-01 5.1606708765029907e-01 - <_> - - 0 -1 2099 -8.1522337859496474e-04 - - 5.6289112567901611e-01 4.9497190117835999e-01 - <_> - - 0 -1 2100 -6.0066272271797061e-04 - - 5.8535951375961304e-01 4.5505958795547485e-01 - <_> - - 0 -1 2101 4.9715518252924085e-04 - - 4.2714700102806091e-01 5.4435992240905762e-01 - <_> - - 0 -1 2102 2.3475370835512877e-03 - - 5.1431107521057129e-01 3.8876569271087646e-01 - <_> - - 0 -1 2103 -8.9261569082736969e-03 - - 6.0445022583007812e-01 4.9717208743095398e-01 - <_> - - 0 -1 2104 -1.3919910416007042e-02 - - 2.5831609964370728e-01 5.0003677606582642e-01 - <_> - - 0 -1 2105 1.0209949687123299e-03 - - 4.8573741316795349e-01 5.5603581666946411e-01 - <_> - - 0 -1 2106 -2.7441629208624363e-03 - - 5.9368848800659180e-01 4.6457770466804504e-01 - <_> - - 0 -1 2107 -1.6200130805373192e-02 - - 3.1630149483680725e-01 5.1934951543807983e-01 - <_> - - 0 -1 2108 4.3331980705261230e-03 - - 5.0612241029739380e-01 3.4588789939880371e-01 - <_> - - 0 -1 2109 5.8497930876910686e-04 - - 4.7790178656578064e-01 5.8701777458190918e-01 - <_> - - 0 -1 2110 -2.2466450463980436e-03 - - 4.2978510260581970e-01 5.3747731447219849e-01 - <_> - - 0 -1 2111 2.3146099410951138e-03 - - 5.4386717081069946e-01 4.6409699320793152e-01 - <_> - - 0 -1 2112 8.7679121643304825e-03 - - 4.7268930077552795e-01 6.7717897891998291e-01 - <_> - - 0 -1 2113 -2.2448020172305405e-04 - - 4.2291730642318726e-01 5.4280489683151245e-01 - <_> - - 0 -1 2114 -7.4336021207273006e-03 - - 6.0988807678222656e-01 4.6836739778518677e-01 - <_> - - 0 -1 2115 -2.3189240600913763e-03 - - 5.6894367933273315e-01 4.4242420792579651e-01 - <_> - - 0 -1 2116 -2.1042178850620985e-03 - - 3.7622210383415222e-01 5.1870870590209961e-01 - <_> - - 0 -1 2117 4.6034841216169298e-04 - - 4.6994051337242126e-01 5.7712072134017944e-01 - <_> - - 0 -1 2118 1.0547629790380597e-03 - - 4.4652169942855835e-01 5.6017017364501953e-01 - <_> - - 0 -1 2119 8.7148818420246243e-04 - - 5.4498052597045898e-01 3.9147090911865234e-01 - <_> - - 0 -1 2120 3.3364820410497487e-04 - - 4.5640090107917786e-01 5.6457388401031494e-01 - <_> - - 0 -1 2121 -1.4853250468149781e-03 - - 5.7473778724670410e-01 4.6927788853645325e-01 - <_> - - 0 -1 2122 3.0251620337367058e-03 - - 5.1661968231201172e-01 3.7628141045570374e-01 - <_> - - 0 -1 2123 5.0280741415917873e-03 - - 5.0021117925643921e-01 6.1515271663665771e-01 - <_> - - 0 -1 2124 -5.8164511574432254e-04 - - 5.3945982456207275e-01 4.3907511234283447e-01 - <_> - - 0 -1 2125 4.5141529291868210e-02 - - 5.1883268356323242e-01 2.0630359649658203e-01 - <_> - - 0 -1 2126 -1.0795620037242770e-03 - - 3.9046850800514221e-01 5.1379072666168213e-01 - <_> - - 0 -1 2127 1.5995999274309725e-04 - - 4.8953229188919067e-01 5.4275041818618774e-01 - <_> - - 0 -1 2128 -1.9359270110726357e-02 - - 6.9752287864685059e-01 4.7735071182250977e-01 - <_> - - 0 -1 2129 2.0725509524345398e-01 - - 5.2336359024047852e-01 3.0349919199943542e-01 - <_> - - 0 -1 2130 -4.1953290929086506e-04 - - 5.4193967580795288e-01 4.4601860642433167e-01 - <_> - - 0 -1 2131 2.2582069505006075e-03 - - 4.8157641291618347e-01 6.0274088382720947e-01 - <_> - - 0 -1 2132 -6.7811207845807076e-03 - - 3.9802789688110352e-01 5.1833057403564453e-01 - <_> - - 0 -1 2133 1.1154309846460819e-02 - - 5.4312318563461304e-01 4.1887599229812622e-01 - <_> - - 0 -1 2134 4.3162431567907333e-02 - - 4.7382280230522156e-01 6.5229612588882446e-01 - - <_> - - <_> - 3 7 14 4 -1. - <_> - 3 9 14 2 2. - <_> - - <_> - 1 2 18 4 -1. - <_> - 7 2 6 4 3. - <_> - - <_> - 1 7 15 9 -1. - <_> - 1 10 15 3 3. - <_> - - <_> - 5 6 2 6 -1. - <_> - 5 9 2 3 2. - <_> - - <_> - 7 5 6 3 -1. - <_> - 9 5 2 3 3. - <_> - - <_> - 4 0 12 9 -1. - <_> - 4 3 12 3 3. - <_> - - <_> - 6 9 10 8 -1. - <_> - 6 13 10 4 2. - <_> - - <_> - 3 6 14 8 -1. - <_> - 3 10 14 4 2. - <_> - - <_> - 14 1 6 10 -1. - <_> - 14 1 3 10 2. - <_> - - <_> - 7 8 5 12 -1. - <_> - 7 12 5 4 3. - <_> - - <_> - 1 1 18 3 -1. - <_> - 7 1 6 3 3. - <_> - - <_> - 1 8 17 2 -1. - <_> - 1 9 17 1 2. - <_> - - <_> - 16 6 4 2 -1. - <_> - 16 7 4 1 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 18 2 1 2. - <_> - - <_> - 14 2 6 12 -1. - <_> - 14 2 3 12 2. - <_> - - <_> - 4 0 4 12 -1. - <_> - 4 0 2 6 2. - <_> - 6 6 2 6 2. - <_> - - <_> - 2 11 18 8 -1. - <_> - 8 11 6 8 3. - <_> - - <_> - 5 7 10 2 -1. - <_> - 5 8 10 1 2. - <_> - - <_> - 15 11 5 3 -1. - <_> - 15 12 5 1 3. - <_> - - <_> - 5 3 10 9 -1. - <_> - 5 6 10 3 3. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 3 5 4 12 -1. - <_> - 3 9 4 4 3. - <_> - - <_> - 4 5 12 5 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 5 6 10 8 -1. - <_> - 5 10 10 4 2. - <_> - - <_> - 8 0 6 9 -1. - <_> - 8 3 6 3 3. - <_> - - <_> - 9 12 1 8 -1. - <_> - 9 16 1 4 2. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 7 0 6 17 -1. - <_> - 9 0 2 17 3. - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 5 1 6 4 -1. - <_> - 7 1 2 4 3. - <_> - - <_> - 12 1 6 16 -1. - <_> - 14 1 2 16 3. - <_> - - <_> - 0 5 18 8 -1. - <_> - 0 5 9 4 2. - <_> - 9 9 9 4 2. - <_> - - <_> - 8 15 10 4 -1. - <_> - 13 15 5 2 2. - <_> - 8 17 5 2 2. - <_> - - <_> - 3 1 4 8 -1. - <_> - 3 1 2 4 2. - <_> - 5 5 2 4 2. - <_> - - <_> - 3 6 14 10 -1. - <_> - 10 6 7 5 2. - <_> - 3 11 7 5 2. - <_> - - <_> - 2 1 6 16 -1. - <_> - 4 1 2 16 3. - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 19 20 1 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 0 12 9 6 -1. - <_> - 0 14 9 2 3. - <_> - - <_> - 5 7 3 4 -1. - <_> - 5 9 3 2 2. - <_> - - <_> - 9 3 2 16 -1. - <_> - 9 11 2 8 2. - <_> - - <_> - 3 6 13 8 -1. - <_> - 3 10 13 4 2. - <_> - - <_> - 12 3 8 2 -1. - <_> - 12 3 4 2 2. - <_> - - <_> - 8 8 4 12 -1. - <_> - 8 12 4 4 3. - <_> - - <_> - 11 3 8 6 -1. - <_> - 15 3 4 3 2. - <_> - 11 6 4 3 2. - <_> - - <_> - 7 1 6 19 -1. - <_> - 9 1 2 19 3. - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 3 1 9 3 -1. - <_> - 6 1 3 3 3. - <_> - - <_> - 8 15 10 4 -1. - <_> - 13 15 5 2 2. - <_> - 8 17 5 2 2. - <_> - - <_> - 0 3 6 10 -1. - <_> - 3 3 3 10 2. - <_> - - <_> - 3 4 15 15 -1. - <_> - 3 9 15 5 3. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 7 8 2 3. - <_> - - <_> - 4 4 12 10 -1. - <_> - 10 4 6 5 2. - <_> - 4 9 6 5 2. - <_> - - <_> - 6 4 4 4 -1. - <_> - 8 4 2 4 2. - <_> - - <_> - 15 11 1 2 -1. - <_> - 15 12 1 1 2. - <_> - - <_> - 3 11 2 2 -1. - <_> - 3 12 2 1 2. - <_> - - <_> - 16 11 1 3 -1. - <_> - 16 12 1 1 3. - <_> - - <_> - 3 15 6 4 -1. - <_> - 3 15 3 2 2. - <_> - 6 17 3 2 2. - <_> - - <_> - 6 7 8 2 -1. - <_> - 6 8 8 1 2. - <_> - - <_> - 3 11 1 3 -1. - <_> - 3 12 1 1 3. - <_> - - <_> - 6 0 12 2 -1. - <_> - 6 1 12 1 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 7 15 6 2 -1. - <_> - 7 16 6 1 2. - <_> - - <_> - 0 5 4 6 -1. - <_> - 0 7 4 2 3. - <_> - - <_> - 4 12 12 2 -1. - <_> - 8 12 4 2 3. - <_> - - <_> - 6 3 1 9 -1. - <_> - 6 6 1 3 3. - <_> - - <_> - 10 17 3 2 -1. - <_> - 11 17 1 2 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 7 6 6 4 -1. - <_> - 9 6 2 4 3. - <_> - - <_> - 7 17 3 2 -1. - <_> - 8 17 1 2 3. - <_> - - <_> - 10 17 3 3 -1. - <_> - 11 17 1 3 3. - <_> - - <_> - 8 12 3 2 -1. - <_> - 8 13 3 1 2. - <_> - - <_> - 9 3 6 2 -1. - <_> - 11 3 2 2 3. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 13 14 2 2. - <_> - - <_> - 1 10 18 4 -1. - <_> - 10 10 9 2 2. - <_> - 1 12 9 2 2. - <_> - - <_> - 0 10 3 3 -1. - <_> - 0 11 3 1 3. - <_> - - <_> - 9 1 6 6 -1. - <_> - 11 1 2 6 3. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 1 0 18 9 -1. - <_> - 1 3 18 3 3. - <_> - - <_> - 12 10 2 6 -1. - <_> - 12 13 2 3 2. - <_> - - <_> - 0 5 19 8 -1. - <_> - 0 9 19 4 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 5 3 6 1 -1. - <_> - 7 3 2 1 3. - <_> - - <_> - 11 3 6 1 -1. - <_> - 13 3 2 1 3. - <_> - - <_> - 5 10 4 6 -1. - <_> - 5 13 4 3 2. - <_> - - <_> - 11 3 6 1 -1. - <_> - 13 3 2 1 3. - <_> - - <_> - 4 4 12 6 -1. - <_> - 4 6 12 2 3. - <_> - - <_> - 15 12 2 6 -1. - <_> - 15 14 2 2 3. - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 2 2. - <_> - - <_> - 9 3 3 1 -1. - <_> - 10 3 1 1 3. - <_> - - <_> - 1 1 4 14 -1. - <_> - 3 1 2 14 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 11 0 2 2 2. - <_> - 9 2 2 2 2. - <_> - - <_> - 7 5 1 14 -1. - <_> - 7 12 1 7 2. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 5 5 6 4 -1. - <_> - 8 5 3 4 2. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 7 12 2 3. - <_> - - <_> - 3 12 2 6 -1. - <_> - 3 14 2 2 3. - <_> - - <_> - 10 8 2 12 -1. - <_> - 10 12 2 4 3. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 5 11 9 3 -1. - <_> - 5 12 9 1 3. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 1 1 18 5 -1. - <_> - 7 1 6 5 3. - <_> - - <_> - 8 0 4 4 -1. - <_> - 10 0 2 2 2. - <_> - 8 2 2 2 2. - <_> - - <_> - 3 12 1 3 -1. - <_> - 3 13 1 1 3. - <_> - - <_> - 8 14 5 3 -1. - <_> - 8 15 5 1 3. - <_> - - <_> - 5 4 10 12 -1. - <_> - 5 4 5 6 2. - <_> - 10 10 5 6 2. - <_> - - <_> - 9 6 9 12 -1. - <_> - 9 10 9 4 3. - <_> - - <_> - 2 2 12 14 -1. - <_> - 2 2 6 7 2. - <_> - 8 9 6 7 2. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 7 4 6 4 -1. - <_> - 7 6 6 2 2. - <_> - - <_> - 4 5 11 8 -1. - <_> - 4 9 11 4 2. - <_> - - <_> - 3 10 16 4 -1. - <_> - 3 12 16 2 2. - <_> - - <_> - 0 0 16 2 -1. - <_> - 0 1 16 1 2. - <_> - - <_> - 7 5 6 2 -1. - <_> - 9 5 2 2 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 10 5 8 15 -1. - <_> - 10 10 8 5 3. - <_> - - <_> - 3 14 8 6 -1. - <_> - 3 14 4 3 2. - <_> - 7 17 4 3 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 14 3 2 1 2. - <_> - - <_> - 1 10 7 6 -1. - <_> - 1 13 7 3 2. - <_> - - <_> - 15 4 4 3 -1. - <_> - 15 4 2 3 2. - <_> - - <_> - 2 9 14 6 -1. - <_> - 2 9 7 3 2. - <_> - 9 12 7 3 2. - <_> - - <_> - 5 7 10 4 -1. - <_> - 5 9 10 2 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 6 9 4 4 2. - <_> - 10 13 4 4 2. - <_> - - <_> - 14 1 3 2 -1. - <_> - 14 2 3 1 2. - <_> - - <_> - 1 4 4 2 -1. - <_> - 3 4 2 2 2. - <_> - - <_> - 11 10 2 8 -1. - <_> - 11 14 2 4 2. - <_> - - <_> - 0 0 5 3 -1. - <_> - 0 1 5 1 3. - <_> - - <_> - 2 5 18 8 -1. - <_> - 11 5 9 4 2. - <_> - 2 9 9 4 2. - <_> - - <_> - 6 6 1 6 -1. - <_> - 6 9 1 3 2. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 7 6 6 6 -1. - <_> - 9 6 2 6 3. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 8 4 8 12 -1. - <_> - 12 4 4 6 2. - <_> - 8 10 4 6 2. - <_> - - <_> - 5 2 6 3 -1. - <_> - 7 2 2 3 3. - <_> - - <_> - 6 1 9 10 -1. - <_> - 6 6 9 5 2. - <_> - - <_> - 0 4 6 12 -1. - <_> - 2 4 2 12 3. - <_> - - <_> - 15 13 2 3 -1. - <_> - 15 14 2 1 3. - <_> - - <_> - 7 14 5 3 -1. - <_> - 7 15 5 1 3. - <_> - - <_> - 15 13 3 3 -1. - <_> - 15 14 3 1 3. - <_> - - <_> - 6 14 8 3 -1. - <_> - 6 15 8 1 3. - <_> - - <_> - 15 13 3 3 -1. - <_> - 15 14 3 1 3. - <_> - - <_> - 2 13 3 3 -1. - <_> - 2 14 3 1 3. - <_> - - <_> - 4 7 12 12 -1. - <_> - 10 7 6 6 2. - <_> - 4 13 6 6 2. - <_> - - <_> - 9 7 2 6 -1. - <_> - 10 7 1 6 2. - <_> - - <_> - 8 9 5 2 -1. - <_> - 8 10 5 1 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 9 6 2 8 -1. - <_> - 9 10 2 4 2. - <_> - - <_> - 7 7 3 6 -1. - <_> - 8 7 1 6 3. - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 3 1 3 3. - <_> - - <_> - 5 4 6 1 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 7 10 1 3. - <_> - - <_> - 7 3 6 9 -1. - <_> - 7 6 6 3 3. - <_> - - <_> - 6 7 9 1 -1. - <_> - 9 7 3 1 3. - <_> - - <_> - 2 8 16 8 -1. - <_> - 2 12 16 4 2. - <_> - - <_> - 14 6 2 6 -1. - <_> - 14 9 2 3 2. - <_> - - <_> - 1 5 6 15 -1. - <_> - 1 10 6 5 3. - <_> - - <_> - 10 0 6 9 -1. - <_> - 10 3 6 3 3. - <_> - - <_> - 6 6 7 14 -1. - <_> - 6 13 7 7 2. - <_> - - <_> - 13 7 3 6 -1. - <_> - 13 9 3 2 3. - <_> - - <_> - 1 8 15 4 -1. - <_> - 6 8 5 4 3. - <_> - - <_> - 11 2 3 10 -1. - <_> - 11 7 3 5 2. - <_> - - <_> - 3 7 4 6 -1. - <_> - 3 9 4 2 3. - <_> - - <_> - 13 3 6 10 -1. - <_> - 15 3 2 10 3. - <_> - - <_> - 5 7 8 10 -1. - <_> - 5 7 4 5 2. - <_> - 9 12 4 5 2. - <_> - - <_> - 4 4 12 12 -1. - <_> - 10 4 6 6 2. - <_> - 4 10 6 6 2. - <_> - - <_> - 1 4 6 9 -1. - <_> - 3 4 2 9 3. - <_> - - <_> - 11 3 2 5 -1. - <_> - 11 3 1 5 2. - <_> - - <_> - 7 3 2 5 -1. - <_> - 8 3 1 5 2. - <_> - - <_> - 10 14 2 3 -1. - <_> - 10 15 2 1 3. - <_> - - <_> - 5 12 6 2 -1. - <_> - 8 12 3 2 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 4 11 12 6 -1. - <_> - 4 14 12 3 2. - <_> - - <_> - 11 11 5 9 -1. - <_> - 11 14 5 3 3. - <_> - - <_> - 6 15 3 2 -1. - <_> - 6 16 3 1 2. - <_> - - <_> - 11 0 3 5 -1. - <_> - 12 0 1 5 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 8 5 3 7 2. - <_> - - <_> - 13 0 1 9 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 3 2 4 8 -1. - <_> - 3 2 2 4 2. - <_> - 5 6 2 4 2. - <_> - - <_> - 13 12 4 6 -1. - <_> - 13 14 4 2 3. - <_> - - <_> - 3 12 4 6 -1. - <_> - 3 14 4 2 3. - <_> - - <_> - 13 11 3 4 -1. - <_> - 13 13 3 2 2. - <_> - - <_> - 4 4 4 3 -1. - <_> - 4 5 4 1 3. - <_> - - <_> - 7 5 11 8 -1. - <_> - 7 9 11 4 2. - <_> - - <_> - 7 8 3 4 -1. - <_> - 8 8 1 4 3. - <_> - - <_> - 9 1 6 1 -1. - <_> - 11 1 2 1 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 5 6 3 1 3. - <_> - - <_> - 0 9 20 6 -1. - <_> - 10 9 10 3 2. - <_> - 0 12 10 3 2. - <_> - - <_> - 8 6 3 5 -1. - <_> - 9 6 1 5 3. - <_> - - <_> - 11 0 1 3 -1. - <_> - 11 1 1 1 3. - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 3 4 1 2. - <_> - - <_> - 12 6 4 3 -1. - <_> - 12 7 4 1 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 9 7 3 8 -1. - <_> - 10 7 1 8 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 6 7 14 4 -1. - <_> - 13 7 7 2 2. - <_> - 6 9 7 2 2. - <_> - - <_> - 0 5 3 6 -1. - <_> - 0 7 3 2 3. - <_> - - <_> - 13 11 3 4 -1. - <_> - 13 13 3 2 2. - <_> - - <_> - 4 11 3 4 -1. - <_> - 4 13 3 2 2. - <_> - - <_> - 5 9 12 8 -1. - <_> - 11 9 6 4 2. - <_> - 5 13 6 4 2. - <_> - - <_> - 9 12 1 3 -1. - <_> - 9 13 1 1 3. - <_> - - <_> - 10 15 2 4 -1. - <_> - 10 17 2 2 2. - <_> - - <_> - 7 7 6 1 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 12 3 6 6 -1. - <_> - 15 3 3 3 2. - <_> - 12 6 3 3 2. - <_> - - <_> - 0 4 10 6 -1. - <_> - 0 6 10 2 3. - <_> - - <_> - 8 3 8 14 -1. - <_> - 12 3 4 7 2. - <_> - 8 10 4 7 2. - <_> - - <_> - 4 4 7 15 -1. - <_> - 4 9 7 5 3. - <_> - - <_> - 12 2 6 8 -1. - <_> - 15 2 3 4 2. - <_> - 12 6 3 4 2. - <_> - - <_> - 2 2 6 8 -1. - <_> - 2 2 3 4 2. - <_> - 5 6 3 4 2. - <_> - - <_> - 2 13 18 7 -1. - <_> - 8 13 6 7 3. - <_> - - <_> - 4 3 8 14 -1. - <_> - 4 3 4 7 2. - <_> - 8 10 4 7 2. - <_> - - <_> - 18 1 2 6 -1. - <_> - 18 3 2 2 3. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 18 1 2 6 -1. - <_> - 18 3 2 2 3. - <_> - - <_> - 0 1 2 6 -1. - <_> - 0 3 2 2 3. - <_> - - <_> - 1 5 18 6 -1. - <_> - 1 7 18 2 3. - <_> - - <_> - 0 2 6 7 -1. - <_> - 3 2 3 7 2. - <_> - - <_> - 7 3 6 14 -1. - <_> - 7 10 6 7 2. - <_> - - <_> - 3 7 13 10 -1. - <_> - 3 12 13 5 2. - <_> - - <_> - 11 15 2 2 -1. - <_> - 11 16 2 1 2. - <_> - - <_> - 2 11 16 4 -1. - <_> - 2 11 8 2 2. - <_> - 10 13 8 2 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 6 10 3 9 -1. - <_> - 6 13 3 3 3. - <_> - - <_> - 14 6 1 6 -1. - <_> - 14 9 1 3 2. - <_> - - <_> - 5 10 4 1 -1. - <_> - 7 10 2 1 2. - <_> - - <_> - 3 8 15 5 -1. - <_> - 8 8 5 5 3. - <_> - - <_> - 1 6 5 4 -1. - <_> - 1 8 5 2 2. - <_> - - <_> - 3 1 17 6 -1. - <_> - 3 3 17 2 3. - <_> - - <_> - 6 7 8 2 -1. - <_> - 10 7 4 2 2. - <_> - - <_> - 9 7 3 2 -1. - <_> - 10 7 1 2 3. - <_> - - <_> - 8 7 3 2 -1. - <_> - 9 7 1 2 3. - <_> - - <_> - 8 9 4 2 -1. - <_> - 8 10 4 1 2. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 3 4 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 4 7 12 6 -1. - <_> - 10 7 6 3 2. - <_> - 4 10 6 3 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 9 8 3 1 3. - <_> - - <_> - 7 4 3 8 -1. - <_> - 8 4 1 8 3. - <_> - - <_> - 10 0 3 6 -1. - <_> - 11 0 1 6 3. - <_> - - <_> - 6 3 4 8 -1. - <_> - 8 3 2 8 2. - <_> - - <_> - 14 3 6 13 -1. - <_> - 14 3 3 13 2. - <_> - - <_> - 8 13 3 6 -1. - <_> - 8 16 3 3 2. - <_> - - <_> - 14 3 6 13 -1. - <_> - 14 3 3 13 2. - <_> - - <_> - 0 7 10 4 -1. - <_> - 0 7 5 2 2. - <_> - 5 9 5 2 2. - <_> - - <_> - 14 3 6 13 -1. - <_> - 14 3 3 13 2. - <_> - - <_> - 0 3 6 13 -1. - <_> - 3 3 3 13 2. - <_> - - <_> - 9 1 4 1 -1. - <_> - 9 1 2 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 10 16 4 4 -1. - <_> - 12 16 2 2 2. - <_> - 10 18 2 2 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 10 6 1 3 2. - <_> - - <_> - 4 5 12 2 -1. - <_> - 8 5 4 2 3. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 6 8 2 3. - <_> - - <_> - 9 5 2 12 -1. - <_> - 9 11 2 6 2. - <_> - - <_> - 4 6 6 8 -1. - <_> - 4 10 6 4 2. - <_> - - <_> - 12 2 8 5 -1. - <_> - 12 2 4 5 2. - <_> - - <_> - 0 8 18 3 -1. - <_> - 0 9 18 1 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 0 2 8 5 -1. - <_> - 4 2 4 5 2. - <_> - - <_> - 13 11 3 4 -1. - <_> - 13 13 3 2 2. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 11 3 3 1 -1. - <_> - 12 3 1 1 3. - <_> - - <_> - 7 13 5 3 -1. - <_> - 7 14 5 1 3. - <_> - - <_> - 11 11 7 6 -1. - <_> - 11 14 7 3 2. - <_> - - <_> - 2 11 7 6 -1. - <_> - 2 14 7 3 2. - <_> - - <_> - 12 14 2 6 -1. - <_> - 12 16 2 2 3. - <_> - - <_> - 8 14 3 3 -1. - <_> - 8 15 3 1 3. - <_> - - <_> - 11 0 3 5 -1. - <_> - 12 0 1 5 3. - <_> - - <_> - 6 1 4 9 -1. - <_> - 8 1 2 9 2. - <_> - - <_> - 10 3 6 1 -1. - <_> - 12 3 2 1 3. - <_> - - <_> - 8 8 3 4 -1. - <_> - 8 10 3 2 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 5 18 4 2 -1. - <_> - 5 19 4 1 2. - <_> - - <_> - 2 1 18 6 -1. - <_> - 2 3 18 2 3. - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 13 8 6 2 -1. - <_> - 16 8 3 1 2. - <_> - 13 9 3 1 2. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 13 3 3 2. - <_> - - <_> - 0 13 20 4 -1. - <_> - 10 13 10 2 2. - <_> - 0 15 10 2 2. - <_> - - <_> - 7 7 6 5 -1. - <_> - 9 7 2 5 3. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 1 2 1 2. - <_> - - <_> - 1 8 6 2 -1. - <_> - 1 8 3 1 2. - <_> - 4 9 3 1 2. - <_> - - <_> - 0 2 20 2 -1. - <_> - 10 2 10 1 2. - <_> - 0 3 10 1 2. - <_> - - <_> - 7 14 5 3 -1. - <_> - 7 15 5 1 3. - <_> - - <_> - 7 13 6 6 -1. - <_> - 10 13 3 3 2. - <_> - 7 16 3 3 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 16 11 1 6 -1. - <_> - 16 13 1 2 3. - <_> - - <_> - 3 11 1 6 -1. - <_> - 3 13 1 2 3. - <_> - - <_> - 4 4 14 12 -1. - <_> - 11 4 7 6 2. - <_> - 4 10 7 6 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 7 8 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 3 1 4 10 -1. - <_> - 3 1 2 5 2. - <_> - 5 6 2 5 2. - <_> - - <_> - 5 7 10 2 -1. - <_> - 5 7 5 2 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 7 8 3 4 -1. - <_> - 8 8 1 4 3. - <_> - - <_> - 13 4 1 12 -1. - <_> - 13 10 1 6 2. - <_> - - <_> - 4 5 12 12 -1. - <_> - 4 5 6 6 2. - <_> - 10 11 6 6 2. - <_> - - <_> - 7 14 7 3 -1. - <_> - 7 15 7 1 3. - <_> - - <_> - 3 12 2 3 -1. - <_> - 3 13 2 1 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 10 2 7 1 2. - <_> - 3 3 7 1 2. - <_> - - <_> - 0 1 3 10 -1. - <_> - 1 1 1 10 3. - <_> - - <_> - 9 0 6 5 -1. - <_> - 11 0 2 5 3. - <_> - - <_> - 5 7 6 2 -1. - <_> - 8 7 3 2 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 1 1 18 3 -1. - <_> - 7 1 6 3 3. - <_> - - <_> - 16 3 3 6 -1. - <_> - 16 5 3 2 3. - <_> - - <_> - 6 3 7 6 -1. - <_> - 6 6 7 3 2. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 0 4 17 10 -1. - <_> - 0 9 17 5 2. - <_> - - <_> - 3 4 15 16 -1. - <_> - 3 12 15 8 2. - <_> - - <_> - 7 15 6 4 -1. - <_> - 7 17 6 2 2. - <_> - - <_> - 15 2 4 9 -1. - <_> - 15 2 2 9 2. - <_> - - <_> - 2 3 3 2 -1. - <_> - 2 4 3 1 2. - <_> - - <_> - 13 6 7 9 -1. - <_> - 13 9 7 3 3. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 0 2 20 6 -1. - <_> - 10 2 10 3 2. - <_> - 0 5 10 3 2. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 13 10 3 4 -1. - <_> - 13 12 3 2 2. - <_> - - <_> - 4 10 3 4 -1. - <_> - 4 12 3 2 2. - <_> - - <_> - 7 5 6 3 -1. - <_> - 9 5 2 3 3. - <_> - - <_> - 7 6 6 8 -1. - <_> - 7 10 6 4 2. - <_> - - <_> - 0 11 20 6 -1. - <_> - 0 14 20 3 2. - <_> - - <_> - 4 13 4 6 -1. - <_> - 4 13 2 3 2. - <_> - 6 16 2 3 2. - <_> - - <_> - 6 0 8 12 -1. - <_> - 10 0 4 6 2. - <_> - 6 6 4 6 2. - <_> - - <_> - 2 0 15 2 -1. - <_> - 2 1 15 1 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 13 1 1 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 7 3 3 1 -1. - <_> - 8 3 1 1 3. - <_> - - <_> - 17 7 3 6 -1. - <_> - 17 9 3 2 3. - <_> - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - <_> - - <_> - 11 4 5 3 -1. - <_> - 11 5 5 1 3. - <_> - - <_> - 4 4 5 3 -1. - <_> - 4 5 5 1 3. - <_> - - <_> - 19 3 1 2 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 5 5 4 3 -1. - <_> - 5 6 4 1 3. - <_> - - <_> - 17 7 3 6 -1. - <_> - 17 9 3 2 3. - <_> - - <_> - 0 7 3 6 -1. - <_> - 0 9 3 2 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 6 5 2 3. - <_> - - <_> - 10 5 6 2 -1. - <_> - 12 5 2 2 3. - <_> - - <_> - 4 5 6 2 -1. - <_> - 6 5 2 2 3. - <_> - - <_> - 8 1 4 6 -1. - <_> - 8 3 4 2 3. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 7 8 1 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 16 0 4 15 -1. - <_> - 16 0 2 15 2. - <_> - - <_> - 1 10 3 2 -1. - <_> - 1 11 3 1 2. - <_> - - <_> - 14 4 1 10 -1. - <_> - 14 9 1 5 2. - <_> - - <_> - 0 1 4 12 -1. - <_> - 2 1 2 12 2. - <_> - - <_> - 11 11 4 2 -1. - <_> - 11 11 2 2 2. - <_> - - <_> - 5 11 4 2 -1. - <_> - 7 11 2 2 2. - <_> - - <_> - 3 8 15 5 -1. - <_> - 8 8 5 5 3. - <_> - - <_> - 0 0 6 10 -1. - <_> - 3 0 3 10 2. - <_> - - <_> - 11 4 3 2 -1. - <_> - 12 4 1 2 3. - <_> - - <_> - 8 12 3 8 -1. - <_> - 8 16 3 4 2. - <_> - - <_> - 8 14 5 3 -1. - <_> - 8 15 5 1 3. - <_> - - <_> - 7 14 4 3 -1. - <_> - 7 15 4 1 3. - <_> - - <_> - 11 4 3 2 -1. - <_> - 12 4 1 2 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 3 15 7 2 2. - <_> - 10 17 7 2 2. - <_> - - <_> - 2 2 16 4 -1. - <_> - 10 2 8 2 2. - <_> - 2 4 8 2 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 3 8 3 12 2. - <_> - - <_> - 5 7 10 2 -1. - <_> - 5 7 5 2 2. - <_> - - <_> - 9 7 2 5 -1. - <_> - 10 7 1 5 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 0 13 8 2 -1. - <_> - 0 14 8 1 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 7 3 2 2. - <_> - 4 9 3 2 2. - <_> - - <_> - 12 6 1 12 -1. - <_> - 12 12 1 6 2. - <_> - - <_> - 9 5 2 6 -1. - <_> - 10 5 1 6 2. - <_> - - <_> - 14 12 2 3 -1. - <_> - 14 13 2 1 3. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 8 12 4 3 -1. - <_> - 8 13 4 1 3. - <_> - - <_> - 5 2 2 4 -1. - <_> - 5 2 1 2 2. - <_> - 6 4 1 2 2. - <_> - - <_> - 5 5 11 3 -1. - <_> - 5 6 11 1 3. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 12 13 8 5 -1. - <_> - 12 13 4 5 2. - <_> - - <_> - 7 6 1 12 -1. - <_> - 7 12 1 6 2. - <_> - - <_> - 1 2 6 3 -1. - <_> - 4 2 3 3 2. - <_> - - <_> - 9 5 6 10 -1. - <_> - 12 5 3 5 2. - <_> - 9 10 3 5 2. - <_> - - <_> - 5 5 8 12 -1. - <_> - 5 5 4 6 2. - <_> - 9 11 4 6 2. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 4 2 2 2 -1. - <_> - 4 3 2 1 2. - <_> - - <_> - 4 18 12 2 -1. - <_> - 8 18 4 2 3. - <_> - - <_> - 7 4 4 16 -1. - <_> - 7 12 4 8 2. - <_> - - <_> - 7 6 7 8 -1. - <_> - 7 10 7 4 2. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 11 15 2 4 -1. - <_> - 11 17 2 2 2. - <_> - - <_> - 3 5 4 8 -1. - <_> - 3 9 4 4 2. - <_> - - <_> - 7 1 6 12 -1. - <_> - 7 7 6 6 2. - <_> - - <_> - 4 6 6 2 -1. - <_> - 6 6 2 2 3. - <_> - - <_> - 16 4 4 6 -1. - <_> - 16 6 4 2 3. - <_> - - <_> - 3 3 5 2 -1. - <_> - 3 4 5 1 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 2 16 4 2 -1. - <_> - 2 17 4 1 2. - <_> - - <_> - 7 13 6 6 -1. - <_> - 10 13 3 3 2. - <_> - 7 16 3 3 2. - <_> - - <_> - 7 0 3 4 -1. - <_> - 8 0 1 4 3. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 0 4 4 6 -1. - <_> - 0 6 4 2 3. - <_> - - <_> - 5 6 12 3 -1. - <_> - 9 6 4 3 3. - <_> - - <_> - 7 6 6 14 -1. - <_> - 9 6 2 14 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 6 12 2 4 -1. - <_> - 6 14 2 2 2. - <_> - - <_> - 10 12 7 6 -1. - <_> - 10 14 7 2 3. - <_> - - <_> - 1 0 15 2 -1. - <_> - 1 1 15 1 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 5 3 3 1 -1. - <_> - 6 3 1 1 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 3 20 10 -1. - <_> - 0 8 20 5 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 19 15 1 2 -1. - <_> - 19 16 1 1 2. - <_> - - <_> - 0 2 4 8 -1. - <_> - 2 2 2 8 2. - <_> - - <_> - 2 1 18 4 -1. - <_> - 11 1 9 2 2. - <_> - 2 3 9 2 2. - <_> - - <_> - 8 12 1 2 -1. - <_> - 8 13 1 1 2. - <_> - - <_> - 5 2 10 6 -1. - <_> - 10 2 5 3 2. - <_> - 5 5 5 3 2. - <_> - - <_> - 9 7 2 4 -1. - <_> - 10 7 1 4 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 4 5 12 8 -1. - <_> - 8 5 4 8 3. - <_> - - <_> - 15 15 4 3 -1. - <_> - 15 16 4 1 3. - <_> - - <_> - 8 18 3 1 -1. - <_> - 9 18 1 1 3. - <_> - - <_> - 9 13 4 3 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 7 13 4 3 -1. - <_> - 7 14 4 1 3. - <_> - - <_> - 19 15 1 2 -1. - <_> - 19 16 1 1 2. - <_> - - <_> - 0 15 8 4 -1. - <_> - 0 17 8 2 2. - <_> - - <_> - 9 3 6 4 -1. - <_> - 11 3 2 4 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 3 14 14 6 -1. - <_> - 3 16 14 2 3. - <_> - - <_> - 6 3 6 6 -1. - <_> - 6 6 6 3 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 14 10 3 2. - <_> - - <_> - 3 10 3 4 -1. - <_> - 4 10 1 4 3. - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - <_> - - <_> - 5 3 6 4 -1. - <_> - 7 3 2 4 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 2 12 2 3 -1. - <_> - 2 13 2 1 3. - <_> - - <_> - 9 8 3 12 -1. - <_> - 9 12 3 4 3. - <_> - - <_> - 3 14 4 6 -1. - <_> - 3 14 2 3 2. - <_> - 5 17 2 3 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 16 2 1 2. - <_> - - <_> - 2 15 2 2 -1. - <_> - 2 16 2 1 2. - <_> - - <_> - 8 12 4 3 -1. - <_> - 8 13 4 1 3. - <_> - - <_> - 0 7 20 1 -1. - <_> - 10 7 10 1 2. - <_> - - <_> - 7 6 8 3 -1. - <_> - 7 6 4 3 2. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 11 1 3 5 -1. - <_> - 12 1 1 5 3. - <_> - - <_> - 6 2 3 6 -1. - <_> - 7 2 1 6 3. - <_> - - <_> - 14 14 6 5 -1. - <_> - 14 14 3 5 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 10 7 1 3 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - <_> - - <_> - 2 11 18 4 -1. - <_> - 11 11 9 2 2. - <_> - 2 13 9 2 2. - <_> - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - <_> - - <_> - 0 15 20 2 -1. - <_> - 0 16 20 1 2. - <_> - - <_> - 4 14 2 3 -1. - <_> - 4 15 2 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 9 7 6 4 -1. - <_> - 12 7 3 2 2. - <_> - 9 9 3 2 2. - <_> - - <_> - 4 7 3 6 -1. - <_> - 4 9 3 2 3. - <_> - - <_> - 11 15 4 4 -1. - <_> - 13 15 2 2 2. - <_> - 11 17 2 2 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 13 1 4 3 -1. - <_> - 13 1 2 3 2. - <_> - - <_> - 5 15 4 4 -1. - <_> - 5 15 2 2 2. - <_> - 7 17 2 2 2. - <_> - - <_> - 9 5 4 7 -1. - <_> - 9 5 2 7 2. - <_> - - <_> - 5 6 8 3 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 7 15 5 3 -1. - <_> - 7 16 5 1 3. - <_> - - <_> - 11 10 4 3 -1. - <_> - 11 10 2 3 2. - <_> - - <_> - 6 9 8 10 -1. - <_> - 6 14 8 5 2. - <_> - - <_> - 10 11 6 2 -1. - <_> - 10 11 3 2 2. - <_> - - <_> - 4 11 6 2 -1. - <_> - 7 11 3 2 2. - <_> - - <_> - 11 3 8 1 -1. - <_> - 11 3 4 1 2. - <_> - - <_> - 6 3 3 2 -1. - <_> - 7 3 1 2 3. - <_> - - <_> - 14 5 6 5 -1. - <_> - 14 5 3 5 2. - <_> - - <_> - 7 5 2 12 -1. - <_> - 7 11 2 6 2. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 4 1 2 3 -1. - <_> - 5 1 1 3 2. - <_> - - <_> - 18 3 2 6 -1. - <_> - 18 5 2 2 3. - <_> - - <_> - 0 3 2 6 -1. - <_> - 0 5 2 2 3. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 7 13 4 3 -1. - <_> - 7 14 4 1 3. - <_> - - <_> - 18 0 2 6 -1. - <_> - 18 2 2 2 3. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 2 2 2 3. - <_> - - <_> - 8 14 6 3 -1. - <_> - 8 15 6 1 3. - <_> - - <_> - 7 4 2 4 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 8 5 4 6 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 6 4 2 2 -1. - <_> - 7 4 1 2 2. - <_> - - <_> - 3 14 14 4 -1. - <_> - 10 14 7 2 2. - <_> - 3 16 7 2 2. - <_> - - <_> - 6 15 6 2 -1. - <_> - 6 15 3 1 2. - <_> - 9 16 3 1 2. - <_> - - <_> - 14 15 6 2 -1. - <_> - 14 16 6 1 2. - <_> - - <_> - 2 12 12 8 -1. - <_> - 2 16 12 4 2. - <_> - - <_> - 7 7 7 2 -1. - <_> - 7 8 7 1 2. - <_> - - <_> - 0 2 18 2 -1. - <_> - 0 3 18 1 2. - <_> - - <_> - 9 6 2 5 -1. - <_> - 9 6 1 5 2. - <_> - - <_> - 7 5 3 8 -1. - <_> - 8 5 1 8 3. - <_> - - <_> - 9 6 3 4 -1. - <_> - 10 6 1 4 3. - <_> - - <_> - 4 13 3 2 -1. - <_> - 4 14 3 1 2. - <_> - - <_> - 9 4 6 3 -1. - <_> - 11 4 2 3 3. - <_> - - <_> - 5 4 6 3 -1. - <_> - 7 4 2 3 3. - <_> - - <_> - 14 11 5 2 -1. - <_> - 14 12 5 1 2. - <_> - - <_> - 1 2 6 9 -1. - <_> - 3 2 2 9 3. - <_> - - <_> - 14 6 6 13 -1. - <_> - 14 6 3 13 2. - <_> - - <_> - 3 6 14 8 -1. - <_> - 3 6 7 4 2. - <_> - 10 10 7 4 2. - <_> - - <_> - 16 0 4 11 -1. - <_> - 16 0 2 11 2. - <_> - - <_> - 3 4 12 12 -1. - <_> - 3 4 6 6 2. - <_> - 9 10 6 6 2. - <_> - - <_> - 11 4 5 3 -1. - <_> - 11 5 5 1 3. - <_> - - <_> - 4 11 4 2 -1. - <_> - 4 12 4 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 5 6 3 3 -1. - <_> - 5 7 3 1 3. - <_> - - <_> - 10 0 3 3 -1. - <_> - 11 0 1 3 3. - <_> - - <_> - 5 6 6 2 -1. - <_> - 5 6 3 1 2. - <_> - 8 7 3 1 2. - <_> - - <_> - 12 16 4 3 -1. - <_> - 12 17 4 1 3. - <_> - - <_> - 3 12 3 2 -1. - <_> - 3 13 3 1 2. - <_> - - <_> - 9 12 3 2 -1. - <_> - 9 13 3 1 2. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 4 4 5 3 -1. - <_> - 4 5 5 1 3. - <_> - - <_> - 12 16 4 3 -1. - <_> - 12 17 4 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 1 2 1 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 8 10 4 1 2. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 0 13 6 3 -1. - <_> - 2 13 2 3 3. - <_> - - <_> - 16 14 3 2 -1. - <_> - 16 15 3 1 2. - <_> - - <_> - 1 18 18 2 -1. - <_> - 7 18 6 2 3. - <_> - - <_> - 16 14 3 2 -1. - <_> - 16 15 3 1 2. - <_> - - <_> - 1 14 3 2 -1. - <_> - 1 15 3 1 2. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 5 14 8 3 -1. - <_> - 5 15 8 1 3. - <_> - - <_> - 10 6 4 14 -1. - <_> - 10 6 2 14 2. - <_> - - <_> - 6 6 4 14 -1. - <_> - 8 6 2 14 2. - <_> - - <_> - 13 5 2 3 -1. - <_> - 13 6 2 1 3. - <_> - - <_> - 7 16 6 1 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 0 1 3 3. - <_> - - <_> - 4 0 16 18 -1. - <_> - 4 9 16 9 2. - <_> - - <_> - 1 1 16 14 -1. - <_> - 1 8 16 7 2. - <_> - - <_> - 3 9 15 4 -1. - <_> - 8 9 5 4 3. - <_> - - <_> - 6 12 7 3 -1. - <_> - 6 13 7 1 3. - <_> - - <_> - 14 15 2 3 -1. - <_> - 14 16 2 1 3. - <_> - - <_> - 2 3 16 14 -1. - <_> - 2 3 8 7 2. - <_> - 10 10 8 7 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 4 15 2 3 -1. - <_> - 4 16 2 1 3. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 1 1 8 3 -1. - <_> - 1 2 8 1 3. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 5 11 5 9 -1. - <_> - 5 14 5 3 3. - <_> - - <_> - 16 0 4 11 -1. - <_> - 16 0 2 11 2. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 16 3 3 7 -1. - <_> - 17 3 1 7 3. - <_> - - <_> - 1 3 3 7 -1. - <_> - 2 3 1 7 3. - <_> - - <_> - 7 8 6 12 -1. - <_> - 7 12 6 4 3. - <_> - - <_> - 0 0 4 11 -1. - <_> - 2 0 2 11 2. - <_> - - <_> - 14 0 6 20 -1. - <_> - 14 0 3 20 2. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 5 5 10 8 -1. - <_> - 10 5 5 4 2. - <_> - 5 9 5 4 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 7 6 2 2. - <_> - 10 9 6 2 2. - <_> - - <_> - 2 1 6 4 -1. - <_> - 5 1 3 4 2. - <_> - - <_> - 9 7 6 4 -1. - <_> - 12 7 3 2 2. - <_> - 9 9 3 2 2. - <_> - - <_> - 5 6 2 6 -1. - <_> - 5 9 2 3 2. - <_> - - <_> - 9 16 6 4 -1. - <_> - 12 16 3 2 2. - <_> - 9 18 3 2 2. - <_> - - <_> - 9 4 2 12 -1. - <_> - 9 10 2 6 2. - <_> - - <_> - 7 1 6 18 -1. - <_> - 9 1 2 18 3. - <_> - - <_> - 4 12 12 2 -1. - <_> - 8 12 4 2 3. - <_> - - <_> - 8 8 6 2 -1. - <_> - 8 9 6 1 2. - <_> - - <_> - 8 0 3 6 -1. - <_> - 9 0 1 6 3. - <_> - - <_> - 11 18 3 2 -1. - <_> - 11 19 3 1 2. - <_> - - <_> - 1 1 17 4 -1. - <_> - 1 3 17 2 2. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 12 3 2 17 -1. - <_> - 12 3 1 17 2. - <_> - - <_> - 4 7 6 1 -1. - <_> - 6 7 2 1 3. - <_> - - <_> - 18 3 2 3 -1. - <_> - 18 4 2 1 3. - <_> - - <_> - 8 4 3 4 -1. - <_> - 8 6 3 2 2. - <_> - - <_> - 4 5 12 10 -1. - <_> - 4 10 12 5 2. - <_> - - <_> - 5 18 4 2 -1. - <_> - 7 18 2 2 2. - <_> - - <_> - 17 2 3 6 -1. - <_> - 17 4 3 2 3. - <_> - - <_> - 7 7 6 6 -1. - <_> - 9 7 2 6 3. - <_> - - <_> - 17 2 3 6 -1. - <_> - 17 4 3 2 3. - <_> - - <_> - 8 0 3 4 -1. - <_> - 9 0 1 4 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 0 12 6 3 -1. - <_> - 0 13 6 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 3 12 2 3 -1. - <_> - 3 13 2 1 3. - <_> - - <_> - 5 6 12 7 -1. - <_> - 9 6 4 7 3. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 14 6 1 3 -1. - <_> - 14 7 1 1 3. - <_> - - <_> - 2 0 3 14 -1. - <_> - 3 0 1 14 3. - <_> - - <_> - 12 14 5 6 -1. - <_> - 12 16 5 2 3. - <_> - - <_> - 4 14 5 6 -1. - <_> - 4 16 5 2 3. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 5 0 3 14 -1. - <_> - 6 0 1 14 3. - <_> - - <_> - 10 15 2 3 -1. - <_> - 10 16 2 1 3. - <_> - - <_> - 0 2 2 3 -1. - <_> - 0 3 2 1 3. - <_> - - <_> - 5 11 12 6 -1. - <_> - 5 14 12 3 2. - <_> - - <_> - 6 11 3 9 -1. - <_> - 6 14 3 3 3. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 5 6 1 3 -1. - <_> - 5 7 1 1 3. - <_> - - <_> - 4 9 13 3 -1. - <_> - 4 10 13 1 3. - <_> - - <_> - 1 7 15 6 -1. - <_> - 6 7 5 6 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 8 5 4 6 3. - <_> - - <_> - 8 10 4 3 -1. - <_> - 8 11 4 1 3. - <_> - - <_> - 15 14 1 3 -1. - <_> - 15 15 1 1 3. - <_> - - <_> - 1 11 5 3 -1. - <_> - 1 12 5 1 3. - <_> - - <_> - 7 1 7 12 -1. - <_> - 7 7 7 6 2. - <_> - - <_> - 0 1 6 10 -1. - <_> - 0 1 3 5 2. - <_> - 3 6 3 5 2. - <_> - - <_> - 16 1 4 3 -1. - <_> - 16 2 4 1 3. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 12 2 3 5 -1. - <_> - 13 2 1 5 3. - <_> - - <_> - 0 3 4 6 -1. - <_> - 0 5 4 2 3. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 8 18 3 1 -1. - <_> - 9 18 1 1 3. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 11 11 4 4 -1. - <_> - 11 13 4 2 2. - <_> - - <_> - 8 12 3 8 -1. - <_> - 9 12 1 8 3. - <_> - - <_> - 13 0 6 3 -1. - <_> - 13 1 6 1 3. - <_> - - <_> - 8 8 3 4 -1. - <_> - 9 8 1 4 3. - <_> - - <_> - 5 7 10 10 -1. - <_> - 10 7 5 5 2. - <_> - 5 12 5 5 2. - <_> - - <_> - 3 18 8 2 -1. - <_> - 3 18 4 1 2. - <_> - 7 19 4 1 2. - <_> - - <_> - 10 2 6 8 -1. - <_> - 12 2 2 8 3. - <_> - - <_> - 4 2 6 8 -1. - <_> - 6 2 2 8 3. - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 0 1 7 3. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 15 14 1 3 -1. - <_> - 15 15 1 1 3. - <_> - - <_> - 7 15 2 2 -1. - <_> - 7 15 1 1 2. - <_> - 8 16 1 1 2. - <_> - - <_> - 15 14 1 3 -1. - <_> - 15 15 1 1 3. - <_> - - <_> - 6 0 3 7 -1. - <_> - 7 0 1 7 3. - <_> - - <_> - 18 1 2 7 -1. - <_> - 18 1 1 7 2. - <_> - - <_> - 2 0 8 20 -1. - <_> - 2 10 8 10 2. - <_> - - <_> - 3 0 15 6 -1. - <_> - 3 2 15 2 3. - <_> - - <_> - 4 3 12 2 -1. - <_> - 4 4 12 1 2. - <_> - - <_> - 16 0 4 5 -1. - <_> - 16 0 2 5 2. - <_> - - <_> - 7 0 3 4 -1. - <_> - 8 0 1 4 3. - <_> - - <_> - 16 0 4 5 -1. - <_> - 16 0 2 5 2. - <_> - - <_> - 1 7 6 13 -1. - <_> - 3 7 2 13 3. - <_> - - <_> - 16 0 4 5 -1. - <_> - 16 0 2 5 2. - <_> - - <_> - 0 0 4 5 -1. - <_> - 2 0 2 5 2. - <_> - - <_> - 14 12 3 6 -1. - <_> - 14 14 3 2 3. - <_> - - <_> - 3 12 3 6 -1. - <_> - 3 14 3 2 3. - <_> - - <_> - 16 1 4 3 -1. - <_> - 16 2 4 1 3. - <_> - - <_> - 8 7 2 10 -1. - <_> - 8 7 1 5 2. - <_> - 9 12 1 5 2. - <_> - - <_> - 11 11 4 4 -1. - <_> - 11 13 4 2 2. - <_> - - <_> - 0 1 4 3 -1. - <_> - 0 2 4 1 3. - <_> - - <_> - 13 4 1 3 -1. - <_> - 13 5 1 1 3. - <_> - - <_> - 7 15 3 5 -1. - <_> - 8 15 1 5 3. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 10 6 4 14 -1. - <_> - 10 6 2 14 2. - <_> - - <_> - 0 5 5 6 -1. - <_> - 0 7 5 2 3. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 3 4 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 6 0 6 10 3. - <_> - - <_> - 10 6 4 14 -1. - <_> - 10 6 2 14 2. - <_> - - <_> - 6 6 4 14 -1. - <_> - 8 6 2 14 2. - <_> - - <_> - 13 4 1 3 -1. - <_> - 13 5 1 1 3. - <_> - - <_> - 5 1 2 3 -1. - <_> - 6 1 1 3 2. - <_> - - <_> - 18 1 2 18 -1. - <_> - 19 1 1 9 2. - <_> - 18 10 1 9 2. - <_> - - <_> - 2 1 4 3 -1. - <_> - 2 2 4 1 3. - <_> - - <_> - 18 1 2 18 -1. - <_> - 19 1 1 9 2. - <_> - 18 10 1 9 2. - <_> - - <_> - 1 14 4 6 -1. - <_> - 1 14 2 3 2. - <_> - 3 17 2 3 2. - <_> - - <_> - 10 11 7 6 -1. - <_> - 10 13 7 2 3. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 11 0 3 4 -1. - <_> - 12 0 1 4 3. - <_> - - <_> - 5 10 5 6 -1. - <_> - 5 13 5 3 2. - <_> - - <_> - 14 6 1 8 -1. - <_> - 14 10 1 4 2. - <_> - - <_> - 1 7 18 6 -1. - <_> - 1 7 9 3 2. - <_> - 10 10 9 3 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 5 9 4 5 -1. - <_> - 7 9 2 5 2. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 6 2 3 3. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 7 15 2 4 -1. - <_> - 7 17 2 2 2. - <_> - - <_> - 1 0 19 9 -1. - <_> - 1 3 19 3 3. - <_> - - <_> - 3 7 3 6 -1. - <_> - 3 9 3 2 3. - <_> - - <_> - 13 7 4 4 -1. - <_> - 15 7 2 2 2. - <_> - 13 9 2 2 2. - <_> - - <_> - 3 7 4 4 -1. - <_> - 3 7 2 2 2. - <_> - 5 9 2 2 2. - <_> - - <_> - 9 6 10 8 -1. - <_> - 9 10 10 4 2. - <_> - - <_> - 3 8 14 12 -1. - <_> - 3 14 14 6 2. - <_> - - <_> - 6 5 10 12 -1. - <_> - 11 5 5 6 2. - <_> - 6 11 5 6 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 9 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 9 4 2 4 -1. - <_> - 9 6 2 2 2. - <_> - - <_> - 9 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 11 2 6 1 -1. - <_> - 13 2 2 1 3. - <_> - - <_> - 3 2 6 1 -1. - <_> - 5 2 2 1 3. - <_> - - <_> - 13 5 2 3 -1. - <_> - 13 6 2 1 3. - <_> - - <_> - 0 10 1 4 -1. - <_> - 0 12 1 2 2. - <_> - - <_> - 13 5 2 3 -1. - <_> - 13 6 2 1 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 6 15 9 2 -1. - <_> - 6 16 9 1 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 18 4 2 4 -1. - <_> - 18 6 2 2 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 15 16 3 2 -1. - <_> - 15 17 3 1 2. - <_> - - <_> - 0 0 3 9 -1. - <_> - 0 3 3 3 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 9 8 3 1 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 5 1 6 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 7 6 8 12 -1. - <_> - 11 6 4 6 2. - <_> - 7 12 4 6 2. - <_> - - <_> - 5 6 8 12 -1. - <_> - 5 6 4 6 2. - <_> - 9 12 4 6 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 2 16 3 2 -1. - <_> - 2 17 3 1 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 2 12 6 6 -1. - <_> - 2 14 6 2 3. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 6 14 6 3 -1. - <_> - 6 15 6 1 3. - <_> - - <_> - 14 15 5 3 -1. - <_> - 14 16 5 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 14 15 5 3 -1. - <_> - 14 16 5 1 3. - <_> - - <_> - 5 3 6 2 -1. - <_> - 7 3 2 2 3. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 1 15 5 3 -1. - <_> - 1 16 5 1 3. - <_> - - <_> - 8 13 4 6 -1. - <_> - 10 13 2 3 2. - <_> - 8 16 2 3 2. - <_> - - <_> - 7 8 3 3 -1. - <_> - 8 8 1 3 3. - <_> - - <_> - 12 0 5 4 -1. - <_> - 12 2 5 2 2. - <_> - - <_> - 0 2 20 2 -1. - <_> - 0 2 10 1 2. - <_> - 10 3 10 1 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 4 3 6 1 -1. - <_> - 6 3 2 1 3. - <_> - - <_> - 4 18 13 2 -1. - <_> - 4 19 13 1 2. - <_> - - <_> - 2 10 3 6 -1. - <_> - 2 12 3 2 3. - <_> - - <_> - 14 12 6 8 -1. - <_> - 17 12 3 4 2. - <_> - 14 16 3 4 2. - <_> - - <_> - 4 13 10 6 -1. - <_> - 4 13 5 3 2. - <_> - 9 16 5 3 2. - <_> - - <_> - 14 12 1 2 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 14 12 2 2 -1. - <_> - 14 13 2 1 2. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 8 12 9 2 -1. - <_> - 8 13 9 1 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 11 10 3 6 -1. - <_> - 11 13 3 3 2. - <_> - - <_> - 5 6 9 12 -1. - <_> - 5 12 9 6 2. - <_> - - <_> - 11 10 3 6 -1. - <_> - 11 13 3 3 2. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 13 3 3 2. - <_> - - <_> - 5 4 11 3 -1. - <_> - 5 5 11 1 3. - <_> - - <_> - 7 1 5 10 -1. - <_> - 7 6 5 5 2. - <_> - - <_> - 2 8 18 2 -1. - <_> - 2 9 18 1 2. - <_> - - <_> - 7 17 5 3 -1. - <_> - 7 18 5 1 3. - <_> - - <_> - 5 9 12 1 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 0 14 6 6 -1. - <_> - 0 14 3 3 2. - <_> - 3 17 3 3 2. - <_> - - <_> - 5 9 12 1 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 3 9 12 1 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 14 10 6 7 -1. - <_> - 14 10 3 7 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 1 1 16 1 2. - <_> - - <_> - 10 9 10 9 -1. - <_> - 10 12 10 3 3. - <_> - - <_> - 0 1 10 2 -1. - <_> - 5 1 5 2 2. - <_> - - <_> - 17 3 2 3 -1. - <_> - 17 4 2 1 3. - <_> - - <_> - 1 3 2 3 -1. - <_> - 1 4 2 1 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 10 7 1 6 3. - <_> - - <_> - 6 5 4 3 -1. - <_> - 8 5 2 3 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 9 5 2 6 3. - <_> - - <_> - 3 4 12 12 -1. - <_> - 3 4 6 6 2. - <_> - 9 10 6 6 2. - <_> - - <_> - 9 2 6 15 -1. - <_> - 11 2 2 15 3. - <_> - - <_> - 2 2 6 17 -1. - <_> - 4 2 2 17 3. - <_> - - <_> - 14 10 6 7 -1. - <_> - 14 10 3 7 2. - <_> - - <_> - 0 10 6 7 -1. - <_> - 3 10 3 7 2. - <_> - - <_> - 9 2 6 15 -1. - <_> - 11 2 2 15 3. - <_> - - <_> - 5 2 6 15 -1. - <_> - 7 2 2 15 3. - <_> - - <_> - 17 9 3 6 -1. - <_> - 17 11 3 2 3. - <_> - - <_> - 6 7 6 6 -1. - <_> - 8 7 2 6 3. - <_> - - <_> - 1 10 18 6 -1. - <_> - 10 10 9 3 2. - <_> - 1 13 9 3 2. - <_> - - <_> - 0 9 10 9 -1. - <_> - 0 12 10 3 3. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 5 12 3 4 -1. - <_> - 5 14 3 2 2. - <_> - - <_> - 3 3 16 12 -1. - <_> - 3 9 16 6 2. - <_> - - <_> - 1 1 12 12 -1. - <_> - 1 1 6 6 2. - <_> - 7 7 6 6 2. - <_> - - <_> - 10 4 2 4 -1. - <_> - 11 4 1 2 2. - <_> - 10 6 1 2 2. - <_> - - <_> - 0 9 10 2 -1. - <_> - 0 9 5 1 2. - <_> - 5 10 5 1 2. - <_> - - <_> - 9 11 3 3 -1. - <_> - 9 12 3 1 3. - <_> - - <_> - 3 12 9 2 -1. - <_> - 3 13 9 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 3 4 13 6 -1. - <_> - 3 6 13 2 3. - <_> - - <_> - 9 7 6 4 -1. - <_> - 12 7 3 2 2. - <_> - 9 9 3 2 2. - <_> - - <_> - 1 0 6 8 -1. - <_> - 4 0 3 8 2. - <_> - - <_> - 9 5 2 12 -1. - <_> - 9 11 2 6 2. - <_> - - <_> - 4 4 3 10 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 6 17 8 3 -1. - <_> - 6 18 8 1 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 13 2 3 2 -1. - <_> - 13 3 3 1 2. - <_> - - <_> - 7 5 4 5 -1. - <_> - 9 5 2 5 2. - <_> - - <_> - 12 14 3 6 -1. - <_> - 12 16 3 2 3. - <_> - - <_> - 1 11 8 2 -1. - <_> - 1 12 8 1 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 0 5 3 6 -1. - <_> - 0 7 3 2 3. - <_> - - <_> - 13 2 3 2 -1. - <_> - 13 3 3 1 2. - <_> - - <_> - 4 14 4 6 -1. - <_> - 4 14 2 3 2. - <_> - 6 17 2 3 2. - <_> - - <_> - 13 2 3 2 -1. - <_> - 13 3 3 1 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 14 0 6 8 -1. - <_> - 17 0 3 4 2. - <_> - 14 4 3 4 2. - <_> - - <_> - 7 17 3 2 -1. - <_> - 8 17 1 2 3. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 0 4 6 2. - <_> - 10 6 4 6 2. - <_> - - <_> - 14 0 2 10 -1. - <_> - 15 0 1 5 2. - <_> - 14 5 1 5 2. - <_> - - <_> - 5 3 8 6 -1. - <_> - 5 3 4 3 2. - <_> - 9 6 4 3 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 9 14 1 2 -1. - <_> - 9 15 1 1 2. - <_> - - <_> - 15 10 4 3 -1. - <_> - 15 11 4 1 3. - <_> - - <_> - 8 14 2 3 -1. - <_> - 8 15 2 1 3. - <_> - - <_> - 3 13 14 4 -1. - <_> - 10 13 7 2 2. - <_> - 3 15 7 2 2. - <_> - - <_> - 1 10 4 3 -1. - <_> - 1 11 4 1 3. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 3 5 16 15 -1. - <_> - 3 10 16 5 3. - <_> - - <_> - 6 12 4 2 -1. - <_> - 8 12 2 2 2. - <_> - - <_> - 4 4 12 10 -1. - <_> - 10 4 6 5 2. - <_> - 4 9 6 5 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 10 12 2 4 2. - <_> - 8 16 2 4 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 12 2 3 2 -1. - <_> - 13 2 1 2 3. - <_> - - <_> - 8 15 3 2 -1. - <_> - 8 16 3 1 2. - <_> - - <_> - 6 0 9 14 -1. - <_> - 9 0 3 14 3. - <_> - - <_> - 9 6 2 3 -1. - <_> - 10 6 1 3 2. - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 9 2 1 3. - <_> - - <_> - 0 9 4 6 -1. - <_> - 0 11 4 2 3. - <_> - - <_> - 6 0 8 2 -1. - <_> - 6 1 8 1 2. - <_> - - <_> - 6 14 7 3 -1. - <_> - 6 15 7 1 3. - <_> - - <_> - 8 10 8 9 -1. - <_> - 8 13 8 3 3. - <_> - - <_> - 5 2 3 2 -1. - <_> - 6 2 1 2 3. - <_> - - <_> - 14 1 6 8 -1. - <_> - 17 1 3 4 2. - <_> - 14 5 3 4 2. - <_> - - <_> - 0 1 6 8 -1. - <_> - 0 1 3 4 2. - <_> - 3 5 3 4 2. - <_> - - <_> - 1 2 18 6 -1. - <_> - 10 2 9 3 2. - <_> - 1 5 9 3 2. - <_> - - <_> - 9 3 2 1 -1. - <_> - 10 3 1 1 2. - <_> - - <_> - 13 2 4 6 -1. - <_> - 15 2 2 3 2. - <_> - 13 5 2 3 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 2 16 5 3 -1. - <_> - 2 17 5 1 3. - <_> - - <_> - 13 2 4 6 -1. - <_> - 15 2 2 3 2. - <_> - 13 5 2 3 2. - <_> - - <_> - 3 2 4 6 -1. - <_> - 3 2 2 3 2. - <_> - 5 5 2 3 2. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 6 2 1 2. - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - <_> - - <_> - 5 9 2 2 -1. - <_> - 6 9 1 2 2. - <_> - - <_> - 13 17 3 2 -1. - <_> - 13 18 3 1 2. - <_> - - <_> - 6 16 4 4 -1. - <_> - 6 16 2 2 2. - <_> - 8 18 2 2 2. - <_> - - <_> - 9 16 2 3 -1. - <_> - 9 17 2 1 3. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 9 14 2 6 -1. - <_> - 9 17 2 3 2. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 1 10 18 6 -1. - <_> - 1 12 18 2 3. - <_> - - <_> - 8 11 4 2 -1. - <_> - 8 12 4 1 2. - <_> - - <_> - 7 9 6 2 -1. - <_> - 7 10 6 1 2. - <_> - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - <_> - - <_> - 17 5 3 4 -1. - <_> - 18 5 1 4 3. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 0 1 2 3. - <_> - - <_> - 1 8 1 6 -1. - <_> - 1 10 1 2 3. - <_> - - <_> - 12 17 8 3 -1. - <_> - 12 17 4 3 2. - <_> - - <_> - 0 5 3 4 -1. - <_> - 1 5 1 4 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 11 3 2 5 -1. - <_> - 11 3 1 5 2. - <_> - - <_> - 7 3 2 5 -1. - <_> - 8 3 1 5 2. - <_> - - <_> - 15 13 2 3 -1. - <_> - 15 14 2 1 3. - <_> - - <_> - 5 6 2 3 -1. - <_> - 5 7 2 1 3. - <_> - - <_> - 4 19 15 1 -1. - <_> - 9 19 5 1 3. - <_> - - <_> - 1 19 15 1 -1. - <_> - 6 19 5 1 3. - <_> - - <_> - 15 13 2 3 -1. - <_> - 15 14 2 1 3. - <_> - - <_> - 5 0 4 15 -1. - <_> - 7 0 2 15 2. - <_> - - <_> - 9 6 2 5 -1. - <_> - 9 6 1 5 2. - <_> - - <_> - 9 5 2 7 -1. - <_> - 10 5 1 7 2. - <_> - - <_> - 16 11 3 3 -1. - <_> - 16 12 3 1 3. - <_> - - <_> - 1 11 3 3 -1. - <_> - 1 12 3 1 3. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 7 8 1 3. - <_> - - <_> - 0 15 6 2 -1. - <_> - 0 16 6 1 2. - <_> - - <_> - 1 0 18 6 -1. - <_> - 7 0 6 6 3. - <_> - - <_> - 6 0 3 4 -1. - <_> - 7 0 1 4 3. - <_> - - <_> - 14 10 4 10 -1. - <_> - 16 10 2 5 2. - <_> - 14 15 2 5 2. - <_> - - <_> - 3 2 3 2 -1. - <_> - 4 2 1 2 3. - <_> - - <_> - 11 2 2 2 -1. - <_> - 11 3 2 1 2. - <_> - - <_> - 2 10 4 10 -1. - <_> - 2 10 2 5 2. - <_> - 4 15 2 5 2. - <_> - - <_> - 0 13 20 6 -1. - <_> - 10 13 10 3 2. - <_> - 0 16 10 3 2. - <_> - - <_> - 0 5 2 15 -1. - <_> - 1 5 1 15 2. - <_> - - <_> - 1 7 18 4 -1. - <_> - 10 7 9 2 2. - <_> - 1 9 9 2 2. - <_> - - <_> - 0 0 2 17 -1. - <_> - 1 0 1 17 2. - <_> - - <_> - 2 6 16 6 -1. - <_> - 10 6 8 3 2. - <_> - 2 9 8 3 2. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 8 15 4 2 -1. - <_> - 8 16 4 1 2. - <_> - - <_> - 5 2 8 2 -1. - <_> - 5 2 4 1 2. - <_> - 9 3 4 1 2. - <_> - - <_> - 6 11 8 6 -1. - <_> - 6 14 8 3 2. - <_> - - <_> - 9 13 2 2 -1. - <_> - 9 14 2 1 2. - <_> - - <_> - 18 4 2 6 -1. - <_> - 18 6 2 2 3. - <_> - - <_> - 9 12 2 2 -1. - <_> - 9 13 2 1 2. - <_> - - <_> - 18 4 2 6 -1. - <_> - 18 6 2 2 3. - <_> - - <_> - 9 13 1 3 -1. - <_> - 9 14 1 1 3. - <_> - - <_> - 18 4 2 6 -1. - <_> - 18 6 2 2 3. - <_> - - <_> - 0 4 2 6 -1. - <_> - 0 6 2 2 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 13 13 4 3 -1. - <_> - 13 14 4 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 5 2 10 6 -1. - <_> - 5 4 10 2 3. - <_> - - <_> - 3 13 4 3 -1. - <_> - 3 14 4 1 3. - <_> - - <_> - 3 7 15 5 -1. - <_> - 8 7 5 5 3. - <_> - - <_> - 3 7 12 2 -1. - <_> - 7 7 4 2 3. - <_> - - <_> - 10 3 3 9 -1. - <_> - 11 3 1 9 3. - <_> - - <_> - 8 6 4 6 -1. - <_> - 10 6 2 6 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 0 9 4 9 -1. - <_> - 2 9 2 9 2. - <_> - - <_> - 9 13 3 5 -1. - <_> - 10 13 1 5 3. - <_> - - <_> - 7 7 6 3 -1. - <_> - 9 7 2 3 3. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 5 9 12 2 -1. - <_> - 9 9 4 2 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 10 6 5 3 2. - <_> - - <_> - 10 12 3 1 -1. - <_> - 11 12 1 1 3. - <_> - - <_> - 0 1 11 15 -1. - <_> - 0 6 11 5 3. - <_> - - <_> - 1 0 18 6 -1. - <_> - 7 0 6 6 3. - <_> - - <_> - 7 7 6 1 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 5 16 6 4 -1. - <_> - 5 16 3 2 2. - <_> - 8 18 3 2 2. - <_> - - <_> - 6 5 9 8 -1. - <_> - 6 9 9 4 2. - <_> - - <_> - 5 10 2 6 -1. - <_> - 5 13 2 3 2. - <_> - - <_> - 7 6 8 10 -1. - <_> - 11 6 4 5 2. - <_> - 7 11 4 5 2. - <_> - - <_> - 5 6 8 10 -1. - <_> - 5 6 4 5 2. - <_> - 9 11 4 5 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 9 6 2 1 2. - <_> - - <_> - 5 12 8 2 -1. - <_> - 5 13 8 1 2. - <_> - - <_> - 10 2 8 2 -1. - <_> - 10 3 8 1 2. - <_> - - <_> - 4 0 2 10 -1. - <_> - 4 0 1 5 2. - <_> - 5 5 1 5 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 2 8 15 3 -1. - <_> - 2 9 15 1 3. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 17 2 3 6 -1. - <_> - 17 4 3 2 3. - <_> - - <_> - 1 5 3 4 -1. - <_> - 2 5 1 4 3. - <_> - - <_> - 14 8 4 6 -1. - <_> - 14 10 4 2 3. - <_> - - <_> - 1 4 3 8 -1. - <_> - 2 4 1 8 3. - <_> - - <_> - 8 13 4 6 -1. - <_> - 8 16 4 3 2. - <_> - - <_> - 3 14 2 2 -1. - <_> - 3 15 2 1 2. - <_> - - <_> - 14 8 4 6 -1. - <_> - 14 10 4 2 3. - <_> - - <_> - 2 8 4 6 -1. - <_> - 2 10 4 2 3. - <_> - - <_> - 10 14 1 6 -1. - <_> - 10 17 1 3 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 5 1 6 3. - <_> - - <_> - 11 2 2 6 -1. - <_> - 12 2 1 3 2. - <_> - 11 5 1 3 2. - <_> - - <_> - 6 6 6 5 -1. - <_> - 8 6 2 5 3. - <_> - - <_> - 17 1 3 6 -1. - <_> - 17 3 3 2 3. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 12 3 5 2 -1. - <_> - 12 4 5 1 2. - <_> - - <_> - 7 1 5 12 -1. - <_> - 7 7 5 6 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 4 2 2 2 -1. - <_> - 4 3 2 1 2. - <_> - - <_> - 11 14 4 2 -1. - <_> - 13 14 2 1 2. - <_> - 11 15 2 1 2. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 5 5 1 3 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 10 10 6 1 -1. - <_> - 10 10 3 1 2. - <_> - - <_> - 4 10 6 1 -1. - <_> - 7 10 3 1 2. - <_> - - <_> - 9 17 3 3 -1. - <_> - 9 18 3 1 3. - <_> - - <_> - 4 14 1 3 -1. - <_> - 4 15 1 1 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 12 6 3 1 3. - <_> - - <_> - 4 5 12 3 -1. - <_> - 4 6 12 1 3. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 9 2 1 3. - <_> - - <_> - 4 9 3 3 -1. - <_> - 5 9 1 3 3. - <_> - - <_> - 6 0 9 17 -1. - <_> - 9 0 3 17 3. - <_> - - <_> - 9 12 1 3 -1. - <_> - 9 13 1 1 3. - <_> - - <_> - 9 5 2 15 -1. - <_> - 9 10 2 5 3. - <_> - - <_> - 8 14 2 3 -1. - <_> - 8 15 2 1 3. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 7 1 6 5 -1. - <_> - 9 1 2 5 3. - <_> - - <_> - 0 0 20 2 -1. - <_> - 0 0 10 2 2. - <_> - - <_> - 2 13 5 3 -1. - <_> - 2 14 5 1 3. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 2 5 9 15 -1. - <_> - 2 10 9 5 3. - <_> - - <_> - 5 0 12 10 -1. - <_> - 11 0 6 5 2. - <_> - 5 5 6 5 2. - <_> - - <_> - 5 1 2 3 -1. - <_> - 6 1 1 3 2. - <_> - - <_> - 10 7 6 1 -1. - <_> - 12 7 2 1 3. - <_> - - <_> - 3 1 2 10 -1. - <_> - 3 1 1 5 2. - <_> - 4 6 1 5 2. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 4 13 4 6 -1. - <_> - 4 15 4 2 3. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 2 12 18 4 -1. - <_> - 11 12 9 2 2. - <_> - 2 14 9 2 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 16 3 4 2 -1. - <_> - 16 4 4 1 2. - <_> - - <_> - 0 2 2 18 -1. - <_> - 0 2 1 9 2. - <_> - 1 11 1 9 2. - <_> - - <_> - 1 2 18 4 -1. - <_> - 10 2 9 2 2. - <_> - 1 4 9 2 2. - <_> - - <_> - 9 14 1 3 -1. - <_> - 9 15 1 1 3. - <_> - - <_> - 2 12 18 4 -1. - <_> - 11 12 9 2 2. - <_> - 2 14 9 2 2. - <_> - - <_> - 0 12 18 4 -1. - <_> - 0 12 9 2 2. - <_> - 9 14 9 2 2. - <_> - - <_> - 11 4 5 3 -1. - <_> - 11 5 5 1 3. - <_> - - <_> - 6 4 7 3 -1. - <_> - 6 5 7 1 3. - <_> - - <_> - 13 17 3 3 -1. - <_> - 13 18 3 1 3. - <_> - - <_> - 8 1 3 4 -1. - <_> - 9 1 1 4 3. - <_> - - <_> - 11 4 2 4 -1. - <_> - 11 4 1 4 2. - <_> - - <_> - 0 17 9 3 -1. - <_> - 3 17 3 3 3. - <_> - - <_> - 11 0 2 8 -1. - <_> - 12 0 1 4 2. - <_> - 11 4 1 4 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 0 8 3 6 2. - <_> - 3 14 3 6 2. - <_> - - <_> - 10 7 4 12 -1. - <_> - 10 13 4 6 2. - <_> - - <_> - 5 3 8 14 -1. - <_> - 5 10 8 7 2. - <_> - - <_> - 14 10 6 1 -1. - <_> - 14 10 3 1 2. - <_> - - <_> - 0 4 10 4 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 10 0 5 8 -1. - <_> - 10 4 5 4 2. - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 1 2 4 2. - <_> - 10 5 2 4 2. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 8 9 3 4 -1. - <_> - 9 9 1 4 3. - <_> - - <_> - 18 4 2 6 -1. - <_> - 18 6 2 2 3. - <_> - - <_> - 8 8 3 4 -1. - <_> - 9 8 1 4 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 7 13 6 1 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 12 11 3 6 -1. - <_> - 12 13 3 2 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 1 4 18 10 -1. - <_> - 10 4 9 5 2. - <_> - 1 9 9 5 2. - <_> - - <_> - 8 6 4 9 -1. - <_> - 8 9 4 3 3. - <_> - - <_> - 8 6 4 3 -1. - <_> - 8 7 4 1 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 14 15 4 3 -1. - <_> - 14 16 4 1 3. - <_> - - <_> - 5 10 3 10 -1. - <_> - 6 10 1 10 3. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 0 8 1 6 -1. - <_> - 0 10 1 2 3. - <_> - - <_> - 10 15 1 3 -1. - <_> - 10 16 1 1 3. - <_> - - <_> - 2 15 4 3 -1. - <_> - 2 16 4 1 3. - <_> - - <_> - 18 3 2 8 -1. - <_> - 19 3 1 4 2. - <_> - 18 7 1 4 2. - <_> - - <_> - 0 3 2 8 -1. - <_> - 0 3 1 4 2. - <_> - 1 7 1 4 2. - <_> - - <_> - 3 7 14 10 -1. - <_> - 10 7 7 5 2. - <_> - 3 12 7 5 2. - <_> - - <_> - 0 7 19 3 -1. - <_> - 0 8 19 1 3. - <_> - - <_> - 12 6 3 3 -1. - <_> - 12 7 3 1 3. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 12 6 3 3 -1. - <_> - 12 7 3 1 3. - <_> - - <_> - 5 6 3 3 -1. - <_> - 5 7 3 1 3. - <_> - - <_> - 8 2 4 2 -1. - <_> - 8 3 4 1 2. - <_> - - <_> - 6 3 4 12 -1. - <_> - 8 3 2 12 2. - <_> - - <_> - 13 6 2 3 -1. - <_> - 13 7 2 1 3. - <_> - - <_> - 0 10 20 4 -1. - <_> - 0 12 20 2 2. - <_> - - <_> - 2 0 17 14 -1. - <_> - 2 7 17 7 2. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 14 6 6 4 -1. - <_> - 14 6 3 4 2. - <_> - - <_> - 0 6 6 4 -1. - <_> - 3 6 3 4 2. - <_> - - <_> - 13 2 7 2 -1. - <_> - 13 3 7 1 2. - <_> - - <_> - 0 2 7 2 -1. - <_> - 0 3 7 1 2. - <_> - - <_> - 6 11 14 2 -1. - <_> - 13 11 7 1 2. - <_> - 6 12 7 1 2. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 1 1 3 12 -1. - <_> - 2 1 1 12 3. - <_> - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - <_> - - <_> - 2 4 1 3 -1. - <_> - 2 5 1 1 3. - <_> - - <_> - 14 5 1 3 -1. - <_> - 14 6 1 1 3. - <_> - - <_> - 7 16 2 3 -1. - <_> - 7 17 2 1 3. - <_> - - <_> - 8 13 4 6 -1. - <_> - 10 13 2 3 2. - <_> - 8 16 2 3 2. - <_> - - <_> - 5 5 1 3 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 16 0 4 20 -1. - <_> - 16 0 2 20 2. - <_> - - <_> - 5 1 2 6 -1. - <_> - 5 1 1 3 2. - <_> - 6 4 1 3 2. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 15 2 4 12 -1. - <_> - 15 2 2 12 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 14 5 1 8 -1. - <_> - 14 9 1 4 2. - <_> - - <_> - 1 4 14 10 -1. - <_> - 1 4 7 5 2. - <_> - 8 9 7 5 2. - <_> - - <_> - 11 6 6 14 -1. - <_> - 14 6 3 7 2. - <_> - 11 13 3 7 2. - <_> - - <_> - 3 6 6 14 -1. - <_> - 3 6 3 7 2. - <_> - 6 13 3 7 2. - <_> - - <_> - 4 9 15 2 -1. - <_> - 9 9 5 2 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 6 3 14 4 -1. - <_> - 13 3 7 2 2. - <_> - 6 5 7 2 2. - <_> - - <_> - 1 9 15 2 -1. - <_> - 6 9 5 2 3. - <_> - - <_> - 6 11 8 9 -1. - <_> - 6 14 8 3 3. - <_> - - <_> - 7 4 3 8 -1. - <_> - 8 4 1 8 3. - <_> - - <_> - 14 6 2 6 -1. - <_> - 14 9 2 3 2. - <_> - - <_> - 5 7 6 4 -1. - <_> - 5 7 3 2 2. - <_> - 8 9 3 2 2. - <_> - - <_> - 1 1 18 19 -1. - <_> - 7 1 6 19 3. - <_> - - <_> - 1 2 6 5 -1. - <_> - 4 2 3 5 2. - <_> - - <_> - 12 17 6 2 -1. - <_> - 12 18 6 1 2. - <_> - - <_> - 2 17 6 2 -1. - <_> - 2 18 6 1 2. - <_> - - <_> - 17 3 3 6 -1. - <_> - 17 5 3 2 3. - <_> - - <_> - 8 17 3 3 -1. - <_> - 8 18 3 1 3. - <_> - - <_> - 10 13 2 6 -1. - <_> - 10 16 2 3 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 17 3 3 6 -1. - <_> - 17 5 3 2 3. - <_> - - <_> - 8 13 2 3 -1. - <_> - 8 14 2 1 3. - <_> - - <_> - 9 3 6 2 -1. - <_> - 11 3 2 2 3. - <_> - - <_> - 0 3 3 6 -1. - <_> - 0 5 3 2 3. - <_> - - <_> - 8 5 4 6 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 5 5 3 2 -1. - <_> - 5 6 3 1 2. - <_> - - <_> - 10 1 3 4 -1. - <_> - 11 1 1 4 3. - <_> - - <_> - 1 2 5 9 -1. - <_> - 1 5 5 3 3. - <_> - - <_> - 13 6 2 3 -1. - <_> - 13 7 2 1 3. - <_> - - <_> - 0 6 14 3 -1. - <_> - 7 6 7 3 2. - <_> - - <_> - 2 11 18 8 -1. - <_> - 2 15 18 4 2. - <_> - - <_> - 5 6 2 3 -1. - <_> - 5 7 2 1 3. - <_> - - <_> - 10 6 4 2 -1. - <_> - 12 6 2 1 2. - <_> - 10 7 2 1 2. - <_> - - <_> - 6 6 4 2 -1. - <_> - 6 6 2 1 2. - <_> - 8 7 2 1 2. - <_> - - <_> - 10 1 3 4 -1. - <_> - 11 1 1 4 3. - <_> - - <_> - 7 1 2 7 -1. - <_> - 8 1 1 7 2. - <_> - - <_> - 4 2 15 14 -1. - <_> - 4 9 15 7 2. - <_> - - <_> - 8 7 3 2 -1. - <_> - 9 7 1 2 3. - <_> - - <_> - 2 3 18 4 -1. - <_> - 11 3 9 2 2. - <_> - 2 5 9 2 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 5 2 6 2 -1. - <_> - 7 2 2 2 3. - <_> - - <_> - 9 5 2 7 -1. - <_> - 9 5 1 7 2. - <_> - - <_> - 5 9 2 3 -1. - <_> - 6 9 1 3 2. - <_> - - <_> - 6 0 14 18 -1. - <_> - 6 9 14 9 2. - <_> - - <_> - 2 16 6 3 -1. - <_> - 2 17 6 1 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 10 7 1 6 3. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 7 12 6 3 -1. - <_> - 7 13 6 1 3. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 7 12 6 2 -1. - <_> - 9 12 2 2 3. - <_> - - <_> - 5 11 4 6 -1. - <_> - 5 14 4 3 2. - <_> - - <_> - 11 12 7 2 -1. - <_> - 11 13 7 1 2. - <_> - - <_> - 6 10 8 6 -1. - <_> - 6 10 4 3 2. - <_> - 10 13 4 3 2. - <_> - - <_> - 11 10 3 4 -1. - <_> - 11 12 3 2 2. - <_> - - <_> - 9 16 2 3 -1. - <_> - 9 17 2 1 3. - <_> - - <_> - 13 3 1 9 -1. - <_> - 13 6 1 3 3. - <_> - - <_> - 1 13 14 6 -1. - <_> - 1 15 14 2 3. - <_> - - <_> - 13 6 1 6 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 0 4 3 8 -1. - <_> - 1 4 1 8 3. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 0 1 18 2. - <_> - - <_> - 2 3 6 2 -1. - <_> - 2 4 6 1 2. - <_> - - <_> - 9 0 8 6 -1. - <_> - 9 2 8 2 3. - <_> - - <_> - 6 6 1 6 -1. - <_> - 6 9 1 3 2. - <_> - - <_> - 14 8 6 3 -1. - <_> - 14 9 6 1 3. - <_> - - <_> - 0 0 2 18 -1. - <_> - 1 0 1 18 2. - <_> - - <_> - 1 18 18 2 -1. - <_> - 10 18 9 1 2. - <_> - 1 19 9 1 2. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 16 2 1 2. - <_> - - <_> - 8 14 5 3 -1. - <_> - 8 15 5 1 3. - <_> - - <_> - 8 14 2 3 -1. - <_> - 8 15 2 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 7 5 6 2 -1. - <_> - 9 5 2 2 3. - <_> - - <_> - 15 5 5 2 -1. - <_> - 15 6 5 1 2. - <_> - - <_> - 0 5 5 2 -1. - <_> - 0 6 5 1 2. - <_> - - <_> - 17 14 1 6 -1. - <_> - 17 17 1 3 2. - <_> - - <_> - 2 9 9 3 -1. - <_> - 5 9 3 3 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 0 0 4 18 -1. - <_> - 2 0 2 18 2. - <_> - - <_> - 17 6 1 3 -1. - <_> - 17 7 1 1 3. - <_> - - <_> - 2 14 1 6 -1. - <_> - 2 17 1 3 2. - <_> - - <_> - 19 8 1 2 -1. - <_> - 19 9 1 1 2. - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 3 1 3 3. - <_> - - <_> - 9 16 2 3 -1. - <_> - 9 17 2 1 3. - <_> - - <_> - 2 6 1 3 -1. - <_> - 2 7 1 1 3. - <_> - - <_> - 12 4 8 2 -1. - <_> - 16 4 4 1 2. - <_> - 12 5 4 1 2. - <_> - - <_> - 0 4 8 2 -1. - <_> - 0 4 4 1 2. - <_> - 4 5 4 1 2. - <_> - - <_> - 2 16 18 4 -1. - <_> - 2 18 18 2 2. - <_> - - <_> - 7 15 2 4 -1. - <_> - 7 17 2 2 2. - <_> - - <_> - 4 0 14 3 -1. - <_> - 4 1 14 1 3. - <_> - - <_> - 0 0 4 20 -1. - <_> - 2 0 2 20 2. - <_> - - <_> - 12 4 4 8 -1. - <_> - 14 4 2 4 2. - <_> - 12 8 2 4 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 8 7 3 2 -1. - <_> - 8 8 3 1 2. - <_> - - <_> - 8 2 6 12 -1. - <_> - 8 8 6 6 2. - <_> - - <_> - 4 0 11 12 -1. - <_> - 4 4 11 4 3. - <_> - - <_> - 14 9 6 11 -1. - <_> - 16 9 2 11 3. - <_> - - <_> - 0 14 4 3 -1. - <_> - 0 15 4 1 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 5 11 3 2 -1. - <_> - 5 12 3 1 2. - <_> - - <_> - 9 15 3 3 -1. - <_> - 10 15 1 3 3. - <_> - - <_> - 8 8 3 4 -1. - <_> - 9 8 1 4 3. - <_> - - <_> - 9 15 3 3 -1. - <_> - 10 15 1 3 3. - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 7 1 2 3. - <_> - - <_> - 2 10 16 4 -1. - <_> - 10 10 8 2 2. - <_> - 2 12 8 2 2. - <_> - - <_> - 2 3 4 17 -1. - <_> - 4 3 2 17 2. - <_> - - <_> - 15 13 2 7 -1. - <_> - 15 13 1 7 2. - <_> - - <_> - 2 2 6 1 -1. - <_> - 5 2 3 1 2. - <_> - - <_> - 5 2 12 4 -1. - <_> - 9 2 4 4 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 0 4 6 2. - <_> - 10 6 4 6 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 14 20 2 3. - <_> - - <_> - 14 7 2 3 -1. - <_> - 14 7 1 3 2. - <_> - - <_> - 0 8 9 12 -1. - <_> - 3 8 3 12 3. - <_> - - <_> - 3 0 16 2 -1. - <_> - 3 0 8 2 2. - <_> - - <_> - 6 15 3 3 -1. - <_> - 6 16 3 1 3. - <_> - - <_> - 8 15 6 3 -1. - <_> - 8 16 6 1 3. - <_> - - <_> - 0 10 1 6 -1. - <_> - 0 12 1 2 3. - <_> - - <_> - 10 9 4 3 -1. - <_> - 10 10 4 1 3. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 5 7 10 1 -1. - <_> - 5 7 5 1 2. - <_> - - <_> - 4 0 12 19 -1. - <_> - 10 0 6 19 2. - <_> - - <_> - 0 6 20 6 -1. - <_> - 10 6 10 3 2. - <_> - 0 9 10 3 2. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 15 6 2 2 -1. - <_> - 16 6 1 1 2. - <_> - 15 7 1 1 2. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 14 4 1 12 -1. - <_> - 14 10 1 6 2. - <_> - - <_> - 2 5 16 10 -1. - <_> - 2 5 8 5 2. - <_> - 10 10 8 5 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 1 4 2 2 -1. - <_> - 1 5 2 1 2. - <_> - - <_> - 5 0 15 5 -1. - <_> - 10 0 5 5 3. - <_> - - <_> - 0 0 15 5 -1. - <_> - 5 0 5 5 3. - <_> - - <_> - 11 2 2 17 -1. - <_> - 11 2 1 17 2. - <_> - - <_> - 7 2 2 17 -1. - <_> - 8 2 1 17 2. - <_> - - <_> - 15 11 2 9 -1. - <_> - 15 11 1 9 2. - <_> - - <_> - 3 11 2 9 -1. - <_> - 4 11 1 9 2. - <_> - - <_> - 5 16 14 4 -1. - <_> - 5 16 7 4 2. - <_> - - <_> - 1 4 18 1 -1. - <_> - 7 4 6 1 3. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 9 8 2 12 -1. - <_> - 9 12 2 4 3. - <_> - - <_> - 12 1 6 6 -1. - <_> - 12 3 6 2 3. - <_> - - <_> - 5 2 6 6 -1. - <_> - 5 2 3 3 2. - <_> - 8 5 3 3 2. - <_> - - <_> - 9 16 6 4 -1. - <_> - 12 16 3 2 2. - <_> - 9 18 3 2 2. - <_> - - <_> - 1 2 18 3 -1. - <_> - 7 2 6 3 3. - <_> - - <_> - 7 4 9 10 -1. - <_> - 7 9 9 5 2. - <_> - - <_> - 5 9 4 4 -1. - <_> - 7 9 2 4 2. - <_> - - <_> - 11 10 3 6 -1. - <_> - 11 13 3 3 2. - <_> - - <_> - 7 11 5 3 -1. - <_> - 7 12 5 1 3. - <_> - - <_> - 7 11 6 6 -1. - <_> - 10 11 3 3 2. - <_> - 7 14 3 3 2. - <_> - - <_> - 0 0 10 9 -1. - <_> - 0 3 10 3 3. - <_> - - <_> - 13 14 1 6 -1. - <_> - 13 16 1 2 3. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 6 14 1 6 -1. - <_> - 6 16 1 2 3. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 4 1 3 3. - <_> - - <_> - 9 0 11 3 -1. - <_> - 9 1 11 1 3. - <_> - - <_> - 0 6 20 3 -1. - <_> - 0 7 20 1 3. - <_> - - <_> - 10 1 1 2 -1. - <_> - 10 2 1 1 2. - <_> - - <_> - 9 6 2 6 -1. - <_> - 10 6 1 6 2. - <_> - - <_> - 5 8 12 1 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 3 8 12 1 -1. - <_> - 7 8 4 1 3. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 3 9 6 2 -1. - <_> - 6 9 3 2 2. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 7 10 2 1 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 6 4 9 13 -1. - <_> - 9 4 3 13 3. - <_> - - <_> - 6 8 4 2 -1. - <_> - 6 9 4 1 2. - <_> - - <_> - 16 2 4 6 -1. - <_> - 16 2 2 6 2. - <_> - - <_> - 0 17 6 3 -1. - <_> - 0 18 6 1 3. - <_> - - <_> - 10 10 3 10 -1. - <_> - 10 15 3 5 2. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 10 4 4 3 -1. - <_> - 10 4 2 3 2. - <_> - - <_> - 8 4 3 8 -1. - <_> - 9 4 1 8 3. - <_> - - <_> - 6 6 9 13 -1. - <_> - 9 6 3 13 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 0 4 6 2. - <_> - 10 6 4 6 2. - <_> - - <_> - 14 2 6 8 -1. - <_> - 16 2 2 8 3. - <_> - - <_> - 6 0 3 6 -1. - <_> - 7 0 1 6 3. - <_> - - <_> - 14 2 6 8 -1. - <_> - 16 2 2 8 3. - <_> - - <_> - 0 5 6 6 -1. - <_> - 0 8 6 3 2. - <_> - - <_> - 9 12 6 2 -1. - <_> - 12 12 3 1 2. - <_> - 9 13 3 1 2. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 1 9 18 2 -1. - <_> - 7 9 6 2 3. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 7 4 4 8 3. - <_> - - <_> - 13 11 5 3 -1. - <_> - 13 12 5 1 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 14 7 2 3 -1. - <_> - 14 7 1 3 2. - <_> - - <_> - 5 4 1 3 -1. - <_> - 5 5 1 1 3. - <_> - - <_> - 13 4 2 3 -1. - <_> - 13 5 2 1 3. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 9 2 1 3. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 15 14 1 4 -1. - <_> - 15 16 1 2 2. - <_> - - <_> - 3 12 2 2 -1. - <_> - 3 13 2 1 2. - <_> - - <_> - 12 15 2 2 -1. - <_> - 13 15 1 1 2. - <_> - 12 16 1 1 2. - <_> - - <_> - 9 13 2 2 -1. - <_> - 9 14 2 1 2. - <_> - - <_> - 4 11 14 9 -1. - <_> - 4 14 14 3 3. - <_> - - <_> - 7 13 4 3 -1. - <_> - 7 14 4 1 3. - <_> - - <_> - 15 14 1 4 -1. - <_> - 15 16 1 2 2. - <_> - - <_> - 4 14 1 4 -1. - <_> - 4 16 1 2 2. - <_> - - <_> - 14 0 6 13 -1. - <_> - 16 0 2 13 3. - <_> - - <_> - 4 1 2 12 -1. - <_> - 4 1 1 6 2. - <_> - 5 7 1 6 2. - <_> - - <_> - 11 14 6 6 -1. - <_> - 14 14 3 3 2. - <_> - 11 17 3 3 2. - <_> - - <_> - 3 14 6 6 -1. - <_> - 3 14 3 3 2. - <_> - 6 17 3 3 2. - <_> - - <_> - 14 17 3 2 -1. - <_> - 14 18 3 1 2. - <_> - - <_> - 3 17 3 2 -1. - <_> - 3 18 3 1 2. - <_> - - <_> - 14 0 6 13 -1. - <_> - 16 0 2 13 3. - <_> - - <_> - 0 0 6 13 -1. - <_> - 2 0 2 13 3. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 6 15 2 2 -1. - <_> - 6 15 1 1 2. - <_> - 7 16 1 1 2. - <_> - - <_> - 6 11 8 6 -1. - <_> - 10 11 4 3 2. - <_> - 6 14 4 3 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 2 2 16 6 -1. - <_> - 10 2 8 3 2. - <_> - 2 5 8 3 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 11 7 3 10 -1. - <_> - 11 12 3 5 2. - <_> - - <_> - 6 7 3 10 -1. - <_> - 6 12 3 5 2. - <_> - - <_> - 10 7 3 2 -1. - <_> - 11 7 1 2 3. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 10 1 1 3 -1. - <_> - 10 2 1 1 3. - <_> - - <_> - 1 2 4 18 -1. - <_> - 1 2 2 9 2. - <_> - 3 11 2 9 2. - <_> - - <_> - 12 4 4 12 -1. - <_> - 12 10 4 6 2. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 10 7 3 2 -1. - <_> - 11 7 1 2 3. - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 7 1 2 3. - <_> - - <_> - 9 4 6 1 -1. - <_> - 11 4 2 1 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 12 7 8 6 -1. - <_> - 16 7 4 3 2. - <_> - 12 10 4 3 2. - <_> - - <_> - 0 7 8 6 -1. - <_> - 0 7 4 3 2. - <_> - 4 10 4 3 2. - <_> - - <_> - 18 2 2 10 -1. - <_> - 19 2 1 5 2. - <_> - 18 7 1 5 2. - <_> - - <_> - 0 2 6 4 -1. - <_> - 3 2 3 4 2. - <_> - - <_> - 9 4 6 1 -1. - <_> - 11 4 2 1 3. - <_> - - <_> - 7 15 2 2 -1. - <_> - 7 15 1 1 2. - <_> - 8 16 1 1 2. - <_> - - <_> - 11 13 1 6 -1. - <_> - 11 16 1 3 2. - <_> - - <_> - 8 13 1 6 -1. - <_> - 8 16 1 3 2. - <_> - - <_> - 14 3 2 1 -1. - <_> - 14 3 1 1 2. - <_> - - <_> - 8 15 2 3 -1. - <_> - 8 16 2 1 3. - <_> - - <_> - 12 15 7 4 -1. - <_> - 12 17 7 2 2. - <_> - - <_> - 4 14 12 3 -1. - <_> - 4 15 12 1 3. - <_> - - <_> - 10 3 3 2 -1. - <_> - 11 3 1 2 3. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 10 11 4 6 -1. - <_> - 10 14 4 3 2. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 4 11 14 4 -1. - <_> - 11 11 7 2 2. - <_> - 4 13 7 2 2. - <_> - - <_> - 1 18 18 2 -1. - <_> - 7 18 6 2 3. - <_> - - <_> - 11 18 2 2 -1. - <_> - 12 18 1 1 2. - <_> - 11 19 1 1 2. - <_> - - <_> - 7 18 2 2 -1. - <_> - 7 18 1 1 2. - <_> - 8 19 1 1 2. - <_> - - <_> - 12 18 8 2 -1. - <_> - 12 19 8 1 2. - <_> - - <_> - 7 14 6 2 -1. - <_> - 7 15 6 1 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 10 12 2 4 2. - <_> - 8 16 2 4 2. - <_> - - <_> - 4 9 3 3 -1. - <_> - 4 10 3 1 3. - <_> - - <_> - 7 10 6 2 -1. - <_> - 9 10 2 2 3. - <_> - - <_> - 5 0 4 15 -1. - <_> - 7 0 2 15 2. - <_> - - <_> - 8 6 12 14 -1. - <_> - 12 6 4 14 3. - <_> - - <_> - 5 16 3 3 -1. - <_> - 5 17 3 1 3. - <_> - - <_> - 8 1 12 19 -1. - <_> - 12 1 4 19 3. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 1 3 1 2. - <_> - - <_> - 10 12 4 5 -1. - <_> - 10 12 2 5 2. - <_> - - <_> - 6 12 4 5 -1. - <_> - 8 12 2 5 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 7 6 4 10 -1. - <_> - 7 11 4 5 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 2 13 5 2 -1. - <_> - 2 14 5 1 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 14 13 3 3 -1. - <_> - 14 14 3 1 3. - <_> - - <_> - 3 13 3 3 -1. - <_> - 3 14 3 1 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 13 5 3 3 -1. - <_> - 13 6 3 1 3. - <_> - - <_> - 0 9 5 3 -1. - <_> - 0 10 5 1 3. - <_> - - <_> - 13 5 3 3 -1. - <_> - 13 6 3 1 3. - <_> - - <_> - 9 12 2 8 -1. - <_> - 9 12 1 4 2. - <_> - 10 16 1 4 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 16 6 4 -1. - <_> - 3 16 3 4 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 7 2 2 3. - <_> - - <_> - 12 15 8 4 -1. - <_> - 12 15 4 4 2. - <_> - - <_> - 0 14 8 6 -1. - <_> - 4 14 4 6 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 0 1 2 3. - <_> - - <_> - 4 15 4 2 -1. - <_> - 6 15 2 2 2. - <_> - - <_> - 12 7 3 13 -1. - <_> - 13 7 1 13 3. - <_> - - <_> - 5 7 3 13 -1. - <_> - 6 7 1 13 3. - <_> - - <_> - 9 6 3 9 -1. - <_> - 9 9 3 3 3. - <_> - - <_> - 4 4 7 12 -1. - <_> - 4 10 7 6 2. - <_> - - <_> - 12 12 2 2 -1. - <_> - 13 12 1 1 2. - <_> - 12 13 1 1 2. - <_> - - <_> - 6 12 2 2 -1. - <_> - 6 12 1 1 2. - <_> - 7 13 1 1 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 10 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 16 6 3 2 -1. - <_> - 16 7 3 1 2. - <_> - - <_> - 0 7 19 4 -1. - <_> - 0 9 19 2 2. - <_> - - <_> - 10 2 10 1 -1. - <_> - 10 2 5 1 2. - <_> - - <_> - 9 4 2 12 -1. - <_> - 9 10 2 6 2. - <_> - - <_> - 12 18 4 1 -1. - <_> - 12 18 2 1 2. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 7 3 2 2. - <_> - 4 9 3 2 2. - <_> - - <_> - 12 0 6 13 -1. - <_> - 14 0 2 13 3. - <_> - - <_> - 2 0 6 13 -1. - <_> - 4 0 2 13 3. - <_> - - <_> - 10 5 8 8 -1. - <_> - 10 9 8 4 2. - <_> - - <_> - 8 3 2 5 -1. - <_> - 9 3 1 5 2. - <_> - - <_> - 8 4 9 1 -1. - <_> - 11 4 3 1 3. - <_> - - <_> - 3 4 9 1 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 1 0 18 10 -1. - <_> - 7 0 6 10 3. - <_> - - <_> - 7 17 5 3 -1. - <_> - 7 18 5 1 3. - <_> - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 2 2 3 2 -1. - <_> - 2 3 3 1 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 13 3 3 2. - <_> - - <_> - 11 4 2 4 -1. - <_> - 11 4 1 4 2. - <_> - - <_> - 7 4 2 4 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 9 6 2 4 -1. - <_> - 9 6 1 4 2. - <_> - - <_> - 6 13 8 3 -1. - <_> - 6 14 8 1 3. - <_> - - <_> - 9 15 3 4 -1. - <_> - 10 15 1 4 3. - <_> - - <_> - 9 2 2 17 -1. - <_> - 10 2 1 17 2. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 8 15 3 4 -1. - <_> - 9 15 1 4 3. - <_> - - <_> - 7 13 7 3 -1. - <_> - 7 14 7 1 3. - <_> - - <_> - 8 16 3 3 -1. - <_> - 9 16 1 3 3. - <_> - - <_> - 6 2 8 10 -1. - <_> - 6 7 8 5 2. - <_> - - <_> - 2 5 8 8 -1. - <_> - 2 9 8 4 2. - <_> - - <_> - 14 16 2 2 -1. - <_> - 14 17 2 1 2. - <_> - - <_> - 4 16 2 2 -1. - <_> - 4 17 2 1 2. - <_> - - <_> - 10 11 4 6 -1. - <_> - 10 14 4 3 2. - <_> - - <_> - 6 11 4 6 -1. - <_> - 6 14 4 3 2. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 10 0 4 6 -1. - <_> - 12 0 2 3 2. - <_> - 10 3 2 3 2. - <_> - - <_> - 0 3 20 2 -1. - <_> - 0 4 20 1 2. - <_> - - <_> - 12 0 8 2 -1. - <_> - 16 0 4 1 2. - <_> - 12 1 4 1 2. - <_> - - <_> - 2 12 10 8 -1. - <_> - 2 16 10 4 2. - <_> - - <_> - 17 7 2 10 -1. - <_> - 18 7 1 5 2. - <_> - 17 12 1 5 2. - <_> - - <_> - 1 7 2 10 -1. - <_> - 1 7 1 5 2. - <_> - 2 12 1 5 2. - <_> - - <_> - 15 10 3 6 -1. - <_> - 15 12 3 2 3. - <_> - - <_> - 4 4 6 2 -1. - <_> - 6 4 2 2 3. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 0 0 8 2 -1. - <_> - 0 0 4 1 2. - <_> - 4 1 4 1 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 1 13 6 2 -1. - <_> - 1 14 6 1 2. - <_> - - <_> - 10 8 3 4 -1. - <_> - 11 8 1 4 3. - <_> - - <_> - 6 1 6 1 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 1 6 18 2 -1. - <_> - 10 6 9 2 2. - <_> - - <_> - 15 11 1 2 -1. - <_> - 15 12 1 1 2. - <_> - - <_> - 6 5 1 2 -1. - <_> - 6 6 1 1 2. - <_> - - <_> - 13 4 1 3 -1. - <_> - 13 5 1 1 3. - <_> - - <_> - 2 15 1 2 -1. - <_> - 2 16 1 1 2. - <_> - - <_> - 12 4 4 3 -1. - <_> - 12 5 4 1 3. - <_> - - <_> - 0 0 7 3 -1. - <_> - 0 1 7 1 3. - <_> - - <_> - 9 12 6 2 -1. - <_> - 9 12 3 2 2. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 18 4 2 3 -1. - <_> - 18 5 2 1 3. - <_> - - <_> - 3 0 8 6 -1. - <_> - 3 2 8 2 3. - <_> - - <_> - 0 2 20 6 -1. - <_> - 10 2 10 3 2. - <_> - 0 5 10 3 2. - <_> - - <_> - 4 7 2 4 -1. - <_> - 5 7 1 4 2. - <_> - - <_> - 3 10 15 2 -1. - <_> - 8 10 5 2 3. - <_> - - <_> - 3 0 12 11 -1. - <_> - 9 0 6 11 2. - <_> - - <_> - 13 0 2 6 -1. - <_> - 13 0 1 6 2. - <_> - - <_> - 0 19 2 1 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 16 10 4 10 -1. - <_> - 18 10 2 5 2. - <_> - 16 15 2 5 2. - <_> - - <_> - 4 8 10 3 -1. - <_> - 4 9 10 1 3. - <_> - - <_> - 14 12 3 3 -1. - <_> - 14 13 3 1 3. - <_> - - <_> - 0 10 4 10 -1. - <_> - 0 10 2 5 2. - <_> - 2 15 2 5 2. - <_> - - <_> - 18 3 2 6 -1. - <_> - 18 5 2 2 3. - <_> - - <_> - 6 6 1 3 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 7 7 7 2 -1. - <_> - 7 8 7 1 2. - <_> - - <_> - 0 3 2 6 -1. - <_> - 0 5 2 2 3. - <_> - - <_> - 11 1 3 1 -1. - <_> - 12 1 1 1 3. - <_> - - <_> - 5 0 2 6 -1. - <_> - 6 0 1 6 2. - <_> - - <_> - 1 1 18 14 -1. - <_> - 7 1 6 14 3. - <_> - - <_> - 4 6 8 3 -1. - <_> - 8 6 4 3 2. - <_> - - <_> - 9 12 6 2 -1. - <_> - 9 12 3 2 2. - <_> - - <_> - 5 12 6 2 -1. - <_> - 8 12 3 2 2. - <_> - - <_> - 10 7 3 5 -1. - <_> - 11 7 1 5 3. - <_> - - <_> - 7 7 3 5 -1. - <_> - 8 7 1 5 3. - <_> - - <_> - 13 0 3 10 -1. - <_> - 14 0 1 10 3. - <_> - - <_> - 4 11 3 2 -1. - <_> - 4 12 3 1 2. - <_> - - <_> - 17 3 3 6 -1. - <_> - 18 3 1 6 3. - <_> - - <_> - 1 8 18 10 -1. - <_> - 1 13 18 5 2. - <_> - - <_> - 13 0 3 10 -1. - <_> - 14 0 1 10 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 16 3 3 7 -1. - <_> - 17 3 1 7 3. - <_> - - <_> - 4 0 3 10 -1. - <_> - 5 0 1 10 3. - <_> - - <_> - 16 3 3 7 -1. - <_> - 17 3 1 7 3. - <_> - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - <_> - - <_> - 18 1 2 10 -1. - <_> - 18 1 1 10 2. - <_> - - <_> - 0 1 2 10 -1. - <_> - 1 1 1 10 2. - <_> - - <_> - 10 16 3 4 -1. - <_> - 11 16 1 4 3. - <_> - - <_> - 2 8 3 3 -1. - <_> - 3 8 1 3 3. - <_> - - <_> - 11 0 2 6 -1. - <_> - 12 0 1 3 2. - <_> - 11 3 1 3 2. - <_> - - <_> - 7 0 2 6 -1. - <_> - 7 0 1 3 2. - <_> - 8 3 1 3 2. - <_> - - <_> - 16 3 3 7 -1. - <_> - 17 3 1 7 3. - <_> - - <_> - 1 3 3 7 -1. - <_> - 2 3 1 7 3. - <_> - - <_> - 14 1 6 16 -1. - <_> - 16 1 2 16 3. - <_> - - <_> - 0 1 6 16 -1. - <_> - 2 1 2 16 3. - <_> - - <_> - 2 0 16 8 -1. - <_> - 10 0 8 4 2. - <_> - 2 4 8 4 2. - <_> - - <_> - 6 8 5 3 -1. - <_> - 6 9 5 1 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 9 6 2 4 -1. - <_> - 9 6 1 4 2. - <_> - - <_> - 0 7 15 1 -1. - <_> - 5 7 5 1 3. - <_> - - <_> - 8 2 7 9 -1. - <_> - 8 5 7 3 3. - <_> - - <_> - 1 7 16 4 -1. - <_> - 1 7 8 2 2. - <_> - 9 9 8 2 2. - <_> - - <_> - 6 12 8 2 -1. - <_> - 6 13 8 1 2. - <_> - - <_> - 8 11 3 3 -1. - <_> - 8 12 3 1 3. - <_> - - <_> - 4 5 14 10 -1. - <_> - 11 5 7 5 2. - <_> - 4 10 7 5 2. - <_> - - <_> - 4 12 3 2 -1. - <_> - 4 13 3 1 2. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 4 9 7 6 -1. - <_> - 4 11 7 2 3. - <_> - - <_> - 7 10 6 3 -1. - <_> - 7 11 6 1 3. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 12 2 1 2. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 6 4 6 1 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 10 16 3 4 -1. - <_> - 11 16 1 4 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 2 12 16 8 -1. - <_> - 2 16 16 4 2. - <_> - - <_> - 0 15 15 2 -1. - <_> - 0 16 15 1 2. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 6 5 2 3. - <_> - - <_> - 9 5 2 4 -1. - <_> - 10 5 1 4 2. - <_> - - <_> - 8 10 9 6 -1. - <_> - 8 12 9 2 3. - <_> - - <_> - 2 19 15 1 -1. - <_> - 7 19 5 1 3. - <_> - - <_> - 10 16 3 4 -1. - <_> - 11 16 1 4 3. - <_> - - <_> - 0 15 20 4 -1. - <_> - 0 17 20 2 2. - <_> - - <_> - 10 16 3 4 -1. - <_> - 11 16 1 4 3. - <_> - - <_> - 7 16 3 4 -1. - <_> - 8 16 1 4 3. - <_> - - <_> - 9 16 3 3 -1. - <_> - 9 17 3 1 3. - <_> - - <_> - 8 11 4 6 -1. - <_> - 8 14 4 3 2. - <_> - - <_> - 9 6 2 12 -1. - <_> - 9 10 2 4 3. - <_> - - <_> - 8 17 4 3 -1. - <_> - 8 18 4 1 3. - <_> - - <_> - 9 18 8 2 -1. - <_> - 13 18 4 1 2. - <_> - 9 19 4 1 2. - <_> - - <_> - 1 18 8 2 -1. - <_> - 1 19 8 1 2. - <_> - - <_> - 13 5 6 15 -1. - <_> - 15 5 2 15 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 9 5 2 3 -1. - <_> - 9 5 1 3 2. - <_> - - <_> - 1 5 6 15 -1. - <_> - 3 5 2 15 3. - <_> - - <_> - 4 1 14 8 -1. - <_> - 11 1 7 4 2. - <_> - 4 5 7 4 2. - <_> - - <_> - 2 4 4 16 -1. - <_> - 2 4 2 8 2. - <_> - 4 12 2 8 2. - <_> - - <_> - 12 4 3 12 -1. - <_> - 12 10 3 6 2. - <_> - - <_> - 4 5 10 12 -1. - <_> - 4 5 5 6 2. - <_> - 9 11 5 6 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 12 2 4 10 -1. - <_> - 14 2 2 5 2. - <_> - 12 7 2 5 2. - <_> - - <_> - 6 4 7 3 -1. - <_> - 6 5 7 1 3. - <_> - - <_> - 2 0 18 2 -1. - <_> - 11 0 9 1 2. - <_> - 2 1 9 1 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 13 13 4 6 -1. - <_> - 15 13 2 3 2. - <_> - 13 16 2 3 2. - <_> - - <_> - 3 13 4 6 -1. - <_> - 3 13 2 3 2. - <_> - 5 16 2 3 2. - <_> - - <_> - 10 12 2 6 -1. - <_> - 10 15 2 3 2. - <_> - - <_> - 5 9 10 10 -1. - <_> - 5 9 5 5 2. - <_> - 10 14 5 5 2. - <_> - - <_> - 11 4 4 2 -1. - <_> - 13 4 2 1 2. - <_> - 11 5 2 1 2. - <_> - - <_> - 7 12 6 8 -1. - <_> - 10 12 3 8 2. - <_> - - <_> - 12 2 4 10 -1. - <_> - 14 2 2 5 2. - <_> - 12 7 2 5 2. - <_> - - <_> - 8 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 10 5 1 12 -1. - <_> - 10 9 1 4 3. - <_> - - <_> - 0 11 6 9 -1. - <_> - 3 11 3 9 2. - <_> - - <_> - 12 2 4 10 -1. - <_> - 14 2 2 5 2. - <_> - 12 7 2 5 2. - <_> - - <_> - 4 2 4 10 -1. - <_> - 4 2 2 5 2. - <_> - 6 7 2 5 2. - <_> - - <_> - 11 4 4 2 -1. - <_> - 13 4 2 1 2. - <_> - 11 5 2 1 2. - <_> - - <_> - 0 14 6 3 -1. - <_> - 0 15 6 1 3. - <_> - - <_> - 11 4 4 2 -1. - <_> - 13 4 2 1 2. - <_> - 11 5 2 1 2. - <_> - - <_> - 6 1 3 2 -1. - <_> - 7 1 1 2 3. - <_> - - <_> - 11 4 4 2 -1. - <_> - 13 4 2 1 2. - <_> - 11 5 2 1 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 5 4 2 1 2. - <_> - 7 5 2 1 2. - <_> - - <_> - 13 0 2 12 -1. - <_> - 14 0 1 6 2. - <_> - 13 6 1 6 2. - <_> - - <_> - 6 0 3 10 -1. - <_> - 7 0 1 10 3. - <_> - - <_> - 3 0 17 8 -1. - <_> - 3 4 17 4 2. - <_> - - <_> - 0 4 20 4 -1. - <_> - 0 6 20 2 2. - <_> - - <_> - 0 3 8 2 -1. - <_> - 4 3 4 2 2. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 5 7 6 4 -1. - <_> - 5 7 3 2 2. - <_> - 8 9 3 2 2. - <_> - - <_> - 8 3 4 9 -1. - <_> - 8 6 4 3 3. - <_> - - <_> - 8 15 1 4 -1. - <_> - 8 17 1 2 2. - <_> - - <_> - 4 5 12 7 -1. - <_> - 8 5 4 7 3. - <_> - - <_> - 4 2 4 10 -1. - <_> - 4 2 2 5 2. - <_> - 6 7 2 5 2. - <_> - - <_> - 3 0 17 2 -1. - <_> - 3 1 17 1 2. - <_> - - <_> - 2 2 16 15 -1. - <_> - 2 7 16 5 3. - <_> - - <_> - 15 2 5 2 -1. - <_> - 15 3 5 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 2 2. - <_> - - <_> - 4 5 16 15 -1. - <_> - 4 10 16 5 3. - <_> - - <_> - 7 13 5 6 -1. - <_> - 7 16 5 3 2. - <_> - - <_> - 10 7 3 2 -1. - <_> - 11 7 1 2 3. - <_> - - <_> - 8 3 3 1 -1. - <_> - 9 3 1 1 3. - <_> - - <_> - 9 16 3 3 -1. - <_> - 9 17 3 1 3. - <_> - - <_> - 0 2 5 2 -1. - <_> - 0 3 5 1 2. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 1 7 12 1 -1. - <_> - 5 7 4 1 3. - <_> - - <_> - 7 5 6 14 -1. - <_> - 7 12 6 7 2. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 0 4 5 2. - <_> - 4 5 4 5 2. - <_> - - <_> - 9 1 3 2 -1. - <_> - 10 1 1 2 3. - <_> - - <_> - 8 1 3 2 -1. - <_> - 9 1 1 2 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 7 4 6 16 -1. - <_> - 7 12 6 8 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 2 3 2 6 -1. - <_> - 2 5 2 2 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 13 11 3 6 -1. - <_> - 13 13 3 2 3. - <_> - - <_> - 3 14 2 6 -1. - <_> - 3 17 2 3 2. - <_> - - <_> - 14 3 6 2 -1. - <_> - 14 4 6 1 2. - <_> - - <_> - 0 8 16 2 -1. - <_> - 0 9 16 1 2. - <_> - - <_> - 14 3 6 2 -1. - <_> - 14 4 6 1 2. - <_> - - <_> - 0 0 5 6 -1. - <_> - 0 2 5 2 3. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 4 11 3 6 -1. - <_> - 4 13 3 2 3. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 9 5 1 3 -1. - <_> - 9 6 1 1 3. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 6 6 8 12 -1. - <_> - 6 12 8 6 2. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 5 12 9 2 -1. - <_> - 8 12 3 2 3. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 4 5 4 3 -1. - <_> - 4 6 4 1 3. - <_> - - <_> - 6 6 9 2 -1. - <_> - 9 6 3 2 3. - <_> - - <_> - 4 11 1 3 -1. - <_> - 4 12 1 1 3. - <_> - - <_> - 14 12 6 6 -1. - <_> - 14 12 3 6 2. - <_> - - <_> - 7 0 3 7 -1. - <_> - 8 0 1 7 3. - <_> - - <_> - 9 8 3 3 -1. - <_> - 10 8 1 3 3. - <_> - - <_> - 8 8 3 3 -1. - <_> - 9 8 1 3 3. - <_> - - <_> - 5 10 11 3 -1. - <_> - 5 11 11 1 3. - <_> - - <_> - 5 7 10 1 -1. - <_> - 10 7 5 1 2. - <_> - - <_> - 9 7 3 2 -1. - <_> - 10 7 1 2 3. - <_> - - <_> - 8 7 3 2 -1. - <_> - 9 7 1 2 3. - <_> - - <_> - 11 9 4 2 -1. - <_> - 11 9 2 2 2. - <_> - - <_> - 5 9 4 2 -1. - <_> - 7 9 2 2 2. - <_> - - <_> - 14 10 2 4 -1. - <_> - 14 12 2 2 2. - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 7 1 2 3. - <_> - - <_> - 14 17 6 3 -1. - <_> - 14 18 6 1 3. - <_> - - <_> - 4 5 12 12 -1. - <_> - 4 5 6 6 2. - <_> - 10 11 6 6 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 0 4 15 4 -1. - <_> - 5 4 5 4 3. - <_> - - <_> - 13 2 4 1 -1. - <_> - 13 2 2 1 2. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 9 13 2 3 -1. - <_> - 9 14 2 1 3. - <_> - - <_> - 13 11 2 3 -1. - <_> - 13 12 2 1 3. - <_> - - <_> - 7 12 4 4 -1. - <_> - 7 12 2 2 2. - <_> - 9 14 2 2 2. - <_> - - <_> - 10 11 2 2 -1. - <_> - 11 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 10 11 2 2 -1. - <_> - 11 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 0 17 6 3 -1. - <_> - 0 18 6 1 3. - <_> - - <_> - 10 11 2 2 -1. - <_> - 11 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 11 1 1 2. - <_> - 9 12 1 1 2. - <_> - - <_> - 12 5 8 4 -1. - <_> - 12 5 4 4 2. - <_> - - <_> - 0 5 8 4 -1. - <_> - 4 5 4 4 2. - <_> - - <_> - 13 2 4 1 -1. - <_> - 13 2 2 1 2. - <_> - - <_> - 3 2 4 1 -1. - <_> - 5 2 2 1 2. - <_> - - <_> - 10 0 4 2 -1. - <_> - 12 0 2 1 2. - <_> - 10 1 2 1 2. - <_> - - <_> - 7 12 3 1 -1. - <_> - 8 12 1 1 3. - <_> - - <_> - 8 11 4 8 -1. - <_> - 10 11 2 4 2. - <_> - 8 15 2 4 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 3 18 15 2 -1. - <_> - 3 19 15 1 2. - <_> - - <_> - 2 6 2 12 -1. - <_> - 2 6 1 6 2. - <_> - 3 12 1 6 2. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 9 2 1 3. - <_> - - <_> - 7 10 3 2 -1. - <_> - 8 10 1 2 3. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 9 2 4 2 -1. - <_> - 11 2 2 1 2. - <_> - 9 3 2 1 2. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 5 1 4 14 -1. - <_> - 7 1 2 14 2. - <_> - - <_> - 8 16 12 3 -1. - <_> - 8 16 6 3 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 9 14 2 6 -1. - <_> - 9 17 2 3 2. - <_> - - <_> - 9 12 1 8 -1. - <_> - 9 16 1 4 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 9 6 2 12 -1. - <_> - 9 10 2 4 3. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 0 1 4 8 -1. - <_> - 2 1 2 8 2. - <_> - - <_> - 9 1 6 2 -1. - <_> - 12 1 3 1 2. - <_> - 9 2 3 1 2. - <_> - - <_> - 1 3 12 14 -1. - <_> - 1 10 12 7 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 10 12 2 1 2. - <_> - 8 13 2 1 2. - <_> - - <_> - 1 9 10 2 -1. - <_> - 1 9 5 1 2. - <_> - 6 10 5 1 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 6 8 8 3 -1. - <_> - 6 9 8 1 3. - <_> - - <_> - 9 15 5 3 -1. - <_> - 9 16 5 1 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 7 7 6 2 -1. - <_> - 7 8 6 1 2. - <_> - - <_> - 5 7 8 2 -1. - <_> - 5 7 4 1 2. - <_> - 9 8 4 1 2. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 4 7 4 2 -1. - <_> - 4 8 4 1 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 4 9 3 3 -1. - <_> - 5 9 1 3 3. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 17 3 3 6 -1. - <_> - 18 3 1 6 3. - <_> - - <_> - 0 3 3 6 -1. - <_> - 1 3 1 6 3. - <_> - - <_> - 17 14 1 2 -1. - <_> - 17 15 1 1 2. - <_> - - <_> - 4 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 12 9 3 3 -1. - <_> - 12 10 3 1 3. - <_> - - <_> - 5 9 3 3 -1. - <_> - 5 10 3 1 3. - <_> - - <_> - 9 5 6 8 -1. - <_> - 12 5 3 4 2. - <_> - 9 9 3 4 2. - <_> - - <_> - 5 5 6 8 -1. - <_> - 5 5 3 4 2. - <_> - 8 9 3 4 2. - <_> - - <_> - 16 1 4 6 -1. - <_> - 16 4 4 3 2. - <_> - - <_> - 1 0 6 20 -1. - <_> - 3 0 2 20 3. - <_> - - <_> - 12 11 3 2 -1. - <_> - 13 11 1 2 3. - <_> - - <_> - 5 11 3 2 -1. - <_> - 6 11 1 2 3. - <_> - - <_> - 9 4 6 1 -1. - <_> - 11 4 2 1 3. - <_> - - <_> - 0 0 8 3 -1. - <_> - 4 0 4 3 2. - <_> - - <_> - 15 0 2 5 -1. - <_> - 15 0 1 5 2. - <_> - - <_> - 4 1 3 2 -1. - <_> - 5 1 1 2 3. - <_> - - <_> - 7 0 6 15 -1. - <_> - 9 0 2 15 3. - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 12 0 3 4 -1. - <_> - 13 0 1 4 3. - <_> - - <_> - 5 4 6 1 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 12 7 3 2 -1. - <_> - 12 8 3 1 2. - <_> - - <_> - 0 1 4 6 -1. - <_> - 0 4 4 3 2. - <_> - - <_> - 12 7 3 2 -1. - <_> - 12 8 3 1 2. - <_> - - <_> - 2 16 3 3 -1. - <_> - 2 17 3 1 3. - <_> - - <_> - 13 8 6 10 -1. - <_> - 16 8 3 5 2. - <_> - 13 13 3 5 2. - <_> - - <_> - 0 9 5 2 -1. - <_> - 0 10 5 1 2. - <_> - - <_> - 12 11 2 2 -1. - <_> - 13 11 1 1 2. - <_> - 12 12 1 1 2. - <_> - - <_> - 3 15 3 3 -1. - <_> - 3 16 3 1 3. - <_> - - <_> - 12 7 3 2 -1. - <_> - 12 8 3 1 2. - <_> - - <_> - 5 7 3 2 -1. - <_> - 5 8 3 1 2. - <_> - - <_> - 9 5 9 9 -1. - <_> - 9 8 9 3 3. - <_> - - <_> - 5 0 3 7 -1. - <_> - 6 0 1 7 3. - <_> - - <_> - 5 2 12 5 -1. - <_> - 9 2 4 5 3. - <_> - - <_> - 6 11 2 2 -1. - <_> - 6 11 1 1 2. - <_> - 7 12 1 1 2. - <_> - - <_> - 15 15 3 2 -1. - <_> - 15 16 3 1 2. - <_> - - <_> - 2 15 3 2 -1. - <_> - 2 16 3 1 2. - <_> - - <_> - 14 12 6 8 -1. - <_> - 17 12 3 4 2. - <_> - 14 16 3 4 2. - <_> - - <_> - 2 8 15 6 -1. - <_> - 7 8 5 6 3. - <_> - - <_> - 2 2 18 17 -1. - <_> - 8 2 6 17 3. - <_> - - <_> - 5 1 4 1 -1. - <_> - 7 1 2 1 2. - <_> - - <_> - 5 2 12 5 -1. - <_> - 9 2 4 5 3. - <_> - - <_> - 3 2 12 5 -1. - <_> - 7 2 4 5 3. - <_> - - <_> - 4 9 12 4 -1. - <_> - 10 9 6 2 2. - <_> - 4 11 6 2 2. - <_> - - <_> - 5 15 6 2 -1. - <_> - 5 15 3 1 2. - <_> - 8 16 3 1 2. - <_> - - <_> - 10 14 2 3 -1. - <_> - 10 15 2 1 3. - <_> - - <_> - 0 13 20 2 -1. - <_> - 0 13 10 1 2. - <_> - 10 14 10 1 2. - <_> - - <_> - 4 9 12 8 -1. - <_> - 10 9 6 4 2. - <_> - 4 13 6 4 2. - <_> - - <_> - 8 13 3 6 -1. - <_> - 8 16 3 3 2. - <_> - - <_> - 10 12 2 2 -1. - <_> - 10 13 2 1 2. - <_> - - <_> - 9 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 10 13 1 1 2. - <_> - - <_> - 4 11 14 4 -1. - <_> - 11 11 7 2 2. - <_> - 4 13 7 2 2. - <_> - - <_> - 8 5 4 2 -1. - <_> - 8 6 4 1 2. - <_> - - <_> - 10 10 6 3 -1. - <_> - 12 10 2 3 3. - <_> - - <_> - 2 14 1 2 -1. - <_> - 2 15 1 1 2. - <_> - - <_> - 13 8 6 12 -1. - <_> - 16 8 3 6 2. - <_> - 13 14 3 6 2. - <_> - - <_> - 1 8 6 12 -1. - <_> - 1 8 3 6 2. - <_> - 4 14 3 6 2. - <_> - - <_> - 10 0 6 10 -1. - <_> - 12 0 2 10 3. - <_> - - <_> - 5 11 8 4 -1. - <_> - 5 11 4 2 2. - <_> - 9 13 4 2 2. - <_> - - <_> - 10 16 8 4 -1. - <_> - 14 16 4 2 2. - <_> - 10 18 4 2 2. - <_> - - <_> - 7 7 6 6 -1. - <_> - 9 7 2 6 3. - <_> - - <_> - 10 2 4 10 -1. - <_> - 10 2 2 10 2. - <_> - - <_> - 6 1 4 9 -1. - <_> - 8 1 2 9 2. - <_> - - <_> - 12 19 2 1 -1. - <_> - 12 19 1 1 2. - <_> - - <_> - 1 2 4 9 -1. - <_> - 3 2 2 9 2. - <_> - - <_> - 7 5 6 4 -1. - <_> - 9 5 2 4 3. - <_> - - <_> - 9 4 2 4 -1. - <_> - 9 6 2 2 2. - <_> - - <_> - 14 5 2 8 -1. - <_> - 14 9 2 4 2. - <_> - - <_> - 7 6 5 12 -1. - <_> - 7 12 5 6 2. - <_> - - <_> - 14 6 2 6 -1. - <_> - 14 9 2 3 2. - <_> - - <_> - 4 6 2 6 -1. - <_> - 4 9 2 3 2. - <_> - - <_> - 8 15 10 4 -1. - <_> - 13 15 5 2 2. - <_> - 8 17 5 2 2. - <_> - - <_> - 6 18 2 2 -1. - <_> - 7 18 1 2 2. - <_> - - <_> - 11 3 6 2 -1. - <_> - 11 4 6 1 2. - <_> - - <_> - 2 0 16 6 -1. - <_> - 2 2 16 2 3. - <_> - - <_> - 11 3 6 2 -1. - <_> - 11 4 6 1 2. - <_> - - <_> - 4 11 10 3 -1. - <_> - 4 12 10 1 3. - <_> - - <_> - 11 3 6 2 -1. - <_> - 11 4 6 1 2. - <_> - - <_> - 3 3 6 2 -1. - <_> - 3 4 6 1 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 9 16 3 3 -1. - <_> - 9 17 3 1 3. - <_> - - <_> - 4 6 6 2 -1. - <_> - 6 6 2 2 3. - <_> - - <_> - 15 11 1 3 -1. - <_> - 15 12 1 1 3. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 10 9 2 2 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 3 1 4 3 -1. - <_> - 5 1 2 3 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 0 0 20 1 -1. - <_> - 10 0 10 1 2. - <_> - - <_> - 15 11 1 3 -1. - <_> - 15 12 1 1 3. - <_> - - <_> - 0 4 3 4 -1. - <_> - 1 4 1 4 3. - <_> - - <_> - 16 3 3 6 -1. - <_> - 16 5 3 2 3. - <_> - - <_> - 1 3 3 6 -1. - <_> - 1 5 3 2 3. - <_> - - <_> - 6 2 12 6 -1. - <_> - 12 2 6 3 2. - <_> - 6 5 6 3 2. - <_> - - <_> - 8 10 4 3 -1. - <_> - 8 11 4 1 3. - <_> - - <_> - 4 2 14 6 -1. - <_> - 11 2 7 3 2. - <_> - 4 5 7 3 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 15 13 2 3 -1. - <_> - 15 14 2 1 3. - <_> - - <_> - 8 12 4 3 -1. - <_> - 8 13 4 1 3. - <_> - - <_> - 15 11 1 3 -1. - <_> - 15 12 1 1 3. - <_> - - <_> - 7 13 5 2 -1. - <_> - 7 14 5 1 2. - <_> - - <_> - 7 12 6 3 -1. - <_> - 7 13 6 1 3. - <_> - - <_> - 5 11 4 4 -1. - <_> - 5 13 4 2 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 4 1 3 3. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 4 1 3 3. - <_> - - <_> - 16 5 3 6 -1. - <_> - 17 5 1 6 3. - <_> - - <_> - 3 6 12 7 -1. - <_> - 7 6 4 7 3. - <_> - - <_> - 16 5 3 6 -1. - <_> - 17 5 1 6 3. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 16 5 3 6 -1. - <_> - 17 5 1 6 3. - <_> - - <_> - 1 5 3 6 -1. - <_> - 2 5 1 6 3. - <_> - - <_> - 1 9 18 1 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 0 9 8 7 -1. - <_> - 4 9 4 7 2. - <_> - - <_> - 12 11 8 2 -1. - <_> - 12 12 8 1 2. - <_> - - <_> - 0 11 8 2 -1. - <_> - 0 12 8 1 2. - <_> - - <_> - 9 13 2 3 -1. - <_> - 9 14 2 1 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 4 10 6 2 2. - <_> - 10 12 6 2 2. - <_> - - <_> - 9 3 3 7 -1. - <_> - 10 3 1 7 3. - <_> - - <_> - 7 2 3 5 -1. - <_> - 8 2 1 5 3. - <_> - - <_> - 9 12 4 6 -1. - <_> - 11 12 2 3 2. - <_> - 9 15 2 3 2. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 15 4 4 2 -1. - <_> - 15 5 4 1 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 14 2 6 4 -1. - <_> - 14 4 6 2 2. - <_> - - <_> - 7 16 6 1 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 15 13 2 3 -1. - <_> - 15 14 2 1 3. - <_> - - <_> - 8 7 3 10 -1. - <_> - 9 7 1 10 3. - <_> - - <_> - 11 10 2 6 -1. - <_> - 11 12 2 2 3. - <_> - - <_> - 6 10 4 1 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 13 0 3 14 -1. - <_> - 14 0 1 14 3. - <_> - - <_> - 4 0 3 14 -1. - <_> - 5 0 1 14 3. - <_> - - <_> - 13 4 3 14 -1. - <_> - 14 4 1 14 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 4 2 3 16 -1. - <_> - 5 2 1 16 3. - <_> - - <_> - 7 2 8 10 -1. - <_> - 7 7 8 5 2. - <_> - - <_> - 6 14 7 3 -1. - <_> - 6 15 7 1 3. - <_> - - <_> - 9 2 10 12 -1. - <_> - 14 2 5 6 2. - <_> - 9 8 5 6 2. - <_> - - <_> - 6 7 8 2 -1. - <_> - 6 8 8 1 2. - <_> - - <_> - 8 13 4 6 -1. - <_> - 8 16 4 3 2. - <_> - - <_> - 6 6 1 3 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 16 2 4 6 -1. - <_> - 16 4 4 2 3. - <_> - - <_> - 6 6 4 2 -1. - <_> - 6 6 2 1 2. - <_> - 8 7 2 1 2. - <_> - - <_> - 16 2 4 6 -1. - <_> - 16 4 4 2 3. - <_> - - <_> - 0 2 4 6 -1. - <_> - 0 4 4 2 3. - <_> - - <_> - 9 6 2 6 -1. - <_> - 9 6 1 6 2. - <_> - - <_> - 3 4 6 10 -1. - <_> - 3 9 6 5 2. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 5 1 6 2. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 13 13 3 2 -1. - <_> - 13 14 3 1 2. - <_> - - <_> - 2 16 10 4 -1. - <_> - 2 16 5 2 2. - <_> - 7 18 5 2 2. - <_> - - <_> - 5 6 10 6 -1. - <_> - 10 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - <_> - - <_> - 14 16 6 3 -1. - <_> - 14 17 6 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 7 4 10 3 -1. - <_> - 7 5 10 1 3. - <_> - - <_> - 0 4 5 4 -1. - <_> - 0 6 5 2 2. - <_> - - <_> - 13 11 3 9 -1. - <_> - 13 14 3 3 3. - <_> - - <_> - 4 11 3 9 -1. - <_> - 4 14 3 3 3. - <_> - - <_> - 9 7 2 1 -1. - <_> - 9 7 1 1 2. - <_> - - <_> - 5 0 6 17 -1. - <_> - 7 0 2 17 3. - <_> - - <_> - 10 3 6 3 -1. - <_> - 10 3 3 3 2. - <_> - - <_> - 2 2 15 4 -1. - <_> - 7 2 5 4 3. - <_> - - <_> - 8 2 8 2 -1. - <_> - 12 2 4 1 2. - <_> - 8 3 4 1 2. - <_> - - <_> - 8 1 3 6 -1. - <_> - 8 3 3 2 3. - <_> - - <_> - 9 17 2 2 -1. - <_> - 9 18 2 1 2. - <_> - - <_> - 0 0 2 14 -1. - <_> - 1 0 1 14 2. - <_> - - <_> - 12 0 7 3 -1. - <_> - 12 1 7 1 3. - <_> - - <_> - 1 14 1 2 -1. - <_> - 1 15 1 1 2. - <_> - - <_> - 14 12 2 8 -1. - <_> - 15 12 1 4 2. - <_> - 14 16 1 4 2. - <_> - - <_> - 1 0 7 3 -1. - <_> - 1 1 7 1 3. - <_> - - <_> - 14 12 2 8 -1. - <_> - 15 12 1 4 2. - <_> - 14 16 1 4 2. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 0 4 6 2. - <_> - 10 6 4 6 2. - <_> - - <_> - 6 1 8 9 -1. - <_> - 6 4 8 3 3. - <_> - - <_> - 5 2 2 2 -1. - <_> - 5 3 2 1 2. - <_> - - <_> - 13 14 6 6 -1. - <_> - 16 14 3 3 2. - <_> - 13 17 3 3 2. - <_> - - <_> - 0 17 20 2 -1. - <_> - 0 17 10 1 2. - <_> - 10 18 10 1 2. - <_> - - <_> - 10 3 2 6 -1. - <_> - 11 3 1 3 2. - <_> - 10 6 1 3 2. - <_> - - <_> - 5 12 6 2 -1. - <_> - 8 12 3 2 2. - <_> - - <_> - 10 7 6 13 -1. - <_> - 10 7 3 13 2. - <_> - - <_> - 5 15 10 5 -1. - <_> - 10 15 5 5 2. - <_> - - <_> - 10 4 4 10 -1. - <_> - 10 4 2 10 2. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 10 3 6 7 -1. - <_> - 10 3 3 7 2. - <_> - - <_> - 4 3 6 7 -1. - <_> - 7 3 3 7 2. - <_> - - <_> - 1 7 18 5 -1. - <_> - 7 7 6 5 3. - <_> - - <_> - 3 17 4 3 -1. - <_> - 5 17 2 3 2. - <_> - - <_> - 8 14 12 6 -1. - <_> - 14 14 6 3 2. - <_> - 8 17 6 3 2. - <_> - - <_> - 0 13 20 4 -1. - <_> - 0 13 10 2 2. - <_> - 10 15 10 2 2. - <_> - - <_> - 4 5 14 2 -1. - <_> - 11 5 7 1 2. - <_> - 4 6 7 1 2. - <_> - - <_> - 1 2 10 12 -1. - <_> - 1 2 5 6 2. - <_> - 6 8 5 6 2. - <_> - - <_> - 6 1 14 3 -1. - <_> - 6 2 14 1 3. - <_> - - <_> - 8 16 2 3 -1. - <_> - 8 17 2 1 3. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 5 15 4 2 -1. - <_> - 5 15 2 1 2. - <_> - 7 16 2 1 2. - <_> - - <_> - 10 15 1 3 -1. - <_> - 10 16 1 1 3. - <_> - - <_> - 8 16 4 4 -1. - <_> - 8 16 2 2 2. - <_> - 10 18 2 2 2. - <_> - - <_> - 6 11 8 6 -1. - <_> - 6 14 8 3 2. - <_> - - <_> - 2 13 5 2 -1. - <_> - 2 14 5 1 2. - <_> - - <_> - 13 14 6 6 -1. - <_> - 16 14 3 3 2. - <_> - 13 17 3 3 2. - <_> - - <_> - 1 9 18 4 -1. - <_> - 7 9 6 4 3. - <_> - - <_> - 13 14 6 6 -1. - <_> - 16 14 3 3 2. - <_> - 13 17 3 3 2. - <_> - - <_> - 0 2 1 6 -1. - <_> - 0 4 1 2 3. - <_> - - <_> - 5 0 15 20 -1. - <_> - 5 10 15 10 2. - <_> - - <_> - 1 14 6 6 -1. - <_> - 1 14 3 3 2. - <_> - 4 17 3 3 2. - <_> - - <_> - 8 14 4 6 -1. - <_> - 10 14 2 3 2. - <_> - 8 17 2 3 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 12 14 4 6 -1. - <_> - 14 14 2 3 2. - <_> - 12 17 2 3 2. - <_> - - <_> - 4 14 4 6 -1. - <_> - 4 14 2 3 2. - <_> - 6 17 2 3 2. - <_> - - <_> - 13 14 2 6 -1. - <_> - 14 14 1 3 2. - <_> - 13 17 1 3 2. - <_> - - <_> - 5 14 2 6 -1. - <_> - 5 14 1 3 2. - <_> - 6 17 1 3 2. - <_> - - <_> - 7 0 6 12 -1. - <_> - 7 4 6 4 3. - <_> - - <_> - 0 7 12 2 -1. - <_> - 4 7 4 2 3. - <_> - - <_> - 10 3 3 13 -1. - <_> - 11 3 1 13 3. - <_> - - <_> - 7 3 3 13 -1. - <_> - 8 3 1 13 3. - <_> - - <_> - 10 8 6 3 -1. - <_> - 10 9 6 1 3. - <_> - - <_> - 3 11 3 2 -1. - <_> - 4 11 1 2 3. - <_> - - <_> - 13 12 6 8 -1. - <_> - 16 12 3 4 2. - <_> - 13 16 3 4 2. - <_> - - <_> - 7 6 6 5 -1. - <_> - 9 6 2 5 3. - <_> - - <_> - 17 11 2 7 -1. - <_> - 17 11 1 7 2. - <_> - - <_> - 3 13 8 2 -1. - <_> - 7 13 4 2 2. - <_> - - <_> - 6 9 8 3 -1. - <_> - 6 10 8 1 3. - <_> - - <_> - 4 3 4 3 -1. - <_> - 4 4 4 1 3. - <_> - - <_> - 11 3 4 3 -1. - <_> - 11 4 4 1 3. - <_> - - <_> - 1 4 17 12 -1. - <_> - 1 8 17 4 3. - <_> - - <_> - 11 3 4 3 -1. - <_> - 11 4 4 1 3. - <_> - - <_> - 4 8 6 3 -1. - <_> - 4 9 6 1 3. - <_> - - <_> - 12 3 5 3 -1. - <_> - 12 4 5 1 3. - <_> - - <_> - 1 11 2 7 -1. - <_> - 2 11 1 7 2. - <_> - - <_> - 15 12 2 8 -1. - <_> - 16 12 1 4 2. - <_> - 15 16 1 4 2. - <_> - - <_> - 4 8 11 3 -1. - <_> - 4 9 11 1 3. - <_> - - <_> - 9 13 6 2 -1. - <_> - 12 13 3 1 2. - <_> - 9 14 3 1 2. - <_> - - <_> - 6 13 4 3 -1. - <_> - 6 14 4 1 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 10 12 1 3 3. - <_> - - <_> - 5 3 3 3 -1. - <_> - 5 4 3 1 3. - <_> - - <_> - 9 4 2 3 -1. - <_> - 9 5 2 1 3. - <_> - - <_> - 0 2 16 3 -1. - <_> - 0 3 16 1 3. - <_> - - <_> - 15 12 2 8 -1. - <_> - 16 12 1 4 2. - <_> - 15 16 1 4 2. - <_> - - <_> - 3 12 2 8 -1. - <_> - 3 12 1 4 2. - <_> - 4 16 1 4 2. - <_> - - <_> - 14 13 3 6 -1. - <_> - 14 15 3 2 3. - <_> - - <_> - 3 13 3 6 -1. - <_> - 3 15 3 2 3. - <_> - - <_> - 6 5 10 2 -1. - <_> - 11 5 5 1 2. - <_> - 6 6 5 1 2. - <_> - - <_> - 2 14 14 6 -1. - <_> - 2 17 14 3 2. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 4 16 2 2 -1. - <_> - 4 16 1 1 2. - <_> - 5 17 1 1 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 0 17 20 2 -1. - <_> - 0 17 10 1 2. - <_> - 10 18 10 1 2. - <_> - - <_> - 13 6 1 3 -1. - <_> - 13 7 1 1 3. - <_> - - <_> - 8 13 3 2 -1. - <_> - 9 13 1 2 3. - <_> - - <_> - 12 2 3 3 -1. - <_> - 13 2 1 3 3. - <_> - - <_> - 3 18 2 2 -1. - <_> - 3 18 1 1 2. - <_> - 4 19 1 1 2. - <_> - - <_> - 9 16 3 4 -1. - <_> - 10 16 1 4 3. - <_> - - <_> - 6 6 1 3 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 13 1 5 2 -1. - <_> - 13 2 5 1 2. - <_> - - <_> - 7 14 6 2 -1. - <_> - 7 14 3 1 2. - <_> - 10 15 3 1 2. - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 3 1 4 3. - <_> - - <_> - 1 13 12 6 -1. - <_> - 5 13 4 6 3. - <_> - - <_> - 14 11 5 2 -1. - <_> - 14 12 5 1 2. - <_> - - <_> - 2 15 14 4 -1. - <_> - 2 15 7 2 2. - <_> - 9 17 7 2 2. - <_> - - <_> - 3 7 14 2 -1. - <_> - 10 7 7 1 2. - <_> - 3 8 7 1 2. - <_> - - <_> - 1 11 4 2 -1. - <_> - 1 12 4 1 2. - <_> - - <_> - 14 0 6 14 -1. - <_> - 16 0 2 14 3. - <_> - - <_> - 4 11 1 3 -1. - <_> - 4 12 1 1 3. - <_> - - <_> - 14 0 6 14 -1. - <_> - 16 0 2 14 3. - <_> - - <_> - 1 10 3 7 -1. - <_> - 2 10 1 7 3. - <_> - - <_> - 8 12 9 2 -1. - <_> - 8 13 9 1 2. - <_> - - <_> - 0 6 20 1 -1. - <_> - 10 6 10 1 2. - <_> - - <_> - 8 4 4 4 -1. - <_> - 8 4 2 4 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 5 3 10 9 -1. - <_> - 5 6 10 3 3. - <_> - - <_> - 15 2 4 10 -1. - <_> - 15 2 2 10 2. - <_> - - <_> - 8 2 2 7 -1. - <_> - 9 2 1 7 2. - <_> - - <_> - 7 4 12 1 -1. - <_> - 11 4 4 1 3. - <_> - - <_> - 3 4 9 1 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 15 10 1 4 -1. - <_> - 15 12 1 2 2. - <_> - - <_> - 4 10 6 4 -1. - <_> - 7 10 3 4 2. - <_> - - <_> - 15 9 1 6 -1. - <_> - 15 12 1 3 2. - <_> - - <_> - 7 17 6 3 -1. - <_> - 7 18 6 1 3. - <_> - - <_> - 14 3 2 16 -1. - <_> - 15 3 1 8 2. - <_> - 14 11 1 8 2. - <_> - - <_> - 4 9 1 6 -1. - <_> - 4 12 1 3 2. - <_> - - <_> - 12 1 5 2 -1. - <_> - 12 2 5 1 2. - <_> - - <_> - 6 18 4 2 -1. - <_> - 6 18 2 1 2. - <_> - 8 19 2 1 2. - <_> - - <_> - 2 4 16 10 -1. - <_> - 10 4 8 5 2. - <_> - 2 9 8 5 2. - <_> - - <_> - 6 5 1 10 -1. - <_> - 6 10 1 5 2. - <_> - - <_> - 4 8 15 2 -1. - <_> - 9 8 5 2 3. - <_> - - <_> - 1 8 15 2 -1. - <_> - 6 8 5 2 3. - <_> - - <_> - 9 5 3 6 -1. - <_> - 9 7 3 2 3. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 1 0 16 3 -1. - <_> - 1 1 16 1 3. - <_> - - <_> - 11 2 7 2 -1. - <_> - 11 3 7 1 2. - <_> - - <_> - 5 1 10 18 -1. - <_> - 5 7 10 6 3. - <_> - - <_> - 17 4 3 2 -1. - <_> - 18 4 1 2 3. - <_> - - <_> - 8 13 1 3 -1. - <_> - 8 14 1 1 3. - <_> - - <_> - 3 14 14 6 -1. - <_> - 3 16 14 2 3. - <_> - - <_> - 0 2 3 4 -1. - <_> - 1 2 1 4 3. - <_> - - <_> - 12 1 5 2 -1. - <_> - 12 2 5 1 2. - <_> - - <_> - 3 1 5 2 -1. - <_> - 3 2 5 1 2. - <_> - - <_> - 10 13 2 3 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 8 13 2 3 -1. - <_> - 8 14 2 1 3. - <_> - - <_> - 14 12 2 3 -1. - <_> - 14 13 2 1 3. - <_> - - <_> - 7 2 2 3 -1. - <_> - 7 3 2 1 3. - <_> - - <_> - 5 6 10 4 -1. - <_> - 10 6 5 2 2. - <_> - 5 8 5 2 2. - <_> - - <_> - 9 13 1 6 -1. - <_> - 9 16 1 3 2. - <_> - - <_> - 10 12 2 2 -1. - <_> - 11 12 1 1 2. - <_> - 10 13 1 1 2. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 14 4 6 6 -1. - <_> - 14 6 6 2 3. - <_> - - <_> - 8 17 2 3 -1. - <_> - 8 18 2 1 3. - <_> - - <_> - 16 4 4 6 -1. - <_> - 16 6 4 2 3. - <_> - - <_> - 0 4 4 6 -1. - <_> - 0 6 4 2 3. - <_> - - <_> - 14 6 2 3 -1. - <_> - 14 6 1 3 2. - <_> - - <_> - 4 9 8 1 -1. - <_> - 8 9 4 1 2. - <_> - - <_> - 8 12 4 3 -1. - <_> - 8 13 4 1 3. - <_> - - <_> - 5 12 10 6 -1. - <_> - 5 14 10 2 3. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 8 15 4 2 -1. - <_> - 8 16 4 1 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 7 12 4 6 -1. - <_> - 7 12 2 3 2. - <_> - 9 15 2 3 2. - <_> - - <_> - 10 11 3 1 -1. - <_> - 11 11 1 1 3. - <_> - - <_> - 9 7 2 10 -1. - <_> - 9 7 1 5 2. - <_> - 10 12 1 5 2. - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 0 2 6 3. - <_> - - <_> - 3 11 2 6 -1. - <_> - 3 13 2 2 3. - <_> - - <_> - 16 12 1 2 -1. - <_> - 16 13 1 1 2. - <_> - - <_> - 1 14 6 6 -1. - <_> - 1 14 3 3 2. - <_> - 4 17 3 3 2. - <_> - - <_> - 13 1 3 6 -1. - <_> - 14 1 1 6 3. - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 9 2 1 2. - <_> - - <_> - 9 9 3 3 -1. - <_> - 10 9 1 3 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 14 0 2 3 -1. - <_> - 14 0 1 3 2. - <_> - - <_> - 1 0 18 9 -1. - <_> - 7 0 6 9 3. - <_> - - <_> - 11 5 4 15 -1. - <_> - 11 5 2 15 2. - <_> - - <_> - 5 5 4 15 -1. - <_> - 7 5 2 15 2. - <_> - - <_> - 14 0 2 3 -1. - <_> - 14 0 1 3 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 5 0 1 3 2. - <_> - - <_> - 11 12 2 2 -1. - <_> - 12 12 1 1 2. - <_> - 11 13 1 1 2. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 12 0 3 4 -1. - <_> - 13 0 1 4 3. - <_> - - <_> - 4 11 3 3 -1. - <_> - 4 12 3 1 3. - <_> - - <_> - 12 7 4 2 -1. - <_> - 12 8 4 1 2. - <_> - - <_> - 8 10 3 2 -1. - <_> - 9 10 1 2 3. - <_> - - <_> - 9 9 3 2 -1. - <_> - 10 9 1 2 3. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 12 0 3 4 -1. - <_> - 13 0 1 4 3. - <_> - - <_> - 5 0 3 4 -1. - <_> - 6 0 1 4 3. - <_> - - <_> - 4 14 12 4 -1. - <_> - 10 14 6 2 2. - <_> - 4 16 6 2 2. - <_> - - <_> - 8 13 2 3 -1. - <_> - 8 14 2 1 3. - <_> - - <_> - 10 10 3 8 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 8 10 4 8 -1. - <_> - 8 10 2 4 2. - <_> - 10 14 2 4 2. - <_> - - <_> - 10 8 3 1 -1. - <_> - 11 8 1 1 3. - <_> - - <_> - 9 12 1 6 -1. - <_> - 9 15 1 3 2. - <_> - - <_> - 10 8 3 1 -1. - <_> - 11 8 1 1 3. - <_> - - <_> - 7 8 3 1 -1. - <_> - 8 8 1 1 3. - <_> - - <_> - 5 2 15 14 -1. - <_> - 5 9 15 7 2. - <_> - - <_> - 2 1 2 10 -1. - <_> - 2 1 1 5 2. - <_> - 3 6 1 5 2. - <_> - - <_> - 14 14 2 3 -1. - <_> - 14 15 2 1 3. - <_> - - <_> - 2 7 3 3 -1. - <_> - 3 7 1 3 3. - <_> - - <_> - 17 4 3 3 -1. - <_> - 17 5 3 1 3. - <_> - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - <_> - - <_> - 13 5 6 2 -1. - <_> - 16 5 3 1 2. - <_> - 13 6 3 1 2. - <_> - - <_> - 4 19 12 1 -1. - <_> - 8 19 4 1 3. - <_> - - <_> - 12 12 2 4 -1. - <_> - 12 14 2 2 2. - <_> - - <_> - 3 15 1 3 -1. - <_> - 3 16 1 1 3. - <_> - - <_> - 11 16 6 4 -1. - <_> - 11 16 3 4 2. - <_> - - <_> - 2 10 3 10 -1. - <_> - 3 10 1 10 3. - <_> - - <_> - 12 8 2 4 -1. - <_> - 12 8 1 4 2. - <_> - - <_> - 6 8 2 4 -1. - <_> - 7 8 1 4 2. - <_> - - <_> - 10 14 2 3 -1. - <_> - 10 14 1 3 2. - <_> - - <_> - 5 1 10 3 -1. - <_> - 10 1 5 3 2. - <_> - - <_> - 10 7 3 2 -1. - <_> - 11 7 1 2 3. - <_> - - <_> - 5 6 9 2 -1. - <_> - 8 6 3 2 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 2 11 16 6 -1. - <_> - 2 11 8 3 2. - <_> - 10 14 8 3 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 9 5 2 3 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 9 7 3 2 -1. - <_> - 10 7 1 2 3. - <_> - - <_> - 5 1 8 12 -1. - <_> - 5 7 8 6 2. - <_> - - <_> - 13 5 2 2 -1. - <_> - 13 6 2 1 2. - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 6 2 1 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 4 14 2 3 -1. - <_> - 4 15 2 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 9 14 2 6 -1. - <_> - 10 14 1 3 2. - <_> - 9 17 1 3 2. - <_> - - <_> - 8 14 3 2 -1. - <_> - 9 14 1 2 3. - <_> - - <_> - 9 5 6 6 -1. - <_> - 11 5 2 6 3. - <_> - - <_> - 5 5 6 6 -1. - <_> - 7 5 2 6 3. - <_> - - <_> - 13 13 1 2 -1. - <_> - 13 14 1 1 2. - <_> - - <_> - 0 2 10 2 -1. - <_> - 0 3 10 1 2. - <_> - - <_> - 13 13 1 2 -1. - <_> - 13 14 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 13 5 2 7 -1. - <_> - 13 5 1 7 2. - <_> - - <_> - 6 13 1 2 -1. - <_> - 6 14 1 1 2. - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 0 1 7 3. - <_> - - <_> - 0 3 2 16 -1. - <_> - 0 3 1 8 2. - <_> - 1 11 1 8 2. - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 0 1 7 3. - <_> - - <_> - 6 0 3 7 -1. - <_> - 7 0 1 7 3. - <_> - - <_> - 11 16 8 4 -1. - <_> - 11 16 4 4 2. - <_> - - <_> - 1 16 8 4 -1. - <_> - 5 16 4 4 2. - <_> - - <_> - 13 5 2 7 -1. - <_> - 13 5 1 7 2. - <_> - - <_> - 5 5 2 7 -1. - <_> - 6 5 1 7 2. - <_> - - <_> - 18 6 2 14 -1. - <_> - 18 13 2 7 2. - <_> - - <_> - 6 10 3 4 -1. - <_> - 6 12 3 2 2. - <_> - - <_> - 14 7 1 2 -1. - <_> - 14 8 1 1 2. - <_> - - <_> - 0 1 18 6 -1. - <_> - 0 1 9 3 2. - <_> - 9 4 9 3 2. - <_> - - <_> - 14 7 1 2 -1. - <_> - 14 8 1 1 2. - <_> - - <_> - 0 6 2 14 -1. - <_> - 0 13 2 7 2. - <_> - - <_> - 17 0 3 12 -1. - <_> - 18 0 1 12 3. - <_> - - <_> - 0 6 18 3 -1. - <_> - 0 7 18 1 3. - <_> - - <_> - 6 0 14 16 -1. - <_> - 6 8 14 8 2. - <_> - - <_> - 0 0 3 12 -1. - <_> - 1 0 1 12 3. - <_> - - <_> - 13 0 3 7 -1. - <_> - 14 0 1 7 3. - <_> - - <_> - 5 7 1 2 -1. - <_> - 5 8 1 1 2. - <_> - - <_> - 14 4 6 6 -1. - <_> - 14 6 6 2 3. - <_> - - <_> - 5 7 7 2 -1. - <_> - 5 8 7 1 2. - <_> - - <_> - 8 6 6 9 -1. - <_> - 8 9 6 3 3. - <_> - - <_> - 5 4 6 1 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 13 0 6 4 -1. - <_> - 16 0 3 2 2. - <_> - 13 2 3 2 2. - <_> - - <_> - 1 2 18 12 -1. - <_> - 1 6 18 4 3. - <_> - - <_> - 3 2 17 12 -1. - <_> - 3 6 17 4 3. - <_> - - <_> - 5 14 7 3 -1. - <_> - 5 15 7 1 3. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 3 14 3 3 -1. - <_> - 3 15 3 1 3. - <_> - - <_> - 14 4 6 6 -1. - <_> - 14 6 6 2 3. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 6 6 2 3. - <_> - - <_> - 12 5 4 3 -1. - <_> - 12 6 4 1 3. - <_> - - <_> - 4 5 4 3 -1. - <_> - 4 6 4 1 3. - <_> - - <_> - 18 0 2 6 -1. - <_> - 18 2 2 2 3. - <_> - - <_> - 8 1 4 9 -1. - <_> - 10 1 2 9 2. - <_> - - <_> - 6 6 8 2 -1. - <_> - 6 6 4 2 2. - <_> - - <_> - 6 5 4 2 -1. - <_> - 6 5 2 1 2. - <_> - 8 6 2 1 2. - <_> - - <_> - 10 5 2 3 -1. - <_> - 10 6 2 1 3. - <_> - - <_> - 9 5 1 3 -1. - <_> - 9 6 1 1 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 0 8 4 3 -1. - <_> - 0 9 4 1 3. - <_> - - <_> - 6 0 8 6 -1. - <_> - 6 3 8 3 2. - <_> - - <_> - 1 0 6 4 -1. - <_> - 1 0 3 2 2. - <_> - 4 2 3 2 2. - <_> - - <_> - 13 0 3 7 -1. - <_> - 14 0 1 7 3. - <_> - - <_> - 9 16 2 2 -1. - <_> - 9 17 2 1 2. - <_> - - <_> - 11 4 6 10 -1. - <_> - 11 9 6 5 2. - <_> - - <_> - 0 10 19 2 -1. - <_> - 0 11 19 1 2. - <_> - - <_> - 9 5 8 9 -1. - <_> - 9 8 8 3 3. - <_> - - <_> - 4 0 3 7 -1. - <_> - 5 0 1 7 3. - <_> - - <_> - 8 6 4 12 -1. - <_> - 10 6 2 6 2. - <_> - 8 12 2 6 2. - <_> - - <_> - 0 2 6 4 -1. - <_> - 0 4 6 2 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 8 0 3 7 -1. - <_> - 9 0 1 7 3. - <_> - - <_> - 9 5 3 4 -1. - <_> - 10 5 1 4 3. - <_> - - <_> - 8 5 3 4 -1. - <_> - 9 5 1 4 3. - <_> - - <_> - 7 6 6 1 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 7 14 4 4 -1. - <_> - 7 14 2 2 2. - <_> - 9 16 2 2 2. - <_> - - <_> - 13 14 4 6 -1. - <_> - 15 14 2 3 2. - <_> - 13 17 2 3 2. - <_> - - <_> - 7 8 1 8 -1. - <_> - 7 12 1 4 2. - <_> - - <_> - 16 0 2 8 -1. - <_> - 17 0 1 4 2. - <_> - 16 4 1 4 2. - <_> - - <_> - 2 0 2 8 -1. - <_> - 2 0 1 4 2. - <_> - 3 4 1 4 2. - <_> - - <_> - 6 1 14 3 -1. - <_> - 6 2 14 1 3. - <_> - - <_> - 7 9 3 10 -1. - <_> - 7 14 3 5 2. - <_> - - <_> - 9 14 2 2 -1. - <_> - 9 15 2 1 2. - <_> - - <_> - 7 7 6 8 -1. - <_> - 7 11 6 4 2. - <_> - - <_> - 9 7 3 6 -1. - <_> - 9 10 3 3 2. - <_> - - <_> - 7 13 3 3 -1. - <_> - 7 14 3 1 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 0 1 18 2 -1. - <_> - 6 1 6 2 3. - <_> - - <_> - 7 1 6 14 -1. - <_> - 7 8 6 7 2. - <_> - - <_> - 1 9 18 1 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 9 3 2 9 -1. - <_> - 10 3 1 9 2. - <_> - - <_> - 18 14 2 3 -1. - <_> - 18 15 2 1 3. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 10 8 3 4 -1. - <_> - 11 8 1 4 3. - <_> - - <_> - 7 14 3 6 -1. - <_> - 8 14 1 6 3. - <_> - - <_> - 10 8 3 4 -1. - <_> - 11 8 1 4 3. - <_> - - <_> - 7 8 3 4 -1. - <_> - 8 8 1 4 3. - <_> - - <_> - 7 9 6 9 -1. - <_> - 7 12 6 3 3. - <_> - - <_> - 0 14 2 3 -1. - <_> - 0 15 2 1 3. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 4 3 8 3 -1. - <_> - 8 3 4 3 2. - <_> - - <_> - 0 4 20 6 -1. - <_> - 0 4 10 6 2. - <_> - - <_> - 9 14 1 3 -1. - <_> - 9 15 1 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 0 15 14 4 -1. - <_> - 0 17 14 2 2. - <_> - - <_> - 1 14 18 6 -1. - <_> - 1 17 18 3 2. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt2.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt2.xml deleted file mode 100644 index b49cf5df3b..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt2.xml +++ /dev/null @@ -1,20719 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 109 - - 0 - 20 - - <_> - 3 - 3.5069230198860168e-01 - - <_> - - 0 1 0 4.3272329494357109e-03 -1 -2 1 1.3076160103082657e-02 - - 3.8381900638341904e-02 8.9652568101882935e-01 - 2.6293140649795532e-01 - <_> - - 0 1 2 5.2434601821005344e-04 -1 -2 3 4.4573000632226467e-03 - - 1.0216630250215530e-01 1.2384019792079926e-01 - 6.9103831052780151e-01 - <_> - - 1 0 4 -9.2708261217921972e-04 -1 -2 5 3.3989109215326607e-04 - - 1.9536970555782318e-01 2.1014410257339478e-01 - 8.2586747407913208e-01 - <_> - 9 - 3.4721779823303223e+00 - - <_> - - 0 1 6 2.3025739938020706e-03 -1 -2 7 4.4174338690936565e-03 - - 1.0183759778738022e-01 8.2190579175949097e-01 - 1.9565549492835999e-01 - <_> - - 0 1 8 2.2203210741281509e-02 -1 -2 9 -1.7283110355492681e-04 - - 2.2054070234298706e-01 7.3263257741928101e-02 - 5.9314841032028198e-01 - <_> - - 0 1 10 4.3567270040512085e-03 -1 -2 11 - -2.6032889727503061e-03 - - 1.8441149592399597e-01 4.0322139859199524e-01 - 8.0665212869644165e-01 - <_> - - 0 1 12 1.7309630056843162e-03 -1 -2 13 - -7.8146401792764664e-03 - - 2.5483280420303345e-01 6.0570698976516724e-01 - 2.7790638804435730e-01 - <_> - - 0 1 14 -8.7343417108058929e-03 -1 -2 15 - 9.4522320432588458e-04 - - 2.8899800777435303e-01 7.6165872812271118e-01 - 3.4956431388854980e-01 - <_> - - 1 0 16 4.9414858222007751e-02 -1 -2 17 - 4.4891750440001488e-03 - - 8.1516528129577637e-01 2.8087830543518066e-01 - 6.0277748107910156e-01 - <_> - - 1 0 18 6.0313619673252106e-02 -1 -2 19 - -1.0762850288301706e-03 - - 7.6075017452239990e-01 4.4440358877182007e-01 - 1.4373120665550232e-01 - <_> - - 1 0 20 -9.5083238556981087e-03 -1 -2 21 - 7.6601309701800346e-03 - - 5.3181701898574829e-01 5.4110521078109741e-01 - 2.1806870400905609e-01 - <_> - - 1 0 22 7.6467678882181644e-03 -1 -2 23 - -8.4662932204082608e-04 - - 1.1589600145816803e-01 2.3406790196895599e-01 - 5.9903818368911743e-01 - <_> - 14 - 5.9844889640808105e+00 - - <_> - - 1 0 24 -4.8506218008697033e-03 -1 -2 25 - -4.6141650527715683e-03 - - 1.8054960668087006e-01 2.1778939664363861e-01 - 8.0182367563247681e-01 - <_> - - 0 1 26 -2.4301309604197741e-03 -1 -2 27 - 4.1787960799410939e-04 - - 1.1413549631834030e-01 1.2030939757823944e-01 - 6.1085307598114014e-01 - <_> - - 0 1 28 1.0010929545387626e-03 -1 -2 29 - 1.0577100329101086e-03 - - 2.0799599587917328e-01 3.3020541071891785e-01 - 7.5110942125320435e-01 - <_> - - 1 0 30 1.2376549420878291e-03 -1 -2 31 - 3.5315038985572755e-04 - - 2.7682220935821533e-01 1.6682930290699005e-01 - 5.8294767141342163e-01 - <_> - - 0 1 32 -1.1953660286962986e-02 -1 -2 33 - 1.4182999730110168e-03 - - 1.5087880194187164e-01 4.3912279605865479e-01 - 7.6465952396392822e-01 - <_> - - 1 0 34 3.4642980899661779e-03 -1 -2 35 - -1.4948950149118900e-02 - - 2.6515561342239380e-01 2.2980530560016632e-01 - 5.4421657323837280e-01 - <_> - - 1 0 36 -1.0506849503144622e-03 -1 -2 37 - -4.0782918222248554e-03 - - 3.6228439211845398e-01 2.6012599468231201e-01 - 7.2336578369140625e-01 - <_> - - 0 1 38 5.4242828628048301e-04 -1 -2 39 - -7.3204059153795242e-03 - - 3.8496789336204529e-01 2.9655128717422485e-01 - 5.4803091287612915e-01 - <_> - - 0 1 40 1.1421289527788758e-03 -1 -2 41 - 1.1783400550484657e-03 - - 4.1047701239585876e-01 7.2390240430831909e-01 - 2.7872839570045471e-01 - <_> - - 0 1 42 4.4077109545469284e-02 -1 -2 43 - 3.7900090683251619e-03 - - 5.6405162811279297e-01 5.9475481510162354e-01 - 3.3120200037956238e-01 - <_> - - 0 1 44 -2.4291418958455324e-03 -1 -2 45 - 9.4262324273586273e-03 - - 6.6032320261001587e-01 4.6806651353836060e-01 - 2.0643380284309387e-01 - <_> - - 0 1 46 8.0630257725715637e-03 -1 -2 47 - 5.2240812219679356e-03 - - 5.2988511323928833e-01 5.2816027402877808e-01 - 1.9095499813556671e-01 - <_> - - 0 1 48 -7.0630568079650402e-03 -1 -2 49 - 5.6897541508078575e-03 - - 1.3806459307670593e-01 5.4906368255615234e-01 - 1.2602810561656952e-01 - <_> - - 0 1 50 1.2472929665818810e-03 -1 -2 51 - 4.9543488770723343e-02 - - 2.3726630210876465e-01 5.2401661872863770e-01 - 1.7692160606384277e-01 - <_> - 19 - 8.5117864608764648e+00 - - <_> - - 1 0 52 -4.9326149746775627e-03 -1 -2 53 - 2.7918140403926373e-05 - - 1.9980649650096893e-01 2.2993800044059753e-01 - 7.3932111263275146e-01 - <_> - - 1 0 54 3.0876200180500746e-03 -1 -2 55 - 7.4669660534709692e-06 - - 1.5338400006294250e-01 2.0368589460849762e-01 - 5.8549159765243530e-01 - <_> - - 0 1 56 1.8739729421213269e-03 -1 -2 57 - 9.3380251200869679e-04 - - 2.0498959720134735e-01 3.2341998815536499e-01 - 7.3230141401290894e-01 - <_> - - 0 1 58 1.9151850137859583e-03 -1 -2 59 - -5.9683797881007195e-03 - - 3.0451491475105286e-01 2.9321339726448059e-01 - 5.6212961673736572e-01 - <_> - - 0 1 60 -7.2115601506084204e-04 -1 -2 61 - -5.9663117863237858e-03 - - 3.6580368876457214e-01 2.7121558785438538e-01 - 7.2263348102569580e-01 - <_> - - 0 1 62 3.0874179676175117e-02 -1 -2 63 - -1.1099710129201412e-02 - - 4.4198378920555115e-01 3.6129769682884216e-01 - 5.2514511346817017e-01 - <_> - - 0 1 64 2.1164179779589176e-03 -1 -2 65 - -9.4317439943552017e-03 - - 3.6286169290542603e-01 1.6010950505733490e-01 - 7.0522767305374146e-01 - <_> - - 0 1 66 -3.5266019403934479e-03 -1 -2 67 - -1.6907559474930167e-03 - - 1.3012880086898804e-01 1.7863239347934723e-01 - 5.5215299129486084e-01 - <_> - - 0 1 68 4.6470930101349950e-04 -1 -2 69 - -1.0215570218861103e-02 - - 3.4873831272125244e-01 2.6739910244941711e-01 - 6.6679191589355469e-01 - <_> - - 1 0 70 1.2634709710255265e-03 -1 -2 71 - -1.1875299736857414e-02 - - 3.4378638863563538e-01 5.9953361749649048e-01 - 3.4977179765701294e-01 - <_> - - 0 1 72 -1.0732339695096016e-02 -1 -2 73 - 7.1836481802165508e-03 - - 2.1504899859428406e-01 6.2714362144470215e-01 - 2.5195419788360596e-01 - <_> - - 0 1 74 -2.8340889140963554e-02 -1 -2 75 - -4.5813230099156499e-04 - - 8.2411892712116241e-02 5.9100568294525146e-01 - 3.7052011489868164e-01 - <_> - - 1 0 76 4.2940340936183929e-03 -1 -2 77 - 1.0751079767942429e-02 - - 1.5947279334068298e-01 5.9804809093475342e-01 - 2.8325080871582031e-01 - <_> - - 1 0 78 2.2465119138360023e-02 -1 -2 79 - -5.7988539338111877e-02 - - 7.8770911693572998e-01 1.5557409822940826e-01 - 5.2396571636199951e-01 - <_> - - 1 0 80 7.2110891342163086e-03 -1 -2 81 - -4.8367571085691452e-02 - - 6.6203659772872925e-01 1.4247199892997742e-01 - 4.4298338890075684e-01 - <_> - - 0 1 82 -1.4418059960007668e-02 -1 -2 83 - -2.3156389594078064e-02 - - 1.5885409712791443e-01 2.3757989704608917e-01 - 5.2171349525451660e-01 - <_> - - 1 0 84 7.6985340565443039e-03 -1 -2 85 - -5.6248619221150875e-03 - - 1.9417250156402588e-01 6.2784057855606079e-01 - 3.7460449337959290e-01 - <_> - - 1 0 86 -7.2936748620122671e-04 -1 -2 87 - 6.1783898854628205e-04 - - 3.8409221172332764e-01 3.1064930558204651e-01 - 5.5378472805023193e-01 - <_> - - 1 0 88 -4.5803939428878948e-05 -1 -2 89 - -1.4719359569426160e-05 - - 3.4444490075111389e-01 2.7295520901679993e-01 - 6.4289510250091553e-01 - <_> - 19 - 8.4680156707763672e+00 - - <_> - - 0 1 90 -1.3469370314851403e-03 -1 -2 91 - -2.4774789344519377e-03 - - 1.6570860147476196e-01 2.2738510370254517e-01 - 6.9893497228622437e-01 - <_> - - 0 1 92 5.2632777951657772e-03 -1 -2 93 - 4.9075339920818806e-03 - - 1.5120740234851837e-01 5.5644702911376953e-01 - 1.6054420173168182e-01 - <_> - - 0 1 94 -2.3254349362105131e-03 -1 -2 95 - -1.4665479538962245e-03 - - 1.8802590668201447e-01 3.1224989891052246e-01 - 7.1653962135314941e-01 - <_> - - 1 0 96 -1.2311690300703049e-01 -1 -2 97 - 2.2108340635895729e-03 - - 3.8595831394195557e-01 2.4552939832210541e-01 - 5.6957101821899414e-01 - <_> - - 0 1 98 2.0661531016230583e-03 -1 -2 99 - 3.6130280932411551e-04 - - 2.7165201306343079e-01 2.2933620214462280e-01 - 7.2086298465728760e-01 - <_> - - 1 0 100 7.9957872629165649e-02 -1 -2 101 - 2.6064720004796982e-03 - - 7.8336209058761597e-01 5.5452322959899902e-01 - 2.5506898760795593e-01 - <_> - - 1 0 102 6.5699010156095028e-03 -1 -2 103 - 1.6259610420092940e-03 - - 1.8193900585174561e-01 3.5298758745193481e-01 - 6.5528190135955811e-01 - <_> - - 0 1 104 3.6204981151968241e-03 -1 -2 105 - -4.4391951523721218e-03 - - 5.4623097181320190e-01 1.3598430156707764e-01 - 5.4158151149749756e-01 - <_> - - 0 1 106 -9.0540945529937744e-03 -1 -2 107 - -4.6067481162026525e-04 - - 1.1151199787855148e-01 5.8467197418212891e-01 - 2.5983488559722900e-01 - <_> - - 0 1 108 -5.6621041148900986e-03 -1 -2 109 - 5.1165837794542313e-03 - - 1.6105690598487854e-01 5.3766787052154541e-01 - 1.7394550144672394e-01 - <_> - - 0 1 110 -2.1362339612096548e-03 -1 -2 111 - -5.4809921421110630e-03 - - 1.9020730257034302e-01 3.2720080018043518e-01 - 6.3648408651351929e-01 - <_> - - 0 1 112 -8.1061907112598419e-03 -1 -2 113 - 6.0048708692193031e-03 - - 6.9148528575897217e-01 4.3273261189460754e-01 - 6.9638431072235107e-01 - <_> - - 0 1 114 -8.7028548121452332e-02 -1 -2 115 - -4.7809639945626259e-03 - - 8.5941338539123535e-01 9.7394466400146484e-02 - 4.5870301127433777e-01 - <_> - - 0 1 116 -2.2166660055518150e-03 -1 -2 117 - 1.3642730191349983e-03 - - 2.5546258687973022e-01 3.3190909028053284e-01 - 5.9641027450561523e-01 - <_> - - 0 1 118 -9.0077864006161690e-03 -1 -2 119 - -1.5494120307266712e-02 - - 2.6665949821472168e-01 1.8481859564781189e-01 - 6.2459707260131836e-01 - <_> - - 1 0 120 -4.2165028862655163e-03 -1 -2 121 - 4.3249759823083878e-02 - - 5.3799271583557129e-01 5.1830291748046875e-01 - 2.1704199910163879e-01 - <_> - - 1 0 122 2.8786511393263936e-04 -1 -2 123 - 1.2373150093480945e-03 - - 2.6133841276168823e-01 2.7865320444107056e-01 - 5.9089881181716919e-01 - <_> - - 1 0 124 1.9528300035744905e-03 -1 -2 125 - -1.4947060262784362e-03 - - 2.6128691434860229e-01 5.9154129028320312e-01 - 3.4557819366455078e-01 - <_> - - 1 0 126 3.5878680646419525e-03 -1 -2 127 - -2.5938691105693579e-03 - - 1.5870520472526550e-01 1.2704110145568848e-01 - 5.9794288873672485e-01 - <_> - 27 - 1.2578499794006348e+01 - - <_> - - 0 1 128 3.5810680128633976e-03 -1 -2 129 - -2.8552350122481585e-03 - - 1.9951049983501434e-01 7.3730701208114624e-01 - 2.9217371344566345e-01 - <_> - - 0 1 130 1.9758539274334908e-03 -1 -2 131 - 3.2583118882030249e-03 - - 1.9564199447631836e-01 5.6920468807220459e-01 - 1.8390649557113647e-01 - <_> - - 0 1 132 2.3711679386906326e-04 -1 -2 133 - 2.5942500215023756e-03 - - 2.1716670691967010e-01 2.7199891209602356e-01 - 7.1502441167831421e-01 - <_> - - 0 1 134 -2.5032449513673782e-02 -1 -2 135 - 6.3087949529290199e-03 - - 1.8251839280128479e-01 5.6998378038406372e-01 - 3.5098528861999512e-01 - <_> - - 1 0 136 -3.2494920305907726e-03 -1 -2 137 - -1.4885730110108852e-02 - - 4.0239268541336060e-01 3.6040958762168884e-01 - 7.2919952869415283e-01 - <_> - - 1 0 138 8.0623216927051544e-03 -1 -2 139 - 2.7405679225921631e-02 - - 6.4914900064468384e-01 5.5189931392669678e-01 - 2.6596811413764954e-01 - <_> - - 1 0 140 3.4368600696325302e-02 -1 -2 141 - -2.7292970567941666e-02 - - 6.7125129699707031e-01 1.6913780570030212e-01 - 4.3262779712677002e-01 - <_> - - 0 1 142 7.4452121043577790e-04 -1 -2 143 - 7.0336280623450875e-04 - - 3.4051001071929932e-01 5.5167931318283081e-01 - 3.3113878965377808e-01 - <_> - - 0 1 144 -1.2275460362434387e-01 -1 -2 145 - 3.2559928949922323e-03 - - 1.6753150522708893e-01 3.6157518625259399e-01 - 6.4207828044891357e-01 - <_> - - 0 1 146 -3.2090399414300919e-02 -1 -2 147 - 3.2957999501377344e-03 - - 2.9210790991783142e-01 5.6130319833755493e-01 - 3.3578601479530334e-01 - <_> - - 0 1 148 -3.2273170072585344e-03 -1 -2 149 - 1.1171669466421008e-03 - - 6.9706428050994873e-01 3.5411500930786133e-01 - 6.1440062522888184e-01 - <_> - - 1 0 150 -1.7279950901865959e-02 -1 -2 151 - 1.1741200461983681e-02 - - 5.5371809005737305e-01 5.3419572114944458e-01 - 2.7571049332618713e-01 - <_> - - 1 0 152 4.6405228786170483e-03 -1 -2 153 - -1.6913030296564102e-02 - - 2.4895210564136505e-01 1.7119289934635162e-01 - 5.5239528417587280e-01 - <_> - - 1 0 154 1.0060169734060764e-02 -1 -2 155 - -6.0715491417795420e-04 - - 8.2734507322311401e-01 3.7793910503387451e-01 - 5.4762518405914307e-01 - <_> - - 1 0 156 -1.0865400545299053e-03 -1 -2 157 - 8.9362077414989471e-03 - - 3.2965409755706787e-01 6.0628837347030640e-01 - 2.4342200160026550e-01 - <_> - - 1 0 158 -2.6372660067863762e-04 -1 -2 159 - 1.3110050000250340e-02 - - 3.8140949606895447e-01 5.5176162719726562e-01 - 3.7268930673599243e-01 - <_> - - 0 1 160 -2.9806280508637428e-03 -1 -2 161 - -4.1619571857154369e-03 - - 1.2296640127897263e-01 7.2522747516632080e-01 - 4.9734550714492798e-01 - <_> - - 0 1 162 3.3842328935861588e-02 -1 -2 163 - -1.2564560165628791e-03 - - 5.3483128547668457e-01 5.8519148826599121e-01 - 4.3841668963432312e-01 - <_> - - 0 1 164 -1.9635230302810669e-02 -1 -2 165 - -9.9625496659427881e-04 - - 2.2978340089321136e-01 6.2959378957748413e-01 - 4.1315990686416626e-01 - <_> - - 0 1 166 -2.3127110674977303e-02 -1 -2 167 - 2.3525709286332130e-02 - - 1.6954590380191803e-01 5.1741302013397217e-01 - 5.9519391506910324e-02 - <_> - - 0 1 168 -1.9356520846486092e-02 -1 -2 169 - -4.1787112131714821e-03 - - 1.3572479784488678e-01 2.9966288805007935e-01 - 5.7916951179504395e-01 - <_> - - 1 0 170 3.1488779932260513e-03 -1 -2 171 - 7.3972279205918312e-03 - - 6.5925890207290649e-01 5.3071719408035278e-01 - 3.7951210141181946e-01 - <_> - - 0 1 172 7.1955118983169086e-06 -1 -2 173 - 4.7114409506320953e-02 - - 3.1283149123191833e-01 5.5378931760787964e-01 - 1.0273090004920959e-01 - <_> - - 0 1 174 7.2878710925579071e-03 -1 -2 175 - -6.1887511983513832e-03 - - 4.6608591079711914e-01 7.1588581800460815e-01 - 4.7244489192962646e-01 - <_> - - 1 0 176 2.9757320880889893e-03 -1 -2 177 - -1.8449809867888689e-03 - - 5.9345688670873642e-02 7.0273017883300781e-01 - 4.7187310457229614e-01 - <_> - - 0 1 178 1.0239540279144421e-04 -1 -2 179 - 2.4277009069919586e-03 - - 5.8947342634201050e-01 4.8623558878898621e-01 - 5.2475881576538086e-01 - <_> - - 0 1 180 -6.4751312136650085e-02 -1 -2 181 - 3.9380151429213583e-04 - - 6.9174712896347046e-01 4.6696171164512634e-01 - 2.3824059963226318e-01 - <_> - 31 - 1.4546750068664551e+01 - - <_> - - 0 1 182 1.4397440245375037e-03 -1 -2 183 - -5.4068560712039471e-04 - - 2.7734708786010742e-01 7.4271547794342041e-01 - 2.4797350168228149e-01 - <_> - - 1 0 184 -7.1237959673453588e-06 -1 -2 185 - -2.3661039303988218e-03 - - 2.1995030343532562e-01 5.8899897336959839e-01 - 2.5957161188125610e-01 - <_> - - 0 1 186 1.7343269428238273e-03 -1 -2 187 - 1.5874590026214719e-03 - - 1.8601259589195251e-01 4.1518709063529968e-01 - 7.1034741401672363e-01 - <_> - - 1 0 188 3.7285638973116875e-03 -1 -2 189 - -1.2883819639682770e-01 - - 2.5279670953750610e-01 1.3930009305477142e-01 - 5.2545148134231567e-01 - <_> - - 1 0 190 7.9412180930376053e-03 -1 -2 191 - -1.2661729939281940e-02 - - 2.4877290427684784e-01 2.7107000350952148e-01 - 6.6188377141952515e-01 - <_> - - 0 1 192 3.0146789868013002e-05 -1 -2 193 - -1.6330160200595856e-02 - - 3.8128259778022766e-01 2.3264320194721222e-01 - 5.2630108594894409e-01 - <_> - - 0 1 194 1.4622770322603174e-05 -1 -2 195 - -2.0858660340309143e-02 - - 4.2933320999145508e-01 1.6004039347171783e-01 - 6.7823147773742676e-01 - <_> - - 1 0 196 2.8194559272378683e-03 -1 -2 197 - 3.7899368908256292e-03 - - 6.6792941093444824e-01 4.5877051353454590e-01 - 7.1762388944625854e-01 - <_> - - 1 0 198 3.5344641655683517e-02 -1 -2 199 - -1.1571600334718823e-03 - - 1.8640750646591187e-01 5.5382597446441650e-01 - 3.1504508852958679e-01 - <_> - - 0 1 200 -5.8742752298712730e-03 -1 -2 201 - -1.5201780115603469e-05 - - 2.8287911415100098e-01 5.8702242374420166e-01 - 3.7048238515853882e-01 - <_> - - 1 0 202 -2.2681879636365920e-04 -1 -2 203 - 3.7845689803361893e-03 - - 4.2189309000968933e-01 6.6670012474060059e-01 - 2.4611820280551910e-01 - <_> - - 1 0 204 -8.5295992903411388e-05 -1 -2 205 - -4.4394891709089279e-02 - - 3.5575878620147705e-01 1.6655470430850983e-01 - 5.2348488569259644e-01 - <_> - - 0 1 206 1.0126030538231134e-03 -1 -2 207 - -7.6327780261635780e-03 - - 2.8846129775047302e-01 2.9693400859832764e-01 - 6.0801112651824951e-01 - <_> - - 0 1 208 4.0330411866307259e-03 -1 -2 209 - 1.3676689565181732e-01 - - 4.5363900065422058e-01 5.1772642135620117e-01 - 1.4491820335388184e-01 - <_> - - 0 1 210 -5.0060478970408440e-03 -1 -2 211 - -1.2475839816033840e-02 - - 7.6169097423553467e-01 2.1597060561180115e-01 - 5.4601877927780151e-01 - <_> - - 1 0 212 -9.4012258341535926e-04 -1 -2 213 - -1.2191980145871639e-02 - - 3.9262959361076355e-01 3.4788811206817627e-01 - 5.5426627397537231e-01 - <_> - - 0 1 214 -5.4959481349214911e-04 -1 -2 215 - -2.1802430273965001e-04 - - 6.0642760992050171e-01 5.6974071264266968e-01 - 1.7797139286994934e-01 - <_> - - 0 1 216 6.9115799851715565e-03 -1 -2 217 - -9.7631698008626699e-04 - - 5.3793722391128540e-01 3.3278390765190125e-01 - 5.4615312814712524e-01 - <_> - - 0 1 218 -8.7870173156261444e-03 -1 -2 219 - -1.6761029837653041e-03 - - 2.1161609888076782e-01 6.6358232498168945e-01 - 4.3658590316772461e-01 - <_> - - 1 0 220 -5.5694948881864548e-02 -1 -2 221 - -1.9844379276037216e-02 - - 5.3874248266220093e-01 1.6028049588203430e-01 - 5.3304588794708252e-01 - <_> - - 0 1 222 -7.4751611100509763e-04 -1 -2 223 - 2.3032890632748604e-02 - - 2.9174768924713135e-01 5.6081241369247437e-01 - 1.9979810714721680e-01 - <_> - - 1 0 224 -3.0700280331075191e-03 -1 -2 225 - -1.1636839481070638e-03 - - 3.9383140206336975e-01 5.7574361562728882e-01 - 4.2394569516181946e-01 - <_> - - 1 0 226 2.2464339435100555e-01 -1 -2 227 - 1.4412109740078449e-03 - - 7.6765531301498413e-01 5.3538662195205688e-01 - 2.5147768855094910e-01 - <_> - - 0 1 228 -3.0011249706149101e-02 -1 -2 229 - -5.3078960627317429e-02 - - 2.3649039864540100e-01 2.3858639597892761e-01 - 5.4146647453308105e-01 - <_> - - 1 0 230 2.0800929050892591e-03 -1 -2 231 - -4.0738182142376900e-03 - - 6.5116149187088013e-01 6.0304141044616699e-01 - 3.5877010226249695e-01 - <_> - - 1 0 232 -1.9529370591044426e-02 -1 -2 233 - -5.3309470415115356e-02 - - 5.4235929250717163e-01 2.3609539866447449e-01 - 5.4017579555511475e-01 - <_> - - 0 1 234 -3.4849561750888824e-02 -1 -2 235 - -1.2658450007438660e-01 - - 2.8369858860969543e-01 1.8135160207748413e-01 - 5.4210460186004639e-01 - <_> - - 0 1 236 7.3325118137290701e-06 -1 -2 237 - -1.1843870393931866e-02 - - 3.9803659915924072e-01 2.6163849234580994e-01 - 5.2377301454544067e-01 - <_> - - 0 1 238 -4.8470678739249706e-03 -1 -2 239 - 8.1693977117538452e-03 - - 2.4381080269813538e-01 5.3271460533142090e-01 - 8.1903767585754395e-01 - <_> - - 1 0 240 -6.4716790802776814e-03 -1 -2 241 - -1.5188479665084742e-05 - - 4.6796938776969910e-01 5.5639117956161499e-01 - 4.3675860762596130e-01 - <_> - - 1 0 242 3.0696711037307978e-03 -1 -2 243 - -1.6296720423270017e-04 - - 6.6643488407135010e-01 5.5946111679077148e-01 - 3.0427119135856628e-01 - <_> - 39 - 1.8572250366210938e+01 - - <_> - - 1 0 244 -9.8275858908891678e-03 -1 -2 245 - -4.1693858802318573e-03 - - 2.1160189807415009e-01 6.9246852397918701e-01 - 3.0437770485877991e-01 - <_> - - 0 1 246 3.5341319744475186e-04 -1 -2 247 - 4.8054549843072891e-03 - - 3.1832858920097351e-01 5.4565590620040894e-01 - 2.5222688913345337e-01 - <_> - - 0 1 248 2.1071180526632816e-04 -1 -2 249 - -2.8318869881331921e-03 - - 2.9026180505752563e-01 3.1304559111595154e-01 - 6.8849372863769531e-01 - <_> - - 1 0 250 -7.5633679443853907e-06 -1 -2 251 - -8.2888139877468348e-04 - - 2.9624658823013306e-01 3.0996260046958923e-01 - 5.7525151968002319e-01 - <_> - - 0 1 252 1.6209259629249573e-03 -1 -2 253 - 9.1338958591222763e-03 - - 3.9931958913803101e-01 4.8273721337318420e-01 - 7.5378328561782837e-01 - <_> - - 0 1 254 -4.1212290525436401e-03 -1 -2 255 - -2.5447290390729904e-03 - - 2.6169270277023315e-01 3.1087028980255127e-01 - 5.4912358522415161e-01 - <_> - - 0 1 256 -6.2652782071381807e-04 -1 -2 257 - -3.6596331483451650e-05 - - 3.2396918535232544e-01 6.5174108743667603e-01 - 4.1789120435714722e-01 - <_> - - 1 0 258 1.3882719911634922e-02 -1 -2 259 - 1.0493700392544270e-03 - - 6.7712038755416870e-01 4.1595110297203064e-01 - 5.6528919935226440e-01 - <_> - - 1 0 260 1.8215360119938850e-02 -1 -2 261 - -1.1334580369293690e-02 - - 7.6896011829376221e-01 2.8733238577842712e-01 - 4.9889329075813293e-01 - <_> - - 1 0 262 -4.1097560897469521e-03 -1 -2 263 - 4.2612891411408782e-04 - - 5.4630082845687866e-01 3.6312350630760193e-01 - 5.5125522613525391e-01 - <_> - - 1 0 264 6.0301548801362514e-03 -1 -2 265 - 3.3587709185667336e-04 - - 1.1437670141458511e-01 2.8910788893699646e-01 - 5.4473417997360229e-01 - <_> - - 1 0 266 6.2279507983475924e-04 -1 -2 267 - -2.5837119668722153e-02 - - 3.0234318971633911e-01 2.1670059859752655e-01 - 5.2781528234481812e-01 - <_> - - 1 0 268 2.1774910390377045e-02 -1 -2 269 - 1.7682299949228764e-03 - - 3.2548341155052185e-01 5.2630507946014404e-01 - 7.5263291597366333e-01 - <_> - - 0 1 270 -1.3793810270726681e-02 -1 -2 271 - -5.0852829590439796e-03 - - 7.4103301763534546e-01 6.8366098403930664e-01 - 4.5790711045265198e-01 - <_> - - 1 0 272 6.1795017682015896e-03 -1 -2 273 - 1.0030319914221764e-02 - - 7.4499362707138062e-01 4.8607799410820007e-01 - 2.3614570498466492e-01 - <_> - - 0 1 274 -6.4201927743852139e-03 -1 -2 275 - -5.6961281225085258e-03 - - 1.4673270285129547e-01 2.3478199541568756e-01 - 5.3233772516250610e-01 - <_> - - 0 1 276 -7.1498160250484943e-03 -1 -2 277 - 2.4450740311294794e-03 - - 1.4770570397377014e-01 3.4985339641571045e-01 - 5.8035618066787720e-01 - <_> - - 1 0 278 -3.7503410130739212e-02 -1 -2 279 - 4.7799441381357610e-04 - - 5.2595508098602295e-01 4.3628829717636108e-01 - 6.2089228630065918e-01 - <_> - - 0 1 280 -7.0806080475449562e-03 -1 -2 281 - 3.2818000763654709e-02 - - 2.0394609868526459e-01 5.1983588933944702e-01 - 1.3711960613727570e-01 - <_> - - 1 0 282 6.5188988810405135e-04 -1 -2 283 - 4.6485587954521179e-03 - - 6.3234299421310425e-01 4.7201630473136902e-01 - 6.5670871734619141e-01 - <_> - - 0 1 284 -1.9827929791063070e-03 -1 -2 285 - -1.6011310508474708e-03 - - 6.0530602931976318e-01 5.0905191898345947e-01 - 3.1169331073760986e-01 - <_> - - 0 1 286 -3.0539939180016518e-03 -1 -2 287 - 4.3212040327489376e-04 - - 3.4298041462898254e-01 3.8384029269218445e-01 - 5.7755982875823975e-01 - <_> - - 0 1 288 -2.7452120557427406e-02 -1 -2 289 - 9.3099439982324839e-04 - - 2.1434690058231354e-01 5.9529662132263184e-01 - 3.7601581215858459e-01 - <_> - - 0 1 290 6.7144189961254597e-03 -1 -2 291 - -3.3701690845191479e-03 - - 5.6926268339157104e-01 5.7843041419982910e-01 - 3.9742821455001831e-01 - <_> - - 0 1 292 -1.8903959542512894e-02 -1 -2 293 - -6.5850871615111828e-03 - - 1.8188929557800293e-01 6.8491101264953613e-01 - 4.3515840172767639e-01 - <_> - - 1 0 294 5.8810501359403133e-03 -1 -2 295 - 8.0092082498595119e-04 - - 2.7266609668731689e-01 4.2364311218261719e-01 - 5.8446758985519409e-01 - <_> - - 1 0 296 1.8510579830035567e-03 -1 -2 297 - 6.3273650594055653e-03 - - 3.3713209629058838e-01 5.2702218294143677e-01 - 8.0536508560180664e-01 - <_> - - 0 1 298 -3.3820930402725935e-03 -1 -2 299 - -1.9292969955131412e-03 - - 2.8660181164741516e-01 5.8889460563659668e-01 - 3.8957870006561279e-01 - <_> - - 1 0 300 1.4995220117270947e-02 -1 -2 301 - -2.6330750435590744e-02 - - 2.1778169274330139e-01 1.7753170430660248e-01 - 5.6714701652526855e-01 - <_> - - 1 0 302 -4.1734222322702408e-03 -1 -2 303 - 2.7268350124359131e-02 - - 4.6529620885848999e-01 4.7683110833168030e-01 - 5.6952387094497681e-01 - <_> - - 1 0 304 9.8880263976752758e-04 -1 -2 305 - -1.0528849670663476e-03 - - 3.3974018692970276e-01 6.2500411272048950e-01 - 4.2884120345115662e-01 - <_> - - 0 1 306 5.2288072183728218e-03 -1 -2 307 - 3.0395459383726120e-02 - - 5.3477621078491211e-01 4.1155189275741577e-01 - 5.6607538461685181e-01 - <_> - - 0 1 308 -7.9113930463790894e-02 -1 -2 309 - 1.8231669440865517e-02 - - 7.8813230991363525e-01 3.6043399572372437e-01 - 5.5695050954818726e-01 - <_> - - 0 1 310 5.2288072183728218e-03 -1 -2 311 - 4.3922828626818955e-04 - - 5.4166442155838013e-01 5.5071568489074707e-01 - 3.8822770118713379e-01 - <_> - - 0 1 312 -8.6501962505280972e-04 -1 -2 313 - 1.0326979681849480e-03 - - 3.1858509778976440e-01 5.5783641338348389e-01 - 3.2192459702491760e-01 - <_> - - 0 1 314 -7.2997747920453548e-03 -1 -2 315 - -9.3629042385146022e-04 - - 7.0732331275939941e-01 5.5580157041549683e-01 - 4.6138420701026917e-01 - <_> - - 0 1 316 -6.0483231209218502e-03 -1 -2 317 - 6.7529221996665001e-03 - - 6.8692898750305176e-01 4.8703178763389587e-01 - 2.6503708958625793e-01 - <_> - - 0 1 318 5.3078029304742813e-02 -1 -2 319 - -1.0225810110569000e-03 - - 5.2815151214599609e-01 6.0858821868896484e-01 - 4.3048679828643799e-01 - <_> - - 1 0 320 3.1270649284124374e-02 -1 -2 321 - -6.3522169366478920e-03 - - 5.4458320140838623e-01 5.3283357620239258e-01 - 2.3643240332603455e-01 - <_> - 45 - 2.1578119277954102e+01 - - <_> - - 1 0 322 -6.2215630896389484e-03 -1 -2 323 - 2.1097389981150627e-03 - - 2.6255810260772705e-01 1.5649929642677307e-01 - 6.7928832769393921e-01 - <_> - - 0 1 324 1.0845859535038471e-02 -1 -2 325 - 6.4230401767417789e-04 - - 3.4858089685440063e-01 3.6982551217079163e-01 - 5.9216582775115967e-01 - <_> - - 1 0 326 7.3311722371727228e-04 -1 -2 327 - 1.0134200565516949e-03 - - 3.0070841312408447e-01 3.6249229311943054e-01 - 7.0724260807037354e-01 - <_> - - 0 1 328 1.1093559674918652e-02 -1 -2 329 - -7.9127531498670578e-03 - - 4.4167020916938782e-01 3.0287081003189087e-01 - 5.4173761606216431e-01 - <_> - - 0 1 330 1.2905309908092022e-02 -1 -2 331 - -4.2430912144482136e-03 - - 4.3745040893554688e-01 4.4015899300575256e-01 - 7.5651907920837402e-01 - <_> - - 0 1 332 -2.1304309484548867e-04 -1 -2 333 - -2.2308640182018280e-03 - - 2.3107869923114777e-01 3.5681959986686707e-01 - 5.7499992847442627e-01 - <_> - - 0 1 334 2.6400520000606775e-03 -1 -2 335 - 7.5101032853126526e-02 - - 3.5936889052391052e-01 6.3635677099227905e-01 - 2.3270289599895477e-01 - <_> - - 0 1 336 -7.7012968249619007e-03 -1 -2 337 - 1.5588370151817799e-03 - - 7.0746237039566040e-01 5.7002371549606323e-01 - 3.5904508829116821e-01 - <_> - - 0 1 338 -4.7687938786111772e-04 -1 -2 339 - 8.4234727546572685e-04 - - 2.8054410219192505e-01 4.1254189610481262e-01 - 6.1779958009719849e-01 - <_> - - 1 0 340 -1.2825109995901585e-02 -1 -2 341 - -6.5156567143276334e-04 - - 5.4030781984329224e-01 5.6336438655853271e-01 - 3.3565390110015869e-01 - <_> - - 0 1 342 -1.2006159871816635e-02 -1 -2 343 - 1.3213419588282704e-03 - - 7.1095108985900879e-01 4.9038508534431458e-01 - 2.8245830535888672e-01 - <_> - - 0 1 344 -2.0307440310716629e-02 -1 -2 345 - 4.0180929936468601e-03 - - 1.8913699686527252e-01 5.3779661655426025e-01 - 3.1194949150085449e-01 - <_> - - 1 0 346 4.5315311290323734e-03 -1 -2 347 - -4.4381739571690559e-03 - - 7.2067582607269287e-01 1.8546679615974426e-01 - 4.9817329645156860e-01 - <_> - - 1 0 348 1.5692010056227446e-03 -1 -2 349 - -4.9516442231833935e-03 - - 2.6382741332054138e-01 6.8710672855377197e-01 - 4.7146868705749512e-01 - <_> - - 0 1 350 -2.7429679408669472e-02 -1 -2 351 - 1.4181969454512000e-03 - - 1.5482850372791290e-01 4.3768429756164551e-01 - 6.3273680210113525e-01 - <_> - - 0 1 352 -1.3078940100967884e-02 -1 -2 353 - -3.5092779435217381e-03 - - 3.1668141484260559e-01 6.1997437477111816e-01 - 4.3796870112419128e-01 - <_> - - 1 0 354 1.8920730799436569e-02 -1 -2 355 - 2.1683350205421448e-03 - - 1.4707140624523163e-01 5.8094590902328491e-01 - 3.4319490194320679e-01 - <_> - - 0 1 356 1.6401590546593070e-03 -1 -2 357 - 1.4005920093040913e-04 - - 3.9594578742980957e-01 3.2400250434875488e-01 - 5.6466472148895264e-01 - <_> - - 1 0 358 -3.3137591090053320e-03 -1 -2 359 - -2.9459029901772738e-03 - - 4.2745280265808105e-01 3.3416679501533508e-01 - 6.6279602050781250e-01 - <_> - - 0 1 360 1.3612229668069631e-04 -1 -2 361 - 6.0512032359838486e-04 - - 4.0469279885292053e-01 5.4840582609176636e-01 - 3.5699409246444702e-01 - <_> - - 0 1 362 -1.7513990402221680e-02 -1 -2 363 - -1.8735030665993690e-02 - - 1.8241509795188904e-01 7.9718202352523804e-01 - 5.0685691833496094e-01 - <_> - - 1 0 364 1.2065649963915348e-02 -1 -2 365 - -2.6544178836047649e-03 - - 2.1670070290565491e-01 6.5841788053512573e-01 - 4.6282431483268738e-01 - <_> - - 1 0 366 1.4501289697363973e-03 -1 -2 367 - 1.0954019613564014e-02 - - 2.0902520418167114e-01 5.1123052835464478e-01 - 7.7845758199691772e-01 - <_> - - 0 1 368 1.5771709382534027e-02 -1 -2 369 - -1.4252689667046070e-02 - - 5.1323592662811279e-01 1.7424149811267853e-01 - 5.2671480178833008e-01 - <_> - - 0 1 370 3.0411860279855318e-05 -1 -2 371 - 2.3486299440264702e-02 - - 3.4184479713439941e-01 5.6312650442123413e-01 - 2.0063939690589905e-01 - <_> - - 1 0 372 5.2205449901521206e-03 -1 -2 373 - -2.5812430307269096e-02 - - 6.2496489286422729e-01 3.2032281160354614e-01 - 5.1993298530578613e-01 - <_> - - 0 1 374 -1.9526650430634618e-03 -1 -2 375 - -8.1470049917697906e-03 - - 6.1407059431076050e-01 6.5928959846496582e-01 - 3.7111249566078186e-01 - <_> - - 1 0 376 3.2962448894977570e-03 -1 -2 377 - -1.3961310032755136e-03 - - 2.9521119594573975e-01 3.3208039402961731e-01 - 5.5284148454666138e-01 - <_> - - 0 1 378 -4.1055441834032536e-03 -1 -2 379 - -1.0888779535889626e-02 - - 1.7105500400066376e-01 3.3594349026679993e-01 - 5.6749051809310913e-01 - <_> - - 1 0 380 -7.6768421567976475e-03 -1 -2 381 - -9.7729787230491638e-03 - - 4.7732418775558472e-01 8.0810451507568359e-01 - 4.8458281159400940e-01 - <_> - - 1 0 382 6.0439710505306721e-03 -1 -2 383 - -4.6134641161188483e-04 - - 6.7840021848678589e-01 5.5146390199661255e-01 - 3.6423599720001221e-01 - <_> - - 1 0 384 5.7992361485958099e-02 -1 -2 385 - 5.9384980704635382e-04 - - 1.2544350326061249e-01 4.4248789548873901e-01 - 5.7284617424011230e-01 - <_> - - 0 1 386 -6.2353480607271194e-03 -1 -2 387 - -1.2784929946064949e-02 - - 2.8050419688224792e-01 1.9509120285511017e-01 - 5.6529247760772705e-01 - <_> - - 1 0 388 4.1973669431172311e-04 -1 -2 389 - 8.0646801507100463e-04 - - 6.1664837598800659e-01 4.5265799760818481e-01 - 5.9444868564605713e-01 - <_> - - 1 0 390 -1.6339010326191783e-03 -1 -2 391 - -4.8299999907612801e-03 - - 4.0869420766830444e-01 2.7935269474983215e-01 - 6.4449352025985718e-01 - <_> - - 1 0 392 -6.3992068171501160e-03 -1 -2 393 - 1.0819199681282043e-01 - - 5.6716561317443848e-01 5.3118121623992920e-01 - 2.6143568754196167e-01 - <_> - - 1 0 394 6.5056560561060905e-04 -1 -2 395 - 2.0611250773072243e-02 - - 2.9967740178108215e-01 4.4899430871009827e-01 - 6.8882799148559570e-01 - <_> - - 1 0 396 -2.5129050016403198e-02 -1 -2 397 - 1.7922939732670784e-03 - - 5.1968640089035034e-01 3.4669959545135498e-01 - 5.5335879325866699e-01 - <_> - - 1 0 398 1.5626220265403390e-03 -1 -2 399 - -6.1898730928078294e-04 - - 3.0814400315284729e-01 2.6938709616661072e-01 - 5.5444890260696411e-01 - <_> - - 0 1 400 4.8111421056091785e-03 -1 -2 401 - 2.2484229411929846e-03 - - 5.5878478288650513e-01 4.6721130609512329e-01 - 6.0908252000808716e-01 - <_> - - 0 1 402 -3.0147239565849304e-02 -1 -2 403 - 2.7548679709434509e-01 - - 9.0275919437408447e-01 4.7198349237442017e-01 - 2.1969200670719147e-01 - <_> - - 1 0 404 3.6894630175083876e-03 -1 -2 405 - 7.2957701049745083e-03 - - 6.2730091810226440e-01 4.8392179608345032e-01 - 6.9090622663497925e-01 - <_> - - 0 1 406 -5.6211069226264954e-02 -1 -2 407 - -2.6478560175746679e-03 - - 1.7384879291057587e-01 6.3041448593139648e-01 - 4.4743019342422485e-01 - <_> - - 1 0 408 -1.4534000074490905e-03 -1 -2 409 - 2.8540920466184616e-03 - - 5.3025382757186890e-01 5.3383970260620117e-01 - 3.7968829274177551e-01 - <_> - - 1 0 410 5.8243022067472339e-04 -1 -2 411 - 9.2509482055902481e-04 - - 3.2698369026184082e-01 4.5548120141029358e-01 - 6.3583481311798096e-01 - <_> - 47 - 2.2585290908813477e+01 - - <_> - - 0 1 412 1.9806440919637680e-02 -1 -2 413 - 7.0395611692219973e-04 - - 2.8097251057624817e-01 3.1198260188102722e-01 - 7.0903062820434570e-01 - <_> - - 0 1 414 2.5563780218362808e-03 -1 -2 415 - 1.0824160417541862e-03 - - 2.9819479584693909e-01 3.0205601453781128e-01 - 5.8088111877441406e-01 - <_> - - 1 0 416 -9.2893769033253193e-04 -1 -2 417 - -1.8009729683399200e-02 - - 3.7381029129028320e-01 2.1631260216236115e-01 - 6.6192537546157837e-01 - <_> - - 1 0 418 2.3500190582126379e-03 -1 -2 419 - 8.1822491483762860e-04 - - 2.9104039072990417e-01 5.5786228179931641e-01 - 3.3666279911994934e-01 - <_> - - 0 1 420 6.2095321482047439e-04 -1 -2 421 - 9.6780969761312008e-04 - - 4.0724259614944458e-01 6.8595957756042480e-01 - 3.1054618954658508e-01 - <_> - - 1 0 422 4.8000211245380342e-04 -1 -2 423 - 9.0538640506565571e-05 - - 3.3373329043388367e-01 3.3709588646888733e-01 - 5.4512107372283936e-01 - <_> - - 0 1 424 -4.3914798647165298e-02 -1 -2 425 - -5.6501338258385658e-03 - - 2.6256701350212097e-01 6.0504627227783203e-01 - 3.2324150204658508e-01 - <_> - - 1 0 426 3.8661491125822067e-03 -1 -2 427 - -6.3069426687434316e-05 - - 3.2626131176948547e-01 5.8173078298568726e-01 - 4.1643899679183960e-01 - <_> - - 1 0 428 5.2533738315105438e-02 -1 -2 429 - 1.3818660518154502e-03 - - 7.0953989028930664e-01 5.2928757667541504e-01 - 2.5413888692855835e-01 - <_> - - 1 0 430 -8.9264067355543375e-04 -1 -2 431 - 8.5579507052898407e-02 - - 4.0853410959243774e-01 5.2632361650466919e-01 - 3.0032029747962952e-01 - <_> - - 1 0 432 -1.8343339615967125e-04 -1 -2 433 - -9.7924815490841866e-03 - - 4.0292051434516907e-01 3.5213199257850647e-01 - 6.6640049219131470e-01 - <_> - - 0 1 434 1.4428620226681232e-02 -1 -2 435 - -4.5687001198530197e-02 - - 4.5935660600662231e-01 1.4747560024261475e-01 - 5.1786321401596069e-01 - <_> - - 0 1 436 -2.5763090234249830e-03 -1 -2 437 - -3.8301859050989151e-02 - - 1.8372780084609985e-01 8.0826580524444580e-01 - 5.1666879653930664e-01 - <_> - - 0 1 438 2.8978290501981974e-03 -1 -2 439 - -2.5165060069411993e-03 - - 4.7980138659477234e-01 3.3462959527969360e-01 - 5.4444491863250732e-01 - <_> - - 0 1 440 5.6281982688233256e-04 -1 -2 441 - 3.6684391088783741e-03 - - 3.5890269279479980e-01 5.9831297397613525e-01 - 2.9839640855789185e-01 - <_> - - 1 0 442 2.1319789811968803e-03 -1 -2 443 - 7.6037310063838959e-03 - - 6.1632239818572998e-01 5.2171301841735840e-01 - 2.0541590452194214e-01 - <_> - - 1 0 444 -1.1668079969240353e-04 -1 -2 445 - 3.1659509986639023e-03 - - 3.4466689825057983e-01 5.5974847078323364e-01 - 2.6737868785858154e-01 - <_> - - 0 1 446 -2.2569499909877777e-02 -1 -2 447 - 2.7129601221531630e-04 - - 6.9002681970596313e-01 4.4866389036178589e-01 - 5.5087852478027344e-01 - <_> - - 0 1 448 -1.5434459783136845e-02 -1 -2 449 - -8.4861656650900841e-03 - - 2.0483230054378510e-01 1.2549529969692230e-01 - 5.0603562593460083e-01 - <_> - - 0 1 450 -1.1807470023632050e-01 -1 -2 451 - -1.2300079688429832e-03 - - 6.7633062601089478e-02 5.6607007980346680e-01 - 4.2922011017799377e-01 - <_> - - 0 1 452 -7.0290351286530495e-03 -1 -2 453 - 8.9325206354260445e-03 - - 7.1364039182662964e-01 4.3388760089874268e-01 - 7.0608752965927124e-01 - <_> - - 1 0 454 -4.7735981643199921e-02 -1 -2 455 - -4.4155579060316086e-02 - - 5.2686852216720581e-01 2.5805801153182983e-01 - 5.4069608449935913e-01 - <_> - - 0 1 456 -2.5983480736613274e-02 -1 -2 457 - -4.7885831445455551e-03 - - 1.9050540030002594e-01 2.5518929958343506e-01 - 5.3390771150588989e-01 - <_> - - 0 1 458 6.7423451691865921e-03 -1 -2 459 - 1.1654750443994999e-02 - - 4.6933099627494812e-01 5.2619642019271851e-01 - 3.1454348564147949e-01 - <_> - - 0 1 460 -5.6982729583978653e-03 -1 -2 461 - -7.2983349673449993e-03 - - 1.7568530142307281e-01 7.7747297286987305e-01 - 5.1242929697036743e-01 - <_> - - 0 1 462 7.9091778025031090e-03 -1 -2 463 - -1.5874979726504534e-04 - - 5.2845597267150879e-01 3.8878020644187927e-01 - 5.5011737346649170e-01 - <_> - - 0 1 464 -6.2235877849161625e-03 -1 -2 465 - 1.3308860361576080e-03 - - 2.4898290634155273e-01 4.2621460556983948e-01 - 5.9350621700286865e-01 - <_> - - 1 0 466 5.2055278792977333e-03 -1 -2 467 - 1.4065169729292393e-02 - - 2.5452229380607605e-01 4.8519900441169739e-01 - 7.0214188098907471e-01 - <_> - - 0 1 468 -6.7384149879217148e-03 -1 -2 469 - 3.3406780567020178e-03 - - 7.1432709693908691e-01 5.1757252216339111e-01 - 2.8086438775062561e-01 - <_> - - 1 0 470 -1.1880699545145035e-02 -1 -2 471 - 1.4226379571482539e-03 - - 5.1732218265533447e-01 4.5028659701347351e-01 - 5.7956951856613159e-01 - <_> - - 1 0 472 2.9858129564672709e-03 -1 -2 473 - -2.0481580868363380e-03 - - 1.9151160120964050e-01 6.5024322271347046e-01 - 4.5593151450157166e-01 - <_> - - 0 1 474 1.7122729914262891e-03 -1 -2 475 - -1.6980869695544243e-02 - - 5.3762471675872803e-01 7.0562332868576050e-01 - 4.9146059155464172e-01 - <_> - - 0 1 476 -1.1290470138192177e-03 -1 -2 477 - 2.8620059601962566e-03 - - 2.6787060499191284e-01 4.4108539819717407e-01 - 6.3683199882507324e-01 - <_> - - 0 1 478 -3.8065758999437094e-03 -1 -2 479 - 5.9090270660817623e-03 - - 2.7635639905929565e-01 4.8673018813133240e-01 - 6.7287760972976685e-01 - <_> - - 0 1 480 1.1004370171576738e-03 -1 -2 481 - -2.3396299220621586e-03 - - 4.0705141425132751e-01 2.6049488782882690e-01 - 6.1548602581024170e-01 - <_> - - 0 1 482 -3.6068160552531481e-03 -1 -2 483 - 4.0831189602613449e-02 - - 5.7319998741149902e-01 4.9733769893646240e-01 - 7.3870068788528442e-01 - <_> - - 0 1 484 -7.1082250215113163e-03 -1 -2 485 - -9.3759730225428939e-04 - - 6.9847512245178223e-01 2.6911678910255432e-01 - 4.7417798638343811e-01 - <_> - - 0 1 486 -1.6740820137783885e-03 -1 -2 487 - 8.8287703692913055e-02 - - 3.5510140657424927e-01 5.2446138858795166e-01 - 2.0966500043869019e-01 - <_> - - 0 1 488 8.2009629113599658e-04 -1 -2 489 - -7.6624617213383317e-04 - - 4.1310968995094299e-01 4.6202930808067322e-01 - 6.7754101753234863e-01 - <_> - - 1 0 490 6.5769668435677886e-04 -1 -2 491 - -2.1304790861904621e-03 - - 5.6282752752304077e-01 5.5768597126007080e-01 - 4.5776501297950745e-01 - <_> - - 1 0 492 -3.7317050737328827e-04 -1 -2 493 - -1.1172230355441570e-02 - - 4.9592560529708862e-01 5.6256359815597534e-01 - 2.0471079647541046e-01 - <_> - - 1 0 494 4.3435219675302505e-02 -1 -2 495 - 9.6736161503940821e-04 - - 2.2421480715274811e-01 4.5333439111709595e-01 - 6.1999320983886719e-01 - <_> - - 0 1 496 -3.1452889088541269e-03 -1 -2 497 - 1.5233129961416125e-03 - - 6.6627562046051025e-01 5.0079882144927979e-01 - 2.3849929869174957e-01 - <_> - - 1 0 498 2.0854279864579439e-03 -1 -2 499 - 3.6098200827836990e-02 - - 3.7535008788108826e-01 5.1771712303161621e-01 - 1.6344930231571198e-01 - <_> - - 1 0 500 1.6179570229724050e-03 -1 -2 501 - -6.2132300809025764e-04 - - 2.5873818993568420e-01 6.2995338439941406e-01 - 4.6587899327278137e-01 - <_> - - 1 0 502 7.1878539165481925e-04 -1 -2 503 - -3.9339520037174225e-02 - - 3.3540761470794678e-01 2.1541289985179901e-01 - 5.2357137203216553e-01 - <_> - - 0 1 504 -1.0988829890266061e-03 -1 -2 505 - 2.1191420964896679e-03 - - 6.4688968658447266e-01 2.8930890560150146e-01 - 5.2548158168792725e-01 - <_> - 53 - 2.5609300613403320e+01 - - <_> - - 0 1 506 5.2359891124069691e-03 -1 -2 507 - -2.2169889416545630e-03 - - 3.2997110486030579e-01 7.0415931940078735e-01 - 3.2354658842086792e-01 - <_> - - 1 0 508 -8.2303592935204506e-03 -1 -2 509 - -8.2303592935204506e-03 - - 4.9611708521842957e-01 7.1280431747436523e-01 - 4.9611708521842957e-01 - <_> - - 0 1 510 4.5343261444941163e-04 -1 -2 511 - -4.1777061414904892e-04 - - 3.2084721326828003e-01 6.6139167547225952e-01 - 3.5513329505920410e-01 - <_> - - 0 1 512 2.7823769487440586e-03 -1 -2 513 - -6.0361868236213923e-05 - - 3.7101349234580994e-01 5.7463937997817993e-01 - 3.8948801159858704e-01 - <_> - - 1 0 514 3.5061789676547050e-03 -1 -2 515 - 1.7013119941111654e-04 - - 3.0541029572486877e-01 2.8855779767036438e-01 - 6.4877450466156006e-01 - <_> - - 1 0 516 -2.3378930054605007e-03 -1 -2 517 - -2.1369170863181353e-03 - - 3.1744310259819031e-01 3.8209199905395508e-01 - 5.2328932285308838e-01 - <_> - - 0 1 518 1.0250400518998504e-03 -1 -2 519 - -4.4726220949087292e-05 - - 3.6227950453758240e-01 6.5389591455459595e-01 - 4.0036809444427490e-01 - <_> - - 1 0 520 5.7102291611954570e-04 -1 -2 521 - 5.7743012439459562e-04 - - 3.8931730389595032e-01 5.6145328283309937e-01 - 3.6876440048217773e-01 - <_> - - 1 0 522 7.9692091094329953e-04 -1 -2 523 - 3.5945948911830783e-04 - - 6.4430278539657593e-01 3.3808529376983643e-01 - 5.8246481418609619e-01 - <_> - - 1 0 524 4.3973900028504431e-04 -1 -2 525 - -8.9061429025605321e-04 - - 3.9387670159339905e-01 3.4279710054397583e-01 - 5.5156987905502319e-01 - <_> - - 1 0 526 5.4110242053866386e-03 -1 -2 527 - -8.5764907998964190e-04 - - 3.8035380840301514e-01 6.4395052194595337e-01 - 4.1683459281921387e-01 - <_> - - 0 1 528 -2.2000649943947792e-02 -1 -2 529 - -7.8731682151556015e-03 - - 6.6546010971069336e-01 4.1827228665351868e-01 - 5.6047242879867554e-01 - <_> - - 0 1 530 -2.7444459497928619e-02 -1 -2 531 - 1.9792269449681044e-03 - - 6.5868628025054932e-01 3.2449120283126831e-01 - 4.8828700184822083e-01 - <_> - - 0 1 532 -5.6783691979944706e-03 -1 -2 533 - 1.5057219570735469e-05 - - 2.2290790081024170e-01 4.1072851419448853e-01 - 5.7475912570953369e-01 - <_> - - 0 1 534 -5.4136710241436958e-03 -1 -2 535 - 5.3679239936172962e-03 - - 2.0657970011234283e-01 4.9264231324195862e-01 - 7.1394848823547363e-01 - <_> - - 0 1 536 -3.1426660716533661e-03 -1 -2 537 - 1.0907390154898167e-02 - - 6.7800867557525635e-01 5.2149301767349243e-01 - 1.1439959704875946e-01 - <_> - - 1 0 538 5.8436761610209942e-03 -1 -2 539 - 9.0507230197545141e-05 - - 1.9375260174274445e-01 3.8125771284103394e-01 - 5.5141878128051758e-01 - <_> - - 0 1 540 -1.6345789656043053e-02 -1 -2 541 - 1.5987500082701445e-03 - - 2.4740239977836609e-01 4.8177829384803772e-01 - 5.9230798482894897e-01 - <_> - - 0 1 542 -4.0257978253066540e-03 -1 -2 543 - -6.7750471644103527e-03 - - 7.5082087516784668e-01 2.8798109292984009e-01 - 5.1996952295303345e-01 - <_> - - 0 1 544 -3.2470689620822668e-03 -1 -2 545 - 1.5409620245918632e-03 - - 3.0449101328849792e-01 4.0634828805923462e-01 - 5.6765627861022949e-01 - <_> - - 0 1 546 -1.2858119793236256e-02 -1 -2 547 - -1.4824670506641269e-04 - - 9.6717558801174164e-02 4.5378330349922180e-01 - 6.1153751611709595e-01 - <_> - - 1 0 548 -9.0210810303688049e-03 -1 -2 549 - -2.8795029968023300e-02 - - 4.8077508807182312e-01 3.4037950634956360e-01 - 5.2555292844772339e-01 - <_> - - 1 0 550 9.0210810303688049e-03 -1 -2 551 - 7.4121179059147835e-03 - - 7.5058358907699585e-01 5.4554468393325806e-01 - 3.2260689139366150e-01 - <_> - - 0 1 552 -3.7217529024928808e-03 -1 -2 553 - 1.9865889847278595e-01 - - 2.3118489980697632e-01 5.2710479497909546e-01 - 1.4699299633502960e-01 - <_> - - 0 1 554 1.5208719560177997e-05 -1 -2 555 - -3.9089918136596680e-03 - - 3.6781388521194458e-01 7.1319299936294556e-01 - 4.9938669800758362e-01 - <_> - - 0 1 556 2.5106288958340883e-03 -1 -2 557 - 2.3921660613268614e-04 - - 5.3120541572570801e-01 4.6893781423568726e-01 - 5.7140219211578369e-01 - <_> - - 1 0 558 6.9443131797015667e-03 -1 -2 559 - 1.2065629707649350e-03 - - 6.9487977027893066e-01 4.0045049786567688e-01 - 5.8748817443847656e-01 - <_> - - 0 1 560 2.5106288958340883e-03 -1 -2 561 - 1.7514040227979422e-03 - - 5.3295719623565674e-01 5.5458492040634155e-01 - 3.4495818614959717e-01 - <_> - - 0 1 562 -4.1978210210800171e-03 -1 -2 563 - 1.3092850567772985e-03 - - 1.2171830236911774e-01 5.3750497102737427e-01 - 3.4156250953674316e-01 - <_> - - 0 1 564 6.7396182566881180e-04 -1 -2 565 - -1.0530710220336914e-02 - - 4.1951790452003479e-01 3.4607538580894470e-01 - 5.1558601856231689e-01 - <_> - - 0 1 566 -4.0672299265861511e-01 -1 -2 567 - -2.6314549148082733e-02 - - 5.8065678924322128e-02 1.4734490215778351e-01 - 5.5593782663345337e-01 - <_> - - 1 0 568 2.2557149641215801e-03 -1 -2 569 - 1.2154860422015190e-02 - - 5.4777151346206665e-01 4.2077910900115967e-01 - 5.6218808889389038e-01 - <_> - - 0 1 570 -1.8436539918184280e-02 -1 -2 571 - 5.3676147945225239e-04 - - 6.4471471309661865e-01 2.7651271224021912e-01 - 4.8885959386825562e-01 - <_> - - 1 0 572 -2.6265541091561317e-03 -1 -2 573 - -5.1119807176291943e-04 - - 5.2646911144256592e-01 5.7853102684020996e-01 - 4.2911028861999512e-01 - <_> - - 1 0 574 4.1454841266386211e-04 -1 -2 575 - -5.5028748465701938e-04 - - 3.4554108977317810e-01 6.0269188880920410e-01 - 4.1438931226730347e-01 - <_> - - 0 1 576 -1.0347720235586166e-03 -1 -2 577 - -3.3966631162911654e-03 - - 6.0952937602996826e-01 6.1082822084426880e-01 - 4.7077208757400513e-01 - <_> - - 1 0 578 3.1795909162610769e-03 -1 -2 579 - -1.6528950072824955e-04 - - 3.2443669438362122e-01 3.8307571411132812e-01 - 5.7343262434005737e-01 - <_> - - 1 0 580 8.3725210279226303e-03 -1 -2 581 - -2.5799809955060482e-03 - - 6.6109192371368408e-01 6.1393070220947266e-01 - 4.6861499547958374e-01 - <_> - - 1 0 582 9.0194388758391142e-04 -1 -2 583 - 3.6952210939489305e-04 - - 3.5200220346450806e-01 2.5787541270256042e-01 - 5.4672420024871826e-01 - <_> - - 0 1 584 9.9746137857437134e-04 -1 -2 585 - -3.6688039544969797e-03 - - 4.8201468586921692e-01 5.7101500034332275e-01 - 4.8319110274314880e-01 - <_> - - 0 1 586 -8.9501030743122101e-04 -1 -2 587 - 5.1904921419918537e-03 - - 6.1336791515350342e-01 4.9285829067230225e-01 - 2.5813090801239014e-01 - <_> - - 0 1 588 4.2274440056644380e-04 -1 -2 589 - 8.5176713764667511e-03 - - 4.4711241126060486e-01 5.1610249280929565e-01 - 3.3165338635444641e-01 - <_> - - 0 1 590 -3.6623608320951462e-02 -1 -2 591 - -4.1103712283074856e-03 - - 9.2606216669082642e-02 8.5221147537231445e-01 - 5.1379078626632690e-01 - <_> - - 1 0 592 -6.6017331555485725e-03 -1 -2 593 - 2.5578640401363373e-02 - - 5.4590600728988647e-01 5.2193528413772583e-01 - 1.9271859526634216e-01 - <_> - - 1 0 594 1.1447439901530743e-02 -1 -2 595 - 7.2427501436322927e-04 - - 1.9160020351409912e-01 5.2315711975097656e-01 - 3.5353401303291321e-01 - <_> - - 1 0 596 9.7127500921487808e-03 -1 -2 597 - -1.1337569914758205e-02 - - 6.4641010761260986e-01 7.3830378055572510e-01 - 4.9647438526153564e-01 - <_> - - 0 1 598 -8.1453882157802582e-03 -1 -2 599 - -8.5570756345987320e-03 - - 3.6117058992385864e-01 3.4219071269035339e-01 - 5.9435117244720459e-01 - <_> - - 0 1 600 2.2993308957666159e-03 -1 -2 601 - 3.8430930580943823e-03 - - 4.5501041412353516e-01 4.7168621420860291e-01 - 6.6561907529830933e-01 - <_> - - 1 0 602 -9.9116540513932705e-04 -1 -2 603 - 2.5496469810605049e-02 - - 4.5927169919013977e-01 6.5634012222290039e-01 - 1.2588350474834442e-01 - <_> - - 1 0 604 -1.5748359262943268e-02 -1 -2 605 - -1.8046120181679726e-02 - - 5.2395021915435791e-01 8.0158519744873047e-01 - 5.0079578161239624e-01 - <_> - - 1 0 606 1.0323390364646912e-02 -1 -2 607 - 1.6452240524813533e-03 - - 2.2748200595378876e-01 4.3519461154937744e-01 - 5.8676278591156006e-01 - <_> - - 0 1 608 1.5881149098277092e-02 -1 -2 609 - 1.0586519725620747e-02 - - 4.4650518894195557e-01 4.5444580912590027e-01 - 5.7071107625961304e-01 - <_> - - 0 1 610 -2.1531689912080765e-02 -1 -2 611 - 5.2480469457805157e-03 - - 6.5276437997817993e-01 3.4447279572486877e-01 - 5.3246361017227173e-01 - <_> - 67 - 3.2647129058837891e+01 - - <_> - - 0 1 612 1.8219340126961470e-03 -1 -2 613 - 8.1313941627740860e-03 - - 3.1087881326675415e-01 3.1332370638847351e-01 - 6.6458672285079956e-01 - <_> - - 0 1 614 1.7055979697033763e-03 -1 -2 615 - -7.4483548814896494e-05 - - 2.6401311159133911e-01 5.6472051143646240e-01 - 3.4853729605674744e-01 - <_> - - 1 0 616 3.8342390325851738e-04 -1 -2 617 - 3.1868910882622004e-03 - - 3.1406548619270325e-01 6.4891988039016724e-01 - 3.8877290487289429e-01 - <_> - - 1 0 618 1.6044320166110992e-01 -1 -2 619 - -6.7285560071468353e-03 - - 7.2165298461914062e-01 1.6531379520893097e-01 - 5.1398259401321411e-01 - <_> - - 0 1 620 7.2638481469766703e-06 -1 -2 621 - 5.5551197146996856e-04 - - 3.1406199932098389e-01 5.9936988353729248e-01 - 3.3173981308937073e-01 - <_> - - 0 1 622 -1.0822320356965065e-02 -1 -2 623 - -4.5834020711481571e-03 - - 2.6529380679130554e-01 1.8495689332485199e-01 - 5.3139579296112061e-01 - <_> - - 1 0 624 -3.0205070506781340e-03 -1 -2 625 - 7.7864617109298706e-02 - - 4.0400999784469604e-01 6.1581897735595703e-01 - 1.7864869534969330e-01 - <_> - - 0 1 626 2.6494380086660385e-02 -1 -2 627 - 3.6912109702825546e-02 - - 4.5110899209976196e-01 4.5282199978828430e-01 - 5.9722828865051270e-01 - <_> - - 1 0 628 5.7857790961861610e-03 -1 -2 629 - 9.3849771656095982e-04 - - 2.5338920950889587e-01 3.4104120731353760e-01 - 5.9236437082290649e-01 - <_> - - 0 1 630 -1.1003199964761734e-02 -1 -2 631 - -1.1737640015780926e-03 - - 6.9580441713333130e-01 3.8510841131210327e-01 - 5.4081892967224121e-01 - <_> - - 0 1 632 -3.6596669815480709e-03 -1 -2 633 - -2.4822750128805637e-03 - - 2.0093089342117310e-01 6.2953931093215942e-01 - 4.3950408697128296e-01 - <_> - - 0 1 634 -4.4606071896851063e-03 -1 -2 635 - -3.5969649907201529e-03 - - 2.4052999913692474e-01 5.4501742124557495e-01 - 3.7823578715324402e-01 - <_> - - 0 1 636 -3.6222559865564108e-03 -1 -2 637 - 1.2059339787811041e-03 - - 3.0338969826698303e-01 4.6337789297103882e-01 - 6.3359522819519043e-01 - <_> - - 1 0 638 4.3124938383698463e-03 -1 -2 639 - -4.4961250387132168e-03 - - 6.5988260507583618e-01 6.6216969490051270e-01 - 4.7552469372749329e-01 - <_> - - 0 1 640 -1.3860689941793680e-03 -1 -2 641 - -5.1588460337370634e-04 - - 2.8012010455131531e-01 3.8294890522956848e-01 - 5.6236267089843750e-01 - <_> - - 0 1 642 7.0330002927221358e-05 -1 -2 643 - -2.0976549421902746e-04 - - 4.5363429188728333e-01 5.6081390380859375e-01 - 4.2657798528671265e-01 - <_> - - 1 0 644 1.3642259873449802e-03 -1 -2 645 - 1.5483660390600562e-03 - - 2.6370918750762939e-01 4.1707509756088257e-01 - 5.9329879283905029e-01 - <_> - - 0 1 646 1.9179609417915344e-01 -1 -2 647 - -4.4776909053325653e-03 - - 5.2567642927169800e-01 6.6326218843460083e-01 - 4.8925888538360596e-01 - <_> - - 0 1 648 -1.2649179995059967e-01 -1 -2 649 - 6.5253327193204314e-05 - - 1.4997789263725281e-01 4.2333200573921204e-01 - 5.7560402154922485e-01 - <_> - - 0 1 650 4.1856421157717705e-03 -1 -2 651 - 2.7478230185806751e-04 - - 5.2888268232345581e-01 4.5240178704261780e-01 - 5.6041252613067627e-01 - <_> - - 0 1 652 -2.2906810045242310e-03 -1 -2 653 - 1.6744500026106834e-03 - - 5.5782741308212280e-01 3.3230578899383545e-01 - 5.5587881803512573e-01 - <_> - - 1 0 654 1.2349759927019477e-03 -1 -2 655 - -8.7158754467964172e-03 - - 3.6539471149444580e-01 1.9245339930057526e-01 - 5.3136497735977173e-01 - <_> - - 1 0 656 4.6613621525466442e-03 -1 -2 657 - -8.5815992206335068e-03 - - 2.0277309417724609e-01 7.6360601186752319e-01 - 5.1408261060714722e-01 - <_> - - 0 1 658 1.4352120459079742e-02 -1 -2 659 - -7.7948719263076782e-03 - - 5.2529758214950562e-01 2.6329371333122253e-01 - 5.3286892175674438e-01 - <_> - - 0 1 660 -3.4155680332332850e-03 -1 -2 661 - -4.2639090679585934e-03 - - 2.4160879850387573e-01 3.9365449547767639e-01 - 5.4787421226501465e-01 - <_> - - 0 1 662 8.7177697569131851e-03 -1 -2 663 - -3.2232629600912333e-03 - - 4.7881990671157837e-01 3.6316120624542236e-01 - 5.2883160114288330e-01 - <_> - - 0 1 664 -4.2188368737697601e-02 -1 -2 665 - 1.9875749945640564e-02 - - 6.9311392307281494e-01 4.5201000571250916e-01 - 6.8550550937652588e-01 - <_> - - 1 0 666 -3.1134510412812233e-02 -1 -2 667 - 5.7032387703657150e-03 - - 5.3004240989685059e-01 5.6068921089172363e-01 - 4.2306229472160339e-01 - <_> - - 1 0 668 5.2733682096004486e-03 -1 -2 669 - -3.1231069006025791e-03 - - 3.2472288608551025e-01 1.9856959581375122e-01 - 5.3498727083206177e-01 - <_> - - 0 1 670 4.6453849063254893e-04 -1 -2 671 - 3.0355889350175858e-02 - - 4.2075088620185852e-01 5.1534587144851685e-01 - 3.1181010603904724e-01 - <_> - - 0 1 672 -4.2992769740521908e-03 -1 -2 673 - 1.9509199773892760e-04 - - 3.2745069265365601e-01 5.9530782699584961e-01 - 4.2255210876464844e-01 - <_> - - 0 1 674 -7.7784480527043343e-03 -1 -2 675 - 1.6917599365115166e-02 - - 7.2111797332763672e-01 4.9365919828414917e-01 - 7.0302772521972656e-01 - <_> - - 0 1 676 -5.1948569715023041e-02 -1 -2 677 - -5.4751220159232616e-03 - - 1.4255349338054657e-01 6.0593318939208984e-01 - 4.3939951062202454e-01 - <_> - - 0 1 678 1.5210839592327829e-05 -1 -2 679 - 1.0235579684376717e-03 - - 4.4888499379158020e-01 4.2565500736236572e-01 - 5.7954382896423340e-01 - <_> - - 0 1 680 -1.0427719826111570e-04 -1 -2 681 - 8.7853781878948212e-03 - - 4.2460399866104126e-01 4.9580091238021851e-01 - 6.7594307661056519e-01 - <_> - - 0 1 682 3.4012699034065008e-03 -1 -2 683 - 5.8582378551363945e-04 - - 5.4234808683395386e-01 3.6365428566932678e-01 - 5.4643487930297852e-01 - <_> - - 0 1 684 -2.2973360028117895e-03 -1 -2 685 - -1.4330189675092697e-02 - - 2.5488188862800598e-01 6.5876567363739014e-01 - 4.5328021049499512e-01 - <_> - - 0 1 686 9.8565965890884399e-04 -1 -2 687 - -4.6640761196613312e-02 - - 3.8227710127830505e-01 3.0773219466209412e-01 - 5.2441328763961792e-01 - <_> - - 0 1 688 -1.1907300353050232e-01 -1 -2 689 - 1.9333280622959137e-02 - - 1.0338629782199860e-01 5.5547451972961426e-01 - 3.2213169336318970e-01 - <_> - - 0 1 690 3.1427849084138870e-02 -1 -2 691 - 2.0082130504306406e-04 - - 4.6823790669441223e-01 5.3730702400207520e-01 - 3.8006669282913208e-01 - <_> - - 0 1 692 -6.2584900297224522e-03 -1 -2 693 - 8.2861045375466347e-03 - - 1.7992070317268372e-01 5.0950688123703003e-01 - 7.5446051359176636e-01 - <_> - - 0 1 694 2.0529709290713072e-03 -1 -2 695 - 3.2524869311600924e-03 - - 5.6286448240280151e-01 4.8016890883445740e-01 - 5.8021020889282227e-01 - <_> - - 0 1 696 -3.1884901225566864e-02 -1 -2 697 - 1.8379340181127191e-03 - - 1.7427450418472290e-01 3.4665969014167786e-01 - 5.1071548461914062e-01 - <_> - - 1 0 698 -4.8512680223211646e-04 -1 -2 699 - -2.5407879147678614e-03 - - 5.3260862827301025e-01 6.3427752256393433e-01 - 4.9926930665969849e-01 - <_> - - 0 1 700 -5.1559060811996460e-03 -1 -2 701 - -4.4968750327825546e-02 - - 3.4334290027618408e-01 1.8681369721889496e-01 - 5.2154648303985596e-01 - <_> - - 1 0 702 5.8984281495213509e-03 -1 -2 703 - 3.2763120252639055e-03 - - 6.2293052673339844e-01 4.9357721209526062e-01 - 7.2179448604583740e-01 - <_> - - 1 0 704 -1.0161520185647532e-04 -1 -2 705 - -1.6290300118271261e-04 - - 5.0079762935638428e-01 6.0241490602493286e-01 - 2.3295080661773682e-01 - <_> - - 0 1 706 9.0541364625096321e-03 -1 -2 707 - 3.5398490726947784e-02 - - 4.5104169845581055e-01 5.1419967412948608e-01 - 2.8602918982505798e-01 - <_> - - 0 1 708 5.6469351984560490e-03 -1 -2 709 - -2.4807190056890249e-03 - - 4.7049251198768616e-01 4.1798511147499084e-01 - 6.7266470193862915e-01 - <_> - - 0 1 710 -4.1088787838816643e-03 -1 -2 711 - -2.0714469719678164e-03 - - 5.8098018169403076e-01 6.0747838020324707e-01 - 4.5240598917007446e-01 - <_> - - 0 1 712 -2.8939060866832733e-03 -1 -2 713 - 1.3467279495671391e-03 - - 3.3835199475288391e-01 5.6969100236892700e-01 - 3.9708450436592102e-01 - <_> - - 0 1 714 -9.0779133141040802e-02 -1 -2 715 - -8.3171762526035309e-02 - - 1.5027019381523132e-01 7.5736707448959351e-01 - 4.9364370107650757e-01 - <_> - - 0 1 716 -1.4107000315561891e-03 -1 -2 717 - 5.5668760091066360e-02 - - 3.3909329771995544e-01 5.0250971317291260e-01 - 7.4220830202102661e-01 - <_> - - 0 1 718 5.7701539248228073e-02 -1 -2 719 - -4.2503291368484497e-01 - - 5.1973718404769897e-01 9.7346916794776917e-02 - 5.1857399940490723e-01 - <_> - - 0 1 720 -4.4380719191394746e-04 -1 -2 721 - 1.7924769781529903e-04 - - 3.6493501067161560e-01 5.6192791461944580e-01 - 3.7602970004081726e-01 - <_> - - 1 0 722 5.0382469780743122e-03 -1 -2 723 - 1.5191170386970043e-02 - - 6.3284450769424438e-01 4.9360820651054382e-01 - 7.4265247583389282e-01 - <_> - - 0 1 724 -1.2300389818847179e-02 -1 -2 725 - 1.5168030513450503e-03 - - 1.3893499970436096e-01 5.0919622182846069e-01 - 3.4826481342315674e-01 - <_> - - 1 0 726 9.5754547510296106e-04 -1 -2 727 - -1.8962200731039047e-02 - - 6.0363167524337769e-01 2.3191730678081512e-01 - 5.1166528463363647e-01 - <_> - - 0 1 728 -2.2272260859608650e-02 -1 -2 729 - -2.5145230814814568e-02 - - 6.5550220012664795e-01 1.3260710239410400e-01 - 4.6740341186523438e-01 - <_> - - 0 1 730 1.9533900544047356e-02 -1 -2 731 - -1.1231349781155586e-03 - - 5.1820272207260132e-01 6.3182431459426880e-01 - 4.8255190253257751e-01 - <_> - - 0 1 732 -1.4861139934509993e-03 -1 -2 733 - 3.5002888762392104e-04 - - 2.9186710715293884e-01 5.6213712692260742e-01 - 4.2492130398750305e-01 - <_> - - 1 0 734 -1.1231349781155586e-03 -1 -2 735 - 1.0409739799797535e-02 - - 4.8137450218200684e-01 5.1840060949325562e-01 - 2.0512230694293976e-01 - <_> - - 0 1 736 -8.7832562625408173e-02 -1 -2 737 - 1.6584879485890269e-03 - - 1.1799219995737076e-01 4.9878111481666565e-01 - 6.9737559556961060e-01 - <_> - - 1 0 738 -2.3008750285953283e-03 -1 -2 739 - 3.3026169985532761e-02 - - 5.3398311138153076e-01 5.0332891941070557e-01 - 6.8519067764282227e-01 - <_> - - 0 1 740 -1.3585069682449102e-03 -1 -2 741 - 7.8067491995170712e-04 - - 3.0028221011161804e-01 4.5930838584899902e-01 - 6.4400452375411987e-01 - <_> - - 1 0 742 -1.8025759607553482e-02 -1 -2 743 - 1.2354910140857100e-03 - - 5.3112912178039551e-01 4.7291061282157898e-01 - 5.7214611768722534e-01 - <_> - - 0 1 744 -9.2583027435466647e-04 -1 -2 745 - 8.0123997759073973e-04 - - 3.6623328924179077e-01 5.3619897365570068e-01 - 3.0086329579353333e-01 - <_> - 63 - 3.0672130584716797e+01 - - <_> - - 0 1 746 2.4914839304983616e-03 -1 -2 747 - -5.0488598644733429e-02 - - 3.4223890304565430e-01 7.7034580707550049e-01 - 4.5163908600807190e-01 - <_> - - 1 0 748 -7.7838351717218757e-04 -1 -2 749 - 2.3572890495415777e-04 - - 3.2563421130180359e-01 3.4065559506416321e-01 - 5.8970272541046143e-01 - <_> - - 0 1 750 4.5575071126222610e-03 -1 -2 751 - 8.1241987645626068e-03 - - 4.3065789341926575e-01 7.1495872735977173e-01 - 4.3456849455833435e-01 - <_> - - 0 1 752 -4.4612158671952784e-04 -1 -2 753 - -2.8972938889637589e-04 - - 3.2959741353988647e-01 5.8456200361251831e-01 - 3.5266879200935364e-01 - <_> - - 0 1 754 7.1604831646254752e-06 -1 -2 755 - -3.8497708737850189e-04 - - 4.0819549560546875e-01 4.2031130194664001e-01 - 6.6341269016265869e-01 - <_> - - 0 1 756 1.9489860278554261e-04 -1 -2 757 - -1.7083849757909775e-02 - - 3.9424669742584229e-01 2.2940720617771149e-01 - 5.2389609813690186e-01 - <_> - - 0 1 758 8.3513697609305382e-04 -1 -2 759 - 7.5499608647078276e-04 - - 3.0260318517684937e-01 6.0321962833404541e-01 - 3.4124588966369629e-01 - <_> - - 1 0 760 8.0216713249683380e-03 -1 -2 761 - -3.8930509239435196e-02 - - 7.3062407970428467e-01 3.5993251204490662e-01 - 5.2343809604644775e-01 - <_> - - 1 0 762 -7.0348767621908337e-05 -1 -2 763 - -8.5350573062896729e-03 - - 3.4937581419944763e-01 2.7461090683937073e-01 - 5.6265860795974731e-01 - <_> - - 0 1 764 1.0854450054466724e-02 -1 -2 765 - 4.5329501153901219e-04 - - 5.2822262048721313e-01 4.5220491290092468e-01 - 6.0543018579483032e-01 - <_> - - 0 1 766 1.8117150466423482e-04 -1 -2 767 - 4.6641560038551688e-04 - - 3.3068621158599854e-01 1.4550000429153442e-01 - 5.3849279880523682e-01 - <_> - - 1 0 768 -8.4854792803525925e-03 -1 -2 769 - -1.8934309482574463e-02 - - 4.8141559958457947e-01 3.5637411475181580e-01 - 5.4051452875137329e-01 - <_> - - 1 0 770 4.9814549274742603e-03 -1 -2 771 - 3.4286780282855034e-03 - - 6.9577431678771973e-01 5.0508928298950195e-01 - 2.3169949650764465e-01 - <_> - - 1 0 772 4.4203791185282171e-04 -1 -2 773 - 2.3822550429031253e-04 - - 6.0185819864273071e-01 4.7550821304321289e-01 - 5.5852377414703369e-01 - <_> - - 0 1 774 -6.4261639490723610e-03 -1 -2 775 - 9.9637769162654877e-03 - - 2.2824659943580627e-01 4.0405881404876709e-01 - 5.6501698493957520e-01 - <_> - - 0 1 776 1.3654050417244434e-02 -1 -2 777 - -9.9892877042293549e-03 - - 5.2677392959594727e-01 6.7940497398376465e-01 - 4.7970339655876160e-01 - <_> - - 1 0 778 3.6558631807565689e-02 -1 -2 779 - 4.8999379941960797e-05 - - 8.8425733149051666e-02 4.0207880735397339e-01 - 5.4573321342468262e-01 - <_> - - 0 1 780 1.3654050417244434e-02 -1 -2 781 - 1.8802779959514737e-03 - - 5.2676129341125488e-01 4.8060521483421326e-01 - 6.3943648338317871e-01 - <_> - - 0 1 782 -1.3654050417244434e-02 -1 -2 783 - 1.2778700329363346e-03 - - 1.7248100042343140e-01 4.4798240065574646e-01 - 6.3100087642669678e-01 - <_> - - 1 0 784 9.8843395244330168e-04 -1 -2 785 - 1.4511500012304168e-05 - - 5.9481692314147949e-01 4.8541748523712158e-01 - 5.3093612194061279e-01 - <_> - - 0 1 786 -2.2775429533794522e-04 -1 -2 787 - -1.4753740280866623e-02 - - 3.1836318969726562e-01 3.0849760770797729e-01 - 5.3520262241363525e-01 - <_> - - 0 1 788 -3.4148250706493855e-03 -1 -2 789 - 7.5806681998074055e-03 - - 6.1153268814086914e-01 4.9516460299491882e-01 - 7.0613312721252441e-01 - <_> - - 1 0 790 -5.7734688743948936e-03 -1 -2 791 - 7.4033669079653919e-05 - - 3.7542209029197693e-01 4.1155171394348145e-01 - 5.8894449472427368e-01 - <_> - - 0 1 792 -8.2278084009885788e-03 -1 -2 793 - 5.3380909375846386e-03 - - 9.5610566437244415e-02 5.3005087375640869e-01 - 3.9618980884552002e-01 - <_> - - 0 1 794 -2.7049109339714050e-03 -1 -2 795 - 7.7341338619589806e-03 - - 6.4818692207336426e-01 5.1104402542114258e-01 - 3.1215190887451172e-01 - <_> - - 0 1 796 1.0886609554290771e-02 -1 -2 797 - 1.1038660071790218e-02 - - 4.8014289140701294e-01 5.4297101497650146e-01 - 4.1623631119728088e-01 - <_> - - 0 1 798 -1.0054199956357479e-02 -1 -2 799 - 7.7072880230844021e-03 - - 7.3293352127075195e-01 5.3568720817565918e-01 - 3.4555470943450928e-01 - <_> - - 0 1 800 -5.8278098003938794e-04 -1 -2 801 - -2.5739220436662436e-03 - - 3.6550220847129822e-01 3.7767601013183594e-01 - 5.3917747735977173e-01 - <_> - - 0 1 802 -7.0167761296033859e-03 -1 -2 803 - -1.7727289814502001e-03 - - 4.0393048524856567e-01 6.9504439830780029e-01 - 4.9811169505119324e-01 - <_> - - 1 0 804 -1.6318289563059807e-02 -1 -2 805 - -1.1663000099360943e-02 - - 5.2967327833175659e-01 5.8426398038864136e-01 - 4.7895029187202454e-01 - <_> - - 1 0 806 2.5881489273160696e-03 -1 -2 807 - -3.7328999023884535e-03 - - 6.0921788215637207e-01 6.7217427492141724e-01 - 4.0668940544128418e-01 - <_> - - 0 1 808 -1.4355930034071207e-03 -1 -2 809 - 1.8340899841859937e-03 - - 3.5850879549980164e-01 5.3711581230163574e-01 - 4.0335071086883545e-01 - <_> - - 1 0 810 1.2280289828777313e-01 -1 -2 811 - 5.0228700041770935e-02 - - 1.5475720167160034e-01 5.4338437318801880e-01 - 8.4292672574520111e-02 - <_> - - 1 0 812 -2.1437000483274460e-02 -1 -2 813 - -3.1009620055556297e-02 - - 4.8600539565086365e-01 1.8330100178718567e-01 - 5.2075541019439697e-01 - <_> - - 0 1 814 -1.2973720207810402e-02 -1 -2 815 - 1.5818020328879356e-03 - - 7.0482409000396729e-01 4.1705870628356934e-01 - 5.8651638031005859e-01 - <_> - - 1 0 816 -9.7806248813867569e-03 -1 -2 817 - 1.1735740117728710e-03 - - 5.3079181909561157e-01 5.5224531888961792e-01 - 3.5071650147438049e-01 - <_> - - 1 0 818 1.4651629608124495e-03 -1 -2 819 - 2.3532148916274309e-03 - - 3.0426511168479919e-01 5.3393232822418213e-01 - 2.8062361478805542e-01 - <_> - - 0 1 820 -6.1809681355953217e-03 -1 -2 821 - 6.5688649192452431e-04 - - 6.4101332426071167e-01 5.6208711862564087e-01 - 4.3903189897537231e-01 - <_> - - 1 0 822 2.6228010654449463e-02 -1 -2 823 - -1.7958110198378563e-02 - - 6.4455568790435791e-01 2.0027139782905579e-01 - 4.6246650815010071e-01 - <_> - - 1 0 824 -7.6468721963465214e-03 -1 -2 825 - -2.7482809964567423e-03 - - 5.2632009983062744e-01 5.8739811182022095e-01 - 4.8366001248359680e-01 - <_> - - 1 0 826 1.3851850293576717e-02 -1 -2 827 - 2.6369190309196711e-03 - - 1.5661309659481049e-01 4.2701789736747742e-01 - 5.8066600561141968e-01 - <_> - - 0 1 828 -3.1513599678874016e-03 -1 -2 829 - -1.4788460248382762e-05 - - 6.2158662080764771e-01 5.5766427516937256e-01 - 4.1220021247863770e-01 - <_> - - 0 1 830 -7.3676988482475281e-02 -1 -2 831 - -3.0912780202925205e-03 - - 1.5367099642753601e-01 6.3442689180374146e-01 - 4.5074120163917542e-01 - <_> - - 0 1 832 7.9240966588258743e-03 -1 -2 833 - 8.5778040811419487e-03 - - 5.4579752683639526e-01 5.4016572237014771e-01 - 3.8907998800277710e-01 - <_> - - 1 0 834 5.5403169244527817e-03 -1 -2 835 - -1.1886510037584230e-04 - - 3.5556110739707947e-01 5.8367502689361572e-01 - 4.2743161320686340e-01 - <_> - - 0 1 836 -1.8408369272947311e-02 -1 -2 837 - -2.3490579333156347e-03 - - 5.8604401350021362e-01 4.4989579916000366e-01 - 5.4981988668441772e-01 - <_> - - 1 0 838 -7.6157399453222752e-03 -1 -2 839 - -3.3190969843417406e-03 - - 4.1009929776191711e-01 6.7013788223266602e-01 - 4.3530011177062988e-01 - <_> - - 1 0 840 -9.4642979092895985e-04 -1 -2 841 - 8.7858550250530243e-03 - - 5.3911769390106201e-01 5.5040502548217773e-01 - 3.9909350872039795e-01 - <_> - - 1 0 842 1.6395459533669055e-04 -1 -2 843 - -2.3508940357714891e-03 - - 3.5929331183433533e-01 4.0341728925704956e-01 - 5.8060771226882935e-01 - <_> - - 1 0 844 7.5449963333085179e-05 -1 -2 845 - 2.7018489316105843e-02 - - 5.4123848676681519e-01 4.9449229240417480e-01 - 5.5894362926483154e-01 - <_> - - 1 0 846 8.4561208495870233e-04 -1 -2 847 - -1.1687109945341945e-03 - - 5.8092182874679565e-01 4.7469571232795715e-01 - 2.8458958864212036e-01 - <_> - - 1 0 848 2.2897500544786453e-02 -1 -2 849 - 7.0879262685775757e-01 - - 2.4144110083580017e-01 5.1957648992538452e-01 - 1.0300920158624649e-01 - <_> - - 1 0 850 3.7483830004930496e-02 -1 -2 851 - 1.2827500468119979e-03 - - 1.8146389722824097e-01 4.2460718750953674e-01 - 5.7079732418060303e-01 - <_> - - 0 1 852 -5.1718312315642834e-03 -1 -2 853 - 2.7545939665287733e-03 - - 6.1433231830596924e-01 5.2056711912155151e-01 - 4.2204418778419495e-01 - <_> - - 0 1 854 -3.6072919610887766e-03 -1 -2 855 - -2.5258748792111874e-04 - - 3.1825920939445496e-01 5.7104682922363281e-01 - 4.2260938882827759e-01 - <_> - - 1 0 856 -7.0514748804271221e-03 -1 -2 857 - -5.4323761723935604e-03 - - 5.1628297567367554e-01 2.6662889122962952e-01 - 5.2146798372268677e-01 - <_> - - 1 0 858 -1.4652940080850385e-05 -1 -2 859 - -1.8556920113041997e-03 - - 3.9817610383033752e-01 3.3227631449699402e-01 - 5.7058340311050415e-01 - <_> - - 1 0 860 4.7609540633857250e-03 -1 -2 861 - 1.5676260227337480e-03 - - 6.6365581750869751e-01 5.5055677890777588e-01 - 4.4206619262695312e-01 - <_> - - 1 0 862 5.4239919409155846e-03 -1 -2 863 - -6.4692399464547634e-03 - - 5.9599381685256958e-01 5.3695940971374512e-01 - 3.7443399429321289e-01 - <_> - - 0 1 864 -7.8038539504632354e-04 -1 -2 865 - 4.5086450874805450e-02 - - 4.1035950183868408e-01 5.1775068044662476e-01 - 1.8781000375747681e-01 - <_> - - 0 1 866 -5.1405387930572033e-03 -1 -2 867 - -2.1236129105091095e-02 - - 2.3528920114040375e-01 1.7087510228157043e-01 - 5.4249739646911621e-01 - <_> - - 0 1 868 -2.3763340432196856e-03 -1 -2 869 - 5.4122589528560638e-02 - - 5.8365309238433838e-01 5.1174330711364746e-01 - 1.8659310042858124e-01 - <_> - - 0 1 870 -5.3492980077862740e-04 -1 -2 871 - -5.8454048121348023e-04 - - 5.1086932420730591e-01 4.7754910588264465e-01 - 2.4398539960384369e-01 - <_> - 71 - 3.4677078247070312e+01 - - <_> - - 0 1 872 3.0031939968466759e-03 -1 -2 873 - 6.9161207647994161e-04 - - 3.3496499061584473e-01 4.5183679461479187e-01 - 7.2893542051315308e-01 - <_> - - 0 1 874 1.1212790384888649e-02 -1 -2 875 - -7.6108198845759034e-04 - - 2.9508009552955627e-01 5.6690549850463867e-01 - 2.8308510780334473e-01 - <_> - - 0 1 876 1.1984579759882763e-04 -1 -2 877 - -1.9725349557120353e-04 - - 4.0905779600143433e-01 6.9514942169189453e-01 - 4.6378681063652039e-01 - <_> - - 1 0 878 -5.5180420167744160e-03 -1 -2 879 - 1.2148249661549926e-03 - - 3.1676751375198364e-01 3.3167061209678650e-01 - 5.3963977098464966e-01 - <_> - - 0 1 880 -4.2497441172599792e-03 -1 -2 881 - -9.4915721565485001e-03 - - 2.6005738973617554e-01 7.4842947721481323e-01 - 5.0731921195983887e-01 - <_> - - 1 0 882 6.5378600265830755e-04 -1 -2 883 - -4.9741100519895554e-04 - - 3.9520108699798584e-01 5.8802747726440430e-01 - 3.5521200299263000e-01 - <_> - - 0 1 884 -4.3079249560832977e-02 -1 -2 885 - -5.1999092102050781e-04 - - 2.4348780512809753e-01 3.1955629587173462e-01 - 5.5854547023773193e-01 - <_> - - 1 0 886 -4.5451628975570202e-03 -1 -2 887 - -7.9610403627157211e-03 - - 4.8452898859977722e-01 3.8011810183525085e-01 - 5.3585118055343628e-01 - <_> - - 1 0 888 -3.1919340835884213e-04 -1 -2 889 - -1.9223889335989952e-02 - - 4.3563291430473328e-01 2.6130661368370056e-01 - 6.1554962396621704e-01 - <_> - - 0 1 890 -1.3076990144327283e-03 -1 -2 891 - 1.9825039431452751e-02 - - 5.9420621395111084e-01 4.9454280734062195e-01 - 7.3848551511764526e-01 - <_> - - 0 1 892 -2.2013280540704727e-03 -1 -2 893 - -7.8596705570816994e-03 - - 2.2144819796085358e-01 3.6009770631790161e-01 - 5.2985501289367676e-01 - <_> - - 1 0 894 1.4142199652269483e-03 -1 -2 895 - -1.1232759803533554e-02 - - 5.7765662670135498e-01 6.9344568252563477e-01 - 4.8272070288658142e-01 - <_> - - 1 0 896 2.9746301006525755e-03 -1 -2 897 - 5.3283828310668468e-04 - - 3.2166770100593567e-01 3.9625000953674316e-01 - 5.6803637742996216e-01 - <_> - - 1 0 898 1.0105259716510773e-02 -1 -2 899 - -1.1653699912130833e-02 - - 7.5674182176589966e-01 6.5235567092895508e-01 - 5.0270539522171021e-01 - <_> - - 0 1 900 -7.0609981194138527e-03 -1 -2 901 - 2.2343141026794910e-03 - - 2.5387701392173767e-01 4.3872770667076111e-01 - 6.1776322126388550e-01 - <_> - - 1 0 902 -2.9802279546856880e-02 -1 -2 903 - 1.1611840454861522e-03 - - 5.2011400461196899e-01 4.6479099988937378e-01 - 6.1842548847198486e-01 - <_> - - 1 0 904 9.4824447296559811e-04 -1 -2 905 - 4.1284630424343050e-04 - - 3.0409941077232361e-01 4.5188081264495850e-01 - 6.2457829713821411e-01 - <_> - - 0 1 906 -3.1203540042042732e-02 -1 -2 907 - 2.7652881108224392e-03 - - 2.7889358997344971e-01 4.6985000371932983e-01 - 6.5024542808532715e-01 - <_> - - 1 0 908 2.5644779205322266e-02 -1 -2 909 - -7.5331530533730984e-03 - - 1.8051710724830627e-01 3.2080689072608948e-01 - 5.5220228433609009e-01 - <_> - - 1 0 910 3.2047149725258350e-03 -1 -2 911 - -2.4282479716930538e-04 - - 6.4369338750839233e-01 5.6767052412033081e-01 - 4.5091038942337036e-01 - <_> - - 0 1 912 -6.1979342717677355e-04 -1 -2 913 - -8.0101029016077518e-04 - - 3.1221461296081543e-01 2.9651939868927002e-01 - 5.2304947376251221e-01 - <_> - - 1 0 914 -9.1816839994862676e-04 -1 -2 915 - 1.2239529751241207e-03 - - 5.4647117853164673e-01 4.6185028553009033e-01 - 5.6795489788055420e-01 - <_> - - 0 1 916 -6.8743730662390590e-04 -1 -2 917 - -1.8252469599246979e-03 - - 5.4308801889419556e-01 5.4336231946945190e-01 - 3.3852210640907288e-01 - <_> - - 1 0 918 -7.4570789001882076e-03 -1 -2 919 - 5.3775748237967491e-03 - - 5.2655947208404541e-01 4.8572158813476562e-01 - 6.8151241540908813e-01 - <_> - - 1 0 920 3.7602309603244066e-03 -1 -2 921 - 8.7752222316339612e-04 - - 2.8321608901023865e-01 3.9668309688568115e-01 - 5.5124807357788086e-01 - <_> - - 1 0 922 5.5084479972720146e-03 -1 -2 923 - -7.5949047459289432e-04 - - 6.7846202850341797e-01 3.9065030217170715e-01 - 5.4572027921676636e-01 - <_> - - 1 0 924 1.6352660022675991e-03 -1 -2 925 - -1.2750849418807775e-04 - - 3.6402040719985962e-01 5.8297240734100342e-01 - 4.1949799656867981e-01 - <_> - - 0 1 926 2.2067610174417496e-02 -1 -2 927 - -1.9203789532184601e-02 - - 4.6067029237747192e-01 3.2614830136299133e-01 - 5.2360808849334717e-01 - <_> - - 0 1 928 -1.2998109683394432e-02 -1 -2 929 - -3.1332690268754959e-03 - - 7.0221120119094849e-01 2.8704708814620972e-01 - 5.0764769315719604e-01 - <_> - - 1 0 930 -5.2937557920813560e-03 -1 -2 931 - 2.1857069805264473e-03 - - 4.7095209360122681e-01 4.7082918882369995e-01 - 6.1698418855667114e-01 - <_> - - 0 1 932 -4.5750709250569344e-03 -1 -2 933 - -4.5152138918638229e-02 - - 3.1142529845237732e-01 1.8514350056648254e-01 - 5.5048149824142456e-01 - <_> - - 1 0 934 -2.7783559635281563e-03 -1 -2 935 - -2.5752480141818523e-03 - - 4.9373480677604675e-01 6.1529481410980225e-01 - 4.7354999184608459e-01 - <_> - - 1 0 936 1.1614130344241858e-03 -1 -2 937 - 2.3350189439952374e-03 - - 6.5105718374252319e-01 4.0883418917655945e-01 - 5.6841522455215454e-01 - <_> - - 1 0 938 3.8499289657920599e-03 -1 -2 939 - 2.4529630318284035e-03 - - 3.0258288979530334e-01 5.2325028181076050e-01 - 2.0176209509372711e-01 - <_> - - 1 0 940 3.6731390282511711e-03 -1 -2 941 - 2.1937100682407618e-03 - - 6.4284259080886841e-01 4.3288651108741760e-01 - 6.4205098152160645e-01 - <_> - - 1 0 942 -6.4666871912777424e-03 -1 -2 943 - -5.7186251506209373e-03 - - 5.2540659904479980e-01 2.4909840524196625e-01 - 5.2876192331314087e-01 - <_> - - 1 0 944 9.9941878579556942e-04 -1 -2 945 - -7.8276498243212700e-04 - - 3.3297958970069885e-01 3.5983449220657349e-01 - 5.4983407258987427e-01 - <_> - - 0 1 946 4.3231188319623470e-03 -1 -2 947 - 4.0838290005922318e-03 - - 4.8187050223350525e-01 5.2663302421569824e-01 - 3.1057891249656677e-01 - <_> - - 1 0 948 3.0515898833982646e-04 -1 -2 949 - 1.2640280183404684e-03 - - 3.9952918887138367e-01 3.2284379005432129e-01 - 5.8192151784896851e-01 - <_> - - 0 1 950 -1.0152660310268402e-02 -1 -2 951 - -2.6863690000027418e-03 - - 8.0260711908340454e-01 3.8756170868873596e-01 - 5.4665708541870117e-01 - <_> - - 1 0 952 -9.0515613555908203e-03 -1 -2 953 - -6.3204211182892323e-03 - - 4.3720579147338867e-01 1.1265510320663452e-01 - 6.3954162597656250e-01 - <_> - - 0 1 954 2.6117300149053335e-03 -1 -2 955 - 1.4339019544422626e-02 - - 5.4239892959594727e-01 4.9792730808258057e-01 - 6.0422360897064209e-01 - <_> - - 1 0 956 2.8452780097723007e-03 -1 -2 957 - 1.4783289771003183e-05 - - 3.4910920262336731e-01 4.1950678825378418e-01 - 5.7759660482406616e-01 - <_> - - 0 1 958 8.1814555451273918e-03 -1 -2 959 - 6.6321990452706814e-03 - - 4.8859870433807373e-01 5.4444682598114014e-01 - 4.4209951162338257e-01 - <_> - - 0 1 960 -2.2483461070805788e-03 -1 -2 961 - 1.2374560348689556e-02 - - 6.6997921466827393e-01 4.4786059856414795e-01 - 6.5648937225341797e-01 - <_> - - 1 0 962 -6.6516688093543053e-03 -1 -2 963 - -8.5750613361597061e-03 - - 5.5118787288665771e-01 4.0174451470375061e-01 - 5.4055362939834595e-01 - <_> - - 1 0 964 6.5078441984951496e-03 -1 -2 965 - 2.8675209730863571e-02 - - 2.2943930327892303e-01 5.1779001951217651e-01 - 3.5677561163902283e-01 - <_> - - 0 1 966 7.0673860609531403e-03 -1 -2 967 - 1.2367829913273454e-03 - - 5.5646997690200806e-01 3.6276981234550476e-01 - 5.5724138021469116e-01 - <_> - - 1 0 968 7.4818679131567478e-03 -1 -2 969 - 4.7109839506447315e-03 - - 6.7849111557006836e-01 4.1212528944015503e-01 - 6.0722357034683228e-01 - <_> - - 1 0 970 -6.9405790418386459e-03 -1 -2 971 - 3.3302098512649536e-02 - - 5.4597669839859009e-01 5.2767068147659302e-01 - 2.3749159276485443e-01 - <_> - - 1 0 972 3.6104630678892136e-02 -1 -2 973 - 1.9674649462103844e-02 - - 7.2492793202400208e-02 4.6263459324836731e-01 - 8.2089632749557495e-01 - <_> - - 0 1 974 3.4766150638461113e-03 -1 -2 975 - 1.3987369602546096e-03 - - 5.2087318897247314e-01 5.4844141006469727e-01 - 4.2300349473953247e-01 - <_> - - 1 0 976 4.0974249131977558e-03 -1 -2 977 - 2.6973790954798460e-03 - - 2.7805531024932861e-01 5.4038310050964355e-01 - 3.7909889221191406e-01 - <_> - - 1 0 978 -5.6591699831187725e-03 -1 -2 979 - 3.9460969856008887e-04 - - 4.7983360290527344e-01 3.7669500708580017e-01 - 5.4292291402816772e-01 - <_> - - 1 0 980 2.1750570740550756e-03 -1 -2 981 - 1.4614439569413662e-03 - - 6.2071627378463745e-01 3.3579450845718384e-01 - 5.1426321268081665e-01 - <_> - - 1 0 982 -5.3006567759439349e-04 -1 -2 983 - 1.4869309961795807e-01 - - 5.3446400165557861e-01 5.1596081256866455e-01 - 2.5618231296539307e-01 - <_> - - 1 0 984 -5.8816498494707048e-05 -1 -2 985 - -1.6275369562208652e-03 - - 5.1230919361114502e-01 6.0176461935043335e-01 - 3.1093719601631165e-01 - <_> - - 0 1 986 -1.2881809845566750e-02 -1 -2 987 - 9.4982917653396726e-04 - - 2.7122870087623596e-01 5.4424422979354858e-01 - 4.0288880467414856e-01 - <_> - - 1 0 988 -1.2315999716520309e-02 -1 -2 989 - 9.0286601334810257e-03 - - 4.7360658645629883e-01 7.4514347314834595e-01 - 3.4879919886589050e-01 - <_> - - 0 1 990 -8.6876116693019867e-02 -1 -2 991 - -1.5107560102478601e-05 - - 2.2903330624103546e-01 5.5178898572921753e-01 - 4.3931490182876587e-01 - <_> - - 0 1 992 -1.7457660287618637e-02 -1 -2 993 - -2.5219470262527466e-03 - - 9.0167902410030365e-02 6.2335401773452759e-01 - 4.7894591093063354e-01 - <_> - - 0 1 994 1.0656520025804639e-03 -1 -2 995 - -4.2540300637483597e-03 - - 5.4896962642669678e-01 5.5798089504241943e-01 - 4.3758779764175415e-01 - <_> - - 0 1 996 -9.0349102392792702e-03 -1 -2 997 - -1.5230999561026692e-03 - - 3.5791561007499695e-01 5.6136602163314819e-01 - 3.9390438795089722e-01 - <_> - - 1 0 998 2.8441150207072496e-03 -1 -2 999 - -3.2824429217725992e-03 - - 3.9015549421310425e-01 4.5286190509796143e-01 - 5.4413431882858276e-01 - <_> - - 1 0 1000 3.2161718991119415e-05 -1 -2 1001 - 3.0118400900391862e-05 - - 5.8031117916107178e-01 3.3368501067161560e-01 - 5.5048561096191406e-01 - <_> - - 0 1 1002 -5.6150099262595177e-03 -1 -2 1003 - -1.7389209941029549e-02 - - 6.1247891187667847e-01 8.7271630764007568e-02 - 5.2045881748199463e-01 - <_> - - 0 1 1004 -4.4361080654198304e-05 -1 -2 1005 - 1.0354899859521538e-04 - - 3.9353290200233459e-01 5.9188538789749146e-01 - 4.1196140646934509e-01 - <_> - - 0 1 1006 1.5939630102366209e-03 -1 -2 1007 - 2.5440789759159088e-03 - - 4.8396238684654236e-01 4.7873649001121521e-01 - 6.3606631755828857e-01 - <_> - - 0 1 1008 1.5083180187502876e-05 -1 -2 1009 - -9.9282202427275479e-05 - - 4.2311170697212219e-01 4.2745891213417053e-01 - 6.0940480232238770e-01 - <_> - - 1 0 1010 5.5371708003804088e-04 -1 -2 1011 - 1.9186759600415826e-03 - - 4.2719879746437073e-01 4.4971078634262085e-01 - 5.5491220951080322e-01 - <_> - - 1 0 1012 -5.0764222396537662e-04 -1 -2 1013 - 1.7236480489373207e-03 - - 5.4771959781646729e-01 2.8829228878021240e-01 - 5.6151270866394043e-01 - <_> - 75 - 3.6726501464843750e+01 - - <_> - - 0 1 1014 1.3092169538140297e-02 -1 -2 1015 - 4.1446479735895991e-04 - - 3.3388701081275940e-01 3.0993521213531494e-01 - 6.6774922609329224e-01 - <_> - - 0 1 1016 2.1835729479789734e-02 -1 -2 1017 - 4.8323940485715866e-02 - - 4.3690490722656250e-01 4.3017241358757019e-01 - 6.1538851261138916e-01 - <_> - - 0 1 1018 1.6091950237751007e-03 -1 -2 1019 - 1.3469760306179523e-03 - - 3.3873260021209717e-01 6.2487137317657471e-01 - 3.5941308736801147e-01 - <_> - - 0 1 1020 1.7729059618432075e-04 -1 -2 1021 - 3.6743620876222849e-04 - - 3.8684248924255371e-01 4.4093450903892517e-01 - 5.4764741659164429e-01 - <_> - - 0 1 1022 -1.2352119665592909e-03 -1 -2 1023 - 1.1705530341714621e-03 - - 3.2601711153984070e-01 4.1113489866256714e-01 - 6.0881638526916504e-01 - <_> - - 1 0 1024 -2.9695429475395940e-05 -1 -2 1025 - 2.7050738572143018e-04 - - 4.2694228887557983e-01 4.3064668774604797e-01 - 5.8105140924453735e-01 - <_> - - 1 0 1026 -7.9626210208516568e-05 -1 -2 1027 - 3.3152441028505564e-04 - - 3.6691430211067200e-01 4.6106639504432678e-01 - 6.2905901670455933e-01 - <_> - - 1 0 1028 -5.2305828779935837e-02 -1 -2 1029 - 2.6880469173192978e-02 - - 5.3286898136138916e-01 5.2132612466812134e-01 - 3.2312199473381042e-01 - <_> - - 1 0 1030 -2.4203000066336244e-04 -1 -2 1031 - -1.6424639616161585e-03 - - 3.5685700178146362e-01 3.4406611323356628e-01 - 5.6256049871444702e-01 - <_> - - 1 0 1032 -2.6830288697965443e-04 -1 -2 1033 - -2.2649629972875118e-03 - - 4.5611730217933655e-01 5.3213518857955933e-01 - 3.6741548776626587e-01 - <_> - - 1 0 1034 1.5627209097146988e-02 -1 -2 1035 - 1.6211320459842682e-01 - - 2.0293539762496948e-01 5.5630332231521606e-01 - 2.6188498735427856e-01 - <_> - - 0 1 1036 -3.7391691002994776e-03 -1 -2 1037 - -2.0878419745713472e-03 - - 6.0621947050094604e-01 5.9507638216018677e-01 - 4.5451170206069946e-01 - <_> - - 1 0 1038 2.3334210272878408e-03 -1 -2 1039 - 6.5116386394947767e-05 - - 6.4355242252349854e-01 3.5207340121269226e-01 - 5.1797789335250854e-01 - <_> - - 0 1 1040 7.4625718407332897e-03 -1 -2 1041 - -2.2032689303159714e-02 - - 5.3266882896423340e-01 3.4919810295104980e-01 - 5.4292368888854980e-01 - <_> - - 0 1 1042 -8.3081610500812531e-03 -1 -2 1043 - -4.3259368976578116e-04 - - 2.0840230584144592e-01 3.9652720093727112e-01 - 5.4254537820816040e-01 - <_> - - 1 0 1044 -3.2209228724241257e-02 -1 -2 1045 - -9.0424838708713651e-04 - - 5.3064119815826416e-01 5.4503858089447021e-01 - 4.2566969990730286e-01 - <_> - - 1 0 1046 2.2727500181645155e-03 -1 -2 1047 - 5.9820008464157581e-03 - - 5.9686112403869629e-01 4.7581401467323303e-01 - 3.1509441137313843e-01 - <_> - - 1 0 1048 -5.8856618124991655e-04 -1 -2 1049 - -8.8227191008627415e-04 - - 4.8477488756179810e-01 5.4263162612915039e-01 - 4.3383410573005676e-01 - <_> - - 1 0 1050 -7.4473457061685622e-05 -1 -2 1051 - 3.9148979703895748e-04 - - 4.2875099182128906e-01 6.3451850414276123e-01 - 4.1018518805503845e-01 - <_> - - 1 0 1052 -3.6939629353582859e-03 -1 -2 1053 - -1.1207849718630314e-02 - - 4.8491048812866211e-01 4.1463369131088257e-01 - 5.4712641239166260e-01 - <_> - - 0 1 1054 -1.0337409563362598e-02 -1 -2 1055 - 3.6883640568703413e-03 - - 2.8771838545799255e-01 5.1019018888473511e-01 - 7.2169512510299683e-01 - <_> - - 1 0 1056 -3.8984280545264482e-03 -1 -2 1057 - -5.9986729174852371e-03 - - 5.2761822938919067e-01 6.6184598207473755e-01 - 4.8416310548782349e-01 - <_> - - 1 0 1058 4.5043681748211384e-03 -1 -2 1059 - 1.7799530178308487e-02 - - 1.8741579353809357e-01 4.6169349551200867e-01 - 7.0889657735824585e-01 - <_> - - 0 1 1060 -1.8462570384144783e-02 -1 -2 1061 - 1.4931300029275008e-05 - - 3.0019798874855042e-01 4.5618081092834473e-01 - 5.6107878684997559e-01 - <_> - - 0 1 1062 -8.6021229624748230e-02 -1 -2 1063 - -6.0818758356617764e-05 - - 2.3417009413242340e-01 5.6722861528396606e-01 - 4.1999641060829163e-01 - <_> - - 1 0 1064 1.2670679716393352e-03 -1 -2 1065 - 1.3699879636988044e-03 - - 6.2074822187423706e-01 5.3949588537216187e-01 - 3.8238629698753357e-01 - <_> - - 1 0 1066 3.3162781037390232e-03 -1 -2 1067 - -1.4532039640471339e-03 - - 7.0616811513900757e-01 3.0655130743980408e-01 - 4.8273730278015137e-01 - <_> - - 1 0 1068 -7.1492061018943787e-02 -1 -2 1069 - 1.9857978913933039e-03 - - 5.1931220293045044e-01 4.6424350142478943e-01 - 5.8076947927474976e-01 - <_> - - 1 0 1070 6.2516499310731888e-03 -1 -2 1071 - 2.7005500160157681e-03 - - 2.9498139023780823e-01 4.5858868956565857e-01 - 6.0223537683486938e-01 - <_> - - 0 1 1072 1.1130389757454395e-02 -1 -2 1073 - 1.5092849731445312e-02 - - 4.3578410148620605e-01 4.5615398883819580e-01 - 6.1190617084503174e-01 - <_> - - 0 1 1074 -2.7943300083279610e-02 -1 -2 1075 - 4.4036991312168539e-05 - - 6.5371441841125488e-01 3.4747231006622314e-01 - 5.3369677066802979e-01 - <_> - - 0 1 1076 -1.2232770211994648e-02 -1 -2 1077 - -6.8591412855312228e-04 - - 3.7316760420799255e-01 5.7172292470932007e-01 - 4.7933790087699890e-01 - <_> - - 0 1 1078 -3.8992990739643574e-03 -1 -2 1079 - 4.9113907152786851e-04 - - 4.0564361214637756e-01 6.1740481853485107e-01 - 4.4717541337013245e-01 - <_> - - 1 0 1080 8.2117747515439987e-03 -1 -2 1081 - -4.5564480125904083e-02 - - 6.1796981096267700e-01 2.2854949533939362e-01 - 5.2495658397674561e-01 - <_> - - 0 1 1082 -5.3631910122931004e-03 -1 -2 1083 - -1.2274970300495625e-02 - - 1.7849500477313995e-01 7.2619527578353882e-01 - 4.5503988862037659e-01 - <_> - - 0 1 1084 5.4185991175472736e-03 -1 -2 1085 - 8.1846961984410882e-04 - - 5.2529907226562500e-01 5.4452222585678101e-01 - 3.2722181081771851e-01 - <_> - - 1 0 1086 4.1358140297234058e-03 -1 -2 1087 - 3.9578010910190642e-04 - - 7.0138317346572876e-01 4.9659439921379089e-01 - 3.2955980300903320e-01 - <_> - - 0 1 1088 4.6887691132724285e-03 -1 -2 1089 - -1.8255440518260002e-02 - - 5.3626418113708496e-01 6.4961087703704834e-01 - 4.7571370005607605e-01 - <_> - - 0 1 1090 -6.2736468389630318e-03 -1 -2 1091 - 2.4320168886333704e-03 - - 2.3437410593032837e-01 4.6201181411743164e-01 - 6.8984192609786987e-01 - <_> - - 0 1 1092 -4.9617629498243332e-02 -1 -2 1093 - 1.1701210169121623e-03 - - 2.1007199585437775e-01 4.6215289831161499e-01 - 5.7971358299255371e-01 - <_> - - 0 1 1094 -4.5237291604280472e-02 -1 -2 1095 - 4.7563421539962292e-03 - - 2.1182620525360107e-01 4.8846149444580078e-01 - 6.8724989891052246e-01 - <_> - - 1 0 1096 -1.4835969544947147e-02 -1 -2 1097 - 7.7436608262360096e-04 - - 5.2751058340072632e-01 4.1723209619522095e-01 - 5.4911398887634277e-01 - <_> - - 1 0 1098 1.4835969544947147e-02 -1 -2 1099 - -8.0892542609944940e-04 - - 2.1248769760131836e-01 5.4952150583267212e-01 - 4.2077958583831787e-01 - <_> - - 0 1 1100 7.7517668250948191e-04 -1 -2 1101 - -6.7618978209793568e-03 - - 3.3219420909881592e-01 2.2129580378532410e-01 - 5.2326530218124390e-01 - <_> - - 0 1 1102 -4.0135860443115234e-02 -1 -2 1103 - -3.3651469275355339e-03 - - 1.1017960309982300e-01 3.8101008534431458e-01 - 5.6172919273376465e-01 - <_> - - 1 0 1104 7.4713007779791951e-04 -1 -2 1105 - -4.2727389372885227e-03 - - 5.7950568199157715e-01 6.3922691345214844e-01 - 4.7114381194114685e-01 - <_> - - 1 0 1106 3.6202510818839073e-03 -1 -2 1107 - 4.7307618660852313e-04 - - 3.4098839759826660e-01 3.6593028903007507e-01 - 5.3881710767745972e-01 - <_> - - 1 0 1108 3.3094909042119980e-02 -1 -2 1109 - -1.1544119566679001e-02 - - 7.1703857183456421e-01 6.3868182897567749e-01 - 4.6813040971755981e-01 - <_> - - 0 1 1110 -7.4234469793736935e-03 -1 -2 1111 - -4.2252950370311737e-03 - - 3.2637009024620056e-01 5.7678192853927612e-01 - 4.3464180827140808e-01 - <_> - - 0 1 1112 1.8133109435439110e-02 -1 -2 1113 - 7.0903049781918526e-03 - - 4.6978279948234558e-01 4.4373890757560730e-01 - 6.0616689920425415e-01 - <_> - - 0 1 1114 -1.3272940181195736e-02 -1 -2 1115 - 1.4632199599873275e-04 - - 6.5585112571716309e-01 3.3763539791107178e-01 - 5.0916552543640137e-01 - <_> - - 0 1 1116 -3.5790191031992435e-03 -1 -2 1117 - -4.6997101162560284e-04 - - 2.9478839039802551e-01 5.5569821596145630e-01 - 4.6654561161994934e-01 - <_> - - 0 1 1118 -4.8179440200328827e-02 -1 -2 1119 - -9.2581362696364522e-04 - - 7.3383557796478271e-01 3.5438719391822815e-01 - 5.2851498126983643e-01 - <_> - - 0 1 1120 -1.4780730009078979e-02 -1 -2 1121 - -1.0027450323104858e-01 - - 1.9444419443607330e-01 9.9049292504787445e-02 - 5.1398539543151855e-01 - <_> - - 0 1 1122 -9.3848101096227765e-04 -1 -2 1123 - -2.8861360624432564e-03 - - 5.8271098136901855e-01 3.4414279460906982e-01 - 5.1488387584686279e-01 - <_> - - 1 0 1124 -4.3682761490345001e-02 -1 -2 1125 - 2.6115700602531433e-03 - - 5.2079981565475464e-01 4.8355031013488770e-01 - 6.3222199678421021e-01 - <_> - - 1 0 1126 4.3682761490345001e-02 -1 -2 1127 - 1.7179530113935471e-03 - - 1.3645380735397339e-01 4.5373201370239258e-01 - 6.0667508840560913e-01 - <_> - - 1 0 1128 -3.3964909613132477e-02 -1 -2 1129 - -1.0993590112775564e-03 - - 4.9683749675750732e-01 5.8316808938980103e-01 - 4.6882399916648865e-01 - <_> - - 1 0 1130 5.4301079362630844e-02 -1 -2 1131 - 1.0993590112775564e-03 - - 7.5682890415191650e-01 4.3301481008529663e-01 - 5.7684689760208130e-01 - <_> - - 1 0 1132 -1.4954120160837192e-05 -1 -2 1133 - 3.1415868550539017e-02 - - 4.4432818889617920e-01 5.2744728326797485e-01 - 3.0378559231758118e-01 - <_> - - 1 0 1134 1.0831849649548531e-02 -1 -2 1135 - 8.6545711383223534e-04 - - 3.5817208886146545e-01 5.9375840425491333e-01 - 4.2946299910545349e-01 - <_> - - 1 0 1136 2.2743160370737314e-03 -1 -2 1137 - 3.9340821094810963e-03 - - 5.9545767307281494e-01 4.7922229766845703e-01 - 5.8561331033706665e-01 - <_> - - 1 0 1138 8.1451907753944397e-03 -1 -2 1139 - -5.2763288840651512e-03 - - 3.5734778642654419e-01 4.0260228514671326e-01 - 5.7647430896759033e-01 - <_> - - 1 0 1140 -8.3787851035594940e-03 -1 -2 1141 - 1.5621910570189357e-03 - - 4.9813330173492432e-01 4.7365880012512207e-01 - 5.5836081504821777e-01 - <_> - - 1 0 1142 3.2318739686161280e-03 -1 -2 1143 - 6.6804019734263420e-03 - - 6.1674368381500244e-01 4.1314241290092468e-01 - 6.2806951999664307e-01 - <_> - - 0 1 1144 -3.3396480139344931e-03 -1 -2 1145 - -2.0933480560779572e-01 - - 3.4463581442832947e-01 1.0386580228805542e-01 - 5.2044892311096191e-01 - <_> - - 1 0 1146 6.3805822283029556e-03 -1 -2 1147 - -6.0137799009680748e-03 - - 2.1674020588397980e-01 6.7383992671966553e-01 - 4.8966509103775024e-01 - <_> - - 1 0 1148 -8.1756077706813812e-03 -1 -2 1149 - 6.3951779156923294e-04 - - 5.1779150962829590e-01 4.8196458816528320e-01 - 5.4644381999969482e-01 - <_> - - 1 0 1150 1.0127760469913483e-03 -1 -2 1151 - 4.9784599104896188e-04 - - 3.4235960245132446e-01 4.4884610176086426e-01 - 5.9126710891723633e-01 - <_> - - 1 0 1152 1.3596490316558629e-04 -1 -2 1153 - 1.3571660034358501e-02 - - 5.5688631534576416e-01 5.1610678434371948e-01 - 1.7130009829998016e-01 - <_> - - 1 0 1154 3.0259079721872695e-05 -1 -2 1155 - -3.2625840976834297e-03 - - 4.9162039160728455e-01 6.4046627283096313e-01 - 2.8590849041938782e-01 - <_> - - 1 0 1156 -1.9217010412830859e-04 -1 -2 1157 - 2.1993879228830338e-02 - - 5.4592829942703247e-01 4.7157138586044312e-01 - 5.6900751590728760e-01 - <_> - - 1 0 1158 7.8907777788117528e-04 -1 -2 1159 - 5.0893891602754593e-04 - - 3.2798269391059875e-01 4.3020078539848328e-01 - 5.6960451602935791e-01 - <_> - - 1 0 1160 1.1662710312521085e-04 -1 -2 1161 - 8.0604078248143196e-03 - - 5.3872352838516235e-01 5.0214231014251709e-01 - 5.9653222560882568e-01 - <_> - - 1 0 1162 9.5925969071686268e-04 -1 -2 1163 - -1.9526129588484764e-02 - - 3.4734940528869629e-01 6.4755451679229736e-01 - 4.6437820792198181e-01 - <_> - 78 - 3.8236038208007812e+01 - - <_> - - 0 1 1164 4.1242439299821854e-02 -1 -2 1165 - 1.5626709908246994e-02 - - 3.3933150768280029e-01 5.1041001081466675e-01 - 7.7728152275085449e-01 - <_> - - 0 1 1166 2.9947189614176750e-04 -1 -2 1167 - -1.0037609608843923e-03 - - 3.6646738648414612e-01 5.4056507349014282e-01 - 3.9262050390243530e-01 - <_> - - 0 1 1168 6.8128242855891585e-04 -1 -2 1169 - 1.3098999625071883e-04 - - 4.2515191435813904e-01 4.1351449489593506e-01 - 6.9257462024688721e-01 - <_> - - 1 0 1170 3.1696720980107784e-03 -1 -2 1171 - -2.0587369799613953e-03 - - 3.4558731317520142e-01 2.2341939806938171e-01 - 5.2861189842224121e-01 - <_> - - 1 0 1172 -4.6395038953050971e-04 -1 -2 1173 - 3.5089480224996805e-03 - - 4.2065200209617615e-01 6.5029817819595337e-01 - 4.1175979375839233e-01 - <_> - - 1 0 1174 -2.3975980002433062e-03 -1 -2 1175 - 1.0901279747486115e-03 - - 3.6733010411262512e-01 2.9062381386756897e-01 - 5.4451119899749756e-01 - <_> - - 0 1 1176 -1.6524370585102588e-04 -1 -2 1177 - -4.1602319106459618e-04 - - 4.2335158586502075e-01 3.8863611221313477e-01 - 6.2691658735275269e-01 - <_> - - 0 1 1178 -2.3739910102449358e-04 -1 -2 1179 - 2.4739760905504227e-02 - - 5.5244511365890503e-01 4.9600958824157715e-01 - 5.3734910488128662e-01 - <_> - - 0 1 1180 -1.5342839993536472e-02 -1 -2 1181 - 1.1540469713509083e-02 - - 6.8494051694869995e-01 4.0372350811958313e-01 - 6.7869400978088379e-01 - <_> - - 1 0 1182 6.4230621792376041e-03 -1 -2 1183 - 1.2977809645235538e-02 - - 3.8146761059761047e-01 5.5270588397979736e-01 - 3.7449559569358826e-01 - <_> - - 0 1 1184 1.1063399724662304e-03 -1 -2 1185 - 1.3743690215051174e-03 - - 3.5209289193153381e-01 5.6419032812118530e-01 - 3.0750259757041931e-01 - <_> - - 0 1 1186 1.6233779489994049e-02 -1 -2 1187 - -8.1519351806491613e-04 - - 4.8888280987739563e-01 5.4563212394714355e-01 - 4.7435501217842102e-01 - <_> - - 0 1 1188 -9.0782493352890015e-02 -1 -2 1189 - 1.1665210127830505e-02 - - 2.9252481460571289e-01 4.6884548664093018e-01 - 6.2303477525711060e-01 - <_> - - 0 1 1190 -2.3286409676074982e-02 -1 -2 1191 - 2.1559339947998524e-03 - - 6.8958431482315063e-01 5.3558021783828735e-01 - 3.4234660863876343e-01 - <_> - - 0 1 1192 -4.3167220428586006e-03 -1 -2 1193 - 1.5610599657520652e-03 - - 5.9370762109756470e-01 4.7086599469184875e-01 - 2.7369970083236694e-01 - <_> - - 0 1 1194 1.4076639898121357e-02 -1 -2 1195 - 7.1018589660525322e-03 - - 5.2871561050415039e-01 5.3361928462982178e-01 - 3.2248139381408691e-01 - <_> - - 0 1 1196 -4.8221647739410400e-03 -1 -2 1197 - -5.3852899000048637e-03 - - 2.9839101433753967e-01 5.6239992380142212e-01 - 4.2959120869636536e-01 - <_> - - 1 0 1198 7.3483278974890709e-03 -1 -2 1199 - -3.5707519855350256e-03 - - 6.8139612674713135e-01 5.8579689264297485e-01 - 4.6034291386604309e-01 - <_> - - 1 0 1200 2.3340100888162851e-03 -1 -2 1201 - 4.7432780265808105e-03 - - 2.7448511123657227e-01 5.0475269556045532e-01 - 2.3627419769763947e-01 - <_> - - 0 1 1202 6.5055489540100098e-03 -1 -2 1203 - 1.2589249759912491e-02 - - 5.2422481775283813e-01 4.8236909508705139e-01 - 6.7525368928909302e-01 - <_> - - 0 1 1204 -6.3358368352055550e-03 -1 -2 1205 - -5.7639651931822300e-03 - - 1.7346349358558655e-01 6.3543808460235596e-01 - 4.5874750614166260e-01 - <_> - - 0 1 1206 1.3599749654531479e-03 -1 -2 1207 - 2.8404260054230690e-02 - - 4.5803809165954590e-01 5.1763808727264404e-01 - 1.2043850123882294e-01 - <_> - - 0 1 1208 -9.2958156019449234e-03 -1 -2 1209 - -1.1800320353358984e-03 - - 2.3379570245742798e-01 3.9028140902519226e-01 - 5.6529301404953003e-01 - <_> - - 0 1 1210 -2.0948140881955624e-03 -1 -2 1211 - 4.1679958812892437e-03 - - 5.5120289325714111e-01 5.4559761285781860e-01 - 4.7989490628242493e-01 - <_> - - 1 0 1212 5.4458891972899437e-03 -1 -2 1213 - -1.2766510481014848e-03 - - 6.1270868778228760e-01 5.3171318769454956e-01 - 3.8509321212768555e-01 - <_> - - 0 1 1214 5.9404270723462105e-04 -1 -2 1215 - 4.2309608310461044e-02 - - 5.4464370012283325e-01 5.2346438169479370e-01 - 2.2130440175533295e-01 - <_> - - 0 1 1216 5.6189671158790588e-03 -1 -2 1217 - 7.2401198558509350e-03 - - 4.9161979556083679e-01 1.4714759588241577e-01 - 4.8528939485549927e-01 - <_> - - 0 1 1218 -4.5610670931637287e-03 -1 -2 1219 - 4.5506159949582070e-05 - - 2.7737739682197571e-01 4.6264618635177612e-01 - 5.7680791616439819e-01 - <_> - - 0 1 1220 -6.1903791502118111e-03 -1 -2 1221 - 8.1186462193727493e-04 - - 1.6442899405956268e-01 4.7785910964012146e-01 - 6.2618649005889893e-01 - <_> - - 0 1 1222 1.3779809698462486e-02 -1 -2 1223 - 1.1290319962427020e-03 - - 5.2573078870773315e-01 5.4980480670928955e-01 - 3.9831069111824036e-01 - <_> - - 0 1 1224 -1.0610350000206381e-04 -1 -2 1225 - 1.6695790691301227e-04 - - 4.0335190296173096e-01 4.1493400931358337e-01 - 5.7953411340713501e-01 - <_> - - 1 0 1226 1.1290319962427020e-03 -1 -2 1227 - -1.2019349634647369e-01 - - 3.9341148734092712e-01 7.3400482535362244e-02 - 5.2025860548019409e-01 - <_> - - 0 1 1228 -1.5230740420520306e-02 -1 -2 1229 - 3.5759829916059971e-03 - - 3.7495058774948120e-01 5.0781500339508057e-01 - 6.6060662269592285e-01 - <_> - - 0 1 1230 1.3479460030794144e-02 -1 -2 1231 - -2.1162950433790684e-03 - - 4.5477110147476196e-01 3.3110061287879944e-01 - 5.3842592239379883e-01 - <_> - - 0 1 1232 -1.7877709120512009e-02 -1 -2 1233 - 1.0931970318779349e-03 - - 6.5132528543472290e-01 5.2647650241851807e-01 - 3.4569910168647766e-01 - <_> - - 0 1 1234 -3.0553159303963184e-03 -1 -2 1235 - 3.6365049891173840e-03 - - 6.2686139345169067e-01 5.3992128372192383e-01 - 4.3453970551490784e-01 - <_> - - 0 1 1236 9.7896481747739017e-05 -1 -2 1237 - -3.2714448752813041e-04 - - 3.8356059789657593e-01 3.3376678824424744e-01 - 5.5391657352447510e-01 - <_> - - 1 0 1238 4.3425030889920890e-04 -1 -2 1239 - 1.4005579985678196e-02 - - 5.7882702350616455e-01 5.2750778198242188e-01 - 2.7011251449584961e-01 - <_> - - 0 1 1240 -9.2654931358993053e-04 -1 -2 1241 - 3.9504268206655979e-03 - - 5.8522802591323853e-01 4.7283369302749634e-01 - 3.3139181137084961e-01 - <_> - - 1 0 1242 -5.8086868375539780e-04 -1 -2 1243 - -1.2018020264804363e-02 - - 4.2588108777999878e-01 5.6097871065139771e-01 - 4.8951920866966248e-01 - <_> - - 0 1 1244 -1.4521540701389313e-01 -1 -2 1245 - -6.6049019806087017e-03 - - 4.3894480913877487e-02 4.2291709780693054e-01 - 5.6162929534912109e-01 - <_> - - 1 0 1246 -3.4909751266241074e-02 -1 -2 1247 - 3.7478420417755842e-03 - - 4.7881281375885010e-01 4.8002821207046509e-01 - 5.8013892173767090e-01 - <_> - - 1 0 1248 3.3038031309843063e-02 -1 -2 1249 - 3.6872599739581347e-03 - - 7.0781761407852173e-01 4.4496241211891174e-01 - 5.9577310085296631e-01 - <_> - - 0 1 1250 -4.5311939902603626e-03 -1 -2 1251 - 4.1058510541915894e-03 - - 4.1770470142364502e-01 5.3729480504989624e-01 - 3.7369269132614136e-01 - <_> - - 0 1 1252 -8.7599847465753555e-03 -1 -2 1253 - -2.3003309965133667e-02 - - 6.6588079929351807e-01 2.6479220390319824e-01 - 5.1018178462982178e-01 - <_> - - 0 1 1254 5.3664818406105042e-03 -1 -2 1255 - 3.8971770554780960e-02 - - 4.5486348867416382e-01 5.1570618152618408e-01 - 3.4364390373229980e-01 - <_> - - 0 1 1256 -2.7767190709710121e-02 -1 -2 1257 - -9.8894089460372925e-03 - - 2.3543910682201385e-01 6.8877410888671875e-01 - 5.1110517978668213e-01 - <_> - - 0 1 1258 -3.2073140610009432e-03 -1 -2 1259 - -6.7484978353604674e-04 - - 5.4388678073883057e-01 5.4511487483978271e-01 - 4.8313531279563904e-01 - <_> - - 0 1 1260 -5.1947520114481449e-03 -1 -2 1261 - -2.6169899501837790e-04 - - 2.1134190261363983e-01 5.2736818790435791e-01 - 3.9925870299339294e-01 - <_> - - 0 1 1262 2.2421479225158691e-03 -1 -2 1263 - -1.2139769969508052e-03 - - 4.6882608532905579e-01 5.5042350292205811e-01 - 4.3848711252212524e-01 - <_> - - 0 1 1264 -2.9469770379364491e-03 -1 -2 1265 - -3.9291830034926534e-04 - - 3.8928470015525818e-01 6.0017228126525879e-01 - 4.5616629719734192e-01 - <_> - - 1 0 1266 6.2550729513168335e-01 -1 -2 1267 - 9.7744520753622055e-03 - - 6.8125613033771515e-02 4.8130258917808533e-01 - 5.6206572055816650e-01 - <_> - - 1 0 1268 9.4378247857093811e-02 -1 -2 1269 - -1.9560910295695066e-03 - - 6.6632293164730072e-02 3.5882329940795898e-01 - 5.2954071760177612e-01 - <_> - - 0 1 1270 9.0652769431471825e-03 -1 -2 1271 - 4.2138071148656309e-04 - - 4.8226881027221680e-01 4.6703329682350159e-01 - 5.6831127405166626e-01 - <_> - - 1 0 1272 -4.4220191193744540e-04 -1 -2 1273 - -4.7313501127064228e-03 - - 5.3607952594757080e-01 6.1372458934783936e-01 - 3.1880891323089600e-01 - <_> - - 0 1 1274 1.5395509544759989e-03 -1 -2 1275 - 2.4315000046044588e-03 - - 4.4877201318740845e-01 4.8941668868064880e-01 - 6.7166537046432495e-01 - <_> - - 0 1 1276 -1.5581619925796986e-02 -1 -2 1277 - 1.0816920548677444e-03 - - 3.3367419242858887e-01 4.7182199358940125e-01 - 5.9606271982192993e-01 - <_> - - 0 1 1278 -2.2197659127414227e-03 -1 -2 1279 - -9.3048671260476112e-04 - - 3.5885548591613770e-01 6.2187129259109497e-01 - 4.8173001408576965e-01 - <_> - - 0 1 1280 -4.7418707981705666e-03 -1 -2 1281 - -6.2950369901955128e-03 - - 2.5500270724296570e-01 6.7280787229537964e-01 - 5.0510638952255249e-01 - <_> - - 0 1 1282 3.5216049291193485e-03 -1 -2 1283 - -2.4289379362016916e-03 - - 5.4019099473953247e-01 5.4194617271423340e-01 - 4.3471428751945496e-01 - <_> - - 0 1 1284 -2.5261470582336187e-03 -1 -2 1285 - -1.4817339833825827e-03 - - 6.9706249237060547e-01 3.2634168863296509e-01 - 4.9178731441497803e-01 - <_> - - 0 1 1286 -2.2474530339241028e-01 -1 -2 1287 - 2.8342509176582098e-03 - - 7.2937291115522385e-03 4.5792299509048462e-01 - 5.3798812627792358e-01 - <_> - - 0 1 1288 -2.0821610465645790e-02 -1 -2 1289 - 1.4896340144332498e-04 - - 6.0240888595581055e-01 3.3361440896987915e-01 - 4.9628159403800964e-01 - <_> - - 0 1 1290 -3.3524499740451574e-03 -1 -2 1291 - -3.7279881536960602e-02 - - 3.5587510466575623e-01 1.6985629498958588e-01 - 5.2089858055114746e-01 - <_> - - 1 0 1292 1.3896770542487502e-04 -1 -2 1293 - -3.1912620761431754e-04 - - 5.5906862020492554e-01 5.8487337827682495e-01 - 3.7958368659019470e-01 - <_> - - 1 0 1294 5.4003461264073849e-04 -1 -2 1295 - 3.8956850767135620e-03 - - 5.6702882051467896e-01 5.1826947927474976e-01 - 3.3277091383934021e-01 - <_> - - 1 0 1296 1.6084529925137758e-03 -1 -2 1297 - -5.7474587811157107e-04 - - 5.4104858636856079e-01 6.0226422548294067e-01 - 3.6446440219879150e-01 - <_> - - 1 0 1298 1.3435039669275284e-02 -1 -2 1299 - 2.1368139423429966e-03 - - 3.4412819147109985e-01 5.2924340963363647e-01 - 2.7470758557319641e-01 - <_> - - 1 0 1300 1.4157629571855068e-02 -1 -2 1301 - 5.3884391672909260e-03 - - 8.0278682708740234e-01 5.2223151922225952e-01 - 3.5867279767990112e-01 - <_> - - 0 1 1302 8.8013410568237305e-03 -1 -2 1303 - 3.8858849438838661e-04 - - 4.9003869295120239e-01 4.6810561418533325e-01 - 5.7219529151916504e-01 - <_> - - 0 1 1304 -2.2143588867038488e-03 -1 -2 1305 - -8.4642972797155380e-03 - - 5.3888058662414551e-01 6.6755378246307373e-01 - 3.4484419226646423e-01 - <_> - - 1 0 1306 1.5044390223920345e-02 -1 -2 1307 - 7.6346402056515217e-03 - - 9.2396140098571777e-01 4.8848968744277954e-01 - 6.3060528039932251e-01 - <_> - - 1 0 1308 3.3895121305249631e-04 -1 -2 1309 - 2.1157610171940178e-04 - - 3.9974310994148254e-01 5.6639820337295532e-01 - 3.9729809761047363e-01 - <_> - - 1 0 1310 -2.7514949440956116e-02 -1 -2 1311 - 5.1603060215711594e-02 - - 5.2010637521743774e-01 5.1407301425933838e-01 - 1.2451309710741043e-01 - <_> - - 1 0 1312 3.7510651163756847e-03 -1 -2 1313 - -2.1457639522850513e-03 - - 3.8020950555801392e-01 3.3094480633735657e-01 - 5.4745388031005859e-01 - <_> - - 1 0 1314 -5.8178009930998087e-04 -1 -2 1315 - -9.3638541875407100e-04 - - 4.8926019668579102e-01 5.9373992681503296e-01 - 4.6646690368652344e-01 - <_> - - 1 0 1316 4.1667491197586060e-02 -1 -2 1317 - -6.7763780243694782e-03 - - 7.0213532447814941e-01 3.2227510213851929e-01 - 5.0683951377868652e-01 - <_> - - 1 0 1318 -2.9170580673962831e-03 -1 -2 1319 - 3.2789530814625323e-04 - - 4.7177010774612427e-01 4.5093831419944763e-01 - 5.6511628627777100e-01 - <_> - 91 - 4.4682968139648438e+01 - - <_> - - 0 1 1320 1.1729800142347813e-02 -1 -2 1321 - 1.1712179984897375e-03 - - 3.8052248954772949e-01 3.1400179862976074e-01 - 6.8581461906433105e-01 - <_> - - 1 0 1322 9.3555096536874771e-03 -1 -2 1323 - 1.6570610459893942e-03 - - 6.8346732854843140e-01 2.9924729466438293e-01 - 5.4756778478622437e-01 - <_> - - 1 0 1324 -1.3387809740379453e-03 -1 -2 1325 - 1.7580550047568977e-04 - - 2.9414069652557373e-01 3.8969779014587402e-01 - 5.8729708194732666e-01 - <_> - - 0 1 1326 -2.9473248869180679e-03 -1 -2 1327 - 8.3220899105072021e-03 - - 3.5765719413757324e-01 5.2324008941650391e-01 - 3.2310879230499268e-01 - <_> - - 1 0 1328 7.4366689659655094e-03 -1 -2 1329 - -2.1322889369912446e-04 - - 6.7156732082366943e-01 5.4705417156219482e-01 - 3.8633960485458374e-01 - <_> - - 0 1 1330 -7.8024631366133690e-03 -1 -2 1331 - 5.6611228501424193e-04 - - 2.7714601159095764e-01 4.6891361474990845e-01 - 5.8519637584686279e-01 - <_> - - 0 1 1332 -9.2346500605344772e-03 -1 -2 1333 - -1.4676499631605111e-05 - - 2.7043971419334412e-01 5.6225502490997314e-01 - 3.5793170332908630e-01 - <_> - - 0 1 1334 9.7007937729358673e-03 -1 -2 1335 - -3.5320650786161423e-03 - - 4.1738718748092651e-01 4.1950130462646484e-01 - 5.5494689941406250e-01 - <_> - - 1 0 1336 2.1616410464048386e-02 -1 -2 1337 - 3.4567608963698149e-03 - - 2.8573909401893616e-01 6.0245329141616821e-01 - 4.3775078654289246e-01 - <_> - - 0 1 1338 2.2914320230484009e-02 -1 -2 1339 - 3.4328910987824202e-03 - - 4.6893501281738281e-01 4.6646049618721008e-01 - 5.7625621557235718e-01 - <_> - - 0 1 1340 -8.6510833352804184e-03 -1 -2 1341 - 1.4510039472952485e-03 - - 6.3817399740219116e-01 3.7114879488945007e-01 - 5.5307507514953613e-01 - <_> - - 0 1 1342 7.8191719949245453e-03 -1 -2 1343 - 2.0798550394829363e-04 - - 5.2643620967864990e-01 3.7305128574371338e-01 - 5.4457312822341919e-01 - <_> - - 0 1 1344 -3.9962218143045902e-03 -1 -2 1345 - -1.5010139577498194e-05 - - 2.4381700158119202e-01 5.3246712684631348e-01 - 3.6829888820648193e-01 - <_> - - 0 1 1346 -4.2428788729012012e-03 -1 -2 1347 - 9.1374982148408890e-03 - - 6.4814740419387817e-01 4.8961588740348816e-01 - 6.5588432550430298e-01 - <_> - - 1 0 1348 8.8254585862159729e-03 -1 -2 1349 - 9.4092212384566665e-04 - - 3.6138701438903809e-01 5.5028957128524780e-01 - 3.6325180530548096e-01 - <_> - - 0 1 1350 -1.2503350153565407e-02 -1 -2 1351 - 8.6759645491838455e-03 - - 2.2611320018768311e-01 4.9878901243209839e-01 - 6.8471962213516235e-01 - <_> - - 0 1 1352 -1.0416760109364986e-02 -1 -2 1353 - 2.7432460337877274e-03 - - 2.4462990462779999e-01 3.5115250945091248e-01 - 5.3998267650604248e-01 - <_> - - 0 1 1354 -4.2385691776871681e-03 -1 -2 1355 - 1.8325870856642723e-02 - - 6.8236732482910156e-01 4.8915800452232361e-01 - 7.1356189250946045e-01 - <_> - - 0 1 1356 -2.4334540590643883e-02 -1 -2 1357 - 4.6469361404888332e-04 - - 3.5225218534469604e-01 4.0498688817024231e-01 - 5.5158257484436035e-01 - <_> - - 1 0 1358 3.4260009415447712e-03 -1 -2 1359 - -2.5827318895608187e-03 - - 4.1267699003219604e-01 2.8994289040565491e-01 - 5.3864318132400513e-01 - <_> - - 1 0 1360 1.0545699624344707e-03 -1 -2 1361 - -9.1257691383361816e-04 - - 3.7713441252708435e-01 5.8273869752883911e-01 - 4.2675569653511047e-01 - <_> - - 0 1 1362 2.6589010376483202e-03 -1 -2 1363 - 4.8598358407616615e-03 - - 4.6881249547004700e-01 4.8539221286773682e-01 - 6.1636447906494141e-01 - <_> - - 1 0 1364 8.0638676881790161e-03 -1 -2 1365 - -7.5898370705544949e-03 - - 1.7491950094699860e-01 6.8261897563934326e-01 - 4.8940700292587280e-01 - <_> - - 0 1 1366 3.6368070868775249e-04 -1 -2 1367 - 6.2594950199127197e-02 - - 4.6145960688591003e-01 5.1830172538757324e-01 - 2.6866960525512695e-01 - <_> - - 0 1 1368 -4.9753207713365555e-03 -1 -2 1369 - -2.0880119409412146e-03 - - 1.7584669589996338e-01 6.3693821430206299e-01 - 4.9300441145896912e-01 - <_> - - 1 0 1370 9.5644511748105288e-04 -1 -2 1371 - -3.1721461564302444e-02 - - 4.1393989324569702e-01 6.0455572605133057e-01 - 4.8163640499114990e-01 - <_> - - 0 1 1372 1.2898689601570368e-03 -1 -2 1373 - 9.8405163735151291e-03 - - 5.4508107900619507e-01 2.9240009188652039e-01 - 6.6996061801910400e-01 - <_> - - 1 0 1374 1.2237089686095715e-03 -1 -2 1375 - -8.4232585504651070e-03 - - 6.2828367948532104e-01 5.9865701198577881e-01 - 4.8525801301002502e-01 - <_> - - 0 1 1376 -7.2726322105154395e-04 -1 -2 1377 - 4.6842931769788265e-03 - - 3.3400490880012512e-01 5.1689237356185913e-01 - 2.6794800162315369e-01 - <_> - - 0 1 1378 -1.0379579616710544e-03 -1 -2 1379 - 9.1342730447649956e-03 - - 5.9257918596267700e-01 5.4377281665802002e-01 - 4.3468001484870911e-01 - <_> - - 0 1 1380 1.4971119817346334e-03 -1 -2 1381 - 1.5762320253998041e-03 - - 4.1295009851455688e-01 4.5228740572929382e-01 - 6.5562921762466431e-01 - <_> - - 0 1 1382 8.7496247142553329e-03 -1 -2 1383 - -8.5103599121794105e-04 - - 4.5320340991020203e-01 3.7859839200973511e-01 - 5.4169750213623047e-01 - <_> - - 0 1 1384 -1.7325570806860924e-02 -1 -2 1385 - -8.3266440778970718e-03 - - 6.8842482566833496e-01 3.0913260579109192e-01 - 5.2436548471450806e-01 - <_> - - 0 1 1386 1.5157909729168750e-05 -1 -2 1387 - 1.8041470320895314e-03 - - 4.7657939791679382e-01 4.7253859043121338e-01 - 5.7165551185607910e-01 - <_> - - 1 0 1388 3.0691560823470354e-03 -1 -2 1389 - -5.2225510444259271e-05 - - 2.1433599293231964e-01 5.6532102823257446e-01 - 4.3851110339164734e-01 - <_> - - 1 0 1390 1.0072169970953837e-04 -1 -2 1391 - 1.3573700562119484e-04 - - 5.9247761964797974e-01 4.5734488964080811e-01 - 5.7693827152252197e-01 - <_> - - 1 0 1392 9.2137878527864814e-04 -1 -2 1393 - 3.0316581251099706e-04 - - 5.9926092624664307e-01 3.6100810766220093e-01 - 5.0493258237838745e-01 - <_> - - 1 0 1394 3.9582479745149612e-02 -1 -2 1395 - 4.7519680112600327e-02 - - 1.5384890139102936e-01 5.2161407470703125e-01 - 1.4283910393714905e-01 - <_> - - 1 0 1396 1.8871759995818138e-02 -1 -2 1397 - -3.9876459049992263e-04 - - 2.8255069255828857e-01 4.0350168943405151e-01 - 5.4377931356430054e-01 - <_> - - 0 1 1398 4.6556600136682391e-04 -1 -2 1399 - 6.7090610973536968e-03 - - 4.6689969301223755e-01 5.3313547372817993e-01 - 4.1365718841552734e-01 - <_> - - 0 1 1400 -1.8931160448119044e-03 -1 -2 1401 - -1.3056949712336063e-02 - - 7.1551632881164551e-01 3.1178998947143555e-01 - 5.2084398269653320e-01 - <_> - - 1 0 1402 -1.9484119547996670e-04 -1 -2 1403 - 1.5093220099515747e-05 - - 4.6376588940620422e-01 4.5616531372070312e-01 - 5.4452341794967651e-01 - <_> - - 1 0 1404 -7.1617960202274844e-06 -1 -2 1405 - 3.0164679628796875e-04 - - 4.1931080818176270e-01 5.9662377834320068e-01 - 4.1005000472068787e-01 - <_> - - 0 1 1406 4.4195181690156460e-03 -1 -2 1407 - -7.3984181508421898e-03 - - 4.8450559377670288e-01 6.2068462371826172e-01 - 4.9312090873718262e-01 - <_> - - 1 0 1408 -7.8031201846897602e-03 -1 -2 1409 - -1.0731429792940617e-02 - - 5.2824628353118896e-01 9.1048341989517212e-01 - 3.4559220075607300e-01 - <_> - - 0 1 1410 1.4246780192479491e-03 -1 -2 1411 - -8.2717568147927523e-05 - - 4.7085541486740112e-01 5.6516230106353760e-01 - 4.7310239076614380e-01 - <_> - - 1 0 1412 4.4803409837186337e-03 -1 -2 1413 - 3.0789140146225691e-03 - - 6.1758869886398315e-01 5.1395332813262939e-01 - 3.4230878949165344e-01 - <_> - - 1 0 1414 -1.1310289846733212e-03 -1 -2 1415 - -1.0410690447315574e-03 - - 4.9182820320129395e-01 5.9420871734619141e-01 - 4.9230429530143738e-01 - <_> - - 1 0 1416 1.1648540385067463e-03 -1 -2 1417 - 9.0057362103834748e-04 - - 6.4052718877792358e-01 4.5043969154357910e-01 - 6.1920768022537231e-01 - <_> - - 0 1 1418 6.8781538866460323e-03 -1 -2 1419 - -3.5283900797367096e-02 - - 5.3748130798339844e-01 2.2471010684967041e-01 - 5.2171707153320312e-01 - <_> - - 0 1 1420 -1.3320200378075242e-03 -1 -2 1421 - -2.3177571129053831e-03 - - 2.5547030568122864e-01 3.7925159931182861e-01 - 5.2432268857955933e-01 - <_> - - 0 1 1422 2.1332940377760679e-04 -1 -2 1423 - 1.3467900454998016e-02 - - 3.8603371381759644e-01 5.3806877136230469e-01 - 4.1783639788627625e-01 - <_> - - 0 1 1424 -1.2829169863834977e-03 -1 -2 1425 - 5.1571638323366642e-04 - - 6.1336231231689453e-01 4.0285378694534302e-01 - 5.5368518829345703e-01 - <_> - - 0 1 1426 3.9254198782145977e-03 -1 -2 1427 - -3.3780589699745178e-02 - - 5.2799212932586670e-01 2.3346750438213348e-01 - 5.1759117841720581e-01 - <_> - - 0 1 1428 -3.7853721529245377e-02 -1 -2 1429 - -4.0752900531515479e-04 - - 1.0748530179262161e-01 5.3459298610687256e-01 - 4.1989380121231079e-01 - <_> - - 0 1 1430 -3.1193809118121862e-03 -1 -2 1431 - -1.5714969485998154e-02 - - 3.8558250665664673e-01 3.3351901173591614e-01 - 5.2632021903991699e-01 - <_> - - 0 1 1432 -7.8525702701881528e-04 -1 -2 1433 - -2.8750501223839819e-04 - - 5.8603972196578979e-01 5.4377847909927368e-01 - 3.7161049246788025e-01 - <_> - - 1 0 1434 2.8016859665513039e-02 -1 -2 1435 - -1.9018839811906219e-03 - - 3.3307549357414246e-01 5.3665977716445923e-01 - 4.6937939524650574e-01 - <_> - - 1 0 1436 2.0647559314966202e-02 -1 -2 1437 - 4.3002571910619736e-03 - - 1.0069560259580612e-01 4.8160359263420105e-01 - 6.2156772613525391e-01 - <_> - - 0 1 1438 1.3459140434861183e-02 -1 -2 1439 - -1.0320040397346020e-02 - - 5.4619538784027100e-01 4.5784530043601990e-01 - 5.4193097352981567e-01 - <_> - - 1 0 1440 3.1990748643875122e-01 -1 -2 1441 - 9.2198798665776849e-04 - - 2.0080469548702240e-01 5.1932811737060547e-01 - 3.9121940732002258e-01 - <_> - - 0 1 1442 4.1852539288811386e-04 -1 -2 1443 - 3.5891108564101160e-04 - - 4.2997440695762634e-01 4.3445029854774475e-01 - 5.5319738388061523e-01 - <_> - - 0 1 1444 -2.0992439985275269e-01 -1 -2 1445 - -4.9328152090311050e-03 - - 1.0757210105657578e-01 5.7627969980239868e-01 - 4.5746439695358276e-01 - <_> - - 1 0 1446 2.3409130517393351e-03 -1 -2 1447 - 4.7120270319283009e-03 - - 7.4768078327178955e-01 5.2617651224136353e-01 - 4.5055508613586426e-01 - <_> - - 0 1 1448 2.8713190928101540e-02 -1 -2 1449 - -2.6156550738960505e-03 - - 4.4071030616760254e-01 4.2442709207534790e-01 - 6.8929767608642578e-01 - <_> - - 0 1 1450 -1.3558969832956791e-02 -1 -2 1451 - -3.0331799644045532e-04 - - 1.2522679567337036e-01 4.0777918696403503e-01 - 5.4428178071975708e-01 - <_> - - 0 1 1452 -5.5601762142032385e-04 -1 -2 1453 - 2.4025330785661936e-03 - - 5.3780037164688110e-01 3.1665799021720886e-01 - 5.2857381105422974e-01 - <_> - - 1 0 1454 -3.4089901018887758e-03 -1 -2 1455 - 8.0019602319225669e-04 - - 4.9052149057388306e-01 4.5227360725402832e-01 - 5.5806142091751099e-01 - <_> - - 1 0 1456 2.1901070140302181e-03 -1 -2 1457 - 3.3745369873940945e-03 - - 6.6126817464828491e-01 5.1077651977539062e-01 - 3.3869299292564392e-01 - <_> - - 1 0 1458 8.0019602319225669e-04 -1 -2 1459 - 1.7346069216728210e-02 - - 5.7075601816177368e-01 5.0160211324691772e-01 - 6.3064599037170410e-01 - <_> - - 0 1 1460 -1.9568449351936579e-03 -1 -2 1461 - -1.1229019612073898e-02 - - 3.0178061127662659e-01 6.2938511371612549e-01 - 4.5204889774322510e-01 - <_> - - 0 1 1462 -2.6608388870954514e-03 -1 -2 1463 - -1.1615100316703320e-02 - - 3.3440071344375610e-01 2.8253790736198425e-01 - 5.1509708166122437e-01 - <_> - - 0 1 1464 -9.5248602330684662e-02 -1 -2 1465 - 7.3701781220734119e-03 - - 1.3982650637626648e-01 5.2939987182617188e-01 - 2.3317280411720276e-01 - <_> - - 1 0 1466 -1.4953900128602982e-02 -1 -2 1467 - 5.7038792874664068e-04 - - 4.9404659867286682e-01 5.4665708541870117e-01 - 4.6267679333686829e-01 - <_> - - 1 0 1468 5.8516198769211769e-03 -1 -2 1469 - 2.1150549582671374e-04 - - 6.2700408697128296e-01 5.5081409215927124e-01 - 4.0618729591369629e-01 - <_> - - 1 0 1470 -6.9679190346505493e-06 -1 -2 1471 - -7.9677387839183211e-04 - - 4.0965679287910461e-01 5.6155568361282349e-01 - 4.6668860316276550e-01 - <_> - - 1 0 1472 1.9459480419754982e-02 -1 -2 1473 - -1.1160830035805702e-02 - - 2.3114809393882751e-01 3.0870118737220764e-01 - 5.5146622657775879e-01 - <_> - - 1 0 1474 1.4056149870157242e-02 -1 -2 1475 - -3.2958350493572652e-04 - - 7.0050561428070068e-01 5.7974857091903687e-01 - 4.6916508674621582e-01 - <_> - - 0 1 1476 -5.4636420682072639e-03 -1 -2 1477 - 5.8881669247057289e-05 - - 5.9285950660705566e-01 3.7413978576660156e-01 - 5.1701688766479492e-01 - <_> - - 0 1 1478 6.6343429498374462e-03 -1 -2 1479 - 4.5263409614562988e-02 - - 5.4149878025054932e-01 5.1803272962570190e-01 - 1.5296840667724609e-01 - <_> - - 0 1 1480 -8.0646127462387085e-03 -1 -2 1481 - 4.7389548853971064e-04 - - 2.5154680013656616e-01 5.1219987869262695e-01 - 3.7259489297866821e-01 - <_> - - 1 0 1482 1.4877359717502259e-05 -1 -2 1483 - 2.4321159347891808e-02 - - 5.5324357748031616e-01 4.9607661366462708e-01 - 5.9833151102066040e-01 - <_> - - 0 1 1484 6.9931396865285933e-05 -1 -2 1485 - 2.6287760119885206e-03 - - 4.1639530658721924e-01 5.8801448345184326e-01 - 3.3996629714965820e-01 - <_> - - 1 0 1486 3.8190539926290512e-03 -1 -2 1487 - -2.5989150628447533e-02 - - 7.8466212749481201e-01 3.2881140708923340e-01 - 5.1550877094268799e-01 - <_> - - 0 1 1488 1.2062400346621871e-03 -1 -2 1489 - -1.5557400183752179e-03 - - 4.5960599184036255e-01 3.1269869208335876e-01 - 7.1833992004394531e-01 - <_> - - 1 0 1490 -2.2691930644214153e-03 -1 -2 1491 - 2.3287249496206641e-04 - - 5.2740061283111572e-01 4.8786661028862000e-01 - 5.6151527166366577e-01 - <_> - - 1 0 1492 -5.5999699980020523e-03 -1 -2 1493 - -1.0496189817786217e-02 - - 5.1608121395111084e-01 5.7016140222549438e-01 - 3.2048508524894714e-01 - <_> - - 0 1 1494 -1.4814930182183161e-05 -1 -2 1495 - -6.4287078566849232e-04 - - 5.5388379096984863e-01 5.3494292497634888e-01 - 4.4721511006355286e-01 - <_> - - 0 1 1496 -1.8891949730459601e-04 -1 -2 1497 - -9.0413521975278854e-03 - - 5.0128370523452759e-01 2.5629359483718872e-01 - 4.5033830404281616e-01 - <_> - - 1 0 1498 7.9534705728292465e-03 -1 -2 1499 - -2.7908999472856522e-03 - - 2.6304998993873596e-01 5.7565087080001831e-01 - 4.8548638820648193e-01 - <_> - - 1 0 1500 3.2857100013643503e-03 -1 -2 1501 - 7.7063008211553097e-04 - - 4.0847519040107727e-01 4.0733560919761658e-01 - 5.9202408790588379e-01 - <_> - 97 - 4.7763450622558594e+01 - - <_> - - 0 1 1502 6.3021942973136902e-02 -1 -2 1503 - -2.8374609537422657e-03 - - 3.4193828701972961e-01 6.8295639753341675e-01 - 4.4045230746269226e-01 - <_> - - 0 1 1504 4.6461950987577438e-02 -1 -2 1505 - 2.9152540490031242e-02 - - 4.3917450308799744e-01 4.6010631322860718e-01 - 6.3579368591308594e-01 - <_> - - 1 0 1506 -1.4000290320836939e-05 -1 -2 1507 - -1.2757079675793648e-03 - - 3.7300100922584534e-01 3.0938240885734558e-01 - 5.9013700485229492e-01 - <_> - - 0 1 1508 1.3596529606729746e-03 -1 -2 1509 - 1.7991929780691862e-04 - - 4.3375650048255920e-01 4.2175039649009705e-01 - 5.8468478918075562e-01 - <_> - - 1 0 1510 -1.4166639630275313e-05 -1 -2 1511 - 6.0252390539972112e-05 - - 4.0846911072731018e-01 5.0872868299484253e-01 - 7.2771841287612915e-01 - <_> - - 1 0 1512 6.4320368692278862e-03 -1 -2 1513 - 4.6682319953106344e-04 - - 2.9679030179977417e-01 4.1104629635810852e-01 - 5.5812197923660278e-01 - <_> - - 0 1 1514 5.7436279021203518e-03 -1 -2 1515 - 3.2019240316003561e-03 - - 4.2873099446296692e-01 4.2661958932876587e-01 - 6.4440459012985229e-01 - <_> - - 1 0 1516 -5.7637941790744662e-04 -1 -2 1517 - -3.7901920732110739e-03 - - 4.0848249197006226e-01 3.1819209456443787e-01 - 5.2306932210922241e-01 - <_> - - 1 0 1518 4.8914109356701374e-03 -1 -2 1519 - 4.6459292061626911e-03 - - 3.5483568906784058e-01 5.6105977296829224e-01 - 2.6938489079475403e-01 - <_> - - 0 1 1520 -6.8799369037151337e-03 -1 -2 1521 - -1.8147470429539680e-02 - - 6.2354081869125366e-01 2.8619819879531860e-01 - 5.2268481254577637e-01 - <_> - - 1 0 1522 1.1409220314817503e-04 -1 -2 1523 - -5.4334272863343358e-04 - - 3.2578331232070923e-01 3.8829690217971802e-01 - 5.3411662578582764e-01 - <_> - - 0 1 1524 -2.7602489572018385e-03 -1 -2 1525 - -1.9730569329112768e-03 - - 6.3539659976959229e-01 5.8807611465454102e-01 - 4.5930901169776917e-01 - <_> - - 1 0 1526 2.4565239436924458e-03 -1 -2 1527 - 1.9392010290175676e-04 - - 3.1340101361274719e-01 5.2771317958831787e-01 - 3.6041069030761719e-01 - <_> - - 0 1 1528 7.8643016517162323e-02 -1 -2 1529 - 6.5276869572699070e-03 - - 5.2903419733047485e-01 4.6544799208641052e-01 - 6.0449051856994629e-01 - <_> - - 0 1 1530 -7.8716799616813660e-02 -1 -2 1531 - 5.7298499159514904e-03 - - 2.5411269068717957e-01 4.3669191002845764e-01 - 5.8228862285614014e-01 - <_> - - 1 0 1532 6.2386557692661881e-04 -1 -2 1533 - -8.5267230868339539e-02 - - 5.4726922512054443e-01 1.4616079628467560e-01 - 5.1818108558654785e-01 - <_> - - 1 0 1534 4.0981110185384750e-02 -1 -2 1535 - 7.7135749161243439e-03 - - 1.2701350450515747e-01 4.8326849937438965e-01 - 2.2235789895057678e-01 - <_> - - 0 1 1536 -6.8663940764963627e-03 -1 -2 1537 - 1.4559639617800713e-02 - - 5.9189289808273315e-01 4.7615069150924683e-01 - 5.7272237539291382e-01 - <_> - - 0 1 1538 -1.0064310394227505e-02 -1 -2 1539 - 3.6274080630391836e-03 - - 3.6367309093475342e-01 5.2717310190200806e-01 - 2.7405250072479248e-01 - <_> - - 0 1 1540 -2.3421540390700102e-03 -1 -2 1541 - -2.4686409160494804e-02 - - 5.4977840185165405e-01 6.0598951578140259e-01 - 4.9603140354156494e-01 - <_> - - 1 0 1542 1.9456120207905769e-04 -1 -2 1543 - 3.1714211218059063e-04 - - 3.7694650888442993e-01 4.0623620152473450e-01 - 5.6682151556015015e-01 - <_> - - 0 1 1544 2.0793990697711706e-03 -1 -2 1545 - 1.7982709687203169e-03 - - 4.6186569333076477e-01 4.8675051331520081e-01 - 6.5184497833251953e-01 - <_> - - 0 1 1546 -2.2287059982772917e-04 -1 -2 1547 - 3.2623921288177371e-04 - - 5.6775957345962524e-01 3.7107339501380920e-01 - 5.6766051054000854e-01 - <_> - - 0 1 1548 -6.6792681813240051e-02 -1 -2 1549 - -1.4869889710098505e-03 - - 2.5115218758583069e-01 3.8867509365081787e-01 - 5.2622538805007935e-01 - <_> - - 0 1 1550 -5.0454870797693729e-03 -1 -2 1551 - -4.8297587782144547e-03 - - 6.5574729442596436e-01 5.9341061115264893e-01 - 4.2859220504760742e-01 - <_> - - 1 0 1552 -1.0722599690780044e-03 -1 -2 1553 - 8.7901195511221886e-03 - - 5.4260587692260742e-01 5.3513032197952271e-01 - 4.8342779278755188e-01 - <_> - - 0 1 1554 -7.1750381030142307e-03 -1 -2 1555 - 1.1251230025663972e-03 - - 2.0671689510345459e-01 5.1122522354125977e-01 - 3.4687140583992004e-01 - <_> - - 0 1 1556 1.0634710080921650e-02 -1 -2 1557 - -1.1763219721615314e-02 - - 4.4790080189704895e-01 6.2539017200469971e-01 - 4.9689871072769165e-01 - <_> - - 1 0 1558 9.2324063181877136e-02 -1 -2 1559 - 1.8991080578416586e-03 - - 2.0313039422035217e-01 5.6187218427658081e-01 - 4.0465721487998962e-01 - <_> - - 1 0 1560 -1.0510340332984924e-02 -1 -2 1561 - -7.4531312566250563e-04 - - 4.9432641267776489e-01 5.6134277582168579e-01 - 3.8453319668769836e-01 - <_> - - 1 0 1562 8.0041000619530678e-03 -1 -2 1563 - 5.8110528625547886e-03 - - 7.7598422765731812e-01 4.6247330307960510e-01 - 6.2862771749496460e-01 - <_> - - 0 1 1564 -2.7918580919504166e-02 -1 -2 1565 - 2.1739399526268244e-03 - - 2.4093140661716461e-01 5.3455048799514771e-01 - 3.5079580545425415e-01 - <_> - - 0 1 1566 -4.0639587678015232e-03 -1 -2 1567 - 6.0017139185220003e-04 - - 6.6471010446548462e-01 4.9985098838806152e-01 - 3.0221650004386902e-01 - <_> - - 1 0 1568 1.9214770291000605e-03 -1 -2 1569 - -1.3860830105841160e-02 - - 5.9191507101058960e-01 6.3517677783966064e-01 - 4.9933108687400818e-01 - <_> - - 1 0 1570 2.3006850853562355e-02 -1 -2 1571 - -1.3857929734513164e-03 - - 1.9023360311985016e-01 5.2533692121505737e-01 - 3.9858600497245789e-01 - <_> - - 0 1 1572 1.2637410545721650e-03 -1 -2 1573 - -1.4675210230052471e-02 - - 4.6661040186882019e-01 3.8231649994850159e-01 - 5.3266328573226929e-01 - <_> - - 0 1 1574 -2.9535070061683655e-03 -1 -2 1575 - -1.7189770005643368e-03 - - 7.0636558532714844e-01 3.8134628534317017e-01 - 5.2467352151870728e-01 - <_> - - 1 0 1576 -4.2484089499339461e-04 -1 -2 1577 - -8.5248658433556557e-04 - - 4.7916388511657715e-01 4.4912180304527283e-01 - 5.3709012269973755e-01 - <_> - - 1 0 1578 8.9034568518400192e-03 -1 -2 1579 - 1.4895649655954912e-05 - - 2.0764739811420441e-01 4.4476351141929626e-01 - 5.6671631336212158e-01 - <_> - - 0 1 1580 -4.7091601300053298e-04 -1 -2 1581 - 4.3084810022264719e-04 - - 5.4650712013244629e-01 5.4932618141174316e-01 - 4.5807081460952759e-01 - <_> - - 0 1 1582 -6.3893961487337947e-04 -1 -2 1583 - -7.3733746830839664e-05 - - 5.5015718936920166e-01 5.0857907533645630e-01 - 3.3056980371475220e-01 - <_> - - 0 1 1584 -8.8991485536098480e-03 -1 -2 1585 - -1.0253350250422955e-02 - - 4.2764690518379211e-01 1.1232180148363113e-01 - 5.1527231931686401e-01 - <_> - - 0 1 1586 -5.9637490659952164e-02 -1 -2 1587 - 2.1707199513912201e-02 - - 7.3867720365524292e-01 4.9962919950485229e-01 - 1.3394139707088470e-01 - <_> - - 0 1 1588 9.9107045680284500e-03 -1 -2 1589 - -1.0998300276696682e-02 - - 4.6790120005607605e-01 6.9286561012268066e-01 - 5.0120681524276733e-01 - <_> - - 1 0 1590 7.4608891736716032e-04 -1 -2 1591 - 2.9539171373471618e-04 - - 5.8335822820663452e-01 3.8263911008834839e-01 - 5.5663508176803589e-01 - <_> - - 1 0 1592 5.0054129213094711e-02 -1 -2 1593 - -7.2330660186707973e-03 - - 3.0027210712432861e-01 5.9080427885055542e-01 - 5.0008708238601685e-01 - <_> - - 0 1 1594 -2.6863380335271358e-03 -1 -2 1595 - -1.0195849463343620e-03 - - 3.9750349521636963e-01 3.6976858973503113e-01 - 5.7561928033828735e-01 - <_> - - 0 1 1596 -2.0204920321702957e-02 -1 -2 1597 - 2.1340379025787115e-03 - - 6.3752681016921997e-01 5.3632658720016479e-01 - 4.4331708550453186e-01 - <_> - - 0 1 1598 -1.8348889425396919e-03 -1 -2 1599 - -5.9489468112587929e-03 - - 5.8289992809295654e-01 2.6806709170341492e-01 - 4.6428859233856201e-01 - <_> - - 0 1 1600 -2.3030120064504445e-04 -1 -2 1601 - 5.0581009127199650e-03 - - 5.4753202199935913e-01 5.3208339214324951e-01 - 4.6464928984642029e-01 - <_> - - 0 1 1602 -5.1950011402368546e-04 -1 -2 1603 - -6.8620947422459722e-04 - - 5.2327448129653931e-01 4.9350860714912415e-01 - 3.1031179428100586e-01 - <_> - - 0 1 1604 -7.4936267919838428e-03 -1 -2 1605 - -1.5682930126786232e-02 - - 2.8830468654632568e-01 3.6403131484985352e-01 - 5.3687548637390137e-01 - <_> - - 0 1 1606 -3.2649750355631113e-03 -1 -2 1607 - 3.8463930832222104e-04 - - 6.4686310291290283e-01 5.2596598863601685e-01 - 3.8314279913902283e-01 - <_> - - 1 0 1608 4.4492390006780624e-03 -1 -2 1609 - 2.3118320852518082e-02 - - 2.0868189632892609e-01 4.9785330891609192e-01 - 5.9612572193145752e-01 - <_> - - 1 0 1610 2.0835159812122583e-03 -1 -2 1611 - 1.1513150529935956e-03 - - 5.7464218139648438e-01 3.5868450999259949e-01 - 5.3634738922119141e-01 - <_> - - 1 0 1612 3.6104708909988403e-02 -1 -2 1613 - 3.6256198654882610e-04 - - 2.8331369161605835e-01 5.4777222871780396e-01 - 4.1105321049690247e-01 - <_> - - 0 1 1614 -3.4635469783097506e-03 -1 -2 1615 - -2.8796829283237457e-03 - - 5.9903860092163086e-01 5.7252532243728638e-01 - 4.1495120525360107e-01 - <_> - - 1 0 1616 -8.1119500100612640e-03 -1 -2 1617 - 4.5932079665362835e-03 - - 5.3963518142700195e-01 5.3797042369842529e-01 - 3.8913029432296753e-01 - <_> - - 1 0 1618 7.0014740340411663e-03 -1 -2 1619 - 8.0169539432972670e-04 - - 3.7146711349487305e-01 5.5295670032501221e-01 - 3.7558048963546753e-01 - <_> - - 1 0 1620 -8.6652329191565514e-03 -1 -2 1621 - -2.7315050829201937e-03 - - 5.0257730484008789e-01 5.8503222465515137e-01 - 4.6175739169120789e-01 - <_> - - 1 0 1622 1.3301590224727988e-03 -1 -2 1623 - -4.2648240923881531e-03 - - 5.9377008676528931e-01 5.6453680992126465e-01 - 3.9376249909400940e-01 - <_> - - 0 1 1624 6.3251499086618423e-03 -1 -2 1625 - -3.0753740575164557e-03 - - 5.1821058988571167e-01 3.0074161291122437e-01 - 5.1964038610458374e-01 - <_> - - 0 1 1626 -7.3622138006612659e-04 -1 -2 1627 - 3.0082479497650638e-05 - - 3.6975800991058350e-01 4.3275931477546692e-01 - 5.7158088684082031e-01 - <_> - - 0 1 1628 -3.8722730241715908e-03 -1 -2 1629 - 6.2879058532416821e-04 - - 3.4737130999565125e-01 5.4382592439651489e-01 - 4.4539061188697815e-01 - <_> - - 1 0 1630 1.3411579420790076e-03 -1 -2 1631 - -8.3681922405958176e-03 - - 6.5117138624191284e-01 1.4432950317859650e-01 - 4.8881998658180237e-01 - <_> - - 1 0 1632 9.3305751215666533e-04 -1 -2 1633 - -1.0746510233730078e-03 - - 3.9511090517044067e-01 3.9102658629417419e-01 - 5.3495037555694580e-01 - <_> - - 0 1 1634 -1.8610050901770592e-02 -1 -2 1635 - 1.3651419430971146e-03 - - 1.2757439911365509e-01 5.0382888317108154e-01 - 6.9513040781021118e-01 - <_> - - 0 1 1636 7.3744421824812889e-03 -1 -2 1637 - 8.4163323044776917e-03 - - 5.2534431219100952e-01 5.0112438201904297e-01 - 7.3113328218460083e-01 - <_> - - 0 1 1638 5.1413988694548607e-03 -1 -2 1639 - 4.5847031287848949e-03 - - 4.9535360932350159e-01 2.5355559587478638e-01 - 6.4624428749084473e-01 - <_> - - 1 0 1640 2.8565239161252975e-02 -1 -2 1641 - 4.3958800961263478e-04 - - 2.3307220637798309e-01 4.7022441029548645e-01 - 5.5445492267608643e-01 - <_> - - 1 0 1642 3.1459458172321320e-02 -1 -2 1643 - 5.6011630222201347e-03 - - 3.3689688891172409e-02 4.7871211171150208e-01 - 6.3383519649505615e-01 - <_> - - 0 1 1644 7.1835669223219156e-04 -1 -2 1645 - -5.5303089320659637e-03 - - 5.4314869642257690e-01 4.1058328747749329e-01 - 5.4039907455444336e-01 - <_> - - 1 0 1646 1.4129279879853129e-03 -1 -2 1647 - 2.5530709535814822e-04 - - 3.1055399775505066e-01 4.2544719576835632e-01 - 5.4471540451049805e-01 - <_> - - 1 0 1648 3.1966410460881889e-04 -1 -2 1649 - 5.0411392003297806e-03 - - 6.1183619499206543e-01 5.2900421619415283e-01 - 4.2247870564460754e-01 - <_> - - 0 1 1650 7.7617880888283253e-03 -1 -2 1651 - 2.9374631121754646e-03 - - 4.3153458833694458e-01 6.6292631626129150e-01 - 3.0289649963378906e-01 - <_> - - 1 0 1652 -1.6497720498591661e-03 -1 -2 1653 - -5.8834417723119259e-03 - - 5.4918527603149414e-01 3.1885540485382080e-01 - 5.1842892169952393e-01 - <_> - - 1 0 1654 8.7459187489002943e-04 -1 -2 1655 - -1.5308779664337635e-02 - - 3.3288308978080750e-01 3.9236080646514893e-01 - 5.2351391315460205e-01 - <_> - - 1 0 1656 3.2292451709508896e-02 -1 -2 1657 - -4.3842519517056644e-04 - - 5.9776467084884644e-01 4.5416879653930664e-01 - 5.3694289922714233e-01 - <_> - - 1 0 1658 1.5429529594257474e-03 -1 -2 1659 - -2.4733028840273619e-03 - - 6.3181412220001221e-01 3.4906330704689026e-01 - 4.7590249776840210e-01 - <_> - - 1 0 1660 2.0994939841330051e-03 -1 -2 1661 - -5.7541108690202236e-03 - - 5.8871978521347046e-01 5.9613317251205444e-01 - 4.8419830203056335e-01 - <_> - - 0 1 1662 -1.0233130306005478e-02 -1 -2 1663 - 2.2554509341716766e-01 - - 1.7054040729999542e-01 4.7793799638748169e-01 - 9.7879663109779358e-02 - <_> - - 1 0 1664 2.9666559770703316e-02 -1 -2 1665 - -2.8518449980765581e-03 - - 5.8222240209579468e-01 5.4596269130706787e-01 - 4.6100661158561707e-01 - <_> - - 1 0 1666 9.7465328872203827e-04 -1 -2 1667 - 1.4044740055396687e-05 - - 3.6703228950500488e-01 4.3023860454559326e-01 - 5.6917107105255127e-01 - <_> - - 0 1 1668 -1.7579430714249611e-02 -1 -2 1669 - -5.2381679415702820e-02 - - 6.9173210859298706e-01 7.1100401878356934e-01 - 5.0601547956466675e-01 - <_> - - 0 1 1670 -1.1242110282182693e-02 -1 -2 1671 - -3.6728400737047195e-03 - - 8.7691891193389893e-01 6.5191918611526489e-01 - 4.5460689067840576e-01 - <_> - - 0 1 1672 3.5082760732620955e-03 -1 -2 1673 - 6.1679710634052753e-03 - - 5.3298658132553101e-01 5.2204591035842896e-01 - 2.9535189270973206e-01 - <_> - - 1 0 1674 -9.7009900491684675e-04 -1 -2 1675 - -1.0957010090351105e-02 - - 5.0486332178115845e-01 5.8373582363128662e-01 - 3.0200859904289246e-01 - <_> - - 0 1 1676 -8.3272513002157211e-03 -1 -2 1677 - 2.9798380637657829e-05 - - 3.1580638885498047e-01 4.3863898515701294e-01 - 5.4432111978530884e-01 - <_> - - 1 0 1678 2.8244039276614785e-04 -1 -2 1679 - -8.1364117795601487e-04 - - 5.6253957748413086e-01 5.2811980247497559e-01 - 3.4014078974723816e-01 - <_> - - 1 0 1680 1.8008040497079492e-03 -1 -2 1681 - -6.9944779388606548e-03 - - 3.4716591238975525e-01 4.4816970825195312e-01 - 5.3857702016830444e-01 - <_> - - 0 1 1682 4.5625398342963308e-05 -1 -2 1683 - -7.3189922841265798e-04 - - 4.4925129413604736e-01 4.1673120856285095e-01 - 6.0211020708084106e-01 - <_> - - 0 1 1684 -2.9980219551362097e-04 -1 -2 1685 - -2.9060940505587496e-05 - - 4.1484281420707703e-01 5.5920898914337158e-01 - 4.0732109546661377e-01 - <_> - - 0 1 1686 -5.9742690064013004e-04 -1 -2 1687 - 1.4831830048933625e-04 - - 6.0889142751693726e-01 5.2983051538467407e-01 - 3.7619501352310181e-01 - <_> - - 1 0 1688 -2.9441029764711857e-03 -1 -2 1689 - 1.3741210103034973e-01 - - 4.7160848975181580e-01 5.1013368368148804e-01 - 4.6746801584959030e-02 - <_> - - 0 1 1690 -8.8414177298545837e-02 -1 -2 1691 - 7.0610277354717255e-02 - - 1.1818689852952957e-01 5.1190632581710815e-01 - 7.7784419059753418e-01 - <_> - - 0 1 1692 -7.7188978902995586e-03 -1 -2 1693 - 1.5115399844944477e-02 - - 1.8741349875926971e-01 4.9800279736518860e-01 - 7.0058178901672363e-01 - <_> - - 0 1 1694 1.0671879863366485e-03 -1 -2 1695 - 7.0487911580130458e-04 - - 4.4822388887405396e-01 6.2657529115676880e-01 - 4.4026550650596619e-01 - <_> - 90 - 4.4251281738281250e+01 - - <_> - - 1 0 1696 -9.8690733313560486e-02 -1 -2 1697 - 6.2373418360948563e-02 - - 3.9994749426841736e-01 5.2477848529815674e-01 - 8.1935757398605347e-01 - <_> - - 0 1 1698 1.9496519817039371e-03 -1 -2 1699 - -8.9139147894456983e-04 - - 3.5298168659210205e-01 5.8527278900146484e-01 - 3.2459780573844910e-01 - <_> - - 0 1 1700 -5.5150408297777176e-04 -1 -2 1701 - -1.1721949558705091e-03 - - 3.8928169012069702e-01 4.3350520730018616e-01 - 6.5206241607666016e-01 - <_> - - 1 0 1702 -7.4480642797425389e-04 -1 -2 1703 - -2.6264840271323919e-03 - - 4.0411350131034851e-01 5.6249821186065674e-01 - 3.9675250649452209e-01 - <_> - - 0 1 1704 -3.9712688885629177e-04 -1 -2 1705 - 3.5984949208796024e-03 - - 3.8561120629310608e-01 5.9978890419006348e-01 - 4.2416140437126160e-01 - <_> - - 1 0 1706 5.3080618381500244e-03 -1 -2 1707 - 9.6319877775385976e-04 - - 6.6601687669754028e-01 4.4813790917396545e-01 - 5.5834877490997314e-01 - <_> - - 0 1 1708 5.0776469288393855e-04 -1 -2 1709 - 3.6223160568624735e-03 - - 3.5354590415954590e-01 3.4098070859909058e-01 - 5.4206877946853638e-01 - <_> - - 0 1 1710 -6.2061410397291183e-02 -1 -2 1711 - 6.4387189922854304e-04 - - 1.9340839982032776e-01 4.0836268663406372e-01 - 5.4902219772338867e-01 - <_> - - 1 0 1712 2.6239909231662750e-02 -1 -2 1713 - 8.1940297968685627e-04 - - 2.2857080399990082e-01 4.6486678719520569e-01 - 6.0173559188842773e-01 - <_> - - 1 0 1714 2.3833119485061616e-04 -1 -2 1715 - -1.5869759954512119e-03 - - 3.5980388522148132e-01 4.2596510052680969e-01 - 5.4764348268508911e-01 - <_> - - 0 1 1716 -6.7263417877256870e-03 -1 -2 1717 - 1.1006110347807407e-02 - - 6.5072381496429443e-01 5.1494097709655762e-01 - 3.3629849553108215e-01 - <_> - - 1 0 1718 7.1445819921791553e-03 -1 -2 1719 - -4.7233798541128635e-03 - - 2.6729300618171692e-01 5.6521821022033691e-01 - 4.2981448769569397e-01 - <_> - - 1 0 1720 9.8437406122684479e-03 -1 -2 1721 - 1.5124640412977897e-05 - - 1.1518859863281250e-01 4.3735980987548828e-01 - 5.6121289730072021e-01 - <_> - - 0 1 1722 3.9908871054649353e-02 -1 -2 1723 - 5.3903679363429546e-03 - - 5.2046489715576172e-01 4.8134678602218628e-01 - 6.3612091541290283e-01 - <_> - - 0 1 1724 -3.9908871054649353e-02 -1 -2 1725 - 5.3903679363429546e-03 - - 1.5068709850311279e-01 4.5816949009895325e-01 - 6.2002408504486084e-01 - <_> - - 1 0 1726 6.7005190066993237e-03 -1 -2 1727 - -1.2623789720237255e-02 - - 3.4322351217269897e-01 3.0882269144058228e-01 - 5.2267378568649292e-01 - <_> - - 1 0 1728 1.1806610040366650e-02 -1 -2 1729 - -3.4257229417562485e-03 - - 7.1879392862319946e-01 3.1208148598670959e-01 - 5.0658440589904785e-01 - <_> - - 0 1 1730 3.9385299896821380e-04 -1 -2 1731 - 3.4388188272714615e-02 - - 4.7545841336250305e-01 5.2616578340530396e-01 - 3.3501741290092468e-01 - <_> - - 0 1 1732 -7.5009986758232117e-02 -1 -2 1733 - 4.9022492021322250e-04 - - 1.7134809494018555e-01 4.7258019447326660e-01 - 5.9564691781997681e-01 - <_> - - 0 1 1734 -8.5525289177894592e-03 -1 -2 1735 - 1.3135520566720515e-04 - - 6.5582227706909180e-01 4.8354008793830872e-01 - 5.5869138240814209e-01 - <_> - - 1 0 1736 4.7948658466339111e-03 -1 -2 1737 - 2.0124691072851419e-03 - - 2.6457059383392334e-01 3.6579450964927673e-01 - 5.1247721910476685e-01 - <_> - - 0 1 1738 -1.1785479635000229e-01 -1 -2 1739 - 1.5575019642710686e-03 - - 2.3856540024280548e-01 5.4904741048812866e-01 - 4.2747479677200317e-01 - <_> - - 0 1 1740 -1.5573759563267231e-02 -1 -2 1741 - -2.1854790393263102e-03 - - 6.9389009475708008e-01 3.6459881067276001e-01 - 5.0925260782241821e-01 - <_> - - 0 1 1742 2.9272339306771755e-03 -1 -2 1743 - 6.4663668163120747e-03 - - 4.6858081221580505e-01 4.9734100699424744e-01 - 7.7260971069335938e-01 - <_> - - 0 1 1744 -7.6140360906720161e-03 -1 -2 1745 - 4.1512572206556797e-03 - - 6.8774658441543579e-01 4.7885251045227051e-01 - 6.9216579198837280e-01 - <_> - - 0 1 1746 2.7711640577763319e-03 -1 -2 1747 - -1.2836109846830368e-02 - - 5.4818397760391235e-01 3.8001629710197449e-01 - 5.2044928073883057e-01 - <_> - - 0 1 1748 -2.4380050599575043e-03 -1 -2 1749 - 2.1713329479098320e-03 - - 2.5824350118637085e-01 4.9611631035804749e-01 - 3.2152029871940613e-01 - <_> - - 1 0 1750 6.2800728483125567e-04 -1 -2 1751 - -9.7982389852404594e-03 - - 5.4604238271713257e-01 6.0465437173843384e-01 - 4.9399220943450928e-01 - <_> - - 1 0 1752 7.3543828912079334e-03 -1 -2 1753 - -1.4665040187537670e-02 - - 5.2910941839218140e-01 5.4461228847503662e-01 - 3.5673621296882629e-01 - <_> - - 0 1 1754 3.0244510620832443e-02 -1 -2 1755 - -5.6660208851099014e-02 - - 5.5183291435241699e-01 6.9309788942337036e-01 - 5.0933879613876343e-01 - <_> - - 0 1 1756 -5.6967479176819324e-03 -1 -2 1757 - 3.0806770548224449e-02 - - 3.2015261054039001e-01 4.9892461299896240e-01 - 2.2770540416240692e-01 - <_> - - 0 1 1758 2.2748769260942936e-03 -1 -2 1759 - 2.0436900667846203e-03 - - 4.8109310865402222e-01 5.2838671207427979e-01 - 3.2559248805046082e-01 - <_> - - 0 1 1760 -8.6277956143021584e-03 -1 -2 1761 - 6.5113382879644632e-04 - - 6.2665361166000366e-01 5.0971370935440063e-01 - 3.1919100880622864e-01 - <_> - - 0 1 1762 8.8188261725008488e-04 -1 -2 1763 - -1.4594909735023975e-02 - - 4.5495858788490295e-01 2.6450389623641968e-01 - 5.1538681983947754e-01 - <_> - - 0 1 1764 -1.2304580304771662e-03 -1 -2 1765 - -2.1867299801670015e-04 - - 6.1975848674774170e-01 5.4691988229751587e-01 - 4.2068558931350708e-01 - <_> - - 0 1 1766 -1.0909959673881531e-03 -1 -2 1767 - 3.5210378700867295e-04 - - 4.1407600045204163e-01 5.4766088724136353e-01 - 4.1550210118293762e-01 - <_> - - 0 1 1768 -7.2563779540359974e-03 -1 -2 1769 - 1.4701850013807416e-03 - - 7.1604692935943604e-01 5.2408081293106079e-01 - 3.7296628952026367e-01 - <_> - - 0 1 1770 1.1472719779703766e-04 -1 -2 1771 - 3.0506469774991274e-03 - - 4.0337988734245300e-01 5.2639859914779663e-01 - 3.5600930452346802e-01 - <_> - - 0 1 1772 2.6269949739798903e-04 -1 -2 1773 - -3.6365550477057695e-03 - - 4.5697999000549316e-01 3.0425709486007690e-01 - 5.8682537078857422e-01 - <_> - - 1 0 1774 -8.4893293678760529e-03 -1 -2 1775 - 5.8107408694922924e-03 - - 4.9141570925712585e-01 4.9185299873352051e-01 - 6.2669628858566284e-01 - <_> - - 1 0 1776 7.5583951547741890e-04 -1 -2 1777 - -2.2017690353095531e-03 - - 5.6332361698150635e-01 5.5539160966873169e-01 - 3.8276460766792297e-01 - <_> - - 0 1 1778 2.7908938936889172e-03 -1 -2 1779 - -1.8228569533675909e-03 - - 5.4986977577209473e-01 4.3822830915451050e-01 - 5.4240328073501587e-01 - <_> - - 0 1 1780 -7.2495508939027786e-03 -1 -2 1781 - -6.8744522286579013e-04 - - 2.8881219029426575e-01 3.4726551175117493e-01 - 5.0763708353042603e-01 - <_> - - 0 1 1782 2.5174440816044807e-03 -1 -2 1783 - -1.0151379741728306e-02 - - 4.6612051129341125e-01 3.7447750568389893e-01 - 5.2940011024475098e-01 - <_> - - 1 0 1784 -4.1399952024221420e-03 -1 -2 1785 - -4.7078551724553108e-03 - - 4.6604850888252258e-01 4.1750618815422058e-01 - 6.9163060188293457e-01 - <_> - - 1 0 1786 4.1981041431427002e-02 -1 -2 1787 - -1.4272999949753284e-02 - - 2.0182150602340698e-01 7.5111979246139526e-01 - 5.0320839881896973e-01 - <_> - - 1 0 1788 4.0869521908462048e-03 -1 -2 1789 - 1.7606799956411123e-03 - - 2.5045138597488403e-01 3.3014011383056641e-01 - 5.2183371782302856e-01 - <_> - - 0 1 1790 1.2550549581646919e-04 -1 -2 1791 - -2.9503209516406059e-03 - - 4.6144428849220276e-01 4.6199500560760498e-01 - 5.2470302581787109e-01 - <_> - - 0 1 1792 -1.1312420247122645e-03 -1 -2 1793 - -1.6983180539682508e-03 - - 6.3143682479858398e-01 3.4013068675994873e-01 - 5.0555270910263062e-01 - <_> - - 1 0 1794 -1.1457820422947407e-02 -1 -2 1795 - -8.4962565451860428e-03 - - 4.9399960041046143e-01 2.9654508829116821e-01 - 5.1943677663803101e-01 - <_> - - 1 0 1796 1.1919089592993259e-02 -1 -2 1797 - 6.4416420646011829e-03 - - 7.8869980573654175e-01 5.1069867610931396e-01 - 2.9671460390090942e-01 - <_> - - 0 1 1798 -8.7857811013236642e-04 -1 -2 1799 - -2.0312711130827665e-03 - - 5.7143712043762207e-01 4.4812008738517761e-01 - 5.3849118947982788e-01 - <_> - - 0 1 1800 -1.5262430533766747e-03 -1 -2 1801 - 4.2860880494117737e-03 - - 6.1935687065124512e-01 4.3398851156234741e-01 - 7.6972991228103638e-01 - <_> - - 1 0 1802 3.5010920837521553e-03 -1 -2 1803 - 1.2587670236825943e-02 - - 3.1713891029357910e-01 5.2466988563537598e-01 - 4.2412081360816956e-01 - <_> - - 0 1 1804 2.6207490009255707e-04 -1 -2 1805 - 4.4701730075757951e-05 - - 4.2318999767303467e-01 4.1741389036178589e-01 - 5.9196037054061890e-01 - <_> - - 0 1 1806 7.8084698179736733e-04 -1 -2 1807 - 8.8851212058216333e-04 - - 4.2773890495300293e-01 3.7201610207557678e-01 - 5.2268189191818237e-01 - <_> - - 0 1 1808 2.3369069676846266e-03 -1 -2 1809 - 1.6688359901309013e-03 - - 5.4780668020248413e-01 3.6286789178848267e-01 - 6.1500048637390137e-01 - <_> - - 0 1 1810 3.0844469438306987e-04 -1 -2 1811 - 3.4617560449987650e-03 - - 4.7470751404762268e-01 4.5801380276679993e-01 - 5.5856817960739136e-01 - <_> - - 0 1 1812 1.8961310386657715e-02 -1 -2 1813 - 1.7347310483455658e-01 - - 5.2988010644912720e-01 3.6983850598335266e-01 - 8.4986197948455811e-01 - <_> - - 1 0 1814 2.0020549709443003e-04 -1 -2 1815 - 1.0967060225084424e-03 - - 5.5656617879867554e-01 4.7957131266593933e-01 - 6.2862598896026611e-01 - <_> - - 0 1 1816 1.5107099898159504e-04 -1 -2 1817 - -3.4463501069694757e-03 - - 4.0524059534072876e-01 6.1730152368545532e-01 - 4.4142639636993408e-01 - <_> - - 1 0 1818 8.5176620632410049e-03 -1 -2 1819 - -3.5812109708786011e-02 - - 3.5705709457397461e-01 3.1513288617134094e-01 - 5.2527028322219849e-01 - <_> - - 0 1 1820 -2.1155400201678276e-02 -1 -2 1821 - 8.9890940580517054e-04 - - 6.1247211694717407e-01 5.1699757575988770e-01 - 3.5962718725204468e-01 - <_> - - 1 0 1822 -1.5613760333508253e-03 -1 -2 1823 - 6.7120860330760479e-04 - - 4.9149879813194275e-01 4.5462110638618469e-01 - 5.3958117961883545e-01 - <_> - - 0 1 1824 -2.1597029641270638e-02 -1 -2 1825 - -2.4947229772806168e-02 - - 1.9031339883804321e-01 6.9740772247314453e-01 - 4.9677160382270813e-01 - <_> - - 0 1 1826 1.8725979607552290e-03 -1 -2 1827 - 6.3912719488143921e-03 - - 4.7489479184150696e-01 5.1801782846450806e-01 - 2.9243218898773193e-01 - <_> - - 0 1 1828 -9.1552399098873138e-03 -1 -2 1829 - 2.1715660113841295e-03 - - 7.6658701896667480e-01 5.2155512571334839e-01 - 3.3657190203666687e-01 - <_> - - 1 0 1830 1.2330369791015983e-03 -1 -2 1831 - -4.0785901364870369e-04 - - 6.2609577178955078e-01 4.5335099101066589e-01 - 5.3864890336990356e-01 - <_> - - 0 1 1832 4.6437609125860035e-04 -1 -2 1833 - -1.1600199650274590e-04 - - 4.1034960746765137e-01 5.8303910493850708e-01 - 4.3041059374809265e-01 - <_> - - 0 1 1834 -1.2718720361590385e-02 -1 -2 1835 - 8.9431880041956902e-05 - - 2.1325829625129700e-01 4.8728910088539124e-01 - 5.4589152336120605e-01 - <_> - - 0 1 1836 -3.3913689549081028e-04 -1 -2 1837 - -1.8026340752840042e-02 - - 3.9743649959564209e-01 7.5685507059097290e-01 - 5.0456118583679199e-01 - <_> - - 1 0 1838 6.9179181009531021e-03 -1 -2 1839 - -1.1839679791592062e-04 - - 3.9662998914718628e-01 4.1980829834938049e-01 - 5.4358041286468506e-01 - <_> - - 0 1 1840 -3.9474181830883026e-03 -1 -2 1841 - 6.0050919273635373e-05 - - 6.3694578409194946e-01 5.2695667743682861e-01 - 3.8122430443763733e-01 - <_> - - 1 0 1842 9.1423643752932549e-03 -1 -2 1843 - 2.1305440168362111e-04 - - 4.1567629575729370e-01 3.5235330462455750e-01 - 5.3494542837142944e-01 - <_> - - 1 0 1844 -2.0855850016232580e-04 -1 -2 1845 - 1.3130389852449298e-03 - - 4.4033220410346985e-01 6.0581612586975098e-01 - 4.4682189822196960e-01 - <_> - - 1 0 1846 -2.9134768992662430e-03 -1 -2 1847 - 2.9645769391208887e-03 - - 4.8257058858871460e-01 4.8359981179237366e-01 - 6.0392779111862183e-01 - <_> - - 1 0 1848 1.7772549763321877e-03 -1 -2 1849 - -7.7136349864304066e-03 - - 6.8718272447586060e-01 2.8422209620475769e-01 - 5.1454281806945801e-01 - <_> - - 1 0 1850 5.1027478184551001e-04 -1 -2 1851 - 1.7460630042478442e-03 - - 6.0244262218475342e-01 4.7566100955009460e-01 - 5.7211542129516602e-01 - <_> - - 1 0 1852 3.8068278809078038e-04 -1 -2 1853 - 2.8228890150785446e-03 - - 4.9310690164566040e-01 3.3116981387138367e-01 - 6.2275981903076172e-01 - <_> - - 1 0 1854 -5.3000478073954582e-03 -1 -2 1855 - 4.4951299059903249e-05 - - 5.2320927381515503e-01 3.9952319860458374e-01 - 5.3147977590560913e-01 - <_> - - 0 1 1856 3.2752458937466145e-03 -1 -2 1857 - -2.8162579983472824e-03 - - 4.4816198945045471e-01 3.9079719781875610e-01 - 6.6716408729553223e-01 - <_> - - 0 1 1858 1.4112279750406742e-03 -1 -2 1859 - 8.3062034100294113e-03 - - 5.3570109605789185e-01 4.7709658741950989e-01 - 5.5700999498367310e-01 - <_> - - 0 1 1860 2.2164839319884777e-03 -1 -2 1861 - -4.9868631176650524e-03 - - 4.9471241235733032e-01 5.2413070201873779e-01 - 2.5126549601554871e-01 - <_> - - 1 0 1862 -3.6664260551333427e-03 -1 -2 1863 - -1.0581229813396931e-02 - - 4.6195539832115173e-01 6.3017189502716064e-01 - 4.9730318784713745e-01 - <_> - - 1 0 1864 7.3366491124033928e-03 -1 -2 1865 - -3.9318940252996981e-04 - - 2.8709700703620911e-01 4.2528051137924194e-01 - 5.5792468786239624e-01 - <_> - - 0 1 1866 -8.1375334411859512e-03 -1 -2 1867 - 2.4809150490909815e-03 - - 5.7473158836364746e-01 5.2033740282058716e-01 - 3.9035668969154358e-01 - <_> - - 1 0 1868 8.8749779388308525e-04 -1 -2 1869 - -4.2194919660687447e-04 - - 5.5343210697174072e-01 5.3380441665649414e-01 - 3.9258408546447754e-01 - <_> - - 0 1 1870 -7.9790111631155014e-03 -1 -2 1871 - 1.1439629597589374e-03 - - 4.1443160176277161e-01 4.7013729810714722e-01 - 5.2817362546920776e-01 - <_> - - 1 0 1872 7.5542130507528782e-03 -1 -2 1873 - 1.0288399644196033e-03 - - 2.5272560119628906e-01 5.6051462888717651e-01 - 4.2978560924530029e-01 - <_> - - 1 0 1874 -1.7234670231118798e-03 -1 -2 1875 - 5.7586699724197388e-01 - - 4.8396828770637512e-01 5.1105028390884399e-01 - 8.0489329993724823e-02 - <_> - 109 - 5.3755569458007812e+01 - - <_> - - 0 1 1876 6.6640521399676800e-03 -1 -2 1877 - 8.9905522763729095e-03 - - 3.8289201259613037e-01 4.8584291338920593e-01 - 7.3549592494964600e-01 - <_> - - 1 0 1878 5.7154200039803982e-03 -1 -2 1879 - 1.1257929727435112e-03 - - 6.7232239246368408e-01 4.4295778870582581e-01 - 6.0707777738571167e-01 - <_> - - 1 0 1880 -9.1789010912179947e-04 -1 -2 1881 - -1.0492859873920679e-03 - - 3.0763450264930725e-01 5.5936437845230103e-01 - 3.6510229110717773e-01 - <_> - - 0 1 1882 3.5453929740469903e-05 -1 -2 1883 - 2.9015709878876805e-04 - - 4.2779681086540222e-01 4.5835450291633606e-01 - 5.2846831083297729e-01 - <_> - - 1 0 1884 1.6071660502348095e-04 -1 -2 1885 - -5.2961107576265931e-04 - - 3.7981921434402466e-01 3.8504371047019958e-01 - 5.9396880865097046e-01 - <_> - - 0 1 1886 2.6682569296099246e-04 -1 -2 1887 - -1.3492540165316314e-04 - - 4.1230249404907227e-01 5.7605999708175659e-01 - 4.2376458644866943e-01 - <_> - - 0 1 1888 -1.0841679759323597e-02 -1 -2 1889 - 1.2077829800546169e-02 - - 3.9299210906028748e-01 5.7619231939315796e-01 - 2.7804449200630188e-01 - <_> - - 0 1 1890 2.2128869313746691e-03 -1 -2 1891 - -1.5266190283000469e-02 - - 4.7945070266723633e-01 7.4055880308151245e-02 - 5.1535779237747192e-01 - <_> - - 1 0 1892 6.7929533543065190e-05 -1 -2 1893 - 1.7633590323384851e-04 - - 5.8587378263473511e-01 3.5676109790802002e-01 - 5.5989629030227661e-01 - <_> - - 1 0 1894 8.1311381654813886e-04 -1 -2 1895 - 3.2630451023578644e-03 - - 5.3468507528305054e-01 4.7825369238853455e-01 - 5.4567539691925049e-01 - <_> - - 0 1 1896 -3.9503918960690498e-03 -1 -2 1897 - -3.9864578866399825e-04 - - 2.8318119049072266e-01 5.4852157831192017e-01 - 4.1596978902816772e-01 - <_> - - 0 1 1898 -1.1432520113885403e-02 -1 -2 1899 - 5.3339172154664993e-03 - - 5.6391012668609619e-01 4.5969840884208679e-01 - 5.9312427043914795e-01 - <_> - - 1 0 1900 8.3193257451057434e-03 -1 -2 1901 - -4.2479918920435011e-04 - - 3.2306200265884399e-01 3.7952938675880432e-01 - 5.4086112976074219e-01 - <_> - - 0 1 1902 -1.1189430207014084e-01 -1 -2 1903 - -7.5553781352937222e-03 - - 1.1322979629039764e-01 6.3393700122833252e-01 - 4.8387709259986877e-01 - <_> - - 0 1 1904 -7.0337029173970222e-03 -1 -2 1905 - -1.4833680354058743e-02 - - 5.6652551889419556e-01 6.7514181137084961e-01 - 4.1409450769424438e-01 - <_> - - 1 0 1906 8.7506724521517754e-03 -1 -2 1907 - 1.6645010327920318e-03 - - 3.5612589120864868e-01 5.3472799062728882e-01 - 3.6497798562049866e-01 - <_> - - 1 0 1908 9.4900820404291153e-03 -1 -2 1909 - 1.1133110383525491e-03 - - 2.7546560764312744e-01 4.2259928584098816e-01 - 5.6291788816452026e-01 - <_> - - 0 1 1910 9.4940755516290665e-03 -1 -2 1911 - -1.5396620146930218e-03 - - 4.9060368537902832e-01 4.0070518851280212e-01 - 5.3807091712951660e-01 - <_> - - 1 0 1912 1.3434959948062897e-01 -1 -2 1913 - -9.4940755516290665e-03 - - 2.2146719694137573e-01 7.3531562089920044e-01 - 5.0050330162048340e-01 - <_> - - 1 0 1914 2.0011790096759796e-02 -1 -2 1915 - -1.8875009845942259e-03 - - 3.3279061317443848e-01 3.9152890443801880e-01 - 5.4018497467041016e-01 - <_> - - 1 0 1916 7.1842782199382782e-03 -1 -2 1917 - 1.6976969782263041e-03 - - 7.1766048669815063e-01 4.5269781351089478e-01 - 6.0769128799438477e-01 - <_> - - 1 0 1918 4.9219978973269463e-03 -1 -2 1919 - 1.1803199537098408e-02 - - 2.5698339939117432e-01 4.9996379017829895e-01 - 5.9582281112670898e-01 - <_> - - 0 1 1920 -9.7703449428081512e-03 -1 -2 1921 - 2.1174899302423000e-03 - - 3.4590938687324524e-01 4.5151269435882568e-01 - 5.8297157287597656e-01 - <_> - - 0 1 1922 9.4801411032676697e-03 -1 -2 1923 - -2.6078789960592985e-03 - - 4.8073920607566833e-01 3.4622168540954590e-01 - 5.2015948295593262e-01 - <_> - - 0 1 1924 -5.7252747938036919e-03 -1 -2 1925 - -8.2325618714094162e-03 - - 6.5998530387878418e-01 2.8218281269073486e-01 - 5.1252847909927368e-01 - <_> - - 0 1 1926 8.9571950957179070e-04 -1 -2 1927 - -1.5021569561213255e-04 - - 4.8838189244270325e-01 4.8299181461334229e-01 - 5.4287171363830566e-01 - <_> - - 0 1 1928 4.8489659093320370e-04 -1 -2 1929 - -9.6192650496959686e-02 - - 4.4345989823341370e-01 2.2566360235214233e-01 - 5.9562277793884277e-01 - <_> - - 0 1 1930 -1.1053519556298852e-03 -1 -2 1931 - -1.0215040296316147e-01 - - 4.5272240042686462e-01 2.8443491458892822e-01 - 5.1864528656005859e-01 - <_> - - 1 0 1932 3.0147889629006386e-03 -1 -2 1933 - 7.6131648384034634e-03 - - 3.8089990615844727e-01 5.7186990976333618e-01 - 4.2625638842582703e-01 - <_> - - 1 0 1934 1.5197630273178220e-03 -1 -2 1935 - -1.4197279699146748e-02 - - 5.9427189826965332e-01 7.7311038970947266e-01 - 4.9976539611816406e-01 - <_> - - 0 1 1936 -1.3818879611790180e-02 -1 -2 1937 - -5.0701329018920660e-04 - - 6.6811382770538330e-01 3.3056080341339111e-01 - 4.7499749064445496e-01 - <_> - - 0 1 1938 -9.3537531793117523e-03 -1 -2 1939 - -9.4771059229969978e-03 - - 2.8609329462051392e-01 6.1888831853866577e-01 - 4.8421001434326172e-01 - <_> - - 1 0 1940 1.6923650400713086e-03 -1 -2 1941 - 5.8652542065829039e-04 - - 6.0702490806579590e-01 3.7826898694038391e-01 - 5.3681969642639160e-01 - <_> - - 0 1 1942 -2.5826620403677225e-03 -1 -2 1943 - -2.7307639829814434e-03 - - 3.6902099847793579e-01 3.8571149110794067e-01 - 5.3181087970733643e-01 - <_> - - 1 0 1944 2.1871570497751236e-02 -1 -2 1945 - -1.5010299648565706e-05 - - 2.3270089924335480e-01 5.5607229471206665e-01 - 4.3014100193977356e-01 - <_> - - 1 0 1946 5.3583700209856033e-03 -1 -2 1947 - 5.0057549960911274e-03 - - 6.7676377296447754e-01 5.1949042081832886e-01 - 3.6128538846969604e-01 - <_> - - 0 1 1948 -1.9030070398002863e-03 -1 -2 1949 - -7.8506693243980408e-03 - - 3.2378450036048889e-01 1.1948519945144653e-01 - 4.9917238950729370e-01 - <_> - - 1 0 1950 -2.7093670796602964e-03 -1 -2 1951 - 1.4138079714030027e-03 - - 4.8549601435661316e-01 4.8723229765892029e-01 - 5.9035778045654297e-01 - <_> - - 1 0 1952 9.0300198644399643e-03 -1 -2 1953 - -9.7925681620836258e-04 - - 6.5473157167434692e-01 5.8492732048034668e-01 - 4.5542308688163757e-01 - <_> - - 1 0 1954 1.3984439428895712e-03 -1 -2 1955 - 8.3372107474133372e-04 - - 4.0646260976791382e-01 5.3995430469512939e-01 - 4.1528099775314331e-01 - <_> - - 1 0 1956 1.0551059618592262e-02 -1 -2 1957 - 8.8344102550763637e-05 - - 1.7966809868812561e-01 4.2518630623817444e-01 - 5.4135227203369141e-01 - <_> - - 1 0 1958 -4.1022308170795441e-02 -1 -2 1959 - 7.5065628625452518e-03 - - 5.2281248569488525e-01 4.8537430167198181e-01 - 6.0934442281723022e-01 - <_> - - 1 0 1960 4.1022308170795441e-02 -1 -2 1961 - -5.3961377125233412e-04 - - 2.2050240635871887e-01 5.6927317380905151e-01 - 4.4687569141387939e-01 - <_> - - 0 1 1962 -6.8696036934852600e-02 -1 -2 1963 - -1.8447940237820148e-03 - - 1.4833140373229980e-01 6.2112838029861450e-01 - 4.9666011333465576e-01 - <_> - - 0 1 1964 -6.0959919355809689e-03 -1 -2 1965 - -4.2068301700055599e-03 - - 2.2946719825267792e-01 6.4070910215377808e-01 - 4.7485628724098206e-01 - <_> - - 1 0 1966 -7.1332789957523346e-04 -1 -2 1967 - 1.1756779998540878e-01 - - 5.3549361228942871e-01 5.1369780302047729e-01 - 1.0595739819109440e-02 - <_> - - 0 1 1968 5.9354289987822995e-05 -1 -2 1969 - -6.3173691742122173e-03 - - 3.7118038535118103e-01 1.7120739817619324e-01 - 5.0617581605911255e-01 - <_> - - 1 0 1970 1.4941499568521976e-02 -1 -2 1971 - -2.0789399277418852e-03 - - 6.7291188240051270e-01 4.4106459617614746e-01 - 5.4440277814865112e-01 - <_> - - 0 1 1972 -7.0736219640821218e-04 -1 -2 1973 - -3.1247111037373543e-03 - - 5.5689108371734619e-01 5.0238692760467529e-01 - 3.5624051094055176e-01 - <_> - - 1 0 1974 -7.8919378574937582e-04 -1 -2 1975 - 1.0179580189287663e-02 - - 5.4567861557006836e-01 5.5451387166976929e-01 - 4.6223109960556030e-01 - <_> - - 1 0 1976 -2.7506109327077866e-03 -1 -2 1977 - 1.0601329617202282e-02 - - 4.9425360560417175e-01 2.9612338542938232e-01 - 5.9643387794494629e-01 - <_> - - 0 1 1978 5.1466780714690685e-03 -1 -2 1979 - 7.6321147382259369e-02 - - 5.4952287673950195e-01 5.1739591360092163e-01 - 2.9402169585227966e-01 - <_> - - 0 1 1980 -1.5027689514681697e-03 -1 -2 1981 - 1.2266670353710651e-02 - - 3.1062999367713928e-01 4.6511501073837280e-01 - 6.8466138839721680e-01 - <_> - - 1 0 1982 -3.1118579208850861e-02 -1 -2 1983 - 2.8905589133501053e-02 - - 5.2260571718215942e-01 5.1822441816329956e-01 - 2.7054280042648315e-01 - <_> - - 1 0 1984 4.7598380595445633e-02 -1 -2 1985 - 3.0808549374341965e-02 - - 1.1095120012760162e-01 4.9386250972747803e-01 - 1.4041109383106232e-01 - <_> - - 1 0 1986 -2.1277810446918011e-04 -1 -2 1987 - 7.8969962894916534e-02 - - 4.3923568725585938e-01 5.2165520191192627e-01 - 2.2941139340400696e-01 - <_> - - 0 1 1988 -1.0257950052618980e-02 -1 -2 1989 - 1.2604889925569296e-03 - - 6.1766529083251953e-01 5.2362227439880371e-01 - 3.3289659023284912e-01 - <_> - - 1 0 1990 -3.3490460366010666e-02 -1 -2 1991 - -5.9202767442911863e-04 - - 4.8661869764328003e-01 4.1164070367813110e-01 - 5.3956401348114014e-01 - <_> - - 1 0 1992 3.0320750738610514e-05 -1 -2 1993 - -5.4369680583477020e-04 - - 5.6107360124588013e-01 5.6213891506195068e-01 - 3.4612038731575012e-01 - <_> - - 1 0 1994 -3.3490460366010666e-02 -1 -2 1995 - -5.9202767442911863e-04 - - 4.8967620730400085e-01 4.3054041266441345e-01 - 5.3407138586044312e-01 - <_> - - 0 1 1996 2.0550889894366264e-03 -1 -2 1997 - -4.4353571720421314e-03 - - 5.5449998378753662e-01 6.0385400056838989e-01 - 3.7465929985046387e-01 - <_> - - 1 0 1998 -8.4170423448085785e-02 -1 -2 1999 - 6.7419027909636497e-03 - - 5.0073480606079102e-01 5.2980971336364746e-01 - 4.7161450982093811e-01 - <_> - - 1 0 2000 1.0278150439262390e-02 -1 -2 2001 - 5.8800862170755863e-03 - - 6.2693750858306885e-01 5.1548278331756592e-01 - 3.8130408525466919e-01 - <_> - - 1 0 2002 -6.9679190346505493e-06 -1 -2 2003 - 8.2419527461752295e-04 - - 4.4402399659156799e-01 4.6975341439247131e-01 - 5.4855042695999146e-01 - <_> - - 0 1 2004 -5.5268318392336369e-03 -1 -2 2005 - 9.6128671430051327e-04 - - 5.5136048793792725e-01 3.6186391115188599e-01 - 5.8384567499160767e-01 - <_> - - 1 0 2006 2.4810510221868753e-03 -1 -2 2007 - -1.0480589699000120e-03 - - 2.5232228636741638e-01 4.1172578930854797e-01 - 5.3929960727691650e-01 - <_> - - 0 1 2008 -6.1287907883524895e-03 -1 -2 2009 - 1.1682329932227731e-04 - - 6.7263299226760864e-01 5.0411927700042725e-01 - 3.6077290773391724e-01 - <_> - - 0 1 2010 -3.9909478276968002e-02 -1 -2 2011 - 1.5859459526836872e-03 - - 1.5637390315532684e-01 4.8919808864593506e-01 - 5.7798451185226440e-01 - <_> - - 0 1 2012 -2.2690229117870331e-02 -1 -2 2013 - 2.0916070789098740e-03 - - 2.1868790686130524e-01 4.7715771198272705e-01 - 6.0992312431335449e-01 - <_> - - 0 1 2014 -2.4715419858694077e-02 -1 -2 2015 - -1.3419450260698795e-02 - - 3.4639969468116760e-01 3.6306929588317871e-01 - 5.2521961927413940e-01 - <_> - - 0 1 2016 -6.0629472136497498e-03 -1 -2 2017 - -2.0921030081808567e-03 - - 6.6663217544555664e-01 3.3995470404624939e-01 - 5.0356978178024292e-01 - <_> - - 0 1 2018 2.5961859151721001e-02 -1 -2 2019 - 1.7908669542521238e-04 - - 5.0368028879165649e-01 5.4185307025909424e-01 - 4.3189769983291626e-01 - <_> - - 0 1 2020 -3.1546850223094225e-03 -1 -2 2021 - -1.1397759662941098e-03 - - 7.2210252285003662e-01 3.3209729194641113e-01 - 5.0244337320327759e-01 - <_> - - 0 1 2022 -4.7840211540460587e-02 -1 -2 2023 - 4.1577088995836675e-04 - - 1.9387650489807129e-01 4.8021888732910156e-01 - 5.7307147979736328e-01 - <_> - - 0 1 2024 -4.4247039477340877e-04 -1 -2 2025 - 1.4479350065812469e-03 - - 4.2625150084495544e-01 5.7191711664199829e-01 - 4.0641531348228455e-01 - <_> - - 0 1 2026 1.5701510012149811e-02 -1 -2 2027 - 2.7805729769170284e-04 - - 4.9957260489463806e-01 5.2892869710922241e-01 - 4.5817288756370544e-01 - <_> - - 0 1 2028 -2.9010509606450796e-03 -1 -2 2029 - 2.0830519497394562e-04 - - 6.0121482610702515e-01 5.0579768419265747e-01 - 3.5994321107864380e-01 - <_> - - 1 0 2030 -5.1530029624700546e-02 -1 -2 2031 - 1.7163449956569821e-04 - - 4.9917969107627869e-01 4.6754699945449829e-01 - 5.3747731447219849e-01 - <_> - - 1 0 2032 2.3614279925823212e-02 -1 -2 2033 - -5.6427798699587584e-04 - - 6.5864789485931396e-01 3.8532960414886475e-01 - 5.1960402727127075e-01 - <_> - - 1 0 2034 6.6903959959745407e-03 -1 -2 2035 - -4.8789530992507935e-03 - - 6.0042357444763184e-01 3.2932278513908386e-01 - 5.2452367544174194e-01 - <_> - - 0 1 2036 -6.8537332117557526e-03 -1 -2 2037 - 9.9893810693174601e-04 - - 2.5659140944480896e-01 4.6154940128326416e-01 - 5.9424322843551636e-01 - <_> - - 0 1 2038 -1.3354700058698654e-04 -1 -2 2039 - 1.0165109997615218e-03 - - 5.4873758554458618e-01 4.5783591270446777e-01 - 5.4269278049468994e-01 - <_> - - 1 0 2040 9.1216771397739649e-04 -1 -2 2041 - 1.0080259526148438e-03 - - 3.9394611120223999e-01 4.0497899055480957e-01 - 5.5207037925720215e-01 - <_> - - 1 0 2042 -1.3102490629535168e-04 -1 -2 2043 - 5.5228749988600612e-04 - - 4.8790889978408813e-01 4.8449438810348511e-01 - 5.5128258466720581e-01 - <_> - - 1 0 2044 -1.2130969844292849e-04 -1 -2 2045 - -1.5112989785848185e-05 - - 4.3679711222648621e-01 6.4259552955627441e-01 - 4.8818269371986389e-01 - <_> - - 1 0 2046 -4.0125829400494695e-04 -1 -2 2047 - -6.5766851184889674e-04 - - 5.3720992803573608e-01 5.8345532417297363e-01 - 4.8690780997276306e-01 - <_> - - 1 0 2048 6.2220421386882663e-04 -1 -2 2049 - 1.4663359615951777e-03 - - 3.8246369361877441e-01 4.8134881258010864e-01 - 6.9667392969131470e-01 - <_> - - 0 1 2050 -4.9547709524631500e-02 -1 -2 2051 - 1.3017569435760379e-03 - - 5.3927659988403320e-02 5.3374558687210083e-01 - 4.1607481241226196e-01 - <_> - - 0 1 2052 -4.4914530590176582e-03 -1 -2 2053 - 1.6592369647696614e-03 - - 5.9974372386932373e-01 3.7271851301193237e-01 - 5.1156342029571533e-01 - <_> - - 0 1 2054 6.4695458859205246e-03 -1 -2 2055 - 4.9810269847512245e-03 - - 5.2520352602005005e-01 5.2567178010940552e-01 - 3.9344060420989990e-01 - <_> - - 0 1 2056 -3.8536980748176575e-02 -1 -2 2057 - -2.8275650739669800e-01 - - 2.0619249343872070e-01 6.1883211135864258e-02 - 4.9250578880310059e-01 - <_> - - 0 1 2058 -9.0301828458905220e-03 -1 -2 2059 - -4.3866269290447235e-02 - - 3.1575900316238403e-01 2.0336820185184479e-01 - 5.1647698879241943e-01 - <_> - - 0 1 2060 -4.5701069757342339e-03 -1 -2 2061 - -2.3362410720437765e-03 - - 6.6111832857131958e-01 2.8077891469001770e-01 - 4.9628761410713196e-01 - <_> - - 0 1 2062 5.3960331715643406e-03 -1 -2 2063 - -2.6297608856111765e-03 - - 5.1463878154754639e-01 6.2844878435134888e-01 - 4.9555888772010803e-01 - <_> - - 0 1 2064 -3.8577478844672441e-03 -1 -2 2065 - 1.3963800156489015e-03 - - 1.4867480099201202e-01 4.7013381123542786e-01 - 6.3209718465805054e-01 - <_> - - 1 0 2066 -8.8699469342827797e-03 -1 -2 2067 - -7.0626288652420044e-04 - - 5.2868181467056274e-01 4.6483701467514038e-01 - 5.3332102298736572e-01 - <_> - - 0 1 2068 4.2645810171961784e-03 -1 -2 2069 - 6.1572100967168808e-02 - - 5.0848782062530518e-01 3.6296251416206360e-01 - 8.7571567296981812e-01 - <_> - - 1 0 2070 -4.5381980016827583e-03 -1 -2 2071 - -4.0877899155020714e-03 - - 4.8566961288452148e-01 4.5841160416603088e-01 - 5.4202407598495483e-01 - <_> - - 1 0 2072 6.4308601431548595e-03 -1 -2 2073 - 7.0455260574817657e-03 - - 2.7073028683662415e-01 5.0574868917465210e-01 - 7.0265239477157593e-01 - <_> - - 1 0 2074 -2.3246440105140209e-03 -1 -2 2075 - 6.0276601288933307e-05 - - 4.8272788524627686e-01 4.2472490668296814e-01 - 5.5087631940841675e-01 - <_> - - 1 0 2076 1.8084559589624405e-02 -1 -2 2077 - 8.4693520329892635e-04 - - 8.1048011779785156e-01 5.1546192169189453e-01 - 3.5143798589706421e-01 - <_> - - 1 0 2078 -2.6931039988994598e-02 -1 -2 2079 - -4.2346641421318054e-03 - - 4.8868888616561890e-01 4.6223780512809753e-01 - 5.3824782371520996e-01 - <_> - - 1 0 2080 2.6947110891342163e-02 -1 -2 2081 - 4.6446882188320160e-03 - - 6.3665962219238281e-01 5.3685069084167480e-01 - 3.7654298543930054e-01 - <_> - - 0 1 2082 -6.9577661342918873e-03 -1 -2 2083 - 8.7609712500125170e-04 - - 4.2346870899200439e-01 4.6724060177803040e-01 - 5.3506839275360107e-01 - <_> - - 1 0 2084 1.6103329835459590e-03 -1 -2 2085 - -1.2848590267822146e-03 - - 5.7327628135681152e-01 5.4817992448806763e-01 - 3.7845930457115173e-01 - <_> - - 0 1 2086 1.0243539698421955e-02 -1 -2 2087 - 2.6889349101111293e-04 - - 5.1559072732925415e-01 5.3531897068023682e-01 - 4.3871539831161499e-01 - <_> - - 0 1 2088 3.7903659977018833e-03 -1 -2 2089 - -2.9369680210947990e-02 - - 5.0320029258728027e-01 5.8735388517379761e-01 - 2.2154450416564941e-01 - <_> - - 1 0 2090 6.0743088833987713e-03 -1 -2 2091 - -1.2710720300674438e-02 - - 5.4170298576354980e-01 6.0565119981765747e-01 - 4.9851819872856140e-01 - <_> - - 0 1 2092 -5.9445449151098728e-03 -1 -2 2093 - -2.8927479870617390e-03 - - 3.3520698547363281e-01 6.9292408227920532e-01 - 4.7782200574874878e-01 - - <_> - - <_> - 2 7 16 4 -1. - <_> - 2 9 16 2 2. - <_> - - <_> - 8 4 3 14 -1. - <_> - 8 11 3 7 2. - <_> - - <_> - 13 6 1 6 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 4 2 12 8 -1. - <_> - 8 2 4 8 3. - <_> - - <_> - 6 3 1 9 -1. - <_> - 6 6 1 3 3. - <_> - - <_> - 3 7 14 9 -1. - <_> - 3 10 14 3 3. - <_> - - <_> - 4 7 4 4 -1. - <_> - 4 9 4 2 2. - <_> - - <_> - 9 4 2 16 -1. - <_> - 9 12 2 8 2. - <_> - - <_> - 1 1 18 5 -1. - <_> - 7 1 6 5 3. - <_> - - <_> - 4 5 13 8 -1. - <_> - 4 9 13 4 2. - <_> - - <_> - 1 7 16 9 -1. - <_> - 1 10 16 3 3. - <_> - - <_> - 2 0 15 4 -1. - <_> - 2 2 15 2 2. - <_> - - <_> - 7 5 6 4 -1. - <_> - 9 5 2 4 3. - <_> - - <_> - 6 3 8 9 -1. - <_> - 6 6 8 3 3. - <_> - - <_> - 8 12 3 8 -1. - <_> - 8 16 3 4 2. - <_> - - <_> - 3 16 2 2 -1. - <_> - 3 17 2 1 2. - <_> - - <_> - 14 1 6 12 -1. - <_> - 14 1 3 12 2. - <_> - - <_> - 4 4 12 6 -1. - <_> - 8 4 4 6 3. - <_> - - <_> - 0 2 6 15 -1. - <_> - 3 2 3 15 2. - <_> - - <_> - 5 4 9 6 -1. - <_> - 5 6 9 2 3. - <_> - - <_> - 13 11 6 3 -1. - <_> - 13 12 6 1 3. - <_> - - <_> - 12 12 6 4 -1. - <_> - 12 14 6 2 2. - <_> - - <_> - 1 11 6 3 -1. - <_> - 1 12 6 1 3. - <_> - - <_> - 2 5 5 8 -1. - <_> - 2 9 5 4 2. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 2 4 16 12 -1. - <_> - 2 8 16 4 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 8 5 4 6 3. - <_> - - <_> - 13 7 2 9 -1. - <_> - 13 10 2 3 3. - <_> - - <_> - 5 7 2 9 -1. - <_> - 5 10 2 3 3. - <_> - - <_> - 7 1 6 8 -1. - <_> - 9 1 2 8 3. - <_> - - <_> - 12 0 4 12 -1. - <_> - 14 0 2 6 2. - <_> - 12 6 2 6 2. - <_> - - <_> - 5 8 10 2 -1. - <_> - 5 9 10 1 2. - <_> - - <_> - 5 1 6 4 -1. - <_> - 7 1 2 4 3. - <_> - - <_> - 0 3 9 12 -1. - <_> - 3 3 3 12 3. - <_> - - <_> - 9 8 3 12 -1. - <_> - 9 12 3 4 3. - <_> - - <_> - 0 5 20 15 -1. - <_> - 0 10 20 5 3. - <_> - - <_> - 2 2 6 8 -1. - <_> - 2 2 3 4 2. - <_> - 5 6 3 4 2. - <_> - - <_> - 2 1 6 2 -1. - <_> - 2 2 6 1 2. - <_> - - <_> - 10 15 6 4 -1. - <_> - 13 15 3 2 2. - <_> - 10 17 3 2 2. - <_> - - <_> - 12 14 2 6 -1. - <_> - 12 16 2 2 3. - <_> - - <_> - 5 15 4 4 -1. - <_> - 5 15 2 2 2. - <_> - 7 17 2 2 2. - <_> - - <_> - 7 18 1 2 -1. - <_> - 7 19 1 1 2. - <_> - - <_> - 4 5 12 10 -1. - <_> - 10 5 6 5 2. - <_> - 4 10 6 5 2. - <_> - - <_> - 7 4 8 12 -1. - <_> - 11 4 4 6 2. - <_> - 7 10 4 6 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 3 3 12 12 -1. - <_> - 3 3 6 6 2. - <_> - 9 9 6 6 2. - <_> - - <_> - 15 11 5 3 -1. - <_> - 15 12 5 1 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 0 11 5 3 -1. - <_> - 0 12 5 1 3. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 2 8 16 2 -1. - <_> - 2 9 16 1 2. - <_> - - <_> - 9 6 5 12 -1. - <_> - 9 12 5 6 2. - <_> - - <_> - 6 3 8 6 -1. - <_> - 6 6 8 3 2. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 10 9 6 8 -1. - <_> - 10 13 6 4 2. - <_> - - <_> - 12 5 3 10 -1. - <_> - 12 10 3 5 2. - <_> - - <_> - 4 6 3 9 -1. - <_> - 4 9 3 3 3. - <_> - - <_> - 7 4 6 4 -1. - <_> - 9 4 2 4 3. - <_> - - <_> - 12 3 8 3 -1. - <_> - 12 3 4 3 2. - <_> - - <_> - 15 0 3 6 -1. - <_> - 15 3 3 3 2. - <_> - - <_> - 2 12 10 8 -1. - <_> - 2 12 5 4 2. - <_> - 7 16 5 4 2. - <_> - - <_> - 5 5 6 8 -1. - <_> - 5 9 6 4 2. - <_> - - <_> - 12 3 8 3 -1. - <_> - 12 3 4 3 2. - <_> - - <_> - 15 0 3 6 -1. - <_> - 15 3 3 3 2. - <_> - - <_> - 0 3 8 3 -1. - <_> - 4 3 4 3 2. - <_> - - <_> - 2 1 4 4 -1. - <_> - 2 3 4 2 2. - <_> - - <_> - 10 2 3 2 -1. - <_> - 11 2 1 2 3. - <_> - - <_> - 10 3 3 1 -1. - <_> - 11 3 1 1 3. - <_> - - <_> - 7 15 3 4 -1. - <_> - 7 17 3 2 2. - <_> - - <_> - 4 13 3 6 -1. - <_> - 4 15 3 2 3. - <_> - - <_> - 10 5 1 14 -1. - <_> - 10 12 1 7 2. - <_> - - <_> - 5 4 10 6 -1. - <_> - 5 6 10 2 3. - <_> - - <_> - 5 0 6 3 -1. - <_> - 7 0 2 3 3. - <_> - - <_> - 6 0 3 5 -1. - <_> - 7 0 1 5 3. - <_> - - <_> - 7 15 6 5 -1. - <_> - 9 15 2 5 3. - <_> - - <_> - 9 10 2 6 -1. - <_> - 9 12 2 2 3. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 9 6 3 7 -1. - <_> - 10 6 1 7 3. - <_> - - <_> - 16 3 4 9 -1. - <_> - 16 6 4 3 3. - <_> - - <_> - 8 6 3 7 -1. - <_> - 9 6 1 7 3. - <_> - - <_> - 0 5 18 8 -1. - <_> - 0 5 9 4 2. - <_> - 9 9 9 4 2. - <_> - - <_> - 13 5 2 10 -1. - <_> - 13 10 2 5 2. - <_> - - <_> - 12 10 2 6 -1. - <_> - 12 13 2 3 2. - <_> - - <_> - 7 0 3 5 -1. - <_> - 8 0 1 5 3. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 7 8 2 3. - <_> - - <_> - 10 3 6 14 -1. - <_> - 13 3 3 7 2. - <_> - 10 10 3 7 2. - <_> - - <_> - 13 5 1 8 -1. - <_> - 13 9 1 4 2. - <_> - - <_> - 4 3 6 14 -1. - <_> - 4 3 3 7 2. - <_> - 7 10 3 7 2. - <_> - - <_> - 6 5 1 8 -1. - <_> - 6 9 1 4 2. - <_> - - <_> - 8 1 1 6 -1. - <_> - 8 3 1 2 3. - <_> - - <_> - 2 0 15 2 -1. - <_> - 2 1 15 1 2. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 10 10 6 8 -1. - <_> - 10 14 6 4 2. - <_> - - <_> - 7 1 3 2 -1. - <_> - 8 1 1 2 3. - <_> - - <_> - 8 1 2 2 -1. - <_> - 9 1 1 2 2. - <_> - - <_> - 4 3 12 9 -1. - <_> - 4 6 12 3 3. - <_> - - <_> - 6 5 9 5 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 5 5 9 5 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 4 6 6 12 -1. - <_> - 4 10 6 4 3. - <_> - - <_> - 13 0 6 18 -1. - <_> - 13 0 3 18 2. - <_> - - <_> - 10 8 1 12 -1. - <_> - 10 12 1 4 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 1 2 4 6 -1. - <_> - 3 2 2 6 2. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 2 8 2 6 -1. - <_> - 2 10 2 2 3. - <_> - - <_> - 7 5 6 6 -1. - <_> - 7 7 6 2 3. - <_> - - <_> - 7 19 6 1 -1. - <_> - 9 19 2 1 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 8 3 3 1 -1. - <_> - 9 3 1 1 3. - <_> - - <_> - 2 2 16 2 -1. - <_> - 2 2 8 1 2. - <_> - 10 3 8 1 2. - <_> - - <_> - 8 11 5 3 -1. - <_> - 8 12 5 1 3. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 0 1 6 15 -1. - <_> - 2 1 2 15 3. - <_> - - <_> - 2 12 2 3 -1. - <_> - 2 13 2 1 3. - <_> - - <_> - 16 13 1 3 -1. - <_> - 16 14 1 1 3. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 7 13 3 6 -1. - <_> - 7 16 3 3 2. - <_> - - <_> - 7 5 1 14 -1. - <_> - 7 12 1 7 2. - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 10 5 3 14 -1. - <_> - 10 12 3 7 2. - <_> - - <_> - 6 10 2 6 -1. - <_> - 6 13 2 3 2. - <_> - - <_> - 6 5 1 8 -1. - <_> - 6 9 1 4 2. - <_> - - <_> - 13 11 2 1 -1. - <_> - 13 11 1 1 2. - <_> - - <_> - 12 1 6 10 -1. - <_> - 15 1 3 5 2. - <_> - 12 6 3 5 2. - <_> - - <_> - 3 12 2 3 -1. - <_> - 3 13 2 1 3. - <_> - - <_> - 9 18 2 1 -1. - <_> - 10 18 1 1 2. - <_> - - <_> - 1 0 17 9 -1. - <_> - 1 3 17 3 3. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 2 4 4 2. - <_> - 5 6 4 4 2. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 3 4 2. - <_> - - <_> - 10 9 7 10 -1. - <_> - 10 14 7 5 2. - <_> - - <_> - 5 5 6 4 -1. - <_> - 8 5 3 4 2. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 6 5 9 10 -1. - <_> - 6 10 9 5 2. - <_> - - <_> - 8 4 4 12 -1. - <_> - 8 10 4 6 2. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 7 8 1 3. - <_> - - <_> - 3 13 10 6 -1. - <_> - 3 13 5 3 2. - <_> - 8 16 5 3 2. - <_> - - <_> - 15 1 4 11 -1. - <_> - 15 1 2 11 2. - <_> - - <_> - 5 7 10 10 -1. - <_> - 10 7 5 5 2. - <_> - 5 12 5 5 2. - <_> - - <_> - 1 1 4 11 -1. - <_> - 3 1 2 11 2. - <_> - - <_> - 1 5 8 12 -1. - <_> - 1 11 8 6 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 11 10 7 4 -1. - <_> - 11 12 7 2 2. - <_> - - <_> - 0 4 20 12 -1. - <_> - 0 4 10 6 2. - <_> - 10 10 10 6 2. - <_> - - <_> - 1 5 6 15 -1. - <_> - 1 10 6 5 3. - <_> - - <_> - 11 10 3 8 -1. - <_> - 11 14 3 4 2. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 10 14 7 2 2. - <_> - 3 16 7 2 2. - <_> - - <_> - 18 7 2 4 -1. - <_> - 18 9 2 2 2. - <_> - - <_> - 3 12 6 6 -1. - <_> - 3 14 6 2 3. - <_> - - <_> - 0 4 3 6 -1. - <_> - 0 6 3 2 3. - <_> - - <_> - 9 14 3 3 -1. - <_> - 9 15 3 1 3. - <_> - - <_> - 10 7 10 4 -1. - <_> - 15 7 5 2 2. - <_> - 10 9 5 2 2. - <_> - - <_> - 7 2 6 8 -1. - <_> - 7 6 6 4 2. - <_> - - <_> - 6 3 6 2 -1. - <_> - 8 3 2 2 3. - <_> - - <_> - 10 6 3 5 -1. - <_> - 11 6 1 5 3. - <_> - - <_> - 9 0 6 19 -1. - <_> - 11 0 2 19 3. - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 13 1 1 2. - <_> - - <_> - 7 14 5 3 -1. - <_> - 7 15 5 1 3. - <_> - - <_> - 2 1 18 4 -1. - <_> - 11 1 9 2 2. - <_> - 2 3 9 2 2. - <_> - - <_> - 10 5 3 8 -1. - <_> - 11 5 1 8 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 0 1 9 2 2. - <_> - 9 3 9 2 2. - <_> - - <_> - 7 5 3 8 -1. - <_> - 8 5 1 8 3. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 7 2 2 3. - <_> - - <_> - 10 8 5 2 -1. - <_> - 10 9 5 1 2. - <_> - - <_> - 2 10 15 1 -1. - <_> - 7 10 5 1 3. - <_> - - <_> - 2 7 2 6 -1. - <_> - 2 9 2 2 3. - <_> - - <_> - 9 14 3 3 -1. - <_> - 9 15 3 1 3. - <_> - - <_> - 9 7 4 10 -1. - <_> - 9 12 4 5 2. - <_> - - <_> - 0 8 8 2 -1. - <_> - 0 8 4 1 2. - <_> - 4 9 4 1 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 5 9 5 4 2. - <_> - 10 13 5 4 2. - <_> - - <_> - 9 7 2 4 -1. - <_> - 9 7 1 4 2. - <_> - - <_> - 9 6 3 4 -1. - <_> - 10 6 1 4 3. - <_> - - <_> - 8 3 2 1 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 12 0 4 14 -1. - <_> - 14 0 2 7 2. - <_> - 12 7 2 7 2. - <_> - - <_> - 12 5 6 9 -1. - <_> - 12 5 3 9 2. - <_> - - <_> - 0 2 6 16 -1. - <_> - 3 2 3 16 2. - <_> - - <_> - 1 12 4 2 -1. - <_> - 1 13 4 1 2. - <_> - - <_> - 7 7 6 1 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 8 3 4 9 -1. - <_> - 8 6 4 3 3. - <_> - - <_> - 12 10 4 6 -1. - <_> - 12 13 4 3 2. - <_> - - <_> - 8 1 8 16 -1. - <_> - 12 1 4 8 2. - <_> - 8 9 4 8 2. - <_> - - <_> - 4 6 3 6 -1. - <_> - 4 9 3 3 2. - <_> - - <_> - 1 3 6 2 -1. - <_> - 4 3 3 2 2. - <_> - - <_> - 9 8 3 12 -1. - <_> - 9 12 3 4 3. - <_> - - <_> - 10 9 7 10 -1. - <_> - 10 14 7 5 2. - <_> - - <_> - 3 9 7 10 -1. - <_> - 3 14 7 5 2. - <_> - - <_> - 7 5 1 14 -1. - <_> - 7 12 1 7 2. - <_> - - <_> - 13 14 1 6 -1. - <_> - 13 16 1 2 3. - <_> - - <_> - 14 12 3 6 -1. - <_> - 14 14 3 2 3. - <_> - - <_> - 6 14 1 6 -1. - <_> - 6 16 1 2 3. - <_> - - <_> - 3 12 3 6 -1. - <_> - 3 14 3 2 3. - <_> - - <_> - 8 13 5 3 -1. - <_> - 8 14 5 1 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 5 1 10 8 -1. - <_> - 5 1 5 4 2. - <_> - 10 5 5 4 2. - <_> - - <_> - 6 4 5 4 -1. - <_> - 6 6 5 2 2. - <_> - - <_> - 1 10 18 1 -1. - <_> - 7 10 6 1 3. - <_> - - <_> - 11 10 4 3 -1. - <_> - 11 10 2 3 2. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 3 13 2 3 -1. - <_> - 3 14 2 1 3. - <_> - - <_> - 12 12 3 4 -1. - <_> - 12 14 3 2 2. - <_> - - <_> - 11 10 5 6 -1. - <_> - 11 12 5 2 3. - <_> - - <_> - 0 8 16 2 -1. - <_> - 0 9 16 1 2. - <_> - - <_> - 2 1 3 4 -1. - <_> - 2 3 3 2 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 5 6 12 6 -1. - <_> - 9 6 4 6 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 3 6 12 6 -1. - <_> - 7 6 4 6 3. - <_> - - <_> - 10 5 6 5 -1. - <_> - 12 5 2 5 3. - <_> - - <_> - 5 7 10 2 -1. - <_> - 5 7 5 2 2. - <_> - - <_> - 4 5 6 5 -1. - <_> - 6 5 2 5 3. - <_> - - <_> - 9 3 2 10 -1. - <_> - 9 8 2 5 2. - <_> - - <_> - 3 1 16 2 -1. - <_> - 11 1 8 1 2. - <_> - 3 2 8 1 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 9 10 3 1 2. - <_> - - <_> - 1 1 16 2 -1. - <_> - 1 1 8 1 2. - <_> - 9 2 8 1 2. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 4 5 12 10 -1. - <_> - 10 5 6 5 2. - <_> - 4 10 6 5 2. - <_> - - <_> - 7 13 6 6 -1. - <_> - 10 13 3 3 2. - <_> - 7 16 3 3 2. - <_> - - <_> - 8 9 3 2 -1. - <_> - 8 10 3 1 2. - <_> - - <_> - 7 2 6 4 -1. - <_> - 9 2 2 4 3. - <_> - - <_> - 6 6 9 3 -1. - <_> - 6 7 9 1 3. - <_> - - <_> - 10 7 6 1 -1. - <_> - 12 7 2 1 3. - <_> - - <_> - 0 0 18 6 -1. - <_> - 6 0 6 6 3. - <_> - - <_> - 6 10 2 6 -1. - <_> - 6 13 2 3 2. - <_> - - <_> - 11 12 3 6 -1. - <_> - 11 15 3 3 2. - <_> - - <_> - 4 4 12 12 -1. - <_> - 10 4 6 6 2. - <_> - 4 10 6 6 2. - <_> - - <_> - 1 2 3 6 -1. - <_> - 2 2 1 6 3. - <_> - - <_> - 1 5 3 7 -1. - <_> - 2 5 1 7 3. - <_> - - <_> - 4 13 12 4 -1. - <_> - 10 13 6 2 2. - <_> - 4 15 6 2 2. - <_> - - <_> - 3 3 17 12 -1. - <_> - 3 9 17 6 2. - <_> - - <_> - 3 3 14 12 -1. - <_> - 3 3 7 6 2. - <_> - 10 9 7 6 2. - <_> - - <_> - 2 11 16 9 -1. - <_> - 2 14 16 3 3. - <_> - - <_> - 9 14 3 6 -1. - <_> - 9 17 3 3 2. - <_> - - <_> - 8 14 4 6 -1. - <_> - 10 14 2 3 2. - <_> - 8 17 2 3 2. - <_> - - <_> - 6 2 6 1 -1. - <_> - 8 2 2 1 3. - <_> - - <_> - 9 5 2 5 -1. - <_> - 10 5 1 5 2. - <_> - - <_> - 9 8 3 5 -1. - <_> - 10 8 1 5 3. - <_> - - <_> - 9 12 6 1 -1. - <_> - 9 12 3 1 2. - <_> - - <_> - 8 8 3 5 -1. - <_> - 9 8 1 5 3. - <_> - - <_> - 6 10 4 3 -1. - <_> - 8 10 2 3 2. - <_> - - <_> - 0 4 20 6 -1. - <_> - 0 6 20 2 3. - <_> - - <_> - 1 3 8 6 -1. - <_> - 1 3 4 3 2. - <_> - 5 6 4 3 2. - <_> - - <_> - 7 15 6 4 -1. - <_> - 7 17 6 2 2. - <_> - - <_> - 3 10 14 10 -1. - <_> - 3 15 14 5 2. - <_> - - <_> - 6 4 4 4 -1. - <_> - 8 4 2 4 2. - <_> - - <_> - 0 4 20 10 -1. - <_> - 0 9 20 5 2. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 2 0 16 4 -1. - <_> - 2 2 16 2 2. - <_> - - <_> - 4 12 6 8 -1. - <_> - 4 12 3 4 2. - <_> - 7 16 3 4 2. - <_> - - <_> - 0 5 6 7 -1. - <_> - 3 5 3 7 2. - <_> - - <_> - 10 7 10 4 -1. - <_> - 15 7 5 2 2. - <_> - 10 9 5 2 2. - <_> - - <_> - 5 8 12 1 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 9 4 2 4 -1. - <_> - 9 6 2 2 2. - <_> - - <_> - 9 6 3 6 -1. - <_> - 10 6 1 6 3. - <_> - - <_> - 12 7 6 4 -1. - <_> - 15 7 3 2 2. - <_> - 12 9 3 2 2. - <_> - - <_> - 8 6 3 6 -1. - <_> - 9 6 1 6 3. - <_> - - <_> - 1 6 18 6 -1. - <_> - 1 6 9 3 2. - <_> - 10 9 9 3 2. - <_> - - <_> - 9 1 3 3 -1. - <_> - 10 1 1 3 3. - <_> - - <_> - 10 8 5 2 -1. - <_> - 10 9 5 1 2. - <_> - - <_> - 8 1 3 3 -1. - <_> - 9 1 1 3 3. - <_> - - <_> - 5 8 5 2 -1. - <_> - 5 9 5 1 2. - <_> - - <_> - 8 6 8 8 -1. - <_> - 12 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 5 7 10 2 -1. - <_> - 5 7 5 2 2. - <_> - - <_> - 4 5 12 10 -1. - <_> - 4 5 6 5 2. - <_> - 10 10 6 5 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 9 14 3 3 -1. - <_> - 9 15 3 1 3. - <_> - - <_> - 8 14 3 3 -1. - <_> - 8 15 3 1 3. - <_> - - <_> - 1 10 8 9 -1. - <_> - 1 13 8 3 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 3 1 3 3. - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 3 1 3 3. - <_> - - <_> - 5 6 2 12 -1. - <_> - 5 10 2 4 3. - <_> - - <_> - 1 11 18 4 -1. - <_> - 10 11 9 2 2. - <_> - 1 13 9 2 2. - <_> - - <_> - 7 12 6 2 -1. - <_> - 7 13 6 1 2. - <_> - - <_> - 6 0 3 6 -1. - <_> - 7 0 1 6 3. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 11 9 2 2. - <_> - 9 13 9 2 2. - <_> - - <_> - 7 12 6 2 -1. - <_> - 7 13 6 1 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 13 3 4 2 -1. - <_> - 13 4 4 1 2. - <_> - - <_> - 4 0 12 2 -1. - <_> - 4 1 12 1 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 6 9 4 4 2. - <_> - 10 13 4 4 2. - <_> - - <_> - 1 11 6 2 -1. - <_> - 1 12 6 1 2. - <_> - - <_> - 2 5 18 8 -1. - <_> - 11 5 9 4 2. - <_> - 2 9 9 4 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 0 3 3 6 -1. - <_> - 0 5 3 2 3. - <_> - - <_> - 4 5 4 3 -1. - <_> - 4 6 4 1 3. - <_> - - <_> - 19 3 1 6 -1. - <_> - 19 5 1 2 3. - <_> - - <_> - 6 15 8 2 -1. - <_> - 6 16 8 1 2. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 5 6 3 1 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 10 6 6 3 -1. - <_> - 12 6 2 3 3. - <_> - - <_> - 8 13 2 6 -1. - <_> - 8 16 2 3 2. - <_> - - <_> - 9 11 2 8 -1. - <_> - 9 15 2 4 2. - <_> - - <_> - 10 6 6 3 -1. - <_> - 12 6 2 3 3. - <_> - - <_> - 5 15 15 5 -1. - <_> - 10 15 5 5 3. - <_> - - <_> - 2 14 2 2 -1. - <_> - 2 15 2 1 2. - <_> - - <_> - 4 7 6 2 -1. - <_> - 6 7 2 2 3. - <_> - - <_> - 8 3 6 1 -1. - <_> - 10 3 2 1 3. - <_> - - <_> - 1 0 18 12 -1. - <_> - 7 0 6 12 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 4 14 4 6 2. - <_> - - <_> - 0 15 15 5 -1. - <_> - 5 15 5 5 3. - <_> - - <_> - 8 3 6 1 -1. - <_> - 10 3 2 1 3. - <_> - - <_> - 11 11 3 6 -1. - <_> - 11 14 3 3 2. - <_> - - <_> - 6 3 6 1 -1. - <_> - 8 3 2 1 3. - <_> - - <_> - 6 11 3 6 -1. - <_> - 6 14 3 3 2. - <_> - - <_> - 9 6 3 4 -1. - <_> - 10 6 1 4 3. - <_> - - <_> - 12 10 4 7 -1. - <_> - 12 10 2 7 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 4 6 4 7 -1. - <_> - 6 6 2 7 2. - <_> - - <_> - 10 3 4 12 -1. - <_> - 10 3 2 12 2. - <_> - - <_> - 10 8 3 4 -1. - <_> - 11 8 1 4 3. - <_> - - <_> - 1 0 18 14 -1. - <_> - 7 0 6 14 3. - <_> - - <_> - 2 8 6 11 -1. - <_> - 5 8 3 11 2. - <_> - - <_> - 1 4 15 4 -1. - <_> - 1 6 15 2 2. - <_> - - <_> - 5 5 10 8 -1. - <_> - 5 9 10 4 2. - <_> - - <_> - 14 2 6 8 -1. - <_> - 14 2 3 8 2. - <_> - - <_> - 11 6 6 14 -1. - <_> - 14 6 3 7 2. - <_> - 11 13 3 7 2. - <_> - - <_> - 9 5 2 12 -1. - <_> - 9 11 2 6 2. - <_> - - <_> - 3 7 4 6 -1. - <_> - 3 9 4 2 3. - <_> - - <_> - 14 3 6 6 -1. - <_> - 14 3 3 6 2. - <_> - - <_> - 15 2 4 4 -1. - <_> - 15 4 4 2 2. - <_> - - <_> - 0 2 6 7 -1. - <_> - 3 2 3 7 2. - <_> - - <_> - 3 6 6 14 -1. - <_> - 3 6 3 7 2. - <_> - 6 13 3 7 2. - <_> - - <_> - 4 6 16 8 -1. - <_> - 4 10 16 4 2. - <_> - - <_> - 10 12 2 8 -1. - <_> - 10 16 2 4 2. - <_> - - <_> - 7 0 6 20 -1. - <_> - 9 0 2 20 3. - <_> - - <_> - 1 7 16 12 -1. - <_> - 1 7 8 6 2. - <_> - 9 13 8 6 2. - <_> - - <_> - 9 11 3 3 -1. - <_> - 9 12 3 1 3. - <_> - - <_> - 11 9 4 5 -1. - <_> - 11 9 2 5 2. - <_> - - <_> - 3 3 1 2 -1. - <_> - 3 4 1 1 2. - <_> - - <_> - 7 17 5 3 -1. - <_> - 7 18 5 1 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 10 12 2 4 2. - <_> - 8 16 2 4 2. - <_> - - <_> - 7 4 10 12 -1. - <_> - 12 4 5 6 2. - <_> - 7 10 5 6 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 5 9 4 5 -1. - <_> - 7 9 2 5 2. - <_> - - <_> - 9 9 8 2 -1. - <_> - 9 9 4 2 2. - <_> - - <_> - 14 15 5 2 -1. - <_> - 14 16 5 1 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 1 7 8 4 -1. - <_> - 1 7 4 2 2. - <_> - 5 9 4 2 2. - <_> - - <_> - 19 3 1 2 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 3 14 7 2 2. - <_> - 10 16 7 2 2. - <_> - - <_> - 5 0 10 2 -1. - <_> - 5 1 10 1 2. - <_> - - <_> - 11 14 4 6 -1. - <_> - 11 16 4 2 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 7 13 6 6 -1. - <_> - 7 13 3 3 2. - <_> - 10 16 3 3 2. - <_> - - <_> - 0 2 1 6 -1. - <_> - 0 4 1 2 3. - <_> - - <_> - 6 7 8 2 -1. - <_> - 6 8 8 1 2. - <_> - - <_> - 9 7 6 1 -1. - <_> - 9 7 3 1 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 0 2 6 2 -1. - <_> - 0 3 6 1 2. - <_> - - <_> - 11 4 2 4 -1. - <_> - 11 4 1 4 2. - <_> - - <_> - 11 10 3 6 -1. - <_> - 11 13 3 3 2. - <_> - - <_> - 3 9 8 2 -1. - <_> - 7 9 4 2 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 2 0 2 6 2. - <_> - - <_> - 7 0 6 2 -1. - <_> - 9 0 2 2 3. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 13 1 1 2. - <_> - - <_> - 4 5 11 3 -1. - <_> - 4 6 11 1 3. - <_> - - <_> - 11 4 2 4 -1. - <_> - 11 4 1 4 2. - <_> - - <_> - 8 3 6 3 -1. - <_> - 10 3 2 3 3. - <_> - - <_> - 7 4 2 4 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 3 2 3 3. - <_> - - <_> - 11 4 4 3 -1. - <_> - 11 5 4 1 3. - <_> - - <_> - 11 8 2 8 -1. - <_> - 11 12 2 4 2. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 9 7 2 5 -1. - <_> - 10 7 1 5 2. - <_> - - <_> - 14 11 1 6 -1. - <_> - 14 13 1 2 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - <_> - - <_> - 4 14 5 6 -1. - <_> - 4 16 5 2 3. - <_> - - <_> - 11 4 4 3 -1. - <_> - 11 5 4 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 5 4 4 3 -1. - <_> - 5 5 4 1 3. - <_> - - <_> - 5 15 4 2 -1. - <_> - 7 15 2 2 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 1 6 2 6 -1. - <_> - 1 8 2 2 3. - <_> - - <_> - 2 4 8 15 -1. - <_> - 2 9 8 5 3. - <_> - - <_> - 9 12 3 2 -1. - <_> - 9 13 3 1 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 7 6 3 5 -1. - <_> - 8 6 1 5 3. - <_> - - <_> - 5 3 6 2 -1. - <_> - 7 3 2 2 3. - <_> - - <_> - 6 1 8 10 -1. - <_> - 10 1 4 5 2. - <_> - 6 6 4 5 2. - <_> - - <_> - 0 0 20 10 -1. - <_> - 10 0 10 5 2. - <_> - 0 5 10 5 2. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 0 2 6 8 -1. - <_> - 2 2 2 8 3. - <_> - - <_> - 11 10 3 4 -1. - <_> - 11 12 3 2 2. - <_> - - <_> - 12 6 3 8 -1. - <_> - 12 10 3 4 2. - <_> - - <_> - 6 10 3 4 -1. - <_> - 6 12 3 2 2. - <_> - - <_> - 5 6 3 8 -1. - <_> - 5 10 3 4 2. - <_> - - <_> - 2 6 18 6 -1. - <_> - 11 6 9 3 2. - <_> - 2 9 9 3 2. - <_> - - <_> - 7 14 7 3 -1. - <_> - 7 15 7 1 3. - <_> - - <_> - 0 0 2 12 -1. - <_> - 1 0 1 12 2. - <_> - - <_> - 1 2 18 16 -1. - <_> - 1 10 18 8 2. - <_> - - <_> - 9 13 5 3 -1. - <_> - 9 14 5 1 3. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - <_> - - <_> - 12 11 1 9 -1. - <_> - 12 14 1 3 3. - <_> - - <_> - 2 4 1 3 -1. - <_> - 2 5 1 1 3. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 1 2 18 3 -1. - <_> - 7 2 6 3 3. - <_> - - <_> - 0 1 20 6 -1. - <_> - 0 3 20 2 3. - <_> - - <_> - 7 5 6 3 -1. - <_> - 9 5 2 3 3. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 3 1 4 10 -1. - <_> - 3 1 2 5 2. - <_> - 5 6 2 5 2. - <_> - - <_> - 0 4 19 10 -1. - <_> - 0 9 19 5 2. - <_> - - <_> - 9 8 3 12 -1. - <_> - 9 12 3 4 3. - <_> - - <_> - 11 18 5 2 -1. - <_> - 11 19 5 1 2. - <_> - - <_> - 5 16 6 4 -1. - <_> - 5 16 3 2 2. - <_> - 8 18 3 2 2. - <_> - - <_> - 5 18 3 2 -1. - <_> - 5 19 3 1 2. - <_> - - <_> - 13 11 3 2 -1. - <_> - 13 12 3 1 2. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 1 2 18 6 -1. - <_> - 1 2 9 3 2. - <_> - 10 5 9 3 2. - <_> - - <_> - 3 5 14 6 -1. - <_> - 3 7 14 2 3. - <_> - - <_> - 18 1 2 6 -1. - <_> - 18 3 2 2 3. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 0 2 6 11 -1. - <_> - 3 2 3 11 2. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 6 12 9 2 -1. - <_> - 9 12 3 2 3. - <_> - - <_> - 9 4 6 15 -1. - <_> - 9 4 3 15 2. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 5 4 6 15 -1. - <_> - 8 4 3 15 2. - <_> - - <_> - 14 12 6 7 -1. - <_> - 14 12 3 7 2. - <_> - - <_> - 18 3 2 9 -1. - <_> - 18 6 2 3 3. - <_> - - <_> - 8 1 3 1 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 0 12 6 7 -1. - <_> - 3 12 3 7 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 16 7 3 2 2. - <_> - 13 9 3 2 2. - <_> - - <_> - 8 0 10 2 -1. - <_> - 8 1 10 1 2. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 7 3 2 2. - <_> - 4 9 3 2 2. - <_> - - <_> - 1 2 3 3 -1. - <_> - 1 3 3 1 3. - <_> - - <_> - 9 13 4 3 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 12 13 7 2 -1. - <_> - 12 14 7 1 2. - <_> - - <_> - 5 12 9 2 -1. - <_> - 8 12 3 2 3. - <_> - - <_> - 6 10 4 8 -1. - <_> - 6 14 4 4 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 12 0 5 2 -1. - <_> - 12 1 5 1 2. - <_> - - <_> - 7 7 1 12 -1. - <_> - 7 13 1 6 2. - <_> - - <_> - 6 2 3 4 -1. - <_> - 7 2 1 4 3. - <_> - - <_> - 0 13 20 6 -1. - <_> - 0 15 20 2 3. - <_> - - <_> - 8 5 12 2 -1. - <_> - 14 5 6 1 2. - <_> - 8 6 6 1 2. - <_> - - <_> - 8 14 2 3 -1. - <_> - 8 15 2 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 10 0 4 6 2. - <_> - 6 6 4 6 2. - <_> - - <_> - 0 15 9 4 -1. - <_> - 0 17 9 2 2. - <_> - - <_> - 9 0 2 5 -1. - <_> - 10 0 1 5 2. - <_> - - <_> - 9 5 2 6 -1. - <_> - 9 5 1 6 2. - <_> - - <_> - 17 2 3 6 -1. - <_> - 17 4 3 2 3. - <_> - - <_> - 3 11 2 3 -1. - <_> - 3 12 2 1 3. - <_> - - <_> - 7 13 3 3 -1. - <_> - 7 14 3 1 3. - <_> - - <_> - 14 12 5 3 -1. - <_> - 14 13 5 1 3. - <_> - - <_> - 4 8 14 3 -1. - <_> - 4 9 14 1 3. - <_> - - <_> - 1 12 5 3 -1. - <_> - 1 13 5 1 3. - <_> - - <_> - 1 15 12 2 -1. - <_> - 1 15 6 1 2. - <_> - 7 16 6 1 2. - <_> - - <_> - 12 11 4 2 -1. - <_> - 12 12 4 1 2. - <_> - - <_> - 9 8 3 5 -1. - <_> - 10 8 1 5 3. - <_> - - <_> - 9 5 2 6 -1. - <_> - 10 5 1 6 2. - <_> - - <_> - 0 2 3 6 -1. - <_> - 0 4 3 2 3. - <_> - - <_> - 12 11 4 2 -1. - <_> - 12 12 4 1 2. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 4 11 4 2 -1. - <_> - 4 12 4 1 2. - <_> - - <_> - 8 8 3 5 -1. - <_> - 9 8 1 5 3. - <_> - - <_> - 9 3 3 1 -1. - <_> - 10 3 1 1 3. - <_> - - <_> - 16 5 3 8 -1. - <_> - 17 5 1 8 3. - <_> - - <_> - 8 3 3 1 -1. - <_> - 9 3 1 1 3. - <_> - - <_> - 1 5 3 8 -1. - <_> - 2 5 1 8 3. - <_> - - <_> - 10 1 3 3 -1. - <_> - 11 1 1 3 3. - <_> - - <_> - 17 5 2 4 -1. - <_> - 17 5 1 4 2. - <_> - - <_> - 2 8 14 3 -1. - <_> - 2 9 14 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 6 1 8 10 -1. - <_> - 6 6 8 5 2. - <_> - - <_> - 13 0 6 8 -1. - <_> - 16 0 3 4 2. - <_> - 13 4 3 4 2. - <_> - - <_> - 1 5 2 4 -1. - <_> - 2 5 1 4 2. - <_> - - <_> - 4 2 12 2 -1. - <_> - 4 3 12 1 2. - <_> - - <_> - 8 8 4 4 -1. - <_> - 8 10 4 2 2. - <_> - - <_> - 5 6 12 4 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 1 2 8 1 -1. - <_> - 5 2 4 1 2. - <_> - - <_> - 1 1 6 10 -1. - <_> - 3 1 2 10 3. - <_> - - <_> - 8 6 8 2 -1. - <_> - 8 6 4 2 2. - <_> - - <_> - 10 7 6 6 -1. - <_> - 12 7 2 6 3. - <_> - - <_> - 4 6 8 2 -1. - <_> - 8 6 4 2 2. - <_> - - <_> - 4 7 6 6 -1. - <_> - 6 7 2 6 3. - <_> - - <_> - 3 14 16 4 -1. - <_> - 3 16 16 2 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 8 12 3 3 -1. - <_> - 8 13 3 1 3. - <_> - - <_> - 5 12 6 1 -1. - <_> - 8 12 3 1 2. - <_> - - <_> - 18 10 2 3 -1. - <_> - 18 11 2 1 3. - <_> - - <_> - 16 8 4 6 -1. - <_> - 16 10 4 2 3. - <_> - - <_> - 8 3 2 1 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 1 3 9 -1. - <_> - 8 1 1 9 3. - <_> - - <_> - 5 11 11 6 -1. - <_> - 5 14 11 3 2. - <_> - - <_> - 12 2 3 14 -1. - <_> - 12 9 3 7 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 3 5 12 5 -1. - <_> - 7 5 4 5 3. - <_> - - <_> - 1 2 6 3 -1. - <_> - 4 2 3 3 2. - <_> - - <_> - 5 5 6 10 -1. - <_> - 5 5 3 5 2. - <_> - 8 10 3 5 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 2 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 18 1 2 2. - <_> - - <_> - 8 4 2 5 -1. - <_> - 9 4 1 5 2. - <_> - - <_> - 8 4 1 4 -1. - <_> - 8 6 1 2 2. - <_> - - <_> - 7 15 12 4 -1. - <_> - 13 15 6 2 2. - <_> - 7 17 6 2 2. - <_> - - <_> - 11 18 6 2 -1. - <_> - 11 19 6 1 2. - <_> - - <_> - 7 7 4 10 -1. - <_> - 7 12 4 5 2. - <_> - - <_> - 5 6 10 8 -1. - <_> - 5 10 10 4 2. - <_> - - <_> - 11 1 6 12 -1. - <_> - 14 1 3 6 2. - <_> - 11 7 3 6 2. - <_> - - <_> - 5 8 12 1 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 4 7 3 6 -1. - <_> - 4 9 3 2 3. - <_> - - <_> - 4 11 3 4 -1. - <_> - 4 13 3 2 2. - <_> - - <_> - 14 16 2 2 -1. - <_> - 14 17 2 1 2. - <_> - - <_> - 15 15 2 2 -1. - <_> - 15 16 2 1 2. - <_> - - <_> - 7 12 6 2 -1. - <_> - 7 13 6 1 2. - <_> - - <_> - 8 13 4 2 -1. - <_> - 8 14 4 1 2. - <_> - - <_> - 11 1 6 12 -1. - <_> - 14 1 3 6 2. - <_> - 11 7 3 6 2. - <_> - - <_> - 12 2 4 2 -1. - <_> - 12 3 4 1 2. - <_> - - <_> - 3 10 12 6 -1. - <_> - 3 10 6 3 2. - <_> - 9 13 6 3 2. - <_> - - <_> - 3 1 6 12 -1. - <_> - 3 1 3 6 2. - <_> - 6 7 3 6 2. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 5 1 10 8 -1. - <_> - 10 1 5 4 2. - <_> - 5 5 5 4 2. - <_> - - <_> - 0 6 4 14 -1. - <_> - 0 6 2 7 2. - <_> - 2 13 2 7 2. - <_> - - <_> - 1 15 12 4 -1. - <_> - 1 15 6 2 2. - <_> - 7 17 6 2 2. - <_> - - <_> - 10 17 3 3 -1. - <_> - 11 17 1 3 3. - <_> - - <_> - 11 2 2 6 -1. - <_> - 12 2 1 3 2. - <_> - 11 5 1 3 2. - <_> - - <_> - 7 17 3 3 -1. - <_> - 8 17 1 3 3. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 10 15 4 2 -1. - <_> - 12 15 2 1 2. - <_> - 10 16 2 1 2. - <_> - - <_> - 13 13 4 3 -1. - <_> - 13 14 4 1 3. - <_> - - <_> - 3 13 4 3 -1. - <_> - 3 14 4 1 3. - <_> - - <_> - 7 2 2 6 -1. - <_> - 7 2 1 3 2. - <_> - 8 5 1 3 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 2 2 16 1 3. - <_> - - <_> - 10 15 4 2 -1. - <_> - 12 15 2 1 2. - <_> - 10 16 2 1 2. - <_> - - <_> - 6 15 4 2 -1. - <_> - 6 15 2 1 2. - <_> - 8 16 2 1 2. - <_> - - <_> - 3 0 13 3 -1. - <_> - 3 1 13 1 3. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 6 7 9 2 -1. - <_> - 6 8 9 1 2. - <_> - - <_> - 8 14 3 6 -1. - <_> - 9 14 1 6 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 9 7 2 5 -1. - <_> - 9 7 1 5 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 9 7 2 5 -1. - <_> - 10 7 1 5 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 10 6 5 3 2. - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - <_> - - <_> - 4 3 12 11 -1. - <_> - 8 3 4 11 3. - <_> - - <_> - 7 1 2 7 -1. - <_> - 8 1 1 7 2. - <_> - - <_> - 7 4 3 8 -1. - <_> - 8 4 1 8 3. - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 6 5 1 3 -1. - <_> - 6 6 1 1 3. - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - <_> - - <_> - 16 14 3 3 -1. - <_> - 16 15 3 1 3. - <_> - - <_> - 5 9 2 2 -1. - <_> - 6 9 1 2 2. - <_> - - <_> - 1 14 3 3 -1. - <_> - 1 15 3 1 3. - <_> - - <_> - 13 1 1 6 -1. - <_> - 13 3 1 2 3. - <_> - - <_> - 13 3 7 2 -1. - <_> - 13 4 7 1 2. - <_> - - <_> - 0 6 20 14 -1. - <_> - 0 13 20 7 2. - <_> - - <_> - 0 4 3 6 -1. - <_> - 0 6 3 2 3. - <_> - - <_> - 10 1 9 6 -1. - <_> - 10 3 9 2 3. - <_> - - <_> - 8 0 12 5 -1. - <_> - 8 0 6 5 2. - <_> - - <_> - 0 0 18 5 -1. - <_> - 6 0 6 5 3. - <_> - - <_> - 1 1 9 6 -1. - <_> - 1 3 9 2 3. - <_> - - <_> - 15 15 2 2 -1. - <_> - 15 16 2 1 2. - <_> - - <_> - 13 16 3 4 -1. - <_> - 13 18 3 2 2. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 16 2 1 2. - <_> - - <_> - 4 16 3 4 -1. - <_> - 4 18 3 2 2. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 9 13 5 3 -1. - <_> - 9 14 5 1 3. - <_> - - <_> - 0 0 3 6 -1. - <_> - 0 2 3 2 3. - <_> - - <_> - 4 1 6 3 -1. - <_> - 6 1 2 3 3. - <_> - - <_> - 9 13 4 3 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 8 15 5 3 -1. - <_> - 8 16 5 1 3. - <_> - - <_> - 8 3 3 2 -1. - <_> - 9 3 1 2 3. - <_> - - <_> - 1 8 18 2 -1. - <_> - 1 9 18 1 2. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 8 13 6 3 -1. - <_> - 8 14 6 1 3. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 4 13 12 4 -1. - <_> - 4 13 6 2 2. - <_> - 10 15 6 2 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 13 4 2 8 -1. - <_> - 14 4 1 4 2. - <_> - 13 8 1 4 2. - <_> - - <_> - 0 5 4 6 -1. - <_> - 0 7 4 2 3. - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 13 0 3 7 -1. - <_> - 14 0 1 7 3. - <_> - - <_> - 11 2 2 14 -1. - <_> - 11 2 1 14 2. - <_> - - <_> - 4 0 3 7 -1. - <_> - 5 0 1 7 3. - <_> - - <_> - 5 5 8 12 -1. - <_> - 5 5 4 6 2. - <_> - 9 11 4 6 2. - <_> - - <_> - 11 4 6 3 -1. - <_> - 11 5 6 1 3. - <_> - - <_> - 12 3 4 3 -1. - <_> - 12 4 4 1 3. - <_> - - <_> - 5 5 10 12 -1. - <_> - 5 5 5 6 2. - <_> - 10 11 5 6 2. - <_> - - <_> - 3 6 12 3 -1. - <_> - 9 6 6 3 2. - <_> - - <_> - 9 6 2 7 -1. - <_> - 9 6 1 7 2. - <_> - - <_> - 9 5 2 4 -1. - <_> - 9 5 1 4 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 5 1 6 4 -1. - <_> - 7 1 2 4 3. - <_> - - <_> - 13 16 7 3 -1. - <_> - 13 17 7 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 0 16 7 3 -1. - <_> - 0 17 7 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 12 9 8 10 -1. - <_> - 12 9 4 10 2. - <_> - - <_> - 8 10 12 5 -1. - <_> - 12 10 4 5 3. - <_> - - <_> - 0 9 8 10 -1. - <_> - 4 9 4 10 2. - <_> - - <_> - 0 10 12 5 -1. - <_> - 4 10 4 5 3. - <_> - - <_> - 2 3 6 2 -1. - <_> - 5 3 3 2 2. - <_> - - <_> - 0 0 17 9 -1. - <_> - 0 3 17 3 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 10 4 6 4 -1. - <_> - 12 4 2 4 3. - <_> - - <_> - 0 10 20 4 -1. - <_> - 0 12 20 2 2. - <_> - - <_> - 4 3 6 5 -1. - <_> - 6 3 2 5 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 3 17 4 2 -1. - <_> - 3 18 4 1 2. - <_> - - <_> - 9 4 8 10 -1. - <_> - 9 9 8 5 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 8 2 4 8 -1. - <_> - 8 6 4 4 2. - <_> - - <_> - 3 4 14 12 -1. - <_> - 3 4 7 6 2. - <_> - 10 10 7 6 2. - <_> - - <_> - 7 7 6 4 -1. - <_> - 9 7 2 4 3. - <_> - - <_> - 6 7 9 4 -1. - <_> - 6 9 9 2 2. - <_> - - <_> - 2 10 3 3 -1. - <_> - 2 11 3 1 3. - <_> - - <_> - 4 6 2 9 -1. - <_> - 4 9 2 3 3. - <_> - - <_> - 9 11 3 3 -1. - <_> - 9 12 3 1 3. - <_> - - <_> - 3 1 15 2 -1. - <_> - 3 2 15 1 2. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 9 2 1 3. - <_> - - <_> - 9 6 2 5 -1. - <_> - 10 6 1 5 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 4 10 12 10 -1. - <_> - 4 15 12 5 2. - <_> - - <_> - 0 10 4 2 -1. - <_> - 0 11 4 1 2. - <_> - - <_> - 5 15 9 2 -1. - <_> - 5 16 9 1 2. - <_> - - <_> - 8 14 6 3 -1. - <_> - 8 15 6 1 3. - <_> - - <_> - 8 16 4 3 -1. - <_> - 8 17 4 1 3. - <_> - - <_> - 8 9 4 2 -1. - <_> - 8 10 4 1 2. - <_> - - <_> - 3 3 14 2 -1. - <_> - 3 4 14 1 2. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 4 12 12 1 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 7 4 4 6 -1. - <_> - 9 4 2 6 2. - <_> - - <_> - 0 2 20 14 -1. - <_> - 10 2 10 7 2. - <_> - 0 9 10 7 2. - <_> - - <_> - 14 6 1 3 -1. - <_> - 14 7 1 1 3. - <_> - - <_> - 0 4 20 12 -1. - <_> - 0 4 10 6 2. - <_> - 10 10 10 6 2. - <_> - - <_> - 8 12 1 2 -1. - <_> - 8 13 1 1 2. - <_> - - <_> - 9 18 3 2 -1. - <_> - 10 18 1 2 3. - <_> - - <_> - 9 17 6 2 -1. - <_> - 11 17 2 2 3. - <_> - - <_> - 5 6 2 3 -1. - <_> - 5 7 2 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 14 15 3 2 -1. - <_> - 14 16 3 1 2. - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 3 1 4 3. - <_> - - <_> - 3 15 3 2 -1. - <_> - 3 16 3 1 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 9 13 3 7 -1. - <_> - 10 13 1 7 3. - <_> - - <_> - 12 12 5 3 -1. - <_> - 12 13 5 1 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 7 6 2 2. - <_> - 10 9 6 2 2. - <_> - - <_> - 6 19 14 1 -1. - <_> - 6 19 7 1 2. - <_> - - <_> - 16 14 3 2 -1. - <_> - 16 15 3 1 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 1 0 4 10 -1. - <_> - 1 0 2 5 2. - <_> - 3 5 2 5 2. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 5 5 2 3. - <_> - - <_> - 9 5 2 15 -1. - <_> - 9 10 2 5 3. - <_> - - <_> - 0 3 5 6 -1. - <_> - 0 5 5 2 3. - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 12 8 8 2 -1. - <_> - 16 8 4 1 2. - <_> - 12 9 4 1 2. - <_> - - <_> - 5 8 12 1 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 3 13 3 3 -1. - <_> - 3 14 3 1 3. - <_> - - <_> - 5 13 3 2 -1. - <_> - 5 14 3 1 2. - <_> - - <_> - 9 15 3 3 -1. - <_> - 9 16 3 1 3. - <_> - - <_> - 7 15 7 3 -1. - <_> - 7 16 7 1 3. - <_> - - <_> - 3 14 11 6 -1. - <_> - 3 16 11 2 3. - <_> - - <_> - 0 19 14 1 -1. - <_> - 7 19 7 1 2. - <_> - - <_> - 9 17 6 2 -1. - <_> - 11 17 2 2 3. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 5 17 6 2 -1. - <_> - 7 17 2 2 3. - <_> - - <_> - 0 1 9 10 -1. - <_> - 3 1 3 10 3. - <_> - - <_> - 10 1 3 3 -1. - <_> - 11 1 1 3 3. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 3 4 2. - <_> - - <_> - 7 1 3 3 -1. - <_> - 8 1 1 3 3. - <_> - - <_> - 0 4 4 11 -1. - <_> - 2 4 2 11 2. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 3 4 2. - <_> - - <_> - 6 0 8 10 -1. - <_> - 10 0 4 5 2. - <_> - 6 5 4 5 2. - <_> - - <_> - 6 6 5 14 -1. - <_> - 6 13 5 7 2. - <_> - - <_> - 8 5 4 14 -1. - <_> - 8 12 4 7 2. - <_> - - <_> - 7 7 6 5 -1. - <_> - 9 7 2 5 3. - <_> - - <_> - 9 3 3 9 -1. - <_> - 9 6 3 3 3. - <_> - - <_> - 8 1 3 3 -1. - <_> - 9 1 1 3 3. - <_> - - <_> - 9 6 2 4 -1. - <_> - 10 6 1 4 2. - <_> - - <_> - 10 8 6 9 -1. - <_> - 10 8 3 9 2. - <_> - - <_> - 16 4 3 8 -1. - <_> - 17 4 1 8 3. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 5 5 6 4 -1. - <_> - 8 5 3 4 2. - <_> - - <_> - 9 8 4 2 -1. - <_> - 9 9 4 1 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 2 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 12 2 4 2. - <_> - 10 16 2 4 2. - <_> - - <_> - 0 1 4 9 -1. - <_> - 0 4 4 3 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 8 11 4 2 -1. - <_> - 8 12 4 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 7 8 6 1 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 16 0 4 9 -1. - <_> - 16 0 2 9 2. - <_> - - <_> - 16 0 3 6 -1. - <_> - 16 3 3 3 2. - <_> - - <_> - 0 0 4 9 -1. - <_> - 2 0 2 9 2. - <_> - - <_> - 1 0 3 6 -1. - <_> - 1 3 3 3 2. - <_> - - <_> - 9 7 6 9 -1. - <_> - 11 7 2 9 3. - <_> - - <_> - 10 6 3 6 -1. - <_> - 11 6 1 6 3. - <_> - - <_> - 1 2 18 2 -1. - <_> - 1 2 9 1 2. - <_> - 10 3 9 1 2. - <_> - - <_> - 5 8 6 8 -1. - <_> - 7 8 2 8 3. - <_> - - <_> - 9 0 6 16 -1. - <_> - 11 0 2 16 3. - <_> - - <_> - 14 1 6 18 -1. - <_> - 17 1 3 9 2. - <_> - 14 10 3 9 2. - <_> - - <_> - 2 9 2 3 -1. - <_> - 2 10 2 1 3. - <_> - - <_> - 0 1 6 18 -1. - <_> - 0 1 3 9 2. - <_> - 3 10 3 9 2. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 2 1 18 18 -1. - <_> - 2 10 18 9 2. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 8 13 5 3 -1. - <_> - 8 14 5 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 3 12 5 3 -1. - <_> - 3 13 5 1 3. - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 3 1 4 3. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 5 8 12 1 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 8 4 4 8 -1. - <_> - 10 4 2 8 2. - <_> - - <_> - 6 6 8 5 -1. - <_> - 10 6 4 5 2. - <_> - - <_> - 10 4 6 4 -1. - <_> - 12 4 2 4 3. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 3 5 10 8 -1. - <_> - 3 9 10 4 2. - <_> - - <_> - 7 1 2 12 -1. - <_> - 7 7 2 6 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 11 13 1 6 -1. - <_> - 11 16 1 3 2. - <_> - - <_> - 5 1 6 15 -1. - <_> - 7 1 2 15 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 17 5 2 2 -1. - <_> - 17 6 2 1 2. - <_> - - <_> - 10 3 4 10 -1. - <_> - 12 3 2 5 2. - <_> - 10 8 2 5 2. - <_> - - <_> - 1 5 2 2 -1. - <_> - 1 6 2 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 3 12 14 4 -1. - <_> - 10 12 7 2 2. - <_> - 3 14 7 2 2. - <_> - - <_> - 9 15 3 2 -1. - <_> - 9 16 3 1 2. - <_> - - <_> - 1 13 3 3 -1. - <_> - 1 14 3 1 3. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 7 7 6 1 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 0 4 16 6 -1. - <_> - 0 6 16 2 3. - <_> - - <_> - 9 3 2 14 -1. - <_> - 9 10 2 7 2. - <_> - - <_> - 12 0 4 3 -1. - <_> - 12 0 2 3 2. - <_> - - <_> - 4 18 12 2 -1. - <_> - 8 18 4 2 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 14 1 2 8 -1. - <_> - 15 1 1 4 2. - <_> - 14 5 1 4 2. - <_> - - <_> - 3 4 9 1 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 3 3 4 2 -1. - <_> - 3 4 4 1 2. - <_> - - <_> - 11 15 2 4 -1. - <_> - 11 17 2 2 2. - <_> - - <_> - 14 13 2 6 -1. - <_> - 14 15 2 2 3. - <_> - - <_> - 6 6 1 6 -1. - <_> - 6 9 1 3 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 14 8 4 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 10 11 4 8 -1. - <_> - 10 15 4 4 2. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 5 4 6 10 -1. - <_> - 8 4 3 10 2. - <_> - - <_> - 14 2 6 3 -1. - <_> - 14 3 6 1 3. - <_> - - <_> - 9 12 3 2 -1. - <_> - 9 13 3 1 2. - <_> - - <_> - 8 1 4 6 -1. - <_> - 8 3 4 2 3. - <_> - - <_> - 3 5 13 8 -1. - <_> - 3 9 13 4 2. - <_> - - <_> - 12 5 5 3 -1. - <_> - 12 6 5 1 3. - <_> - - <_> - 5 14 15 6 -1. - <_> - 5 16 15 2 3. - <_> - - <_> - 3 5 5 3 -1. - <_> - 3 6 5 1 3. - <_> - - <_> - 9 14 2 6 -1. - <_> - 9 14 1 3 2. - <_> - 10 17 1 3 2. - <_> - - <_> - 9 12 3 2 -1. - <_> - 9 13 3 1 2. - <_> - - <_> - 9 13 3 2 -1. - <_> - 9 14 3 1 2. - <_> - - <_> - 0 2 6 3 -1. - <_> - 0 3 6 1 3. - <_> - - <_> - 0 1 9 11 -1. - <_> - 3 1 3 11 3. - <_> - - <_> - 8 13 4 6 -1. - <_> - 10 13 2 3 2. - <_> - 8 16 2 3 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 3 12 14 4 -1. - <_> - 3 12 7 2 2. - <_> - 10 14 7 2 2. - <_> - - <_> - 7 14 1 4 -1. - <_> - 7 16 1 2 2. - <_> - - <_> - 8 13 4 6 -1. - <_> - 10 13 2 3 2. - <_> - 8 16 2 3 2. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 8 13 4 6 -1. - <_> - 8 13 2 3 2. - <_> - 10 16 2 3 2. - <_> - - <_> - 9 14 1 3 -1. - <_> - 9 15 1 1 3. - <_> - - <_> - 10 15 2 3 -1. - <_> - 10 16 2 1 3. - <_> - - <_> - 11 16 1 2 -1. - <_> - 11 17 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 1 2 1 2. - <_> - - <_> - 0 1 5 8 -1. - <_> - 0 5 5 4 2. - <_> - - <_> - 10 14 2 3 -1. - <_> - 10 15 2 1 3. - <_> - - <_> - 10 13 2 3 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 0 3 16 6 -1. - <_> - 0 6 16 3 2. - <_> - - <_> - 4 1 2 2 -1. - <_> - 5 1 1 2 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 10 8 2 12 -1. - <_> - 10 12 2 4 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 5 0 6 8 -1. - <_> - 7 0 2 8 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 10 7 1 6 3. - <_> - - <_> - 8 12 10 8 -1. - <_> - 8 16 10 4 2. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 10 7 6 2 2. - <_> - - <_> - 8 6 8 3 -1. - <_> - 8 6 4 3 2. - <_> - - <_> - 16 15 3 3 -1. - <_> - 16 16 3 1 3. - <_> - - <_> - 4 6 12 3 -1. - <_> - 10 6 6 3 2. - <_> - - <_> - 7 8 3 5 -1. - <_> - 8 8 1 5 3. - <_> - - <_> - 0 10 20 2 -1. - <_> - 10 10 10 1 2. - <_> - 0 11 10 1 2. - <_> - - <_> - 11 16 9 4 -1. - <_> - 14 16 3 4 3. - <_> - - <_> - 0 5 3 4 -1. - <_> - 1 5 1 4 3. - <_> - - <_> - 8 15 4 2 -1. - <_> - 8 15 2 1 2. - <_> - 10 16 2 1 2. - <_> - - <_> - 1 8 19 3 -1. - <_> - 1 9 19 1 3. - <_> - - <_> - 15 16 3 3 -1. - <_> - 15 17 3 1 3. - <_> - - <_> - 0 4 20 10 -1. - <_> - 0 4 10 5 2. - <_> - 10 9 10 5 2. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 8 6 6 6 -1. - <_> - 10 6 2 6 3. - <_> - - <_> - 16 4 4 6 -1. - <_> - 16 6 4 2 3. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 7 13 4 3 -1. - <_> - 7 14 4 1 3. - <_> - - <_> - 13 13 6 2 -1. - <_> - 13 14 6 1 2. - <_> - - <_> - 14 12 2 3 -1. - <_> - 14 13 2 1 3. - <_> - - <_> - 1 13 6 2 -1. - <_> - 1 14 6 1 2. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 17 4 3 5 -1. - <_> - 18 4 1 5 3. - <_> - - <_> - 5 5 14 8 -1. - <_> - 12 5 7 4 2. - <_> - 5 9 7 4 2. - <_> - - <_> - 6 8 6 5 -1. - <_> - 8 8 2 5 3. - <_> - - <_> - 0 4 4 6 -1. - <_> - 0 6 4 2 3. - <_> - - <_> - 9 1 3 6 -1. - <_> - 10 1 1 6 3. - <_> - - <_> - 10 4 6 3 -1. - <_> - 10 5 6 1 3. - <_> - - <_> - 8 1 3 6 -1. - <_> - 9 1 1 6 3. - <_> - - <_> - 4 4 6 3 -1. - <_> - 4 5 6 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 12 11 4 2 -1. - <_> - 12 12 4 1 2. - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 2 10 3 2. - <_> - 10 5 10 3 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 2 10 16 4 -1. - <_> - 10 10 8 2 2. - <_> - 2 12 8 2 2. - <_> - - <_> - 3 10 16 6 -1. - <_> - 11 10 8 3 2. - <_> - 3 13 8 3 2. - <_> - - <_> - 1 10 16 6 -1. - <_> - 1 10 8 3 2. - <_> - 9 13 8 3 2. - <_> - - <_> - 4 7 2 4 -1. - <_> - 5 7 1 4 2. - <_> - - <_> - 11 16 9 4 -1. - <_> - 14 16 3 4 3. - <_> - - <_> - 3 16 14 4 -1. - <_> - 10 16 7 2 2. - <_> - 3 18 7 2 2. - <_> - - <_> - 0 16 9 4 -1. - <_> - 3 16 3 4 3. - <_> - - <_> - 1 14 6 6 -1. - <_> - 1 14 3 3 2. - <_> - 4 17 3 3 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 6 7 8 10 -1. - <_> - 10 7 4 5 2. - <_> - 6 12 4 5 2. - <_> - - <_> - 2 15 1 2 -1. - <_> - 2 16 1 1 2. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 7 8 6 2 -1. - <_> - 7 9 6 1 2. - <_> - - <_> - 9 2 2 15 -1. - <_> - 9 7 2 5 3. - <_> - - <_> - 5 6 2 2 -1. - <_> - 5 7 2 1 2. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 7 8 1 3. - <_> - - <_> - 12 13 5 6 -1. - <_> - 12 15 5 2 3. - <_> - - <_> - 0 0 20 18 -1. - <_> - 0 9 20 9 2. - <_> - - <_> - 5 1 6 6 -1. - <_> - 7 1 2 6 3. - <_> - - <_> - 5 1 4 9 -1. - <_> - 7 1 2 9 2. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 14 16 5 2 -1. - <_> - 14 17 5 1 2. - <_> - - <_> - 0 5 15 10 -1. - <_> - 0 10 15 5 2. - <_> - - <_> - 7 15 4 2 -1. - <_> - 7 15 2 1 2. - <_> - 9 16 2 1 2. - <_> - - <_> - 14 11 2 2 -1. - <_> - 14 12 2 1 2. - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 4 11 2 2 -1. - <_> - 4 12 2 1 2. - <_> - - <_> - 8 8 3 3 -1. - <_> - 8 9 3 1 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 1 9 4 10 -1. - <_> - 1 9 2 5 2. - <_> - 3 14 2 5 2. - <_> - - <_> - 0 12 6 8 -1. - <_> - 2 12 2 8 3. - <_> - - <_> - 9 1 4 2 -1. - <_> - 11 1 2 1 2. - <_> - 9 2 2 1 2. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 7 0 2 3 -1. - <_> - 7 1 2 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 9 14 2 3 3. - <_> - - <_> - 9 6 6 4 -1. - <_> - 11 6 2 4 3. - <_> - - <_> - 8 10 8 3 -1. - <_> - 8 10 4 3 2. - <_> - - <_> - 6 10 4 3 -1. - <_> - 8 10 2 3 2. - <_> - - <_> - 6 8 3 5 -1. - <_> - 7 8 1 5 3. - <_> - - <_> - 0 4 8 1 -1. - <_> - 4 4 4 1 2. - <_> - - <_> - 8 2 2 6 -1. - <_> - 8 2 1 3 2. - <_> - 9 5 1 3 2. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 12 10 3 6 -1. - <_> - 12 13 3 3 2. - <_> - - <_> - 8 15 1 4 -1. - <_> - 8 17 1 2 2. - <_> - - <_> - 5 16 2 4 -1. - <_> - 5 18 2 2 2. - <_> - - <_> - 6 2 8 12 -1. - <_> - 6 6 8 4 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 8 11 3 3 -1. - <_> - 8 12 3 1 3. - <_> - - <_> - 12 11 3 6 -1. - <_> - 12 14 3 3 2. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 5 7 10 12 -1. - <_> - 5 7 5 6 2. - <_> - 10 13 5 6 2. - <_> - - <_> - 4 4 2 10 -1. - <_> - 4 9 2 5 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 11 9 6 2 -1. - <_> - 11 9 3 2 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 5 7 1 2 2. - <_> - - <_> - 0 2 4 6 -1. - <_> - 0 4 4 2 3. - <_> - - <_> - 10 7 3 4 -1. - <_> - 11 7 1 4 3. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 9 1 1 3 -1. - <_> - 9 2 1 1 3. - <_> - - <_> - 0 6 16 6 -1. - <_> - 0 6 8 3 2. - <_> - 8 9 8 3 2. - <_> - - <_> - 10 15 3 3 -1. - <_> - 10 16 3 1 3. - <_> - - <_> - 9 14 4 3 -1. - <_> - 9 15 4 1 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 3 0 14 2 -1. - <_> - 3 1 14 1 2. - <_> - - <_> - 9 14 3 3 -1. - <_> - 9 15 3 1 3. - <_> - - <_> - 10 15 3 3 -1. - <_> - 10 16 3 1 3. - <_> - - <_> - 9 13 2 6 -1. - <_> - 9 16 2 3 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 12 11 3 6 -1. - <_> - 12 14 3 3 2. - <_> - - <_> - 8 12 5 2 -1. - <_> - 8 13 5 1 2. - <_> - - <_> - 5 11 3 6 -1. - <_> - 5 14 3 3 2. - <_> - - <_> - 8 12 3 2 -1. - <_> - 8 13 3 1 2. - <_> - - <_> - 11 13 7 6 -1. - <_> - 11 15 7 2 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 3 13 14 4 -1. - <_> - 3 13 7 2 2. - <_> - 10 15 7 2 2. - <_> - - <_> - 8 14 4 6 -1. - <_> - 8 14 2 3 2. - <_> - 10 17 2 3 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 7 16 6 2 -1. - <_> - 9 16 2 2 3. - <_> - - <_> - 7 7 6 2 -1. - <_> - 7 8 6 1 2. - <_> - - <_> - 3 9 13 3 -1. - <_> - 3 10 13 1 3. - <_> - - <_> - 9 8 3 4 -1. - <_> - 9 10 3 2 2. - <_> - - <_> - 8 10 4 3 -1. - <_> - 8 11 4 1 3. - <_> - - <_> - 7 7 3 4 -1. - <_> - 8 7 1 4 3. - <_> - - <_> - 8 7 3 5 -1. - <_> - 9 7 1 5 3. - <_> - - <_> - 12 3 3 4 -1. - <_> - 13 3 1 4 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 5 3 3 4 -1. - <_> - 6 3 1 4 3. - <_> - - <_> - 3 7 12 1 -1. - <_> - 7 7 4 1 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 12 6 3 1 3. - <_> - - <_> - 11 2 6 2 -1. - <_> - 11 3 6 1 2. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 2 7 1 2. - <_> - 10 3 7 1 2. - <_> - - <_> - 6 1 7 14 -1. - <_> - 6 8 7 7 2. - <_> - - <_> - 8 0 12 5 -1. - <_> - 8 0 6 5 2. - <_> - - <_> - 1 9 18 1 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 0 0 10 5 -1. - <_> - 5 0 5 5 2. - <_> - - <_> - 2 5 8 15 -1. - <_> - 2 10 8 5 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 12 6 3 1 3. - <_> - - <_> - 13 4 2 3 -1. - <_> - 13 5 2 1 3. - <_> - - <_> - 2 15 4 3 -1. - <_> - 2 16 4 1 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 10 6 5 3 2. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 12 4 4 3 -1. - <_> - 12 5 4 1 3. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 4 4 4 3 -1. - <_> - 4 5 4 1 3. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 4 1 3 3. - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 4 5 5 3 -1. - <_> - 4 6 5 1 3. - <_> - - <_> - 4 6 4 3 -1. - <_> - 4 7 4 1 3. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 4 1 3 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 4 1 3 3. - <_> - - <_> - 4 14 1 3 -1. - <_> - 4 15 1 1 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 17 0 3 2 -1. - <_> - 17 1 3 1 2. - <_> - - <_> - 8 10 2 9 -1. - <_> - 8 13 2 3 3. - <_> - - <_> - 0 8 18 2 -1. - <_> - 0 9 18 1 2. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 1 14 6 6 -1. - <_> - 1 14 3 3 2. - <_> - 4 17 3 3 2. - <_> - - <_> - 0 18 6 2 -1. - <_> - 0 19 6 1 2. - <_> - - <_> - 12 9 4 3 -1. - <_> - 12 9 2 3 2. - <_> - - <_> - 9 8 3 8 -1. - <_> - 10 8 1 8 3. - <_> - - <_> - 4 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 4 18 6 1 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 9 7 3 2 -1. - <_> - 10 7 1 2 3. - <_> - - <_> - 6 7 8 12 -1. - <_> - 10 7 4 6 2. - <_> - 6 13 4 6 2. - <_> - - <_> - 8 7 3 2 -1. - <_> - 9 7 1 2 3. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 3 16 14 4 -1. - <_> - 10 16 7 2 2. - <_> - 3 18 7 2 2. - <_> - - <_> - 1 14 18 4 -1. - <_> - 10 14 9 2 2. - <_> - 1 16 9 2 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 0 4 20 12 -1. - <_> - 0 4 10 6 2. - <_> - 10 10 10 6 2. - <_> - - <_> - 5 5 10 12 -1. - <_> - 10 5 5 6 2. - <_> - 5 11 5 6 2. - <_> - - <_> - 10 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 8 11 4 3 -1. - <_> - 8 12 4 1 3. - <_> - - <_> - 8 12 3 3 -1. - <_> - 8 13 3 1 3. - <_> - - <_> - 13 13 5 6 -1. - <_> - 13 15 5 2 3. - <_> - - <_> - 7 0 6 6 -1. - <_> - 9 0 2 6 3. - <_> - - <_> - 2 13 5 6 -1. - <_> - 2 15 5 2 3. - <_> - - <_> - 0 4 2 12 -1. - <_> - 0 4 1 6 2. - <_> - 1 10 1 6 2. - <_> - - <_> - 9 19 3 1 -1. - <_> - 10 19 1 1 3. - <_> - - <_> - 18 0 2 6 -1. - <_> - 18 2 2 2 3. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 0 0 3 6 -1. - <_> - 0 2 3 2 3. - <_> - - <_> - 17 2 3 7 -1. - <_> - 18 2 1 7 3. - <_> - - <_> - 10 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 0 2 3 7 -1. - <_> - 1 2 1 7 3. - <_> - - <_> - 6 2 4 8 -1. - <_> - 8 2 2 8 2. - <_> - - <_> - 13 0 1 4 -1. - <_> - 13 2 1 2 2. - <_> - - <_> - 5 1 12 5 -1. - <_> - 9 1 4 5 3. - <_> - - <_> - 6 0 1 4 -1. - <_> - 6 2 1 2 2. - <_> - - <_> - 3 1 12 5 -1. - <_> - 7 1 4 5 3. - <_> - - <_> - 9 12 3 8 -1. - <_> - 10 12 1 8 3. - <_> - - <_> - 7 13 6 1 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 5 16 7 3 -1. - <_> - 5 17 7 1 3. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 14 20 2 3. - <_> - - <_> - 4 18 14 2 -1. - <_> - 4 19 14 1 2. - <_> - - <_> - 8 12 3 8 -1. - <_> - 9 12 1 8 3. - <_> - - <_> - 7 13 3 3 -1. - <_> - 7 14 3 1 3. - <_> - - <_> - 5 5 12 10 -1. - <_> - 11 5 6 5 2. - <_> - 5 10 6 5 2. - <_> - - <_> - 8 1 5 10 -1. - <_> - 8 6 5 5 2. - <_> - - <_> - 5 4 9 12 -1. - <_> - 5 10 9 6 2. - <_> - - <_> - 7 13 6 6 -1. - <_> - 7 15 6 2 3. - <_> - - <_> - 8 4 5 16 -1. - <_> - 8 12 5 8 2. - <_> - - <_> - 8 12 4 6 -1. - <_> - 8 15 4 3 2. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 18 0 2 14 -1. - <_> - 18 0 1 14 2. - <_> - - <_> - 12 11 7 2 -1. - <_> - 12 12 7 1 2. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 2 18 1 2 -1. - <_> - 2 19 1 1 2. - <_> - - <_> - 9 7 2 1 -1. - <_> - 9 7 1 1 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 6 1 3 2. - <_> - - <_> - 3 1 2 2 -1. - <_> - 4 1 1 2 2. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 1 3 1 2. - <_> - - <_> - 12 10 3 4 -1. - <_> - 12 12 3 2 2. - <_> - - <_> - 7 7 8 2 -1. - <_> - 7 8 8 1 2. - <_> - - <_> - 8 8 3 4 -1. - <_> - 8 10 3 2 2. - <_> - - <_> - 7 12 6 3 -1. - <_> - 7 13 6 1 3. - <_> - - <_> - 0 2 10 3 -1. - <_> - 5 2 5 3 2. - <_> - - <_> - 0 1 20 6 -1. - <_> - 0 3 20 2 3. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 6 2 3 3. - <_> - - <_> - 3 7 14 4 -1. - <_> - 3 9 14 2 2. - <_> - - <_> - 5 7 3 6 -1. - <_> - 5 9 3 2 3. - <_> - - <_> - 8 8 3 12 -1. - <_> - 8 12 3 4 3. - <_> - - <_> - 9 17 6 2 -1. - <_> - 12 17 3 1 2. - <_> - 9 18 3 1 2. - <_> - - <_> - 10 17 4 3 -1. - <_> - 10 18 4 1 3. - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 3 4 1 2. - <_> - - <_> - 7 3 6 14 -1. - <_> - 9 3 2 14 3. - <_> - - <_> - 15 13 1 6 -1. - <_> - 15 16 1 3 2. - <_> - - <_> - 13 14 2 6 -1. - <_> - 13 16 2 2 3. - <_> - - <_> - 4 11 5 6 -1. - <_> - 4 14 5 3 2. - <_> - - <_> - 4 17 4 2 -1. - <_> - 6 17 2 2 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 6 5 10 12 -1. - <_> - 11 5 5 6 2. - <_> - 6 11 5 6 2. - <_> - - <_> - 4 0 2 12 -1. - <_> - 4 0 1 6 2. - <_> - 5 6 1 6 2. - <_> - - <_> - 4 1 6 2 -1. - <_> - 6 1 2 2 3. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 5 5 15 6 -1. - <_> - 5 7 15 2 3. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 10 9 1 2. - <_> - 10 11 9 1 2. - <_> - - <_> - 1 6 15 7 -1. - <_> - 6 6 5 7 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 9 14 3 3 -1. - <_> - 9 15 3 1 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 8 13 3 2 -1. - <_> - 8 14 3 1 2. - <_> - - <_> - 15 14 5 3 -1. - <_> - 15 15 5 1 3. - <_> - - <_> - 0 14 20 1 -1. - <_> - 0 14 10 1 2. - <_> - - <_> - 0 14 6 3 -1. - <_> - 0 15 6 1 3. - <_> - - <_> - 5 3 4 2 -1. - <_> - 5 4 4 1 2. - <_> - - <_> - 0 6 20 1 -1. - <_> - 0 6 10 1 2. - <_> - - <_> - 6 3 10 14 -1. - <_> - 11 3 5 7 2. - <_> - 6 10 5 7 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 6 3 8 6 -1. - <_> - 6 3 4 3 2. - <_> - 10 6 4 3 2. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 6 3 10 14 -1. - <_> - 11 3 5 7 2. - <_> - 6 10 5 7 2. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 4 3 10 14 -1. - <_> - 4 3 5 7 2. - <_> - 9 10 5 7 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 0 3 20 1 -1. - <_> - 0 3 10 1 2. - <_> - - <_> - 2 1 10 3 -1. - <_> - 2 2 10 1 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 10 7 1 6 3. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 16 3 4 6 -1. - <_> - 16 5 4 2 3. - <_> - - <_> - 15 6 2 12 -1. - <_> - 16 6 1 6 2. - <_> - 15 12 1 6 2. - <_> - - <_> - 1 4 18 10 -1. - <_> - 1 4 9 5 2. - <_> - 10 9 9 5 2. - <_> - - <_> - 9 4 2 4 -1. - <_> - 9 6 2 2 2. - <_> - - <_> - 12 5 3 2 -1. - <_> - 12 6 3 1 2. - <_> - - <_> - 5 12 10 4 -1. - <_> - 5 14 10 2 2. - <_> - - <_> - 5 5 3 2 -1. - <_> - 5 6 3 1 2. - <_> - - <_> - 4 6 12 6 -1. - <_> - 8 6 4 6 3. - <_> - - <_> - 14 4 6 6 -1. - <_> - 14 6 6 2 3. - <_> - - <_> - 16 0 4 6 -1. - <_> - 18 0 2 3 2. - <_> - 16 3 2 3 2. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 6 6 2 3. - <_> - - <_> - 0 0 4 6 -1. - <_> - 0 0 2 3 2. - <_> - 2 3 2 3 2. - <_> - - <_> - 12 0 8 5 -1. - <_> - 12 0 4 5 2. - <_> - - <_> - 16 0 4 17 -1. - <_> - 16 0 2 17 2. - <_> - - <_> - 1 0 18 20 -1. - <_> - 7 0 6 20 3. - <_> - - <_> - 6 0 2 5 -1. - <_> - 7 0 1 5 2. - <_> - - <_> - 0 6 20 1 -1. - <_> - 0 6 10 1 2. - <_> - - <_> - 8 7 6 4 -1. - <_> - 10 7 2 4 3. - <_> - - <_> - 1 1 16 4 -1. - <_> - 1 1 8 2 2. - <_> - 9 3 8 2 2. - <_> - - <_> - 7 2 4 2 -1. - <_> - 7 2 2 1 2. - <_> - 9 3 2 1 2. - <_> - - <_> - 7 4 9 3 -1. - <_> - 7 5 9 1 3. - <_> - - <_> - 10 4 5 12 -1. - <_> - 10 10 5 6 2. - <_> - - <_> - 3 12 2 3 -1. - <_> - 3 13 2 1 3. - <_> - - <_> - 8 8 3 5 -1. - <_> - 9 8 1 5 3. - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 12 2 1 2. - <_> - - <_> - 5 6 2 3 -1. - <_> - 5 7 2 1 3. - <_> - - <_> - 2 11 6 2 -1. - <_> - 2 12 6 1 2. - <_> - - <_> - 15 11 4 3 -1. - <_> - 15 12 4 1 3. - <_> - - <_> - 16 0 4 17 -1. - <_> - 16 0 2 17 2. - <_> - - <_> - 1 11 4 3 -1. - <_> - 1 12 4 1 3. - <_> - - <_> - 9 11 1 3 -1. - <_> - 9 12 1 1 3. - <_> - - <_> - 10 9 6 7 -1. - <_> - 10 9 3 7 2. - <_> - - <_> - 8 15 4 2 -1. - <_> - 8 16 4 1 2. - <_> - - <_> - 4 9 6 7 -1. - <_> - 7 9 3 7 2. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 0 2 20 2 -1. - <_> - 10 2 10 1 2. - <_> - 0 3 10 1 2. - <_> - - <_> - 6 7 8 2 -1. - <_> - 6 8 8 1 2. - <_> - - <_> - 0 2 20 2 -1. - <_> - 0 2 10 1 2. - <_> - 10 3 10 1 2. - <_> - - <_> - 3 1 2 10 -1. - <_> - 3 1 1 5 2. - <_> - 4 6 1 5 2. - <_> - - <_> - 13 4 1 10 -1. - <_> - 13 9 1 5 2. - <_> - - <_> - 9 8 4 3 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 2 11 16 4 -1. - <_> - 2 11 8 2 2. - <_> - 10 13 8 2 2. - <_> - - <_> - 5 1 3 5 -1. - <_> - 6 1 1 5 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 12 2 1 2. - <_> - - <_> - 0 10 20 2 -1. - <_> - 0 11 20 1 2. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 7 3 2 2. - <_> - 4 9 3 2 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 14 1 6 4 -1. - <_> - 16 1 2 4 3. - <_> - - <_> - 6 3 2 14 -1. - <_> - 6 10 2 7 2. - <_> - - <_> - 6 1 7 12 -1. - <_> - 6 7 7 6 2. - <_> - - <_> - 5 0 15 5 -1. - <_> - 10 0 5 5 3. - <_> - - <_> - 15 0 4 10 -1. - <_> - 15 0 2 10 2. - <_> - - <_> - 1 0 18 3 -1. - <_> - 7 0 6 3 3. - <_> - - <_> - 0 0 17 2 -1. - <_> - 0 1 17 1 2. - <_> - - <_> - 10 0 3 3 -1. - <_> - 11 0 1 3 3. - <_> - - <_> - 10 0 3 12 -1. - <_> - 11 0 1 12 3. - <_> - - <_> - 1 3 4 16 -1. - <_> - 1 3 2 8 2. - <_> - 3 11 2 8 2. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 0 1 3 3. - <_> - - <_> - 9 13 2 6 -1. - <_> - 9 16 2 3 2. - <_> - - <_> - 9 0 6 13 -1. - <_> - 11 0 2 13 3. - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 7 1 2 3. - <_> - - <_> - 8 2 1 12 -1. - <_> - 8 6 1 4 3. - <_> - - <_> - 4 10 12 6 -1. - <_> - 10 10 6 3 2. - <_> - 4 13 6 3 2. - <_> - - <_> - 13 5 2 3 -1. - <_> - 13 6 2 1 3. - <_> - - <_> - 4 10 12 6 -1. - <_> - 4 10 6 3 2. - <_> - 10 13 6 3 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 9 6 2 4 -1. - <_> - 9 6 1 4 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 9 6 2 4 -1. - <_> - 10 6 1 4 2. - <_> - - <_> - 12 9 2 3 -1. - <_> - 12 9 1 3 2. - <_> - - <_> - 0 6 20 1 -1. - <_> - 0 6 10 1 2. - <_> - - <_> - 5 7 10 2 -1. - <_> - 10 7 5 2 2. - <_> - - <_> - 1 16 4 3 -1. - <_> - 1 17 4 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 10 3 5 3 -1. - <_> - 10 4 5 1 3. - <_> - - <_> - 3 9 14 8 -1. - <_> - 3 9 7 4 2. - <_> - 10 13 7 4 2. - <_> - - <_> - 6 8 8 10 -1. - <_> - 6 8 4 5 2. - <_> - 10 13 4 5 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 10 3 5 3 -1. - <_> - 10 4 5 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 5 3 5 3 -1. - <_> - 5 4 5 1 3. - <_> - - <_> - 13 16 2 3 -1. - <_> - 13 17 2 1 3. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 3 14 3 3 -1. - <_> - 3 15 3 1 3. - <_> - - <_> - 7 15 5 3 -1. - <_> - 7 16 5 1 3. - <_> - - <_> - 12 9 2 3 -1. - <_> - 12 9 1 3 2. - <_> - - <_> - 15 13 2 6 -1. - <_> - 15 13 1 6 2. - <_> - - <_> - 6 9 2 3 -1. - <_> - 7 9 1 3 2. - <_> - - <_> - 3 13 2 6 -1. - <_> - 4 13 1 6 2. - <_> - - <_> - 11 4 2 4 -1. - <_> - 11 4 1 4 2. - <_> - - <_> - 13 4 2 5 -1. - <_> - 13 4 1 5 2. - <_> - - <_> - 7 4 2 4 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 5 4 2 5 -1. - <_> - 6 4 1 5 2. - <_> - - <_> - 19 6 1 2 -1. - <_> - 19 7 1 1 2. - <_> - - <_> - 12 7 8 13 -1. - <_> - 12 7 4 13 2. - <_> - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - <_> - - <_> - 6 15 4 3 -1. - <_> - 6 16 4 1 3. - <_> - - <_> - 11 8 2 2 -1. - <_> - 11 9 2 1 2. - <_> - - <_> - 11 7 2 4 -1. - <_> - 11 7 1 4 2. - <_> - - <_> - 4 13 2 3 -1. - <_> - 4 14 2 1 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 1 0 18 5 -1. - <_> - 7 0 6 5 3. - <_> - - <_> - 5 7 3 4 -1. - <_> - 5 9 3 2 2. - <_> - - <_> - 10 6 2 2 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 6 4 14 4 -1. - <_> - 13 4 7 2 2. - <_> - 6 6 7 2 2. - <_> - - <_> - 5 16 6 4 -1. - <_> - 5 16 3 2 2. - <_> - 8 18 3 2 2. - <_> - - <_> - 7 15 2 4 -1. - <_> - 7 17 2 2 2. - <_> - - <_> - 8 5 5 14 -1. - <_> - 8 12 5 7 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 7 5 3 7 -1. - <_> - 8 5 1 7 3. - <_> - - <_> - 0 0 3 9 -1. - <_> - 0 3 3 3 3. - <_> - - <_> - 8 6 8 8 -1. - <_> - 12 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 4 3 6 1 -1. - <_> - 6 3 2 1 3. - <_> - - <_> - 9 1 2 6 -1. - <_> - 9 3 2 2 3. - <_> - - <_> - 10 5 6 4 -1. - <_> - 12 5 2 4 3. - <_> - - <_> - 9 5 2 12 -1. - <_> - 9 9 2 4 3. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 8 12 4 3 -1. - <_> - 8 13 4 1 3. - <_> - - <_> - 10 3 6 7 -1. - <_> - 12 3 2 7 3. - <_> - - <_> - 3 10 16 6 -1. - <_> - 3 12 16 2 3. - <_> - - <_> - 5 5 3 10 -1. - <_> - 5 10 3 5 2. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 13 3 3 2. - <_> - - <_> - 17 2 2 12 -1. - <_> - 17 2 1 12 2. - <_> - - <_> - 16 6 2 14 -1. - <_> - 16 13 2 7 2. - <_> - - <_> - 3 11 12 9 -1. - <_> - 3 14 12 3 3. - <_> - - <_> - 0 2 4 12 -1. - <_> - 2 2 2 12 2. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 0 1 18 2. - <_> - - <_> - 16 12 3 2 -1. - <_> - 16 13 3 1 2. - <_> - - <_> - 0 2 2 15 -1. - <_> - 1 2 1 15 2. - <_> - - <_> - 1 10 2 4 -1. - <_> - 1 12 2 2 2. - <_> - - <_> - 11 1 2 18 -1. - <_> - 11 1 1 18 2. - <_> - - <_> - 3 2 14 2 -1. - <_> - 10 2 7 1 2. - <_> - 3 3 7 1 2. - <_> - - <_> - 7 1 2 18 -1. - <_> - 8 1 1 18 2. - <_> - - <_> - 6 1 8 12 -1. - <_> - 6 7 8 6 2. - <_> - - <_> - 8 14 4 3 -1. - <_> - 8 15 4 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 0 13 5 2 -1. - <_> - 0 14 5 1 2. - <_> - - <_> - 9 0 2 6 -1. - <_> - 9 0 1 3 2. - <_> - 10 3 1 3 2. - <_> - - <_> - 9 0 2 6 -1. - <_> - 10 0 1 3 2. - <_> - 9 3 1 3 2. - <_> - - <_> - 9 7 3 6 -1. - <_> - 10 7 1 6 3. - <_> - - <_> - 9 0 2 6 -1. - <_> - 9 0 1 3 2. - <_> - 10 3 1 3 2. - <_> - - <_> - 8 7 3 6 -1. - <_> - 9 7 1 6 3. - <_> - - <_> - 9 6 2 6 -1. - <_> - 9 6 1 6 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 4 2 3 2. - <_> - - <_> - 0 4 4 3 -1. - <_> - 0 5 4 1 3. - <_> - - <_> - 8 7 4 2 -1. - <_> - 8 8 4 1 2. - <_> - - <_> - 10 6 6 3 -1. - <_> - 12 6 2 3 3. - <_> - - <_> - 9 6 3 12 -1. - <_> - 9 10 3 4 3. - <_> - - <_> - 5 4 2 3 -1. - <_> - 5 5 2 1 3. - <_> - - <_> - 5 6 1 3 -1. - <_> - 5 7 1 1 3. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 0 8 20 1 2. - <_> - - <_> - 4 3 6 7 -1. - <_> - 6 3 2 7 3. - <_> - - <_> - 5 10 6 10 -1. - <_> - 5 10 3 5 2. - <_> - 8 15 3 5 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 5 6 1 3 -1. - <_> - 5 7 1 1 3. - <_> - - <_> - 0 1 20 2 -1. - <_> - 10 1 10 1 2. - <_> - 0 2 10 1 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 5 3 3 2 -1. - <_> - 5 4 3 1 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 7 4 2 2 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 14 20 2 3. - <_> - - <_> - 2 2 16 4 -1. - <_> - 2 2 8 2 2. - <_> - 10 4 8 2 2. - <_> - - <_> - 7 12 5 3 -1. - <_> - 7 13 5 1 3. - <_> - - <_> - 14 9 6 10 -1. - <_> - 14 9 3 10 2. - <_> - - <_> - 16 6 3 2 -1. - <_> - 16 7 3 1 2. - <_> - - <_> - 0 9 6 10 -1. - <_> - 3 9 3 10 2. - <_> - - <_> - 0 16 5 2 -1. - <_> - 0 17 5 1 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 9 7 2 12 -1. - <_> - 9 11 2 4 3. - <_> - - <_> - 3 2 6 2 -1. - <_> - 5 2 2 2 3. - <_> - - <_> - 4 1 1 2 -1. - <_> - 4 2 1 1 2. - <_> - - <_> - 11 15 1 2 -1. - <_> - 11 16 1 1 2. - <_> - - <_> - 3 1 16 2 -1. - <_> - 11 1 8 1 2. - <_> - 3 2 8 1 2. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 11 5 3 2. - <_> - 10 14 5 3 2. - <_> - - <_> - 10 11 4 6 -1. - <_> - 10 14 4 3 2. - <_> - - <_> - 14 9 6 11 -1. - <_> - 16 9 2 11 3. - <_> - - <_> - 0 9 6 11 -1. - <_> - 2 9 2 11 3. - <_> - - <_> - 2 11 16 6 -1. - <_> - 2 11 8 3 2. - <_> - 10 14 8 3 2. - <_> - - <_> - 12 0 8 10 -1. - <_> - 16 0 4 5 2. - <_> - 12 5 4 5 2. - <_> - - <_> - 14 2 6 4 -1. - <_> - 16 2 2 4 3. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 0 4 5 2. - <_> - 4 5 4 5 2. - <_> - - <_> - 0 2 6 4 -1. - <_> - 2 2 2 4 3. - <_> - - <_> - 4 9 15 2 -1. - <_> - 9 9 5 2 3. - <_> - - <_> - 12 3 4 8 -1. - <_> - 14 3 2 4 2. - <_> - 12 7 2 4 2. - <_> - - <_> - 9 2 2 9 -1. - <_> - 10 2 1 9 2. - <_> - - <_> - 0 2 20 1 -1. - <_> - 10 2 10 1 2. - <_> - - <_> - 16 1 4 5 -1. - <_> - 16 1 2 5 2. - <_> - - <_> - 16 0 4 6 -1. - <_> - 16 3 4 3 2. - <_> - - <_> - 4 3 6 4 -1. - <_> - 6 3 2 4 3. - <_> - - <_> - 0 0 18 5 -1. - <_> - 6 0 6 5 3. - <_> - - <_> - 6 2 12 14 -1. - <_> - 12 2 6 7 2. - <_> - 6 9 6 7 2. - <_> - - <_> - 11 8 3 5 -1. - <_> - 12 8 1 5 3. - <_> - - <_> - 5 12 2 2 -1. - <_> - 5 13 2 1 2. - <_> - - <_> - 5 10 4 3 -1. - <_> - 7 10 2 3 2. - <_> - - <_> - 4 9 15 2 -1. - <_> - 9 9 5 2 3. - <_> - - <_> - 10 7 6 2 -1. - <_> - 12 7 2 2 3. - <_> - - <_> - 1 9 15 2 -1. - <_> - 6 9 5 2 3. - <_> - - <_> - 5 0 2 10 -1. - <_> - 5 0 1 5 2. - <_> - 6 5 1 5 2. - <_> - - <_> - 0 0 20 14 -1. - <_> - 0 7 20 7 2. - <_> - - <_> - 12 7 8 4 -1. - <_> - 12 7 4 4 2. - <_> - - <_> - 0 7 8 4 -1. - <_> - 4 7 4 4 2. - <_> - - <_> - 8 1 3 3 -1. - <_> - 9 1 1 3 3. - <_> - - <_> - 9 7 3 4 -1. - <_> - 10 7 1 4 3. - <_> - - <_> - 9 9 3 1 -1. - <_> - 10 9 1 1 3. - <_> - - <_> - 8 9 3 2 -1. - <_> - 8 10 3 1 2. - <_> - - <_> - 8 4 2 8 -1. - <_> - 8 4 1 4 2. - <_> - 9 8 1 4 2. - <_> - - <_> - 5 8 12 3 -1. - <_> - 5 9 12 1 3. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 12 3 2 3. - <_> - - <_> - 4 17 8 3 -1. - <_> - 4 18 8 1 3. - <_> - - <_> - 17 6 2 3 -1. - <_> - 17 7 2 1 3. - <_> - - <_> - 9 12 2 2 -1. - <_> - 10 12 1 1 2. - <_> - 9 13 1 1 2. - <_> - - <_> - 9 13 2 4 -1. - <_> - 9 13 1 2 2. - <_> - 10 15 1 2 2. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 5 5 12 10 -1. - <_> - 11 5 6 5 2. - <_> - 5 10 6 5 2. - <_> - - <_> - 6 3 12 12 -1. - <_> - 12 3 6 6 2. - <_> - 6 9 6 6 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 4 3 3 2 -1. - <_> - 5 3 1 2 3. - <_> - - <_> - 6 2 12 14 -1. - <_> - 12 2 6 7 2. - <_> - 6 9 6 7 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 9 2 4 3 3. - <_> - - <_> - 1 1 18 17 -1. - <_> - 7 1 6 17 3. - <_> - - <_> - 0 9 10 1 -1. - <_> - 5 9 5 1 2. - <_> - - <_> - 16 8 4 3 -1. - <_> - 16 9 4 1 3. - <_> - - <_> - 7 13 6 6 -1. - <_> - 7 16 6 3 2. - <_> - - <_> - 6 14 1 6 -1. - <_> - 6 16 1 2 3. - <_> - - <_> - 6 17 4 2 -1. - <_> - 6 18 4 1 2. - <_> - - <_> - 10 18 6 2 -1. - <_> - 13 18 3 1 2. - <_> - 10 19 3 1 2. - <_> - - <_> - 16 8 1 3 -1. - <_> - 16 9 1 1 3. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 9 15 1 2 -1. - <_> - 9 16 1 1 2. - <_> - - <_> - 13 0 3 12 -1. - <_> - 14 0 1 12 3. - <_> - - <_> - 15 11 1 3 -1. - <_> - 15 12 1 1 3. - <_> - - <_> - 8 15 3 3 -1. - <_> - 8 16 3 1 3. - <_> - - <_> - 4 0 3 12 -1. - <_> - 5 0 1 12 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 9 9 3 1 -1. - <_> - 10 9 1 1 3. - <_> - - <_> - 2 2 12 14 -1. - <_> - 2 2 6 7 2. - <_> - 8 9 6 7 2. - <_> - - <_> - 4 2 12 3 -1. - <_> - 8 2 4 3 3. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 17 2 3 8 -1. - <_> - 18 2 1 8 3. - <_> - - <_> - 0 18 2 2 -1. - <_> - 1 18 1 2 2. - <_> - - <_> - 6 11 2 6 -1. - <_> - 6 14 2 3 2. - <_> - - <_> - 13 10 5 6 -1. - <_> - 13 12 5 2 3. - <_> - - <_> - 5 8 15 3 -1. - <_> - 5 9 15 1 3. - <_> - - <_> - 2 10 5 6 -1. - <_> - 2 12 5 2 3. - <_> - - <_> - 0 8 15 3 -1. - <_> - 0 9 15 1 3. - <_> - - <_> - 16 2 3 1 -1. - <_> - 17 2 1 1 3. - <_> - - <_> - 17 4 3 2 -1. - <_> - 18 4 1 2 3. - <_> - - <_> - 0 8 8 12 -1. - <_> - 0 8 4 6 2. - <_> - 4 14 4 6 2. - <_> - - <_> - 1 7 8 6 -1. - <_> - 1 7 4 3 2. - <_> - 5 10 4 3 2. - <_> - - <_> - 14 1 6 2 -1. - <_> - 16 1 2 2 3. - <_> - - <_> - 15 0 4 4 -1. - <_> - 17 0 2 2 2. - <_> - 15 2 2 2 2. - <_> - - <_> - 1 1 4 11 -1. - <_> - 3 1 2 11 2. - <_> - - <_> - 5 5 1 8 -1. - <_> - 5 9 1 4 2. - <_> - - <_> - 7 7 6 1 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 8 4 4 4 -1. - <_> - 8 6 4 2 2. - <_> - - <_> - 2 4 9 1 -1. - <_> - 5 4 3 1 3. - <_> - - <_> - 9 12 2 8 -1. - <_> - 9 16 2 4 2. - <_> - - <_> - 3 8 14 12 -1. - <_> - 3 14 14 6 2. - <_> - - <_> - 6 13 7 3 -1. - <_> - 6 14 7 1 3. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 12 1 6 3 -1. - <_> - 12 2 6 1 3. - <_> - - <_> - 8 12 6 2 -1. - <_> - 8 13 6 1 2. - <_> - - <_> - 0 2 18 2 -1. - <_> - 0 2 9 1 2. - <_> - 9 3 9 1 2. - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 13 3 3 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 15 0 5 8 -1. - <_> - 15 4 5 4 2. - <_> - - <_> - 7 16 6 4 -1. - <_> - 9 16 2 4 3. - <_> - - <_> - 2 11 14 4 -1. - <_> - 2 11 7 2 2. - <_> - 9 13 7 2 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 14 10 3 10 2. - <_> - - <_> - 9 8 10 12 -1. - <_> - 14 8 5 6 2. - <_> - 9 14 5 6 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 3 10 3 10 2. - <_> - - <_> - 1 8 10 12 -1. - <_> - 1 8 5 6 2. - <_> - 6 14 5 6 2. - <_> - - <_> - 9 3 6 1 -1. - <_> - 11 3 2 1 3. - <_> - - <_> - 7 4 6 3 -1. - <_> - 9 4 2 3 3. - <_> - - <_> - 5 3 6 1 -1. - <_> - 7 3 2 1 3. - <_> - - <_> - 4 5 6 3 -1. - <_> - 6 5 2 3 3. - <_> - - <_> - 9 16 3 3 -1. - <_> - 9 17 3 1 3. - <_> - - <_> - 8 14 6 3 -1. - <_> - 8 15 6 1 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 0 4 6 2. - <_> - 10 6 4 6 2. - <_> - - <_> - 4 12 2 3 -1. - <_> - 4 13 2 1 3. - <_> - - <_> - 12 16 6 3 -1. - <_> - 12 17 6 1 3. - <_> - - <_> - 7 12 7 2 -1. - <_> - 7 13 7 1 2. - <_> - - <_> - 2 16 6 3 -1. - <_> - 2 17 6 1 3. - <_> - - <_> - 0 7 16 6 -1. - <_> - 0 10 16 3 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 9 7 3 5 -1. - <_> - 10 7 1 5 3. - <_> - - <_> - 0 5 20 10 -1. - <_> - 0 5 10 5 2. - <_> - 10 10 10 5 2. - <_> - - <_> - 3 1 4 2 -1. - <_> - 5 1 2 2 2. - <_> - - <_> - 7 6 8 10 -1. - <_> - 11 6 4 5 2. - <_> - 7 11 4 5 2. - <_> - - <_> - 17 6 3 2 -1. - <_> - 17 7 3 1 2. - <_> - - <_> - 5 6 8 10 -1. - <_> - 5 6 4 5 2. - <_> - 9 11 4 5 2. - <_> - - <_> - 5 12 10 6 -1. - <_> - 5 14 10 2 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 10 3 2 6 -1. - <_> - 11 3 1 3 2. - <_> - 10 6 1 3 2. - <_> - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - <_> - - <_> - 3 16 8 4 -1. - <_> - 3 16 4 2 2. - <_> - 7 18 4 2 2. - <_> - - <_> - 8 13 5 2 -1. - <_> - 8 14 5 1 2. - <_> - - <_> - 8 7 4 12 -1. - <_> - 8 11 4 4 3. - <_> - - <_> - 5 9 2 2 -1. - <_> - 6 9 1 2 2. - <_> - - <_> - 9 15 2 3 -1. - <_> - 9 16 2 1 3. - <_> - - <_> - 13 9 2 3 -1. - <_> - 13 9 1 3 2. - <_> - - <_> - 14 0 6 17 -1. - <_> - 16 0 2 17 3. - <_> - - <_> - 5 10 2 2 -1. - <_> - 6 10 1 2 2. - <_> - - <_> - 2 9 9 1 -1. - <_> - 5 9 3 1 3. - <_> - - <_> - 9 11 2 3 -1. - <_> - 9 12 2 1 3. - <_> - - <_> - 7 11 6 3 -1. - <_> - 7 12 6 1 3. - <_> - - <_> - 0 6 3 2 -1. - <_> - 0 7 3 1 2. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 9 16 3 3 -1. - <_> - 9 17 3 1 3. - <_> - - <_> - 2 13 17 6 -1. - <_> - 2 16 17 3 2. - <_> - - <_> - 1 3 3 7 -1. - <_> - 2 3 1 7 3. - <_> - - <_> - 1 1 6 4 -1. - <_> - 3 1 2 4 3. - <_> - - <_> - 14 1 6 5 -1. - <_> - 14 1 3 5 2. - <_> - - <_> - 13 2 3 2 -1. - <_> - 13 3 3 1 2. - <_> - - <_> - 0 1 6 5 -1. - <_> - 3 1 3 5 2. - <_> - - <_> - 2 3 2 6 -1. - <_> - 2 5 2 2 3. - <_> - - <_> - 9 10 3 2 -1. - <_> - 9 11 3 1 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 8 2 3 12 -1. - <_> - 8 6 3 4 3. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 11 12 2 2 -1. - <_> - 12 12 1 1 2. - <_> - 11 13 1 1 2. - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 6 2 1 2. - <_> - - <_> - 5 4 1 3 -1. - <_> - 5 5 1 1 3. - <_> - - <_> - 3 11 16 4 -1. - <_> - 11 11 8 2 2. - <_> - 3 13 8 2 2. - <_> - - <_> - 0 10 20 3 -1. - <_> - 0 11 20 1 3. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 3 4 1 2. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 12 11 6 6 -1. - <_> - 12 13 6 2 3. - <_> - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - <_> - - <_> - 6 4 4 16 -1. - <_> - 8 4 2 16 2. - <_> - - <_> - 11 18 3 2 -1. - <_> - 11 19 3 1 2. - <_> - - <_> - 9 17 6 2 -1. - <_> - 12 17 3 1 2. - <_> - 9 18 3 1 2. - <_> - - <_> - 2 13 5 2 -1. - <_> - 2 14 5 1 2. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 16 2 1 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 9 6 2 6 -1. - <_> - 9 6 1 6 2. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 8 1 2 11 -1. - <_> - 9 1 1 11 2. - <_> - - <_> - 9 7 2 4 -1. - <_> - 9 7 1 4 2. - <_> - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - <_> - - <_> - 0 3 3 9 -1. - <_> - 1 3 1 9 3. - <_> - - <_> - 0 3 3 6 -1. - <_> - 0 5 3 2 3. - <_> - - <_> - 11 15 2 2 -1. - <_> - 12 15 1 1 2. - <_> - 11 16 1 1 2. - <_> - - <_> - 11 14 2 2 -1. - <_> - 12 14 1 1 2. - <_> - 11 15 1 1 2. - <_> - - <_> - 7 15 2 2 -1. - <_> - 7 15 1 1 2. - <_> - 8 16 1 1 2. - <_> - - <_> - 7 14 2 2 -1. - <_> - 7 14 1 1 2. - <_> - 8 15 1 1 2. - <_> - - <_> - 8 13 4 6 -1. - <_> - 10 13 2 3 2. - <_> - 8 16 2 3 2. - <_> - - <_> - 2 14 16 4 -1. - <_> - 10 14 8 2 2. - <_> - 2 16 8 2 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 7 7 5 3 -1. - <_> - 7 8 5 1 3. - <_> - - <_> - 7 5 6 2 -1. - <_> - 9 5 2 2 3. - <_> - - <_> - 9 1 6 18 -1. - <_> - 11 1 2 18 3. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 8 5 2 4 -1. - <_> - 8 5 1 2 2. - <_> - 9 7 1 2 2. - <_> - - <_> - 9 13 2 6 -1. - <_> - 10 13 1 3 2. - <_> - 9 16 1 3 2. - <_> - - <_> - 11 0 3 18 -1. - <_> - 12 0 1 18 3. - <_> - - <_> - 6 0 3 18 -1. - <_> - 7 0 1 18 3. - <_> - - <_> - 5 15 4 2 -1. - <_> - 7 15 2 2 2. - <_> - - <_> - 1 9 18 1 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 9 6 2 4 -1. - <_> - 10 6 1 4 2. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 0 7 20 1 -1. - <_> - 0 7 10 1 2. - <_> - - <_> - 11 3 5 4 -1. - <_> - 11 5 5 2 2. - <_> - - <_> - 5 7 10 1 -1. - <_> - 10 7 5 1 2. - <_> - - <_> - 8 10 3 3 -1. - <_> - 8 11 3 1 3. - <_> - - <_> - 2 0 16 8 -1. - <_> - 10 0 8 4 2. - <_> - 2 4 8 4 2. - <_> - - <_> - 11 0 9 10 -1. - <_> - 11 5 9 5 2. - <_> - - <_> - 0 2 8 18 -1. - <_> - 4 2 4 18 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 2 2 2 3. - <_> - - <_> - 6 0 9 2 -1. - <_> - 6 1 9 1 2. - <_> - - <_> - 4 1 12 2 -1. - <_> - 4 2 12 1 2. - <_> - - <_> - 2 1 16 14 -1. - <_> - 2 8 16 7 2. - <_> - - <_> - 5 1 8 12 -1. - <_> - 5 7 8 6 2. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 12 2 1 2. - <_> - - <_> - 9 10 5 6 -1. - <_> - 9 12 5 2 3. - <_> - - <_> - 3 0 13 8 -1. - <_> - 3 4 13 4 2. - <_> - - <_> - 6 7 5 8 -1. - <_> - 6 11 5 4 2. - <_> - - <_> - 9 5 2 3 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 6 8 8 3 -1. - <_> - 6 9 8 1 3. - <_> - - <_> - 2 2 7 6 -1. - <_> - 2 5 7 3 2. - <_> - - <_> - 2 1 14 4 -1. - <_> - 2 1 7 2 2. - <_> - 9 3 7 2 2. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 6 15 8 2 -1. - <_> - 6 16 8 1 2. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 8 11 2 8 -1. - <_> - 8 15 2 4 2. - <_> - - <_> - 6 15 8 2 -1. - <_> - 6 16 8 1 2. - <_> - - <_> - 7 16 8 3 -1. - <_> - 7 17 8 1 3. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 17 2 1 2. - <_> - - <_> - 1 16 8 4 -1. - <_> - 1 16 4 2 2. - <_> - 5 18 4 2 2. - <_> - - <_> - 2 9 16 3 -1. - <_> - 2 10 16 1 3. - <_> - - <_> - 13 11 2 4 -1. - <_> - 13 11 1 4 2. - <_> - - <_> - 0 13 16 6 -1. - <_> - 0 15 16 2 3. - <_> - - <_> - 5 11 2 4 -1. - <_> - 6 11 1 4 2. - <_> - - <_> - 18 2 2 18 -1. - <_> - 19 2 1 9 2. - <_> - 18 11 1 9 2. - <_> - - <_> - 19 7 1 9 -1. - <_> - 19 10 1 3 3. - <_> - - <_> - 0 2 2 18 -1. - <_> - 0 2 1 9 2. - <_> - 1 11 1 9 2. - <_> - - <_> - 0 7 1 9 -1. - <_> - 0 10 1 3 3. - <_> - - <_> - 14 12 2 2 -1. - <_> - 14 13 2 1 2. - <_> - - <_> - 11 14 2 3 -1. - <_> - 11 15 2 1 3. - <_> - - <_> - 7 8 6 2 -1. - <_> - 7 9 6 1 2. - <_> - - <_> - 7 12 4 6 -1. - <_> - 7 12 2 3 2. - <_> - 9 15 2 3 2. - <_> - - <_> - 8 13 5 3 -1. - <_> - 8 14 5 1 3. - <_> - - <_> - 12 14 2 2 -1. - <_> - 13 14 1 1 2. - <_> - 12 15 1 1 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 7 13 5 2 -1. - <_> - 7 14 5 1 2. - <_> - - <_> - 2 10 16 4 -1. - <_> - 10 10 8 2 2. - <_> - 2 12 8 2 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 9 0 2 6 3. - <_> - - <_> - 7 1 6 3 -1. - <_> - 7 2 6 1 3. - <_> - - <_> - 0 12 6 2 -1. - <_> - 0 13 6 1 2. - <_> - - <_> - 6 3 11 2 -1. - <_> - 6 4 11 1 2. - <_> - - <_> - 12 0 8 6 -1. - <_> - 16 0 4 3 2. - <_> - 12 3 4 3 2. - <_> - - <_> - 8 12 1 2 -1. - <_> - 8 13 1 1 2. - <_> - - <_> - 8 8 1 12 -1. - <_> - 8 12 1 4 3. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 12 7 3 13 -1. - <_> - 13 7 1 13 3. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 3 13 1 3 -1. - <_> - 3 14 1 1 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 1 10 5 9 -1. - <_> - 1 13 5 3 3. - <_> - - <_> - 4 8 6 4 -1. - <_> - 6 8 2 4 3. - <_> - - <_> - 13 12 1 4 -1. - <_> - 13 14 1 2 2. - <_> - - <_> - 11 3 4 14 -1. - <_> - 13 3 2 7 2. - <_> - 11 10 2 7 2. - <_> - - <_> - 6 12 1 4 -1. - <_> - 6 14 1 2 2. - <_> - - <_> - 5 3 4 14 -1. - <_> - 5 3 2 7 2. - <_> - 7 10 2 7 2. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 2 2 12 6 -1. - <_> - 2 2 6 3 2. - <_> - 8 5 6 3 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 9 6 3 2 2. - <_> - - <_> - 1 0 18 12 -1. - <_> - 7 0 6 12 3. - <_> - - <_> - 5 7 6 4 -1. - <_> - 5 7 3 2 2. - <_> - 8 9 3 2 2. - <_> - - <_> - 5 7 10 4 -1. - <_> - 5 9 10 2 2. - <_> - - <_> - 7 7 6 4 -1. - <_> - 9 7 2 4 3. - <_> - - <_> - 9 5 2 2 -1. - <_> - 9 6 2 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 6 17 8 3 -1. - <_> - 6 18 8 1 3. - <_> - - <_> - 9 17 6 2 -1. - <_> - 12 17 3 1 2. - <_> - 9 18 3 1 2. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 3 12 9 2 -1. - <_> - 3 13 9 1 2. - <_> - - <_> - 8 3 6 1 -1. - <_> - 10 3 2 1 3. - <_> - - <_> - 9 3 4 6 -1. - <_> - 11 3 2 3 2. - <_> - 9 6 2 3 2. - <_> - - <_> - 0 3 6 5 -1. - <_> - 3 3 3 5 2. - <_> - - <_> - 2 0 2 18 -1. - <_> - 2 6 2 6 3. - <_> - - <_> - 14 2 4 9 -1. - <_> - 14 5 4 3 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 2 2 4 9 -1. - <_> - 2 5 4 3 3. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 10 14 3 3 -1. - <_> - 10 15 3 1 3. - <_> - - <_> - 10 12 2 6 -1. - <_> - 10 15 2 3 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 7 7 3 2 3. - <_> - - <_> - 3 3 6 2 -1. - <_> - 3 4 6 1 2. - <_> - - <_> - 8 4 7 3 -1. - <_> - 8 5 7 1 3. - <_> - - <_> - 13 6 2 3 -1. - <_> - 13 7 2 1 3. - <_> - - <_> - 8 8 2 12 -1. - <_> - 8 12 2 4 3. - <_> - - <_> - 5 4 8 14 -1. - <_> - 5 4 4 7 2. - <_> - 9 11 4 7 2. - <_> - - <_> - 0 1 20 8 -1. - <_> - 10 1 10 4 2. - <_> - 0 5 10 4 2. - <_> - - <_> - 4 0 12 2 -1. - <_> - 4 1 12 1 2. - <_> - - <_> - 0 1 20 8 -1. - <_> - 0 1 10 4 2. - <_> - 10 5 10 4 2. - <_> - - <_> - 4 0 12 2 -1. - <_> - 4 1 12 1 2. - <_> - - <_> - 9 5 6 3 -1. - <_> - 9 5 3 3 2. - <_> - - <_> - 8 13 10 6 -1. - <_> - 8 15 10 2 3. - <_> - - <_> - 5 5 6 3 -1. - <_> - 8 5 3 3 2. - <_> - - <_> - 6 3 6 1 -1. - <_> - 8 3 2 1 3. - <_> - - <_> - 11 18 9 2 -1. - <_> - 14 18 3 2 3. - <_> - - <_> - 13 11 6 7 -1. - <_> - 13 11 3 7 2. - <_> - - <_> - 4 6 12 10 -1. - <_> - 4 6 6 5 2. - <_> - 10 11 6 5 2. - <_> - - <_> - 8 17 3 3 -1. - <_> - 9 17 1 3 3. - <_> - - <_> - 11 18 9 2 -1. - <_> - 14 18 3 2 3. - <_> - - <_> - 13 11 6 8 -1. - <_> - 13 11 3 8 2. - <_> - - <_> - 4 16 2 2 -1. - <_> - 4 17 2 1 2. - <_> - - <_> - 7 15 4 4 -1. - <_> - 7 17 4 2 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 13 6 2 3 -1. - <_> - 13 7 2 1 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 0 12 20 4 -1. - <_> - 0 14 20 2 2. - <_> - - <_> - 10 2 3 2 -1. - <_> - 10 3 3 1 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 5 5 4 3 -1. - <_> - 5 6 4 1 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 10 4 2 12 -1. - <_> - 10 8 2 4 3. - <_> - - <_> - 0 3 4 3 -1. - <_> - 0 4 4 1 3. - <_> - - <_> - 1 3 2 3 -1. - <_> - 1 4 2 1 3. - <_> - - <_> - 16 1 4 11 -1. - <_> - 16 1 2 11 2. - <_> - - <_> - 18 2 2 16 -1. - <_> - 19 2 1 8 2. - <_> - 18 10 1 8 2. - <_> - - <_> - 1 8 6 12 -1. - <_> - 3 8 2 12 3. - <_> - - <_> - 7 2 6 2 -1. - <_> - 7 2 3 1 2. - <_> - 10 3 3 1 2. - <_> - - <_> - 12 4 8 2 -1. - <_> - 16 4 4 1 2. - <_> - 12 5 4 1 2. - <_> - - <_> - 10 6 6 2 -1. - <_> - 12 6 2 2 3. - <_> - - <_> - 0 4 8 2 -1. - <_> - 0 4 4 1 2. - <_> - 4 5 4 1 2. - <_> - - <_> - 1 3 3 5 -1. - <_> - 2 3 1 5 3. - <_> - - <_> - 16 3 4 6 -1. - <_> - 16 5 4 2 3. - <_> - - <_> - 8 6 4 3 -1. - <_> - 8 7 4 1 3. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 4 11 1 2 -1. - <_> - 4 12 1 1 2. - <_> - - <_> - 8 14 6 3 -1. - <_> - 8 15 6 1 3. - <_> - - <_> - 7 15 7 3 -1. - <_> - 7 16 7 1 3. - <_> - - <_> - 9 12 2 8 -1. - <_> - 9 16 2 4 2. - <_> - - <_> - 4 6 6 2 -1. - <_> - 6 6 2 2 3. - <_> - - <_> - 12 7 4 2 -1. - <_> - 12 8 4 1 2. - <_> - - <_> - 5 3 13 10 -1. - <_> - 5 8 13 5 2. - <_> - - <_> - 4 7 4 2 -1. - <_> - 4 8 4 1 2. - <_> - - <_> - 0 8 16 2 -1. - <_> - 0 8 8 1 2. - <_> - 8 9 8 1 2. - <_> - - <_> - 11 8 2 5 -1. - <_> - 11 8 1 5 2. - <_> - - <_> - 10 0 6 13 -1. - <_> - 10 0 3 13 2. - <_> - - <_> - 1 6 4 2 -1. - <_> - 1 7 4 1 2. - <_> - - <_> - 4 3 2 1 -1. - <_> - 5 3 1 1 2. - <_> - - <_> - 11 8 2 5 -1. - <_> - 11 8 1 5 2. - <_> - - <_> - 12 10 4 8 -1. - <_> - 12 10 2 8 2. - <_> - - <_> - 7 8 2 5 -1. - <_> - 8 8 1 5 2. - <_> - - <_> - 4 10 4 8 -1. - <_> - 6 10 2 8 2. - <_> - - <_> - 6 7 9 12 -1. - <_> - 9 7 3 12 3. - <_> - - <_> - 11 13 2 3 -1. - <_> - 11 13 1 3 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 10 2. - <_> - - <_> - 8 11 4 8 -1. - <_> - 8 11 2 4 2. - <_> - 10 15 2 4 2. - <_> - - <_> - 16 1 4 11 -1. - <_> - 16 1 2 11 2. - <_> - - <_> - 18 2 2 4 -1. - <_> - 18 2 1 4 2. - <_> - - <_> - 5 6 6 2 -1. - <_> - 5 6 3 1 2. - <_> - 8 7 3 1 2. - <_> - - <_> - 5 4 1 3 -1. - <_> - 5 5 1 1 3. - <_> - - <_> - 11 1 4 14 -1. - <_> - 11 1 2 14 2. - <_> - - <_> - 4 2 12 3 -1. - <_> - 8 2 4 3 3. - <_> - - <_> - 5 1 4 14 -1. - <_> - 7 1 2 14 2. - <_> - - <_> - 7 3 6 2 -1. - <_> - 9 3 2 2 3. - <_> - - <_> - 2 0 18 4 -1. - <_> - 8 0 6 4 3. - <_> - - <_> - 9 5 2 10 -1. - <_> - 9 10 2 5 2. - <_> - - <_> - 8 6 3 4 -1. - <_> - 9 6 1 4 3. - <_> - - <_> - 5 5 9 11 -1. - <_> - 8 5 3 11 3. - <_> - - <_> - 10 6 3 5 -1. - <_> - 11 6 1 5 3. - <_> - - <_> - 8 9 6 5 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 7 6 3 5 -1. - <_> - 8 6 1 5 3. - <_> - - <_> - 6 10 6 3 -1. - <_> - 9 10 3 3 2. - <_> - - <_> - 10 0 3 7 -1. - <_> - 11 0 1 7 3. - <_> - - <_> - 0 3 20 12 -1. - <_> - 0 9 20 6 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 5 9 4 1 -1. - <_> - 7 9 2 1 2. - <_> - - <_> - 13 13 3 2 -1. - <_> - 13 14 3 1 2. - <_> - - <_> - 16 9 4 6 -1. - <_> - 16 9 2 6 2. - <_> - - <_> - 7 15 6 3 -1. - <_> - 7 16 6 1 3. - <_> - - <_> - 6 16 7 3 -1. - <_> - 6 17 7 1 3. - <_> - - <_> - 11 14 9 6 -1. - <_> - 11 16 9 2 3. - <_> - - <_> - 19 14 1 3 -1. - <_> - 19 15 1 1 3. - <_> - - <_> - 0 9 6 6 -1. - <_> - 3 9 3 6 2. - <_> - - <_> - 0 19 9 1 -1. - <_> - 3 19 3 1 3. - <_> - - <_> - 11 14 9 6 -1. - <_> - 11 16 9 2 3. - <_> - - <_> - 12 12 6 6 -1. - <_> - 12 14 6 2 3. - <_> - - <_> - 1 14 8 6 -1. - <_> - 1 16 8 2 3. - <_> - - <_> - 8 1 3 2 -1. - <_> - 9 1 1 2 3. - <_> - - <_> - 18 2 2 4 -1. - <_> - 18 2 1 4 2. - <_> - - <_> - 14 0 6 3 -1. - <_> - 16 0 2 3 3. - <_> - - <_> - 0 2 2 4 -1. - <_> - 1 2 1 4 2. - <_> - - <_> - 0 0 6 3 -1. - <_> - 2 0 2 3 3. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 0 1 2 3. - <_> - - <_> - 12 1 2 2 -1. - <_> - 12 1 1 2 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 0 1 2 3. - <_> - - <_> - 6 1 2 2 -1. - <_> - 7 1 1 2 2. - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 9 2 1 3. - <_> - - <_> - 13 15 6 2 -1. - <_> - 13 16 6 1 2. - <_> - - <_> - 8 12 2 2 -1. - <_> - 8 12 1 1 2. - <_> - 9 13 1 1 2. - <_> - - <_> - 8 15 3 5 -1. - <_> - 9 15 1 5 3. - <_> - - <_> - 8 6 4 12 -1. - <_> - 8 12 4 6 2. - <_> - - <_> - 7 6 7 8 -1. - <_> - 7 10 7 4 2. - <_> - - <_> - 0 11 8 2 -1. - <_> - 0 12 8 1 2. - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 11 1 1 2. - <_> - 9 12 1 1 2. - <_> - - <_> - 7 7 12 1 -1. - <_> - 11 7 4 1 3. - <_> - - <_> - 10 8 3 2 -1. - <_> - 11 8 1 2 3. - <_> - - <_> - 1 7 12 1 -1. - <_> - 5 7 4 1 3. - <_> - - <_> - 6 5 8 2 -1. - <_> - 6 5 4 1 2. - <_> - 10 6 4 1 2. - <_> - - <_> - 9 10 3 10 -1. - <_> - 10 10 1 10 3. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - <_> - - <_> - 8 10 3 10 -1. - <_> - 9 10 1 10 3. - <_> - - <_> - 9 10 2 3 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 8 9 4 2 -1. - <_> - 10 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 6 1 3 1 -1. - <_> - 7 1 1 1 3. - <_> - - <_> - 2 0 2 4 -1. - <_> - 3 0 1 4 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 12 14 6 2 3. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 3 0 2 9 -1. - <_> - 3 3 2 3 3. - <_> - - <_> - 14 13 3 2 -1. - <_> - 14 14 3 1 2. - <_> - - <_> - 15 2 3 2 -1. - <_> - 15 3 3 1 2. - <_> - - <_> - 2 13 5 2 -1. - <_> - 2 14 5 1 2. - <_> - - <_> - 3 4 12 10 -1. - <_> - 3 4 6 5 2. - <_> - 9 9 6 5 2. - <_> - - <_> - 5 1 14 6 -1. - <_> - 5 3 14 2 3. - <_> - - <_> - 15 3 3 2 -1. - <_> - 15 4 3 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 2 14 6 6 -1. - <_> - 2 16 6 2 3. - <_> - - <_> - 6 13 8 3 -1. - <_> - 6 14 8 1 3. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 8 12 1 6 -1. - <_> - 8 15 1 3 2. - <_> - - <_> - 0 0 14 15 -1. - <_> - 0 5 14 5 3. - <_> - - <_> - 3 0 16 8 -1. - <_> - 3 4 16 4 2. - <_> - - <_> - 6 1 8 12 -1. - <_> - 6 7 8 6 2. - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 3 1 3 3. - <_> - - <_> - 5 1 3 4 -1. - <_> - 6 1 1 4 3. - <_> - - <_> - 15 14 4 6 -1. - <_> - 17 14 2 3 2. - <_> - 15 17 2 3 2. - <_> - - <_> - 12 11 6 8 -1. - <_> - 15 11 3 4 2. - <_> - 12 15 3 4 2. - <_> - - <_> - 8 7 2 4 -1. - <_> - 9 7 1 4 2. - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 12 3 2 14 -1. - <_> - 12 3 1 14 2. - <_> - - <_> - 12 11 6 2 -1. - <_> - 15 11 3 1 2. - <_> - 12 12 3 1 2. - <_> - - <_> - 0 2 5 2 -1. - <_> - 0 3 5 1 2. - <_> - - <_> - 0 0 15 1 -1. - <_> - 5 0 5 1 3. - <_> - - <_> - 12 11 6 2 -1. - <_> - 15 11 3 1 2. - <_> - 12 12 3 1 2. - <_> - - <_> - 10 5 2 2 -1. - <_> - 10 5 1 2 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 9 0 2 10 -1. - <_> - 9 0 1 5 2. - <_> - 10 5 1 5 2. - <_> - - <_> - 18 14 2 2 -1. - <_> - 18 15 2 1 2. - <_> - - <_> - 13 11 4 9 -1. - <_> - 13 14 4 3 3. - <_> - - <_> - 8 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 9 14 1 1 2. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 8 9 4 2 -1. - <_> - 8 10 4 1 2. - <_> - - <_> - 13 12 4 2 -1. - <_> - 13 13 4 1 2. - <_> - - <_> - 6 14 2 2 -1. - <_> - 6 14 1 1 2. - <_> - 7 15 1 1 2. - <_> - - <_> - 0 14 2 2 -1. - <_> - 0 15 2 1 2. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 7 9 10 6 -1. - <_> - 7 11 10 2 3. - <_> - - <_> - 2 9 12 4 -1. - <_> - 6 9 4 4 3. - <_> - - <_> - 7 9 6 11 -1. - <_> - 10 9 3 11 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 9 14 4 3 -1. - <_> - 9 15 4 1 3. - <_> - - <_> - 2 3 3 17 -1. - <_> - 3 3 1 17 3. - <_> - - <_> - 0 11 6 3 -1. - <_> - 0 12 6 1 3. - <_> - - <_> - 4 3 11 9 -1. - <_> - 4 6 11 3 3. - <_> - - <_> - 0 2 6 11 -1. - <_> - 3 2 3 11 2. - <_> - - <_> - 13 0 4 5 -1. - <_> - 13 0 2 5 2. - <_> - - <_> - 9 7 6 4 -1. - <_> - 12 7 3 2 2. - <_> - 9 9 3 2 2. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 1 8 15 1 -1. - <_> - 6 8 5 1 3. - <_> - - <_> - 4 12 12 2 -1. - <_> - 8 12 4 2 3. - <_> - - <_> - 13 0 4 10 -1. - <_> - 15 0 2 5 2. - <_> - 13 5 2 5 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 3 9 6 2 -1. - <_> - 6 9 3 2 2. - <_> - - <_> - 8 17 4 3 -1. - <_> - 8 18 4 1 3. - <_> - - <_> - 8 3 9 2 -1. - <_> - 11 3 3 2 3. - <_> - - <_> - 3 3 9 2 -1. - <_> - 6 3 3 2 3. - <_> - - <_> - 5 0 9 14 -1. - <_> - 8 0 3 14 3. - <_> - - <_> - 7 3 7 10 -1. - <_> - 7 8 7 5 2. - <_> - - <_> - 4 8 13 3 -1. - <_> - 4 9 13 1 3. - <_> - - <_> - 3 12 14 4 -1. - <_> - 3 12 7 2 2. - <_> - 10 14 7 2 2. - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 6 10 9 8 -1. - <_> - 6 14 9 4 2. - <_> - - <_> - 9 12 2 8 -1. - <_> - 9 16 2 4 2. - <_> - - <_> - 8 12 3 3 -1. - <_> - 8 13 3 1 3. - <_> - - <_> - 5 5 4 10 -1. - <_> - 7 5 2 10 2. - <_> - - <_> - 14 15 3 3 -1. - <_> - 14 16 3 1 3. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 3 15 3 3 -1. - <_> - 3 16 3 1 3. - <_> - - <_> - 3 9 4 2 -1. - <_> - 3 9 2 1 2. - <_> - 5 10 2 1 2. - <_> - - <_> - 0 11 20 4 -1. - <_> - 10 11 10 2 2. - <_> - 0 13 10 2 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 0 11 20 4 -1. - <_> - 0 11 10 2 2. - <_> - 10 13 10 2 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 10 13 1 6 -1. - <_> - 10 16 1 3 2. - <_> - - <_> - 2 1 18 2 -1. - <_> - 11 1 9 1 2. - <_> - 2 2 9 1 2. - <_> - - <_> - 8 14 3 3 -1. - <_> - 8 15 3 1 3. - <_> - - <_> - 4 1 6 1 -1. - <_> - 6 1 2 1 3. - <_> - - <_> - 11 13 1 3 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 13 5 2 12 -1. - <_> - 13 11 2 6 2. - <_> - - <_> - 1 14 18 6 -1. - <_> - 1 16 18 2 3. - <_> - - <_> - 8 13 1 3 -1. - <_> - 8 14 1 1 3. - <_> - - <_> - 7 13 6 3 -1. - <_> - 7 14 6 1 3. - <_> - - <_> - 9 10 3 2 -1. - <_> - 9 11 3 1 2. - <_> - - <_> - 5 1 3 3 -1. - <_> - 6 1 1 3 3. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 7 5 6 14 -1. - <_> - 7 12 6 7 2. - <_> - - <_> - 7 16 6 2 -1. - <_> - 9 16 2 2 3. - <_> - - <_> - 0 2 2 12 -1. - <_> - 1 2 1 12 2. - <_> - - <_> - 1 0 5 3 -1. - <_> - 1 1 5 1 3. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 12 6 3 3 -1. - <_> - 12 7 3 1 3. - <_> - - <_> - 5 4 3 3 -1. - <_> - 5 5 3 1 3. - <_> - - <_> - 5 6 3 3 -1. - <_> - 5 7 3 1 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 10 12 2 4 2. - <_> - 8 16 2 4 2. - <_> - - <_> - 2 17 18 2 -1. - <_> - 11 17 9 1 2. - <_> - 2 18 9 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 4 2 1 2. - <_> - - <_> - 8 5 4 6 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 9 0 8 6 -1. - <_> - 9 2 8 2 3. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 0 4 6 9 -1. - <_> - 2 4 2 9 3. - <_> - - <_> - 1 4 18 2 -1. - <_> - 7 4 6 2 3. - <_> - - <_> - 8 16 12 4 -1. - <_> - 14 16 6 2 2. - <_> - 8 18 6 2 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 3 0 3 18 -1. - <_> - 4 0 1 18 3. - <_> - - <_> - 14 9 4 7 -1. - <_> - 14 9 2 7 2. - <_> - - <_> - 15 14 2 2 -1. - <_> - 15 15 2 1 2. - <_> - - <_> - 2 9 4 7 -1. - <_> - 4 9 2 7 2. - <_> - - <_> - 3 14 2 2 -1. - <_> - 3 15 2 1 2. - <_> - - <_> - 11 0 6 6 -1. - <_> - 11 2 6 2 3. - <_> - - <_> - 14 0 2 6 -1. - <_> - 15 0 1 3 2. - <_> - 14 3 1 3 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 8 10 1 2 2. - <_> - - <_> - 9 14 2 6 -1. - <_> - 9 17 2 3 2. - <_> - - <_> - 12 18 4 2 -1. - <_> - 12 19 4 1 2. - <_> - - <_> - 8 17 4 3 -1. - <_> - 8 18 4 1 3. - <_> - - <_> - 2 18 8 2 -1. - <_> - 2 19 8 1 2. - <_> - - <_> - 2 9 16 3 -1. - <_> - 2 10 16 1 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 5 14 2 4 -1. - <_> - 5 14 1 2 2. - <_> - 6 16 1 2 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 8 9 2 1 2. - <_> - 10 10 2 1 2. - <_> - - <_> - 9 5 2 5 -1. - <_> - 9 5 1 5 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 10 9 1 2 3. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 8 8 3 6 -1. - <_> - 9 8 1 6 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 10 12 2 4 2. - <_> - 8 16 2 4 2. - <_> - - <_> - 2 17 16 2 -1. - <_> - 10 17 8 1 2. - <_> - 2 18 8 1 2. - <_> - - <_> - 8 12 3 8 -1. - <_> - 9 12 1 8 3. - <_> - - <_> - 3 10 1 3 -1. - <_> - 3 11 1 1 3. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 14 13 3 6 -1. - <_> - 14 15 3 2 3. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 2 10 15 2 -1. - <_> - 7 10 5 2 3. - <_> - - <_> - 4 17 16 3 -1. - <_> - 4 18 16 1 3. - <_> - - <_> - 8 6 4 9 -1. - <_> - 8 9 4 3 3. - <_> - - <_> - 9 16 2 4 -1. - <_> - 9 16 1 2 2. - <_> - 10 18 1 2 2. - <_> - - <_> - 5 5 10 8 -1. - <_> - 5 9 10 4 2. - <_> - - <_> - 13 1 4 2 -1. - <_> - 13 1 2 2 2. - <_> - - <_> - 14 0 3 6 -1. - <_> - 14 2 3 2 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 7 1 6 1 -1. - <_> - 9 1 2 1 3. - <_> - - <_> - 9 11 3 3 -1. - <_> - 9 12 3 1 3. - <_> - - <_> - 12 9 3 3 -1. - <_> - 13 9 1 3 3. - <_> - - <_> - 8 11 3 3 -1. - <_> - 8 12 3 1 3. - <_> - - <_> - 5 9 3 3 -1. - <_> - 6 9 1 3 3. - <_> - - <_> - 10 11 1 3 -1. - <_> - 10 12 1 1 3. - <_> - - <_> - 7 9 6 4 -1. - <_> - 10 9 3 2 2. - <_> - 7 11 3 2 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 5 7 3 1 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 18 3 2 3 -1. - <_> - 18 4 2 1 3. - <_> - - <_> - 13 1 4 2 -1. - <_> - 13 1 2 2 2. - <_> - - <_> - 3 1 4 2 -1. - <_> - 5 1 2 2 2. - <_> - - <_> - 3 0 5 2 -1. - <_> - 3 1 5 1 2. - <_> - - <_> - 14 7 6 4 -1. - <_> - 17 7 3 2 2. - <_> - 14 9 3 2 2. - <_> - - <_> - 4 8 16 2 -1. - <_> - 4 9 16 1 2. - <_> - - <_> - 2 11 5 6 -1. - <_> - 2 13 5 2 3. - <_> - - <_> - 5 16 2 4 -1. - <_> - 5 16 1 2 2. - <_> - 6 18 1 2 2. - <_> - - <_> - 15 6 2 12 -1. - <_> - 16 6 1 6 2. - <_> - 15 12 1 6 2. - <_> - - <_> - 13 3 6 16 -1. - <_> - 15 3 2 16 3. - <_> - - <_> - 4 5 12 12 -1. - <_> - 4 5 6 6 2. - <_> - 10 11 6 6 2. - <_> - - <_> - 5 1 10 13 -1. - <_> - 10 1 5 13 2. - <_> - - <_> - 11 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 11 6 1 1 2. - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 7 4 2 4 -1. - <_> - 7 4 1 2 2. - <_> - 8 6 1 2 2. - <_> - - <_> - 7 5 6 4 -1. - <_> - 10 5 3 4 2. - <_> - - <_> - 12 4 4 6 -1. - <_> - 14 4 2 3 2. - <_> - 12 7 2 3 2. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 5 6 6 6 -1. - <_> - 7 6 2 6 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 15 6 2 2 -1. - <_> - 16 6 1 1 2. - <_> - 15 7 1 1 2. - <_> - - <_> - 14 7 4 4 -1. - <_> - 16 7 2 2 2. - <_> - 14 9 2 2 2. - <_> - - <_> - 5 5 6 2 -1. - <_> - 7 5 2 2 3. - <_> - - <_> - 1 19 18 1 -1. - <_> - 7 19 6 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 12 4 3 1 3. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 5 3 3 3 -1. - <_> - 5 4 3 1 3. - <_> - - <_> - 2 0 2 3 -1. - <_> - 2 1 2 1 3. - <_> - - <_> - 15 6 2 2 -1. - <_> - 16 6 1 1 2. - <_> - 15 7 1 1 2. - <_> - - <_> - 10 13 1 6 -1. - <_> - 10 16 1 3 2. - <_> - - <_> - 0 7 10 2 -1. - <_> - 0 7 5 1 2. - <_> - 5 8 5 1 2. - <_> - - <_> - 3 10 6 2 -1. - <_> - 3 11 6 1 2. - <_> - - <_> - 12 18 4 2 -1. - <_> - 12 19 4 1 2. - <_> - - <_> - 12 18 2 2 -1. - <_> - 13 18 1 1 2. - <_> - 12 19 1 1 2. - <_> - - <_> - 6 19 2 1 -1. - <_> - 7 19 1 1 2. - <_> - - <_> - 0 4 2 16 -1. - <_> - 0 4 1 8 2. - <_> - 1 12 1 8 2. - <_> - - <_> - 16 1 4 9 -1. - <_> - 16 4 4 3 3. - <_> - - <_> - 10 2 1 2 -1. - <_> - 10 3 1 1 2. - <_> - - <_> - 4 14 4 6 -1. - <_> - 4 14 2 3 2. - <_> - 6 17 2 3 2. - <_> - - <_> - 4 15 1 4 -1. - <_> - 4 17 1 2 2. - <_> - - <_> - 0 2 20 4 -1. - <_> - 10 2 10 2 2. - <_> - 0 4 10 2 2. - <_> - - <_> - 14 5 2 8 -1. - <_> - 14 9 2 4 2. - <_> - - <_> - 5 12 4 5 -1. - <_> - 7 12 2 5 2. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 9 14 11 3 -1. - <_> - 9 15 11 1 3. - <_> - - <_> - 7 14 7 3 -1. - <_> - 7 15 7 1 3. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 6 7 2 7 -1. - <_> - 7 7 1 7 2. - <_> - - <_> - 14 5 1 3 -1. - <_> - 14 6 1 1 3. - <_> - - <_> - 13 4 4 3 -1. - <_> - 13 5 4 1 3. - <_> - - <_> - 2 7 4 4 -1. - <_> - 2 7 2 2 2. - <_> - 4 9 2 2 2. - <_> - - <_> - 2 9 13 6 -1. - <_> - 2 12 13 3 2. - <_> - - <_> - 10 1 3 4 -1. - <_> - 11 1 1 4 3. - <_> - - <_> - 9 8 5 2 -1. - <_> - 9 9 5 1 2. - <_> - - <_> - 0 14 11 3 -1. - <_> - 0 15 11 1 3. - <_> - - <_> - 8 11 2 8 -1. - <_> - 8 15 2 4 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 14 10 3 2. - <_> - - <_> - 5 13 15 5 -1. - <_> - 10 13 5 5 3. - <_> - - <_> - 8 10 1 10 -1. - <_> - 8 15 1 5 2. - <_> - - <_> - 4 14 6 2 -1. - <_> - 6 14 2 2 3. - <_> - - <_> - 7 14 7 3 -1. - <_> - 7 15 7 1 3. - <_> - - <_> - 7 16 9 3 -1. - <_> - 7 17 9 1 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 3 5 1 6 -1. - <_> - 3 8 1 3 2. - <_> - - <_> - 6 5 11 2 -1. - <_> - 6 6 11 1 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 0 1 2 3. - <_> - - <_> - 5 5 1 3 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 8 7 3 2 -1. - <_> - 9 7 1 2 3. - <_> - - <_> - 5 2 10 6 -1. - <_> - 10 2 5 3 2. - <_> - 5 5 5 3 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 3 4 2. - <_> - - <_> - 8 16 3 4 -1. - <_> - 9 16 1 4 3. - <_> - - <_> - 9 13 2 6 -1. - <_> - 9 13 1 3 2. - <_> - 10 16 1 3 2. - <_> - - <_> - 9 8 3 1 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 2 5 18 15 -1. - <_> - 2 10 18 5 3. - <_> - - <_> - 1 3 6 2 -1. - <_> - 4 3 3 2 2. - <_> - - <_> - 7 6 6 2 -1. - <_> - 9 6 2 2 3. - <_> - - <_> - 8 17 4 3 -1. - <_> - 8 18 4 1 3. - <_> - - <_> - 10 13 2 3 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 0 10 20 4 -1. - <_> - 0 12 20 2 2. - <_> - - <_> - 5 7 6 4 -1. - <_> - 5 7 3 2 2. - <_> - 8 9 3 2 2. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 9 5 2 2 -1. - <_> - 9 6 2 1 2. - <_> - - <_> - 4 4 1 10 -1. - <_> - 4 9 1 5 2. - <_> - - <_> - 11 18 4 2 -1. - <_> - 11 18 2 2 2. - <_> - - <_> - 12 18 3 2 -1. - <_> - 12 19 3 1 2. - <_> - - <_> - 0 6 16 6 -1. - <_> - 0 6 8 3 2. - <_> - 8 9 8 3 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 11 18 4 2 -1. - <_> - 11 18 2 2 2. - <_> - - <_> - 12 18 3 2 -1. - <_> - 12 19 3 1 2. - <_> - - <_> - 8 12 1 2 -1. - <_> - 8 13 1 1 2. - <_> - - <_> - 8 13 1 3 -1. - <_> - 8 14 1 1 3. - <_> - - <_> - 11 18 4 2 -1. - <_> - 11 18 2 2 2. - <_> - - <_> - 14 12 4 6 -1. - <_> - 14 12 2 6 2. - <_> - - <_> - 6 0 3 4 -1. - <_> - 7 0 1 4 3. - <_> - - <_> - 4 0 2 8 -1. - <_> - 4 0 1 4 2. - <_> - 5 4 1 4 2. - <_> - - <_> - 11 17 9 3 -1. - <_> - 14 17 3 3 3. - <_> - - <_> - 16 2 4 5 -1. - <_> - 16 2 2 5 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - <_> - - <_> - 11 17 9 3 -1. - <_> - 14 17 3 3 3. - <_> - - <_> - 16 2 4 5 -1. - <_> - 16 2 2 5 2. - <_> - - <_> - 0 17 9 3 -1. - <_> - 3 17 3 3 3. - <_> - - <_> - 0 2 4 5 -1. - <_> - 2 2 2 5 2. - <_> - - <_> - 5 11 10 9 -1. - <_> - 5 14 10 3 3. - <_> - - <_> - 9 6 3 3 -1. - <_> - 9 7 3 1 3. - <_> - - <_> - 3 17 5 3 -1. - <_> - 3 18 5 1 3. - <_> - - <_> - 7 5 4 7 -1. - <_> - 9 5 2 7 2. - <_> - - <_> - 9 8 2 5 -1. - <_> - 9 8 1 5 2. - <_> - - <_> - 2 2 18 2 -1. - <_> - 2 3 18 1 2. - <_> - - <_> - 2 8 15 6 -1. - <_> - 7 8 5 6 3. - <_> - - <_> - 9 8 2 5 -1. - <_> - 10 8 1 5 2. - <_> - - <_> - 12 10 4 6 -1. - <_> - 12 12 4 2 3. - <_> - - <_> - 14 3 6 2 -1. - <_> - 14 4 6 1 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 4 6 3 3 -1. - <_> - 4 7 3 1 3. - <_> - - <_> - 14 12 3 3 -1. - <_> - 14 13 3 1 3. - <_> - - <_> - 6 12 11 3 -1. - <_> - 6 13 11 1 3. - <_> - - <_> - 1 2 3 6 -1. - <_> - 1 4 3 2 3. - <_> - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - <_> - - <_> - 9 8 3 4 -1. - <_> - 10 8 1 4 3. - <_> - - <_> - 10 9 2 2 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 8 8 3 4 -1. - <_> - 9 8 1 4 3. - <_> - - <_> - 4 4 10 10 -1. - <_> - 4 9 10 5 2. - <_> - - <_> - 9 10 3 2 -1. - <_> - 10 10 1 2 3. - <_> - - <_> - 9 10 3 2 -1. - <_> - 9 11 3 1 2. - <_> - - <_> - 8 10 3 2 -1. - <_> - 9 10 1 2 3. - <_> - - <_> - 2 4 14 12 -1. - <_> - 2 4 7 6 2. - <_> - 9 10 7 6 2. - <_> - - <_> - 10 12 1 6 -1. - <_> - 10 15 1 3 2. - <_> - - <_> - 7 3 8 16 -1. - <_> - 11 3 4 8 2. - <_> - 7 11 4 8 2. - <_> - - <_> - 5 6 8 10 -1. - <_> - 5 6 4 5 2. - <_> - 9 11 4 5 2. - <_> - - <_> - 6 2 8 8 -1. - <_> - 6 2 4 4 2. - <_> - 10 6 4 4 2. - <_> - - <_> - 10 5 4 2 -1. - <_> - 12 5 2 1 2. - <_> - 10 6 2 1 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 12 5 3 1 3. - <_> - - <_> - 4 19 12 1 -1. - <_> - 8 19 4 1 3. - <_> - - <_> - 8 2 3 1 -1. - <_> - 9 2 1 1 3. - <_> - - <_> - 13 17 4 3 -1. - <_> - 13 18 4 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 7 15 6 3 -1. - <_> - 7 16 6 1 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 14 12 2 3 -1. - <_> - 14 13 2 1 3. - <_> - - <_> - 4 10 4 6 -1. - <_> - 4 12 4 2 3. - <_> - - <_> - 4 13 3 2 -1. - <_> - 4 14 3 1 2. - <_> - - <_> - 9 16 2 3 -1. - <_> - 9 17 2 1 3. - <_> - - <_> - 10 18 3 2 -1. - <_> - 11 18 1 2 3. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 1 10 4 2 -1. - <_> - 1 11 4 1 2. - <_> - - <_> - 12 4 6 3 -1. - <_> - 12 5 6 1 3. - <_> - - <_> - 14 4 1 3 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 2 4 6 3 -1. - <_> - 2 5 6 1 3. - <_> - - <_> - 5 4 1 3 -1. - <_> - 5 5 1 1 3. - <_> - - <_> - 14 12 3 3 -1. - <_> - 14 13 3 1 3. - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 3 16 4 3 -1. - <_> - 3 17 4 1 3. - <_> - - <_> - 8 0 4 2 -1. - <_> - 8 1 4 1 2. - <_> - - <_> - 0 0 20 1 -1. - <_> - 0 0 10 1 2. - <_> - - <_> - 9 7 3 4 -1. - <_> - 10 7 1 4 3. - <_> - - <_> - 0 0 20 1 -1. - <_> - 10 0 10 1 2. - <_> - - <_> - 8 7 3 4 -1. - <_> - 9 7 1 4 3. - <_> - - <_> - 1 6 19 3 -1. - <_> - 1 7 19 1 3. - <_> - - <_> - 12 7 4 2 -1. - <_> - 12 8 4 1 2. - <_> - - <_> - 7 8 3 3 -1. - <_> - 7 9 3 1 3. - <_> - - <_> - 7 7 3 3 -1. - <_> - 8 7 1 3 3. - <_> - - <_> - 2 9 16 3 -1. - <_> - 2 10 16 1 3. - <_> - - <_> - 9 4 2 12 -1. - <_> - 9 8 2 4 3. - <_> - - <_> - 7 3 2 5 -1. - <_> - 8 3 1 5 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 9 14 4 3 -1. - <_> - 9 15 4 1 3. - <_> - - <_> - 7 8 6 4 -1. - <_> - 10 8 3 2 2. - <_> - 7 10 3 2 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 5 5 6 6 -1. - <_> - 7 5 2 6 3. - <_> - - <_> - 9 1 3 6 -1. - <_> - 10 1 1 6 3. - <_> - - <_> - 4 5 12 2 -1. - <_> - 8 5 4 2 3. - <_> - - <_> - 4 2 6 4 -1. - <_> - 6 2 2 4 3. - <_> - - <_> - 4 7 8 2 -1. - <_> - 4 8 8 1 2. - <_> - - <_> - 3 6 14 6 -1. - <_> - 10 6 7 3 2. - <_> - 3 9 7 3 2. - <_> - - <_> - 3 6 14 3 -1. - <_> - 3 6 7 3 2. - <_> - - <_> - 0 5 2 2 -1. - <_> - 0 6 2 1 2. - <_> - - <_> - 8 13 4 3 -1. - <_> - 8 14 4 1 3. - <_> - - <_> - 13 0 3 20 -1. - <_> - 14 0 1 20 3. - <_> - - <_> - 10 8 10 3 -1. - <_> - 10 9 10 1 3. - <_> - - <_> - 4 0 3 20 -1. - <_> - 5 0 1 20 3. - <_> - - <_> - 0 8 10 3 -1. - <_> - 0 9 10 1 3. - <_> - - <_> - 12 5 3 4 -1. - <_> - 13 5 1 4 3. - <_> - - <_> - 6 7 12 4 -1. - <_> - 10 7 4 4 3. - <_> - - <_> - 1 14 6 6 -1. - <_> - 1 14 3 3 2. - <_> - 4 17 3 3 2. - <_> - - <_> - 1 17 6 2 -1. - <_> - 1 18 6 1 2. - <_> - - <_> - 14 8 6 12 -1. - <_> - 17 8 3 6 2. - <_> - 14 14 3 6 2. - <_> - - <_> - 18 5 2 2 -1. - <_> - 18 6 2 1 2. - <_> - - <_> - 3 16 4 2 -1. - <_> - 3 16 2 1 2. - <_> - 5 17 2 1 2. - <_> - - <_> - 2 16 6 2 -1. - <_> - 4 16 2 2 3. - <_> - - <_> - 14 8 6 12 -1. - <_> - 17 8 3 6 2. - <_> - 14 14 3 6 2. - <_> - - <_> - 18 5 2 2 -1. - <_> - 18 6 2 1 2. - <_> - - <_> - 5 16 9 2 -1. - <_> - 8 16 3 2 3. - <_> - - <_> - 3 14 6 6 -1. - <_> - 3 14 3 3 2. - <_> - 6 17 3 3 2. - <_> - - <_> - 14 8 6 12 -1. - <_> - 17 8 3 6 2. - <_> - 14 14 3 6 2. - <_> - - <_> - 11 7 2 12 -1. - <_> - 11 11 2 4 3. - <_> - - <_> - 0 8 6 12 -1. - <_> - 0 8 3 6 2. - <_> - 3 14 3 6 2. - <_> - - <_> - 7 7 2 12 -1. - <_> - 7 11 2 4 3. - <_> - - <_> - 14 12 1 2 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 12 13 8 1 -1. - <_> - 12 13 4 1 2. - <_> - - <_> - 0 3 16 6 -1. - <_> - 0 6 16 3 2. - <_> - - <_> - 1 4 8 2 -1. - <_> - 1 4 4 1 2. - <_> - 5 5 4 1 2. - <_> - - <_> - 14 12 1 2 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 8 16 3 3 -1. - <_> - 8 17 3 1 3. - <_> - - <_> - 5 12 1 2 -1. - <_> - 5 13 1 1 2. - <_> - - <_> - 13 4 3 15 -1. - <_> - 14 4 1 15 3. - <_> - - <_> - 17 3 2 6 -1. - <_> - 18 3 1 3 2. - <_> - 17 6 1 3 2. - <_> - - <_> - 4 4 3 15 -1. - <_> - 5 4 1 15 3. - <_> - - <_> - 1 3 2 6 -1. - <_> - 1 3 1 3 2. - <_> - 2 6 1 3 2. - <_> - - <_> - 7 15 12 4 -1. - <_> - 7 17 12 2 2. - <_> - - <_> - 1 0 19 3 -1. - <_> - 1 1 19 1 3. - <_> - - <_> - 3 17 10 2 -1. - <_> - 3 17 5 1 2. - <_> - 8 18 5 1 2. - <_> - - <_> - 2 5 10 15 -1. - <_> - 2 10 10 5 3. - <_> - - <_> - 13 8 3 4 -1. - <_> - 13 10 3 2 2. - <_> - - <_> - 19 13 1 2 -1. - <_> - 19 14 1 1 2. - <_> - - <_> - 4 8 3 4 -1. - <_> - 4 10 3 2 2. - <_> - - <_> - 0 13 1 2 -1. - <_> - 0 14 1 1 2. - <_> - - <_> - 12 7 2 12 -1. - <_> - 12 13 2 6 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 4 8 1 2. - <_> - - <_> - 0 2 2 6 -1. - <_> - 0 4 2 2 3. - <_> - - <_> - 18 2 2 12 -1. - <_> - 19 2 1 6 2. - <_> - 18 8 1 6 2. - <_> - - <_> - 18 1 1 2 -1. - <_> - 18 2 1 1 2. - <_> - - <_> - 0 2 2 12 -1. - <_> - 0 2 1 6 2. - <_> - 1 8 1 6 2. - <_> - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 16 4 4 14 -1. - <_> - 18 4 2 7 2. - <_> - 16 11 2 7 2. - <_> - - <_> - 10 14 1 6 -1. - <_> - 10 17 1 3 2. - <_> - - <_> - 0 4 4 14 -1. - <_> - 0 4 2 7 2. - <_> - 2 11 2 7 2. - <_> - - <_> - 9 14 1 6 -1. - <_> - 9 17 1 3 2. - <_> - - <_> - 9 14 4 3 -1. - <_> - 9 15 4 1 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 8 7 4 2 3. - <_> - - <_> - 0 8 4 3 -1. - <_> - 0 9 4 1 3. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 11 4 4 5 -1. - <_> - 11 4 2 5 2. - <_> - - <_> - 4 8 3 3 -1. - <_> - 5 8 1 3 3. - <_> - - <_> - 0 3 8 1 -1. - <_> - 4 3 4 1 2. - <_> - - <_> - 13 7 2 1 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 14 7 3 2 -1. - <_> - 15 7 1 2 3. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 3 7 3 2 -1. - <_> - 4 7 1 2 3. - <_> - - <_> - 18 5 2 2 -1. - <_> - 18 6 2 1 2. - <_> - - <_> - 12 14 2 2 -1. - <_> - 13 14 1 1 2. - <_> - 12 15 1 1 2. - <_> - - <_> - 0 5 2 2 -1. - <_> - 0 6 2 1 2. - <_> - - <_> - 6 14 2 2 -1. - <_> - 6 14 1 1 2. - <_> - 7 15 1 1 2. - <_> - - <_> - 7 12 6 5 -1. - <_> - 9 12 2 5 3. - <_> - - <_> - 12 17 5 2 -1. - <_> - 12 18 5 1 2. - <_> - - <_> - 1 11 6 3 -1. - <_> - 4 11 3 3 2. - <_> - - <_> - 1 9 6 3 -1. - <_> - 4 9 3 3 2. - <_> - - <_> - 12 7 2 12 -1. - <_> - 12 13 2 6 2. - <_> - - <_> - 8 7 5 3 -1. - <_> - 8 8 5 1 3. - <_> - - <_> - 6 7 2 12 -1. - <_> - 6 13 2 6 2. - <_> - - <_> - 1 2 9 18 -1. - <_> - 4 2 3 18 3. - <_> - - <_> - 12 17 5 2 -1. - <_> - 12 18 5 1 2. - <_> - - <_> - 4 7 12 2 -1. - <_> - 4 7 6 2 2. - <_> - - <_> - 6 7 6 1 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 7 3 3 2 -1. - <_> - 8 3 1 2 3. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 4 3 1 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 12 13 6 6 -1. - <_> - 12 15 6 2 3. - <_> - - <_> - 14 13 1 6 -1. - <_> - 14 15 1 2 3. - <_> - - <_> - 2 13 6 6 -1. - <_> - 2 15 6 2 3. - <_> - - <_> - 1 5 18 1 -1. - <_> - 7 5 6 1 3. - <_> - - <_> - 4 7 12 2 -1. - <_> - 10 7 6 1 2. - <_> - 4 8 6 1 2. - <_> - - <_> - 6 1 8 10 -1. - <_> - 10 1 4 5 2. - <_> - 6 6 4 5 2. - <_> - - <_> - 3 13 4 3 -1. - <_> - 3 14 4 1 3. - <_> - - <_> - 6 13 4 3 -1. - <_> - 6 14 4 1 3. - <_> - - <_> - 9 14 4 3 -1. - <_> - 9 15 4 1 3. - <_> - - <_> - 12 9 2 3 -1. - <_> - 12 10 2 1 3. - <_> - - <_> - 7 14 4 3 -1. - <_> - 7 15 4 1 3. - <_> - - <_> - 9 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 5 0 10 5 -1. - <_> - 5 0 5 5 2. - <_> - - <_> - 6 6 8 7 -1. - <_> - 6 6 4 7 2. - <_> - - <_> - 5 0 10 5 -1. - <_> - 10 0 5 5 2. - <_> - - <_> - 6 6 8 7 -1. - <_> - 10 6 4 7 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 10 9 5 4 2. - <_> - 5 13 5 4 2. - <_> - - <_> - 10 0 4 10 -1. - <_> - 12 0 2 5 2. - <_> - 10 5 2 5 2. - <_> - - <_> - 1 4 8 3 -1. - <_> - 1 5 8 1 3. - <_> - - <_> - 4 4 8 3 -1. - <_> - 4 5 8 1 3. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 12 8 3 12 -1. - <_> - 12 14 3 6 2. - <_> - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - <_> - - <_> - 5 8 3 12 -1. - <_> - 5 14 3 6 2. - <_> - - <_> - 10 0 7 6 -1. - <_> - 10 2 7 2 3. - <_> - - <_> - 2 1 18 1 -1. - <_> - 8 1 6 1 3. - <_> - - <_> - 5 0 3 8 -1. - <_> - 6 0 1 8 3. - <_> - - <_> - 4 7 4 2 -1. - <_> - 4 8 4 1 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt_tree.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt_tree.xml deleted file mode 100644 index e0420a2743..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_alt_tree.xml +++ /dev/null @@ -1,96484 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 406 - - 0 - 47 - - <_> - 3 - -1.3442519903182983e+00 - - <_> - - 0 -1 0 3.7895569112151861e-03 - - -9.2945802211761475e-01 6.4119851589202881e-01 - <_> - - 0 -1 1 1.2098110280930996e-02 - - -7.1810090541839600e-01 4.7141009569168091e-01 - <_> - - 0 -1 2 1.2138449819758534e-03 - - -7.2831612825393677e-01 3.0330690741539001e-01 - <_> - 9 - -1.6378560066223145e+00 - - <_> - - 0 -1 3 8.7510552257299423e-03 - - -8.5947072505950928e-01 3.6881381273269653e-01 - <_> - - 0 -1 4 2.1986700594425201e-02 - - -6.0180151462554932e-01 3.2897830009460449e-01 - <_> - - 0 -1 5 6.4913398819044232e-04 - - -7.9431951045989990e-01 2.5493299961090088e-01 - <_> - - 0 -1 6 -1.0192029876634479e-03 - - 2.2729329764842987e-01 -6.3627982139587402e-01 - <_> - - 0 -1 7 1.3674780493602157e-03 - - -6.0014182329177856e-01 2.4118369817733765e-01 - <_> - - 0 -1 8 1.0245250305160880e-03 - - -5.8542472124099731e-01 1.2550109624862671e-01 - <_> - - 0 -1 9 1.8465859815478325e-02 - - 1.9563560187816620e-01 -6.7630231380462646e-01 - <_> - - 0 -1 10 4.0901508182287216e-03 - - -4.4916498661041260e-01 2.6677688956260681e-01 - <_> - - 0 -1 11 1.1358099989593029e-02 - - 1.8783229589462280e-01 -6.1379361152648926e-01 - <_> - 16 - -1.7317579984664917e+00 - - <_> - - 0 -1 12 -1.1588949710130692e-02 - - 3.4567040205001831e-01 -7.6478981971740723e-01 - <_> - - 0 -1 13 5.1809530705213547e-03 - - 2.4104920029640198e-01 -6.9623559713363647e-01 - <_> - - 0 -1 14 2.1468549966812134e-03 - - -8.0553662776947021e-01 1.9838610291481018e-01 - <_> - - 0 -1 15 -3.6556499544531107e-03 - - -7.1833139657974243e-01 1.2305679917335510e-01 - <_> - - 0 -1 16 -1.9701640121638775e-03 - - 2.2777689993381500e-01 -4.7520169615745544e-01 - <_> - - 0 -1 17 -3.3645539078861475e-03 - - -4.6095049381256104e-01 2.0394650101661682e-01 - <_> - - 0 -1 18 -7.4126059189438820e-05 - - 1.8213239312171936e-01 -4.7829270362854004e-01 - <_> - - 0 -1 19 -1.7571110278367996e-02 - - -7.1737551689147949e-01 1.1311130225658417e-01 - <_> - - 0 -1 20 6.3840472139418125e-03 - - -4.0205681324005127e-01 2.0730289816856384e-01 - <_> - - 0 -1 21 -1.4723399654030800e-02 - - -6.7558771371841431e-01 6.8973086774349213e-02 - <_> - - 0 -1 22 -5.2889222279191017e-03 - - -6.2105172872543335e-01 1.3349360227584839e-01 - <_> - - 0 -1 23 2.7743630111217499e-02 - - 1.1760850250720978e-01 -5.4641121625900269e-01 - <_> - - 0 -1 24 3.9427559822797775e-02 - - -2.1134279668331146e-01 3.9452999830245972e-01 - <_> - - 0 -1 25 8.6949411779642105e-03 - - 1.2580950558185577e-01 -4.7989100217819214e-01 - <_> - - 0 -1 26 2.8245279099792242e-03 - - 1.9653140008449554e-01 -4.0256679058074951e-01 - <_> - - 0 -1 27 -2.8915189206600189e-02 - - -8.0616527795791626e-01 8.1882260739803314e-02 - <_> - 29 - -1.9308480024337769e+00 - - <_> - - 0 -1 28 8.0171944573521614e-03 - - -6.8981552124023438e-01 2.4136860668659210e-01 - <_> - - 0 -1 29 -2.4478728882968426e-03 - - 2.1353200078010559e-01 -6.4146691560745239e-01 - <_> - - 0 -1 30 1.7917619552463293e-03 - - -6.1445468664169312e-01 1.9236929714679718e-01 - <_> - - 0 -1 31 4.3905500206165016e-04 - - -7.5360429286956787e-01 1.5696890652179718e-01 - <_> - - 0 -1 32 -3.6769549478776753e-04 - - 1.7380510270595551e-01 -5.8404499292373657e-01 - <_> - - 0 -1 33 -4.2802388779819012e-03 - - -6.6968989372253418e-01 1.1289729923009872e-01 - <_> - - 0 -1 34 3.5238768905401230e-03 - - 1.2501940131187439e-01 -7.3299217224121094e-01 - <_> - - 0 -1 35 7.9299701610580087e-04 - - -4.4966199994087219e-01 2.1590930223464966e-01 - <_> - - 0 -1 36 4.4371088733896613e-04 - - -3.8909769058227539e-01 2.1181149780750275e-01 - <_> - - 0 -1 37 -2.7145470958203077e-03 - - -4.6716868877410889e-01 1.5038399398326874e-01 - <_> - - 0 -1 38 -6.9272058317437768e-04 - - -5.8596551418304443e-01 1.1714380234479904e-01 - <_> - - 0 -1 39 4.9261808395385742e-02 - - -1.3800150156021118e-01 4.9366238713264465e-01 - <_> - - 0 -1 40 -2.2837519645690918e-02 - - -6.3743507862091064e-01 1.2324090301990509e-01 - <_> - - 0 -1 41 4.8372112214565277e-03 - - -1.2391629815101624e-01 1.0620889812707901e-01 - <_> - - 0 -1 42 1.0256259702146053e-02 - - -1.8767049908638000e-01 2.9824170470237732e-01 - <_> - - 0 -1 43 1.0618680156767368e-02 - - 1.0612460225820541e-01 -3.3244881033897400e-01 - <_> - - 0 -1 44 2.4113139137625694e-02 - - 8.7200611829757690e-02 -6.6846621036529541e-01 - <_> - - 0 -1 45 -3.6754710599780083e-03 - - 1.1043280363082886e-01 -4.4581958651542664e-01 - <_> - - 0 -1 46 -3.8996201008558273e-02 - - -7.0228111743927002e-01 8.1809490919113159e-02 - <_> - - 0 -1 47 1.5777100343257189e-03 - - 1.5954199433326721e-01 -3.2860770821571350e-01 - <_> - - 0 -1 48 9.1089410707354546e-03 - - 1.0326369851827621e-01 -4.4402560591697693e-01 - <_> - - 0 -1 49 -1.7051609233021736e-02 - - -5.5853348970413208e-01 6.2711499631404877e-02 - <_> - - 0 -1 50 1.3652660418301821e-03 - - -5.3934460878372192e-01 7.0839896798133850e-02 - <_> - - 0 -1 51 -1.1186149902641773e-02 - - -4.7260180115699768e-01 8.1019416451454163e-02 - <_> - - 0 -1 52 -1.1705270037055016e-02 - - 2.4750089645385742e-01 -1.7778989672660828e-01 - <_> - - 0 -1 53 -9.7736932337284088e-02 - - -5.6177508831024170e-01 8.0921821296215057e-02 - <_> - - 0 -1 54 -8.5228063166141510e-02 - - -5.2233248949050903e-01 7.2821393609046936e-02 - <_> - - 0 -1 55 -3.6733459681272507e-02 - - 4.3623578548431396e-01 -9.9339507520198822e-02 - <_> - - 0 -1 56 -3.6704430822283030e-03 - - 1.4834220707416534e-01 -2.7119669318199158e-01 - <_> - 36 - -2.0711259841918945e+00 - - <_> - - 0 -1 57 -1.1610370129346848e-03 - - -5.6377887725830078e-01 2.3568780720233917e-01 - <_> - - 0 -1 58 1.1830299627035856e-03 - - 1.5724280476570129e-01 -6.7728179693222046e-01 - <_> - - 0 -1 59 -2.1273950114846230e-03 - - -6.6150152683258057e-01 1.4943139255046844e-01 - <_> - - 0 -1 60 -1.1893469840288162e-01 - - 5.3225821256637573e-01 -2.2968369722366333e-01 - <_> - - 0 -1 61 -1.3624870218336582e-02 - - -6.0635501146316528e-01 1.7001089453697205e-01 - <_> - - 0 -1 62 -6.3198682619258761e-04 - - -6.8972241878509521e-01 1.1584629863500595e-01 - <_> - - 0 -1 63 -4.4108428992331028e-03 - - -6.2967002391815186e-01 1.2430600076913834e-01 - <_> - - 0 -1 64 -2.2982239723205566e-02 - - -5.0497251749038696e-01 1.6636120155453682e-02 - <_> - - 0 -1 65 -2.3721898905932903e-03 - - -6.2462240457534790e-01 1.3793750107288361e-01 - <_> - - 0 -1 66 8.7364763021469116e-03 - - 1.3996620476245880e-01 -5.4822951555252075e-01 - <_> - - 0 -1 67 6.7737072706222534e-02 - - -1.9172480702400208e-01 5.4700487852096558e-01 - <_> - - 0 -1 68 -4.0138149634003639e-03 - - -5.5429118871688843e-01 1.4517059922218323e-01 - <_> - - 0 -1 69 1.2857170077040792e-04 - - -5.1031237840652466e-01 1.1023940145969391e-01 - <_> - - 0 -1 70 -3.9688948541879654e-02 - - -6.1830729246139526e-01 9.6676096320152283e-02 - <_> - - 0 -1 71 -1.6646150033921003e-03 - - 1.6449889540672302e-01 -3.7186318635940552e-01 - <_> - - 0 -1 72 5.3499247878789902e-03 - - 1.1145050078630447e-01 -3.7441021203994751e-01 - <_> - - 0 -1 73 -2.2904010489583015e-02 - - -5.8097589015960693e-01 1.1077260226011276e-01 - <_> - - 0 -1 74 1.0703450068831444e-02 - - 4.4733259826898575e-02 -5.8116632699966431e-01 - <_> - - 0 -1 75 -4.2331559234298766e-04 - - -5.4423791170120239e-01 8.7089292705059052e-02 - <_> - - 0 -1 76 1.5554429963231087e-02 - - 5.6884340941905975e-02 -3.7645170092582703e-01 - <_> - - 0 -1 77 -2.0539449527859688e-02 - - -3.8714569807052612e-01 1.1833839863538742e-01 - <_> - - 0 -1 78 -3.1234358903020620e-03 - - 8.3635427057743073e-02 -1.9862389564514160e-01 - <_> - - 0 -1 79 2.3932829499244690e-02 - - 7.9600542783737183e-02 -6.5370100736618042e-01 - <_> - - 0 -1 80 8.3920456469058990e-02 - - -1.0653129965066910e-01 4.8772820830345154e-01 - <_> - - 0 -1 81 1.6003159806132317e-02 - - 8.3643212914466858e-02 -5.9207731485366821e-01 - <_> - - 0 -1 82 5.8071441017091274e-03 - - 8.7997503578662872e-02 -3.3279138803482056e-01 - <_> - - 0 -1 83 -8.1104427576065063e-02 - - 6.3775187730789185e-01 -6.7692361772060394e-02 - <_> - - 0 -1 84 4.5403029769659042e-02 - - -5.1510389894247055e-02 3.0225670337677002e-01 - <_> - - 0 -1 85 1.3877229765057564e-02 - - 9.9967628717422485e-02 -4.6520909667015076e-01 - <_> - - 0 -1 86 3.4590709954500198e-02 - - -9.7614437341690063e-02 3.4678751230239868e-01 - <_> - - 0 -1 87 1.5704549849033356e-02 - - 7.6344117522239685e-02 -5.3356319665908813e-01 - <_> - - 0 -1 88 -1.0420549660921097e-01 - - 6.1890971660614014e-01 -4.4259760528802872e-02 - <_> - - 0 -1 89 1.3443189859390259e-01 - - -5.9853021055459976e-02 6.3635712862014771e-01 - <_> - - 0 -1 90 -2.5646309368312359e-03 - - -5.3600472211837769e-01 7.3116026818752289e-02 - <_> - - 0 -1 91 1.8647089600563049e-02 - - 6.9856151938438416e-02 -5.6878322362899780e-01 - <_> - - 0 -1 92 1.5159539878368378e-02 - - 1.8206339329481125e-02 -2.7663159370422363e-01 - <_> - 7 - -2.1360809803009033e+00 - - <_> - - 0 -1 93 1.4778429269790649e-01 - - -8.9933121204376221e-01 5.7035928964614868e-01 - <_> - - 0 -1 94 2.9984670877456665e-01 - - -6.5394151210784912e-01 3.5054451227188110e-01 - <_> - - 0 -1 95 -7.9061716794967651e-02 - - 4.4085291028022766e-01 -6.5087568759918213e-01 - <_> - - 0 -1 96 5.8428961783647537e-02 - - -4.2665359377861023e-01 5.8410567045211792e-01 - <_> - - 0 -1 97 -1.4664280228316784e-02 - - 3.2435241341590881e-01 -5.9659618139266968e-01 - <_> - - 0 -1 98 3.9517199993133545e-01 - - -7.5798347592353821e-02 4.8659950494766235e-01 - <_> - - 0 -1 99 1.1040589958429337e-01 - - -8.4556102752685547e-01 2.1374569833278656e-01 - <_> - 50 - -1.8755869865417480e+00 - - <_> - - 0 -1 100 3.7777079269289970e-03 - - 1.8744400143623352e-01 -6.5354061126708984e-01 - <_> - - 0 -1 101 5.3003188222646713e-03 - - 9.3951843678951263e-02 -5.6917887926101685e-01 - <_> - - 0 -1 102 -5.5426009930670261e-03 - - 1.6031709313392639e-01 -5.1822239160537720e-01 - <_> - - 0 -1 103 -9.1971885412931442e-03 - - -5.7420462369918823e-01 1.4791400730609894e-01 - <_> - - 0 -1 104 5.3701602155342698e-04 - - -7.0449697971343994e-01 1.0752149671316147e-01 - <_> - - 0 -1 105 -2.2125479299575090e-03 - - -5.0877428054809570e-01 1.1367189884185791e-01 - <_> - - 0 -1 106 1.1675730347633362e-02 - - 8.4258683025836945e-02 -6.7384701967239380e-01 - <_> - - 0 -1 107 -2.0404369570314884e-03 - - 1.6251119971275330e-01 -4.1435649991035461e-01 - <_> - - 0 -1 108 -7.6540438458323479e-03 - - -4.2833179235458374e-01 1.3060709834098816e-01 - <_> - - 0 -1 109 2.9370479285717010e-02 - - 5.4651051759719849e-02 -3.4795379638671875e-01 - <_> - - 0 -1 110 -9.5828901976346970e-03 - - -4.8620718717575073e-01 1.1706890165805817e-01 - <_> - - 0 -1 111 6.0666278004646301e-03 - - -3.6553880572319031e-01 8.7813600897789001e-02 - <_> - - 0 -1 112 1.7992249922826886e-03 - - 1.6035990417003632e-01 -3.0859109759330750e-01 - <_> - - 0 -1 113 -1.0092309676110744e-02 - - -3.9505869150161743e-01 1.1514779925346375e-01 - <_> - - 0 -1 114 2.5171819142997265e-03 - - -3.0043110251426697e-01 1.8256050348281860e-01 - <_> - - 0 -1 115 -1.7089240252971649e-02 - - -5.2173590660095215e-01 9.7457267343997955e-02 - <_> - - 0 -1 116 -5.5856268852949142e-02 - - 5.3540021181106567e-01 -8.9221552014350891e-02 - <_> - - 0 -1 117 -2.3930610623210669e-03 - - -4.7012439370155334e-01 8.6141407489776611e-02 - <_> - - 0 -1 118 3.6918919067829847e-03 - - -2.7755591273307800e-01 1.5186099708080292e-01 - <_> - - 0 -1 119 2.1945969201624393e-03 - - -1.6867069900035858e-01 1.1952520161867142e-01 - <_> - - 0 -1 120 2.9675459954887629e-03 - - -3.8940680027008057e-01 1.0388910025358200e-01 - <_> - - 0 -1 121 1.9976729527115822e-03 - - 9.1141343116760254e-02 -4.1050049662590027e-01 - <_> - - 0 -1 122 -2.0369699224829674e-02 - - -5.9968769550323486e-01 6.9301806390285492e-02 - <_> - - 0 -1 123 2.3318571038544178e-03 - - 6.1892550438642502e-02 -3.2886800169944763e-01 - <_> - - 0 -1 124 -4.2863588780164719e-02 - - -7.3844969272613525e-01 5.7071659713983536e-02 - <_> - - 0 -1 125 1.1471749749034643e-03 - - -5.1379621028900146e-01 7.1196496486663818e-02 - <_> - - 0 -1 126 -1.3735669665038586e-02 - - -5.3785508871078491e-01 6.5542042255401611e-02 - <_> - - 0 -1 127 4.7165591269731522e-02 - - 4.5389361679553986e-02 -6.8944799900054932e-01 - <_> - - 0 -1 128 -1.1204879730939865e-02 - - 1.6932639479637146e-01 -2.3061719536781311e-01 - <_> - - 0 -1 129 -1.5478420257568359e-01 - - -7.7705371379852295e-01 1.2142470106482506e-02 - <_> - - 0 -1 130 5.8086342178285122e-03 - - 1.1318100243806839e-01 -3.3206319808959961e-01 - <_> - - 0 -1 131 -2.8529569506645203e-02 - - -5.6747281551361084e-01 4.8734560608863831e-02 - <_> - - 0 -1 132 -3.8758948445320129e-02 - - 5.9423100948333740e-01 -7.5139336287975311e-02 - <_> - - 0 -1 133 3.1037809327244759e-02 - - 5.1973540335893631e-02 -5.8552652597427368e-01 - <_> - - 0 -1 134 7.4786080404010136e-06 - - -2.7623200416564941e-01 1.4088490605354309e-01 - <_> - - 0 -1 135 3.1000260263681412e-02 - - 3.1331729143857956e-02 -5.6860172748565674e-01 - <_> - - 0 -1 136 -4.9860659986734390e-02 - - -8.2924622297286987e-01 3.8801580667495728e-02 - <_> - - 0 -1 137 -4.2323280125856400e-02 - - -4.3062108755111694e-01 1.6579480841755867e-02 - <_> - - 0 -1 138 9.1987219639122486e-04 - - -2.1154449880123138e-01 1.5517529845237732e-01 - <_> - - 0 -1 139 2.0559869706630707e-01 - - -6.2403179705142975e-02 3.2229611277580261e-01 - <_> - - 0 -1 140 2.9118418693542480e-01 - - 3.9228469133377075e-02 -9.4128221273422241e-01 - <_> - - 0 -1 141 7.8337509185075760e-03 - - -1.4806599915027618e-01 1.7849209904670715e-01 - <_> - - 0 -1 142 1.1393319815397263e-02 - - 7.7987723052501678e-02 -4.2424258589744568e-01 - <_> - - 0 -1 143 -9.1807022690773010e-02 - - 3.3689481019973755e-01 -5.6174129247665405e-02 - <_> - - 0 -1 144 -1.6038250178098679e-02 - - -2.4954010546207428e-01 1.4570869505405426e-01 - <_> - - 0 -1 145 5.4830290377140045e-02 - - -1.5496000647544861e-01 2.0329600572586060e-01 - <_> - - 0 -1 146 2.4449700489640236e-02 - - 6.0974378138780594e-02 -6.3072341680526733e-01 - <_> - - 0 -1 147 2.9260670766234398e-02 - - 4.6833608299493790e-02 -3.7985381484031677e-01 - <_> - - 0 -1 148 3.9965552277863026e-03 - - -1.6927300393581390e-01 1.9100320339202881e-01 - <_> - - 0 -1 149 -6.9938853383064270e-02 - - 5.4655587673187256e-01 -5.4965749382972717e-02 - <_> - 25 - -1.9646480083465576e+00 - - <_> - - 0 -1 150 4.5835621654987335e-02 - - -4.9982848763465881e-01 4.0961080789566040e-01 - <_> - - 0 -1 151 2.6363100856542587e-02 - - -3.9193201065063477e-01 5.1567757129669189e-01 - <_> - - 0 -1 152 1.5189830213785172e-02 - - -5.2216362953186035e-01 3.1368219852447510e-01 - <_> - - 0 -1 153 -2.0805280655622482e-02 - - 3.7614479660987854e-01 -4.7375538945198059e-01 - <_> - - 0 -1 154 -7.4902721680700779e-03 - - 1.6283489763736725e-01 -7.0384472608566284e-01 - <_> - - 0 -1 155 2.7719369530677795e-01 - - -1.6404120624065399e-01 3.3481580018997192e-01 - <_> - - 0 -1 156 6.4188443124294281e-02 - - -8.0176621675491333e-01 1.2763829529285431e-01 - <_> - - 0 -1 157 4.0668170899152756e-02 - - -3.3386930823326111e-01 2.8456181287765503e-01 - <_> - - 0 -1 158 7.4888020753860474e-03 - - -3.7188920378684998e-01 2.5932261347770691e-01 - <_> - - 0 -1 159 6.4942672848701477e-02 - - 1.0372909903526306e-01 -7.1671068668365479e-01 - <_> - - 0 -1 160 -2.1149769891053438e-03 - - -7.5683927536010742e-01 7.9019591212272644e-02 - <_> - - 0 -1 161 -4.8293141298927367e-04 - - -4.9852079153060913e-01 8.1111326813697815e-02 - <_> - - 0 -1 162 1.3996459543704987e-01 - - 8.7497599422931671e-02 -7.6389372348785400e-01 - <_> - - 0 -1 163 5.2211988717317581e-02 - - 3.1640481203794479e-02 -5.3281372785568237e-01 - <_> - - 0 -1 164 3.0680459458380938e-03 - - -6.2458527088165283e-01 1.3869540393352509e-01 - <_> - - 0 -1 165 5.0478860735893250e-02 - - 7.9063497483730316e-02 -7.4017041921615601e-01 - <_> - - 0 -1 166 -8.5122063755989075e-03 - - -4.9971660971641541e-01 1.1132259666919708e-01 - <_> - - 0 -1 167 7.0091806352138519e-02 - - 9.7081907093524933e-02 -6.1879187822341919e-01 - <_> - - 0 -1 168 -2.7261190116405487e-03 - - 9.7546629607677460e-02 -5.7760041952133179e-01 - <_> - - 0 -1 169 1.0676559992134571e-02 - - -2.9058128595352173e-01 1.8426120281219482e-01 - <_> - - 0 -1 170 6.3848652644082904e-04 - - 1.3869750499725342e-01 -4.2546540498733521e-01 - <_> - - 0 -1 171 -4.7957260161638260e-02 - - -7.3249137401580811e-01 4.1188109666109085e-02 - <_> - - 0 -1 172 1.7140049487352371e-02 - - -3.1973451375961304e-01 1.6840089857578278e-01 - <_> - - 0 -1 173 7.8544542193412781e-02 - - 5.0053231418132782e-02 -7.1410048007965088e-01 - <_> - - 0 -1 174 -1.1342849582433701e-02 - - -3.8810971379280090e-01 1.2976409494876862e-01 - <_> - 53 - -2.1222629547119141e+00 - - <_> - - 0 -1 175 -8.6751781054772437e-05 - - 2.5179910659790039e-01 -6.7723119258880615e-01 - <_> - - 0 -1 176 2.0550179481506348e-01 - - 2.0217150449752808e-02 -3.3618199825286865e-01 - <_> - - 0 -1 177 1.3893260061740875e-01 - - 1.0678269714117050e-01 -8.6710119247436523e-01 - <_> - - 0 -1 178 2.6432450395077467e-03 - - -4.1057088971138000e-01 2.5603920221328735e-01 - <_> - - 0 -1 179 -1.6145260306075215e-03 - - 1.7448160052299500e-01 -5.0290131568908691e-01 - <_> - - 0 -1 180 -4.6492749825119972e-03 - - -8.3960932493209839e-01 1.0409969836473465e-01 - <_> - - 0 -1 181 -5.5983918718993664e-03 - - -5.2673357725143433e-01 1.2114489823579788e-01 - <_> - - 0 -1 182 2.1482799202203751e-03 - - 8.6831927299499512e-02 -5.2384740114212036e-01 - <_> - - 0 -1 183 -2.2942349314689636e-03 - - 1.5666730701923370e-01 -3.9387580752372742e-01 - <_> - - 0 -1 184 -1.0809659725055099e-03 - - 9.4777546823024750e-02 -5.7967597246170044e-01 - <_> - - 0 -1 185 -1.8739879131317139e-02 - - -4.3780770897865295e-01 1.2754319608211517e-01 - <_> - - 0 -1 186 -2.0956669468432665e-03 - - 2.1275860071182251e-01 -1.7645539343357086e-01 - <_> - - 0 -1 187 -6.1370119452476501e-02 - - -6.7007988691329956e-01 8.5291177034378052e-02 - <_> - - 0 -1 188 -4.5074969530105591e-02 - - -4.7614151239395142e-01 3.8384389132261276e-02 - <_> - - 0 -1 189 4.5961341820657253e-03 - - 9.0776696801185608e-02 -5.3642177581787109e-01 - <_> - - 0 -1 190 -5.6205179542303085e-02 - - -4.4128128886222839e-01 2.6340639218688011e-02 - <_> - - 0 -1 191 -1.7070030793547630e-02 - - 3.1962528824806213e-01 -1.5699079632759094e-01 - <_> - - 0 -1 192 1.3778540305793285e-02 - - -4.1468238830566406e-01 1.0832040011882782e-01 - <_> - - 0 -1 193 5.6932470761239529e-03 - - 1.0973270237445831e-01 -4.1420969367027283e-01 - <_> - - 0 -1 194 1.1573060182854533e-03 - - -4.6996459364891052e-01 1.4088229835033417e-01 - <_> - - 0 -1 195 -4.3259391532046720e-05 - - -5.9117478132247925e-01 7.2208836674690247e-02 - <_> - - 0 -1 196 -1.4467669825535268e-04 - - 1.4340500533580780e-01 -2.0809020102024078e-01 - <_> - - 0 -1 197 -3.0667539685964584e-02 - - -6.4181727170944214e-01 7.6316222548484802e-02 - <_> - - 0 -1 198 6.4002368599176407e-03 - - -1.5426200628280640e-01 2.0618820190429688e-01 - <_> - - 0 -1 199 2.7318780776113272e-03 - - -1.8429130315780640e-01 2.2046269476413727e-01 - <_> - - 0 -1 200 -4.1759859770536423e-02 - - 5.1284658908843994e-01 -4.3097220361232758e-02 - <_> - - 0 -1 201 -3.0174419283866882e-02 - - -3.6134809255599976e-01 1.1633390188217163e-01 - <_> - - 0 -1 202 6.8081771023571491e-03 - - -2.5953280925750732e-01 1.4927390217781067e-01 - <_> - - 0 -1 203 4.3430369347333908e-02 - - 6.8601243197917938e-02 -5.8221191167831421e-01 - <_> - - 0 -1 204 2.1121300756931305e-02 - - -8.5372917354106903e-02 8.0498583614826202e-02 - <_> - - 0 -1 205 9.9840283393859863e-02 - - 5.3292520344257355e-02 -7.1819657087326050e-01 - <_> - - 0 -1 206 5.6953770108520985e-03 - - -8.8976107537746429e-02 1.3483940064907074e-01 - <_> - - 0 -1 207 -5.9984568506479263e-02 - - 6.8324291706085205e-01 -5.1916271448135376e-02 - <_> - - 0 -1 208 5.9353262186050415e-03 - - 1.0305190086364746e-01 -2.5361439585685730e-01 - <_> - - 0 -1 209 -7.4867930379696190e-05 - - 1.3340729475021362e-01 -2.9323559999465942e-01 - <_> - - 0 -1 210 -2.5437519070692360e-04 - - 1.5335780382156372e-01 -1.9387570023536682e-01 - <_> - - 0 -1 211 7.7576987678185105e-04 - - -3.1155571341514587e-01 1.0632509738206863e-01 - <_> - - 0 -1 212 5.4478500038385391e-02 - - 2.6277480646967888e-02 -6.6687411069869995e-01 - <_> - - 0 -1 213 1.2692850083112717e-02 - - 9.3613043427467346e-02 -3.9152190089225769e-01 - <_> - - 0 -1 214 -3.0766960233449936e-02 - - -5.9238088130950928e-01 4.8314999788999557e-02 - <_> - - 0 -1 215 -1.9366150721907616e-02 - - 4.3661609292030334e-01 -8.8672943413257599e-02 - <_> - - 0 -1 216 -2.8705620206892490e-03 - - 1.5244780480861664e-01 -1.3861170411109924e-01 - <_> - - 0 -1 217 4.0003698319196701e-02 - - 5.8748051524162292e-02 -6.9119709730148315e-01 - <_> - - 0 -1 218 -8.1130467355251312e-02 - - -7.8684318065643311e-01 2.0421498920768499e-03 - <_> - - 0 -1 219 -2.1017501130700111e-03 - - 1.9100449979305267e-01 -1.9659680128097534e-01 - <_> - - 0 -1 220 8.6481617763638496e-03 - - 8.8689289987087250e-02 -3.7414151430130005e-01 - <_> - - 0 -1 221 -5.2429020404815674e-02 - - -7.2615998983383179e-01 3.9465688169002533e-02 - <_> - - 0 -1 222 3.4464800264686346e-03 - - -1.1640899628400803e-01 2.7386268973350525e-01 - <_> - - 0 -1 223 -7.0581152103841305e-03 - - -3.6283940076828003e-01 9.2023678123950958e-02 - <_> - - 0 -1 224 -5.7412259280681610e-02 - - -8.8839381933212280e-01 2.6647759601473808e-02 - <_> - - 0 -1 225 3.3479030244052410e-03 - - -1.4884050190448761e-01 1.8366430699825287e-01 - <_> - - 0 -1 226 -5.3958419710397720e-02 - - 3.8098138570785522e-01 -4.4046580791473389e-02 - <_> - - 0 -1 227 -2.5719689205288887e-02 - - 3.2570821046829224e-01 -1.0078220069408417e-01 - <_> - 44 - -2.1038460731506348e+00 - - <_> - - 0 -1 228 1.2441220134496689e-01 - - -3.8573729991912842e-01 3.9273661375045776e-01 - <_> - - 0 -1 229 3.7802878767251968e-02 - - -4.7028678655624390e-01 3.5786831378936768e-01 - <_> - - 0 -1 230 3.0441429466009140e-02 - - -3.9460399746894836e-01 3.2518500089645386e-01 - <_> - - 0 -1 231 3.9223438943736255e-04 - - -4.5166510343551636e-01 1.9672380387783051e-01 - <_> - - 0 -1 232 3.9077710360288620e-02 - - -2.1073329448699951e-01 4.3864768743515015e-01 - <_> - - 0 -1 233 -8.9118082541972399e-05 - - 1.5196959674358368e-01 -5.9563517570495605e-01 - <_> - - 0 -1 234 8.8415127247571945e-03 - - -4.9292489886283875e-01 1.7406579852104187e-01 - <_> - - 0 -1 235 1.3666059821844101e-02 - - 9.2861749231815338e-02 -5.5182307958602905e-01 - <_> - - 0 -1 236 -6.1203300952911377e-02 - - -6.7985290288925171e-01 1.0049080103635788e-01 - <_> - - 0 -1 237 5.7719892356544733e-04 - - -5.8301997184753418e-01 1.1089629679918289e-01 - <_> - - 0 -1 238 2.8370460495352745e-04 - - -5.9793341159820557e-01 9.3898378312587738e-02 - <_> - - 0 -1 239 1.7665980383753777e-02 - - -2.2015470266342163e-01 3.4533089399337769e-01 - <_> - - 0 -1 240 2.5697330012917519e-02 - - -3.6195701360702515e-01 1.6877350211143494e-01 - <_> - - 0 -1 241 -4.0316689759492874e-02 - - 2.2964400053024292e-01 -2.9301440715789795e-01 - <_> - - 0 -1 242 4.6522719785571098e-03 - - -5.8995968103408813e-01 1.0466910153627396e-01 - <_> - - 0 -1 243 -1.3406000100076199e-02 - - -3.9572098851203918e-01 8.3528116345405579e-02 - <_> - - 0 -1 244 3.6127280443906784e-02 - - 9.4165802001953125e-02 -5.4097181558609009e-01 - <_> - - 0 -1 245 2.2792080417275429e-03 - - 1.2819069623947144e-01 -3.6514538526535034e-01 - <_> - - 0 -1 246 1.4454070478677750e-03 - - -2.3281599581241608e-01 1.9829919934272766e-01 - <_> - - 0 -1 247 5.7482529431581497e-02 - - 7.5042396783828735e-02 -5.7704979181289673e-01 - <_> - - 0 -1 248 3.3360819797962904e-03 - - 8.8012017309665680e-02 -4.6779251098632812e-01 - <_> - - 0 -1 249 3.7225749343633652e-02 - - 3.2155111432075500e-02 -6.6346621513366699e-01 - <_> - - 0 -1 250 1.6612760722637177e-02 - - 9.1689839959144592e-02 -5.2128171920776367e-01 - <_> - - 0 -1 251 2.0543249323964119e-02 - - -2.8753378987312317e-01 1.4261309802532196e-01 - <_> - - 0 -1 252 -1.5633470320608467e-04 - - 2.0246730744838715e-01 -2.2424469888210297e-01 - <_> - - 0 -1 253 1.2188810110092163e-01 - - -1.6461309790611267e-01 1.7583920061588287e-01 - <_> - - 0 -1 254 4.6413440257310867e-02 - - -6.8978017568588257e-01 6.4349927008152008e-02 - <_> - - 0 -1 255 1.4946439862251282e-01 - - 3.9805840700864792e-02 -7.0177328586578369e-01 - <_> - - 0 -1 256 1.4346869662404060e-02 - - 9.2628777027130127e-02 -4.6314170956611633e-01 - <_> - - 0 -1 257 3.6158718168735504e-02 - - 6.4412936568260193e-02 -6.5277212858200073e-01 - <_> - - 0 -1 258 -5.5098228156566620e-02 - - -6.1021989583969116e-01 6.6034287214279175e-02 - <_> - - 0 -1 259 -3.2978600356727839e-03 - - 8.6579866707324982e-02 -2.1844820678234100e-01 - <_> - - 0 -1 260 4.1257790289819241e-03 - - -4.4980299472808838e-01 9.3251250684261322e-02 - <_> - - 0 -1 261 3.3465269953012466e-02 - - 1.4524499885737896e-02 -4.0200001001358032e-01 - <_> - - 0 -1 262 -2.2584630176424980e-02 - - -6.0067617893218994e-01 6.4416721463203430e-02 - <_> - - 0 -1 263 -7.1505038067698479e-03 - - 6.7139469087123871e-02 -1.2947300076484680e-01 - <_> - - 0 -1 264 -5.1440041512250900e-02 - - -4.8466479778289795e-01 8.2093752920627594e-02 - <_> - - 0 -1 265 -1.9100949168205261e-02 - - -3.5394379496574402e-01 1.0851690173149109e-01 - <_> - - 0 -1 266 6.9468282163143158e-03 - - 1.5407569706439972e-01 -2.3040190339088440e-01 - <_> - - 0 -1 267 -2.3886600509285927e-02 - - 4.9007979035377502e-01 -5.9650428593158722e-02 - <_> - - 0 -1 268 -1.3964619720354676e-03 - - -3.3704701066017151e-01 1.1569459736347198e-01 - <_> - - 0 -1 269 2.6320600882172585e-02 - - -3.9132680743932724e-02 3.7615358829498291e-01 - <_> - - 0 -1 270 5.0336541607975960e-03 - - -3.5457020998001099e-01 1.0786720365285873e-01 - <_> - - 0 -1 271 -1.1523960158228874e-02 - - 3.5148641467094421e-01 -1.1373709887266159e-01 - <_> - 72 - -1.9109580516815186e+00 - - <_> - - 0 -1 272 -5.6698019616305828e-03 - - 2.5299090147018433e-01 -5.5377197265625000e-01 - <_> - - 0 -1 273 1.2186550302430987e-03 - - 9.1723538935184479e-02 -6.5661650896072388e-01 - <_> - - 0 -1 274 3.1903409399092197e-03 - - 1.2116809934377670e-01 -5.4405361413955688e-01 - <_> - - 0 -1 275 -1.2117680162191391e-02 - - -6.8211251497268677e-01 1.1178220063447952e-01 - <_> - - 0 -1 276 2.2634069900959730e-03 - - -5.6313961744308472e-01 9.9629260599613190e-02 - <_> - - 0 -1 277 2.2871519904583693e-03 - - -5.0227242708206177e-01 1.1288029700517654e-01 - <_> - - 0 -1 278 -7.4018500745296478e-03 - - -5.0622308254241943e-01 1.0325270146131516e-01 - <_> - - 0 -1 279 6.5725757740437984e-03 - - 3.1603671610355377e-02 -4.5879349112510681e-01 - <_> - - 0 -1 280 -1.7237069085240364e-02 - - -3.6556100845336914e-01 1.4122049510478973e-01 - <_> - - 0 -1 281 -1.7646619817242026e-03 - - 1.8962210416793823e-01 -3.4349760413169861e-01 - <_> - - 0 -1 282 2.6085950434207916e-02 - - 8.7369233369827271e-02 -5.3332161903381348e-01 - <_> - - 0 -1 283 8.5357967764139175e-03 - - -3.7360730767250061e-01 1.4508520066738129e-01 - <_> - - 0 -1 284 -6.2934341840445995e-03 - - -4.5775079727172852e-01 1.0016269981861115e-01 - <_> - - 0 -1 285 9.7081549465656281e-02 - - 3.3761640079319477e-03 -8.4679859876632690e-01 - <_> - - 0 -1 286 -9.9455721676349640e-02 - - 7.7892357110977173e-01 -5.4456088691949844e-02 - <_> - - 0 -1 287 3.9128549396991730e-02 - - 3.9479929953813553e-02 -4.6620211005210876e-01 - <_> - - 0 -1 288 6.8423762917518616e-02 - - 4.8163410276174545e-02 -8.1910741329193115e-01 - <_> - - 0 -1 289 -1.7304550856351852e-02 - - -4.6001830697059631e-01 2.1781340241432190e-02 - <_> - - 0 -1 290 4.5203989429865032e-05 - - 1.5590970218181610e-01 -2.5734600424766541e-01 - <_> - - 0 -1 291 -5.3720749914646149e-02 - - -7.3984587192535400e-01 2.3658139631152153e-02 - <_> - - 0 -1 292 -2.1576840663328767e-04 - - 1.1803720146417618e-01 -3.5380458831787109e-01 - <_> - - 0 -1 293 1.2613219441846013e-03 - - -1.8313080072402954e-01 1.6306960582733154e-01 - <_> - - 0 -1 294 2.2714029997587204e-02 - - -9.5647342503070831e-02 3.8062781095504761e-01 - <_> - - 0 -1 295 2.0958330482244492e-02 - - 6.1185598373413086e-02 -5.2644938230514526e-01 - <_> - - 0 -1 296 1.5458449721336365e-02 - - 6.4466789364814758e-02 -4.7441288828849792e-01 - <_> - - 0 -1 297 -5.0828810781240463e-03 - - 1.0018830001354218e-01 -3.6397251486778259e-01 - <_> - - 0 -1 298 1.1842510430142283e-03 - - -2.0603519678115845e-01 1.7129589617252350e-01 - <_> - - 0 -1 299 5.0187770277261734e-02 - - -7.0924967527389526e-02 1.0435319691896439e-01 - <_> - - 0 -1 300 1.7535200715065002e-01 - - 3.7766210734844208e-02 -8.0802738666534424e-01 - <_> - - 0 -1 301 -6.8425558507442474e-02 - - -5.0214898586273193e-01 5.4671119898557663e-02 - <_> - - 0 -1 302 2.2496099118143320e-03 - - -2.8013509511947632e-01 1.0950099676847458e-01 - <_> - - 0 -1 303 8.5355632007122040e-02 - - 3.3376980572938919e-02 -7.3676842451095581e-01 - <_> - - 0 -1 304 -2.8825979679822922e-02 - - -4.8528099060058594e-01 4.9596078693866730e-02 - <_> - - 0 -1 305 -1.3562700478360057e-03 - - 1.8493090569972992e-01 -1.6541489958763123e-01 - <_> - - 0 -1 306 1.5731659950688481e-03 - - 9.0431816875934601e-02 -3.0193880200386047e-01 - <_> - - 0 -1 307 -5.2912188693881035e-03 - - -4.3963611125946045e-01 4.6880699694156647e-02 - <_> - - 0 -1 308 4.2200140655040741e-02 - - -7.5348012149333954e-02 3.7712809443473816e-01 - <_> - - 0 -1 309 3.1030770391225815e-02 - - 6.6053368151187897e-02 -4.7378420829772949e-01 - <_> - - 0 -1 310 8.0451928079128265e-03 - - -7.7326983213424683e-02 3.4898889064788818e-01 - <_> - - 0 -1 311 2.3791180923581123e-02 - - 4.8629928380250931e-02 -5.8155477046966553e-01 - <_> - - 0 -1 312 -2.6884680613875389e-02 - - 7.3852258920669556e-01 -4.0025118738412857e-02 - <_> - - 0 -1 313 -1.7013859469443560e-03 - - 1.4116409420967102e-01 -1.8305079638957977e-01 - <_> - - 0 -1 314 -3.2258979976177216e-02 - - -6.4598697423934937e-01 4.1774179786443710e-02 - <_> - - 0 -1 315 -9.1719552874565125e-02 - - 6.3651692867279053e-01 -4.4406279921531677e-02 - <_> - - 0 -1 316 1.1253220029175282e-02 - - -1.0398969799280167e-01 2.4386499822139740e-01 - <_> - - 0 -1 317 9.1702006757259369e-03 - - -1.0142300277948380e-01 1.7325720191001892e-01 - <_> - - 0 -1 318 -3.7584431469440460e-02 - - -6.5999048948287964e-01 3.5357259213924408e-02 - <_> - - 0 -1 319 1.4904039562679827e-04 - - -1.2504950165748596e-01 1.0161379724740982e-01 - <_> - - 0 -1 320 5.6240631965920329e-04 - - -2.1511219441890717e-01 1.0537440329790115e-01 - <_> - - 0 -1 321 -1.7314270138740540e-02 - - -1.6798290610313416e-01 6.1207499355077744e-02 - <_> - - 0 -1 322 -1.5429870225489140e-02 - - 2.5674480199813843e-01 -9.7193486988544464e-02 - <_> - - 0 -1 323 -1.5612079761922359e-02 - - -3.5797500610351562e-01 6.9260068237781525e-02 - <_> - - 0 -1 324 7.4424187187105417e-04 - - -1.5740460157394409e-01 1.4921070635318756e-01 - <_> - - 0 -1 325 7.9008340835571289e-02 - - 3.5924728959798813e-02 -6.4907592535018921e-01 - <_> - - 0 -1 326 -3.3477540127933025e-03 - - -2.5794708728790283e-01 8.1626862287521362e-02 - <_> - - 0 -1 327 3.5589419305324554e-02 - - -4.6870049089193344e-02 5.3945267200469971e-01 - <_> - - 0 -1 328 7.6168961822986603e-04 - - 8.0409869551658630e-02 -2.8045970201492310e-01 - <_> - - 0 -1 329 9.6126887947320938e-03 - - 9.2715777456760406e-02 -2.2755210101604462e-01 - <_> - - 0 -1 330 3.4582789987325668e-02 - - -9.5495507121086121e-02 2.8116491436958313e-01 - <_> - - 0 -1 331 -8.2031842321157455e-03 - - -3.3162289857864380e-01 4.0629711002111435e-02 - <_> - - 0 -1 332 2.5540109723806381e-02 - - 7.0458933711051941e-02 -3.2799351215362549e-01 - <_> - - 0 -1 333 -3.1389920040965080e-03 - - 1.2529349327087402e-01 -6.0766801238059998e-02 - <_> - - 0 -1 334 4.5892409980297089e-03 - - -9.5335446298122406e-02 2.4738679826259613e-01 - <_> - - 0 -1 335 -2.3260030895471573e-02 - - -2.3823159933090210e-01 3.3502969890832901e-02 - <_> - - 0 -1 336 1.7964519793167710e-03 - - 8.9843861758708954e-02 -2.8049159049987793e-01 - <_> - - 0 -1 337 -1.0952910035848618e-01 - - -4.6206548810005188e-01 7.4333418160676956e-03 - <_> - - 0 -1 338 6.8442770279943943e-03 - - 7.3520109057426453e-02 -3.6190700531005859e-01 - <_> - - 0 -1 339 -7.3719851672649384e-02 - - 4.1131800413131714e-01 -6.8293057382106781e-02 - <_> - - 0 -1 340 9.4485012814402580e-03 - - -1.2132299691438675e-01 2.1491959691047668e-01 - <_> - - 0 -1 341 -7.4686057865619659e-02 - - 2.4292010068893433e-01 -3.8520719856023788e-02 - <_> - - 0 -1 342 -1.8958229571580887e-02 - - -3.7263819575309753e-01 6.8381950259208679e-02 - <_> - - 0 -1 343 -8.3170487778261304e-04 - - 9.5785446465015411e-02 -1.0169020295143127e-01 - <_> - 54 - -2.0048389434814453e+00 - - <_> - - 0 -1 344 1.5233230590820312e-01 - - -3.1805351376533508e-01 4.7039988636970520e-01 - <_> - - 0 -1 345 8.8482722640037537e-03 - - -3.6134269833564758e-01 2.7332958579063416e-01 - <_> - - 0 -1 346 2.9788410291075706e-02 - - -2.8059279918670654e-01 3.6270239949226379e-01 - <_> - - 0 -1 347 5.2725639194250107e-02 - - -1.9320569932460785e-01 3.5507258772850037e-01 - <_> - - 0 -1 348 2.6077419519424438e-02 - - -3.7120199203491211e-01 2.7038440108299255e-01 - <_> - - 0 -1 349 -4.4878520071506500e-02 - - 2.9119300842285156e-01 -3.5178241133689880e-01 - <_> - - 0 -1 350 -9.3984341947361827e-04 - - -6.0143661499023438e-01 1.1815790086984634e-01 - <_> - - 0 -1 351 3.1817350536584854e-03 - - -6.1632722616195679e-01 1.0581470280885696e-01 - <_> - - 0 -1 352 -6.2214181525632739e-04 - - 1.1701049655675888e-01 -6.1873781681060791e-01 - <_> - - 0 -1 353 5.4993429221212864e-03 - - 7.1740642189979553e-02 -3.2122710347175598e-01 - <_> - - 0 -1 354 7.0621701888740063e-03 - - -3.0814599990844727e-01 1.8299129605293274e-01 - <_> - - 0 -1 355 -3.4492298960685730e-02 - - -3.6952570080757141e-01 1.1142779886722565e-01 - <_> - - 0 -1 356 -5.3783431649208069e-02 - - -6.6689962148666382e-01 8.4863640367984772e-02 - <_> - - 0 -1 357 -2.0194910466670990e-02 - - -4.2300069332122803e-01 5.6325469166040421e-02 - <_> - - 0 -1 358 -7.6839578105136752e-04 - - 1.3547450304031372e-01 -3.5696288943290710e-01 - <_> - - 0 -1 359 6.6877179779112339e-03 - - -3.4379830956459045e-01 1.3302099704742432e-01 - <_> - - 0 -1 360 1.1147409677505493e-01 - - -4.9523550271987915e-01 9.7303003072738647e-02 - <_> - - 0 -1 361 -8.5021732375025749e-03 - - -5.1778990030288696e-01 6.7188903689384460e-02 - <_> - - 0 -1 362 -1.8897019326686859e-02 - - -4.7064769268035889e-01 9.0873777866363525e-02 - <_> - - 0 -1 363 5.7387170381844044e-03 - - -1.4860689640045166e-01 3.0976840853691101e-01 - <_> - - 0 -1 364 3.2604049891233444e-02 - - 7.8677706420421600e-02 -5.4713827371597290e-01 - <_> - - 0 -1 365 1.8975350030814297e-05 - - -2.4359850585460663e-01 9.8908931016921997e-02 - <_> - - 0 -1 366 -1.9267159514129162e-03 - - -5.0522977113723755e-01 7.5119331479072571e-02 - <_> - - 0 -1 367 -7.7145430259406567e-03 - - -2.5014960765838623e-01 1.0211499780416489e-01 - <_> - - 0 -1 368 -1.8806649371981621e-02 - - -4.3269169330596924e-01 1.1147680133581161e-01 - <_> - - 0 -1 369 2.9912199825048447e-02 - - 4.6748448163270950e-02 -5.8818292617797852e-01 - <_> - - 0 -1 370 -7.4260600376874208e-04 - - 1.8389309942722321e-01 -2.0138260722160339e-01 - <_> - - 0 -1 371 4.0662181563675404e-03 - - -4.4948458671569824e-01 8.6881376802921295e-02 - <_> - - 0 -1 372 1.8681669607758522e-02 - - -1.7103520035743713e-01 2.2931230068206787e-01 - <_> - - 0 -1 373 4.6580690890550613e-02 - - 4.3874379247426987e-02 -6.6704601049423218e-01 - <_> - - 0 -1 374 -1.5030739828944206e-02 - - -7.6569449901580811e-01 4.2524490505456924e-02 - <_> - - 0 -1 375 6.3602820038795471e-02 - - 3.3629488199949265e-02 -8.6777329444885254e-01 - <_> - - 0 -1 376 -3.3613100647926331e-02 - - -6.7464047670364380e-01 4.5196920633316040e-02 - <_> - - 0 -1 377 -4.4314529746770859e-02 - - -4.7056430578231812e-01 2.0987950265407562e-02 - <_> - - 0 -1 378 2.9175819829106331e-02 - - 5.6036490947008133e-02 -6.5745961666107178e-01 - <_> - - 0 -1 379 8.4737781435251236e-03 - - -1.2312129884958267e-01 3.6037188768386841e-01 - <_> - - 0 -1 380 -2.6930740103125572e-02 - - -6.5255117416381836e-01 6.0726620256900787e-02 - <_> - - 0 -1 381 3.7930138409137726e-02 - - -1.5491360425949097e-01 2.1770450472831726e-01 - <_> - - 0 -1 382 1.6430050134658813e-02 - - -2.5250691175460815e-01 1.5458230674266815e-01 - <_> - - 0 -1 383 5.1079809665679932e-02 - - 3.0773499980568886e-02 -6.4929312467575073e-01 - <_> - - 0 -1 384 1.6663300339132547e-03 - - -3.7425559759140015e-01 8.1392176449298859e-02 - <_> - - 0 -1 385 -9.0896980836987495e-03 - - 1.7854049801826477e-01 -7.6578080654144287e-02 - <_> - - 0 -1 386 2.0629199221730232e-02 - - 7.2373263537883759e-02 -4.2050579190254211e-01 - <_> - - 0 -1 387 8.2410024479031563e-03 - - 3.2896678894758224e-02 -3.7325268983840942e-01 - <_> - - 0 -1 388 -4.6126499772071838e-02 - - -3.7356421351432800e-01 7.7336780726909637e-02 - <_> - - 0 -1 389 -8.3484929054975510e-03 - - 1.8690130114555359e-01 -1.5126839280128479e-01 - <_> - - 0 -1 390 -4.7689080238342285e-02 - - -4.0730020403862000e-01 8.7598368525505066e-02 - <_> - - 0 -1 391 -5.0166220171377063e-04 - - 1.2036769837141037e-01 -2.4717660248279572e-01 - <_> - - 0 -1 392 2.1794239728478715e-05 - - -2.9800811409950256e-01 1.2065000087022781e-01 - <_> - - 0 -1 393 -7.0597290992736816e-02 - - -6.8116611242294312e-01 6.4198948442935944e-02 - <_> - - 0 -1 394 -6.4999358728528023e-03 - - 2.6219159364700317e-01 -1.4015009999275208e-01 - <_> - - 0 -1 395 5.3664338774979115e-03 - - -3.4273180365562439e-01 9.2048570513725281e-02 - <_> - - 0 -1 396 -1.3341950252652168e-02 - - 4.0258079767227173e-01 -7.2052307426929474e-02 - <_> - - 0 -1 397 1.2243090197443962e-02 - - -8.2426831126213074e-02 3.8369199633598328e-01 - <_> - 100 - -1.8743180036544800e+00 - - <_> - - 0 -1 398 -2.8617910575121641e-03 - - 2.1443170309066772e-01 -5.1532137393951416e-01 - <_> - - 0 -1 399 1.9125089747831225e-03 - - 1.4483030140399933e-01 -6.1175411939620972e-01 - <_> - - 0 -1 400 4.8059499822556973e-03 - - -4.4235628843307495e-01 1.3466580212116241e-01 - <_> - - 0 -1 401 -9.5777623355388641e-02 - - -4.8914781212806702e-01 1.3169640302658081e-01 - <_> - - 0 -1 402 -8.9395968243479729e-03 - - 1.4790549874305725e-01 -4.6696281433105469e-01 - <_> - - 0 -1 403 8.1128235906362534e-03 - - 5.0671331584453583e-02 -4.0227508544921875e-01 - <_> - - 0 -1 404 2.2638900554738939e-04 - - -5.0928252935409546e-01 8.2113206386566162e-02 - <_> - - 0 -1 405 -6.1516009736806154e-04 - - -3.8136801123619080e-01 1.0157950222492218e-01 - <_> - - 0 -1 406 -3.2050691079348326e-03 - - -5.8352458477020264e-01 6.2385398894548416e-02 - <_> - - 0 -1 407 5.4250762332230806e-04 - - -2.5548499822616577e-01 1.4832200109958649e-01 - <_> - - 0 -1 408 1.0713520459830761e-03 - - -3.5334318876266479e-01 1.1791589856147766e-01 - <_> - - 0 -1 409 -1.7755989683791995e-03 - - -3.4087279438972473e-01 9.4740107655525208e-02 - <_> - - 0 -1 410 -9.3014203011989594e-02 - - 7.4685460329055786e-01 -5.2443340420722961e-02 - <_> - - 0 -1 411 -1.4192130416631699e-02 - - -3.1433999538421631e-01 9.0452186763286591e-02 - <_> - - 0 -1 412 -5.3375191055238247e-04 - - 1.4119710028171539e-01 -2.0296710729598999e-01 - <_> - - 0 -1 413 9.4844609498977661e-02 - - 1.4625679701566696e-02 -6.2215209007263184e-01 - <_> - - 0 -1 414 1.1853160103783011e-03 - - -2.5984010100364685e-01 1.2153120338916779e-01 - <_> - - 0 -1 415 -2.4541220627725124e-03 - - 7.1894593536853790e-02 -3.9803519845008850e-01 - <_> - - 0 -1 416 6.8703000433743000e-03 - - 6.8626098334789276e-02 -3.8565808534622192e-01 - <_> - - 0 -1 417 -6.0411270707845688e-02 - - -4.8482391238212585e-01 2.0706020295619965e-02 - <_> - - 0 -1 418 -4.6826168545521796e-04 - - 9.5856241881847382e-02 -3.1230351328849792e-01 - <_> - - 0 -1 419 -3.3507338957861066e-04 - - 7.8128658235073090e-02 -9.4751000404357910e-02 - <_> - - 0 -1 420 3.6313060671091080e-02 - - 4.4824421405792236e-02 -6.3693147897720337e-01 - <_> - - 0 -1 421 3.8052719901315868e-04 - - -2.1931269764900208e-01 1.1780519783496857e-01 - <_> - - 0 -1 422 -5.0964631140232086e-02 - - 5.5783379077911377e-01 -4.3869689106941223e-02 - <_> - - 0 -1 423 -7.6198756694793701e-02 - - 6.7789608240127563e-01 -1.7935890704393387e-02 - <_> - - 0 -1 424 -1.2677020393311977e-02 - - -6.0731011629104614e-01 4.9086190760135651e-02 - <_> - - 0 -1 425 -3.6766629200428724e-03 - - 1.5226639807224274e-01 -1.9953680038452148e-01 - <_> - - 0 -1 426 -3.8846738636493683e-02 - - -7.7045238018035889e-01 3.3732470124959946e-02 - <_> - - 0 -1 427 9.4217229634523392e-03 - - -6.9929488003253937e-02 1.3669140636920929e-01 - <_> - - 0 -1 428 7.3391180485486984e-03 - - -1.2133339792490005e-01 2.1175499260425568e-01 - <_> - - 0 -1 429 1.2211379595100880e-02 - - 6.7636847496032715e-02 -4.3353718519210815e-01 - <_> - - 0 -1 430 -9.3064550310373306e-03 - - -3.4682491421699524e-01 6.4062312245368958e-02 - <_> - - 0 -1 431 5.2111309021711349e-02 - - -3.4146990627050400e-02 3.8904741406440735e-01 - <_> - - 0 -1 432 -4.3582019861787558e-04 - - 1.3956509530544281e-01 -1.8289420008659363e-01 - <_> - - 0 -1 433 -1.0575359687209129e-02 - - -2.7782461047172546e-01 8.5667066276073456e-02 - <_> - - 0 -1 434 1.4794029993936419e-03 - - -2.3154720664024353e-01 1.1765889823436737e-01 - <_> - - 0 -1 435 9.4746891409158707e-03 - - -1.3345280289649963e-01 1.8066969513893127e-01 - <_> - - 0 -1 436 8.3355188369750977e-02 - - 3.3563960343599319e-02 -7.2860741615295410e-01 - <_> - - 0 -1 437 -6.6629007458686829e-02 - - 3.8058251142501831e-01 -3.3490750938653946e-02 - <_> - - 0 -1 438 5.0287488847970963e-03 - - -1.1418010294437408e-01 2.1534989774227142e-01 - <_> - - 0 -1 439 5.1222002506256104e-01 - - 7.6377480290830135e-03 -6.5067559480667114e-01 - <_> - - 0 -1 440 1.2300059944391251e-01 - - 3.8879081606864929e-02 -5.9420442581176758e-01 - <_> - - 0 -1 441 -1.1227129725739360e-03 - - 1.0235410183668137e-01 -1.1207509785890579e-01 - <_> - - 0 -1 442 -6.2220949679613113e-02 - - -5.1173472404479980e-01 4.1879799216985703e-02 - <_> - - 0 -1 443 -2.6323389261960983e-02 - - 3.4005990624427795e-01 -5.0624471157789230e-02 - <_> - - 0 -1 444 -1.8875019624829292e-02 - - -5.4550838470458984e-01 4.1524920612573624e-02 - <_> - - 0 -1 445 -3.4034788608551025e-01 - - -9.1541802883148193e-01 1.6561320051550865e-02 - <_> - - 0 -1 446 -8.0456008436158299e-04 - - 1.4270770549774170e-01 -1.2901450693607330e-01 - <_> - - 0 -1 447 -3.9579509757459164e-03 - - -3.3408370614051819e-01 5.8637548238039017e-02 - <_> - - 0 -1 448 1.8336549401283264e-02 - - -4.5632220804691315e-02 5.2696329355239868e-01 - <_> - - 0 -1 449 -5.7686101645231247e-02 - - -5.7604360580444336e-01 3.9550099521875381e-02 - <_> - - 0 -1 450 -8.6881890892982483e-03 - - 2.0929679274559021e-01 -1.0309000313282013e-01 - <_> - - 0 -1 451 2.0318549871444702e-01 - - 9.4080818817019463e-03 -9.9389547109603882e-01 - <_> - - 0 -1 452 2.0097799599170685e-02 - - 5.6577399373054504e-02 -3.7819018959999084e-01 - <_> - - 0 -1 453 1.3217139989137650e-02 - - -7.4322126805782318e-02 1.7874650657176971e-01 - <_> - - 0 -1 454 -9.1346688568592072e-03 - - -4.9356880784034729e-01 3.7799369543790817e-02 - <_> - - 0 -1 455 8.7239191634580493e-04 - - -1.3848680257797241e-01 1.1516919732093811e-01 - <_> - - 0 -1 456 -3.4609009162522852e-04 - - -1.6371829807758331e-01 1.1949790269136429e-01 - <_> - - 0 -1 457 -9.8570866975933313e-04 - - -5.4642897844314575e-01 4.4689279049634933e-02 - <_> - - 0 -1 458 1.0218559764325619e-02 - - -1.1570169776678085e-01 1.6723839938640594e-01 - <_> - - 0 -1 459 2.6702679693698883e-02 - - 4.3922040611505508e-02 -4.5120438933372498e-01 - <_> - - 0 -1 460 -2.0299260504543781e-03 - - 1.1932279914617538e-01 -1.6979490220546722e-01 - <_> - - 0 -1 461 -8.8023602962493896e-02 - - -8.0279791355133057e-01 9.4295190647244453e-03 - <_> - - 0 -1 462 -1.3109110295772552e-02 - - -3.0865308642387390e-01 6.0802049934864044e-02 - <_> - - 0 -1 463 -9.9501870572566986e-03 - - 1.8400619924068451e-01 -4.6465478837490082e-02 - <_> - - 0 -1 464 -3.4293539356440306e-03 - - 2.6682999730110168e-01 -9.9338643252849579e-02 - <_> - - 0 -1 465 5.4729141294956207e-02 - - 2.8731130063533783e-02 -7.7745848894119263e-01 - <_> - - 0 -1 466 7.2012972086668015e-03 - - 4.4892478734254837e-02 -3.8289341330528259e-01 - <_> - - 0 -1 467 4.2047120630741119e-02 - - -2.2562339901924133e-02 4.0646651387214661e-01 - <_> - - 0 -1 468 4.4444389641284943e-03 - - 9.1204106807708740e-02 -1.8748210370540619e-01 - <_> - - 0 -1 469 2.8441840782761574e-02 - - 4.0668040513992310e-02 -4.0552121400833130e-01 - <_> - - 0 -1 470 -1.5141829848289490e-02 - - 2.4799869954586029e-01 -8.3607338368892670e-02 - <_> - - 0 -1 471 3.9388090372085571e-02 - - 2.4279279634356499e-02 -7.6827299594879150e-01 - <_> - - 0 -1 472 6.1649468261748552e-04 - - -1.7249910533428192e-01 1.0311610251665115e-01 - <_> - - 0 -1 473 2.6001650840044022e-02 - - 2.2825349122285843e-02 -7.7545452117919922e-01 - <_> - - 0 -1 474 1.4940380351617932e-03 - - -1.1028409749269485e-01 1.6966749727725983e-01 - <_> - - 0 -1 475 -1.3777149841189384e-02 - - -3.8424721360206604e-01 3.0320269986987114e-02 - <_> - - 0 -1 476 9.9619822576642036e-03 - - -5.3764659911394119e-02 3.7887129187583923e-01 - <_> - - 0 -1 477 3.2952039036899805e-03 - - 9.4384163618087769e-02 -3.2762721180915833e-01 - <_> - - 0 -1 478 5.7747410610318184e-03 - - 5.7114940136671066e-02 -3.0719769001007080e-01 - <_> - - 0 -1 479 -4.8392590135335922e-02 - - 1.7021059989929199e-01 -8.7045513093471527e-02 - <_> - - 0 -1 480 5.6376052089035511e-04 - - -9.3816302716732025e-02 2.0642310380935669e-01 - <_> - - 0 -1 481 -2.3873809725046158e-02 - - -3.0082350969314575e-01 1.7477719113230705e-02 - <_> - - 0 -1 482 -1.0526900179684162e-02 - - -3.4418928623199463e-01 5.7995639741420746e-02 - <_> - - 0 -1 483 2.2288670763373375e-02 - - -5.7179849594831467e-02 1.9739510118961334e-01 - <_> - - 0 -1 484 -1.4589070342481136e-02 - - -4.5168799161911011e-01 4.1490409523248672e-02 - <_> - - 0 -1 485 -4.6936370432376862e-02 - - 2.0457950234413147e-01 -5.1769189536571503e-02 - <_> - - 0 -1 486 5.3777720313519239e-04 - - -3.9481449127197266e-01 4.5076690614223480e-02 - <_> - - 0 -1 487 -2.2181039676070213e-03 - - -2.4575619399547577e-01 1.0261219739913940e-01 - <_> - - 0 -1 488 3.5076549649238586e-01 - - 1.9791129976511002e-02 -9.5161467790603638e-01 - <_> - - 0 -1 489 -2.6712059974670410e-02 - - 2.2393140196800232e-01 -4.5580100268125534e-02 - <_> - - 0 -1 490 -3.9627091027796268e-03 - - -2.4207019805908203e-01 7.6588593423366547e-02 - <_> - - 0 -1 491 -4.7878702171146870e-03 - - 1.2655270099639893e-01 -1.1964710056781769e-01 - <_> - - 0 -1 492 7.1042939089238644e-03 - - -9.2130422592163086e-02 2.1519139409065247e-01 - <_> - - 0 -1 493 -2.2581929442822002e-05 - - 6.0634609311819077e-02 -1.5848989784717560e-01 - <_> - - 0 -1 494 -7.8060641884803772e-02 - - 3.4822109341621399e-01 -5.3173709660768509e-02 - <_> - - 0 -1 495 2.7555850148200989e-01 - - 7.4112107977271080e-03 -1.0000040531158447e+00 - <_> - - 0 -1 496 1.9652329385280609e-01 - - 2.0131109282374382e-02 -8.5326671600341797e-01 - <_> - - 0 -1 497 -1.6801860183477402e-03 - - 7.7082179486751556e-02 -2.2620369493961334e-01 - <_> - 71 - -1.9982930421829224e+00 - - <_> - - 0 -1 498 -1.8814710900187492e-02 - - 3.7744289636611938e-01 -4.0770640969276428e-01 - <_> - - 0 -1 499 -2.3191049695014954e-02 - - 3.4049031138420105e-01 -3.6144611239433289e-01 - <_> - - 0 -1 500 3.1333088874816895e-02 - - -4.3613511323928833e-01 1.9668689370155334e-01 - <_> - - 0 -1 501 -1.1318700388073921e-02 - - 1.1685170233249664e-01 -5.6359791755676270e-01 - <_> - - 0 -1 502 -3.1084290822036564e-04 - - -4.3396338820457458e-01 1.4264069497585297e-01 - <_> - - 0 -1 503 8.7350063025951385e-02 - - -1.9952809810638428e-01 3.3043611049652100e-01 - <_> - - 0 -1 504 -2.9018519446253777e-02 - - 3.2315209507942200e-01 -2.1707040071487427e-01 - <_> - - 0 -1 505 5.9860680252313614e-02 - - -1.8764750659465790e-01 2.7651038765907288e-01 - <_> - - 0 -1 506 -2.9682170599699020e-02 - - -4.6436330676078796e-01 1.1129009723663330e-01 - <_> - - 0 -1 507 -2.2648361045867205e-03 - - -2.7163028717041016e-01 8.6916759610176086e-02 - <_> - - 0 -1 508 -1.6869819955900311e-03 - - 1.7998990416526794e-01 -2.7152928709983826e-01 - <_> - - 0 -1 509 1.0256370296701789e-03 - - -4.3248209357261658e-01 1.0256689786911011e-01 - <_> - - 0 -1 510 -3.1762920320034027e-02 - - -6.4419168233871460e-01 6.7505106329917908e-02 - <_> - - 0 -1 511 -8.5913296788930893e-03 - - -3.7672510743141174e-01 7.2900757193565369e-02 - <_> - - 0 -1 512 -2.1636451128870249e-03 - - -4.2209509015083313e-01 1.0724630206823349e-01 - <_> - - 0 -1 513 6.0111237689852715e-04 - - 6.1302110552787781e-02 -3.8004979491233826e-01 - <_> - - 0 -1 514 -6.1244412790983915e-05 - - 7.4765786528587341e-02 -5.2644491195678711e-01 - <_> - - 0 -1 515 -2.3666430264711380e-02 - - -5.6801301240921021e-01 3.6377541720867157e-02 - <_> - - 0 -1 516 -1.4256609603762627e-02 - - -5.3446692228317261e-01 6.2768869102001190e-02 - <_> - - 0 -1 517 -1.5713909640908241e-02 - - 3.1898561120033264e-01 -1.1541239917278290e-01 - <_> - - 0 -1 518 -5.9286020696163177e-02 - - -5.7135957479476929e-01 8.1775680184364319e-02 - <_> - - 0 -1 519 -4.4122908264398575e-02 - - -7.0591008663177490e-01 2.0833099260926247e-02 - <_> - - 0 -1 520 -7.2728260420262814e-04 - - 1.0819850116968155e-01 -3.8077458739280701e-01 - <_> - - 0 -1 521 -6.6653728485107422e-02 - - -6.0824638605117798e-01 4.3248821049928665e-02 - <_> - - 0 -1 522 2.3679709993302822e-03 - - -2.9793098568916321e-01 1.2091939896345139e-01 - <_> - - 0 -1 523 3.3566180616617203e-02 - - 3.6464620381593704e-02 -5.5766987800598145e-01 - <_> - - 0 -1 524 -5.3138811141252518e-02 - - -5.6245392560958862e-01 6.5296277403831482e-02 - <_> - - 0 -1 525 -2.9401908977888525e-04 - - -5.8417952060699463e-01 5.0005510449409485e-02 - <_> - - 0 -1 526 -4.8085048911161721e-04 - - 1.4018669724464417e-01 -2.4792720377445221e-01 - <_> - - 0 -1 527 4.7777060419321060e-02 - - 5.5672798305749893e-02 -5.9540742635726929e-01 - <_> - - 0 -1 528 3.3423870801925659e-02 - - -1.4370389282703400e-01 2.3300980031490326e-01 - <_> - - 0 -1 529 2.0432810485363007e-01 - - 4.5327048748731613e-02 -7.4164307117462158e-01 - <_> - - 0 -1 530 1.4106060564517975e-01 - - -3.9674291014671326e-01 8.1692866981029510e-02 - <_> - - 0 -1 531 1.0005939839174971e-04 - - -2.2317939996719360e-01 1.3917629420757294e-01 - <_> - - 0 -1 532 6.0689389705657959e-02 - - 3.4324988722801208e-02 -8.2796847820281982e-01 - <_> - - 0 -1 533 -3.6456179805099964e-03 - - 1.5286439657211304e-01 -1.4005979895591736e-01 - <_> - - 0 -1 534 3.1945340335369110e-02 - - 6.5343692898750305e-02 -4.4296088814735413e-01 - <_> - - 0 -1 535 2.3428380489349365e-02 - - 2.5527309626340866e-02 -6.3270658254623413e-01 - <_> - - 0 -1 536 4.6067949384450912e-02 - - 4.3579101562500000e-02 -6.4929872751235962e-01 - <_> - - 0 -1 537 -5.8055151253938675e-02 - - -6.3957542181015015e-01 1.4028750360012054e-02 - <_> - - 0 -1 538 3.8783740252256393e-02 - - 5.1233518868684769e-02 -5.4144388437271118e-01 - <_> - - 0 -1 539 -1.2765520252287388e-02 - - 2.7082890272140503e-01 -9.1927766799926758e-02 - <_> - - 0 -1 540 -3.1400551088154316e-03 - - -3.4679821133613586e-01 8.3973668515682220e-02 - <_> - - 0 -1 541 -1.9719999283552170e-02 - - -2.0476959645748138e-01 6.3232198357582092e-02 - <_> - - 0 -1 542 3.2241051085293293e-03 - - 9.6259713172912598e-02 -2.8098219633102417e-01 - <_> - - 0 -1 543 -5.9271860867738724e-02 - - -2.6686909794807434e-01 3.2907258719205856e-02 - <_> - - 0 -1 544 1.5636639669537544e-02 - - 6.9188073277473450e-02 -4.1761711239814758e-01 - <_> - - 0 -1 545 -8.8900122791528702e-03 - - 1.9603550434112549e-01 -1.1249750107526779e-01 - <_> - - 0 -1 546 2.4458909407258034e-02 - - 5.6988969445228577e-02 -5.1025021076202393e-01 - <_> - - 0 -1 547 1.0101319849491119e-01 - - 9.4210049137473106e-03 -3.6691328883171082e-01 - <_> - - 0 -1 548 9.0739831328392029e-02 - - 5.3999878466129303e-02 -5.1181477308273315e-01 - <_> - - 0 -1 549 -4.9557868391275406e-02 - - -6.2467038631439209e-01 4.0988270193338394e-02 - <_> - - 0 -1 550 2.6558348536491394e-01 - - -8.6136549711227417e-02 3.2438439130783081e-01 - <_> - - 0 -1 551 1.8632459687069058e-03 - - -5.4563361406326294e-01 5.8684051036834717e-02 - <_> - - 0 -1 552 1.1804940178990364e-02 - - -2.0603899657726288e-01 1.4167340099811554e-01 - <_> - - 0 -1 553 6.8137067137286067e-04 - - -2.0806470513343811e-01 9.2627376317977905e-02 - <_> - - 0 -1 554 5.7278381427749991e-04 - - -4.3170881271362305e-01 6.3360363245010376e-02 - <_> - - 0 -1 555 -1.1041999794542789e-02 - - 1.8144379556179047e-01 -4.1707839816808701e-02 - <_> - - 0 -1 556 9.5696747303009033e-03 - - -1.2098339945077896e-01 2.1607619524002075e-01 - <_> - - 0 -1 557 7.4274197220802307e-02 - - 2.6399549096822739e-02 -7.7601867914199829e-01 - <_> - - 0 -1 558 -2.5815829634666443e-02 - - 5.3497368097305298e-01 -5.2025150507688522e-02 - <_> - - 0 -1 559 -6.3314691185951233e-02 - - 5.1900321245193481e-01 -1.9329590722918510e-02 - <_> - - 0 -1 560 -6.6432490944862366e-02 - - 7.2140932083129883e-01 -3.2882031053304672e-02 - <_> - - 0 -1 561 -7.5749039649963379e-02 - - 4.1485249996185303e-01 -5.5451728403568268e-02 - <_> - - 0 -1 562 -2.0296040922403336e-02 - - -3.3250689506530762e-01 8.2397893071174622e-02 - <_> - - 0 -1 563 2.2172650322318077e-02 - - -1.4419150352478027e-01 1.7280860245227814e-01 - <_> - - 0 -1 564 4.2085880413651466e-03 - - -3.0237489938735962e-01 8.6699083447456360e-02 - <_> - - 0 -1 565 6.8267330527305603e-02 - - 8.7291244417428970e-03 -3.6955729126930237e-01 - <_> - - 0 -1 566 5.1220320165157318e-03 - - -2.0824980735778809e-01 1.4530059695243835e-01 - <_> - - 0 -1 567 -5.3114328533411026e-02 - - -5.5142301321029663e-01 4.3421190232038498e-02 - <_> - - 0 -1 568 -4.9739979207515717e-02 - - 4.4077101349830627e-01 -6.4349673688411713e-02 - <_> - 94 - -1.8377989530563354e+00 - - <_> - - 0 -1 569 -3.3883380820043385e-04 - - 1.8997849524021149e-01 -4.6184849739074707e-01 - <_> - - 0 -1 570 -1.5632030554115772e-03 - - 1.9381409883499146e-01 -4.3518841266632080e-01 - <_> - - 0 -1 571 1.5552520053461194e-03 - - -4.7420310974121094e-01 1.2137629836797714e-01 - <_> - - 0 -1 572 -3.1417120248079300e-02 - - -3.9096689224243164e-01 1.0951930284500122e-01 - <_> - - 0 -1 573 -3.2835190650075674e-03 - - 1.6428950428962708e-01 -3.2751929759979248e-01 - <_> - - 0 -1 574 5.8749080635607243e-03 - - 7.6225973665714264e-02 -4.3470710515975952e-01 - <_> - - 0 -1 575 4.4846539385616779e-03 - - 1.2197560071945190e-01 -4.4872379302978516e-01 - <_> - - 0 -1 576 1.9835829734802246e-03 - - -6.2911021709442139e-01 1.0122530162334442e-01 - <_> - - 0 -1 577 1.2609469704329967e-02 - - 1.0438250005245209e-01 -3.5015499591827393e-01 - <_> - - 0 -1 578 -4.7475768951699138e-04 - - 1.1008159816265106e-01 -3.0429539084434509e-01 - <_> - - 0 -1 579 3.2356760930269957e-03 - - -2.7057901024818420e-01 1.2746180593967438e-01 - <_> - - 0 -1 580 9.9898613989353180e-03 - - 6.3906982541084290e-02 -4.7118431329727173e-01 - <_> - - 0 -1 581 5.6069239508360624e-04 - - -3.1783330440521240e-01 1.0404340177774429e-01 - <_> - - 0 -1 582 -5.7694699615240097e-02 - - -5.1342570781707764e-01 2.6394980028271675e-02 - <_> - - 0 -1 583 5.5947788059711456e-03 - - 7.6774753630161285e-02 -4.3374261260032654e-01 - <_> - - 0 -1 584 -3.8770840037614107e-03 - - 1.3988199830055237e-01 -2.0221559703350067e-01 - <_> - - 0 -1 585 -4.7874201089143753e-02 - - -4.7928389906883240e-01 6.8043030798435211e-02 - <_> - - 0 -1 586 2.5817550718784332e-02 - - -4.5524198561906815e-02 3.9452901482582092e-01 - <_> - - 0 -1 587 1.6696650709491223e-04 - - -3.0880719423294067e-01 1.0875239968299866e-01 - <_> - - 0 -1 588 9.8888948559761047e-04 - - 6.8699032068252563e-02 -4.1813009977340698e-01 - <_> - - 0 -1 589 -3.4260770771652460e-03 - - -2.8929701447486877e-01 1.1479649692773819e-01 - <_> - - 0 -1 590 6.6044367849826813e-02 - - 1.6809269785881042e-02 -3.3534801006317139e-01 - <_> - - 0 -1 591 2.8318059630692005e-03 - - -3.9482170343399048e-01 8.5598722100257874e-02 - <_> - - 0 -1 592 4.2680549621582031e-01 - - 5.0977780483663082e-03 -5.9331178665161133e-01 - <_> - - 0 -1 593 1.1960650235414505e-01 - - 2.7437770739197731e-02 -7.6616281270980835e-01 - <_> - - 0 -1 594 1.9571319222450256e-02 - - -1.1966180056333542e-01 2.3962239921092987e-01 - <_> - - 0 -1 595 -1.7432469874620438e-02 - - -5.8530348539352417e-01 5.6400340050458908e-02 - <_> - - 0 -1 596 -1.1196629703044891e-01 - - -6.7248320579528809e-01 2.9150659218430519e-02 - <_> - - 0 -1 597 -4.5747519470751286e-03 - - -4.7730261087417603e-01 5.6612998247146606e-02 - <_> - - 0 -1 598 -5.1501519046723843e-03 - - 1.1510629951953888e-01 -1.0732329636812210e-01 - <_> - - 0 -1 599 2.9034249484539032e-02 - - -5.3368709981441498e-02 6.4226460456848145e-01 - <_> - - 0 -1 600 -1.8050910439342260e-03 - - 1.2795349955558777e-01 -1.2329389899969101e-01 - <_> - - 0 -1 601 -2.4374839849770069e-03 - - -3.5312348604202271e-01 8.7703153491020203e-02 - <_> - - 0 -1 602 -1.9070079550147057e-02 - - -4.0662440657615662e-01 4.3273188173770905e-02 - <_> - - 0 -1 603 -5.0454240292310715e-02 - - -8.1198102235794067e-01 2.8289109468460083e-02 - <_> - - 0 -1 604 1.6544000245630741e-03 - - -1.6964040696620941e-01 1.2194740027189255e-01 - <_> - - 0 -1 605 -4.6791311353445053e-02 - - 4.0614441037178040e-01 -6.1174858361482620e-02 - <_> - - 0 -1 606 -5.5953849107027054e-02 - - -8.2662910223007202e-01 2.7774749323725700e-02 - <_> - - 0 -1 607 1.4469559537246823e-03 - - -1.4953869581222534e-01 1.5966990590095520e-01 - <_> - - 0 -1 608 -1.2529050000011921e-02 - - -4.2504650354385376e-01 2.1658079698681831e-02 - <_> - - 0 -1 609 1.1086500016972423e-03 - - -3.6006990075111389e-01 6.4415097236633301e-02 - <_> - - 0 -1 610 3.9361778646707535e-02 - - 8.2419048994779587e-03 -7.5303071737289429e-01 - <_> - - 0 -1 611 1.8823929131031036e-02 - - 4.4821120798587799e-02 -5.0604110956192017e-01 - <_> - - 0 -1 612 -3.2083000987768173e-02 - - 3.1431311368942261e-01 -3.9181869477033615e-02 - <_> - - 0 -1 613 -3.1081929802894592e-02 - - -7.6903742551803589e-01 3.0742960050702095e-02 - <_> - - 0 -1 614 2.3218210786581039e-02 - - -5.7748749852180481e-02 2.8955349326133728e-01 - <_> - - 0 -1 615 -1.1492100311443210e-03 - - 1.1501409858465195e-01 -1.9310690462589264e-01 - <_> - - 0 -1 616 -1.6593940556049347e-02 - - -4.2298540472984314e-01 4.3738979846239090e-02 - <_> - - 0 -1 617 -1.0146570391952991e-02 - - 2.5579848885536194e-01 -9.1966241598129272e-02 - <_> - - 0 -1 618 -1.3054019771516323e-02 - - 1.8339529633522034e-01 -4.0160831063985825e-02 - <_> - - 0 -1 619 3.7463540211319923e-03 - - -1.2586769461631775e-01 2.2247019410133362e-01 - <_> - - 0 -1 620 -4.8463590443134308e-02 - - -5.8155900239944458e-01 2.9713390395045280e-02 - <_> - - 0 -1 621 6.4649381674826145e-03 - - 9.3169108033180237e-02 -2.9046580195426941e-01 - <_> - - 0 -1 622 1.5607809647917747e-02 - - 4.7331970185041428e-02 -4.4805559515953064e-01 - <_> - - 0 -1 623 -5.8314641937613487e-03 - - 9.8941758275032043e-02 -2.2056859731674194e-01 - <_> - - 0 -1 624 7.3607802391052246e-02 - - 1.6780460253357887e-02 -5.4953122138977051e-01 - <_> - - 0 -1 625 -6.4223129302263260e-03 - - -2.9647961258888245e-01 7.3539912700653076e-02 - <_> - - 0 -1 626 2.2267029635258950e-05 - - -3.4211820363998413e-01 4.1858270764350891e-02 - <_> - - 0 -1 627 3.7273630499839783e-02 - - 2.7458079159259796e-02 -7.8551971912384033e-01 - <_> - - 0 -1 628 4.2738770134747028e-03 - - -8.2514517009258270e-02 1.0404880344867706e-01 - <_> - - 0 -1 629 1.1906049912795424e-03 - - -1.6300439834594727e-01 1.5300649404525757e-01 - <_> - - 0 -1 630 8.7800435721874237e-03 - - -9.2885948717594147e-02 1.3147510588169098e-01 - <_> - - 0 -1 631 2.4151368997991085e-03 - - 4.7598559409379959e-02 -4.4829669594764709e-01 - <_> - - 0 -1 632 -2.7428340166807175e-02 - - 1.9811069965362549e-01 -5.5979698896408081e-02 - <_> - - 0 -1 633 -1.4117059763520956e-03 - - -2.1138970553874969e-01 1.0409740358591080e-01 - <_> - - 0 -1 634 -2.0210200548171997e-01 - - -7.7120232582092285e-01 7.0582218468189240e-03 - <_> - - 0 -1 635 -4.1451320052146912e-02 - - 2.8295141458511353e-01 -7.1323528885841370e-02 - <_> - - 0 -1 636 4.8561887815594673e-03 - - 8.6693897843360901e-02 -2.3541820049285889e-01 - <_> - - 0 -1 637 -4.4662880100077018e-05 - - 1.3257139921188354e-01 -2.0168599486351013e-01 - <_> - - 0 -1 638 3.7671580910682678e-02 - - -7.4952289462089539e-02 3.3843380212783813e-01 - <_> - - 0 -1 639 7.4343256652355194e-02 - - 3.2905030995607376e-02 -7.3536777496337891e-01 - <_> - - 0 -1 640 -1.0186419822275639e-02 - - -3.1277081370353699e-01 4.4163990765810013e-02 - <_> - - 0 -1 641 -2.4506879970431328e-02 - - -6.1346518993377686e-01 2.9692139476537704e-02 - <_> - - 0 -1 642 -3.8238149136304855e-02 - - 3.5583540797233582e-01 -4.8388618975877762e-02 - <_> - - 0 -1 643 1.7983660101890564e-01 - - 1.9501589238643646e-02 -9.8485881090164185e-01 - <_> - - 0 -1 644 8.4765878273174167e-04 - - -2.7960330247879028e-01 7.8323036432266235e-02 - <_> - - 0 -1 645 3.7178809288889170e-03 - - 7.2525441646575928e-02 -2.4067409336566925e-01 - <_> - - 0 -1 646 -9.0932317078113556e-02 - - -7.1539151668548584e-01 8.8080493733286858e-03 - <_> - - 0 -1 647 -8.0087810754776001e-02 - - -6.7830717563629150e-01 2.4904320016503334e-02 - <_> - - 0 -1 648 7.6924148015677929e-03 - - -5.0967499613761902e-02 1.1952529847621918e-01 - <_> - - 0 -1 649 4.1485231369733810e-02 - - -4.9493920058012009e-02 3.5386860370635986e-01 - <_> - - 0 -1 650 3.4051608294248581e-02 - - 4.2200978845357895e-02 -5.0110721588134766e-01 - <_> - - 0 -1 651 -2.6235830038785934e-02 - - 4.4934839010238647e-01 -4.1851200163364410e-02 - <_> - - 0 -1 652 -5.1373958587646484e-02 - - -9.5942801237106323e-01 1.7192790284752846e-02 - <_> - - 0 -1 653 -2.6742739602923393e-02 - - -6.5632241964340210e-01 2.1778080612421036e-02 - <_> - - 0 -1 654 -1.3730529462918639e-03 - - -1.8638509511947632e-01 4.1139349341392517e-02 - <_> - - 0 -1 655 1.0963230160996318e-03 - - -1.4219370484352112e-01 1.3832019269466400e-01 - <_> - - 0 -1 656 -4.5011811889708042e-03 - - -1.8468600511550903e-01 9.1024190187454224e-02 - <_> - - 0 -1 657 4.4253250234760344e-04 - - -1.2736940383911133e-01 1.3655360043048859e-01 - <_> - - 0 -1 658 3.0500710010528564e-02 - - -5.8146148920059204e-02 2.4189910292625427e-01 - <_> - - 0 -1 659 -1.1691919714212418e-01 - - -5.5466407537460327e-01 3.0249029397964478e-02 - <_> - - 0 -1 660 -9.5684931147843599e-04 - - 5.1899868994951248e-02 -1.4152799546718597e-01 - <_> - - 0 -1 661 1.3096149777993560e-03 - - -1.4248229563236237e-01 1.2227780371904373e-01 - <_> - - 0 -1 662 3.4988880157470703e-02 - - 2.7653129771351814e-02 -6.1738812923431396e-01 - <_> - 82 - -1.9031070470809937e+00 - - <_> - - 0 -1 663 1.6489429771900177e-01 - - -2.5657209753990173e-01 4.1277718544006348e-01 - <_> - - 0 -1 664 2.0584860816597939e-02 - - -5.2442210912704468e-01 1.4910830557346344e-01 - <_> - - 0 -1 665 8.8764587417244911e-04 - - 1.3334700465202332e-01 -5.2259522676467896e-01 - <_> - - 0 -1 666 -1.3320889556780457e-03 - - -3.6568748950958252e-01 2.0482279360294342e-01 - <_> - - 0 -1 667 7.7916197478771210e-02 - - -2.1557159721851349e-01 3.1069579720497131e-01 - <_> - - 0 -1 668 2.4321360979229212e-03 - - -4.4742551445960999e-01 1.0638339817523956e-01 - <_> - - 0 -1 669 -5.8699389919638634e-03 - - -3.8800778985023499e-01 1.4410589635372162e-01 - <_> - - 0 -1 670 6.9754302501678467e-02 - - 1.3224910013377666e-02 -8.0096632242202759e-01 - <_> - - 0 -1 671 3.8338101003319025e-03 - - -4.3139308691024780e-01 1.4253990352153778e-01 - <_> - - 0 -1 672 -1.5829030424356461e-02 - - 3.0954799056053162e-01 -1.2232720106840134e-01 - <_> - - 0 -1 673 6.6198296844959259e-02 - - -2.0558249950408936e-01 1.9531220197677612e-01 - <_> - - 0 -1 674 1.7639519646763802e-02 - - 1.0770589858293533e-01 -4.3488320708274841e-01 - <_> - - 0 -1 675 -1.1082629673182964e-02 - - -3.6149570345878601e-01 1.1327210068702698e-01 - <_> - - 0 -1 676 -3.6515299230813980e-02 - - -4.3912211060523987e-01 5.5279448628425598e-02 - <_> - - 0 -1 677 -3.3373299986124039e-02 - - -5.6869208812713623e-01 8.4043957293033600e-02 - <_> - - 0 -1 678 8.1395559012889862e-02 - - -1.4235010743141174e-01 2.8748288750648499e-01 - <_> - - 0 -1 679 -4.3892292305827141e-03 - - -3.4859830141067505e-01 1.1650340259075165e-01 - <_> - - 0 -1 680 -6.3558202236890793e-03 - - -3.3823049068450928e-01 1.1005490273237228e-01 - <_> - - 0 -1 681 2.0912459120154381e-02 - - 7.8197829425334930e-02 -4.6337550878524780e-01 - <_> - - 0 -1 682 1.1600360274314880e-01 - - -2.0528669655323029e-01 1.5923389792442322e-01 - <_> - - 0 -1 683 1.6316600143909454e-02 - - -1.0633999854326248e-01 3.3453521132469177e-01 - <_> - - 0 -1 684 -2.8488141298294067e-01 - - 5.1638001203536987e-01 -3.9357859641313553e-03 - <_> - - 0 -1 685 2.4155430495738983e-02 - - -7.1670228242874146e-01 5.0031550228595734e-02 - <_> - - 0 -1 686 1.1413260363042355e-02 - - 5.9236031025648117e-02 -3.8141900300979614e-01 - <_> - - 0 -1 687 -2.4304199963808060e-02 - - 4.3475851416587830e-01 -8.6574159562587738e-02 - <_> - - 0 -1 688 -1.5267609851434827e-03 - - -6.4307600259780884e-01 5.1642779260873795e-02 - <_> - - 0 -1 689 1.0073349811136723e-02 - - 7.5743027031421661e-02 -4.2902961373329163e-01 - <_> - - 0 -1 690 -8.1224881112575531e-02 - - -4.0827330946922302e-01 5.5444631725549698e-02 - <_> - - 0 -1 691 1.5149010345339775e-02 - - 5.3084861487150192e-02 -5.4495412111282349e-01 - <_> - - 0 -1 692 -5.3490739315748215e-02 - - -4.7422149777412415e-01 3.9420779794454575e-02 - <_> - - 0 -1 693 -4.0884271264076233e-02 - - -8.8557797670364380e-01 3.2042708247900009e-02 - <_> - - 0 -1 694 -4.2768509592860937e-04 - - -3.0554470419883728e-01 5.1432881504297256e-02 - <_> - - 0 -1 695 1.8441269174218178e-02 - - 8.0688089132308960e-02 -3.5884049534797668e-01 - <_> - - 0 -1 696 -4.7630790621042252e-02 - - -4.6131908893585205e-01 6.0592770576477051e-02 - <_> - - 0 -1 697 8.2442145794630051e-03 - - 8.9793607592582703e-02 -3.7605780363082886e-01 - <_> - - 0 -1 698 1.0003759711980820e-01 - - -8.3760380744934082e-02 3.9221811294555664e-01 - <_> - - 0 -1 699 -2.8420550748705864e-02 - - -6.9483548402786255e-01 4.9100410193204880e-02 - <_> - - 0 -1 700 5.6485999375581741e-02 - - 4.4795661233365536e-03 -7.5373399257659912e-01 - <_> - - 0 -1 701 1.0085420217365026e-03 - - -3.7881261110305786e-01 7.8376993536949158e-02 - <_> - - 0 -1 702 -1.2643639929592609e-03 - - 7.5486026704311371e-02 -3.1015640497207642e-01 - <_> - - 0 -1 703 1.4146340079605579e-02 - - -8.1805020570755005e-02 3.7313848733901978e-01 - <_> - - 0 -1 704 -3.1549399718642235e-03 - - -2.1241660416126251e-01 8.9129790663719177e-02 - <_> - - 0 -1 705 1.4796239556744695e-03 - - -2.1479040384292603e-01 1.3543279469013214e-01 - <_> - - 0 -1 706 -3.1343609094619751e-02 - - -5.8114588260650635e-01 4.8576328903436661e-02 - <_> - - 0 -1 707 -7.6149761676788330e-02 - - -5.3774517774581909e-01 4.8339068889617920e-02 - <_> - - 0 -1 708 -6.1668939888477325e-02 - - -8.4525662660598755e-01 1.7448999278713018e-04 - <_> - - 0 -1 709 -2.7084920555353165e-02 - - -5.0659137964248657e-01 4.7709420323371887e-02 - <_> - - 0 -1 710 -2.4240929633378983e-02 - - -3.8534450531005859e-01 5.0300780683755875e-02 - <_> - - 0 -1 711 4.1979398578405380e-02 - - -1.0378009825944901e-01 2.6236268877983093e-01 - <_> - - 0 -1 712 2.3717690259218216e-02 - - 5.6897271424531937e-02 -2.8959441184997559e-01 - <_> - - 0 -1 713 -1.8669789656996727e-02 - - -3.9924529194831848e-01 7.3442213237285614e-02 - <_> - - 0 -1 714 -1.4987000264227390e-02 - - -3.2296919822692871e-01 4.1676748543977737e-02 - <_> - - 0 -1 715 8.7209865450859070e-03 - - 1.3521389663219452e-01 -1.8224580585956573e-01 - <_> - - 0 -1 716 -1.2239219620823860e-02 - - 1.5540809929370880e-01 -1.5208069980144501e-01 - <_> - - 0 -1 717 -4.8744980245828629e-02 - - -3.6606758832931519e-01 6.3152566552162170e-02 - <_> - - 0 -1 718 -3.8249569479376078e-03 - - 8.3472989499568939e-02 -2.4186329543590546e-01 - <_> - - 0 -1 719 1.5581659972667694e-01 - - 3.1953960657119751e-02 -6.7813181877136230e-01 - <_> - - 0 -1 720 6.8241581320762634e-02 - - 1.5478439629077911e-02 -4.2029750347137451e-01 - <_> - - 0 -1 721 -9.5974646508693695e-02 - - -9.5647841691970825e-01 2.1444590762257576e-02 - <_> - - 0 -1 722 -1.2618429958820343e-02 - - -5.0544857978820801e-01 3.0875260010361671e-02 - <_> - - 0 -1 723 7.2727642953395844e-02 - - 4.7215349972248077e-02 -4.5075151324272156e-01 - <_> - - 0 -1 724 2.9923219233751297e-02 - - -8.1444352865219116e-02 3.1656229496002197e-01 - <_> - - 0 -1 725 1.9138090312480927e-02 - - 6.8187400698661804e-02 -3.4876790642738342e-01 - <_> - - 0 -1 726 -3.4314721822738647e-02 - - -5.5220371484756470e-01 3.7325009703636169e-02 - <_> - - 0 -1 727 5.2559198811650276e-03 - - 6.4786978065967560e-02 -3.6363509297370911e-01 - <_> - - 0 -1 728 1.4092399738729000e-02 - - -4.8704359680414200e-02 2.7677831053733826e-01 - <_> - - 0 -1 729 -9.0101473033428192e-03 - - 2.3452599346637726e-01 -1.3140350580215454e-01 - <_> - - 0 -1 730 9.6720218658447266e-02 - - 2.6661360636353493e-02 -7.7422797679901123e-01 - <_> - - 0 -1 731 8.5365071892738342e-02 - - 2.3529909551143646e-02 -7.0710861682891846e-01 - <_> - - 0 -1 732 2.4384429678320885e-02 - - -6.2648482620716095e-02 3.7251880764961243e-01 - <_> - - 0 -1 733 3.6380778998136520e-02 - - 4.3358739465475082e-02 -6.0222417116165161e-01 - <_> - - 0 -1 734 -5.3780268877744675e-02 - - -3.3441001176834106e-01 3.5700578242540359e-02 - <_> - - 0 -1 735 -1.4787100255489349e-02 - - 2.9136168956756592e-01 -7.4075296521186829e-02 - <_> - - 0 -1 736 1.2491010129451752e-03 - - 4.1654240339994431e-02 -9.3758836388587952e-02 - <_> - - 0 -1 737 -2.7572909370064735e-02 - - -3.1398218870162964e-01 7.2411999106407166e-02 - <_> - - 0 -1 738 -7.8866451978683472e-02 - - 6.0655838251113892e-01 -2.3838050663471222e-02 - <_> - - 0 -1 739 -6.9339312613010406e-02 - - 7.1137732267379761e-01 -2.9814269393682480e-02 - <_> - - 0 -1 740 9.4372592866420746e-02 - - 3.3579438924789429e-02 -5.9774041175842285e-01 - <_> - - 0 -1 741 -2.6048649102449417e-02 - - -4.0574911236763000e-01 5.5603530257940292e-02 - <_> - - 0 -1 742 -7.3630206286907196e-02 - - -6.0780352354049683e-01 2.5251649320125580e-02 - <_> - - 0 -1 743 -1.8610449507832527e-02 - - 2.4013559520244598e-01 -9.5389783382415771e-02 - <_> - - 0 -1 744 1.3329629600048065e-01 - - -6.9742381572723389e-02 1.3323000073432922e-01 - <_> - 112 - -1.6909840106964111e+00 - - <_> - - 0 -1 745 -4.1724857874214649e-03 - - 1.9310890138149261e-01 -4.9630740284919739e-01 - <_> - - 0 -1 746 9.6606701845303178e-04 - - -5.4340302944183350e-01 1.2434119731187820e-01 - <_> - - 0 -1 747 1.0261629940941930e-03 - - -4.6321579813957214e-01 1.1160290241241455e-01 - <_> - - 0 -1 748 3.6368470173329115e-03 - - 8.2918949425220490e-02 -3.6662510037422180e-01 - <_> - - 0 -1 749 -2.8364539612084627e-03 - - -6.7365992069244385e-01 6.5546013414859772e-02 - <_> - - 0 -1 750 -1.0111520532518625e-03 - - 1.4055189490318298e-01 -3.5270330309867859e-01 - <_> - - 0 -1 751 -2.5434889830648899e-03 - - 1.4191180467605591e-01 -2.8350821137428284e-01 - <_> - - 0 -1 752 3.3014779910445213e-03 - - 4.6553891152143478e-02 -4.8537290096282959e-01 - <_> - - 0 -1 753 -1.1802930384874344e-02 - - -3.7958830595016479e-01 9.2071913182735443e-02 - <_> - - 0 -1 754 -1.3293370138853788e-03 - - 1.7311429977416992e-01 -1.6890439391136169e-01 - <_> - - 0 -1 755 1.4958450198173523e-01 - - 3.7626601755619049e-02 -8.0016881227493286e-01 - <_> - - 0 -1 756 1.6352189704775810e-03 - - -2.0858129858970642e-01 1.5985429286956787e-01 - <_> - - 0 -1 757 1.5483440365642309e-03 - - -1.7578269541263580e-01 1.7560100555419922e-01 - <_> - - 0 -1 758 -3.5674259066581726e-02 - - -4.6057531237602234e-01 4.3983791023492813e-02 - <_> - - 0 -1 759 -1.4558699913322926e-02 - - -3.3587411046028137e-01 8.3965480327606201e-02 - <_> - - 0 -1 760 5.2891410887241364e-03 - - -3.5635179281234741e-01 9.4101972877979279e-02 - <_> - - 0 -1 761 -9.8066125065088272e-04 - - -4.4301840662956238e-01 6.4368210732936859e-02 - <_> - - 0 -1 762 -4.0704999119043350e-02 - - -5.9700322151184082e-01 1.7846770584583282e-02 - <_> - - 0 -1 763 2.9682040214538574e-02 - - 3.8127020001411438e-02 -6.6795140504837036e-01 - <_> - - 0 -1 764 -1.7841320368461311e-04 - - 7.4118576943874359e-02 -3.2121241092681885e-01 - <_> - - 0 -1 765 1.0050840210169554e-03 - - -2.0642249286174774e-01 1.2194109708070755e-01 - <_> - - 0 -1 766 -1.6711819916963577e-03 - - -2.6586419343948364e-01 7.1882687509059906e-02 - <_> - - 0 -1 767 -6.9955319166183472e-02 - - 5.0097060203552246e-01 -5.2172549068927765e-02 - <_> - - 0 -1 768 8.3406828343868256e-03 - - -6.9546110928058624e-02 1.6949440538883209e-01 - <_> - - 0 -1 769 1.5483159571886063e-02 - - -9.5865622162818909e-02 2.8736731410026550e-01 - <_> - - 0 -1 770 -4.2621988803148270e-02 - - -2.5160768628120422e-01 1.1381790041923523e-01 - <_> - - 0 -1 771 3.6459038965404034e-03 - - 7.0138469338417053e-02 -4.0376278758049011e-01 - <_> - - 0 -1 772 -1.8889949424192309e-03 - - 1.4695550501346588e-01 -1.7879849672317505e-01 - <_> - - 0 -1 773 -3.4749018959701061e-03 - - -2.4985860288143158e-01 1.0349679738283157e-01 - <_> - - 0 -1 774 -3.7792209535837173e-02 - - -6.5756058692932129e-01 2.3007599636912346e-02 - <_> - - 0 -1 775 -4.0167139377444983e-04 - - 1.4987960457801819e-01 -1.4527609944343567e-01 - <_> - - 0 -1 776 3.4890990704298019e-02 - - -4.5207828283309937e-02 5.1295852661132812e-01 - <_> - - 0 -1 777 -9.5964537467807531e-04 - - 1.4688290655612946e-01 -1.7244540154933929e-01 - <_> - - 0 -1 778 -9.6461333334445953e-02 - - -7.1814310550689697e-01 3.2587919384241104e-02 - <_> - - 0 -1 779 -1.1924919672310352e-03 - - 1.3805310428142548e-01 -1.4162309467792511e-01 - <_> - - 0 -1 780 -1.6420070081949234e-02 - - -4.1954740881919861e-01 4.3040689080953598e-02 - <_> - - 0 -1 781 -6.1112269759178162e-02 - - 3.7761390209197998e-01 -5.6264769285917282e-02 - <_> - - 0 -1 782 -3.1682170927524567e-02 - - 2.1038809418678284e-01 -5.4475009441375732e-02 - <_> - - 0 -1 783 -7.4058552272617817e-03 - - -1.8709950149059296e-01 1.0876149684190750e-01 - <_> - - 0 -1 784 -2.8892440604977310e-04 - - 6.9734372198581696e-02 -2.4516759812831879e-01 - <_> - - 0 -1 785 -7.9921782016754150e-03 - - -2.4069899320602417e-01 8.8012270629405975e-02 - <_> - - 0 -1 786 -6.4670671708881855e-03 - - 2.0819950103759766e-01 -6.9062210619449615e-02 - <_> - - 0 -1 787 -5.3345328196883202e-03 - - 3.2469388842582703e-01 -7.4058808386325836e-02 - <_> - - 0 -1 788 -6.7914440296590328e-03 - - -1.7014460265636444e-01 3.7378448992967606e-02 - <_> - - 0 -1 789 1.6337619721889496e-01 - - 1.9682100042700768e-02 -9.1652041673660278e-01 - <_> - - 0 -1 790 1.1759659647941589e-01 - - 8.8446342851966619e-04 -7.8050827980041504e-01 - <_> - - 0 -1 791 -1.1682280153036118e-01 - - -9.6009898185729980e-01 1.7070280387997627e-02 - <_> - - 0 -1 792 4.6899251639842987e-02 - - 4.7891899943351746e-02 -3.2044771313667297e-01 - <_> - - 0 -1 793 -4.0058898739516735e-03 - - 1.1414390057325363e-01 -1.5711469948291779e-01 - <_> - - 0 -1 794 -4.4986438297200948e-05 - - 2.9008099436759949e-01 -4.2413331568241119e-02 - <_> - - 0 -1 795 2.1421080455183983e-03 - - -3.3137580752372742e-01 5.3943689912557602e-02 - <_> - - 0 -1 796 -7.1408763527870178e-02 - - -8.8519471883773804e-01 9.3488330021500587e-03 - <_> - - 0 -1 797 -1.3733670115470886e-01 - - -8.3241897821426392e-01 1.7800329253077507e-02 - <_> - - 0 -1 798 6.1765720602124929e-04 - - -1.9419220089912415e-01 6.8034619092941284e-02 - <_> - - 0 -1 799 -6.7170798778533936e-02 - - -5.7243210077285767e-01 3.0333630740642548e-02 - <_> - - 0 -1 800 2.4611391127109528e-03 - - -1.0570179671049118e-01 1.8801900744438171e-01 - <_> - - 0 -1 801 5.0573959015309811e-03 - - -6.5921753644943237e-02 2.9868951439857483e-01 - <_> - - 0 -1 802 1.4213779941201210e-02 - - 6.3767880201339722e-02 -2.1217249333858490e-01 - <_> - - 0 -1 803 -2.0629619248211384e-03 - - -2.6714050769805908e-01 7.6817572116851807e-02 - <_> - - 0 -1 804 3.3787779510021210e-02 - - 2.1774150431156158e-02 -7.4938130378723145e-01 - <_> - - 0 -1 805 -2.7371870353817940e-02 - - 3.2008060812950134e-01 -5.9622511267662048e-02 - <_> - - 0 -1 806 2.8310349211096764e-02 - - 4.4150609523057938e-02 -4.4278699159622192e-01 - <_> - - 0 -1 807 3.7205279804766178e-03 - - -1.3136489689350128e-01 1.5447700023651123e-01 - <_> - - 0 -1 808 2.3320990148931742e-03 - - -1.0849229991436005e-01 2.2682890295982361e-01 - <_> - - 0 -1 809 7.6775359921157360e-03 - - 4.9520388245582581e-02 -3.8854768872261047e-01 - <_> - - 0 -1 810 -2.9863099916838109e-04 - - -1.9632560014724731e-01 8.3448931574821472e-02 - <_> - - 0 -1 811 6.1346050351858139e-03 - - 5.1433250308036804e-02 -3.0831611156463623e-01 - <_> - - 0 -1 812 3.1090779229998589e-02 - - 2.4180799722671509e-02 -6.0184460878372192e-01 - <_> - - 0 -1 813 2.9320400953292847e-01 - - 1.1811030097305775e-02 -9.6253931522369385e-01 - <_> - - 0 -1 814 -6.6321907797828317e-04 - - 1.0245270282030106e-01 -1.4200760424137115e-01 - <_> - - 0 -1 815 4.4736359268426895e-02 - - -1.1238799989223480e-01 1.7392039299011230e-01 - <_> - - 0 -1 816 -1.5153390355408192e-02 - - -1.6100360453128815e-01 3.1116949394345284e-02 - <_> - - 0 -1 817 -1.1029309825971723e-03 - - 1.2128510326147079e-01 -1.6182290017604828e-01 - <_> - - 0 -1 818 -2.8973959852010012e-03 - - 1.0827620327472687e-01 -5.3621310740709305e-02 - <_> - - 0 -1 819 -9.5785204321146011e-03 - - -1.6808320581912994e-01 8.5053622722625732e-02 - <_> - - 0 -1 820 9.9092386662960052e-02 - - -1.5469879843294621e-02 4.1138508915901184e-01 - <_> - - 0 -1 821 3.7229780107736588e-02 - - -5.2865970879793167e-02 3.1804299354553223e-01 - <_> - - 0 -1 822 -2.4716049432754517e-02 - - -4.0339410305023193e-01 2.9964840039610863e-02 - <_> - - 0 -1 823 -9.8965302109718323e-02 - - 5.8510482311248779e-01 -2.6924170553684235e-02 - <_> - - 0 -1 824 -9.6337851136922836e-03 - - -1.7467470467090607e-01 7.5126871466636658e-02 - <_> - - 0 -1 825 1.0483879595994949e-03 - - -1.3728469610214233e-01 1.0684580355882645e-01 - <_> - - 0 -1 826 4.2523849755525589e-02 - - 1.6578629612922668e-02 -5.6332737207412720e-01 - <_> - - 0 -1 827 -3.0866260640323162e-03 - - 7.5264893472194672e-02 -1.9476540386676788e-01 - <_> - - 0 -1 828 2.8643399477005005e-02 - - -6.7578136920928955e-02 2.5766220688819885e-01 - <_> - - 0 -1 829 -1.0627339594066143e-02 - - -2.2384619712829590e-01 7.2172448039054871e-02 - <_> - - 0 -1 830 4.6080970205366611e-03 - - 5.0876080989837646e-02 -1.4076329767704010e-01 - <_> - - 0 -1 831 2.9914160259068012e-03 - - -9.7337983548641205e-02 1.7665959894657135e-01 - <_> - - 0 -1 832 -7.7902628108859062e-03 - - -9.8008237779140472e-02 3.7403069436550140e-02 - <_> - - 0 -1 833 -6.1339238891378045e-04 - - 9.9036023020744324e-02 -1.6265949606895447e-01 - <_> - - 0 -1 834 -1.0234319604933262e-02 - - 2.3654979467391968e-01 -3.7817131727933884e-02 - <_> - - 0 -1 835 -1.1867409572005272e-02 - - -8.5035067796707153e-01 1.9063299521803856e-02 - <_> - - 0 -1 836 4.1437768377363682e-03 - - 8.7878346443176270e-02 -9.4404630362987518e-02 - <_> - - 0 -1 837 -5.1355729810893536e-03 - - -3.5699799656867981e-01 4.1546490043401718e-02 - <_> - - 0 -1 838 -1.5296200290322304e-03 - - 7.7694572508335114e-02 -4.3186578899621964e-02 - <_> - - 0 -1 839 -2.7581020258367062e-03 - - 1.9065889716148376e-01 -8.0679900944232941e-02 - <_> - - 0 -1 840 2.8375169634819031e-01 - - 6.2291761860251427e-03 -8.8578152656555176e-01 - <_> - - 0 -1 841 -2.4612499773502350e-01 - - -7.0548111200332642e-01 2.1798960864543915e-02 - <_> - - 0 -1 842 -3.9965631440281868e-03 - - -1.9710969924926758e-01 8.0300606787204742e-02 - <_> - - 0 -1 843 -8.4951231256127357e-03 - - 2.1296609938144684e-01 -8.2974627614021301e-02 - <_> - - 0 -1 844 4.7206480056047440e-02 - - 9.7466083243489265e-03 -7.0066297054290771e-01 - <_> - - 0 -1 845 3.7802560254931450e-03 - - 7.7478893101215363e-02 -2.3372000455856323e-01 - <_> - - 0 -1 846 4.4631671160459518e-02 - - -2.1464770659804344e-02 3.2136338949203491e-01 - <_> - - 0 -1 847 6.8157288478687406e-04 - - 1.2177070230245590e-01 -1.2063200026750565e-01 - <_> - - 0 -1 848 -6.9712452590465546e-02 - - -9.4828051328659058e-01 1.2017440050840378e-02 - <_> - - 0 -1 849 -4.8821792006492615e-03 - - -2.1774840354919434e-01 7.7113322913646698e-02 - <_> - - 0 -1 850 3.4387600608170033e-03 - - -1.8093569576740265e-01 9.3595556914806366e-02 - <_> - - 0 -1 851 -2.5215700268745422e-02 - - -5.5714958906173706e-01 2.7420820668339729e-02 - <_> - - 0 -1 852 7.4309771880507469e-03 - - -4.6630490571260452e-02 2.1024890244007111e-01 - <_> - - 0 -1 853 -1.5789959579706192e-02 - - -3.3443140983581543e-01 4.6291690319776535e-02 - <_> - - 0 -1 854 3.5080160014331341e-03 - - -6.4612612128257751e-02 2.2737669944763184e-01 - <_> - - 0 -1 855 4.4291261583566666e-02 - - 2.2642729803919792e-02 -7.0683121681213379e-01 - <_> - - 0 -1 856 1.9108189269900322e-02 - - -3.5893321037292480e-02 1.4613699913024902e-01 - <_> - 99 - -1.8724700212478638e+00 - - <_> - - 0 -1 857 -1.6636669635772705e-02 - - 2.5966519117355347e-01 -4.1162249445915222e-01 - <_> - - 0 -1 858 2.9865810647606850e-02 - - -3.3182668685913086e-01 2.0545999705791473e-01 - <_> - - 0 -1 859 9.1892024502158165e-03 - - -3.4481799602508545e-01 1.8148690462112427e-01 - <_> - - 0 -1 860 2.8450509998947382e-03 - - -3.2904830574989319e-01 9.4392292201519012e-02 - <_> - - 0 -1 861 3.4257639199495316e-02 - - -3.2212799787521362e-01 1.7332050204277039e-01 - <_> - - 0 -1 862 3.4367710351943970e-02 - - -3.2593810558319092e-01 1.7473269999027252e-01 - <_> - - 0 -1 863 9.0881884098052979e-03 - - 1.0527010262012482e-01 -4.8131370544433594e-01 - <_> - - 0 -1 864 -5.0939731299877167e-03 - - 1.7374989390373230e-01 -2.7883121371269226e-01 - <_> - - 0 -1 865 1.1773620499297976e-03 - - -4.2217200994491577e-01 1.0231760144233704e-01 - <_> - - 0 -1 866 3.6797609180212021e-02 - - 1.1229369789361954e-01 -3.8409191370010376e-01 - <_> - - 0 -1 867 -7.2484882548451424e-04 - - -4.4795128703117371e-01 8.5079587996006012e-02 - <_> - - 0 -1 868 1.2603210285305977e-02 - - 6.0475040227174759e-02 -3.5327509045600891e-01 - <_> - - 0 -1 869 5.1925552543252707e-04 - - -3.1916388869285583e-01 1.1903370171785355e-01 - <_> - - 0 -1 870 -1.3244180008769035e-02 - - 2.1975730359554291e-01 -9.5025591552257538e-02 - <_> - - 0 -1 871 -2.7882310096174479e-03 - - -2.7294808626174927e-01 1.2419769912958145e-01 - <_> - - 0 -1 872 2.6591470465064049e-02 - - 6.0452010482549667e-02 -3.9637029170989990e-01 - <_> - - 0 -1 873 1.2505210004746914e-02 - - 7.8631103038787842e-02 -4.0303888916969299e-01 - <_> - - 0 -1 874 -1.3857340440154076e-02 - - 2.5759750604629517e-01 -1.0351459681987762e-01 - <_> - - 0 -1 875 7.2099752724170685e-02 - - -5.5193781852722168e-01 6.0020800679922104e-02 - <_> - - 0 -1 876 -9.8338630050420761e-04 - - -3.1915199756622314e-01 8.7977647781372070e-02 - <_> - - 0 -1 877 -5.8390170335769653e-02 - - -5.5988979339599609e-01 5.2990190684795380e-02 - <_> - - 0 -1 878 4.2504342272877693e-03 - - -2.8897258639335632e-01 9.2816516757011414e-02 - <_> - - 0 -1 879 -3.2332520931959152e-02 - - -4.8713520169258118e-01 6.0787629336118698e-02 - <_> - - 0 -1 880 4.7365639358758926e-02 - - -1.0111550241708755e-01 3.2597780227661133e-01 - <_> - - 0 -1 881 -3.8943330291658640e-03 - - 1.9173160195350647e-01 -1.6729380190372467e-01 - <_> - - 0 -1 882 5.7729199528694153e-02 - - 3.6343291401863098e-02 -7.3161131143569946e-01 - <_> - - 0 -1 883 -1.8925540149211884e-02 - - 3.2471498847007751e-01 -8.6188063025474548e-02 - <_> - - 0 -1 884 -3.9679601788520813e-02 - - -4.1826680302619934e-01 5.3354211151599884e-02 - <_> - - 0 -1 885 -2.0733650773763657e-02 - - -4.1205188632011414e-01 6.3596852123737335e-02 - <_> - - 0 -1 886 1.5387910604476929e-01 - - 1.9954150542616844e-02 -5.7643288373947144e-01 - <_> - - 0 -1 887 1.2131260335445404e-01 - - 4.4516459107398987e-02 -5.9093242883682251e-01 - <_> - - 0 -1 888 2.7478559786686674e-05 - - -4.0688499808311462e-01 5.2828099578619003e-02 - <_> - - 0 -1 889 8.8893681764602661e-02 - - 5.1985241472721100e-02 -5.0228989124298096e-01 - <_> - - 0 -1 890 2.8169099241495132e-03 - - 6.7726433277130127e-02 -1.3582049310207367e-01 - <_> - - 0 -1 891 -1.7215269326698035e-04 - - 8.9616917073726654e-02 -2.9589369893074036e-01 - <_> - - 0 -1 892 -3.1830620020627975e-02 - - -5.6433600187301636e-01 2.2822249680757523e-02 - <_> - - 0 -1 893 -6.3334330916404724e-02 - - -8.2371699810028076e-01 2.7576120570302010e-02 - <_> - - 0 -1 894 -6.9032818078994751e-02 - - -6.9788217544555664e-01 3.3770920708775520e-03 - <_> - - 0 -1 895 2.1021519787609577e-03 - - -2.7244049310684204e-01 8.6922891438007355e-02 - <_> - - 0 -1 896 3.4065779298543930e-02 - - 1.7670579254627228e-02 -4.3001320958137512e-01 - <_> - - 0 -1 897 8.1215314567089081e-03 - - -1.5942670404911041e-01 1.6256070137023926e-01 - <_> - - 0 -1 898 -1.6329119680449367e-03 - - 4.2009588330984116e-02 -3.2923451066017151e-01 - <_> - - 0 -1 899 -3.9110329002141953e-02 - - -6.0666251182556152e-01 4.1248850524425507e-02 - <_> - - 0 -1 900 -2.3188870400190353e-02 - - -5.5365419387817383e-01 1.7315510660409927e-02 - <_> - - 0 -1 901 -6.2944158911705017e-02 - - -5.3853708505630493e-01 4.1758351027965546e-02 - <_> - - 0 -1 902 -8.5414372384548187e-02 - - -9.3122452497482300e-01 -9.1123272432014346e-04 - <_> - - 0 -1 903 -4.1963338851928711e-02 - - -5.6720697879791260e-01 3.9175700396299362e-02 - <_> - - 0 -1 904 1.1165619827806950e-02 - - -6.7815810441970825e-02 2.9003840684890747e-01 - <_> - - 0 -1 905 -1.3730769976973534e-02 - - 3.2328099012374878e-01 -1.0592839866876602e-01 - <_> - - 0 -1 906 -7.5793050229549408e-02 - - 5.5545729398727417e-01 -3.2934208866208792e-03 - <_> - - 0 -1 907 2.7008100878447294e-03 - - 1.5311180055141449e-01 -1.6604180634021759e-01 - <_> - - 0 -1 908 1.0164660401642323e-02 - - 7.6404631137847900e-02 -2.8745749592781067e-01 - <_> - - 0 -1 909 -5.9808149933815002e-02 - - -7.3486739397048950e-01 3.0370820313692093e-02 - <_> - - 0 -1 910 9.6447616815567017e-02 - - 2.6198839768767357e-02 -6.6001427173614502e-01 - <_> - - 0 -1 911 3.2350219786167145e-02 - - 4.1407719254493713e-02 -4.7442498803138733e-01 - <_> - - 0 -1 912 2.3717279732227325e-01 - - -9.5941081643104553e-02 2.4070499837398529e-01 - <_> - - 0 -1 913 -4.0942471474409103e-02 - - -4.0582120418548584e-01 6.4327560365200043e-02 - <_> - - 0 -1 914 -3.4409161657094955e-02 - - -7.4849551916122437e-01 2.2520760074257851e-02 - <_> - - 0 -1 915 1.3847379386425018e-01 - - 2.8472309932112694e-02 -7.0612120628356934e-01 - <_> - - 0 -1 916 4.6567160636186600e-02 - - -4.1168119758367538e-02 6.9962567090988159e-01 - <_> - - 0 -1 917 -3.0492639169096947e-02 - - -6.5116977691650391e-01 3.9995279163122177e-02 - <_> - - 0 -1 918 8.6345896124839783e-03 - - -1.1207970231771469e-01 7.7241696417331696e-02 - <_> - - 0 -1 919 3.1845968216657639e-02 - - -1.1552079766988754e-01 1.7539389431476593e-01 - <_> - - 0 -1 920 1.7124590277671814e-01 - - 5.0687979906797409e-02 -4.7042238712310791e-01 - <_> - - 0 -1 921 5.2879499271512032e-03 - - 6.5041497349739075e-02 -2.8894019126892090e-01 - <_> - - 0 -1 922 1.0060779750347137e-02 - - 6.3689216971397400e-02 -2.6081889867782593e-01 - <_> - - 0 -1 923 3.3330768346786499e-02 - - 3.4809298813343048e-02 -5.7845467329025269e-01 - <_> - - 0 -1 924 -5.2802279591560364e-02 - - -6.8521040678024292e-01 1.7583779990673065e-02 - <_> - - 0 -1 925 -1.5452199615538120e-02 - - 3.1395891308784485e-01 -7.7611543238162994e-02 - <_> - - 0 -1 926 -6.5528601408004761e-04 - - 5.6181360036134720e-02 -1.5184390544891357e-01 - <_> - - 0 -1 927 3.7062149494886398e-02 - - 2.8928549960255623e-02 -7.0487600564956665e-01 - <_> - - 0 -1 928 -5.7728089392185211e-02 - - -4.3192410469055176e-01 9.2153800651431084e-03 - <_> - - 0 -1 929 -2.2813139948993921e-03 - - 1.0200300067663193e-01 -2.1657040715217590e-01 - <_> - - 0 -1 930 2.6513230055570602e-02 - - -8.3650946617126465e-02 3.0740359425544739e-01 - <_> - - 0 -1 931 7.3622196912765503e-02 - - 3.0683049932122231e-02 -7.1910232305526733e-01 - <_> - - 0 -1 932 -1.3022350147366524e-02 - - -3.6386561393737793e-01 2.5367209687829018e-02 - <_> - - 0 -1 933 -1.3319820165634155e-02 - - -5.1884061098098755e-01 3.5935029387474060e-02 - <_> - - 0 -1 934 2.3190369829535484e-03 - - -6.1515200883150101e-02 7.1100451052188873e-02 - <_> - - 0 -1 935 -2.1372830495238304e-02 - - -5.0247579813003540e-01 3.9844810962677002e-02 - <_> - - 0 -1 936 2.4474589154124260e-02 - - -4.7960858792066574e-02 2.6931110024452209e-01 - <_> - - 0 -1 937 -1.0679869912564754e-02 - - 3.1474280357360840e-01 -8.4758952260017395e-02 - <_> - - 0 -1 938 4.8961799591779709e-02 - - 2.7358099818229675e-02 -3.8229361176490784e-01 - <_> - - 0 -1 939 3.2376348972320557e-02 - - -4.7090999782085419e-02 4.5985230803489685e-01 - <_> - - 0 -1 940 -1.0995220392942429e-02 - - -1.8544240295886993e-01 3.6006979644298553e-02 - <_> - - 0 -1 941 1.7626030743122101e-01 - - 2.4375159293413162e-02 -7.7686601877212524e-01 - <_> - - 0 -1 942 7.9778492450714111e-02 - - 3.3787339925765991e-03 -7.2928887605667114e-01 - <_> - - 0 -1 943 -1.1329210363328457e-02 - - -4.6397671103477478e-01 3.9380829781293869e-02 - <_> - - 0 -1 944 6.3431300222873688e-02 - - -9.7074061632156372e-02 1.0118869692087173e-01 - <_> - - 0 -1 945 -1.2691849842667580e-02 - - 2.8142300248146057e-01 -7.2105713188648224e-02 - <_> - - 0 -1 946 -7.8238412737846375e-02 - - 5.7400637865066528e-01 -1.8400549888610840e-02 - <_> - - 0 -1 947 3.9532519876956940e-02 - - 4.3154988437891006e-02 -5.2327841520309448e-01 - <_> - - 0 -1 948 1.5355779789388180e-02 - - -4.7316178679466248e-02 4.6925771236419678e-01 - <_> - - 0 -1 949 -6.4018620178103447e-03 - - 1.3297230005264282e-01 -1.4365619421005249e-01 - <_> - - 0 -1 950 -1.0567340254783630e-01 - - 2.0206320285797119e-01 -1.4406460337340832e-02 - <_> - - 0 -1 951 2.8163839131593704e-02 - - 7.1180991828441620e-02 -3.1034231185913086e-01 - <_> - - 0 -1 952 1.1702980101108551e-01 - - 1.1619930155575275e-02 -7.1530961990356445e-01 - <_> - - 0 -1 953 -3.8921568542718887e-02 - - 2.4412679672241211e-01 -8.2244850695133209e-02 - <_> - - 0 -1 954 -2.8435489162802696e-02 - - -3.6785170435905457e-01 3.8488820195198059e-02 - <_> - - 0 -1 955 -3.6393549293279648e-02 - - 5.2206730842590332e-01 -4.7079380601644516e-02 - <_> - 139 - -1.7121059894561768e+00 - - <_> - - 0 -1 956 -2.1428510546684265e-02 - - 1.9014079868793488e-01 -5.0612741708755493e-01 - <_> - - 0 -1 957 2.0596129819750786e-02 - - -2.9283228516578674e-01 2.4655179679393768e-01 - <_> - - 0 -1 958 2.7893469668924809e-03 - - 1.1085920035839081e-01 -4.6909829974174500e-01 - <_> - - 0 -1 959 4.4722640886902809e-03 - - -2.8250780701637268e-01 1.4564670622348785e-01 - <_> - - 0 -1 960 -1.0463190264999866e-03 - - -2.6603269577026367e-01 1.2815919518470764e-01 - <_> - - 0 -1 961 1.5831940108910203e-03 - - -6.3467299938201904e-01 7.1003831923007965e-02 - <_> - - 0 -1 962 -7.3153319135599304e-06 - - 1.0248930007219315e-01 -3.4815961122512817e-01 - <_> - - 0 -1 963 5.4208859801292419e-03 - - 5.9830531477928162e-02 -3.1387779116630554e-01 - <_> - - 0 -1 964 1.2645759852603078e-03 - - -2.2709150612354279e-01 1.3160009682178497e-01 - <_> - - 0 -1 965 3.0235300073400140e-05 - - -2.6413309574127197e-01 2.8918080031871796e-02 - <_> - - 0 -1 966 1.5345469582825899e-03 - - -4.0711951255798340e-01 6.9787837564945221e-02 - <_> - - 0 -1 967 6.8222070112824440e-03 - - -1.5069720149040222e-01 2.1888419985771179e-01 - <_> - - 0 -1 968 -9.8558319732546806e-03 - - -3.5441368818283081e-01 8.6026392877101898e-02 - <_> - - 0 -1 969 -2.9890429228544235e-02 - - 2.2117440402507782e-01 -2.8611009940505028e-02 - <_> - - 0 -1 970 -2.6285760104656219e-03 - - 9.8204180598258972e-02 -2.7149739861488342e-01 - <_> - - 0 -1 971 3.2039839425124228e-04 - - -9.8540462553501129e-02 1.8785539269447327e-01 - <_> - - 0 -1 972 1.1079469695687294e-03 - - 6.4034536480903625e-02 -4.3082669377326965e-01 - <_> - - 0 -1 973 -9.1538369655609131e-02 - - -5.2440929412841797e-01 1.2250489555299282e-02 - <_> - - 0 -1 974 4.3205898255109787e-02 - - 9.6655867993831635e-02 -2.6809310913085938e-01 - <_> - - 0 -1 975 9.1920839622616768e-04 - - -1.3260160386562347e-01 1.2358319759368896e-01 - <_> - - 0 -1 976 8.9521165937185287e-03 - - 8.6445420980453491e-02 -2.3219430446624756e-01 - <_> - - 0 -1 977 5.6190020404756069e-03 - - -6.0304049402475357e-02 1.5070669353008270e-01 - <_> - - 0 -1 978 3.7380240391939878e-03 - - -1.8652540445327759e-01 1.3011780381202698e-01 - <_> - - 0 -1 979 -4.4416960328817368e-02 - - 1.9036759436130524e-01 -1.7527159303426743e-02 - <_> - - 0 -1 980 1.9832739606499672e-02 - - -5.3527630865573883e-02 4.0238130092620850e-01 - <_> - - 0 -1 981 1.2155610136687756e-02 - - 9.1288566589355469e-02 -2.6862761378288269e-01 - <_> - - 0 -1 982 5.0532341003417969e-02 - - 3.1295180320739746e-02 -6.2836539745330811e-01 - <_> - - 0 -1 983 -1.7635909607633948e-03 - - 5.6185219436883926e-02 -2.1861009299755096e-01 - <_> - - 0 -1 984 4.9412921071052551e-03 - - 5.5915899574756622e-02 -3.5954388976097107e-01 - <_> - - 0 -1 985 -1.1536119878292084e-01 - - -5.3168737888336182e-01 7.9654296860098839e-03 - <_> - - 0 -1 986 -2.0473708864301443e-03 - - 7.9633012413978577e-02 -2.5389900803565979e-01 - <_> - - 0 -1 987 4.7814860008656979e-03 - - -9.4149880111217499e-02 1.1631009727716446e-01 - <_> - - 0 -1 988 2.1274939179420471e-02 - - -4.7486610710620880e-02 3.7564519047737122e-01 - <_> - - 0 -1 989 5.1177050918340683e-03 - - 7.4936643242835999e-02 -2.6105350255966187e-01 - <_> - - 0 -1 990 -1.3952000066637993e-02 - - 2.3960170149803162e-01 -9.6836768090724945e-02 - <_> - - 0 -1 991 -1.3828179799020290e-02 - - -3.9605268836021423e-01 5.8639749884605408e-02 - <_> - - 0 -1 992 -4.7117020934820175e-02 - - -5.5717539787292480e-01 3.1678650528192520e-02 - <_> - - 0 -1 993 1.0515590198338032e-02 - - -4.3930530548095703e-02 8.5277959704399109e-02 - <_> - - 0 -1 994 4.0591089054942131e-03 - - -1.0774219781160355e-01 1.6283099353313446e-01 - <_> - - 0 -1 995 -3.0376210808753967e-02 - - 2.0997379720211029e-01 -9.9417790770530701e-02 - <_> - - 0 -1 996 -6.6932791378349066e-04 - - -3.4863340854644775e-01 5.9148021042346954e-02 - <_> - - 0 -1 997 -1.4665089547634125e-02 - - -4.3786540627479553e-01 2.8008179739117622e-02 - <_> - - 0 -1 998 -3.5847770050168037e-03 - - 9.6611537039279938e-02 -1.7948310077190399e-01 - <_> - - 0 -1 999 -5.5043050087988377e-03 - - -3.3546659350395203e-01 7.5057849287986755e-02 - <_> - - 0 -1 1000 1.0141800157725811e-03 - - -1.8602859973907471e-01 8.6880050599575043e-02 - <_> - - 0 -1 1001 1.4642399735748768e-02 - - 2.6652090251445770e-02 -2.6002681255340576e-01 - <_> - - 0 -1 1002 -5.8538499288260937e-03 - - -1.4993189275264740e-01 1.2684640288352966e-01 - <_> - - 0 -1 1003 -5.3472168743610382e-02 - - 5.2131122350692749e-01 -2.0375749096274376e-02 - <_> - - 0 -1 1004 -7.6695926487445831e-02 - - 4.5817071199417114e-01 -3.4876950085163116e-02 - <_> - - 0 -1 1005 -5.9094227617606521e-04 - - 1.1570499837398529e-01 -1.2966969609260559e-01 - <_> - - 0 -1 1006 -4.3543361127376556e-02 - - -8.2132732868194580e-01 2.0535599440336227e-02 - <_> - - 0 -1 1007 5.0691701471805573e-02 - - -3.6280639469623566e-02 4.0212449431419373e-01 - <_> - - 0 -1 1008 1.3124669902026653e-02 - - -8.3614267408847809e-02 2.0441520214080811e-01 - <_> - - 0 -1 1009 3.5445049405097961e-01 - - 1.4580509625375271e-02 -5.6883698701858521e-01 - <_> - - 0 -1 1010 -2.1929910406470299e-02 - - 1.6368280351161957e-01 -1.0018540173768997e-01 - <_> - - 0 -1 1011 3.8168739527463913e-02 - - 3.5331390798091888e-02 -5.3782612085342407e-01 - <_> - - 0 -1 1012 6.3126571476459503e-03 - - 5.6145761162042618e-02 -2.8158029913902283e-01 - <_> - - 0 -1 1013 -4.3002668768167496e-02 - - -6.4804542064666748e-01 1.7478020861744881e-02 - <_> - - 0 -1 1014 2.4681850336492062e-03 - - -1.1719709634780884e-01 1.3693059980869293e-01 - <_> - - 0 -1 1015 4.5261289924383163e-02 - - 1.5927750617265701e-02 -7.1915590763092041e-01 - <_> - - 0 -1 1016 -4.2067110538482666e-02 - - -6.4201879501342773e-01 2.0196499302983284e-02 - <_> - - 0 -1 1017 3.9601750904694200e-04 - - -3.1774568557739258e-01 7.6843477785587311e-02 - <_> - - 0 -1 1018 -1.2469319626688957e-02 - - 1.9531419873237610e-01 -7.8799232840538025e-02 - <_> - - 0 -1 1019 7.9188523814082146e-03 - - 5.6721080094575882e-02 -2.6906439661979675e-01 - <_> - - 0 -1 1020 -6.2929331324994564e-03 - - 1.5688340365886688e-01 -9.9287010729312897e-02 - <_> - - 0 -1 1021 2.2974120453000069e-02 - - -6.6930226981639862e-02 2.4427099525928497e-01 - <_> - - 0 -1 1022 -9.1710267588496208e-03 - - -2.9078531265258789e-01 5.9312019497156143e-02 - <_> - - 0 -1 1023 -9.5892272889614105e-02 - - -6.3700878620147705e-01 1.3278760015964508e-02 - <_> - - 0 -1 1024 5.6696119718253613e-03 - - 5.6131001561880112e-02 -2.9535120725631714e-01 - <_> - - 0 -1 1025 -1.3495329767465591e-02 - - 2.0205779373645782e-01 -6.3128583133220673e-02 - <_> - - 0 -1 1026 1.6108239069581032e-02 - - 4.5092061161994934e-02 -3.6163818836212158e-01 - <_> - - 0 -1 1027 1.1768710101023316e-03 - - -1.9879919290542603e-01 1.3078540563583374e-01 - <_> - - 0 -1 1028 1.4128970215097070e-03 - - -2.0856089890003204e-01 8.1473708152770996e-02 - <_> - - 0 -1 1029 -4.3028060346841812e-02 - - -2.8687548637390137e-01 2.9704660177230835e-02 - <_> - - 0 -1 1030 -1.0961409658193588e-02 - - 4.8846191167831421e-01 -3.5002779215574265e-02 - <_> - - 0 -1 1031 -4.5575079275295138e-04 - - 1.0644569993019104e-01 -1.0506340116262436e-01 - <_> - - 0 -1 1032 -5.0013329833745956e-02 - - -8.2039457559585571e-01 1.8604470416903496e-02 - <_> - - 0 -1 1033 -4.6841200441122055e-02 - - -8.6972111463546753e-01 3.9388639852404594e-03 - <_> - - 0 -1 1034 -8.0362131120637059e-04 - - 1.4196899533271790e-01 -1.2184119969606400e-01 - <_> - - 0 -1 1035 1.9802400842308998e-02 - - 4.0857948362827301e-02 -3.6116421222686768e-01 - <_> - - 0 -1 1036 2.1874029189348221e-02 - - -5.8230601251125336e-02 2.4490930140018463e-01 - <_> - - 0 -1 1037 3.2371848821640015e-02 - - 2.6172259822487831e-02 -4.0803569555282593e-01 - <_> - - 0 -1 1038 -7.0319771766662598e-03 - - -2.5175130367279053e-01 6.0090810060501099e-02 - <_> - - 0 -1 1039 2.6019799988716841e-03 - - -7.0827886462211609e-02 2.0735129714012146e-01 - <_> - - 0 -1 1040 -3.1531439162790775e-03 - - 1.7268289625644684e-01 -1.1326900124549866e-01 - <_> - - 0 -1 1041 5.8357551693916321e-02 - - 1.4668770134449005e-02 -9.2907238006591797e-01 - <_> - - 0 -1 1042 3.6941959988325834e-03 - - 6.6812008619308472e-02 -2.0454549789428711e-01 - <_> - - 0 -1 1043 1.8183739855885506e-02 - - -3.5921659320592880e-02 2.3765130341053009e-01 - <_> - - 0 -1 1044 -4.4514648616313934e-03 - - -1.8156670033931732e-01 8.0072969198226929e-02 - <_> - - 0 -1 1045 3.5554010421037674e-02 - - 1.1413309723138809e-02 -3.9503180980682373e-01 - <_> - - 0 -1 1046 1.6067499294877052e-02 - - -4.9147009849548340e-02 3.0306708812713623e-01 - <_> - - 0 -1 1047 3.6372188478708267e-02 - - 2.3675160482525826e-02 -6.8069261312484741e-01 - <_> - - 0 -1 1048 -7.4834008701145649e-03 - - 2.4146680533885956e-01 -5.8301728218793869e-02 - <_> - - 0 -1 1049 -7.2762509807944298e-03 - - -2.2373069822788239e-01 5.0284590572118759e-02 - <_> - - 0 -1 1050 -4.7946218401193619e-03 - - -2.1922710537910461e-01 6.6698201000690460e-02 - <_> - - 0 -1 1051 -1.3066439889371395e-02 - - 2.2604539990425110e-01 -3.7037428468465805e-02 - <_> - - 0 -1 1052 2.3257338907569647e-03 - - -8.1509239971637726e-02 2.3270750045776367e-01 - <_> - - 0 -1 1053 -1.1436239816248417e-02 - - 6.7732691764831543e-02 -3.3069651573896408e-02 - <_> - - 0 -1 1054 6.7957569845020771e-03 - - 9.3188859522342682e-02 -1.8542419373989105e-01 - <_> - - 0 -1 1055 -5.2705928683280945e-02 - - 4.0707829594612122e-01 -2.5846559554338455e-02 - <_> - - 0 -1 1056 1.2774269282817841e-01 - - 1.7207339406013489e-02 -8.8952672481536865e-01 - <_> - - 0 -1 1057 -2.7999880909919739e-01 - - -9.1963422298431396e-01 2.5054879370145500e-04 - <_> - - 0 -1 1058 1.2669020332396030e-02 - - -7.3152393102645874e-02 2.0872280001640320e-01 - <_> - - 0 -1 1059 -1.5894599258899689e-02 - - 1.1266420036554337e-01 -4.0140561759471893e-02 - <_> - - 0 -1 1060 5.3938169032335281e-02 - - 3.0137389898300171e-02 -5.0454300642013550e-01 - <_> - - 0 -1 1061 7.3805922875180840e-04 - - -3.5923779010772705e-01 3.3418480306863785e-02 - <_> - - 0 -1 1062 4.7065159305930138e-03 - - 4.4195190072059631e-01 -3.9396088570356369e-02 - <_> - - 0 -1 1063 3.0945870094001293e-03 - - -7.1224376559257507e-02 1.2306260317564011e-01 - <_> - - 0 -1 1064 -3.2640039920806885e-02 - - -4.4644719362258911e-01 3.4509830176830292e-02 - <_> - - 0 -1 1065 -7.8390557318925858e-03 - - -9.9895596504211426e-02 3.3491879701614380e-02 - <_> - - 0 -1 1066 7.6504289172589779e-03 - - 5.5107340216636658e-02 -2.4002109467983246e-01 - <_> - - 0 -1 1067 3.8153179921209812e-03 - - -5.7143520563840866e-02 1.7120680212974548e-01 - <_> - - 0 -1 1068 1.4295349828898907e-02 - - -5.5747661739587784e-02 2.6719009876251221e-01 - <_> - - 0 -1 1069 -1.8241480574943125e-04 - - 4.7362379729747772e-02 -2.1473219990730286e-01 - <_> - - 0 -1 1070 -3.1916480511426926e-02 - - -1.4398300647735596e-01 9.2526309192180634e-02 - <_> - - 0 -1 1071 -7.6755490154027939e-03 - - 1.2513080239295959e-01 -5.2855581045150757e-02 - <_> - - 0 -1 1072 1.4152109622955322e-02 - - -5.8198999613523483e-02 2.4444380402565002e-01 - <_> - - 0 -1 1073 -1.6701059415936470e-02 - - -3.0269339680671692e-01 2.5713469833135605e-02 - <_> - - 0 -1 1074 3.5869849380105734e-03 - - -1.1999790370464325e-01 1.2468840181827545e-01 - <_> - - 0 -1 1075 3.7683059927076101e-03 - - 5.0271350890398026e-02 -2.0477029681205750e-01 - <_> - - 0 -1 1076 9.9043175578117371e-04 - - -8.5413850843906403e-02 1.6316239535808563e-01 - <_> - - 0 -1 1077 9.3151312321424484e-03 - - 9.4177378341555595e-03 -3.5209101438522339e-01 - <_> - - 0 -1 1078 -1.5002860163804144e-04 - - 8.3480976521968842e-02 -1.7047779262065887e-01 - <_> - - 0 -1 1079 8.7790598627179861e-04 - - -1.1054719984531403e-01 1.1750820279121399e-01 - <_> - - 0 -1 1080 -3.7630271166563034e-02 - - 5.0325840711593628e-01 -2.6165060698986053e-02 - <_> - - 0 -1 1081 5.6488867849111557e-03 - - 7.4713237583637238e-02 -1.4058519899845123e-01 - <_> - - 0 -1 1082 -1.4621330192312598e-03 - - 6.7465327680110931e-02 -2.0143230259418488e-01 - <_> - - 0 -1 1083 5.3189881145954132e-03 - - -3.5997938364744186e-02 3.7376481294631958e-01 - <_> - - 0 -1 1084 2.1019520238041878e-02 - - 2.7063809335231781e-02 -5.0199657678604126e-01 - <_> - - 0 -1 1085 -1.1328969895839691e-01 - - -7.4395442008972168e-01 1.3778089545667171e-02 - <_> - - 0 -1 1086 -6.1144838109612465e-03 - - 1.4044840633869171e-01 -8.7939672172069550e-02 - <_> - - 0 -1 1087 -7.7648349106311798e-03 - - -1.4341640472412109e-01 4.3061099946498871e-02 - <_> - - 0 -1 1088 -9.1335996985435486e-02 - - -6.3246071338653564e-01 2.0902950316667557e-02 - <_> - - 0 -1 1089 -1.6339610517024994e-01 - - -7.7071088552474976e-01 1.3627690263092518e-02 - <_> - - 0 -1 1090 5.3004521131515503e-01 - - 1.2292830273509026e-02 -7.9708522558212280e-01 - <_> - - 0 -1 1091 -3.0609068926423788e-03 - - 5.7478528469800949e-02 -8.8626816868782043e-02 - <_> - - 0 -1 1092 1.3204859569668770e-03 - - -1.0473939776420593e-01 1.2416320294141769e-01 - <_> - - 0 -1 1093 -6.6045127809047699e-02 - - -7.0403701066970825e-01 7.2672651149332523e-03 - <_> - - 0 -1 1094 5.2080051973462105e-03 - - 7.3289416730403900e-02 -1.6105780005455017e-01 - <_> - 106 - -1.8098859786987305e+00 - - <_> - - 0 -1 1095 -2.4040700867772102e-02 - - 2.4318559467792511e-01 -3.8189288973808289e-01 - <_> - - 0 -1 1096 2.6374191045761108e-01 - - -2.5091141462326050e-01 2.7231940627098083e-01 - <_> - - 0 -1 1097 3.3161949831992388e-03 - - -2.8115370869636536e-01 2.2977580130100250e-01 - <_> - - 0 -1 1098 2.5751669891178608e-03 - - -6.4815878868103027e-01 8.3049327135086060e-02 - <_> - - 0 -1 1099 1.2843149714171886e-02 - - -5.4388070106506348e-01 8.6304552853107452e-02 - <_> - - 0 -1 1100 1.3005360029637814e-02 - - -2.6411589980125427e-01 2.2107879817485809e-01 - <_> - - 0 -1 1101 2.6304060593247414e-02 - - -2.2276160120964050e-01 2.2458629310131073e-01 - <_> - - 0 -1 1102 -6.8887993693351746e-02 - - 4.4677790999412537e-01 -1.8398750573396683e-02 - <_> - - 0 -1 1103 1.5864400193095207e-02 - - -3.3532321453094482e-01 1.6380620002746582e-01 - <_> - - 0 -1 1104 -7.1481592021882534e-03 - - -3.5999459028244019e-01 1.0679650306701660e-01 - <_> - - 0 -1 1105 -1.2002130039036274e-02 - - -3.7498581409454346e-01 9.6759349107742310e-02 - <_> - - 0 -1 1106 -2.6663220487535000e-03 - - -3.8941639661788940e-01 5.9776391834020615e-02 - <_> - - 0 -1 1107 5.2618351764976978e-04 - - -3.0557510256767273e-01 1.0778070241212845e-01 - <_> - - 0 -1 1108 -4.0705721825361252e-02 - - -5.8572947978973389e-01 4.0660858154296875e-02 - <_> - - 0 -1 1109 -8.7929163128137589e-03 - - 2.3699410259723663e-01 -1.3827539980411530e-01 - <_> - - 0 -1 1110 -2.2475840523838997e-03 - - -3.5475319623947144e-01 8.9079782366752625e-02 - <_> - - 0 -1 1111 5.8501982130110264e-03 - - 9.1695636510848999e-02 -3.3329799771308899e-01 - <_> - - 0 -1 1112 -3.9623910561203957e-03 - - -1.9845740497112274e-01 1.2363869696855545e-01 - <_> - - 0 -1 1113 -1.7685770289972425e-03 - - 7.3684811592102051e-02 -4.5862528681755066e-01 - <_> - - 0 -1 1114 6.3303880393505096e-02 - - 4.8690151423215866e-02 -5.7301318645477295e-01 - <_> - - 0 -1 1115 7.9875197261571884e-03 - - -8.1072300672531128e-01 2.7054410427808762e-02 - <_> - - 0 -1 1116 -1.3520400039851665e-02 - - 1.6274809837341309e-01 -1.6841860115528107e-01 - <_> - - 0 -1 1117 4.8139609396457672e-02 - - 4.5234218239784241e-02 -5.7300239801406860e-01 - <_> - - 0 -1 1118 5.0355647690594196e-03 - - 6.5225511789321899e-02 -2.5856611132621765e-01 - <_> - - 0 -1 1119 1.9625260028988123e-04 - - 1.4221550524234772e-01 -1.8481519818305969e-01 - <_> - - 0 -1 1120 2.5747891049832106e-03 - - -3.5904300212860107e-01 7.5663506984710693e-02 - <_> - - 0 -1 1121 -4.0524629876017570e-03 - - -2.1212129294872284e-01 1.1840210109949112e-01 - <_> - - 0 -1 1122 5.6920260190963745e-02 - - -4.3657299131155014e-02 3.8774600625038147e-01 - <_> - - 0 -1 1123 3.7986990064382553e-02 - - -8.1706330180168152e-02 3.9529800415039062e-01 - <_> - - 0 -1 1124 -2.2731529548764229e-02 - - -3.4693419933319092e-01 6.8438567221164703e-02 - <_> - - 0 -1 1125 9.9069473799318075e-04 - - -3.6681869626045227e-01 6.1036650091409683e-02 - <_> - - 0 -1 1126 -4.3086782097816467e-03 - - 1.4361980557441711e-01 -9.6160076558589935e-02 - <_> - - 0 -1 1127 -2.5202209129929543e-02 - - -4.6109348535537720e-01 5.9420660138130188e-02 - <_> - - 0 -1 1128 -3.3597718924283981e-02 - - -4.7127521038055420e-01 9.6356319263577461e-03 - <_> - - 0 -1 1129 -4.6891071833670139e-03 - - 1.9676209986209869e-01 -1.1853359639644623e-01 - <_> - - 0 -1 1130 2.4549920111894608e-02 - - -4.5542590320110321e-02 2.8717058897018433e-01 - <_> - - 0 -1 1131 -1.8802500562742352e-03 - - -2.9892438650131226e-01 8.0199889838695526e-02 - <_> - - 0 -1 1132 2.0160999894142151e-01 - - 3.0502580106258392e-02 -4.8414209485054016e-01 - <_> - - 0 -1 1133 -6.9803953170776367e-02 - - -6.2382811307907104e-01 3.5180661827325821e-02 - <_> - - 0 -1 1134 9.1318902559578419e-04 - - -1.9935069978237152e-01 6.8270348012447357e-02 - <_> - - 0 -1 1135 1.4578959904611111e-02 - - 1.0063359886407852e-01 -2.5353130698204041e-01 - <_> - - 0 -1 1136 5.0130348652601242e-02 - - 5.7192109525203705e-02 -4.1628059744834900e-01 - <_> - - 0 -1 1137 -1.8048109486699104e-02 - - -4.4572651386260986e-01 5.0399489700794220e-02 - <_> - - 0 -1 1138 1.4818160235881805e-01 - - 1.6779610887169838e-02 -4.5810478925704956e-01 - <_> - - 0 -1 1139 -2.6285950094461441e-02 - - 3.5442620515823364e-01 -6.1184428632259369e-02 - <_> - - 0 -1 1140 -1.8414109945297241e-02 - - -3.2132109999656677e-01 7.6148152351379395e-02 - <_> - - 0 -1 1141 6.1610070988535881e-03 - - 8.7946079671382904e-02 -2.5913208723068237e-01 - <_> - - 0 -1 1142 -2.5900160893797874e-02 - - 3.0681431293487549e-01 -6.5600410103797913e-02 - <_> - - 0 -1 1143 1.5014899894595146e-02 - - -5.6076969951391220e-02 3.8661429286003113e-01 - <_> - - 0 -1 1144 -4.3112158775329590e-02 - - 5.5926108360290527e-01 -3.9232630282640457e-02 - <_> - - 0 -1 1145 -2.1485170349478722e-02 - - -4.6384871006011963e-01 4.8264618963003159e-02 - <_> - - 0 -1 1146 -2.5131789967417717e-02 - - -4.8091739416122437e-01 4.1346170008182526e-02 - <_> - - 0 -1 1147 4.1451459401287138e-04 - - 4.4691830873489380e-02 -4.2174011468887329e-01 - <_> - - 0 -1 1148 1.0218570008873940e-02 - - 5.3744480013847351e-02 -1.9395479559898376e-01 - <_> - - 0 -1 1149 -2.0342700183391571e-02 - - 2.9722499847412109e-01 -7.1297563612461090e-02 - <_> - - 0 -1 1150 -3.0666049569845200e-02 - - -3.9920780062675476e-01 4.5510981231927872e-02 - <_> - - 0 -1 1151 -3.2767441123723984e-02 - - -5.0248539447784424e-01 4.4888608157634735e-02 - <_> - - 0 -1 1152 -5.4365001618862152e-02 - - -4.7751170396804810e-01 4.1882470250129700e-02 - <_> - - 0 -1 1153 -2.9916359111666679e-02 - - 3.5793611407279968e-01 -6.1831939965486526e-02 - <_> - - 0 -1 1154 1.0144179686903954e-02 - - -1.5790919959545135e-01 5.7373359799385071e-02 - <_> - - 0 -1 1155 1.5639010071754456e-01 - - 3.2949700951576233e-02 -6.4462232589721680e-01 - <_> - - 0 -1 1156 5.4447978734970093e-02 - - -4.1508059948682785e-02 1.2866689264774323e-01 - <_> - - 0 -1 1157 -3.9772719144821167e-02 - - -6.8962317705154419e-01 2.9046570882201195e-02 - <_> - - 0 -1 1158 6.9650667719542980e-03 - - -9.4761677086353302e-02 1.8257130682468414e-01 - <_> - - 0 -1 1159 -5.1617428660392761e-02 - - -4.4907289743423462e-01 4.3913140892982483e-02 - <_> - - 0 -1 1160 -2.6814609766006470e-02 - - -2.2568839788436890e-01 5.4928071796894073e-02 - <_> - - 0 -1 1161 1.3181920163333416e-02 - - 8.0101907253265381e-02 -2.8673300147056580e-01 - <_> - - 0 -1 1162 1.4241590164601803e-02 - - -8.4264412522315979e-02 2.1000739932060242e-01 - <_> - - 0 -1 1163 3.1410539522767067e-03 - - 1.3257560133934021e-01 -1.5610539913177490e-01 - <_> - - 0 -1 1164 1.0995150357484818e-01 - - 1.2388270348310471e-02 -4.0302368998527527e-01 - <_> - - 0 -1 1165 1.7845850437879562e-02 - - 5.2870228886604309e-02 -3.7930241227149963e-01 - <_> - - 0 -1 1166 1.0851990431547165e-02 - - -5.4071258753538132e-02 3.5186240077018738e-01 - <_> - - 0 -1 1167 -2.5958200916647911e-02 - - 4.1978350281715393e-01 -4.0477428585290909e-02 - <_> - - 0 -1 1168 4.0990379638969898e-03 - - 5.0911288708448410e-02 -3.5974949598312378e-01 - <_> - - 0 -1 1169 1.4909840188920498e-02 - - -6.1437230557203293e-02 2.8947550058364868e-01 - <_> - - 0 -1 1170 4.0265037678182125e-03 - - 1.0686399787664413e-01 -1.2979680299758911e-01 - <_> - - 0 -1 1171 3.9495688676834106e-01 - - -2.8920559212565422e-02 6.3535267114639282e-01 - <_> - - 0 -1 1172 1.2874379754066467e-02 - - -1.1910410225391388e-01 1.2068430334329605e-01 - <_> - - 0 -1 1173 -4.8598181456327438e-02 - - 4.6885690093040466e-01 -4.2797289788722992e-02 - <_> - - 0 -1 1174 1.5357979573309422e-03 - - -3.0882269144058228e-01 6.3154831528663635e-02 - <_> - - 0 -1 1175 3.5379750188440084e-03 - - 1.0132449865341187e-01 -1.7726400494575500e-01 - <_> - - 0 -1 1176 -1.9441220909357071e-02 - - 2.3254390060901642e-01 -5.3732268512248993e-02 - <_> - - 0 -1 1177 2.5940369814634323e-03 - - -3.5682299733161926e-01 5.0598859786987305e-02 - <_> - - 0 -1 1178 5.9910379350185394e-02 - - -2.4030869826674461e-02 1.7003220319747925e-01 - <_> - - 0 -1 1179 -1.1181759648025036e-02 - - 3.4869500994682312e-01 -6.2812417745590210e-02 - <_> - - 0 -1 1180 4.9201812362298369e-04 - - -1.2642909586429596e-01 3.6503899842500687e-02 - <_> - - 0 -1 1181 6.7902177572250366e-02 - - -4.2887088656425476e-01 4.6336911618709564e-02 - <_> - - 0 -1 1182 1.5728829428553581e-02 - - -6.3028946518898010e-02 1.6275769472122192e-01 - <_> - - 0 -1 1183 -1.4824390411376953e-02 - - -5.3391677141189575e-01 3.2132621854543686e-02 - <_> - - 0 -1 1184 -1.9706260412931442e-02 - - 2.5455629825592041e-01 -3.0816650018095970e-02 - <_> - - 0 -1 1185 9.6607124432921410e-03 - - 9.2674352228641510e-02 -1.7940239608287811e-01 - <_> - - 0 -1 1186 -4.9929421395063400e-02 - - 2.6743340492248535e-01 -2.5595119222998619e-02 - <_> - - 0 -1 1187 7.3459640145301819e-02 - - -5.8698959648609161e-02 2.8898829221725464e-01 - <_> - - 0 -1 1188 -8.6538150208070874e-04 - - -1.4318460226058960e-01 6.5386183559894562e-02 - <_> - - 0 -1 1189 -1.0462219826877117e-02 - - -3.2498508691787720e-01 5.4955318570137024e-02 - <_> - - 0 -1 1190 -6.3478751108050346e-03 - - -1.0396370291709900e-01 4.0321409702301025e-02 - <_> - - 0 -1 1191 1.1406400054693222e-01 - - 2.6192039251327515e-02 -6.6177910566329956e-01 - <_> - - 0 -1 1192 -2.6893770322203636e-02 - - -3.5338699817657471e-01 1.9753590226173401e-02 - <_> - - 0 -1 1193 8.0600962042808533e-02 - - 2.8878480195999146e-02 -5.4975187778472900e-01 - <_> - - 0 -1 1194 -7.4676960706710815e-02 - - -3.4416058659553528e-01 2.6990719139575958e-02 - <_> - - 0 -1 1195 -7.7004089951515198e-02 - - 4.0045699477195740e-01 -4.5340269804000854e-02 - <_> - - 0 -1 1196 -8.6920477449893951e-02 - - -3.4687021374702454e-01 3.9195980876684189e-02 - <_> - - 0 -1 1197 -4.3200692161917686e-03 - - 7.5932569801807404e-02 -2.3720650374889374e-01 - <_> - - 0 -1 1198 -3.4127760678529739e-02 - - -4.1994720697402954e-01 4.3633870780467987e-02 - <_> - - 0 -1 1199 2.1845370531082153e-02 - - -5.8681700378656387e-02 3.2972678542137146e-01 - <_> - - 0 -1 1200 1.0037229955196381e-01 - - 4.2507208883762360e-02 -4.3366080522537231e-01 - <_> - 157 - -1.5512030124664307e+00 - - <_> - - 0 -1 1201 -2.8922120109200478e-03 - - 1.4381329715251923e-01 -4.0896520018577576e-01 - <_> - - 0 -1 1202 -3.2057950738817453e-03 - - -3.3472418785095215e-01 1.2834690511226654e-01 - <_> - - 0 -1 1203 -1.4795559764024802e-05 - - 1.0139170289039612e-01 -4.4680911302566528e-01 - <_> - - 0 -1 1204 3.7529919063672423e-04 - - -2.8604930639266968e-01 1.5357840061187744e-01 - <_> - - 0 -1 1205 4.9170467536896467e-04 - - -2.8404960036277771e-01 1.3163900375366211e-01 - <_> - - 0 -1 1206 1.6417380422353745e-02 - - 7.9901106655597687e-02 -2.8092819452285767e-01 - <_> - - 0 -1 1207 1.0119860060513020e-02 - - 1.0026869922876358e-01 -4.0932568907737732e-01 - <_> - - 0 -1 1208 -6.5251751802861691e-03 - - -3.3101710677146912e-01 9.6044629812240601e-02 - <_> - - 0 -1 1209 6.1215078458189964e-03 - - -3.5483101010322571e-01 8.4309920668601990e-02 - <_> - - 0 -1 1210 2.5817379355430603e-03 - - 8.3384357392787933e-02 -2.8031709790229797e-01 - <_> - - 0 -1 1211 -1.3406439684331417e-03 - - 1.5083800256252289e-01 -1.4946520328521729e-01 - <_> - - 0 -1 1212 3.3681320492178202e-03 - - 4.2112700641155243e-02 -2.2309710085391998e-01 - <_> - - 0 -1 1213 2.8937528841197491e-03 - - 8.2953810691833496e-02 -2.9152309894561768e-01 - <_> - - 0 -1 1214 3.3696501050144434e-03 - - 4.8548549413681030e-02 -1.9542780518531799e-01 - <_> - - 0 -1 1215 -7.1538880467414856e-02 - - 5.2008682489395142e-01 -4.2644441127777100e-02 - <_> - - 0 -1 1216 7.6072360388934612e-03 - - -8.5208661854267120e-02 1.1523310095071793e-01 - <_> - - 0 -1 1217 1.9313229713588953e-03 - - 8.9357398450374603e-02 -2.3614349961280823e-01 - <_> - - 0 -1 1218 9.0475968318060040e-04 - - -7.7408589422702789e-02 1.6829580068588257e-01 - <_> - - 0 -1 1219 1.1103670112788677e-02 - - -9.5963977277278900e-02 2.0391720533370972e-01 - <_> - - 0 -1 1220 -3.1021970789879560e-03 - - -3.8605719804763794e-01 4.6329721808433533e-02 - <_> - - 0 -1 1221 1.1446890421211720e-03 - - -2.8306689858436584e-01 5.8978211134672165e-02 - <_> - - 0 -1 1222 7.7077788300812244e-03 - - 1.0474249720573425e-01 -1.7146070301532745e-01 - <_> - - 0 -1 1223 4.9893710762262344e-02 - - -6.4692601561546326e-02 3.0140951275825500e-01 - <_> - - 0 -1 1224 -1.4937819913029671e-02 - - -2.7854371070861816e-01 7.0895470678806305e-02 - <_> - - 0 -1 1225 -2.5303829461336136e-03 - - 1.2108519673347473e-01 -1.4635290205478668e-01 - <_> - - 0 -1 1226 2.8611259534955025e-02 - - -5.0357531756162643e-02 4.0651878714561462e-01 - <_> - - 0 -1 1227 3.6244060844182968e-02 - - 4.4577218592166901e-02 -5.6234288215637207e-01 - <_> - - 0 -1 1228 -3.0544339679181576e-03 - - 1.1526989936828613e-01 -2.7371090650558472e-01 - <_> - - 0 -1 1229 -1.3101019430905581e-03 - - -2.6798000931739807e-01 5.9726651757955551e-02 - <_> - - 0 -1 1230 1.0702989529818296e-03 - - -1.5439410507678986e-01 1.1206989735364914e-01 - <_> - - 0 -1 1231 -2.3467160761356354e-02 - - -6.2424921989440918e-01 2.6010479778051376e-02 - <_> - - 0 -1 1232 -2.2787749767303467e-02 - - 1.7903989553451538e-01 -6.8230852484703064e-02 - <_> - - 0 -1 1233 7.5017688795924187e-03 - - 5.2637178450822830e-02 -3.3333471417427063e-01 - <_> - - 0 -1 1234 1.3881090097129345e-02 - - 6.5118886530399323e-02 -2.4152719974517822e-01 - <_> - - 0 -1 1235 -8.7769115343689919e-03 - - 1.9925190508365631e-01 -8.8063232600688934e-02 - <_> - - 0 -1 1236 2.6523560285568237e-02 - - 4.6574778854846954e-02 -3.6550509929656982e-01 - <_> - - 0 -1 1237 7.2263809852302074e-03 - - -1.0806850343942642e-01 1.5131799876689911e-01 - <_> - - 0 -1 1238 2.3426050320267677e-03 - - -1.5072929859161377e-01 9.9945023655891418e-02 - <_> - - 0 -1 1239 -2.8811080483137630e-05 - - 6.1413038522005081e-02 -2.4344439804553986e-01 - <_> - - 0 -1 1240 -1.3911900110542774e-02 - - -3.1010839343070984e-01 2.4895850569009781e-02 - <_> - - 0 -1 1241 2.4768780916929245e-02 - - 2.3218030110001564e-02 -6.5071028470993042e-01 - <_> - - 0 -1 1242 -6.0916407965123653e-03 - - 5.9768490493297577e-02 -2.5360348820686340e-01 - <_> - - 0 -1 1243 -9.7264908254146576e-03 - - -2.5584441423416138e-01 5.5554620921611786e-02 - <_> - - 0 -1 1244 9.7499042749404907e-02 - - 5.3867488168179989e-03 -7.3567670583724976e-01 - <_> - - 0 -1 1245 3.0411418993026018e-03 - - -1.3759210705757141e-01 1.2143649905920029e-01 - <_> - - 0 -1 1246 2.7967148926109076e-03 - - 1.8048660457134247e-01 -8.4527000784873962e-02 - <_> - - 0 -1 1247 1.0707279667258263e-02 - - -4.3970860540866852e-02 3.1042009592056274e-01 - <_> - - 0 -1 1248 1.7561139538884163e-03 - - 5.1866840571165085e-02 -2.2768710553646088e-01 - <_> - - 0 -1 1249 -3.0384738929569721e-03 - - 7.1652042865753174e-01 -2.2465929388999939e-02 - <_> - - 0 -1 1250 -9.4161480665206909e-02 - - -7.9338562488555908e-01 1.3117490336298943e-02 - <_> - - 0 -1 1251 -2.3869009688496590e-02 - - 4.9338179826736450e-01 -3.2169021666049957e-02 - <_> - - 0 -1 1252 -3.9958588778972626e-02 - - -1.8914769589900970e-01 2.8500700369477272e-02 - <_> - - 0 -1 1253 6.9391070865094662e-03 - - 3.9777211844921112e-02 -3.9105901122093201e-01 - <_> - - 0 -1 1254 -3.3596780151128769e-02 - - -5.6830072402954102e-01 2.1618509665131569e-02 - <_> - - 0 -1 1255 -1.4079840481281281e-01 - - -7.9014372825622559e-01 1.4884609729051590e-02 - <_> - - 0 -1 1256 -5.7346289977431297e-03 - - -1.5512639284133911e-01 4.2879570275545120e-02 - <_> - - 0 -1 1257 -5.2841830998659134e-02 - - 3.0823838710784912e-01 -5.0709690898656845e-02 - <_> - - 0 -1 1258 1.5207099728286266e-02 - - -2.5789769366383553e-02 3.3292320370674133e-01 - <_> - - 0 -1 1259 -5.8392022037878633e-04 - - 8.8900387287139893e-02 -1.6297949850559235e-01 - <_> - - 0 -1 1260 -3.3715530298650265e-03 - - -1.7890229821205139e-01 7.5376607477664948e-02 - <_> - - 0 -1 1261 -1.2047060299664736e-03 - - 1.0491970181465149e-01 -1.2970739603042603e-01 - <_> - - 0 -1 1262 5.5276479572057724e-02 - - -4.3197508901357651e-02 3.7212029099464417e-01 - <_> - - 0 -1 1263 3.9330609142780304e-02 - - 3.0416399240493774e-02 -4.9076101183891296e-01 - <_> - - 0 -1 1264 -9.7229599487036467e-04 - - -2.1895459294319153e-01 3.9032708853483200e-02 - <_> - - 0 -1 1265 -5.6048069149255753e-02 - - 4.1632568836212158e-01 -3.3747311681509018e-02 - <_> - - 0 -1 1266 7.1376740932464600e-02 - - 1.2129209935665131e-02 -6.4814078807830811e-01 - <_> - - 0 -1 1267 1.4940260443836451e-03 - - -2.1393610537052155e-01 8.4887221455574036e-02 - <_> - - 0 -1 1268 -3.2299170270562172e-03 - - 9.0792432427406311e-02 -9.5816053450107574e-02 - <_> - - 0 -1 1269 4.2182870209217072e-02 - - -6.6914401948451996e-02 2.5217619538307190e-01 - <_> - - 0 -1 1270 -6.5001910552382469e-03 - - -1.2149559706449509e-01 3.7367988377809525e-02 - <_> - - 0 -1 1271 1.9457129761576653e-02 - - 5.0163779407739639e-02 -2.8700378537178040e-01 - <_> - - 0 -1 1272 3.7291388958692551e-02 - - 2.9608439654111862e-02 -5.7222497463226318e-01 - <_> - - 0 -1 1273 -2.5571519508957863e-02 - - 4.3941849470138550e-01 -3.6532308906316757e-02 - <_> - - 0 -1 1274 -7.9122912138700485e-03 - - -2.9618510603904724e-01 3.5483270883560181e-02 - <_> - - 0 -1 1275 3.0267490074038506e-03 - - -1.2113779783248901e-01 1.1271420121192932e-01 - <_> - - 0 -1 1276 -2.1035820245742798e-02 - - 2.9206061363220215e-01 -3.1001489609479904e-02 - <_> - - 0 -1 1277 -1.2911420315504074e-02 - - -5.4194331169128418e-01 2.6756240054965019e-02 - <_> - - 0 -1 1278 5.5096071213483810e-02 - - 8.4169982001185417e-03 -6.2873458862304688e-01 - <_> - - 0 -1 1279 -6.3893562182784081e-03 - - -2.0784839987754822e-01 6.0436788946390152e-02 - <_> - - 0 -1 1280 1.0858760215342045e-02 - - -7.8497253358364105e-02 1.2957990169525146e-01 - <_> - - 0 -1 1281 -1.5859620645642281e-02 - - 1.5772910416126251e-01 -1.0143510252237320e-01 - <_> - - 0 -1 1282 1.5203879773616791e-01 - - 2.1721320226788521e-02 -3.1713140010833740e-01 - <_> - - 0 -1 1283 1.7942039296030998e-02 - - -8.4816932678222656e-02 1.7697300016880035e-01 - <_> - - 0 -1 1284 8.8212518021464348e-03 - - 5.1800601184368134e-02 -2.1443609893321991e-01 - <_> - - 0 -1 1285 1.5715289860963821e-02 - - 4.2525820434093475e-02 -3.2278341054916382e-01 - <_> - - 0 -1 1286 -2.4744209367781878e-03 - - 1.0828550159931183e-01 -1.2953069806098938e-01 - <_> - - 0 -1 1287 1.2597530148923397e-02 - - -6.0251701623201370e-02 2.7512151002883911e-01 - <_> - - 0 -1 1288 -1.0955630568787456e-03 - - -5.4244071245193481e-01 2.8166439384222031e-02 - <_> - - 0 -1 1289 -1.4035019557923079e-03 - - -2.3625169694423676e-01 6.1887249350547791e-02 - <_> - - 0 -1 1290 -7.7294543385505676e-02 - - -5.2141982316970825e-01 1.1844149790704250e-02 - <_> - - 0 -1 1291 -7.5442157685756683e-02 - - -7.1588802337646484e-01 1.7151419073343277e-02 - <_> - - 0 -1 1292 -6.5148338675498962e-02 - - 2.4099840223789215e-01 -5.0278738141059875e-02 - <_> - - 0 -1 1293 -1.0481229983270168e-03 - - 6.5461628139019012e-02 -1.9198420643806458e-01 - <_> - - 0 -1 1294 2.0919230300933123e-03 - - 4.8702161759138107e-02 -2.0062549412250519e-01 - <_> - - 0 -1 1295 -4.2849369347095490e-02 - - -4.6154209971427917e-01 2.9137039557099342e-02 - <_> - - 0 -1 1296 -4.5563629828393459e-03 - - 1.3732179999351501e-01 -7.3871016502380371e-02 - <_> - - 0 -1 1297 6.7648440599441528e-03 - - -6.3866026699542999e-02 2.7578699588775635e-01 - <_> - - 0 -1 1298 4.2252071201801300e-02 - - 1.3583010062575340e-02 -6.2714421749114990e-01 - <_> - - 0 -1 1299 -3.5438220947980881e-02 - - -5.2436131238937378e-01 2.1047530695796013e-02 - <_> - - 0 -1 1300 -5.3693209774792194e-03 - - 1.8366709351539612e-01 -6.6432453691959381e-02 - <_> - - 0 -1 1301 1.3521539513021708e-03 - - 5.8834321796894073e-02 -2.2455100715160370e-01 - <_> - - 0 -1 1302 -3.2204028218984604e-02 - - -4.8017048835754395e-01 9.2976661399006844e-03 - <_> - - 0 -1 1303 4.0550291305407882e-04 - - -8.5948407649993896e-02 2.0100370049476624e-01 - <_> - - 0 -1 1304 -3.8419410120695829e-03 - - 2.0595569908618927e-01 -6.6863708198070526e-02 - <_> - - 0 -1 1305 -4.5518199913203716e-03 - - -2.2908920049667358e-01 5.8954399079084396e-02 - <_> - - 0 -1 1306 -4.9340371042490005e-02 - - -3.8995718955993652e-01 1.6714079305529594e-02 - <_> - - 0 -1 1307 8.6456492543220520e-02 - - -3.2278828322887421e-02 3.6371639370918274e-01 - <_> - - 0 -1 1308 5.1636258140206337e-03 - - -1.7399039864540100e-01 5.6017149239778519e-02 - <_> - - 0 -1 1309 3.5364869982004166e-03 - - -7.9630948603153229e-02 1.6313460469245911e-01 - <_> - - 0 -1 1310 -4.3170839548110962e-02 - - -3.7036859989166260e-01 1.9841130822896957e-02 - <_> - - 0 -1 1311 6.1772209592163563e-03 - - 5.9052169322967529e-02 -2.3701970279216766e-01 - <_> - - 0 -1 1312 -2.2244770079851151e-02 - - 2.5762718915939331e-01 -2.2968450561165810e-02 - <_> - - 0 -1 1313 5.0163730978965759e-02 - - 1.7468400299549103e-02 -6.8128740787506104e-01 - <_> - - 0 -1 1314 -3.0043811420910060e-04 - - 5.5781401693820953e-02 -1.2685780227184296e-01 - <_> - - 0 -1 1315 1.9783550500869751e-01 - - 1.2211419641971588e-02 -8.6064267158508301e-01 - <_> - - 0 -1 1316 6.5362468361854553e-02 - - 4.1287927888333797e-03 -6.2948238849639893e-01 - <_> - - 0 -1 1317 -1.8684990704059601e-02 - - -2.4377359449863434e-01 4.3232489377260208e-02 - <_> - - 0 -1 1318 -7.5593511573970318e-03 - - 1.7254440486431122e-01 -1.6871780157089233e-02 - <_> - - 0 -1 1319 1.4699660241603851e-03 - - -1.5561489760875702e-01 6.9231852889060974e-02 - <_> - - 0 -1 1320 1.1925940215587616e-01 - - -2.6341190561652184e-02 4.4847229123115540e-01 - <_> - - 0 -1 1321 1.3763479888439178e-02 - - 3.1852710992097855e-02 -3.8184550404548645e-01 - <_> - - 0 -1 1322 1.2966440059244633e-02 - - -3.9391368627548218e-02 1.9092699885368347e-01 - <_> - - 0 -1 1323 -1.1041419580578804e-02 - - -2.7309378981590271e-01 4.7777820378541946e-02 - <_> - - 0 -1 1324 6.8364411592483521e-01 - - 9.6240043640136719e-03 -9.7447502613067627e-01 - <_> - - 0 -1 1325 -2.4255160242319107e-03 - - -2.5439569354057312e-01 4.0732551366090775e-02 - <_> - - 0 -1 1326 6.4529682276770473e-04 - - -1.3824179768562317e-01 7.4660047888755798e-02 - <_> - - 0 -1 1327 -2.2386180236935616e-02 - - 3.9404779672622681e-01 -4.2591951787471771e-02 - <_> - - 0 -1 1328 -6.4325161278247833e-02 - - -9.6853357553482056e-01 5.4289568215608597e-03 - <_> - - 0 -1 1329 4.0803711861371994e-02 - - 1.4779980294406414e-02 -7.5445967912673950e-01 - <_> - - 0 -1 1330 -2.4066439364105463e-03 - - 7.6213918626308441e-02 -8.1325337290763855e-02 - <_> - - 0 -1 1331 -4.9865059554576874e-02 - - -7.8447979688644409e-01 1.5130150131881237e-02 - <_> - - 0 -1 1332 -8.9749991893768311e-02 - - -9.0076518058776855e-01 4.0898341685533524e-03 - <_> - - 0 -1 1333 2.1489290520548820e-03 - - -7.7873408794403076e-02 1.4538989961147308e-01 - <_> - - 0 -1 1334 1.8653910374268889e-03 - - -5.1264639943838120e-02 1.4514209330081940e-01 - <_> - - 0 -1 1335 5.4189950227737427e-02 - - 1.6740569844841957e-02 -7.2964847087860107e-01 - <_> - - 0 -1 1336 -3.7668810691684484e-03 - - 1.5345999598503113e-01 -5.9867210686206818e-02 - <_> - - 0 -1 1337 -1.5151940286159515e-01 - - -8.2612198591232300e-01 1.4488279819488525e-02 - <_> - - 0 -1 1338 1.0246659629046917e-02 - - -6.3145689666271210e-02 1.8994790315628052e-01 - <_> - - 0 -1 1339 1.0578270070254803e-02 - - 5.9726748615503311e-02 -1.9162079691886902e-01 - <_> - - 0 -1 1340 1.5032970346510410e-02 - - -7.3868520557880402e-02 1.5511709451675415e-01 - <_> - - 0 -1 1341 -4.2136289179325104e-02 - - -6.8733322620391846e-01 1.6604630276560783e-02 - <_> - - 0 -1 1342 1.8628799589350820e-03 - - -1.5732850134372711e-01 7.5714908540248871e-02 - <_> - - 0 -1 1343 2.4659639224410057e-02 - - 9.7081139683723450e-02 -1.6045799851417542e-01 - <_> - - 0 -1 1344 1.9145730137825012e-01 - - 7.1056559681892395e-03 -7.5537341833114624e-01 - <_> - - 0 -1 1345 -3.0167160555720329e-02 - - 1.7002609372138977e-01 -8.6163826286792755e-02 - <_> - - 0 -1 1346 9.2923697084188461e-03 - - 4.3352611362934113e-02 -1.9533480703830719e-01 - <_> - - 0 -1 1347 -1.9069829722866416e-03 - - 8.2421518862247467e-02 -1.4644089341163635e-01 - <_> - - 0 -1 1348 3.1027841032482684e-04 - - -1.1879319697618484e-01 9.4635762274265289e-02 - <_> - - 0 -1 1349 4.4492271263152361e-04 - - -1.5645760297775269e-01 6.8512812256813049e-02 - <_> - - 0 -1 1350 -1.2095469981431961e-02 - - -9.0144127607345581e-02 3.0050620436668396e-02 - <_> - - 0 -1 1351 -2.0358909387141466e-03 - - 1.3586470484733582e-01 -7.2631262242794037e-02 - <_> - - 0 -1 1352 -9.3594277277588844e-03 - - 1.1376120150089264e-01 -3.9632719010114670e-02 - <_> - - 0 -1 1353 4.2418478988111019e-03 - - -8.1519439816474915e-02 1.5766209363937378e-01 - <_> - - 0 -1 1354 -5.9963759034872055e-02 - - -2.3273150622844696e-01 2.0836880430579185e-02 - <_> - - 0 -1 1355 4.6651167795062065e-03 - - 1.3135330379009247e-01 -1.2394910305738449e-01 - <_> - - 0 -1 1356 6.2358117429539561e-04 - - -1.2920179963111877e-01 6.5220557153224945e-02 - <_> - - 0 -1 1357 2.0561330020427704e-03 - - -6.2910877168178558e-02 1.6288000345230103e-01 - <_> - 127 - -1.7598799467086792e+00 - - <_> - - 0 -1 1358 1.1216440051794052e-01 - - -2.9065090417861938e-01 3.1510210037231445e-01 - <_> - - 0 -1 1359 2.7850609272718430e-02 - - -3.9972350001335144e-01 1.7894990742206573e-01 - <_> - - 0 -1 1360 4.0804240852594376e-02 - - -2.4171060323715210e-01 2.2376739978790283e-01 - <_> - - 0 -1 1361 1.3134710025042295e-03 - - -4.2230761051177979e-01 6.9066837430000305e-02 - <_> - - 0 -1 1362 3.9736120961606503e-03 - - -5.5243992805480957e-01 1.0362079739570618e-01 - <_> - - 0 -1 1363 -9.7877913503907621e-05 - - 7.0300459861755371e-02 -4.1970318555831909e-01 - <_> - - 0 -1 1364 6.2921550124883652e-03 - - -3.0629968643188477e-01 1.3072040677070618e-01 - <_> - - 0 -1 1365 -8.7216142565011978e-03 - - -4.1267630457878113e-01 7.2738148272037506e-02 - <_> - - 0 -1 1366 -5.8611109852790833e-02 - - 1.9491520524024963e-01 -1.9737449288368225e-01 - <_> - - 0 -1 1367 -4.6104468405246735e-02 - - -2.6274758577346802e-01 2.4362189695239067e-02 - <_> - - 0 -1 1368 -5.2685278933495283e-04 - - 7.9876311123371124e-02 -4.4358581304550171e-01 - <_> - - 0 -1 1369 -2.5521939620375633e-02 - - -4.4183689355850220e-01 1.0705660097301006e-02 - <_> - - 0 -1 1370 -6.8350387737154961e-03 - - -3.9501190185546875e-01 7.8441992402076721e-02 - <_> - - 0 -1 1371 6.1055209487676620e-02 - - 3.5330320242792368e-03 -6.0677450895309448e-01 - <_> - - 0 -1 1372 4.7110877931118011e-03 - - -1.9310380518436432e-01 1.5259410440921783e-01 - <_> - - 0 -1 1373 3.7552498281002045e-02 - - 6.9572687149047852e-02 -4.1588190197944641e-01 - <_> - - 0 -1 1374 4.0887430310249329e-02 - - -1.3596929609775543e-01 2.4894300103187561e-01 - <_> - - 0 -1 1375 2.6306639483664185e-05 - - -2.5603210926055908e-01 1.1001589894294739e-01 - <_> - - 0 -1 1376 9.4716809689998627e-03 - - -2.2197020053863525e-01 1.3640490174293518e-01 - <_> - - 0 -1 1377 3.4596489276736975e-03 - - 1.5568970143795013e-01 -1.8454350531101227e-01 - <_> - - 0 -1 1378 -8.1670414656400681e-03 - - -3.7346610426902771e-01 8.2206420600414276e-02 - <_> - - 0 -1 1379 4.7045178711414337e-02 - - 1.2655580416321754e-02 -6.9167500734329224e-01 - <_> - - 0 -1 1380 -1.9954189192503691e-03 - - -4.2871651053428650e-01 6.0119848698377609e-02 - <_> - - 0 -1 1381 -3.2797679305076599e-02 - - -5.8513718843460083e-01 3.9739210158586502e-02 - <_> - - 0 -1 1382 4.3516121804714203e-02 - - 3.6311239004135132e-02 -5.8556967973709106e-01 - <_> - - 0 -1 1383 -1.3213600032031536e-02 - - 2.1160380542278290e-01 -8.9618362486362457e-02 - <_> - - 0 -1 1384 -3.8574080914258957e-02 - - -5.9375947713851929e-01 3.7297870963811874e-02 - <_> - - 0 -1 1385 -1.5351839363574982e-01 - - 4.4116440415382385e-01 -5.9058368206024170e-02 - <_> - - 0 -1 1386 -1.4133240096271038e-02 - - -3.4045210480690002e-01 6.6277496516704559e-02 - <_> - - 0 -1 1387 1.4061010442674160e-02 - - 1.1312460154294968e-01 -1.9001239538192749e-01 - <_> - - 0 -1 1388 3.5457469522953033e-02 - - 3.7297818809747696e-02 -5.3568178415298462e-01 - <_> - - 0 -1 1389 -1.2931039556860924e-02 - - -2.8593328595161438e-01 5.8341801166534424e-02 - <_> - - 0 -1 1390 -1.1986999772489071e-02 - - -4.0216270089149475e-01 4.7841191291809082e-02 - <_> - - 0 -1 1391 -1.3723289594054222e-02 - - 2.0238439738750458e-01 -8.9290492236614227e-02 - <_> - - 0 -1 1392 1.5990810468792915e-02 - - -6.1742551624774933e-02 3.9387008547782898e-01 - <_> - - 0 -1 1393 -1.4505759812891483e-02 - - -3.5829049348831177e-01 4.3789908289909363e-02 - <_> - - 0 -1 1394 3.1443528831005096e-02 - - -6.7374527454376221e-02 2.8779721260070801e-01 - <_> - - 0 -1 1395 3.4287340939044952e-02 - - 5.6390259414911270e-02 -3.3407160639762878e-01 - <_> - - 0 -1 1396 8.8674569269642234e-05 - - -2.8655600547790527e-01 7.0318557322025299e-02 - <_> - - 0 -1 1397 1.8266469240188599e-02 - - -5.2221570163965225e-02 1.7026390135288239e-01 - <_> - - 0 -1 1398 6.1769630759954453e-02 - - -6.8800583481788635e-02 2.7483311295509338e-01 - <_> - - 0 -1 1399 -2.3383310064673424e-02 - - -2.7845630049705505e-01 2.4131359532475471e-02 - <_> - - 0 -1 1400 -1.1182860285043716e-01 - - 4.5687168836593628e-01 -4.3217949569225311e-02 - <_> - - 0 -1 1401 -6.4386896789073944e-02 - - -3.4228751063346863e-01 6.4063712954521179e-02 - <_> - - 0 -1 1402 2.1763430535793304e-01 - - -6.0564499348402023e-02 3.6352708935737610e-01 - <_> - - 0 -1 1403 -4.9456087872385979e-03 - - -1.6526390612125397e-01 4.6035580337047577e-02 - <_> - - 0 -1 1404 -1.2704910477623343e-03 - - -2.5035798549652100e-01 8.2336440682411194e-02 - <_> - - 0 -1 1405 2.6536729186773300e-02 - - -1.3919049501419067e-01 1.9524000585079193e-01 - <_> - - 0 -1 1406 -2.0027440041303635e-02 - - -3.7472829222679138e-01 5.3981021046638489e-02 - <_> - - 0 -1 1407 -6.1987549066543579e-02 - - -1.4436429738998413e-01 1.5863290056586266e-02 - <_> - - 0 -1 1408 2.3037059232592583e-02 - - 3.8429230451583862e-02 -4.8479309678077698e-01 - <_> - - 0 -1 1409 5.7958271354436874e-02 - - 2.0750140771269798e-02 -7.6776617765426636e-01 - <_> - - 0 -1 1410 5.4419268853962421e-03 - - 7.2074413299560547e-02 -2.4254220724105835e-01 - <_> - - 0 -1 1411 7.2400430217385292e-03 - - -8.2432948052883148e-02 1.8463499844074249e-01 - <_> - - 0 -1 1412 1.4847779646515846e-02 - - 5.6245408952236176e-02 -3.6297059059143066e-01 - <_> - - 0 -1 1413 1.2084879912436008e-02 - - -6.3536256551742554e-02 2.8614228963851929e-01 - <_> - - 0 -1 1414 8.0831356346607208e-02 - - 4.7143958508968353e-02 -4.9968090653419495e-01 - <_> - - 0 -1 1415 1.9218639936298132e-03 - - -4.0469148755073547e-01 2.2093040868639946e-02 - <_> - - 0 -1 1416 -1.4179679565131664e-02 - - -1.8520280718803406e-01 8.6823917925357819e-02 - <_> - - 0 -1 1417 -2.9600440029753372e-05 - - 7.4054829776287079e-02 -1.9331359863281250e-01 - <_> - - 0 -1 1418 1.7121590208262205e-03 - - -4.9954649806022644e-01 3.8273740559816360e-02 - <_> - - 0 -1 1419 -1.3207949697971344e-01 - - 5.2964788675308228e-01 -1.0363499633967876e-02 - <_> - - 0 -1 1420 3.6922071129083633e-02 - - 1.9587470218539238e-02 -8.8954067230224609e-01 - <_> - - 0 -1 1421 -7.3079409048659727e-06 - - 6.4993053674697876e-02 -1.7331290245056152e-01 - <_> - - 0 -1 1422 -3.5222709178924561e-02 - - -3.6849930882453918e-01 5.0565738230943680e-02 - <_> - - 0 -1 1423 -5.5531110614538193e-02 - - 3.1555691361427307e-01 -4.5015729963779449e-02 - <_> - - 0 -1 1424 1.8762869760394096e-02 - - -1.9359070062637329e-01 7.9093530774116516e-02 - <_> - - 0 -1 1425 2.4971760809421539e-02 - - -8.1862196326255798e-02 2.1014890074729919e-01 - <_> - - 0 -1 1426 -2.0817129407078028e-03 - - -1.7723660171031952e-01 9.1757282614707947e-02 - <_> - - 0 -1 1427 -1.1499860137701035e-01 - - 5.0862562656402588e-01 -1.8267450854182243e-02 - <_> - - 0 -1 1428 3.2068958878517151e-01 - - 2.1651009097695351e-02 -7.6685470342636108e-01 - <_> - - 0 -1 1429 -8.1451296806335449e-02 - - -4.6331760287284851e-01 2.9383579269051552e-02 - <_> - - 0 -1 1430 -1.5007940120995045e-02 - - -3.9308649301528931e-01 3.6867558956146240e-02 - <_> - - 0 -1 1431 2.3795820772647858e-02 - - -3.2482311129570007e-02 1.6764250397682190e-01 - <_> - - 0 -1 1432 -8.8508807122707367e-02 - - 7.2103458642959595e-01 -2.1140210330486298e-02 - <_> - - 0 -1 1433 4.5011121779680252e-02 - - -2.5326130911707878e-02 2.8062760829925537e-01 - <_> - - 0 -1 1434 1.9286990165710449e-02 - - 6.5771162509918213e-02 -2.5697788596153259e-01 - <_> - - 0 -1 1435 2.2137619554996490e-02 - - 3.9154991507530212e-02 -1.9145630300045013e-01 - <_> - - 0 -1 1436 2.9847979545593262e-02 - - -1.2521019577980042e-01 1.4867870509624481e-01 - <_> - - 0 -1 1437 -6.8392023444175720e-02 - - 2.6023870706558228e-01 -4.7525301575660706e-02 - <_> - - 0 -1 1438 6.8003371357917786e-02 - - -4.5898560434579849e-02 4.0107101202011108e-01 - <_> - - 0 -1 1439 5.6098159402608871e-02 - - 2.3277789354324341e-02 -8.4457129240036011e-01 - <_> - - 0 -1 1440 -1.3024089857935905e-02 - - -3.8348990678787231e-01 3.8314189761877060e-02 - <_> - - 0 -1 1441 1.2594680301845074e-02 - - -6.7616842687129974e-02 2.9852440953254700e-01 - <_> - - 0 -1 1442 -4.9063879996538162e-02 - - -5.5862659215927124e-01 2.8511619195342064e-02 - <_> - - 0 -1 1443 -1.5734169632196426e-02 - - 2.5611931085586548e-01 -5.9407141059637070e-02 - <_> - - 0 -1 1444 1.4674849808216095e-02 - - -6.3001021742820740e-02 2.7854999899864197e-01 - <_> - - 0 -1 1445 2.5068029761314392e-02 - - -7.8861348330974579e-02 1.0577370226383209e-01 - <_> - - 0 -1 1446 7.4170758016407490e-03 - - -3.5775899887084961e-01 4.8707701265811920e-02 - <_> - - 0 -1 1447 -7.7149281278252602e-03 - - -1.8049560487270355e-01 9.7531601786613464e-02 - <_> - - 0 -1 1448 4.9982070922851562e-02 - - 2.1009320393204689e-02 -7.6537537574768066e-01 - <_> - - 0 -1 1449 -1.6759630292654037e-02 - - -5.9045380353927612e-01 2.6948049664497375e-02 - <_> - - 0 -1 1450 3.7632828950881958e-01 - - 2.1989850327372551e-02 -6.1461311578750610e-01 - <_> - - 0 -1 1451 5.2720829844474792e-02 - - -3.9074160158634186e-02 2.6600670814514160e-01 - <_> - - 0 -1 1452 2.6270199567079544e-02 - - -9.3863986432552338e-02 2.2280269861221313e-01 - <_> - - 0 -1 1453 -2.5664661079645157e-03 - - -1.8621809780597687e-01 9.8519712686538696e-02 - <_> - - 0 -1 1454 5.3800269961357117e-03 - - 1.2816059589385986e-01 -1.3671700656414032e-01 - <_> - - 0 -1 1455 2.5200050324201584e-02 - - 3.0875589698553085e-02 -2.9681420326232910e-01 - <_> - - 0 -1 1456 2.5444060564041138e-02 - - 4.3978411704301834e-02 -4.0505328774452209e-01 - <_> - - 0 -1 1457 -2.4715809151530266e-02 - - -5.8492290973663330e-01 2.3179760202765465e-02 - <_> - - 0 -1 1458 -1.6159649938344955e-02 - - -3.1950500607490540e-01 4.4603530317544937e-02 - <_> - - 0 -1 1459 6.5401610918343067e-03 - - -5.8575991541147232e-02 7.4016787111759186e-02 - <_> - - 0 -1 1460 -4.3940648436546326e-02 - - -7.7211838960647583e-01 1.9352979958057404e-02 - <_> - - 0 -1 1461 -4.5612620306201279e-04 - - 3.0397420749068260e-02 -2.6982998847961426e-01 - <_> - - 0 -1 1462 2.8633379843086004e-03 - - -1.6874340176582336e-01 8.8886268436908722e-02 - <_> - - 0 -1 1463 -5.9488460421562195e-02 - - -3.4058949351310730e-01 2.4625880643725395e-02 - <_> - - 0 -1 1464 3.0714470893144608e-02 - - 3.1796399503946304e-02 -4.1572770476341248e-01 - <_> - - 0 -1 1465 -2.2330379113554955e-02 - - 1.2896050512790680e-01 -2.4232570081949234e-02 - <_> - - 0 -1 1466 2.3971609771251678e-02 - - -7.6858058571815491e-02 2.0360720157623291e-01 - <_> - - 0 -1 1467 -6.0696780681610107e-02 - - -7.2060132026672363e-01 1.1617880314588547e-02 - <_> - - 0 -1 1468 -6.8362243473529816e-02 - - 3.5825181007385254e-01 -4.4807899743318558e-02 - <_> - - 0 -1 1469 1.3451039791107178e-01 - - 2.6008069515228271e-02 -2.5077620148658752e-01 - <_> - - 0 -1 1470 1.3341170549392700e-01 - - 4.7138180583715439e-02 -3.9661580324172974e-01 - <_> - - 0 -1 1471 2.0524330437183380e-02 - - 4.3894171714782715e-02 -2.8501969575881958e-01 - <_> - - 0 -1 1472 4.1543610394001007e-02 - - 2.5452220812439919e-02 -5.9377658367156982e-01 - <_> - - 0 -1 1473 -7.1573443710803986e-02 - - -7.8743761777877808e-01 1.3979320414364338e-02 - <_> - - 0 -1 1474 6.6264629364013672e-02 - - 2.2939130663871765e-02 -5.4304981231689453e-01 - <_> - - 0 -1 1475 4.4609569013118744e-03 - - 5.0688140094280243e-02 -2.0599000155925751e-01 - <_> - - 0 -1 1476 1.4859540387988091e-02 - - -7.3408462107181549e-02 1.9902250170707703e-01 - <_> - - 0 -1 1477 -3.9625339210033417e-02 - - -5.3522932529449463e-01 9.3211038038134575e-03 - <_> - - 0 -1 1478 -9.6143726259469986e-03 - - 2.7664861083030701e-01 -6.3087522983551025e-02 - <_> - - 0 -1 1479 5.4589830338954926e-02 - - 2.4962859228253365e-02 -5.8171188831329346e-01 - <_> - - 0 -1 1480 1.3770899735391140e-02 - - -2.2891749441623688e-01 6.9963671267032623e-02 - <_> - - 0 -1 1481 8.6862340569496155e-02 - - 2.4058010429143906e-02 -5.8642482757568359e-01 - <_> - - 0 -1 1482 -2.2433010861277580e-02 - - -9.2169362306594849e-01 1.3281799852848053e-02 - <_> - - 0 -1 1483 -7.3779597878456116e-02 - - 3.8463789224624634e-01 -8.5962712764739990e-03 - <_> - - 0 -1 1484 2.9300490859895945e-04 - - -1.7170579731464386e-01 8.8520109653472900e-02 - <_> - 178 - -1.5360039472579956e+00 - - <_> - - 0 -1 1485 5.3288340568542480e-03 - - -2.6616770029067993e-01 1.7760449647903442e-01 - <_> - - 0 -1 1486 -4.0987450629472733e-03 - - 1.2358420342206955e-01 -3.0805110931396484e-01 - <_> - - 0 -1 1487 -5.5853058584034443e-03 - - -5.0533992052078247e-01 6.2050119042396545e-02 - <_> - - 0 -1 1488 -5.1797390915453434e-04 - - 6.9178067147731781e-02 -3.4831359982490540e-01 - <_> - - 0 -1 1489 5.3605018183588982e-03 - - 6.5158672630786896e-02 -4.6262231469154358e-01 - <_> - - 0 -1 1490 3.0114270746707916e-02 - - -6.4132362604141235e-02 7.1070060133934021e-02 - <_> - - 0 -1 1491 8.9014291763305664e-02 - - 4.2987130582332611e-02 -6.0177898406982422e-01 - <_> - - 0 -1 1492 1.5248140553012490e-03 - - -3.3071789145469666e-01 7.1408301591873169e-02 - <_> - - 0 -1 1493 1.8556410213932395e-03 - - -3.4727120399475098e-01 7.0630677044391632e-02 - <_> - - 0 -1 1494 -1.6151620075106621e-02 - - -2.5611770153045654e-01 7.1255698800086975e-02 - <_> - - 0 -1 1495 -3.1278008827939630e-04 - - 7.3420330882072449e-02 -2.9594621062278748e-01 - <_> - - 0 -1 1496 -6.0263078921707347e-05 - - 6.6566191613674164e-02 -2.1802450716495514e-01 - <_> - - 0 -1 1497 7.6520902803167701e-04 - - 7.5537197291851044e-02 -3.7677881121635437e-01 - <_> - - 0 -1 1498 -6.9589070975780487e-02 - - 3.9810648560523987e-01 -2.5841819122433662e-02 - <_> - - 0 -1 1499 -9.8529577255249023e-02 - - 6.7321968078613281e-01 -3.3925469964742661e-02 - <_> - - 0 -1 1500 4.9950059503316879e-02 - - 6.1660569161176682e-02 -3.7851110100746155e-01 - <_> - - 0 -1 1501 3.9009240572340786e-04 - - -9.6428610384464264e-02 2.1700200438499451e-01 - <_> - - 0 -1 1502 -7.1598717477172613e-04 - - -1.8358109891414642e-01 1.0587400197982788e-01 - <_> - - 0 -1 1503 3.8064830005168915e-03 - - -1.7527610063552856e-01 1.1430399864912033e-01 - <_> - - 0 -1 1504 6.5288757905364037e-03 - - 6.7994527518749237e-02 -3.0726119875907898e-01 - <_> - - 0 -1 1505 2.2182099055498838e-03 - - -2.7935230731964111e-01 5.8790720999240875e-02 - <_> - - 0 -1 1506 1.7800349451135844e-04 - - 9.9489107728004456e-02 -2.6616880297660828e-01 - <_> - - 0 -1 1507 -3.2656680792570114e-02 - - 5.8734762668609619e-01 -2.6545880362391472e-02 - <_> - - 0 -1 1508 2.6773350313305855e-02 - - 3.6414410918951035e-02 -3.7188830971717834e-01 - <_> - - 0 -1 1509 1.2780309654772282e-02 - - -8.4540523588657379e-02 1.7853260040283203e-01 - <_> - - 0 -1 1510 5.5374070070683956e-03 - - -1.0892049968242645e-01 1.4403919875621796e-01 - <_> - - 0 -1 1511 -7.1258977986872196e-03 - - 1.9850020110607147e-01 -8.3359397947788239e-02 - <_> - - 0 -1 1512 8.0109452828764915e-03 - - 4.8844348639249802e-02 -2.8590029478073120e-01 - <_> - - 0 -1 1513 -2.7231130748987198e-02 - - -6.8558162450790405e-01 2.1877769380807877e-02 - <_> - - 0 -1 1514 -2.0928949117660522e-02 - - -2.0820230245590210e-01 2.6585230603814125e-02 - <_> - - 0 -1 1515 3.9801741950213909e-03 - - 6.7004777491092682e-02 -2.3015810549259186e-01 - <_> - - 0 -1 1516 2.1598068997263908e-03 - - -9.3109019100666046e-02 1.7235539853572845e-01 - <_> - - 0 -1 1517 9.9411439150571823e-03 - - -4.4999819248914719e-02 3.1830498576164246e-01 - <_> - - 0 -1 1518 -1.7938859760761261e-02 - - -2.1515959501266479e-01 7.2462916374206543e-02 - <_> - - 0 -1 1519 -1.5030350368760992e-05 - - 9.1437973082065582e-02 -1.6706299781799316e-01 - <_> - - 0 -1 1520 4.2446260340511799e-03 - - 6.4810760319232941e-02 -1.0556270182132721e-01 - <_> - - 0 -1 1521 7.4575991675374098e-06 - - -2.6309689879417419e-01 5.6588400155305862e-02 - <_> - - 0 -1 1522 -1.0457210242748260e-02 - - 1.6078880429267883e-01 -7.2708033025264740e-02 - <_> - - 0 -1 1523 -1.2225599493831396e-03 - - 1.1558330059051514e-01 -1.2233489751815796e-01 - <_> - - 0 -1 1524 1.6061630100011826e-02 - - 2.8201790526509285e-02 -5.0996178388595581e-01 - <_> - - 0 -1 1525 -1.6162030398845673e-02 - - -3.3857521414756775e-01 3.5924781113862991e-02 - <_> - - 0 -1 1526 7.2181350551545620e-03 - - -7.2706200182437897e-02 1.0624659806489944e-01 - <_> - - 0 -1 1527 -1.0416660457849503e-02 - - 1.6205810010433197e-01 -9.4567760825157166e-02 - <_> - - 0 -1 1528 1.3946600258350372e-02 - - 5.4169639945030212e-02 -3.2068040966987610e-01 - <_> - - 0 -1 1529 1.2734119780361652e-02 - - -8.6066111922264099e-02 1.9648639857769012e-01 - <_> - - 0 -1 1530 -2.7858370915055275e-02 - - -2.8409239649772644e-01 2.6706550270318985e-02 - <_> - - 0 -1 1531 -9.8931521177291870e-02 - - 5.8457607030868530e-01 -2.1955510601401329e-02 - <_> - - 0 -1 1532 2.3434299509972334e-03 - - 9.6475467085838318e-02 -1.2095340341329575e-01 - <_> - - 0 -1 1533 -2.3025700356811285e-03 - - 7.3297969996929169e-02 -2.2309069335460663e-01 - <_> - - 0 -1 1534 3.0791079625487328e-02 - - 1.1463879607617855e-02 -2.4034079909324646e-01 - <_> - - 0 -1 1535 -8.4339501336216927e-03 - - 2.9611539840698242e-01 -4.2663689702749252e-02 - <_> - - 0 -1 1536 -3.4617669880390167e-03 - - -2.1257869899272919e-01 4.2709458619356155e-02 - <_> - - 0 -1 1537 -3.3371929079294205e-02 - - 3.5299271345138550e-01 -3.5570569336414337e-02 - <_> - - 0 -1 1538 -3.7238128483295441e-02 - - -5.9177130460739136e-01 2.6775840669870377e-02 - <_> - - 0 -1 1539 -2.0860069990158081e-01 - - -5.7595241069793701e-01 1.9763559103012085e-02 - <_> - - 0 -1 1540 -6.8279817700386047e-02 - - 3.4582608938217163e-01 -3.7861179560422897e-02 - <_> - - 0 -1 1541 1.1600320227444172e-02 - - 5.7685580104589462e-02 -2.6008209586143494e-01 - <_> - - 0 -1 1542 -6.7218959331512451e-02 - - -4.5048278570175171e-01 1.2495189905166626e-02 - <_> - - 0 -1 1543 -5.1632397808134556e-03 - - 1.6146700084209442e-01 -7.6975770294666290e-02 - <_> - - 0 -1 1544 4.0113311260938644e-02 - - 1.3131230138242245e-02 -4.5731449127197266e-01 - <_> - - 0 -1 1545 3.7837740033864975e-02 - - 2.3001920431852341e-02 -5.3636288642883301e-01 - <_> - - 0 -1 1546 2.6023429818451405e-03 - - -6.1007440090179443e-02 1.7084220051765442e-01 - <_> - - 0 -1 1547 -7.1841642260551453e-02 - - -5.8330380916595459e-01 2.0075250416994095e-02 - <_> - - 0 -1 1548 -8.2885712618008256e-04 - - 5.3465340286493301e-02 -1.9092260301113129e-01 - <_> - - 0 -1 1549 -8.1979477545246482e-04 - - -2.3775930702686310e-01 4.5844908803701401e-02 - <_> - - 0 -1 1550 1.0474859736859798e-02 - - -4.0103420615196228e-02 2.4948400259017944e-01 - <_> - - 0 -1 1551 -6.3726361840963364e-03 - - -1.7087849974632263e-01 7.2894603013992310e-02 - <_> - - 0 -1 1552 -3.6113489419221878e-02 - - -3.6879929900169373e-01 1.8331730738282204e-02 - <_> - - 0 -1 1553 5.4730800911784172e-04 - - 7.2073057293891907e-02 -1.8893779814243317e-01 - <_> - - 0 -1 1554 1.7547659575939178e-02 - - -9.4452597200870514e-02 1.3311000168323517e-01 - <_> - - 0 -1 1555 6.3078789971768856e-03 - - 7.6223470270633698e-02 -1.6668230295181274e-01 - <_> - - 0 -1 1556 2.5120719801634550e-03 - - 5.0375527143478394e-01 -2.2624349221587181e-02 - <_> - - 0 -1 1557 4.5274170115590096e-03 - - -1.3446590304374695e-01 9.9167577922344208e-02 - <_> - - 0 -1 1558 -1.4772829308640212e-04 - - 3.9675179868936539e-02 -6.0015488415956497e-02 - <_> - - 0 -1 1559 1.4728739857673645e-02 - - 3.9208918809890747e-02 -3.0560019612312317e-01 - <_> - - 0 -1 1560 -5.6161261163651943e-03 - - -1.0845050215721130e-01 4.7754660248756409e-02 - <_> - - 0 -1 1561 -9.8265614360570908e-03 - - 1.6729339957237244e-01 -7.6756693422794342e-02 - <_> - - 0 -1 1562 1.7972329631447792e-02 - - -5.9147968888282776e-02 1.2773279845714569e-01 - <_> - - 0 -1 1563 1.1233139783143997e-02 - - -9.2626020312309265e-02 1.5735739469528198e-01 - <_> - - 0 -1 1564 1.3678249670192599e-03 - - -5.6156760454177856e-01 2.1800750866532326e-02 - <_> - - 0 -1 1565 -4.1535100899636745e-03 - - -2.6951169967651367e-01 4.1213478893041611e-02 - <_> - - 0 -1 1566 -6.7194692790508270e-02 - - 5.6008362770080566e-01 -2.0973740145564079e-02 - <_> - - 0 -1 1567 -8.0572411417961121e-02 - - -7.5846642255783081e-01 1.6614310443401337e-02 - <_> - - 0 -1 1568 -9.7504993900656700e-03 - - 2.2781279683113098e-01 -4.0246330201625824e-02 - <_> - - 0 -1 1569 5.6034037843346596e-03 - - -7.5519852340221405e-02 1.6372010111808777e-01 - <_> - - 0 -1 1570 -1.0232060216367245e-02 - - -3.5803198814392090e-01 4.6331088989973068e-02 - <_> - - 0 -1 1571 2.8616760391741991e-03 - - 6.7746236920356750e-02 -1.6429120302200317e-01 - <_> - - 0 -1 1572 7.7214869670569897e-03 - - 3.4494820982217789e-02 -1.7762580513954163e-01 - <_> - - 0 -1 1573 -7.0147789083421230e-03 - - 1.7282240092754364e-01 -6.5176323056221008e-02 - <_> - - 0 -1 1574 5.0470869988203049e-02 - - -2.7071960270404816e-02 3.5509440302848816e-01 - <_> - - 0 -1 1575 -5.7124681770801544e-03 - - -1.5901079773902893e-01 7.9559110105037689e-02 - <_> - - 0 -1 1576 8.7470682337880135e-03 - - 3.7789858877658844e-02 -1.9156649708747864e-01 - <_> - - 0 -1 1577 2.0058929920196533e-02 - - 2.7415299788117409e-02 -3.8070109486579895e-01 - <_> - - 0 -1 1578 -1.8094859551638365e-03 - - 1.0538379848003387e-01 -1.4996549487113953e-01 - <_> - - 0 -1 1579 -7.3339277878403664e-03 - - 2.9203268885612488e-01 -6.1218190938234329e-02 - <_> - - 0 -1 1580 4.4179419055581093e-03 - - 1.8868620693683624e-01 -5.8132741600275040e-02 - <_> - - 0 -1 1581 -1.3543309643864632e-02 - - -4.9409559369087219e-01 2.2855930030345917e-02 - <_> - - 0 -1 1582 3.6197271198034286e-02 - - -2.6089120656251907e-02 3.0890250205993652e-01 - <_> - - 0 -1 1583 -1.1831840127706528e-01 - - -5.9094661474227905e-01 1.8215280026197433e-02 - <_> - - 0 -1 1584 7.5656071305274963e-02 - - -3.5965580493211746e-02 3.0386120080947876e-01 - <_> - - 0 -1 1585 -1.3134519569575787e-02 - - -2.6306131482124329e-01 4.2262919247150421e-02 - <_> - - 0 -1 1586 1.8981160596013069e-02 - - -2.6483630761504173e-02 1.9371989369392395e-01 - <_> - - 0 -1 1587 -4.6003229916095734e-02 - - 4.0513500571250916e-01 -2.4454200640320778e-02 - <_> - - 0 -1 1588 -1.3232730329036713e-02 - - -2.9721269011497498e-01 4.7959219664335251e-02 - <_> - - 0 -1 1589 1.9586850702762604e-01 - - 1.0540399700403214e-02 -8.6647927761077881e-01 - <_> - - 0 -1 1590 9.6459556370973587e-03 - - -7.1334943175315857e-02 1.1469510197639465e-01 - <_> - - 0 -1 1591 -3.9044579025357962e-03 - - 1.0740319639444351e-01 -9.8514996469020844e-02 - <_> - - 0 -1 1592 1.6896370798349380e-02 - - -7.6805070042610168e-02 1.9533200562000275e-01 - <_> - - 0 -1 1593 -5.5025662295520306e-03 - - 5.0643190741539001e-02 -2.0898430049419403e-01 - <_> - - 0 -1 1594 -1.9621569663286209e-02 - - -2.9651358723640442e-01 3.2955050468444824e-02 - <_> - - 0 -1 1595 7.7158107887953520e-04 - - 4.6017099171876907e-02 -1.9982999563217163e-01 - <_> - - 0 -1 1596 -1.1102840304374695e-01 - - 5.7578712701797485e-01 -1.7741529271006584e-02 - <_> - - 0 -1 1597 1.4945500297471881e-03 - - 4.7335729002952576e-02 -2.0898909866809845e-01 - <_> - - 0 -1 1598 5.0667919218540192e-02 - - -1.8657619133591652e-02 3.4070459008216858e-01 - <_> - - 0 -1 1599 1.6073169186711311e-02 - - -3.6449488252401352e-02 2.6568078994750977e-01 - <_> - - 0 -1 1600 -2.6536740362644196e-02 - - -3.6141690611839294e-01 2.9734270647168159e-02 - <_> - - 0 -1 1601 -5.2550169639289379e-03 - - -1.3104499876499176e-01 8.2153528928756714e-02 - <_> - - 0 -1 1602 -1.6678560525178909e-02 - - 3.1324890255928040e-01 -4.5052528381347656e-02 - <_> - - 0 -1 1603 3.4808400087058544e-03 - - 8.2945778965950012e-02 -1.5753500163555145e-01 - <_> - - 0 -1 1604 -8.0889053642749786e-02 - - -6.4314198493957520e-01 7.1740332059562206e-03 - <_> - - 0 -1 1605 -5.4260632023215294e-03 - - 1.3533130288124084e-01 -1.0547909885644913e-01 - <_> - - 0 -1 1606 1.6630839556455612e-02 - - 4.1602101176977158e-02 -2.6668208837509155e-01 - <_> - - 0 -1 1607 1.7991060158237815e-03 - - 5.9531088918447495e-02 -1.8355309963226318e-01 - <_> - - 0 -1 1608 2.7219969779253006e-02 - - -2.6586830615997314e-02 2.2722280025482178e-01 - <_> - - 0 -1 1609 -9.6450755372643471e-03 - - -2.1428169310092926e-01 4.9515731632709503e-02 - <_> - - 0 -1 1610 8.3123803138732910e-02 - - -4.2176891118288040e-02 3.0793419480323792e-01 - <_> - - 0 -1 1611 1.4406450092792511e-02 - - -2.9500020667910576e-02 3.2144379615783691e-01 - <_> - - 0 -1 1612 4.7938730567693710e-03 - - 5.1244091242551804e-02 -1.0931850224733353e-01 - <_> - - 0 -1 1613 -2.8978011105209589e-03 - - -1.4344370365142822e-01 6.6597223281860352e-02 - <_> - - 0 -1 1614 -4.5887690037488937e-02 - - 1.8003830313682556e-01 -1.5642790123820305e-02 - <_> - - 0 -1 1615 -5.4717700928449631e-02 - - -3.5110801458358765e-01 3.0438890680670738e-02 - <_> - - 0 -1 1616 -1.9787369295954704e-02 - - 9.3385331332683563e-02 -4.9382571130990982e-02 - <_> - - 0 -1 1617 2.5110379792749882e-03 - - -6.6672600805759430e-02 1.4406199753284454e-01 - <_> - - 0 -1 1618 5.3660150617361069e-02 - - 1.4468840323388577e-02 -6.7007470130920410e-01 - <_> - - 0 -1 1619 -8.1825470551848412e-03 - - 1.1510120332241058e-01 -8.0932617187500000e-02 - <_> - - 0 -1 1620 -3.5225939936935902e-03 - - -1.4181140065193176e-01 6.1330620199441910e-02 - <_> - - 0 -1 1621 2.8271550312638283e-02 - - -2.8353890404105186e-02 3.7045130133628845e-01 - <_> - - 0 -1 1622 -6.4923018217086792e-02 - - -4.6481159329414368e-01 2.2807259112596512e-02 - <_> - - 0 -1 1623 -3.5065850615501404e-01 - - -8.2529050111770630e-01 1.1031460016965866e-02 - <_> - - 0 -1 1624 5.1821782253682613e-03 - - 3.6583270877599716e-02 -2.4567179381847382e-01 - <_> - - 0 -1 1625 9.2609220882877707e-04 - - -6.1898738145828247e-02 1.9307570159435272e-01 - <_> - - 0 -1 1626 2.5952830910682678e-03 - - 4.3015718460083008e-02 -1.9770270586013794e-01 - <_> - - 0 -1 1627 3.4880579914897680e-03 - - -6.8296536803245544e-02 1.5725280344486237e-01 - <_> - - 0 -1 1628 2.4002529680728912e-03 - - -6.8618178367614746e-02 6.8551987409591675e-02 - <_> - - 0 -1 1629 1.2020230060443282e-03 - - -1.2073139846324921e-01 9.5026522874832153e-02 - <_> - - 0 -1 1630 -2.0470360293984413e-02 - - -1.2891639769077301e-01 7.9386599361896515e-02 - <_> - - 0 -1 1631 -5.9516180306673050e-02 - - 2.4869689345359802e-01 -4.9729160964488983e-02 - <_> - - 0 -1 1632 -1.0568950325250626e-02 - - -1.8583840131759644e-01 2.0700320601463318e-02 - <_> - - 0 -1 1633 -1.4192920178174973e-02 - - -3.8137429952621460e-01 2.9879279434680939e-02 - <_> - - 0 -1 1634 -2.4968578945845366e-03 - - 9.1516681015491486e-02 -5.0178311765193939e-02 - <_> - - 0 -1 1635 1.7714010027702898e-04 - - -1.1470019817352295e-01 9.9245697259902954e-02 - <_> - - 0 -1 1636 7.8318670392036438e-02 - - 3.6057420074939728e-03 -9.9996072053909302e-01 - <_> - - 0 -1 1637 1.5502399764955044e-03 - - -1.2888610363006592e-01 7.9822011291980743e-02 - <_> - - 0 -1 1638 -6.6678877919912338e-03 - - -8.8244557380676270e-02 2.8102599084377289e-02 - <_> - - 0 -1 1639 -4.0497239679098129e-03 - - -1.4427180588245392e-01 8.7126396596431732e-02 - <_> - - 0 -1 1640 -3.5481531172990799e-02 - - -4.4681170582771301e-01 1.4808270148932934e-02 - <_> - - 0 -1 1641 -1.2597720138728619e-02 - - 8.9324191212654114e-02 -1.2518140673637390e-01 - <_> - - 0 -1 1642 7.4662449769675732e-03 - - 7.4888199567794800e-02 -1.3587780296802521e-01 - <_> - - 0 -1 1643 -6.7536987364292145e-02 - - 2.3416820168495178e-01 -4.0952268987894058e-02 - <_> - - 0 -1 1644 8.2704171538352966e-02 - - 7.6422439888119698e-03 -8.5177552700042725e-01 - <_> - - 0 -1 1645 -7.1595138870179653e-03 - - -1.8738010525703430e-01 5.5288419127464294e-02 - <_> - - 0 -1 1646 -1.0481069795787334e-02 - - 1.8271109461784363e-01 -5.9641968458890915e-02 - <_> - - 0 -1 1647 4.5238467864692211e-03 - - -8.3817601203918457e-02 1.4822180569171906e-01 - <_> - - 0 -1 1648 -2.6731120306067169e-04 - - -2.0896770060062408e-01 4.5835729688405991e-02 - <_> - - 0 -1 1649 3.3838581293821335e-02 - - 4.2582869529724121e-02 -2.1883819997310638e-01 - <_> - - 0 -1 1650 2.2287720348685980e-03 - - -1.3284230232238770e-01 8.1795319914817810e-02 - <_> - - 0 -1 1651 -5.4200361482799053e-03 - - -1.3896510004997253e-01 7.1154713630676270e-02 - <_> - - 0 -1 1652 -4.9642968922853470e-02 - - 4.8901641368865967e-01 -1.1556959711015224e-02 - <_> - - 0 -1 1653 3.3323399256914854e-03 - - 5.1426161080598831e-02 -1.8269440531730652e-01 - <_> - - 0 -1 1654 2.4343939498066902e-02 - - -3.1839560717344284e-02 1.2758859992027283e-01 - <_> - - 0 -1 1655 -2.3774489760398865e-02 - - 3.2773551344871521e-01 -2.7216760441660881e-02 - <_> - - 0 -1 1656 3.6809889134019613e-03 - - 5.2922040224075317e-02 -1.2880720198154449e-01 - <_> - - 0 -1 1657 -3.2609070185571909e-03 - - -1.4948120713233948e-01 6.5733537077903748e-02 - <_> - - 0 -1 1658 1.0793889872729778e-02 - - -3.2969951629638672e-02 3.2955420017242432e-01 - <_> - - 0 -1 1659 5.4287910461425781e-04 - - -1.0678680241107941e-01 9.8564229905605316e-02 - <_> - - 0 -1 1660 1.1902759782969952e-02 - - 3.5682920366525650e-02 -3.1317448616027832e-01 - <_> - - 0 -1 1661 2.4277849588543177e-03 - - -6.2080658972263336e-02 1.7598509788513184e-01 - <_> - - 0 -1 1662 -4.4930889271199703e-03 - - 1.1790850013494492e-01 -1.0593199729919434e-01 - <_> - 143 - -1.7262409925460815e+00 - - <_> - - 0 -1 1663 -2.0656470209360123e-02 - - 2.5365149974822998e-01 -3.1044611334800720e-01 - <_> - - 0 -1 1664 -3.6518350243568420e-02 - - 2.4484130740165710e-01 -2.3221190273761749e-01 - <_> - - 0 -1 1665 4.9312350153923035e-01 - - -1.6275240480899811e-01 2.8116190433502197e-01 - <_> - - 0 -1 1666 2.0970099285477772e-05 - - -3.0840009450912476e-01 1.7317549884319305e-01 - <_> - - 0 -1 1667 1.3082929886877537e-02 - - -2.5983220338821411e-01 1.5675869584083557e-01 - <_> - - 0 -1 1668 -4.3061940232291818e-04 - - 7.8543603420257568e-02 -3.9016070961952209e-01 - <_> - - 0 -1 1669 -1.6367400065064430e-02 - - -4.3000039458274841e-01 7.4141636490821838e-02 - <_> - - 0 -1 1670 3.6269389092922211e-02 - - -1.7073200643062592e-01 1.8045969307422638e-01 - <_> - - 0 -1 1671 1.2340269982814789e-02 - - 8.8775381445884705e-02 -3.4402659535408020e-01 - <_> - - 0 -1 1672 -7.3516286909580231e-02 - - -4.1623479127883911e-01 -2.9528199229389429e-03 - <_> - - 0 -1 1673 4.6191830188035965e-04 - - 6.5629899501800537e-02 -4.1018250584602356e-01 - <_> - - 0 -1 1674 -1.4744039624929428e-02 - - 2.2775030136108398e-01 -7.9184867441654205e-02 - <_> - - 0 -1 1675 4.2559150606393814e-03 - - -2.4004960060119629e-01 1.1321090161800385e-01 - <_> - - 0 -1 1676 -3.6180280148983002e-03 - - -2.7612069249153137e-01 1.0118050128221512e-01 - <_> - - 0 -1 1677 4.6012919396162033e-02 - - 4.5763589441776276e-02 -5.4713648557662964e-01 - <_> - - 0 -1 1678 -1.6181809827685356e-02 - - 1.9489669799804688e-01 -7.3955342173576355e-02 - <_> - - 0 -1 1679 -2.3682719984208234e-05 - - 1.1729680001735687e-01 -1.9396829605102539e-01 - <_> - - 0 -1 1680 -2.1599140018224716e-03 - - -4.5654550194740295e-01 4.2699530720710754e-02 - <_> - - 0 -1 1681 -7.9827345907688141e-03 - - -5.4107201099395752e-01 4.0036130696535110e-02 - <_> - - 0 -1 1682 -8.1530469469726086e-04 - - -2.0640519261360168e-01 6.6795073449611664e-02 - <_> - - 0 -1 1683 -4.7501060180366039e-03 - - -3.6572128534317017e-01 7.5665749609470367e-02 - <_> - - 0 -1 1684 -3.4870140254497528e-02 - - -8.0093812942504883e-01 2.2356539964675903e-02 - <_> - - 0 -1 1685 -1.9949559122323990e-02 - - -3.9110630750656128e-01 4.6844650059938431e-02 - <_> - - 0 -1 1686 -5.9008211828768253e-03 - - 9.0756498277187347e-02 -1.7600280046463013e-01 - <_> - - 0 -1 1687 -1.4019970549270511e-03 - - -2.9260930418968201e-01 6.4894109964370728e-02 - <_> - - 0 -1 1688 -2.2886939346790314e-02 - - -4.8391869664192200e-01 5.0514958798885345e-02 - <_> - - 0 -1 1689 -1.0039290413260460e-02 - - 2.6921668648719788e-01 -7.5274370610713959e-02 - <_> - - 0 -1 1690 1.6729189082980156e-02 - - -7.3217533528804779e-02 2.2045159339904785e-01 - <_> - - 0 -1 1691 -2.0423909649252892e-02 - - -4.5161980390548706e-01 4.5858111232519150e-02 - <_> - - 0 -1 1692 -3.5104680806398392e-02 - - -5.5169981718063354e-01 2.3118300363421440e-02 - <_> - - 0 -1 1693 1.0697999969124794e-02 - - 3.3516589552164078e-02 -5.2482652664184570e-01 - <_> - - 0 -1 1694 -3.8978241384029388e-02 - - -6.2331187725067139e-01 2.6838419958949089e-02 - <_> - - 0 -1 1695 4.8226700164377689e-03 - - -1.1215549707412720e-01 1.5613789856433868e-01 - <_> - - 0 -1 1696 3.6878231167793274e-01 - - 1.9857980310916901e-02 -6.1260747909545898e-01 - <_> - - 0 -1 1697 -7.7059920877218246e-03 - - -3.7371110916137695e-01 4.3724238872528076e-02 - <_> - - 0 -1 1698 -6.6843323409557343e-02 - - -5.0772088766098022e-01 2.4401089176535606e-02 - <_> - - 0 -1 1699 3.7273049354553223e-02 - - 3.6522880196571350e-02 -4.3735611438751221e-01 - <_> - - 0 -1 1700 -3.3105209469795227e-02 - - -3.4438988566398621e-01 3.2440148293972015e-02 - <_> - - 0 -1 1701 5.3402669727802277e-03 - - 9.2385761439800262e-02 -1.7823779582977295e-01 - <_> - - 0 -1 1702 2.1542439237236977e-02 - - -1.9848670065402985e-01 5.1953200250864029e-02 - <_> - - 0 -1 1703 3.3289310336112976e-01 - - -6.0750268399715424e-02 2.8925099968910217e-01 - <_> - - 0 -1 1704 -6.6301261540502310e-04 - - 3.3636718988418579e-02 -2.8510418534278870e-01 - <_> - - 0 -1 1705 4.6686761081218719e-02 - - -4.9883669614791870e-01 3.3776078373193741e-02 - <_> - - 0 -1 1706 -2.2452229168266058e-03 - - -1.9685390591621399e-01 9.5161177217960358e-02 - <_> - - 0 -1 1707 -1.1499020271003246e-02 - - -3.2423889636993408e-01 5.2468359470367432e-02 - <_> - - 0 -1 1708 1.3134529814124107e-02 - - -6.7538492381572723e-02 2.7605938911437988e-01 - <_> - - 0 -1 1709 -1.5978980809450150e-02 - - 3.1496050953865051e-01 -7.6657392084598541e-02 - <_> - - 0 -1 1710 2.4199750274419785e-02 - - 5.5836521089076996e-02 -3.6609899997711182e-01 - <_> - - 0 -1 1711 4.0229028090834618e-03 - - -1.3053479790687561e-01 1.3470110297203064e-01 - <_> - - 0 -1 1712 -1.4172590337693691e-02 - - -8.8616542518138885e-02 5.5053278803825378e-02 - <_> - - 0 -1 1713 1.8967399373650551e-02 - - 5.1348548382520676e-02 -3.1439921259880066e-01 - <_> - - 0 -1 1714 2.6502970606088638e-02 - - -1.1065970361232758e-01 8.8080927729606628e-02 - <_> - - 0 -1 1715 -3.9654489606618881e-02 - - -5.0742971897125244e-01 3.2999441027641296e-02 - <_> - - 0 -1 1716 -8.9988503605127335e-03 - - 1.2830139696598053e-01 -7.3064133524894714e-02 - <_> - - 0 -1 1717 7.4613288044929504e-02 - - 3.1729809939861298e-02 -5.3899657726287842e-01 - <_> - - 0 -1 1718 3.3414870500564575e-02 - - -6.1130590736865997e-02 2.4669900536537170e-01 - <_> - - 0 -1 1719 9.6071150619536638e-04 - - 1.2528179585933685e-01 -1.4304199814796448e-01 - <_> - - 0 -1 1720 -8.6224973201751709e-03 - - -2.2081799805164337e-01 4.7569438815116882e-02 - <_> - - 0 -1 1721 3.9893008768558502e-02 - - -5.1774360239505768e-02 3.1735679507255554e-01 - <_> - - 0 -1 1722 8.5388116538524628e-02 - - -3.5584390163421631e-02 4.1974198818206787e-01 - <_> - - 0 -1 1723 6.3205747865140438e-03 - - 6.9412536919116974e-02 -2.9979988932609558e-01 - <_> - - 0 -1 1724 -5.8932311832904816e-02 - - -4.6194219589233398e-01 2.2290540859103203e-02 - <_> - - 0 -1 1725 -1.0054419748485088e-02 - - 2.3649129271507263e-01 -6.6811926662921906e-02 - <_> - - 0 -1 1726 -2.5194720365107059e-05 - - 7.8815452754497528e-02 -1.1585489660501480e-01 - <_> - - 0 -1 1727 -5.9346649795770645e-02 - - -5.8799749612808228e-01 3.0486419796943665e-02 - <_> - - 0 -1 1728 2.0421659573912621e-02 - - 3.9184041321277618e-02 -2.6986798644065857e-01 - <_> - - 0 -1 1729 -4.0381640195846558e-02 - - -6.1601102352142334e-01 2.5353100150823593e-02 - <_> - - 0 -1 1730 1.7877650260925293e-01 - - -5.7135760784149170e-02 1.7361579835414886e-01 - <_> - - 0 -1 1731 -2.2120740264654160e-02 - - -3.7697589397430420e-01 4.2690049856901169e-02 - <_> - - 0 -1 1732 1.1585020273923874e-01 - - 9.8102567717432976e-03 -6.1380887031555176e-01 - <_> - - 0 -1 1733 9.7944810986518860e-02 - - 3.6329559981822968e-02 -4.5240780711174011e-01 - <_> - - 0 -1 1734 -2.9123030602931976e-02 - - -6.5607357025146484e-01 8.4500880911946297e-03 - <_> - - 0 -1 1735 -1.3053599745035172e-02 - - -3.4685650467872620e-01 4.6511679887771606e-02 - <_> - - 0 -1 1736 1.3451489619910717e-02 - - 3.4420430660247803e-02 -1.0168869793415070e-01 - <_> - - 0 -1 1737 -2.3957140743732452e-02 - - -8.4189480543136597e-01 1.9317319616675377e-02 - <_> - - 0 -1 1738 -1.3450190424919128e-01 - - 3.9132338762283325e-01 -2.1901259198784828e-02 - <_> - - 0 -1 1739 -1.0342430323362350e-01 - - 6.0790222883224487e-01 -2.5869879871606827e-02 - <_> - - 0 -1 1740 -4.1464429348707199e-02 - - -3.9631319046020508e-01 3.7771981209516525e-02 - <_> - - 0 -1 1741 -3.4945748746395111e-02 - - -4.5746931433677673e-01 3.2913569360971451e-02 - <_> - - 0 -1 1742 1.4289909973740578e-02 - - -5.0757531076669693e-02 3.1772908568382263e-01 - <_> - - 0 -1 1743 -5.4311589337885380e-03 - - 2.4708689749240875e-01 -7.8526623547077179e-02 - <_> - - 0 -1 1744 2.6972589548677206e-03 - - -3.4061861038208008e-01 5.0948519259691238e-02 - <_> - - 0 -1 1745 -4.3831961229443550e-03 - - 8.0095797777175903e-02 -2.0902189612388611e-01 - <_> - - 0 -1 1746 -1.5958329662680626e-02 - - -2.4625590443611145e-01 5.8348231017589569e-02 - <_> - - 0 -1 1747 4.5252371579408646e-02 - - 4.1630141437053680e-02 -3.5550931096076965e-01 - <_> - - 0 -1 1748 -1.8278149887919426e-02 - - 3.0804929137229919e-01 -4.7184839844703674e-02 - <_> - - 0 -1 1749 2.5277629494667053e-02 - - 2.9698649421334267e-02 -5.3776097297668457e-01 - <_> - - 0 -1 1750 7.2078350931406021e-03 - - -1.2820510566234589e-01 1.1753190308809280e-01 - <_> - - 0 -1 1751 -1.4014700055122375e-01 - - -4.5020869374275208e-01 3.2753791660070419e-02 - <_> - - 0 -1 1752 -4.5832369476556778e-02 - - -4.2000839114189148e-01 2.4114929139614105e-02 - <_> - - 0 -1 1753 -4.3976899236440659e-02 - - -4.5973241329193115e-01 3.3604741096496582e-02 - <_> - - 0 -1 1754 -1.0124820284545422e-02 - - 1.6260810196399689e-01 -6.6449157893657684e-02 - <_> - - 0 -1 1755 -1.3071260182186961e-03 - - 1.1608310043811798e-01 -1.3168659806251526e-01 - <_> - - 0 -1 1756 4.5284889638423920e-02 - - 3.5751760005950928e-02 -4.4795739650726318e-01 - <_> - - 0 -1 1757 -2.0851079374551773e-02 - - 2.4665319919586182e-01 -6.5854541957378387e-02 - <_> - - 0 -1 1758 2.6742550544440746e-03 - - 5.1683109253644943e-02 -1.3699389994144440e-01 - <_> - - 0 -1 1759 1.3148089637979865e-03 - - 7.7798873186111450e-02 -2.1064509451389313e-01 - <_> - - 0 -1 1760 -1.8174739554524422e-02 - - 1.7355039715766907e-01 -7.2417192161083221e-02 - <_> - - 0 -1 1761 1.4314319938421249e-02 - - 8.1756986677646637e-02 -1.7111450433731079e-01 - <_> - - 0 -1 1762 -1.6486430540680885e-02 - - 2.2809509932994843e-01 -6.5906368196010590e-02 - <_> - - 0 -1 1763 3.0756060034036636e-02 - - 3.8717139512300491e-02 -4.0505141019821167e-01 - <_> - - 0 -1 1764 2.6106089353561401e-02 - - 3.0850199982523918e-02 -2.7759250998497009e-01 - <_> - - 0 -1 1765 8.0401107668876648e-02 - - 2.9792500659823418e-02 -4.4742569327354431e-01 - <_> - - 0 -1 1766 -1.8350789323449135e-02 - - 1.1515419930219650e-01 -2.8744319453835487e-02 - <_> - - 0 -1 1767 3.4827049821615219e-02 - - 2.8738139197230339e-02 -4.8401808738708496e-01 - <_> - - 0 -1 1768 -8.8250182569026947e-02 - - -4.2635539174079895e-01 3.0173489823937416e-02 - <_> - - 0 -1 1769 1.4836989343166351e-01 - - 2.2089749574661255e-02 -5.5364227294921875e-01 - <_> - - 0 -1 1770 -1.8949609249830246e-02 - - -2.3020160198211670e-01 3.9267301559448242e-02 - <_> - - 0 -1 1771 -5.6775949895381927e-02 - - 3.5013529658317566e-01 -4.0862828493118286e-02 - <_> - - 0 -1 1772 6.2286540865898132e-02 - - 2.2344540804624557e-02 -7.1082341670989990e-01 - <_> - - 0 -1 1773 -3.8629550486803055e-02 - - -3.2933491468429565e-01 3.8508068770170212e-02 - <_> - - 0 -1 1774 2.8154330328106880e-02 - - -7.3690913617610931e-02 1.8824370205402374e-01 - <_> - - 0 -1 1775 -1.0570179671049118e-02 - - -2.7806881070137024e-01 4.7679189592599869e-02 - <_> - - 0 -1 1776 5.6604571640491486e-02 - - 2.4767610430717468e-01 -5.6830938905477524e-02 - <_> - - 0 -1 1777 -2.8522670269012451e-01 - - 5.2345401048660278e-01 -2.3652829229831696e-02 - <_> - - 0 -1 1778 3.4807138144969940e-02 - - 2.4819910526275635e-02 -4.3205270171165466e-01 - <_> - - 0 -1 1779 -2.3218799382448196e-02 - - 2.9929161071777344e-01 -4.4712670147418976e-02 - <_> - - 0 -1 1780 -6.3094392418861389e-02 - - 3.3279260993003845e-01 -1.6075499355792999e-02 - <_> - - 0 -1 1781 3.0182430148124695e-01 - - -7.5196906924247742e-02 1.9139809906482697e-01 - <_> - - 0 -1 1782 2.3077869787812233e-02 - - 3.6844979971647263e-02 -2.8761258721351624e-01 - <_> - - 0 -1 1783 1.0964149981737137e-01 - - 3.7548121064901352e-02 -4.1763558983802795e-01 - <_> - - 0 -1 1784 2.9672039672732353e-02 - - -7.8409820795059204e-02 1.3064210116863251e-01 - <_> - - 0 -1 1785 6.3356538303196430e-03 - - 6.7014321684837341e-02 -2.0481500029563904e-01 - <_> - - 0 -1 1786 -1.9940949976444244e-02 - - 8.4663636982440948e-02 -4.2069409042596817e-02 - <_> - - 0 -1 1787 -4.7988001257181168e-02 - - -6.1099517345428467e-01 2.2842260077595711e-02 - <_> - - 0 -1 1788 4.8280019313097000e-02 - - 7.4727279134094715e-03 -7.5153297185897827e-01 - <_> - - 0 -1 1789 -2.5825301418080926e-04 - - 3.5517089068889618e-02 -3.2686069607734680e-01 - <_> - - 0 -1 1790 -4.8175308853387833e-02 - - -5.8099460601806641e-01 1.9760759547352791e-02 - <_> - - 0 -1 1791 -2.8606340289115906e-02 - - 3.2096970081329346e-01 -4.0734320878982544e-02 - <_> - - 0 -1 1792 -4.3328531086444855e-02 - - -3.3021429181098938e-01 3.1527239829301834e-02 - <_> - - 0 -1 1793 2.2753410041332245e-02 - - 3.7327829748392105e-02 -3.6291739344596863e-01 - <_> - - 0 -1 1794 1.8975350030814297e-05 - - -1.1503349989652634e-01 4.1816640645265579e-02 - <_> - - 0 -1 1795 1.8077540397644043e-01 - - -5.5751871317625046e-02 2.2424830496311188e-01 - <_> - - 0 -1 1796 -1.2539149820804596e-01 - - -8.8098400831222534e-01 3.8788339588791132e-03 - <_> - - 0 -1 1797 -8.0908974632620811e-03 - - 2.6210701465606689e-01 -5.3706649690866470e-02 - <_> - - 0 -1 1798 9.9102966487407684e-03 - - -1.2978099286556244e-01 8.3635807037353516e-02 - <_> - - 0 -1 1799 2.4792920798063278e-02 - - -1.4584439992904663e-01 9.2305660247802734e-02 - <_> - - 0 -1 1800 4.5074880123138428e-02 - - -7.2375498712062836e-02 2.6057431101799011e-01 - <_> - - 0 -1 1801 -7.9205513000488281e-02 - - -6.2073522806167603e-01 2.1323349326848984e-02 - <_> - - 0 -1 1802 -4.4725250452756882e-02 - - -6.4248198270797729e-01 9.5317112281918526e-03 - <_> - - 0 -1 1803 -3.4065779298543930e-02 - - 3.0759710073471069e-01 -4.2296990752220154e-02 - <_> - - 0 -1 1804 -2.9756739735603333e-02 - - 2.5211650133132935e-01 -3.1183030456304550e-02 - <_> - - 0 -1 1805 -3.2026950269937515e-02 - - -5.5300801992416382e-01 2.8021570295095444e-02 - <_> - 193 - -1.4976780414581299e+00 - - <_> - - 0 -1 1806 2.8652619570493698e-02 - - -2.1822139620780945e-01 2.2675579786300659e-01 - <_> - - 0 -1 1807 4.3320041149854660e-03 - - -2.8597879409790039e-01 1.0589209944009781e-01 - <_> - - 0 -1 1808 5.6604119017720222e-03 - - 8.8295452296733856e-02 -3.8920480012893677e-01 - <_> - - 0 -1 1809 2.4440148845314980e-03 - - -3.5482680797576904e-01 9.9362373352050781e-02 - <_> - - 0 -1 1810 2.2643520496785641e-03 - - -2.8858441114425659e-01 8.8367857038974762e-02 - <_> - - 0 -1 1811 5.3952648304402828e-03 - - 8.5537381470203400e-02 -3.0366399884223938e-01 - <_> - - 0 -1 1812 -7.2699488373473287e-04 - - 7.4840240180492401e-02 -3.4039780497550964e-01 - <_> - - 0 -1 1813 -9.7503658616915345e-04 - - 1.2008629739284515e-01 -2.5634410977363586e-01 - <_> - - 0 -1 1814 4.0540988557040691e-03 - - 6.7266032099723816e-02 -3.5701939463615417e-01 - <_> - - 0 -1 1815 2.5258921086788177e-03 - - -4.1966471076011658e-01 5.5665798485279083e-02 - <_> - - 0 -1 1816 -1.2021360453218222e-03 - - 1.0004480183124542e-01 -2.1932320296764374e-01 - <_> - - 0 -1 1817 7.7549100387841463e-04 - - -1.3562729954719543e-01 1.1973659694194794e-01 - <_> - - 0 -1 1818 -5.0699848681688309e-02 - - 4.5418289303779602e-01 -3.9030350744724274e-02 - <_> - - 0 -1 1819 1.3364490121603012e-02 - - 1.1166039854288101e-01 -1.7938789725303650e-01 - <_> - - 0 -1 1820 -1.5418980270624161e-02 - - -3.5180059075355530e-01 4.7354999929666519e-02 - <_> - - 0 -1 1821 -4.2981099337339401e-02 - - 3.9232799410820007e-01 -4.5337028801441193e-02 - <_> - - 0 -1 1822 6.2867929227650166e-03 - - 6.4331822097301483e-02 -2.2239510715007782e-01 - <_> - - 0 -1 1823 -3.5951940808445215e-03 - - 9.5404297113418579e-02 -1.5338289737701416e-01 - <_> - - 0 -1 1824 -7.6760917901992798e-02 - - -6.5099817514419556e-01 1.7283650115132332e-02 - <_> - - 0 -1 1825 4.6225200640037656e-04 - - -4.3415609002113342e-01 2.5241859257221222e-02 - <_> - - 0 -1 1826 7.5868278509005904e-04 - - -1.4624330401420593e-01 9.6319071948528290e-02 - <_> - - 0 -1 1827 -5.0252641085535288e-04 - - 1.3584020733833313e-01 -2.3181040585041046e-01 - <_> - - 0 -1 1828 9.7315143793821335e-03 - - -8.5155591368675232e-02 2.0156989991664886e-01 - <_> - - 0 -1 1829 -2.6432229205965996e-02 - - -3.7002518773078918e-01 2.4616630747914314e-02 - <_> - - 0 -1 1830 -4.4683468877337873e-04 - - 1.0048960149288177e-01 -1.8588609993457794e-01 - <_> - - 0 -1 1831 1.9872789271175861e-03 - - 5.3223919123411179e-02 -3.1603801250457764e-01 - <_> - - 0 -1 1832 3.1368629424832761e-04 - - -1.3213190436363220e-01 9.5771767199039459e-02 - <_> - - 0 -1 1833 5.9834700077772141e-03 - - -7.5681813061237335e-02 1.5230950713157654e-01 - <_> - - 0 -1 1834 -5.0965389236807823e-03 - - -1.8477819859981537e-01 7.6022140681743622e-02 - <_> - - 0 -1 1835 -1.9187610596418381e-02 - - 2.1431809663772583e-01 -4.9764219671487808e-02 - <_> - - 0 -1 1836 2.3320479318499565e-02 - - -4.8689320683479309e-02 2.6578998565673828e-01 - <_> - - 0 -1 1837 -6.9449091097339988e-04 - - -1.5433350205421448e-01 8.7410651147365570e-02 - <_> - - 0 -1 1838 4.8893648199737072e-03 - - 5.1342789083719254e-02 -2.6165360212326050e-01 - <_> - - 0 -1 1839 -2.7428869158029556e-02 - - -3.7972038984298706e-01 3.1821161508560181e-02 - <_> - - 0 -1 1840 -1.7734549939632416e-02 - - 1.9976620376110077e-01 -6.2318049371242523e-02 - <_> - - 0 -1 1841 1.5148259699344635e-01 - - 7.4510741978883743e-03 -5.8031332492828369e-01 - <_> - - 0 -1 1842 1.5324390260502696e-03 - - -1.2510550022125244e-01 1.0431899875402451e-01 - <_> - - 0 -1 1843 -1.2310810387134552e-02 - - -2.3539729416370392e-01 5.3646210581064224e-02 - <_> - - 0 -1 1844 -1.1210800148546696e-02 - - 1.0759239643812180e-01 -1.2055230140686035e-01 - <_> - - 0 -1 1845 2.7532500680536032e-03 - - -6.6479906439781189e-02 1.7321150004863739e-01 - <_> - - 0 -1 1846 -8.4678819403052330e-03 - - -3.1850680708885193e-01 4.2280819267034531e-02 - <_> - - 0 -1 1847 -7.3283319361507893e-03 - - -1.6369259357452393e-01 3.1772349029779434e-02 - <_> - - 0 -1 1848 4.7156549990177155e-02 - - -6.1667099595069885e-02 1.7410990595817566e-01 - <_> - - 0 -1 1849 8.2125868648290634e-03 - - 6.7069798707962036e-02 -2.2030070424079895e-01 - <_> - - 0 -1 1850 7.6550841331481934e-03 - - 6.1422310769557953e-02 -1.9357620179653168e-01 - <_> - - 0 -1 1851 -4.5372851192951202e-02 - - -4.7565659880638123e-01 2.2869469597935677e-02 - <_> - - 0 -1 1852 3.7434820551425219e-03 - - -9.0940922498703003e-02 1.3841210305690765e-01 - <_> - - 0 -1 1853 2.3490150924772024e-03 - - 6.3291497528553009e-02 -1.5506389737129211e-01 - <_> - - 0 -1 1854 -2.4149749428033829e-02 - - 3.4588441252708435e-01 -3.1525820493698120e-02 - <_> - - 0 -1 1855 1.4878350310027599e-02 - - 2.4215059354901314e-02 -3.2387629151344299e-01 - <_> - - 0 -1 1856 2.9843160882592201e-02 - - -2.7817690744996071e-02 4.0939471125602722e-01 - <_> - - 0 -1 1857 7.1600051596760750e-03 - - -4.6596240252256393e-02 7.4547067284584045e-02 - <_> - - 0 -1 1858 5.6267209351062775e-02 - - 2.9551850631833076e-02 -4.0098059177398682e-01 - <_> - - 0 -1 1859 -4.5356149785220623e-03 - - 8.1820577383041382e-02 -1.0619299858808517e-01 - <_> - - 0 -1 1860 -1.3697359710931778e-02 - - -1.9359089434146881e-01 7.0917747914791107e-02 - <_> - - 0 -1 1861 -1.5458730049431324e-03 - - -2.1987679600715637e-01 2.8396489098668098e-02 - <_> - - 0 -1 1862 2.9332858975976706e-03 - - -7.6153233647346497e-02 1.6460180282592773e-01 - <_> - - 0 -1 1863 3.4973609726876020e-03 - - -6.8196080625057220e-02 1.6717350482940674e-01 - <_> - - 0 -1 1864 -1.8307069316506386e-02 - - -1.8867099285125732e-01 6.9932736456394196e-02 - <_> - - 0 -1 1865 -1.7092080414295197e-01 - - -5.0067770481109619e-01 7.8164357692003250e-03 - <_> - - 0 -1 1866 4.1620130650699139e-03 - - 5.5900041013956070e-02 -2.2972549498081207e-01 - <_> - - 0 -1 1867 -1.9724309444427490e-02 - - 3.2998558878898621e-01 -3.6602400243282318e-02 - <_> - - 0 -1 1868 5.3331600502133369e-03 - - -1.4134259521961212e-01 8.8277637958526611e-02 - <_> - - 0 -1 1869 -4.2182218283414841e-02 - - -6.6718780994415283e-01 1.5770509839057922e-02 - <_> - - 0 -1 1870 -5.2826730534434319e-03 - - 1.7025630176067352e-01 -6.8491317331790924e-02 - <_> - - 0 -1 1871 -2.3227441124618053e-03 - - 7.2378590703010559e-02 -1.0066709667444229e-01 - <_> - - 0 -1 1872 -1.6239390242844820e-03 - - -2.2501319646835327e-01 5.5898498743772507e-02 - <_> - - 0 -1 1873 5.6083410978317261e-02 - - 1.3646169565618038e-02 -4.9306789040565491e-01 - <_> - - 0 -1 1874 -3.0199930071830750e-02 - - 2.3070830106735229e-01 -5.3645938634872437e-02 - <_> - - 0 -1 1875 1.9157670438289642e-02 - - 3.6830320954322815e-02 -3.9522978663444519e-01 - <_> - - 0 -1 1876 3.5853029694408178e-03 - - -6.1893220990896225e-02 1.7583209276199341e-01 - <_> - - 0 -1 1877 -2.8775330632925034e-02 - - -3.1838440895080566e-01 2.3103740066289902e-02 - <_> - - 0 -1 1878 2.5611401069909334e-03 - - -1.0484419763088226e-01 9.7152568399906158e-02 - <_> - - 0 -1 1879 -3.1554490327835083e-02 - - 2.9366511106491089e-01 -2.4189069867134094e-02 - <_> - - 0 -1 1880 -7.3520588921383023e-04 - - 9.7711041569709778e-02 -1.5248039364814758e-01 - <_> - - 0 -1 1881 -4.7993879765272141e-02 - - -9.4587820768356323e-01 9.0406481176614761e-03 - <_> - - 0 -1 1882 5.2936570718884468e-03 - - 3.3320371061563492e-02 -3.1268939375877380e-01 - <_> - - 0 -1 1883 1.6903249546885490e-02 - - -2.4132709950208664e-02 2.8483408689498901e-01 - <_> - - 0 -1 1884 -7.0723611861467361e-03 - - -1.7524200677871704e-01 7.2713881731033325e-02 - <_> - - 0 -1 1885 6.4191617071628571e-02 - - -2.0969670265913010e-02 3.5402628779411316e-01 - <_> - - 0 -1 1886 2.9694940894842148e-03 - - -7.5086936354637146e-02 1.4321349561214447e-01 - <_> - - 0 -1 1887 -2.0105259492993355e-02 - - 6.0784012079238892e-01 -1.8104499205946922e-02 - <_> - - 0 -1 1888 -1.3169869780540466e-02 - - -5.4678368568420410e-01 2.4742240086197853e-02 - <_> - - 0 -1 1889 -1.4226729981601238e-02 - - -4.6722590923309326e-01 3.1489629298448563e-02 - <_> - - 0 -1 1890 3.7746191024780273e-02 - - -3.8495831191539764e-02 3.5333481431007385e-01 - <_> - - 0 -1 1891 -3.8704369217157364e-03 - - 1.4984290301799774e-01 -5.6549768894910812e-02 - <_> - - 0 -1 1892 -1.1565440334379673e-02 - - -1.5227930247783661e-01 7.6062962412834167e-02 - <_> - - 0 -1 1893 -8.8854476809501648e-02 - - -7.2967928647994995e-01 4.8231678083539009e-03 - <_> - - 0 -1 1894 -2.0447981078177691e-03 - - 1.4148180186748505e-01 -8.3200357854366302e-02 - <_> - - 0 -1 1895 -1.1762860231101513e-02 - - -4.0200519561767578e-01 2.6679439470171928e-02 - <_> - - 0 -1 1896 -1.7539029940962791e-02 - - -3.7316259741783142e-01 3.0171979218721390e-02 - <_> - - 0 -1 1897 3.8314110133796930e-03 - - -9.3409948050975800e-02 7.9503498971462250e-02 - <_> - - 0 -1 1898 -1.4472359791398048e-02 - - 3.4333580732345581e-01 -4.3657060712575912e-02 - <_> - - 0 -1 1899 -2.6516690850257874e-02 - - -4.8230230808258057e-01 1.6811650246381760e-02 - <_> - - 0 -1 1900 -3.3194791525602341e-02 - - -4.3580260872840881e-01 2.2644890472292900e-02 - <_> - - 0 -1 1901 4.4987560249865055e-03 - - -3.2281540334224701e-02 8.9946307241916656e-02 - <_> - - 0 -1 1902 3.6823831032961607e-03 - - -6.8755462765693665e-02 1.4339810609817505e-01 - <_> - - 0 -1 1903 -1.1184140294790268e-01 - - -7.7756762504577637e-01 5.2246451377868652e-03 - <_> - - 0 -1 1904 -7.3255039751529694e-02 - - -5.5630749464035034e-01 1.9127149134874344e-02 - <_> - - 0 -1 1905 2.9855769127607346e-02 - - 2.1178830415010452e-02 -4.0850040316581726e-01 - <_> - - 0 -1 1906 -7.3472231626510620e-02 - - 8.2820487022399902e-01 -1.2452909722924232e-02 - <_> - - 0 -1 1907 -7.2046648710966110e-04 - - 9.9630527198314667e-02 -9.5278859138488770e-02 - <_> - - 0 -1 1908 -3.8003330701030791e-04 - - 1.0231109708547592e-01 -1.0351389646530151e-01 - <_> - - 0 -1 1909 -4.5453108847141266e-02 - - -6.4885061979293823e-01 1.1966000311076641e-02 - <_> - - 0 -1 1910 -5.1456969231367111e-04 - - -1.5083299577236176e-01 6.6544473171234131e-02 - <_> - - 0 -1 1911 2.7949180454015732e-02 - - 1.7186399549245834e-02 -3.7501189112663269e-01 - <_> - - 0 -1 1912 6.3039876520633698e-02 - - -4.3821588158607483e-02 2.4789440631866455e-01 - <_> - - 0 -1 1913 -2.2690258920192719e-03 - - 7.4712008237838745e-02 -1.1131580173969269e-01 - <_> - - 0 -1 1914 -3.8063840474933386e-03 - - -1.5530909597873688e-01 6.5264508128166199e-02 - <_> - - 0 -1 1915 3.7190090864896774e-02 - - -2.9698630794882774e-02 2.3071870207786560e-01 - <_> - - 0 -1 1916 2.1895840764045715e-02 - - 1.5778519213199615e-02 -6.3006269931793213e-01 - <_> - - 0 -1 1917 -3.1993988901376724e-02 - - 2.6250898838043213e-01 -2.4627109989523888e-02 - <_> - - 0 -1 1918 -1.6778679564595222e-02 - - -4.2436981201171875e-01 2.2607849910855293e-02 - <_> - - 0 -1 1919 5.2477661520242691e-02 - - -1.6188420355319977e-02 3.1766140460968018e-01 - <_> - - 0 -1 1920 1.0443729907274246e-01 - - 1.1290200054645538e-02 -8.6021018028259277e-01 - <_> - - 0 -1 1921 -6.5574781037867069e-03 - - 1.2225849926471710e-01 -5.6091431528329849e-02 - <_> - - 0 -1 1922 1.6797389835119247e-02 - - 3.5811539739370346e-02 -3.1163010001182556e-01 - <_> - - 0 -1 1923 5.0427159294486046e-03 - - -5.0439529120922089e-02 6.3930332660675049e-02 - <_> - - 0 -1 1924 -3.4571789205074310e-02 - - -5.6278371810913086e-01 1.6692740842700005e-02 - <_> - - 0 -1 1925 3.7999521009624004e-03 - - -6.8566747009754181e-02 9.6017867326736450e-02 - <_> - - 0 -1 1926 -1.1995599605143070e-02 - - 1.3819910585880280e-01 -7.1510016918182373e-02 - <_> - - 0 -1 1927 1.1098429560661316e-02 - - 5.3506620228290558e-02 -1.0482089966535568e-01 - <_> - - 0 -1 1928 -1.2905290722846985e-01 - - -6.7262178659439087e-01 1.5195850282907486e-02 - <_> - - 0 -1 1929 6.3130040653049946e-03 - - -6.1030130833387375e-02 1.0355649888515472e-01 - <_> - - 0 -1 1930 4.0955888107419014e-03 - - 7.0534646511077881e-02 -1.4484269917011261e-01 - <_> - - 0 -1 1931 -1.0530550032854080e-02 - - 9.8569639027118683e-02 -3.7973210215568542e-02 - <_> - - 0 -1 1932 3.6035990342497826e-03 - - 5.1277790218591690e-02 -1.8671560287475586e-01 - <_> - - 0 -1 1933 1.1999369598925114e-03 - - -6.3231408596038818e-02 1.0446310043334961e-01 - <_> - - 0 -1 1934 -1.9585370318964124e-04 - - 8.6044862866401672e-02 -1.1856850236654282e-01 - <_> - - 0 -1 1935 -1.2213560193777084e-01 - - -8.8419800996780396e-01 6.3145011663436890e-03 - <_> - - 0 -1 1936 -7.7650691382586956e-03 - - 1.3725960254669189e-01 -8.0412857234477997e-02 - <_> - - 0 -1 1937 1.5734319388866425e-01 - - 1.2743320316076279e-02 -6.5401297807693481e-01 - <_> - - 0 -1 1938 -7.6066371984779835e-03 - - -1.3797719776630402e-01 7.6062493026256561e-02 - <_> - - 0 -1 1939 -4.3096300214529037e-03 - - 1.1195199936628342e-01 -3.2390709966421127e-02 - <_> - - 0 -1 1940 -3.2239840365946293e-03 - - 2.1420599520206451e-01 -5.8244630694389343e-02 - <_> - - 0 -1 1941 8.3754826337099075e-03 - - 4.7615598887205124e-02 -2.4216049909591675e-01 - <_> - - 0 -1 1942 3.0904430896043777e-03 - - -9.0418681502342224e-02 9.9244832992553711e-02 - <_> - - 0 -1 1943 9.8243616521358490e-03 - - -4.4643919914960861e-02 1.0423039644956589e-01 - <_> - - 0 -1 1944 -3.2808810938149691e-03 - - -1.9123159348964691e-01 6.3141517341136932e-02 - <_> - - 0 -1 1945 3.6370379384607077e-03 - - 3.6944739520549774e-02 -1.1988619714975357e-01 - <_> - - 0 -1 1946 7.8952945768833160e-03 - - -7.1313530206680298e-02 1.6107399761676788e-01 - <_> - - 0 -1 1947 -3.3853040076792240e-03 - - -1.1704929918050766e-01 2.5579249486327171e-02 - <_> - - 0 -1 1948 -2.6786550879478455e-03 - - -1.7064009606838226e-01 6.0627460479736328e-02 - <_> - - 0 -1 1949 -4.5887688174843788e-03 - - 3.4779790788888931e-02 -6.8817831575870514e-02 - <_> - - 0 -1 1950 -6.1642300337553024e-02 - - 5.1108109951019287e-01 -1.9752239808440208e-02 - <_> - - 0 -1 1951 2.5235159322619438e-02 - - 2.0203070715069771e-02 -3.4359911084175110e-01 - <_> - - 0 -1 1952 -2.1312809549272060e-03 - - 5.4698210209608078e-02 -1.6512370109558105e-01 - <_> - - 0 -1 1953 -8.2598842680454254e-02 - - 3.3804669976234436e-01 -2.8026569634675980e-02 - <_> - - 0 -1 1954 -5.6678601540625095e-03 - - -3.3786231279373169e-01 2.9727049171924591e-02 - <_> - - 0 -1 1955 -9.3317396938800812e-02 - - -6.7238032817840576e-01 2.0025020930916071e-03 - <_> - - 0 -1 1956 9.2052231775596738e-04 - - -1.3974259793758392e-01 6.3175596296787262e-02 - <_> - - 0 -1 1957 5.1411538152024150e-04 - - -8.1585250794887543e-02 5.9324279427528381e-02 - <_> - - 0 -1 1958 -6.7130490206182003e-03 - - -1.6645990312099457e-01 6.1560809612274170e-02 - <_> - - 0 -1 1959 3.1578689813613892e-03 - - -1.0710070282220840e-01 6.6695116460323334e-02 - <_> - - 0 -1 1960 1.2202030047774315e-02 - - -2.4845300242304802e-02 4.2458030581474304e-01 - <_> - - 0 -1 1961 -2.8585169464349747e-02 - - 2.3526839911937714e-01 -2.1121440455317497e-02 - <_> - - 0 -1 1962 2.3390499409288168e-03 - - 6.4441107213497162e-02 -1.4063580334186554e-01 - <_> - - 0 -1 1963 3.5900938510894775e-01 - - 1.2122919782996178e-02 -7.3121142387390137e-01 - <_> - - 0 -1 1964 7.6048658229410648e-03 - - -4.0700931102037430e-02 2.3581039905548096e-01 - <_> - - 0 -1 1965 4.4263368472456932e-03 - - 5.3039629012346268e-02 -1.5912020206451416e-01 - <_> - - 0 -1 1966 8.5811351891607046e-04 - - -8.5265956819057465e-02 1.0489220172166824e-01 - <_> - - 0 -1 1967 -4.2959367856383324e-03 - - -1.2851840257644653e-01 6.2752753496170044e-02 - <_> - - 0 -1 1968 4.4881720095872879e-03 - - 6.4671441912651062e-02 -1.8789650499820709e-01 - <_> - - 0 -1 1969 -4.9869619309902191e-02 - - 2.1496759355068207e-01 -3.5577021539211273e-02 - <_> - - 0 -1 1970 -1.1942230165004730e-01 - - -6.7953938245773315e-01 1.5091570094227791e-02 - <_> - - 0 -1 1971 6.2965508550405502e-04 - - -9.2145420610904694e-02 6.1806648969650269e-02 - <_> - - 0 -1 1972 2.9381969943642616e-03 - - 1.7903240025043488e-01 -4.9355998635292053e-02 - <_> - - 0 -1 1973 -2.2860679775476456e-02 - - 2.0976249873638153e-01 -3.1370889395475388e-02 - <_> - - 0 -1 1974 4.3369621038436890e-02 - - 1.8286330625414848e-02 -5.1288998126983643e-01 - <_> - - 0 -1 1975 1.9932509958744049e-01 - - 6.7204708466306329e-04 -8.9769357442855835e-01 - <_> - - 0 -1 1976 8.0751203000545502e-02 - - -2.0869649946689606e-02 4.3768700957298279e-01 - <_> - - 0 -1 1977 1.5349129680544138e-03 - - 3.6761760711669922e-02 -2.2203999757766724e-01 - <_> - - 0 -1 1978 -3.6580949090421200e-03 - - -1.5471710264682770e-01 6.7229896783828735e-02 - <_> - - 0 -1 1979 2.4743290618062019e-02 - - -5.5474709719419479e-02 1.7429579794406891e-01 - <_> - - 0 -1 1980 -1.6451500356197357e-02 - - 1.8817320466041565e-01 -5.5719010531902313e-02 - <_> - - 0 -1 1981 -8.4505761042237282e-03 - - -3.2943668961524963e-01 2.2743720561265945e-02 - <_> - - 0 -1 1982 2.9369179159402847e-02 - - 1.5479310415685177e-02 -5.9099632501602173e-01 - <_> - - 0 -1 1983 1.0524799674749374e-01 - - 2.1177560556679964e-03 -4.9212720990180969e-01 - <_> - - 0 -1 1984 -2.7816150337457657e-02 - - 3.6421439051628113e-01 -2.5163119658827782e-02 - <_> - - 0 -1 1985 5.3339339792728424e-03 - - -4.8402350395917892e-02 3.9851561188697815e-02 - <_> - - 0 -1 1986 1.1682730168104172e-02 - - 2.4898340925574303e-02 -3.5719999670982361e-01 - <_> - - 0 -1 1987 8.9094992727041245e-03 - - 4.6579260379076004e-02 -1.5088100731372833e-01 - <_> - - 0 -1 1988 7.3203681968152523e-03 - - 7.0891879498958588e-02 -1.3278549909591675e-01 - <_> - - 0 -1 1989 -2.0311130210757256e-02 - - 1.7783379554748535e-01 -3.7538051605224609e-02 - <_> - - 0 -1 1990 1.3689160114154220e-03 - - -1.2096449732780457e-01 7.8017823398113251e-02 - <_> - - 0 -1 1991 7.6994091272354126e-02 - - -8.7762605398893356e-03 3.2993561029434204e-01 - <_> - - 0 -1 1992 8.8949268683791161e-03 - - -5.5553250014781952e-02 1.6372109949588776e-01 - <_> - - 0 -1 1993 -1.8518440425395966e-02 - - -1.4479570090770721e-01 3.0250260606408119e-02 - <_> - - 0 -1 1994 -4.0174879133701324e-02 - - -2.4990509450435638e-01 4.0788788348436356e-02 - <_> - - 0 -1 1995 6.5176486968994141e-02 - - -1.4393090270459652e-02 3.7707069516181946e-01 - <_> - - 0 -1 1996 -1.4845930039882660e-02 - - 2.7375608682632446e-01 -3.3898409456014633e-02 - <_> - - 0 -1 1997 -6.1434650421142578e-01 - - -6.9167751073837280e-01 4.0905540809035301e-03 - <_> - - 0 -1 1998 1.4119890332221985e-01 - - 1.6643870621919632e-02 -5.8944582939147949e-01 - <_> - 157 - -1.5337220430374146e+00 - - <_> - - 0 -1 1999 2.1962670609354973e-02 - - -3.0903491377830505e-01 2.1529789268970490e-01 - <_> - - 0 -1 2000 5.1272530108690262e-02 - - -2.2286629676818848e-01 2.9869711399078369e-01 - <_> - - 0 -1 2001 4.1870009154081345e-02 - - -2.7849119901657104e-01 2.0416070520877838e-01 - <_> - - 0 -1 2002 6.7551871761679649e-03 - - -2.1988549828529358e-01 7.3887020349502563e-02 - <_> - - 0 -1 2003 1.7311690375208855e-02 - - -3.4227430820465088e-01 1.3190160691738129e-01 - <_> - - 0 -1 2004 1.5399109572172165e-02 - - -2.3149499297142029e-01 1.8828059732913971e-01 - <_> - - 0 -1 2005 -1.0792730376124382e-02 - - -3.0813691020011902e-01 1.1191529780626297e-01 - <_> - - 0 -1 2006 8.5879449034109712e-04 - - 7.2238206863403320e-02 -4.4624349474906921e-01 - <_> - - 0 -1 2007 9.2791311908513308e-04 - - -2.9247429966926575e-01 9.3132883310317993e-02 - <_> - - 0 -1 2008 -8.5785696282982826e-03 - - 2.0642790198326111e-01 -1.1203339695930481e-01 - <_> - - 0 -1 2009 -1.8951490521430969e-02 - - -3.9317628741264343e-01 6.7260466516017914e-02 - <_> - - 0 -1 2010 3.4939948469400406e-02 - - 2.8045989573001862e-02 -5.7410031557083130e-01 - <_> - - 0 -1 2011 -4.2870659381151199e-02 - - -5.9856891632080078e-01 3.4607890993356705e-02 - <_> - - 0 -1 2012 5.4958608234301209e-04 - - -4.1193041205406189e-01 6.7322418093681335e-02 - <_> - - 0 -1 2013 2.2494920995086432e-03 - - 1.3482889533042908e-01 -1.9777689874172211e-01 - <_> - - 0 -1 2014 -9.2442613095045090e-03 - - -1.7850719392299652e-01 7.6734513044357300e-02 - <_> - - 0 -1 2015 1.2210760032758117e-03 - - -3.4616300463676453e-01 7.5431950390338898e-02 - <_> - - 0 -1 2016 1.3654090464115143e-02 - - 7.7861636877059937e-02 -4.3963378667831421e-01 - <_> - - 0 -1 2017 1.7332829535007477e-02 - - 4.8317600041627884e-02 -4.1461798548698425e-01 - <_> - - 0 -1 2018 -1.6807779669761658e-02 - - 2.3211599886417389e-01 -8.2342058420181274e-02 - <_> - - 0 -1 2019 3.2203171402215958e-02 - - 3.4065268933773041e-02 -5.9796607494354248e-01 - <_> - - 0 -1 2020 1.6777820885181427e-02 - - -5.9402968734502792e-02 1.6782909631729126e-01 - <_> - - 0 -1 2021 1.3074859976768494e-02 - - -1.0592609643936157e-01 2.3796890676021576e-01 - <_> - - 0 -1 2022 9.4082832336425781e-02 - - 1.0573189705610275e-02 -5.3249269723892212e-01 - <_> - - 0 -1 2023 -7.6036658138036728e-03 - - -2.3031429946422577e-01 1.0104469954967499e-01 - <_> - - 0 -1 2024 8.2368071889504790e-04 - - 4.6598970890045166e-02 -1.0087580233812332e-01 - <_> - - 0 -1 2025 -7.6875449158251286e-03 - - -2.6123398542404175e-01 7.3543973267078400e-02 - <_> - - 0 -1 2026 -3.3729180693626404e-02 - - 2.1907149255275726e-01 -2.1958939731121063e-02 - <_> - - 0 -1 2027 1.3204690068960190e-02 - - -1.4203189313411713e-01 1.5107029676437378e-01 - <_> - - 0 -1 2028 8.5354369366541505e-04 - - -2.4303670227527618e-01 8.3283171057701111e-02 - <_> - - 0 -1 2029 -1.4071330428123474e-02 - - -3.6977100372314453e-01 5.5142328143119812e-02 - <_> - - 0 -1 2030 -1.1115919798612595e-02 - - -4.6575489640235901e-01 2.7285559102892876e-02 - <_> - - 0 -1 2031 1.3858900405466557e-02 - - -9.1722346842288971e-02 1.9947899878025055e-01 - <_> - - 0 -1 2032 8.5548251867294312e-02 - - 2.6189789175987244e-02 -3.6603820323944092e-01 - <_> - - 0 -1 2033 -1.9484929740428925e-02 - - 1.7259980738162994e-01 -8.9445300400257111e-02 - <_> - - 0 -1 2034 2.1631179377436638e-02 - - -5.6183289736509323e-02 6.7707277834415436e-02 - <_> - - 0 -1 2035 1.9267840310931206e-02 - - 5.5609680712223053e-02 -2.9480481147766113e-01 - <_> - - 0 -1 2036 1.1855900287628174e-02 - - 6.8580061197280884e-02 -2.7094689011573792e-01 - <_> - - 0 -1 2037 1.7135039670392871e-03 - - -1.5590840578079224e-01 9.4477489590644836e-02 - <_> - - 0 -1 2038 6.2993362545967102e-02 - - 2.9042679816484451e-02 -2.5151410698890686e-01 - <_> - - 0 -1 2039 1.7328880727291107e-02 - - -4.3562661856412888e-02 3.4017661213874817e-01 - <_> - - 0 -1 2040 2.4053089320659637e-02 - - 3.7450179457664490e-02 -2.8990021347999573e-01 - <_> - - 0 -1 2041 2.1294029429554939e-02 - - 4.8889711499214172e-02 -3.6390760540962219e-01 - <_> - - 0 -1 2042 9.2860676348209381e-02 - - -3.6604419350624084e-02 3.2365238666534424e-01 - <_> - - 0 -1 2043 2.1167730446904898e-03 - - 8.7506070733070374e-02 -1.8339939415454865e-01 - <_> - - 0 -1 2044 -8.7125040590763092e-02 - - -4.6162751317024231e-01 3.1342040747404099e-02 - <_> - - 0 -1 2045 1.9298809766769409e-01 - - 2.9041619971394539e-02 -4.4543629884719849e-01 - <_> - - 0 -1 2046 -2.4475890313624404e-05 - - 5.9352759271860123e-02 -2.0239880681037903e-01 - <_> - - 0 -1 2047 -3.4894149750471115e-02 - - -4.5676550269126892e-01 3.5249751061201096e-02 - <_> - - 0 -1 2048 1.9192209839820862e-01 - - -4.0733739733695984e-02 1.5444849431514740e-01 - <_> - - 0 -1 2049 -2.3085139691829681e-02 - - 7.1740321815013885e-02 -2.0493650436401367e-01 - <_> - - 0 -1 2050 2.9535569250583649e-02 - - 4.0762118995189667e-02 -3.6926439404487610e-01 - <_> - - 0 -1 2051 -3.6492519080638885e-02 - - -5.4941332340240479e-01 2.5431329384446144e-02 - <_> - - 0 -1 2052 4.0696229785680771e-02 - - 1.0515309870243073e-02 -4.9906229972839355e-01 - <_> - - 0 -1 2053 -3.6384560167789459e-02 - - -2.4736070632934570e-01 5.3187850862741470e-02 - <_> - - 0 -1 2054 3.7000048905611038e-02 - - -4.6731691807508469e-02 3.0095300078392029e-01 - <_> - - 0 -1 2055 3.7872981280088425e-02 - - 4.5600850135087967e-02 -3.3789730072021484e-01 - <_> - - 0 -1 2056 -1.6164340078830719e-02 - - 1.9655610620975494e-01 -5.6567810475826263e-02 - <_> - - 0 -1 2057 2.4253420531749725e-01 - - 3.7772599607706070e-02 -3.6190840601921082e-01 - <_> - - 0 -1 2058 -1.7429869621992111e-02 - - 7.8519687056541443e-02 -1.9835950806736946e-02 - <_> - - 0 -1 2059 1.4150669798254967e-02 - - -1.5143400430679321e-01 1.2028410285711288e-01 - <_> - - 0 -1 2060 6.3771687448024750e-02 - - 6.8969810381531715e-03 -8.0511492490768433e-01 - <_> - - 0 -1 2061 1.1273720301687717e-03 - - -2.6931971311569214e-01 5.2550218999385834e-02 - <_> - - 0 -1 2062 -3.8293499499559402e-02 - - 2.0563830435276031e-01 -2.1474370732903481e-02 - <_> - - 0 -1 2063 5.0103109329938889e-02 - - 2.3352440446615219e-02 -5.4645192623138428e-01 - <_> - - 0 -1 2064 -4.0057931095361710e-02 - - 2.4553330242633820e-01 -3.3474709838628769e-02 - <_> - - 0 -1 2065 1.8415290862321854e-02 - - -7.5977481901645660e-02 1.8510019779205322e-01 - <_> - - 0 -1 2066 1.0548150166869164e-02 - - 6.6050186753273010e-02 -6.4367741346359253e-02 - <_> - - 0 -1 2067 7.3007687926292419e-02 - - -2.6471909135580063e-02 4.6508520841598511e-01 - <_> - - 0 -1 2068 -3.4658040851354599e-02 - - 2.7848151326179504e-01 -4.6662889420986176e-02 - <_> - - 0 -1 2069 1.6924630850553513e-02 - - 1.1554700136184692e-01 -1.1504360288381577e-01 - <_> - - 0 -1 2070 -7.4245870113372803e-02 - - -4.3072721362113953e-01 1.6461249440908432e-02 - <_> - - 0 -1 2071 -7.3406308889389038e-02 - - -5.6626558303833008e-01 2.3453989997506142e-02 - <_> - - 0 -1 2072 1.2397419661283493e-01 - - -5.4616708308458328e-02 1.0024350136518478e-01 - <_> - - 0 -1 2073 -1.6235560178756714e-02 - - -1.9912120699882507e-01 6.8537697196006775e-02 - <_> - - 0 -1 2074 -3.0137969180941582e-02 - - -3.3398950099945068e-01 2.2806070744991302e-02 - <_> - - 0 -1 2075 -8.1836536526679993e-02 - - 4.0628650784492493e-01 -3.7828210741281509e-02 - <_> - - 0 -1 2076 5.2240878343582153e-01 - - 1.8094440922141075e-02 -4.3477010726928711e-01 - <_> - - 0 -1 2077 1.4845579862594604e-02 - - -7.0279222726821899e-01 1.9977509975433350e-02 - <_> - - 0 -1 2078 -5.5507790297269821e-02 - - 5.1214778423309326e-01 -2.8097610920667648e-02 - <_> - - 0 -1 2079 -2.7078049257397652e-02 - - 3.0834761261940002e-01 -4.0676809847354889e-02 - <_> - - 0 -1 2080 -2.4416339583694935e-03 - - -1.2054579704999924e-01 5.9857279062271118e-02 - <_> - - 0 -1 2081 1.5043720602989197e-01 - - -6.0036379843950272e-02 2.2021989524364471e-01 - <_> - - 0 -1 2082 -4.1030261665582657e-02 - - -3.3254709839820862e-01 2.5029130280017853e-02 - <_> - - 0 -1 2083 1.4609499834477901e-02 - - 5.1357660442590714e-02 -2.8190329670906067e-01 - <_> - - 0 -1 2084 1.2588420510292053e-01 - - 6.7158509045839310e-03 -4.9155730009078979e-01 - <_> - - 0 -1 2085 -3.7784978747367859e-02 - - 5.1675951480865479e-01 -2.7236010879278183e-02 - <_> - - 0 -1 2086 -1.8090210855007172e-02 - - -3.5778409242630005e-01 3.5485059022903442e-02 - <_> - - 0 -1 2087 -3.9881139993667603e-02 - - -4.8079541325569153e-01 2.7166770771145821e-02 - <_> - - 0 -1 2088 7.3324372060596943e-03 - - -5.3297691047191620e-02 1.1757290363311768e-01 - <_> - - 0 -1 2089 -6.9262558827176690e-04 - - -1.4501209557056427e-01 9.2885218560695648e-02 - <_> - - 0 -1 2090 -8.2166977226734161e-02 - - 2.3127609491348267e-01 -5.6990649551153183e-02 - <_> - - 0 -1 2091 3.8556379731744528e-03 - - 9.5330670475959778e-02 -1.5586289763450623e-01 - <_> - - 0 -1 2092 -7.4245668947696686e-03 - - -2.7692940831184387e-01 3.5343449562788010e-02 - <_> - - 0 -1 2093 2.2808350622653961e-02 - - 4.6904660761356354e-02 -3.3659911155700684e-01 - <_> - - 0 -1 2094 8.2916222512722015e-02 - - 2.8655149508267641e-03 -5.2691662311553955e-01 - <_> - - 0 -1 2095 -5.2402060478925705e-02 - - -6.9835901260375977e-01 1.8587840721011162e-02 - <_> - - 0 -1 2096 1.5193739905953407e-02 - - -6.0126390308141708e-02 2.5917008519172668e-01 - <_> - - 0 -1 2097 -1.4240809716284275e-02 - - 2.7056190371513367e-01 -6.4629502594470978e-02 - <_> - - 0 -1 2098 -3.2158840913325548e-03 - - -9.3549117445945740e-02 2.8090029954910278e-02 - <_> - - 0 -1 2099 4.7198659740388393e-03 - - -1.8783959746360779e-01 7.1021787822246552e-02 - <_> - - 0 -1 2100 -2.5415599346160889e-02 - - -3.3236810564994812e-01 4.0915489196777344e-02 - <_> - - 0 -1 2101 4.2758490890264511e-02 - - 2.6150930672883987e-02 -5.1128530502319336e-01 - <_> - - 0 -1 2102 4.2231049388647079e-02 - - -2.1398520097136497e-02 1.7453899979591370e-01 - <_> - - 0 -1 2103 -2.0674670115113258e-02 - - 2.5898760557174683e-01 -5.6440889835357666e-02 - <_> - - 0 -1 2104 2.8976969420909882e-02 - - -2.0763730630278587e-02 9.6909962594509125e-02 - <_> - - 0 -1 2105 3.4173950552940369e-03 - - 9.3572951853275299e-02 -1.5996080636978149e-01 - <_> - - 0 -1 2106 6.7922919988632202e-02 - - 1.6243519261479378e-02 -7.4624717235565186e-01 - <_> - - 0 -1 2107 -9.0270619839429855e-03 - - 3.3382698893547058e-01 -3.8774389773607254e-02 - <_> - - 0 -1 2108 -2.8317999094724655e-02 - - -3.6276119947433472e-01 2.3800129070878029e-02 - <_> - - 0 -1 2109 -1.5302050160244107e-03 - - -1.8413589894771576e-01 7.0150263607501984e-02 - <_> - - 0 -1 2110 8.4196459501981735e-03 - - 9.0586692094802856e-02 -6.1134628951549530e-02 - <_> - - 0 -1 2111 4.4346109032630920e-02 - - 6.1388049274682999e-02 -2.1231949329376221e-01 - <_> - - 0 -1 2112 2.5921100750565529e-02 - - -3.5028610378503799e-02 2.2107489407062531e-01 - <_> - - 0 -1 2113 -6.0503371059894562e-03 - - -3.2179000973701477e-01 3.9333820343017578e-02 - <_> - - 0 -1 2114 -2.5171019136905670e-02 - - 6.9517672061920166e-01 -1.8360199406743050e-02 - <_> - - 0 -1 2115 -5.2073050290346146e-02 - - -7.4727028608322144e-01 1.9030340015888214e-02 - <_> - - 0 -1 2116 -1.3639439828693867e-02 - - -6.2003239989280701e-02 4.1589640080928802e-02 - <_> - - 0 -1 2117 -3.8377299904823303e-02 - - 3.8518410921096802e-01 -3.1509511172771454e-02 - <_> - - 0 -1 2118 -1.4677719771862030e-01 - - -6.0099261999130249e-01 1.0989420115947723e-02 - <_> - - 0 -1 2119 2.0508460700511932e-02 - - 5.6464750319719315e-02 -2.5149369239807129e-01 - <_> - - 0 -1 2120 2.3784590885043144e-02 - - 5.8459620922803879e-02 -2.2233340144157410e-01 - <_> - - 0 -1 2121 1.8658170476555824e-02 - - -7.3706217110157013e-02 1.8556639552116394e-01 - <_> - - 0 -1 2122 -2.6653500273823738e-02 - - 2.1061730384826660e-01 -6.8629503250122070e-02 - <_> - - 0 -1 2123 -7.5975798070430756e-02 - - -4.8535370826721191e-01 2.7239590883255005e-02 - <_> - - 0 -1 2124 5.3205721080303192e-02 - - 5.1950141787528992e-03 -4.7940468788146973e-01 - <_> - - 0 -1 2125 4.1206479072570801e-02 - - 1.9166460260748863e-02 -6.4439648389816284e-01 - <_> - - 0 -1 2126 2.2624490782618523e-02 - - 1.7490459606051445e-02 -2.0645530521869659e-01 - <_> - - 0 -1 2127 2.1147429943084717e-02 - - -3.2944951206445694e-02 3.5154509544372559e-01 - <_> - - 0 -1 2128 1.3374770060181618e-02 - - 4.0784850716590881e-02 -1.9725930690765381e-01 - <_> - - 0 -1 2129 4.2831092141568661e-03 - - -8.5159152746200562e-02 1.4025710523128510e-01 - <_> - - 0 -1 2130 6.3718900084495544e-02 - - -4.9198199994862080e-03 4.5491519570350647e-01 - <_> - - 0 -1 2131 1.2082169763743877e-02 - - 5.3176809102296829e-02 -2.6156601309776306e-01 - <_> - - 0 -1 2132 1.8195409327745438e-02 - - -3.8999419659376144e-02 3.3412361145019531e-01 - <_> - - 0 -1 2133 2.8948329389095306e-02 - - 3.9750248193740845e-02 -3.4182530641555786e-01 - <_> - - 0 -1 2134 -9.3633607029914856e-02 - - -9.4571298360824585e-01 3.0850030016154051e-03 - <_> - - 0 -1 2135 3.4850560128688812e-02 - - 3.1342729926109314e-02 -3.5700461268424988e-01 - <_> - - 0 -1 2136 1.2895749509334564e-01 - - -3.9653491228818893e-02 3.7412929534912109e-01 - <_> - - 0 -1 2137 2.3297289386391640e-02 - - 2.5941710919141769e-02 -4.7231191396713257e-01 - <_> - - 0 -1 2138 1.5667669475078583e-02 - - -8.1445790827274323e-02 1.5750789642333984e-01 - <_> - - 0 -1 2139 1.1425570119172335e-03 - - 6.3901476562023163e-02 -2.0547799766063690e-01 - <_> - - 0 -1 2140 -5.5744551122188568e-02 - - -3.4481841325759888e-01 1.1300710029900074e-02 - <_> - - 0 -1 2141 -9.2509537935256958e-02 - - 8.9074200391769409e-01 -1.5398530289530754e-02 - <_> - - 0 -1 2142 -5.5660872021690011e-04 - - 8.7056189775466919e-02 -5.1321998238563538e-02 - <_> - - 0 -1 2143 -1.4538520015776157e-02 - - -4.5140060782432556e-01 2.8146119788289070e-02 - <_> - - 0 -1 2144 -3.7515729665756226e-02 - - -7.3286539316177368e-01 6.7265569232404232e-03 - <_> - - 0 -1 2145 -1.5516959829255939e-03 - - 9.1213479638099670e-02 -1.3395330309867859e-01 - <_> - - 0 -1 2146 -9.5461420714855194e-02 - - -9.5529359579086304e-01 2.3820339702069759e-03 - <_> - - 0 -1 2147 -1.2917599640786648e-02 - - 2.7040511369705200e-01 -4.6904701739549637e-02 - <_> - - 0 -1 2148 7.9802395775914192e-03 - - 5.5390980094671249e-02 -2.0667399466037750e-01 - <_> - - 0 -1 2149 6.6025177948176861e-03 - - 6.6448308527469635e-02 -1.9922210276126862e-01 - <_> - - 0 -1 2150 1.7824679613113403e-02 - - -1.4532490074634552e-01 8.9904323220252991e-02 - <_> - - 0 -1 2151 -2.3261539638042450e-02 - - 4.8062869906425476e-01 -2.7084289118647575e-02 - <_> - - 0 -1 2152 -5.3659449331462383e-03 - - -1.9143599271774292e-01 7.0398069918155670e-02 - <_> - - 0 -1 2153 -2.0775340497493744e-02 - - 1.6774240136146545e-01 -8.9455418288707733e-02 - <_> - - 0 -1 2154 6.2107890844345093e-02 - - 1.2815490365028381e-02 -6.4452892541885376e-01 - <_> - - 0 -1 2155 -4.4327871873974800e-03 - - 1.3405950367450714e-01 -1.0231850296258926e-01 - <_> - 210 - -1.4604519605636597e+00 - - <_> - - 0 -1 2156 -4.6693067997694016e-03 - - 1.4297600090503693e-01 -3.5293748974800110e-01 - <_> - - 0 -1 2157 -5.8510829694569111e-04 - - -2.2447289526462555e-01 7.3556646704673767e-02 - <_> - - 0 -1 2158 -3.4788011107593775e-03 - - 1.0603249818086624e-01 -2.5625610351562500e-01 - <_> - - 0 -1 2159 6.2952568987384439e-04 - - 4.1076458990573883e-02 -3.6061421036720276e-01 - <_> - - 0 -1 2160 2.1010650380048901e-04 - - -2.4425220489501953e-01 1.0942090302705765e-01 - <_> - - 0 -1 2161 -2.6671579107642174e-03 - - 8.4581501781940460e-02 -2.7449008822441101e-01 - <_> - - 0 -1 2162 7.1533219888806343e-03 - - -1.2603819370269775e-01 2.0079800486564636e-01 - <_> - - 0 -1 2163 -2.3616119287908077e-03 - - 1.6627199947834015e-01 -1.3186289370059967e-01 - <_> - - 0 -1 2164 3.9599660784006119e-02 - - 5.5119238793849945e-02 -3.4003400802612305e-01 - <_> - - 0 -1 2165 1.9385309424251318e-03 - - -2.0686650276184082e-01 1.0400419682264328e-01 - <_> - - 0 -1 2166 4.3686539866030216e-03 - - 6.4766593277454376e-02 -2.7426311373710632e-01 - <_> - - 0 -1 2167 -3.9834968629293144e-04 - - 5.2820999175310135e-02 -2.2684779763221741e-01 - <_> - - 0 -1 2168 -5.2277399227023125e-03 - - -2.5515750050544739e-01 7.6405368745326996e-02 - <_> - - 0 -1 2169 -1.0445619933307171e-02 - - 1.3513970375061035e-01 -5.0032071769237518e-02 - <_> - - 0 -1 2170 -2.0478919614106417e-03 - - -2.7669870853424072e-01 5.4732039570808411e-02 - <_> - - 0 -1 2171 9.1795288026332855e-03 - - -1.2642470002174377e-01 1.9979229569435120e-01 - <_> - - 0 -1 2172 9.4128772616386414e-04 - - -4.0286481380462646e-01 3.8918491452932358e-02 - <_> - - 0 -1 2173 -4.0410319343209267e-03 - - -2.0108319818973541e-01 5.1456429064273834e-02 - <_> - - 0 -1 2174 -1.2742569670081139e-02 - - 2.2716869413852692e-01 -6.8204790353775024e-02 - <_> - - 0 -1 2175 -4.6246009878814220e-03 - - -2.5854289531707764e-01 7.8878343105316162e-02 - <_> - - 0 -1 2176 -6.4845927990972996e-03 - - -3.1391140818595886e-01 7.1605153381824493e-02 - <_> - - 0 -1 2177 -4.8291690647602081e-02 - - 2.5488480925559998e-01 -2.1891580894589424e-02 - <_> - - 0 -1 2178 8.4315962158143520e-04 - - -1.6529269516468048e-01 8.9575611054897308e-02 - <_> - - 0 -1 2179 -1.0773389786481857e-01 - - -6.0115939378738403e-01 3.3779250225052238e-04 - <_> - - 0 -1 2180 -4.5969419181346893e-02 - - 3.6489740014076233e-01 -3.9942290633916855e-02 - <_> - - 0 -1 2181 -1.6649639233946800e-02 - - -1.1858119815587997e-01 1.0585139691829681e-01 - <_> - - 0 -1 2182 -1.4521550387144089e-02 - - -3.7954211235046387e-01 3.4867148846387863e-02 - <_> - - 0 -1 2183 1.3591590104624629e-03 - - -2.3180609941482544e-01 5.0401471555233002e-02 - <_> - - 0 -1 2184 -5.8343587443232536e-04 - - -2.8496581315994263e-01 4.0894281119108200e-02 - <_> - - 0 -1 2185 7.9833306372165680e-03 - - -3.6992359906435013e-02 1.6985300183296204e-01 - <_> - - 0 -1 2186 9.9762203171849251e-04 - - 6.4871042966842651e-02 -1.8648339807987213e-01 - <_> - - 0 -1 2187 -4.6869087964296341e-03 - - 7.6987423002719879e-02 -8.1482626497745514e-02 - <_> - - 0 -1 2188 3.0047740787267685e-02 - - -2.9839929193258286e-02 4.3676841259002686e-01 - <_> - - 0 -1 2189 1.8069539219141006e-02 - - 2.7509700506925583e-02 -4.2724269628524780e-01 - <_> - - 0 -1 2190 -1.5088430047035217e-01 - - -6.7918521165847778e-01 1.8012860789895058e-02 - <_> - - 0 -1 2191 -2.5836290791630745e-02 - - 2.5797989964485168e-01 -3.5906858742237091e-02 - <_> - - 0 -1 2192 1.8183529376983643e-02 - - 3.5895019769668579e-02 -3.7197691202163696e-01 - <_> - - 0 -1 2193 6.3127309083938599e-02 - - -7.3392972350120544e-02 1.2563429772853851e-01 - <_> - - 0 -1 2194 -6.6507689189165831e-04 - - 8.5442617535591125e-02 -1.5228550136089325e-01 - <_> - - 0 -1 2195 1.0104980319738388e-02 - - 3.4569118171930313e-02 -2.2657699882984161e-01 - <_> - - 0 -1 2196 -1.2355949729681015e-02 - - 1.5785010159015656e-01 -7.4710778892040253e-02 - <_> - - 0 -1 2197 1.5728179365396500e-02 - - 6.8844422698020935e-02 -1.6961769759654999e-01 - <_> - - 0 -1 2198 1.5084549886523746e-05 - - -1.3695539534091949e-01 9.0837597846984863e-02 - <_> - - 0 -1 2199 2.9634479433298111e-02 - - 4.9822349101305008e-02 -2.6809689402580261e-01 - <_> - - 0 -1 2200 2.8015200048685074e-02 - - -8.1799760460853577e-02 1.7842799425125122e-01 - <_> - - 0 -1 2201 2.3299450986087322e-03 - - 6.9535210728645325e-02 -1.8205040693283081e-01 - <_> - - 0 -1 2202 1.3453120365738869e-02 - - -7.0231497287750244e-02 1.8492579460144043e-01 - <_> - - 0 -1 2203 1.4049040153622627e-02 - - 7.6328299939632416e-02 -1.7219689488410950e-01 - <_> - - 0 -1 2204 -1.4648989774286747e-02 - - 3.4281060099601746e-01 -4.3134819716215134e-02 - <_> - - 0 -1 2205 1.4879769878461957e-04 - - -2.7614209055900574e-01 7.3140732944011688e-02 - <_> - - 0 -1 2206 -6.8892319686710835e-03 - - -1.8386749923229218e-01 6.5872021019458771e-02 - <_> - - 0 -1 2207 1.2898260029032826e-03 - - -1.1688020080327988e-01 1.1173330247402191e-01 - <_> - - 0 -1 2208 -2.5763860321603715e-04 - - 8.9391976594924927e-02 -1.4183540642261505e-01 - <_> - - 0 -1 2209 1.3652349822223186e-02 - - 2.5085829198360443e-02 -1.7959770560264587e-01 - <_> - - 0 -1 2210 -5.7484027929604053e-03 - - 1.6128179430961609e-01 -7.9023167490959167e-02 - <_> - - 0 -1 2211 -1.1682719923555851e-02 - - -1.8493950366973877e-01 4.5419961214065552e-02 - <_> - - 0 -1 2212 2.7498970739543438e-03 - - -6.5800942480564117e-02 1.9426700472831726e-01 - <_> - - 0 -1 2213 -1.1797569459304214e-03 - - 5.3563870489597321e-02 -5.5225171148777008e-02 - <_> - - 0 -1 2214 -3.7005849182605743e-02 - - -5.1369887590408325e-01 2.4779239669442177e-02 - <_> - - 0 -1 2215 2.3432020097970963e-02 - - 1.4517559669911861e-02 -3.2621389627456665e-01 - <_> - - 0 -1 2216 -2.4803660809993744e-02 - - 4.1374489665031433e-01 -3.1516589224338531e-02 - <_> - - 0 -1 2217 -9.1133005917072296e-03 - - -2.3262369632720947e-01 6.5307170152664185e-02 - <_> - - 0 -1 2218 -7.2223007678985596e-02 - - 3.1365010142326355e-01 -4.0287811309099197e-02 - <_> - - 0 -1 2219 6.4163007773458958e-03 - - 4.4151920825242996e-02 -1.4439010620117188e-01 - <_> - - 0 -1 2220 5.4361939430236816e-02 - - -4.9821659922599792e-02 2.6239651441574097e-01 - <_> - - 0 -1 2221 -5.9238062240183353e-03 - - 7.4054516851902008e-02 -7.2215773165225983e-02 - <_> - - 0 -1 2222 -3.4175089094787836e-03 - - -3.0714958906173706e-01 3.9461899548768997e-02 - <_> - - 0 -1 2223 1.1367879807949066e-02 - - -4.8698928207159042e-02 1.0077890008687973e-01 - <_> - - 0 -1 2224 2.3361030034720898e-03 - - 4.9539480358362198e-02 -2.3815050721168518e-01 - <_> - - 0 -1 2225 -7.2044372791424394e-04 - - 9.6084482967853546e-02 -9.8123528063297272e-02 - <_> - - 0 -1 2226 -3.4777939436025918e-04 - - 1.0546120256185532e-01 -1.0600890219211578e-01 - <_> - - 0 -1 2227 -6.6456091590225697e-03 - - -1.7471200227737427e-01 4.7264128923416138e-02 - <_> - - 0 -1 2228 4.4261440634727478e-02 - - -4.0742669254541397e-02 2.8637731075286865e-01 - <_> - - 0 -1 2229 3.4959740936756134e-02 - - 1.3479149900376797e-02 -4.4233149290084839e-01 - <_> - - 0 -1 2230 -2.5971820577979088e-02 - - -4.6334660053253174e-01 2.5301979854702950e-02 - <_> - - 0 -1 2231 1.8818200333043933e-03 - - -7.2344467043876648e-02 1.5579940378665924e-01 - <_> - - 0 -1 2232 3.2623678445816040e-02 - - 1.8171060830354691e-02 -6.3472539186477661e-01 - <_> - - 0 -1 2233 1.5041300095617771e-02 - - -5.3582038730382919e-02 1.8320439755916595e-01 - <_> - - 0 -1 2234 -5.5875489488244057e-03 - - 1.5442819893360138e-01 -6.9521442055702209e-02 - <_> - - 0 -1 2235 3.9029030594974756e-03 - - 7.2893843054771423e-02 -1.3542290031909943e-01 - <_> - - 0 -1 2236 4.5964889228343964e-02 - - 2.1482560783624649e-02 -5.4532879590988159e-01 - <_> - - 0 -1 2237 -7.4338473379611969e-02 - - -7.1795612573623657e-01 3.5341270267963409e-03 - <_> - - 0 -1 2238 2.0902850665152073e-03 - - 4.3308760970830917e-02 -2.5078159570693970e-01 - <_> - - 0 -1 2239 -7.5608417391777039e-02 - - 2.7488818764686584e-01 -3.4967329353094101e-02 - <_> - - 0 -1 2240 5.1200888119637966e-03 - - 4.7384329140186310e-02 -2.6794269680976868e-01 - <_> - - 0 -1 2241 -2.0140670239925385e-02 - - 7.2039432823657990e-02 -4.4537059962749481e-02 - <_> - - 0 -1 2242 2.6719279587268829e-02 - - -6.0671631246805191e-02 2.4019980430603027e-01 - <_> - - 0 -1 2243 -2.3299809545278549e-03 - - -1.4848700165748596e-01 6.3779368996620178e-02 - <_> - - 0 -1 2244 1.4248250052332878e-02 - - 3.9471931755542755e-02 -2.7790299057960510e-01 - <_> - - 0 -1 2245 -6.8691447377204895e-02 - - 3.1307551264762878e-01 -2.2111769765615463e-02 - <_> - - 0 -1 2246 -6.5213128924369812e-02 - - 3.6191588640213013e-01 -3.1089780852198601e-02 - <_> - - 0 -1 2247 -1.4469860121607780e-02 - - -1.9942939281463623e-01 2.6489760726690292e-02 - <_> - - 0 -1 2248 -9.4575136899948120e-03 - - -2.9698899388313293e-01 3.6693658679723740e-02 - <_> - - 0 -1 2249 -1.8222700059413910e-01 - - -4.0887731313705444e-01 7.3904348537325859e-03 - <_> - - 0 -1 2250 -2.3991869390010834e-01 - - -9.5519691705703735e-01 1.0895749554038048e-02 - <_> - - 0 -1 2251 -1.4964600093662739e-02 - - 1.3325509428977966e-01 -6.4146116375923157e-02 - <_> - - 0 -1 2252 1.1056339740753174e-01 - - -2.1147079765796661e-02 5.2262008190155029e-01 - <_> - - 0 -1 2253 -1.1857460252940655e-02 - - -2.6103261113166809e-01 2.4917129427194595e-02 - <_> - - 0 -1 2254 1.7032399773597717e-02 - - -4.2655009776353836e-02 2.4324589967727661e-01 - <_> - - 0 -1 2255 -6.6315201111137867e-03 - - -2.7996608614921570e-01 4.7972209751605988e-02 - <_> - - 0 -1 2256 -1.3527619885280728e-03 - - -1.7117640376091003e-01 6.8423986434936523e-02 - <_> - - 0 -1 2257 5.8159399777650833e-02 - - 1.4452300034463406e-02 -3.6640700697898865e-01 - <_> - - 0 -1 2258 9.6522513777017593e-03 - - 6.4102686941623688e-02 -1.9386090338230133e-01 - <_> - - 0 -1 2259 4.6681659296154976e-03 - - -6.4305387437343597e-02 1.2191460281610489e-01 - <_> - - 0 -1 2260 4.8228199593722820e-03 - - 4.2306859046220779e-02 -2.5486230850219727e-01 - <_> - - 0 -1 2261 7.2615491226315498e-03 - - -4.4169031083583832e-02 1.9888080656528473e-01 - <_> - - 0 -1 2262 2.7650638949126005e-03 - - 5.6748721748590469e-02 -1.8802900612354279e-01 - <_> - - 0 -1 2263 -1.2599739711731672e-03 - - 2.9681721329689026e-01 -3.0795339494943619e-02 - <_> - - 0 -1 2264 -1.4079749584197998e-02 - - 1.2790699303150177e-01 -7.7078782021999359e-02 - <_> - - 0 -1 2265 4.1978028602898121e-03 - - -3.2651171088218689e-02 4.4282011687755585e-02 - <_> - - 0 -1 2266 7.4891891563311219e-04 - - -1.1801239848136902e-01 1.0196279734373093e-01 - <_> - - 0 -1 2267 3.9699498564004898e-02 - - 1.6263889148831367e-02 -3.2391819357872009e-01 - <_> - - 0 -1 2268 2.9685199260711670e-03 - - 5.0729360431432724e-02 -2.2522340714931488e-01 - <_> - - 0 -1 2269 3.0207540839910507e-03 - - -6.4312063157558441e-02 6.3618481159210205e-02 - <_> - - 0 -1 2270 -1.0064570233225822e-03 - - -2.2469790279865265e-01 4.3256420642137527e-02 - <_> - - 0 -1 2271 1.6607339493930340e-03 - - -5.8126531541347504e-02 5.9540931135416031e-02 - <_> - - 0 -1 2272 4.9640638753771782e-03 - - -4.8804368823766708e-02 1.8437810242176056e-01 - <_> - - 0 -1 2273 1.7194069921970367e-01 - - 3.6377978976815939e-03 -1.0000029802322388e+00 - <_> - - 0 -1 2274 -2.0992290228605270e-03 - - 1.1951360106468201e-01 -8.8613957166671753e-02 - <_> - - 0 -1 2275 -4.0529989637434483e-03 - - -2.0199899375438690e-01 5.3564589470624924e-02 - <_> - - 0 -1 2276 1.5536800492554903e-03 - - -9.6797212958335876e-02 9.5135137438774109e-02 - <_> - - 0 -1 2277 2.2837040014564991e-03 - - -4.5535419136285782e-02 1.4682759344577789e-01 - <_> - - 0 -1 2278 -1.0094629600644112e-02 - - -1.8853099644184113e-01 4.8864368349313736e-02 - <_> - - 0 -1 2279 -7.0200799964368343e-03 - - 1.4628750085830688e-01 -4.2158648371696472e-02 - <_> - - 0 -1 2280 3.4074939321726561e-03 - - -7.7149718999862671e-02 1.3702009618282318e-01 - <_> - - 0 -1 2281 3.9907437749207020e-03 - - -6.4178831875324249e-02 8.5484616458415985e-02 - <_> - - 0 -1 2282 2.0611559972167015e-02 - - 3.7988938391208649e-02 -2.9359170794487000e-01 - <_> - - 0 -1 2283 -1.9768020138144493e-03 - - 6.0499001294374466e-02 -1.6910280287265778e-01 - <_> - - 0 -1 2284 -2.4783300235867500e-02 - - -5.5052608251571655e-01 1.5831759199500084e-02 - <_> - - 0 -1 2285 -1.5710920095443726e-02 - - 1.9716830551624298e-01 -3.1884010881185532e-02 - <_> - - 0 -1 2286 1.0070169810205698e-03 - - 4.6532750129699707e-02 -2.1853099763393402e-01 - <_> - - 0 -1 2287 -3.7466569337993860e-03 - - -2.5379389524459839e-01 3.9463929831981659e-02 - <_> - - 0 -1 2288 4.5849520713090897e-02 - - 1.3636340387165546e-02 -6.2976127862930298e-01 - <_> - - 0 -1 2289 -1.1040110141038895e-02 - - 2.4939639866352081e-01 -3.8895469158887863e-02 - <_> - - 0 -1 2290 -4.2415689677000046e-03 - - -2.1564769744873047e-01 4.5613430440425873e-02 - <_> - - 0 -1 2291 -3.1175611075013876e-03 - - 1.0641460120677948e-01 -1.2268310040235519e-01 - <_> - - 0 -1 2292 -2.3725910577923059e-03 - - 2.0573639869689941e-01 -6.6338561475276947e-02 - <_> - - 0 -1 2293 -3.6906299646943808e-03 - - -1.5802620351314545e-01 6.6760621964931488e-02 - <_> - - 0 -1 2294 1.0908120311796665e-03 - - -1.7830020189285278e-01 5.7181321084499359e-02 - <_> - - 0 -1 2295 -1.3929420150816441e-02 - - -1.4185859262943268e-01 5.8131370693445206e-02 - <_> - - 0 -1 2296 -2.8283370658755302e-02 - - 2.6451000571250916e-01 -4.5332599431276321e-02 - <_> - - 0 -1 2297 -3.9213709533214569e-04 - - 7.6039716601371765e-02 -8.4666326642036438e-02 - <_> - - 0 -1 2298 -2.0424809772521257e-03 - - -1.6393850743770599e-01 5.7595171034336090e-02 - <_> - - 0 -1 2299 -6.0634050518274307e-02 - - 2.4343550205230713e-01 -1.3630810193717480e-02 - <_> - - 0 -1 2300 5.5472988635301590e-02 - - 1.2274630367755890e-02 -7.6161897182464600e-01 - <_> - - 0 -1 2301 2.6451710611581802e-02 - - -1.6103159636259079e-02 1.4696520566940308e-01 - <_> - - 0 -1 2302 -6.5615847706794739e-02 - - -6.6936880350112915e-01 1.2788389809429646e-02 - <_> - - 0 -1 2303 -2.9287360608577728e-02 - - 3.8422039151191711e-01 -2.0979570224881172e-02 - <_> - - 0 -1 2304 -8.7814256548881531e-02 - - -5.5386292934417725e-01 1.6540929675102234e-02 - <_> - - 0 -1 2305 4.0213011205196381e-02 - - 5.5229798890650272e-03 -1.5169410407543182e-01 - <_> - - 0 -1 2306 7.5501110404729843e-03 - - -5.3081061691045761e-02 1.6791249811649323e-01 - <_> - - 0 -1 2307 7.5557199306786060e-03 - - 4.9213249236345291e-02 -1.8097420036792755e-01 - <_> - - 0 -1 2308 4.2264759540557861e-02 - - 9.8954448476433754e-03 -8.7265938520431519e-01 - <_> - - 0 -1 2309 -1.5821179375052452e-02 - - -4.9515271186828613e-01 1.0424910113215446e-02 - <_> - - 0 -1 2310 4.4557699002325535e-03 - - -5.2823610603809357e-02 1.7409110069274902e-01 - <_> - - 0 -1 2311 -6.3567152246832848e-03 - - 1.0278800129890442e-01 -9.4062283635139465e-02 - <_> - - 0 -1 2312 2.1308339200913906e-03 - - -5.7343449443578720e-02 1.5747800469398499e-01 - <_> - - 0 -1 2313 6.4157308079302311e-03 - - 4.1112188249826431e-02 -2.6482531428337097e-01 - <_> - - 0 -1 2314 -1.0572739690542221e-01 - - -9.2719399929046631e-01 8.6396038532257080e-03 - <_> - - 0 -1 2315 6.1298489570617676e-02 - - 1.1242480017244816e-02 -5.2976250648498535e-01 - <_> - - 0 -1 2316 1.0018650442361832e-02 - - -6.1801191419363022e-02 1.5441860258579254e-01 - <_> - - 0 -1 2317 2.3613891098648310e-03 - - -3.9282340556383133e-02 8.8061779737472534e-02 - <_> - - 0 -1 2318 -4.7975129564292729e-04 - - -1.0663200169801712e-01 8.3887517452239990e-02 - <_> - - 0 -1 2319 7.3982410132884979e-02 - - 4.7058681957423687e-03 -6.0129082202911377e-01 - <_> - - 0 -1 2320 6.3821911811828613e-02 - - 1.1372390203177929e-02 -7.4044847488403320e-01 - <_> - - 0 -1 2321 4.6818208647891879e-04 - - -7.6545506715774536e-02 5.3563810884952545e-02 - <_> - - 0 -1 2322 4.3877989053726196e-01 - - 1.2420959770679474e-02 -6.8776041269302368e-01 - <_> - - 0 -1 2323 2.8831470757722855e-02 - - 1.5150110237300396e-02 -1.3229629397392273e-01 - <_> - - 0 -1 2324 6.7726813256740570e-02 - - -1.8901329487562180e-02 4.8799818754196167e-01 - <_> - - 0 -1 2325 9.5125466585159302e-02 - - 1.2518660165369511e-02 -7.4607741832733154e-01 - <_> - - 0 -1 2326 3.4629011061042547e-03 - - -6.4396522939205170e-02 1.3450330495834351e-01 - <_> - - 0 -1 2327 -1.0220340453088284e-02 - - -1.2102399766445160e-01 3.5081598907709122e-02 - <_> - - 0 -1 2328 -2.5227791070938110e-01 - - 5.3186398744583130e-01 -1.7373610287904739e-02 - <_> - - 0 -1 2329 4.7006108798086643e-03 - - 2.6264479383826256e-02 -1.6305670142173767e-01 - <_> - - 0 -1 2330 8.0487072467803955e-02 - - -1.1193430051207542e-02 7.3598998785018921e-01 - <_> - - 0 -1 2331 -3.8025099784135818e-03 - - -1.1756920069456100e-01 6.4899243414402008e-02 - <_> - - 0 -1 2332 -5.1970399916172028e-02 - - 2.1764869987964630e-01 -4.6299580484628677e-02 - <_> - - 0 -1 2333 -1.2381119653582573e-02 - - -1.3483320176601410e-01 7.0956252515316010e-02 - <_> - - 0 -1 2334 4.6567008830606937e-03 - - 8.4818847477436066e-02 -1.0850810259580612e-01 - <_> - - 0 -1 2335 2.4520549923181534e-02 - - -5.6512400507926941e-02 2.0845490694046021e-01 - <_> - - 0 -1 2336 -6.0728159733116627e-03 - - 1.0253319889307022e-01 -1.0739710181951523e-01 - <_> - - 0 -1 2337 1.3803950278088450e-03 - - -1.2355019897222519e-01 3.8523931056261063e-02 - <_> - - 0 -1 2338 8.3129312843084335e-03 - - 5.0441969186067581e-02 -1.7901860177516937e-01 - <_> - - 0 -1 2339 6.8436772562563419e-04 - - -6.1334688216447830e-02 4.9543838948011398e-02 - <_> - - 0 -1 2340 7.1589440107345581e-02 - - 1.1258729733526707e-02 -7.2902548313140869e-01 - <_> - - 0 -1 2341 -3.9251110865734518e-04 - - -2.9022648930549622e-01 1.3908719643950462e-02 - <_> - - 0 -1 2342 -1.6948020085692406e-02 - - 1.4616020023822784e-01 -5.6298948824405670e-02 - <_> - - 0 -1 2343 2.3180670104920864e-03 - - 2.0289139449596405e-01 -4.3649390339851379e-02 - <_> - - 0 -1 2344 7.9764174297451973e-03 - - -4.8768021166324615e-02 1.8070909380912781e-01 - <_> - - 0 -1 2345 -1.1533150449395180e-02 - - -1.4238800108432770e-01 5.6691840291023254e-02 - <_> - - 0 -1 2346 -5.4723728680983186e-04 - - -2.3844610154628754e-01 3.2061301171779633e-02 - <_> - - 0 -1 2347 -1.1751300189644098e-03 - - 2.5394979864358902e-02 -8.9872613549232483e-02 - <_> - - 0 -1 2348 1.3655239716172218e-02 - - -2.7230219915509224e-02 3.3419778943061829e-01 - <_> - - 0 -1 2349 4.1803810745477676e-03 - - 2.6914540678262711e-02 -1.2557040154933929e-01 - <_> - - 0 -1 2350 3.1565671088173985e-04 - - 6.2177520245313644e-02 -1.3345809280872345e-01 - <_> - - 0 -1 2351 7.4048307724297047e-03 - - 3.1548298895359039e-02 -2.8247129917144775e-01 - <_> - - 0 -1 2352 -1.3977429829537868e-02 - - 1.2342610210180283e-01 -8.0493018031120300e-02 - <_> - - 0 -1 2353 -1.4240520074963570e-02 - - -2.3979499936103821e-01 1.8016669899225235e-02 - <_> - - 0 -1 2354 -2.2901569306850433e-01 - - -4.2895668745040894e-01 2.0032370463013649e-02 - <_> - - 0 -1 2355 2.6522560045123100e-02 - - -2.9899509623646736e-02 3.1195539236068726e-01 - <_> - - 0 -1 2356 5.0723659805953503e-03 - - 6.2117800116539001e-02 -1.5442310273647308e-01 - <_> - - 0 -1 2357 2.2340700961649418e-03 - - 3.0717259272933006e-02 -1.4656220376491547e-01 - <_> - - 0 -1 2358 -4.6348381787538528e-02 - - -6.7844080924987793e-01 1.2258620001375675e-02 - <_> - - 0 -1 2359 -3.0467000324279070e-03 - - 1.0547509789466858e-01 -5.4426789283752441e-02 - <_> - - 0 -1 2360 7.0065702311694622e-03 - - -5.2537959069013596e-02 2.4259300529956818e-01 - <_> - - 0 -1 2361 -2.7783720288425684e-03 - - -1.0732100158929825e-01 7.4064619839191437e-02 - <_> - - 0 -1 2362 -4.2294961167499423e-04 - - 6.8151466548442841e-02 -1.4117160439491272e-01 - <_> - - 0 -1 2363 -8.7614007294178009e-02 - - -6.5271192789077759e-01 3.3460480626672506e-03 - <_> - - 0 -1 2364 1.2552930042147636e-02 - - 3.3235169947147369e-02 -2.6571980118751526e-01 - <_> - - 0 -1 2365 -2.1863510832190514e-02 - - 1.5599909424781799e-01 -3.7561919540166855e-02 - <_> - 189 - -1.6477719545364380e+00 - - <_> - - 0 -1 2366 1.9715659320354462e-02 - - -4.0786159038543701e-01 1.6317300498485565e-01 - <_> - - 0 -1 2367 4.9977540969848633e-02 - - -2.5753161311149597e-01 2.3471170663833618e-01 - <_> - - 0 -1 2368 3.4774339292198420e-04 - - -2.7148011326789856e-01 1.5202049911022186e-01 - <_> - - 0 -1 2369 8.2787703722715378e-03 - - 8.6229562759399414e-02 -4.2272651195526123e-01 - <_> - - 0 -1 2370 1.2891810387372971e-02 - - -2.7589491009712219e-01 9.9677331745624542e-02 - <_> - - 0 -1 2371 -5.2444688044488430e-03 - - 1.4687310159206390e-01 -1.8090559542179108e-01 - <_> - - 0 -1 2372 4.7363140038214624e-04 - - 1.1544570326805115e-01 -2.3242090642452240e-01 - <_> - - 0 -1 2373 1.0767930187284946e-02 - - -2.3256160318851471e-01 5.7885929942131042e-02 - <_> - - 0 -1 2374 -2.0576089154928923e-03 - - -4.0554818511009216e-01 6.1086129397153854e-02 - <_> - - 0 -1 2375 1.2648279964923859e-01 - - 2.5926080998033285e-03 -6.0955828428268433e-01 - <_> - - 0 -1 2376 2.2029090672731400e-02 - - -2.3835970461368561e-01 1.1523839831352234e-01 - <_> - - 0 -1 2377 8.6279091192409396e-04 - - -2.4382559955120087e-01 4.8174999654293060e-02 - <_> - - 0 -1 2378 6.1232252046465874e-03 - - -3.3293130993843079e-01 7.3860548436641693e-02 - <_> - - 0 -1 2379 1.8321570241823792e-03 - - 7.4964806437492371e-02 -3.6050680279731750e-01 - <_> - - 0 -1 2380 1.3176959939301014e-02 - - 7.8650407493114471e-02 -3.0009350180625916e-01 - <_> - - 0 -1 2381 -1.5092800371348858e-02 - - -4.5663359761238098e-01 4.5359719544649124e-02 - <_> - - 0 -1 2382 -3.9765550754964352e-03 - - -3.7404119968414307e-01 5.7276591658592224e-02 - <_> - - 0 -1 2383 -1.2558099813759327e-02 - - 1.8079389631748199e-01 -9.0798392891883850e-02 - <_> - - 0 -1 2384 1.1346530169248581e-02 - - 6.7842416465282440e-02 -3.3354648947715759e-01 - <_> - - 0 -1 2385 3.0938379932194948e-03 - - -6.4362257719039917e-02 1.6250990331172943e-01 - <_> - - 0 -1 2386 -7.9837916418910027e-03 - - -2.8237259387969971e-01 6.4243227243423462e-02 - <_> - - 0 -1 2387 5.3257539868354797e-02 - - -1.1842279881238937e-01 1.5403720736503601e-01 - <_> - - 0 -1 2388 -3.2308440655469894e-02 - - -3.8174659013748169e-01 4.6444781124591827e-02 - <_> - - 0 -1 2389 7.4837519787251949e-03 - - 1.0087630152702332e-01 -1.7848369479179382e-01 - <_> - - 0 -1 2390 1.4075540006160736e-02 - - -1.3612699508666992e-01 1.2589199841022491e-01 - <_> - - 0 -1 2391 1.1945860460400581e-02 - - -4.6452131122350693e-02 3.1823348999023438e-01 - <_> - - 0 -1 2392 4.9774140119552612e-02 - - 3.7373390048742294e-02 -4.3919241428375244e-01 - <_> - - 0 -1 2393 1.1070669861510396e-03 - - 3.3163610845804214e-02 -1.8855419754981995e-01 - <_> - - 0 -1 2394 -2.8594989329576492e-02 - - -3.6906918883323669e-01 4.1930228471755981e-02 - <_> - - 0 -1 2395 -7.6013091020286083e-03 - - 5.2191480994224548e-02 -2.4689050018787384e-01 - <_> - - 0 -1 2396 1.3114510476589203e-01 - - -5.7957381010055542e-02 2.7318599820137024e-01 - <_> - - 0 -1 2397 -7.4186350502714049e-06 - - 1.1802060157060623e-01 -1.0745350271463394e-01 - <_> - - 0 -1 2398 3.1472120434045792e-02 - - -7.1733877062797546e-02 2.5617578625679016e-01 - <_> - - 0 -1 2399 3.8700491189956665e-02 - - 4.2863689363002777e-02 -6.0855817794799805e-01 - <_> - - 0 -1 2400 -3.9322520606219769e-03 - - -2.2127309441566467e-01 6.5617948770523071e-02 - <_> - - 0 -1 2401 2.3144779726862907e-02 - - -6.8200387060642242e-02 1.6107009351253510e-01 - <_> - - 0 -1 2402 4.4043041765689850e-02 - - -5.4092731326818466e-02 2.7009010314941406e-01 - <_> - - 0 -1 2403 1.6363389790058136e-02 - - -6.7165039479732513e-02 1.4292019605636597e-01 - <_> - - 0 -1 2404 4.0575690567493439e-02 - - 2.7095599099993706e-02 -5.1922810077667236e-01 - <_> - - 0 -1 2405 -8.1591978669166565e-02 - - 3.6290401220321655e-01 -5.0641149282455444e-02 - <_> - - 0 -1 2406 9.6564572304487228e-03 - - -6.5868496894836426e-02 2.0459869503974915e-01 - <_> - - 0 -1 2407 4.3875370174646378e-02 - - 2.8287120163440704e-02 -4.7316759824752808e-01 - <_> - - 0 -1 2408 -5.3375590592622757e-02 - - -6.3912391662597656e-01 1.9213579595088959e-02 - <_> - - 0 -1 2409 -4.2789369821548462e-02 - - 3.7414470314979553e-01 -3.6020539700984955e-02 - <_> - - 0 -1 2410 -1.4193350449204445e-02 - - -3.0562171339988708e-01 5.1724649965763092e-02 - <_> - - 0 -1 2411 -5.2947051823139191e-02 - - 2.2203849256038666e-01 -2.7123190462589264e-02 - <_> - - 0 -1 2412 3.0441719293594360e-01 - - 2.8107000514864922e-02 -5.1486051082611084e-01 - <_> - - 0 -1 2413 9.6917577087879181e-02 - - 7.5603500008583069e-03 -5.4642218351364136e-01 - <_> - - 0 -1 2414 4.5469900942407548e-04 - - -2.2257779538631439e-01 5.9663061052560806e-02 - <_> - - 0 -1 2415 6.4785419963300228e-03 - - 7.0507273077964783e-02 -8.6525917053222656e-02 - <_> - - 0 -1 2416 9.5442440360784531e-03 - - 1.1858390271663666e-01 -1.2846529483795166e-01 - <_> - - 0 -1 2417 1.0664040222764015e-02 - - 6.0251180082559586e-02 -2.3454129695892334e-01 - <_> - - 0 -1 2418 -5.9601400047540665e-02 - - -4.9083110690116882e-01 3.1179970130324364e-02 - <_> - - 0 -1 2419 -1.4810609631240368e-02 - - 1.7928470671176910e-01 -5.3788300603628159e-02 - <_> - - 0 -1 2420 2.4988459423184395e-02 - - 4.5585051178932190e-02 -3.1542968750000000e-01 - <_> - - 0 -1 2421 3.7159871309995651e-02 - - -2.5552989915013313e-02 1.2824480235576630e-01 - <_> - - 0 -1 2422 -3.6023799329996109e-02 - - 3.0338558554649353e-01 -5.0723869353532791e-02 - <_> - - 0 -1 2423 -4.0073681622743607e-02 - - -3.5327419638633728e-01 2.5542749091982841e-02 - <_> - - 0 -1 2424 1.0118799656629562e-01 - - 1.4954050071537495e-02 -8.5275518894195557e-01 - <_> - - 0 -1 2425 1.2551939487457275e-01 - - -5.5777598172426224e-02 3.5162329673767090e-02 - <_> - - 0 -1 2426 -1.0094200260937214e-02 - - -7.9517722129821777e-01 1.6658289358019829e-02 - <_> - - 0 -1 2427 2.7957880869507790e-02 - - 3.0823230743408203e-02 -2.9073038697242737e-01 - <_> - - 0 -1 2428 3.6360241472721100e-02 - - 2.7960959821939468e-02 -4.7691631317138672e-01 - <_> - - 0 -1 2429 -9.9100463092327118e-02 - - -3.0804800987243652e-01 4.2725458741188049e-02 - <_> - - 0 -1 2430 -5.8572040870785713e-04 - - 5.9227660298347473e-02 -2.3531119525432587e-01 - <_> - - 0 -1 2431 -5.1202569156885147e-02 - - -5.2199620008468628e-01 1.4952239580452442e-02 - <_> - - 0 -1 2432 -6.7564798519015312e-03 - - 1.4085020124912262e-01 -9.0452179312705994e-02 - <_> - - 0 -1 2433 -4.8959780484437943e-02 - - -6.6878128051757812e-01 2.0590359345078468e-02 - <_> - - 0 -1 2434 1.4971289783716202e-04 - - -1.8641050159931183e-01 6.5254852175712585e-02 - <_> - - 0 -1 2435 -3.4409679472446442e-02 - - -6.5235960483551025e-01 1.4693650417029858e-02 - <_> - - 0 -1 2436 6.4725689589977264e-02 - - 1.2329719960689545e-02 -8.4077721834182739e-01 - <_> - - 0 -1 2437 1.7888710135594010e-03 - - -3.3088308572769165e-01 2.3944050073623657e-02 - <_> - - 0 -1 2438 7.4999839067459106e-02 - - 2.6347629725933075e-02 -4.4841340184211731e-01 - <_> - - 0 -1 2439 -1.3695800304412842e-01 - - -5.7192331552505493e-01 1.2316530337557197e-03 - <_> - - 0 -1 2440 8.7679617106914520e-02 - - 9.1852411627769470e-02 -1.4714670181274414e-01 - <_> - - 0 -1 2441 -1.4691170305013657e-02 - - -2.7389299869537354e-01 5.5910948663949966e-02 - <_> - - 0 -1 2442 1.8059760332107544e-01 - - 1.8475739285349846e-02 -6.2247991561889648e-01 - <_> - - 0 -1 2443 -6.9349152036011219e-03 - - -1.6723890602588654e-01 4.2348120361566544e-02 - <_> - - 0 -1 2444 -4.5395728200674057e-02 - - 5.6401878595352173e-01 -2.0763039588928223e-02 - <_> - - 0 -1 2445 -3.7714779376983643e-02 - - -4.9726399779319763e-01 1.3457749970257282e-02 - <_> - - 0 -1 2446 -6.6780918277800083e-03 - - 1.5654189884662628e-01 -7.9254247248172760e-02 - <_> - - 0 -1 2447 -3.5693418234586716e-02 - - 3.2214561104774475e-01 -2.7933960780501366e-02 - <_> - - 0 -1 2448 2.0231369417160749e-03 - - -2.0472900569438934e-01 6.0136921703815460e-02 - <_> - - 0 -1 2449 7.7706989832222462e-03 - - -6.2275718897581100e-02 1.3619600236415863e-01 - <_> - - 0 -1 2450 -2.3846060037612915e-02 - - -6.4280962944030762e-01 1.9216870889067650e-02 - <_> - - 0 -1 2451 3.8112789392471313e-02 - - 1.6926249489188194e-02 -3.2001879811286926e-01 - <_> - - 0 -1 2452 -8.1509854644536972e-03 - - -1.8527400493621826e-01 6.7431643605232239e-02 - <_> - - 0 -1 2453 3.0041670799255371e-01 - - -3.4997869282960892e-02 3.7719568610191345e-01 - <_> - - 0 -1 2454 3.2188769546337426e-04 - - -4.3860068917274475e-01 3.1008180230855942e-02 - <_> - - 0 -1 2455 9.9805131554603577e-02 - - 2.1043010056018829e-02 -2.4182139337062836e-01 - <_> - - 0 -1 2456 -1.3132029771804810e-01 - - -6.0744529962539673e-01 1.9127229228615761e-02 - <_> - - 0 -1 2457 -4.4457878917455673e-02 - - -2.8207719326019287e-01 1.6199590638279915e-02 - <_> - - 0 -1 2458 -5.3282459266483784e-03 - - 1.9118839502334595e-01 -6.4483523368835449e-02 - <_> - - 0 -1 2459 4.0367528796195984e-02 - - 1.6362620517611504e-02 -5.5463272333145142e-01 - <_> - - 0 -1 2460 -8.7769925594329834e-03 - - -3.8903188705444336e-01 3.1277969479560852e-02 - <_> - - 0 -1 2461 -1.5031780116260052e-02 - - 4.4966968894004822e-01 -1.8708650022745132e-02 - <_> - - 0 -1 2462 -3.2085120677947998e-02 - - 2.2872669994831085e-01 -5.2647799253463745e-02 - <_> - - 0 -1 2463 1.7735429573804140e-03 - - 1.0644569993019104e-01 -1.1970230191946030e-01 - <_> - - 0 -1 2464 5.9195980429649353e-02 - - -6.4485557377338409e-02 1.8440729379653931e-01 - <_> - - 0 -1 2465 1.1976130306720734e-02 - - -4.6655338257551193e-02 2.2750610113143921e-01 - <_> - - 0 -1 2466 -7.3619361501187086e-04 - - 6.4427956938743591e-02 -1.9669359922409058e-01 - <_> - - 0 -1 2467 1.1274980008602142e-01 - - -3.2603729516267776e-02 2.6165801286697388e-01 - <_> - - 0 -1 2468 -2.9639130458235741e-02 - - -2.4286089837551117e-01 5.2550770342350006e-02 - <_> - - 0 -1 2469 -4.8972599208354950e-02 - - 2.9013419151306152e-01 -3.9936609566211700e-02 - <_> - - 0 -1 2470 -2.0732060074806213e-03 - - 6.6728956997394562e-02 -1.8385919928550720e-01 - <_> - - 0 -1 2471 1.8652489781379700e-01 - - 2.5788070634007454e-02 -3.0477121472358704e-01 - <_> - - 0 -1 2472 -6.4846210181713104e-02 - - 5.8964151144027710e-01 -2.1531870588660240e-02 - <_> - - 0 -1 2473 5.9668030589818954e-02 - - 9.0434495359659195e-03 -8.9928478002548218e-01 - <_> - - 0 -1 2474 -2.2810790687799454e-02 - - -5.5689752101898193e-01 2.1036420017480850e-02 - <_> - - 0 -1 2475 -4.3924558907747269e-02 - - -7.7569800615310669e-01 1.3244120404124260e-02 - <_> - - 0 -1 2476 -8.1411283463239670e-03 - - -1.6145749390125275e-01 6.3869751989841461e-02 - <_> - - 0 -1 2477 -1.7681140452623367e-02 - - -1.7088229954242706e-01 4.4323820620775223e-02 - <_> - - 0 -1 2478 3.5615780949592590e-01 - - 1.3911530375480652e-02 -8.2366949319839478e-01 - <_> - - 0 -1 2479 8.9791387319564819e-02 - - -3.3068671822547913e-02 3.9501950144767761e-01 - <_> - - 0 -1 2480 -5.1039960235357285e-02 - - -4.9687319993972778e-01 2.4911910295486450e-02 - <_> - - 0 -1 2481 4.4502970576286316e-01 - - 1.3085749931633472e-02 -7.1374338865280151e-01 - <_> - - 0 -1 2482 -3.1571299768984318e-03 - - -2.3235230147838593e-01 4.5422729104757309e-02 - <_> - - 0 -1 2483 2.2295509278774261e-01 - - 2.5272920727729797e-02 -4.5817920565605164e-01 - <_> - - 0 -1 2484 8.1787049770355225e-02 - - -5.6966669857501984e-02 2.0633119344711304e-01 - <_> - - 0 -1 2485 1.2290639802813530e-02 - - 1.0433530062437057e-01 -1.4129990339279175e-01 - <_> - - 0 -1 2486 3.2738980371505022e-03 - - -1.9929160177707672e-01 5.7900499552488327e-02 - <_> - - 0 -1 2487 3.1915940344333649e-03 - - -2.8649568557739258e-01 3.8445938378572464e-02 - <_> - - 0 -1 2488 -6.9429136812686920e-02 - - 3.9995300769805908e-01 -2.9228420928120613e-02 - <_> - - 0 -1 2489 3.0896291136741638e-01 - - 4.5684990473091602e-03 -9.7593581676483154e-01 - <_> - - 0 -1 2490 6.0547169297933578e-02 - - -1.7227350175380707e-01 7.3367759585380554e-02 - <_> - - 0 -1 2491 8.0296747386455536e-02 - - 1.2790890410542488e-02 -2.9636448621749878e-01 - <_> - - 0 -1 2492 9.8309047520160675e-02 - - 1.7421530559659004e-02 -7.3428112268447876e-01 - <_> - - 0 -1 2493 -6.0651078820228577e-02 - - -8.9268088340759277e-01 9.2950398102402687e-03 - <_> - - 0 -1 2494 -1.1067830026149750e-02 - - 3.6940470337867737e-01 -3.2281860709190369e-02 - <_> - - 0 -1 2495 -1.7252689227461815e-02 - - 2.0163689553737640e-01 -3.0649609863758087e-02 - <_> - - 0 -1 2496 1.1417149752378464e-01 - - -7.2567440569400787e-02 1.4580799639225006e-01 - <_> - - 0 -1 2497 -1.1878489749506116e-04 - - 6.6703669726848602e-02 -1.2044110149145126e-01 - <_> - - 0 -1 2498 4.2538821697235107e-02 - - 1.4235669374465942e-01 -9.3128196895122528e-02 - <_> - - 0 -1 2499 4.6220790594816208e-02 - - -4.5348118990659714e-02 2.6667690277099609e-01 - <_> - - 0 -1 2500 -1.2598860263824463e-01 - - -6.2195998430252075e-01 1.9361790269613266e-02 - <_> - - 0 -1 2501 1.4336410164833069e-01 - - 1.5602460131049156e-02 -3.4269729256629944e-01 - <_> - - 0 -1 2502 1.4853400178253651e-02 - - -1.9399890303611755e-01 5.9365049004554749e-02 - <_> - - 0 -1 2503 2.9607299715280533e-02 - - 2.9370859265327454e-02 -1.1840560287237167e-01 - <_> - - 0 -1 2504 4.5151200145483017e-02 - - -3.1025370582938194e-02 4.2335650324821472e-01 - <_> - - 0 -1 2505 1.7347050830721855e-02 - - 5.2468661218881607e-02 -1.7071889340877533e-01 - <_> - - 0 -1 2506 4.8696789890527725e-02 - - 1.3757590204477310e-02 -7.3853892087936401e-01 - <_> - - 0 -1 2507 -2.5120940059423447e-02 - - -2.6077219843864441e-01 3.6249000579118729e-02 - <_> - - 0 -1 2508 -1.4412039890885353e-02 - - 1.8435400724411011e-01 -5.5376049131155014e-02 - <_> - - 0 -1 2509 1.6011130064725876e-02 - - -3.3822190016508102e-02 9.8490990698337555e-02 - <_> - - 0 -1 2510 -6.3778877258300781e-02 - - 3.9596658945083618e-01 -2.6605289429426193e-02 - <_> - - 0 -1 2511 -1.2431790120899677e-02 - - -2.7103281021118164e-01 5.1153909415006638e-02 - <_> - - 0 -1 2512 1.5430289506912231e-01 - - -2.9742069542407990e-02 3.6223879456520081e-01 - <_> - - 0 -1 2513 6.8953618407249451e-02 - - 1.4560540206730366e-02 -7.1308761835098267e-01 - <_> - - 0 -1 2514 2.6809390634298325e-02 - - 3.0903020873665810e-02 -3.1453761458396912e-01 - <_> - - 0 -1 2515 -5.4339639842510223e-02 - - -5.7081592082977295e-01 6.3606691546738148e-03 - <_> - - 0 -1 2516 -7.4291341006755829e-03 - - -2.1167820692062378e-01 5.4728411138057709e-02 - <_> - - 0 -1 2517 1.5004719607532024e-02 - - -1.3576979935169220e-01 3.6672618240118027e-02 - <_> - - 0 -1 2518 2.3438859730958939e-02 - - -6.2095177173614502e-01 1.7451370134949684e-02 - <_> - - 0 -1 2519 2.1869429945945740e-01 - - -2.5175819173455238e-02 2.4256730079650879e-01 - <_> - - 0 -1 2520 7.2554901242256165e-02 - - 3.0378310009837151e-02 -3.5316839814186096e-01 - <_> - - 0 -1 2521 -6.0775190591812134e-02 - - 6.1231142282485962e-01 -2.9397750273346901e-02 - <_> - - 0 -1 2522 1.0405359789729118e-02 - - -4.8925351351499557e-02 2.0042200386524200e-01 - <_> - - 0 -1 2523 -4.4559161178767681e-03 - - -1.8175999820232391e-01 5.1460109651088715e-02 - <_> - - 0 -1 2524 5.3141661919653416e-03 - - 1.0836429893970490e-01 -1.1464370042085648e-01 - <_> - - 0 -1 2525 2.8129909187555313e-02 - - 4.8452459275722504e-02 -1.0588149726390839e-01 - <_> - - 0 -1 2526 -1.0029030032455921e-02 - - -2.8854200243949890e-01 4.6509381383657455e-02 - <_> - - 0 -1 2527 4.1623760014772415e-02 - - -5.2424181252717972e-02 2.4638059735298157e-01 - <_> - - 0 -1 2528 1.7407029867172241e-02 - - -5.9511799365282059e-02 2.2489009797573090e-01 - <_> - - 0 -1 2529 -9.1012917459011078e-02 - - 3.8434851169586182e-01 -2.6776079088449478e-02 - <_> - - 0 -1 2530 -5.5964559316635132e-02 - - 3.3512559533119202e-01 -3.7086669355630875e-02 - <_> - - 0 -1 2531 -2.3191609978675842e-01 - - -7.9937142133712769e-01 1.6157710924744606e-02 - <_> - - 0 -1 2532 1.5095779672265053e-02 - - 1.9562739878892899e-02 -4.7588780522346497e-01 - <_> - - 0 -1 2533 -6.3537202775478363e-02 - - 5.5103862285614014e-01 -9.9191991612315178e-03 - <_> - - 0 -1 2534 5.0780471414327621e-02 - - -5.0766121596097946e-02 1.9856730103492737e-01 - <_> - - 0 -1 2535 3.3435709774494171e-02 - - 1.7100030556321144e-02 -3.9106050133705139e-01 - <_> - - 0 -1 2536 2.7236310765147209e-02 - - 1.9491130486130714e-02 -4.9955821037292480e-01 - <_> - - 0 -1 2537 3.6144461482763290e-02 - - 1.9712809473276138e-02 -4.7714808583259583e-01 - <_> - - 0 -1 2538 -3.7110898643732071e-02 - - -7.1080970764160156e-01 1.3297240249812603e-02 - <_> - - 0 -1 2539 -1.6986919799819589e-03 - - -1.1454039812088013e-01 5.3833190351724625e-02 - <_> - - 0 -1 2540 7.0956937270238996e-04 - - -1.1852429807186127e-01 8.6146153509616852e-02 - <_> - - 0 -1 2541 -3.9854459464550018e-02 - - -2.1784169971942902e-01 7.9314615577459335e-03 - <_> - - 0 -1 2542 -2.6265300810337067e-02 - - 5.1828277111053467e-01 -1.9502539187669754e-02 - <_> - - 0 -1 2543 1.5767179429531097e-03 - - -9.0025149285793304e-02 4.3614149093627930e-02 - <_> - - 0 -1 2544 8.4500849246978760e-02 - - 1.9108800217509270e-02 -5.8049428462982178e-01 - <_> - - 0 -1 2545 5.8061029762029648e-02 - - 5.1128780469298363e-03 -3.6629718542098999e-01 - <_> - - 0 -1 2546 -8.6446420755237341e-04 - - 9.8551221191883087e-02 -9.9286876618862152e-02 - <_> - - 0 -1 2547 -1.6358779743313789e-02 - - -2.2353939712047577e-01 4.5100010931491852e-02 - <_> - - 0 -1 2548 1.2069500051438808e-02 - - -3.0885580927133560e-02 3.5933670401573181e-01 - <_> - - 0 -1 2549 6.4932592213153839e-02 - - 8.9946594089269638e-03 -6.5505272150039673e-01 - <_> - - 0 -1 2550 -1.6384720802307129e-02 - - 1.8374380469322205e-01 -5.8319728821516037e-02 - <_> - - 0 -1 2551 3.6467831581830978e-02 - - 3.3053800463676453e-02 -3.1176608800888062e-01 - <_> - - 0 -1 2552 -4.8026088625192642e-03 - - -1.3096930086612701e-01 8.8815420866012573e-02 - <_> - - 0 -1 2553 -9.7134411334991455e-03 - - 1.2485890090465546e-01 -4.5851919800043106e-02 - <_> - - 0 -1 2554 -3.6871319753117859e-04 - - 1.0798580199480057e-01 -1.0795330256223679e-01 - <_> - 248 - -1.3472950458526611e+00 - - <_> - - 0 -1 2555 4.8573319800198078e-03 - - -2.2165919840335846e-01 2.0661990344524384e-01 - <_> - - 0 -1 2556 -9.0601091505959630e-04 - - 9.2684216797351837e-02 -3.4692689776420593e-01 - <_> - - 0 -1 2557 3.8109601009637117e-03 - - -4.7693979740142822e-01 7.2208866477012634e-02 - <_> - - 0 -1 2558 -1.9349349895492196e-03 - - -2.3474289476871490e-01 1.0308369994163513e-01 - <_> - - 0 -1 2559 4.6932199038565159e-03 - - -2.1755599975585938e-01 1.0297770053148270e-01 - <_> - - 0 -1 2560 -4.5681721530854702e-03 - - -3.2979539036750793e-01 6.2108699232339859e-02 - <_> - - 0 -1 2561 2.0976159721612930e-03 - - -2.7585551142692566e-01 7.4447788298130035e-02 - <_> - - 0 -1 2562 -2.3434460163116455e-02 - - -2.4517090618610382e-01 2.0888300612568855e-02 - <_> - - 0 -1 2563 -7.5489659793674946e-03 - - -2.3539499938488007e-01 8.0594792962074280e-02 - <_> - - 0 -1 2564 -1.3637889642268419e-03 - - 1.2462289631366730e-01 -1.4383980631828308e-01 - <_> - - 0 -1 2565 2.0881770178675652e-02 - - -2.5486978888511658e-01 7.0480130612850189e-02 - <_> - - 0 -1 2566 -1.6712560318410397e-03 - - -1.4747080206871033e-01 9.3597747385501862e-02 - <_> - - 0 -1 2567 -5.8552708476781845e-02 - - 3.7929660081863403e-01 -3.7892241030931473e-02 - <_> - - 0 -1 2568 -4.7591641545295715e-02 - - 3.4769389033317566e-01 -2.9484409838914871e-02 - <_> - - 0 -1 2569 5.7788072153925896e-03 - - 4.1627179831266403e-02 -3.8012310862541199e-01 - <_> - - 0 -1 2570 6.1923051252961159e-03 - - -7.9854242503643036e-02 1.4662300050258636e-01 - <_> - - 0 -1 2571 8.6211357265710831e-03 - - -7.9052597284317017e-02 1.9707180559635162e-01 - <_> - - 0 -1 2572 3.8787689805030823e-01 - - 9.9500510841608047e-03 -5.4955279827117920e-01 - <_> - - 0 -1 2573 1.2184830009937286e-01 - - 2.1560879424214363e-02 -7.1182191371917725e-01 - <_> - - 0 -1 2574 5.6779510341584682e-03 - - 5.0778731703758240e-02 -1.9817540049552917e-01 - <_> - - 0 -1 2575 -3.2407268881797791e-02 - - -6.5776360034942627e-01 1.8930230289697647e-02 - <_> - - 0 -1 2576 2.3834649473428726e-03 - - 3.5910621285438538e-02 -1.9386079907417297e-01 - <_> - - 0 -1 2577 4.4861159403808415e-04 - - 6.3049189746379852e-02 -2.3067280650138855e-01 - <_> - - 0 -1 2578 2.8381360694766045e-02 - - 1.3798769563436508e-02 -2.0287990570068359e-01 - <_> - - 0 -1 2579 -2.7084869798272848e-03 - - -1.6455270349979401e-01 8.1182733178138733e-02 - <_> - - 0 -1 2580 -1.3218579813838005e-02 - - 1.2929069995880127e-01 -4.9410581588745117e-02 - <_> - - 0 -1 2581 1.8623949727043509e-03 - - -2.7398198843002319e-01 4.5746099203824997e-02 - <_> - - 0 -1 2582 -6.6727721132338047e-03 - - -1.5167540311813354e-01 5.5587619543075562e-02 - <_> - - 0 -1 2583 1.9492399878799915e-03 - - -8.5547126829624176e-02 1.3712610304355621e-01 - <_> - - 0 -1 2584 -7.0978812873363495e-02 - - -7.7429318428039551e-01 5.5506629869341850e-03 - <_> - - 0 -1 2585 5.7003321126103401e-03 - - 6.0299661010503769e-02 -2.3000110685825348e-01 - <_> - - 0 -1 2586 6.6310778260231018e-02 - - -8.5690699517726898e-02 1.5169920027256012e-01 - <_> - - 0 -1 2587 -8.5291899740695953e-03 - - 1.4297589659690857e-01 -9.1805547475814819e-02 - <_> - - 0 -1 2588 5.1141469739377499e-03 - - 4.6917989850044250e-02 -1.3319849967956543e-01 - <_> - - 0 -1 2589 1.9523530500009656e-03 - - -1.4177489280700684e-01 1.0524170100688934e-01 - <_> - - 0 -1 2590 1.9558310508728027e-01 - - 1.4478860422968864e-02 -7.9985427856445312e-01 - <_> - - 0 -1 2591 5.3029200062155724e-03 - - 3.7237700074911118e-02 -2.6131349802017212e-01 - <_> - - 0 -1 2592 6.4814360812306404e-03 - - -4.9092698842287064e-02 2.5681778788566589e-01 - <_> - - 0 -1 2593 -6.1802868731319904e-03 - - -2.1317920088768005e-01 6.1390031129121780e-02 - <_> - - 0 -1 2594 1.9895739387720823e-03 - - -7.1335382759571075e-02 1.3002429902553558e-01 - <_> - - 0 -1 2595 -4.2928531183861196e-04 - - 7.2383478283882141e-02 -1.5643799304962158e-01 - <_> - - 0 -1 2596 -4.5690318802371621e-04 - - 7.5732357800006866e-02 -1.0932859778404236e-01 - <_> - - 0 -1 2597 -1.3333739340305328e-01 - - -5.4889208078384399e-01 1.9494550302624702e-02 - <_> - - 0 -1 2598 8.2705507520586252e-04 - - -1.8739989399909973e-01 5.7498261332511902e-02 - <_> - - 0 -1 2599 -1.6954699531197548e-03 - - -1.4100700616836548e-01 8.6548388004302979e-02 - <_> - - 0 -1 2600 9.8944529891014099e-03 - - 1.7898159101605415e-02 -3.1395688652992249e-01 - <_> - - 0 -1 2601 6.0766572132706642e-03 - - -1.3120110332965851e-01 9.1578528285026550e-02 - <_> - - 0 -1 2602 -3.5680279135704041e-02 - - -3.8880988955497742e-01 1.1377809569239616e-02 - <_> - - 0 -1 2603 8.7540567619726062e-04 - - 5.3022928535938263e-02 -2.1509949862957001e-01 - <_> - - 0 -1 2604 1.9438719609752297e-03 - - -8.1035703420639038e-02 1.3382309675216675e-01 - <_> - - 0 -1 2605 5.6398138403892517e-02 - - 1.4857930131256580e-02 -6.9551151990890503e-01 - <_> - - 0 -1 2606 -1.0274930391460657e-03 - - -1.9196349382400513e-01 4.7596029937267303e-02 - <_> - - 0 -1 2607 -3.3568819053471088e-03 - - 1.0466050356626511e-01 -1.0170979797840118e-01 - <_> - - 0 -1 2608 1.1734040081501007e-01 - - -4.6565439552068710e-02 2.0878739655017853e-01 - <_> - - 0 -1 2609 8.8005866855382919e-03 - - 9.1754652559757233e-02 -1.2221500277519226e-01 - <_> - - 0 -1 2610 2.4095149710774422e-03 - - -3.6752160638570786e-02 2.3443439602851868e-01 - <_> - - 0 -1 2611 -2.8434590785764158e-04 - - -1.9996729493141174e-01 4.7353159636259079e-02 - <_> - - 0 -1 2612 1.7623709514737129e-02 - - -2.2765519097447395e-02 2.5646668672561646e-01 - <_> - - 0 -1 2613 1.4121740125119686e-02 - - 2.2659989073872566e-02 -4.2449080944061279e-01 - <_> - - 0 -1 2614 -1.5290649607777596e-02 - - 2.4445760250091553e-01 -4.3145630508661270e-02 - <_> - - 0 -1 2615 -2.5426879525184631e-02 - - 4.1280931234359741e-01 -2.5002820417284966e-02 - <_> - - 0 -1 2616 8.7438793852925301e-03 - - 4.1931539773941040e-02 -1.2433040142059326e-01 - <_> - - 0 -1 2617 4.1642960160970688e-02 - - 2.1535869687795639e-02 -4.9062231183052063e-01 - <_> - - 0 -1 2618 7.0692330598831177e-02 - - -2.4307090789079666e-02 3.3606329560279846e-01 - <_> - - 0 -1 2619 -7.7690348029136658e-02 - - -7.3883998394012451e-01 1.3576829805970192e-02 - <_> - - 0 -1 2620 3.7781539140269160e-04 - - -9.6697732806205750e-02 9.4690509140491486e-02 - <_> - - 0 -1 2621 -1.1192850070074201e-03 - - -2.1631820499897003e-01 4.4235199689865112e-02 - <_> - - 0 -1 2622 5.9772249311208725e-02 - - -3.2024260610342026e-02 3.0602660775184631e-01 - <_> - - 0 -1 2623 -1.5417120419442654e-02 - - -3.4087839722633362e-01 2.8097979724407196e-02 - <_> - - 0 -1 2624 -6.3111339695751667e-03 - - 1.5327680110931396e-01 -4.7901459038257599e-02 - <_> - - 0 -1 2625 -1.8826499581336975e-02 - - -1.5269599854946136e-01 6.0955628752708435e-02 - <_> - - 0 -1 2626 -3.9223838597536087e-02 - - 2.6624131202697754e-01 -7.6400930993258953e-03 - <_> - - 0 -1 2627 -4.8653159290552139e-02 - - -4.5488500595092773e-01 1.9853049889206886e-02 - <_> - - 0 -1 2628 6.7260518670082092e-02 - - 1.0999150108546019e-03 -7.5273478031158447e-01 - <_> - - 0 -1 2629 1.2728190049529076e-03 - - -7.8121297061443329e-02 1.1816550046205521e-01 - <_> - - 0 -1 2630 -9.4147026538848877e-02 - - -5.2153587341308594e-01 1.4973170123994350e-02 - <_> - - 0 -1 2631 -4.7454461455345154e-02 - - 2.6547148823738098e-01 -3.0587410554289818e-02 - <_> - - 0 -1 2632 -5.6014367146417499e-04 - - -1.0506449639797211e-01 6.0161281377077103e-02 - <_> - - 0 -1 2633 -2.9601220740005374e-04 - - 6.2257450073957443e-02 -1.3126540184020996e-01 - <_> - - 0 -1 2634 -2.0918490365147591e-02 - - -2.0831510424613953e-01 2.6843119412660599e-02 - <_> - - 0 -1 2635 -7.2696260176599026e-03 - - -1.6227640211582184e-01 6.1937049031257629e-02 - <_> - - 0 -1 2636 7.2555372025817633e-04 - - -1.0315939784049988e-01 6.8040877580642700e-02 - <_> - - 0 -1 2637 2.0828839391469955e-02 - - -4.4557690620422363e-02 2.2167469561100006e-01 - <_> - - 0 -1 2638 8.7201192975044250e-02 - - 9.5432223752140999e-03 -5.8706420660018921e-01 - <_> - - 0 -1 2639 4.1596628725528717e-02 - - -3.0774539336562157e-02 2.8809019923210144e-01 - <_> - - 0 -1 2640 -2.6154879480600357e-02 - - -5.9353542327880859e-01 1.4388410374522209e-02 - <_> - - 0 -1 2641 2.7175429463386536e-01 - - 1.3717720285058022e-02 -5.4619067907333374e-01 - <_> - - 0 -1 2642 2.1811699494719505e-02 - - -1.6798110678792000e-02 2.9062330722808838e-01 - <_> - - 0 -1 2643 -1.9965929910540581e-02 - - -4.3052119016647339e-01 1.8917759880423546e-02 - <_> - - 0 -1 2644 -1.1561929713934660e-03 - - 8.8031537830829620e-02 -1.9590209424495697e-01 - <_> - - 0 -1 2645 -1.6627550357952714e-03 - - 8.9111559092998505e-02 -9.0959653258323669e-02 - <_> - - 0 -1 2646 -1.7325150547549129e-03 - - -1.1540830135345459e-01 5.3636670112609863e-02 - <_> - - 0 -1 2647 -3.9231408387422562e-02 - - 6.2471270561218262e-01 -1.3666920363903046e-02 - <_> - - 0 -1 2648 1.0423580184578896e-02 - - 2.4711130186915398e-02 -1.6751749813556671e-01 - <_> - - 0 -1 2649 2.2725639864802361e-03 - - -5.5126778781414032e-02 1.4781460165977478e-01 - <_> - - 0 -1 2650 -3.9644641801714897e-03 - - 1.1337990313768387e-01 -6.8672053515911102e-02 - <_> - - 0 -1 2651 4.0544760413467884e-03 - - 4.0180210024118423e-02 -2.3837350308895111e-01 - <_> - - 0 -1 2652 2.0538640674203634e-03 - - 3.2863691449165344e-02 -1.2495829910039902e-01 - <_> - - 0 -1 2653 2.9705381020903587e-03 - - 4.1810061782598495e-02 -2.0539659261703491e-01 - <_> - - 0 -1 2654 -8.3381328731775284e-03 - - 9.2258736491203308e-02 -3.8435179740190506e-02 - <_> - - 0 -1 2655 1.5640279743820429e-03 - - -9.6661567687988281e-02 8.5594817996025085e-02 - <_> - - 0 -1 2656 -3.7052970379590988e-02 - - -7.7915471792221069e-01 1.0418290272355080e-02 - <_> - - 0 -1 2657 -1.0109930299222469e-02 - - 1.2499059736728668e-01 -6.4437836408615112e-02 - <_> - - 0 -1 2658 -7.9335980117321014e-02 - - 7.0784372091293335e-01 -3.1601081136614084e-03 - <_> - - 0 -1 2659 -2.5811919476836920e-03 - - -1.6802759468555450e-01 6.7257612943649292e-02 - <_> - - 0 -1 2660 1.8863540142774582e-02 - - -5.2749298512935638e-02 1.4578150212764740e-01 - <_> - - 0 -1 2661 6.1697891214862466e-04 - - -9.6527166664600372e-02 9.3077242374420166e-02 - <_> - - 0 -1 2662 -9.9242655560374260e-03 - - 1.2164440006017685e-01 -2.6439830660820007e-02 - <_> - - 0 -1 2663 -4.7382008284330368e-02 - - -3.7194240093231201e-01 2.4884449318051338e-02 - <_> - - 0 -1 2664 3.8585590664297342e-03 - - -4.2420830577611923e-02 1.1997900158166885e-01 - <_> - - 0 -1 2665 2.3721279576420784e-03 - - -7.2769053280353546e-02 1.3027629256248474e-01 - <_> - - 0 -1 2666 -3.1968571245670319e-02 - - -4.7088149189949036e-01 1.8863039091229439e-02 - <_> - - 0 -1 2667 -7.2849751450121403e-04 - - 2.8128319978713989e-01 -3.0785139650106430e-02 - <_> - - 0 -1 2668 -1.2096880003809929e-02 - - -7.0163071155548096e-01 1.3336709700524807e-02 - <_> - - 0 -1 2669 -1.7658369615674019e-02 - - 1.9193160533905029e-01 -4.7951001673936844e-02 - <_> - - 0 -1 2670 -1.0974059812724590e-02 - - -2.7307328581809998e-01 2.8784489259123802e-02 - <_> - - 0 -1 2671 -1.8560180440545082e-02 - - -4.4306761026382446e-01 2.0472019910812378e-02 - <_> - - 0 -1 2672 1.3861100189387798e-02 - - -3.7471339106559753e-02 1.0929849743843079e-01 - <_> - - 0 -1 2673 5.6243170052766800e-02 - - 1.3322129845619202e-02 -6.1972159147262573e-01 - <_> - - 0 -1 2674 -1.3746799901127815e-02 - - 1.8980909883975983e-01 -4.3810151517391205e-02 - <_> - - 0 -1 2675 -2.0494889758992940e-04 - - -1.4809520542621613e-01 5.9458550065755844e-02 - <_> - - 0 -1 2676 1.1416030116379261e-02 - - 4.5111801475286484e-02 -1.7277219891548157e-01 - <_> - - 0 -1 2677 4.1169788688421249e-02 - - -2.3442840203642845e-02 3.3413231372833252e-01 - <_> - - 0 -1 2678 -9.6223354339599609e-03 - - -1.6086310148239136e-01 3.3183149993419647e-02 - <_> - - 0 -1 2679 1.5951909590512514e-03 - - -6.3590511679649353e-02 1.3396669924259186e-01 - <_> - - 0 -1 2680 -6.3169049099087715e-03 - - -1.6365319490432739e-01 5.1552049815654755e-02 - <_> - - 0 -1 2681 4.6467378735542297e-02 - - -2.5627709925174713e-02 3.8097569346427917e-01 - <_> - - 0 -1 2682 9.1598592698574066e-02 - - 4.2748241685330868e-03 -5.9740132093429565e-01 - <_> - - 0 -1 2683 -1.0416290024295449e-03 - - -1.4733889698982239e-01 5.5105950683355331e-02 - <_> - - 0 -1 2684 -2.3334469646215439e-02 - - 9.2266462743282318e-02 -5.3653880953788757e-02 - <_> - - 0 -1 2685 -6.3067381270229816e-03 - - -1.6974699497222900e-01 6.0046479105949402e-02 - <_> - - 0 -1 2686 5.2549671381711960e-03 - - -8.8989406824111938e-02 4.7306548804044724e-02 - <_> - - 0 -1 2687 -1.0699460282921791e-02 - - -1.5823520720005035e-01 5.1100831478834152e-02 - <_> - - 0 -1 2688 -5.4387808777391911e-03 - - 1.2524560093879700e-01 -3.9472699165344238e-02 - <_> - - 0 -1 2689 3.4613600000739098e-03 - - -6.8892680108547211e-02 1.7920389771461487e-01 - <_> - - 0 -1 2690 -1.7894359305500984e-02 - - -9.4599656760692596e-02 6.2322728335857391e-02 - <_> - - 0 -1 2691 -2.1147909760475159e-01 - - -8.6275768280029297e-01 9.4653964042663574e-03 - <_> - - 0 -1 2692 1.4149859780445695e-03 - - -8.6214788258075714e-02 4.0635921061038971e-02 - <_> - - 0 -1 2693 -1.5357299707829952e-03 - - 9.9525436758995056e-02 -7.7558159828186035e-02 - <_> - - 0 -1 2694 2.8714749496430159e-03 - - -6.3778772950172424e-02 1.1251030117273331e-01 - <_> - - 0 -1 2695 1.8400069326162338e-02 - - 2.3700669407844543e-02 -3.5953688621520996e-01 - <_> - - 0 -1 2696 -7.3078006505966187e-02 - - -8.3836638927459717e-01 2.1687510889023542e-03 - <_> - - 0 -1 2697 9.8323542624711990e-03 - - -5.3899969905614853e-02 1.6186970472335815e-01 - <_> - - 0 -1 2698 2.2987959906458855e-02 - - 1.5955159440636635e-02 -3.3074310421943665e-01 - <_> - - 0 -1 2699 -5.4363980889320374e-03 - - -1.3372650742530823e-01 5.8162450790405273e-02 - <_> - - 0 -1 2700 1.0177739895880222e-02 - - -5.7901948690414429e-02 4.0789060294628143e-02 - <_> - - 0 -1 2701 -5.1690369844436646e-02 - - 4.7881290316581726e-01 -2.0051179453730583e-02 - <_> - - 0 -1 2702 -4.6395331621170044e-02 - - 3.5422900319099426e-01 -1.6692889854311943e-02 - <_> - - 0 -1 2703 4.0920148603618145e-04 - - -5.8872789144515991e-02 1.3617689907550812e-01 - <_> - - 0 -1 2704 3.0743801034986973e-03 - - 3.1892731785774231e-02 -2.9396781325340271e-01 - <_> - - 0 -1 2705 1.3438959419727325e-01 - - 1.5018840320408344e-02 -5.1557308435440063e-01 - <_> - - 0 -1 2706 -4.4954590499401093e-02 - - -6.5404319763183594e-01 5.8901738375425339e-03 - <_> - - 0 -1 2707 -4.1479051113128662e-02 - - -5.6925541162490845e-01 1.3012220151722431e-02 - <_> - - 0 -1 2708 2.9117099940776825e-02 - - -1.9148029386997223e-02 1.8318380415439606e-01 - <_> - - 0 -1 2709 5.1073249429464340e-02 - - 1.5260309912264347e-02 -4.9480628967285156e-01 - <_> - - 0 -1 2710 7.0886377943679690e-04 - - 8.7698653340339661e-02 -7.3333673179149628e-02 - <_> - - 0 -1 2711 1.1835389770567417e-02 - - -3.9189878851175308e-02 2.0834849774837494e-01 - <_> - - 0 -1 2712 -4.2260489426553249e-03 - - -1.8733769655227661e-01 7.4666850268840790e-02 - <_> - - 0 -1 2713 3.4847799688577652e-02 - - -3.0572960153222084e-02 2.6511108875274658e-01 - <_> - - 0 -1 2714 1.2932980433106422e-02 - - 2.2224349901080132e-02 -2.3204100131988525e-01 - <_> - - 0 -1 2715 -3.4806900657713413e-03 - - 6.0548238456249237e-02 -1.3034850358963013e-01 - <_> - - 0 -1 2716 1.7225079238414764e-02 - - -6.7219920456409454e-03 1.1128149926662445e-01 - <_> - - 0 -1 2717 -2.4316289927810431e-03 - - -1.8720659613609314e-01 4.1284140199422836e-02 - <_> - - 0 -1 2718 -1.1786689981818199e-02 - - 1.5917420387268066e-01 -3.0763400718569756e-02 - <_> - - 0 -1 2719 -5.3132520988583565e-03 - - -1.3786070048809052e-01 5.4246630519628525e-02 - <_> - - 0 -1 2720 -2.0012039691209793e-02 - - 2.9359638690948486e-01 -2.6866350322961807e-02 - <_> - - 0 -1 2721 2.0955558866262436e-03 - - 6.7963063716888428e-02 -1.2520860135555267e-01 - <_> - - 0 -1 2722 -3.9648640900850296e-02 - - -5.8195388317108154e-01 1.3146690092980862e-02 - <_> - - 0 -1 2723 -3.4485850483179092e-02 - - 4.5559158921241760e-01 -1.8659429624676704e-02 - <_> - - 0 -1 2724 -4.4569540768861771e-02 - - -9.2067569494247437e-01 5.3931041620671749e-03 - <_> - - 0 -1 2725 -1.1394550092518330e-03 - - -2.1932439506053925e-01 3.6249380558729172e-02 - <_> - - 0 -1 2726 -3.7044081836938858e-02 - - 1.6192549467086792e-01 -4.7661919146776199e-02 - <_> - - 0 -1 2727 1.9300490617752075e-02 - - -5.4432831704616547e-02 1.4432109892368317e-01 - <_> - - 0 -1 2728 -1.4382150257006288e-03 - - -6.7343980073928833e-02 4.2511381208896637e-02 - <_> - - 0 -1 2729 3.8761008530855179e-02 - - 1.4171930029988289e-02 -5.3382647037506104e-01 - <_> - - 0 -1 2730 -1.5265800058841705e-01 - - -9.1533327102661133e-01 2.1413750946521759e-03 - <_> - - 0 -1 2731 -8.4089813753962517e-03 - - 1.7705249786376953e-01 -4.3753430247306824e-02 - <_> - - 0 -1 2732 -1.6673170030117035e-01 - - -5.6390452384948730e-01 7.5904577970504761e-03 - <_> - - 0 -1 2733 -7.3619261384010315e-03 - - -1.9691839814186096e-01 3.9698500186204910e-02 - <_> - - 0 -1 2734 -9.9920090287923813e-03 - - -1.3419510424137115e-01 6.3489198684692383e-02 - <_> - - 0 -1 2735 -2.2656610235571861e-03 - - 7.9676061868667603e-02 -1.0685960203409195e-01 - <_> - - 0 -1 2736 -1.3868820667266846e-01 - - -4.7306931018829346e-01 1.5354130417108536e-02 - <_> - - 0 -1 2737 -1.3284240663051605e-01 - - -8.7984371185302734e-01 7.0595988072454929e-03 - <_> - - 0 -1 2738 -2.4882299825549126e-02 - - 1.3333520293235779e-01 -4.0933601558208466e-02 - <_> - - 0 -1 2739 -6.6814320161938667e-03 - - -1.0295540094375610e-01 7.4870042502880096e-02 - <_> - - 0 -1 2740 6.0326699167490005e-02 - - 1.3355839997529984e-02 -3.7602999806404114e-01 - <_> - - 0 -1 2741 -8.5582301020622253e-02 - - 2.1200770139694214e-01 -3.8742028176784515e-02 - <_> - - 0 -1 2742 -1.2076400220394135e-02 - - -8.2457520067691803e-02 6.7780442535877228e-02 - <_> - - 0 -1 2743 2.0311089232563972e-02 - - -1.1817990243434906e-01 6.4830578863620758e-02 - <_> - - 0 -1 2744 -3.9900741539895535e-03 - - -1.5723599493503571e-01 5.3033929318189621e-02 - <_> - - 0 -1 2745 -1.4961370034143329e-03 - - 2.4392129480838776e-01 -3.1170839443802834e-02 - <_> - - 0 -1 2746 1.8568099767435342e-04 - - -1.9409550726413727e-01 4.5490209013223648e-02 - <_> - - 0 -1 2747 1.4796480536460876e-01 - - 6.2650348991155624e-03 -9.9987298250198364e-01 - <_> - - 0 -1 2748 1.6918669641017914e-01 - - 4.2962608858942986e-04 -3.5496100783348083e-01 - <_> - - 0 -1 2749 -1.9380000594537705e-04 - - -1.3056799769401550e-01 5.4877169430255890e-02 - <_> - - 0 -1 2750 -6.2729098135605454e-04 - - 4.1053570806980133e-02 -8.3174988627433777e-02 - <_> - - 0 -1 2751 -2.6877908967435360e-03 - - 1.5513989329338074e-01 -5.5573899298906326e-02 - <_> - - 0 -1 2752 -7.6885253190994263e-02 - - -6.1440211534500122e-01 3.2789220567792654e-03 - <_> - - 0 -1 2753 -1.6956549370661378e-04 - - 6.0934148728847504e-02 -1.4717090129852295e-01 - <_> - - 0 -1 2754 3.7390850484371185e-02 - - 8.8595114648342133e-03 -2.3843410611152649e-01 - <_> - - 0 -1 2755 -3.7611280567944050e-03 - - -1.1896059662103653e-01 5.4526679217815399e-02 - <_> - - 0 -1 2756 -7.5538672506809235e-02 - - 1. -2.8170819859951735e-03 - <_> - - 0 -1 2757 5.1163119496777654e-04 - - -1.1333829909563065e-01 6.8293251097202301e-02 - <_> - - 0 -1 2758 -5.4373521357774734e-02 - - 5.6772488355636597e-01 -5.5303489789366722e-03 - <_> - - 0 -1 2759 -1.2200759723782539e-02 - - 2.6310768723487854e-01 -3.5334069281816483e-02 - <_> - - 0 -1 2760 6.5340757369995117e-02 - - 8.2145677879452705e-03 -9.7914510965347290e-01 - <_> - - 0 -1 2761 -9.7028106451034546e-02 - - -7.5845307111740112e-01 6.8704010918736458e-03 - <_> - - 0 -1 2762 -4.9768280237913132e-02 - - -8.0786317586898804e-01 1.3162019895389676e-03 - <_> - - 0 -1 2763 -2.9802118660882115e-04 - - 8.5099622607231140e-02 -9.1054826974868774e-02 - <_> - - 0 -1 2764 1.0124569758772850e-02 - - -8.9172579348087311e-02 7.7402189373970032e-02 - <_> - - 0 -1 2765 8.1574246287345886e-03 - - -6.4016029238700867e-02 1.2462829798460007e-01 - <_> - - 0 -1 2766 -1.2093920260667801e-02 - - -1.8433560431003571e-01 4.9659188836812973e-02 - <_> - - 0 -1 2767 -1.1906909756362438e-02 - - 2.6277810335159302e-01 -2.9921159148216248e-02 - <_> - - 0 -1 2768 -8.1438422203063965e-02 - - -6.4389252662658691e-01 1.7232710495591164e-02 - <_> - - 0 -1 2769 1.4961180277168751e-03 - - -1.2228660285472870e-01 5.7763870805501938e-02 - <_> - - 0 -1 2770 -2.2651249542832375e-02 - - -1.1090759932994843e-01 7.0385642349720001e-02 - <_> - - 0 -1 2771 -2.3789770901203156e-02 - - 2.9644450545310974e-01 -2.5997739285230637e-02 - <_> - - 0 -1 2772 1.4299990143626928e-03 - - -8.9716851711273193e-02 5.6030821055173874e-02 - <_> - - 0 -1 2773 -4.1593458503484726e-02 - - -5.8160471916198730e-01 1.1599930003285408e-02 - <_> - - 0 -1 2774 -2.5586199481040239e-03 - - 6.2241408973932266e-02 -1.1328329890966415e-01 - <_> - - 0 -1 2775 -1.0252290219068527e-01 - - -8.5185718536376953e-01 8.2774916663765907e-03 - <_> - - 0 -1 2776 -3.1799520365893841e-03 - - -1.3918060064315796e-01 5.3719218820333481e-02 - <_> - - 0 -1 2777 -3.9835860952734947e-03 - - 1.5531490743160248e-01 -5.3399000316858292e-02 - <_> - - 0 -1 2778 1.0895960032939911e-02 - - 3.9084900170564651e-02 -2.1268959343433380e-01 - <_> - - 0 -1 2779 1.7865100875496864e-02 - - -2.5146210566163063e-02 3.3581560850143433e-01 - <_> - - 0 -1 2780 5.5075511336326599e-03 - - 2.3314310237765312e-02 -9.3666307628154755e-02 - <_> - - 0 -1 2781 2.0092551130801439e-03 - - 5.7231310755014420e-02 -1.4091749489307404e-01 - <_> - - 0 -1 2782 -1.2218699790537357e-02 - - 1.9243550300598145e-01 -2.4631109088659286e-02 - <_> - - 0 -1 2783 1.8039119895547628e-03 - - 5.5793199688196182e-02 -1.2940339744091034e-01 - <_> - - 0 -1 2784 2.2159840911626816e-02 - - -9.0001197531819344e-03 5.2156221866607666e-01 - <_> - - 0 -1 2785 -3.5827290266752243e-02 - - -6.2905979156494141e-01 1.1712389998137951e-02 - <_> - - 0 -1 2786 8.9478418231010437e-03 - - -3.7455581128597260e-02 1.0906309634447098e-01 - <_> - - 0 -1 2787 -1.2861900031566620e-01 - - -3.9527180790901184e-01 1.8151529133319855e-02 - <_> - - 0 -1 2788 1.8464029999449849e-03 - - -3.3952530473470688e-02 9.6596188843250275e-02 - <_> - - 0 -1 2789 2.8246780857443810e-03 - - -6.2633261084556580e-02 1.1198879778385162e-01 - <_> - - 0 -1 2790 6.9075852632522583e-02 - - 1.3590560294687748e-02 -5.2598261833190918e-01 - <_> - - 0 -1 2791 -8.0794151872396469e-03 - - 1.3081569969654083e-01 -5.0100728869438171e-02 - <_> - - 0 -1 2792 -3.7193649914115667e-03 - - -1.4887580275535583e-01 5.1823489367961884e-02 - <_> - - 0 -1 2793 2.0610638894140720e-03 - - -6.5545938909053802e-02 1.1345130205154419e-01 - <_> - - 0 -1 2794 -6.0795281082391739e-02 - - -7.8219258785247803e-01 4.5540397986769676e-03 - <_> - - 0 -1 2795 -7.3096780106425285e-03 - - -1.9586810469627380e-01 3.5591870546340942e-02 - <_> - - 0 -1 2796 -2.3796008899807930e-03 - - 4.3329920619726181e-02 -6.0119420289993286e-02 - <_> - - 0 -1 2797 -3.7874478846788406e-02 - - 1.6700419783592224e-01 -4.1082471609115601e-02 - <_> - - 0 -1 2798 -1.1011550202965736e-02 - - -7.9715803265571594e-02 3.2247040420770645e-02 - <_> - - 0 -1 2799 -1.5278880018740892e-03 - - 9.7541913390159607e-02 -9.4694830477237701e-02 - <_> - - 0 -1 2800 3.7144418805837631e-02 - - -4.4054100289940834e-03 4.4159731268882751e-01 - <_> - - 0 -1 2801 -4.9948949366807938e-02 - - -8.0400061607360840e-01 9.0302517637610435e-03 - <_> - - 0 -1 2802 -1.8558859825134277e-02 - - 1.8556900322437286e-01 -2.6648480445146561e-02 - <_> - 208 - -1.5900419950485229e+00 - - <_> - - 0 -1 2803 5.9106469154357910e-02 - - -1.9395799934864044e-01 2.7272081375122070e-01 - <_> - - 0 -1 2804 2.6784019544720650e-02 - - -4.2093229293823242e-01 1.2330240011215210e-01 - <_> - - 0 -1 2805 8.6407009512186050e-03 - - -3.0236870050430298e-01 1.3153509795665741e-01 - <_> - - 0 -1 2806 -1.1792869772762060e-03 - - 8.2713536918163300e-02 -3.5140541195869446e-01 - <_> - - 0 -1 2807 -2.2481461055576801e-03 - - -5.1323968172073364e-01 5.4614610970020294e-02 - <_> - - 0 -1 2808 5.7527530007064342e-03 - - -1.9243009388446808e-01 1.3872030377388000e-01 - <_> - - 0 -1 2809 1.0034020058810711e-02 - - 6.0773681849241257e-02 -3.1631371378898621e-01 - <_> - - 0 -1 2810 -3.2057110220193863e-03 - - 1.3471069931983948e-01 -1.6333019733428955e-01 - <_> - - 0 -1 2811 1.3803630135953426e-02 - - 7.4590288102626801e-02 -2.7751418948173523e-01 - <_> - - 0 -1 2812 -1.9213010370731354e-01 - - 2.6890340447425842e-01 -6.6552907228469849e-02 - <_> - - 0 -1 2813 -7.0279821753501892e-02 - - -3.2870158553123474e-01 4.9912039190530777e-02 - <_> - - 0 -1 2814 3.1519670039415359e-02 - - 3.5865701735019684e-02 -5.0489199161529541e-01 - <_> - - 0 -1 2815 -1.1164420284330845e-02 - - -2.7422958612442017e-01 7.3949173092842102e-02 - <_> - - 0 -1 2816 6.1416681855916977e-03 - - -8.7944798171520233e-02 1.5492740273475647e-01 - <_> - - 0 -1 2817 2.5183141231536865e-01 - - -9.3605853617191315e-02 1.8827579915523529e-01 - <_> - - 0 -1 2818 -1.9524399191141129e-02 - - -2.8733500838279724e-01 4.9147769808769226e-02 - <_> - - 0 -1 2819 -2.1689489483833313e-02 - - -3.3415651321411133e-01 4.8450991511344910e-02 - <_> - - 0 -1 2820 3.4099910408258438e-02 - - -1.4776800572872162e-01 1.1322359740734100e-01 - <_> - - 0 -1 2821 -2.0377550274133682e-02 - - -2.9778409004211426e-01 5.6795541197061539e-02 - <_> - - 0 -1 2822 2.3986540734767914e-02 - - -5.5139839649200439e-02 3.5672488808631897e-01 - <_> - - 0 -1 2823 -1.4578890055418015e-02 - - -3.3595868945121765e-01 4.9776330590248108e-02 - <_> - - 0 -1 2824 -5.4530607303604484e-04 - - 1.4906319975852966e-01 -1.2674619257450104e-01 - <_> - - 0 -1 2825 3.0076410621404648e-03 - - -3.8654258847236633e-01 3.7338510155677795e-02 - <_> - - 0 -1 2826 6.1654142336919904e-04 - - 7.0350617170333862e-02 -2.7769538760185242e-01 - <_> - - 0 -1 2827 5.1461078226566315e-02 - - 2.7613859623670578e-02 -4.9107590317726135e-01 - <_> - - 0 -1 2828 5.5607639253139496e-02 - - 2.7626939117908478e-02 -2.9615479707717896e-01 - <_> - - 0 -1 2829 2.9709029942750931e-02 - - 6.5961636602878571e-02 -2.0508719980716705e-01 - <_> - - 0 -1 2830 3.4046828746795654e-02 - - -3.8902580738067627e-02 2.4681000411510468e-01 - <_> - - 0 -1 2831 2.4807849898934364e-02 - - 3.5015519708395004e-02 -4.1401639580726624e-01 - <_> - - 0 -1 2832 4.0748160332441330e-02 - - 4.2967729270458221e-02 -3.2043859362602234e-01 - <_> - - 0 -1 2833 1.0664659552276134e-02 - - 5.6952890008687973e-02 -2.4745999276638031e-01 - <_> - - 0 -1 2834 -6.3090369105339050e-02 - - 1.6899240016937256e-01 -1.8692910671234131e-02 - <_> - - 0 -1 2835 3.4371189773082733e-02 - - -4.7546751797199249e-02 3.2781639695167542e-01 - <_> - - 0 -1 2836 -1.2518119812011719e-01 - - -5.6282979249954224e-01 1.3721459545195103e-02 - <_> - - 0 -1 2837 -2.2273709997534752e-02 - - 2.8452938795089722e-01 -4.7334741801023483e-02 - <_> - - 0 -1 2838 3.1560619827359915e-03 - - 6.7093066871166229e-02 -1.5777610242366791e-01 - <_> - - 0 -1 2839 -8.5235182195901871e-03 - - -4.5404490828514099e-01 3.0238900333642960e-02 - <_> - - 0 -1 2840 9.4529008492827415e-03 - - -5.5023040622472763e-02 1.4025360345840454e-01 - <_> - - 0 -1 2841 -1.5268090181052685e-02 - - -4.1039389371871948e-01 3.3160910010337830e-02 - <_> - - 0 -1 2842 1.0665830224752426e-02 - - -1.1716780066490173e-01 9.5943398773670197e-02 - <_> - - 0 -1 2843 -1.8211569637060165e-02 - - -2.4850100278854370e-01 6.7713633179664612e-02 - <_> - - 0 -1 2844 2.9094598721712828e-04 - - 4.9981009215116501e-02 -2.2298039495944977e-01 - <_> - - 0 -1 2845 1.2524049961939454e-03 - - -2.3567390441894531e-01 6.0058139264583588e-02 - <_> - - 0 -1 2846 -1.0200130194425583e-01 - - 4.6817669272422791e-01 -1.4046870172023773e-02 - <_> - - 0 -1 2847 -5.3803320974111557e-02 - - -3.8875138759613037e-01 3.8533151149749756e-02 - <_> - - 0 -1 2848 3.5919819027185440e-02 - - 1.7687749117612839e-02 -6.3149172067642212e-01 - <_> - - 0 -1 2849 -9.9846003577113152e-03 - - 2.3914399743080139e-01 -5.8490000665187836e-02 - <_> - - 0 -1 2850 2.2157909348607063e-02 - - -4.4814221560955048e-02 1.9423240423202515e-01 - <_> - - 0 -1 2851 -1.4240739867091179e-02 - - -3.7670499086380005e-01 3.4929048269987106e-02 - <_> - - 0 -1 2852 -5.9150479733943939e-02 - - 1.6816680133342743e-01 -3.5232000052928925e-02 - <_> - - 0 -1 2853 3.6074228584766388e-02 - - 2.2868489846587181e-02 -5.7828897237777710e-01 - <_> - - 0 -1 2854 5.7692300528287888e-02 - - -2.1003179252147675e-02 3.0750969052314758e-01 - <_> - - 0 -1 2855 -5.6619398295879364e-02 - - 2.3383679986000061e-01 -5.5003248155117035e-02 - <_> - - 0 -1 2856 -1.0697569698095322e-02 - - -1.3236419856548309e-01 9.1536827385425568e-02 - <_> - - 0 -1 2857 4.2940411367453635e-04 - - 5.2362058311700821e-02 -2.3470179736614227e-01 - <_> - - 0 -1 2858 3.9490307681262493e-03 - - 5.8583620935678482e-02 -8.2533597946166992e-02 - <_> - - 0 -1 2859 2.9810430482029915e-02 - - 7.1684047579765320e-02 -1.6931280493736267e-01 - <_> - - 0 -1 2860 -1.1462910100817680e-02 - - -2.6410359144210815e-01 4.4687580317258835e-02 - <_> - - 0 -1 2861 2.2996390238404274e-02 - - 3.2992180436849594e-02 -3.4358990192413330e-01 - <_> - - 0 -1 2862 -5.6792609393596649e-02 - - -7.5760507583618164e-01 2.4003670550882816e-03 - <_> - - 0 -1 2863 -4.4709402136504650e-03 - - 1.6277609765529633e-01 -6.8193063139915466e-02 - <_> - - 0 -1 2864 -1.2394989840686321e-02 - - -4.3603330850601196e-01 2.8416140004992485e-02 - <_> - - 0 -1 2865 2.9185590147972107e-01 - - -3.3300530165433884e-02 3.9866968989372253e-01 - <_> - - 0 -1 2866 3.3633329439908266e-03 - - -1.0972090065479279e-01 5.6931249797344208e-02 - <_> - - 0 -1 2867 -3.5175260156393051e-02 - - -5.7213717699050903e-01 2.0903490483760834e-02 - <_> - - 0 -1 2868 -1.2044839560985565e-02 - - 9.1090522706508636e-02 -1.1947949975728989e-01 - <_> - - 0 -1 2869 6.5466752275824547e-03 - - 2.2512340545654297e-01 -5.8309450745582581e-02 - <_> - - 0 -1 2870 -3.3635019790381193e-03 - - 8.3123452961444855e-02 -1.6144299507141113e-01 - <_> - - 0 -1 2871 -2.3451250046491623e-02 - - 2.5118809938430786e-01 -4.8030331730842590e-02 - <_> - - 0 -1 2872 1.9356099888682365e-02 - - 5.8134589344263077e-02 -2.0791250467300415e-01 - <_> - - 0 -1 2873 -8.9994952082633972e-02 - - -7.5068491697311401e-01 1.4169859699904919e-02 - <_> - - 0 -1 2874 1.2888260185718536e-02 - - 3.3752571791410446e-02 -2.5715011358261108e-01 - <_> - - 0 -1 2875 1.8961170688271523e-02 - - 3.4717381000518799e-02 -3.6027848720550537e-01 - <_> - - 0 -1 2876 -2.0835550501942635e-02 - - 5.7851308584213257e-01 -2.2111309692263603e-02 - <_> - - 0 -1 2877 1.0018779896199703e-02 - - -3.9775848388671875e-02 2.6814839243888855e-01 - <_> - - 0 -1 2878 -8.7516820058226585e-03 - - 1.1257819831371307e-01 -4.8538278788328171e-02 - <_> - - 0 -1 2879 -6.2366750091314316e-02 - - -6.6089111566543579e-01 1.6852140426635742e-02 - <_> - - 0 -1 2880 -1.9582180306315422e-02 - - -2.1182540059089661e-01 3.5702988505363464e-02 - <_> - - 0 -1 2881 2.2675599902868271e-03 - - 6.1212919652462006e-02 -2.0048849284648895e-01 - <_> - - 0 -1 2882 -4.6558458358049393e-02 - - -5.6454938650131226e-01 9.2866625636816025e-03 - <_> - - 0 -1 2883 -7.7152079902589321e-03 - - 1.5039919316768646e-01 -8.3328150212764740e-02 - <_> - - 0 -1 2884 4.1551668196916580e-02 - - 2.6247739791870117e-02 -3.2347521185874939e-01 - <_> - - 0 -1 2885 -2.1789079532027245e-02 - - -3.2375821471214294e-01 3.1726188957691193e-02 - <_> - - 0 -1 2886 1.9698198884725571e-03 - - -9.2564247548580170e-02 1.0823410004377365e-01 - <_> - - 0 -1 2887 -5.2744988352060318e-03 - - -1.3990330696105957e-01 7.7120877802371979e-02 - <_> - - 0 -1 2888 5.6007660925388336e-02 - - -1.0328499972820282e-01 1.1455559730529785e-01 - <_> - - 0 -1 2889 2.2741030156612396e-01 - - 1.6028450801968575e-02 -6.8145108222961426e-01 - <_> - - 0 -1 2890 5.1362380385398865e-02 - - -2.3025810718536377e-02 1.5446029603481293e-01 - <_> - - 0 -1 2891 -1.3017069548368454e-02 - - -3.2606399059295654e-01 3.2892610877752304e-02 - <_> - - 0 -1 2892 1.5782029926776886e-01 - - -3.9765262044966221e-03 7.7765262126922607e-01 - <_> - - 0 -1 2893 -9.9805086851119995e-02 - - 6.8609541654586792e-01 -1.4648180454969406e-02 - <_> - - 0 -1 2894 3.7506350874900818e-01 - - 1.4925800263881683e-02 -8.3105468750000000e-01 - <_> - - 0 -1 2895 -7.9828302841633558e-04 - - -2.0161899924278259e-01 4.7897689044475555e-02 - <_> - - 0 -1 2896 -2.1241609752178192e-01 - - -3.4409451484680176e-01 1.0950430296361446e-02 - <_> - - 0 -1 2897 3.9451681077480316e-02 - - 1.3966959901154041e-02 -7.2163110971450806e-01 - <_> - - 0 -1 2898 -2.9185509309172630e-02 - - -2.7462458610534668e-01 3.5496920347213745e-02 - <_> - - 0 -1 2899 2.7055600658059120e-02 - - -4.6995740383863449e-02 2.9289430379867554e-01 - <_> - - 0 -1 2900 -2.6052350178360939e-02 - - 2.0752039551734924e-01 -3.6353081464767456e-02 - <_> - - 0 -1 2901 5.7216219604015350e-02 - - 1.8895739689469337e-02 -5.7143908739089966e-01 - <_> - - 0 -1 2902 -1.7151840031147003e-02 - - -3.3009570837020874e-01 3.8528628647327423e-02 - <_> - - 0 -1 2903 -1.2304399907588959e-01 - - -7.8316390514373779e-01 1.1679390445351601e-02 - <_> - - 0 -1 2904 5.6786160916090012e-02 - - 1.1063819751143456e-02 -5.3526097536087036e-01 - <_> - - 0 -1 2905 1.1942840367555618e-01 - - 9.5137851312756538e-03 -9.0637218952178955e-01 - <_> - - 0 -1 2906 6.7707143723964691e-02 - - -3.9227519184350967e-02 2.8176560997962952e-01 - <_> - - 0 -1 2907 -5.4918881505727768e-02 - - -6.2061691284179688e-01 1.6072269529104233e-02 - <_> - - 0 -1 2908 9.2878006398677826e-03 - - -5.0339490175247192e-02 1.9040100276470184e-01 - <_> - - 0 -1 2909 -1.3141489587724209e-02 - - 1.8629829585552216e-01 -7.5528547167778015e-02 - <_> - - 0 -1 2910 2.9876120970584452e-04 - - -1.6163469851016998e-01 5.3589500486850739e-02 - <_> - - 0 -1 2911 1.0153599828481674e-01 - - 1.8458279967308044e-01 -6.2570616602897644e-02 - <_> - - 0 -1 2912 2.7205729484558105e-01 - - 1.3762479647994041e-02 -4.9364060163497925e-01 - <_> - - 0 -1 2913 5.8730211108922958e-02 - - -2.3933680355548859e-01 7.9166807234287262e-02 - <_> - - 0 -1 2914 1.9694259390234947e-02 - - 3.7195280194282532e-02 -2.6109260320663452e-01 - <_> - - 0 -1 2915 -1.0566900164121762e-04 - - 6.7052997648715973e-02 -1.6515819728374481e-01 - <_> - - 0 -1 2916 -1.9761279225349426e-02 - - 8.6443692445755005e-02 -6.8657971918582916e-02 - <_> - - 0 -1 2917 5.3168509155511856e-02 - - 2.9767790809273720e-02 -3.5225778818130493e-01 - <_> - - 0 -1 2918 2.6071069762110710e-02 - - 2.5216359645128250e-02 -1.4159369468688965e-01 - <_> - - 0 -1 2919 -2.8720689937472343e-02 - - 3.5941401124000549e-01 -2.9199620708823204e-02 - <_> - - 0 -1 2920 1.2989250011742115e-02 - - 4.0009770542383194e-02 -1.9973039627075195e-01 - <_> - - 0 -1 2921 -5.8176040649414062e-02 - - 2.9345899820327759e-01 -4.3967530131340027e-02 - <_> - - 0 -1 2922 2.8285140171647072e-02 - - 3.7457428872585297e-02 -3.1361749768257141e-01 - <_> - - 0 -1 2923 4.2701218277215958e-02 - - -2.0987769588828087e-02 5.0845777988433838e-01 - <_> - - 0 -1 2924 2.4763600900769234e-02 - - -1.1869250237941742e-01 9.4457350671291351e-02 - <_> - - 0 -1 2925 -2.8076129965484142e-03 - - -2.3249779641628265e-01 4.5222718268632889e-02 - <_> - - 0 -1 2926 -7.5583919882774353e-02 - - -4.5907029509544373e-01 1.2932280078530312e-02 - <_> - - 0 -1 2927 8.3796821534633636e-02 - - -1.5801630914211273e-02 6.8670481443405151e-01 - <_> - - 0 -1 2928 -3.7072401493787766e-02 - - 5.4146029055118561e-02 -4.2207449674606323e-02 - <_> - - 0 -1 2929 2.4691069498658180e-02 - - 2.6097679510712624e-02 -3.7760400772094727e-01 - <_> - - 0 -1 2930 -2.7743929997086525e-02 - - -7.8631508350372314e-01 4.7534159384667873e-03 - <_> - - 0 -1 2931 1.9119970500469208e-02 - - 2.6497760787606239e-02 -3.6489969491958618e-01 - <_> - - 0 -1 2932 3.3773269969969988e-03 - - 3.1966090202331543e-02 -3.2346761226654053e-01 - <_> - - 0 -1 2933 1.9876819103956223e-02 - - -3.5128418356180191e-02 2.9078298807144165e-01 - <_> - - 0 -1 2934 1.0035640001296997e-01 - - 1.4607840217649937e-02 -5.2812242507934570e-01 - <_> - - 0 -1 2935 -1.6163289546966553e-02 - - -1.0158140212297440e-01 1.1796499788761139e-01 - <_> - - 0 -1 2936 1.0253380052745342e-02 - - 3.6024410277605057e-02 -1.6520780324935913e-01 - <_> - - 0 -1 2937 9.0665705502033234e-03 - - -3.4731701016426086e-02 3.7327200174331665e-01 - <_> - - 0 -1 2938 3.0124900862574577e-02 - - 5.1758479326963425e-02 -2.3582160472869873e-01 - <_> - - 0 -1 2939 -6.6870311275124550e-03 - - 4.3394241482019424e-02 -2.5202989578247070e-01 - <_> - - 0 -1 2940 -2.0257479045540094e-03 - - -1.2479010224342346e-01 3.9309531450271606e-02 - <_> - - 0 -1 2941 2.3254070430994034e-02 - - -4.7446910291910172e-02 2.3287700116634369e-01 - <_> - - 0 -1 2942 2.3867199197411537e-02 - - -2.7421670034527779e-02 1.4630970358848572e-01 - <_> - - 0 -1 2943 -4.0523000061511993e-02 - - -4.0472960472106934e-01 3.0415959656238556e-02 - <_> - - 0 -1 2944 1.9958209991455078e-01 - - 2.2049469873309135e-02 -4.6558481454849243e-01 - <_> - - 0 -1 2945 -1.2990590184926987e-02 - - -1.7970620095729828e-01 5.8874938637018204e-02 - <_> - - 0 -1 2946 2.5623949244618416e-02 - - 9.9402610212564468e-03 -2.6575279235839844e-01 - <_> - - 0 -1 2947 -3.2004870474338531e-02 - - 2.5087380409240723e-01 -4.6291470527648926e-02 - <_> - - 0 -1 2948 1.8758419901132584e-02 - - -2.2038230672478676e-02 9.4407431781291962e-02 - <_> - - 0 -1 2949 4.5425668358802795e-02 - - 2.3371569812297821e-02 -4.8393398523330688e-01 - <_> - - 0 -1 2950 1.5670580789446831e-02 - - -5.5109858512878418e-02 1.9907830655574799e-01 - <_> - - 0 -1 2951 5.1336981356143951e-02 - - 2.6425419375300407e-02 -4.4082790613174438e-01 - <_> - - 0 -1 2952 4.0884170681238174e-02 - - 2.0071209967136383e-01 -3.4887779504060745e-02 - <_> - - 0 -1 2953 6.9165557622909546e-02 - - -2.9303310438990593e-02 3.4936821460723877e-01 - <_> - - 0 -1 2954 4.7967158257961273e-02 - - -2.4416960775852203e-02 2.7018651366233826e-01 - <_> - - 0 -1 2955 4.4068440794944763e-02 - - -4.0497269481420517e-02 2.4382269382476807e-01 - <_> - - 0 -1 2956 -1.0287550091743469e-01 - - 7.1105289459228516e-01 -9.9055245518684387e-03 - <_> - - 0 -1 2957 2.2407740354537964e-01 - - -5.4946999996900558e-02 1.9853439927101135e-01 - <_> - - 0 -1 2958 -9.6570551395416260e-03 - - -2.5050228834152222e-01 3.7410989403724670e-02 - <_> - - 0 -1 2959 7.9199701547622681e-02 - - -2.2147569805383682e-02 4.8771071434020996e-01 - <_> - - 0 -1 2960 4.5983199030160904e-02 - - 8.2229733467102051e-02 -3.9335750043392181e-02 - <_> - - 0 -1 2961 4.2670449614524841e-01 - - 1.7132800072431564e-02 -5.3996258974075317e-01 - <_> - - 0 -1 2962 1.5413990616798401e-01 - - 1.1902350001037121e-02 -6.8533718585968018e-01 - <_> - - 0 -1 2963 -1.7699889838695526e-01 - - -6.3113832473754883e-01 1.2545200064778328e-02 - <_> - - 0 -1 2964 -2.3769829422235489e-02 - - -1.4281429350376129e-01 1.4284349977970123e-02 - <_> - - 0 -1 2965 -8.3290286362171173e-02 - - 3.6433398723602295e-01 -2.5287430733442307e-02 - <_> - - 0 -1 2966 -3.0276349280029535e-03 - - -1.7501260340213776e-01 3.5528600215911865e-02 - <_> - - 0 -1 2967 9.3518232461065054e-04 - - -3.4317269921302795e-01 2.8196020051836967e-02 - <_> - - 0 -1 2968 8.6792530491948128e-03 - - 9.1854788362979889e-02 -1.1349800229072571e-01 - <_> - - 0 -1 2969 -4.3289531022310257e-03 - - 7.6560527086257935e-02 -1.2850379943847656e-01 - <_> - - 0 -1 2970 6.1485089361667633e-02 - - 4.0065501816570759e-03 -4.2798730731010437e-01 - <_> - - 0 -1 2971 -2.3108569905161858e-02 - - -3.2999789714813232e-01 3.1228100880980492e-02 - <_> - - 0 -1 2972 -6.3490739557892084e-04 - - 5.3318761289119720e-02 -6.0307938605546951e-02 - <_> - - 0 -1 2973 -4.1278889402747154e-03 - - 1.5029670298099518e-01 -8.9805796742439270e-02 - <_> - - 0 -1 2974 1.5408970415592194e-01 - - -2.3309229873120785e-03 9.6946477890014648e-01 - <_> - - 0 -1 2975 1.8083740025758743e-02 - - -4.6674519777297974e-02 2.1941949427127838e-01 - <_> - - 0 -1 2976 -6.0022968798875809e-02 - - 3.7283098697662354e-01 -1.3637940399348736e-02 - <_> - - 0 -1 2977 -1.6025049984455109e-01 - - 3.9442360401153564e-01 -2.4808609858155251e-02 - <_> - - 0 -1 2978 -2.3220200091600418e-02 - - -2.8352069854736328e-01 3.8456469774246216e-02 - <_> - - 0 -1 2979 3.2353829592466354e-02 - - 3.0197540298104286e-02 -3.5371699929237366e-01 - <_> - - 0 -1 2980 -1.2930749915540218e-02 - - -1.8275280296802521e-01 4.0219429880380630e-02 - <_> - - 0 -1 2981 -2.9022840317338705e-03 - - 5.7583440095186234e-02 -1.8175080418586731e-01 - <_> - - 0 -1 2982 3.7042409181594849e-02 - - 2.3471569642424583e-02 -3.7222048640251160e-01 - <_> - - 0 -1 2983 -1.4371460676193237e-01 - - -6.7353278398513794e-01 1.3768459670245647e-02 - <_> - - 0 -1 2984 -1.0714099742472172e-02 - - 2.3074600100517273e-01 -5.9898581355810165e-02 - <_> - - 0 -1 2985 1.1370699852705002e-02 - - -5.5859100073575974e-02 2.1604159474372864e-01 - <_> - - 0 -1 2986 -3.3829350024461746e-02 - - -3.2868561148643494e-01 1.6743719577789307e-02 - <_> - - 0 -1 2987 3.6406058818101883e-02 - - 2.3512810468673706e-02 -4.7999539971351624e-01 - <_> - - 0 -1 2988 -3.9853308349847794e-02 - - 3.0388408899307251e-01 -2.2388210520148277e-02 - <_> - - 0 -1 2989 2.3857640102505684e-02 - - -4.3960139155387878e-02 2.5021830201148987e-01 - <_> - - 0 -1 2990 -8.6149327456951141e-02 - - -9.2641222476959229e-01 1.0180849581956863e-02 - <_> - - 0 -1 2991 -2.7360459789633751e-02 - - -4.5331078767776489e-01 1.8517250195145607e-02 - <_> - - 0 -1 2992 4.6891667880117893e-03 - - 1.4983110129833221e-02 -9.8690867424011230e-02 - <_> - - 0 -1 2993 3.6140959709882736e-02 - - 2.1240329369902611e-02 -4.2275610566139221e-01 - <_> - - 0 -1 2994 1.0714419931173325e-01 - - -4.1592169553041458e-02 2.4880869686603546e-01 - <_> - - 0 -1 2995 -1.2024450115859509e-02 - - -1.8906030058860779e-01 5.5290900170803070e-02 - <_> - - 0 -1 2996 2.1671090275049210e-02 - - -3.7164088338613510e-02 2.9896330833435059e-01 - <_> - - 0 -1 2997 -3.3205719664692879e-03 - - -9.1837689280509949e-02 1.1810839921236038e-01 - <_> - - 0 -1 2998 -8.4256403148174286e-02 - - -5.4935282468795776e-01 4.6934271231293678e-03 - <_> - - 0 -1 2999 -2.7107410132884979e-03 - - 5.2301179617643356e-02 -2.1932560205459595e-01 - <_> - - 0 -1 3000 -1.9661630503833294e-03 - - 6.9522850215435028e-02 -1.2369599938392639e-01 - <_> - - 0 -1 3001 1.0835859924554825e-01 - - -1.6028439626097679e-02 6.7538297176361084e-01 - <_> - - 0 -1 3002 -4.0661569684743881e-02 - - 2.8239870071411133e-01 -1.8643079325556755e-02 - <_> - - 0 -1 3003 9.4869043678045273e-03 - - -1.4204730093479156e-01 7.4218176305294037e-02 - <_> - - 0 -1 3004 -8.1196203827857971e-03 - - 1.2733109295368195e-01 -7.5325429439544678e-02 - <_> - - 0 -1 3005 -3.6718908697366714e-02 - - 2.5209701061248779e-01 -3.8642361760139465e-02 - <_> - - 0 -1 3006 4.2515851557254791e-02 - - 3.4613508731126785e-02 -3.1406149268150330e-01 - <_> - - 0 -1 3007 -1.6484249383211136e-02 - - -3.4622931480407715e-01 2.6470340788364410e-02 - <_> - - 0 -1 3008 1.8608599901199341e-02 - - 3.1125839799642563e-02 -2.3837919533252716e-01 - <_> - - 0 -1 3009 -1.0872060433030128e-02 - - 2.3061220347881317e-01 -4.3469380587339401e-02 - <_> - - 0 -1 3010 -4.0728081017732620e-02 - - 1.3258880376815796e-01 -3.8833290338516235e-02 - <_> - 240 - -1.3404430150985718e+00 - - <_> - - 0 -1 3011 2.7802670374512672e-02 - - -1.8535159528255463e-01 2.3777860403060913e-01 - <_> - - 0 -1 3012 1.6392730176448822e-03 - - -2.6787629723548889e-01 1.1733309924602509e-01 - <_> - - 0 -1 3013 -3.0419689137488604e-03 - - 1.9552859663963318e-01 -1.3240019977092743e-01 - <_> - - 0 -1 3014 -2.7744288672693074e-04 - - 6.0701820999383926e-02 -3.0465421080589294e-01 - <_> - - 0 -1 3015 -2.7942769229412079e-03 - - -2.5370940566062927e-01 7.6147846877574921e-02 - <_> - - 0 -1 3016 7.4005699716508389e-03 - - 6.5623492002487183e-02 -3.0128520727157593e-01 - <_> - - 0 -1 3017 1.1316470336169004e-03 - - -1.3232930004596710e-01 1.3622519373893738e-01 - <_> - - 0 -1 3018 -8.7306648492813110e-03 - - -1.0246229916810989e-01 1.0649880394339561e-02 - <_> - - 0 -1 3019 -6.4327879808843136e-03 - - -2.1301789581775665e-01 7.7425397932529449e-02 - <_> - - 0 -1 3020 -1.3303949963301420e-03 - - 9.6234247088432312e-02 -1.7086009681224823e-01 - <_> - - 0 -1 3021 -2.3770590778440237e-03 - - 1.1657089740037918e-01 -1.5135769546031952e-01 - <_> - - 0 -1 3022 -5.3865360096096992e-03 - - -1.6851960122585297e-01 4.4324558228254318e-02 - <_> - - 0 -1 3023 -5.6973858736455441e-03 - - -2.4702399969100952e-01 7.7735342085361481e-02 - <_> - - 0 -1 3024 4.5654520392417908e-02 - - -1.6687670722603798e-02 1.4222119748592377e-01 - <_> - - 0 -1 3025 -1.4929420103726443e-05 - - -3.2725390791893005e-01 4.8142101615667343e-02 - <_> - - 0 -1 3026 -1.7635900294408202e-03 - - 7.0115849375724792e-02 -1.6864499077200890e-02 - <_> - - 0 -1 3027 1.9133860478177667e-03 - - -1.9570820033550262e-01 9.0169131755828857e-02 - <_> - - 0 -1 3028 -1.9309469498693943e-03 - - 1.1824289709329605e-01 -1.2146709859371185e-01 - <_> - - 0 -1 3029 9.7775761969387531e-04 - - 1.1657200008630753e-01 -1.2770849466323853e-01 - <_> - - 0 -1 3030 -5.2643800154328346e-03 - - 1.9958360493183136e-01 -6.2928676605224609e-02 - <_> - - 0 -1 3031 -2.2730689961463213e-03 - - -2.1804699301719666e-01 6.6565290093421936e-02 - <_> - - 0 -1 3032 -3.5128789022564888e-03 - - 8.1114247441291809e-02 -1.4230330288410187e-01 - <_> - - 0 -1 3033 2.8102330397814512e-03 - - 6.0884710401296616e-02 -2.2008429467678070e-01 - <_> - - 0 -1 3034 -2.3211359977722168e-02 - - 2.3182259500026703e-01 -3.4014280885457993e-02 - <_> - - 0 -1 3035 -8.7068388238549232e-03 - - -2.0691269636154175e-01 6.8004116415977478e-02 - <_> - - 0 -1 3036 7.0584798231720924e-03 - - -1.0500799864530563e-01 1.2610189616680145e-01 - <_> - - 0 -1 3037 -6.8878240883350372e-02 - - 4.2687618732452393e-01 -3.1305618584156036e-02 - <_> - - 0 -1 3038 -1.2785149738192558e-02 - - -2.0268030464649200e-01 3.2005790621042252e-02 - <_> - - 0 -1 3039 -4.2242300696671009e-03 - - -2.1619689464569092e-01 7.5660832226276398e-02 - <_> - - 0 -1 3040 -4.1660640388727188e-02 - - 3.5601380467414856e-01 -3.6500900983810425e-02 - <_> - - 0 -1 3041 1.4983239583671093e-02 - - 3.3663559705018997e-02 -4.3016681075096130e-01 - <_> - - 0 -1 3042 1.8940219888463616e-03 - - -7.7785640954971313e-02 1.4130039513111115e-01 - <_> - - 0 -1 3043 -1.0271830251440406e-03 - - 6.1292048543691635e-02 -1.8569129705429077e-01 - <_> - - 0 -1 3044 -1.0491760447621346e-02 - - -2.1280039846897125e-01 4.6641569584608078e-02 - <_> - - 0 -1 3045 4.1263508610427380e-03 - - -6.3113473355770111e-02 2.1683399379253387e-01 - <_> - - 0 -1 3046 2.1284529939293861e-02 - - -1.9541380926966667e-02 4.0555500984191895e-01 - <_> - - 0 -1 3047 6.0370927676558495e-03 - - 6.1322800815105438e-02 -1.7558750510215759e-01 - <_> - - 0 -1 3048 2.8550080023705959e-03 - - -3.7402968853712082e-02 8.6794376373291016e-02 - <_> - - 0 -1 3049 -3.0839299783110619e-02 - - 4.5826399326324463e-01 -2.2824319079518318e-02 - <_> - - 0 -1 3050 -1.2664640322327614e-02 - - -1.5179179608821869e-01 3.8325909525156021e-02 - <_> - - 0 -1 3051 8.4788333624601364e-03 - - -7.9164452850818634e-02 1.3821309804916382e-01 - <_> - - 0 -1 3052 -9.0271160006523132e-03 - - 2.0483429729938507e-01 -5.8428239077329636e-02 - <_> - - 0 -1 3053 -5.3999028168618679e-03 - - -1.9563870131969452e-01 6.2881819903850555e-02 - <_> - - 0 -1 3054 4.8698568716645241e-03 - - 4.7269448637962341e-02 -2.0357230305671692e-01 - <_> - - 0 -1 3055 -5.6715728715062141e-03 - - 1.6232620179653168e-01 -7.2473183274269104e-02 - <_> - - 0 -1 3056 -6.3621107256039977e-04 - - -1.7648829519748688e-01 6.1553929001092911e-02 - <_> - - 0 -1 3057 -5.7404721155762672e-03 - - -2.3773890733718872e-01 4.8493091017007828e-02 - <_> - - 0 -1 3058 2.3313059937208891e-03 - - -9.8087467253208160e-02 7.6705731451511383e-02 - <_> - - 0 -1 3059 2.6579289697110653e-03 - - -1.0429590195417404e-01 1.3275440037250519e-01 - <_> - - 0 -1 3060 -1.2426489964127541e-02 - - -1.7686119675636292e-01 7.8797861933708191e-02 - <_> - - 0 -1 3061 3.7596069741994143e-03 - - 5.8028500527143478e-02 -2.0235699415206909e-01 - <_> - - 0 -1 3062 -1.3941819779574871e-02 - - 2.9365628957748413e-01 -3.1069029122591019e-02 - <_> - - 0 -1 3063 2.4605529382824898e-02 - - -4.9767840653657913e-02 2.0446600019931793e-01 - <_> - - 0 -1 3064 1.1572279781103134e-01 - - 5.7542040012776852e-03 -5.5789208412170410e-01 - <_> - - 0 -1 3065 1.4880299568176270e-03 - - -1.2870499491691589e-01 8.6191363632678986e-02 - <_> - - 0 -1 3066 -1.0085869580507278e-02 - - -1.8718029558658600e-01 2.7143789455294609e-02 - <_> - - 0 -1 3067 -4.0125781670212746e-03 - - -1.4843569695949554e-01 6.1482351273298264e-02 - <_> - - 0 -1 3068 4.5241288840770721e-02 - - -2.2187199443578720e-02 4.9022749066352844e-01 - <_> - - 0 -1 3069 -5.4588477360084653e-04 - - 1.0740750283002853e-01 -9.4784751534461975e-02 - <_> - - 0 -1 3070 1.0822109878063202e-02 - - -1.1820139735937119e-01 8.4009647369384766e-02 - <_> - - 0 -1 3071 6.4339267555624247e-04 - - -1.1072149872779846e-01 8.4126397967338562e-02 - <_> - - 0 -1 3072 9.3544989824295044e-02 - - 6.1726439744234085e-03 -3.8121530413627625e-01 - <_> - - 0 -1 3073 -3.9214221760630608e-03 - - 1.2969920039176941e-01 -7.5530029833316803e-02 - <_> - - 0 -1 3074 -4.5141312293708324e-03 - - -2.1222509443759918e-01 5.0941351801156998e-02 - <_> - - 0 -1 3075 5.1563870161771774e-02 - - 1.1215999722480774e-02 -8.4125047922134399e-01 - <_> - - 0 -1 3076 -3.7086829543113708e-02 - - -3.3443790674209595e-01 1.2198350392282009e-02 - <_> - - 0 -1 3077 -1.5274320030584931e-03 - - 1.7022849619388580e-01 -5.3171109408140182e-02 - <_> - - 0 -1 3078 -3.3183719497174025e-03 - - 1.4972689747810364e-01 -3.9522700011730194e-02 - <_> - - 0 -1 3079 -1.0695139877498150e-02 - - -2.0767690241336823e-01 4.8223540186882019e-02 - <_> - - 0 -1 3080 8.0909933894872665e-03 - - -5.5572569370269775e-02 8.1361941993236542e-02 - <_> - - 0 -1 3081 8.9193560415878892e-04 - - -1.4888229966163635e-01 5.6974019855260849e-02 - <_> - - 0 -1 3082 2.1180939802434295e-04 - - -1.8776890635490417e-01 4.5087080448865891e-02 - <_> - - 0 -1 3083 6.8865409120917320e-03 - - -7.4651539325714111e-02 1.1806459724903107e-01 - <_> - - 0 -1 3084 3.8009819388389587e-01 - - 9.6241412684321404e-03 -5.0257128477096558e-01 - <_> - - 0 -1 3085 9.4844900071620941e-02 - - 2.0284110680222511e-02 -3.9478880167007446e-01 - <_> - - 0 -1 3086 -1.1133160296594724e-04 - - 5.3717028349637985e-02 -1.5433239936828613e-01 - <_> - - 0 -1 3087 3.5911630839109421e-02 - - -2.4374049156904221e-02 3.5077759623527527e-01 - <_> - - 0 -1 3088 -2.9291780665516853e-02 - - -4.9002739787101746e-01 2.1694840863347054e-02 - <_> - - 0 -1 3089 -2.4277189746499062e-02 - - -5.0206911563873291e-01 1.5807420015335083e-02 - <_> - - 0 -1 3090 1.2620110064744949e-02 - - -4.8637848347425461e-02 2.1370050311088562e-01 - <_> - - 0 -1 3091 -4.1045118123292923e-03 - - -1.6757939755916595e-01 6.2675923109054565e-02 - <_> - - 0 -1 3092 -2.3477169871330261e-01 - - 6.2205511331558228e-01 -1.3949319720268250e-02 - <_> - - 0 -1 3093 -6.7914247512817383e-02 - - -9.7014141082763672e-01 1.0490460321307182e-02 - <_> - - 0 -1 3094 1.4207609929144382e-03 - - -6.0801118612289429e-02 1.3500739634037018e-01 - <_> - - 0 -1 3095 -5.0894408486783504e-03 - - -1.6992169618606567e-01 5.0795670598745346e-02 - <_> - - 0 -1 3096 -1.9226800650358200e-02 - - 9.8861172795295715e-02 -3.3686220645904541e-02 - <_> - - 0 -1 3097 1.0590540245175362e-02 - - 5.9616900980472565e-02 -1.6495449841022491e-01 - <_> - - 0 -1 3098 3.3726880792528391e-03 - - -3.8652341812849045e-02 5.5400568991899490e-02 - <_> - - 0 -1 3099 -8.9012801647186279e-02 - - 4.0750509500503540e-01 -2.4150330573320389e-02 - <_> - - 0 -1 3100 -2.3359079658985138e-01 - - -7.2641909122467041e-01 6.5185138955712318e-03 - <_> - - 0 -1 3101 -2.2732259333133698e-01 - - -8.9977008104324341e-01 9.1146891936659813e-03 - <_> - - 0 -1 3102 -2.9601769521832466e-02 - - -4.3270850181579590e-01 1.6021190211176872e-02 - <_> - - 0 -1 3103 -6.9494689814746380e-03 - - 1.5218999981880188e-01 -6.1896830797195435e-02 - <_> - - 0 -1 3104 -1.9150479929521680e-03 - - 7.2570547461509705e-02 -1.3121089339256287e-01 - <_> - - 0 -1 3105 8.5106380283832550e-03 - - -5.7326089590787888e-02 1.5743100643157959e-01 - <_> - - 0 -1 3106 -2.4363139644265175e-02 - - 9.5700822770595551e-02 -5.8364428579807281e-02 - <_> - - 0 -1 3107 -2.2522659972310066e-02 - - -4.6943131089210510e-01 2.0241359248757362e-02 - <_> - - 0 -1 3108 -4.4660381972789764e-03 - - 7.6211109757423401e-02 -8.1844657659530640e-02 - <_> - - 0 -1 3109 -4.2101819999516010e-03 - - -2.2083589434623718e-01 4.7010198235511780e-02 - <_> - - 0 -1 3110 5.7130381464958191e-03 - - -6.2254000455141068e-02 5.2705820649862289e-02 - <_> - - 0 -1 3111 -5.6021669879555702e-03 - - -1.8985760211944580e-01 5.0114821642637253e-02 - <_> - - 0 -1 3112 -2.2042069584131241e-02 - - 8.7683752179145813e-02 -2.4777179583907127e-02 - <_> - - 0 -1 3113 -2.1817081142216921e-03 - - 1.6766600310802460e-01 -6.6771760582923889e-02 - <_> - - 0 -1 3114 2.4545300751924515e-02 - - 4.9205120652914047e-02 -2.2503720223903656e-01 - <_> - - 0 -1 3115 -2.4728688877075911e-03 - - 1.3539670407772064e-01 -6.2330130487680435e-02 - <_> - - 0 -1 3116 2.3717728909105062e-03 - - 5.7926058769226074e-02 -1.3325250148773193e-01 - <_> - - 0 -1 3117 -3.8999661803245544e-02 - - 2.9875481128692627e-01 -3.0257239937782288e-02 - <_> - - 0 -1 3118 -1.7835620092228055e-03 - - 9.2680282890796661e-02 -7.4350588023662567e-02 - <_> - - 0 -1 3119 1.9984450191259384e-02 - - 2.2409349679946899e-02 -4.1501939296722412e-01 - <_> - - 0 -1 3120 4.1170548647642136e-03 - - 5.3432278335094452e-02 -1.5092259645462036e-01 - <_> - - 0 -1 3121 4.3995600193738937e-02 - - 1.1389889754354954e-02 -6.6494518518447876e-01 - <_> - - 0 -1 3122 -3.5350578837096691e-03 - - 1.1005590111017227e-01 -7.6377056539058685e-02 - <_> - - 0 -1 3123 1.4632029924541712e-03 - - -5.6962151080369949e-02 1.3184599578380585e-01 - <_> - - 0 -1 3124 -4.9925539642572403e-03 - - -1.4675070345401764e-01 5.5129978805780411e-02 - <_> - - 0 -1 3125 -7.8646428883075714e-02 - - -5.2768182754516602e-01 1.3662739656865597e-02 - <_> - - 0 -1 3126 -4.3559111654758453e-03 - - 9.1798119246959686e-02 -5.7598169893026352e-02 - <_> - - 0 -1 3127 8.2531487569212914e-03 - - -6.5613977611064911e-02 1.3083070516586304e-01 - <_> - - 0 -1 3128 -3.5033349413424730e-03 - - -1.2742599844932556e-01 6.0875169932842255e-02 - <_> - - 0 -1 3129 3.9662471972405910e-03 - - -5.5715151131153107e-02 1.4783249795436859e-01 - <_> - - 0 -1 3130 -1.0260219685733318e-02 - - -1.3472290337085724e-01 4.4514350593090057e-02 - <_> - - 0 -1 3131 3.6724930396303535e-04 - - -1.3727700710296631e-01 6.1179649084806442e-02 - <_> - - 0 -1 3132 1.9500199705362320e-02 - - -5.9033330529928207e-02 1.5589320659637451e-01 - <_> - - 0 -1 3133 1.4041420072317123e-02 - - 2.2140439599752426e-02 -4.2831090092658997e-01 - <_> - - 0 -1 3134 3.8459740579128265e-02 - - 1.6875730827450752e-02 -5.2425742149353027e-01 - <_> - - 0 -1 3135 -2.5901539251208305e-02 - - 2.5163099169731140e-01 -3.2579511404037476e-02 - <_> - - 0 -1 3136 2.8264479711651802e-02 - - 2.1297719329595566e-02 -2.3978309333324432e-01 - <_> - - 0 -1 3137 -5.3067881613969803e-02 - - 7.6594692468643188e-01 -1.0163240134716034e-02 - <_> - - 0 -1 3138 1.6842440236359835e-03 - - 4.0168728679418564e-02 -2.1810980141162872e-01 - <_> - - 0 -1 3139 6.5255112713202834e-04 - - -3.2155249267816544e-02 2.6028048992156982e-01 - <_> - - 0 -1 3140 -1.5381099283695221e-01 - - -7.9570180177688599e-01 9.9420538172125816e-03 - <_> - - 0 -1 3141 -1.7530319746583700e-04 - - 6.1257161200046539e-02 -1.1830890178680420e-01 - <_> - - 0 -1 3142 1.1829809518530965e-03 - - -8.2589529454708099e-02 5.8234758675098419e-02 - <_> - - 0 -1 3143 1.4753890223801136e-02 - - 4.6728778630495071e-02 -1.9874340295791626e-01 - <_> - - 0 -1 3144 1.0592579841613770e-02 - - -5.7157158851623535e-02 1.2261729687452316e-01 - <_> - - 0 -1 3145 -4.6638969331979752e-02 - - 3.9221999049186707e-01 -1.8770450726151466e-02 - <_> - - 0 -1 3146 -2.2761020809412003e-03 - - -1.9819819927215576e-01 3.2669950276613235e-02 - <_> - - 0 -1 3147 -8.9252636826131493e-05 - - -1.7795699834823608e-01 4.5088160783052444e-02 - <_> - - 0 -1 3148 -4.8888921737670898e-03 - - 3.7973329424858093e-01 -2.5622500106692314e-02 - <_> - - 0 -1 3149 -4.7039450146257877e-03 - - -1.4075440168380737e-01 5.1885869354009628e-02 - <_> - - 0 -1 3150 6.8887867964804173e-03 - - -6.0707900673151016e-02 6.7318782210350037e-02 - <_> - - 0 -1 3151 9.4449967145919800e-02 - - -4.3975159525871277e-02 1.6885830461978912e-01 - <_> - - 0 -1 3152 5.1520671695470810e-02 - - 3.8239071145653725e-03 -6.3077712059020996e-01 - <_> - - 0 -1 3153 6.3957129605114460e-03 - - 4.4094309210777283e-02 -1.8156020343303680e-01 - <_> - - 0 -1 3154 -4.9659270793199539e-02 - - 1.1174239963293076e-01 -5.5821210145950317e-02 - <_> - - 0 -1 3155 -6.9081829860806465e-03 - - -1.4038950204849243e-01 5.9535760432481766e-02 - <_> - - 0 -1 3156 9.2546567320823669e-03 - - -3.3587910234928131e-02 5.8593101799488068e-02 - <_> - - 0 -1 3157 5.0454521551728249e-03 - - 5.3777661174535751e-02 -1.3626030087471008e-01 - <_> - - 0 -1 3158 -3.3333420753479004e-02 - - 2.4641269445419312e-01 -3.1888678669929504e-02 - <_> - - 0 -1 3159 6.1201080679893494e-02 - - 2.0013030618429184e-02 -3.9326569437980652e-01 - <_> - - 0 -1 3160 -1.0175120085477829e-02 - - 7.5324602425098419e-02 -3.9622548967599869e-02 - <_> - - 0 -1 3161 1.0271370410919189e-02 - - -5.2234519273042679e-02 1.7939470708370209e-01 - <_> - - 0 -1 3162 -5.1337860524654388e-02 - - -3.1097239255905151e-01 2.1656470373272896e-02 - <_> - - 0 -1 3163 2.3615739773958921e-03 - - -6.4843319356441498e-02 1.1771979928016663e-01 - <_> - - 0 -1 3164 -2.7691819705069065e-03 - - 1.4682589471340179e-01 -5.7794518768787384e-02 - <_> - - 0 -1 3165 2.1457809954881668e-02 - - 2.5269350036978722e-02 -3.3404821157455444e-01 - <_> - - 0 -1 3166 -5.9619098901748657e-03 - - 9.9241338670253754e-02 -3.5371959209442139e-02 - <_> - - 0 -1 3167 7.5217390060424805e-01 - - 7.7095897868275642e-03 -8.6434108018875122e-01 - <_> - - 0 -1 3168 -9.2514551943168044e-04 - - 3.8251910358667374e-02 -7.5597628951072693e-02 - <_> - - 0 -1 3169 4.0818289853632450e-03 - - 6.6699139773845673e-02 -1.1289499700069427e-01 - <_> - - 0 -1 3170 1.6256010159850121e-02 - - -1.8782900646328926e-02 1.8875749409198761e-01 - <_> - - 0 -1 3171 -9.3405954539775848e-03 - - -1.6462349891662598e-01 4.6859718859195709e-02 - <_> - - 0 -1 3172 -3.8136378861963749e-04 - - 6.0498170554637909e-02 -1.0089360177516937e-01 - <_> - - 0 -1 3173 -2.3470960557460785e-02 - - 1.8546760082244873e-01 -3.9577301591634750e-02 - <_> - - 0 -1 3174 -7.8684352338314056e-02 - - -6.0540008544921875e-01 1.3162979856133461e-02 - <_> - - 0 -1 3175 1.0616140067577362e-01 - - 9.4080185517668724e-03 -7.2416877746582031e-01 - <_> - - 0 -1 3176 -6.9211378693580627e-02 - - -9.2819648981094360e-01 5.4140980355441570e-03 - <_> - - 0 -1 3177 -4.3828289955854416e-02 - - 5.4933768510818481e-01 -1.5516829676926136e-02 - <_> - - 0 -1 3178 5.6881271302700043e-03 - - 3.7328861653804779e-02 -1.2019480019807816e-01 - <_> - - 0 -1 3179 3.6933881044387817e-01 - - -9.9545158445835114e-03 8.1607538461685181e-01 - <_> - - 0 -1 3180 -1.0447519831359386e-02 - - 1.4190499484539032e-01 -4.9798399209976196e-02 - <_> - - 0 -1 3181 1.5151320025324821e-02 - - 2.2705320268869400e-02 -3.4523698687553406e-01 - <_> - - 0 -1 3182 1.2503850460052490e-01 - - -2.7150910347700119e-02 3.0379050970077515e-01 - <_> - - 0 -1 3183 -9.1995187103748322e-03 - - -1.7020559310913086e-01 4.4314298778772354e-02 - <_> - - 0 -1 3184 7.1795531548559666e-03 - - -7.8971788287162781e-02 6.3919156789779663e-02 - <_> - - 0 -1 3185 -1.8217830359935760e-01 - - -9.7598892450332642e-01 7.1003441698849201e-03 - <_> - - 0 -1 3186 1.5047369743115269e-05 - - -9.8960377275943756e-02 3.9371099323034286e-02 - <_> - - 0 -1 3187 -3.8763400167226791e-02 - - -5.9095138311386108e-01 1.0429039597511292e-02 - <_> - - 0 -1 3188 -4.3799880892038345e-02 - - 2.5290209054946899e-01 -9.5704924315214157e-03 - <_> - - 0 -1 3189 -5.6705519556999207e-02 - - -7.2466772794723511e-01 9.0332692489027977e-03 - <_> - - 0 -1 3190 7.5183928012847900e-02 - - -6.7565650679171085e-03 7.3075437545776367e-01 - <_> - - 0 -1 3191 -6.4183590002357960e-03 - - 8.5421830415725708e-02 -7.6056882739067078e-02 - <_> - - 0 -1 3192 1.3349299551919103e-03 - - 6.9977663457393646e-02 -9.2187918722629547e-02 - <_> - - 0 -1 3193 2.8028399683535099e-03 - - -5.0953198224306107e-02 1.2934680283069611e-01 - <_> - - 0 -1 3194 -6.4196899533271790e-02 - - -6.1751341819763184e-01 8.7323756888508797e-03 - <_> - - 0 -1 3195 1.7879910301417112e-03 - - -5.9445429593324661e-02 1.1325009912252426e-01 - <_> - - 0 -1 3196 2.3370790295302868e-03 - - 2.2643320262432098e-02 -1.7427070438861847e-01 - <_> - - 0 -1 3197 2.1500359289348125e-03 - - -5.1846258342266083e-02 1.5027989447116852e-01 - <_> - - 0 -1 3198 -2.9744949191808701e-02 - - -1.7235560715198517e-01 1.6160540282726288e-02 - <_> - - 0 -1 3199 -2.9182229191064835e-03 - - -1.1646019667387009e-01 5.3380940109491348e-02 - <_> - - 0 -1 3200 -5.2581899799406528e-03 - - -8.4262102842330933e-02 3.6880351603031158e-02 - <_> - - 0 -1 3201 2.0302489399909973e-02 - - -5.3297229111194611e-02 1.6949890553951263e-01 - <_> - - 0 -1 3202 3.1120770145207644e-03 - - 4.4630430638790131e-02 -1.4054660499095917e-01 - <_> - - 0 -1 3203 -7.7524736523628235e-02 - - -6.5038281679153442e-01 1.0468889959156513e-02 - <_> - - 0 -1 3204 2.0978450775146484e-02 - - -3.0001569539308548e-02 1.9233350455760956e-01 - <_> - - 0 -1 3205 2.0581670105457306e-03 - - 5.1535431295633316e-02 -1.3114020228385925e-01 - <_> - - 0 -1 3206 -7.8407032415270805e-03 - - -1.3882939517498016e-01 5.0657931715250015e-02 - <_> - - 0 -1 3207 -7.1894749999046326e-02 - - 2.1866980195045471e-01 -3.3615190535783768e-02 - <_> - - 0 -1 3208 1.4218500256538391e-01 - - 1.2880220077931881e-02 -5.8853518962860107e-01 - <_> - - 0 -1 3209 4.4800378382205963e-03 - - -5.5522039532661438e-02 1.1976230144500732e-01 - <_> - - 0 -1 3210 -9.4673000276088715e-03 - - -1.2036380171775818e-01 3.0232360586524010e-02 - <_> - - 0 -1 3211 -1.2275399640202522e-03 - - 8.3563826978206635e-02 -8.7046720087528229e-02 - <_> - - 0 -1 3212 -6.2556960619986057e-03 - - 6.9355137646198273e-02 -3.5146340727806091e-02 - <_> - - 0 -1 3213 6.4953900873661041e-02 - - -1.9296510145068169e-02 3.4898158907890320e-01 - <_> - - 0 -1 3214 -3.2067541033029556e-03 - - -1.5205690264701843e-01 5.5897928774356842e-02 - <_> - - 0 -1 3215 -4.8260089010000229e-02 - - -6.0309630632400513e-01 1.0463859885931015e-02 - <_> - - 0 -1 3216 -4.2638331651687622e-03 - - -1.5278290212154388e-01 1.8424319103360176e-02 - <_> - - 0 -1 3217 4.9363691359758377e-02 - - -2.5442009791731834e-02 3.9227759838104248e-01 - <_> - - 0 -1 3218 2.3624610621482134e-03 - - 3.8519620895385742e-01 -1.7071360722184181e-02 - <_> - - 0 -1 3219 2.5921489577740431e-03 - - -1.5459729731082916e-01 4.3975789099931717e-02 - <_> - - 0 -1 3220 1.1510170064866543e-02 - - 6.0740210115909576e-02 -9.8671890795230865e-02 - <_> - - 0 -1 3221 3.9182868786156178e-03 - - 2.6165749877691269e-02 -2.9697629809379578e-01 - <_> - - 0 -1 3222 7.3265641927719116e-02 - - 5.5715530179440975e-03 -3.0474159121513367e-01 - <_> - - 0 -1 3223 -4.8912810161709785e-03 - - 1.2753780186176300e-01 -6.6236838698387146e-02 - <_> - - 0 -1 3224 -1.3187030330300331e-02 - - -2.0257690548896790e-01 3.0369829386472702e-02 - <_> - - 0 -1 3225 1.8196239834651351e-03 - - 4.9198139458894730e-02 -1.3782709836959839e-01 - <_> - - 0 -1 3226 -1.0299400426447392e-02 - - 1.3534359633922577e-01 -2.9193470254540443e-02 - <_> - - 0 -1 3227 1.7157079279422760e-01 - - -9.5548974350094795e-03 7.1399718523025513e-01 - <_> - - 0 -1 3228 -3.4571110736578703e-03 - - 6.1094630509614944e-02 -7.6816998422145844e-02 - <_> - - 0 -1 3229 3.3349241130053997e-04 - - -1.8768610060214996e-01 3.9411719888448715e-02 - <_> - - 0 -1 3230 5.6019209325313568e-02 - - 8.5914824157953262e-03 -7.3577058315277100e-01 - <_> - - 0 -1 3231 6.2299368437379599e-04 - - -9.4062000513076782e-02 6.7965887486934662e-02 - <_> - - 0 -1 3232 -1.4288679696619511e-02 - - 2.4144929647445679e-01 -2.7025459334254265e-02 - <_> - - 0 -1 3233 -9.9114552140235901e-03 - - -1.5346029400825500e-01 5.3243361413478851e-02 - <_> - - 0 -1 3234 -7.0727966725826263e-02 - - -7.1243101358413696e-01 7.4889077804982662e-03 - <_> - - 0 -1 3235 1.6112169250845909e-02 - - -3.5437509417533875e-02 2.2026020288467407e-01 - <_> - - 0 -1 3236 2.9938609804958105e-03 - - 1.1530820280313492e-02 -9.2017240822315216e-02 - <_> - - 0 -1 3237 1.4030840247869492e-03 - - 5.4302141070365906e-02 -1.1777610331773758e-01 - <_> - - 0 -1 3238 -8.9894913136959076e-02 - - -6.7658591270446777e-01 1.5741019742563367e-03 - <_> - - 0 -1 3239 2.7459259144961834e-03 - - 2.9860800132155418e-02 -2.2091430425643921e-01 - <_> - - 0 -1 3240 2.2225940600037575e-02 - - -4.6592909842729568e-02 8.0418691039085388e-02 - <_> - - 0 -1 3241 4.4512529857456684e-03 - - 1.0706499963998795e-01 -6.5101496875286102e-02 - <_> - - 0 -1 3242 -2.1191150881350040e-03 - - 3.9871860295534134e-02 -5.2555959671735764e-02 - <_> - - 0 -1 3243 1.0229589790105820e-01 - - 1.3386270031332970e-02 -4.5546561479568481e-01 - <_> - - 0 -1 3244 -6.8260570988059044e-03 - - 1.2695349752902985e-01 -5.9704031795263290e-02 - <_> - - 0 -1 3245 -5.6890580803155899e-02 - - 4.0180799365043640e-01 -1.6048269346356392e-02 - <_> - - 0 -1 3246 -1.8590029329061508e-02 - - -4.0374109148979187e-01 1.3502580113708973e-02 - <_> - - 0 -1 3247 3.3882200717926025e-02 - - 7.8824451193213463e-03 -7.9268622398376465e-01 - <_> - - 0 -1 3248 1.8759339582175016e-03 - - -3.4521240741014481e-02 1.8177880346775055e-01 - <_> - - 0 -1 3249 1.5652549918740988e-03 - - 4.8419889062643051e-02 -1.5185169875621796e-01 - <_> - - 0 -1 3250 3.9563868194818497e-03 - - -4.2162090539932251e-02 7.8943721950054169e-02 - <_> - 199 - -1.4275209903717041e+00 - - <_> - - 0 -1 3251 8.8487491011619568e-02 - - -2.2935929894447327e-01 2.4001109600067139e-01 - <_> - - 0 -1 3252 4.3344359844923019e-02 - - -1.9927449524402618e-01 2.0298740267753601e-01 - <_> - - 0 -1 3253 1.5985079109668732e-02 - - -1.9890889525413513e-01 1.9233879446983337e-01 - <_> - - 0 -1 3254 9.8411232233047485e-02 - - -9.4830892980098724e-02 2.4474050104618073e-01 - <_> - - 0 -1 3255 1.0079979896545410e-02 - - -4.8000910878181458e-01 5.9808451682329178e-02 - <_> - - 0 -1 3256 6.2629938125610352e-02 - - -1.5902659296989441e-01 1.5163069963455200e-01 - <_> - - 0 -1 3257 1.3623869977891445e-02 - - -2.7451339364051819e-01 9.0433366596698761e-02 - <_> - - 0 -1 3258 -3.8067731074988842e-03 - - -2.9342180490493774e-01 7.3020830750465393e-02 - <_> - - 0 -1 3259 -1.4649610035121441e-02 - - 2.6059079170227051e-01 -9.5248378813266754e-02 - <_> - - 0 -1 3260 -4.9288192531093955e-04 - - 5.9352219104766846e-02 -2.8081470727920532e-01 - <_> - - 0 -1 3261 -5.1220930181443691e-03 - - -2.4218030273914337e-01 8.1701509654521942e-02 - <_> - - 0 -1 3262 3.3120220177806914e-04 - - -4.0093910694122314e-01 3.4026090055704117e-02 - <_> - - 0 -1 3263 -7.4724480509757996e-04 - - 6.0560788959264755e-02 -2.9127869009971619e-01 - <_> - - 0 -1 3264 4.8829670995473862e-02 - - -7.2298422455787659e-02 2.6132971048355103e-01 - <_> - - 0 -1 3265 2.6994010433554649e-02 - - 9.5457129180431366e-02 -2.6758649945259094e-01 - <_> - - 0 -1 3266 -2.1151660475879908e-03 - - -2.5773069262504578e-01 5.3247869014739990e-02 - <_> - - 0 -1 3267 2.2652999177807942e-05 - - -3.0092310905456543e-01 5.9096790850162506e-02 - <_> - - 0 -1 3268 1.1034930124878883e-02 - - -7.4277937412261963e-02 1.9048790633678436e-01 - <_> - - 0 -1 3269 -1.0275219567120075e-02 - - -3.2835999131202698e-01 4.9218688160181046e-02 - <_> - - 0 -1 3270 -8.3319991827011108e-03 - - -2.9651468992233276e-01 3.9428789168596268e-02 - <_> - - 0 -1 3271 5.0808671861886978e-02 - - -4.7661241143941879e-02 3.7404251098632812e-01 - <_> - - 0 -1 3272 -1.2126479996368289e-03 - - -1.2148889899253845e-01 6.5059438347816467e-02 - <_> - - 0 -1 3273 4.1254470124840736e-03 - - -1.4912040531635284e-01 1.1146119982004166e-01 - <_> - - 0 -1 3274 -1.8284359946846962e-02 - - -2.8573518991470337e-01 5.9268131852149963e-02 - <_> - - 0 -1 3275 1.4156280457973480e-01 - - -3.4436151385307312e-02 4.6374419331550598e-01 - <_> - - 0 -1 3276 -3.6982420831918716e-02 - - -5.0853198766708374e-01 2.5087080895900726e-02 - <_> - - 0 -1 3277 5.0303530879318714e-03 - - 9.4626903533935547e-02 -1.6120310127735138e-01 - <_> - - 0 -1 3278 -4.6149080991744995e-01 - - 4.5096570253372192e-01 -3.1209290027618408e-02 - <_> - - 0 -1 3279 -1.9794689491391182e-02 - - -4.1046530008316040e-01 3.8790289312601089e-02 - <_> - - 0 -1 3280 -2.3872030898928642e-02 - - -1.5252740681171417e-01 9.2825219035148621e-03 - <_> - - 0 -1 3281 1.8736299825832248e-03 - - -1.9186599552631378e-01 6.9048486649990082e-02 - <_> - - 0 -1 3282 5.8244299143552780e-02 - - -2.2612230852246284e-02 2.1975080668926239e-01 - <_> - - 0 -1 3283 1.5281150117516518e-02 - - 5.6379750370979309e-02 -2.4171100556850433e-01 - <_> - - 0 -1 3284 1.3347120583057404e-01 - - -4.1846349835395813e-02 1.3641799986362457e-01 - <_> - - 0 -1 3285 -1.8359240144491196e-02 - - 1.3650700449943542e-01 -1.0537090152502060e-01 - <_> - - 0 -1 3286 -1.1236529797315598e-02 - - -2.1045160293579102e-01 6.1872761696577072e-02 - <_> - - 0 -1 3287 -7.2013743221759796e-02 - - -3.8488849997520447e-01 3.6731179803609848e-02 - <_> - - 0 -1 3288 -1.9893420860171318e-02 - - 1.9913719594478607e-01 -5.4470948874950409e-02 - <_> - - 0 -1 3289 -8.1342989578843117e-03 - - -2.7529388666152954e-01 4.7152820974588394e-02 - <_> - - 0 -1 3290 -1.3614459894597530e-02 - - 1.9248710572719574e-01 -6.0025930404663086e-02 - <_> - - 0 -1 3291 -6.4553669653832912e-03 - - -2.1480080485343933e-01 6.2654919922351837e-02 - <_> - - 0 -1 3292 -7.2288706898689270e-02 - - -5.3200727701187134e-01 2.2132480517029762e-02 - <_> - - 0 -1 3293 -7.0425979793071747e-02 - - -3.2588490843772888e-01 3.7150900810956955e-02 - <_> - - 0 -1 3294 -1.2219670228660107e-02 - - -6.5945722162723541e-02 2.8728110715746880e-02 - <_> - - 0 -1 3295 6.9816941395401955e-03 - - -2.8508388996124268e-01 4.2512468993663788e-02 - <_> - - 0 -1 3296 -2.1437550894916058e-03 - - -1.0019320249557495e-01 7.1198999881744385e-02 - <_> - - 0 -1 3297 -1.5813990030437708e-03 - - -1.2926709651947021e-01 9.5332272350788116e-02 - <_> - - 0 -1 3298 2.1735160771640949e-05 - - -1.9246159493923187e-01 5.3724698722362518e-02 - <_> - - 0 -1 3299 -1.0075280070304871e-01 - - 5.8181059360504150e-01 -2.1155519410967827e-02 - <_> - - 0 -1 3300 8.0153037561103702e-04 - - -1.6752170026302338e-01 6.1912689357995987e-02 - <_> - - 0 -1 3301 -1.3424370437860489e-02 - - 1.7007820308208466e-01 -6.5821729600429535e-02 - <_> - - 0 -1 3302 2.5006510317325592e-02 - - 3.1838789582252502e-02 -3.5664460062980652e-01 - <_> - - 0 -1 3303 -2.3061310872435570e-02 - - -5.3446078300476074e-01 2.0500430837273598e-02 - <_> - - 0 -1 3304 -8.1409228732809424e-04 - - 7.3716811835765839e-02 -9.8385728895664215e-02 - <_> - - 0 -1 3305 -1.3083440251648426e-02 - - 2.3585100471973419e-01 -4.7893758863210678e-02 - <_> - - 0 -1 3306 1.0480909608304501e-02 - - -6.7725770175457001e-02 1.1783230304718018e-01 - <_> - - 0 -1 3307 -4.3198268860578537e-02 - - -4.3816858530044556e-01 2.5101570412516594e-02 - <_> - - 0 -1 3308 -3.2453269232064486e-03 - - -2.2451759874820709e-01 4.3056890368461609e-02 - <_> - - 0 -1 3309 -1.6294110100716352e-03 - - -2.3388780653476715e-01 4.5073401182889938e-02 - <_> - - 0 -1 3310 -3.2911408692598343e-02 - - 2.1012680232524872e-01 -2.1296700462698936e-02 - <_> - - 0 -1 3311 1.4785619896429125e-05 - - -7.0854157209396362e-02 1.4696949720382690e-01 - <_> - - 0 -1 3312 -6.0208540409803391e-02 - - -5.2135831117630005e-01 1.9577400758862495e-02 - <_> - - 0 -1 3313 1.1327289976179600e-03 - - 4.4817470014095306e-02 -2.4390450119972229e-01 - <_> - - 0 -1 3314 8.3639882504940033e-03 - - -5.6976079940795898e-02 1.1684290319681168e-01 - <_> - - 0 -1 3315 1.4313389547169209e-02 - - 4.7445211559534073e-02 -2.2202989459037781e-01 - <_> - - 0 -1 3316 -1.1530060321092606e-01 - - 8.6662977933883667e-01 -4.2397230863571167e-03 - <_> - - 0 -1 3317 -2.0798090845346451e-02 - - 2.8666529059410095e-01 -4.0919508785009384e-02 - <_> - - 0 -1 3318 -1.8268700689077377e-02 - - 1.3087140023708344e-01 -4.5348200947046280e-02 - <_> - - 0 -1 3319 -2.5494489073753357e-01 - - -3.2410839200019836e-01 4.0496330708265305e-02 - <_> - - 0 -1 3320 -2.1786570549011230e-02 - - 3.3126661181449890e-01 -3.7021800875663757e-02 - <_> - - 0 -1 3321 4.2743898928165436e-02 - - 3.2316859811544418e-02 -3.5259619355201721e-01 - <_> - - 0 -1 3322 3.4730590879917145e-02 - - 3.4049548208713531e-02 -2.1393370628356934e-01 - <_> - - 0 -1 3323 -8.8458160462323576e-05 - - -3.1134480237960815e-01 3.9364520460367203e-02 - <_> - - 0 -1 3324 2.2288469970226288e-01 - - -8.7889749556779861e-03 8.6566871404647827e-01 - <_> - - 0 -1 3325 2.7045139670372009e-01 - - -5.2694901823997498e-02 1.8746510148048401e-01 - <_> - - 0 -1 3326 -2.4789940565824509e-02 - - 2.7650299668312073e-01 -2.7306249365210533e-02 - <_> - - 0 -1 3327 -3.5731170326471329e-02 - - 4.1157469153404236e-01 -2.2886089980602264e-02 - <_> - - 0 -1 3328 4.7842580825090408e-02 - - 2.2989360615611076e-02 -4.1287249326705933e-01 - <_> - - 0 -1 3329 -3.1846091151237488e-02 - - 3.8073039054870605e-01 -2.9582230374217033e-02 - <_> - - 0 -1 3330 -6.9219218567013741e-03 - - -1.3741379976272583e-01 4.8710118979215622e-02 - <_> - - 0 -1 3331 4.1339758783578873e-02 - - 4.4119630008935928e-02 -2.3561610281467438e-01 - <_> - - 0 -1 3332 -3.4157071262598038e-02 - - -2.4877929687500000e-01 1.1872059665620327e-02 - <_> - - 0 -1 3333 -1.2198990210890770e-02 - - -2.1426199376583099e-01 5.1533300429582596e-02 - <_> - - 0 -1 3334 -7.9321218654513359e-03 - - 8.1553332507610321e-02 -6.9921717047691345e-02 - <_> - - 0 -1 3335 -4.2665388435125351e-02 - - -5.0616562366485596e-01 1.9237969070672989e-02 - <_> - - 0 -1 3336 3.5445880144834518e-02 - - -1.6394840553402901e-02 1.7057849466800690e-01 - <_> - - 0 -1 3337 4.5686280727386475e-01 - - 1.9264170899987221e-02 -5.4413592815399170e-01 - <_> - - 0 -1 3338 3.1118420884013176e-02 - - -3.0776979401707649e-02 1.3581100106239319e-01 - <_> - - 0 -1 3339 -1.6103679314255714e-02 - - 2.1244280040264130e-01 -4.8341780900955200e-02 - <_> - - 0 -1 3340 5.7916441000998020e-03 - - -7.3984377086162567e-02 3.5749029368162155e-02 - <_> - - 0 -1 3341 -6.5660297870635986e-02 - - 2.6183378696441650e-01 -4.1004821658134460e-02 - <_> - - 0 -1 3342 8.1464983522891998e-02 - - 1.2928999960422516e-02 -3.5362771153450012e-01 - <_> - - 0 -1 3343 1.2561170384287834e-02 - - -1.9108769297599792e-01 6.9965943694114685e-02 - <_> - - 0 -1 3344 7.8783802688121796e-02 - - -5.4801939986646175e-03 3.9217329025268555e-01 - <_> - - 0 -1 3345 3.3984828740358353e-02 - - 8.4328763186931610e-02 -1.2477640062570572e-01 - <_> - - 0 -1 3346 1.7718339338898659e-02 - - 4.4793829321861267e-02 -1.9760879874229431e-01 - <_> - - 0 -1 3347 -9.8835285753011703e-03 - - -1.5149329602718353e-01 6.7348048090934753e-02 - <_> - - 0 -1 3348 2.3850230500102043e-02 - - -3.3219821751117706e-02 1.6131630539894104e-01 - <_> - - 0 -1 3349 -3.9590701460838318e-02 - - 3.9903929829597473e-01 -2.8885990381240845e-02 - <_> - - 0 -1 3350 3.4961920231580734e-02 - - 2.2103229537606239e-02 -5.2885407209396362e-01 - <_> - - 0 -1 3351 9.4825841486454010e-02 - - 9.5985615625977516e-03 -8.2035672664642334e-01 - <_> - - 0 -1 3352 -1.0215540230274200e-01 - - -2.0551559329032898e-01 3.0388559680432081e-03 - <_> - - 0 -1 3353 -9.3128867447376251e-03 - - 3.6827068775892258e-02 -2.4656419456005096e-01 - <_> - - 0 -1 3354 -5.4135788232088089e-03 - - -2.3878090083599091e-01 4.1015189141035080e-02 - <_> - - 0 -1 3355 -2.6281980797648430e-02 - - 2.7853861451148987e-01 -3.6868080496788025e-02 - <_> - - 0 -1 3356 -9.9223516881465912e-03 - - -2.5322121381759644e-01 3.3522550016641617e-02 - <_> - - 0 -1 3357 -1.7109709978103638e-01 - - -2.9404911398887634e-01 3.2432679086923599e-02 - <_> - - 0 -1 3358 -8.7599586695432663e-03 - - 6.8787500262260437e-02 -1.0647170245647430e-01 - <_> - - 0 -1 3359 1.2942530214786530e-01 - - 1.3241300359368324e-02 -6.8923670053482056e-01 - <_> - - 0 -1 3360 -4.7723919153213501e-02 - - 2.2214810550212860e-01 -2.8517080470919609e-02 - <_> - - 0 -1 3361 1.0812310129404068e-01 - - 1.1902020312845707e-02 -7.7915120124816895e-01 - <_> - - 0 -1 3362 -2.7494689449667931e-02 - - -3.0192640423774719e-01 2.8540210798382759e-02 - <_> - - 0 -1 3363 -4.9534138292074203e-02 - - -3.0015140771865845e-01 3.1750950962305069e-02 - <_> - - 0 -1 3364 -1.0358350351452827e-02 - - 1.2287119776010513e-01 -3.9123039692640305e-02 - <_> - - 0 -1 3365 -3.2705869525671005e-02 - - -3.3354911208152771e-01 2.7965290471911430e-02 - <_> - - 0 -1 3366 -1.3580479659140110e-02 - - 1.1192899942398071e-01 -4.9471028149127960e-02 - <_> - - 0 -1 3367 5.5075851269066334e-03 - - -1.3118129968643188e-01 6.9403477013111115e-02 - <_> - - 0 -1 3368 7.5508110225200653e-02 - - -2.9019629582762718e-02 3.9413800835609436e-01 - <_> - - 0 -1 3369 5.6811410933732986e-02 - - 2.6788659393787384e-02 -4.1989549994468689e-01 - <_> - - 0 -1 3370 5.0004580989480019e-03 - - 4.6239160001277924e-02 -6.7620649933815002e-02 - <_> - - 0 -1 3371 1.9717490300536156e-02 - - -6.0402508825063705e-02 1.6632139682769775e-01 - <_> - - 0 -1 3372 -6.4729452133178711e-02 - - -5.2484118938446045e-01 2.7922600507736206e-02 - <_> - - 0 -1 3373 -3.0683130025863647e-02 - - 2.1945460140705109e-01 -4.8111628741025925e-02 - <_> - - 0 -1 3374 8.1467535346746445e-03 - - 6.0279220342636108e-02 -1.1600890010595322e-01 - <_> - - 0 -1 3375 7.9492190852761269e-03 - - 8.3563491702079773e-02 -1.6053000092506409e-01 - <_> - - 0 -1 3376 -2.2406199946999550e-02 - - 2.8271418809890747e-01 -2.8184479102492332e-02 - <_> - - 0 -1 3377 8.2993790507316589e-02 - - 1.0475059971213341e-02 -9.6875292062759399e-01 - <_> - - 0 -1 3378 -7.0176632143557072e-03 - - -1.3753229379653931e-01 6.8205498158931732e-02 - <_> - - 0 -1 3379 -9.7560193389654160e-03 - - -1.3707080483436584e-01 7.2890587151050568e-02 - <_> - - 0 -1 3380 -5.2217379212379456e-02 - - -6.4300441741943359e-01 1.4492220245301723e-02 - <_> - - 0 -1 3381 -7.8029942233115435e-04 - - -2.6479271054267883e-01 3.3517841249704361e-02 - <_> - - 0 -1 3382 3.7919931113719940e-02 - - -8.4846787154674530e-02 1.1260589957237244e-01 - <_> - - 0 -1 3383 3.0561289750039577e-03 - - 4.8086941242218018e-02 -1.9009250402450562e-01 - <_> - - 0 -1 3384 6.5862268209457397e-02 - - -5.2452040836215019e-03 9.1280621290206909e-01 - <_> - - 0 -1 3385 1.5568210184574127e-01 - - 2.0884050056338310e-02 -4.9580439925193787e-01 - <_> - - 0 -1 3386 -1.9058469915762544e-03 - - 1.8305900692939758e-01 -4.9756310880184174e-02 - <_> - - 0 -1 3387 -9.8356999456882477e-02 - - 4.8020449280738831e-01 -2.0384309813380241e-02 - <_> - - 0 -1 3388 4.2754490859806538e-03 - - 4.0095929056406021e-02 -1.4071129262447357e-01 - <_> - - 0 -1 3389 -1.4033010229468346e-02 - - -2.0791560411453247e-01 5.2576299756765366e-02 - <_> - - 0 -1 3390 8.0179408192634583e-02 - - -2.5790559127926826e-02 3.7651219964027405e-01 - <_> - - 0 -1 3391 1.8175759911537170e-01 - - 1.1428649537265301e-02 -8.3382111787796021e-01 - <_> - - 0 -1 3392 -1.9141690805554390e-02 - - -5.0522857904434204e-01 1.2605519965291023e-02 - <_> - - 0 -1 3393 -5.1260828971862793e-02 - - 5.8292531967163086e-01 -1.6109749674797058e-02 - <_> - - 0 -1 3394 6.4478136599063873e-02 - - 1.0237329639494419e-02 -6.0302352905273438e-01 - <_> - - 0 -1 3395 3.1238300725817680e-02 - - 2.0845850929617882e-02 -3.9785829186439514e-01 - <_> - - 0 -1 3396 -5.0772321410477161e-03 - - 1.2331540137529373e-01 -3.5224981606006622e-02 - <_> - - 0 -1 3397 -1.9385579507797956e-03 - - 1.5726689994335175e-01 -7.3316320776939392e-02 - <_> - - 0 -1 3398 2.4099789559841156e-02 - - -1.1178609728813171e-01 1.0738980025053024e-01 - <_> - - 0 -1 3399 -8.8700000196695328e-03 - - -3.6048200726509094e-01 2.7034249156713486e-02 - <_> - - 0 -1 3400 -3.7424121052026749e-02 - - -3.5229408740997314e-01 1.6786530613899231e-02 - <_> - - 0 -1 3401 -2.0067069679498672e-02 - - -2.7460938692092896e-01 3.9532590657472610e-02 - <_> - - 0 -1 3402 6.5169870853424072e-02 - - 1.1402159929275513e-02 -2.4819959700107574e-01 - <_> - - 0 -1 3403 3.8157470524311066e-02 - - 4.6323310583829880e-02 -2.0989510416984558e-01 - <_> - - 0 -1 3404 1.1075180023908615e-02 - - 3.4411158412694931e-02 -5.1256500184535980e-02 - <_> - - 0 -1 3405 1.1583480238914490e-01 - - 4.2282830923795700e-02 -2.1705499291419983e-01 - <_> - - 0 -1 3406 -4.6720780432224274e-02 - - 2.3093520104885101e-01 -8.3234477788209915e-03 - <_> - - 0 -1 3407 1.2567450106143951e-01 - - -4.9882501363754272e-02 2.1018449962139130e-01 - <_> - - 0 -1 3408 1.8088010256178677e-04 - - -1.1836589872837067e-01 8.4278896450996399e-02 - <_> - - 0 -1 3409 1.0470690205693245e-02 - - -8.6210608482360840e-02 1.1760850250720978e-01 - <_> - - 0 -1 3410 5.8065719902515411e-02 - - 1.5582700259983540e-02 -7.4217921495437622e-01 - <_> - - 0 -1 3411 2.2783069871366024e-03 - - -1.9151380658149719e-01 4.7990638762712479e-02 - <_> - - 0 -1 3412 -6.9596558809280396e-02 - - -7.3241692781448364e-01 1.1130559723824263e-03 - <_> - - 0 -1 3413 5.8907870203256607e-02 - - 1.6878390684723854e-02 -5.4400408267974854e-01 - <_> - - 0 -1 3414 -8.0658823251724243e-02 - - 2.9922959208488464e-01 -1.8570570275187492e-02 - <_> - - 0 -1 3415 1.7686929553747177e-02 - - 4.2936161160469055e-02 -2.2591550648212433e-01 - <_> - - 0 -1 3416 -1.6319070011377335e-02 - - 1.8889640271663666e-01 -4.7047398984432220e-02 - <_> - - 0 -1 3417 -3.9527568966150284e-02 - - -3.2657331228256226e-01 2.8762219473719597e-02 - <_> - - 0 -1 3418 1.9769819919019938e-03 - - -8.8217496871948242e-02 5.7402729988098145e-02 - <_> - - 0 -1 3419 -3.0272029340267181e-02 - - -5.1177912950515747e-01 1.7359249293804169e-02 - <_> - - 0 -1 3420 5.3786419332027435e-02 - - 1.2071570381522179e-02 -4.0201959013938904e-01 - <_> - - 0 -1 3421 -9.4136483967304230e-03 - - 2.4728150665760040e-01 -3.6734741181135178e-02 - <_> - - 0 -1 3422 -5.9014528989791870e-02 - - -1.3277289271354675e-01 1.5220739878714085e-02 - <_> - - 0 -1 3423 8.9417606592178345e-02 - - -2.5917148590087891e-01 3.7563629448413849e-02 - <_> - - 0 -1 3424 -8.7996140122413635e-02 - - 4.9200880527496338e-01 -2.1210839971899986e-02 - <_> - - 0 -1 3425 -5.0747569650411606e-02 - - -4.8567768931388855e-01 2.0005319267511368e-02 - <_> - - 0 -1 3426 -3.8918260484933853e-02 - - -8.9558547735214233e-01 7.8960238024592400e-03 - <_> - - 0 -1 3427 2.0968139171600342e-02 - - -5.4431710392236710e-02 1.6123360395431519e-01 - <_> - - 0 -1 3428 -3.2103069126605988e-02 - - -3.6822700500488281e-01 1.9163349643349648e-02 - <_> - - 0 -1 3429 5.5592609569430351e-03 - - 7.8368440270423889e-02 -1.1842489987611771e-01 - <_> - - 0 -1 3430 5.9554249048233032e-02 - - -5.2290938794612885e-02 3.6194879561662674e-02 - <_> - - 0 -1 3431 -1.0973160155117512e-02 - - 1.5855990350246429e-01 -5.5804491043090820e-02 - <_> - - 0 -1 3432 -1.1934650130569935e-02 - - -2.5717508792877197e-01 3.2829850912094116e-02 - <_> - - 0 -1 3433 6.0441631823778152e-02 - - -3.8720801472663879e-02 2.2971870005130768e-01 - <_> - - 0 -1 3434 -8.2118069985881448e-04 - - 6.9738790392875671e-02 -1.5992000699043274e-01 - <_> - - 0 -1 3435 2.0469389855861664e-02 - - -8.4349267184734344e-02 1.0139500349760056e-01 - <_> - - 0 -1 3436 -7.6305761933326721e-02 - - 8.3174228668212891e-01 -5.0806580111384392e-03 - <_> - - 0 -1 3437 6.0551889240741730e-02 - - -3.7971161305904388e-02 2.1850149333477020e-01 - <_> - - 0 -1 3438 -4.1085779666900635e-03 - - -1.1496649682521820e-01 3.6647479981184006e-02 - <_> - - 0 -1 3439 1.2399969622492790e-02 - - 6.2838301062583923e-02 -1.4144660532474518e-01 - <_> - - 0 -1 3440 -7.1455702185630798e-02 - - -4.2673790454864502e-01 1.3947109691798687e-02 - <_> - - 0 -1 3441 3.3709030598402023e-02 - - -1.2713599950075150e-02 7.4775099754333496e-01 - <_> - - 0 -1 3442 3.4742768853902817e-02 - - 2.0969500765204430e-02 -1.4630280435085297e-01 - <_> - - 0 -1 3443 -4.3705299496650696e-02 - - 1.8064750730991364e-01 -5.2335180342197418e-02 - <_> - - 0 -1 3444 8.4926873445510864e-02 - - 6.9014527834951878e-03 -2.6073959469795227e-01 - <_> - - 0 -1 3445 -1.7119079828262329e-02 - - -1.4590080082416534e-01 6.7484676837921143e-02 - <_> - - 0 -1 3446 3.3630719780921936e-01 - - 7.8989071771502495e-03 -8.3852928876876831e-01 - <_> - - 0 -1 3447 1.2371230125427246e-01 - - -2.5482710450887680e-02 3.9098039269447327e-01 - <_> - - 0 -1 3448 -1.1195900291204453e-01 - - -3.8317111134529114e-01 6.0780011117458344e-03 - <_> - - 0 -1 3449 -1.0881890356540680e-01 - - -7.1362990140914917e-01 1.2700069695711136e-02 - <_> - 268 - -1.3290590047836304e+00 - - <_> - - 0 -1 3450 9.6844611689448357e-03 - - -1.9455039501190186e-01 2.0048019289970398e-01 - <_> - - 0 -1 3451 -6.6196201369166374e-03 - - 9.2211641371250153e-02 -3.4824401140213013e-01 - <_> - - 0 -1 3452 5.6163137778639793e-03 - - 6.6767610609531403e-02 -4.1172260046005249e-01 - <_> - - 0 -1 3453 -1.6882510390132666e-03 - - 7.2629712522029877e-02 -2.0694479346275330e-01 - <_> - - 0 -1 3454 -2.9599820263683796e-03 - - -2.0635899901390076e-01 7.7335417270660400e-02 - <_> - - 0 -1 3455 1.7798959743231535e-03 - - -3.2149469852447510e-01 6.4107127487659454e-02 - <_> - - 0 -1 3456 -4.0264189010486007e-04 - - 7.9512253403663635e-02 -2.4051089584827423e-01 - <_> - - 0 -1 3457 -5.0024548545479774e-04 - - 8.6675606667995453e-02 -2.0504170656204224e-01 - <_> - - 0 -1 3458 -2.0284270867705345e-03 - - 1.4322499930858612e-01 -1.2220569700002670e-01 - <_> - - 0 -1 3459 6.0648359358310699e-03 - - 3.7860579788684845e-02 -2.4375459551811218e-01 - <_> - - 0 -1 3460 9.6257496625185013e-03 - - 5.7141840457916260e-02 -2.8827920556068420e-01 - <_> - - 0 -1 3461 2.5888499803841114e-03 - - -1.8906019628047943e-01 8.6430206894874573e-02 - <_> - - 0 -1 3462 2.9090950265526772e-03 - - -8.3108469843864441e-02 1.7618839442729950e-01 - <_> - - 0 -1 3463 2.2233440540730953e-03 - - 2.0150169730186462e-02 -2.4882750213146210e-01 - <_> - - 0 -1 3464 -9.8997671157121658e-03 - - -2.0639769732952118e-01 6.0985010117292404e-02 - <_> - - 0 -1 3465 1.9689390435814857e-02 - - -3.4452438354492188e-02 2.0069779455661774e-01 - <_> - - 0 -1 3466 2.1106770262122154e-02 - - 4.3886858969926834e-02 -2.6610890030860901e-01 - <_> - - 0 -1 3467 -7.2028310969471931e-03 - - 1.7015519738197327e-01 -5.4639339447021484e-02 - <_> - - 0 -1 3468 4.0647671557962894e-03 - - 5.2182808518409729e-02 -2.1304030716419220e-01 - <_> - - 0 -1 3469 -2.8419198933988810e-03 - - 5.3180210292339325e-02 -1.7669560015201569e-01 - <_> - - 0 -1 3470 -4.9461819231510162e-02 - - 3.7221330404281616e-01 -3.3969849348068237e-02 - <_> - - 0 -1 3471 4.3024159967899323e-02 - - 3.1251549720764160e-02 -3.1831890344619751e-01 - <_> - - 0 -1 3472 -7.0111698005348444e-04 - - -2.0340210199356079e-01 5.8964170515537262e-02 - <_> - - 0 -1 3473 5.7489587925374508e-04 - - -9.4937190413475037e-02 1.0538189858198166e-01 - <_> - - 0 -1 3474 -1.4911209291312844e-04 - - 6.8423688411712646e-02 -1.8207779526710510e-01 - <_> - - 0 -1 3475 8.7993890047073364e-03 - - 3.3866070210933685e-02 -1.1625579744577408e-01 - <_> - - 0 -1 3476 -8.7150773033499718e-03 - - 1.8041290342807770e-01 -6.5721526741981506e-02 - <_> - - 0 -1 3477 -1.3727629557251930e-02 - - -1.3337810337543488e-01 3.5966601222753525e-02 - <_> - - 0 -1 3478 -2.3620850406587124e-03 - - -1.9088070094585419e-01 6.1849810183048248e-02 - <_> - - 0 -1 3479 1.7863539978861809e-03 - - -8.3071537315845490e-02 9.8926126956939697e-02 - <_> - - 0 -1 3480 -9.4514712691307068e-03 - - -1.8024919927120209e-01 6.0146760195493698e-02 - <_> - - 0 -1 3481 4.8195280134677887e-02 - - -2.6617299765348434e-02 3.0134469270706177e-01 - <_> - - 0 -1 3482 -1.2248229468241334e-03 - - -2.3560139536857605e-01 4.5572910457849503e-02 - <_> - - 0 -1 3483 -4.2851101607084274e-02 - - 1.6086329519748688e-01 -2.3455940186977386e-02 - <_> - - 0 -1 3484 3.4798709675669670e-03 - - 7.6882630586624146e-02 -1.3299170136451721e-01 - <_> - - 0 -1 3485 -3.9859190583229065e-03 - - 4.3115191161632538e-02 -2.3132759332656860e-01 - <_> - - 0 -1 3486 4.3139848858118057e-02 - - -3.6780070513486862e-02 2.3883450031280518e-01 - <_> - - 0 -1 3487 -1.7436629161238670e-02 - - -1.4046260714530945e-01 5.9077050536870956e-02 - <_> - - 0 -1 3488 -7.5254887342453003e-02 - - 3.6328521370887756e-01 -3.1380280852317810e-02 - <_> - - 0 -1 3489 6.0125540941953659e-02 - - 8.2496693357825279e-03 -2.3485200107097626e-01 - <_> - - 0 -1 3490 1.2755369534716010e-03 - - -1.2268169969320297e-01 9.0071536600589752e-02 - <_> - - 0 -1 3491 -1.3465109514072537e-03 - - -1.4554239809513092e-01 7.0761166512966156e-02 - <_> - - 0 -1 3492 2.3758469149470329e-02 - - -5.1834989339113235e-02 1.7583900690078735e-01 - <_> - - 0 -1 3493 2.2376580163836479e-03 - - 9.1763339936733246e-02 -1.1206050217151642e-01 - <_> - - 0 -1 3494 3.8662939332425594e-03 - - 6.2390189617872238e-02 -1.5142339468002319e-01 - <_> - - 0 -1 3495 7.6868042349815369e-02 - - -2.7640199288725853e-02 3.7636131048202515e-01 - <_> - - 0 -1 3496 1.6617199406027794e-02 - - 3.3067818731069565e-02 -3.0950650572776794e-01 - <_> - - 0 -1 3497 -4.6145029366016388e-02 - - 1.0798139870166779e-01 -5.8277439326047897e-02 - <_> - - 0 -1 3498 9.8206609487533569e-02 - - 1.7502160742878914e-02 -5.0861918926239014e-01 - <_> - - 0 -1 3499 4.7838049940764904e-03 - - -1.0207810252904892e-01 5.7796850800514221e-02 - <_> - - 0 -1 3500 2.0467689260840416e-02 - - -2.0362010225653648e-02 4.5001450181007385e-01 - <_> - - 0 -1 3501 1.5141700394451618e-02 - - 2.8140379115939140e-02 -8.5130028426647186e-02 - <_> - - 0 -1 3502 5.2229189313948154e-03 - - -5.7789258658885956e-02 1.5580329298973083e-01 - <_> - - 0 -1 3503 1.8871299922466278e-02 - - 2.7053799480199814e-02 -1.2046360224485397e-01 - <_> - - 0 -1 3504 4.5608580112457275e-03 - - -7.9567588865756989e-02 1.1571010202169418e-01 - <_> - - 0 -1 3505 -1.2172549962997437e-02 - - -1.6149179637432098e-01 2.4571539834141731e-02 - <_> - - 0 -1 3506 -1.6468809545040131e-01 - - -6.5712791681289673e-01 1.2428689748048782e-02 - <_> - - 0 -1 3507 1.8241419456899166e-03 - - -9.1526739299297333e-02 8.7851390242576599e-02 - <_> - - 0 -1 3508 -5.4591207299381495e-04 - - -1.2581209838390350e-01 6.6968381404876709e-02 - <_> - - 0 -1 3509 2.1177160087972879e-03 - - 1.4261330664157867e-01 -6.1729468405246735e-02 - <_> - - 0 -1 3510 1.1853260220959783e-03 - - -9.1425627470016479e-02 9.2089362442493439e-02 - <_> - - 0 -1 3511 7.9899299889802933e-03 - - -6.3119217753410339e-02 1.5446299314498901e-01 - <_> - - 0 -1 3512 4.5044990256428719e-03 - - 4.0920298546552658e-02 -2.2475910186767578e-01 - <_> - - 0 -1 3513 7.4563547968864441e-03 - - -3.9540700614452362e-02 2.4208679795265198e-01 - <_> - - 0 -1 3514 6.3897971995174885e-03 - - 5.2900739014148712e-02 -1.7378969490528107e-01 - <_> - - 0 -1 3515 -5.9052068740129471e-02 - - -4.7957658767700195e-01 8.3919316530227661e-03 - <_> - - 0 -1 3516 -5.3746208548545837e-02 - - -5.0854432582855225e-01 1.6880670562386513e-02 - <_> - - 0 -1 3517 -9.1852366924285889e-02 - - 1.9466249644756317e-01 -1.1129629798233509e-02 - <_> - - 0 -1 3518 1.5038819611072540e-01 - - -2.0112350583076477e-02 4.4738510251045227e-01 - <_> - - 0 -1 3519 -2.1317429840564728e-02 - - 2.9676139354705811e-01 -2.8231840580701828e-02 - <_> - - 0 -1 3520 1.2711419723927975e-02 - - 3.3570941537618637e-02 -2.8972589969635010e-01 - <_> - - 0 -1 3521 -9.3287907540798187e-02 - - 6.4380300045013428e-01 -1.4923879876732826e-02 - <_> - - 0 -1 3522 -4.5716729946434498e-03 - - -2.6994249224662781e-01 3.3246111124753952e-02 - <_> - - 0 -1 3523 -3.4010890522040427e-04 - - 8.1715546548366547e-02 -1.0642260313034058e-01 - <_> - - 0 -1 3524 -2.6096890214830637e-03 - - 1.8403419852256775e-01 -6.4724236726760864e-02 - <_> - - 0 -1 3525 4.6332611236721277e-04 - - -1.4283409714698792e-01 4.2033299803733826e-02 - <_> - - 0 -1 3526 1.4095300436019897e-01 - - 9.4516919925808907e-03 -7.7727228403091431e-01 - <_> - - 0 -1 3527 2.0406199619174004e-03 - - -6.6505432128906250e-02 1.1805409938097000e-01 - <_> - - 0 -1 3528 -2.2302009165287018e-02 - - -1.0419870167970657e-01 8.9387677609920502e-02 - <_> - - 0 -1 3529 3.9168349467217922e-03 - - 2.5769380852580070e-02 -1.6625499725341797e-01 - <_> - - 0 -1 3530 6.1153857968747616e-03 - - -6.2531687319278717e-02 1.4075349271297455e-01 - <_> - - 0 -1 3531 -2.9564529540948570e-05 - - 4.6978309750556946e-02 -1.0862989723682404e-01 - <_> - - 0 -1 3532 1.4300559996627271e-04 - - -1.0005149990320206e-01 8.0335728824138641e-02 - <_> - - 0 -1 3533 1.1430789716541767e-02 - - 2.3201359435915947e-02 -3.1366908550262451e-01 - <_> - - 0 -1 3534 -1.3724610209465027e-02 - - 1.2814410030841827e-01 -6.1290029436349869e-02 - <_> - - 0 -1 3535 -4.5548770576715469e-02 - - -4.7528308629989624e-01 1.3631340116262436e-02 - <_> - - 0 -1 3536 7.6914107194170356e-04 - - -8.9416027069091797e-02 9.6091486513614655e-02 - <_> - - 0 -1 3537 6.3840910792350769e-02 - - 1.6064060851931572e-02 -3.8221898674964905e-01 - <_> - - 0 -1 3538 -7.2662779130041599e-03 - - -2.1940490603446960e-01 3.8170509040355682e-02 - <_> - - 0 -1 3539 -1.2828599661588669e-02 - - 1.4705429971218109e-01 -5.5832669138908386e-02 - <_> - - 0 -1 3540 -9.1467969119548798e-02 - - -7.9265332221984863e-01 1.0404639877378941e-02 - <_> - - 0 -1 3541 -2.7164160273969173e-03 - - -1.7725169658660889e-01 5.6455809623003006e-02 - <_> - - 0 -1 3542 -1.0097579658031464e-01 - - -5.9372657537460327e-01 1.3162240386009216e-02 - <_> - - 0 -1 3543 -3.7983559072017670e-02 - - -1.5072999894618988e-01 1.9557390362024307e-02 - <_> - - 0 -1 3544 5.3728191414847970e-04 - - 5.2257049828767776e-02 -1.7996260523796082e-01 - <_> - - 0 -1 3545 1.2443910352885723e-02 - - -2.8953019529581070e-02 2.5448489189147949e-01 - <_> - - 0 -1 3546 -1.8171280622482300e-02 - - 3.2203981280326843e-01 -3.1395100057125092e-02 - <_> - - 0 -1 3547 -3.0619159340858459e-02 - - -1.2817279994487762e-01 6.0485020279884338e-02 - <_> - - 0 -1 3548 2.8726200107485056e-03 - - -1.4807400107383728e-01 5.3796000778675079e-02 - <_> - - 0 -1 3549 -2.8772678971290588e-01 - - -8.3234447240829468e-01 3.6127590574324131e-03 - <_> - - 0 -1 3550 4.1057071089744568e-01 - - 8.3212452009320259e-03 -8.2476407289505005e-01 - <_> - - 0 -1 3551 1.6370510682463646e-02 - - -2.4849100038409233e-02 1.6309140622615814e-01 - <_> - - 0 -1 3552 5.3615570068359375e-02 - - 1.8034080043435097e-02 -4.6126970648765564e-01 - <_> - - 0 -1 3553 -1.0296109830960631e-03 - - 3.8824349641799927e-02 -7.3625981807708740e-02 - <_> - - 0 -1 3554 -6.3063339330255985e-03 - - 1.3288870453834534e-01 -5.5812060832977295e-02 - <_> - - 0 -1 3555 6.8714357912540436e-03 - - 6.9562442600727081e-02 -1.1383140087127686e-01 - <_> - - 0 -1 3556 -8.3098851609975100e-04 - - 1.0002700239419937e-01 -8.5704028606414795e-02 - <_> - - 0 -1 3557 1.3288210146129131e-02 - - 4.2606260627508163e-02 -1.1729510128498077e-01 - <_> - - 0 -1 3558 1.7035039141774178e-02 - - -4.2757850140333176e-02 2.2400109469890594e-01 - <_> - - 0 -1 3559 3.2128300517797470e-02 - - 1.5296909958124161e-02 -5.3317558765411377e-01 - <_> - - 0 -1 3560 1.1440330184996128e-02 - - -5.8955609798431396e-02 1.2842489778995514e-01 - <_> - - 0 -1 3561 2.5446009822189808e-03 - - 4.6037770807743073e-02 -1.4760190248489380e-01 - <_> - - 0 -1 3562 -3.5062368959188461e-02 - - -3.4721338748931885e-01 2.4020459502935410e-02 - <_> - - 0 -1 3563 4.6889069490134716e-03 - - -8.2460209727287292e-02 7.6254382729530334e-02 - <_> - - 0 -1 3564 -1.5067459571582731e-05 - - 5.8223988860845566e-02 -1.3496190309524536e-01 - <_> - - 0 -1 3565 -6.5259548136964440e-04 - - 3.6780450493097305e-02 -7.0881396532058716e-02 - <_> - - 0 -1 3566 4.5456850784830749e-04 - - 5.9895541518926620e-02 -1.4553959667682648e-01 - <_> - - 0 -1 3567 -1.0570470243692398e-01 - - 1.3766160607337952e-01 -2.2337099537253380e-02 - <_> - - 0 -1 3568 -4.6019242145121098e-03 - - -3.3811721205711365e-01 2.2578509524464607e-02 - <_> - - 0 -1 3569 5.5374279618263245e-03 - - -4.1250869631767273e-02 9.4750680029392242e-02 - <_> - - 0 -1 3570 -2.7569069061428308e-03 - - 1.7380860447883606e-01 -4.5417640358209610e-02 - <_> - - 0 -1 3571 4.1876680916175246e-04 - - -5.5233258754014969e-02 5.8342628180980682e-02 - <_> - - 0 -1 3572 -2.4587850202806294e-04 - - -8.9373029768466949e-02 8.1158749759197235e-02 - <_> - - 0 -1 3573 -7.4991412460803986e-02 - - -5.9057062864303589e-01 6.7846179008483887e-03 - <_> - - 0 -1 3574 1.7898950027301908e-03 - - 5.2262220531702042e-02 -1.5884269773960114e-01 - <_> - - 0 -1 3575 -3.2704160548746586e-03 - - 1.1216899752616882e-01 -6.2488421797752380e-02 - <_> - - 0 -1 3576 -1.7803650349378586e-02 - - -4.5739078521728516e-01 1.6650289297103882e-02 - <_> - - 0 -1 3577 -3.3537930250167847e-01 - - -8.2564651966094971e-01 7.1495971642434597e-03 - <_> - - 0 -1 3578 1.1451829969882965e-01 - - -1.8937719985842705e-02 4.1076439619064331e-01 - <_> - - 0 -1 3579 6.5141052007675171e-02 - - 1.1196400038897991e-02 -7.6225310564041138e-01 - <_> - - 0 -1 3580 -1.8442489206790924e-02 - - 1.4006440341472626e-01 -5.1568318158388138e-02 - <_> - - 0 -1 3581 2.0362680777907372e-02 - - 2.7635680511593819e-02 -2.2622610628604889e-01 - <_> - - 0 -1 3582 -5.4255980066955090e-03 - - -1.4688220620155334e-01 5.1294069737195969e-02 - <_> - - 0 -1 3583 -1.4608480036258698e-02 - - 2.8014749288558960e-01 -3.2668899744749069e-02 - <_> - - 0 -1 3584 1.2462410377338529e-03 - - -2.0888839662075043e-01 3.3212959766387939e-02 - <_> - - 0 -1 3585 -5.1487259566783905e-02 - - 1.9872699677944183e-01 -1.0376259684562683e-02 - <_> - - 0 -1 3586 -1.4138059690594673e-02 - - -1.6193750500679016e-01 4.6604789793491364e-02 - <_> - - 0 -1 3587 -8.3356946706771851e-03 - - 1.6429559886455536e-01 -4.2695630341768265e-02 - <_> - - 0 -1 3588 9.5129031687974930e-03 - - 4.4999569654464722e-02 -1.5971189737319946e-01 - <_> - - 0 -1 3589 -7.0411129854619503e-03 - - 7.0638000965118408e-01 -9.1527765616774559e-03 - <_> - - 0 -1 3590 -4.0637628990225494e-04 - - 7.0747792720794678e-02 -1.0194250196218491e-01 - <_> - - 0 -1 3591 4.2529408819973469e-03 - - 3.1937479972839355e-02 -1.0357219725847244e-01 - <_> - - 0 -1 3592 -1.9221140246372670e-04 - - 1.0241460055112839e-01 -8.9996367692947388e-02 - <_> - - 0 -1 3593 -1.3621139805763960e-03 - - -1.8157319724559784e-01 2.3933520540595055e-02 - <_> - - 0 -1 3594 -9.3250330537557602e-03 - - 1.5883359313011169e-01 -4.5317139476537704e-02 - <_> - - 0 -1 3595 -3.4641081094741821e-01 - - -3.5901129245758057e-01 9.8646534606814384e-03 - <_> - - 0 -1 3596 1.7026960849761963e-02 - - -5.9731051325798035e-02 1.2576000392436981e-01 - <_> - - 0 -1 3597 -3.9226989611051977e-04 - - 6.4828976988792419e-02 -9.2051766812801361e-02 - <_> - - 0 -1 3598 7.0719248615205288e-03 - - 3.7144500762224197e-02 -1.9167420268058777e-01 - <_> - - 0 -1 3599 2.9001249931752682e-03 - - -6.2633208930492401e-02 5.3248930722475052e-02 - <_> - - 0 -1 3600 -2.4164669215679169e-02 - - 3.0798891186714172e-01 -2.6505900546908379e-02 - <_> - - 0 -1 3601 -7.5509406626224518e-02 - - -6.1827278137207031e-01 7.8803002834320068e-03 - <_> - - 0 -1 3602 -2.6605799212120473e-04 - - 6.9619670510292053e-02 -9.9268868565559387e-02 - <_> - - 0 -1 3603 2.3389840498566628e-03 - - 4.2269691824913025e-02 -1.6290849447250366e-01 - <_> - - 0 -1 3604 -1.2518429430201650e-03 - - 9.0814828872680664e-02 -7.9618006944656372e-02 - <_> - - 0 -1 3605 -1.9330839859321713e-03 - - 7.6956093311309814e-02 -6.5234251320362091e-02 - <_> - - 0 -1 3606 2.3863440379500389e-02 - - -7.7985651791095734e-02 9.7926571965217590e-02 - <_> - - 0 -1 3607 -5.1995079964399338e-02 - - -2.0676060020923615e-01 1.2264530174434185e-02 - <_> - - 0 -1 3608 -9.4953901134431362e-04 - - 7.2090931236743927e-02 -1.2452449649572372e-01 - <_> - - 0 -1 3609 -9.0458765625953674e-03 - - -1.0756769776344299e-01 2.6017999276518822e-02 - <_> - - 0 -1 3610 3.2019101083278656e-02 - - -4.4689521193504333e-02 1.6712300479412079e-01 - <_> - - 0 -1 3611 -7.1996808983385563e-03 - - -1.2065560370683670e-01 5.3329549729824066e-02 - <_> - - 0 -1 3612 9.7247883677482605e-02 - - -2.0059280097484589e-02 4.1321530938148499e-01 - <_> - - 0 -1 3613 1.7411670414730906e-03 - - 2.5265200063586235e-02 -1.1400379985570908e-01 - <_> - - 0 -1 3614 -1.5694150328636169e-01 - - -9.6121889352798462e-01 7.4661090038716793e-03 - <_> - - 0 -1 3615 -2.0573820918798447e-02 - - 1.3207539916038513e-01 -5.3688809275627136e-02 - <_> - - 0 -1 3616 2.0626350305974483e-03 - - 3.7869140505790710e-02 -2.0333750545978546e-01 - <_> - - 0 -1 3617 1.2381599843502045e-01 - - 2.3662589956074953e-03 -4.8794668912887573e-01 - <_> - - 0 -1 3618 3.1255739741027355e-03 - - -6.4476020634174347e-02 1.5053239464759827e-01 - <_> - - 0 -1 3619 1.8766360357403755e-02 - - 1.2639230117201805e-02 -1.9121849536895752e-01 - <_> - - 0 -1 3620 -8.6109619587659836e-03 - - -1.1916559934616089e-01 6.6547170281410217e-02 - <_> - - 0 -1 3621 1.4604110270738602e-02 - - -2.1980939432978630e-02 2.6832428574562073e-01 - <_> - - 0 -1 3622 1.8387939780950546e-03 - - -1.1506830155849457e-01 6.0840509831905365e-02 - <_> - - 0 -1 3623 -5.7930707931518555e-01 - - -1. 3.7629920989274979e-03 - <_> - - 0 -1 3624 1.8690739572048187e-01 - - 6.2871198169887066e-03 -9.2426669597625732e-01 - <_> - - 0 -1 3625 1.8341749906539917e-02 - - 1.7516769468784332e-02 -1.6519400477409363e-01 - <_> - - 0 -1 3626 -1.4776510186493397e-02 - - 2.5068140029907227e-01 -2.6199640706181526e-02 - <_> - - 0 -1 3627 4.4032301753759384e-02 - - 1.1479279957711697e-02 -6.4663171768188477e-01 - <_> - - 0 -1 3628 3.5362939815968275e-03 - - 4.8670079559087753e-02 -1.3171669840812683e-01 - <_> - - 0 -1 3629 -4.5765978284180164e-03 - - 1.2401209771633148e-01 -5.3882170468568802e-02 - <_> - - 0 -1 3630 3.0529699288308620e-03 - - -5.2538860589265823e-02 1.2860049307346344e-01 - <_> - - 0 -1 3631 -1.1333939619362354e-02 - - -1.6732269525527954e-01 1.2890639714896679e-02 - <_> - - 0 -1 3632 2.7712888550013304e-04 - - 6.5776027739048004e-02 -9.4573900103569031e-02 - <_> - - 0 -1 3633 5.4571928922086954e-04 - - -5.9766601771116257e-02 1.3265900313854218e-01 - <_> - - 0 -1 3634 6.2958751805126667e-03 - - 2.8854750096797943e-02 -2.4328909814357758e-01 - <_> - - 0 -1 3635 1.5611880226060748e-03 - - -5.6346539407968521e-02 8.0620631575584412e-02 - <_> - - 0 -1 3636 1.0501279681921005e-01 - - -1.4052099548280239e-02 5.5927920341491699e-01 - <_> - - 0 -1 3637 3.6907300353050232e-02 - - 1.5443010255694389e-02 -2.0881450176239014e-01 - <_> - - 0 -1 3638 -4.0569249540567398e-02 - - 1.5851789712905884e-01 -4.3176181614398956e-02 - <_> - - 0 -1 3639 -7.2549749165773392e-03 - - -2.6104170083999634e-01 1.7242910340428352e-02 - <_> - - 0 -1 3640 4.5905262231826782e-03 - - -3.8419000804424286e-02 1.7464800179004669e-01 - <_> - - 0 -1 3641 -4.2836060747504234e-03 - - -1.2006240338087082e-01 4.1917610913515091e-02 - <_> - - 0 -1 3642 -1.0835780203342438e-01 - - 5.4927551746368408e-01 -1.2255569919943810e-02 - <_> - - 0 -1 3643 6.4851208589971066e-03 - - 4.4952411204576492e-02 -1.6583940386772156e-01 - <_> - - 0 -1 3644 -2.3725129663944244e-02 - - 5.7158672809600830e-01 -1.2361500412225723e-02 - <_> - - 0 -1 3645 -3.0070519074797630e-02 - - -3.0609959363937378e-01 1.1695429682731628e-02 - <_> - - 0 -1 3646 -7.9774633049964905e-03 - - -1.8185980618000031e-01 3.6925770342350006e-02 - <_> - - 0 -1 3647 -1.7213199287652969e-02 - - 1.2317930161952972e-01 -3.6632679402828217e-02 - <_> - - 0 -1 3648 -1.4119789702817798e-03 - - -5.0499087572097778e-01 1.3695210218429565e-02 - <_> - - 0 -1 3649 2.9909020289778709e-02 - - -2.3535439744591713e-02 1.4312979578971863e-01 - <_> - - 0 -1 3650 -1.1660479940474033e-02 - - -1.7822280526161194e-01 4.0250599384307861e-02 - <_> - - 0 -1 3651 -8.9040184393525124e-03 - - 3.5567161440849304e-01 -2.4783140048384666e-02 - <_> - - 0 -1 3652 -1.1394720058888197e-03 - - -1.4268599450588226e-01 4.9102801829576492e-02 - <_> - - 0 -1 3653 2.9107509180903435e-03 - - -5.4471809417009354e-02 1.3025890290737152e-01 - <_> - - 0 -1 3654 1.7640810459852219e-02 - - 2.0184019580483437e-02 -4.1954588890075684e-01 - <_> - - 0 -1 3655 5.0001900643110275e-02 - - 1.1975940316915512e-02 -5.1889878511428833e-01 - <_> - - 0 -1 3656 2.7523660100996494e-03 - - -6.0628410428762436e-02 1.1169119924306870e-01 - <_> - - 0 -1 3657 -3.1753338873386383e-02 - - -2.2611990571022034e-01 1.5267389826476574e-02 - <_> - - 0 -1 3658 -1.2823809869587421e-02 - - 2.3027139902114868e-01 -2.9404800385236740e-02 - <_> - - 0 -1 3659 5.2626157412305474e-04 - - -1.5677809715270996e-01 4.9938481301069260e-02 - <_> - - 0 -1 3660 1.2779150158166885e-02 - - -5.8851849287748337e-02 1.2255299836397171e-01 - <_> - - 0 -1 3661 7.7667668461799622e-02 - - 4.6644411049783230e-03 -5.0614321231842041e-01 - <_> - - 0 -1 3662 -5.2286800928413868e-03 - - -1.8939809501171112e-01 4.4714428484439850e-02 - <_> - - 0 -1 3663 8.4478305652737617e-03 - - 3.9108898490667343e-02 -1.4809159934520721e-01 - <_> - - 0 -1 3664 5.5970861576497555e-03 - - 5.4664470255374908e-02 -1.4698089659214020e-01 - <_> - - 0 -1 3665 1.6882989555597305e-02 - - -4.6449739485979080e-02 1.4121970534324646e-01 - <_> - - 0 -1 3666 -6.1205658130347729e-04 - - -1.3906019926071167e-01 5.2586868405342102e-02 - <_> - - 0 -1 3667 -3.6216019652783871e-03 - - 5.3345881402492523e-02 -3.8361679762601852e-02 - <_> - - 0 -1 3668 -1.4149090275168419e-03 - - 2.0082549750804901e-01 -3.5985361784696579e-02 - <_> - - 0 -1 3669 2.4758750805631280e-04 - - -1.8205779790878296e-01 1.5915339812636375e-02 - <_> - - 0 -1 3670 1.3457840681076050e-01 - - 9.7890906035900116e-03 -7.2879707813262939e-01 - <_> - - 0 -1 3671 1.1352010071277618e-02 - - -3.5553149878978729e-02 6.3222207129001617e-02 - <_> - - 0 -1 3672 -7.9044885933399200e-03 - - 9.0774089097976685e-02 -9.8796442151069641e-02 - <_> - - 0 -1 3673 7.9050168395042419e-02 - - 4.7087217681109905e-03 -6.0529369115829468e-01 - <_> - - 0 -1 3674 8.9114397997036576e-04 - - -9.0216107666492462e-02 8.4293842315673828e-02 - <_> - - 0 -1 3675 4.1404040530323982e-03 - - 6.0314171016216278e-02 -1.2171939760446548e-01 - <_> - - 0 -1 3676 -9.2683091759681702e-02 - - 6.7853301763534546e-01 -1.0615170001983643e-02 - <_> - - 0 -1 3677 4.2872380465269089e-02 - - 7.3283850215375423e-03 -5.2321487665176392e-01 - <_> - - 0 -1 3678 -3.0652560293674469e-02 - - -6.5578341484069824e-01 9.7402445971965790e-03 - <_> - - 0 -1 3679 7.5054399669170380e-02 - - -1.1660519987344742e-02 3.7559139728546143e-01 - <_> - - 0 -1 3680 9.3033112585544586e-02 - - 7.4912221170961857e-03 -8.1748551130294800e-01 - <_> - - 0 -1 3681 -4.0522208437323570e-03 - - 3.6431130766868591e-01 -1.8015889450907707e-02 - <_> - - 0 -1 3682 1.0411429684609175e-03 - - -1.9623729586601257e-01 3.4336969256401062e-02 - <_> - - 0 -1 3683 4.0790800005197525e-02 - - 1.7464859411120415e-02 -3.8497269153594971e-01 - <_> - - 0 -1 3684 -1.8009789346251637e-04 - - 5.2157621830701828e-02 -1.2038189917802811e-01 - <_> - - 0 -1 3685 -3.5496380180120468e-02 - - 2.1371629834175110e-01 -9.4601595774292946e-03 - <_> - - 0 -1 3686 -1.2321450049057603e-03 - - -1.2999939918518066e-01 4.8752531409263611e-02 - <_> - - 0 -1 3687 -6.6326446831226349e-02 - - -5.0795209407806396e-01 5.8305650018155575e-03 - <_> - - 0 -1 3688 -2.7689670678228140e-03 - - 1.2596920132637024e-01 -5.5794779211282730e-02 - <_> - - 0 -1 3689 3.9610429666936398e-03 - - -8.4471739828586578e-02 6.2092550098896027e-02 - <_> - - 0 -1 3690 -7.5474479235708714e-03 - - -2.0992270112037659e-01 3.1419910490512848e-02 - <_> - - 0 -1 3691 -3.2456999178975821e-03 - - 5.6223601102828979e-02 -3.6774989217519760e-02 - <_> - - 0 -1 3692 -5.0519341602921486e-03 - - 9.4136670231819153e-02 -8.0893777310848236e-02 - <_> - - 0 -1 3693 2.1375959739089012e-02 - - 4.9529589712619781e-02 -4.7989148646593094e-02 - <_> - - 0 -1 3694 -1.6724619269371033e-01 - - -9.3551367521286011e-01 7.4155409820377827e-03 - <_> - - 0 -1 3695 6.4946119673550129e-03 - - -3.6735821515321732e-02 1.0955040156841278e-01 - <_> - - 0 -1 3696 -5.5810972116887569e-03 - - -1.2764470279216766e-01 5.8691799640655518e-02 - <_> - - 0 -1 3697 -7.0414197398349643e-04 - - 3.9361558854579926e-02 -7.4844732880592346e-02 - <_> - - 0 -1 3698 -7.3160971514880657e-03 - - 2.1767179667949677e-01 -3.8703199476003647e-02 - <_> - - 0 -1 3699 -5.4676099680364132e-03 - - -5.3973350673913956e-02 5.5032800883054733e-02 - <_> - - 0 -1 3700 4.3309312313795090e-03 - - 5.7104710489511490e-02 -1.2603929638862610e-01 - <_> - - 0 -1 3701 2.8189779259264469e-03 - - -3.9729248732328415e-02 9.2701591551303864e-02 - <_> - - 0 -1 3702 -4.7759278677403927e-03 - - -1.2856410443782806e-01 6.1216689646244049e-02 - <_> - - 0 -1 3703 6.3424631953239441e-02 - - -4.8541268333792686e-03 5.9883451461791992e-01 - <_> - - 0 -1 3704 -3.5035109613090754e-03 - - 1.0191550105810165e-01 -9.8801277577877045e-02 - <_> - - 0 -1 3705 -4.1303951293230057e-03 - - 1.0890380293130875e-01 -3.8225919008255005e-02 - <_> - - 0 -1 3706 -2.2271529305726290e-03 - - -1.3501960039138794e-01 5.1316611468791962e-02 - <_> - - 0 -1 3707 -1.0730850044637918e-03 - - 5.1526721566915512e-02 -7.4171036481857300e-02 - <_> - - 0 -1 3708 -7.7973678708076477e-04 - - 7.0857577025890350e-02 -1.1204849928617477e-01 - <_> - - 0 -1 3709 -5.5701348930597305e-02 - - 3.9836230874061584e-01 -5.2183559164404869e-03 - <_> - - 0 -1 3710 1.0608229786157608e-02 - - -3.2323788851499557e-02 2.1950970590114594e-01 - <_> - - 0 -1 3711 -9.8208207637071609e-03 - - -1.6507670283317566e-01 4.2444411665201187e-02 - <_> - - 0 -1 3712 1.4465330168604851e-03 - - -7.8392669558525085e-02 8.1393733620643616e-02 - <_> - - 0 -1 3713 -4.4582188129425049e-03 - - -9.2314578592777252e-02 3.8734171539545059e-02 - <_> - - 0 -1 3714 5.6474958546459675e-03 - - 3.9651289582252502e-02 -1.7495639622211456e-01 - <_> - - 0 -1 3715 4.2097918689250946e-02 - - -1.1850739829242229e-02 1.2762710452079773e-01 - <_> - - 0 -1 3716 6.9958101958036423e-03 - - -4.7668740153312683e-02 1.4204859733581543e-01 - <_> - - 0 -1 3717 3.8686778396368027e-02 - - 1.3582780025899410e-02 -4.7315898537635803e-01 - <_> - 238 - -1.4597640037536621e+00 - - <_> - - 0 -1 3718 3.5009320825338364e-02 - - -2.7020230889320374e-01 2.0429250597953796e-01 - <_> - - 0 -1 3719 -3.6780539900064468e-02 - - 1.5254889428615570e-01 -2.6741871237754822e-01 - <_> - - 0 -1 3720 5.6993318721652031e-03 - - 1.6803050041198730e-01 -2.3068240284919739e-01 - <_> - - 0 -1 3721 7.5601637363433838e-02 - - -1.5271709859371185e-01 1.9510839879512787e-01 - <_> - - 0 -1 3722 -1.7248390242457390e-02 - - 2.9379200935363770e-01 -9.8869532346725464e-02 - <_> - - 0 -1 3723 2.8574180323630571e-03 - - -1.9790470600128174e-01 8.3361737430095673e-02 - <_> - - 0 -1 3724 3.1029269099235535e-02 - - -2.1582309901714325e-01 1.1695130169391632e-01 - <_> - - 0 -1 3725 -7.1099428460001945e-03 - - -2.5206819176673889e-01 3.6116510629653931e-02 - <_> - - 0 -1 3726 4.5894421637058258e-03 - - -2.9707619547843933e-01 1.0743969678878784e-01 - <_> - - 0 -1 3727 -7.0509258657693863e-03 - - -4.5635029673576355e-01 4.1864778846502304e-02 - <_> - - 0 -1 3728 6.6762260394170880e-04 - - -1.7432719469070435e-01 1.2306489795446396e-01 - <_> - - 0 -1 3729 -3.6481819115579128e-03 - - -4.0347629785537720e-01 4.9114771187305450e-02 - <_> - - 0 -1 3730 2.2194240242242813e-02 - - 6.1241529881954193e-02 -3.4557360410690308e-01 - <_> - - 0 -1 3731 -1.1259679449722171e-03 - - 5.2013769745826721e-02 -2.8461641073226929e-01 - <_> - - 0 -1 3732 -1.5913739800453186e-02 - - -2.7667850255966187e-01 7.5852021574974060e-02 - <_> - - 0 -1 3733 5.7643437758088112e-03 - - -2.7182090282440186e-01 6.6790662705898285e-02 - <_> - - 0 -1 3734 -4.2196471244096756e-02 - - 1.5786080062389374e-01 -1.0557679831981659e-01 - <_> - - 0 -1 3735 -1.8624680116772652e-02 - - -2.5504299998283386e-01 4.7586869448423386e-02 - <_> - - 0 -1 3736 -9.5020089065656066e-04 - - 4.9903839826583862e-02 -2.9068550467491150e-01 - <_> - - 0 -1 3737 2.0823240280151367e-02 - - 2.6825139299035072e-02 -2.0558500289916992e-01 - <_> - - 0 -1 3738 -1.3118459843099117e-02 - - -2.2395209968090057e-01 6.9013498723506927e-02 - <_> - - 0 -1 3739 -8.6902417242527008e-03 - - 1.9493189454078674e-01 -3.7850689142942429e-02 - <_> - - 0 -1 3740 4.5589819550514221e-02 - - 2.5170389562845230e-02 -5.7766669988632202e-01 - <_> - - 0 -1 3741 -4.8458490520715714e-02 - - 9.5191553235054016e-02 -1.4320190250873566e-01 - <_> - - 0 -1 3742 -7.2761103510856628e-02 - - -6.5967410802841187e-01 2.1175239235162735e-02 - <_> - - 0 -1 3743 -5.3840368986129761e-02 - - -3.6426779627799988e-01 2.4827929213643074e-02 - <_> - - 0 -1 3744 2.3190240608528256e-04 - - -1.4767690002918243e-01 8.3764038980007172e-02 - <_> - - 0 -1 3745 -3.4166979603469372e-03 - - -1.7865709960460663e-01 6.0721088200807571e-02 - <_> - - 0 -1 3746 4.9744218587875366e-02 - - 1.8918199464678764e-02 -6.6629868745803833e-01 - <_> - - 0 -1 3747 6.6813439130783081e-02 - - -2.8286559507250786e-02 1.7401529848575592e-01 - <_> - - 0 -1 3748 3.1445559114217758e-02 - - 5.2556060254573822e-02 -3.0884549021720886e-01 - <_> - - 0 -1 3749 3.9593618363142014e-02 - - -6.4875252544879913e-02 2.5706759095191956e-01 - <_> - - 0 -1 3750 1.8663380295038223e-02 - - -5.9568431228399277e-02 2.1532599627971649e-01 - <_> - - 0 -1 3751 4.0150571614503860e-02 - - 1.9589129835367203e-02 -3.5392150282859802e-01 - <_> - - 0 -1 3752 -1.8263690173625946e-02 - - -3.1224039196968079e-01 4.1845381259918213e-02 - <_> - - 0 -1 3753 -2.2579960525035858e-02 - - -1.4898709952831268e-01 1.7757140100002289e-02 - <_> - - 0 -1 3754 8.5281759500503540e-02 - - 2.4866759777069092e-02 -5.2197951078414917e-01 - <_> - - 0 -1 3755 4.9491669051349163e-03 - - 4.0433339774608612e-02 -1.1230610311031342e-01 - <_> - - 0 -1 3756 -2.7419520542025566e-02 - - -4.1119968891143799e-01 3.0549079179763794e-02 - <_> - - 0 -1 3757 3.8277640938758850e-02 - - 1.2211250141263008e-02 -8.1860828399658203e-01 - <_> - - 0 -1 3758 -2.1632280200719833e-02 - - 2.2030480206012726e-01 -5.5459130555391312e-02 - <_> - - 0 -1 3759 -2.4522699415683746e-01 - - 4.1013330221176147e-01 -2.7000149711966515e-02 - <_> - - 0 -1 3760 3.9314631372690201e-02 - - -3.1242560595273972e-02 3.6714181303977966e-01 - <_> - - 0 -1 3761 1.3630360364913940e-02 - - -1.3902300596237183e-01 9.5946237444877625e-02 - <_> - - 0 -1 3762 -6.7042862065136433e-03 - - 7.8772000968456268e-02 -1.4522729814052582e-01 - <_> - - 0 -1 3763 2.3312810808420181e-02 - - 2.2815790027379990e-02 -4.4990560412406921e-01 - <_> - - 0 -1 3764 3.0621029436588287e-02 - - -6.9781273603439331e-02 1.5422509610652924e-01 - <_> - - 0 -1 3765 5.2047189325094223e-02 - - -1.7720200121402740e-02 4.4397410750389099e-01 - <_> - - 0 -1 3766 2.0850539207458496e-02 - - -5.2309051156044006e-02 2.0608800649642944e-01 - <_> - - 0 -1 3767 8.2694664597511292e-03 - - 7.7132821083068848e-02 -1.9474139809608459e-01 - <_> - - 0 -1 3768 5.5706288665533066e-02 - - 3.3715151250362396e-02 -3.5783401131629944e-01 - <_> - - 0 -1 3769 -2.5406919419765472e-02 - - -2.1424999833106995e-01 5.3813599050045013e-02 - <_> - - 0 -1 3770 3.7127479445189238e-03 - - 5.7478290051221848e-02 -1.7734010517597198e-01 - <_> - - 0 -1 3771 9.8399087786674500e-02 - - -3.5304271150380373e-03 7.7086448669433594e-01 - <_> - - 0 -1 3772 -7.0944158360362053e-03 - - -1.3782690465450287e-01 7.0290572941303253e-02 - <_> - - 0 -1 3773 -7.8213073313236237e-02 - - 4.6844071149826050e-01 -4.8642340116202831e-03 - <_> - - 0 -1 3774 3.0407020822167397e-02 - - -2.8489479795098305e-02 3.4157308936119080e-01 - <_> - - 0 -1 3775 1.7667879583314061e-03 - - -1.4614230394363403e-01 2.3572970181703568e-02 - <_> - - 0 -1 3776 7.1991011500358582e-02 - - -3.5075180232524872e-02 2.8865718841552734e-01 - <_> - - 0 -1 3777 5.0020869821310043e-02 - - 2.4096360430121422e-02 -3.3890551328659058e-01 - <_> - - 0 -1 3778 -1.7998270690441132e-02 - - 2.9191690683364868e-01 -4.1259169578552246e-02 - <_> - - 0 -1 3779 -8.6585222743451595e-04 - - -1.2248259782791138e-01 5.9690121561288834e-02 - <_> - - 0 -1 3780 5.7470470666885376e-02 - - 2.1541740745306015e-02 -4.7508370876312256e-01 - <_> - - 0 -1 3781 -1.6517810523509979e-02 - - 1.6598740220069885e-01 -3.9656970649957657e-02 - <_> - - 0 -1 3782 2.1703030914068222e-02 - - -3.8327228277921677e-02 3.3476251363754272e-01 - <_> - - 0 -1 3783 -6.1237839981913567e-03 - - -1.4342689514160156e-01 2.6313329115509987e-02 - <_> - - 0 -1 3784 -1.0893509723246098e-02 - - -7.9468882083892822e-01 1.2403479777276516e-02 - <_> - - 0 -1 3785 -3.8589738309383392e-02 - - 3.3763501048088074e-01 -1.8747940659523010e-02 - <_> - - 0 -1 3786 1.3378040166571736e-03 - - -3.6288881301879883e-01 2.9460189864039421e-02 - <_> - - 0 -1 3787 2.7590300305746496e-04 - - 7.6419189572334290e-02 -8.6953632533550262e-02 - <_> - - 0 -1 3788 7.9552736133337021e-03 - - 5.2696179598569870e-02 -1.9200770556926727e-01 - <_> - - 0 -1 3789 -1.2174629606306553e-02 - - 8.4013037383556366e-02 -2.1740090101957321e-02 - <_> - - 0 -1 3790 -1.6361070796847343e-02 - - -2.5493758916854858e-01 3.8582589477300644e-02 - <_> - - 0 -1 3791 -3.4992128610610962e-02 - - 2.5760510563850403e-01 -1.5727080404758453e-02 - <_> - - 0 -1 3792 -7.6113208197057247e-03 - - 1.9114670157432556e-01 -5.2980780601501465e-02 - <_> - - 0 -1 3793 5.0110749900341034e-02 - - 2.4265250191092491e-02 -5.1509189605712891e-01 - <_> - - 0 -1 3794 -9.1486647725105286e-03 - - -3.3170440793037415e-01 2.6774439960718155e-02 - <_> - - 0 -1 3795 8.3293259143829346e-02 - - 4.2860410176217556e-03 -3.0381551384925842e-01 - <_> - - 0 -1 3796 -1.9334359094500542e-02 - - 3.8916379213333130e-01 -2.4908309802412987e-02 - <_> - - 0 -1 3797 -7.2061046957969666e-02 - - 4.1184291243553162e-01 -2.5687059387564659e-02 - <_> - - 0 -1 3798 2.2506359964609146e-02 - - -2.1196739375591278e-01 5.3825020790100098e-02 - <_> - - 0 -1 3799 5.5772401392459869e-02 - - -2.3104140534996986e-02 9.1578252613544464e-02 - <_> - - 0 -1 3800 -2.6210390031337738e-02 - - 3.3509409427642822e-01 -3.4225810319185257e-02 - <_> - - 0 -1 3801 -4.6085331588983536e-02 - - -5.3006750345230103e-01 1.9083080813288689e-02 - <_> - - 0 -1 3802 -3.2998260110616684e-02 - - 3.0701389908790588e-01 -3.1638059765100479e-02 - <_> - - 0 -1 3803 1.0677659884095192e-02 - - 3.8186781108379364e-02 -2.0256699621677399e-01 - <_> - - 0 -1 3804 3.7972650025039911e-03 - - 7.8951433300971985e-02 -1.3040140271186829e-01 - <_> - - 0 -1 3805 -2.4965009652078152e-03 - - -1.9799210131168365e-01 3.0743129551410675e-02 - <_> - - 0 -1 3806 1.4203139580786228e-02 - - -4.5443460345268250e-02 2.1806409955024719e-01 - <_> - - 0 -1 3807 7.7012999099679291e-05 - - -2.5858289003372192e-01 4.2508359998464584e-02 - <_> - - 0 -1 3808 2.3724909406155348e-03 - - -1.5815889835357666e-01 6.1494071036577225e-02 - <_> - - 0 -1 3809 -8.4086082875728607e-02 - - -9.3704527616500854e-01 8.3687662845477462e-04 - <_> - - 0 -1 3810 -2.2892290726304054e-02 - - 4.2960539460182190e-01 -2.7215819805860519e-02 - <_> - - 0 -1 3811 -1.1238969862461090e-01 - - -2.0607289671897888e-01 1.7798800021409988e-02 - <_> - - 0 -1 3812 6.8175032734870911e-02 - - -4.2019781470298767e-01 2.5051090866327286e-02 - <_> - - 0 -1 3813 -1.0620189830660820e-02 - - -2.1870230138301849e-01 2.4231420829892159e-02 - <_> - - 0 -1 3814 2.9390859417617321e-03 - - 8.8470183312892914e-02 -1.1958040297031403e-01 - <_> - - 0 -1 3815 5.6766260415315628e-02 - - -5.8820329606533051e-02 1.7845800518989563e-01 - <_> - - 0 -1 3816 -7.3099520523101091e-04 - - 3.0122080445289612e-01 -3.4890830516815186e-02 - <_> - - 0 -1 3817 3.4174978733062744e-02 - - 1.9614150747656822e-02 -1.7419980466365814e-01 - <_> - - 0 -1 3818 3.3152099698781967e-02 - - 2.9344469308853149e-02 -3.5163739323616028e-01 - <_> - - 0 -1 3819 1.7158590257167816e-02 - - -4.7744009643793106e-02 2.0690310001373291e-01 - <_> - - 0 -1 3820 -3.3270310610532761e-02 - - -3.6818051338195801e-01 3.0547879636287689e-02 - <_> - - 0 -1 3821 -7.5228337664157152e-04 - - -1.0068210214376450e-01 3.7446059286594391e-02 - <_> - - 0 -1 3822 -5.7363631203770638e-03 - - -2.9704639315605164e-01 3.0889809131622314e-02 - <_> - - 0 -1 3823 3.4203678369522095e-02 - - 3.2694388180971146e-02 -1.9386410713195801e-01 - <_> - - 0 -1 3824 1.1759670078754425e-01 - - 2.8010509908199310e-02 -3.4469729661941528e-01 - <_> - - 0 -1 3825 3.5684760659933090e-02 - - 1.4612049795687199e-02 -3.2323908805847168e-01 - <_> - - 0 -1 3826 -1.4562480151653290e-01 - - -4.3703469634056091e-01 2.0697519183158875e-02 - <_> - - 0 -1 3827 8.0413380637764931e-03 - - 1.8440550193190575e-02 -3.2272771000862122e-01 - <_> - - 0 -1 3828 5.3446288220584393e-03 - - 5.0503399223089218e-02 -1.8428540229797363e-01 - <_> - - 0 -1 3829 8.6473226547241211e-02 - - 6.2484769150614738e-03 -9.3612897396087646e-01 - <_> - - 0 -1 3830 6.6168710589408875e-02 - - -5.9868391603231430e-02 1.5810599923133850e-01 - <_> - - 0 -1 3831 2.8978990390896797e-02 - - 2.8844339773058891e-02 -2.8269919753074646e-01 - <_> - - 0 -1 3832 1.8636519089341164e-02 - - -5.1709290593862534e-02 1.7777459323406219e-01 - <_> - - 0 -1 3833 -2.6881769299507141e-02 - - 7.3635026812553406e-02 -3.6229219287633896e-02 - <_> - - 0 -1 3834 -1.3696019537746906e-02 - - 1.8215629458427429e-01 -5.9880878776311874e-02 - <_> - - 0 -1 3835 -4.1931979358196259e-03 - - -9.3321792781352997e-02 2.7901070192456245e-02 - <_> - - 0 -1 3836 2.2784220054745674e-02 - - 3.0631329864263535e-02 -2.8531938791275024e-01 - <_> - - 0 -1 3837 -8.3819748833775520e-03 - - -2.3251660168170929e-01 5.0801441073417664e-02 - <_> - - 0 -1 3838 -6.4928620122373104e-03 - - 1.1060830205678940e-01 -8.3281010389328003e-02 - <_> - - 0 -1 3839 5.5866848677396774e-02 - - 2.3439039289951324e-01 -4.5191779732704163e-02 - <_> - - 0 -1 3840 -1.0926710441708565e-02 - - 2.0532840490341187e-01 -5.0775919109582901e-02 - <_> - - 0 -1 3841 1.7515379935503006e-02 - - 3.6728449165821075e-02 -3.0638590455055237e-01 - <_> - - 0 -1 3842 1.4543980360031128e-02 - - 4.4784490019083023e-02 -2.0757840573787689e-01 - <_> - - 0 -1 3843 1.7274370184168220e-03 - - 2.3706600069999695e-02 -1.8639369308948517e-01 - <_> - - 0 -1 3844 2.0160499960184097e-02 - - 4.1744660586118698e-02 -2.1943749487400055e-01 - <_> - - 0 -1 3845 -5.5732231587171555e-02 - - -3.7666681408882141e-01 7.3045571334660053e-03 - <_> - - 0 -1 3846 -4.2138090357184410e-03 - - 1.1314260214567184e-01 -8.4451928734779358e-02 - <_> - - 0 -1 3847 -5.7113498449325562e-02 - - -4.1903460025787354e-01 4.2158551514148712e-03 - <_> - - 0 -1 3848 -3.3385161310434341e-02 - - -3.9007860422134399e-01 2.5290969759225845e-02 - <_> - - 0 -1 3849 -8.5305999964475632e-03 - - 5.3572379052639008e-02 -1.2238460034132004e-01 - <_> - - 0 -1 3850 -1.5144890174269676e-02 - - 4.5743760466575623e-01 -2.5002999231219292e-02 - <_> - - 0 -1 3851 7.5857941992580891e-03 - - 2.6268539950251579e-02 -9.8890319466590881e-02 - <_> - - 0 -1 3852 -6.4347468316555023e-02 - - 2.2607059776782990e-01 -4.1821580380201340e-02 - <_> - - 0 -1 3853 6.5772183239459991e-02 - - 2.4147959426045418e-02 -4.0227779746055603e-01 - <_> - - 0 -1 3854 -1.0496930032968521e-01 - - -4.6343261003494263e-01 1.9134109839797020e-02 - <_> - - 0 -1 3855 9.6320390701293945e-02 - - 8.7147848680615425e-03 -3.5269328951835632e-01 - <_> - - 0 -1 3856 1.6651069745421410e-02 - - -2.3842410743236542e-01 3.8928661495447159e-02 - <_> - - 0 -1 3857 5.8829918503761292e-02 - - -1.6538100317120552e-02 3.3465591073036194e-01 - <_> - - 0 -1 3858 5.2411198616027832e-02 - - -1.9688919186592102e-02 4.6966078877449036e-01 - <_> - - 0 -1 3859 1.2325269635766745e-03 - - -1.2056189775466919e-01 5.0563529133796692e-02 - <_> - - 0 -1 3860 -2.4530949071049690e-02 - - -3.9168059825897217e-01 2.3108620196580887e-02 - <_> - - 0 -1 3861 3.5507690161466599e-02 - - 2.0499339327216148e-02 -3.6233830451965332e-01 - <_> - - 0 -1 3862 -1.5282739885151386e-02 - - -2.4604129791259766e-01 3.4749999642372131e-02 - <_> - - 0 -1 3863 6.0466449707746506e-02 - - -5.5071748793125153e-02 2.0428660511970520e-01 - <_> - - 0 -1 3864 6.5809831023216248e-02 - - -7.1466080844402313e-02 1.2002970278263092e-01 - <_> - - 0 -1 3865 -7.9543672502040863e-02 - - 4.9044218659400940e-01 -7.8059309162199497e-03 - <_> - - 0 -1 3866 7.1057200431823730e-02 - - 4.4219430536031723e-02 -2.1077010035514832e-01 - <_> - - 0 -1 3867 1.2412209762260318e-03 - - 9.9759846925735474e-02 -7.4065141379833221e-02 - <_> - - 0 -1 3868 4.3900560587644577e-02 - - 2.0245339721441269e-02 -4.7800138592720032e-01 - <_> - - 0 -1 3869 1.3814829289913177e-01 - - -3.4169729799032211e-02 2.0662400126457214e-01 - <_> - - 0 -1 3870 6.4026713371276855e-02 - - 1.7396930605173111e-02 -5.7749879360198975e-01 - <_> - - 0 -1 3871 -1.2456770054996014e-02 - - -1.6710869967937469e-01 1.2106380425393581e-02 - <_> - - 0 -1 3872 3.7183608859777451e-02 - - -1.9024299457669258e-02 4.4476169347763062e-01 - <_> - - 0 -1 3873 -3.4905251115560532e-02 - - -1.4648060500621796e-01 2.0895779132843018e-02 - <_> - - 0 -1 3874 6.1689559370279312e-02 - - 1.2428649701178074e-02 -7.1737641096115112e-01 - <_> - - 0 -1 3875 -2.7358489111065865e-02 - - -2.4311469495296478e-01 2.6138730347156525e-02 - <_> - - 0 -1 3876 6.3740741461515427e-03 - - -8.2593016326427460e-02 1.1356580257415771e-01 - <_> - - 0 -1 3877 -1.0299839824438095e-01 - - 4.5398610830307007e-01 -1.6315529122948647e-02 - <_> - - 0 -1 3878 -1.4695020392537117e-02 - - -1.8050310015678406e-01 4.8061780631542206e-02 - <_> - - 0 -1 3879 6.0288330132607371e-05 - - -9.8974503576755524e-02 3.8105670362710953e-02 - <_> - - 0 -1 3880 -1.3763650320470333e-02 - - 4.5689401030540466e-01 -2.0808599889278412e-02 - <_> - - 0 -1 3881 5.1598600111901760e-03 - - 2.8479820117354393e-02 -1.9778659939765930e-01 - <_> - - 0 -1 3882 6.6321617923676968e-03 - - -6.1560358852148056e-02 1.4045900106430054e-01 - <_> - - 0 -1 3883 -1.1073590256273746e-02 - - 1.1272329837083817e-01 -3.8423039019107819e-02 - <_> - - 0 -1 3884 7.3836948722600937e-03 - - 2.4575280025601387e-02 -3.3994451165199280e-01 - <_> - - 0 -1 3885 -1.9277689978480339e-02 - - 1.5732249617576599e-01 -5.8382220566272736e-02 - <_> - - 0 -1 3886 -2.6209199801087379e-02 - - -3.2575431466102600e-01 3.5296149551868439e-02 - <_> - - 0 -1 3887 1.3872079551219940e-02 - - 2.7504689991474152e-02 -2.0510050654411316e-01 - <_> - - 0 -1 3888 2.5171930901706219e-03 - - 6.9805637001991272e-02 -1.1518660187721252e-01 - <_> - - 0 -1 3889 6.7753292620182037e-02 - - -3.7268139421939850e-02 2.3363080620765686e-01 - <_> - - 0 -1 3890 -2.4352179840207100e-02 - - -2.1191249787807465e-01 4.2971581220626831e-02 - <_> - - 0 -1 3891 -1.5085450373589993e-02 - - 1.4743280410766602e-01 -3.8589131087064743e-02 - <_> - - 0 -1 3892 3.0052060261368752e-02 - - 4.3882489204406738e-02 -2.0401340723037720e-01 - <_> - - 0 -1 3893 -7.9878583550453186e-02 - - 7.1355827152729034e-02 -3.5806309431791306e-02 - <_> - - 0 -1 3894 -4.9845650792121887e-02 - - 2.8991028666496277e-01 -2.9193209484219551e-02 - <_> - - 0 -1 3895 6.0983549803495407e-02 - - 1.1078090406954288e-02 -8.0549037456512451e-01 - <_> - - 0 -1 3896 -2.4187229573726654e-02 - - 2.0816670358181000e-01 -4.0332991629838943e-02 - <_> - - 0 -1 3897 2.9581909999251366e-02 - - 1.7189880833029747e-02 -3.0174249410629272e-01 - <_> - - 0 -1 3898 -9.6158936619758606e-02 - - -3.6115181446075439e-01 2.1451879292726517e-02 - <_> - - 0 -1 3899 1.1087789898738265e-03 - - 6.0711268335580826e-02 -1.2995730340480804e-01 - <_> - - 0 -1 3900 3.6577019840478897e-02 - - -1.5757689252495766e-02 6.1568331718444824e-01 - <_> - - 0 -1 3901 8.9887566864490509e-02 - - 7.5012152083218098e-03 -8.4639918804168701e-01 - <_> - - 0 -1 3902 5.2048689685761929e-03 - - -5.0408910959959030e-02 1.5618799626827240e-01 - <_> - - 0 -1 3903 3.4727361053228378e-02 - - 2.1034790202975273e-02 -2.1834190189838409e-01 - <_> - - 0 -1 3904 -5.4695051163434982e-02 - - -8.3126282691955566e-01 8.9029762893915176e-03 - <_> - - 0 -1 3905 1.5987730026245117e-01 - - 8.5425339639186859e-03 -6.9280862808227539e-01 - <_> - - 0 -1 3906 -3.8558691740036011e-02 - - -2.7078241109848022e-01 2.7025369927287102e-02 - <_> - - 0 -1 3907 -7.1866370737552643e-02 - - -3.9044618606567383e-01 1.0923280380666256e-02 - <_> - - 0 -1 3908 1.9590340554714203e-01 - - 1.3423370197415352e-02 -5.4260522127151489e-01 - <_> - - 0 -1 3909 -2.2330079227685928e-02 - - -1.7275239527225494e-01 2.9058510437607765e-02 - <_> - - 0 -1 3910 5.1018559932708740e-01 - - 1.1418639682233334e-02 -6.7876529693603516e-01 - <_> - - 0 -1 3911 -1.1239909566938877e-02 - - 1.1462499946355820e-01 -5.6867629289627075e-02 - <_> - - 0 -1 3912 1.7486160621047020e-02 - - 5.2641868591308594e-02 -1.6195179522037506e-01 - <_> - - 0 -1 3913 -1.4517609961330891e-03 - - -1.0877469927072525e-01 5.6960400193929672e-02 - <_> - - 0 -1 3914 3.7016559392213821e-02 - - 1.7460089176893234e-02 -4.6505320072174072e-01 - <_> - - 0 -1 3915 -8.6366441100835800e-03 - - 7.3076270520687103e-02 -1.0616590082645416e-01 - <_> - - 0 -1 3916 1.9361129961907864e-03 - - -1.4585369825363159e-01 5.9394489973783493e-02 - <_> - - 0 -1 3917 -2.3119550198316574e-02 - - -9.4876237213611603e-02 3.0387479811906815e-02 - <_> - - 0 -1 3918 6.3178739510476589e-03 - - -1.0537099838256836e-01 7.7892847359180450e-02 - <_> - - 0 -1 3919 1.0961949825286865e-02 - - -6.6041983664035797e-02 1.0566339641809464e-01 - <_> - - 0 -1 3920 -4.2129520326852798e-02 - - 2.4344080686569214e-01 -5.1573678851127625e-02 - <_> - - 0 -1 3921 4.5132819563150406e-02 - - 1.0772050358355045e-02 -7.6156777143478394e-01 - <_> - - 0 -1 3922 9.4924736768007278e-03 - - 4.5273378491401672e-02 -1.8770030140876770e-01 - <_> - - 0 -1 3923 -1.1573860049247742e-01 - - 4.4831728935241699e-01 -8.6225848644971848e-03 - <_> - - 0 -1 3924 1.5801179688423872e-03 - - -1.0931409895420074e-01 7.9391218721866608e-02 - <_> - - 0 -1 3925 -4.4442281126976013e-02 - - 3.3827048540115356e-01 -2.6649719104170799e-02 - <_> - - 0 -1 3926 -6.5993092954158783e-02 - - -5.3106492757797241e-01 1.7543010413646698e-02 - <_> - - 0 -1 3927 -1.0968820191919804e-02 - - -1.6612820327281952e-01 4.9488350749015808e-02 - <_> - - 0 -1 3928 3.8149021565914154e-02 - - -4.1509900242090225e-02 2.0616669952869415e-01 - <_> - - 0 -1 3929 4.0625538676977158e-03 - - 4.8925049602985382e-02 -8.4866181015968323e-02 - <_> - - 0 -1 3930 3.2693019602447748e-03 - - -1.1883019655942917e-01 8.6803138256072998e-02 - <_> - - 0 -1 3931 -1.2488859938457608e-03 - - -1.4354729652404785e-01 2.1422969177365303e-02 - <_> - - 0 -1 3932 -1.7064889892935753e-02 - - -5.2316349744796753e-01 1.6529040411114693e-02 - <_> - - 0 -1 3933 -2.3354699835181236e-02 - - -1.9698520004749298e-01 2.1972300484776497e-02 - <_> - - 0 -1 3934 2.7899529784917831e-02 - - 3.8033228367567062e-02 -2.2323200106620789e-01 - <_> - - 0 -1 3935 -6.7869402468204498e-02 - - -4.2076128721237183e-01 1.0559639893472195e-02 - <_> - - 0 -1 3936 5.7542059570550919e-02 - - -4.2111430317163467e-02 2.3515710234642029e-01 - <_> - - 0 -1 3937 -2.1877309679985046e-01 - - 6.9553351402282715e-01 -9.9031934514641762e-03 - <_> - - 0 -1 3938 3.7776291370391846e-01 - - -2.4721829220652580e-02 3.0367389321327209e-01 - <_> - - 0 -1 3939 4.1029900312423706e-02 - - 2.1999280899763107e-02 -2.4707089364528656e-01 - <_> - - 0 -1 3940 2.5587070733308792e-02 - - 4.2045179754495621e-02 -2.2333100438117981e-01 - <_> - - 0 -1 3941 6.7200772464275360e-02 - - -1.6648389399051666e-02 2.4265660345554352e-01 - <_> - - 0 -1 3942 2.8230389580130577e-02 - - 2.9572259634733200e-02 -3.0128848552703857e-01 - <_> - - 0 -1 3943 2.4588680267333984e-01 - - 1.9440819742158055e-03 -4.2153918743133545e-01 - <_> - - 0 -1 3944 -9.5752447843551636e-02 - - -6.4711397886276245e-01 1.3180449604988098e-02 - <_> - - 0 -1 3945 -1.0596579872071743e-02 - - -2.0484970510005951e-01 2.8054440394043922e-02 - <_> - - 0 -1 3946 6.7103967070579529e-02 - - 2.9053989797830582e-02 -2.6770511269569397e-01 - <_> - - 0 -1 3947 -7.9280838370323181e-02 - - 2.1911109983921051e-01 -1.5684010460972786e-02 - <_> - - 0 -1 3948 -4.0710358880460262e-03 - - 2.2031579911708832e-01 -4.0581289678812027e-02 - <_> - - 0 -1 3949 3.7690360099077225e-02 - - -1.2946240603923798e-01 6.1921589076519012e-02 - <_> - - 0 -1 3950 1.8453929573297501e-02 - - -3.2800889015197754e-01 2.9745969921350479e-02 - <_> - - 0 -1 3951 1.5218369662761688e-01 - - 1.1928870342671871e-02 -4.3678689002990723e-01 - <_> - - 0 -1 3952 1.0948959738016129e-01 - - 2.4663779884576797e-02 -3.1567180156707764e-01 - <_> - - 0 -1 3953 -4.4906709343194962e-02 - - 2.3082759976387024e-01 -2.2163389250636101e-02 - <_> - - 0 -1 3954 1.4668619632720947e-01 - - 1.8490659072995186e-02 -4.6669480204582214e-01 - <_> - - 0 -1 3955 -4.0597580373287201e-02 - - 2.0691379904747009e-01 -4.1412089020013809e-02 - <_> - 293 - -1.3393770456314087e+00 - - <_> - - 0 -1 3956 2.5723339058458805e-03 - - -2.4097059667110443e-01 1.5659730136394501e-01 - <_> - - 0 -1 3957 5.7603712193667889e-03 - - -4.3601021170616150e-01 8.0516032874584198e-02 - <_> - - 0 -1 3958 -1.0138600319623947e-01 - - 3.9704030752182007e-01 -6.5761536359786987e-02 - <_> - - 0 -1 3959 1.3221249682828784e-03 - - -4.2382979393005371e-01 2.8659680858254433e-02 - <_> - - 0 -1 3960 5.4164527682587504e-04 - - 6.7418687045574188e-02 -3.1019261479377747e-01 - <_> - - 0 -1 3961 2.4447739124298096e-03 - - 1.3928419910371304e-02 -2.4488939344882965e-01 - <_> - - 0 -1 3962 1.4049450401216745e-03 - - -1.5040999650955200e-01 1.2638579308986664e-01 - <_> - - 0 -1 3963 1.1241709580644965e-03 - - -2.7436348795890808e-01 7.1175657212734222e-02 - <_> - - 0 -1 3964 -1.3413740089163184e-03 - - -3.7685438990592957e-01 5.0038158893585205e-02 - <_> - - 0 -1 3965 4.1714560240507126e-02 - - 1.1733000166714191e-02 -5.4509437084197998e-01 - <_> - - 0 -1 3966 2.1810019388794899e-03 - - -2.0847110450267792e-01 8.4929227828979492e-02 - <_> - - 0 -1 3967 1.9655700773000717e-02 - - 2.9568189755082130e-02 -2.4840490520000458e-01 - <_> - - 0 -1 3968 4.9905799096450210e-04 - - -1.7222259938716888e-01 9.3910522758960724e-02 - <_> - - 0 -1 3969 3.3110571093857288e-03 - - 7.9480826854705811e-02 -1.8249939382076263e-01 - <_> - - 0 -1 3970 3.4921199548989534e-03 - - 6.0159709304571152e-02 -2.3041090369224548e-01 - <_> - - 0 -1 3971 1.3379369629547000e-03 - - -7.8347019851207733e-02 1.5814539790153503e-01 - <_> - - 0 -1 3972 -3.4234288614243269e-04 - - -1.5121580660343170e-01 9.5998182892799377e-02 - <_> - - 0 -1 3973 -7.2008459828794003e-03 - - 1.0716210305690765e-01 -1.2086699903011322e-01 - <_> - - 0 -1 3974 -3.3037480898201466e-03 - - -1.9142769277095795e-01 7.1347109973430634e-02 - <_> - - 0 -1 3975 -8.1909723579883575e-02 - - -8.5086518526077271e-01 6.6832960583269596e-03 - <_> - - 0 -1 3976 -5.2563002100214362e-04 - - 7.1854703128337860e-02 -2.3162660002708435e-01 - <_> - - 0 -1 3977 -2.1477319300174713e-02 - - 2.2399149835109711e-01 -3.2982278615236282e-02 - <_> - - 0 -1 3978 -5.6700430810451508e-02 - - 5.1475530862808228e-01 -2.3378230631351471e-02 - <_> - - 0 -1 3979 1.8419699743390083e-02 - - 1.8853360787034035e-02 -4.4701090455055237e-01 - <_> - - 0 -1 3980 -8.8926553726196289e-03 - - 1.8497599661350250e-01 -6.6978506743907928e-02 - <_> - - 0 -1 3981 1.2642369605600834e-02 - - 8.6571149528026581e-02 -1.4233930408954620e-01 - <_> - - 0 -1 3982 8.0502573400735855e-03 - - -7.7052421867847443e-02 2.1340900659561157e-01 - <_> - - 0 -1 3983 -6.9165248423814774e-03 - - -1.7848269641399384e-01 5.6415598839521408e-02 - <_> - - 0 -1 3984 -1.4194440096616745e-02 - - 1.8763299286365509e-01 -6.7588217556476593e-02 - <_> - - 0 -1 3985 3.5530389286577702e-03 - - 3.8925249129533768e-02 -1.4981240034103394e-01 - <_> - - 0 -1 3986 4.8001301474869251e-03 - - 4.4963311403989792e-02 -2.4595139920711517e-01 - <_> - - 0 -1 3987 9.0420730412006378e-03 - - -5.3614400327205658e-02 1.3824699819087982e-01 - <_> - - 0 -1 3988 4.3342178687453270e-03 - - -8.6166441440582275e-02 1.2793409824371338e-01 - <_> - - 0 -1 3989 1.2264699675142765e-02 - - 3.6203060299158096e-02 -3.7494099140167236e-01 - <_> - - 0 -1 3990 4.9155529588460922e-02 - - -9.1319262981414795e-02 1.2587989866733551e-01 - <_> - - 0 -1 3991 -5.8642931981012225e-04 - - 9.3702591955661774e-02 -1.0736119747161865e-01 - <_> - - 0 -1 3992 3.2971050590276718e-02 - - 2.7238529175519943e-02 -4.5005699992179871e-01 - <_> - - 0 -1 3993 1.6174600459635258e-03 - - 3.2863009721040726e-02 -1.4241309463977814e-01 - <_> - - 0 -1 3994 1.0178020456805825e-03 - - 6.9898538291454315e-02 -1.7507210373878479e-01 - <_> - - 0 -1 3995 3.4081579651683569e-03 - - -7.7970616519451141e-02 5.8423690497875214e-02 - <_> - - 0 -1 3996 -6.9078300148248672e-03 - - 1.1711090058088303e-01 -9.5380999147891998e-02 - <_> - - 0 -1 3997 -7.8317627776414156e-04 - - 6.3730940222740173e-02 -8.8190883398056030e-02 - <_> - - 0 -1 3998 -1.3578870333731174e-02 - - -2.7168250083923340e-01 3.9688158780336380e-02 - <_> - - 0 -1 3999 -8.0021530389785767e-02 - - 6.0115522146224976e-01 -2.4968839716166258e-03 - <_> - - 0 -1 4000 -1.7085570143535733e-03 - - 1.0888680070638657e-01 -1.0520359873771667e-01 - <_> - - 0 -1 4001 8.5700387135148048e-03 - - -4.1784621775150299e-02 1.4857980608940125e-01 - <_> - - 0 -1 4002 1.5518560074269772e-02 - - 2.1855160593986511e-02 -4.5708781480789185e-01 - <_> - - 0 -1 4003 -1.5739940572530031e-03 - - 5.0655461847782135e-02 -6.9658473134040833e-02 - <_> - - 0 -1 4004 -1.0979890357702971e-03 - - 7.9917587339878082e-02 -1.1895059794187546e-01 - <_> - - 0 -1 4005 -2.6248019188642502e-02 - - 7.0614987611770630e-01 -1.3660780154168606e-02 - <_> - - 0 -1 4006 -1.0281460359692574e-02 - - -1.8412110209465027e-01 6.6442340612411499e-02 - <_> - - 0 -1 4007 -3.6530280485749245e-03 - - 1.2995550036430359e-01 -5.8351561427116394e-02 - <_> - - 0 -1 4008 7.8363716602325439e-03 - - 2.7073230594396591e-02 -3.3601909875869751e-01 - <_> - - 0 -1 4009 -1.5283710323274136e-02 - - 2.5562399625778198e-01 -3.5940971225500107e-02 - <_> - - 0 -1 4010 -6.7279259674251080e-03 - - 2.4661159515380859e-01 -4.8673499375581741e-02 - <_> - - 0 -1 4011 1.7807850241661072e-01 - - 6.0471030883491039e-03 -7.2566151618957520e-01 - <_> - - 0 -1 4012 -1.0486179962754250e-03 - - -1.9335940480232239e-01 5.0940699875354767e-02 - <_> - - 0 -1 4013 8.9163314551115036e-03 - - 3.3024791628122330e-02 -1.6986289620399475e-01 - <_> - - 0 -1 4014 4.0643039392307401e-04 - - -1.3117119669914246e-01 6.6818282008171082e-02 - <_> - - 0 -1 4015 -4.7499048709869385e-01 - - -4.0152749419212341e-01 6.3146720640361309e-03 - <_> - - 0 -1 4016 1.0430049896240234e-01 - - 2.4024970829486847e-02 -3.2695800065994263e-01 - <_> - - 0 -1 4017 -5.1650121808052063e-02 - - 1.6934829950332642e-01 -1.5539200045168400e-02 - <_> - - 0 -1 4018 4.0506269782781601e-02 - - -2.2082980722188950e-02 3.9694729447364807e-01 - <_> - - 0 -1 4019 2.4179749190807343e-02 - - 2.1926779299974442e-02 -4.3460670113563538e-01 - <_> - - 0 -1 4020 -3.0531319789588451e-03 - - -1.4108030498027802e-01 5.6175179779529572e-02 - <_> - - 0 -1 4021 -1.7123650759458542e-02 - - -6.3341897726058960e-01 9.8466947674751282e-03 - <_> - - 0 -1 4022 4.1705969721078873e-02 - - 1.0977629572153091e-02 -6.7681282758712769e-01 - <_> - - 0 -1 4023 4.3895491398870945e-03 - - -5.7781290262937546e-02 1.5501640737056732e-01 - <_> - - 0 -1 4024 -4.4786250218749046e-03 - - -1.6706019639968872e-01 4.6572938561439514e-02 - <_> - - 0 -1 4025 4.8733421135693789e-04 - - -1.5037140250205994e-01 4.6920441091060638e-02 - <_> - - 0 -1 4026 1.5530640259385109e-02 - - 2.2556010633707047e-02 -3.2370451092720032e-01 - <_> - - 0 -1 4027 4.5443180948495865e-02 - - -9.8806591704487801e-03 6.0815322399139404e-01 - <_> - - 0 -1 4028 -7.7960297465324402e-02 - - 4.0743818879127502e-01 -1.8391529098153114e-02 - <_> - - 0 -1 4029 -4.5014719944447279e-04 - - -3.8319730758666992e-01 1.3420820236206055e-02 - <_> - - 0 -1 4030 -2.1852780133485794e-02 - - -4.4697651267051697e-01 1.5379330143332481e-02 - <_> - - 0 -1 4031 -6.3410878181457520e-02 - - 3.9926728606224060e-01 -2.2168820723891258e-02 - <_> - - 0 -1 4032 -6.6417120397090912e-03 - - -1.4594499766826630e-01 5.1541730761528015e-02 - <_> - - 0 -1 4033 2.0355410873889923e-02 - - -2.3113679140806198e-02 1.8792650103569031e-01 - <_> - - 0 -1 4034 9.2754261568188667e-03 - - -5.5808931589126587e-02 1.3504269719123840e-01 - <_> - - 0 -1 4035 -6.4075283706188202e-02 - - 2.6259770989418030e-01 -3.1913250684738159e-02 - <_> - - 0 -1 4036 5.7537898421287537e-02 - - 3.4703690558671951e-02 -2.7203989028930664e-01 - <_> - - 0 -1 4037 -1.3369999825954437e-02 - - -1.0251790285110474e-01 2.0719829946756363e-02 - <_> - - 0 -1 4038 2.9637520201504230e-03 - - -5.7579819113016129e-02 1.3346299529075623e-01 - <_> - - 0 -1 4039 -4.7313207760453224e-03 - - -1.4229220151901245e-01 5.3106248378753662e-02 - <_> - - 0 -1 4040 1.2967540323734283e-01 - - -2.1926470100879669e-02 3.3583769202232361e-01 - <_> - - 0 -1 4041 -2.8757948894053698e-03 - - 7.4970930814743042e-02 -1.0183060169219971e-01 - <_> - - 0 -1 4042 -1.3546359725296497e-02 - - -1.5313720703125000e-01 5.2247390151023865e-02 - <_> - - 0 -1 4043 6.3532173633575439e-02 - - 9.1543495655059814e-03 -7.4869108200073242e-01 - <_> - - 0 -1 4044 -1.0261409915983677e-02 - - 1.2742519378662109e-01 -5.6786071509122849e-02 - <_> - - 0 -1 4045 -4.3331928551197052e-02 - - -6.1829072237014771e-01 8.0406935885548592e-03 - <_> - - 0 -1 4046 4.0195342153310776e-03 - - -5.4130308330059052e-02 1.4864480495452881e-01 - <_> - - 0 -1 4047 6.7003332078456879e-03 - - 3.7507299333810806e-02 -1.9986230134963989e-01 - <_> - - 0 -1 4048 -1.1208239942789078e-02 - - -1.4704710245132446e-01 5.7189401239156723e-02 - <_> - - 0 -1 4049 -3.7890970706939697e-03 - - 1.5529400110244751e-01 -3.7930488586425781e-02 - <_> - - 0 -1 4050 -1.1098479852080345e-02 - - 1.7850440740585327e-01 -4.5689649879932404e-02 - <_> - - 0 -1 4051 -7.3761218227446079e-03 - - -1.0891640186309814e-01 7.4425593018531799e-02 - <_> - - 0 -1 4052 -3.2149269245564938e-03 - - 9.0641707181930542e-02 -9.4377033412456512e-02 - <_> - - 0 -1 4053 -3.5010059364140034e-03 - - -1.3498190045356750e-01 6.6652722656726837e-02 - <_> - - 0 -1 4054 -1.4920319699740503e-05 - - -1.0505480319261551e-01 8.4583170711994171e-02 - <_> - - 0 -1 4055 9.5882397145032883e-03 - - 1.9421499222517014e-02 -2.4732840061187744e-01 - <_> - - 0 -1 4056 5.7274959981441498e-02 - - 8.1852423027157784e-03 -7.9508548974990845e-01 - <_> - - 0 -1 4057 2.4549640715122223e-02 - - -1.5515980310738087e-02 4.8995479941368103e-01 - <_> - - 0 -1 4058 -4.6792559325695038e-02 - - -8.4720087051391602e-01 9.0526090934872627e-03 - <_> - - 0 -1 4059 3.1038739252835512e-03 - - -5.3271029144525528e-02 7.8815557062625885e-02 - <_> - - 0 -1 4060 -3.4241031855344772e-02 - - -4.8161220550537109e-01 1.3654340058565140e-02 - <_> - - 0 -1 4061 4.4056270271539688e-03 - - -4.9280438572168350e-02 7.8709162771701813e-02 - <_> - - 0 -1 4062 2.3878510110080242e-03 - - -7.6887659728527069e-02 8.4614582359790802e-02 - <_> - - 0 -1 4063 -1.1621230281889439e-02 - - -2.3086050152778625e-01 2.2584810853004456e-02 - <_> - - 0 -1 4064 2.5225759018212557e-03 - - -5.0813131034374237e-02 1.3810400664806366e-01 - <_> - - 0 -1 4065 1.3507470488548279e-01 - - 7.5730998069047928e-03 -4.7955051064491272e-01 - <_> - - 0 -1 4066 -2.2317951079457998e-03 - - -9.0258792042732239e-02 8.3118766546249390e-02 - <_> - - 0 -1 4067 -3.0061710625886917e-02 - - -5.1799142360687256e-01 1.2881710194051266e-02 - <_> - - 0 -1 4068 -4.5464351773262024e-02 - - 2.0660980045795441e-01 -3.4860398620367050e-02 - <_> - - 0 -1 4069 -9.2374589294195175e-03 - - -1.4695020020008087e-01 3.1320258975028992e-02 - <_> - - 0 -1 4070 6.0185948386788368e-03 - - 6.3885621726512909e-02 -1.1779619753360748e-01 - <_> - - 0 -1 4071 -1.0322810150682926e-02 - - 1.7958350479602814e-01 -4.6830028295516968e-02 - <_> - - 0 -1 4072 -1.7961780540645123e-03 - - -1.1374049633741379e-01 6.1730381101369858e-02 - <_> - - 0 -1 4073 7.1363700553774834e-03 - - 3.3574521541595459e-02 -1.5472589433193207e-01 - <_> - - 0 -1 4074 6.9487772881984711e-02 - - -5.9162009507417679e-02 1.3841110467910767e-01 - <_> - - 0 -1 4075 -3.8321871310472488e-02 - - 1.5628719329833984e-01 -3.1815651804208755e-02 - <_> - - 0 -1 4076 3.9706169627606869e-03 - - 5.1252529025077820e-02 -1.7615999281406403e-01 - <_> - - 0 -1 4077 -3.9275288581848145e-03 - - 7.8947998583316803e-02 -5.1486730575561523e-02 - <_> - - 0 -1 4078 1.9882800988852978e-03 - - -5.0474651157855988e-02 1.3366329669952393e-01 - <_> - - 0 -1 4079 -1.6472870483994484e-03 - - 4.9180198460817337e-02 -5.3437490016222000e-02 - <_> - - 0 -1 4080 -1.1580109596252441e-02 - - -1.3224309682846069e-01 5.8321509510278702e-02 - <_> - - 0 -1 4081 4.3496791273355484e-02 - - -2.3527380079030991e-02 1.2179140001535416e-01 - <_> - - 0 -1 4082 1.8956169951707125e-03 - - 5.6072939187288284e-02 -1.1997289955615997e-01 - <_> - - 0 -1 4083 2.4906420148909092e-03 - - -1.2799920141696930e-01 3.5218570381402969e-02 - <_> - - 0 -1 4084 -6.0253150761127472e-02 - - -7.8707909584045410e-01 7.7965850941836834e-03 - <_> - - 0 -1 4085 -1.5306809917092323e-02 - - -1.2276060134172440e-01 4.2537391185760498e-02 - <_> - - 0 -1 4086 3.6899570841342211e-04 - - -1.2192569673061371e-01 5.9650231152772903e-02 - <_> - - 0 -1 4087 3.0398070812225342e-03 - - -6.3023842871189117e-02 5.0918091088533401e-02 - <_> - - 0 -1 4088 -3.5760499304160476e-04 - - -7.6859332621097565e-02 8.6624316871166229e-02 - <_> - - 0 -1 4089 -2.7939230203628540e-03 - - 1.3074369728565216e-01 -4.6912711113691330e-02 - <_> - - 0 -1 4090 4.2060539126396179e-03 - - -5.3119719028472900e-02 1.2866240739822388e-01 - <_> - - 0 -1 4091 5.1448699086904526e-02 - - 1.1080370284616947e-02 -4.1434210538864136e-01 - <_> - - 0 -1 4092 3.2859880477190018e-02 - - 1.7495309934020042e-02 -3.7538790702819824e-01 - <_> - - 0 -1 4093 -4.8408061265945435e-02 - - 1.7011879384517670e-01 -2.3726450279355049e-02 - <_> - - 0 -1 4094 1.4061340130865574e-02 - - 2.5981390848755836e-02 -2.7635771036148071e-01 - <_> - - 0 -1 4095 5.2196439355611801e-02 - - -9.5534622669219971e-03 1.0973469913005829e-01 - <_> - - 0 -1 4096 4.4780261814594269e-02 - - -2.7032930403947830e-02 2.7434709668159485e-01 - <_> - - 0 -1 4097 -3.7703409325331450e-03 - - -1.4412869513034821e-01 5.2342470735311508e-02 - <_> - - 0 -1 4098 -4.1479258798062801e-03 - - -1.3706830143928528e-01 4.9621090292930603e-02 - <_> - - 0 -1 4099 1.4685150235891342e-02 - - -4.9949668347835541e-02 1.3658650219440460e-01 - <_> - - 0 -1 4100 1.0325849987566471e-02 - - 8.3659462630748749e-02 -1.0378009825944901e-01 - <_> - - 0 -1 4101 -1.7972270143218338e-04 - - -8.6658917367458344e-02 2.2592369467020035e-02 - <_> - - 0 -1 4102 2.0081000402569771e-02 - - -1.9589949399232864e-02 3.4358739852905273e-01 - <_> - - 0 -1 4103 -2.2905580699443817e-02 - - -4.2482820153236389e-01 1.5416770242154598e-02 - <_> - - 0 -1 4104 -5.5506028234958649e-02 - - 7.3143810033798218e-01 -9.4347409904003143e-03 - <_> - - 0 -1 4105 -1.7899540252983570e-03 - - -8.1951782107353210e-02 3.5823788493871689e-02 - <_> - - 0 -1 4106 -8.0740358680486679e-04 - - 8.6620979011058807e-02 -7.8758612275123596e-02 - <_> - - 0 -1 4107 2.4445019662380219e-02 - - -2.2004250437021255e-02 9.4158843159675598e-02 - <_> - - 0 -1 4108 -7.5640110298991203e-03 - - 1.2011729925870895e-01 -7.2349771857261658e-02 - <_> - - 0 -1 4109 2.3397218901664019e-03 - - -8.1034347414970398e-02 9.8173618316650391e-02 - <_> - - 0 -1 4110 -3.1817611306905746e-02 - - -3.5730469226837158e-01 1.9601309671998024e-02 - <_> - - 0 -1 4111 1.0028080083429813e-02 - - -2.4160459637641907e-02 3.1340339779853821e-01 - <_> - - 0 -1 4112 9.0504523541312665e-05 - - 5.8050628751516342e-02 -1.1760439723730087e-01 - <_> - - 0 -1 4113 -2.1010750904679298e-02 - - -2.0346039533615112e-01 3.4145411103963852e-02 - <_> - - 0 -1 4114 -7.1200268575921655e-04 - - 6.3303150236606598e-02 -1.0497389733791351e-01 - <_> - - 0 -1 4115 -7.6272932346910238e-04 - - -7.4432566761970520e-02 3.4912228584289551e-02 - <_> - - 0 -1 4116 -5.8506328612565994e-02 - - 5.5758380889892578e-01 -1.2666489928960800e-02 - <_> - - 0 -1 4117 2.4057500995695591e-03 - - 4.4605068862438202e-02 -1.1581590026617050e-01 - <_> - - 0 -1 4118 -1.9729519262909889e-02 - - -4.7550109028816223e-01 1.5548559837043285e-02 - <_> - - 0 -1 4119 -2.2645130753517151e-02 - - 1.1828950047492981e-01 -2.2170929238200188e-02 - <_> - - 0 -1 4120 -1.3123790267854929e-03 - - 5.0635538995265961e-02 -1.3423310220241547e-01 - <_> - - 0 -1 4121 -5.9856739826500416e-03 - - 5.4273821413516998e-02 -6.9639056921005249e-02 - <_> - - 0 -1 4122 5.2245449274778366e-02 - - -1.8341360613703728e-02 4.1689381003379822e-01 - <_> - - 0 -1 4123 -4.6837949194014072e-03 - - -1.2121260166168213e-01 3.9187919348478317e-02 - <_> - - 0 -1 4124 -1.5208399854600430e-02 - - -9.6487842500209808e-02 6.5325021743774414e-02 - <_> - - 0 -1 4125 -5.7328920811414719e-03 - - 2.1023470163345337e-01 -3.1721260398626328e-02 - <_> - - 0 -1 4126 -3.7612610030919313e-03 - - 1.0085880011320114e-01 -6.1392951756715775e-02 - <_> - - 0 -1 4127 -1.0980520397424698e-02 - - -1.8342439830303192e-01 1.7121249809861183e-02 - <_> - - 0 -1 4128 2.7213071007281542e-03 - - -5.8404140174388885e-02 1.0729049891233444e-01 - <_> - - 0 -1 4129 -1.8969269469380379e-02 - - 7.4764728546142578e-02 -3.4056201577186584e-02 - <_> - - 0 -1 4130 -7.1104627568274736e-04 - - -1.4749570190906525e-01 5.2447158843278885e-02 - <_> - - 0 -1 4131 9.4774961471557617e-03 - - -2.5232490152120590e-02 1.0677599906921387e-01 - <_> - - 0 -1 4132 1.0275880247354507e-01 - - 1.0039360262453556e-02 -6.4630568027496338e-01 - <_> - - 0 -1 4133 -1.1228179931640625e-01 - - -5.7247608900070190e-01 6.3971187919378281e-03 - <_> - - 0 -1 4134 -2.5683579966425896e-02 - - -3.2004079222679138e-01 1.7239449545741081e-02 - <_> - - 0 -1 4135 2.5494299829006195e-02 - - -2.2127779200673103e-02 1.1838120222091675e-01 - <_> - - 0 -1 4136 -3.0458789318799973e-02 - - -5.8747881650924683e-01 9.8222652450203896e-03 - <_> - - 0 -1 4137 -2.7816120535135269e-02 - - 3.6785709857940674e-01 -1.2260340154170990e-02 - <_> - - 0 -1 4138 -1.2768269516527653e-03 - - 2.4150429666042328e-01 -2.4503409862518311e-02 - <_> - - 0 -1 4139 -7.6435826718807220e-02 - - -6.3471722602844238e-01 2.7080429717898369e-03 - <_> - - 0 -1 4140 3.7574430461972952e-04 - - -1.3316820561885834e-01 4.6189591288566589e-02 - <_> - - 0 -1 4141 1.3193810358643532e-02 - - 2.6501480489969254e-02 -6.8515978753566742e-02 - <_> - - 0 -1 4142 -6.3689619302749634e-02 - - 4.1126638650894165e-01 -1.5647120773792267e-02 - <_> - - 0 -1 4143 -8.0426287604495883e-04 - - -9.4006098806858063e-02 3.1002070754766464e-02 - <_> - - 0 -1 4144 8.2476891111582518e-04 - - -1.5928819775581360e-01 3.7096790969371796e-02 - <_> - - 0 -1 4145 4.8443409614264965e-03 - - -2.5698879733681679e-02 1.5079009532928467e-01 - <_> - - 0 -1 4146 2.2941319271922112e-02 - - 2.2941149771213531e-02 -2.7759069204330444e-01 - <_> - - 0 -1 4147 5.6285588070750237e-03 - - 2.0121619105339050e-02 -6.3584417104721069e-02 - <_> - - 0 -1 4148 -8.1927451537922025e-04 - - 5.5934138596057892e-02 -1.0776060074567795e-01 - <_> - - 0 -1 4149 5.1910132169723511e-03 - - -2.6781970635056496e-02 5.5094171315431595e-02 - <_> - - 0 -1 4150 -2.0220499485731125e-02 - - -1.2501780688762665e-01 5.9274829924106598e-02 - <_> - - 0 -1 4151 -3.6798599176108837e-03 - - 6.0474321246147156e-02 -5.9632349759340286e-02 - <_> - - 0 -1 4152 1.0483860038220882e-02 - - -5.3652260452508926e-02 1.2906110286712646e-01 - <_> - - 0 -1 4153 1.7904460430145264e-02 - - 1.4318290166556835e-02 -2.7349731326103210e-01 - <_> - - 0 -1 4154 3.3693820238113403e-01 - - -8.6311781778931618e-03 7.3288571834564209e-01 - <_> - - 0 -1 4155 -1.0807479918003082e-01 - - -5.0707489252090454e-01 6.7152627743780613e-03 - <_> - - 0 -1 4156 -1.2219610065221786e-01 - - -7.9352718591690063e-01 7.4890498071908951e-03 - <_> - - 0 -1 4157 -3.7357630208134651e-03 - - -1.5436430275440216e-01 1.9933359697461128e-02 - <_> - - 0 -1 4158 4.7283530235290527e-02 - - -3.2180741429328918e-02 2.2332429885864258e-01 - <_> - - 0 -1 4159 -4.8949089832603931e-03 - - -1.4440849423408508e-01 2.7687419205904007e-02 - <_> - - 0 -1 4160 -4.6767960302531719e-03 - - 4.2589519172906876e-02 -1.3181249797344208e-01 - <_> - - 0 -1 4161 -4.0526568889617920e-02 - - 1.5155360102653503e-01 -1.3137400150299072e-02 - <_> - - 0 -1 4162 5.1309340633451939e-03 - - -4.2436398565769196e-02 1.9428129494190216e-01 - <_> - - 0 -1 4163 4.9947341904044151e-03 - - 2.0656300708651543e-02 -1.8332560360431671e-01 - <_> - - 0 -1 4164 -1.0946449823677540e-02 - - -1.1576370149850845e-01 6.1964198946952820e-02 - <_> - - 0 -1 4165 -6.7135482095181942e-03 - - 1.5796749293804169e-01 -3.5399619489908218e-02 - <_> - - 0 -1 4166 -3.0990630388259888e-02 - - -1.7271049320697784e-01 3.7916570901870728e-02 - <_> - - 0 -1 4167 -2.7503890451043844e-03 - - 4.1495159268379211e-02 -5.5152788758277893e-02 - <_> - - 0 -1 4168 -2.4700429290533066e-02 - - 2.9076111316680908e-01 -2.0552640780806541e-02 - <_> - - 0 -1 4169 -1.7607269808650017e-02 - - -9.8671503365039825e-02 3.2800450921058655e-02 - <_> - - 0 -1 4170 8.7928329594433308e-04 - - 3.6442421376705170e-02 -1.7518040537834167e-01 - <_> - - 0 -1 4171 6.9036949425935745e-03 - - 2.1444270387291908e-02 -1.1997299641370773e-01 - <_> - - 0 -1 4172 -2.2592858877032995e-03 - - 9.5944248139858246e-02 -8.1264480948448181e-02 - <_> - - 0 -1 4173 1.5885939821600914e-02 - - -3.1494110822677612e-02 8.7531946599483490e-02 - <_> - - 0 -1 4174 1.9379710778594017e-02 - - -3.5075489431619644e-02 1.6199189424514771e-01 - <_> - - 0 -1 4175 -2.3565329611301422e-02 - - 9.9367812275886536e-02 -5.0409961491823196e-02 - <_> - - 0 -1 4176 -6.2582190148532391e-03 - - -1.5962609648704529e-01 5.6871950626373291e-02 - <_> - - 0 -1 4177 1.0289040394127369e-02 - - 3.2422259449958801e-02 -1.1825840175151825e-01 - <_> - - 0 -1 4178 -5.8485912159085274e-03 - - 1.9107459485530853e-01 -3.7084739655256271e-02 - <_> - - 0 -1 4179 -8.5805162787437439e-02 - - -4.0877249836921692e-01 1.2781100347638130e-02 - <_> - - 0 -1 4180 -2.4852859787642956e-03 - - -1.0116399824619293e-01 5.6311480700969696e-02 - <_> - - 0 -1 4181 -7.1535720489919186e-03 - - -4.4118609279394150e-02 2.2217169404029846e-02 - <_> - - 0 -1 4182 1.2644700473174453e-03 - - 6.5305598080158234e-02 -1.2273000180721283e-01 - <_> - - 0 -1 4183 3.9825689047574997e-02 - - -5.0402980297803879e-02 1.4424259960651398e-01 - <_> - - 0 -1 4184 1.3322670012712479e-02 - - 2.3235419392585754e-01 -2.8198169544339180e-02 - <_> - - 0 -1 4185 2.1017350256443024e-02 - - -1.9653260707855225e-02 1.0432569682598114e-01 - <_> - - 0 -1 4186 2.4515210092067719e-01 - - 8.4479590877890587e-03 -7.4833422899246216e-01 - <_> - - 0 -1 4187 4.3030278757214546e-03 - - 3.1172480434179306e-02 -9.4183586537837982e-02 - <_> - - 0 -1 4188 2.2224480286240578e-02 - - -3.9602920413017273e-02 1.5614870190620422e-01 - <_> - - 0 -1 4189 -8.5019748657941818e-03 - - -1.0852319747209549e-01 2.8045600280165672e-02 - <_> - - 0 -1 4190 1.0845540091395378e-02 - - -6.5594159066677094e-02 1.0217399895191193e-01 - <_> - - 0 -1 4191 1.7696369905024767e-03 - - 7.5369141995906830e-02 -9.5298826694488525e-02 - <_> - - 0 -1 4192 1.0289049893617630e-01 - - -1.1767229996621609e-02 4.8167210817337036e-01 - <_> - - 0 -1 4193 -3.5074170678853989e-02 - - -2.6299050450325012e-01 1.0002779774367809e-02 - <_> - - 0 -1 4194 3.8302998989820480e-02 - - 1.0883949697017670e-02 -5.8092927932739258e-01 - <_> - - 0 -1 4195 1.2183119542896748e-02 - - 3.1098999083042145e-02 -5.4257929325103760e-02 - <_> - - 0 -1 4196 2.0388139411807060e-02 - - -3.7379540503025055e-02 1.8725450336933136e-01 - <_> - - 0 -1 4197 6.5857400186359882e-03 - - -4.4194780290126801e-02 6.0033790767192841e-02 - <_> - - 0 -1 4198 5.8739529922604561e-03 - - 3.9219710975885391e-02 -1.5857939422130585e-01 - <_> - - 0 -1 4199 -7.8279033303260803e-02 - - 2.1789179742336273e-01 -1.0094420053064823e-02 - <_> - - 0 -1 4200 1.5336579643189907e-02 - - -3.1219519674777985e-02 2.2452400624752045e-01 - <_> - - 0 -1 4201 1.4171670190989971e-03 - - -1.6625450551509857e-01 2.7684109285473824e-02 - <_> - - 0 -1 4202 -3.4021309111267328e-03 - - -2.8452378511428833e-01 2.2661060094833374e-02 - <_> - - 0 -1 4203 -1.9340340048074722e-02 - - 5.2300518751144409e-01 -5.0734821707010269e-03 - <_> - - 0 -1 4204 -1.6514319926500320e-02 - - 7.0619380474090576e-01 -8.2714930176734924e-03 - <_> - - 0 -1 4205 -6.4589809626340866e-03 - - -1.2104330211877823e-01 3.8718421012163162e-02 - <_> - - 0 -1 4206 -4.3003219179809093e-03 - - -1.2103659659624100e-01 5.5335890501737595e-02 - <_> - - 0 -1 4207 1.0784200392663479e-02 - - -3.8975819945335388e-02 1.9870519638061523e-01 - <_> - - 0 -1 4208 -1.1527650058269501e-03 - - 9.3596100807189941e-02 -6.4248889684677124e-02 - <_> - - 0 -1 4209 -4.2101260274648666e-02 - - -3.0032190680503845e-01 1.5909299254417419e-02 - <_> - - 0 -1 4210 3.0202090274542570e-03 - - -6.5310478210449219e-02 9.4754762947559357e-02 - <_> - - 0 -1 4211 2.9999990016222000e-02 - - 1.7673229798674583e-02 -2.2457149624824524e-01 - <_> - - 0 -1 4212 -1.3678170507773757e-03 - - 1.3394910097122192e-01 -5.0086550414562225e-02 - <_> - - 0 -1 4213 -2.3151950910687447e-02 - - -1.8310110270977020e-01 1.9103579223155975e-02 - <_> - - 0 -1 4214 6.3826322555541992e-02 - - 7.5651248916983604e-03 -8.3116590976715088e-01 - <_> - - 0 -1 4215 -1.4831620454788208e-01 - - -1. 3.4445689525455236e-03 - <_> - - 0 -1 4216 1.3207890151534230e-04 - - 5.1135819405317307e-02 -1.1863200366497040e-01 - <_> - - 0 -1 4217 6.6078707575798035e-02 - - 7.1528651751577854e-03 -4.2906388640403748e-01 - <_> - - 0 -1 4218 6.1758249066770077e-03 - - -5.9010580182075500e-02 1.0781309753656387e-01 - <_> - - 0 -1 4219 -3.3506110310554504e-02 - - -3.7636739015579224e-01 1.7037799581885338e-02 - <_> - - 0 -1 4220 -9.7032980993390083e-03 - - 1.3820339739322662e-01 -4.3922200798988342e-02 - <_> - - 0 -1 4221 -7.2475131601095200e-03 - - -2.2192749381065369e-01 1.2801939621567726e-02 - <_> - - 0 -1 4222 -5.3309328854084015e-02 - - -4.5594760775566101e-01 1.2495010159909725e-02 - <_> - - 0 -1 4223 1.0387069545686245e-02 - - -5.1624130457639694e-02 1.2236239761114120e-01 - <_> - - 0 -1 4224 6.7208573222160339e-02 - - 3.1655121594667435e-02 -2.1086180210113525e-01 - <_> - - 0 -1 4225 -1.5143319964408875e-02 - - 1.7224070429801941e-01 -2.9209939762949944e-02 - <_> - - 0 -1 4226 -3.9284970611333847e-02 - - -4.8226779699325562e-01 1.4366200193762779e-02 - <_> - - 0 -1 4227 -5.1000402309000492e-03 - - 1.3700410723686218e-01 -4.3541591614484787e-02 - <_> - - 0 -1 4228 4.7284159809350967e-03 - - 6.5495520830154419e-02 -1.2913839519023895e-01 - <_> - - 0 -1 4229 -1.1877629905939102e-02 - - 2.0146130025386810e-01 -2.3640049621462822e-02 - <_> - - 0 -1 4230 -4.5396368950605392e-03 - - -1.6872450709342957e-01 4.4881179928779602e-02 - <_> - - 0 -1 4231 -8.0548608675599098e-03 - - 6.5916322171688080e-02 -4.5184228569269180e-02 - <_> - - 0 -1 4232 -4.3037731200456619e-02 - - 1.2817430496215820e-01 -6.3021719455718994e-02 - <_> - - 0 -1 4233 1.0952279716730118e-01 - - 6.0560060665011406e-03 -5.1614511013031006e-01 - <_> - - 0 -1 4234 -7.0019549457356334e-04 - - -1.2845410406589508e-01 4.9936100840568542e-02 - <_> - - 0 -1 4235 -2.9595570595120080e-05 - - 6.7076332867145538e-02 -9.0397119522094727e-02 - <_> - - 0 -1 4236 1.7749640345573425e-01 - - -7.6472861692309380e-03 8.9716571569442749e-01 - <_> - - 0 -1 4237 -5.5364448577165604e-02 - - -6.5513938665390015e-01 6.7208600230515003e-03 - <_> - - 0 -1 4238 -5.1461409777402878e-02 - - -6.5337532758712769e-01 8.9703118428587914e-03 - <_> - - 0 -1 4239 -2.6581719517707825e-02 - - -2.8116428852081299e-01 1.7766090109944344e-02 - <_> - - 0 -1 4240 -6.9034337997436523e-02 - - 9.2583978176116943e-01 -6.2460578046739101e-03 - <_> - - 0 -1 4241 -3.0205730348825455e-02 - - 2.3784290254116058e-01 -1.6295459121465683e-02 - <_> - - 0 -1 4242 -9.1226873919367790e-03 - - -1.4569890499114990e-01 4.5654390007257462e-02 - <_> - - 0 -1 4243 -2.1233780682086945e-01 - - 1.6472199559211731e-01 -1.4758829958736897e-02 - <_> - - 0 -1 4244 -2.6254689320921898e-02 - - 3.0381628870964050e-01 -2.0108530297875404e-02 - <_> - - 0 -1 4245 3.0262209475040436e-03 - - -1.5298280119895935e-01 2.6878539472818375e-02 - <_> - - 0 -1 4246 8.3838596940040588e-02 - - 1.0042349807918072e-02 -5.9345102310180664e-01 - <_> - - 0 -1 4247 1.8845759332180023e-02 - - -4.5260541141033173e-02 8.4220200777053833e-02 - <_> - - 0 -1 4248 -4.8671411350369453e-03 - - -1.1234840005636215e-01 5.6676398962736130e-02 - <_> - 243 - -1.4994510412216187e+00 - - <_> - - 0 -1 4249 1.1900869756937027e-01 - - -2.0186680555343628e-01 2.4417600035667419e-01 - <_> - - 0 -1 4250 2.1277489140629768e-02 - - -2.3454399406909943e-01 1.6303069889545441e-01 - <_> - - 0 -1 4251 3.7066950462758541e-03 - - -2.0559909939765930e-01 1.4982059597969055e-01 - <_> - - 0 -1 4252 3.2929550856351852e-02 - - 7.8803077340126038e-02 -3.3688440918922424e-01 - <_> - - 0 -1 4253 2.5057960301637650e-02 - - -1.5932090580463409e-01 1.6405050456523895e-01 - <_> - - 0 -1 4254 6.5863109193742275e-04 - - -2.7804228663444519e-01 8.3028919994831085e-02 - <_> - - 0 -1 4255 -6.6210910677909851e-02 - - -3.6402150988578796e-01 6.0067348182201385e-02 - <_> - - 0 -1 4256 4.2186300270259380e-03 - - -1.8551510572433472e-01 1.2828220427036285e-01 - <_> - - 0 -1 4257 1.7119459807872772e-03 - - -2.1572509407997131e-01 8.6879499256610870e-02 - <_> - - 0 -1 4258 -2.1390480920672417e-02 - - 1.1124739795923233e-01 -1.4486509561538696e-01 - <_> - - 0 -1 4259 5.5712480098009109e-03 - - 6.2546879053115845e-02 -3.1598201394081116e-01 - <_> - - 0 -1 4260 4.5709838159382343e-03 - - -2.3647899925708771e-01 3.8399569690227509e-02 - <_> - - 0 -1 4261 -1.7086030915379524e-02 - - 2.0653559267520905e-01 -8.6405612528324127e-02 - <_> - - 0 -1 4262 -3.0640950426459312e-02 - - 4.1523000597953796e-01 -2.5601850822567940e-02 - <_> - - 0 -1 4263 2.5803469121456146e-02 - - 4.0156230330467224e-02 -3.7444010376930237e-01 - <_> - - 0 -1 4264 2.6425920426845551e-02 - - 4.2625781148672104e-02 -4.1888910531997681e-01 - <_> - - 0 -1 4265 -1.1849730275571346e-02 - - -3.0619880557060242e-01 5.1505949348211288e-02 - <_> - - 0 -1 4266 -1.6269849613308907e-02 - - -1.9878490269184113e-01 4.2683240026235580e-02 - <_> - - 0 -1 4267 -2.4036159738898277e-02 - - -3.3211991190910339e-01 4.6091418713331223e-02 - <_> - - 0 -1 4268 7.3583971243351698e-04 - - -2.0677410066127777e-01 5.7418260723352432e-02 - <_> - - 0 -1 4269 -2.0423160865902901e-02 - - -2.6922059059143066e-01 4.4893719255924225e-02 - <_> - - 0 -1 4270 1.9533000886440277e-03 - - 4.3481849133968353e-02 -1.4295850694179535e-01 - <_> - - 0 -1 4271 3.3202540129423141e-02 - - 6.1112720519304276e-02 -2.0773139595985413e-01 - <_> - - 0 -1 4272 2.1049549803137779e-02 - - -5.5196329951286316e-02 1.7273330688476562e-01 - <_> - - 0 -1 4273 -4.2487941682338715e-03 - - -3.1202110648155212e-01 3.5714551806449890e-02 - <_> - - 0 -1 4274 1.4544890262186527e-02 - - -1.2891520559787750e-01 1.0874609649181366e-01 - <_> - - 0 -1 4275 4.4858800247311592e-03 - - 5.0264850258827209e-02 -2.2729620337486267e-01 - <_> - - 0 -1 4276 -7.2019517421722412e-02 - - -5.0357151031494141e-01 2.4909170344471931e-02 - <_> - - 0 -1 4277 7.4088312685489655e-02 - - -2.6110179722309113e-02 4.6904951333999634e-01 - <_> - - 0 -1 4278 -1.9376210868358612e-02 - - -8.7742328643798828e-02 5.2696809172630310e-02 - <_> - - 0 -1 4279 -1.5192059800028801e-02 - - -1.6470350325107574e-01 7.4841916561126709e-02 - <_> - - 0 -1 4280 6.7975218407809734e-03 - - -1.2512689828872681e-01 8.2092992961406708e-02 - <_> - - 0 -1 4281 -1.9816169515252113e-03 - - 6.1259880661964417e-02 -1.9138810038566589e-01 - <_> - - 0 -1 4282 -4.0343839675188065e-02 - - -3.4634640812873840e-01 3.3814091235399246e-02 - <_> - - 0 -1 4283 -9.7851715981960297e-03 - - 2.4771960079669952e-01 -5.1031429320573807e-02 - <_> - - 0 -1 4284 1.3061050325632095e-02 - - -5.9378169476985931e-02 1.4298720657825470e-01 - <_> - - 0 -1 4285 1.2519969604909420e-02 - - -1.0087440162897110e-01 2.0617449283599854e-01 - <_> - - 0 -1 4286 6.1620049178600311e-02 - - 1.0850620456039906e-02 -4.9976751208305359e-01 - <_> - - 0 -1 4287 1.5351610258221626e-02 - - 3.0459180474281311e-02 -4.0248531103134155e-01 - <_> - - 0 -1 4288 6.7390319891273975e-03 - - -1.5230870246887207e-01 3.4763731062412262e-02 - <_> - - 0 -1 4289 2.7166040614247322e-02 - - 3.2465178519487381e-02 -3.7905651330947876e-01 - <_> - - 0 -1 4290 -4.9443650990724564e-02 - - -4.1042488813400269e-01 1.5265700407326221e-02 - <_> - - 0 -1 4291 3.2999709248542786e-02 - - 2.8922239318490028e-02 -4.3119680881500244e-01 - <_> - - 0 -1 4292 3.7604149430990219e-02 - - 2.0920699462294579e-02 -3.5471540689468384e-01 - <_> - - 0 -1 4293 1.7311640083789825e-02 - - -1.5490870177745819e-01 7.3543228209018707e-02 - <_> - - 0 -1 4294 -1.7037079669535160e-03 - - -9.5346920192241669e-02 5.1517289131879807e-02 - <_> - - 0 -1 4295 -1.5008790418505669e-02 - - 2.1057499945163727e-01 -5.2197169512510300e-02 - <_> - - 0 -1 4296 -4.1283361613750458e-02 - - -4.8727679252624512e-01 1.6686370596289635e-02 - <_> - - 0 -1 4297 -1.7190299928188324e-02 - - 2.3070749640464783e-01 -5.7094439864158630e-02 - <_> - - 0 -1 4298 3.9707008749246597e-02 - - 1.7016230151057243e-02 -3.8233861327171326e-01 - <_> - - 0 -1 4299 4.7051470726728439e-02 - - 4.2239248752593994e-02 -2.8050369024276733e-01 - <_> - - 0 -1 4300 -1.1948949657380581e-02 - - -2.3056490719318390e-01 2.6532189920544624e-02 - <_> - - 0 -1 4301 -7.9857409000396729e-02 - - -8.4963917732238770e-01 1.2582180090248585e-02 - <_> - - 0 -1 4302 2.5627639144659042e-02 - - 2.3311240598559380e-02 -2.4923819303512573e-01 - <_> - - 0 -1 4303 -3.1094370409846306e-02 - - -2.3769870400428772e-01 4.6116128563880920e-02 - <_> - - 0 -1 4304 4.6573221683502197e-02 - - 2.8770290315151215e-02 -5.3739601373672485e-01 - <_> - - 0 -1 4305 -5.4066929966211319e-02 - - 2.7794760465621948e-01 -4.7770768404006958e-02 - <_> - - 0 -1 4306 1.8918470013886690e-03 - - -9.8254829645156860e-02 4.7856420278549194e-02 - <_> - - 0 -1 4307 3.3229328691959381e-02 - - -5.2595350891351700e-02 2.3564100265502930e-01 - <_> - - 0 -1 4308 1.1775200255215168e-03 - - -2.3401489853858948e-01 2.6142070069909096e-02 - <_> - - 0 -1 4309 1.9482020288705826e-03 - - -1.5223619341850281e-01 7.8751467168331146e-02 - <_> - - 0 -1 4310 5.5945508182048798e-02 - - 1.1540699750185013e-02 -1.9889539480209351e-01 - <_> - - 0 -1 4311 2.9455369338393211e-02 - - 3.3315770328044891e-02 -3.2850489020347595e-01 - <_> - - 0 -1 4312 4.0880320593714714e-03 - - -8.6178407073020935e-02 7.9575799405574799e-02 - <_> - - 0 -1 4313 -5.9127728454768658e-03 - - -1.7738300561904907e-01 6.0648940503597260e-02 - <_> - - 0 -1 4314 -6.2419679015874863e-02 - - 2.4396699666976929e-01 -3.3243889920413494e-03 - <_> - - 0 -1 4315 -3.7195120006799698e-02 - - 2.6807048916816711e-01 -3.9979271590709686e-02 - <_> - - 0 -1 4316 -1.4324760437011719e-01 - - 2.9332828521728516e-01 -2.6897290721535683e-02 - <_> - - 0 -1 4317 -4.2845219373703003e-02 - - -2.5283750891685486e-01 4.1232049465179443e-02 - <_> - - 0 -1 4318 1.1560089886188507e-01 - - -1.4965849928557873e-02 2.4187250435352325e-01 - <_> - - 0 -1 4319 5.0169471651315689e-02 - - 8.8590547442436218e-02 -1.2442570179700851e-01 - <_> - - 0 -1 4320 1.0200110077857971e-01 - - 1.2396319769322872e-02 -3.6982178688049316e-01 - <_> - - 0 -1 4321 -5.2397060208022594e-03 - - -2.5912949442863464e-01 4.0550298988819122e-02 - <_> - - 0 -1 4322 -1.9227810204029083e-02 - - 2.0064230263233185e-01 -6.5223582088947296e-02 - <_> - - 0 -1 4323 -1.1133120395243168e-02 - - -4.6262189745903015e-01 2.4428030475974083e-02 - <_> - - 0 -1 4324 9.7551010549068451e-02 - - 1.2901189737021923e-02 -7.4022471904754639e-01 - <_> - - 0 -1 4325 4.6071741729974747e-02 - - 1.8453989177942276e-02 -4.8419821262359619e-01 - <_> - - 0 -1 4326 -8.3533532917499542e-02 - - -8.8434767723083496e-01 1.6764779575169086e-03 - <_> - - 0 -1 4327 6.0535832308232784e-03 - - -1.5865640342235565e-01 6.7758671939373016e-02 - <_> - - 0 -1 4328 -1.3178240042179823e-03 - - -8.7943129241466522e-02 6.6591359674930573e-02 - <_> - - 0 -1 4329 -2.0939730107784271e-02 - - 2.3358969390392303e-01 -5.2145671099424362e-02 - <_> - - 0 -1 4330 -8.8145419955253601e-02 - - 4.8081308603286743e-01 -1.1917640455067158e-02 - <_> - - 0 -1 4331 1.6344599425792694e-02 - - -5.3838059306144714e-02 2.2349910438060760e-01 - <_> - - 0 -1 4332 -2.2833999991416931e-01 - - 3.6013820767402649e-01 -1.8727909773588181e-02 - <_> - - 0 -1 4333 8.4737362340092659e-03 - - -5.6207131594419479e-02 1.6089470684528351e-01 - <_> - - 0 -1 4334 -9.8505034111440182e-04 - - 1.0108830034732819e-01 -1.0455229878425598e-01 - <_> - - 0 -1 4335 4.9648447893559933e-03 - - -7.9359367489814758e-02 1.3140240311622620e-01 - <_> - - 0 -1 4336 -1.3171610422432423e-02 - - -1.2099819630384445e-01 3.7730131298303604e-02 - <_> - - 0 -1 4337 8.2112876698374748e-03 - - -5.3597409278154373e-02 2.2156579792499542e-01 - <_> - - 0 -1 4338 -4.8930559307336807e-02 - - -3.9349249005317688e-01 1.9850309938192368e-02 - <_> - - 0 -1 4339 7.4527352117002010e-03 - - 5.8218438178300858e-02 -2.5317558646202087e-01 - <_> - - 0 -1 4340 7.7388651669025421e-02 - - -5.7724680751562119e-02 2.0154540240764618e-01 - <_> - - 0 -1 4341 4.9968929961323738e-03 - - 8.9260630309581757e-02 -1.3082459568977356e-01 - <_> - - 0 -1 4342 -4.0977269411087036e-02 - - -1.7190429568290710e-01 2.2051449865102768e-02 - <_> - - 0 -1 4343 3.0041709542274475e-03 - - 4.5379869639873505e-02 -2.4130369722843170e-01 - <_> - - 0 -1 4344 1.5435700118541718e-01 - - -3.2916471362113953e-02 3.2090398669242859e-01 - <_> - - 0 -1 4345 1.5153509564697742e-02 - - 5.3576458245515823e-02 -1.6273179650306702e-01 - <_> - - 0 -1 4346 9.5209293067455292e-02 - - 1.3132530264556408e-02 -4.3389630317687988e-01 - <_> - - 0 -1 4347 -2.2066019475460052e-02 - - 1.8358850479125977e-01 -5.3995680063962936e-02 - <_> - - 0 -1 4348 -4.0623430162668228e-02 - - -4.5687249302864075e-01 1.1119400151073933e-02 - <_> - - 0 -1 4349 -2.1428579930216074e-03 - - 9.5221467316150665e-02 -1.0431689769029617e-01 - <_> - - 0 -1 4350 -9.6598910167813301e-03 - - -2.8121781349182129e-01 3.1387180089950562e-02 - <_> - - 0 -1 4351 -1.7860020697116852e-01 - - 4.6675390005111694e-01 -2.2296290844678879e-02 - <_> - - 0 -1 4352 -2.0536049269139767e-03 - - -8.8460110127925873e-02 2.5863479822874069e-02 - <_> - - 0 -1 4353 -4.6333461068570614e-03 - - 6.0720779001712799e-02 -1.6562700271606445e-01 - <_> - - 0 -1 4354 4.6847991645336151e-02 - - -4.0696758776903152e-02 1.0598970204591751e-01 - <_> - - 0 -1 4355 -9.0538233518600464e-02 - - -6.3367050886154175e-01 1.6277700662612915e-02 - <_> - - 0 -1 4356 -6.6260926425457001e-02 - - -2.8792759776115417e-01 6.1133177950978279e-03 - <_> - - 0 -1 4357 2.4731729179620743e-02 - - 4.0057931095361710e-02 -2.3272530734539032e-01 - <_> - - 0 -1 4358 -1.3736580312252045e-01 - - 4.7250029444694519e-01 -8.2997139543294907e-03 - <_> - - 0 -1 4359 -6.3414901494979858e-02 - - 4.3039301037788391e-01 -2.1049000322818756e-02 - <_> - - 0 -1 4360 -3.3071819692850113e-02 - - -1.1073499917984009e-01 3.3718731254339218e-02 - <_> - - 0 -1 4361 1.0934790223836899e-01 - - 1.3508499599993229e-02 -6.5502017736434937e-01 - <_> - - 0 -1 4362 1.5925880521535873e-02 - - 3.3672690391540527e-02 -7.0779062807559967e-02 - <_> - - 0 -1 4363 -7.4891438707709312e-03 - - -2.6472839713096619e-01 3.8183860480785370e-02 - <_> - - 0 -1 4364 9.8611623980104923e-04 - - -1.6149909794330597e-01 2.9475390911102295e-02 - <_> - - 0 -1 4365 2.5206479430198669e-01 - - -3.2382488250732422e-02 3.1068611145019531e-01 - <_> - - 0 -1 4366 -2.8892729431390762e-02 - - -4.9116641283035278e-01 1.4923149719834328e-02 - <_> - - 0 -1 4367 -5.5389881134033203e-02 - - 5.7543408870697021e-01 -1.8582839518785477e-02 - <_> - - 0 -1 4368 3.1414598226547241e-02 - - 2.0720759406685829e-02 -9.4729647040367126e-02 - <_> - - 0 -1 4369 2.8307519387453794e-03 - - -2.2519350051879883e-01 4.1564159095287323e-02 - <_> - - 0 -1 4370 -3.3751260489225388e-02 - - -1.6646580398082733e-01 7.2693623602390289e-02 - <_> - - 0 -1 4371 -3.8290288299322128e-02 - - 7.9213732481002808e-01 -1.1434529908001423e-02 - <_> - - 0 -1 4372 -1.7989480867981911e-02 - - 1.1361669749021530e-01 -4.4032510370016098e-02 - <_> - - 0 -1 4373 1.8146529793739319e-02 - - 3.4219540655612946e-02 -2.5041630864143372e-01 - <_> - - 0 -1 4374 -6.9133192300796509e-02 - - -2.9793199896812439e-01 4.9929767847061157e-03 - <_> - - 0 -1 4375 1.2525920569896698e-01 - - 1.0709079913794994e-02 -7.6342308521270752e-01 - <_> - - 0 -1 4376 3.7683561444282532e-02 - - -3.4866910427808762e-02 1.9532379508018494e-01 - <_> - - 0 -1 4377 -7.6676071621477604e-03 - - 1.7114819586277008e-01 -5.1101781427860260e-02 - <_> - - 0 -1 4378 3.5654550883919001e-03 - - -6.9071911275386810e-02 6.5724693238735199e-02 - <_> - - 0 -1 4379 -1.8968600779771805e-02 - - -4.0976929664611816e-01 2.0560229197144508e-02 - <_> - - 0 -1 4380 -2.0211370661854744e-02 - - 3.3508920669555664e-01 -2.7907410636544228e-02 - <_> - - 0 -1 4381 -1.9064599648118019e-02 - - 1.9361929595470428e-01 -4.8648219555616379e-02 - <_> - - 0 -1 4382 1.0313340276479721e-01 - - 1.9382460042834282e-02 -1.1198680102825165e-01 - <_> - - 0 -1 4383 9.8863355815410614e-03 - - -2.4043160676956177e-01 4.4305600225925446e-02 - <_> - - 0 -1 4384 4.3293699622154236e-02 - - 1.0728780180215836e-02 -6.4660537242889404e-01 - <_> - - 0 -1 4385 6.1878331005573273e-02 - - 1.0291899554431438e-02 -7.2967112064361572e-01 - <_> - - 0 -1 4386 9.7703160718083382e-03 - - 3.1311180442571640e-02 -1.5605080127716064e-01 - <_> - - 0 -1 4387 -8.3175063133239746e-02 - - -3.3045348525047302e-01 2.3997390642762184e-02 - <_> - - 0 -1 4388 -3.1724658608436584e-01 - - 5.4760771989822388e-01 -1.7853379249572754e-02 - <_> - - 0 -1 4389 6.7434520460665226e-03 - - -6.6969439387321472e-02 1.2657959759235382e-01 - <_> - - 0 -1 4390 4.0886890143156052e-02 - - 4.3191551230847836e-03 -2.2032399475574493e-01 - <_> - - 0 -1 4391 6.4959921874105930e-03 - - 5.4097741842269897e-02 -1.5504899621009827e-01 - <_> - - 0 -1 4392 -3.2832350581884384e-02 - - 3.0770578980445862e-01 -2.4346910417079926e-02 - <_> - - 0 -1 4393 -1.6127960756421089e-02 - - -1.0477919876575470e-01 9.1267466545104980e-02 - <_> - - 0 -1 4394 3.4646671265363693e-02 - - 1.4030230231583118e-02 -1.8207600712776184e-01 - <_> - - 0 -1 4395 -3.3005408942699432e-02 - - 3.8698929548263550e-01 -2.1859629079699516e-02 - <_> - - 0 -1 4396 -4.3908338993787766e-02 - - -3.0621778964996338e-01 2.2774800658226013e-02 - <_> - - 0 -1 4397 2.4842899292707443e-02 - - 3.2077241688966751e-02 -2.5279021263122559e-01 - <_> - - 0 -1 4398 1.0331260040402412e-02 - - -6.0551200062036514e-02 1.2119130045175552e-01 - <_> - - 0 -1 4399 -6.7832246422767639e-02 - - -5.5833387374877930e-01 1.5336999669671059e-02 - <_> - - 0 -1 4400 3.4947868436574936e-02 - - 1.1647179722785950e-02 -2.5563651323318481e-01 - <_> - - 0 -1 4401 -2.5261789560317993e-02 - - 3.2832020521163940e-01 -2.3357210680842400e-02 - <_> - - 0 -1 4402 7.5701558962464333e-03 - - 7.1183882653713226e-02 -8.3878181874752045e-02 - <_> - - 0 -1 4403 1.1809100210666656e-01 - - -4.1809991002082825e-02 2.2083349525928497e-01 - <_> - - 0 -1 4404 3.6332231014966965e-02 - - 1.7415270209312439e-01 -5.1788080483675003e-02 - <_> - - 0 -1 4405 1.3216850347816944e-02 - - -4.7699850797653198e-01 1.8878389149904251e-02 - <_> - - 0 -1 4406 1.4325110241770744e-02 - - 2.1834760904312134e-02 -1.3961690664291382e-01 - <_> - - 0 -1 4407 1.3779220171272755e-03 - - -2.0156779885292053e-01 3.9925381541252136e-02 - <_> - - 0 -1 4408 1.4492850005626678e-01 - - -3.3947311341762543e-02 1.4805939793586731e-01 - <_> - - 0 -1 4409 2.0336720347404480e-01 - - -2.8280159458518028e-02 3.0469599366188049e-01 - <_> - - 0 -1 4410 -3.0550520867109299e-02 - - 1.5751589834690094e-01 -3.4339658915996552e-02 - <_> - - 0 -1 4411 -1.1067859828472137e-02 - - 2.4688349664211273e-01 -3.7554491311311722e-02 - <_> - - 0 -1 4412 2.5981210172176361e-02 - - 2.1994030103087425e-02 -1.4765749871730804e-01 - <_> - - 0 -1 4413 -4.8331938683986664e-02 - - -2.5580298900604248e-01 3.2857868820428848e-02 - <_> - - 0 -1 4414 1.5268280170857906e-02 - - 6.2162041664123535e-02 -5.1811810582876205e-02 - <_> - - 0 -1 4415 -2.4390730261802673e-01 - - 5.0339847803115845e-01 -1.6864169389009476e-02 - <_> - - 0 -1 4416 -3.2398870680481195e-03 - - -1.3850170373916626e-01 6.3738316297531128e-02 - <_> - - 0 -1 4417 6.1450928449630737e-02 - - -5.6962829083204269e-02 1.4706780016422272e-01 - <_> - - 0 -1 4418 4.3161489069461823e-02 - - 2.3441100493073463e-02 -2.6922780275344849e-01 - <_> - - 0 -1 4419 -1.1370860040187836e-02 - - -2.6135998964309692e-01 3.3624760806560516e-02 - <_> - - 0 -1 4420 -1.5418549999594688e-02 - - 2.2153179347515106e-01 -4.0866490453481674e-02 - <_> - - 0 -1 4421 4.5487228780984879e-02 - - -3.1598750501871109e-02 2.5687301158905029e-01 - <_> - - 0 -1 4422 -1.5879619866609573e-02 - - -2.9981338977813721e-01 2.7006199583411217e-02 - <_> - - 0 -1 4423 5.7012498378753662e-02 - - 1.5179580077528954e-02 -5.2078807353973389e-01 - <_> - - 0 -1 4424 -1.5038490295410156e-01 - - 2.5164321064949036e-01 -4.0796510875225067e-02 - <_> - - 0 -1 4425 -4.2246039956808090e-02 - - -4.8303580284118652e-01 1.9222039729356766e-02 - <_> - - 0 -1 4426 -7.4928469955921173e-02 - - -9.5458990335464478e-01 4.4229729101061821e-03 - <_> - - 0 -1 4427 -2.1251840516924858e-02 - - 3.1850698590278625e-01 -2.8021970763802528e-02 - <_> - - 0 -1 4428 5.3983781486749649e-02 - - 2.7037480846047401e-02 -3.4430688619613647e-01 - <_> - - 0 -1 4429 3.3572580665349960e-02 - - -7.6545879244804382e-02 1.4255550503730774e-01 - <_> - - 0 -1 4430 -6.7975879646837711e-03 - - 1.7748320102691650e-01 -4.3155338615179062e-02 - <_> - - 0 -1 4431 -1.3311849907040596e-03 - - 1.5498100221157074e-01 -7.6261833310127258e-02 - <_> - - 0 -1 4432 3.9364699274301529e-02 - - 3.6991588771343231e-02 -2.4243550002574921e-01 - <_> - - 0 -1 4433 -6.8364520557224751e-03 - - 1.0743640363216400e-01 -9.3058176338672638e-02 - <_> - - 0 -1 4434 1.6118010506033897e-02 - - -3.5690911114215851e-02 2.4185790121555328e-01 - <_> - - 0 -1 4435 -7.0620089769363403e-02 - - 6.3363391160964966e-01 -1.2438289821147919e-02 - <_> - - 0 -1 4436 4.4361630082130432e-01 - - -3.7221789360046387e-02 1.1892700195312500e-01 - <_> - - 0 -1 4437 -8.1899233162403107e-02 - - 3.4853339195251465e-01 -2.5211019441485405e-02 - <_> - - 0 -1 4438 -8.2997446879744530e-03 - - -3.0899089574813843e-01 2.5778239592909813e-02 - <_> - - 0 -1 4439 -2.9730390757322311e-02 - - -3.0759811401367188e-01 2.5530820712447166e-02 - <_> - - 0 -1 4440 -2.6014490053057671e-02 - - -1.2162390351295471e-01 1.8338350579142570e-02 - <_> - - 0 -1 4441 4.5121149742044508e-04 - - -5.4737848043441772e-01 1.3564749620854855e-02 - <_> - - 0 -1 4442 1.8679940700531006e-01 - - 7.8039847314357758e-02 -5.8137271553277969e-02 - <_> - - 0 -1 4443 3.1894310377538204e-03 - - -2.4976019561290741e-01 3.0865840613842010e-02 - <_> - - 0 -1 4444 -2.9449069872498512e-02 - - 1.0489200055599213e-01 -4.8869129270315170e-02 - <_> - - 0 -1 4445 2.9614970088005066e-02 - - -2.2261720150709152e-02 3.4992438554763794e-01 - <_> - - 0 -1 4446 3.9882060140371323e-02 - - 9.6727507188916206e-03 -6.7914432287216187e-01 - <_> - - 0 -1 4447 -2.4404419586062431e-02 - - -2.6743829250335693e-01 3.0360370874404907e-02 - <_> - - 0 -1 4448 4.3481849133968353e-02 - - -2.3372199386358261e-02 2.1356420218944550e-01 - <_> - - 0 -1 4449 -4.8128370195627213e-02 - - -3.6890029907226562e-01 2.2832820191979408e-02 - <_> - - 0 -1 4450 -1.3142440002411604e-03 - - 5.6764688342809677e-02 -1.3795310258865356e-01 - <_> - - 0 -1 4451 2.1767991129308939e-03 - - 8.2446262240409851e-02 -1.0511689633131027e-01 - <_> - - 0 -1 4452 -2.7471050620079041e-02 - - 9.6438340842723846e-02 -5.1520779728889465e-02 - <_> - - 0 -1 4453 5.2003171294927597e-02 - - -2.3240759968757629e-02 3.5900598764419556e-01 - <_> - - 0 -1 4454 2.9681740328669548e-02 - - 1.4641559682786465e-02 -2.1500889956951141e-01 - <_> - - 0 -1 4455 -4.7545950859785080e-02 - - -3.8834908604621887e-01 2.2062640637159348e-02 - <_> - - 0 -1 4456 -9.6900813281536102e-02 - - -4.3412810564041138e-01 6.4087379723787308e-03 - <_> - - 0 -1 4457 -3.8218989968299866e-01 - - -9.0176671743392944e-01 7.9825157299637794e-03 - <_> - - 0 -1 4458 -3.4389309585094452e-02 - - -3.1850269436836243e-01 9.1135511174798012e-03 - <_> - - 0 -1 4459 3.9068788290023804e-02 - - 2.8420960530638695e-02 -2.6570749282836914e-01 - <_> - - 0 -1 4460 1.0031700134277344e-01 - - -1.6155399382114410e-02 1.2212689965963364e-01 - <_> - - 0 -1 4461 -1.0857210308313370e-01 - - 3.7742871046066284e-01 -2.4014420807361603e-02 - <_> - - 0 -1 4462 -4.3303978600306436e-05 - - 2.0308060571551323e-02 -1.3060510158538818e-01 - <_> - - 0 -1 4463 -3.8757279515266418e-02 - - -1.5826420485973358e-01 4.9129229038953781e-02 - <_> - - 0 -1 4464 6.8668089807033539e-02 - - 5.5041261948645115e-03 -7.2222518920898438e-01 - <_> - - 0 -1 4465 -4.4268090277910233e-03 - - 8.2263059914112091e-02 -1.0354729741811752e-01 - <_> - - 0 -1 4466 -3.1016240245662630e-04 - - 9.0432256460189819e-02 -1.0348629951477051e-01 - <_> - - 0 -1 4467 3.7703070789575577e-02 - - 6.0126338154077530e-02 -1.6111390292644501e-01 - <_> - - 0 -1 4468 4.1672129184007645e-02 - - 8.5145309567451477e-03 -2.4217429757118225e-01 - <_> - - 0 -1 4469 -6.6434321925044060e-03 - - -2.7172479033470154e-01 3.1463291496038437e-02 - <_> - - 0 -1 4470 -4.0658649057149887e-02 - - -1.1673620343208313e-01 1.4849590137600899e-02 - <_> - - 0 -1 4471 -3.0082110315561295e-03 - - 4.0028568357229233e-02 -2.3079049587249756e-01 - <_> - - 0 -1 4472 -4.4187769293785095e-02 - - -1.7888109385967255e-01 1.7313620075583458e-02 - <_> - - 0 -1 4473 -1.1813719756901264e-02 - - 1.5633359551429749e-01 -5.4751630872488022e-02 - <_> - - 0 -1 4474 -2.4433450400829315e-01 - - 4.0716889500617981e-01 -3.8216509856283665e-03 - <_> - - 0 -1 4475 4.7230181097984314e-01 - - -5.5454619228839874e-02 1.6410639882087708e-01 - <_> - - 0 -1 4476 1.7955109942704439e-03 - - 9.5228001475334167e-02 -1.2934769690036774e-01 - <_> - - 0 -1 4477 -5.0934039056301117e-02 - - 2.2153440117835999e-01 -3.7975560873746872e-02 - <_> - - 0 -1 4478 -5.9531718492507935e-02 - - -4.2974939942359924e-01 1.3196409679949284e-02 - <_> - - 0 -1 4479 -3.5149399191141129e-02 - - -2.1232509613037109e-01 3.6872539669275284e-02 - <_> - - 0 -1 4480 -8.2134327385574579e-04 - - 7.4890241026878357e-02 -6.9701731204986572e-02 - <_> - - 0 -1 4481 6.3945869915187359e-03 - - 8.0602109432220459e-02 -1.0488619655370712e-01 - <_> - - 0 -1 4482 6.3735827803611755e-02 - - 1.1988660320639610e-02 -5.9508371353149414e-01 - <_> - - 0 -1 4483 6.6942021250724792e-02 - - 1.0711859911680222e-02 -7.0240277051925659e-01 - <_> - - 0 -1 4484 3.5445358604192734e-02 - - 8.8395569473505020e-03 -2.0588539540767670e-01 - <_> - - 0 -1 4485 8.2025423645973206e-02 - - 1.1511360295116901e-02 -6.7081338167190552e-01 - <_> - - 0 -1 4486 -1.2151840329170227e-01 - - 3.9124768972396851e-01 -6.0432488098740578e-03 - <_> - - 0 -1 4487 1.3732859492301941e-01 - - -1.6136020421981812e-02 4.6182548999786377e-01 - <_> - - 0 -1 4488 -1.6075259447097778e-01 - - -1. 2.4232869036495686e-03 - <_> - - 0 -1 4489 6.3080438412725925e-03 - - 4.3026689440011978e-02 -1.9072249531745911e-01 - <_> - - 0 -1 4490 -8.5772968828678131e-02 - - -5.3327548503875732e-01 1.4197999611496925e-02 - <_> - - 0 -1 4491 5.5853448808193207e-02 - - 4.0535259991884232e-02 -2.0816819369792938e-01 - <_> - 350 - -1.3171190023422241e+00 - - <_> - - 0 -1 4492 -1.1009960435330868e-02 - - 1.6106800734996796e-01 -2.3270499706268311e-01 - <_> - - 0 -1 4493 5.6892321445047855e-03 - - -2.2233660519123077e-01 1.2257739901542664e-01 - <_> - - 0 -1 4494 4.3932348489761353e-03 - - -1.5293380618095398e-01 1.5888489782810211e-01 - <_> - - 0 -1 4495 -5.0024059601128101e-04 - - 6.1716180294752121e-02 -2.3175540566444397e-01 - <_> - - 0 -1 4496 4.2015648796223104e-04 - - -3.0259498953819275e-01 6.1093948781490326e-02 - <_> - - 0 -1 4497 -4.2626978829503059e-03 - - -2.4387679994106293e-01 6.9513782858848572e-02 - <_> - - 0 -1 4498 6.5330968936905265e-04 - - -3.7112379074096680e-01 4.6169780194759369e-02 - <_> - - 0 -1 4499 -1.0163539648056030e-01 - - 4.5089960098266602e-01 -1.4424510300159454e-02 - <_> - - 0 -1 4500 -1.3200199464336038e-03 - - 7.5765132904052734e-02 -1.9461849331855774e-01 - <_> - - 0 -1 4501 -9.8261423408985138e-03 - - -2.7440890669822693e-01 5.2373219281435013e-02 - <_> - - 0 -1 4502 -6.6574551165103912e-02 - - 4.2804849147796631e-01 -3.2640948891639709e-02 - <_> - - 0 -1 4503 -9.1772843152284622e-03 - - -2.5876390933990479e-01 6.1596788465976715e-02 - <_> - - 0 -1 4504 -2.5353950913995504e-03 - - 1.1473689973354340e-01 -1.0097979754209518e-01 - <_> - - 0 -1 4505 4.9194418825209141e-03 - - 4.0027469396591187e-02 -1.6378170251846313e-01 - <_> - - 0 -1 4506 -1.6810640227049589e-03 - - -1.3706670701503754e-01 8.0321729183197021e-02 - <_> - - 0 -1 4507 2.1476070396602154e-03 - - -2.3408600687980652e-01 4.3113950639963150e-02 - <_> - - 0 -1 4508 -3.3502440899610519e-02 - - -2.4204289913177490e-01 4.9100209027528763e-02 - <_> - - 0 -1 4509 1.4241789281368256e-01 - - -2.8680980205535889e-02 4.7807058691978455e-01 - <_> - - 0 -1 4510 5.8733951300382614e-04 - - -2.1685610711574554e-01 4.8530109226703644e-02 - <_> - - 0 -1 4511 -1.2295519700273871e-03 - - 9.3180246651172638e-02 -1.0158210247755051e-01 - <_> - - 0 -1 4512 1.1210669763386250e-02 - - 3.6210179328918457e-02 -2.3106449842453003e-01 - <_> - - 0 -1 4513 -2.5235990062355995e-02 - - 8.5747621953487396e-02 -5.4415158927440643e-02 - <_> - - 0 -1 4514 -1.0014030151069164e-02 - - -1.9362440705299377e-01 5.0274729728698730e-02 - <_> - - 0 -1 4515 -4.5554949901998043e-03 - - 8.8674992322921753e-02 -1.4237509667873383e-01 - <_> - - 0 -1 4516 -9.5264799892902374e-03 - - 2.6754239201545715e-01 -3.7632450461387634e-02 - <_> - - 0 -1 4517 2.3753349669277668e-03 - - 3.9261918514966965e-02 -1.4199909567832947e-01 - <_> - - 0 -1 4518 1.2389000039547682e-03 - - 6.8643912672996521e-02 -1.8060870468616486e-01 - <_> - - 0 -1 4519 -1.5835729427635670e-03 - - -1.3684159517288208e-01 5.7875689119100571e-02 - <_> - - 0 -1 4520 6.5202586352825165e-02 - - -3.4448388963937759e-02 2.5318139791488647e-01 - <_> - - 0 -1 4521 6.6306376538705081e-05 - - -8.4601633250713348e-02 9.1657586395740509e-02 - <_> - - 0 -1 4522 1.5117590010049753e-05 - - -9.3343816697597504e-02 1.1079390347003937e-01 - <_> - - 0 -1 4523 -2.2637350484728813e-03 - - -1.9531199336051941e-01 3.8263510912656784e-02 - <_> - - 0 -1 4524 6.5463641658425331e-04 - - 4.7860879451036453e-02 -1.6354900598526001e-01 - <_> - - 0 -1 4525 5.0345290452241898e-02 - - -1.5618369914591312e-02 5.2660512924194336e-01 - <_> - - 0 -1 4526 8.5375197231769562e-03 - - 3.3894728869199753e-02 -2.7040940523147583e-01 - <_> - - 0 -1 4527 -6.1621618270874023e-01 - - -9.3156081438064575e-01 2.6866910047829151e-03 - <_> - - 0 -1 4528 -2.6742840185761452e-02 - - 1.2415560334920883e-01 -8.1576861441135406e-02 - <_> - - 0 -1 4529 -1.4756740070879459e-02 - - -4.4224148988723755e-01 2.4418739601969719e-02 - <_> - - 0 -1 4530 1.2045809999108315e-02 - - -8.4552876651287079e-02 9.2735297977924347e-02 - <_> - - 0 -1 4531 -4.0131900459527969e-02 - - -2.5734719634056091e-01 1.0692110285162926e-02 - <_> - - 0 -1 4532 -1.0760580189526081e-03 - - 2.8027180582284927e-02 -2.6805961132049561e-01 - <_> - - 0 -1 4533 7.7456878498196602e-03 - - -3.6401689052581787e-02 2.6165041327476501e-01 - <_> - - 0 -1 4534 1.3539849780499935e-02 - - 2.8945919126272202e-02 -2.8003379702568054e-01 - <_> - - 0 -1 4535 -1.2464780360460281e-02 - - -3.6258488893508911e-01 1.3006039895117283e-02 - <_> - - 0 -1 4536 3.5297829657793045e-02 - - 1.2918749824166298e-02 -5.6460797786712646e-01 - <_> - - 0 -1 4537 -5.5710550397634506e-02 - - 1.2794859707355499e-01 -3.8257118314504623e-02 - <_> - - 0 -1 4538 -4.5230439864099026e-03 - - -9.9410563707351685e-02 7.8997522592544556e-02 - <_> - - 0 -1 4539 2.9874469619244337e-03 - - -4.8509139567613602e-02 1.1298680305480957e-01 - <_> - - 0 -1 4540 -6.3613310456275940e-02 - - -6.6647279262542725e-01 1.1221170425415039e-02 - <_> - - 0 -1 4541 1.3244490139186382e-02 - - -6.1976868659257889e-02 1.3122899830341339e-01 - <_> - - 0 -1 4542 -3.6382430698722601e-04 - - 4.3054241687059402e-02 -1.6996359825134277e-01 - <_> - - 0 -1 4543 -2.1500189602375031e-01 - - -4.6784079074859619e-01 1.2286320328712463e-02 - <_> - - 0 -1 4544 6.0248938389122486e-03 - - -5.1475919783115387e-02 1.5234859287738800e-01 - <_> - - 0 -1 4545 4.3000571429729462e-02 - - 3.8120739627629519e-03 -7.5349187850952148e-01 - <_> - - 0 -1 4546 8.5592586547136307e-03 - - 2.4470439180731773e-02 -3.2796609401702881e-01 - <_> - - 0 -1 4547 2.9510160675272346e-04 - - -7.6456926763057709e-02 6.8010047078132629e-02 - <_> - - 0 -1 4548 9.9761411547660828e-04 - - -8.4680661559104919e-02 9.6316136419773102e-02 - <_> - - 0 -1 4549 5.0175599753856659e-03 - - -3.9048101752996445e-02 1.0983789712190628e-01 - <_> - - 0 -1 4550 5.5693010799586773e-03 - - 4.0719300508499146e-02 -1.8395960330963135e-01 - <_> - - 0 -1 4551 1.0486049577593803e-03 - - -4.4622048735618591e-02 7.0918112993240356e-02 - <_> - - 0 -1 4552 3.2043100800365210e-03 - - -5.8839108794927597e-02 1.2777310609817505e-01 - <_> - - 0 -1 4553 -1.0644660145044327e-01 - - 4.3339949846267700e-01 -1.2449969537556171e-02 - <_> - - 0 -1 4554 -8.9908082736656070e-04 - - -1.1510500311851501e-01 6.3306562602519989e-02 - <_> - - 0 -1 4555 2.9652470257133245e-03 - - -3.1290680170059204e-02 7.2845660150051117e-02 - <_> - - 0 -1 4556 8.9800870046019554e-04 - - -8.6840502917766571e-02 1.0022729635238647e-01 - <_> - - 0 -1 4557 -2.1874029189348221e-02 - - 7.6143169403076172e-01 -4.5735938474535942e-03 - <_> - - 0 -1 4558 1.4919589739292860e-03 - - 8.2724168896675110e-02 -9.6837893128395081e-02 - <_> - - 0 -1 4559 -2.4136069696396589e-03 - - 6.2480941414833069e-02 -5.0549559295177460e-02 - <_> - - 0 -1 4560 1.2893830426037312e-02 - - -3.3901989459991455e-02 2.8036591410636902e-01 - <_> - - 0 -1 4561 -1.9992720335721970e-03 - - -1.7152810096740723e-01 4.0084149688482285e-02 - <_> - - 0 -1 4562 1.3713949592784047e-03 - - -1.2216719985008240e-01 6.2122181057929993e-02 - <_> - - 0 -1 4563 -8.9740045368671417e-03 - - -1.7094230651855469e-01 4.4032000005245209e-02 - <_> - - 0 -1 4564 -2.9300691094249487e-03 - - 1.2364040315151215e-01 -6.3765726983547211e-02 - <_> - - 0 -1 4565 -8.0555928871035576e-03 - - 1.1552560329437256e-01 -4.4458869844675064e-02 - <_> - - 0 -1 4566 6.4662001095712185e-03 - - 7.5147427618503571e-02 -1.1281009763479233e-01 - <_> - - 0 -1 4567 -1.9541789591312408e-01 - - -8.6494231224060059e-01 3.1826570630073547e-03 - <_> - - 0 -1 4568 -1.5740759670734406e-01 - - -7.2405809164047241e-01 9.4235781580209732e-03 - <_> - - 0 -1 4569 -3.1526461243629456e-02 - - -3.8218951225280762e-01 1.6386790201067924e-02 - <_> - - 0 -1 4570 5.0439048558473587e-02 - - -2.7623040601611137e-02 2.7306279540061951e-01 - <_> - - 0 -1 4571 -5.5078428704291582e-04 - - 4.9623548984527588e-02 -5.4462801665067673e-02 - <_> - - 0 -1 4572 1.5047970227897167e-03 - - -6.2058940529823303e-02 1.2204010039567947e-01 - <_> - - 0 -1 4573 -4.5796841382980347e-02 - - -9.3314772844314575e-01 6.8162381649017334e-03 - <_> - - 0 -1 4574 -9.3235643580555916e-03 - - -2.7436700463294983e-01 2.7820749208331108e-02 - <_> - - 0 -1 4575 1.0689129680395126e-01 - - 4.7212988138198853e-03 -4.4037041068077087e-01 - <_> - - 0 -1 4576 1.1234519770368934e-03 - - -1.4162249863147736e-01 4.7511368989944458e-02 - <_> - - 0 -1 4577 6.7312899045646191e-03 - - -4.5881479978561401e-02 1.1342740058898926e-01 - <_> - - 0 -1 4578 4.1264150291681290e-02 - - 1.1406780220568180e-02 -6.2894171476364136e-01 - <_> - - 0 -1 4579 -7.3788799345493317e-02 - - -4.1924831271171570e-01 7.9344836995005608e-03 - <_> - - 0 -1 4580 -3.2669529318809509e-02 - - 2.2224910557270050e-01 -3.0845979228615761e-02 - <_> - - 0 -1 4581 -5.9001590125262737e-03 - - -1.5003520250320435e-01 4.5819710940122604e-02 - <_> - - 0 -1 4582 -7.4141867458820343e-02 - - 5.6236612796783447e-01 -1.1184119619429111e-02 - <_> - - 0 -1 4583 -1.7110589891672134e-02 - - -3.0888330936431885e-01 1.7340350896120071e-02 - <_> - - 0 -1 4584 2.4508470669388771e-03 - - -5.7074081152677536e-02 1.1306890100240707e-01 - <_> - - 0 -1 4585 -2.1157979965209961e-02 - - 2.0264630019664764e-01 -1.4705169945955276e-02 - <_> - - 0 -1 4586 7.1819419972598553e-03 - - 2.9788199812173843e-02 -2.2308370471000671e-01 - <_> - - 0 -1 4587 5.0557879731059074e-03 - - -2.6257280260324478e-02 1.2028290331363678e-01 - <_> - - 0 -1 4588 1.2610659934580326e-02 - - 2.5965299457311630e-02 -2.5755238533020020e-01 - <_> - - 0 -1 4589 3.0165250791469589e-05 - - -1.1994919925928116e-01 2.8916500508785248e-02 - <_> - - 0 -1 4590 -1.3415860012173653e-03 - - 2.0592840015888214e-01 -3.2803039997816086e-02 - <_> - - 0 -1 4591 5.9342157328501344e-04 - - 4.9788691103458405e-02 -7.0998527109622955e-02 - <_> - - 0 -1 4592 -1.5428929589688778e-02 - - 3.2733771204948425e-01 -2.0239489153027534e-02 - <_> - - 0 -1 4593 -1.1928460298804566e-04 - - 2.6405010372400284e-02 -1.4666070044040680e-01 - <_> - - 0 -1 4594 -2.1726880222558975e-02 - - -4.4014349579811096e-01 1.4264649711549282e-02 - <_> - - 0 -1 4595 -3.0710769817233086e-02 - - 1.3549150526523590e-01 -1.7586210742592812e-02 - <_> - - 0 -1 4596 4.3861479498445988e-03 - - 5.4423790425062180e-02 -1.1234579980373383e-01 - <_> - - 0 -1 4597 4.7966800630092621e-03 - - -4.3494079262018204e-02 1.3108870387077332e-01 - <_> - - 0 -1 4598 2.2497470490634441e-03 - - 5.9489808976650238e-02 -1.0955479741096497e-01 - <_> - - 0 -1 4599 4.3578739278018475e-03 - - 5.9186179190874100e-02 -1.3026049733161926e-01 - <_> - - 0 -1 4600 2.0433720201253891e-03 - - -5.1625490188598633e-02 1.3787810504436493e-01 - <_> - - 0 -1 4601 -2.0268680527806282e-03 - - 8.8105127215385437e-02 -8.5867561399936676e-02 - <_> - - 0 -1 4602 -6.5703789005056024e-04 - - 7.1044988930225372e-02 -9.0751543641090393e-02 - <_> - - 0 -1 4603 4.4309969991445541e-02 - - -1.1522290296852589e-02 2.2733740508556366e-01 - <_> - - 0 -1 4604 4.6578957699239254e-03 - - -4.6123549342155457e-02 1.5277029573917389e-01 - <_> - - 0 -1 4605 -4.0960058569908142e-02 - - -5.5988901853561401e-01 1.2064740061759949e-02 - <_> - - 0 -1 4606 -6.7416871897876263e-03 - - 1.0484070330858231e-01 -6.5152801573276520e-02 - <_> - - 0 -1 4607 -2.9713090043514967e-04 - - 3.2221201807260513e-02 -8.4709979593753815e-02 - <_> - - 0 -1 4608 -8.0926045775413513e-03 - - -1.6476640105247498e-01 4.5700121670961380e-02 - <_> - - 0 -1 4609 4.0710348635911942e-02 - - 1.0099260136485100e-02 -1.0893329977989197e-01 - <_> - - 0 -1 4610 -1.1402929667383432e-03 - - -1.9269819557666779e-01 4.4590830802917480e-02 - <_> - - 0 -1 4611 -2.0306430757045746e-02 - - 6.8668061494827271e-01 -9.8533723503351212e-03 - <_> - - 0 -1 4612 4.8631370067596436e-02 - - 1.1991590261459351e-02 -6.4770907163619995e-01 - <_> - - 0 -1 4613 -5.4414950311183929e-02 - - 3.4730699658393860e-01 -1.1940590105950832e-02 - <_> - - 0 -1 4614 -5.9532530605792999e-02 - - 3.6410269141197205e-01 -1.6050819307565689e-02 - <_> - - 0 -1 4615 -3.5089451819658279e-02 - - -1.9252899289131165e-01 2.3598629981279373e-02 - <_> - - 0 -1 4616 5.7658711448311806e-03 - - -4.6293850988149643e-02 1.5287970006465912e-01 - <_> - - 0 -1 4617 -2.3687579669058323e-03 - - 5.7345230132341385e-02 -8.8195472955703735e-02 - <_> - - 0 -1 4618 -2.7341600507497787e-03 - - -2.3896160721778870e-01 2.5761809200048447e-02 - <_> - - 0 -1 4619 -9.1599775478243828e-03 - - 1.0037499666213989e-01 -2.6731979101896286e-02 - <_> - - 0 -1 4620 -5.0623171031475067e-02 - - 4.6908378601074219e-01 -1.3880429789423943e-02 - <_> - - 0 -1 4621 -4.3487590737640858e-03 - - -1.4812940359115601e-01 5.2115358412265778e-02 - <_> - - 0 -1 4622 4.0859800577163696e-01 - - 1.5454529784619808e-02 -4.6494269371032715e-01 - <_> - - 0 -1 4623 5.3104009479284286e-02 - - 7.8609427437186241e-03 -5.3555142879486084e-01 - <_> - - 0 -1 4624 -4.1035288013517857e-03 - - -1.3777880370616913e-01 4.6847809106111526e-02 - <_> - - 0 -1 4625 -2.7622529305517673e-03 - - 5.2303940057754517e-02 -9.4970837235450745e-02 - <_> - - 0 -1 4626 9.3903020024299622e-03 - - -2.3493729531764984e-02 3.6259791254997253e-01 - <_> - - 0 -1 4627 2.3771630600094795e-02 - - 8.0746166408061981e-02 -8.2893602550029755e-02 - <_> - - 0 -1 4628 2.8008709196001291e-03 - - -2.6595699787139893e-01 2.8534680604934692e-02 - <_> - - 0 -1 4629 -6.3013769686222076e-03 - - 8.0481633543968201e-02 -2.9016179963946342e-02 - <_> - - 0 -1 4630 -5.1433448679745197e-03 - - -1.1473509669303894e-01 5.8448631316423416e-02 - <_> - - 0 -1 4631 1.0679479455575347e-03 - - -3.1661890447139740e-02 5.4522778838872910e-02 - <_> - - 0 -1 4632 1.5213950537145138e-03 - - -6.2172550708055496e-02 9.7601316869258881e-02 - <_> - - 0 -1 4633 -3.3779911696910858e-02 - - -4.9582698941230774e-01 1.2093319557607174e-02 - <_> - - 0 -1 4634 -1.0505370050668716e-01 - - -9.8738801479339600e-01 5.1499558612704277e-03 - <_> - - 0 -1 4635 1.9685840234160423e-02 - - -5.6189429014921188e-02 9.1260537505149841e-02 - <_> - - 0 -1 4636 6.6470399498939514e-02 - - 1.4097889885306358e-02 -4.5731648802757263e-01 - <_> - - 0 -1 4637 -1.5898099169135094e-02 - - -2.3317760229110718e-01 1.1369620449841022e-02 - <_> - - 0 -1 4638 4.0450799278914928e-03 - - 4.3345049023628235e-02 -1.5908020734786987e-01 - <_> - - 0 -1 4639 -3.3486548811197281e-02 - - 1.3086590170860291e-01 -3.4327559173107147e-02 - <_> - - 0 -1 4640 2.1458480507135391e-02 - - -5.0213351845741272e-02 1.1467009782791138e-01 - <_> - - 0 -1 4641 1.1672739684581757e-01 - - -3.4590030554682016e-03 4.4156730175018311e-01 - <_> - - 0 -1 4642 -5.0386278890073299e-03 - - -1.3995400071144104e-01 4.0854398161172867e-02 - <_> - - 0 -1 4643 3.7261120975017548e-02 - - -1.6399189829826355e-02 2.3627850413322449e-01 - <_> - - 0 -1 4644 -1.7991460859775543e-02 - - -5.6703627109527588e-01 1.0185079649090767e-02 - <_> - - 0 -1 4645 1.0748039931058884e-01 - - 1.8287489656358957e-03 -7.8705781698226929e-01 - <_> - - 0 -1 4646 -2.1439619362354279e-02 - - 1.8347090482711792e-01 -3.2410789281129837e-02 - <_> - - 0 -1 4647 6.8095367169007659e-04 - - 4.1675068438053131e-02 -8.9301638305187225e-02 - <_> - - 0 -1 4648 -6.8581351079046726e-03 - - -1.4511869847774506e-01 5.1585499197244644e-02 - <_> - - 0 -1 4649 1.5318280458450317e-01 - - 3.1881679315119982e-03 -4.4190090894699097e-01 - <_> - - 0 -1 4650 2.2777369245886803e-02 - - -4.3234121054410934e-02 1.7477220296859741e-01 - <_> - - 0 -1 4651 6.6160550341010094e-03 - - 4.3140821158885956e-02 -1.7188510298728943e-01 - <_> - - 0 -1 4652 -8.8224448263645172e-03 - - 1.3203169405460358e-01 -4.7509200870990753e-02 - <_> - - 0 -1 4653 -5.1209977827966213e-03 - - -1.8979160487651825e-01 5.7657308876514435e-02 - <_> - - 0 -1 4654 -1.0311880148947239e-02 - - 3.2286819815635681e-01 -1.9725019112229347e-02 - <_> - - 0 -1 4655 -2.5065759196877480e-02 - - -3.6572399735450745e-01 1.8344869837164879e-02 - <_> - - 0 -1 4656 -1.4318429864943027e-02 - - 1.5795469284057617e-01 -3.8276918232440948e-02 - <_> - - 0 -1 4657 -5.7383939623832703e-02 - - -3.6835289001464844e-01 1.6900209710001945e-02 - <_> - - 0 -1 4658 -4.3680299073457718e-02 - - 4.4766798615455627e-01 -1.3710459694266319e-02 - <_> - - 0 -1 4659 -2.4289099872112274e-01 - - -7.5490927696228027e-01 8.9195184409618378e-03 - <_> - - 0 -1 4660 3.8089449517428875e-03 - - -6.2916718423366547e-02 9.4282902777194977e-02 - <_> - - 0 -1 4661 8.9389752247370780e-05 - - -1.1253400146961212e-01 9.9447913467884064e-02 - <_> - - 0 -1 4662 2.7378369122743607e-03 - - 7.4880510568618774e-02 -9.9257610738277435e-02 - <_> - - 0 -1 4663 2.3680560290813446e-02 - - 1.2105870060622692e-02 -1.1780750006437302e-01 - <_> - - 0 -1 4664 -4.6060070395469666e-02 - - 3.9799740910530090e-01 -1.7129369080066681e-02 - <_> - - 0 -1 4665 2.1130219101905823e-03 - - -6.0906849801540375e-02 4.9974281340837479e-02 - <_> - - 0 -1 4666 1.4753149822354317e-02 - - 1.6629729419946671e-02 -3.7806668877601624e-01 - <_> - - 0 -1 4667 3.5430908203125000e-02 - - -2.3844370618462563e-02 2.6354551315307617e-01 - <_> - - 0 -1 4668 -5.0745099782943726e-02 - - -2.3141309618949890e-01 2.8320349752902985e-02 - <_> - - 0 -1 4669 8.9874058961868286e-02 - - -1.0191249661147594e-02 2.6277700066566467e-01 - <_> - - 0 -1 4670 -2.7411670889705420e-03 - - -1.3828440010547638e-01 4.6966280788183212e-02 - <_> - - 0 -1 4671 8.7385937571525574e-02 - - 1.7351199639961123e-03 -8.0810409784317017e-01 - <_> - - 0 -1 4672 -2.9055110644549131e-03 - - 6.6193267703056335e-02 -9.5981188118457794e-02 - <_> - - 0 -1 4673 -5.1255577802658081e-01 - - -1. 8.6886010831221938e-04 - <_> - - 0 -1 4674 -1.3281259685754776e-02 - - 1.0134270042181015e-01 -6.4344279468059540e-02 - <_> - - 0 -1 4675 5.3660940378904343e-02 - - 3.2843649387359619e-03 -8.0011987686157227e-01 - <_> - - 0 -1 4676 3.9290629327297211e-02 - - 9.0429633855819702e-03 -6.7074328660964966e-01 - <_> - - 0 -1 4677 6.5197132527828217e-02 - - 4.4964649714529514e-03 -9.7931307554244995e-01 - <_> - - 0 -1 4678 3.2505281269550323e-02 - - -1.2679249979555607e-02 4.9774479866027832e-01 - <_> - - 0 -1 4679 -6.5749078989028931e-02 - - -3.7844368815422058e-01 5.9391320683062077e-03 - <_> - - 0 -1 4680 -6.0045070946216583e-02 - - -3.9957770705223083e-01 1.4155699871480465e-02 - <_> - - 0 -1 4681 -4.6631351113319397e-02 - - 1.6843810677528381e-01 -3.7634961307048798e-02 - <_> - - 0 -1 4682 1.8095660198014230e-04 - - -1.0198330134153366e-01 7.2940513491630554e-02 - <_> - - 0 -1 4683 -3.7607289850711823e-03 - - 4.5154098421335220e-02 -5.4370220750570297e-02 - <_> - - 0 -1 4684 -5.0964287947863340e-04 - - 1.6106060147285461e-01 -5.4398071020841599e-02 - <_> - - 0 -1 4685 -1.6095000319182873e-03 - - -2.1058610081672668e-01 3.0864259228110313e-02 - <_> - - 0 -1 4686 -5.4673491977155209e-03 - - 1.9076080620288849e-01 -3.2738618552684784e-02 - <_> - - 0 -1 4687 4.1697090491652489e-03 - - 2.0009849220514297e-02 -6.8173840641975403e-02 - <_> - - 0 -1 4688 3.2709140796214342e-03 - - -1.1110019683837891e-01 5.8211889117956161e-02 - <_> - - 0 -1 4689 -5.1663857884705067e-03 - - -8.5210792720317841e-02 3.3905100077390671e-02 - <_> - - 0 -1 4690 -1.2914719991385937e-02 - - -1.3726939260959625e-01 4.8348769545555115e-02 - <_> - - 0 -1 4691 -3.8130749017000198e-03 - - -1.1084940284490585e-01 3.2373629510402679e-02 - <_> - - 0 -1 4692 -5.7762481272220612e-02 - - 2.1701450645923615e-01 -2.9828049242496490e-02 - <_> - - 0 -1 4693 -2.2619909141212702e-03 - - 3.5641018301248550e-02 -5.5289078503847122e-02 - <_> - - 0 -1 4694 5.2979849278926849e-02 - - 7.7050398103892803e-03 -7.2121208906173706e-01 - <_> - - 0 -1 4695 -3.3839911222457886e-01 - - -9.4540262222290039e-01 4.5049181208014488e-03 - <_> - - 0 -1 4696 5.2918092114850879e-04 - - 4.1633930057287216e-02 -1.3283179700374603e-01 - <_> - - 0 -1 4697 2.8239609673619270e-03 - - 1.3815909624099731e-01 -1.1371930129826069e-02 - <_> - - 0 -1 4698 -2.1569489035755396e-03 - - 6.3553653657436371e-02 -8.4683336317539215e-02 - <_> - - 0 -1 4699 4.1426848620176315e-03 - - 4.1431330144405365e-02 -9.1413199901580811e-02 - <_> - - 0 -1 4700 -1.1016559787094593e-02 - - 8.0382406711578369e-02 -8.3978570997714996e-02 - <_> - - 0 -1 4701 -6.5561989322304726e-03 - - -1.3563759624958038e-01 3.4514341503381729e-02 - <_> - - 0 -1 4702 -2.2384698968380690e-03 - - -1.2900340557098389e-01 6.0718830674886703e-02 - <_> - - 0 -1 4703 -1.2789719738066196e-02 - - 2.6254388689994812e-01 -2.5295289233326912e-02 - <_> - - 0 -1 4704 -1.1028759926557541e-01 - - -4.0324538946151733e-01 1.3996849767863750e-02 - <_> - - 0 -1 4705 2.9025289695709944e-03 - - -6.0133900493383408e-02 4.0657509118318558e-02 - <_> - - 0 -1 4706 1.3041580095887184e-03 - - -1.1271840333938599e-01 5.3001549094915390e-02 - <_> - - 0 -1 4707 4.8518911004066467e-02 - - 9.9352700635790825e-03 -3.3844459056854248e-01 - <_> - - 0 -1 4708 -5.0848070532083511e-03 - - -1.3072639703750610e-01 4.7106929123401642e-02 - <_> - - 0 -1 4709 5.7023460976779461e-03 - - -5.2840489894151688e-02 1.2418749928474426e-01 - <_> - - 0 -1 4710 -2.7858179528266191e-03 - - -9.6685640513896942e-02 6.6828437149524689e-02 - <_> - - 0 -1 4711 -3.0082210432738066e-03 - - 7.1778140962123871e-02 -3.8511540740728378e-02 - <_> - - 0 -1 4712 6.9350451231002808e-03 - - -5.7932149618864059e-02 1.0691670328378677e-01 - <_> - - 0 -1 4713 -4.7064341604709625e-02 - - 1.0284499824047089e-01 -2.7998289093375206e-02 - <_> - - 0 -1 4714 -8.2645736634731293e-02 - - -8.5849452018737793e-01 6.3560227863490582e-03 - <_> - - 0 -1 4715 8.9476434513926506e-03 - - -3.9904471486806870e-02 6.6897280514240265e-02 - <_> - - 0 -1 4716 3.0593979358673096e-01 - - 7.2277039289474487e-03 -7.9749721288681030e-01 - <_> - - 0 -1 4717 -5.8336472138762474e-03 - - -1.9526490569114685e-01 2.4196550250053406e-02 - <_> - - 0 -1 4718 -5.3784619085490704e-03 - - 7.1967631578445435e-02 -9.1547563672065735e-02 - <_> - - 0 -1 4719 9.2504899948835373e-03 - - 3.6146361380815506e-02 -7.4494920670986176e-02 - <_> - - 0 -1 4720 3.7581291049718857e-02 - - -2.0222729071974754e-02 3.3224269747734070e-01 - <_> - - 0 -1 4721 -4.6818740665912628e-02 - - -5.0513672828674316e-01 1.2870309874415398e-02 - <_> - - 0 -1 4722 3.3507939428091049e-02 - - -1.8688799813389778e-02 3.0542388558387756e-01 - <_> - - 0 -1 4723 6.8437248468399048e-02 - - -6.2482542125508189e-04 8.3963787555694580e-01 - <_> - - 0 -1 4724 1.0151940397918224e-02 - - 2.5653729215264320e-02 -2.1830080449581146e-01 - <_> - - 0 -1 4725 -1.3866250216960907e-01 - - 5.7341670989990234e-01 -6.0921781696379185e-03 - <_> - - 0 -1 4726 -1.1214310070499778e-03 - - 7.0692487061023712e-02 -8.2995750010013580e-02 - <_> - - 0 -1 4727 1.4782310463488102e-03 - - -3.5161279141902924e-02 5.8569159358739853e-02 - <_> - - 0 -1 4728 -2.3407500702887774e-03 - - 1.2667399644851685e-01 -7.7700607478618622e-02 - <_> - - 0 -1 4729 4.3265568092465401e-03 - - 3.1229879707098007e-02 -1.1680649966001511e-01 - <_> - - 0 -1 4730 -3.2252248376607895e-02 - - -5.4395800828933716e-01 1.0386509820818901e-02 - <_> - - 0 -1 4731 -7.1836792631074786e-04 - - -6.3850082457065582e-02 4.8989679664373398e-02 - <_> - - 0 -1 4732 1.1035969946533442e-03 - - -7.1095839142799377e-02 8.3087973296642303e-02 - <_> - - 0 -1 4733 -1.0265519842505455e-02 - - 1.1647050082683563e-01 -2.8178630396723747e-02 - <_> - - 0 -1 4734 7.2632037103176117e-02 - - 7.5578331016004086e-03 -7.1635490655899048e-01 - <_> - - 0 -1 4735 1.2232369929552078e-01 - - -3.9898478426039219e-03 6.0708892345428467e-01 - <_> - - 0 -1 4736 -1.4398260414600372e-01 - - 8.5836321115493774e-01 -5.8769038878381252e-03 - <_> - - 0 -1 4737 5.9525449760258198e-03 - - 2.1712759509682655e-02 -1.5896700322628021e-01 - <_> - - 0 -1 4738 -1.3158279471099377e-03 - - 8.3239771425724030e-02 -7.1944266557693481e-02 - <_> - - 0 -1 4739 -3.5782668739557266e-02 - - -3.1888490915298462e-01 6.7262151278555393e-03 - <_> - - 0 -1 4740 1.4122560387477279e-03 - - -6.9247573614120483e-02 8.8037729263305664e-02 - <_> - - 0 -1 4741 -1.6188029199838638e-02 - - -6.0439001768827438e-02 6.7530423402786255e-02 - <_> - - 0 -1 4742 -2.8433150146156549e-03 - - 6.4466439187526703e-02 -1.0504409670829773e-01 - <_> - - 0 -1 4743 -1.5944750048220158e-03 - - -5.1919359713792801e-02 5.3710401058197021e-02 - <_> - - 0 -1 4744 1.8808269500732422e-01 - - -8.1325937062501907e-03 7.0354807376861572e-01 - <_> - - 0 -1 4745 -3.3552229404449463e-02 - - -3.1318250298500061e-01 2.4297190830111504e-02 - <_> - - 0 -1 4746 -1.5341060236096382e-02 - - 2.3687170445919037e-01 -2.8020450845360756e-02 - <_> - - 0 -1 4747 -1.3534810394048691e-02 - - -3.1544640660285950e-01 2.3011740297079086e-02 - <_> - - 0 -1 4748 3.2969659660011530e-03 - - 3.2923359423875809e-02 -1.5933570265769958e-01 - <_> - - 0 -1 4749 -4.4846888631582260e-02 - - 1.2876190245151520e-01 -1.7795780673623085e-02 - <_> - - 0 -1 4750 5.1291137933731079e-03 - - 3.2709009945392609e-02 -1.7871360480785370e-01 - <_> - - 0 -1 4751 1.1287770466879010e-03 - - -7.6234400272369385e-02 7.1267232298851013e-02 - <_> - - 0 -1 4752 1.2759109959006310e-02 - - -5.1268041133880615e-02 1.2901780009269714e-01 - <_> - - 0 -1 4753 5.3586461581289768e-04 - - 6.6144347190856934e-02 -6.8021528422832489e-02 - <_> - - 0 -1 4754 5.8012880617752671e-04 - - 7.5946256518363953e-02 -7.2426833212375641e-02 - <_> - - 0 -1 4755 9.8113536834716797e-02 - - 4.4115697965025902e-03 -5.7646822929382324e-01 - <_> - - 0 -1 4756 3.2547891139984131e-01 - - -2.8849789872765541e-02 2.3245050013065338e-01 - <_> - - 0 -1 4757 1.6109529882669449e-02 - - 2.6149509474635124e-02 -2.2507910430431366e-01 - <_> - - 0 -1 4758 1.6630800440907478e-02 - - -5.6001648306846619e-02 1.0011140257120132e-01 - <_> - - 0 -1 4759 1.2567469850182533e-02 - - 1.1760590225458145e-01 -2.5833690539002419e-02 - <_> - - 0 -1 4760 2.4531960487365723e-02 - - 2.1979559212923050e-02 -2.4158330261707306e-01 - <_> - - 0 -1 4761 5.1343659870326519e-03 - - -1.3964179903268814e-02 1.0398290306329727e-01 - <_> - - 0 -1 4762 -1.1144300224259496e-03 - - -8.1608608365058899e-02 6.4991973340511322e-02 - <_> - - 0 -1 4763 -6.8641006946563721e-02 - - 3.7113350629806519e-01 -1.7774619162082672e-02 - <_> - - 0 -1 4764 8.8211498223245144e-04 - - -8.4080681204795837e-02 6.2524639070034027e-02 - <_> - - 0 -1 4765 1.0471940040588379e-03 - - 6.9488562643527985e-02 -8.3000160753726959e-02 - <_> - - 0 -1 4766 1.6197249293327332e-02 - - 1.6007730737328529e-02 -3.4216699004173279e-01 - <_> - - 0 -1 4767 -2.2690620273351669e-02 - - 1.3959160447120667e-01 -4.2305570095777512e-02 - <_> - - 0 -1 4768 -4.1030000895261765e-02 - - -3.4669420123100281e-01 1.7233539372682571e-02 - <_> - - 0 -1 4769 8.5194930434226990e-02 - - -8.8493460789322853e-03 6.0639351606369019e-01 - <_> - - 0 -1 4770 3.9775099605321884e-02 - - 6.5457229502499104e-03 -9.3794268369674683e-01 - <_> - - 0 -1 4771 -1.8673250451683998e-02 - - 8.4701649844646454e-02 -2.1742990240454674e-02 - <_> - - 0 -1 4772 -1.1632209643721581e-02 - - -1.6503639519214630e-01 3.2852791249752045e-02 - <_> - - 0 -1 4773 -2.1068679634481668e-03 - - 2.5774169713258743e-02 -1.0540559887886047e-01 - <_> - - 0 -1 4774 -1.0474229929968715e-03 - - 5.3470570594072342e-02 -1.0844449698925018e-01 - <_> - - 0 -1 4775 6.6169992089271545e-02 - - 2.6304489001631737e-03 -4.3908849358558655e-01 - <_> - - 0 -1 4776 -1.2816500384360552e-03 - - -8.8744208216667175e-02 6.7286081612110138e-02 - <_> - - 0 -1 4777 -1.2601809576153755e-02 - - 2.3047180473804474e-01 -1.4204639941453934e-02 - <_> - - 0 -1 4778 3.1882619950920343e-03 - - -6.0790609568357468e-02 9.3256607651710510e-02 - <_> - - 0 -1 4779 -4.4821877963840961e-03 - - -7.4911139905452728e-02 3.5563640296459198e-02 - <_> - - 0 -1 4780 1.3803370529785752e-03 - - -6.5355330705642700e-02 8.9660577476024628e-02 - <_> - - 0 -1 4781 9.3855522572994232e-03 - - 2.2601179778575897e-02 -1.6038919985294342e-01 - <_> - - 0 -1 4782 -3.3057469408959150e-03 - - -9.3390651047229767e-02 5.6599788367748260e-02 - <_> - - 0 -1 4783 -1.4823249541223049e-02 - - 6.3946582376956940e-02 -3.7617258727550507e-02 - <_> - - 0 -1 4784 -2.4304309859871864e-02 - - 1.1825300008058548e-01 -5.3607080131769180e-02 - <_> - - 0 -1 4785 -2.6398031041026115e-03 - - -7.8462429344654083e-02 4.7125939279794693e-02 - <_> - - 0 -1 4786 -6.6844499669969082e-03 - - -1.4298090338706970e-01 5.4876580834388733e-02 - <_> - - 0 -1 4787 -1.8713249592110515e-03 - - 6.5964557230472565e-02 -5.9726029634475708e-02 - <_> - - 0 -1 4788 -5.0526339560747147e-02 - - 5.2933692932128906e-01 -1.0625099763274193e-02 - <_> - - 0 -1 4789 -7.1036286652088165e-02 - - -3.3027708530426025e-01 5.6759058497846127e-03 - <_> - - 0 -1 4790 -5.4212540388107300e-02 - - 3.7536340951919556e-01 -1.6479549929499626e-02 - <_> - - 0 -1 4791 1.4903850387781858e-04 - - -5.2896250039339066e-02 1.0646480321884155e-01 - <_> - - 0 -1 4792 1.0254220105707645e-03 - - -5.1714900881052017e-02 1.0771189630031586e-01 - <_> - - 0 -1 4793 7.6022921130061150e-03 - - 2.4376839399337769e-02 -1.2493179738521576e-01 - <_> - - 0 -1 4794 6.8572920281440020e-04 - - 7.1341581642627716e-02 -7.6490812003612518e-02 - <_> - - 0 -1 4795 -1.3697240501642227e-03 - - -1.5173940360546112e-01 3.9827719330787659e-02 - <_> - - 0 -1 4796 -2.4336120113730431e-03 - - 6.5315209329128265e-02 -7.9230897128582001e-02 - <_> - - 0 -1 4797 -1.4390869997441769e-02 - - -2.3706260323524475e-01 1.6740530729293823e-02 - <_> - - 0 -1 4798 7.8907981514930725e-02 - - -4.2810469865798950e-02 1.4248989522457123e-01 - <_> - - 0 -1 4799 1.0681129992008209e-01 - - 3.4115819726139307e-03 -7.7656471729278564e-01 - <_> - - 0 -1 4800 5.1377359777688980e-02 - - 1.0703410021960735e-02 -5.3400570154190063e-01 - <_> - - 0 -1 4801 -8.6883217096328735e-02 - - 1. -3.0740019865334034e-03 - <_> - - 0 -1 4802 -2.4080339353531599e-03 - - -1.0685530304908752e-01 4.9721568822860718e-02 - <_> - - 0 -1 4803 -1.5590289607644081e-02 - - 1.0636159777641296e-01 -2.4414319545030594e-02 - <_> - - 0 -1 4804 2.3770150728523731e-03 - - 3.9840381592512131e-02 -1.4689840376377106e-01 - <_> - - 0 -1 4805 -9.0648621320724487e-02 - - 1.8861660361289978e-01 -1.2951680459082127e-02 - <_> - - 0 -1 4806 4.4955732300877571e-03 - - -2.6563400402665138e-02 2.3943750560283661e-01 - <_> - - 0 -1 4807 -6.4725756645202637e-02 - - -5.4622077941894531e-01 9.2595359310507774e-03 - <_> - - 0 -1 4808 2.1703580394387245e-02 - - -8.8741881772875786e-03 6.4019817113876343e-01 - <_> - - 0 -1 4809 6.1110239475965500e-02 - - 9.5075201243162155e-03 -4.3702909350395203e-01 - <_> - - 0 -1 4810 2.0086880773305893e-02 - - 2.2985199466347694e-02 -2.2840890288352966e-01 - <_> - - 0 -1 4811 4.1216641664505005e-02 - - -1.4420590363442898e-02 1.3452969491481781e-01 - <_> - - 0 -1 4812 -2.3712279275059700e-02 - - -2.9533639550209045e-01 1.8435720354318619e-02 - <_> - - 0 -1 4813 -6.8324371241033077e-03 - - 1.2094250321388245e-01 -4.3016240000724792e-02 - <_> - - 0 -1 4814 1.0880210250616074e-01 - - -1.0228149592876434e-02 5.2824842929840088e-01 - <_> - - 0 -1 4815 9.8231732845306396e-03 - - 4.1886411607265472e-02 -1.3665479421615601e-01 - <_> - - 0 -1 4816 -1.5005770139396191e-02 - - 1.8148930370807648e-01 -3.0691139400005341e-02 - <_> - - 0 -1 4817 -4.4110611081123352e-01 - - -1. 1.4937899541109800e-03 - <_> - - 0 -1 4818 -3.4122800827026367e-01 - - -4.9184858798980713e-01 1.0096929967403412e-02 - <_> - - 0 -1 4819 9.3225948512554169e-03 - - -2.2894829511642456e-02 7.0796586573123932e-02 - <_> - - 0 -1 4820 7.3594371788203716e-03 - - 1.3842869549989700e-02 -3.6142700910568237e-01 - <_> - - 0 -1 4821 -8.4109082818031311e-02 - - -6.2284982204437256e-01 7.3129259981215000e-03 - <_> - - 0 -1 4822 1.0704870335757732e-02 - - -4.2617131024599075e-02 1.1360719799995422e-01 - <_> - - 0 -1 4823 1.1478140018880367e-02 - - 3.6586448550224304e-02 -9.6474952995777130e-02 - <_> - - 0 -1 4824 1.6416399739682674e-03 - - -9.8777309060096741e-02 5.5158369243144989e-02 - <_> - - 0 -1 4825 -1.5731199528090656e-04 - - -6.1207920312881470e-02 5.6053601205348969e-02 - <_> - - 0 -1 4826 4.1953278705477715e-03 - - 5.0657391548156738e-02 -1.0238680243492126e-01 - <_> - - 0 -1 4827 -1.6238249838352203e-02 - - 1.1267519742250443e-01 -1.3786830008029938e-02 - <_> - - 0 -1 4828 3.2428819686174393e-02 - - -2.5513019412755966e-02 2.3171940445899963e-01 - <_> - - 0 -1 4829 -8.3901472389698029e-03 - - -6.2842369079589844e-02 2.3776959627866745e-02 - <_> - - 0 -1 4830 4.9057020805776119e-03 - - 5.7676758617162704e-02 -1.2715479731559753e-01 - <_> - - 0 -1 4831 1.4458860270678997e-02 - - -5.0932768732309341e-02 6.2239319086074829e-02 - <_> - - 0 -1 4832 1.2484519928693771e-01 - - -1.1612229980528355e-02 4.9361020326614380e-01 - <_> - - 0 -1 4833 4.8587709665298462e-01 - - 4.8130601644515991e-03 -5.5395811796188354e-01 - <_> - - 0 -1 4834 1.6886210441589355e-01 - - 7.8053288161754608e-03 -7.3394978046417236e-01 - <_> - - 0 -1 4835 -2.1220340568106622e-04 - - 3.1656648963689804e-02 -1.0314700007438660e-01 - <_> - - 0 -1 4836 1.9249629694968462e-03 - - 5.5135779082775116e-02 -1.0309369862079620e-01 - <_> - - 0 -1 4837 -2.8178339824080467e-02 - - 1.1637330055236816e-01 -3.4630060195922852e-02 - <_> - - 0 -1 4838 -1.4069500379264355e-02 - - -1.4737719297409058e-01 4.4723790138959885e-02 - <_> - - 0 -1 4839 -1.2483589816838503e-03 - - -1.1185120046138763e-01 6.8806178867816925e-02 - <_> - - 0 -1 4840 5.3278112318366766e-04 - - -9.3908883631229401e-02 6.7072838544845581e-02 - <_> - - 0 -1 4841 1.1722769588232040e-02 - - -1.9012469798326492e-02 1.8834389746189117e-01 - <_> - 249 - -1.4526200294494629e+00 - - <_> - - 0 -1 4842 5.8254651725292206e-02 - - -2.3232789337635040e-01 2.1454159915447235e-01 - <_> - - 0 -1 4843 3.4433450549840927e-02 - - -2.6520681381225586e-01 1.3274359703063965e-01 - <_> - - 0 -1 4844 1.4937009662389755e-02 - - -2.3927900195121765e-01 1.5786519646644592e-01 - <_> - - 0 -1 4845 3.1153639778494835e-02 - - -1.5004000067710876e-01 1.6116039454936981e-01 - <_> - - 0 -1 4846 2.6988480240106583e-03 - - -2.3409889638423920e-01 9.9983781576156616e-02 - <_> - - 0 -1 4847 9.2046073405072093e-05 - - -2.9268169403076172e-01 4.7872740775346756e-02 - <_> - - 0 -1 4848 5.0020251364912838e-05 - - -3.6815708875656128e-01 5.8189608156681061e-02 - <_> - - 0 -1 4849 -1.4902159571647644e-02 - - -3.8818851113319397e-01 2.6158519089221954e-02 - <_> - - 0 -1 4850 2.0448720082640648e-02 - - 6.0846891254186630e-02 -3.0645281076431274e-01 - <_> - - 0 -1 4851 6.2656581576447934e-05 - - -1.7161040008068085e-01 1.0800299793481827e-01 - <_> - - 0 -1 4852 -7.0627559907734394e-03 - - -2.3428949713706970e-01 7.6327130198478699e-02 - <_> - - 0 -1 4853 -2.9078179504722357e-03 - - -2.1010600030422211e-01 7.8605473041534424e-02 - <_> - - 0 -1 4854 -3.6554310470819473e-02 - - 1.7013889551162720e-01 -1.2837870419025421e-01 - <_> - - 0 -1 4855 -1.3991629704833031e-02 - - -1.5198560059070587e-01 3.1168300658464432e-02 - <_> - - 0 -1 4856 7.4681073427200317e-02 - - 3.6079999059438705e-02 -4.6322378516197205e-01 - <_> - - 0 -1 4857 -1.0407929867506027e-01 - - -3.1802299618721008e-01 2.0612560212612152e-02 - <_> - - 0 -1 4858 1.2444700114428997e-02 - - 7.7818617224693298e-02 -1.6825589537620544e-01 - <_> - - 0 -1 4859 3.4679330885410309e-02 - - 3.2584380358457565e-02 -2.6884159445762634e-01 - <_> - - 0 -1 4860 -2.9028469696640968e-02 - - -4.4522678852081299e-01 2.9661040753126144e-02 - <_> - - 0 -1 4861 2.3345749650616199e-04 - - -1.3071049749851227e-01 6.1756659299135208e-02 - <_> - - 0 -1 4862 3.6993178725242615e-01 - - 1.7400909215211868e-02 -7.0418548583984375e-01 - <_> - - 0 -1 4863 -2.1505730226635933e-02 - - -2.4095299839973450e-01 2.8891649097204208e-02 - <_> - - 0 -1 4864 5.4181810468435287e-02 - - -8.4053620696067810e-02 1.3876989483833313e-01 - <_> - - 0 -1 4865 -3.2677378505468369e-02 - - -2.9904881119728088e-01 2.8195250779390335e-02 - <_> - - 0 -1 4866 1.1804300360381603e-02 - - 4.9124121665954590e-02 -2.5538289546966553e-01 - <_> - - 0 -1 4867 -9.5703108236193657e-03 - - 1.1865220218896866e-01 -7.9305157065391541e-02 - <_> - - 0 -1 4868 -8.5534068057313561e-04 - - -9.0315766632556915e-02 1.2984269857406616e-01 - <_> - - 0 -1 4869 7.1445330977439880e-02 - - 1.4396210201084614e-02 -5.3161299228668213e-01 - <_> - - 0 -1 4870 6.1263251118361950e-03 - - -2.4559390544891357e-01 4.8353280872106552e-02 - <_> - - 0 -1 4871 -4.8277149908244610e-03 - - -2.3828850686550140e-01 7.5664043426513672e-02 - <_> - - 0 -1 4872 -2.6015359908342361e-03 - - 4.5826680958271027e-02 -2.4928370118141174e-01 - <_> - - 0 -1 4873 -4.7515620826743543e-04 - - 3.8604840636253357e-02 -1.3118830323219299e-01 - <_> - - 0 -1 4874 -5.4591469466686249e-02 - - 5.5260437726974487e-01 -1.9622489809989929e-02 - <_> - - 0 -1 4875 5.3931411355733871e-02 - - -4.8285599797964096e-02 2.2110609710216522e-01 - <_> - - 0 -1 4876 -9.1672148555517197e-03 - - -2.5744551420211792e-01 4.0833171457052231e-02 - <_> - - 0 -1 4877 -2.9818129260092974e-03 - - -7.5891457498073578e-02 6.0899209231138229e-02 - <_> - - 0 -1 4878 7.4697382748126984e-02 - - 3.6657888442277908e-02 -2.6946181058883667e-01 - <_> - - 0 -1 4879 -2.7006270363926888e-02 - - 1.8391659855842590e-01 -5.5832479149103165e-02 - <_> - - 0 -1 4880 -6.0810879804193974e-03 - - -3.2777228951454163e-01 3.5269659012556076e-02 - <_> - - 0 -1 4881 3.8182068616151810e-02 - - -5.6075371801853180e-02 2.1839509904384613e-01 - <_> - - 0 -1 4882 9.5723047852516174e-03 - - 8.4293976426124573e-02 -1.1767770349979401e-01 - <_> - - 0 -1 4883 7.8028216958045959e-02 - - 5.6959469802677631e-03 -8.1442731618881226e-01 - <_> - - 0 -1 4884 -3.2862029969692230e-02 - - -4.7212830185890198e-01 1.9418969750404358e-02 - <_> - - 0 -1 4885 4.2359679937362671e-02 - - -1.7929280176758766e-02 3.1368249654769897e-01 - <_> - - 0 -1 4886 -2.1030420437455177e-02 - - 1.4199249446392059e-01 -6.7171506583690643e-02 - <_> - - 0 -1 4887 -4.6487968415021896e-02 - - -3.0455109477043152e-01 3.1824499368667603e-02 - <_> - - 0 -1 4888 -8.5280627012252808e-02 - - 2.4725529551506042e-01 -4.0726520121097565e-02 - <_> - - 0 -1 4889 4.7598700039088726e-03 - - -6.4076490700244904e-02 1.0103560239076614e-01 - <_> - - 0 -1 4890 6.0733199119567871e-02 - - -8.8772647082805634e-02 1.1654719710350037e-01 - <_> - - 0 -1 4891 5.4770488291978836e-02 - - 2.2390449419617653e-02 -4.9855118989944458e-01 - <_> - - 0 -1 4892 -3.7478970625670627e-05 - - 6.2433928251266479e-02 -1.6515359282493591e-01 - <_> - - 0 -1 4893 -2.3898750543594360e-02 - - -1.9021050631999969e-01 1.4979549683630466e-02 - <_> - - 0 -1 4894 -1.8465859815478325e-02 - - 2.3008669912815094e-01 -4.5363288372755051e-02 - <_> - - 0 -1 4895 -3.8619639817625284e-03 - - -1.1168369650840759e-01 7.9550966620445251e-02 - <_> - - 0 -1 4896 6.0682989656925201e-02 - - 2.5401040911674500e-02 -4.1787821054458618e-01 - <_> - - 0 -1 4897 -6.1235381290316582e-03 - - -2.4201570451259613e-01 1.9984690472483635e-02 - <_> - - 0 -1 4898 -2.7558460831642151e-02 - - -4.5678210258483887e-01 2.0328069105744362e-02 - <_> - - 0 -1 4899 2.4938629940152168e-02 - - -3.8399018347263336e-02 1.3205289840698242e-01 - <_> - - 0 -1 4900 -4.7081429511308670e-02 - - 3.1839731335639954e-01 -3.2127480953931808e-02 - <_> - - 0 -1 4901 6.2321990728378296e-02 - - 1.7846960574388504e-02 -5.0114768743515015e-01 - <_> - - 0 -1 4902 -5.5789871839806437e-04 - - 1.0673029720783234e-01 -9.0454310178756714e-02 - <_> - - 0 -1 4903 -2.0528730005025864e-02 - - 2.2777000069618225e-01 -4.6683758497238159e-02 - <_> - - 0 -1 4904 1.4043749542906880e-03 - - -2.0688509941101074e-01 6.7320853471755981e-02 - <_> - - 0 -1 4905 3.1474549323320389e-02 - - 2.5873050093650818e-02 -3.1385809183120728e-01 - <_> - - 0 -1 4906 -3.1364340335130692e-02 - - -3.5079669952392578e-01 2.4890480563044548e-02 - <_> - - 0 -1 4907 -1.0076019912958145e-01 - - -2.2738389670848846e-01 1.0731879621744156e-02 - <_> - - 0 -1 4908 1.4409960247576237e-02 - - 2.4001860618591309e-01 -3.8389049470424652e-02 - <_> - - 0 -1 4909 5.6410171091556549e-02 - - -4.0667269378900528e-02 1.9880810379981995e-01 - <_> - - 0 -1 4910 -1.4310100115835667e-02 - - -2.2484239935874939e-01 5.1415968686342239e-02 - <_> - - 0 -1 4911 3.8093481212854385e-02 - - 1.0602000169456005e-02 -6.5031349658966064e-01 - <_> - - 0 -1 4912 7.3483381420373917e-03 - - 3.7624299526214600e-02 -2.3660179972648621e-01 - <_> - - 0 -1 4913 1.5990389883518219e-01 - - -3.1958691775798798e-02 7.8257188200950623e-02 - <_> - - 0 -1 4914 7.5298376381397247e-02 - - -2.2225739434361458e-02 4.7734829783439636e-01 - <_> - - 0 -1 4915 1.0515630245208740e-02 - - 2.4979539215564728e-02 -4.3517309427261353e-01 - <_> - - 0 -1 4916 1.1720249801874161e-01 - - -3.7235978990793228e-02 2.6529499888420105e-01 - <_> - - 0 -1 4917 1.5799700122443028e-05 - - -1.0837449878454208e-01 7.2809703648090363e-02 - <_> - - 0 -1 4918 1.2115119956433773e-02 - - 6.5032199025154114e-02 -1.4378160238265991e-01 - <_> - - 0 -1 4919 -1.7766270786523819e-02 - - 1.0095430165529251e-01 -2.4499140679836273e-02 - <_> - - 0 -1 4920 4.2227920144796371e-02 - - -3.6625079810619354e-02 2.8341490030288696e-01 - <_> - - 0 -1 4921 2.4346679449081421e-02 - - 2.4560010060667992e-02 -1.9787840545177460e-01 - <_> - - 0 -1 4922 3.1748838722705841e-02 - - 2.9603859409689903e-02 -3.0412709712982178e-01 - <_> - - 0 -1 4923 -5.2616238594055176e-02 - - 1.7751359939575195e-01 -3.1825721263885498e-02 - <_> - - 0 -1 4924 -5.4358910769224167e-02 - - 2.2886650264263153e-01 -4.0221411734819412e-02 - <_> - - 0 -1 4925 1.1845750268548727e-03 - - 6.1528120189905167e-02 -1.2204740196466446e-01 - <_> - - 0 -1 4926 -3.6325298249721527e-02 - - -2.9528170824050903e-01 3.3452831208705902e-02 - <_> - - 0 -1 4927 1.5100809931755066e-01 - - -2.5661900639533997e-02 3.8788089156150818e-01 - <_> - - 0 -1 4928 2.8278939425945282e-02 - - -3.5951491445302963e-02 2.5251358747482300e-01 - <_> - - 0 -1 4929 -8.3803251385688782e-02 - - -7.2599482536315918e-01 4.1993269696831703e-03 - <_> - - 0 -1 4930 -2.9865629039704800e-04 - - 5.5302988737821579e-02 -1.6678869724273682e-01 - <_> - - 0 -1 4931 -1.6872739419341087e-02 - - -1.9040539860725403e-01 5.2307758480310440e-02 - <_> - - 0 -1 4932 -5.9451311826705933e-02 - - -4.7634351253509521e-01 2.0981209352612495e-02 - <_> - - 0 -1 4933 -1.8378829583525658e-02 - - 6.6858462989330292e-02 -6.0389090329408646e-02 - <_> - - 0 -1 4934 4.8198848962783813e-02 - - 4.2580351233482361e-02 -2.6010730862617493e-01 - <_> - - 0 -1 4935 -4.3217130005359650e-02 - - -2.5067010521888733e-01 1.7225300893187523e-02 - <_> - - 0 -1 4936 -6.3647949136793613e-03 - - -1.6788710653781891e-01 6.8857319653034210e-02 - <_> - - 0 -1 4937 2.4770569801330566e-01 - - -3.3154450356960297e-02 1.4794079959392548e-01 - <_> - - 0 -1 4938 -1.1216869950294495e-01 - - 5.1129728555679321e-01 -1.7360100522637367e-02 - <_> - - 0 -1 4939 3.6601010710000992e-02 - - -4.3869979679584503e-02 1.9755239784717560e-01 - <_> - - 0 -1 4940 -7.2332553565502167e-02 - - -8.2932412624359131e-01 1.1810120195150375e-02 - <_> - - 0 -1 4941 7.7837951481342316e-02 - - 2.4520579725503922e-02 -2.7260521054267883e-01 - <_> - - 0 -1 4942 7.2094596922397614e-02 - - 3.7606250494718552e-02 -2.7291780710220337e-01 - <_> - - 0 -1 4943 -8.7373353540897369e-02 - - -9.5344787836074829e-01 3.2734218984842300e-03 - <_> - - 0 -1 4944 -3.6240059882402420e-02 - - -3.2300001382827759e-01 2.6389310136437416e-02 - <_> - - 0 -1 4945 -8.7862694635987282e-03 - - -1.4808210730552673e-01 4.6761561185121536e-02 - <_> - - 0 -1 4946 6.5432381816208363e-03 - - 6.0071479529142380e-02 -1.5036399662494659e-01 - <_> - - 0 -1 4947 2.7910009957849979e-03 - - -7.9585656523704529e-02 6.4064942300319672e-02 - <_> - - 0 -1 4948 2.9471930116415024e-02 - - 3.6904528737068176e-02 -2.7659609913825989e-01 - <_> - - 0 -1 4949 -4.4924151152372360e-02 - - 3.5313630104064941e-01 -2.7219140902161598e-02 - <_> - - 0 -1 4950 7.8969523310661316e-02 - - 1.0873800143599510e-02 -9.3217527866363525e-01 - <_> - - 0 -1 4951 -3.1053030863404274e-02 - - 2.4087889492511749e-01 -2.7155969291925430e-02 - <_> - - 0 -1 4952 5.0429090857505798e-02 - - -5.4164800792932510e-02 2.0343920588493347e-01 - <_> - - 0 -1 4953 -3.7637658417224884e-02 - - 3.2998979091644287e-01 -3.4573089331388474e-02 - <_> - - 0 -1 4954 -1.7269999952986836e-03 - - -1.2339779734611511e-01 7.5958393514156342e-02 - <_> - - 0 -1 4955 1.2604339979588985e-02 - - 3.6150000989437103e-02 -2.1591770648956299e-01 - <_> - - 0 -1 4956 1.1010640300810337e-02 - - -1.4330290257930756e-01 6.3043266534805298e-02 - <_> - - 0 -1 4957 1.3539699837565422e-02 - - -7.8418523073196411e-02 1.8389409780502319e-01 - <_> - - 0 -1 4958 -3.8949768990278244e-02 - - 3.4183630347251892e-01 -2.9505429789423943e-02 - <_> - - 0 -1 4959 -4.9093078821897507e-02 - - -3.6278200149536133e-01 1.7093619331717491e-02 - <_> - - 0 -1 4960 4.2306110262870789e-03 - - 5.8190550655126572e-02 -1.8383790552616119e-01 - <_> - - 0 -1 4961 8.9376904070377350e-03 - - -5.1576498895883560e-02 1.9376990199089050e-01 - <_> - - 0 -1 4962 4.0846280753612518e-02 - - 1.3241729699075222e-02 -7.0892220735549927e-01 - <_> - - 0 -1 4963 -3.6945961415767670e-02 - - -3.4456318616867065e-01 7.1702878922224045e-03 - <_> - - 0 -1 4964 -1.2924180366098881e-02 - - -1.9354179501533508e-01 4.8157788813114166e-02 - <_> - - 0 -1 4965 3.3079650253057480e-02 - - -5.1704820245504379e-02 1.3492329418659210e-01 - <_> - - 0 -1 4966 2.2233519703149796e-02 - - 5.2919991314411163e-02 -1.7628639936447144e-01 - <_> - - 0 -1 4967 -1.4483500272035599e-02 - - 1.5105240046977997e-01 -3.9817798882722855e-02 - <_> - - 0 -1 4968 1.5934909880161285e-01 - - -3.3422928303480148e-02 2.8085818886756897e-01 - <_> - - 0 -1 4969 1.2470430135726929e-01 - - 1.1225829832255840e-02 -4.5520108938217163e-01 - <_> - - 0 -1 4970 7.0243299007415771e-02 - - 2.6213169097900391e-02 -3.4778589010238647e-01 - <_> - - 0 -1 4971 6.1747688055038452e-01 - - 9.0320473536849022e-03 -5.5216097831726074e-01 - <_> - - 0 -1 4972 7.7007927000522614e-02 - - 9.3850009143352509e-03 -6.9495117664337158e-01 - <_> - - 0 -1 4973 4.2874120175838470e-02 - - -3.3166319131851196e-02 1.3550239801406860e-01 - <_> - - 0 -1 4974 -2.4558259174227715e-02 - - 3.8989260792732239e-01 -2.0506320521235466e-02 - <_> - - 0 -1 4975 1.0723150335252285e-02 - - -5.1526758819818497e-02 8.9461207389831543e-02 - <_> - - 0 -1 4976 3.8331970572471619e-02 - - -3.9952859282493591e-02 1.8591549992561340e-01 - <_> - - 0 -1 4977 1.2556019425392151e-01 - - 5.1561538130044937e-03 -8.4782391786575317e-01 - <_> - - 0 -1 4978 1.1590070277452469e-01 - - 9.7828712314367294e-03 -7.6437431573867798e-01 - <_> - - 0 -1 4979 -1.5016060322523117e-02 - - -1.8328569829463959e-01 3.2125338912010193e-02 - <_> - - 0 -1 4980 -4.1521931998431683e-03 - - 9.8160982131958008e-02 -8.2769006490707397e-02 - <_> - - 0 -1 4981 1.4998050173744559e-03 - - 4.1228689253330231e-02 -8.4460526704788208e-02 - <_> - - 0 -1 4982 3.8117531687021255e-02 - - 1.9691960886120796e-02 -3.9931151270866394e-01 - <_> - - 0 -1 4983 9.4391452148556709e-04 - - -1.9674700498580933e-01 5.6476209312677383e-02 - <_> - - 0 -1 4984 2.4907960323616862e-04 - - 9.2797473073005676e-02 -1.0708689689636230e-01 - <_> - - 0 -1 4985 2.5447670370340347e-02 - - -2.5304390117526054e-02 1.0032439976930618e-01 - <_> - - 0 -1 4986 -2.8884090483188629e-02 - - -1.7259830236434937e-01 4.9671061336994171e-02 - <_> - - 0 -1 4987 1.2102840095758438e-01 - - -5.5194748565554619e-03 9.5438259840011597e-01 - <_> - - 0 -1 4988 -7.9245921224355698e-03 - - 6.4903482794761658e-02 -1.2671549618244171e-01 - <_> - - 0 -1 4989 -6.5536066889762878e-02 - - -3.7892189621925354e-01 1.6463089734315872e-02 - <_> - - 0 -1 4990 -1.6883460804820061e-02 - - 5.8534818887710571e-01 -1.4671769924461842e-02 - <_> - - 0 -1 4991 6.7252418957650661e-03 - - 2.7604229748249054e-02 -3.4817421436309814e-01 - <_> - - 0 -1 4992 -6.3783898949623108e-02 - - -3.9567160606384277e-01 1.9867889583110809e-02 - <_> - - 0 -1 4993 1.8600550293922424e-01 - - -4.5898579061031342e-02 7.3586076498031616e-02 - <_> - - 0 -1 4994 4.9724031239748001e-02 - - -2.0517630502581596e-02 4.3107840418815613e-01 - <_> - - 0 -1 4995 1.5011380426585674e-02 - - 4.0192149579524994e-02 -1.0242489725351334e-01 - <_> - - 0 -1 4996 -1.5085030347108841e-02 - - 2.3888920247554779e-01 -3.5642918199300766e-02 - <_> - - 0 -1 4997 -1.2931490316987038e-02 - - -3.6863088607788086e-01 1.7377890646457672e-02 - <_> - - 0 -1 4998 -1.3186899945139885e-02 - - -4.3170270323753357e-01 1.7947910353541374e-02 - <_> - - 0 -1 4999 -6.6814959049224854e-02 - - 4.1336119174957275e-01 -2.0904310047626495e-02 - <_> - - 0 -1 5000 4.4064331799745560e-02 - - -3.8615190982818604e-01 2.1414510905742645e-02 - <_> - - 0 -1 5001 4.1341730952262878e-01 - - 1.0130990296602249e-02 -4.7053098678588867e-01 - <_> - - 0 -1 5002 2.4443659931421280e-02 - - 9.3184120953083038e-02 -8.6774162948131561e-02 - <_> - - 0 -1 5003 1.5779680013656616e-01 - - 4.8137311823666096e-03 -5.8746212720870972e-01 - <_> - - 0 -1 5004 -2.0141510292887688e-02 - - 2.2643919289112091e-01 -4.6824630349874496e-02 - <_> - - 0 -1 5005 3.8796770386397839e-03 - - -7.7155217528343201e-02 3.6106169223785400e-02 - <_> - - 0 -1 5006 1.5064960345625877e-02 - - -5.6656859815120697e-02 1.4758649468421936e-01 - <_> - - 0 -1 5007 1.2925310060381889e-02 - - 3.5308018326759338e-02 -1.1645320057868958e-01 - <_> - - 0 -1 5008 -1.4788310043513775e-02 - - -1.1459939926862717e-01 7.5000070035457611e-02 - <_> - - 0 -1 5009 -2.0497168879956007e-03 - - 4.2067401111125946e-02 -7.0409573614597321e-02 - <_> - - 0 -1 5010 8.9428946375846863e-03 - - 5.3989838808774948e-02 -1.5380840003490448e-01 - <_> - - 0 -1 5011 1.0064999759197235e-01 - - -2.9709249734878540e-02 3.1293758749961853e-01 - <_> - - 0 -1 5012 -4.6580079942941666e-02 - - -7.2227877378463745e-01 1.3004340231418610e-02 - <_> - - 0 -1 5013 -3.8618590682744980e-02 - - 3.3867758512496948e-01 -2.1726610139012337e-02 - <_> - - 0 -1 5014 8.5657741874456406e-03 - - 7.0621289312839508e-02 -1.3055880367755890e-01 - <_> - - 0 -1 5015 -1.0986299812793732e-01 - - 3.7974509596824646e-01 -5.1755867898464203e-03 - <_> - - 0 -1 5016 3.0184251070022583e-01 - - -2.4274839088320732e-02 3.6632651090621948e-01 - <_> - - 0 -1 5017 -5.3246088325977325e-02 - - -5.5290502309799194e-01 6.2071220017969608e-03 - <_> - - 0 -1 5018 3.6629870533943176e-02 - - 2.3161249235272408e-02 -3.5514861345291138e-01 - <_> - - 0 -1 5019 6.9993197917938232e-02 - - 8.9623704552650452e-03 -8.2245421409606934e-01 - <_> - - 0 -1 5020 -8.7623577564954758e-03 - - -2.8028720617294312e-01 2.6217460632324219e-02 - <_> - - 0 -1 5021 1.5275989659130573e-02 - - -5.0123069435358047e-02 1.5774080157279968e-01 - <_> - - 0 -1 5022 1.8836189806461334e-01 - - 1.1483459733426571e-02 -7.4004447460174561e-01 - <_> - - 0 -1 5023 -1.4518629759550095e-02 - - 8.2921922206878662e-02 -5.2536141127347946e-02 - <_> - - 0 -1 5024 1.9221989437937737e-02 - - 4.0790341794490814e-02 -2.0889760553836823e-01 - <_> - - 0 -1 5025 -3.1274989247322083e-02 - - 8.0864340066909790e-01 -1.0754980146884918e-02 - <_> - - 0 -1 5026 -4.9813431687653065e-03 - - -1.9617860019207001e-01 4.1330069303512573e-02 - <_> - - 0 -1 5027 3.7296909838914871e-02 - - 3.0313879251480103e-02 -2.7336311340332031e-01 - <_> - - 0 -1 5028 -1.9014550372958183e-02 - - 1.3439440727233887e-01 -6.0782499611377716e-02 - <_> - - 0 -1 5029 -7.9229613766074181e-03 - - -7.9689770936965942e-02 4.0497440844774246e-02 - <_> - - 0 -1 5030 9.6371799707412720e-02 - - -2.5576870888471603e-02 3.2440510392189026e-01 - <_> - - 0 -1 5031 -1.7210310325026512e-02 - - 2.9772299528121948e-01 -3.0994139611721039e-02 - <_> - - 0 -1 5032 1.0736179538071156e-02 - - -7.0299342274665833e-02 1.2448900192975998e-01 - <_> - - 0 -1 5033 -4.0398869663476944e-02 - - -6.4470887184143066e-01 6.9025149568915367e-03 - <_> - - 0 -1 5034 -3.1870428472757339e-02 - - -5.3339338302612305e-01 1.5221790410578251e-02 - <_> - - 0 -1 5035 3.6518078297376633e-02 - - -7.7875651419162750e-02 1.4458900690078735e-01 - <_> - - 0 -1 5036 1.2330260127782822e-01 - - 1.7689300701022148e-02 -5.1895797252655029e-01 - <_> - - 0 -1 5037 1.0086199641227722e-01 - - 6.6002830862998962e-03 -5.5289500951766968e-01 - <_> - - 0 -1 5038 1.0026770085096359e-01 - - 1.0175090283155441e-02 -7.1554392576217651e-01 - <_> - - 0 -1 5039 3.6956761032342911e-02 - - 2.2131860256195068e-02 -3.1452280282974243e-01 - <_> - - 0 -1 5040 8.5017476230859756e-03 - - 4.9146678298711777e-02 -1.5193499624729156e-01 - <_> - - 0 -1 5041 5.3833048790693283e-02 - - 2.5698679964989424e-03 -5.0750207901000977e-01 - <_> - - 0 -1 5042 4.8958938568830490e-02 - - 9.2353876680135727e-03 -7.9371142387390137e-01 - <_> - - 0 -1 5043 4.0810879319906235e-02 - - -4.6270430088043213e-02 1.9726410508155823e-01 - <_> - - 0 -1 5044 -3.3165120985358953e-03 - - -2.1495009958744049e-01 3.8868401199579239e-02 - <_> - - 0 -1 5045 4.8434760537929833e-04 - - -1.7870649695396423e-01 5.7129681110382080e-02 - <_> - - 0 -1 5046 7.9494096338748932e-02 - - -2.2463550791144371e-02 3.6770978569984436e-01 - <_> - - 0 -1 5047 -8.8844364508986473e-03 - - -3.3796560764312744e-01 2.5869650766253471e-02 - <_> - - 0 -1 5048 -1.0575620457530022e-02 - - 1.2438619881868362e-01 -6.8147383630275726e-02 - <_> - - 0 -1 5049 7.3358109220862389e-03 - - -4.3375171720981598e-02 1.5483480691909790e-01 - <_> - - 0 -1 5050 4.2306821793317795e-02 - - 1.0016439855098724e-01 -8.8011689484119415e-02 - <_> - - 0 -1 5051 7.1759216487407684e-02 - - -8.9269876480102539e-03 2.3254199326038361e-01 - <_> - - 0 -1 5052 -2.2478280588984489e-02 - - -5.4057407379150391e-01 1.4396119862794876e-02 - <_> - - 0 -1 5053 -2.5606580078601837e-02 - - -4.3508179485797882e-02 6.4285047352313995e-02 - <_> - - 0 -1 5054 2.5733409449458122e-02 - - 2.3084849119186401e-02 -3.4278741478919983e-01 - <_> - - 0 -1 5055 -7.0163339376449585e-02 - - 4.0744331479072571e-01 -1.1836090125143528e-02 - <_> - - 0 -1 5056 -1.2527329847216606e-02 - - 9.1184526681900024e-02 -8.7035633623600006e-02 - <_> - - 0 -1 5057 5.9983458369970322e-02 - - 3.6528799682855606e-03 -8.0261522531509399e-01 - <_> - - 0 -1 5058 -5.2271911408752203e-04 - - 6.9573827087879181e-02 -1.2091639637947083e-01 - <_> - - 0 -1 5059 -2.0996539294719696e-01 - - -4.6747279167175293e-01 9.4682360067963600e-03 - <_> - - 0 -1 5060 -1.8358640372753143e-02 - - 1.4919880032539368e-01 -5.7198900729417801e-02 - <_> - - 0 -1 5061 -1.3342049904167652e-02 - - 1.4447879791259766e-01 -2.2494640201330185e-02 - <_> - - 0 -1 5062 -3.0613059177994728e-02 - - -3.3590090274810791e-01 2.4433709681034088e-02 - <_> - - 0 -1 5063 -1.9018750637769699e-02 - - 1.5518119931221008e-01 -2.5613630190491676e-02 - <_> - - 0 -1 5064 -4.5201808214187622e-02 - - 4.8730811476707458e-01 -1.7641659826040268e-02 - <_> - - 0 -1 5065 6.3432596623897552e-02 - - -5.1946818828582764e-02 1.2361440062522888e-01 - <_> - - 0 -1 5066 3.4017860889434814e-03 - - -1.7030030488967896e-01 5.4143410176038742e-02 - <_> - - 0 -1 5067 -8.5307076573371887e-02 - - -7.1878427267074585e-01 1.0392259806394577e-02 - <_> - - 0 -1 5068 -5.3066499531269073e-02 - - 5.2359157800674438e-01 -1.8369760364294052e-02 - <_> - - 0 -1 5069 -2.8319370001554489e-02 - - -1.1979889869689941e-01 5.8951549232006073e-02 - <_> - - 0 -1 5070 -8.7353803217411041e-02 - - 2.7089080214500427e-01 -2.9345329850912094e-02 - <_> - - 0 -1 5071 2.7152231335639954e-01 - - -1.1648589745163918e-02 5.5842977762222290e-01 - <_> - - 0 -1 5072 1.9388480111956596e-02 - - 5.0895590335130692e-02 -1.7962279915809631e-01 - <_> - - 0 -1 5073 2.1159179508686066e-02 - - -4.8424899578094482e-02 9.5020256936550140e-02 - <_> - - 0 -1 5074 1.2039250135421753e-01 - - 9.2587787657976151e-03 -8.7804621458053589e-01 - <_> - - 0 -1 5075 5.0090719014406204e-02 - - -2.1926950663328171e-02 2.0202030241489410e-01 - <_> - - 0 -1 5076 -5.5227670818567276e-03 - - 2.1560280025005341e-01 -3.6554779857397079e-02 - <_> - - 0 -1 5077 2.7551440522074699e-02 - - -3.2782018184661865e-02 1.6503919661045074e-01 - <_> - - 0 -1 5078 -2.5543190538883209e-02 - - -3.6424461007118225e-01 2.1275209262967110e-02 - <_> - - 0 -1 5079 -2.6791828870773315e-01 - - 4.8525270819664001e-01 -4.7535290941596031e-03 - <_> - - 0 -1 5080 -1.6798110306262970e-01 - - 3.9280641078948975e-01 -1.9414989277720451e-02 - <_> - - 0 -1 5081 4.5900348573923111e-02 - - -3.6706160753965378e-02 2.0677609741687775e-01 - <_> - - 0 -1 5082 3.6797890788875520e-04 - - -8.7039902806282043e-02 9.2830970883369446e-02 - <_> - - 0 -1 5083 -9.9194556474685669e-02 - - -3.6096671223640442e-01 2.1962769329547882e-02 - <_> - - 0 -1 5084 8.0924080975819379e-05 - - -7.9007692635059357e-02 9.5904067158699036e-02 - <_> - - 0 -1 5085 7.0894961245357990e-03 - - 3.7076078355312347e-02 -5.0917111337184906e-02 - <_> - - 0 -1 5086 -1.2181960046291351e-03 - - 4.9094028770923615e-02 -1.5975970029830933e-01 - <_> - - 0 -1 5087 -9.2138662934303284e-02 - - 5.5284732580184937e-01 -1.3595860451459885e-02 - <_> - - 0 -1 5088 6.2209279276430607e-03 - - 4.6889189630746841e-02 -1.8105800449848175e-01 - <_> - - 0 -1 5089 6.5014839172363281e-02 - - 9.4407051801681519e-03 -5.1224017143249512e-01 - <_> - - 0 -1 5090 5.4055921733379364e-02 - - 1.6289059072732925e-02 -4.2684501409530640e-01 - <_> - 368 - -1.3073990345001221e+00 - - <_> - - 0 -1 5091 3.7594079971313477e-02 - - -1.5953080356121063e-01 2.4245350062847137e-01 - <_> - - 0 -1 5092 4.0349629707634449e-03 - - -2.5617128610610962e-01 8.0420561134815216e-02 - <_> - - 0 -1 5093 2.1681638900190592e-03 - - -2.8089070320129395e-01 7.0903629064559937e-02 - <_> - - 0 -1 5094 -7.4014628808072302e-06 - - 4.9326181411743164e-02 -1.9688490033149719e-01 - <_> - - 0 -1 5095 -2.2384349722415209e-03 - - 6.8618856370449066e-02 -2.1775339543819427e-01 - <_> - - 0 -1 5096 2.9939650557935238e-03 - - -2.4257700145244598e-01 2.9716130346059799e-02 - <_> - - 0 -1 5097 4.5135850086808205e-03 - - 8.9443869888782501e-02 -1.9461549818515778e-01 - <_> - - 0 -1 5098 3.8457550108432770e-03 - - 5.0935801118612289e-02 -2.7721929550170898e-01 - <_> - - 0 -1 5099 4.0572669240646064e-04 - - -8.5517741739749908e-02 1.6446280479431152e-01 - <_> - - 0 -1 5100 -7.0624578256683890e-06 - - 7.8454487025737762e-02 -1.2395980209112167e-01 - <_> - - 0 -1 5101 -2.8428720543161035e-04 - - 1.0774250328540802e-01 -1.2222009897232056e-01 - <_> - - 0 -1 5102 7.3404680006206036e-03 - - 4.7837160527706146e-02 -2.4441170692443848e-01 - <_> - - 0 -1 5103 3.6235509905964136e-03 - - -3.1533789634704590e-01 3.5066880285739899e-02 - <_> - - 0 -1 5104 -1.5671759610995650e-03 - - -1.7147080600261688e-01 6.5121836960315704e-02 - <_> - - 0 -1 5105 4.2834067717194557e-03 - - -1.3190010190010071e-01 9.2709146440029144e-02 - <_> - - 0 -1 5106 -8.9772082865238190e-03 - - 1.2469480186700821e-01 -2.8118500486016273e-02 - <_> - - 0 -1 5107 5.5919871665537357e-03 - - 4.8671621829271317e-02 -2.2460219264030457e-01 - <_> - - 0 -1 5108 1.1782390065491199e-02 - - 3.1041109934449196e-02 -2.9882109165191650e-01 - <_> - - 0 -1 5109 -5.5568912066519260e-03 - - 1.3689100742340088e-01 -7.7152192592620850e-02 - <_> - - 0 -1 5110 1.7162049189209938e-02 - - -4.0298670530319214e-02 1.1232800036668777e-01 - <_> - - 0 -1 5111 3.5631000064313412e-03 - - 5.6056100875139236e-02 -1.9608840346336365e-01 - <_> - - 0 -1 5112 2.2586699575185776e-02 - - 1.1250300332903862e-02 -5.0490778684616089e-01 - <_> - - 0 -1 5113 2.6307879015803337e-03 - - 4.1528269648551941e-02 -2.2185860574245453e-01 - <_> - - 0 -1 5114 -1.0008380049839616e-03 - - 5.9657059609889984e-02 -1.5395790338516235e-01 - <_> - - 0 -1 5115 -7.1316999383270741e-03 - - 1.0590689629316330e-01 -8.9700952172279358e-02 - <_> - - 0 -1 5116 -6.1685360968112946e-02 - - 1.2677849829196930e-01 -2.2709969431161880e-02 - <_> - - 0 -1 5117 1.3120709918439388e-02 - - -6.3731230795383453e-02 1.5842080116271973e-01 - <_> - - 0 -1 5118 3.2676599919795990e-02 - - 2.5724250823259354e-02 -3.3406201004981995e-01 - <_> - - 0 -1 5119 1.8886770308017731e-01 - - -1.7100410535931587e-02 5.3700131177902222e-01 - <_> - - 0 -1 5120 -1.6522880468983203e-04 - - 5.4908581078052521e-02 -1.1608000099658966e-01 - <_> - - 0 -1 5121 -1.4789770357310772e-03 - - 7.7602192759513855e-02 -1.0971190035343170e-01 - <_> - - 0 -1 5122 -1.2441210448741913e-02 - - -1.4090730249881744e-01 6.8732522428035736e-02 - <_> - - 0 -1 5123 1.9457910209894180e-02 - - -3.7276178598403931e-02 2.6319879293441772e-01 - <_> - - 0 -1 5124 -2.9123809654265642e-03 - - -1.8960340321063995e-01 2.9360920190811157e-02 - <_> - - 0 -1 5125 -2.3870699107646942e-02 - - 2.5528749823570251e-01 -3.1279411166906357e-02 - <_> - - 0 -1 5126 -2.6912079192698002e-03 - - -1.4431649446487427e-01 4.8498779535293579e-02 - <_> - - 0 -1 5127 -1.7636029515415430e-03 - - -1.3328640162944794e-01 5.4250828921794891e-02 - <_> - - 0 -1 5128 -1.8844179809093475e-02 - - 1.1653099954128265e-01 -3.8028150796890259e-02 - <_> - - 0 -1 5129 3.8752850145101547e-02 - - -3.6811299622058868e-02 2.1002089977264404e-01 - <_> - - 0 -1 5130 9.4316434115171432e-03 - - 5.7964589446783066e-02 -1.8342800438404083e-01 - <_> - - 0 -1 5131 -1.1705379933118820e-02 - - 1.7905050516128540e-01 -4.9799650907516479e-02 - <_> - - 0 -1 5132 -4.4072889722883701e-03 - - -1.9810500741004944e-01 4.4608719646930695e-02 - <_> - - 0 -1 5133 -4.7192219644784927e-03 - - -1.8307499587535858e-01 4.2252171784639359e-02 - <_> - - 0 -1 5134 -4.5182029716670513e-03 - - 9.5572151243686676e-02 -6.0799460858106613e-02 - <_> - - 0 -1 5135 -5.4851798340678215e-03 - - -1.7556129395961761e-01 4.0092539042234421e-02 - <_> - - 0 -1 5136 -9.9079031497240067e-04 - - -1.3978339731693268e-01 4.8252910375595093e-02 - <_> - - 0 -1 5137 -5.0425329245626926e-03 - - -8.8625833392143250e-02 7.9794026911258698e-02 - <_> - - 0 -1 5138 -6.3926707953214645e-03 - - 3.5854909569025040e-02 -8.5030712187290192e-02 - <_> - - 0 -1 5139 -1.1408809572458267e-02 - - 7.7756106853485107e-02 -1.0200379788875580e-01 - <_> - - 0 -1 5140 5.9286449104547501e-02 - - 6.4652841538190842e-03 -4.9082350730895996e-01 - <_> - - 0 -1 5141 -5.7389298453927040e-03 - - -1.6221189498901367e-01 5.9541791677474976e-02 - <_> - - 0 -1 5142 4.4626160524785519e-03 - - -2.4659389629960060e-02 2.8509560227394104e-01 - <_> - - 0 -1 5143 -7.4683688580989838e-04 - - 5.5159430950880051e-02 -1.4510269463062286e-01 - <_> - - 0 -1 5144 7.5665451586246490e-03 - - -3.0510440468788147e-02 9.2685796320438385e-02 - <_> - - 0 -1 5145 8.1203378736972809e-02 - - 8.3315223455429077e-03 -8.8626891374588013e-01 - <_> - - 0 -1 5146 2.5454829446971416e-03 - - -5.4131258279085159e-02 1.6551689803600311e-01 - <_> - - 0 -1 5147 5.6319180876016617e-02 - - 1.5744749456644058e-02 -4.6605950593948364e-01 - <_> - - 0 -1 5148 -2.7670960873365402e-02 - - 2.7910009026527405e-01 -2.1267570555210114e-02 - <_> - - 0 -1 5149 5.7495549321174622e-02 - - 1.3765430077910423e-02 -5.6881892681121826e-01 - <_> - - 0 -1 5150 1.1847530258819461e-03 - - 6.3452966511249542e-02 -1.6044929623603821e-01 - <_> - - 0 -1 5151 4.2551690712571144e-03 - - 6.3017703592777252e-02 -1.3584609329700470e-01 - <_> - - 0 -1 5152 -2.1190859377384186e-02 - - 1.9623500108718872e-01 -2.8249129652976990e-02 - <_> - - 0 -1 5153 8.3922911435365677e-03 - - -6.2064249068498611e-02 1.1225070059299469e-01 - <_> - - 0 -1 5154 -3.5534579306840897e-02 - - 1.8565779924392700e-01 -2.1027710288763046e-02 - <_> - - 0 -1 5155 -9.2783384025096893e-03 - - -1.6255140304565430e-01 5.3493771702051163e-02 - <_> - - 0 -1 5156 -7.4480189941823483e-03 - - 5.6045979261398315e-02 -2.7357129380106926e-02 - <_> - - 0 -1 5157 3.4573610872030258e-02 - - 2.7872329577803612e-02 -2.5443691015243530e-01 - <_> - - 0 -1 5158 1.0644230060279369e-02 - - -2.5041149929165840e-02 1.2895500659942627e-01 - <_> - - 0 -1 5159 -6.9164121523499489e-03 - - 5.5145461112260818e-02 -1.4286629855632782e-01 - <_> - - 0 -1 5160 4.0446728467941284e-02 - - 4.3409019708633423e-03 -3.0095139145851135e-01 - <_> - - 0 -1 5161 -2.1182280033826828e-02 - - 2.3987750709056854e-01 -3.0267970636487007e-02 - <_> - - 0 -1 5162 -1.8278649076819420e-02 - - -2.8024369478225708e-01 2.0352259278297424e-02 - <_> - - 0 -1 5163 -6.0500060208141804e-03 - - -1.5138089656829834e-01 4.5843418687582016e-02 - <_> - - 0 -1 5164 -7.4632540345191956e-03 - - 7.3087826371192932e-02 -3.9645120501518250e-02 - <_> - - 0 -1 5165 -3.1640689820051193e-02 - - 3.8544759154319763e-01 -1.8987689167261124e-02 - <_> - - 0 -1 5166 -4.9488719552755356e-02 - - -3.7455439567565918e-01 4.6011591330170631e-03 - <_> - - 0 -1 5167 -2.4384791031479836e-03 - - -1.0864440351724625e-01 7.0171296596527100e-02 - <_> - - 0 -1 5168 7.4253929778933525e-03 - - -4.4223289936780930e-02 7.5678370893001556e-02 - <_> - - 0 -1 5169 -5.3592741489410400e-02 - - 1.9981780648231506e-01 -3.8047380745410919e-02 - <_> - - 0 -1 5170 -2.1555580198764801e-02 - - -5.2737689018249512e-01 7.7934260480105877e-03 - <_> - - 0 -1 5171 4.1731819510459900e-03 - - 3.8742069154977798e-02 -1.6946560144424438e-01 - <_> - - 0 -1 5172 4.1882280260324478e-02 - - -1.1853899806737900e-02 2.9235321283340454e-01 - <_> - - 0 -1 5173 -2.2035069763660431e-02 - - -1.3629269599914551e-01 4.7323219478130341e-02 - <_> - - 0 -1 5174 1.6916249878704548e-03 - - -4.9461908638477325e-02 7.4048481881618500e-02 - <_> - - 0 -1 5175 -1.9994638860225677e-03 - - 9.3016393482685089e-02 -7.5230561196804047e-02 - <_> - - 0 -1 5176 -8.7527623400092125e-03 - - 8.4076300263404846e-02 -3.7777189165353775e-02 - <_> - - 0 -1 5177 2.8121439740061760e-02 - - 3.8471631705760956e-02 -1.9039680063724518e-01 - <_> - - 0 -1 5178 2.4713769555091858e-02 - - -1.1225669644773006e-02 1.3408440351486206e-01 - <_> - - 0 -1 5179 2.1718820556998253e-02 - - -1.7361419275403023e-02 3.4876769781112671e-01 - <_> - - 0 -1 5180 -4.3202299624681473e-02 - - -5.1877439022064209e-01 1.2914709746837616e-02 - <_> - - 0 -1 5181 -1.6658119857311249e-03 - - -3.0727219581604004e-01 1.9104089587926865e-02 - <_> - - 0 -1 5182 -3.2269109040498734e-02 - - 3.1825730204582214e-01 -6.1126789078116417e-03 - <_> - - 0 -1 5183 -9.6689872443675995e-03 - - 3.3182978630065918e-01 -1.8409479409456253e-02 - <_> - - 0 -1 5184 1.7683519981801510e-03 - - 3.1587228178977966e-02 -1.1481689661741257e-01 - <_> - - 0 -1 5185 3.4618038684129715e-02 - - -1.8013959750533104e-02 3.4668689966201782e-01 - <_> - - 0 -1 5186 -9.3643896281719208e-02 - - -5.1143682003021240e-01 1.4282460324466228e-02 - <_> - - 0 -1 5187 4.3095857836306095e-03 - - 2.4471389129757881e-02 -2.3517690598964691e-01 - <_> - - 0 -1 5188 6.6311933100223541e-02 - - -1.5711139887571335e-02 2.4676759541034698e-01 - <_> - - 0 -1 5189 -9.2896772548556328e-03 - - -1.3924039900302887e-01 4.8822149634361267e-02 - <_> - - 0 -1 5190 -3.3214599825441837e-03 - - 1.3379609584808350e-01 -3.6818679422140121e-02 - <_> - - 0 -1 5191 4.0180981159210205e-02 - - -1.2793520465493202e-02 5.2580958604812622e-01 - <_> - - 0 -1 5192 8.7590962648391724e-02 - - 1.2522599659860134e-02 -5.5810731649398804e-01 - <_> - - 0 -1 5193 3.5475298762321472e-02 - - 2.3128280416131020e-02 -2.7402919530868530e-01 - <_> - - 0 -1 5194 5.2033789455890656e-02 - - -6.1640930362045765e-03 1.9052730500698090e-01 - <_> - - 0 -1 5195 -1.3046549260616302e-01 - - 2.5712540745735168e-01 -2.3529190570116043e-02 - <_> - - 0 -1 5196 2.8882310725748539e-03 - - -6.0755409300327301e-02 6.0243420302867889e-02 - <_> - - 0 -1 5197 1.5083160251379013e-02 - - 2.1192179992794991e-02 -2.8479540348052979e-01 - <_> - - 0 -1 5198 8.0875161802396178e-04 - - -8.5497900843620300e-02 5.4305519908666611e-02 - <_> - - 0 -1 5199 1.4947880059480667e-02 - - -5.7983450591564178e-02 1.0115720331668854e-01 - <_> - - 0 -1 5200 -4.5683588832616806e-02 - - -3.9345711469650269e-01 1.7556620761752129e-02 - <_> - - 0 -1 5201 -9.4226107466965914e-04 - - 1.3064099848270416e-01 -5.1675319671630859e-02 - <_> - - 0 -1 5202 -2.8342329896986485e-03 - - 1.5992760658264160e-01 -3.4787811338901520e-02 - <_> - - 0 -1 5203 -1.8812920898199081e-02 - - -2.9807311296463013e-01 2.2536030039191246e-02 - <_> - - 0 -1 5204 1.9601570442318916e-02 - - 1.3461099937558174e-02 -1.6885930299758911e-01 - <_> - - 0 -1 5205 -6.4929589629173279e-02 - - -7.1198761463165283e-01 8.5184276103973389e-03 - <_> - - 0 -1 5206 -1.4283999800682068e-02 - - -7.8602321445941925e-02 4.2226359248161316e-02 - <_> - - 0 -1 5207 2.5105919688940048e-02 - - -2.9744949191808701e-02 2.2586929798126221e-01 - <_> - - 0 -1 5208 3.8459669798612595e-02 - - 1.7592959105968475e-02 -3.4457311034202576e-01 - <_> - - 0 -1 5209 2.9701360035687685e-03 - - -5.2914209663867950e-02 1.1567460000514984e-01 - <_> - - 0 -1 5210 -3.5584170836955309e-03 - - 1.2957760691642761e-01 -6.1714299023151398e-02 - <_> - - 0 -1 5211 5.5475500412285328e-03 - - 4.9168299883604050e-02 -1.2925429642200470e-01 - <_> - - 0 -1 5212 7.1379862725734711e-02 - - -1.1528199538588524e-02 3.2423359155654907e-01 - <_> - - 0 -1 5213 -1.1731989681720734e-01 - - -9.0184438228607178e-01 6.3025541603565216e-03 - <_> - - 0 -1 5214 2.2931929677724838e-02 - - -1.1425419710576534e-02 4.1168990731239319e-01 - <_> - - 0 -1 5215 3.6658400204032660e-03 - - 2.8030570596456528e-02 -2.0567989349365234e-01 - <_> - - 0 -1 5216 -7.0796072483062744e-02 - - -2.1817129850387573e-01 1.2820649892091751e-02 - <_> - - 0 -1 5217 6.7239440977573395e-03 - - -4.2305160313844681e-02 1.4150319993495941e-01 - <_> - - 0 -1 5218 -2.0242671016603708e-03 - - 9.1976962983608246e-02 -4.6815071254968643e-02 - <_> - - 0 -1 5219 2.3123170249164104e-03 - - -7.1074202656745911e-02 9.8617300391197205e-02 - <_> - - 0 -1 5220 2.7525359764695168e-03 - - -5.0785668194293976e-02 7.5282126665115356e-02 - <_> - - 0 -1 5221 -3.4460208844393492e-03 - - 9.6368476748466492e-02 -7.8051783144474030e-02 - <_> - - 0 -1 5222 -1.1416469700634480e-02 - - -1.1313349753618240e-01 7.5080856680870056e-02 - <_> - - 0 -1 5223 3.0283999876701273e-05 - - -1.3886189460754395e-01 4.3761149048805237e-02 - <_> - - 0 -1 5224 -1.4150349888950586e-03 - - 3.7164621055126190e-02 -1.1095599830150604e-01 - <_> - - 0 -1 5225 -1.9245060393586755e-03 - - 7.0604592561721802e-02 -9.4269059598445892e-02 - <_> - - 0 -1 5226 3.0031649395823479e-02 - - -5.1407739520072937e-02 1.6337560117244720e-01 - <_> - - 0 -1 5227 -2.5132829323410988e-03 - - -1.4933520555496216e-01 5.1749840378761292e-02 - <_> - - 0 -1 5228 1.9437290029600263e-04 - - -4.8553969711065292e-02 1.0562740266323090e-01 - <_> - - 0 -1 5229 2.9679399449378252e-03 - - 3.6664169281721115e-02 -1.5650020539760590e-01 - <_> - - 0 -1 5230 3.2629880588501692e-03 - - 4.2934000492095947e-02 -1.4514559507369995e-01 - <_> - - 0 -1 5231 2.9959511011838913e-03 - - -6.3821822404861450e-02 9.3514777719974518e-02 - <_> - - 0 -1 5232 -1.5483190305531025e-02 - - -2.0184549689292908e-01 3.1191380694508553e-02 - <_> - - 0 -1 5233 -2.3956559598445892e-02 - - 3.6116409301757812e-01 -2.4698240682482719e-02 - <_> - - 0 -1 5234 -1.7136270180344582e-02 - - -2.6252090930938721e-01 2.4616269394755363e-02 - <_> - - 0 -1 5235 -6.2233610078692436e-03 - - 1.1059129983186722e-01 -5.7947199791669846e-02 - <_> - - 0 -1 5236 2.9878519475460052e-02 - - 7.8794546425342560e-03 -2.8504589200019836e-01 - <_> - - 0 -1 5237 -9.6910241991281509e-03 - - -1.5696419775485992e-01 3.8263391703367233e-02 - <_> - - 0 -1 5238 -1.2825420498847961e-01 - - 2.8350758552551270e-01 -2.7224350720643997e-02 - <_> - - 0 -1 5239 -3.9670959813520312e-04 - - -1.3316330313682556e-01 5.3896941244602203e-02 - <_> - - 0 -1 5240 -8.2217011367902160e-04 - - -1.3680179417133331e-01 7.7957339584827423e-02 - <_> - - 0 -1 5241 7.4795359978452325e-05 - - -9.0496443212032318e-02 6.8528160452842712e-02 - <_> - - 0 -1 5242 9.3816556036472321e-03 - - -9.9184580147266388e-02 6.4078651368618011e-02 - <_> - - 0 -1 5243 -6.6485297866165638e-03 - - 1.4783580601215363e-01 -4.6988330781459808e-02 - <_> - - 0 -1 5244 -5.5821631103754044e-03 - - -1.3562120497226715e-01 5.5308390408754349e-02 - <_> - - 0 -1 5245 -3.0224759131669998e-02 - - 3.4760668873786926e-01 -1.6698839142918587e-02 - <_> - - 0 -1 5246 -2.7506949380040169e-02 - - 2.8031051158905029e-01 -1.0123490355908871e-02 - <_> - - 0 -1 5247 1.5043930150568485e-02 - - 1.5279079787433147e-02 -3.9506959915161133e-01 - <_> - - 0 -1 5248 9.2139653861522675e-03 - - 2.6678409427404404e-02 -1.4255590736865997e-01 - <_> - - 0 -1 5249 6.3955582678318024e-02 - - 6.2569188885390759e-03 -8.8076668977737427e-01 - <_> - - 0 -1 5250 3.0171850085025653e-05 - - -1.1047919839620590e-01 5.1936849951744080e-02 - <_> - - 0 -1 5251 -5.1049161702394485e-03 - - 2.1350729465484619e-01 -2.7889270335435867e-02 - <_> - - 0 -1 5252 -9.1436346992850304e-03 - - -1.9197109341621399e-01 3.0341459438204765e-02 - <_> - - 0 -1 5253 -7.6746046543121338e-02 - - -7.2468912601470947e-01 7.1879802271723747e-03 - <_> - - 0 -1 5254 4.8780560493469238e-02 - - -2.1447779610753059e-02 3.0364468693733215e-01 - <_> - - 0 -1 5255 4.2551410198211670e-01 - - 6.3504311256110668e-03 -9.4783991575241089e-01 - <_> - - 0 -1 5256 2.2590209264308214e-03 - - 1.8893169239163399e-02 -1.9443869590759277e-01 - <_> - - 0 -1 5257 -3.8309961091727018e-03 - - -1.2813219428062439e-01 4.7748729586601257e-02 - <_> - - 0 -1 5258 7.5495108030736446e-03 - - -6.7982822656631470e-02 7.6470799744129181e-02 - <_> - - 0 -1 5259 1.4784730039536953e-02 - - -3.4885041415691376e-02 1.7936830222606659e-01 - <_> - - 0 -1 5260 5.6762639433145523e-02 - - 1.2816789560019970e-02 -4.8105829954147339e-01 - <_> - - 0 -1 5261 -2.5854599662125111e-03 - - 1.2653970718383789e-01 -4.7761850059032440e-02 - <_> - - 0 -1 5262 -5.5542518384754658e-03 - - 7.2126902639865875e-02 -3.8657661527395248e-02 - <_> - - 0 -1 5263 2.6672501116991043e-03 - - -6.1485260725021362e-02 1.2647840380668640e-01 - <_> - - 0 -1 5264 -2.2879959642887115e-01 - - -4.8435351252555847e-01 4.5618140138685703e-03 - <_> - - 0 -1 5265 3.7851329892873764e-02 - - 1.8769560381770134e-02 -3.0806949734687805e-01 - <_> - - 0 -1 5266 2.4275709874927998e-03 - - -7.1589171886444092e-02 8.1694543361663818e-02 - <_> - - 0 -1 5267 -7.9000797122716904e-03 - - -1.2589320540428162e-01 4.7421310096979141e-02 - <_> - - 0 -1 5268 -6.7925411276519299e-03 - - 6.1758730560541153e-02 -5.3803559392690659e-02 - <_> - - 0 -1 5269 -1.7522360384464264e-01 - - 3.3726111054420471e-01 -1.7961960285902023e-02 - <_> - - 0 -1 5270 6.6033959388732910e-02 - - 4.4206557795405388e-03 -5.5819147825241089e-01 - <_> - - 0 -1 5271 5.1699979230761528e-03 - - 5.3349301218986511e-02 -1.2245289981365204e-01 - <_> - - 0 -1 5272 1.2047989666461945e-01 - - -6.9788158871233463e-03 7.9341912269592285e-01 - <_> - - 0 -1 5273 -4.2617730796337128e-03 - - 7.8014120459556580e-02 -6.8260386586189270e-02 - <_> - - 0 -1 5274 3.0685370787978172e-02 - - 9.3320813030004501e-03 -2.7420249581336975e-01 - <_> - - 0 -1 5275 -6.8651121109724045e-03 - - -1.3084979355335236e-01 4.7273408621549606e-02 - <_> - - 0 -1 5276 -3.9284229278564453e-03 - - 1.1553719639778137e-01 -5.5044289678335190e-02 - <_> - - 0 -1 5277 -4.2112590745091438e-03 - - 1.3730779290199280e-01 -5.2514389157295227e-02 - <_> - - 0 -1 5278 -7.6999869197607040e-03 - - -3.4011191129684448e-01 1.7478680238127708e-02 - <_> - - 0 -1 5279 -1.1867909692227840e-02 - - 2.5731179118156433e-01 -2.5691770017147064e-02 - <_> - - 0 -1 5280 5.3619472309947014e-03 - - 1.1936780065298080e-02 -2.8930050134658813e-01 - <_> - - 0 -1 5281 -2.3130229674279690e-03 - - -1.0821309685707092e-01 5.3640749305486679e-02 - <_> - - 0 -1 5282 -2.2222870588302612e-01 - - 3.1654310226440430e-01 -1.4542319811880589e-02 - <_> - - 0 -1 5283 6.2593920156359673e-03 - - 3.7795171141624451e-02 -1.5100699663162231e-01 - <_> - - 0 -1 5284 3.4754760563373566e-03 - - -6.3047468662261963e-02 8.5025683045387268e-02 - <_> - - 0 -1 5285 -2.8249478782527149e-04 - - -1.1442869901657104e-01 5.6041400879621506e-02 - <_> - - 0 -1 5286 4.8107700422406197e-04 - - -9.6898466348648071e-02 2.8347050771117210e-02 - <_> - - 0 -1 5287 2.4178959429264069e-02 - - -2.1033059805631638e-02 2.5629448890686035e-01 - <_> - - 0 -1 5288 2.9526960104703903e-02 - - 1.6122579574584961e-02 -3.4472090005874634e-01 - <_> - - 0 -1 5289 -3.0501780565828085e-03 - - -1.3633529841899872e-01 4.0983788669109344e-02 - <_> - - 0 -1 5290 1.0082300286740065e-03 - - -6.0927029699087143e-02 4.0717199444770813e-02 - <_> - - 0 -1 5291 -3.0384280253201723e-03 - - 6.1883278191089630e-02 -9.7887121140956879e-02 - <_> - - 0 -1 5292 3.2816259190440178e-03 - - -4.7950621694326401e-02 6.2675401568412781e-02 - <_> - - 0 -1 5293 1.3182610273361206e-02 - - 2.2476239502429962e-01 -2.5649169459939003e-02 - <_> - - 0 -1 5294 -2.3278119042515755e-03 - - 7.3735602200031281e-02 -5.1023889333009720e-02 - <_> - - 0 -1 5295 -1.0695509612560272e-02 - - -7.5625538825988770e-01 7.3301601223647594e-03 - <_> - - 0 -1 5296 7.8046746551990509e-02 - - 1.8139410531148314e-03 -6.2067931890487671e-01 - <_> - - 0 -1 5297 5.6678339838981628e-02 - - 6.2128840945661068e-03 -7.8200930356979370e-01 - <_> - - 0 -1 5298 7.2442921809852123e-03 - - -4.8852469772100449e-02 1.0644549876451492e-01 - <_> - - 0 -1 5299 -6.6754333674907684e-02 - - -6.4796060323715210e-01 8.7654050439596176e-03 - <_> - - 0 -1 5300 -3.4662630409002304e-02 - - 3.3293959498405457e-01 -1.7286069691181183e-02 - <_> - - 0 -1 5301 -1.5084750019013882e-02 - - -1.2696580588817596e-01 4.5507699251174927e-02 - <_> - - 0 -1 5302 -2.3421730846166611e-02 - - -2.5279340147972107e-01 1.5818970277905464e-02 - <_> - - 0 -1 5303 2.5689320638775826e-02 - - -3.7194628268480301e-02 1.6223169863224030e-01 - <_> - - 0 -1 5304 6.3883140683174133e-03 - - 3.0617009848356247e-02 -1.3695000112056732e-01 - <_> - - 0 -1 5305 -1.0519590228796005e-01 - - -8.4453481435775757e-01 6.6635669209063053e-03 - <_> - - 0 -1 5306 1.8773669376969337e-02 - - 4.6610347926616669e-03 -1.7115519940853119e-01 - <_> - - 0 -1 5307 -1.3318320270627737e-03 - - 6.5780423581600189e-02 -8.7241567671298981e-02 - <_> - - 0 -1 5308 -2.1417330205440521e-01 - - 4.7866639494895935e-01 -3.0801231041550636e-03 - <_> - - 0 -1 5309 -5.5097872018814087e-01 - - -6.3633698225021362e-01 8.8994754478335381e-03 - <_> - - 0 -1 5310 -3.3415539655834436e-03 - - 1.2846040725708008e-01 -3.2317079603672028e-02 - <_> - - 0 -1 5311 1.0858159512281418e-03 - - -1.1438050121068954e-01 4.7090869396924973e-02 - <_> - - 0 -1 5312 4.2784498073160648e-03 - - 4.3842699378728867e-02 -8.0856688320636749e-02 - <_> - - 0 -1 5313 -2.0054390188306570e-03 - - 1.0532370209693909e-01 -5.0866328179836273e-02 - <_> - - 0 -1 5314 -3.4336079843342304e-03 - - -7.9986043274402618e-02 4.2570270597934723e-02 - <_> - - 0 -1 5315 -1.2204749509692192e-03 - - 4.1162941604852676e-02 -1.3378110527992249e-01 - <_> - - 0 -1 5316 -1.3440379500389099e-01 - - -5.2044588327407837e-01 2.9635489918291569e-03 - <_> - - 0 -1 5317 1.4581819996237755e-02 - - -1.9067969173192978e-02 4.0065661072731018e-01 - <_> - - 0 -1 5318 -2.8450360987335443e-03 - - -5.8998711407184601e-02 3.1797751784324646e-02 - <_> - - 0 -1 5319 4.8618339933454990e-03 - - 3.9754759520292282e-02 -1.4741879701614380e-01 - <_> - - 0 -1 5320 5.6295008398592472e-03 - - -4.2094878852367401e-02 4.1394129395484924e-02 - <_> - - 0 -1 5321 -4.5936359092593193e-03 - - 2.0751099288463593e-01 -2.7909379452466965e-02 - <_> - - 0 -1 5322 -3.0693739652633667e-02 - - -3.4029048681259155e-01 5.0333337858319283e-03 - <_> - - 0 -1 5323 3.1476689036935568e-04 - - -8.8118873536586761e-02 6.3354291021823883e-02 - <_> - - 0 -1 5324 -3.4313879441469908e-03 - - 5.9088770300149918e-02 -6.7773580551147461e-02 - <_> - - 0 -1 5325 -3.4075058647431433e-04 - - -9.8268762230873108e-02 5.8783698827028275e-02 - <_> - - 0 -1 5326 -3.7829359062016010e-03 - - 1.7841720581054688e-01 -4.6912178397178650e-02 - <_> - - 0 -1 5327 -4.6322058886289597e-02 - - -1.6307410597801208e-01 3.9191931486129761e-02 - <_> - - 0 -1 5328 1.8471380695700645e-02 - - 1.5975039452314377e-02 -2.8808701038360596e-01 - <_> - - 0 -1 5329 9.0416809543967247e-03 - - -3.1815830618143082e-02 1.6392929852008820e-01 - <_> - - 0 -1 5330 -3.1387940049171448e-02 - - 1.5696319937705994e-01 -1.5333149582147598e-02 - <_> - - 0 -1 5331 -7.5614887464325875e-05 - - 7.4591353535652161e-02 -8.4359541535377502e-02 - <_> - - 0 -1 5332 -2.3939300328493118e-02 - - -1.1604589968919754e-01 3.0868789181113243e-02 - <_> - - 0 -1 5333 2.2537580225616693e-03 - - 4.0261909365653992e-02 -1.6604030132293701e-01 - <_> - - 0 -1 5334 -5.3389810025691986e-02 - - 1.0318890213966370e-01 -2.0877240225672722e-02 - <_> - - 0 -1 5335 5.6420508772134781e-03 - - -4.6839520335197449e-02 1.1634089797735214e-01 - <_> - - 0 -1 5336 4.2355400510132313e-03 - - 2.5631250813603401e-02 -9.3193583190441132e-02 - <_> - - 0 -1 5337 -2.1929260343313217e-02 - - -3.5141220688819885e-01 1.5704020857810974e-02 - <_> - - 0 -1 5338 1.3050789944827557e-02 - - -7.6834131032228470e-03 1.3095930218696594e-01 - <_> - - 0 -1 5339 2.2426109760999680e-02 - - 6.3964631408452988e-03 -8.0513131618499756e-01 - <_> - - 0 -1 5340 -8.8755652308464050e-02 - - 3.9323249459266663e-01 -1.0365420021116734e-02 - <_> - - 0 -1 5341 1.1768270283937454e-02 - - -7.5270563364028931e-02 7.1183227002620697e-02 - <_> - - 0 -1 5342 2.1221570670604706e-02 - - 2.4082770571112633e-02 -1.6292670369148254e-01 - <_> - - 0 -1 5343 -5.2887611091136932e-02 - - 3.3231079578399658e-01 -1.5548040159046650e-02 - <_> - - 0 -1 5344 2.5847768783569336e-01 - - 9.5278248190879822e-03 -6.3773447275161743e-01 - <_> - - 0 -1 5345 -2.8695159126073122e-03 - - -9.8719991743564606e-02 5.5244650691747665e-02 - <_> - - 0 -1 5346 1.2492690235376358e-01 - - 1.9365450134500861e-03 -9.9999272823333740e-01 - <_> - - 0 -1 5347 4.3900720775127411e-02 - - -1.6385570168495178e-02 3.7183851003646851e-01 - <_> - - 0 -1 5348 5.2520469762384892e-03 - - 4.7758270055055618e-02 -1.3461829721927643e-01 - <_> - - 0 -1 5349 -2.0031959284096956e-03 - - 8.3587102591991425e-02 -6.7750580608844757e-02 - <_> - - 0 -1 5350 4.4535310007631779e-03 - - -8.9202463626861572e-02 4.6748258173465729e-02 - <_> - - 0 -1 5351 1.5174630284309387e-01 - - 5.6481529027223587e-03 -8.2450437545776367e-01 - <_> - - 0 -1 5352 -6.1992209404706955e-02 - - -4.3334591388702393e-01 5.3922580555081367e-03 - <_> - - 0 -1 5353 -9.3085348606109619e-02 - - 5.2169102430343628e-01 -9.9382782354950905e-03 - <_> - - 0 -1 5354 -4.9394429661333561e-03 - - -2.0004139840602875e-01 2.7710979804396629e-02 - <_> - - 0 -1 5355 -1.3681269483640790e-03 - - 8.5065416991710663e-02 -7.4542969465255737e-02 - <_> - - 0 -1 5356 -2.7988219517283142e-04 - - -7.6987631618976593e-02 6.8912938237190247e-02 - <_> - - 0 -1 5357 -3.2129848841577768e-03 - - 1.5940999984741211e-01 -3.4221589565277100e-02 - <_> - - 0 -1 5358 3.9533369243144989e-02 - - 3.1095379963517189e-03 -8.5460907220840454e-01 - <_> - - 0 -1 5359 2.0442719105631113e-03 - - -6.4074553549289703e-02 7.8644759953022003e-02 - <_> - - 0 -1 5360 -2.0770760253071785e-02 - - -3.1129410862922668e-01 4.3864948675036430e-03 - <_> - - 0 -1 5361 -4.7200381755828857e-02 - - 1.0526890307664871e-01 -5.1456131041049957e-02 - <_> - - 0 -1 5362 1.3096869923174381e-02 - - 9.9430568516254425e-03 -1.4253680408000946e-01 - <_> - - 0 -1 5363 -1.0935390368103981e-02 - - -1.6756610572338104e-01 3.5863548517227173e-02 - <_> - - 0 -1 5364 -1.6354349255561829e-01 - - -8.2129329442977905e-01 1.9741130527108908e-03 - <_> - - 0 -1 5365 3.8668718189001083e-02 - - -1.1329679749906063e-02 4.7532460093498230e-01 - <_> - - 0 -1 5366 6.0949958860874176e-02 - - 1.1516530066728592e-02 -5.7472079992294312e-01 - <_> - - 0 -1 5367 -1.2101690284907818e-02 - - 1.5505610406398773e-01 -3.2629158347845078e-02 - <_> - - 0 -1 5368 -1.0064270347356796e-02 - - -9.2389531433582306e-02 3.2318059355020523e-02 - <_> - - 0 -1 5369 -5.8900681324303150e-03 - - -2.6503130793571472e-01 1.9127139821648598e-02 - <_> - - 0 -1 5370 -3.1361039727926254e-02 - - 5.6730771064758301e-01 -9.6010044217109680e-03 - <_> - - 0 -1 5371 -4.7777321189641953e-02 - - 5.9038662910461426e-01 -7.4091539718210697e-03 - <_> - - 0 -1 5372 -1.0792270302772522e-02 - - -1.2814930081367493e-01 4.0264949202537537e-02 - <_> - - 0 -1 5373 -1.4374120160937309e-02 - - 2.0772540569305420e-01 -2.9854990541934967e-02 - <_> - - 0 -1 5374 5.2079811692237854e-02 - - -3.8335260469466448e-03 7.5818628072738647e-01 - <_> - - 0 -1 5375 6.1354418285191059e-03 - - 3.0476450920104980e-02 -1.7281690239906311e-01 - <_> - - 0 -1 5376 -3.0654598958790302e-03 - - 5.8025300502777100e-02 -7.9617038369178772e-02 - <_> - - 0 -1 5377 5.7721929624676704e-03 - - -3.6747518926858902e-02 1.6319790482521057e-01 - <_> - - 0 -1 5378 2.7028471231460571e-01 - - -3.9847781881690025e-03 4.9476540088653564e-01 - <_> - - 0 -1 5379 -1.5034529566764832e-01 - - -5.2624911069869995e-01 1.0567910037934780e-02 - <_> - - 0 -1 5380 7.6101601123809814e-02 - - -2.3525250144302845e-03 9.1819989681243896e-01 - <_> - - 0 -1 5381 -5.5953811854124069e-02 - - -7.8321272134780884e-01 6.8363421596586704e-03 - <_> - - 0 -1 5382 -2.4320950731635094e-02 - - 2.2739610075950623e-01 -1.1622290126979351e-02 - <_> - - 0 -1 5383 1.6274319961667061e-02 - - 1.4024170115590096e-02 -3.4222239255905151e-01 - <_> - - 0 -1 5384 7.7015208080410957e-04 - - -4.4768709689378738e-02 5.7412229478359222e-02 - <_> - - 0 -1 5385 1.3995269546285272e-03 - - -6.0614239424467087e-02 8.4398999810218811e-02 - <_> - - 0 -1 5386 -2.0544769242405891e-02 - - -1.8160410225391388e-01 2.0795119926333427e-02 - <_> - - 0 -1 5387 -3.6872550845146179e-02 - - 2.6817229390144348e-01 -1.9921269267797470e-02 - <_> - - 0 -1 5388 -2.5466610677540302e-03 - - -1.3361929357051849e-01 1.9191939383745193e-02 - <_> - - 0 -1 5389 3.3513590693473816e-02 - - 9.8206587135791779e-03 -5.2659887075424194e-01 - <_> - - 0 -1 5390 -5.5437661707401276e-02 - - 4.5292490720748901e-01 -9.3475803732872009e-03 - <_> - - 0 -1 5391 -5.3564338013529778e-03 - - -1.4787580072879791e-01 3.3617950975894928e-02 - <_> - - 0 -1 5392 1.1551200412213802e-02 - - -3.2851058989763260e-02 6.3716597855091095e-02 - <_> - - 0 -1 5393 7.2917826473712921e-02 - - -1.6388719901442528e-02 3.1580808758735657e-01 - <_> - - 0 -1 5394 -8.9563012123107910e-02 - - 7.5366562604904175e-01 -2.0717559382319450e-03 - <_> - - 0 -1 5395 -2.2225419525057077e-03 - - -9.2733852565288544e-02 6.0395851731300354e-02 - <_> - - 0 -1 5396 -1.7847110331058502e-01 - - 4.7988530993461609e-01 -1.0481510311365128e-02 - <_> - - 0 -1 5397 6.7723011597990990e-03 - - 5.2660830318927765e-02 -1.0471290349960327e-01 - <_> - - 0 -1 5398 2.8399130329489708e-02 - - -2.2862000390887260e-02 2.5348138809204102e-01 - <_> - - 0 -1 5399 -7.0053818635642529e-03 - - -1.3017000257968903e-01 4.3448921293020248e-02 - <_> - - 0 -1 5400 -5.1440461538732052e-03 - - -1.4800100028514862e-01 4.5171629637479782e-02 - <_> - - 0 -1 5401 -1.1269059963524342e-02 - - 1.1185359954833984e-01 -5.4867088794708252e-02 - <_> - - 0 -1 5402 2.2866109386086464e-02 - - -1.5563690103590488e-02 2.1705490350723267e-01 - <_> - - 0 -1 5403 5.1559228450059891e-02 - - 1.0421809740364552e-02 -5.3233247995376587e-01 - <_> - - 0 -1 5404 1.8902059644460678e-02 - - -3.0878869816660881e-02 5.5574499070644379e-02 - <_> - - 0 -1 5405 5.5700382217764854e-03 - - 5.3661361336708069e-02 -9.4876497983932495e-02 - <_> - - 0 -1 5406 -2.3021729663014412e-02 - - 1.2766240537166595e-01 -2.2307910025119781e-02 - <_> - - 0 -1 5407 7.1334750391542912e-03 - - 3.1089689582586288e-02 -1.6293430328369141e-01 - <_> - - 0 -1 5408 -2.9335260391235352e-02 - - 1.0503090173006058e-01 -2.6008550077676773e-02 - <_> - - 0 -1 5409 4.6253278851509094e-02 - - 7.8362170606851578e-03 -6.6226661205291748e-01 - <_> - - 0 -1 5410 3.9622580516152084e-04 - - -9.4567127525806427e-02 2.6796899735927582e-02 - <_> - - 0 -1 5411 -1.1323750019073486e-02 - - 7.4313652515411377e-01 -6.7432140931487083e-03 - <_> - - 0 -1 5412 -1.7217209935188293e-01 - - -7.1483498811721802e-01 8.1747565418481827e-03 - <_> - - 0 -1 5413 1.8156579462811351e-03 - - 4.8135720193386078e-02 -1.0678470134735107e-01 - <_> - - 0 -1 5414 5.8022491633892059e-02 - - -7.4218288064002991e-03 3.8226440548896790e-01 - <_> - - 0 -1 5415 1.4357370091602206e-03 - - -2.2542880475521088e-01 2.1576719358563423e-02 - <_> - - 0 -1 5416 5.5960440076887608e-03 - - 2.5731930136680603e-01 -2.1246509626507759e-02 - <_> - - 0 -1 5417 2.5314849335700274e-03 - - -3.6227720975875854e-01 1.5138260088860989e-02 - <_> - - 0 -1 5418 -4.2207110673189163e-03 - - -4.6638991683721542e-02 2.6125539094209671e-02 - <_> - - 0 -1 5419 -5.4260431788861752e-03 - - 1.0110379755496979e-01 -5.2066121250391006e-02 - <_> - - 0 -1 5420 1.6170790186151862e-03 - - -4.1680540889501572e-02 9.6459351480007172e-02 - <_> - - 0 -1 5421 -3.2414530869573355e-03 - - -1.2638680636882782e-01 3.9169210940599442e-02 - <_> - - 0 -1 5422 4.5421482063829899e-03 - - -2.9149880632758141e-02 6.9948889315128326e-02 - <_> - - 0 -1 5423 5.3024510852992535e-03 - - -7.9129062592983246e-02 6.1111859977245331e-02 - <_> - - 0 -1 5424 -4.6412080526351929e-02 - - 3.1127449870109558e-01 -6.2580788508057594e-03 - <_> - - 0 -1 5425 -6.2991487793624401e-03 - - -8.3928130567073822e-02 6.6761530935764313e-02 - <_> - - 0 -1 5426 7.9948090016841888e-02 - - 2.6887101121246815e-03 -5.6553709506988525e-01 - <_> - - 0 -1 5427 9.9693494848906994e-04 - - -7.2051003575325012e-02 9.2260897159576416e-02 - <_> - - 0 -1 5428 -2.1847949828952551e-03 - - 8.3864517509937286e-02 -6.6099606454372406e-02 - <_> - - 0 -1 5429 -1.5286840498447418e-01 - - 6.1705768108367920e-01 -8.1674018874764442e-03 - <_> - - 0 -1 5430 1.7121130600571632e-02 - - 2.6676440611481667e-02 -1.4158309996128082e-01 - <_> - - 0 -1 5431 1.8799189710989594e-03 - - -7.7865563333034515e-02 6.7955218255519867e-02 - <_> - - 0 -1 5432 5.5029629729688168e-03 - - -7.9979859292507172e-02 6.4055956900119781e-02 - <_> - - 0 -1 5433 2.7474550530314445e-02 - - 6.0482721775770187e-02 -8.8957548141479492e-02 - <_> - - 0 -1 5434 2.7708879113197327e-01 - - 4.4098719954490662e-03 -1.0000040531158447e+00 - <_> - - 0 -1 5435 -4.9538668245077133e-03 - - 1.4720940589904785e-01 -3.5671569406986237e-02 - <_> - - 0 -1 5436 4.7095369547605515e-02 - - -6.0950522311031818e-03 2.4319580197334290e-01 - <_> - - 0 -1 5437 -3.1939700711518526e-03 - - -1.3417580723762512e-01 3.9335511624813080e-02 - <_> - - 0 -1 5438 3.5586568992584944e-03 - - 2.1399470046162605e-02 -4.3609801679849625e-02 - <_> - - 0 -1 5439 -1.0028639808297157e-02 - - 1.6288889944553375e-01 -3.1448449939489365e-02 - <_> - - 0 -1 5440 -2.9802629724144936e-03 - - -7.0220857858657837e-02 3.7910789251327515e-02 - <_> - - 0 -1 5441 1.7347529530525208e-02 - - 1.1053959839046001e-02 -4.5107790827751160e-01 - <_> - - 0 -1 5442 -4.4207129627466202e-02 - - 1.4115320146083832e-01 -6.2362072058022022e-03 - <_> - - 0 -1 5443 -3.2249989453703165e-03 - - -1.0305760055780411e-01 4.9647849053144455e-02 - <_> - - 0 -1 5444 7.5196991674602032e-03 - - -2.8604390099644661e-02 9.8367802798748016e-02 - <_> - - 0 -1 5445 -6.1209458857774734e-02 - - 2.2113859653472900e-01 -2.9835490509867668e-02 - <_> - - 0 -1 5446 2.0107250660657883e-02 - - 1.6412479802966118e-02 -1.2316829711198807e-01 - <_> - - 0 -1 5447 -1.6578679904341698e-02 - - -2.3395630717277527e-01 3.0250690877437592e-02 - <_> - - 0 -1 5448 -6.0900870710611343e-02 - - 3.1688570976257324e-01 -1.8433200195431709e-02 - <_> - - 0 -1 5449 4.2772209271788597e-03 - - -4.3859448283910751e-02 1.2858760356903076e-01 - <_> - - 0 -1 5450 6.6130697727203369e-02 - - 2.0941190421581268e-02 -2.0549100637435913e-01 - <_> - - 0 -1 5451 2.5896991137415171e-03 - - -8.2597322762012482e-02 7.7048726379871368e-02 - <_> - - 0 -1 5452 -1.7113700509071350e-02 - - -9.9560201168060303e-02 2.0174279808998108e-02 - <_> - - 0 -1 5453 6.2078679911792278e-03 - - -1.5074240043759346e-02 3.5393691062927246e-01 - <_> - - 0 -1 5454 -3.3676949143409729e-01 - - -4.9838671088218689e-01 7.4067250825464725e-03 - <_> - - 0 -1 5455 5.0239380449056625e-02 - - -1.8589239567518234e-02 2.8223350644111633e-01 - <_> - - 0 -1 5456 1.1036300100386143e-02 - - 2.9623959213495255e-02 -2.0078790187835693e-01 - <_> - - 0 -1 5457 6.0965020209550858e-02 - - -1.1036460287868977e-02 5.0334519147872925e-01 - <_> - - 0 -1 5458 1.5966590493917465e-02 - - 1.3941870070993900e-02 -2.4742470681667328e-01 - <_> - 243 - -1.4138590097427368e+00 - - <_> - - 0 -1 5459 -3.8829419761896133e-02 - - 3.1823828816413879e-01 -1.4062009751796722e-01 - <_> - - 0 -1 5460 -6.7771300673484802e-02 - - 2.0526969432830811e-01 -1.7867469787597656e-01 - <_> - - 0 -1 5461 9.3152940273284912e-02 - - -1.3293810188770294e-01 2.3252120614051819e-01 - <_> - - 0 -1 5462 -6.0846367850899696e-03 - - 1.9817650318145752e-01 -1.5535140037536621e-01 - <_> - - 0 -1 5463 -1.7230149358510971e-02 - - 2.5784310698509216e-01 -9.0387366712093353e-02 - <_> - - 0 -1 5464 4.1907798498868942e-02 - - 6.2066148966550827e-02 -3.2303139567375183e-01 - <_> - - 0 -1 5465 -3.4084350336343050e-03 - - -3.1667909026145935e-01 6.0275040566921234e-02 - <_> - - 0 -1 5466 3.4909289330244064e-02 - - -1.2456309795379639e-01 1.6099859774112701e-01 - <_> - - 0 -1 5467 1.1676900088787079e-02 - - -1.8025660514831543e-01 1.2234430015087128e-01 - <_> - - 0 -1 5468 -1.2773449998348951e-03 - - -2.4735580384731293e-01 6.2129739671945572e-02 - <_> - - 0 -1 5469 1.6917299479246140e-02 - - 6.9671042263507843e-02 -2.5292581319808960e-01 - <_> - - 0 -1 5470 2.5656640529632568e-02 - - 2.6212580502033234e-02 -1.6348999738693237e-01 - <_> - - 0 -1 5471 1.9884048961102962e-03 - - -3.1018510460853577e-01 5.0259251147508621e-02 - <_> - - 0 -1 5472 4.2548488825559616e-02 - - 1.7065819352865219e-02 -4.7830620408058167e-01 - <_> - - 0 -1 5473 6.0466718859970570e-03 - - -2.2118049860000610e-01 7.2842411696910858e-02 - <_> - - 0 -1 5474 -8.0229081213474274e-03 - - -1.4530059695243835e-01 4.9906261265277863e-02 - <_> - - 0 -1 5475 3.7937261164188385e-02 - - -3.4007780253887177e-02 4.3715330958366394e-01 - <_> - - 0 -1 5476 -5.2960298955440521e-02 - - -2.8856590390205383e-01 1.8457209691405296e-02 - <_> - - 0 -1 5477 7.5578060932457447e-03 - - -2.3534600436687469e-01 6.0302570462226868e-02 - <_> - - 0 -1 5478 -1.5554980374872684e-02 - - -2.6567730307579041e-01 5.5279370397329330e-02 - <_> - - 0 -1 5479 3.4035260323435068e-03 - - 4.6175889670848846e-02 -3.3651891350746155e-01 - <_> - - 0 -1 5480 -1.9370270892977715e-02 - - 1.9603839516639709e-01 -8.0186828970909119e-02 - <_> - - 0 -1 5481 2.1719569340348244e-02 - - 4.1932079941034317e-02 -3.4327590465545654e-01 - <_> - - 0 -1 5482 -3.8787510129623115e-04 - - -2.5382238626480103e-01 4.5200780034065247e-02 - <_> - - 0 -1 5483 3.3794559538364410e-02 - - -6.4901560544967651e-02 2.1238659322261810e-01 - <_> - - 0 -1 5484 -9.1701336205005646e-03 - - -2.3874589800834656e-01 4.0796380490064621e-02 - <_> - - 0 -1 5485 -1.3741330476477742e-03 - - -1.6430020332336426e-01 8.1496283411979675e-02 - <_> - - 0 -1 5486 -1.2352719902992249e-02 - - 1.6805070638656616e-01 -5.7883970439434052e-02 - <_> - - 0 -1 5487 -1.1177700012922287e-02 - - -1.9775860011577606e-01 6.3408702611923218e-02 - <_> - - 0 -1 5488 2.5044390931725502e-03 - - -1.2900459766387939e-01 5.8973610401153564e-02 - <_> - - 0 -1 5489 2.1939110010862350e-03 - - 1.4937159419059753e-01 -7.9897291958332062e-02 - <_> - - 0 -1 5490 -4.6443499624729156e-02 - - -4.4332349300384521e-01 2.0691359415650368e-02 - <_> - - 0 -1 5491 -3.8867309689521790e-02 - - -5.3450870513916016e-01 2.1435650065541267e-02 - <_> - - 0 -1 5492 -2.0838780328631401e-03 - - 5.3876239806413651e-02 -1.6674530506134033e-01 - <_> - - 0 -1 5493 -1.7784969881176949e-02 - - 2.5898349285125732e-01 -6.5794423222541809e-02 - <_> - - 0 -1 5494 -9.9478460848331451e-02 - - -7.2332090139389038e-01 6.1601991765201092e-03 - <_> - - 0 -1 5495 -2.5733250658959150e-03 - - 7.2027653455734253e-02 -1.7522309720516205e-01 - <_> - - 0 -1 5496 6.9977439939975739e-02 - - -3.0238330364227295e-02 3.9809378981590271e-01 - <_> - - 0 -1 5497 -1.0880780406296253e-02 - - -3.0606269836425781e-01 4.5210558921098709e-02 - <_> - - 0 -1 5498 4.8081401735544205e-02 - - 4.3911099433898926e-02 -2.5686219334602356e-01 - <_> - - 0 -1 5499 7.9688243567943573e-02 - - -3.3741600811481476e-02 3.6532700061798096e-01 - <_> - - 0 -1 5500 -1.5404020436108112e-02 - - -1.7731459438800812e-01 2.3800730705261230e-02 - <_> - - 0 -1 5501 -3.6643899977207184e-02 - - -6.3931107521057129e-01 1.7518630251288414e-02 - <_> - - 0 -1 5502 -1.3072500005364418e-02 - - -2.4119360744953156e-01 5.8876950293779373e-02 - <_> - - 0 -1 5503 -2.5379280559718609e-03 - - -2.0509210228919983e-01 5.8915760368108749e-02 - <_> - - 0 -1 5504 4.7491278499364853e-02 - - 2.2842779755592346e-02 -3.9453479647636414e-01 - <_> - - 0 -1 5505 -2.1489640697836876e-02 - - -3.1091120839118958e-01 3.8020871579647064e-02 - <_> - - 0 -1 5506 1.3841330073773861e-02 - - -5.6039519608020782e-02 2.1308979392051697e-01 - <_> - - 0 -1 5507 4.9399589188396931e-03 - - -1.8838630616664886e-01 6.2171839177608490e-02 - <_> - - 0 -1 5508 1.3483439572155476e-02 - - 3.6875329911708832e-02 -2.4952369928359985e-01 - <_> - - 0 -1 5509 -8.4225656464695930e-03 - - 7.1501091122627258e-02 -1.3996620476245880e-01 - <_> - - 0 -1 5510 -4.3786991387605667e-02 - - 2.0128419995307922e-01 -5.3744260221719742e-02 - <_> - - 0 -1 5511 -1.0068439878523350e-02 - - -1.6707019507884979e-01 6.1345089226961136e-02 - <_> - - 0 -1 5512 2.4383061099797487e-03 - - -1.2105459719896317e-01 4.9807701259851456e-02 - <_> - - 0 -1 5513 3.2083820551633835e-03 - - -5.6045360863208771e-02 1.7955709993839264e-01 - <_> - - 0 -1 5514 -2.0389519631862640e-02 - - -3.1983590126037598e-01 3.4141618758440018e-02 - <_> - - 0 -1 5515 -2.2914420813322067e-02 - - -3.9454650878906250e-01 2.3838970810174942e-02 - <_> - - 0 -1 5516 1.8566900864243507e-02 - - 3.8432560861110687e-02 -2.2991999983787537e-01 - <_> - - 0 -1 5517 -1.0277030058205128e-02 - - 2.2557449340820312e-01 -4.9223229289054871e-02 - <_> - - 0 -1 5518 -9.7914133220911026e-03 - - 1.9327880442142487e-01 -3.6139059811830521e-02 - <_> - - 0 -1 5519 1.2699839659035206e-02 - - 5.6297991424798965e-02 -2.0981599390506744e-01 - <_> - - 0 -1 5520 3.9867468178272247e-02 - - 9.4982674345374107e-03 -4.7686201333999634e-01 - <_> - - 0 -1 5521 3.3704519271850586e-02 - - 1.8848460167646408e-02 -5.3707981109619141e-01 - <_> - - 0 -1 5522 -3.3695269376039505e-02 - - -2.7003350853919983e-01 3.8956340402364731e-02 - <_> - - 0 -1 5523 2.3961249738931656e-02 - - -9.5000430941581726e-02 1.0282819718122482e-01 - <_> - - 0 -1 5524 8.2990229129791260e-02 - - 3.7828568369150162e-02 -3.0267751216888428e-01 - <_> - - 0 -1 5525 1.6537210345268250e-01 - - 2.3912150412797928e-02 -4.1214409470558167e-01 - <_> - - 0 -1 5526 1.8202569335699081e-02 - - 2.6127459481358528e-02 -6.9227010011672974e-02 - <_> - - 0 -1 5527 -4.5322380959987640e-02 - - -4.4437649846076965e-01 2.1279569715261459e-02 - <_> - - 0 -1 5528 4.7620609402656555e-02 - - -3.4070000052452087e-02 2.1065680682659149e-01 - <_> - - 0 -1 5529 1.0596530046314001e-03 - - 9.8347820341587067e-02 -9.2732593417167664e-02 - <_> - - 0 -1 5530 3.2028049230575562e-02 - - 2.3833949118852615e-02 -4.3276590108871460e-01 - <_> - - 0 -1 5531 -1.3764370232820511e-02 - - -4.1726619005203247e-01 2.1883359178900719e-02 - <_> - - 0 -1 5532 3.6652158945798874e-02 - - -2.6851410046219826e-02 1.0051230341196060e-01 - <_> - - 0 -1 5533 -1.5507760457694530e-02 - - 4.8519268631935120e-01 -2.4900710210204124e-02 - <_> - - 0 -1 5534 7.1460101753473282e-03 - - 5.7906471192836761e-02 -5.1613971590995789e-02 - <_> - - 0 -1 5535 2.4280229583382607e-02 - - -3.7341829389333725e-02 2.9201799631118774e-01 - <_> - - 0 -1 5536 -8.3522319793701172e-02 - - 3.7447971105575562e-01 -3.4602559171617031e-03 - <_> - - 0 -1 5537 3.1485721468925476e-02 - - 2.4092009291052818e-02 -3.9594879746437073e-01 - <_> - - 0 -1 5538 9.4820279628038406e-03 - - -7.3714673519134521e-02 1.3066330552101135e-01 - <_> - - 0 -1 5539 4.0116958320140839e-02 - - 3.0453719198703766e-02 -3.0641159415245056e-01 - <_> - - 0 -1 5540 -5.2815478295087814e-02 - - 4.5792409777641296e-01 -2.3906230926513672e-02 - <_> - - 0 -1 5541 4.6821571886539459e-03 - - -8.8395930826663971e-02 1.2858130037784576e-01 - <_> - - 0 -1 5542 -1.3448280096054077e-01 - - -2.7471750974655151e-01 1.5970310196280479e-02 - <_> - - 0 -1 5543 5.4646627977490425e-03 - - -2.1628439426422119e-01 4.3035320937633514e-02 - <_> - - 0 -1 5544 -3.5996358841657639e-02 - - -4.8524090647697449e-01 1.0563749819993973e-02 - <_> - - 0 -1 5545 2.5235998630523682e-01 - - 9.3745701014995575e-03 -8.8613390922546387e-01 - <_> - - 0 -1 5546 -2.5067269802093506e-02 - - -2.2364640235900879e-01 3.7146601825952530e-02 - <_> - - 0 -1 5547 -1.4150329865515232e-02 - - 3.7856650352478027e-01 -2.7817489579319954e-02 - <_> - - 0 -1 5548 1.0049570351839066e-01 - - 1.1244839988648891e-02 -7.1869522333145142e-01 - <_> - - 0 -1 5549 1.9989080727100372e-02 - - 2.6056809350848198e-02 -3.2147800922393799e-01 - <_> - - 0 -1 5550 -4.9160558730363846e-02 - - -2.3164880275726318e-01 1.6317559406161308e-02 - <_> - - 0 -1 5551 2.2118790075182915e-02 - - -5.0569478422403336e-02 1.7572580277919769e-01 - <_> - - 0 -1 5552 -7.6390360482037067e-03 - - 2.2264319658279419e-01 -4.3685391545295715e-02 - <_> - - 0 -1 5553 -1.6813250258564949e-03 - - 5.5582441389560699e-02 -1.7739319801330566e-01 - <_> - - 0 -1 5554 -1.6619000583887100e-02 - - -2.7812969684600830e-01 1.9737830385565758e-02 - <_> - - 0 -1 5555 -3.2801620662212372e-02 - - -2.3325189948081970e-01 3.6663819104433060e-02 - <_> - - 0 -1 5556 2.4526590108871460e-01 - - -2.9738940298557281e-02 3.1338408589363098e-01 - <_> - - 0 -1 5557 -1.7271770164370537e-02 - - 5.2818918228149414e-01 -1.4151779934763908e-02 - <_> - - 0 -1 5558 2.0111909136176109e-02 - - 2.7173580601811409e-02 -8.3122722804546356e-02 - <_> - - 0 -1 5559 1.6076749190688133e-02 - - 5.6346639990806580e-02 -1.5893140435218811e-01 - <_> - - 0 -1 5560 -1.0179769992828369e-01 - - 6.0448008775711060e-01 -7.6062050648033619e-03 - <_> - - 0 -1 5561 -4.4865649193525314e-02 - - 3.3077031373977661e-01 -2.5329189375042915e-02 - <_> - - 0 -1 5562 2.7094980701804161e-02 - - -6.9251723587512970e-02 1.5350599586963654e-01 - <_> - - 0 -1 5563 -3.7675891071557999e-02 - - -3.1949838995933533e-01 2.9909679666161537e-02 - <_> - - 0 -1 5564 -8.2310457946732640e-04 - - 6.0612969100475311e-02 -1.0531579703092575e-01 - <_> - - 0 -1 5565 5.5686049163341522e-02 - - -4.0920350700616837e-02 2.2959649562835693e-01 - <_> - - 0 -1 5566 -1.6866069927345961e-04 - - -7.7643588185310364e-02 2.9549270868301392e-02 - <_> - - 0 -1 5567 -2.3873209953308105e-02 - - 2.7944079041481018e-01 -3.1888458877801895e-02 - <_> - - 0 -1 5568 -1.5003600157797337e-02 - - 2.5077390670776367e-01 -4.5932788401842117e-02 - <_> - - 0 -1 5569 -1.4522319659590721e-02 - - -1.6453540325164795e-01 5.5180910974740982e-02 - <_> - - 0 -1 5570 -7.4650160968303680e-03 - - -1.2690469622612000e-01 7.1543112397193909e-02 - <_> - - 0 -1 5571 5.4984640330076218e-02 - - -1.3730799779295921e-02 6.5119642019271851e-01 - <_> - - 0 -1 5572 -8.8030762970447540e-02 - - 2.5416490435600281e-01 -1.2233870103955269e-02 - <_> - - 0 -1 5573 -3.6195501685142517e-02 - - -4.4917309284210205e-01 2.1093770861625671e-02 - <_> - - 0 -1 5574 3.7063211202621460e-02 - - -6.6644148901104927e-03 2.4940170347690582e-01 - <_> - - 0 -1 5575 -1.0568380355834961e-02 - - -4.1061571240425110e-01 2.1398089826107025e-02 - <_> - - 0 -1 5576 1.2662780284881592e-01 - - 5.2506178617477417e-03 -3.3240249752998352e-01 - <_> - - 0 -1 5577 -8.7341770995408297e-04 - - 3.2687219977378845e-01 -2.7704829350113869e-02 - <_> - - 0 -1 5578 -1.0967969428747892e-03 - - -2.7710831165313721e-01 3.6352828145027161e-02 - <_> - - 0 -1 5579 -7.9738020896911621e-02 - - -5.8329159021377563e-01 1.4061779715120792e-02 - <_> - - 0 -1 5580 -3.8278030697256327e-03 - - 3.5459451377391815e-02 -1.3996809720993042e-01 - <_> - - 0 -1 5581 2.0333999767899513e-02 - - -2.1421350538730621e-02 5.1610380411148071e-01 - <_> - - 0 -1 5582 7.5564032886177301e-04 - - -1.0803470015525818e-01 3.3538289368152618e-02 - <_> - - 0 -1 5583 1.7855849862098694e-01 - - 9.4842249527573586e-03 -8.1858187913894653e-01 - <_> - - 0 -1 5584 -3.4745071083307266e-02 - - -5.8172190189361572e-01 1.1315549723803997e-02 - <_> - - 0 -1 5585 5.1304209046065807e-03 - - -1.0659860074520111e-01 7.4440896511077881e-02 - <_> - - 0 -1 5586 -3.3936198800802231e-02 - - -4.5997759699821472e-01 1.5264419838786125e-02 - <_> - - 0 -1 5587 -1.0171560570597649e-03 - - 1.0301309823989868e-01 -8.9842960238456726e-02 - <_> - - 0 -1 5588 6.3489019870758057e-02 - - 6.8669100292026997e-03 -7.6022517681121826e-01 - <_> - - 0 -1 5589 2.4077939987182617e-01 - - -2.1571479737758636e-02 4.1113030910491943e-01 - <_> - - 0 -1 5590 -5.1963441073894501e-02 - - -2.8517320752143860e-01 4.0943060070276260e-02 - <_> - - 0 -1 5591 3.6408171057701111e-02 - - -5.0460960716009140e-02 1.6671819984912872e-01 - <_> - - 0 -1 5592 9.6712149679660797e-03 - - -4.8915110528469086e-02 1.8224430084228516e-01 - <_> - - 0 -1 5593 2.2268150001764297e-02 - - 6.1390981078147888e-02 -1.5445849299430847e-01 - <_> - - 0 -1 5594 -7.0929281413555145e-02 - - 5.0010168552398682e-01 -3.9896317757666111e-03 - <_> - - 0 -1 5595 2.0806699467357248e-04 - - -1.4475630223751068e-01 6.3607528805732727e-02 - <_> - - 0 -1 5596 -9.2365043237805367e-03 - - -2.1817289292812347e-01 3.8856260478496552e-02 - <_> - - 0 -1 5597 2.2781990468502045e-02 - - 2.0108619704842567e-02 -3.8452360033988953e-01 - <_> - - 0 -1 5598 -7.0844120346009731e-03 - - -4.8885490745306015e-02 4.6367339789867401e-02 - <_> - - 0 -1 5599 -8.4006279706954956e-02 - - 3.5921669006347656e-01 -2.2461889311671257e-02 - <_> - - 0 -1 5600 -7.0446580648422241e-02 - - -8.8395321369171143e-01 2.9730550013482571e-03 - <_> - - 0 -1 5601 4.8899810761213303e-02 - - 2.3936219513416290e-02 -3.6770141124725342e-01 - <_> - - 0 -1 5602 2.9677329584956169e-02 - - 1.6608120873570442e-02 -2.2972689568996429e-01 - <_> - - 0 -1 5603 2.5721399579197168e-03 - - -3.2572209835052490e-01 2.4146009236574173e-02 - <_> - - 0 -1 5604 1.6117929480969906e-03 - - 2.9355300590395927e-02 -3.7541579455137253e-02 - <_> - - 0 -1 5605 1.7546640709042549e-02 - - -5.0879240036010742e-02 1.5283130109310150e-01 - <_> - - 0 -1 5606 -4.6326398849487305e-02 - - -2.2843320667743683e-01 1.4442530460655689e-02 - <_> - - 0 -1 5607 -3.3205670118331909e-01 - - 7.4457818269729614e-01 -1.0856879875063896e-02 - <_> - - 0 -1 5608 -4.2317830026149750e-02 - - -1.4666019380092621e-01 5.7799231261014938e-02 - <_> - - 0 -1 5609 3.2436659093946218e-03 - - 5.4021451622247696e-02 -1.7029410600662231e-01 - <_> - - 0 -1 5610 -2.0900890231132507e-02 - - -4.0789291262626648e-01 2.5334810838103294e-02 - <_> - - 0 -1 5611 2.0325010642409325e-02 - - 3.3015929162502289e-02 -2.4503390491008759e-01 - <_> - - 0 -1 5612 -4.6341929584741592e-02 - - 1.5976649522781372e-01 -4.1177939623594284e-02 - <_> - - 0 -1 5613 -3.4356329590082169e-02 - - 1.6021409630775452e-01 -6.2500953674316406e-02 - <_> - - 0 -1 5614 2.4465970695018768e-02 - - -3.7487599998712540e-02 2.2807280719280243e-01 - <_> - - 0 -1 5615 -1.8139539286494255e-02 - - -1.5909589827060699e-01 6.0539811849594116e-02 - <_> - - 0 -1 5616 6.4394161105155945e-02 - - 6.6441670060157776e-03 -7.4860227108001709e-01 - <_> - - 0 -1 5617 9.6367759397253394e-04 - - -9.0620808303356171e-02 9.4118133187294006e-02 - <_> - - 0 -1 5618 2.0024490356445312e-01 - - 5.9731658548116684e-03 -8.2521688938140869e-01 - <_> - - 0 -1 5619 -6.3498668372631073e-02 - - -6.9635838270187378e-01 9.3487137928605080e-03 - <_> - - 0 -1 5620 -1.9232399761676788e-02 - - 1.1236680299043655e-01 -2.9199739918112755e-02 - <_> - - 0 -1 5621 2.5418749451637268e-01 - - 1.3959039933979511e-02 -5.1584947109222412e-01 - <_> - - 0 -1 5622 1.0437460243701935e-01 - - -2.7743030339479446e-02 2.7373430132865906e-01 - <_> - - 0 -1 5623 8.5034370422363281e-03 - - 5.4144650697708130e-02 -1.3029509782791138e-01 - <_> - - 0 -1 5624 5.2647730335593224e-03 - - -4.8077501356601715e-02 1.0371380299329758e-01 - <_> - - 0 -1 5625 -2.4193519726395607e-02 - - 1.9932989776134491e-01 -3.7111040204763412e-02 - <_> - - 0 -1 5626 -4.6968772076070309e-03 - - -6.5797090530395508e-02 3.3837348222732544e-02 - <_> - - 0 -1 5627 -2.3464579135179520e-02 - - -2.6043030619621277e-01 3.0933089554309845e-02 - <_> - - 0 -1 5628 -2.9029840603470802e-02 - - 2.0683619379997253e-01 -2.7628650888800621e-02 - <_> - - 0 -1 5629 7.9100236296653748e-02 - - 7.7356752008199692e-03 -9.1816711425781250e-01 - <_> - - 0 -1 5630 6.2152887694537640e-03 - - -7.3988027870655060e-02 8.7727412581443787e-02 - <_> - - 0 -1 5631 -6.7013278603553772e-02 - - 3.7628298997879028e-01 -2.0892709493637085e-02 - <_> - - 0 -1 5632 -7.9359989613294601e-03 - - -8.9532703161239624e-02 6.6559307277202606e-02 - <_> - - 0 -1 5633 1.3035970041528344e-03 - - -6.6657140851020813e-02 1.1399099975824356e-01 - <_> - - 0 -1 5634 -1.1964319646358490e-01 - - -6.0656189918518066e-01 7.3508038185536861e-03 - <_> - - 0 -1 5635 -2.2869240492582321e-03 - - 7.3336817324161530e-02 -1.1889570206403732e-01 - <_> - - 0 -1 5636 -1.1462569981813431e-01 - - 2.9288530349731445e-01 -6.7763519473373890e-03 - <_> - - 0 -1 5637 4.8477489501237869e-02 - - -1.7062950879335403e-02 4.2953211069107056e-01 - <_> - - 0 -1 5638 -1.3129960279911757e-03 - - -7.4319638311862946e-02 6.2149789184331894e-02 - <_> - - 0 -1 5639 -6.6344782710075378e-02 - - -5.8945667743682861e-01 1.3225819915533066e-02 - <_> - - 0 -1 5640 -4.6543189091607928e-04 - - 5.7886548340320587e-02 -6.4295299351215363e-02 - <_> - - 0 -1 5641 -1.3286540284752846e-02 - - 1.4123329520225525e-01 -6.1506468802690506e-02 - <_> - - 0 -1 5642 7.3928399942815304e-03 - - -7.2719991207122803e-02 4.2179141193628311e-02 - <_> - - 0 -1 5643 -4.7434169799089432e-02 - - 3.2672271132469177e-01 -2.9001530259847641e-02 - <_> - - 0 -1 5644 1.3546790182590485e-01 - - 1.0393570177257061e-02 -4.5354479551315308e-01 - <_> - - 0 -1 5645 -2.5216810405254364e-02 - - -1.9075979292392731e-01 4.1522741317749023e-02 - <_> - - 0 -1 5646 -4.9431398510932922e-02 - - -9.4192171096801758e-01 3.5473550669848919e-03 - <_> - - 0 -1 5647 -4.8375181853771210e-02 - - -8.3028668165206909e-01 7.2369067929685116e-03 - <_> - - 0 -1 5648 -1.4348509721457958e-02 - - -2.1860499680042267e-01 3.1486429274082184e-02 - <_> - - 0 -1 5649 -5.5373171344399452e-03 - - -2.1521030366420746e-01 4.4235888868570328e-02 - <_> - - 0 -1 5650 2.1771800518035889e-01 - - -5.0501842051744461e-03 4.9025520682334900e-01 - <_> - - 0 -1 5651 1.7441399395465851e-01 - - -9.7074145451188087e-03 7.4196231365203857e-01 - <_> - - 0 -1 5652 8.8840499520301819e-02 - - -5.8005251921713352e-03 3.3403220772743225e-01 - <_> - - 0 -1 5653 -3.8012791424989700e-02 - - 5.0677591562271118e-01 -1.3809430412948132e-02 - <_> - - 0 -1 5654 -6.3611388206481934e-02 - - -5.6696820259094238e-01 7.9266652464866638e-03 - <_> - - 0 -1 5655 9.8358482122421265e-02 - - 3.4634899348020554e-02 -1.9651760160923004e-01 - <_> - - 0 -1 5656 2.2929610684514046e-02 - - -4.4682640582323074e-02 6.0062419623136520e-02 - <_> - - 0 -1 5657 -3.9763651788234711e-02 - - -2.8310349583625793e-01 2.6087069883942604e-02 - <_> - - 0 -1 5658 1.1215689778327942e-01 - - -4.3225709348917007e-02 1.5505640208721161e-01 - <_> - - 0 -1 5659 -1.4957940578460693e-01 - - 4.1476088762283325e-01 -2.5112669914960861e-02 - <_> - - 0 -1 5660 1.4239370357245207e-03 - - -2.2813330590724945e-01 2.2414619103074074e-02 - <_> - - 0 -1 5661 -1.1346139945089817e-02 - - -2.6083931326866150e-01 2.6456480845808983e-02 - <_> - - 0 -1 5662 -9.0518407523632050e-02 - - 6.0067182779312134e-01 -1.2559159658849239e-02 - <_> - - 0 -1 5663 3.6097481846809387e-02 - - 1.9451009109616280e-02 -4.0998241305351257e-01 - <_> - - 0 -1 5664 -2.5657469406723976e-02 - - 2.3453080654144287e-01 -3.2354518771171570e-02 - <_> - - 0 -1 5665 -9.2462729662656784e-03 - - 1.4458569884300232e-01 -5.7280141860246658e-02 - <_> - - 0 -1 5666 6.1006739735603333e-02 - - 1.9963319599628448e-01 -3.5018790513277054e-02 - <_> - - 0 -1 5667 -2.2736669052392244e-03 - - -2.7180460095405579e-01 3.5324309021234512e-02 - <_> - - 0 -1 5668 -1.1173350363969803e-01 - - 2.6010888814926147e-01 -8.4183625876903534e-03 - <_> - - 0 -1 5669 1.4601589739322662e-01 - - -4.3707858771085739e-02 1.9343809783458710e-01 - <_> - - 0 -1 5670 -3.9008598774671555e-02 - - -2.4021549522876740e-01 1.9324809312820435e-02 - <_> - - 0 -1 5671 -3.2065149396657944e-02 - - -1.4616030454635620e-01 5.0410438328981400e-02 - <_> - - 0 -1 5672 -3.9755292236804962e-03 - - 8.6786061525344849e-02 -7.5101003050804138e-02 - <_> - - 0 -1 5673 -2.2264609113335609e-02 - - -1.7820209264755249e-01 4.2221881449222565e-02 - <_> - - 0 -1 5674 -6.0096651315689087e-02 - - 3.3062270283699036e-01 -1.3347219675779343e-02 - <_> - - 0 -1 5675 -8.3170406520366669e-02 - - 6.9863271713256836e-01 -1.1014309711754322e-02 - <_> - - 0 -1 5676 -7.7182397246360779e-02 - - -2.5630331039428711e-01 8.8049499318003654e-03 - <_> - - 0 -1 5677 6.8902172148227692e-02 - - 1.0996440425515175e-02 -6.3520067930221558e-01 - <_> - - 0 -1 5678 -5.0353281199932098e-02 - - 2.2927890717983246e-01 -3.2763719558715820e-02 - <_> - - 0 -1 5679 2.4320879019796848e-03 - - -1.3213059306144714e-01 7.1088582277297974e-02 - <_> - - 0 -1 5680 -1.4196460135281086e-02 - - 7.1845069527626038e-02 -4.5263659209012985e-02 - <_> - - 0 -1 5681 -4.5774779282510281e-03 - - -2.5832280516624451e-01 2.9419040307402611e-02 - <_> - - 0 -1 5682 -1.4008210273459554e-03 - - 4.4636521488428116e-02 -1.2310150265693665e-01 - <_> - - 0 -1 5683 3.5062711685895920e-02 - - -1.8722500652074814e-02 4.5533668994903564e-01 - <_> - - 0 -1 5684 3.9364919066429138e-02 - - -3.8776830770075321e-03 4.8229390382766724e-01 - <_> - - 0 -1 5685 2.9430290684103966e-02 - - -5.6632690131664276e-02 1.3604450225830078e-01 - <_> - - 0 -1 5686 7.9320840537548065e-02 - - -4.0827351622283459e-03 9.9998551607131958e-01 - <_> - - 0 -1 5687 4.2696330696344376e-02 - - 2.3583339527249336e-02 -3.7798878550529480e-01 - <_> - - 0 -1 5688 2.5937719270586967e-02 - - 5.0283338874578476e-02 -6.7249342799186707e-02 - <_> - - 0 -1 5689 2.7053659781813622e-02 - - 1.0406839847564697e-01 -1.0069710016250610e-01 - <_> - - 0 -1 5690 3.0322301387786865e-01 - - -5.1615409553050995e-02 1.2398669868707657e-01 - <_> - - 0 -1 5691 7.4373193085193634e-02 - - -2.9979649931192398e-02 2.5944980978965759e-01 - <_> - - 0 -1 5692 4.6059768646955490e-02 - - 6.1678960919380188e-03 -7.0887911319732666e-01 - <_> - - 0 -1 5693 3.6883510649204254e-02 - - 1.5985019505023956e-02 -4.4436019659042358e-01 - <_> - - 0 -1 5694 1.3493379950523376e-01 - - 8.8313389569520950e-03 -7.3426938056945801e-01 - <_> - - 0 -1 5695 1.4799199998378754e-01 - - 6.9719799794256687e-03 -8.2078450918197632e-01 - <_> - - 0 -1 5696 3.9690379053354263e-02 - - -1.8247799947857857e-02 2.6955920457839966e-01 - <_> - - 0 -1 5697 -5.3511280566453934e-02 - - 2.0000250637531281e-01 -3.9136700332164764e-02 - <_> - - 0 -1 5698 6.3795700669288635e-02 - - 1.1616130359470844e-02 -2.5315120816230774e-01 - <_> - - 0 -1 5699 -8.1078916788101196e-02 - - -7.7582788467407227e-01 9.7084697335958481e-03 - <_> - - 0 -1 5700 -4.8272658139467239e-02 - - -3.0734309554100037e-01 1.1298010125756264e-02 - <_> - - 0 -1 5701 4.3912570923566818e-02 - - -3.9403300732374191e-02 1.9216950237751007e-01 - <_> - 394 - -1.2940989732742310e+00 - - <_> - - 0 -1 5702 1.9188739359378815e-02 - - -2.1150399744510651e-01 1.3286529481410980e-01 - <_> - - 0 -1 5703 -8.1222038716077805e-03 - - 9.2491082847118378e-02 -1.7585119605064392e-01 - <_> - - 0 -1 5704 1.5851219650357962e-03 - - -2.8565698862075806e-01 6.6710568964481354e-02 - <_> - - 0 -1 5705 -4.3140850029885769e-03 - - -1.3885229825973511e-01 5.2694689482450485e-02 - <_> - - 0 -1 5706 -1.7131429631263018e-03 - - 1.3135610520839691e-01 -1.3149109482765198e-01 - <_> - - 0 -1 5707 6.8447366356849670e-02 - - 9.3052154406905174e-03 -2.5063261389732361e-01 - <_> - - 0 -1 5708 -2.4445978924632072e-03 - - -1.7205530405044556e-01 9.8322823643684387e-02 - <_> - - 0 -1 5709 1.0310600046068430e-03 - - 2.3039160296320915e-02 -2.7527621388435364e-01 - <_> - - 0 -1 5710 7.4603251414373517e-04 - - -2.3276780545711517e-01 5.2693009376525879e-02 - <_> - - 0 -1 5711 -6.6399492789059877e-04 - - 6.8990781903266907e-02 -8.4687709808349609e-02 - <_> - - 0 -1 5712 -4.0997468749992549e-04 - - 1.0501380264759064e-01 -1.0819009691476822e-01 - <_> - - 0 -1 5713 -1.8094549886882305e-03 - - -1.8178839981555939e-01 4.4184140861034393e-02 - <_> - - 0 -1 5714 9.3385757645592093e-04 - - -1.4622689783573151e-01 7.2726443409919739e-02 - <_> - - 0 -1 5715 -3.8197741378098726e-04 - - 2.4009939283132553e-02 -1.7295800149440765e-01 - <_> - - 0 -1 5716 -1.4950280310586095e-03 - - -1.9403380155563354e-01 4.8807919025421143e-02 - <_> - - 0 -1 5717 -1.0159100405871868e-02 - - 1.9173899292945862e-01 -5.2749071270227432e-02 - <_> - - 0 -1 5718 5.9903519286308438e-05 - - -1.0791549831628799e-01 9.0988166630268097e-02 - <_> - - 0 -1 5719 -3.1967550516128540e-02 - - 4.1109889745712280e-01 -2.2650640457868576e-02 - <_> - - 0 -1 5720 1.4343270100653172e-02 - - 2.4315539747476578e-02 -4.2680150270462036e-01 - <_> - - 0 -1 5721 1.1039529927074909e-02 - - -6.2717013061046600e-02 1.1330530047416687e-01 - <_> - - 0 -1 5722 -8.4228850901126862e-03 - - -2.1369309723377228e-01 4.2059201747179031e-02 - <_> - - 0 -1 5723 -2.0549839362502098e-02 - - 1.5161630511283875e-01 -2.4594139307737350e-02 - <_> - - 0 -1 5724 -6.5411031246185303e-03 - - 1.4883629977703094e-01 -6.1179339885711670e-02 - <_> - - 0 -1 5725 -1.3324400410056114e-02 - - -2.0791970193386078e-01 4.8333309590816498e-02 - <_> - - 0 -1 5726 7.0111267268657684e-02 - - -2.6863219216465950e-02 3.6322259902954102e-01 - <_> - - 0 -1 5727 -2.6973750209435821e-04 - - 6.0876660048961639e-02 -1.1272370070219040e-01 - <_> - - 0 -1 5728 -1.3509000418707728e-03 - - -1.8552079796791077e-01 5.2154958248138428e-02 - <_> - - 0 -1 5729 -2.8083190321922302e-02 - - 3.5111880302429199e-01 -2.3596329614520073e-02 - <_> - - 0 -1 5730 -1.0003290139138699e-02 - - -2.9058480262756348e-01 3.2125689089298248e-02 - <_> - - 0 -1 5731 -1.6111029544845223e-03 - - 9.8113670945167542e-02 -5.2203711122274399e-02 - <_> - - 0 -1 5732 -1.8411900848150253e-02 - - -1.8082669377326965e-01 5.4536700248718262e-02 - <_> - - 0 -1 5733 -7.1738816797733307e-02 - - -7.6654988527297974e-01 3.3518690615892410e-03 - <_> - - 0 -1 5734 -2.7943260502070189e-03 - - 1.5871369838714600e-01 -6.4271800220012665e-02 - <_> - - 0 -1 5735 -1.6874749958515167e-01 - - -6.9956189393997192e-01 4.8861699178814888e-03 - <_> - - 0 -1 5736 -1.2672400334849954e-03 - - 3.1616039574146271e-02 -2.4953269958496094e-01 - <_> - - 0 -1 5737 2.0807750523090363e-02 - - 1.7053410410881042e-02 -2.4331410229206085e-01 - <_> - - 0 -1 5738 -1.5869849594309926e-03 - - 9.3171089887619019e-02 -8.1361927092075348e-02 - <_> - - 0 -1 5739 -1.0014690458774567e-02 - - -2.7789619565010071e-01 2.6569239795207977e-02 - <_> - - 0 -1 5740 -5.7948171161115170e-03 - - -2.2287739813327789e-01 3.5975661128759384e-02 - <_> - - 0 -1 5741 2.7189950924366713e-03 - - -9.0631909668445587e-02 5.6820400059223175e-02 - <_> - - 0 -1 5742 3.8845159113407135e-02 - - 1.2280859984457493e-02 -5.8521348237991333e-01 - <_> - - 0 -1 5743 -1.4158680103719234e-02 - - 1.8153870105743408e-01 -3.1109429895877838e-02 - <_> - - 0 -1 5744 -1.8278600275516510e-01 - - -9.0013808012008667e-01 7.6544750481843948e-03 - <_> - - 0 -1 5745 2.7588419616222382e-02 - - -1.2460039928555489e-02 2.0069369673728943e-01 - <_> - - 0 -1 5746 -1.4784430153667927e-02 - - -8.9910492300987244e-02 8.1648677587509155e-02 - <_> - - 0 -1 5747 1.1625719815492630e-01 - - 2.3692469112575054e-03 -9.9998068809509277e-01 - <_> - - 0 -1 5748 3.5341090988367796e-03 - - -6.1760541051626205e-02 1.3490639626979828e-01 - <_> - - 0 -1 5749 5.1878788508474827e-03 - - 1.8745860084891319e-02 -1.7449170351028442e-01 - <_> - - 0 -1 5750 7.9457357525825500e-02 - - -2.3402990773320198e-02 3.3502200245857239e-01 - <_> - - 0 -1 5751 2.7684379369020462e-02 - - 2.3663910105824471e-02 -3.3256360888481140e-01 - <_> - - 0 -1 5752 -4.4806320220232010e-03 - - -1.4658750593662262e-01 4.7376811504364014e-02 - <_> - - 0 -1 5753 5.6939688511192799e-03 - - -5.6776121258735657e-02 6.7580856382846832e-02 - <_> - - 0 -1 5754 7.7299480326473713e-03 - - -3.1156649813055992e-02 2.3102590441703796e-01 - <_> - - 0 -1 5755 3.9786100387573242e-03 - - -5.6882441043853760e-02 1.3271529972553253e-01 - <_> - - 0 -1 5756 -1.1275880038738251e-02 - - -2.0938649773597717e-01 3.5291459411382675e-02 - <_> - - 0 -1 5757 -2.4308220017701387e-03 - - -2.0176360011100769e-01 3.4513931721448898e-02 - <_> - - 0 -1 5758 5.7369591668248177e-03 - - -5.5607158690690994e-02 1.1532089859247208e-01 - <_> - - 0 -1 5759 4.6170800924301147e-03 - - -5.6083500385284424e-02 8.1762917339801788e-02 - <_> - - 0 -1 5760 -4.7089671716094017e-03 - - -1.3351219892501831e-01 5.6296080350875854e-02 - <_> - - 0 -1 5761 -3.2688070088624954e-02 - - 2.7922388911247253e-01 -1.0867659933865070e-02 - <_> - - 0 -1 5762 8.8686197996139526e-02 - - 1.8268220126628876e-02 -3.5637390613555908e-01 - <_> - - 0 -1 5763 4.5751677826046944e-03 - - -5.1558461040258408e-02 6.3948810100555420e-02 - <_> - - 0 -1 5764 4.9765850417315960e-03 - - -5.4684590548276901e-02 1.1907110363245010e-01 - <_> - - 0 -1 5765 -6.4881290309131145e-03 - - -9.9121123552322388e-02 2.6508849114179611e-02 - <_> - - 0 -1 5766 2.4523450993001461e-03 - - -9.5045946538448334e-02 6.6802926361560822e-02 - <_> - - 0 -1 5767 7.0354789495468140e-03 - - 1.0705590248107910e-01 -6.2395099550485611e-02 - <_> - - 0 -1 5768 4.2746789753437042e-02 - - -1.6092179343104362e-02 4.3256199359893799e-01 - <_> - - 0 -1 5769 -4.5301730278879404e-04 - - 3.6420568823814392e-02 -9.9322892725467682e-02 - <_> - - 0 -1 5770 -5.2631930448114872e-03 - - -1.1416749656200409e-01 5.7260219007730484e-02 - <_> - - 0 -1 5771 1.0581909446045756e-03 - - 3.3220488578081131e-02 -1.1831220239400864e-01 - <_> - - 0 -1 5772 2.5088949128985405e-02 - - -6.0655020177364349e-02 1.2601740658283234e-01 - <_> - - 0 -1 5773 2.4252159893512726e-01 - - 2.2060840856283903e-03 -1.0000120401382446e+00 - <_> - - 0 -1 5774 -1.4393079280853271e-01 - - 3.7419798970222473e-01 -2.2252110764384270e-02 - <_> - - 0 -1 5775 -6.0972762294113636e-03 - - -1.1038099974393845e-01 4.5996960252523422e-02 - <_> - - 0 -1 5776 6.1375470831990242e-03 - - 3.8307808339595795e-02 -1.8086770176887512e-01 - <_> - - 0 -1 5777 -3.6617079749703407e-03 - - 3.8439918309450150e-02 -6.2540791928768158e-02 - <_> - - 0 -1 5778 -1.5854850411415100e-01 - - 3.4469398856163025e-01 -1.9837500527501106e-02 - <_> - - 0 -1 5779 6.7219287157058716e-02 - - 9.5165139064192772e-03 -5.0206458568572998e-01 - <_> - - 0 -1 5780 2.2499680053442717e-03 - - -1.3063929975032806e-01 6.4832933247089386e-02 - <_> - - 0 -1 5781 8.4626786410808563e-02 - - 5.9339799918234348e-03 -4.1516590118408203e-01 - <_> - - 0 -1 5782 -9.5411221263930202e-04 - - -9.3790747225284576e-02 7.5486607849597931e-02 - <_> - - 0 -1 5783 -7.6813949272036552e-03 - - -1.4821960031986237e-01 2.9010580852627754e-02 - <_> - - 0 -1 5784 -2.5593319907784462e-02 - - 1.4859579503536224e-01 -4.7195930033922195e-02 - <_> - - 0 -1 5785 2.1508369594812393e-02 - - 2.3782620206475258e-02 -9.6659287810325623e-02 - <_> - - 0 -1 5786 3.4463100135326385e-02 - - -3.7410069257020950e-02 2.2015300393104553e-01 - <_> - - 0 -1 5787 -3.7860300391912460e-02 - - -5.0047469139099121e-01 1.4059869572520256e-02 - <_> - - 0 -1 5788 1.2028450146317482e-03 - - -6.5087057650089264e-02 8.9583486318588257e-02 - <_> - - 0 -1 5789 1.6753520816564560e-02 - - 4.9179811030626297e-03 -4.3030908703804016e-01 - <_> - - 0 -1 5790 1.6640779795125127e-03 - - 4.0807429701089859e-02 -1.4469960331916809e-01 - <_> - - 0 -1 5791 3.4473428968340158e-03 - - -3.9910178631544113e-02 1.5272960066795349e-01 - <_> - - 0 -1 5792 8.9918142184615135e-03 - - 7.1071267127990723e-02 -8.6169913411140442e-02 - <_> - - 0 -1 5793 8.3185202674940228e-04 - - -2.5739189982414246e-01 1.7941089347004890e-02 - <_> - - 0 -1 5794 -6.8142730742692947e-03 - - 1.3823160529136658e-01 -5.3994540125131607e-02 - <_> - - 0 -1 5795 2.9746210202574730e-03 - - -4.1550260037183762e-02 3.9839770644903183e-02 - <_> - - 0 -1 5796 2.5836620479822159e-03 - - -7.0656493306159973e-02 9.5045506954193115e-02 - <_> - - 0 -1 5797 2.7143809711560607e-04 - - 5.8070071041584015e-02 -1.2781760096549988e-01 - <_> - - 0 -1 5798 3.5418298840522766e-01 - - 5.4909070022404194e-03 -9.7960698604583740e-01 - <_> - - 0 -1 5799 2.5318650528788567e-02 - - -1.4410969801247120e-02 2.6219129562377930e-01 - <_> - - 0 -1 5800 -2.2658439411316067e-04 - - 5.2997849881649017e-02 -1.1629349738359451e-01 - <_> - - 0 -1 5801 6.8859090097248554e-03 - - 1.6437310725450516e-02 -2.0349490642547607e-01 - <_> - - 0 -1 5802 1.1607459746301174e-02 - - -3.6651011556386948e-02 1.5184010565280914e-01 - <_> - - 0 -1 5803 -4.8253959976136684e-03 - - -2.3476150631904602e-01 3.7914011627435684e-02 - <_> - - 0 -1 5804 2.5656020734459162e-03 - - 3.5185638815164566e-02 -1.8540710210800171e-01 - <_> - - 0 -1 5805 1.2601399421691895e-01 - - -9.8542850464582443e-03 2.5520691275596619e-01 - <_> - - 0 -1 5806 2.7164958883076906e-03 - - -2.1748440340161324e-02 2.5467529892921448e-01 - <_> - - 0 -1 5807 3.2356029748916626e-01 - - 8.8657345622777939e-03 -7.0383572578430176e-01 - <_> - - 0 -1 5808 -8.4016058826819062e-04 - - 3.6831360310316086e-02 -1.4953260123729706e-01 - <_> - - 0 -1 5809 3.3291990403085947e-03 - - 4.8185840249061584e-02 -1.2290470302104950e-01 - <_> - - 0 -1 5810 2.1130539476871490e-01 - - 6.5245870500802994e-03 -8.8293862342834473e-01 - <_> - - 0 -1 5811 5.0388509407639503e-03 - - -6.7079946398735046e-02 3.7849709391593933e-02 - <_> - - 0 -1 5812 -2.7862399816513062e-02 - - 3.3469489216804504e-01 -1.8816500902175903e-02 - <_> - - 0 -1 5813 3.8636629469692707e-03 - - 4.3644730001688004e-02 -1.7481489479541779e-01 - <_> - - 0 -1 5814 1.0480300337076187e-01 - - -1.5737529844045639e-02 4.2094239592552185e-01 - <_> - - 0 -1 5815 -3.4130848944187164e-03 - - -1.0835570096969604e-01 4.3717790395021439e-02 - <_> - - 0 -1 5816 -4.6396970748901367e-02 - - -7.5680077075958252e-01 8.6701400578022003e-03 - <_> - - 0 -1 5817 5.3708078339695930e-03 - - -4.1797801852226257e-02 1.4824719727039337e-01 - <_> - - 0 -1 5818 -6.1126388609409332e-03 - - 1.8673719465732574e-01 -4.3387491255998611e-02 - <_> - - 0 -1 5819 4.2509321123361588e-02 - - 1.1690679937601089e-02 -4.3740659952163696e-01 - <_> - - 0 -1 5820 1.0473020374774933e-02 - - 4.3143630027770996e-02 -1.5654399991035461e-01 - <_> - - 0 -1 5821 -4.7223959118127823e-02 - - -7.4483537673950195e-01 3.4918629098683596e-03 - <_> - - 0 -1 5822 5.3090360015630722e-02 - - 1.0408150032162666e-02 -5.3499448299407959e-01 - <_> - - 0 -1 5823 -7.0432561915367842e-04 - - 3.3384170383214951e-02 -7.3706030845642090e-02 - <_> - - 0 -1 5824 7.5942431576550007e-03 - - -2.9107049107551575e-02 1.9468860328197479e-01 - <_> - - 0 -1 5825 2.2676989436149597e-02 - - 3.3803820610046387e-02 -2.7627611160278320e-01 - <_> - - 0 -1 5826 6.6533521749079227e-03 - - -2.6578240096569061e-02 2.4283319711685181e-01 - <_> - - 0 -1 5827 3.7712270859628916e-03 - - 2.6554299518465996e-02 -6.4952917397022247e-02 - <_> - - 0 -1 5828 -2.0740530453622341e-03 - - -1.7968970537185669e-01 3.1532160937786102e-02 - <_> - - 0 -1 5829 -1.5632519498467445e-03 - - 5.3109679371118546e-02 -8.7415628135204315e-02 - <_> - - 0 -1 5830 1.2540889903903008e-02 - - -3.4136459231376648e-02 2.2097539901733398e-01 - <_> - - 0 -1 5831 -3.2660199794918299e-03 - - -5.5261608213186264e-02 3.2669559121131897e-02 - <_> - - 0 -1 5832 -8.2185603678226471e-03 - - -1.4478379487991333e-01 5.5743928998708725e-02 - <_> - - 0 -1 5833 -5.5811040103435516e-02 - - 1.7237940430641174e-01 -1.4456519857048988e-02 - <_> - - 0 -1 5834 -1.4723159372806549e-01 - - -8.1392312049865723e-01 7.4356291443109512e-03 - <_> - - 0 -1 5835 -5.8468529023230076e-03 - - -6.9043442606925964e-02 1.9456790760159492e-02 - <_> - - 0 -1 5836 1.9462220370769501e-02 - - -3.5472229123115540e-02 1.6666300594806671e-01 - <_> - - 0 -1 5837 5.8353468775749207e-02 - - 3.0551329255104065e-03 -3.9289128780364990e-01 - <_> - - 0 -1 5838 4.3785829097032547e-02 - - 1.3574630022048950e-02 -4.6152359247207642e-01 - <_> - - 0 -1 5839 -5.1904350519180298e-02 - - 6.3802438974380493e-01 -9.6664745360612869e-03 - <_> - - 0 -1 5840 -7.7811058145016432e-04 - - -9.9303223192691803e-02 5.6094601750373840e-02 - <_> - - 0 -1 5841 4.9657518975436687e-03 - - 4.1419368237257004e-02 -1.1274819821119308e-01 - <_> - - 0 -1 5842 -5.4516079835593700e-03 - - 1.7399060726165771e-01 -4.1147731244564056e-02 - <_> - - 0 -1 5843 5.0428751856088638e-03 - - -4.1255220770835876e-02 1.3794229924678802e-01 - <_> - - 0 -1 5844 -1.6985220136120915e-03 - - -2.2874790430068970e-01 2.5274980813264847e-02 - <_> - - 0 -1 5845 8.2764238119125366e-02 - - 3.3066510222852230e-03 -6.9113439321517944e-01 - <_> - - 0 -1 5846 3.9285849779844284e-03 - - -7.9043358564376831e-02 6.6218852996826172e-02 - <_> - - 0 -1 5847 -3.0601240694522858e-02 - - -2.6517450809478760e-01 1.6467850655317307e-02 - <_> - - 0 -1 5848 -1.9941160455346107e-02 - - 1.5431809425354004e-01 -3.6100689321756363e-02 - <_> - - 0 -1 5849 8.0520063638687134e-02 - - 1.7015919089317322e-02 -3.3448880910873413e-01 - <_> - - 0 -1 5850 7.0323847234249115e-02 - - 1.7122440040111542e-02 -3.3302140235900879e-01 - <_> - - 0 -1 5851 -5.2850939333438873e-02 - - 6.2421400099992752e-02 -1.4690199866890907e-02 - <_> - - 0 -1 5852 -7.1594159817323089e-04 - - -1.1335150152444839e-01 5.2260790020227432e-02 - <_> - - 0 -1 5853 2.1469970047473907e-01 - - 9.9299731664359570e-04 -9.9997580051422119e-01 - <_> - - 0 -1 5854 8.7042592465877533e-02 - - -1.2329760007560253e-02 5.0260668992996216e-01 - <_> - - 0 -1 5855 -5.8731262106448412e-04 - - -9.9346466362476349e-02 5.1705610007047653e-02 - <_> - - 0 -1 5856 -4.4215220957994461e-02 - - -3.9368900656700134e-01 1.3920850120484829e-02 - <_> - - 0 -1 5857 -8.7676227092742920e-02 - - 3.0157440900802612e-01 -6.8702381104230881e-03 - <_> - - 0 -1 5858 -4.8453990370035172e-02 - - 2.5477871298789978e-01 -2.2457750514149666e-02 - <_> - - 0 -1 5859 -2.1567570511251688e-03 - - -1.3562899827957153e-01 3.1725399196147919e-02 - <_> - - 0 -1 5860 3.9050900377333164e-03 - - 4.9100890755653381e-02 -1.1861059814691544e-01 - <_> - - 0 -1 5861 -3.9808028377592564e-03 - - 4.8333909362554550e-02 -5.5897079408168793e-02 - <_> - - 0 -1 5862 2.9744929634034634e-03 - - -6.4802452921867371e-02 9.3583501875400543e-02 - <_> - - 0 -1 5863 2.5875229388475418e-02 - - 1.8487609922885895e-02 -3.3436349034309387e-01 - <_> - - 0 -1 5864 -1.9373580580577254e-03 - - 2.2000649571418762e-01 -2.5404980406165123e-02 - <_> - - 0 -1 5865 -2.0171629264950752e-02 - - -7.8228309750556946e-02 4.5462790876626968e-02 - <_> - - 0 -1 5866 -2.6088140904903412e-02 - - 1.7637069523334503e-01 -4.5097298920154572e-02 - <_> - - 0 -1 5867 -2.6868300512433052e-02 - - -3.2656419277191162e-01 1.7994230613112450e-02 - <_> - - 0 -1 5868 -7.0211151614785194e-04 - - 3.9671998471021652e-02 -1.4533540606498718e-01 - <_> - - 0 -1 5869 8.3507681265473366e-03 - - -2.3051729425787926e-02 1.8850760161876678e-01 - <_> - - 0 -1 5870 4.6823569573462009e-03 - - 2.9996560886502266e-02 -2.0701029896736145e-01 - <_> - - 0 -1 5871 3.3109660726040602e-03 - - 5.6536730378866196e-02 -1.6835589706897736e-01 - <_> - - 0 -1 5872 7.6425541192293167e-03 - - -4.1423950344324112e-02 1.2557519972324371e-01 - <_> - - 0 -1 5873 -2.4713110178709030e-03 - - 7.2156153619289398e-02 -1.0767730325460434e-01 - <_> - - 0 -1 5874 -9.9495360627770424e-03 - - -1.8187619745731354e-01 3.3567231148481369e-02 - <_> - - 0 -1 5875 1.9820800516754389e-03 - - -5.6488718837499619e-02 1.0741490125656128e-01 - <_> - - 0 -1 5876 2.3254439234733582e-02 - - -1.6543349251151085e-02 3.6466678977012634e-01 - <_> - - 0 -1 5877 -5.4177921265363693e-02 - - -1. 3.3418419770896435e-03 - <_> - - 0 -1 5878 6.1567849479615688e-04 - - 4.0159329771995544e-02 -1.6460220515727997e-01 - <_> - - 0 -1 5879 -4.2699510231614113e-03 - - -5.6978620588779449e-02 4.4480901211500168e-02 - <_> - - 0 -1 5880 1.9749389030039310e-03 - - 5.9283681213855743e-02 -1.0791260004043579e-01 - <_> - - 0 -1 5881 -5.8583128266036510e-03 - - 1.3734050095081329e-01 -3.4231521189212799e-02 - <_> - - 0 -1 5882 -7.2995189111679792e-04 - - -1.0075060278177261e-01 5.4733160883188248e-02 - <_> - - 0 -1 5883 -2.9930740594863892e-02 - - 6.3882559537887573e-02 -4.1027020663022995e-02 - <_> - - 0 -1 5884 -5.1738750189542770e-02 - - -7.2713458538055420e-01 7.4993381276726723e-03 - <_> - - 0 -1 5885 2.4021189659833908e-02 - - 7.8491801396012306e-03 -5.5794471502304077e-01 - <_> - - 0 -1 5886 -3.7574321031570435e-03 - - -1.6086879372596741e-01 3.1015990301966667e-02 - <_> - - 0 -1 5887 -6.2635682523250580e-02 - - 9.0577863156795502e-02 -2.9033770784735680e-02 - <_> - - 0 -1 5888 1.9363429397344589e-02 - - -4.9920588731765747e-02 1.2835779786109924e-01 - <_> - - 0 -1 5889 -3.5072889178991318e-02 - - 2.1391840279102325e-01 -8.8168960064649582e-03 - <_> - - 0 -1 5890 -1.3243310153484344e-02 - - 2.3349699378013611e-01 -2.3088019341230392e-02 - <_> - - 0 -1 5891 -3.1290829181671143e-02 - - -6.9495099782943726e-01 9.3020889908075333e-03 - <_> - - 0 -1 5892 7.2391419671475887e-03 - - 2.8485849499702454e-02 -1.8310770392417908e-01 - <_> - - 0 -1 5893 6.6785318776965141e-03 - - -4.9132950603961945e-02 5.4181691259145737e-02 - <_> - - 0 -1 5894 -3.6825571209192276e-02 - - 3.3120208978652954e-01 -2.1359929814934731e-02 - <_> - - 0 -1 5895 -4.5507341623306274e-02 - - -1.2893490493297577e-01 4.9545988440513611e-02 - <_> - - 0 -1 5896 7.7639957889914513e-03 - - -3.6255620419979095e-02 1.5321409702301025e-01 - <_> - - 0 -1 5897 6.0417611151933670e-02 - - 4.5740022324025631e-03 -6.7541092634201050e-01 - <_> - - 0 -1 5898 2.4624960497021675e-03 - - 5.3674161434173584e-02 -1.1326540261507034e-01 - <_> - - 0 -1 5899 7.3594506829977036e-05 - - -3.5648930817842484e-02 2.5458969175815582e-02 - <_> - - 0 -1 5900 -4.0958370082080364e-03 - - 1.5562909841537476e-01 -3.9390601217746735e-02 - <_> - - 0 -1 5901 2.8689370083156973e-05 - - -8.4823302924633026e-02 3.8254238665103912e-02 - <_> - - 0 -1 5902 -4.6220528893172741e-03 - - -1.8994529545307159e-01 3.3508758991956711e-02 - <_> - - 0 -1 5903 -8.5343196988105774e-03 - - 1.1212539672851562e-01 -3.3968489617109299e-02 - <_> - - 0 -1 5904 -5.8803848922252655e-02 - - -5.1244312524795532e-01 1.0789549909532070e-02 - <_> - - 0 -1 5905 6.0719929635524750e-02 - - -1.2555030174553394e-02 2.2509759664535522e-01 - <_> - - 0 -1 5906 1.1038020020350814e-03 - - -9.6294492483139038e-02 5.6727480143308640e-02 - <_> - - 0 -1 5907 -3.8484560791403055e-03 - - 4.0573459118604660e-02 -2.5326859205961227e-02 - <_> - - 0 -1 5908 -1.0771050117909908e-02 - - 8.8735632598400116e-02 -5.5628679692745209e-02 - <_> - - 0 -1 5909 1.2016809545457363e-02 - - 2.3566279560327530e-02 -2.4590580165386200e-01 - <_> - - 0 -1 5910 -1.1656560236588120e-03 - - -3.7417300045490265e-02 1.6503289341926575e-01 - <_> - - 0 -1 5911 3.2137628644704819e-02 - - 1.4245970174670219e-02 -2.6480850577354431e-01 - <_> - - 0 -1 5912 2.3331670090556145e-02 - - -3.5288721323013306e-02 1.8447829782962799e-01 - <_> - - 0 -1 5913 -1.2685320340096951e-02 - - -1.1757309734821320e-01 1.6436910256743431e-02 - <_> - - 0 -1 5914 7.3903938755393028e-05 - - -1.0271479934453964e-01 7.4301436543464661e-02 - <_> - - 0 -1 5915 -1.0925470292568207e-01 - - -8.3165317773818970e-01 5.6438110768795013e-03 - <_> - - 0 -1 5916 -1.3324350118637085e-01 - - 7.7729821205139160e-01 -8.3403270691633224e-03 - <_> - - 0 -1 5917 8.9381448924541473e-04 - - -5.9524301439523697e-02 4.1173089295625687e-02 - <_> - - 0 -1 5918 1.0318649932742119e-02 - - 1.5926430001854897e-02 -3.1637790799140930e-01 - <_> - - 0 -1 5919 -5.2297548390924931e-03 - - -7.1166560053825378e-02 3.3489290624856949e-02 - <_> - - 0 -1 5920 1.6409620642662048e-02 - - -2.6454120874404907e-02 1.9589969515800476e-01 - <_> - - 0 -1 5921 1.4068709686398506e-02 - - -3.9364140480756760e-02 1.3977420330047607e-01 - <_> - - 0 -1 5922 6.6486410796642303e-03 - - 6.4070828258991241e-02 -1.0493399947881699e-01 - <_> - - 0 -1 5923 -1.8030619248747826e-02 - - 8.3942912518978119e-02 -1.3399159535765648e-02 - <_> - - 0 -1 5924 -4.4034369289875031e-02 - - -5.5825459957122803e-01 9.7633162513375282e-03 - <_> - - 0 -1 5925 -8.0966893583536148e-03 - - -2.0489789545536041e-01 2.6520200073719025e-02 - <_> - - 0 -1 5926 5.0180461257696152e-03 - - -1.1661209911108017e-01 4.5791670680046082e-02 - <_> - - 0 -1 5927 -1.7064629122614861e-02 - - 2.6282730698585510e-01 -2.0390639081597328e-02 - <_> - - 0 -1 5928 7.1850173175334930e-02 - - -6.9503681734204292e-03 6.7032539844512939e-01 - <_> - - 0 -1 5929 -5.6914370507001877e-02 - - -1.3477900624275208e-01 1.8399080261588097e-02 - <_> - - 0 -1 5930 -3.2365729566663504e-03 - - 6.9673851132392883e-02 -7.2314530611038208e-02 - <_> - - 0 -1 5931 4.1818909347057343e-02 - - 1.1151459999382496e-02 -5.1680111885070801e-01 - <_> - - 0 -1 5932 -6.1106588691473007e-03 - - -1.3163940608501434e-01 4.3796509504318237e-02 - <_> - - 0 -1 5933 -3.5560909658670425e-02 - - 6.8005502223968506e-02 -3.6331020295619965e-02 - <_> - - 0 -1 5934 6.8789169192314148e-02 - - 1.4698959887027740e-02 -3.8212299346923828e-01 - <_> - - 0 -1 5935 -7.8313373029232025e-02 - - 2.0296069979667664e-01 -8.6810020729899406e-03 - <_> - - 0 -1 5936 3.9626220241189003e-03 - - -3.5797890275716782e-02 1.3905510306358337e-01 - <_> - - 0 -1 5937 -3.3874038606882095e-02 - - -2.2253429889678955e-01 7.5455638580024242e-03 - <_> - - 0 -1 5938 -6.4755856990814209e-02 - - 4.7521549463272095e-01 -1.0970680043101311e-02 - <_> - - 0 -1 5939 2.6647940278053284e-02 - - 1.5445309691131115e-02 -2.6785778999328613e-01 - <_> - - 0 -1 5940 -3.0731109902262688e-02 - - -4.7668689489364624e-01 9.6429884433746338e-03 - <_> - - 0 -1 5941 -2.4022700265049934e-02 - - -1.0633960366249084e-01 1.2849040329456329e-02 - <_> - - 0 -1 5942 -1.3036349555477500e-03 - - 7.3524177074432373e-02 -6.8074919283390045e-02 - <_> - - 0 -1 5943 -9.8344050347805023e-03 - - -1.1843550205230713e-01 4.2866699397563934e-02 - <_> - - 0 -1 5944 8.7102197110652924e-02 - - -4.0088258683681488e-02 1.7804540693759918e-01 - <_> - - 0 -1 5945 2.0411569625139236e-02 - - 1.6849989071488380e-02 -3.8953658938407898e-01 - <_> - - 0 -1 5946 9.5875263214111328e-02 - - 5.9905550442636013e-03 -8.1525659561157227e-01 - <_> - - 0 -1 5947 6.4893220551311970e-03 - - -2.4039229378104210e-02 5.3871169686317444e-02 - <_> - - 0 -1 5948 -9.6279237186536193e-04 - - 9.4299189746379852e-02 -6.4436018466949463e-02 - <_> - - 0 -1 5949 -3.7659960798919201e-04 - - -6.2296878546476364e-02 4.1251849383115768e-02 - <_> - - 0 -1 5950 6.5272641368210316e-03 - - 5.1325131207704544e-02 -1.3037790358066559e-01 - <_> - - 0 -1 5951 2.1429110318422318e-02 - - -1.1989659629762173e-02 2.6280459761619568e-01 - <_> - - 0 -1 5952 -5.0938720814883709e-03 - - 6.3418947160243988e-02 -9.0566337108612061e-02 - <_> - - 0 -1 5953 -2.5309680495411158e-03 - - 6.0297761112451553e-02 -2.5049470365047455e-02 - <_> - - 0 -1 5954 -1.5915350522845984e-03 - - -1.2171190232038498e-01 3.7737991660833359e-02 - <_> - - 0 -1 5955 -3.4030709415674210e-02 - - 4.6413430571556091e-01 -3.5409750416874886e-03 - <_> - - 0 -1 5956 5.1074200309813023e-03 - - 3.9823830127716064e-02 -1.2645539641380310e-01 - <_> - - 0 -1 5957 -9.6449116244912148e-03 - - 3.3464258909225464e-01 -6.6040740348398685e-03 - <_> - - 0 -1 5958 1.1422860436141491e-02 - - -3.6080420017242432e-02 1.3714550435543060e-01 - <_> - - 0 -1 5959 -5.1042139530181885e-03 - - -9.3986809253692627e-02 2.8844779357314110e-02 - <_> - - 0 -1 5960 -2.6332271099090576e-01 - - 4.9980929493904114e-01 -1.0173249989748001e-02 - <_> - - 0 -1 5961 -2.4556639790534973e-01 - - -8.1778347492218018e-01 6.9596339017152786e-03 - <_> - - 0 -1 5962 -2.1419329941272736e-01 - - -5.1040518283843994e-01 9.4540230929851532e-03 - <_> - - 0 -1 5963 -1.4363219961524010e-02 - - -9.1000981628894806e-02 2.4646669626235962e-02 - <_> - - 0 -1 5964 -1.2388969771564007e-03 - - 1.1544570326805115e-01 -4.9565620720386505e-02 - <_> - - 0 -1 5965 2.1015120670199394e-02 - - -1.7765879631042480e-02 1.9577859342098236e-01 - <_> - - 0 -1 5966 -4.1783051565289497e-03 - - -1.1172860115766525e-01 4.4625449925661087e-02 - <_> - - 0 -1 5967 2.0896939095109701e-03 - - -3.3988729119300842e-02 6.5539501607418060e-02 - <_> - - 0 -1 5968 1.6410060226917267e-02 - - -2.0373269915580750e-02 2.5331538915634155e-01 - <_> - - 0 -1 5969 -6.4266882836818695e-02 - - -6.5880149602890015e-01 3.4550630953162909e-03 - <_> - - 0 -1 5970 6.8898178869858384e-04 - - 6.7643247544765472e-02 -8.7556242942810059e-02 - <_> - - 0 -1 5971 5.6662331335246563e-03 - - 3.0638309195637703e-02 -1.1895540356636047e-01 - <_> - - 0 -1 5972 -4.3778121471405029e-02 - - -2.8309130668640137e-01 1.7713630571961403e-02 - <_> - - 0 -1 5973 3.4748481120914221e-03 - - -9.5787122845649719e-02 4.2630400508642197e-02 - <_> - - 0 -1 5974 -1.1673940345644951e-02 - - -1.0502570122480392e-01 5.0903890281915665e-02 - <_> - - 0 -1 5975 -3.4004659391939640e-03 - - 1.0470719635486603e-01 -4.0939141064882278e-02 - <_> - - 0 -1 5976 2.7091780211776495e-03 - - -6.0524601489305496e-02 1.3978950679302216e-01 - <_> - - 0 -1 5977 -1.7439300194382668e-02 - - -3.2391169667243958e-01 1.4630249701440334e-02 - <_> - - 0 -1 5978 -1.2598330155014992e-02 - - -2.0682629942893982e-01 2.5501869618892670e-02 - <_> - - 0 -1 5979 1.8755869939923286e-02 - - -4.7925960272550583e-02 1.0864380002021790e-01 - <_> - - 0 -1 5980 -4.2074159719049931e-03 - - -8.2077808678150177e-02 6.3647769391536713e-02 - <_> - - 0 -1 5981 -1.6427719674538821e-04 - - 1.0120390355587006e-01 -3.4067928791046143e-02 - <_> - - 0 -1 5982 4.3847691267728806e-02 - - 6.0980222187936306e-03 -8.3685982227325439e-01 - <_> - - 0 -1 5983 -3.9284680038690567e-02 - - 2.8250560164451599e-01 -2.2389259189367294e-02 - <_> - - 0 -1 5984 3.8550909608602524e-02 - - 1.5570489689707756e-02 -3.3978620171546936e-01 - <_> - - 0 -1 5985 -6.9177031517028809e-02 - - 1.2258320301771164e-01 -1.7850179225206375e-02 - <_> - - 0 -1 5986 -1.9251030171290040e-03 - - -1.0687749832868576e-01 4.6379510313272476e-02 - <_> - - 0 -1 5987 -8.6635202169418335e-03 - - 9.6412748098373413e-02 -1.7563249915838242e-02 - <_> - - 0 -1 5988 1.3393509387969971e-01 - - 6.3692941330373287e-03 -7.0170587301254272e-01 - <_> - - 0 -1 5989 4.1082348674535751e-02 - - -1.1077569797635078e-02 1.3463750481605530e-01 - <_> - - 0 -1 5990 1.4911450445652008e-01 - - 9.5263421535491943e-03 -5.0872552394866943e-01 - <_> - - 0 -1 5991 -5.2500818856060505e-03 - - 7.0025578141212463e-02 -4.2880270630121231e-02 - <_> - - 0 -1 5992 2.2823570296168327e-02 - - -4.1884049773216248e-02 1.1770319938659668e-01 - <_> - - 0 -1 5993 -8.5306530818343163e-03 - - 6.1222139745950699e-02 -2.4944549426436424e-02 - <_> - - 0 -1 5994 1.1971729807555676e-02 - - 3.9662770926952362e-02 -1.6267740726470947e-01 - <_> - - 0 -1 5995 -3.8938269019126892e-02 - - 2.5743520259857178e-01 -1.6356239095330238e-02 - <_> - - 0 -1 5996 -2.1706389263272285e-02 - - -3.1998679041862488e-01 1.7135290428996086e-02 - <_> - - 0 -1 5997 6.6900630481541157e-03 - - 2.6101849973201752e-02 -1.0980729758739471e-01 - <_> - - 0 -1 5998 -7.2270832955837250e-02 - - 1.9431130588054657e-01 -2.6044359430670738e-02 - <_> - - 0 -1 5999 -6.7073688842356205e-03 - - -1.7747850716114044e-01 4.5862998813390732e-02 - <_> - - 0 -1 6000 5.5019360035657883e-02 - - -8.3471573889255524e-03 6.0511541366577148e-01 - <_> - - 0 -1 6001 1.3142649829387665e-01 - - -5.7535418309271336e-03 2.9167538881301880e-01 - <_> - - 0 -1 6002 -1.6564460238441825e-03 - - 7.0003032684326172e-02 -6.2690876424312592e-02 - <_> - - 0 -1 6003 1.5445409715175629e-01 - - 6.1896732077002525e-03 -7.4323302507400513e-01 - <_> - - 0 -1 6004 -5.0357519648969173e-03 - - -1.1333289742469788e-01 3.8741771131753922e-02 - <_> - - 0 -1 6005 2.2772569209337234e-03 - - -1.1340530216693878e-01 2.1319400519132614e-02 - <_> - - 0 -1 6006 3.3173530828207731e-03 - - 4.4273331761360168e-02 -1.0459829866886139e-01 - <_> - - 0 -1 6007 -2.9692800715565681e-02 - - 9.2483766376972198e-02 -2.3342609405517578e-02 - <_> - - 0 -1 6008 6.2937840819358826e-02 - - -1.2998280115425587e-02 3.8887938857078552e-01 - <_> - - 0 -1 6009 3.6641359329223633e-03 - - 3.2099820673465729e-02 -3.9647988975048065e-02 - <_> - - 0 -1 6010 4.4782999902963638e-03 - - -4.5701328665018082e-02 1.0697010159492493e-01 - <_> - - 0 -1 6011 1.8147319788113236e-03 - - -3.2871820032596588e-02 1.0647939890623093e-01 - <_> - - 0 -1 6012 4.8941639252007008e-03 - - 2.7911009266972542e-02 -2.1725590527057648e-01 - <_> - - 0 -1 6013 -4.4425828382372856e-03 - - -1.3470150530338287e-01 1.0781410150229931e-02 - <_> - - 0 -1 6014 -2.5493400171399117e-02 - - 6.8371468782424927e-01 -7.7452720142900944e-03 - <_> - - 0 -1 6015 2.7835449203848839e-02 - - 2.4144299328327179e-02 -1.5170599520206451e-01 - <_> - - 0 -1 6016 7.5548859313130379e-03 - - -4.7643400728702545e-02 1.1925770342350006e-01 - <_> - - 0 -1 6017 1.0329609736800194e-02 - - 1.8646810203790665e-02 -1.6122570633888245e-01 - <_> - - 0 -1 6018 -1.2393389828503132e-02 - - 6.0304921865463257e-01 -7.7566630207002163e-03 - <_> - - 0 -1 6019 1.3833769597113132e-02 - - -2.7617299929261208e-02 5.1266878843307495e-02 - <_> - - 0 -1 6020 -2.5669319555163383e-02 - - 2.3801359534263611e-01 -2.3971909657120705e-02 - <_> - - 0 -1 6021 -5.2043660543859005e-03 - - -1.0721790045499802e-01 2.6645049452781677e-02 - <_> - - 0 -1 6022 3.4628969151526690e-03 - - 5.4313410073518753e-02 -1.3458320498466492e-01 - <_> - - 0 -1 6023 -1.9220679998397827e-02 - - 7.2996392846107483e-02 -4.0652111172676086e-02 - <_> - - 0 -1 6024 -2.5009829550981522e-03 - - -7.7671296894550323e-02 5.9096541255712509e-02 - <_> - - 0 -1 6025 -8.5285156965255737e-03 - - 4.9050811678171158e-02 -6.4078353345394135e-02 - <_> - - 0 -1 6026 4.3327538296580315e-03 - - 2.5221010670065880e-02 -1.9358980655670166e-01 - <_> - - 0 -1 6027 3.6595970392227173e-02 - - -1.6262590885162354e-02 1.5651239454746246e-01 - <_> - - 0 -1 6028 -1.1795730097219348e-03 - - -7.2468072175979614e-02 7.0449486374855042e-02 - <_> - - 0 -1 6029 -1.3975829817354679e-02 - - -1.1789470165967941e-01 2.1292049437761307e-02 - <_> - - 0 -1 6030 -1.3828700175508857e-03 - - 7.9283542931079865e-02 -9.5104120671749115e-02 - <_> - - 0 -1 6031 -2.9435830656439066e-03 - - 7.0368431508541107e-02 -3.3217910677194595e-02 - <_> - - 0 -1 6032 9.5262555405497551e-03 - - -2.9733620584011078e-02 1.6670459508895874e-01 - <_> - - 0 -1 6033 -9.0114273130893707e-02 - - -1.6625370085239410e-01 8.6199166253209114e-03 - <_> - - 0 -1 6034 -1.2089919764548540e-03 - - 8.1083856523036957e-02 -7.3029123246669769e-02 - <_> - - 0 -1 6035 -1.4199960231781006e-01 - - -1. 2.2284830920398235e-03 - <_> - - 0 -1 6036 8.0690719187259674e-03 - - 4.7412220388650894e-02 -1.0178930312395096e-01 - <_> - - 0 -1 6037 -4.7410889528691769e-03 - - 1.2051119655370712e-01 -4.9957480281591415e-02 - <_> - - 0 -1 6038 -1.6977200284600258e-03 - - -2.4171440303325653e-01 1.9534369930624962e-02 - <_> - - 0 -1 6039 -2.8892089612782001e-03 - - 2.5727990269660950e-01 -1.1625059880316257e-02 - <_> - - 0 -1 6040 -1.5177440363913774e-03 - - -9.8784193396568298e-02 4.6706128865480423e-02 - <_> - - 0 -1 6041 1.4197319746017456e-01 - - -2.5096370372921228e-03 7.5450611114501953e-01 - <_> - - 0 -1 6042 9.7517937421798706e-02 - - -6.9059049710631371e-03 6.5184432268142700e-01 - <_> - - 0 -1 6043 1.3567379675805569e-02 - - -7.6325193047523499e-02 8.8054582476615906e-02 - <_> - - 0 -1 6044 8.0981463193893433e-02 - - 1.5558109618723392e-02 -3.4601628780364990e-01 - <_> - - 0 -1 6045 -4.7192731872200966e-03 - - 8.1620022654533386e-02 -4.6072289347648621e-02 - <_> - - 0 -1 6046 2.0368969999253750e-03 - - -4.4817630201578140e-02 1.2861390411853790e-01 - <_> - - 0 -1 6047 -1.7878509825095534e-03 - - 4.3731331825256348e-02 -4.4995948672294617e-02 - <_> - - 0 -1 6048 -7.1685528382658958e-03 - - -1.3597999513149261e-01 3.8796991109848022e-02 - <_> - - 0 -1 6049 -6.7460887134075165e-02 - - -2.9265740513801575e-01 3.5135280340909958e-03 - <_> - - 0 -1 6050 -1.5598500147461891e-02 - - 2.3105660080909729e-01 -2.2405069321393967e-02 - <_> - - 0 -1 6051 -2.1026479080319405e-02 - - -1.5283830463886261e-01 3.1531449407339096e-02 - <_> - - 0 -1 6052 -1.0558360069990158e-01 - - -6.8366038799285889e-01 6.8997950293123722e-03 - <_> - - 0 -1 6053 -3.6966579500585794e-03 - - 3.4315150231122971e-02 -4.8922799527645111e-02 - <_> - - 0 -1 6054 -6.0826627304777503e-04 - - -5.2638430148363113e-02 8.9546948671340942e-02 - <_> - - 0 -1 6055 -2.8936540707945824e-02 - - 4.1818480938673019e-02 -1.3818169943988323e-02 - <_> - - 0 -1 6056 -5.8082528412342072e-03 - - 6.7874796688556671e-02 -8.5578799247741699e-02 - <_> - - 0 -1 6057 -4.6095378696918488e-02 - - -1.2584780156612396e-01 2.0466970279812813e-02 - <_> - - 0 -1 6058 5.2972920238971710e-02 - - -1.2453259900212288e-02 3.4565049409866333e-01 - <_> - - 0 -1 6059 4.9351599067449570e-02 - - 1.0901239700615406e-02 -4.8506981134414673e-01 - <_> - - 0 -1 6060 4.4377800077199936e-02 - - 9.9294837564229965e-03 -4.3877899646759033e-01 - <_> - - 0 -1 6061 -1.1464890092611313e-01 - - 2.6874598860740662e-01 -9.2000560835003853e-03 - <_> - - 0 -1 6062 1.6887830197811127e-01 - - 5.7101310230791569e-03 -8.5972881317138672e-01 - <_> - - 0 -1 6063 5.1198098808526993e-02 - - -8.5723921656608582e-03 1.3395169377326965e-01 - <_> - - 0 -1 6064 -3.0789880547672510e-03 - - -1.0338760167360306e-01 4.3459478765726089e-02 - <_> - - 0 -1 6065 4.7223128378391266e-02 - - 8.1934239715337753e-03 -4.3803408741950989e-01 - <_> - - 0 -1 6066 -7.6270569115877151e-03 - - 1.8713890016078949e-01 -2.4660250172019005e-02 - <_> - - 0 -1 6067 5.4106907919049263e-03 - - 4.1099831461906433e-02 -7.8868232667446136e-02 - <_> - - 0 -1 6068 -1.4900229871273041e-03 - - -2.0115040242671967e-01 3.1898159533739090e-02 - <_> - - 0 -1 6069 -8.3831608295440674e-02 - - 5.8017939329147339e-01 -5.2973427809774876e-03 - <_> - - 0 -1 6070 6.2233800999820232e-03 - - -3.9786059409379959e-02 1.2283950299024582e-01 - <_> - - 0 -1 6071 1.1475080251693726e-01 - - -1.1975419707596302e-02 2.1586710214614868e-01 - <_> - - 0 -1 6072 -1.5253260498866439e-03 - - 1.3804529607295990e-01 -3.9941880851984024e-02 - <_> - - 0 -1 6073 -5.2878521382808685e-03 - - -1.2790650129318237e-01 3.2893560826778412e-02 - <_> - - 0 -1 6074 8.9670647867023945e-04 - - -1.2481059879064560e-01 4.4544249773025513e-02 - <_> - - 0 -1 6075 3.8421660661697388e-02 - - 7.7155791223049164e-03 -6.5575468540191650e-01 - <_> - - 0 -1 6076 -9.3785318313166499e-04 - - 5.5608510971069336e-02 -8.9876912534236908e-02 - <_> - - 0 -1 6077 1.9965849351137877e-03 - - -2.5297610089182854e-02 1.9413180649280548e-01 - <_> - - 0 -1 6078 4.5782068627886474e-04 - - 3.9089199155569077e-02 -1.2908570468425751e-01 - <_> - - 0 -1 6079 3.8373940624296665e-03 - - -2.8748869895935059e-02 1.9429750740528107e-01 - <_> - - 0 -1 6080 3.7142829387448728e-04 - - 3.8272358477115631e-02 -1.3759189844131470e-01 - <_> - - 0 -1 6081 7.5116259977221489e-03 - - -1.4461129903793335e-02 1.2656949460506439e-01 - <_> - - 0 -1 6082 -5.0362840294837952e-02 - - 3.5183578729629517e-01 -1.4051860198378563e-02 - <_> - - 0 -1 6083 3.9921641349792480e-02 - - 2.7280429378151894e-02 -1.9958199560642242e-01 - <_> - - 0 -1 6084 2.2605259716510773e-01 - - -6.8001961335539818e-03 7.3006898164749146e-01 - <_> - - 0 -1 6085 1.1081779748201370e-01 - - 4.3370737694203854e-03 -8.6829161643981934e-01 - <_> - - 0 -1 6086 -9.7494889050722122e-03 - - -6.3740663230419159e-02 8.4537997841835022e-02 - <_> - - 0 -1 6087 -2.2887689992785454e-03 - - 9.9654018878936768e-02 -4.1565418243408203e-02 - <_> - - 0 -1 6088 2.0008319988846779e-03 - - -5.5650699883699417e-02 1.0709869861602783e-01 - <_> - - 0 -1 6089 -1.5160050243139267e-02 - - -1.4098760485649109e-01 3.8741599768400192e-02 - <_> - - 0 -1 6090 -6.3132969662547112e-03 - - -1. 4.4605308212339878e-03 - <_> - - 0 -1 6091 -1.3970009982585907e-02 - - 1.2481089681386948e-01 -2.1425830200314522e-02 - <_> - - 0 -1 6092 -4.4321279972791672e-02 - - -5.3340071439743042e-01 1.0165239684283733e-02 - <_> - - 0 -1 6093 1.4885979471728206e-03 - - -4.8868600279092789e-02 3.6077901721000671e-02 - <_> - - 0 -1 6094 6.5139681100845337e-02 - - 7.6331058517098427e-03 -5.8781641721725464e-01 - <_> - - 0 -1 6095 -2.0741410553455353e-02 - - -2.9658278822898865e-01 1.8622800707817078e-02 - <_> - 394 - -1.2940989732742310e+00 - - <_> - - 0 -1 6096 1.9188739359378815e-02 - - -2.1150399744510651e-01 1.3286529481410980e-01 - <_> - - 0 -1 6097 -8.1222038716077805e-03 - - 9.2491082847118378e-02 -1.7585119605064392e-01 - <_> - - 0 -1 6098 1.5851219650357962e-03 - - -2.8565698862075806e-01 6.6710568964481354e-02 - <_> - - 0 -1 6099 -4.3140850029885769e-03 - - -1.3885229825973511e-01 5.2694689482450485e-02 - <_> - - 0 -1 6100 -1.7131429631263018e-03 - - 1.3135610520839691e-01 -1.3149109482765198e-01 - <_> - - 0 -1 6101 6.8447366356849670e-02 - - 9.3052154406905174e-03 -2.5063261389732361e-01 - <_> - - 0 -1 6102 -2.4445978924632072e-03 - - -1.7205530405044556e-01 9.8322823643684387e-02 - <_> - - 0 -1 6103 1.0310600046068430e-03 - - 2.3039160296320915e-02 -2.7527621388435364e-01 - <_> - - 0 -1 6104 7.4603251414373517e-04 - - -2.3276780545711517e-01 5.2693009376525879e-02 - <_> - - 0 -1 6105 -6.6399492789059877e-04 - - 6.8990781903266907e-02 -8.4687709808349609e-02 - <_> - - 0 -1 6106 -4.0997468749992549e-04 - - 1.0501380264759064e-01 -1.0819009691476822e-01 - <_> - - 0 -1 6107 -1.8094549886882305e-03 - - -1.8178839981555939e-01 4.4184140861034393e-02 - <_> - - 0 -1 6108 9.3385757645592093e-04 - - -1.4622689783573151e-01 7.2726443409919739e-02 - <_> - - 0 -1 6109 -3.8197741378098726e-04 - - 2.4009939283132553e-02 -1.7295800149440765e-01 - <_> - - 0 -1 6110 -1.4950280310586095e-03 - - -1.9403380155563354e-01 4.8807919025421143e-02 - <_> - - 0 -1 6111 -1.0159100405871868e-02 - - 1.9173899292945862e-01 -5.2749071270227432e-02 - <_> - - 0 -1 6112 5.9903519286308438e-05 - - -1.0791549831628799e-01 9.0988166630268097e-02 - <_> - - 0 -1 6113 -3.1967550516128540e-02 - - 4.1109889745712280e-01 -2.2650640457868576e-02 - <_> - - 0 -1 6114 1.4343270100653172e-02 - - 2.4315539747476578e-02 -4.2680150270462036e-01 - <_> - - 0 -1 6115 1.1039529927074909e-02 - - -6.2717013061046600e-02 1.1330530047416687e-01 - <_> - - 0 -1 6116 -8.4228850901126862e-03 - - -2.1369309723377228e-01 4.2059201747179031e-02 - <_> - - 0 -1 6117 -2.0549839362502098e-02 - - 1.5161630511283875e-01 -2.4594139307737350e-02 - <_> - - 0 -1 6118 -6.5411031246185303e-03 - - 1.4883629977703094e-01 -6.1179339885711670e-02 - <_> - - 0 -1 6119 -1.3324400410056114e-02 - - -2.0791970193386078e-01 4.8333309590816498e-02 - <_> - - 0 -1 6120 7.0111267268657684e-02 - - -2.6863219216465950e-02 3.6322259902954102e-01 - <_> - - 0 -1 6121 -2.6973750209435821e-04 - - 6.0876660048961639e-02 -1.1272370070219040e-01 - <_> - - 0 -1 6122 -1.3509000418707728e-03 - - -1.8552079796791077e-01 5.2154958248138428e-02 - <_> - - 0 -1 6123 -2.8083190321922302e-02 - - 3.5111880302429199e-01 -2.3596329614520073e-02 - <_> - - 0 -1 6124 -1.0003290139138699e-02 - - -2.9058480262756348e-01 3.2125689089298248e-02 - <_> - - 0 -1 6125 -1.6111029544845223e-03 - - 9.8113670945167542e-02 -5.2203711122274399e-02 - <_> - - 0 -1 6126 -1.8411900848150253e-02 - - -1.8082669377326965e-01 5.4536700248718262e-02 - <_> - - 0 -1 6127 -7.1738816797733307e-02 - - -7.6654988527297974e-01 3.3518690615892410e-03 - <_> - - 0 -1 6128 -2.7943260502070189e-03 - - 1.5871369838714600e-01 -6.4271800220012665e-02 - <_> - - 0 -1 6129 -1.6874749958515167e-01 - - -6.9956189393997192e-01 4.8861699178814888e-03 - <_> - - 0 -1 6130 -1.2672400334849954e-03 - - 3.1616039574146271e-02 -2.4953269958496094e-01 - <_> - - 0 -1 6131 2.0807750523090363e-02 - - 1.7053410410881042e-02 -2.4331410229206085e-01 - <_> - - 0 -1 6132 -1.5869849594309926e-03 - - 9.3171089887619019e-02 -8.1361927092075348e-02 - <_> - - 0 -1 6133 -1.0014690458774567e-02 - - -2.7789619565010071e-01 2.6569239795207977e-02 - <_> - - 0 -1 6134 -5.7948171161115170e-03 - - -2.2287739813327789e-01 3.5975661128759384e-02 - <_> - - 0 -1 6135 2.7189950924366713e-03 - - -9.0631909668445587e-02 5.6820400059223175e-02 - <_> - - 0 -1 6136 3.8845159113407135e-02 - - 1.2280859984457493e-02 -5.8521348237991333e-01 - <_> - - 0 -1 6137 -1.4158680103719234e-02 - - 1.8153870105743408e-01 -3.1109429895877838e-02 - <_> - - 0 -1 6138 -1.8278600275516510e-01 - - -9.0013808012008667e-01 7.6544750481843948e-03 - <_> - - 0 -1 6139 2.7588419616222382e-02 - - -1.2460039928555489e-02 2.0069369673728943e-01 - <_> - - 0 -1 6140 -1.4784430153667927e-02 - - -8.9910492300987244e-02 8.1648677587509155e-02 - <_> - - 0 -1 6141 1.1625719815492630e-01 - - 2.3692469112575054e-03 -9.9998068809509277e-01 - <_> - - 0 -1 6142 3.5341090988367796e-03 - - -6.1760541051626205e-02 1.3490639626979828e-01 - <_> - - 0 -1 6143 5.1878788508474827e-03 - - 1.8745860084891319e-02 -1.7449170351028442e-01 - <_> - - 0 -1 6144 7.9457357525825500e-02 - - -2.3402990773320198e-02 3.3502200245857239e-01 - <_> - - 0 -1 6145 2.7684379369020462e-02 - - 2.3663910105824471e-02 -3.3256360888481140e-01 - <_> - - 0 -1 6146 -4.4806320220232010e-03 - - -1.4658750593662262e-01 4.7376811504364014e-02 - <_> - - 0 -1 6147 5.6939688511192799e-03 - - -5.6776121258735657e-02 6.7580856382846832e-02 - <_> - - 0 -1 6148 7.7299480326473713e-03 - - -3.1156649813055992e-02 2.3102590441703796e-01 - <_> - - 0 -1 6149 3.9786100387573242e-03 - - -5.6882441043853760e-02 1.3271529972553253e-01 - <_> - - 0 -1 6150 -1.1275880038738251e-02 - - -2.0938649773597717e-01 3.5291459411382675e-02 - <_> - - 0 -1 6151 -2.4308220017701387e-03 - - -2.0176360011100769e-01 3.4513931721448898e-02 - <_> - - 0 -1 6152 5.7369591668248177e-03 - - -5.5607158690690994e-02 1.1532089859247208e-01 - <_> - - 0 -1 6153 4.6170800924301147e-03 - - -5.6083500385284424e-02 8.1762917339801788e-02 - <_> - - 0 -1 6154 -4.7089671716094017e-03 - - -1.3351219892501831e-01 5.6296080350875854e-02 - <_> - - 0 -1 6155 -3.2688070088624954e-02 - - 2.7922388911247253e-01 -1.0867659933865070e-02 - <_> - - 0 -1 6156 8.8686197996139526e-02 - - 1.8268220126628876e-02 -3.5637390613555908e-01 - <_> - - 0 -1 6157 4.5751677826046944e-03 - - -5.1558461040258408e-02 6.3948810100555420e-02 - <_> - - 0 -1 6158 4.9765850417315960e-03 - - -5.4684590548276901e-02 1.1907110363245010e-01 - <_> - - 0 -1 6159 -6.4881290309131145e-03 - - -9.9121123552322388e-02 2.6508849114179611e-02 - <_> - - 0 -1 6160 2.4523450993001461e-03 - - -9.5045946538448334e-02 6.6802926361560822e-02 - <_> - - 0 -1 6161 7.0354789495468140e-03 - - 1.0705590248107910e-01 -6.2395099550485611e-02 - <_> - - 0 -1 6162 4.2746789753437042e-02 - - -1.6092179343104362e-02 4.3256199359893799e-01 - <_> - - 0 -1 6163 -4.5301730278879404e-04 - - 3.6420568823814392e-02 -9.9322892725467682e-02 - <_> - - 0 -1 6164 -5.2631930448114872e-03 - - -1.1416749656200409e-01 5.7260219007730484e-02 - <_> - - 0 -1 6165 1.0581909446045756e-03 - - 3.3220488578081131e-02 -1.1831220239400864e-01 - <_> - - 0 -1 6166 2.5088949128985405e-02 - - -6.0655020177364349e-02 1.2601740658283234e-01 - <_> - - 0 -1 6167 2.4252159893512726e-01 - - 2.2060840856283903e-03 -1.0000120401382446e+00 - <_> - - 0 -1 6168 -1.4393079280853271e-01 - - 3.7419798970222473e-01 -2.2252110764384270e-02 - <_> - - 0 -1 6169 -6.0972762294113636e-03 - - -1.1038099974393845e-01 4.5996960252523422e-02 - <_> - - 0 -1 6170 6.1375470831990242e-03 - - 3.8307808339595795e-02 -1.8086770176887512e-01 - <_> - - 0 -1 6171 -3.6617079749703407e-03 - - 3.8439918309450150e-02 -6.2540791928768158e-02 - <_> - - 0 -1 6172 -1.5854850411415100e-01 - - 3.4469398856163025e-01 -1.9837500527501106e-02 - <_> - - 0 -1 6173 6.7219287157058716e-02 - - 9.5165139064192772e-03 -5.0206458568572998e-01 - <_> - - 0 -1 6174 2.2499680053442717e-03 - - -1.3063929975032806e-01 6.4832933247089386e-02 - <_> - - 0 -1 6175 8.4626786410808563e-02 - - 5.9339799918234348e-03 -4.1516590118408203e-01 - <_> - - 0 -1 6176 -9.5411221263930202e-04 - - -9.3790747225284576e-02 7.5486607849597931e-02 - <_> - - 0 -1 6177 -7.6813949272036552e-03 - - -1.4821960031986237e-01 2.9010580852627754e-02 - <_> - - 0 -1 6178 -2.5593319907784462e-02 - - 1.4859579503536224e-01 -4.7195930033922195e-02 - <_> - - 0 -1 6179 2.1508369594812393e-02 - - 2.3782620206475258e-02 -9.6659287810325623e-02 - <_> - - 0 -1 6180 3.4463100135326385e-02 - - -3.7410069257020950e-02 2.2015300393104553e-01 - <_> - - 0 -1 6181 -3.7860300391912460e-02 - - -5.0047469139099121e-01 1.4059869572520256e-02 - <_> - - 0 -1 6182 1.2028450146317482e-03 - - -6.5087057650089264e-02 8.9583486318588257e-02 - <_> - - 0 -1 6183 1.6753520816564560e-02 - - 4.9179811030626297e-03 -4.3030908703804016e-01 - <_> - - 0 -1 6184 1.6640779795125127e-03 - - 4.0807429701089859e-02 -1.4469960331916809e-01 - <_> - - 0 -1 6185 3.4473428968340158e-03 - - -3.9910178631544113e-02 1.5272960066795349e-01 - <_> - - 0 -1 6186 8.9918142184615135e-03 - - 7.1071267127990723e-02 -8.6169913411140442e-02 - <_> - - 0 -1 6187 8.3185202674940228e-04 - - -2.5739189982414246e-01 1.7941089347004890e-02 - <_> - - 0 -1 6188 -6.8142730742692947e-03 - - 1.3823160529136658e-01 -5.3994540125131607e-02 - <_> - - 0 -1 6189 2.9746210202574730e-03 - - -4.1550260037183762e-02 3.9839770644903183e-02 - <_> - - 0 -1 6190 2.5836620479822159e-03 - - -7.0656493306159973e-02 9.5045506954193115e-02 - <_> - - 0 -1 6191 2.7143809711560607e-04 - - 5.8070071041584015e-02 -1.2781760096549988e-01 - <_> - - 0 -1 6192 3.5418298840522766e-01 - - 5.4909070022404194e-03 -9.7960698604583740e-01 - <_> - - 0 -1 6193 2.5318650528788567e-02 - - -1.4410969801247120e-02 2.6219129562377930e-01 - <_> - - 0 -1 6194 -2.2658439411316067e-04 - - 5.2997849881649017e-02 -1.1629349738359451e-01 - <_> - - 0 -1 6195 6.8859090097248554e-03 - - 1.6437310725450516e-02 -2.0349490642547607e-01 - <_> - - 0 -1 6196 1.1607459746301174e-02 - - -3.6651011556386948e-02 1.5184010565280914e-01 - <_> - - 0 -1 6197 -4.8253959976136684e-03 - - -2.3476150631904602e-01 3.7914011627435684e-02 - <_> - - 0 -1 6198 2.5656020734459162e-03 - - 3.5185638815164566e-02 -1.8540710210800171e-01 - <_> - - 0 -1 6199 1.2601399421691895e-01 - - -9.8542850464582443e-03 2.5520691275596619e-01 - <_> - - 0 -1 6200 2.7164958883076906e-03 - - -2.1748440340161324e-02 2.5467529892921448e-01 - <_> - - 0 -1 6201 3.2356029748916626e-01 - - 8.8657345622777939e-03 -7.0383572578430176e-01 - <_> - - 0 -1 6202 -8.4016058826819062e-04 - - 3.6831360310316086e-02 -1.4953260123729706e-01 - <_> - - 0 -1 6203 3.3291990403085947e-03 - - 4.8185840249061584e-02 -1.2290470302104950e-01 - <_> - - 0 -1 6204 2.1130539476871490e-01 - - 6.5245870500802994e-03 -8.8293862342834473e-01 - <_> - - 0 -1 6205 5.0388509407639503e-03 - - -6.7079946398735046e-02 3.7849709391593933e-02 - <_> - - 0 -1 6206 -2.7862399816513062e-02 - - 3.3469489216804504e-01 -1.8816500902175903e-02 - <_> - - 0 -1 6207 3.8636629469692707e-03 - - 4.3644730001688004e-02 -1.7481489479541779e-01 - <_> - - 0 -1 6208 1.0480300337076187e-01 - - -1.5737529844045639e-02 4.2094239592552185e-01 - <_> - - 0 -1 6209 -3.4130848944187164e-03 - - -1.0835570096969604e-01 4.3717790395021439e-02 - <_> - - 0 -1 6210 -4.6396970748901367e-02 - - -7.5680077075958252e-01 8.6701400578022003e-03 - <_> - - 0 -1 6211 5.3708078339695930e-03 - - -4.1797801852226257e-02 1.4824719727039337e-01 - <_> - - 0 -1 6212 -6.1126388609409332e-03 - - 1.8673719465732574e-01 -4.3387491255998611e-02 - <_> - - 0 -1 6213 4.2509321123361588e-02 - - 1.1690679937601089e-02 -4.3740659952163696e-01 - <_> - - 0 -1 6214 1.0473020374774933e-02 - - 4.3143630027770996e-02 -1.5654399991035461e-01 - <_> - - 0 -1 6215 -4.7223959118127823e-02 - - -7.4483537673950195e-01 3.4918629098683596e-03 - <_> - - 0 -1 6216 5.3090360015630722e-02 - - 1.0408150032162666e-02 -5.3499448299407959e-01 - <_> - - 0 -1 6217 -7.0432561915367842e-04 - - 3.3384170383214951e-02 -7.3706030845642090e-02 - <_> - - 0 -1 6218 7.5942431576550007e-03 - - -2.9107049107551575e-02 1.9468860328197479e-01 - <_> - - 0 -1 6219 2.2676989436149597e-02 - - 3.3803820610046387e-02 -2.7627611160278320e-01 - <_> - - 0 -1 6220 6.6533521749079227e-03 - - -2.6578240096569061e-02 2.4283319711685181e-01 - <_> - - 0 -1 6221 3.7712270859628916e-03 - - 2.6554299518465996e-02 -6.4952917397022247e-02 - <_> - - 0 -1 6222 -2.0740530453622341e-03 - - -1.7968970537185669e-01 3.1532160937786102e-02 - <_> - - 0 -1 6223 -1.5632519498467445e-03 - - 5.3109679371118546e-02 -8.7415628135204315e-02 - <_> - - 0 -1 6224 1.2540889903903008e-02 - - -3.4136459231376648e-02 2.2097539901733398e-01 - <_> - - 0 -1 6225 -3.2660199794918299e-03 - - -5.5261608213186264e-02 3.2669559121131897e-02 - <_> - - 0 -1 6226 -8.2185603678226471e-03 - - -1.4478379487991333e-01 5.5743928998708725e-02 - <_> - - 0 -1 6227 -5.5811040103435516e-02 - - 1.7237940430641174e-01 -1.4456519857048988e-02 - <_> - - 0 -1 6228 -1.4723159372806549e-01 - - -8.1392312049865723e-01 7.4356291443109512e-03 - <_> - - 0 -1 6229 -5.8468529023230076e-03 - - -6.9043442606925964e-02 1.9456790760159492e-02 - <_> - - 0 -1 6230 1.9462220370769501e-02 - - -3.5472229123115540e-02 1.6666300594806671e-01 - <_> - - 0 -1 6231 5.8353468775749207e-02 - - 3.0551329255104065e-03 -3.9289128780364990e-01 - <_> - - 0 -1 6232 4.3785829097032547e-02 - - 1.3574630022048950e-02 -4.6152359247207642e-01 - <_> - - 0 -1 6233 -5.1904350519180298e-02 - - 6.3802438974380493e-01 -9.6664745360612869e-03 - <_> - - 0 -1 6234 -7.7811058145016432e-04 - - -9.9303223192691803e-02 5.6094601750373840e-02 - <_> - - 0 -1 6235 4.9657518975436687e-03 - - 4.1419368237257004e-02 -1.1274819821119308e-01 - <_> - - 0 -1 6236 -5.4516079835593700e-03 - - 1.7399060726165771e-01 -4.1147731244564056e-02 - <_> - - 0 -1 6237 5.0428751856088638e-03 - - -4.1255220770835876e-02 1.3794229924678802e-01 - <_> - - 0 -1 6238 -1.6985220136120915e-03 - - -2.2874790430068970e-01 2.5274980813264847e-02 - <_> - - 0 -1 6239 8.2764238119125366e-02 - - 3.3066510222852230e-03 -6.9113439321517944e-01 - <_> - - 0 -1 6240 3.9285849779844284e-03 - - -7.9043358564376831e-02 6.6218852996826172e-02 - <_> - - 0 -1 6241 -3.0601240694522858e-02 - - -2.6517450809478760e-01 1.6467850655317307e-02 - <_> - - 0 -1 6242 -1.9941160455346107e-02 - - 1.5431809425354004e-01 -3.6100689321756363e-02 - <_> - - 0 -1 6243 8.0520063638687134e-02 - - 1.7015919089317322e-02 -3.3448880910873413e-01 - <_> - - 0 -1 6244 7.0323847234249115e-02 - - 1.7122440040111542e-02 -3.3302140235900879e-01 - <_> - - 0 -1 6245 -5.2850939333438873e-02 - - 6.2421400099992752e-02 -1.4690199866890907e-02 - <_> - - 0 -1 6246 -7.1594159817323089e-04 - - -1.1335150152444839e-01 5.2260790020227432e-02 - <_> - - 0 -1 6247 2.1469970047473907e-01 - - 9.9299731664359570e-04 -9.9997580051422119e-01 - <_> - - 0 -1 6248 8.7042592465877533e-02 - - -1.2329760007560253e-02 5.0260668992996216e-01 - <_> - - 0 -1 6249 -5.8731262106448412e-04 - - -9.9346466362476349e-02 5.1705610007047653e-02 - <_> - - 0 -1 6250 -4.4215220957994461e-02 - - -3.9368900656700134e-01 1.3920850120484829e-02 - <_> - - 0 -1 6251 -8.7676227092742920e-02 - - 3.0157440900802612e-01 -6.8702381104230881e-03 - <_> - - 0 -1 6252 -4.8453990370035172e-02 - - 2.5477871298789978e-01 -2.2457750514149666e-02 - <_> - - 0 -1 6253 -2.1567570511251688e-03 - - -1.3562899827957153e-01 3.1725399196147919e-02 - <_> - - 0 -1 6254 3.9050900377333164e-03 - - 4.9100890755653381e-02 -1.1861059814691544e-01 - <_> - - 0 -1 6255 -3.9808028377592564e-03 - - 4.8333909362554550e-02 -5.5897079408168793e-02 - <_> - - 0 -1 6256 2.9744929634034634e-03 - - -6.4802452921867371e-02 9.3583501875400543e-02 - <_> - - 0 -1 6257 2.5875229388475418e-02 - - 1.8487609922885895e-02 -3.3436349034309387e-01 - <_> - - 0 -1 6258 -1.9373580580577254e-03 - - 2.2000649571418762e-01 -2.5404980406165123e-02 - <_> - - 0 -1 6259 -2.0171629264950752e-02 - - -7.8228309750556946e-02 4.5462790876626968e-02 - <_> - - 0 -1 6260 -2.6088140904903412e-02 - - 1.7637069523334503e-01 -4.5097298920154572e-02 - <_> - - 0 -1 6261 -2.6868300512433052e-02 - - -3.2656419277191162e-01 1.7994230613112450e-02 - <_> - - 0 -1 6262 -7.0211151614785194e-04 - - 3.9671998471021652e-02 -1.4533540606498718e-01 - <_> - - 0 -1 6263 8.3507681265473366e-03 - - -2.3051729425787926e-02 1.8850760161876678e-01 - <_> - - 0 -1 6264 4.6823569573462009e-03 - - 2.9996560886502266e-02 -2.0701029896736145e-01 - <_> - - 0 -1 6265 3.3109660726040602e-03 - - 5.6536730378866196e-02 -1.6835589706897736e-01 - <_> - - 0 -1 6266 7.6425541192293167e-03 - - -4.1423950344324112e-02 1.2557519972324371e-01 - <_> - - 0 -1 6267 -2.4713110178709030e-03 - - 7.2156153619289398e-02 -1.0767730325460434e-01 - <_> - - 0 -1 6268 -9.9495360627770424e-03 - - -1.8187619745731354e-01 3.3567231148481369e-02 - <_> - - 0 -1 6269 1.9820800516754389e-03 - - -5.6488718837499619e-02 1.0741490125656128e-01 - <_> - - 0 -1 6270 2.3254439234733582e-02 - - -1.6543349251151085e-02 3.6466678977012634e-01 - <_> - - 0 -1 6271 -5.4177921265363693e-02 - - -1. 3.3418419770896435e-03 - <_> - - 0 -1 6272 6.1567849479615688e-04 - - 4.0159329771995544e-02 -1.6460220515727997e-01 - <_> - - 0 -1 6273 -4.2699510231614113e-03 - - -5.6978620588779449e-02 4.4480901211500168e-02 - <_> - - 0 -1 6274 1.9749389030039310e-03 - - 5.9283681213855743e-02 -1.0791260004043579e-01 - <_> - - 0 -1 6275 -5.8583128266036510e-03 - - 1.3734050095081329e-01 -3.4231521189212799e-02 - <_> - - 0 -1 6276 -7.2995189111679792e-04 - - -1.0075060278177261e-01 5.4733160883188248e-02 - <_> - - 0 -1 6277 -2.9930740594863892e-02 - - 6.3882559537887573e-02 -4.1027020663022995e-02 - <_> - - 0 -1 6278 -5.1738750189542770e-02 - - -7.2713458538055420e-01 7.4993381276726723e-03 - <_> - - 0 -1 6279 2.4021189659833908e-02 - - 7.8491801396012306e-03 -5.5794471502304077e-01 - <_> - - 0 -1 6280 -3.7574321031570435e-03 - - -1.6086879372596741e-01 3.1015990301966667e-02 - <_> - - 0 -1 6281 -6.2635682523250580e-02 - - 9.0577863156795502e-02 -2.9033770784735680e-02 - <_> - - 0 -1 6282 1.9363429397344589e-02 - - -4.9920588731765747e-02 1.2835779786109924e-01 - <_> - - 0 -1 6283 -3.5072889178991318e-02 - - 2.1391840279102325e-01 -8.8168960064649582e-03 - <_> - - 0 -1 6284 -1.3243310153484344e-02 - - 2.3349699378013611e-01 -2.3088019341230392e-02 - <_> - - 0 -1 6285 -3.1290829181671143e-02 - - -6.9495099782943726e-01 9.3020889908075333e-03 - <_> - - 0 -1 6286 7.2391419671475887e-03 - - 2.8485849499702454e-02 -1.8310770392417908e-01 - <_> - - 0 -1 6287 6.6785318776965141e-03 - - -4.9132950603961945e-02 5.4181691259145737e-02 - <_> - - 0 -1 6288 -3.6825571209192276e-02 - - 3.3120208978652954e-01 -2.1359929814934731e-02 - <_> - - 0 -1 6289 -4.5507341623306274e-02 - - -1.2893490493297577e-01 4.9545988440513611e-02 - <_> - - 0 -1 6290 7.7639957889914513e-03 - - -3.6255620419979095e-02 1.5321409702301025e-01 - <_> - - 0 -1 6291 6.0417611151933670e-02 - - 4.5740022324025631e-03 -6.7541092634201050e-01 - <_> - - 0 -1 6292 2.4624960497021675e-03 - - 5.3674161434173584e-02 -1.1326540261507034e-01 - <_> - - 0 -1 6293 7.3594506829977036e-05 - - -3.5648930817842484e-02 2.5458969175815582e-02 - <_> - - 0 -1 6294 -4.0958370082080364e-03 - - 1.5562909841537476e-01 -3.9390601217746735e-02 - <_> - - 0 -1 6295 2.8689370083156973e-05 - - -8.4823302924633026e-02 3.8254238665103912e-02 - <_> - - 0 -1 6296 -4.6220528893172741e-03 - - -1.8994529545307159e-01 3.3508758991956711e-02 - <_> - - 0 -1 6297 -8.5343196988105774e-03 - - 1.1212539672851562e-01 -3.3968489617109299e-02 - <_> - - 0 -1 6298 -5.8803848922252655e-02 - - -5.1244312524795532e-01 1.0789549909532070e-02 - <_> - - 0 -1 6299 6.0719929635524750e-02 - - -1.2555030174553394e-02 2.2509759664535522e-01 - <_> - - 0 -1 6300 1.1038020020350814e-03 - - -9.6294492483139038e-02 5.6727480143308640e-02 - <_> - - 0 -1 6301 -3.8484560791403055e-03 - - 4.0573459118604660e-02 -2.5326859205961227e-02 - <_> - - 0 -1 6302 -1.0771050117909908e-02 - - 8.8735632598400116e-02 -5.5628679692745209e-02 - <_> - - 0 -1 6303 1.2016809545457363e-02 - - 2.3566279560327530e-02 -2.4590580165386200e-01 - <_> - - 0 -1 6304 -1.1656560236588120e-03 - - -3.7417300045490265e-02 1.6503289341926575e-01 - <_> - - 0 -1 6305 3.2137628644704819e-02 - - 1.4245970174670219e-02 -2.6480850577354431e-01 - <_> - - 0 -1 6306 2.3331670090556145e-02 - - -3.5288721323013306e-02 1.8447829782962799e-01 - <_> - - 0 -1 6307 -1.2685320340096951e-02 - - -1.1757309734821320e-01 1.6436910256743431e-02 - <_> - - 0 -1 6308 7.3903938755393028e-05 - - -1.0271479934453964e-01 7.4301436543464661e-02 - <_> - - 0 -1 6309 -1.0925470292568207e-01 - - -8.3165317773818970e-01 5.6438110768795013e-03 - <_> - - 0 -1 6310 -1.3324350118637085e-01 - - 7.7729821205139160e-01 -8.3403270691633224e-03 - <_> - - 0 -1 6311 8.9381448924541473e-04 - - -5.9524301439523697e-02 4.1173089295625687e-02 - <_> - - 0 -1 6312 1.0318649932742119e-02 - - 1.5926430001854897e-02 -3.1637790799140930e-01 - <_> - - 0 -1 6313 -5.2297548390924931e-03 - - -7.1166560053825378e-02 3.3489290624856949e-02 - <_> - - 0 -1 6314 1.6409620642662048e-02 - - -2.6454120874404907e-02 1.9589969515800476e-01 - <_> - - 0 -1 6315 1.4068709686398506e-02 - - -3.9364140480756760e-02 1.3977420330047607e-01 - <_> - - 0 -1 6316 6.6486410796642303e-03 - - 6.4070828258991241e-02 -1.0493399947881699e-01 - <_> - - 0 -1 6317 -1.8030619248747826e-02 - - 8.3942912518978119e-02 -1.3399159535765648e-02 - <_> - - 0 -1 6318 -4.4034369289875031e-02 - - -5.5825459957122803e-01 9.7633162513375282e-03 - <_> - - 0 -1 6319 -8.0966893583536148e-03 - - -2.0489789545536041e-01 2.6520200073719025e-02 - <_> - - 0 -1 6320 5.0180461257696152e-03 - - -1.1661209911108017e-01 4.5791670680046082e-02 - <_> - - 0 -1 6321 -1.7064629122614861e-02 - - 2.6282730698585510e-01 -2.0390639081597328e-02 - <_> - - 0 -1 6322 7.1850173175334930e-02 - - -6.9503681734204292e-03 6.7032539844512939e-01 - <_> - - 0 -1 6323 -5.6914370507001877e-02 - - -1.3477900624275208e-01 1.8399080261588097e-02 - <_> - - 0 -1 6324 -3.2365729566663504e-03 - - 6.9673851132392883e-02 -7.2314530611038208e-02 - <_> - - 0 -1 6325 4.1818909347057343e-02 - - 1.1151459999382496e-02 -5.1680111885070801e-01 - <_> - - 0 -1 6326 -6.1106588691473007e-03 - - -1.3163940608501434e-01 4.3796509504318237e-02 - <_> - - 0 -1 6327 -3.5560909658670425e-02 - - 6.8005502223968506e-02 -3.6331020295619965e-02 - <_> - - 0 -1 6328 6.8789169192314148e-02 - - 1.4698959887027740e-02 -3.8212299346923828e-01 - <_> - - 0 -1 6329 -7.8313373029232025e-02 - - 2.0296069979667664e-01 -8.6810020729899406e-03 - <_> - - 0 -1 6330 3.9626220241189003e-03 - - -3.5797890275716782e-02 1.3905510306358337e-01 - <_> - - 0 -1 6331 -3.3874038606882095e-02 - - -2.2253429889678955e-01 7.5455638580024242e-03 - <_> - - 0 -1 6332 -6.4755856990814209e-02 - - 4.7521549463272095e-01 -1.0970680043101311e-02 - <_> - - 0 -1 6333 2.6647940278053284e-02 - - 1.5445309691131115e-02 -2.6785778999328613e-01 - <_> - - 0 -1 6334 -3.0731109902262688e-02 - - -4.7668689489364624e-01 9.6429884433746338e-03 - <_> - - 0 -1 6335 -2.4022700265049934e-02 - - -1.0633960366249084e-01 1.2849040329456329e-02 - <_> - - 0 -1 6336 -1.3036349555477500e-03 - - 7.3524177074432373e-02 -6.8074919283390045e-02 - <_> - - 0 -1 6337 -9.8344050347805023e-03 - - -1.1843550205230713e-01 4.2866699397563934e-02 - <_> - - 0 -1 6338 8.7102197110652924e-02 - - -4.0088258683681488e-02 1.7804540693759918e-01 - <_> - - 0 -1 6339 2.0411569625139236e-02 - - 1.6849989071488380e-02 -3.8953658938407898e-01 - <_> - - 0 -1 6340 9.5875263214111328e-02 - - 5.9905550442636013e-03 -8.1525659561157227e-01 - <_> - - 0 -1 6341 6.4893220551311970e-03 - - -2.4039229378104210e-02 5.3871169686317444e-02 - <_> - - 0 -1 6342 -9.6279237186536193e-04 - - 9.4299189746379852e-02 -6.4436018466949463e-02 - <_> - - 0 -1 6343 -3.7659960798919201e-04 - - -6.2296878546476364e-02 4.1251849383115768e-02 - <_> - - 0 -1 6344 6.5272641368210316e-03 - - 5.1325131207704544e-02 -1.3037790358066559e-01 - <_> - - 0 -1 6345 2.1429110318422318e-02 - - -1.1989659629762173e-02 2.6280459761619568e-01 - <_> - - 0 -1 6346 -5.0938720814883709e-03 - - 6.3418947160243988e-02 -9.0566337108612061e-02 - <_> - - 0 -1 6347 -2.5309680495411158e-03 - - 6.0297761112451553e-02 -2.5049470365047455e-02 - <_> - - 0 -1 6348 -1.5915350522845984e-03 - - -1.2171190232038498e-01 3.7737991660833359e-02 - <_> - - 0 -1 6349 -3.4030709415674210e-02 - - 4.6413430571556091e-01 -3.5409750416874886e-03 - <_> - - 0 -1 6350 5.1074200309813023e-03 - - 3.9823830127716064e-02 -1.2645539641380310e-01 - <_> - - 0 -1 6351 -9.6449116244912148e-03 - - 3.3464258909225464e-01 -6.6040740348398685e-03 - <_> - - 0 -1 6352 1.1422860436141491e-02 - - -3.6080420017242432e-02 1.3714550435543060e-01 - <_> - - 0 -1 6353 -5.1042139530181885e-03 - - -9.3986809253692627e-02 2.8844779357314110e-02 - <_> - - 0 -1 6354 -2.6332271099090576e-01 - - 4.9980929493904114e-01 -1.0173249989748001e-02 - <_> - - 0 -1 6355 -2.4556639790534973e-01 - - -8.1778347492218018e-01 6.9596339017152786e-03 - <_> - - 0 -1 6356 -2.1419329941272736e-01 - - -5.1040518283843994e-01 9.4540230929851532e-03 - <_> - - 0 -1 6357 -1.4363219961524010e-02 - - -9.1000981628894806e-02 2.4646669626235962e-02 - <_> - - 0 -1 6358 -1.2388969771564007e-03 - - 1.1544570326805115e-01 -4.9565620720386505e-02 - <_> - - 0 -1 6359 2.1015120670199394e-02 - - -1.7765879631042480e-02 1.9577859342098236e-01 - <_> - - 0 -1 6360 -4.1783051565289497e-03 - - -1.1172860115766525e-01 4.4625449925661087e-02 - <_> - - 0 -1 6361 2.0896939095109701e-03 - - -3.3988729119300842e-02 6.5539501607418060e-02 - <_> - - 0 -1 6362 1.6410060226917267e-02 - - -2.0373269915580750e-02 2.5331538915634155e-01 - <_> - - 0 -1 6363 -6.4266882836818695e-02 - - -6.5880149602890015e-01 3.4550630953162909e-03 - <_> - - 0 -1 6364 6.8898178869858384e-04 - - 6.7643247544765472e-02 -8.7556242942810059e-02 - <_> - - 0 -1 6365 5.6662331335246563e-03 - - 3.0638309195637703e-02 -1.1895540356636047e-01 - <_> - - 0 -1 6366 -4.3778121471405029e-02 - - -2.8309130668640137e-01 1.7713630571961403e-02 - <_> - - 0 -1 6367 3.4748481120914221e-03 - - -9.5787122845649719e-02 4.2630400508642197e-02 - <_> - - 0 -1 6368 -1.1673940345644951e-02 - - -1.0502570122480392e-01 5.0903890281915665e-02 - <_> - - 0 -1 6369 -3.4004659391939640e-03 - - 1.0470719635486603e-01 -4.0939141064882278e-02 - <_> - - 0 -1 6370 2.7091780211776495e-03 - - -6.0524601489305496e-02 1.3978950679302216e-01 - <_> - - 0 -1 6371 -1.7439300194382668e-02 - - -3.2391169667243958e-01 1.4630249701440334e-02 - <_> - - 0 -1 6372 -1.2598330155014992e-02 - - -2.0682629942893982e-01 2.5501869618892670e-02 - <_> - - 0 -1 6373 1.8755869939923286e-02 - - -4.7925960272550583e-02 1.0864380002021790e-01 - <_> - - 0 -1 6374 -4.2074159719049931e-03 - - -8.2077808678150177e-02 6.3647769391536713e-02 - <_> - - 0 -1 6375 -1.6427719674538821e-04 - - 1.0120390355587006e-01 -3.4067928791046143e-02 - <_> - - 0 -1 6376 4.3847691267728806e-02 - - 6.0980222187936306e-03 -8.3685982227325439e-01 - <_> - - 0 -1 6377 -3.9284680038690567e-02 - - 2.8250560164451599e-01 -2.2389259189367294e-02 - <_> - - 0 -1 6378 3.8550909608602524e-02 - - 1.5570489689707756e-02 -3.3978620171546936e-01 - <_> - - 0 -1 6379 -6.9177031517028809e-02 - - 1.2258320301771164e-01 -1.7850179225206375e-02 - <_> - - 0 -1 6380 -1.9251030171290040e-03 - - -1.0687749832868576e-01 4.6379510313272476e-02 - <_> - - 0 -1 6381 -8.6635202169418335e-03 - - 9.6412748098373413e-02 -1.7563249915838242e-02 - <_> - - 0 -1 6382 1.3393509387969971e-01 - - 6.3692941330373287e-03 -7.0170587301254272e-01 - <_> - - 0 -1 6383 4.1082348674535751e-02 - - -1.1077569797635078e-02 1.3463750481605530e-01 - <_> - - 0 -1 6384 1.4911450445652008e-01 - - 9.5263421535491943e-03 -5.0872552394866943e-01 - <_> - - 0 -1 6385 -5.2500818856060505e-03 - - 7.0025578141212463e-02 -4.2880270630121231e-02 - <_> - - 0 -1 6386 2.2823570296168327e-02 - - -4.1884049773216248e-02 1.1770319938659668e-01 - <_> - - 0 -1 6387 -8.5306530818343163e-03 - - 6.1222139745950699e-02 -2.4944549426436424e-02 - <_> - - 0 -1 6388 1.1971729807555676e-02 - - 3.9662770926952362e-02 -1.6267740726470947e-01 - <_> - - 0 -1 6389 -3.8938269019126892e-02 - - 2.5743520259857178e-01 -1.6356239095330238e-02 - <_> - - 0 -1 6390 -2.1706389263272285e-02 - - -3.1998679041862488e-01 1.7135290428996086e-02 - <_> - - 0 -1 6391 6.6900630481541157e-03 - - 2.6101849973201752e-02 -1.0980729758739471e-01 - <_> - - 0 -1 6392 -7.2270832955837250e-02 - - 1.9431130588054657e-01 -2.6044359430670738e-02 - <_> - - 0 -1 6393 -6.7073688842356205e-03 - - -1.7747850716114044e-01 4.5862998813390732e-02 - <_> - - 0 -1 6394 5.5019360035657883e-02 - - -8.3471573889255524e-03 6.0511541366577148e-01 - <_> - - 0 -1 6395 1.3142649829387665e-01 - - -5.7535418309271336e-03 2.9167538881301880e-01 - <_> - - 0 -1 6396 -1.6564460238441825e-03 - - 7.0003032684326172e-02 -6.2690876424312592e-02 - <_> - - 0 -1 6397 1.5445409715175629e-01 - - 6.1896732077002525e-03 -7.4323302507400513e-01 - <_> - - 0 -1 6398 -5.0357519648969173e-03 - - -1.1333289742469788e-01 3.8741771131753922e-02 - <_> - - 0 -1 6399 2.2772569209337234e-03 - - -1.1340530216693878e-01 2.1319400519132614e-02 - <_> - - 0 -1 6400 3.3173530828207731e-03 - - 4.4273331761360168e-02 -1.0459829866886139e-01 - <_> - - 0 -1 6401 -2.9692800715565681e-02 - - 9.2483766376972198e-02 -2.3342609405517578e-02 - <_> - - 0 -1 6402 6.2937840819358826e-02 - - -1.2998280115425587e-02 3.8887938857078552e-01 - <_> - - 0 -1 6403 3.6641359329223633e-03 - - 3.2099820673465729e-02 -3.9647988975048065e-02 - <_> - - 0 -1 6404 4.4782999902963638e-03 - - -4.5701328665018082e-02 1.0697010159492493e-01 - <_> - - 0 -1 6405 1.8147319788113236e-03 - - -3.2871820032596588e-02 1.0647939890623093e-01 - <_> - - 0 -1 6406 4.8941639252007008e-03 - - 2.7911009266972542e-02 -2.1725590527057648e-01 - <_> - - 0 -1 6407 -4.4425828382372856e-03 - - -1.3470150530338287e-01 1.0781410150229931e-02 - <_> - - 0 -1 6408 -2.5493400171399117e-02 - - 6.8371468782424927e-01 -7.7452720142900944e-03 - <_> - - 0 -1 6409 2.7835449203848839e-02 - - 2.4144299328327179e-02 -1.5170599520206451e-01 - <_> - - 0 -1 6410 7.5548859313130379e-03 - - -4.7643400728702545e-02 1.1925770342350006e-01 - <_> - - 0 -1 6411 1.0329609736800194e-02 - - 1.8646810203790665e-02 -1.6122570633888245e-01 - <_> - - 0 -1 6412 -1.2393389828503132e-02 - - 6.0304921865463257e-01 -7.7566630207002163e-03 - <_> - - 0 -1 6413 1.3833769597113132e-02 - - -2.7617299929261208e-02 5.1266878843307495e-02 - <_> - - 0 -1 6414 -2.5669319555163383e-02 - - 2.3801359534263611e-01 -2.3971909657120705e-02 - <_> - - 0 -1 6415 -5.2043660543859005e-03 - - -1.0721790045499802e-01 2.6645049452781677e-02 - <_> - - 0 -1 6416 3.4628969151526690e-03 - - 5.4313410073518753e-02 -1.3458320498466492e-01 - <_> - - 0 -1 6417 -1.9220679998397827e-02 - - 7.2996392846107483e-02 -4.0652111172676086e-02 - <_> - - 0 -1 6418 -2.5009829550981522e-03 - - -7.7671296894550323e-02 5.9096541255712509e-02 - <_> - - 0 -1 6419 -8.5285156965255737e-03 - - 4.9050811678171158e-02 -6.4078353345394135e-02 - <_> - - 0 -1 6420 4.3327538296580315e-03 - - 2.5221010670065880e-02 -1.9358980655670166e-01 - <_> - - 0 -1 6421 3.6595970392227173e-02 - - -1.6262590885162354e-02 1.5651239454746246e-01 - <_> - - 0 -1 6422 -1.1795730097219348e-03 - - -7.2468072175979614e-02 7.0449486374855042e-02 - <_> - - 0 -1 6423 -1.3975829817354679e-02 - - -1.1789470165967941e-01 2.1292049437761307e-02 - <_> - - 0 -1 6424 -1.3828700175508857e-03 - - 7.9283542931079865e-02 -9.5104120671749115e-02 - <_> - - 0 -1 6425 -2.9435830656439066e-03 - - 7.0368431508541107e-02 -3.3217910677194595e-02 - <_> - - 0 -1 6426 9.5262555405497551e-03 - - -2.9733620584011078e-02 1.6670459508895874e-01 - <_> - - 0 -1 6427 -9.0114273130893707e-02 - - -1.6625370085239410e-01 8.6199166253209114e-03 - <_> - - 0 -1 6428 -1.2089919764548540e-03 - - 8.1083856523036957e-02 -7.3029123246669769e-02 - <_> - - 0 -1 6429 -1.4199960231781006e-01 - - -1. 2.2284830920398235e-03 - <_> - - 0 -1 6430 8.0690719187259674e-03 - - 4.7412220388650894e-02 -1.0178930312395096e-01 - <_> - - 0 -1 6431 -4.7410889528691769e-03 - - 1.2051119655370712e-01 -4.9957480281591415e-02 - <_> - - 0 -1 6432 -1.6977200284600258e-03 - - -2.4171440303325653e-01 1.9534369930624962e-02 - <_> - - 0 -1 6433 -2.8892089612782001e-03 - - 2.5727990269660950e-01 -1.1625059880316257e-02 - <_> - - 0 -1 6434 -1.5177440363913774e-03 - - -9.8784193396568298e-02 4.6706128865480423e-02 - <_> - - 0 -1 6435 1.4197319746017456e-01 - - -2.5096370372921228e-03 7.5450611114501953e-01 - <_> - - 0 -1 6436 9.7517937421798706e-02 - - -6.9059049710631371e-03 6.5184432268142700e-01 - <_> - - 0 -1 6437 1.3567379675805569e-02 - - -7.6325193047523499e-02 8.8054582476615906e-02 - <_> - - 0 -1 6438 8.0981463193893433e-02 - - 1.5558109618723392e-02 -3.4601628780364990e-01 - <_> - - 0 -1 6439 -4.7192731872200966e-03 - - 8.1620022654533386e-02 -4.6072289347648621e-02 - <_> - - 0 -1 6440 2.0368969999253750e-03 - - -4.4817630201578140e-02 1.2861390411853790e-01 - <_> - - 0 -1 6441 -1.7878509825095534e-03 - - 4.3731331825256348e-02 -4.4995948672294617e-02 - <_> - - 0 -1 6442 -7.1685528382658958e-03 - - -1.3597999513149261e-01 3.8796991109848022e-02 - <_> - - 0 -1 6443 -6.7460887134075165e-02 - - -2.9265740513801575e-01 3.5135280340909958e-03 - <_> - - 0 -1 6444 -1.5598500147461891e-02 - - 2.3105660080909729e-01 -2.2405069321393967e-02 - <_> - - 0 -1 6445 -2.1026479080319405e-02 - - -1.5283830463886261e-01 3.1531449407339096e-02 - <_> - - 0 -1 6446 -1.0558360069990158e-01 - - -6.8366038799285889e-01 6.8997950293123722e-03 - <_> - - 0 -1 6447 -3.6966579500585794e-03 - - 3.4315150231122971e-02 -4.8922799527645111e-02 - <_> - - 0 -1 6448 -6.0826627304777503e-04 - - -5.2638430148363113e-02 8.9546948671340942e-02 - <_> - - 0 -1 6449 -2.8936540707945824e-02 - - 4.1818480938673019e-02 -1.3818169943988323e-02 - <_> - - 0 -1 6450 -5.8082528412342072e-03 - - 6.7874796688556671e-02 -8.5578799247741699e-02 - <_> - - 0 -1 6451 -4.6095378696918488e-02 - - -1.2584780156612396e-01 2.0466970279812813e-02 - <_> - - 0 -1 6452 5.2972920238971710e-02 - - -1.2453259900212288e-02 3.4565049409866333e-01 - <_> - - 0 -1 6453 4.9351599067449570e-02 - - 1.0901239700615406e-02 -4.8506981134414673e-01 - <_> - - 0 -1 6454 4.4377800077199936e-02 - - 9.9294837564229965e-03 -4.3877899646759033e-01 - <_> - - 0 -1 6455 -1.1464890092611313e-01 - - 2.6874598860740662e-01 -9.2000560835003853e-03 - <_> - - 0 -1 6456 1.6887830197811127e-01 - - 5.7101310230791569e-03 -8.5972881317138672e-01 - <_> - - 0 -1 6457 5.1198098808526993e-02 - - -8.5723921656608582e-03 1.3395169377326965e-01 - <_> - - 0 -1 6458 -3.0789880547672510e-03 - - -1.0338760167360306e-01 4.3459478765726089e-02 - <_> - - 0 -1 6459 4.7223128378391266e-02 - - 8.1934239715337753e-03 -4.3803408741950989e-01 - <_> - - 0 -1 6460 -7.6270569115877151e-03 - - 1.8713890016078949e-01 -2.4660250172019005e-02 - <_> - - 0 -1 6461 5.4106907919049263e-03 - - 4.1099831461906433e-02 -7.8868232667446136e-02 - <_> - - 0 -1 6462 -1.4900229871273041e-03 - - -2.0115040242671967e-01 3.1898159533739090e-02 - <_> - - 0 -1 6463 -8.3831608295440674e-02 - - 5.8017939329147339e-01 -5.2973427809774876e-03 - <_> - - 0 -1 6464 6.2233800999820232e-03 - - -3.9786059409379959e-02 1.2283950299024582e-01 - <_> - - 0 -1 6465 1.1475080251693726e-01 - - -1.1975419707596302e-02 2.1586710214614868e-01 - <_> - - 0 -1 6466 -1.5253260498866439e-03 - - 1.3804529607295990e-01 -3.9941880851984024e-02 - <_> - - 0 -1 6467 -5.2878521382808685e-03 - - -1.2790650129318237e-01 3.2893560826778412e-02 - <_> - - 0 -1 6468 8.9670647867023945e-04 - - -1.2481059879064560e-01 4.4544249773025513e-02 - <_> - - 0 -1 6469 3.8421660661697388e-02 - - 7.7155791223049164e-03 -6.5575468540191650e-01 - <_> - - 0 -1 6470 -9.3785318313166499e-04 - - 5.5608510971069336e-02 -8.9876912534236908e-02 - <_> - - 0 -1 6471 1.9965849351137877e-03 - - -2.5297610089182854e-02 1.9413180649280548e-01 - <_> - - 0 -1 6472 4.5782068627886474e-04 - - 3.9089199155569077e-02 -1.2908570468425751e-01 - <_> - - 0 -1 6473 3.8373940624296665e-03 - - -2.8748869895935059e-02 1.9429750740528107e-01 - <_> - - 0 -1 6474 3.7142829387448728e-04 - - 3.8272358477115631e-02 -1.3759189844131470e-01 - <_> - - 0 -1 6475 7.5116259977221489e-03 - - -1.4461129903793335e-02 1.2656949460506439e-01 - <_> - - 0 -1 6476 -5.0362840294837952e-02 - - 3.5183578729629517e-01 -1.4051860198378563e-02 - <_> - - 0 -1 6477 3.9921641349792480e-02 - - 2.7280429378151894e-02 -1.9958199560642242e-01 - <_> - - 0 -1 6478 2.2605259716510773e-01 - - -6.8001961335539818e-03 7.3006898164749146e-01 - <_> - - 0 -1 6479 1.1081779748201370e-01 - - 4.3370737694203854e-03 -8.6829161643981934e-01 - <_> - - 0 -1 6480 -9.7494889050722122e-03 - - -6.3740663230419159e-02 8.4537997841835022e-02 - <_> - - 0 -1 6481 -2.2887689992785454e-03 - - 9.9654018878936768e-02 -4.1565418243408203e-02 - <_> - - 0 -1 6482 2.0008319988846779e-03 - - -5.5650699883699417e-02 1.0709869861602783e-01 - <_> - - 0 -1 6483 -1.5160050243139267e-02 - - -1.4098760485649109e-01 3.8741599768400192e-02 - <_> - - 0 -1 6484 -6.3132969662547112e-03 - - -1. 4.4605308212339878e-03 - <_> - - 0 -1 6485 -1.3970009982585907e-02 - - 1.2481089681386948e-01 -2.1425830200314522e-02 - <_> - - 0 -1 6486 -4.4321279972791672e-02 - - -5.3340071439743042e-01 1.0165239684283733e-02 - <_> - - 0 -1 6487 1.4885979471728206e-03 - - -4.8868600279092789e-02 3.6077901721000671e-02 - <_> - - 0 -1 6488 6.5139681100845337e-02 - - 7.6331058517098427e-03 -5.8781641721725464e-01 - <_> - - 0 -1 6489 -2.0741410553455353e-02 - - -2.9658278822898865e-01 1.8622800707817078e-02 - <_> - 396 - -1.2181390523910522e+00 - - <_> - - 0 -1 6490 1.3575689867138863e-02 - - -1.4249590039253235e-01 2.3337620496749878e-01 - <_> - - 0 -1 6491 -7.5882389210164547e-03 - - 8.6464479565620422e-02 -2.3954319953918457e-01 - <_> - - 0 -1 6492 4.2986529879271984e-03 - - 5.0282090902328491e-02 -3.5250121355056763e-01 - <_> - - 0 -1 6493 -1.9793119281530380e-02 - - -1.6827470064163208e-01 4.3712720274925232e-02 - <_> - - 0 -1 6494 6.6613829694688320e-03 - - -2.0371539890766144e-01 7.1225747466087341e-02 - <_> - - 0 -1 6495 3.2715050037950277e-03 - - 5.4536718875169754e-02 -2.2428829967975616e-01 - <_> - - 0 -1 6496 -3.6143321543931961e-02 - - 5.5044889450073242e-01 -2.3597210645675659e-02 - <_> - - 0 -1 6497 3.1145319808274508e-03 - - 2.2049430757761002e-02 -3.0109429359436035e-01 - <_> - - 0 -1 6498 8.9540961198508739e-04 - - -1.2279850244522095e-01 1.0751420259475708e-01 - <_> - - 0 -1 6499 8.0573331797495484e-04 - - -8.7587781250476837e-02 5.4632049053907394e-02 - <_> - - 0 -1 6500 -6.5726130269467831e-03 - - -1.5649870038032532e-01 7.6560758054256439e-02 - <_> - - 0 -1 6501 2.2269350010901690e-03 - - 2.9490780085325241e-02 -5.9210199862718582e-02 - <_> - - 0 -1 6502 6.2076752074062824e-03 - - 7.5727343559265137e-02 -1.7675329744815826e-01 - <_> - - 0 -1 6503 6.0021011158823967e-03 - - -7.8353807330131531e-02 1.4492890238761902e-01 - <_> - - 0 -1 6504 1.1996340006589890e-02 - - 2.8644030913710594e-02 -3.1982469558715820e-01 - <_> - - 0 -1 6505 6.7174229770898819e-03 - - -1.0739900171756744e-01 1.3106329739093781e-01 - <_> - - 0 -1 6506 5.7567027397453785e-04 - - -6.4126797020435333e-02 1.6293540596961975e-01 - <_> - - 0 -1 6507 3.9552329108119011e-03 - - 3.7347421050071716e-02 -1.5253570675849915e-01 - <_> - - 0 -1 6508 1.5598450554534793e-03 - - -9.8687313497066498e-02 9.8718203604221344e-02 - <_> - - 0 -1 6509 -8.4324590861797333e-03 - - 2.0905649662017822e-01 -6.0484018176794052e-02 - <_> - - 0 -1 6510 8.7580326944589615e-03 - - 5.0603430718183517e-02 -2.1845470368862152e-01 - <_> - - 0 -1 6511 -1.1965750157833099e-01 - - 2.6711589097976685e-01 -7.4574039317667484e-03 - <_> - - 0 -1 6512 2.0653149113059044e-03 - - 3.5194810479879379e-02 -2.5230750441551208e-01 - <_> - - 0 -1 6513 -5.7491107145324349e-04 - - 8.2424223423004150e-02 -1.0830479860305786e-01 - <_> - - 0 -1 6514 -6.7591401748359203e-03 - - -1.3704189658164978e-01 7.0154368877410889e-02 - <_> - - 0 -1 6515 1.8210740759968758e-02 - - -2.5407770648598671e-02 1.0123729705810547e-01 - <_> - - 0 -1 6516 -8.8006846606731415e-02 - - 3.6638718843460083e-01 -3.0893180519342422e-02 - <_> - - 0 -1 6517 -4.4944360852241516e-03 - - -1.5753810107707977e-01 6.0070630162954330e-02 - <_> - - 0 -1 6518 -6.3741360791027546e-03 - - 2.1189889311790466e-01 -3.9567999541759491e-02 - <_> - - 0 -1 6519 -3.1097440049052238e-02 - - -5.9965521097183228e-01 9.9493442103266716e-03 - <_> - - 0 -1 6520 5.8496380224823952e-03 - - 2.8244689106941223e-02 -2.9778000712394714e-01 - <_> - - 0 -1 6521 -2.2763800807297230e-03 - - 1.0270419716835022e-01 -7.3711991310119629e-02 - <_> - - 0 -1 6522 3.9103049784898758e-03 - - 5.2445668727159500e-02 -2.0123919844627380e-01 - <_> - - 0 -1 6523 2.8906730003654957e-03 - - -2.1692280471324921e-01 3.7294570356607437e-02 - <_> - - 0 -1 6524 4.5904931612312794e-03 - - -8.1276580691337585e-02 1.1013159900903702e-01 - <_> - - 0 -1 6525 -3.4245800226926804e-02 - - -1.1541730165481567e-01 1.4384049922227859e-02 - <_> - - 0 -1 6526 -1.7881620442494750e-04 - - 6.2885977327823639e-02 -1.3267129659652710e-01 - <_> - - 0 -1 6527 -4.0114559233188629e-03 - - -1.8961720168590546e-01 3.6701768636703491e-02 - <_> - - 0 -1 6528 3.1429999507963657e-03 - - -4.9915120005607605e-02 1.7299769818782806e-01 - <_> - - 0 -1 6529 7.8082352876663208e-02 - - 4.7195390798151493e-03 -3.4015879034996033e-01 - <_> - - 0 -1 6530 2.0370949804782867e-01 - - -2.1733140572905540e-02 3.7422651052474976e-01 - <_> - - 0 -1 6531 9.7424820065498352e-02 - - -6.8117439514026046e-04 4.9639159440994263e-01 - <_> - - 0 -1 6532 -2.6366419624537230e-03 - - -1.8532100319862366e-01 4.3768830597400665e-02 - <_> - - 0 -1 6533 4.1020149365067482e-04 - - 2.7802910655736923e-02 -8.7706968188285828e-02 - <_> - - 0 -1 6534 -5.9666559100151062e-02 - - -5.6872707605361938e-01 1.3388640247285366e-02 - <_> - - 0 -1 6535 -5.1892381161451340e-03 - - 5.0499498844146729e-02 -1.4465869963169098e-01 - <_> - - 0 -1 6536 1.0377140343189240e-01 - - -1.8952060490846634e-02 4.1107979416847229e-01 - <_> - - 0 -1 6537 -1.4075759798288345e-02 - - -2.0367360115051270e-01 3.2513279467821121e-02 - <_> - - 0 -1 6538 -6.8877148441970348e-03 - - 1.2401729822158813e-01 -7.6617129147052765e-02 - <_> - - 0 -1 6539 2.9345849528908730e-02 - - 8.4471162408590317e-03 -3.4656980633735657e-01 - <_> - - 0 -1 6540 -8.3123557269573212e-03 - - -1.9180110096931458e-01 3.8585629314184189e-02 - <_> - - 0 -1 6541 6.4493268728256226e-02 - - -2.7158880606293678e-02 3.0217999219894409e-01 - <_> - - 0 -1 6542 8.0413377145305276e-04 - - -1.0444170236587524e-01 6.4721979200839996e-02 - <_> - - 0 -1 6543 -6.5569980069994926e-03 - - -1.0658600181341171e-01 2.5238489732146263e-02 - <_> - - 0 -1 6544 -3.8326930254697800e-02 - - -6.8506389856338501e-01 9.6486946567893028e-03 - <_> - - 0 -1 6545 -4.0327329188585281e-02 - - 1.9759850203990936e-01 -2.5184169411659241e-02 - <_> - - 0 -1 6546 6.1981407925486565e-03 - - 4.6415790915489197e-02 -1.7171670496463776e-01 - <_> - - 0 -1 6547 3.7465501576662064e-02 - - -1.5010279603302479e-02 8.6962252855300903e-02 - <_> - - 0 -1 6548 -6.0584479942917824e-03 - - 6.9242753088474274e-02 -9.4594202935695648e-02 - <_> - - 0 -1 6549 -1.4991699717938900e-02 - - -1.4969819784164429e-01 4.6579450368881226e-02 - <_> - - 0 -1 6550 6.4760357141494751e-02 - - -2.6089169085025787e-02 2.7072009444236755e-01 - <_> - - 0 -1 6551 5.9020328521728516e-01 - - 3.9715780876576900e-03 -6.3918071985244751e-01 - <_> - - 0 -1 6552 7.3892213404178619e-02 - - -6.2506332993507385e-02 1.3100719451904297e-01 - <_> - - 0 -1 6553 4.3928170204162598e-01 - - 5.0452877767384052e-03 -3.7628439068794250e-01 - <_> - - 0 -1 6554 1.0192040354013443e-01 - - 2.2053290158510208e-02 -3.3408200740814209e-01 - <_> - - 0 -1 6555 1.1084219813346863e-01 - - 1.6215540468692780e-02 -3.4900701045989990e-01 - <_> - - 0 -1 6556 5.5628088302910328e-03 - - -5.2196711301803589e-02 1.1796370148658752e-01 - <_> - - 0 -1 6557 -6.3897081417962909e-04 - - -1.5659700334072113e-01 4.4744450598955154e-02 - <_> - - 0 -1 6558 -3.5426639951765537e-03 - - 1.4490570127964020e-01 -4.2518708854913712e-02 - <_> - - 0 -1 6559 -3.3016160130500793e-02 - - -3.6942940950393677e-01 7.6470980420708656e-03 - <_> - - 0 -1 6560 9.6050858497619629e-02 - - 6.5154801122844219e-03 -8.7827038764953613e-01 - <_> - - 0 -1 6561 -4.9572009593248367e-02 - - -4.2723020911216736e-01 3.1567770056426525e-03 - <_> - - 0 -1 6562 2.5885479408316314e-04 - - -1.5689669549465179e-01 3.8051828742027283e-02 - <_> - - 0 -1 6563 -1.5898289857432246e-03 - - -1.8845720589160919e-01 2.4630049243569374e-02 - <_> - - 0 -1 6564 -1.3463890354614705e-04 - - 1.4452700316905975e-01 -4.4172260910272598e-02 - <_> - - 0 -1 6565 1.1674249544739723e-02 - - -2.5676380842924118e-02 1.9527709484100342e-01 - <_> - - 0 -1 6566 -2.3507000878453255e-02 - - -3.2271888852119446e-01 1.8514839932322502e-02 - <_> - - 0 -1 6567 3.1225800514221191e-02 - - -1.9622299820184708e-02 1.4570100605487823e-01 - <_> - - 0 -1 6568 8.0607319250702858e-04 - - 4.4379990547895432e-02 -1.3635620474815369e-01 - <_> - - 0 -1 6569 -2.6445880532264709e-01 - - 4.1771200299263000e-01 -6.3821650110185146e-03 - <_> - - 0 -1 6570 3.5479381680488586e-02 - - -2.2758480161428452e-02 2.6946100592613220e-01 - <_> - - 0 -1 6571 -3.8137599825859070e-02 - - -3.6719909310340881e-01 1.8722059205174446e-02 - <_> - - 0 -1 6572 3.9108810015022755e-03 - - -1.8176819384098053e-01 3.9054948836565018e-02 - <_> - - 0 -1 6573 4.1834539733827114e-03 - - 4.8676248639822006e-02 -1.3558860123157501e-01 - <_> - - 0 -1 6574 -4.6641420572996140e-02 - - -5.8741682767868042e-01 9.8590552806854248e-03 - <_> - - 0 -1 6575 1.1950139887630939e-02 - - -2.5506049394607544e-02 2.7971199154853821e-01 - <_> - - 0 -1 6576 -6.3585072755813599e-02 - - -7.0940697193145752e-01 8.8691459968686104e-03 - <_> - - 0 -1 6577 9.7221415489912033e-03 - - -2.7885029092431068e-02 5.4626680910587311e-02 - <_> - - 0 -1 6578 -1.6111459583044052e-02 - - -6.8265482783317566e-02 8.0932967364788055e-02 - <_> - - 0 -1 6579 -7.9950511455535889e-02 - - 2.0425680279731750e-01 -3.4306850284337997e-02 - <_> - - 0 -1 6580 3.1421340536326170e-03 - - 4.2196881026029587e-02 -1.5366910398006439e-01 - <_> - - 0 -1 6581 2.9253180400701240e-05 - - -7.6382257044315338e-02 3.1748879700899124e-02 - <_> - - 0 -1 6582 -5.4587088525295258e-02 - - -6.4891487360000610e-01 9.1545386239886284e-03 - <_> - - 0 -1 6583 -2.1083420142531395e-02 - - 1.9058999419212341e-01 -2.4686640128493309e-02 - <_> - - 0 -1 6584 3.9170900708995759e-04 - - -1.0570889711380005e-01 5.2946768701076508e-02 - <_> - - 0 -1 6585 2.2588829696178436e-01 - - 2.3077470250427723e-03 -9.2606049776077271e-01 - <_> - - 0 -1 6586 -1.8899979069828987e-02 - - 1.4503970742225647e-01 -3.8506619632244110e-02 - <_> - - 0 -1 6587 -8.7533425539731979e-03 - - 8.3958826959133148e-02 -3.7479098886251450e-02 - <_> - - 0 -1 6588 -2.0821259915828705e-01 - - -6.7948538064956665e-01 9.8609952256083488e-03 - <_> - - 0 -1 6589 1.6270060092210770e-02 - - 1.4115580357611179e-02 -1.8218359351158142e-01 - <_> - - 0 -1 6590 3.0145489145070314e-03 - - 5.2013739943504333e-02 -1.1450190097093582e-01 - <_> - - 0 -1 6591 1.8547449260950089e-02 - - -2.5681620463728905e-02 1.6456380486488342e-01 - <_> - - 0 -1 6592 4.2732958681881428e-03 - - -5.9573240578174591e-02 1.0390280187129974e-01 - <_> - - 0 -1 6593 -2.8249630704522133e-02 - - -7.8161589801311493e-02 2.9064230620861053e-02 - <_> - - 0 -1 6594 -1.5538600273430347e-02 - - -1.4481380581855774e-01 3.8434058427810669e-02 - <_> - - 0 -1 6595 3.8620950654149055e-03 - - -3.8745380938053131e-02 9.8183527588844299e-02 - <_> - - 0 -1 6596 1.5253369696438313e-02 - - 1.7946500331163406e-02 -3.0948030948638916e-01 - <_> - - 0 -1 6597 -4.2140888981521130e-03 - - 5.7521570473909378e-02 -2.7782430872321129e-02 - <_> - - 0 -1 6598 -2.1610679104924202e-03 - - 1.0617449879646301e-01 -5.9411250054836273e-02 - <_> - - 0 -1 6599 -1.8687519477680326e-03 - - -1.2807689607143402e-01 4.7781638801097870e-02 - <_> - - 0 -1 6600 -6.2083022203296423e-04 - - 1.1725349724292755e-01 -4.7861199826002121e-02 - <_> - - 0 -1 6601 -2.5575871113687754e-03 - - 5.7900648564100266e-02 -8.4036856889724731e-02 - <_> - - 0 -1 6602 4.1207410395145416e-03 - - 5.4239779710769653e-02 -1.2611140310764313e-01 - <_> - - 0 -1 6603 1.7525779083371162e-02 - - 2.8792750090360641e-02 -1.9793170690536499e-01 - <_> - - 0 -1 6604 -1.9012490287423134e-02 - - 1.1444319784641266e-01 -6.6813051700592041e-02 - <_> - - 0 -1 6605 9.5198452472686768e-03 - - -3.9105638861656189e-02 8.8588982820510864e-02 - <_> - - 0 -1 6606 7.7857482247054577e-03 - - 4.7903850674629211e-02 -1.1941280215978622e-01 - <_> - - 0 -1 6607 -2.5355129037052393e-03 - - 6.1377499252557755e-02 -5.1576390862464905e-02 - <_> - - 0 -1 6608 1.3886679708957672e-01 - - 7.1258218958973885e-03 -7.5076061487197876e-01 - <_> - - 0 -1 6609 -3.0958889983594418e-03 - - 7.3432266712188721e-02 -4.0409181267023087e-02 - <_> - - 0 -1 6610 4.7118910588324070e-03 - - 2.2374270483851433e-02 -2.3885080218315125e-01 - <_> - - 0 -1 6611 6.3587618060410023e-03 - - 5.3684379905462265e-02 -1.3398240506649017e-01 - <_> - - 0 -1 6612 6.8367011845111847e-02 - - -3.6103919148445129e-02 1.7410080134868622e-01 - <_> - - 0 -1 6613 -3.2802459318190813e-03 - - -1.4603079855442047e-01 4.8215139657258987e-02 - <_> - - 0 -1 6614 -6.6430270671844482e-02 - - 4.6738991141319275e-01 -1.3140380382537842e-02 - <_> - - 0 -1 6615 -4.2274069041013718e-02 - - -6.3253331184387207e-01 1.0359439998865128e-02 - <_> - - 0 -1 6616 -1.0691370116546750e-03 - - -1.1469829827547073e-01 4.5048121362924576e-02 - <_> - - 0 -1 6617 5.4235469549894333e-02 - - -1.9809609279036522e-02 3.1430730223655701e-01 - <_> - - 0 -1 6618 -7.2852471930673346e-06 - - 5.8051250874996185e-02 -1.0246170312166214e-01 - <_> - - 0 -1 6619 2.0893309265375137e-02 - - 1.5608809888362885e-02 -2.1545739471912384e-01 - <_> - - 0 -1 6620 -5.3765181452035904e-02 - - 2.0559239387512207e-01 -3.2525919377803802e-02 - <_> - - 0 -1 6621 -1.5972670167684555e-02 - - -1.7119890451431274e-01 1.4773829840123653e-02 - <_> - - 0 -1 6622 -1.4591409824788570e-02 - - -2.3046019673347473e-01 2.3345010355114937e-02 - <_> - - 0 -1 6623 2.4016639217734337e-03 - - -2.8272429481148720e-02 9.5124237239360809e-02 - <_> - - 0 -1 6624 -2.0430689677596092e-02 - - 4.0655559301376343e-01 -1.6212539747357368e-02 - <_> - - 0 -1 6625 8.1926792860031128e-02 - - 8.7937163189053535e-03 -4.0210300683975220e-01 - <_> - - 0 -1 6626 -1.2892849743366241e-02 - - -1.1946929991245270e-01 4.5022130012512207e-02 - <_> - - 0 -1 6627 9.4712682068347931e-02 - - -1.0760080069303513e-02 2.1693980693817139e-01 - <_> - - 0 -1 6628 4.0901689790189266e-03 - - -8.4592603147029877e-02 7.0457696914672852e-02 - <_> - - 0 -1 6629 -1.2496539950370789e-01 - - 2.8276950120925903e-01 -4.2760102078318596e-03 - <_> - - 0 -1 6630 1.5758169814944267e-02 - - -4.8926588147878647e-02 1.2380229681730270e-01 - <_> - - 0 -1 6631 -5.2818129770457745e-03 - - 6.1836440116167068e-02 -3.6712940782308578e-02 - <_> - - 0 -1 6632 8.6735859513282776e-03 - - -4.7372240573167801e-02 1.5809150040149689e-01 - <_> - - 0 -1 6633 -5.2273580804467201e-03 - - -1.1694569885730743e-01 2.9156440868973732e-02 - <_> - - 0 -1 6634 6.1831828206777573e-02 - - 8.0447606742382050e-03 -6.8530529737472534e-01 - <_> - - 0 -1 6635 6.6815607249736786e-02 - - -8.4813889116048813e-03 1.4523769915103912e-01 - <_> - - 0 -1 6636 -1.0062000155448914e-01 - - 7.4605828523635864e-01 -6.8016690202057362e-03 - <_> - - 0 -1 6637 -1.4751539565622807e-02 - - -1.4893519878387451e-01 3.9579190313816071e-02 - <_> - - 0 -1 6638 3.4616589546203613e-02 - - -2.0749099552631378e-02 2.8549820184707642e-01 - <_> - - 0 -1 6639 -1.2966389954090118e-01 - - -5.5446487665176392e-01 4.6082548797130585e-03 - <_> - - 0 -1 6640 7.4035510420799255e-02 - - 5.3174998611211777e-03 -8.4149527549743652e-01 - <_> - - 0 -1 6641 1.0177110135555267e-01 - - -7.6451660133898258e-03 3.5442221164703369e-01 - <_> - - 0 -1 6642 8.9658737182617188e-02 - - -9.3901483342051506e-03 5.0577938556671143e-01 - <_> - - 0 -1 6643 -1.6180740296840668e-01 - - -6.5451782941818237e-01 8.7116202339529991e-03 - <_> - - 0 -1 6644 1.8784119747579098e-03 - - 5.2064418792724609e-02 -9.0741947293281555e-02 - <_> - - 0 -1 6645 1.9505689851939678e-03 - - -5.4091621190309525e-02 3.5506200045347214e-02 - <_> - - 0 -1 6646 -6.0789179988205433e-03 - - 1.2238519638776779e-01 -4.6803738921880722e-02 - <_> - - 0 -1 6647 -2.2403250634670258e-01 - - -7.7728492021560669e-01 2.3639709688723087e-03 - <_> - - 0 -1 6648 -1.3039590418338776e-01 - - -2.7692648768424988e-01 2.1548289805650711e-02 - <_> - - 0 -1 6649 7.2587423026561737e-02 - - 1.0621299967169762e-02 -1.6270780563354492e-01 - <_> - - 0 -1 6650 7.3180042207241058e-02 - - -1.7519259825348854e-02 3.3697870373725891e-01 - <_> - - 0 -1 6651 -3.4525979310274124e-02 - - -5.3538697957992554e-01 1.0397709906101227e-02 - <_> - - 0 -1 6652 2.3753559216856956e-03 - - 5.1910828799009323e-02 -9.6959516406059265e-02 - <_> - - 0 -1 6653 -6.8947779946029186e-03 - - 8.2409977912902832e-02 -2.3098999634385109e-02 - <_> - - 0 -1 6654 -9.4773292541503906e-02 - - -7.0510691404342651e-01 7.7322297729551792e-03 - <_> - - 0 -1 6655 5.6327427737414837e-03 - - 1.7960680648684502e-02 -7.2307042777538300e-02 - <_> - - 0 -1 6656 6.6090249456465244e-03 - - -3.6701079457998276e-02 1.3706339895725250e-01 - <_> - - 0 -1 6657 -2.4978399276733398e-02 - - -1.6281390190124512e-01 7.6992698013782501e-03 - <_> - - 0 -1 6658 -6.0882410034537315e-03 - - 1.0555619746446609e-01 -4.8507411032915115e-02 - <_> - - 0 -1 6659 6.1161588877439499e-02 - - 1.1127579491585493e-03 -5.6657880544662476e-01 - <_> - - 0 -1 6660 -3.8722809404134750e-02 - - -5.9797358512878418e-01 8.4153199568390846e-03 - <_> - - 0 -1 6661 6.2335198745131493e-03 - - 3.1563021242618561e-02 -1.8769240379333496e-01 - <_> - - 0 -1 6662 1.6939510405063629e-01 - - -1.7183739691972733e-02 3.1440049409866333e-01 - <_> - - 0 -1 6663 8.5851341485977173e-02 - - 5.7081878185272217e-03 -4.9966809153556824e-01 - <_> - - 0 -1 6664 -2.0315010100603104e-02 - - -1.2359900027513504e-01 4.4704839587211609e-02 - <_> - - 0 -1 6665 -4.0276069194078445e-03 - - 4.7957219183444977e-02 -9.7137056291103363e-02 - <_> - - 0 -1 6666 -3.9274509996175766e-02 - - 1.8804270029067993e-01 -2.9754199087619781e-02 - <_> - - 0 -1 6667 -2.1163629367947578e-02 - - -1.5724900364875793e-01 3.9636529982089996e-02 - <_> - - 0 -1 6668 4.0783579461276531e-03 - - -4.7562818974256516e-02 1.0976249724626541e-01 - <_> - - 0 -1 6669 1.0180410463362932e-03 - - -6.6306091845035553e-02 9.8773077130317688e-02 - <_> - - 0 -1 6670 2.8516049496829510e-03 - - -5.1101740449666977e-02 9.6994958817958832e-02 - <_> - - 0 -1 6671 4.8373742029070854e-03 - - 4.0866550058126450e-02 -1.2480360269546509e-01 - <_> - - 0 -1 6672 -3.4715479705482721e-04 - - 4.1778691112995148e-02 -1.2574540078639984e-01 - <_> - - 0 -1 6673 -6.3760261982679367e-03 - - 1.5754230320453644e-01 -4.1692778468132019e-02 - <_> - - 0 -1 6674 -1.2534069828689098e-02 - - -1.3565440475940704e-01 4.1295569390058517e-02 - <_> - - 0 -1 6675 -2.3321550339460373e-02 - - 1.2518349289894104e-01 -1.3427260331809521e-02 - <_> - - 0 -1 6676 2.1691620349884033e-03 - - 1.4331200718879700e-01 -3.5120349377393723e-02 - <_> - - 0 -1 6677 -5.0005540251731873e-02 - - 2.1500219404697418e-01 -2.7628419920802116e-02 - <_> - - 0 -1 6678 1.3818169943988323e-02 - - 2.2208500653505325e-02 -2.6048558950424194e-01 - <_> - - 0 -1 6679 -1.1389379948377609e-01 - - -2.6434680819511414e-01 5.8247619308531284e-03 - <_> - - 0 -1 6680 1.4204699546098709e-03 - - -7.1546286344528198e-02 7.0379182696342468e-02 - <_> - - 0 -1 6681 1.2329610064625740e-02 - - 2.9475130140781403e-02 -1.9224089384078979e-01 - <_> - - 0 -1 6682 3.4679430536925793e-03 - - -6.1920940876007080e-02 9.0893089771270752e-02 - <_> - - 0 -1 6683 -1.2088479846715927e-01 - - 4.6626859903335571e-01 -2.7361230459064245e-03 - <_> - - 0 -1 6684 -1.5827519819140434e-02 - - -9.5342837274074554e-02 5.5003169924020767e-02 - <_> - - 0 -1 6685 -5.3695850074291229e-03 - - 1.6891020536422729e-01 -4.6700950711965561e-02 - <_> - - 0 -1 6686 5.2695080637931824e-02 - - -5.6889699772000313e-03 9.0487861633300781e-01 - <_> - - 0 -1 6687 -1.1397979687899351e-03 - - 3.4316681325435638e-02 -7.5787901878356934e-02 - <_> - - 0 -1 6688 -2.8946578968316317e-03 - - 7.5482390820980072e-02 -7.6466552913188934e-02 - <_> - - 0 -1 6689 -5.1091420464217663e-03 - - -1.2294950336217880e-01 4.9972750246524811e-02 - <_> - - 0 -1 6690 1.8837359966710210e-03 - - 4.3406400829553604e-02 -1.2572230398654938e-01 - <_> - - 0 -1 6691 1.5422919765114784e-02 - - 1.5831289812922478e-02 -2.0917390286922455e-01 - <_> - - 0 -1 6692 2.1666040644049644e-02 - - -2.4713400751352310e-02 2.4171669781208038e-01 - <_> - - 0 -1 6693 -9.4336412847042084e-02 - - 8.0389547348022461e-01 -2.6913180481642485e-03 - <_> - - 0 -1 6694 -6.0154758393764496e-03 - - -1.3231749832630157e-01 4.9613710492849350e-02 - <_> - - 0 -1 6695 4.3775320053100586e-02 - - 4.5396219938993454e-03 -5.8732748031616211e-01 - <_> - - 0 -1 6696 1.0561950039118528e-03 - - -8.8057562708854675e-02 7.1294106543064117e-02 - <_> - - 0 -1 6697 -1.6394529957324266e-03 - - 9.0810842812061310e-02 -3.7760701030492783e-02 - <_> - - 0 -1 6698 2.6742160320281982e-01 - - 9.4182817265391350e-03 -5.2740138769149780e-01 - <_> - - 0 -1 6699 -2.1629330515861511e-01 - - -6.1128187179565430e-01 5.2118571475148201e-03 - <_> - - 0 -1 6700 -2.6974570751190186e-01 - - -7.3394459486007690e-01 6.0041057877242565e-03 - <_> - - 0 -1 6701 -6.0050850734114647e-03 - - 1.1067090183496475e-01 -2.0614199340343475e-02 - <_> - - 0 -1 6702 4.9247939139604568e-02 - - 1.0287189856171608e-02 -4.9581390619277954e-01 - <_> - - 0 -1 6703 4.9235569313168526e-03 - - 1.4880360104143620e-02 -1.1287470161914825e-01 - <_> - - 0 -1 6704 -8.2946997135877609e-03 - - 5.6476062536239624e-01 -1.0442149825394154e-02 - <_> - - 0 -1 6705 2.3567330092191696e-02 - - -2.9235871043056250e-03 2.4979250133037567e-01 - <_> - - 0 -1 6706 -4.1040919721126556e-02 - - 4.0030491352081299e-01 -1.3312620110809803e-02 - <_> - - 0 -1 6707 -5.3690220229327679e-03 - - -2.9186370968818665e-01 1.6781600192189217e-02 - <_> - - 0 -1 6708 3.6616099532693624e-03 - - -4.7920960932970047e-02 1.0898339748382568e-01 - <_> - - 0 -1 6709 -2.4735789746046066e-02 - - 6.7270919680595398e-02 -1.6207970678806305e-02 - <_> - - 0 -1 6710 8.6064152419567108e-03 - - -6.0250200331211090e-02 1.0674320161342621e-01 - <_> - - 0 -1 6711 -3.3892609179019928e-02 - - -1.9795329868793488e-01 1.9014969468116760e-02 - <_> - - 0 -1 6712 1.0522030293941498e-01 - - 6.0530952177941799e-03 -7.5238007307052612e-01 - <_> - - 0 -1 6713 -5.9583578258752823e-03 - - 9.9094383418560028e-02 -3.5570640116930008e-02 - <_> - - 0 -1 6714 2.7306210249662399e-03 - - -8.8879808783531189e-02 6.4843989908695221e-02 - <_> - - 0 -1 6715 4.3243571417406201e-04 - - 3.2528489828109741e-02 -9.1479070484638214e-02 - <_> - - 0 -1 6716 -5.2608880214393139e-03 - - 1.3896170258522034e-01 -4.0624819695949554e-02 - <_> - - 0 -1 6717 -1.5605129301548004e-01 - - -7.3170071840286255e-01 2.5103189982473850e-03 - <_> - - 0 -1 6718 -1.1245990172028542e-02 - - -1.1834110319614410e-01 5.2261721342802048e-02 - <_> - - 0 -1 6719 -9.2654878972098231e-04 - - 4.3350778520107269e-02 -7.6521359384059906e-02 - <_> - - 0 -1 6720 1.5148459933698177e-03 - - -7.1485839784145355e-02 7.3206916451454163e-02 - <_> - - 0 -1 6721 4.6230577863752842e-03 - - 2.0211879163980484e-02 -4.6565961092710495e-02 - <_> - - 0 -1 6722 1.2555140256881714e-01 - - 9.2135155573487282e-03 -5.4831707477569580e-01 - <_> - - 0 -1 6723 4.0751680731773376e-02 - - -4.5771248638629913e-02 5.6990999728441238e-02 - <_> - - 0 -1 6724 -2.2074349224567413e-02 - - -3.9075499773025513e-01 1.1654710397124290e-02 - <_> - - 0 -1 6725 1.2412919849157333e-01 - - -6.0688108205795288e-03 2.6376709342002869e-01 - <_> - - 0 -1 6726 6.0741119086742401e-03 - - 1.0768520087003708e-01 -5.0139870494604111e-02 - <_> - - 0 -1 6727 -1.4694149792194366e-01 - - -4.3452548980712891e-01 5.5836569517850876e-03 - <_> - - 0 -1 6728 -1.2046460062265396e-01 - - -5.4068279266357422e-01 9.8318615928292274e-03 - <_> - - 0 -1 6729 -9.0990159660577774e-03 - - -1.3625259697437286e-01 9.5357475802302361e-03 - <_> - - 0 -1 6730 1.0966449975967407e-02 - - -3.1344298273324966e-02 1.7068630456924438e-01 - <_> - - 0 -1 6731 -2.1763380616903305e-02 - - 7.3918178677558899e-02 -1.7846420407295227e-02 - <_> - - 0 -1 6732 -4.9578789621591568e-02 - - -5.8034032583236694e-01 1.0063209570944309e-02 - <_> - - 0 -1 6733 -6.6796392202377319e-03 - - -4.7280300408601761e-02 3.8668069988489151e-02 - <_> - - 0 -1 6734 -1.0112039744853973e-03 - - 4.5412030071020126e-02 -1.4603359997272491e-01 - <_> - - 0 -1 6735 2.5813570246100426e-03 - - 3.1112480908632278e-02 -1.0001499950885773e-01 - <_> - - 0 -1 6736 2.0418369676917791e-03 - - 4.8378061503171921e-02 -1.4722709357738495e-01 - <_> - - 0 -1 6737 5.6246068328619003e-02 - - 3.7779449485242367e-03 -6.1013627052307129e-01 - <_> - - 0 -1 6738 -2.6130750775337219e-02 - - 2.6240581274032593e-01 -2.4313600733876228e-02 - <_> - - 0 -1 6739 -1.2151029892265797e-02 - - -5.6114129722118378e-02 2.9739160090684891e-02 - <_> - - 0 -1 6740 -5.1036469638347626e-02 - - 2.7955740690231323e-01 -2.1683510392904282e-02 - <_> - - 0 -1 6741 8.7444618344306946e-02 - - -3.7635879125446081e-03 5.2711361646652222e-01 - <_> - - 0 -1 6742 3.4982790239155293e-03 - - 5.6673228740692139e-02 -9.2554636299610138e-02 - <_> - - 0 -1 6743 9.7861722111701965e-02 - - 3.7442990578711033e-03 -5.4237729310989380e-01 - <_> - - 0 -1 6744 -6.3886200077831745e-03 - - -9.7468167543411255e-02 6.0299299657344818e-02 - <_> - - 0 -1 6745 -1.0128310322761536e-01 - - -6.5173667669296265e-01 3.4321940038353205e-03 - <_> - - 0 -1 6746 -3.9312228560447693e-02 - - 2.6476991176605225e-01 -2.6981310918927193e-02 - <_> - - 0 -1 6747 1.1417990177869797e-01 - - 7.5375889427959919e-03 -6.8553638458251953e-01 - <_> - - 0 -1 6748 8.4078265354037285e-03 - - -3.0973089858889580e-02 1.7200429737567902e-01 - <_> - - 0 -1 6749 -1.5489499783143401e-03 - - 4.6454809606075287e-02 -6.9261766970157623e-02 - <_> - - 0 -1 6750 2.9730569804087281e-04 - - 3.7772700190544128e-02 -1.3767069578170776e-01 - <_> - - 0 -1 6751 2.8460770845413208e-03 - - -4.3182320892810822e-02 9.9634610116481781e-02 - <_> - - 0 -1 6752 4.9144420772790909e-02 - - 5.9465290978550911e-03 -8.2366597652435303e-01 - <_> - - 0 -1 6753 1.0286020115017891e-02 - - 2.8591090813279152e-02 -1.5941999852657318e-01 - <_> - - 0 -1 6754 1.9976280629634857e-02 - - -2.9617030173540115e-02 1.5943069756031036e-01 - <_> - - 0 -1 6755 2.3533409461379051e-02 - - 7.5594270601868629e-03 -2.3041130602359772e-01 - <_> - - 0 -1 6756 -9.0482197701931000e-03 - - -1.2408699840307236e-01 4.1615001857280731e-02 - <_> - - 0 -1 6757 -3.8635660894215107e-03 - - 8.7811216711997986e-02 -4.1511181741952896e-02 - <_> - - 0 -1 6758 -2.7298410423099995e-03 - - 9.4712667167186737e-02 -5.2838958799839020e-02 - <_> - - 0 -1 6759 -4.5442068949341774e-03 - - -1.0748460143804550e-01 1.7744770273566246e-02 - <_> - - 0 -1 6760 2.3271010722965002e-03 - - -8.3826236426830292e-02 5.7210709899663925e-02 - <_> - - 0 -1 6761 -1.2409550137817860e-02 - - 2.3100300133228302e-01 -2.2110419347882271e-02 - <_> - - 0 -1 6762 -4.5268908143043518e-03 - - -1.6244150698184967e-01 3.2564349472522736e-02 - <_> - - 0 -1 6763 -4.4666860048891976e-05 - - 2.4341119825839996e-01 -2.6702800765633583e-02 - <_> - - 0 -1 6764 7.7015289571136236e-04 - - -1.2858650088310242e-01 4.2308151721954346e-02 - <_> - - 0 -1 6765 4.4863048940896988e-02 - - 1.0781999677419662e-02 -3.5814240574836731e-01 - <_> - - 0 -1 6766 3.7869490683078766e-02 - - -1.4966360293328762e-02 3.4195008873939514e-01 - <_> - - 0 -1 6767 -8.3092376589775085e-03 - - -2.7514660358428955e-01 2.0139539614319801e-02 - <_> - - 0 -1 6768 -4.3290119618177414e-02 - - 3.0036559700965881e-01 -1.9493019208312035e-02 - <_> - - 0 -1 6769 -1.0075629688799381e-02 - - -1.2262579798698425e-01 9.1246366500854492e-03 - <_> - - 0 -1 6770 -3.3486529719084501e-03 - - 1.1790259927511215e-01 -4.1050188243389130e-02 - <_> - - 0 -1 6771 -6.4645247766748071e-04 - - -7.8154936432838440e-02 4.6990569680929184e-02 - <_> - - 0 -1 6772 3.5247370600700378e-02 - - 1.0365270078182220e-02 -5.1507127285003662e-01 - <_> - - 0 -1 6773 3.5965928691439331e-04 - - -7.7936813235282898e-02 3.0275240540504456e-02 - <_> - - 0 -1 6774 -1.5898740384727716e-03 - - -1.0594320297241211e-01 5.0036150962114334e-02 - <_> - - 0 -1 6775 -2.1408300846815109e-02 - - 1.1649339646100998e-01 -3.7540700286626816e-02 - <_> - - 0 -1 6776 -2.7612380217760801e-03 - - 3.4751810133457184e-02 -1.3718530535697937e-01 - <_> - - 0 -1 6777 6.4307968132197857e-03 - - -1.3667429797351360e-02 1.4938560128211975e-01 - <_> - - 0 -1 6778 -6.9555612280964851e-03 - - -1.2171459943056107e-01 5.6100189685821533e-02 - <_> - - 0 -1 6779 -2.7654969692230225e-01 - - -8.5077387094497681e-01 3.8885050453245640e-03 - <_> - - 0 -1 6780 4.7567309811711311e-03 - - -6.5594427287578583e-02 7.5947061181068420e-02 - <_> - - 0 -1 6781 8.9218050241470337e-02 - - 6.5016360022127628e-03 -3.2032990455627441e-01 - <_> - - 0 -1 6782 6.7748151719570160e-02 - - -1.1878870427608490e-02 4.4954490661621094e-01 - <_> - - 0 -1 6783 4.5336190611124039e-02 - - 7.4317739345133305e-03 -4.3144878745079041e-01 - <_> - - 0 -1 6784 1.0965850204229355e-02 - - 2.5135010480880737e-02 -2.0359070599079132e-01 - <_> - - 0 -1 6785 -6.5938562154769897e-02 - - 4.5524141192436218e-01 -7.5815711170434952e-03 - <_> - - 0 -1 6786 -4.2270109057426453e-02 - - 3.8470050692558289e-01 -1.1672279797494411e-02 - <_> - - 0 -1 6787 -6.3518402166664600e-03 - - -8.7010167539119720e-02 3.4159921109676361e-02 - <_> - - 0 -1 6788 3.2269880175590515e-02 - - -4.0711440145969391e-02 1.2469469755887985e-01 - <_> - - 0 -1 6789 -3.9068311452865601e-02 - - -1.0403119772672653e-01 6.7032999359071255e-03 - <_> - - 0 -1 6790 -1.0384949855506420e-03 - - 5.8422528207302094e-02 -1.0154890269041061e-01 - <_> - - 0 -1 6791 2.9740650206804276e-02 - - 1.2596059590578079e-02 -1.5170450508594513e-01 - <_> - - 0 -1 6792 5.3193639032542706e-03 - - -4.6843089163303375e-02 1.1005250364542007e-01 - <_> - - 0 -1 6793 -3.2385820522904396e-03 - - -1.0309839993715286e-01 5.0686061382293701e-02 - <_> - - 0 -1 6794 4.2344750836491585e-03 - - -4.9582429230213165e-02 1.2092150002717972e-01 - <_> - - 0 -1 6795 -7.4786663055419922e-02 - - -4.6895131468772888e-01 3.8582859560847282e-03 - <_> - - 0 -1 6796 8.5299033671617508e-03 - - 3.8806159049272537e-02 -1.2022049725055695e-01 - <_> - - 0 -1 6797 -4.8662569373846054e-02 - - 1.6113990545272827e-01 -1.1717130430042744e-02 - <_> - - 0 -1 6798 -1.3677199603989720e-03 - - -8.5303716361522675e-02 5.5394109338521957e-02 - <_> - - 0 -1 6799 -5.8111362159252167e-03 - - 4.7039270401000977e-02 -5.1736868917942047e-02 - <_> - - 0 -1 6800 -3.9951619692146778e-03 - - -7.8167162835597992e-02 6.3919343054294586e-02 - <_> - - 0 -1 6801 3.0817699152976274e-03 - - -6.9289833307266235e-02 2.8242539614439011e-02 - <_> - - 0 -1 6802 -4.6279471367597580e-02 - - -3.4760490059852600e-01 1.3878909870982170e-02 - <_> - - 0 -1 6803 -1.8725780770182610e-02 - - 1.5222269296646118e-01 -1.5724090859293938e-02 - <_> - - 0 -1 6804 -2.1445369347929955e-02 - - -3.5962730646133423e-01 1.2764260172843933e-02 - <_> - - 0 -1 6805 -9.1003477573394775e-02 - - -7.9615950584411621e-01 4.9090441316366196e-03 - <_> - - 0 -1 6806 2.5607119314372540e-03 - - -5.4551690816879272e-02 8.4403410553932190e-02 - <_> - - 0 -1 6807 -1.3662099838256836e-02 - - 9.4987250864505768e-02 -6.2036819756031036e-02 - <_> - - 0 -1 6808 9.2437807470560074e-03 - - 5.3822331130504608e-02 -9.9236510694026947e-02 - <_> - - 0 -1 6809 -1.4612140133976936e-02 - - -1.5248660743236542e-01 4.2905550450086594e-02 - <_> - - 0 -1 6810 -3.9584659039974213e-02 - - 1.5883240103721619e-01 -3.5484429448843002e-02 - <_> - - 0 -1 6811 -6.7460699938237667e-03 - - 1.1749260127544403e-01 -3.7934441119432449e-02 - <_> - - 0 -1 6812 2.0449559669941664e-03 - - 6.1626188457012177e-02 -9.4409346580505371e-02 - <_> - - 0 -1 6813 -1.5146560035645962e-02 - - -3.3887571096420288e-01 6.8320450372993946e-03 - <_> - - 0 -1 6814 -2.0916219800710678e-03 - - -1.4829570055007935e-01 3.3358350396156311e-02 - <_> - - 0 -1 6815 1.3274390250444412e-02 - - -3.8169000297784805e-02 4.6379629522562027e-02 - <_> - - 0 -1 6816 1.2404330074787140e-02 - - -1.8498679623007774e-02 2.7952960133552551e-01 - <_> - - 0 -1 6817 -2.3678259924054146e-02 - - -4.7142859548330307e-02 2.3141339421272278e-02 - <_> - - 0 -1 6818 6.7575983703136444e-02 - - -1.8598400056362152e-02 2.7481150627136230e-01 - <_> - - 0 -1 6819 7.6359122991561890e-02 - - 2.9178129509091377e-02 -2.0572820305824280e-01 - <_> - - 0 -1 6820 -1.0918889939785004e-01 - - 6.2577211856842041e-01 -9.8246810957789421e-03 - <_> - - 0 -1 6821 1.2964319903403521e-03 - - -3.1776499003171921e-02 6.7833930253982544e-02 - <_> - - 0 -1 6822 4.1218679398298264e-02 - - 8.5701625794172287e-03 -5.8379119634628296e-01 - <_> - - 0 -1 6823 -1.8773629562929273e-03 - - 5.3263541311025620e-02 -4.1702788323163986e-02 - <_> - - 0 -1 6824 -2.9402649961411953e-03 - - 8.6931921541690826e-02 -7.1344070136547089e-02 - <_> - - 0 -1 6825 -3.0833749100565910e-02 - - -3.9439570903778076e-01 6.0907239094376564e-03 - <_> - - 0 -1 6826 -3.7960989866405725e-03 - - 7.4150532484054565e-02 -6.1881281435489655e-02 - <_> - - 0 -1 6827 -6.3087488524615765e-03 - - -1.1662469804286957e-01 2.5016760453581810e-02 - <_> - - 0 -1 6828 4.0001370944082737e-03 - - -5.7236731052398682e-02 9.7589701414108276e-02 - <_> - - 0 -1 6829 6.7752957344055176e-02 - - 9.5101362094283104e-03 -3.3777019381523132e-01 - <_> - - 0 -1 6830 -9.2353783547878265e-02 - - 7.9015249013900757e-01 -6.2939748167991638e-03 - <_> - - 0 -1 6831 -2.4050839245319366e-02 - - -1.5585710108280182e-01 1.8099930137395859e-02 - <_> - - 0 -1 6832 3.2272089738398790e-03 - - -4.7936741262674332e-02 1.0735899955034256e-01 - <_> - - 0 -1 6833 -7.2444709949195385e-03 - - 9.6775539219379425e-02 -2.4095900356769562e-02 - <_> - - 0 -1 6834 -1.0888259857892990e-01 - - -8.1255799531936646e-01 6.0875630006194115e-03 - <_> - - 0 -1 6835 -1.4077230356633663e-02 - - -1.3358989357948303e-01 2.5421140715479851e-02 - <_> - - 0 -1 6836 -3.0071370303630829e-02 - - 3.5427039861679077e-01 -1.3553430326282978e-02 - <_> - - 0 -1 6837 3.4985799342393875e-02 - - -3.0686240643262863e-03 4.6311178803443909e-01 - <_> - - 0 -1 6838 1.8354769796133041e-02 - - 1.1218019761145115e-02 -4.6143579483032227e-01 - <_> - - 0 -1 6839 -6.4306408166885376e-02 - - -6.1207151412963867e-01 1.9155009649693966e-03 - <_> - - 0 -1 6840 8.2096129655838013e-02 - - -8.8210906833410263e-03 5.4885977506637573e-01 - <_> - - 0 -1 6841 7.7698810491710901e-04 - - 1.3247950375080109e-01 -3.3915128558874130e-02 - <_> - - 0 -1 6842 6.4568981528282166e-02 - - 6.4043831080198288e-03 -7.7150177955627441e-01 - <_> - - 0 -1 6843 -1.5833489596843719e-02 - - -1.9498950242996216e-01 7.5541301630437374e-03 - <_> - - 0 -1 6844 3.4125618636608124e-02 - - -1.5915289521217346e-02 2.9716441035270691e-01 - <_> - - 0 -1 6845 -1.2615050189197063e-02 - - -2.4650709331035614e-01 2.2699799388647079e-02 - <_> - - 0 -1 6846 1.8272679299116135e-02 - - -4.0593959391117096e-02 1.1693490296602249e-01 - <_> - - 0 -1 6847 -6.6374349407851696e-03 - - -1.4557109773159027e-01 3.5353910177946091e-02 - <_> - - 0 -1 6848 -2.6520919054746628e-03 - - 7.6382592320442200e-02 -6.6688627004623413e-02 - <_> - - 0 -1 6849 2.2452129051089287e-03 - - -8.9759878814220428e-02 5.5091369897127151e-02 - <_> - - 0 -1 6850 -4.4775419519282877e-04 - - 2.1264159679412842e-01 -2.6620639488101006e-02 - <_> - - 0 -1 6851 -1.1115259677171707e-01 - - -4.3139949440956116e-01 4.6484731137752533e-03 - <_> - - 0 -1 6852 -1.1578770354390144e-02 - - -3.5296261310577393e-01 1.2750539928674698e-02 - <_> - - 0 -1 6853 -2.5290170684456825e-02 - - 5.1385980844497681e-01 -6.7363809794187546e-03 - <_> - - 0 -1 6854 -3.2232340425252914e-02 - - -5.7690191268920898e-01 7.7741048298776150e-03 - <_> - - 0 -1 6855 -4.1698799468576908e-03 - - -1.7519310116767883e-01 1.1018699966371059e-02 - <_> - - 0 -1 6856 -2.0664500072598457e-02 - - 2.5821951031684875e-01 -1.7920289188623428e-02 - <_> - - 0 -1 6857 -1.0834420099854469e-03 - - -1.3178519904613495e-01 2.5419749319553375e-02 - <_> - - 0 -1 6858 -9.5458701252937317e-03 - - 4.4964689016342163e-01 -1.1315030045807362e-02 - <_> - - 0 -1 6859 5.3232181817293167e-02 - - 7.4498020112514496e-03 -6.8122059106826782e-01 - <_> - - 0 -1 6860 -1.3852520287036896e-01 - - -6.0117882490158081e-01 6.5434179268777370e-03 - <_> - - 0 -1 6861 1.7173439264297485e-02 - - -2.5120509788393974e-02 8.6516633629798889e-02 - <_> - - 0 -1 6862 3.9947189390659332e-02 - - 5.8647249825298786e-03 -7.4653059244155884e-01 - <_> - - 0 -1 6863 2.0647009834647179e-02 - - -1.0226000100374222e-02 1.7227609455585480e-01 - <_> - - 0 -1 6864 -1.8602909985929728e-03 - - -6.5767973661422729e-02 6.9248490035533905e-02 - <_> - - 0 -1 6865 -3.4106068313121796e-02 - - 1.5908730030059814e-01 -1.3241630047559738e-02 - <_> - - 0 -1 6866 6.3425069674849510e-03 - - 3.5119149833917618e-02 -1.3436080515384674e-01 - <_> - - 0 -1 6867 1.6866199439391494e-03 - - -4.3401770293712616e-02 5.0606630742549896e-02 - <_> - - 0 -1 6868 -3.0595089774578810e-03 - - 5.6976709514856339e-02 -8.1074528396129608e-02 - <_> - - 0 -1 6869 2.7664829976856709e-03 - - 2.0497009158134460e-02 -8.0963827669620514e-02 - <_> - - 0 -1 6870 -3.2909188885241747e-03 - - -1.0803789645433426e-01 4.6237960457801819e-02 - <_> - - 0 -1 6871 1.7244400456547737e-02 - - -2.5127060711383820e-02 2.4591030180454254e-01 - <_> - - 0 -1 6872 9.1161586344242096e-02 - - 1.0174980387091637e-02 -4.6983879804611206e-01 - <_> - - 0 -1 6873 2.5459621101617813e-03 - - -3.0003750696778297e-02 1.4800469577312469e-01 - <_> - - 0 -1 6874 1.7582690343260765e-03 - - 5.4400689899921417e-02 -7.7444270253181458e-02 - <_> - - 0 -1 6875 -1.6833960544317961e-03 - - 8.1838123500347137e-02 -4.3751198798418045e-02 - <_> - - 0 -1 6876 -7.6617579907178879e-04 - - -1.3564400374889374e-01 3.6041948944330215e-02 - <_> - - 0 -1 6877 1.1155450483784080e-03 - - -4.8263888806104660e-02 5.0273448228836060e-02 - <_> - - 0 -1 6878 -2.6005289983004332e-03 - - 8.8793486356735229e-02 -5.4554209113121033e-02 - <_> - - 0 -1 6879 -3.2424980308860540e-03 - - -1.3159190118312836e-01 3.4248508512973785e-02 - <_> - - 0 -1 6880 -1.4817930059507489e-04 - - 3.7875428795814514e-02 -1.2225220352411270e-01 - <_> - - 0 -1 6881 1.1546639725565910e-02 - - 1.5370969660580158e-02 -1.0286240279674530e-01 - <_> - - 0 -1 6882 2.4446300230920315e-03 - - -5.1783051341772079e-02 1.0735079646110535e-01 - <_> - - 0 -1 6883 4.5723789371550083e-03 - - -3.6362100392580032e-02 1.3289859890937805e-01 - <_> - - 0 -1 6884 -1.1938340030610561e-02 - - -1.0882350057363510e-01 4.7698900103569031e-02 - <_> - - 0 -1 6885 -4.1671381331980228e-03 - - 1.1637099832296371e-01 -3.0638780444860458e-02 - <_> - 399 - -1.2330470085144043e+00 - - <_> - - 0 -1 6886 3.3659618347883224e-02 - - -1.5576040744781494e-01 1.9109010696411133e-01 - <_> - - 0 -1 6887 -1.5392389614135027e-03 - - 7.2527736425399780e-02 -2.8808951377868652e-01 - <_> - - 0 -1 6888 1.5648789703845978e-03 - - -1.1329220235347748e-01 1.5057389438152313e-01 - <_> - - 0 -1 6889 5.6565739214420319e-04 - - -4.0502288937568665e-01 3.0235100537538528e-02 - <_> - - 0 -1 6890 -2.9683491447940469e-04 - - -1.2592320144176483e-01 1.0352999716997147e-01 - <_> - - 0 -1 6891 4.3946141377091408e-03 - - -1.0582420229911804e-01 2.3163750767707825e-02 - <_> - - 0 -1 6892 3.2444300595670938e-03 - - 5.0188560038805008e-02 -2.5477260351181030e-01 - <_> - - 0 -1 6893 3.8864749949425459e-03 - - -1.4332659542560577e-01 2.9871070757508278e-02 - <_> - - 0 -1 6894 3.3563380129635334e-03 - - -1.8739770352840424e-01 6.1354521661996841e-02 - <_> - - 0 -1 6895 1.9797699525952339e-02 - - 2.7567919343709946e-02 -7.3189876973628998e-02 - <_> - - 0 -1 6896 3.3829871099442244e-03 - - -2.6915690302848816e-01 4.7561220824718475e-02 - <_> - - 0 -1 6897 5.0223460420966148e-03 - - 4.2572669684886932e-02 -2.0097489655017853e-01 - <_> - - 0 -1 6898 1.4903279952704906e-03 - - -1.0160639882087708e-01 1.1291279643774033e-01 - <_> - - 0 -1 6899 -5.5050072260200977e-03 - - -2.1760410070419312e-01 2.5067379698157310e-02 - <_> - - 0 -1 6900 4.1127130389213562e-03 - - -1.3703300058841705e-01 6.6536687314510345e-02 - <_> - - 0 -1 6901 1.9442260265350342e-02 - - 4.2253911495208740e-02 -1.1731100082397461e-01 - <_> - - 0 -1 6902 -1.9445870071649551e-02 - - 2.8616631031036377e-01 -3.0423089861869812e-02 - <_> - - 0 -1 6903 -1.5500449808314443e-03 - - -1.5157119929790497e-01 6.3723236322402954e-02 - <_> - - 0 -1 6904 -3.2575910445302725e-03 - - 6.1063949018716812e-02 -1.3006690144538879e-01 - <_> - - 0 -1 6905 8.5774611216038465e-04 - - -6.2051288783550262e-02 5.4809290915727615e-02 - <_> - - 0 -1 6906 6.8592262687161565e-04 - - -9.2828713357448578e-02 9.2287853360176086e-02 - <_> - - 0 -1 6907 4.8905659466981888e-02 - - -1.2098040431737900e-02 2.4674870073795319e-01 - <_> - - 0 -1 6908 -4.6415459364652634e-03 - - -1.7103439569473267e-01 5.1900148391723633e-02 - <_> - - 0 -1 6909 -9.9253775551915169e-03 - - 1.6824729740619659e-01 -4.3742731213569641e-02 - <_> - - 0 -1 6910 -7.2820088826119900e-04 - - -1.5762010216712952e-01 4.9283239990472794e-02 - <_> - - 0 -1 6911 7.1829417720437050e-03 - - -7.5083851814270020e-02 1.5677660703659058e-01 - <_> - - 0 -1 6912 7.4819842120632529e-04 - - 9.4303682446479797e-02 -9.4410486519336700e-02 - <_> - - 0 -1 6913 1.3856319710612297e-02 - - 4.2250029742717743e-02 -2.4046279489994049e-01 - <_> - - 0 -1 6914 -5.0514908507466316e-03 - - 2.0170919597148895e-01 -4.4972479343414307e-02 - <_> - - 0 -1 6915 -2.5696419179439545e-03 - - -1.4004689455032349e-01 4.1754510253667831e-02 - <_> - - 0 -1 6916 5.4275751113891602e-02 - - -2.6094799861311913e-02 2.8374740481376648e-01 - <_> - - 0 -1 6917 -3.7299469113349915e-02 - - -5.8281177282333374e-01 1.3501949608325958e-02 - <_> - - 0 -1 6918 3.0674990266561508e-03 - - 5.6224178522825241e-02 -1.1995050311088562e-01 - <_> - - 0 -1 6919 -3.5402809735387564e-03 - - 6.6515468060970306e-02 -1.1834269762039185e-01 - <_> - - 0 -1 6920 4.1401982307434082e-03 - - 2.0988019183278084e-02 -3.1807440519332886e-01 - <_> - - 0 -1 6921 -1.1183559894561768e-02 - - 1.2467139959335327e-01 -4.1797909885644913e-02 - <_> - - 0 -1 6922 1.0800679447129369e-03 - - 4.5548491179943085e-02 -1.5857310593128204e-01 - <_> - - 0 -1 6923 -7.7602718956768513e-03 - - -1.7031720280647278e-01 3.3989530056715012e-02 - <_> - - 0 -1 6924 -3.1192360911518335e-03 - - 9.6817880868911743e-02 -8.6022533476352692e-02 - <_> - - 0 -1 6925 -1.3673380017280579e-02 - - -2.2536599636077881e-01 1.5587169677019119e-02 - <_> - - 0 -1 6926 -2.0611209329217672e-03 - - -1.5269860625267029e-01 5.0227679312229156e-02 - <_> - - 0 -1 6927 2.2635459899902344e-03 - - -4.2889460921287537e-02 7.6818563044071198e-02 - <_> - - 0 -1 6928 -3.4530080854892731e-02 - - 1.2874439358711243e-01 -6.7660316824913025e-02 - <_> - - 0 -1 6929 6.1309239827096462e-03 - - -6.3456058502197266e-02 6.4237646758556366e-02 - <_> - - 0 -1 6930 -1.0171280242502689e-02 - - -2.9192021489143372e-01 2.6645509526133537e-02 - <_> - - 0 -1 6931 -1.3060650229454041e-01 - - -9.6297067403793335e-01 1.5367489540949464e-03 - <_> - - 0 -1 6932 6.8621779792010784e-03 - - -4.7239519655704498e-02 1.5440399944782257e-01 - <_> - - 0 -1 6933 1.2950079981237650e-03 - - -7.1122348308563232e-02 5.8697238564491272e-02 - <_> - - 0 -1 6934 -5.6443549692630768e-03 - - -1.7261339724063873e-01 4.4769309461116791e-02 - <_> - - 0 -1 6935 1.6346110403537750e-01 - - -2.1536830812692642e-02 3.6825808882713318e-01 - <_> - - 0 -1 6936 1.4170600101351738e-02 - - 2.3462019860744476e-02 -3.0498749017715454e-01 - <_> - - 0 -1 6937 -1.0679910331964493e-01 - - 3.1485679745674133e-01 -9.1049326583743095e-03 - <_> - - 0 -1 6938 7.0258649066090584e-03 - - -6.5418191254138947e-02 1.0200239717960358e-01 - <_> - - 0 -1 6939 -4.3358937837183475e-03 - - 1.1601199954748154e-01 -5.5041059851646423e-02 - <_> - - 0 -1 6940 3.5394240170717239e-02 - - 2.7795480564236641e-02 -2.5534549355506897e-01 - <_> - - 0 -1 6941 2.1599680185317993e-02 - - -1.0513960383832455e-02 2.6087591052055359e-01 - <_> - - 0 -1 6942 4.3032150715589523e-03 - - -4.6745400875806808e-02 1.3318620622158051e-01 - <_> - - 0 -1 6943 7.8372862190008163e-03 - - 6.1899811029434204e-02 -1.2405169755220413e-01 - <_> - - 0 -1 6944 -1.6856989823281765e-03 - - -9.5696307718753815e-02 7.7667310833930969e-02 - <_> - - 0 -1 6945 -4.1602249257266521e-03 - - 6.5850533545017242e-02 -7.6837591826915741e-02 - <_> - - 0 -1 6946 -5.0864819437265396e-02 - - 5.2419060468673706e-01 -1.7342429608106613e-02 - <_> - - 0 -1 6947 -6.4477883279323578e-02 - - -4.1972258687019348e-01 1.2231100350618362e-02 - <_> - - 0 -1 6948 -2.4949579965323210e-03 - - 6.4242206513881683e-02 -9.7457312047481537e-02 - <_> - - 0 -1 6949 3.2167730387300253e-03 - - -3.7902288138866425e-02 8.2197092473506927e-02 - <_> - - 0 -1 6950 -2.3393060546368361e-03 - - -1.0608460009098053e-01 7.2004899382591248e-02 - <_> - - 0 -1 6951 -8.0535542219877243e-03 - - -1.0991869866847992e-01 2.5643279775977135e-02 - <_> - - 0 -1 6952 1.5007739886641502e-02 - - -3.1267128884792328e-02 2.0507030189037323e-01 - <_> - - 0 -1 6953 -4.7144708223640919e-03 - - -1.4058899879455566e-01 4.8687249422073364e-02 - <_> - - 0 -1 6954 -2.7188581228256226e-01 - - -7.7086192369461060e-01 8.2119107246398926e-03 - <_> - - 0 -1 6955 -3.7261729594320059e-03 - - 7.8386418521404266e-02 -6.1110321432352066e-02 - <_> - - 0 -1 6956 8.1726117059588432e-03 - - 2.5872390717267990e-02 -2.4203300476074219e-01 - <_> - - 0 -1 6957 -1.5384130179882050e-01 - - -8.3681619167327881e-01 1.0526239639148116e-03 - <_> - - 0 -1 6958 -4.2209690436720848e-03 - - 1.0987819731235504e-01 -6.0973130166530609e-02 - <_> - - 0 -1 6959 3.4641180187463760e-02 - - 5.9377611614763737e-03 -7.3021429777145386e-01 - <_> - - 0 -1 6960 -1.0757029522210360e-03 - - 6.3253231346607208e-02 -9.3954533338546753e-02 - <_> - - 0 -1 6961 6.0506182489916682e-04 - - -7.2633743286132812e-02 5.4847791790962219e-02 - <_> - - 0 -1 6962 -4.9192002043128014e-03 - - -1.4617989957332611e-01 4.9854889512062073e-02 - <_> - - 0 -1 6963 5.8641340583562851e-02 - - -1.4487889595329762e-02 2.1949279308319092e-01 - <_> - - 0 -1 6964 -9.5993638038635254e-02 - - -4.2456990480422974e-01 1.5611169859766960e-02 - <_> - - 0 -1 6965 -1.7546750605106354e-01 - - -5.7154530286788940e-01 2.7310380246490240e-03 - <_> - - 0 -1 6966 5.3192701190710068e-02 - - -2.0759610459208488e-02 3.1531611084938049e-01 - <_> - - 0 -1 6967 -3.0862109735608101e-02 - - -4.0818691253662109e-01 9.1538606211543083e-03 - <_> - - 0 -1 6968 -2.9243549797683954e-03 - - 1.6538919508457184e-01 -3.7048339843750000e-02 - <_> - - 0 -1 6969 7.9757552593946457e-03 - - 4.0010299533605576e-02 -1.0603089630603790e-01 - <_> - - 0 -1 6970 1.0228200256824493e-01 - - 9.6151717007160187e-03 -6.5299248695373535e-01 - <_> - - 0 -1 6971 2.3435470648109913e-03 - - -4.3119609355926514e-02 1.1908730119466782e-01 - <_> - - 0 -1 6972 -3.3627110533416271e-03 - - 1.0518670082092285e-01 -6.9644443690776825e-02 - <_> - - 0 -1 6973 4.9040392041206360e-03 - - 4.8949901014566422e-02 -1.2949359416961670e-01 - <_> - - 0 -1 6974 4.5119290007278323e-05 - - -1.6148559749126434e-01 4.1733540594577789e-02 - <_> - - 0 -1 6975 1.6195859760046005e-02 - - -1.2759320437908173e-02 2.0746350288391113e-01 - <_> - - 0 -1 6976 -6.4254719763994217e-03 - - -1.3736939430236816e-01 4.3490421026945114e-02 - <_> - - 0 -1 6977 -6.6467811120674014e-04 - - 6.6771537065505981e-02 -7.4648462235927582e-02 - <_> - - 0 -1 6978 -2.3743628989905119e-03 - - -1.2377700209617615e-01 5.1728729158639908e-02 - <_> - - 0 -1 6979 -8.3166018128395081e-02 - - 1.5261100232601166e-01 -2.1502759307622910e-02 - <_> - - 0 -1 6980 1.3301270082592964e-03 - - -6.1925448477268219e-02 1.0591439902782440e-01 - <_> - - 0 -1 6981 9.0925350785255432e-02 - - 6.9404938258230686e-03 -5.1022678613662720e-01 - <_> - - 0 -1 6982 5.7555912062525749e-03 - - 5.2849009633064270e-02 -1.0758169740438461e-01 - <_> - - 0 -1 6983 9.3440711498260498e-04 - - -1.0605130344629288e-01 4.7824278473854065e-02 - <_> - - 0 -1 6984 5.2353799343109131e-02 - - -1.6387209296226501e-02 4.2318668961524963e-01 - <_> - - 0 -1 6985 -2.4307209998369217e-02 - - 1.3521690666675568e-01 -1.0088359937071800e-02 - <_> - - 0 -1 6986 -1.3722239993512630e-02 - - -4.9520999193191528e-01 1.1784340254962444e-02 - <_> - - 0 -1 6987 -1.1442030081525445e-03 - - 4.3818730860948563e-02 -6.9104023277759552e-02 - <_> - - 0 -1 6988 -7.8848190605640411e-02 - - 3.5198599100112915e-01 -1.6464689746499062e-02 - <_> - - 0 -1 6989 1.7305529909208417e-03 - - -6.6790081560611725e-02 8.2463577389717102e-02 - <_> - - 0 -1 6990 -1.2928839772939682e-02 - - -8.1002123653888702e-02 8.5223287343978882e-02 - <_> - - 0 -1 6991 8.7096104398369789e-03 - - -5.0021901726722717e-02 1.3493220508098602e-01 - <_> - - 0 -1 6992 -6.3483066856861115e-02 - - -7.7681750059127808e-01 7.0912609808146954e-03 - <_> - - 0 -1 6993 -4.3746097944676876e-03 - - -1.3329389691352844e-01 4.2627040296792984e-02 - <_> - - 0 -1 6994 -4.3985169380903244e-02 - - 1.5131869912147522e-01 -4.0801558643579483e-02 - <_> - - 0 -1 6995 -6.0488767921924591e-03 - - -5.3645741194486618e-02 1.7832729965448380e-02 - <_> - - 0 -1 6996 -5.1487190648913383e-04 - - 6.2102951109409332e-02 -9.5339402556419373e-02 - <_> - - 0 -1 6997 -3.3046479802578688e-03 - - -2.4732820689678192e-01 2.1977340802550316e-02 - <_> - - 0 -1 6998 -3.0949179199524224e-04 - - -3.4656081348657608e-02 1.9599510729312897e-01 - <_> - - 0 -1 6999 -8.3323381841182709e-03 - - 1.7436729371547699e-01 -3.2631549984216690e-02 - <_> - - 0 -1 7000 6.6935829818248749e-03 - - 2.5050759315490723e-02 -2.7362829446792603e-01 - <_> - - 0 -1 7001 1.4068570453673601e-03 - - -2.9797010123729706e-02 6.5752580761909485e-02 - <_> - - 0 -1 7002 4.0725398808717728e-02 - - 1.4967479743063450e-02 -3.7111800909042358e-01 - <_> - - 0 -1 7003 -2.1524120122194290e-02 - - 3.7294471263885498e-01 -1.4142910018563271e-02 - <_> - - 0 -1 7004 4.1689630597829819e-02 - - 8.3227548748254776e-03 -6.6822868585586548e-01 - <_> - - 0 -1 7005 -3.2075429335236549e-03 - - 6.2741018831729889e-02 -1.3061609864234924e-01 - <_> - - 0 -1 7006 2.6418430730700493e-02 - - 6.6760168410837650e-03 -7.5557070970535278e-01 - <_> - - 0 -1 7007 -5.1153838634490967e-02 - - -5.0382971763610840e-01 2.2476969752460718e-03 - <_> - - 0 -1 7008 1.5723450342193246e-03 - - -6.0214620083570480e-02 7.9933151602745056e-02 - <_> - - 0 -1 7009 1.2616170570254326e-03 - - 4.4674988836050034e-02 -8.3830736577510834e-02 - <_> - - 0 -1 7010 -2.8608670458197594e-02 - - -3.0249071121215820e-01 1.6254810616374016e-02 - <_> - - 0 -1 7011 1.4726459980010986e-02 - - -4.9459420144557953e-02 1.1457759886980057e-01 - <_> - - 0 -1 7012 3.5319201648235321e-02 - - 1.1276819743216038e-02 -4.8055538535118103e-01 - <_> - - 0 -1 7013 2.2470189630985260e-01 - - -1.0596769861876965e-02 5.4026299715042114e-01 - <_> - - 0 -1 7014 -7.0188841782510281e-03 - - -1.1836989969015121e-01 5.2995279431343079e-02 - <_> - - 0 -1 7015 -2.9194930568337440e-02 - - 2.8498569130897522e-01 -1.4652130194008350e-02 - <_> - - 0 -1 7016 -1.6918469918891788e-03 - - 6.7731522023677826e-02 -7.4129588901996613e-02 - <_> - - 0 -1 7017 1.3110489584505558e-02 - - -4.0418051183223724e-02 9.6537798643112183e-02 - <_> - - 0 -1 7018 7.5334981374908239e-05 - - -7.3065057396888733e-02 7.1049667894840240e-02 - <_> - - 0 -1 7019 2.9962710104882717e-03 - - 2.4401130154728889e-02 -1.0679820179939270e-01 - <_> - - 0 -1 7020 -4.1236128658056259e-02 - - 2.5446560978889465e-01 -1.9801229238510132e-02 - <_> - - 0 -1 7021 2.2827479988336563e-03 - - -5.9622149914503098e-02 8.6871787905693054e-02 - <_> - - 0 -1 7022 -2.1318379731383175e-04 - - 4.0506061166524887e-02 -1.2357629835605621e-01 - <_> - - 0 -1 7023 4.1725938208401203e-03 - - 4.1674789041280746e-02 -1.3029229640960693e-01 - <_> - - 0 -1 7024 -1.7945859581232071e-02 - - 2.5395989418029785e-01 -2.0783929154276848e-02 - <_> - - 0 -1 7025 -6.0957930982112885e-02 - - -5.9399938583374023e-01 5.6327730417251587e-03 - <_> - - 0 -1 7026 -8.3080737385898829e-04 - - 4.8011310398578644e-02 -1.1289869993925095e-01 - <_> - - 0 -1 7027 2.7037229388952255e-02 - - 2.6524379849433899e-02 -1.7208619415760040e-01 - <_> - - 0 -1 7028 3.7293829955160618e-03 - - -5.0795450806617737e-02 1.1093439906835556e-01 - <_> - - 0 -1 7029 -1.0271129431203008e-03 - - -8.9025869965553284e-02 4.9861740320920944e-02 - <_> - - 0 -1 7030 4.3261310202069581e-04 - - -7.6471529901027679e-02 7.2490736842155457e-02 - <_> - - 0 -1 7031 -8.3997912704944611e-02 - - 4.0178960561752319e-01 -8.4397885948419571e-03 - <_> - - 0 -1 7032 -3.4407388884574175e-03 - - -1.4326460659503937e-01 3.9170410484075546e-02 - <_> - - 0 -1 7033 -2.1418789401650429e-02 - - 1.5835569798946381e-01 -1.3701870106160641e-02 - <_> - - 0 -1 7034 2.4877830874174833e-03 - - -5.6875430047512054e-02 1.0218720138072968e-01 - <_> - - 0 -1 7035 -1.0390300303697586e-03 - - 8.1530712544918060e-02 -4.7183711081743240e-02 - <_> - - 0 -1 7036 4.6788761392235756e-04 - - 7.0995680987834930e-02 -8.8464602828025818e-02 - <_> - - 0 -1 7037 2.7436260133981705e-02 - - 1.5190550126135349e-02 -1.2117669731378555e-01 - <_> - - 0 -1 7038 -5.8917858405038714e-04 - - -8.1471607089042664e-02 6.8480782210826874e-02 - <_> - - 0 -1 7039 7.9439081251621246e-02 - - -7.3907868936657906e-03 1.4902259409427643e-01 - <_> - - 0 -1 7040 -3.5153090953826904e-02 - - 4.1942089796066284e-01 -1.2480289675295353e-02 - <_> - - 0 -1 7041 6.8230971693992615e-02 - - 9.3489149585366249e-03 -2.5965470075607300e-01 - <_> - - 0 -1 7042 8.1733033061027527e-02 - - 1.5513390302658081e-02 -3.2704469561576843e-01 - <_> - - 0 -1 7043 -3.0718350317329168e-03 - - 6.6938467323780060e-02 -4.2225748300552368e-02 - <_> - - 0 -1 7044 5.6301880627870560e-02 - - -2.5680650025606155e-02 2.1728150546550751e-01 - <_> - - 0 -1 7045 2.5166019797325134e-02 - - 2.3228300735354424e-02 -9.2791043221950531e-02 - <_> - - 0 -1 7046 6.5088197588920593e-02 - - 6.8949609994888306e-03 -8.2639491558074951e-01 - <_> - - 0 -1 7047 2.2007930092513561e-03 - - -7.4394248425960541e-02 8.7209381163120270e-02 - <_> - - 0 -1 7048 -8.8553391396999359e-03 - - -1.3203050196170807e-01 3.7658430635929108e-02 - <_> - - 0 -1 7049 6.0942411422729492e-02 - - 1.0197839699685574e-02 -5.4252862930297852e-01 - <_> - - 0 -1 7050 -5.2589550614356995e-04 - - 4.8835718631744385e-01 -1.1828079819679260e-02 - <_> - - 0 -1 7051 1.3005370274186134e-03 - - -3.8898441195487976e-01 1.4226339757442474e-02 - <_> - - 0 -1 7052 -1.6531689465045929e-01 - - 4.0004518628120422e-01 -1.2666770257055759e-02 - <_> - - 0 -1 7053 1.8595480360090733e-03 - - 4.7802660614252090e-02 -1.1368919909000397e-01 - <_> - - 0 -1 7054 1.3065179809927940e-02 - - -3.3714219927787781e-02 1.5762269496917725e-01 - <_> - - 0 -1 7055 3.1612750142812729e-02 - - 7.6767429709434509e-03 -5.9641021490097046e-01 - <_> - - 0 -1 7056 -2.2566620260477066e-02 - - 1.0603710263967514e-01 -4.7383170574903488e-02 - <_> - - 0 -1 7057 6.2679480761289597e-03 - - 3.4595031291246414e-02 -7.7622346580028534e-02 - <_> - - 0 -1 7058 -3.1758081167936325e-02 - - -3.2147431373596191e-01 1.5986470505595207e-02 - <_> - - 0 -1 7059 -2.1477609872817993e-02 - - 2.0527760684490204e-01 -1.8074609339237213e-02 - <_> - - 0 -1 7060 1.8594050779938698e-02 - - 1.6375590115785599e-02 -2.9955211281776428e-01 - <_> - - 0 -1 7061 1.4604429714381695e-02 - - -2.0433440804481506e-02 2.2725510597229004e-01 - <_> - - 0 -1 7062 1.9902919884771109e-03 - - -5.8518249541521072e-02 1.0997360199689865e-01 - <_> - - 0 -1 7063 9.7299525514245033e-03 - - 3.1371861696243286e-02 -4.4369909912347794e-02 - <_> - - 0 -1 7064 -2.3401379585266113e-03 - - 9.6488200128078461e-02 -5.7249929755926132e-02 - <_> - - 0 -1 7065 -1.9590060692280531e-03 - - -1.4031149446964264e-01 1.3546340167522430e-02 - <_> - - 0 -1 7066 8.4066856652498245e-03 - - 6.6289551556110382e-02 -8.0348283052444458e-02 - <_> - - 0 -1 7067 5.2574548870325089e-02 - - -3.6297008395195007e-02 1.4638340473175049e-01 - <_> - - 0 -1 7068 4.1065202094614506e-03 - - 3.0372349545359612e-02 -1.8155770003795624e-01 - <_> - - 0 -1 7069 -4.1818427853286266e-03 - - 5.5590789765119553e-02 -3.7148520350456238e-02 - <_> - - 0 -1 7070 -1.5470250509679317e-03 - - 1.0347150266170502e-01 -4.6374730765819550e-02 - <_> - - 0 -1 7071 -8.2695618038997054e-04 - - -9.3296989798545837e-02 4.3734461069107056e-02 - <_> - - 0 -1 7072 4.1385791264474392e-03 - - -4.4266488403081894e-02 1.0968980193138123e-01 - <_> - - 0 -1 7073 -3.3684119582176208e-02 - - -6.4337152242660522e-01 7.9893283545970917e-03 - <_> - - 0 -1 7074 5.2798818796873093e-02 - - -1.2490300461649895e-02 4.1572460532188416e-01 - <_> - - 0 -1 7075 -2.9699259996414185e-01 - - -1.9598379731178284e-01 9.4300797209143639e-03 - <_> - - 0 -1 7076 1.1196310073137283e-01 - - 1.1162719689309597e-02 -4.6838051080703735e-01 - <_> - - 0 -1 7077 -1.8544310703873634e-02 - - -7.4080787599086761e-02 1.9528210163116455e-02 - <_> - - 0 -1 7078 -1.0937429964542389e-02 - - 8.8206529617309570e-02 -6.2830187380313873e-02 - <_> - - 0 -1 7079 2.7186619117856026e-03 - - 3.0855480581521988e-02 -9.2405863106250763e-02 - <_> - - 0 -1 7080 2.0727319642901421e-02 - - -5.2543301135301590e-02 1.0608410090208054e-01 - <_> - - 0 -1 7081 -2.7961930260062218e-02 - - 2.1735160052776337e-01 -2.1356139332056046e-02 - <_> - - 0 -1 7082 -9.0406360104680061e-03 - - -1.9535389542579651e-01 3.0077420175075531e-02 - <_> - - 0 -1 7083 -1.0906349867582321e-02 - - 1.4888639748096466e-01 -3.1188679859042168e-02 - <_> - - 0 -1 7084 -3.8616119418293238e-03 - - -1.2094800174236298e-01 4.5144081115722656e-02 - <_> - - 0 -1 7085 4.3162601068615913e-03 - - -1.0713649913668633e-02 2.8116491436958313e-01 - <_> - - 0 -1 7086 -1.4098359970375896e-03 - - 6.4685508608818054e-02 -9.9471300840377808e-02 - <_> - - 0 -1 7087 3.2964099664241076e-03 - - 1.4295330643653870e-01 -3.1101010739803314e-02 - <_> - - 0 -1 7088 -2.9802869539707899e-03 - - -2.4578930437564850e-01 2.1760260686278343e-02 - <_> - - 0 -1 7089 6.7178793251514435e-02 - - 3.3457649406045675e-03 -4.5685601234436035e-01 - <_> - - 0 -1 7090 2.9182849451899529e-02 - - -1.7016859725117683e-02 3.3545929193496704e-01 - <_> - - 0 -1 7091 1.7935150535777211e-03 - - 3.0516179278492928e-02 -1.2526740133762360e-01 - <_> - - 0 -1 7092 2.0465679466724396e-02 - - -1.0909980162978172e-02 4.3552139401435852e-01 - <_> - - 0 -1 7093 -2.6115079526789486e-04 - - 3.8759760558605194e-02 -6.4098693430423737e-02 - <_> - - 0 -1 7094 3.7161160726100206e-03 - - 3.7150889635086060e-02 -1.5467320382595062e-01 - <_> - - 0 -1 7095 -7.4094999581575394e-03 - - -8.2704223692417145e-02 6.2809906899929047e-02 - <_> - - 0 -1 7096 1.7094809561967850e-02 - - -4.8347331583499908e-02 9.8770812153816223e-02 - <_> - - 0 -1 7097 -3.0473200604319572e-03 - - -1.0638830065727234e-01 3.0948650091886520e-02 - <_> - - 0 -1 7098 3.4502498805522919e-02 - - 1.0997230187058449e-02 -4.2861738801002502e-01 - <_> - - 0 -1 7099 -2.6834919117391109e-03 - - -1.4986449480056763e-01 3.3157639205455780e-02 - <_> - - 0 -1 7100 9.2392861843109131e-03 - - -3.7733338773250580e-02 1.5778259932994843e-01 - <_> - - 0 -1 7101 8.8205106556415558e-02 - - -1.0704769752919674e-02 3.2353109121322632e-01 - <_> - - 0 -1 7102 7.7868886291980743e-02 - - 1.0804659686982632e-02 -4.4243350625038147e-01 - <_> - - 0 -1 7103 -3.1202291138470173e-03 - - 2.0444509387016296e-01 -2.3976439610123634e-02 - <_> - - 0 -1 7104 2.6000461075454950e-03 - - 4.5765019953250885e-02 -1.0138899832963943e-01 - <_> - - 0 -1 7105 7.0194108411669731e-03 - - 2.5740729644894600e-02 -4.9060840159654617e-02 - <_> - - 0 -1 7106 -2.4108150973916054e-03 - - -1.1837480217218399e-01 4.8649929463863373e-02 - <_> - - 0 -1 7107 4.9886249005794525e-02 - - -1.4449880458414555e-02 2.0894059538841248e-01 - <_> - - 0 -1 7108 -7.2655039839446545e-03 - - 8.9042186737060547e-02 -4.9845550209283829e-02 - <_> - - 0 -1 7109 1.0560270398855209e-02 - - 5.2911709994077682e-02 -1.1509139835834503e-01 - <_> - - 0 -1 7110 5.6417449377477169e-03 - - -6.8672746419906616e-02 7.7489316463470459e-02 - <_> - - 0 -1 7111 4.3234648182988167e-03 - - -7.9207062721252441e-02 5.3491309285163879e-02 - <_> - - 0 -1 7112 1.1184070259332657e-02 - - 7.1656093001365662e-02 -1.0634940117597580e-01 - <_> - - 0 -1 7113 -9.9230423569679260e-02 - - 3.7169519066810608e-01 -6.6843931563198566e-03 - <_> - - 0 -1 7114 -4.4848727993667126e-03 - - 7.5577408075332642e-02 -6.9481082260608673e-02 - <_> - - 0 -1 7115 -1.9104180857539177e-02 - - -1.7291219532489777e-01 1.1360409669578075e-02 - <_> - - 0 -1 7116 -1.7672680551186204e-03 - - 9.2567160725593567e-02 -5.2470050752162933e-02 - <_> - - 0 -1 7117 5.9071529656648636e-02 - - 9.2153968289494514e-03 -2.6687648892402649e-01 - <_> - - 0 -1 7118 -3.4362819045782089e-02 - - -5.7914721965789795e-01 7.9972539097070694e-03 - <_> - - 0 -1 7119 5.6766539812088013e-02 - - 5.8937501162290573e-03 -5.2275192737579346e-01 - <_> - - 0 -1 7120 -1.2173549830913544e-01 - - -5.2229601144790649e-01 7.9296948388218880e-03 - <_> - - 0 -1 7121 3.4274619072675705e-02 - - -1.7069879919290543e-02 1.2958990037441254e-01 - <_> - - 0 -1 7122 -6.7191021516919136e-03 - - 1.1187720298767090e-01 -4.4685728847980499e-02 - <_> - - 0 -1 7123 3.1698260456323624e-02 - - 2.8529319912195206e-02 -1.1617069691419601e-01 - <_> - - 0 -1 7124 -9.5326751470565796e-02 - - 3.6362048983573914e-01 -1.3523319736123085e-02 - <_> - - 0 -1 7125 1.2620569765567780e-01 - - 6.0956259258091450e-03 -8.4947621822357178e-01 - <_> - - 0 -1 7126 -2.7324870228767395e-02 - - -2.9046019911766052e-01 1.4303879812359810e-02 - <_> - - 0 -1 7127 -7.3618680238723755e-02 - - 4.8824289441108704e-01 -1.0269859805703163e-02 - <_> - - 0 -1 7128 5.0417389720678329e-03 - - -8.4770277142524719e-02 5.6035611778497696e-02 - <_> - - 0 -1 7129 2.7569099329411983e-03 - - -4.8269480466842651e-02 3.8525570183992386e-02 - <_> - - 0 -1 7130 2.1967370063066483e-02 - - 8.6190566420555115e-02 -8.0797329545021057e-02 - <_> - - 0 -1 7131 -3.8637530803680420e-01 - - -8.3998018503189087e-01 3.6657860036939383e-03 - <_> - - 0 -1 7132 -4.1083219647407532e-01 - - -9.7182428836822510e-01 3.9403690025210381e-03 - <_> - - 0 -1 7133 -4.1033279150724411e-02 - - 1. -3.3212041016668081e-03 - <_> - - 0 -1 7134 2.4305000901222229e-02 - - 1.8234970048069954e-02 -2.4954320490360260e-01 - <_> - - 0 -1 7135 1.6170740127563477e-03 - - -1.2958160042762756e-01 3.2725200057029724e-02 - <_> - - 0 -1 7136 4.4785268604755402e-02 - - -2.3868849501013756e-02 1.9763439893722534e-01 - <_> - - 0 -1 7137 4.0209591388702393e-02 - - 5.3034191951155663e-03 -6.6284531354904175e-01 - <_> - - 0 -1 7138 3.3616109285503626e-03 - - 3.0226179957389832e-01 -1.6103280708193779e-02 - <_> - - 0 -1 7139 -1.1624400503933430e-03 - - -2.7934190630912781e-01 1.8276169896125793e-02 - <_> - - 0 -1 7140 5.5524259805679321e-02 - - -6.5288958139717579e-03 7.5690442323684692e-01 - <_> - - 0 -1 7141 4.6308599412441254e-03 - - 2.8254630044102669e-02 -9.4945177435874939e-02 - <_> - - 0 -1 7142 2.7387610170990229e-03 - - -4.6980410814285278e-02 9.4511218369007111e-02 - <_> - - 0 -1 7143 2.9127181041985750e-03 - - -2.2264670580625534e-02 7.2091333568096161e-02 - <_> - - 0 -1 7144 -2.3628510534763336e-02 - - -3.9147511124610901e-01 1.2840859591960907e-02 - <_> - - 0 -1 7145 7.1669870521873236e-04 - - 2.0413680002093315e-02 -1.6587799787521362e-01 - <_> - - 0 -1 7146 3.2723631709814072e-02 - - 8.5352789610624313e-03 -5.1838648319244385e-01 - <_> - - 0 -1 7147 5.6393269449472427e-02 - - -2.4937599897384644e-02 1.9025549292564392e-01 - <_> - - 0 -1 7148 2.9392001032829285e-01 - - 5.7944031432271004e-03 -8.5530591011047363e-01 - <_> - - 0 -1 7149 -5.6904228404164314e-03 - - -2.4354919791221619e-01 1.0601679794490337e-02 - <_> - - 0 -1 7150 9.8184328526258469e-03 - - -1.3599770143628120e-02 3.3795401453971863e-01 - <_> - - 0 -1 7151 -3.6970589309930801e-02 - - -5.7309299707412720e-01 1.0090970434248447e-02 - <_> - - 0 -1 7152 1.8607610836625099e-02 - - -1.2938570231199265e-02 4.1123750805854797e-01 - <_> - - 0 -1 7153 -1.5049210051074624e-03 - - -8.4678567945957184e-02 3.3724751323461533e-02 - <_> - - 0 -1 7154 -3.9040379226207733e-02 - - -4.7390699386596680e-01 9.5385275781154633e-03 - <_> - - 0 -1 7155 -3.4379279240965843e-03 - - 1.4112870395183563e-01 -2.2367769852280617e-02 - <_> - - 0 -1 7156 -1.1330900015309453e-03 - - -1.3950189948081970e-01 3.2505869865417480e-02 - <_> - - 0 -1 7157 -6.5370470285415649e-02 - - 1.4801700413227081e-01 -2.2039920091629028e-02 - <_> - - 0 -1 7158 -2.0970970392227173e-01 - - -7.4392271041870117e-01 7.5829490087926388e-03 - <_> - - 0 -1 7159 -5.8827060274779797e-03 - - -6.3253037631511688e-02 2.3363839834928513e-02 - <_> - - 0 -1 7160 -2.9759449884295464e-02 - - 4.8733299970626831e-01 -9.2995148152112961e-03 - <_> - - 0 -1 7161 -5.3064361214637756e-02 - - -3.8064101338386536e-01 5.6431228294968605e-03 - <_> - - 0 -1 7162 6.6667333245277405e-02 - - 4.6323328278958797e-03 -9.1536080837249756e-01 - <_> - - 0 -1 7163 -9.2325232923030853e-02 - - 2.9184600710868835e-01 -7.4540497735142708e-03 - <_> - - 0 -1 7164 8.5644036531448364e-02 - - -1.0288530029356480e-02 4.1251561045646667e-01 - <_> - - 0 -1 7165 2.2969970107078552e-01 - - -4.6802540309727192e-03 3.6509141325950623e-01 - <_> - - 0 -1 7166 8.7508037686347961e-03 - - 7.7816851437091827e-02 -6.3657559454441071e-02 - <_> - - 0 -1 7167 5.7104961015284061e-03 - - -5.9653200209140778e-02 4.2732730507850647e-02 - <_> - - 0 -1 7168 -4.8026451840996742e-03 - - -9.8918512463569641e-02 4.4956978410482407e-02 - <_> - - 0 -1 7169 3.2986800651997328e-03 - - 3.3164538443088531e-02 -1.3477820158004761e-01 - <_> - - 0 -1 7170 -4.0092850103974342e-03 - - 1.3551770150661469e-01 -3.7139780819416046e-02 - <_> - - 0 -1 7171 -7.7049341052770615e-04 - - 2.6690600439906120e-02 -8.4502391517162323e-02 - <_> - - 0 -1 7172 2.3074099794030190e-02 - - -2.6398969814181328e-02 1.8520879745483398e-01 - <_> - - 0 -1 7173 9.9315540865063667e-03 - - 2.1702500060200691e-02 -1.4147830009460449e-01 - <_> - - 0 -1 7174 -4.3977480381727219e-02 - - -5.9306997060775757e-01 7.6594059355556965e-03 - <_> - - 0 -1 7175 -2.1170598920434713e-03 - - 9.6989497542381287e-02 -4.9988958984613419e-02 - <_> - - 0 -1 7176 -1.1178949847817421e-02 - - -1.5058480203151703e-01 3.1385689973831177e-02 - <_> - - 0 -1 7177 -1.1888720327988267e-03 - - 8.7665252387523651e-02 -6.8861946463584900e-02 - <_> - - 0 -1 7178 -1.2205859646201134e-02 - - 8.2670666277408600e-02 -6.5326899290084839e-02 - <_> - - 0 -1 7179 -3.7645969539880753e-02 - - -4.8226159811019897e-01 5.5899759754538536e-03 - <_> - - 0 -1 7180 -1.7758710309863091e-03 - - -9.1606341302394867e-02 5.8380361646413803e-02 - <_> - - 0 -1 7181 -1.1116299778223038e-02 - - 1.4710609614849091e-01 -2.9255999252200127e-02 - <_> - - 0 -1 7182 4.3831788934767246e-04 - - -1.0494749993085861e-01 4.4445890933275223e-02 - <_> - - 0 -1 7183 -9.8695211112499237e-02 - - 2.6521149277687073e-01 -9.5453672111034393e-03 - <_> - - 0 -1 7184 1.1736120097339153e-02 - - 2.8968680649995804e-02 -1.5355010330677032e-01 - <_> - - 0 -1 7185 -3.6601141095161438e-02 - - 2.4063609540462494e-01 -2.2525599226355553e-02 - <_> - - 0 -1 7186 -5.2371289581060410e-02 - - -4.9006670713424683e-01 1.0319559834897518e-02 - <_> - - 0 -1 7187 -3.1134579330682755e-03 - - 6.2287129461765289e-02 -4.5234039425849915e-02 - <_> - - 0 -1 7188 1.0345289483666420e-03 - - -5.6548729538917542e-02 1.1970130354166031e-01 - <_> - - 0 -1 7189 -2.3240610025823116e-03 - - -9.5265246927738190e-02 3.2402478158473969e-02 - <_> - - 0 -1 7190 -2.7458980679512024e-02 - - 2.9548159241676331e-01 -1.6016509383916855e-02 - <_> - - 0 -1 7191 -9.3150883913040161e-03 - - -1.1465849727392197e-01 2.8171680867671967e-02 - <_> - - 0 -1 7192 7.6356199570000172e-03 - - 2.9264479875564575e-02 -1.6166350245475769e-01 - <_> - - 0 -1 7193 1.6107590869069099e-02 - - -3.0923349782824516e-02 1.6677390038967133e-01 - <_> - - 0 -1 7194 6.1460789293050766e-02 - - 8.1282109022140503e-03 -5.4833447933197021e-01 - <_> - - 0 -1 7195 4.3377321213483810e-02 - - -7.7782347798347473e-03 3.5578370094299316e-01 - <_> - - 0 -1 7196 -1.5809480100870132e-02 - - -3.1237179040908813e-01 1.4910760335624218e-02 - <_> - - 0 -1 7197 -4.3263029307126999e-02 - - 4.7393178939819336e-01 -9.4731850549578667e-03 - <_> - - 0 -1 7198 1.0775650152936578e-03 - - -1.0892640054225922e-01 5.0780758261680603e-02 - <_> - - 0 -1 7199 -6.8012787960469723e-03 - - -9.3841306865215302e-02 3.8555730134248734e-02 - <_> - - 0 -1 7200 -3.8845991366542876e-04 - - 6.4071871340274811e-02 -9.3577213585376740e-02 - <_> - - 0 -1 7201 3.8177249953150749e-03 - - -4.7590740025043488e-02 7.1997672319412231e-02 - <_> - - 0 -1 7202 -3.1246189028024673e-03 - - 1.5269869565963745e-01 -4.8789650201797485e-02 - <_> - - 0 -1 7203 6.0980509966611862e-02 - - 8.0068446695804596e-03 -6.7602759599685669e-01 - <_> - - 0 -1 7204 2.1819709800183773e-03 - - -6.8491749465465546e-02 7.5863577425479889e-02 - <_> - - 0 -1 7205 2.4469599593430758e-03 - - -7.4371293187141418e-02 3.2011859118938446e-02 - <_> - - 0 -1 7206 1.4674840494990349e-03 - - -1.1912509799003601e-01 4.6667739748954773e-02 - <_> - - 0 -1 7207 -2.1786419674754143e-03 - - -6.5324276685714722e-02 7.6355278491973877e-02 - <_> - - 0 -1 7208 -2.8284740983508527e-04 - - 5.8292400091886520e-02 -8.7847188115119934e-02 - <_> - - 0 -1 7209 1.4723110012710094e-02 - - 1.9820490479469299e-01 -2.4962980300188065e-02 - <_> - - 0 -1 7210 4.6598021872341633e-03 - - -9.3732737004756927e-02 5.4197840392589569e-02 - <_> - - 0 -1 7211 -6.0316991060972214e-02 - - -6.2958812713623047e-01 6.8706739693880081e-03 - <_> - - 0 -1 7212 -3.6654649302363396e-03 - - 3.6130189895629883e-02 -1.2816099822521210e-01 - <_> - - 0 -1 7213 1.4875479973852634e-02 - - -2.4313909932971001e-02 4.6657409518957138e-02 - <_> - - 0 -1 7214 1.1842879652976990e-01 - - 1.0476130060851574e-02 -5.1786392927169800e-01 - <_> - - 0 -1 7215 1.9809199869632721e-01 - - 1.0157800279557705e-02 -4.1872209310531616e-01 - <_> - - 0 -1 7216 -1.0167530179023743e-01 - - -8.5121291875839233e-01 4.4935508631169796e-03 - <_> - - 0 -1 7217 -3.0325200408697128e-02 - - -3.1803390383720398e-01 6.4301840029656887e-03 - <_> - - 0 -1 7218 3.4531850367784500e-02 - - -1.2561430223286152e-02 3.4778198599815369e-01 - <_> - - 0 -1 7219 -3.5133380442857742e-02 - - 1.1475030332803726e-01 -1.7527149990200996e-02 - <_> - - 0 -1 7220 5.3501729853451252e-03 - - 3.5263419151306152e-02 -1.3867680728435516e-01 - <_> - - 0 -1 7221 3.1209299340844154e-02 - - -2.0925100892782211e-02 1.4748610556125641e-01 - <_> - - 0 -1 7222 -5.5827602045610547e-04 - - -9.5544241368770599e-02 5.6234899908304214e-02 - <_> - - 0 -1 7223 -2.1599860489368439e-01 - - 5.9710198640823364e-01 -3.9994427934288979e-03 - <_> - - 0 -1 7224 7.7018201351165771e-02 - - -1.2182369828224182e-02 3.5995039343833923e-01 - <_> - - 0 -1 7225 -2.5808349251747131e-02 - - -1.9994600117206573e-01 1.6562040895223618e-02 - <_> - - 0 -1 7226 4.0148189291357994e-03 - - 3.8874860852956772e-02 -1.1775989830493927e-01 - <_> - - 0 -1 7227 7.4287859206378926e-06 - - 3.1405460089445114e-02 -4.9142509698867798e-02 - <_> - - 0 -1 7228 -2.8249230235815048e-03 - - -5.5889118462800980e-02 1.1791130155324936e-01 - <_> - - 0 -1 7229 -2.2713130339980125e-02 - - 1.0733339935541153e-01 -4.1647680103778839e-02 - <_> - - 0 -1 7230 -1.0052169673144817e-02 - - -1.4102290570735931e-01 3.7707269191741943e-02 - <_> - - 0 -1 7231 -2.1023969352245331e-01 - - -6.3184642791748047e-01 3.6316630430519581e-03 - <_> - - 0 -1 7232 -1.1812710203230381e-02 - - 1.2123010307550430e-01 -5.0373788923025131e-02 - <_> - - 0 -1 7233 6.3666589558124542e-03 - - 3.0198849737644196e-02 -9.5920257270336151e-02 - <_> - - 0 -1 7234 -1.2146410346031189e-01 - - -6.8696069717407227e-01 6.8671889603137970e-03 - <_> - - 0 -1 7235 2.3568300530314445e-02 - - -1.0376869700849056e-02 2.6333120465278625e-01 - <_> - - 0 -1 7236 -4.9841329455375671e-03 - - 5.2314449101686478e-02 -8.6597919464111328e-02 - <_> - - 0 -1 7237 1.4171230141073465e-03 - - -4.1445188224315643e-02 9.3332767486572266e-02 - <_> - - 0 -1 7238 1.6522710211575031e-03 - - 2.7292339131236076e-02 -1.7193740606307983e-01 - <_> - - 0 -1 7239 -4.2191468179225922e-02 - - 7.7588337659835815e-01 -2.4552440736442804e-03 - <_> - - 0 -1 7240 -1.5193390427157283e-03 - - 2.3297169804573059e-01 -1.9499920308589935e-02 - <_> - - 0 -1 7241 -5.9203859418630600e-03 - - -8.3495929837226868e-02 1.9756000488996506e-02 - <_> - - 0 -1 7242 6.4658280462026596e-03 - - -4.0668301284313202e-02 1.2236029654741287e-01 - <_> - - 0 -1 7243 -4.8110671341419220e-02 - - -3.1629499793052673e-01 1.2694340199232101e-02 - <_> - - 0 -1 7244 5.0246939063072205e-03 - - 3.1356900930404663e-02 -1.9190339744091034e-01 - <_> - - 0 -1 7245 1.1158010363578796e-01 - - -1.4073889702558517e-02 1.7848959565162659e-01 - <_> - - 0 -1 7246 -6.4665876328945160e-02 - - -5.6230849027633667e-01 8.2082729786634445e-03 - <_> - - 0 -1 7247 -5.7942468672990799e-02 - - 7.7341747283935547e-01 -4.3547940440475941e-03 - <_> - - 0 -1 7248 -8.1669846549630165e-03 - - 2.1019349992275238e-01 -2.0802220329642296e-02 - <_> - - 0 -1 7249 2.8506839647889137e-02 - - 8.1413127481937408e-02 -6.2663510441780090e-02 - <_> - - 0 -1 7250 2.4857679381966591e-03 - - -1.5635970234870911e-01 3.5210859030485153e-02 - <_> - - 0 -1 7251 1.9798949360847473e-02 - - 1.1353739537298679e-02 -1.6531160473823547e-01 - <_> - - 0 -1 7252 -2.7027919888496399e-02 - - 2.8912219405174255e-01 -1.6753070056438446e-02 - <_> - - 0 -1 7253 -6.9706928916275501e-03 - - -2.5769388675689697e-01 1.6355020925402641e-02 - <_> - - 0 -1 7254 1.1425119591876864e-03 - - -4.1056800633668900e-02 1.1580900102853775e-01 - <_> - - 0 -1 7255 -1.3041249476373196e-03 - - 5.1082979887723923e-02 -1.1724369972944260e-01 - <_> - - 0 -1 7256 3.7698419764637947e-03 - - 5.8557331562042236e-02 -8.2840107381343842e-02 - <_> - - 0 -1 7257 -4.8689868301153183e-02 - - -3.8769158720970154e-01 8.6165666580200195e-03 - <_> - - 0 -1 7258 -1.1471740156412125e-01 - - 1.3444100320339203e-01 -4.2848691344261169e-02 - <_> - - 0 -1 7259 2.3503519594669342e-02 - - 3.8586359005421400e-03 -4.3615299463272095e-01 - <_> - - 0 -1 7260 -5.9582752874121070e-04 - - 4.2376730591058731e-02 -1.2161590158939362e-01 - <_> - - 0 -1 7261 5.4052029736340046e-03 - - -2.3753000423312187e-02 2.0137269794940948e-01 - <_> - - 0 -1 7262 9.1158300638198853e-03 - - 2.8088169172406197e-02 -1.9667729735374451e-01 - <_> - - 0 -1 7263 3.3211729023605585e-03 - - -5.1258899271488190e-02 4.7993980348110199e-02 - <_> - - 0 -1 7264 1.2975499965250492e-02 - - 1.1851020157337189e-02 -3.9444020390510559e-01 - <_> - - 0 -1 7265 -5.0546238198876381e-03 - - -1.0956159979104996e-01 4.2662780731916428e-02 - <_> - - 0 -1 7266 -7.6824478805065155e-02 - - 7.6269572973251343e-01 -6.6229291260242462e-03 - <_> - - 0 -1 7267 -1.8690669676288962e-03 - - 4.0112659335136414e-02 -7.1398198604583740e-02 - <_> - - 0 -1 7268 -6.0407500714063644e-03 - - 1.2614290416240692e-01 -3.9585150778293610e-02 - <_> - - 0 -1 7269 -4.5013230293989182e-02 - - -2.1871440112590790e-01 6.5213250927627087e-03 - <_> - - 0 -1 7270 3.8492688909173012e-03 - - -9.2213302850723267e-02 6.6925182938575745e-02 - <_> - - 0 -1 7271 -4.3247821740806103e-03 - - 1.4973750710487366e-01 -3.1123559921979904e-02 - <_> - - 0 -1 7272 -2.6776840910315514e-02 - - -1.1432229727506638e-01 5.3090259432792664e-02 - <_> - - 0 -1 7273 2.0645130425691605e-03 - - -3.8483418524265289e-02 7.1507766842842102e-02 - <_> - - 0 -1 7274 5.7206518948078156e-02 - - 1.2463140301406384e-02 -3.9884459972381592e-01 - <_> - - 0 -1 7275 7.7696829102933407e-03 - - -2.4309959262609482e-02 6.1120841652154922e-02 - <_> - - 0 -1 7276 2.8191099409013987e-03 - - 6.2243871390819550e-02 -7.9774282872676849e-02 - <_> - - 0 -1 7277 -5.1747109740972519e-02 - - -2.0475579798221588e-01 9.8433922976255417e-03 - <_> - - 0 -1 7278 4.2840079404413700e-03 - - -3.6799129098653793e-02 1.2380699813365936e-01 - <_> - - 0 -1 7279 -8.0563372466713190e-04 - - -5.3742490708827972e-02 6.8746432662010193e-02 - <_> - - 0 -1 7280 4.6062450855970383e-02 - - 7.3871058411896229e-03 -6.1133211851119995e-01 - <_> - - 0 -1 7281 6.6807270050048828e-02 - - -1.2545309960842133e-02 1.5731689333915710e-01 - <_> - - 0 -1 7282 2.0568699110299349e-03 - - 4.3087389320135117e-02 -1.1062700301408768e-01 - <_> - - 0 -1 7283 2.8760819695889950e-03 - - 2.5800980627536774e-02 -8.4697857499122620e-02 - <_> - - 0 -1 7284 -4.9642049707472324e-03 - - 8.3168722689151764e-02 -5.6750860065221786e-02 - <_> - 385 - -1.1474020481109619e+00 - - <_> - - 0 -1 7285 1.5166849829256535e-02 - - -1.7501029372215271e-01 1.5165300667285919e-01 - <_> - - 0 -1 7286 4.1852002032101154e-03 - - -1.8253259360790253e-01 1.0545530170202255e-01 - <_> - - 0 -1 7287 -2.6159440167248249e-03 - - -2.1517610549926758e-01 7.7460259199142456e-02 - <_> - - 0 -1 7288 2.7645078953355551e-03 - - -1.1506909877061844e-01 6.7771263420581818e-02 - <_> - - 0 -1 7289 -2.7296729967929423e-04 - - 5.5712651461362839e-02 -2.8723669052124023e-01 - <_> - - 0 -1 7290 2.4992981343530118e-04 - - 5.5202499032020569e-02 -1.5191499888896942e-01 - <_> - - 0 -1 7291 1.3287579640746117e-03 - - -1.2567579746246338e-01 9.4094827771186829e-02 - <_> - - 0 -1 7292 -2.4653770960867405e-03 - - 4.9393590539693832e-02 -2.2239279747009277e-01 - <_> - - 0 -1 7293 -3.2979049719870090e-03 - - -1.7367990314960480e-01 6.9391071796417236e-02 - <_> - - 0 -1 7294 -4.9667809158563614e-02 - - 3.2854220271110535e-01 -3.3067218959331512e-02 - <_> - - 0 -1 7295 5.7844468392431736e-03 - - 6.1289519071578979e-02 -1.6873429715633392e-01 - <_> - - 0 -1 7296 2.9754149727523327e-03 - - -2.4017000198364258e-01 5.7906478643417358e-02 - <_> - - 0 -1 7297 2.3769649851601571e-04 - - 1.1141020059585571e-01 -8.6508020758628845e-02 - <_> - - 0 -1 7298 5.4410300217568874e-03 - - -8.9257702231407166e-02 2.8492979705333710e-02 - <_> - - 0 -1 7299 2.5746610481292009e-03 - - 6.0383580625057220e-02 -1.4771540462970734e-01 - <_> - - 0 -1 7300 -1.2155439704656601e-02 - - 1.8026730418205261e-01 -3.5744961351156235e-02 - <_> - - 0 -1 7301 5.5069979280233383e-03 - - 6.1453469097614288e-02 -1.6147279739379883e-01 - <_> - - 0 -1 7302 -3.0918378615751863e-04 - - -9.1295689344406128e-02 6.8111963570117950e-02 - <_> - - 0 -1 7303 -7.7705271542072296e-02 - - 3.3344480395317078e-01 -2.6795169338583946e-02 - <_> - - 0 -1 7304 4.5874878764152527e-02 - - 6.2387371435761452e-03 -2.2738909721374512e-01 - <_> - - 0 -1 7305 3.1658360967412591e-04 - - -1.1297920346260071e-01 9.8602570593357086e-02 - <_> - - 0 -1 7306 -5.2962768822908401e-02 - - -6.0117399692535400e-01 1.0004489682614803e-02 - <_> - - 0 -1 7307 5.3028380498290062e-03 - - 3.6164399236440659e-02 -2.6359859108924866e-01 - <_> - - 0 -1 7308 -2.3473590612411499e-02 - - 1.0663519799709320e-01 -3.0653990805149078e-02 - <_> - - 0 -1 7309 -1.5029460191726685e-03 - - 6.2882840633392334e-02 -1.2285350263118744e-01 - <_> - - 0 -1 7310 -1.2232650071382523e-02 - - -2.3047080636024475e-01 4.0048789232969284e-02 - <_> - - 0 -1 7311 -4.7428268939256668e-02 - - 4.4135141372680664e-01 -1.8873579800128937e-02 - <_> - - 0 -1 7312 3.6379251629114151e-02 - - -1.3020380400121212e-02 1.4685730636119843e-01 - <_> - - 0 -1 7313 3.6343511193990707e-02 - - 3.8788039237260818e-02 -1.9903139770030975e-01 - <_> - - 0 -1 7314 -1.0792929679155350e-01 - - 1.6177520155906677e-01 -6.3546439632773399e-03 - <_> - - 0 -1 7315 -9.5479741692543030e-02 - - 3.7320658564567566e-01 -2.3940289393067360e-02 - <_> - - 0 -1 7316 3.8954298943281174e-02 - - 1.1239799670875072e-02 -3.4794488549232483e-01 - <_> - - 0 -1 7317 -3.2646209001541138e-02 - - -3.1797638535499573e-01 2.1780189126729965e-02 - <_> - - 0 -1 7318 -2.5872089900076389e-03 - - 4.7268610447645187e-02 -1.5624779462814331e-01 - <_> - - 0 -1 7319 1.2979200109839439e-02 - - -2.4394070729613304e-02 3.0341750383377075e-01 - <_> - - 0 -1 7320 -1.7490500584244728e-02 - - 1.1967100203037262e-01 -3.4825209528207779e-02 - <_> - - 0 -1 7321 8.2290060818195343e-03 - - 5.1706299185752869e-02 -1.4124310016632080e-01 - <_> - - 0 -1 7322 8.7701035663485527e-03 - - 1.2139629572629929e-02 -9.3410186469554901e-02 - <_> - - 0 -1 7323 -2.5523800868541002e-03 - - 9.1882079839706421e-02 -7.9693943262100220e-02 - <_> - - 0 -1 7324 1.2640489730983973e-03 - - -4.2868331074714661e-02 9.8469160497188568e-02 - <_> - - 0 -1 7325 -3.8762169424444437e-03 - - 6.4477890729904175e-02 -1.1426970362663269e-01 - <_> - - 0 -1 7326 1.5416350215673447e-03 - - -3.8240168243646622e-02 5.0880789756774902e-02 - <_> - - 0 -1 7327 7.6829752651974559e-04 - - -1.2869219481945038e-01 5.8161370456218719e-02 - <_> - - 0 -1 7328 1.6587260179221630e-03 - - 1.6391919553279877e-01 -4.7164998948574066e-02 - <_> - - 0 -1 7329 1.6514799790456891e-03 - - -5.9221718460321426e-02 1.3165080547332764e-01 - <_> - - 0 -1 7330 -3.8682940066792071e-04 - - 6.4493581652641296e-02 -1.0728739947080612e-01 - <_> - - 0 -1 7331 -3.4595469478517771e-03 - - 8.0743201076984406e-02 -9.2568591237068176e-02 - <_> - - 0 -1 7332 3.5130660980939865e-02 - - 1.5520620159804821e-02 -1.9732579588890076e-01 - <_> - - 0 -1 7333 1.2025350332260132e-01 - - -2.0497029647231102e-02 4.0905651450157166e-01 - <_> - - 0 -1 7334 7.8581331763416529e-04 - - -9.4858787953853607e-02 6.9316640496253967e-02 - <_> - - 0 -1 7335 6.1606317758560181e-03 - - 6.0556668788194656e-02 -1.2436509877443314e-01 - <_> - - 0 -1 7336 1.3351559638977051e-02 - - 1.7634969204664230e-02 -1.4649459719657898e-01 - <_> - - 0 -1 7337 1.9873639568686485e-02 - - -2.4449799209833145e-02 2.7322331070899963e-01 - <_> - - 0 -1 7338 -2.3918889928609133e-03 - - -4.0744900703430176e-02 4.9925319850444794e-02 - <_> - - 0 -1 7339 8.6433859542012215e-03 - - 2.8967950493097305e-02 -2.3661069571971893e-01 - <_> - - 0 -1 7340 -8.8321920484304428e-03 - - 1.2054029852151871e-01 -2.7702990919351578e-02 - <_> - - 0 -1 7341 -4.4150479137897491e-02 - - 5.0038051605224609e-01 -1.2251130305230618e-02 - <_> - - 0 -1 7342 -4.0243011899292469e-03 - - -1.9502529501914978e-01 2.5193009525537491e-02 - <_> - - 0 -1 7343 9.8465122282505035e-03 - - -6.0283869504928589e-02 1.2665469944477081e-01 - <_> - - 0 -1 7344 -2.7608149684965611e-03 - - -8.3926528692245483e-02 6.0102649033069611e-02 - <_> - - 0 -1 7345 3.9076831191778183e-02 - - 1.5327650122344494e-02 -4.3197798728942871e-01 - <_> - - 0 -1 7346 3.8136269431561232e-03 - - -3.1281091272830963e-02 7.7942118048667908e-02 - <_> - - 0 -1 7347 2.7646059170365334e-03 - - 1.7334839329123497e-02 -3.4732720255851746e-01 - <_> - - 0 -1 7348 -3.6096980329602957e-03 - - -8.2286708056926727e-02 2.8170879930257797e-02 - <_> - - 0 -1 7349 3.5445080138742924e-03 - - -1.0557620227336884e-01 6.0050919651985168e-02 - <_> - - 0 -1 7350 1.2985900044441223e-02 - - 1.8597990274429321e-02 -9.4987802207469940e-02 - <_> - - 0 -1 7351 -2.0027540624141693e-02 - - 2.6007258892059326e-01 -2.7079159393906593e-02 - <_> - - 0 -1 7352 -7.2966597974300385e-02 - - -7.6848107576370239e-01 2.3947900626808405e-03 - <_> - - 0 -1 7353 -2.1148719824850559e-03 - - -1.0763320326805115e-01 5.2361391484737396e-02 - <_> - - 0 -1 7354 -7.7667146921157837e-02 - - 1.7822329699993134e-01 -3.1463298946619034e-02 - <_> - - 0 -1 7355 -4.6600410714745522e-03 - - -2.0386479794979095e-01 3.9025411009788513e-02 - <_> - - 0 -1 7356 1.7059499397873878e-02 - - 1.8954740837216377e-02 -1.7260240018367767e-01 - <_> - - 0 -1 7357 4.3174691498279572e-02 - - -3.1685609370470047e-02 2.3346449434757233e-01 - <_> - - 0 -1 7358 -4.8927929997444153e-01 - - -7.1043139696121216e-01 4.6672620810568333e-03 - <_> - - 0 -1 7359 9.1495506465435028e-02 - - 1.6027629375457764e-02 -4.0538018941879272e-01 - <_> - - 0 -1 7360 -4.6843249350786209e-02 - - 6.9358861446380615e-01 -2.0055349450558424e-03 - <_> - - 0 -1 7361 6.0863760299980640e-03 - - -1.5218159556388855e-01 4.0408309549093246e-02 - <_> - - 0 -1 7362 4.3676611036062241e-02 - - 1.2257159687578678e-02 -2.5996598601341248e-01 - <_> - - 0 -1 7363 -4.9580529332160950e-02 - - 6.7571347951889038e-01 -8.0354865640401840e-03 - <_> - - 0 -1 7364 -2.8614638722501695e-04 - - 3.4548770636320114e-02 -6.1849180608987808e-02 - <_> - - 0 -1 7365 -1.1863199993968010e-02 - - -1.2061329931020737e-01 5.1416579633951187e-02 - <_> - - 0 -1 7366 1.4754010364413261e-02 - - -2.4638049304485321e-02 1.5234139561653137e-01 - <_> - - 0 -1 7367 -5.1772277802228928e-03 - - 1.8428930640220642e-01 -4.2200319468975067e-02 - <_> - - 0 -1 7368 -2.0033530890941620e-02 - - -2.0986419916152954e-01 2.3016780614852905e-02 - <_> - - 0 -1 7369 4.1349478997290134e-03 - - 3.8500111550092697e-02 -1.5400919318199158e-01 - <_> - - 0 -1 7370 4.9832498189061880e-04 - - -5.6834470480680466e-02 1.1737540364265442e-01 - <_> - - 0 -1 7371 1.5235079918056726e-03 - - -8.2305751740932465e-02 7.3340758681297302e-02 - <_> - - 0 -1 7372 2.6669060811400414e-02 - - 1.7131920903921127e-02 -3.3337280154228210e-01 - <_> - - 0 -1 7373 -2.5192899629473686e-02 - - 1.8348090350627899e-01 -3.5275999456644058e-02 - <_> - - 0 -1 7374 1.1769080301746726e-03 - - -1.3197030127048492e-01 2.4242419749498367e-02 - <_> - - 0 -1 7375 -6.6034111659973860e-04 - - -1.0725550353527069e-01 5.8605268597602844e-02 - <_> - - 0 -1 7376 4.3386619538068771e-02 - - -1.6498409211635590e-02 3.9293581247329712e-01 - <_> - - 0 -1 7377 -1.1490290053188801e-02 - - -2.6332950592041016e-01 2.4240590631961823e-02 - <_> - - 0 -1 7378 8.5933692753314972e-02 - - -1.6279760748147964e-02 4.1729450225830078e-01 - <_> - - 0 -1 7379 2.0756269805133343e-03 - - 5.2543889731168747e-02 -1.0574310272932053e-01 - <_> - - 0 -1 7380 1.4016899513080716e-03 - - -4.6594541519880295e-02 1.1355359852313995e-01 - <_> - - 0 -1 7381 -3.4351870417594910e-03 - - -1.0806330293416977e-01 5.8778531849384308e-02 - <_> - - 0 -1 7382 -1.8299809889867902e-03 - - 6.0645598918199539e-02 -6.6084399819374084e-02 - <_> - - 0 -1 7383 -3.4186599077656865e-04 - - -1.2682560086250305e-01 4.9244668334722519e-02 - <_> - - 0 -1 7384 1.0616290383040905e-02 - - -5.5619470775127411e-02 1.2270829826593399e-01 - <_> - - 0 -1 7385 3.9490770548582077e-02 - - 8.2882875576615334e-03 -6.6194152832031250e-01 - <_> - - 0 -1 7386 -1.9746040925383568e-02 - - 1.5761069953441620e-01 -9.3961963430047035e-03 - <_> - - 0 -1 7387 4.6383799053728580e-04 - - -2.0127220451831818e-01 2.6706330478191376e-02 - <_> - - 0 -1 7388 5.1521410932764411e-04 - - -8.6019717156887054e-02 6.7131496965885162e-02 - <_> - - 0 -1 7389 -1.1283540166914463e-02 - - -2.2754089534282684e-01 2.2250600159168243e-02 - <_> - - 0 -1 7390 -8.4253363311290741e-03 - - 1.6505259275436401e-01 -5.0438180565834045e-02 - <_> - - 0 -1 7391 3.0604569241404533e-02 - - 2.7500540018081665e-02 -2.0984129607677460e-01 - <_> - - 0 -1 7392 5.0000958144664764e-03 - - -3.8911771029233932e-02 1.1553470045328140e-01 - <_> - - 0 -1 7393 4.1644461452960968e-02 - - -1.4164280146360397e-02 4.4004911184310913e-01 - <_> - - 0 -1 7394 -3.9140251465141773e-03 - - -1.1528140306472778e-01 2.7629520744085312e-02 - <_> - - 0 -1 7395 -2.2060431074351072e-03 - - 7.4794493615627289e-02 -7.5950391590595245e-02 - <_> - - 0 -1 7396 -7.4060507118701935e-02 - - -6.0902571678161621e-01 3.8528270088136196e-03 - <_> - - 0 -1 7397 1.5966329956427217e-03 - - -7.0015199482440948e-02 1.1019259691238403e-01 - <_> - - 0 -1 7398 2.0102860871702433e-03 - - -3.1859181821346283e-02 7.1592740714550018e-02 - <_> - - 0 -1 7399 3.2757699955254793e-03 - - -5.2260760217905045e-02 1.2652389705181122e-01 - <_> - - 0 -1 7400 3.6700100172311068e-03 - - 5.4018720984458923e-02 -4.6530380845069885e-02 - <_> - - 0 -1 7401 -5.7776779867708683e-03 - - -2.2940860688686371e-01 2.4704450741410255e-02 - <_> - - 0 -1 7402 3.7388929631561041e-03 - - -4.8273131251335144e-02 7.6772913336753845e-02 - <_> - - 0 -1 7403 -1.2404560111463070e-02 - - 1.1491999775171280e-01 -4.9308139830827713e-02 - <_> - - 0 -1 7404 9.0428609400987625e-03 - - 4.3013140559196472e-02 -1.4439429342746735e-01 - <_> - - 0 -1 7405 6.1762649565935135e-03 - - -3.9362821727991104e-02 1.6073490679264069e-01 - <_> - - 0 -1 7406 2.1051440387964249e-02 - - 2.4608060717582703e-02 -1.3768480718135834e-01 - <_> - - 0 -1 7407 2.7457328978925943e-03 - - -6.3271999359130859e-02 9.1269433498382568e-02 - <_> - - 0 -1 7408 -1.0777959600090981e-02 - - 9.1245301067829132e-02 -3.0110929161310196e-02 - <_> - - 0 -1 7409 1.6699189320206642e-02 - - 4.3539609760046005e-02 -1.5240140259265900e-01 - <_> - - 0 -1 7410 5.4665589705109596e-03 - - -5.3575031459331512e-02 6.0266200453042984e-02 - <_> - - 0 -1 7411 -3.2001500949263573e-03 - - 1.4220920205116272e-01 -4.0823381394147873e-02 - <_> - - 0 -1 7412 4.7289058566093445e-02 - - 1.5853699296712875e-02 -2.7123591303825378e-01 - <_> - - 0 -1 7413 -1.3604690320789814e-03 - - 4.0636081248521805e-02 -1.4885699748992920e-01 - <_> - - 0 -1 7414 6.2847061781212687e-04 - - 4.1833158582448959e-02 -1.2394890189170837e-01 - <_> - - 0 -1 7415 -3.7036079913377762e-02 - - -3.6944690346717834e-01 1.3664159923791885e-02 - <_> - - 0 -1 7416 -2.2578550502657890e-02 - - 1.1812049895524979e-01 -2.2939860820770264e-02 - <_> - - 0 -1 7417 3.2851321157068014e-03 - - 3.1136950850486755e-01 -1.8856419250369072e-02 - <_> - - 0 -1 7418 -2.0225369930267334e-01 - - -6.2465697526931763e-01 3.9239428006112576e-03 - <_> - - 0 -1 7419 -4.9903858453035355e-03 - - 1.0674989968538284e-01 -6.0000490397214890e-02 - <_> - - 0 -1 7420 -2.2539479658007622e-02 - - -1.9891190528869629e-01 1.8829969689249992e-02 - <_> - - 0 -1 7421 2.6878459379076958e-02 - - -3.1185189262032509e-02 2.0841309428215027e-01 - <_> - - 0 -1 7422 -6.3416860066354275e-03 - - -8.3658866584300995e-02 4.0603660047054291e-02 - <_> - - 0 -1 7423 2.8207020368427038e-03 - - -5.8255858719348907e-02 9.7203142940998077e-02 - <_> - - 0 -1 7424 2.4739980697631836e-02 - - -1.8699239939451218e-02 9.9858507513999939e-02 - <_> - - 0 -1 7425 7.4140671640634537e-03 - - 2.9613019898533821e-02 -1.9177620112895966e-01 - <_> - - 0 -1 7426 -8.3040986210107803e-03 - - 1.2958979606628418e-01 -4.2671140283346176e-02 - <_> - - 0 -1 7427 1.1470559984445572e-03 - - -1.5365119278430939e-01 4.1083239018917084e-02 - <_> - - 0 -1 7428 -1.6470700502395630e-01 - - -4.1437658667564392e-01 1.3509290292859077e-02 - <_> - - 0 -1 7429 2.4328620731830597e-01 - - -1.2499390169978142e-02 4.4623729586601257e-01 - <_> - - 0 -1 7430 2.4545079097151756e-02 - - 2.2270770743489265e-02 -1.0766860097646713e-01 - <_> - - 0 -1 7431 -3.6004021763801575e-02 - - 2.1495530009269714e-01 -2.3298330605030060e-02 - <_> - - 0 -1 7432 1.7012679949402809e-02 - - 2.8566520661115646e-02 -1.3689860701560974e-01 - <_> - - 0 -1 7433 -1.7947000451385975e-03 - - 2.6063710451126099e-02 -1.8060439825057983e-01 - <_> - - 0 -1 7434 -3.4492081403732300e-01 - - -5.9101992845535278e-01 1.3455889420583844e-03 - <_> - - 0 -1 7435 -1.0471549816429615e-02 - - -6.4394369721412659e-02 8.1244252622127533e-02 - <_> - - 0 -1 7436 6.4335219562053680e-02 - - -5.0874471664428711e-02 8.3752527832984924e-02 - <_> - - 0 -1 7437 4.6703450381755829e-02 - - 8.1825926899909973e-03 -6.2220478057861328e-01 - <_> - - 0 -1 7438 6.7396290600299835e-02 - - -4.0585128590464592e-03 3.1115430593490601e-01 - <_> - - 0 -1 7439 -1.8122399342246354e-04 - - 6.3599228858947754e-02 -8.3870701491832733e-02 - <_> - - 0 -1 7440 -4.6783890575170517e-02 - - -4.3748119473457336e-01 3.6999220028519630e-03 - <_> - - 0 -1 7441 1.2537419795989990e-01 - - -7.1869022212922573e-03 6.9267672300338745e-01 - <_> - - 0 -1 7442 3.5549318999983370e-04 - - 3.5804919898509979e-02 -4.1999049484729767e-02 - <_> - - 0 -1 7443 -1.8169870600104332e-02 - - -2.6467940211296082e-01 1.9274869933724403e-02 - <_> - - 0 -1 7444 2.7509370818734169e-02 - - -9.9343024194240570e-03 1.2481729686260223e-01 - <_> - - 0 -1 7445 -3.1984839588403702e-02 - - 2.5694110989570618e-01 -2.6392020285129547e-02 - <_> - - 0 -1 7446 -1.2891650199890137e-02 - - -1.8838110566139221e-01 1.6135750338435173e-02 - <_> - - 0 -1 7447 4.5009091496467590e-02 - - 8.4453048184514046e-03 -5.7920891046524048e-01 - <_> - - 0 -1 7448 3.9589041844010353e-03 - - -4.3672330677509308e-02 1.2087629735469818e-01 - <_> - - 0 -1 7449 2.7181839104741812e-03 - - -4.0779389441013336e-02 1.2974439561367035e-01 - <_> - - 0 -1 7450 -7.5994711369276047e-04 - - 3.2954100519418716e-02 -8.6419321596622467e-02 - <_> - - 0 -1 7451 6.6315899603068829e-03 - - 3.6079831421375275e-02 -1.5763629972934723e-01 - <_> - - 0 -1 7452 -3.6433320492506027e-03 - - -2.9832119122147560e-02 6.2801547348499298e-02 - <_> - - 0 -1 7453 -6.4768336713314056e-02 - - -8.4351742267608643e-01 6.0920589603483677e-03 - <_> - - 0 -1 7454 4.1712251305580139e-01 - - 3.0659181065857410e-03 -4.4269698858261108e-01 - <_> - - 0 -1 7455 1.8854279816150665e-01 - - 4.8159952275454998e-03 -9.5497727394104004e-01 - <_> - - 0 -1 7456 2.3751270025968552e-02 - - -1.2166289612650871e-02 3.0827128887176514e-01 - <_> - - 0 -1 7457 1.8907970516011119e-03 - - -1.2497080117464066e-01 3.7261988967657089e-02 - <_> - - 0 -1 7458 -1.5546990325674415e-03 - - 7.3636576533317566e-02 -4.9398850649595261e-02 - <_> - - 0 -1 7459 -9.2505775392055511e-03 - - 1.2446039915084839e-01 -3.8673549890518188e-02 - <_> - - 0 -1 7460 -9.9219558760523796e-03 - - -1.2231759727001190e-01 2.7252480387687683e-02 - <_> - - 0 -1 7461 -6.7504931939765811e-04 - - 8.0792732536792755e-02 -6.1003699898719788e-02 - <_> - - 0 -1 7462 -1.3286190107464790e-02 - - 1.7295649647712708e-01 -3.0486939474940300e-02 - <_> - - 0 -1 7463 4.3905568309128284e-03 - - 2.9421260580420494e-02 -1.8230539560317993e-01 - <_> - - 0 -1 7464 -1.8879309296607971e-02 - - -5.3837429732084274e-02 2.8330469503998756e-02 - <_> - - 0 -1 7465 -6.9391563534736633e-02 - - 5.4713129997253418e-01 -9.0404544025659561e-03 - <_> - - 0 -1 7466 7.8226983547210693e-02 - - 6.9561759009957314e-03 -1.5992170572280884e-01 - <_> - - 0 -1 7467 -9.5910448580980301e-03 - - 8.3477370440959930e-02 -6.0714289546012878e-02 - <_> - - 0 -1 7468 8.0856353044509888e-02 - - -3.1028070952743292e-03 8.1530278921127319e-01 - <_> - - 0 -1 7469 -6.9029820151627064e-03 - - -6.2625996768474579e-02 7.7994093298912048e-02 - <_> - - 0 -1 7470 3.8219179958105087e-02 - - -9.4691133126616478e-03 4.1828629374504089e-01 - <_> - - 0 -1 7471 -7.2923908010125160e-04 - - 5.4394990205764771e-02 -1.0869490355253220e-01 - <_> - - 0 -1 7472 -1.1224360205233097e-02 - - -2.8774300217628479e-01 1.9332440569996834e-02 - <_> - - 0 -1 7473 -2.3755239322781563e-02 - - 2.9632499814033508e-01 -1.6995029523968697e-02 - <_> - - 0 -1 7474 2.5170940905809402e-02 - - 1.8151640892028809e-02 -6.9211177527904510e-02 - <_> - - 0 -1 7475 8.4619410336017609e-02 - - -1.2618330307304859e-02 4.0188309550285339e-01 - <_> - - 0 -1 7476 -2.8461799956858158e-03 - - -1.6565479338169098e-01 3.5540379583835602e-02 - <_> - - 0 -1 7477 9.9000544287264347e-04 - - -7.0647209882736206e-02 9.2070832848548889e-02 - <_> - - 0 -1 7478 8.5722869262099266e-03 - - -1.6599319875240326e-02 6.0025580227375031e-02 - <_> - - 0 -1 7479 7.7498499304056168e-03 - - 2.5065049529075623e-02 -2.0419560372829437e-01 - <_> - - 0 -1 7480 -5.1633790135383606e-03 - - 5.6465640664100647e-02 -3.9366569370031357e-02 - <_> - - 0 -1 7481 3.4570649731904268e-03 - - -4.8712749034166336e-02 1.1756400018930435e-01 - <_> - - 0 -1 7482 1.5435590175911784e-03 - - -1.2385150045156479e-01 4.7240950167179108e-02 - <_> - - 0 -1 7483 3.9221469312906265e-02 - - 9.7949290648102760e-03 -5.5965268611907959e-01 - <_> - - 0 -1 7484 -4.8019930720329285e-02 - - -2.4514609575271606e-01 1.5544380061328411e-02 - <_> - - 0 -1 7485 1.7867749556899071e-02 - - -2.6458689942955971e-02 1.8536129593849182e-01 - <_> - - 0 -1 7486 -7.8233405947685242e-03 - - -1.2305969744920731e-01 2.1850170567631721e-02 - <_> - - 0 -1 7487 -4.8894518986344337e-03 - - 2.5086471438407898e-01 -1.9914150238037109e-02 - <_> - - 0 -1 7488 1.1090599745512009e-01 - - 2.1982348989695311e-03 -9.6110188961029053e-01 - <_> - - 0 -1 7489 5.3139701485633850e-03 - - -7.0207841694355011e-02 7.4792057275772095e-02 - <_> - - 0 -1 7490 -4.0226429700851440e-03 - - -9.2982061207294464e-02 2.7642169967293739e-02 - <_> - - 0 -1 7491 -9.9820762872695923e-02 - - -8.2527607679367065e-01 5.8367499150335789e-03 - <_> - - 0 -1 7492 3.2612269278615713e-03 - - 3.0481850728392601e-02 -4.8289291560649872e-02 - <_> - - 0 -1 7493 -4.1559059172868729e-02 - - 5.8879297971725464e-01 -8.5169300436973572e-03 - <_> - - 0 -1 7494 5.4297139868140221e-03 - - 1.8141800537705421e-02 -1.3948309421539307e-01 - <_> - - 0 -1 7495 1.6756299883127213e-02 - - 1.2322929687798023e-02 -4.1245520114898682e-01 - <_> - - 0 -1 7496 -1.7563860863447189e-02 - - 1.1385770142078400e-01 -3.0968630686402321e-02 - <_> - - 0 -1 7497 1.8308760598301888e-02 - - -3.5930249840021133e-02 1.4697270095348358e-01 - <_> - - 0 -1 7498 3.5556308925151825e-02 - - 1.0190679691731930e-02 -2.5837650895118713e-01 - <_> - - 0 -1 7499 -5.1635081035783514e-05 - - 4.6089090406894684e-02 -1.1719120293855667e-01 - <_> - - 0 -1 7500 2.5128800189122558e-04 - - -4.0896330028772354e-02 1.0669410228729248e-01 - <_> - - 0 -1 7501 -1.5876770485192537e-03 - - 1.0786730051040649e-01 -4.5890059322118759e-02 - <_> - - 0 -1 7502 -9.5712337642908096e-03 - - -1.5212120115756989e-01 3.7137780338525772e-02 - <_> - - 0 -1 7503 2.8643130790442228e-03 - - 3.6075118929147720e-02 -1.4268599450588226e-01 - <_> - - 0 -1 7504 -5.0454098731279373e-02 - - 1.9622960686683655e-01 -2.8599070385098457e-02 - <_> - - 0 -1 7505 -2.8714470099657774e-03 - - 7.3919989168643951e-02 -8.6024001240730286e-02 - <_> - - 0 -1 7506 4.9587138928472996e-03 - - 9.4060972332954407e-03 -2.4880349636077881e-01 - <_> - - 0 -1 7507 -7.8270390629768372e-02 - - 4.3305158615112305e-01 -1.1123429983854294e-02 - <_> - - 0 -1 7508 -6.4656808972358704e-02 - - -1.9539129734039307e-01 9.3969572335481644e-03 - <_> - - 0 -1 7509 -4.0213608741760254e-01 - - -9.3731278181076050e-01 4.8170168884098530e-03 - <_> - - 0 -1 7510 4.2917151004076004e-02 - - 5.9442862402647734e-04 -7.9430317878723145e-01 - <_> - - 0 -1 7511 2.1517940331250429e-03 - - -2.4127319455146790e-02 2.1096949279308319e-01 - <_> - - 0 -1 7512 9.5514237880706787e-02 - - 3.0073130037635565e-03 -3.0030760169029236e-01 - <_> - - 0 -1 7513 3.5949420183897018e-02 - - 9.1736158356070518e-03 -5.3301852941513062e-01 - <_> - - 0 -1 7514 1.4061479270458221e-01 - - -1.9780038855969906e-03 5.8360362052917480e-01 - <_> - - 0 -1 7515 -1.0000269860029221e-01 - - -4.6577060222625732e-01 1.0447300039231777e-02 - <_> - - 0 -1 7516 -1.6898410022258759e-01 - - 4.7578391432762146e-01 -3.0947721097618341e-03 - <_> - - 0 -1 7517 2.6123190298676491e-02 - - -1.8673470243811607e-02 2.5583058595657349e-01 - <_> - - 0 -1 7518 8.8816967036109418e-05 - - 1.2931160628795624e-01 -2.2033900022506714e-02 - <_> - - 0 -1 7519 -2.5785199832171202e-03 - - 7.7590242028236389e-02 -5.8669801801443100e-02 - <_> - - 0 -1 7520 -5.5829741060733795e-02 - - -5.6296068429946899e-01 8.2240002229809761e-03 - <_> - - 0 -1 7521 -3.5114258527755737e-02 - - -4.1525208950042725e-01 1.0237259790301323e-02 - <_> - - 0 -1 7522 3.0091139487922192e-03 - - -3.2801661640405655e-02 1.1237899959087372e-01 - <_> - - 0 -1 7523 -3.0068641062825918e-03 - - -1.5794169902801514e-01 3.0354220420122147e-02 - <_> - - 0 -1 7524 -2.0059049129486084e-03 - - 1.1346399784088135e-01 -3.3372201025485992e-02 - <_> - - 0 -1 7525 -1.3963360106572509e-03 - - 1.4454230666160583e-01 -5.0115231424570084e-02 - <_> - - 0 -1 7526 -5.4588310420513153e-02 - - -9.6552258729934692e-01 2.6290758978575468e-03 - <_> - - 0 -1 7527 -5.0577907823026180e-03 - - -2.1536730229854584e-01 2.7823869138956070e-02 - <_> - - 0 -1 7528 -7.4430949985980988e-02 - - 5.9244579076766968e-01 -3.5832428839057684e-03 - <_> - - 0 -1 7529 -6.9759570062160492e-02 - - 6.5854609012603760e-01 -7.1275448426604271e-03 - <_> - - 0 -1 7530 3.4715738729573786e-04 - - 4.3214511126279831e-02 -6.5209239721298218e-02 - <_> - - 0 -1 7531 6.5575069747865200e-03 - - 4.1032981127500534e-02 -1.2200939655303955e-01 - <_> - - 0 -1 7532 9.2287212610244751e-02 - - -2.1933389827609062e-02 8.9953176677227020e-02 - <_> - - 0 -1 7533 5.2685599774122238e-02 - - 1.6439350321888924e-02 -2.7847930788993835e-01 - <_> - - 0 -1 7534 7.2394758462905884e-03 - - -3.3217910677194595e-02 9.7244061529636383e-02 - <_> - - 0 -1 7535 -2.2218099329620600e-03 - - 3.5860918462276459e-02 -1.3876199722290039e-01 - <_> - - 0 -1 7536 -2.3309379816055298e-02 - - -2.7913948893547058e-01 1.6362229362130165e-02 - <_> - - 0 -1 7537 1.4036920038051903e-04 - - -4.0096871554851532e-02 1.2379959970712662e-01 - <_> - - 0 -1 7538 5.3702849894762039e-02 - - 1.4607049524784088e-03 -8.6436408758163452e-01 - <_> - - 0 -1 7539 4.1926259291358292e-04 - - -4.9342829734086990e-02 1.0289549827575684e-01 - <_> - - 0 -1 7540 -1.6786300111562014e-03 - - -1.9065080583095551e-01 2.5145059451460838e-02 - <_> - - 0 -1 7541 1.6603240743279457e-02 - - -1.8125709146261215e-02 2.6887449622154236e-01 - <_> - - 0 -1 7542 -2.2621789947152138e-02 - - 1.3145700097084045e-01 -2.5288559496402740e-02 - <_> - - 0 -1 7543 4.4634779915213585e-03 - - 5.6568209081888199e-02 -1.0306429862976074e-01 - <_> - - 0 -1 7544 3.3281201031059027e-03 - - 2.1517809480428696e-02 -1.4086639881134033e-01 - <_> - - 0 -1 7545 -2.5311840698122978e-02 - - 1.1237470060586929e-01 -4.1784498840570450e-02 - <_> - - 0 -1 7546 -2.6119880378246307e-02 - - 1.2703700363636017e-01 -2.3530310019850731e-02 - <_> - - 0 -1 7547 -7.2608642280101776e-02 - - -3.3052888512611389e-01 2.1741159260272980e-02 - <_> - - 0 -1 7548 5.8377808891236782e-03 - - -2.8170680627226830e-02 6.1300031840801239e-02 - <_> - - 0 -1 7549 1.7830949509516358e-03 - - -7.6140716671943665e-02 8.4391303360462189e-02 - <_> - - 0 -1 7550 -1.4502589404582977e-01 - - -2.8886368870735168e-01 9.4371382147073746e-03 - <_> - - 0 -1 7551 -2.4291570298373699e-03 - - -6.3645169138908386e-02 9.0057007968425751e-02 - <_> - - 0 -1 7552 1.0977900028228760e-01 - - -1.4906959841027856e-03 8.9710217714309692e-01 - <_> - - 0 -1 7553 -3.8412429857999086e-03 - - 7.3980011045932770e-02 -6.9378383457660675e-02 - <_> - - 0 -1 7554 3.9507250767201185e-04 - - -7.1166411042213440e-02 6.3150741159915924e-02 - <_> - - 0 -1 7555 -6.6879019141197205e-03 - - -1.4211960136890411e-01 5.1007200032472610e-02 - <_> - - 0 -1 7556 -2.1278159320354462e-01 - - 1.7479549348354340e-01 -1.6866499558091164e-02 - <_> - - 0 -1 7557 4.3913610279560089e-02 - - -7.9228030517697334e-03 5.9994518756866455e-01 - <_> - - 0 -1 7558 3.0486818868666887e-03 - - 2.7880100533366203e-02 -1.4996689558029175e-01 - <_> - - 0 -1 7559 1.7128599574789405e-03 - - -6.1575889587402344e-02 1.0793119668960571e-01 - <_> - - 0 -1 7560 -1.3061589561402798e-02 - - -3.5864189267158508e-01 1.2332689948379993e-02 - <_> - - 0 -1 7561 1.4779239427298307e-03 - - -5.5280618369579315e-02 7.6400339603424072e-02 - <_> - - 0 -1 7562 -7.4117183685302734e-02 - - 3.3055660128593445e-01 -5.4406579583883286e-03 - <_> - - 0 -1 7563 4.1532788425683975e-02 - - 1.2762749567627907e-02 -3.4091010689735413e-01 - <_> - - 0 -1 7564 -1.6474310308694839e-02 - - -1.1935900151729584e-01 3.5997871309518814e-02 - <_> - - 0 -1 7565 -1.3384450227022171e-02 - - 1.4927010238170624e-01 -3.7151250988245010e-02 - <_> - - 0 -1 7566 -4.3293130584061146e-03 - - -1.5257209539413452e-01 2.0008029416203499e-02 - <_> - - 0 -1 7567 3.7254339549690485e-03 - - 3.8249280303716660e-02 -1.3562840223312378e-01 - <_> - - 0 -1 7568 -3.5788780078291893e-03 - - 1.1951140314340591e-01 -5.1356971263885498e-02 - <_> - - 0 -1 7569 9.0936541557312012e-02 - - -9.6294376999139786e-03 5.0582927465438843e-01 - <_> - - 0 -1 7570 -3.1301870476454496e-03 - - 2.4587530642747879e-02 -1.5752519667148590e-01 - <_> - - 0 -1 7571 -3.0295769684016705e-03 - - -9.6669957041740417e-02 4.7402460128068924e-02 - <_> - - 0 -1 7572 -3.1865050550550222e-03 - - 3.5035319626331329e-02 -4.0841709822416306e-02 - <_> - - 0 -1 7573 4.4836260378360748e-02 - - -7.4580628424882889e-03 6.5190207958221436e-01 - <_> - - 0 -1 7574 -6.4811948686838150e-03 - - 1.3163930177688599e-01 -3.6060128360986710e-02 - <_> - - 0 -1 7575 -2.0486880093812943e-03 - - -1.1097510159015656e-01 5.1011908799409866e-02 - <_> - - 0 -1 7576 4.9175620079040527e-02 - - 5.1457029767334461e-03 -8.9148598909378052e-01 - <_> - - 0 -1 7577 8.4772880654782057e-04 - - -9.0741790831089020e-02 4.4853020459413528e-02 - <_> - - 0 -1 7578 -1.6545709222555161e-02 - - 2.5329568982124329e-01 -1.6997080296278000e-02 - <_> - - 0 -1 7579 6.9274050183594227e-03 - - 3.8941461592912674e-02 -1.3961300253868103e-01 - <_> - - 0 -1 7580 -6.5109939314424992e-03 - - 1.5610300004482269e-01 -2.4493880569934845e-02 - <_> - - 0 -1 7581 -4.9708629958331585e-03 - - -9.8298586905002594e-02 5.7903841137886047e-02 - <_> - - 0 -1 7582 1.3074609637260437e-01 - - -2.7071859221905470e-04 1.0000669956207275e+00 - <_> - - 0 -1 7583 -2.6705920696258545e-02 - - -4.2577031254768372e-01 1.0705970227718353e-02 - <_> - - 0 -1 7584 -1.0329060256481171e-01 - - 2.5896188616752625e-01 -1.8414590507745743e-02 - <_> - - 0 -1 7585 -2.0166130736470222e-02 - - -1.1455850303173065e-01 4.0439568459987640e-02 - <_> - - 0 -1 7586 -4.2215920984745026e-03 - - 4.3039258569478989e-02 -4.8735860735177994e-02 - <_> - - 0 -1 7587 -1.0038839653134346e-02 - - 7.1608737111091614e-02 -6.6204607486724854e-02 - <_> - - 0 -1 7588 1.5833059325814247e-02 - - -3.2066859304904938e-02 8.9950896799564362e-02 - <_> - - 0 -1 7589 3.4065160434693098e-03 - - 4.7216009348630905e-02 -1.0898789763450623e-01 - <_> - - 0 -1 7590 -9.8251160234212875e-03 - - 1.0213229805231094e-01 -5.2902109920978546e-02 - <_> - - 0 -1 7591 1.6804629936814308e-02 - - -3.7189990282058716e-02 1.3787649571895599e-01 - <_> - - 0 -1 7592 8.5175316780805588e-03 - - 2.7141440659761429e-02 -1.3569560647010803e-01 - <_> - - 0 -1 7593 -6.3797592883929610e-04 - - 6.9217190146446228e-02 -9.0696737170219421e-02 - <_> - - 0 -1 7594 -9.6052087610587478e-04 - - 2.2472479939460754e-01 -2.4032639339566231e-02 - <_> - - 0 -1 7595 7.2245922638103366e-04 - - -4.6731200069189072e-02 9.6905507147312164e-02 - <_> - - 0 -1 7596 1.0769399814307690e-03 - - 3.8259491324424744e-02 -6.6674157977104187e-02 - <_> - - 0 -1 7597 4.1620191186666489e-02 - - 9.3473913148045540e-03 -4.9046689271926880e-01 - <_> - - 0 -1 7598 -8.1712089013308287e-04 - - 5.2797440439462662e-02 -9.6458092331886292e-02 - <_> - - 0 -1 7599 6.2240879051387310e-03 - - -3.5350788384675980e-02 1.6484160721302032e-01 - <_> - - 0 -1 7600 2.0862540695816278e-03 - - 3.3958710730075836e-02 -1.3114009797573090e-01 - <_> - - 0 -1 7601 4.2804637923836708e-03 - - 3.0104041099548340e-01 -1.6245450824499130e-02 - <_> - - 0 -1 7602 -3.3040030393749475e-04 - - -1.1665459722280502e-01 3.8146208971738815e-02 - <_> - - 0 -1 7603 2.8100309427827597e-03 - - 4.1940510272979736e-02 -1.1180300265550613e-01 - <_> - - 0 -1 7604 1.9832739606499672e-02 - - -1.1701569892466068e-02 2.0122130215167999e-01 - <_> - - 0 -1 7605 7.0879682898521423e-02 - - -1.8197819590568542e-02 2.5429588556289673e-01 - <_> - - 0 -1 7606 -8.3893969655036926e-02 - - -3.8719230890274048e-01 1.1727290228009224e-02 - <_> - - 0 -1 7607 2.8477620333433151e-02 - - 1.3701519928872585e-02 -3.2496619224548340e-01 - <_> - - 0 -1 7608 1.2077310122549534e-02 - - -2.3975890129804611e-02 2.5232788920402527e-01 - <_> - - 0 -1 7609 -7.5613409280776978e-02 - - -6.0866451263427734e-01 8.2847801968455315e-03 - <_> - - 0 -1 7610 -1.7563860863447189e-02 - - 1.0811589658260345e-01 -2.8622759506106377e-02 - <_> - - 0 -1 7611 1.1809109710156918e-02 - - 3.4758269786834717e-02 -1.4444710314273834e-01 - <_> - - 0 -1 7612 3.3459219336509705e-01 - - 3.5104870330542326e-03 -9.1507577896118164e-01 - <_> - - 0 -1 7613 9.8447836935520172e-02 - - -1.0290330275893211e-02 4.7943019866943359e-01 - <_> - - 0 -1 7614 -4.0277838706970215e-02 - - -7.3793828487396240e-01 4.8832078464329243e-03 - <_> - - 0 -1 7615 4.6712718904018402e-03 - - 2.5037309154868126e-02 -1.7003759741783142e-01 - <_> - - 0 -1 7616 1.3958489894866943e-01 - - 1.9962170626968145e-03 -7.1547168493270874e-01 - <_> - - 0 -1 7617 6.9742716848850250e-02 - - -8.4846932440996170e-03 5.5378282070159912e-01 - <_> - - 0 -1 7618 4.0283710695803165e-03 - - -1.6718029975891113e-02 2.3914240300655365e-01 - <_> - - 0 -1 7619 1.0911709628999233e-02 - - 1.5781659632921219e-02 -2.6813709735870361e-01 - <_> - - 0 -1 7620 -6.7120362073183060e-03 - - 1.1087659746408463e-01 -3.1365878880023956e-02 - <_> - - 0 -1 7621 -1.3467820361256599e-02 - - -2.0741519331932068e-01 2.3459080606698990e-02 - <_> - - 0 -1 7622 -2.1431609056890011e-03 - - 7.8274592757225037e-02 -2.7959430590271950e-02 - <_> - - 0 -1 7623 1.5163370408117771e-02 - - 2.1727830171585083e-02 -1.8995440006256104e-01 - <_> - - 0 -1 7624 -1.8551949411630630e-02 - - 1.1164160072803497e-01 -3.0374029651284218e-02 - <_> - - 0 -1 7625 -1.1083459854125977e-01 - - -5.6379908323287964e-01 7.6859779655933380e-03 - <_> - - 0 -1 7626 5.6210728362202644e-03 - - 3.2930258661508560e-02 -1.0337010025978088e-01 - <_> - - 0 -1 7627 3.0593289993703365e-03 - - -6.8871803581714630e-02 6.0389719903469086e-02 - <_> - - 0 -1 7628 -6.9845258258283138e-04 - - 3.8080908358097076e-02 -7.0112928748130798e-02 - <_> - - 0 -1 7629 -1.3236569939181209e-03 - - 7.5004093348979950e-02 -6.3950046896934509e-02 - <_> - - 0 -1 7630 -1.6736539546400309e-03 - - -1.0580399632453918e-01 4.9476388841867447e-02 - <_> - - 0 -1 7631 7.0728380233049393e-03 - - -3.6582119762897491e-02 1.3126540184020996e-01 - <_> - - 0 -1 7632 1.8164990469813347e-03 - - 3.9953831583261490e-02 -5.1589578390121460e-02 - <_> - - 0 -1 7633 4.1909920983016491e-03 - - 4.8665199428796768e-02 -1.0598509758710861e-01 - <_> - - 0 -1 7634 1.1940020322799683e-01 - - -6.7811049520969391e-03 7.4523490667343140e-01 - <_> - - 0 -1 7635 -1.4965030131861567e-03 - - 6.6805936396121979e-02 -6.7798472940921783e-02 - <_> - - 0 -1 7636 -1.1722999811172485e-01 - - -8.7860488891601562e-01 1.8648250261321664e-03 - <_> - - 0 -1 7637 3.2925528939813375e-03 - - 3.5634901374578476e-02 -1.5030789375305176e-01 - <_> - - 0 -1 7638 6.8493567407131195e-02 - - -9.8042488098144531e-03 3.0161941051483154e-01 - <_> - - 0 -1 7639 2.1837449166923761e-03 - - -5.3420849144458771e-02 8.5626326501369476e-02 - <_> - - 0 -1 7640 6.9181360304355621e-03 - - -4.3685518205165863e-02 1.2706759572029114e-01 - <_> - - 0 -1 7641 -1.5878600534051657e-03 - - -1.2640440464019775e-01 3.9026089012622833e-02 - <_> - - 0 -1 7642 3.8289129734039307e-03 - - 3.9025381207466125e-02 -7.9675689339637756e-02 - <_> - - 0 -1 7643 1.2253260239958763e-02 - - -4.4809628278017044e-02 9.7772710025310516e-02 - <_> - - 0 -1 7644 6.4031239598989487e-03 - - 3.3579610288143158e-02 -1.3300299644470215e-01 - <_> - - 0 -1 7645 7.0500532165169716e-03 - - -5.1121409982442856e-02 1.1772400140762329e-01 - <_> - - 0 -1 7646 1.3216730207204819e-02 - - 2.6454009115695953e-02 -1.3190220296382904e-01 - <_> - - 0 -1 7647 6.7367991432547569e-03 - - -1.0153199546039104e-02 4.1570469737052917e-01 - <_> - - 0 -1 7648 2.4951510131359100e-03 - - 1.4631019905209541e-02 -1.6560359299182892e-01 - <_> - - 0 -1 7649 3.8302998989820480e-02 - - 7.2940620593726635e-03 -6.0744607448577881e-01 - <_> - - 0 -1 7650 -1.6491059213876724e-02 - - 1.6788350045681000e-01 -1.5062170103192329e-02 - <_> - - 0 -1 7651 -2.7071639895439148e-02 - - -4.6381551027297974e-01 1.0335059836506844e-02 - <_> - - 0 -1 7652 -5.8714959770441055e-02 - - 1.4860999584197998e-01 -1.6663730144500732e-02 - <_> - - 0 -1 7653 9.2380512505769730e-03 - - 4.3830338865518570e-02 -1.0612689703702927e-01 - <_> - - 0 -1 7654 3.0808299779891968e-03 - - -3.6781489849090576e-02 8.9559197425842285e-02 - <_> - - 0 -1 7655 2.9910521116107702e-03 - - 1.6019189730286598e-02 -2.9177838563919067e-01 - <_> - - 0 -1 7656 4.4786609709262848e-02 - - -6.7814979702234268e-03 3.6695161461830139e-01 - <_> - - 0 -1 7657 -2.9985690489411354e-03 - - -9.0316072106361389e-02 4.8048041760921478e-02 - <_> - - 0 -1 7658 -8.9135952293872833e-03 - - 1.6903600096702576e-01 -2.1880460903048515e-02 - <_> - - 0 -1 7659 -3.9598200470209122e-02 - - -4.4884848594665527e-01 1.0027219541370869e-02 - <_> - - 0 -1 7660 -3.7064809352159500e-02 - - -4.4183561205863953e-01 2.2891450207680464e-03 - <_> - - 0 -1 7661 -9.3376229051500559e-04 - - 7.3633059859275818e-02 -5.8901689946651459e-02 - <_> - - 0 -1 7662 8.0887757241725922e-02 - - -2.4963580071926117e-02 6.0303758829832077e-02 - <_> - - 0 -1 7663 -3.0697569251060486e-02 - - -1.7819009721279144e-01 2.6090290397405624e-02 - <_> - - 0 -1 7664 -1.8495260179042816e-01 - - 3.4901228547096252e-01 -3.8219890557229519e-03 - <_> - - 0 -1 7665 1.1218319647014141e-02 - - -2.6781549677252769e-02 1.7431420087814331e-01 - <_> - - 0 -1 7666 6.2761609442532063e-03 - - 1.4532440342009068e-02 -1.1864569783210754e-01 - <_> - - 0 -1 7667 -8.8509358465671539e-03 - - -1.0515689849853516e-01 5.7655680924654007e-02 - <_> - - 0 -1 7668 -3.8575798273086548e-02 - - 1.5004560351371765e-01 -3.6080200225114822e-02 - <_> - - 0 -1 7669 -5.2720211446285248e-02 - - -4.7556790709495544e-01 1.1126070283353329e-02 - <_> - 392 - -1.1210759878158569e+00 - - <_> - - 0 -1 7670 -3.8506588898599148e-03 - - 1.1209569871425629e-01 -2.7330291271209717e-01 - <_> - - 0 -1 7671 -4.9427259713411331e-02 - - 3.9270120859146118e-01 -3.9871849119663239e-02 - <_> - - 0 -1 7672 1.3538210187107325e-03 - - -1.5965040028095245e-01 1.2521059811115265e-01 - <_> - - 0 -1 7673 3.9328690618276596e-03 - - -3.4043839573860168e-01 4.7437489032745361e-02 - <_> - - 0 -1 7674 2.3011169396340847e-03 - - -2.0827749371528625e-01 7.4891701340675354e-02 - <_> - - 0 -1 7675 5.9128052089363337e-04 - - -2.0842720568180084e-01 3.7798780947923660e-02 - <_> - - 0 -1 7676 1.7478190129622817e-03 - - -1.9635179638862610e-01 6.4582027494907379e-02 - <_> - - 0 -1 7677 5.8316658250987530e-03 - - 3.1582038849592209e-02 -1.9084580242633820e-01 - <_> - - 0 -1 7678 1.2435190146788955e-03 - - -5.3213578462600708e-01 2.2162230685353279e-02 - <_> - - 0 -1 7679 1.6247769817709923e-03 - - -1.3276180624961853e-01 8.0135673284530640e-02 - <_> - - 0 -1 7680 -2.2734089288860559e-03 - - -1.7344699800014496e-01 5.4782990366220474e-02 - <_> - - 0 -1 7681 5.7859059423208237e-02 - - -1.5829589683562517e-03 -6.6367942094802856e-01 - <_> - - 0 -1 7682 5.7728560641407967e-03 - - 3.9815168827772141e-02 -2.2919249534606934e-01 - <_> - - 0 -1 7683 -4.4039610773324966e-02 - - 2.1793280541896820e-01 -2.3534009233117104e-02 - <_> - - 0 -1 7684 3.0226248782128096e-04 - - -8.9419580996036530e-02 1.1042869836091995e-01 - <_> - - 0 -1 7685 -3.4470859915018082e-02 - - -3.6666679382324219e-01 2.7858279645442963e-02 - <_> - - 0 -1 7686 3.2460398972034454e-02 - - 1.5733880922198296e-02 -4.9733749032020569e-01 - <_> - - 0 -1 7687 9.9335552658885717e-04 - - -9.1800943017005920e-02 8.4003977477550507e-02 - <_> - - 0 -1 7688 -2.3473830893635750e-02 - - -4.4375669956207275e-01 1.5148010104894638e-02 - <_> - - 0 -1 7689 -2.9013049788773060e-03 - - 5.4642349481582642e-02 -2.0156529545783997e-01 - <_> - - 0 -1 7690 -6.5832951804623008e-04 - - -1.2285769730806351e-01 5.6707888841629028e-02 - <_> - - 0 -1 7691 2.0407158881425858e-03 - - -1.0899069905281067e-01 5.9933699667453766e-02 - <_> - - 0 -1 7692 -1.3161499984562397e-02 - - 1.4091959595680237e-01 -4.7396201640367508e-02 - <_> - - 0 -1 7693 -4.2273551225662231e-03 - - -1.2498269975185394e-01 5.1124658435583115e-02 - <_> - - 0 -1 7694 7.6580629684031010e-03 - - 3.8773480802774429e-02 -1.8095690011978149e-01 - <_> - - 0 -1 7695 -5.1912548951804638e-03 - - 1.2545259296894073e-01 -4.4012580066919327e-02 - <_> - - 0 -1 7696 1.1874590069055557e-01 - - -1.4801479876041412e-02 4.0071210265159607e-01 - <_> - - 0 -1 7697 4.5105828903615475e-03 - - 5.3336851298809052e-02 -1.5709049999713898e-01 - <_> - - 0 -1 7698 4.5015379786491394e-02 - - -3.3278778195381165e-02 2.0535139739513397e-01 - <_> - - 0 -1 7699 -2.0866969134658575e-03 - - 4.2103528976440430e-02 -1.0361789911985397e-01 - <_> - - 0 -1 7700 -1.3008449459448457e-03 - - 6.4424470067024231e-02 -9.7897060215473175e-02 - <_> - - 0 -1 7701 -1.3591230381280184e-03 - - 7.2987347841262817e-02 -9.4451002776622772e-02 - <_> - - 0 -1 7702 -7.4056759476661682e-03 - - -1.5320360660552979e-01 5.3242001682519913e-02 - <_> - - 0 -1 7703 2.0208859350532293e-03 - - -3.3245529979467392e-02 6.0319710522890091e-02 - <_> - - 0 -1 7704 -1.0342149995267391e-02 - - 8.5510559380054474e-02 -8.3920828998088837e-02 - <_> - - 0 -1 7705 2.4865860119462013e-02 - - 1.2639460153877735e-02 -3.4757199883460999e-01 - <_> - - 0 -1 7706 9.9798657000064850e-02 - - -1.8823970109224319e-02 3.4465000033378601e-01 - <_> - - 0 -1 7707 2.1201390773057938e-02 - - -1.0467799752950668e-01 3.1494509428739548e-02 - <_> - - 0 -1 7708 -5.1909908652305603e-03 - - -1.5792340040206909e-01 5.0269961357116699e-02 - <_> - - 0 -1 7709 6.6961228847503662e-02 - - 3.2651789952069521e-03 -5.6049168109893799e-01 - <_> - - 0 -1 7710 1.1809109710156918e-02 - - -2.8513789176940918e-02 2.1226319670677185e-01 - <_> - - 0 -1 7711 -1.7645660787820816e-02 - - -4.4503360986709595e-01 5.0029670819640160e-03 - <_> - - 0 -1 7712 -6.8918941542506218e-03 - - -4.2199620604515076e-01 1.4813040383160114e-02 - <_> - - 0 -1 7713 2.1675550378859043e-03 - - -1.3125190138816833e-01 6.7140422761440277e-02 - <_> - - 0 -1 7714 -3.3283489756286144e-03 - - -1.0765329748392105e-01 5.3610768169164658e-02 - <_> - - 0 -1 7715 4.8869621008634567e-02 - - 6.4427889883518219e-03 -6.4563280344009399e-01 - <_> - - 0 -1 7716 7.2693959809839725e-03 - - -3.9603620767593384e-02 1.5369640290737152e-01 - <_> - - 0 -1 7717 8.8849991559982300e-02 - - -1.3234400190412998e-02 2.8555288910865784e-01 - <_> - - 0 -1 7718 1.5455950051546097e-02 - - 3.9694100618362427e-02 -1.7206269502639771e-01 - <_> - - 0 -1 7719 -1.3747200369834900e-02 - - 1.0079269856214523e-01 -4.3812029063701630e-02 - <_> - - 0 -1 7720 -2.2805750370025635e-02 - - 1.5014170110225677e-01 -4.3767798691987991e-02 - <_> - - 0 -1 7721 2.3838039487600327e-02 - - 5.3901281207799911e-02 -1.4610290527343750e-01 - <_> - - 0 -1 7722 -1.0181629657745361e-01 - - 3.1905040144920349e-01 -2.0011590793728828e-02 - <_> - - 0 -1 7723 7.1074268780648708e-03 - - 5.6244179606437683e-02 -1.2587560713291168e-01 - <_> - - 0 -1 7724 7.6678092591464520e-04 - - -1.0704190284013748e-01 6.6436298191547394e-02 - <_> - - 0 -1 7725 3.7424071342684329e-04 - - -3.7826299667358398e-02 4.7234989702701569e-02 - <_> - - 0 -1 7726 -2.0078169181942940e-03 - - -9.3316286802291870e-02 6.7641608417034149e-02 - <_> - - 0 -1 7727 3.3469051122665405e-02 - - -2.7926150709390640e-02 2.5293371081352234e-01 - <_> - - 0 -1 7728 -1.5507030300796032e-02 - - -5.5145150423049927e-01 1.2821160256862640e-02 - <_> - - 0 -1 7729 -1.9248709082603455e-02 - - 5.2688628435134888e-02 -3.0364990234375000e-02 - <_> - - 0 -1 7730 -1.7556030303239822e-02 - - -3.3247348666191101e-01 1.8780380487442017e-02 - <_> - - 0 -1 7731 1.9324380904436111e-02 - - -3.2458461821079254e-02 9.4986997544765472e-02 - <_> - - 0 -1 7732 -2.0367160439491272e-02 - - 1.1348400264978409e-01 -5.8434821665287018e-02 - <_> - - 0 -1 7733 5.1770661957561970e-03 - - 4.7030560672283173e-02 -8.4960326552391052e-02 - <_> - - 0 -1 7734 1.9768481142818928e-03 - - -7.0794142782688141e-02 1.0375150293111801e-01 - <_> - - 0 -1 7735 -7.0216279709711671e-04 - - 3.0781729146838188e-02 -1.0170820355415344e-01 - <_> - - 0 -1 7736 -2.4710369762033224e-03 - - 5.1577620208263397e-02 -1.1920809745788574e-01 - <_> - - 0 -1 7737 2.3278540000319481e-02 - - 3.0191570520401001e-02 -9.3937888741493225e-02 - <_> - - 0 -1 7738 1.3673819601535797e-02 - - -2.6758959516882896e-02 2.4014200270175934e-01 - <_> - - 0 -1 7739 -8.3967903628945351e-03 - - -5.0403770059347153e-02 2.2368110716342926e-02 - <_> - - 0 -1 7740 4.7878470271825790e-02 - - -2.3758050054311752e-02 2.6486390829086304e-01 - <_> - - 0 -1 7741 -2.2483520209789276e-02 - - -2.3042780160903931e-01 1.2840679846704006e-02 - <_> - - 0 -1 7742 -1.0883989743888378e-02 - - -1.8380180001258850e-01 3.2639708369970322e-02 - <_> - - 0 -1 7743 -4.4901989400386810e-02 - - 2.4195960164070129e-01 -2.6507280766963959e-02 - <_> - - 0 -1 7744 -8.3042927086353302e-02 - - -8.0491328239440918e-01 7.5420029461383820e-03 - <_> - - 0 -1 7745 -3.7240530364215374e-03 - - -8.0228239297866821e-02 3.1584471464157104e-02 - <_> - - 0 -1 7746 -7.3502189479768276e-03 - - 6.8962231278419495e-02 -9.7391247749328613e-02 - <_> - - 0 -1 7747 5.5313981138169765e-03 - - -3.0180720612406731e-02 6.0174800455570221e-02 - <_> - - 0 -1 7748 1.7293080687522888e-02 - - 4.0732100605964661e-02 -1.5600660443305969e-01 - <_> - - 0 -1 7749 -3.3298740163445473e-03 - - 4.1001088917255402e-02 -7.6909027993679047e-02 - <_> - - 0 -1 7750 -4.9308240413665771e-03 - - 1.7031539976596832e-01 -4.0582239627838135e-02 - <_> - - 0 -1 7751 8.6011141538619995e-03 - - 3.1656920909881592e-02 -1.4050039649009705e-01 - <_> - - 0 -1 7752 1.3674340210855007e-02 - - -2.1845709532499313e-02 3.0128660798072815e-01 - <_> - - 0 -1 7753 -1.1375419795513153e-02 - - -1.5687340497970581e-01 2.8256019577383995e-02 - <_> - - 0 -1 7754 -4.2750681750476360e-03 - - -1.2155970185995102e-01 5.0146799534559250e-02 - <_> - - 0 -1 7755 1.6484759747982025e-02 - - -3.6557890474796295e-02 1.2583729624748230e-01 - <_> - - 0 -1 7756 -3.9056900888681412e-02 - - 2.4053129553794861e-01 -2.6983890682458878e-02 - <_> - - 0 -1 7757 -5.7546719908714294e-03 - - -1.3337680697441101e-01 2.0266020670533180e-02 - <_> - - 0 -1 7758 5.1583289168775082e-03 - - 6.4666390419006348e-02 -1.1428499966859818e-01 - <_> - - 0 -1 7759 -3.0463270377367735e-03 - - 4.5018680393695831e-02 -8.1573590636253357e-02 - <_> - - 0 -1 7760 7.4743861332535744e-03 - - 3.1246710568666458e-02 -1.8929730355739594e-01 - <_> - - 0 -1 7761 1.6480450285598636e-03 - - -2.5895040482282639e-02 1.8652880191802979e-01 - <_> - - 0 -1 7762 4.5184311456978321e-03 - - 5.4803468286991119e-02 -1.0444000363349915e-01 - <_> - - 0 -1 7763 -3.3209871035069227e-03 - - 4.3959401547908783e-02 -8.1240482628345490e-02 - <_> - - 0 -1 7764 5.2665979601442814e-03 - - -4.4853471219539642e-02 1.1343909800052643e-01 - <_> - - 0 -1 7765 -4.7867707908153534e-03 - - 7.6319009065628052e-02 -2.8551170602440834e-02 - <_> - - 0 -1 7766 -4.4710118323564529e-02 - - -3.4795719385147095e-01 1.4928230084478855e-02 - <_> - - 0 -1 7767 4.3861730955541134e-03 - - 7.4540950357913971e-02 -4.6298071742057800e-02 - <_> - - 0 -1 7768 9.2240851372480392e-03 - - -5.8626178652048111e-02 9.8693408071994781e-02 - <_> - - 0 -1 7769 -1.1849260190501809e-03 - - 1.0023140162229538e-01 -5.6729640811681747e-02 - <_> - - 0 -1 7770 -1.8546540290117264e-02 - - -3.8236171007156372e-01 1.5141529962420464e-02 - <_> - - 0 -1 7771 3.4743950236588717e-03 - - 2.6523910462856293e-02 -1.1289829760789871e-01 - <_> - - 0 -1 7772 1.0274019837379456e-01 - - -6.6097700037062168e-03 7.7561777830123901e-01 - <_> - - 0 -1 7773 2.0479390025138855e-01 - - 6.9657550193369389e-03 -3.5988980531692505e-01 - <_> - - 0 -1 7774 1.2094060331583023e-01 - - 1.8174450844526291e-02 -3.3531171083450317e-01 - <_> - - 0 -1 7775 1.2224229983985424e-02 - - -3.1454049050807953e-02 7.9004973173141479e-02 - <_> - - 0 -1 7776 1.5176460146903992e-01 - - -1.0826669633388519e-02 4.5583090186119080e-01 - <_> - - 0 -1 7777 -9.9692150950431824e-02 - - -3.5422179102897644e-01 3.1256359070539474e-03 - <_> - - 0 -1 7778 -6.3465638086199760e-03 - - -1.1098819971084595e-01 5.3735308349132538e-02 - <_> - - 0 -1 7779 -6.7007602192461491e-03 - - 1.8910090625286102e-01 -3.0930159613490105e-02 - <_> - - 0 -1 7780 -1.0101199895143509e-01 - - 2.3763500154018402e-01 -2.2213969379663467e-02 - <_> - - 0 -1 7781 4.6111021190881729e-02 - - -3.7543330341577530e-02 4.8733759671449661e-02 - <_> - - 0 -1 7782 1.4146809279918671e-01 - - 1.1148019693791866e-02 -5.1474362611770630e-01 - <_> - - 0 -1 7783 -1.1394499801099300e-02 - - -7.0824302732944489e-02 3.1759370118379593e-02 - <_> - - 0 -1 7784 3.1667309813201427e-03 - - 4.1177280247211456e-02 -1.4900580048561096e-01 - <_> - - 0 -1 7785 8.9959725737571716e-03 - - -4.1186511516571045e-02 7.2816781699657440e-02 - <_> - - 0 -1 7786 -6.1559271067380905e-02 - - -7.3937642574310303e-01 6.6859079524874687e-03 - <_> - - 0 -1 7787 -3.5607949830591679e-03 - - 1.3260509818792343e-02 -6.1150819063186646e-02 - <_> - - 0 -1 7788 -1.2476339936256409e-01 - - -7.8580498695373535e-01 6.2701301649212837e-03 - <_> - - 0 -1 7789 6.2739187479019165e-01 - - 3.5465341061353683e-03 -7.3363810777664185e-01 - <_> - - 0 -1 7790 3.4219160676002502e-02 - - 8.2031572237610817e-03 -5.3330212831497192e-01 - <_> - - 0 -1 7791 1.0574149928288534e-04 - - -5.0354700535535812e-02 4.7019489109516144e-02 - <_> - - 0 -1 7792 -3.2112289220094681e-02 - - 1.7085300385951996e-01 -3.4734141081571579e-02 - <_> - - 0 -1 7793 -1.6140839084982872e-02 - - -6.4753092825412750e-02 5.6943111121654510e-02 - <_> - - 0 -1 7794 1.9737280905246735e-02 - - -1.8065180629491806e-02 2.6183420419692993e-01 - <_> - - 0 -1 7795 2.7895450592041016e-02 - - 1.7641060054302216e-02 -3.0951151251792908e-01 - <_> - - 0 -1 7796 3.5123159177601337e-03 - - -8.3447068929672241e-02 6.5015971660614014e-02 - <_> - - 0 -1 7797 -4.4775637798011303e-03 - - -1.2423449754714966e-01 4.7061119228601456e-02 - <_> - - 0 -1 7798 -6.1348858289420605e-03 - - 1.0248269885778427e-01 -5.9700958430767059e-02 - <_> - - 0 -1 7799 1.4047959819436073e-02 - - 1.4833379536867142e-02 -1.1229590326547623e-01 - <_> - - 0 -1 7800 1.1907520238310099e-03 - - 4.9986690282821655e-02 -1.1696290224790573e-01 - <_> - - 0 -1 7801 1.7617389559745789e-02 - - -1.7687700688838959e-02 1.5416090190410614e-01 - <_> - - 0 -1 7802 -4.9166870303452015e-03 - - -1.0227180272340775e-01 4.6994391828775406e-02 - <_> - - 0 -1 7803 -3.9010820910334587e-03 - - 1.4229449629783630e-01 -4.5312799513339996e-02 - <_> - - 0 -1 7804 -1.7458139918744564e-03 - - -1.0853090137243271e-01 7.5689561665058136e-02 - <_> - - 0 -1 7805 -1.2748650042340159e-03 - - 2.2384520620107651e-02 -7.5150527060031891e-02 - <_> - - 0 -1 7806 -7.9109556972980499e-02 - - 4.8773929476737976e-01 -9.6941655501723289e-03 - <_> - - 0 -1 7807 -1.4103270135819912e-02 - - -2.3263689875602722e-01 1.5091559849679470e-02 - <_> - - 0 -1 7808 -2.2076119203120470e-03 - - 1.9268399477005005e-01 -2.5429060682654381e-02 - <_> - - 0 -1 7809 3.9626058191061020e-02 - - -1.5630759298801422e-02 1.2270029634237289e-01 - <_> - - 0 -1 7810 -7.8973636846058071e-05 - - -7.3257647454738617e-02 6.5848693251609802e-02 - <_> - - 0 -1 7811 5.1964947488158941e-04 - - -1.1366380006074905e-01 8.1133492290973663e-02 - <_> - - 0 -1 7812 -1.1722079943865538e-03 - - -9.7602643072605133e-02 5.9839569032192230e-02 - <_> - - 0 -1 7813 3.9326730184257030e-03 - - -5.7026151567697525e-02 4.2226128280162811e-02 - <_> - - 0 -1 7814 -8.7386153638362885e-02 - - -3.7896049022674561e-01 1.2869279831647873e-02 - <_> - - 0 -1 7815 -2.1324040368199348e-02 - - 3.0886441469192505e-01 -1.7734240740537643e-02 - <_> - - 0 -1 7816 -2.3385910317301750e-03 - - -1.1322320252656937e-01 4.3914940208196640e-02 - <_> - - 0 -1 7817 1.5183660434558988e-03 - - -1.4337620139122009e-01 3.9441708475351334e-02 - <_> - - 0 -1 7818 -1.1085519939661026e-01 - - 7.4037587642669678e-01 -6.7982021719217300e-03 - <_> - - 0 -1 7819 -1.0009120218455791e-02 - - -3.9203230291604996e-02 3.1749211251735687e-02 - <_> - - 0 -1 7820 -2.0916430279612541e-02 - - 1.8927730619907379e-01 -3.0490230768918991e-02 - <_> - - 0 -1 7821 7.4165337719023228e-03 - - 4.6797450631856918e-02 -1.1113610118627548e-01 - <_> - - 0 -1 7822 3.3599510788917542e-03 - - -4.5254990458488464e-02 1.1508409678936005e-01 - <_> - - 0 -1 7823 -5.7189498329535127e-04 - - -6.3472077250480652e-02 5.2049949765205383e-02 - <_> - - 0 -1 7824 -6.8120293319225311e-02 - - 5.0806027650833130e-01 -9.5091843977570534e-03 - <_> - - 0 -1 7825 2.5180799420922995e-03 - - 5.5305320769548416e-02 -1.4402769505977631e-01 - <_> - - 0 -1 7826 5.6055251508951187e-02 - - -2.3359170183539391e-02 2.1935400366783142e-01 - <_> - - 0 -1 7827 -4.0386710315942764e-02 - - -1.9183440506458282e-01 7.8779058530926704e-03 - <_> - - 0 -1 7828 3.1857648864388466e-03 - - 2.7605779469013214e-02 -2.0084309577941895e-01 - <_> - - 0 -1 7829 2.5159550830721855e-02 - - 1.1265699751675129e-02 -4.3628180027008057e-01 - <_> - - 0 -1 7830 -2.7010419871658087e-03 - - 1.1336500197649002e-01 -4.6904269605875015e-02 - <_> - - 0 -1 7831 -3.0056890100240707e-02 - - -6.2368732690811157e-01 7.3214052245020866e-03 - <_> - - 0 -1 7832 -1.2088020145893097e-01 - - -8.6428368091583252e-01 4.3813590891659260e-03 - <_> - - 0 -1 7833 4.0104859508574009e-03 - - -5.3471650928258896e-02 7.1113802492618561e-02 - <_> - - 0 -1 7834 -2.9688570648431778e-03 - - 1.0076630115509033e-01 -4.9233928322792053e-02 - <_> - - 0 -1 7835 -3.7600689101964235e-03 - - -2.0928700268268585e-01 2.6549680158495903e-02 - <_> - - 0 -1 7836 -1.5982619952410460e-03 - - 6.1070188879966736e-02 -7.9623572528362274e-02 - <_> - - 0 -1 7837 5.4285880178213120e-03 - - 3.9766579866409302e-02 -1.1746849864721298e-01 - <_> - - 0 -1 7838 1.0872900020331144e-03 - - -6.4596228301525116e-02 7.4964426457881927e-02 - <_> - - 0 -1 7839 -2.8442030306905508e-03 - - 1.1738350242376328e-01 -4.0159400552511215e-02 - <_> - - 0 -1 7840 3.5546101629734039e-02 - - 1.2194969691336155e-02 -4.2184820771217346e-01 - <_> - - 0 -1 7841 -4.8542950302362442e-02 - - 3.1292769312858582e-01 -1.2773830443620682e-02 - <_> - - 0 -1 7842 -3.0732100829482079e-02 - - -5.0631237030029297e-01 1.0600729845464230e-02 - <_> - - 0 -1 7843 1.3066929765045643e-02 - - -5.0003118813037872e-02 4.4005930423736572e-02 - <_> - - 0 -1 7844 2.9200640320777893e-01 - - 5.3693680092692375e-03 -8.9039158821105957e-01 - <_> - - 0 -1 7845 -8.7579451501369476e-03 - - 9.6666730940341949e-02 -3.1310658901929855e-02 - <_> - - 0 -1 7846 -2.3599369451403618e-03 - - 4.3046280741691589e-02 -1.0992430150508881e-01 - <_> - - 0 -1 7847 6.9077489897608757e-03 - - -2.9174160212278366e-02 8.9174896478652954e-02 - <_> - - 0 -1 7848 2.0849689841270447e-02 - - 1.2614700198173523e-01 -4.4358100742101669e-02 - <_> - - 0 -1 7849 -5.8846421539783478e-02 - - 2.1661500632762909e-01 -8.7285088375210762e-03 - <_> - - 0 -1 7850 2.5576311163604259e-03 - - -1.1648210138082504e-01 5.4756019264459610e-02 - <_> - - 0 -1 7851 3.8973900955170393e-03 - - 3.5759489983320236e-02 -9.7868561744689941e-02 - <_> - - 0 -1 7852 -1.2494160328060389e-03 - - 9.1347962617874146e-02 -5.7817179709672928e-02 - <_> - - 0 -1 7853 3.4928850363940001e-03 - - 2.0634220913052559e-02 -1.4494930207729340e-01 - <_> - - 0 -1 7854 -1.1378509923815727e-02 - - 2.1203260123729706e-01 -2.4150850251317024e-02 - <_> - - 0 -1 7855 -4.4060450047254562e-02 - - 4.2267361283302307e-01 -4.7765900380909443e-03 - <_> - - 0 -1 7856 -8.3084795624017715e-03 - - -8.4928646683692932e-02 6.0228090733289719e-02 - <_> - - 0 -1 7857 -9.1945994645357132e-03 - - 7.2318702936172485e-02 -2.0472260192036629e-02 - <_> - - 0 -1 7858 6.5575107932090759e-02 - - 5.0813751295208931e-03 -8.9693188667297363e-01 - <_> - - 0 -1 7859 1.8510420620441437e-01 - - 2.2485901135951281e-03 -7.5125169754028320e-01 - <_> - - 0 -1 7860 -1.7608819901943207e-01 - - -7.8969222307205200e-01 5.2678477950394154e-03 - <_> - - 0 -1 7861 9.8349712789058685e-02 - - 2.8081049676984549e-03 -2.5828519463539124e-01 - <_> - - 0 -1 7862 -1.8191979324910790e-04 - - -8.6206100881099701e-02 5.2294798195362091e-02 - <_> - - 0 -1 7863 -5.2928649820387363e-03 - - -5.4600238800048828e-02 2.8304630890488625e-02 - <_> - - 0 -1 7864 1.1537299724295735e-03 - - 4.6684168279170990e-02 -1.1234779655933380e-01 - <_> - - 0 -1 7865 -3.8274680264294147e-03 - - 6.0145508497953415e-02 -8.2371100783348083e-02 - <_> - - 0 -1 7866 -8.6957857012748718e-02 - - -4.8363038897514343e-01 9.2326821759343147e-03 - <_> - - 0 -1 7867 -2.4195960722863674e-03 - - -3.5221140831708908e-02 2.7081709355115891e-02 - <_> - - 0 -1 7868 -4.7905668616294861e-03 - - 5.8955200016498566e-02 -7.8748136758804321e-02 - <_> - - 0 -1 7869 -4.0910490788519382e-03 - - -1.7550939321517944e-01 2.6454729959368706e-02 - <_> - - 0 -1 7870 2.5641750544309616e-03 - - -3.6814831197261810e-02 1.5140229463577271e-01 - <_> - - 0 -1 7871 5.4726968519389629e-03 - - 3.1243579462170601e-02 -9.7890958189964294e-02 - <_> - - 0 -1 7872 -1.0310260113328695e-03 - - -1.2424050271511078e-01 4.0365029126405716e-02 - <_> - - 0 -1 7873 -1.3030169904232025e-01 - - 1.7106169462203979e-01 -6.9856629706919193e-03 - <_> - - 0 -1 7874 3.5753389820456505e-03 - - -2.5437129661440849e-02 2.1967570483684540e-01 - <_> - - 0 -1 7875 8.4238024428486824e-03 - - 2.9582399874925613e-02 -1.7390090227127075e-01 - <_> - - 0 -1 7876 4.1154649108648300e-02 - - -1.3265499845147133e-02 3.6282411217689514e-01 - <_> - - 0 -1 7877 -1.8620759248733521e-02 - - -2.2806780040264130e-01 2.1502569317817688e-02 - <_> - - 0 -1 7878 2.3307619616389275e-02 - - -2.3047760128974915e-02 2.3208670318126678e-01 - <_> - - 0 -1 7879 4.6518299728631973e-02 - - 1.0585400275886059e-02 -4.6076700091362000e-01 - <_> - - 0 -1 7880 -8.3499401807785034e-02 - - 3.7845119833946228e-01 -1.4105740003287792e-02 - <_> - - 0 -1 7881 -9.6897013485431671e-02 - - -3.2995849847793579e-01 6.2883920036256313e-03 - <_> - - 0 -1 7882 6.9753699935972691e-03 - - 2.4593630805611610e-02 -2.1003679931163788e-01 - <_> - - 0 -1 7883 -3.3859949558973312e-02 - - 1.8927900493144989e-01 -8.7296841666102409e-03 - <_> - - 0 -1 7884 1.0354740079492331e-03 - - -6.4493343234062195e-02 8.0192290246486664e-02 - <_> - - 0 -1 7885 3.9950661361217499e-02 - - 2.5073040276765823e-02 -1.1636939644813538e-01 - <_> - - 0 -1 7886 3.0460350681096315e-03 - - -3.3754941076040268e-02 1.3324250280857086e-01 - <_> - - 0 -1 7887 -1.5341850230470300e-03 - - 6.2442861497402191e-02 -5.6061070412397385e-02 - <_> - - 0 -1 7888 2.0531520713120699e-03 - - -8.4790043532848358e-02 5.3408049046993256e-02 - <_> - - 0 -1 7889 2.1295580081641674e-03 - - 4.0650319308042526e-02 -1.1124719679355621e-01 - <_> - - 0 -1 7890 -1.5462029725313187e-02 - - 1.3806979358196259e-01 -3.3944208174943924e-02 - <_> - - 0 -1 7891 -2.7878239750862122e-02 - - -1.0025399923324585e-01 1.3444880023598671e-02 - <_> - - 0 -1 7892 1.7255680635571480e-02 - - 1.5361789613962173e-02 -3.6930799484252930e-01 - <_> - - 0 -1 7893 -1.7870500683784485e-02 - - 5.2870798856019974e-02 -2.5108009576797485e-02 - <_> - - 0 -1 7894 -1.4443919993937016e-02 - - -2.2763819992542267e-01 2.0391609519720078e-02 - <_> - - 0 -1 7895 -8.3497241139411926e-03 - - -8.7055817246437073e-02 3.2707940787076950e-02 - <_> - - 0 -1 7896 2.7514319866895676e-02 - - -2.0628409460186958e-02 2.5977128744125366e-01 - <_> - - 0 -1 7897 1.8610119819641113e-02 - - -8.0523788928985596e-03 1.6925090551376343e-01 - <_> - - 0 -1 7898 -9.5786049962043762e-02 - - -5.0116628408432007e-01 8.7666641920804977e-03 - <_> - - 0 -1 7899 1.2036979943513870e-01 - - 9.8632962908595800e-04 -1.0000280141830444e+00 - <_> - - 0 -1 7900 2.4782579392194748e-02 - - -1.2519709765911102e-02 3.5919609665870667e-01 - <_> - - 0 -1 7901 -5.0353828817605972e-02 - - -3.3340519666671753e-01 6.9066900759935379e-03 - <_> - - 0 -1 7902 3.1298059970140457e-02 - - 1.0963119566440582e-02 -4.0645220875740051e-01 - <_> - - 0 -1 7903 7.4575231410562992e-03 - - -2.1207600831985474e-02 1.3167420029640198e-01 - <_> - - 0 -1 7904 5.5791479535400867e-03 - - -3.4098070114850998e-02 1.2983830273151398e-01 - <_> - - 0 -1 7905 5.9088319540023804e-03 - - -2.6940669864416122e-02 1.6839459538459778e-01 - <_> - - 0 -1 7906 1.7543360590934753e-02 - - 4.2376369237899780e-02 -1.2350399792194366e-01 - <_> - - 0 -1 7907 -9.6103046089410782e-03 - - 5.2223920822143555e-02 -2.5582559406757355e-02 - <_> - - 0 -1 7908 2.0607879851013422e-03 - - 4.0174130350351334e-02 -1.0548079758882523e-01 - <_> - - 0 -1 7909 -5.3874161094427109e-03 - - -6.4995579421520233e-02 2.7807140722870827e-02 - <_> - - 0 -1 7910 1.1102309823036194e-01 - - -4.9670711159706116e-03 8.1718921661376953e-01 - <_> - - 0 -1 7911 -3.7374150007963181e-02 - - -6.2611418962478638e-01 3.0927599873393774e-03 - <_> - - 0 -1 7912 5.0286632031202316e-03 - - 2.4978660047054291e-01 -1.8151100724935532e-02 - <_> - - 0 -1 7913 2.9225579928606749e-03 - - -6.0576818883419037e-02 2.6497339829802513e-02 - <_> - - 0 -1 7914 -5.4296620190143585e-02 - - -5.7990437746047974e-01 6.5989522263407707e-03 - <_> - - 0 -1 7915 1.2996720150113106e-02 - - -2.6128260418772697e-02 9.7030609846115112e-02 - <_> - - 0 -1 7916 3.3001229166984558e-02 - - 1.4960479922592640e-02 -3.2304659485816956e-01 - <_> - - 0 -1 7917 -1.1660449951887131e-01 - - 2.5725141167640686e-01 -1.2625830247998238e-02 - <_> - - 0 -1 7918 7.0706337690353394e-02 - - 7.0192231796681881e-03 -6.9260591268539429e-01 - <_> - - 0 -1 7919 -4.4549949467182159e-02 - - -7.1134221553802490e-01 4.9668429419398308e-03 - <_> - - 0 -1 7920 4.2873818427324295e-02 - - 6.7160711623728275e-03 -5.2660852670669556e-01 - <_> - - 0 -1 7921 2.5025280192494392e-02 - - -1.8445409834384918e-02 7.8793220221996307e-02 - <_> - - 0 -1 7922 2.1663550287485123e-03 - - 3.2540310174226761e-02 -1.3115049898624420e-01 - <_> - - 0 -1 7923 2.5540040805935860e-02 - - -3.4693568944931030e-02 4.1404798626899719e-02 - <_> - - 0 -1 7924 -8.3627507090568542e-02 - - -5.2143442630767822e-01 7.7060810290277004e-03 - <_> - - 0 -1 7925 3.7637550849467516e-03 - - -2.9463630169630051e-02 7.4424192309379578e-02 - <_> - - 0 -1 7926 3.7175719626247883e-03 - - -4.2123001068830490e-02 1.0287009924650192e-01 - <_> - - 0 -1 7927 -5.2892807871103287e-03 - - -1.2348390370607376e-01 3.7152700126171112e-02 - <_> - - 0 -1 7928 -9.1878473758697510e-03 - - 9.0256750583648682e-02 -5.2674051374197006e-02 - <_> - - 0 -1 7929 -5.5448919534683228e-02 - - -5.3639650344848633e-01 2.6584670413285494e-03 - <_> - - 0 -1 7930 6.4754108898341656e-03 - - 5.5367350578308105e-02 -9.2722631990909576e-02 - <_> - - 0 -1 7931 -1.5773440245538950e-03 - - 1.3578939437866211e-01 -4.0911730378866196e-02 - <_> - - 0 -1 7932 -4.9912789836525917e-04 - - -1.4728380739688873e-01 5.3603630512952805e-02 - <_> - - 0 -1 7933 1.5690509974956512e-01 - - -7.8873159363865852e-03 3.7397789955139160e-01 - <_> - - 0 -1 7934 3.6391850560903549e-02 - - 4.9765990115702152e-03 -9.1157531738281250e-01 - <_> - - 0 -1 7935 -9.5625342801213264e-03 - - 1.2767709791660309e-01 -1.4394680038094521e-02 - <_> - - 0 -1 7936 2.4007901083678007e-03 - - -1.3107380270957947e-01 4.4731479138135910e-02 - <_> - - 0 -1 7937 3.2929850276559591e-03 - - 4.0428631007671356e-02 -5.3223561495542526e-02 - <_> - - 0 -1 7938 -3.1314359512180090e-03 - - 3.6826111376285553e-02 -1.2113159894943237e-01 - <_> - - 0 -1 7939 5.2008330821990967e-02 - - 5.9283021837472916e-03 -4.3858841061592102e-01 - <_> - - 0 -1 7940 5.7681259931996465e-04 - - -6.9851770997047424e-02 6.4286291599273682e-02 - <_> - - 0 -1 7941 6.1443001031875610e-03 - - 3.0908059328794479e-02 -1.8229809403419495e-01 - <_> - - 0 -1 7942 3.5959720611572266e-02 - - -4.1680991649627686e-02 1.4244790375232697e-01 - <_> - - 0 -1 7943 -2.1290820091962814e-02 - - -9.6662320196628571e-02 5.5888749659061432e-02 - <_> - - 0 -1 7944 -6.2724511371925473e-04 - - 9.0150557458400726e-02 -6.9430753588676453e-02 - <_> - - 0 -1 7945 -2.5145700201392174e-03 - - -6.9526046514511108e-02 4.5552581548690796e-02 - <_> - - 0 -1 7946 5.7874649763107300e-02 - - -2.5036580860614777e-02 2.0633180439472198e-01 - <_> - - 0 -1 7947 1.5898469835519791e-02 - - -1.7133399844169617e-02 1.1004959791898727e-01 - <_> - - 0 -1 7948 2.7882799506187439e-02 - - 2.7713179588317871e-02 -1.6536410152912140e-01 - <_> - - 0 -1 7949 8.8283112272620201e-03 - - -2.7497250586748123e-02 5.9822890907526016e-02 - <_> - - 0 -1 7950 -1.5679910778999329e-02 - - -2.6984989643096924e-01 1.6398239880800247e-02 - <_> - - 0 -1 7951 4.1906189173460007e-02 - - -8.0525986850261688e-03 3.1556311249732971e-01 - <_> - - 0 -1 7952 -4.1068609803915024e-02 - - 2.5637561082839966e-01 -1.8357910215854645e-02 - <_> - - 0 -1 7953 3.5570110194385052e-03 - - 2.9343830421566963e-02 -1.2668469548225403e-01 - <_> - - 0 -1 7954 -2.1371750626713037e-03 - - 1.2923260033130646e-01 -4.0102209895849228e-02 - <_> - - 0 -1 7955 3.3638089895248413e-02 - - 8.1196166574954987e-03 -4.0394780039787292e-01 - <_> - - 0 -1 7956 1.0182919912040234e-02 - - -4.2566180229187012e-02 1.1843100190162659e-01 - <_> - - 0 -1 7957 -7.0302112726494670e-04 - - 3.8721978664398193e-02 -7.9703420400619507e-02 - <_> - - 0 -1 7958 -2.8552680741995573e-03 - - 9.1274276375770569e-02 -6.1691451817750931e-02 - <_> - - 0 -1 7959 -2.9935541097074747e-03 - - -1.0913450270891190e-01 3.8736950606107712e-02 - <_> - - 0 -1 7960 -5.3608341841027141e-04 - - -4.3252488970756531e-01 1.0958270169794559e-02 - <_> - - 0 -1 7961 5.1431890577077866e-02 - - 4.7060111537575722e-03 -2.6765900850296021e-01 - <_> - - 0 -1 7962 -4.8872891813516617e-02 - - 2.0144729316234589e-01 -2.2844519466161728e-02 - <_> - - 0 -1 7963 -1.6080449521541595e-01 - - -1. 1.9577229395508766e-03 - <_> - - 0 -1 7964 1.8509939312934875e-02 - - 1.7808660864830017e-02 -2.7871158719062805e-01 - <_> - - 0 -1 7965 -4.2106948792934418e-02 - - -6.2493157386779785e-01 7.0520970039069653e-03 - <_> - - 0 -1 7966 -9.7096778452396393e-02 - - -8.4505838155746460e-01 4.4749649241566658e-03 - <_> - - 0 -1 7967 -9.4244757201522589e-04 - - 1.9796760380268097e-01 -2.2733120247721672e-02 - <_> - - 0 -1 7968 -1.8040809780359268e-02 - - -3.3424109220504761e-01 1.3358039781451225e-02 - <_> - - 0 -1 7969 6.3626631163060665e-04 - - -1.0530749708414078e-01 4.4016160070896149e-02 - <_> - - 0 -1 7970 -3.4530549310147762e-03 - - -1.3687069714069366e-01 3.0288280919194221e-02 - <_> - - 0 -1 7971 1.7589809373021126e-02 - - -2.8031280264258385e-02 1.8331700563430786e-01 - <_> - - 0 -1 7972 -1.4289390528574586e-03 - - 6.7616157233715057e-02 -6.4400359988212585e-02 - <_> - - 0 -1 7973 1.4584570191800594e-02 - - -3.2548811286687851e-02 7.7070221304893494e-02 - <_> - - 0 -1 7974 7.4579578638076782e-01 - - 9.1963959857821465e-03 -4.5680120587348938e-01 - <_> - - 0 -1 7975 -1.2285649776458740e-01 - - -6.4423608779907227e-01 2.0847769919782877e-03 - <_> - - 0 -1 7976 -1.1613000184297562e-01 - - -7.9274278879165649e-01 4.9578230828046799e-03 - <_> - - 0 -1 7977 5.5644840002059937e-02 - - -5.7718120515346527e-03 3.0834281444549561e-01 - <_> - - 0 -1 7978 2.0566429942846298e-02 - - -1.5474709682166576e-02 2.8002938628196716e-01 - <_> - - 0 -1 7979 3.8393519935198128e-04 - - 3.4390248358249664e-02 -1.0244189947843552e-01 - <_> - - 0 -1 7980 4.0198508650064468e-03 - - 5.2533138543367386e-02 -1.1492720246315002e-01 - <_> - - 0 -1 7981 -7.4124410748481750e-02 - - -3.0216461420059204e-01 4.2779031209647655e-03 - <_> - - 0 -1 7982 -3.4346429165452719e-03 - - 6.5627492964267731e-02 -6.9991588592529297e-02 - <_> - - 0 -1 7983 -4.3740049004554749e-03 - - -1.2934839725494385e-01 5.1233518868684769e-02 - <_> - - 0 -1 7984 6.9464151747524738e-03 - - -3.2591849565505981e-02 1.5098060667514801e-01 - <_> - - 0 -1 7985 -1.8434170633554459e-02 - - -3.1364220380783081e-01 9.5867328345775604e-03 - <_> - - 0 -1 7986 -3.2201830763369799e-03 - - -1.7494319379329681e-01 3.3579058945178986e-02 - <_> - - 0 -1 7987 -3.2273299992084503e-02 - - 2.4136200547218323e-01 -2.4392010644078255e-02 - <_> - - 0 -1 7988 -4.8193791881203651e-03 - - -1.3610219955444336e-01 4.1156660765409470e-02 - <_> - - 0 -1 7989 -9.8347626626491547e-02 - - -5.3324717283248901e-01 8.8729923591017723e-03 - <_> - - 0 -1 7990 1.9054619595408440e-02 - - -3.2564271241426468e-02 1.6729709506034851e-01 - <_> - - 0 -1 7991 -8.1796169281005859e-02 - - -6.4131242036819458e-01 8.7052602320909500e-03 - <_> - - 0 -1 7992 3.2996949739754200e-03 - - -5.9765439480543137e-02 7.1879856288433075e-02 - <_> - - 0 -1 7993 -7.5977660715579987e-02 - - -5.0415420532226562e-01 5.6795510463416576e-03 - <_> - - 0 -1 7994 3.0508760362863541e-02 - - 1.0317360050976276e-02 -4.3552881479263306e-01 - <_> - - 0 -1 7995 -3.7642959505319595e-02 - - 3.7324428558349609e-01 -1.7276229336857796e-02 - <_> - - 0 -1 7996 -9.9801109172403812e-04 - - -1.4508770406246185e-01 3.0973700806498528e-02 - <_> - - 0 -1 7997 -2.0703389309346676e-03 - - 1.2285920232534409e-01 -2.5285899639129639e-02 - <_> - - 0 -1 7998 7.1816377341747284e-02 - - 7.2997398674488068e-03 -6.2621092796325684e-01 - <_> - - 0 -1 7999 1.6781920194625854e-01 - - -1.0094069875776768e-02 2.2531180083751678e-01 - <_> - - 0 -1 8000 1.5028619964141399e-04 - - -4.9013838171958923e-02 9.5635637640953064e-02 - <_> - - 0 -1 8001 9.5139637589454651e-02 - - -2.3964960128068924e-03 7.8972822427749634e-01 - <_> - - 0 -1 8002 3.8569360040128231e-03 - - 4.0852431207895279e-02 -1.1976979672908783e-01 - <_> - - 0 -1 8003 2.3172760382294655e-02 - - -8.1755416467785835e-03 3.4895899891853333e-01 - <_> - - 0 -1 8004 1.3417989946901798e-02 - - 2.9357729479670525e-02 -1.4476950466632843e-01 - <_> - - 0 -1 8005 -1.4165779948234558e-01 - - 3.4960448741912842e-01 -3.9633908309042454e-03 - <_> - - 0 -1 8006 5.5483141914010048e-03 - - -4.6736769378185272e-02 8.7630823254585266e-02 - <_> - - 0 -1 8007 -4.7431029379367828e-03 - - 6.2899678945541382e-02 -2.6983590796589851e-02 - <_> - - 0 -1 8008 -6.6862776875495911e-02 - - -9.5272868871688843e-01 3.9776111952960491e-03 - <_> - - 0 -1 8009 2.2987840697169304e-02 - - -1.7802899703383446e-02 1.4564949274063110e-01 - <_> - - 0 -1 8010 -2.2234279662370682e-02 - - -9.3360446393489838e-02 5.1537070423364639e-02 - <_> - - 0 -1 8011 1.5045719919726253e-05 - - -3.0237749218940735e-02 2.6654670014977455e-02 - <_> - - 0 -1 8012 -4.7994707711040974e-03 - - 1.0105530172586441e-01 -5.0083991140127182e-02 - <_> - - 0 -1 8013 -2.4227909743785858e-01 - - -6.8399482965469360e-01 2.1470880601555109e-03 - <_> - - 0 -1 8014 4.6939790248870850e-02 - - 8.1193735823035240e-03 -4.7671818733215332e-01 - <_> - - 0 -1 8015 -6.0940280556678772e-02 - - 2.3827329277992249e-01 -9.5430584624409676e-03 - <_> - - 0 -1 8016 2.4104740470647812e-02 - - -1.5799079090356827e-02 2.6727899909019470e-01 - <_> - - 0 -1 8017 -4.6567570418119431e-02 - - -3.1017771363258362e-01 8.3353007212281227e-03 - <_> - - 0 -1 8018 1.8709240248426795e-03 - - -7.2588071227073669e-02 6.5608270466327667e-02 - <_> - - 0 -1 8019 -5.9872400015592575e-03 - - -1.8159690499305725e-01 1.4030029997229576e-02 - <_> - - 0 -1 8020 -7.3103660724882502e-06 - - 4.0913790464401245e-02 -1.0656440258026123e-01 - <_> - - 0 -1 8021 -2.3244550451636314e-02 - - -1.9035540521144867e-01 1.5966059640049934e-02 - <_> - - 0 -1 8022 -1.1853489559143782e-03 - - 5.9956710785627365e-02 -7.6678447425365448e-02 - <_> - - 0 -1 8023 -1.2981820106506348e-01 - - 4.0999498963356018e-01 -5.0850748084485531e-03 - <_> - - 0 -1 8024 -5.1512669771909714e-02 - - -3.0527231097221375e-01 1.4186340384185314e-02 - <_> - - 0 -1 8025 -3.9303461089730263e-03 - - -7.9763479530811310e-02 2.6248890906572342e-02 - <_> - - 0 -1 8026 1.5822829678654671e-02 - - -1.6849309206008911e-02 2.7549791336059570e-01 - <_> - - 0 -1 8027 1.1561570316553116e-01 - - 6.7870649509131908e-03 -1.2709319591522217e-01 - <_> - - 0 -1 8028 1.1260829633101821e-03 - - 8.1908516585826874e-02 -5.8194048702716827e-02 - <_> - - 0 -1 8029 1.5513430349528790e-02 - - -4.2989719659090042e-02 7.8364297747612000e-02 - <_> - - 0 -1 8030 4.6268731355667114e-02 - - 1.1759550310671329e-02 -3.9947330951690674e-01 - <_> - - 0 -1 8031 7.9535972326993942e-03 - - 1.6848539933562279e-02 -8.8599078357219696e-02 - <_> - - 0 -1 8032 -1.8991220742464066e-02 - - 2.4813260138034821e-01 -1.7320850864052773e-02 - <_> - - 0 -1 8033 3.7058200687170029e-03 - - -2.1747030317783356e-02 5.8276090770959854e-02 - <_> - - 0 -1 8034 2.5829279329627752e-03 - - 5.0559278577566147e-02 -9.3193918466567993e-02 - <_> - - 0 -1 8035 -3.1010560691356659e-02 - - 2.2110439836978912e-01 -1.4786499552428722e-02 - <_> - - 0 -1 8036 2.5402549654245377e-03 - - -8.6743600666522980e-02 5.7932410389184952e-02 - <_> - - 0 -1 8037 -8.9100487530231476e-03 - - 5.3846079856157303e-02 -4.5931909233331680e-02 - <_> - - 0 -1 8038 4.0557151660323143e-03 - - 5.9298399835824966e-02 -8.3007253706455231e-02 - <_> - - 0 -1 8039 6.1204940080642700e-02 - - 9.2248879373073578e-03 -2.1082369983196259e-01 - <_> - - 0 -1 8040 7.7630057930946350e-03 - - -7.5927056372165680e-02 5.7865709066390991e-02 - <_> - - 0 -1 8041 1.5921150147914886e-01 - - 8.3040859317407012e-04 -1.0000480413436890e+00 - <_> - - 0 -1 8042 3.9196189492940903e-02 - - 7.1930838748812675e-03 -6.0338622331619263e-01 - <_> - - 0 -1 8043 1.0220289975404739e-01 - - -3.6227719392627478e-03 5.4500752687454224e-01 - <_> - - 0 -1 8044 -1.5064980089664459e-01 - - -7.0450758934020996e-01 6.6995541565120220e-03 - <_> - - 0 -1 8045 1.3819299638271332e-01 - - -1.1153860017657280e-02 1.7932909727096558e-01 - <_> - - 0 -1 8046 -3.8313010009005666e-04 - - -7.2442352771759033e-02 5.7925980538129807e-02 - <_> - - 0 -1 8047 -2.7796919457614422e-03 - - -8.6280398070812225e-02 4.1014600545167923e-02 - <_> - - 0 -1 8048 3.9365138858556747e-02 - - -4.6629320830106735e-02 8.8124006986618042e-02 - <_> - - 0 -1 8049 -6.1933819204568863e-02 - - 7.0118552446365356e-01 -2.5661089457571507e-03 - <_> - - 0 -1 8050 -5.9742941521108150e-03 - - -1.6519010066986084e-01 3.7947021424770355e-02 - <_> - - 0 -1 8051 7.5101079419255257e-03 - - 5.4191488772630692e-02 -7.9166658222675323e-02 - <_> - - 0 -1 8052 -9.7005672752857208e-02 - - -8.8104772567749023e-01 4.8486101441085339e-03 - <_> - - 0 -1 8053 -6.7751510068774223e-03 - - 9.1601163148880005e-02 -4.8942770808935165e-02 - <_> - - 0 -1 8054 -9.2599419876933098e-03 - - -1.3298119604587555e-01 4.1785500943660736e-02 - <_> - - 0 -1 8055 1.5215040184557438e-03 - - 5.2633590996265411e-02 -6.0624439269304276e-02 - <_> - - 0 -1 8056 5.4703168570995331e-03 - - -4.7825179994106293e-02 1.1194570362567902e-01 - <_> - - 0 -1 8057 2.5002110749483109e-02 - - -2.0354969426989555e-02 1.0175590217113495e-01 - <_> - - 0 -1 8058 3.2576780766248703e-02 - - 2.5629660114645958e-02 -1.9484190642833710e-01 - <_> - - 0 -1 8059 -7.7732130885124207e-03 - - 1.2477400153875351e-01 -3.4667998552322388e-02 - <_> - - 0 -1 8060 1.7777189612388611e-02 - - 3.3261820673942566e-02 -1.4155229926109314e-01 - <_> - - 0 -1 8061 1.0459429584443569e-02 - - -4.4039878994226456e-02 6.1871558427810669e-02 - <_> - 406 - -1.1700680255889893e+00 - - <_> - - 0 -1 8062 1.8751189112663269e-02 - - -1.7775079607963562e-01 1.7157439887523651e-01 - <_> - - 0 -1 8063 -2.1875950042158365e-03 - - 7.5339153409004211e-02 -2.5842121243476868e-01 - <_> - - 0 -1 8064 -1.1698690056800842e-01 - - 4.2645370960235596e-01 -3.7121698260307312e-02 - <_> - - 0 -1 8065 3.8377330638468266e-03 - - 3.5092439502477646e-02 -1.5757289528846741e-01 - <_> - - 0 -1 8066 -1.2941210297867656e-03 - - -2.0068730413913727e-01 5.5704809725284576e-02 - <_> - - 0 -1 8067 4.3927300721406937e-03 - - 5.7497099041938782e-02 -1.9302740693092346e-01 - <_> - - 0 -1 8068 -1.5021540457382798e-03 - - 7.2378978133201599e-02 -1.4534910023212433e-01 - <_> - - 0 -1 8069 1.2381949927657843e-03 - - -9.0413779020309448e-02 8.2838788628578186e-02 - <_> - - 0 -1 8070 3.0004729051142931e-03 - - 6.0199409723281860e-02 -1.5556170046329498e-01 - <_> - - 0 -1 8071 4.5666601508855820e-03 - - -7.6936639845371246e-02 1.3762770593166351e-01 - <_> - - 0 -1 8072 9.9231943022459745e-04 - - 4.7918211668729782e-02 -2.0472359657287598e-01 - <_> - - 0 -1 8073 -3.8909649010747671e-03 - - -2.1067039668560028e-01 5.9297189116477966e-02 - <_> - - 0 -1 8074 2.4324860423803329e-03 - - -7.3611870408058167e-02 1.4165569841861725e-01 - <_> - - 0 -1 8075 -3.3090400975197554e-03 - - -1.6489060223102570e-01 4.3310891836881638e-02 - <_> - - 0 -1 8076 5.9596560895442963e-03 - - -2.1388399600982666e-01 4.3472908437252045e-02 - <_> - - 0 -1 8077 9.7754271700978279e-03 - - 2.7664290741086006e-02 -1.9119890034198761e-01 - <_> - - 0 -1 8078 -3.8124300539493561e-02 - - 3.1658840179443359e-01 -2.9972679913043976e-02 - <_> - - 0 -1 8079 1.4401610242202878e-03 - - -1.6602130234241486e-01 6.1300911009311676e-02 - <_> - - 0 -1 8080 7.5199408456683159e-04 - - -1.3568510115146637e-01 5.7345770299434662e-02 - <_> - - 0 -1 8081 2.4780649691820145e-03 - - -7.7258758246898651e-02 5.3781200200319290e-02 - <_> - - 0 -1 8082 9.2068109661340714e-03 - - 7.4349351227283478e-02 -1.3886499404907227e-01 - <_> - - 0 -1 8083 1.7634540796279907e-02 - - -2.6817159727215767e-02 3.4912449121475220e-01 - <_> - - 0 -1 8084 1.0517879854887724e-03 - - 8.3444483578205109e-02 -8.3271436393260956e-02 - <_> - - 0 -1 8085 -7.2119189426302910e-03 - - 1.4149050414562225e-01 -3.0853189527988434e-02 - <_> - - 0 -1 8086 8.1929508596658707e-03 - - 6.4249828457832336e-02 -1.4224460721015930e-01 - <_> - - 0 -1 8087 -5.7932751951739192e-04 - - -6.1768930405378342e-02 3.4835230559110641e-02 - <_> - - 0 -1 8088 4.5172017998993397e-03 - - -7.3925666511058807e-02 9.5347866415977478e-02 - <_> - - 0 -1 8089 2.2280250489711761e-01 - - 2.8079450130462646e-02 -2.6174598932266235e-01 - <_> - - 0 -1 8090 -8.1560667604207993e-04 - - -1.1128710210323334e-01 6.1751261353492737e-02 - <_> - - 0 -1 8091 1.9009260460734367e-02 - - -3.5914849489927292e-02 9.5332697033882141e-02 - <_> - - 0 -1 8092 -1.1708099627867341e-03 - - -1.7809429764747620e-01 3.8471758365631104e-02 - <_> - - 0 -1 8093 -2.7492839843034744e-02 - - 1.5674190223217010e-01 -3.6307450383901596e-02 - <_> - - 0 -1 8094 -5.4139150306582451e-03 - - -1.6014580428600311e-01 4.5228298753499985e-02 - <_> - - 0 -1 8095 1.1325670406222343e-02 - - -5.2679128944873810e-02 1.2411580234766006e-01 - <_> - - 0 -1 8096 -1.3919079303741455e-01 - - -2.8573009371757507e-01 2.5642180815339088e-02 - <_> - - 0 -1 8097 -7.6183810830116272e-02 - - 2.0390880107879639e-01 -1.2701939791440964e-02 - <_> - - 0 -1 8098 1.3947900151833892e-03 - - -1.1320529878139496e-01 5.7419300079345703e-02 - <_> - - 0 -1 8099 4.6532237902283669e-03 - - 5.7795990258455276e-02 -1.0997010022401810e-01 - <_> - - 0 -1 8100 4.5034389942884445e-02 - - -2.8761979192495346e-02 2.2605720162391663e-01 - <_> - - 0 -1 8101 1.6864009201526642e-02 - - 3.6318089812994003e-02 -2.0162770152091980e-01 - <_> - - 0 -1 8102 1.9251279532909393e-01 - - -1.3869989663362503e-02 5.4226338863372803e-01 - <_> - - 0 -1 8103 -1.6758369747549295e-03 - - -1.1462789773941040e-01 4.9984849989414215e-02 - <_> - - 0 -1 8104 -4.5270361006259918e-03 - - 1.1731909960508347e-01 -6.1384700238704681e-02 - <_> - - 0 -1 8105 5.4975082166492939e-03 - - 3.2194830477237701e-02 -1.5348540246486664e-01 - <_> - - 0 -1 8106 3.5562040284276009e-03 - - -6.3937939703464508e-02 1.0787469893693924e-01 - <_> - - 0 -1 8107 2.1489830687642097e-03 - - -5.0976738333702087e-02 2.9315000399947166e-02 - <_> - - 0 -1 8108 -1.0464210063219070e-02 - - 1.9548749923706055e-01 -3.2784409821033478e-02 - <_> - - 0 -1 8109 -2.9779719188809395e-02 - - -3.9286538958549500e-01 1.2266620062291622e-02 - <_> - - 0 -1 8110 9.6993939951062202e-04 - - -1.0772799700498581e-01 6.1684250831604004e-02 - <_> - - 0 -1 8111 -4.0499098598957062e-02 - - -3.6696648597717285e-01 1.1805539950728416e-02 - <_> - - 0 -1 8112 -2.3762779310345650e-03 - - -1.3933740556240082e-01 5.0010170787572861e-02 - <_> - - 0 -1 8113 -5.1528858020901680e-03 - - 9.7424000501632690e-02 -2.3820690810680389e-02 - <_> - - 0 -1 8114 -2.8726980090141296e-02 - - 2.1031719446182251e-01 -3.6088269203901291e-02 - <_> - - 0 -1 8115 1.4215350151062012e-02 - - 3.4664131700992584e-02 -1.5814340114593506e-01 - <_> - - 0 -1 8116 2.0164670422673225e-03 - - 5.0487071275711060e-02 -1.2704199552536011e-01 - <_> - - 0 -1 8117 4.1724709444679320e-04 - - -5.6635189801454544e-02 1.0789140313863754e-01 - <_> - - 0 -1 8118 7.3380130343139172e-03 - - 5.0891719758510590e-02 -1.2210439890623093e-01 - <_> - - 0 -1 8119 -7.5930766761302948e-02 - - 2.2627210617065430e-01 -6.6569480113685131e-03 - <_> - - 0 -1 8120 -4.2873369529843330e-03 - - 7.2104290127754211e-02 -8.0106139183044434e-02 - <_> - - 0 -1 8121 -2.4101670831441879e-02 - - 9.1355301439762115e-02 -3.4591969102621078e-02 - <_> - - 0 -1 8122 1.9936550408601761e-02 - - -3.7764240056276321e-02 1.8896919488906860e-01 - <_> - - 0 -1 8123 5.6939899921417236e-01 - - 3.1492649577558041e-03 -5.9846472740173340e-01 - <_> - - 0 -1 8124 1.0352060198783875e-01 - - 2.3323200643062592e-02 -3.2129231095314026e-01 - <_> - - 0 -1 8125 5.9556990861892700e-02 - - 4.2170342057943344e-03 -3.3442139625549316e-01 - <_> - - 0 -1 8126 -5.0575539469718933e-02 - - -8.4793227910995483e-01 6.6583030857145786e-03 - <_> - - 0 -1 8127 -5.5158971808850765e-03 - - -7.0507496595382690e-02 2.1716769784688950e-02 - <_> - - 0 -1 8128 2.9419310390949249e-02 - - -3.6319408565759659e-02 1.7510940134525299e-01 - <_> - - 0 -1 8129 1.0972440242767334e-02 - - 1.8267199397087097e-02 -1.8641340732574463e-01 - <_> - - 0 -1 8130 -3.8842339999973774e-03 - - -1.0735920071601868e-01 6.0849040746688843e-02 - <_> - - 0 -1 8131 -1.1936859664274380e-04 - - 5.2348621189594269e-02 -1.2701539695262909e-01 - <_> - - 0 -1 8132 -5.0230980850756168e-03 - - 5.2682720124721527e-02 -1.2703679502010345e-01 - <_> - - 0 -1 8133 1.8986819684505463e-01 - - 1.7255579587072134e-03 -3.2701051235198975e-01 - <_> - - 0 -1 8134 -2.4319409858435392e-03 - - 1.3875140249729156e-01 -4.3046601116657257e-02 - <_> - - 0 -1 8135 -2.0888550207018852e-03 - - -1.1241009831428528e-01 3.7676859647035599e-02 - <_> - - 0 -1 8136 4.2116310447454453e-02 - - 8.1929191946983337e-03 -6.8541908264160156e-01 - <_> - - 0 -1 8137 2.7380110695958138e-02 - - 4.4103930704295635e-03 -5.3421849012374878e-01 - <_> - - 0 -1 8138 2.1348569542169571e-02 - - -5.1160380244255066e-02 1.0021480172872543e-01 - <_> - - 0 -1 8139 -1.7236869782209396e-02 - - -3.9995738863945007e-01 2.0257489755749702e-02 - <_> - - 0 -1 8140 7.8617185354232788e-03 - - 2.8996279463171959e-02 -1.8014070391654968e-01 - <_> - - 0 -1 8141 8.1942398101091385e-03 - - -2.5498030707240105e-02 8.4693931043148041e-02 - <_> - - 0 -1 8142 6.2367911450564861e-03 - - 1.8659260123968124e-02 -2.6443660259246826e-01 - <_> - - 0 -1 8143 2.1872919751331210e-04 - - -1.5943029522895813e-01 3.0722649767994881e-02 - <_> - - 0 -1 8144 -6.4004249870777130e-03 - - 2.8331050276756287e-01 -1.9352490082383156e-02 - <_> - - 0 -1 8145 -1.0007199645042419e-01 - - -4.0704050660133362e-01 6.1583020724356174e-03 - <_> - - 0 -1 8146 1.5690149739384651e-02 - - -1.6772339120507240e-02 2.9049569368362427e-01 - <_> - - 0 -1 8147 -7.0421490818262100e-03 - - -6.7985177040100098e-02 3.1130369752645493e-02 - <_> - - 0 -1 8148 -1.5320030041038990e-02 - - 3.6400088667869568e-01 -1.3608699664473534e-02 - <_> - - 0 -1 8149 5.8485660701990128e-02 - - 7.4363988824188709e-03 -7.5599330663681030e-01 - <_> - - 0 -1 8150 -3.5200670827180147e-03 - - -1.3923290371894836e-01 3.7657551467418671e-02 - <_> - - 0 -1 8151 -8.7158178212121129e-04 - - 4.2339839041233063e-02 -5.3530458360910416e-02 - <_> - - 0 -1 8152 2.4548629298806190e-03 - - -4.4667050242424011e-02 1.3785070180892944e-01 - <_> - - 0 -1 8153 -6.1778929084539413e-02 - - -3.5338079929351807e-01 4.5869671739637852e-03 - <_> - - 0 -1 8154 -3.8533521001227200e-04 - - 7.2278007864952087e-02 -1.0433299839496613e-01 - <_> - - 0 -1 8155 7.6227717101573944e-02 - - -1.1004550382494926e-02 5.0025188922882080e-01 - <_> - - 0 -1 8156 -4.4210380874574184e-03 - - -8.6290426552295685e-02 5.8773420751094818e-02 - <_> - - 0 -1 8157 1.5068270266056061e-02 - - -5.8916270732879639e-02 1.0025119781494141e-01 - <_> - - 0 -1 8158 2.5007940828800201e-02 - - 7.6251477003097534e-02 -8.8744960725307465e-02 - <_> - - 0 -1 8159 -7.7328123152256012e-02 - - 2.5363400578498840e-01 -1.5778530389070511e-02 - <_> - - 0 -1 8160 3.5588641185313463e-04 - - 6.2983699142932892e-02 -7.7181987464427948e-02 - <_> - - 0 -1 8161 6.9400526583194733e-02 - - -8.9571140706539154e-03 1.5102629363536835e-01 - <_> - - 0 -1 8162 -1.8577709794044495e-01 - - -6.9518351554870605e-01 7.8398203477263451e-03 - <_> - - 0 -1 8163 -6.6014728508889675e-03 - - -5.6056641042232513e-02 2.4557920172810555e-02 - <_> - - 0 -1 8164 4.0490310639142990e-02 - - -2.0202599465847015e-02 2.7736270427703857e-01 - <_> - - 0 -1 8165 1.6997240018099546e-03 - - -1.1403460055589676e-01 1.9222680479288101e-02 - <_> - - 0 -1 8166 8.4750041365623474e-02 - - 1.8607510253787041e-02 -3.0505430698394775e-01 - <_> - - 0 -1 8167 -1.6975879669189453e-02 - - 1.2357109785079956e-01 -2.9016660526394844e-02 - <_> - - 0 -1 8168 4.6773189678788185e-03 - - -4.5864760875701904e-02 1.1718840152025223e-01 - <_> - - 0 -1 8169 -1.4066020026803017e-02 - - -1.3670490682125092e-01 1.7362629994750023e-02 - <_> - - 0 -1 8170 5.0944689661264420e-02 - - 1.3865640386939049e-02 -3.9529040455818176e-01 - <_> - - 0 -1 8171 9.8265796899795532e-02 - - -1.2339199893176556e-02 3.6408239603042603e-01 - <_> - - 0 -1 8172 1.1730480473488569e-03 - - 6.6400513052940369e-02 -8.2091093063354492e-02 - <_> - - 0 -1 8173 1.0979039967060089e-01 - - 4.6397978439927101e-03 -6.1344558000564575e-01 - <_> - - 0 -1 8174 4.9452850362285972e-04 - - -1.0062679648399353e-01 5.7191990315914154e-02 - <_> - - 0 -1 8175 3.5673558712005615e-01 - - -1.4482989907264709e-02 3.9276111125946045e-01 - <_> - - 0 -1 8176 8.7493062019348145e-03 - - -4.8551220446825027e-02 1.0460250079631805e-01 - <_> - - 0 -1 8177 2.2463349625468254e-02 - - 2.2396000102162361e-02 -1.3587850332260132e-01 - <_> - - 0 -1 8178 1.8538760021328926e-02 - - 3.0029479414224625e-02 -2.0861870050430298e-01 - <_> - - 0 -1 8179 3.4236259758472443e-02 - - -1.0644080117344856e-02 1.6675490140914917e-01 - <_> - - 0 -1 8180 4.0900480002164841e-02 - - -1.2056970037519932e-02 4.3773320317268372e-01 - <_> - - 0 -1 8181 1.0512579977512360e-01 - - -9.4033451750874519e-04 7.8061622381210327e-01 - <_> - - 0 -1 8182 7.4799366295337677e-02 - - 7.8805796802043915e-03 -6.6342961788177490e-01 - <_> - - 0 -1 8183 4.3973559513688087e-05 - - -5.8106150478124619e-02 1.0466519743204117e-01 - <_> - - 0 -1 8184 6.6341059282422066e-03 - - 1.9750369712710381e-02 -2.7033481001853943e-01 - <_> - - 0 -1 8185 6.9901258684694767e-03 - - -3.2210368663072586e-02 5.6677810847759247e-02 - <_> - - 0 -1 8186 -6.9424291141331196e-03 - - 8.3492629230022430e-02 -6.4236722886562347e-02 - <_> - - 0 -1 8187 1.2524950504302979e-01 - - 1.9679870456457138e-03 -8.7889492511749268e-01 - <_> - - 0 -1 8188 -6.0555808246135712e-02 - - -6.5825527906417847e-01 7.3593561537563801e-03 - <_> - - 0 -1 8189 4.2092729359865189e-02 - - 9.0475538745522499e-03 -3.7676310539245605e-01 - <_> - - 0 -1 8190 1.6190059483051300e-02 - - 1.4534840360283852e-02 -3.4089210629463196e-01 - <_> - - 0 -1 8191 -2.6756960898637772e-02 - - 1.6862440109252930e-01 -1.0768949985504150e-02 - <_> - - 0 -1 8192 -5.1163539290428162e-02 - - -9.4068449735641479e-01 4.8503028228878975e-03 - <_> - - 0 -1 8193 -2.9093079268932343e-02 - - 1.3051369786262512e-01 -2.7216060087084770e-02 - <_> - - 0 -1 8194 -1.3433809578418732e-01 - - -5.3713047504425049e-01 1.0605730116367340e-02 - <_> - - 0 -1 8195 -4.0363678708672523e-03 - - -7.8597947955131531e-02 4.5609310269355774e-02 - <_> - - 0 -1 8196 -1.6303880512714386e-01 - - 6.9153147935867310e-01 -6.8249078467488289e-03 - <_> - - 0 -1 8197 5.3527228534221649e-02 - - -8.2422774285078049e-03 2.3649579286575317e-01 - <_> - - 0 -1 8198 9.3209616839885712e-02 - - -7.0793349295854568e-03 6.3985627889633179e-01 - <_> - - 0 -1 8199 -4.1583351790904999e-02 - - -4.0527749061584473e-01 1.1953369714319706e-02 - <_> - - 0 -1 8200 1.5241269767284393e-01 - - -1.6016889363527298e-02 3.7084808945655823e-01 - <_> - - 0 -1 8201 -1.3017480261623859e-02 - - -1.2366600334644318e-01 4.4537510722875595e-02 - <_> - - 0 -1 8202 5.4946541786193848e-02 - - 2.4852929636836052e-02 -2.1955069899559021e-01 - <_> - - 0 -1 8203 3.0320021323859692e-04 - - -1.3367289304733276e-01 4.0226090699434280e-02 - <_> - - 0 -1 8204 1.3891180045902729e-02 - - -2.6901820674538612e-02 1.9647410511970520e-01 - <_> - - 0 -1 8205 1.0848880046978593e-03 - - 3.6422070115804672e-02 -8.3430632948875427e-02 - <_> - - 0 -1 8206 2.3160090204328299e-03 - - -6.1215829104185104e-02 1.1277849972248077e-01 - <_> - - 0 -1 8207 -7.1280319243669510e-03 - - -1.4642429351806641e-01 3.1300168484449387e-02 - <_> - - 0 -1 8208 -3.5769429523497820e-03 - - 1.0159090161323547e-01 -6.0789510607719421e-02 - <_> - - 0 -1 8209 7.6856701634824276e-03 - - 4.2229469865560532e-02 -1.2583130598068237e-01 - <_> - - 0 -1 8210 8.4121264517307281e-03 - - -4.6872619539499283e-02 1.3011389970779419e-01 - <_> - - 0 -1 8211 7.5839929282665253e-02 - - -9.2988023534417152e-03 2.4260810017585754e-01 - <_> - - 0 -1 8212 8.6365960305556655e-04 - - 9.1133847832679749e-02 -6.1323560774326324e-02 - <_> - - 0 -1 8213 -1.0632569901645184e-02 - - -6.7818403244018555e-02 1.9036499783396721e-02 - <_> - - 0 -1 8214 -1.4120140112936497e-02 - - 2.9123929142951965e-01 -1.7482239753007889e-02 - <_> - - 0 -1 8215 2.0944620482623577e-03 - - -1.1744289845228195e-01 5.4129518568515778e-02 - <_> - - 0 -1 8216 4.2378879152238369e-03 - - 3.8495510816574097e-02 -1.4472819864749908e-01 - <_> - - 0 -1 8217 -2.2818730212748051e-03 - - -1.1576230078935623e-01 2.7663499116897583e-02 - <_> - - 0 -1 8218 9.4367301790043712e-04 - - -9.4088926911354065e-02 5.3373821079730988e-02 - <_> - - 0 -1 8219 1.4890190213918686e-02 - - -1.1562420055270195e-02 1.0941980034112930e-01 - <_> - - 0 -1 8220 5.2381302230060101e-03 - - 3.5265430808067322e-02 -1.5212060511112213e-01 - <_> - - 0 -1 8221 1.2663690140470862e-03 - - -3.3352568745613098e-02 7.9812049865722656e-02 - <_> - - 0 -1 8222 -5.3786882199347019e-03 - - 2.0934769511222839e-01 -2.4073069915175438e-02 - <_> - - 0 -1 8223 -1.9063480431213975e-03 - - -2.0774979889392853e-01 2.5406830012798309e-02 - <_> - - 0 -1 8224 3.0771149322390556e-03 - - -5.1940180361270905e-02 1.0475979745388031e-01 - <_> - - 0 -1 8225 9.5619028434157372e-03 - - 3.0633790418505669e-02 -1.0758169740438461e-01 - <_> - - 0 -1 8226 2.0540829747915268e-02 - - -2.2028919309377670e-02 2.3570840060710907e-01 - <_> - - 0 -1 8227 7.0854742079973221e-03 - - -4.7188248485326767e-02 8.4122747182846069e-02 - <_> - - 0 -1 8228 -6.2047559767961502e-03 - - -1.2209820002317429e-01 4.5177329331636429e-02 - <_> - - 0 -1 8229 -2.3474119603633881e-02 - - -2.8770458698272705e-01 1.0876529850065708e-02 - <_> - - 0 -1 8230 9.1368835419416428e-03 - - -3.3426750451326370e-02 2.0680120587348938e-01 - <_> - - 0 -1 8231 1.0512090520933270e-03 - - 4.7006800770759583e-02 -9.5018379390239716e-02 - <_> - - 0 -1 8232 -6.0899247182533145e-04 - - 5.3419198840856552e-02 -1.0444770008325577e-01 - <_> - - 0 -1 8233 -7.4382261373102665e-03 - - -4.8089329153299332e-02 1.9244499504566193e-02 - <_> - - 0 -1 8234 1.9495990127325058e-02 - - -3.0136700719594955e-02 2.0381480455398560e-01 - <_> - - 0 -1 8235 7.7799506485462189e-02 - - 4.2237630113959312e-03 -7.2407877445220947e-01 - <_> - - 0 -1 8236 3.1717489473521709e-03 - - 2.8818940743803978e-02 -1.6305699944496155e-01 - <_> - - 0 -1 8237 -3.9012718945741653e-02 - - -2.9151159524917603e-01 1.1131940409541130e-02 - <_> - - 0 -1 8238 -3.1845991034060717e-03 - - 6.3072219491004944e-02 -7.7291563153266907e-02 - <_> - - 0 -1 8239 1.7876720055937767e-02 - - 5.1196590065956116e-02 -3.7885930389165878e-02 - <_> - - 0 -1 8240 1.2821210548281670e-03 - - -5.7314708828926086e-02 8.7054982781410217e-02 - <_> - - 0 -1 8241 1.0710550099611282e-01 - - -1.5561000443994999e-02 3.1525009870529175e-01 - <_> - - 0 -1 8242 6.9577127695083618e-02 - - 8.9664813131093979e-03 -5.8589607477188110e-01 - <_> - - 0 -1 8243 -4.1071181185543537e-03 - - 9.5472246408462524e-02 -3.5176470875740051e-02 - <_> - - 0 -1 8244 -2.4557299911975861e-03 - - -1.6605280339717865e-01 3.7322919815778732e-02 - <_> - - 0 -1 8245 -2.0908420905470848e-02 - - 1.3989880681037903e-01 -2.9987450689077377e-02 - <_> - - 0 -1 8246 -8.1008402630686760e-03 - - -1.0529220104217529e-01 7.0245787501335144e-02 - <_> - - 0 -1 8247 -2.5671819224953651e-02 - - 4.4254720211029053e-01 -1.1081459932029247e-02 - <_> - - 0 -1 8248 -9.3759642913937569e-03 - - -6.0765031725168228e-02 8.1338323652744293e-02 - <_> - - 0 -1 8249 5.1140699535608292e-02 - - -1.0516249574720860e-02 3.4041538834571838e-01 - <_> - - 0 -1 8250 -4.0337219834327698e-03 - - 8.5099473595619202e-02 -6.3421532511711121e-02 - <_> - - 0 -1 8251 3.3258409239351749e-03 - - -8.4625139832496643e-02 4.7368369996547699e-02 - <_> - - 0 -1 8252 -3.9332117885351181e-03 - - -1.2637099623680115e-01 4.2450599372386932e-02 - <_> - - 0 -1 8253 -4.7937841154634953e-03 - - -4.2527411133050919e-02 2.5126809254288673e-02 - <_> - - 0 -1 8254 2.5972370058298111e-03 - - 4.1884120553731918e-02 -1.4374159276485443e-01 - <_> - - 0 -1 8255 5.2807550877332687e-02 - - -1.2467020191252232e-02 4.0223389863967896e-01 - <_> - - 0 -1 8256 -8.1413555890321732e-03 - - -1.2783770263195038e-01 3.8975879549980164e-02 - <_> - - 0 -1 8257 2.9801739379763603e-02 - - -1.6747390851378441e-02 1.2424229830503464e-01 - <_> - - 0 -1 8258 -8.9907720685005188e-02 - - 3.1418469548225403e-01 -1.8360419198870659e-02 - <_> - - 0 -1 8259 1.7845210433006287e-01 - - 1.0455190204083920e-02 -3.2048919796943665e-01 - <_> - - 0 -1 8260 1.8588220700621605e-02 - - -3.8541439920663834e-02 1.5135329961776733e-01 - <_> - - 0 -1 8261 -4.5074601075612009e-05 - - 5.0462849438190460e-02 -5.6574851274490356e-02 - <_> - - 0 -1 8262 3.8339050952345133e-03 - - 4.7501549124717712e-02 -1.4327140152454376e-01 - <_> - - 0 -1 8263 8.8608250021934509e-02 - - -3.3567149657756090e-03 5.8598208427429199e-01 - <_> - - 0 -1 8264 -7.0611469447612762e-02 - - 6.0292667150497437e-01 -8.3463769406080246e-03 - <_> - - 0 -1 8265 -1.3958199322223663e-01 - - -9.1693513095378876e-02 1.5311989933252335e-02 - <_> - - 0 -1 8266 7.6274941675364971e-03 - - -4.0825009346008301e-02 1.1937720328569412e-01 - <_> - - 0 -1 8267 -7.0419587194919586e-02 - - -6.6531497240066528e-01 2.6815559249371290e-03 - <_> - - 0 -1 8268 2.2952680010348558e-03 - - -7.9496517777442932e-02 5.7034268975257874e-02 - <_> - - 0 -1 8269 3.6756680347025394e-03 - - -2.9180280864238739e-02 5.6333038955926895e-02 - <_> - - 0 -1 8270 4.6072501689195633e-02 - - 1.9100179895758629e-02 -2.9163768887519836e-01 - <_> - - 0 -1 8271 2.1738489158451557e-03 - - -2.6912130415439606e-02 2.0199960470199585e-01 - <_> - - 0 -1 8272 -5.3164511919021606e-03 - - 9.3022979795932770e-02 -7.1548640727996826e-02 - <_> - - 0 -1 8273 -1.1198960244655609e-02 - - -1.0618919879198074e-01 4.8395581543445587e-02 - <_> - - 0 -1 8274 1.7013610340654850e-03 - - -1.3111209869384766e-01 4.3086219578981400e-02 - <_> - - 0 -1 8275 -1.1626269668340683e-02 - - 1.5684530138969421e-01 -2.4698950350284576e-02 - <_> - - 0 -1 8276 9.3881830573081970e-02 - - -1.2058589607477188e-02 3.7941938638687134e-01 - <_> - - 0 -1 8277 1.2041090056300163e-02 - - 2.9569109901785851e-02 -1.3328549265861511e-01 - <_> - - 0 -1 8278 -4.1863098740577698e-03 - - 6.7244023084640503e-02 -7.2228990495204926e-02 - <_> - - 0 -1 8279 8.8373906910419464e-02 - - 7.5915241613984108e-03 -6.2512797117233276e-01 - <_> - - 0 -1 8280 -1.4876410365104675e-02 - - 1.1762090027332306e-01 -4.3840218335390091e-02 - <_> - - 0 -1 8281 1.3433529995381832e-02 - - 1.9615789875388145e-02 -1.1923760175704956e-01 - <_> - - 0 -1 8282 1.5091040730476379e-01 - - -9.9040074273943901e-03 5.6262481212615967e-01 - <_> - - 0 -1 8283 -1.7507839947938919e-02 - - -2.3439739644527435e-01 1.8828360363841057e-02 - <_> - - 0 -1 8284 -1.4707089960575104e-01 - - -7.4530661106109619e-01 7.0233740843832493e-03 - <_> - - 0 -1 8285 3.1485889106988907e-02 - - -3.6193220876157284e-03 6.9215708971023560e-01 - <_> - - 0 -1 8286 -1.6217399388551712e-04 - - 4.6460039913654327e-02 -1.0642550140619278e-01 - <_> - - 0 -1 8287 5.6881760247051716e-04 - - -2.8816150501370430e-02 7.4378728866577148e-02 - <_> - - 0 -1 8288 -1.9876200705766678e-02 - - -2.0997400581836700e-01 2.3018810898065567e-02 - <_> - - 0 -1 8289 -8.7401196360588074e-03 - - 1.7325100302696228e-01 -3.5786859691143036e-02 - <_> - - 0 -1 8290 -5.0579208880662918e-02 - - -5.2024918794631958e-01 9.2388605698943138e-03 - <_> - - 0 -1 8291 9.3982152640819550e-02 - - 3.4048059023916721e-03 -2.9207429289817810e-01 - <_> - - 0 -1 8292 -1.3326539658010006e-02 - - 1.3661830127239227e-01 -3.4405559301376343e-02 - <_> - - 0 -1 8293 -2.2472620010375977e-02 - - -2.5913679599761963e-01 1.1266170069575310e-02 - <_> - - 0 -1 8294 -4.1125040501356125e-02 - - -6.6921561956405640e-01 7.3854308575391769e-03 - <_> - - 0 -1 8295 6.9720767438411713e-02 - - 5.0764488987624645e-03 -2.4747189879417419e-01 - <_> - - 0 -1 8296 2.5198599323630333e-02 - - -1.5660049393773079e-02 2.9408401250839233e-01 - <_> - - 0 -1 8297 4.2568319477140903e-03 - - 3.8112118840217590e-02 -1.2368690222501755e-01 - <_> - - 0 -1 8298 -1.2679009698331356e-02 - - -1.9976189732551575e-01 2.8806639835238457e-02 - <_> - - 0 -1 8299 -1.6080659627914429e-01 - - 1.8710459768772125e-01 -8.2025080919265747e-03 - <_> - - 0 -1 8300 1.2181399762630463e-01 - - -1.0855929926037788e-02 4.5412290096282959e-01 - <_> - - 0 -1 8301 2.8687159065157175e-03 - - -9.8563097417354584e-03 1.9689890742301941e-01 - <_> - - 0 -1 8302 -3.4924471401609480e-04 - - 4.7955259680747986e-02 -1.2549050152301788e-01 - <_> - - 0 -1 8303 4.3789181858301163e-02 - - 5.1197651773691177e-03 -6.6044712066650391e-01 - <_> - - 0 -1 8304 4.9425449222326279e-02 - - 7.9704420641064644e-03 -5.1537191867828369e-01 - <_> - - 0 -1 8305 1.2263789772987366e-02 - - 9.8127601668238640e-03 -1.6274920105934143e-01 - <_> - - 0 -1 8306 -6.7564379423856735e-03 - - -6.6992767155170441e-02 7.8426092863082886e-02 - <_> - - 0 -1 8307 1.9599240273237228e-02 - - -2.4508479982614517e-02 1.7892380058765411e-01 - <_> - - 0 -1 8308 1.3520059874281287e-03 - - -7.5853422284126282e-02 5.7282470166683197e-02 - <_> - - 0 -1 8309 5.1610758528113365e-03 - - 5.0592619925737381e-02 -9.6658922731876373e-02 - <_> - - 0 -1 8310 2.7124589309096336e-02 - - -1.3078499585390091e-02 3.3894819021224976e-01 - <_> - - 0 -1 8311 -7.3659062385559082e-02 - - -9.0775561332702637e-01 5.3760888986289501e-03 - <_> - - 0 -1 8312 -2.7619479224085808e-03 - - 1.3446320593357086e-01 -3.4483309835195541e-02 - <_> - - 0 -1 8313 -1.5638889744877815e-03 - - -1.9992120563983917e-01 1.4003699645400047e-02 - <_> - - 0 -1 8314 4.0559601038694382e-03 - - 5.3183209151029587e-02 -1.0070829838514328e-01 - <_> - - 0 -1 8315 -3.2189621124416590e-03 - - 6.2624312937259674e-02 -3.0276089906692505e-02 - <_> - - 0 -1 8316 4.1666622273623943e-03 - - -9.1761156916618347e-02 5.8400500565767288e-02 - <_> - - 0 -1 8317 2.0393060520291328e-02 - - 4.8048538155853748e-03 -3.8386350870132446e-01 - <_> - - 0 -1 8318 -9.9844802170991898e-03 - - -6.9473296403884888e-02 7.0034191012382507e-02 - <_> - - 0 -1 8319 1.9515320658683777e-02 - - -3.4106500446796417e-02 1.0831409692764282e-01 - <_> - - 0 -1 8320 8.7807718664407730e-03 - - 3.6990050226449966e-02 -1.3089330494403839e-01 - <_> - - 0 -1 8321 1.7314519500359893e-03 - - -4.2123470455408096e-02 8.4982097148895264e-02 - <_> - - 0 -1 8322 -2.6709519326686859e-02 - - 3.2326829433441162e-01 -1.5427160076797009e-02 - <_> - - 0 -1 8323 7.8696580603718758e-03 - - 3.1361158937215805e-02 -1.0568609833717346e-01 - <_> - - 0 -1 8324 3.2152980566024780e-03 - - -6.5161801874637604e-02 7.6189488172531128e-02 - <_> - - 0 -1 8325 -2.3215120658278465e-02 - - 2.2522650659084320e-01 -1.4838770031929016e-02 - <_> - - 0 -1 8326 -4.4935368932783604e-03 - - -1.3131460547447205e-01 4.2855940759181976e-02 - <_> - - 0 -1 8327 -1.1850389651954174e-02 - - 1.4825740456581116e-01 -2.9456850141286850e-02 - <_> - - 0 -1 8328 -9.3039282364770770e-04 - - 7.9329937696456909e-02 -7.5784526765346527e-02 - <_> - - 0 -1 8329 -7.2138011455535889e-04 - - 2.2042410448193550e-02 -2.0893280208110809e-01 - <_> - - 0 -1 8330 1.3078770041465759e-01 - - -1.2214420363306999e-02 4.3224608898162842e-01 - <_> - - 0 -1 8331 2.7863389253616333e-01 - - -7.4468360980972648e-04 9.9999761581420898e-01 - <_> - - 0 -1 8332 -4.0815200656652451e-02 - - -6.1310279369354248e-01 8.2405265420675278e-03 - <_> - - 0 -1 8333 1.5054940013214946e-03 - - -1.8053399398922920e-02 6.5230727195739746e-02 - <_> - - 0 -1 8334 6.5729310736060143e-03 - - 3.0967630445957184e-02 -1.5021359920501709e-01 - <_> - - 0 -1 8335 -1.4033170044422150e-01 - - -4.4641208648681641e-01 5.0997259095311165e-03 - <_> - - 0 -1 8336 -1.2781560420989990e-02 - - 1.2579609453678131e-01 -4.6258769929409027e-02 - <_> - - 0 -1 8337 1.3383819721639156e-02 - - 7.5233832001686096e-02 -2.9858419671654701e-02 - <_> - - 0 -1 8338 9.5225386321544647e-03 - - -4.4135529547929764e-02 1.0822969675064087e-01 - <_> - - 0 -1 8339 -7.2484686970710754e-02 - - -1. 1.3005880173295736e-03 - <_> - - 0 -1 8340 3.6246789386495948e-04 - - -6.6878542304039001e-02 7.3916479945182800e-02 - <_> - - 0 -1 8341 -1.5511980280280113e-02 - - -1.8414540588855743e-01 1.5999039635062218e-02 - <_> - - 0 -1 8342 5.1146611571311951e-02 - - -9.4361994415521622e-03 5.4720860719680786e-01 - <_> - - 0 -1 8343 -8.9448272774461657e-05 - - 3.2970890402793884e-02 -4.5103389769792557e-02 - <_> - - 0 -1 8344 1.0151580208912492e-03 - - 4.8603180795907974e-02 -9.8257049918174744e-02 - <_> - - 0 -1 8345 5.3570970892906189e-02 - - 1.0325700044631958e-02 -1.4304420351982117e-01 - <_> - - 0 -1 8346 1.2302629649639130e-01 - - -5.2219899371266365e-03 8.6903452873229980e-01 - <_> - - 0 -1 8347 -6.0005468549206853e-04 - - 5.3572040051221848e-02 -5.8203268796205521e-02 - <_> - - 0 -1 8348 -4.4715698808431625e-02 - - 4.4988310337066650e-01 -1.0549419559538364e-02 - <_> - - 0 -1 8349 6.3781379722058773e-03 - - 2.6184290647506714e-02 -1.0640030354261398e-01 - <_> - - 0 -1 8350 -5.6618300732225180e-04 - - 5.7264849543571472e-02 -7.7750243246555328e-02 - <_> - - 0 -1 8351 -1.5853339573368430e-04 - - 2.5316949933767319e-02 -5.7189941406250000e-02 - <_> - - 0 -1 8352 -4.9790769815444946e-02 - - -3.7127709388732910e-01 1.3125170022249222e-02 - <_> - - 0 -1 8353 -1.0477020405232906e-02 - - 8.4245949983596802e-02 -3.6731608211994171e-02 - <_> - - 0 -1 8354 -9.0497080236673355e-03 - - -1.6894440352916718e-01 2.8471369296312332e-02 - <_> - - 0 -1 8355 -3.5202078521251678e-02 - - -4.3810841441154480e-01 5.8491500094532967e-03 - <_> - - 0 -1 8356 -2.0730090327560902e-03 - - 9.4890840351581573e-02 -5.3059589117765427e-02 - <_> - - 0 -1 8357 -5.0727208144962788e-03 - - -1.1221739649772644e-01 4.4165991246700287e-02 - <_> - - 0 -1 8358 2.5876651052385569e-03 - - -5.5557820945978165e-02 1.1426319926977158e-01 - <_> - - 0 -1 8359 -2.4757650680840015e-03 - - -4.8213180154561996e-02 3.1529899686574936e-02 - <_> - - 0 -1 8360 -1.2912530452013016e-02 - - 1.1486659944057465e-01 -3.8589760661125183e-02 - <_> - - 0 -1 8361 7.0194348692893982e-02 - - 3.5798270255327225e-03 -7.3008167743682861e-01 - <_> - - 0 -1 8362 -1.2016300112009048e-01 - - -6.7217922210693359e-01 5.8088749647140503e-03 - <_> - - 0 -1 8363 1.3109490275382996e-01 - - 1.5340699814260006e-02 -1.2917870283126831e-01 - <_> - - 0 -1 8364 -1.1350499838590622e-01 - - 4.7297981381416321e-01 -1.0574280284345150e-02 - <_> - - 0 -1 8365 -7.1533523499965668e-02 - - -3.4910291433334351e-01 9.8157208412885666e-03 - <_> - - 0 -1 8366 1.5889670699834824e-02 - - -3.0149290338158607e-02 1.5134809911251068e-01 - <_> - - 0 -1 8367 2.6840370893478394e-01 - - 9.9974423646926880e-03 -1.2243749946355820e-01 - <_> - - 0 -1 8368 -1.4922569692134857e-01 - - -1.5773139894008636e-01 2.7682509273290634e-02 - <_> - - 0 -1 8369 -2.2858489304780960e-02 - - 1.7340719699859619e-01 -2.1124770864844322e-02 - <_> - - 0 -1 8370 -9.0983451809734106e-04 - - 5.5269908159971237e-02 -8.5052981972694397e-02 - <_> - - 0 -1 8371 -1.1462160386145115e-02 - - -1.4397600293159485e-01 1.3809709809720516e-02 - <_> - - 0 -1 8372 8.7118431925773621e-02 - - 6.4688520506024361e-03 -7.2809070348739624e-01 - <_> - - 0 -1 8373 5.3810589015483856e-02 - - -2.8251519426703453e-02 1.3615800440311432e-01 - <_> - - 0 -1 8374 -1.6928049735724926e-03 - - -1.0114800184965134e-01 5.2096601575613022e-02 - <_> - - 0 -1 8375 -1.4526920393109322e-02 - - -1.0613209754228592e-01 2.7218030765652657e-02 - <_> - - 0 -1 8376 -5.9082340449094772e-03 - - 1.1257000267505646e-01 -6.1032701283693314e-02 - <_> - - 0 -1 8377 -2.1421469748020172e-02 - - -1.5464189648628235e-01 1.1853870004415512e-02 - <_> - - 0 -1 8378 8.0171570181846619e-02 - - 5.5826799944043159e-03 -8.2389092445373535e-01 - <_> - - 0 -1 8379 -1.0931739816442132e-03 - - -7.8393906354904175e-02 1.3433099724352360e-02 - <_> - - 0 -1 8380 4.1605130536481738e-04 - - -4.3186139315366745e-02 1.0500840097665787e-01 - <_> - - 0 -1 8381 -2.8376420959830284e-03 - - 7.8960210084915161e-02 -4.2247280478477478e-02 - <_> - - 0 -1 8382 -2.8522519394755363e-02 - - -1.0722970217466354e-01 4.7789189964532852e-02 - <_> - - 0 -1 8383 4.0068081021308899e-01 - - -5.7991011999547482e-03 3.0695509910583496e-01 - <_> - - 0 -1 8384 -8.1703867763280869e-03 - - 1.0851760208606720e-01 -5.6153468787670135e-02 - <_> - - 0 -1 8385 9.3125440180301666e-03 - - -4.4560939073562622e-02 4.3634049594402313e-02 - <_> - - 0 -1 8386 5.8274720795452595e-03 - - 3.1310841441154480e-02 -1.6053420305252075e-01 - <_> - - 0 -1 8387 -2.9063750989735126e-03 - - 3.7148229777812958e-02 -2.7310580015182495e-02 - <_> - - 0 -1 8388 1.6421969980001450e-02 - - -3.1616371124982834e-02 1.6195470094680786e-01 - <_> - - 0 -1 8389 -1.3876060023903847e-02 - - -1.7840880155563354e-01 2.6925239711999893e-02 - <_> - - 0 -1 8390 -2.9935980215668678e-02 - - 2.0069709420204163e-01 -2.7372730895876884e-02 - <_> - - 0 -1 8391 8.1381313502788544e-03 - - 4.0951769798994064e-02 -7.4756972491741180e-02 - <_> - - 0 -1 8392 -5.8591389097273350e-03 - - -1.2337020039558411e-01 3.9641879498958588e-02 - <_> - - 0 -1 8393 7.1592196822166443e-02 - - -1.0293760336935520e-02 2.2391259670257568e-01 - <_> - - 0 -1 8394 5.0111521035432816e-02 - - 2.4072999134659767e-02 -2.1443809568881989e-01 - <_> - - 0 -1 8395 4.2603579349815845e-03 - - -2.3712050169706345e-02 7.3603406548500061e-02 - <_> - - 0 -1 8396 6.5065422095358372e-03 - - -6.7402780055999756e-02 7.6926141977310181e-02 - <_> - - 0 -1 8397 2.0325470250099897e-03 - - -9.9664673209190369e-02 5.7994231581687927e-02 - <_> - - 0 -1 8398 -9.3465158715844154e-03 - - 1.9432920217514038e-01 -3.1387709081172943e-02 - <_> - - 0 -1 8399 9.5768114551901817e-03 - - 2.2594990208745003e-02 -1.6090850532054901e-01 - <_> - - 0 -1 8400 -4.6763911843299866e-02 - - -3.5020270943641663e-01 1.5035149641335011e-02 - <_> - - 0 -1 8401 -5.0164870917797089e-02 - - 1.2763389945030212e-01 -1.1035620234906673e-02 - <_> - - 0 -1 8402 2.3148149251937866e-02 - - -2.4636579677462578e-02 2.0264349877834320e-01 - <_> - - 0 -1 8403 -7.4168562889099121e-02 - - -9.4854289293289185e-01 2.2216918878257275e-03 - <_> - - 0 -1 8404 -2.0698629319667816e-02 - - -2.4585549533367157e-01 2.1370820701122284e-02 - <_> - - 0 -1 8405 -5.8187540620565414e-02 - - 3.0531001091003418e-01 -8.1265745684504509e-03 - <_> - - 0 -1 8406 -5.2451588213443756e-02 - - 5.0567781925201416e-01 -9.7108660265803337e-03 - <_> - - 0 -1 8407 -4.6721640974283218e-02 - - 8.0896109342575073e-01 -1.8908439669758081e-03 - <_> - - 0 -1 8408 -1.0385509580373764e-02 - - -2.8369909524917603e-01 1.9166229292750359e-02 - <_> - - 0 -1 8409 5.4432367905974388e-03 - - 4.1430719196796417e-02 -1.6033279895782471e-01 - <_> - - 0 -1 8410 2.4030160158872604e-02 - - -4.3751548975706100e-02 1.0553020238876343e-01 - <_> - - 0 -1 8411 -2.6430420577526093e-02 - - -8.7448269128799438e-02 2.8769830241799355e-02 - <_> - - 0 -1 8412 4.8743681982159615e-03 - - 3.5032961517572403e-02 -1.5881679952144623e-01 - <_> - - 0 -1 8413 -2.5106489192694426e-03 - - 8.8161677122116089e-02 -3.0205590650439262e-02 - <_> - - 0 -1 8414 -5.2146320231258869e-03 - - -1.1350130289793015e-01 4.2001061141490936e-02 - <_> - - 0 -1 8415 -1.0986009612679482e-02 - - 8.4428779780864716e-02 -3.8272839039564133e-02 - <_> - - 0 -1 8416 -6.0057129710912704e-02 - - -7.9249101877212524e-01 5.2951448597013950e-03 - <_> - - 0 -1 8417 1.3621809892356396e-02 - - -1.7419820651412010e-02 2.1612060070037842e-01 - <_> - - 0 -1 8418 -2.2223800420761108e-02 - - 2.6721641421318054e-01 -2.0207190886139870e-02 - <_> - - 0 -1 8419 5.8124359697103500e-02 - - 6.0539757832884789e-03 -4.0927109122276306e-01 - <_> - - 0 -1 8420 -2.8097970411181450e-02 - - -1.1217900365591049e-01 5.4144639521837234e-02 - <_> - - 0 -1 8421 6.5278373658657074e-02 - - -7.4973162263631821e-03 1.2384270131587982e-01 - <_> - - 0 -1 8422 -2.5233640335500240e-03 - - -1.8224379420280457e-01 2.4537850171327591e-02 - <_> - - 0 -1 8423 1.1478599905967712e-01 - - 1.9617579877376556e-02 -1.1905120313167572e-01 - <_> - - 0 -1 8424 9.6991509199142456e-03 - - -5.3946550935506821e-02 1.1180210113525391e-01 - <_> - - 0 -1 8425 2.9359150677919388e-02 - - -2.3395609110593796e-02 1.8534250557422638e-01 - <_> - - 0 -1 8426 7.8490097075700760e-03 - - 1.6454109549522400e-01 -4.2129490524530411e-02 - <_> - - 0 -1 8427 4.0329899638891220e-03 - - 2.4495590478181839e-02 -6.5955489873886108e-02 - <_> - - 0 -1 8428 2.1471390128135681e-01 - - -1.0462880134582520e-02 4.7438031435012817e-01 - <_> - - 0 -1 8429 -2.2316209506243467e-03 - - 4.9796439707279205e-02 -1.0328280180692673e-01 - <_> - - 0 -1 8430 2.1833330392837524e-02 - - -5.3884848952293396e-02 9.3277551233768463e-02 - <_> - - 0 -1 8431 2.4430779740214348e-02 - - 1.5706099569797516e-02 -2.8244438767433167e-01 - <_> - - 0 -1 8432 1.2532520107924938e-02 - - -3.0983900651335716e-02 1.5599699318408966e-01 - <_> - - 0 -1 8433 7.9741179943084717e-03 - - 2.6650540530681610e-02 -1.3689580559730530e-01 - <_> - - 0 -1 8434 7.9444557428359985e-02 - - 6.4238710328936577e-03 -7.8485661745071411e-01 - <_> - - 0 -1 8435 -1.7925030551850796e-03 - - 3.9645589888095856e-02 -1.1497259885072708e-01 - <_> - - 0 -1 8436 -9.0927572455257177e-04 - - 6.3256889581680298e-02 -7.5250372290611267e-02 - <_> - - 0 -1 8437 -2.6040049269795418e-02 - - 1.4864259958267212e-01 -1.8506240099668503e-02 - <_> - - 0 -1 8438 4.1452320292592049e-03 - - 3.3959619700908661e-02 -1.4355990290641785e-01 - <_> - - 0 -1 8439 5.7123368605971336e-04 - - -6.8550966680049896e-02 6.9944731891155243e-02 - <_> - - 0 -1 8440 -4.9577720463275909e-02 - - 3.9880838990211487e-01 -1.1339910328388214e-02 - <_> - - 0 -1 8441 -1.5334860421717167e-02 - - -8.3445623517036438e-02 3.2276369631290436e-02 - <_> - - 0 -1 8442 -1.7406089231371880e-02 - - 1.3560940325260162e-01 -3.1945578753948212e-02 - <_> - - 0 -1 8443 -2.1422259509563446e-02 - - -1.1050239950418472e-01 2.8536040335893631e-02 - <_> - - 0 -1 8444 1.9694769289344549e-03 - - 4.3834108859300613e-02 -1.0551860183477402e-01 - <_> - - 0 -1 8445 -1.9115379080176353e-02 - - 1.4690290391445160e-01 -1.5405310317873955e-02 - <_> - - 0 -1 8446 4.6963259577751160e-02 - - 8.1654358655214310e-03 -5.8734887838363647e-01 - <_> - - 0 -1 8447 2.0964320003986359e-01 - - 3.1721789855509996e-03 -8.0437898635864258e-01 - <_> - - 0 -1 8448 6.2511406838893890e-02 - - -1.6422789543867111e-02 3.0976039171218872e-01 - <_> - - 0 -1 8449 -1.0126180201768875e-01 - - -6.1639147996902466e-01 7.2699659503996372e-03 - <_> - - 0 -1 8450 3.3980670850723982e-03 - - -1.9664889201521873e-02 2.2541929781436920e-01 - <_> - - 0 -1 8451 -1.7059950157999992e-02 - - -1.7193520441651344e-02 6.9114550948143005e-02 - <_> - - 0 -1 8452 3.7455849815160036e-03 - - 5.1737461239099503e-02 -8.2748822867870331e-02 - <_> - - 0 -1 8453 8.7769806385040283e-02 - - -6.3681108877062798e-03 7.9492002725601196e-02 - <_> - - 0 -1 8454 2.3725361097604036e-03 - - -3.0487439036369324e-01 1.4520769938826561e-02 - <_> - - 0 -1 8455 -1.9282909110188484e-02 - - 1.8806980550289154e-01 -1.3220929540693760e-02 - <_> - - 0 -1 8456 3.8580079562962055e-03 - - 3.3978439867496490e-02 -1.2854169309139252e-01 - <_> - - 0 -1 8457 2.6525680441409349e-03 - - -3.9146900177001953e-02 9.9119357764720917e-02 - <_> - - 0 -1 8458 9.9175602197647095e-02 - - 5.0618657842278481e-03 -8.7370461225509644e-01 - <_> - - 0 -1 8459 -7.0648840628564358e-03 - - 8.5219286382198334e-02 -2.4467790499329567e-02 - <_> - - 0 -1 8460 -5.2547529339790344e-03 - - -1.2158469855785370e-01 3.7228528410196304e-02 - <_> - - 0 -1 8461 5.0068609416484833e-03 - - -3.5557191818952560e-02 7.8515462577342987e-02 - <_> - - 0 -1 8462 -6.8118162453174591e-02 - - -2.6292499899864197e-01 1.8325960263609886e-02 - <_> - - 0 -1 8463 9.3348289374262094e-04 - - -3.0107179656624794e-02 4.4869720935821533e-02 - <_> - - 0 -1 8464 -2.1996269933879375e-03 - - 1.1136700212955475e-01 -6.6201932728290558e-02 - <_> - - 0 -1 8465 -6.6485330462455750e-03 - - -7.8398697078227997e-02 2.0472070202231407e-02 - <_> - - 0 -1 8466 1.4126920141279697e-03 - - -5.2428670227527618e-02 8.9471399784088135e-02 - <_> - - 0 -1 8467 5.1406599581241608e-02 - - -1.4306739903986454e-03 6.3885271549224854e-01 - - <_> - - <_> - 2 7 14 4 -1. - <_> - 2 9 14 2 2. - <_> - - <_> - 1 2 18 4 -1. - <_> - 7 2 6 4 3. - <_> - - <_> - 5 5 9 5 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 3 6 14 9 -1. - <_> - 3 9 14 3 3. - <_> - - <_> - 1 1 18 5 -1. - <_> - 7 1 6 5 3. - <_> - - <_> - 4 6 12 8 -1. - <_> - 4 10 12 4 2. - <_> - - <_> - 9 5 6 10 -1. - <_> - 12 5 3 5 2. - <_> - 9 10 3 5 2. - <_> - - <_> - 4 0 11 9 -1. - <_> - 4 3 11 3 3. - <_> - - <_> - 12 5 4 8 -1. - <_> - 12 9 4 4 2. - <_> - - <_> - 4 5 10 10 -1. - <_> - 4 5 5 5 2. - <_> - 9 10 5 5 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 3 8 5 12 -1. - <_> - 3 14 5 6 2. - <_> - - <_> - 5 3 9 9 -1. - <_> - 5 6 9 3 3. - <_> - - <_> - 8 5 4 12 -1. - <_> - 8 11 4 6 2. - <_> - - <_> - 3 6 5 6 -1. - <_> - 3 9 5 3 2. - <_> - - <_> - 4 5 12 5 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 2 4 4 2. - <_> - 5 6 4 4 2. - <_> - - <_> - 8 12 10 8 -1. - <_> - 13 12 5 4 2. - <_> - 8 16 5 4 2. - <_> - - <_> - 4 9 3 10 -1. - <_> - 4 14 3 5 2. - <_> - - <_> - 0 4 20 10 -1. - <_> - 0 9 20 5 2. - <_> - - <_> - 3 0 13 9 -1. - <_> - 3 3 13 3 3. - <_> - - <_> - 10 1 4 11 -1. - <_> - 10 1 2 11 2. - <_> - - <_> - 6 1 4 11 -1. - <_> - 8 1 2 11 2. - <_> - - <_> - 4 6 12 8 -1. - <_> - 10 6 6 4 2. - <_> - 4 10 6 4 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 11 9 4 7 -1. - <_> - 11 9 2 7 2. - <_> - - <_> - 5 9 4 7 -1. - <_> - 7 9 2 7 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 9 20 2 3. - <_> - - <_> - 6 3 8 6 -1. - <_> - 6 6 8 3 2. - <_> - - <_> - 7 2 6 7 -1. - <_> - 9 2 2 7 3. - <_> - - <_> - 11 7 5 9 -1. - <_> - 11 10 5 3 3. - <_> - - <_> - 4 6 8 8 -1. - <_> - 4 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 9 5 6 8 -1. - <_> - 9 9 6 4 2. - <_> - - <_> - 4 10 5 6 -1. - <_> - 4 13 5 3 2. - <_> - - <_> - 12 0 6 5 -1. - <_> - 12 0 3 5 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 3 2 17 2 -1. - <_> - 3 3 17 1 2. - <_> - - <_> - 5 6 4 8 -1. - <_> - 5 10 4 4 2. - <_> - - <_> - 14 3 6 9 -1. - <_> - 14 3 3 9 2. - <_> - - <_> - 3 0 9 5 -1. - <_> - 6 0 3 5 3. - <_> - - <_> - 15 2 4 9 -1. - <_> - 15 2 2 9 2. - <_> - - <_> - 1 2 4 9 -1. - <_> - 3 2 2 9 2. - <_> - - <_> - 8 8 6 12 -1. - <_> - 8 12 6 4 3. - <_> - - <_> - 2 13 16 4 -1. - <_> - 2 13 8 2 2. - <_> - 10 15 8 2 2. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 7 8 2 3. - <_> - - <_> - 0 11 8 6 -1. - <_> - 0 13 8 2 3. - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 19 20 1 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 3 1 17 3 -1. - <_> - 3 2 17 1 3. - <_> - - <_> - 3 6 5 6 -1. - <_> - 3 9 5 3 2. - <_> - - <_> - 4 5 12 7 -1. - <_> - 8 5 4 7 3. - <_> - - <_> - 0 4 14 4 -1. - <_> - 0 4 7 2 2. - <_> - 7 6 7 2 2. - <_> - - <_> - 4 11 12 9 -1. - <_> - 4 14 12 3 3. - <_> - - <_> - 3 2 14 16 -1. - <_> - 3 2 7 8 2. - <_> - 10 10 7 8 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 3 1 10 16 -1. - <_> - 3 1 5 8 2. - <_> - 8 9 5 8 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 1 1 16 1 2. - <_> - - <_> - 2 10 16 4 -1. - <_> - 2 12 16 2 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 9 0 2 8 3. - <_> - - <_> - 5 3 10 9 -1. - <_> - 5 6 10 3 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 6 8 12 -1. - <_> - 10 10 8 4 3. - <_> - - <_> - 2 8 15 3 -1. - <_> - 2 9 15 1 3. - <_> - - <_> - 10 6 9 12 -1. - <_> - 10 10 9 4 3. - <_> - - <_> - 4 6 6 8 -1. - <_> - 4 10 6 4 2. - <_> - - <_> - 9 8 4 12 -1. - <_> - 9 12 4 4 3. - <_> - - <_> - 1 0 6 18 -1. - <_> - 4 0 3 18 2. - <_> - - <_> - 5 2 13 2 -1. - <_> - 5 3 13 1 2. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 6 0 8 12 -1. - <_> - 10 0 4 6 2. - <_> - 6 6 4 6 2. - <_> - - <_> - 2 1 6 10 -1. - <_> - 2 1 3 5 2. - <_> - 5 6 3 5 2. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 0 12 18 4 -1. - <_> - 0 12 9 2 2. - <_> - 9 14 9 2 2. - <_> - - <_> - 5 5 15 6 -1. - <_> - 5 7 15 2 3. - <_> - - <_> - 2 6 5 9 -1. - <_> - 2 9 5 3 3. - <_> - - <_> - 9 8 10 6 -1. - <_> - 14 8 5 3 2. - <_> - 9 11 5 3 2. - <_> - - <_> - 5 6 10 10 -1. - <_> - 5 6 5 5 2. - <_> - 10 11 5 5 2. - <_> - - <_> - 7 4 12 4 -1. - <_> - 7 6 12 2 2. - <_> - - <_> - 1 10 16 4 -1. - <_> - 1 10 8 2 2. - <_> - 9 12 8 2 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 6 0 3 17 -1. - <_> - 7 0 1 17 3. - <_> - - <_> - 9 4 4 16 -1. - <_> - 11 4 2 8 2. - <_> - 9 12 2 8 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 2 0 2 20 2. - <_> - - <_> - 13 2 6 13 -1. - <_> - 15 2 2 13 3. - <_> - - <_> - 6 1 6 18 -1. - <_> - 6 1 3 9 2. - <_> - 9 10 3 9 2. - <_> - - <_> - 15 0 4 13 -1. - <_> - 15 0 2 13 2. - <_> - - <_> - 5 6 3 14 -1. - <_> - 6 6 1 14 3. - <_> - - <_> - 14 2 6 13 -1. - <_> - 14 2 3 13 2. - <_> - - <_> - 1 2 18 3 -1. - <_> - 7 2 6 3 3. - <_> - - <_> - 5 5 11 8 -1. - <_> - 5 9 11 4 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 11 4 7 4 -1. - <_> - 11 6 7 2 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 1 0 18 20 -1. - <_> - 7 0 6 20 3. - <_> - - <_> - 5 3 10 9 -1. - <_> - 5 6 10 3 3. - <_> - - <_> - 14 3 6 11 -1. - <_> - 14 3 3 11 2. - <_> - - <_> - 3 9 4 10 -1. - <_> - 3 14 4 5 2. - <_> - - <_> - 8 1 12 19 -1. - <_> - 8 1 6 19 2. - <_> - - <_> - 0 1 12 19 -1. - <_> - 6 1 6 19 2. - <_> - - <_> - 8 4 4 16 -1. - <_> - 8 12 4 8 2. - <_> - - <_> - 9 8 4 12 -1. - <_> - 9 12 4 4 3. - <_> - - <_> - 6 2 8 12 -1. - <_> - 6 6 8 4 3. - <_> - - <_> - 7 7 6 13 -1. - <_> - 9 7 2 13 3. - <_> - - <_> - 0 6 7 6 -1. - <_> - 0 9 7 3 2. - <_> - - <_> - 1 8 19 3 -1. - <_> - 1 9 19 1 3. - <_> - - <_> - 5 0 3 14 -1. - <_> - 6 0 1 14 3. - <_> - - <_> - 10 3 10 6 -1. - <_> - 15 3 5 3 2. - <_> - 10 6 5 3 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 6 7 14 4 -1. - <_> - 13 7 7 2 2. - <_> - 6 9 7 2 2. - <_> - - <_> - 0 7 14 4 -1. - <_> - 0 7 7 2 2. - <_> - 7 9 7 2 2. - <_> - - <_> - 10 6 9 12 -1. - <_> - 10 10 9 4 3. - <_> - - <_> - 4 10 8 4 -1. - <_> - 8 10 4 4 2. - <_> - - <_> - 11 14 8 6 -1. - <_> - 11 16 8 2 3. - <_> - - <_> - 2 7 13 2 -1. - <_> - 2 8 13 1 2. - <_> - - <_> - 3 14 14 4 -1. - <_> - 10 14 7 2 2. - <_> - 3 16 7 2 2. - <_> - - <_> - 0 11 6 9 -1. - <_> - 3 11 3 9 2. - <_> - - <_> - 5 9 13 2 -1. - <_> - 5 10 13 1 2. - <_> - - <_> - 3 0 7 9 -1. - <_> - 3 3 7 3 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 5 4 9 5 -1. - <_> - 8 4 3 5 3. - <_> - - <_> - 11 10 7 4 -1. - <_> - 11 12 7 2 2. - <_> - - <_> - 2 5 8 15 -1. - <_> - 2 10 8 5 3. - <_> - - <_> - 10 11 5 6 -1. - <_> - 10 14 5 3 2. - <_> - - <_> - 5 11 5 6 -1. - <_> - 5 14 5 3 2. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 1 14 12 -1. - <_> - 0 1 7 6 2. - <_> - 7 7 7 6 2. - <_> - - <_> - 10 10 10 9 -1. - <_> - 10 13 10 3 3. - <_> - - <_> - 0 10 10 9 -1. - <_> - 0 13 10 3 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 8 5 4 10 -1. - <_> - 10 5 2 10 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 7 1 4 14 -1. - <_> - 9 1 2 14 2. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 3 8 15 3 -1. - <_> - 8 8 5 3 3. - <_> - - <_> - 6 15 8 4 -1. - <_> - 6 17 8 2 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 15 0 4 11 -1. - <_> - 15 0 2 11 2. - <_> - - <_> - 7 0 4 18 -1. - <_> - 7 0 2 9 2. - <_> - 9 9 2 9 2. - <_> - - <_> - 12 2 8 18 -1. - <_> - 16 2 4 9 2. - <_> - 12 11 4 9 2. - <_> - - <_> - 4 2 12 18 -1. - <_> - 4 2 6 9 2. - <_> - 10 11 6 9 2. - <_> - - <_> - 4 6 12 6 -1. - <_> - 4 9 12 3 2. - <_> - - <_> - 0 9 18 4 -1. - <_> - 0 9 9 2 2. - <_> - 9 11 9 2 2. - <_> - - <_> - 2 0 18 4 -1. - <_> - 11 0 9 2 2. - <_> - 2 2 9 2 2. - <_> - - <_> - 1 0 4 11 -1. - <_> - 3 0 2 11 2. - <_> - - <_> - 16 0 4 15 -1. - <_> - 16 0 2 15 2. - <_> - - <_> - 0 2 6 11 -1. - <_> - 3 2 3 11 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 2 17 15 3 -1. - <_> - 7 17 5 3 3. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 3 9 14 8 -1. - <_> - 3 13 14 4 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 3 7 14 6 -1. - <_> - 3 9 14 2 3. - <_> - - <_> - 3 10 6 8 -1. - <_> - 5 10 2 8 3. - <_> - - <_> - 0 5 20 8 -1. - <_> - 10 5 10 4 2. - <_> - 0 9 10 4 2. - <_> - - <_> - 0 5 16 8 -1. - <_> - 0 9 16 4 2. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 2 6 15 5 -1. - <_> - 7 6 5 5 3. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 6 8 8 12 -1. - <_> - 10 8 4 6 2. - <_> - 6 14 4 6 2. - <_> - - <_> - 1 1 7 4 -1. - <_> - 1 3 7 2 2. - <_> - - <_> - 0 0 20 8 -1. - <_> - 10 0 10 4 2. - <_> - 0 4 10 4 2. - <_> - - <_> - 5 3 5 9 -1. - <_> - 5 6 5 3 3. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 3 4 4 2. - <_> - - <_> - 1 10 7 4 -1. - <_> - 1 12 7 2 2. - <_> - - <_> - 5 10 12 6 -1. - <_> - 11 10 6 3 2. - <_> - 5 13 6 3 2. - <_> - - <_> - 1 3 8 4 -1. - <_> - 5 3 4 4 2. - <_> - - <_> - 6 0 9 5 -1. - <_> - 9 0 3 5 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 8 1 12 19 -1. - <_> - 8 1 6 19 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 0 3 10 6 -1. - <_> - 0 3 5 3 2. - <_> - 5 6 5 3 2. - <_> - - <_> - 6 5 8 8 -1. - <_> - 6 9 8 4 2. - <_> - - <_> - 7 13 5 6 -1. - <_> - 7 16 5 3 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 4 6 8 8 -1. - <_> - 4 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 2 5 16 6 -1. - <_> - 2 7 16 2 3. - <_> - - <_> - 5 7 10 12 -1. - <_> - 5 7 5 6 2. - <_> - 10 13 5 6 2. - <_> - - <_> - 6 11 13 3 -1. - <_> - 6 12 13 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 14 7 3 2. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 3 10 16 6 -1. - <_> - 11 10 8 3 2. - <_> - 3 13 8 3 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 3 8 3 12 2. - <_> - - <_> - 0 5 20 15 -1. - <_> - 0 10 20 5 3. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 3 6 5 9 -1. - <_> - 3 9 5 3 3. - <_> - - <_> - 10 10 6 5 -1. - <_> - 10 10 3 5 2. - <_> - - <_> - 4 10 6 5 -1. - <_> - 7 10 3 5 2. - <_> - - <_> - 13 4 6 9 -1. - <_> - 15 4 2 9 3. - <_> - - <_> - 1 4 6 7 -1. - <_> - 3 4 2 7 3. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 8 2. - <_> - - <_> - 2 5 12 12 -1. - <_> - 2 11 12 6 2. - <_> - - <_> - 3 1 14 6 -1. - <_> - 3 3 14 2 3. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 10 2 10 18 -1. - <_> - 10 2 5 18 2. - <_> - - <_> - 0 3 10 17 -1. - <_> - 5 3 5 17 2. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 8 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 10 10 10 6 -1. - <_> - 10 12 10 2 3. - <_> - - <_> - 5 11 5 9 -1. - <_> - 5 14 5 3 3. - <_> - - <_> - 5 18 13 2 -1. - <_> - 5 19 13 1 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 5 6 14 2 -1. - <_> - 5 6 7 2 2. - <_> - - <_> - 1 6 14 2 -1. - <_> - 8 6 7 2 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 10 10 4 4 2. - <_> - 6 14 4 4 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 9 6 4 14 -1. - <_> - 9 13 4 7 2. - <_> - - <_> - 3 7 12 5 -1. - <_> - 7 7 4 5 3. - <_> - - <_> - 3 13 14 3 -1. - <_> - 3 14 14 1 3. - <_> - - <_> - 1 0 16 4 -1. - <_> - 1 2 16 2 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 1 6 8 -1. - <_> - 3 1 3 8 2. - <_> - - <_> - 14 0 6 9 -1. - <_> - 14 0 3 9 2. - <_> - - <_> - 0 0 6 9 -1. - <_> - 3 0 3 9 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 1 9 9 8 -1. - <_> - 4 9 3 8 3. - <_> - - <_> - 2 0 16 2 -1. - <_> - 2 1 16 1 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 1 16 10 3 -1. - <_> - 6 16 5 3 2. - <_> - - <_> - 9 5 3 12 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 3 4 14 12 -1. - <_> - 3 4 7 6 2. - <_> - 10 10 7 6 2. - <_> - - <_> - 6 6 9 8 -1. - <_> - 6 10 9 4 2. - <_> - - <_> - 0 7 7 4 -1. - <_> - 0 9 7 2 2. - <_> - - <_> - 16 3 4 8 -1. - <_> - 16 3 2 8 2. - <_> - - <_> - 0 3 6 10 -1. - <_> - 3 3 3 10 2. - <_> - - <_> - 5 4 10 6 -1. - <_> - 5 6 10 2 3. - <_> - - <_> - 4 5 12 4 -1. - <_> - 8 5 4 4 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 3 14 15 6 -1. - <_> - 3 17 15 3 2. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 13 7 2 2. - <_> - - <_> - 5 9 12 6 -1. - <_> - 11 9 6 3 2. - <_> - 5 12 6 3 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 1 0 19 9 -1. - <_> - 1 3 19 3 3. - <_> - - <_> - 1 11 16 3 -1. - <_> - 1 12 16 1 3. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 3 6 15 5 -1. - <_> - 8 6 5 5 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 2 11 7 6 -1. - <_> - 2 14 7 3 2. - <_> - - <_> - 12 11 5 6 -1. - <_> - 12 14 5 3 2. - <_> - - <_> - 4 5 3 15 -1. - <_> - 4 10 3 5 3. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 7 10 10 9 -1. - <_> - 7 13 10 3 3. - <_> - - <_> - 2 6 16 10 -1. - <_> - 2 6 8 5 2. - <_> - 10 11 8 5 2. - <_> - - <_> - 0 9 20 4 -1. - <_> - 10 9 10 2 2. - <_> - 0 11 10 2 2. - <_> - - <_> - 4 6 4 7 -1. - <_> - 6 6 2 7 2. - <_> - - <_> - 18 0 2 20 -1. - <_> - 18 0 1 20 2. - <_> - - <_> - 3 1 13 2 -1. - <_> - 3 2 13 1 2. - <_> - - <_> - 17 0 3 18 -1. - <_> - 18 0 1 18 3. - <_> - - <_> - 1 7 15 5 -1. - <_> - 6 7 5 5 3. - <_> - - <_> - 9 3 2 15 -1. - <_> - 9 3 1 15 2. - <_> - - <_> - 5 3 10 6 -1. - <_> - 5 6 10 3 2. - <_> - - <_> - 10 9 4 8 -1. - <_> - 10 13 4 4 2. - <_> - - <_> - 7 8 4 12 -1. - <_> - 7 12 4 4 3. - <_> - - <_> - 5 5 15 10 -1. - <_> - 5 10 15 5 2. - <_> - - <_> - 4 7 7 4 -1. - <_> - 4 9 7 2 2. - <_> - - <_> - 4 5 12 4 -1. - <_> - 8 5 4 4 3. - <_> - - <_> - 1 1 7 4 -1. - <_> - 1 3 7 2 2. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 13 4 4 2. - <_> - - <_> - 4 6 12 12 -1. - <_> - 4 6 6 6 2. - <_> - 10 12 6 6 2. - <_> - - <_> - 11 1 6 10 -1. - <_> - 14 1 3 5 2. - <_> - 11 6 3 5 2. - <_> - - <_> - 1 5 16 12 -1. - <_> - 1 5 8 6 2. - <_> - 9 11 8 6 2. - <_> - - <_> - 4 7 12 6 -1. - <_> - 4 9 12 2 3. - <_> - - <_> - 6 0 6 10 -1. - <_> - 6 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 7 1 12 8 -1. - <_> - 13 1 6 4 2. - <_> - 7 5 6 4 2. - <_> - - <_> - 0 1 4 18 -1. - <_> - 2 1 2 18 2. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 12 10 3 2. - <_> - 10 15 10 3 2. - <_> - - <_> - 10 4 4 15 -1. - <_> - 10 9 4 5 3. - <_> - - <_> - 1 1 12 8 -1. - <_> - 1 1 6 4 2. - <_> - 7 5 6 4 2. - <_> - - <_> - 11 11 5 6 -1. - <_> - 11 14 5 3 2. - <_> - - <_> - 4 11 5 6 -1. - <_> - 4 14 5 3 2. - <_> - - <_> - 4 14 13 6 -1. - <_> - 4 16 13 2 3. - <_> - - <_> - 0 0 6 9 -1. - <_> - 2 0 2 9 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 7 10 2 3. - <_> - - <_> - 2 0 16 2 -1. - <_> - 2 1 16 1 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 1 2 18 10 -1. - <_> - 10 2 9 5 2. - <_> - 1 7 9 5 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 5 4 10 14 -1. - <_> - 10 4 5 7 2. - <_> - 5 11 5 7 2. - <_> - - <_> - 0 11 5 6 -1. - <_> - 0 14 5 3 2. - <_> - - <_> - 7 11 13 3 -1. - <_> - 7 12 13 1 3. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 5 6 14 8 -1. - <_> - 5 10 14 4 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 1 13 18 3 -1. - <_> - 1 14 18 1 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 10 15 7 2 2. - <_> - 3 17 7 2 2. - <_> - - <_> - 0 2 2 13 -1. - <_> - 1 2 1 13 2. - <_> - - <_> - 4 9 12 8 -1. - <_> - 8 9 4 8 3. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 16 0 4 20 -1. - <_> - 16 0 2 20 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 2 0 2 20 2. - <_> - - <_> - 16 1 4 19 -1. - <_> - 16 1 2 19 2. - <_> - - <_> - 1 0 16 4 -1. - <_> - 1 0 8 2 2. - <_> - 9 2 8 2 2. - <_> - - <_> - 12 6 4 14 -1. - <_> - 14 6 2 7 2. - <_> - 12 13 2 7 2. - <_> - - <_> - 2 8 15 3 -1. - <_> - 2 9 15 1 3. - <_> - - <_> - 7 6 8 10 -1. - <_> - 11 6 4 5 2. - <_> - 7 11 4 5 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 2 0 2 20 2. - <_> - - <_> - 5 5 10 3 -1. - <_> - 5 5 5 3 2. - <_> - - <_> - 1 17 14 3 -1. - <_> - 1 18 14 1 3. - <_> - - <_> - 15 6 5 9 -1. - <_> - 15 9 5 3 3. - <_> - - <_> - 7 6 4 10 -1. - <_> - 9 6 2 10 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 5 4 8 14 -1. - <_> - 5 4 4 7 2. - <_> - 9 11 4 7 2. - <_> - - <_> - 4 6 12 8 -1. - <_> - 10 6 6 4 2. - <_> - 4 10 6 4 2. - <_> - - <_> - 3 2 13 6 -1. - <_> - 3 4 13 2 3. - <_> - - <_> - 10 4 7 10 -1. - <_> - 10 9 7 5 2. - <_> - - <_> - 3 4 14 10 -1. - <_> - 3 4 7 5 2. - <_> - 10 9 7 5 2. - <_> - - <_> - 16 4 3 13 -1. - <_> - 17 4 1 13 3. - <_> - - <_> - 1 4 3 13 -1. - <_> - 2 4 1 13 3. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 0 10 9 4 -1. - <_> - 0 12 9 2 2. - <_> - - <_> - 7 8 12 8 -1. - <_> - 13 8 6 4 2. - <_> - 7 12 6 4 2. - <_> - - <_> - 1 8 12 8 -1. - <_> - 1 8 6 4 2. - <_> - 7 12 6 4 2. - <_> - - <_> - 1 0 18 10 -1. - <_> - 7 0 6 10 3. - <_> - - <_> - 0 2 12 12 -1. - <_> - 4 2 4 12 3. - <_> - - <_> - 8 11 12 9 -1. - <_> - 12 11 4 9 3. - <_> - - <_> - 5 10 4 9 -1. - <_> - 7 10 2 9 2. - <_> - - <_> - 10 2 3 10 -1. - <_> - 10 7 3 5 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 9 12 8 8 -1. - <_> - 13 12 4 4 2. - <_> - 9 16 4 4 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 10 2 9 15 -1. - <_> - 13 2 3 15 3. - <_> - - <_> - 1 1 9 15 -1. - <_> - 4 1 3 15 3. - <_> - - <_> - 5 4 10 6 -1. - <_> - 5 6 10 2 3. - <_> - - <_> - 5 6 5 8 -1. - <_> - 5 10 5 4 2. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 3 9 5 8 -1. - <_> - 3 13 5 4 2. - <_> - - <_> - 11 1 6 12 -1. - <_> - 14 1 3 6 2. - <_> - 11 7 3 6 2. - <_> - - <_> - 3 12 8 8 -1. - <_> - 3 12 4 4 2. - <_> - 7 16 4 4 2. - <_> - - <_> - 15 0 3 15 -1. - <_> - 15 5 3 5 3. - <_> - - <_> - 2 5 14 8 -1. - <_> - 2 5 7 4 2. - <_> - 9 9 7 4 2. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 3 1 6 10 -1. - <_> - 3 1 3 5 2. - <_> - 6 6 3 5 2. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 1 2 19 2 -1. - <_> - 1 3 19 1 2. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 7 0 13 2 -1. - <_> - 7 1 13 1 2. - <_> - - <_> - 6 6 8 12 -1. - <_> - 6 10 8 4 3. - <_> - - <_> - 7 1 8 8 -1. - <_> - 11 1 4 4 2. - <_> - 7 5 4 4 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 10 10 8 6 -1. - <_> - 10 12 8 2 3. - <_> - - <_> - 8 2 3 12 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 12 5 7 8 -1. - <_> - 12 9 7 4 2. - <_> - - <_> - 1 2 6 14 -1. - <_> - 3 2 2 14 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 1 5 7 8 -1. - <_> - 1 9 7 4 2. - <_> - - <_> - 8 4 4 16 -1. - <_> - 8 12 4 8 2. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 11 10 7 6 -1. - <_> - 11 12 7 2 3. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 5 12 13 3 -1. - <_> - 5 13 13 1 3. - <_> - - <_> - 1 15 7 4 -1. - <_> - 1 17 7 2 2. - <_> - - <_> - 2 2 17 6 -1. - <_> - 2 4 17 2 3. - <_> - - <_> - 1 15 8 4 -1. - <_> - 5 15 4 4 2. - <_> - - <_> - 10 1 4 8 -1. - <_> - 10 1 2 8 2. - <_> - - <_> - 6 1 4 8 -1. - <_> - 8 1 2 8 2. - <_> - - <_> - 10 3 3 14 -1. - <_> - 11 3 1 14 3. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 11 9 2 2. - <_> - 9 13 9 2 2. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 2 7 12 12 -1. - <_> - 2 7 6 6 2. - <_> - 8 13 6 6 2. - <_> - - <_> - 4 11 13 2 -1. - <_> - 4 12 13 1 2. - <_> - - <_> - 0 4 15 12 -1. - <_> - 0 10 15 6 2. - <_> - - <_> - 5 2 11 8 -1. - <_> - 5 6 11 4 2. - <_> - - <_> - 2 8 13 3 -1. - <_> - 2 9 13 1 3. - <_> - - <_> - 15 3 5 9 -1. - <_> - 15 6 5 3 3. - <_> - - <_> - 7 3 3 13 -1. - <_> - 8 3 1 13 3. - <_> - - <_> - 1 9 18 3 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 8 1 3 13 -1. - <_> - 9 1 1 13 3. - <_> - - <_> - 9 3 2 13 -1. - <_> - 9 3 1 13 2. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 2 4 4 2. - <_> - 5 6 4 4 2. - <_> - - <_> - 9 5 3 12 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 5 4 9 5 -1. - <_> - 8 4 3 5 3. - <_> - - <_> - 0 3 20 16 -1. - <_> - 0 11 20 8 2. - <_> - - <_> - 0 4 16 6 -1. - <_> - 0 6 16 2 3. - <_> - - <_> - 9 6 5 12 -1. - <_> - 9 12 5 6 2. - <_> - - <_> - 5 6 10 8 -1. - <_> - 5 10 10 4 2. - <_> - - <_> - 2 8 16 3 -1. - <_> - 2 9 16 1 3. - <_> - - <_> - 2 9 16 3 -1. - <_> - 2 10 16 1 3. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 6 1 7 6 -1. - <_> - 6 3 7 2 3. - <_> - - <_> - 3 10 14 3 -1. - <_> - 3 11 14 1 3. - <_> - - <_> - 1 4 6 16 -1. - <_> - 1 4 3 8 2. - <_> - 4 12 3 8 2. - <_> - - <_> - 1 14 19 6 -1. - <_> - 1 16 19 2 3. - <_> - - <_> - 5 9 4 8 -1. - <_> - 7 9 2 8 2. - <_> - - <_> - 5 7 12 4 -1. - <_> - 9 7 4 4 3. - <_> - - <_> - 3 6 12 4 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 7 8 2 3. - <_> - - <_> - 4 0 6 10 -1. - <_> - 6 0 2 10 3. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 13 4 4 2. - <_> - - <_> - 5 9 4 8 -1. - <_> - 5 13 4 4 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 4 0 13 2 -1. - <_> - 4 1 13 1 2. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 14 3 6 7 -1. - <_> - 16 3 2 7 3. - <_> - - <_> - 5 4 5 10 -1. - <_> - 5 9 5 5 2. - <_> - - <_> - 8 1 5 10 -1. - <_> - 8 6 5 5 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 14 3 6 9 -1. - <_> - 16 3 2 9 3. - <_> - - <_> - 0 3 6 9 -1. - <_> - 2 3 2 9 3. - <_> - - <_> - 1 1 19 3 -1. - <_> - 1 2 19 1 3. - <_> - - <_> - 6 6 4 14 -1. - <_> - 8 6 2 14 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 6 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 13 2 6 11 -1. - <_> - 13 2 3 11 2. - <_> - - <_> - 0 6 5 9 -1. - <_> - 0 9 5 3 3. - <_> - - <_> - 13 2 6 8 -1. - <_> - 13 2 3 8 2. - <_> - - <_> - 1 2 6 8 -1. - <_> - 4 2 3 8 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 7 11 13 3 -1. - <_> - 7 12 13 1 3. - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 2 10 3 2. - <_> - 10 5 10 3 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 0 3 13 -1. - <_> - 6 0 1 13 3. - <_> - - <_> - 0 1 20 10 -1. - <_> - 0 6 20 5 2. - <_> - - <_> - 7 1 3 13 -1. - <_> - 8 1 1 13 3. - <_> - - <_> - 11 0 2 16 -1. - <_> - 11 0 1 16 2. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 0 13 20 6 -1. - <_> - 10 13 10 3 2. - <_> - 0 16 10 3 2. - <_> - - <_> - 0 7 4 13 -1. - <_> - 2 7 2 13 2. - <_> - - <_> - 5 10 15 10 -1. - <_> - 5 15 15 5 2. - <_> - - <_> - 0 10 15 10 -1. - <_> - 0 15 15 5 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 7 0 2 16 -1. - <_> - 8 0 1 16 2. - <_> - - <_> - 6 14 9 4 -1. - <_> - 6 16 9 2 2. - <_> - - <_> - 1 3 15 2 -1. - <_> - 1 4 15 1 2. - <_> - - <_> - 6 5 13 8 -1. - <_> - 6 9 13 4 2. - <_> - - <_> - 4 0 11 6 -1. - <_> - 4 2 11 2 3. - <_> - - <_> - 1 9 18 4 -1. - <_> - 10 9 9 2 2. - <_> - 1 11 9 2 2. - <_> - - <_> - 3 9 6 8 -1. - <_> - 6 9 3 8 2. - <_> - - <_> - 5 8 12 4 -1. - <_> - 9 8 4 4 3. - <_> - - <_> - 3 8 12 4 -1. - <_> - 7 8 4 4 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 5 7 8 8 -1. - <_> - 5 7 4 4 2. - <_> - 9 11 4 4 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 4 6 12 3 -1. - <_> - 10 6 6 3 2. - <_> - - <_> - 0 0 20 4 -1. - <_> - 10 0 10 2 2. - <_> - 0 2 10 2 2. - <_> - - <_> - 3 6 13 3 -1. - <_> - 3 7 13 1 3. - <_> - - <_> - 11 2 4 7 -1. - <_> - 11 2 2 7 2. - <_> - - <_> - 5 2 4 7 -1. - <_> - 7 2 2 7 2. - <_> - - <_> - 1 16 18 2 -1. - <_> - 1 17 18 1 2. - <_> - - <_> - 0 13 14 3 -1. - <_> - 0 14 14 1 3. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 3 14 13 3 -1. - <_> - 3 15 13 1 3. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 2 10 18 10 -1. - <_> - 8 10 6 10 3. - <_> - - <_> - 0 12 13 2 -1. - <_> - 0 13 13 1 2. - <_> - - <_> - 5 7 14 4 -1. - <_> - 12 7 7 2 2. - <_> - 5 9 7 2 2. - <_> - - <_> - 1 7 14 4 -1. - <_> - 1 7 7 2 2. - <_> - 8 9 7 2 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 9 7 9 9 -1. - <_> - 12 7 3 9 3. - <_> - - <_> - 0 8 15 2 -1. - <_> - 0 9 15 1 2. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 7 5 3 2. - <_> - - <_> - 4 0 9 18 -1. - <_> - 4 9 9 9 2. - <_> - - <_> - 14 15 6 5 -1. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 7 5 3 2. - <_> - - <_> - 9 1 5 10 -1. - <_> - 9 6 5 5 2. - <_> - - <_> - 0 11 6 8 -1. - <_> - 3 11 3 8 2. - <_> - - <_> - 9 7 6 10 -1. - <_> - 12 7 3 5 2. - <_> - 9 12 3 5 2. - <_> - - <_> - 1 5 9 10 -1. - <_> - 4 5 3 10 3. - <_> - - <_> - 6 2 9 16 -1. - <_> - 9 2 3 16 3. - <_> - - <_> - 5 2 9 16 -1. - <_> - 8 2 3 16 3. - <_> - - <_> - 5 10 10 10 -1. - <_> - 5 15 10 5 2. - <_> - - <_> - 5 4 6 10 -1. - <_> - 5 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 11 2 8 8 -1. - <_> - 15 2 4 4 2. - <_> - 11 6 4 4 2. - <_> - - <_> - 0 2 6 10 -1. - <_> - 3 2 3 10 2. - <_> - - <_> - 4 10 13 8 -1. - <_> - 4 14 13 4 2. - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 2 4 4 2. - <_> - 5 6 4 4 2. - <_> - - <_> - 4 7 12 6 -1. - <_> - 4 9 12 2 3. - <_> - - <_> - 4 5 12 10 -1. - <_> - 4 5 6 5 2. - <_> - 10 10 6 5 2. - <_> - - <_> - 8 12 8 8 -1. - <_> - 12 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 3 14 5 6 -1. - <_> - 3 17 5 3 2. - <_> - - <_> - 7 4 6 8 -1. - <_> - 9 4 2 8 3. - <_> - - <_> - 4 0 6 8 -1. - <_> - 6 0 2 8 3. - <_> - - <_> - 7 0 13 3 -1. - <_> - 7 1 13 1 3. - <_> - - <_> - 3 1 14 2 -1. - <_> - 3 2 14 1 2. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 13 1 3 18 -1. - <_> - 14 1 1 18 3. - <_> - - <_> - 4 1 3 15 -1. - <_> - 5 1 1 15 3. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 0 12 20 4 -1. - <_> - 0 14 20 2 2. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 0 8 20 1 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 5 5 10 8 -1. - <_> - 5 9 10 4 2. - <_> - - <_> - 7 1 3 10 -1. - <_> - 7 6 3 5 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 4 9 12 11 -1. - <_> - 8 9 4 11 3. - <_> - - <_> - 1 0 18 20 -1. - <_> - 7 0 6 20 3. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 2 15 16 4 -1. - <_> - 2 17 16 2 2. - <_> - - <_> - 5 18 13 2 -1. - <_> - 5 19 13 1 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 5 0 2 8 3. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 14 9 6 -1. - <_> - 10 16 9 2 3. - <_> - - <_> - 1 14 9 6 -1. - <_> - 1 16 9 2 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 3 2 13 2 -1. - <_> - 3 3 13 1 2. - <_> - - <_> - 4 6 16 3 -1. - <_> - 4 6 8 3 2. - <_> - - <_> - 0 10 17 2 -1. - <_> - 0 11 17 1 2. - <_> - - <_> - 11 6 6 12 -1. - <_> - 11 12 6 6 2. - <_> - - <_> - 0 10 16 4 -1. - <_> - 0 10 8 2 2. - <_> - 8 12 8 2 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 3 14 7 2 2. - <_> - 10 16 7 2 2. - <_> - - <_> - 6 6 14 3 -1. - <_> - 6 6 7 3 2. - <_> - - <_> - 0 6 14 3 -1. - <_> - 7 6 7 3 2. - <_> - - <_> - 5 8 10 8 -1. - <_> - 10 8 5 4 2. - <_> - 5 12 5 4 2. - <_> - - <_> - 1 2 18 7 -1. - <_> - 7 2 6 7 3. - <_> - - <_> - 12 6 5 6 -1. - <_> - 12 9 5 3 2. - <_> - - <_> - 1 10 4 7 -1. - <_> - 3 10 2 7 2. - <_> - - <_> - 4 0 14 2 -1. - <_> - 4 1 14 1 2. - <_> - - <_> - 0 6 7 9 -1. - <_> - 0 9 7 3 3. - <_> - - <_> - 9 6 3 14 -1. - <_> - 10 6 1 14 3. - <_> - - <_> - 3 4 13 3 -1. - <_> - 3 5 13 1 3. - <_> - - <_> - 13 2 7 6 -1. - <_> - 13 4 7 2 3. - <_> - - <_> - 0 1 18 5 -1. - <_> - 6 1 6 5 3. - <_> - - <_> - 12 10 6 10 -1. - <_> - 15 10 3 5 2. - <_> - 12 15 3 5 2. - <_> - - <_> - 2 10 6 10 -1. - <_> - 2 10 3 5 2. - <_> - 5 15 3 5 2. - <_> - - <_> - 4 3 12 6 -1. - <_> - 4 5 12 2 3. - <_> - - <_> - 0 2 18 4 -1. - <_> - 0 2 9 2 2. - <_> - 9 4 9 2 2. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 10 10 6 10 -1. - <_> - 13 10 3 5 2. - <_> - 10 15 3 5 2. - <_> - - <_> - 4 10 6 10 -1. - <_> - 4 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 6 0 8 10 -1. - <_> - 10 0 4 5 2. - <_> - 6 5 4 5 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 9 3 2 14 -1. - <_> - 9 10 2 7 2. - <_> - - <_> - 12 1 6 10 -1. - <_> - 15 1 3 5 2. - <_> - 12 6 3 5 2. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 11 1 9 18 -1. - <_> - 11 10 9 9 2. - <_> - - <_> - 2 1 6 10 -1. - <_> - 2 1 3 5 2. - <_> - 5 6 3 5 2. - <_> - - <_> - 4 10 16 4 -1. - <_> - 12 10 8 2 2. - <_> - 4 12 8 2 2. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 10 9 2 2. - <_> - 9 12 9 2 2. - <_> - - <_> - 12 5 4 8 -1. - <_> - 12 9 4 4 2. - <_> - - <_> - 0 4 18 10 -1. - <_> - 0 4 9 5 2. - <_> - 9 9 9 5 2. - <_> - - <_> - 2 11 18 2 -1. - <_> - 2 12 18 1 2. - <_> - - <_> - 4 0 5 9 -1. - <_> - 4 3 5 3 3. - <_> - - <_> - 10 2 6 8 -1. - <_> - 12 2 2 8 3. - <_> - - <_> - 1 7 13 2 -1. - <_> - 1 8 13 1 2. - <_> - - <_> - 10 2 6 8 -1. - <_> - 12 2 2 8 3. - <_> - - <_> - 4 2 6 8 -1. - <_> - 6 2 2 8 3. - <_> - - <_> - 8 5 8 8 -1. - <_> - 12 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 16 0 3 5 2. - <_> - 13 5 3 5 2. - <_> - - <_> - 3 9 13 3 -1. - <_> - 3 10 13 1 3. - <_> - - <_> - 5 11 11 6 -1. - <_> - 5 14 11 3 2. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 3 5 4 8 -1. - <_> - 3 9 4 4 2. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 0 1 16 3 -1. - <_> - 0 2 16 1 3. - <_> - - <_> - 8 9 6 10 -1. - <_> - 8 14 6 5 2. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 16 0 3 5 2. - <_> - 13 5 3 5 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 7 1 8 12 -1. - <_> - 7 7 8 6 2. - <_> - - <_> - 1 2 17 2 -1. - <_> - 1 3 17 1 2. - <_> - - <_> - 11 0 3 18 -1. - <_> - 12 0 1 18 3. - <_> - - <_> - 0 13 8 6 -1. - <_> - 0 15 8 2 3. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 0 6 6 14 -1. - <_> - 0 6 3 7 2. - <_> - 3 13 3 7 2. - <_> - - <_> - 12 11 8 6 -1. - <_> - 12 13 8 2 3. - <_> - - <_> - 2 16 12 4 -1. - <_> - 6 16 4 4 3. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 5 6 4 8 -1. - <_> - 5 10 4 4 2. - <_> - - <_> - 3 11 16 4 -1. - <_> - 11 11 8 2 2. - <_> - 3 13 8 2 2. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 16 3 4 8 -1. - <_> - 16 3 2 8 2. - <_> - - <_> - 6 0 3 18 -1. - <_> - 7 0 1 18 3. - <_> - - <_> - 16 3 4 8 -1. - <_> - 16 3 2 8 2. - <_> - - <_> - 4 12 12 4 -1. - <_> - 8 12 4 4 3. - <_> - - <_> - 4 0 16 3 -1. - <_> - 4 1 16 1 3. - <_> - - <_> - 0 3 4 8 -1. - <_> - 2 3 2 8 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 9 6 6 12 -1. - <_> - 9 6 3 12 2. - <_> - - <_> - 0 10 10 6 -1. - <_> - 0 12 10 2 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 4 10 12 10 -1. - <_> - 4 15 12 5 2. - <_> - - <_> - 10 4 4 16 -1. - <_> - 10 4 2 16 2. - <_> - - <_> - 6 4 4 16 -1. - <_> - 8 4 2 16 2. - <_> - - <_> - 7 8 13 2 -1. - <_> - 7 9 13 1 2. - <_> - - <_> - 0 8 13 2 -1. - <_> - 0 9 13 1 2. - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 3 0 9 5 -1. - <_> - 6 0 3 5 3. - <_> - - <_> - 14 6 6 10 -1. - <_> - 14 6 3 10 2. - <_> - - <_> - 1 5 17 6 -1. - <_> - 1 7 17 2 3. - <_> - - <_> - 14 6 6 10 -1. - <_> - 14 6 3 10 2. - <_> - - <_> - 0 17 14 3 -1. - <_> - 0 18 14 1 3. - <_> - - <_> - 14 6 6 10 -1. - <_> - 14 6 3 10 2. - <_> - - <_> - 0 6 6 10 -1. - <_> - 3 6 3 10 2. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 2 7 6 13 -1. - <_> - 4 7 2 13 3. - <_> - - <_> - 13 3 3 15 -1. - <_> - 14 3 1 15 3. - <_> - - <_> - 4 3 3 15 -1. - <_> - 5 3 1 15 3. - <_> - - <_> - 3 2 15 5 -1. - <_> - 8 2 5 5 3. - <_> - - <_> - 5 4 9 14 -1. - <_> - 5 11 9 7 2. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 4 6 10 12 -1. - <_> - 4 6 5 6 2. - <_> - 9 12 5 6 2. - <_> - - <_> - 5 5 12 10 -1. - <_> - 11 5 6 5 2. - <_> - 5 10 6 5 2. - <_> - - <_> - 3 5 12 10 -1. - <_> - 3 5 6 5 2. - <_> - 9 10 6 5 2. - <_> - - <_> - 12 0 8 12 -1. - <_> - 16 0 4 6 2. - <_> - 12 6 4 6 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 0 2 20 4 -1. - <_> - 10 2 10 2 2. - <_> - 0 4 10 2 2. - <_> - - <_> - 6 6 6 8 -1. - <_> - 8 6 2 8 3. - <_> - - <_> - 10 0 3 20 -1. - <_> - 11 0 1 20 3. - <_> - - <_> - 7 0 3 20 -1. - <_> - 8 0 1 20 3. - <_> - - <_> - 10 0 2 13 -1. - <_> - 10 0 1 13 2. - <_> - - <_> - 8 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 0 15 20 4 -1. - <_> - 10 15 10 2 2. - <_> - 0 17 10 2 2. - <_> - - <_> - 2 3 3 13 -1. - <_> - 3 3 1 13 3. - <_> - - <_> - 7 2 7 6 -1. - <_> - 7 4 7 2 3. - <_> - - <_> - 0 2 15 14 -1. - <_> - 0 9 15 7 2. - <_> - - <_> - 12 10 4 8 -1. - <_> - 12 14 4 4 2. - <_> - - <_> - 4 14 12 6 -1. - <_> - 4 16 12 2 3. - <_> - - <_> - 1 13 18 4 -1. - <_> - 10 13 9 2 2. - <_> - 1 15 9 2 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 5 7 11 4 -1. - <_> - 5 9 11 2 2. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 11 6 6 14 -1. - <_> - 14 6 3 7 2. - <_> - 11 13 3 7 2. - <_> - - <_> - 0 2 6 11 -1. - <_> - 3 2 3 11 2. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 3 7 6 12 -1. - <_> - 3 7 3 6 2. - <_> - 6 13 3 6 2. - <_> - - <_> - 7 6 10 3 -1. - <_> - 7 6 5 3 2. - <_> - - <_> - 3 6 10 3 -1. - <_> - 8 6 5 3 2. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 3 0 14 9 -1. - <_> - 3 3 14 3 3. - <_> - - <_> - 3 1 14 4 -1. - <_> - 10 1 7 2 2. - <_> - 3 3 7 2 2. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 6 9 10 10 -1. - <_> - 11 9 5 5 2. - <_> - 6 14 5 5 2. - <_> - - <_> - 4 9 10 10 -1. - <_> - 4 9 5 5 2. - <_> - 9 14 5 5 2. - <_> - - <_> - 5 6 10 6 -1. - <_> - 5 9 10 3 2. - <_> - - <_> - 1 1 7 4 -1. - <_> - 1 3 7 2 2. - <_> - - <_> - 3 0 14 3 -1. - <_> - 3 1 14 1 3. - <_> - - <_> - 6 7 7 10 -1. - <_> - 6 12 7 5 2. - <_> - - <_> - 10 1 10 19 -1. - <_> - 10 1 5 19 2. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 12 0 2 13 -1. - <_> - 12 0 1 13 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 5 5 12 8 -1. - <_> - 5 9 12 4 2. - <_> - - <_> - 1 14 7 4 -1. - <_> - 1 16 7 2 2. - <_> - - <_> - 7 12 11 8 -1. - <_> - 7 16 11 4 2. - <_> - - <_> - 6 0 2 13 -1. - <_> - 7 0 1 13 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 2 15 16 4 -1. - <_> - 2 15 8 2 2. - <_> - 10 17 8 2 2. - <_> - - <_> - 1 1 18 6 -1. - <_> - 10 1 9 3 2. - <_> - 1 4 9 3 2. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 3 0 14 6 -1. - <_> - 3 3 14 3 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 10 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 6 3 4 7 -1. - <_> - 8 3 2 7 2. - <_> - - <_> - 4 2 13 12 -1. - <_> - 4 6 13 4 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 7 5 3 2. - <_> - - <_> - 3 10 13 3 -1. - <_> - 3 11 13 1 3. - <_> - - <_> - 5 10 10 6 -1. - <_> - 10 10 5 3 2. - <_> - 5 13 5 3 2. - <_> - - <_> - 3 5 12 12 -1. - <_> - 3 5 6 6 2. - <_> - 9 11 6 6 2. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 7 5 3 2. - <_> - - <_> - 1 3 4 8 -1. - <_> - 1 7 4 4 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 2 1 18 3 -1. - <_> - 2 2 18 1 3. - <_> - - <_> - 4 11 6 6 -1. - <_> - 7 11 3 6 2. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 1 12 18 4 -1. - <_> - 1 14 18 2 2. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 0 1 5 14 -1. - <_> - 0 8 5 7 2. - <_> - - <_> - 2 12 18 6 -1. - <_> - 11 12 9 3 2. - <_> - 2 15 9 3 2. - <_> - - <_> - 5 2 6 13 -1. - <_> - 7 2 2 13 3. - <_> - - <_> - 13 8 7 6 -1. - <_> - 13 10 7 2 3. - <_> - - <_> - 2 5 16 10 -1. - <_> - 2 5 8 5 2. - <_> - 10 10 8 5 2. - <_> - - <_> - 14 4 6 7 -1. - <_> - 16 4 2 7 3. - <_> - - <_> - 4 1 6 7 -1. - <_> - 6 1 2 7 3. - <_> - - <_> - 13 10 7 4 -1. - <_> - 13 12 7 2 2. - <_> - - <_> - 0 10 7 4 -1. - <_> - 0 12 7 2 2. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 2 14 17 6 -1. - <_> - 2 16 17 2 3. - <_> - - <_> - 7 7 5 12 -1. - <_> - 7 11 5 4 3. - <_> - - <_> - 8 6 4 7 -1. - <_> - 8 6 2 7 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 7 10 3 5 2. - <_> - 10 15 3 5 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 13 15 3 -1. - <_> - 0 14 15 1 3. - <_> - - <_> - 13 12 5 8 -1. - <_> - 13 16 5 4 2. - <_> - - <_> - 0 12 18 6 -1. - <_> - 0 12 9 3 2. - <_> - 9 15 9 3 2. - <_> - - <_> - 12 10 6 10 -1. - <_> - 15 10 3 5 2. - <_> - 12 15 3 5 2. - <_> - - <_> - 2 10 6 10 -1. - <_> - 2 10 3 5 2. - <_> - 5 15 3 5 2. - <_> - - <_> - 4 7 15 3 -1. - <_> - 9 7 5 3 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 5 7 15 3 -1. - <_> - 10 7 5 3 3. - <_> - - <_> - 2 5 16 3 -1. - <_> - 2 6 16 1 3. - <_> - - <_> - 8 8 12 12 -1. - <_> - 8 8 6 12 2. - <_> - - <_> - 6 3 7 6 -1. - <_> - 6 6 7 3 2. - <_> - - <_> - 9 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 9 8 5 12 -1. - <_> - 9 12 5 4 3. - <_> - - <_> - 6 5 8 8 -1. - <_> - 6 9 8 4 2. - <_> - - <_> - 11 0 6 12 -1. - <_> - 14 0 3 6 2. - <_> - 11 6 3 6 2. - <_> - - <_> - 3 0 6 12 -1. - <_> - 3 0 3 6 2. - <_> - 6 6 3 6 2. - <_> - - <_> - 10 10 4 8 -1. - <_> - 10 14 4 4 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 5 9 5 4 2. - <_> - 10 13 5 4 2. - <_> - - <_> - 4 11 13 3 -1. - <_> - 4 12 13 1 3. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 14 0 4 7 -1. - <_> - 14 0 2 7 2. - <_> - - <_> - 2 0 4 7 -1. - <_> - 4 0 2 7 2. - <_> - - <_> - 6 5 14 6 -1. - <_> - 13 5 7 3 2. - <_> - 6 8 7 3 2. - <_> - - <_> - 0 6 16 6 -1. - <_> - 0 6 8 3 2. - <_> - 8 9 8 3 2. - <_> - - <_> - 12 6 5 9 -1. - <_> - 12 9 5 3 3. - <_> - - <_> - 1 6 9 8 -1. - <_> - 1 10 9 4 2. - <_> - - <_> - 13 10 7 6 -1. - <_> - 13 12 7 2 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 9 5 2 14 -1. - <_> - 9 12 2 7 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 1 2 19 2 -1. - <_> - 1 3 19 1 2. - <_> - - <_> - 0 0 4 13 -1. - <_> - 2 0 2 13 2. - <_> - - <_> - 14 1 6 9 -1. - <_> - 16 1 2 9 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 0 11 20 9 -1. - <_> - 0 14 20 3 3. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 9 3 6 10 -1. - <_> - 11 3 2 10 3. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 5 3 6 9 -1. - <_> - 7 3 2 9 3. - <_> - - <_> - 1 0 18 8 -1. - <_> - 10 0 9 4 2. - <_> - 1 4 9 4 2. - <_> - - <_> - 3 18 14 2 -1. - <_> - 3 19 14 1 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 0 4 6 16 -1. - <_> - 0 4 3 8 2. - <_> - 3 12 3 8 2. - <_> - - <_> - 14 6 6 13 -1. - <_> - 14 6 3 13 2. - <_> - - <_> - 6 7 3 12 -1. - <_> - 6 13 3 6 2. - <_> - - <_> - 11 11 5 6 -1. - <_> - 11 14 5 3 2. - <_> - - <_> - 1 8 15 4 -1. - <_> - 6 8 5 4 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 6 4 6 7 -1. - <_> - 8 4 2 7 3. - <_> - - <_> - 9 0 6 10 -1. - <_> - 12 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 15 10 4 10 -1. - <_> - 15 10 2 10 2. - <_> - - <_> - 1 10 4 10 -1. - <_> - 3 10 2 10 2. - <_> - - <_> - 5 0 10 16 -1. - <_> - 10 0 5 8 2. - <_> - 5 8 5 8 2. - <_> - - <_> - 3 6 13 3 -1. - <_> - 3 7 13 1 3. - <_> - - <_> - 8 6 5 9 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 4 6 6 12 -1. - <_> - 4 10 6 4 3. - <_> - - <_> - 8 13 9 6 -1. - <_> - 8 16 9 3 2. - <_> - - <_> - 0 5 12 6 -1. - <_> - 0 7 12 2 3. - <_> - - <_> - 4 8 13 3 -1. - <_> - 4 9 13 1 3. - <_> - - <_> - 6 6 4 12 -1. - <_> - 6 12 4 6 2. - <_> - - <_> - 4 15 13 3 -1. - <_> - 4 16 13 1 3. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 11 1 4 14 -1. - <_> - 11 1 2 14 2. - <_> - - <_> - 3 6 12 4 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 8 0 4 7 -1. - <_> - 8 0 2 7 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 2 11 16 9 -1. - <_> - 2 14 16 3 3. - <_> - - <_> - 0 4 6 7 -1. - <_> - 2 4 2 7 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 0 10 16 4 -1. - <_> - 0 10 8 2 2. - <_> - 8 12 8 2 2. - <_> - - <_> - 3 1 14 2 -1. - <_> - 3 2 14 1 2. - <_> - - <_> - 4 10 5 9 -1. - <_> - 4 13 5 3 3. - <_> - - <_> - 2 14 16 4 -1. - <_> - 10 14 8 2 2. - <_> - 2 16 8 2 2. - <_> - - <_> - 0 0 19 8 -1. - <_> - 0 4 19 4 2. - <_> - - <_> - 10 10 6 5 -1. - <_> - 10 10 3 5 2. - <_> - - <_> - 1 1 18 15 -1. - <_> - 7 1 6 15 3. - <_> - - <_> - 10 10 6 5 -1. - <_> - 10 10 3 5 2. - <_> - - <_> - 4 7 4 8 -1. - <_> - 6 7 2 8 2. - <_> - - <_> - 17 3 3 14 -1. - <_> - 18 3 1 14 3. - <_> - - <_> - 4 6 12 12 -1. - <_> - 4 6 6 6 2. - <_> - 10 12 6 6 2. - <_> - - <_> - 12 6 8 14 -1. - <_> - 16 6 4 7 2. - <_> - 12 13 4 7 2. - <_> - - <_> - 0 6 8 14 -1. - <_> - 0 6 4 7 2. - <_> - 4 13 4 7 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 2 4 6 16 -1. - <_> - 2 4 3 8 2. - <_> - 5 12 3 8 2. - <_> - - <_> - 14 11 5 9 -1. - <_> - 14 14 5 3 3. - <_> - - <_> - 3 3 14 3 -1. - <_> - 3 4 14 1 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 5 1 6 16 -1. - <_> - 5 1 3 8 2. - <_> - 8 9 3 8 2. - <_> - - <_> - 7 7 6 10 -1. - <_> - 9 7 2 10 3. - <_> - - <_> - 5 9 4 11 -1. - <_> - 7 9 2 11 2. - <_> - - <_> - 10 9 6 6 -1. - <_> - 10 9 3 6 2. - <_> - - <_> - 0 3 3 14 -1. - <_> - 1 3 1 14 3. - <_> - - <_> - 10 9 6 6 -1. - <_> - 10 9 3 6 2. - <_> - - <_> - 5 10 4 7 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 2 5 16 8 -1. - <_> - 2 9 16 4 2. - <_> - - <_> - 6 2 12 10 -1. - <_> - 6 7 12 5 2. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 12 3 8 12 -1. - <_> - 12 3 4 12 2. - <_> - - <_> - 0 3 8 12 -1. - <_> - 4 3 4 12 2. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 2 11 18 4 -1. - <_> - 11 11 9 2 2. - <_> - 2 13 9 2 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 11 9 2 2. - <_> - 9 13 9 2 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 4 1 9 12 -1. - <_> - 4 7 9 6 2. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 0 3 5 6 -1. - <_> - 0 6 5 3 2. - <_> - - <_> - 6 6 8 4 -1. - <_> - 6 8 8 2 2. - <_> - - <_> - 0 9 7 6 -1. - <_> - 0 11 7 2 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 5 2 4 13 -1. - <_> - 7 2 2 13 2. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 0 8 20 1 2. - <_> - - <_> - 11 0 9 5 -1. - <_> - 14 0 3 5 3. - <_> - - <_> - 0 3 10 6 -1. - <_> - 0 3 5 3 2. - <_> - 5 6 5 3 2. - <_> - - <_> - 6 4 9 5 -1. - <_> - 9 4 3 5 3. - <_> - - <_> - 3 12 8 8 -1. - <_> - 3 12 4 4 2. - <_> - 7 16 4 4 2. - <_> - - <_> - 4 7 15 3 -1. - <_> - 9 7 5 3 3. - <_> - - <_> - 0 4 6 9 -1. - <_> - 3 4 3 9 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 6 1 8 15 -1. - <_> - 6 6 8 5 3. - <_> - - <_> - 1 7 15 3 -1. - <_> - 6 7 5 3 3. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 6 6 8 8 -1. - <_> - 6 10 8 4 2. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 2 0 14 2 -1. - <_> - 2 1 14 1 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 1 3 16 2 -1. - <_> - 1 4 16 1 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 5 11 13 3 -1. - <_> - 5 12 13 1 3. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 2 8 17 3 -1. - <_> - 2 9 17 1 3. - <_> - - <_> - 1 1 18 6 -1. - <_> - 1 1 9 3 2. - <_> - 10 4 9 3 2. - <_> - - <_> - 1 1 19 6 -1. - <_> - 1 3 19 2 3. - <_> - - <_> - 4 6 12 6 -1. - <_> - 4 6 6 3 2. - <_> - 10 9 6 3 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 3 18 13 2 -1. - <_> - 3 19 13 1 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 10 12 8 6 -1. - <_> - 10 14 8 2 3. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 4 6 15 5 -1. - <_> - 9 6 5 5 3. - <_> - - <_> - 0 7 15 4 -1. - <_> - 5 7 5 4 3. - <_> - - <_> - 12 4 4 10 -1. - <_> - 12 9 4 5 2. - <_> - - <_> - 0 6 18 12 -1. - <_> - 0 6 9 6 2. - <_> - 9 12 9 6 2. - <_> - - <_> - 16 5 2 14 -1. - <_> - 16 12 2 7 2. - <_> - - <_> - 2 9 5 6 -1. - <_> - 2 12 5 3 2. - <_> - - <_> - 12 0 3 19 -1. - <_> - 13 0 1 19 3. - <_> - - <_> - 0 10 9 6 -1. - <_> - 0 12 9 2 3. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 5 0 4 7 -1. - <_> - 7 0 2 7 2. - <_> - - <_> - 12 0 3 19 -1. - <_> - 13 0 1 19 3. - <_> - - <_> - 0 15 14 4 -1. - <_> - 0 15 7 2 2. - <_> - 7 17 7 2 2. - <_> - - <_> - 4 5 14 6 -1. - <_> - 4 7 14 2 3. - <_> - - <_> - 3 1 6 7 -1. - <_> - 5 1 2 7 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 0 4 6 3 3. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 8 9 6 5 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 6 9 6 5 -1. - <_> - 9 9 3 5 2. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 5 8 10 10 -1. - <_> - 5 8 5 5 2. - <_> - 10 13 5 5 2. - <_> - - <_> - 1 5 18 10 -1. - <_> - 10 5 9 5 2. - <_> - 1 10 9 5 2. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 1 0 18 6 -1. - <_> - 7 0 6 6 3. - <_> - - <_> - 4 3 5 14 -1. - <_> - 4 10 5 7 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 5 8 5 2. - <_> - - <_> - 7 2 6 6 -1. - <_> - 7 5 6 3 2. - <_> - - <_> - 0 0 19 3 -1. - <_> - 0 1 19 1 3. - <_> - - <_> - 8 0 8 6 -1. - <_> - 8 2 8 2 3. - <_> - - <_> - 7 5 6 11 -1. - <_> - 9 5 2 11 3. - <_> - - <_> - 4 3 12 10 -1. - <_> - 8 3 4 10 3. - <_> - - <_> - 0 4 18 4 -1. - <_> - 0 6 18 2 2. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 10 4 4 14 -1. - <_> - 12 4 2 7 2. - <_> - 10 11 2 7 2. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 10 4 4 14 -1. - <_> - 12 4 2 7 2. - <_> - 10 11 2 7 2. - <_> - - <_> - 6 4 4 14 -1. - <_> - 6 4 2 7 2. - <_> - 8 11 2 7 2. - <_> - - <_> - 14 3 6 7 -1. - <_> - 16 3 2 7 3. - <_> - - <_> - 6 6 8 4 -1. - <_> - 6 8 8 2 2. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 6 0 2 15 -1. - <_> - 7 0 1 15 2. - <_> - - <_> - 12 1 3 17 -1. - <_> - 13 1 1 17 3. - <_> - - <_> - 5 1 3 17 -1. - <_> - 6 1 1 17 3. - <_> - - <_> - 9 4 3 13 -1. - <_> - 10 4 1 13 3. - <_> - - <_> - 9 3 2 14 -1. - <_> - 10 3 1 14 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 5 20 4 -1. - <_> - 10 5 10 4 2. - <_> - - <_> - 13 2 7 6 -1. - <_> - 13 4 7 2 3. - <_> - - <_> - 0 2 19 2 -1. - <_> - 0 3 19 1 2. - <_> - - <_> - 10 9 10 11 -1. - <_> - 10 9 5 11 2. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 3 0 15 9 -1. - <_> - 8 0 5 9 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 3 4 14 2 -1. - <_> - 3 5 14 1 2. - <_> - - <_> - 0 11 6 7 -1. - <_> - 2 11 2 7 3. - <_> - - <_> - 10 9 10 11 -1. - <_> - 10 9 5 11 2. - <_> - - <_> - 3 13 6 7 -1. - <_> - 5 13 2 7 3. - <_> - - <_> - 3 8 15 3 -1. - <_> - 8 8 5 3 3. - <_> - - <_> - 0 1 8 8 -1. - <_> - 0 1 4 4 2. - <_> - 4 5 4 4 2. - <_> - - <_> - 9 8 10 4 -1. - <_> - 9 8 5 4 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 6 0 6 6 3. - <_> - - <_> - 4 3 12 9 -1. - <_> - 4 6 12 3 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 8 6 4 10 -1. - <_> - 8 11 4 5 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 0 3 17 2 -1. - <_> - 0 4 17 1 2. - <_> - - <_> - 12 6 5 6 -1. - <_> - 12 9 5 3 2. - <_> - - <_> - 5 6 8 8 -1. - <_> - 5 6 4 4 2. - <_> - 9 10 4 4 2. - <_> - - <_> - 9 10 7 6 -1. - <_> - 9 12 7 2 3. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 13 6 5 9 -1. - <_> - 13 9 5 3 3. - <_> - - <_> - 2 6 5 9 -1. - <_> - 2 9 5 3 3. - <_> - - <_> - 14 2 6 5 -1. - <_> - 14 2 3 5 2. - <_> - - <_> - 5 6 6 11 -1. - <_> - 8 6 3 11 2. - <_> - - <_> - 14 2 6 5 -1. - <_> - 14 2 3 5 2. - <_> - - <_> - 0 3 10 6 -1. - <_> - 0 3 5 3 2. - <_> - 5 6 5 3 2. - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 14 10 3 2. - <_> - - <_> - 12 11 8 8 -1. - <_> - 12 15 8 4 2. - <_> - - <_> - 4 0 12 7 -1. - <_> - 8 0 4 7 3. - <_> - - <_> - 5 15 13 2 -1. - <_> - 5 16 13 1 2. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 12 10 3 2. - <_> - 10 15 10 3 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 2 12 2 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 5 6 10 12 -1. - <_> - 10 6 5 6 2. - <_> - 5 12 5 6 2. - <_> - - <_> - 1 15 15 4 -1. - <_> - 1 17 15 2 2. - <_> - - <_> - 10 5 9 6 -1. - <_> - 10 7 9 2 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 10 5 10 6 -1. - <_> - 10 7 10 2 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 8 9 12 4 -1. - <_> - 12 9 4 4 3. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 0 0 4 17 -1. - <_> - 2 0 2 17 2. - <_> - - <_> - 5 6 12 3 -1. - <_> - 5 6 6 3 2. - <_> - - <_> - 6 7 3 12 -1. - <_> - 6 13 3 6 2. - <_> - - <_> - 14 2 6 5 -1. - <_> - 14 2 3 5 2. - <_> - - <_> - 0 2 6 5 -1. - <_> - 3 2 3 5 2. - <_> - - <_> - 1 3 18 16 -1. - <_> - 7 3 6 16 3. - <_> - - <_> - 4 4 11 10 -1. - <_> - 4 9 11 5 2. - <_> - - <_> - 6 1 13 3 -1. - <_> - 6 2 13 1 3. - <_> - - <_> - 3 4 8 10 -1. - <_> - 3 4 4 5 2. - <_> - 7 9 4 5 2. - <_> - - <_> - 6 7 14 4 -1. - <_> - 13 7 7 2 2. - <_> - 6 9 7 2 2. - <_> - - <_> - 1 1 8 6 -1. - <_> - 1 3 8 2 3. - <_> - - <_> - 15 3 5 9 -1. - <_> - 15 6 5 3 3. - <_> - - <_> - 0 3 5 9 -1. - <_> - 0 6 5 3 3. - <_> - - <_> - 14 6 4 14 -1. - <_> - 16 6 2 7 2. - <_> - 14 13 2 7 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 2 1 2 12 3. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 0 13 18 7 -1. - <_> - 6 13 6 7 3. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 9 10 11 -1. - <_> - 5 9 5 11 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 5 8 10 12 -1. - <_> - 5 14 10 6 2. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 1 10 6 7 -1. - <_> - 3 10 2 7 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 7 20 3 -1. - <_> - 0 8 20 1 3. - <_> - - <_> - 10 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 0 6 6 14 -1. - <_> - 0 6 3 7 2. - <_> - 3 13 3 7 2. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 2 1 11 12 -1. - <_> - 2 7 11 6 2. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 4 10 4 2. - <_> - - <_> - 1 5 8 8 -1. - <_> - 1 5 4 4 2. - <_> - 5 9 4 4 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 16 4 4 16 -1. - <_> - 18 4 2 8 2. - <_> - 16 12 2 8 2. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 6 15 14 4 -1. - <_> - 13 15 7 2 2. - <_> - 6 17 7 2 2. - <_> - - <_> - 6 3 4 7 -1. - <_> - 8 3 2 7 2. - <_> - - <_> - 10 11 5 9 -1. - <_> - 10 14 5 3 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 10 0 3 14 -1. - <_> - 11 0 1 14 3. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 10 1 3 13 -1. - <_> - 11 1 1 13 3. - <_> - - <_> - 7 1 3 13 -1. - <_> - 8 1 1 13 3. - <_> - - <_> - 5 14 10 6 -1. - <_> - 10 14 5 3 2. - <_> - 5 17 5 3 2. - <_> - - <_> - 6 8 8 4 -1. - <_> - 6 10 8 2 2. - <_> - - <_> - 11 14 8 6 -1. - <_> - 11 16 8 2 3. - <_> - - <_> - 1 14 8 6 -1. - <_> - 1 16 8 2 3. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 2 2 12 6 -1. - <_> - 2 2 6 3 2. - <_> - 8 5 6 3 2. - <_> - - <_> - 16 4 4 16 -1. - <_> - 18 4 2 8 2. - <_> - 16 12 2 8 2. - <_> - - <_> - 0 8 5 12 -1. - <_> - 0 12 5 4 3. - <_> - - <_> - 10 10 9 6 -1. - <_> - 10 12 9 2 3. - <_> - - <_> - 5 2 6 10 -1. - <_> - 5 2 3 5 2. - <_> - 8 7 3 5 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 6 5 6 8 -1. - <_> - 8 5 2 8 3. - <_> - - <_> - 11 0 4 14 -1. - <_> - 11 0 2 14 2. - <_> - - <_> - 5 0 4 14 -1. - <_> - 7 0 2 14 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 8 3 12 17 -1. - <_> - 8 3 6 17 2. - <_> - - <_> - 4 6 10 4 -1. - <_> - 9 6 5 4 2. - <_> - - <_> - 16 4 4 16 -1. - <_> - 18 4 2 8 2. - <_> - 16 12 2 8 2. - <_> - - <_> - 0 6 12 14 -1. - <_> - 6 6 6 14 2. - <_> - - <_> - 12 9 8 10 -1. - <_> - 12 9 4 10 2. - <_> - - <_> - 0 9 8 10 -1. - <_> - 4 9 4 10 2. - <_> - - <_> - 13 2 6 18 -1. - <_> - 13 2 3 18 2. - <_> - - <_> - 1 2 6 18 -1. - <_> - 4 2 3 18 2. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 0 6 18 9 -1. - <_> - 0 9 18 3 3. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 0 3 19 15 -1. - <_> - 0 8 19 5 3. - <_> - - <_> - 10 10 9 6 -1. - <_> - 10 12 9 2 3. - <_> - - <_> - 1 10 9 6 -1. - <_> - 1 12 9 2 3. - <_> - - <_> - 5 12 13 3 -1. - <_> - 5 13 13 1 3. - <_> - - <_> - 0 4 4 16 -1. - <_> - 0 4 2 8 2. - <_> - 2 12 2 8 2. - <_> - - <_> - 10 10 5 6 -1. - <_> - 10 13 5 3 2. - <_> - - <_> - 0 10 20 8 -1. - <_> - 0 14 20 4 2. - <_> - - <_> - 14 0 6 7 -1. - <_> - 16 0 2 7 3. - <_> - - <_> - 0 0 6 7 -1. - <_> - 2 0 2 7 3. - <_> - - <_> - 13 0 3 19 -1. - <_> - 14 0 1 19 3. - <_> - - <_> - 0 2 8 4 -1. - <_> - 4 2 4 4 2. - <_> - - <_> - 12 12 7 6 -1. - <_> - 12 14 7 2 3. - <_> - - <_> - 6 11 7 6 -1. - <_> - 6 13 7 2 3. - <_> - - <_> - 10 10 5 6 -1. - <_> - 10 13 5 3 2. - <_> - - <_> - 3 10 6 9 -1. - <_> - 3 13 6 3 3. - <_> - - <_> - 13 5 4 14 -1. - <_> - 15 5 2 7 2. - <_> - 13 12 2 7 2. - <_> - - <_> - 3 5 10 9 -1. - <_> - 3 8 10 3 3. - <_> - - <_> - 2 15 18 4 -1. - <_> - 2 17 18 2 2. - <_> - - <_> - 0 4 8 6 -1. - <_> - 0 6 8 2 3. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 6 13 1 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 14 20 2 3. - <_> - - <_> - 0 10 6 8 -1. - <_> - 3 10 3 8 2. - <_> - - <_> - 4 8 15 3 -1. - <_> - 9 8 5 3 3. - <_> - - <_> - 1 9 9 6 -1. - <_> - 4 9 3 6 3. - <_> - - <_> - 2 0 16 14 -1. - <_> - 10 0 8 7 2. - <_> - 2 7 8 7 2. - <_> - - <_> - 3 0 14 18 -1. - <_> - 3 9 14 9 2. - <_> - - <_> - 9 7 6 10 -1. - <_> - 12 7 3 5 2. - <_> - 9 12 3 5 2. - <_> - - <_> - 3 4 4 16 -1. - <_> - 3 4 2 8 2. - <_> - 5 12 2 8 2. - <_> - - <_> - 12 14 8 6 -1. - <_> - 12 16 8 2 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 1 0 18 10 -1. - <_> - 7 0 6 10 3. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 13 4 3 15 -1. - <_> - 13 9 3 5 3. - <_> - - <_> - 4 4 3 15 -1. - <_> - 4 9 3 5 3. - <_> - - <_> - 14 3 6 5 -1. - <_> - 14 3 3 5 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 14 2 6 7 -1. - <_> - 14 2 3 7 2. - <_> - - <_> - 0 2 6 7 -1. - <_> - 3 2 3 7 2. - <_> - - <_> - 11 6 8 8 -1. - <_> - 15 6 4 4 2. - <_> - 11 10 4 4 2. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 5 9 13 3 -1. - <_> - 5 10 13 1 3. - <_> - - <_> - 0 8 15 3 -1. - <_> - 0 9 15 1 3. - <_> - - <_> - 11 5 4 12 -1. - <_> - 11 11 4 6 2. - <_> - - <_> - 2 11 13 3 -1. - <_> - 2 12 13 1 3. - <_> - - <_> - 2 1 16 2 -1. - <_> - 2 2 16 1 2. - <_> - - <_> - 5 6 8 10 -1. - <_> - 5 6 4 5 2. - <_> - 9 11 4 5 2. - <_> - - <_> - 8 8 10 12 -1. - <_> - 13 8 5 6 2. - <_> - 8 14 5 6 2. - <_> - - <_> - 3 10 6 6 -1. - <_> - 3 13 6 3 2. - <_> - - <_> - 1 5 18 8 -1. - <_> - 10 5 9 4 2. - <_> - 1 9 9 4 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 5 9 4 7 -1. - <_> - 7 9 2 7 2. - <_> - - <_> - 1 9 18 3 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 2 6 8 14 -1. - <_> - 2 6 4 7 2. - <_> - 6 13 4 7 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 6 0 4 9 -1. - <_> - 8 0 2 9 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 9 1 3 13 -1. - <_> - 10 1 1 13 3. - <_> - - <_> - 0 9 13 2 -1. - <_> - 0 10 13 1 2. - <_> - - <_> - 7 3 13 16 -1. - <_> - 7 11 13 8 2. - <_> - - <_> - 0 3 5 9 -1. - <_> - 0 6 5 3 3. - <_> - - <_> - 11 1 7 6 -1. - <_> - 11 3 7 2 3. - <_> - - <_> - 1 1 16 4 -1. - <_> - 1 1 8 2 2. - <_> - 9 3 8 2 2. - <_> - - <_> - 0 2 20 6 -1. - <_> - 10 2 10 3 2. - <_> - 0 5 10 3 2. - <_> - - <_> - 0 4 19 10 -1. - <_> - 0 9 19 5 2. - <_> - - <_> - 4 6 15 5 -1. - <_> - 9 6 5 5 3. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 1 12 9 8 -1. - <_> - 1 16 9 4 2. - <_> - - <_> - 3 5 14 3 -1. - <_> - 3 6 14 1 3. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 11 7 2 2. - <_> - 10 13 7 2 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 10 11 7 2 2. - <_> - 3 13 7 2 2. - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 7 14 2 3. - <_> - - <_> - 11 15 9 4 -1. - <_> - 11 17 9 2 2. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 1 13 7 6 -1. - <_> - 1 15 7 2 3. - <_> - - <_> - 0 16 20 4 -1. - <_> - 0 18 20 2 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 14 6 3 2. - <_> - 6 17 6 3 2. - <_> - - <_> - 4 6 15 5 -1. - <_> - 9 6 5 5 3. - <_> - - <_> - 1 6 15 5 -1. - <_> - 6 6 5 5 3. - <_> - - <_> - 11 5 6 9 -1. - <_> - 11 8 6 3 3. - <_> - - <_> - 5 0 6 8 -1. - <_> - 7 0 2 8 3. - <_> - - <_> - 5 17 13 3 -1. - <_> - 5 18 13 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 5 3 14 3 -1. - <_> - 5 4 14 1 3. - <_> - - <_> - 6 9 6 5 -1. - <_> - 9 9 3 5 2. - <_> - - <_> - 12 6 8 5 -1. - <_> - 12 6 4 5 2. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 4 14 13 2 -1. - <_> - 4 15 13 1 2. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 6 13 8 4 2. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 9 3 3 10 -1. - <_> - 9 8 3 5 2. - <_> - - <_> - 4 0 12 20 -1. - <_> - 10 0 6 20 2. - <_> - - <_> - 13 12 6 6 -1. - <_> - 13 12 3 6 2. - <_> - - <_> - 3 2 12 4 -1. - <_> - 9 2 6 4 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 6 4 2 13 -1. - <_> - 7 4 1 13 2. - <_> - - <_> - 13 4 4 12 -1. - <_> - 13 4 2 12 2. - <_> - - <_> - 0 9 12 3 -1. - <_> - 6 9 6 3 2. - <_> - - <_> - 13 4 4 12 -1. - <_> - 13 4 2 12 2. - <_> - - <_> - 3 4 4 12 -1. - <_> - 5 4 2 12 2. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 7 15 13 3 -1. - <_> - 7 16 13 1 3. - <_> - - <_> - 0 2 18 4 -1. - <_> - 0 2 9 2 2. - <_> - 9 4 9 2 2. - <_> - - <_> - 12 6 8 5 -1. - <_> - 12 6 4 5 2. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 4 10 4 2. - <_> - - <_> - 9 0 10 6 -1. - <_> - 9 2 10 2 3. - <_> - - <_> - 3 0 14 3 -1. - <_> - 3 1 14 1 3. - <_> - - <_> - 12 6 8 5 -1. - <_> - 12 6 4 5 2. - <_> - - <_> - 0 6 8 5 -1. - <_> - 4 6 4 5 2. - <_> - - <_> - 11 15 7 4 -1. - <_> - 11 17 7 2 2. - <_> - - <_> - 4 2 9 5 -1. - <_> - 7 2 3 5 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 5 3 10 6 -1. - <_> - 5 5 10 2 3. - <_> - - <_> - 8 4 6 14 -1. - <_> - 8 11 6 7 2. - <_> - - <_> - 1 5 9 6 -1. - <_> - 1 7 9 2 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 8 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 0 4 20 12 -1. - <_> - 10 4 10 6 2. - <_> - 0 10 10 6 2. - <_> - - <_> - 5 4 7 4 -1. - <_> - 5 6 7 2 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 8 6 3 12 -1. - <_> - 8 12 3 6 2. - <_> - - <_> - 3 0 14 2 -1. - <_> - 3 1 14 1 2. - <_> - - <_> - 7 7 6 13 -1. - <_> - 9 7 2 13 3. - <_> - - <_> - 3 4 16 12 -1. - <_> - 11 4 8 6 2. - <_> - 3 10 8 6 2. - <_> - - <_> - 1 4 16 12 -1. - <_> - 1 4 8 6 2. - <_> - 9 10 8 6 2. - <_> - - <_> - 7 5 6 10 -1. - <_> - 7 10 6 5 2. - <_> - - <_> - 3 6 5 9 -1. - <_> - 3 9 5 3 3. - <_> - - <_> - 6 3 14 4 -1. - <_> - 13 3 7 2 2. - <_> - 6 5 7 2 2. - <_> - - <_> - 3 18 13 2 -1. - <_> - 3 19 13 1 2. - <_> - - <_> - 4 10 16 4 -1. - <_> - 12 10 8 2 2. - <_> - 4 12 8 2 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 12 12 7 6 -1. - <_> - 12 14 7 2 3. - <_> - - <_> - 0 0 4 11 -1. - <_> - 2 0 2 11 2. - <_> - - <_> - 14 0 6 9 -1. - <_> - 14 0 3 9 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - <_> - - <_> - 0 0 6 9 -1. - <_> - 3 0 3 9 2. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 5 5 3 10 -1. - <_> - 5 10 3 5 2. - <_> - - <_> - 1 5 18 8 -1. - <_> - 10 5 9 4 2. - <_> - 1 9 9 4 2. - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 4 10 2 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 10 0 4 6 2. - <_> - 6 6 4 6 2. - <_> - - <_> - 5 6 6 7 -1. - <_> - 7 6 2 7 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 9 4 6 10 -1. - <_> - 12 4 3 5 2. - <_> - 9 9 3 5 2. - <_> - - <_> - 0 8 19 3 -1. - <_> - 0 9 19 1 3. - <_> - - <_> - 1 10 18 3 -1. - <_> - 1 11 18 1 3. - <_> - - <_> - 5 1 3 13 -1. - <_> - 6 1 1 13 3. - <_> - - <_> - 12 11 8 9 -1. - <_> - 12 11 4 9 2. - <_> - - <_> - 5 0 3 20 -1. - <_> - 6 0 1 20 3. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 0 1 4 14 -1. - <_> - 2 1 2 14 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 10 1 10 2 2. - <_> - 0 3 10 2 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 2 1 2 12 3. - <_> - - <_> - 11 0 6 6 -1. - <_> - 11 0 3 6 2. - <_> - - <_> - 6 10 4 8 -1. - <_> - 6 14 4 4 2. - <_> - - <_> - 7 0 13 3 -1. - <_> - 7 1 13 1 3. - <_> - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 7 10 2 3. - <_> - - <_> - 4 5 4 14 -1. - <_> - 4 5 2 7 2. - <_> - 6 12 2 7 2. - <_> - - <_> - 11 0 6 6 -1. - <_> - 11 0 3 6 2. - <_> - - <_> - 3 0 6 6 -1. - <_> - 6 0 3 6 2. - <_> - - <_> - 1 0 18 7 -1. - <_> - 7 0 6 7 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 2 6 14 9 -1. - <_> - 2 9 14 3 3. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 1 14 18 4 -1. - <_> - 10 14 9 2 2. - <_> - 1 16 9 2 2. - <_> - - <_> - 2 8 15 6 -1. - <_> - 7 8 5 6 3. - <_> - - <_> - 16 2 4 8 -1. - <_> - 16 6 4 4 2. - <_> - - <_> - 0 1 8 8 -1. - <_> - 0 1 4 4 2. - <_> - 4 5 4 4 2. - <_> - - <_> - 7 3 8 4 -1. - <_> - 7 5 8 2 2. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 3 12 14 4 -1. - <_> - 10 12 7 2 2. - <_> - 3 14 7 2 2. - <_> - - <_> - 4 9 8 5 -1. - <_> - 8 9 4 5 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 2 2 15 7 -1. - <_> - 7 2 5 7 3. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 4 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 7 1 7 12 -1. - <_> - 7 7 7 6 2. - <_> - - <_> - 4 0 12 10 -1. - <_> - 4 5 12 5 2. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 0 1 5 6 -1. - <_> - 0 4 5 3 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 12 2 2 14 -1. - <_> - 12 2 1 14 2. - <_> - - <_> - 0 15 14 4 -1. - <_> - 0 15 7 2 2. - <_> - 7 17 7 2 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 6 2 2 14 -1. - <_> - 7 2 1 14 2. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 0 6 14 4 -1. - <_> - 0 6 7 2 2. - <_> - 7 8 7 2 2. - <_> - - <_> - 12 11 8 9 -1. - <_> - 12 11 4 9 2. - <_> - - <_> - 0 11 8 9 -1. - <_> - 4 11 4 9 2. - <_> - - <_> - 7 1 12 18 -1. - <_> - 11 1 4 18 3. - <_> - - <_> - 1 1 12 18 -1. - <_> - 5 1 4 18 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 8 1 4 10 -1. - <_> - 8 6 4 5 2. - <_> - - <_> - 6 3 7 6 -1. - <_> - 6 5 7 2 3. - <_> - - <_> - 5 5 13 8 -1. - <_> - 5 9 13 4 2. - <_> - - <_> - 1 2 14 2 -1. - <_> - 1 3 14 1 2. - <_> - - <_> - 15 4 5 9 -1. - <_> - 15 7 5 3 3. - <_> - - <_> - 0 4 5 9 -1. - <_> - 0 7 5 3 3. - <_> - - <_> - 7 1 8 8 -1. - <_> - 7 5 8 4 2. - <_> - - <_> - 2 5 12 12 -1. - <_> - 2 5 6 6 2. - <_> - 8 11 6 6 2. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 5 7 10 10 -1. - <_> - 5 7 5 5 2. - <_> - 10 12 5 5 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 2 14 16 3 -1. - <_> - 2 15 16 1 3. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 13 18 4 -1. - <_> - 0 13 9 2 2. - <_> - 9 15 9 2 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - <_> - - <_> - 1 12 13 2 -1. - <_> - 1 13 13 1 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 0 7 14 4 -1. - <_> - 0 7 7 2 2. - <_> - 7 9 7 2 2. - <_> - - <_> - 13 3 7 6 -1. - <_> - 13 5 7 2 3. - <_> - - <_> - 0 4 3 16 -1. - <_> - 0 12 3 8 2. - <_> - - <_> - 13 5 5 15 -1. - <_> - 13 10 5 5 3. - <_> - - <_> - 2 10 6 10 -1. - <_> - 2 10 3 5 2. - <_> - 5 15 3 5 2. - <_> - - <_> - 11 11 9 6 -1. - <_> - 11 13 9 2 3. - <_> - - <_> - 0 11 9 6 -1. - <_> - 0 13 9 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 1 3 18 4 -1. - <_> - 1 3 9 2 2. - <_> - 10 5 9 2 2. - <_> - - <_> - 10 10 10 6 -1. - <_> - 15 10 5 3 2. - <_> - 10 13 5 3 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 8 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 3 6 12 7 -1. - <_> - 7 6 4 7 3. - <_> - - <_> - 8 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 6 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 7 1 6 19 -1. - <_> - 7 1 3 19 2. - <_> - - <_> - 6 0 3 20 -1. - <_> - 7 0 1 20 3. - <_> - - <_> - 9 1 3 13 -1. - <_> - 10 1 1 13 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 2 0 18 16 -1. - <_> - 2 8 18 8 2. - <_> - - <_> - 1 5 6 15 -1. - <_> - 1 10 6 5 3. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 6 13 10 6 -1. - <_> - 11 13 5 3 2. - <_> - 6 16 5 3 2. - <_> - - <_> - 0 10 14 3 -1. - <_> - 0 11 14 1 3. - <_> - - <_> - 11 9 6 8 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 1 13 7 6 -1. - <_> - 1 15 7 2 3. - <_> - - <_> - 9 0 3 12 -1. - <_> - 9 6 3 6 2. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 4 14 13 2 -1. - <_> - 4 15 13 1 2. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 16 10 4 7 -1. - <_> - 16 10 2 7 2. - <_> - - <_> - 0 6 4 13 -1. - <_> - 2 6 2 13 2. - <_> - - <_> - 1 15 18 3 -1. - <_> - 7 15 6 3 3. - <_> - - <_> - 0 1 16 4 -1. - <_> - 0 1 8 2 2. - <_> - 8 3 8 2 2. - <_> - - <_> - 3 0 14 4 -1. - <_> - 3 2 14 2 2. - <_> - - <_> - 3 13 12 6 -1. - <_> - 3 13 6 3 2. - <_> - 9 16 6 3 2. - <_> - - <_> - 6 8 8 9 -1. - <_> - 6 11 8 3 3. - <_> - - <_> - 0 8 18 9 -1. - <_> - 0 11 18 3 3. - <_> - - <_> - 10 13 10 7 -1. - <_> - 10 13 5 7 2. - <_> - - <_> - 0 13 10 7 -1. - <_> - 5 13 5 7 2. - <_> - - <_> - 12 10 8 6 -1. - <_> - 12 12 8 2 3. - <_> - - <_> - 0 12 17 6 -1. - <_> - 0 15 17 3 2. - <_> - - <_> - 5 14 10 4 -1. - <_> - 5 16 10 2 2. - <_> - - <_> - 1 8 13 3 -1. - <_> - 1 9 13 1 3. - <_> - - <_> - 11 10 9 4 -1. - <_> - 11 12 9 2 2. - <_> - - <_> - 0 2 2 18 -1. - <_> - 1 2 1 18 2. - <_> - - <_> - 14 12 6 7 -1. - <_> - 14 12 3 7 2. - <_> - - <_> - 0 12 6 7 -1. - <_> - 3 12 3 7 2. - <_> - - <_> - 8 2 8 14 -1. - <_> - 8 9 8 7 2. - <_> - - <_> - 4 2 8 14 -1. - <_> - 4 9 8 7 2. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 1 2 18 3 -1. - <_> - 7 2 6 3 3. - <_> - - <_> - 12 6 5 9 -1. - <_> - 12 9 5 3 3. - <_> - - <_> - 0 4 9 12 -1. - <_> - 3 4 3 12 3. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 13 9 4 10 -1. - <_> - 13 14 4 5 2. - <_> - - <_> - 3 12 10 8 -1. - <_> - 3 12 5 4 2. - <_> - 8 16 5 4 2. - <_> - - <_> - 12 1 7 4 -1. - <_> - 12 3 7 2 2. - <_> - - <_> - 2 4 12 6 -1. - <_> - 2 6 12 2 3. - <_> - - <_> - 13 10 5 6 -1. - <_> - 13 13 5 3 2. - <_> - - <_> - 2 10 5 6 -1. - <_> - 2 13 5 3 2. - <_> - - <_> - 12 1 7 4 -1. - <_> - 12 3 7 2 2. - <_> - - <_> - 5 5 9 10 -1. - <_> - 5 10 9 5 2. - <_> - - <_> - 12 1 7 4 -1. - <_> - 12 3 7 2 2. - <_> - - <_> - 0 0 17 2 -1. - <_> - 0 1 17 1 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 11 10 6 8 -1. - <_> - 13 10 2 8 3. - <_> - - <_> - 3 10 6 8 -1. - <_> - 5 10 2 8 3. - <_> - - <_> - 5 1 10 12 -1. - <_> - 5 7 10 6 2. - <_> - - <_> - 1 1 7 4 -1. - <_> - 1 3 7 2 2. - <_> - - <_> - 10 10 8 6 -1. - <_> - 10 12 8 2 3. - <_> - - <_> - 0 7 8 6 -1. - <_> - 0 9 8 2 3. - <_> - - <_> - 5 11 10 6 -1. - <_> - 10 11 5 3 2. - <_> - 5 14 5 3 2. - <_> - - <_> - 0 8 20 3 -1. - <_> - 0 9 20 1 3. - <_> - - <_> - 7 11 13 3 -1. - <_> - 7 12 13 1 3. - <_> - - <_> - 2 7 15 5 -1. - <_> - 7 7 5 5 3. - <_> - - <_> - 2 9 16 6 -1. - <_> - 2 9 8 6 2. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 7 5 3 2. - <_> - - <_> - 4 12 12 5 -1. - <_> - 8 12 4 5 3. - <_> - - <_> - 2 16 16 4 -1. - <_> - 2 16 8 2 2. - <_> - 10 18 8 2 2. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 4 6 7 -1. - <_> - 2 4 2 7 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 7 0 6 20 -1. - <_> - 9 0 2 20 3. - <_> - - <_> - 9 5 3 13 -1. - <_> - 10 5 1 13 3. - <_> - - <_> - 5 1 10 9 -1. - <_> - 5 4 10 3 3. - <_> - - <_> - 12 5 8 8 -1. - <_> - 16 5 4 4 2. - <_> - 12 9 4 4 2. - <_> - - <_> - 6 0 8 8 -1. - <_> - 6 4 8 4 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 13 2 6 6 -1. - <_> - 13 2 3 6 2. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 7 6 10 14 -1. - <_> - 12 6 5 7 2. - <_> - 7 13 5 7 2. - <_> - - <_> - 1 1 18 3 -1. - <_> - 1 2 18 1 3. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 2 15 7 4 -1. - <_> - 2 17 7 2 2. - <_> - - <_> - 9 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 4 0 9 6 -1. - <_> - 7 0 3 6 3. - <_> - - <_> - 11 6 5 6 -1. - <_> - 11 9 5 3 2. - <_> - - <_> - 3 6 10 14 -1. - <_> - 3 6 5 7 2. - <_> - 8 13 5 7 2. - <_> - - <_> - 6 4 12 12 -1. - <_> - 12 4 6 6 2. - <_> - 6 10 6 6 2. - <_> - - <_> - 4 6 5 6 -1. - <_> - 4 9 5 3 2. - <_> - - <_> - 5 1 14 5 -1. - <_> - 5 1 7 5 2. - <_> - - <_> - 9 4 2 16 -1. - <_> - 9 12 2 8 2. - <_> - - <_> - 13 12 7 4 -1. - <_> - 13 14 7 2 2. - <_> - - <_> - 3 12 5 6 -1. - <_> - 3 15 5 3 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 1 3 8 4 -1. - <_> - 5 3 4 4 2. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 3 0 3 13 -1. - <_> - 4 0 1 13 3. - <_> - - <_> - 10 10 10 10 -1. - <_> - 15 10 5 5 2. - <_> - 10 15 5 5 2. - <_> - - <_> - 0 6 8 14 -1. - <_> - 4 6 4 14 2. - <_> - - <_> - 4 3 12 12 -1. - <_> - 10 3 6 6 2. - <_> - 4 9 6 6 2. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 9 6 3 13 -1. - <_> - 10 6 1 13 3. - <_> - - <_> - 4 1 10 5 -1. - <_> - 9 1 5 5 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 2 6 3 2. - <_> - 9 5 6 3 2. - <_> - - <_> - 2 2 18 4 -1. - <_> - 11 2 9 2 2. - <_> - 2 4 9 2 2. - <_> - - <_> - 3 2 11 6 -1. - <_> - 3 4 11 2 3. - <_> - - <_> - 12 0 8 12 -1. - <_> - 16 0 4 6 2. - <_> - 12 6 4 6 2. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 10 1 3 5 2. - <_> - 7 6 3 5 2. - <_> - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - <_> - - <_> - 4 5 13 3 -1. - <_> - 4 6 13 1 3. - <_> - - <_> - 3 12 7 6 -1. - <_> - 3 14 7 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 8 1 7 6 -1. - <_> - 8 3 7 2 3. - <_> - - <_> - 0 8 12 7 -1. - <_> - 6 8 6 7 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 10 1 10 2 2. - <_> - 0 3 10 2 2. - <_> - - <_> - 0 10 20 3 -1. - <_> - 0 11 20 1 3. - <_> - - <_> - 12 1 2 14 -1. - <_> - 12 1 1 14 2. - <_> - - <_> - 1 7 18 10 -1. - <_> - 7 7 6 10 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 14 1 3 14 -1. - <_> - 15 1 1 14 3. - <_> - - <_> - 5 8 6 5 -1. - <_> - 8 8 3 5 2. - <_> - - <_> - 14 1 3 14 -1. - <_> - 15 1 1 14 3. - <_> - - <_> - 3 1 3 14 -1. - <_> - 4 1 1 14 3. - <_> - - <_> - 0 16 20 2 -1. - <_> - 0 17 20 1 2. - <_> - - <_> - 6 6 4 14 -1. - <_> - 8 6 2 14 2. - <_> - - <_> - 9 6 3 13 -1. - <_> - 10 6 1 13 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 9 3 5 9 -1. - <_> - 9 6 5 3 3. - <_> - - <_> - 2 13 9 6 -1. - <_> - 5 13 3 6 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 1 14 10 6 -1. - <_> - 1 14 5 3 2. - <_> - 6 17 5 3 2. - <_> - - <_> - 11 13 7 6 -1. - <_> - 11 15 7 2 3. - <_> - - <_> - 1 8 8 12 -1. - <_> - 1 8 4 6 2. - <_> - 5 14 4 6 2. - <_> - - <_> - 5 7 15 5 -1. - <_> - 10 7 5 5 3. - <_> - - <_> - 0 7 15 5 -1. - <_> - 5 7 5 5 3. - <_> - - <_> - 12 13 8 6 -1. - <_> - 12 15 8 2 3. - <_> - - <_> - 8 10 4 10 -1. - <_> - 8 15 4 5 2. - <_> - - <_> - 1 6 19 3 -1. - <_> - 1 7 19 1 3. - <_> - - <_> - 7 8 6 9 -1. - <_> - 7 11 6 3 3. - <_> - - <_> - 11 2 8 8 -1. - <_> - 15 2 4 4 2. - <_> - 11 6 4 4 2. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 9 2 3 13 -1. - <_> - 10 2 1 13 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 3 2 3 18 -1. - <_> - 3 8 3 6 3. - <_> - - <_> - 1 5 18 10 -1. - <_> - 10 5 9 5 2. - <_> - 1 10 9 5 2. - <_> - - <_> - 6 1 2 13 -1. - <_> - 7 1 1 13 2. - <_> - - <_> - 11 0 8 6 -1. - <_> - 11 2 8 2 3. - <_> - - <_> - 4 0 7 6 -1. - <_> - 4 2 7 2 3. - <_> - - <_> - 0 2 10 3 -1. - <_> - 5 2 5 3 2. - <_> - - <_> - 1 4 19 4 -1. - <_> - 1 6 19 2 2. - <_> - - <_> - 5 7 6 5 -1. - <_> - 8 7 3 5 2. - <_> - - <_> - 11 10 5 6 -1. - <_> - 11 13 5 3 2. - <_> - - <_> - 7 8 4 12 -1. - <_> - 7 12 4 4 3. - <_> - - <_> - 10 1 10 19 -1. - <_> - 10 1 5 19 2. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 2 7 7 6 -1. - <_> - 2 9 7 2 3. - <_> - - <_> - 10 5 10 12 -1. - <_> - 10 11 10 6 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 5 14 4 4 2. - <_> - - <_> - 7 5 8 12 -1. - <_> - 11 5 4 6 2. - <_> - 7 11 4 6 2. - <_> - - <_> - 5 5 8 12 -1. - <_> - 5 5 4 6 2. - <_> - 9 11 4 6 2. - <_> - - <_> - 14 1 6 8 -1. - <_> - 16 1 2 8 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 1 6 18 4 -1. - <_> - 7 6 6 4 3. - <_> - - <_> - 3 12 13 2 -1. - <_> - 3 13 13 1 2. - <_> - - <_> - 3 3 14 2 -1. - <_> - 3 4 14 1 2. - <_> - - <_> - 2 0 13 6 -1. - <_> - 2 2 13 2 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 3 8 13 2 -1. - <_> - 3 9 13 1 2. - <_> - - <_> - 12 0 4 14 -1. - <_> - 14 0 2 7 2. - <_> - 12 7 2 7 2. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 1 0 6 12 -1. - <_> - 4 0 3 12 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 5 1 15 3 -1. - <_> - 5 2 15 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 1 11 7 6 -1. - <_> - 1 13 7 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 0 5 20 10 -1. - <_> - 10 5 10 5 2. - <_> - 0 10 10 5 2. - <_> - - <_> - 4 6 4 7 -1. - <_> - 6 6 2 7 2. - <_> - - <_> - 4 6 14 6 -1. - <_> - 11 6 7 3 2. - <_> - 4 9 7 3 2. - <_> - - <_> - 5 6 6 8 -1. - <_> - 5 10 6 4 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 14 10 3 10 2. - <_> - - <_> - 2 18 13 2 -1. - <_> - 2 19 13 1 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 14 16 2 2. - <_> - - <_> - 1 6 10 6 -1. - <_> - 1 6 5 3 2. - <_> - 6 9 5 3 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 14 10 3 10 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 3 10 3 10 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 0 0 4 17 -1. - <_> - 2 0 2 17 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 2 4 6 16 -1. - <_> - 2 4 3 8 2. - <_> - 5 12 3 8 2. - <_> - - <_> - 5 6 10 8 -1. - <_> - 10 6 5 4 2. - <_> - 5 10 5 4 2. - <_> - - <_> - 4 6 8 8 -1. - <_> - 4 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 4 2 12 5 -1. - <_> - 8 2 4 5 3. - <_> - - <_> - 11 2 2 18 -1. - <_> - 11 2 1 18 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 0 5 20 5 -1. - <_> - 10 5 10 5 2. - <_> - - <_> - 4 4 12 4 -1. - <_> - 4 6 12 2 2. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 3 15 16 4 -1. - <_> - 11 15 8 2 2. - <_> - 3 17 8 2 2. - <_> - - <_> - 1 15 16 4 -1. - <_> - 1 15 8 2 2. - <_> - 9 17 8 2 2. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 6 11 8 9 -1. - <_> - 6 14 8 3 3. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 4 15 13 3 -1. - <_> - 4 16 13 1 3. - <_> - - <_> - 0 10 5 9 -1. - <_> - 0 13 5 3 3. - <_> - - <_> - 12 10 8 4 -1. - <_> - 12 12 8 2 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 12 8 2 2. - <_> - - <_> - 5 1 10 6 -1. - <_> - 5 3 10 2 3. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 3 6 14 9 -1. - <_> - 3 9 14 3 3. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 3 0 6 9 -1. - <_> - 5 0 2 9 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 0 0 4 17 -1. - <_> - 2 0 2 17 2. - <_> - - <_> - 8 0 12 16 -1. - <_> - 12 0 4 16 3. - <_> - - <_> - 0 0 12 16 -1. - <_> - 4 0 4 16 3. - <_> - - <_> - 5 6 10 6 -1. - <_> - 5 9 10 3 2. - <_> - - <_> - 7 4 2 14 -1. - <_> - 8 4 1 14 2. - <_> - - <_> - 16 5 4 14 -1. - <_> - 18 5 2 7 2. - <_> - 16 12 2 7 2. - <_> - - <_> - 4 4 6 8 -1. - <_> - 6 4 2 8 3. - <_> - - <_> - 5 4 14 3 -1. - <_> - 5 5 14 1 3. - <_> - - <_> - 3 4 13 3 -1. - <_> - 3 5 13 1 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 8 10 10 6 -1. - <_> - 8 12 10 2 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 13 0 3 19 -1. - <_> - 14 0 1 19 3. - <_> - - <_> - 4 0 3 19 -1. - <_> - 5 0 1 19 3. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 7 7 6 9 -1. - <_> - 7 10 6 3 3. - <_> - - <_> - 6 4 4 15 -1. - <_> - 6 9 4 5 3. - <_> - - <_> - 14 0 6 7 -1. - <_> - 16 0 2 7 3. - <_> - - <_> - 2 4 14 12 -1. - <_> - 2 4 7 6 2. - <_> - 9 10 7 6 2. - <_> - - <_> - 4 15 12 5 -1. - <_> - 4 15 6 5 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 0 6 4 14 -1. - <_> - 0 6 2 7 2. - <_> - 2 13 2 7 2. - <_> - - <_> - 11 14 8 6 -1. - <_> - 11 16 8 2 3. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 7 1 5 12 -1. - <_> - 7 7 5 6 2. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 4 10 4 2. - <_> - - <_> - 0 1 15 12 -1. - <_> - 0 5 15 4 3. - <_> - - <_> - 7 3 6 10 -1. - <_> - 7 8 6 5 2. - <_> - - <_> - 6 4 4 16 -1. - <_> - 6 4 2 8 2. - <_> - 8 12 2 8 2. - <_> - - <_> - 1 4 18 4 -1. - <_> - 7 4 6 4 3. - <_> - - <_> - 0 3 12 6 -1. - <_> - 0 3 6 3 2. - <_> - 6 6 6 3 2. - <_> - - <_> - 12 1 8 10 -1. - <_> - 16 1 4 5 2. - <_> - 12 6 4 5 2. - <_> - - <_> - 0 1 8 10 -1. - <_> - 0 1 4 5 2. - <_> - 4 6 4 5 2. - <_> - - <_> - 6 12 8 8 -1. - <_> - 10 12 4 4 2. - <_> - 6 16 4 4 2. - <_> - - <_> - 5 8 8 12 -1. - <_> - 5 8 4 6 2. - <_> - 9 14 4 6 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 3 11 14 6 -1. - <_> - 3 11 7 3 2. - <_> - 10 14 7 3 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 11 4 4 12 -1. - <_> - 11 4 2 12 2. - <_> - - <_> - 7 4 5 14 -1. - <_> - 7 11 5 7 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 5 4 4 12 -1. - <_> - 7 4 2 12 2. - <_> - - <_> - 4 11 12 7 -1. - <_> - 4 11 6 7 2. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 5 6 12 6 -1. - <_> - 11 6 6 3 2. - <_> - 5 9 6 3 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 11 7 2 2. - <_> - 10 13 7 2 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 4 0 12 10 -1. - <_> - 4 0 6 5 2. - <_> - 10 5 6 5 2. - <_> - - <_> - 8 5 12 15 -1. - <_> - 8 5 6 15 2. - <_> - - <_> - 1 12 14 3 -1. - <_> - 1 13 14 1 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 2 17 16 3 -1. - <_> - 10 17 8 3 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 7 8 4 9 -1. - <_> - 9 8 2 9 2. - <_> - - <_> - 4 3 12 12 -1. - <_> - 10 3 6 6 2. - <_> - 4 9 6 6 2. - <_> - - <_> - 0 0 6 20 -1. - <_> - 3 0 3 20 2. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 3 13 14 2 -1. - <_> - 3 14 14 1 2. - <_> - - <_> - 13 11 7 4 -1. - <_> - 13 13 7 2 2. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 13 1 6 12 -1. - <_> - 15 1 2 12 3. - <_> - - <_> - 1 1 6 12 -1. - <_> - 3 1 2 12 3. - <_> - - <_> - 4 8 14 12 -1. - <_> - 4 12 14 4 3. - <_> - - <_> - 0 6 6 12 -1. - <_> - 3 6 3 12 2. - <_> - - <_> - 13 1 3 13 -1. - <_> - 14 1 1 13 3. - <_> - - <_> - 4 1 3 13 -1. - <_> - 5 1 1 13 3. - <_> - - <_> - 16 2 3 14 -1. - <_> - 17 2 1 14 3. - <_> - - <_> - 1 2 3 14 -1. - <_> - 2 2 1 14 3. - <_> - - <_> - 6 9 14 3 -1. - <_> - 6 10 14 1 3. - <_> - - <_> - 0 9 14 3 -1. - <_> - 0 10 14 1 3. - <_> - - <_> - 4 6 14 6 -1. - <_> - 11 6 7 3 2. - <_> - 4 9 7 3 2. - <_> - - <_> - 2 6 14 6 -1. - <_> - 2 6 7 3 2. - <_> - 9 9 7 3 2. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 3 1 10 16 -1. - <_> - 3 1 5 8 2. - <_> - 8 9 5 8 2. - <_> - - <_> - 3 7 14 12 -1. - <_> - 10 7 7 6 2. - <_> - 3 13 7 6 2. - <_> - - <_> - 2 2 13 6 -1. - <_> - 2 5 13 3 2. - <_> - - <_> - 14 1 6 6 -1. - <_> - 14 4 6 3 2. - <_> - - <_> - 0 1 6 6 -1. - <_> - 0 4 6 3 2. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 2 0 4 14 -1. - <_> - 4 0 2 14 2. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 1 8 18 3 -1. - <_> - 7 8 6 3 3. - <_> - - <_> - 4 7 13 2 -1. - <_> - 4 8 13 1 2. - <_> - - <_> - 2 1 16 6 -1. - <_> - 2 1 8 3 2. - <_> - 10 4 8 3 2. - <_> - - <_> - 9 5 7 9 -1. - <_> - 9 8 7 3 3. - <_> - - <_> - 2 9 8 8 -1. - <_> - 2 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 13 10 7 6 -1. - <_> - 13 12 7 2 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 1 15 14 2 -1. - <_> - 1 16 14 1 2. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 7 13 7 6 -1. - <_> - 7 15 7 2 3. - <_> - - <_> - 5 5 6 10 -1. - <_> - 5 5 3 5 2. - <_> - 8 10 3 5 2. - <_> - - <_> - 5 4 10 4 -1. - <_> - 5 6 10 2 2. - <_> - - <_> - 1 0 18 20 -1. - <_> - 7 0 6 20 3. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 0 5 9 7 -1. - <_> - 3 5 3 7 3. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 13 4 4 2. - <_> - - <_> - 0 3 20 10 -1. - <_> - 0 8 20 5 2. - <_> - - <_> - 7 0 6 12 -1. - <_> - 9 0 2 12 3. - <_> - - <_> - 3 16 14 4 -1. - <_> - 3 18 14 2 2. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 13 4 4 2. - <_> - - <_> - 5 9 4 8 -1. - <_> - 5 13 4 4 2. - <_> - - <_> - 6 11 13 3 -1. - <_> - 6 12 13 1 3. - <_> - - <_> - 0 0 19 6 -1. - <_> - 0 2 19 2 3. - <_> - - <_> - 2 3 16 2 -1. - <_> - 2 4 16 1 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 7 1 3 12 -1. - <_> - 7 7 3 6 2. - <_> - - <_> - 12 4 4 10 -1. - <_> - 12 9 4 5 2. - <_> - - <_> - 0 2 13 2 -1. - <_> - 0 3 13 1 2. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 6 4 4 2. - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 10 11 7 2 2. - <_> - 3 13 7 2 2. - <_> - - <_> - 3 10 14 4 -1. - <_> - 3 10 7 2 2. - <_> - 10 12 7 2 2. - <_> - - <_> - 6 6 14 3 -1. - <_> - 6 7 14 1 3. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 9 3 2 13 -1. - <_> - 10 3 1 13 2. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 12 12 7 4 -1. - <_> - 12 14 7 2 2. - <_> - - <_> - 1 12 7 4 -1. - <_> - 1 14 7 2 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 1 17 13 3 -1. - <_> - 1 18 13 1 3. - <_> - - <_> - 4 0 16 9 -1. - <_> - 4 0 8 9 2. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 3 20 4 -1. - <_> - 0 3 10 2 2. - <_> - 10 5 10 2 2. - <_> - - <_> - 12 13 8 6 -1. - <_> - 12 15 8 2 3. - <_> - - <_> - 6 1 2 16 -1. - <_> - 7 1 1 16 2. - <_> - - <_> - 10 0 10 19 -1. - <_> - 10 0 5 19 2. - <_> - - <_> - 2 0 14 18 -1. - <_> - 9 0 7 18 2. - <_> - - <_> - 9 3 5 9 -1. - <_> - 9 6 5 3 3. - <_> - - <_> - 0 0 10 19 -1. - <_> - 5 0 5 19 2. - <_> - - <_> - 14 0 3 14 -1. - <_> - 15 0 1 14 3. - <_> - - <_> - 3 0 3 14 -1. - <_> - 4 0 1 14 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 0 10 13 3 -1. - <_> - 0 11 13 1 3. - <_> - - <_> - 12 11 5 9 -1. - <_> - 12 14 5 3 3. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 12 5 4 8 -1. - <_> - 12 9 4 4 2. - <_> - - <_> - 0 13 8 6 -1. - <_> - 0 15 8 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 2 5 16 8 -1. - <_> - 2 5 8 4 2. - <_> - 10 9 8 4 2. - <_> - - <_> - 14 3 6 8 -1. - <_> - 16 3 2 8 3. - <_> - - <_> - 8 4 3 10 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 9 6 4 8 -1. - <_> - 9 10 4 4 2. - <_> - - <_> - 0 4 6 7 -1. - <_> - 2 4 2 7 3. - <_> - - <_> - 5 1 10 6 -1. - <_> - 5 4 10 3 2. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 10 4 8 8 -1. - <_> - 14 4 4 4 2. - <_> - 10 8 4 4 2. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 10 4 8 8 -1. - <_> - 14 4 4 4 2. - <_> - 10 8 4 4 2. - <_> - - <_> - 2 4 8 8 -1. - <_> - 2 4 4 4 2. - <_> - 6 8 4 4 2. - <_> - - <_> - 13 0 2 20 -1. - <_> - 13 0 1 20 2. - <_> - - <_> - 3 14 7 6 -1. - <_> - 3 16 7 2 3. - <_> - - <_> - 2 2 18 4 -1. - <_> - 8 2 6 4 3. - <_> - - <_> - 6 0 6 10 -1. - <_> - 6 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 4 6 16 3 -1. - <_> - 4 6 8 3 2. - <_> - - <_> - 0 6 16 3 -1. - <_> - 8 6 8 3 2. - <_> - - <_> - 13 0 2 20 -1. - <_> - 13 0 1 20 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 2 2 16 1 3. - <_> - - <_> - 13 0 2 20 -1. - <_> - 13 0 1 20 2. - <_> - - <_> - 5 0 2 20 -1. - <_> - 6 0 1 20 2. - <_> - - <_> - 5 0 15 8 -1. - <_> - 10 0 5 8 3. - <_> - - <_> - 0 0 15 8 -1. - <_> - 5 0 5 8 3. - <_> - - <_> - 11 3 6 7 -1. - <_> - 13 3 2 7 3. - <_> - - <_> - 3 3 6 7 -1. - <_> - 5 3 2 7 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 8 4 3 13 -1. - <_> - 9 4 1 13 3. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 3 1 6 10 -1. - <_> - 3 1 3 5 2. - <_> - 6 6 3 5 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 6 9 12 -1. - <_> - 4 12 9 6 2. - <_> - - <_> - 4 4 13 3 -1. - <_> - 4 5 13 1 3. - <_> - - <_> - 1 7 18 3 -1. - <_> - 1 8 18 1 3. - <_> - - <_> - 6 7 13 2 -1. - <_> - 6 8 13 1 2. - <_> - - <_> - 6 3 7 16 -1. - <_> - 6 11 7 8 2. - <_> - - <_> - 8 11 6 9 -1. - <_> - 10 11 2 9 3. - <_> - - <_> - 6 11 6 9 -1. - <_> - 8 11 2 9 3. - <_> - - <_> - 10 5 3 13 -1. - <_> - 11 5 1 13 3. - <_> - - <_> - 7 4 3 13 -1. - <_> - 8 4 1 13 3. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 14 6 3 2. - <_> - 6 17 6 3 2. - <_> - - <_> - 14 13 5 6 -1. - <_> - 14 16 5 3 2. - <_> - - <_> - 1 13 5 6 -1. - <_> - 1 16 5 3 2. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 6 13 1 2. - <_> - - <_> - 0 10 20 6 -1. - <_> - 0 10 10 3 2. - <_> - 10 13 10 3 2. - <_> - - <_> - 8 5 4 14 -1. - <_> - 10 5 2 7 2. - <_> - 8 12 2 7 2. - <_> - - <_> - 6 8 8 8 -1. - <_> - 6 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 13 10 5 9 -1. - <_> - 13 13 5 3 3. - <_> - - <_> - 5 0 10 12 -1. - <_> - 5 0 5 6 2. - <_> - 10 6 5 6 2. - <_> - - <_> - 10 10 6 7 -1. - <_> - 12 10 2 7 3. - <_> - - <_> - 2 10 5 9 -1. - <_> - 2 13 5 3 3. - <_> - - <_> - 0 0 20 2 -1. - <_> - 0 0 10 2 2. - <_> - - <_> - 1 0 4 18 -1. - <_> - 3 0 2 18 2. - <_> - - <_> - 15 2 5 6 -1. - <_> - 15 5 5 3 2. - <_> - - <_> - 2 4 14 6 -1. - <_> - 2 4 7 3 2. - <_> - 9 7 7 3 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 3 3 5 12 -1. - <_> - 3 9 5 6 2. - <_> - - <_> - 2 4 17 15 -1. - <_> - 2 9 17 5 3. - <_> - - <_> - 3 0 13 12 -1. - <_> - 3 4 13 4 3. - <_> - - <_> - 2 17 18 3 -1. - <_> - 2 18 18 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 2 0 18 6 -1. - <_> - 8 0 6 6 3. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 0 6 9 3. - <_> - - <_> - 10 2 6 7 -1. - <_> - 12 2 2 7 3. - <_> - - <_> - 1 6 15 4 -1. - <_> - 6 6 5 4 3. - <_> - - <_> - 5 1 12 9 -1. - <_> - 5 4 12 3 3. - <_> - - <_> - 6 7 4 12 -1. - <_> - 6 13 4 6 2. - <_> - - <_> - 10 6 6 10 -1. - <_> - 12 6 2 10 3. - <_> - - <_> - 3 12 9 4 -1. - <_> - 3 14 9 2 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 4 3 5 9 -1. - <_> - 4 6 5 3 3. - <_> - - <_> - 1 7 18 5 -1. - <_> - 7 7 6 5 3. - <_> - - <_> - 6 4 6 8 -1. - <_> - 8 4 2 8 3. - <_> - - <_> - 10 1 6 8 -1. - <_> - 12 1 2 8 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 7 0 13 2 -1. - <_> - 7 1 13 1 2. - <_> - - <_> - 0 4 18 5 -1. - <_> - 6 4 6 5 3. - <_> - - <_> - 10 5 6 11 -1. - <_> - 12 5 2 11 3. - <_> - - <_> - 3 5 4 11 -1. - <_> - 5 5 2 11 2. - <_> - - <_> - 9 9 9 10 -1. - <_> - 12 9 3 10 3. - <_> - - <_> - 2 9 9 10 -1. - <_> - 5 9 3 10 3. - <_> - - <_> - 7 7 6 9 -1. - <_> - 9 7 2 9 3. - <_> - - <_> - 5 0 6 15 -1. - <_> - 7 0 2 15 3. - <_> - - <_> - 6 12 10 6 -1. - <_> - 11 12 5 3 2. - <_> - 6 15 5 3 2. - <_> - - <_> - 0 17 15 3 -1. - <_> - 5 17 5 3 3. - <_> - - <_> - 11 10 6 10 -1. - <_> - 14 10 3 5 2. - <_> - 11 15 3 5 2. - <_> - - <_> - 4 12 10 6 -1. - <_> - 4 12 5 3 2. - <_> - 9 15 5 3 2. - <_> - - <_> - 0 0 18 5 -1. - <_> - 6 0 6 5 3. - <_> - - <_> - 2 1 18 6 -1. - <_> - 2 3 18 2 3. - <_> - - <_> - 2 10 9 6 -1. - <_> - 2 12 9 2 3. - <_> - - <_> - 9 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 7 12 6 7 -1. - <_> - 9 12 2 7 3. - <_> - - <_> - 4 10 5 6 -1. - <_> - 4 13 5 3 2. - <_> - - <_> - 12 2 6 10 -1. - <_> - 15 2 3 5 2. - <_> - 12 7 3 5 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 4 6 12 8 -1. - <_> - 4 10 12 4 2. - <_> - - <_> - 2 2 6 10 -1. - <_> - 2 2 3 5 2. - <_> - 5 7 3 5 2. - <_> - - <_> - 6 15 14 2 -1. - <_> - 6 16 14 1 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 6 2 9 5 -1. - <_> - 9 2 3 5 3. - <_> - - <_> - 1 14 8 6 -1. - <_> - 1 16 8 2 3. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 2 8 18 2 -1. - <_> - 2 9 18 1 2. - <_> - - <_> - 2 0 14 2 -1. - <_> - 2 1 14 1 2. - <_> - - <_> - 11 10 4 7 -1. - <_> - 11 10 2 7 2. - <_> - - <_> - 4 14 12 6 -1. - <_> - 8 14 4 6 3. - <_> - - <_> - 11 10 4 7 -1. - <_> - 11 10 2 7 2. - <_> - - <_> - 5 10 4 7 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 9 6 2 14 -1. - <_> - 9 13 2 7 2. - <_> - - <_> - 2 17 15 3 -1. - <_> - 2 18 15 1 3. - <_> - - <_> - 16 1 4 7 -1. - <_> - 16 1 2 7 2. - <_> - - <_> - 5 13 4 7 -1. - <_> - 7 13 2 7 2. - <_> - - <_> - 14 1 6 7 -1. - <_> - 16 1 2 7 3. - <_> - - <_> - 0 1 6 7 -1. - <_> - 2 1 2 7 3. - <_> - - <_> - 4 3 13 2 -1. - <_> - 4 4 13 1 2. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 2 6 14 -1. - <_> - 2 2 2 14 3. - <_> - - <_> - 13 0 6 13 -1. - <_> - 15 0 2 13 3. - <_> - - <_> - 1 0 6 13 -1. - <_> - 3 0 2 13 3. - <_> - - <_> - 0 3 20 4 -1. - <_> - 10 3 10 2 2. - <_> - 0 5 10 2 2. - <_> - - <_> - 0 7 12 11 -1. - <_> - 6 7 6 11 2. - <_> - - <_> - 7 11 7 6 -1. - <_> - 7 13 7 2 3. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 10 7 4 12 -1. - <_> - 10 7 2 12 2. - <_> - - <_> - 4 7 11 4 -1. - <_> - 4 9 11 2 2. - <_> - - <_> - 5 7 10 6 -1. - <_> - 10 7 5 3 2. - <_> - 5 10 5 3 2. - <_> - - <_> - 0 5 18 10 -1. - <_> - 0 5 9 5 2. - <_> - 9 10 9 5 2. - <_> - - <_> - 0 0 20 4 -1. - <_> - 10 0 10 2 2. - <_> - 0 2 10 2 2. - <_> - - <_> - 2 4 13 3 -1. - <_> - 2 5 13 1 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 2 4 13 2 -1. - <_> - 2 5 13 1 2. - <_> - - <_> - 7 0 13 3 -1. - <_> - 7 1 13 1 3. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 10 6 9 14 -1. - <_> - 13 6 3 14 3. - <_> - - <_> - 1 6 9 14 -1. - <_> - 4 6 3 14 3. - <_> - - <_> - 8 1 5 10 -1. - <_> - 8 6 5 5 2. - <_> - - <_> - 0 3 20 8 -1. - <_> - 0 7 20 4 2. - <_> - - <_> - 4 9 14 2 -1. - <_> - 4 10 14 1 2. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 3 13 14 6 -1. - <_> - 3 15 14 2 3. - <_> - - <_> - 6 11 13 9 -1. - <_> - 6 14 13 3 3. - <_> - - <_> - 1 11 13 9 -1. - <_> - 1 14 13 3 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 3 5 12 4 -1. - <_> - 7 5 4 4 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 6 0 6 4 3. - <_> - - <_> - 9 1 4 10 -1. - <_> - 9 6 4 5 2. - <_> - - <_> - 0 2 13 2 -1. - <_> - 0 3 13 1 2. - <_> - - <_> - 7 1 8 8 -1. - <_> - 11 1 4 4 2. - <_> - 7 5 4 4 2. - <_> - - <_> - 5 7 6 12 -1. - <_> - 5 7 3 6 2. - <_> - 8 13 3 6 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 0 14 20 3 -1. - <_> - 0 15 20 1 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 3 0 9 5 -1. - <_> - 6 0 3 5 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 5 6 6 7 -1. - <_> - 7 6 2 7 3. - <_> - - <_> - 9 1 3 19 -1. - <_> - 10 1 1 19 3. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 13 7 2 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 11 5 6 -1. - <_> - 0 14 5 3 2. - <_> - - <_> - 9 2 10 18 -1. - <_> - 14 2 5 9 2. - <_> - 9 11 5 9 2. - <_> - - <_> - 2 16 8 4 -1. - <_> - 6 16 4 4 2. - <_> - - <_> - 7 4 6 8 -1. - <_> - 9 4 2 8 3. - <_> - - <_> - 7 0 2 19 -1. - <_> - 8 0 1 19 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 0 9 5 -1. - <_> - 3 0 3 5 3. - <_> - - <_> - 18 2 2 18 -1. - <_> - 18 2 1 18 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 18 2 2 18 -1. - <_> - 18 2 1 18 2. - <_> - - <_> - 0 2 2 18 -1. - <_> - 1 2 1 18 2. - <_> - - <_> - 7 4 7 15 -1. - <_> - 7 9 7 5 3. - <_> - - <_> - 7 13 6 6 -1. - <_> - 7 16 6 3 2. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 17 0 3 16 -1. - <_> - 18 0 1 16 3. - <_> - - <_> - 0 4 3 14 -1. - <_> - 1 4 1 14 3. - <_> - - <_> - 14 8 6 5 -1. - <_> - 14 8 3 5 2. - <_> - - <_> - 0 8 6 5 -1. - <_> - 3 8 3 5 2. - <_> - - <_> - 1 13 18 4 -1. - <_> - 10 13 9 2 2. - <_> - 1 15 9 2 2. - <_> - - <_> - 7 0 5 9 -1. - <_> - 7 3 5 3 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 7 3 3 13 -1. - <_> - 8 3 1 13 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 10 -1. - <_> - 5 0 3 5 2. - <_> - 8 5 3 5 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 3 0 14 8 -1. - <_> - 3 4 14 4 2. - <_> - - <_> - 8 1 5 10 -1. - <_> - 8 6 5 5 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 2 18 15 2 -1. - <_> - 2 19 15 1 2. - <_> - - <_> - 8 7 6 7 -1. - <_> - 10 7 2 7 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 0 7 12 4 -1. - <_> - 0 9 12 2 2. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 10 6 5 3 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 3 16 14 4 -1. - <_> - 3 16 7 2 2. - <_> - 10 18 7 2 2. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 9 6 6 12 -1. - <_> - 9 6 3 12 2. - <_> - - <_> - 0 8 18 4 -1. - <_> - 6 8 6 4 3. - <_> - - <_> - 14 1 6 10 -1. - <_> - 16 1 2 10 3. - <_> - - <_> - 6 9 8 10 -1. - <_> - 6 9 4 5 2. - <_> - 10 14 4 5 2. - <_> - - <_> - 14 1 6 10 -1. - <_> - 16 1 2 10 3. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 1 14 5 6 -1. - <_> - 1 17 5 3 2. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 1 11 6 6 -1. - <_> - 4 11 3 6 2. - <_> - - <_> - 4 7 15 7 -1. - <_> - 9 7 5 7 3. - <_> - - <_> - 3 6 12 11 -1. - <_> - 7 6 4 11 3. - <_> - - <_> - 8 4 6 7 -1. - <_> - 10 4 2 7 3. - <_> - - <_> - 6 4 6 7 -1. - <_> - 8 4 2 7 3. - <_> - - <_> - 11 2 2 15 -1. - <_> - 11 2 1 15 2. - <_> - - <_> - 0 1 6 10 -1. - <_> - 2 1 2 10 3. - <_> - - <_> - 10 0 10 6 -1. - <_> - 15 0 5 3 2. - <_> - 10 3 5 3 2. - <_> - - <_> - 1 0 15 3 -1. - <_> - 1 1 15 1 3. - <_> - - <_> - 7 0 13 3 -1. - <_> - 7 1 13 1 3. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 0 5 3 2. - <_> - 5 3 5 3 2. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 6 2 12 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 9 6 2 12 2. - <_> - - <_> - 9 0 6 18 -1. - <_> - 12 0 3 9 2. - <_> - 9 9 3 9 2. - <_> - - <_> - 3 9 14 2 -1. - <_> - 10 9 7 2 2. - <_> - - <_> - 13 10 7 6 -1. - <_> - 13 12 7 2 3. - <_> - - <_> - 6 2 4 12 -1. - <_> - 6 6 4 4 3. - <_> - - <_> - 3 1 14 6 -1. - <_> - 3 1 7 6 2. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 9 4 7 4 -1. - <_> - 9 6 7 2 2. - <_> - - <_> - 0 9 15 3 -1. - <_> - 0 10 15 1 3. - <_> - - <_> - 7 0 8 8 -1. - <_> - 11 0 4 4 2. - <_> - 7 4 4 4 2. - <_> - - <_> - 0 3 20 4 -1. - <_> - 0 3 10 2 2. - <_> - 10 5 10 2 2. - <_> - - <_> - 10 2 10 3 -1. - <_> - 10 2 5 3 2. - <_> - - <_> - 4 4 7 4 -1. - <_> - 4 6 7 2 2. - <_> - - <_> - 10 2 10 3 -1. - <_> - 10 2 5 3 2. - <_> - - <_> - 2 11 12 6 -1. - <_> - 2 11 6 3 2. - <_> - 8 14 6 3 2. - <_> - - <_> - 0 0 20 10 -1. - <_> - 0 5 20 5 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 12 13 8 6 -1. - <_> - 12 15 8 2 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 12 13 8 6 -1. - <_> - 12 15 8 2 3. - <_> - - <_> - 0 13 8 6 -1. - <_> - 0 15 8 2 3. - <_> - - <_> - 12 0 8 12 -1. - <_> - 16 0 4 6 2. - <_> - 12 6 4 6 2. - <_> - - <_> - 7 1 6 14 -1. - <_> - 7 8 6 7 2. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 7 7 6 9 -1. - <_> - 7 10 6 3 3. - <_> - - <_> - 5 6 13 3 -1. - <_> - 5 7 13 1 3. - <_> - - <_> - 2 4 8 8 -1. - <_> - 2 4 4 4 2. - <_> - 6 8 4 4 2. - <_> - - <_> - 11 4 8 16 -1. - <_> - 15 4 4 8 2. - <_> - 11 12 4 8 2. - <_> - - <_> - 1 4 8 16 -1. - <_> - 1 4 4 8 2. - <_> - 5 12 4 8 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 4 0 12 8 -1. - <_> - 4 4 12 4 2. - <_> - - <_> - 5 1 8 6 -1. - <_> - 5 4 8 3 2. - <_> - - <_> - 5 2 15 2 -1. - <_> - 5 3 15 1 2. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 10 2 10 3 -1. - <_> - 10 2 5 3 2. - <_> - - <_> - 1 0 10 6 -1. - <_> - 1 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 10 2 10 3 -1. - <_> - 10 2 5 3 2. - <_> - - <_> - 0 5 7 6 -1. - <_> - 0 7 7 2 3. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 1 1 18 8 -1. - <_> - 1 1 9 4 2. - <_> - 10 5 9 4 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 0 15 14 4 -1. - <_> - 0 15 7 2 2. - <_> - 7 17 7 2 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 0 2 4 18 -1. - <_> - 0 2 2 9 2. - <_> - 2 11 2 9 2. - <_> - - <_> - 10 6 6 11 -1. - <_> - 10 6 3 11 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 10 6 10 2 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 7 2 6 7 -1. - <_> - 9 2 2 7 3. - <_> - - <_> - 12 2 8 4 -1. - <_> - 12 2 4 4 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 13 1 6 6 -1. - <_> - 13 1 3 6 2. - <_> - - <_> - 0 3 6 7 -1. - <_> - 3 3 3 7 2. - <_> - - <_> - 8 12 10 8 -1. - <_> - 13 12 5 4 2. - <_> - 8 16 5 4 2. - <_> - - <_> - 2 9 12 10 -1. - <_> - 2 9 6 5 2. - <_> - 8 14 6 5 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 14 8 4 2. - <_> - - <_> - 1 1 8 6 -1. - <_> - 1 3 8 2 3. - <_> - - <_> - 7 11 13 3 -1. - <_> - 7 12 13 1 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 0 1 9 2 2. - <_> - 9 3 9 2 2. - <_> - - <_> - 10 1 6 8 -1. - <_> - 12 1 2 8 3. - <_> - - <_> - 4 1 6 8 -1. - <_> - 6 1 2 8 3. - <_> - - <_> - 12 5 3 10 -1. - <_> - 12 10 3 5 2. - <_> - - <_> - 7 1 6 16 -1. - <_> - 7 9 6 8 2. - <_> - - <_> - 14 0 5 8 -1. - <_> - 14 4 5 4 2. - <_> - - <_> - 5 5 3 10 -1. - <_> - 5 10 3 5 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 3 14 7 2 2. - <_> - 10 16 7 2 2. - <_> - - <_> - 9 6 3 13 -1. - <_> - 10 6 1 13 3. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 14 0 5 8 -1. - <_> - 14 4 5 4 2. - <_> - - <_> - 1 0 5 8 -1. - <_> - 1 4 5 4 2. - <_> - - <_> - 14 13 6 6 -1. - <_> - 14 16 6 3 2. - <_> - - <_> - 0 0 19 3 -1. - <_> - 0 1 19 1 3. - <_> - - <_> - 10 12 8 8 -1. - <_> - 14 12 4 4 2. - <_> - 10 16 4 4 2. - <_> - - <_> - 2 12 8 8 -1. - <_> - 2 12 4 4 2. - <_> - 6 16 4 4 2. - <_> - - <_> - 3 8 15 3 -1. - <_> - 3 9 15 1 3. - <_> - - <_> - 5 2 4 13 -1. - <_> - 7 2 2 13 2. - <_> - - <_> - 3 9 17 3 -1. - <_> - 3 10 17 1 3. - <_> - - <_> - 2 4 13 3 -1. - <_> - 2 5 13 1 3. - <_> - - <_> - 12 0 6 13 -1. - <_> - 14 0 2 13 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 9 12 9 6 -1. - <_> - 12 12 3 6 3. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 3 10 14 4 -1. - <_> - 10 10 7 2 2. - <_> - 3 12 7 2 2. - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 2 8 2 3. - <_> - - <_> - 6 0 9 5 -1. - <_> - 9 0 3 5 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 11 13 9 6 -1. - <_> - 11 15 9 2 3. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 4 1 13 6 -1. - <_> - 4 4 13 3 2. - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 5 20 3 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 2 6 15 8 -1. - <_> - 7 6 5 8 3. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 2 1 18 4 -1. - <_> - 8 1 6 4 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 7 10 2 3. - <_> - - <_> - 6 10 8 8 -1. - <_> - 10 10 4 4 2. - <_> - 6 14 4 4 2. - <_> - - <_> - 7 0 3 20 -1. - <_> - 8 0 1 20 3. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 0 20 2 -1. - <_> - 10 0 10 2 2. - <_> - - <_> - 3 4 14 2 -1. - <_> - 3 4 7 2 2. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 7 11 13 3 -1. - <_> - 7 12 13 1 3. - <_> - - <_> - 0 6 8 14 -1. - <_> - 4 6 4 14 2. - <_> - - <_> - 9 13 9 5 -1. - <_> - 12 13 3 5 3. - <_> - - <_> - 2 13 9 5 -1. - <_> - 5 13 3 5 3. - <_> - - <_> - 10 1 4 7 -1. - <_> - 10 1 2 7 2. - <_> - - <_> - 6 1 4 7 -1. - <_> - 8 1 2 7 2. - <_> - - <_> - 12 8 6 8 -1. - <_> - 12 8 3 8 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 11 12 8 8 -1. - <_> - 15 12 4 4 2. - <_> - 11 16 4 4 2. - <_> - - <_> - 1 12 8 8 -1. - <_> - 1 12 4 4 2. - <_> - 5 16 4 4 2. - <_> - - <_> - 12 8 6 5 -1. - <_> - 12 8 3 5 2. - <_> - - <_> - 2 8 6 5 -1. - <_> - 5 8 3 5 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 10 5 6 3 2. - <_> - 4 8 6 3 2. - <_> - - <_> - 2 9 10 3 -1. - <_> - 7 9 5 3 2. - <_> - - <_> - 10 3 8 8 -1. - <_> - 14 3 4 4 2. - <_> - 10 7 4 4 2. - <_> - - <_> - 2 3 8 8 -1. - <_> - 2 3 4 4 2. - <_> - 6 7 4 4 2. - <_> - - <_> - 2 2 18 3 -1. - <_> - 8 2 6 3 3. - <_> - - <_> - 4 1 8 8 -1. - <_> - 4 1 4 4 2. - <_> - 8 5 4 4 2. - <_> - - <_> - 10 11 4 9 -1. - <_> - 10 11 2 9 2. - <_> - - <_> - 0 13 15 7 -1. - <_> - 5 13 5 7 3. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 14 1 3 14 -1. - <_> - 15 1 1 14 3. - <_> - - <_> - 0 2 18 3 -1. - <_> - 6 2 6 3 3. - <_> - - <_> - 10 2 6 7 -1. - <_> - 12 2 2 7 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 4 16 10 -1. - <_> - 0 9 16 5 2. - <_> - - <_> - 6 15 13 3 -1. - <_> - 6 16 13 1 3. - <_> - - <_> - 2 3 13 2 -1. - <_> - 2 4 13 1 2. - <_> - - <_> - 5 0 11 8 -1. - <_> - 5 4 11 4 2. - <_> - - <_> - 1 6 3 10 -1. - <_> - 1 11 3 5 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 14 1 4 7 -1. - <_> - 14 1 2 7 2. - <_> - - <_> - 1 14 8 6 -1. - <_> - 1 16 8 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 14 1 4 7 -1. - <_> - 14 1 2 7 2. - <_> - - <_> - 2 1 4 7 -1. - <_> - 4 1 2 7 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 1 14 9 6 -1. - <_> - 1 16 9 2 3. - <_> - - <_> - 10 9 6 7 -1. - <_> - 12 9 2 7 3. - <_> - - <_> - 4 9 6 7 -1. - <_> - 6 9 2 7 3. - <_> - - <_> - 10 14 10 6 -1. - <_> - 15 14 5 3 2. - <_> - 10 17 5 3 2. - <_> - - <_> - 4 14 12 6 -1. - <_> - 4 17 12 3 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 1 3 15 4 -1. - <_> - 6 3 5 4 3. - <_> - - <_> - 2 9 18 3 -1. - <_> - 8 9 6 3 3. - <_> - - <_> - 2 8 12 4 -1. - <_> - 6 8 4 4 3. - <_> - - <_> - 12 5 6 11 -1. - <_> - 12 5 3 11 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 10 0 10 2 2. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 4 8 12 4 -1. - <_> - 4 10 12 2 2. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 11 8 3 10 -1. - <_> - 11 13 3 5 2. - <_> - - <_> - 1 14 10 6 -1. - <_> - 1 14 5 3 2. - <_> - 6 17 5 3 2. - <_> - - <_> - 6 4 12 12 -1. - <_> - 12 4 6 6 2. - <_> - 6 10 6 6 2. - <_> - - <_> - 2 4 12 12 -1. - <_> - 2 4 6 6 2. - <_> - 8 10 6 6 2. - <_> - - <_> - 3 5 14 8 -1. - <_> - 10 5 7 4 2. - <_> - 3 9 7 4 2. - <_> - - <_> - 0 4 6 7 -1. - <_> - 2 4 2 7 3. - <_> - - <_> - 7 13 7 6 -1. - <_> - 7 15 7 2 3. - <_> - - <_> - 2 13 16 6 -1. - <_> - 2 15 16 2 3. - <_> - - <_> - 16 7 3 13 -1. - <_> - 17 7 1 13 3. - <_> - - <_> - 1 7 3 13 -1. - <_> - 2 7 1 13 3. - <_> - - <_> - 11 10 5 9 -1. - <_> - 11 13 5 3 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 7 2 13 3 -1. - <_> - 7 3 13 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 11 10 5 9 -1. - <_> - 11 13 5 3 3. - <_> - - <_> - 4 10 5 9 -1. - <_> - 4 13 5 3 3. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 1 2 18 4 -1. - <_> - 1 2 9 2 2. - <_> - 10 4 9 2 2. - <_> - - <_> - 14 2 6 6 -1. - <_> - 14 5 6 3 2. - <_> - - <_> - 0 2 6 6 -1. - <_> - 0 5 6 3 2. - <_> - - <_> - 4 0 13 6 -1. - <_> - 4 3 13 3 2. - <_> - - <_> - 2 7 13 3 -1. - <_> - 2 8 13 1 3. - <_> - - <_> - 3 7 14 2 -1. - <_> - 3 8 14 1 2. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 11 10 6 8 -1. - <_> - 11 10 3 8 2. - <_> - - <_> - 4 0 8 7 -1. - <_> - 8 0 4 7 2. - <_> - - <_> - 11 10 6 7 -1. - <_> - 11 10 3 7 2. - <_> - - <_> - 6 2 2 18 -1. - <_> - 7 2 1 18 2. - <_> - - <_> - 12 6 3 13 -1. - <_> - 13 6 1 13 3. - <_> - - <_> - 2 18 14 2 -1. - <_> - 2 19 14 1 2. - <_> - - <_> - 11 10 6 7 -1. - <_> - 11 10 3 7 2. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 12 4 2 14 -1. - <_> - 12 4 1 14 2. - <_> - - <_> - 6 4 2 14 -1. - <_> - 7 4 1 14 2. - <_> - - <_> - 1 12 18 3 -1. - <_> - 7 12 6 3 3. - <_> - - <_> - 2 8 6 9 -1. - <_> - 5 8 3 9 2. - <_> - - <_> - 11 5 8 8 -1. - <_> - 15 5 4 4 2. - <_> - 11 9 4 4 2. - <_> - - <_> - 5 5 8 8 -1. - <_> - 5 5 4 4 2. - <_> - 9 9 4 4 2. - <_> - - <_> - 9 0 3 20 -1. - <_> - 10 0 1 20 3. - <_> - - <_> - 7 5 3 13 -1. - <_> - 8 5 1 13 3. - <_> - - <_> - 0 3 10 6 -1. - <_> - 0 3 5 3 2. - <_> - 5 6 5 3 2. - <_> - - <_> - 5 7 12 4 -1. - <_> - 9 7 4 4 3. - <_> - - <_> - 5 4 6 10 -1. - <_> - 5 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 10 9 4 8 -1. - <_> - 10 13 4 4 2. - <_> - - <_> - 3 7 12 5 -1. - <_> - 7 7 4 5 3. - <_> - - <_> - 7 2 6 12 -1. - <_> - 7 6 6 4 3. - <_> - - <_> - 0 4 6 8 -1. - <_> - 3 4 3 8 2. - <_> - - <_> - 4 11 13 3 -1. - <_> - 4 12 13 1 3. - <_> - - <_> - 0 9 18 5 -1. - <_> - 6 9 6 5 3. - <_> - - <_> - 5 7 15 2 -1. - <_> - 5 8 15 1 2. - <_> - - <_> - 2 11 14 4 -1. - <_> - 2 11 7 2 2. - <_> - 9 13 7 2 2. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 4 10 12 6 -1. - <_> - 4 10 6 3 2. - <_> - 10 13 6 3 2. - <_> - - <_> - 14 8 6 10 -1. - <_> - 14 8 3 10 2. - <_> - - <_> - 0 2 18 2 -1. - <_> - 0 3 18 1 2. - <_> - - <_> - 14 1 6 5 -1. - <_> - 14 1 3 5 2. - <_> - - <_> - 3 8 13 2 -1. - <_> - 3 9 13 1 2. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 1 6 5 -1. - <_> - 3 1 3 5 2. - <_> - - <_> - 7 1 8 8 -1. - <_> - 11 1 4 4 2. - <_> - 7 5 4 4 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 15 4 4 14 -1. - <_> - 17 4 2 7 2. - <_> - 15 11 2 7 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 15 4 4 14 -1. - <_> - 17 4 2 7 2. - <_> - 15 11 2 7 2. - <_> - - <_> - 1 2 4 18 -1. - <_> - 1 2 2 9 2. - <_> - 3 11 2 9 2. - <_> - - <_> - 3 11 16 9 -1. - <_> - 3 14 16 3 3. - <_> - - <_> - 0 0 17 3 -1. - <_> - 0 1 17 1 3. - <_> - - <_> - 9 5 9 15 -1. - <_> - 9 10 9 5 3. - <_> - - <_> - 0 7 7 9 -1. - <_> - 0 10 7 3 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 16 0 3 5 2. - <_> - 13 5 3 5 2. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 13 0 6 10 -1. - <_> - 16 0 3 5 2. - <_> - 13 5 3 5 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 10 1 6 7 -1. - <_> - 12 1 2 7 3. - <_> - - <_> - 7 4 5 16 -1. - <_> - 7 12 5 8 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 4 3 6 17 -1. - <_> - 6 3 2 17 3. - <_> - - <_> - 2 0 18 20 -1. - <_> - 8 0 6 20 3. - <_> - - <_> - 5 12 6 6 -1. - <_> - 8 12 3 6 2. - <_> - - <_> - 9 4 5 16 -1. - <_> - 9 12 5 8 2. - <_> - - <_> - 0 7 6 9 -1. - <_> - 3 7 3 9 2. - <_> - - <_> - 15 7 5 9 -1. - <_> - 15 10 5 3 3. - <_> - - <_> - 5 14 10 6 -1. - <_> - 5 16 10 2 3. - <_> - - <_> - 2 14 17 6 -1. - <_> - 2 16 17 2 3. - <_> - - <_> - 3 2 14 6 -1. - <_> - 3 4 14 2 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 0 4 15 -1. - <_> - 2 0 2 15 2. - <_> - - <_> - 1 4 18 10 -1. - <_> - 10 4 9 5 2. - <_> - 1 9 9 5 2. - <_> - - <_> - 0 1 2 13 -1. - <_> - 1 1 1 13 2. - <_> - - <_> - 13 3 3 12 -1. - <_> - 13 9 3 6 2. - <_> - - <_> - 0 2 20 4 -1. - <_> - 0 2 10 2 2. - <_> - 10 4 10 2 2. - <_> - - <_> - 7 9 6 7 -1. - <_> - 9 9 2 7 3. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 5 8 4 12 -1. - <_> - 7 8 2 12 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 7 0 6 14 -1. - <_> - 10 0 3 7 2. - <_> - 7 7 3 7 2. - <_> - - <_> - 5 0 8 8 -1. - <_> - 5 4 8 4 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 3 0 14 8 -1. - <_> - 3 4 14 4 2. - <_> - - <_> - 9 1 5 10 -1. - <_> - 9 6 5 5 2. - <_> - - <_> - 7 0 2 14 -1. - <_> - 8 0 1 14 2. - <_> - - <_> - 2 15 18 5 -1. - <_> - 8 15 6 5 3. - <_> - - <_> - 1 9 10 6 -1. - <_> - 1 9 5 3 2. - <_> - 6 12 5 3 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 0 1 6 11 -1. - <_> - 2 1 2 11 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 7 11 7 6 -1. - <_> - 7 13 7 2 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 8 4 4 8 -1. - <_> - 10 4 2 8 2. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 11 9 3 10 -1. - <_> - 11 14 3 5 2. - <_> - - <_> - 6 9 3 10 -1. - <_> - 6 14 3 5 2. - <_> - - <_> - 2 2 18 9 -1. - <_> - 8 2 6 9 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 2 15 18 5 -1. - <_> - 8 15 6 5 3. - <_> - - <_> - 0 15 18 5 -1. - <_> - 6 15 6 5 3. - <_> - - <_> - 12 0 8 9 -1. - <_> - 12 3 8 3 3. - <_> - - <_> - 7 12 6 8 -1. - <_> - 9 12 2 8 3. - <_> - - <_> - 13 0 6 14 -1. - <_> - 15 0 2 14 3. - <_> - - <_> - 1 0 6 14 -1. - <_> - 3 0 2 14 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 10 7 9 13 -1. - <_> - 13 7 3 13 3. - <_> - - <_> - 1 7 9 13 -1. - <_> - 4 7 3 13 3. - <_> - - <_> - 8 15 12 5 -1. - <_> - 12 15 4 5 3. - <_> - - <_> - 3 14 14 6 -1. - <_> - 10 14 7 6 2. - <_> - - <_> - 5 2 15 3 -1. - <_> - 5 3 15 1 3. - <_> - - <_> - 5 3 10 6 -1. - <_> - 5 5 10 2 3. - <_> - - <_> - 7 4 7 8 -1. - <_> - 7 8 7 4 2. - <_> - - <_> - 0 0 8 9 -1. - <_> - 0 3 8 3 3. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 7 3 13 3 -1. - <_> - 7 4 13 1 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 4 1 6 7 -1. - <_> - 6 1 2 7 3. - <_> - - <_> - 8 6 5 9 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 0 8 12 12 -1. - <_> - 4 8 4 12 3. - <_> - - <_> - 9 0 9 5 -1. - <_> - 12 0 3 5 3. - <_> - - <_> - 2 0 9 5 -1. - <_> - 5 0 3 5 3. - <_> - - <_> - 6 4 10 14 -1. - <_> - 11 4 5 7 2. - <_> - 6 11 5 7 2. - <_> - - <_> - 4 4 10 14 -1. - <_> - 4 4 5 7 2. - <_> - 9 11 5 7 2. - <_> - - <_> - 13 9 6 5 -1. - <_> - 13 9 3 5 2. - <_> - - <_> - 3 8 13 3 -1. - <_> - 3 9 13 1 3. - <_> - - <_> - 5 16 14 4 -1. - <_> - 12 16 7 2 2. - <_> - 5 18 7 2 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 11 1 5 12 -1. - <_> - 11 7 5 6 2. - <_> - - <_> - 4 1 5 12 -1. - <_> - 4 7 5 6 2. - <_> - - <_> - 8 6 4 8 -1. - <_> - 8 10 4 4 2. - <_> - - <_> - 1 16 14 4 -1. - <_> - 1 16 7 2 2. - <_> - 8 18 7 2 2. - <_> - - <_> - 5 14 13 2 -1. - <_> - 5 15 13 1 2. - <_> - - <_> - 0 9 5 9 -1. - <_> - 0 12 5 3 3. - <_> - - <_> - 13 10 6 5 -1. - <_> - 13 10 3 5 2. - <_> - - <_> - 1 10 6 5 -1. - <_> - 4 10 3 5 2. - <_> - - <_> - 15 7 4 13 -1. - <_> - 15 7 2 13 2. - <_> - - <_> - 1 7 4 13 -1. - <_> - 3 7 2 13 2. - <_> - - <_> - 5 10 10 4 -1. - <_> - 5 12 10 2 2. - <_> - - <_> - 0 2 15 3 -1. - <_> - 0 3 15 1 3. - <_> - - <_> - 7 0 11 6 -1. - <_> - 7 2 11 2 3. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 12 20 4 -1. - <_> - 0 12 10 2 2. - <_> - 10 14 10 2 2. - <_> - - <_> - 4 1 12 5 -1. - <_> - 8 1 4 5 3. - <_> - - <_> - 6 1 2 14 -1. - <_> - 7 1 1 14 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 6 4 6 8 -1. - <_> - 8 4 2 8 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 6 3 4 7 -1. - <_> - 8 3 2 7 2. - <_> - - <_> - 15 3 5 9 -1. - <_> - 15 6 5 3 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 7 5 3 2. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 2 16 15 4 -1. - <_> - 2 18 15 2 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 2 8 15 5 -1. - <_> - 7 8 5 5 3. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 1 4 4 16 -1. - <_> - 1 4 2 8 2. - <_> - 3 12 2 8 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 6 4 6 10 -1. - <_> - 6 4 3 5 2. - <_> - 9 9 3 5 2. - <_> - - <_> - 1 9 19 3 -1. - <_> - 1 10 19 1 3. - <_> - - <_> - 3 0 14 12 -1. - <_> - 3 4 14 4 3. - <_> - - <_> - 6 3 8 4 -1. - <_> - 6 5 8 2 2. - <_> - - <_> - 0 5 15 3 -1. - <_> - 0 6 15 1 3. - <_> - - <_> - 12 0 2 13 -1. - <_> - 12 0 1 13 2. - <_> - - <_> - 8 4 4 14 -1. - <_> - 10 4 2 14 2. - <_> - - <_> - 7 0 10 6 -1. - <_> - 12 0 5 3 2. - <_> - 7 3 5 3 2. - <_> - - <_> - 1 6 6 7 -1. - <_> - 3 6 2 7 3. - <_> - - <_> - 17 2 3 13 -1. - <_> - 18 2 1 13 3. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 6 0 10 6 -1. - <_> - 11 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 0 5 3 2. - <_> - 9 3 5 3 2. - <_> - - <_> - 6 1 14 2 -1. - <_> - 6 2 14 1 2. - <_> - - <_> - 3 0 12 18 -1. - <_> - 3 9 12 9 2. - <_> - - <_> - 13 7 6 10 -1. - <_> - 13 12 6 5 2. - <_> - - <_> - 1 7 6 10 -1. - <_> - 1 12 6 5 2. - <_> - - <_> - 4 5 12 12 -1. - <_> - 10 5 6 6 2. - <_> - 4 11 6 6 2. - <_> - - <_> - 7 4 6 5 -1. - <_> - 10 4 3 5 2. - <_> - - <_> - 4 8 15 4 -1. - <_> - 9 8 5 4 3. - <_> - - <_> - 4 9 12 11 -1. - <_> - 10 9 6 11 2. - <_> - - <_> - 7 6 8 10 -1. - <_> - 11 6 4 5 2. - <_> - 7 11 4 5 2. - <_> - - <_> - 4 7 6 6 -1. - <_> - 4 10 6 3 2. - <_> - - <_> - 11 10 9 6 -1. - <_> - 11 12 9 2 3. - <_> - - <_> - 6 4 7 6 -1. - <_> - 6 6 7 2 3. - <_> - - <_> - 9 3 2 16 -1. - <_> - 9 11 2 8 2. - <_> - - <_> - 3 2 9 16 -1. - <_> - 3 10 9 8 2. - <_> - - <_> - 5 0 10 10 -1. - <_> - 5 5 10 5 2. - <_> - - <_> - 5 1 6 10 -1. - <_> - 5 6 6 5 2. - <_> - - <_> - 13 3 3 12 -1. - <_> - 13 9 3 6 2. - <_> - - <_> - 0 10 18 6 -1. - <_> - 0 12 18 2 3. - <_> - - <_> - 6 15 14 2 -1. - <_> - 6 16 14 1 2. - <_> - - <_> - 6 7 7 4 -1. - <_> - 6 9 7 2 2. - <_> - - <_> - 6 5 11 8 -1. - <_> - 6 9 11 4 2. - <_> - - <_> - 0 8 8 12 -1. - <_> - 0 8 4 6 2. - <_> - 4 14 4 6 2. - <_> - - <_> - 8 6 5 9 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 2 6 4 14 -1. - <_> - 2 6 2 7 2. - <_> - 4 13 2 7 2. - <_> - - <_> - 6 10 9 6 -1. - <_> - 9 10 3 6 3. - <_> - - <_> - 2 5 4 8 -1. - <_> - 2 9 4 4 2. - <_> - - <_> - 9 4 8 12 -1. - <_> - 13 4 4 6 2. - <_> - 9 10 4 6 2. - <_> - - <_> - 3 4 8 12 -1. - <_> - 3 4 4 6 2. - <_> - 7 10 4 6 2. - <_> - - <_> - 9 8 10 8 -1. - <_> - 14 8 5 4 2. - <_> - 9 12 5 4 2. - <_> - - <_> - 2 18 15 2 -1. - <_> - 2 19 15 1 2. - <_> - - <_> - 10 11 5 9 -1. - <_> - 10 14 5 3 3. - <_> - - <_> - 0 11 16 4 -1. - <_> - 8 11 8 4 2. - <_> - - <_> - 13 4 3 14 -1. - <_> - 14 4 1 14 3. - <_> - - <_> - 0 11 18 6 -1. - <_> - 9 11 9 6 2. - <_> - - <_> - 8 2 4 8 -1. - <_> - 8 2 2 8 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 2 6 3 2. - <_> - 9 5 6 3 2. - <_> - - <_> - 12 10 8 4 -1. - <_> - 12 12 8 2 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 12 8 2 2. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 9 0 3 15 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 2 3 7 4 -1. - <_> - 2 5 7 2 2. - <_> - - <_> - 14 13 4 7 -1. - <_> - 14 13 2 7 2. - <_> - - <_> - 3 3 3 15 -1. - <_> - 4 3 1 15 3. - <_> - - <_> - 2 0 18 7 -1. - <_> - 8 0 6 7 3. - <_> - - <_> - 3 6 5 6 -1. - <_> - 3 9 5 3 2. - <_> - - <_> - 10 2 10 3 -1. - <_> - 10 2 5 3 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 8 4 4 14 -1. - <_> - 8 11 4 7 2. - <_> - - <_> - 2 16 8 4 -1. - <_> - 6 16 4 4 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 10 3 10 3 -1. - <_> - 10 3 5 3 2. - <_> - - <_> - 5 6 5 8 -1. - <_> - 5 10 5 4 2. - <_> - - <_> - 13 1 6 6 -1. - <_> - 13 1 3 6 2. - <_> - - <_> - 1 1 6 6 -1. - <_> - 4 1 3 6 2. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 4 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 12 10 7 4 -1. - <_> - 12 12 7 2 2. - <_> - - <_> - 3 14 7 6 -1. - <_> - 3 17 7 3 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 2 2 16 1 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 12 13 2 -1. - <_> - 7 13 13 1 2. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 12 8 2 2. - <_> - - <_> - 2 6 16 8 -1. - <_> - 10 6 8 4 2. - <_> - 2 10 8 4 2. - <_> - - <_> - 2 10 6 7 -1. - <_> - 4 10 2 7 3. - <_> - - <_> - 6 14 13 2 -1. - <_> - 6 15 13 1 2. - <_> - - <_> - 1 11 18 6 -1. - <_> - 1 11 9 3 2. - <_> - 10 14 9 3 2. - <_> - - <_> - 10 9 5 10 -1. - <_> - 10 14 5 5 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 7 10 3 5 2. - <_> - 10 15 3 5 2. - <_> - - <_> - 6 2 9 12 -1. - <_> - 6 6 9 4 3. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 6 7 6 5 -1. - <_> - 9 7 3 5 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 3 3 13 2 -1. - <_> - 3 4 13 1 2. - <_> - - <_> - 14 3 6 13 -1. - <_> - 16 3 2 13 3. - <_> - - <_> - 0 3 6 13 -1. - <_> - 2 3 2 13 3. - <_> - - <_> - 9 9 6 10 -1. - <_> - 12 9 3 5 2. - <_> - 9 14 3 5 2. - <_> - - <_> - 1 11 5 9 -1. - <_> - 1 14 5 3 3. - <_> - - <_> - 12 8 8 12 -1. - <_> - 16 8 4 6 2. - <_> - 12 14 4 6 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 4 9 12 8 -1. - <_> - 10 9 6 4 2. - <_> - 4 13 6 4 2. - <_> - - <_> - 4 2 6 8 -1. - <_> - 6 2 2 8 3. - <_> - - <_> - 8 2 4 10 -1. - <_> - 8 2 2 10 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 15 2 4 18 -1. - <_> - 17 2 2 9 2. - <_> - 15 11 2 9 2. - <_> - - <_> - 0 0 20 20 -1. - <_> - 0 0 10 10 2. - <_> - 10 10 10 10 2. - <_> - - <_> - 5 6 14 3 -1. - <_> - 5 6 7 3 2. - <_> - - <_> - 3 7 12 4 -1. - <_> - 7 7 4 4 3. - <_> - - <_> - 11 6 6 5 -1. - <_> - 11 6 3 5 2. - <_> - - <_> - 3 6 6 5 -1. - <_> - 6 6 3 5 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 6 13 14 3 -1. - <_> - 6 14 14 1 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 11 12 8 8 -1. - <_> - 15 12 4 4 2. - <_> - 11 16 4 4 2. - <_> - - <_> - 1 12 8 8 -1. - <_> - 1 12 4 4 2. - <_> - 5 16 4 4 2. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 1 6 14 3 -1. - <_> - 8 6 7 3 2. - <_> - - <_> - 10 1 10 19 -1. - <_> - 10 1 5 19 2. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 4 0 6 8 -1. - <_> - 6 0 2 8 3. - <_> - - <_> - 1 11 18 6 -1. - <_> - 1 14 18 3 2. - <_> - - <_> - 5 11 5 6 -1. - <_> - 5 14 5 3 2. - <_> - - <_> - 9 12 4 8 -1. - <_> - 9 16 4 4 2. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 1 11 18 3 -1. - <_> - 1 12 18 1 3. - <_> - - <_> - 2 1 16 2 -1. - <_> - 2 2 16 1 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 9 19 3 -1. - <_> - 0 10 19 1 3. - <_> - - <_> - 9 7 7 4 -1. - <_> - 9 9 7 2 2. - <_> - - <_> - 0 14 20 6 -1. - <_> - 0 16 20 2 3. - <_> - - <_> - 8 7 12 6 -1. - <_> - 8 7 6 6 2. - <_> - - <_> - 0 7 12 6 -1. - <_> - 6 7 6 6 2. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 0 0 7 12 -1. - <_> - 0 6 7 6 2. - <_> - - <_> - 13 7 3 13 -1. - <_> - 14 7 1 13 3. - <_> - - <_> - 3 1 13 6 -1. - <_> - 3 3 13 2 3. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 0 4 8 -1. - <_> - 7 0 2 8 2. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 5 1 3 14 -1. - <_> - 6 1 1 14 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 1 2 18 6 -1. - <_> - 7 2 6 6 3. - <_> - - <_> - 4 7 7 4 -1. - <_> - 4 9 7 2 2. - <_> - - <_> - 9 4 10 16 -1. - <_> - 9 12 10 8 2. - <_> - - <_> - 1 3 16 12 -1. - <_> - 1 3 8 6 2. - <_> - 9 9 8 6 2. - <_> - - <_> - 11 3 2 16 -1. - <_> - 11 11 2 8 2. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 0 9 13 3 -1. - <_> - 0 10 13 1 3. - <_> - - <_> - 7 7 9 6 -1. - <_> - 7 9 9 2 3. - <_> - - <_> - 4 5 6 8 -1. - <_> - 6 5 2 8 3. - <_> - - <_> - 9 4 3 10 -1. - <_> - 9 9 3 5 2. - <_> - - <_> - 8 4 4 12 -1. - <_> - 8 8 4 4 3. - <_> - - <_> - 4 5 15 3 -1. - <_> - 4 6 15 1 3. - <_> - - <_> - 2 4 9 4 -1. - <_> - 2 6 9 2 2. - <_> - - <_> - 8 0 8 10 -1. - <_> - 8 5 8 5 2. - <_> - - <_> - 8 6 3 10 -1. - <_> - 8 11 3 5 2. - <_> - - <_> - 5 7 11 8 -1. - <_> - 5 11 11 4 2. - <_> - - <_> - 1 12 6 6 -1. - <_> - 1 15 6 3 2. - <_> - - <_> - 14 2 5 18 -1. - <_> - 14 8 5 6 3. - <_> - - <_> - 1 2 5 18 -1. - <_> - 1 8 5 6 3. - <_> - - <_> - 13 7 3 13 -1. - <_> - 14 7 1 13 3. - <_> - - <_> - 4 7 3 13 -1. - <_> - 5 7 1 13 3. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 7 20 1 2. - <_> - - <_> - 2 1 16 4 -1. - <_> - 2 1 8 2 2. - <_> - 10 3 8 2 2. - <_> - - <_> - 6 1 10 6 -1. - <_> - 11 1 5 3 2. - <_> - 6 4 5 3 2. - <_> - - <_> - 0 5 8 15 -1. - <_> - 4 5 4 15 2. - <_> - - <_> - 4 13 12 6 -1. - <_> - 4 13 6 6 2. - <_> - - <_> - 7 0 6 14 -1. - <_> - 7 0 3 7 2. - <_> - 10 7 3 7 2. - <_> - - <_> - 1 10 18 10 -1. - <_> - 7 10 6 10 3. - <_> - - <_> - 0 2 13 2 -1. - <_> - 0 3 13 1 2. - <_> - - <_> - 0 0 20 15 -1. - <_> - 0 5 20 5 3. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 3 12 3 2. - <_> - - <_> - 6 1 8 4 -1. - <_> - 6 3 8 2 2. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 0 0 15 7 -1. - <_> - 5 0 5 7 3. - <_> - - <_> - 10 0 10 8 -1. - <_> - 10 0 5 8 2. - <_> - - <_> - 0 0 10 8 -1. - <_> - 5 0 5 8 2. - <_> - - <_> - 5 6 12 4 -1. - <_> - 5 6 6 4 2. - <_> - - <_> - 3 6 12 4 -1. - <_> - 9 6 6 4 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 2 0 15 9 -1. - <_> - 7 0 5 9 3. - <_> - - <_> - 6 14 13 2 -1. - <_> - 6 15 13 1 2. - <_> - - <_> - 4 0 12 8 -1. - <_> - 8 0 4 8 3. - <_> - - <_> - 12 1 4 14 -1. - <_> - 14 1 2 7 2. - <_> - 12 8 2 7 2. - <_> - - <_> - 0 5 18 3 -1. - <_> - 6 5 6 3 3. - <_> - - <_> - 7 1 7 6 -1. - <_> - 7 4 7 3 2. - <_> - - <_> - 6 6 5 14 -1. - <_> - 6 13 5 7 2. - <_> - - <_> - 4 7 15 5 -1. - <_> - 9 7 5 5 3. - <_> - - <_> - 1 7 15 5 -1. - <_> - 6 7 5 5 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 7 6 4 7 -1. - <_> - 9 6 2 7 2. - <_> - - <_> - 7 1 10 6 -1. - <_> - 12 1 5 3 2. - <_> - 7 4 5 3 2. - <_> - - <_> - 2 8 13 2 -1. - <_> - 2 9 13 1 2. - <_> - - <_> - 1 2 18 4 -1. - <_> - 10 2 9 2 2. - <_> - 1 4 9 2 2. - <_> - - <_> - 5 8 9 5 -1. - <_> - 8 8 3 5 3. - <_> - - <_> - 15 2 4 18 -1. - <_> - 17 2 2 9 2. - <_> - 15 11 2 9 2. - <_> - - <_> - 1 2 4 18 -1. - <_> - 1 2 2 9 2. - <_> - 3 11 2 9 2. - <_> - - <_> - 10 7 10 6 -1. - <_> - 15 7 5 3 2. - <_> - 10 10 5 3 2. - <_> - - <_> - 1 7 17 6 -1. - <_> - 1 9 17 2 3. - <_> - - <_> - 7 6 7 4 -1. - <_> - 7 8 7 2 2. - <_> - - <_> - 1 8 10 6 -1. - <_> - 1 8 5 3 2. - <_> - 6 11 5 3 2. - <_> - - <_> - 10 7 10 6 -1. - <_> - 15 7 5 3 2. - <_> - 10 10 5 3 2. - <_> - - <_> - 0 7 10 6 -1. - <_> - 0 7 5 3 2. - <_> - 5 10 5 3 2. - <_> - - <_> - 8 1 12 19 -1. - <_> - 8 1 6 19 2. - <_> - - <_> - 0 1 12 19 -1. - <_> - 6 1 6 19 2. - <_> - - <_> - 5 1 12 13 -1. - <_> - 5 1 6 13 2. - <_> - - <_> - 5 1 9 5 -1. - <_> - 8 1 3 5 3. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 8 2. - <_> - - <_> - 0 12 13 3 -1. - <_> - 0 13 13 1 3. - <_> - - <_> - 10 0 4 16 -1. - <_> - 10 0 2 16 2. - <_> - - <_> - 4 12 12 5 -1. - <_> - 8 12 4 5 3. - <_> - - <_> - 10 0 4 16 -1. - <_> - 10 0 2 16 2. - <_> - - <_> - 6 0 4 16 -1. - <_> - 8 0 2 16 2. - <_> - - <_> - 6 1 8 7 -1. - <_> - 6 1 4 7 2. - <_> - - <_> - 8 4 4 7 -1. - <_> - 10 4 2 7 2. - <_> - - <_> - 11 8 9 9 -1. - <_> - 14 8 3 9 3. - <_> - - <_> - 0 8 9 9 -1. - <_> - 3 8 3 9 3. - <_> - - <_> - 0 4 20 5 -1. - <_> - 0 4 10 5 2. - <_> - - <_> - 1 12 18 2 -1. - <_> - 1 13 18 1 2. - <_> - - <_> - 11 5 5 9 -1. - <_> - 11 8 5 3 3. - <_> - - <_> - 4 5 5 9 -1. - <_> - 4 8 5 3 3. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 0 11 20 4 -1. - <_> - 10 11 10 2 2. - <_> - 0 13 10 2 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 14 0 3 15 -1. - <_> - 15 0 1 15 3. - <_> - - <_> - 3 0 3 15 -1. - <_> - 4 0 1 15 3. - <_> - - <_> - 9 12 7 4 -1. - <_> - 9 14 7 2 2. - <_> - - <_> - 5 1 6 5 -1. - <_> - 8 1 3 5 2. - <_> - - <_> - 14 0 4 9 -1. - <_> - 14 0 2 9 2. - <_> - - <_> - 2 0 4 9 -1. - <_> - 4 0 2 9 2. - <_> - - <_> - 9 1 8 8 -1. - <_> - 13 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 10 15 7 2 2. - <_> - 3 17 7 2 2. - <_> - - <_> - 4 12 7 4 -1. - <_> - 4 14 7 2 2. - <_> - - <_> - 9 12 4 8 -1. - <_> - 9 16 4 4 2. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 5 7 10 10 -1. - <_> - 5 12 10 5 2. - <_> - - <_> - 5 7 6 8 -1. - <_> - 5 11 6 4 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 8 4 3 10 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 2 0 6 5 -1. - <_> - 5 0 3 5 2. - <_> - - <_> - 8 4 4 14 -1. - <_> - 8 11 4 7 2. - <_> - - <_> - 3 6 5 6 -1. - <_> - 3 9 5 3 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 1 2 17 6 -1. - <_> - 1 4 17 2 3. - <_> - - <_> - 9 5 6 10 -1. - <_> - 9 5 3 10 2. - <_> - - <_> - 5 4 6 6 -1. - <_> - 8 4 3 6 2. - <_> - - <_> - 5 6 14 6 -1. - <_> - 12 6 7 3 2. - <_> - 5 9 7 3 2. - <_> - - <_> - 1 6 14 6 -1. - <_> - 1 6 7 3 2. - <_> - 8 9 7 3 2. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 0 5 20 15 -1. - <_> - 0 10 20 5 3. - <_> - - <_> - 12 5 4 14 -1. - <_> - 14 5 2 7 2. - <_> - 12 12 2 7 2. - <_> - - <_> - 0 0 6 9 -1. - <_> - 2 0 2 9 3. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 8 2. - <_> - - <_> - 6 0 3 13 -1. - <_> - 7 0 1 13 3. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 8 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 6 0 3 20 -1. - <_> - 7 0 1 20 3. - <_> - - <_> - 7 5 8 12 -1. - <_> - 11 5 4 6 2. - <_> - 7 11 4 6 2. - <_> - - <_> - 4 5 10 12 -1. - <_> - 4 5 5 6 2. - <_> - 9 11 5 6 2. - <_> - - <_> - 12 5 4 14 -1. - <_> - 14 5 2 7 2. - <_> - 12 12 2 7 2. - <_> - - <_> - 4 5 4 14 -1. - <_> - 4 5 2 7 2. - <_> - 6 12 2 7 2. - <_> - - <_> - 14 10 6 9 -1. - <_> - 14 10 3 9 2. - <_> - - <_> - 3 8 14 2 -1. - <_> - 3 9 14 1 2. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 0 15 14 3 -1. - <_> - 0 16 14 1 3. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 1 10 8 6 -1. - <_> - 1 12 8 2 3. - <_> - - <_> - 1 0 18 19 -1. - <_> - 7 0 6 19 3. - <_> - - <_> - 0 9 6 10 -1. - <_> - 3 9 3 10 2. - <_> - - <_> - 11 15 9 4 -1. - <_> - 11 17 9 2 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 4 3 12 10 -1. - <_> - 8 3 4 10 3. - <_> - - <_> - 7 10 3 10 -1. - <_> - 7 15 3 5 2. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 0 15 9 4 -1. - <_> - 0 17 9 2 2. - <_> - - <_> - 6 12 14 3 -1. - <_> - 6 13 14 1 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 11 10 6 6 -1. - <_> - 11 10 3 6 2. - <_> - - <_> - 7 0 5 15 -1. - <_> - 7 5 5 5 3. - <_> - - <_> - 4 7 13 2 -1. - <_> - 4 8 13 1 2. - <_> - - <_> - 2 8 4 12 -1. - <_> - 2 12 4 4 3. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 7 5 6 15 -1. - <_> - 9 5 2 15 3. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 8 1 4 14 -1. - <_> - 8 8 4 7 2. - <_> - - <_> - 2 6 17 6 -1. - <_> - 2 9 17 3 2. - <_> - - <_> - 0 7 5 9 -1. - <_> - 0 10 5 3 3. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 6 13 1 2. - <_> - - <_> - 2 9 14 2 -1. - <_> - 2 10 14 1 2. - <_> - - <_> - 5 15 13 3 -1. - <_> - 5 16 13 1 3. - <_> - - <_> - 5 0 3 14 -1. - <_> - 6 0 1 14 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 4 0 14 4 -1. - <_> - 11 0 7 2 2. - <_> - 4 2 7 2 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 0 1 10 2 2. - <_> - 10 3 10 2 2. - <_> - - <_> - 7 0 7 6 -1. - <_> - 7 3 7 3 2. - <_> - - <_> - 5 2 6 10 -1. - <_> - 7 2 2 10 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 1 8 13 3 -1. - <_> - 1 9 13 1 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 18 3 2 17 -1. - <_> - 18 3 1 17 2. - <_> - - <_> - 0 0 20 10 -1. - <_> - 0 0 10 5 2. - <_> - 10 5 10 5 2. - <_> - - <_> - 4 8 14 4 -1. - <_> - 11 8 7 2 2. - <_> - 4 10 7 2 2. - <_> - - <_> - 0 3 7 6 -1. - <_> - 0 5 7 2 3. - <_> - - <_> - 4 8 14 4 -1. - <_> - 11 8 7 2 2. - <_> - 4 10 7 2 2. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 8 7 2 2. - <_> - 9 10 7 2 2. - <_> - - <_> - 3 4 16 10 -1. - <_> - 11 4 8 5 2. - <_> - 3 9 8 5 2. - <_> - - <_> - 6 3 8 6 -1. - <_> - 6 5 8 2 3. - <_> - - <_> - 5 3 13 2 -1. - <_> - 5 4 13 1 2. - <_> - - <_> - 4 10 6 7 -1. - <_> - 7 10 3 7 2. - <_> - - <_> - 11 7 4 13 -1. - <_> - 11 7 2 13 2. - <_> - - <_> - 5 7 4 13 -1. - <_> - 7 7 2 13 2. - <_> - - <_> - 5 10 14 3 -1. - <_> - 5 11 14 1 3. - <_> - - <_> - 2 6 3 14 -1. - <_> - 2 13 3 7 2. - <_> - - <_> - 3 9 15 3 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 2 4 6 16 -1. - <_> - 2 4 3 8 2. - <_> - 5 12 3 8 2. - <_> - - <_> - 12 0 3 13 -1. - <_> - 13 0 1 13 3. - <_> - - <_> - 4 0 8 20 -1. - <_> - 4 10 8 10 2. - <_> - - <_> - 8 2 7 9 -1. - <_> - 8 5 7 3 3. - <_> - - <_> - 5 0 3 13 -1. - <_> - 6 0 1 13 3. - <_> - - <_> - 11 2 6 10 -1. - <_> - 14 2 3 5 2. - <_> - 11 7 3 5 2. - <_> - - <_> - 5 9 6 7 -1. - <_> - 7 9 2 7 3. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 7 7 6 7 -1. - <_> - 9 7 2 7 3. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 12 9 4 -1. - <_> - 0 14 9 2 2. - <_> - - <_> - 7 7 8 10 -1. - <_> - 11 7 4 5 2. - <_> - 7 12 4 5 2. - <_> - - <_> - 5 7 8 10 -1. - <_> - 5 7 4 5 2. - <_> - 9 12 4 5 2. - <_> - - <_> - 14 15 6 5 -1. - <_> - 14 15 3 5 2. - <_> - - <_> - 3 14 13 6 -1. - <_> - 3 16 13 2 3. - <_> - - <_> - 3 12 14 4 -1. - <_> - 10 12 7 2 2. - <_> - 3 14 7 2 2. - <_> - - <_> - 0 15 6 5 -1. - <_> - 3 15 3 5 2. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 3 0 3 13 -1. - <_> - 4 0 1 13 3. - <_> - - <_> - 2 11 18 8 -1. - <_> - 8 11 6 8 3. - <_> - - <_> - 2 3 3 15 -1. - <_> - 3 3 1 15 3. - <_> - - <_> - 16 0 3 13 -1. - <_> - 17 0 1 13 3. - <_> - - <_> - 3 3 6 7 -1. - <_> - 5 3 2 7 3. - <_> - - <_> - 16 0 3 13 -1. - <_> - 17 0 1 13 3. - <_> - - <_> - 1 0 3 13 -1. - <_> - 2 0 1 13 3. - <_> - - <_> - 8 1 4 16 -1. - <_> - 10 1 2 8 2. - <_> - 8 9 2 8 2. - <_> - - <_> - 7 6 5 9 -1. - <_> - 7 9 5 3 3. - <_> - - <_> - 6 5 8 8 -1. - <_> - 6 9 8 4 2. - <_> - - <_> - 0 1 6 5 -1. - <_> - 3 1 3 5 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 11 0 9 7 -1. - <_> - 14 0 3 7 3. - <_> - - <_> - 0 11 12 7 -1. - <_> - 6 11 6 7 2. - <_> - - <_> - 7 5 9 5 -1. - <_> - 10 5 3 5 3. - <_> - - <_> - 2 1 15 2 -1. - <_> - 2 2 15 1 2. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 6 8 14 4 -1. - <_> - 13 8 7 2 2. - <_> - 6 10 7 2 2. - <_> - - <_> - 9 0 2 13 -1. - <_> - 10 0 1 13 2. - <_> - - <_> - 4 6 12 3 -1. - <_> - 4 6 6 3 2. - <_> - - <_> - 4 2 6 7 -1. - <_> - 7 2 3 7 2. - <_> - - <_> - 9 5 4 11 -1. - <_> - 9 5 2 11 2. - <_> - - <_> - 7 5 4 11 -1. - <_> - 9 5 2 11 2. - <_> - - <_> - 5 12 15 8 -1. - <_> - 10 12 5 8 3. - <_> - - <_> - 5 7 4 9 -1. - <_> - 7 7 2 9 2. - <_> - - <_> - 6 6 10 4 -1. - <_> - 6 8 10 2 2. - <_> - - <_> - 0 4 5 9 -1. - <_> - 0 7 5 3 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 7 8 10 12 -1. - <_> - 7 12 10 4 3. - <_> - - <_> - 2 8 9 12 -1. - <_> - 5 8 3 12 3. - <_> - - <_> - 11 0 9 9 -1. - <_> - 11 3 9 3 3. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 6 3 10 6 -1. - <_> - 11 3 5 3 2. - <_> - 6 6 5 3 2. - <_> - - <_> - 3 4 14 6 -1. - <_> - 3 4 7 3 2. - <_> - 10 7 7 3 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 5 3 12 6 -1. - <_> - 9 3 4 6 3. - <_> - - <_> - 3 3 12 6 -1. - <_> - 7 3 4 6 3. - <_> - - <_> - 8 4 6 9 -1. - <_> - 10 4 2 9 3. - <_> - - <_> - 2 12 13 2 -1. - <_> - 2 13 13 1 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 13 14 2 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 3 1 15 12 -1. - <_> - 3 7 15 6 2. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 16 1 4 8 -1. - <_> - 16 5 4 4 2. - <_> - - <_> - 0 14 12 5 -1. - <_> - 4 14 4 5 3. - <_> - - <_> - 11 5 2 15 -1. - <_> - 11 5 1 15 2. - <_> - - <_> - 6 2 7 6 -1. - <_> - 6 5 7 3 2. - <_> - - <_> - 10 2 6 9 -1. - <_> - 10 5 6 3 3. - <_> - - <_> - 7 5 2 15 -1. - <_> - 8 5 1 15 2. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 0 1 18 2. - <_> - - <_> - 0 8 4 8 -1. - <_> - 0 12 4 4 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 8 6 2 7 2. - <_> - - <_> - 6 7 8 4 -1. - <_> - 10 7 4 4 2. - <_> - - <_> - 5 9 10 6 -1. - <_> - 10 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 4 7 5 8 -1. - <_> - 4 11 5 4 2. - <_> - - <_> - 13 8 7 6 -1. - <_> - 13 10 7 2 3. - <_> - - <_> - 0 8 7 6 -1. - <_> - 0 10 7 2 3. - <_> - - <_> - 4 0 12 19 -1. - <_> - 4 0 6 19 2. - <_> - - <_> - 0 12 15 8 -1. - <_> - 5 12 5 8 3. - <_> - - <_> - 6 8 14 4 -1. - <_> - 13 8 7 2 2. - <_> - 6 10 7 2 2. - <_> - - <_> - 1 9 13 3 -1. - <_> - 1 10 13 1 3. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 0 1 18 2. - <_> - - <_> - 0 0 2 18 -1. - <_> - 1 0 1 18 2. - <_> - - <_> - 16 6 4 14 -1. - <_> - 16 6 2 14 2. - <_> - - <_> - 4 0 8 8 -1. - <_> - 4 0 4 4 2. - <_> - 8 4 4 4 2. - <_> - - <_> - 2 0 16 10 -1. - <_> - 10 0 8 5 2. - <_> - 2 5 8 5 2. - <_> - - <_> - 3 10 6 7 -1. - <_> - 6 10 3 7 2. - <_> - - <_> - 1 9 18 5 -1. - <_> - 7 9 6 5 3. - <_> - - <_> - 0 7 4 9 -1. - <_> - 2 7 2 9 2. - <_> - - <_> - 14 0 6 16 -1. - <_> - 14 0 3 16 2. - <_> - - <_> - 0 3 5 9 -1. - <_> - 0 6 5 3 3. - <_> - - <_> - 11 2 9 12 -1. - <_> - 11 6 9 4 3. - <_> - - <_> - 0 2 9 12 -1. - <_> - 0 6 9 4 3. - <_> - - <_> - 8 2 5 12 -1. - <_> - 8 6 5 4 3. - <_> - - <_> - 5 6 9 9 -1. - <_> - 5 9 9 3 3. - <_> - - <_> - 0 17 20 2 -1. - <_> - 0 18 20 1 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 7 0 6 8 -1. - <_> - 9 0 2 8 3. - <_> - - <_> - 6 5 8 14 -1. - <_> - 6 12 8 7 2. - <_> - - <_> - 11 0 9 9 -1. - <_> - 11 3 9 3 3. - <_> - - <_> - 0 0 9 9 -1. - <_> - 0 3 9 3 3. - <_> - - <_> - 11 0 4 14 -1. - <_> - 13 0 2 7 2. - <_> - 11 7 2 7 2. - <_> - - <_> - 0 1 18 4 -1. - <_> - 6 1 6 4 3. - <_> - - <_> - 11 0 4 14 -1. - <_> - 13 0 2 7 2. - <_> - 11 7 2 7 2. - <_> - - <_> - 4 0 4 14 -1. - <_> - 4 0 2 7 2. - <_> - 6 7 2 7 2. - <_> - - <_> - 6 13 10 6 -1. - <_> - 11 13 5 3 2. - <_> - 6 16 5 3 2. - <_> - - <_> - 1 8 14 4 -1. - <_> - 1 8 7 2 2. - <_> - 8 10 7 2 2. - <_> - - <_> - 11 1 4 9 -1. - <_> - 11 1 2 9 2. - <_> - - <_> - 5 1 4 9 -1. - <_> - 7 1 2 9 2. - <_> - - <_> - 9 0 6 6 -1. - <_> - 9 0 3 6 2. - <_> - - <_> - 5 0 6 6 -1. - <_> - 8 0 3 6 2. - <_> - - <_> - 6 5 8 4 -1. - <_> - 6 5 4 4 2. - <_> - - <_> - 2 9 12 4 -1. - <_> - 6 9 4 4 3. - <_> - - <_> - 10 4 3 14 -1. - <_> - 11 4 1 14 3. - <_> - - <_> - 7 4 3 14 -1. - <_> - 8 4 1 14 3. - <_> - - <_> - 0 0 20 14 -1. - <_> - 0 0 10 14 2. - <_> - - <_> - 2 9 16 10 -1. - <_> - 10 9 8 10 2. - <_> - - <_> - 2 5 16 8 -1. - <_> - 10 5 8 4 2. - <_> - 2 9 8 4 2. - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 4 10 2 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 9 18 3 -1. - <_> - 0 10 18 1 3. - <_> - - <_> - 3 11 14 9 -1. - <_> - 3 14 14 3 3. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 6 15 14 4 -1. - <_> - 13 15 7 2 2. - <_> - 6 17 7 2 2. - <_> - - <_> - 3 13 10 6 -1. - <_> - 3 13 5 3 2. - <_> - 8 16 5 3 2. - <_> - - <_> - 0 6 20 3 -1. - <_> - 0 7 20 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 0 15 16 3 -1. - <_> - 0 16 16 1 3. - <_> - - <_> - 2 16 16 4 -1. - <_> - 10 16 8 2 2. - <_> - 2 18 8 2 2. - <_> - - <_> - 1 15 13 3 -1. - <_> - 1 16 13 1 3. - <_> - - <_> - 5 10 12 6 -1. - <_> - 11 10 6 3 2. - <_> - 5 13 6 3 2. - <_> - - <_> - 3 10 12 6 -1. - <_> - 3 10 6 3 2. - <_> - 9 13 6 3 2. - <_> - - <_> - 7 14 10 6 -1. - <_> - 12 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 2 13 7 6 -1. - <_> - 2 15 7 2 3. - <_> - - <_> - 5 14 14 2 -1. - <_> - 5 15 14 1 2. - <_> - - <_> - 1 16 18 3 -1. - <_> - 1 17 18 1 3. - <_> - - <_> - 16 1 4 14 -1. - <_> - 18 1 2 7 2. - <_> - 16 8 2 7 2. - <_> - - <_> - 6 5 8 14 -1. - <_> - 6 12 8 7 2. - <_> - - <_> - 5 14 14 2 -1. - <_> - 5 15 14 1 2. - <_> - - <_> - 4 10 6 8 -1. - <_> - 6 10 2 8 3. - <_> - - <_> - 5 4 10 12 -1. - <_> - 10 4 5 6 2. - <_> - 5 10 5 6 2. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 3 13 14 4 -1. - <_> - 10 13 7 2 2. - <_> - 3 15 7 2 2. - <_> - - <_> - 5 9 6 10 -1. - <_> - 5 9 3 5 2. - <_> - 8 14 3 5 2. - <_> - - <_> - 9 7 6 7 -1. - <_> - 9 7 3 7 2. - <_> - - <_> - 5 7 6 7 -1. - <_> - 8 7 3 7 2. - <_> - - <_> - 7 13 8 6 -1. - <_> - 7 15 8 2 3. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 6 8 12 5 -1. - <_> - 10 8 4 5 3. - <_> - - <_> - 5 9 8 5 -1. - <_> - 9 9 4 5 2. - <_> - - <_> - 7 5 13 3 -1. - <_> - 7 6 13 1 3. - <_> - - <_> - 0 5 13 3 -1. - <_> - 0 6 13 1 3. - <_> - - <_> - 4 0 13 6 -1. - <_> - 4 2 13 2 3. - <_> - - <_> - 0 2 8 4 -1. - <_> - 4 2 4 4 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 2 12 10 8 -1. - <_> - 2 12 5 4 2. - <_> - 7 16 5 4 2. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 4 4 3 10 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 3 0 15 2 -1. - <_> - 3 1 15 1 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 4 18 13 2 -1. - <_> - 4 19 13 1 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 12 8 2 2. - <_> - 10 14 8 2 2. - <_> - - <_> - 5 3 11 9 -1. - <_> - 5 6 11 3 3. - <_> - - <_> - 0 2 20 10 -1. - <_> - 0 7 20 5 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 3 8 6 10 -1. - <_> - 3 8 3 5 2. - <_> - 6 13 3 5 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 1 0 18 6 -1. - <_> - 7 0 6 6 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 6 5 9 5 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 1 7 18 4 -1. - <_> - 1 7 9 2 2. - <_> - 10 9 9 2 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 7 6 5 8 -1. - <_> - 7 10 5 4 2. - <_> - - <_> - 4 9 12 4 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 4 4 12 8 -1. - <_> - 8 4 4 8 3. - <_> - - <_> - 12 10 7 4 -1. - <_> - 12 12 7 2 2. - <_> - - <_> - 4 0 8 8 -1. - <_> - 4 0 4 4 2. - <_> - 8 4 4 4 2. - <_> - - <_> - 13 8 7 6 -1. - <_> - 13 10 7 2 3. - <_> - - <_> - 1 5 12 4 -1. - <_> - 5 5 4 4 3. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 1 3 14 4 -1. - <_> - 1 3 7 2 2. - <_> - 8 5 7 2 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 7 12 10 8 -1. - <_> - 7 16 10 4 2. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 10 12 7 8 -1. - <_> - 10 16 7 4 2. - <_> - - <_> - 1 2 13 2 -1. - <_> - 1 3 13 1 2. - <_> - - <_> - 6 15 13 3 -1. - <_> - 6 16 13 1 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 0 15 20 4 -1. - <_> - 0 15 10 2 2. - <_> - 10 17 10 2 2. - <_> - - <_> - 4 4 16 4 -1. - <_> - 4 6 16 2 2. - <_> - - <_> - 7 5 6 11 -1. - <_> - 9 5 2 11 3. - <_> - - <_> - 11 10 8 10 -1. - <_> - 15 10 4 5 2. - <_> - 11 15 4 5 2. - <_> - - <_> - 1 4 10 6 -1. - <_> - 1 4 5 3 2. - <_> - 6 7 5 3 2. - <_> - - <_> - 7 7 13 2 -1. - <_> - 7 8 13 1 2. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 12 10 8 10 -1. - <_> - 16 10 4 5 2. - <_> - 12 15 4 5 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 11 9 2 2. - <_> - 9 13 9 2 2. - <_> - - <_> - 12 10 8 10 -1. - <_> - 16 10 4 5 2. - <_> - 12 15 4 5 2. - <_> - - <_> - 0 10 8 10 -1. - <_> - 0 10 4 5 2. - <_> - 4 15 4 5 2. - <_> - - <_> - 7 6 12 14 -1. - <_> - 13 6 6 7 2. - <_> - 7 13 6 7 2. - <_> - - <_> - 1 10 7 4 -1. - <_> - 1 12 7 2 2. - <_> - - <_> - 12 10 4 7 -1. - <_> - 12 10 2 7 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 10 0 10 2 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 12 10 4 7 -1. - <_> - 12 10 2 7 2. - <_> - - <_> - 4 10 4 7 -1. - <_> - 6 10 2 7 2. - <_> - - <_> - 12 0 2 14 -1. - <_> - 12 0 1 14 2. - <_> - - <_> - 4 2 12 17 -1. - <_> - 10 2 6 17 2. - <_> - - <_> - 12 12 6 7 -1. - <_> - 12 12 3 7 2. - <_> - - <_> - 1 9 10 10 -1. - <_> - 6 9 5 10 2. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 7 6 5 9 -1. - <_> - 7 9 5 3 3. - <_> - - <_> - 9 5 4 14 -1. - <_> - 11 5 2 7 2. - <_> - 9 12 2 7 2. - <_> - - <_> - 8 5 4 14 -1. - <_> - 8 5 2 7 2. - <_> - 10 12 2 7 2. - <_> - - <_> - 9 3 6 12 -1. - <_> - 11 3 2 12 3. - <_> - - <_> - 5 3 6 12 -1. - <_> - 7 3 2 12 3. - <_> - - <_> - 4 10 14 4 -1. - <_> - 11 10 7 2 2. - <_> - 4 12 7 2 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 7 4 6 7 -1. - <_> - 9 4 2 7 3. - <_> - - <_> - 1 14 13 2 -1. - <_> - 1 15 13 1 2. - <_> - - <_> - 7 14 13 2 -1. - <_> - 7 15 13 1 2. - <_> - - <_> - 4 13 12 4 -1. - <_> - 4 15 12 2 2. - <_> - - <_> - 12 13 7 4 -1. - <_> - 12 15 7 2 2. - <_> - - <_> - 1 13 7 4 -1. - <_> - 1 15 7 2 2. - <_> - - <_> - 10 6 3 14 -1. - <_> - 11 6 1 14 3. - <_> - - <_> - 7 6 3 14 -1. - <_> - 8 6 1 14 3. - <_> - - <_> - 8 13 6 7 -1. - <_> - 10 13 2 7 3. - <_> - - <_> - 2 5 6 10 -1. - <_> - 2 5 3 5 2. - <_> - 5 10 3 5 2. - <_> - - <_> - 15 3 3 16 -1. - <_> - 16 3 1 16 3. - <_> - - <_> - 2 3 3 16 -1. - <_> - 3 3 1 16 3. - <_> - - <_> - 14 0 6 13 -1. - <_> - 14 0 3 13 2. - <_> - - <_> - 0 0 6 13 -1. - <_> - 3 0 3 13 2. - <_> - - <_> - 17 6 3 14 -1. - <_> - 17 13 3 7 2. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 17 6 3 14 -1. - <_> - 17 13 3 7 2. - <_> - - <_> - 1 10 10 10 -1. - <_> - 1 10 5 5 2. - <_> - 6 15 5 5 2. - <_> - - <_> - 0 0 20 10 -1. - <_> - 0 5 20 5 2. - <_> - - <_> - 2 8 13 3 -1. - <_> - 2 9 13 1 3. - <_> - - <_> - 7 6 10 14 -1. - <_> - 7 13 10 7 2. - <_> - - <_> - 0 7 13 2 -1. - <_> - 0 8 13 1 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 8 6 6 10 -1. - <_> - 10 6 2 10 3. - <_> - - <_> - 3 13 14 6 -1. - <_> - 3 13 7 3 2. - <_> - 10 16 7 3 2. - <_> - - <_> - 10 1 4 19 -1. - <_> - 10 1 2 19 2. - <_> - - <_> - 1 10 18 6 -1. - <_> - 1 12 18 2 3. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 6 1 4 19 -1. - <_> - 8 1 2 19 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 0 5 20 2 -1. - <_> - 0 6 20 1 2. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 12 0 4 7 -1. - <_> - 12 0 2 7 2. - <_> - - <_> - 0 2 18 8 -1. - <_> - 6 2 6 8 3. - <_> - - <_> - 10 0 10 9 -1. - <_> - 10 0 5 9 2. - <_> - - <_> - 0 0 10 9 -1. - <_> - 5 0 5 9 2. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 1 13 5 6 -1. - <_> - 1 16 5 3 2. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 4 5 12 10 -1. - <_> - 4 5 6 5 2. - <_> - 10 10 6 5 2. - <_> - - <_> - 13 9 5 9 -1. - <_> - 13 12 5 3 3. - <_> - - <_> - 0 0 2 18 -1. - <_> - 1 0 1 18 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 1 12 18 8 -1. - <_> - 1 12 9 4 2. - <_> - 10 16 9 4 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 5 10 2 2. - <_> - - <_> - 6 1 9 6 -1. - <_> - 6 3 9 2 3. - <_> - - <_> - 5 4 10 10 -1. - <_> - 5 9 10 5 2. - <_> - - <_> - 8 10 5 8 -1. - <_> - 8 14 5 4 2. - <_> - - <_> - 3 8 13 10 -1. - <_> - 3 13 13 5 2. - <_> - - <_> - 12 8 5 12 -1. - <_> - 12 14 5 6 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 12 0 2 17 -1. - <_> - 12 0 1 17 2. - <_> - - <_> - 6 0 2 17 -1. - <_> - 7 0 1 17 2. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 0 1 2 13 -1. - <_> - 1 1 1 13 2. - <_> - - <_> - 12 0 5 15 -1. - <_> - 12 5 5 5 3. - <_> - - <_> - 3 0 5 15 -1. - <_> - 3 5 5 5 3. - <_> - - <_> - 10 3 9 4 -1. - <_> - 10 5 9 2 2. - <_> - - <_> - 3 5 14 2 -1. - <_> - 3 6 14 1 2. - <_> - - <_> - 3 2 14 6 -1. - <_> - 10 2 7 3 2. - <_> - 3 5 7 3 2. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 6 8 2 3. - <_> - - <_> - 11 3 4 8 -1. - <_> - 11 3 2 8 2. - <_> - - <_> - 8 5 3 13 -1. - <_> - 9 5 1 13 3. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 5 3 6 7 -1. - <_> - 7 3 2 7 3. - <_> - - <_> - 2 6 18 5 -1. - <_> - 8 6 6 5 3. - <_> - - <_> - 6 8 8 4 -1. - <_> - 10 8 4 4 2. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 5 6 3 2. - <_> - 10 8 6 3 2. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 3 12 7 8 -1. - <_> - 3 16 7 4 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 2 6 18 9 -1. - <_> - 2 9 18 3 3. - <_> - - <_> - 1 8 16 2 -1. - <_> - 9 8 8 2 2. - <_> - - <_> - 5 2 11 4 -1. - <_> - 5 4 11 2 2. - <_> - - <_> - 0 12 10 8 -1. - <_> - 0 12 5 4 2. - <_> - 5 16 5 4 2. - <_> - - <_> - 3 1 15 8 -1. - <_> - 8 1 5 8 3. - <_> - - <_> - 2 1 15 8 -1. - <_> - 7 1 5 8 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 3 4 14 9 -1. - <_> - 3 7 14 3 3. - <_> - - <_> - 4 3 15 5 -1. - <_> - 9 3 5 5 3. - <_> - - <_> - 0 2 20 12 -1. - <_> - 0 8 20 6 2. - <_> - - <_> - 4 1 12 4 -1. - <_> - 8 1 4 4 3. - <_> - - <_> - 0 2 20 12 -1. - <_> - 0 8 20 6 2. - <_> - - <_> - 10 11 4 9 -1. - <_> - 10 11 2 9 2. - <_> - - <_> - 2 1 12 15 -1. - <_> - 6 1 4 15 3. - <_> - - <_> - 10 9 10 3 -1. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 9 10 3 -1. - <_> - 5 9 5 3 2. - <_> - - <_> - 6 1 8 14 -1. - <_> - 6 8 8 7 2. - <_> - - <_> - 6 6 6 12 -1. - <_> - 6 6 3 6 2. - <_> - 9 12 3 6 2. - <_> - - <_> - 10 11 4 9 -1. - <_> - 10 11 2 9 2. - <_> - - <_> - 6 11 4 9 -1. - <_> - 8 11 2 9 2. - <_> - - <_> - 8 9 6 5 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 6 9 6 5 -1. - <_> - 9 9 3 5 2. - <_> - - <_> - 6 11 9 6 -1. - <_> - 9 11 3 6 3. - <_> - - <_> - 5 2 6 10 -1. - <_> - 5 2 3 5 2. - <_> - 8 7 3 5 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 0 1 9 18 -1. - <_> - 3 1 3 18 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 3 1 6 10 -1. - <_> - 3 1 3 5 2. - <_> - 6 6 3 5 2. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 1 3 18 12 -1. - <_> - 1 3 9 6 2. - <_> - 10 9 9 6 2. - <_> - - <_> - 7 15 13 3 -1. - <_> - 7 16 13 1 3. - <_> - - <_> - 1 15 13 3 -1. - <_> - 1 16 13 1 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 6 16 14 4 -1. - <_> - 13 16 7 2 2. - <_> - 6 18 7 2 2. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 10 4 6 8 -1. - <_> - 12 4 2 8 3. - <_> - - <_> - 6 0 3 13 -1. - <_> - 7 0 1 13 3. - <_> - - <_> - 11 9 3 10 -1. - <_> - 11 14 3 5 2. - <_> - - <_> - 1 8 14 3 -1. - <_> - 1 9 14 1 3. - <_> - - <_> - 4 7 12 6 -1. - <_> - 4 9 12 2 3. - <_> - - <_> - 6 8 8 9 -1. - <_> - 6 11 8 3 3. - <_> - - <_> - 4 13 12 4 -1. - <_> - 4 15 12 2 2. - <_> - - <_> - 1 12 18 2 -1. - <_> - 1 13 18 1 2. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 13 4 4 2. - <_> - - <_> - 5 9 4 8 -1. - <_> - 5 13 4 4 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 12 6 5 3 2. - <_> - 7 9 5 3 2. - <_> - - <_> - 5 11 9 6 -1. - <_> - 8 11 3 6 3. - <_> - - <_> - 4 3 14 2 -1. - <_> - 4 3 7 2 2. - <_> - - <_> - 2 12 9 6 -1. - <_> - 5 12 3 6 3. - <_> - - <_> - 14 1 6 12 -1. - <_> - 17 1 3 6 2. - <_> - 14 7 3 6 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 0 1 3 6 2. - <_> - 3 7 3 6 2. - <_> - - <_> - 12 0 8 6 -1. - <_> - 12 2 8 2 3. - <_> - - <_> - 0 16 18 2 -1. - <_> - 0 17 18 1 2. - <_> - - <_> - 5 16 11 4 -1. - <_> - 5 18 11 2 2. - <_> - - <_> - 2 16 13 3 -1. - <_> - 2 17 13 1 3. - <_> - - <_> - 14 9 6 11 -1. - <_> - 16 9 2 11 3. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 11 1 8 6 -1. - <_> - 11 3 8 2 3. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 10 10 4 8 -1. - <_> - 10 14 4 4 2. - <_> - - <_> - 5 5 9 15 -1. - <_> - 8 5 3 15 3. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 0 15 13 2 -1. - <_> - 0 16 13 1 2. - <_> - - <_> - 11 1 8 6 -1. - <_> - 11 3 8 2 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 9 6 6 7 -1. - <_> - 11 6 2 7 3. - <_> - - <_> - 5 6 6 7 -1. - <_> - 7 6 2 7 3. - <_> - - <_> - 6 11 10 6 -1. - <_> - 11 11 5 3 2. - <_> - 6 14 5 3 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 11 1 8 6 -1. - <_> - 11 3 8 2 3. - <_> - - <_> - 4 4 11 10 -1. - <_> - 4 9 11 5 2. - <_> - - <_> - 11 1 8 6 -1. - <_> - 11 3 8 2 3. - <_> - - <_> - 1 1 8 6 -1. - <_> - 1 3 8 2 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 8 4 6 2. - <_> - - <_> - 2 2 16 3 -1. - <_> - 2 3 16 1 3. - <_> - - <_> - 18 1 2 13 -1. - <_> - 18 1 1 13 2. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 7 5 3 2. - <_> - - <_> - 5 6 13 3 -1. - <_> - 5 7 13 1 3. - <_> - - <_> - 4 1 6 7 -1. - <_> - 6 1 2 7 3. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 7 2 8 8 -1. - <_> - 11 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 5 2 8 8 -1. - <_> - 5 2 4 4 2. - <_> - 9 6 4 4 2. - <_> - - <_> - 15 3 4 16 -1. - <_> - 17 3 2 8 2. - <_> - 15 11 2 8 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 4 10 4 8 -1. - <_> - 4 14 4 4 2. - <_> - - <_> - 4 14 13 6 -1. - <_> - 4 16 13 2 3. - <_> - - <_> - 1 14 14 3 -1. - <_> - 1 15 14 1 3. - <_> - - <_> - 18 1 2 13 -1. - <_> - 18 1 1 13 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 1 1 9 2 2. - <_> - 10 3 9 2 2. - <_> - - <_> - 18 1 2 13 -1. - <_> - 18 1 1 13 2. - <_> - - <_> - 0 1 2 13 -1. - <_> - 1 1 1 13 2. - <_> - - <_> - 2 0 18 2 -1. - <_> - 2 0 9 2 2. - <_> - - <_> - 0 0 6 12 -1. - <_> - 2 0 2 12 3. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 0 2 5 6 -1. - <_> - 0 5 5 3 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 9 0 9 6 -1. - <_> - 9 2 9 2 3. - <_> - - <_> - 0 4 14 3 -1. - <_> - 0 5 14 1 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 5 0 8 8 -1. - <_> - 5 4 8 4 2. - <_> - - <_> - 9 0 9 6 -1. - <_> - 9 2 9 2 3. - <_> - - <_> - 2 0 9 6 -1. - <_> - 2 2 9 2 3. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 1 7 16 4 -1. - <_> - 1 7 8 2 2. - <_> - 9 9 8 2 2. - <_> - - <_> - 8 7 4 7 -1. - <_> - 8 7 2 7 2. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 4 5 12 4 -1. - <_> - 8 5 4 4 3. - <_> - - <_> - 1 0 6 13 -1. - <_> - 3 0 2 13 3. - <_> - - <_> - 16 7 4 11 -1. - <_> - 16 7 2 11 2. - <_> - - <_> - 0 7 4 11 -1. - <_> - 2 7 2 11 2. - <_> - - <_> - 8 6 4 8 -1. - <_> - 8 10 4 4 2. - <_> - - <_> - 0 10 20 3 -1. - <_> - 0 11 20 1 3. - <_> - - <_> - 11 13 8 6 -1. - <_> - 11 15 8 2 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 9 6 3 13 -1. - <_> - 10 6 1 13 3. - <_> - - <_> - 7 10 6 10 -1. - <_> - 9 10 2 10 3. - <_> - - <_> - 16 0 4 18 -1. - <_> - 16 0 2 18 2. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 4 9 13 3 -1. - <_> - 4 10 13 1 3. - <_> - - <_> - 0 0 4 19 -1. - <_> - 2 0 2 19 2. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 8 5 10 10 -1. - <_> - 13 5 5 5 2. - <_> - 8 10 5 5 2. - <_> - - <_> - 1 8 6 12 -1. - <_> - 1 8 3 6 2. - <_> - 4 14 3 6 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 4 1 3 13 -1. - <_> - 5 1 1 13 3. - <_> - - <_> - 4 4 13 3 -1. - <_> - 4 5 13 1 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 5 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 1 13 8 6 -1. - <_> - 1 15 8 2 3. - <_> - - <_> - 4 5 13 3 -1. - <_> - 4 6 13 1 3. - <_> - - <_> - 0 6 14 4 -1. - <_> - 0 6 7 2 2. - <_> - 7 8 7 2 2. - <_> - - <_> - 14 3 6 16 -1. - <_> - 17 3 3 8 2. - <_> - 14 11 3 8 2. - <_> - - <_> - 1 4 18 10 -1. - <_> - 1 4 9 5 2. - <_> - 10 9 9 5 2. - <_> - - <_> - 14 2 6 16 -1. - <_> - 17 2 3 8 2. - <_> - 14 10 3 8 2. - <_> - - <_> - 0 2 6 16 -1. - <_> - 0 2 3 8 2. - <_> - 3 10 3 8 2. - <_> - - <_> - 14 8 6 12 -1. - <_> - 14 8 3 12 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 3 8 3 12 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 8 2 4 8 -1. - <_> - 8 6 4 4 2. - <_> - - <_> - 0 12 8 8 -1. - <_> - 4 12 4 8 2. - <_> - - <_> - 2 4 18 16 -1. - <_> - 8 4 6 16 3. - <_> - - <_> - 5 7 4 7 -1. - <_> - 7 7 2 7 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 7 2 10 4 -1. - <_> - 7 2 5 4 2. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 1 14 18 6 -1. - <_> - 1 16 18 2 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 10 0 1 13 2. - <_> - - <_> - 1 1 19 3 -1. - <_> - 1 2 19 1 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 4 18 13 2 -1. - <_> - 4 19 13 1 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 13 10 7 6 -1. - <_> - 13 12 7 2 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 3 14 13 3 -1. - <_> - 3 15 13 1 3. - <_> - - <_> - 1 15 18 4 -1. - <_> - 10 15 9 2 2. - <_> - 1 17 9 2 2. - <_> - - <_> - 2 10 6 10 -1. - <_> - 4 10 2 10 3. - <_> - - <_> - 11 14 9 6 -1. - <_> - 14 14 3 6 3. - <_> - - <_> - 4 10 12 10 -1. - <_> - 10 10 6 10 2. - <_> - - <_> - 6 6 8 7 -1. - <_> - 6 6 4 7 2. - <_> - - <_> - 8 4 4 7 -1. - <_> - 10 4 2 7 2. - <_> - - <_> - 9 0 3 15 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 2 7 12 12 -1. - <_> - 2 11 12 4 3. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 2 12 2 3. - <_> - - <_> - 5 10 9 9 -1. - <_> - 5 13 9 3 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 12 8 8 -1. - <_> - 0 12 4 4 2. - <_> - 4 16 4 4 2. - <_> - - <_> - 14 11 6 9 -1. - <_> - 14 14 6 3 3. - <_> - - <_> - 5 1 7 6 -1. - <_> - 5 3 7 2 3. - <_> - - <_> - 9 5 3 14 -1. - <_> - 9 12 3 7 2. - <_> - - <_> - 8 9 4 8 -1. - <_> - 8 13 4 4 2. - <_> - - <_> - 7 5 6 14 -1. - <_> - 7 12 6 7 2. - <_> - - <_> - 4 9 4 8 -1. - <_> - 6 9 2 8 2. - <_> - - <_> - 12 9 6 9 -1. - <_> - 14 9 2 9 3. - <_> - - <_> - 2 9 6 9 -1. - <_> - 4 9 2 9 3. - <_> - - <_> - 4 16 15 4 -1. - <_> - 9 16 5 4 3. - <_> - - <_> - 3 2 10 4 -1. - <_> - 8 2 5 4 2. - <_> - - <_> - 10 0 4 12 -1. - <_> - 10 0 2 12 2. - <_> - - <_> - 6 0 4 12 -1. - <_> - 8 0 2 12 2. - <_> - - <_> - 7 4 6 7 -1. - <_> - 9 4 2 7 3. - <_> - - <_> - 5 2 3 13 -1. - <_> - 6 2 1 13 3. - <_> - - <_> - 12 5 5 9 -1. - <_> - 12 8 5 3 3. - <_> - - <_> - 5 6 9 12 -1. - <_> - 5 10 9 4 3. - <_> - - <_> - 9 0 4 20 -1. - <_> - 11 0 2 10 2. - <_> - 9 10 2 10 2. - <_> - - <_> - 8 0 4 16 -1. - <_> - 8 0 2 8 2. - <_> - 10 8 2 8 2. - <_> - - <_> - 2 9 18 11 -1. - <_> - 8 9 6 11 3. - <_> - - <_> - 0 11 6 9 -1. - <_> - 0 14 6 3 3. - <_> - - <_> - 13 6 6 12 -1. - <_> - 13 6 3 12 2. - <_> - - <_> - 6 12 8 8 -1. - <_> - 6 12 4 4 2. - <_> - 10 16 4 4 2. - <_> - - <_> - 1 9 18 8 -1. - <_> - 10 9 9 4 2. - <_> - 1 13 9 4 2. - <_> - - <_> - 2 8 12 4 -1. - <_> - 6 8 4 4 3. - <_> - - <_> - 13 6 6 12 -1. - <_> - 13 6 3 12 2. - <_> - - <_> - 1 6 6 12 -1. - <_> - 4 6 3 12 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 3 15 13 3 -1. - <_> - 3 16 13 1 3. - <_> - - <_> - 7 15 13 3 -1. - <_> - 7 16 13 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 17 0 3 14 -1. - <_> - 18 0 1 14 3. - <_> - - <_> - 0 0 20 16 -1. - <_> - 0 8 20 8 2. - <_> - - <_> - 6 3 14 4 -1. - <_> - 13 3 7 2 2. - <_> - 6 5 7 2 2. - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 2 10 3 2. - <_> - 10 5 10 3 2. - <_> - - <_> - 17 0 3 14 -1. - <_> - 18 0 1 14 3. - <_> - - <_> - 5 9 4 9 -1. - <_> - 7 9 2 9 2. - <_> - - <_> - 11 11 4 7 -1. - <_> - 11 11 2 7 2. - <_> - - <_> - 5 7 6 10 -1. - <_> - 7 7 2 10 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 0 7 10 2 2. - <_> - - <_> - 3 4 14 12 -1. - <_> - 3 4 7 6 2. - <_> - 10 10 7 6 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 6 5 6 8 -1. - <_> - 8 5 2 8 3. - <_> - - <_> - 11 5 4 10 -1. - <_> - 11 5 2 10 2. - <_> - - <_> - 1 2 18 14 -1. - <_> - 7 2 6 14 3. - <_> - - <_> - 3 3 14 8 -1. - <_> - 10 3 7 4 2. - <_> - 3 7 7 4 2. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 5 9 10 11 -1. - <_> - 5 9 5 11 2. - <_> - - <_> - 5 7 10 8 -1. - <_> - 5 7 5 4 2. - <_> - 10 11 5 4 2. - <_> - - <_> - 16 0 4 16 -1. - <_> - 16 8 4 8 2. - <_> - - <_> - 1 4 18 4 -1. - <_> - 10 4 9 4 2. - <_> - - <_> - 4 10 14 3 -1. - <_> - 4 11 14 1 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 17 0 3 14 -1. - <_> - 18 0 1 14 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 13 1 6 10 -1. - <_> - 16 1 3 5 2. - <_> - 13 6 3 5 2. - <_> - - <_> - 1 1 6 10 -1. - <_> - 1 1 3 5 2. - <_> - 4 6 3 5 2. - <_> - - <_> - 3 2 14 3 -1. - <_> - 3 3 14 1 3. - <_> - - <_> - 3 12 13 3 -1. - <_> - 3 13 13 1 3. - <_> - - <_> - 11 4 8 8 -1. - <_> - 15 4 4 4 2. - <_> - 11 8 4 4 2. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 0 14 14 2 -1. - <_> - 0 15 14 1 2. - <_> - - <_> - 11 4 8 8 -1. - <_> - 15 4 4 4 2. - <_> - 11 8 4 4 2. - <_> - - <_> - 0 9 5 9 -1. - <_> - 0 12 5 3 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 3 5 5 9 -1. - <_> - 3 8 5 3 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 10 0 10 8 -1. - <_> - 15 0 5 4 2. - <_> - 10 4 5 4 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 0 4 12 9 -1. - <_> - 0 7 12 3 3. - <_> - - <_> - 0 7 20 4 -1. - <_> - 0 9 20 2 2. - <_> - - <_> - 5 2 10 4 -1. - <_> - 10 2 5 4 2. - <_> - - <_> - 11 11 4 7 -1. - <_> - 11 11 2 7 2. - <_> - - <_> - 6 12 4 7 -1. - <_> - 8 12 2 7 2. - <_> - - <_> - 11 13 9 7 -1. - <_> - 14 13 3 7 3. - <_> - - <_> - 4 15 12 5 -1. - <_> - 10 15 6 5 2. - <_> - - <_> - 8 9 4 8 -1. - <_> - 8 9 2 8 2. - <_> - - <_> - 5 11 6 7 -1. - <_> - 7 11 2 7 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 8 5 3 7 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 9 5 3 7 2. - <_> - - <_> - 2 6 16 9 -1. - <_> - 2 9 16 3 3. - <_> - - <_> - 3 8 14 2 -1. - <_> - 3 9 14 1 2. - <_> - - <_> - 9 4 3 15 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 7 10 4 8 -1. - <_> - 7 14 4 4 2. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 0 9 4 11 -1. - <_> - 2 9 2 11 2. - <_> - - <_> - 7 3 8 10 -1. - <_> - 7 8 8 5 2. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 7 16 8 4 -1. - <_> - 7 16 4 4 2. - <_> - - <_> - 1 0 10 20 -1. - <_> - 1 0 5 10 2. - <_> - 6 10 5 10 2. - <_> - - <_> - 10 1 4 10 -1. - <_> - 10 6 4 5 2. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 1 7 18 4 -1. - <_> - 10 7 9 2 2. - <_> - 1 9 9 2 2. - <_> - - <_> - 5 14 10 6 -1. - <_> - 5 16 10 2 3. - <_> - - <_> - 7 12 13 3 -1. - <_> - 7 13 13 1 3. - <_> - - <_> - 2 11 7 6 -1. - <_> - 2 13 7 2 3. - <_> - - <_> - 11 12 5 8 -1. - <_> - 11 16 5 4 2. - <_> - - <_> - 4 12 5 8 -1. - <_> - 4 16 5 4 2. - <_> - - <_> - 10 10 10 4 -1. - <_> - 10 12 10 2 2. - <_> - - <_> - 4 12 9 6 -1. - <_> - 4 15 9 3 2. - <_> - - <_> - 10 10 10 4 -1. - <_> - 10 12 10 2 2. - <_> - - <_> - 0 10 10 4 -1. - <_> - 0 12 10 2 2. - <_> - - <_> - 16 0 4 16 -1. - <_> - 16 8 4 8 2. - <_> - - <_> - 7 4 3 15 -1. - <_> - 7 9 3 5 3. - <_> - - <_> - 9 10 10 6 -1. - <_> - 14 10 5 3 2. - <_> - 9 13 5 3 2. - <_> - - <_> - 3 1 14 14 -1. - <_> - 3 1 7 7 2. - <_> - 10 8 7 7 2. - <_> - - <_> - 16 5 4 14 -1. - <_> - 18 5 2 7 2. - <_> - 16 12 2 7 2. - <_> - - <_> - 0 5 4 14 -1. - <_> - 0 5 2 7 2. - <_> - 2 12 2 7 2. - <_> - - <_> - 5 2 13 3 -1. - <_> - 5 3 13 1 3. - <_> - - <_> - 0 16 17 2 -1. - <_> - 0 17 17 1 2. - <_> - - <_> - 2 9 16 6 -1. - <_> - 2 12 16 3 2. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 11 18 1 2. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 3 0 13 9 -1. - <_> - 3 3 13 3 3. - <_> - - <_> - 6 4 9 5 -1. - <_> - 9 4 3 5 3. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 10 1 10 4 -1. - <_> - 10 1 5 4 2. - <_> - - <_> - 1 3 18 15 -1. - <_> - 1 8 18 5 3. - <_> - - <_> - 14 2 6 12 -1. - <_> - 14 2 3 12 2. - <_> - - <_> - 1 2 6 5 -1. - <_> - 4 2 3 5 2. - <_> - - <_> - 12 5 8 8 -1. - <_> - 16 5 4 4 2. - <_> - 12 9 4 4 2. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 0 0 17 3 -1. - <_> - 0 1 17 1 3. - <_> - - <_> - 6 5 9 8 -1. - <_> - 6 9 9 4 2. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 4 8 15 3 -1. - <_> - 9 8 5 3 3. - <_> - - <_> - 1 8 15 3 -1. - <_> - 6 8 5 3 3. - <_> - - <_> - 4 13 13 3 -1. - <_> - 4 14 13 1 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 10 1 7 4 -1. - <_> - 10 3 7 2 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 10 9 6 10 -1. - <_> - 13 9 3 5 2. - <_> - 10 14 3 5 2. - <_> - - <_> - 0 10 20 5 -1. - <_> - 10 10 10 5 2. - <_> - - <_> - 2 1 16 4 -1. - <_> - 10 1 8 2 2. - <_> - 2 3 8 2 2. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 3 12 3 2. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 2 3 16 17 -1. - <_> - 2 3 8 17 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 12 5 8 8 -1. - <_> - 16 5 4 4 2. - <_> - 12 9 4 4 2. - <_> - - <_> - 0 5 8 8 -1. - <_> - 0 5 4 4 2. - <_> - 4 9 4 4 2. - <_> - - <_> - 18 4 2 16 -1. - <_> - 18 12 2 8 2. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 2 0 18 3 -1. - <_> - 8 0 6 3 3. - <_> - - <_> - 2 6 15 3 -1. - <_> - 2 7 15 1 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 2 12 16 6 -1. - <_> - 2 14 16 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 3 0 3 13 -1. - <_> - 4 0 1 13 3. - <_> - - <_> - 5 5 10 12 -1. - <_> - 10 5 5 6 2. - <_> - 5 11 5 6 2. - <_> - - <_> - 2 4 14 12 -1. - <_> - 2 4 7 6 2. - <_> - 9 10 7 6 2. - <_> - - <_> - 18 4 2 16 -1. - <_> - 18 12 2 8 2. - <_> - - <_> - 5 4 9 5 -1. - <_> - 8 4 3 5 3. - <_> - - <_> - 15 0 3 15 -1. - <_> - 16 0 1 15 3. - <_> - - <_> - 2 0 3 15 -1. - <_> - 3 0 1 15 3. - <_> - - <_> - 8 6 6 8 -1. - <_> - 8 10 6 4 2. - <_> - - <_> - 1 4 6 16 -1. - <_> - 1 4 3 8 2. - <_> - 4 12 3 8 2. - <_> - - <_> - 3 0 15 2 -1. - <_> - 3 1 15 1 2. - <_> - - <_> - 7 2 6 14 -1. - <_> - 7 2 3 7 2. - <_> - 10 9 3 7 2. - <_> - - <_> - 10 2 6 7 -1. - <_> - 12 2 2 7 3. - <_> - - <_> - 5 1 3 16 -1. - <_> - 6 1 1 16 3. - <_> - - <_> - 6 2 9 10 -1. - <_> - 6 7 9 5 2. - <_> - - <_> - 9 2 2 13 -1. - <_> - 10 2 1 13 2. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 2 6 14 6 -1. - <_> - 2 6 7 3 2. - <_> - 9 9 7 3 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 9 5 7 9 -1. - <_> - 9 8 7 3 3. - <_> - - <_> - 3 12 13 2 -1. - <_> - 3 13 13 1 2. - <_> - - <_> - 9 13 8 6 -1. - <_> - 9 15 8 2 3. - <_> - - <_> - 2 12 7 4 -1. - <_> - 2 14 7 2 2. - <_> - - <_> - 6 17 13 3 -1. - <_> - 6 18 13 1 3. - <_> - - <_> - 3 10 7 6 -1. - <_> - 3 12 7 2 3. - <_> - - <_> - 9 5 7 9 -1. - <_> - 9 8 7 3 3. - <_> - - <_> - 4 5 7 9 -1. - <_> - 4 8 7 3 3. - <_> - - <_> - 5 5 13 3 -1. - <_> - 5 6 13 1 3. - <_> - - <_> - 1 2 18 12 -1. - <_> - 1 6 18 4 3. - <_> - - <_> - 4 4 13 3 -1. - <_> - 4 5 13 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 10 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 6 2 4 8 -1. - <_> - 8 2 2 8 2. - <_> - - <_> - 8 0 12 16 -1. - <_> - 14 0 6 8 2. - <_> - 8 8 6 8 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 6 0 6 6 3. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 0 4 4 2. - <_> - - <_> - 0 0 6 7 -1. - <_> - 3 0 3 7 2. - <_> - - <_> - 9 13 6 7 -1. - <_> - 11 13 2 7 3. - <_> - - <_> - 6 4 6 7 -1. - <_> - 8 4 2 7 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 1 14 17 6 -1. - <_> - 1 16 17 2 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 5 5 13 3 -1. - <_> - 5 6 13 1 3. - <_> - - <_> - 5 13 6 7 -1. - <_> - 7 13 2 7 3. - <_> - - <_> - 12 10 4 7 -1. - <_> - 12 10 2 7 2. - <_> - - <_> - 1 9 18 11 -1. - <_> - 7 9 6 11 3. - <_> - - <_> - 10 10 6 7 -1. - <_> - 12 10 2 7 3. - <_> - - <_> - 4 10 6 7 -1. - <_> - 6 10 2 7 3. - <_> - - <_> - 9 10 9 9 -1. - <_> - 12 10 3 9 3. - <_> - - <_> - 0 10 10 10 -1. - <_> - 0 10 5 5 2. - <_> - 5 15 5 5 2. - <_> - - <_> - 12 15 6 5 -1. - <_> - 12 15 3 5 2. - <_> - - <_> - 1 15 8 5 -1. - <_> - 5 15 4 5 2. - <_> - - <_> - 5 14 14 2 -1. - <_> - 5 14 7 2 2. - <_> - - <_> - 1 14 12 3 -1. - <_> - 7 14 6 3 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 5 2 8 8 -1. - <_> - 5 2 4 4 2. - <_> - 9 6 4 4 2. - <_> - - <_> - 6 16 14 4 -1. - <_> - 13 16 7 2 2. - <_> - 6 18 7 2 2. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 3 15 14 4 -1. - <_> - 10 15 7 2 2. - <_> - 3 17 7 2 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 10 6 10 2 2. - <_> - - <_> - 5 3 14 6 -1. - <_> - 12 3 7 3 2. - <_> - 5 6 7 3 2. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 7 10 2 3. - <_> - - <_> - 0 2 20 2 -1. - <_> - 0 3 20 1 2. - <_> - - <_> - 6 0 8 6 -1. - <_> - 6 3 8 3 2. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 0 5 13 14 -1. - <_> - 0 12 13 7 2. - <_> - - <_> - 14 11 4 8 -1. - <_> - 14 15 4 4 2. - <_> - - <_> - 0 0 20 8 -1. - <_> - 0 0 10 4 2. - <_> - 10 4 10 4 2. - <_> - - <_> - 16 1 4 18 -1. - <_> - 18 1 2 9 2. - <_> - 16 10 2 9 2. - <_> - - <_> - 1 10 6 9 -1. - <_> - 3 10 2 9 3. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 4 7 12 12 -1. - <_> - 4 7 6 6 2. - <_> - 10 13 6 6 2. - <_> - - <_> - 7 12 13 3 -1. - <_> - 7 13 13 1 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 0 16 6 -1. - <_> - 0 2 16 2 3. - <_> - - <_> - 6 1 8 6 -1. - <_> - 6 4 8 3 2. - <_> - - <_> - 0 0 5 8 -1. - <_> - 0 4 5 4 2. - <_> - - <_> - 9 3 9 5 -1. - <_> - 12 3 3 5 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 2 2 2 9 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 4 5 10 6 -1. - <_> - 4 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 7 1 10 6 -1. - <_> - 12 1 5 3 2. - <_> - 7 4 5 3 2. - <_> - - <_> - 0 2 18 4 -1. - <_> - 0 2 9 2 2. - <_> - 9 4 9 2 2. - <_> - - <_> - 17 1 2 17 -1. - <_> - 17 1 1 17 2. - <_> - - <_> - 1 0 2 19 -1. - <_> - 2 0 1 19 2. - <_> - - <_> - 2 9 16 4 -1. - <_> - 10 9 8 2 2. - <_> - 2 11 8 2 2. - <_> - - <_> - 1 6 18 8 -1. - <_> - 1 6 9 4 2. - <_> - 10 10 9 4 2. - <_> - - <_> - 1 8 18 4 -1. - <_> - 7 8 6 4 3. - <_> - - <_> - 5 4 3 10 -1. - <_> - 5 9 3 5 2. - <_> - - <_> - 5 2 10 6 -1. - <_> - 5 4 10 2 3. - <_> - - <_> - 7 7 4 10 -1. - <_> - 7 12 4 5 2. - <_> - - <_> - 8 11 6 6 -1. - <_> - 8 14 6 3 2. - <_> - - <_> - 1 6 15 5 -1. - <_> - 6 6 5 5 3. - <_> - - <_> - 8 5 4 12 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 1 8 10 12 -1. - <_> - 1 8 5 6 2. - <_> - 6 14 5 6 2. - <_> - - <_> - 14 12 5 6 -1. - <_> - 14 15 5 3 2. - <_> - - <_> - 0 12 18 4 -1. - <_> - 0 12 9 2 2. - <_> - 9 14 9 2 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 1 3 18 12 -1. - <_> - 1 3 9 6 2. - <_> - 10 9 9 6 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 5 2 9 6 -1. - <_> - 5 4 9 2 3. - <_> - - <_> - 15 3 2 17 -1. - <_> - 15 3 1 17 2. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 7 5 6 8 -1. - <_> - 9 5 2 8 3. - <_> - - <_> - 3 3 2 17 -1. - <_> - 4 3 1 17 2. - <_> - - <_> - 2 0 18 4 -1. - <_> - 11 0 9 2 2. - <_> - 2 2 9 2 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 11 12 6 8 -1. - <_> - 13 12 2 8 3. - <_> - - <_> - 3 12 6 8 -1. - <_> - 5 12 2 8 3. - <_> - - <_> - 7 12 10 6 -1. - <_> - 12 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 5 0 9 14 -1. - <_> - 8 0 3 14 3. - <_> - - <_> - 4 3 15 4 -1. - <_> - 9 3 5 4 3. - <_> - - <_> - 1 3 15 4 -1. - <_> - 6 3 5 4 3. - <_> - - <_> - 13 5 4 14 -1. - <_> - 15 5 2 7 2. - <_> - 13 12 2 7 2. - <_> - - <_> - 3 5 4 14 -1. - <_> - 3 5 2 7 2. - <_> - 5 12 2 7 2. - <_> - - <_> - 11 0 4 7 -1. - <_> - 11 0 2 7 2. - <_> - - <_> - 5 0 4 7 -1. - <_> - 7 0 2 7 2. - <_> - - <_> - 7 12 10 6 -1. - <_> - 12 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 3 12 10 6 -1. - <_> - 3 12 5 3 2. - <_> - 8 15 5 3 2. - <_> - - <_> - 3 4 16 6 -1. - <_> - 11 4 8 3 2. - <_> - 3 7 8 3 2. - <_> - - <_> - 4 1 6 7 -1. - <_> - 6 1 2 7 3. - <_> - - <_> - 6 13 14 3 -1. - <_> - 6 14 14 1 3. - <_> - - <_> - 4 3 6 7 -1. - <_> - 6 3 2 7 3. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 8 11 6 7 -1. - <_> - 10 11 2 7 3. - <_> - - <_> - 2 4 6 12 -1. - <_> - 5 4 3 12 2. - <_> - - <_> - 10 0 10 18 -1. - <_> - 10 0 5 18 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 7 10 6 9 -1. - <_> - 7 10 3 9 2. - <_> - - <_> - 6 12 6 8 -1. - <_> - 8 12 2 8 3. - <_> - - <_> - 3 18 14 2 -1. - <_> - 3 19 14 1 2. - <_> - - <_> - 1 6 7 6 -1. - <_> - 1 8 7 2 3. - <_> - - <_> - 13 5 7 4 -1. - <_> - 13 7 7 2 2. - <_> - - <_> - 0 5 7 4 -1. - <_> - 0 7 7 2 2. - <_> - - <_> - 8 5 11 15 -1. - <_> - 8 10 11 5 3. - <_> - - <_> - 3 9 10 9 -1. - <_> - 8 9 5 9 2. - <_> - - <_> - 4 1 13 3 -1. - <_> - 4 2 13 1 3. - <_> - - <_> - 7 0 4 12 -1. - <_> - 7 6 4 6 2. - <_> - - <_> - 8 2 4 8 -1. - <_> - 8 6 4 4 2. - <_> - - <_> - 2 16 16 3 -1. - <_> - 10 16 8 3 2. - <_> - - <_> - 6 7 9 5 -1. - <_> - 9 7 3 5 3. - <_> - - <_> - 5 7 9 5 -1. - <_> - 8 7 3 5 3. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 5 5 4 11 -1. - <_> - 7 5 2 11 2. - <_> - - <_> - 9 6 6 10 -1. - <_> - 12 6 3 5 2. - <_> - 9 11 3 5 2. - <_> - - <_> - 5 6 6 10 -1. - <_> - 5 6 3 5 2. - <_> - 8 11 3 5 2. - <_> - - <_> - 4 8 16 8 -1. - <_> - 12 8 8 4 2. - <_> - 4 12 8 4 2. - <_> - - <_> - 0 8 16 8 -1. - <_> - 0 8 8 4 2. - <_> - 8 12 8 4 2. - <_> - - <_> - 9 8 10 10 -1. - <_> - 14 8 5 5 2. - <_> - 9 13 5 5 2. - <_> - - <_> - 1 8 10 10 -1. - <_> - 1 8 5 5 2. - <_> - 6 13 5 5 2. - <_> - - <_> - 11 1 9 16 -1. - <_> - 14 1 3 16 3. - <_> - - <_> - 3 4 6 12 -1. - <_> - 6 4 3 12 2. - <_> - - <_> - 14 12 6 8 -1. - <_> - 16 12 2 8 3. - <_> - - <_> - 0 12 6 8 -1. - <_> - 2 12 2 8 3. - <_> - - <_> - 0 2 10 3 -1. - <_> - 5 2 5 3 2. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 6 8 2 3. - <_> - - <_> - 7 6 6 12 -1. - <_> - 7 12 6 6 2. - <_> - - <_> - 10 1 4 18 -1. - <_> - 12 1 2 9 2. - <_> - 10 10 2 9 2. - <_> - - <_> - 4 6 4 14 -1. - <_> - 4 6 2 7 2. - <_> - 6 13 2 7 2. - <_> - - <_> - 13 4 3 10 -1. - <_> - 13 9 3 5 2. - <_> - - <_> - 1 3 14 12 -1. - <_> - 1 3 7 6 2. - <_> - 8 9 7 6 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 12 10 5 9 -1. - <_> - 12 13 5 3 3. - <_> - - <_> - 1 14 18 4 -1. - <_> - 1 14 9 2 2. - <_> - 10 16 9 2 2. - <_> - - <_> - 7 6 6 14 -1. - <_> - 9 6 2 14 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 10 10 4 8 -1. - <_> - 10 14 4 4 2. - <_> - - <_> - 6 8 8 12 -1. - <_> - 6 8 4 6 2. - <_> - 10 14 4 6 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 9 0 9 2 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 1 11 7 6 -1. - <_> - 1 13 7 2 3. - <_> - - <_> - 9 5 6 10 -1. - <_> - 12 5 3 5 2. - <_> - 9 10 3 5 2. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 6 1 9 5 -1. - <_> - 9 1 3 5 3. - <_> - - <_> - 3 2 13 2 -1. - <_> - 3 3 13 1 2. - <_> - - <_> - 4 0 14 3 -1. - <_> - 4 1 14 1 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 7 1 10 6 -1. - <_> - 12 1 5 3 2. - <_> - 7 4 5 3 2. - <_> - - <_> - 0 0 15 3 -1. - <_> - 5 0 5 3 3. - <_> - - <_> - 4 7 15 5 -1. - <_> - 9 7 5 5 3. - <_> - - <_> - 0 7 6 12 -1. - <_> - 0 11 6 4 3. - <_> - - <_> - 6 17 13 3 -1. - <_> - 6 18 13 1 3. - <_> - - <_> - 1 7 15 5 -1. - <_> - 6 7 5 5 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 1 8 18 3 -1. - <_> - 1 9 18 1 3. - <_> - - <_> - 14 0 6 11 -1. - <_> - 16 0 2 11 3. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 1 6 3 2. - <_> - 9 4 6 3 2. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 7 8 2 3. - <_> - - <_> - 0 0 6 11 -1. - <_> - 2 0 2 11 3. - <_> - - <_> - 8 5 5 12 -1. - <_> - 8 11 5 6 2. - <_> - - <_> - 1 4 6 16 -1. - <_> - 1 4 3 8 2. - <_> - 4 12 3 8 2. - <_> - - <_> - 13 5 6 10 -1. - <_> - 16 5 3 5 2. - <_> - 13 10 3 5 2. - <_> - - <_> - 1 5 6 10 -1. - <_> - 1 5 3 5 2. - <_> - 4 10 3 5 2. - <_> - - <_> - 16 2 4 8 -1. - <_> - 16 6 4 4 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 6 1 8 16 -1. - <_> - 6 9 8 8 2. - <_> - - <_> - 6 12 6 7 -1. - <_> - 8 12 2 7 3. - <_> - - <_> - 7 1 6 13 -1. - <_> - 7 1 3 13 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 2 10 18 10 -1. - <_> - 8 10 6 10 3. - <_> - - <_> - 0 0 8 20 -1. - <_> - 4 0 4 20 2. - <_> - - <_> - 10 0 8 6 -1. - <_> - 10 0 4 6 2. - <_> - - <_> - 5 2 8 9 -1. - <_> - 5 5 8 3 3. - <_> - - <_> - 16 2 4 8 -1. - <_> - 16 6 4 4 2. - <_> - - <_> - 3 3 14 2 -1. - <_> - 10 3 7 2 2. - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 3 3 13 3 -1. - <_> - 3 4 13 1 3. - <_> - - <_> - 16 2 4 8 -1. - <_> - 16 6 4 4 2. - <_> - - <_> - 0 1 11 12 -1. - <_> - 0 7 11 6 2. - <_> - - <_> - 9 0 9 5 -1. - <_> - 12 0 3 5 3. - <_> - - <_> - 3 0 9 5 -1. - <_> - 6 0 3 5 3. - <_> - - <_> - 2 0 18 8 -1. - <_> - 8 0 6 8 3. - <_> - - <_> - 0 15 14 2 -1. - <_> - 0 16 14 1 2. - <_> - - <_> - 10 15 10 3 -1. - <_> - 10 15 5 3 2. - <_> - - <_> - 7 10 3 10 -1. - <_> - 7 15 3 5 2. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 4 11 12 6 -1. - <_> - 4 11 6 3 2. - <_> - 10 14 6 3 2. - <_> - - <_> - 3 12 16 6 -1. - <_> - 11 12 8 3 2. - <_> - 3 15 8 3 2. - <_> - - <_> - 1 12 16 6 -1. - <_> - 1 12 8 3 2. - <_> - 9 15 8 3 2. - <_> - - <_> - 4 0 15 6 -1. - <_> - 9 0 5 6 3. - <_> - - <_> - 1 0 15 6 -1. - <_> - 6 0 5 6 3. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 3 10 3 2. - <_> - - <_> - 7 0 2 17 -1. - <_> - 8 0 1 17 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 1 9 19 3 -1. - <_> - 1 10 19 1 3. - <_> - - <_> - 6 0 6 18 -1. - <_> - 8 0 2 18 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 0 10 20 6 -1. - <_> - 0 13 20 3 2. - <_> - - <_> - 10 11 5 9 -1. - <_> - 10 14 5 3 3. - <_> - - <_> - 3 4 13 3 -1. - <_> - 3 5 13 1 3. - <_> - - <_> - 13 11 7 4 -1. - <_> - 13 13 7 2 2. - <_> - - <_> - 3 2 3 14 -1. - <_> - 4 2 1 14 3. - <_> - - <_> - 12 3 2 17 -1. - <_> - 12 3 1 17 2. - <_> - - <_> - 0 9 6 9 -1. - <_> - 3 9 3 9 2. - <_> - - <_> - 11 3 6 10 -1. - <_> - 14 3 3 5 2. - <_> - 11 8 3 5 2. - <_> - - <_> - 2 0 3 13 -1. - <_> - 3 0 1 13 3. - <_> - - <_> - 4 5 16 2 -1. - <_> - 4 5 8 2 2. - <_> - - <_> - 4 1 3 13 -1. - <_> - 5 1 1 13 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 12 3 2 17 -1. - <_> - 12 3 1 17 2. - <_> - - <_> - 0 15 10 3 -1. - <_> - 5 15 5 3 2. - <_> - - <_> - 10 11 5 9 -1. - <_> - 10 14 5 3 3. - <_> - - <_> - 5 11 5 9 -1. - <_> - 5 14 5 3 3. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 3 11 16 9 -1. - <_> - 3 14 16 3 3. - <_> - - <_> - 5 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 10 0 10 16 -1. - <_> - 10 8 10 8 2. - <_> - - <_> - 0 0 10 16 -1. - <_> - 0 8 10 8 2. - <_> - - <_> - 9 5 3 13 -1. - <_> - 10 5 1 13 3. - <_> - - <_> - 6 0 6 10 -1. - <_> - 6 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 11 10 3 10 -1. - <_> - 11 15 3 5 2. - <_> - - <_> - 0 0 4 16 -1. - <_> - 0 0 2 8 2. - <_> - 2 8 2 8 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 6 6 12 6 -1. - <_> - 10 6 4 6 3. - <_> - - <_> - 0 4 4 16 -1. - <_> - 0 4 2 8 2. - <_> - 2 12 2 8 2. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 5 0 7 6 -1. - <_> - 5 2 7 2 3. - <_> - - <_> - 11 3 6 10 -1. - <_> - 14 3 3 5 2. - <_> - 11 8 3 5 2. - <_> - - <_> - 3 3 6 10 -1. - <_> - 3 3 3 5 2. - <_> - 6 8 3 5 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 6 10 3 10 -1. - <_> - 6 15 3 5 2. - <_> - - <_> - 12 0 4 16 -1. - <_> - 14 0 2 8 2. - <_> - 12 8 2 8 2. - <_> - - <_> - 4 0 4 16 -1. - <_> - 4 0 2 8 2. - <_> - 6 8 2 8 2. - <_> - - <_> - 5 13 15 7 -1. - <_> - 10 13 5 7 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 0 8 20 1 2. - <_> - - <_> - 2 13 18 5 -1. - <_> - 8 13 6 5 3. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 12 7 6 12 -1. - <_> - 15 7 3 6 2. - <_> - 12 13 3 6 2. - <_> - - <_> - 2 7 6 12 -1. - <_> - 2 7 3 6 2. - <_> - 5 13 3 6 2. - <_> - - <_> - 9 8 10 6 -1. - <_> - 14 8 5 3 2. - <_> - 9 11 5 3 2. - <_> - - <_> - 1 8 10 6 -1. - <_> - 1 8 5 3 2. - <_> - 6 11 5 3 2. - <_> - - <_> - 4 13 13 3 -1. - <_> - 4 14 13 1 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 8 20 10 -1. - <_> - 0 13 20 5 2. - <_> - - <_> - 0 13 15 7 -1. - <_> - 5 13 5 7 3. - <_> - - <_> - 7 11 6 9 -1. - <_> - 9 11 2 9 3. - <_> - - <_> - 1 11 9 8 -1. - <_> - 4 11 3 8 3. - <_> - - <_> - 2 13 17 6 -1. - <_> - 2 15 17 2 3. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 5 6 4 8 -1. - <_> - 5 10 4 4 2. - <_> - - <_> - 13 8 4 12 -1. - <_> - 13 12 4 4 3. - <_> - - <_> - 4 5 12 12 -1. - <_> - 4 5 6 6 2. - <_> - 10 11 6 6 2. - <_> - - <_> - 5 5 10 6 -1. - <_> - 10 5 5 3 2. - <_> - 5 8 5 3 2. - <_> - - <_> - 3 5 14 8 -1. - <_> - 3 5 7 4 2. - <_> - 10 9 7 4 2. - <_> - - <_> - 5 6 10 9 -1. - <_> - 5 9 10 3 3. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 12 9 8 4 -1. - <_> - 12 11 8 2 2. - <_> - - <_> - 0 9 8 4 -1. - <_> - 0 11 8 2 2. - <_> - - <_> - 8 8 8 4 -1. - <_> - 8 10 8 2 2. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 8 2 12 17 -1. - <_> - 12 2 4 17 3. - <_> - - <_> - 0 2 12 17 -1. - <_> - 4 2 4 17 3. - <_> - - <_> - 11 9 6 8 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 4 0 3 20 -1. - <_> - 5 0 1 20 3. - <_> - - <_> - 5 14 14 6 -1. - <_> - 12 14 7 3 2. - <_> - 5 17 7 3 2. - <_> - - <_> - 0 14 14 6 -1. - <_> - 0 14 7 3 2. - <_> - 7 17 7 3 2. - <_> - - <_> - 9 12 10 6 -1. - <_> - 9 14 10 2 3. - <_> - - <_> - 1 14 5 6 -1. - <_> - 1 17 5 3 2. - <_> - - <_> - 11 0 3 13 -1. - <_> - 12 0 1 13 3. - <_> - - <_> - 6 0 3 13 -1. - <_> - 7 0 1 13 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 1 4 18 9 -1. - <_> - 7 4 6 9 3. - <_> - - <_> - 11 9 6 8 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 3 9 6 8 -1. - <_> - 6 9 3 8 2. - <_> - - <_> - 9 7 6 12 -1. - <_> - 9 7 3 12 2. - <_> - - <_> - 3 3 14 12 -1. - <_> - 10 3 7 12 2. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 1 0 8 20 -1. - <_> - 1 0 4 10 2. - <_> - 5 10 4 10 2. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 0 2 10 5 -1. - <_> - 5 2 5 5 2. - <_> - - <_> - 12 12 8 8 -1. - <_> - 12 12 4 8 2. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 15 9 5 10 -1. - <_> - 15 14 5 5 2. - <_> - - <_> - 0 9 5 10 -1. - <_> - 0 14 5 5 2. - <_> - - <_> - 9 12 10 6 -1. - <_> - 9 14 10 2 3. - <_> - - <_> - 1 12 10 6 -1. - <_> - 1 14 10 2 3. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 6 8 8 9 -1. - <_> - 6 11 8 3 3. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 7 8 9 12 -1. - <_> - 7 12 9 4 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 3 8 14 2 -1. - <_> - 3 9 14 1 2. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 5 16 10 4 -1. - <_> - 5 18 10 2 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 12 3 2 17 -1. - <_> - 12 3 1 17 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 12 13 2 -1. - <_> - 7 13 13 1 2. - <_> - - <_> - 3 9 10 6 -1. - <_> - 3 9 5 3 2. - <_> - 8 12 5 3 2. - <_> - - <_> - 9 9 6 10 -1. - <_> - 12 9 3 5 2. - <_> - 9 14 3 5 2. - <_> - - <_> - 2 6 16 12 -1. - <_> - 2 6 8 6 2. - <_> - 10 12 8 6 2. - <_> - - <_> - 13 2 7 6 -1. - <_> - 13 4 7 2 3. - <_> - - <_> - 3 4 14 4 -1. - <_> - 3 6 14 2 2. - <_> - - <_> - 7 1 13 2 -1. - <_> - 7 2 13 1 2. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 2 1 15 6 -1. - <_> - 7 1 5 6 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 0 10 14 3 -1. - <_> - 0 11 14 1 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 9 6 4 14 -1. - <_> - 11 6 2 7 2. - <_> - 9 13 2 7 2. - <_> - - <_> - 0 8 19 2 -1. - <_> - 0 9 19 1 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 6 11 6 8 -1. - <_> - 8 11 2 8 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 7 5 4 11 -1. - <_> - 9 5 2 11 2. - <_> - - <_> - 9 3 2 13 -1. - <_> - 9 3 1 13 2. - <_> - - <_> - 0 3 12 6 -1. - <_> - 0 3 6 3 2. - <_> - 6 6 6 3 2. - <_> - - <_> - 3 6 14 2 -1. - <_> - 3 6 7 2 2. - <_> - - <_> - 4 11 6 7 -1. - <_> - 6 11 2 7 3. - <_> - - <_> - 15 10 5 6 -1. - <_> - 15 13 5 3 2. - <_> - - <_> - 4 1 12 6 -1. - <_> - 8 1 4 6 3. - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 0 2 8 2. - <_> - - <_> - 3 1 12 5 -1. - <_> - 9 1 6 5 2. - <_> - - <_> - 13 2 7 6 -1. - <_> - 13 4 7 2 3. - <_> - - <_> - 0 2 7 6 -1. - <_> - 0 4 7 2 3. - <_> - - <_> - 14 1 6 9 -1. - <_> - 14 4 6 3 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 0 4 6 3 3. - <_> - - <_> - 6 0 9 8 -1. - <_> - 6 4 9 4 2. - <_> - - <_> - 0 5 8 8 -1. - <_> - 0 5 4 4 2. - <_> - 4 9 4 4 2. - <_> - - <_> - 11 1 4 12 -1. - <_> - 11 7 4 6 2. - <_> - - <_> - 4 5 5 6 -1. - <_> - 4 8 5 3 2. - <_> - - <_> - 7 5 11 8 -1. - <_> - 7 9 11 4 2. - <_> - - <_> - 4 2 12 5 -1. - <_> - 8 2 4 5 3. - <_> - - <_> - 10 12 10 8 -1. - <_> - 10 12 5 8 2. - <_> - - <_> - 0 12 10 8 -1. - <_> - 5 12 5 8 2. - <_> - - <_> - 15 0 4 7 -1. - <_> - 15 0 2 7 2. - <_> - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - <_> - - <_> - 0 2 20 4 -1. - <_> - 10 2 10 2 2. - <_> - 0 4 10 2 2. - <_> - - <_> - 1 0 12 9 -1. - <_> - 1 3 12 3 3. - <_> - - <_> - 10 14 9 4 -1. - <_> - 10 16 9 2 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 1 6 11 4 -1. - <_> - 1 8 11 2 2. - <_> - - <_> - 4 8 12 4 -1. - <_> - 4 10 12 2 2. - <_> - - <_> - 4 4 3 10 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 3 9 3 10 -1. - <_> - 3 14 3 5 2. - <_> - - <_> - 18 3 2 17 -1. - <_> - 18 3 1 17 2. - <_> - - <_> - 0 3 13 2 -1. - <_> - 0 4 13 1 2. - <_> - - <_> - 18 3 2 17 -1. - <_> - 18 3 1 17 2. - <_> - - <_> - 0 3 2 17 -1. - <_> - 1 3 1 17 2. - <_> - - <_> - 2 0 18 6 -1. - <_> - 2 2 18 2 3. - <_> - - <_> - 6 5 4 13 -1. - <_> - 8 5 2 13 2. - <_> - - <_> - 7 3 12 16 -1. - <_> - 7 3 6 16 2. - <_> - - <_> - 0 12 16 2 -1. - <_> - 8 12 8 2 2. - <_> - - <_> - 11 6 8 12 -1. - <_> - 11 10 8 4 3. - <_> - - <_> - 0 12 6 7 -1. - <_> - 3 12 3 7 2. - <_> - - <_> - 12 0 8 12 -1. - <_> - 16 0 4 6 2. - <_> - 12 6 4 6 2. - <_> - - <_> - 5 6 10 10 -1. - <_> - 5 6 5 5 2. - <_> - 10 11 5 5 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 10 2 2 18 -1. - <_> - 10 11 2 9 2. - <_> - - <_> - 4 9 12 8 -1. - <_> - 4 9 6 4 2. - <_> - 10 13 6 4 2. - <_> - - <_> - 18 0 2 13 -1. - <_> - 18 0 1 13 2. - <_> - - <_> - 2 8 12 4 -1. - <_> - 6 8 4 4 3. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 18 0 2 13 -1. - <_> - 18 0 1 13 2. - <_> - - <_> - 6 3 2 17 -1. - <_> - 7 3 1 17 2. - <_> - - <_> - 11 9 4 8 -1. - <_> - 11 9 2 8 2. - <_> - - <_> - 5 9 4 8 -1. - <_> - 7 9 2 8 2. - <_> - - <_> - 18 0 2 13 -1. - <_> - 18 0 1 13 2. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 0 4 13 3 -1. - <_> - 0 5 13 1 3. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 2 10 8 6 -1. - <_> - 2 12 8 2 3. - <_> - - <_> - 5 4 14 8 -1. - <_> - 12 4 7 4 2. - <_> - 5 8 7 4 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 5 6 3 2. - <_> - 10 8 6 3 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 10 10 4 4 2. - <_> - 6 14 4 4 2. - <_> - - <_> - 5 5 9 5 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 6 8 2 3. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 10 1 10 4 -1. - <_> - 10 1 5 4 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 15 0 3 18 -1. - <_> - 15 6 3 6 3. - <_> - - <_> - 1 2 9 15 -1. - <_> - 4 2 3 15 3. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 6 4 4 2. - <_> - - <_> - 5 5 8 5 -1. - <_> - 9 5 4 5 2. - <_> - - <_> - 4 2 15 2 -1. - <_> - 4 3 15 1 2. - <_> - - <_> - 1 17 13 3 -1. - <_> - 1 18 13 1 3. - <_> - - <_> - 6 6 8 8 -1. - <_> - 6 10 8 4 2. - <_> - - <_> - 4 9 5 9 -1. - <_> - 4 12 5 3 3. - <_> - - <_> - 13 9 4 10 -1. - <_> - 13 14 4 5 2. - <_> - - <_> - 2 9 12 10 -1. - <_> - 2 9 6 5 2. - <_> - 8 14 6 5 2. - <_> - - <_> - 3 7 15 3 -1. - <_> - 8 7 5 3 3. - <_> - - <_> - 1 0 8 12 -1. - <_> - 1 0 4 6 2. - <_> - 5 6 4 6 2. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 5 9 5 10 -1. - <_> - 5 14 5 5 2. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 9 3 10 12 -1. - <_> - 9 9 10 6 2. - <_> - - <_> - 1 0 7 6 -1. - <_> - 1 2 7 2 3. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 5 9 5 4 2. - <_> - 10 13 5 4 2. - <_> - - <_> - 11 5 5 9 -1. - <_> - 11 8 5 3 3. - <_> - - <_> - 6 3 8 8 -1. - <_> - 6 3 4 4 2. - <_> - 10 7 4 4 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 11 15 9 4 -1. - <_> - 11 17 9 2 2. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 12 15 8 4 -1. - <_> - 12 17 8 2 2. - <_> - - <_> - 0 15 8 4 -1. - <_> - 0 17 8 2 2. - <_> - - <_> - 0 11 20 3 -1. - <_> - 0 12 20 1 3. - <_> - - <_> - 0 0 3 16 -1. - <_> - 1 0 1 16 3. - <_> - - <_> - 3 2 14 11 -1. - <_> - 3 2 7 11 2. - <_> - - <_> - 4 2 8 6 -1. - <_> - 4 5 8 3 2. - <_> - - <_> - 3 0 15 6 -1. - <_> - 3 2 15 2 3. - <_> - - <_> - 1 6 13 3 -1. - <_> - 1 7 13 1 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 15 14 5 6 -1. - <_> - 15 17 5 3 2. - <_> - - <_> - 3 4 13 3 -1. - <_> - 3 5 13 1 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 8 7 6 -1. - <_> - 0 10 7 2 3. - <_> - - <_> - 2 6 16 6 -1. - <_> - 10 6 8 3 2. - <_> - 2 9 8 3 2. - <_> - - <_> - 2 7 3 10 -1. - <_> - 2 12 3 5 2. - <_> - - <_> - 15 14 5 6 -1. - <_> - 15 17 5 3 2. - <_> - - <_> - 5 7 10 6 -1. - <_> - 5 7 5 3 2. - <_> - 10 10 5 3 2. - <_> - - <_> - 15 14 5 6 -1. - <_> - 15 17 5 3 2. - <_> - - <_> - 0 14 5 6 -1. - <_> - 0 17 5 3 2. - <_> - - <_> - 10 5 9 15 -1. - <_> - 10 10 9 5 3. - <_> - - <_> - 5 7 9 5 -1. - <_> - 8 7 3 5 3. - <_> - - <_> - 13 1 7 6 -1. - <_> - 13 3 7 2 3. - <_> - - <_> - 3 4 13 3 -1. - <_> - 3 5 13 1 3. - <_> - - <_> - 13 1 7 6 -1. - <_> - 13 3 7 2 3. - <_> - - <_> - 0 1 7 6 -1. - <_> - 0 3 7 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 10 1 10 18 -1. - <_> - 10 1 5 18 2. - <_> - - <_> - 0 1 10 18 -1. - <_> - 5 1 5 18 2. - <_> - - <_> - 2 1 18 5 -1. - <_> - 8 1 6 5 3. - <_> - - <_> - 4 5 4 8 -1. - <_> - 4 9 4 4 2. - <_> - - <_> - 9 3 3 10 -1. - <_> - 9 8 3 5 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 9 11 9 5 -1. - <_> - 12 11 3 5 3. - <_> - - <_> - 3 11 14 4 -1. - <_> - 3 11 7 2 2. - <_> - 10 13 7 2 2. - <_> - - <_> - 10 5 8 4 -1. - <_> - 10 5 4 4 2. - <_> - - <_> - 8 3 3 13 -1. - <_> - 9 3 1 13 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 2 14 -1. - <_> - 7 0 1 14 2. - <_> - - <_> - 10 5 8 4 -1. - <_> - 10 5 4 4 2. - <_> - - <_> - 0 0 8 4 -1. - <_> - 4 0 4 4 2. - <_> - - <_> - 14 0 6 13 -1. - <_> - 14 0 3 13 2. - <_> - - <_> - 0 1 6 11 -1. - <_> - 3 1 3 11 2. - <_> - - <_> - 9 11 9 5 -1. - <_> - 12 11 3 5 3. - <_> - - <_> - 2 11 9 5 -1. - <_> - 5 11 3 5 3. - <_> - - <_> - 7 12 6 7 -1. - <_> - 9 12 2 7 3. - <_> - - <_> - 0 0 4 15 -1. - <_> - 2 0 2 15 2. - <_> - - <_> - 12 2 2 15 -1. - <_> - 12 2 1 15 2. - <_> - - <_> - 6 2 2 15 -1. - <_> - 7 2 1 15 2. - <_> - - <_> - 6 0 13 2 -1. - <_> - 6 1 13 1 2. - <_> - - <_> - 0 12 13 3 -1. - <_> - 0 13 13 1 3. - <_> - - <_> - 10 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 5 3 4 7 -1. - <_> - 7 3 2 7 2. - <_> - - <_> - 10 5 8 4 -1. - <_> - 10 5 4 4 2. - <_> - - <_> - 2 5 8 4 -1. - <_> - 6 5 4 4 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 8 0 4 15 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 5 0 11 8 -1. - <_> - 5 4 11 4 2. - <_> - - <_> - 2 3 8 14 -1. - <_> - 6 3 4 14 2. - <_> - - <_> - 15 1 5 6 -1. - <_> - 15 4 5 3 2. - <_> - - <_> - 0 1 5 6 -1. - <_> - 0 4 5 3 2. - <_> - - <_> - 8 4 4 7 -1. - <_> - 8 4 2 7 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 10 6 5 3 2. - <_> - - <_> - 14 0 2 19 -1. - <_> - 14 0 1 19 2. - <_> - - <_> - 4 0 2 19 -1. - <_> - 5 0 1 19 2. - <_> - - <_> - 11 13 6 7 -1. - <_> - 13 13 2 7 3. - <_> - - <_> - 1 8 18 3 -1. - <_> - 7 8 6 3 3. - <_> - - <_> - 8 7 5 8 -1. - <_> - 8 11 5 4 2. - <_> - - <_> - 6 2 8 16 -1. - <_> - 6 10 8 8 2. - <_> - - <_> - 8 3 6 9 -1. - <_> - 8 6 6 3 3. - <_> - - <_> - 2 16 7 4 -1. - <_> - 2 18 7 2 2. - <_> - - <_> - 8 7 7 4 -1. - <_> - 8 9 7 2 2. - <_> - - <_> - 7 4 5 12 -1. - <_> - 7 8 5 4 3. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 3 6 14 4 -1. - <_> - 3 6 7 2 2. - <_> - 10 8 7 2 2. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 7 4 6 10 -1. - <_> - 7 4 3 5 2. - <_> - 10 9 3 5 2. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 13 0 3 15 -1. - <_> - 14 0 1 15 3. - <_> - - <_> - 0 14 14 3 -1. - <_> - 0 15 14 1 3. - <_> - - <_> - 1 4 18 15 -1. - <_> - 1 9 18 5 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 4 0 3 14 -1. - <_> - 5 0 1 14 3. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 1 15 18 4 -1. - <_> - 1 15 9 2 2. - <_> - 10 17 9 2 2. - <_> - - <_> - 10 13 8 6 -1. - <_> - 10 15 8 2 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 1 13 7 6 -1. - <_> - 1 15 7 2 3. - <_> - - <_> - 8 0 10 18 -1. - <_> - 13 0 5 9 2. - <_> - 8 9 5 9 2. - <_> - - <_> - 0 3 18 3 -1. - <_> - 6 3 6 3 3. - <_> - - <_> - 10 4 10 6 -1. - <_> - 15 4 5 3 2. - <_> - 10 7 5 3 2. - <_> - - <_> - 2 8 16 4 -1. - <_> - 10 8 8 4 2. - <_> - - <_> - 4 4 12 12 -1. - <_> - 10 4 6 6 2. - <_> - 4 10 6 6 2. - <_> - - <_> - 1 0 18 3 -1. - <_> - 10 0 9 3 2. - <_> - - <_> - 11 4 4 10 -1. - <_> - 11 9 4 5 2. - <_> - - <_> - 2 4 5 15 -1. - <_> - 2 9 5 5 3. - <_> - - <_> - 17 6 2 14 -1. - <_> - 17 13 2 7 2. - <_> - - <_> - 1 6 2 14 -1. - <_> - 1 13 2 7 2. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 2 10 18 3 -1. - <_> - 2 11 18 1 3. - <_> - - <_> - 0 2 7 4 -1. - <_> - 0 4 7 2 2. - <_> - - <_> - 2 0 16 6 -1. - <_> - 2 2 16 2 3. - <_> - - <_> - 2 17 15 3 -1. - <_> - 7 17 5 3 3. - <_> - - <_> - 12 13 6 7 -1. - <_> - 12 13 3 7 2. - <_> - - <_> - 2 13 6 7 -1. - <_> - 5 13 3 7 2. - <_> - - <_> - 14 2 2 13 -1. - <_> - 14 2 1 13 2. - <_> - - <_> - 7 12 4 8 -1. - <_> - 7 16 4 4 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 5 15 6 5 -1. - <_> - 8 15 3 5 2. - <_> - - <_> - 14 2 2 13 -1. - <_> - 14 2 1 13 2. - <_> - - <_> - 4 2 2 13 -1. - <_> - 5 2 1 13 2. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 13 11 7 4 -1. - <_> - 13 13 7 2 2. - <_> - - <_> - 0 10 13 3 -1. - <_> - 0 11 13 1 3. - <_> - - <_> - 6 7 9 12 -1. - <_> - 6 11 9 4 3. - <_> - - <_> - 2 2 14 4 -1. - <_> - 2 2 7 2 2. - <_> - 9 4 7 2 2. - <_> - - <_> - 10 0 2 13 -1. - <_> - 10 0 1 13 2. - <_> - - <_> - 8 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 13 11 7 4 -1. - <_> - 13 13 7 2 2. - <_> - - <_> - 6 11 7 6 -1. - <_> - 6 13 7 2 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 13 7 2 2. - <_> - - <_> - 4 12 12 6 -1. - <_> - 8 12 4 6 3. - <_> - - <_> - 5 6 6 10 -1. - <_> - 8 6 3 10 2. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 2 2 14 6 -1. - <_> - 2 2 7 3 2. - <_> - 9 5 7 3 2. - <_> - - <_> - 5 0 10 7 -1. - <_> - 5 0 5 7 2. - <_> - - <_> - 6 6 8 5 -1. - <_> - 10 6 4 5 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 8 0 10 18 -1. - <_> - 13 0 5 9 2. - <_> - 8 9 5 9 2. - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 5 7 3 2. - <_> - 9 8 7 3 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 10 1 3 5 2. - <_> - 7 6 3 5 2. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 9 9 10 6 -1. - <_> - 14 9 5 3 2. - <_> - 9 12 5 3 2. - <_> - - <_> - 2 8 6 10 -1. - <_> - 2 13 6 5 2. - <_> - - <_> - 1 10 19 2 -1. - <_> - 1 11 19 1 2. - <_> - - <_> - 4 9 12 6 -1. - <_> - 4 12 12 3 2. - <_> - - <_> - 9 7 4 12 -1. - <_> - 9 11 4 4 3. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 10 14 7 6 -1. - <_> - 10 16 7 2 3. - <_> - - <_> - 3 14 7 6 -1. - <_> - 3 16 7 2 3. - <_> - - <_> - 15 5 4 15 -1. - <_> - 15 5 2 15 2. - <_> - - <_> - 0 3 17 10 -1. - <_> - 0 8 17 5 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 0 20 4 -1. - <_> - 10 0 10 4 2. - <_> - - <_> - 6 1 10 6 -1. - <_> - 11 1 5 3 2. - <_> - 6 4 5 3 2. - <_> - - <_> - 0 9 18 11 -1. - <_> - 6 9 6 11 3. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 0 10 20 6 -1. - <_> - 0 12 20 2 3. - <_> - - <_> - 10 9 6 10 -1. - <_> - 13 9 3 5 2. - <_> - 10 14 3 5 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 7 10 3 5 2. - <_> - 10 15 3 5 2. - <_> - - <_> - 6 1 8 15 -1. - <_> - 6 6 8 5 3. - <_> - - <_> - 0 8 18 3 -1. - <_> - 0 9 18 1 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 3 10 6 10 -1. - <_> - 3 10 3 5 2. - <_> - 6 15 3 5 2. - <_> - - <_> - 11 8 8 12 -1. - <_> - 15 8 4 6 2. - <_> - 11 14 4 6 2. - <_> - - <_> - 1 8 8 12 -1. - <_> - 1 8 4 6 2. - <_> - 5 14 4 6 2. - <_> - - <_> - 13 7 3 13 -1. - <_> - 14 7 1 13 3. - <_> - - <_> - 6 11 5 9 -1. - <_> - 6 14 5 3 3. - <_> - - <_> - 7 14 12 5 -1. - <_> - 7 14 6 5 2. - <_> - - <_> - 2 0 4 8 -1. - <_> - 2 4 4 4 2. - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 3 10 3 2. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 13 5 2 13 -1. - <_> - 13 5 1 13 2. - <_> - - <_> - 5 9 6 10 -1. - <_> - 5 9 3 5 2. - <_> - 8 14 3 5 2. - <_> - - <_> - 2 9 18 3 -1. - <_> - 8 9 6 3 3. - <_> - - <_> - 5 5 2 13 -1. - <_> - 6 5 1 13 2. - <_> - - <_> - 11 10 4 10 -1. - <_> - 11 10 2 10 2. - <_> - - <_> - 5 10 4 10 -1. - <_> - 7 10 2 10 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 4 2 15 14 -1. - <_> - 9 2 5 14 3. - <_> - - <_> - 1 2 15 14 -1. - <_> - 6 2 5 14 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 3 0 6 9 -1. - <_> - 5 0 2 9 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 1 3 10 8 -1. - <_> - 1 3 5 4 2. - <_> - 6 7 5 4 2. - <_> - - <_> - 5 13 14 6 -1. - <_> - 5 13 7 6 2. - <_> - - <_> - 1 13 14 6 -1. - <_> - 8 13 7 6 2. - <_> - - <_> - 7 2 13 3 -1. - <_> - 7 3 13 1 3. - <_> - - <_> - 0 7 20 2 -1. - <_> - 10 7 10 2 2. - <_> - - <_> - 5 0 15 6 -1. - <_> - 10 0 5 6 3. - <_> - - <_> - 0 0 15 6 -1. - <_> - 5 0 5 6 3. - <_> - - <_> - 12 1 8 13 -1. - <_> - 12 1 4 13 2. - <_> - - <_> - 0 1 8 13 -1. - <_> - 4 1 4 13 2. - <_> - - <_> - 15 0 4 18 -1. - <_> - 15 0 2 18 2. - <_> - - <_> - 4 0 12 4 -1. - <_> - 8 0 4 4 3. - <_> - - <_> - 15 0 4 18 -1. - <_> - 15 0 2 18 2. - <_> - - <_> - 1 0 4 18 -1. - <_> - 3 0 2 18 2. - <_> - - <_> - 4 12 12 6 -1. - <_> - 8 12 4 6 3. - <_> - - <_> - 2 0 6 5 -1. - <_> - 5 0 3 5 2. - <_> - - <_> - 12 5 4 12 -1. - <_> - 12 9 4 4 3. - <_> - - <_> - 4 4 11 6 -1. - <_> - 4 6 11 2 3. - <_> - - <_> - 11 6 5 6 -1. - <_> - 11 9 5 3 2. - <_> - - <_> - 5 6 8 8 -1. - <_> - 5 6 4 4 2. - <_> - 9 10 4 4 2. - <_> - - <_> - 10 9 4 8 -1. - <_> - 10 13 4 4 2. - <_> - - <_> - 6 14 8 4 -1. - <_> - 6 16 8 2 2. - <_> - - <_> - 10 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 1 9 13 2 -1. - <_> - 1 10 13 1 2. - <_> - - <_> - 10 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 6 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 9 5 7 14 -1. - <_> - 9 12 7 7 2. - <_> - - <_> - 0 0 17 2 -1. - <_> - 0 1 17 1 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 10 9 5 4 2. - <_> - 5 13 5 4 2. - <_> - - <_> - 3 10 8 6 -1. - <_> - 3 12 8 2 3. - <_> - - <_> - 7 11 7 6 -1. - <_> - 7 13 7 2 3. - <_> - - <_> - 3 3 13 2 -1. - <_> - 3 4 13 1 2. - <_> - - <_> - 10 2 5 6 -1. - <_> - 10 5 5 3 2. - <_> - - <_> - 6 5 2 14 -1. - <_> - 6 12 2 7 2. - <_> - - <_> - 12 9 4 8 -1. - <_> - 12 13 4 4 2. - <_> - - <_> - 4 9 4 8 -1. - <_> - 4 13 4 4 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 1 4 4 14 -1. - <_> - 1 4 2 7 2. - <_> - 3 11 2 7 2. - <_> - - <_> - 11 0 3 20 -1. - <_> - 12 0 1 20 3. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 6 2 9 5 -1. - <_> - 9 2 3 5 3. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 11 0 3 20 -1. - <_> - 12 0 1 20 3. - <_> - - <_> - 0 0 4 14 -1. - <_> - 2 0 2 14 2. - <_> - - <_> - 11 0 3 20 -1. - <_> - 12 0 1 20 3. - <_> - - <_> - 6 0 3 20 -1. - <_> - 7 0 1 20 3. - <_> - - <_> - 14 2 6 7 -1. - <_> - 16 2 2 7 3. - <_> - - <_> - 0 2 6 7 -1. - <_> - 2 2 2 7 3. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 1 1 18 14 -1. - <_> - 7 1 6 14 3. - <_> - - <_> - 10 1 3 13 -1. - <_> - 11 1 1 13 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 4 10 16 4 -1. - <_> - 12 10 8 2 2. - <_> - 4 12 8 2 2. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 10 9 2 2. - <_> - 9 12 9 2 2. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 1 4 14 6 -1. - <_> - 1 4 7 3 2. - <_> - 8 7 7 3 2. - <_> - - <_> - 11 2 3 10 -1. - <_> - 11 7 3 5 2. - <_> - - <_> - 5 3 9 10 -1. - <_> - 5 8 9 5 2. - <_> - - <_> - 11 2 3 10 -1. - <_> - 11 7 3 5 2. - <_> - - <_> - 6 2 3 10 -1. - <_> - 6 7 3 5 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 5 0 3 20 -1. - <_> - 6 0 1 20 3. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 10 2 8 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 7 10 2 8 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 4 7 12 8 -1. - <_> - 8 7 4 8 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 13 8 2 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 3 0 16 10 -1. - <_> - 11 0 8 5 2. - <_> - 3 5 8 5 2. - <_> - - <_> - 0 2 18 2 -1. - <_> - 0 3 18 1 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 8 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 3 15 14 4 -1. - <_> - 10 15 7 2 2. - <_> - 3 17 7 2 2. - <_> - - <_> - 4 1 8 8 -1. - <_> - 4 1 4 4 2. - <_> - 8 5 4 4 2. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 0 9 13 3 -1. - <_> - 0 10 13 1 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 6 7 13 2 -1. - <_> - 6 8 13 1 2. - <_> - - <_> - 4 11 5 9 -1. - <_> - 4 14 5 3 3. - <_> - - <_> - 7 11 7 6 -1. - <_> - 7 13 7 2 3. - <_> - - <_> - 0 1 6 7 -1. - <_> - 2 1 2 7 3. - <_> - - <_> - 5 8 13 2 -1. - <_> - 5 9 13 1 2. - <_> - - <_> - 0 7 14 4 -1. - <_> - 0 7 7 2 2. - <_> - 7 9 7 2 2. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 14 7 6 12 -1. - <_> - 17 7 3 6 2. - <_> - 14 13 3 6 2. - <_> - - <_> - 3 16 12 4 -1. - <_> - 7 16 4 4 3. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 2 7 15 5 -1. - <_> - 7 7 5 5 3. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 7 0 6 12 -1. - <_> - 10 0 3 6 2. - <_> - 7 6 3 6 2. - <_> - - <_> - 4 3 12 10 -1. - <_> - 8 3 4 10 3. - <_> - - <_> - 8 1 4 10 -1. - <_> - 8 6 4 5 2. - <_> - - <_> - 0 3 20 8 -1. - <_> - 0 7 20 4 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 7 6 12 -1. - <_> - 0 7 3 6 2. - <_> - 3 13 3 6 2. - <_> - - <_> - 12 5 2 14 -1. - <_> - 12 12 2 7 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 2 0 16 8 -1. - <_> - 2 0 8 4 2. - <_> - 10 4 8 4 2. - <_> - - <_> - 9 5 7 9 -1. - <_> - 9 8 7 3 3. - <_> - - <_> - 0 12 8 8 -1. - <_> - 0 12 4 4 2. - <_> - 4 16 4 4 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 10 16 4 -1. - <_> - 0 10 8 2 2. - <_> - 8 12 8 2 2. - <_> - - <_> - 0 2 20 4 -1. - <_> - 10 2 10 2 2. - <_> - 0 4 10 2 2. - <_> - - <_> - 3 5 4 14 -1. - <_> - 3 5 2 7 2. - <_> - 5 12 2 7 2. - <_> - - <_> - 5 10 11 9 -1. - <_> - 5 13 11 3 3. - <_> - - <_> - 2 9 4 9 -1. - <_> - 4 9 2 9 2. - <_> - - <_> - 3 14 14 3 -1. - <_> - 3 15 14 1 3. - <_> - - <_> - 3 4 4 15 -1. - <_> - 3 9 4 5 3. - <_> - - <_> - 7 4 13 3 -1. - <_> - 7 5 13 1 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 11 0 9 7 -1. - <_> - 14 0 3 7 3. - <_> - - <_> - 1 10 6 7 -1. - <_> - 3 10 2 7 3. - <_> - - <_> - 13 0 3 17 -1. - <_> - 14 0 1 17 3. - <_> - - <_> - 9 4 2 13 -1. - <_> - 10 4 1 13 2. - <_> - - <_> - 6 6 12 9 -1. - <_> - 10 6 4 9 3. - <_> - - <_> - 2 6 12 9 -1. - <_> - 6 6 4 9 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 10 14 7 2 2. - <_> - 3 16 7 2 2. - <_> - - <_> - 3 3 13 4 -1. - <_> - 3 5 13 2 2. - <_> - - <_> - 10 14 10 6 -1. - <_> - 10 16 10 2 3. - <_> - - <_> - 0 14 11 6 -1. - <_> - 0 16 11 2 3. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 4 0 3 17 -1. - <_> - 5 0 1 17 3. - <_> - - <_> - 13 3 3 17 -1. - <_> - 14 3 1 17 3. - <_> - - <_> - 1 0 18 9 -1. - <_> - 7 0 6 9 3. - <_> - - <_> - 9 7 9 6 -1. - <_> - 12 7 3 6 3. - <_> - - <_> - 4 3 3 17 -1. - <_> - 5 3 1 17 3. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 5 14 15 3 -1. - <_> - 5 15 15 1 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 7 7 9 6 -1. - <_> - 7 10 9 3 2. - <_> - - <_> - 8 5 3 10 -1. - <_> - 8 10 3 5 2. - <_> - - <_> - 5 8 14 2 -1. - <_> - 5 9 14 1 2. - <_> - - <_> - 0 6 13 3 -1. - <_> - 0 7 13 1 3. - <_> - - <_> - 3 13 17 6 -1. - <_> - 3 15 17 2 3. - <_> - - <_> - 6 15 8 4 -1. - <_> - 6 17 8 2 2. - <_> - - <_> - 6 7 14 2 -1. - <_> - 6 8 14 1 2. - <_> - - <_> - 6 7 6 8 -1. - <_> - 6 11 6 4 2. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 8 5 12 4 -1. - <_> - 12 5 4 4 3. - <_> - - <_> - 6 5 2 14 -1. - <_> - 6 12 2 7 2. - <_> - - <_> - 11 0 9 7 -1. - <_> - 14 0 3 7 3. - <_> - - <_> - 0 5 12 4 -1. - <_> - 4 5 4 4 3. - <_> - - <_> - 11 0 9 7 -1. - <_> - 14 0 3 7 3. - <_> - - <_> - 0 0 9 7 -1. - <_> - 3 0 3 7 3. - <_> - - <_> - 2 13 16 4 -1. - <_> - 10 13 8 2 2. - <_> - 2 15 8 2 2. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 4 10 4 2. - <_> - - <_> - 5 2 10 14 -1. - <_> - 5 9 10 7 2. - <_> - - <_> - 7 7 13 2 -1. - <_> - 7 8 13 1 2. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 4 0 13 3 -1. - <_> - 4 1 13 1 3. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 2 10 2 2. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 0 18 3 -1. - <_> - 9 0 9 3 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 11 16 8 4 -1. - <_> - 11 16 4 4 2. - <_> - - <_> - 0 3 18 15 -1. - <_> - 0 8 18 5 3. - <_> - - <_> - 2 9 16 8 -1. - <_> - 2 13 16 4 2. - <_> - - <_> - 0 10 7 4 -1. - <_> - 0 12 7 2 2. - <_> - - <_> - 4 5 12 12 -1. - <_> - 10 5 6 6 2. - <_> - 4 11 6 6 2. - <_> - - <_> - 5 12 9 5 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 18 0 2 16 -1. - <_> - 18 8 2 8 2. - <_> - - <_> - 0 0 2 16 -1. - <_> - 0 8 2 8 2. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 14 7 6 10 -1. - <_> - 17 7 3 5 2. - <_> - 14 12 3 5 2. - <_> - - <_> - 0 2 12 6 -1. - <_> - 0 2 6 3 2. - <_> - 6 5 6 3 2. - <_> - - <_> - 10 0 10 10 -1. - <_> - 15 0 5 5 2. - <_> - 10 5 5 5 2. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 2 7 18 4 -1. - <_> - 11 7 9 2 2. - <_> - 2 9 9 2 2. - <_> - - <_> - 5 3 6 14 -1. - <_> - 5 3 3 7 2. - <_> - 8 10 3 7 2. - <_> - - <_> - 9 2 3 13 -1. - <_> - 10 2 1 13 3. - <_> - - <_> - 0 7 6 10 -1. - <_> - 0 7 3 5 2. - <_> - 3 12 3 5 2. - <_> - - <_> - 13 4 3 13 -1. - <_> - 14 4 1 13 3. - <_> - - <_> - 1 16 8 4 -1. - <_> - 5 16 4 4 2. - <_> - - <_> - 5 15 15 5 -1. - <_> - 10 15 5 5 3. - <_> - - <_> - 7 3 4 13 -1. - <_> - 9 3 2 13 2. - <_> - - <_> - 7 4 13 3 -1. - <_> - 7 5 13 1 3. - <_> - - <_> - 2 0 16 8 -1. - <_> - 2 0 8 4 2. - <_> - 10 4 8 4 2. - <_> - - <_> - 13 7 6 11 -1. - <_> - 15 7 2 11 3. - <_> - - <_> - 7 9 6 10 -1. - <_> - 7 9 3 5 2. - <_> - 10 14 3 5 2. - <_> - - <_> - 7 5 9 8 -1. - <_> - 10 5 3 8 3. - <_> - - <_> - 4 5 3 13 -1. - <_> - 5 5 1 13 3. - <_> - - <_> - 10 4 6 12 -1. - <_> - 10 8 6 4 3. - <_> - - <_> - 7 4 6 7 -1. - <_> - 9 4 2 7 3. - <_> - - <_> - 5 6 12 4 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 3 6 12 4 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 16 4 4 8 -1. - <_> - 16 8 4 4 2. - <_> - - <_> - 4 5 9 8 -1. - <_> - 7 5 3 8 3. - <_> - - <_> - 16 4 4 8 -1. - <_> - 16 8 4 4 2. - <_> - - <_> - 4 5 8 15 -1. - <_> - 4 10 8 5 3. - <_> - - <_> - 5 14 13 2 -1. - <_> - 5 15 13 1 2. - <_> - - <_> - 1 7 4 13 -1. - <_> - 3 7 2 13 2. - <_> - - <_> - 11 9 6 8 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 3 9 6 8 -1. - <_> - 6 9 3 8 2. - <_> - - <_> - 8 1 9 15 -1. - <_> - 11 1 3 15 3. - <_> - - <_> - 3 1 9 15 -1. - <_> - 6 1 3 15 3. - <_> - - <_> - 9 7 9 6 -1. - <_> - 12 7 3 6 3. - <_> - - <_> - 0 5 6 7 -1. - <_> - 2 5 2 7 3. - <_> - - <_> - 11 2 2 16 -1. - <_> - 11 2 1 16 2. - <_> - - <_> - 1 1 18 10 -1. - <_> - 7 1 6 10 3. - <_> - - <_> - 10 8 10 8 -1. - <_> - 15 8 5 4 2. - <_> - 10 12 5 4 2. - <_> - - <_> - 0 8 10 8 -1. - <_> - 0 8 5 4 2. - <_> - 5 12 5 4 2. - <_> - - <_> - 11 2 2 16 -1. - <_> - 11 2 1 16 2. - <_> - - <_> - 3 9 12 11 -1. - <_> - 9 9 6 11 2. - <_> - - <_> - 6 7 10 3 -1. - <_> - 6 7 5 3 2. - <_> - - <_> - 3 1 10 16 -1. - <_> - 3 1 5 8 2. - <_> - 8 9 5 8 2. - <_> - - <_> - 8 3 8 10 -1. - <_> - 12 3 4 5 2. - <_> - 8 8 4 5 2. - <_> - - <_> - 4 3 8 10 -1. - <_> - 4 3 4 5 2. - <_> - 8 8 4 5 2. - <_> - - <_> - 10 11 9 6 -1. - <_> - 10 14 9 3 2. - <_> - - <_> - 1 11 9 6 -1. - <_> - 1 14 9 3 2. - <_> - - <_> - 6 16 14 4 -1. - <_> - 13 16 7 2 2. - <_> - 6 18 7 2 2. - <_> - - <_> - 1 0 9 18 -1. - <_> - 1 6 9 6 3. - <_> - - <_> - 8 3 12 4 -1. - <_> - 8 5 12 2 2. - <_> - - <_> - 1 5 7 9 -1. - <_> - 1 8 7 3 3. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 9 2 6 7 -1. - <_> - 11 2 2 7 3. - <_> - - <_> - 5 2 6 7 -1. - <_> - 7 2 2 7 3. - <_> - - <_> - 4 16 15 4 -1. - <_> - 9 16 5 4 3. - <_> - - <_> - 0 17 15 3 -1. - <_> - 5 17 5 3 3. - <_> - - <_> - 2 2 18 18 -1. - <_> - 8 2 6 18 3. - <_> - - <_> - 5 4 4 16 -1. - <_> - 7 4 2 16 2. - <_> - - <_> - 6 9 9 6 -1. - <_> - 9 9 3 6 3. - <_> - - <_> - 1 14 10 6 -1. - <_> - 1 14 5 3 2. - <_> - 6 17 5 3 2. - <_> - - <_> - 6 7 12 5 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 0 10 5 9 -1. - <_> - 0 13 5 3 3. - <_> - - <_> - 13 10 6 9 -1. - <_> - 13 13 6 3 3. - <_> - - <_> - 1 10 6 9 -1. - <_> - 1 13 6 3 3. - <_> - - <_> - 5 7 10 4 -1. - <_> - 5 9 10 2 2. - <_> - - <_> - 1 5 18 12 -1. - <_> - 1 9 18 4 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 2 4 13 14 -1. - <_> - 2 11 13 7 2. - <_> - - <_> - 10 8 6 6 -1. - <_> - 10 8 3 6 2. - <_> - - <_> - 2 1 16 8 -1. - <_> - 2 5 16 4 2. - <_> - - <_> - 10 8 6 6 -1. - <_> - 10 8 3 6 2. - <_> - - <_> - 4 0 11 6 -1. - <_> - 4 2 11 2 3. - <_> - - <_> - 2 2 16 2 -1. - <_> - 2 3 16 1 2. - <_> - - <_> - 4 15 12 5 -1. - <_> - 10 15 6 5 2. - <_> - - <_> - 10 8 6 6 -1. - <_> - 10 8 3 6 2. - <_> - - <_> - 0 14 12 4 -1. - <_> - 6 14 6 4 2. - <_> - - <_> - 12 7 6 6 -1. - <_> - 12 10 6 3 2. - <_> - - <_> - 1 5 6 14 -1. - <_> - 1 5 3 7 2. - <_> - 4 12 3 7 2. - <_> - - <_> - 10 2 9 13 -1. - <_> - 13 2 3 13 3. - <_> - - <_> - 4 8 6 6 -1. - <_> - 7 8 3 6 2. - <_> - - <_> - 12 5 6 9 -1. - <_> - 12 5 3 9 2. - <_> - - <_> - 2 5 6 9 -1. - <_> - 5 5 3 9 2. - <_> - - <_> - 5 8 15 2 -1. - <_> - 5 9 15 1 2. - <_> - - <_> - 2 9 16 3 -1. - <_> - 2 10 16 1 3. - <_> - - <_> - 12 7 5 6 -1. - <_> - 12 10 5 3 2. - <_> - - <_> - 3 7 5 6 -1. - <_> - 3 10 5 3 2. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 0 13 20 4 -1. - <_> - 0 13 10 2 2. - <_> - 10 15 10 2 2. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 2 12 10 6 -1. - <_> - 2 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 9 10 3 10 -1. - <_> - 9 15 3 5 2. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 1 6 3 13 -1. - <_> - 2 6 1 13 3. - <_> - - <_> - 10 4 6 16 -1. - <_> - 12 4 2 16 3. - <_> - - <_> - 4 4 6 16 -1. - <_> - 6 4 2 16 3. - <_> - - <_> - 7 15 9 5 -1. - <_> - 10 15 3 5 3. - <_> - - <_> - 4 16 12 4 -1. - <_> - 8 16 4 4 3. - <_> - - <_> - 5 3 10 6 -1. - <_> - 10 3 5 3 2. - <_> - 5 6 5 3 2. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 6 2 14 2 -1. - <_> - 6 3 14 1 2. - <_> - - <_> - 3 11 8 4 -1. - <_> - 7 11 4 4 2. - <_> - - <_> - 4 2 12 4 -1. - <_> - 4 2 6 4 2. - <_> - - <_> - 0 2 6 15 -1. - <_> - 0 7 6 5 3. - <_> - - <_> - 3 0 17 6 -1. - <_> - 3 2 17 2 3. - <_> - - <_> - 0 4 7 4 -1. - <_> - 0 6 7 2 2. - <_> - - <_> - 3 9 14 2 -1. - <_> - 3 9 7 2 2. - <_> - - <_> - 4 7 10 3 -1. - <_> - 9 7 5 3 2. - <_> - - <_> - 4 4 13 3 -1. - <_> - 4 5 13 1 3. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 4 12 16 8 -1. - <_> - 4 12 8 8 2. - <_> - - <_> - 0 12 16 8 -1. - <_> - 8 12 8 8 2. - <_> - - <_> - 14 9 6 10 -1. - <_> - 16 9 2 10 3. - <_> - - <_> - 2 7 11 12 -1. - <_> - 2 11 11 4 3. - <_> - - <_> - 9 3 3 12 -1. - <_> - 9 9 3 6 2. - <_> - - <_> - 2 1 6 15 -1. - <_> - 2 6 6 5 3. - <_> - - <_> - 17 7 2 13 -1. - <_> - 17 7 1 13 2. - <_> - - <_> - 1 7 2 13 -1. - <_> - 2 7 1 13 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 10 1 10 2 2. - <_> - 0 3 10 2 2. - <_> - - <_> - 6 1 7 6 -1. - <_> - 6 3 7 2 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 10 6 6 -1. - <_> - 8 10 3 6 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 12 0 4 20 3. - <_> - - <_> - 6 7 6 8 -1. - <_> - 8 7 2 8 3. - <_> - - <_> - 12 5 4 8 -1. - <_> - 12 9 4 4 2. - <_> - - <_> - 5 2 9 5 -1. - <_> - 8 2 3 5 3. - <_> - - <_> - 8 10 12 9 -1. - <_> - 12 10 4 9 3. - <_> - - <_> - 4 15 9 5 -1. - <_> - 7 15 3 5 3. - <_> - - <_> - 1 1 18 3 -1. - <_> - 7 1 6 3 3. - <_> - - <_> - 12 7 8 4 -1. - <_> - 12 9 8 2 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 3 4 15 16 -1. - <_> - 3 12 15 8 2. - <_> - - <_> - 0 7 8 4 -1. - <_> - 0 9 8 2 2. - <_> - - <_> - 7 6 6 9 -1. - <_> - 9 6 2 9 3. - <_> - - <_> - 4 11 8 9 -1. - <_> - 4 14 8 3 3. - <_> - - <_> - 11 3 9 8 -1. - <_> - 14 3 3 8 3. - <_> - - <_> - 0 4 9 8 -1. - <_> - 3 4 3 8 3. - <_> - - <_> - 9 4 6 10 -1. - <_> - 12 4 3 5 2. - <_> - 9 9 3 5 2. - <_> - - <_> - 0 4 20 4 -1. - <_> - 0 6 20 2 2. - <_> - - <_> - 2 9 18 3 -1. - <_> - 8 9 6 3 3. - <_> - - <_> - 3 14 13 3 -1. - <_> - 3 15 13 1 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 0 7 10 6 -1. - <_> - 0 7 5 3 2. - <_> - 5 10 5 3 2. - <_> - - <_> - 7 1 8 8 -1. - <_> - 11 1 4 4 2. - <_> - 7 5 4 4 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 2 8 2 2. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 15 11 5 6 -1. - <_> - 15 14 5 3 2. - <_> - - <_> - 1 6 18 8 -1. - <_> - 1 6 9 4 2. - <_> - 10 10 9 4 2. - <_> - - <_> - 4 3 13 3 -1. - <_> - 4 4 13 1 3. - <_> - - <_> - 1 9 13 2 -1. - <_> - 1 10 13 1 2. - <_> - - <_> - 9 12 8 8 -1. - <_> - 13 12 4 4 2. - <_> - 9 16 4 4 2. - <_> - - <_> - 0 11 5 6 -1. - <_> - 0 14 5 3 2. - <_> - - <_> - 15 3 5 9 -1. - <_> - 15 6 5 3 3. - <_> - - <_> - 0 4 2 16 -1. - <_> - 0 12 2 8 2. - <_> - - <_> - 15 3 5 9 -1. - <_> - 15 6 5 3 3. - <_> - - <_> - 2 5 16 10 -1. - <_> - 2 5 8 5 2. - <_> - 10 10 8 5 2. - <_> - - <_> - 6 7 14 2 -1. - <_> - 6 8 14 1 2. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 9 6 3 14 -1. - <_> - 10 6 1 14 3. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 9 13 6 7 -1. - <_> - 11 13 2 7 3. - <_> - - <_> - 6 0 2 13 -1. - <_> - 7 0 1 13 2. - <_> - - <_> - 3 7 15 3 -1. - <_> - 8 7 5 3 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 12 11 8 6 -1. - <_> - 12 13 8 2 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 9 1 6 7 -1. - <_> - 11 1 2 7 3. - <_> - - <_> - 2 9 9 10 -1. - <_> - 5 9 3 10 3. - <_> - - <_> - 14 0 3 18 -1. - <_> - 15 0 1 18 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 9 1 6 7 -1. - <_> - 11 1 2 7 3. - <_> - - <_> - 8 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 14 0 3 18 -1. - <_> - 15 0 1 18 3. - <_> - - <_> - 0 5 12 4 -1. - <_> - 4 5 4 4 3. - <_> - - <_> - 6 0 13 3 -1. - <_> - 6 1 13 1 3. - <_> - - <_> - 0 6 20 3 -1. - <_> - 0 7 20 1 3. - <_> - - <_> - 10 8 8 8 -1. - <_> - 14 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 1 1 5 9 -1. - <_> - 1 4 5 3 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 1 4 16 6 -1. - <_> - 1 4 8 3 2. - <_> - 9 7 8 3 2. - <_> - - <_> - 9 0 10 6 -1. - <_> - 9 2 10 2 3. - <_> - - <_> - 4 3 12 6 -1. - <_> - 4 5 12 2 3. - <_> - - <_> - 9 5 8 8 -1. - <_> - 9 9 8 4 2. - <_> - - <_> - 1 0 9 6 -1. - <_> - 1 2 9 2 3. - <_> - - <_> - 8 3 9 5 -1. - <_> - 11 3 3 5 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 3 3 3 16 -1. - <_> - 4 3 1 16 3. - <_> - - <_> - 14 0 3 17 -1. - <_> - 15 0 1 17 3. - <_> - - <_> - 0 10 9 7 -1. - <_> - 3 10 3 7 3. - <_> - - <_> - 8 0 7 12 -1. - <_> - 8 4 7 4 3. - <_> - - <_> - 0 3 5 9 -1. - <_> - 0 6 5 3 3. - <_> - - <_> - 9 9 10 5 -1. - <_> - 9 9 5 5 2. - <_> - - <_> - 1 9 10 5 -1. - <_> - 6 9 5 5 2. - <_> - - <_> - 4 8 15 3 -1. - <_> - 9 8 5 3 3. - <_> - - <_> - 1 8 15 3 -1. - <_> - 6 8 5 3 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 10 5 5 3 2. - <_> - 5 8 5 3 2. - <_> - - <_> - 3 5 8 8 -1. - <_> - 3 9 8 4 2. - <_> - - <_> - 0 1 20 2 -1. - <_> - 0 1 10 2 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 8 12 8 8 -1. - <_> - 12 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 12 8 8 -1. - <_> - 4 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 7 15 13 4 -1. - <_> - 7 17 13 2 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 14 6 3 2. - <_> - 6 17 6 3 2. - <_> - - <_> - 12 11 8 8 -1. - <_> - 16 11 4 4 2. - <_> - 12 15 4 4 2. - <_> - - <_> - 0 11 8 8 -1. - <_> - 0 11 4 4 2. - <_> - 4 15 4 4 2. - <_> - - <_> - 6 0 10 19 -1. - <_> - 6 0 5 19 2. - <_> - - <_> - 0 12 13 3 -1. - <_> - 0 13 13 1 3. - <_> - - <_> - 7 2 6 12 -1. - <_> - 7 8 6 6 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 11 14 9 4 -1. - <_> - 11 16 9 2 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 11 12 8 6 -1. - <_> - 11 14 8 2 3. - <_> - - <_> - 1 12 8 6 -1. - <_> - 1 14 8 2 3. - <_> - - <_> - 4 0 13 8 -1. - <_> - 4 4 13 4 2. - <_> - - <_> - 8 0 4 15 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 10 8 8 8 -1. - <_> - 14 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 8 7 3 10 -1. - <_> - 8 12 3 5 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 2 9 5 9 -1. - <_> - 2 12 5 3 3. - <_> - - <_> - 3 6 16 3 -1. - <_> - 3 6 8 3 2. - <_> - - <_> - 3 13 12 7 -1. - <_> - 9 13 6 7 2. - <_> - - <_> - 10 2 3 15 -1. - <_> - 11 2 1 15 3. - <_> - - <_> - 7 2 3 15 -1. - <_> - 8 2 1 15 3. - <_> - - <_> - 10 1 7 4 -1. - <_> - 10 3 7 2 2. - <_> - - <_> - 5 0 7 12 -1. - <_> - 5 4 7 4 3. - <_> - - <_> - 10 1 7 4 -1. - <_> - 10 3 7 2 2. - <_> - - <_> - 3 12 4 8 -1. - <_> - 3 16 4 4 2. - <_> - - <_> - 6 7 9 5 -1. - <_> - 9 7 3 5 3. - <_> - - <_> - 5 0 6 16 -1. - <_> - 7 0 2 16 3. - <_> - - <_> - 10 8 8 8 -1. - <_> - 14 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 2 8 8 8 -1. - <_> - 2 8 4 4 2. - <_> - 6 12 4 4 2. - <_> - - <_> - 4 8 16 8 -1. - <_> - 12 8 8 4 2. - <_> - 4 12 8 4 2. - <_> - - <_> - 2 10 6 10 -1. - <_> - 2 10 3 5 2. - <_> - 5 15 3 5 2. - <_> - - <_> - 10 10 4 8 -1. - <_> - 10 14 4 4 2. - <_> - - <_> - 1 6 16 3 -1. - <_> - 9 6 8 3 2. - <_> - - <_> - 10 1 7 4 -1. - <_> - 10 3 7 2 2. - <_> - - <_> - 3 1 7 4 -1. - <_> - 3 3 7 2 2. - <_> - - <_> - 10 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 4 0 10 19 -1. - <_> - 9 0 5 19 2. - <_> - - <_> - 12 0 3 13 -1. - <_> - 13 0 1 13 3. - <_> - - <_> - 1 4 18 5 -1. - <_> - 7 4 6 5 3. - <_> - - <_> - 10 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 6 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 2 1 8 3 2. - <_> - - <_> - 5 7 7 9 -1. - <_> - 5 10 7 3 3. - <_> - - <_> - 4 5 14 3 -1. - <_> - 4 6 14 1 3. - <_> - - <_> - 2 13 7 6 -1. - <_> - 2 15 7 2 3. - <_> - - <_> - 10 10 4 8 -1. - <_> - 10 14 4 4 2. - <_> - - <_> - 5 0 3 18 -1. - <_> - 5 6 3 6 3. - <_> - - <_> - 10 0 10 10 -1. - <_> - 15 0 5 5 2. - <_> - 10 5 5 5 2. - <_> - - <_> - 0 4 14 3 -1. - <_> - 0 5 14 1 3. - <_> - - <_> - 6 4 13 3 -1. - <_> - 6 5 13 1 3. - <_> - - <_> - 5 0 3 13 -1. - <_> - 6 0 1 13 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 4 9 6 7 -1. - <_> - 6 9 2 7 3. - <_> - - <_> - 2 9 18 3 -1. - <_> - 8 9 6 3 3. - <_> - - <_> - 0 9 18 3 -1. - <_> - 6 9 6 3 3. - <_> - - <_> - 2 17 17 3 -1. - <_> - 2 18 17 1 3. - <_> - - <_> - 8 1 3 19 -1. - <_> - 9 1 1 19 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 4 2 12 12 -1. - <_> - 4 6 12 4 3. - <_> - - <_> - 0 17 13 3 -1. - <_> - 0 18 13 1 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 4 8 11 12 -1. - <_> - 4 12 11 4 3. - <_> - - <_> - 12 8 5 6 -1. - <_> - 12 11 5 3 2. - <_> - - <_> - 3 8 5 6 -1. - <_> - 3 11 5 3 2. - <_> - - <_> - 13 3 7 6 -1. - <_> - 13 5 7 2 3. - <_> - - <_> - 3 0 3 17 -1. - <_> - 4 0 1 17 3. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 5 9 4 8 -1. - <_> - 5 13 4 4 2. - <_> - - <_> - 13 3 7 6 -1. - <_> - 13 5 7 2 3. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 7 1 7 14 -1. - <_> - 7 8 7 7 2. - <_> - - <_> - 2 0 15 8 -1. - <_> - 2 4 15 4 2. - <_> - - <_> - 1 4 18 3 -1. - <_> - 7 4 6 3 3. - <_> - - <_> - 0 2 10 16 -1. - <_> - 5 2 5 16 2. - <_> - - <_> - 5 2 15 12 -1. - <_> - 5 6 15 4 3. - <_> - - <_> - 7 0 6 8 -1. - <_> - 9 0 2 8 3. - <_> - - <_> - 5 1 15 5 -1. - <_> - 10 1 5 5 3. - <_> - - <_> - 0 8 12 9 -1. - <_> - 4 8 4 9 3. - <_> - - <_> - 6 5 10 6 -1. - <_> - 11 5 5 3 2. - <_> - 6 8 5 3 2. - <_> - - <_> - 3 4 4 12 -1. - <_> - 5 4 2 12 2. - <_> - - <_> - 13 0 7 4 -1. - <_> - 13 2 7 2 2. - <_> - - <_> - 0 2 10 12 -1. - <_> - 0 8 10 6 2. - <_> - - <_> - 4 8 16 3 -1. - <_> - 4 8 8 3 2. - <_> - - <_> - 4 8 11 12 -1. - <_> - 4 14 11 6 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 2 2 16 1 3. - <_> - - <_> - 4 2 11 6 -1. - <_> - 4 4 11 2 3. - <_> - - <_> - 11 9 8 6 -1. - <_> - 11 11 8 2 3. - <_> - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - <_> - - <_> - 2 4 16 3 -1. - <_> - 2 5 16 1 3. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 6 2 13 3 -1. - <_> - 6 3 13 1 3. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 2 7 16 7 -1. - <_> - 2 7 8 7 2. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 6 6 10 6 -1. - <_> - 11 6 5 3 2. - <_> - 6 9 5 3 2. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 7 6 6 9 -1. - <_> - 9 6 2 9 3. - <_> - - <_> - 9 1 3 13 -1. - <_> - 10 1 1 13 3. - <_> - - <_> - 8 1 3 13 -1. - <_> - 9 1 1 13 3. - <_> - - <_> - 6 1 8 12 -1. - <_> - 10 1 4 6 2. - <_> - 6 7 4 6 2. - <_> - - <_> - 4 5 10 6 -1. - <_> - 4 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 9 3 6 10 -1. - <_> - 12 3 3 5 2. - <_> - 9 8 3 5 2. - <_> - - <_> - 2 1 15 6 -1. - <_> - 2 3 15 2 3. - <_> - - <_> - 2 1 18 16 -1. - <_> - 8 1 6 16 3. - <_> - - <_> - 2 1 14 6 -1. - <_> - 9 1 7 6 2. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 8 1 12 14 -1. - <_> - 8 1 6 14 2. - <_> - - <_> - 0 1 12 14 -1. - <_> - 6 1 6 14 2. - <_> - - <_> - 2 3 18 13 -1. - <_> - 8 3 6 13 3. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 7 7 13 2 -1. - <_> - 7 8 13 1 2. - <_> - - <_> - 5 13 10 6 -1. - <_> - 5 13 5 3 2. - <_> - 10 16 5 3 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 7 2 12 6 -1. - <_> - 13 2 6 3 2. - <_> - 7 5 6 3 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 4 2 6 3 2. - <_> - 10 5 6 3 2. - <_> - - <_> - 12 9 4 8 -1. - <_> - 12 13 4 4 2. - <_> - - <_> - 0 8 16 8 -1. - <_> - 0 8 8 4 2. - <_> - 8 12 8 4 2. - <_> - - <_> - 10 10 10 6 -1. - <_> - 15 10 5 3 2. - <_> - 10 13 5 3 2. - <_> - - <_> - 0 8 4 8 -1. - <_> - 0 12 4 4 2. - <_> - - <_> - 10 2 6 12 -1. - <_> - 13 2 3 6 2. - <_> - 10 8 3 6 2. - <_> - - <_> - 0 0 20 14 -1. - <_> - 0 7 20 7 2. - <_> - - <_> - 11 9 7 6 -1. - <_> - 11 11 7 2 3. - <_> - - <_> - 1 9 8 6 -1. - <_> - 1 11 8 2 3. - <_> - - <_> - 13 1 7 15 -1. - <_> - 13 6 7 5 3. - <_> - - <_> - 0 1 7 15 -1. - <_> - 0 6 7 5 3. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 6 5 3 2. - <_> - 9 9 5 3 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 1 7 12 4 -1. - <_> - 5 7 4 4 3. - <_> - - <_> - 14 1 2 19 -1. - <_> - 14 1 1 19 2. - <_> - - <_> - 4 1 2 19 -1. - <_> - 5 1 1 19 2. - <_> - - <_> - 12 10 5 6 -1. - <_> - 12 13 5 3 2. - <_> - - <_> - 3 10 5 6 -1. - <_> - 3 13 5 3 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 12 6 5 3 2. - <_> - 7 9 5 3 2. - <_> - - <_> - 3 11 9 5 -1. - <_> - 6 11 3 5 3. - <_> - - <_> - 2 1 18 16 -1. - <_> - 8 1 6 16 3. - <_> - - <_> - 0 1 18 16 -1. - <_> - 6 1 6 16 3. - <_> - - <_> - 6 12 9 5 -1. - <_> - 9 12 3 5 3. - <_> - - <_> - 2 10 16 10 -1. - <_> - 2 10 8 5 2. - <_> - 10 15 8 5 2. - <_> - - <_> - 12 0 4 14 -1. - <_> - 14 0 2 7 2. - <_> - 12 7 2 7 2. - <_> - - <_> - 4 0 4 14 -1. - <_> - 4 0 2 7 2. - <_> - 6 7 2 7 2. - <_> - - <_> - 12 7 4 9 -1. - <_> - 12 7 2 9 2. - <_> - - <_> - 4 7 4 9 -1. - <_> - 6 7 2 9 2. - <_> - - <_> - 16 0 2 20 -1. - <_> - 16 0 1 20 2. - <_> - - <_> - 2 0 2 20 -1. - <_> - 3 0 1 20 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 5 1 2 14 -1. - <_> - 5 8 2 7 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 0 13 18 3 -1. - <_> - 6 13 6 3 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 3 14 9 6 -1. - <_> - 6 14 3 6 3. - <_> - - <_> - 5 2 9 6 -1. - <_> - 5 5 9 3 2. - <_> - - <_> - 10 3 10 3 -1. - <_> - 10 3 5 3 2. - <_> - - <_> - 0 3 8 4 -1. - <_> - 4 3 4 4 2. - <_> - - <_> - 10 10 7 4 -1. - <_> - 10 12 7 2 2. - <_> - - <_> - 6 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 6 6 4 12 -1. - <_> - 6 10 4 4 3. - <_> - - <_> - 14 1 6 8 -1. - <_> - 16 1 2 8 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 9 0 3 18 -1. - <_> - 9 6 3 6 3. - <_> - - <_> - 0 1 6 8 -1. - <_> - 2 1 2 8 3. - <_> - - <_> - 9 5 10 6 -1. - <_> - 14 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 0 14 14 3 -1. - <_> - 0 15 14 1 3. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 3 10 14 4 -1. - <_> - 3 10 7 2 2. - <_> - 10 12 7 2 2. - <_> - - <_> - 3 8 17 2 -1. - <_> - 3 9 17 1 2. - <_> - - <_> - 0 5 14 12 -1. - <_> - 0 11 14 6 2. - <_> - - <_> - 3 7 14 6 -1. - <_> - 3 9 14 2 3. - <_> - - <_> - 7 1 6 7 -1. - <_> - 9 1 2 7 3. - <_> - - <_> - 4 18 13 2 -1. - <_> - 4 19 13 1 2. - <_> - - <_> - 1 6 14 2 -1. - <_> - 8 6 7 2 2. - <_> - - <_> - 2 5 18 15 -1. - <_> - 8 5 6 15 3. - <_> - - <_> - 5 6 6 14 -1. - <_> - 8 6 3 14 2. - <_> - - <_> - 8 5 8 8 -1. - <_> - 12 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 5 1 6 5 -1. - <_> - 8 1 3 5 2. - <_> - - <_> - 6 5 10 12 -1. - <_> - 11 5 5 6 2. - <_> - 6 11 5 6 2. - <_> - - <_> - 3 5 12 14 -1. - <_> - 3 5 6 7 2. - <_> - 9 12 6 7 2. - <_> - - <_> - 7 0 13 3 -1. - <_> - 7 1 13 1 3. - <_> - - <_> - 5 7 9 12 -1. - <_> - 5 11 9 4 3. - <_> - - <_> - 11 6 4 14 -1. - <_> - 13 6 2 7 2. - <_> - 11 13 2 7 2. - <_> - - <_> - 5 6 4 14 -1. - <_> - 5 6 2 7 2. - <_> - 7 13 2 7 2. - <_> - - <_> - 3 1 17 2 -1. - <_> - 3 2 17 1 2. - <_> - - <_> - 7 4 6 16 -1. - <_> - 7 12 6 8 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 8 6 2 7 2. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 2 5 18 15 -1. - <_> - 8 5 6 15 3. - <_> - - <_> - 0 5 18 15 -1. - <_> - 6 5 6 15 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 2 0 12 19 -1. - <_> - 6 0 4 19 3. - <_> - - <_> - 9 12 11 4 -1. - <_> - 9 14 11 2 2. - <_> - - <_> - 0 4 20 6 -1. - <_> - 0 6 20 2 3. - <_> - - <_> - 5 3 10 4 -1. - <_> - 5 5 10 2 2. - <_> - - <_> - 1 6 12 4 -1. - <_> - 5 6 4 4 3. - <_> - - <_> - 6 8 14 3 -1. - <_> - 6 9 14 1 3. - <_> - - <_> - 0 8 14 3 -1. - <_> - 0 9 14 1 3. - <_> - - <_> - 5 3 13 6 -1. - <_> - 5 6 13 3 2. - <_> - - <_> - 0 12 11 4 -1. - <_> - 0 14 11 2 2. - <_> - - <_> - 5 12 13 3 -1. - <_> - 5 13 13 1 3. - <_> - - <_> - 0 2 20 4 -1. - <_> - 0 2 10 2 2. - <_> - 10 4 10 2 2. - <_> - - <_> - 14 1 6 5 -1. - <_> - 14 1 3 5 2. - <_> - - <_> - 4 11 5 6 -1. - <_> - 4 14 5 3 2. - <_> - - <_> - 6 1 10 18 -1. - <_> - 6 10 10 9 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 0 8 3 6 2. - <_> - 3 14 3 6 2. - <_> - - <_> - 9 9 10 6 -1. - <_> - 14 9 5 3 2. - <_> - 9 12 5 3 2. - <_> - - <_> - 1 9 10 6 -1. - <_> - 1 9 5 3 2. - <_> - 6 12 5 3 2. - <_> - - <_> - 15 0 3 13 -1. - <_> - 16 0 1 13 3. - <_> - - <_> - 2 0 3 13 -1. - <_> - 3 0 1 13 3. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 17 3 3 13 -1. - <_> - 18 3 1 13 3. - <_> - - <_> - 0 3 3 13 -1. - <_> - 1 3 1 13 3. - <_> - - <_> - 13 4 6 16 -1. - <_> - 16 4 3 8 2. - <_> - 13 12 3 8 2. - <_> - - <_> - 3 2 3 14 -1. - <_> - 4 2 1 14 3. - <_> - - <_> - 16 1 3 13 -1. - <_> - 17 1 1 13 3. - <_> - - <_> - 1 1 3 13 -1. - <_> - 2 1 1 13 3. - <_> - - <_> - 8 6 9 9 -1. - <_> - 8 9 9 3 3. - <_> - - <_> - 0 2 14 2 -1. - <_> - 0 3 14 1 2. - <_> - - <_> - 12 5 6 6 -1. - <_> - 12 5 3 6 2. - <_> - - <_> - 2 5 6 6 -1. - <_> - 5 5 3 6 2. - <_> - - <_> - 10 1 9 6 -1. - <_> - 10 3 9 2 3. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 9 10 2 10 3. - <_> - - <_> - 0 0 2 20 -1. - <_> - 1 0 1 20 2. - <_> - - <_> - 16 5 4 14 -1. - <_> - 16 5 2 14 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 16 5 4 14 -1. - <_> - 16 5 2 14 2. - <_> - - <_> - 0 5 4 14 -1. - <_> - 2 5 2 14 2. - <_> - - <_> - 0 11 20 4 -1. - <_> - 10 11 10 2 2. - <_> - 0 13 10 2 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 10 0 1 13 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 10 1 9 6 -1. - <_> - 10 3 9 2 3. - <_> - - <_> - 1 1 9 6 -1. - <_> - 1 3 9 2 3. - <_> - - <_> - 11 0 5 8 -1. - <_> - 11 4 5 4 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 9 2 6 11 -1. - <_> - 11 2 2 11 3. - <_> - - <_> - 5 2 6 11 -1. - <_> - 7 2 2 11 3. - <_> - - <_> - 7 1 6 10 -1. - <_> - 10 1 3 5 2. - <_> - 7 6 3 5 2. - <_> - - <_> - 3 2 10 5 -1. - <_> - 8 2 5 5 2. - <_> - - <_> - 2 17 17 3 -1. - <_> - 2 18 17 1 3. - <_> - - <_> - 0 13 14 3 -1. - <_> - 0 14 14 1 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 7 10 4 10 -1. - <_> - 7 15 4 5 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 2 12 16 6 -1. - <_> - 2 14 16 2 3. - <_> - - <_> - 5 9 13 3 -1. - <_> - 5 10 13 1 3. - <_> - - <_> - 8 5 4 12 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 6 1 14 6 -1. - <_> - 13 1 7 3 2. - <_> - 6 4 7 3 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 9 5 11 6 -1. - <_> - 9 7 11 2 3. - <_> - - <_> - 5 2 3 13 -1. - <_> - 6 2 1 13 3. - <_> - - <_> - 15 5 4 14 -1. - <_> - 17 5 2 7 2. - <_> - 15 12 2 7 2. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 5 15 13 3 -1. - <_> - 5 16 13 1 3. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 3 10 14 6 -1. - <_> - 10 10 7 3 2. - <_> - 3 13 7 3 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 5 14 15 3 -1. - <_> - 5 15 15 1 3. - <_> - - <_> - 0 1 14 6 -1. - <_> - 0 1 7 3 2. - <_> - 7 4 7 3 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 3 16 14 4 -1. - <_> - 10 16 7 2 2. - <_> - 3 18 7 2 2. - <_> - - <_> - 0 1 6 10 -1. - <_> - 0 1 3 5 2. - <_> - 3 6 3 5 2. - <_> - - <_> - 10 3 8 8 -1. - <_> - 14 3 4 4 2. - <_> - 10 7 4 4 2. - <_> - - <_> - 1 5 10 6 -1. - <_> - 1 5 5 3 2. - <_> - 6 8 5 3 2. - <_> - - <_> - 14 2 2 14 -1. - <_> - 14 9 2 7 2. - <_> - - <_> - 4 2 2 14 -1. - <_> - 4 9 2 7 2. - <_> - - <_> - 4 8 12 4 -1. - <_> - 4 10 12 2 2. - <_> - - <_> - 2 3 8 8 -1. - <_> - 2 3 4 4 2. - <_> - 6 7 4 4 2. - <_> - - <_> - 17 0 2 16 -1. - <_> - 17 8 2 8 2. - <_> - - <_> - 1 5 4 14 -1. - <_> - 1 5 2 7 2. - <_> - 3 12 2 7 2. - <_> - - <_> - 8 6 5 10 -1. - <_> - 8 11 5 5 2. - <_> - - <_> - 4 2 8 10 -1. - <_> - 4 2 4 5 2. - <_> - 8 7 4 5 2. - <_> - - <_> - 8 5 10 8 -1. - <_> - 13 5 5 4 2. - <_> - 8 9 5 4 2. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 16 1 4 7 -1. - <_> - 16 1 2 7 2. - <_> - - <_> - 1 0 2 16 -1. - <_> - 1 8 2 8 2. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 0 0 20 12 -1. - <_> - 0 6 20 6 2. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 0 3 5 6 -1. - <_> - 0 6 5 3 2. - <_> - - <_> - 9 10 7 4 -1. - <_> - 9 12 7 2 2. - <_> - - <_> - 2 9 13 6 -1. - <_> - 2 12 13 3 2. - <_> - - <_> - 2 2 16 14 -1. - <_> - 2 9 16 7 2. - <_> - - <_> - 4 5 10 8 -1. - <_> - 4 9 10 4 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 8 0 3 15 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 1 14 18 4 -1. - <_> - 10 14 9 2 2. - <_> - 1 16 9 2 2. - <_> - - <_> - 1 8 6 5 -1. - <_> - 4 8 3 5 2. - <_> - - <_> - 13 1 6 19 -1. - <_> - 13 1 3 19 2. - <_> - - <_> - 1 1 6 19 -1. - <_> - 4 1 3 19 2. - <_> - - <_> - 6 0 14 3 -1. - <_> - 6 1 14 1 3. - <_> - - <_> - 0 0 14 3 -1. - <_> - 0 1 14 1 3. - <_> - - <_> - 8 2 7 6 -1. - <_> - 8 5 7 3 2. - <_> - - <_> - 0 3 9 14 -1. - <_> - 3 3 3 14 3. - <_> - - <_> - 10 8 9 6 -1. - <_> - 10 10 9 2 3. - <_> - - <_> - 0 1 16 4 -1. - <_> - 0 1 8 2 2. - <_> - 8 3 8 2 2. - <_> - - <_> - 16 2 4 7 -1. - <_> - 16 2 2 7 2. - <_> - - <_> - 0 8 10 6 -1. - <_> - 0 10 10 2 3. - <_> - - <_> - 16 2 4 7 -1. - <_> - 16 2 2 7 2. - <_> - - <_> - 0 2 4 7 -1. - <_> - 2 2 2 7 2. - <_> - - <_> - 5 3 12 14 -1. - <_> - 11 3 6 7 2. - <_> - 5 10 6 7 2. - <_> - - <_> - 7 6 3 10 -1. - <_> - 7 11 3 5 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 16 2 2 9 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 2 2 2 9 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 5 6 3 2. - <_> - 10 8 6 3 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 7 5 6 8 -1. - <_> - 9 5 2 8 3. - <_> - - <_> - 4 6 12 6 -1. - <_> - 8 6 4 6 3. - <_> - - <_> - 1 4 4 14 -1. - <_> - 1 4 2 7 2. - <_> - 3 11 2 7 2. - <_> - - <_> - 0 1 20 6 -1. - <_> - 10 1 10 3 2. - <_> - 0 4 10 3 2. - <_> - - <_> - 5 2 10 6 -1. - <_> - 5 4 10 2 3. - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 5 20 3 2. - <_> - - <_> - 3 10 6 8 -1. - <_> - 5 10 2 8 3. - <_> - - <_> - 13 4 4 16 -1. - <_> - 15 4 2 8 2. - <_> - 13 12 2 8 2. - <_> - - <_> - 6 2 2 18 -1. - <_> - 6 11 2 9 2. - <_> - - <_> - 13 4 4 16 -1. - <_> - 15 4 2 8 2. - <_> - 13 12 2 8 2. - <_> - - <_> - 3 4 4 16 -1. - <_> - 3 4 2 8 2. - <_> - 5 12 2 8 2. - <_> - - <_> - 6 15 9 4 -1. - <_> - 6 17 9 2 2. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 8 0 4 12 -1. - <_> - 8 0 2 12 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 10 6 10 2 2. - <_> - - <_> - 14 2 6 18 -1. - <_> - 17 2 3 9 2. - <_> - 14 11 3 9 2. - <_> - - <_> - 0 7 14 4 -1. - <_> - 0 7 7 2 2. - <_> - 7 9 7 2 2. - <_> - - <_> - 8 5 10 8 -1. - <_> - 13 5 5 4 2. - <_> - 8 9 5 4 2. - <_> - - <_> - 2 5 10 8 -1. - <_> - 2 5 5 4 2. - <_> - 7 9 5 4 2. - <_> - - <_> - 4 2 16 12 -1. - <_> - 4 2 8 12 2. - <_> - - <_> - 0 2 16 12 -1. - <_> - 8 2 8 12 2. - <_> - - <_> - 11 2 4 7 -1. - <_> - 11 2 2 7 2. - <_> - - <_> - 5 2 4 7 -1. - <_> - 7 2 2 7 2. - <_> - - <_> - 6 5 8 4 -1. - <_> - 6 5 4 4 2. - <_> - - <_> - 4 5 6 10 -1. - <_> - 6 5 2 10 3. - <_> - - <_> - 6 10 10 8 -1. - <_> - 11 10 5 4 2. - <_> - 6 14 5 4 2. - <_> - - <_> - 2 11 6 9 -1. - <_> - 4 11 2 9 3. - <_> - - <_> - 4 0 12 18 -1. - <_> - 4 0 6 18 2. - <_> - - <_> - 4 1 9 17 -1. - <_> - 7 1 3 17 3. - <_> - - <_> - 9 5 6 8 -1. - <_> - 11 5 2 8 3. - <_> - - <_> - 6 3 6 7 -1. - <_> - 8 3 2 7 3. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 5 5 6 9 -1. - <_> - 5 8 6 3 3. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 4 6 7 4 -1. - <_> - 4 8 7 2 2. - <_> - - <_> - 6 10 10 8 -1. - <_> - 11 10 5 4 2. - <_> - 6 14 5 4 2. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 5 7 14 4 -1. - <_> - 12 7 7 2 2. - <_> - 5 9 7 2 2. - <_> - - <_> - 4 10 12 7 -1. - <_> - 8 10 4 7 3. - <_> - - <_> - 5 2 12 16 -1. - <_> - 11 2 6 8 2. - <_> - 5 10 6 8 2. - <_> - - <_> - 1 7 14 4 -1. - <_> - 1 7 7 2 2. - <_> - 8 9 7 2 2. - <_> - - <_> - 3 5 15 14 -1. - <_> - 3 12 15 7 2. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 13 7 2 2. - <_> - - <_> - 8 6 9 9 -1. - <_> - 8 9 9 3 3. - <_> - - <_> - 5 6 6 10 -1. - <_> - 7 6 2 10 3. - <_> - - <_> - 11 4 4 11 -1. - <_> - 11 4 2 11 2. - <_> - - <_> - 1 12 14 8 -1. - <_> - 8 12 7 8 2. - <_> - - <_> - 11 4 4 11 -1. - <_> - 11 4 2 11 2. - <_> - - <_> - 5 0 4 15 -1. - <_> - 7 0 2 15 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 8 2 4 6 3. - <_> - - <_> - 3 3 12 14 -1. - <_> - 3 3 6 7 2. - <_> - 9 10 6 7 2. - <_> - - <_> - 9 2 4 7 -1. - <_> - 9 2 2 7 2. - <_> - - <_> - 7 2 4 7 -1. - <_> - 9 2 2 7 2. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 0 9 5 9 -1. - <_> - 0 12 5 3 3. - <_> - - <_> - 8 3 4 9 -1. - <_> - 8 3 2 9 2. - <_> - - <_> - 7 8 6 6 -1. - <_> - 10 8 3 6 2. - <_> - - <_> - 6 13 14 3 -1. - <_> - 6 14 14 1 3. - <_> - - <_> - 2 12 12 8 -1. - <_> - 6 12 4 8 3. - <_> - - <_> - 5 14 15 6 -1. - <_> - 10 14 5 6 3. - <_> - - <_> - 6 8 6 12 -1. - <_> - 6 8 3 6 2. - <_> - 9 14 3 6 2. - <_> - - <_> - 5 14 15 6 -1. - <_> - 10 14 5 6 3. - <_> - - <_> - 6 0 8 20 -1. - <_> - 6 10 8 10 2. - <_> - - <_> - 10 3 4 13 -1. - <_> - 10 3 2 13 2. - <_> - - <_> - 4 12 12 6 -1. - <_> - 8 12 4 6 3. - <_> - - <_> - 10 3 4 13 -1. - <_> - 10 3 2 13 2. - <_> - - <_> - 5 11 9 6 -1. - <_> - 8 11 3 6 3. - <_> - - <_> - 8 13 6 7 -1. - <_> - 10 13 2 7 3. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 3 10 7 6 -1. - <_> - 3 12 7 2 3. - <_> - - <_> - 12 3 5 12 -1. - <_> - 12 7 5 4 3. - <_> - - <_> - 4 13 9 4 -1. - <_> - 4 15 9 2 2. - <_> - - <_> - 6 13 14 3 -1. - <_> - 6 14 14 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 12 0 3 19 -1. - <_> - 13 0 1 19 3. - <_> - - <_> - 6 3 4 13 -1. - <_> - 8 3 2 13 2. - <_> - - <_> - 10 0 9 5 -1. - <_> - 13 0 3 5 3. - <_> - - <_> - 1 0 9 5 -1. - <_> - 4 0 3 5 3. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 6 11 6 9 -1. - <_> - 8 11 2 9 3. - <_> - - <_> - 12 3 5 12 -1. - <_> - 12 7 5 4 3. - <_> - - <_> - 3 3 5 12 -1. - <_> - 3 7 5 4 3. - <_> - - <_> - 10 11 6 9 -1. - <_> - 10 14 6 3 3. - <_> - - <_> - 4 16 12 4 -1. - <_> - 4 18 12 2 2. - <_> - - <_> - 2 14 18 4 -1. - <_> - 11 14 9 2 2. - <_> - 2 16 9 2 2. - <_> - - <_> - 6 16 7 4 -1. - <_> - 6 18 7 2 2. - <_> - - <_> - 5 10 12 8 -1. - <_> - 5 14 12 4 2. - <_> - - <_> - 4 10 7 4 -1. - <_> - 4 12 7 2 2. - <_> - - <_> - 8 9 7 4 -1. - <_> - 8 11 7 2 2. - <_> - - <_> - 0 10 18 6 -1. - <_> - 9 10 9 6 2. - <_> - - <_> - 0 6 20 2 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 6 5 6 8 -1. - <_> - 8 5 2 8 3. - <_> - - <_> - 12 0 3 13 -1. - <_> - 13 0 1 13 3. - <_> - - <_> - 8 10 3 10 -1. - <_> - 8 15 3 5 2. - <_> - - <_> - 8 1 8 14 -1. - <_> - 12 1 4 7 2. - <_> - 8 8 4 7 2. - <_> - - <_> - 5 0 3 19 -1. - <_> - 6 0 1 19 3. - <_> - - <_> - 9 10 6 10 -1. - <_> - 12 10 3 5 2. - <_> - 9 15 3 5 2. - <_> - - <_> - 0 6 5 14 -1. - <_> - 0 13 5 7 2. - <_> - - <_> - 18 5 2 14 -1. - <_> - 18 12 2 7 2. - <_> - - <_> - 0 5 2 14 -1. - <_> - 0 12 2 7 2. - <_> - - <_> - 13 0 4 10 -1. - <_> - 13 5 4 5 2. - <_> - - <_> - 1 0 18 18 -1. - <_> - 1 9 18 9 2. - <_> - - <_> - 1 16 18 4 -1. - <_> - 10 16 9 2 2. - <_> - 1 18 9 2 2. - <_> - - <_> - 5 1 8 6 -1. - <_> - 5 3 8 2 3. - <_> - - <_> - 4 7 13 9 -1. - <_> - 4 10 13 3 3. - <_> - - <_> - 5 5 10 10 -1. - <_> - 5 5 5 5 2. - <_> - 10 10 5 5 2. - <_> - - <_> - 8 4 8 10 -1. - <_> - 12 4 4 5 2. - <_> - 8 9 4 5 2. - <_> - - <_> - 3 7 14 4 -1. - <_> - 3 7 7 2 2. - <_> - 10 9 7 2 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 1 0 13 2 -1. - <_> - 1 1 13 1 2. - <_> - - <_> - 6 2 14 3 -1. - <_> - 6 3 14 1 3. - <_> - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - <_> - - <_> - 4 1 12 6 -1. - <_> - 4 4 12 3 2. - <_> - - <_> - 0 3 7 6 -1. - <_> - 0 5 7 2 3. - <_> - - <_> - 2 5 16 6 -1. - <_> - 10 5 8 3 2. - <_> - 2 8 8 3 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 16 2 4 18 -1. - <_> - 18 2 2 9 2. - <_> - 16 11 2 9 2. - <_> - - <_> - 6 2 4 15 -1. - <_> - 6 7 4 5 3. - <_> - - <_> - 10 5 7 6 -1. - <_> - 10 7 7 2 3. - <_> - - <_> - 4 0 4 14 -1. - <_> - 4 0 2 7 2. - <_> - 6 7 2 7 2. - <_> - - <_> - 6 3 10 6 -1. - <_> - 11 3 5 3 2. - <_> - 6 6 5 3 2. - <_> - - <_> - 4 3 10 6 -1. - <_> - 4 3 5 3 2. - <_> - 9 6 5 3 2. - <_> - - <_> - 4 4 13 12 -1. - <_> - 4 8 13 4 3. - <_> - - <_> - 3 9 6 7 -1. - <_> - 5 9 2 7 3. - <_> - - <_> - 11 11 4 9 -1. - <_> - 11 11 2 9 2. - <_> - - <_> - 1 0 3 13 -1. - <_> - 2 0 1 13 3. - <_> - - <_> - 11 11 4 9 -1. - <_> - 11 11 2 9 2. - <_> - - <_> - 5 12 4 8 -1. - <_> - 7 12 2 8 2. - <_> - - <_> - 5 14 15 6 -1. - <_> - 10 14 5 6 3. - <_> - - <_> - 0 14 15 6 -1. - <_> - 5 14 5 6 3. - <_> - - <_> - 6 8 12 4 -1. - <_> - 10 8 4 4 3. - <_> - - <_> - 2 8 12 4 -1. - <_> - 6 8 4 4 3. - <_> - - <_> - 13 6 4 10 -1. - <_> - 13 6 2 10 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 5 1 12 5 -1. - <_> - 9 1 4 5 3. - <_> - - <_> - 2 2 15 4 -1. - <_> - 7 2 5 4 3. - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - <_> - - <_> - 3 11 13 3 -1. - <_> - 3 12 13 1 3. - <_> - - <_> - 10 10 9 6 -1. - <_> - 10 12 9 2 3. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 0 2 20 2 -1. - <_> - 0 3 20 1 2. - <_> - - <_> - 3 5 4 11 -1. - <_> - 5 5 2 11 2. - <_> - - <_> - 13 1 3 17 -1. - <_> - 14 1 1 17 3. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 0 6 9 3. - <_> - - <_> - 6 9 9 6 -1. - <_> - 9 9 3 6 3. - <_> - - <_> - 2 9 7 6 -1. - <_> - 2 11 7 2 3. - <_> - - <_> - 13 1 3 17 -1. - <_> - 14 1 1 17 3. - <_> - - <_> - 4 1 3 17 -1. - <_> - 5 1 1 17 3. - <_> - - <_> - 2 0 18 6 -1. - <_> - 8 0 6 6 3. - <_> - - <_> - 7 2 4 12 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 10 2 5 9 -1. - <_> - 10 5 5 3 3. - <_> - - <_> - 5 2 5 9 -1. - <_> - 5 5 5 3 3. - <_> - - <_> - 9 0 3 18 -1. - <_> - 9 6 3 6 3. - <_> - - <_> - 6 12 7 4 -1. - <_> - 6 14 7 2 2. - <_> - - <_> - 16 10 4 9 -1. - <_> - 16 10 2 9 2. - <_> - - <_> - 0 10 4 9 -1. - <_> - 2 10 2 9 2. - <_> - - <_> - 13 2 6 18 -1. - <_> - 16 2 3 9 2. - <_> - 13 11 3 9 2. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 2 3 5 12 -1. - <_> - 2 7 5 4 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 3 17 14 2 2. - <_> - - <_> - 3 0 13 6 -1. - <_> - 3 3 13 3 2. - <_> - - <_> - 4 11 16 9 -1. - <_> - 4 11 8 9 2. - <_> - - <_> - 0 11 16 9 -1. - <_> - 8 11 8 9 2. - <_> - - <_> - 11 0 5 8 -1. - <_> - 11 4 5 4 2. - <_> - - <_> - 0 3 14 9 -1. - <_> - 0 6 14 3 3. - <_> - - <_> - 5 0 10 10 -1. - <_> - 10 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 0 2 6 18 -1. - <_> - 0 2 3 9 2. - <_> - 3 11 3 9 2. - <_> - - <_> - 9 5 3 15 -1. - <_> - 9 10 3 5 3. - <_> - - <_> - 0 7 13 2 -1. - <_> - 0 8 13 1 2. - <_> - - <_> - 11 1 5 9 -1. - <_> - 11 4 5 3 3. - <_> - - <_> - 2 1 14 6 -1. - <_> - 2 1 7 3 2. - <_> - 9 4 7 3 2. - <_> - - <_> - 9 0 6 12 -1. - <_> - 12 0 3 6 2. - <_> - 9 6 3 6 2. - <_> - - <_> - 5 0 6 12 -1. - <_> - 5 0 3 6 2. - <_> - 8 6 3 6 2. - <_> - - <_> - 6 9 9 6 -1. - <_> - 9 9 3 6 3. - <_> - - <_> - 5 9 9 6 -1. - <_> - 8 9 3 6 3. - <_> - - <_> - 8 3 10 11 -1. - <_> - 8 3 5 11 2. - <_> - - <_> - 2 3 10 11 -1. - <_> - 7 3 5 11 2. - <_> - - <_> - 8 2 12 18 -1. - <_> - 8 2 6 18 2. - <_> - - <_> - 0 1 12 19 -1. - <_> - 6 1 6 19 2. - <_> - - <_> - 10 11 5 9 -1. - <_> - 10 14 5 3 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 3 15 7 2 2. - <_> - 10 17 7 2 2. - <_> - - <_> - 4 14 16 6 -1. - <_> - 4 14 8 6 2. - <_> - - <_> - 5 11 9 6 -1. - <_> - 8 11 3 6 3. - <_> - - <_> - 13 4 4 14 -1. - <_> - 15 4 2 7 2. - <_> - 13 11 2 7 2. - <_> - - <_> - 1 3 6 9 -1. - <_> - 3 3 2 9 3. - <_> - - <_> - 10 7 6 7 -1. - <_> - 12 7 2 7 3. - <_> - - <_> - 0 2 10 3 -1. - <_> - 5 2 5 3 2. - <_> - - <_> - 12 6 5 9 -1. - <_> - 12 9 5 3 3. - <_> - - <_> - 3 12 8 8 -1. - <_> - 3 12 4 4 2. - <_> - 7 16 4 4 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 2 0 16 2 -1. - <_> - 2 1 16 1 2. - <_> - - <_> - 13 7 7 6 -1. - <_> - 13 9 7 2 3. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 9 6 5 8 -1. - <_> - 9 10 5 4 2. - <_> - - <_> - 7 5 6 12 -1. - <_> - 7 11 6 6 2. - <_> - - <_> - 13 4 4 14 -1. - <_> - 15 4 2 7 2. - <_> - 13 11 2 7 2. - <_> - - <_> - 3 4 4 14 -1. - <_> - 3 4 2 7 2. - <_> - 5 11 2 7 2. - <_> - - <_> - 3 3 14 2 -1. - <_> - 3 4 14 1 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 10 4 10 12 -1. - <_> - 10 10 10 6 2. - <_> - - <_> - 4 2 9 5 -1. - <_> - 7 2 3 5 3. - <_> - - <_> - 4 4 16 10 -1. - <_> - 12 4 8 5 2. - <_> - 4 9 8 5 2. - <_> - - <_> - 0 4 16 10 -1. - <_> - 0 4 8 5 2. - <_> - 8 9 8 5 2. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 5 8 4 12 -1. - <_> - 7 8 2 12 2. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 0 7 10 13 -1. - <_> - 5 7 5 13 2. - <_> - - <_> - 13 13 7 4 -1. - <_> - 13 15 7 2 2. - <_> - - <_> - 0 9 9 8 -1. - <_> - 3 9 3 8 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 12 13 2 -1. - <_> - 0 13 13 1 2. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 4 5 8 4 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 4 9 4 8 -1. - <_> - 4 13 4 4 2. - <_> - - <_> - 10 4 8 4 -1. - <_> - 10 6 8 2 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 3 2 14 4 -1. - <_> - 3 2 7 4 2. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 10 0 9 9 -1. - <_> - 13 0 3 9 3. - <_> - - <_> - 1 0 9 9 -1. - <_> - 4 0 3 9 3. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 0 9 18 3 -1. - <_> - 6 9 6 3 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 4 10 5 -1. - <_> - 10 4 5 5 2. - <_> - - <_> - 5 1 14 4 -1. - <_> - 12 1 7 2 2. - <_> - 5 3 7 2 2. - <_> - - <_> - 1 1 14 4 -1. - <_> - 1 1 7 2 2. - <_> - 8 3 7 2 2. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 0 6 4 14 -1. - <_> - 0 6 2 7 2. - <_> - 2 13 2 7 2. - <_> - - <_> - 12 11 5 9 -1. - <_> - 12 14 5 3 3. - <_> - - <_> - 5 9 10 9 -1. - <_> - 5 12 10 3 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 4 0 8 9 -1. - <_> - 8 0 4 9 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 1 13 5 6 -1. - <_> - 1 16 5 3 2. - <_> - - <_> - 11 15 7 4 -1. - <_> - 11 17 7 2 2. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 7 7 7 8 -1. - <_> - 7 11 7 4 2. - <_> - - <_> - 2 4 3 10 -1. - <_> - 2 9 3 5 2. - <_> - - <_> - 7 2 13 2 -1. - <_> - 7 3 13 1 2. - <_> - - <_> - 2 15 7 4 -1. - <_> - 2 17 7 2 2. - <_> - - <_> - 14 1 6 10 -1. - <_> - 17 1 3 5 2. - <_> - 14 6 3 5 2. - <_> - - <_> - 0 1 6 10 -1. - <_> - 0 1 3 5 2. - <_> - 3 6 3 5 2. - <_> - - <_> - 8 0 8 8 -1. - <_> - 12 0 4 4 2. - <_> - 8 4 4 4 2. - <_> - - <_> - 6 8 4 9 -1. - <_> - 8 8 2 9 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 7 1 4 12 -1. - <_> - 9 1 2 12 2. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 4 0 6 8 -1. - <_> - 6 0 2 8 3. - <_> - - <_> - 10 0 4 18 -1. - <_> - 10 6 4 6 3. - <_> - - <_> - 0 5 7 12 -1. - <_> - 0 9 7 4 3. - <_> - - <_> - 11 5 5 9 -1. - <_> - 11 8 5 3 3. - <_> - - <_> - 3 9 14 4 -1. - <_> - 3 9 7 2 2. - <_> - 10 11 7 2 2. - <_> - - <_> - 3 7 17 3 -1. - <_> - 3 8 17 1 3. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 5 0 15 8 -1. - <_> - 10 0 5 8 3. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 2 3 16 9 -1. - <_> - 2 6 16 3 3. - <_> - - <_> - 4 0 12 8 -1. - <_> - 4 4 12 4 2. - <_> - - <_> - 13 0 7 6 -1. - <_> - 13 2 7 2 3. - <_> - - <_> - 4 0 2 15 -1. - <_> - 5 0 1 15 2. - <_> - - <_> - 10 10 6 7 -1. - <_> - 12 10 2 7 3. - <_> - - <_> - 4 10 6 7 -1. - <_> - 6 10 2 7 3. - <_> - - <_> - 10 8 8 8 -1. - <_> - 14 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 2 8 8 8 -1. - <_> - 2 8 4 4 2. - <_> - 6 12 4 4 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 10 1 3 10 -1. - <_> - 10 6 3 5 2. - <_> - - <_> - 6 11 5 6 -1. - <_> - 6 14 5 3 2. - <_> - - <_> - 4 3 12 12 -1. - <_> - 4 7 12 4 3. - <_> - - <_> - 4 5 10 6 -1. - <_> - 4 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 11 4 9 10 -1. - <_> - 11 9 9 5 2. - <_> - - <_> - 7 2 4 12 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 11 1 9 18 -1. - <_> - 11 7 9 6 3. - <_> - - <_> - 4 8 12 10 -1. - <_> - 4 8 6 5 2. - <_> - 10 13 6 5 2. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 6 0 8 14 -1. - <_> - 6 0 4 7 2. - <_> - 10 7 4 7 2. - <_> - - <_> - 8 1 8 8 -1. - <_> - 12 1 4 4 2. - <_> - 8 5 4 4 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 2 1 18 5 -1. - <_> - 8 1 6 5 3. - <_> - - <_> - 0 0 15 8 -1. - <_> - 5 0 5 8 3. - <_> - - <_> - 5 15 10 5 -1. - <_> - 5 15 5 5 2. - <_> - - <_> - 0 5 12 15 -1. - <_> - 6 5 6 15 2. - <_> - - <_> - 5 7 15 3 -1. - <_> - 10 7 5 3 3. - <_> - - <_> - 0 7 15 3 -1. - <_> - 5 7 5 3 3. - <_> - - <_> - 11 11 7 6 -1. - <_> - 11 13 7 2 3. - <_> - - <_> - 2 11 7 6 -1. - <_> - 2 13 7 2 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 15 0 5 8 -1. - <_> - 15 4 5 4 2. - <_> - - <_> - 0 0 20 4 -1. - <_> - 0 0 10 2 2. - <_> - 10 2 10 2 2. - <_> - - <_> - 7 5 6 14 -1. - <_> - 10 5 3 7 2. - <_> - 7 12 3 7 2. - <_> - - <_> - 6 6 7 4 -1. - <_> - 6 8 7 2 2. - <_> - - <_> - 11 5 5 9 -1. - <_> - 11 8 5 3 3. - <_> - - <_> - 4 5 5 9 -1. - <_> - 4 8 5 3 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 10 5 5 3 2. - <_> - 5 8 5 3 2. - <_> - - <_> - 0 0 5 8 -1. - <_> - 0 4 5 4 2. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 2 11 4 8 -1. - <_> - 4 11 2 8 2. - <_> - - <_> - 14 5 4 14 -1. - <_> - 16 5 2 7 2. - <_> - 14 12 2 7 2. - <_> - - <_> - 2 5 4 14 -1. - <_> - 2 5 2 7 2. - <_> - 4 12 2 7 2. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 8 12 10 6 -1. - <_> - 8 14 10 2 3. - <_> - - <_> - 7 2 4 14 -1. - <_> - 7 2 2 7 2. - <_> - 9 9 2 7 2. - <_> - - <_> - 5 7 14 4 -1. - <_> - 12 7 7 2 2. - <_> - 5 9 7 2 2. - <_> - - <_> - 1 7 14 4 -1. - <_> - 1 7 7 2 2. - <_> - 8 9 7 2 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 2 6 14 10 -1. - <_> - 2 6 7 5 2. - <_> - 9 11 7 5 2. - <_> - - <_> - 13 5 4 11 -1. - <_> - 13 5 2 11 2. - <_> - - <_> - 2 13 15 6 -1. - <_> - 7 13 5 6 3. - <_> - - <_> - 5 16 12 4 -1. - <_> - 9 16 4 4 3. - <_> - - <_> - 3 15 9 5 -1. - <_> - 6 15 3 5 3. - <_> - - <_> - 2 0 17 18 -1. - <_> - 2 9 17 9 2. - <_> - - <_> - 1 0 4 12 -1. - <_> - 1 4 4 4 3. - <_> - - <_> - 13 5 4 11 -1. - <_> - 13 5 2 11 2. - <_> - - <_> - 3 4 6 5 -1. - <_> - 6 4 3 5 2. - <_> - - <_> - 3 0 15 2 -1. - <_> - 3 1 15 1 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 4 7 15 3 -1. - <_> - 9 7 5 3 3. - <_> - - <_> - 1 7 15 3 -1. - <_> - 6 7 5 3 3. - <_> - - <_> - 11 2 3 14 -1. - <_> - 12 2 1 14 3. - <_> - - <_> - 7 6 3 13 -1. - <_> - 8 6 1 13 3. - <_> - - <_> - 13 14 7 4 -1. - <_> - 13 16 7 2 2. - <_> - - <_> - 2 7 16 2 -1. - <_> - 2 8 16 1 2. - <_> - - <_> - 7 6 7 4 -1. - <_> - 7 8 7 2 2. - <_> - - <_> - 8 4 3 10 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 9 6 4 8 -1. - <_> - 9 10 4 4 2. - <_> - - <_> - 0 4 11 12 -1. - <_> - 0 10 11 6 2. - <_> - - <_> - 13 6 4 14 -1. - <_> - 13 13 4 7 2. - <_> - - <_> - 3 6 4 14 -1. - <_> - 3 13 4 7 2. - <_> - - <_> - 10 2 6 10 -1. - <_> - 13 2 3 5 2. - <_> - 10 7 3 5 2. - <_> - - <_> - 4 7 12 6 -1. - <_> - 4 9 12 2 3. - <_> - - <_> - 0 5 20 6 -1. - <_> - 0 7 20 2 3. - <_> - - <_> - 4 2 6 10 -1. - <_> - 4 2 3 5 2. - <_> - 7 7 3 5 2. - <_> - - <_> - 2 1 18 5 -1. - <_> - 8 1 6 5 3. - <_> - - <_> - 6 1 4 8 -1. - <_> - 6 5 4 4 2. - <_> - - <_> - 12 9 6 9 -1. - <_> - 12 12 6 3 3. - <_> - - <_> - 8 3 3 13 -1. - <_> - 9 3 1 13 3. - <_> - - <_> - 11 0 2 15 -1. - <_> - 11 0 1 15 2. - <_> - - <_> - 7 0 2 15 -1. - <_> - 8 0 1 15 2. - <_> - - <_> - 4 9 12 4 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 8 7 12 13 -1. - <_> - 8 7 6 13 2. - <_> - - <_> - 0 8 14 2 -1. - <_> - 7 8 7 2 2. - <_> - - <_> - 5 17 15 3 -1. - <_> - 10 17 5 3 3. - <_> - - <_> - 0 17 15 3 -1. - <_> - 5 17 5 3 3. - <_> - - <_> - 11 8 8 5 -1. - <_> - 11 8 4 5 2. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 3 1 8 8 -1. - <_> - 3 1 4 4 2. - <_> - 7 5 4 4 2. - <_> - - <_> - 10 1 3 10 -1. - <_> - 10 6 3 5 2. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 8 4 4 12 -1. - <_> - 8 8 4 4 3. - <_> - - <_> - 0 11 18 2 -1. - <_> - 0 12 18 1 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 2 9 6 9 -1. - <_> - 2 12 6 3 3. - <_> - - <_> - 2 1 18 5 -1. - <_> - 8 1 6 5 3. - <_> - - <_> - 0 1 18 5 -1. - <_> - 6 1 6 5 3. - <_> - - <_> - 11 5 2 14 -1. - <_> - 11 12 2 7 2. - <_> - - <_> - 7 8 6 12 -1. - <_> - 7 8 3 6 2. - <_> - 10 14 3 6 2. - <_> - - <_> - 2 15 16 4 -1. - <_> - 2 17 16 2 2. - <_> - - <_> - 5 1 2 19 -1. - <_> - 6 1 1 19 2. - <_> - - <_> - 7 4 6 10 -1. - <_> - 10 4 3 5 2. - <_> - 7 9 3 5 2. - <_> - - <_> - 2 16 15 4 -1. - <_> - 7 16 5 4 3. - <_> - - <_> - 10 1 6 15 -1. - <_> - 12 1 2 15 3. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 5 8 10 4 -1. - <_> - 5 10 10 2 2. - <_> - - <_> - 6 6 5 8 -1. - <_> - 6 10 5 4 2. - <_> - - <_> - 4 5 12 8 -1. - <_> - 10 5 6 4 2. - <_> - 4 9 6 4 2. - <_> - - <_> - 4 1 6 15 -1. - <_> - 6 1 2 15 3. - <_> - - <_> - 8 8 6 12 -1. - <_> - 11 8 3 6 2. - <_> - 8 14 3 6 2. - <_> - - <_> - 2 6 6 8 -1. - <_> - 5 6 3 8 2. - <_> - - <_> - 17 0 2 14 -1. - <_> - 17 0 1 14 2. - <_> - - <_> - 1 0 2 14 -1. - <_> - 2 0 1 14 2. - <_> - - <_> - 11 2 3 13 -1. - <_> - 12 2 1 13 3. - <_> - - <_> - 6 2 3 13 -1. - <_> - 7 2 1 13 3. - <_> - - <_> - 16 0 4 13 -1. - <_> - 16 0 2 13 2. - <_> - - <_> - 0 0 4 13 -1. - <_> - 2 0 2 13 2. - <_> - - <_> - 5 6 14 3 -1. - <_> - 5 6 7 3 2. - <_> - - <_> - 1 6 14 3 -1. - <_> - 8 6 7 3 2. - <_> - - <_> - 7 8 6 12 -1. - <_> - 10 8 3 6 2. - <_> - 7 14 3 6 2. - <_> - - <_> - 5 7 4 7 -1. - <_> - 7 7 2 7 2. - <_> - - <_> - 12 1 4 12 -1. - <_> - 12 5 4 4 3. - <_> - - <_> - 4 1 4 12 -1. - <_> - 4 5 4 4 3. - <_> - - <_> - 3 0 14 12 -1. - <_> - 3 4 14 4 3. - <_> - - <_> - 6 6 7 4 -1. - <_> - 6 8 7 2 2. - <_> - - <_> - 12 0 4 7 -1. - <_> - 12 0 2 7 2. - <_> - - <_> - 2 9 12 3 -1. - <_> - 8 9 6 3 2. - <_> - - <_> - 0 9 20 3 -1. - <_> - 0 10 20 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 2 2 15 12 -1. - <_> - 2 8 15 6 2. - <_> - - <_> - 11 5 5 6 -1. - <_> - 11 8 5 3 2. - <_> - - <_> - 2 8 14 3 -1. - <_> - 2 9 14 1 3. - <_> - - <_> - 10 2 6 9 -1. - <_> - 10 5 6 3 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 8 14 12 6 -1. - <_> - 14 14 6 3 2. - <_> - 8 17 6 3 2. - <_> - - <_> - 6 12 8 6 -1. - <_> - 6 14 8 2 3. - <_> - - <_> - 9 14 9 4 -1. - <_> - 9 16 9 2 2. - <_> - - <_> - 0 14 7 4 -1. - <_> - 0 16 7 2 2. - <_> - - <_> - 2 11 18 8 -1. - <_> - 2 15 18 4 2. - <_> - - <_> - 0 12 10 8 -1. - <_> - 0 12 5 4 2. - <_> - 5 16 5 4 2. - <_> - - <_> - 13 9 4 7 -1. - <_> - 13 9 2 7 2. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 12 5 5 9 -1. - <_> - 12 8 5 3 3. - <_> - - <_> - 3 5 5 9 -1. - <_> - 3 8 5 3 3. - <_> - - <_> - 5 5 11 6 -1. - <_> - 5 8 11 3 2. - <_> - - <_> - 4 0 4 7 -1. - <_> - 6 0 2 7 2. - <_> - - <_> - 1 8 18 5 -1. - <_> - 7 8 6 5 3. - <_> - - <_> - 1 3 18 7 -1. - <_> - 7 3 6 7 3. - <_> - - <_> - 7 11 7 8 -1. - <_> - 7 15 7 4 2. - <_> - - <_> - 4 14 12 6 -1. - <_> - 10 14 6 6 2. - <_> - - <_> - 5 6 11 9 -1. - <_> - 5 9 11 3 3. - <_> - - <_> - 7 12 4 8 -1. - <_> - 7 16 4 4 2. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 6 5 7 6 -1. - <_> - 6 8 7 3 2. - <_> - - <_> - 13 9 4 7 -1. - <_> - 13 9 2 7 2. - <_> - - <_> - 3 9 4 7 -1. - <_> - 5 9 2 7 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 2 10 8 10 -1. - <_> - 6 10 4 10 2. - <_> - - <_> - 8 4 12 16 -1. - <_> - 14 4 6 8 2. - <_> - 8 12 6 8 2. - <_> - - <_> - 0 4 12 16 -1. - <_> - 0 4 6 8 2. - <_> - 6 12 6 8 2. - <_> - - <_> - 8 4 6 7 -1. - <_> - 10 4 2 7 3. - <_> - - <_> - 8 6 4 14 -1. - <_> - 8 6 2 7 2. - <_> - 10 13 2 7 2. - <_> - - <_> - 5 2 10 18 -1. - <_> - 10 2 5 9 2. - <_> - 5 11 5 9 2. - <_> - - <_> - 6 11 7 6 -1. - <_> - 6 13 7 2 3. - <_> - - <_> - 9 4 5 12 -1. - <_> - 9 10 5 6 2. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 13 7 2 2. - <_> - - <_> - 1 5 19 15 -1. - <_> - 1 10 19 5 3. - <_> - - <_> - 0 15 7 4 -1. - <_> - 0 17 7 2 2. - <_> - - <_> - 6 0 10 6 -1. - <_> - 11 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 0 5 3 2. - <_> - 9 3 5 3 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 11 7 7 6 -1. - <_> - 11 9 7 2 3. - <_> - - <_> - 4 6 12 5 -1. - <_> - 8 6 4 5 3. - <_> - - <_> - 9 4 11 4 -1. - <_> - 9 6 11 2 2. - <_> - - <_> - 2 1 6 10 -1. - <_> - 2 1 3 5 2. - <_> - 5 6 3 5 2. - <_> - - <_> - 12 5 4 8 -1. - <_> - 12 9 4 4 2. - <_> - - <_> - 0 5 18 8 -1. - <_> - 0 5 9 4 2. - <_> - 9 9 9 4 2. - <_> - - <_> - 9 6 5 12 -1. - <_> - 9 12 5 6 2. - <_> - - <_> - 0 12 13 2 -1. - <_> - 0 13 13 1 2. - <_> - - <_> - 10 4 3 13 -1. - <_> - 11 4 1 13 3. - <_> - - <_> - 7 3 3 14 -1. - <_> - 8 3 1 14 3. - <_> - - <_> - 7 12 6 8 -1. - <_> - 9 12 2 8 3. - <_> - - <_> - 4 5 4 12 -1. - <_> - 4 9 4 4 3. - <_> - - <_> - 3 3 17 2 -1. - <_> - 3 4 17 1 2. - <_> - - <_> - 2 0 15 6 -1. - <_> - 2 2 15 2 3. - <_> - - <_> - 8 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 1 10 10 6 -1. - <_> - 1 12 10 2 3. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 1 8 4 12 -1. - <_> - 3 8 2 12 2. - <_> - - <_> - 4 15 15 5 -1. - <_> - 9 15 5 5 3. - <_> - - <_> - 0 1 14 3 -1. - <_> - 0 2 14 1 3. - <_> - - <_> - 10 2 6 7 -1. - <_> - 12 2 2 7 3. - <_> - - <_> - 4 2 6 7 -1. - <_> - 6 2 2 7 3. - <_> - - <_> - 6 12 8 6 -1. - <_> - 6 14 8 2 3. - <_> - - <_> - 1 3 14 12 -1. - <_> - 1 7 14 4 3. - <_> - - <_> - 4 15 15 5 -1. - <_> - 9 15 5 5 3. - <_> - - <_> - 1 15 15 5 -1. - <_> - 6 15 5 5 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 11 10 4 7 -1. - <_> - 11 10 2 7 2. - <_> - - <_> - 5 10 4 7 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 4 10 12 5 -1. - <_> - 8 10 4 5 3. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 7 1 13 2 -1. - <_> - 7 2 13 1 2. - <_> - - <_> - 2 5 14 2 -1. - <_> - 2 6 14 1 2. - <_> - - <_> - 14 0 3 14 -1. - <_> - 15 0 1 14 3. - <_> - - <_> - 3 0 3 14 -1. - <_> - 4 0 1 14 3. - <_> - - <_> - 14 0 6 13 -1. - <_> - 16 0 2 13 3. - <_> - - <_> - 0 0 6 13 -1. - <_> - 2 0 2 13 3. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 0 3 4 7 -1. - <_> - 2 3 2 7 2. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 2 4 8 -1. - <_> - 0 6 4 4 2. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 1 20 16 -1. - <_> - 0 1 10 8 2. - <_> - 10 9 10 8 2. - <_> - - <_> - 7 1 10 16 -1. - <_> - 12 1 5 8 2. - <_> - 7 9 5 8 2. - <_> - - <_> - 0 1 16 14 -1. - <_> - 0 1 8 7 2. - <_> - 8 8 8 7 2. - <_> - - <_> - 9 5 10 6 -1. - <_> - 14 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 1 5 10 6 -1. - <_> - 1 5 5 3 2. - <_> - 6 8 5 3 2. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 6 13 1 2. - <_> - - <_> - 0 4 10 4 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 4 4 4 2. - <_> - - <_> - 0 3 20 3 -1. - <_> - 0 4 20 1 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 0 4 6 3 3. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 3 17 14 2 2. - <_> - - <_> - 12 12 7 6 -1. - <_> - 12 14 7 2 3. - <_> - - <_> - 0 14 18 4 -1. - <_> - 0 14 9 2 2. - <_> - 9 16 9 2 2. - <_> - - <_> - 14 4 4 9 -1. - <_> - 14 4 2 9 2. - <_> - - <_> - 0 4 6 8 -1. - <_> - 2 4 2 8 3. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 1 10 5 9 -1. - <_> - 1 13 5 3 3. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 5 0 9 5 -1. - <_> - 8 0 3 5 3. - <_> - - <_> - 16 6 4 14 -1. - <_> - 18 6 2 7 2. - <_> - 16 13 2 7 2. - <_> - - <_> - 3 1 10 16 -1. - <_> - 3 1 5 8 2. - <_> - 8 9 5 8 2. - <_> - - <_> - 2 12 18 4 -1. - <_> - 11 12 9 2 2. - <_> - 2 14 9 2 2. - <_> - - <_> - 8 4 4 7 -1. - <_> - 10 4 2 7 2. - <_> - - <_> - 12 0 3 20 -1. - <_> - 13 0 1 20 3. - <_> - - <_> - 5 0 3 20 -1. - <_> - 6 0 1 20 3. - <_> - - <_> - 11 13 9 7 -1. - <_> - 14 13 3 7 3. - <_> - - <_> - 8 5 4 14 -1. - <_> - 8 5 2 7 2. - <_> - 10 12 2 7 2. - <_> - - <_> - 2 12 18 4 -1. - <_> - 11 12 9 2 2. - <_> - 2 14 9 2 2. - <_> - - <_> - 0 12 18 4 -1. - <_> - 0 12 9 2 2. - <_> - 9 14 9 2 2. - <_> - - <_> - 8 14 12 5 -1. - <_> - 12 14 4 5 3. - <_> - - <_> - 0 14 12 5 -1. - <_> - 4 14 4 5 3. - <_> - - <_> - 6 8 14 3 -1. - <_> - 6 9 14 1 3. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 13 10 6 10 -1. - <_> - 16 10 3 5 2. - <_> - 13 15 3 5 2. - <_> - - <_> - 0 5 20 12 -1. - <_> - 0 5 10 6 2. - <_> - 10 11 10 6 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 1 18 15 2 -1. - <_> - 1 19 15 1 2. - <_> - - <_> - 13 10 6 10 -1. - <_> - 16 10 3 5 2. - <_> - 13 15 3 5 2. - <_> - - <_> - 0 14 20 6 -1. - <_> - 0 16 20 2 3. - <_> - - <_> - 13 10 6 10 -1. - <_> - 16 10 3 5 2. - <_> - 13 15 3 5 2. - <_> - - <_> - 3 0 13 2 -1. - <_> - 3 1 13 1 2. - <_> - - <_> - 0 7 20 3 -1. - <_> - 0 8 20 1 3. - <_> - - <_> - 2 5 10 8 -1. - <_> - 2 9 10 4 2. - <_> - - <_> - 8 5 12 6 -1. - <_> - 8 8 12 3 2. - <_> - - <_> - 0 5 11 6 -1. - <_> - 0 8 11 3 2. - <_> - - <_> - 3 10 17 2 -1. - <_> - 3 11 17 1 2. - <_> - - <_> - 1 10 6 10 -1. - <_> - 1 10 3 5 2. - <_> - 4 15 3 5 2. - <_> - - <_> - 1 0 18 3 -1. - <_> - 7 0 6 3 3. - <_> - - <_> - 3 12 14 4 -1. - <_> - 3 14 14 2 2. - <_> - - <_> - 8 0 7 8 -1. - <_> - 8 4 7 4 2. - <_> - - <_> - 3 13 7 6 -1. - <_> - 3 15 7 2 3. - <_> - - <_> - 9 7 3 13 -1. - <_> - 10 7 1 13 3. - <_> - - <_> - 0 14 5 6 -1. - <_> - 0 17 5 3 2. - <_> - - <_> - 5 6 15 4 -1. - <_> - 10 6 5 4 3. - <_> - - <_> - 0 6 15 4 -1. - <_> - 5 6 5 4 3. - <_> - - <_> - 16 9 3 10 -1. - <_> - 16 14 3 5 2. - <_> - - <_> - 1 0 8 15 -1. - <_> - 1 5 8 5 3. - <_> - - <_> - 14 0 4 13 -1. - <_> - 14 0 2 13 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 4 0 15 2 -1. - <_> - 4 1 15 1 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 10 0 4 6 2. - <_> - 6 6 4 6 2. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 1 1 16 4 -1. - <_> - 1 1 8 2 2. - <_> - 9 3 8 2 2. - <_> - - <_> - 17 6 3 13 -1. - <_> - 18 6 1 13 3. - <_> - - <_> - 0 6 3 13 -1. - <_> - 1 6 1 13 3. - <_> - - <_> - 9 2 6 14 -1. - <_> - 12 2 3 7 2. - <_> - 9 9 3 7 2. - <_> - - <_> - 7 6 4 7 -1. - <_> - 9 6 2 7 2. - <_> - - <_> - 6 8 8 12 -1. - <_> - 10 8 4 6 2. - <_> - 6 14 4 6 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 2 13 16 3 -1. - <_> - 2 14 16 1 3. - <_> - - <_> - 6 8 8 10 -1. - <_> - 6 8 4 5 2. - <_> - 10 13 4 5 2. - <_> - - <_> - 5 3 12 3 -1. - <_> - 5 3 6 3 2. - <_> - - <_> - 8 0 4 18 -1. - <_> - 8 6 4 6 3. - <_> - - <_> - 9 8 3 12 -1. - <_> - 9 14 3 6 2. - <_> - - <_> - 7 7 3 10 -1. - <_> - 7 12 3 5 2. - <_> - - <_> - 10 5 7 6 -1. - <_> - 10 7 7 2 3. - <_> - - <_> - 0 6 4 14 -1. - <_> - 0 6 2 7 2. - <_> - 2 13 2 7 2. - <_> - - <_> - 13 10 6 5 -1. - <_> - 13 10 3 5 2. - <_> - - <_> - 1 10 6 5 -1. - <_> - 4 10 3 5 2. - <_> - - <_> - 14 10 4 7 -1. - <_> - 14 10 2 7 2. - <_> - - <_> - 1 12 6 5 -1. - <_> - 4 12 3 5 2. - <_> - - <_> - 6 6 8 12 -1. - <_> - 6 12 8 6 2. - <_> - - <_> - 0 8 14 3 -1. - <_> - 0 9 14 1 3. - <_> - - <_> - 8 11 6 6 -1. - <_> - 8 14 6 3 2. - <_> - - <_> - 6 1 8 12 -1. - <_> - 6 7 8 6 2. - <_> - - <_> - 2 0 16 8 -1. - <_> - 2 4 16 4 2. - <_> - - <_> - 1 0 17 3 -1. - <_> - 1 1 17 1 3. - <_> - - <_> - 5 13 13 2 -1. - <_> - 5 14 13 1 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 0 14 9 6 -1. - <_> - 3 14 3 6 3. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 6 0 8 12 -1. - <_> - 6 4 8 4 3. - <_> - - <_> - 0 1 13 2 -1. - <_> - 0 2 13 1 2. - <_> - - <_> - 15 1 3 13 -1. - <_> - 16 1 1 13 3. - <_> - - <_> - 2 1 3 13 -1. - <_> - 3 1 1 13 3. - <_> - - <_> - 4 4 12 4 -1. - <_> - 8 4 4 4 3. - <_> - - <_> - 1 0 18 4 -1. - <_> - 7 0 6 4 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 5 2 3 18 -1. - <_> - 6 2 1 18 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 0 10 20 3 -1. - <_> - 0 11 20 1 3. - <_> - - <_> - 7 10 13 3 -1. - <_> - 7 11 13 1 3. - <_> - - <_> - 0 15 13 2 -1. - <_> - 0 16 13 1 2. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 3 7 12 5 -1. - <_> - 7 7 4 5 3. - <_> - - <_> - 2 11 16 8 -1. - <_> - 10 11 8 4 2. - <_> - 2 15 8 4 2. - <_> - - <_> - 2 0 14 12 -1. - <_> - 2 6 14 6 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 11 5 3 2. - <_> - 10 14 5 3 2. - <_> - - <_> - 10 1 7 6 -1. - <_> - 10 3 7 2 3. - <_> - - <_> - 5 3 10 6 -1. - <_> - 5 5 10 2 3. - <_> - - <_> - 4 6 12 3 -1. - <_> - 4 6 6 3 2. - <_> - - <_> - 1 4 14 3 -1. - <_> - 1 5 14 1 3. - <_> - - <_> - 12 12 8 4 -1. - <_> - 12 12 4 4 2. - <_> - - <_> - 0 12 8 4 -1. - <_> - 4 12 4 4 2. - <_> - - <_> - 10 9 10 8 -1. - <_> - 10 9 5 8 2. - <_> - - <_> - 0 9 10 8 -1. - <_> - 5 9 5 8 2. - <_> - - <_> - 3 4 14 3 -1. - <_> - 3 5 14 1 3. - <_> - - <_> - 0 5 12 4 -1. - <_> - 0 7 12 2 2. - <_> - - <_> - 7 1 8 12 -1. - <_> - 7 7 8 6 2. - <_> - - <_> - 5 0 10 15 -1. - <_> - 10 0 5 15 2. - <_> - - <_> - 6 1 10 6 -1. - <_> - 11 1 5 3 2. - <_> - 6 4 5 3 2. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 1 5 3 2. - <_> - 9 4 5 3 2. - <_> - - <_> - 1 5 18 3 -1. - <_> - 7 5 6 3 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 11 8 4 12 -1. - <_> - 11 8 2 12 2. - <_> - - <_> - 5 8 4 12 -1. - <_> - 7 8 2 12 2. - <_> - - <_> - 8 4 4 16 -1. - <_> - 10 4 2 8 2. - <_> - 8 12 2 8 2. - <_> - - <_> - 8 6 4 14 -1. - <_> - 8 6 2 7 2. - <_> - 10 13 2 7 2. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 3 0 13 9 -1. - <_> - 3 3 13 3 3. - <_> - - <_> - 3 5 17 6 -1. - <_> - 3 7 17 2 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 3 1 15 19 -1. - <_> - 8 1 5 19 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 3 2 14 3 -1. - <_> - 3 2 7 3 2. - <_> - - <_> - 3 6 10 3 -1. - <_> - 8 6 5 3 2. - <_> - - <_> - 6 7 14 2 -1. - <_> - 6 8 14 1 2. - <_> - - <_> - 2 4 15 3 -1. - <_> - 2 5 15 1 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 8 15 7 4 -1. - <_> - 8 17 7 2 2. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 15 20 3 2. - <_> - - <_> - 6 3 13 3 -1. - <_> - 6 4 13 1 3. - <_> - - <_> - 1 5 17 12 -1. - <_> - 1 9 17 4 3. - <_> - - <_> - 6 11 13 3 -1. - <_> - 6 12 13 1 3. - <_> - - <_> - 2 5 16 8 -1. - <_> - 2 9 16 4 2. - <_> - - <_> - 9 5 5 14 -1. - <_> - 9 12 5 7 2. - <_> - - <_> - 8 4 3 16 -1. - <_> - 9 4 1 16 3. - <_> - - <_> - 3 4 14 6 -1. - <_> - 10 4 7 3 2. - <_> - 3 7 7 3 2. - <_> - - <_> - 0 3 7 6 -1. - <_> - 0 5 7 2 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 10 5 6 3 2. - <_> - 4 8 6 3 2. - <_> - - <_> - 0 13 19 6 -1. - <_> - 0 15 19 2 3. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 3 1 7 6 -1. - <_> - 3 3 7 2 3. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 1 3 8 10 -1. - <_> - 1 3 4 5 2. - <_> - 5 8 4 5 2. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 12 4 6 2. - <_> - - <_> - 4 10 4 7 -1. - <_> - 6 10 2 7 2. - <_> - - <_> - 8 0 9 14 -1. - <_> - 11 0 3 14 3. - <_> - - <_> - 1 1 18 19 -1. - <_> - 7 1 6 19 3. - <_> - - <_> - 8 5 8 9 -1. - <_> - 8 8 8 3 3. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 2 10 6 8 -1. - <_> - 4 10 2 8 3. - <_> - - <_> - 12 13 7 6 -1. - <_> - 12 15 7 2 3. - <_> - - <_> - 6 10 4 8 -1. - <_> - 6 14 4 4 2. - <_> - - <_> - 10 9 6 10 -1. - <_> - 10 14 6 5 2. - <_> - - <_> - 4 9 6 10 -1. - <_> - 4 14 6 5 2. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 1 13 7 6 -1. - <_> - 1 15 7 2 3. - <_> - - <_> - 13 1 6 13 -1. - <_> - 13 1 3 13 2. - <_> - - <_> - 3 3 13 3 -1. - <_> - 3 4 13 1 3. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 4 14 10 6 -1. - <_> - 4 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 11 1 4 14 -1. - <_> - 13 1 2 7 2. - <_> - 11 8 2 7 2. - <_> - - <_> - 0 3 14 2 -1. - <_> - 0 4 14 1 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 3 6 3 2. - <_> - - <_> - 0 0 16 18 -1. - <_> - 0 6 16 6 3. - <_> - - <_> - 14 2 5 9 -1. - <_> - 14 5 5 3 3. - <_> - - <_> - 1 10 4 10 -1. - <_> - 1 15 4 5 2. - <_> - - <_> - 16 6 2 14 -1. - <_> - 16 13 2 7 2. - <_> - - <_> - 2 6 2 14 -1. - <_> - 2 13 2 7 2. - <_> - - <_> - 14 2 5 9 -1. - <_> - 14 5 5 3 3. - <_> - - <_> - 1 2 5 9 -1. - <_> - 1 5 5 3 3. - <_> - - <_> - 8 4 9 9 -1. - <_> - 8 7 9 3 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 5 6 3 2. - <_> - 10 8 6 3 2. - <_> - - <_> - 13 4 3 16 -1. - <_> - 14 4 1 16 3. - <_> - - <_> - 4 4 3 16 -1. - <_> - 5 4 1 16 3. - <_> - - <_> - 12 2 4 12 -1. - <_> - 12 6 4 4 3. - <_> - - <_> - 6 0 2 14 -1. - <_> - 7 0 1 14 2. - <_> - - <_> - 15 0 4 16 -1. - <_> - 15 8 4 8 2. - <_> - - <_> - 1 0 4 16 -1. - <_> - 1 8 4 8 2. - <_> - - <_> - 12 9 8 6 -1. - <_> - 12 11 8 2 3. - <_> - - <_> - 0 6 14 2 -1. - <_> - 7 6 7 2 2. - <_> - - <_> - 0 0 20 5 -1. - <_> - 0 0 10 5 2. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 0 6 3 2. - <_> - 10 3 6 3 2. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 14 1 5 9 -1. - <_> - 14 4 5 3 3. - <_> - - <_> - 1 6 18 2 -1. - <_> - 1 7 18 1 2. - <_> - - <_> - 7 1 7 6 -1. - <_> - 7 3 7 2 3. - <_> - - <_> - 1 2 18 10 -1. - <_> - 1 2 9 5 2. - <_> - 10 7 9 5 2. - <_> - - <_> - 9 3 8 8 -1. - <_> - 13 3 4 4 2. - <_> - 9 7 4 4 2. - <_> - - <_> - 3 1 12 4 -1. - <_> - 9 1 6 4 2. - <_> - - <_> - 4 5 12 7 -1. - <_> - 8 5 4 7 3. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 7 10 6 7 -1. - <_> - 9 10 2 7 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 11 2 2 16 -1. - <_> - 11 2 1 16 2. - <_> - - <_> - 2 13 9 7 -1. - <_> - 5 13 3 7 3. - <_> - - <_> - 11 2 2 16 -1. - <_> - 11 2 1 16 2. - <_> - - <_> - 0 9 18 11 -1. - <_> - 6 9 6 11 3. - <_> - - <_> - 11 2 2 16 -1. - <_> - 11 2 1 16 2. - <_> - - <_> - 3 7 12 6 -1. - <_> - 7 7 4 6 3. - <_> - - <_> - 11 4 5 9 -1. - <_> - 11 7 5 3 3. - <_> - - <_> - 4 4 5 9 -1. - <_> - 4 7 5 3 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 14 1 5 9 -1. - <_> - 14 4 5 3 3. - <_> - - <_> - 7 2 2 16 -1. - <_> - 8 2 1 16 2. - <_> - - <_> - 3 15 14 3 -1. - <_> - 3 16 14 1 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 0 1 20 6 -1. - <_> - 10 1 10 3 2. - <_> - 0 4 10 3 2. - <_> - - <_> - 4 0 8 5 -1. - <_> - 8 0 4 5 2. - <_> - - <_> - 13 1 3 14 -1. - <_> - 14 1 1 14 3. - <_> - - <_> - 4 1 3 14 -1. - <_> - 5 1 1 14 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 16 0 3 5 2. - <_> - 13 5 3 5 2. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 2 0 18 5 -1. - <_> - 8 0 6 5 3. - <_> - - <_> - 0 0 18 5 -1. - <_> - 6 0 6 5 3. - <_> - - <_> - 11 1 4 14 -1. - <_> - 13 1 2 7 2. - <_> - 11 8 2 7 2. - <_> - - <_> - 5 1 4 14 -1. - <_> - 5 1 2 7 2. - <_> - 7 8 2 7 2. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 7 13 3 -1. - <_> - 0 8 13 1 3. - <_> - - <_> - 16 1 3 13 -1. - <_> - 17 1 1 13 3. - <_> - - <_> - 1 1 3 13 -1. - <_> - 2 1 1 13 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 2 12 5 8 -1. - <_> - 2 16 5 4 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 6 9 9 4 -1. - <_> - 6 11 9 2 2. - <_> - - <_> - 0 7 10 6 -1. - <_> - 0 7 5 3 2. - <_> - 5 10 5 3 2. - <_> - - <_> - 15 4 5 16 -1. - <_> - 15 12 5 8 2. - <_> - - <_> - 4 0 9 9 -1. - <_> - 7 0 3 9 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 3 12 14 8 -1. - <_> - 3 12 7 8 2. - <_> - - <_> - 2 10 16 10 -1. - <_> - 2 10 8 5 2. - <_> - 10 15 8 5 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 10 5 6 3 2. - <_> - 4 8 6 3 2. - <_> - - <_> - 5 5 10 8 -1. - <_> - 5 5 5 4 2. - <_> - 10 9 5 4 2. - <_> - - <_> - 5 6 10 6 -1. - <_> - 10 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 1 15 12 5 -1. - <_> - 5 15 4 5 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 5 9 10 8 -1. - <_> - 5 9 5 4 2. - <_> - 10 13 5 4 2. - <_> - - <_> - 2 7 18 13 -1. - <_> - 8 7 6 13 3. - <_> - - <_> - 4 6 10 5 -1. - <_> - 9 6 5 5 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 5 0 2 8 3. - <_> - - <_> - 3 14 16 6 -1. - <_> - 3 14 8 6 2. - <_> - - <_> - 6 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 4 9 14 3 -1. - <_> - 4 10 14 1 3. - <_> - - <_> - 3 6 13 9 -1. - <_> - 3 9 13 3 3. - <_> - - <_> - 7 0 6 18 -1. - <_> - 7 9 6 9 2. - <_> - - <_> - 8 5 3 10 -1. - <_> - 8 10 3 5 2. - <_> - - <_> - 3 3 16 4 -1. - <_> - 3 5 16 2 2. - <_> - - <_> - 5 6 5 6 -1. - <_> - 5 9 5 3 2. - <_> - - <_> - 4 6 12 6 -1. - <_> - 4 9 12 3 2. - <_> - - <_> - 4 7 12 4 -1. - <_> - 4 9 12 2 2. - <_> - - <_> - 8 9 9 4 -1. - <_> - 8 11 9 2 2. - <_> - - <_> - 1 5 16 3 -1. - <_> - 1 6 16 1 3. - <_> - - <_> - 5 5 13 3 -1. - <_> - 5 6 13 1 3. - <_> - - <_> - 0 1 18 3 -1. - <_> - 0 2 18 1 3. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 3 1 12 4 -1. - <_> - 7 1 4 4 3. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 8 2 2 18 -1. - <_> - 8 11 2 9 2. - <_> - - <_> - 9 2 6 10 -1. - <_> - 12 2 3 5 2. - <_> - 9 7 3 5 2. - <_> - - <_> - 5 2 6 10 -1. - <_> - 5 2 3 5 2. - <_> - 8 7 3 5 2. - <_> - - <_> - 4 9 12 4 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 4 9 9 8 -1. - <_> - 4 13 9 4 2. - <_> - - <_> - 1 15 19 4 -1. - <_> - 1 17 19 2 2. - <_> - - <_> - 5 15 7 4 -1. - <_> - 5 17 7 2 2. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 0 7 20 6 -1. - <_> - 0 10 20 3 2. - <_> - - <_> - 7 0 12 10 -1. - <_> - 7 5 12 5 2. - <_> - - <_> - 0 14 10 6 -1. - <_> - 0 14 5 3 2. - <_> - 5 17 5 3 2. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 8 5 9 -1. - <_> - 0 11 5 3 3. - <_> - - <_> - 15 11 5 9 -1. - <_> - 15 14 5 3 3. - <_> - - <_> - 1 11 13 3 -1. - <_> - 1 12 13 1 3. - <_> - - <_> - 15 11 5 9 -1. - <_> - 15 14 5 3 3. - <_> - - <_> - 0 12 20 2 -1. - <_> - 0 13 20 1 2. - <_> - - <_> - 15 11 5 9 -1. - <_> - 15 14 5 3 3. - <_> - - <_> - 0 11 5 9 -1. - <_> - 0 14 5 3 3. - <_> - - <_> - 13 0 3 10 -1. - <_> - 13 5 3 5 2. - <_> - - <_> - 3 0 13 18 -1. - <_> - 3 9 13 9 2. - <_> - - <_> - 12 5 3 14 -1. - <_> - 12 12 3 7 2. - <_> - - <_> - 5 5 3 14 -1. - <_> - 5 12 3 7 2. - <_> - - <_> - 2 8 16 10 -1. - <_> - 10 8 8 5 2. - <_> - 2 13 8 5 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - <_> - - <_> - 6 3 12 9 -1. - <_> - 10 3 4 9 3. - <_> - - <_> - 4 5 6 5 -1. - <_> - 7 5 3 5 2. - <_> - - <_> - 5 1 12 8 -1. - <_> - 11 1 6 4 2. - <_> - 5 5 6 4 2. - <_> - - <_> - 5 6 6 10 -1. - <_> - 5 6 3 5 2. - <_> - 8 11 3 5 2. - <_> - - <_> - 2 10 18 9 -1. - <_> - 2 10 9 9 2. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 2 10 2 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 0 12 18 3 -1. - <_> - 6 12 6 3 3. - <_> - - <_> - 4 1 14 3 -1. - <_> - 4 2 14 1 3. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 7 12 2 3. - <_> - - <_> - 0 1 10 4 -1. - <_> - 5 1 5 4 2. - <_> - - <_> - 4 18 13 2 -1. - <_> - 4 19 13 1 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 2 4 16 10 -1. - <_> - 10 4 8 5 2. - <_> - 2 9 8 5 2. - <_> - - <_> - 0 2 16 2 -1. - <_> - 0 3 16 1 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 3 11 6 7 -1. - <_> - 5 11 2 7 3. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 3 1 10 6 -1. - <_> - 3 1 5 3 2. - <_> - 8 4 5 3 2. - <_> - - <_> - 12 9 5 9 -1. - <_> - 12 12 5 3 3. - <_> - - <_> - 6 3 4 7 -1. - <_> - 8 3 2 7 2. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 1 4 4 12 -1. - <_> - 1 8 4 4 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 8 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 10 8 8 8 -1. - <_> - 14 8 4 4 2. - <_> - 10 12 4 4 2. - <_> - - <_> - 1 7 15 3 -1. - <_> - 6 7 5 3 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 14 8 4 2. - <_> - - <_> - 3 5 14 3 -1. - <_> - 3 6 14 1 3. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 8 6 7 8 -1. - <_> - 8 10 7 4 2. - <_> - - <_> - 0 2 4 7 -1. - <_> - 2 2 2 7 2. - <_> - - <_> - 4 1 14 3 -1. - <_> - 4 2 14 1 3. - <_> - - <_> - 2 3 13 2 -1. - <_> - 2 4 13 1 2. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 2 1 16 4 -1. - <_> - 2 1 8 2 2. - <_> - 10 3 8 2 2. - <_> - - <_> - 9 0 8 6 -1. - <_> - 9 2 8 2 3. - <_> - - <_> - 3 9 6 8 -1. - <_> - 6 9 3 8 2. - <_> - - <_> - 12 10 8 6 -1. - <_> - 12 12 8 2 3. - <_> - - <_> - 4 10 6 5 -1. - <_> - 7 10 3 5 2. - <_> - - <_> - 7 6 8 8 -1. - <_> - 11 6 4 4 2. - <_> - 7 10 4 4 2. - <_> - - <_> - 7 5 6 10 -1. - <_> - 7 5 3 5 2. - <_> - 10 10 3 5 2. - <_> - - <_> - 10 4 10 4 -1. - <_> - 10 6 10 2 2. - <_> - - <_> - 0 4 10 4 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 4 2 14 6 -1. - <_> - 4 5 14 3 2. - <_> - - <_> - 0 2 13 3 -1. - <_> - 0 3 13 1 3. - <_> - - <_> - 4 9 12 5 -1. - <_> - 8 9 4 5 3. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 4 15 12 5 -1. - <_> - 8 15 4 5 3. - <_> - - <_> - 12 12 7 6 -1. - <_> - 12 14 7 2 3. - <_> - - <_> - 0 6 17 3 -1. - <_> - 0 7 17 1 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 12 18 4 -1. - <_> - 0 12 9 2 2. - <_> - 9 14 9 2 2. - <_> - - <_> - 11 0 4 7 -1. - <_> - 11 0 2 7 2. - <_> - - <_> - 0 12 14 2 -1. - <_> - 0 13 14 1 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 1 6 7 -1. - <_> - 12 1 2 7 3. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 9 1 3 14 -1. - <_> - 10 1 1 14 3. - <_> - - <_> - 4 1 6 7 -1. - <_> - 6 1 2 7 3. - <_> - - <_> - 11 11 7 6 -1. - <_> - 11 13 7 2 3. - <_> - - <_> - 2 11 7 6 -1. - <_> - 2 13 7 2 3. - <_> - - <_> - 0 3 20 12 -1. - <_> - 0 9 20 6 2. - <_> - - <_> - 7 6 6 11 -1. - <_> - 9 6 2 11 3. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 0 1 6 11 -1. - <_> - 3 1 3 11 2. - <_> - - <_> - 9 4 5 12 -1. - <_> - 9 10 5 6 2. - <_> - - <_> - 0 3 20 4 -1. - <_> - 0 3 10 2 2. - <_> - 10 5 10 2 2. - <_> - - <_> - 10 0 10 6 -1. - <_> - 15 0 5 3 2. - <_> - 10 3 5 3 2. - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 0 5 3 2. - <_> - 9 3 5 3 2. - <_> - - <_> - 7 8 13 3 -1. - <_> - 7 9 13 1 3. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 10 6 7 4 -1. - <_> - 10 8 7 2 2. - <_> - - <_> - 3 6 7 4 -1. - <_> - 3 8 7 2 2. - <_> - - <_> - 11 9 7 6 -1. - <_> - 11 11 7 2 3. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 8 7 2 2. - <_> - 9 10 7 2 2. - <_> - - <_> - 10 10 10 6 -1. - <_> - 15 10 5 3 2. - <_> - 10 13 5 3 2. - <_> - - <_> - 0 10 10 6 -1. - <_> - 0 10 5 3 2. - <_> - 5 13 5 3 2. - <_> - - <_> - 14 5 4 14 -1. - <_> - 16 5 2 7 2. - <_> - 14 12 2 7 2. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 14 5 4 14 -1. - <_> - 16 5 2 7 2. - <_> - 14 12 2 7 2. - <_> - - <_> - 2 5 4 14 -1. - <_> - 2 5 2 7 2. - <_> - 4 12 2 7 2. - <_> - - <_> - 2 5 18 12 -1. - <_> - 11 5 9 6 2. - <_> - 2 11 9 6 2. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 9 0 3 20 -1. - <_> - 10 0 1 20 3. - <_> - - <_> - 1 0 6 16 -1. - <_> - 1 8 6 8 2. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 1 3 15 4 -1. - <_> - 6 3 5 4 3. - <_> - - <_> - 8 4 5 16 -1. - <_> - 8 12 5 8 2. - <_> - - <_> - 1 12 7 6 -1. - <_> - 1 14 7 2 3. - <_> - - <_> - 17 5 3 12 -1. - <_> - 17 11 3 6 2. - <_> - - <_> - 1 3 15 3 -1. - <_> - 1 4 15 1 3. - <_> - - <_> - 8 5 4 12 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 8 7 3 10 -1. - <_> - 8 12 3 5 2. - <_> - - <_> - 4 1 14 3 -1. - <_> - 4 2 14 1 3. - <_> - - <_> - 0 5 3 12 -1. - <_> - 0 11 3 6 2. - <_> - - <_> - 1 13 18 6 -1. - <_> - 7 13 6 6 3. - <_> - - <_> - 7 3 4 7 -1. - <_> - 9 3 2 7 2. - <_> - - <_> - 8 7 9 5 -1. - <_> - 11 7 3 5 3. - <_> - - <_> - 3 7 9 5 -1. - <_> - 6 7 3 5 3. - <_> - - <_> - 10 10 8 10 -1. - <_> - 14 10 4 5 2. - <_> - 10 15 4 5 2. - <_> - - <_> - 2 10 8 10 -1. - <_> - 2 10 4 5 2. - <_> - 6 15 4 5 2. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 3 12 7 6 -1. - <_> - 3 14 7 2 3. - <_> - - <_> - 8 3 5 8 -1. - <_> - 8 7 5 4 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 7 4 6 4 2. - <_> - - <_> - 10 0 7 6 -1. - <_> - 10 2 7 2 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 7 12 13 3 -1. - <_> - 7 13 13 1 3. - <_> - - <_> - 1 3 18 4 -1. - <_> - 1 3 9 2 2. - <_> - 10 5 9 2 2. - <_> - - <_> - 6 1 8 8 -1. - <_> - 10 1 4 4 2. - <_> - 6 5 4 4 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 2 4 18 6 -1. - <_> - 11 4 9 3 2. - <_> - 2 7 9 3 2. - <_> - - <_> - 1 5 8 8 -1. - <_> - 1 5 4 4 2. - <_> - 5 9 4 4 2. - <_> - - <_> - 14 0 2 13 -1. - <_> - 14 0 1 13 2. - <_> - - <_> - 4 0 2 13 -1. - <_> - 5 0 1 13 2. - <_> - - <_> - 7 3 12 3 -1. - <_> - 7 3 6 3 2. - <_> - - <_> - 1 3 12 3 -1. - <_> - 7 3 6 3 2. - <_> - - <_> - 7 1 6 7 -1. - <_> - 9 1 2 7 3. - <_> - - <_> - 5 2 6 12 -1. - <_> - 7 2 2 12 3. - <_> - - <_> - 9 5 6 12 -1. - <_> - 12 5 3 6 2. - <_> - 9 11 3 6 2. - <_> - - <_> - 5 5 6 12 -1. - <_> - 5 5 3 6 2. - <_> - 8 11 3 6 2. - <_> - - <_> - 5 9 14 3 -1. - <_> - 5 10 14 1 3. - <_> - - <_> - 1 3 18 12 -1. - <_> - 1 3 9 6 2. - <_> - 10 9 9 6 2. - <_> - - <_> - 3 11 14 4 -1. - <_> - 10 11 7 2 2. - <_> - 3 13 7 2 2. - <_> - - <_> - 4 6 4 14 -1. - <_> - 4 6 2 7 2. - <_> - 6 13 2 7 2. - <_> - - <_> - 11 11 4 7 -1. - <_> - 11 11 2 7 2. - <_> - - <_> - 5 11 4 7 -1. - <_> - 7 11 2 7 2. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 1 3 18 4 -1. - <_> - 7 3 6 4 3. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 3 8 14 3 -1. - <_> - 10 8 7 3 2. - <_> - - <_> - 9 4 2 13 -1. - <_> - 9 4 1 13 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 10 0 7 6 -1. - <_> - 10 2 7 2 3. - <_> - - <_> - 3 0 7 6 -1. - <_> - 3 2 7 2 3. - <_> - - <_> - 2 0 16 3 -1. - <_> - 2 1 16 1 3. - <_> - - <_> - 2 9 7 4 -1. - <_> - 2 11 7 2 2. - <_> - - <_> - 4 7 16 8 -1. - <_> - 12 7 8 4 2. - <_> - 4 11 8 4 2. - <_> - - <_> - 0 7 16 8 -1. - <_> - 0 7 8 4 2. - <_> - 8 11 8 4 2. - <_> - - <_> - 7 12 10 6 -1. - <_> - 12 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 3 12 10 6 -1. - <_> - 3 12 5 3 2. - <_> - 8 15 5 3 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 4 5 4 8 -1. - <_> - 4 9 4 4 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 2 4 14 3 -1. - <_> - 2 5 14 1 3. - <_> - - <_> - 2 3 18 4 -1. - <_> - 11 3 9 2 2. - <_> - 2 5 9 2 2. - <_> - - <_> - 5 0 10 18 -1. - <_> - 5 6 10 6 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 13 4 3 15 -1. - <_> - 14 4 1 15 3. - <_> - - <_> - 4 4 3 15 -1. - <_> - 5 4 1 15 3. - <_> - - <_> - 14 4 6 10 -1. - <_> - 16 4 2 10 3. - <_> - - <_> - 0 4 6 10 -1. - <_> - 2 4 2 10 3. - <_> - - <_> - 8 5 4 14 -1. - <_> - 10 5 2 7 2. - <_> - 8 12 2 7 2. - <_> - - <_> - 4 6 12 12 -1. - <_> - 4 6 6 6 2. - <_> - 10 12 6 6 2. - <_> - - <_> - 9 1 3 19 -1. - <_> - 10 1 1 19 3. - <_> - - <_> - 2 1 3 17 -1. - <_> - 3 1 1 17 3. - <_> - - <_> - 2 7 18 4 -1. - <_> - 8 7 6 4 3. - <_> - - <_> - 1 10 8 6 -1. - <_> - 1 12 8 2 3. - <_> - - <_> - 9 9 9 8 -1. - <_> - 12 9 3 8 3. - <_> - - <_> - 0 0 20 15 -1. - <_> - 0 5 20 5 3. - <_> - - <_> - 3 1 14 6 -1. - <_> - 3 4 14 3 2. - <_> - - <_> - 0 2 7 4 -1. - <_> - 0 4 7 2 2. - <_> - - <_> - 16 2 3 15 -1. - <_> - 17 2 1 15 3. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 2 16 14 4 -1. - <_> - 2 16 7 2 2. - <_> - 9 18 7 2 2. - <_> - - <_> - 16 2 3 15 -1. - <_> - 17 2 1 15 3. - <_> - - <_> - 3 0 8 8 -1. - <_> - 3 0 4 4 2. - <_> - 7 4 4 4 2. - <_> - - <_> - 5 10 14 3 -1. - <_> - 5 11 14 1 3. - <_> - - <_> - 1 9 16 4 -1. - <_> - 1 11 16 2 2. - <_> - - <_> - 8 7 5 8 -1. - <_> - 8 11 5 4 2. - <_> - - <_> - 1 2 3 15 -1. - <_> - 2 2 1 15 3. - <_> - - <_> - 14 11 6 8 -1. - <_> - 16 11 2 8 3. - <_> - - <_> - 0 11 6 8 -1. - <_> - 2 11 2 8 3. - <_> - - <_> - 14 8 6 12 -1. - <_> - 17 8 3 6 2. - <_> - 14 14 3 6 2. - <_> - - <_> - 0 8 6 12 -1. - <_> - 0 8 3 6 2. - <_> - 3 14 3 6 2. - <_> - - <_> - 15 0 3 20 -1. - <_> - 16 0 1 20 3. - <_> - - <_> - 2 0 3 20 -1. - <_> - 3 0 1 20 3. - <_> - - <_> - 8 9 8 4 -1. - <_> - 8 9 4 4 2. - <_> - - <_> - 6 9 6 10 -1. - <_> - 9 9 3 10 2. - <_> - - <_> - 9 9 9 8 -1. - <_> - 12 9 3 8 3. - <_> - - <_> - 2 9 9 8 -1. - <_> - 5 9 3 8 3. - <_> - - <_> - 12 5 6 15 -1. - <_> - 14 5 2 15 3. - <_> - - <_> - 1 2 9 5 -1. - <_> - 4 2 3 5 3. - <_> - - <_> - 9 1 3 19 -1. - <_> - 10 1 1 19 3. - <_> - - <_> - 8 1 3 19 -1. - <_> - 9 1 1 19 3. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 6 3 10 10 -1. - <_> - 6 3 5 10 2. - <_> - - <_> - 3 0 12 5 -1. - <_> - 9 0 6 5 2. - <_> - - <_> - 8 1 10 16 -1. - <_> - 13 1 5 8 2. - <_> - 8 9 5 8 2. - <_> - - <_> - 4 8 8 4 -1. - <_> - 8 8 4 4 2. - <_> - - <_> - 9 16 9 4 -1. - <_> - 9 18 9 2 2. - <_> - - <_> - 0 14 8 6 -1. - <_> - 4 14 4 6 2. - <_> - - <_> - 12 5 6 15 -1. - <_> - 14 5 2 15 3. - <_> - - <_> - 2 5 6 15 -1. - <_> - 4 5 2 15 3. - <_> - - <_> - 11 0 9 17 -1. - <_> - 14 0 3 17 3. - <_> - - <_> - 0 0 9 17 -1. - <_> - 3 0 3 17 3. - <_> - - <_> - 3 8 17 2 -1. - <_> - 3 9 17 1 2. - <_> - - <_> - 6 1 7 4 -1. - <_> - 6 3 7 2 2. - <_> - - <_> - 4 2 12 4 -1. - <_> - 4 4 12 2 2. - <_> - - <_> - 1 8 14 3 -1. - <_> - 1 9 14 1 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 1 5 19 12 -1. - <_> - 1 9 19 4 3. - <_> - - <_> - 2 3 13 15 -1. - <_> - 2 8 13 5 3. - <_> - - <_> - 5 1 15 6 -1. - <_> - 10 1 5 6 3. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 15 9 5 9 -1. - <_> - 15 12 5 3 3. - <_> - - <_> - 3 12 14 4 -1. - <_> - 3 14 14 2 2. - <_> - - <_> - 7 14 13 2 -1. - <_> - 7 15 13 1 2. - <_> - - <_> - 0 9 5 9 -1. - <_> - 0 12 5 3 3. - <_> - - <_> - 14 5 5 15 -1. - <_> - 14 10 5 5 3. - <_> - - <_> - 1 5 5 15 -1. - <_> - 1 10 5 5 3. - <_> - - <_> - 8 3 6 17 -1. - <_> - 10 3 2 17 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 4 7 12 8 -1. - <_> - 4 11 12 4 2. - <_> - - <_> - 5 3 2 14 -1. - <_> - 5 10 2 7 2. - <_> - - <_> - 9 3 4 8 -1. - <_> - 9 7 4 4 2. - <_> - - <_> - 3 5 9 15 -1. - <_> - 3 10 9 5 3. - <_> - - <_> - 9 5 3 12 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 4 3 6 14 -1. - <_> - 4 3 3 7 2. - <_> - 7 10 3 7 2. - <_> - - <_> - 9 8 3 10 -1. - <_> - 9 13 3 5 2. - <_> - - <_> - 0 4 20 8 -1. - <_> - 0 4 10 4 2. - <_> - 10 8 10 4 2. - <_> - - <_> - 6 11 10 6 -1. - <_> - 11 11 5 3 2. - <_> - 6 14 5 3 2. - <_> - - <_> - 2 9 8 8 -1. - <_> - 2 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 6 9 14 2 -1. - <_> - 6 9 7 2 2. - <_> - - <_> - 0 9 14 2 -1. - <_> - 7 9 7 2 2. - <_> - - <_> - 2 4 18 12 -1. - <_> - 8 4 6 12 3. - <_> - - <_> - 7 4 6 8 -1. - <_> - 9 4 2 8 3. - <_> - - <_> - 9 3 6 12 -1. - <_> - 12 3 3 6 2. - <_> - 9 9 3 6 2. - <_> - - <_> - 6 9 5 9 -1. - <_> - 6 12 5 3 3. - <_> - - <_> - 0 1 20 8 -1. - <_> - 10 1 10 4 2. - <_> - 0 5 10 4 2. - <_> - - <_> - 6 3 6 17 -1. - <_> - 8 3 2 17 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 5 2. - <_> - 14 15 3 5 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 16 12 4 8 -1. - <_> - 16 12 2 8 2. - <_> - - <_> - 0 12 4 8 -1. - <_> - 2 12 2 8 2. - <_> - - <_> - 9 3 6 7 -1. - <_> - 11 3 2 7 3. - <_> - - <_> - 6 6 6 11 -1. - <_> - 8 6 2 11 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 5 4 15 4 -1. - <_> - 5 6 15 2 2. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 12 1 6 11 -1. - <_> - 14 1 2 11 3. - <_> - - <_> - 0 11 20 3 -1. - <_> - 0 12 20 1 3. - <_> - - <_> - 12 1 6 11 -1. - <_> - 14 1 2 11 3. - <_> - - <_> - 2 1 6 11 -1. - <_> - 4 1 2 11 3. - <_> - - <_> - 10 9 4 8 -1. - <_> - 10 13 4 4 2. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 15 7 5 6 -1. - <_> - 15 10 5 3 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 0 7 5 6 -1. - <_> - 0 10 5 3 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 2 0 14 3 -1. - <_> - 2 1 14 1 3. - <_> - - <_> - 4 4 13 2 -1. - <_> - 4 5 13 1 2. - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 19 20 1 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 6 0 8 14 -1. - <_> - 10 0 4 7 2. - <_> - 6 7 4 7 2. - <_> - - <_> - 0 2 6 12 -1. - <_> - 2 2 2 12 3. - <_> - - <_> - 6 12 9 6 -1. - <_> - 9 12 3 6 3. - <_> - - <_> - 2 0 7 4 -1. - <_> - 2 2 7 2 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 5 0 6 10 -1. - <_> - 5 0 3 5 2. - <_> - 8 5 3 5 2. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 18 6 2 13 -1. - <_> - 18 6 1 13 2. - <_> - - <_> - 0 6 2 13 -1. - <_> - 1 6 1 13 2. - <_> - - <_> - 16 7 4 13 -1. - <_> - 16 7 2 13 2. - <_> - - <_> - 6 5 7 6 -1. - <_> - 6 7 7 2 3. - <_> - - <_> - 6 11 10 6 -1. - <_> - 11 11 5 3 2. - <_> - 6 14 5 3 2. - <_> - - <_> - 5 9 6 5 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 10 3 4 15 -1. - <_> - 10 3 2 15 2. - <_> - - <_> - 6 3 4 15 -1. - <_> - 8 3 2 15 2. - <_> - - <_> - 6 7 13 2 -1. - <_> - 6 8 13 1 2. - <_> - - <_> - 2 15 16 4 -1. - <_> - 2 15 8 2 2. - <_> - 10 17 8 2 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 7 4 13 -1. - <_> - 2 7 2 13 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 5 11 10 9 -1. - <_> - 5 14 10 3 3. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 12 4 6 2. - <_> - - <_> - 0 3 2 16 -1. - <_> - 0 11 2 8 2. - <_> - - <_> - 0 15 20 4 -1. - <_> - 10 15 10 2 2. - <_> - 0 17 10 2 2. - <_> - - <_> - 0 15 9 4 -1. - <_> - 0 17 9 2 2. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 4 15 13 3 -1. - <_> - 4 16 13 1 3. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 6 5 8 15 -1. - <_> - 6 10 8 5 3. - <_> - - <_> - 0 0 6 7 -1. - <_> - 2 0 2 7 3. - <_> - - <_> - 14 1 6 12 -1. - <_> - 16 1 2 12 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 18 1 2 13 -1. - <_> - 18 1 1 13 2. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 14 2 4 10 -1. - <_> - 14 2 2 10 2. - <_> - - <_> - 0 3 4 16 -1. - <_> - 0 3 2 8 2. - <_> - 2 11 2 8 2. - <_> - - <_> - 6 0 10 6 -1. - <_> - 11 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 1 14 10 6 -1. - <_> - 1 14 5 3 2. - <_> - 6 17 5 3 2. - <_> - - <_> - 8 7 5 9 -1. - <_> - 8 10 5 3 3. - <_> - - <_> - 2 2 4 10 -1. - <_> - 4 2 2 10 2. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 5 6 10 12 -1. - <_> - 5 6 5 6 2. - <_> - 10 12 5 6 2. - <_> - - <_> - 9 2 4 12 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 2 0 15 6 -1. - <_> - 2 3 15 3 2. - <_> - - <_> - 6 0 13 8 -1. - <_> - 6 4 13 4 2. - <_> - - <_> - 1 0 13 8 -1. - <_> - 1 4 13 4 2. - <_> - - <_> - 11 4 2 14 -1. - <_> - 11 11 2 7 2. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 8 5 6 10 -1. - <_> - 11 5 3 5 2. - <_> - 8 10 3 5 2. - <_> - - <_> - 4 8 10 12 -1. - <_> - 9 8 5 12 2. - <_> - - <_> - 8 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 6 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 13 0 6 7 -1. - <_> - 15 0 2 7 3. - <_> - - <_> - 1 0 6 7 -1. - <_> - 3 0 2 7 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 6 7 12 8 -1. - <_> - 10 7 4 8 3. - <_> - - <_> - 0 14 18 5 -1. - <_> - 6 14 6 5 3. - <_> - - <_> - 0 13 20 4 -1. - <_> - 10 13 10 2 2. - <_> - 0 15 10 2 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 8 8 6 -1. - <_> - 0 10 8 2 3. - <_> - - <_> - 4 8 15 2 -1. - <_> - 4 9 15 1 2. - <_> - - <_> - 0 9 6 5 -1. - <_> - 3 9 3 5 2. - <_> - - <_> - 13 9 6 5 -1. - <_> - 13 9 3 5 2. - <_> - - <_> - 1 9 6 5 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 0 0 14 19 -1. - <_> - 7 0 7 19 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 3 0 4 14 -1. - <_> - 3 0 2 7 2. - <_> - 5 7 2 7 2. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 2 4 14 3 -1. - <_> - 2 5 14 1 3. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 6 2 14 18 -1. - <_> - 13 2 7 9 2. - <_> - 6 11 7 9 2. - <_> - - <_> - 5 9 9 6 -1. - <_> - 5 12 9 3 2. - <_> - - <_> - 0 1 20 18 -1. - <_> - 10 1 10 9 2. - <_> - 0 10 10 9 2. - <_> - - <_> - 4 10 7 4 -1. - <_> - 4 12 7 2 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 1 0 14 12 -1. - <_> - 1 4 14 4 3. - <_> - - <_> - 9 0 6 8 -1. - <_> - 9 0 3 8 2. - <_> - - <_> - 4 2 12 5 -1. - <_> - 8 2 4 5 3. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 4 0 8 10 -1. - <_> - 8 0 4 10 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 9 2 2 13 -1. - <_> - 9 2 1 13 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 4 18 10 -1. - <_> - 0 4 9 5 2. - <_> - 9 9 9 5 2. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 4 3 16 6 -1. - <_> - 12 3 8 3 2. - <_> - 4 6 8 3 2. - <_> - - <_> - 3 4 5 9 -1. - <_> - 3 7 5 3 3. - <_> - - <_> - 8 4 12 5 -1. - <_> - 12 4 4 5 3. - <_> - - <_> - 3 9 8 4 -1. - <_> - 3 11 8 2 2. - <_> - - <_> - 11 0 2 15 -1. - <_> - 11 0 1 15 2. - <_> - - <_> - 7 0 2 15 -1. - <_> - 8 0 1 15 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 8 3 4 8 -1. - <_> - 10 3 2 8 2. - <_> - - <_> - 9 13 6 7 -1. - <_> - 11 13 2 7 3. - <_> - - <_> - 4 14 9 5 -1. - <_> - 7 14 3 5 3. - <_> - - <_> - 15 3 4 17 -1. - <_> - 15 3 2 17 2. - <_> - - <_> - 1 6 4 13 -1. - <_> - 3 6 2 13 2. - <_> - - <_> - 11 12 4 7 -1. - <_> - 11 12 2 7 2. - <_> - - <_> - 0 1 6 7 -1. - <_> - 2 1 2 7 3. - <_> - - <_> - 9 12 6 7 -1. - <_> - 11 12 2 7 3. - <_> - - <_> - 5 12 6 7 -1. - <_> - 7 12 2 7 3. - <_> - - <_> - 7 7 6 8 -1. - <_> - 9 7 2 8 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 2 9 14 3 -1. - <_> - 2 10 14 1 3. - <_> - - <_> - 8 7 7 4 -1. - <_> - 8 9 7 2 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 13 12 5 6 -1. - <_> - 13 15 5 3 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 4 5 16 3 -1. - <_> - 4 5 8 3 2. - <_> - - <_> - 5 3 4 14 -1. - <_> - 5 10 4 7 2. - <_> - - <_> - 4 13 15 5 -1. - <_> - 9 13 5 5 3. - <_> - - <_> - 0 3 14 2 -1. - <_> - 0 4 14 1 2. - <_> - - <_> - 4 13 15 5 -1. - <_> - 9 13 5 5 3. - <_> - - <_> - 1 13 15 5 -1. - <_> - 6 13 5 5 3. - <_> - - <_> - 12 0 8 6 -1. - <_> - 12 2 8 2 3. - <_> - - <_> - 3 10 6 5 -1. - <_> - 6 10 3 5 2. - <_> - - <_> - 4 7 14 8 -1. - <_> - 11 7 7 4 2. - <_> - 4 11 7 4 2. - <_> - - <_> - 2 7 14 8 -1. - <_> - 2 7 7 4 2. - <_> - 9 11 7 4 2. - <_> - - <_> - 11 0 2 20 -1. - <_> - 11 0 1 20 2. - <_> - - <_> - 7 0 2 20 -1. - <_> - 8 0 1 20 2. - <_> - - <_> - 10 5 6 8 -1. - <_> - 12 5 2 8 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 3 2 14 4 -1. - <_> - 10 2 7 2 2. - <_> - 3 4 7 2 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 8 4 9 16 -1. - <_> - 11 4 3 16 3. - <_> - - <_> - 4 5 6 8 -1. - <_> - 6 5 2 8 3. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 5 11 5 6 -1. - <_> - 5 14 5 3 2. - <_> - - <_> - 4 8 13 8 -1. - <_> - 4 12 13 4 2. - <_> - - <_> - 0 9 10 6 -1. - <_> - 0 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 4 0 5 8 -1. - <_> - 4 4 5 4 2. - <_> - - <_> - 8 1 4 10 -1. - <_> - 8 6 4 5 2. - <_> - - <_> - 6 3 7 10 -1. - <_> - 6 8 7 5 2. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 9 12 9 4 -1. - <_> - 9 14 9 2 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 12 8 2 2. - <_> - 10 14 8 2 2. - <_> - - <_> - 10 14 10 6 -1. - <_> - 15 14 5 3 2. - <_> - 10 17 5 3 2. - <_> - - <_> - 4 1 8 8 -1. - <_> - 4 1 4 4 2. - <_> - 8 5 4 4 2. - <_> - - <_> - 2 12 18 7 -1. - <_> - 8 12 6 7 3. - <_> - - <_> - 3 13 12 6 -1. - <_> - 3 13 6 3 2. - <_> - 9 16 6 3 2. - <_> - - <_> - 4 12 13 4 -1. - <_> - 4 14 13 2 2. - <_> - - <_> - 6 0 2 15 -1. - <_> - 7 0 1 15 2. - <_> - - <_> - 4 2 16 18 -1. - <_> - 12 2 8 9 2. - <_> - 4 11 8 9 2. - <_> - - <_> - 1 16 18 4 -1. - <_> - 7 16 6 4 3. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 4 0 12 9 -1. - <_> - 8 0 4 9 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 4 9 6 6 -1. - <_> - 7 9 3 6 2. - <_> - - <_> - 7 12 12 8 -1. - <_> - 13 12 6 4 2. - <_> - 7 16 6 4 2. - <_> - - <_> - 1 12 12 8 -1. - <_> - 1 12 6 4 2. - <_> - 7 16 6 4 2. - <_> - - <_> - 0 10 20 9 -1. - <_> - 0 13 20 3 3. - <_> - - <_> - 4 5 10 6 -1. - <_> - 4 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 13 3 7 6 -1. - <_> - 13 5 7 2 3. - <_> - - <_> - 8 1 4 14 -1. - <_> - 8 1 2 7 2. - <_> - 10 8 2 7 2. - <_> - - <_> - 12 8 5 6 -1. - <_> - 12 11 5 3 2. - <_> - - <_> - 3 8 5 6 -1. - <_> - 3 11 5 3 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 2 0 18 4 -1. - <_> - 8 0 6 4 3. - <_> - - <_> - 6 5 3 14 -1. - <_> - 6 12 3 7 2. - <_> - - <_> - 5 17 15 3 -1. - <_> - 10 17 5 3 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 6 0 3 7 2. - <_> - - <_> - 8 3 12 17 -1. - <_> - 8 3 6 17 2. - <_> - - <_> - 0 2 16 12 -1. - <_> - 8 2 8 12 2. - <_> - - <_> - 7 6 6 12 -1. - <_> - 7 12 6 6 2. - <_> - - <_> - 8 8 4 8 -1. - <_> - 8 12 4 4 2. - <_> - - <_> - 8 7 12 10 -1. - <_> - 14 7 6 5 2. - <_> - 8 12 6 5 2. - <_> - - <_> - 4 1 12 5 -1. - <_> - 10 1 6 5 2. - <_> - - <_> - 7 2 8 8 -1. - <_> - 11 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 5 2 8 8 -1. - <_> - 5 2 4 4 2. - <_> - 9 6 4 4 2. - <_> - - <_> - 3 14 14 6 -1. - <_> - 3 17 14 3 2. - <_> - - <_> - 3 3 5 12 -1. - <_> - 3 7 5 4 3. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 7 5 3 2. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 15 4 5 9 -1. - <_> - 15 7 5 3 3. - <_> - - <_> - 8 6 4 14 -1. - <_> - 8 6 2 7 2. - <_> - 10 13 2 7 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 0 8 10 -1. - <_> - 5 0 4 5 2. - <_> - 9 5 4 5 2. - <_> - - <_> - 9 12 6 7 -1. - <_> - 11 12 2 7 3. - <_> - - <_> - 5 12 6 7 -1. - <_> - 7 12 2 7 3. - <_> - - <_> - 13 9 7 6 -1. - <_> - 13 11 7 2 3. - <_> - - <_> - 1 1 16 6 -1. - <_> - 1 3 16 2 3. - <_> - - <_> - 2 1 17 6 -1. - <_> - 2 3 17 2 3. - <_> - - <_> - 4 4 2 16 -1. - <_> - 4 12 2 8 2. - <_> - - <_> - 7 6 10 14 -1. - <_> - 12 6 5 7 2. - <_> - 7 13 5 7 2. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 4 9 12 6 -1. - <_> - 10 9 6 3 2. - <_> - 4 12 6 3 2. - <_> - - <_> - 1 8 18 3 -1. - <_> - 7 8 6 3 3. - <_> - - <_> - 2 13 18 7 -1. - <_> - 8 13 6 7 3. - <_> - - <_> - 1 8 15 3 -1. - <_> - 6 8 5 3 3. - <_> - - <_> - 6 0 12 7 -1. - <_> - 10 0 4 7 3. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 6 7 6 8 -1. - <_> - 6 11 6 4 2. - <_> - - <_> - 9 2 4 12 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 0 9 7 6 -1. - <_> - 0 11 7 2 3. - <_> - - <_> - 15 4 5 9 -1. - <_> - 15 7 5 3 3. - <_> - - <_> - 2 18 13 2 -1. - <_> - 2 19 13 1 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 6 6 8 12 -1. - <_> - 6 10 8 4 3. - <_> - - <_> - 7 9 6 9 -1. - <_> - 7 12 6 3 3. - <_> - - <_> - 0 7 11 4 -1. - <_> - 0 9 11 2 2. - <_> - - <_> - 8 12 10 6 -1. - <_> - 13 12 5 3 2. - <_> - 8 15 5 3 2. - <_> - - <_> - 2 12 10 6 -1. - <_> - 2 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 12 14 8 6 -1. - <_> - 12 16 8 2 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 7 6 4 8 -1. - <_> - 7 10 4 4 2. - <_> - - <_> - 9 8 11 4 -1. - <_> - 9 10 11 2 2. - <_> - - <_> - 6 6 5 10 -1. - <_> - 6 11 5 5 2. - <_> - - <_> - 4 7 14 6 -1. - <_> - 4 9 14 2 3. - <_> - - <_> - 4 4 12 8 -1. - <_> - 4 4 6 4 2. - <_> - 10 8 6 4 2. - <_> - - <_> - 5 5 12 5 -1. - <_> - 5 5 6 5 2. - <_> - - <_> - 1 3 15 12 -1. - <_> - 6 3 5 12 3. - <_> - - <_> - 13 3 6 17 -1. - <_> - 13 3 3 17 2. - <_> - - <_> - 1 3 6 17 -1. - <_> - 4 3 3 17 2. - <_> - - <_> - 14 1 6 9 -1. - <_> - 14 4 6 3 3. - <_> - - <_> - 4 0 8 6 -1. - <_> - 4 3 8 3 2. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 0 5 8 4 -1. - <_> - 0 7 8 2 2. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 0 2 2 13 -1. - <_> - 1 2 1 13 2. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 14 16 2 2. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 6 2 8 6 -1. - <_> - 6 4 8 2 3. - <_> - - <_> - 6 5 7 4 -1. - <_> - 6 7 7 2 2. - <_> - - <_> - 9 5 10 9 -1. - <_> - 9 8 10 3 3. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 10 9 2 2. - <_> - 9 12 9 2 2. - <_> - - <_> - 8 7 6 9 -1. - <_> - 10 7 2 9 3. - <_> - - <_> - 6 4 4 7 -1. - <_> - 8 4 2 7 2. - <_> - - <_> - 9 6 9 10 -1. - <_> - 12 6 3 10 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 10 14 10 6 -1. - <_> - 15 14 5 3 2. - <_> - 10 17 5 3 2. - <_> - - <_> - 0 6 5 12 -1. - <_> - 0 10 5 4 3. - <_> - - <_> - 9 6 9 10 -1. - <_> - 12 6 3 10 3. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 6 13 10 7 -1. - <_> - 6 13 5 7 2. - <_> - - <_> - 0 2 6 17 -1. - <_> - 3 2 3 17 2. - <_> - - <_> - 10 14 9 5 -1. - <_> - 13 14 3 5 3. - <_> - - <_> - 1 14 9 5 -1. - <_> - 4 14 3 5 3. - <_> - - <_> - 7 13 7 6 -1. - <_> - 7 15 7 2 3. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 12 10 8 6 -1. - <_> - 12 12 8 2 3. - <_> - - <_> - 2 6 9 9 -1. - <_> - 5 6 3 9 3. - <_> - - <_> - 12 10 7 6 -1. - <_> - 12 12 7 2 3. - <_> - - <_> - 3 2 4 12 -1. - <_> - 5 2 2 12 2. - <_> - - <_> - 9 1 7 15 -1. - <_> - 9 6 7 5 3. - <_> - - <_> - 6 10 4 7 -1. - <_> - 8 10 2 7 2. - <_> - - <_> - 5 0 10 20 -1. - <_> - 10 0 5 10 2. - <_> - 5 10 5 10 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 9 10 2 10 3. - <_> - - <_> - 12 7 7 4 -1. - <_> - 12 9 7 2 2. - <_> - - <_> - 2 7 16 4 -1. - <_> - 2 7 8 2 2. - <_> - 10 9 8 2 2. - <_> - - <_> - 5 10 12 10 -1. - <_> - 5 10 6 10 2. - <_> - - <_> - 6 1 2 16 -1. - <_> - 6 9 2 8 2. - <_> - - <_> - 6 2 12 10 -1. - <_> - 6 7 12 5 2. - <_> - - <_> - 2 4 14 6 -1. - <_> - 2 4 7 3 2. - <_> - 9 7 7 3 2. - <_> - - <_> - 5 0 11 12 -1. - <_> - 5 4 11 4 3. - <_> - - <_> - 7 1 6 12 -1. - <_> - 7 5 6 4 3. - <_> - - <_> - 9 8 11 4 -1. - <_> - 9 10 11 2 2. - <_> - - <_> - 0 8 11 4 -1. - <_> - 0 10 11 2 2. - <_> - - <_> - 1 8 19 6 -1. - <_> - 1 11 19 3 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 7 4 6 4 2. - <_> - - <_> - 5 3 15 2 -1. - <_> - 5 4 15 1 2. - <_> - - <_> - 2 7 14 6 -1. - <_> - 2 9 14 2 3. - <_> - - <_> - 3 0 17 6 -1. - <_> - 3 2 17 2 3. - <_> - - <_> - 0 0 17 6 -1. - <_> - 0 2 17 2 3. - <_> - - <_> - 13 2 7 4 -1. - <_> - 13 4 7 2 2. - <_> - - <_> - 0 2 7 4 -1. - <_> - 0 4 7 2 2. - <_> - - <_> - 8 1 12 10 -1. - <_> - 14 1 6 5 2. - <_> - 8 6 6 5 2. - <_> - - <_> - 2 1 4 8 -1. - <_> - 2 5 4 4 2. - <_> - - <_> - 5 1 11 10 -1. - <_> - 5 6 11 5 2. - <_> - - <_> - 3 9 10 6 -1. - <_> - 3 9 5 3 2. - <_> - 8 12 5 3 2. - <_> - - <_> - 12 7 7 4 -1. - <_> - 12 9 7 2 2. - <_> - - <_> - 2 7 12 8 -1. - <_> - 6 7 4 8 3. - <_> - - <_> - 10 10 8 4 -1. - <_> - 10 10 4 4 2. - <_> - - <_> - 2 10 8 4 -1. - <_> - 6 10 4 4 2. - <_> - - <_> - 3 10 16 3 -1. - <_> - 3 10 8 3 2. - <_> - - <_> - 1 11 6 5 -1. - <_> - 4 11 3 5 2. - <_> - - <_> - 10 7 9 9 -1. - <_> - 13 7 3 9 3. - <_> - - <_> - 1 7 9 9 -1. - <_> - 4 7 3 9 3. - <_> - - <_> - 5 5 12 5 -1. - <_> - 5 5 6 5 2. - <_> - - <_> - 3 5 12 5 -1. - <_> - 9 5 6 5 2. - <_> - - <_> - 2 3 16 2 -1. - <_> - 2 3 8 2 2. - <_> - - <_> - 2 8 7 6 -1. - <_> - 2 10 7 2 3. - <_> - - <_> - 7 8 9 6 -1. - <_> - 7 10 9 2 3. - <_> - - <_> - 3 0 3 15 -1. - <_> - 4 0 1 15 3. - <_> - - <_> - 3 10 16 3 -1. - <_> - 3 10 8 3 2. - <_> - - <_> - 1 10 16 3 -1. - <_> - 9 10 8 3 2. - <_> - - <_> - 12 0 8 19 -1. - <_> - 12 0 4 19 2. - <_> - - <_> - 0 0 8 19 -1. - <_> - 4 0 4 19 2. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 0 12 16 4 -1. - <_> - 0 12 8 2 2. - <_> - 8 14 8 2 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 3 3 14 14 -1. - <_> - 10 3 7 7 2. - <_> - 3 10 7 7 2. - <_> - - <_> - 3 6 6 12 -1. - <_> - 5 6 2 12 3. - <_> - - <_> - 5 12 12 6 -1. - <_> - 9 12 4 6 3. - <_> - - <_> - 1 8 14 6 -1. - <_> - 1 8 7 3 2. - <_> - 8 11 7 3 2. - <_> - - <_> - 8 7 12 10 -1. - <_> - 14 7 6 5 2. - <_> - 8 12 6 5 2. - <_> - - <_> - 0 7 12 10 -1. - <_> - 0 7 6 5 2. - <_> - 6 12 6 5 2. - <_> - - <_> - 9 2 6 18 -1. - <_> - 12 2 3 9 2. - <_> - 9 11 3 9 2. - <_> - - <_> - 1 10 8 10 -1. - <_> - 1 10 4 5 2. - <_> - 5 15 4 5 2. - <_> - - <_> - 4 14 12 4 -1. - <_> - 4 16 12 2 2. - <_> - - <_> - 5 13 6 7 -1. - <_> - 7 13 2 7 3. - <_> - - <_> - 5 2 15 5 -1. - <_> - 10 2 5 5 3. - <_> - - <_> - 5 4 9 14 -1. - <_> - 5 11 9 7 2. - <_> - - <_> - 8 0 11 4 -1. - <_> - 8 2 11 2 2. - <_> - - <_> - 0 14 16 6 -1. - <_> - 0 16 16 2 3. - <_> - - <_> - 10 14 8 6 -1. - <_> - 10 16 8 2 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 5 8 15 3 -1. - <_> - 5 9 15 1 3. - <_> - - <_> - 0 8 19 3 -1. - <_> - 0 9 19 1 3. - <_> - - <_> - 8 16 8 4 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 16 8 4 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 9 5 10 9 -1. - <_> - 9 8 10 3 3. - <_> - - <_> - 1 5 10 9 -1. - <_> - 1 8 10 3 3. - <_> - - <_> - 4 7 14 2 -1. - <_> - 4 7 7 2 2. - <_> - - <_> - 2 7 13 2 -1. - <_> - 2 8 13 1 2. - <_> - - <_> - 6 5 8 4 -1. - <_> - 6 7 8 2 2. - <_> - - <_> - 5 12 9 5 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 3 6 14 3 -1. - <_> - 3 7 14 1 3. - <_> - - <_> - 7 2 4 12 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 2 4 16 4 -1. - <_> - 2 6 16 2 2. - <_> - - <_> - 1 4 9 4 -1. - <_> - 1 6 9 2 2. - <_> - - <_> - 9 4 11 4 -1. - <_> - 9 6 11 2 2. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 1 5 18 3 -1. - <_> - 7 5 6 3 3. - <_> - - <_> - 1 0 15 7 -1. - <_> - 6 0 5 7 3. - <_> - - <_> - 12 0 5 15 -1. - <_> - 12 5 5 5 3. - <_> - - <_> - 3 0 5 15 -1. - <_> - 3 5 5 5 3. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 8 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 4 6 12 11 -1. - <_> - 8 6 4 11 3. - <_> - - <_> - 1 7 18 4 -1. - <_> - 1 9 18 2 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 7 2 6 5 -1. - <_> - 10 2 3 5 2. - <_> - - <_> - 9 0 4 7 -1. - <_> - 9 0 2 7 2. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 13 0 7 6 -1. - <_> - 13 2 7 2 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 5 4 15 4 -1. - <_> - 5 6 15 2 2. - <_> - - <_> - 5 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 12 1 6 11 -1. - <_> - 14 1 2 11 3. - <_> - - <_> - 0 11 20 3 -1. - <_> - 0 12 20 1 3. - <_> - - <_> - 12 1 6 11 -1. - <_> - 14 1 2 11 3. - <_> - - <_> - 2 1 6 11 -1. - <_> - 4 1 2 11 3. - <_> - - <_> - 10 9 4 8 -1. - <_> - 10 13 4 4 2. - <_> - - <_> - 0 7 7 6 -1. - <_> - 0 9 7 2 3. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 15 7 5 6 -1. - <_> - 15 10 5 3 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 0 7 5 6 -1. - <_> - 0 10 5 3 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 2 0 14 3 -1. - <_> - 2 1 14 1 3. - <_> - - <_> - 4 4 13 2 -1. - <_> - 4 5 13 1 2. - <_> - - <_> - 0 18 20 2 -1. - <_> - 0 19 20 1 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 6 0 8 14 -1. - <_> - 10 0 4 7 2. - <_> - 6 7 4 7 2. - <_> - - <_> - 0 2 6 12 -1. - <_> - 2 2 2 12 3. - <_> - - <_> - 6 12 9 6 -1. - <_> - 9 12 3 6 3. - <_> - - <_> - 2 0 7 4 -1. - <_> - 2 2 7 2 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 5 0 6 10 -1. - <_> - 5 0 3 5 2. - <_> - 8 5 3 5 2. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 18 6 2 13 -1. - <_> - 18 6 1 13 2. - <_> - - <_> - 0 6 2 13 -1. - <_> - 1 6 1 13 2. - <_> - - <_> - 16 7 4 13 -1. - <_> - 16 7 2 13 2. - <_> - - <_> - 6 5 7 6 -1. - <_> - 6 7 7 2 3. - <_> - - <_> - 6 11 10 6 -1. - <_> - 11 11 5 3 2. - <_> - 6 14 5 3 2. - <_> - - <_> - 5 9 6 5 -1. - <_> - 8 9 3 5 2. - <_> - - <_> - 10 3 4 15 -1. - <_> - 10 3 2 15 2. - <_> - - <_> - 6 3 4 15 -1. - <_> - 8 3 2 15 2. - <_> - - <_> - 6 7 13 2 -1. - <_> - 6 8 13 1 2. - <_> - - <_> - 2 15 16 4 -1. - <_> - 2 15 8 2 2. - <_> - 10 17 8 2 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 7 4 13 -1. - <_> - 2 7 2 13 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 5 11 10 9 -1. - <_> - 5 14 10 3 3. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 12 4 6 2. - <_> - - <_> - 0 3 2 16 -1. - <_> - 0 11 2 8 2. - <_> - - <_> - 0 15 20 4 -1. - <_> - 10 15 10 2 2. - <_> - 0 17 10 2 2. - <_> - - <_> - 0 15 9 4 -1. - <_> - 0 17 9 2 2. - <_> - - <_> - 9 14 10 6 -1. - <_> - 14 14 5 3 2. - <_> - 9 17 5 3 2. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 4 15 13 3 -1. - <_> - 4 16 13 1 3. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 6 5 8 15 -1. - <_> - 6 10 8 5 3. - <_> - - <_> - 0 0 6 7 -1. - <_> - 2 0 2 7 3. - <_> - - <_> - 14 1 6 12 -1. - <_> - 16 1 2 12 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 18 1 2 13 -1. - <_> - 18 1 1 13 2. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 14 2 4 10 -1. - <_> - 14 2 2 10 2. - <_> - - <_> - 0 3 4 16 -1. - <_> - 0 3 2 8 2. - <_> - 2 11 2 8 2. - <_> - - <_> - 6 0 10 6 -1. - <_> - 11 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 1 14 10 6 -1. - <_> - 1 14 5 3 2. - <_> - 6 17 5 3 2. - <_> - - <_> - 8 7 5 9 -1. - <_> - 8 10 5 3 3. - <_> - - <_> - 2 2 4 10 -1. - <_> - 4 2 2 10 2. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 5 6 10 12 -1. - <_> - 5 6 5 6 2. - <_> - 10 12 5 6 2. - <_> - - <_> - 9 2 4 12 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 2 0 15 6 -1. - <_> - 2 3 15 3 2. - <_> - - <_> - 6 0 13 8 -1. - <_> - 6 4 13 4 2. - <_> - - <_> - 1 0 13 8 -1. - <_> - 1 4 13 4 2. - <_> - - <_> - 11 4 2 14 -1. - <_> - 11 11 2 7 2. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 8 5 6 10 -1. - <_> - 11 5 3 5 2. - <_> - 8 10 3 5 2. - <_> - - <_> - 4 8 10 12 -1. - <_> - 9 8 5 12 2. - <_> - - <_> - 8 5 6 5 -1. - <_> - 8 5 3 5 2. - <_> - - <_> - 6 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 13 0 6 7 -1. - <_> - 15 0 2 7 3. - <_> - - <_> - 1 0 6 7 -1. - <_> - 3 0 2 7 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 6 17 6 3 3. - <_> - - <_> - 6 7 12 8 -1. - <_> - 10 7 4 8 3. - <_> - - <_> - 0 14 18 5 -1. - <_> - 6 14 6 5 3. - <_> - - <_> - 0 13 20 4 -1. - <_> - 10 13 10 2 2. - <_> - 0 15 10 2 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 11 11 7 4 -1. - <_> - 11 13 7 2 2. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 8 8 6 -1. - <_> - 0 10 8 2 3. - <_> - - <_> - 4 8 15 2 -1. - <_> - 4 9 15 1 2. - <_> - - <_> - 0 9 6 5 -1. - <_> - 3 9 3 5 2. - <_> - - <_> - 13 9 6 5 -1. - <_> - 13 9 3 5 2. - <_> - - <_> - 1 9 6 5 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 0 0 14 19 -1. - <_> - 7 0 7 19 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 3 0 4 14 -1. - <_> - 3 0 2 7 2. - <_> - 5 7 2 7 2. - <_> - - <_> - 13 4 7 6 -1. - <_> - 13 6 7 2 3. - <_> - - <_> - 2 4 14 3 -1. - <_> - 2 5 14 1 3. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 6 2 14 18 -1. - <_> - 13 2 7 9 2. - <_> - 6 11 7 9 2. - <_> - - <_> - 5 9 9 6 -1. - <_> - 5 12 9 3 2. - <_> - - <_> - 0 1 20 18 -1. - <_> - 10 1 10 9 2. - <_> - 0 10 10 9 2. - <_> - - <_> - 4 10 7 4 -1. - <_> - 4 12 7 2 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 1 0 14 12 -1. - <_> - 1 4 14 4 3. - <_> - - <_> - 9 0 6 8 -1. - <_> - 9 0 3 8 2. - <_> - - <_> - 4 2 12 5 -1. - <_> - 8 2 4 5 3. - <_> - - <_> - 12 0 2 15 -1. - <_> - 12 0 1 15 2. - <_> - - <_> - 4 0 8 10 -1. - <_> - 8 0 4 10 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 9 2 2 13 -1. - <_> - 9 2 1 13 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 4 18 10 -1. - <_> - 0 4 9 5 2. - <_> - 9 9 9 5 2. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 4 3 16 6 -1. - <_> - 12 3 8 3 2. - <_> - 4 6 8 3 2. - <_> - - <_> - 3 4 5 9 -1. - <_> - 3 7 5 3 3. - <_> - - <_> - 8 4 12 5 -1. - <_> - 12 4 4 5 3. - <_> - - <_> - 3 9 8 4 -1. - <_> - 3 11 8 2 2. - <_> - - <_> - 11 0 2 15 -1. - <_> - 11 0 1 15 2. - <_> - - <_> - 7 0 2 15 -1. - <_> - 8 0 1 15 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 8 3 4 8 -1. - <_> - 10 3 2 8 2. - <_> - - <_> - 9 13 6 7 -1. - <_> - 11 13 2 7 3. - <_> - - <_> - 4 14 9 5 -1. - <_> - 7 14 3 5 3. - <_> - - <_> - 15 3 4 17 -1. - <_> - 15 3 2 17 2. - <_> - - <_> - 1 6 4 13 -1. - <_> - 3 6 2 13 2. - <_> - - <_> - 11 12 4 7 -1. - <_> - 11 12 2 7 2. - <_> - - <_> - 0 1 6 7 -1. - <_> - 2 1 2 7 3. - <_> - - <_> - 9 12 6 7 -1. - <_> - 11 12 2 7 3. - <_> - - <_> - 5 12 6 7 -1. - <_> - 7 12 2 7 3. - <_> - - <_> - 7 7 6 8 -1. - <_> - 9 7 2 8 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 5 13 13 3 -1. - <_> - 5 14 13 1 3. - <_> - - <_> - 2 9 14 3 -1. - <_> - 2 10 14 1 3. - <_> - - <_> - 8 7 7 4 -1. - <_> - 8 9 7 2 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 13 12 5 6 -1. - <_> - 13 15 5 3 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 4 5 16 3 -1. - <_> - 4 5 8 3 2. - <_> - - <_> - 5 3 4 14 -1. - <_> - 5 10 4 7 2. - <_> - - <_> - 4 13 15 5 -1. - <_> - 9 13 5 5 3. - <_> - - <_> - 0 3 14 2 -1. - <_> - 0 4 14 1 2. - <_> - - <_> - 4 13 15 5 -1. - <_> - 9 13 5 5 3. - <_> - - <_> - 1 13 15 5 -1. - <_> - 6 13 5 5 3. - <_> - - <_> - 12 0 8 6 -1. - <_> - 12 2 8 2 3. - <_> - - <_> - 3 10 6 5 -1. - <_> - 6 10 3 5 2. - <_> - - <_> - 4 7 14 8 -1. - <_> - 11 7 7 4 2. - <_> - 4 11 7 4 2. - <_> - - <_> - 2 7 14 8 -1. - <_> - 2 7 7 4 2. - <_> - 9 11 7 4 2. - <_> - - <_> - 11 0 2 20 -1. - <_> - 11 0 1 20 2. - <_> - - <_> - 7 0 2 20 -1. - <_> - 8 0 1 20 2. - <_> - - <_> - 10 5 6 8 -1. - <_> - 12 5 2 8 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 3 2 14 4 -1. - <_> - 10 2 7 2 2. - <_> - 3 4 7 2 2. - <_> - - <_> - 7 5 6 7 -1. - <_> - 9 5 2 7 3. - <_> - - <_> - 8 4 9 16 -1. - <_> - 11 4 3 16 3. - <_> - - <_> - 4 5 6 8 -1. - <_> - 6 5 2 8 3. - <_> - - <_> - 7 10 6 10 -1. - <_> - 10 10 3 5 2. - <_> - 7 15 3 5 2. - <_> - - <_> - 5 11 5 6 -1. - <_> - 5 14 5 3 2. - <_> - - <_> - 4 8 13 8 -1. - <_> - 4 12 13 4 2. - <_> - - <_> - 0 9 10 6 -1. - <_> - 0 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 4 0 5 8 -1. - <_> - 4 4 5 4 2. - <_> - - <_> - 8 1 4 10 -1. - <_> - 8 6 4 5 2. - <_> - - <_> - 6 3 7 10 -1. - <_> - 6 8 7 5 2. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 2 13 13 3 -1. - <_> - 2 14 13 1 3. - <_> - - <_> - 12 11 7 4 -1. - <_> - 12 13 7 2 2. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 9 12 9 4 -1. - <_> - 9 14 9 2 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 12 8 2 2. - <_> - 10 14 8 2 2. - <_> - - <_> - 10 14 10 6 -1. - <_> - 15 14 5 3 2. - <_> - 10 17 5 3 2. - <_> - - <_> - 4 1 8 8 -1. - <_> - 4 1 4 4 2. - <_> - 8 5 4 4 2. - <_> - - <_> - 2 12 18 7 -1. - <_> - 8 12 6 7 3. - <_> - - <_> - 3 13 12 6 -1. - <_> - 3 13 6 3 2. - <_> - 9 16 6 3 2. - <_> - - <_> - 4 12 13 4 -1. - <_> - 4 14 13 2 2. - <_> - - <_> - 6 0 2 15 -1. - <_> - 7 0 1 15 2. - <_> - - <_> - 4 2 16 18 -1. - <_> - 12 2 8 9 2. - <_> - 4 11 8 9 2. - <_> - - <_> - 1 16 18 4 -1. - <_> - 7 16 6 4 3. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 4 0 12 9 -1. - <_> - 8 0 4 9 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 4 9 6 6 -1. - <_> - 7 9 3 6 2. - <_> - - <_> - 7 12 12 8 -1. - <_> - 13 12 6 4 2. - <_> - 7 16 6 4 2. - <_> - - <_> - 1 12 12 8 -1. - <_> - 1 12 6 4 2. - <_> - 7 16 6 4 2. - <_> - - <_> - 0 10 20 9 -1. - <_> - 0 13 20 3 3. - <_> - - <_> - 4 5 10 6 -1. - <_> - 4 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 13 3 7 6 -1. - <_> - 13 5 7 2 3. - <_> - - <_> - 8 1 4 14 -1. - <_> - 8 1 2 7 2. - <_> - 10 8 2 7 2. - <_> - - <_> - 12 8 5 6 -1. - <_> - 12 11 5 3 2. - <_> - - <_> - 3 8 5 6 -1. - <_> - 3 11 5 3 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 2 0 18 4 -1. - <_> - 8 0 6 4 3. - <_> - - <_> - 6 5 3 14 -1. - <_> - 6 12 3 7 2. - <_> - - <_> - 5 17 15 3 -1. - <_> - 10 17 5 3 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 6 0 3 7 2. - <_> - - <_> - 8 3 12 17 -1. - <_> - 8 3 6 17 2. - <_> - - <_> - 0 2 16 12 -1. - <_> - 8 2 8 12 2. - <_> - - <_> - 7 6 6 12 -1. - <_> - 7 12 6 6 2. - <_> - - <_> - 8 8 4 8 -1. - <_> - 8 12 4 4 2. - <_> - - <_> - 8 7 12 10 -1. - <_> - 14 7 6 5 2. - <_> - 8 12 6 5 2. - <_> - - <_> - 4 1 12 5 -1. - <_> - 10 1 6 5 2. - <_> - - <_> - 7 2 8 8 -1. - <_> - 11 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 5 2 8 8 -1. - <_> - 5 2 4 4 2. - <_> - 9 6 4 4 2. - <_> - - <_> - 3 14 14 6 -1. - <_> - 3 17 14 3 2. - <_> - - <_> - 3 3 5 12 -1. - <_> - 3 7 5 4 3. - <_> - - <_> - 15 4 5 6 -1. - <_> - 15 7 5 3 2. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 15 4 5 9 -1. - <_> - 15 7 5 3 3. - <_> - - <_> - 8 6 4 14 -1. - <_> - 8 6 2 7 2. - <_> - 10 13 2 7 2. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 0 8 10 -1. - <_> - 5 0 4 5 2. - <_> - 9 5 4 5 2. - <_> - - <_> - 9 12 6 7 -1. - <_> - 11 12 2 7 3. - <_> - - <_> - 5 12 6 7 -1. - <_> - 7 12 2 7 3. - <_> - - <_> - 13 9 7 6 -1. - <_> - 13 11 7 2 3. - <_> - - <_> - 1 1 16 6 -1. - <_> - 1 3 16 2 3. - <_> - - <_> - 2 1 17 6 -1. - <_> - 2 3 17 2 3. - <_> - - <_> - 4 4 2 16 -1. - <_> - 4 12 2 8 2. - <_> - - <_> - 7 6 10 14 -1. - <_> - 12 6 5 7 2. - <_> - 7 13 5 7 2. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 4 9 12 6 -1. - <_> - 10 9 6 3 2. - <_> - 4 12 6 3 2. - <_> - - <_> - 1 8 18 3 -1. - <_> - 7 8 6 3 3. - <_> - - <_> - 2 13 18 7 -1. - <_> - 8 13 6 7 3. - <_> - - <_> - 1 8 15 3 -1. - <_> - 6 8 5 3 3. - <_> - - <_> - 6 0 12 7 -1. - <_> - 10 0 4 7 3. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 6 7 6 8 -1. - <_> - 6 11 6 4 2. - <_> - - <_> - 9 2 4 12 -1. - <_> - 9 6 4 4 3. - <_> - - <_> - 0 9 7 6 -1. - <_> - 0 11 7 2 3. - <_> - - <_> - 15 4 5 9 -1. - <_> - 15 7 5 3 3. - <_> - - <_> - 2 18 13 2 -1. - <_> - 2 19 13 1 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 6 6 8 12 -1. - <_> - 6 10 8 4 3. - <_> - - <_> - 7 9 6 9 -1. - <_> - 7 12 6 3 3. - <_> - - <_> - 0 7 11 4 -1. - <_> - 0 9 11 2 2. - <_> - - <_> - 8 12 10 6 -1. - <_> - 13 12 5 3 2. - <_> - 8 15 5 3 2. - <_> - - <_> - 2 12 10 6 -1. - <_> - 2 12 5 3 2. - <_> - 7 15 5 3 2. - <_> - - <_> - 12 14 8 6 -1. - <_> - 12 16 8 2 3. - <_> - - <_> - 0 14 8 6 -1. - <_> - 0 16 8 2 3. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 7 6 4 8 -1. - <_> - 7 10 4 4 2. - <_> - - <_> - 9 8 11 4 -1. - <_> - 9 10 11 2 2. - <_> - - <_> - 6 6 5 10 -1. - <_> - 6 11 5 5 2. - <_> - - <_> - 4 7 14 6 -1. - <_> - 4 9 14 2 3. - <_> - - <_> - 4 4 12 8 -1. - <_> - 4 4 6 4 2. - <_> - 10 8 6 4 2. - <_> - - <_> - 5 5 12 5 -1. - <_> - 5 5 6 5 2. - <_> - - <_> - 1 3 15 12 -1. - <_> - 6 3 5 12 3. - <_> - - <_> - 13 3 6 17 -1. - <_> - 13 3 3 17 2. - <_> - - <_> - 1 3 6 17 -1. - <_> - 4 3 3 17 2. - <_> - - <_> - 14 1 6 9 -1. - <_> - 14 4 6 3 3. - <_> - - <_> - 4 0 8 6 -1. - <_> - 4 3 8 3 2. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 0 5 8 4 -1. - <_> - 0 7 8 2 2. - <_> - - <_> - 18 2 2 13 -1. - <_> - 18 2 1 13 2. - <_> - - <_> - 0 2 2 13 -1. - <_> - 1 2 1 13 2. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 4 8 13 2 -1. - <_> - 4 9 13 1 2. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 14 16 2 2. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 6 2 8 6 -1. - <_> - 6 4 8 2 3. - <_> - - <_> - 6 5 7 4 -1. - <_> - 6 7 7 2 2. - <_> - - <_> - 9 5 10 9 -1. - <_> - 9 8 10 3 3. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 10 9 2 2. - <_> - 9 12 9 2 2. - <_> - - <_> - 8 7 6 9 -1. - <_> - 10 7 2 9 3. - <_> - - <_> - 6 4 4 7 -1. - <_> - 8 4 2 7 2. - <_> - - <_> - 9 6 9 10 -1. - <_> - 12 6 3 10 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 10 14 10 6 -1. - <_> - 15 14 5 3 2. - <_> - 10 17 5 3 2. - <_> - - <_> - 0 6 5 12 -1. - <_> - 0 10 5 4 3. - <_> - - <_> - 9 6 9 10 -1. - <_> - 12 6 3 10 3. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 6 13 10 7 -1. - <_> - 6 13 5 7 2. - <_> - - <_> - 0 2 6 17 -1. - <_> - 3 2 3 17 2. - <_> - - <_> - 10 14 9 5 -1. - <_> - 13 14 3 5 3. - <_> - - <_> - 1 14 9 5 -1. - <_> - 4 14 3 5 3. - <_> - - <_> - 7 13 7 6 -1. - <_> - 7 15 7 2 3. - <_> - - <_> - 1 14 7 6 -1. - <_> - 1 16 7 2 3. - <_> - - <_> - 12 10 8 6 -1. - <_> - 12 12 8 2 3. - <_> - - <_> - 2 6 9 9 -1. - <_> - 5 6 3 9 3. - <_> - - <_> - 12 10 7 6 -1. - <_> - 12 12 7 2 3. - <_> - - <_> - 3 2 4 12 -1. - <_> - 5 2 2 12 2. - <_> - - <_> - 9 1 7 15 -1. - <_> - 9 6 7 5 3. - <_> - - <_> - 6 10 4 7 -1. - <_> - 8 10 2 7 2. - <_> - - <_> - 5 0 10 20 -1. - <_> - 10 0 5 10 2. - <_> - 5 10 5 10 2. - <_> - - <_> - 7 10 6 10 -1. - <_> - 9 10 2 10 3. - <_> - - <_> - 12 7 7 4 -1. - <_> - 12 9 7 2 2. - <_> - - <_> - 2 7 16 4 -1. - <_> - 2 7 8 2 2. - <_> - 10 9 8 2 2. - <_> - - <_> - 5 10 12 10 -1. - <_> - 5 10 6 10 2. - <_> - - <_> - 6 1 2 16 -1. - <_> - 6 9 2 8 2. - <_> - - <_> - 6 2 12 10 -1. - <_> - 6 7 12 5 2. - <_> - - <_> - 2 4 14 6 -1. - <_> - 2 4 7 3 2. - <_> - 9 7 7 3 2. - <_> - - <_> - 5 0 11 12 -1. - <_> - 5 4 11 4 3. - <_> - - <_> - 7 1 6 12 -1. - <_> - 7 5 6 4 3. - <_> - - <_> - 9 8 11 4 -1. - <_> - 9 10 11 2 2. - <_> - - <_> - 0 8 11 4 -1. - <_> - 0 10 11 2 2. - <_> - - <_> - 1 8 19 6 -1. - <_> - 1 11 19 3 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 7 4 6 4 2. - <_> - - <_> - 5 3 15 2 -1. - <_> - 5 4 15 1 2. - <_> - - <_> - 2 7 14 6 -1. - <_> - 2 9 14 2 3. - <_> - - <_> - 3 0 17 6 -1. - <_> - 3 2 17 2 3. - <_> - - <_> - 0 0 17 6 -1. - <_> - 0 2 17 2 3. - <_> - - <_> - 13 2 7 4 -1. - <_> - 13 4 7 2 2. - <_> - - <_> - 0 2 7 4 -1. - <_> - 0 4 7 2 2. - <_> - - <_> - 8 1 12 10 -1. - <_> - 14 1 6 5 2. - <_> - 8 6 6 5 2. - <_> - - <_> - 2 1 4 8 -1. - <_> - 2 5 4 4 2. - <_> - - <_> - 5 1 11 10 -1. - <_> - 5 6 11 5 2. - <_> - - <_> - 3 9 10 6 -1. - <_> - 3 9 5 3 2. - <_> - 8 12 5 3 2. - <_> - - <_> - 12 7 7 4 -1. - <_> - 12 9 7 2 2. - <_> - - <_> - 2 7 12 8 -1. - <_> - 6 7 4 8 3. - <_> - - <_> - 10 10 8 4 -1. - <_> - 10 10 4 4 2. - <_> - - <_> - 2 10 8 4 -1. - <_> - 6 10 4 4 2. - <_> - - <_> - 3 10 16 3 -1. - <_> - 3 10 8 3 2. - <_> - - <_> - 1 11 6 5 -1. - <_> - 4 11 3 5 2. - <_> - - <_> - 10 7 9 9 -1. - <_> - 13 7 3 9 3. - <_> - - <_> - 1 7 9 9 -1. - <_> - 4 7 3 9 3. - <_> - - <_> - 5 5 12 5 -1. - <_> - 5 5 6 5 2. - <_> - - <_> - 3 5 12 5 -1. - <_> - 9 5 6 5 2. - <_> - - <_> - 2 3 16 2 -1. - <_> - 2 3 8 2 2. - <_> - - <_> - 2 8 7 6 -1. - <_> - 2 10 7 2 3. - <_> - - <_> - 7 8 9 6 -1. - <_> - 7 10 9 2 3. - <_> - - <_> - 3 0 3 15 -1. - <_> - 4 0 1 15 3. - <_> - - <_> - 3 10 16 3 -1. - <_> - 3 10 8 3 2. - <_> - - <_> - 1 10 16 3 -1. - <_> - 9 10 8 3 2. - <_> - - <_> - 12 0 8 19 -1. - <_> - 12 0 4 19 2. - <_> - - <_> - 0 0 8 19 -1. - <_> - 4 0 4 19 2. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 6 14 14 3 -1. - <_> - 6 15 14 1 3. - <_> - - <_> - 0 12 16 4 -1. - <_> - 0 12 8 2 2. - <_> - 8 14 8 2 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 13 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 1 14 6 3 2. - <_> - 7 17 6 3 2. - <_> - - <_> - 3 3 14 14 -1. - <_> - 10 3 7 7 2. - <_> - 3 10 7 7 2. - <_> - - <_> - 3 6 6 12 -1. - <_> - 5 6 2 12 3. - <_> - - <_> - 5 12 12 6 -1. - <_> - 9 12 4 6 3. - <_> - - <_> - 1 8 14 6 -1. - <_> - 1 8 7 3 2. - <_> - 8 11 7 3 2. - <_> - - <_> - 8 7 12 10 -1. - <_> - 14 7 6 5 2. - <_> - 8 12 6 5 2. - <_> - - <_> - 0 7 12 10 -1. - <_> - 0 7 6 5 2. - <_> - 6 12 6 5 2. - <_> - - <_> - 9 2 6 18 -1. - <_> - 12 2 3 9 2. - <_> - 9 11 3 9 2. - <_> - - <_> - 1 10 8 10 -1. - <_> - 1 10 4 5 2. - <_> - 5 15 4 5 2. - <_> - - <_> - 4 14 12 4 -1. - <_> - 4 16 12 2 2. - <_> - - <_> - 5 13 6 7 -1. - <_> - 7 13 2 7 3. - <_> - - <_> - 5 2 15 5 -1. - <_> - 10 2 5 5 3. - <_> - - <_> - 5 4 9 14 -1. - <_> - 5 11 9 7 2. - <_> - - <_> - 8 0 11 4 -1. - <_> - 8 2 11 2 2. - <_> - - <_> - 0 14 16 6 -1. - <_> - 0 16 16 2 3. - <_> - - <_> - 10 14 8 6 -1. - <_> - 10 16 8 2 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 5 8 15 3 -1. - <_> - 5 9 15 1 3. - <_> - - <_> - 0 8 19 3 -1. - <_> - 0 9 19 1 3. - <_> - - <_> - 8 16 8 4 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 16 8 4 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 9 5 10 9 -1. - <_> - 9 8 10 3 3. - <_> - - <_> - 1 5 10 9 -1. - <_> - 1 8 10 3 3. - <_> - - <_> - 4 7 14 2 -1. - <_> - 4 7 7 2 2. - <_> - - <_> - 2 7 13 2 -1. - <_> - 2 8 13 1 2. - <_> - - <_> - 6 5 8 4 -1. - <_> - 6 7 8 2 2. - <_> - - <_> - 5 12 9 5 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 3 6 14 3 -1. - <_> - 3 7 14 1 3. - <_> - - <_> - 7 2 4 12 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 2 4 16 4 -1. - <_> - 2 6 16 2 2. - <_> - - <_> - 1 4 9 4 -1. - <_> - 1 6 9 2 2. - <_> - - <_> - 9 4 11 4 -1. - <_> - 9 6 11 2 2. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 1 5 18 3 -1. - <_> - 7 5 6 3 3. - <_> - - <_> - 1 0 15 7 -1. - <_> - 6 0 5 7 3. - <_> - - <_> - 12 0 5 15 -1. - <_> - 12 5 5 5 3. - <_> - - <_> - 3 0 5 15 -1. - <_> - 3 5 5 5 3. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 8 3 4 7 -1. - <_> - 10 3 2 7 2. - <_> - - <_> - 4 6 12 11 -1. - <_> - 8 6 4 11 3. - <_> - - <_> - 1 7 18 4 -1. - <_> - 1 9 18 2 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 10 5 2 8 3. - <_> - - <_> - 7 2 6 5 -1. - <_> - 10 2 3 5 2. - <_> - - <_> - 9 0 4 7 -1. - <_> - 9 0 2 7 2. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 13 0 7 6 -1. - <_> - 13 2 7 2 3. - <_> - - <_> - 1 1 8 4 -1. - <_> - 5 1 4 4 2. - <_> - - <_> - 7 4 7 6 -1. - <_> - 7 6 7 2 3. - <_> - - <_> - 4 5 10 12 -1. - <_> - 4 5 5 6 2. - <_> - 9 11 5 6 2. - <_> - - <_> - 8 12 11 8 -1. - <_> - 8 16 11 4 2. - <_> - - <_> - 5 5 9 5 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 0 2 14 -1. - <_> - 1 0 1 14 2. - <_> - - <_> - 11 9 3 10 -1. - <_> - 11 14 3 5 2. - <_> - - <_> - 3 17 13 3 -1. - <_> - 3 18 13 1 3. - <_> - - <_> - 6 10 13 3 -1. - <_> - 6 11 13 1 3. - <_> - - <_> - 1 2 18 6 -1. - <_> - 1 2 9 3 2. - <_> - 10 5 9 3 2. - <_> - - <_> - 6 1 12 8 -1. - <_> - 12 1 6 4 2. - <_> - 6 5 6 4 2. - <_> - - <_> - 4 1 12 8 -1. - <_> - 4 1 6 4 2. - <_> - 10 5 6 4 2. - <_> - - <_> - 4 3 13 3 -1. - <_> - 4 4 13 1 3. - <_> - - <_> - 1 6 12 4 -1. - <_> - 5 6 4 4 3. - <_> - - <_> - 14 2 6 5 -1. - <_> - 14 2 3 5 2. - <_> - - <_> - 3 12 13 2 -1. - <_> - 3 13 13 1 2. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 11 0 9 6 -1. - <_> - 14 0 3 6 3. - <_> - - <_> - 6 9 3 10 -1. - <_> - 6 14 3 5 2. - <_> - - <_> - 10 9 6 5 -1. - <_> - 10 9 3 5 2. - <_> - - <_> - 6 7 3 12 -1. - <_> - 6 13 3 6 2. - <_> - - <_> - 11 0 9 6 -1. - <_> - 14 0 3 6 3. - <_> - - <_> - 0 0 9 6 -1. - <_> - 3 0 3 6 3. - <_> - - <_> - 4 6 12 3 -1. - <_> - 4 6 6 3 2. - <_> - - <_> - 6 4 6 8 -1. - <_> - 8 4 2 8 3. - <_> - - <_> - 11 0 3 13 -1. - <_> - 12 0 1 13 3. - <_> - - <_> - 6 0 3 13 -1. - <_> - 7 0 1 13 3. - <_> - - <_> - 4 14 13 2 -1. - <_> - 4 15 13 1 2. - <_> - - <_> - 1 11 7 6 -1. - <_> - 1 13 7 2 3. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 4 16 12 4 -1. - <_> - 8 16 4 4 3. - <_> - - <_> - 11 9 6 8 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 3 9 6 8 -1. - <_> - 6 9 3 8 2. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 2 0 14 9 -1. - <_> - 2 3 14 3 3. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 9 5 4 12 -1. - <_> - 9 11 4 6 2. - <_> - - <_> - 2 4 10 6 -1. - <_> - 2 4 5 3 2. - <_> - 7 7 5 3 2. - <_> - - <_> - 9 1 8 16 -1. - <_> - 13 1 4 8 2. - <_> - 9 9 4 8 2. - <_> - - <_> - 2 1 14 8 -1. - <_> - 2 5 14 4 2. - <_> - - <_> - 12 10 7 6 -1. - <_> - 12 12 7 2 3. - <_> - - <_> - 0 8 6 9 -1. - <_> - 3 8 3 9 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 0 0 16 2 -1. - <_> - 0 1 16 1 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 2 13 14 4 -1. - <_> - 2 13 7 2 2. - <_> - 9 15 7 2 2. - <_> - - <_> - 7 5 9 7 -1. - <_> - 10 5 3 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 6 1 6 10 -1. - <_> - 6 6 6 5 2. - <_> - - <_> - 0 3 20 8 -1. - <_> - 0 7 20 4 2. - <_> - - <_> - 4 0 12 8 -1. - <_> - 10 0 6 8 2. - <_> - - <_> - 2 1 18 19 -1. - <_> - 8 1 6 19 3. - <_> - - <_> - 0 1 18 19 -1. - <_> - 6 1 6 19 3. - <_> - - <_> - 8 1 12 19 -1. - <_> - 8 1 6 19 2. - <_> - - <_> - 0 1 12 19 -1. - <_> - 6 1 6 19 2. - <_> - - <_> - 0 0 20 10 -1. - <_> - 10 0 10 5 2. - <_> - 0 5 10 5 2. - <_> - - <_> - 0 4 13 3 -1. - <_> - 0 5 13 1 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 1 4 13 3 -1. - <_> - 1 5 13 1 3. - <_> - - <_> - 13 12 7 4 -1. - <_> - 13 14 7 2 2. - <_> - - <_> - 2 1 4 19 -1. - <_> - 4 1 2 19 2. - <_> - - <_> - 12 10 7 6 -1. - <_> - 12 12 7 2 3. - <_> - - <_> - 3 9 13 3 -1. - <_> - 3 10 13 1 3. - <_> - - <_> - 4 8 14 3 -1. - <_> - 4 9 14 1 3. - <_> - - <_> - 4 5 12 9 -1. - <_> - 4 8 12 3 3. - <_> - - <_> - 6 15 13 3 -1. - <_> - 6 16 13 1 3. - <_> - - <_> - 0 12 7 4 -1. - <_> - 0 14 7 2 2. - <_> - - <_> - 5 2 14 18 -1. - <_> - 12 2 7 9 2. - <_> - 5 11 7 9 2. - <_> - - <_> - 7 5 4 12 -1. - <_> - 7 11 4 6 2. - <_> - - <_> - 5 2 14 18 -1. - <_> - 12 2 7 9 2. - <_> - 5 11 7 9 2. - <_> - - <_> - 1 2 14 18 -1. - <_> - 1 2 7 9 2. - <_> - 8 11 7 9 2. - <_> - - <_> - 6 10 8 10 -1. - <_> - 10 10 4 5 2. - <_> - 6 15 4 5 2. - <_> - - <_> - 3 5 4 8 -1. - <_> - 3 9 4 4 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 10 10 4 4 2. - <_> - 6 14 4 4 2. - <_> - - <_> - 1 10 7 6 -1. - <_> - 1 12 7 2 3. - <_> - - <_> - 4 14 13 3 -1. - <_> - 4 15 13 1 3. - <_> - - <_> - 6 11 6 9 -1. - <_> - 8 11 2 9 3. - <_> - - <_> - 7 5 9 7 -1. - <_> - 10 5 3 7 3. - <_> - - <_> - 0 10 19 6 -1. - <_> - 0 13 19 3 2. - <_> - - <_> - 4 1 12 10 -1. - <_> - 4 6 12 5 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 0 5 20 2 -1. - <_> - 0 6 20 1 2. - <_> - - <_> - 2 0 17 6 -1. - <_> - 2 2 17 2 3. - <_> - - <_> - 3 14 10 6 -1. - <_> - 3 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 6 0 9 11 -1. - <_> - 9 0 3 11 3. - <_> - - <_> - 0 2 6 11 -1. - <_> - 2 2 2 11 3. - <_> - - <_> - 14 0 6 7 -1. - <_> - 16 0 2 7 3. - <_> - - <_> - 0 8 9 12 -1. - <_> - 3 8 3 12 3. - <_> - - <_> - 13 10 7 6 -1. - <_> - 13 12 7 2 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 14 0 6 7 -1. - <_> - 16 0 2 7 3. - <_> - - <_> - 0 0 6 7 -1. - <_> - 2 0 2 7 3. - <_> - - <_> - 8 0 9 15 -1. - <_> - 11 0 3 15 3. - <_> - - <_> - 3 5 12 11 -1. - <_> - 7 5 4 11 3. - <_> - - <_> - 6 15 13 3 -1. - <_> - 6 16 13 1 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 7 5 9 7 -1. - <_> - 10 5 3 7 3. - <_> - - <_> - 7 6 3 14 -1. - <_> - 8 6 1 14 3. - <_> - - <_> - 5 1 13 3 -1. - <_> - 5 2 13 1 3. - <_> - - <_> - 8 1 3 13 -1. - <_> - 9 1 1 13 3. - <_> - - <_> - 9 6 4 14 -1. - <_> - 11 6 2 7 2. - <_> - 9 13 2 7 2. - <_> - - <_> - 6 9 8 10 -1. - <_> - 6 9 4 5 2. - <_> - 10 14 4 5 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 0 15 14 5 -1. - <_> - 7 15 7 5 2. - <_> - - <_> - 12 12 8 5 -1. - <_> - 12 12 4 5 2. - <_> - - <_> - 0 14 10 6 -1. - <_> - 0 16 10 2 3. - <_> - - <_> - 4 16 14 4 -1. - <_> - 4 18 14 2 2. - <_> - - <_> - 6 1 6 18 -1. - <_> - 8 1 2 18 3. - <_> - - <_> - 6 14 14 2 -1. - <_> - 6 15 14 1 2. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 3 0 14 20 -1. - <_> - 10 0 7 20 2. - <_> - - <_> - 8 10 4 7 -1. - <_> - 8 10 2 7 2. - <_> - - <_> - 4 5 9 7 -1. - <_> - 7 5 3 7 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 5 3 6 13 -1. - <_> - 8 3 3 13 2. - <_> - - <_> - 7 12 6 8 -1. - <_> - 7 12 3 8 2. - <_> - - <_> - 4 9 6 5 -1. - <_> - 7 9 3 5 2. - <_> - - <_> - 11 4 4 10 -1. - <_> - 11 4 2 10 2. - <_> - - <_> - 0 11 12 6 -1. - <_> - 4 11 4 6 3. - <_> - - <_> - 11 4 4 10 -1. - <_> - 11 4 2 10 2. - <_> - - <_> - 5 4 4 10 -1. - <_> - 7 4 2 10 2. - <_> - - <_> - 6 14 14 2 -1. - <_> - 6 15 14 1 2. - <_> - - <_> - 0 14 14 2 -1. - <_> - 0 15 14 1 2. - <_> - - <_> - 15 2 5 12 -1. - <_> - 15 6 5 4 3. - <_> - - <_> - 0 2 5 12 -1. - <_> - 0 6 5 4 3. - <_> - - <_> - 16 5 4 14 -1. - <_> - 16 12 4 7 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 14 6 3 2. - <_> - 6 17 6 3 2. - <_> - - <_> - 16 5 4 14 -1. - <_> - 16 12 4 7 2. - <_> - - <_> - 0 5 4 14 -1. - <_> - 0 12 4 7 2. - <_> - - <_> - 12 12 8 5 -1. - <_> - 12 12 4 5 2. - <_> - - <_> - 0 12 8 5 -1. - <_> - 4 12 4 5 2. - <_> - - <_> - 12 0 3 14 -1. - <_> - 13 0 1 14 3. - <_> - - <_> - 5 12 5 8 -1. - <_> - 5 16 5 4 2. - <_> - - <_> - 18 2 2 14 -1. - <_> - 18 9 2 7 2. - <_> - - <_> - 6 0 8 6 -1. - <_> - 6 3 8 3 2. - <_> - - <_> - 14 1 6 9 -1. - <_> - 14 4 6 3 3. - <_> - - <_> - 3 4 14 6 -1. - <_> - 3 4 7 3 2. - <_> - 10 7 7 3 2. - <_> - - <_> - 10 5 9 6 -1. - <_> - 10 7 9 2 3. - <_> - - <_> - 0 13 8 5 -1. - <_> - 4 13 4 5 2. - <_> - - <_> - 12 0 6 18 -1. - <_> - 15 0 3 9 2. - <_> - 12 9 3 9 2. - <_> - - <_> - 2 0 6 18 -1. - <_> - 2 0 3 9 2. - <_> - 5 9 3 9 2. - <_> - - <_> - 2 0 16 14 -1. - <_> - 10 0 8 7 2. - <_> - 2 7 8 7 2. - <_> - - <_> - 2 0 4 16 -1. - <_> - 2 0 2 8 2. - <_> - 4 8 2 8 2. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 0 4 4 2. - <_> - - <_> - 0 0 8 4 -1. - <_> - 4 0 4 4 2. - <_> - - <_> - 6 12 14 5 -1. - <_> - 6 12 7 5 2. - <_> - - <_> - 0 12 14 5 -1. - <_> - 7 12 7 5 2. - <_> - - <_> - 8 1 12 5 -1. - <_> - 12 1 4 5 3. - <_> - - <_> - 0 1 12 5 -1. - <_> - 4 1 4 5 3. - <_> - - <_> - 3 10 14 4 -1. - <_> - 10 10 7 2 2. - <_> - 3 12 7 2 2. - <_> - - <_> - 0 14 20 4 -1. - <_> - 0 14 10 2 2. - <_> - 10 16 10 2 2. - <_> - - <_> - 10 9 9 5 -1. - <_> - 13 9 3 5 3. - <_> - - <_> - 1 9 9 5 -1. - <_> - 4 9 3 5 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 6 16 8 4 -1. - <_> - 10 16 4 4 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 4 5 12 6 -1. - <_> - 4 5 6 3 2. - <_> - 10 8 6 3 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 1 1 18 5 -1. - <_> - 7 1 6 5 3. - <_> - - <_> - 9 2 10 10 -1. - <_> - 14 2 5 5 2. - <_> - 9 7 5 5 2. - <_> - - <_> - 1 2 10 10 -1. - <_> - 1 2 5 5 2. - <_> - 6 7 5 5 2. - <_> - - <_> - 8 3 12 6 -1. - <_> - 14 3 6 3 2. - <_> - 8 6 6 3 2. - <_> - - <_> - 1 5 8 4 -1. - <_> - 5 5 4 4 2. - <_> - - <_> - 0 3 20 12 -1. - <_> - 10 3 10 6 2. - <_> - 0 9 10 6 2. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 5 5 3 2. - <_> - 10 8 5 3 2. - <_> - - <_> - 9 8 6 12 -1. - <_> - 12 8 3 6 2. - <_> - 9 14 3 6 2. - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 8 9 2 2. - <_> - 9 10 9 2 2. - <_> - - <_> - 3 14 14 4 -1. - <_> - 10 14 7 2 2. - <_> - 3 16 7 2 2. - <_> - - <_> - 5 11 5 9 -1. - <_> - 5 14 5 3 3. - <_> - - <_> - 6 16 8 4 -1. - <_> - 6 18 8 2 2. - <_> - - <_> - 7 4 6 12 -1. - <_> - 7 10 6 6 2. - <_> - - <_> - 9 7 7 12 -1. - <_> - 9 11 7 4 3. - <_> - - <_> - 7 7 5 9 -1. - <_> - 7 10 5 3 3. - <_> - - <_> - 4 13 12 5 -1. - <_> - 8 13 4 5 3. - <_> - - <_> - 4 9 7 9 -1. - <_> - 4 12 7 3 3. - <_> - - <_> - 2 1 18 4 -1. - <_> - 8 1 6 4 3. - <_> - - <_> - 7 9 6 7 -1. - <_> - 9 9 2 7 3. - <_> - - <_> - 0 13 20 4 -1. - <_> - 0 15 20 2 2. - <_> - - <_> - 2 4 13 3 -1. - <_> - 2 5 13 1 3. - <_> - - <_> - 9 7 7 12 -1. - <_> - 9 11 7 4 3. - <_> - - <_> - 3 1 9 17 -1. - <_> - 6 1 3 17 3. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 6 9 4 8 -1. - <_> - 8 9 2 8 2. - <_> - - <_> - 5 4 14 12 -1. - <_> - 12 4 7 6 2. - <_> - 5 10 7 6 2. - <_> - - <_> - 0 16 18 2 -1. - <_> - 9 16 9 2 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 8 -1. - <_> - 6 0 2 8 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 7 5 6 12 -1. - <_> - 7 5 3 6 2. - <_> - 10 11 3 6 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 6 10 14 3 -1. - <_> - 6 11 14 1 3. - <_> - - <_> - 0 10 14 3 -1. - <_> - 0 11 14 1 3. - <_> - - <_> - 4 4 14 3 -1. - <_> - 4 5 14 1 3. - <_> - - <_> - 0 2 15 12 -1. - <_> - 5 2 5 12 3. - <_> - - <_> - 14 5 6 12 -1. - <_> - 14 5 3 12 2. - <_> - - <_> - 2 1 16 16 -1. - <_> - 2 9 16 8 2. - <_> - - <_> - 7 16 13 3 -1. - <_> - 7 17 13 1 3. - <_> - - <_> - 3 5 13 4 -1. - <_> - 3 7 13 2 2. - <_> - - <_> - 9 9 7 4 -1. - <_> - 9 11 7 2 2. - <_> - - <_> - 3 7 14 6 -1. - <_> - 3 9 14 2 3. - <_> - - <_> - 9 9 7 4 -1. - <_> - 9 11 7 2 2. - <_> - - <_> - 4 9 7 4 -1. - <_> - 4 11 7 2 2. - <_> - - <_> - 1 9 18 3 -1. - <_> - 1 10 18 1 3. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 14 5 6 12 -1. - <_> - 14 5 3 12 2. - <_> - - <_> - 0 5 6 12 -1. - <_> - 3 5 3 12 2. - <_> - - <_> - 11 8 3 10 -1. - <_> - 11 13 3 5 2. - <_> - - <_> - 0 0 3 20 -1. - <_> - 1 0 1 20 3. - <_> - - <_> - 2 0 18 11 -1. - <_> - 8 0 6 11 3. - <_> - - <_> - 4 4 6 5 -1. - <_> - 7 4 3 5 2. - <_> - - <_> - 6 3 14 4 -1. - <_> - 13 3 7 2 2. - <_> - 6 5 7 2 2. - <_> - - <_> - 4 4 9 6 -1. - <_> - 7 4 3 6 3. - <_> - - <_> - 8 9 9 8 -1. - <_> - 11 9 3 8 3. - <_> - - <_> - 3 9 9 8 -1. - <_> - 6 9 3 8 3. - <_> - - <_> - 10 6 6 10 -1. - <_> - 12 6 2 10 3. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 6 9 9 9 -1. - <_> - 9 9 3 9 3. - <_> - - <_> - 4 3 9 9 -1. - <_> - 7 3 3 9 3. - <_> - - <_> - 2 2 18 9 -1. - <_> - 8 2 6 9 3. - <_> - - <_> - 0 2 16 3 -1. - <_> - 0 3 16 1 3. - <_> - - <_> - 10 10 10 6 -1. - <_> - 10 10 5 6 2. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 0 6 9 3. - <_> - - <_> - 5 4 14 12 -1. - <_> - 12 4 7 6 2. - <_> - 5 10 7 6 2. - <_> - - <_> - 0 1 18 4 -1. - <_> - 6 1 6 4 3. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 1 10 6 10 -1. - <_> - 1 10 3 5 2. - <_> - 4 15 3 5 2. - <_> - - <_> - 12 10 4 8 -1. - <_> - 12 14 4 4 2. - <_> - - <_> - 4 14 12 6 -1. - <_> - 4 14 6 3 2. - <_> - 10 17 6 3 2. - <_> - - <_> - 12 10 4 8 -1. - <_> - 12 14 4 4 2. - <_> - - <_> - 4 10 4 8 -1. - <_> - 4 14 4 4 2. - <_> - - <_> - 4 11 14 4 -1. - <_> - 11 11 7 2 2. - <_> - 4 13 7 2 2. - <_> - - <_> - 2 11 14 4 -1. - <_> - 2 11 7 2 2. - <_> - 9 13 7 2 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 12 6 5 3 2. - <_> - 7 9 5 3 2. - <_> - - <_> - 3 6 10 6 -1. - <_> - 3 6 5 3 2. - <_> - 8 9 5 3 2. - <_> - - <_> - 9 0 6 19 -1. - <_> - 11 0 2 19 3. - <_> - - <_> - 5 0 6 19 -1. - <_> - 7 0 2 19 3. - <_> - - <_> - 4 18 14 2 -1. - <_> - 4 18 7 2 2. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 13 1 7 9 -1. - <_> - 13 4 7 3 3. - <_> - - <_> - 0 1 7 9 -1. - <_> - 0 4 7 3 3. - <_> - - <_> - 9 11 11 6 -1. - <_> - 9 13 11 2 3. - <_> - - <_> - 0 11 11 6 -1. - <_> - 0 13 11 2 3. - <_> - - <_> - 2 5 16 10 -1. - <_> - 10 5 8 5 2. - <_> - 2 10 8 5 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 5 8 2 2. - <_> - - <_> - 1 4 14 12 -1. - <_> - 1 4 7 6 2. - <_> - 8 10 7 6 2. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 2 17 13 3 -1. - <_> - 2 18 13 1 3. - <_> - - <_> - 1 11 18 6 -1. - <_> - 1 13 18 2 3. - <_> - - <_> - 6 2 7 18 -1. - <_> - 6 11 7 9 2. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 5 8 2 2. - <_> - - <_> - 1 1 16 6 -1. - <_> - 1 1 8 3 2. - <_> - 9 4 8 3 2. - <_> - - <_> - 16 1 4 14 -1. - <_> - 18 1 2 7 2. - <_> - 16 8 2 7 2. - <_> - - <_> - 0 1 4 14 -1. - <_> - 0 1 2 7 2. - <_> - 2 8 2 7 2. - <_> - - <_> - 6 7 14 4 -1. - <_> - 13 7 7 2 2. - <_> - 6 9 7 2 2. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 4 4 12 2 3. - <_> - - <_> - 0 7 14 4 -1. - <_> - 0 7 7 2 2. - <_> - 7 9 7 2 2. - <_> - - <_> - 8 6 5 9 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 2 7 13 2 -1. - <_> - 2 8 13 1 2. - <_> - - <_> - 9 12 10 6 -1. - <_> - 14 12 5 3 2. - <_> - 9 15 5 3 2. - <_> - - <_> - 5 6 6 10 -1. - <_> - 7 6 2 10 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 2 2 15 5 -1. - <_> - 7 2 5 5 3. - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 4 13 1 2. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 14 1 3 17 -1. - <_> - 15 1 1 17 3. - <_> - - <_> - 3 1 3 17 -1. - <_> - 4 1 1 17 3. - <_> - - <_> - 12 1 7 6 -1. - <_> - 12 3 7 2 3. - <_> - - <_> - 3 2 3 17 -1. - <_> - 4 2 1 17 3. - <_> - - <_> - 14 0 6 18 -1. - <_> - 16 0 2 18 3. - <_> - - <_> - 3 5 7 6 -1. - <_> - 3 7 7 2 3. - <_> - - <_> - 8 4 6 12 -1. - <_> - 11 4 3 6 2. - <_> - 8 10 3 6 2. - <_> - - <_> - 4 4 12 10 -1. - <_> - 4 4 6 5 2. - <_> - 10 9 6 5 2. - <_> - - <_> - 14 0 6 18 -1. - <_> - 16 0 2 18 3. - <_> - - <_> - 0 0 6 18 -1. - <_> - 2 0 2 18 3. - <_> - - <_> - 9 0 3 18 -1. - <_> - 9 9 3 9 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 5 12 3 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 17 3 3 12 -1. - <_> - 17 9 3 6 2. - <_> - - <_> - 0 3 3 12 -1. - <_> - 0 9 3 6 2. - <_> - - <_> - 14 10 5 9 -1. - <_> - 14 13 5 3 3. - <_> - - <_> - 1 0 18 8 -1. - <_> - 1 4 18 4 2. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 5 8 2 2. - <_> - - <_> - 1 3 8 4 -1. - <_> - 1 5 8 2 2. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 4 3 12 3 -1. - <_> - 10 3 6 3 2. - <_> - - <_> - 5 7 10 5 -1. - <_> - 5 7 5 5 2. - <_> - - <_> - 2 6 16 4 -1. - <_> - 2 6 8 2 2. - <_> - 10 8 8 2 2. - <_> - - <_> - 15 0 5 9 -1. - <_> - 15 3 5 3 3. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 11 0 3 12 -1. - <_> - 11 6 3 6 2. - <_> - - <_> - 0 1 6 6 -1. - <_> - 0 4 6 3 2. - <_> - - <_> - 7 1 7 18 -1. - <_> - 7 10 7 9 2. - <_> - - <_> - 0 2 18 6 -1. - <_> - 0 2 9 3 2. - <_> - 9 5 9 3 2. - <_> - - <_> - 5 8 13 2 -1. - <_> - 5 9 13 1 2. - <_> - - <_> - 6 8 3 10 -1. - <_> - 6 13 3 5 2. - <_> - - <_> - 6 11 13 2 -1. - <_> - 6 12 13 1 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 1 18 18 1 3. - <_> - - <_> - 1 3 18 2 -1. - <_> - 1 3 9 2 2. - <_> - - <_> - 3 17 10 3 -1. - <_> - 8 17 5 3 2. - <_> - - <_> - 1 15 18 4 -1. - <_> - 7 15 6 4 3. - <_> - - <_> - 5 5 6 9 -1. - <_> - 8 5 3 9 2. - <_> - - <_> - 4 6 12 11 -1. - <_> - 8 6 4 11 3. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 0 4 5 2. - <_> - 4 5 4 5 2. - <_> - - <_> - 2 0 18 3 -1. - <_> - 8 0 6 3 3. - <_> - - <_> - 5 9 9 9 -1. - <_> - 8 9 3 9 3. - <_> - - <_> - 11 3 2 17 -1. - <_> - 11 3 1 17 2. - <_> - - <_> - 7 0 2 20 -1. - <_> - 8 0 1 20 2. - <_> - - <_> - 10 1 8 18 -1. - <_> - 10 1 4 18 2. - <_> - - <_> - 4 5 8 8 -1. - <_> - 4 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 6 1 12 14 -1. - <_> - 12 1 6 7 2. - <_> - 6 8 6 7 2. - <_> - - <_> - 2 1 8 18 -1. - <_> - 6 1 4 18 2. - <_> - - <_> - 1 5 18 7 -1. - <_> - 7 5 6 7 3. - <_> - - <_> - 3 4 6 16 -1. - <_> - 3 4 3 8 2. - <_> - 6 12 3 8 2. - <_> - - <_> - 12 3 4 14 -1. - <_> - 14 3 2 7 2. - <_> - 12 10 2 7 2. - <_> - - <_> - 4 3 4 14 -1. - <_> - 4 3 2 7 2. - <_> - 6 10 2 7 2. - <_> - - <_> - 8 12 6 6 -1. - <_> - 8 12 3 6 2. - <_> - - <_> - 6 12 6 6 -1. - <_> - 9 12 3 6 2. - <_> - - <_> - 4 1 14 3 -1. - <_> - 4 2 14 1 3. - <_> - - <_> - 3 5 10 6 -1. - <_> - 3 5 5 3 2. - <_> - 8 8 5 3 2. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 0 4 20 8 -1. - <_> - 0 4 10 4 2. - <_> - 10 8 10 4 2. - <_> - - <_> - 12 5 8 8 -1. - <_> - 16 5 4 4 2. - <_> - 12 9 4 4 2. - <_> - - <_> - 1 1 15 6 -1. - <_> - 1 3 15 2 3. - <_> - - <_> - 3 6 16 3 -1. - <_> - 3 6 8 3 2. - <_> - - <_> - 7 3 6 5 -1. - <_> - 10 3 3 5 2. - <_> - - <_> - 7 4 9 5 -1. - <_> - 10 4 3 5 3. - <_> - - <_> - 1 6 16 3 -1. - <_> - 9 6 8 3 2. - <_> - - <_> - 9 0 3 15 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 0 1 2 14 -1. - <_> - 1 1 1 14 2. - <_> - - <_> - 12 5 3 13 -1. - <_> - 13 5 1 13 3. - <_> - - <_> - 5 5 3 13 -1. - <_> - 6 5 1 13 3. - <_> - - <_> - 4 6 16 8 -1. - <_> - 4 10 16 4 2. - <_> - - <_> - 3 7 7 6 -1. - <_> - 3 10 7 3 2. - <_> - - <_> - 0 3 20 10 -1. - <_> - 0 8 20 5 2. - <_> - - <_> - 0 3 7 6 -1. - <_> - 0 5 7 2 3. - <_> - - <_> - 11 1 8 4 -1. - <_> - 11 3 8 2 2. - <_> - - <_> - 1 1 8 4 -1. - <_> - 1 3 8 2 2. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 2 10 2 3. - <_> - - <_> - 6 3 8 10 -1. - <_> - 6 8 8 5 2. - <_> - - <_> - 7 2 5 12 -1. - <_> - 7 8 5 6 2. - <_> - - <_> - 7 7 6 12 -1. - <_> - 9 7 2 12 3. - <_> - - <_> - 7 3 6 8 -1. - <_> - 9 3 2 8 3. - <_> - - <_> - 10 0 4 16 -1. - <_> - 10 8 4 8 2. - <_> - - <_> - 0 6 16 8 -1. - <_> - 0 10 16 4 2. - <_> - - <_> - 3 8 16 4 -1. - <_> - 3 10 16 2 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 10 8 9 4 -1. - <_> - 10 10 9 2 2. - <_> - - <_> - 7 5 6 10 -1. - <_> - 7 10 6 5 2. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 10 4 4 3. - <_> - - <_> - 0 7 13 9 -1. - <_> - 0 10 13 3 3. - <_> - - <_> - 6 11 8 8 -1. - <_> - 10 11 4 4 2. - <_> - 6 15 4 4 2. - <_> - - <_> - 0 15 10 4 -1. - <_> - 5 15 5 4 2. - <_> - - <_> - 4 18 16 2 -1. - <_> - 4 18 8 2 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 14 8 4 2. - <_> - - <_> - 8 13 7 6 -1. - <_> - 8 15 7 2 3. - <_> - - <_> - 7 7 5 8 -1. - <_> - 7 11 5 4 2. - <_> - - <_> - 6 7 10 12 -1. - <_> - 6 11 10 4 3. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 14 11 4 7 -1. - <_> - 14 11 2 7 2. - <_> - - <_> - 4 6 6 10 -1. - <_> - 6 6 2 10 3. - <_> - - <_> - 13 4 2 16 -1. - <_> - 13 4 1 16 2. - <_> - - <_> - 5 4 2 16 -1. - <_> - 6 4 1 16 2. - <_> - - <_> - 8 3 4 16 -1. - <_> - 10 3 2 8 2. - <_> - 8 11 2 8 2. - <_> - - <_> - 8 0 3 18 -1. - <_> - 8 9 3 9 2. - <_> - - <_> - 4 4 13 2 -1. - <_> - 4 5 13 1 2. - <_> - - <_> - 0 2 14 2 -1. - <_> - 0 3 14 1 2. - <_> - - <_> - 14 11 4 7 -1. - <_> - 14 11 2 7 2. - <_> - - <_> - 0 2 13 2 -1. - <_> - 0 3 13 1 2. - <_> - - <_> - 14 11 4 7 -1. - <_> - 14 11 2 7 2. - <_> - - <_> - 2 11 4 7 -1. - <_> - 4 11 2 7 2. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 2 10 5 6 -1. - <_> - 2 13 5 3 2. - <_> - - <_> - 14 10 5 9 -1. - <_> - 14 13 5 3 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 5 12 13 3 -1. - <_> - 5 13 13 1 3. - <_> - - <_> - 0 13 17 6 -1. - <_> - 0 15 17 2 3. - <_> - - <_> - 5 15 13 3 -1. - <_> - 5 16 13 1 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 9 4 2 14 -1. - <_> - 9 11 2 7 2. - <_> - - <_> - 1 15 13 3 -1. - <_> - 1 16 13 1 3. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 4 5 4 14 -1. - <_> - 4 5 2 7 2. - <_> - 6 12 2 7 2. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 2 8 8 8 -1. - <_> - 2 8 4 4 2. - <_> - 6 12 4 4 2. - <_> - - <_> - 13 6 6 9 -1. - <_> - 13 9 6 3 3. - <_> - - <_> - 4 0 5 9 -1. - <_> - 4 3 5 3 3. - <_> - - <_> - 13 4 3 10 -1. - <_> - 13 9 3 5 2. - <_> - - <_> - 3 5 4 8 -1. - <_> - 3 9 4 4 2. - <_> - - <_> - 10 10 8 6 -1. - <_> - 10 12 8 2 3. - <_> - - <_> - 1 17 13 3 -1. - <_> - 1 18 13 1 3. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 7 5 6 11 -1. - <_> - 9 5 2 11 3. - <_> - - <_> - 6 1 9 6 -1. - <_> - 9 1 3 6 3. - <_> - - <_> - 1 11 13 3 -1. - <_> - 1 12 13 1 3. - <_> - - <_> - 4 0 13 3 -1. - <_> - 4 1 13 1 3. - <_> - - <_> - 1 2 14 12 -1. - <_> - 1 2 7 6 2. - <_> - 8 8 7 6 2. - <_> - - <_> - 13 4 4 14 -1. - <_> - 15 4 2 7 2. - <_> - 13 11 2 7 2. - <_> - - <_> - 3 4 4 14 -1. - <_> - 3 4 2 7 2. - <_> - 5 11 2 7 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 1 15 7 4 -1. - <_> - 1 17 7 2 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 1 2 18 2 -1. - <_> - 1 3 18 1 2. - <_> - - <_> - 16 0 4 7 -1. - <_> - 16 0 2 7 2. - <_> - - <_> - 3 2 14 3 -1. - <_> - 3 3 14 1 3. - <_> - - <_> - 11 13 6 7 -1. - <_> - 13 13 2 7 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 1 7 19 12 -1. - <_> - 1 11 19 4 3. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 7 9 6 10 -1. - <_> - 7 9 3 5 2. - <_> - 10 14 3 5 2. - <_> - - <_> - 4 6 13 3 -1. - <_> - 4 7 13 1 3. - <_> - - <_> - 3 11 7 4 -1. - <_> - 3 13 7 2 2. - <_> - - <_> - 16 0 4 15 -1. - <_> - 16 0 2 15 2. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 7 0 8 10 -1. - <_> - 11 0 4 5 2. - <_> - 7 5 4 5 2. - <_> - - <_> - 0 2 20 2 -1. - <_> - 10 2 10 2 2. - <_> - - <_> - 7 6 10 3 -1. - <_> - 7 6 5 3 2. - <_> - - <_> - 3 6 10 3 -1. - <_> - 8 6 5 3 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 0 4 18 16 -1. - <_> - 6 4 6 16 3. - <_> - - <_> - 15 0 4 19 -1. - <_> - 15 0 2 19 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 9 0 9 5 -1. - <_> - 12 0 3 5 3. - <_> - - <_> - 5 0 8 10 -1. - <_> - 5 0 4 5 2. - <_> - 9 5 4 5 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 0 0 14 3 -1. - <_> - 0 1 14 1 3. - <_> - - <_> - 16 0 4 12 -1. - <_> - 16 0 2 12 2. - <_> - - <_> - 1 0 4 19 -1. - <_> - 3 0 2 19 2. - <_> - - <_> - 14 10 6 7 -1. - <_> - 14 10 3 7 2. - <_> - - <_> - 1 6 9 14 -1. - <_> - 4 6 3 14 3. - <_> - - <_> - 9 2 6 9 -1. - <_> - 9 5 6 3 3. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 4 8 12 6 -1. - <_> - 8 8 4 6 3. - <_> - - <_> - 2 5 12 9 -1. - <_> - 6 5 4 9 3. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 4 5 9 5 -1. - <_> - 7 5 3 5 3. - <_> - - <_> - 10 3 6 7 -1. - <_> - 12 3 2 7 3. - <_> - - <_> - 6 13 7 6 -1. - <_> - 6 15 7 2 3. - <_> - - <_> - 11 6 4 14 -1. - <_> - 13 6 2 7 2. - <_> - 11 13 2 7 2. - <_> - - <_> - 5 6 4 14 -1. - <_> - 5 6 2 7 2. - <_> - 7 13 2 7 2. - <_> - - <_> - 13 13 7 4 -1. - <_> - 13 15 7 2 2. - <_> - - <_> - 1 5 4 14 -1. - <_> - 1 5 2 7 2. - <_> - 3 12 2 7 2. - <_> - - <_> - 1 13 18 4 -1. - <_> - 10 13 9 2 2. - <_> - 1 15 9 2 2. - <_> - - <_> - 0 1 18 12 -1. - <_> - 0 7 18 6 2. - <_> - - <_> - 4 1 14 18 -1. - <_> - 4 10 14 9 2. - <_> - - <_> - 4 0 6 10 -1. - <_> - 6 0 2 10 3. - <_> - - <_> - 16 10 4 9 -1. - <_> - 16 10 2 9 2. - <_> - - <_> - 0 10 4 9 -1. - <_> - 2 10 2 9 2. - <_> - - <_> - 10 3 6 7 -1. - <_> - 12 3 2 7 3. - <_> - - <_> - 4 10 4 7 -1. - <_> - 6 10 2 7 2. - <_> - - <_> - 4 9 15 3 -1. - <_> - 9 9 5 3 3. - <_> - - <_> - 1 9 15 3 -1. - <_> - 6 9 5 3 3. - <_> - - <_> - 16 0 4 12 -1. - <_> - 16 0 2 12 2. - <_> - - <_> - 7 8 4 12 -1. - <_> - 7 12 4 4 3. - <_> - - <_> - 16 0 4 12 -1. - <_> - 16 0 2 12 2. - <_> - - <_> - 0 0 4 12 -1. - <_> - 2 0 2 12 2. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 8 1 3 13 -1. - <_> - 9 1 1 13 3. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 0 6 6 7 -1. - <_> - 2 6 2 7 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 1 9 18 4 -1. - <_> - 10 9 9 2 2. - <_> - 1 11 9 2 2. - <_> - - <_> - 3 9 13 2 -1. - <_> - 3 10 13 1 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 6 12 8 8 -1. - <_> - 6 12 4 4 2. - <_> - 10 16 4 4 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 3 14 7 6 -1. - <_> - 3 16 7 2 3. - <_> - - <_> - 5 10 15 6 -1. - <_> - 10 10 5 6 3. - <_> - - <_> - 8 2 4 7 -1. - <_> - 10 2 2 7 2. - <_> - - <_> - 7 1 9 7 -1. - <_> - 10 1 3 7 3. - <_> - - <_> - 1 14 9 6 -1. - <_> - 1 16 9 2 3. - <_> - - <_> - 7 0 8 6 -1. - <_> - 7 2 8 2 3. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 0 4 5 2. - <_> - 4 5 4 5 2. - <_> - - <_> - 11 8 6 7 -1. - <_> - 13 8 2 7 3. - <_> - - <_> - 6 0 2 13 -1. - <_> - 7 0 1 13 2. - <_> - - <_> - 10 10 6 8 -1. - <_> - 10 10 3 8 2. - <_> - - <_> - 2 9 8 9 -1. - <_> - 2 12 8 3 3. - <_> - - <_> - 14 4 4 14 -1. - <_> - 16 4 2 7 2. - <_> - 14 11 2 7 2. - <_> - - <_> - 4 9 7 8 -1. - <_> - 4 13 7 4 2. - <_> - - <_> - 7 1 6 8 -1. - <_> - 7 1 3 8 2. - <_> - - <_> - 1 11 7 6 -1. - <_> - 1 13 7 2 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 0 10 15 6 -1. - <_> - 5 10 5 6 3. - <_> - - <_> - 9 10 6 5 -1. - <_> - 9 10 3 5 2. - <_> - - <_> - 5 10 6 5 -1. - <_> - 8 10 3 5 2. - <_> - - <_> - 7 6 7 4 -1. - <_> - 7 8 7 2 2. - <_> - - <_> - 5 2 5 9 -1. - <_> - 5 5 5 3 3. - <_> - - <_> - 7 12 13 3 -1. - <_> - 7 13 13 1 3. - <_> - - <_> - 2 12 16 4 -1. - <_> - 2 14 16 2 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 0 20 4 -1. - <_> - 0 0 10 2 2. - <_> - 10 2 10 2 2. - <_> - - <_> - 6 14 13 2 -1. - <_> - 6 15 13 1 2. - <_> - - <_> - 1 10 13 3 -1. - <_> - 1 11 13 1 3. - <_> - - <_> - 12 0 6 10 -1. - <_> - 15 0 3 5 2. - <_> - 12 5 3 5 2. - <_> - - <_> - 3 16 13 2 -1. - <_> - 3 17 13 1 2. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 1 16 13 3 -1. - <_> - 1 17 13 1 3. - <_> - - <_> - 15 1 5 9 -1. - <_> - 15 4 5 3 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 0 1 9 2 2. - <_> - 9 3 9 2 2. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 2 10 2 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 4 2 12 10 -1. - <_> - 4 2 6 10 2. - <_> - - <_> - 5 10 6 6 -1. - <_> - 8 10 3 6 2. - <_> - - <_> - 5 2 12 6 -1. - <_> - 5 4 12 2 3. - <_> - - <_> - 8 0 3 12 -1. - <_> - 8 6 3 6 2. - <_> - - <_> - 5 0 14 8 -1. - <_> - 5 4 14 4 2. - <_> - - <_> - 2 4 4 14 -1. - <_> - 2 4 2 7 2. - <_> - 4 11 2 7 2. - <_> - - <_> - 10 9 10 6 -1. - <_> - 15 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 5 12 9 5 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 4 14 12 6 -1. - <_> - 8 14 4 6 3. - <_> - - <_> - 2 5 12 14 -1. - <_> - 2 5 6 7 2. - <_> - 8 12 6 7 2. - <_> - - <_> - 3 10 14 4 -1. - <_> - 10 10 7 2 2. - <_> - 3 12 7 2 2. - <_> - - <_> - 4 2 12 4 -1. - <_> - 8 2 4 4 3. - <_> - - <_> - 12 0 4 14 -1. - <_> - 14 0 2 7 2. - <_> - 12 7 2 7 2. - <_> - - <_> - 4 0 4 14 -1. - <_> - 4 0 2 7 2. - <_> - 6 7 2 7 2. - <_> - - <_> - 12 9 6 11 -1. - <_> - 14 9 2 11 3. - <_> - - <_> - 0 4 3 14 -1. - <_> - 1 4 1 14 3. - <_> - - <_> - 15 1 3 13 -1. - <_> - 16 1 1 13 3. - <_> - - <_> - 2 1 3 13 -1. - <_> - 3 1 1 13 3. - <_> - - <_> - 8 10 10 10 -1. - <_> - 13 10 5 5 2. - <_> - 8 15 5 5 2. - <_> - - <_> - 6 0 2 20 -1. - <_> - 7 0 1 20 2. - <_> - - <_> - 5 14 14 6 -1. - <_> - 12 14 7 3 2. - <_> - 5 17 7 3 2. - <_> - - <_> - 1 4 3 13 -1. - <_> - 2 4 1 13 3. - <_> - - <_> - 18 6 2 14 -1. - <_> - 18 6 1 14 2. - <_> - - <_> - 0 6 2 14 -1. - <_> - 1 6 1 14 2. - <_> - - <_> - 10 2 9 5 -1. - <_> - 13 2 3 5 3. - <_> - - <_> - 2 0 6 7 -1. - <_> - 4 0 2 7 3. - <_> - - <_> - 4 4 14 16 -1. - <_> - 11 4 7 8 2. - <_> - 4 12 7 8 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 12 8 7 6 -1. - <_> - 12 10 7 2 3. - <_> - - <_> - 0 17 20 3 -1. - <_> - 10 17 10 3 2. - <_> - - <_> - 6 10 10 4 -1. - <_> - 6 10 5 4 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 12 8 7 6 -1. - <_> - 12 10 7 2 3. - <_> - - <_> - 7 11 6 8 -1. - <_> - 9 11 2 8 3. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 6 2 4 15 -1. - <_> - 6 7 4 5 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 3 6 14 9 -1. - <_> - 3 9 14 3 3. - <_> - - <_> - 4 5 12 8 -1. - <_> - 4 9 12 4 2. - <_> - - <_> - 2 4 14 16 -1. - <_> - 2 4 7 8 2. - <_> - 9 12 7 8 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 1 17 12 3 -1. - <_> - 7 17 6 3 2. - <_> - - <_> - 1 7 19 3 -1. - <_> - 1 8 19 1 3. - <_> - - <_> - 4 0 12 10 -1. - <_> - 10 0 6 10 2. - <_> - - <_> - 6 11 12 4 -1. - <_> - 6 11 6 4 2. - <_> - - <_> - 4 10 6 5 -1. - <_> - 7 10 3 5 2. - <_> - - <_> - 18 0 2 18 -1. - <_> - 18 0 1 18 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 3 13 14 3 -1. - <_> - 3 14 14 1 3. - <_> - - <_> - 12 8 7 6 -1. - <_> - 12 10 7 2 3. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 12 8 7 6 -1. - <_> - 12 10 7 2 3. - <_> - - <_> - 1 8 7 6 -1. - <_> - 1 10 7 2 3. - <_> - - <_> - 5 7 12 12 -1. - <_> - 5 11 12 4 3. - <_> - - <_> - 4 5 10 10 -1. - <_> - 4 5 5 5 2. - <_> - 9 10 5 5 2. - <_> - - <_> - 12 13 8 7 -1. - <_> - 12 13 4 7 2. - <_> - - <_> - 4 0 9 6 -1. - <_> - 4 3 9 3 2. - <_> - - <_> - 4 3 13 2 -1. - <_> - 4 4 13 1 2. - <_> - - <_> - 0 0 2 18 -1. - <_> - 1 0 1 18 2. - <_> - - <_> - 0 13 20 2 -1. - <_> - 0 14 20 1 2. - <_> - - <_> - 4 10 10 4 -1. - <_> - 9 10 5 4 2. - <_> - - <_> - 8 4 12 16 -1. - <_> - 8 4 6 16 2. - <_> - - <_> - 0 4 12 16 -1. - <_> - 6 4 6 16 2. - <_> - - <_> - 12 5 6 9 -1. - <_> - 12 5 3 9 2. - <_> - - <_> - 0 13 8 7 -1. - <_> - 4 13 4 7 2. - <_> - - <_> - 12 0 3 16 -1. - <_> - 13 0 1 16 3. - <_> - - <_> - 0 7 18 12 -1. - <_> - 6 7 6 12 3. - <_> - - <_> - 4 9 12 4 -1. - <_> - 8 9 4 4 3. - <_> - - <_> - 0 7 16 4 -1. - <_> - 0 7 8 2 2. - <_> - 8 9 8 2 2. - <_> - - <_> - 7 4 9 5 -1. - <_> - 10 4 3 5 3. - <_> - - <_> - 5 0 3 16 -1. - <_> - 6 0 1 16 3. - <_> - - <_> - 6 11 13 2 -1. - <_> - 6 12 13 1 2. - <_> - - <_> - 1 11 13 2 -1. - <_> - 1 12 13 1 2. - <_> - - <_> - 8 6 5 9 -1. - <_> - 8 9 5 3 3. - <_> - - <_> - 6 4 4 8 -1. - <_> - 8 4 2 8 2. - <_> - - <_> - 14 3 4 8 -1. - <_> - 14 3 2 8 2. - <_> - - <_> - 2 3 4 8 -1. - <_> - 4 3 2 8 2. - <_> - - <_> - 10 3 6 7 -1. - <_> - 12 3 2 7 3. - <_> - - <_> - 4 6 8 8 -1. - <_> - 4 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 10 9 6 7 -1. - <_> - 10 9 3 7 2. - <_> - - <_> - 4 9 6 7 -1. - <_> - 7 9 3 7 2. - <_> - - <_> - 4 10 12 5 -1. - <_> - 8 10 4 5 3. - <_> - - <_> - 6 1 7 6 -1. - <_> - 6 3 7 2 3. - <_> - - <_> - 4 0 13 3 -1. - <_> - 4 1 13 1 3. - <_> - - <_> - 4 3 4 14 -1. - <_> - 4 3 2 7 2. - <_> - 6 10 2 7 2. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 2 8 16 2 -1. - <_> - 10 8 8 2 2. - <_> - - <_> - 11 6 8 14 -1. - <_> - 15 6 4 7 2. - <_> - 11 13 4 7 2. - <_> - - <_> - 1 0 6 19 -1. - <_> - 4 0 3 19 2. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 12 5 6 10 -1. - <_> - 15 5 3 5 2. - <_> - 12 10 3 5 2. - <_> - - <_> - 2 5 6 10 -1. - <_> - 2 5 3 5 2. - <_> - 5 10 3 5 2. - <_> - - <_> - 7 0 9 4 -1. - <_> - 7 2 9 2 2. - <_> - - <_> - 0 11 18 2 -1. - <_> - 9 11 9 2 2. - <_> - - <_> - 6 6 8 9 -1. - <_> - 6 6 4 9 2. - <_> - - <_> - 4 4 9 5 -1. - <_> - 7 4 3 5 3. - <_> - - <_> - 10 2 6 7 -1. - <_> - 10 2 3 7 2. - <_> - - <_> - 5 2 9 5 -1. - <_> - 8 2 3 5 3. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 4 1 14 4 -1. - <_> - 11 1 7 2 2. - <_> - 4 3 7 2 2. - <_> - - <_> - 9 1 2 13 -1. - <_> - 10 1 1 13 2. - <_> - - <_> - 10 6 10 6 -1. - <_> - 15 6 5 3 2. - <_> - 10 9 5 3 2. - <_> - - <_> - 0 6 10 6 -1. - <_> - 0 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 6 6 10 3 -1. - <_> - 6 6 5 3 2. - <_> - - <_> - 1 7 4 13 -1. - <_> - 3 7 2 13 2. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 15 6 5 12 -1. - <_> - 15 10 5 4 3. - <_> - - <_> - 0 1 6 16 -1. - <_> - 0 1 3 8 2. - <_> - 3 9 3 8 2. - <_> - - <_> - 0 0 20 2 -1. - <_> - 0 0 10 2 2. - <_> - - <_> - 0 6 5 12 -1. - <_> - 0 10 5 4 3. - <_> - - <_> - 1 0 18 6 -1. - <_> - 10 0 9 3 2. - <_> - 1 3 9 3 2. - <_> - - <_> - 3 0 12 5 -1. - <_> - 7 0 4 5 3. - <_> - - <_> - 7 0 9 5 -1. - <_> - 10 0 3 5 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 11 2 8 18 -1. - <_> - 11 2 4 18 2. - <_> - - <_> - 1 2 8 18 -1. - <_> - 5 2 4 18 2. - <_> - - <_> - 12 7 5 6 -1. - <_> - 12 10 5 3 2. - <_> - - <_> - 2 1 14 4 -1. - <_> - 2 1 7 2 2. - <_> - 9 3 7 2 2. - <_> - - <_> - 12 7 8 6 -1. - <_> - 12 9 8 2 3. - <_> - - <_> - 0 7 8 6 -1. - <_> - 0 9 8 2 3. - <_> - - <_> - 7 7 13 2 -1. - <_> - 7 8 13 1 2. - <_> - - <_> - 1 6 18 9 -1. - <_> - 1 9 18 3 3. - <_> - - <_> - 0 8 20 6 -1. - <_> - 0 10 20 2 3. - <_> - - <_> - 4 3 4 13 -1. - <_> - 6 3 2 13 2. - <_> - - <_> - 13 3 3 15 -1. - <_> - 14 3 1 15 3. - <_> - - <_> - 3 15 14 3 -1. - <_> - 3 16 14 1 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 16 17 3 -1. - <_> - 0 17 17 1 3. - <_> - - <_> - 5 11 11 6 -1. - <_> - 5 14 11 3 2. - <_> - - <_> - 4 3 3 15 -1. - <_> - 5 3 1 15 3. - <_> - - <_> - 3 1 14 9 -1. - <_> - 3 4 14 3 3. - <_> - - <_> - 0 0 20 8 -1. - <_> - 0 4 20 4 2. - <_> - - <_> - 7 6 7 4 -1. - <_> - 7 8 7 2 2. - <_> - - <_> - 2 13 13 2 -1. - <_> - 2 14 13 1 2. - <_> - - <_> - 2 12 16 3 -1. - <_> - 2 13 16 1 3. - <_> - - <_> - 1 11 13 3 -1. - <_> - 1 12 13 1 3. - <_> - - <_> - 7 1 13 3 -1. - <_> - 7 2 13 1 3. - <_> - - <_> - 5 13 7 6 -1. - <_> - 5 16 7 3 2. - <_> - - <_> - 4 3 14 3 -1. - <_> - 4 4 14 1 3. - <_> - - <_> - 3 2 14 2 -1. - <_> - 3 3 14 1 2. - <_> - - <_> - 3 0 15 14 -1. - <_> - 3 7 15 7 2. - <_> - - <_> - 4 1 12 14 -1. - <_> - 4 8 12 7 2. - <_> - - <_> - 9 13 6 7 -1. - <_> - 11 13 2 7 3. - <_> - - <_> - 6 14 8 4 -1. - <_> - 6 16 8 2 2. - <_> - - <_> - 8 14 8 6 -1. - <_> - 8 16 8 2 3. - <_> - - <_> - 5 13 6 7 -1. - <_> - 7 13 2 7 3. - <_> - - <_> - 11 10 8 5 -1. - <_> - 11 10 4 5 2. - <_> - - <_> - 1 0 8 16 -1. - <_> - 1 0 4 8 2. - <_> - 5 8 4 8 2. - <_> - - <_> - 8 2 6 18 -1. - <_> - 8 8 6 6 3. - <_> - - <_> - 6 2 6 18 -1. - <_> - 6 8 6 6 3. - <_> - - <_> - 7 6 9 4 -1. - <_> - 7 8 9 2 2. - <_> - - <_> - 1 10 5 9 -1. - <_> - 1 13 5 3 3. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 0 14 10 6 -1. - <_> - 0 14 5 3 2. - <_> - 5 17 5 3 2. - <_> - - <_> - 9 11 5 9 -1. - <_> - 9 14 5 3 3. - <_> - - <_> - 0 16 12 4 -1. - <_> - 4 16 4 4 3. - <_> - - <_> - 14 6 3 14 -1. - <_> - 15 6 1 14 3. - <_> - - <_> - 6 9 8 8 -1. - <_> - 6 9 4 4 2. - <_> - 10 13 4 4 2. - <_> - - <_> - 8 5 4 7 -1. - <_> - 8 5 2 7 2. - <_> - - <_> - 6 11 6 9 -1. - <_> - 8 11 2 9 3. - <_> - - <_> - 7 2 6 16 -1. - <_> - 10 2 3 8 2. - <_> - 7 10 3 8 2. - <_> - - <_> - 0 15 18 5 -1. - <_> - 9 15 9 5 2. - <_> - - <_> - 4 12 14 4 -1. - <_> - 11 12 7 2 2. - <_> - 4 14 7 2 2. - <_> - - <_> - 2 12 14 4 -1. - <_> - 2 12 7 2 2. - <_> - 9 14 7 2 2. - <_> - - <_> - 4 3 14 3 -1. - <_> - 4 3 7 3 2. - <_> - - <_> - 0 2 10 3 -1. - <_> - 5 2 5 3 2. - <_> - - <_> - 3 0 15 8 -1. - <_> - 8 0 5 8 3. - <_> - - <_> - 2 5 16 2 -1. - <_> - 10 5 8 2 2. - <_> - - <_> - 6 0 8 9 -1. - <_> - 6 0 4 9 2. - <_> - - <_> - 3 2 10 6 -1. - <_> - 3 2 5 3 2. - <_> - 8 5 5 3 2. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 14 1 3 13 -1. - <_> - 15 1 1 13 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 11 10 8 6 -1. - <_> - 11 12 8 2 3. - <_> - - <_> - 1 10 8 6 -1. - <_> - 1 12 8 2 3. - <_> - - <_> - 3 3 14 3 -1. - <_> - 3 4 14 1 3. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 4 2 15 9 -1. - <_> - 4 5 15 3 3. - <_> - - <_> - 0 1 13 3 -1. - <_> - 0 2 13 1 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 6 16 14 4 -1. - <_> - 13 16 7 2 2. - <_> - 6 18 7 2 2. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 4 16 16 4 -1. - <_> - 12 16 8 2 2. - <_> - 4 18 8 2 2. - <_> - - <_> - 0 16 16 4 -1. - <_> - 0 16 8 2 2. - <_> - 8 18 8 2 2. - <_> - - <_> - 8 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 6 4 6 5 -1. - <_> - 9 4 3 5 2. - <_> - - <_> - 8 7 4 8 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 4 6 10 12 -1. - <_> - 4 12 10 6 2. - <_> - - <_> - 1 5 18 12 -1. - <_> - 1 9 18 4 3. - <_> - - <_> - 4 6 9 4 -1. - <_> - 4 8 9 2 2. - <_> - - <_> - 1 5 19 3 -1. - <_> - 1 6 19 1 3. - <_> - - <_> - 2 3 12 14 -1. - <_> - 2 3 6 7 2. - <_> - 8 10 6 7 2. - <_> - - <_> - 13 0 3 16 -1. - <_> - 13 8 3 8 2. - <_> - - <_> - 4 0 3 16 -1. - <_> - 4 8 3 8 2. - <_> - - <_> - 4 0 12 14 -1. - <_> - 8 0 4 14 3. - <_> - - <_> - 0 10 10 6 -1. - <_> - 0 10 5 3 2. - <_> - 5 13 5 3 2. - <_> - - <_> - 7 4 13 3 -1. - <_> - 7 5 13 1 3. - <_> - - <_> - 2 5 6 10 -1. - <_> - 5 5 3 10 2. - <_> - - <_> - 11 6 8 14 -1. - <_> - 15 6 4 7 2. - <_> - 11 13 4 7 2. - <_> - - <_> - 3 1 3 13 -1. - <_> - 4 1 1 13 3. - <_> - - <_> - 11 6 8 14 -1. - <_> - 15 6 4 7 2. - <_> - 11 13 4 7 2. - <_> - - <_> - 3 1 3 13 -1. - <_> - 4 1 1 13 3. - <_> - - <_> - 9 5 10 9 -1. - <_> - 9 5 5 9 2. - <_> - - <_> - 1 6 8 14 -1. - <_> - 1 6 4 7 2. - <_> - 5 13 4 7 2. - <_> - - <_> - 11 13 9 6 -1. - <_> - 11 15 9 2 3. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 12 11 8 9 -1. - <_> - 12 14 8 3 3. - <_> - - <_> - 2 11 15 9 -1. - <_> - 2 14 15 3 3. - <_> - - <_> - 2 16 18 4 -1. - <_> - 8 16 6 4 3. - <_> - - <_> - 1 9 18 3 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 14 0 3 10 2. - <_> - - <_> - 0 0 6 10 -1. - <_> - 3 0 3 10 2. - <_> - - <_> - 13 1 4 16 -1. - <_> - 15 1 2 8 2. - <_> - 13 9 2 8 2. - <_> - - <_> - 1 9 6 11 -1. - <_> - 3 9 2 11 3. - <_> - - <_> - 6 12 13 3 -1. - <_> - 6 13 13 1 3. - <_> - - <_> - 0 0 12 10 -1. - <_> - 0 0 6 5 2. - <_> - 6 5 6 5 2. - <_> - - <_> - 4 5 13 3 -1. - <_> - 4 6 13 1 3. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 13 6 4 8 -1. - <_> - 13 10 4 4 2. - <_> - - <_> - 3 6 4 8 -1. - <_> - 3 10 4 4 2. - <_> - - <_> - 15 8 5 6 -1. - <_> - 15 11 5 3 2. - <_> - - <_> - 0 4 13 3 -1. - <_> - 0 5 13 1 3. - <_> - - <_> - 9 8 10 6 -1. - <_> - 14 8 5 3 2. - <_> - 9 11 5 3 2. - <_> - - <_> - 1 8 10 6 -1. - <_> - 1 8 5 3 2. - <_> - 6 11 5 3 2. - <_> - - <_> - 5 5 15 6 -1. - <_> - 5 8 15 3 2. - <_> - - <_> - 2 8 14 2 -1. - <_> - 9 8 7 2 2. - <_> - - <_> - 9 1 6 7 -1. - <_> - 9 1 3 7 2. - <_> - - <_> - 5 1 6 7 -1. - <_> - 8 1 3 7 2. - <_> - - <_> - 0 6 20 6 -1. - <_> - 0 9 20 3 2. - <_> - - <_> - 2 8 15 2 -1. - <_> - 2 9 15 1 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 0 2 15 6 -1. - <_> - 0 4 15 2 3. - <_> - - <_> - 5 2 15 2 -1. - <_> - 5 3 15 1 2. - <_> - - <_> - 5 9 7 4 -1. - <_> - 5 11 7 2 2. - <_> - - <_> - 13 9 4 8 -1. - <_> - 13 13 4 4 2. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 12 11 5 6 -1. - <_> - 12 14 5 3 2. - <_> - - <_> - 3 3 14 9 -1. - <_> - 3 6 14 3 3. - <_> - - <_> - 12 11 5 6 -1. - <_> - 12 14 5 3 2. - <_> - - <_> - 3 11 5 6 -1. - <_> - 3 14 5 3 2. - <_> - - <_> - 2 9 17 8 -1. - <_> - 2 13 17 4 2. - <_> - - <_> - 6 8 7 12 -1. - <_> - 6 12 7 4 3. - <_> - - <_> - 11 0 4 9 -1. - <_> - 11 0 2 9 2. - <_> - - <_> - 6 2 4 16 -1. - <_> - 6 2 2 8 2. - <_> - 8 10 2 8 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 10 4 10 6 -1. - <_> - 15 4 5 3 2. - <_> - 10 7 5 3 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 6 0 6 4 3. - <_> - - <_> - 7 1 9 7 -1. - <_> - 10 1 3 7 3. - <_> - - <_> - 4 1 9 7 -1. - <_> - 7 1 3 7 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 1 1 12 17 -1. - <_> - 5 1 4 17 3. - <_> - - <_> - 9 1 6 12 -1. - <_> - 12 1 3 6 2. - <_> - 9 7 3 6 2. - <_> - - <_> - 2 5 9 15 -1. - <_> - 5 5 3 15 3. - <_> - - <_> - 4 0 16 4 -1. - <_> - 12 0 8 2 2. - <_> - 4 2 8 2 2. - <_> - - <_> - 0 0 16 4 -1. - <_> - 0 0 8 2 2. - <_> - 8 2 8 2 2. - <_> - - <_> - 10 4 10 6 -1. - <_> - 15 4 5 3 2. - <_> - 10 7 5 3 2. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 5 13 13 2 -1. - <_> - 5 14 13 1 2. - <_> - - <_> - 0 4 10 6 -1. - <_> - 0 4 5 3 2. - <_> - 5 7 5 3 2. - <_> - - <_> - 8 11 12 5 -1. - <_> - 12 11 4 5 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 11 13 7 6 -1. - <_> - 11 15 7 2 3. - <_> - - <_> - 1 14 18 6 -1. - <_> - 1 17 18 3 2. - <_> - - <_> - 3 1 14 6 -1. - <_> - 3 3 14 2 3. - <_> - - <_> - 12 0 6 6 -1. - <_> - 12 0 3 6 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 5 7 12 5 -1. - <_> - 9 7 4 5 3. - <_> - - <_> - 5 10 4 8 -1. - <_> - 5 14 4 4 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 2 0 9 5 -1. - <_> - 5 0 3 5 3. - <_> - - <_> - 9 2 6 16 -1. - <_> - 12 2 3 8 2. - <_> - 9 10 3 8 2. - <_> - - <_> - 6 5 2 14 -1. - <_> - 6 12 2 7 2. - <_> - - <_> - 15 4 4 16 -1. - <_> - 17 4 2 8 2. - <_> - 15 12 2 8 2. - <_> - - <_> - 5 1 10 8 -1. - <_> - 5 1 5 4 2. - <_> - 10 5 5 4 2. - <_> - - <_> - 11 7 7 6 -1. - <_> - 11 9 7 2 3. - <_> - - <_> - 1 2 14 3 -1. - <_> - 1 3 14 1 3. - <_> - - <_> - 13 5 4 8 -1. - <_> - 13 9 4 4 2. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 5 18 8 -1. - <_> - 0 5 9 4 2. - <_> - 9 9 9 4 2. - <_> - - <_> - 13 5 4 14 -1. - <_> - 15 5 2 7 2. - <_> - 13 12 2 7 2. - <_> - - <_> - 0 0 4 13 -1. - <_> - 2 0 2 13 2. - <_> - - <_> - 13 5 4 14 -1. - <_> - 15 5 2 7 2. - <_> - 13 12 2 7 2. - <_> - - <_> - 3 5 4 14 -1. - <_> - 3 5 2 7 2. - <_> - 5 12 2 7 2. - <_> - - <_> - 11 12 7 6 -1. - <_> - 11 14 7 2 3. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 13 4 6 16 -1. - <_> - 16 4 3 8 2. - <_> - 13 12 3 8 2. - <_> - - <_> - 0 9 10 6 -1. - <_> - 0 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 9 5 3 15 -1. - <_> - 9 10 3 5 3. - <_> - - <_> - 8 2 4 10 -1. - <_> - 10 2 2 10 2. - <_> - - <_> - 13 4 6 16 -1. - <_> - 16 4 3 8 2. - <_> - 13 12 3 8 2. - <_> - - <_> - 1 8 18 5 -1. - <_> - 7 8 6 5 3. - <_> - - <_> - 13 4 6 16 -1. - <_> - 16 4 3 8 2. - <_> - 13 12 3 8 2. - <_> - - <_> - 1 4 6 16 -1. - <_> - 1 4 3 8 2. - <_> - 4 12 3 8 2. - <_> - - <_> - 2 15 18 4 -1. - <_> - 11 15 9 2 2. - <_> - 2 17 9 2 2. - <_> - - <_> - 7 3 2 16 -1. - <_> - 7 11 2 8 2. - <_> - - <_> - 0 4 20 4 -1. - <_> - 0 6 20 2 2. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 14 1 6 17 -1. - <_> - 14 1 3 17 2. - <_> - - <_> - 2 9 7 6 -1. - <_> - 2 11 7 2 3. - <_> - - <_> - 11 0 6 16 -1. - <_> - 14 0 3 8 2. - <_> - 11 8 3 8 2. - <_> - - <_> - 1 14 13 3 -1. - <_> - 1 15 13 1 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 3 0 6 16 -1. - <_> - 3 0 3 8 2. - <_> - 6 8 3 8 2. - <_> - - <_> - 10 12 10 3 -1. - <_> - 10 12 5 3 2. - <_> - - <_> - 3 7 12 5 -1. - <_> - 7 7 4 5 3. - <_> - - <_> - 1 0 18 6 -1. - <_> - 7 0 6 6 3. - <_> - - <_> - 0 12 10 3 -1. - <_> - 5 12 5 3 2. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 5 5 6 8 -1. - <_> - 7 5 2 8 3. - <_> - - <_> - 11 9 9 6 -1. - <_> - 11 11 9 2 3. - <_> - - <_> - 4 7 7 9 -1. - <_> - 4 10 7 3 3. - <_> - - <_> - 5 14 10 6 -1. - <_> - 5 16 10 2 3. - <_> - - <_> - 0 14 19 4 -1. - <_> - 0 16 19 2 2. - <_> - - <_> - 6 9 12 8 -1. - <_> - 12 9 6 4 2. - <_> - 6 13 6 4 2. - <_> - - <_> - 1 1 3 14 -1. - <_> - 2 1 1 14 3. - <_> - - <_> - 6 9 12 8 -1. - <_> - 12 9 6 4 2. - <_> - 6 13 6 4 2. - <_> - - <_> - 2 9 12 8 -1. - <_> - 2 9 6 4 2. - <_> - 8 13 6 4 2. - <_> - - <_> - 18 2 2 18 -1. - <_> - 18 2 1 18 2. - <_> - - <_> - 6 5 6 8 -1. - <_> - 8 5 2 8 3. - <_> - - <_> - 10 3 4 12 -1. - <_> - 10 3 2 12 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 9 8 6 12 -1. - <_> - 12 8 3 6 2. - <_> - 9 14 3 6 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 18 2 2 18 -1. - <_> - 18 2 1 18 2. - <_> - - <_> - 1 5 17 6 -1. - <_> - 1 7 17 2 3. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 2 12 2 3. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 3 0 14 6 -1. - <_> - 3 2 14 2 3. - <_> - - <_> - 15 3 5 6 -1. - <_> - 15 6 5 3 2. - <_> - - <_> - 0 3 5 6 -1. - <_> - 0 6 5 3 2. - <_> - - <_> - 4 1 14 10 -1. - <_> - 4 6 14 5 2. - <_> - - <_> - 0 1 7 4 -1. - <_> - 0 3 7 2 2. - <_> - - <_> - 13 1 7 4 -1. - <_> - 13 3 7 2 2. - <_> - - <_> - 1 4 10 9 -1. - <_> - 6 4 5 9 2. - <_> - - <_> - 10 1 10 19 -1. - <_> - 10 1 5 19 2. - <_> - - <_> - 0 1 10 19 -1. - <_> - 5 1 5 19 2. - <_> - - <_> - 13 5 4 12 -1. - <_> - 13 9 4 4 3. - <_> - - <_> - 3 5 4 12 -1. - <_> - 3 9 4 4 3. - <_> - - <_> - 2 0 18 4 -1. - <_> - 11 0 9 2 2. - <_> - 2 2 9 2 2. - <_> - - <_> - 6 8 6 5 -1. - <_> - 9 8 3 5 2. - <_> - - <_> - 6 5 12 8 -1. - <_> - 12 5 6 4 2. - <_> - 6 9 6 4 2. - <_> - - <_> - 2 5 12 8 -1. - <_> - 2 5 6 4 2. - <_> - 8 9 6 4 2. - <_> - - <_> - 5 4 13 3 -1. - <_> - 5 5 13 1 3. - <_> - - <_> - 2 4 13 3 -1. - <_> - 2 5 13 1 3. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 7 12 13 2 -1. - <_> - 7 13 13 1 2. - <_> - - <_> - 2 4 15 3 -1. - <_> - 2 5 15 1 3. - <_> - - <_> - 1 14 18 4 -1. - <_> - 10 14 9 2 2. - <_> - 1 16 9 2 2. - <_> - - <_> - 5 8 6 10 -1. - <_> - 5 8 3 5 2. - <_> - 8 13 3 5 2. - <_> - - <_> - 12 4 3 10 -1. - <_> - 12 9 3 5 2. - <_> - - <_> - 2 0 14 3 -1. - <_> - 2 1 14 1 3. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 0 1 15 3 -1. - <_> - 0 2 15 1 3. - <_> - - <_> - 2 1 16 4 -1. - <_> - 2 3 16 2 2. - <_> - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - <_> - - <_> - 3 5 15 3 -1. - <_> - 3 6 15 1 3. - <_> - - <_> - 1 5 10 6 -1. - <_> - 1 5 5 3 2. - <_> - 6 8 5 3 2. - <_> - - <_> - 9 2 3 12 -1. - <_> - 9 8 3 6 2. - <_> - - <_> - 0 2 19 2 -1. - <_> - 0 3 19 1 2. - <_> - - <_> - 16 0 4 10 -1. - <_> - 16 0 2 10 2. - <_> - - <_> - 1 8 13 3 -1. - <_> - 1 9 13 1 3. - <_> - - <_> - 7 0 13 4 -1. - <_> - 7 2 13 2 2. - <_> - - <_> - 4 4 3 10 -1. - <_> - 4 9 3 5 2. - <_> - - <_> - 7 9 6 7 -1. - <_> - 9 9 2 7 3. - <_> - - <_> - 4 3 3 13 -1. - <_> - 5 3 1 13 3. - <_> - - <_> - 14 10 6 6 -1. - <_> - 14 10 3 6 2. - <_> - - <_> - 8 0 3 15 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 12 0 8 8 -1. - <_> - 16 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 7 4 6 9 -1. - <_> - 7 7 6 3 3. - <_> - - <_> - 11 9 9 6 -1. - <_> - 11 11 9 2 3. - <_> - - <_> - 5 13 9 5 -1. - <_> - 8 13 3 5 3. - <_> - - <_> - 9 9 6 10 -1. - <_> - 12 9 3 5 2. - <_> - 9 14 3 5 2. - <_> - - <_> - 5 9 6 10 -1. - <_> - 5 9 3 5 2. - <_> - 8 14 3 5 2. - <_> - - <_> - 13 10 6 10 -1. - <_> - 16 10 3 5 2. - <_> - 13 15 3 5 2. - <_> - - <_> - 1 10 6 10 -1. - <_> - 1 10 3 5 2. - <_> - 4 15 3 5 2. - <_> - - <_> - 10 3 4 12 -1. - <_> - 10 3 2 12 2. - <_> - - <_> - 6 3 4 12 -1. - <_> - 8 3 2 12 2. - <_> - - <_> - 11 1 9 5 -1. - <_> - 14 1 3 5 3. - <_> - - <_> - 2 9 16 3 -1. - <_> - 10 9 8 3 2. - <_> - - <_> - 6 2 8 10 -1. - <_> - 10 2 4 5 2. - <_> - 6 7 4 5 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 0 0 4 4 2. - <_> - 4 4 4 4 2. - <_> - - <_> - 12 10 6 10 -1. - <_> - 14 10 2 10 3. - <_> - - <_> - 0 1 9 5 -1. - <_> - 3 1 3 5 3. - <_> - - <_> - 16 0 4 17 -1. - <_> - 16 0 2 17 2. - <_> - - <_> - 2 0 6 20 -1. - <_> - 4 0 2 20 3. - <_> - - <_> - 16 0 4 17 -1. - <_> - 16 0 2 17 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 6 8 12 4 -1. - <_> - 10 8 4 4 3. - <_> - - <_> - 8 5 3 14 -1. - <_> - 8 12 3 7 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 1 3 14 15 -1. - <_> - 1 8 14 5 3. - <_> - - <_> - 16 0 4 16 -1. - <_> - 16 0 2 16 2. - <_> - - <_> - 4 6 10 9 -1. - <_> - 4 9 10 3 3. - <_> - - <_> - 16 0 4 16 -1. - <_> - 16 0 2 16 2. - <_> - - <_> - 0 0 4 16 -1. - <_> - 2 0 2 16 2. - <_> - - <_> - 15 9 4 7 -1. - <_> - 15 9 2 7 2. - <_> - - <_> - 0 0 9 6 -1. - <_> - 3 0 3 6 3. - <_> - - <_> - 12 11 8 4 -1. - <_> - 12 13 8 2 2. - <_> - - <_> - 1 9 4 7 -1. - <_> - 3 9 2 7 2. - <_> - - <_> - 14 10 6 6 -1. - <_> - 14 10 3 6 2. - <_> - - <_> - 1 7 2 13 -1. - <_> - 2 7 1 13 2. - <_> - - <_> - 1 2 18 11 -1. - <_> - 7 2 6 11 3. - <_> - - <_> - 6 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 0 6 20 14 -1. - <_> - 10 6 10 7 2. - <_> - 0 13 10 7 2. - <_> - - <_> - 0 5 18 15 -1. - <_> - 6 5 6 15 3. - <_> - - <_> - 16 5 4 15 -1. - <_> - 16 5 2 15 2. - <_> - - <_> - 5 6 6 7 -1. - <_> - 7 6 2 7 3. - <_> - - <_> - 6 8 12 4 -1. - <_> - 10 8 4 4 3. - <_> - - <_> - 5 10 10 6 -1. - <_> - 5 13 10 3 2. - <_> - - <_> - 3 7 17 12 -1. - <_> - 3 13 17 6 2. - <_> - - <_> - 0 7 17 12 -1. - <_> - 0 13 17 6 2. - <_> - - <_> - 2 0 18 19 -1. - <_> - 8 0 6 19 3. - <_> - - <_> - 7 2 4 7 -1. - <_> - 9 2 2 7 2. - <_> - - <_> - 9 7 7 8 -1. - <_> - 9 11 7 4 2. - <_> - - <_> - 0 10 19 2 -1. - <_> - 0 11 19 1 2. - <_> - - <_> - 11 9 9 6 -1. - <_> - 11 11 9 2 3. - <_> - - <_> - 0 0 15 3 -1. - <_> - 5 0 5 3 3. - <_> - - <_> - 18 7 2 13 -1. - <_> - 18 7 1 13 2. - <_> - - <_> - 0 9 9 6 -1. - <_> - 0 11 9 2 3. - <_> - - <_> - 9 7 7 8 -1. - <_> - 9 11 7 4 2. - <_> - - <_> - 4 7 7 8 -1. - <_> - 4 11 7 4 2. - <_> - - <_> - 3 3 16 2 -1. - <_> - 3 4 16 1 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 6 12 10 6 -1. - <_> - 6 14 10 2 3. - <_> - - <_> - 0 13 7 6 -1. - <_> - 0 15 7 2 3. - <_> - - <_> - 3 11 15 9 -1. - <_> - 3 14 15 3 3. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 10 0 10 20 -1. - <_> - 10 0 5 20 2. - <_> - - <_> - 0 0 10 20 -1. - <_> - 5 0 5 20 2. - <_> - - <_> - 5 12 13 3 -1. - <_> - 5 13 13 1 3. - <_> - - <_> - 5 6 6 8 -1. - <_> - 5 10 6 4 2. - <_> - - <_> - 4 0 13 18 -1. - <_> - 4 9 13 9 2. - <_> - - <_> - 0 0 15 4 -1. - <_> - 5 0 5 4 3. - <_> - - <_> - 4 7 15 3 -1. - <_> - 9 7 5 3 3. - <_> - - <_> - 6 8 6 6 -1. - <_> - 9 8 3 6 2. - <_> - - <_> - 0 8 20 2 -1. - <_> - 0 8 10 2 2. - <_> - - <_> - 5 0 3 14 -1. - <_> - 6 0 1 14 3. - <_> - - <_> - 13 2 5 12 -1. - <_> - 13 6 5 4 3. - <_> - - <_> - 4 4 12 6 -1. - <_> - 4 4 6 3 2. - <_> - 10 7 6 3 2. - <_> - - <_> - 7 1 9 8 -1. - <_> - 10 1 3 8 3. - <_> - - <_> - 1 1 6 10 -1. - <_> - 1 1 3 5 2. - <_> - 4 6 3 5 2. - <_> - - <_> - 11 10 8 8 -1. - <_> - 11 14 8 4 2. - <_> - - <_> - 1 10 8 8 -1. - <_> - 1 14 8 4 2. - <_> - - <_> - 13 8 3 12 -1. - <_> - 13 14 3 6 2. - <_> - - <_> - 4 8 3 12 -1. - <_> - 4 14 3 6 2. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 7 1 9 8 -1. - <_> - 10 1 3 8 3. - <_> - - <_> - 4 1 9 8 -1. - <_> - 7 1 3 8 3. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 5 2 6 10 -1. - <_> - 5 2 3 5 2. - <_> - 8 7 3 5 2. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 17 0 3 5 2. - <_> - 14 5 3 5 2. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 8 5 3 7 2. - <_> - - <_> - 5 3 4 8 -1. - <_> - 7 3 2 8 2. - <_> - - <_> - 15 2 5 9 -1. - <_> - 15 5 5 3 3. - <_> - - <_> - 1 4 4 16 -1. - <_> - 1 4 2 8 2. - <_> - 3 12 2 8 2. - <_> - - <_> - 3 14 16 4 -1. - <_> - 11 14 8 2 2. - <_> - 3 16 8 2 2. - <_> - - <_> - 5 2 9 6 -1. - <_> - 8 2 3 6 3. - <_> - - <_> - 6 1 14 2 -1. - <_> - 6 1 7 2 2. - <_> - - <_> - 0 1 14 2 -1. - <_> - 7 1 7 2 2. - <_> - - <_> - 8 0 8 8 -1. - <_> - 12 0 4 4 2. - <_> - 8 4 4 4 2. - <_> - - <_> - 5 4 10 14 -1. - <_> - 5 4 5 7 2. - <_> - 10 11 5 7 2. - <_> - - <_> - 2 0 18 4 -1. - <_> - 11 0 9 2 2. - <_> - 2 2 9 2 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 9 5 3 7 2. - <_> - - <_> - 4 10 14 4 -1. - <_> - 11 10 7 2 2. - <_> - 4 12 7 2 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 7 1 9 6 -1. - <_> - 7 4 9 3 2. - <_> - - <_> - 6 0 7 8 -1. - <_> - 6 4 7 4 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 1 3 9 4 -1. - <_> - 1 5 9 2 2. - <_> - - <_> - 4 4 13 2 -1. - <_> - 4 5 13 1 2. - <_> - - <_> - 1 4 14 3 -1. - <_> - 1 5 14 1 3. - <_> - - <_> - 7 11 6 9 -1. - <_> - 9 11 2 9 3. - <_> - - <_> - 6 11 4 7 -1. - <_> - 8 11 2 7 2. - <_> - - <_> - 4 8 12 12 -1. - <_> - 4 8 6 12 2. - <_> - - <_> - 1 11 18 5 -1. - <_> - 10 11 9 5 2. - <_> - - <_> - 4 5 16 6 -1. - <_> - 4 7 16 2 3. - <_> - - <_> - 0 3 4 16 -1. - <_> - 0 3 2 8 2. - <_> - 2 11 2 8 2. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 0 0 20 8 -1. - <_> - 0 4 20 4 2. - <_> - - <_> - 8 7 8 8 -1. - <_> - 12 7 4 4 2. - <_> - 8 11 4 4 2. - <_> - - <_> - 4 7 8 8 -1. - <_> - 4 7 4 4 2. - <_> - 8 11 4 4 2. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 4 5 10 12 -1. - <_> - 4 5 5 6 2. - <_> - 9 11 5 6 2. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 0 9 4 11 -1. - <_> - 2 9 2 11 2. - <_> - - <_> - 12 4 6 11 -1. - <_> - 12 4 3 11 2. - <_> - - <_> - 2 4 6 11 -1. - <_> - 5 4 3 11 2. - <_> - - <_> - 8 7 5 9 -1. - <_> - 8 10 5 3 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 0 3 20 4 -1. - <_> - 10 3 10 2 2. - <_> - 0 5 10 2 2. - <_> - - <_> - 0 15 18 4 -1. - <_> - 0 15 9 2 2. - <_> - 9 17 9 2 2. - <_> - - <_> - 6 14 13 3 -1. - <_> - 6 15 13 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 9 2 3 13 -1. - <_> - 10 2 1 13 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 9 6 6 7 -1. - <_> - 9 6 3 7 2. - <_> - - <_> - 5 6 6 7 -1. - <_> - 8 6 3 7 2. - <_> - - <_> - 8 0 8 5 -1. - <_> - 8 0 4 5 2. - <_> - - <_> - 4 0 8 5 -1. - <_> - 8 0 4 5 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 5 1 6 19 -1. - <_> - 7 1 2 19 3. - <_> - - <_> - 3 0 15 20 -1. - <_> - 8 0 5 20 3. - <_> - - <_> - 0 4 14 3 -1. - <_> - 7 4 7 3 2. - <_> - - <_> - 4 4 14 6 -1. - <_> - 11 4 7 3 2. - <_> - 4 7 7 3 2. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 6 7 14 3 -1. - <_> - 6 8 14 1 3. - <_> - - <_> - 2 2 5 12 -1. - <_> - 2 6 5 4 3. - <_> - - <_> - 9 9 7 4 -1. - <_> - 9 11 7 2 2. - <_> - - <_> - 4 9 7 4 -1. - <_> - 4 11 7 2 2. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 9 1 4 10 -1. - <_> - 9 6 4 5 2. - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 3 10 17 2 -1. - <_> - 3 11 17 1 2. - <_> - - <_> - 0 0 6 17 -1. - <_> - 3 0 3 17 2. - <_> - - <_> - 14 0 6 12 -1. - <_> - 14 0 3 12 2. - <_> - - <_> - 2 0 4 16 -1. - <_> - 4 0 2 16 2. - <_> - - <_> - 14 1 6 7 -1. - <_> - 16 1 2 7 3. - <_> - - <_> - 0 1 6 7 -1. - <_> - 2 1 2 7 3. - <_> - - <_> - 9 1 9 12 -1. - <_> - 12 1 3 12 3. - <_> - - <_> - 2 1 9 12 -1. - <_> - 5 1 3 12 3. - <_> - - <_> - 13 5 4 12 -1. - <_> - 13 5 2 12 2. - <_> - - <_> - 3 5 4 12 -1. - <_> - 5 5 2 12 2. - <_> - - <_> - 6 8 12 4 -1. - <_> - 10 8 4 4 3. - <_> - - <_> - 2 8 12 4 -1. - <_> - 6 8 4 4 3. - <_> - - <_> - 2 9 18 11 -1. - <_> - 8 9 6 11 3. - <_> - - <_> - 6 11 6 6 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 1 12 19 2 -1. - <_> - 1 13 19 1 2. - <_> - - <_> - 0 12 13 3 -1. - <_> - 0 13 13 1 3. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 8 16 4 -1. - <_> - 0 8 8 2 2. - <_> - 8 10 8 2 2. - <_> - - <_> - 8 6 8 8 -1. - <_> - 12 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 3 13 14 6 -1. - <_> - 3 15 14 2 3. - <_> - - <_> - 4 13 15 6 -1. - <_> - 4 15 15 2 3. - <_> - - <_> - 0 0 14 4 -1. - <_> - 7 0 7 4 2. - <_> - - <_> - 14 3 4 10 -1. - <_> - 14 8 4 5 2. - <_> - - <_> - 2 4 14 12 -1. - <_> - 2 4 7 6 2. - <_> - 9 10 7 6 2. - <_> - - <_> - 7 4 6 10 -1. - <_> - 10 4 3 5 2. - <_> - 7 9 3 5 2. - <_> - - <_> - 1 0 3 15 -1. - <_> - 1 5 3 5 3. - <_> - - <_> - 1 1 19 12 -1. - <_> - 1 5 19 4 3. - <_> - - <_> - 5 13 6 7 -1. - <_> - 7 13 2 7 3. - <_> - - <_> - 10 0 4 16 -1. - <_> - 12 0 2 8 2. - <_> - 10 8 2 8 2. - <_> - - <_> - 6 0 4 16 -1. - <_> - 6 0 2 8 2. - <_> - 8 8 2 8 2. - <_> - - <_> - 8 1 4 11 -1. - <_> - 8 1 2 11 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 0 11 20 3 -1. - <_> - 0 12 20 1 3. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 7 16 7 4 -1. - <_> - 7 18 7 2 2. - <_> - - <_> - 1 14 16 4 -1. - <_> - 1 14 8 2 2. - <_> - 9 16 8 2 2. - <_> - - <_> - 7 16 13 3 -1. - <_> - 7 17 13 1 3. - <_> - - <_> - 1 12 18 8 -1. - <_> - 1 12 9 4 2. - <_> - 10 16 9 4 2. - <_> - - <_> - 14 3 4 10 -1. - <_> - 14 8 4 5 2. - <_> - - <_> - 2 3 4 10 -1. - <_> - 2 8 4 5 2. - <_> - - <_> - 2 1 16 12 -1. - <_> - 2 7 16 6 2. - <_> - - <_> - 7 0 6 16 -1. - <_> - 7 8 6 8 2. - <_> - - <_> - 7 1 8 12 -1. - <_> - 7 7 8 6 2. - <_> - - <_> - 2 12 15 8 -1. - <_> - 7 12 5 8 3. - <_> - - <_> - 4 16 15 4 -1. - <_> - 9 16 5 4 3. - <_> - - <_> - 6 7 8 6 -1. - <_> - 10 7 4 6 2. - <_> - - <_> - 1 8 18 12 -1. - <_> - 1 8 9 12 2. - <_> - - <_> - 0 17 15 3 -1. - <_> - 5 17 5 3 3. - <_> - - <_> - 9 2 6 17 -1. - <_> - 11 2 2 17 3. - <_> - - <_> - 5 2 6 17 -1. - <_> - 7 2 2 17 3. - <_> - - <_> - 7 4 6 7 -1. - <_> - 9 4 2 7 3. - <_> - - <_> - 0 11 15 3 -1. - <_> - 0 12 15 1 3. - <_> - - <_> - 9 10 11 6 -1. - <_> - 9 12 11 2 3. - <_> - - <_> - 8 0 3 18 -1. - <_> - 9 0 1 18 3. - <_> - - <_> - 14 11 4 8 -1. - <_> - 14 15 4 4 2. - <_> - - <_> - 1 11 15 8 -1. - <_> - 1 15 15 4 2. - <_> - - <_> - 9 10 3 10 -1. - <_> - 9 15 3 5 2. - <_> - - <_> - 1 6 18 9 -1. - <_> - 1 9 18 3 3. - <_> - - <_> - 3 1 14 2 -1. - <_> - 3 2 14 1 2. - <_> - - <_> - 0 1 20 3 -1. - <_> - 0 2 20 1 3. - <_> - - <_> - 5 0 14 2 -1. - <_> - 5 1 14 1 2. - <_> - - <_> - 3 8 12 10 -1. - <_> - 7 8 4 10 3. - <_> - - <_> - 8 2 4 12 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 6 2 8 12 -1. - <_> - 6 6 8 4 3. - <_> - - <_> - 4 3 12 4 -1. - <_> - 4 5 12 2 2. - <_> - - <_> - 0 0 5 9 -1. - <_> - 0 3 5 3 3. - <_> - - <_> - 7 1 9 6 -1. - <_> - 7 4 9 3 2. - <_> - - <_> - 2 10 6 10 -1. - <_> - 4 10 2 10 3. - <_> - - <_> - 2 5 17 14 -1. - <_> - 2 12 17 7 2. - <_> - - <_> - 0 7 10 8 -1. - <_> - 0 11 10 4 2. - <_> - - <_> - 12 4 3 15 -1. - <_> - 13 4 1 15 3. - <_> - - <_> - 5 4 3 15 -1. - <_> - 6 4 1 15 3. - <_> - - <_> - 8 7 12 5 -1. - <_> - 12 7 4 5 3. - <_> - - <_> - 0 7 12 5 -1. - <_> - 4 7 4 5 3. - <_> - - <_> - 3 6 14 3 -1. - <_> - 3 7 14 1 3. - <_> - - <_> - 6 1 2 18 -1. - <_> - 7 1 1 18 2. - <_> - - <_> - 6 16 9 4 -1. - <_> - 6 18 9 2 2. - <_> - - <_> - 3 15 14 4 -1. - <_> - 3 17 14 2 2. - <_> - - <_> - 7 16 13 3 -1. - <_> - 7 17 13 1 3. - <_> - - <_> - 0 4 12 4 -1. - <_> - 4 4 4 4 3. - <_> - - <_> - 6 4 14 4 -1. - <_> - 13 4 7 2 2. - <_> - 6 6 7 2 2. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 3 12 10 8 -1. - <_> - 3 12 5 4 2. - <_> - 8 16 5 4 2. - <_> - - <_> - 12 10 5 9 -1. - <_> - 12 13 5 3 3. - <_> - - <_> - 0 13 14 4 -1. - <_> - 0 13 7 2 2. - <_> - 7 15 7 2 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 2 10 6 10 -1. - <_> - 2 10 3 5 2. - <_> - 5 15 3 5 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 16 7 2 3. - <_> - - <_> - 0 12 20 6 -1. - <_> - 0 15 20 3 2. - <_> - - <_> - 1 16 16 4 -1. - <_> - 1 18 16 2 2. - <_> - - <_> - 12 10 5 9 -1. - <_> - 12 13 5 3 3. - <_> - - <_> - 3 10 5 9 -1. - <_> - 3 13 5 3 3. - <_> - - <_> - 5 8 13 12 -1. - <_> - 5 12 13 4 3. - <_> - - <_> - 5 5 10 6 -1. - <_> - 5 5 5 3 2. - <_> - 10 8 5 3 2. - <_> - - <_> - 5 5 10 6 -1. - <_> - 10 5 5 3 2. - <_> - 5 8 5 3 2. - <_> - - <_> - 0 3 13 2 -1. - <_> - 0 4 13 1 2. - <_> - - <_> - 8 2 12 4 -1. - <_> - 8 4 12 2 2. - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 5 2 14 4 -1. - <_> - 12 2 7 2 2. - <_> - 5 4 7 2 2. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 4 10 4 2. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 2 8 2 2. - <_> - - <_> - 8 9 4 8 -1. - <_> - 8 13 4 4 2. - <_> - - <_> - 9 10 5 8 -1. - <_> - 9 14 5 4 2. - <_> - - <_> - 0 14 12 4 -1. - <_> - 6 14 6 4 2. - <_> - - <_> - 4 6 14 4 -1. - <_> - 11 6 7 2 2. - <_> - 4 8 7 2 2. - <_> - - <_> - 4 4 11 10 -1. - <_> - 4 9 11 5 2. - <_> - - <_> - 7 1 9 12 -1. - <_> - 7 7 9 6 2. - <_> - - <_> - 8 5 3 15 -1. - <_> - 8 10 3 5 3. - <_> - - <_> - 7 13 13 3 -1. - <_> - 7 14 13 1 3. - <_> - - <_> - 0 4 20 6 -1. - <_> - 0 6 20 2 3. - <_> - - <_> - 5 3 12 4 -1. - <_> - 5 5 12 2 2. - <_> - - <_> - 6 11 8 8 -1. - <_> - 6 11 4 4 2. - <_> - 10 15 4 4 2. - <_> - - <_> - 5 15 13 3 -1. - <_> - 5 16 13 1 3. - <_> - - <_> - 0 13 18 4 -1. - <_> - 0 13 9 2 2. - <_> - 9 15 9 2 2. - <_> - - <_> - 10 0 3 13 -1. - <_> - 11 0 1 13 3. - <_> - - <_> - 7 0 3 13 -1. - <_> - 8 0 1 13 3. - <_> - - <_> - 2 0 18 18 -1. - <_> - 8 0 6 18 3. - <_> - - <_> - 2 2 12 15 -1. - <_> - 2 7 12 5 3. - <_> - - <_> - 7 1 11 18 -1. - <_> - 7 7 11 6 3. - <_> - - <_> - 8 5 4 14 -1. - <_> - 8 5 2 7 2. - <_> - 10 12 2 7 2. - <_> - - <_> - 10 5 3 14 -1. - <_> - 10 12 3 7 2. - <_> - - <_> - 7 5 3 14 -1. - <_> - 7 12 3 7 2. - <_> - - <_> - 3 4 14 4 -1. - <_> - 3 6 14 2 2. - <_> - - <_> - 0 5 20 4 -1. - <_> - 0 5 10 2 2. - <_> - 10 7 10 2 2. - <_> - - <_> - 8 4 4 14 -1. - <_> - 8 11 4 7 2. - <_> - - <_> - 15 3 4 16 -1. - <_> - 17 3 2 8 2. - <_> - 15 11 2 8 2. - <_> - - <_> - 2 0 4 7 -1. - <_> - 4 0 2 7 2. - <_> - - <_> - 12 6 5 9 -1. - <_> - 12 9 5 3 3. - <_> - - <_> - 2 1 8 6 -1. - <_> - 2 3 8 2 3. - <_> - - <_> - 10 1 4 8 -1. - <_> - 10 1 2 8 2. - <_> - - <_> - 6 1 4 8 -1. - <_> - 8 1 2 8 2. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 4 6 5 6 -1. - <_> - 4 9 5 3 2. - <_> - - <_> - 7 15 7 4 -1. - <_> - 7 17 7 2 2. - <_> - - <_> - 8 6 4 8 -1. - <_> - 8 10 4 4 2. - <_> - - <_> - 10 10 7 6 -1. - <_> - 10 12 7 2 3. - <_> - - <_> - 3 10 7 6 -1. - <_> - 3 12 7 2 3. - <_> - - <_> - 8 6 6 12 -1. - <_> - 11 6 3 6 2. - <_> - 8 12 3 6 2. - <_> - - <_> - 5 6 4 14 -1. - <_> - 5 6 2 7 2. - <_> - 7 13 2 7 2. - <_> - - <_> - 0 15 20 2 -1. - <_> - 0 15 10 2 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 6 15 13 2 -1. - <_> - 6 16 13 1 2. - <_> - - <_> - 0 17 19 3 -1. - <_> - 0 18 19 1 3. - <_> - - <_> - 9 5 6 10 -1. - <_> - 12 5 3 5 2. - <_> - 9 10 3 5 2. - <_> - - <_> - 3 3 13 2 -1. - <_> - 3 4 13 1 2. - <_> - - <_> - 2 0 17 6 -1. - <_> - 2 2 17 2 3. - <_> - - <_> - 1 3 4 16 -1. - <_> - 1 3 2 8 2. - <_> - 3 11 2 8 2. - <_> - - <_> - 12 10 8 6 -1. - <_> - 12 12 8 2 3. - <_> - - <_> - 1 7 12 4 -1. - <_> - 5 7 4 4 3. - <_> - - <_> - 14 0 6 5 -1. - <_> - 14 0 3 5 2. - <_> - - <_> - 3 0 14 6 -1. - <_> - 10 0 7 6 2. - <_> - - <_> - 7 9 6 10 -1. - <_> - 10 9 3 5 2. - <_> - 7 14 3 5 2. - <_> - - <_> - 0 14 18 6 -1. - <_> - 6 14 6 6 3. - <_> - - <_> - 11 0 6 16 -1. - <_> - 14 0 3 8 2. - <_> - 11 8 3 8 2. - <_> - - <_> - 5 10 4 7 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 11 10 4 8 -1. - <_> - 11 10 2 8 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 7 10 2 8 2. - <_> - - <_> - 16 0 3 13 -1. - <_> - 17 0 1 13 3. - <_> - - <_> - 1 14 16 6 -1. - <_> - 9 14 8 6 2. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 3 10 3 2. - <_> - - <_> - 6 4 14 15 -1. - <_> - 6 9 14 5 3. - <_> - - <_> - 3 1 14 4 -1. - <_> - 3 1 7 2 2. - <_> - 10 3 7 2 2. - <_> - - <_> - 8 3 6 10 -1. - <_> - 11 3 3 5 2. - <_> - 8 8 3 5 2. - <_> - - <_> - 6 3 6 10 -1. - <_> - 6 3 3 5 2. - <_> - 9 8 3 5 2. - <_> - - <_> - 12 4 3 10 -1. - <_> - 12 9 3 5 2. - <_> - - <_> - 5 4 3 10 -1. - <_> - 5 9 3 5 2. - <_> - - <_> - 11 0 6 5 -1. - <_> - 11 0 3 5 2. - <_> - - <_> - 5 7 10 6 -1. - <_> - 5 7 5 3 2. - <_> - 10 10 5 3 2. - <_> - - <_> - 1 10 19 3 -1. - <_> - 1 11 19 1 3. - <_> - - <_> - 1 0 3 13 -1. - <_> - 2 0 1 13 3. - <_> - - <_> - 14 1 6 16 -1. - <_> - 16 1 2 16 3. - <_> - - <_> - 3 5 14 12 -1. - <_> - 3 5 7 6 2. - <_> - 10 11 7 6 2. - <_> - - <_> - 14 1 6 16 -1. - <_> - 16 1 2 16 3. - <_> - - <_> - 0 1 6 16 -1. - <_> - 2 1 2 16 3. - <_> - - <_> - 4 2 12 4 -1. - <_> - 8 2 4 4 3. - <_> - - <_> - 3 9 12 6 -1. - <_> - 3 12 12 3 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 8 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 8 9 6 10 -1. - <_> - 11 9 3 5 2. - <_> - 8 14 3 5 2. - <_> - - <_> - 6 9 6 10 -1. - <_> - 6 9 3 5 2. - <_> - 9 14 3 5 2. - <_> - - <_> - 5 17 10 3 -1. - <_> - 5 17 5 3 2. - <_> - - <_> - 7 2 2 18 -1. - <_> - 8 2 1 18 2. - <_> - - <_> - 5 14 15 6 -1. - <_> - 10 14 5 6 3. - <_> - - <_> - 0 9 7 6 -1. - <_> - 0 11 7 2 3. - <_> - - <_> - 5 14 15 6 -1. - <_> - 10 14 5 6 3. - <_> - - <_> - 0 14 15 6 -1. - <_> - 5 14 5 6 3. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 2 4 4 14 -1. - <_> - 2 4 2 7 2. - <_> - 4 11 2 7 2. - <_> - - <_> - 11 1 6 12 -1. - <_> - 14 1 3 6 2. - <_> - 11 7 3 6 2. - <_> - - <_> - 3 1 6 12 -1. - <_> - 3 1 3 6 2. - <_> - 6 7 3 6 2. - <_> - - <_> - 4 7 15 6 -1. - <_> - 9 7 5 6 3. - <_> - - <_> - 1 0 6 10 -1. - <_> - 1 0 3 5 2. - <_> - 4 5 3 5 2. - <_> - - <_> - 8 13 9 5 -1. - <_> - 11 13 3 5 3. - <_> - - <_> - 0 0 9 7 -1. - <_> - 3 0 3 7 3. - <_> - - <_> - 9 7 8 5 -1. - <_> - 9 7 4 5 2. - <_> - - <_> - 3 7 8 5 -1. - <_> - 7 7 4 5 2. - <_> - - <_> - 4 0 12 19 -1. - <_> - 8 0 4 19 3. - <_> - - <_> - 3 8 8 6 -1. - <_> - 7 8 4 6 2. - <_> - - <_> - 15 2 5 6 -1. - <_> - 15 5 5 3 2. - <_> - - <_> - 3 1 13 10 -1. - <_> - 3 6 13 5 2. - <_> - - <_> - 14 0 3 10 -1. - <_> - 14 5 3 5 2. - <_> - - <_> - 0 1 20 8 -1. - <_> - 0 1 10 4 2. - <_> - 10 5 10 4 2. - <_> - - <_> - 8 6 6 12 -1. - <_> - 11 6 3 6 2. - <_> - 8 12 3 6 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 8 10 6 10 -1. - <_> - 10 10 2 10 3. - <_> - - <_> - 9 3 2 14 -1. - <_> - 9 10 2 7 2. - <_> - - <_> - 11 1 4 18 -1. - <_> - 11 1 2 18 2. - <_> - - <_> - 5 1 4 18 -1. - <_> - 7 1 2 18 2. - <_> - - <_> - 7 1 8 5 -1. - <_> - 7 1 4 5 2. - <_> - - <_> - 5 5 6 8 -1. - <_> - 7 5 2 8 3. - <_> - - <_> - 12 9 7 6 -1. - <_> - 12 11 7 2 3. - <_> - - <_> - 1 9 7 6 -1. - <_> - 1 11 7 2 3. - <_> - - <_> - 9 10 7 4 -1. - <_> - 9 12 7 2 2. - <_> - - <_> - 0 2 5 9 -1. - <_> - 0 5 5 3 3. - <_> - - <_> - 10 2 6 9 -1. - <_> - 10 5 6 3 3. - <_> - - <_> - 0 1 18 6 -1. - <_> - 0 1 9 3 2. - <_> - 9 4 9 3 2. - <_> - - <_> - 5 6 14 3 -1. - <_> - 5 7 14 1 3. - <_> - - <_> - 0 12 6 5 -1. - <_> - 3 12 3 5 2. - <_> - - <_> - 10 10 9 6 -1. - <_> - 13 10 3 6 3. - <_> - - <_> - 0 9 5 9 -1. - <_> - 0 12 5 3 3. - <_> - - <_> - 8 0 8 19 -1. - <_> - 8 0 4 19 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 9 0 2 13 -1. - <_> - 9 0 1 13 2. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 3 9 9 6 -1. - <_> - 6 9 3 6 3. - <_> - - <_> - 6 4 12 14 -1. - <_> - 10 4 4 14 3. - <_> - - <_> - 2 4 12 14 -1. - <_> - 6 4 4 14 3. - <_> - - <_> - 7 1 8 5 -1. - <_> - 7 1 4 5 2. - <_> - - <_> - 4 0 8 19 -1. - <_> - 8 0 4 19 2. - <_> - - <_> - 8 13 9 5 -1. - <_> - 11 13 3 5 3. - <_> - - <_> - 3 13 9 5 -1. - <_> - 6 13 3 5 3. - <_> - - <_> - 4 1 12 4 -1. - <_> - 8 1 4 4 3. - <_> - - <_> - 1 2 8 18 -1. - <_> - 1 2 4 9 2. - <_> - 5 11 4 9 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 11 11 6 9 -1. - <_> - 11 14 6 3 3. - <_> - - <_> - 3 11 6 9 -1. - <_> - 3 14 6 3 3. - <_> - - <_> - 8 14 10 6 -1. - <_> - 13 14 5 3 2. - <_> - 8 17 5 3 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 9 5 7 6 -1. - <_> - 9 7 7 2 3. - <_> - - <_> - 4 5 7 6 -1. - <_> - 4 7 7 2 3. - <_> - - <_> - 3 0 17 16 -1. - <_> - 3 8 17 8 2. - <_> - - <_> - 0 0 19 3 -1. - <_> - 0 1 19 1 3. - <_> - - <_> - 11 1 5 9 -1. - <_> - 11 4 5 3 3. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 4 10 3 2. - <_> - - <_> - 7 10 12 9 -1. - <_> - 7 13 12 3 3. - <_> - - <_> - 1 10 12 3 -1. - <_> - 7 10 6 3 2. - <_> - - <_> - 7 8 6 12 -1. - <_> - 10 8 3 6 2. - <_> - 7 14 3 6 2. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 14 5 3 2. - <_> - 7 17 5 3 2. - <_> - - <_> - 6 9 8 8 -1. - <_> - 10 9 4 4 2. - <_> - 6 13 4 4 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 7 17 6 3 3. - <_> - - <_> - 6 6 10 6 -1. - <_> - 11 6 5 3 2. - <_> - 6 9 5 3 2. - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 6 5 3 2. - <_> - 9 9 5 3 2. - <_> - - <_> - 6 14 9 5 -1. - <_> - 9 14 3 5 3. - <_> - - <_> - 6 10 6 10 -1. - <_> - 8 10 2 10 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 8 8 4 7 -1. - <_> - 10 8 2 7 2. - <_> - - <_> - 8 10 8 4 -1. - <_> - 8 12 8 2 2. - <_> - - <_> - 0 0 10 9 -1. - <_> - 0 3 10 3 3. - <_> - - <_> - 9 1 8 4 -1. - <_> - 9 3 8 2 2. - <_> - - <_> - 4 5 5 6 -1. - <_> - 4 8 5 3 2. - <_> - - <_> - 8 6 9 4 -1. - <_> - 8 8 9 2 2. - <_> - - <_> - 0 0 3 13 -1. - <_> - 1 0 1 13 3. - <_> - - <_> - 13 1 6 11 -1. - <_> - 15 1 2 11 3. - <_> - - <_> - 1 1 6 11 -1. - <_> - 3 1 2 11 3. - <_> - - <_> - 11 0 6 5 -1. - <_> - 11 0 3 5 2. - <_> - - <_> - 4 2 6 17 -1. - <_> - 6 2 2 17 3. - <_> - - <_> - 8 12 8 8 -1. - <_> - 12 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 6 6 8 4 -1. - <_> - 6 8 8 2 2. - <_> - - <_> - 2 10 9 6 -1. - <_> - 2 13 9 3 2. - <_> - - <_> - 9 11 11 6 -1. - <_> - 9 14 11 3 2. - <_> - - <_> - 3 11 14 8 -1. - <_> - 3 11 7 4 2. - <_> - 10 15 7 4 2. - <_> - - <_> - 8 4 4 10 -1. - <_> - 8 9 4 5 2. - <_> - - <_> - 1 12 13 3 -1. - <_> - 1 13 13 1 3. - <_> - - <_> - 9 7 4 12 -1. - <_> - 9 11 4 4 3. - <_> - - <_> - 0 14 7 6 -1. - <_> - 0 17 7 3 2. - <_> - - <_> - 13 11 7 6 -1. - <_> - 13 13 7 2 3. - <_> - - <_> - 4 4 12 16 -1. - <_> - 4 12 12 8 2. - <_> - - <_> - 11 10 9 4 -1. - <_> - 11 12 9 2 2. - <_> - - <_> - 0 10 9 4 -1. - <_> - 0 12 9 2 2. - <_> - - <_> - 2 11 16 6 -1. - <_> - 2 14 16 3 2. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 7 0 6 7 -1. - <_> - 9 0 2 7 3. - <_> - - <_> - 0 11 12 4 -1. - <_> - 4 11 4 4 3. - <_> - - <_> - 11 9 6 8 -1. - <_> - 13 9 2 8 3. - <_> - - <_> - 3 9 6 8 -1. - <_> - 5 9 2 8 3. - <_> - - <_> - 11 0 2 19 -1. - <_> - 11 0 1 19 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 7 10 2 8 2. - <_> - - <_> - 13 14 7 6 -1. - <_> - 13 16 7 2 3. - <_> - - <_> - 1 15 13 3 -1. - <_> - 1 16 13 1 3. - <_> - - <_> - 5 15 13 3 -1. - <_> - 5 16 13 1 3. - <_> - - <_> - 4 16 9 4 -1. - <_> - 4 18 9 2 2. - <_> - - <_> - 7 13 7 6 -1. - <_> - 7 15 7 2 3. - <_> - - <_> - 3 14 14 4 -1. - <_> - 3 14 7 2 2. - <_> - 10 16 7 2 2. - <_> - - <_> - 13 0 7 14 -1. - <_> - 13 7 7 7 2. - <_> - - <_> - 0 0 7 14 -1. - <_> - 0 7 7 7 2. - <_> - - <_> - 3 2 16 4 -1. - <_> - 3 2 8 4 2. - <_> - - <_> - 6 2 4 8 -1. - <_> - 6 6 4 4 2. - <_> - - <_> - 10 0 3 14 -1. - <_> - 10 7 3 7 2. - <_> - - <_> - 1 7 18 9 -1. - <_> - 1 10 18 3 3. - <_> - - <_> - 6 5 9 14 -1. - <_> - 9 5 3 14 3. - <_> - - <_> - 5 5 9 14 -1. - <_> - 8 5 3 14 3. - <_> - - <_> - 11 2 2 15 -1. - <_> - 11 2 1 15 2. - <_> - - <_> - 6 8 4 8 -1. - <_> - 8 8 2 8 2. - <_> - - <_> - 6 10 10 9 -1. - <_> - 6 13 10 3 3. - <_> - - <_> - 0 16 14 4 -1. - <_> - 0 16 7 2 2. - <_> - 7 18 7 2 2. - <_> - - <_> - 9 5 4 13 -1. - <_> - 9 5 2 13 2. - <_> - - <_> - 4 11 12 4 -1. - <_> - 8 11 4 4 3. - <_> - - <_> - 6 17 14 2 -1. - <_> - 6 17 7 2 2. - <_> - - <_> - 0 9 14 2 -1. - <_> - 7 9 7 2 2. - <_> - - <_> - 16 0 4 15 -1. - <_> - 16 0 2 15 2. - <_> - - <_> - 0 0 4 10 -1. - <_> - 2 0 2 10 2. - <_> - - <_> - 16 8 4 12 -1. - <_> - 16 12 4 4 3. - <_> - - <_> - 0 8 4 12 -1. - <_> - 0 12 4 4 3. - <_> - - <_> - 12 12 8 6 -1. - <_> - 12 14 8 2 3. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 9 5 4 14 -1. - <_> - 11 5 2 7 2. - <_> - 9 12 2 7 2. - <_> - - <_> - 0 11 11 6 -1. - <_> - 0 14 11 3 2. - <_> - - <_> - 5 15 12 5 -1. - <_> - 9 15 4 5 3. - <_> - - <_> - 6 6 6 12 -1. - <_> - 6 6 3 6 2. - <_> - 9 12 3 6 2. - <_> - - <_> - 7 7 8 4 -1. - <_> - 7 7 4 4 2. - <_> - - <_> - 5 8 6 10 -1. - <_> - 5 8 3 5 2. - <_> - 8 13 3 5 2. - <_> - - <_> - 7 4 7 14 -1. - <_> - 7 11 7 7 2. - <_> - - <_> - 7 6 4 8 -1. - <_> - 7 10 4 4 2. - <_> - - <_> - 9 2 6 9 -1. - <_> - 9 5 6 3 3. - <_> - - <_> - 5 2 6 9 -1. - <_> - 5 5 6 3 3. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 8 1 4 11 -1. - <_> - 10 1 2 11 2. - <_> - - <_> - 1 1 18 4 -1. - <_> - 10 1 9 2 2. - <_> - 1 3 9 2 2. - <_> - - <_> - 3 4 4 16 -1. - <_> - 3 4 2 8 2. - <_> - 5 12 2 8 2. - <_> - - <_> - 8 12 6 8 -1. - <_> - 10 12 2 8 3. - <_> - - <_> - 0 3 6 7 -1. - <_> - 2 3 2 7 3. - <_> - - <_> - 14 2 6 9 -1. - <_> - 14 5 6 3 3. - <_> - - <_> - 0 2 7 9 -1. - <_> - 0 5 7 3 3. - <_> - - <_> - 16 0 3 13 -1. - <_> - 17 0 1 13 3. - <_> - - <_> - 1 0 3 13 -1. - <_> - 2 0 1 13 3. - <_> - - <_> - 6 7 12 7 -1. - <_> - 6 7 6 7 2. - <_> - - <_> - 5 3 6 10 -1. - <_> - 5 3 3 5 2. - <_> - 8 8 3 5 2. - <_> - - <_> - 6 9 9 5 -1. - <_> - 9 9 3 5 3. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 4 4 12 8 -1. - <_> - 4 4 6 4 2. - <_> - 10 8 6 4 2. - <_> - - <_> - 8 8 10 6 -1. - <_> - 13 8 5 3 2. - <_> - 8 11 5 3 2. - <_> - - <_> - 2 8 10 6 -1. - <_> - 2 8 5 3 2. - <_> - 7 11 5 3 2. - <_> - - <_> - 9 5 8 14 -1. - <_> - 13 5 4 7 2. - <_> - 9 12 4 7 2. - <_> - - <_> - 3 0 3 13 -1. - <_> - 4 0 1 13 3. - <_> - - <_> - 6 14 9 5 -1. - <_> - 9 14 3 5 3. - <_> - - <_> - 1 6 4 14 -1. - <_> - 1 6 2 7 2. - <_> - 3 13 2 7 2. - <_> - - <_> - 9 6 8 8 -1. - <_> - 13 6 4 4 2. - <_> - 9 10 4 4 2. - <_> - - <_> - 0 4 4 8 -1. - <_> - 2 4 2 8 2. - <_> - - <_> - 9 5 8 14 -1. - <_> - 13 5 4 7 2. - <_> - 9 12 4 7 2. - <_> - - <_> - 3 6 8 8 -1. - <_> - 3 6 4 4 2. - <_> - 7 10 4 4 2. - <_> - - <_> - 11 3 6 10 -1. - <_> - 14 3 3 5 2. - <_> - 11 8 3 5 2. - <_> - - <_> - 3 3 6 10 -1. - <_> - 3 3 3 5 2. - <_> - 6 8 3 5 2. - <_> - - <_> - 11 0 8 10 -1. - <_> - 15 0 4 5 2. - <_> - 11 5 4 5 2. - <_> - - <_> - 3 13 13 3 -1. - <_> - 3 14 13 1 3. - <_> - - <_> - 5 14 13 3 -1. - <_> - 5 15 13 1 3. - <_> - - <_> - 0 4 4 12 -1. - <_> - 0 8 4 4 3. - <_> - - <_> - 4 8 16 6 -1. - <_> - 12 8 8 3 2. - <_> - 4 11 8 3 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 12 11 7 6 -1. - <_> - 12 13 7 2 3. - <_> - - <_> - 2 9 9 7 -1. - <_> - 5 9 3 7 3. - <_> - - <_> - 5 6 15 9 -1. - <_> - 5 9 15 3 3. - <_> - - <_> - 0 6 15 9 -1. - <_> - 0 9 15 3 3. - <_> - - <_> - 6 8 14 2 -1. - <_> - 6 9 14 1 2. - <_> - - <_> - 3 8 10 3 -1. - <_> - 8 8 5 3 2. - <_> - - <_> - 11 0 9 5 -1. - <_> - 14 0 3 5 3. - <_> - - <_> - 2 6 16 2 -1. - <_> - 10 6 8 2 2. - <_> - - <_> - 5 12 12 8 -1. - <_> - 5 12 6 8 2. - <_> - - <_> - 0 3 18 3 -1. - <_> - 0 4 18 1 3. - <_> - - <_> - 3 15 14 4 -1. - <_> - 10 15 7 2 2. - <_> - 3 17 7 2 2. - <_> - - <_> - 2 7 16 2 -1. - <_> - 2 8 16 1 2. - <_> - - <_> - 10 2 7 6 -1. - <_> - 10 4 7 2 3. - <_> - - <_> - 0 10 19 2 -1. - <_> - 0 11 19 1 2. - <_> - - <_> - 13 0 7 18 -1. - <_> - 13 9 7 9 2. - <_> - - <_> - 1 9 9 5 -1. - <_> - 4 9 3 5 3. - <_> - - <_> - 18 0 2 17 -1. - <_> - 18 0 1 17 2. - <_> - - <_> - 0 0 2 16 -1. - <_> - 1 0 1 16 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 10 1 3 5 2. - <_> - 7 6 3 5 2. - <_> - - <_> - 0 9 12 11 -1. - <_> - 4 9 4 11 3. - <_> - - <_> - 10 2 4 16 -1. - <_> - 10 2 2 16 2. - <_> - - <_> - 6 2 4 16 -1. - <_> - 8 2 2 16 2. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 7 4 4 12 -1. - <_> - 9 4 2 12 2. - <_> - - <_> - 7 9 10 9 -1. - <_> - 7 9 5 9 2. - <_> - - <_> - 0 6 13 3 -1. - <_> - 0 7 13 1 3. - <_> - - <_> - 10 2 7 6 -1. - <_> - 10 4 7 2 3. - <_> - - <_> - 4 2 11 6 -1. - <_> - 4 4 11 2 3. - <_> - - <_> - 9 1 8 4 -1. - <_> - 9 3 8 2 2. - <_> - - <_> - 5 5 6 10 -1. - <_> - 5 5 3 5 2. - <_> - 8 10 3 5 2. - <_> - - <_> - 15 3 3 13 -1. - <_> - 16 3 1 13 3. - <_> - - <_> - 2 3 3 13 -1. - <_> - 3 3 1 13 3. - <_> - - <_> - 13 1 3 13 -1. - <_> - 14 1 1 13 3. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 0 2 20 8 -1. - <_> - 0 6 20 4 2. - <_> - - <_> - 2 1 13 18 -1. - <_> - 2 10 13 9 2. - <_> - - <_> - 9 5 3 10 -1. - <_> - 9 10 3 5 2. - <_> - - <_> - 3 6 12 14 -1. - <_> - 9 6 6 14 2. - <_> - - <_> - 8 12 6 6 -1. - <_> - 8 12 3 6 2. - <_> - - <_> - 1 9 18 3 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 2 14 18 2 -1. - <_> - 2 14 9 2 2. - <_> - - <_> - 4 1 3 13 -1. - <_> - 5 1 1 13 3. - <_> - - <_> - 11 6 6 7 -1. - <_> - 13 6 2 7 3. - <_> - - <_> - 3 6 6 7 -1. - <_> - 5 6 2 7 3. - <_> - - <_> - 12 0 3 13 -1. - <_> - 13 0 1 13 3. - <_> - - <_> - 8 6 3 13 -1. - <_> - 9 6 1 13 3. - <_> - - <_> - 8 8 5 12 -1. - <_> - 8 12 5 4 3. - <_> - - <_> - 2 4 8 5 -1. - <_> - 6 4 4 5 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 7 4 6 16 -1. - <_> - 7 4 3 8 2. - <_> - 10 12 3 8 2. - <_> - - <_> - 12 0 3 13 -1. - <_> - 13 0 1 13 3. - <_> - - <_> - 3 7 8 4 -1. - <_> - 3 9 8 2 2. - <_> - - <_> - 4 8 16 6 -1. - <_> - 12 8 8 3 2. - <_> - 4 11 8 3 2. - <_> - - <_> - 5 11 9 8 -1. - <_> - 5 15 9 4 2. - <_> - - <_> - 10 3 6 17 -1. - <_> - 12 3 2 17 3. - <_> - - <_> - 4 3 6 17 -1. - <_> - 6 3 2 17 3. - <_> - - <_> - 5 6 10 3 -1. - <_> - 5 6 5 3 2. - <_> - - <_> - 1 16 16 2 -1. - <_> - 9 16 8 2 2. - <_> - - <_> - 7 1 6 10 -1. - <_> - 9 1 2 10 3. - <_> - - <_> - 5 0 3 13 -1. - <_> - 6 0 1 13 3. - <_> - - <_> - 4 9 13 2 -1. - <_> - 4 10 13 1 2. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 3 0 14 12 -1. - <_> - 3 4 14 4 3. - <_> - - <_> - 0 1 10 6 -1. - <_> - 0 4 10 3 2. - <_> - - <_> - 9 0 11 10 -1. - <_> - 9 5 11 5 2. - <_> - - <_> - 0 0 20 20 -1. - <_> - 0 10 20 10 2. - <_> - - <_> - 10 1 10 4 -1. - <_> - 10 1 5 4 2. - <_> - - <_> - 0 1 10 4 -1. - <_> - 5 1 5 4 2. - <_> - - <_> - 11 0 8 10 -1. - <_> - 15 0 4 5 2. - <_> - 11 5 4 5 2. - <_> - - <_> - 1 0 8 10 -1. - <_> - 1 0 4 5 2. - <_> - 5 5 4 5 2. - <_> - - <_> - 6 3 14 4 -1. - <_> - 13 3 7 2 2. - <_> - 6 5 7 2 2. - <_> - - <_> - 0 3 20 4 -1. - <_> - 0 3 10 2 2. - <_> - 10 5 10 2 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 11 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 6 6 8 7 -1. - <_> - 6 6 4 7 2. - <_> - - <_> - 8 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 0 2 7 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 4 0 12 16 -1. - <_> - 8 0 4 16 3. - <_> - - <_> - 5 6 4 8 -1. - <_> - 7 6 2 8 2. - <_> - - <_> - 7 12 11 8 -1. - <_> - 7 16 11 4 2. - <_> - - <_> - 6 0 6 12 -1. - <_> - 6 0 3 6 2. - <_> - 9 6 3 6 2. - <_> - - <_> - 4 3 12 12 -1. - <_> - 10 3 6 6 2. - <_> - 4 9 6 6 2. - <_> - - <_> - 2 10 6 7 -1. - <_> - 4 10 2 7 3. - <_> - - <_> - 15 10 4 7 -1. - <_> - 15 10 2 7 2. - <_> - - <_> - 1 10 4 7 -1. - <_> - 3 10 2 7 2. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 3 2 13 2 -1. - <_> - 3 3 13 1 2. - <_> - - <_> - 4 3 14 3 -1. - <_> - 4 4 14 1 3. - <_> - - <_> - 1 0 7 6 -1. - <_> - 1 2 7 2 3. - <_> - - <_> - 6 5 13 9 -1. - <_> - 6 8 13 3 3. - <_> - - <_> - 0 8 16 6 -1. - <_> - 0 8 8 3 2. - <_> - 8 11 8 3 2. - <_> - - <_> - 15 1 5 12 -1. - <_> - 15 5 5 4 3. - <_> - - <_> - 0 1 5 12 -1. - <_> - 0 5 5 4 3. - <_> - - <_> - 5 14 14 3 -1. - <_> - 5 15 14 1 3. - <_> - - <_> - 2 10 6 9 -1. - <_> - 4 10 2 9 3. - <_> - - <_> - 11 13 9 7 -1. - <_> - 14 13 3 7 3. - <_> - - <_> - 0 15 9 5 -1. - <_> - 3 15 3 5 3. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 0 11 19 3 -1. - <_> - 0 12 19 1 3. - <_> - - <_> - 6 15 14 4 -1. - <_> - 13 15 7 2 2. - <_> - 6 17 7 2 2. - <_> - - <_> - 0 5 12 6 -1. - <_> - 0 7 12 2 3. - <_> - - <_> - 16 9 4 11 -1. - <_> - 16 9 2 11 2. - <_> - - <_> - 0 9 4 11 -1. - <_> - 2 9 2 11 2. - <_> - - <_> - 2 11 18 5 -1. - <_> - 8 11 6 5 3. - <_> - - <_> - 1 15 14 4 -1. - <_> - 1 15 7 2 2. - <_> - 8 17 7 2 2. - <_> - - <_> - 12 10 7 9 -1. - <_> - 12 13 7 3 3. - <_> - - <_> - 1 10 7 9 -1. - <_> - 1 13 7 3 3. - <_> - - <_> - 11 7 8 8 -1. - <_> - 15 7 4 4 2. - <_> - 11 11 4 4 2. - <_> - - <_> - 6 14 8 4 -1. - <_> - 6 16 8 2 2. - <_> - - <_> - 11 1 2 19 -1. - <_> - 11 1 1 19 2. - <_> - - <_> - 6 10 3 10 -1. - <_> - 6 15 3 5 2. - <_> - - <_> - 11 9 6 5 -1. - <_> - 11 9 3 5 2. - <_> - - <_> - 3 9 6 5 -1. - <_> - 6 9 3 5 2. - <_> - - <_> - 4 12 15 4 -1. - <_> - 9 12 5 4 3. - <_> - - <_> - 0 5 16 2 -1. - <_> - 8 5 8 2 2. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 3 5 8 14 -1. - <_> - 3 5 4 7 2. - <_> - 7 12 4 7 2. - <_> - - <_> - 12 2 7 15 -1. - <_> - 12 7 7 5 3. - <_> - - <_> - 1 2 7 15 -1. - <_> - 1 7 7 5 3. - <_> - - <_> - 13 0 6 12 -1. - <_> - 13 6 6 6 2. - <_> - - <_> - 6 0 8 10 -1. - <_> - 6 0 4 5 2. - <_> - 10 5 4 5 2. - <_> - - <_> - 11 0 2 19 -1. - <_> - 11 0 1 19 2. - <_> - - <_> - 4 12 8 8 -1. - <_> - 4 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 4 12 15 4 -1. - <_> - 9 12 5 4 3. - <_> - - <_> - 7 0 2 19 -1. - <_> - 8 0 1 19 2. - <_> - - <_> - 8 4 6 9 -1. - <_> - 10 4 2 9 3. - <_> - - <_> - 5 5 8 4 -1. - <_> - 9 5 4 4 2. - <_> - - <_> - 4 12 15 4 -1. - <_> - 9 12 5 4 3. - <_> - - <_> - 2 6 4 12 -1. - <_> - 2 12 4 6 2. - <_> - - <_> - 6 7 12 6 -1. - <_> - 10 7 4 6 3. - <_> - - <_> - 3 5 12 4 -1. - <_> - 7 5 4 4 3. - <_> - - <_> - 8 14 12 4 -1. - <_> - 8 14 6 4 2. - <_> - - <_> - 0 14 12 4 -1. - <_> - 6 14 6 4 2. - <_> - - <_> - 4 12 15 4 -1. - <_> - 9 12 5 4 3. - <_> - - <_> - 1 12 15 4 -1. - <_> - 6 12 5 4 3. - <_> - - <_> - 6 0 12 18 -1. - <_> - 10 0 4 18 3. - <_> - - <_> - 0 6 14 4 -1. - <_> - 0 6 7 2 2. - <_> - 7 8 7 2 2. - <_> - - <_> - 13 13 7 6 -1. - <_> - 13 15 7 2 3. - <_> - - <_> - 0 0 6 18 -1. - <_> - 0 9 6 9 2. - <_> - - <_> - 6 8 14 4 -1. - <_> - 13 8 7 2 2. - <_> - 6 10 7 2 2. - <_> - - <_> - 0 8 14 4 -1. - <_> - 0 8 7 2 2. - <_> - 7 10 7 2 2. - <_> - - <_> - 3 2 14 10 -1. - <_> - 3 7 14 5 2. - <_> - - <_> - 3 5 6 7 -1. - <_> - 5 5 2 7 3. - <_> - - <_> - 4 4 14 6 -1. - <_> - 11 4 7 3 2. - <_> - 4 7 7 3 2. - <_> - - <_> - 6 2 4 10 -1. - <_> - 6 7 4 5 2. - <_> - - <_> - 11 1 3 18 -1. - <_> - 11 7 3 6 3. - <_> - - <_> - 3 1 3 15 -1. - <_> - 3 6 3 5 3. - <_> - - <_> - 7 0 8 6 -1. - <_> - 7 0 4 6 2. - <_> - - <_> - 2 0 9 15 -1. - <_> - 2 5 9 5 3. - <_> - - <_> - 2 0 18 3 -1. - <_> - 8 0 6 3 3. - <_> - - <_> - 2 8 12 8 -1. - <_> - 6 8 4 8 3. - <_> - - <_> - 5 8 15 12 -1. - <_> - 10 8 5 12 3. - <_> - - <_> - 0 1 18 3 -1. - <_> - 6 1 6 3 3. - <_> - - <_> - 9 5 2 14 -1. - <_> - 9 12 2 7 2. - <_> - - <_> - 5 4 10 6 -1. - <_> - 5 6 10 2 3. - <_> - - <_> - 9 10 7 6 -1. - <_> - 9 12 7 2 3. - <_> - - <_> - 3 7 12 4 -1. - <_> - 7 7 4 4 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 5 17 15 3 -1. - <_> - 5 18 15 1 3. - <_> - - <_> - 5 11 10 6 -1. - <_> - 5 11 5 3 2. - <_> - 10 14 5 3 2. - <_> - - <_> - 4 4 13 3 -1. - <_> - 4 5 13 1 3. - <_> - - <_> - 5 11 5 9 -1. - <_> - 5 14 5 3 3. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 2 6 6 9 -1. - <_> - 2 9 6 3 3. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 1 3 4 14 -1. - <_> - 1 3 2 7 2. - <_> - 3 10 2 7 2. - <_> - - <_> - 13 4 3 12 -1. - <_> - 13 10 3 6 2. - <_> - - <_> - 7 7 6 13 -1. - <_> - 9 7 2 13 3. - <_> - - <_> - 7 0 9 5 -1. - <_> - 10 0 3 5 3. - <_> - - <_> - 5 0 9 5 -1. - <_> - 8 0 3 5 3. - <_> - - <_> - 9 5 2 13 -1. - <_> - 9 5 1 13 2. - <_> - - <_> - 7 3 3 12 -1. - <_> - 7 9 3 6 2. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 4 3 12 16 -1. - <_> - 4 3 6 8 2. - <_> - 10 11 6 8 2. - <_> - - <_> - 14 0 3 13 -1. - <_> - 15 0 1 13 3. - <_> - - <_> - 3 3 14 3 -1. - <_> - 3 4 14 1 3. - <_> - - <_> - 0 13 20 7 -1. - <_> - 0 13 10 7 2. - <_> - - <_> - 3 0 3 13 -1. - <_> - 4 0 1 13 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 6 2. - <_> - - <_> - 4 2 2 14 -1. - <_> - 4 9 2 7 2. - <_> - - <_> - 14 1 6 12 -1. - <_> - 16 1 2 12 3. - <_> - - <_> - 0 6 14 4 -1. - <_> - 0 6 7 2 2. - <_> - 7 8 7 2 2. - <_> - - <_> - 14 1 6 12 -1. - <_> - 16 1 2 12 3. - <_> - - <_> - 0 4 20 6 -1. - <_> - 0 6 20 2 3. - <_> - - <_> - 14 1 6 12 -1. - <_> - 16 1 2 12 3. - <_> - - <_> - 0 8 15 3 -1. - <_> - 0 9 15 1 3. - <_> - - <_> - 2 1 16 6 -1. - <_> - 10 1 8 3 2. - <_> - 2 4 8 3 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 2 1 2 12 3. - <_> - - <_> - 9 2 9 5 -1. - <_> - 12 2 3 5 3. - <_> - - <_> - 1 1 18 4 -1. - <_> - 7 1 6 4 3. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 0 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 13 0 3 13 -1. - <_> - 14 0 1 13 3. - <_> - - <_> - 0 0 9 6 -1. - <_> - 3 0 3 6 3. - <_> - - <_> - 10 1 6 5 -1. - <_> - 10 1 3 5 2. - <_> - - <_> - 6 6 6 7 -1. - <_> - 8 6 2 7 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 5 2 4 7 -1. - <_> - 7 2 2 7 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 4 0 3 13 -1. - <_> - 5 0 1 13 3. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 6 5 4 14 -1. - <_> - 6 5 2 7 2. - <_> - 8 12 2 7 2. - <_> - - <_> - 1 5 19 4 -1. - <_> - 1 7 19 2 2. - <_> - - <_> - 0 11 7 6 -1. - <_> - 0 13 7 2 3. - <_> - - <_> - 6 12 13 2 -1. - <_> - 6 13 13 1 2. - <_> - - <_> - 3 0 12 10 -1. - <_> - 3 0 6 5 2. - <_> - 9 5 6 5 2. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 0 15 18 3 -1. - <_> - 9 15 9 3 2. - <_> - - <_> - 6 14 14 6 -1. - <_> - 6 14 7 6 2. - <_> - - <_> - 0 14 14 6 -1. - <_> - 7 14 7 6 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 11 0 6 7 -1. - <_> - 13 0 2 7 3. - <_> - - <_> - 1 8 15 4 -1. - <_> - 6 8 5 4 3. - <_> - - <_> - 13 12 7 6 -1. - <_> - 13 14 7 2 3. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 12 12 7 4 -1. - <_> - 12 14 7 2 2. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 2 4 4 2. - <_> - 5 6 4 4 2. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 0 1 18 3 -1. - <_> - 6 1 6 3 3. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 2 12 2 3. - <_> - - <_> - 5 3 4 7 -1. - <_> - 7 3 2 7 2. - <_> - - <_> - 3 16 16 2 -1. - <_> - 3 17 16 1 2. - <_> - - <_> - 3 0 13 6 -1. - <_> - 3 3 13 3 2. - <_> - - <_> - 4 0 13 3 -1. - <_> - 4 1 13 1 3. - <_> - - <_> - 1 1 5 12 -1. - <_> - 1 5 5 4 3. - <_> - - <_> - 6 10 13 3 -1. - <_> - 6 11 13 1 3. - <_> - - <_> - 1 11 7 4 -1. - <_> - 1 13 7 2 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 9 0 2 8 3. - <_> - - <_> - 7 5 6 8 -1. - <_> - 9 5 2 8 3. - <_> - - <_> - 14 12 6 8 -1. - <_> - 16 12 2 8 3. - <_> - - <_> - 3 5 13 3 -1. - <_> - 3 6 13 1 3. - <_> - - <_> - 9 2 9 5 -1. - <_> - 12 2 3 5 3. - <_> - - <_> - 5 15 7 4 -1. - <_> - 5 17 7 2 2. - <_> - - <_> - 11 14 7 6 -1. - <_> - 11 16 7 2 3. - <_> - - <_> - 2 14 7 6 -1. - <_> - 2 16 7 2 3. - <_> - - <_> - 10 13 9 4 -1. - <_> - 10 15 9 2 2. - <_> - - <_> - 2 14 13 3 -1. - <_> - 2 15 13 1 3. - <_> - - <_> - 10 13 10 6 -1. - <_> - 10 15 10 2 3. - <_> - - <_> - 0 13 10 6 -1. - <_> - 0 15 10 2 3. - <_> - - <_> - 2 8 16 8 -1. - <_> - 10 8 8 4 2. - <_> - 2 12 8 4 2. - <_> - - <_> - 2 0 9 7 -1. - <_> - 5 0 3 7 3. - <_> - - <_> - 7 6 6 7 -1. - <_> - 9 6 2 7 3. - <_> - - <_> - 1 7 10 9 -1. - <_> - 1 10 10 3 3. - <_> - - <_> - 5 3 11 6 -1. - <_> - 5 5 11 2 3. - <_> - - <_> - 0 7 2 13 -1. - <_> - 1 7 1 13 2. - <_> - - <_> - 14 1 6 11 -1. - <_> - 16 1 2 11 3. - <_> - - <_> - 0 6 6 14 -1. - <_> - 2 6 2 14 3. - <_> - - <_> - 7 8 8 12 -1. - <_> - 11 8 4 6 2. - <_> - 7 14 4 6 2. - <_> - - <_> - 2 10 16 8 -1. - <_> - 2 10 8 4 2. - <_> - 10 14 8 4 2. - <_> - - <_> - 11 6 7 8 -1. - <_> - 11 10 7 4 2. - <_> - - <_> - 2 6 7 8 -1. - <_> - 2 10 7 4 2. - <_> - - <_> - 15 6 4 14 -1. - <_> - 17 6 2 7 2. - <_> - 15 13 2 7 2. - <_> - - <_> - 1 6 4 14 -1. - <_> - 1 6 2 7 2. - <_> - 3 13 2 7 2. - <_> - - <_> - 15 7 4 8 -1. - <_> - 15 11 4 4 2. - <_> - - <_> - 4 0 8 8 -1. - <_> - 4 0 4 4 2. - <_> - 8 4 4 4 2. - <_> - - <_> - 7 0 7 6 -1. - <_> - 7 3 7 3 2. - <_> - - <_> - 3 2 14 3 -1. - <_> - 3 3 14 1 3. - <_> - - <_> - 10 0 10 6 -1. - <_> - 10 2 10 2 3. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 2 10 2 3. - <_> - - <_> - 0 3 20 14 -1. - <_> - 0 10 20 7 2. - <_> - - <_> - 0 0 4 12 -1. - <_> - 2 0 2 12 2. - <_> - - <_> - 8 3 12 6 -1. - <_> - 12 3 4 6 3. - <_> - - <_> - 0 3 12 6 -1. - <_> - 4 3 4 6 3. - <_> - - <_> - 14 3 4 8 -1. - <_> - 14 3 2 8 2. - <_> - - <_> - 2 3 4 8 -1. - <_> - 4 3 2 8 2. - <_> - - <_> - 13 6 6 10 -1. - <_> - 16 6 3 5 2. - <_> - 13 11 3 5 2. - <_> - - <_> - 1 6 6 10 -1. - <_> - 1 6 3 5 2. - <_> - 4 11 3 5 2. - <_> - - <_> - 7 13 13 2 -1. - <_> - 7 14 13 1 2. - <_> - - <_> - 3 12 11 4 -1. - <_> - 3 14 11 2 2. - <_> - - <_> - 13 12 6 8 -1. - <_> - 13 12 3 8 2. - <_> - - <_> - 1 12 6 8 -1. - <_> - 4 12 3 8 2. - <_> - - <_> - 12 6 8 8 -1. - <_> - 16 6 4 4 2. - <_> - 12 10 4 4 2. - <_> - - <_> - 0 6 8 8 -1. - <_> - 0 6 4 4 2. - <_> - 4 10 4 4 2. - <_> - - <_> - 3 8 16 2 -1. - <_> - 3 9 16 1 2. - <_> - - <_> - 0 7 16 3 -1. - <_> - 0 8 16 1 3. - <_> - - <_> - 5 11 14 3 -1. - <_> - 5 12 14 1 3. - <_> - - <_> - 8 0 3 20 -1. - <_> - 9 0 1 20 3. - <_> - - <_> - 8 10 9 7 -1. - <_> - 11 10 3 7 3. - <_> - - <_> - 0 6 20 3 -1. - <_> - 10 6 10 3 2. - <_> - - <_> - 4 7 15 3 -1. - <_> - 4 8 15 1 3. - <_> - - <_> - 0 5 14 5 -1. - <_> - 7 5 7 5 2. - <_> - - <_> - 8 10 9 7 -1. - <_> - 11 10 3 7 3. - <_> - - <_> - 3 10 9 7 -1. - <_> - 6 10 3 7 3. - <_> - - <_> - 11 7 3 10 -1. - <_> - 11 12 3 5 2. - <_> - - <_> - 1 7 18 6 -1. - <_> - 1 9 18 2 3. - <_> - - <_> - 8 0 4 15 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 6 1 7 15 -1. - <_> - 6 6 7 5 3. - <_> - - <_> - 6 9 14 3 -1. - <_> - 6 10 14 1 3. - <_> - - <_> - 1 10 6 10 -1. - <_> - 1 10 3 5 2. - <_> - 4 15 3 5 2. - <_> - - <_> - 9 3 6 13 -1. - <_> - 11 3 2 13 3. - <_> - - <_> - 8 1 4 9 -1. - <_> - 10 1 2 9 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 7 1 6 8 -1. - <_> - 10 1 3 8 2. - <_> - - <_> - 3 6 14 2 -1. - <_> - 3 6 7 2 2. - <_> - - <_> - 1 3 4 8 -1. - <_> - 3 3 2 8 2. - <_> - - <_> - 18 3 2 14 -1. - <_> - 18 10 2 7 2. - <_> - - <_> - 0 3 2 14 -1. - <_> - 0 10 2 7 2. - <_> - - <_> - 3 15 16 2 -1. - <_> - 3 15 8 2 2. - <_> - - <_> - 2 1 9 6 -1. - <_> - 2 3 9 2 3. - <_> - - <_> - 11 1 7 6 -1. - <_> - 11 3 7 2 3. - <_> - - <_> - 1 8 8 8 -1. - <_> - 1 8 4 4 2. - <_> - 5 12 4 4 2. - <_> - - <_> - 8 6 5 8 -1. - <_> - 8 10 5 4 2. - <_> - - <_> - 4 12 8 8 -1. - <_> - 4 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 15 12 4 8 -1. - <_> - 15 16 4 4 2. - <_> - - <_> - 7 11 5 8 -1. - <_> - 7 15 5 4 2. - <_> - - <_> - 5 14 13 2 -1. - <_> - 5 15 13 1 2. - <_> - - <_> - 2 4 9 12 -1. - <_> - 2 8 9 4 3. - <_> - - <_> - 3 8 14 3 -1. - <_> - 3 9 14 1 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 9 14 8 6 -1. - <_> - 9 16 8 2 3. - <_> - - <_> - 1 12 4 8 -1. - <_> - 1 16 4 4 2. - <_> - - <_> - 5 16 12 4 -1. - <_> - 9 16 4 4 3. - <_> - - <_> - 4 13 6 7 -1. - <_> - 6 13 2 7 3. - <_> - - <_> - 11 1 3 15 -1. - <_> - 12 1 1 15 3. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 11 1 3 19 -1. - <_> - 12 1 1 19 3. - <_> - - <_> - 5 10 4 7 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 8 11 8 4 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 5 12 8 8 -1. - <_> - 9 12 4 8 2. - <_> - - <_> - 6 4 10 14 -1. - <_> - 11 4 5 7 2. - <_> - 6 11 5 7 2. - <_> - - <_> - 4 4 10 14 -1. - <_> - 4 4 5 7 2. - <_> - 9 11 5 7 2. - <_> - - <_> - 2 3 18 15 -1. - <_> - 2 8 18 5 3. - <_> - - <_> - 4 7 6 9 -1. - <_> - 6 7 2 9 3. - <_> - - <_> - 8 7 9 9 -1. - <_> - 8 10 9 3 3. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 8 7 2 2. - <_> - 9 10 7 2 2. - <_> - - <_> - 6 10 8 10 -1. - <_> - 6 10 4 10 2. - <_> - - <_> - 4 15 9 5 -1. - <_> - 7 15 3 5 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 10 7 6 7 -1. - <_> - 12 7 2 7 3. - <_> - - <_> - 4 7 6 12 -1. - <_> - 6 7 2 12 3. - <_> - - <_> - 7 6 6 8 -1. - <_> - 9 6 2 8 3. - <_> - - <_> - 5 3 6 16 -1. - <_> - 5 3 3 8 2. - <_> - 8 11 3 8 2. - <_> - - <_> - 12 10 6 6 -1. - <_> - 12 10 3 6 2. - <_> - - <_> - 2 10 6 6 -1. - <_> - 5 10 3 6 2. - <_> - - <_> - 10 0 4 9 -1. - <_> - 10 0 2 9 2. - <_> - - <_> - 5 0 6 7 -1. - <_> - 7 0 2 7 3. - <_> - - <_> - 10 0 6 8 -1. - <_> - 12 0 2 8 3. - <_> - - <_> - 4 0 6 8 -1. - <_> - 6 0 2 8 3. - <_> - - <_> - 6 6 8 6 -1. - <_> - 6 8 8 2 3. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 8 10 10 10 -1. - <_> - 13 10 5 5 2. - <_> - 8 15 5 5 2. - <_> - - <_> - 2 16 15 4 -1. - <_> - 7 16 5 4 3. - <_> - - <_> - 9 6 10 13 -1. - <_> - 9 6 5 13 2. - <_> - - <_> - 1 6 10 13 -1. - <_> - 6 6 5 13 2. - <_> - - <_> - 4 15 16 2 -1. - <_> - 4 15 8 2 2. - <_> - - <_> - 1 15 16 2 -1. - <_> - 9 15 8 2 2. - <_> - - <_> - 15 7 3 12 -1. - <_> - 15 13 3 6 2. - <_> - - <_> - 2 7 3 12 -1. - <_> - 2 13 3 6 2. - <_> - - <_> - 2 13 18 7 -1. - <_> - 8 13 6 7 3. - <_> - - <_> - 2 4 15 3 -1. - <_> - 2 5 15 1 3. - <_> - - <_> - 16 6 2 13 -1. - <_> - 16 6 1 13 2. - <_> - - <_> - 4 1 6 5 -1. - <_> - 7 1 3 5 2. - <_> - - <_> - 14 6 4 14 -1. - <_> - 16 6 2 7 2. - <_> - 14 13 2 7 2. - <_> - - <_> - 0 4 12 3 -1. - <_> - 6 4 6 3 2. - <_> - - <_> - 4 5 13 2 -1. - <_> - 4 6 13 1 2. - <_> - - <_> - 3 2 13 10 -1. - <_> - 3 7 13 5 2. - <_> - - <_> - 7 2 6 10 -1. - <_> - 7 7 6 5 2. - <_> - - <_> - 3 1 7 6 -1. - <_> - 3 3 7 2 3. - <_> - - <_> - 4 0 13 6 -1. - <_> - 4 2 13 2 3. - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 13 0 7 6 -1. - <_> - 13 2 7 2 3. - <_> - - <_> - 5 0 4 16 -1. - <_> - 5 0 2 8 2. - <_> - 7 8 2 8 2. - <_> - - <_> - 1 14 18 6 -1. - <_> - 10 14 9 3 2. - <_> - 1 17 9 3 2. - <_> - - <_> - 2 17 14 3 -1. - <_> - 9 17 7 3 2. - <_> - - <_> - 16 11 4 7 -1. - <_> - 16 11 2 7 2. - <_> - - <_> - 4 1 8 15 -1. - <_> - 8 1 4 15 2. - <_> - - <_> - 13 0 7 6 -1. - <_> - 13 2 7 2 3. - <_> - - <_> - 1 6 4 13 -1. - <_> - 3 6 2 13 2. - <_> - - <_> - 12 12 7 4 -1. - <_> - 12 14 7 2 2. - <_> - - <_> - 1 12 7 4 -1. - <_> - 1 14 7 2 2. - <_> - - <_> - 7 13 13 2 -1. - <_> - 7 14 13 1 2. - <_> - - <_> - 0 12 7 6 -1. - <_> - 0 14 7 2 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 6 11 6 8 -1. - <_> - 8 11 2 8 3. - <_> - - <_> - 8 10 10 10 -1. - <_> - 13 10 5 5 2. - <_> - 8 15 5 5 2. - <_> - - <_> - 2 10 10 10 -1. - <_> - 2 10 5 5 2. - <_> - 7 15 5 5 2. - <_> - - <_> - 6 13 10 6 -1. - <_> - 11 13 5 3 2. - <_> - 6 16 5 3 2. - <_> - - <_> - 4 13 10 6 -1. - <_> - 4 13 5 3 2. - <_> - 9 16 5 3 2. - <_> - - <_> - 7 6 9 12 -1. - <_> - 7 12 9 6 2. - <_> - - <_> - 1 14 14 4 -1. - <_> - 1 14 7 2 2. - <_> - 8 16 7 2 2. - <_> - - <_> - 11 15 7 4 -1. - <_> - 11 17 7 2 2. - <_> - - <_> - 1 15 16 4 -1. - <_> - 1 17 16 2 2. - <_> - - <_> - 2 0 18 8 -1. - <_> - 8 0 6 8 3. - <_> - - <_> - 0 8 18 12 -1. - <_> - 0 12 18 4 3. - <_> - - <_> - 7 11 13 2 -1. - <_> - 7 12 13 1 2. - <_> - - <_> - 0 11 13 2 -1. - <_> - 0 12 13 1 2. - <_> - - <_> - 1 12 19 3 -1. - <_> - 1 13 19 1 3. - <_> - - <_> - 0 3 13 3 -1. - <_> - 0 4 13 1 3. - <_> - - <_> - 9 11 6 9 -1. - <_> - 9 14 6 3 3. - <_> - - <_> - 5 11 6 9 -1. - <_> - 5 14 6 3 3. - <_> - - <_> - 4 3 13 3 -1. - <_> - 4 4 13 1 3. - <_> - - <_> - 5 14 9 4 -1. - <_> - 5 16 9 2 2. - <_> - - <_> - 8 12 4 8 -1. - <_> - 8 16 4 4 2. - <_> - - <_> - 3 8 14 4 -1. - <_> - 3 8 7 2 2. - <_> - 10 10 7 2 2. - <_> - - <_> - 4 5 12 6 -1. - <_> - 8 5 4 6 3. - <_> - - <_> - 3 5 8 9 -1. - <_> - 3 8 8 3 3. - <_> - - <_> - 10 5 4 12 -1. - <_> - 10 9 4 4 3. - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 3 6 16 4 -1. - <_> - 11 6 8 2 2. - <_> - 3 8 8 2 2. - <_> - - <_> - 4 6 7 4 -1. - <_> - 4 8 7 2 2. - <_> - - <_> - 12 4 7 6 -1. - <_> - 12 6 7 2 3. - <_> - - <_> - 1 4 7 6 -1. - <_> - 1 6 7 2 3. - <_> - - <_> - 6 0 10 6 -1. - <_> - 6 2 10 2 3. - <_> - - <_> - 0 0 7 6 -1. - <_> - 0 2 7 2 3. - <_> - - <_> - 17 2 3 13 -1. - <_> - 18 2 1 13 3. - <_> - - <_> - 0 2 3 13 -1. - <_> - 1 2 1 13 3. - <_> - - <_> - 6 8 13 3 -1. - <_> - 6 9 13 1 3. - <_> - - <_> - 0 13 10 6 -1. - <_> - 0 13 5 3 2. - <_> - 5 16 5 3 2. - <_> - - <_> - 10 12 8 8 -1. - <_> - 14 12 4 4 2. - <_> - 10 16 4 4 2. - <_> - - <_> - 6 10 8 8 -1. - <_> - 6 10 4 4 2. - <_> - 10 14 4 4 2. - <_> - - <_> - 10 10 6 7 -1. - <_> - 12 10 2 7 3. - <_> - - <_> - 5 9 9 5 -1. - <_> - 8 9 3 5 3. - <_> - - <_> - 7 5 7 6 -1. - <_> - 7 7 7 2 3. - <_> - - <_> - 0 13 18 7 -1. - <_> - 6 13 6 7 3. - <_> - - <_> - 7 7 12 9 -1. - <_> - 7 10 12 3 3. - <_> - - <_> - 1 12 18 3 -1. - <_> - 1 13 18 1 3. - <_> - - <_> - 7 13 13 2 -1. - <_> - 7 14 13 1 2. - <_> - - <_> - 7 12 6 7 -1. - <_> - 9 12 2 7 3. - <_> - - <_> - 8 10 12 10 -1. - <_> - 14 10 6 5 2. - <_> - 8 15 6 5 2. - <_> - - <_> - 0 10 12 10 -1. - <_> - 0 10 6 5 2. - <_> - 6 15 6 5 2. - <_> - - <_> - 7 7 12 9 -1. - <_> - 7 10 12 3 3. - <_> - - <_> - 3 16 12 4 -1. - <_> - 7 16 4 4 3. - <_> - - <_> - 7 16 9 4 -1. - <_> - 7 18 9 2 2. - <_> - - <_> - 4 16 9 4 -1. - <_> - 4 18 9 2 2. - <_> - - <_> - 11 1 3 19 -1. - <_> - 12 1 1 19 3. - <_> - - <_> - 6 14 7 6 -1. - <_> - 6 16 7 2 3. - <_> - - <_> - 11 1 3 15 -1. - <_> - 12 1 1 15 3. - <_> - - <_> - 6 1 3 19 -1. - <_> - 7 1 1 19 3. - <_> - - <_> - 4 0 14 10 -1. - <_> - 11 0 7 5 2. - <_> - 4 5 7 5 2. - <_> - - <_> - 2 0 14 10 -1. - <_> - 2 0 7 5 2. - <_> - 9 5 7 5 2. - <_> - - <_> - 10 1 3 13 -1. - <_> - 11 1 1 13 3. - <_> - - <_> - 6 7 6 8 -1. - <_> - 8 7 2 8 3. - <_> - - <_> - 11 5 4 10 -1. - <_> - 11 5 2 10 2. - <_> - - <_> - 3 18 13 2 -1. - <_> - 3 19 13 1 2. - <_> - - <_> - 11 8 4 8 -1. - <_> - 11 12 4 4 2. - <_> - - <_> - 5 8 4 8 -1. - <_> - 5 12 4 4 2. - <_> - - <_> - 4 8 16 6 -1. - <_> - 12 8 8 3 2. - <_> - 4 11 8 3 2. - <_> - - <_> - 5 5 4 10 -1. - <_> - 7 5 2 10 2. - <_> - - <_> - 10 1 3 13 -1. - <_> - 11 1 1 13 3. - <_> - - <_> - 7 1 3 13 -1. - <_> - 8 1 1 13 3. - <_> - - <_> - 6 6 8 7 -1. - <_> - 6 6 4 7 2. - <_> - - <_> - 8 0 4 9 -1. - <_> - 10 0 2 9 2. - <_> - - <_> - 9 7 4 12 -1. - <_> - 9 11 4 4 3. - <_> - - <_> - 4 2 12 4 -1. - <_> - 10 2 6 4 2. - <_> - - <_> - 8 1 10 6 -1. - <_> - 13 1 5 3 2. - <_> - 8 4 5 3 2. - <_> - - <_> - 0 2 9 10 -1. - <_> - 0 7 9 5 2. - <_> - - <_> - 10 1 10 14 -1. - <_> - 10 8 10 7 2. - <_> - - <_> - 0 1 10 14 -1. - <_> - 0 8 10 7 2. - <_> - - <_> - 9 0 3 15 -1. - <_> - 9 5 3 5 3. - <_> - - <_> - 0 2 4 18 -1. - <_> - 0 2 2 9 2. - <_> - 2 11 2 9 2. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 10 9 6 7 -1. - <_> - 12 9 2 7 3. - <_> - - <_> - 3 3 6 7 -1. - <_> - 5 3 2 7 3. - <_> - - <_> - 13 2 3 17 -1. - <_> - 14 2 1 17 3. - <_> - - <_> - 2 5 4 8 -1. - <_> - 2 9 4 4 2. - <_> - - <_> - 6 5 10 10 -1. - <_> - 6 10 10 5 2. - <_> - - <_> - 4 2 3 17 -1. - <_> - 5 2 1 17 3. - <_> - - <_> - 6 6 14 5 -1. - <_> - 6 6 7 5 2. - <_> - - <_> - 0 11 15 3 -1. - <_> - 5 11 5 3 3. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 3 0 10 6 -1. - <_> - 3 0 5 3 2. - <_> - 8 3 5 3 2. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 10 4 4 3. - <_> - - <_> - 0 13 13 2 -1. - <_> - 0 14 13 1 2. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 1 2 12 15 -1. - <_> - 5 2 4 15 3. - <_> - - <_> - 2 0 18 16 -1. - <_> - 8 0 6 16 3. - <_> - - <_> - 0 0 18 16 -1. - <_> - 6 0 6 16 3. - <_> - - <_> - 14 0 6 13 -1. - <_> - 14 0 3 13 2. - <_> - - <_> - 4 3 3 17 -1. - <_> - 5 3 1 17 3. - <_> - - <_> - 13 6 6 10 -1. - <_> - 13 6 3 10 2. - <_> - - <_> - 1 5 6 11 -1. - <_> - 4 5 3 11 2. - <_> - - <_> - 16 3 4 12 -1. - <_> - 16 7 4 4 3. - <_> - - <_> - 5 1 3 10 -1. - <_> - 5 6 3 5 2. - <_> - - <_> - 16 3 4 12 -1. - <_> - 16 7 4 4 3. - <_> - - <_> - 0 3 4 12 -1. - <_> - 0 7 4 4 3. - <_> - - <_> - 6 0 14 6 -1. - <_> - 13 0 7 3 2. - <_> - 6 3 7 3 2. - <_> - - <_> - 0 1 6 19 -1. - <_> - 3 1 3 19 2. - <_> - - <_> - 16 1 3 13 -1. - <_> - 17 1 1 13 3. - <_> - - <_> - 0 0 6 13 -1. - <_> - 3 0 3 13 2. - <_> - - <_> - 12 1 6 5 -1. - <_> - 12 1 3 5 2. - <_> - - <_> - 2 1 6 5 -1. - <_> - 5 1 3 5 2. - <_> - - <_> - 10 0 6 7 -1. - <_> - 12 0 2 7 3. - <_> - - <_> - 1 1 10 3 -1. - <_> - 6 1 5 3 2. - <_> - - <_> - 4 0 16 8 -1. - <_> - 12 0 8 4 2. - <_> - 4 4 8 4 2. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 11 10 7 6 -1. - <_> - 11 12 7 2 3. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 3 8 15 9 -1. - <_> - 3 11 15 3 3. - <_> - - <_> - 4 6 4 10 -1. - <_> - 6 6 2 10 2. - <_> - - <_> - 15 7 5 6 -1. - <_> - 15 10 5 3 2. - <_> - - <_> - 0 7 5 6 -1. - <_> - 0 10 5 3 2. - <_> - - <_> - 8 5 12 4 -1. - <_> - 12 5 4 4 3. - <_> - - <_> - 2 0 14 6 -1. - <_> - 2 3 14 3 2. - <_> - - <_> - 8 5 12 4 -1. - <_> - 12 5 4 4 3. - <_> - - <_> - 0 5 12 4 -1. - <_> - 4 5 4 4 3. - <_> - - <_> - 7 0 7 6 -1. - <_> - 7 3 7 3 2. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 13 9 3 10 -1. - <_> - 13 14 3 5 2. - <_> - - <_> - 2 12 7 6 -1. - <_> - 2 14 7 2 3. - <_> - - <_> - 7 14 13 3 -1. - <_> - 7 15 13 1 3. - <_> - - <_> - 0 14 13 3 -1. - <_> - 0 15 13 1 3. - <_> - - <_> - 9 2 6 12 -1. - <_> - 9 6 6 4 3. - <_> - - <_> - 5 2 6 12 -1. - <_> - 5 6 6 4 3. - <_> - - <_> - 9 6 4 12 -1. - <_> - 9 10 4 4 3. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 10 4 4 3. - <_> - - <_> - 9 2 8 18 -1. - <_> - 9 8 8 6 3. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 8 6 6 7 -1. - <_> - 10 6 2 7 3. - <_> - - <_> - 3 7 9 9 -1. - <_> - 3 10 9 3 3. - <_> - - <_> - 14 4 3 13 -1. - <_> - 15 4 1 13 3. - <_> - - <_> - 4 1 12 15 -1. - <_> - 4 6 12 5 3. - <_> - - <_> - 8 2 4 8 -1. - <_> - 8 6 4 4 2. - <_> - - <_> - 3 0 12 20 -1. - <_> - 3 10 12 10 2. - <_> - - <_> - 1 17 19 3 -1. - <_> - 1 18 19 1 3. - <_> - - <_> - 0 18 18 2 -1. - <_> - 9 18 9 2 2. - <_> - - <_> - 8 10 6 9 -1. - <_> - 10 10 2 9 3. - <_> - - <_> - 6 10 6 9 -1. - <_> - 8 10 2 9 3. - <_> - - <_> - 5 11 12 4 -1. - <_> - 5 13 12 2 2. - <_> - - <_> - 2 5 8 4 -1. - <_> - 2 7 8 2 2. - <_> - - <_> - 9 10 7 6 -1. - <_> - 9 12 7 2 3. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 3 0 14 3 -1. - <_> - 3 1 14 1 3. - <_> - - <_> - 8 6 4 8 -1. - <_> - 10 6 2 8 2. - <_> - - <_> - 9 3 6 13 -1. - <_> - 11 3 2 13 3. - <_> - - <_> - 0 0 6 10 -1. - <_> - 0 0 3 5 2. - <_> - 3 5 3 5 2. - <_> - - <_> - 8 0 7 18 -1. - <_> - 8 6 7 6 3. - <_> - - <_> - 5 3 6 13 -1. - <_> - 7 3 2 13 3. - <_> - - <_> - 7 4 9 5 -1. - <_> - 10 4 3 5 3. - <_> - - <_> - 8 1 3 18 -1. - <_> - 9 1 1 18 3. - <_> - - <_> - 9 0 11 15 -1. - <_> - 9 5 11 5 3. - <_> - - <_> - 0 0 16 8 -1. - <_> - 0 0 8 4 2. - <_> - 8 4 8 4 2. - <_> - - <_> - 4 3 12 14 -1. - <_> - 10 3 6 7 2. - <_> - 4 10 6 7 2. - <_> - - <_> - 5 6 6 12 -1. - <_> - 5 6 3 6 2. - <_> - 8 12 3 6 2. - <_> - - <_> - 6 3 11 9 -1. - <_> - 6 6 11 3 3. - <_> - - <_> - 0 0 18 8 -1. - <_> - 0 0 9 4 2. - <_> - 9 4 9 4 2. - <_> - - <_> - 11 5 9 12 -1. - <_> - 11 11 9 6 2. - <_> - - <_> - 2 5 14 8 -1. - <_> - 2 9 14 4 2. - <_> - - <_> - 16 2 4 8 -1. - <_> - 16 6 4 4 2. - <_> - - <_> - 4 10 7 6 -1. - <_> - 4 12 7 2 3. - <_> - - <_> - 7 11 7 6 -1. - <_> - 7 13 7 2 3. - <_> - - <_> - 0 2 4 8 -1. - <_> - 0 6 4 4 2. - <_> - - <_> - 16 1 3 13 -1. - <_> - 17 1 1 13 3. - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 2 5 3 2. - <_> - 9 5 5 3 2. - <_> - - <_> - 4 4 14 3 -1. - <_> - 4 5 14 1 3. - <_> - - <_> - 5 5 7 6 -1. - <_> - 5 7 7 2 3. - <_> - - <_> - 6 13 13 3 -1. - <_> - 6 14 13 1 3. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 10 13 7 4 -1. - <_> - 10 15 7 2 2. - <_> - - <_> - 1 13 13 3 -1. - <_> - 1 14 13 1 3. - <_> - - <_> - 6 3 11 9 -1. - <_> - 6 6 11 3 3. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_default.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_default.xml deleted file mode 100644 index cbd1aa89e9..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_frontalface_default.xml +++ /dev/null @@ -1,33314 +0,0 @@ - - - -BOOST - HAAR - 24 - 24 - - 211 - - 0 - 25 - - <_> - 9 - -5.0425500869750977e+00 - - <_> - - 0 -1 0 -3.1511999666690826e-02 - - 2.0875380039215088e+00 -2.2172100543975830e+00 - <_> - - 0 -1 1 1.2396000325679779e-02 - - -1.8633940219879150e+00 1.3272049427032471e+00 - <_> - - 0 -1 2 2.1927999332547188e-02 - - -1.5105249881744385e+00 1.0625729560852051e+00 - <_> - - 0 -1 3 5.7529998011887074e-03 - - -8.7463897466659546e-01 1.1760339736938477e+00 - <_> - - 0 -1 4 1.5014000236988068e-02 - - -7.7945697307586670e-01 1.2608419656753540e+00 - <_> - - 0 -1 5 9.9371001124382019e-02 - - 5.5751299858093262e-01 -1.8743000030517578e+00 - <_> - - 0 -1 6 2.7340000960975885e-03 - - -1.6911929845809937e+00 4.4009700417518616e-01 - <_> - - 0 -1 7 -1.8859000876545906e-02 - - -1.4769539833068848e+00 4.4350099563598633e-01 - <_> - - 0 -1 8 5.9739998541772366e-03 - - -8.5909199714660645e-01 8.5255599021911621e-01 - <_> - 16 - -4.9842400550842285e+00 - - <_> - - 0 -1 9 -2.1110000088810921e-02 - - 1.2435649633407593e+00 -1.5713009834289551e+00 - <_> - - 0 -1 10 2.0355999469757080e-02 - - -1.6204780340194702e+00 1.1817760467529297e+00 - <_> - - 0 -1 11 2.1308999508619308e-02 - - -1.9415930509567261e+00 7.0069098472595215e-01 - <_> - - 0 -1 12 9.1660000383853912e-02 - - -5.5670100450515747e-01 1.7284419536590576e+00 - <_> - - 0 -1 13 3.6288000643253326e-02 - - 2.6763799786567688e-01 -2.1831810474395752e+00 - <_> - - 0 -1 14 -1.9109999760985374e-02 - - -2.6730210781097412e+00 4.5670801401138306e-01 - <_> - - 0 -1 15 8.2539999857544899e-03 - - -1.0852910280227661e+00 5.3564202785491943e-01 - <_> - - 0 -1 16 1.8355000764131546e-02 - - -3.5200199484825134e-01 9.3339198827743530e-01 - <_> - - 0 -1 17 -7.0569999516010284e-03 - - 9.2782098054885864e-01 -6.6349899768829346e-01 - <_> - - 0 -1 18 -9.8770000040531158e-03 - - 1.1577470302581787e+00 -2.9774799942970276e-01 - <_> - - 0 -1 19 1.5814000740647316e-02 - - -4.1960600018501282e-01 1.3576040267944336e+00 - <_> - - 0 -1 20 -2.0700000226497650e-02 - - 1.4590020179748535e+00 -1.9739399850368500e-01 - <_> - - 0 -1 21 -1.3760800659656525e-01 - - 1.1186759471893311e+00 -5.2915501594543457e-01 - <_> - - 0 -1 22 1.4318999834358692e-02 - - -3.5127198696136475e-01 1.1440860033035278e+00 - <_> - - 0 -1 23 1.0253000073134899e-02 - - -6.0850602388381958e-01 7.7098500728607178e-01 - <_> - - 0 -1 24 9.1508001089096069e-02 - - 3.8817799091339111e-01 -1.5122940540313721e+00 - <_> - 27 - -4.6551899909973145e+00 - - <_> - - 0 -1 25 6.9747000932693481e-02 - - -1.0130879878997803e+00 1.4687349796295166e+00 - <_> - - 0 -1 26 3.1502999365329742e-02 - - -1.6463639736175537e+00 1.0000629425048828e+00 - <_> - - 0 -1 27 1.4260999858379364e-02 - - 4.6480301022529602e-01 -1.5959889888763428e+00 - <_> - - 0 -1 28 1.4453000389039516e-02 - - -6.5511900186538696e-01 8.3021801710128784e-01 - <_> - - 0 -1 29 -3.0509999487549067e-03 - - -1.3982310295104980e+00 4.2550599575042725e-01 - <_> - - 0 -1 30 3.2722998410463333e-02 - - -5.0702601671218872e-01 1.0526109933853149e+00 - <_> - - 0 -1 31 -7.2960001416504383e-03 - - 3.6356899142265320e-01 -1.3464889526367188e+00 - <_> - - 0 -1 32 5.0425000488758087e-02 - - -3.0461400747299194e-01 1.4504129886627197e+00 - <_> - - 0 -1 33 4.6879000961780548e-02 - - -4.0286201238632202e-01 1.2145609855651855e+00 - <_> - - 0 -1 34 -6.9358997046947479e-02 - - 1.0539360046386719e+00 -4.5719701051712036e-01 - <_> - - 0 -1 35 -4.9033999443054199e-02 - - -1.6253089904785156e+00 1.5378999710083008e-01 - <_> - - 0 -1 36 8.4827996790409088e-02 - - 2.8402999043464661e-01 -1.5662059783935547e+00 - <_> - - 0 -1 37 -1.7229999648407102e-03 - - -1.0147459506988525e+00 2.3294800519943237e-01 - <_> - - 0 -1 38 1.1562199890613556e-01 - - -1.6732899844646454e-01 1.2804069519042969e+00 - <_> - - 0 -1 39 -5.1279999315738678e-02 - - 1.5162390470504761e+00 -3.0271100997924805e-01 - <_> - - 0 -1 40 -4.2706999927759171e-02 - - 1.7631920576095581e+00 -5.1832001656293869e-02 - <_> - - 0 -1 41 3.7178099155426025e-01 - - -3.1389200687408447e-01 1.5357979536056519e+00 - <_> - - 0 -1 42 1.9412999972701073e-02 - - -1.0017599910497665e-01 9.3655401468276978e-01 - <_> - - 0 -1 43 1.7439000308513641e-02 - - -4.0379899740219116e-01 9.6293002367019653e-01 - <_> - - 0 -1 44 3.9638999849557877e-02 - - 1.7039099335670471e-01 -2.9602990150451660e+00 - <_> - - 0 -1 45 -9.1469995677471161e-03 - - 8.8786798715591431e-01 -4.3818700313568115e-01 - <_> - - 0 -1 46 1.7219999572262168e-03 - - -3.7218600511550903e-01 4.0018901228904724e-01 - <_> - - 0 -1 47 3.0231000855565071e-02 - - 6.5924003720283508e-02 -2.6469180583953857e+00 - <_> - - 0 -1 48 -7.8795999288558960e-02 - - -1.7491459846496582e+00 2.8475299477577209e-01 - <_> - - 0 -1 49 2.1110000088810921e-03 - - -9.3908101320266724e-01 2.3205199837684631e-01 - <_> - - 0 -1 50 2.7091000229120255e-02 - - -5.2664000540971756e-02 1.0756820440292358e+00 - <_> - - 0 -1 51 -4.4964998960494995e-02 - - -1.8294479846954346e+00 9.9561996757984161e-02 - <_> - 32 - -4.4531588554382324e+00 - - <_> - - 0 -1 52 -6.5701000392436981e-02 - - 1.1558510065078735e+00 -1.0716359615325928e+00 - <_> - - 0 -1 53 1.5839999541640282e-02 - - -1.5634720325469971e+00 7.6877099275588989e-01 - <_> - - 0 -1 54 1.4570899307727814e-01 - - -5.7450097799301147e-01 1.3808720111846924e+00 - <_> - - 0 -1 55 6.1389999464154243e-03 - - -1.4570560455322266e+00 5.1610302925109863e-01 - <_> - - 0 -1 56 6.7179999314248562e-03 - - -8.3533602952957153e-01 5.8522200584411621e-01 - <_> - - 0 -1 57 1.8518000841140747e-02 - - -3.1312099099159241e-01 1.1696679592132568e+00 - <_> - - 0 -1 58 1.9958000630140305e-02 - - -4.3442600965499878e-01 9.5446902513504028e-01 - <_> - - 0 -1 59 -2.7755001187324524e-01 - - 1.4906179904937744e+00 -1.3815900683403015e-01 - <_> - - 0 -1 60 9.1859996318817139e-03 - - -9.6361500024795532e-01 2.7665498852729797e-01 - <_> - - 0 -1 61 -3.7737999111413956e-02 - - -2.4464108943939209e+00 2.3619599640369415e-01 - <_> - - 0 -1 62 1.8463000655174255e-02 - - 1.7539200186729431e-01 -1.3423130512237549e+00 - <_> - - 0 -1 63 -1.1114999651908875e-02 - - 4.8710799217224121e-01 -8.9851897954940796e-01 - <_> - - 0 -1 64 3.3927999436855316e-02 - - 1.7874200642108917e-01 -1.6342279911041260e+00 - <_> - - 0 -1 65 -3.5649001598358154e-02 - - -1.9607399702072144e+00 1.8102499842643738e-01 - <_> - - 0 -1 66 -1.1438000015914440e-02 - - 9.9010699987411499e-01 -3.8103199005126953e-01 - <_> - - 0 -1 67 -6.5236002206802368e-02 - - -2.5794160366058350e+00 2.4753600358963013e-01 - <_> - - 0 -1 68 -4.2272001504898071e-02 - - 1.4411840438842773e+00 -2.9508298635482788e-01 - <_> - - 0 -1 69 1.9219999667257071e-03 - - -4.9608600139617920e-01 6.3173598051071167e-01 - <_> - - 0 -1 70 -1.2921799719333649e-01 - - -2.3314270973205566e+00 5.4496999830007553e-02 - <_> - - 0 -1 71 2.2931000217795372e-02 - - -8.4447097778320312e-01 3.8738098740577698e-01 - <_> - - 0 -1 72 -3.4120000898838043e-02 - - -1.4431500434875488e+00 9.8422996699810028e-02 - <_> - - 0 -1 73 2.6223000138998032e-02 - - 1.8223099410533905e-01 -1.2586519718170166e+00 - <_> - - 0 -1 74 2.2236999124288559e-02 - - 6.9807998836040497e-02 -2.3820950984954834e+00 - <_> - - 0 -1 75 -5.8240001089870930e-03 - - 3.9332500100135803e-01 -2.7542799711227417e-01 - <_> - - 0 -1 76 4.3653000146150589e-02 - - 1.4832699298858643e-01 -1.1368780136108398e+00 - <_> - - 0 -1 77 5.7266999036073685e-02 - - 2.4628099799156189e-01 -1.2687400579452515e+00 - <_> - - 0 -1 78 2.3409998975694180e-03 - - -7.5448900461196899e-01 2.7163800597190857e-01 - <_> - - 0 -1 79 1.2996000237762928e-02 - - -3.6394900083541870e-01 7.0959198474884033e-01 - <_> - - 0 -1 80 -2.6517000049352646e-02 - - -2.3221859931945801e+00 3.5744000226259232e-02 - <_> - - 0 -1 81 -5.8400002308189869e-03 - - 4.2194300889968872e-01 -4.8184998333454132e-02 - <_> - - 0 -1 82 -1.6568999737501144e-02 - - 1.1099940538406372e+00 -3.4849700331687927e-01 - <_> - - 0 -1 83 -6.8157002329826355e-02 - - -3.3269989490509033e+00 2.1299000084400177e-01 - <_> - 52 - -4.3864588737487793e+00 - - <_> - - 0 -1 84 3.9974000304937363e-02 - - -1.2173449993133545e+00 1.0826710462570190e+00 - <_> - - 0 -1 85 1.8819500505924225e-01 - - -4.8289400339126587e-01 1.4045250415802002e+00 - <_> - - 0 -1 86 7.8027002513408661e-02 - - -1.0782150030136108e+00 7.4040299654006958e-01 - <_> - - 0 -1 87 1.1899999663000926e-04 - - -1.2019979953765869e+00 3.7749201059341431e-01 - <_> - - 0 -1 88 8.5056997835636139e-02 - - -4.3939098715782166e-01 1.2647340297698975e+00 - <_> - - 0 -1 89 8.9720003306865692e-03 - - -1.8440499901771545e-01 4.5726400613784790e-01 - <_> - - 0 -1 90 8.8120000436902046e-03 - - 3.0396699905395508e-01 -9.5991098880767822e-01 - <_> - - 0 -1 91 -2.3507999256253242e-02 - - 1.2487529516220093e+00 4.6227999031543732e-02 - <_> - - 0 -1 92 7.0039997808635235e-03 - - -5.9442102909088135e-01 5.3963297605514526e-01 - <_> - - 0 -1 93 3.3851999789476395e-02 - - 2.8496098518371582e-01 -1.4895249605178833e+00 - <_> - - 0 -1 94 -3.2530000898987055e-03 - - 4.8120799660682678e-01 -5.2712398767471313e-01 - <_> - - 0 -1 95 2.9097000136971474e-02 - - 2.6743900775909424e-01 -1.6007850170135498e+00 - <_> - - 0 -1 96 -8.4790000692009926e-03 - - -1.3107639551162720e+00 1.5243099629878998e-01 - <_> - - 0 -1 97 -1.0795000009238720e-02 - - 4.5613598823547363e-01 -7.2050899267196655e-01 - <_> - - 0 -1 98 -2.4620000272989273e-02 - - -1.7320619821548462e+00 6.8363003432750702e-02 - <_> - - 0 -1 99 3.7380000576376915e-03 - - -1.9303299486637115e-01 6.8243497610092163e-01 - <_> - - 0 -1 100 -1.2264000251889229e-02 - - -1.6095290184020996e+00 7.5268000364303589e-02 - <_> - - 0 -1 101 -4.8670000396668911e-03 - - 7.4286502599716187e-01 -2.1510200202465057e-01 - <_> - - 0 -1 102 7.6725997030735016e-02 - - -2.6835098862648010e-01 1.3094140291213989e+00 - <_> - - 0 -1 103 2.8578000143170357e-02 - - -5.8793000876903534e-02 1.2196329832077026e+00 - <_> - - 0 -1 104 1.9694000482559204e-02 - - -3.5142898559570312e-01 8.4926998615264893e-01 - <_> - - 0 -1 105 -2.9093999415636063e-02 - - -1.0507299900054932e+00 2.9806300997734070e-01 - <_> - - 0 -1 106 -2.9144000262022018e-02 - - 8.2547801733016968e-01 -3.2687199115753174e-01 - <_> - - 0 -1 107 1.9741000607609749e-02 - - 2.0452600717544556e-01 -8.3760201930999756e-01 - <_> - - 0 -1 108 4.3299999088048935e-03 - - 2.0577900111675262e-01 -6.6829800605773926e-01 - <_> - - 0 -1 109 -3.5500999540090561e-02 - - -1.2969900369644165e+00 1.3897499442100525e-01 - <_> - - 0 -1 110 -1.6172999516129494e-02 - - -1.3110569715499878e+00 7.5751997530460358e-02 - <_> - - 0 -1 111 -2.2151000797748566e-02 - - -1.0524389743804932e+00 1.9241100549697876e-01 - <_> - - 0 -1 112 -2.2707000374794006e-02 - - -1.3735309839248657e+00 6.6780999302864075e-02 - <_> - - 0 -1 113 1.6607999801635742e-02 - - -3.7135999649763107e-02 7.7846401929855347e-01 - <_> - - 0 -1 114 -1.3309000059962273e-02 - - -9.9850702285766602e-01 1.2248100340366364e-01 - <_> - - 0 -1 115 -3.3732000738382339e-02 - - 1.4461359977722168e+00 1.3151999562978745e-02 - <_> - - 0 -1 116 1.6935000196099281e-02 - - -3.7121298909187317e-01 5.2842199802398682e-01 - <_> - - 0 -1 117 3.3259999472647905e-03 - - -5.7568502426147461e-01 3.9261901378631592e-01 - <_> - - 0 -1 118 8.3644002676010132e-02 - - 1.6116000711917877e-02 -2.1173279285430908e+00 - <_> - - 0 -1 119 2.5785198807716370e-01 - - -8.1609003245830536e-02 9.8782497644424438e-01 - <_> - - 0 -1 120 -3.6566998809576035e-02 - - -1.1512110233306885e+00 9.6459001302719116e-02 - <_> - - 0 -1 121 -1.6445999965071678e-02 - - 3.7315499782562256e-01 -1.4585399627685547e-01 - <_> - - 0 -1 122 -3.7519999314099550e-03 - - 2.6179298758506775e-01 -5.8156698942184448e-01 - <_> - - 0 -1 123 -6.3660000450909138e-03 - - 7.5477397441864014e-01 -1.7055200040340424e-01 - <_> - - 0 -1 124 -3.8499999791383743e-03 - - 2.2653999924659729e-01 -6.3876402378082275e-01 - <_> - - 0 -1 125 -4.5494001358747482e-02 - - -1.2640299797058105e+00 2.5260698795318604e-01 - <_> - - 0 -1 126 -2.3941000923514366e-02 - - 8.7068402767181396e-01 -2.7104699611663818e-01 - <_> - - 0 -1 127 -7.7558003365993500e-02 - - -1.3901610374450684e+00 2.3612299561500549e-01 - <_> - - 0 -1 128 2.3614000529050827e-02 - - 6.6140003502368927e-02 -1.2645419836044312e+00 - <_> - - 0 -1 129 -2.5750000495463610e-03 - - -5.3841698169708252e-01 3.0379098653793335e-01 - <_> - - 0 -1 130 1.2010800093412399e-01 - - -3.5343000292778015e-01 5.2866202592849731e-01 - <_> - - 0 -1 131 2.2899999748915434e-03 - - -5.8701997995376587e-01 2.4061000347137451e-01 - <_> - - 0 -1 132 6.9716997444629669e-02 - - -3.3348900079727173e-01 5.1916301250457764e-01 - <_> - - 0 -1 133 -4.6670001000165939e-02 - - 6.9795399904251099e-01 -1.4895999804139137e-02 - <_> - - 0 -1 134 -5.0129000097513199e-02 - - 8.6146199703216553e-01 -2.5986000895500183e-01 - <_> - - 0 -1 135 3.0147999525070190e-02 - - 1.9332799315452576e-01 -5.9131097793579102e-01 - <_> - 53 - -4.1299300193786621e+00 - - <_> - - 0 -1 136 9.1085001826286316e-02 - - -8.9233100414276123e-01 1.0434230566024780e+00 - <_> - - 0 -1 137 1.2818999588489532e-02 - - -1.2597670555114746e+00 5.5317097902297974e-01 - <_> - - 0 -1 138 1.5931999310851097e-02 - - -8.6254400014877319e-01 6.3731801509857178e-01 - <_> - - 0 -1 139 2.2780001163482666e-03 - - -7.4639201164245605e-01 5.3155601024627686e-01 - <_> - - 0 -1 140 3.1840998679399490e-02 - - -1.2650489807128906e+00 3.6153900623321533e-01 - <_> - - 0 -1 141 2.6960000395774841e-03 - - -9.8290401697158813e-01 3.6013001203536987e-01 - <_> - - 0 -1 142 -1.2055000290274620e-02 - - 6.4068400859832764e-01 -5.0125002861022949e-01 - <_> - - 0 -1 143 2.1324999630451202e-02 - - -2.4034999310970306e-01 8.5448002815246582e-01 - <_> - - 0 -1 144 3.0486000701785088e-02 - - -3.4273600578308105e-01 1.1428849697113037e+00 - <_> - - 0 -1 145 -4.5079998672008514e-02 - - 1.0976949930191040e+00 -1.7974600195884705e-01 - <_> - - 0 -1 146 -7.1700997650623322e-02 - - 1.5735000371932983e+00 -3.1433498859405518e-01 - <_> - - 0 -1 147 5.9218000620603561e-02 - - -2.7582401037216187e-01 1.0448570251464844e+00 - <_> - - 0 -1 148 6.7010000348091125e-03 - - -1.0974019765853882e+00 1.9801199436187744e-01 - <_> - - 0 -1 149 4.1046999394893646e-02 - - 3.0547699332237244e-01 -1.3287999629974365e+00 - <_> - - 0 -1 150 -8.5499999113380909e-04 - - 2.5807100534439087e-01 -7.0052897930145264e-01 - <_> - - 0 -1 151 -3.0360000208020210e-02 - - -1.2306419610977173e+00 2.2609399259090424e-01 - <_> - - 0 -1 152 -1.2930000200867653e-02 - - 4.0758600831031799e-01 -5.1234501600265503e-01 - <_> - - 0 -1 153 3.7367999553680420e-02 - - -9.4755001366138458e-02 6.1765098571777344e-01 - <_> - - 0 -1 154 2.4434000253677368e-02 - - -4.1100600361824036e-01 4.7630500793457031e-01 - <_> - - 0 -1 155 5.7007998228073120e-02 - - 2.5249299407005310e-01 -6.8669801950454712e-01 - <_> - - 0 -1 156 -1.6313999891281128e-02 - - -9.3928402662277222e-01 1.1448100209236145e-01 - <_> - - 0 -1 157 -1.7648899555206299e-01 - - 1.2451089620590210e+00 -5.6519001722335815e-02 - <_> - - 0 -1 158 1.7614600062370300e-01 - - -3.2528200745582581e-01 8.2791501283645630e-01 - <_> - - 0 -1 159 -7.3910001665353775e-03 - - 3.4783700108528137e-01 -1.7929099500179291e-01 - <_> - - 0 -1 160 6.0890998691320419e-02 - - 5.5098000913858414e-02 -1.5480779409408569e+00 - <_> - - 0 -1 161 -2.9123000800609589e-02 - - -1.0255639553070068e+00 2.4106900393962860e-01 - <_> - - 0 -1 162 -4.5648999512195587e-02 - - 1.0301599502563477e+00 -3.1672099232673645e-01 - <_> - - 0 -1 163 3.7333000451326370e-02 - - 2.1620599925518036e-01 -8.2589900493621826e-01 - <_> - - 0 -1 164 -2.4411000311374664e-02 - - -1.5957959890365601e+00 5.1139000803232193e-02 - <_> - - 0 -1 165 -5.9806998819112778e-02 - - -1.0312290191650391e+00 1.3092300295829773e-01 - <_> - - 0 -1 166 -3.0106000602245331e-02 - - -1.4781630039215088e+00 3.7211999297142029e-02 - <_> - - 0 -1 167 7.4209999293088913e-03 - - -2.4024100601673126e-01 4.9333998560905457e-01 - <_> - - 0 -1 168 -2.1909999195486307e-03 - - 2.8941500186920166e-01 -5.7259601354598999e-01 - <_> - - 0 -1 169 2.0860999822616577e-02 - - -2.3148399591445923e-01 6.3765901327133179e-01 - <_> - - 0 -1 170 -6.6990000195801258e-03 - - -1.2107750177383423e+00 6.4018003642559052e-02 - <_> - - 0 -1 171 1.8758000805974007e-02 - - 2.4461300671100616e-01 -9.9786698818206787e-01 - <_> - - 0 -1 172 -4.4323001056909561e-02 - - -1.3699189424514771e+00 3.6051999777555466e-02 - <_> - - 0 -1 173 2.2859999909996986e-02 - - 2.1288399398326874e-01 -1.0397620201110840e+00 - <_> - - 0 -1 174 -9.8600005730986595e-04 - - 3.2443600893020630e-01 -5.4291802644729614e-01 - <_> - - 0 -1 175 1.7239000648260117e-02 - - -2.8323900699615479e-01 4.4468200206756592e-01 - <_> - - 0 -1 176 -3.4531001001596451e-02 - - -2.3107020854949951e+00 -3.1399999279528856e-03 - <_> - - 0 -1 177 6.7006997764110565e-02 - - 2.8715699911117554e-01 -6.4481002092361450e-01 - <_> - - 0 -1 178 2.3776899278163910e-01 - - -2.7174800634384155e-01 8.0219101905822754e-01 - <_> - - 0 -1 179 -1.2903000228106976e-02 - - -1.5317620038986206e+00 2.1423600614070892e-01 - <_> - - 0 -1 180 1.0514999739825726e-02 - - 7.7037997543811798e-02 -1.0581140518188477e+00 - <_> - - 0 -1 181 1.6969000920653343e-02 - - 1.4306700229644775e-01 -8.5828399658203125e-01 - <_> - - 0 -1 182 -7.2460002265870571e-03 - - -1.1020129919052124e+00 6.4906999468803406e-02 - <_> - - 0 -1 183 1.0556999593973160e-02 - - 1.3964000158011913e-02 6.3601499795913696e-01 - <_> - - 0 -1 184 6.1380001716315746e-03 - - -3.4545901417732239e-01 5.6296801567077637e-01 - <_> - - 0 -1 185 1.3158000074326992e-02 - - 1.9927300512790680e-01 -1.5040320158004761e+00 - <_> - - 0 -1 186 3.1310000922530890e-03 - - -4.0903699398040771e-01 3.7796398997306824e-01 - <_> - - 0 -1 187 -1.0920699685811996e-01 - - -2.2227079868316650e+00 1.2178199738264084e-01 - <_> - - 0 -1 188 8.1820003688335419e-03 - - -2.8652000427246094e-01 6.7890799045562744e-01 - <_> - 62 - -4.0218091011047363e+00 - - <_> - - 0 -1 189 3.1346999108791351e-02 - - -8.8884598016738892e-01 9.4936800003051758e-01 - <_> - - 0 -1 190 3.1918000429868698e-02 - - -1.1146880388259888e+00 4.8888999223709106e-01 - <_> - - 0 -1 191 6.5939999185502529e-03 - - -1.0097689628601074e+00 4.9723801016807556e-01 - <_> - - 0 -1 192 2.6148000732064247e-02 - - 2.5991299748420715e-01 -1.2537480592727661e+00 - <_> - - 0 -1 193 1.2845000252127647e-02 - - -5.7138597965240479e-01 5.9659498929977417e-01 - <_> - - 0 -1 194 2.6344999670982361e-02 - - -5.5203199386596680e-01 3.0217400193214417e-01 - <_> - - 0 -1 195 -1.5083000063896179e-02 - - -1.2871240377426147e+00 2.2354200482368469e-01 - <_> - - 0 -1 196 -3.8887001574039459e-02 - - 1.7425049543380737e+00 -9.9747002124786377e-02 - <_> - - 0 -1 197 -5.7029998861253262e-03 - - -1.0523240566253662e+00 1.8362599611282349e-01 - <_> - - 0 -1 198 -1.4860000228509307e-03 - - 5.6784200668334961e-01 -4.6742001175880432e-01 - <_> - - 0 -1 199 -2.8486000373959541e-02 - - 1.3082909584045410e+00 -2.6460900902748108e-01 - <_> - - 0 -1 200 6.6224999725818634e-02 - - -4.6210700273513794e-01 4.1749599575996399e-01 - <_> - - 0 -1 201 8.8569996878504753e-03 - - -4.1474899649620056e-01 5.9204798936843872e-01 - <_> - - 0 -1 202 1.1355999857187271e-02 - - 3.6103099584579468e-01 -4.5781201124191284e-01 - <_> - - 0 -1 203 -2.7679998893290758e-03 - - -8.9238899946212769e-01 1.4199000597000122e-01 - <_> - - 0 -1 204 1.1246999725699425e-02 - - 2.9353401064872742e-01 -9.7330600023269653e-01 - <_> - - 0 -1 205 7.1970000863075256e-03 - - -7.9334902763366699e-01 1.8313400447368622e-01 - <_> - - 0 -1 206 3.1768999993801117e-02 - - 1.5523099899291992e-01 -1.3245639801025391e+00 - <_> - - 0 -1 207 2.5173999369144440e-02 - - 3.4214999526739120e-02 -2.0948131084442139e+00 - <_> - - 0 -1 208 7.5360001064836979e-03 - - -3.9450600743293762e-01 5.1333999633789062e-01 - <_> - - 0 -1 209 3.2873000949621201e-02 - - 8.8372997939586639e-02 -1.2814120054244995e+00 - <_> - - 0 -1 210 -2.7379998937249184e-03 - - 5.5286502838134766e-01 -4.6384999155998230e-01 - <_> - - 0 -1 211 -3.8075000047683716e-02 - - -1.8497270345687866e+00 4.5944001525640488e-02 - <_> - - 0 -1 212 -3.8984000682830811e-02 - - -4.8223701119422913e-01 3.4760600328445435e-01 - <_> - - 0 -1 213 2.8029999230057001e-03 - - -4.5154699683189392e-01 4.2806300520896912e-01 - <_> - - 0 -1 214 -5.4145999252796173e-02 - - -8.4520798921585083e-01 1.6674900054931641e-01 - <_> - - 0 -1 215 -8.3280000835657120e-03 - - 3.5348299145698547e-01 -4.7163200378417969e-01 - <_> - - 0 -1 216 3.3778000622987747e-02 - - 1.8463100492954254e-01 -1.6686669588088989e+00 - <_> - - 0 -1 217 -1.1238099634647369e-01 - - -1.2521569728851318e+00 3.5992000252008438e-02 - <_> - - 0 -1 218 -1.0408000089228153e-02 - - -8.1620401144027710e-01 2.3428599536418915e-01 - <_> - - 0 -1 219 -4.9439999274909496e-03 - - -9.2584699392318726e-01 1.0034800320863724e-01 - <_> - - 0 -1 220 -9.3029998242855072e-03 - - 5.6499302387237549e-01 -1.8881900608539581e-01 - <_> - - 0 -1 221 -1.1749999597668648e-02 - - 8.0302399396896362e-01 -3.8277000188827515e-01 - <_> - - 0 -1 222 -2.3217000067234039e-02 - - -8.4926998615264893e-01 1.9671200215816498e-01 - <_> - - 0 -1 223 1.6866000369191170e-02 - - -4.0591898560523987e-01 5.0695300102233887e-01 - <_> - - 0 -1 224 -2.4031000211834908e-02 - - -1.5297520160675049e+00 2.3344999551773071e-01 - <_> - - 0 -1 225 -3.6945998668670654e-02 - - 6.3007700443267822e-01 -3.1780400872230530e-01 - <_> - - 0 -1 226 -6.1563998460769653e-02 - - 5.8627897500991821e-01 -1.2107999995350838e-02 - <_> - - 0 -1 227 2.1661000326275826e-02 - - -2.5623700022697449e-01 1.0409849882125854e+00 - <_> - - 0 -1 228 -3.6710000131279230e-03 - - 2.9171100258827209e-01 -8.3287298679351807e-01 - <_> - - 0 -1 229 4.4849000871181488e-02 - - -3.9633199572563171e-01 4.5662000775337219e-01 - <_> - - 0 -1 230 5.7195000350475311e-02 - - 2.1023899316787720e-01 -1.5004800558090210e+00 - <_> - - 0 -1 231 -1.1342000216245651e-02 - - 4.4071298837661743e-01 -3.8653799891471863e-01 - <_> - - 0 -1 232 -1.2004000134766102e-02 - - 9.3954598903656006e-01 -1.0589499771595001e-01 - <_> - - 0 -1 233 2.2515999153256416e-02 - - 9.4480002298951149e-03 -1.6799509525299072e+00 - <_> - - 0 -1 234 -1.9809000194072723e-02 - - -1.0133639574050903e+00 2.4146600067615509e-01 - <_> - - 0 -1 235 1.5891000628471375e-02 - - -3.7507599592208862e-01 4.6614098548889160e-01 - <_> - - 0 -1 236 -9.1420002281665802e-03 - - -8.0484098196029663e-01 1.7816999554634094e-01 - <_> - - 0 -1 237 -4.4740000739693642e-03 - - -1.0562069416046143e+00 7.3305003345012665e-02 - <_> - - 0 -1 238 1.2742500007152557e-01 - - 2.0165599882602692e-01 -1.5467929840087891e+00 - <_> - - 0 -1 239 4.7703001648187637e-02 - - -3.7937799096107483e-01 3.7885999679565430e-01 - <_> - - 0 -1 240 5.3608000278472900e-02 - - 2.1220499277114868e-01 -1.2399710416793823e+00 - <_> - - 0 -1 241 -3.9680998772382736e-02 - - -1.0257550477981567e+00 5.1282998174428940e-02 - <_> - - 0 -1 242 -6.7327000200748444e-02 - - -1.0304750204086304e+00 2.3005299270153046e-01 - <_> - - 0 -1 243 1.3337600231170654e-01 - - -2.0869000256061554e-01 1.2272510528564453e+00 - <_> - - 0 -1 244 -2.0919300615787506e-01 - - 8.7929898500442505e-01 -4.4254999607801437e-02 - <_> - - 0 -1 245 -6.5589003264904022e-02 - - 1.0443429946899414e+00 -2.1682099997997284e-01 - <_> - - 0 -1 246 6.1882998794317245e-02 - - 1.3798199594020844e-01 -1.9009059667587280e+00 - <_> - - 0 -1 247 -2.5578999891877174e-02 - - -1.6607600450515747e+00 5.8439997956156731e-03 - <_> - - 0 -1 248 -3.4827001392841339e-02 - - 7.9940402507781982e-01 -8.2406997680664062e-02 - <_> - - 0 -1 249 -1.8209999427199364e-02 - - -9.6073997020721436e-01 6.6320002079010010e-02 - <_> - - 0 -1 250 1.5070999972522259e-02 - - 1.9899399578571320e-01 -7.6433002948760986e-01 - <_> - 72 - -3.8832089900970459e+00 - - <_> - - 0 -1 251 4.6324998140335083e-02 - - -1.0362670421600342e+00 8.2201498746871948e-01 - <_> - - 0 -1 252 1.5406999737024307e-02 - - -1.2327589988708496e+00 2.9647698998451233e-01 - <_> - - 0 -1 253 1.2808999978005886e-02 - - -7.5852298736572266e-01 5.7985502481460571e-01 - <_> - - 0 -1 254 4.9150999635457993e-02 - - -3.8983899354934692e-01 8.9680302143096924e-01 - <_> - - 0 -1 255 1.2621000409126282e-02 - - -7.1799302101135254e-01 5.0440901517868042e-01 - <_> - - 0 -1 256 -1.8768999725580215e-02 - - 5.5147600173950195e-01 -7.0555400848388672e-01 - <_> - - 0 -1 257 4.1965000331401825e-02 - - -4.4782099127769470e-01 7.0985502004623413e-01 - <_> - - 0 -1 258 -5.1401998847723007e-02 - - -1.0932120084762573e+00 2.6701900362968445e-01 - <_> - - 0 -1 259 -7.0960998535156250e-02 - - 8.3618402481079102e-01 -3.8318100571632385e-01 - <_> - - 0 -1 260 1.6745999455451965e-02 - - -2.5733101367950439e-01 2.5966501235961914e-01 - <_> - - 0 -1 261 -6.2400000169873238e-03 - - 3.1631499528884888e-01 -5.8796900510787964e-01 - <_> - - 0 -1 262 -3.9397999644279480e-02 - - -1.0491210222244263e+00 1.6822400689125061e-01 - <_> - - 0 -1 263 0. - - 1.6144199669361115e-01 -8.7876898050308228e-01 - <_> - - 0 -1 264 -2.2307999432086945e-02 - - -6.9053500890731812e-01 2.3607000708580017e-01 - <_> - - 0 -1 265 1.8919999711215496e-03 - - 2.4989199638366699e-01 -5.6583297252655029e-01 - <_> - - 0 -1 266 1.0730000212788582e-03 - - -5.0415802001953125e-01 3.8374501466751099e-01 - <_> - - 0 -1 267 3.9230998605489731e-02 - - 4.2619001120328903e-02 -1.3875889778137207e+00 - <_> - - 0 -1 268 6.2238000333309174e-02 - - 1.4119400084018707e-01 -1.0688860416412354e+00 - <_> - - 0 -1 269 2.1399999968707561e-03 - - -8.9622402191162109e-01 1.9796399772167206e-01 - <_> - - 0 -1 270 9.1800000518560410e-04 - - -4.5337298512458801e-01 4.3532699346542358e-01 - <_> - - 0 -1 271 -6.9169998168945312e-03 - - 3.3822798728942871e-01 -4.4793000817298889e-01 - <_> - - 0 -1 272 -2.3866999894380569e-02 - - -7.8908598423004150e-01 2.2511799633502960e-01 - <_> - - 0 -1 273 -1.0262800008058548e-01 - - -2.2831439971923828e+00 -5.3960001096129417e-03 - <_> - - 0 -1 274 -9.5239998772740364e-03 - - 3.9346700906753540e-01 -5.2242201566696167e-01 - <_> - - 0 -1 275 3.9877001196146011e-02 - - 3.2799001783132553e-02 -1.5079489946365356e+00 - <_> - - 0 -1 276 -1.3144999742507935e-02 - - -1.0839990377426147e+00 1.8482400476932526e-01 - <_> - - 0 -1 277 -5.0590999424457550e-02 - - -1.8822289705276489e+00 -2.2199999075382948e-03 - <_> - - 0 -1 278 2.4917000904679298e-02 - - 1.4593400061130524e-01 -2.2196519374847412e+00 - <_> - - 0 -1 279 -7.6370001770555973e-03 - - -1.0164569616317749e+00 5.8797001838684082e-02 - <_> - - 0 -1 280 4.2911998927593231e-02 - - 1.5443000197410583e-01 -1.1843889951705933e+00 - <_> - - 0 -1 281 2.3000000510364771e-04 - - -7.7305799722671509e-01 1.2189900130033493e-01 - <_> - - 0 -1 282 9.0929996222257614e-03 - - -1.1450099945068359e-01 7.1091300249099731e-01 - <_> - - 0 -1 283 1.1145000346004963e-02 - - 7.0000998675823212e-02 -1.0534820556640625e+00 - <_> - - 0 -1 284 -5.2453000098466873e-02 - - -1.7594360113143921e+00 1.9523799419403076e-01 - <_> - - 0 -1 285 -2.3020699620246887e-01 - - 9.5840299129486084e-01 -2.5045698881149292e-01 - <_> - - 0 -1 286 -1.6365999355912209e-02 - - 4.6731901168823242e-01 -2.1108399331569672e-01 - <_> - - 0 -1 287 -1.7208000645041466e-02 - - 7.0835697650909424e-01 -2.8018298745155334e-01 - <_> - - 0 -1 288 -3.6648001521825790e-02 - - -1.1013339757919312e+00 2.4341100454330444e-01 - <_> - - 0 -1 289 -1.0304999537765980e-02 - - -1.0933129787445068e+00 5.6258998811244965e-02 - <_> - - 0 -1 290 -1.3713000342249870e-02 - - -2.6438099145889282e-01 1.9821000099182129e-01 - <_> - - 0 -1 291 2.9308000579476357e-02 - - -2.2142399847507477e-01 1.0525950193405151e+00 - <_> - - 0 -1 292 2.4077000096440315e-02 - - 1.8485699594020844e-01 -1.7203969955444336e+00 - <_> - - 0 -1 293 6.1280000954866409e-03 - - -9.2721498012542725e-01 5.8752998709678650e-02 - <_> - - 0 -1 294 -2.2377999499440193e-02 - - 1.9646559953689575e+00 2.7785999700427055e-02 - <_> - - 0 -1 295 -7.0440000854432583e-03 - - 2.1427600085735321e-01 -4.8407599329948425e-01 - <_> - - 0 -1 296 -4.0603000670671463e-02 - - -1.1754349470138550e+00 1.6061200201511383e-01 - <_> - - 0 -1 297 -2.4466000497341156e-02 - - -1.1239900588989258e+00 4.1110001504421234e-02 - <_> - - 0 -1 298 2.5309999473392963e-03 - - -1.7169700562953949e-01 3.2178801298141479e-01 - <_> - - 0 -1 299 -1.9588999450206757e-02 - - 8.2720202207565308e-01 -2.6376700401306152e-01 - <_> - - 0 -1 300 -2.9635999351739883e-02 - - -1.1524770259857178e+00 1.4999300241470337e-01 - <_> - - 0 -1 301 -1.5030000358819962e-02 - - -1.0491830110549927e+00 4.0160998702049255e-02 - <_> - - 0 -1 302 -6.0715001076459885e-02 - - -1.0903840065002441e+00 1.5330800414085388e-01 - <_> - - 0 -1 303 -1.2790000066161156e-02 - - 4.2248600721359253e-01 -4.2399200797080994e-01 - <_> - - 0 -1 304 -2.0247999578714371e-02 - - -9.1866999864578247e-01 1.8485699594020844e-01 - <_> - - 0 -1 305 -3.0683999881148338e-02 - - -1.5958670377731323e+00 2.5760000571608543e-03 - <_> - - 0 -1 306 -2.0718000829219818e-02 - - -6.6299998760223389e-01 3.1037199497222900e-01 - <_> - - 0 -1 307 -1.7290000105276704e-03 - - 1.9183400273323059e-01 -6.5084999799728394e-01 - <_> - - 0 -1 308 -3.1394001096487045e-02 - - -6.3643002510070801e-01 1.5408399701118469e-01 - <_> - - 0 -1 309 1.9003000110387802e-02 - - -1.8919399380683899e-01 1.5294510126113892e+00 - <_> - - 0 -1 310 6.1769997701048851e-03 - - -1.0597900301218033e-01 6.4859598875045776e-01 - <_> - - 0 -1 311 -1.0165999643504620e-02 - - -1.0802700519561768e+00 3.7176001816987991e-02 - <_> - - 0 -1 312 -1.4169999631121755e-03 - - 3.4157499670982361e-01 -9.7737997770309448e-02 - <_> - - 0 -1 313 -4.0799998678267002e-03 - - 4.7624599933624268e-01 -3.4366300702095032e-01 - <_> - - 0 -1 314 -4.4096998870372772e-02 - - 9.7634297609329224e-01 -1.9173000007867813e-02 - <_> - - 0 -1 315 -6.0669999569654465e-02 - - -2.1752851009368896e+00 -2.8925999999046326e-02 - <_> - - 0 -1 316 -3.2931998372077942e-02 - - -6.4383101463317871e-01 1.6494099795818329e-01 - <_> - - 0 -1 317 -1.4722800254821777e-01 - - -1.4745830297470093e+00 2.5839998852461576e-03 - <_> - - 0 -1 318 -1.1930000036954880e-02 - - 4.2441400885581970e-01 -1.7712600529193878e-01 - <_> - - 0 -1 319 1.4517900347709656e-01 - - 2.5444999337196350e-02 -1.2779400348663330e+00 - <_> - - 0 -1 320 5.1447998732328415e-02 - - 1.5678399801254272e-01 -1.5188430547714233e+00 - <_> - - 0 -1 321 3.1479999888688326e-03 - - -4.0424400568008423e-01 3.2429701089859009e-01 - <_> - - 0 -1 322 -4.3600000441074371e-02 - - -1.9932260513305664e+00 1.5018600225448608e-01 - <_> - 83 - -3.8424909114837646e+00 - - <_> - - 0 -1 323 1.2899599969387054e-01 - - -6.2161999940872192e-01 1.1116520166397095e+00 - <_> - - 0 -1 324 -9.1261997818946838e-02 - - 1.0143059492111206e+00 -6.1335200071334839e-01 - <_> - - 0 -1 325 1.4271999709308147e-02 - - -1.0261659622192383e+00 3.9779999852180481e-01 - <_> - - 0 -1 326 3.2889999449253082e-02 - - -1.1386079788208008e+00 2.8690800070762634e-01 - <_> - - 0 -1 327 1.2590000405907631e-02 - - -5.6645601987838745e-01 4.5172399282455444e-01 - <_> - - 0 -1 328 1.4661000110208988e-02 - - 3.0505999922752380e-01 -6.8129599094390869e-01 - <_> - - 0 -1 329 -3.3555999398231506e-02 - - -1.7208939790725708e+00 6.1439000070095062e-02 - <_> - - 0 -1 330 1.4252699911594391e-01 - - 2.3192200064659119e-01 -1.7297149896621704e+00 - <_> - - 0 -1 331 -6.2079997733235359e-03 - - -1.2163300514221191e+00 1.2160199880599976e-01 - <_> - - 0 -1 332 1.8178999423980713e-02 - - 3.2553699612617493e-01 -8.1003999710083008e-01 - <_> - - 0 -1 333 2.5036999955773354e-02 - - -3.1698799133300781e-01 6.7361402511596680e-01 - <_> - - 0 -1 334 4.6560999006032944e-02 - - -1.1089800298213959e-01 8.4082502126693726e-01 - <_> - - 0 -1 335 -8.9999996125698090e-03 - - 3.9574500918388367e-01 -4.7624599933624268e-01 - <_> - - 0 -1 336 4.0805999189615250e-02 - - -1.8000000272877514e-04 9.4570702314376831e-01 - <_> - - 0 -1 337 -3.4221999347209930e-02 - - 7.5206297636032104e-01 -3.1531500816345215e-01 - <_> - - 0 -1 338 -3.9716001600027084e-02 - - -8.3139598369598389e-01 1.7744399607181549e-01 - <_> - - 0 -1 339 2.5170000735670328e-03 - - -5.9377998113632202e-01 2.4657000601291656e-01 - <_> - - 0 -1 340 2.7428999543190002e-02 - - 1.5998399257659912e-01 -4.2781999707221985e-01 - <_> - - 0 -1 341 3.4986000508069992e-02 - - 3.5055998712778091e-02 -1.5988600254058838e+00 - <_> - - 0 -1 342 4.4970000162720680e-03 - - -5.2034300565719604e-01 3.7828299403190613e-01 - <_> - - 0 -1 343 2.7699999045580626e-03 - - -5.3182601928710938e-01 2.4951000511646271e-01 - <_> - - 0 -1 344 3.5174001008272171e-02 - - 1.9983400404453278e-01 -1.4446129798889160e+00 - <_> - - 0 -1 345 2.5970999151468277e-02 - - 4.4426999986171722e-02 -1.3622980117797852e+00 - <_> - - 0 -1 346 -1.5783999115228653e-02 - - -9.1020399332046509e-01 2.7190300822257996e-01 - <_> - - 0 -1 347 -7.5880000367760658e-03 - - 9.2064999043941498e-02 -8.1628900766372681e-01 - <_> - - 0 -1 348 2.0754000172019005e-02 - - 2.1185700595378876e-01 -7.4729001522064209e-01 - <_> - - 0 -1 349 5.9829000383615494e-02 - - -2.7301099896430969e-01 8.0923300981521606e-01 - <_> - - 0 -1 350 3.9039000868797302e-02 - - -1.0432299971580505e-01 8.6226201057434082e-01 - <_> - - 0 -1 351 2.1665999665856361e-02 - - 6.2709003686904907e-02 -9.8894298076629639e-01 - <_> - - 0 -1 352 -2.7496999129652977e-02 - - -9.2690998315811157e-01 1.5586300194263458e-01 - <_> - - 0 -1 353 1.0462000034749508e-02 - - 1.3418099284172058e-01 -7.0386397838592529e-01 - <_> - - 0 -1 354 2.4870999157428741e-02 - - 1.9706700742244720e-01 -4.0263301134109497e-01 - <_> - - 0 -1 355 -1.6036000102758408e-02 - - -1.1409829854965210e+00 7.3997996747493744e-02 - <_> - - 0 -1 356 4.8627000302076340e-02 - - 1.6990399360656738e-01 -7.2152197360992432e-01 - <_> - - 0 -1 357 1.2619999470189214e-03 - - -4.7389799356460571e-01 2.6254999637603760e-01 - <_> - - 0 -1 358 -8.8035002350807190e-02 - - -2.1606519222259521e+00 1.4554800093173981e-01 - <_> - - 0 -1 359 1.8356999382376671e-02 - - 4.4750999659299850e-02 -1.0766370296478271e+00 - <_> - - 0 -1 360 3.5275001078844070e-02 - - -3.2919000834226608e-02 1.2153890132904053e+00 - <_> - - 0 -1 361 -2.0392900705337524e-01 - - -1.3187999725341797e+00 1.5503999777138233e-02 - <_> - - 0 -1 362 -1.6619000583887100e-02 - - 3.6850199103355408e-01 -1.5283699333667755e-01 - <_> - - 0 -1 363 3.7739001214504242e-02 - - -2.5727799534797668e-01 7.0655298233032227e-01 - <_> - - 0 -1 364 2.2720000706613064e-03 - - -7.7602997422218323e-02 3.3367800712585449e-01 - <_> - - 0 -1 365 -1.4802999794483185e-02 - - -7.8524798154830933e-01 7.6934002339839935e-02 - <_> - - 0 -1 366 -4.8319000750780106e-02 - - 1.7022320032119751e+00 4.9722000956535339e-02 - <_> - - 0 -1 367 -2.9539000242948532e-02 - - 7.7670699357986450e-01 -2.4534299969673157e-01 - <_> - - 0 -1 368 -4.6169001609086990e-02 - - -1.4922779798507690e+00 1.2340000271797180e-01 - <_> - - 0 -1 369 -2.8064999729394913e-02 - - -2.1345369815826416e+00 -2.5797000154852867e-02 - <_> - - 0 -1 370 -5.7339998893439770e-03 - - 5.6982600688934326e-01 -1.2056600302457809e-01 - <_> - - 0 -1 371 -1.0111000388860703e-02 - - 6.7911398410797119e-01 -2.6638001203536987e-01 - <_> - - 0 -1 372 1.1359999887645245e-02 - - 2.4789799749851227e-01 -6.4493000507354736e-01 - <_> - - 0 -1 373 5.1809001713991165e-02 - - 1.4716000296175480e-02 -1.2395579814910889e+00 - <_> - - 0 -1 374 3.3291999250650406e-02 - - -8.2559995353221893e-03 1.0168470144271851e+00 - <_> - - 0 -1 375 -1.4494000002741814e-02 - - 4.5066800713539124e-01 -3.6250999569892883e-01 - <_> - - 0 -1 376 -3.4221999347209930e-02 - - -9.5292502641677856e-01 2.0684599876403809e-01 - <_> - - 0 -1 377 -8.0654002726078033e-02 - - -2.0139501094818115e+00 -2.3084999993443489e-02 - <_> - - 0 -1 378 -8.9399999706074595e-04 - - 3.9572000503540039e-01 -2.9351300001144409e-01 - <_> - - 0 -1 379 9.7162000834941864e-02 - - -2.4980300664901733e-01 1.0859220027923584e+00 - <_> - - 0 -1 380 3.6614000797271729e-02 - - -5.7844001799821854e-02 1.2162159681320190e+00 - <_> - - 0 -1 381 5.1693998277187347e-02 - - 4.3062999844551086e-02 -1.0636160373687744e+00 - <_> - - 0 -1 382 -2.4557000026106834e-02 - - -4.8946800827980042e-01 1.7182900011539459e-01 - <_> - - 0 -1 383 3.2736799120903015e-01 - - -2.9688599705696106e-01 5.1798301935195923e-01 - <_> - - 0 -1 384 7.6959999278187752e-03 - - -5.9805899858474731e-01 2.4803200364112854e-01 - <_> - - 0 -1 385 1.6172200441360474e-01 - - -2.9613999649882317e-02 -2.3162529468536377e+00 - <_> - - 0 -1 386 -4.7889999113976955e-03 - - 3.7457901239395142e-01 -3.2779198884963989e-01 - <_> - - 0 -1 387 -1.8402999266982079e-02 - - -9.9692702293395996e-01 7.2948001325130463e-02 - <_> - - 0 -1 388 7.7665001153945923e-02 - - 1.4175699651241302e-01 -1.7238730192184448e+00 - <_> - - 0 -1 389 1.8921000882983208e-02 - - -2.1273100376129150e-01 1.0165189504623413e+00 - <_> - - 0 -1 390 -7.9397998750209808e-02 - - -1.3164349794387817e+00 1.4981999993324280e-01 - <_> - - 0 -1 391 -6.8037003278732300e-02 - - 4.9421998858451843e-01 -2.9091000556945801e-01 - <_> - - 0 -1 392 -6.1010001227259636e-03 - - 4.2430499196052551e-01 -3.3899301290512085e-01 - <_> - - 0 -1 393 3.1927000731229782e-02 - - -3.1046999618411064e-02 -2.3459999561309814e+00 - <_> - - 0 -1 394 -2.9843999072909355e-02 - - -7.8989601135253906e-01 1.5417699515819550e-01 - <_> - - 0 -1 395 -8.0541998147964478e-02 - - -2.2509229183197021e+00 -3.0906999483704567e-02 - <_> - - 0 -1 396 3.8109999150037766e-03 - - -2.5577300786972046e-01 2.3785500228404999e-01 - <_> - - 0 -1 397 3.3647000789642334e-02 - - -2.2541399300098419e-01 9.2307400703430176e-01 - <_> - - 0 -1 398 8.2809999585151672e-03 - - -2.8896200656890869e-01 3.1046199798583984e-01 - <_> - - 0 -1 399 1.0104399919509888e-01 - - -3.4864000976085663e-02 -2.7102620601654053e+00 - <_> - - 0 -1 400 -1.0009000077843666e-02 - - 5.9715402126312256e-01 -3.3831000328063965e-02 - <_> - - 0 -1 401 7.1919998154044151e-03 - - -4.7738000750541687e-01 2.2686000168323517e-01 - <_> - - 0 -1 402 2.4969000369310379e-02 - - 2.2877700626850128e-01 -1.0435529947280884e+00 - <_> - - 0 -1 403 2.7908000349998474e-01 - - -2.5818100571632385e-01 7.6780498027801514e-01 - <_> - - 0 -1 404 -4.4213000684976578e-02 - - -5.9798002243041992e-01 2.8039899468421936e-01 - <_> - - 0 -1 405 -1.4136999845504761e-02 - - 7.0987302064895630e-01 -2.5645199418067932e-01 - <_> - 91 - -3.6478610038757324e+00 - - <_> - - 0 -1 406 1.3771200180053711e-01 - - -5.5870598554611206e-01 1.0953769683837891e+00 - <_> - - 0 -1 407 3.4460999071598053e-02 - - -7.1171897649765015e-01 5.2899599075317383e-01 - <_> - - 0 -1 408 1.8580000847578049e-02 - - -1.1157519817352295e+00 4.0593999624252319e-01 - <_> - - 0 -1 409 2.5041999295353889e-02 - - -4.0892499685287476e-01 7.4129998683929443e-01 - <_> - - 0 -1 410 5.7179000228643417e-02 - - -3.8054299354553223e-01 7.3647701740264893e-01 - <_> - - 0 -1 411 1.4932000078260899e-02 - - -6.9945502281188965e-01 3.7950998544692993e-01 - <_> - - 0 -1 412 8.8900001719594002e-03 - - -5.4558598995208740e-01 3.6332499980926514e-01 - <_> - - 0 -1 413 3.0435999855399132e-02 - - -1.0124599933624268e-01 7.9585897922515869e-01 - <_> - - 0 -1 414 -4.4160000979900360e-02 - - 8.4410899877548218e-01 -3.2976400852203369e-01 - <_> - - 0 -1 415 1.8461000174283981e-02 - - 2.6326599717140198e-01 -9.6736502647399902e-01 - <_> - - 0 -1 416 1.0614999569952488e-02 - - 1.5251900255680084e-01 -1.0589870214462280e+00 - <_> - - 0 -1 417 -4.5974001288414001e-02 - - -1.9918340444564819e+00 1.3629099726676941e-01 - <_> - - 0 -1 418 8.2900002598762512e-02 - - -3.2037198543548584e-01 6.0304200649261475e-01 - <_> - - 0 -1 419 -8.9130001142621040e-03 - - 5.9586602449417114e-01 -2.1139599382877350e-01 - <_> - - 0 -1 420 4.2814001441001892e-02 - - 2.2925000637769699e-02 -1.4679330587387085e+00 - <_> - - 0 -1 421 -8.7139997631311417e-03 - - -4.3989500403404236e-01 2.0439699292182922e-01 - <_> - - 0 -1 422 -4.3390002101659775e-03 - - -8.9066797494888306e-01 1.0469999909400940e-01 - <_> - - 0 -1 423 8.0749997869133949e-03 - - 2.1164199709892273e-01 -4.0231600403785706e-01 - <_> - - 0 -1 424 9.6739001572132111e-02 - - 1.3319999910891056e-02 -1.6085360050201416e+00 - <_> - - 0 -1 425 -3.0536999925971031e-02 - - 1.0063740015029907e+00 -1.3413299620151520e-01 - <_> - - 0 -1 426 -6.0855999588966370e-02 - - -1.4689979553222656e+00 9.4240000471472740e-03 - <_> - - 0 -1 427 -3.8162000477313995e-02 - - -8.1636399030685425e-01 2.6171201467514038e-01 - <_> - - 0 -1 428 -9.6960002556443214e-03 - - 1.1561699956655502e-01 -7.1693199872970581e-01 - <_> - - 0 -1 429 4.8902999609708786e-02 - - 1.3050499558448792e-01 -1.6448370218276978e+00 - <_> - - 0 -1 430 -4.1611999273300171e-02 - - -1.1795840263366699e+00 2.5017000734806061e-02 - <_> - - 0 -1 431 -2.0188000053167343e-02 - - 6.3188201189041138e-01 -1.0490400344133377e-01 - <_> - - 0 -1 432 -9.7900000400841236e-04 - - 1.8507799506187439e-01 -5.3565901517868042e-01 - <_> - - 0 -1 433 -3.3622000366449356e-02 - - -9.3127602338790894e-01 2.0071500539779663e-01 - <_> - - 0 -1 434 1.9455999135971069e-02 - - 3.8029000163078308e-02 -1.0112210512161255e+00 - <_> - - 0 -1 435 -3.1800000579096377e-04 - - 3.6457699537277222e-01 -2.7610900998115540e-01 - <_> - - 0 -1 436 -3.8899999344721437e-04 - - 1.9665899872779846e-01 -5.3410500288009644e-01 - <_> - - 0 -1 437 -9.3496002256870270e-02 - - -1.6772350072860718e+00 2.0727099478244781e-01 - <_> - - 0 -1 438 -7.7877998352050781e-02 - - -3.0760629177093506e+00 -3.5803999751806259e-02 - <_> - - 0 -1 439 1.6947999596595764e-02 - - 2.1447399258613586e-01 -7.1376299858093262e-01 - <_> - - 0 -1 440 -2.1459000185132027e-02 - - -1.1468060016632080e+00 1.5855999663472176e-02 - <_> - - 0 -1 441 -1.2865999713540077e-02 - - 8.3812397718429565e-01 -6.5944001078605652e-02 - <_> - - 0 -1 442 7.8220004215836525e-03 - - -2.8026801347732544e-01 7.9376900196075439e-01 - <_> - - 0 -1 443 1.0294400155544281e-01 - - 1.7832300066947937e-01 -6.8412202596664429e-01 - <_> - - 0 -1 444 -3.7487998604774475e-02 - - 9.6189999580383301e-01 -2.1735599637031555e-01 - <_> - - 0 -1 445 2.5505999103188515e-02 - - 1.0103999637067318e-02 1.2461110353469849e+00 - <_> - - 0 -1 446 6.6700001480057836e-04 - - -5.3488200902938843e-01 1.4746299386024475e-01 - <_> - - 0 -1 447 -2.8867900371551514e-01 - - 8.2172799110412598e-01 -1.4948000200092793e-02 - <_> - - 0 -1 448 9.1294996440410614e-02 - - -1.9605399668216705e-01 1.0803170204162598e+00 - <_> - - 0 -1 449 1.2056600302457809e-01 - - -2.3848999291658401e-02 1.1392610073089600e+00 - <_> - - 0 -1 450 -7.3775000870227814e-02 - - -1.3583840131759644e+00 -4.2039998807013035e-03 - <_> - - 0 -1 451 -3.3128000795841217e-02 - - -6.4483201503753662e-01 2.4142199754714966e-01 - <_> - - 0 -1 452 -4.3937001377344131e-02 - - 8.4285402297973633e-01 -2.0624800026416779e-01 - <_> - - 0 -1 453 1.8110199272632599e-01 - - 1.9212099909782410e-01 -1.2222139835357666e+00 - <_> - - 0 -1 454 -1.1850999668240547e-02 - - -7.2677397727966309e-01 5.2687998861074448e-02 - <_> - - 0 -1 455 4.5920000411570072e-03 - - -3.6305201053619385e-01 2.9223799705505371e-01 - <_> - - 0 -1 456 7.0620002225041389e-03 - - 5.8116000145673752e-02 -6.7161601781845093e-01 - <_> - - 0 -1 457 -2.3715000599622726e-02 - - 4.7142100334167480e-01 1.8580000847578049e-02 - <_> - - 0 -1 458 -6.7171998322010040e-02 - - -1.1331889629364014e+00 2.3780999705195427e-02 - <_> - - 0 -1 459 -6.5310001373291016e-02 - - 9.8253500461578369e-01 2.8362000361084938e-02 - <_> - - 0 -1 460 2.2791000083088875e-02 - - -2.8213700652122498e-01 5.8993399143218994e-01 - <_> - - 0 -1 461 -1.9037999212741852e-02 - - -6.3711500167846680e-01 2.6514598727226257e-01 - <_> - - 0 -1 462 -6.8689999170601368e-03 - - 3.7487301230430603e-01 -3.3232098817825317e-01 - <_> - - 0 -1 463 -4.0146000683307648e-02 - - -1.3048729896545410e+00 1.5724299848079681e-01 - <_> - - 0 -1 464 -4.0530998259782791e-02 - - -2.0458049774169922e+00 -2.6925999671220779e-02 - <_> - - 0 -1 465 -1.2253999710083008e-02 - - 7.7649402618408203e-01 -4.2971000075340271e-02 - <_> - - 0 -1 466 -2.7219999581575394e-02 - - 1.7424400150775909e-01 -4.4600901007652283e-01 - <_> - - 0 -1 467 -8.8366001844406128e-02 - - -1.5036419630050659e+00 1.4289900660514832e-01 - <_> - - 0 -1 468 -7.9159997403621674e-03 - - 2.8666698932647705e-01 -3.7923699617385864e-01 - <_> - - 0 -1 469 -4.1960000991821289e-02 - - 1.3846950531005859e+00 6.5026998519897461e-02 - <_> - - 0 -1 470 4.5662999153137207e-02 - - -2.2452299296855927e-01 7.9521000385284424e-01 - <_> - - 0 -1 471 -1.4090600609779358e-01 - - -1.5879319906234741e+00 1.1359000205993652e-01 - <_> - - 0 -1 472 -5.9216000139713287e-02 - - -1.1945960521697998e+00 -7.1640000678598881e-03 - <_> - - 0 -1 473 4.3390002101659775e-03 - - -1.5528699755668640e-01 4.0664499998092651e-01 - <_> - - 0 -1 474 -2.0369999110698700e-03 - - 2.5927901268005371e-01 -3.8368299603462219e-01 - <_> - - 0 -1 475 2.7516499161720276e-01 - - -8.8497996330261230e-02 7.6787501573562622e-01 - <_> - - 0 -1 476 -2.6601999998092651e-02 - - 7.5024497509002686e-01 -2.2621999680995941e-01 - <_> - - 0 -1 477 4.0906000882387161e-02 - - 1.2158600240945816e-01 -1.4566910266876221e+00 - <_> - - 0 -1 478 5.5320002138614655e-03 - - -3.6611500382423401e-01 2.5968599319458008e-01 - <_> - - 0 -1 479 3.1879000365734100e-02 - - -7.5019001960754395e-02 4.8484799265861511e-01 - <_> - - 0 -1 480 -4.1482001543045044e-02 - - 7.8220397233963013e-01 -2.1992200613021851e-01 - <_> - - 0 -1 481 -9.6130996942520142e-02 - - -8.9456301927566528e-01 1.4680700004100800e-01 - <_> - - 0 -1 482 -1.1568999849259853e-02 - - 8.2714098691940308e-01 -2.0275600254535675e-01 - <_> - - 0 -1 483 1.8312999978661537e-02 - - 1.6367999836802483e-02 2.7306801080703735e-01 - <_> - - 0 -1 484 -3.4166000783443451e-02 - - 1.1307320594787598e+00 -1.8810899555683136e-01 - <_> - - 0 -1 485 -2.4476999416947365e-02 - - -5.7791298627853394e-01 1.5812499821186066e-01 - <_> - - 0 -1 486 4.8957001417875290e-02 - - -2.2564999759197235e-02 -1.6373280286788940e+00 - <_> - - 0 -1 487 -2.0702999085187912e-02 - - -5.4512101411819458e-01 2.4086999893188477e-01 - <_> - - 0 -1 488 -2.3002000525593758e-02 - - -1.2236540317535400e+00 -7.3440000414848328e-03 - <_> - - 0 -1 489 6.4585000276565552e-02 - - 1.4695599675178528e-01 -4.4967499375343323e-01 - <_> - - 0 -1 490 1.2666000053286552e-02 - - -2.7873900532722473e-01 4.3876600265502930e-01 - <_> - - 0 -1 491 -1.2002999894320965e-02 - - -2.4289099872112274e-01 2.5350099802017212e-01 - <_> - - 0 -1 492 -2.6443999260663986e-02 - - -8.5864800214767456e-01 2.6025999337434769e-02 - <_> - - 0 -1 493 -2.5547999888658524e-02 - - 6.9287902116775513e-01 -2.1160000469535589e-03 - <_> - - 0 -1 494 3.9115000516176224e-02 - - -1.6589100658893585e-01 1.5209139585494995e+00 - <_> - - 0 -1 495 -6.0330000706017017e-03 - - 4.3856900930404663e-01 -2.1613700687885284e-01 - <_> - - 0 -1 496 -3.3936999738216400e-02 - - -9.7998398542404175e-01 2.2133000195026398e-02 - <_> - 99 - -3.8700489997863770e+00 - - <_> - - 0 -1 497 4.0672998875379562e-02 - - -9.0474700927734375e-01 6.4410597085952759e-01 - <_> - - 0 -1 498 2.5609999895095825e-02 - - -7.9216998815536499e-01 5.7489997148513794e-01 - <_> - - 0 -1 499 1.9959500432014465e-01 - - -3.0099600553512573e-01 1.3143850564956665e+00 - <_> - - 0 -1 500 1.2404999695718288e-02 - - -8.9882999658584595e-01 2.9205799102783203e-01 - <_> - - 0 -1 501 3.9207998663187027e-02 - - -4.1955199837684631e-01 5.3463298082351685e-01 - <_> - - 0 -1 502 -3.0843999236822128e-02 - - 4.5793399214744568e-01 -4.4629099965095520e-01 - <_> - - 0 -1 503 -3.5523001104593277e-02 - - 9.1310501098632812e-01 -2.7373200654983521e-01 - <_> - - 0 -1 504 -6.1650000512599945e-02 - - -1.4697799682617188e+00 2.0364099740982056e-01 - <_> - - 0 -1 505 -1.1739999987185001e-02 - - -1.0482879877090454e+00 6.7801997065544128e-02 - <_> - - 0 -1 506 6.6933996975421906e-02 - - 2.9274499416351318e-01 -5.2282899618148804e-01 - <_> - - 0 -1 507 -2.0631000399589539e-02 - - -1.2855139970779419e+00 4.4550999999046326e-02 - <_> - - 0 -1 508 -2.2357000038027763e-02 - - -8.5753798484802246e-01 1.8434000015258789e-01 - <_> - - 0 -1 509 1.1500000255182385e-03 - - 1.6405500471591949e-01 -6.9125002622604370e-01 - <_> - - 0 -1 510 3.5872999578714371e-02 - - 1.5756499767303467e-01 -8.4262597560882568e-01 - <_> - - 0 -1 511 3.0659999698400497e-02 - - 2.1637000143527985e-02 -1.3634690046310425e+00 - <_> - - 0 -1 512 5.5559999309480190e-03 - - -1.6737000644207001e-01 2.5888401269912720e-01 - <_> - - 0 -1 513 -6.1160000041127205e-03 - - -9.7271800041198730e-01 6.6100001335144043e-02 - <_> - - 0 -1 514 -3.0316999182105064e-02 - - 9.8474198579788208e-01 -1.6448000445961952e-02 - <_> - - 0 -1 515 -9.7200004383921623e-03 - - 4.7604700922966003e-01 -3.2516700029373169e-01 - <_> - - 0 -1 516 -5.7126998901367188e-02 - - -9.5920699834823608e-01 1.9938200712203979e-01 - <_> - - 0 -1 517 4.0059997700154781e-03 - - -5.2612501382827759e-01 2.2428700327873230e-01 - <_> - - 0 -1 518 3.3734001219272614e-02 - - 1.7070099711418152e-01 -1.0737580060958862e+00 - <_> - - 0 -1 519 -3.4641999751329422e-02 - - -1.1343129873275757e+00 3.6540001630783081e-02 - <_> - - 0 -1 520 4.6923000365495682e-02 - - 2.5832301378250122e-01 -7.1535801887512207e-01 - <_> - - 0 -1 521 -8.7660001590847969e-03 - - 1.9640900194644928e-01 -5.3355097770690918e-01 - <_> - - 0 -1 522 6.5627999603748322e-02 - - -5.1194999366998672e-02 9.7610700130462646e-01 - <_> - - 0 -1 523 -4.4165000319480896e-02 - - 1.0631920099258423e+00 -2.3462599515914917e-01 - <_> - - 0 -1 524 1.7304999753832817e-02 - - -1.8582899868488312e-01 4.5889899134635925e-01 - <_> - - 0 -1 525 3.3135998994112015e-02 - - -2.9381999745965004e-02 -2.6651329994201660e+00 - <_> - - 0 -1 526 -2.1029999479651451e-02 - - 9.9979901313781738e-01 2.4937000125646591e-02 - <_> - - 0 -1 527 2.9783999547362328e-02 - - -2.9605999588966370e-02 -2.1695868968963623e+00 - <_> - - 0 -1 528 5.5291999131441116e-02 - - -7.5599999399855733e-04 7.4651998281478882e-01 - <_> - - 0 -1 529 -3.3597998321056366e-02 - - -1.5274159908294678e+00 1.1060000397264957e-02 - <_> - - 0 -1 530 1.9602999091148376e-02 - - 3.3574998378753662e-02 9.9526202678680420e-01 - <_> - - 0 -1 531 -2.0787000656127930e-02 - - 7.6612901687622070e-01 -2.4670800566673279e-01 - <_> - - 0 -1 532 3.2536000013351440e-02 - - 1.6263400018215179e-01 -6.1134302616119385e-01 - <_> - - 0 -1 533 -1.0788000188767910e-02 - - -9.7839701175689697e-01 2.8969999402761459e-02 - <_> - - 0 -1 534 -9.9560003727674484e-03 - - 4.6145799756050110e-01 -1.3510499894618988e-01 - <_> - - 0 -1 535 -3.7489999085664749e-03 - - 2.5458198785781860e-01 -5.1955598592758179e-01 - <_> - - 0 -1 536 -4.1779998689889908e-02 - - -8.0565100908279419e-01 1.5208500623703003e-01 - <_> - - 0 -1 537 -3.4221000969409943e-02 - - -1.3137799501419067e+00 -3.5800000187009573e-03 - <_> - - 0 -1 538 1.0130000300705433e-02 - - 2.0175799727439880e-01 -6.1339598894119263e-01 - <_> - - 0 -1 539 -8.9849002659320831e-02 - - 9.7632801532745361e-01 -2.0884799957275391e-01 - <_> - - 0 -1 540 2.6097999885678291e-02 - - -1.8807999789714813e-01 4.7705799341201782e-01 - <_> - - 0 -1 541 -3.7539999466389418e-03 - - -6.7980402708053589e-01 1.1288800090551376e-01 - <_> - - 0 -1 542 3.1973000615835190e-02 - - 1.8951700627803802e-01 -1.4967479705810547e+00 - <_> - - 0 -1 543 1.9332999363541603e-02 - - -2.3609900474548340e-01 8.1320500373840332e-01 - <_> - - 0 -1 544 1.9490000559017062e-03 - - 2.4830399453639984e-01 -6.9211997091770172e-02 - <_> - - 0 -1 545 -4.4146999716758728e-02 - - -1.0418920516967773e+00 4.8053000122308731e-02 - <_> - - 0 -1 546 -4.4681999832391739e-02 - - 5.1346302032470703e-01 -7.3799998499453068e-03 - <_> - - 0 -1 547 -1.0757499933242798e-01 - - 1.6202019453048706e+00 -1.8667599558830261e-01 - <_> - - 0 -1 548 -1.2846800684928894e-01 - - 2.9869480133056641e+00 9.5427997410297394e-02 - <_> - - 0 -1 549 -4.4757999479770660e-02 - - 6.0405302047729492e-01 -2.7058699727058411e-01 - <_> - - 0 -1 550 -4.3990999460220337e-02 - - -6.1790502071380615e-01 1.5997199714183807e-01 - <_> - - 0 -1 551 -1.2268999963998795e-01 - - 6.6327202320098877e-01 -2.3636999726295471e-01 - <_> - - 0 -1 552 -1.9982999190688133e-02 - - -1.1228660345077515e+00 1.9616700708866119e-01 - <_> - - 0 -1 553 -1.5527999959886074e-02 - - -1.0770269632339478e+00 2.0693000406026840e-02 - <_> - - 0 -1 554 -4.8971001058816910e-02 - - 8.1168299913406372e-01 -1.7252000048756599e-02 - <_> - - 0 -1 555 5.5975999683141708e-02 - - -2.2529000416398048e-02 -1.7356760501861572e+00 - <_> - - 0 -1 556 -9.8580000922083855e-03 - - 6.7881399393081665e-01 -5.8180000633001328e-02 - <_> - - 0 -1 557 1.3481000438332558e-02 - - 5.7847999036312103e-02 -7.7255302667617798e-01 - <_> - - 0 -1 558 6.5609999001026154e-03 - - -1.3146899640560150e-01 6.7055797576904297e-01 - <_> - - 0 -1 559 7.1149999275803566e-03 - - -3.7880599498748779e-01 3.0978998541831970e-01 - <_> - - 0 -1 560 4.8159998841583729e-03 - - -5.8470398187637329e-01 2.5602099299430847e-01 - <_> - - 0 -1 561 9.5319999381899834e-03 - - -3.0217000842094421e-01 4.1253298521041870e-01 - <_> - - 0 -1 562 -2.7474999427795410e-02 - - 5.9154701232910156e-01 1.7963999882340431e-02 - <_> - - 0 -1 563 -3.9519999176263809e-02 - - 9.6913498640060425e-01 -2.1020300686359406e-01 - <_> - - 0 -1 564 -3.0658999457955360e-02 - - 9.1155898571014404e-01 4.0550000965595245e-02 - <_> - - 0 -1 565 -1.4680000022053719e-03 - - -6.0489797592163086e-01 1.6960899531841278e-01 - <_> - - 0 -1 566 1.9077600538730621e-01 - - 4.3515000492334366e-02 8.1892901659011841e-01 - <_> - - 0 -1 567 5.1790000870823860e-03 - - -9.3617302179336548e-01 2.4937000125646591e-02 - <_> - - 0 -1 568 2.4126000702381134e-02 - - 1.8175500631332397e-01 -3.4185901284217834e-01 - <_> - - 0 -1 569 -2.6383999735116959e-02 - - -1.2912579774856567e+00 -3.4280000254511833e-03 - <_> - - 0 -1 570 5.4139997810125351e-03 - - -4.6291999518871307e-02 2.5269600749015808e-01 - <_> - - 0 -1 571 5.4216001182794571e-02 - - -1.2848000042140484e-02 -1.4304540157318115e+00 - <_> - - 0 -1 572 2.3799999326001853e-04 - - -2.6676699519157410e-01 3.3588299155235291e-01 - <_> - - 0 -1 573 1.5216999687254429e-02 - - -5.1367300748825073e-01 1.3005100190639496e-01 - <_> - - 0 -1 574 1.7007999122142792e-02 - - 4.1575899720191956e-01 -3.1241199374198914e-01 - <_> - - 0 -1 575 3.0496999621391296e-02 - - -2.4820999801158905e-01 7.0828497409820557e-01 - <_> - - 0 -1 576 6.5430002287030220e-03 - - -2.2637000679969788e-01 1.9184599816799164e-01 - <_> - - 0 -1 577 1.4163999259471893e-01 - - 6.5227001905441284e-02 -8.8809502124786377e-01 - <_> - - 0 -1 578 1.9338000565767288e-02 - - 1.8891200423240662e-01 -2.7397701144218445e-01 - <_> - - 0 -1 579 -1.7324000597000122e-02 - - -9.4866698980331421e-01 2.4196999147534370e-02 - <_> - - 0 -1 580 -6.2069999985396862e-03 - - 3.6938399076461792e-01 -1.7494900524616241e-01 - <_> - - 0 -1 581 -1.6109000891447067e-02 - - 9.6159499883651733e-01 -2.0005300641059875e-01 - <_> - - 0 -1 582 -1.0122500360012054e-01 - - -3.0699110031127930e+00 1.1363799870014191e-01 - <_> - - 0 -1 583 -7.5509999878704548e-03 - - 2.2921000421047211e-01 -4.5645099878311157e-01 - <_> - - 0 -1 584 4.4247999787330627e-02 - - -3.1599999056197703e-04 3.9225301146507263e-01 - <_> - - 0 -1 585 -1.1636000126600266e-01 - - 9.5233702659606934e-01 -2.0201599597930908e-01 - <_> - - 0 -1 586 4.7360002063214779e-03 - - -9.9177002906799316e-02 2.0370499789714813e-01 - <_> - - 0 -1 587 2.2459000349044800e-02 - - 8.7280003353953362e-03 -1.0217070579528809e+00 - <_> - - 0 -1 588 -1.2109000235795975e-02 - - 6.4812600612640381e-01 -9.0149000287055969e-02 - <_> - - 0 -1 589 5.6120000779628754e-02 - - -3.6759998649358749e-02 -1.9275590181350708e+00 - <_> - - 0 -1 590 -8.7379999458789825e-03 - - 6.9261300563812256e-01 -6.8374998867511749e-02 - <_> - - 0 -1 591 6.6399998031556606e-03 - - -4.0569800138473511e-01 1.8625700473785400e-01 - <_> - - 0 -1 592 -1.8131999298930168e-02 - - -6.4518201351165771e-01 2.1976399421691895e-01 - <_> - - 0 -1 593 -2.2718999534845352e-02 - - 9.7776198387145996e-01 -1.8654300272464752e-01 - <_> - - 0 -1 594 1.2705000117421150e-02 - - -1.0546600073575974e-01 3.7404099106788635e-01 - <_> - - 0 -1 595 -1.3682999648153782e-02 - - 6.1064100265502930e-01 -2.6881098747253418e-01 - <_> - 115 - -3.7160909175872803e+00 - - <_> - - 0 -1 596 3.1357999891042709e-02 - - -1.0183910131454468e+00 5.7528597116470337e-01 - <_> - - 0 -1 597 9.3050003051757812e-02 - - -4.1297501325607300e-01 1.0091199874877930e+00 - <_> - - 0 -1 598 2.5949999690055847e-02 - - -5.8587902784347534e-01 5.6606197357177734e-01 - <_> - - 0 -1 599 1.6472000628709793e-02 - - -9.2857497930526733e-01 3.0924499034881592e-01 - <_> - - 0 -1 600 -1.8779999809339643e-03 - - 1.1951000243425369e-01 -1.1180130243301392e+00 - <_> - - 0 -1 601 -9.0129999443888664e-03 - - -5.7849502563476562e-01 3.3154401183128357e-01 - <_> - - 0 -1 602 2.2547999396920204e-02 - - -3.8325101137161255e-01 5.2462202310562134e-01 - <_> - - 0 -1 603 -3.7780001759529114e-02 - - 1.1790670156478882e+00 -3.4166999161243439e-02 - <_> - - 0 -1 604 -5.3799999877810478e-03 - - -8.6265897750854492e-01 1.1867900192737579e-01 - <_> - - 0 -1 605 -2.3893000558018684e-02 - - -7.4950599670410156e-01 2.1011400222778320e-01 - <_> - - 0 -1 606 -2.6521999388933182e-02 - - 9.2128598690032959e-01 -2.8252801299095154e-01 - <_> - - 0 -1 607 1.2280000373721123e-02 - - 2.6662799715995789e-01 -7.0013600587844849e-01 - <_> - - 0 -1 608 9.6594996750354767e-02 - - -2.8453999757766724e-01 7.3168998956680298e-01 - <_> - - 0 -1 609 -2.7414999902248383e-02 - - -6.1492699384689331e-01 1.5576200187206268e-01 - <_> - - 0 -1 610 -1.5767000615596771e-02 - - 5.7551199197769165e-01 -3.4362199902534485e-01 - <_> - - 0 -1 611 -2.1100000012665987e-03 - - 3.2599699497222900e-01 -1.3008299469947815e-01 - <_> - - 0 -1 612 1.2006999924778938e-02 - - 8.9322999119758606e-02 -9.6025598049163818e-01 - <_> - - 0 -1 613 -1.5421999618411064e-02 - - 3.4449499845504761e-01 -4.6711999177932739e-01 - <_> - - 0 -1 614 -4.1579999960958958e-03 - - 2.3696300387382507e-01 -5.2563297748565674e-01 - <_> - - 0 -1 615 -2.1185999736189842e-02 - - -7.4267697334289551e-01 2.1702000498771667e-01 - <_> - - 0 -1 616 -1.7077000811696053e-02 - - -9.0471798181533813e-01 6.6012002527713776e-02 - <_> - - 0 -1 617 -4.0849998593330383e-02 - - -3.4446600079536438e-01 2.1503700315952301e-01 - <_> - - 0 -1 618 -8.1930002197623253e-03 - - -9.3388599157333374e-01 5.0471000373363495e-02 - <_> - - 0 -1 619 -1.9238000735640526e-02 - - -5.3203701972961426e-01 1.7240600287914276e-01 - <_> - - 0 -1 620 -4.4192001223564148e-02 - - 9.2075002193450928e-01 -2.2148500382900238e-01 - <_> - - 0 -1 621 -6.2392000108957291e-02 - - -7.1053802967071533e-01 1.8323899805545807e-01 - <_> - - 0 -1 622 -1.0079999919980764e-03 - - -8.7063097953796387e-01 5.5330000817775726e-02 - <_> - - 0 -1 623 2.3870000615715981e-02 - - -2.2854200005531311e-01 5.2415597438812256e-01 - <_> - - 0 -1 624 2.1391000598669052e-02 - - -3.0325898528099060e-01 5.5860602855682373e-01 - <_> - - 0 -1 625 2.0254999399185181e-02 - - 2.6901501417160034e-01 -7.0261800289154053e-01 - <_> - - 0 -1 626 -2.8772000223398209e-02 - - -1.1835030317306519e+00 4.6512000262737274e-02 - <_> - - 0 -1 627 3.4199999645352364e-03 - - -5.4652100801467896e-01 2.5962498784065247e-01 - <_> - - 0 -1 628 5.6983001530170441e-02 - - -2.6982900500297546e-01 5.8170700073242188e-01 - <_> - - 0 -1 629 -9.3892000615596771e-02 - - -9.1046398878097534e-01 1.9677700102329254e-01 - <_> - - 0 -1 630 1.7699999734759331e-02 - - -4.4003298878669739e-01 2.1349500119686127e-01 - <_> - - 0 -1 631 2.2844199836254120e-01 - - 2.3605000227689743e-02 7.7171599864959717e-01 - <_> - - 0 -1 632 -1.8287500739097595e-01 - - 7.9228597879409790e-01 -2.4644799530506134e-01 - <_> - - 0 -1 633 -6.9891996681690216e-02 - - 8.0267798900604248e-01 -3.6072000861167908e-02 - <_> - - 0 -1 634 1.5297000296413898e-02 - - -2.0072300732135773e-01 1.1030600070953369e+00 - <_> - - 0 -1 635 6.7500001750886440e-03 - - -4.5967999845743179e-02 7.2094500064849854e-01 - <_> - - 0 -1 636 -1.5983000397682190e-02 - - -9.0357202291488647e-01 4.4987998902797699e-02 - <_> - - 0 -1 637 1.3088000006973743e-02 - - 3.5297098755836487e-01 -3.7710601091384888e-01 - <_> - - 0 -1 638 1.3061000034213066e-02 - - -1.9583599269390106e-01 1.1198940277099609e+00 - <_> - - 0 -1 639 -3.9907000958919525e-02 - - -1.3998429775238037e+00 1.9145099818706512e-01 - <_> - - 0 -1 640 1.5026999637484550e-02 - - 2.3600000422447920e-03 -1.1611249446868896e+00 - <_> - - 0 -1 641 -2.0517999306321144e-02 - - -4.8908099532127380e-01 1.6743400692939758e-01 - <_> - - 0 -1 642 -2.2359000518918037e-02 - - -1.2202980518341064e+00 -1.1975999921560287e-02 - <_> - - 0 -1 643 -7.9150004312396049e-03 - - 3.7228098511695862e-01 -8.5063003003597260e-02 - <_> - - 0 -1 644 1.5258000232279301e-02 - - -2.9412600398063660e-01 5.9406399726867676e-01 - <_> - - 0 -1 645 -3.1665999442338943e-02 - - -1.4395569562911987e+00 1.3578799366950989e-01 - <_> - - 0 -1 646 -3.0773999169468880e-02 - - -2.2545371055603027e+00 -3.3971000462770462e-02 - <_> - - 0 -1 647 -1.5483000315725803e-02 - - 3.7700700759887695e-01 1.5847999602556229e-02 - <_> - - 0 -1 648 3.5167001187801361e-02 - - -2.9446101188659668e-01 5.3159099817276001e-01 - <_> - - 0 -1 649 -1.7906000837683678e-02 - - -9.9788200855255127e-01 1.6235999763011932e-01 - <_> - - 0 -1 650 -3.1799999997019768e-03 - - 4.7657001763582230e-02 -7.5249898433685303e-01 - <_> - - 0 -1 651 1.5720000490546227e-02 - - 1.4873799681663513e-01 -6.5375399589538574e-01 - <_> - - 0 -1 652 2.9864000156521797e-02 - - -1.4952000230550766e-02 -1.2275190353393555e+00 - <_> - - 0 -1 653 2.9899999499320984e-03 - - -1.4263699948787689e-01 4.3272799253463745e-01 - <_> - - 0 -1 654 8.4749996662139893e-02 - - -1.9280999898910522e-02 -1.1946409940719604e+00 - <_> - - 0 -1 655 -5.8724999427795410e-02 - - -1.7328219413757324e+00 1.4374700188636780e-01 - <_> - - 0 -1 656 4.4755998998880386e-02 - - -2.4140599370002747e-01 5.4019999504089355e-01 - <_> - - 0 -1 657 4.0369000285863876e-02 - - 5.7680001482367516e-03 5.6578099727630615e-01 - <_> - - 0 -1 658 3.7735998630523682e-02 - - 3.8180999457836151e-02 -7.9370397329330444e-01 - <_> - - 0 -1 659 6.0752999037504196e-02 - - 7.6453000307083130e-02 1.4813209772109985e+00 - <_> - - 0 -1 660 -1.9832000136375427e-02 - - -1.6971720457077026e+00 -2.7370000258088112e-02 - <_> - - 0 -1 661 -1.6592699289321899e-01 - - 6.2976002693176270e-01 3.1762998551130295e-02 - <_> - - 0 -1 662 6.9014996290206909e-02 - - -3.3463200926780701e-01 3.0076700448989868e-01 - <_> - - 0 -1 663 1.1358000338077545e-02 - - 2.2741499543190002e-01 -3.8224700093269348e-01 - <_> - - 0 -1 664 1.7000000225380063e-03 - - 1.9223800301551819e-01 -5.2735102176666260e-01 - <_> - - 0 -1 665 7.9769000411033630e-02 - - 9.1491997241973877e-02 2.1049048900604248e+00 - <_> - - 0 -1 666 -5.7144001126289368e-02 - - -1.7452130317687988e+00 -4.0910001844167709e-02 - <_> - - 0 -1 667 7.3830001056194305e-03 - - -2.4214799702167511e-01 3.5577800869941711e-01 - <_> - - 0 -1 668 -1.8040999770164490e-02 - - 1.1779999732971191e+00 -1.7676700651645660e-01 - <_> - - 0 -1 669 9.4503000378608704e-02 - - 1.3936099410057068e-01 -1.2993700504302979e+00 - <_> - - 0 -1 670 5.4210000671446323e-03 - - -5.4608601331710815e-01 1.3916400074958801e-01 - <_> - - 0 -1 671 7.0290002040565014e-03 - - -2.1597200632095337e-01 3.9258098602294922e-01 - <_> - - 0 -1 672 3.4515999257564545e-02 - - 6.3188999891281128e-02 -7.2108101844787598e-01 - <_> - - 0 -1 673 -5.1924999803304672e-02 - - 6.8667602539062500e-01 6.3272997736930847e-02 - <_> - - 0 -1 674 -6.9162003695964813e-02 - - 1.7411810159683228e+00 -1.6619299352169037e-01 - <_> - - 0 -1 675 -5.5229999125003815e-03 - - 3.0694699287414551e-01 -1.6662900149822235e-01 - <_> - - 0 -1 676 6.8599998950958252e-02 - - -2.1405400335788727e-01 7.3185002803802490e-01 - <_> - - 0 -1 677 -6.7038998007774353e-02 - - -7.9360598325729370e-01 2.0525799691677094e-01 - <_> - - 0 -1 678 -2.1005000919103622e-02 - - 3.7344399094581604e-01 -2.9618600010871887e-01 - <_> - - 0 -1 679 2.0278999581933022e-02 - - -1.5200000256299973e-02 4.0555301308631897e-01 - <_> - - 0 -1 680 -4.7107998281717300e-02 - - 1.2116849422454834e+00 -1.7464299499988556e-01 - <_> - - 0 -1 681 1.8768499791622162e-01 - - -2.2909000515937805e-02 6.9645798206329346e-01 - <_> - - 0 -1 682 -4.3228998780250549e-02 - - -1.0602480173110962e+00 -5.5599998449906707e-04 - <_> - - 0 -1 683 2.0004000514745712e-02 - - -3.2751001417636871e-02 5.3805100917816162e-01 - <_> - - 0 -1 684 8.0880001187324524e-03 - - 3.7548001855611801e-02 -7.4768900871276855e-01 - <_> - - 0 -1 685 2.7101000770926476e-02 - - -8.1790000200271606e-02 3.3387100696563721e-01 - <_> - - 0 -1 686 -9.1746002435684204e-02 - - -1.9213509559631348e+00 -3.8952998816967010e-02 - <_> - - 0 -1 687 -1.2454999610781670e-02 - - 4.8360601067543030e-01 1.8168000504374504e-02 - <_> - - 0 -1 688 1.4649000018835068e-02 - - -1.9906699657440186e-01 7.2815400362014771e-01 - <_> - - 0 -1 689 2.9101999476552010e-02 - - 1.9871099293231964e-01 -4.9216800928115845e-01 - <_> - - 0 -1 690 8.7799998000264168e-03 - - -1.9499599933624268e-01 7.7317398786544800e-01 - <_> - - 0 -1 691 -5.4740000516176224e-02 - - 1.8087190389633179e+00 6.8323001265525818e-02 - <_> - - 0 -1 692 -1.4798000454902649e-02 - - 7.8064900636672974e-01 -1.8709599971771240e-01 - <_> - - 0 -1 693 2.5012999773025513e-02 - - 1.5285299718379974e-01 -1.6021020412445068e+00 - <_> - - 0 -1 694 4.6548001468181610e-02 - - -1.6738200187683105e-01 1.1902060508728027e+00 - <_> - - 0 -1 695 1.7624000087380409e-02 - - -1.0285499691963196e-01 3.9175900816917419e-01 - <_> - - 0 -1 696 1.6319599747657776e-01 - - -3.5624001175165176e-02 -1.6098170280456543e+00 - <_> - - 0 -1 697 1.3137999922037125e-02 - - -5.6359000504016876e-02 5.4158902168273926e-01 - <_> - - 0 -1 698 -1.5665000304579735e-02 - - 2.8063100576400757e-01 -3.1708601117134094e-01 - <_> - - 0 -1 699 8.0554001033306122e-02 - - 1.2640400230884552e-01 -1.0297529697418213e+00 - <_> - - 0 -1 700 3.5363998264074326e-02 - - 2.0752999931573868e-02 -7.9105597734451294e-01 - <_> - - 0 -1 701 3.2986998558044434e-02 - - 1.9057099521160126e-01 -8.3839899301528931e-01 - <_> - - 0 -1 702 1.2195000424981117e-02 - - 7.3729000985622406e-02 -6.2780702114105225e-01 - <_> - - 0 -1 703 4.3065998703241348e-02 - - 4.7384999692440033e-02 1.5712939500808716e+00 - <_> - - 0 -1 704 3.0326999723911285e-02 - - -2.7314600348472595e-01 3.8572001457214355e-01 - <_> - - 0 -1 705 3.5493001341819763e-02 - - 5.4593998938798904e-02 5.2583402395248413e-01 - <_> - - 0 -1 706 -1.4596999622881413e-02 - - 3.8152599334716797e-01 -2.8332400321960449e-01 - <_> - - 0 -1 707 1.2606999836862087e-02 - - 1.5455099940299988e-01 -3.0501499772071838e-01 - <_> - - 0 -1 708 1.0172000154852867e-02 - - 2.3637000471353531e-02 -8.7217897176742554e-01 - <_> - - 0 -1 709 2.8843000531196594e-02 - - 1.6090999543666840e-01 -2.0277599990367889e-01 - <_> - - 0 -1 710 5.5100000463426113e-04 - - -6.1545401811599731e-01 8.0935999751091003e-02 - <_> - 127 - -3.5645289421081543e+00 - - <_> - - 0 -1 711 4.8344001173973083e-02 - - -8.4904599189758301e-01 5.6974399089813232e-01 - <_> - - 0 -1 712 3.2460000365972519e-02 - - -8.1417298316955566e-01 4.4781699776649475e-01 - <_> - - 0 -1 713 3.3339999616146088e-02 - - -3.6423799395561218e-01 6.7937397956848145e-01 - <_> - - 0 -1 714 6.4019998535513878e-03 - - -1.1885459423065186e+00 1.9238699972629547e-01 - <_> - - 0 -1 715 -5.6889997795224190e-03 - - 3.3085298538208008e-01 -7.1334099769592285e-01 - <_> - - 0 -1 716 1.2698000296950340e-02 - - -5.0990802049636841e-01 1.1376299709081650e-01 - <_> - - 0 -1 717 6.0549997724592686e-03 - - -1.0470550060272217e+00 2.0222599804401398e-01 - <_> - - 0 -1 718 2.6420000940561295e-03 - - -5.0559401512145996e-01 3.6441200971603394e-01 - <_> - - 0 -1 719 -1.6925999894738197e-02 - - -9.9541902542114258e-01 1.2602199614048004e-01 - <_> - - 0 -1 720 2.8235999867320061e-02 - - -9.4137996435165405e-02 5.7780402898788452e-01 - <_> - - 0 -1 721 1.0428999550640583e-02 - - 2.3272900283336639e-01 -5.2569699287414551e-01 - <_> - - 0 -1 722 9.8860003054141998e-03 - - -1.0316299647092819e-01 4.7657600045204163e-01 - <_> - - 0 -1 723 2.6015000417828560e-02 - - -1.0920000495389104e-03 -1.5581729412078857e+00 - <_> - - 0 -1 724 -2.5537999346852303e-02 - - -6.5451401472091675e-01 1.8843199312686920e-01 - <_> - - 0 -1 725 -3.5310001112520695e-03 - - 2.8140598535537720e-01 -4.4575300812721252e-01 - <_> - - 0 -1 726 9.2449998483061790e-03 - - 1.5612000226974487e-01 -2.1370999515056610e-01 - <_> - - 0 -1 727 2.1030999720096588e-02 - - -2.9170298576354980e-01 5.2234101295471191e-01 - <_> - - 0 -1 728 -5.1063001155853271e-02 - - 1.3661290407180786e+00 3.0465999618172646e-02 - <_> - - 0 -1 729 -6.2330000102519989e-02 - - 1.2207020521163940e+00 -2.2434400022029877e-01 - <_> - - 0 -1 730 -3.2963000237941742e-02 - - -8.2016801834106445e-01 1.4531899988651276e-01 - <_> - - 0 -1 731 -3.7418000400066376e-02 - - -1.2218099832534790e+00 1.9448999315500259e-02 - <_> - - 0 -1 732 1.2402799725532532e-01 - - 1.2082300335168839e-01 -9.8729300498962402e-01 - <_> - - 0 -1 733 -8.9229997247457504e-03 - - -1.1688489913940430e+00 2.1105000749230385e-02 - <_> - - 0 -1 734 -5.9879999607801437e-02 - - -1.0689330101013184e+00 1.9860200583934784e-01 - <_> - - 0 -1 735 6.2620001845061779e-03 - - -3.6229598522186279e-01 3.8000801205635071e-01 - <_> - - 0 -1 736 -1.7673000693321228e-02 - - 4.9094098806381226e-01 -1.4606699347496033e-01 - <_> - - 0 -1 737 1.7579000443220139e-02 - - 5.8728098869323730e-01 -2.7774399518966675e-01 - <_> - - 0 -1 738 5.1560001447796822e-03 - - -7.5194999575614929e-02 6.0193097591400146e-01 - <_> - - 0 -1 739 -1.0599999688565731e-02 - - 2.7637401223182678e-01 -3.7794300913810730e-01 - <_> - - 0 -1 740 2.0884099602699280e-01 - - -5.3599998354911804e-03 1.0317809581756592e+00 - <_> - - 0 -1 741 -2.6412999257445335e-02 - - 8.2336401939392090e-01 -2.2480599582195282e-01 - <_> - - 0 -1 742 5.8892000466585159e-02 - - 1.3098299503326416e-01 -1.1853699684143066e+00 - <_> - - 0 -1 743 -1.1579000391066074e-02 - - -9.0667802095413208e-01 4.4126998633146286e-02 - <_> - - 0 -1 744 4.5988000929355621e-02 - - 1.0143999941647053e-02 1.0740900039672852e+00 - <_> - - 0 -1 745 -2.2838000208139420e-02 - - 1.7791990041732788e+00 -1.7315499484539032e-01 - <_> - - 0 -1 746 -8.1709995865821838e-03 - - 5.7386302947998047e-01 -7.4106000363826752e-02 - <_> - - 0 -1 747 3.5359999164938927e-03 - - -3.2072898745536804e-01 4.0182501077651978e-01 - <_> - - 0 -1 748 4.9444999545812607e-02 - - 1.9288000464439392e-01 -1.2166700363159180e+00 - <_> - - 0 -1 749 3.5139999818056822e-03 - - 6.9568000733852386e-02 -7.1323698759078979e-01 - <_> - - 0 -1 750 -3.0996000394225121e-02 - - -3.8862198591232300e-01 1.8098799884319305e-01 - <_> - - 0 -1 751 8.6452998220920563e-02 - - -2.5792999193072319e-02 -1.5453219413757324e+00 - <_> - - 0 -1 752 -1.3652600347995758e-01 - - -1.9199420213699341e+00 1.6613300144672394e-01 - <_> - - 0 -1 753 -5.7689999230206013e-03 - - -1.2822589874267578e+00 -1.5907999128103256e-02 - <_> - - 0 -1 754 -1.7899999395012856e-02 - - -4.0409898757934570e-01 2.3591600358486176e-01 - <_> - - 0 -1 755 -1.9969999790191650e-02 - - -7.2891902923583984e-01 5.6235000491142273e-02 - <_> - - 0 -1 756 -5.7493001222610474e-02 - - 5.7830798625946045e-01 -1.5796000137925148e-02 - <_> - - 0 -1 757 -8.3056002855300903e-02 - - 9.1511601209640503e-01 -2.1121400594711304e-01 - <_> - - 0 -1 758 -5.3771000355482101e-02 - - -5.1931297779083252e-01 1.8576000630855560e-01 - <_> - - 0 -1 759 -8.3670001477003098e-03 - - 2.4109700322151184e-01 -3.9648601412773132e-01 - <_> - - 0 -1 760 5.5406998842954636e-02 - - 1.6771200299263000e-01 -2.5664970874786377e+00 - <_> - - 0 -1 761 -6.7180998623371124e-02 - - -1.3658570051193237e+00 -1.4232000336050987e-02 - <_> - - 0 -1 762 -2.3900000378489494e-02 - - -1.7084569931030273e+00 1.6507799923419952e-01 - <_> - - 0 -1 763 5.5949999950826168e-03 - - -3.1373998522758484e-01 3.2837900519371033e-01 - <_> - - 0 -1 764 2.1294999867677689e-02 - - 1.4953400194644928e-01 -4.8579800128936768e-01 - <_> - - 0 -1 765 -2.4613000452518463e-02 - - 7.4346399307250977e-01 -2.2305199503898621e-01 - <_> - - 0 -1 766 -1.9626000896096230e-02 - - -4.0918299555778503e-01 1.8893200159072876e-01 - <_> - - 0 -1 767 -5.3266000002622604e-02 - - 8.1381601095199585e-01 -2.0853699743747711e-01 - <_> - - 0 -1 768 7.1290000341832638e-03 - - 3.2996100187301636e-01 -5.9937399625778198e-01 - <_> - - 0 -1 769 -2.2486999630928040e-02 - - -1.2551610469818115e+00 -2.0413000136613846e-02 - <_> - - 0 -1 770 -8.2310996949672699e-02 - - 1.3821430206298828e+00 5.9308998286724091e-02 - <_> - - 0 -1 771 1.3097000122070312e-01 - - -3.5843998193740845e-02 -1.5396369695663452e+00 - <_> - - 0 -1 772 1.4293000102043152e-02 - - -1.8475200235843658e-01 3.7455001473426819e-01 - <_> - - 0 -1 773 6.3479999080300331e-03 - - -4.4901099801063538e-01 1.3876999914646149e-01 - <_> - - 0 -1 774 -4.6055000275373459e-02 - - 6.7832601070404053e-01 -1.7071999609470367e-02 - <_> - - 0 -1 775 5.7693999260663986e-02 - - -1.1955999769270420e-02 -1.2261159420013428e+00 - <_> - - 0 -1 776 -6.0609998181462288e-03 - - 3.3958598971366882e-01 6.2800000887364149e-04 - <_> - - 0 -1 777 -5.2163001149892807e-02 - - -1.0621069669723511e+00 -1.3779999688267708e-02 - <_> - - 0 -1 778 4.6572998166084290e-02 - - 1.4538800716400146e-01 -1.2384550571441650e+00 - <_> - - 0 -1 779 7.5309998355805874e-03 - - -2.4467700719833374e-01 5.1377099752426147e-01 - <_> - - 0 -1 780 2.1615000441670418e-02 - - 1.3072599470615387e-01 -7.0996797084808350e-01 - <_> - - 0 -1 781 -1.7864000052213669e-02 - - -1.0474660396575928e+00 4.9599999329075217e-04 - <_> - - 0 -1 782 -3.7195000797510147e-02 - - -1.5126730203628540e+00 1.4801399409770966e-01 - <_> - - 0 -1 783 -3.1100001069717109e-04 - - 1.3971500098705292e-01 -4.6867498755455017e-01 - <_> - - 0 -1 784 2.5042999535799026e-02 - - 2.8632000088691711e-01 -4.1794699430465698e-01 - <_> - - 0 -1 785 9.3449996784329414e-03 - - -2.7336201071739197e-01 4.3444699048995972e-01 - <_> - - 0 -1 786 3.2363999634981155e-02 - - 1.8438899517059326e-01 -9.5019298791885376e-01 - <_> - - 0 -1 787 -6.2299999408423901e-03 - - 3.2581999897956848e-01 -3.0815601348876953e-01 - <_> - - 0 -1 788 5.1488999277353287e-02 - - 1.1416000127792358e-01 -1.9795479774475098e+00 - <_> - - 0 -1 789 -2.6449000462889671e-02 - - -1.1067299842834473e+00 -8.5519999265670776e-03 - <_> - - 0 -1 790 -1.5420000068843365e-02 - - 8.0138701200485229e-01 -3.2035000622272491e-02 - <_> - - 0 -1 791 1.9456999376416206e-02 - - -2.6449498534202576e-01 3.8753899931907654e-01 - <_> - - 0 -1 792 3.3620998263359070e-02 - - 1.6052000224590302e-02 5.8840900659561157e-01 - <_> - - 0 -1 793 2.8906000778079033e-02 - - 1.5216000378131866e-02 -9.4723600149154663e-01 - <_> - - 0 -1 794 2.0300000323913991e-04 - - -3.0766001343727112e-01 2.1235899627208710e-01 - <_> - - 0 -1 795 -4.9141999334096909e-02 - - -1.6058609485626221e+00 -3.1094999983906746e-02 - <_> - - 0 -1 796 7.6425999402999878e-02 - - 7.4758999049663544e-02 1.1639410257339478e+00 - <_> - - 0 -1 797 2.3897999897599220e-02 - - -6.4320000819861889e-03 -1.1150749921798706e+00 - <_> - - 0 -1 798 3.8970001041889191e-03 - - -2.4105699360370636e-01 2.0858900249004364e-01 - <_> - - 0 -1 799 -8.9445002377033234e-02 - - 1.9157789945602417e+00 -1.5721100568771362e-01 - <_> - - 0 -1 800 -1.5008999966084957e-02 - - -2.5174099206924438e-01 1.8179899454116821e-01 - <_> - - 0 -1 801 -1.1145999655127525e-02 - - -6.9349497556686401e-01 4.4927999377250671e-02 - <_> - - 0 -1 802 9.4578996300697327e-02 - - 1.8102100491523743e-01 -7.4978601932525635e-01 - <_> - - 0 -1 803 5.5038899183273315e-01 - - -3.0974000692367554e-02 -1.6746139526367188e+00 - <_> - - 0 -1 804 4.1381001472473145e-02 - - 6.3910000026226044e-02 7.6561200618743896e-01 - <_> - - 0 -1 805 2.4771999567747116e-02 - - 1.1380000039935112e-02 -8.8559401035308838e-01 - <_> - - 0 -1 806 5.0999000668525696e-02 - - 1.4890299737453461e-01 -2.4634211063385010e+00 - <_> - - 0 -1 807 -1.6893999651074409e-02 - - 3.8870999217033386e-01 -2.9880300164222717e-01 - <_> - - 0 -1 808 -1.2162300199270248e-01 - - -1.5542800426483154e+00 1.6300800442695618e-01 - <_> - - 0 -1 809 -3.6049999762326479e-03 - - 2.1842800080776215e-01 -3.7312099337577820e-01 - <_> - - 0 -1 810 1.1575400084257126e-01 - - -4.7061000019311905e-02 5.9403699636459351e-01 - <_> - - 0 -1 811 3.6903999745845795e-02 - - -2.5508600473403931e-01 5.5397301912307739e-01 - <_> - - 0 -1 812 1.1483999900519848e-02 - - -1.8129499256610870e-01 4.0682798624038696e-01 - <_> - - 0 -1 813 -2.0233999937772751e-02 - - 5.4311197996139526e-01 -2.3822399973869324e-01 - <_> - - 0 -1 814 -2.8765000402927399e-02 - - -6.9172298908233643e-01 1.5943300724029541e-01 - <_> - - 0 -1 815 -5.8320001699030399e-03 - - 2.9447799921035767e-01 -3.4005999565124512e-01 - <_> - - 0 -1 816 -5.5468998849391937e-02 - - 9.2200797796249390e-01 9.4093002378940582e-02 - <_> - - 0 -1 817 -1.4801000244915485e-02 - - -7.9539698362350464e-01 3.1521998345851898e-02 - <_> - - 0 -1 818 -7.0940000005066395e-03 - - 3.3096000552177429e-01 -5.0886999815702438e-02 - <_> - - 0 -1 819 -4.5124001801013947e-02 - - -1.3719749450683594e+00 -2.1408999338746071e-02 - <_> - - 0 -1 820 6.4377002418041229e-02 - - 6.3901998102664948e-02 9.1478300094604492e-01 - <_> - - 0 -1 821 -1.4727000147104263e-02 - - 3.6050599813461304e-01 -2.8614500164985657e-01 - <_> - - 0 -1 822 4.5007001608610153e-02 - - -1.5619699656963348e-01 5.3160297870635986e-01 - <_> - - 0 -1 823 -1.1330000124871731e-03 - - 1.3422900438308716e-01 -4.4358900189399719e-01 - <_> - - 0 -1 824 4.9451000988483429e-02 - - 1.0571800172328949e-01 -2.5589139461517334e+00 - <_> - - 0 -1 825 2.9102999716997147e-02 - - -1.0088000446557999e-02 -1.1073939800262451e+00 - <_> - - 0 -1 826 3.4786000847816467e-02 - - -2.7719999197870493e-03 5.6700998544692993e-01 - <_> - - 0 -1 827 -6.1309998854994774e-03 - - -4.6889400482177734e-01 1.2636399269104004e-01 - <_> - - 0 -1 828 1.5525000169873238e-02 - - -8.4279999136924744e-03 8.7469202280044556e-01 - <_> - - 0 -1 829 2.9249999206513166e-03 - - -3.4434300661087036e-01 2.0851600170135498e-01 - <_> - - 0 -1 830 -5.3571000695228577e-02 - - 1.4982949495315552e+00 5.7328000664710999e-02 - <_> - - 0 -1 831 -1.9217999652028084e-02 - - -9.9234098196029663e-01 -9.3919998034834862e-03 - <_> - - 0 -1 832 -5.5282998830080032e-02 - - -5.7682299613952637e-01 1.6860599815845490e-01 - <_> - - 0 -1 833 5.6336000561714172e-02 - - -3.3775001764297485e-02 -1.3889650106430054e+00 - <_> - - 0 -1 834 -2.3824000731110573e-02 - - 4.0182098746299744e-01 1.8360000103712082e-03 - <_> - - 0 -1 835 1.7810000572353601e-03 - - 1.8145999312400818e-01 -4.1743400692939758e-01 - <_> - - 0 -1 836 -3.7689000368118286e-02 - - 5.4683101177215576e-01 1.8219999969005585e-02 - <_> - - 0 -1 837 -2.4144999682903290e-02 - - 6.8352097272872925e-01 -1.9650200009346008e-01 - <_> - 135 - -3.7025990486145020e+00 - - <_> - - 0 -1 838 2.7444999665021896e-02 - - -8.9984202384948730e-01 5.1876497268676758e-01 - <_> - - 0 -1 839 1.1554100364446640e-01 - - -5.6524401903152466e-01 7.0551300048828125e-01 - <_> - - 0 -1 840 -2.2297000512480736e-02 - - 3.6079999804496765e-01 -6.6864597797393799e-01 - <_> - - 0 -1 841 1.3325000181794167e-02 - - -5.5573397874832153e-01 3.5789999365806580e-01 - <_> - - 0 -1 842 -3.8060001097619534e-03 - - -1.0713000297546387e+00 1.8850000202655792e-01 - <_> - - 0 -1 843 -2.6819999329745770e-03 - - -7.1584302186965942e-01 2.6344498991966248e-01 - <_> - - 0 -1 844 3.3819999080151320e-03 - - -4.6930798888206482e-01 2.6658400893211365e-01 - <_> - - 0 -1 845 3.7643000483512878e-02 - - 2.1098700165748596e-01 -1.0804339647293091e+00 - <_> - - 0 -1 846 -1.3861999846994877e-02 - - 6.6912001371383667e-01 -2.7942800521850586e-01 - <_> - - 0 -1 847 -2.7350001037120819e-03 - - -9.5332300662994385e-01 2.4051299691200256e-01 - <_> - - 0 -1 848 -3.8336999714374542e-02 - - 8.1432801485061646e-01 -2.4919399619102478e-01 - <_> - - 0 -1 849 -3.4697998315095901e-02 - - 1.2330100536346436e+00 6.8600000813603401e-03 - <_> - - 0 -1 850 2.3360999301075935e-02 - - -3.0794700980186462e-01 7.0714497566223145e-01 - <_> - - 0 -1 851 3.5057999193668365e-02 - - 2.1205900609493256e-01 -1.4399830102920532e+00 - <_> - - 0 -1 852 -1.3256999664008617e-02 - - -9.0260702371597290e-01 4.8610001802444458e-02 - <_> - - 0 -1 853 1.2740000151097775e-02 - - 2.2655199468135834e-01 -4.4643801450729370e-01 - <_> - - 0 -1 854 3.6400000099092722e-03 - - -3.9817899465560913e-01 3.4665399789810181e-01 - <_> - - 0 -1 855 1.0064700245857239e-01 - - 1.8383599817752838e-01 -1.3410769701004028e+00 - <_> - - 0 -1 856 0. - - 1.5536400675773621e-01 -5.1582497358322144e-01 - <_> - - 0 -1 857 1.1708999983966351e-02 - - 2.1651400625705719e-01 -7.2705197334289551e-01 - <_> - - 0 -1 858 -3.5964999347925186e-02 - - -1.4789500236511230e+00 -2.4317000061273575e-02 - <_> - - 0 -1 859 -2.1236000582575798e-02 - - -1.6844099760055542e-01 1.9526599347591400e-01 - <_> - - 0 -1 860 1.4874000102281570e-02 - - 3.7335999310016632e-02 -8.7557297945022583e-01 - <_> - - 0 -1 861 -5.1409997977316380e-03 - - 3.3466500043869019e-01 -2.4109700322151184e-01 - <_> - - 0 -1 862 2.3450000211596489e-02 - - 5.5320002138614655e-03 -1.2509720325469971e+00 - <_> - - 0 -1 863 -2.5062000378966331e-02 - - 4.5212399959564209e-01 -8.4469996392726898e-02 - <_> - - 0 -1 864 -7.7400001464411616e-04 - - 1.5249900519847870e-01 -4.8486500978469849e-01 - <_> - - 0 -1 865 -4.0483999997377396e-02 - - -1.3024920225143433e+00 1.7983500659465790e-01 - <_> - - 0 -1 866 2.8170999139547348e-02 - - -2.4410900473594666e-01 6.2271100282669067e-01 - <_> - - 0 -1 867 4.5692998915910721e-02 - - 2.8122000396251678e-02 9.2394399642944336e-01 - <_> - - 0 -1 868 3.9707001298666000e-02 - - -2.2332799434661865e-01 7.7674001455307007e-01 - <_> - - 0 -1 869 5.0517000257968903e-02 - - 2.0319999754428864e-01 -1.0895930528640747e+00 - <_> - - 0 -1 870 -1.7266999930143356e-02 - - 6.8598401546478271e-01 -2.3304499685764313e-01 - <_> - - 0 -1 871 8.0186001956462860e-02 - - -1.0292000137269497e-02 6.1881101131439209e-01 - <_> - - 0 -1 872 9.7676001489162445e-02 - - -2.0070299506187439e-01 1.0088349580764771e+00 - <_> - - 0 -1 873 -1.5572000294923782e-02 - - 4.7615298628807068e-01 4.5623999089002609e-02 - <_> - - 0 -1 874 -1.5305000357329845e-02 - - -1.1077369451522827e+00 4.5239999890327454e-03 - <_> - - 0 -1 875 -1.6485000029206276e-02 - - 1.0152939558029175e+00 1.6327999532222748e-02 - <_> - - 0 -1 876 -2.6141999289393425e-02 - - 4.1723299026489258e-01 -2.8645500540733337e-01 - <_> - - 0 -1 877 8.8679995387792587e-03 - - 2.1404999494552612e-01 -1.6772800683975220e-01 - <_> - - 0 -1 878 -2.6886999607086182e-02 - - -1.1564220190048218e+00 -1.0324000380933285e-02 - <_> - - 0 -1 879 7.7789998613297939e-03 - - 3.5359498858451843e-01 -2.9611301422119141e-01 - <_> - - 0 -1 880 -1.5974000096321106e-02 - - -1.5374109745025635e+00 -2.9958000406622887e-02 - <_> - - 0 -1 881 2.0866999402642250e-02 - - 2.0244100689888000e-01 -7.1270197629928589e-01 - <_> - - 0 -1 882 8.5482001304626465e-02 - - -2.5932999327778816e-02 -1.5156569480895996e+00 - <_> - - 0 -1 883 2.3872999474406242e-02 - - 1.6803400218486786e-01 -3.8806200027465820e-01 - <_> - - 0 -1 884 -3.9105001837015152e-02 - - -1.1958349943161011e+00 -2.0361000671982765e-02 - <_> - - 0 -1 885 -7.7946998178958893e-02 - - -1.0898950099945068e+00 1.4530299603939056e-01 - <_> - - 0 -1 886 -1.6876000910997391e-02 - - 2.8049701452255249e-01 -4.1336300969123840e-01 - <_> - - 0 -1 887 1.1875600367784500e-01 - - -4.3490998446941376e-02 4.1263699531555176e-01 - <_> - - 0 -1 888 1.5624199807643890e-01 - - -2.6429599523544312e-01 5.5127799510955811e-01 - <_> - - 0 -1 889 -4.5908000320196152e-02 - - 6.0189199447631836e-01 1.8921000882983208e-02 - <_> - - 0 -1 890 -1.0309999808669090e-02 - - 3.8152998685836792e-01 -2.9507899284362793e-01 - <_> - - 0 -1 891 9.5769003033638000e-02 - - 1.3246500492095947e-01 -4.6266800165176392e-01 - <_> - - 0 -1 892 1.3686999678611755e-02 - - 1.1738699674606323e-01 -5.1664102077484131e-01 - <_> - - 0 -1 893 2.3990001063793898e-03 - - -3.4007599949836731e-01 2.0953500270843506e-01 - <_> - - 0 -1 894 3.3264998346567154e-02 - - -1.7052799463272095e-01 1.4366799592971802e+00 - <_> - - 0 -1 895 -3.3206000924110413e-02 - - 6.1295700073242188e-01 -4.1549999266862869e-02 - <_> - - 0 -1 896 2.7979998849332333e-03 - - -4.8554301261901855e-01 1.3372699916362762e-01 - <_> - - 0 -1 897 -6.5792001783847809e-02 - - -4.0257668495178223e+00 1.0876700282096863e-01 - <_> - - 0 -1 898 2.1430000197142363e-03 - - -3.9179998636245728e-01 2.2427099943161011e-01 - <_> - - 0 -1 899 2.2363999858498573e-02 - - -8.6429998278617859e-02 3.7785199284553528e-01 - <_> - - 0 -1 900 -5.7410001754760742e-02 - - 1.1454069614410400e+00 -1.9736599922180176e-01 - <_> - - 0 -1 901 6.6550001502037048e-03 - - -2.1105000749230385e-02 5.8453398942947388e-01 - <_> - - 0 -1 902 1.2326999567449093e-02 - - 3.7817001342773438e-02 -6.6987001895904541e-01 - <_> - - 0 -1 903 -8.1869997084140778e-03 - - 5.6366002559661865e-01 -7.6877996325492859e-02 - <_> - - 0 -1 904 3.6681000143289566e-02 - - -1.7343300580978394e-01 1.1670149564743042e+00 - <_> - - 0 -1 905 -4.0220400691032410e-01 - - 1.2640819549560547e+00 4.3398998677730560e-02 - <_> - - 0 -1 906 -2.2126000374555588e-02 - - 6.6978102922439575e-01 -2.1605299413204193e-01 - <_> - - 0 -1 907 -1.3156999833881855e-02 - - -4.1198599338531494e-01 2.0215000212192535e-01 - <_> - - 0 -1 908 -1.2860000133514404e-02 - - -9.1582697629928589e-01 3.9232999086380005e-02 - <_> - - 0 -1 909 2.1627999842166901e-02 - - 3.8719999138265848e-03 3.5668200254440308e-01 - <_> - - 0 -1 910 1.1896000243723392e-02 - - -3.7303900718688965e-01 1.9235099852085114e-01 - <_> - - 0 -1 911 -1.9548999145627022e-02 - - -4.2374899983406067e-01 2.4429599940776825e-01 - <_> - - 0 -1 912 6.4444996416568756e-02 - - -1.6558900475502014e-01 1.2697030305862427e+00 - <_> - - 0 -1 913 1.0898499935865402e-01 - - 1.4894300699234009e-01 -2.1534640789031982e+00 - <_> - - 0 -1 914 -3.4077998250722885e-02 - - 1.3779460191726685e+00 -1.6198499500751495e-01 - <_> - - 0 -1 915 -3.7489999085664749e-03 - - -3.3828601241111755e-01 2.1152900159358978e-01 - <_> - - 0 -1 916 -1.0971999727189541e-02 - - 7.6517897844314575e-01 -1.9692599773406982e-01 - <_> - - 0 -1 917 -1.1485000140964985e-02 - - -6.9271200895309448e-01 2.1657100319862366e-01 - <_> - - 0 -1 918 2.5984000414609909e-02 - - -1.1983999982476234e-02 -9.9697297811508179e-01 - <_> - - 0 -1 919 4.2159999720752239e-03 - - -1.0205700248479843e-01 4.8884400725364685e-01 - <_> - - 0 -1 920 -4.7697000205516815e-02 - - 1.0666010379791260e+00 -1.7576299607753754e-01 - <_> - - 0 -1 921 4.0300001273863018e-04 - - 1.8524800240993500e-01 -7.4790000915527344e-01 - <_> - - 0 -1 922 1.1539600044488907e-01 - - -2.2019700706005096e-01 5.4509997367858887e-01 - <_> - - 0 -1 923 1.6021000221371651e-02 - - 2.5487500429153442e-01 -5.0740098953247070e-01 - <_> - - 0 -1 924 5.6632000952959061e-02 - - -1.1256000027060509e-02 -9.5968097448348999e-01 - <_> - - 0 -1 925 -1.0726000182330608e-02 - - -2.8544700145721436e-01 1.6994799673557281e-01 - <_> - - 0 -1 926 1.2420000135898590e-01 - - -3.6139998584985733e-02 -1.3132710456848145e+00 - <_> - - 0 -1 927 -5.3799999877810478e-03 - - 3.3092701435089111e-01 1.3307999819517136e-02 - <_> - - 0 -1 928 1.1908000335097313e-02 - - -3.4830299019813538e-01 2.4041900038719177e-01 - <_> - - 0 -1 929 -4.3007999658584595e-02 - - -1.4390469789505005e+00 1.5599599480628967e-01 - <_> - - 0 -1 930 -3.3149998635053635e-02 - - -1.1805850267410278e+00 -1.2347999960184097e-02 - <_> - - 0 -1 931 -2.1341999992728233e-02 - - 2.2119441032409668e+00 6.2737002968788147e-02 - <_> - - 0 -1 932 -1.2218999676406384e-02 - - -1.8709750175476074e+00 -4.5499999076128006e-02 - <_> - - 0 -1 933 -1.6860999166965485e-02 - - -7.6912701129913330e-01 1.5330000221729279e-01 - <_> - - 0 -1 934 -2.4999999441206455e-03 - - -6.2987399101257324e-01 5.1600001752376556e-02 - <_> - - 0 -1 935 -4.5037999749183655e-02 - - 8.5428899526596069e-01 6.2600001692771912e-03 - <_> - - 0 -1 936 3.9057999849319458e-02 - - -3.2458998262882233e-02 -1.3325669765472412e+00 - <_> - - 0 -1 937 6.6720000468194485e-03 - - -1.9423599541187286e-01 3.7328699231147766e-01 - <_> - - 0 -1 938 -1.6361000016331673e-02 - - 2.0605869293212891e+00 -1.5042699873447418e-01 - <_> - - 0 -1 939 6.1719999648630619e-03 - - -1.1610999703407288e-01 2.5455400347709656e-01 - <_> - - 0 -1 940 4.5722000300884247e-02 - - -1.6340000554919243e-02 -1.0449140071868896e+00 - <_> - - 0 -1 941 4.1209999471902847e-03 - - -4.1997998952865601e-02 3.9680999517440796e-01 - <_> - - 0 -1 942 -1.7800000205170363e-04 - - -6.6422599554061890e-01 3.3443000167608261e-02 - <_> - - 0 -1 943 7.1109998971223831e-03 - - -5.8231998234987259e-02 3.7857300043106079e-01 - <_> - - 0 -1 944 -4.9864001572132111e-02 - - 6.1019402742385864e-01 -2.1005700528621674e-01 - <_> - - 0 -1 945 -2.5011999532580376e-02 - - -5.7100099325180054e-01 1.7848399281501770e-01 - <_> - - 0 -1 946 3.0939999967813492e-02 - - 5.6363001465797424e-02 -6.4731001853942871e-01 - <_> - - 0 -1 947 4.6271000057458878e-02 - - 1.7482399940490723e-01 -9.8909401893615723e-01 - <_> - - 0 -1 948 -3.1870000530034304e-03 - - -6.6804802417755127e-01 3.2267000526189804e-02 - <_> - - 0 -1 949 -2.4351999163627625e-02 - - 2.9444900155067444e-01 -1.3599999947473407e-03 - <_> - - 0 -1 950 1.1974000371992588e-02 - - -2.8345099091529846e-01 4.7171199321746826e-01 - <_> - - 0 -1 951 1.3070000335574150e-02 - - -1.0834600031375885e-01 5.7193297147750854e-01 - <_> - - 0 -1 952 5.9163000434637070e-02 - - -5.0939001142978668e-02 -1.9059720039367676e+00 - <_> - - 0 -1 953 -4.1094999760389328e-02 - - 4.5104598999023438e-01 -9.7599998116493225e-03 - <_> - - 0 -1 954 -8.3989001810550690e-02 - - -2.0349199771881104e+00 -5.1019001752138138e-02 - <_> - - 0 -1 955 4.4619001448154449e-02 - - 1.7041100561618805e-01 -1.2278720140457153e+00 - <_> - - 0 -1 956 2.4419000372290611e-02 - - -2.1796999499201775e-02 -1.0822949409484863e+00 - <_> - - 0 -1 957 -4.3870001100003719e-03 - - 3.0466699600219727e-01 -3.7066599726676941e-01 - <_> - - 0 -1 958 2.4607999250292778e-02 - - -3.1169500946998596e-01 2.3657299578189850e-01 - <_> - - 0 -1 959 -8.5182003676891327e-02 - - -1.7982350587844849e+00 1.5254299342632294e-01 - <_> - - 0 -1 960 2.1844999864697456e-02 - - -5.1888000220060349e-02 -1.9017189741134644e+00 - <_> - - 0 -1 961 -1.6829000785946846e-02 - - 2.1025900542736053e-01 2.1656999364495277e-02 - <_> - - 0 -1 962 3.2547999173402786e-02 - - -2.0292599499225616e-01 6.0944002866744995e-01 - <_> - - 0 -1 963 2.4709999561309814e-03 - - -9.5371198654174805e-01 1.8568399548530579e-01 - <_> - - 0 -1 964 5.5415999144315720e-02 - - -1.4405299723148346e-01 2.1506340503692627e+00 - <_> - - 0 -1 965 -1.0635499656200409e-01 - - -1.0911970138549805e+00 1.3228000700473785e-01 - <_> - - 0 -1 966 -7.9889995977282524e-03 - - 1.0253400355577469e-01 -5.1744902133941650e-01 - <_> - - 0 -1 967 7.5567997992038727e-02 - - 5.8965001255273819e-02 1.2354209423065186e+00 - <_> - - 0 -1 968 -9.2805996537208557e-02 - - -1.3431650400161743e+00 -3.4462999552488327e-02 - <_> - - 0 -1 969 4.9431998282670975e-02 - - 4.9601998180150986e-02 1.6054730415344238e+00 - <_> - - 0 -1 970 -1.1772999539971352e-02 - - -1.0261050462722778e+00 -4.1559999808669090e-03 - <_> - - 0 -1 971 8.5886001586914062e-02 - - 8.4642998874187469e-02 9.5220798254013062e-01 - <_> - - 0 -1 972 8.1031002104282379e-02 - - -1.4687100052833557e-01 1.9359990358352661e+00 - <_> - 136 - -3.4265899658203125e+00 - - <_> - - 0 -1 973 -3.3840999007225037e-02 - - 6.5889501571655273e-01 -6.9755297899246216e-01 - <_> - - 0 -1 974 1.5410000458359718e-02 - - -9.0728402137756348e-01 3.0478599667549133e-01 - <_> - - 0 -1 975 5.4905999451875687e-02 - - -4.9774798750877380e-01 5.7132601737976074e-01 - <_> - - 0 -1 976 2.1390000358223915e-02 - - -4.2565199732780457e-01 5.8096802234649658e-01 - <_> - - 0 -1 977 7.8849997371435165e-03 - - -4.7905999422073364e-01 4.3016499280929565e-01 - <_> - - 0 -1 978 -3.7544999271631241e-02 - - 5.0861597061157227e-01 -1.9985899329185486e-01 - <_> - - 0 -1 979 1.5925799310207367e-01 - - -2.3263600468635559e-01 1.0993319749832153e+00 - <_> - - 0 -1 980 -6.8939998745918274e-02 - - 4.0569001436233521e-01 5.6855000555515289e-02 - <_> - - 0 -1 981 -3.3695001155138016e-02 - - 4.5132800936698914e-01 -3.3332800865173340e-01 - <_> - - 0 -1 982 -6.3314996659755707e-02 - - -8.5015702247619629e-01 2.2341699898242950e-01 - <_> - - 0 -1 983 7.3699997738003731e-03 - - -9.3082201480865479e-01 5.9216998517513275e-02 - <_> - - 0 -1 984 -9.5969997346401215e-03 - - -1.2794899940490723e+00 1.8447299301624298e-01 - <_> - - 0 -1 985 -1.3067999482154846e-01 - - 5.8426898717880249e-01 -2.6007199287414551e-01 - <_> - - 0 -1 986 5.7402998208999634e-02 - - -5.3789000958204269e-02 7.1175599098205566e-01 - <_> - - 0 -1 987 -7.2340001352131367e-03 - - -8.6962199211120605e-01 7.5214996933937073e-02 - <_> - - 0 -1 988 3.1098999083042145e-02 - - -7.5006999075412750e-02 9.0781599283218384e-01 - <_> - - 0 -1 989 3.5854000598192215e-02 - - -2.4795499444007874e-01 7.2272098064422607e-01 - <_> - - 0 -1 990 -3.1534999608993530e-02 - - -1.1238329410552979e+00 2.0988300442695618e-01 - <_> - - 0 -1 991 -1.9437000155448914e-02 - - -1.4499390125274658e+00 -1.5100000426173210e-02 - <_> - - 0 -1 992 -7.2420001961290836e-03 - - 5.3864902257919312e-01 -1.1375399678945541e-01 - <_> - - 0 -1 993 8.1639997661113739e-03 - - 6.6889002919197083e-02 -7.6872897148132324e-01 - <_> - - 0 -1 994 -4.3653000146150589e-02 - - 1.1413530111312866e+00 4.0217000991106033e-02 - <_> - - 0 -1 995 2.6569999754428864e-02 - - -2.4719099700450897e-01 5.9295099973678589e-01 - <_> - - 0 -1 996 3.2216999679803848e-02 - - -4.0024999529123306e-02 3.2688000798225403e-01 - <_> - - 0 -1 997 -7.2236001491546631e-02 - - 5.8729398250579834e-01 -2.5396001338958740e-01 - <_> - - 0 -1 998 3.1424999237060547e-02 - - 1.5315100550651550e-01 -5.6042098999023438e-01 - <_> - - 0 -1 999 -4.7699999413453043e-04 - - 1.6958899796009064e-01 -5.2626699209213257e-01 - <_> - - 0 -1 1000 2.7189999818801880e-03 - - -1.4944599568843842e-01 2.9658699035644531e-01 - <_> - - 0 -1 1001 3.2875001430511475e-02 - - -3.9943501353263855e-01 2.5156599283218384e-01 - <_> - - 0 -1 1002 -1.4553000219166279e-02 - - 2.7972599864006042e-01 -4.7203800082206726e-01 - <_> - - 0 -1 1003 3.8017999380826950e-02 - - -2.9200001154094934e-03 -1.1300059556961060e+00 - <_> - - 0 -1 1004 2.8659999370574951e-03 - - 4.1111800074577332e-01 -2.6220801472663879e-01 - <_> - - 0 -1 1005 -4.1606999933719635e-02 - - -1.4293819665908813e+00 -1.9132999703288078e-02 - <_> - - 0 -1 1006 -2.4802999570965767e-02 - - -2.5013598799705505e-01 1.5978699922561646e-01 - <_> - - 0 -1 1007 1.0098000057041645e-02 - - 4.3738998472690582e-02 -6.9986099004745483e-01 - <_> - - 0 -1 1008 -2.0947000011801720e-02 - - -9.4137799739837646e-01 2.3204000294208527e-01 - <_> - - 0 -1 1009 2.2458000108599663e-02 - - -2.7185800671577454e-01 4.5319199562072754e-01 - <_> - - 0 -1 1010 -3.7110999226570129e-02 - - -1.0314660072326660e+00 1.4421799778938293e-01 - <_> - - 0 -1 1011 -1.0648000054061413e-02 - - 6.3107001781463623e-01 -2.5520798563957214e-01 - <_> - - 0 -1 1012 5.5422998964786530e-02 - - 1.6206599771976471e-01 -1.7722640037536621e+00 - <_> - - 0 -1 1013 2.1601999178528786e-02 - - -2.5016099214553833e-01 5.4119801521301270e-01 - <_> - - 0 -1 1014 8.7000000348780304e-05 - - -2.9008901119232178e-01 3.3507999777793884e-01 - <_> - - 0 -1 1015 1.4406000263988972e-02 - - -7.8840004280209541e-03 -1.1677219867706299e+00 - <_> - - 0 -1 1016 1.0777399688959122e-01 - - 1.1292000114917755e-01 -2.4940319061279297e+00 - <_> - - 0 -1 1017 3.5943999886512756e-02 - - -1.9480599462985992e-01 9.5757502317428589e-01 - <_> - - 0 -1 1018 -3.9510000497102737e-03 - - 3.0927801132202148e-01 -2.5530201196670532e-01 - <_> - - 0 -1 1019 2.0942000672221184e-02 - - -7.6319999061524868e-03 -1.0086350440979004e+00 - <_> - - 0 -1 1020 -2.9877999797463417e-02 - - -4.6027699112892151e-01 1.9507199525833130e-01 - <_> - - 0 -1 1021 2.5971999391913414e-02 - - -1.2187999673187733e-02 -1.0035500526428223e+00 - <_> - - 0 -1 1022 1.0603000409901142e-02 - - -7.5969003140926361e-02 4.1669899225234985e-01 - <_> - - 0 -1 1023 8.5819996893405914e-03 - - -2.6648598909378052e-01 3.9111500978469849e-01 - <_> - - 0 -1 1024 2.1270999684929848e-02 - - 1.8273900449275970e-01 -3.6052298545837402e-01 - <_> - - 0 -1 1025 7.4518002569675446e-02 - - -1.8938399851322174e-01 9.2658001184463501e-01 - <_> - - 0 -1 1026 4.6569998376071453e-03 - - -1.4506199955940247e-01 3.3294600248336792e-01 - <_> - - 0 -1 1027 1.7119999974966049e-03 - - -5.2464002370834351e-01 8.9879997074604034e-02 - <_> - - 0 -1 1028 9.8500004969537258e-04 - - -3.8381999731063843e-01 2.4392999708652496e-01 - <_> - - 0 -1 1029 2.8233999386429787e-02 - - -5.7879998348653316e-03 -1.2617139816284180e+00 - <_> - - 0 -1 1030 -3.2678000628948212e-02 - - -5.7953298091888428e-01 1.6955299675464630e-01 - <_> - - 0 -1 1031 2.2536000236868858e-02 - - 2.2281000390648842e-02 -8.7869602441787720e-01 - <_> - - 0 -1 1032 -2.1657999604940414e-02 - - -6.5108501911163330e-01 1.2966899573802948e-01 - <_> - - 0 -1 1033 7.6799998059868813e-03 - - -3.3965200185775757e-01 2.2013300657272339e-01 - <_> - - 0 -1 1034 1.4592000283300877e-02 - - 1.5077300369739532e-01 -5.0452399253845215e-01 - <_> - - 0 -1 1035 2.7868000790476799e-02 - - -2.5045299530029297e-01 4.5741999149322510e-01 - <_> - - 0 -1 1036 5.6940000504255295e-03 - - -1.0948500037193298e-01 5.5757802724838257e-01 - <_> - - 0 -1 1037 -1.0002999566495419e-02 - - -9.7366297245025635e-01 1.8467999994754791e-02 - <_> - - 0 -1 1038 -4.0719998069107533e-03 - - 3.8222199678421021e-01 -1.6921100020408630e-01 - <_> - - 0 -1 1039 -2.2593999281525612e-02 - - -1.0391089916229248e+00 5.1839998923242092e-03 - <_> - - 0 -1 1040 -3.9579998701810837e-02 - - -5.5109229087829590e+00 1.1163999885320663e-01 - <_> - - 0 -1 1041 -1.7537999898195267e-02 - - 9.5485800504684448e-01 -1.8584500253200531e-01 - <_> - - 0 -1 1042 9.0300003066658974e-03 - - 1.0436000302433968e-02 8.2114797830581665e-01 - <_> - - 0 -1 1043 -7.9539995640516281e-03 - - 2.2632899880409241e-01 -3.4568199515342712e-01 - <_> - - 0 -1 1044 2.7091000229120255e-02 - - 1.6430099308490753e-01 -1.3926379680633545e+00 - <_> - - 0 -1 1045 -2.0625999197363853e-02 - - -8.6366099119186401e-01 2.3880000226199627e-03 - <_> - - 0 -1 1046 -7.1989998221397400e-02 - - -2.8192629814147949e+00 1.1570499837398529e-01 - <_> - - 0 -1 1047 -2.6964999735355377e-02 - - -1.2946130037307739e+00 -2.4661000818014145e-02 - <_> - - 0 -1 1048 -4.7377999871969223e-02 - - -8.1306397914886475e-01 1.1831399798393250e-01 - <_> - - 0 -1 1049 -1.0895600169897079e-01 - - 6.5937900543212891e-01 -2.0843900740146637e-01 - <_> - - 0 -1 1050 1.3574000447988510e-02 - - 7.4240001849830151e-03 5.3152197599411011e-01 - <_> - - 0 -1 1051 -6.6920001991093159e-03 - - 3.0655801296234131e-01 -3.1084299087524414e-01 - <_> - - 0 -1 1052 -3.9070001803338528e-03 - - 2.5576499104499817e-01 -5.2932001650333405e-02 - <_> - - 0 -1 1053 -3.7613000720739365e-02 - - -1.4350049495697021e+00 -1.5448000282049179e-02 - <_> - - 0 -1 1054 8.6329998448491096e-03 - - -1.6884399950504303e-01 4.2124900221824646e-01 - <_> - - 0 -1 1055 -3.2097000628709793e-02 - - -6.4979398250579834e-01 4.1110001504421234e-02 - <_> - - 0 -1 1056 5.8495998382568359e-02 - - -5.2963998168706894e-02 6.3368302583694458e-01 - <_> - - 0 -1 1057 -4.0901999920606613e-02 - - -9.2101097106933594e-01 9.0640000998973846e-03 - <_> - - 0 -1 1058 -1.9925000146031380e-02 - - 5.3759998083114624e-01 -6.2996998429298401e-02 - <_> - - 0 -1 1059 -4.6020001173019409e-03 - - -5.4333502054214478e-01 8.4104999899864197e-02 - <_> - - 0 -1 1060 1.6824999824166298e-02 - - 1.5563699603080750e-01 -4.0171200037002563e-01 - <_> - - 0 -1 1061 9.4790002331137657e-03 - - -2.4245299398899078e-01 5.1509499549865723e-01 - <_> - - 0 -1 1062 -1.9534999504685402e-02 - - -5.1118397712707520e-01 1.3831999897956848e-01 - <_> - - 0 -1 1063 1.0746000334620476e-02 - - -2.1854999661445618e-01 6.2828701734542847e-01 - <_> - - 0 -1 1064 3.7927001714706421e-02 - - 1.1640299856662750e-01 -2.7301959991455078e+00 - <_> - - 0 -1 1065 1.6390999779105186e-02 - - -1.4635999687016010e-02 -1.0797250270843506e+00 - <_> - - 0 -1 1066 -1.9785000011324883e-02 - - 1.2166420221328735e+00 3.3275000751018524e-02 - <_> - - 0 -1 1067 1.1067000217735767e-02 - - -2.5388300418853760e-01 4.4038599729537964e-01 - <_> - - 0 -1 1068 5.2479999139904976e-03 - - 2.2496800124645233e-01 -2.4216499924659729e-01 - <_> - - 0 -1 1069 -1.1141999624669552e-02 - - 2.5018098950386047e-01 -3.0811500549316406e-01 - <_> - - 0 -1 1070 -1.0666999965906143e-02 - - -3.2729101181030273e-01 2.6168298721313477e-01 - <_> - - 0 -1 1071 1.0545299947261810e-01 - - -5.5750001221895218e-02 -1.9605729579925537e+00 - <_> - - 0 -1 1072 5.4827999323606491e-02 - - -1.9519999623298645e-03 7.3866099119186401e-01 - <_> - - 0 -1 1073 1.7760999500751495e-02 - - -3.0647200345993042e-01 2.6346999406814575e-01 - <_> - - 0 -1 1074 -3.1185999512672424e-02 - - -2.4600900709629059e-01 1.7082199454307556e-01 - <_> - - 0 -1 1075 -5.7296000421047211e-02 - - 4.7033500671386719e-01 -2.6048299670219421e-01 - <_> - - 0 -1 1076 -1.1312000453472137e-02 - - 3.8628900051116943e-01 -2.8817000985145569e-01 - <_> - - 0 -1 1077 3.0592000111937523e-02 - - -4.8826001584529877e-02 -1.7638969421386719e+00 - <_> - - 0 -1 1078 1.8489999929443002e-03 - - 2.1099899709224701e-01 -2.5940999388694763e-02 - <_> - - 0 -1 1079 1.1419000104069710e-02 - - -1.6829599440097809e-01 1.0278660058975220e+00 - <_> - - 0 -1 1080 8.1403002142906189e-02 - - 1.1531999707221985e-01 -1.2482399940490723e+00 - <_> - - 0 -1 1081 5.3495999425649643e-02 - - -4.6303998678922653e-02 -1.7165969610214233e+00 - <_> - - 0 -1 1082 -2.3948000743985176e-02 - - -4.0246599912643433e-01 2.0562100410461426e-01 - <_> - - 0 -1 1083 6.7690000869333744e-03 - - -3.3152300119400024e-01 2.0683400332927704e-01 - <_> - - 0 -1 1084 -3.2343998551368713e-02 - - -7.2632801532745361e-01 2.0073500275611877e-01 - <_> - - 0 -1 1085 3.7863001227378845e-02 - - -1.5631000697612762e-01 1.6697460412979126e+00 - <_> - - 0 -1 1086 1.5440000221133232e-02 - - 1.9487400352954865e-01 -3.5384199023246765e-01 - <_> - - 0 -1 1087 -4.4376000761985779e-02 - - 8.2093602418899536e-01 -1.8193599581718445e-01 - <_> - - 0 -1 1088 -2.3102000355720520e-02 - - -4.3044099211692810e-01 1.2375400215387344e-01 - <_> - - 0 -1 1089 1.9400000572204590e-02 - - -2.9726000502705574e-02 -1.1597590446472168e+00 - <_> - - 0 -1 1090 1.0385700315237045e-01 - - 1.1149899661540985e-01 -4.6835222244262695e+00 - <_> - - 0 -1 1091 -1.8964000046253204e-02 - - 2.1773819923400879e+00 -1.4544400572776794e-01 - <_> - - 0 -1 1092 3.8750998675823212e-02 - - -4.9446001648902893e-02 3.4018298983573914e-01 - <_> - - 0 -1 1093 2.2766999900341034e-02 - - -3.2802999019622803e-01 3.0531400442123413e-01 - <_> - - 0 -1 1094 -3.1357001513242722e-02 - - 1.1520819664001465e+00 2.7305999770760536e-02 - <_> - - 0 -1 1095 9.6909999847412109e-03 - - -3.8799500465393066e-01 2.1512599289417267e-01 - <_> - - 0 -1 1096 -4.9284998327493668e-02 - - -1.6774909496307373e+00 1.5774199366569519e-01 - <_> - - 0 -1 1097 -3.9510998874902725e-02 - - -9.7647899389266968e-01 -1.0552000254392624e-02 - <_> - - 0 -1 1098 4.7997999936342239e-02 - - 2.0843900740146637e-01 -6.8992799520492554e-01 - <_> - - 0 -1 1099 5.1422998309135437e-02 - - -1.6665300726890564e-01 1.2149239778518677e+00 - <_> - - 0 -1 1100 1.4279999770224094e-02 - - 2.3627699911594391e-01 -4.1396799683570862e-01 - <_> - - 0 -1 1101 -9.1611996293067932e-02 - - -9.2830902338027954e-01 -1.8345000222325325e-02 - <_> - - 0 -1 1102 6.5080001950263977e-03 - - -7.3647201061248779e-01 1.9497099518775940e-01 - <_> - - 0 -1 1103 3.5723000764846802e-02 - - 1.4197799563407898e-01 -4.2089301347732544e-01 - <_> - - 0 -1 1104 5.0638001412153244e-02 - - 1.1644000187516212e-02 7.8486597537994385e-01 - <_> - - 0 -1 1105 -1.4613999985158443e-02 - - -1.1909500360488892e+00 -3.5128001123666763e-02 - <_> - - 0 -1 1106 -3.8662999868392944e-02 - - 2.4314730167388916e+00 6.5647996962070465e-02 - <_> - - 0 -1 1107 -4.0346998721361160e-02 - - 7.1755301952362061e-01 -1.9108299911022186e-01 - <_> - - 0 -1 1108 2.3902000859379768e-02 - - 1.5646199882030487e-01 -7.9294800758361816e-01 - <_> - 137 - -3.5125269889831543e+00 - - <_> - - 0 -1 1109 8.5640000179409981e-03 - - -8.1450700759887695e-01 5.8875298500061035e-01 - <_> - - 0 -1 1110 -1.3292600214481354e-01 - - 9.3213397264480591e-01 -2.9367300868034363e-01 - <_> - - 0 -1 1111 9.8400004208087921e-03 - - -5.6462901830673218e-01 4.1647699475288391e-01 - <_> - - 0 -1 1112 5.0889998674392700e-03 - - -7.9232800006866455e-01 1.6975000500679016e-01 - <_> - - 0 -1 1113 -6.1039000749588013e-02 - - -1.4169000387191772e+00 2.5020999833941460e-02 - <_> - - 0 -1 1114 -4.6599999768659472e-04 - - 3.7982499599456787e-01 -4.1567099094390869e-01 - <_> - - 0 -1 1115 3.3889999613165855e-03 - - -4.0768599510192871e-01 3.5548499226570129e-01 - <_> - - 0 -1 1116 2.1006999537348747e-02 - - -2.4080100655555725e-01 8.6112701892852783e-01 - <_> - - 0 -1 1117 7.5559997931122780e-03 - - -8.7467199563980103e-01 9.8572000861167908e-02 - <_> - - 0 -1 1118 2.4779999628663063e-02 - - 1.5566200017929077e-01 -6.9229799509048462e-01 - <_> - - 0 -1 1119 -3.5620000213384628e-02 - - -1.1472270488739014e+00 3.6359999328851700e-02 - <_> - - 0 -1 1120 1.9810000434517860e-02 - - 1.5516200661659241e-01 -6.9520097970962524e-01 - <_> - - 0 -1 1121 1.5019999817013741e-02 - - 4.1990000754594803e-02 -9.6622800827026367e-01 - <_> - - 0 -1 1122 -2.3137999698519707e-02 - - 4.3396899104118347e-01 2.4160000029951334e-03 - <_> - - 0 -1 1123 -1.8743000924587250e-02 - - 4.3481099605560303e-01 -3.2522499561309814e-01 - <_> - - 0 -1 1124 4.5080000162124634e-01 - - -9.4573996961116791e-02 7.2421300411224365e-01 - <_> - - 0 -1 1125 1.1854999698698521e-02 - - -3.8133099675178528e-01 3.0098399519920349e-01 - <_> - - 0 -1 1126 -2.4830000475049019e-02 - - 8.9300602674484253e-01 -1.0295899957418442e-01 - <_> - - 0 -1 1127 -4.4743001461029053e-02 - - 8.6280298233032227e-01 -2.1716499328613281e-01 - <_> - - 0 -1 1128 -1.4600000344216824e-02 - - 6.0069400072097778e-01 -1.5906299650669098e-01 - <_> - - 0 -1 1129 -2.4527000263333321e-02 - - -1.5872869491577148e+00 -2.1817000582814217e-02 - <_> - - 0 -1 1130 2.3024000227451324e-02 - - 1.6853399574756622e-01 -3.8106900453567505e-01 - <_> - - 0 -1 1131 -2.4917000904679298e-02 - - 5.0810897350311279e-01 -2.7279898524284363e-01 - <_> - - 0 -1 1132 1.0130000300705433e-03 - - -4.3138799071311951e-01 2.6438099145889282e-01 - <_> - - 0 -1 1133 1.5603000298142433e-02 - - -3.1624200940132141e-01 5.5715900659561157e-01 - <_> - - 0 -1 1134 -2.6685999706387520e-02 - - 1.0553920269012451e+00 2.9074000194668770e-02 - <_> - - 0 -1 1135 1.3940000208094716e-03 - - -7.1873801946640015e-01 6.5390996634960175e-02 - <_> - - 0 -1 1136 -6.4799998654052615e-04 - - 2.4884399771690369e-01 -2.0978200435638428e-01 - <_> - - 0 -1 1137 -3.1888000667095184e-02 - - -6.8844497203826904e-01 6.3589997589588165e-02 - <_> - - 0 -1 1138 -4.9290000461041927e-03 - - -5.9152501821517944e-01 2.7943599224090576e-01 - <_> - - 0 -1 1139 3.1168000772595406e-02 - - 4.5223999768495560e-02 -8.8639199733734131e-01 - <_> - - 0 -1 1140 -3.3663000911474228e-02 - - -6.1590200662612915e-01 1.5749299526214600e-01 - <_> - - 0 -1 1141 1.1966999620199203e-02 - - -3.0606698989868164e-01 4.2293301224708557e-01 - <_> - - 0 -1 1142 -3.4680001437664032e-02 - - -1.3734940290451050e+00 1.5908700227737427e-01 - <_> - - 0 -1 1143 9.9290004000067711e-03 - - -5.5860197544097900e-01 1.2119200080633163e-01 - <_> - - 0 -1 1144 5.9574998915195465e-02 - - 4.9720001406967640e-03 8.2055401802062988e-01 - <_> - - 0 -1 1145 -6.5428003668785095e-02 - - 1.5651429891586304e+00 -1.6817499697208405e-01 - <_> - - 0 -1 1146 -9.2895999550819397e-02 - - -1.5794529914855957e+00 1.4661799371242523e-01 - <_> - - 0 -1 1147 -4.1184000670909882e-02 - - -1.5518720149993896e+00 -2.9969999566674232e-02 - <_> - - 0 -1 1148 2.1447999402880669e-02 - - 1.7196300625801086e-01 -6.9343197345733643e-01 - <_> - - 0 -1 1149 -2.5569999590516090e-02 - - -1.3061310052871704e+00 -2.4336999282240868e-02 - <_> - - 0 -1 1150 -4.1200999170541763e-02 - - -1.3821059465408325e+00 1.4801800251007080e-01 - <_> - - 0 -1 1151 -1.7668999731540680e-02 - - -7.0889997482299805e-01 3.6524001508951187e-02 - <_> - - 0 -1 1152 9.0060001239180565e-03 - - -4.0913999080657959e-02 8.0373102426528931e-01 - <_> - - 0 -1 1153 -1.1652999557554722e-02 - - 5.7546800374984741e-01 -2.4991700053215027e-01 - <_> - - 0 -1 1154 -7.4780001305043697e-03 - - -4.9280899763107300e-01 1.9810900092124939e-01 - <_> - - 0 -1 1155 8.5499999113380909e-04 - - -4.8858100175857544e-01 1.3563099503517151e-01 - <_> - - 0 -1 1156 -3.0538000166416168e-02 - - -6.0278397798538208e-01 1.8522000312805176e-01 - <_> - - 0 -1 1157 -1.8846999853849411e-02 - - 2.3565599322319031e-01 -3.5136300325393677e-01 - <_> - - 0 -1 1158 -8.1129996106028557e-03 - - -8.1304997205734253e-02 2.1069599688053131e-01 - <_> - - 0 -1 1159 -3.4830000251531601e-02 - - -1.2065670490264893e+00 -1.4251999557018280e-02 - <_> - - 0 -1 1160 1.9021000713109970e-02 - - 2.3349900543689728e-01 -4.5664900541305542e-01 - <_> - - 0 -1 1161 -1.9004000350832939e-02 - - -8.1075799465179443e-01 1.3140000402927399e-02 - <_> - - 0 -1 1162 -8.9057996869087219e-02 - - 6.1542397737503052e-01 3.2983001321554184e-02 - <_> - - 0 -1 1163 6.8620000965893269e-03 - - -2.9583099484443665e-01 2.7003699541091919e-01 - <_> - - 0 -1 1164 -2.8240999206900597e-02 - - -6.1102700233459473e-01 1.7357499897480011e-01 - <_> - - 0 -1 1165 -3.2099999953061342e-04 - - -5.3322899341583252e-01 6.8539001047611237e-02 - <_> - - 0 -1 1166 -1.0829100012779236e-01 - - -1.2879559993743896e+00 1.1801700294017792e-01 - <_> - - 0 -1 1167 1.5878999605774879e-02 - - -1.7072600126266479e-01 1.1103910207748413e+00 - <_> - - 0 -1 1168 8.6859995499253273e-03 - - -1.0995099693536758e-01 4.6010500192642212e-01 - <_> - - 0 -1 1169 -2.5234999135136604e-02 - - 1.0220669507980347e+00 -1.8694299459457397e-01 - <_> - - 0 -1 1170 -1.3508999720215797e-02 - - -7.8316599130630493e-01 1.4202600717544556e-01 - <_> - - 0 -1 1171 -7.7149998396635056e-03 - - -8.8060700893402100e-01 1.1060000397264957e-02 - <_> - - 0 -1 1172 7.1580000221729279e-02 - - 1.1369399726390839e-01 -1.1032789945602417e+00 - <_> - - 0 -1 1173 -1.3554000295698643e-02 - - -8.1096500158309937e-01 3.4080001059919596e-03 - <_> - - 0 -1 1174 2.9450000729411840e-03 - - -7.2879999876022339e-02 3.4998100996017456e-01 - <_> - - 0 -1 1175 -5.0833001732826233e-02 - - -1.2868590354919434e+00 -2.8842000290751457e-02 - <_> - - 0 -1 1176 -8.7989997118711472e-03 - - 4.7613599896430969e-01 -1.4690400660037994e-01 - <_> - - 0 -1 1177 2.1424399316310883e-01 - - -5.9702001512050629e-02 -2.4802260398864746e+00 - <_> - - 0 -1 1178 1.3962999917566776e-02 - - 1.7420299351215363e-01 -4.3911001086235046e-01 - <_> - - 0 -1 1179 4.2502000927925110e-02 - - -1.9965299963951111e-01 7.0654797554016113e-01 - <_> - - 0 -1 1180 1.9827999174594879e-02 - - -6.9136001169681549e-02 6.1643397808074951e-01 - <_> - - 0 -1 1181 -3.3560000360012054e-02 - - -1.2740780115127563e+00 -2.5673000141978264e-02 - <_> - - 0 -1 1182 6.3542999327182770e-02 - - 1.2403500080108643e-01 -1.0776289701461792e+00 - <_> - - 0 -1 1183 2.1933000534772873e-02 - - 1.4952000230550766e-02 -7.1023499965667725e-01 - <_> - - 0 -1 1184 -7.8424997627735138e-02 - - 6.2033998966217041e-01 3.3610999584197998e-02 - <_> - - 0 -1 1185 1.4390000142157078e-02 - - -3.6324599385261536e-01 1.7308300733566284e-01 - <_> - - 0 -1 1186 -6.7309997975826263e-02 - - 5.2374100685119629e-01 1.2799999676644802e-02 - <_> - - 0 -1 1187 1.3047499954700470e-01 - - -1.7122499644756317e-01 1.1235200166702271e+00 - <_> - - 0 -1 1188 -4.6245999634265900e-02 - - -1.1908329725265503e+00 1.7425599694252014e-01 - <_> - - 0 -1 1189 -2.9842000454664230e-02 - - 8.3930599689483643e-01 -1.8064199388027191e-01 - <_> - - 0 -1 1190 -3.8099999073892832e-04 - - 3.5532799363136292e-01 -2.3842300474643707e-01 - <_> - - 0 -1 1191 -2.2378999739885330e-02 - - -8.7943899631500244e-01 -7.8399997437372804e-04 - <_> - - 0 -1 1192 -1.5569999814033508e-03 - - -1.4253300428390503e-01 2.5876200199127197e-01 - <_> - - 0 -1 1193 1.2013000436127186e-02 - - -2.9015499353408813e-01 2.6051101088523865e-01 - <_> - - 0 -1 1194 2.4384999647736549e-02 - - -3.1438998878002167e-02 5.8695900440216064e-01 - <_> - - 0 -1 1195 -4.7180999070405960e-02 - - 6.9430100917816162e-01 -2.1816100180149078e-01 - <_> - - 0 -1 1196 -2.4893999099731445e-02 - - -6.4599299430847168e-01 1.5611599385738373e-01 - <_> - - 0 -1 1197 2.1944999694824219e-02 - - -2.7742000296711922e-02 -1.1346880197525024e+00 - <_> - - 0 -1 1198 1.8809899687767029e-01 - - -1.0076000355184078e-02 1.2429029941558838e+00 - <_> - - 0 -1 1199 -7.7872000634670258e-02 - - 8.5008001327514648e-01 -1.9015499949455261e-01 - <_> - - 0 -1 1200 -4.8769000917673111e-02 - - -2.0763080120086670e+00 1.2179400026798248e-01 - <_> - - 0 -1 1201 -1.7115000635385513e-02 - - -8.5687297582626343e-01 7.8760003671050072e-03 - <_> - - 0 -1 1202 -2.7499999850988388e-03 - - 3.8645499944686890e-01 -1.1391499638557434e-01 - <_> - - 0 -1 1203 -9.8793998360633850e-02 - - -1.7233899831771851e+00 -5.6063000112771988e-02 - <_> - - 0 -1 1204 -2.1936999633908272e-02 - - 5.4749399423599243e-01 -4.2481999844312668e-02 - <_> - - 0 -1 1205 6.1096999794244766e-02 - - -3.8945000618696213e-02 -1.0807880163192749e+00 - <_> - - 0 -1 1206 -2.4563999846577644e-02 - - 5.8311098814010620e-01 -9.7599998116493225e-04 - <_> - - 0 -1 1207 3.3752001821994781e-02 - - -1.3795999810099602e-02 -8.4730297327041626e-01 - <_> - - 0 -1 1208 3.8199000060558319e-02 - - 1.5114299952983856e-01 -7.9473400115966797e-01 - <_> - - 0 -1 1209 -2.0117999985814095e-02 - - 5.1579099893569946e-01 -2.1445399522781372e-01 - <_> - - 0 -1 1210 2.4734999984502792e-02 - - -2.2105000913143158e-02 4.2917698621749878e-01 - <_> - - 0 -1 1211 -2.4357000365853310e-02 - - -8.6201298236846924e-01 -3.6760000512003899e-03 - <_> - - 0 -1 1212 -2.6442000642418861e-02 - - -4.5397499203681946e-01 2.2462800145149231e-01 - <_> - - 0 -1 1213 -3.4429999068379402e-03 - - 1.3073000311851501e-01 -3.8622701168060303e-01 - <_> - - 0 -1 1214 1.0701700299978256e-01 - - 1.3158600032329559e-01 -7.9306900501251221e-01 - <_> - - 0 -1 1215 4.5152999460697174e-02 - - -2.5296801328659058e-01 4.0672400593757629e-01 - <_> - - 0 -1 1216 4.4349998235702515e-02 - - 2.2613000124692917e-02 7.9618102312088013e-01 - <_> - - 0 -1 1217 1.0839999886229634e-03 - - -3.9158400893211365e-01 1.1639100313186646e-01 - <_> - - 0 -1 1218 7.1433000266551971e-02 - - 8.2466997206211090e-02 1.2530590295791626e+00 - <_> - - 0 -1 1219 3.5838000476360321e-02 - - -1.8203300237655640e-01 7.7078700065612793e-01 - <_> - - 0 -1 1220 -2.0839000120759010e-02 - - -6.1744397878646851e-01 1.5891399979591370e-01 - <_> - - 0 -1 1221 4.2525801062583923e-01 - - -4.8978000879287720e-02 -1.8422030210494995e+00 - <_> - - 0 -1 1222 1.1408000253140926e-02 - - 1.7918199300765991e-01 -1.5383499860763550e-01 - <_> - - 0 -1 1223 -1.5364999882876873e-02 - - -8.4016501903533936e-01 -1.0280000278726220e-03 - <_> - - 0 -1 1224 -1.5212000347673893e-02 - - -1.8995699286460876e-01 1.7130999267101288e-01 - <_> - - 0 -1 1225 -1.8972000107169151e-02 - - -7.9541999101638794e-01 6.6800001077353954e-03 - <_> - - 0 -1 1226 -3.3330000005662441e-03 - - -2.3530800640583038e-01 2.4730099737644196e-01 - <_> - - 0 -1 1227 9.3248002231121063e-02 - - -5.4758001118898392e-02 -1.8324300050735474e+00 - <_> - - 0 -1 1228 -1.2555000372231007e-02 - - 2.6385200023651123e-01 -3.8526400923728943e-01 - <_> - - 0 -1 1229 -2.7070000767707825e-02 - - -6.6929799318313599e-01 2.0340999588370323e-02 - <_> - - 0 -1 1230 -2.3677000775933266e-02 - - 6.7265301942825317e-01 -1.4344000257551670e-02 - <_> - - 0 -1 1231 -1.4275000430643559e-02 - - 3.0186399817466736e-01 -2.8514400124549866e-01 - <_> - - 0 -1 1232 2.8096999973058701e-02 - - 1.4766000211238861e-01 -1.4078520536422729e+00 - <_> - - 0 -1 1233 5.0840001553297043e-02 - - -1.8613600730895996e-01 7.9953002929687500e-01 - <_> - - 0 -1 1234 1.1505999602377415e-02 - - 1.9118399918079376e-01 -8.5035003721714020e-02 - <_> - - 0 -1 1235 -1.4661000110208988e-02 - - 4.5239299535751343e-01 -2.2205199301242828e-01 - <_> - - 0 -1 1236 2.2842499613761902e-01 - - 1.3488399982452393e-01 -1.2894610166549683e+00 - <_> - - 0 -1 1237 1.1106900125741959e-01 - - -2.0753799378871918e-01 5.4561597108840942e-01 - <_> - - 0 -1 1238 3.2450000289827585e-03 - - 3.2053700089454651e-01 -1.6403500735759735e-01 - <_> - - 0 -1 1239 8.5309997200965881e-02 - - -2.0210500061511993e-01 5.3296798467636108e-01 - <_> - - 0 -1 1240 2.2048000246286392e-02 - - 1.5698599815368652e-01 -1.7014099657535553e-01 - <_> - - 0 -1 1241 -1.5676999464631081e-02 - - -6.2863498926162720e-01 4.0761999785900116e-02 - <_> - - 0 -1 1242 3.3112901449203491e-01 - - 1.6609300673007965e-01 -1.0326379537582397e+00 - <_> - - 0 -1 1243 8.8470000773668289e-03 - - -2.5076198577880859e-01 3.1660598516464233e-01 - <_> - - 0 -1 1244 4.6080000698566437e-02 - - 1.5352100133895874e-01 -1.6333500146865845e+00 - <_> - - 0 -1 1245 -3.7703000009059906e-02 - - 5.6873798370361328e-01 -2.0102599263191223e-01 - <_> - 159 - -3.5939640998840332e+00 - - <_> - - 0 -1 1246 -8.1808999180793762e-02 - - 5.7124799489974976e-01 -6.7438799142837524e-01 - <_> - - 0 -1 1247 2.1761199831962585e-01 - - -3.8610199093818665e-01 9.0343999862670898e-01 - <_> - - 0 -1 1248 1.4878000132739544e-02 - - 2.2241599857807159e-01 -1.2779350280761719e+00 - <_> - - 0 -1 1249 5.2434999495744705e-02 - - -2.8690400719642639e-01 7.5742298364639282e-01 - <_> - - 0 -1 1250 9.1429995372891426e-03 - - -6.4880400896072388e-01 2.2268800437450409e-01 - <_> - - 0 -1 1251 7.9169999808073044e-03 - - -2.9253599047660828e-01 3.1030198931694031e-01 - <_> - - 0 -1 1252 -2.6084000244736671e-02 - - 4.5532700419425964e-01 -3.8500601053237915e-01 - <_> - - 0 -1 1253 -2.9400000348687172e-03 - - -5.1264399290084839e-01 2.7432298660278320e-01 - <_> - - 0 -1 1254 5.7130001485347748e-02 - - 1.5788000077009201e-02 -1.2133100032806396e+00 - <_> - - 0 -1 1255 -6.1309998854994774e-03 - - 3.9174601435661316e-01 -3.0866798758506775e-01 - <_> - - 0 -1 1256 -4.0405001491308212e-02 - - 1.1901949644088745e+00 -2.0347100496292114e-01 - <_> - - 0 -1 1257 -2.0297000184655190e-02 - - -6.8239498138427734e-01 2.0458699762821198e-01 - <_> - - 0 -1 1258 -1.7188999801874161e-02 - - -8.4939897060394287e-01 3.8433000445365906e-02 - <_> - - 0 -1 1259 -2.4215999990701675e-02 - - -1.1039420366287231e+00 1.5975099802017212e-01 - <_> - - 0 -1 1260 5.6869000196456909e-02 - - -1.9595299661159515e-01 1.1806850433349609e+00 - <_> - - 0 -1 1261 3.6199999158270657e-04 - - -4.0847799181938171e-01 3.2938599586486816e-01 - <_> - - 0 -1 1262 9.9790003150701523e-03 - - -2.9673001170158386e-01 4.1547900438308716e-01 - <_> - - 0 -1 1263 -5.2625000476837158e-02 - - -1.3069299459457397e+00 1.7862600088119507e-01 - <_> - - 0 -1 1264 -1.3748999685049057e-02 - - 2.3665800690650940e-01 -4.4536599516868591e-01 - <_> - - 0 -1 1265 -3.0517000705003738e-02 - - 2.9018300771713257e-01 -1.1210100352764130e-01 - <_> - - 0 -1 1266 -3.0037501454353333e-01 - - -2.4237680435180664e+00 -4.2830999940633774e-02 - <_> - - 0 -1 1267 -3.5990998148918152e-02 - - 8.8206499814987183e-01 -4.7012999653816223e-02 - <_> - - 0 -1 1268 -5.5112000554800034e-02 - - 8.0119001865386963e-01 -2.0490999519824982e-01 - <_> - - 0 -1 1269 3.3762000501155853e-02 - - 1.4617599546909332e-01 -1.1349489688873291e+00 - <_> - - 0 -1 1270 -8.2710003480315208e-03 - - -8.1604897975921631e-01 1.8988000229001045e-02 - <_> - - 0 -1 1271 -5.4399999789893627e-03 - - -7.0980900526046753e-01 2.2343699634075165e-01 - <_> - - 0 -1 1272 3.1059999018907547e-03 - - -7.2808599472045898e-01 4.0224999189376831e-02 - <_> - - 0 -1 1273 5.3651999682188034e-02 - - 1.7170900106430054e-01 -1.1163710355758667e+00 - <_> - - 0 -1 1274 -1.2541399896144867e-01 - - 2.7680370807647705e+00 -1.4611500501632690e-01 - <_> - - 0 -1 1275 9.2542000114917755e-02 - - 1.1609800159931183e-01 -3.9635529518127441e+00 - <_> - - 0 -1 1276 3.8513999432325363e-02 - - -7.6399999670684338e-03 -9.8780900239944458e-01 - <_> - - 0 -1 1277 -2.0200000144541264e-03 - - 2.3059999942779541e-01 -7.4970299005508423e-01 - <_> - - 0 -1 1278 9.7599998116493225e-03 - - -3.1137999892234802e-01 3.0287799239158630e-01 - <_> - - 0 -1 1279 2.4095000699162483e-02 - - -4.9529999494552612e-02 5.2690100669860840e-01 - <_> - - 0 -1 1280 -1.7982000485062599e-02 - - -1.1610640287399292e+00 -5.7000000961124897e-03 - <_> - - 0 -1 1281 -1.0555000044405460e-02 - - -2.7189099788665771e-01 2.3597699403762817e-01 - <_> - - 0 -1 1282 -7.2889998555183411e-03 - - -5.4219102859497070e-01 8.1914000213146210e-02 - <_> - - 0 -1 1283 2.3939000442624092e-02 - - 1.7975799739360809e-01 -6.7049497365951538e-01 - <_> - - 0 -1 1284 -1.8365999683737755e-02 - - 6.2664300203323364e-01 -2.0970100164413452e-01 - <_> - - 0 -1 1285 1.5715999528765678e-02 - - 2.4193699657917023e-01 -1.0444309711456299e+00 - <_> - - 0 -1 1286 -4.8804000020027161e-02 - - -9.4060599803924561e-01 -3.7519999314099550e-03 - <_> - - 0 -1 1287 6.7130001261830330e-03 - - -7.5432002544403076e-02 6.1575299501419067e-01 - <_> - - 0 -1 1288 9.7770001739263535e-03 - - 3.9285000413656235e-02 -8.4810298681259155e-01 - <_> - - 0 -1 1289 1.4744999818503857e-02 - - 1.6968999803066254e-01 -5.0906401872634888e-01 - <_> - - 0 -1 1290 9.7079001367092133e-02 - - -3.3103000372648239e-02 -1.2706379890441895e+00 - <_> - - 0 -1 1291 4.8285998404026031e-02 - - 9.4329997897148132e-02 2.7203190326690674e+00 - <_> - - 0 -1 1292 9.7810002043843269e-03 - - -3.9533400535583496e-01 1.5363800525665283e-01 - <_> - - 0 -1 1293 -3.9893999695777893e-02 - - -2.2767400741577148e-01 1.3913999497890472e-01 - <_> - - 0 -1 1294 2.2848000749945641e-02 - - -2.7391999959945679e-01 3.4199500083923340e-01 - <_> - - 0 -1 1295 6.7179999314248562e-03 - - -1.0874299705028534e-01 4.8125401139259338e-01 - <_> - - 0 -1 1296 5.9599999338388443e-02 - - -4.9522001296281815e-02 -2.0117089748382568e+00 - <_> - - 0 -1 1297 6.9340001791715622e-03 - - 1.5037499368190765e-01 -1.1271899938583374e-01 - <_> - - 0 -1 1298 1.5757000073790550e-02 - - -2.0885000005364418e-02 -1.1651979684829712e+00 - <_> - - 0 -1 1299 -4.9690000712871552e-02 - - -8.0213499069213867e-01 1.4372299611568451e-01 - <_> - - 0 -1 1300 5.2347000688314438e-02 - - -2.0836700499057770e-01 6.1677598953247070e-01 - <_> - - 0 -1 1301 2.2430999204516411e-02 - - 2.0305900275707245e-01 -7.5326198339462280e-01 - <_> - - 0 -1 1302 4.1142001748085022e-02 - - -1.8118199706077576e-01 1.0033359527587891e+00 - <_> - - 0 -1 1303 -2.1632000803947449e-02 - - 4.9998998641967773e-01 -3.4662999212741852e-02 - <_> - - 0 -1 1304 -8.2808002829551697e-02 - - 1.1711900234222412e+00 -1.8433600664138794e-01 - <_> - - 0 -1 1305 8.5060000419616699e-03 - - -6.3225001096725464e-02 2.9024899005889893e-01 - <_> - - 0 -1 1306 7.8905001282691956e-02 - - -2.3274500668048859e-01 5.9695798158645630e-01 - <_> - - 0 -1 1307 -9.0207003057003021e-02 - - -8.2211899757385254e-01 1.7772200703620911e-01 - <_> - - 0 -1 1308 -2.9269000515341759e-02 - - 6.0860699415206909e-01 -2.1468900144100189e-01 - <_> - - 0 -1 1309 6.9499998353421688e-03 - - -4.2665999382734299e-02 6.0512101650238037e-01 - <_> - - 0 -1 1310 -8.0629996955394745e-03 - - -1.1508270502090454e+00 -2.7286000549793243e-02 - <_> - - 0 -1 1311 1.9595999270677567e-02 - - -9.1880001127719879e-03 5.6857800483703613e-01 - <_> - - 0 -1 1312 -1.4884999953210354e-02 - - 3.7658798694610596e-01 -2.7149501442909241e-01 - <_> - - 0 -1 1313 2.5217000395059586e-02 - - -9.9991001188755035e-02 2.4664700031280518e-01 - <_> - - 0 -1 1314 -1.5855999663472176e-02 - - 6.6826701164245605e-01 -2.0614700019359589e-01 - <_> - - 0 -1 1315 2.9441000893712044e-02 - - 1.5832200646400452e-01 -7.6060897111892700e-01 - <_> - - 0 -1 1316 -8.5279997438192368e-03 - - 3.8212299346923828e-01 -2.5407800078392029e-01 - <_> - - 0 -1 1317 2.4421999230980873e-02 - - 1.5105099976062775e-01 -2.8752899169921875e-01 - <_> - - 0 -1 1318 -3.3886998891830444e-02 - - -6.8002802133560181e-01 3.4327000379562378e-02 - <_> - - 0 -1 1319 -2.0810000132769346e-03 - - 2.5413900613784790e-01 -2.6859098672866821e-01 - <_> - - 0 -1 1320 3.0358999967575073e-02 - - -3.0842000618577003e-02 -1.1476809978485107e+00 - <_> - - 0 -1 1321 4.0210001170635223e-03 - - -3.5253798961639404e-01 2.9868099093437195e-01 - <_> - - 0 -1 1322 2.7681000530719757e-02 - - -3.8148999214172363e-02 -1.3262039422988892e+00 - <_> - - 0 -1 1323 7.9039996489882469e-03 - - -2.3737000301480293e-02 7.0503002405166626e-01 - <_> - - 0 -1 1324 4.4031001627445221e-02 - - 1.0674899816513062e-01 -4.5261201262474060e-01 - <_> - - 0 -1 1325 -3.2370999455451965e-02 - - 4.6674901247024536e-01 -6.1546999961137772e-02 - <_> - - 0 -1 1326 2.0933000370860100e-02 - - -2.8447899222373962e-01 4.3845599889755249e-01 - <_> - - 0 -1 1327 2.5227999314665794e-02 - - -2.2537000477313995e-02 7.0389097929000854e-01 - <_> - - 0 -1 1328 6.5520000644028187e-03 - - -3.2554900646209717e-01 2.4023699760437012e-01 - <_> - - 0 -1 1329 -5.8557998389005661e-02 - - -1.2227720022201538e+00 1.1668799817562103e-01 - <_> - - 0 -1 1330 3.1899999827146530e-02 - - -1.9305000081658363e-02 -1.0973169803619385e+00 - <_> - - 0 -1 1331 -3.0445000156760216e-02 - - 6.5582501888275146e-01 7.5090996921062469e-02 - <_> - - 0 -1 1332 1.4933000318706036e-02 - - -5.2155798673629761e-01 1.1523099988698959e-01 - <_> - - 0 -1 1333 -4.9008000642061234e-02 - - -7.8303998708724976e-01 1.6657200455665588e-01 - <_> - - 0 -1 1334 8.3158999681472778e-02 - - -2.6879999786615372e-03 -8.5282301902770996e-01 - <_> - - 0 -1 1335 2.3902999237179756e-02 - - -5.1010999828577042e-02 4.1999098658561707e-01 - <_> - - 0 -1 1336 1.6428999602794647e-02 - - 1.9232999533414841e-02 -6.5049099922180176e-01 - <_> - - 0 -1 1337 -1.1838000267744064e-02 - - -6.2409800291061401e-01 1.5411199629306793e-01 - <_> - - 0 -1 1338 -1.6799999866634607e-04 - - 1.7589199542999268e-01 -3.4338700771331787e-01 - <_> - - 0 -1 1339 1.9193999469280243e-02 - - 4.3418999761343002e-02 7.9069197177886963e-01 - <_> - - 0 -1 1340 -1.0032000020146370e-02 - - 4.5648899674415588e-01 -2.2494800388813019e-01 - <_> - - 0 -1 1341 -1.4004000462591648e-02 - - 3.3570998907089233e-01 -4.8799999058246613e-03 - <_> - - 0 -1 1342 -1.0319899767637253e-01 - - -2.3378000259399414e+00 -5.8933001011610031e-02 - <_> - - 0 -1 1343 -9.5697000622749329e-02 - - -6.6153901815414429e-01 2.0098599791526794e-01 - <_> - - 0 -1 1344 -4.1480999439954758e-02 - - 4.5939201116561890e-01 -2.2314099967479706e-01 - <_> - - 0 -1 1345 2.4099999573081732e-03 - - -2.6898598670959473e-01 2.4922999739646912e-01 - <_> - - 0 -1 1346 1.0724999755620956e-01 - - -1.8640199303627014e-01 7.2769802808761597e-01 - <_> - - 0 -1 1347 3.1870000530034304e-03 - - -2.4608999490737915e-02 2.8643900156021118e-01 - <_> - - 0 -1 1348 2.9167000204324722e-02 - - -3.4683000296354294e-02 -1.1162580251693726e+00 - <_> - - 0 -1 1349 1.1287000030279160e-02 - - 6.3760001212358475e-03 6.6632097959518433e-01 - <_> - - 0 -1 1350 -1.2001000344753265e-02 - - 4.2420101165771484e-01 -2.6279801130294800e-01 - <_> - - 0 -1 1351 -1.2695999816060066e-02 - - -2.1957000717520714e-02 1.8936799466609955e-01 - <_> - - 0 -1 1352 2.4597000330686569e-02 - - -3.4963998943567276e-02 -1.0989320278167725e+00 - <_> - - 0 -1 1353 4.5953001827001572e-02 - - 1.1109799891710281e-01 -2.9306049346923828e+00 - <_> - - 0 -1 1354 -2.7241000905632973e-02 - - 2.9101699590682983e-01 -2.7407899498939514e-01 - <_> - - 0 -1 1355 4.0063999593257904e-02 - - 1.1877900362014771e-01 -6.2801802158355713e-01 - <_> - - 0 -1 1356 2.3055000230669975e-02 - - 1.4813800156116486e-01 -3.7007498741149902e-01 - <_> - - 0 -1 1357 -2.3737000301480293e-02 - - -5.3724801540374756e-01 1.9358199834823608e-01 - <_> - - 0 -1 1358 7.7522002160549164e-02 - - -6.0194000601768494e-02 -1.9489669799804688e+00 - <_> - - 0 -1 1359 -1.3345000334084034e-02 - - -4.5229598879814148e-01 1.8741500377655029e-01 - <_> - - 0 -1 1360 -2.1719999611377716e-02 - - 1.2144249677658081e+00 -1.5365800261497498e-01 - <_> - - 0 -1 1361 -7.1474999189376831e-02 - - -2.3047130107879639e+00 1.0999900102615356e-01 - <_> - - 0 -1 1362 -5.4999999701976776e-03 - - -7.1855199337005615e-01 2.0100999623537064e-02 - <_> - - 0 -1 1363 2.6740999892354012e-02 - - 7.3545001447200775e-02 9.8786002397537231e-01 - <_> - - 0 -1 1364 -3.9407998323440552e-02 - - -1.2227380275726318e+00 -4.3506998568773270e-02 - <_> - - 0 -1 1365 2.5888999924063683e-02 - - 1.3409300148487091e-01 -1.1770780086517334e+00 - <_> - - 0 -1 1366 4.8925001174211502e-02 - - -3.0810000374913216e-02 -9.3479502201080322e-01 - <_> - - 0 -1 1367 3.6892998963594437e-02 - - 1.3333700597286224e-01 -1.4998290538787842e+00 - <_> - - 0 -1 1368 7.8929997980594635e-02 - - -1.4538800716400146e-01 1.5631790161132812e+00 - <_> - - 0 -1 1369 2.9006000608205795e-02 - - 1.9383700191974640e-01 -6.7642802000045776e-01 - <_> - - 0 -1 1370 6.3089998438954353e-03 - - -3.7465399503707886e-01 1.0857500135898590e-01 - <_> - - 0 -1 1371 -6.5830998122692108e-02 - - 8.1059402227401733e-01 3.0201999470591545e-02 - <_> - - 0 -1 1372 -6.8965002894401550e-02 - - 8.3772599697113037e-01 -1.7140999436378479e-01 - <_> - - 0 -1 1373 -1.1669100075960159e-01 - - -9.4647198915481567e-01 1.3123199343681335e-01 - <_> - - 0 -1 1374 -1.3060000492259860e-03 - - 4.6007998287677765e-02 -5.2011597156524658e-01 - <_> - - 0 -1 1375 -4.4558998197317123e-02 - - -1.9423669576644897e+00 1.3200700283050537e-01 - <_> - - 0 -1 1376 5.1033001393079758e-02 - - -2.1480999886989594e-01 4.8673900961875916e-01 - <_> - - 0 -1 1377 -3.1578000634908676e-02 - - 5.9989798069000244e-01 7.9159997403621674e-03 - <_> - - 0 -1 1378 2.1020000800490379e-02 - - -2.2069500386714935e-01 5.4046201705932617e-01 - <_> - - 0 -1 1379 -1.3824200630187988e-01 - - 6.2957501411437988e-01 -2.1712999790906906e-02 - <_> - - 0 -1 1380 5.2228998392820358e-02 - - -2.3360900580883026e-01 4.9760800600051880e-01 - <_> - - 0 -1 1381 2.5884000584483147e-02 - - 1.8041999638080597e-01 -2.2039200365543365e-01 - <_> - - 0 -1 1382 -1.2138999998569489e-02 - - -6.9731897115707397e-01 1.5712000429630280e-02 - <_> - - 0 -1 1383 -2.4237999692559242e-02 - - 3.4593299031257629e-01 7.1469999849796295e-02 - <_> - - 0 -1 1384 -2.5272000581026077e-02 - - -8.7583297491073608e-01 -9.8240002989768982e-03 - <_> - - 0 -1 1385 1.2597000226378441e-02 - - 2.3649999499320984e-01 -2.8731200098991394e-01 - <_> - - 0 -1 1386 5.7330999523401260e-02 - - -6.1530999839305878e-02 -2.2326040267944336e+00 - <_> - - 0 -1 1387 1.6671000048518181e-02 - - -1.9850100576877594e-01 4.0810701251029968e-01 - <_> - - 0 -1 1388 -2.2818999364972115e-02 - - 9.6487599611282349e-01 -2.0245699584484100e-01 - <_> - - 0 -1 1389 3.7000001611886546e-05 - - -5.8908998966217041e-02 2.7055400609970093e-01 - <_> - - 0 -1 1390 -7.6700001955032349e-03 - - -4.5317101478576660e-01 8.9628003537654877e-02 - <_> - - 0 -1 1391 9.4085998833179474e-02 - - 1.1604599654674530e-01 -1.0951169729232788e+00 - <_> - - 0 -1 1392 -6.2267001718282700e-02 - - 1.8096530437469482e+00 -1.4773200452327728e-01 - <_> - - 0 -1 1393 1.7416000366210938e-02 - - 2.3068200051784515e-01 -4.2417600750923157e-01 - <_> - - 0 -1 1394 -2.2066000849008560e-02 - - 4.9270299077033997e-01 -2.0630900561809540e-01 - <_> - - 0 -1 1395 -1.0404000058770180e-02 - - 6.0924297571182251e-01 2.8130000457167625e-02 - <_> - - 0 -1 1396 -9.3670003116130829e-03 - - 4.0171200037002563e-01 -2.1681700646877289e-01 - <_> - - 0 -1 1397 -2.9039999470114708e-02 - - -8.4876501560211182e-01 1.4246800541877747e-01 - <_> - - 0 -1 1398 -2.1061999723315239e-02 - - -7.9198300838470459e-01 -1.2595999985933304e-02 - <_> - - 0 -1 1399 -3.7000998854637146e-02 - - -6.7488902807235718e-01 1.2830400466918945e-01 - <_> - - 0 -1 1400 1.0735999792814255e-02 - - 3.6779999732971191e-02 -6.3393002748489380e-01 - <_> - - 0 -1 1401 1.6367599368095398e-01 - - 1.3803899288177490e-01 -4.7189000248908997e-01 - <_> - - 0 -1 1402 9.4917997717857361e-02 - - -1.3855700194835663e-01 1.9492419958114624e+00 - <_> - - 0 -1 1403 3.5261999815702438e-02 - - 1.3721899688243866e-01 -2.1186530590057373e+00 - <_> - - 0 -1 1404 1.2811000458896160e-02 - - -2.0008100569248199e-01 4.9507799744606018e-01 - <_> - 155 - -3.3933560848236084e+00 - - <_> - - 0 -1 1405 1.3904400169849396e-01 - - -4.6581199765205383e-01 7.6431602239608765e-01 - <_> - - 0 -1 1406 1.1916999705135822e-02 - - -9.4398999214172363e-01 3.9726299047470093e-01 - <_> - - 0 -1 1407 -1.0006999596953392e-02 - - 3.2718798518180847e-01 -6.3367402553558350e-01 - <_> - - 0 -1 1408 -6.0479999519884586e-03 - - 2.7427899837493896e-01 -5.7446998357772827e-01 - <_> - - 0 -1 1409 -1.2489999644458294e-03 - - 2.3629300296306610e-01 -6.8593502044677734e-01 - <_> - - 0 -1 1410 3.2382000237703323e-02 - - -5.7630199193954468e-01 2.7492699027061462e-01 - <_> - - 0 -1 1411 -1.3957999646663666e-02 - - -6.1061501502990723e-01 2.4541600048542023e-01 - <_> - - 0 -1 1412 1.1159999994561076e-03 - - -5.6539100408554077e-01 2.7179300785064697e-01 - <_> - - 0 -1 1413 2.7000000045518391e-05 - - -8.0235999822616577e-01 1.1509100347757339e-01 - <_> - - 0 -1 1414 -2.5700000696815550e-04 - - -8.1205898523330688e-01 2.3844699561595917e-01 - <_> - - 0 -1 1415 4.0460000745952129e-03 - - 1.3909600675106049e-01 -6.6163200139999390e-01 - <_> - - 0 -1 1416 1.4356000348925591e-02 - - -1.6485199332237244e-01 4.1901698708534241e-01 - <_> - - 0 -1 1417 -5.5374998599290848e-02 - - 1.4425870180130005e+00 -1.8820199370384216e-01 - <_> - - 0 -1 1418 9.3594998121261597e-02 - - 1.3548299670219421e-01 -9.1636097431182861e-01 - <_> - - 0 -1 1419 2.6624999940395355e-02 - - -3.3748298883438110e-01 3.9233601093292236e-01 - <_> - - 0 -1 1420 3.7469998933374882e-03 - - -1.1615400016307831e-01 4.4399300217628479e-01 - <_> - - 0 -1 1421 -3.1886000186204910e-02 - - -9.9498301744461060e-01 1.6120000509545207e-03 - <_> - - 0 -1 1422 -2.2600000724196434e-02 - - -4.8067399859428406e-01 1.7007300257682800e-01 - <_> - - 0 -1 1423 2.5202000513672829e-02 - - 3.5580001771450043e-02 -8.0215400457382202e-01 - <_> - - 0 -1 1424 -3.1036999076604843e-02 - - -1.0895340442657471e+00 1.8081900477409363e-01 - <_> - - 0 -1 1425 -2.6475999504327774e-02 - - 9.5671200752258301e-01 -2.1049399673938751e-01 - <_> - - 0 -1 1426 -1.3853999786078930e-02 - - -1.0370320081710815e+00 2.2166700661182404e-01 - <_> - - 0 -1 1427 -6.2925003468990326e-02 - - 9.0199398994445801e-01 -1.9085299968719482e-01 - <_> - - 0 -1 1428 -4.4750999659299850e-02 - - -1.0119110345840454e+00 1.4691199362277985e-01 - <_> - - 0 -1 1429 -2.0428000018000603e-02 - - 6.1624497175216675e-01 -2.3552699387073517e-01 - <_> - - 0 -1 1430 -8.0329999327659607e-03 - - -8.3279997110366821e-02 2.1728700399398804e-01 - <_> - - 0 -1 1431 8.7280003353953362e-03 - - 6.5458998084068298e-02 -6.0318702459335327e-01 - <_> - - 0 -1 1432 -2.7202000841498375e-02 - - -9.3447399139404297e-01 1.5270000696182251e-01 - <_> - - 0 -1 1433 -1.6471000388264656e-02 - - -8.4177100658416748e-01 1.3332000002264977e-02 - <_> - - 0 -1 1434 -1.3744000345468521e-02 - - 6.0567200183868408e-01 -9.2021003365516663e-02 - <_> - - 0 -1 1435 2.9164999723434448e-02 - - -2.8114000335335732e-02 -1.4014569520950317e+00 - <_> - - 0 -1 1436 3.7457000464200974e-02 - - 1.3080599904060364e-01 -4.9382498860359192e-01 - <_> - - 0 -1 1437 -2.5070000439882278e-02 - - -1.1289390325546265e+00 -1.4600000344216824e-02 - <_> - - 0 -1 1438 -6.3812002539634705e-02 - - 7.5871598720550537e-01 -1.8200000049546361e-03 - <_> - - 0 -1 1439 -9.3900002539157867e-03 - - 2.9936400055885315e-01 -2.9487800598144531e-01 - <_> - - 0 -1 1440 -7.6000002445653081e-04 - - 1.9725000485777855e-02 1.9993899762630463e-01 - <_> - - 0 -1 1441 -2.1740999072790146e-02 - - -8.5247898101806641e-01 4.9169998615980148e-02 - <_> - - 0 -1 1442 -1.7869999632239342e-02 - - -5.9985999017953873e-02 1.5222500264644623e-01 - <_> - - 0 -1 1443 -2.4831000715494156e-02 - - 3.5603401064872742e-01 -2.6259899139404297e-01 - <_> - - 0 -1 1444 1.5715500712394714e-01 - - 1.5599999460391700e-04 1.0428730249404907e+00 - <_> - - 0 -1 1445 6.9026999175548553e-02 - - -3.3006999641656876e-02 -1.1796669960021973e+00 - <_> - - 0 -1 1446 -1.1021999642252922e-02 - - 5.8987700939178467e-01 -5.7647999376058578e-02 - <_> - - 0 -1 1447 -1.3834999874234200e-02 - - 5.9502798318862915e-01 -2.4418599903583527e-01 - <_> - - 0 -1 1448 -3.0941000208258629e-02 - - -1.1723799705505371e+00 1.6907000541687012e-01 - <_> - - 0 -1 1449 2.1258000284433365e-02 - - -1.8900999799370766e-02 -1.0684759616851807e+00 - <_> - - 0 -1 1450 9.3079999089241028e-02 - - 1.6305600106716156e-01 -1.3375270366668701e+00 - <_> - - 0 -1 1451 2.9635999351739883e-02 - - -2.2524799406528473e-01 4.5400100946426392e-01 - <_> - - 0 -1 1452 -1.2199999764561653e-04 - - 2.7409100532531738e-01 -3.7371399998664856e-01 - <_> - - 0 -1 1453 -4.2098000645637512e-02 - - -7.5828802585601807e-01 1.7137000337243080e-02 - <_> - - 0 -1 1454 -2.2505000233650208e-02 - - -2.2759300470352173e-01 2.3698699474334717e-01 - <_> - - 0 -1 1455 -1.2862999923527241e-02 - - 1.9252400100231171e-01 -3.2127100229263306e-01 - <_> - - 0 -1 1456 2.7860000729560852e-02 - - 1.6723699867725372e-01 -1.0209059715270996e+00 - <_> - - 0 -1 1457 -2.7807999402284622e-02 - - 1.2824759483337402e+00 -1.7225299775600433e-01 - <_> - - 0 -1 1458 -6.1630001291632652e-03 - - -5.4072898626327515e-01 2.3885700106620789e-01 - <_> - - 0 -1 1459 -2.0436000078916550e-02 - - 6.3355398178100586e-01 -2.1090599894523621e-01 - <_> - - 0 -1 1460 -1.2307999655604362e-02 - - -4.9778199195861816e-01 1.7402599751949310e-01 - <_> - - 0 -1 1461 -4.0493998676538467e-02 - - -1.1848740577697754e+00 -3.3890999853610992e-02 - <_> - - 0 -1 1462 2.9657000675797462e-02 - - 2.1740999072790146e-02 1.0069919824600220e+00 - <_> - - 0 -1 1463 6.8379999138414860e-03 - - 2.9217999428510666e-02 -5.9906297922134399e-01 - <_> - - 0 -1 1464 1.6164999455213547e-02 - - -2.1000799536705017e-01 3.7637299299240112e-01 - <_> - - 0 -1 1465 5.0193000584840775e-02 - - 2.5319999549537897e-03 -7.1668201684951782e-01 - <_> - - 0 -1 1466 1.9680000841617584e-03 - - -2.1921400725841522e-01 3.2298699021339417e-01 - <_> - - 0 -1 1467 2.4979999288916588e-02 - - -9.6840001642704010e-03 -7.7572900056838989e-01 - <_> - - 0 -1 1468 -1.5809999778866768e-02 - - 4.4637501239776611e-01 -6.1760000884532928e-02 - <_> - - 0 -1 1469 3.7206999957561493e-02 - - -2.0495399832725525e-01 5.7722198963165283e-01 - <_> - - 0 -1 1470 -7.9264998435974121e-02 - - -7.6745402812957764e-01 1.2550400197505951e-01 - <_> - - 0 -1 1471 -1.7152000218629837e-02 - - -1.4121830463409424e+00 -5.1704000681638718e-02 - <_> - - 0 -1 1472 3.2740000635385513e-02 - - 1.9334000349044800e-01 -6.3633698225021362e-01 - <_> - - 0 -1 1473 -1.1756999790668488e-01 - - 8.4325402975082397e-01 -1.8018600344657898e-01 - <_> - - 0 -1 1474 1.2057200074195862e-01 - - 1.2530000507831573e-01 -2.1213600635528564e+00 - <_> - - 0 -1 1475 4.2779999785125256e-03 - - -4.6604400873184204e-01 8.9643999934196472e-02 - <_> - - 0 -1 1476 -7.2544999420642853e-02 - - 5.1826500892639160e-01 1.6823999583721161e-02 - <_> - - 0 -1 1477 1.7710599303245544e-01 - - -3.0910000205039978e-02 -1.1046639680862427e+00 - <_> - - 0 -1 1478 8.4229996427893639e-03 - - 2.4445800483226776e-01 -3.8613098859786987e-01 - <_> - - 0 -1 1479 -1.3035000301897526e-02 - - 9.8004400730133057e-01 -1.7016500234603882e-01 - <_> - - 0 -1 1480 1.8912000581622124e-02 - - 2.0248499512672424e-01 -3.8545900583267212e-01 - <_> - - 0 -1 1481 2.1447999402880669e-02 - - -2.5717198848724365e-01 3.5181200504302979e-01 - <_> - - 0 -1 1482 6.3357003033161163e-02 - - 1.6994799673557281e-01 -9.1383802890777588e-01 - <_> - - 0 -1 1483 -3.2435998320579529e-02 - - -8.5681599378585815e-01 -2.1680999547243118e-02 - <_> - - 0 -1 1484 -2.3564999923110008e-02 - - 5.6115597486495972e-01 -2.2400000307243317e-04 - <_> - - 0 -1 1485 1.8789000809192657e-02 - - -2.5459799170494080e-01 3.4512901306152344e-01 - <_> - - 0 -1 1486 3.1042000278830528e-02 - - 7.5719999149441719e-03 3.4800198674201965e-01 - <_> - - 0 -1 1487 -1.1226999573409557e-02 - - -6.0219800472259521e-01 4.2814999818801880e-02 - <_> - - 0 -1 1488 -1.2845999561250210e-02 - - 4.2020401358604431e-01 -5.3801000118255615e-02 - <_> - - 0 -1 1489 -1.2791999615728855e-02 - - 2.2724500298500061e-01 -3.2398000359535217e-01 - <_> - - 0 -1 1490 6.8651996552944183e-02 - - 9.3532003462314606e-02 10. - <_> - - 0 -1 1491 5.2789999172091484e-03 - - -2.6926299929618835e-01 3.3303201198577881e-01 - <_> - - 0 -1 1492 -3.8779001682996750e-02 - - -7.2365301847457886e-01 1.7806500196456909e-01 - <_> - - 0 -1 1493 6.1820000410079956e-03 - - -3.5119399428367615e-01 1.6586300730705261e-01 - <_> - - 0 -1 1494 1.7515200376510620e-01 - - 1.1623100191354752e-01 -1.5419290065765381e+00 - <_> - - 0 -1 1495 1.1627999693155289e-01 - - -9.1479998081922531e-03 -9.9842602014541626e-01 - <_> - - 0 -1 1496 -2.2964000701904297e-02 - - 2.0565399527549744e-01 1.5432000160217285e-02 - <_> - - 0 -1 1497 -5.1410000771284103e-02 - - 5.8072400093078613e-01 -2.0118400454521179e-01 - <_> - - 0 -1 1498 2.2474199533462524e-01 - - 1.8728999421000481e-02 1.0829299688339233e+00 - <_> - - 0 -1 1499 9.4860000535845757e-03 - - -3.3171299099922180e-01 1.9902999699115753e-01 - <_> - - 0 -1 1500 -1.1846300214529037e-01 - - 1.3711010217666626e+00 6.8926997482776642e-02 - <_> - - 0 -1 1501 3.7810999900102615e-02 - - -9.3600002583116293e-04 -8.3996999263763428e-01 - <_> - - 0 -1 1502 2.2202000021934509e-02 - - -1.1963999830186367e-02 3.6673998832702637e-01 - <_> - - 0 -1 1503 -3.6366000771522522e-02 - - 3.7866500020027161e-01 -2.7714800834655762e-01 - <_> - - 0 -1 1504 -1.3184699416160583e-01 - - -2.7481179237365723e+00 1.0666900128126144e-01 - <_> - - 0 -1 1505 -4.1655998677015305e-02 - - 4.7524300217628479e-01 -2.3249800503253937e-01 - <_> - - 0 -1 1506 -3.3151999115943909e-02 - - -5.7929402589797974e-01 1.7434400320053101e-01 - <_> - - 0 -1 1507 1.5769999474287033e-02 - - -1.1284000240266323e-02 -8.3701401948928833e-01 - <_> - - 0 -1 1508 -3.9363000541925430e-02 - - 3.4821599721908569e-01 -1.7455400526523590e-01 - <_> - - 0 -1 1509 -6.7849002778530121e-02 - - 1.4225699901580811e+00 -1.4765599370002747e-01 - <_> - - 0 -1 1510 -2.6775000616908073e-02 - - 2.3947000503540039e-01 1.3271999545395374e-02 - <_> - - 0 -1 1511 3.9919000118970871e-02 - - -8.9999996125698090e-03 -7.5938898324966431e-01 - <_> - - 0 -1 1512 1.0065600275993347e-01 - - -1.8685000017285347e-02 7.6245301961898804e-01 - <_> - - 0 -1 1513 -8.1022001802921295e-02 - - -9.0439099073410034e-01 -8.5880002006888390e-03 - <_> - - 0 -1 1514 -2.1258000284433365e-02 - - -2.1319599449634552e-01 2.1919700503349304e-01 - <_> - - 0 -1 1515 -1.0630999691784382e-02 - - 1.9598099589347839e-01 -3.5768100619316101e-01 - <_> - - 0 -1 1516 8.1300002057105303e-04 - - -9.2794999480247498e-02 2.6145899295806885e-01 - <_> - - 0 -1 1517 3.4650000743567944e-03 - - -5.5336099863052368e-01 2.7386000379920006e-02 - <_> - - 0 -1 1518 1.8835999071598053e-02 - - 1.8446099758148193e-01 -6.6934299468994141e-01 - <_> - - 0 -1 1519 -2.5631999596953392e-02 - - 1.9382879734039307e+00 -1.4708900451660156e-01 - <_> - - 0 -1 1520 -4.0939999744296074e-03 - - -2.6451599597930908e-01 2.0733200013637543e-01 - <_> - - 0 -1 1521 -8.9199998183175921e-04 - - -5.5031597614288330e-01 5.0374999642372131e-02 - <_> - - 0 -1 1522 -4.9518000334501266e-02 - - -2.5615389347076416e+00 1.3141700625419617e-01 - <_> - - 0 -1 1523 1.1680999770760536e-02 - - -2.4819800257682800e-01 3.9982700347900391e-01 - <_> - - 0 -1 1524 3.4563999623060226e-02 - - 1.6178800165653229e-01 -7.1418899297714233e-01 - <_> - - 0 -1 1525 -8.2909995689988136e-03 - - 2.2180099785327911e-01 -2.9181700944900513e-01 - <_> - - 0 -1 1526 -2.2358000278472900e-02 - - 3.1044098734855652e-01 -2.7280000504106283e-03 - <_> - - 0 -1 1527 -3.0801000073552132e-02 - - -9.5672702789306641e-01 -8.3400001749396324e-03 - <_> - - 0 -1 1528 4.3779000639915466e-02 - - 1.2556900084018707e-01 -1.1759619712829590e+00 - <_> - - 0 -1 1529 4.3046001344919205e-02 - - -5.8876998722553253e-02 -1.8568470478057861e+00 - <_> - - 0 -1 1530 2.7188999578356743e-02 - - 4.2858000844717026e-02 3.9036700129508972e-01 - <_> - - 0 -1 1531 9.4149997457861900e-03 - - -4.3567001819610596e-02 -1.1094470024108887e+00 - <_> - - 0 -1 1532 9.4311997294425964e-02 - - 4.0256999433040619e-02 9.8442298173904419e-01 - <_> - - 0 -1 1533 1.7025099694728851e-01 - - 2.9510000720620155e-02 -6.9509297609329224e-01 - <_> - - 0 -1 1534 -4.7148000448942184e-02 - - 1.0338569879531860e+00 6.7602001130580902e-02 - <_> - - 0 -1 1535 1.1186300218105316e-01 - - -6.8682998418807983e-02 -2.4985830783843994e+00 - <_> - - 0 -1 1536 -1.4353999868035316e-02 - - -5.9481900930404663e-01 1.5001699328422546e-01 - <_> - - 0 -1 1537 3.4024000167846680e-02 - - -6.4823001623153687e-02 -2.1382639408111572e+00 - <_> - - 0 -1 1538 2.1601999178528786e-02 - - 5.5309999734163284e-02 7.8292900323867798e-01 - <_> - - 0 -1 1539 2.1771999076008797e-02 - - -7.1279997937381268e-03 -7.2148102521896362e-01 - <_> - - 0 -1 1540 8.2416996359825134e-02 - - 1.4609499275684357e-01 -1.3636670112609863e+00 - <_> - - 0 -1 1541 8.4671996533870697e-02 - - -1.7784699797630310e-01 7.2857701778411865e-01 - <_> - - 0 -1 1542 -5.5128000676631927e-02 - - -5.9402400255203247e-01 1.9357800483703613e-01 - <_> - - 0 -1 1543 -6.4823001623153687e-02 - - -1.0783840417861938e+00 -4.0734000504016876e-02 - <_> - - 0 -1 1544 -2.2769000381231308e-02 - - 7.7900201082229614e-01 3.4960000775754452e-03 - <_> - - 0 -1 1545 5.4756000638008118e-02 - - -6.5683998167514801e-02 -1.8188409805297852e+00 - <_> - - 0 -1 1546 -8.9000001025851816e-05 - - -1.7891999334096909e-02 2.0768299698829651e-01 - <_> - - 0 -1 1547 9.8361998796463013e-02 - - -5.5946998298168182e-02 -1.4153920412063599e+00 - <_> - - 0 -1 1548 -7.0930002257227898e-03 - - 3.4135299921035767e-01 -1.2089899927377701e-01 - <_> - - 0 -1 1549 5.0278000533580780e-02 - - -2.6286700367927551e-01 2.5797298550605774e-01 - <_> - - 0 -1 1550 -5.7870000600814819e-03 - - -1.3178600370883942e-01 1.7350199818611145e-01 - <_> - - 0 -1 1551 1.3973999768495560e-02 - - 2.8518000617623329e-02 -6.1152201890945435e-01 - <_> - - 0 -1 1552 2.1449999883770943e-02 - - 2.6181999593973160e-02 3.0306598544120789e-01 - <_> - - 0 -1 1553 -2.9214000329375267e-02 - - 4.4940599799156189e-01 -2.2803099453449249e-01 - <_> - - 0 -1 1554 4.8099999548867345e-04 - - -1.9879999756813049e-01 2.0744499564170837e-01 - <_> - - 0 -1 1555 1.7109999898821115e-03 - - -5.4037201404571533e-01 6.7865997552871704e-02 - <_> - - 0 -1 1556 8.6660003289580345e-03 - - -1.3128000311553478e-02 5.2297902107238770e-01 - <_> - - 0 -1 1557 6.3657999038696289e-02 - - 6.8299002945423126e-02 -4.9235099554061890e-01 - <_> - - 0 -1 1558 -2.7968000620603561e-02 - - 6.8183898925781250e-01 7.8781001269817352e-02 - <_> - - 0 -1 1559 4.8953998833894730e-02 - - -2.0622399449348450e-01 5.0388097763061523e-01 - <_> - 169 - -3.2396929264068604e+00 - - <_> - - 0 -1 1560 -2.9312999919056892e-02 - - 7.1284699440002441e-01 -5.8230698108673096e-01 - <_> - - 0 -1 1561 1.2415099889039993e-01 - - -3.6863499879837036e-01 6.0067200660705566e-01 - <_> - - 0 -1 1562 7.9349996522068977e-03 - - -8.6008298397064209e-01 2.1724699437618256e-01 - <_> - - 0 -1 1563 3.0365999788045883e-02 - - -2.7186998724937439e-01 6.1247897148132324e-01 - <_> - - 0 -1 1564 2.5218000635504723e-02 - - -3.4748300909996033e-01 5.0427699089050293e-01 - <_> - - 0 -1 1565 1.0014000348746777e-02 - - -3.1898999214172363e-01 4.1376799345016479e-01 - <_> - - 0 -1 1566 -1.6775000840425491e-02 - - -6.9048100709915161e-01 9.4830997288227081e-02 - <_> - - 0 -1 1567 -2.6950000319629908e-03 - - -2.0829799771308899e-01 2.3737199604511261e-01 - <_> - - 0 -1 1568 4.2257998138666153e-02 - - -4.9366700649261475e-01 1.8170599639415741e-01 - <_> - - 0 -1 1569 -4.8505000770092010e-02 - - 1.3429640531539917e+00 3.9769001305103302e-02 - <_> - - 0 -1 1570 2.8992999345064163e-02 - - 4.6496000140905380e-02 -8.1643497943878174e-01 - <_> - - 0 -1 1571 -4.0089000016450882e-02 - - -7.1197801828384399e-01 2.2553899884223938e-01 - <_> - - 0 -1 1572 -4.1021998971700668e-02 - - 1.0057929754257202e+00 -1.9690200686454773e-01 - <_> - - 0 -1 1573 1.1838000267744064e-02 - - -1.2600000016391277e-02 8.0767101049423218e-01 - <_> - - 0 -1 1574 -2.1328000351786613e-02 - - -8.2023900747299194e-01 2.0524999126791954e-02 - <_> - - 0 -1 1575 -2.3904999718070030e-02 - - 5.4210501909255981e-01 -7.4767000973224640e-02 - <_> - - 0 -1 1576 1.8008999526500702e-02 - - -3.3827701210975647e-01 4.2358601093292236e-01 - <_> - - 0 -1 1577 -4.3614000082015991e-02 - - -1.1983489990234375e+00 1.5566200017929077e-01 - <_> - - 0 -1 1578 -9.2449998483061790e-03 - - -8.9029997587203979e-01 1.1003999970853329e-02 - <_> - - 0 -1 1579 4.7485001385211945e-02 - - 1.6664099693298340e-01 -9.0764498710632324e-01 - <_> - - 0 -1 1580 -1.4233999885618687e-02 - - 6.2695199251174927e-01 -2.5791200995445251e-01 - <_> - - 0 -1 1581 3.8010000716894865e-03 - - -2.8229999542236328e-01 2.6624599099159241e-01 - <_> - - 0 -1 1582 3.4330000635236502e-03 - - -6.3771998882293701e-01 9.8422996699810028e-02 - <_> - - 0 -1 1583 -2.9221000149846077e-02 - - -7.6769900321960449e-01 2.2634500265121460e-01 - <_> - - 0 -1 1584 -6.4949998632073402e-03 - - 4.5600101351737976e-01 -2.6528900861740112e-01 - <_> - - 0 -1 1585 -3.0034000054001808e-02 - - -7.6551097631454468e-01 1.4009299874305725e-01 - <_> - - 0 -1 1586 7.8360000625252724e-03 - - 4.6755999326705933e-02 -7.2356200218200684e-01 - <_> - - 0 -1 1587 8.8550001382827759e-03 - - -4.9141999334096909e-02 5.1472699642181396e-01 - <_> - - 0 -1 1588 9.5973998308181763e-02 - - -2.0068999379873276e-02 -1.0850950479507446e+00 - <_> - - 0 -1 1589 -3.2876998186111450e-02 - - -9.5875298976898193e-01 1.4543600380420685e-01 - <_> - - 0 -1 1590 -1.3384000398218632e-02 - - -7.0013600587844849e-01 2.9157999902963638e-02 - <_> - - 0 -1 1591 1.5235999599099159e-02 - - -2.8235700726509094e-01 2.5367999076843262e-01 - <_> - - 0 -1 1592 1.2054000049829483e-02 - - -2.5303399562835693e-01 4.6526700258255005e-01 - <_> - - 0 -1 1593 -7.6295003294944763e-02 - - -6.9915801286697388e-01 1.3217200338840485e-01 - <_> - - 0 -1 1594 -1.2040000408887863e-02 - - 4.5894598960876465e-01 -2.3856499791145325e-01 - <_> - - 0 -1 1595 2.1916000172495842e-02 - - 1.8268600106239319e-01 -6.1629700660705566e-01 - <_> - - 0 -1 1596 -2.7330000884830952e-03 - - -6.3257902860641479e-01 3.4219000488519669e-02 - <_> - - 0 -1 1597 -4.8652000725269318e-02 - - -1.0297729969024658e+00 1.7386500537395477e-01 - <_> - - 0 -1 1598 -1.0463999584317207e-02 - - 3.4757301211357117e-01 -2.7464100718498230e-01 - <_> - - 0 -1 1599 -6.6550001502037048e-03 - - -2.8980299830436707e-01 2.4037900567054749e-01 - <_> - - 0 -1 1600 8.5469996556639671e-03 - - -4.4340500235557556e-01 1.4267399907112122e-01 - <_> - - 0 -1 1601 1.9913999363780022e-02 - - 1.7740400135517120e-01 -2.4096299707889557e-01 - <_> - - 0 -1 1602 2.2012999281287193e-02 - - -1.0812000371515751e-02 -9.4690799713134766e-01 - <_> - - 0 -1 1603 -5.2179001271724701e-02 - - 1.6547499895095825e+00 9.6487000584602356e-02 - <_> - - 0 -1 1604 1.9698999822139740e-02 - - -6.7560002207756042e-03 -8.6311501264572144e-01 - <_> - - 0 -1 1605 2.3040000349283218e-02 - - -2.3519999813288450e-03 3.8531300425529480e-01 - <_> - - 0 -1 1606 -1.5038000419735909e-02 - - -6.1905699968338013e-01 3.1077999621629715e-02 - <_> - - 0 -1 1607 -4.9956001341342926e-02 - - 7.0657497644424438e-01 4.7880999743938446e-02 - <_> - - 0 -1 1608 -6.9269999861717224e-02 - - 3.9212900400161743e-01 -2.3848000168800354e-01 - <_> - - 0 -1 1609 4.7399997711181641e-03 - - -2.4309000000357628e-02 2.5386300683021545e-01 - <_> - - 0 -1 1610 -3.3923998475074768e-02 - - 4.6930399537086487e-01 -2.3321899771690369e-01 - <_> - - 0 -1 1611 -1.6231000423431396e-02 - - 3.2319200038909912e-01 -2.0545600354671478e-01 - <_> - - 0 -1 1612 -5.0193000584840775e-02 - - -1.2277870178222656e+00 -4.0798000991344452e-02 - <_> - - 0 -1 1613 5.6944001466035843e-02 - - 4.5184001326560974e-02 6.0197502374649048e-01 - <_> - - 0 -1 1614 4.0936999022960663e-02 - - -1.6772800683975220e-01 8.9819300174713135e-01 - <_> - - 0 -1 1615 -3.0839999672025442e-03 - - 3.3716198801994324e-01 -2.7240800857543945e-01 - <_> - - 0 -1 1616 -3.2600000500679016e-02 - - -8.5446500778198242e-01 1.9664999097585678e-02 - <_> - - 0 -1 1617 9.8480999469757080e-02 - - 5.4742000997066498e-02 6.3827300071716309e-01 - <_> - - 0 -1 1618 -3.8185000419616699e-02 - - 5.2274698019027710e-01 -2.3384800553321838e-01 - <_> - - 0 -1 1619 -4.5917000621557236e-02 - - 6.2829202413558960e-01 3.2859001308679581e-02 - <_> - - 0 -1 1620 -1.1955499649047852e-01 - - -6.1572700738906860e-01 3.4680001437664032e-02 - <_> - - 0 -1 1621 -1.2044399976730347e-01 - - -8.4380000829696655e-01 1.6530700027942657e-01 - <_> - - 0 -1 1622 7.0619001984596252e-02 - - -6.3261002302169800e-02 -1.9863929748535156e+00 - <_> - - 0 -1 1623 8.4889996796846390e-03 - - -1.7663399875164032e-01 3.8011199235916138e-01 - <_> - - 0 -1 1624 2.2710999473929405e-02 - - -2.7605999261140823e-02 -9.1921401023864746e-01 - <_> - - 0 -1 1625 4.9700000090524554e-04 - - -2.4293200671672821e-01 2.2878900170326233e-01 - <_> - - 0 -1 1626 3.4651998430490494e-02 - - -2.3705999553203583e-01 5.4010999202728271e-01 - <_> - - 0 -1 1627 -4.4700000435113907e-03 - - 3.9078998565673828e-01 -1.2693800032138824e-01 - <_> - - 0 -1 1628 2.3643000051379204e-02 - - -2.6663699746131897e-01 3.2312598824501038e-01 - <_> - - 0 -1 1629 1.2813000008463860e-02 - - 1.7540800571441650e-01 -6.0787999629974365e-01 - <_> - - 0 -1 1630 -1.1250999756157398e-02 - - -1.0852589607238770e+00 -2.8046000748872757e-02 - <_> - - 0 -1 1631 -4.1535001248121262e-02 - - 7.1887397766113281e-01 2.7982000261545181e-02 - <_> - - 0 -1 1632 -9.3470998108386993e-02 - - -1.1906319856643677e+00 -4.4810999184846878e-02 - <_> - - 0 -1 1633 -2.7249999344348907e-02 - - 6.2942498922348022e-01 9.5039997249841690e-03 - <_> - - 0 -1 1634 -2.1759999915957451e-02 - - 1.3233649730682373e+00 -1.5027000010013580e-01 - <_> - - 0 -1 1635 -9.6890004351735115e-03 - - -3.3947101235389709e-01 1.7085799574851990e-01 - <_> - - 0 -1 1636 6.9395996630191803e-02 - - -2.5657799839973450e-01 4.7652098536491394e-01 - <_> - - 0 -1 1637 3.1208999454975128e-02 - - 1.4154000580310822e-01 -3.4942001104354858e-01 - <_> - - 0 -1 1638 -4.9727000296115875e-02 - - -1.1675560474395752e+00 -4.0757998824119568e-02 - <_> - - 0 -1 1639 -2.0301999524235725e-02 - - -3.9486399292945862e-01 1.5814900398254395e-01 - <_> - - 0 -1 1640 -1.5367000363767147e-02 - - 4.9300000071525574e-01 -2.0092099905014038e-01 - <_> - - 0 -1 1641 -5.0735000520944595e-02 - - 1.8736059665679932e+00 8.6730003356933594e-02 - <_> - - 0 -1 1642 -2.0726000890135765e-02 - - -8.8938397169113159e-01 -7.3199998587369919e-03 - <_> - - 0 -1 1643 -3.0993999913334846e-02 - - -1.1664899587631226e+00 1.4274600148200989e-01 - <_> - - 0 -1 1644 -4.4269999489188194e-03 - - -6.6815102100372314e-01 4.4120000675320625e-03 - <_> - - 0 -1 1645 -4.5743998140096664e-02 - - -4.7955200076103210e-01 1.5121999382972717e-01 - <_> - - 0 -1 1646 1.6698999330401421e-02 - - 1.2048599869012833e-01 -4.5235899090766907e-01 - <_> - - 0 -1 1647 3.2210000790655613e-03 - - -7.7615000307559967e-02 2.7846598625183105e-01 - <_> - - 0 -1 1648 2.4434000253677368e-02 - - -1.9987100362777710e-01 6.7253702878952026e-01 - <_> - - 0 -1 1649 -7.9677999019622803e-02 - - 9.2222398519515991e-01 9.2557996511459351e-02 - <_> - - 0 -1 1650 4.4530000537633896e-02 - - -2.6690500974655151e-01 3.3320501446723938e-01 - <_> - - 0 -1 1651 -1.2528300285339355e-01 - - -5.4253101348876953e-01 1.3976299762725830e-01 - <_> - - 0 -1 1652 1.7971999943256378e-02 - - 1.8219999969005585e-02 -6.8048501014709473e-01 - <_> - - 0 -1 1653 1.9184000790119171e-02 - - -1.2583999894559383e-02 5.4126697778701782e-01 - <_> - - 0 -1 1654 4.0024001151323318e-02 - - -1.7638799548149109e-01 7.8810399770736694e-01 - <_> - - 0 -1 1655 1.3558999635279179e-02 - - 2.0737600326538086e-01 -4.7744300961494446e-01 - <_> - - 0 -1 1656 1.6220999881625175e-02 - - 2.3076999932527542e-02 -6.1182099580764771e-01 - <_> - - 0 -1 1657 1.1229000054299831e-02 - - -1.7728000879287720e-02 4.1764199733734131e-01 - <_> - - 0 -1 1658 3.9193000644445419e-02 - - -1.8948499858379364e-01 7.4019300937652588e-01 - <_> - - 0 -1 1659 -9.5539996400475502e-03 - - 4.0947100520133972e-01 -1.3508899509906769e-01 - <_> - - 0 -1 1660 2.7878999710083008e-02 - - -2.0350700616836548e-01 6.1625397205352783e-01 - <_> - - 0 -1 1661 -2.3600999265909195e-02 - - -1.6967060565948486e+00 1.4633199572563171e-01 - <_> - - 0 -1 1662 2.6930000633001328e-02 - - -3.0401999130845070e-02 -1.0909470319747925e+00 - <_> - - 0 -1 1663 2.8999999631196260e-04 - - -2.0076000690460205e-01 2.2314099967479706e-01 - <_> - - 0 -1 1664 -4.1124999523162842e-02 - - -4.5242199301719666e-01 5.7392001152038574e-02 - <_> - - 0 -1 1665 6.6789998672902584e-03 - - 2.3824900388717651e-01 -2.1262100338935852e-01 - <_> - - 0 -1 1666 4.7864999622106552e-02 - - -1.8194800615310669e-01 6.1918401718139648e-01 - <_> - - 0 -1 1667 -3.1679999083280563e-03 - - -2.7393200993537903e-01 2.5017300248146057e-01 - <_> - - 0 -1 1668 -8.6230002343654633e-03 - - -4.6280300617218018e-01 4.2397998273372650e-02 - <_> - - 0 -1 1669 -7.4350000359117985e-03 - - 4.1796800494194031e-01 -1.7079999670386314e-03 - <_> - - 0 -1 1670 -1.8769999733194709e-03 - - 1.4602300524711609e-01 -3.3721101284027100e-01 - <_> - - 0 -1 1671 -8.6226001381874084e-02 - - 7.5143402814865112e-01 1.0711999610066414e-02 - <_> - - 0 -1 1672 4.6833999454975128e-02 - - -1.9119599461555481e-01 4.8414900898933411e-01 - <_> - - 0 -1 1673 -9.2000002041459084e-05 - - 3.5220399498939514e-01 -1.7333300411701202e-01 - <_> - - 0 -1 1674 -1.6343999654054642e-02 - - -6.4397698640823364e-01 9.0680001303553581e-03 - <_> - - 0 -1 1675 4.5703999698162079e-02 - - 1.8216000869870186e-02 3.1970798969268799e-01 - <_> - - 0 -1 1676 -2.7382999658584595e-02 - - 1.0564049482345581e+00 -1.7276400327682495e-01 - <_> - - 0 -1 1677 -2.7602000162005424e-02 - - 2.9715499281883240e-01 -9.4600003212690353e-03 - <_> - - 0 -1 1678 7.6939999125897884e-03 - - -2.1660299599170685e-01 4.7385200858116150e-01 - <_> - - 0 -1 1679 -7.0500001311302185e-04 - - 2.4048799276351929e-01 -2.6776000857353210e-01 - <_> - - 0 -1 1680 1.1054199934005737e-01 - - -3.3539000898599625e-02 -1.0233880281448364e+00 - <_> - - 0 -1 1681 6.8765997886657715e-02 - - -4.3239998631179333e-03 5.7153397798538208e-01 - <_> - - 0 -1 1682 1.7999999690800905e-03 - - 7.7574998140335083e-02 -4.2092698812484741e-01 - <_> - - 0 -1 1683 1.9232000410556793e-01 - - 8.2021996378898621e-02 2.8810169696807861e+00 - <_> - - 0 -1 1684 1.5742099285125732e-01 - - -1.3708199560642242e-01 2.0890059471130371e+00 - <_> - - 0 -1 1685 -4.9387000501155853e-02 - - -1.8610910177230835e+00 1.4332099258899689e-01 - <_> - - 0 -1 1686 5.1929000765085220e-02 - - -1.8737000226974487e-01 5.4231601953506470e-01 - <_> - - 0 -1 1687 4.9965001642704010e-02 - - 1.4175300300121307e-01 -1.5625779628753662e+00 - <_> - - 0 -1 1688 -4.2633000761270523e-02 - - 1.6059479713439941e+00 -1.4712899923324585e-01 - <_> - - 0 -1 1689 -3.7553999572992325e-02 - - -8.0974900722503662e-01 1.3256999850273132e-01 - <_> - - 0 -1 1690 -3.7174999713897705e-02 - - -1.3945020437240601e+00 -5.7055000215768814e-02 - <_> - - 0 -1 1691 1.3945999555289745e-02 - - 3.3427000045776367e-02 5.7474797964096069e-01 - <_> - - 0 -1 1692 -4.4800000614486635e-04 - - -5.5327498912811279e-01 2.1952999755740166e-02 - <_> - - 0 -1 1693 3.1993001699447632e-02 - - 2.0340999588370323e-02 3.7459200620651245e-01 - <_> - - 0 -1 1694 -4.2799999937415123e-03 - - 4.4428700208663940e-01 -2.2999699413776398e-01 - <_> - - 0 -1 1695 9.8550003021955490e-03 - - 1.8315799534320831e-01 -4.0964999794960022e-01 - <_> - - 0 -1 1696 9.3356996774673462e-02 - - -6.3661001622676849e-02 -1.6929290294647217e+00 - <_> - - 0 -1 1697 1.7209999263286591e-02 - - 2.0153899490833282e-01 -4.6061098575592041e-01 - <_> - - 0 -1 1698 8.4319999441504478e-03 - - -3.2003998756408691e-01 1.5312199294567108e-01 - <_> - - 0 -1 1699 -1.4054999686777592e-02 - - 8.6882400512695312e-01 3.2575000077486038e-02 - <_> - - 0 -1 1700 -7.7180000953376293e-03 - - 6.3686698675155640e-01 -1.8425500392913818e-01 - <_> - - 0 -1 1701 2.8005000203847885e-02 - - 1.7357499897480011e-01 -4.7883599996566772e-01 - <_> - - 0 -1 1702 -1.8884999677538872e-02 - - 2.4101600050926208e-01 -2.6547598838806152e-01 - <_> - - 0 -1 1703 -1.8585000187158585e-02 - - 5.4232501983642578e-01 5.3633000701665878e-02 - <_> - - 0 -1 1704 -3.6437001079320908e-02 - - 2.3908898830413818e+00 -1.3634699583053589e-01 - <_> - - 0 -1 1705 3.2455001026391983e-02 - - 1.5910699963569641e-01 -6.7581498622894287e-01 - <_> - - 0 -1 1706 5.9781998395919800e-02 - - -2.3479999508708715e-03 -7.3053699731826782e-01 - <_> - - 0 -1 1707 9.8209995776414871e-03 - - -1.1444099992513657e-01 3.0570301413536072e-01 - <_> - - 0 -1 1708 -3.5163998603820801e-02 - - -1.0511469841003418e+00 -3.3103000372648239e-02 - <_> - - 0 -1 1709 2.7429999317973852e-03 - - -2.0135399699211121e-01 3.2754099369049072e-01 - <_> - - 0 -1 1710 8.1059997901320457e-03 - - -2.1383500099182129e-01 4.3362098932266235e-01 - <_> - - 0 -1 1711 8.8942997157573700e-02 - - 1.0940899699926376e-01 -4.7609338760375977e+00 - <_> - - 0 -1 1712 -3.0054999515414238e-02 - - -1.7169300317764282e+00 -6.0919001698493958e-02 - <_> - - 0 -1 1713 -2.1734999492764473e-02 - - 6.4778900146484375e-01 -3.2830998301506042e-02 - <_> - - 0 -1 1714 3.7648998200893402e-02 - - -1.0060000233352184e-02 -7.6569098234176636e-01 - <_> - - 0 -1 1715 2.7189999818801880e-03 - - 1.9888900220394135e-01 -8.2479000091552734e-02 - <_> - - 0 -1 1716 -1.0548000223934650e-02 - - -8.6613601446151733e-01 -2.5986000895500183e-02 - <_> - - 0 -1 1717 1.2966300547122955e-01 - - 1.3911999762058258e-01 -2.2271950244903564e+00 - <_> - - 0 -1 1718 -1.7676999792456627e-02 - - 3.3967700600624084e-01 -2.3989599943161011e-01 - <_> - - 0 -1 1719 -7.7051997184753418e-02 - - -2.5017969608306885e+00 1.2841999530792236e-01 - <_> - - 0 -1 1720 -1.9230000674724579e-02 - - 5.0641202926635742e-01 -1.9751599431037903e-01 - <_> - - 0 -1 1721 -5.1222998648881912e-02 - - -2.9333369731903076e+00 1.3858500123023987e-01 - <_> - - 0 -1 1722 2.0830000285059214e-03 - - -6.0043597221374512e-01 2.9718000441789627e-02 - <_> - - 0 -1 1723 2.5418000295758247e-02 - - 3.3915799856185913e-01 -1.4392000436782837e-01 - <_> - - 0 -1 1724 -2.3905999958515167e-02 - - -1.1082680225372314e+00 -4.7377001494169235e-02 - <_> - - 0 -1 1725 -6.3740001060068607e-03 - - 4.4533699750900269e-01 -6.7052997648715973e-02 - <_> - - 0 -1 1726 -3.7698999047279358e-02 - - -1.0406579971313477e+00 -4.1790001094341278e-02 - <_> - - 0 -1 1727 2.1655100584030151e-01 - - 3.3863000571727753e-02 8.2017302513122559e-01 - <_> - - 0 -1 1728 -1.3400999829173088e-02 - - 5.2903497219085693e-01 -1.9133000075817108e-01 - <_> - 196 - -3.2103500366210938e+00 - - <_> - - 0 -1 1729 7.1268998086452484e-02 - - -5.3631198406219482e-01 6.0715299844741821e-01 - <_> - - 0 -1 1730 5.6111000478267670e-02 - - -5.0141602754592896e-01 4.3976101279258728e-01 - <_> - - 0 -1 1731 4.0463998913764954e-02 - - -3.2922199368476868e-01 5.4834699630737305e-01 - <_> - - 0 -1 1732 6.3155002892017365e-02 - - -3.1701698899269104e-01 4.6152999997138977e-01 - <_> - - 0 -1 1733 1.0320999659597874e-02 - - 1.0694999992847443e-01 -9.8243898153305054e-01 - <_> - - 0 -1 1734 6.2606997787952423e-02 - - -1.4329700171947479e-01 7.1095001697540283e-01 - <_> - - 0 -1 1735 -3.9416000247001648e-02 - - 9.4380199909210205e-01 -2.1572099626064301e-01 - <_> - - 0 -1 1736 -5.3960001096129417e-03 - - -5.4611998796463013e-01 2.5303798913955688e-01 - <_> - - 0 -1 1737 1.0773199796676636e-01 - - 1.2496000155806541e-02 -1.0809199810028076e+00 - <_> - - 0 -1 1738 1.6982000321149826e-02 - - -3.1536400318145752e-01 5.1239997148513794e-01 - <_> - - 0 -1 1739 3.1216999515891075e-02 - - -4.5199999585747719e-03 -1.2443480491638184e+00 - <_> - - 0 -1 1740 -2.3106999695301056e-02 - - -7.6492899656295776e-01 2.0640599727630615e-01 - <_> - - 0 -1 1741 -1.1203999631106853e-02 - - 2.4092699587345123e-01 -3.5142099857330322e-01 - <_> - - 0 -1 1742 -4.7479998320341110e-03 - - -9.7007997334003448e-02 2.0638099312782288e-01 - <_> - - 0 -1 1743 -1.7358999699354172e-02 - - -7.9020297527313232e-01 2.1852999925613403e-02 - <_> - - 0 -1 1744 1.8851999193429947e-02 - - -1.0394600033760071e-01 5.4844200611114502e-01 - <_> - - 0 -1 1745 7.2249998338520527e-03 - - -4.0409401059150696e-01 2.6763799786567688e-01 - <_> - - 0 -1 1746 1.8915999680757523e-02 - - 2.0508000254631042e-01 -1.0206340551376343e+00 - <_> - - 0 -1 1747 3.1156999990344048e-02 - - 1.2400000123307109e-03 -8.7293499708175659e-01 - <_> - - 0 -1 1748 2.0951999351382256e-02 - - -5.5559999309480190e-03 8.0356198549270630e-01 - <_> - - 0 -1 1749 1.1291000060737133e-02 - - -3.6478400230407715e-01 2.2767899930477142e-01 - <_> - - 0 -1 1750 -5.7011000812053680e-02 - - -1.4295619726181030e+00 1.4322000741958618e-01 - <_> - - 0 -1 1751 7.2194002568721771e-02 - - -4.1850000619888306e-02 -1.9111829996109009e+00 - <_> - - 0 -1 1752 -1.9874000921845436e-02 - - 2.6425498723983765e-01 -3.2617700099945068e-01 - <_> - - 0 -1 1753 -1.6692999750375748e-02 - - -8.3907800912857056e-01 4.0799999260343611e-04 - <_> - - 0 -1 1754 -3.9834998548030853e-02 - - -4.8858499526977539e-01 1.6436100006103516e-01 - <_> - - 0 -1 1755 2.7009999379515648e-02 - - -1.8862499296665192e-01 8.3419400453567505e-01 - <_> - - 0 -1 1756 -3.9420002140104771e-03 - - 2.3231500387191772e-01 -7.2360001504421234e-02 - <_> - - 0 -1 1757 2.2833000868558884e-02 - - -3.5884000360965729e-02 -1.1549400091171265e+00 - <_> - - 0 -1 1758 -6.8888001143932343e-02 - - -1.7837309837341309e+00 1.5159000456333160e-01 - <_> - - 0 -1 1759 4.3097000569105148e-02 - - -2.1608099341392517e-01 5.0624102354049683e-01 - <_> - - 0 -1 1760 8.6239995434880257e-03 - - -1.7795599997043610e-01 2.8957900404930115e-01 - <_> - - 0 -1 1761 1.4561000280082226e-02 - - -1.1408000253140926e-02 -8.9402002096176147e-01 - <_> - - 0 -1 1762 -1.1501000262796879e-02 - - 3.0171999335289001e-01 -4.3659001588821411e-02 - <_> - - 0 -1 1763 -1.0971499979496002e-01 - - -9.5147097110748291e-01 -1.9973000511527061e-02 - <_> - - 0 -1 1764 4.5228000730276108e-02 - - 3.3110998570919037e-02 9.6619802713394165e-01 - <_> - - 0 -1 1765 -2.7047999203205109e-02 - - 9.7963601350784302e-01 -1.7261900007724762e-01 - <_> - - 0 -1 1766 1.8030999228358269e-02 - - -2.0801000297069550e-02 2.7385899424552917e-01 - <_> - - 0 -1 1767 5.0524998456239700e-02 - - -5.6802999228239059e-02 -1.7775089740753174e+00 - <_> - - 0 -1 1768 -2.9923999682068825e-02 - - 6.5329200029373169e-01 -2.3537000641226768e-02 - <_> - - 0 -1 1769 3.8058001548051834e-02 - - 2.6317000389099121e-02 -7.0665699243545532e-01 - <_> - - 0 -1 1770 1.8563899397850037e-01 - - -5.6039998307824135e-03 3.2873699069023132e-01 - <_> - - 0 -1 1771 -4.0670000016689301e-03 - - 3.4204798936843872e-01 -3.0171599984169006e-01 - <_> - - 0 -1 1772 1.0108999907970428e-02 - - -7.3600001633167267e-03 5.7981598377227783e-01 - <_> - - 0 -1 1773 -1.1567000299692154e-02 - - -5.2722197771072388e-01 4.6447999775409698e-02 - <_> - - 0 -1 1774 -6.5649999305605888e-03 - - -5.8529102802276611e-01 1.9101899862289429e-01 - <_> - - 0 -1 1775 1.0582000017166138e-02 - - 2.1073000505566597e-02 -6.8892598152160645e-01 - <_> - - 0 -1 1776 -2.0304000005125999e-02 - - -3.6400699615478516e-01 1.5338799357414246e-01 - <_> - - 0 -1 1777 2.3529999889433384e-03 - - 3.6164000630378723e-02 -5.9825098514556885e-01 - <_> - - 0 -1 1778 -1.4690000098198652e-03 - - -1.4707699418067932e-01 3.7507998943328857e-01 - <_> - - 0 -1 1779 8.6449999362230301e-03 - - -2.1708500385284424e-01 5.1936799287796021e-01 - <_> - - 0 -1 1780 -2.4326000362634659e-02 - - -1.0846769809722900e+00 1.4084799587726593e-01 - <_> - - 0 -1 1781 7.4418999254703522e-02 - - -1.5513800084590912e-01 1.1822769641876221e+00 - <_> - - 0 -1 1782 1.7077999189496040e-02 - - 4.4231001287698746e-02 9.1561102867126465e-01 - <_> - - 0 -1 1783 -2.4577999487519264e-02 - - -1.5504100322723389e+00 -5.4745998233556747e-02 - <_> - - 0 -1 1784 3.0205000191926956e-02 - - 1.6662800312042236e-01 -1.0001239776611328e+00 - <_> - - 0 -1 1785 1.2136000208556652e-02 - - -7.7079099416732788e-01 -4.8639997839927673e-03 - <_> - - 0 -1 1786 8.6717002093791962e-02 - - 1.1061699688434601e-01 -1.6857999563217163e+00 - <_> - - 0 -1 1787 -4.2309001088142395e-02 - - 1.1075930595397949e+00 -1.5438599884510040e-01 - <_> - - 0 -1 1788 -2.6420000940561295e-03 - - 2.7451899647712708e-01 -1.8456199765205383e-01 - <_> - - 0 -1 1789 -5.6662000715732574e-02 - - -8.0625599622726440e-01 -1.6928000375628471e-02 - <_> - - 0 -1 1790 2.3475000634789467e-02 - - 1.4187699556350708e-01 -2.5500899553298950e-01 - <_> - - 0 -1 1791 -2.0803000777959824e-02 - - 1.9826300442218781e-01 -3.1171199679374695e-01 - <_> - - 0 -1 1792 7.2599998675286770e-03 - - -5.0590999424457550e-02 4.1923800110816956e-01 - <_> - - 0 -1 1793 3.4160000085830688e-01 - - -1.6674900054931641e-01 9.2748600244522095e-01 - <_> - - 0 -1 1794 6.2029999680817127e-03 - - -1.2625899910926819e-01 4.0445300936698914e-01 - <_> - - 0 -1 1795 3.2692000269889832e-02 - - -3.2634999603033066e-02 -9.8939800262451172e-01 - <_> - - 0 -1 1796 2.1100000594742596e-04 - - -6.4534001052379608e-02 2.5473698973655701e-01 - <_> - - 0 -1 1797 7.2100001852959394e-04 - - -3.6618599295616150e-01 1.1973100155591965e-01 - <_> - - 0 -1 1798 5.4490998387336731e-02 - - 1.2073499709367752e-01 -1.0291390419006348e+00 - <_> - - 0 -1 1799 -1.0141000151634216e-02 - - -5.2177202701568604e-01 3.3734999597072601e-02 - <_> - - 0 -1 1800 -1.8815999850630760e-02 - - 6.5181797742843628e-01 1.3399999588727951e-03 - <_> - - 0 -1 1801 -5.3480002097785473e-03 - - 1.7370699346065521e-01 -3.4132000803947449e-01 - <_> - - 0 -1 1802 -1.0847000405192375e-02 - - -1.9699899852275848e-01 1.5045499801635742e-01 - <_> - - 0 -1 1803 -4.9926001578569412e-02 - - -5.0888502597808838e-01 3.0762000009417534e-02 - <_> - - 0 -1 1804 1.2160000391304493e-02 - - -6.9251999258995056e-02 1.8745499849319458e-01 - <_> - - 0 -1 1805 -2.2189998999238014e-03 - - -4.0849098563194275e-01 7.9954996705055237e-02 - <_> - - 0 -1 1806 3.1580000650137663e-03 - - -2.1124599874019623e-01 2.2366400063037872e-01 - <_> - - 0 -1 1807 4.1439998894929886e-03 - - -4.9900299310684204e-01 6.2917001545429230e-02 - <_> - - 0 -1 1808 -7.3730000294744968e-03 - - -2.0553299784660339e-01 2.2096699476242065e-01 - <_> - - 0 -1 1809 5.1812000572681427e-02 - - 1.8096800148487091e-01 -4.3495801091194153e-01 - <_> - - 0 -1 1810 1.8340000882744789e-02 - - 1.5200000256299973e-02 3.7991699576377869e-01 - <_> - - 0 -1 1811 1.7490799725055695e-01 - - -2.0920799672603607e-01 4.0013000369071960e-01 - <_> - - 0 -1 1812 5.3993999958038330e-02 - - 2.4751600623130798e-01 -2.6712900400161743e-01 - <_> - - 0 -1 1813 -3.2033199071884155e-01 - - -1.9094380140304565e+00 -6.6960997879505157e-02 - <_> - - 0 -1 1814 -2.7060000225901604e-02 - - -7.1371299028396606e-01 1.5904599428176880e-01 - <_> - - 0 -1 1815 7.7463999390602112e-02 - - -1.6970199346542358e-01 7.7552998065948486e-01 - <_> - - 0 -1 1816 2.3771999403834343e-02 - - 1.9021899998188019e-01 -6.0162097215652466e-01 - <_> - - 0 -1 1817 1.1501000262796879e-02 - - 7.7039999887347221e-03 -6.1730301380157471e-01 - <_> - - 0 -1 1818 3.2616000622510910e-02 - - 1.7159199714660645e-01 -7.0978200435638428e-01 - <_> - - 0 -1 1819 -4.4383000582456589e-02 - - -2.2606229782104492e+00 -7.3276996612548828e-02 - <_> - - 0 -1 1820 -5.8476001024246216e-02 - - 2.4087750911712646e+00 8.3091996610164642e-02 - <_> - - 0 -1 1821 1.9303999841213226e-02 - - -2.7082300186157227e-01 2.7369999885559082e-01 - <_> - - 0 -1 1822 -4.4705998152494431e-02 - - 3.1355598568916321e-01 -6.2492001801729202e-02 - <_> - - 0 -1 1823 -6.0334999114274979e-02 - - -1.4515119791030884e+00 -5.8761000633239746e-02 - <_> - - 0 -1 1824 1.1667000129818916e-02 - - -1.8084999173879623e-02 5.0479698181152344e-01 - <_> - - 0 -1 1825 2.8009999543428421e-02 - - -2.3302899301052094e-01 3.0708700418472290e-01 - <_> - - 0 -1 1826 6.5397001802921295e-02 - - 1.4135900139808655e-01 -5.0010901689529419e-01 - <_> - - 0 -1 1827 9.6239997074007988e-03 - - -2.2054600715637207e-01 3.9191201329231262e-01 - <_> - - 0 -1 1828 2.5510000996291637e-03 - - -1.1381500214338303e-01 2.0032300055027008e-01 - <_> - - 0 -1 1829 3.1847000122070312e-02 - - 2.5476999580860138e-02 -5.3326398134231567e-01 - <_> - - 0 -1 1830 3.3055000007152557e-02 - - 1.7807699739933014e-01 -6.2793898582458496e-01 - <_> - - 0 -1 1831 4.7600999474525452e-02 - - -1.4747899770736694e-01 1.4204180240631104e+00 - <_> - - 0 -1 1832 -1.9571999087929726e-02 - - -5.2693498134613037e-01 1.5838600695133209e-01 - <_> - - 0 -1 1833 -5.4730001837015152e-02 - - 8.8231599330902100e-01 -1.6627800464630127e-01 - <_> - - 0 -1 1834 -2.2686000913381577e-02 - - -4.8386898636817932e-01 1.5000100433826447e-01 - <_> - - 0 -1 1835 1.0713200271129608e-01 - - -2.1336199343204498e-01 4.2333900928497314e-01 - <_> - - 0 -1 1836 -3.6380000412464142e-02 - - -7.4198000133037567e-02 1.4589400589466095e-01 - <_> - - 0 -1 1837 1.3935999944806099e-02 - - -2.4911600351333618e-01 2.6771199703216553e-01 - <_> - - 0 -1 1838 2.0991999655961990e-02 - - 8.7959999218583107e-03 4.3064999580383301e-01 - <_> - - 0 -1 1839 4.9118999391794205e-02 - - -1.7591999471187592e-01 6.9282901287078857e-01 - <_> - - 0 -1 1840 3.6315999925136566e-02 - - 1.3145299255847931e-01 -3.3597299456596375e-01 - <_> - - 0 -1 1841 4.1228000074625015e-02 - - -4.5692000538110733e-02 -1.3515930175781250e+00 - <_> - - 0 -1 1842 1.5672000125050545e-02 - - 1.7544099688529968e-01 -6.0550000518560410e-02 - <_> - - 0 -1 1843 -1.6286000609397888e-02 - - -1.1308189630508423e+00 -3.9533000439405441e-02 - <_> - - 0 -1 1844 -3.0229999683797359e-03 - - -2.2454300522804260e-01 2.3628099262714386e-01 - <_> - - 0 -1 1845 -1.3786299526691437e-01 - - 4.5376899838447571e-01 -2.1098700165748596e-01 - <_> - - 0 -1 1846 -9.6760001033544540e-03 - - -1.5105099976062775e-01 2.0781700313091278e-01 - <_> - - 0 -1 1847 -2.4839999154210091e-02 - - -6.8350297212600708e-01 -8.0040004104375839e-03 - <_> - - 0 -1 1848 -1.3964399695396423e-01 - - 6.5011298656463623e-01 4.6544000506401062e-02 - <_> - - 0 -1 1849 -8.2153998315334320e-02 - - 4.4887199997901917e-01 -2.3591999709606171e-01 - <_> - - 0 -1 1850 3.8449999410659075e-03 - - -8.8173002004623413e-02 2.7346798777580261e-01 - <_> - - 0 -1 1851 -6.6579999402165413e-03 - - -4.6866598725318909e-01 7.7001996338367462e-02 - <_> - - 0 -1 1852 -1.5898000448942184e-02 - - 2.9268398880958557e-01 -2.1941000595688820e-02 - <_> - - 0 -1 1853 -5.0946000963449478e-02 - - -1.2093789577484131e+00 -4.2109999805688858e-02 - <_> - - 0 -1 1854 1.6837999224662781e-02 - - -4.5595999807119370e-02 5.0180697441101074e-01 - <_> - - 0 -1 1855 1.5918999910354614e-02 - - -2.6904299855232239e-01 2.6516300439834595e-01 - <_> - - 0 -1 1856 3.6309999413788319e-03 - - -1.3046100735664368e-01 3.1807100772857666e-01 - <_> - - 0 -1 1857 -8.6144998669624329e-02 - - 1.9443659782409668e+00 -1.3978299498558044e-01 - <_> - - 0 -1 1858 3.3140998333692551e-02 - - 1.5266799926757812e-01 -3.0866000801324844e-02 - <_> - - 0 -1 1859 -3.9679999463260174e-03 - - -7.1202301979064941e-01 -1.3844000175595284e-02 - <_> - - 0 -1 1860 -2.4008000269532204e-02 - - 9.2007797956466675e-01 4.6723999083042145e-02 - <_> - - 0 -1 1861 8.7320003658533096e-03 - - -2.2567300498485565e-01 3.1931799650192261e-01 - <_> - - 0 -1 1862 -2.7786999940872192e-02 - - -7.2337102890014648e-01 1.7018599808216095e-01 - <_> - - 0 -1 1863 -1.9455300271511078e-01 - - 1.2461860179901123e+00 -1.4736199378967285e-01 - <_> - - 0 -1 1864 -1.0869699716567993e-01 - - -1.4465179443359375e+00 1.2145300209522247e-01 - <_> - - 0 -1 1865 -1.9494999200105667e-02 - - -7.8153097629547119e-01 -2.3732999339699745e-02 - <_> - - 0 -1 1866 3.0650000553578138e-03 - - -8.5471397638320923e-01 1.6686999797821045e-01 - <_> - - 0 -1 1867 5.9193998575210571e-02 - - -1.4853699505329132e-01 1.1273469924926758e+00 - <_> - - 0 -1 1868 -5.4207999259233475e-02 - - 5.4726999998092651e-01 3.5523999482393265e-02 - <_> - - 0 -1 1869 -3.9324998855590820e-02 - - 3.6642599105834961e-01 -2.0543999969959259e-01 - <_> - - 0 -1 1870 8.2278996706008911e-02 - - -3.5007998347282410e-02 5.3994202613830566e-01 - <_> - - 0 -1 1871 -7.4479999020695686e-03 - - -6.1537498235702515e-01 -3.5319998860359192e-03 - <_> - - 0 -1 1872 7.3770000599324703e-03 - - -6.5591000020503998e-02 4.1961398720741272e-01 - <_> - - 0 -1 1873 7.0779998786747456e-03 - - -3.4129500389099121e-01 1.2536799907684326e-01 - <_> - - 0 -1 1874 -1.5581999905407429e-02 - - -3.0240398645401001e-01 2.1511000394821167e-01 - <_> - - 0 -1 1875 -2.7399999089539051e-03 - - 7.6553001999855042e-02 -4.1060501337051392e-01 - <_> - - 0 -1 1876 -7.0600003004074097e-02 - - -9.7356200218200684e-01 1.1241800338029861e-01 - <_> - - 0 -1 1877 -1.1706000193953514e-02 - - 1.8560700118541718e-01 -2.9755198955535889e-01 - <_> - - 0 -1 1878 7.1499997284263372e-04 - - -5.9650000184774399e-02 2.4824699759483337e-01 - <_> - - 0 -1 1879 -3.6866001784801483e-02 - - 3.2751700282096863e-01 -2.3059600591659546e-01 - <_> - - 0 -1 1880 -3.2526999711990356e-02 - - -2.9320299625396729e-01 1.5427699685096741e-01 - <_> - - 0 -1 1881 -7.4813999235630035e-02 - - -1.2143570184707642e+00 -5.2244000136852264e-02 - <_> - - 0 -1 1882 4.1469998657703400e-02 - - 1.3062499463558197e-01 -2.3274369239807129e+00 - <_> - - 0 -1 1883 -2.8880000114440918e-02 - - -6.6074597835540771e-01 -9.0960003435611725e-03 - <_> - - 0 -1 1884 4.6381998807191849e-02 - - 1.6630199551582336e-01 -6.6949498653411865e-01 - <_> - - 0 -1 1885 2.5424998998641968e-01 - - -5.4641999304294586e-02 -1.2676080465316772e+00 - <_> - - 0 -1 1886 2.4000001139938831e-03 - - 2.0276799798011780e-01 1.4667999930679798e-02 - <_> - - 0 -1 1887 -8.2805998623371124e-02 - - -7.8713601827621460e-01 -2.4468999356031418e-02 - <_> - - 0 -1 1888 -1.1438000015914440e-02 - - 2.8623399138450623e-01 -3.0894000083208084e-02 - <_> - - 0 -1 1889 -1.2913399934768677e-01 - - 1.7292929887771606e+00 -1.4293900132179260e-01 - <_> - - 0 -1 1890 3.8552999496459961e-02 - - 1.9232999533414841e-02 3.7732601165771484e-01 - <_> - - 0 -1 1891 1.0191400349140167e-01 - - -7.4533998966217041e-02 -3.3868899345397949e+00 - <_> - - 0 -1 1892 -1.9068000838160515e-02 - - 3.1814101338386536e-01 1.9261000677943230e-02 - <_> - - 0 -1 1893 -6.0775000602006912e-02 - - 7.6936298608779907e-01 -1.7644000053405762e-01 - <_> - - 0 -1 1894 2.4679999798536301e-02 - - 1.8396499752998352e-01 -3.0868801474571228e-01 - <_> - - 0 -1 1895 2.6759000495076180e-02 - - -2.3454900085926056e-01 3.3056598901748657e-01 - <_> - - 0 -1 1896 1.4969999901950359e-02 - - 1.7213599383831024e-01 -1.8248899281024933e-01 - <_> - - 0 -1 1897 2.6142999529838562e-02 - - -4.6463999897241592e-02 -1.1318379640579224e+00 - <_> - - 0 -1 1898 -3.7512000650167465e-02 - - 8.0404001474380493e-01 6.9660000503063202e-02 - <_> - - 0 -1 1899 -5.3229997865855694e-03 - - -8.1884402036666870e-01 -1.8224999308586121e-02 - <_> - - 0 -1 1900 1.7813000828027725e-02 - - 1.4957800507545471e-01 -1.8667200207710266e-01 - <_> - - 0 -1 1901 -3.4010000526905060e-02 - - -7.2852301597595215e-01 -1.6615999862551689e-02 - <_> - - 0 -1 1902 -1.5953000634908676e-02 - - 5.6944000720977783e-01 1.3832000084221363e-02 - <_> - - 0 -1 1903 1.9743999466300011e-02 - - 4.0525000542402267e-02 -4.1773399710655212e-01 - <_> - - 0 -1 1904 -1.0374800115823746e-01 - - -1.9825149774551392e+00 1.1960200220346451e-01 - <_> - - 0 -1 1905 -1.9285000860691071e-02 - - 5.0230598449707031e-01 -1.9745899736881256e-01 - <_> - - 0 -1 1906 -1.2780000455677509e-02 - - 4.0195000171661377e-01 -2.6957999914884567e-02 - <_> - - 0 -1 1907 -1.6352999955415726e-02 - - -7.6608800888061523e-01 -2.4209000170230865e-02 - <_> - - 0 -1 1908 -1.2763699889183044e-01 - - 8.6578500270843506e-01 6.4205996692180634e-02 - <_> - - 0 -1 1909 1.9068999215960503e-02 - - -5.5929797887802124e-01 -1.6880000475794077e-03 - <_> - - 0 -1 1910 3.2480999827384949e-02 - - 4.0722001343965530e-02 4.8925098776817322e-01 - <_> - - 0 -1 1911 9.4849998131394386e-03 - - -1.9231900572776794e-01 5.1139700412750244e-01 - <_> - - 0 -1 1912 5.0470000132918358e-03 - - 1.8706800043582916e-01 -1.6113600134849548e-01 - <_> - - 0 -1 1913 4.1267998516559601e-02 - - -4.8817999660968781e-02 -1.1326299905776978e+00 - <_> - - 0 -1 1914 -7.6358996331691742e-02 - - 1.4169390201568604e+00 8.7319999933242798e-02 - <_> - - 0 -1 1915 -7.2834998369216919e-02 - - 1.3189860582351685e+00 -1.4819100499153137e-01 - <_> - - 0 -1 1916 5.9576999396085739e-02 - - 4.8376999795436859e-02 8.5611802339553833e-01 - <_> - - 0 -1 1917 2.0263999700546265e-02 - - -2.1044099330902100e-01 3.3858999609947205e-01 - <_> - - 0 -1 1918 -8.0301001667976379e-02 - - -1.2464400529861450e+00 1.1857099831104279e-01 - <_> - - 0 -1 1919 -1.7835000529885292e-02 - - 2.5782299041748047e-01 -2.4564799666404724e-01 - <_> - - 0 -1 1920 1.1431000195443630e-02 - - 2.2949799895286560e-01 -2.9497599601745605e-01 - <_> - - 0 -1 1921 -2.5541000068187714e-02 - - -8.6252999305725098e-01 -7.0400000549852848e-04 - <_> - - 0 -1 1922 -7.6899997657164931e-04 - - 3.1511399149894714e-01 -1.4349000155925751e-01 - <_> - - 0 -1 1923 -1.4453999698162079e-02 - - 2.5148499011993408e-01 -2.8232899308204651e-01 - <_> - - 0 -1 1924 8.6730001494288445e-03 - - 2.6601400971412659e-01 -2.8190800547599792e-01 - <_> - 197 - -3.2772979736328125e+00 - - <_> - - 0 -1 1925 5.4708998650312424e-02 - - -5.4144299030303955e-01 6.1043000221252441e-01 - <_> - - 0 -1 1926 -1.0838799923658371e-01 - - 7.1739900112152100e-01 -4.1196098923683167e-01 - <_> - - 0 -1 1927 2.2996999323368073e-02 - - -5.8269798755645752e-01 2.9645600914955139e-01 - <_> - - 0 -1 1928 2.7540000155568123e-03 - - -7.4243897199630737e-01 1.4183300733566284e-01 - <_> - - 0 -1 1929 -2.1520000882446766e-03 - - 1.7879900336265564e-01 -6.8548601865768433e-01 - <_> - - 0 -1 1930 -2.2559000179171562e-02 - - -1.0775549411773682e+00 1.2388999760150909e-01 - <_> - - 0 -1 1931 8.3025000989437103e-02 - - 2.4500999599695206e-02 -1.0251879692077637e+00 - <_> - - 0 -1 1932 -6.6740000620484352e-03 - - -4.5283100008964539e-01 2.1230199933052063e-01 - <_> - - 0 -1 1933 7.6485000550746918e-02 - - -2.6972699165344238e-01 4.8580199480056763e-01 - <_> - - 0 -1 1934 5.4910001344978809e-03 - - -4.8871201276779175e-01 3.1616398692131042e-01 - <_> - - 0 -1 1935 -1.0414999909698963e-02 - - 4.1512900590896606e-01 -3.0044800043106079e-01 - <_> - - 0 -1 1936 2.7607999742031097e-02 - - 1.6203799843788147e-01 -9.9868500232696533e-01 - <_> - - 0 -1 1937 -2.3272000253200531e-02 - - -1.1024399995803833e+00 2.1124999970197678e-02 - <_> - - 0 -1 1938 -5.5619999766349792e-02 - - 6.5033102035522461e-01 -2.7938000857830048e-02 - <_> - - 0 -1 1939 -4.0631998330354691e-02 - - 4.2117300629615784e-01 -2.6763799786567688e-01 - <_> - - 0 -1 1940 -7.3560001328587532e-03 - - 3.5277798771858215e-01 -3.7854000926017761e-01 - <_> - - 0 -1 1941 1.7007000744342804e-02 - - -2.9189500212669373e-01 4.1053798794746399e-01 - <_> - - 0 -1 1942 -3.7034001201391220e-02 - - -1.3216309547424316e+00 1.2966500222682953e-01 - <_> - - 0 -1 1943 -1.9633000716567039e-02 - - -8.7702298164367676e-01 1.0799999581649899e-03 - <_> - - 0 -1 1944 -2.3546999320387840e-02 - - 2.6106101274490356e-01 -2.1481400728225708e-01 - <_> - - 0 -1 1945 -4.3352998793125153e-02 - - -9.9089699983596802e-01 -9.9560003727674484e-03 - <_> - - 0 -1 1946 -2.2183999419212341e-02 - - 6.3454401493072510e-01 -5.6547001004219055e-02 - <_> - - 0 -1 1947 1.6530999913811684e-02 - - 2.4664999917149544e-02 -7.3326802253723145e-01 - <_> - - 0 -1 1948 -3.2744001597166061e-02 - - -5.6297200918197632e-01 1.6640299558639526e-01 - <_> - - 0 -1 1949 7.1415998041629791e-02 - - -3.0000001424923539e-04 -9.3286401033401489e-01 - <_> - - 0 -1 1950 8.0999999772757292e-04 - - -9.5380000770092010e-02 2.5184699892997742e-01 - <_> - - 0 -1 1951 -8.4090000018477440e-03 - - -6.5496802330017090e-01 6.7300997674465179e-02 - <_> - - 0 -1 1952 -1.7254000529646873e-02 - - -4.6492999792098999e-01 1.6070899367332458e-01 - <_> - - 0 -1 1953 -1.8641000613570213e-02 - - -1.0594010353088379e+00 -1.9617000594735146e-02 - <_> - - 0 -1 1954 -9.1979997232556343e-03 - - 5.0716197490692139e-01 -1.5339200198650360e-01 - <_> - - 0 -1 1955 1.8538000062108040e-02 - - -3.0498200654983521e-01 7.3506200313568115e-01 - <_> - - 0 -1 1956 -5.0335001200437546e-02 - - -1.1140480041503906e+00 1.8000100553035736e-01 - <_> - - 0 -1 1957 -2.3529000580310822e-02 - - -8.6907899379730225e-01 -1.2459999881684780e-02 - <_> - - 0 -1 1958 -2.7100000530481339e-02 - - 6.5942901372909546e-01 -3.5323999822139740e-02 - <_> - - 0 -1 1959 6.5879998728632927e-03 - - -2.2953400015830994e-01 4.2425099015235901e-01 - <_> - - 0 -1 1960 2.3360000923275948e-02 - - 1.8356199562549591e-01 -9.8587298393249512e-01 - <_> - - 0 -1 1961 1.2946999631822109e-02 - - -3.3147400617599487e-01 2.1323199570178986e-01 - <_> - - 0 -1 1962 -6.6559999249875546e-03 - - -1.1951400339603424e-01 2.9752799868583679e-01 - <_> - - 0 -1 1963 -2.2570999339222908e-02 - - 3.8499400019645691e-01 -2.4434499442577362e-01 - <_> - - 0 -1 1964 -6.3813999295234680e-02 - - -8.9383500814437866e-01 1.4217500388622284e-01 - <_> - - 0 -1 1965 -4.9945000559091568e-02 - - 5.3864401578903198e-01 -2.0485299825668335e-01 - <_> - - 0 -1 1966 6.8319998681545258e-03 - - -5.6678999215364456e-02 3.9970999956130981e-01 - <_> - - 0 -1 1967 -5.5835999548435211e-02 - - -1.5239470005035400e+00 -5.1183000206947327e-02 - <_> - - 0 -1 1968 3.1957000494003296e-01 - - 7.4574001133441925e-02 1.2447799444198608e+00 - <_> - - 0 -1 1969 8.0955997109413147e-02 - - -1.9665500521659851e-01 5.9889698028564453e-01 - <_> - - 0 -1 1970 -1.4911999925971031e-02 - - -6.4020597934722900e-01 1.5807600319385529e-01 - <_> - - 0 -1 1971 4.6709001064300537e-02 - - 8.5239000618457794e-02 -4.5487201213836670e-01 - <_> - - 0 -1 1972 6.0539999976754189e-03 - - -4.3184000253677368e-01 2.2452600300312042e-01 - <_> - - 0 -1 1973 -3.4375999122858047e-02 - - 4.0202501416206360e-01 -2.3903599381446838e-01 - <_> - - 0 -1 1974 -3.4924000501632690e-02 - - 5.2870100736618042e-01 3.9709001779556274e-02 - <_> - - 0 -1 1975 3.0030000489205122e-03 - - -3.8754299283027649e-01 1.4192600548267365e-01 - <_> - - 0 -1 1976 -1.4132999815046787e-02 - - 8.7528401613235474e-01 8.5507996380329132e-02 - <_> - - 0 -1 1977 -6.7940000444650650e-03 - - -1.1649219989776611e+00 -3.3943001180887222e-02 - <_> - - 0 -1 1978 -5.2886001765727997e-02 - - 1.0930680036544800e+00 5.1187001168727875e-02 - <_> - - 0 -1 1979 -2.1079999860376120e-03 - - 1.3696199655532837e-01 -3.3849999308586121e-01 - <_> - - 0 -1 1980 1.8353000283241272e-02 - - 1.3661600649356842e-01 -4.0777799487113953e-01 - <_> - - 0 -1 1981 1.2671999633312225e-02 - - -1.4936000108718872e-02 -8.1707501411437988e-01 - <_> - - 0 -1 1982 1.2924999929964542e-02 - - 1.7625099420547485e-01 -3.2491698861122131e-01 - <_> - - 0 -1 1983 -1.7921000719070435e-02 - - -5.2745401859283447e-01 4.4443000108003616e-02 - <_> - - 0 -1 1984 1.9160000374540687e-03 - - -1.0978599637746811e-01 2.2067500650882721e-01 - <_> - - 0 -1 1985 -1.4697999693453312e-02 - - 3.9067798852920532e-01 -2.2224999964237213e-01 - <_> - - 0 -1 1986 -1.4972999691963196e-02 - - -2.5450900197029114e-01 1.7790000140666962e-01 - <_> - - 0 -1 1987 1.4636999927461147e-02 - - -2.5125000625848770e-02 -8.7121301889419556e-01 - <_> - - 0 -1 1988 -1.0974000208079815e-02 - - 7.9082798957824707e-01 2.0121000707149506e-02 - <_> - - 0 -1 1989 -9.1599998995661736e-03 - - -4.7906899452209473e-01 5.2232000976800919e-02 - <_> - - 0 -1 1990 4.6179997734725475e-03 - - -1.7244599759578705e-01 3.4527799487113953e-01 - <_> - - 0 -1 1991 2.3476999253034592e-02 - - 3.7760001141577959e-03 -6.5333700180053711e-01 - <_> - - 0 -1 1992 3.1766999512910843e-02 - - 1.6364000737667084e-02 5.8723700046539307e-01 - <_> - - 0 -1 1993 -1.8419999629259109e-02 - - 1.9993899762630463e-01 -3.2056498527526855e-01 - <_> - - 0 -1 1994 1.9543999806046486e-02 - - 1.8450200557708740e-01 -2.3793600499629974e-01 - <_> - - 0 -1 1995 4.1159498691558838e-01 - - -6.0382001101970673e-02 -1.6072119474411011e+00 - <_> - - 0 -1 1996 -4.1595999151468277e-02 - - -3.2756200432777405e-01 1.5058000385761261e-01 - <_> - - 0 -1 1997 -1.0335999540984631e-02 - - -6.2394398450851440e-01 1.3112000189721584e-02 - <_> - - 0 -1 1998 1.2392999604344368e-02 - - -3.3114999532699585e-02 5.5579900741577148e-01 - <_> - - 0 -1 1999 -8.7270000949501991e-03 - - 1.9883200526237488e-01 -3.7635600566864014e-01 - <_> - - 0 -1 2000 1.6295000910758972e-02 - - 2.0373000204563141e-01 -4.2800799012184143e-01 - <_> - - 0 -1 2001 -1.0483999736607075e-02 - - -5.6847000122070312e-01 4.4199001044034958e-02 - <_> - - 0 -1 2002 -1.2431999668478966e-02 - - 7.4641901254653931e-01 4.3678998947143555e-02 - <_> - - 0 -1 2003 -5.0374999642372131e-02 - - 8.5090100765228271e-01 -1.7773799598217010e-01 - <_> - - 0 -1 2004 4.9548000097274780e-02 - - 1.6784900426864624e-01 -2.9877498745918274e-01 - <_> - - 0 -1 2005 -4.1085001081228256e-02 - - -1.3302919864654541e+00 -4.9182001501321793e-02 - <_> - - 0 -1 2006 1.0069999843835831e-03 - - -6.0538999736309052e-02 1.8483200669288635e-01 - <_> - - 0 -1 2007 -5.0142999738454819e-02 - - 7.6447701454162598e-01 -1.8356999754905701e-01 - <_> - - 0 -1 2008 -8.7879998609423637e-03 - - 2.2655999660491943e-01 -6.3156999647617340e-02 - <_> - - 0 -1 2009 -5.0170999020338058e-02 - - -1.5899070501327515e+00 -6.1255000531673431e-02 - <_> - - 0 -1 2010 1.0216099768877029e-01 - - 1.2071800231933594e-01 -1.4120110273361206e+00 - <_> - - 0 -1 2011 -1.4372999779880047e-02 - - -1.3116970062255859e+00 -5.1936000585556030e-02 - <_> - - 0 -1 2012 1.0281999595463276e-02 - - -2.1639999467879534e-03 4.4247201085090637e-01 - <_> - - 0 -1 2013 -1.1814000084996223e-02 - - 6.5378099679946899e-01 -1.8723699450492859e-01 - <_> - - 0 -1 2014 7.2114996612071991e-02 - - 7.1846999228000641e-02 8.1496298313140869e-01 - <_> - - 0 -1 2015 -1.9001999869942665e-02 - - -6.7427200078964233e-01 -4.3200000072829425e-04 - <_> - - 0 -1 2016 -4.6990001574158669e-03 - - 3.3311501145362854e-01 5.5794000625610352e-02 - <_> - - 0 -1 2017 -5.8157000690698624e-02 - - 4.5572298765182495e-01 -2.0305100083351135e-01 - <_> - - 0 -1 2018 1.1360000353306532e-03 - - -4.4686999171972275e-02 2.2681899368762970e-01 - <_> - - 0 -1 2019 -4.9414999783039093e-02 - - 2.6694598793983459e-01 -2.6116999983787537e-01 - <_> - - 0 -1 2020 -1.1913800239562988e-01 - - -8.3017998933792114e-01 1.3248500227928162e-01 - <_> - - 0 -1 2021 -1.8303999677300453e-02 - - -6.7499202489852905e-01 1.7092000693082809e-02 - <_> - - 0 -1 2022 -7.9199997708201408e-03 - - -7.2287000715732574e-02 1.4425800740718842e-01 - <_> - - 0 -1 2023 5.1925998181104660e-02 - - 3.0921999365091324e-02 -5.5860602855682373e-01 - <_> - - 0 -1 2024 6.6724002361297607e-02 - - 1.3666400313377380e-01 -2.9411000013351440e-01 - <_> - - 0 -1 2025 -1.3778000138700008e-02 - - -5.9443902969360352e-01 1.5300000086426735e-02 - <_> - - 0 -1 2026 -1.7760999500751495e-02 - - 4.0496501326560974e-01 -3.3559999428689480e-03 - <_> - - 0 -1 2027 -4.2234998196363449e-02 - - -1.0897940397262573e+00 -4.0224999189376831e-02 - <_> - - 0 -1 2028 -1.3524999842047691e-02 - - 2.8921899199485779e-01 -2.5194799900054932e-01 - <_> - - 0 -1 2029 -1.1106000281870365e-02 - - 6.5312802791595459e-01 -1.8053700029850006e-01 - <_> - - 0 -1 2030 -1.2284599989652634e-01 - - -1.9570649862289429e+00 1.4815400540828705e-01 - <_> - - 0 -1 2031 4.7715999186038971e-02 - - -2.2875599563121796e-01 3.4233701229095459e-01 - <_> - - 0 -1 2032 3.1817000359296799e-02 - - 1.5976299345493317e-01 -1.0091969966888428e+00 - <_> - - 0 -1 2033 4.2570000514388084e-03 - - -3.8881298899650574e-01 8.4210000932216644e-02 - <_> - - 0 -1 2034 -6.1372999101877213e-02 - - 1.7152810096740723e+00 5.9324998408555984e-02 - <_> - - 0 -1 2035 -2.7030000928789377e-03 - - -3.8161700963973999e-01 8.5127003490924835e-02 - <_> - - 0 -1 2036 -6.8544000387191772e-02 - - -3.0925889015197754e+00 1.1788000166416168e-01 - <_> - - 0 -1 2037 1.0372500121593475e-01 - - -1.3769300282001495e-01 1.9009410142898560e+00 - <_> - - 0 -1 2038 1.5799000859260559e-02 - - -6.2660001218318939e-02 2.5917699933052063e-01 - <_> - - 0 -1 2039 -9.8040001466870308e-03 - - -5.6291598081588745e-01 4.3923001736402512e-02 - <_> - - 0 -1 2040 -9.0229995548725128e-03 - - 2.5287100672721863e-01 -4.1225999593734741e-02 - <_> - - 0 -1 2041 -6.3754998147487640e-02 - - -2.6178569793701172e+00 -7.4005998671054840e-02 - <_> - - 0 -1 2042 3.8954999297857285e-02 - - 5.9032998979091644e-02 8.5945600271224976e-01 - <_> - - 0 -1 2043 -3.9802998304367065e-02 - - 9.3600499629974365e-01 -1.5639400482177734e-01 - <_> - - 0 -1 2044 5.0301998853683472e-02 - - 1.3725900650024414e-01 -2.5549728870391846e+00 - <_> - - 0 -1 2045 4.6250000596046448e-02 - - -1.3964000158011913e-02 -7.1026200056076050e-01 - <_> - - 0 -1 2046 6.2196001410484314e-02 - - 5.9526000171899796e-02 1.6509100198745728e+00 - <_> - - 0 -1 2047 -6.4776003360748291e-02 - - 7.1368998289108276e-01 -1.7270000278949738e-01 - <_> - - 0 -1 2048 2.7522999793291092e-02 - - 1.4631600677967072e-01 -8.1428997218608856e-02 - <_> - - 0 -1 2049 3.9900001138448715e-04 - - -3.7144500017166138e-01 1.0152699798345566e-01 - <_> - - 0 -1 2050 -4.3299999088048935e-03 - - -2.3756299912929535e-01 2.6798400282859802e-01 - <_> - - 0 -1 2051 4.7297000885009766e-02 - - -2.7682000771164894e-02 -8.4910297393798828e-01 - <_> - - 0 -1 2052 1.2508999556303024e-02 - - 1.8730199337005615e-01 -5.6001102924346924e-01 - <_> - - 0 -1 2053 4.5899000018835068e-02 - - -1.5601199865341187e-01 9.7073000669479370e-01 - <_> - - 0 -1 2054 1.9853399693965912e-01 - - 1.4895500242710114e-01 -1.1015529632568359e+00 - <_> - - 0 -1 2055 1.6674999147653580e-02 - - -1.6615299880504608e-01 8.2210999727249146e-01 - <_> - - 0 -1 2056 1.9829999655485153e-03 - - -7.1249999105930328e-02 2.8810900449752808e-01 - <_> - - 0 -1 2057 2.2447999566793442e-02 - - -2.0981000736355782e-02 -7.8416502475738525e-01 - <_> - - 0 -1 2058 -1.3913000002503395e-02 - - -1.8165799975395203e-01 2.0491799712181091e-01 - <_> - - 0 -1 2059 -7.7659999951720238e-03 - - -4.5595899224281311e-01 6.3576996326446533e-02 - <_> - - 0 -1 2060 -1.3209000229835510e-02 - - 2.6632300019264221e-01 -1.7795999348163605e-01 - <_> - - 0 -1 2061 4.9052998423576355e-02 - - -1.5476800501346588e-01 1.1069979667663574e+00 - <_> - - 0 -1 2062 2.0263999700546265e-02 - - 6.8915002048015594e-02 6.9867497682571411e-01 - <_> - - 0 -1 2063 -1.6828000545501709e-02 - - 2.7607199549674988e-01 -2.5139200687408447e-01 - <_> - - 0 -1 2064 -1.6939499974250793e-01 - - -3.0767529010772705e+00 1.1617500334978104e-01 - <_> - - 0 -1 2065 -1.1336100101470947e-01 - - -1.4639229774475098e+00 -5.1447000354528427e-02 - <_> - - 0 -1 2066 -7.7685996890068054e-02 - - 8.8430202007293701e-01 4.3306998908519745e-02 - <_> - - 0 -1 2067 -1.5568000264465809e-02 - - 1.3672499358654022e-01 -3.4505501389503479e-01 - <_> - - 0 -1 2068 -6.6018998622894287e-02 - - -1.0300110578536987e+00 1.1601399630308151e-01 - <_> - - 0 -1 2069 8.3699999377131462e-03 - - 7.6429001986980438e-02 -4.4002500176429749e-01 - <_> - - 0 -1 2070 3.5402998328208923e-02 - - 1.1979500204324722e-01 -7.2668302059173584e-01 - <_> - - 0 -1 2071 -3.9051000028848648e-02 - - 6.7375302314758301e-01 -1.8196000158786774e-01 - <_> - - 0 -1 2072 -9.7899995744228363e-03 - - 2.1264599263668060e-01 3.6756001412868500e-02 - <_> - - 0 -1 2073 -2.3047000169754028e-02 - - 4.4742199778556824e-01 -2.0986700057983398e-01 - <_> - - 0 -1 2074 3.1169999856501818e-03 - - 3.7544000893831253e-02 2.7808201313018799e-01 - <_> - - 0 -1 2075 1.3136000372469425e-02 - - -1.9842399656772614e-01 5.4335701465606689e-01 - <_> - - 0 -1 2076 1.4782000333070755e-02 - - 1.3530600070953369e-01 -1.1153600364923477e-01 - <_> - - 0 -1 2077 -6.0139000415802002e-02 - - 8.4039300680160522e-01 -1.6711600124835968e-01 - <_> - - 0 -1 2078 5.1998998969793320e-02 - - 1.7372000217437744e-01 -7.8547602891921997e-01 - <_> - - 0 -1 2079 2.4792000651359558e-02 - - -1.7739200592041016e-01 6.6752600669860840e-01 - <_> - - 0 -1 2080 -1.2014999985694885e-02 - - -1.4263699948787689e-01 1.6070500016212463e-01 - <_> - - 0 -1 2081 -9.8655998706817627e-02 - - 1.0429769754409790e+00 -1.5770199894905090e-01 - <_> - - 0 -1 2082 1.1758299916982651e-01 - - 1.0955700278282166e-01 -4.4920377731323242e+00 - <_> - - 0 -1 2083 -1.8922999501228333e-02 - - -7.8543400764465332e-01 1.2984000146389008e-02 - <_> - - 0 -1 2084 -2.8390999883413315e-02 - - -6.0569900274276733e-01 1.2903499603271484e-01 - <_> - - 0 -1 2085 1.3182999566197395e-02 - - -1.4415999874472618e-02 -7.3210501670837402e-01 - <_> - - 0 -1 2086 -1.1653000116348267e-01 - - -2.0442469120025635e+00 1.4053100347518921e-01 - <_> - - 0 -1 2087 -3.8880000356584787e-03 - - -4.1861599683761597e-01 7.8704997897148132e-02 - <_> - - 0 -1 2088 3.1229000538587570e-02 - - 2.4632999673485756e-02 4.1870400309562683e-01 - <_> - - 0 -1 2089 2.5198999792337418e-02 - - -1.7557799816131592e-01 6.4710599184036255e-01 - <_> - - 0 -1 2090 -2.8124000877141953e-02 - - -2.2005599737167358e-01 1.4121000468730927e-01 - <_> - - 0 -1 2091 3.6499001085758209e-02 - - -6.8426996469497681e-02 -2.3410849571228027e+00 - <_> - - 0 -1 2092 -7.2292998433113098e-02 - - 1.2898750305175781e+00 8.4875002503395081e-02 - <_> - - 0 -1 2093 -4.1671000421047211e-02 - - -1.1630970239639282e+00 -5.3752999752759933e-02 - <_> - - 0 -1 2094 4.7703001648187637e-02 - - 7.0101000368595123e-02 7.3676502704620361e-01 - <_> - - 0 -1 2095 6.5793000161647797e-02 - - -1.7755299806594849e-01 6.9780498743057251e-01 - <_> - - 0 -1 2096 1.3904999941587448e-02 - - 2.1936799585819244e-01 -2.0390799641609192e-01 - <_> - - 0 -1 2097 -2.7730999514460564e-02 - - 6.1867898702621460e-01 -1.7804099619388580e-01 - <_> - - 0 -1 2098 -1.5879999846220016e-02 - - -4.6484100818634033e-01 1.8828600645065308e-01 - <_> - - 0 -1 2099 7.4128001928329468e-02 - - -1.2858100235462189e-01 3.2792479991912842e+00 - <_> - - 0 -1 2100 -8.9000002481043339e-04 - - -3.0117601156234741e-01 2.3818799853324890e-01 - <_> - - 0 -1 2101 1.7965000122785568e-02 - - -2.2284999489784241e-01 2.9954001307487488e-01 - <_> - - 0 -1 2102 -2.5380000006407499e-03 - - 2.5064399838447571e-01 -1.3665600121021271e-01 - <_> - - 0 -1 2103 -9.0680001303553581e-03 - - 2.9017499089241028e-01 -2.8929701447486877e-01 - <_> - - 0 -1 2104 4.9169998615980148e-02 - - 1.9156399369239807e-01 -6.8328702449798584e-01 - <_> - - 0 -1 2105 -3.0680999159812927e-02 - - -7.5677001476287842e-01 -1.3279999606311321e-02 - <_> - - 0 -1 2106 1.0017400234937668e-01 - - 8.4453999996185303e-02 1.0888710021972656e+00 - <_> - - 0 -1 2107 3.1950001139193773e-03 - - -2.6919400691986084e-01 1.9537900388240814e-01 - <_> - - 0 -1 2108 3.5503000020980835e-02 - - 1.3632300496101379e-01 -5.6917202472686768e-01 - <_> - - 0 -1 2109 4.5900000259280205e-04 - - -4.0443998575210571e-01 1.4074799418449402e-01 - <_> - - 0 -1 2110 2.5258999317884445e-02 - - 1.6243200004100800e-01 -5.5741798877716064e-01 - <_> - - 0 -1 2111 -5.1549999043345451e-03 - - 3.1132599711418152e-01 -2.2756099700927734e-01 - <_> - - 0 -1 2112 1.5869999770075083e-03 - - -2.6867699623107910e-01 1.9565400481224060e-01 - <_> - - 0 -1 2113 -1.6204999759793282e-02 - - 1.5486499667167664e-01 -3.4057798981666565e-01 - <_> - - 0 -1 2114 -2.9624000191688538e-02 - - 1.1466799974441528e+00 9.0557999908924103e-02 - <_> - - 0 -1 2115 -1.5930000226944685e-03 - - -7.1257501840591431e-01 -7.0400000549852848e-04 - <_> - - 0 -1 2116 -5.4019000381231308e-02 - - 4.1537499427795410e-01 2.7246000245213509e-02 - <_> - - 0 -1 2117 -6.6211000084877014e-02 - - -1.3340090513229370e+00 -4.7352999448776245e-02 - <_> - - 0 -1 2118 2.7940999716520309e-02 - - 1.4446300268173218e-01 -5.1518398523330688e-01 - <_> - - 0 -1 2119 2.8957000002264977e-02 - - -4.9966000020503998e-02 -1.1929039955139160e+00 - <_> - - 0 -1 2120 -2.0424999296665192e-02 - - 6.3881301879882812e-01 3.8141001015901566e-02 - <_> - - 0 -1 2121 1.2416999787092209e-02 - - -2.1547000110149384e-01 4.9477699398994446e-01 - <_> - 181 - -3.3196411132812500e+00 - - <_> - - 0 -1 2122 4.3274000287055969e-02 - - -8.0494397878646851e-01 3.9897298812866211e-01 - <_> - - 0 -1 2123 1.8615500628948212e-01 - - -3.1655299663543701e-01 6.8877297639846802e-01 - <_> - - 0 -1 2124 3.1860999763011932e-02 - - -6.4266198873519897e-01 2.5550898909568787e-01 - <_> - - 0 -1 2125 1.4022000133991241e-02 - - -4.5926600694656372e-01 3.1171199679374695e-01 - <_> - - 0 -1 2126 -6.3029997982084751e-03 - - 4.6026900410652161e-01 -2.7438500523567200e-01 - <_> - - 0 -1 2127 -5.4310001432895660e-03 - - 3.6608600616455078e-01 -2.7205801010131836e-01 - <_> - - 0 -1 2128 1.6822999343276024e-02 - - 2.3476999253034592e-02 -8.8443797826766968e-01 - <_> - - 0 -1 2129 2.6039000600576401e-02 - - 1.7488799989223480e-01 -5.4564702510833740e-01 - <_> - - 0 -1 2130 -2.6720000430941582e-02 - - -9.6396499872207642e-01 2.3524999618530273e-02 - <_> - - 0 -1 2131 -1.7041999846696854e-02 - - -7.0848798751831055e-01 2.1468099951744080e-01 - <_> - - 0 -1 2132 5.9569999575614929e-03 - - 7.3601000010967255e-02 -6.8225598335266113e-01 - <_> - - 0 -1 2133 -2.8679999522864819e-03 - - -7.4935001134872437e-01 2.3803399503231049e-01 - <_> - - 0 -1 2134 -4.3774999678134918e-02 - - 6.8323302268981934e-01 -2.1380299329757690e-01 - <_> - - 0 -1 2135 5.1633000373840332e-02 - - -1.2566499412059784e-01 6.7523801326751709e-01 - <_> - - 0 -1 2136 8.1780003383755684e-03 - - 7.0689998567104340e-02 -8.0665898323059082e-01 - <_> - - 0 -1 2137 -5.2841998636722565e-02 - - 9.5433902740478516e-01 1.6548000276088715e-02 - <_> - - 0 -1 2138 5.2583999931812286e-02 - - -2.8414401412010193e-01 4.7129800915718079e-01 - <_> - - 0 -1 2139 -1.2659000232815742e-02 - - 3.8445401191711426e-01 -6.2288001179695129e-02 - <_> - - 0 -1 2140 1.1694000102579594e-02 - - 5.6000000768108293e-05 -1.0173139572143555e+00 - <_> - - 0 -1 2141 -2.3918999359011650e-02 - - 8.4921300411224365e-01 5.7399999350309372e-03 - <_> - - 0 -1 2142 -6.1673998832702637e-02 - - -9.2571401596069336e-01 -1.7679999582469463e-03 - <_> - - 0 -1 2143 -1.8279999494552612e-03 - - -5.4372298717498779e-01 2.4932399392127991e-01 - <_> - - 0 -1 2144 3.5257998853921890e-02 - - -7.3719997890293598e-03 -9.3963998556137085e-01 - <_> - - 0 -1 2145 -1.8438000231981277e-02 - - 7.2136700153350830e-01 1.0491999797523022e-02 - <_> - - 0 -1 2146 -3.8389001041650772e-02 - - 1.9272600114345551e-01 -3.5832101106643677e-01 - <_> - - 0 -1 2147 9.9720999598503113e-02 - - 1.1354199796915054e-01 -1.6304190158843994e+00 - <_> - - 0 -1 2148 8.4462001919746399e-02 - - -5.3420998156070709e-02 -1.6981120109558105e+00 - <_> - - 0 -1 2149 4.0270000696182251e-02 - - -1.0783199965953827e-01 5.1926600933074951e-01 - <_> - - 0 -1 2150 5.8935999870300293e-02 - - -1.8053700029850006e-01 9.5119798183441162e-01 - <_> - - 0 -1 2151 1.4957000315189362e-01 - - 1.6785299777984619e-01 -1.1591869592666626e+00 - <_> - - 0 -1 2152 6.9399998756125569e-04 - - 2.0491400361061096e-01 -3.3118200302124023e-01 - <_> - - 0 -1 2153 -3.3369001001119614e-02 - - 9.3468099832534790e-01 -2.9639999847859144e-03 - <_> - - 0 -1 2154 9.3759996816515923e-03 - - 3.7000000011175871e-03 -7.7549797296524048e-01 - <_> - - 0 -1 2155 4.3193999677896500e-02 - - -2.2040000185370445e-03 7.4589699506759644e-01 - <_> - - 0 -1 2156 -6.7555002868175507e-02 - - 7.2292101383209229e-01 -1.8404200673103333e-01 - <_> - - 0 -1 2157 -3.1168600916862488e-01 - - 1.0014270544052124e+00 3.4003000706434250e-02 - <_> - - 0 -1 2158 2.9743999242782593e-02 - - -4.6356000006198883e-02 -1.2781809568405151e+00 - <_> - - 0 -1 2159 1.0737000033259392e-02 - - 1.4812000095844269e-02 6.6649997234344482e-01 - <_> - - 0 -1 2160 -2.8841000050306320e-02 - - -9.4222599267959595e-01 -2.0796999335289001e-02 - <_> - - 0 -1 2161 -5.7649998925626278e-03 - - -4.3541899323463440e-01 2.3386000096797943e-01 - <_> - - 0 -1 2162 2.8410999104380608e-02 - - -1.7615799605846405e-01 8.5765302181243896e-01 - <_> - - 0 -1 2163 -2.9007999226450920e-02 - - 5.7978099584579468e-01 2.8565999120473862e-02 - <_> - - 0 -1 2164 2.4965999647974968e-02 - - -2.2729000076651573e-02 -9.6773099899291992e-01 - <_> - - 0 -1 2165 1.2036000378429890e-02 - - -1.4214700460433960e-01 5.1687997579574585e-01 - <_> - - 0 -1 2166 -4.2514000087976456e-02 - - 9.7273802757263184e-01 -1.8119800090789795e-01 - <_> - - 0 -1 2167 1.0276000015437603e-02 - - -8.3099998533725739e-02 3.1762799620628357e-01 - <_> - - 0 -1 2168 -6.9191999733448029e-02 - - -2.0668580532073975e+00 -6.0173999518156052e-02 - <_> - - 0 -1 2169 -4.6769999898970127e-03 - - 4.4131800532341003e-01 2.3209000006318092e-02 - <_> - - 0 -1 2170 -1.3923999853432178e-02 - - 2.8606700897216797e-01 -2.9152700304985046e-01 - <_> - - 0 -1 2171 -1.5333999879658222e-02 - - -5.7414501905441284e-01 2.3063300549983978e-01 - <_> - - 0 -1 2172 -1.0239000432193279e-02 - - 3.4479200839996338e-01 -2.6080399751663208e-01 - <_> - - 0 -1 2173 -5.0988998264074326e-02 - - 5.6154102087020874e-01 6.1218999326229095e-02 - <_> - - 0 -1 2174 3.0689999461174011e-02 - - -1.4772799611091614e-01 1.6378489732742310e+00 - <_> - - 0 -1 2175 -1.1223999783396721e-02 - - 2.4006199836730957e-01 -4.4864898920059204e-01 - <_> - - 0 -1 2176 -6.2899999320507050e-03 - - 4.3119499087333679e-01 -2.3808999359607697e-01 - <_> - - 0 -1 2177 7.8590996563434601e-02 - - 1.9865000620484352e-02 8.0853801965713501e-01 - <_> - - 0 -1 2178 -1.0178999975323677e-02 - - 1.8193200230598450e-01 -3.2877799868583679e-01 - <_> - - 0 -1 2179 3.1227000057697296e-02 - - 1.4973899722099304e-01 -1.4180339574813843e+00 - <_> - - 0 -1 2180 4.0196999907493591e-02 - - -1.9760499894618988e-01 5.8508199453353882e-01 - <_> - - 0 -1 2181 1.6138000413775444e-02 - - 5.0000002374872565e-04 3.9050000905990601e-01 - <_> - - 0 -1 2182 -4.5519001781940460e-02 - - 1.2646820545196533e+00 -1.5632599592208862e-01 - <_> - - 0 -1 2183 -1.8130000680685043e-02 - - 6.5148502588272095e-01 1.0235999710857868e-02 - <_> - - 0 -1 2184 -1.4001999981701374e-02 - - -1.0344820022583008e+00 -3.2182998955249786e-02 - <_> - - 0 -1 2185 -3.8816001266241074e-02 - - -4.7874298691749573e-01 1.6290700435638428e-01 - <_> - - 0 -1 2186 3.1656000763177872e-02 - - -2.0983399450778961e-01 5.4575902223587036e-01 - <_> - - 0 -1 2187 -1.0839999653398991e-02 - - 5.1898801326751709e-01 -1.5080000273883343e-02 - <_> - - 0 -1 2188 1.2032999657094479e-02 - - -2.1107600629329681e-01 7.5937002897262573e-01 - <_> - - 0 -1 2189 7.0772998034954071e-02 - - 1.8048800528049469e-01 -7.4048501253128052e-01 - <_> - - 0 -1 2190 5.3139799833297729e-01 - - -1.4491699635982513e-01 1.5360039472579956e+00 - <_> - - 0 -1 2191 -1.4774000272154808e-02 - - -2.8153699636459351e-01 2.0407299697399139e-01 - <_> - - 0 -1 2192 -2.2410000674426556e-03 - - -4.4876301288604736e-01 5.3989000618457794e-02 - <_> - - 0 -1 2193 4.9968000501394272e-02 - - 4.1514001786708832e-02 2.9417100548744202e-01 - <_> - - 0 -1 2194 -4.7701999545097351e-02 - - 3.9674299955368042e-01 -2.8301799297332764e-01 - <_> - - 0 -1 2195 -9.1311000287532806e-02 - - 2.1994259357452393e+00 8.7964996695518494e-02 - <_> - - 0 -1 2196 3.8070000708103180e-02 - - -2.8025600314140320e-01 2.5156199932098389e-01 - <_> - - 0 -1 2197 -1.5538999810814857e-02 - - 3.4157499670982361e-01 1.7924999818205833e-02 - <_> - - 0 -1 2198 -1.5445999801158905e-02 - - 2.8680199384689331e-01 -2.5135898590087891e-01 - <_> - - 0 -1 2199 -5.7388000190258026e-02 - - 6.3830000162124634e-01 8.8597998023033142e-02 - <_> - - 0 -1 2200 -5.9440000914037228e-03 - - 7.9016998410224915e-02 -4.0774899721145630e-01 - <_> - - 0 -1 2201 -6.9968998432159424e-02 - - -4.4644200801849365e-01 1.7219600081443787e-01 - <_> - - 0 -1 2202 -2.5064999237656593e-02 - - -9.8270201683044434e-01 -3.5388000309467316e-02 - <_> - - 0 -1 2203 1.7216000705957413e-02 - - 2.2705900669097900e-01 -8.0550098419189453e-01 - <_> - - 0 -1 2204 -4.4279001653194427e-02 - - 8.3951997756958008e-01 -1.7429600656032562e-01 - <_> - - 0 -1 2205 4.3988998979330063e-02 - - 1.1557199805974960e-01 -1.9666889905929565e+00 - <_> - - 0 -1 2206 1.5907000750303268e-02 - - -3.7576001137495041e-02 -1.0311100482940674e+00 - <_> - - 0 -1 2207 -9.2754997313022614e-02 - - -1.3530019521713257e+00 1.2141299992799759e-01 - <_> - - 0 -1 2208 7.1037001907825470e-02 - - -1.7684300243854523e-01 7.4485200643539429e-01 - <_> - - 0 -1 2209 5.7762000709772110e-02 - - 1.2835599482059479e-01 -4.4444200396537781e-01 - <_> - - 0 -1 2210 -1.6432000324130058e-02 - - 8.0152702331542969e-01 -1.7491699755191803e-01 - <_> - - 0 -1 2211 2.3939000442624092e-02 - - 1.6144999861717224e-01 -1.2364500015974045e-01 - <_> - - 0 -1 2212 1.2636000290513039e-02 - - 1.5411999821662903e-01 -3.3293798565864563e-01 - <_> - - 0 -1 2213 -5.4347999393939972e-02 - - -1.8400700092315674e+00 1.4835999906063080e-01 - <_> - - 0 -1 2214 -1.3261999934911728e-02 - - -8.0838799476623535e-01 -2.7726000174880028e-02 - <_> - - 0 -1 2215 6.1340001411736012e-03 - - -1.3785000145435333e-01 3.2858499884605408e-01 - <_> - - 0 -1 2216 2.8991000726819038e-02 - - -2.5516999885439873e-02 -8.3387202024459839e-01 - <_> - - 0 -1 2217 -2.1986000239849091e-02 - - -7.3739999532699585e-01 1.7887100577354431e-01 - <_> - - 0 -1 2218 5.3269998170435429e-03 - - -4.5449298620223999e-01 6.8791002035140991e-02 - <_> - - 0 -1 2219 8.6047999560832977e-02 - - 2.1008500456809998e-01 -3.7808901071548462e-01 - <_> - - 0 -1 2220 -8.5549997165799141e-03 - - 4.0134999155998230e-01 -2.1074099838733673e-01 - <_> - - 0 -1 2221 6.7790001630783081e-03 - - -2.1648999303579330e-02 4.5421499013900757e-01 - <_> - - 0 -1 2222 -6.3959998078644276e-03 - - -4.9818599224090576e-01 7.5907997786998749e-02 - <_> - - 0 -1 2223 8.9469999074935913e-03 - - 1.7857700586318970e-01 -2.8454899787902832e-01 - <_> - - 0 -1 2224 3.2589999027550220e-03 - - 4.6624999493360519e-02 -5.5206298828125000e-01 - <_> - - 0 -1 2225 4.1476998478174210e-02 - - 1.7550499737262726e-01 -2.0703999698162079e-01 - <_> - - 0 -1 2226 -6.7449999041855335e-03 - - -4.6392598748207092e-01 6.9303996860980988e-02 - <_> - - 0 -1 2227 3.0564999207854271e-02 - - 5.1734998822212219e-02 7.5550502538681030e-01 - <_> - - 0 -1 2228 -7.4780001305043697e-03 - - 1.4893899857997894e-01 -3.1906801462173462e-01 - <_> - - 0 -1 2229 8.9088998734951019e-02 - - 1.3738800585269928e-01 -1.1379710435867310e+00 - <_> - - 0 -1 2230 7.3230001144111156e-03 - - -2.8829199075698853e-01 1.9088600575923920e-01 - <_> - - 0 -1 2231 -1.8205000087618828e-02 - - -3.0178600549697876e-01 1.6795800626277924e-01 - <_> - - 0 -1 2232 -2.5828000158071518e-02 - - -9.8137998580932617e-01 -1.9860999658703804e-02 - <_> - - 0 -1 2233 1.0936199873685837e-01 - - 4.8790000379085541e-02 5.3118300437927246e-01 - <_> - - 0 -1 2234 -1.1424999684095383e-02 - - 2.3705999553203583e-01 -2.7925300598144531e-01 - <_> - - 0 -1 2235 -5.7565998286008835e-02 - - 4.7255399823188782e-01 6.5171003341674805e-02 - <_> - - 0 -1 2236 1.0278300195932388e-01 - - -2.0765100419521332e-01 5.0947701930999756e-01 - <_> - - 0 -1 2237 2.7041999623179436e-02 - - 1.6421200335025787e-01 -1.4508620500564575e+00 - <_> - - 0 -1 2238 -1.3635000213980675e-02 - - -5.6543898582458496e-01 2.3788999766111374e-02 - <_> - - 0 -1 2239 -3.2158198952674866e-01 - - -3.5602829456329346e+00 1.1801300197839737e-01 - <_> - - 0 -1 2240 2.0458100736141205e-01 - - -3.7016000598669052e-02 -1.0225499868392944e+00 - <_> - - 0 -1 2241 -7.0347003638744354e-02 - - -5.6491899490356445e-01 1.8525199592113495e-01 - <_> - - 0 -1 2242 3.7831000983715057e-02 - - -2.9901999980211258e-02 -8.2921499013900757e-01 - <_> - - 0 -1 2243 -7.0298001170158386e-02 - - -5.3172302246093750e-01 1.4430199563503265e-01 - <_> - - 0 -1 2244 6.3221000134944916e-02 - - -2.2041200101375580e-01 4.7952198982238770e-01 - <_> - - 0 -1 2245 3.6393001675605774e-02 - - 1.4222699403762817e-01 -6.1193901300430298e-01 - <_> - - 0 -1 2246 4.0099998004734516e-03 - - -3.4560799598693848e-01 1.1738699674606323e-01 - <_> - - 0 -1 2247 -4.9106001853942871e-02 - - 9.5984101295471191e-01 6.4934998750686646e-02 - <_> - - 0 -1 2248 -7.1583002805709839e-02 - - 1.7385669946670532e+00 -1.4252899587154388e-01 - <_> - - 0 -1 2249 -3.8008999079465866e-02 - - 1.3872820138931274e+00 6.6188000142574310e-02 - <_> - - 0 -1 2250 -3.1570000573992729e-03 - - 5.3677000105381012e-02 -5.4048001766204834e-01 - <_> - - 0 -1 2251 1.9458999857306480e-02 - - -9.3620002269744873e-02 3.9131000638008118e-01 - <_> - - 0 -1 2252 1.1293999850749969e-02 - - 3.7223998457193375e-02 -5.4251801967620850e-01 - <_> - - 0 -1 2253 -3.3495001494884491e-02 - - 9.5307898521423340e-01 3.7696998566389084e-02 - <_> - - 0 -1 2254 9.2035003006458282e-02 - - -1.3488399982452393e-01 2.2897069454193115e+00 - <_> - - 0 -1 2255 3.7529999390244484e-03 - - 2.2824199497699738e-01 -5.9983700513839722e-01 - <_> - - 0 -1 2256 1.2848000042140484e-02 - - -2.2005200386047363e-01 3.7221899628639221e-01 - <_> - - 0 -1 2257 -1.4316199719905853e-01 - - 1.2855789661407471e+00 4.7237001359462738e-02 - <_> - - 0 -1 2258 -9.6879996359348297e-02 - - -3.9550929069519043e+00 -7.2903998196125031e-02 - <_> - - 0 -1 2259 -8.8459998369216919e-03 - - 3.7674999237060547e-01 -4.6484000980854034e-02 - <_> - - 0 -1 2260 1.5900000929832458e-02 - - -2.4457000195980072e-02 -8.0034798383712769e-01 - <_> - - 0 -1 2261 7.0372000336647034e-02 - - 1.7019000649452209e-01 -6.3068997859954834e-01 - <_> - - 0 -1 2262 -3.7953998893499374e-02 - - -9.3667197227478027e-01 -4.1214000433683395e-02 - <_> - - 0 -1 2263 5.1597899198532104e-01 - - 1.3080599904060364e-01 -1.5802290439605713e+00 - <_> - - 0 -1 2264 -3.2843001186847687e-02 - - -1.1441620588302612e+00 -4.9173999577760696e-02 - <_> - - 0 -1 2265 -3.6357000470161438e-02 - - 4.9606400728225708e-01 -3.4458998590707779e-02 - <_> - - 0 -1 2266 6.8080001510679722e-03 - - -3.0997800827026367e-01 1.7054800689220428e-01 - <_> - - 0 -1 2267 -1.6114000231027603e-02 - - -3.7904599308967590e-01 1.6078999638557434e-01 - <_> - - 0 -1 2268 8.4530003368854523e-03 - - -1.8655499815940857e-01 5.6367701292037964e-01 - <_> - - 0 -1 2269 -1.3752399384975433e-01 - - -5.8989900350570679e-01 1.1749500036239624e-01 - <_> - - 0 -1 2270 1.7688000202178955e-01 - - -1.5424899756908417e-01 9.2911100387573242e-01 - <_> - - 0 -1 2271 7.9309996217489243e-03 - - 3.2190701365470886e-01 -1.6392600536346436e-01 - <_> - - 0 -1 2272 1.0971800237894058e-01 - - -1.5876500308513641e-01 1.0186259746551514e+00 - <_> - - 0 -1 2273 -3.0293000862002373e-02 - - 7.5587302446365356e-01 3.1794998794794083e-02 - <_> - - 0 -1 2274 -2.3118000477552414e-02 - - -8.8451498746871948e-01 -9.5039997249841690e-03 - <_> - - 0 -1 2275 -3.0900000128895044e-03 - - 2.3838299512863159e-01 -1.1606200039386749e-01 - <_> - - 0 -1 2276 -3.3392000943422318e-02 - - -1.8738139867782593e+00 -6.8502999842166901e-02 - <_> - - 0 -1 2277 1.3190000317990780e-02 - - 1.2919899821281433e-01 -6.7512202262878418e-01 - <_> - - 0 -1 2278 1.4661000110208988e-02 - - -2.4829000234603882e-02 -7.4396800994873047e-01 - <_> - - 0 -1 2279 -1.3248000293970108e-02 - - 4.6820199489593506e-01 -2.4165000766515732e-02 - <_> - - 0 -1 2280 -1.6218999400734901e-02 - - 4.0083798766136169e-01 -2.1255700290203094e-01 - <_> - - 0 -1 2281 -2.9052000492811203e-02 - - -1.5650019645690918e+00 1.4375899732112885e-01 - <_> - - 0 -1 2282 -1.0153199732303619e-01 - - -1.9220689535140991e+00 -6.9559998810291290e-02 - <_> - - 0 -1 2283 3.7753999233245850e-02 - - 1.3396799564361572e-01 -2.2639141082763672e+00 - <_> - - 0 -1 2284 -2.8555598855018616e-01 - - 1.0215270519256592e+00 -1.5232199430465698e-01 - <_> - - 0 -1 2285 1.5360699594020844e-01 - - -9.7409002482891083e-02 4.1662400960922241e-01 - <_> - - 0 -1 2286 -2.1199999901000410e-04 - - 1.1271899938583374e-01 -4.1653999686241150e-01 - <_> - - 0 -1 2287 -2.0597999915480614e-02 - - 6.0540497303009033e-01 6.2467999756336212e-02 - <_> - - 0 -1 2288 3.7353999912738800e-02 - - -1.8919000029563904e-01 4.6464699506759644e-01 - <_> - - 0 -1 2289 5.7275000959634781e-02 - - 1.1565300077199936e-01 -1.3213009834289551e+00 - <_> - - 0 -1 2290 5.1029999740421772e-03 - - -2.8061500191688538e-01 1.9313399493694305e-01 - <_> - - 0 -1 2291 -5.4644998162984848e-02 - - 7.2428500652313232e-01 7.5447998940944672e-02 - <_> - - 0 -1 2292 2.5349000468850136e-02 - - -1.9481800496578217e-01 4.6032801270484924e-01 - <_> - - 0 -1 2293 2.4311000481247902e-02 - - 1.5564100444316864e-01 -4.9913901090621948e-01 - <_> - - 0 -1 2294 3.5962000489234924e-02 - - -5.8573000133037567e-02 -1.5418399572372437e+00 - <_> - - 0 -1 2295 -1.0000699758529663e-01 - - -1.6100039482116699e+00 1.1450500041246414e-01 - <_> - - 0 -1 2296 8.4435999393463135e-02 - - -6.1406999826431274e-02 -1.4673349857330322e+00 - <_> - - 0 -1 2297 1.5947999432682991e-02 - - 1.6287900507450104e-01 -1.1026400327682495e-01 - <_> - - 0 -1 2298 3.3824000507593155e-02 - - -1.7932699620723724e-01 5.7218402624130249e-01 - <_> - - 0 -1 2299 -6.1996001750230789e-02 - - 4.6511812210083008e+00 9.4534002244472504e-02 - <_> - - 0 -1 2300 6.9876998662948608e-02 - - -1.6985900700092316e-01 8.7028998136520386e-01 - <_> - - 0 -1 2301 -2.7916999533772469e-02 - - 9.1042500734329224e-01 5.6827001273632050e-02 - <_> - - 0 -1 2302 -1.2764000333845615e-02 - - 2.2066700458526611e-01 -2.7769100666046143e-01 - <_> - 199 - -3.2573320865631104e+00 - - <_> - - 0 -1 2303 2.1662000566720963e-02 - - -8.9868897199630737e-01 2.9436299204826355e-01 - <_> - - 0 -1 2304 1.0044500231742859e-01 - - -3.7659201025962830e-01 6.0891002416610718e-01 - <_> - - 0 -1 2305 2.6003999635577202e-02 - - -3.8128501176834106e-01 3.9217400550842285e-01 - <_> - - 0 -1 2306 2.8441000729799271e-02 - - -1.8182300031185150e-01 5.8927202224731445e-01 - <_> - - 0 -1 2307 3.8612000644207001e-02 - - -2.2399599850177765e-01 6.3779997825622559e-01 - <_> - - 0 -1 2308 -4.6594999730587006e-02 - - 7.0812201499938965e-01 -1.4666199684143066e-01 - <_> - - 0 -1 2309 -4.2791999876499176e-02 - - 4.7680398821830750e-01 -2.9233199357986450e-01 - <_> - - 0 -1 2310 3.7960000336170197e-03 - - -1.8510299921035767e-01 5.2626699209213257e-01 - <_> - - 0 -1 2311 4.2348999530076981e-02 - - 3.9244998246431351e-02 -8.9197701215744019e-01 - <_> - - 0 -1 2312 1.9598999992012978e-02 - - -2.3358400166034698e-01 4.4146499037742615e-01 - <_> - - 0 -1 2313 8.7400001939386129e-04 - - -4.6063598990440369e-01 1.7689600586891174e-01 - <_> - - 0 -1 2314 -4.3629999272525311e-03 - - 3.3493199944496155e-01 -2.9893401265144348e-01 - <_> - - 0 -1 2315 1.6973000019788742e-02 - - -1.6408699750900269e-01 1.5993679761886597e+00 - <_> - - 0 -1 2316 3.6063998937606812e-02 - - 2.2601699829101562e-01 -5.3186100721359253e-01 - <_> - - 0 -1 2317 -7.0864997804164886e-02 - - 1.5220500528812408e-01 -4.1914600133895874e-01 - <_> - - 0 -1 2318 -6.3075996935367584e-02 - - -1.4874019622802734e+00 1.2953700125217438e-01 - <_> - - 0 -1 2319 2.9670000076293945e-02 - - -1.9145900011062622e-01 9.8184901475906372e-01 - <_> - - 0 -1 2320 3.7873998284339905e-02 - - 1.3459500670433044e-01 -5.6316298246383667e-01 - <_> - - 0 -1 2321 -3.3289000391960144e-02 - - -1.0828030109405518e+00 -1.1504000052809715e-02 - <_> - - 0 -1 2322 -3.1608998775482178e-02 - - -5.9224498271942139e-01 1.3394799828529358e-01 - <_> - - 0 -1 2323 1.0740000288933516e-03 - - -4.9185800552368164e-01 9.4446003437042236e-02 - <_> - - 0 -1 2324 -7.1556001901626587e-02 - - 5.9710198640823364e-01 -3.9553001523017883e-02 - <_> - - 0 -1 2325 -8.1170000135898590e-02 - - -1.1817820072174072e+00 -2.8254000470042229e-02 - <_> - - 0 -1 2326 4.4860001653432846e-03 - - -6.1028099060058594e-01 2.2619099915027618e-01 - <_> - - 0 -1 2327 -4.2176000773906708e-02 - - -1.1435619592666626e+00 -2.9001999646425247e-02 - <_> - - 0 -1 2328 -6.5640002489089966e-02 - - -1.6470279693603516e+00 1.2810300290584564e-01 - <_> - - 0 -1 2329 1.8188999965786934e-02 - - -3.1149399280548096e-01 2.5739601254463196e-01 - <_> - - 0 -1 2330 -5.1520001143217087e-02 - - -6.9206899404525757e-01 1.5270799398422241e-01 - <_> - - 0 -1 2331 -4.7150999307632446e-02 - - -7.1868300437927246e-01 2.6879999786615372e-03 - <_> - - 0 -1 2332 1.7488999292254448e-02 - - 2.2371199727058411e-01 -5.5381798744201660e-01 - <_> - - 0 -1 2333 -2.5264000520110130e-02 - - 1.0319819450378418e+00 -1.7496499419212341e-01 - <_> - - 0 -1 2334 -4.0745001286268234e-02 - - 4.4961598515510559e-01 3.9349000900983810e-02 - <_> - - 0 -1 2335 -3.7666998803615570e-02 - - -8.5475701093673706e-01 -1.2463999912142754e-02 - <_> - - 0 -1 2336 -1.3411000370979309e-02 - - 5.7845598459243774e-01 -1.7467999830842018e-02 - <_> - - 0 -1 2337 -7.8999997640494257e-05 - - -3.7749201059341431e-01 1.3961799442768097e-01 - <_> - - 0 -1 2338 -1.1415000073611736e-02 - - -2.6186600327491760e-01 2.3712499439716339e-01 - <_> - - 0 -1 2339 3.7200000137090683e-02 - - -2.8626000508666039e-02 -1.2945239543914795e+00 - <_> - - 0 -1 2340 3.4050000831484795e-03 - - 2.0531399548053741e-01 -1.8747499585151672e-01 - <_> - - 0 -1 2341 -2.2483000531792641e-02 - - 6.7027199268341064e-01 -1.9594000279903412e-01 - <_> - - 0 -1 2342 2.3274999111890793e-02 - - 1.7405399680137634e-01 -3.2746300101280212e-01 - <_> - - 0 -1 2343 -1.3917000032961369e-02 - - -8.3954298496246338e-01 -6.3760001212358475e-03 - <_> - - 0 -1 2344 7.5429999269545078e-03 - - -3.4194998443126678e-02 5.8998197317123413e-01 - <_> - - 0 -1 2345 -1.1539000086486340e-02 - - 4.2142799496650696e-01 -2.3510499298572540e-01 - <_> - - 0 -1 2346 5.2501998841762543e-02 - - 6.9303996860980988e-02 7.3226499557495117e-01 - <_> - - 0 -1 2347 5.2715998142957687e-02 - - -1.5688100457191467e-01 1.0907289981842041e+00 - <_> - - 0 -1 2348 -1.1726000346243382e-02 - - -7.0934301614761353e-01 1.6828800737857819e-01 - <_> - - 0 -1 2349 9.5945999026298523e-02 - - -1.6192899644374847e-01 1.0072519779205322e+00 - <_> - - 0 -1 2350 -1.5871999785304070e-02 - - 3.9008399844169617e-01 -5.3777001798152924e-02 - <_> - - 0 -1 2351 3.4818001091480255e-02 - - 1.7179999500513077e-02 -9.3941801786422729e-01 - <_> - - 0 -1 2352 3.4791998565196991e-02 - - 5.0462998449802399e-02 5.4465699195861816e-01 - <_> - - 0 -1 2353 1.6284000128507614e-02 - - -2.6981300115585327e-01 4.0365299582481384e-01 - <_> - - 0 -1 2354 -4.4319000095129013e-02 - - 8.4399998188018799e-01 3.2882999628782272e-02 - <_> - - 0 -1 2355 -5.5689997971057892e-03 - - 1.5309399366378784e-01 -3.4959799051284790e-01 - <_> - - 0 -1 2356 -6.5842002630233765e-02 - - -9.2711198329925537e-01 1.6800999641418457e-01 - <_> - - 0 -1 2357 -7.3337003588676453e-02 - - 5.1614499092102051e-01 -2.0236000418663025e-01 - <_> - - 0 -1 2358 1.6450000926852226e-02 - - 1.3950599730014801e-01 -4.9301299452781677e-01 - <_> - - 0 -1 2359 -9.2630004510283470e-03 - - -9.0101999044418335e-01 -1.6116000711917877e-02 - <_> - - 0 -1 2360 5.9139998629689217e-03 - - 1.9858199357986450e-01 -1.6731299459934235e-01 - <_> - - 0 -1 2361 -8.4699998842552304e-04 - - 9.4005003571510315e-02 -4.1570898890495300e-01 - <_> - - 0 -1 2362 2.0532900094985962e-01 - - -6.0022000223398209e-02 7.0993602275848389e-01 - <_> - - 0 -1 2363 -1.6883000731468201e-02 - - 2.4392199516296387e-01 -3.0551800131797791e-01 - <_> - - 0 -1 2364 -1.9111000001430511e-02 - - 6.1229902505874634e-01 2.4252999573945999e-02 - <_> - - 0 -1 2365 -2.5962999090552330e-02 - - 9.0764999389648438e-01 -1.6722099483013153e-01 - <_> - - 0 -1 2366 -2.1762000396847725e-02 - - -3.1384700536727905e-01 2.0134599506855011e-01 - <_> - - 0 -1 2367 -2.4119999259710312e-02 - - -6.6588401794433594e-01 7.4559999629855156e-03 - <_> - - 0 -1 2368 4.7129999846220016e-02 - - 5.9533998370170593e-02 8.7804502248764038e-01 - <_> - - 0 -1 2369 -4.5984998345375061e-02 - - 8.0067998170852661e-01 -1.7252300679683685e-01 - <_> - - 0 -1 2370 2.6507999747991562e-02 - - 1.8774099647998810e-01 -6.0850602388381958e-01 - <_> - - 0 -1 2371 -4.8615001142024994e-02 - - 5.8644098043441772e-01 -1.9427700340747833e-01 - <_> - - 0 -1 2372 -1.8562000244855881e-02 - - -2.5587901473045349e-01 1.6326199471950531e-01 - <_> - - 0 -1 2373 1.2678000144660473e-02 - - -1.4228000305593014e-02 -7.6738101243972778e-01 - <_> - - 0 -1 2374 -1.1919999960809946e-03 - - 2.0495000481605530e-01 -1.1404299736022949e-01 - <_> - - 0 -1 2375 -4.9088999629020691e-02 - - -1.0740849971771240e+00 -3.8940999656915665e-02 - <_> - - 0 -1 2376 -1.7436999827623367e-02 - - -5.7973802089691162e-01 1.8584500253200531e-01 - <_> - - 0 -1 2377 -1.4770000241696835e-02 - - -6.6150301694869995e-01 5.3119999356567860e-03 - <_> - - 0 -1 2378 -2.2905200719833374e-01 - - -4.8305100202560425e-01 1.2326399981975555e-01 - <_> - - 0 -1 2379 -1.2707099318504333e-01 - - 5.7452601194381714e-01 -1.9420400261878967e-01 - <_> - - 0 -1 2380 1.0339000262320042e-02 - - -5.4641999304294586e-02 2.4501800537109375e-01 - <_> - - 0 -1 2381 6.9010001607239246e-03 - - 1.2180600315332413e-01 -3.8797399401664734e-01 - <_> - - 0 -1 2382 2.9025399684906006e-01 - - 1.0966199636459351e-01 -30. - <_> - - 0 -1 2383 -2.3804999887943268e-01 - - -1.7352679967880249e+00 -6.3809998333454132e-02 - <_> - - 0 -1 2384 6.2481001019477844e-02 - - 1.3523000478744507e-01 -7.0301097631454468e-01 - <_> - - 0 -1 2385 4.7109997831285000e-03 - - -4.6984100341796875e-01 6.0341998934745789e-02 - <_> - - 0 -1 2386 -2.7815999463200569e-02 - - 6.9807600975036621e-01 1.3719999697059393e-03 - <_> - - 0 -1 2387 -1.7020000144839287e-02 - - 1.6870440244674683e+00 -1.4314800500869751e-01 - <_> - - 0 -1 2388 -4.9754999577999115e-02 - - 7.9497700929641724e-01 7.7199999941512942e-04 - <_> - - 0 -1 2389 -7.4732996523380280e-02 - - -1.0132360458374023e+00 -1.9388999789953232e-02 - <_> - - 0 -1 2390 3.2009001821279526e-02 - - 1.4412100613117218e-01 -4.2139101028442383e-01 - <_> - - 0 -1 2391 -9.4463996589183807e-02 - - 5.0682598352432251e-01 -2.0478899776935577e-01 - <_> - - 0 -1 2392 -1.5426999889314175e-02 - - -1.5811300277709961e-01 1.7806899547576904e-01 - <_> - - 0 -1 2393 -4.0540001355111599e-03 - - -5.4366701841354370e-01 3.1235000118613243e-02 - <_> - - 0 -1 2394 3.0080000869929790e-03 - - -1.7376799881458282e-01 3.0441701412200928e-01 - <_> - - 0 -1 2395 -1.0091999545693398e-02 - - 2.5103801488876343e-01 -2.6224100589752197e-01 - <_> - - 0 -1 2396 -3.8818001747131348e-02 - - 9.3226701021194458e-01 7.2659999132156372e-02 - <_> - - 0 -1 2397 3.4651998430490494e-02 - - -3.3934999257326126e-02 -8.5707902908325195e-01 - <_> - - 0 -1 2398 -4.6729999594390392e-03 - - 3.4969300031661987e-01 -4.8517998307943344e-02 - <_> - - 0 -1 2399 6.8499997723847628e-04 - - 6.6573001444339752e-02 -4.4973799586296082e-01 - <_> - - 0 -1 2400 3.5317000001668930e-02 - - 1.4275799691677094e-01 -4.6726399660110474e-01 - <_> - - 0 -1 2401 -2.3569999262690544e-02 - - -1.0286079645156860e+00 -4.5288000255823135e-02 - <_> - - 0 -1 2402 -1.9109999993816018e-03 - - -1.9652199745178223e-01 2.8661000728607178e-01 - <_> - - 0 -1 2403 -1.6659000888466835e-02 - - -7.7532202005386353e-01 -8.3280000835657120e-03 - <_> - - 0 -1 2404 6.6062200069427490e-01 - - 1.3232499361038208e-01 -3.5266680717468262e+00 - <_> - - 0 -1 2405 1.0970599949359894e-01 - - -1.5547199547290802e-01 1.4674140214920044e+00 - <_> - - 0 -1 2406 1.3500999659299850e-02 - - 1.5233400464057922e-01 -1.3020930290222168e+00 - <_> - - 0 -1 2407 -2.2871999070048332e-02 - - -7.1325999498367310e-01 -8.7040001526474953e-03 - <_> - - 0 -1 2408 -8.1821002066135406e-02 - - 1.1127580404281616e+00 8.3219997584819794e-02 - <_> - - 0 -1 2409 -5.2728001028299332e-02 - - 9.3165099620819092e-01 -1.7103999853134155e-01 - <_> - - 0 -1 2410 -2.5242000818252563e-02 - - -1.9733799993991852e-01 2.5359401106834412e-01 - <_> - - 0 -1 2411 -4.3818999081850052e-02 - - 4.1815200448036194e-01 -2.4585500359535217e-01 - <_> - - 0 -1 2412 -1.8188999965786934e-02 - - -5.1743197441101074e-01 2.0174199342727661e-01 - <_> - - 0 -1 2413 2.3466000333428383e-02 - - -4.3071001768112183e-02 -1.0636579990386963e+00 - <_> - - 0 -1 2414 3.4216001629829407e-02 - - 5.3780999034643173e-02 4.9707201123237610e-01 - <_> - - 0 -1 2415 2.5692999362945557e-02 - - -2.3800100386142731e-01 4.1651499271392822e-01 - <_> - - 0 -1 2416 -2.6565000414848328e-02 - - -8.8574802875518799e-01 1.3365900516510010e-01 - <_> - - 0 -1 2417 6.0942001640796661e-02 - - -2.0669700205326080e-01 5.8309000730514526e-01 - <_> - - 0 -1 2418 1.4474500715732574e-01 - - 1.3282300531864166e-01 -3.1449348926544189e+00 - <_> - - 0 -1 2419 5.3410999476909637e-02 - - -1.7325200140476227e-01 6.9190698862075806e-01 - <_> - - 0 -1 2420 1.1408000253140926e-02 - - 5.4822001606225967e-02 3.0240398645401001e-01 - <_> - - 0 -1 2421 -2.3179999552667141e-03 - - 1.5820899605751038e-01 -3.1973201036453247e-01 - <_> - - 0 -1 2422 -2.9695000499486923e-02 - - 7.1274799108505249e-01 5.8136001229286194e-02 - <_> - - 0 -1 2423 2.7249999344348907e-02 - - -1.5754100680351257e-01 9.2143797874450684e-01 - <_> - - 0 -1 2424 -3.6200000904500484e-03 - - -3.4548398852348328e-01 2.0220999419689178e-01 - <_> - - 0 -1 2425 -1.2578999623656273e-02 - - -5.5650299787521362e-01 2.0388999953866005e-02 - <_> - - 0 -1 2426 -8.8849000632762909e-02 - - -3.6100010871887207e+00 1.3164199888706207e-01 - <_> - - 0 -1 2427 -1.9256999716162682e-02 - - 5.1908999681472778e-01 -1.9284300506114960e-01 - <_> - - 0 -1 2428 -1.6666999086737633e-02 - - -8.7499998509883881e-02 1.5812499821186066e-01 - <_> - - 0 -1 2429 1.2931999750435352e-02 - - 2.7405999600887299e-02 -5.5123901367187500e-01 - <_> - - 0 -1 2430 -1.3431999832391739e-02 - - 2.3457799851894379e-01 -4.3235000222921371e-02 - <_> - - 0 -1 2431 1.8810000270605087e-02 - - -3.9680998772382736e-02 -9.4373297691345215e-01 - <_> - - 0 -1 2432 -6.4349998719990253e-03 - - 4.5703700184822083e-01 -4.0520001202821732e-03 - <_> - - 0 -1 2433 -2.4249000474810600e-02 - - -7.6248002052307129e-01 -1.9857000559568405e-02 - <_> - - 0 -1 2434 -2.9667999595403671e-02 - - -3.7412509918212891e+00 1.1250600218772888e-01 - <_> - - 0 -1 2435 5.1150000654160976e-03 - - -6.3781797885894775e-01 1.1223999783396721e-02 - <_> - - 0 -1 2436 -5.7819997891783714e-03 - - 1.9374400377273560e-01 -8.2042001187801361e-02 - <_> - - 0 -1 2437 1.6606999561190605e-02 - - -1.6192099452018738e-01 1.1334990262985229e+00 - <_> - - 0 -1 2438 3.8228001445531845e-02 - - 2.1105000749230385e-02 7.6264202594757080e-01 - <_> - - 0 -1 2439 -5.7094000279903412e-02 - - -1.6974929571151733e+00 -5.9762001037597656e-02 - <_> - - 0 -1 2440 -5.3883001208305359e-02 - - 1.1850190162658691e+00 9.0966999530792236e-02 - <_> - - 0 -1 2441 -2.6110000908374786e-03 - - -4.0941199660301208e-01 8.3820998668670654e-02 - <_> - - 0 -1 2442 2.9714399576187134e-01 - - 1.5529899299144745e-01 -1.0995409488677979e+00 - <_> - - 0 -1 2443 -8.9063003659248352e-02 - - 4.8947200179100037e-01 -2.0041200518608093e-01 - <_> - - 0 -1 2444 -5.6193001568317413e-02 - - -2.4581399559974670e-01 1.4365500211715698e-01 - <_> - - 0 -1 2445 3.7004999816417694e-02 - - -4.8168998211622238e-02 -1.2310709953308105e+00 - <_> - - 0 -1 2446 -8.4840003401041031e-03 - - 4.3372601270675659e-01 1.3779999688267708e-02 - <_> - - 0 -1 2447 -2.4379999376833439e-03 - - 1.8949699401855469e-01 -3.2294198870658875e-01 - <_> - - 0 -1 2448 -7.1639999747276306e-02 - - -4.3979001045227051e-01 2.2730199992656708e-01 - <_> - - 0 -1 2449 5.2260002121329308e-03 - - -2.0548400282859802e-01 5.0933301448822021e-01 - <_> - - 0 -1 2450 -6.1360001564025879e-03 - - 3.1157198548316956e-01 7.0680998265743256e-02 - <_> - - 0 -1 2451 1.5595000237226486e-02 - - -3.0934798717498779e-01 1.5627700090408325e-01 - <_> - - 0 -1 2452 2.5995999574661255e-02 - - 1.3821600377559662e-01 -1.7616599798202515e-01 - <_> - - 0 -1 2453 -1.2085000053048134e-02 - - -5.1070201396942139e-01 5.8440998196601868e-02 - <_> - - 0 -1 2454 -6.7836001515388489e-02 - - 4.7757101058959961e-01 -7.1446001529693604e-02 - <_> - - 0 -1 2455 -1.4715000055730343e-02 - - 4.5238900184631348e-01 -1.9861400127410889e-01 - <_> - - 0 -1 2456 2.5118999183177948e-02 - - 1.2954899668693542e-01 -8.6266398429870605e-01 - <_> - - 0 -1 2457 1.8826000392436981e-02 - - -4.1570000350475311e-02 -1.1354700326919556e+00 - <_> - - 0 -1 2458 -2.1263999864459038e-02 - - -3.4738001227378845e-01 1.5779499709606171e-01 - <_> - - 0 -1 2459 9.4609996303915977e-03 - - 4.8639997839927673e-03 -6.1654800176620483e-01 - <_> - - 0 -1 2460 2.2957700490951538e-01 - - 8.1372998654842377e-02 6.9841402769088745e-01 - <_> - - 0 -1 2461 -3.8061998784542084e-02 - - 1.1616369485855103e+00 -1.4976699650287628e-01 - <_> - - 0 -1 2462 -1.3484999537467957e-02 - - -3.2036399841308594e-01 1.7365099489688873e-01 - <_> - - 0 -1 2463 3.6238998174667358e-02 - - -1.8158499896526337e-01 6.1956697702407837e-01 - <_> - - 0 -1 2464 6.7210001870989799e-03 - - 7.9600000753998756e-04 4.2441400885581970e-01 - <_> - - 0 -1 2465 9.6525996923446655e-02 - - -1.4696800708770752e-01 1.2525680065155029e+00 - <_> - - 0 -1 2466 -3.5656999796628952e-02 - - -3.9781698584556580e-01 1.4191399514675140e-01 - <_> - - 0 -1 2467 1.0772000066936016e-02 - - -1.8194000422954559e-01 5.9762197732925415e-01 - <_> - - 0 -1 2468 7.9279996454715729e-02 - - 1.4642499387264252e-01 -7.8836899995803833e-01 - <_> - - 0 -1 2469 3.2841000705957413e-02 - - -6.2408000230789185e-02 -1.4227490425109863e+00 - <_> - - 0 -1 2470 -2.7781000360846519e-02 - - 3.4033098816871643e-01 3.0670000240206718e-02 - <_> - - 0 -1 2471 -4.0339999832212925e-03 - - 3.1084701418876648e-01 -2.2595700621604919e-01 - <_> - - 0 -1 2472 7.4260002002120018e-03 - - -3.8936998695135117e-02 3.1702101230621338e-01 - <_> - - 0 -1 2473 1.1213999986648560e-01 - - -1.7578299343585968e-01 6.5056598186492920e-01 - <_> - - 0 -1 2474 -1.1878100037574768e-01 - - -1.0092990398406982e+00 1.1069700121879578e-01 - <_> - - 0 -1 2475 -4.1584998369216919e-02 - - -5.3806400299072266e-01 1.9905000925064087e-02 - <_> - - 0 -1 2476 -2.7966000139713287e-02 - - 4.8143199086189270e-01 3.3590998500585556e-02 - <_> - - 0 -1 2477 -1.2506400048732758e-01 - - 2.6352199912071228e-01 -2.5737899541854858e-01 - <_> - - 0 -1 2478 2.3666900396347046e-01 - - 3.6508001387119293e-02 9.0655601024627686e-01 - <_> - - 0 -1 2479 -2.9475999996066093e-02 - - -6.0048800706863403e-01 9.5880003646016121e-03 - <_> - - 0 -1 2480 3.7792999297380447e-02 - - 1.5506200492382050e-01 -9.5733499526977539e-01 - <_> - - 0 -1 2481 7.2044000029563904e-02 - - -1.4525899291038513e-01 1.3676730394363403e+00 - <_> - - 0 -1 2482 9.7759999334812164e-03 - - 1.2915999628603458e-02 2.1640899777412415e-01 - <_> - - 0 -1 2483 5.2154000848531723e-02 - - -1.6359999775886536e-02 -8.8356298208236694e-01 - <_> - - 0 -1 2484 -4.3790999799966812e-02 - - 3.5829600691795349e-01 6.5131001174449921e-02 - <_> - - 0 -1 2485 -3.8378998637199402e-02 - - 1.1961040496826172e+00 -1.4971500635147095e-01 - <_> - - 0 -1 2486 -9.8838999867439270e-02 - - -6.1834001541137695e-01 1.2786200642585754e-01 - <_> - - 0 -1 2487 -1.2190700322389603e-01 - - -1.8276120424270630e+00 -6.4862996339797974e-02 - <_> - - 0 -1 2488 -1.1981700360774994e-01 - - -30. 1.1323300004005432e-01 - <_> - - 0 -1 2489 3.0910000205039978e-02 - - -2.3934000730514526e-01 3.6332899332046509e-01 - <_> - - 0 -1 2490 1.0800999589264393e-02 - - -3.5140000283718109e-02 2.7707898616790771e-01 - <_> - - 0 -1 2491 5.6844998151063919e-02 - - -1.5524299442768097e-01 1.0802700519561768e+00 - <_> - - 0 -1 2492 1.0280000278726220e-03 - - -6.1202999204397202e-02 2.0508000254631042e-01 - <_> - - 0 -1 2493 -2.8273999691009521e-02 - - -6.4778000116348267e-01 2.3917000740766525e-02 - <_> - - 0 -1 2494 -1.6013599932193756e-01 - - 1.0892050266265869e+00 5.8389000594615936e-02 - <_> - - 0 -1 2495 4.9629998393356800e-03 - - -2.5806298851966858e-01 2.0834599435329437e-01 - <_> - - 0 -1 2496 4.6937000006437302e-02 - - 1.3886299729347229e-01 -1.5662620067596436e+00 - <_> - - 0 -1 2497 2.4286000058054924e-02 - - -2.0728300511837006e-01 5.2430999279022217e-01 - <_> - - 0 -1 2498 7.0202000439167023e-02 - - 1.4796899259090424e-01 -1.3095090389251709e+00 - <_> - - 0 -1 2499 9.8120002076029778e-03 - - 2.7906000614166260e-02 -5.0864601135253906e-01 - <_> - - 0 -1 2500 -5.6200999766588211e-02 - - 1.2618130445480347e+00 6.3801996409893036e-02 - <_> - - 0 -1 2501 1.0982800275087357e-01 - - -1.2850099802017212e-01 3.0776169300079346e+00 - <_> - 211 - -3.3703000545501709e+00 - - <_> - - 0 -1 2502 2.0910000428557396e-02 - - -6.8559402227401733e-01 3.8984298706054688e-01 - <_> - - 0 -1 2503 3.5032000392675400e-02 - - -4.7724398970603943e-01 4.5027199387550354e-01 - <_> - - 0 -1 2504 3.9799001067876816e-02 - - -4.7011101245880127e-01 4.2702499032020569e-01 - <_> - - 0 -1 2505 -4.8409998416900635e-03 - - 2.5614300370216370e-01 -6.6556298732757568e-01 - <_> - - 0 -1 2506 2.3439999204128981e-03 - - -4.8083499073982239e-01 2.8013798594474792e-01 - <_> - - 0 -1 2507 2.5312999263405800e-02 - - -2.3948200047016144e-01 4.4191798567771912e-01 - <_> - - 0 -1 2508 -3.2193001359701157e-02 - - 7.6086699962615967e-01 -2.5059100985527039e-01 - <_> - - 0 -1 2509 7.5409002602100372e-02 - - -3.4974598884582520e-01 3.4380298852920532e-01 - <_> - - 0 -1 2510 -1.8469000235199928e-02 - - -7.9085600376129150e-01 3.4788001328706741e-02 - <_> - - 0 -1 2511 -1.2802000157535076e-02 - - 4.7107800841331482e-01 -6.0006000101566315e-02 - <_> - - 0 -1 2512 -2.6598000898957253e-02 - - 6.7116099596023560e-01 -2.4257500469684601e-01 - <_> - - 0 -1 2513 2.1988999098539352e-02 - - 2.4717499315738678e-01 -4.8301699757575989e-01 - <_> - - 0 -1 2514 1.4654099941253662e-01 - - -2.1504099667072296e-01 7.2055900096893311e-01 - <_> - - 0 -1 2515 3.5310001112520695e-03 - - 2.7930998802185059e-01 -3.4339898824691772e-01 - <_> - - 0 -1 2516 9.4010001048445702e-03 - - 5.5861998349428177e-02 -8.2143598794937134e-01 - <_> - - 0 -1 2517 -8.6390003561973572e-03 - - -9.9620598554611206e-01 1.8874999880790710e-01 - <_> - - 0 -1 2518 -3.9193000644445419e-02 - - -1.1945559978485107e+00 -2.9198000207543373e-02 - <_> - - 0 -1 2519 2.4855000898241997e-02 - - 1.4987599849700928e-01 -5.4137802124023438e-01 - <_> - - 0 -1 2520 -3.4995000809431076e-02 - - -1.4210180044174194e+00 -4.2314000427722931e-02 - <_> - - 0 -1 2521 -1.8378999084234238e-02 - - -2.8242599964141846e-01 1.5581800043582916e-01 - <_> - - 0 -1 2522 -1.3592000119388103e-02 - - 4.7317099571228027e-01 -2.1937200427055359e-01 - <_> - - 0 -1 2523 6.2629999592900276e-03 - - -5.9714000672101974e-02 6.0625898838043213e-01 - <_> - - 0 -1 2524 -1.8478000536561012e-02 - - -8.5647201538085938e-01 -1.3783999718725681e-02 - <_> - - 0 -1 2525 1.4236000366508961e-02 - - 1.6654799878597260e-01 -2.7713999152183533e-01 - <_> - - 0 -1 2526 -3.2547000795602798e-02 - - -1.1728240251541138e+00 -4.0185000747442245e-02 - <_> - - 0 -1 2527 -2.6410000864416361e-03 - - 2.6514300704002380e-01 -5.6343000382184982e-02 - <_> - - 0 -1 2528 -8.7799999164417386e-04 - - 3.6556001752614975e-02 -5.5075198411941528e-01 - <_> - - 0 -1 2529 4.7371998429298401e-02 - - -4.2614001780748367e-02 4.8194900155067444e-01 - <_> - - 0 -1 2530 -7.0790001191198826e-03 - - 2.8698998689651489e-01 -3.2923001050949097e-01 - <_> - - 0 -1 2531 -4.3145999312400818e-02 - - -1.4065419435501099e+00 1.2836399674415588e-01 - <_> - - 0 -1 2532 2.0592000335454941e-02 - - -2.1435299515724182e-01 5.3981798887252808e-01 - <_> - - 0 -1 2533 -2.2367000579833984e-02 - - 3.3718299865722656e-01 4.5212000608444214e-02 - <_> - - 0 -1 2534 5.0039999186992645e-02 - - -2.5121700763702393e-01 4.1750499606132507e-01 - <_> - - 0 -1 2535 6.1794999986886978e-02 - - 4.0084999054670334e-02 6.8779802322387695e-01 - <_> - - 0 -1 2536 -4.1861999779939651e-02 - - 5.3027397394180298e-01 -2.2901999950408936e-01 - <_> - - 0 -1 2537 -3.1959998887032270e-03 - - 2.5161498785018921e-01 -2.1514600515365601e-01 - <_> - - 0 -1 2538 2.4255000054836273e-02 - - 7.2320001199841499e-03 -7.2519099712371826e-01 - <_> - - 0 -1 2539 -1.7303999513387680e-02 - - -4.9958199262619019e-01 1.8394500017166138e-01 - <_> - - 0 -1 2540 -4.1470001451671124e-03 - - 8.5211999714374542e-02 -4.6364700794219971e-01 - <_> - - 0 -1 2541 -1.4369999989867210e-02 - - -5.2258902788162231e-01 2.3892599344253540e-01 - <_> - - 0 -1 2542 -9.0399999171495438e-03 - - -6.3250398635864258e-01 3.2551001757383347e-02 - <_> - - 0 -1 2543 -1.2373100221157074e-01 - - 1.2856210470199585e+00 7.6545000076293945e-02 - <_> - - 0 -1 2544 -8.2221999764442444e-02 - - 8.3208197355270386e-01 -1.8590599298477173e-01 - <_> - - 0 -1 2545 6.5659001469612122e-02 - - 1.1298800259828568e-01 -30. - <_> - - 0 -1 2546 -3.1582999974489212e-02 - - -1.3485900163650513e+00 -4.7097001224756241e-02 - <_> - - 0 -1 2547 -7.9636000096797943e-02 - - -1.3533639907836914e+00 1.5668800473213196e-01 - <_> - - 0 -1 2548 -1.8880000337958336e-02 - - 4.0300300717353821e-01 -2.5148901343345642e-01 - <_> - - 0 -1 2549 -5.0149997696280479e-03 - - -2.6287099719047546e-01 1.8582500517368317e-01 - <_> - - 0 -1 2550 -1.2218000367283821e-02 - - 5.8692401647567749e-01 -1.9427700340747833e-01 - <_> - - 0 -1 2551 1.2710000155493617e-03 - - -1.6688999533653259e-01 2.3006899654865265e-01 - <_> - - 0 -1 2552 2.9743999242782593e-02 - - 1.2520000338554382e-02 -6.6723597049713135e-01 - <_> - - 0 -1 2553 2.8175000101327896e-02 - - -1.7060000449419022e-02 6.4579397439956665e-01 - <_> - - 0 -1 2554 3.0345000326633453e-02 - - -2.4178700149059296e-01 3.4878900647163391e-01 - <_> - - 0 -1 2555 -1.7325999215245247e-02 - - -5.3599399328231812e-01 2.0995999872684479e-01 - <_> - - 0 -1 2556 -8.4178000688552856e-02 - - 7.5093299150466919e-01 -1.7593200504779816e-01 - <_> - - 0 -1 2557 7.4950000271201134e-03 - - -1.6188099980354309e-01 3.0657500028610229e-01 - <_> - - 0 -1 2558 5.6494999676942825e-02 - - -1.7318800091743469e-01 1.0016150474548340e+00 - <_> - - 0 -1 2559 -5.2939997985959053e-03 - - 2.3417599499225616e-01 -6.5347000956535339e-02 - <_> - - 0 -1 2560 -1.4945000410079956e-02 - - 2.5018900632858276e-01 -3.0591198801994324e-01 - <_> - - 0 -1 2561 5.4919000715017319e-02 - - 1.3121999800205231e-01 -9.3765097856521606e-01 - <_> - - 0 -1 2562 -1.9721999764442444e-02 - - -8.3978497982025146e-01 -2.3473000153899193e-02 - <_> - - 0 -1 2563 -6.7158997058868408e-02 - - 2.3586840629577637e+00 8.2970999181270599e-02 - <_> - - 0 -1 2564 -1.4325999654829502e-02 - - 1.8814499676227570e-01 -3.1221601366996765e-01 - <_> - - 0 -1 2565 2.9841000214219093e-02 - - 1.4825099706649780e-01 -8.4681701660156250e-01 - <_> - - 0 -1 2566 5.1883000880479813e-02 - - -4.3731000274419785e-02 -1.3366169929504395e+00 - <_> - - 0 -1 2567 4.1127000004053116e-02 - - 1.7660099267959595e-01 -6.0904097557067871e-01 - <_> - - 0 -1 2568 -1.2865099310874939e-01 - - -9.8701000213623047e-01 -3.7785001099109650e-02 - <_> - - 0 -1 2569 2.4170000106096268e-03 - - -1.6119599342346191e-01 3.2675701379776001e-01 - <_> - - 0 -1 2570 7.7030002139508724e-03 - - -2.3841500282287598e-01 2.9319399595260620e-01 - <_> - - 0 -1 2571 4.5520000159740448e-02 - - 1.4424599707126617e-01 -1.5010160207748413e+00 - <_> - - 0 -1 2572 -7.8700996935367584e-02 - - -1.0394560098648071e+00 -4.5375999063253403e-02 - <_> - - 0 -1 2573 7.8619997948408127e-03 - - 1.9633600115776062e-01 -1.4472399652004242e-01 - <_> - - 0 -1 2574 -1.3458999805152416e-02 - - -9.0634697675704956e-01 -3.8049001246690750e-02 - <_> - - 0 -1 2575 2.8827000409364700e-02 - - -2.9473999515175819e-02 6.0058397054672241e-01 - <_> - - 0 -1 2576 -2.7365999296307564e-02 - - -9.9804002046585083e-01 -3.8653001189231873e-02 - <_> - - 0 -1 2577 -7.2917997837066650e-02 - - 7.3361498117446899e-01 5.7440001517534256e-02 - <_> - - 0 -1 2578 -1.3988999649882317e-02 - - 2.7892601490020752e-01 -2.6516300439834595e-01 - <_> - - 0 -1 2579 4.3242998421192169e-02 - - 4.7760000452399254e-03 3.5925900936126709e-01 - <_> - - 0 -1 2580 2.9533000662922859e-02 - - -2.0083999633789062e-01 5.1202899217605591e-01 - <_> - - 0 -1 2581 -3.1897000968456268e-02 - - 6.4721697568893433e-01 -1.3760000001639128e-03 - <_> - - 0 -1 2582 3.7868998944759369e-02 - - -1.8363800644874573e-01 6.1343097686767578e-01 - <_> - - 0 -1 2583 -2.2417999804019928e-02 - - -2.9187899827957153e-01 1.8194800615310669e-01 - <_> - - 0 -1 2584 5.8958999812602997e-02 - - -6.6451996564865112e-02 -1.9290030002593994e+00 - <_> - - 0 -1 2585 3.1222999095916748e-02 - - -1.2732000090181828e-02 6.1560797691345215e-01 - <_> - - 0 -1 2586 3.7484999746084213e-02 - - -2.0856900513172150e-01 4.4363999366760254e-01 - <_> - - 0 -1 2587 -2.0966000854969025e-02 - - -3.5712799429893494e-01 2.4252200126647949e-01 - <_> - - 0 -1 2588 -2.5477999821305275e-02 - - 1.0846560001373291e+00 -1.5054400265216827e-01 - <_> - - 0 -1 2589 -7.2570000775158405e-03 - - 2.1302600204944611e-01 -1.8308199942111969e-01 - <_> - - 0 -1 2590 -5.0983000546693802e-02 - - 5.1736801862716675e-01 -1.8833099305629730e-01 - <_> - - 0 -1 2591 -2.0640000700950623e-02 - - -4.4030201435089111e-01 2.2745999693870544e-01 - <_> - - 0 -1 2592 1.0672999545931816e-02 - - 3.5059999674558640e-02 -5.1665002107620239e-01 - <_> - - 0 -1 2593 3.1895998865365982e-02 - - 1.3228000141680241e-02 3.4915199875831604e-01 - <_> - - 0 -1 2594 -2.3824999108910561e-02 - - 3.4118801355361938e-01 -2.1510200202465057e-01 - <_> - - 0 -1 2595 -6.0680001042783260e-03 - - 3.2937398552894592e-01 -2.8523799777030945e-01 - <_> - - 0 -1 2596 2.3881999775767326e-02 - - -2.5333800911903381e-01 2.6296100020408630e-01 - <_> - - 0 -1 2597 2.7966000139713287e-02 - - 1.4049099385738373e-01 -4.9887099862098694e-01 - <_> - - 0 -1 2598 1.4603000134229660e-02 - - -1.5395999886095524e-02 -7.6958000659942627e-01 - <_> - - 0 -1 2599 1.0872399806976318e-01 - - 1.9069600105285645e-01 -3.2393100857734680e-01 - <_> - - 0 -1 2600 -1.4038000255823135e-02 - - 3.4924700856208801e-01 -2.2358700633049011e-01 - <_> - - 0 -1 2601 4.0440000593662262e-03 - - -3.8329001516103745e-02 5.1177299022674561e-01 - <_> - - 0 -1 2602 -4.9769999459385872e-03 - - -4.2888298630714417e-01 4.9173999577760696e-02 - <_> - - 0 -1 2603 -8.5183002054691315e-02 - - 6.6624599695205688e-01 7.8079998493194580e-03 - <_> - - 0 -1 2604 2.1559998858720064e-03 - - -4.9135199189186096e-01 6.9555997848510742e-02 - <_> - - 0 -1 2605 3.6384499073028564e-01 - - 1.2997099757194519e-01 -1.8949509859085083e+00 - <_> - - 0 -1 2606 2.2082500159740448e-01 - - -5.7211998850107193e-02 -1.4281120300292969e+00 - <_> - - 0 -1 2607 -1.6140000894665718e-02 - - -5.7589399814605713e-01 1.8062500655651093e-01 - <_> - - 0 -1 2608 -4.8330001533031464e-02 - - 9.7308498620986938e-01 -1.6513000428676605e-01 - <_> - - 0 -1 2609 1.7529999837279320e-02 - - 1.7932699620723724e-01 -2.7948901057243347e-01 - <_> - - 0 -1 2610 -3.4309998154640198e-02 - - -8.1072497367858887e-01 -1.6596000641584396e-02 - <_> - - 0 -1 2611 -4.5830002054572105e-03 - - 2.7908998727798462e-01 -7.4519999325275421e-03 - <_> - - 0 -1 2612 1.2896400690078735e-01 - - -1.3508500158786774e-01 2.5411539077758789e+00 - <_> - - 0 -1 2613 3.0361000448465347e-02 - - -6.8419001996517181e-02 2.8734099864959717e-01 - <_> - - 0 -1 2614 4.4086001813411713e-02 - - -1.8135899305343628e-01 6.5413200855255127e-01 - <_> - - 0 -1 2615 3.0159999150782824e-03 - - -1.5690499544143677e-01 2.6963800191879272e-01 - <_> - - 0 -1 2616 -2.6336999610066414e-02 - - 2.9175600409507751e-01 -2.5274100899696350e-01 - <_> - - 0 -1 2617 -2.7866000309586525e-02 - - 4.4387501478195190e-01 5.5038001388311386e-02 - <_> - - 0 -1 2618 1.1725000105798244e-02 - - -1.9346499443054199e-01 4.6656700968742371e-01 - <_> - - 0 -1 2619 1.5689999563619494e-03 - - -8.2360003143548965e-03 2.5700899958610535e-01 - <_> - - 0 -1 2620 -3.5550000611692667e-03 - - -4.2430898547172546e-01 7.1174003183841705e-02 - <_> - - 0 -1 2621 -3.1695000827312469e-02 - - -8.5393500328063965e-01 1.6916200518608093e-01 - <_> - - 0 -1 2622 -3.2097000628709793e-02 - - 8.3784902095794678e-01 -1.7597299814224243e-01 - <_> - - 0 -1 2623 1.5544199943542480e-01 - - 9.9550001323223114e-02 2.3873300552368164e+00 - <_> - - 0 -1 2624 8.8045999407768250e-02 - - -1.8725299835205078e-01 6.2384301424026489e-01 - <_> - - 0 -1 2625 -1.6720000421628356e-03 - - 2.5008699297904968e-01 -6.5118998289108276e-02 - <_> - - 0 -1 2626 9.3409996479749680e-03 - - -3.5378900170326233e-01 1.0715000331401825e-01 - <_> - - 0 -1 2627 3.7138000130653381e-02 - - 1.6387000679969788e-01 -9.1718399524688721e-01 - <_> - - 0 -1 2628 8.0183997750282288e-02 - - -1.4812999963760376e-01 1.4895190000534058e+00 - <_> - - 0 -1 2629 -7.9100002767518163e-04 - - -2.1326899528503418e-01 1.9676400721073151e-01 - <_> - - 0 -1 2630 -5.0400001928210258e-03 - - -7.1318697929382324e-01 1.8240000354126096e-03 - <_> - - 0 -1 2631 1.1962399631738663e-01 - - 3.3098999410867691e-02 1.0441709756851196e+00 - <_> - - 0 -1 2632 -4.5280000194907188e-03 - - -2.7308499813079834e-01 2.7229800820350647e-01 - <_> - - 0 -1 2633 -2.9639000073075294e-02 - - 3.6225798726081848e-01 5.6795001029968262e-02 - <_> - - 0 -1 2634 2.6650000363588333e-02 - - -4.8041000962257385e-02 -9.6723502874374390e-01 - <_> - - 0 -1 2635 4.4422000646591187e-02 - - 1.3052900135517120e-01 -3.5077300667762756e-01 - <_> - - 0 -1 2636 -2.4359999224543571e-02 - - -1.0766899585723877e+00 -5.1222998648881912e-02 - <_> - - 0 -1 2637 1.9734999164938927e-02 - - 2.6238000020384789e-02 2.8070500493049622e-01 - <_> - - 0 -1 2638 5.4930001497268677e-03 - - -2.6111298799514771e-01 2.1011400222778320e-01 - <_> - - 0 -1 2639 -2.3200300335884094e-01 - - -1.7748440504074097e+00 1.1482600122690201e-01 - <_> - - 0 -1 2640 -2.5614000856876373e-02 - - 2.9900801181793213e-01 -2.2502499818801880e-01 - <_> - - 0 -1 2641 -6.4949998632073402e-03 - - 1.9563800096511841e-01 -9.9762998521327972e-02 - <_> - - 0 -1 2642 3.9840000681579113e-03 - - -4.3021500110626221e-01 8.1261001527309418e-02 - <_> - - 0 -1 2643 -3.5813000053167343e-02 - - -5.0987398624420166e-01 1.6345900297164917e-01 - <_> - - 0 -1 2644 -1.4169000089168549e-02 - - 7.7978098392486572e-01 -1.7476299405097961e-01 - <_> - - 0 -1 2645 -1.2642100453376770e-01 - - -6.3047897815704346e-01 1.2728300690650940e-01 - <_> - - 0 -1 2646 6.8677999079227448e-02 - - -4.6447999775409698e-02 -1.1128979921340942e+00 - <_> - - 0 -1 2647 8.5864998400211334e-02 - - 1.1835400015115738e-01 -4.8235158920288086e+00 - <_> - - 0 -1 2648 1.5511999838054180e-02 - - -1.7467999830842018e-02 -6.3693398237228394e-01 - <_> - - 0 -1 2649 8.1091001629829407e-02 - - 8.6133003234863281e-02 2.4559431076049805e+00 - <_> - - 0 -1 2650 1.8495000898838043e-02 - - 4.0229000151157379e-02 -5.0858199596405029e-01 - <_> - - 0 -1 2651 -8.6320996284484863e-02 - - -1.9006760120391846e+00 1.1019100248813629e-01 - <_> - - 0 -1 2652 7.2355002164840698e-02 - - -6.2111999839544296e-02 -1.4165179729461670e+00 - <_> - - 0 -1 2653 -7.8179001808166504e-02 - - 8.8849300146102905e-01 4.2369998991489410e-02 - <_> - - 0 -1 2654 9.6681997179985046e-02 - - -2.2094200551509857e-01 3.3575099706649780e-01 - <_> - - 0 -1 2655 -3.9875999093055725e-02 - - 5.7804799079895020e-01 4.5347999781370163e-02 - <_> - - 0 -1 2656 -9.5349997282028198e-03 - - -5.4175698757171631e-01 3.2399999909102917e-03 - <_> - - 0 -1 2657 4.0600000647827983e-04 - - -8.1549003720283508e-02 3.5837900638580322e-01 - <_> - - 0 -1 2658 1.2107999995350838e-02 - - -2.0280399918556213e-01 4.3768000602722168e-01 - <_> - - 0 -1 2659 -2.0873999223113060e-02 - - 4.1469898819923401e-01 -4.5568000525236130e-02 - <_> - - 0 -1 2660 5.7888001203536987e-02 - - -2.9009999707341194e-02 -9.1822302341461182e-01 - <_> - - 0 -1 2661 1.3200000103097409e-04 - - -1.1772400140762329e-01 2.0000000298023224e-01 - <_> - - 0 -1 2662 -1.7137000337243080e-02 - - 3.3004799485206604e-01 -2.3055200278759003e-01 - <_> - - 0 -1 2663 3.0655000358819962e-02 - - -2.1545000374317169e-02 2.6878198981285095e-01 - <_> - - 0 -1 2664 -7.8699999721720815e-04 - - -4.4100698828697205e-01 4.9157999455928802e-02 - <_> - - 0 -1 2665 8.8036999106407166e-02 - - 1.1782000213861465e-01 -2.8293309211730957e+00 - <_> - - 0 -1 2666 -3.9028998464345932e-02 - - 9.1777199506759644e-01 -1.5827399492263794e-01 - <_> - - 0 -1 2667 8.0105997622013092e-02 - - 1.1289200186729431e-01 -1.9937280416488647e+00 - <_> - - 0 -1 2668 3.9538998156785965e-02 - - -1.4357399940490723e-01 1.3085240125656128e+00 - <_> - - 0 -1 2669 2.0684000104665756e-02 - - 2.0048099756240845e-01 -4.4186998158693314e-02 - <_> - - 0 -1 2670 -6.7037999629974365e-02 - - 3.2618600130081177e-01 -2.0550400018692017e-01 - <_> - - 0 -1 2671 4.6815000474452972e-02 - - 1.5825299918651581e-01 -9.5535099506378174e-01 - <_> - - 0 -1 2672 7.8443996608257294e-02 - - -7.4651002883911133e-02 -2.1161499023437500e+00 - <_> - - 0 -1 2673 6.6380001604557037e-02 - - 1.1641900241374969e-01 -1.6113519668579102e+00 - <_> - - 0 -1 2674 3.0053999274969101e-02 - - -1.6562600433826447e-01 7.0025402307510376e-01 - <_> - - 0 -1 2675 1.7119999974966049e-02 - - 2.2627699375152588e-01 -4.0114998817443848e-01 - <_> - - 0 -1 2676 2.0073000341653824e-02 - - -1.9389699399471283e-01 4.4420298933982849e-01 - <_> - - 0 -1 2677 3.3101998269557953e-02 - - 1.1637499928474426e-01 -1.5771679878234863e+00 - <_> - - 0 -1 2678 -1.4882000163197517e-02 - - -8.9680302143096924e-01 -4.2010001838207245e-02 - <_> - - 0 -1 2679 -1.0281000286340714e-02 - - 3.5602998733520508e-01 -1.3124000281095505e-02 - <_> - - 0 -1 2680 -2.8695000335574150e-02 - - -4.6039599180221558e-01 2.6801999658346176e-02 - <_> - - 0 -1 2681 -4.7189998440444469e-03 - - 2.3788799345493317e-01 -6.5518997609615326e-02 - <_> - - 0 -1 2682 3.2201600074768066e-01 - - -2.8489999473094940e-02 -8.4234601259231567e-01 - <_> - - 0 -1 2683 -1.7045000568032265e-02 - - -5.0938802957534790e-01 1.6057600080966949e-01 - <_> - - 0 -1 2684 -7.3469998314976692e-03 - - -5.4154998064041138e-01 4.7320001758635044e-03 - <_> - - 0 -1 2685 -3.0001999810338020e-02 - - -8.8785797357559204e-01 1.3621799647808075e-01 - <_> - - 0 -1 2686 -1.1292999610304832e-02 - - 8.0615198612213135e-01 -1.6159500181674957e-01 - <_> - - 0 -1 2687 4.7749998047947884e-03 - - 1.2968000024557114e-02 5.5079901218414307e-01 - <_> - - 0 -1 2688 5.0710001960396767e-03 - - -4.5728001743555069e-02 -1.0766259431838989e+00 - <_> - - 0 -1 2689 1.9344100356101990e-01 - - 7.1262001991271973e-02 1.1694519519805908e+00 - <_> - - 0 -1 2690 5.3750001825392246e-03 - - -1.9736200571060181e-01 3.8206899166107178e-01 - <_> - - 0 -1 2691 -6.8276003003120422e-02 - - -5.4372339248657227e+00 1.1151900142431259e-01 - <_> - - 0 -1 2692 -3.4933000802993774e-02 - - 4.4793400168418884e-01 -1.8657900393009186e-01 - <_> - - 0 -1 2693 5.1219998858869076e-03 - - -1.4871999621391296e-02 1.8413899838924408e-01 - <_> - - 0 -1 2694 9.5311999320983887e-02 - - -1.5117099881172180e-01 9.4991499185562134e-01 - <_> - - 0 -1 2695 -6.2849000096321106e-02 - - 4.6473601460456848e-01 3.8405001163482666e-02 - <_> - - 0 -1 2696 -1.7040699720382690e-01 - - -1.6499999761581421e+00 -6.3236996531486511e-02 - <_> - - 0 -1 2697 1.0583999566733837e-02 - - -3.8348998874425888e-02 4.1913801431655884e-01 - <_> - - 0 -1 2698 -4.1579000651836395e-02 - - 3.4461900591850281e-01 -2.1187700331211090e-01 - <_> - - 0 -1 2699 1.2718600034713745e-01 - - 1.2398199737071991e-01 -2.1254889965057373e+00 - <_> - - 0 -1 2700 8.2557000219821930e-02 - - -6.2024001032114029e-02 -1.4875819683074951e+00 - <_> - - 0 -1 2701 8.5293002426624298e-02 - - 1.7087999731302261e-02 3.2076600193977356e-01 - <_> - - 0 -1 2702 5.5544000118970871e-02 - - -2.7414000034332275e-01 1.8976399302482605e-01 - <_> - - 0 -1 2703 4.5650000683963299e-03 - - -1.7920200526714325e-01 2.7967301011085510e-01 - <_> - - 0 -1 2704 1.2997999787330627e-02 - - -3.2297500967979431e-01 2.6941800117492676e-01 - <_> - - 0 -1 2705 5.7891998440027237e-02 - - 1.2644399702548981e-01 -6.0713499784469604e-01 - <_> - - 0 -1 2706 -2.2824000567197800e-02 - - -4.9682098627090454e-01 2.2376999258995056e-02 - <_> - - 0 -1 2707 4.8312000930309296e-02 - - 4.3607000261545181e-02 4.8537799715995789e-01 - <_> - - 0 -1 2708 2.5714000687003136e-02 - - -4.2950998991727829e-02 -9.3023502826690674e-01 - <_> - - 0 -1 2709 6.9269998930394650e-03 - - -2.9680000152438879e-03 3.4296301007270813e-01 - <_> - - 0 -1 2710 -3.4446999430656433e-02 - - -1.5299769639968872e+00 -6.1014998704195023e-02 - <_> - - 0 -1 2711 2.9387999325990677e-02 - - 3.7595998495817184e-02 6.4172399044036865e-01 - <_> - - 0 -1 2712 -2.4319998919963837e-03 - - 9.9088996648788452e-02 -3.9688101410865784e-01 - <_> - 200 - -2.9928278923034668e+00 - - <_> - - 0 -1 2713 -9.5944002270698547e-02 - - 6.2419098615646362e-01 -4.5875200629234314e-01 - <_> - - 0 -1 2714 1.6834000125527382e-02 - - -9.3072801828384399e-01 2.1563600003719330e-01 - <_> - - 0 -1 2715 2.6049999520182610e-02 - - -4.0532299876213074e-01 4.2256599664688110e-01 - <_> - - 0 -1 2716 3.6500001442618668e-04 - - 9.5288001000881195e-02 -6.3298100233078003e-01 - <_> - - 0 -1 2717 -6.6940002143383026e-03 - - 3.7243801355361938e-01 -3.0332401394844055e-01 - <_> - - 0 -1 2718 1.8874000757932663e-02 - - -2.3357200622558594e-01 4.0330699086189270e-01 - <_> - - 0 -1 2719 -1.6300000424962491e-04 - - 4.2886998504400253e-02 -7.7796798944473267e-01 - <_> - - 0 -1 2720 -7.6259002089500427e-02 - - -4.9628499150276184e-01 1.6335399448871613e-01 - <_> - - 0 -1 2721 5.0149001181125641e-02 - - 3.2747000455856323e-02 -8.0047899484634399e-01 - <_> - - 0 -1 2722 -2.9239999130368233e-03 - - -5.0002801418304443e-01 2.5480601191520691e-01 - <_> - - 0 -1 2723 1.6243999823927879e-02 - - 3.8913000375032425e-02 -7.0724898576736450e-01 - <_> - - 0 -1 2724 3.7811998277902603e-02 - - -6.6267997026443481e-02 7.3868799209594727e-01 - <_> - - 0 -1 2725 -1.2319999746978283e-02 - - 4.8696398735046387e-01 -2.4485599994659424e-01 - <_> - - 0 -1 2726 5.8003999292850494e-02 - - 1.3459099829196930e-01 -1.3232100009918213e-01 - <_> - - 0 -1 2727 4.8630000092089176e-03 - - -4.4172900915145874e-01 1.4005599915981293e-01 - <_> - - 0 -1 2728 4.5690998435020447e-02 - - 3.1217999756336212e-02 8.9818298816680908e-01 - <_> - - 0 -1 2729 2.1321000531315804e-02 - - 1.2008000165224075e-02 -8.6066198348999023e-01 - <_> - - 0 -1 2730 1.5679100155830383e-01 - - 1.4055999927222729e-02 8.5332900285720825e-01 - <_> - - 0 -1 2731 -1.0328999720513821e-02 - - 2.9022800922393799e-01 -2.9478800296783447e-01 - <_> - - 0 -1 2732 2.4290001019835472e-03 - - -4.0439900755882263e-01 1.9400200247764587e-01 - <_> - - 0 -1 2733 -2.3338999599218369e-02 - - 3.2945200800895691e-01 -2.5712698698043823e-01 - <_> - - 0 -1 2734 -6.8970001302659512e-03 - - -5.3352999687194824e-01 2.1635200083255768e-01 - <_> - - 0 -1 2735 -3.4403000026941299e-02 - - -1.4425489902496338e+00 -4.4682998210191727e-02 - <_> - - 0 -1 2736 -2.1235000342130661e-02 - - -7.9017502069473267e-01 1.9084100425243378e-01 - <_> - - 0 -1 2737 2.0620001014322042e-03 - - -2.6931199431419373e-01 3.1488001346588135e-01 - <_> - - 0 -1 2738 -4.2190002277493477e-03 - - -5.4464399814605713e-01 1.6574600338935852e-01 - <_> - - 0 -1 2739 -1.4334999956190586e-02 - - 2.2105000913143158e-02 -6.2342500686645508e-01 - <_> - - 0 -1 2740 -8.2120001316070557e-03 - - -4.9884998798370361e-01 1.9237099587917328e-01 - <_> - - 0 -1 2741 -9.3350000679492950e-03 - - -7.9131197929382324e-01 -1.4143999665975571e-02 - <_> - - 0 -1 2742 -3.7937998771667480e-02 - - 7.9841297864913940e-01 -3.3799000084400177e-02 - <_> - - 0 -1 2743 4.7059999778866768e-03 - - -3.3163401484489441e-01 2.0726299285888672e-01 - <_> - - 0 -1 2744 -4.4499998912215233e-03 - - -2.7256301045417786e-01 1.8402199447154999e-01 - <_> - - 0 -1 2745 5.2189999260008335e-03 - - -5.3096002340316772e-01 5.2607998251914978e-02 - <_> - - 0 -1 2746 -9.5399999991059303e-03 - - -5.6485402584075928e-01 1.9269399344921112e-01 - <_> - - 0 -1 2747 4.4969998300075531e-02 - - -1.7411500215530396e-01 9.5382601022720337e-01 - <_> - - 0 -1 2748 1.4209000393748283e-02 - - -9.1949000954627991e-02 2.4836100637912750e-01 - <_> - - 0 -1 2749 1.6380199790000916e-01 - - -5.8497000485658646e-02 -1.6404409408569336e+00 - <_> - - 0 -1 2750 2.5579999200999737e-03 - - 2.3447999358177185e-01 -9.2734001576900482e-02 - <_> - - 0 -1 2751 -3.8499999791383743e-03 - - 1.7880700528621674e-01 -3.5844099521636963e-01 - <_> - - 0 -1 2752 -2.5221999734640121e-02 - - -4.2903000116348267e-01 2.0244500041007996e-01 - <_> - - 0 -1 2753 -1.9415000453591347e-02 - - 5.8016300201416016e-01 -1.8806399405002594e-01 - <_> - - 0 -1 2754 1.4419999904930592e-02 - - 3.2846998423337936e-02 8.1980502605438232e-01 - <_> - - 0 -1 2755 5.1582999527454376e-02 - - 6.9176003336906433e-02 -4.5866298675537109e-01 - <_> - - 0 -1 2756 -3.7960000336170197e-02 - - -1.2553000450134277e+00 1.4332899451255798e-01 - <_> - - 0 -1 2757 -2.9560999944806099e-02 - - 5.3151798248291016e-01 -2.0596499741077423e-01 - <_> - - 0 -1 2758 -3.9110999554395676e-02 - - 1.1658719778060913e+00 5.3897000849246979e-02 - <_> - - 0 -1 2759 -2.9159000143408775e-02 - - 3.9307600259780884e-01 -2.2184500098228455e-01 - <_> - - 0 -1 2760 -8.3617001771926880e-02 - - -7.3744499683380127e-01 1.4268200099468231e-01 - <_> - - 0 -1 2761 4.2004001140594482e-01 - - -1.4277400076389313e-01 1.7894840240478516e+00 - <_> - - 0 -1 2762 6.0005001723766327e-02 - - 1.1976700276136398e-01 -1.8886189460754395e+00 - <_> - - 0 -1 2763 -1.8981000408530235e-02 - - -1.4148449897766113e+00 -5.6522998958826065e-02 - <_> - - 0 -1 2764 -6.0049998573958874e-03 - - 4.4170799851417542e-01 -1.0200800001621246e-01 - <_> - - 0 -1 2765 -5.8214001357555389e-02 - - -1.3918470144271851e+00 -4.8268999904394150e-02 - <_> - - 0 -1 2766 -1.2271000072360039e-02 - - 5.1317697763442993e-01 -9.3696996569633484e-02 - <_> - - 0 -1 2767 4.6585999429225922e-02 - - -5.7484000921249390e-02 -1.4283169507980347e+00 - <_> - - 0 -1 2768 1.2110000243410468e-03 - - -8.0891996622085571e-02 3.2333201169967651e-01 - <_> - - 0 -1 2769 -8.8642001152038574e-02 - - -8.6449098587036133e-01 -3.3146999776363373e-02 - <_> - - 0 -1 2770 -2.3184999823570251e-02 - - 5.2162200212478638e-01 -1.6168000176548958e-02 - <_> - - 0 -1 2771 4.3090000748634338e-02 - - -1.6153800487518311e-01 1.0915000438690186e+00 - <_> - - 0 -1 2772 2.0599999697878957e-04 - - -1.7091499269008636e-01 3.1236699223518372e-01 - <_> - - 0 -1 2773 8.9159999042749405e-03 - - -6.7039998248219490e-03 -6.8810397386550903e-01 - <_> - - 0 -1 2774 -1.7752999439835548e-02 - - 6.3292801380157471e-01 -4.2360001243650913e-03 - <_> - - 0 -1 2775 6.2299999408423901e-03 - - -3.3637198805809021e-01 1.2790599465370178e-01 - <_> - - 0 -1 2776 2.2770000621676445e-02 - - -3.4703999757766724e-02 3.9141800999641418e-01 - <_> - - 0 -1 2777 -2.1534999832510948e-02 - - 6.4765101671218872e-01 -2.0097799599170685e-01 - <_> - - 0 -1 2778 6.1758998781442642e-02 - - 5.4297000169754028e-02 9.0700101852416992e-01 - <_> - - 0 -1 2779 -7.8069999814033508e-02 - - 6.5523397922515869e-01 -1.9754399359226227e-01 - <_> - - 0 -1 2780 1.1315000243484974e-02 - - 1.9385300576686859e-01 -5.1707297563552856e-01 - <_> - - 0 -1 2781 -2.5590000674128532e-02 - - -9.3096500635147095e-01 -3.1546998769044876e-02 - <_> - - 0 -1 2782 -3.8058999925851822e-02 - - -6.8326902389526367e-01 1.2709100544452667e-01 - <_> - - 0 -1 2783 9.7970003262162209e-03 - - 1.5523999929428101e-02 -6.3347899913787842e-01 - <_> - - 0 -1 2784 -1.3841999694705009e-02 - - 1.0060529708862305e+00 6.2812998890876770e-02 - <_> - - 0 -1 2785 8.3459997549653053e-03 - - -2.3383200168609619e-01 3.0982699990272522e-01 - <_> - - 0 -1 2786 -7.1439996361732483e-02 - - -7.2505402565002441e-01 1.7148299515247345e-01 - <_> - - 0 -1 2787 1.0006000287830830e-02 - - -2.2071999311447144e-01 3.5266199707984924e-01 - <_> - - 0 -1 2788 1.1005300283432007e-01 - - 1.6662000119686127e-01 -7.4318999052047729e-01 - <_> - - 0 -1 2789 3.5310998558998108e-02 - - -2.3982700705528259e-01 4.1435998678207397e-01 - <_> - - 0 -1 2790 -1.1174699664115906e-01 - - 5.1045399904251099e-01 2.2319999989122152e-03 - <_> - - 0 -1 2791 -1.1367800086736679e-01 - - 9.0475201606750488e-01 -1.6615299880504608e-01 - <_> - - 0 -1 2792 1.6667999327182770e-02 - - 1.4024500548839569e-01 -5.2178502082824707e-01 - <_> - - 0 -1 2793 -8.0340001732110977e-03 - - -6.6178399324417114e-01 3.7640000227838755e-03 - <_> - - 0 -1 2794 -3.3096998929977417e-02 - - 8.0185902118682861e-01 5.9385001659393311e-02 - <_> - - 0 -1 2795 1.2547999620437622e-02 - - -3.3545500040054321e-01 1.4578600227832794e-01 - <_> - - 0 -1 2796 -4.2073998600244522e-02 - - -5.5509102344512939e-01 1.3266600668430328e-01 - <_> - - 0 -1 2797 2.5221999734640121e-02 - - -6.1631999909877777e-02 -1.3678770065307617e+00 - <_> - - 0 -1 2798 -2.4268999695777893e-02 - - 3.4185099601745605e-01 -7.4160001240670681e-03 - <_> - - 0 -1 2799 -1.2280000373721123e-02 - - 2.7745801210403442e-01 -3.1033900380134583e-01 - <_> - - 0 -1 2800 -1.1377099901437759e-01 - - 1.1719540357589722e+00 8.3681002259254456e-02 - <_> - - 0 -1 2801 -8.4771998226642609e-02 - - 8.1694799661636353e-01 -1.7837500572204590e-01 - <_> - - 0 -1 2802 -2.4552000686526299e-02 - - -1.8627299368381500e-01 1.4340099692344666e-01 - <_> - - 0 -1 2803 -9.0269995853304863e-03 - - 3.2659199833869934e-01 -2.3541299998760223e-01 - <_> - - 0 -1 2804 1.1177999898791313e-02 - - 1.9761200249195099e-01 -2.1701000630855560e-02 - <_> - - 0 -1 2805 -2.9366999864578247e-02 - - -9.3414801359176636e-01 -2.1704999729990959e-02 - <_> - - 0 -1 2806 6.3640000298619270e-03 - - 2.5573000311851501e-02 4.6412798762321472e-01 - <_> - - 0 -1 2807 1.4026000164449215e-02 - - -2.1228599548339844e-01 4.0078800916671753e-01 - <_> - - 0 -1 2808 -1.3341999612748623e-02 - - 7.4202698469161987e-01 2.9001999646425247e-02 - <_> - - 0 -1 2809 2.8422799706459045e-01 - - -1.9243599474430084e-01 4.3631199002265930e-01 - <_> - - 0 -1 2810 -2.3724000155925751e-01 - - 6.9736397266387939e-01 6.9307997822761536e-02 - <_> - - 0 -1 2811 -1.1169700324535370e-01 - - 3.9147201180458069e-01 -2.0922000706195831e-01 - <_> - - 0 -1 2812 1.2787500023841858e-01 - - -7.2555996477603912e-02 3.6088201403617859e-01 - <_> - - 0 -1 2813 -6.2900997698307037e-02 - - 9.5424997806549072e-01 -1.5402799844741821e-01 - <_> - - 0 -1 2814 1.7439000308513641e-02 - - -5.1134999841451645e-02 2.7750301361083984e-01 - <_> - - 0 -1 2815 1.2319999514147639e-03 - - 7.5627997517585754e-02 -3.6456099152565002e-01 - <_> - - 0 -1 2816 2.7495000511407852e-02 - - 5.1844000816345215e-02 4.1562598943710327e-01 - <_> - - 0 -1 2817 -4.3543998152017593e-02 - - 7.1969997882843018e-01 -1.7132200300693512e-01 - <_> - - 0 -1 2818 1.1025999672710896e-02 - - 1.4354600012302399e-01 -6.5403002500534058e-01 - <_> - - 0 -1 2819 2.0865999162197113e-02 - - 4.0089000016450882e-02 -4.5743298530578613e-01 - <_> - - 0 -1 2820 -2.2304000332951546e-02 - - 5.3855001926422119e-01 7.1662999689579010e-02 - <_> - - 0 -1 2821 3.2492000609636307e-02 - - -4.5991998165845871e-02 -1.0047069787979126e+00 - <_> - - 0 -1 2822 1.2269999831914902e-02 - - 3.4334998577833176e-02 4.2431798577308655e-01 - <_> - - 0 -1 2823 8.3820000290870667e-03 - - -2.5850600004196167e-01 2.6263499259948730e-01 - <_> - - 0 -1 2824 3.7353999912738800e-02 - - 1.5692499279975891e-01 -1.0429090261459351e+00 - <_> - - 0 -1 2825 -1.4111000113189220e-02 - - -7.3177701234817505e-01 -2.0276999101042747e-02 - <_> - - 0 -1 2826 5.7066999375820160e-02 - - 8.3360001444816589e-02 1.5661499500274658e+00 - <_> - - 0 -1 2827 4.9680001102387905e-03 - - -3.5318198800086975e-01 1.4698399603366852e-01 - <_> - - 0 -1 2828 -2.4492999538779259e-02 - - 2.8325900435447693e-01 -3.4640000667423010e-03 - <_> - - 0 -1 2829 -1.1254999786615372e-02 - - -8.4017497301101685e-01 -3.6251999437808990e-02 - <_> - - 0 -1 2830 3.4533001482486725e-02 - - 1.4998500049114227e-01 -8.7367099523544312e-01 - <_> - - 0 -1 2831 2.4303000420331955e-02 - - -1.8787500262260437e-01 5.9483999013900757e-01 - <_> - - 0 -1 2832 -7.8790001571178436e-03 - - 4.4315698742866516e-01 -5.6570999324321747e-02 - <_> - - 0 -1 2833 3.5142000764608383e-02 - - -5.6494999676942825e-02 -1.3617190122604370e+00 - <_> - - 0 -1 2834 4.6259998343884945e-03 - - -3.1161698698997498e-01 2.5447699427604675e-01 - <_> - - 0 -1 2835 -8.3131000399589539e-02 - - 1.6424349546432495e+00 -1.4429399371147156e-01 - <_> - - 0 -1 2836 -1.4015999622642994e-02 - - -7.7819502353668213e-01 1.7173300683498383e-01 - <_> - - 0 -1 2837 1.2450000504031777e-03 - - -2.3191399872303009e-01 2.8527900576591492e-01 - <_> - - 0 -1 2838 -1.6803000122308731e-02 - - -3.5965099930763245e-01 2.0412999391555786e-01 - <_> - - 0 -1 2839 -7.6747998595237732e-02 - - 7.8050500154495239e-01 -1.5612800419330597e-01 - <_> - - 0 -1 2840 -2.3671999573707581e-01 - - 1.1813700199127197e+00 7.8111998736858368e-02 - <_> - - 0 -1 2841 -1.0057400166988373e-01 - - -4.7104099392890930e-01 7.9172998666763306e-02 - <_> - - 0 -1 2842 1.3239999534562230e-03 - - 2.2262699902057648e-01 -3.7099799513816833e-01 - <_> - - 0 -1 2843 2.2152999415993690e-02 - - -3.8649000227451324e-02 -9.2274999618530273e-01 - <_> - - 0 -1 2844 -1.1246199905872345e-01 - - 4.1899600625038147e-01 8.0411002039909363e-02 - <_> - - 0 -1 2845 1.6481000930070877e-02 - - -1.6756699979305267e-01 7.1842402219772339e-01 - <_> - - 0 -1 2846 6.8113997578620911e-02 - - 1.5719899535179138e-01 -8.7681102752685547e-01 - <_> - - 0 -1 2847 1.6011999920010567e-02 - - -4.1600000113248825e-03 -5.9327799081802368e-01 - <_> - - 0 -1 2848 4.6640001237392426e-03 - - -3.0153999105095863e-02 4.8345300555229187e-01 - <_> - - 0 -1 2849 6.7579997703433037e-03 - - -2.2667400538921356e-01 3.3662301301956177e-01 - <_> - - 0 -1 2850 4.7289999201893806e-03 - - -6.0373999178409576e-02 3.1458100676536560e-01 - <_> - - 0 -1 2851 2.5869999080896378e-03 - - -2.9872599244117737e-01 1.7787499725818634e-01 - <_> - - 0 -1 2852 2.8989999555051327e-03 - - 2.1890200674533844e-01 -2.9567098617553711e-01 - <_> - - 0 -1 2853 -3.0053999274969101e-02 - - 1.2150429487228394e+00 -1.4354999363422394e-01 - <_> - - 0 -1 2854 1.4181000180542469e-02 - - 1.2451999820768833e-02 5.5490100383758545e-01 - <_> - - 0 -1 2855 -6.0527000576257706e-02 - - -1.4933999776840210e+00 -6.5227001905441284e-02 - <_> - - 0 -1 2856 -1.9882999360561371e-02 - - -3.8526400923728943e-01 1.9761200249195099e-01 - <_> - - 0 -1 2857 3.1218999996781349e-02 - - -2.1281200647354126e-01 2.9446500539779663e-01 - <_> - - 0 -1 2858 1.8271999433636665e-02 - - 9.7200000891461968e-04 6.6814202070236206e-01 - <_> - - 0 -1 2859 1.1089999461546540e-03 - - -6.2467902898788452e-01 -1.6599999507889152e-03 - <_> - - 0 -1 2860 -3.6713998764753342e-02 - - -4.2333900928497314e-01 1.2084700167179108e-01 - <_> - - 0 -1 2861 1.2044000439345837e-02 - - 2.5882000103592873e-02 -5.0732398033142090e-01 - <_> - - 0 -1 2862 7.4749000370502472e-02 - - 1.3184699416160583e-01 -2.1739600598812103e-01 - <_> - - 0 -1 2863 -2.3473200201988220e-01 - - 1.1775610446929932e+00 -1.5114699304103851e-01 - <_> - - 0 -1 2864 1.4096499979496002e-01 - - 3.3991001546382904e-02 3.9923098683357239e-01 - <_> - - 0 -1 2865 6.1789997853338718e-03 - - -3.1806701421737671e-01 1.1681699752807617e-01 - <_> - - 0 -1 2866 -5.7216998189687729e-02 - - 8.4399098157882690e-01 8.3889000117778778e-02 - <_> - - 0 -1 2867 -5.5227000266313553e-02 - - 3.6888301372528076e-01 -1.8913400173187256e-01 - <_> - - 0 -1 2868 -2.1583000198006630e-02 - - -5.2161800861358643e-01 1.5772600471973419e-01 - <_> - - 0 -1 2869 2.5747999548912048e-02 - - -5.9921998530626297e-02 -1.0674990415573120e+00 - <_> - - 0 -1 2870 -1.3098999857902527e-02 - - 7.8958398103713989e-01 5.2099999040365219e-02 - <_> - - 0 -1 2871 2.2799998987466097e-03 - - -1.1704430580139160e+00 -5.9356998652219772e-02 - <_> - - 0 -1 2872 8.8060004636645317e-03 - - 4.1717998683452606e-02 6.6352599859237671e-01 - <_> - - 0 -1 2873 -8.9699998497962952e-03 - - -3.5862699151039124e-01 6.0458000749349594e-02 - <_> - - 0 -1 2874 4.0230001322925091e-03 - - 2.0979399979114532e-01 -2.4806000292301178e-01 - <_> - - 0 -1 2875 2.5017000734806061e-02 - - -1.8795900046825409e-01 3.9547100663185120e-01 - <_> - - 0 -1 2876 -5.9009999968111515e-03 - - 2.5663900375366211e-01 -9.4919003546237946e-02 - <_> - - 0 -1 2877 4.3850000947713852e-03 - - 3.3139001578092575e-02 -4.6075400710105896e-01 - <_> - - 0 -1 2878 -3.3771999180316925e-02 - - -9.8881602287292480e-01 1.4636899530887604e-01 - <_> - - 0 -1 2879 4.4523000717163086e-02 - - -1.3286699354648590e-01 1.5796790122985840e+00 - <_> - - 0 -1 2880 -4.0929000824689865e-02 - - 3.3877098560333252e-01 7.4970997869968414e-02 - <_> - - 0 -1 2881 3.9351999759674072e-02 - - -1.8327899277210236e-01 4.6980699896812439e-01 - <_> - - 0 -1 2882 -7.0322997868061066e-02 - - -9.8322701454162598e-01 1.1808100342750549e-01 - <_> - - 0 -1 2883 3.5743001848459244e-02 - - -3.3050999045372009e-02 -8.3610898256301880e-01 - <_> - - 0 -1 2884 -4.2961999773979187e-02 - - 1.1670809984207153e+00 8.0692000687122345e-02 - <_> - - 0 -1 2885 -2.1007999777793884e-02 - - 6.3869798183441162e-01 -1.7626300454139709e-01 - <_> - - 0 -1 2886 -1.5742200613021851e-01 - - -2.3302499949932098e-01 1.2517499923706055e-01 - <_> - - 0 -1 2887 7.8659998252987862e-03 - - -2.2037999331951141e-01 2.7196800708770752e-01 - <_> - - 0 -1 2888 2.3622000589966774e-02 - - 1.6127300262451172e-01 -4.3329000473022461e-01 - <_> - - 0 -1 2889 7.4692003428936005e-02 - - -1.6991999745368958e-01 5.8884900808334351e-01 - <_> - - 0 -1 2890 -6.4799998654052615e-04 - - 2.5842899084091187e-01 -3.5911999642848969e-02 - <_> - - 0 -1 2891 -1.6290999948978424e-02 - - -7.6764398813247681e-01 -2.0472999662160873e-02 - <_> - - 0 -1 2892 -3.3133998513221741e-02 - - -2.7180099487304688e-01 1.4325700700283051e-01 - <_> - - 0 -1 2893 4.8797998577356339e-02 - - 7.6408997178077698e-02 -4.1445198655128479e-01 - <_> - - 0 -1 2894 2.2869999520480633e-03 - - -3.8628999143838882e-02 2.0753799378871918e-01 - <_> - - 0 -1 2895 4.5304000377655029e-02 - - -1.7777900397777557e-01 6.3461399078369141e-01 - <_> - - 0 -1 2896 1.0705800354480743e-01 - - 1.8972299993038177e-01 -5.1236200332641602e-01 - <_> - - 0 -1 2897 -4.0525000542402267e-02 - - 7.0614999532699585e-01 -1.7803299427032471e-01 - <_> - - 0 -1 2898 3.1968999654054642e-02 - - 6.8149998784065247e-02 6.8733102083206177e-01 - <_> - - 0 -1 2899 -5.7617001235485077e-02 - - 7.5170499086380005e-01 -1.5764999389648438e-01 - <_> - - 0 -1 2900 1.3593999668955803e-02 - - 1.9411900639533997e-01 -2.4561899900436401e-01 - <_> - - 0 -1 2901 7.1396000683307648e-02 - - -4.6881001442670822e-02 -8.8198298215866089e-01 - <_> - - 0 -1 2902 -1.4895999804139137e-02 - - -4.4532400369644165e-01 1.7679899930953979e-01 - <_> - - 0 -1 2903 -1.0026000440120697e-02 - - 6.5122699737548828e-01 -1.6709999740123749e-01 - <_> - - 0 -1 2904 3.7589999847114086e-03 - - -5.8301001787185669e-02 3.4483298659324646e-01 - <_> - - 0 -1 2905 1.6263000667095184e-02 - - -1.5581500530242920e-01 8.6432701349258423e-01 - <_> - - 0 -1 2906 -4.0176000446081161e-02 - - -6.1028599739074707e-01 1.1796399950981140e-01 - <_> - - 0 -1 2907 2.7080999687314034e-02 - - -4.9601998180150986e-02 -8.9990001916885376e-01 - <_> - - 0 -1 2908 5.2420001477003098e-02 - - 1.1297199875116348e-01 -1.0833640098571777e+00 - <_> - - 0 -1 2909 -1.9160000607371330e-02 - - -7.9880100488662720e-01 -3.4079000353813171e-02 - <_> - - 0 -1 2910 -3.7730000913143158e-03 - - -1.9124099612236023e-01 2.1535199880599976e-01 - <_> - - 0 -1 2911 7.5762003660202026e-02 - - -1.3421699404716492e-01 1.6807060241699219e+00 - <_> - - 0 -1 2912 -2.2173000499606133e-02 - - 4.8600998520851135e-01 3.6160000599920750e-03 - - <_> - - <_> - 6 4 12 9 -1. - <_> - 6 7 12 3 3. - <_> - - <_> - 6 4 12 7 -1. - <_> - 10 4 4 7 3. - <_> - - <_> - 3 9 18 9 -1. - <_> - 3 12 18 3 3. - <_> - - <_> - 8 18 9 6 -1. - <_> - 8 20 9 2 3. - <_> - - <_> - 3 5 4 19 -1. - <_> - 5 5 2 19 2. - <_> - - <_> - 6 5 12 16 -1. - <_> - 6 13 12 8 2. - <_> - - <_> - 5 8 12 6 -1. - <_> - 5 11 12 3 2. - <_> - - <_> - 11 14 4 10 -1. - <_> - 11 19 4 5 2. - <_> - - <_> - 4 0 7 6 -1. - <_> - 4 3 7 3 2. - <_> - - <_> - 6 6 12 6 -1. - <_> - 6 8 12 2 3. - <_> - - <_> - 6 4 12 7 -1. - <_> - 10 4 4 7 3. - <_> - - <_> - 1 8 19 12 -1. - <_> - 1 12 19 4 3. - <_> - - <_> - 0 2 24 3 -1. - <_> - 8 2 8 3 3. - <_> - - <_> - 9 9 6 15 -1. - <_> - 9 14 6 5 3. - <_> - - <_> - 5 6 14 10 -1. - <_> - 5 11 14 5 2. - <_> - - <_> - 5 0 14 9 -1. - <_> - 5 3 14 3 3. - <_> - - <_> - 13 11 9 6 -1. - <_> - 16 11 3 6 3. - <_> - - <_> - 7 5 6 10 -1. - <_> - 9 5 2 10 3. - <_> - - <_> - 10 8 6 10 -1. - <_> - 12 8 2 10 3. - <_> - - <_> - 2 5 4 9 -1. - <_> - 4 5 2 9 2. - <_> - - <_> - 18 0 6 11 -1. - <_> - 20 0 2 11 3. - <_> - - <_> - 0 6 24 13 -1. - <_> - 8 6 8 13 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 7 18 10 6 -1. - <_> - 7 20 10 2 3. - <_> - - <_> - 5 7 14 12 -1. - <_> - 5 13 14 6 2. - <_> - - <_> - 0 3 24 3 -1. - <_> - 8 3 8 3 3. - <_> - - <_> - 5 8 15 6 -1. - <_> - 5 11 15 3 2. - <_> - - <_> - 9 6 5 14 -1. - <_> - 9 13 5 7 2. - <_> - - <_> - 9 5 6 10 -1. - <_> - 11 5 2 10 3. - <_> - - <_> - 6 6 3 12 -1. - <_> - 6 12 3 6 2. - <_> - - <_> - 3 21 18 3 -1. - <_> - 9 21 6 3 3. - <_> - - <_> - 5 6 13 6 -1. - <_> - 5 8 13 2 3. - <_> - - <_> - 18 1 6 15 -1. - <_> - 18 1 3 15 2. - <_> - - <_> - 1 1 6 15 -1. - <_> - 4 1 3 15 2. - <_> - - <_> - 0 8 24 15 -1. - <_> - 8 8 8 15 3. - <_> - - <_> - 5 6 14 12 -1. - <_> - 5 6 7 6 2. - <_> - 12 12 7 6 2. - <_> - - <_> - 2 12 21 12 -1. - <_> - 2 16 21 4 3. - <_> - - <_> - 8 1 4 10 -1. - <_> - 10 1 2 10 2. - <_> - - <_> - 2 13 20 10 -1. - <_> - 2 13 10 10 2. - <_> - - <_> - 0 1 6 13 -1. - <_> - 2 1 2 13 3. - <_> - - <_> - 20 2 4 13 -1. - <_> - 20 2 2 13 2. - <_> - - <_> - 0 5 22 19 -1. - <_> - 11 5 11 19 2. - <_> - - <_> - 18 4 6 9 -1. - <_> - 20 4 2 9 3. - <_> - - <_> - 0 3 6 11 -1. - <_> - 2 3 2 11 3. - <_> - - <_> - 12 1 4 9 -1. - <_> - 12 1 2 9 2. - <_> - - <_> - 0 6 19 3 -1. - <_> - 0 7 19 1 3. - <_> - - <_> - 12 1 4 9 -1. - <_> - 12 1 2 9 2. - <_> - - <_> - 8 1 4 9 -1. - <_> - 10 1 2 9 2. - <_> - - <_> - 5 5 14 14 -1. - <_> - 12 5 7 7 2. - <_> - 5 12 7 7 2. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 11 18 1 2. - <_> - - <_> - 17 13 4 11 -1. - <_> - 17 13 2 11 2. - <_> - - <_> - 0 4 6 9 -1. - <_> - 0 7 6 3 3. - <_> - - <_> - 6 4 12 9 -1. - <_> - 6 7 12 3 3. - <_> - - <_> - 6 5 12 6 -1. - <_> - 10 5 4 6 3. - <_> - - <_> - 0 1 24 5 -1. - <_> - 8 1 8 5 3. - <_> - - <_> - 4 10 18 6 -1. - <_> - 4 12 18 2 3. - <_> - - <_> - 2 17 12 6 -1. - <_> - 2 17 6 3 2. - <_> - 8 20 6 3 2. - <_> - - <_> - 19 3 4 13 -1. - <_> - 19 3 2 13 2. - <_> - - <_> - 1 3 4 13 -1. - <_> - 3 3 2 13 2. - <_> - - <_> - 0 1 24 23 -1. - <_> - 8 1 8 23 3. - <_> - - <_> - 1 7 8 12 -1. - <_> - 1 11 8 4 3. - <_> - - <_> - 14 7 3 14 -1. - <_> - 14 14 3 7 2. - <_> - - <_> - 3 12 16 6 -1. - <_> - 3 12 8 3 2. - <_> - 11 15 8 3 2. - <_> - - <_> - 6 6 12 6 -1. - <_> - 6 8 12 2 3. - <_> - - <_> - 8 7 6 12 -1. - <_> - 8 13 6 6 2. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 1 17 18 3 -1. - <_> - 1 18 18 1 3. - <_> - - <_> - 4 4 16 12 -1. - <_> - 4 10 16 6 2. - <_> - - <_> - 0 1 4 20 -1. - <_> - 2 1 2 20 2. - <_> - - <_> - 3 0 18 2 -1. - <_> - 3 1 18 1 2. - <_> - - <_> - 1 5 20 14 -1. - <_> - 1 5 10 7 2. - <_> - 11 12 10 7 2. - <_> - - <_> - 5 8 14 12 -1. - <_> - 5 12 14 4 3. - <_> - - <_> - 3 14 7 9 -1. - <_> - 3 17 7 3 3. - <_> - - <_> - 14 15 9 6 -1. - <_> - 14 17 9 2 3. - <_> - - <_> - 1 15 9 6 -1. - <_> - 1 17 9 2 3. - <_> - - <_> - 11 6 8 10 -1. - <_> - 15 6 4 5 2. - <_> - 11 11 4 5 2. - <_> - - <_> - 5 5 14 14 -1. - <_> - 5 5 7 7 2. - <_> - 12 12 7 7 2. - <_> - - <_> - 6 0 12 5 -1. - <_> - 10 0 4 5 3. - <_> - - <_> - 9 0 6 9 -1. - <_> - 9 3 6 3 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 3 8 18 4 -1. - <_> - 9 8 6 4 3. - <_> - - <_> - 6 0 12 9 -1. - <_> - 6 3 12 3 3. - <_> - - <_> - 0 0 24 6 -1. - <_> - 8 0 8 6 3. - <_> - - <_> - 4 7 16 12 -1. - <_> - 4 11 16 4 3. - <_> - - <_> - 11 6 6 6 -1. - <_> - 11 6 3 6 2. - <_> - - <_> - 0 20 24 3 -1. - <_> - 8 20 8 3 3. - <_> - - <_> - 11 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 4 13 15 4 -1. - <_> - 9 13 5 4 3. - <_> - - <_> - 11 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 9 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 9 12 6 12 -1. - <_> - 9 18 6 6 2. - <_> - - <_> - 1 22 18 2 -1. - <_> - 1 23 18 1 2. - <_> - - <_> - 10 7 4 10 -1. - <_> - 10 12 4 5 2. - <_> - - <_> - 6 7 8 10 -1. - <_> - 6 12 8 5 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 0 14 10 4 -1. - <_> - 0 16 10 2 2. - <_> - - <_> - 6 18 18 2 -1. - <_> - 6 19 18 1 2. - <_> - - <_> - 1 1 22 3 -1. - <_> - 1 2 22 1 3. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 2 4 6 15 -1. - <_> - 5 4 3 15 2. - <_> - - <_> - 20 4 4 10 -1. - <_> - 20 4 2 10 2. - <_> - - <_> - 0 4 4 10 -1. - <_> - 2 4 2 10 2. - <_> - - <_> - 2 16 20 6 -1. - <_> - 12 16 10 3 2. - <_> - 2 19 10 3 2. - <_> - - <_> - 0 12 8 9 -1. - <_> - 4 12 4 9 2. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 5 10 6 6 -1. - <_> - 8 10 3 6 2. - <_> - - <_> - 11 8 12 6 -1. - <_> - 17 8 6 3 2. - <_> - 11 11 6 3 2. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 8 6 3 2. - <_> - 6 11 6 3 2. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 8 14 9 6 -1. - <_> - 8 16 9 2 3. - <_> - - <_> - 0 16 9 6 -1. - <_> - 0 18 9 2 3. - <_> - - <_> - 10 8 6 10 -1. - <_> - 12 8 2 10 3. - <_> - - <_> - 3 19 12 3 -1. - <_> - 9 19 6 3 2. - <_> - - <_> - 2 10 20 2 -1. - <_> - 2 11 20 1 2. - <_> - - <_> - 2 9 18 12 -1. - <_> - 2 9 9 6 2. - <_> - 11 15 9 6 2. - <_> - - <_> - 3 0 18 24 -1. - <_> - 3 0 9 24 2. - <_> - - <_> - 5 6 14 10 -1. - <_> - 5 6 7 5 2. - <_> - 12 11 7 5 2. - <_> - - <_> - 9 5 10 12 -1. - <_> - 14 5 5 6 2. - <_> - 9 11 5 6 2. - <_> - - <_> - 4 5 12 12 -1. - <_> - 4 5 6 6 2. - <_> - 10 11 6 6 2. - <_> - - <_> - 4 14 18 3 -1. - <_> - 4 15 18 1 3. - <_> - - <_> - 6 13 8 8 -1. - <_> - 6 17 8 4 2. - <_> - - <_> - 3 16 18 6 -1. - <_> - 3 19 18 3 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 6 6 12 18 -1. - <_> - 10 6 4 18 3. - <_> - - <_> - 6 1 4 14 -1. - <_> - 8 1 2 14 2. - <_> - - <_> - 3 2 19 2 -1. - <_> - 3 3 19 1 2. - <_> - - <_> - 1 8 22 13 -1. - <_> - 12 8 11 13 2. - <_> - - <_> - 8 9 11 4 -1. - <_> - 8 11 11 2 2. - <_> - - <_> - 0 12 15 10 -1. - <_> - 5 12 5 10 3. - <_> - - <_> - 12 16 12 6 -1. - <_> - 16 16 4 6 3. - <_> - - <_> - 0 16 12 6 -1. - <_> - 4 16 4 6 3. - <_> - - <_> - 19 1 5 12 -1. - <_> - 19 5 5 4 3. - <_> - - <_> - 0 2 24 4 -1. - <_> - 8 2 8 4 3. - <_> - - <_> - 6 8 12 4 -1. - <_> - 6 10 12 2 2. - <_> - - <_> - 7 5 9 6 -1. - <_> - 10 5 3 6 3. - <_> - - <_> - 9 17 6 6 -1. - <_> - 9 20 6 3 2. - <_> - - <_> - 0 7 22 15 -1. - <_> - 0 12 22 5 3. - <_> - - <_> - 4 1 17 9 -1. - <_> - 4 4 17 3 3. - <_> - - <_> - 7 5 6 10 -1. - <_> - 9 5 2 10 3. - <_> - - <_> - 18 1 6 8 -1. - <_> - 18 1 3 8 2. - <_> - - <_> - 0 1 6 7 -1. - <_> - 3 1 3 7 2. - <_> - - <_> - 18 0 6 22 -1. - <_> - 18 0 3 22 2. - <_> - - <_> - 0 0 6 22 -1. - <_> - 3 0 3 22 2. - <_> - - <_> - 16 7 8 16 -1. - <_> - 16 7 4 16 2. - <_> - - <_> - 2 10 19 6 -1. - <_> - 2 12 19 2 3. - <_> - - <_> - 9 9 6 12 -1. - <_> - 9 13 6 4 3. - <_> - - <_> - 2 15 17 6 -1. - <_> - 2 17 17 2 3. - <_> - - <_> - 14 7 3 14 -1. - <_> - 14 14 3 7 2. - <_> - - <_> - 5 6 8 10 -1. - <_> - 5 6 4 5 2. - <_> - 9 11 4 5 2. - <_> - - <_> - 15 8 9 11 -1. - <_> - 18 8 3 11 3. - <_> - - <_> - 0 8 9 11 -1. - <_> - 3 8 3 11 3. - <_> - - <_> - 8 6 10 18 -1. - <_> - 8 15 10 9 2. - <_> - - <_> - 7 7 3 14 -1. - <_> - 7 14 3 7 2. - <_> - - <_> - 0 14 24 8 -1. - <_> - 8 14 8 8 3. - <_> - - <_> - 1 10 18 14 -1. - <_> - 10 10 9 14 2. - <_> - - <_> - 14 12 6 6 -1. - <_> - 14 15 6 3 2. - <_> - - <_> - 7 0 10 16 -1. - <_> - 7 0 5 8 2. - <_> - 12 8 5 8 2. - <_> - - <_> - 10 0 9 6 -1. - <_> - 13 0 3 6 3. - <_> - - <_> - 4 3 16 4 -1. - <_> - 12 3 8 4 2. - <_> - - <_> - 10 0 9 6 -1. - <_> - 13 0 3 6 3. - <_> - - <_> - 1 1 20 4 -1. - <_> - 1 1 10 2 2. - <_> - 11 3 10 2 2. - <_> - - <_> - 10 0 9 6 -1. - <_> - 13 0 3 6 3. - <_> - - <_> - 5 0 9 6 -1. - <_> - 8 0 3 6 3. - <_> - - <_> - 8 18 10 6 -1. - <_> - 8 20 10 2 3. - <_> - - <_> - 6 3 6 9 -1. - <_> - 8 3 2 9 3. - <_> - - <_> - 7 3 12 6 -1. - <_> - 7 5 12 2 3. - <_> - - <_> - 0 10 18 3 -1. - <_> - 0 11 18 1 3. - <_> - - <_> - 1 10 22 3 -1. - <_> - 1 11 22 1 3. - <_> - - <_> - 5 11 8 8 -1. - <_> - 9 11 4 8 2. - <_> - - <_> - 12 11 6 6 -1. - <_> - 12 11 3 6 2. - <_> - - <_> - 6 11 6 6 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 7 10 11 6 -1. - <_> - 7 12 11 2 3. - <_> - - <_> - 0 13 24 4 -1. - <_> - 0 13 12 2 2. - <_> - 12 15 12 2 2. - <_> - - <_> - 2 4 22 12 -1. - <_> - 13 4 11 6 2. - <_> - 2 10 11 6 2. - <_> - - <_> - 2 0 20 17 -1. - <_> - 12 0 10 17 2. - <_> - - <_> - 14 0 2 24 -1. - <_> - 14 0 1 24 2. - <_> - - <_> - 8 0 2 24 -1. - <_> - 9 0 1 24 2. - <_> - - <_> - 14 1 2 22 -1. - <_> - 14 1 1 22 2. - <_> - - <_> - 8 1 2 22 -1. - <_> - 9 1 1 22 2. - <_> - - <_> - 17 6 3 18 -1. - <_> - 18 6 1 18 3. - <_> - - <_> - 6 14 9 6 -1. - <_> - 6 16 9 2 3. - <_> - - <_> - 13 14 9 4 -1. - <_> - 13 16 9 2 2. - <_> - - <_> - 3 18 18 3 -1. - <_> - 3 19 18 1 3. - <_> - - <_> - 9 4 8 18 -1. - <_> - 13 4 4 9 2. - <_> - 9 13 4 9 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 0 2 12 4 -1. - <_> - 6 2 6 4 2. - <_> - - <_> - 6 8 14 6 -1. - <_> - 6 11 14 3 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 10 5 3 6 2. - <_> - - <_> - 10 5 6 16 -1. - <_> - 10 13 6 8 2. - <_> - - <_> - 1 4 9 16 -1. - <_> - 4 4 3 16 3. - <_> - - <_> - 5 0 18 9 -1. - <_> - 5 3 18 3 3. - <_> - - <_> - 9 15 5 8 -1. - <_> - 9 19 5 4 2. - <_> - - <_> - 20 0 4 9 -1. - <_> - 20 0 2 9 2. - <_> - - <_> - 2 0 18 3 -1. - <_> - 2 1 18 1 3. - <_> - - <_> - 5 22 19 2 -1. - <_> - 5 23 19 1 2. - <_> - - <_> - 0 0 4 9 -1. - <_> - 2 0 2 9 2. - <_> - - <_> - 5 6 19 18 -1. - <_> - 5 12 19 6 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 6 5 14 12 -1. - <_> - 13 5 7 6 2. - <_> - 6 11 7 6 2. - <_> - - <_> - 0 1 20 2 -1. - <_> - 0 2 20 1 2. - <_> - - <_> - 1 2 22 3 -1. - <_> - 1 3 22 1 3. - <_> - - <_> - 2 8 7 9 -1. - <_> - 2 11 7 3 3. - <_> - - <_> - 2 12 22 4 -1. - <_> - 13 12 11 2 2. - <_> - 2 14 11 2 2. - <_> - - <_> - 0 12 22 4 -1. - <_> - 0 12 11 2 2. - <_> - 11 14 11 2 2. - <_> - - <_> - 9 7 6 11 -1. - <_> - 11 7 2 11 3. - <_> - - <_> - 7 1 9 6 -1. - <_> - 10 1 3 6 3. - <_> - - <_> - 11 2 4 10 -1. - <_> - 11 7 4 5 2. - <_> - - <_> - 6 4 12 12 -1. - <_> - 6 10 12 6 2. - <_> - - <_> - 18 1 6 15 -1. - <_> - 18 6 6 5 3. - <_> - - <_> - 3 15 18 3 -1. - <_> - 3 16 18 1 3. - <_> - - <_> - 18 5 6 9 -1. - <_> - 18 8 6 3 3. - <_> - - <_> - 1 5 16 6 -1. - <_> - 1 5 8 3 2. - <_> - 9 8 8 3 2. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 0 4 24 14 -1. - <_> - 0 4 12 7 2. - <_> - 12 11 12 7 2. - <_> - - <_> - 13 0 4 13 -1. - <_> - 13 0 2 13 2. - <_> - - <_> - 7 0 4 13 -1. - <_> - 9 0 2 13 2. - <_> - - <_> - 11 6 6 9 -1. - <_> - 13 6 2 9 3. - <_> - - <_> - 8 7 6 9 -1. - <_> - 10 7 2 9 3. - <_> - - <_> - 13 17 9 6 -1. - <_> - 13 19 9 2 3. - <_> - - <_> - 2 18 14 6 -1. - <_> - 2 18 7 3 2. - <_> - 9 21 7 3 2. - <_> - - <_> - 3 18 18 4 -1. - <_> - 12 18 9 2 2. - <_> - 3 20 9 2 2. - <_> - - <_> - 0 20 15 4 -1. - <_> - 5 20 5 4 3. - <_> - - <_> - 9 15 15 9 -1. - <_> - 14 15 5 9 3. - <_> - - <_> - 4 4 16 4 -1. - <_> - 4 6 16 2 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 0 14 15 10 -1. - <_> - 5 14 5 10 3. - <_> - - <_> - 7 9 10 14 -1. - <_> - 12 9 5 7 2. - <_> - 7 16 5 7 2. - <_> - - <_> - 7 6 6 9 -1. - <_> - 9 6 2 9 3. - <_> - - <_> - 3 6 18 3 -1. - <_> - 3 7 18 1 3. - <_> - - <_> - 0 10 18 3 -1. - <_> - 0 11 18 1 3. - <_> - - <_> - 3 16 18 4 -1. - <_> - 12 16 9 2 2. - <_> - 3 18 9 2 2. - <_> - - <_> - 4 6 14 6 -1. - <_> - 4 6 7 3 2. - <_> - 11 9 7 3 2. - <_> - - <_> - 13 0 2 18 -1. - <_> - 13 0 1 18 2. - <_> - - <_> - 9 0 2 18 -1. - <_> - 10 0 1 18 2. - <_> - - <_> - 5 7 15 10 -1. - <_> - 10 7 5 10 3. - <_> - - <_> - 1 20 21 4 -1. - <_> - 8 20 7 4 3. - <_> - - <_> - 10 5 5 18 -1. - <_> - 10 14 5 9 2. - <_> - - <_> - 0 2 24 6 -1. - <_> - 0 2 12 3 2. - <_> - 12 5 12 3 2. - <_> - - <_> - 1 1 22 8 -1. - <_> - 12 1 11 4 2. - <_> - 1 5 11 4 2. - <_> - - <_> - 4 0 15 9 -1. - <_> - 4 3 15 3 3. - <_> - - <_> - 0 0 24 19 -1. - <_> - 8 0 8 19 3. - <_> - - <_> - 2 21 18 3 -1. - <_> - 11 21 9 3 2. - <_> - - <_> - 9 7 10 4 -1. - <_> - 9 7 5 4 2. - <_> - - <_> - 5 7 10 4 -1. - <_> - 10 7 5 4 2. - <_> - - <_> - 17 8 6 16 -1. - <_> - 20 8 3 8 2. - <_> - 17 16 3 8 2. - <_> - - <_> - 1 15 20 4 -1. - <_> - 1 15 10 2 2. - <_> - 11 17 10 2 2. - <_> - - <_> - 14 15 10 6 -1. - <_> - 14 17 10 2 3. - <_> - - <_> - 3 0 16 9 -1. - <_> - 3 3 16 3 3. - <_> - - <_> - 15 6 7 15 -1. - <_> - 15 11 7 5 3. - <_> - - <_> - 9 1 6 13 -1. - <_> - 11 1 2 13 3. - <_> - - <_> - 17 2 6 14 -1. - <_> - 17 2 3 14 2. - <_> - - <_> - 3 14 12 10 -1. - <_> - 3 14 6 5 2. - <_> - 9 19 6 5 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 1 2 6 14 -1. - <_> - 4 2 3 14 2. - <_> - - <_> - 10 4 5 12 -1. - <_> - 10 8 5 4 3. - <_> - - <_> - 0 17 24 5 -1. - <_> - 8 17 8 5 3. - <_> - - <_> - 15 7 5 12 -1. - <_> - 15 11 5 4 3. - <_> - - <_> - 3 1 6 12 -1. - <_> - 3 1 3 6 2. - <_> - 6 7 3 6 2. - <_> - - <_> - 12 13 6 6 -1. - <_> - 12 16 6 3 2. - <_> - - <_> - 6 13 6 6 -1. - <_> - 6 16 6 3 2. - <_> - - <_> - 14 6 3 16 -1. - <_> - 14 14 3 8 2. - <_> - - <_> - 1 12 13 6 -1. - <_> - 1 14 13 2 3. - <_> - - <_> - 13 1 4 9 -1. - <_> - 13 1 2 9 2. - <_> - - <_> - 7 0 9 6 -1. - <_> - 10 0 3 6 3. - <_> - - <_> - 12 2 6 9 -1. - <_> - 12 2 3 9 2. - <_> - - <_> - 6 2 6 9 -1. - <_> - 9 2 3 9 2. - <_> - - <_> - 6 18 12 6 -1. - <_> - 6 20 12 2 3. - <_> - - <_> - 7 6 6 9 -1. - <_> - 9 6 2 9 3. - <_> - - <_> - 7 7 12 3 -1. - <_> - 7 7 6 3 2. - <_> - - <_> - 8 3 8 21 -1. - <_> - 8 10 8 7 3. - <_> - - <_> - 7 4 10 12 -1. - <_> - 7 8 10 4 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 0 4 6 3 3. - <_> - - <_> - 15 2 2 20 -1. - <_> - 15 2 1 20 2. - <_> - - <_> - 0 3 6 9 -1. - <_> - 0 6 6 3 3. - <_> - - <_> - 15 3 2 21 -1. - <_> - 15 3 1 21 2. - <_> - - <_> - 7 0 2 23 -1. - <_> - 8 0 1 23 2. - <_> - - <_> - 15 8 9 4 -1. - <_> - 15 10 9 2 2. - <_> - - <_> - 0 8 9 4 -1. - <_> - 0 10 9 2 2. - <_> - - <_> - 8 14 9 6 -1. - <_> - 8 16 9 2 3. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 3 10 18 4 -1. - <_> - 9 10 6 4 3. - <_> - - <_> - 0 0 24 19 -1. - <_> - 8 0 8 19 3. - <_> - - <_> - 9 1 8 12 -1. - <_> - 9 7 8 6 2. - <_> - - <_> - 10 6 4 10 -1. - <_> - 12 6 2 10 2. - <_> - - <_> - 7 9 10 12 -1. - <_> - 12 9 5 6 2. - <_> - 7 15 5 6 2. - <_> - - <_> - 5 0 3 19 -1. - <_> - 6 0 1 19 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 16 0 2 10 3. - <_> - - <_> - 2 0 6 12 -1. - <_> - 2 0 3 6 2. - <_> - 5 6 3 6 2. - <_> - - <_> - 0 11 24 2 -1. - <_> - 0 12 24 1 2. - <_> - - <_> - 4 9 13 4 -1. - <_> - 4 11 13 2 2. - <_> - - <_> - 9 8 6 9 -1. - <_> - 9 11 6 3 3. - <_> - - <_> - 0 12 16 4 -1. - <_> - 0 14 16 2 2. - <_> - - <_> - 18 12 6 9 -1. - <_> - 18 15 6 3 3. - <_> - - <_> - 0 12 6 9 -1. - <_> - 0 15 6 3 3. - <_> - - <_> - 8 7 10 4 -1. - <_> - 8 7 5 4 2. - <_> - - <_> - 8 7 6 9 -1. - <_> - 10 7 2 9 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 12 3 6 15 -1. - <_> - 14 3 2 15 3. - <_> - - <_> - 6 3 6 15 -1. - <_> - 8 3 2 15 3. - <_> - - <_> - 15 2 9 4 -1. - <_> - 15 4 9 2 2. - <_> - - <_> - 5 10 6 7 -1. - <_> - 8 10 3 7 2. - <_> - - <_> - 9 14 6 10 -1. - <_> - 9 19 6 5 2. - <_> - - <_> - 7 13 5 8 -1. - <_> - 7 17 5 4 2. - <_> - - <_> - 14 5 3 16 -1. - <_> - 14 13 3 8 2. - <_> - - <_> - 2 17 18 3 -1. - <_> - 2 18 18 1 3. - <_> - - <_> - 5 18 19 3 -1. - <_> - 5 19 19 1 3. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 12 4 3 18 -1. - <_> - 13 4 1 18 3. - <_> - - <_> - 9 4 3 18 -1. - <_> - 10 4 1 18 3. - <_> - - <_> - 3 3 18 9 -1. - <_> - 9 3 6 9 3. - <_> - - <_> - 6 1 6 14 -1. - <_> - 8 1 2 14 3. - <_> - - <_> - 12 16 9 6 -1. - <_> - 12 19 9 3 2. - <_> - - <_> - 1 3 20 16 -1. - <_> - 1 3 10 8 2. - <_> - 11 11 10 8 2. - <_> - - <_> - 12 5 6 12 -1. - <_> - 15 5 3 6 2. - <_> - 12 11 3 6 2. - <_> - - <_> - 1 2 22 16 -1. - <_> - 1 2 11 8 2. - <_> - 12 10 11 8 2. - <_> - - <_> - 10 14 5 10 -1. - <_> - 10 19 5 5 2. - <_> - - <_> - 3 21 18 3 -1. - <_> - 3 22 18 1 3. - <_> - - <_> - 10 14 6 10 -1. - <_> - 12 14 2 10 3. - <_> - - <_> - 0 2 24 4 -1. - <_> - 8 2 8 4 3. - <_> - - <_> - 6 4 12 9 -1. - <_> - 6 7 12 3 3. - <_> - - <_> - 6 6 12 5 -1. - <_> - 10 6 4 5 3. - <_> - - <_> - 5 8 14 12 -1. - <_> - 5 12 14 4 3. - <_> - - <_> - 4 14 8 10 -1. - <_> - 4 14 4 5 2. - <_> - 8 19 4 5 2. - <_> - - <_> - 11 6 5 14 -1. - <_> - 11 13 5 7 2. - <_> - - <_> - 7 6 3 16 -1. - <_> - 7 14 3 8 2. - <_> - - <_> - 3 7 18 8 -1. - <_> - 9 7 6 8 3. - <_> - - <_> - 2 3 20 2 -1. - <_> - 2 4 20 1 2. - <_> - - <_> - 3 12 19 6 -1. - <_> - 3 14 19 2 3. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 16 6 6 14 -1. - <_> - 16 6 3 14 2. - <_> - - <_> - 7 9 6 12 -1. - <_> - 9 9 2 12 3. - <_> - - <_> - 18 6 6 18 -1. - <_> - 21 6 3 9 2. - <_> - 18 15 3 9 2. - <_> - - <_> - 0 6 6 18 -1. - <_> - 0 6 3 9 2. - <_> - 3 15 3 9 2. - <_> - - <_> - 18 2 6 9 -1. - <_> - 18 5 6 3 3. - <_> - - <_> - 3 18 15 6 -1. - <_> - 3 20 15 2 3. - <_> - - <_> - 18 2 6 9 -1. - <_> - 18 5 6 3 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 5 10 18 2 -1. - <_> - 5 11 18 1 2. - <_> - - <_> - 6 0 12 6 -1. - <_> - 6 2 12 2 3. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 8 0 6 9 -1. - <_> - 10 0 2 9 3. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 3 6 13 6 -1. - <_> - 3 8 13 2 3. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 2 5 6 15 -1. - <_> - 5 5 3 15 2. - <_> - - <_> - 8 8 9 6 -1. - <_> - 11 8 3 6 3. - <_> - - <_> - 8 6 3 14 -1. - <_> - 8 13 3 7 2. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 4 12 10 4 -1. - <_> - 9 12 5 4 2. - <_> - - <_> - 13 1 4 19 -1. - <_> - 13 1 2 19 2. - <_> - - <_> - 7 1 4 19 -1. - <_> - 9 1 2 19 2. - <_> - - <_> - 18 9 6 9 -1. - <_> - 18 12 6 3 3. - <_> - - <_> - 1 21 18 3 -1. - <_> - 1 22 18 1 3. - <_> - - <_> - 14 13 10 9 -1. - <_> - 14 16 10 3 3. - <_> - - <_> - 1 13 22 4 -1. - <_> - 1 13 11 2 2. - <_> - 12 15 11 2 2. - <_> - - <_> - 4 6 16 6 -1. - <_> - 12 6 8 3 2. - <_> - 4 9 8 3 2. - <_> - - <_> - 1 0 18 22 -1. - <_> - 1 0 9 11 2. - <_> - 10 11 9 11 2. - <_> - - <_> - 10 7 8 14 -1. - <_> - 14 7 4 7 2. - <_> - 10 14 4 7 2. - <_> - - <_> - 0 4 6 20 -1. - <_> - 0 4 3 10 2. - <_> - 3 14 3 10 2. - <_> - - <_> - 15 0 6 9 -1. - <_> - 17 0 2 9 3. - <_> - - <_> - 3 0 6 9 -1. - <_> - 5 0 2 9 3. - <_> - - <_> - 15 12 6 12 -1. - <_> - 18 12 3 6 2. - <_> - 15 18 3 6 2. - <_> - - <_> - 3 12 6 12 -1. - <_> - 3 12 3 6 2. - <_> - 6 18 3 6 2. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 0 12 9 6 -1. - <_> - 0 14 9 2 3. - <_> - - <_> - 4 14 19 3 -1. - <_> - 4 15 19 1 3. - <_> - - <_> - 2 13 19 3 -1. - <_> - 2 14 19 1 3. - <_> - - <_> - 14 15 10 6 -1. - <_> - 14 17 10 2 3. - <_> - - <_> - 6 0 10 12 -1. - <_> - 6 0 5 6 2. - <_> - 11 6 5 6 2. - <_> - - <_> - 17 1 6 12 -1. - <_> - 20 1 3 6 2. - <_> - 17 7 3 6 2. - <_> - - <_> - 1 1 6 12 -1. - <_> - 1 1 3 6 2. - <_> - 4 7 3 6 2. - <_> - - <_> - 16 14 6 9 -1. - <_> - 16 17 6 3 3. - <_> - - <_> - 7 3 9 12 -1. - <_> - 7 9 9 6 2. - <_> - - <_> - 12 1 4 12 -1. - <_> - 12 7 4 6 2. - <_> - - <_> - 4 0 14 8 -1. - <_> - 4 4 14 4 2. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 2 10 18 3 -1. - <_> - 8 10 6 3 3. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 0 1 21 23 -1. - <_> - 7 1 7 23 3. - <_> - - <_> - 6 9 17 4 -1. - <_> - 6 11 17 2 2. - <_> - - <_> - 1 0 11 18 -1. - <_> - 1 6 11 6 3. - <_> - - <_> - 6 15 13 6 -1. - <_> - 6 17 13 2 3. - <_> - - <_> - 0 15 9 6 -1. - <_> - 0 17 9 2 3. - <_> - - <_> - 8 7 15 4 -1. - <_> - 13 7 5 4 3. - <_> - - <_> - 9 12 6 9 -1. - <_> - 9 15 6 3 3. - <_> - - <_> - 6 8 18 3 -1. - <_> - 12 8 6 3 3. - <_> - - <_> - 0 14 24 4 -1. - <_> - 8 14 8 4 3. - <_> - - <_> - 16 10 3 12 -1. - <_> - 16 16 3 6 2. - <_> - - <_> - 0 3 24 3 -1. - <_> - 0 4 24 1 3. - <_> - - <_> - 14 17 10 6 -1. - <_> - 14 19 10 2 3. - <_> - - <_> - 1 13 18 3 -1. - <_> - 7 13 6 3 3. - <_> - - <_> - 5 0 18 9 -1. - <_> - 5 3 18 3 3. - <_> - - <_> - 4 3 16 9 -1. - <_> - 4 6 16 3 3. - <_> - - <_> - 16 5 3 12 -1. - <_> - 16 11 3 6 2. - <_> - - <_> - 0 7 18 4 -1. - <_> - 6 7 6 4 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 9 8 6 10 -1. - <_> - 11 8 2 10 3. - <_> - - <_> - 9 15 6 9 -1. - <_> - 11 15 2 9 3. - <_> - - <_> - 3 1 18 21 -1. - <_> - 12 1 9 21 2. - <_> - - <_> - 6 8 12 7 -1. - <_> - 6 8 6 7 2. - <_> - - <_> - 8 5 6 9 -1. - <_> - 10 5 2 9 3. - <_> - - <_> - 0 2 24 4 -1. - <_> - 8 2 8 4 3. - <_> - - <_> - 14 7 5 12 -1. - <_> - 14 11 5 4 3. - <_> - - <_> - 5 7 5 12 -1. - <_> - 5 11 5 4 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 0 1 6 17 -1. - <_> - 3 1 3 17 2. - <_> - - <_> - 3 1 19 9 -1. - <_> - 3 4 19 3 3. - <_> - - <_> - 3 18 12 6 -1. - <_> - 3 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 20 4 4 19 -1. - <_> - 20 4 2 19 2. - <_> - - <_> - 0 16 10 7 -1. - <_> - 5 16 5 7 2. - <_> - - <_> - 8 7 10 12 -1. - <_> - 13 7 5 6 2. - <_> - 8 13 5 6 2. - <_> - - <_> - 6 7 10 12 -1. - <_> - 6 7 5 6 2. - <_> - 11 13 5 6 2. - <_> - - <_> - 9 2 9 6 -1. - <_> - 12 2 3 6 3. - <_> - - <_> - 1 20 21 4 -1. - <_> - 8 20 7 4 3. - <_> - - <_> - 9 12 9 6 -1. - <_> - 9 14 9 2 3. - <_> - - <_> - 7 2 9 6 -1. - <_> - 10 2 3 6 3. - <_> - - <_> - 13 0 4 14 -1. - <_> - 13 0 2 14 2. - <_> - - <_> - 7 0 4 14 -1. - <_> - 9 0 2 14 2. - <_> - - <_> - 14 15 9 6 -1. - <_> - 14 17 9 2 3. - <_> - - <_> - 2 8 18 5 -1. - <_> - 8 8 6 5 3. - <_> - - <_> - 18 3 6 11 -1. - <_> - 20 3 2 11 3. - <_> - - <_> - 6 5 11 14 -1. - <_> - 6 12 11 7 2. - <_> - - <_> - 18 4 6 9 -1. - <_> - 18 7 6 3 3. - <_> - - <_> - 7 6 9 6 -1. - <_> - 7 8 9 2 3. - <_> - - <_> - 18 4 6 9 -1. - <_> - 18 7 6 3 3. - <_> - - <_> - 0 4 6 9 -1. - <_> - 0 7 6 3 3. - <_> - - <_> - 9 4 9 4 -1. - <_> - 9 6 9 2 2. - <_> - - <_> - 0 22 19 2 -1. - <_> - 0 23 19 1 2. - <_> - - <_> - 17 14 6 9 -1. - <_> - 17 17 6 3 3. - <_> - - <_> - 1 14 6 9 -1. - <_> - 1 17 6 3 3. - <_> - - <_> - 14 11 4 9 -1. - <_> - 14 11 2 9 2. - <_> - - <_> - 6 11 4 9 -1. - <_> - 8 11 2 9 2. - <_> - - <_> - 3 9 18 7 -1. - <_> - 9 9 6 7 3. - <_> - - <_> - 9 12 6 10 -1. - <_> - 9 17 6 5 2. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 6 17 18 3 -1. - <_> - 6 18 18 1 3. - <_> - - <_> - 1 17 18 3 -1. - <_> - 1 18 18 1 3. - <_> - - <_> - 10 6 11 12 -1. - <_> - 10 12 11 6 2. - <_> - - <_> - 5 6 14 6 -1. - <_> - 5 6 7 3 2. - <_> - 12 9 7 3 2. - <_> - - <_> - 5 4 15 4 -1. - <_> - 5 6 15 2 2. - <_> - - <_> - 0 0 22 2 -1. - <_> - 0 1 22 1 2. - <_> - - <_> - 0 0 24 24 -1. - <_> - 8 0 8 24 3. - <_> - - <_> - 1 15 18 4 -1. - <_> - 10 15 9 4 2. - <_> - - <_> - 6 8 12 9 -1. - <_> - 6 11 12 3 3. - <_> - - <_> - 4 12 7 12 -1. - <_> - 4 16 7 4 3. - <_> - - <_> - 1 2 22 6 -1. - <_> - 12 2 11 3 2. - <_> - 1 5 11 3 2. - <_> - - <_> - 5 20 14 3 -1. - <_> - 12 20 7 3 2. - <_> - - <_> - 0 0 24 16 -1. - <_> - 12 0 12 8 2. - <_> - 0 8 12 8 2. - <_> - - <_> - 3 13 18 4 -1. - <_> - 3 13 9 2 2. - <_> - 12 15 9 2 2. - <_> - - <_> - 2 10 22 2 -1. - <_> - 2 11 22 1 2. - <_> - - <_> - 6 3 11 8 -1. - <_> - 6 7 11 4 2. - <_> - - <_> - 14 5 6 6 -1. - <_> - 14 8 6 3 2. - <_> - - <_> - 0 7 24 6 -1. - <_> - 0 9 24 2 3. - <_> - - <_> - 14 0 10 10 -1. - <_> - 19 0 5 5 2. - <_> - 14 5 5 5 2. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 0 1 24 4 -1. - <_> - 12 1 12 2 2. - <_> - 0 3 12 2 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 5 15 16 6 -1. - <_> - 13 15 8 3 2. - <_> - 5 18 8 3 2. - <_> - - <_> - 3 15 16 6 -1. - <_> - 3 15 8 3 2. - <_> - 11 18 8 3 2. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 0 13 21 10 -1. - <_> - 0 18 21 5 2. - <_> - - <_> - 13 0 6 24 -1. - <_> - 15 0 2 24 3. - <_> - - <_> - 7 4 6 11 -1. - <_> - 9 4 2 11 3. - <_> - - <_> - 9 5 9 6 -1. - <_> - 12 5 3 6 3. - <_> - - <_> - 1 4 2 20 -1. - <_> - 1 14 2 10 2. - <_> - - <_> - 13 0 6 24 -1. - <_> - 15 0 2 24 3. - <_> - - <_> - 5 0 6 24 -1. - <_> - 7 0 2 24 3. - <_> - - <_> - 16 7 6 14 -1. - <_> - 19 7 3 7 2. - <_> - 16 14 3 7 2. - <_> - - <_> - 4 7 4 12 -1. - <_> - 6 7 2 12 2. - <_> - - <_> - 0 5 24 14 -1. - <_> - 8 5 8 14 3. - <_> - - <_> - 5 13 10 6 -1. - <_> - 5 15 10 2 3. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 2 7 6 14 -1. - <_> - 2 7 3 7 2. - <_> - 5 14 3 7 2. - <_> - - <_> - 15 2 9 15 -1. - <_> - 18 2 3 15 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 2 2 2 9 3. - <_> - - <_> - 12 2 10 14 -1. - <_> - 17 2 5 7 2. - <_> - 12 9 5 7 2. - <_> - - <_> - 11 6 2 18 -1. - <_> - 12 6 1 18 2. - <_> - - <_> - 9 5 15 6 -1. - <_> - 14 5 5 6 3. - <_> - - <_> - 8 6 6 10 -1. - <_> - 10 6 2 10 3. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 3 3 9 7 -1. - <_> - 6 3 3 7 3. - <_> - - <_> - 6 7 14 3 -1. - <_> - 6 7 7 3 2. - <_> - - <_> - 7 7 8 6 -1. - <_> - 11 7 4 6 2. - <_> - - <_> - 12 7 7 12 -1. - <_> - 12 13 7 6 2. - <_> - - <_> - 10 6 4 18 -1. - <_> - 10 6 2 9 2. - <_> - 12 15 2 9 2. - <_> - - <_> - 16 14 6 9 -1. - <_> - 16 17 6 3 3. - <_> - - <_> - 4 0 6 13 -1. - <_> - 6 0 2 13 3. - <_> - - <_> - 2 2 21 3 -1. - <_> - 9 2 7 3 3. - <_> - - <_> - 5 4 5 12 -1. - <_> - 5 8 5 4 3. - <_> - - <_> - 10 3 4 10 -1. - <_> - 10 8 4 5 2. - <_> - - <_> - 8 4 5 8 -1. - <_> - 8 8 5 4 2. - <_> - - <_> - 6 0 11 9 -1. - <_> - 6 3 11 3 3. - <_> - - <_> - 6 6 12 5 -1. - <_> - 10 6 4 5 3. - <_> - - <_> - 0 0 24 5 -1. - <_> - 8 0 8 5 3. - <_> - - <_> - 1 10 23 6 -1. - <_> - 1 12 23 2 3. - <_> - - <_> - 3 21 18 3 -1. - <_> - 9 21 6 3 3. - <_> - - <_> - 3 6 21 6 -1. - <_> - 3 8 21 2 3. - <_> - - <_> - 0 5 6 12 -1. - <_> - 2 5 2 12 3. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 8 7 8 10 -1. - <_> - 8 12 8 5 2. - <_> - - <_> - 5 7 15 12 -1. - <_> - 10 7 5 12 3. - <_> - - <_> - 0 17 10 6 -1. - <_> - 0 19 10 2 3. - <_> - - <_> - 14 18 9 6 -1. - <_> - 14 20 9 2 3. - <_> - - <_> - 9 6 6 16 -1. - <_> - 9 14 6 8 2. - <_> - - <_> - 14 18 9 6 -1. - <_> - 14 20 9 2 3. - <_> - - <_> - 1 18 9 6 -1. - <_> - 1 20 9 2 3. - <_> - - <_> - 15 9 9 6 -1. - <_> - 15 11 9 2 3. - <_> - - <_> - 0 9 9 6 -1. - <_> - 0 11 9 2 3. - <_> - - <_> - 17 3 6 9 -1. - <_> - 19 3 2 9 3. - <_> - - <_> - 2 17 18 3 -1. - <_> - 2 18 18 1 3. - <_> - - <_> - 3 15 21 6 -1. - <_> - 3 17 21 2 3. - <_> - - <_> - 9 17 6 6 -1. - <_> - 9 20 6 3 2. - <_> - - <_> - 18 3 6 9 -1. - <_> - 18 6 6 3 3. - <_> - - <_> - 0 3 6 9 -1. - <_> - 0 6 6 3 3. - <_> - - <_> - 4 0 16 10 -1. - <_> - 12 0 8 5 2. - <_> - 4 5 8 5 2. - <_> - - <_> - 2 0 10 16 -1. - <_> - 2 0 5 8 2. - <_> - 7 8 5 8 2. - <_> - - <_> - 14 0 10 5 -1. - <_> - 14 0 5 5 2. - <_> - - <_> - 0 0 10 5 -1. - <_> - 5 0 5 5 2. - <_> - - <_> - 18 3 6 10 -1. - <_> - 18 3 3 10 2. - <_> - - <_> - 5 11 12 6 -1. - <_> - 5 11 6 3 2. - <_> - 11 14 6 3 2. - <_> - - <_> - 21 0 3 18 -1. - <_> - 22 0 1 18 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 8 8 9 7 -1. - <_> - 11 8 3 7 3. - <_> - - <_> - 7 12 8 10 -1. - <_> - 7 12 4 5 2. - <_> - 11 17 4 5 2. - <_> - - <_> - 21 0 3 18 -1. - <_> - 22 0 1 18 3. - <_> - - <_> - 10 6 4 9 -1. - <_> - 12 6 2 9 2. - <_> - - <_> - 15 0 9 6 -1. - <_> - 15 2 9 2 3. - <_> - - <_> - 0 2 24 3 -1. - <_> - 0 3 24 1 3. - <_> - - <_> - 11 7 6 9 -1. - <_> - 13 7 2 9 3. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 12 1 6 12 -1. - <_> - 14 1 2 12 3. - <_> - - <_> - 6 4 12 12 -1. - <_> - 6 10 12 6 2. - <_> - - <_> - 14 3 2 21 -1. - <_> - 14 3 1 21 2. - <_> - - <_> - 6 1 12 8 -1. - <_> - 6 5 12 4 2. - <_> - - <_> - 3 0 18 8 -1. - <_> - 3 4 18 4 2. - <_> - - <_> - 3 0 18 3 -1. - <_> - 3 1 18 1 3. - <_> - - <_> - 0 13 24 4 -1. - <_> - 12 13 12 2 2. - <_> - 0 15 12 2 2. - <_> - - <_> - 10 5 4 9 -1. - <_> - 12 5 2 9 2. - <_> - - <_> - 11 1 6 9 -1. - <_> - 13 1 2 9 3. - <_> - - <_> - 6 2 6 22 -1. - <_> - 8 2 2 22 3. - <_> - - <_> - 16 10 8 14 -1. - <_> - 20 10 4 7 2. - <_> - 16 17 4 7 2. - <_> - - <_> - 3 4 16 15 -1. - <_> - 3 9 16 5 3. - <_> - - <_> - 16 10 8 14 -1. - <_> - 20 10 4 7 2. - <_> - 16 17 4 7 2. - <_> - - <_> - 0 10 8 14 -1. - <_> - 0 10 4 7 2. - <_> - 4 17 4 7 2. - <_> - - <_> - 10 14 11 6 -1. - <_> - 10 17 11 3 2. - <_> - - <_> - 0 7 24 9 -1. - <_> - 8 7 8 9 3. - <_> - - <_> - 13 1 4 16 -1. - <_> - 13 1 2 16 2. - <_> - - <_> - 7 1 4 16 -1. - <_> - 9 1 2 16 2. - <_> - - <_> - 5 5 16 8 -1. - <_> - 13 5 8 4 2. - <_> - 5 9 8 4 2. - <_> - - <_> - 0 9 6 9 -1. - <_> - 0 12 6 3 3. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 3 12 6 9 -1. - <_> - 3 15 6 3 3. - <_> - - <_> - 8 14 9 6 -1. - <_> - 8 16 9 2 3. - <_> - - <_> - 2 13 8 10 -1. - <_> - 2 13 4 5 2. - <_> - 6 18 4 5 2. - <_> - - <_> - 15 5 3 18 -1. - <_> - 15 11 3 6 3. - <_> - - <_> - 3 5 18 3 -1. - <_> - 3 6 18 1 3. - <_> - - <_> - 17 5 6 11 -1. - <_> - 19 5 2 11 3. - <_> - - <_> - 1 5 6 11 -1. - <_> - 3 5 2 11 3. - <_> - - <_> - 19 1 4 9 -1. - <_> - 19 1 2 9 2. - <_> - - <_> - 1 1 4 9 -1. - <_> - 3 1 2 9 2. - <_> - - <_> - 4 15 18 9 -1. - <_> - 4 15 9 9 2. - <_> - - <_> - 6 9 12 4 -1. - <_> - 6 11 12 2 2. - <_> - - <_> - 15 2 9 6 -1. - <_> - 15 4 9 2 3. - <_> - - <_> - 0 2 9 6 -1. - <_> - 0 4 9 2 3. - <_> - - <_> - 15 0 6 17 -1. - <_> - 17 0 2 17 3. - <_> - - <_> - 3 0 6 17 -1. - <_> - 5 0 2 17 3. - <_> - - <_> - 8 17 9 4 -1. - <_> - 8 19 9 2 2. - <_> - - <_> - 6 5 3 18 -1. - <_> - 6 11 3 6 3. - <_> - - <_> - 5 2 14 12 -1. - <_> - 5 8 14 6 2. - <_> - - <_> - 10 2 3 12 -1. - <_> - 10 8 3 6 2. - <_> - - <_> - 10 7 14 15 -1. - <_> - 10 12 14 5 3. - <_> - - <_> - 0 7 14 15 -1. - <_> - 0 12 14 5 3. - <_> - - <_> - 15 0 9 6 -1. - <_> - 15 2 9 2 3. - <_> - - <_> - 0 0 9 6 -1. - <_> - 0 2 9 2 3. - <_> - - <_> - 12 6 6 14 -1. - <_> - 14 6 2 14 3. - <_> - - <_> - 9 7 6 9 -1. - <_> - 11 7 2 9 3. - <_> - - <_> - 12 6 6 15 -1. - <_> - 14 6 2 15 3. - <_> - - <_> - 6 6 6 15 -1. - <_> - 8 6 2 15 3. - <_> - - <_> - 15 3 8 9 -1. - <_> - 15 3 4 9 2. - <_> - - <_> - 0 0 9 21 -1. - <_> - 3 0 3 21 3. - <_> - - <_> - 11 9 8 12 -1. - <_> - 11 13 8 4 3. - <_> - - <_> - 6 7 10 12 -1. - <_> - 6 7 5 6 2. - <_> - 11 13 5 6 2. - <_> - - <_> - 10 6 4 18 -1. - <_> - 12 6 2 9 2. - <_> - 10 15 2 9 2. - <_> - - <_> - 0 0 6 9 -1. - <_> - 0 3 6 3 3. - <_> - - <_> - 3 14 18 3 -1. - <_> - 3 15 18 1 3. - <_> - - <_> - 3 14 8 10 -1. - <_> - 3 14 4 5 2. - <_> - 7 19 4 5 2. - <_> - - <_> - 0 12 24 4 -1. - <_> - 12 12 12 2 2. - <_> - 0 14 12 2 2. - <_> - - <_> - 0 2 3 20 -1. - <_> - 1 2 1 20 3. - <_> - - <_> - 12 16 10 8 -1. - <_> - 17 16 5 4 2. - <_> - 12 20 5 4 2. - <_> - - <_> - 2 16 10 8 -1. - <_> - 2 16 5 4 2. - <_> - 7 20 5 4 2. - <_> - - <_> - 7 0 10 9 -1. - <_> - 7 3 10 3 3. - <_> - - <_> - 0 0 24 3 -1. - <_> - 8 0 8 3 3. - <_> - - <_> - 3 8 15 4 -1. - <_> - 3 10 15 2 2. - <_> - - <_> - 6 5 12 6 -1. - <_> - 10 5 4 6 3. - <_> - - <_> - 5 13 14 6 -1. - <_> - 5 16 14 3 2. - <_> - - <_> - 11 14 4 10 -1. - <_> - 11 19 4 5 2. - <_> - - <_> - 0 6 6 7 -1. - <_> - 3 6 3 7 2. - <_> - - <_> - 18 0 6 6 -1. - <_> - 18 0 3 6 2. - <_> - - <_> - 3 1 18 3 -1. - <_> - 3 2 18 1 3. - <_> - - <_> - 9 6 14 18 -1. - <_> - 9 12 14 6 3. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 0 20 24 3 -1. - <_> - 8 20 8 3 3. - <_> - - <_> - 13 11 6 7 -1. - <_> - 13 11 3 7 2. - <_> - - <_> - 4 12 10 6 -1. - <_> - 4 14 10 2 3. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 5 11 6 7 -1. - <_> - 8 11 3 7 2. - <_> - - <_> - 7 4 11 12 -1. - <_> - 7 8 11 4 3. - <_> - - <_> - 6 15 10 4 -1. - <_> - 6 17 10 2 2. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 11 2 4 15 -1. - <_> - 11 7 4 5 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 13 18 10 6 -1. - <_> - 13 20 10 2 3. - <_> - - <_> - 2 7 6 11 -1. - <_> - 5 7 3 11 2. - <_> - - <_> - 10 14 10 9 -1. - <_> - 10 17 10 3 3. - <_> - - <_> - 8 2 4 9 -1. - <_> - 10 2 2 9 2. - <_> - - <_> - 14 3 10 4 -1. - <_> - 14 3 5 4 2. - <_> - - <_> - 6 6 12 6 -1. - <_> - 6 6 6 3 2. - <_> - 12 9 6 3 2. - <_> - - <_> - 8 8 8 10 -1. - <_> - 12 8 4 5 2. - <_> - 8 13 4 5 2. - <_> - - <_> - 7 4 4 16 -1. - <_> - 7 12 4 8 2. - <_> - - <_> - 8 8 9 4 -1. - <_> - 8 10 9 2 2. - <_> - - <_> - 5 2 14 9 -1. - <_> - 5 5 14 3 3. - <_> - - <_> - 3 16 19 8 -1. - <_> - 3 20 19 4 2. - <_> - - <_> - 0 0 10 8 -1. - <_> - 5 0 5 8 2. - <_> - - <_> - 5 2 16 18 -1. - <_> - 5 2 8 18 2. - <_> - - <_> - 0 11 24 11 -1. - <_> - 8 11 8 11 3. - <_> - - <_> - 3 3 18 5 -1. - <_> - 3 3 9 5 2. - <_> - - <_> - 1 16 18 3 -1. - <_> - 1 17 18 1 3. - <_> - - <_> - 5 17 18 3 -1. - <_> - 5 18 18 1 3. - <_> - - <_> - 1 13 9 6 -1. - <_> - 1 15 9 2 3. - <_> - - <_> - 1 9 23 10 -1. - <_> - 1 14 23 5 2. - <_> - - <_> - 3 7 18 3 -1. - <_> - 3 8 18 1 3. - <_> - - <_> - 6 8 12 3 -1. - <_> - 6 8 6 3 2. - <_> - - <_> - 6 2 3 22 -1. - <_> - 7 2 1 22 3. - <_> - - <_> - 14 17 10 6 -1. - <_> - 14 19 10 2 3. - <_> - - <_> - 1 18 10 6 -1. - <_> - 1 20 10 2 3. - <_> - - <_> - 11 3 6 12 -1. - <_> - 13 3 2 12 3. - <_> - - <_> - 10 6 4 9 -1. - <_> - 12 6 2 9 2. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 12 10 9 6 -1. - <_> - 15 10 3 6 3. - <_> - - <_> - 2 11 6 9 -1. - <_> - 5 11 3 9 2. - <_> - - <_> - 14 5 3 19 -1. - <_> - 15 5 1 19 3. - <_> - - <_> - 6 6 9 6 -1. - <_> - 6 8 9 2 3. - <_> - - <_> - 14 5 3 19 -1. - <_> - 15 5 1 19 3. - <_> - - <_> - 0 3 6 9 -1. - <_> - 0 6 6 3 3. - <_> - - <_> - 5 21 18 3 -1. - <_> - 5 22 18 1 3. - <_> - - <_> - 1 10 18 4 -1. - <_> - 7 10 6 4 3. - <_> - - <_> - 13 4 8 10 -1. - <_> - 17 4 4 5 2. - <_> - 13 9 4 5 2. - <_> - - <_> - 7 8 9 6 -1. - <_> - 10 8 3 6 3. - <_> - - <_> - 12 9 9 8 -1. - <_> - 15 9 3 8 3. - <_> - - <_> - 0 6 5 12 -1. - <_> - 0 10 5 4 3. - <_> - - <_> - 7 6 14 6 -1. - <_> - 14 6 7 3 2. - <_> - 7 9 7 3 2. - <_> - - <_> - 7 5 3 19 -1. - <_> - 8 5 1 19 3. - <_> - - <_> - 8 4 15 20 -1. - <_> - 13 4 5 20 3. - <_> - - <_> - 1 4 15 20 -1. - <_> - 6 4 5 20 3. - <_> - - <_> - 13 10 6 6 -1. - <_> - 13 10 3 6 2. - <_> - - <_> - 5 10 6 6 -1. - <_> - 8 10 3 6 2. - <_> - - <_> - 14 2 6 14 -1. - <_> - 17 2 3 7 2. - <_> - 14 9 3 7 2. - <_> - - <_> - 4 2 6 14 -1. - <_> - 4 2 3 7 2. - <_> - 7 9 3 7 2. - <_> - - <_> - 12 4 6 7 -1. - <_> - 12 4 3 7 2. - <_> - - <_> - 9 4 6 9 -1. - <_> - 11 4 2 9 3. - <_> - - <_> - 11 4 8 10 -1. - <_> - 11 4 4 10 2. - <_> - - <_> - 5 4 8 10 -1. - <_> - 9 4 4 10 2. - <_> - - <_> - 8 18 10 6 -1. - <_> - 8 20 10 2 3. - <_> - - <_> - 1 18 21 6 -1. - <_> - 1 20 21 2 3. - <_> - - <_> - 9 2 12 6 -1. - <_> - 9 2 6 6 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 9 2 6 6 2. - <_> - - <_> - 12 5 12 6 -1. - <_> - 18 5 6 3 2. - <_> - 12 8 6 3 2. - <_> - - <_> - 8 8 6 9 -1. - <_> - 8 11 6 3 3. - <_> - - <_> - 2 7 20 6 -1. - <_> - 2 9 20 2 3. - <_> - - <_> - 0 5 12 6 -1. - <_> - 0 5 6 3 2. - <_> - 6 8 6 3 2. - <_> - - <_> - 14 14 8 10 -1. - <_> - 18 14 4 5 2. - <_> - 14 19 4 5 2. - <_> - - <_> - 2 14 8 10 -1. - <_> - 2 14 4 5 2. - <_> - 6 19 4 5 2. - <_> - - <_> - 2 11 20 13 -1. - <_> - 2 11 10 13 2. - <_> - - <_> - 6 9 12 5 -1. - <_> - 12 9 6 5 2. - <_> - - <_> - 5 6 16 6 -1. - <_> - 13 6 8 3 2. - <_> - 5 9 8 3 2. - <_> - - <_> - 1 19 9 4 -1. - <_> - 1 21 9 2 2. - <_> - - <_> - 7 5 12 5 -1. - <_> - 11 5 4 5 3. - <_> - - <_> - 3 5 14 12 -1. - <_> - 3 5 7 6 2. - <_> - 10 11 7 6 2. - <_> - - <_> - 9 4 9 6 -1. - <_> - 12 4 3 6 3. - <_> - - <_> - 2 6 19 3 -1. - <_> - 2 7 19 1 3. - <_> - - <_> - 18 10 6 9 -1. - <_> - 18 13 6 3 3. - <_> - - <_> - 3 7 18 2 -1. - <_> - 3 8 18 1 2. - <_> - - <_> - 20 2 4 18 -1. - <_> - 22 2 2 9 2. - <_> - 20 11 2 9 2. - <_> - - <_> - 2 18 20 3 -1. - <_> - 2 19 20 1 3. - <_> - - <_> - 1 9 22 3 -1. - <_> - 1 10 22 1 3. - <_> - - <_> - 0 2 4 18 -1. - <_> - 0 2 2 9 2. - <_> - 2 11 2 9 2. - <_> - - <_> - 19 0 4 23 -1. - <_> - 19 0 2 23 2. - <_> - - <_> - 0 3 6 19 -1. - <_> - 3 3 3 19 2. - <_> - - <_> - 18 2 6 9 -1. - <_> - 20 2 2 9 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 7 0 12 12 -1. - <_> - 13 0 6 6 2. - <_> - 7 6 6 6 2. - <_> - - <_> - 0 3 24 6 -1. - <_> - 0 3 12 3 2. - <_> - 12 6 12 3 2. - <_> - - <_> - 10 14 4 10 -1. - <_> - 10 19 4 5 2. - <_> - - <_> - 8 9 4 15 -1. - <_> - 8 14 4 5 3. - <_> - - <_> - 4 11 17 6 -1. - <_> - 4 14 17 3 2. - <_> - - <_> - 2 5 18 8 -1. - <_> - 2 5 9 4 2. - <_> - 11 9 9 4 2. - <_> - - <_> - 7 6 14 6 -1. - <_> - 14 6 7 3 2. - <_> - 7 9 7 3 2. - <_> - - <_> - 3 6 14 6 -1. - <_> - 3 6 7 3 2. - <_> - 10 9 7 3 2. - <_> - - <_> - 16 5 3 18 -1. - <_> - 17 5 1 18 3. - <_> - - <_> - 5 5 3 18 -1. - <_> - 6 5 1 18 3. - <_> - - <_> - 10 10 14 4 -1. - <_> - 10 12 14 2 2. - <_> - - <_> - 4 10 9 4 -1. - <_> - 4 12 9 2 2. - <_> - - <_> - 2 0 18 9 -1. - <_> - 2 3 18 3 3. - <_> - - <_> - 6 3 12 8 -1. - <_> - 10 3 4 8 3. - <_> - - <_> - 1 1 8 5 -1. - <_> - 5 1 4 5 2. - <_> - - <_> - 12 7 7 8 -1. - <_> - 12 11 7 4 2. - <_> - - <_> - 0 12 22 4 -1. - <_> - 0 14 22 2 2. - <_> - - <_> - 15 6 4 15 -1. - <_> - 15 11 4 5 3. - <_> - - <_> - 5 7 7 8 -1. - <_> - 5 11 7 4 2. - <_> - - <_> - 8 18 9 4 -1. - <_> - 8 20 9 2 2. - <_> - - <_> - 1 2 22 4 -1. - <_> - 1 4 22 2 2. - <_> - - <_> - 17 3 6 17 -1. - <_> - 19 3 2 17 3. - <_> - - <_> - 8 2 8 18 -1. - <_> - 8 11 8 9 2. - <_> - - <_> - 17 0 6 12 -1. - <_> - 20 0 3 6 2. - <_> - 17 6 3 6 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 15 5 9 12 -1. - <_> - 15 11 9 6 2. - <_> - - <_> - 2 22 18 2 -1. - <_> - 2 23 18 1 2. - <_> - - <_> - 10 10 12 6 -1. - <_> - 16 10 6 3 2. - <_> - 10 13 6 3 2. - <_> - - <_> - 0 1 4 11 -1. - <_> - 2 1 2 11 2. - <_> - - <_> - 20 0 4 10 -1. - <_> - 20 0 2 10 2. - <_> - - <_> - 1 3 6 17 -1. - <_> - 3 3 2 17 3. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 0 13 8 9 -1. - <_> - 0 16 8 3 3. - <_> - - <_> - 16 8 6 12 -1. - <_> - 16 12 6 4 3. - <_> - - <_> - 2 8 6 12 -1. - <_> - 2 12 6 4 3. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 1 5 19 3 -1. - <_> - 1 6 19 1 3. - <_> - - <_> - 11 8 9 7 -1. - <_> - 14 8 3 7 3. - <_> - - <_> - 3 8 12 9 -1. - <_> - 3 11 12 3 3. - <_> - - <_> - 3 6 18 3 -1. - <_> - 3 7 18 1 3. - <_> - - <_> - 10 0 4 12 -1. - <_> - 10 6 4 6 2. - <_> - - <_> - 3 9 18 14 -1. - <_> - 3 9 9 14 2. - <_> - - <_> - 0 0 4 9 -1. - <_> - 2 0 2 9 2. - <_> - - <_> - 12 5 4 18 -1. - <_> - 12 5 2 18 2. - <_> - - <_> - 8 5 4 18 -1. - <_> - 10 5 2 18 2. - <_> - - <_> - 10 5 6 10 -1. - <_> - 12 5 2 10 3. - <_> - - <_> - 9 4 4 11 -1. - <_> - 11 4 2 11 2. - <_> - - <_> - 4 16 18 3 -1. - <_> - 4 17 18 1 3. - <_> - - <_> - 0 16 20 3 -1. - <_> - 0 17 20 1 3. - <_> - - <_> - 9 9 6 12 -1. - <_> - 9 13 6 4 3. - <_> - - <_> - 8 13 8 8 -1. - <_> - 8 17 8 4 2. - <_> - - <_> - 13 10 3 12 -1. - <_> - 13 16 3 6 2. - <_> - - <_> - 5 9 14 14 -1. - <_> - 5 9 7 7 2. - <_> - 12 16 7 7 2. - <_> - - <_> - 0 0 24 10 -1. - <_> - 12 0 12 5 2. - <_> - 0 5 12 5 2. - <_> - - <_> - 1 11 18 2 -1. - <_> - 1 12 18 1 2. - <_> - - <_> - 19 5 5 12 -1. - <_> - 19 9 5 4 3. - <_> - - <_> - 0 5 5 12 -1. - <_> - 0 9 5 4 3. - <_> - - <_> - 16 6 8 18 -1. - <_> - 20 6 4 9 2. - <_> - 16 15 4 9 2. - <_> - - <_> - 0 6 8 18 -1. - <_> - 0 6 4 9 2. - <_> - 4 15 4 9 2. - <_> - - <_> - 12 5 12 12 -1. - <_> - 18 5 6 6 2. - <_> - 12 11 6 6 2. - <_> - - <_> - 7 6 6 9 -1. - <_> - 9 6 2 9 3. - <_> - - <_> - 9 13 6 11 -1. - <_> - 11 13 2 11 3. - <_> - - <_> - 0 5 12 12 -1. - <_> - 0 5 6 6 2. - <_> - 6 11 6 6 2. - <_> - - <_> - 1 2 23 3 -1. - <_> - 1 3 23 1 3. - <_> - - <_> - 1 15 19 3 -1. - <_> - 1 16 19 1 3. - <_> - - <_> - 13 17 11 4 -1. - <_> - 13 19 11 2 2. - <_> - - <_> - 0 13 8 5 -1. - <_> - 4 13 4 5 2. - <_> - - <_> - 12 10 10 4 -1. - <_> - 12 10 5 4 2. - <_> - - <_> - 4 6 9 9 -1. - <_> - 4 9 9 3 3. - <_> - - <_> - 15 14 9 6 -1. - <_> - 15 16 9 2 3. - <_> - - <_> - 1 12 9 6 -1. - <_> - 1 14 9 2 3. - <_> - - <_> - 3 10 20 8 -1. - <_> - 13 10 10 4 2. - <_> - 3 14 10 4 2. - <_> - - <_> - 2 0 9 18 -1. - <_> - 5 0 3 18 3. - <_> - - <_> - 13 11 9 10 -1. - <_> - 16 11 3 10 3. - <_> - - <_> - 1 2 8 5 -1. - <_> - 5 2 4 5 2. - <_> - - <_> - 3 4 21 6 -1. - <_> - 10 4 7 6 3. - <_> - - <_> - 7 0 10 14 -1. - <_> - 7 0 5 7 2. - <_> - 12 7 5 7 2. - <_> - - <_> - 12 17 12 4 -1. - <_> - 12 19 12 2 2. - <_> - - <_> - 0 6 23 4 -1. - <_> - 0 8 23 2 2. - <_> - - <_> - 13 10 8 10 -1. - <_> - 17 10 4 5 2. - <_> - 13 15 4 5 2. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 15 16 9 4 -1. - <_> - 15 18 9 2 2. - <_> - - <_> - 0 16 9 4 -1. - <_> - 0 18 9 2 2. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 5 11 6 6 -1. - <_> - 8 11 3 6 2. - <_> - - <_> - 0 3 24 6 -1. - <_> - 12 3 12 3 2. - <_> - 0 6 12 3 2. - <_> - - <_> - 2 4 18 3 -1. - <_> - 2 5 18 1 3. - <_> - - <_> - 0 0 24 4 -1. - <_> - 12 0 12 2 2. - <_> - 0 2 12 2 2. - <_> - - <_> - 1 16 18 3 -1. - <_> - 1 17 18 1 3. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 0 15 9 6 -1. - <_> - 0 17 9 2 3. - <_> - - <_> - 6 17 18 3 -1. - <_> - 6 18 18 1 3. - <_> - - <_> - 8 8 6 10 -1. - <_> - 10 8 2 10 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 8 8 5 8 -1. - <_> - 8 12 5 4 2. - <_> - - <_> - 12 8 6 8 -1. - <_> - 12 12 6 4 2. - <_> - - <_> - 6 5 6 11 -1. - <_> - 8 5 2 11 3. - <_> - - <_> - 13 6 8 9 -1. - <_> - 13 9 8 3 3. - <_> - - <_> - 1 7 21 6 -1. - <_> - 1 9 21 2 3. - <_> - - <_> - 15 5 3 12 -1. - <_> - 15 11 3 6 2. - <_> - - <_> - 6 9 11 12 -1. - <_> - 6 13 11 4 3. - <_> - - <_> - 13 8 10 8 -1. - <_> - 18 8 5 4 2. - <_> - 13 12 5 4 2. - <_> - - <_> - 5 8 12 3 -1. - <_> - 11 8 6 3 2. - <_> - - <_> - 6 11 18 4 -1. - <_> - 12 11 6 4 3. - <_> - - <_> - 0 0 22 22 -1. - <_> - 0 11 22 11 2. - <_> - - <_> - 11 2 6 8 -1. - <_> - 11 6 6 4 2. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 8 3 6 14 -1. - <_> - 8 3 3 7 2. - <_> - 11 10 3 7 2. - <_> - - <_> - 3 10 18 8 -1. - <_> - 9 10 6 8 3. - <_> - - <_> - 10 0 3 14 -1. - <_> - 10 7 3 7 2. - <_> - - <_> - 4 3 16 20 -1. - <_> - 4 13 16 10 2. - <_> - - <_> - 9 4 6 10 -1. - <_> - 11 4 2 10 3. - <_> - - <_> - 5 0 16 4 -1. - <_> - 5 2 16 2 2. - <_> - - <_> - 2 5 18 4 -1. - <_> - 8 5 6 4 3. - <_> - - <_> - 13 0 6 9 -1. - <_> - 15 0 2 9 3. - <_> - - <_> - 8 4 8 5 -1. - <_> - 12 4 4 5 2. - <_> - - <_> - 12 10 10 4 -1. - <_> - 12 10 5 4 2. - <_> - - <_> - 2 10 10 4 -1. - <_> - 7 10 5 4 2. - <_> - - <_> - 7 11 12 5 -1. - <_> - 11 11 4 5 3. - <_> - - <_> - 3 10 8 10 -1. - <_> - 3 10 4 5 2. - <_> - 7 15 4 5 2. - <_> - - <_> - 11 12 9 8 -1. - <_> - 14 12 3 8 3. - <_> - - <_> - 0 21 24 3 -1. - <_> - 8 21 8 3 3. - <_> - - <_> - 3 20 18 4 -1. - <_> - 9 20 6 4 3. - <_> - - <_> - 1 15 9 6 -1. - <_> - 1 17 9 2 3. - <_> - - <_> - 11 17 10 4 -1. - <_> - 11 19 10 2 2. - <_> - - <_> - 9 12 4 12 -1. - <_> - 9 18 4 6 2. - <_> - - <_> - 9 6 9 6 -1. - <_> - 12 6 3 6 3. - <_> - - <_> - 1 13 6 9 -1. - <_> - 1 16 6 3 3. - <_> - - <_> - 6 16 12 4 -1. - <_> - 6 18 12 2 2. - <_> - - <_> - 1 5 20 3 -1. - <_> - 1 6 20 1 3. - <_> - - <_> - 8 1 9 9 -1. - <_> - 8 4 9 3 3. - <_> - - <_> - 2 19 9 4 -1. - <_> - 2 21 9 2 2. - <_> - - <_> - 11 1 4 18 -1. - <_> - 11 7 4 6 3. - <_> - - <_> - 7 2 8 12 -1. - <_> - 7 2 4 6 2. - <_> - 11 8 4 6 2. - <_> - - <_> - 11 10 9 8 -1. - <_> - 14 10 3 8 3. - <_> - - <_> - 5 11 12 5 -1. - <_> - 9 11 4 5 3. - <_> - - <_> - 11 9 9 6 -1. - <_> - 14 9 3 6 3. - <_> - - <_> - 5 10 6 9 -1. - <_> - 7 10 2 9 3. - <_> - - <_> - 4 7 5 12 -1. - <_> - 4 11 5 4 3. - <_> - - <_> - 2 0 21 6 -1. - <_> - 9 0 7 6 3. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 9 0 6 15 -1. - <_> - 11 0 2 15 3. - <_> - - <_> - 2 2 18 2 -1. - <_> - 2 3 18 1 2. - <_> - - <_> - 8 17 8 6 -1. - <_> - 8 20 8 3 2. - <_> - - <_> - 3 0 18 2 -1. - <_> - 3 1 18 1 2. - <_> - - <_> - 8 0 9 6 -1. - <_> - 11 0 3 6 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 6 7 12 5 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 0 3 6 9 -1. - <_> - 2 3 2 9 3. - <_> - - <_> - 20 2 4 9 -1. - <_> - 20 2 2 9 2. - <_> - - <_> - 0 2 4 9 -1. - <_> - 2 2 2 9 2. - <_> - - <_> - 0 1 24 4 -1. - <_> - 12 1 12 2 2. - <_> - 0 3 12 2 2. - <_> - - <_> - 0 16 9 6 -1. - <_> - 0 18 9 2 3. - <_> - - <_> - 14 13 9 6 -1. - <_> - 14 15 9 2 3. - <_> - - <_> - 0 15 19 3 -1. - <_> - 0 16 19 1 3. - <_> - - <_> - 1 5 22 12 -1. - <_> - 12 5 11 6 2. - <_> - 1 11 11 6 2. - <_> - - <_> - 5 13 6 6 -1. - <_> - 8 13 3 6 2. - <_> - - <_> - 4 2 20 3 -1. - <_> - 4 3 20 1 3. - <_> - - <_> - 8 14 6 10 -1. - <_> - 10 14 2 10 3. - <_> - - <_> - 6 12 16 6 -1. - <_> - 14 12 8 3 2. - <_> - 6 15 8 3 2. - <_> - - <_> - 2 13 8 9 -1. - <_> - 2 16 8 3 3. - <_> - - <_> - 11 8 6 14 -1. - <_> - 14 8 3 7 2. - <_> - 11 15 3 7 2. - <_> - - <_> - 2 12 16 6 -1. - <_> - 2 12 8 3 2. - <_> - 10 15 8 3 2. - <_> - - <_> - 5 16 16 8 -1. - <_> - 5 20 16 4 2. - <_> - - <_> - 9 1 4 12 -1. - <_> - 9 7 4 6 2. - <_> - - <_> - 8 2 8 10 -1. - <_> - 12 2 4 5 2. - <_> - 8 7 4 5 2. - <_> - - <_> - 6 6 12 6 -1. - <_> - 6 6 6 3 2. - <_> - 12 9 6 3 2. - <_> - - <_> - 10 7 6 9 -1. - <_> - 12 7 2 9 3. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 18 8 6 9 -1. - <_> - 18 11 6 3 3. - <_> - - <_> - 2 12 6 6 -1. - <_> - 5 12 3 6 2. - <_> - - <_> - 3 21 21 3 -1. - <_> - 10 21 7 3 3. - <_> - - <_> - 2 0 16 6 -1. - <_> - 2 3 16 3 2. - <_> - - <_> - 13 6 7 6 -1. - <_> - 13 9 7 3 2. - <_> - - <_> - 6 4 4 14 -1. - <_> - 6 11 4 7 2. - <_> - - <_> - 9 7 6 9 -1. - <_> - 11 7 2 9 3. - <_> - - <_> - 7 8 6 14 -1. - <_> - 7 8 3 7 2. - <_> - 10 15 3 7 2. - <_> - - <_> - 18 8 4 16 -1. - <_> - 18 16 4 8 2. - <_> - - <_> - 9 14 6 10 -1. - <_> - 11 14 2 10 3. - <_> - - <_> - 6 11 12 5 -1. - <_> - 10 11 4 5 3. - <_> - - <_> - 0 12 23 3 -1. - <_> - 0 13 23 1 3. - <_> - - <_> - 13 0 6 12 -1. - <_> - 15 0 2 12 3. - <_> - - <_> - 0 10 12 5 -1. - <_> - 4 10 4 5 3. - <_> - - <_> - 13 2 10 4 -1. - <_> - 13 4 10 2 2. - <_> - - <_> - 5 0 6 12 -1. - <_> - 7 0 2 12 3. - <_> - - <_> - 11 6 9 6 -1. - <_> - 14 6 3 6 3. - <_> - - <_> - 4 6 9 6 -1. - <_> - 7 6 3 6 3. - <_> - - <_> - 6 11 18 13 -1. - <_> - 12 11 6 13 3. - <_> - - <_> - 0 11 18 13 -1. - <_> - 6 11 6 13 3. - <_> - - <_> - 12 16 12 6 -1. - <_> - 16 16 4 6 3. - <_> - - <_> - 0 6 21 3 -1. - <_> - 0 7 21 1 3. - <_> - - <_> - 12 16 12 6 -1. - <_> - 16 16 4 6 3. - <_> - - <_> - 5 7 6 14 -1. - <_> - 5 14 6 7 2. - <_> - - <_> - 5 10 19 2 -1. - <_> - 5 11 19 1 2. - <_> - - <_> - 5 4 14 4 -1. - <_> - 5 6 14 2 2. - <_> - - <_> - 3 18 18 4 -1. - <_> - 9 18 6 4 3. - <_> - - <_> - 7 0 4 9 -1. - <_> - 9 0 2 9 2. - <_> - - <_> - 13 3 11 4 -1. - <_> - 13 5 11 2 2. - <_> - - <_> - 2 0 9 6 -1. - <_> - 5 0 3 6 3. - <_> - - <_> - 19 1 4 23 -1. - <_> - 19 1 2 23 2. - <_> - - <_> - 1 1 4 23 -1. - <_> - 3 1 2 23 2. - <_> - - <_> - 5 16 18 3 -1. - <_> - 5 17 18 1 3. - <_> - - <_> - 0 3 11 4 -1. - <_> - 0 5 11 2 2. - <_> - - <_> - 2 16 20 3 -1. - <_> - 2 17 20 1 3. - <_> - - <_> - 5 3 13 4 -1. - <_> - 5 5 13 2 2. - <_> - - <_> - 1 9 22 15 -1. - <_> - 1 9 11 15 2. - <_> - - <_> - 3 4 14 3 -1. - <_> - 10 4 7 3 2. - <_> - - <_> - 8 7 10 4 -1. - <_> - 8 7 5 4 2. - <_> - - <_> - 6 7 10 4 -1. - <_> - 11 7 5 4 2. - <_> - - <_> - 10 4 6 9 -1. - <_> - 12 4 2 9 3. - <_> - - <_> - 1 12 9 6 -1. - <_> - 4 12 3 6 3. - <_> - - <_> - 8 3 8 10 -1. - <_> - 12 3 4 5 2. - <_> - 8 8 4 5 2. - <_> - - <_> - 3 6 16 6 -1. - <_> - 3 6 8 3 2. - <_> - 11 9 8 3 2. - <_> - - <_> - 5 6 14 6 -1. - <_> - 5 9 14 3 2. - <_> - - <_> - 4 3 9 6 -1. - <_> - 4 5 9 2 3. - <_> - - <_> - 6 3 18 2 -1. - <_> - 6 4 18 1 2. - <_> - - <_> - 7 6 9 6 -1. - <_> - 10 6 3 6 3. - <_> - - <_> - 0 1 24 3 -1. - <_> - 0 2 24 1 3. - <_> - - <_> - 0 17 10 6 -1. - <_> - 0 19 10 2 3. - <_> - - <_> - 3 18 18 3 -1. - <_> - 3 19 18 1 3. - <_> - - <_> - 2 5 6 16 -1. - <_> - 2 5 3 8 2. - <_> - 5 13 3 8 2. - <_> - - <_> - 7 6 11 6 -1. - <_> - 7 8 11 2 3. - <_> - - <_> - 5 2 12 22 -1. - <_> - 5 13 12 11 2. - <_> - - <_> - 10 7 4 10 -1. - <_> - 10 12 4 5 2. - <_> - - <_> - 9 0 4 18 -1. - <_> - 9 6 4 6 3. - <_> - - <_> - 18 8 6 9 -1. - <_> - 18 11 6 3 3. - <_> - - <_> - 4 7 15 10 -1. - <_> - 9 7 5 10 3. - <_> - - <_> - 10 5 6 9 -1. - <_> - 12 5 2 9 3. - <_> - - <_> - 9 9 6 10 -1. - <_> - 11 9 2 10 3. - <_> - - <_> - 11 14 6 10 -1. - <_> - 13 14 2 10 3. - <_> - - <_> - 7 14 6 10 -1. - <_> - 9 14 2 10 3. - <_> - - <_> - 4 8 16 9 -1. - <_> - 4 11 16 3 3. - <_> - - <_> - 2 11 20 3 -1. - <_> - 2 12 20 1 3. - <_> - - <_> - 13 0 4 13 -1. - <_> - 13 0 2 13 2. - <_> - - <_> - 7 0 4 13 -1. - <_> - 9 0 2 13 2. - <_> - - <_> - 3 1 18 7 -1. - <_> - 9 1 6 7 3. - <_> - - <_> - 1 11 6 9 -1. - <_> - 1 14 6 3 3. - <_> - - <_> - 8 18 9 6 -1. - <_> - 8 20 9 2 3. - <_> - - <_> - 3 9 15 6 -1. - <_> - 3 11 15 2 3. - <_> - - <_> - 5 10 19 2 -1. - <_> - 5 11 19 1 2. - <_> - - <_> - 8 6 7 16 -1. - <_> - 8 14 7 8 2. - <_> - - <_> - 9 14 9 6 -1. - <_> - 9 16 9 2 3. - <_> - - <_> - 0 7 8 12 -1. - <_> - 0 11 8 4 3. - <_> - - <_> - 6 4 18 3 -1. - <_> - 6 5 18 1 3. - <_> - - <_> - 0 16 12 6 -1. - <_> - 4 16 4 6 3. - <_> - - <_> - 13 13 9 4 -1. - <_> - 13 15 9 2 2. - <_> - - <_> - 5 8 14 14 -1. - <_> - 5 8 7 7 2. - <_> - 12 15 7 7 2. - <_> - - <_> - 1 16 22 6 -1. - <_> - 12 16 11 3 2. - <_> - 1 19 11 3 2. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 9 5 10 10 -1. - <_> - 14 5 5 5 2. - <_> - 9 10 5 5 2. - <_> - - <_> - 5 5 10 10 -1. - <_> - 5 5 5 5 2. - <_> - 10 10 5 5 2. - <_> - - <_> - 4 6 16 6 -1. - <_> - 12 6 8 3 2. - <_> - 4 9 8 3 2. - <_> - - <_> - 0 7 6 9 -1. - <_> - 0 10 6 3 3. - <_> - - <_> - 16 10 8 14 -1. - <_> - 20 10 4 7 2. - <_> - 16 17 4 7 2. - <_> - - <_> - 9 12 6 12 -1. - <_> - 9 18 6 6 2. - <_> - - <_> - 8 10 8 12 -1. - <_> - 12 10 4 6 2. - <_> - 8 16 4 6 2. - <_> - - <_> - 8 0 4 9 -1. - <_> - 10 0 2 9 2. - <_> - - <_> - 10 4 8 16 -1. - <_> - 14 4 4 8 2. - <_> - 10 12 4 8 2. - <_> - - <_> - 7 10 10 6 -1. - <_> - 7 12 10 2 3. - <_> - - <_> - 5 6 14 14 -1. - <_> - 12 6 7 7 2. - <_> - 5 13 7 7 2. - <_> - - <_> - 2 11 20 2 -1. - <_> - 2 12 20 1 2. - <_> - - <_> - 18 8 4 16 -1. - <_> - 18 16 4 8 2. - <_> - - <_> - 1 11 12 10 -1. - <_> - 1 11 6 5 2. - <_> - 7 16 6 5 2. - <_> - - <_> - 6 9 12 4 -1. - <_> - 6 11 12 2 2. - <_> - - <_> - 9 12 6 7 -1. - <_> - 12 12 3 7 2. - <_> - - <_> - 10 4 8 16 -1. - <_> - 14 4 4 8 2. - <_> - 10 12 4 8 2. - <_> - - <_> - 6 4 8 16 -1. - <_> - 6 4 4 8 2. - <_> - 10 12 4 8 2. - <_> - - <_> - 8 9 9 6 -1. - <_> - 11 9 3 6 3. - <_> - - <_> - 1 5 16 12 -1. - <_> - 1 5 8 6 2. - <_> - 9 11 8 6 2. - <_> - - <_> - 9 9 6 8 -1. - <_> - 9 9 3 8 2. - <_> - - <_> - 6 0 3 18 -1. - <_> - 7 0 1 18 3. - <_> - - <_> - 17 9 5 14 -1. - <_> - 17 16 5 7 2. - <_> - - <_> - 2 9 5 14 -1. - <_> - 2 16 5 7 2. - <_> - - <_> - 7 4 10 6 -1. - <_> - 7 7 10 3 2. - <_> - - <_> - 1 3 23 18 -1. - <_> - 1 9 23 6 3. - <_> - - <_> - 1 1 21 3 -1. - <_> - 8 1 7 3 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 3 18 12 6 -1. - <_> - 3 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 16 8 8 16 -1. - <_> - 20 8 4 8 2. - <_> - 16 16 4 8 2. - <_> - - <_> - 0 19 24 4 -1. - <_> - 8 19 8 4 3. - <_> - - <_> - 16 8 8 16 -1. - <_> - 20 8 4 8 2. - <_> - 16 16 4 8 2. - <_> - - <_> - 0 8 8 16 -1. - <_> - 0 8 4 8 2. - <_> - 4 16 4 8 2. - <_> - - <_> - 8 12 8 10 -1. - <_> - 8 17 8 5 2. - <_> - - <_> - 5 7 5 8 -1. - <_> - 5 11 5 4 2. - <_> - - <_> - 4 1 19 2 -1. - <_> - 4 2 19 1 2. - <_> - - <_> - 0 12 24 9 -1. - <_> - 8 12 8 9 3. - <_> - - <_> - 6 0 13 8 -1. - <_> - 6 4 13 4 2. - <_> - - <_> - 0 0 24 3 -1. - <_> - 0 1 24 1 3. - <_> - - <_> - 20 3 4 11 -1. - <_> - 20 3 2 11 2. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 6 11 12 8 -1. - <_> - 12 11 6 4 2. - <_> - 6 15 6 4 2. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 8 6 3 2. - <_> - 6 11 6 3 2. - <_> - - <_> - 6 17 18 3 -1. - <_> - 6 18 18 1 3. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 20 3 4 9 -1. - <_> - 20 3 2 9 2. - <_> - - <_> - 0 3 4 9 -1. - <_> - 2 3 2 9 2. - <_> - - <_> - 15 0 9 19 -1. - <_> - 18 0 3 19 3. - <_> - - <_> - 0 0 9 19 -1. - <_> - 3 0 3 19 3. - <_> - - <_> - 13 11 6 8 -1. - <_> - 13 11 3 8 2. - <_> - - <_> - 5 11 6 8 -1. - <_> - 8 11 3 8 2. - <_> - - <_> - 5 11 19 3 -1. - <_> - 5 12 19 1 3. - <_> - - <_> - 3 20 18 4 -1. - <_> - 9 20 6 4 3. - <_> - - <_> - 6 6 16 6 -1. - <_> - 6 8 16 2 3. - <_> - - <_> - 6 0 9 6 -1. - <_> - 9 0 3 6 3. - <_> - - <_> - 10 3 4 14 -1. - <_> - 10 10 4 7 2. - <_> - - <_> - 1 5 15 12 -1. - <_> - 1 11 15 6 2. - <_> - - <_> - 11 12 8 5 -1. - <_> - 11 12 4 5 2. - <_> - - <_> - 5 0 6 9 -1. - <_> - 7 0 2 9 3. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 5 5 12 8 -1. - <_> - 5 5 6 4 2. - <_> - 11 9 6 4 2. - <_> - - <_> - 13 12 11 6 -1. - <_> - 13 14 11 2 3. - <_> - - <_> - 0 13 21 3 -1. - <_> - 0 14 21 1 3. - <_> - - <_> - 8 1 8 12 -1. - <_> - 12 1 4 6 2. - <_> - 8 7 4 6 2. - <_> - - <_> - 1 0 6 12 -1. - <_> - 1 0 3 6 2. - <_> - 4 6 3 6 2. - <_> - - <_> - 2 2 21 2 -1. - <_> - 2 3 21 1 2. - <_> - - <_> - 2 2 19 3 -1. - <_> - 2 3 19 1 3. - <_> - - <_> - 17 10 6 14 -1. - <_> - 20 10 3 7 2. - <_> - 17 17 3 7 2. - <_> - - <_> - 1 10 6 14 -1. - <_> - 1 10 3 7 2. - <_> - 4 17 3 7 2. - <_> - - <_> - 7 6 14 14 -1. - <_> - 14 6 7 7 2. - <_> - 7 13 7 7 2. - <_> - - <_> - 0 12 9 6 -1. - <_> - 0 14 9 2 3. - <_> - - <_> - 15 14 8 9 -1. - <_> - 15 17 8 3 3. - <_> - - <_> - 1 1 22 4 -1. - <_> - 1 1 11 2 2. - <_> - 12 3 11 2 2. - <_> - - <_> - 9 11 9 6 -1. - <_> - 9 13 9 2 3. - <_> - - <_> - 0 15 18 3 -1. - <_> - 0 16 18 1 3. - <_> - - <_> - 16 14 7 9 -1. - <_> - 16 17 7 3 3. - <_> - - <_> - 4 3 16 4 -1. - <_> - 12 3 8 4 2. - <_> - - <_> - 7 6 12 5 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 9 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 12 1 4 10 -1. - <_> - 12 1 2 10 2. - <_> - - <_> - 8 1 4 10 -1. - <_> - 10 1 2 10 2. - <_> - - <_> - 15 15 6 9 -1. - <_> - 15 18 6 3 3. - <_> - - <_> - 3 15 6 9 -1. - <_> - 3 18 6 3 3. - <_> - - <_> - 15 1 3 19 -1. - <_> - 16 1 1 19 3. - <_> - - <_> - 1 3 6 9 -1. - <_> - 3 3 2 9 3. - <_> - - <_> - 15 0 3 19 -1. - <_> - 16 0 1 19 3. - <_> - - <_> - 6 3 12 4 -1. - <_> - 12 3 6 4 2. - <_> - - <_> - 10 5 4 9 -1. - <_> - 10 5 2 9 2. - <_> - - <_> - 6 0 3 19 -1. - <_> - 7 0 1 19 3. - <_> - - <_> - 11 1 3 12 -1. - <_> - 11 7 3 6 2. - <_> - - <_> - 6 7 10 5 -1. - <_> - 11 7 5 5 2. - <_> - - <_> - 11 3 3 18 -1. - <_> - 12 3 1 18 3. - <_> - - <_> - 9 3 6 12 -1. - <_> - 11 3 2 12 3. - <_> - - <_> - 3 7 19 3 -1. - <_> - 3 8 19 1 3. - <_> - - <_> - 2 7 18 3 -1. - <_> - 2 8 18 1 3. - <_> - - <_> - 3 13 18 4 -1. - <_> - 12 13 9 2 2. - <_> - 3 15 9 2 2. - <_> - - <_> - 3 5 6 9 -1. - <_> - 5 5 2 9 3. - <_> - - <_> - 4 1 20 4 -1. - <_> - 14 1 10 2 2. - <_> - 4 3 10 2 2. - <_> - - <_> - 0 1 20 4 -1. - <_> - 0 1 10 2 2. - <_> - 10 3 10 2 2. - <_> - - <_> - 10 15 6 6 -1. - <_> - 10 15 3 6 2. - <_> - - <_> - 0 2 24 8 -1. - <_> - 8 2 8 8 3. - <_> - - <_> - 5 5 18 3 -1. - <_> - 5 6 18 1 3. - <_> - - <_> - 8 15 6 6 -1. - <_> - 11 15 3 6 2. - <_> - - <_> - 11 12 8 5 -1. - <_> - 11 12 4 5 2. - <_> - - <_> - 5 12 8 5 -1. - <_> - 9 12 4 5 2. - <_> - - <_> - 5 0 14 6 -1. - <_> - 5 2 14 2 3. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 10 7 5 12 -1. - <_> - 10 11 5 4 3. - <_> - - <_> - 7 9 8 14 -1. - <_> - 7 9 4 7 2. - <_> - 11 16 4 7 2. - <_> - - <_> - 1 5 22 6 -1. - <_> - 12 5 11 3 2. - <_> - 1 8 11 3 2. - <_> - - <_> - 0 5 6 6 -1. - <_> - 0 8 6 3 2. - <_> - - <_> - 12 17 9 4 -1. - <_> - 12 19 9 2 2. - <_> - - <_> - 2 18 19 3 -1. - <_> - 2 19 19 1 3. - <_> - - <_> - 12 17 9 4 -1. - <_> - 12 19 9 2 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 1 18 18 1 3. - <_> - - <_> - 12 17 9 4 -1. - <_> - 12 19 9 2 2. - <_> - - <_> - 0 0 24 3 -1. - <_> - 0 1 24 1 3. - <_> - - <_> - 5 0 14 4 -1. - <_> - 5 2 14 2 2. - <_> - - <_> - 6 14 9 6 -1. - <_> - 6 16 9 2 3. - <_> - - <_> - 14 13 6 9 -1. - <_> - 14 16 6 3 3. - <_> - - <_> - 5 20 13 4 -1. - <_> - 5 22 13 2 2. - <_> - - <_> - 9 9 6 12 -1. - <_> - 9 13 6 4 3. - <_> - - <_> - 1 10 21 3 -1. - <_> - 8 10 7 3 3. - <_> - - <_> - 8 8 9 6 -1. - <_> - 11 8 3 6 3. - <_> - - <_> - 3 10 9 7 -1. - <_> - 6 10 3 7 3. - <_> - - <_> - 12 10 10 8 -1. - <_> - 17 10 5 4 2. - <_> - 12 14 5 4 2. - <_> - - <_> - 0 15 24 3 -1. - <_> - 8 15 8 3 3. - <_> - - <_> - 8 5 9 6 -1. - <_> - 8 7 9 2 3. - <_> - - <_> - 4 13 6 9 -1. - <_> - 4 16 6 3 3. - <_> - - <_> - 12 17 9 4 -1. - <_> - 12 19 9 2 2. - <_> - - <_> - 9 12 6 6 -1. - <_> - 9 15 6 3 2. - <_> - - <_> - 9 9 14 10 -1. - <_> - 16 9 7 5 2. - <_> - 9 14 7 5 2. - <_> - - <_> - 1 9 14 10 -1. - <_> - 1 9 7 5 2. - <_> - 8 14 7 5 2. - <_> - - <_> - 8 7 9 17 -1. - <_> - 11 7 3 17 3. - <_> - - <_> - 3 4 6 20 -1. - <_> - 3 4 3 10 2. - <_> - 6 14 3 10 2. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 8 5 4 2. - <_> - - <_> - 10 7 4 9 -1. - <_> - 12 7 2 9 2. - <_> - - <_> - 10 15 6 9 -1. - <_> - 12 15 2 9 3. - <_> - - <_> - 3 8 6 16 -1. - <_> - 3 8 3 8 2. - <_> - 6 16 3 8 2. - <_> - - <_> - 12 17 9 4 -1. - <_> - 12 19 9 2 2. - <_> - - <_> - 3 17 9 4 -1. - <_> - 3 19 9 2 2. - <_> - - <_> - 10 1 9 6 -1. - <_> - 13 1 3 6 3. - <_> - - <_> - 5 7 4 10 -1. - <_> - 5 12 4 5 2. - <_> - - <_> - 7 5 12 6 -1. - <_> - 11 5 4 6 3. - <_> - - <_> - 6 4 9 8 -1. - <_> - 9 4 3 8 3. - <_> - - <_> - 12 16 10 8 -1. - <_> - 17 16 5 4 2. - <_> - 12 20 5 4 2. - <_> - - <_> - 2 16 10 8 -1. - <_> - 2 16 5 4 2. - <_> - 7 20 5 4 2. - <_> - - <_> - 0 0 24 4 -1. - <_> - 12 0 12 2 2. - <_> - 0 2 12 2 2. - <_> - - <_> - 0 6 9 6 -1. - <_> - 0 8 9 2 3. - <_> - - <_> - 0 4 24 6 -1. - <_> - 12 4 12 3 2. - <_> - 0 7 12 3 2. - <_> - - <_> - 5 0 11 4 -1. - <_> - 5 2 11 2 2. - <_> - - <_> - 1 1 22 4 -1. - <_> - 12 1 11 2 2. - <_> - 1 3 11 2 2. - <_> - - <_> - 9 6 6 18 -1. - <_> - 9 15 6 9 2. - <_> - - <_> - 2 9 20 4 -1. - <_> - 2 11 20 2 2. - <_> - - <_> - 5 2 14 14 -1. - <_> - 5 9 14 7 2. - <_> - - <_> - 4 2 16 6 -1. - <_> - 4 5 16 3 2. - <_> - - <_> - 2 3 19 3 -1. - <_> - 2 4 19 1 3. - <_> - - <_> - 7 1 10 4 -1. - <_> - 7 3 10 2 2. - <_> - - <_> - 0 9 4 15 -1. - <_> - 0 14 4 5 3. - <_> - - <_> - 2 10 21 3 -1. - <_> - 2 11 21 1 3. - <_> - - <_> - 3 0 6 6 -1. - <_> - 6 0 3 6 2. - <_> - - <_> - 6 4 14 9 -1. - <_> - 6 7 14 3 3. - <_> - - <_> - 9 1 6 9 -1. - <_> - 11 1 2 9 3. - <_> - - <_> - 15 8 9 9 -1. - <_> - 15 11 9 3 3. - <_> - - <_> - 8 0 4 21 -1. - <_> - 8 7 4 7 3. - <_> - - <_> - 3 22 19 2 -1. - <_> - 3 23 19 1 2. - <_> - - <_> - 2 15 20 3 -1. - <_> - 2 16 20 1 3. - <_> - - <_> - 19 0 4 13 -1. - <_> - 19 0 2 13 2. - <_> - - <_> - 1 7 8 8 -1. - <_> - 1 11 8 4 2. - <_> - - <_> - 14 14 6 9 -1. - <_> - 14 17 6 3 3. - <_> - - <_> - 4 14 6 9 -1. - <_> - 4 17 6 3 3. - <_> - - <_> - 14 5 4 10 -1. - <_> - 14 5 2 10 2. - <_> - - <_> - 6 5 4 10 -1. - <_> - 8 5 2 10 2. - <_> - - <_> - 14 5 6 6 -1. - <_> - 14 8 6 3 2. - <_> - - <_> - 4 5 6 6 -1. - <_> - 4 8 6 3 2. - <_> - - <_> - 0 2 24 21 -1. - <_> - 8 2 8 21 3. - <_> - - <_> - 1 2 6 13 -1. - <_> - 3 2 2 13 3. - <_> - - <_> - 20 0 4 21 -1. - <_> - 20 0 2 21 2. - <_> - - <_> - 0 4 4 20 -1. - <_> - 2 4 2 20 2. - <_> - - <_> - 8 16 9 6 -1. - <_> - 8 18 9 2 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 16 12 7 9 -1. - <_> - 16 15 7 3 3. - <_> - - <_> - 5 21 14 3 -1. - <_> - 12 21 7 3 2. - <_> - - <_> - 11 5 6 9 -1. - <_> - 11 5 3 9 2. - <_> - - <_> - 10 5 4 10 -1. - <_> - 12 5 2 10 2. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 7 5 6 9 -1. - <_> - 10 5 3 9 2. - <_> - - <_> - 14 14 10 4 -1. - <_> - 14 16 10 2 2. - <_> - - <_> - 5 5 14 14 -1. - <_> - 5 5 7 7 2. - <_> - 12 12 7 7 2. - <_> - - <_> - 12 8 12 6 -1. - <_> - 18 8 6 3 2. - <_> - 12 11 6 3 2. - <_> - - <_> - 6 6 12 12 -1. - <_> - 6 6 6 6 2. - <_> - 12 12 6 6 2. - <_> - - <_> - 11 13 6 10 -1. - <_> - 13 13 2 10 3. - <_> - - <_> - 1 10 20 8 -1. - <_> - 1 10 10 4 2. - <_> - 11 14 10 4 2. - <_> - - <_> - 15 13 9 6 -1. - <_> - 15 15 9 2 3. - <_> - - <_> - 9 0 6 9 -1. - <_> - 9 3 6 3 3. - <_> - - <_> - 10 1 5 14 -1. - <_> - 10 8 5 7 2. - <_> - - <_> - 3 4 16 6 -1. - <_> - 3 6 16 2 3. - <_> - - <_> - 16 3 8 9 -1. - <_> - 16 6 8 3 3. - <_> - - <_> - 7 13 6 10 -1. - <_> - 9 13 2 10 3. - <_> - - <_> - 15 13 9 6 -1. - <_> - 15 15 9 2 3. - <_> - - <_> - 0 13 9 6 -1. - <_> - 0 15 9 2 3. - <_> - - <_> - 13 16 9 6 -1. - <_> - 13 18 9 2 3. - <_> - - <_> - 2 16 9 6 -1. - <_> - 2 18 9 2 3. - <_> - - <_> - 5 16 18 3 -1. - <_> - 5 17 18 1 3. - <_> - - <_> - 1 16 18 3 -1. - <_> - 1 17 18 1 3. - <_> - - <_> - 5 0 18 3 -1. - <_> - 5 1 18 1 3. - <_> - - <_> - 1 1 19 2 -1. - <_> - 1 2 19 1 2. - <_> - - <_> - 14 2 6 11 -1. - <_> - 16 2 2 11 3. - <_> - - <_> - 4 15 15 6 -1. - <_> - 9 15 5 6 3. - <_> - - <_> - 14 2 6 11 -1. - <_> - 16 2 2 11 3. - <_> - - <_> - 4 2 6 11 -1. - <_> - 6 2 2 11 3. - <_> - - <_> - 18 2 6 9 -1. - <_> - 18 5 6 3 3. - <_> - - <_> - 1 2 22 4 -1. - <_> - 1 2 11 2 2. - <_> - 12 4 11 2 2. - <_> - - <_> - 2 0 21 12 -1. - <_> - 9 0 7 12 3. - <_> - - <_> - 0 12 18 3 -1. - <_> - 0 13 18 1 3. - <_> - - <_> - 12 2 6 9 -1. - <_> - 14 2 2 9 3. - <_> - - <_> - 3 10 18 3 -1. - <_> - 3 11 18 1 3. - <_> - - <_> - 16 3 8 9 -1. - <_> - 16 6 8 3 3. - <_> - - <_> - 3 7 18 3 -1. - <_> - 3 8 18 1 3. - <_> - - <_> - 9 11 6 9 -1. - <_> - 11 11 2 9 3. - <_> - - <_> - 9 8 6 9 -1. - <_> - 11 8 2 9 3. - <_> - - <_> - 15 0 2 18 -1. - <_> - 15 0 1 18 2. - <_> - - <_> - 7 0 2 18 -1. - <_> - 8 0 1 18 2. - <_> - - <_> - 17 3 7 9 -1. - <_> - 17 6 7 3 3. - <_> - - <_> - 3 18 9 6 -1. - <_> - 3 20 9 2 3. - <_> - - <_> - 3 18 21 3 -1. - <_> - 3 19 21 1 3. - <_> - - <_> - 0 3 7 9 -1. - <_> - 0 6 7 3 3. - <_> - - <_> - 2 7 22 3 -1. - <_> - 2 8 22 1 3. - <_> - - <_> - 0 3 24 16 -1. - <_> - 0 3 12 8 2. - <_> - 12 11 12 8 2. - <_> - - <_> - 13 17 9 4 -1. - <_> - 13 19 9 2 2. - <_> - - <_> - 5 5 12 8 -1. - <_> - 5 5 6 4 2. - <_> - 11 9 6 4 2. - <_> - - <_> - 5 6 14 6 -1. - <_> - 12 6 7 3 2. - <_> - 5 9 7 3 2. - <_> - - <_> - 5 16 14 6 -1. - <_> - 5 16 7 3 2. - <_> - 12 19 7 3 2. - <_> - - <_> - 18 2 6 9 -1. - <_> - 18 5 6 3 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 3 4 20 10 -1. - <_> - 13 4 10 5 2. - <_> - 3 9 10 5 2. - <_> - - <_> - 2 13 9 8 -1. - <_> - 5 13 3 8 3. - <_> - - <_> - 2 1 21 15 -1. - <_> - 9 1 7 15 3. - <_> - - <_> - 5 12 14 8 -1. - <_> - 12 12 7 8 2. - <_> - - <_> - 6 7 12 4 -1. - <_> - 6 7 6 4 2. - <_> - - <_> - 6 5 9 6 -1. - <_> - 9 5 3 6 3. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 5 11 6 6 -1. - <_> - 8 11 3 6 2. - <_> - - <_> - 6 4 18 2 -1. - <_> - 6 5 18 1 2. - <_> - - <_> - 0 2 6 11 -1. - <_> - 2 2 2 11 3. - <_> - - <_> - 18 0 6 15 -1. - <_> - 20 0 2 15 3. - <_> - - <_> - 0 0 6 13 -1. - <_> - 2 0 2 13 3. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 0 2 24 4 -1. - <_> - 8 2 8 4 3. - <_> - - <_> - 3 13 18 4 -1. - <_> - 12 13 9 4 2. - <_> - - <_> - 9 7 10 4 -1. - <_> - 9 7 5 4 2. - <_> - - <_> - 5 8 12 3 -1. - <_> - 11 8 6 3 2. - <_> - - <_> - 4 14 19 3 -1. - <_> - 4 15 19 1 3. - <_> - - <_> - 10 0 4 20 -1. - <_> - 10 10 4 10 2. - <_> - - <_> - 8 15 9 6 -1. - <_> - 8 17 9 2 3. - <_> - - <_> - 2 9 15 4 -1. - <_> - 7 9 5 4 3. - <_> - - <_> - 8 4 12 7 -1. - <_> - 12 4 4 7 3. - <_> - - <_> - 0 10 6 9 -1. - <_> - 0 13 6 3 3. - <_> - - <_> - 18 5 6 9 -1. - <_> - 18 8 6 3 3. - <_> - - <_> - 0 18 16 6 -1. - <_> - 0 18 8 3 2. - <_> - 8 21 8 3 2. - <_> - - <_> - 9 18 14 6 -1. - <_> - 16 18 7 3 2. - <_> - 9 21 7 3 2. - <_> - - <_> - 1 20 20 4 -1. - <_> - 1 20 10 2 2. - <_> - 11 22 10 2 2. - <_> - - <_> - 2 8 20 6 -1. - <_> - 12 8 10 3 2. - <_> - 2 11 10 3 2. - <_> - - <_> - 7 8 6 9 -1. - <_> - 9 8 2 9 3. - <_> - - <_> - 8 5 12 8 -1. - <_> - 12 5 4 8 3. - <_> - - <_> - 4 5 12 8 -1. - <_> - 8 5 4 8 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 2 0 6 16 -1. - <_> - 4 0 2 16 3. - <_> - - <_> - 15 4 6 12 -1. - <_> - 15 8 6 4 3. - <_> - - <_> - 3 4 6 12 -1. - <_> - 3 8 6 4 3. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 4 0 15 22 -1. - <_> - 4 11 15 11 2. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 0 12 9 6 -1. - <_> - 0 14 9 2 3. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 0 15 9 6 -1. - <_> - 0 17 9 2 3. - <_> - - <_> - 10 0 8 10 -1. - <_> - 14 0 4 5 2. - <_> - 10 5 4 5 2. - <_> - - <_> - 1 0 4 16 -1. - <_> - 3 0 2 16 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 10 12 4 10 -1. - <_> - 10 17 4 5 2. - <_> - - <_> - 8 4 10 6 -1. - <_> - 8 6 10 2 3. - <_> - - <_> - 3 22 18 2 -1. - <_> - 12 22 9 2 2. - <_> - - <_> - 7 7 11 6 -1. - <_> - 7 9 11 2 3. - <_> - - <_> - 0 0 12 10 -1. - <_> - 0 0 6 5 2. - <_> - 6 5 6 5 2. - <_> - - <_> - 10 1 12 6 -1. - <_> - 16 1 6 3 2. - <_> - 10 4 6 3 2. - <_> - - <_> - 7 16 9 4 -1. - <_> - 7 18 9 2 2. - <_> - - <_> - 5 7 15 16 -1. - <_> - 10 7 5 16 3. - <_> - - <_> - 5 10 12 13 -1. - <_> - 11 10 6 13 2. - <_> - - <_> - 6 2 12 6 -1. - <_> - 12 2 6 3 2. - <_> - 6 5 6 3 2. - <_> - - <_> - 3 9 12 9 -1. - <_> - 3 12 12 3 3. - <_> - - <_> - 16 2 8 6 -1. - <_> - 16 5 8 3 2. - <_> - - <_> - 0 2 8 6 -1. - <_> - 0 5 8 3 2. - <_> - - <_> - 0 3 24 11 -1. - <_> - 0 3 12 11 2. - <_> - - <_> - 0 13 8 10 -1. - <_> - 0 13 4 5 2. - <_> - 4 18 4 5 2. - <_> - - <_> - 10 14 4 10 -1. - <_> - 10 19 4 5 2. - <_> - - <_> - 10 2 4 21 -1. - <_> - 10 9 4 7 3. - <_> - - <_> - 4 4 15 9 -1. - <_> - 4 7 15 3 3. - <_> - - <_> - 0 1 24 6 -1. - <_> - 8 1 8 6 3. - <_> - - <_> - 9 6 5 16 -1. - <_> - 9 14 5 8 2. - <_> - - <_> - 3 21 18 3 -1. - <_> - 9 21 6 3 3. - <_> - - <_> - 6 5 3 12 -1. - <_> - 6 11 3 6 2. - <_> - - <_> - 11 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 5 6 9 8 -1. - <_> - 8 6 3 8 3. - <_> - - <_> - 4 3 20 2 -1. - <_> - 4 4 20 1 2. - <_> - - <_> - 2 10 18 3 -1. - <_> - 8 10 6 3 3. - <_> - - <_> - 7 15 10 6 -1. - <_> - 7 17 10 2 3. - <_> - - <_> - 1 4 4 18 -1. - <_> - 1 4 2 9 2. - <_> - 3 13 2 9 2. - <_> - - <_> - 13 0 6 9 -1. - <_> - 15 0 2 9 3. - <_> - - <_> - 5 0 6 9 -1. - <_> - 7 0 2 9 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 6 7 9 6 -1. - <_> - 9 7 3 6 3. - <_> - - <_> - 3 0 18 2 -1. - <_> - 3 1 18 1 2. - <_> - - <_> - 0 10 20 4 -1. - <_> - 0 10 10 2 2. - <_> - 10 12 10 2 2. - <_> - - <_> - 10 2 4 12 -1. - <_> - 10 8 4 6 2. - <_> - - <_> - 6 5 6 12 -1. - <_> - 6 5 3 6 2. - <_> - 9 11 3 6 2. - <_> - - <_> - 6 0 18 22 -1. - <_> - 15 0 9 11 2. - <_> - 6 11 9 11 2. - <_> - - <_> - 0 0 18 22 -1. - <_> - 0 0 9 11 2. - <_> - 9 11 9 11 2. - <_> - - <_> - 18 2 6 11 -1. - <_> - 20 2 2 11 3. - <_> - - <_> - 0 2 6 11 -1. - <_> - 2 2 2 11 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 0 1 20 1 3. - <_> - - <_> - 2 2 20 2 -1. - <_> - 2 3 20 1 2. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 11 18 1 2. - <_> - - <_> - 18 7 6 9 -1. - <_> - 18 10 6 3 3. - <_> - - <_> - 0 0 22 9 -1. - <_> - 0 3 22 3 3. - <_> - - <_> - 17 3 6 9 -1. - <_> - 17 6 6 3 3. - <_> - - <_> - 0 7 6 9 -1. - <_> - 0 10 6 3 3. - <_> - - <_> - 0 6 24 6 -1. - <_> - 0 8 24 2 3. - <_> - - <_> - 0 2 6 10 -1. - <_> - 2 2 2 10 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 15 0 6 9 -1. - <_> - 17 0 2 9 3. - <_> - - <_> - 3 0 6 9 -1. - <_> - 5 0 2 9 3. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 15 14 9 6 -1. - <_> - 15 16 9 2 3. - <_> - - <_> - 0 15 23 6 -1. - <_> - 0 17 23 2 3. - <_> - - <_> - 5 15 18 3 -1. - <_> - 5 16 18 1 3. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 9 8 8 10 -1. - <_> - 13 8 4 5 2. - <_> - 9 13 4 5 2. - <_> - - <_> - 3 7 15 6 -1. - <_> - 8 7 5 6 3. - <_> - - <_> - 9 8 8 10 -1. - <_> - 13 8 4 5 2. - <_> - 9 13 4 5 2. - <_> - - <_> - 5 0 6 12 -1. - <_> - 8 0 3 12 2. - <_> - - <_> - 9 8 8 10 -1. - <_> - 13 8 4 5 2. - <_> - 9 13 4 5 2. - <_> - - <_> - 8 5 6 9 -1. - <_> - 10 5 2 9 3. - <_> - - <_> - 10 6 4 18 -1. - <_> - 12 6 2 9 2. - <_> - 10 15 2 9 2. - <_> - - <_> - 5 7 12 4 -1. - <_> - 11 7 6 4 2. - <_> - - <_> - 9 8 8 10 -1. - <_> - 13 8 4 5 2. - <_> - 9 13 4 5 2. - <_> - - <_> - 7 8 8 10 -1. - <_> - 7 8 4 5 2. - <_> - 11 13 4 5 2. - <_> - - <_> - 11 10 6 14 -1. - <_> - 14 10 3 7 2. - <_> - 11 17 3 7 2. - <_> - - <_> - 9 5 6 19 -1. - <_> - 12 5 3 19 2. - <_> - - <_> - 6 12 12 6 -1. - <_> - 12 12 6 3 2. - <_> - 6 15 6 3 2. - <_> - - <_> - 1 9 18 6 -1. - <_> - 1 9 9 3 2. - <_> - 10 12 9 3 2. - <_> - - <_> - 16 14 8 10 -1. - <_> - 20 14 4 5 2. - <_> - 16 19 4 5 2. - <_> - - <_> - 0 9 22 8 -1. - <_> - 0 9 11 4 2. - <_> - 11 13 11 4 2. - <_> - - <_> - 8 18 12 6 -1. - <_> - 14 18 6 3 2. - <_> - 8 21 6 3 2. - <_> - - <_> - 0 6 20 18 -1. - <_> - 0 6 10 9 2. - <_> - 10 15 10 9 2. - <_> - - <_> - 3 6 20 12 -1. - <_> - 13 6 10 6 2. - <_> - 3 12 10 6 2. - <_> - - <_> - 0 16 10 8 -1. - <_> - 0 16 5 4 2. - <_> - 5 20 5 4 2. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 0 11 19 3 -1. - <_> - 0 12 19 1 3. - <_> - - <_> - 14 6 6 9 -1. - <_> - 14 9 6 3 3. - <_> - - <_> - 1 7 22 4 -1. - <_> - 1 7 11 2 2. - <_> - 12 9 11 2 2. - <_> - - <_> - 13 6 7 12 -1. - <_> - 13 10 7 4 3. - <_> - - <_> - 4 7 11 9 -1. - <_> - 4 10 11 3 3. - <_> - - <_> - 12 10 10 8 -1. - <_> - 17 10 5 4 2. - <_> - 12 14 5 4 2. - <_> - - <_> - 2 12 9 7 -1. - <_> - 5 12 3 7 3. - <_> - - <_> - 16 14 6 9 -1. - <_> - 16 17 6 3 3. - <_> - - <_> - 3 12 6 12 -1. - <_> - 3 16 6 4 3. - <_> - - <_> - 14 13 6 6 -1. - <_> - 14 16 6 3 2. - <_> - - <_> - 8 0 6 9 -1. - <_> - 10 0 2 9 3. - <_> - - <_> - 9 1 6 23 -1. - <_> - 11 1 2 23 3. - <_> - - <_> - 0 16 9 6 -1. - <_> - 0 18 9 2 3. - <_> - - <_> - 4 17 18 3 -1. - <_> - 4 18 18 1 3. - <_> - - <_> - 5 2 13 14 -1. - <_> - 5 9 13 7 2. - <_> - - <_> - 15 0 8 12 -1. - <_> - 19 0 4 6 2. - <_> - 15 6 4 6 2. - <_> - - <_> - 0 0 8 12 -1. - <_> - 0 0 4 6 2. - <_> - 4 6 4 6 2. - <_> - - <_> - 8 2 8 7 -1. - <_> - 8 2 4 7 2. - <_> - - <_> - 1 1 6 9 -1. - <_> - 3 1 2 9 3. - <_> - - <_> - 14 8 6 12 -1. - <_> - 17 8 3 6 2. - <_> - 14 14 3 6 2. - <_> - - <_> - 4 8 6 12 -1. - <_> - 4 8 3 6 2. - <_> - 7 14 3 6 2. - <_> - - <_> - 16 5 5 15 -1. - <_> - 16 10 5 5 3. - <_> - - <_> - 3 5 5 15 -1. - <_> - 3 10 5 5 3. - <_> - - <_> - 18 4 6 9 -1. - <_> - 18 7 6 3 3. - <_> - - <_> - 1 7 6 15 -1. - <_> - 1 12 6 5 3. - <_> - - <_> - 11 15 12 8 -1. - <_> - 17 15 6 4 2. - <_> - 11 19 6 4 2. - <_> - - <_> - 0 2 24 4 -1. - <_> - 0 2 12 2 2. - <_> - 12 4 12 2 2. - <_> - - <_> - 15 1 2 19 -1. - <_> - 15 1 1 19 2. - <_> - - <_> - 7 1 2 19 -1. - <_> - 8 1 1 19 2. - <_> - - <_> - 22 1 2 20 -1. - <_> - 22 1 1 20 2. - <_> - - <_> - 0 1 2 20 -1. - <_> - 1 1 1 20 2. - <_> - - <_> - 18 11 6 12 -1. - <_> - 20 11 2 12 3. - <_> - - <_> - 0 11 6 12 -1. - <_> - 2 11 2 12 3. - <_> - - <_> - 3 6 18 14 -1. - <_> - 3 13 18 7 2. - <_> - - <_> - 6 10 7 8 -1. - <_> - 6 14 7 4 2. - <_> - - <_> - 7 9 12 12 -1. - <_> - 7 13 12 4 3. - <_> - - <_> - 2 18 18 5 -1. - <_> - 11 18 9 5 2. - <_> - - <_> - 4 21 20 3 -1. - <_> - 4 22 20 1 3. - <_> - - <_> - 9 12 6 12 -1. - <_> - 9 12 3 6 2. - <_> - 12 18 3 6 2. - <_> - - <_> - 4 6 18 3 -1. - <_> - 4 7 18 1 3. - <_> - - <_> - 3 6 18 3 -1. - <_> - 3 7 18 1 3. - <_> - - <_> - 18 4 6 9 -1. - <_> - 18 7 6 3 3. - <_> - - <_> - 2 12 9 6 -1. - <_> - 2 14 9 2 3. - <_> - - <_> - 4 14 18 4 -1. - <_> - 13 14 9 2 2. - <_> - 4 16 9 2 2. - <_> - - <_> - 7 7 6 14 -1. - <_> - 7 7 3 7 2. - <_> - 10 14 3 7 2. - <_> - - <_> - 7 13 12 6 -1. - <_> - 13 13 6 3 2. - <_> - 7 16 6 3 2. - <_> - - <_> - 6 7 12 9 -1. - <_> - 10 7 4 9 3. - <_> - - <_> - 12 12 6 6 -1. - <_> - 12 12 3 6 2. - <_> - - <_> - 0 2 4 10 -1. - <_> - 0 7 4 5 2. - <_> - - <_> - 8 0 9 6 -1. - <_> - 11 0 3 6 3. - <_> - - <_> - 2 9 12 6 -1. - <_> - 2 12 12 3 2. - <_> - - <_> - 13 10 6 9 -1. - <_> - 13 13 6 3 3. - <_> - - <_> - 5 10 6 9 -1. - <_> - 5 13 6 3 3. - <_> - - <_> - 9 15 9 6 -1. - <_> - 9 17 9 2 3. - <_> - - <_> - 5 16 12 6 -1. - <_> - 5 19 12 3 2. - <_> - - <_> - 3 2 20 3 -1. - <_> - 3 3 20 1 3. - <_> - - <_> - 2 5 12 6 -1. - <_> - 6 5 4 6 3. - <_> - - <_> - 11 0 3 24 -1. - <_> - 12 0 1 24 3. - <_> - - <_> - 3 16 15 4 -1. - <_> - 8 16 5 4 3. - <_> - - <_> - 9 12 6 12 -1. - <_> - 9 18 6 6 2. - <_> - - <_> - 1 15 12 8 -1. - <_> - 1 15 6 4 2. - <_> - 7 19 6 4 2. - <_> - - <_> - 15 10 8 14 -1. - <_> - 19 10 4 7 2. - <_> - 15 17 4 7 2. - <_> - - <_> - 1 9 8 14 -1. - <_> - 1 9 4 7 2. - <_> - 5 16 4 7 2. - <_> - - <_> - 9 11 9 10 -1. - <_> - 9 16 9 5 2. - <_> - - <_> - 6 7 12 6 -1. - <_> - 6 9 12 2 3. - <_> - - <_> - 10 15 6 9 -1. - <_> - 12 15 2 9 3. - <_> - - <_> - 7 8 9 7 -1. - <_> - 10 8 3 7 3. - <_> - - <_> - 10 4 8 10 -1. - <_> - 14 4 4 5 2. - <_> - 10 9 4 5 2. - <_> - - <_> - 4 6 6 9 -1. - <_> - 4 9 6 3 3. - <_> - - <_> - 0 6 24 12 -1. - <_> - 8 6 8 12 3. - <_> - - <_> - 3 7 6 14 -1. - <_> - 6 7 3 14 2. - <_> - - <_> - 19 8 5 8 -1. - <_> - 19 12 5 4 2. - <_> - - <_> - 0 8 5 8 -1. - <_> - 0 12 5 4 2. - <_> - - <_> - 17 3 6 6 -1. - <_> - 17 6 6 3 2. - <_> - - <_> - 1 3 6 6 -1. - <_> - 1 6 6 3 2. - <_> - - <_> - 18 2 6 9 -1. - <_> - 18 5 6 3 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 3 3 18 6 -1. - <_> - 3 5 18 2 3. - <_> - - <_> - 2 3 9 6 -1. - <_> - 2 5 9 2 3. - <_> - - <_> - 9 3 10 8 -1. - <_> - 14 3 5 4 2. - <_> - 9 7 5 4 2. - <_> - - <_> - 5 3 10 8 -1. - <_> - 5 3 5 4 2. - <_> - 10 7 5 4 2. - <_> - - <_> - 10 11 6 12 -1. - <_> - 10 11 3 12 2. - <_> - - <_> - 8 11 6 11 -1. - <_> - 11 11 3 11 2. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 8 5 4 2. - <_> - - <_> - 9 6 6 7 -1. - <_> - 12 6 3 7 2. - <_> - - <_> - 5 18 18 3 -1. - <_> - 5 19 18 1 3. - <_> - - <_> - 8 4 6 9 -1. - <_> - 10 4 2 9 3. - <_> - - <_> - 8 1 9 7 -1. - <_> - 11 1 3 7 3. - <_> - - <_> - 6 11 6 6 -1. - <_> - 9 11 3 6 2. - <_> - - <_> - 14 12 4 11 -1. - <_> - 14 12 2 11 2. - <_> - - <_> - 6 12 4 11 -1. - <_> - 8 12 2 11 2. - <_> - - <_> - 8 0 12 18 -1. - <_> - 12 0 4 18 3. - <_> - - <_> - 2 12 10 5 -1. - <_> - 7 12 5 5 2. - <_> - - <_> - 2 20 22 3 -1. - <_> - 2 21 22 1 3. - <_> - - <_> - 0 4 2 20 -1. - <_> - 1 4 1 20 2. - <_> - - <_> - 0 2 24 4 -1. - <_> - 8 2 8 4 3. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 10 10 2 2. - <_> - - <_> - 6 7 8 10 -1. - <_> - 6 7 4 5 2. - <_> - 10 12 4 5 2. - <_> - - <_> - 14 0 6 14 -1. - <_> - 17 0 3 7 2. - <_> - 14 7 3 7 2. - <_> - - <_> - 4 11 5 8 -1. - <_> - 4 15 5 4 2. - <_> - - <_> - 2 0 20 9 -1. - <_> - 2 3 20 3 3. - <_> - - <_> - 6 7 12 8 -1. - <_> - 6 7 6 4 2. - <_> - 12 11 6 4 2. - <_> - - <_> - 9 17 6 6 -1. - <_> - 9 20 6 3 2. - <_> - - <_> - 7 10 10 4 -1. - <_> - 7 12 10 2 2. - <_> - - <_> - 6 5 12 9 -1. - <_> - 10 5 4 9 3. - <_> - - <_> - 5 11 6 8 -1. - <_> - 8 11 3 8 2. - <_> - - <_> - 18 4 4 17 -1. - <_> - 18 4 2 17 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 18 4 4 17 -1. - <_> - 18 4 2 17 2. - <_> - - <_> - 2 4 4 17 -1. - <_> - 4 4 2 17 2. - <_> - - <_> - 5 18 19 3 -1. - <_> - 5 19 19 1 3. - <_> - - <_> - 11 0 2 18 -1. - <_> - 11 9 2 9 2. - <_> - - <_> - 15 4 2 18 -1. - <_> - 15 13 2 9 2. - <_> - - <_> - 7 4 2 18 -1. - <_> - 7 13 2 9 2. - <_> - - <_> - 7 11 10 8 -1. - <_> - 12 11 5 4 2. - <_> - 7 15 5 4 2. - <_> - - <_> - 10 6 4 9 -1. - <_> - 12 6 2 9 2. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 2 9 16 8 -1. - <_> - 2 9 8 4 2. - <_> - 10 13 8 4 2. - <_> - - <_> - 14 15 6 9 -1. - <_> - 14 18 6 3 3. - <_> - - <_> - 8 7 6 9 -1. - <_> - 10 7 2 9 3. - <_> - - <_> - 14 15 6 9 -1. - <_> - 14 18 6 3 3. - <_> - - <_> - 3 12 12 6 -1. - <_> - 3 14 12 2 3. - <_> - - <_> - 14 12 9 6 -1. - <_> - 14 14 9 2 3. - <_> - - <_> - 1 12 9 6 -1. - <_> - 1 14 9 2 3. - <_> - - <_> - 3 7 18 3 -1. - <_> - 3 8 18 1 3. - <_> - - <_> - 1 7 22 6 -1. - <_> - 1 9 22 2 3. - <_> - - <_> - 18 4 6 6 -1. - <_> - 18 7 6 3 2. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 7 6 3 2. - <_> - - <_> - 5 11 16 6 -1. - <_> - 5 14 16 3 2. - <_> - - <_> - 6 16 9 4 -1. - <_> - 6 18 9 2 2. - <_> - - <_> - 14 15 6 9 -1. - <_> - 14 18 6 3 3. - <_> - - <_> - 4 15 6 9 -1. - <_> - 4 18 6 3 3. - <_> - - <_> - 15 1 6 23 -1. - <_> - 17 1 2 23 3. - <_> - - <_> - 0 21 24 3 -1. - <_> - 8 21 8 3 3. - <_> - - <_> - 0 20 24 4 -1. - <_> - 8 20 8 4 3. - <_> - - <_> - 3 1 6 23 -1. - <_> - 5 1 2 23 3. - <_> - - <_> - 3 17 18 3 -1. - <_> - 3 18 18 1 3. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 1 16 22 4 -1. - <_> - 12 16 11 2 2. - <_> - 1 18 11 2 2. - <_> - - <_> - 0 16 9 6 -1. - <_> - 0 18 9 2 3. - <_> - - <_> - 2 10 21 3 -1. - <_> - 9 10 7 3 3. - <_> - - <_> - 2 18 12 6 -1. - <_> - 2 18 6 3 2. - <_> - 8 21 6 3 2. - <_> - - <_> - 0 5 24 4 -1. - <_> - 0 7 24 2 2. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 10 7 6 12 -1. - <_> - 10 13 6 6 2. - <_> - - <_> - 6 6 6 9 -1. - <_> - 8 6 2 9 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 9 7 6 9 -1. - <_> - 11 7 2 9 3. - <_> - - <_> - 2 1 20 3 -1. - <_> - 2 2 20 1 3. - <_> - - <_> - 1 18 12 6 -1. - <_> - 1 18 6 3 2. - <_> - 7 21 6 3 2. - <_> - - <_> - 13 2 4 13 -1. - <_> - 13 2 2 13 2. - <_> - - <_> - 6 7 12 4 -1. - <_> - 12 7 6 4 2. - <_> - - <_> - 10 1 4 13 -1. - <_> - 10 1 2 13 2. - <_> - - <_> - 6 0 3 18 -1. - <_> - 7 0 1 18 3. - <_> - - <_> - 14 3 10 5 -1. - <_> - 14 3 5 5 2. - <_> - - <_> - 6 15 12 8 -1. - <_> - 10 15 4 8 3. - <_> - - <_> - 9 10 6 9 -1. - <_> - 11 10 2 9 3. - <_> - - <_> - 8 3 4 9 -1. - <_> - 10 3 2 9 2. - <_> - - <_> - 17 0 6 14 -1. - <_> - 20 0 3 7 2. - <_> - 17 7 3 7 2. - <_> - - <_> - 1 0 6 14 -1. - <_> - 1 0 3 7 2. - <_> - 4 7 3 7 2. - <_> - - <_> - 14 0 6 16 -1. - <_> - 17 0 3 8 2. - <_> - 14 8 3 8 2. - <_> - - <_> - 7 4 4 10 -1. - <_> - 9 4 2 10 2. - <_> - - <_> - 3 17 18 6 -1. - <_> - 12 17 9 3 2. - <_> - 3 20 9 3 2. - <_> - - <_> - 1 20 22 4 -1. - <_> - 12 20 11 4 2. - <_> - - <_> - 14 3 10 5 -1. - <_> - 14 3 5 5 2. - <_> - - <_> - 0 3 10 5 -1. - <_> - 5 3 5 5 2. - <_> - - <_> - 12 6 12 16 -1. - <_> - 16 6 4 16 3. - <_> - - <_> - 0 6 12 16 -1. - <_> - 4 6 4 16 3. - <_> - - <_> - 10 9 5 15 -1. - <_> - 10 14 5 5 3. - <_> - - <_> - 1 18 21 2 -1. - <_> - 1 19 21 1 2. - <_> - - <_> - 15 0 9 6 -1. - <_> - 15 2 9 2 3. - <_> - - <_> - 6 1 12 4 -1. - <_> - 12 1 6 4 2. - <_> - - <_> - 6 0 12 12 -1. - <_> - 12 0 6 6 2. - <_> - 6 6 6 6 2. - <_> - - <_> - 8 10 8 12 -1. - <_> - 8 10 4 6 2. - <_> - 12 16 4 6 2. - <_> - - <_> - 14 16 10 8 -1. - <_> - 19 16 5 4 2. - <_> - 14 20 5 4 2. - <_> - - <_> - 0 16 10 8 -1. - <_> - 0 16 5 4 2. - <_> - 5 20 5 4 2. - <_> - - <_> - 10 12 12 5 -1. - <_> - 14 12 4 5 3. - <_> - - <_> - 6 16 10 8 -1. - <_> - 6 16 5 4 2. - <_> - 11 20 5 4 2. - <_> - - <_> - 7 6 12 6 -1. - <_> - 13 6 6 3 2. - <_> - 7 9 6 3 2. - <_> - - <_> - 9 6 4 18 -1. - <_> - 9 6 2 9 2. - <_> - 11 15 2 9 2. - <_> - - <_> - 10 9 6 14 -1. - <_> - 13 9 3 7 2. - <_> - 10 16 3 7 2. - <_> - - <_> - 8 9 6 14 -1. - <_> - 8 9 3 7 2. - <_> - 11 16 3 7 2. - <_> - - <_> - 7 4 11 12 -1. - <_> - 7 10 11 6 2. - <_> - - <_> - 4 8 6 16 -1. - <_> - 4 8 3 8 2. - <_> - 7 16 3 8 2. - <_> - - <_> - 17 3 4 21 -1. - <_> - 17 10 4 7 3. - <_> - - <_> - 3 3 4 21 -1. - <_> - 3 10 4 7 3. - <_> - - <_> - 10 1 8 18 -1. - <_> - 14 1 4 9 2. - <_> - 10 10 4 9 2. - <_> - - <_> - 2 5 16 8 -1. - <_> - 2 5 8 4 2. - <_> - 10 9 8 4 2. - <_> - - <_> - 3 6 18 12 -1. - <_> - 3 10 18 4 3. - <_> - - <_> - 4 10 16 12 -1. - <_> - 4 14 16 4 3. - <_> - - <_> - 15 4 8 20 -1. - <_> - 19 4 4 10 2. - <_> - 15 14 4 10 2. - <_> - - <_> - 7 2 9 6 -1. - <_> - 10 2 3 6 3. - <_> - - <_> - 15 4 8 20 -1. - <_> - 19 4 4 10 2. - <_> - 15 14 4 10 2. - <_> - - <_> - 1 4 8 20 -1. - <_> - 1 4 4 10 2. - <_> - 5 14 4 10 2. - <_> - - <_> - 11 8 8 14 -1. - <_> - 15 8 4 7 2. - <_> - 11 15 4 7 2. - <_> - - <_> - 5 8 8 14 -1. - <_> - 5 8 4 7 2. - <_> - 9 15 4 7 2. - <_> - - <_> - 10 13 5 8 -1. - <_> - 10 17 5 4 2. - <_> - - <_> - 4 13 7 9 -1. - <_> - 4 16 7 3 3. - <_> - - <_> - 0 13 24 10 -1. - <_> - 0 18 24 5 2. - <_> - - <_> - 4 2 8 11 -1. - <_> - 8 2 4 11 2. - <_> - - <_> - 10 2 8 16 -1. - <_> - 14 2 4 8 2. - <_> - 10 10 4 8 2. - <_> - - <_> - 0 2 24 6 -1. - <_> - 0 2 12 3 2. - <_> - 12 5 12 3 2. - <_> - - <_> - 6 0 12 9 -1. - <_> - 6 3 12 3 3. - <_> - - <_> - 1 2 12 12 -1. - <_> - 1 2 6 6 2. - <_> - 7 8 6 6 2. - <_> - - <_> - 18 5 6 9 -1. - <_> - 18 8 6 3 3. - <_> - - <_> - 4 3 8 10 -1. - <_> - 4 3 4 5 2. - <_> - 8 8 4 5 2. - <_> - - <_> - 6 21 18 3 -1. - <_> - 6 22 18 1 3. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 11 18 1 2. - <_> - - <_> - 1 10 22 3 -1. - <_> - 1 11 22 1 3. - <_> - - <_> - 2 8 12 9 -1. - <_> - 2 11 12 3 3. - <_> - - <_> - 12 8 12 6 -1. - <_> - 18 8 6 3 2. - <_> - 12 11 6 3 2. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 8 6 3 2. - <_> - 6 11 6 3 2. - <_> - - <_> - 10 15 6 9 -1. - <_> - 12 15 2 9 3. - <_> - - <_> - 7 13 9 6 -1. - <_> - 7 15 9 2 3. - <_> - - <_> - 9 8 7 12 -1. - <_> - 9 14 7 6 2. - <_> - - <_> - 4 13 9 6 -1. - <_> - 7 13 3 6 3. - <_> - - <_> - 6 15 18 4 -1. - <_> - 12 15 6 4 3. - <_> - - <_> - 5 4 4 16 -1. - <_> - 7 4 2 16 2. - <_> - - <_> - 10 15 6 9 -1. - <_> - 12 15 2 9 3. - <_> - - <_> - 8 15 6 9 -1. - <_> - 10 15 2 9 3. - <_> - - <_> - 9 11 12 10 -1. - <_> - 15 11 6 5 2. - <_> - 9 16 6 5 2. - <_> - - <_> - 3 6 14 6 -1. - <_> - 3 8 14 2 3. - <_> - - <_> - 4 2 17 8 -1. - <_> - 4 6 17 4 2. - <_> - - <_> - 6 2 12 21 -1. - <_> - 6 9 12 7 3. - <_> - - <_> - 8 1 9 9 -1. - <_> - 8 4 9 3 3. - <_> - - <_> - 0 7 24 3 -1. - <_> - 12 7 12 3 2. - <_> - - <_> - 11 6 9 10 -1. - <_> - 11 11 9 5 2. - <_> - - <_> - 2 11 18 3 -1. - <_> - 2 12 18 1 3. - <_> - - <_> - 8 16 9 4 -1. - <_> - 8 18 9 2 2. - <_> - - <_> - 0 0 9 6 -1. - <_> - 0 2 9 2 3. - <_> - - <_> - 0 11 24 6 -1. - <_> - 0 13 24 2 3. - <_> - - <_> - 2 9 20 6 -1. - <_> - 2 12 20 3 2. - <_> - - <_> - 4 5 16 12 -1. - <_> - 12 5 8 6 2. - <_> - 4 11 8 6 2. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 7 3 10 4 -1. - <_> - 7 5 10 2 2. - <_> - - <_> - 9 15 6 8 -1. - <_> - 9 19 6 4 2. - <_> - - <_> - 17 0 7 10 -1. - <_> - 17 5 7 5 2. - <_> - - <_> - 0 0 7 10 -1. - <_> - 0 5 7 5 2. - <_> - - <_> - 16 1 6 12 -1. - <_> - 19 1 3 6 2. - <_> - 16 7 3 6 2. - <_> - - <_> - 1 0 19 8 -1. - <_> - 1 4 19 4 2. - <_> - - <_> - 12 2 9 4 -1. - <_> - 12 4 9 2 2. - <_> - - <_> - 3 2 9 4 -1. - <_> - 3 4 9 2 2. - <_> - - <_> - 12 2 10 6 -1. - <_> - 12 4 10 2 3. - <_> - - <_> - 3 4 18 2 -1. - <_> - 12 4 9 2 2. - <_> - - <_> - 12 1 4 9 -1. - <_> - 12 1 2 9 2. - <_> - - <_> - 8 1 4 9 -1. - <_> - 10 1 2 9 2. - <_> - - <_> - 10 5 8 10 -1. - <_> - 14 5 4 5 2. - <_> - 10 10 4 5 2. - <_> - - <_> - 6 4 12 13 -1. - <_> - 10 4 4 13 3. - <_> - - <_> - 13 5 6 6 -1. - <_> - 13 5 3 6 2. - <_> - - <_> - 1 5 12 3 -1. - <_> - 7 5 6 3 2. - <_> - - <_> - 7 5 10 6 -1. - <_> - 7 7 10 2 3. - <_> - - <_> - 2 0 21 5 -1. - <_> - 9 0 7 5 3. - <_> - - <_> - 0 8 9 9 -1. - <_> - 0 11 9 3 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 0 3 6 7 -1. - <_> - 3 3 3 7 2. - <_> - - <_> - 9 18 12 6 -1. - <_> - 15 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 2 8 20 6 -1. - <_> - 2 8 10 3 2. - <_> - 12 11 10 3 2. - <_> - - <_> - 13 2 10 4 -1. - <_> - 13 4 10 2 2. - <_> - - <_> - 4 5 5 18 -1. - <_> - 4 11 5 6 3. - <_> - - <_> - 20 4 4 9 -1. - <_> - 20 4 2 9 2. - <_> - - <_> - 8 6 8 14 -1. - <_> - 8 13 8 7 2. - <_> - - <_> - 0 1 24 6 -1. - <_> - 12 1 12 3 2. - <_> - 0 4 12 3 2. - <_> - - <_> - 0 4 4 9 -1. - <_> - 2 4 2 9 2. - <_> - - <_> - 3 6 18 3 -1. - <_> - 3 7 18 1 3. - <_> - - <_> - 3 17 16 6 -1. - <_> - 3 19 16 2 3. - <_> - - <_> - 13 6 6 9 -1. - <_> - 13 9 6 3 3. - <_> - - <_> - 5 6 14 6 -1. - <_> - 5 6 7 3 2. - <_> - 12 9 7 3 2. - <_> - - <_> - 13 5 8 10 -1. - <_> - 17 5 4 5 2. - <_> - 13 10 4 5 2. - <_> - - <_> - 2 2 20 3 -1. - <_> - 2 3 20 1 3. - <_> - - <_> - 9 2 9 6 -1. - <_> - 12 2 3 6 3. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 12 3 4 11 -1. - <_> - 12 3 2 11 2. - <_> - - <_> - 8 3 4 11 -1. - <_> - 10 3 2 11 2. - <_> - - <_> - 8 3 8 10 -1. - <_> - 12 3 4 5 2. - <_> - 8 8 4 5 2. - <_> - - <_> - 11 1 2 18 -1. - <_> - 12 1 1 18 2. - <_> - - <_> - 9 2 9 6 -1. - <_> - 12 2 3 6 3. - <_> - - <_> - 0 2 19 3 -1. - <_> - 0 3 19 1 3. - <_> - - <_> - 9 14 9 6 -1. - <_> - 9 16 9 2 3. - <_> - - <_> - 1 8 18 5 -1. - <_> - 7 8 6 5 3. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 13 6 4 15 -1. - <_> - 13 11 4 5 3. - <_> - - <_> - 1 5 18 3 -1. - <_> - 1 6 18 1 3. - <_> - - <_> - 9 7 14 6 -1. - <_> - 9 9 14 2 3. - <_> - - <_> - 2 16 18 3 -1. - <_> - 2 17 18 1 3. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 8 6 3 2. - <_> - 6 11 6 3 2. - <_> - - <_> - 9 13 7 8 -1. - <_> - 9 17 7 4 2. - <_> - - <_> - 2 17 20 3 -1. - <_> - 2 18 20 1 3. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 4 0 15 4 -1. - <_> - 4 2 15 2 2. - <_> - - <_> - 17 2 6 6 -1. - <_> - 17 5 6 3 2. - <_> - - <_> - 0 3 6 9 -1. - <_> - 0 6 6 3 3. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 0 17 9 6 -1. - <_> - 0 19 9 2 3. - <_> - - <_> - 9 18 12 6 -1. - <_> - 15 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 3 15 6 9 -1. - <_> - 3 18 6 3 3. - <_> - - <_> - 16 13 8 10 -1. - <_> - 20 13 4 5 2. - <_> - 16 18 4 5 2. - <_> - - <_> - 0 14 24 4 -1. - <_> - 8 14 8 4 3. - <_> - - <_> - 13 18 6 6 -1. - <_> - 13 18 3 6 2. - <_> - - <_> - 0 13 8 10 -1. - <_> - 0 13 4 5 2. - <_> - 4 18 4 5 2. - <_> - - <_> - 0 14 24 6 -1. - <_> - 0 17 24 3 2. - <_> - - <_> - 5 2 12 8 -1. - <_> - 5 2 6 4 2. - <_> - 11 6 6 4 2. - <_> - - <_> - 8 9 9 6 -1. - <_> - 11 9 3 6 3. - <_> - - <_> - 4 3 16 4 -1. - <_> - 4 5 16 2 2. - <_> - - <_> - 10 2 4 10 -1. - <_> - 10 7 4 5 2. - <_> - - <_> - 8 4 5 8 -1. - <_> - 8 8 5 4 2. - <_> - - <_> - 11 5 9 12 -1. - <_> - 11 9 9 4 3. - <_> - - <_> - 4 5 9 12 -1. - <_> - 4 9 9 4 3. - <_> - - <_> - 14 6 6 9 -1. - <_> - 14 9 6 3 3. - <_> - - <_> - 2 4 20 12 -1. - <_> - 2 8 20 4 3. - <_> - - <_> - 4 4 17 16 -1. - <_> - 4 12 17 8 2. - <_> - - <_> - 8 7 7 6 -1. - <_> - 8 10 7 3 2. - <_> - - <_> - 1 9 23 2 -1. - <_> - 1 10 23 1 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 13 3 4 9 -1. - <_> - 13 3 2 9 2. - <_> - - <_> - 8 1 6 13 -1. - <_> - 10 1 2 13 3. - <_> - - <_> - 4 22 18 2 -1. - <_> - 4 23 18 1 2. - <_> - - <_> - 3 10 9 6 -1. - <_> - 6 10 3 6 3. - <_> - - <_> - 14 0 2 24 -1. - <_> - 14 0 1 24 2. - <_> - - <_> - 8 0 2 24 -1. - <_> - 9 0 1 24 2. - <_> - - <_> - 3 2 18 10 -1. - <_> - 9 2 6 10 3. - <_> - - <_> - 4 13 15 6 -1. - <_> - 9 13 5 6 3. - <_> - - <_> - 3 21 18 3 -1. - <_> - 9 21 6 3 3. - <_> - - <_> - 9 1 4 11 -1. - <_> - 11 1 2 11 2. - <_> - - <_> - 9 7 10 4 -1. - <_> - 9 7 5 4 2. - <_> - - <_> - 7 0 10 18 -1. - <_> - 12 0 5 18 2. - <_> - - <_> - 12 1 6 16 -1. - <_> - 14 1 2 16 3. - <_> - - <_> - 6 1 6 16 -1. - <_> - 8 1 2 16 3. - <_> - - <_> - 18 2 6 6 -1. - <_> - 18 5 6 3 2. - <_> - - <_> - 3 5 18 2 -1. - <_> - 3 6 18 1 2. - <_> - - <_> - 18 2 6 6 -1. - <_> - 18 5 6 3 2. - <_> - - <_> - 0 2 6 6 -1. - <_> - 0 5 6 3 2. - <_> - - <_> - 13 11 11 6 -1. - <_> - 13 13 11 2 3. - <_> - - <_> - 5 7 10 4 -1. - <_> - 10 7 5 4 2. - <_> - - <_> - 11 9 10 7 -1. - <_> - 11 9 5 7 2. - <_> - - <_> - 3 9 10 7 -1. - <_> - 8 9 5 7 2. - <_> - - <_> - 16 4 6 6 -1. - <_> - 16 4 3 6 2. - <_> - - <_> - 5 6 10 8 -1. - <_> - 5 6 5 4 2. - <_> - 10 10 5 4 2. - <_> - - <_> - 7 21 16 3 -1. - <_> - 7 21 8 3 2. - <_> - - <_> - 1 21 16 3 -1. - <_> - 9 21 8 3 2. - <_> - - <_> - 2 5 22 14 -1. - <_> - 13 5 11 7 2. - <_> - 2 12 11 7 2. - <_> - - <_> - 3 10 8 10 -1. - <_> - 3 10 4 5 2. - <_> - 7 15 4 5 2. - <_> - - <_> - 17 0 6 12 -1. - <_> - 20 0 3 6 2. - <_> - 17 6 3 6 2. - <_> - - <_> - 5 2 6 18 -1. - <_> - 7 2 2 18 3. - <_> - - <_> - 13 0 6 9 -1. - <_> - 15 0 2 9 3. - <_> - - <_> - 0 12 7 9 -1. - <_> - 0 15 7 3 3. - <_> - - <_> - 15 13 8 10 -1. - <_> - 19 13 4 5 2. - <_> - 15 18 4 5 2. - <_> - - <_> - 1 0 6 12 -1. - <_> - 1 0 3 6 2. - <_> - 4 6 3 6 2. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 1 13 8 10 -1. - <_> - 1 13 4 5 2. - <_> - 5 18 4 5 2. - <_> - - <_> - 3 21 19 2 -1. - <_> - 3 22 19 1 2. - <_> - - <_> - 6 3 4 13 -1. - <_> - 8 3 2 13 2. - <_> - - <_> - 5 10 18 3 -1. - <_> - 5 11 18 1 3. - <_> - - <_> - 9 3 5 12 -1. - <_> - 9 7 5 4 3. - <_> - - <_> - 11 2 4 15 -1. - <_> - 11 7 4 5 3. - <_> - - <_> - 4 1 16 4 -1. - <_> - 4 3 16 2 2. - <_> - - <_> - 6 0 18 3 -1. - <_> - 6 1 18 1 3. - <_> - - <_> - 5 1 10 8 -1. - <_> - 5 1 5 4 2. - <_> - 10 5 5 4 2. - <_> - - <_> - 11 18 12 6 -1. - <_> - 17 18 6 3 2. - <_> - 11 21 6 3 2. - <_> - - <_> - 5 15 12 3 -1. - <_> - 11 15 6 3 2. - <_> - - <_> - 1 10 22 4 -1. - <_> - 1 10 11 4 2. - <_> - - <_> - 7 9 9 6 -1. - <_> - 10 9 3 6 3. - <_> - - <_> - 6 11 12 5 -1. - <_> - 10 11 4 5 3. - <_> - - <_> - 6 7 10 7 -1. - <_> - 11 7 5 7 2. - <_> - - <_> - 11 2 8 10 -1. - <_> - 11 2 4 10 2. - <_> - - <_> - 5 2 8 10 -1. - <_> - 9 2 4 10 2. - <_> - - <_> - 6 4 18 6 -1. - <_> - 15 4 9 3 2. - <_> - 6 7 9 3 2. - <_> - - <_> - 0 5 10 9 -1. - <_> - 0 8 10 3 3. - <_> - - <_> - 2 7 21 6 -1. - <_> - 2 9 21 2 3. - <_> - - <_> - 0 4 22 16 -1. - <_> - 0 4 11 8 2. - <_> - 11 12 11 8 2. - <_> - - <_> - 9 0 6 22 -1. - <_> - 9 11 6 11 2. - <_> - - <_> - 9 1 3 12 -1. - <_> - 9 7 3 6 2. - <_> - - <_> - 12 0 12 18 -1. - <_> - 18 0 6 9 2. - <_> - 12 9 6 9 2. - <_> - - <_> - 0 0 12 18 -1. - <_> - 0 0 6 9 2. - <_> - 6 9 6 9 2. - <_> - - <_> - 1 1 22 4 -1. - <_> - 12 1 11 2 2. - <_> - 1 3 11 2 2. - <_> - - <_> - 3 0 18 4 -1. - <_> - 3 2 18 2 2. - <_> - - <_> - 2 5 22 6 -1. - <_> - 2 7 22 2 3. - <_> - - <_> - 5 0 6 9 -1. - <_> - 5 3 6 3 3. - <_> - - <_> - 10 14 6 9 -1. - <_> - 12 14 2 9 3. - <_> - - <_> - 8 14 6 9 -1. - <_> - 10 14 2 9 3. - <_> - - <_> - 5 18 18 3 -1. - <_> - 5 19 18 1 3. - <_> - - <_> - 6 0 6 13 -1. - <_> - 9 0 3 13 2. - <_> - - <_> - 7 4 12 4 -1. - <_> - 7 4 6 4 2. - <_> - - <_> - 5 2 12 6 -1. - <_> - 9 2 4 6 3. - <_> - - <_> - 4 1 18 3 -1. - <_> - 4 2 18 1 3. - <_> - - <_> - 0 8 6 12 -1. - <_> - 0 12 6 4 3. - <_> - - <_> - 9 15 6 9 -1. - <_> - 11 15 2 9 3. - <_> - - <_> - 9 10 6 13 -1. - <_> - 11 10 2 13 3. - <_> - - <_> - 6 17 18 2 -1. - <_> - 6 18 18 1 2. - <_> - - <_> - 9 4 6 9 -1. - <_> - 11 4 2 9 3. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 5 6 10 8 -1. - <_> - 5 6 5 4 2. - <_> - 10 10 5 4 2. - <_> - - <_> - 14 9 5 8 -1. - <_> - 14 13 5 4 2. - <_> - - <_> - 5 9 5 8 -1. - <_> - 5 13 5 4 2. - <_> - - <_> - 14 11 9 6 -1. - <_> - 14 13 9 2 3. - <_> - - <_> - 0 2 23 15 -1. - <_> - 0 7 23 5 3. - <_> - - <_> - 16 0 8 12 -1. - <_> - 16 6 8 6 2. - <_> - - <_> - 4 15 6 9 -1. - <_> - 4 18 6 3 3. - <_> - - <_> - 8 18 9 4 -1. - <_> - 8 20 9 2 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 13 11 11 6 -1. - <_> - 13 13 11 2 3. - <_> - - <_> - 0 11 11 6 -1. - <_> - 0 13 11 2 3. - <_> - - <_> - 0 9 24 6 -1. - <_> - 12 9 12 3 2. - <_> - 0 12 12 3 2. - <_> - - <_> - 6 16 8 8 -1. - <_> - 6 20 8 4 2. - <_> - - <_> - 10 16 14 6 -1. - <_> - 10 18 14 2 3. - <_> - - <_> - 1 1 21 3 -1. - <_> - 1 2 21 1 3. - <_> - - <_> - 0 2 24 3 -1. - <_> - 0 2 12 3 2. - <_> - - <_> - 2 15 8 5 -1. - <_> - 6 15 4 5 2. - <_> - - <_> - 2 11 21 3 -1. - <_> - 9 11 7 3 3. - <_> - - <_> - 1 18 12 6 -1. - <_> - 1 18 6 3 2. - <_> - 7 21 6 3 2. - <_> - - <_> - 10 14 4 10 -1. - <_> - 10 19 4 5 2. - <_> - - <_> - 7 7 4 10 -1. - <_> - 7 12 4 5 2. - <_> - - <_> - 9 8 6 12 -1. - <_> - 9 12 6 4 3. - <_> - - <_> - 7 1 9 6 -1. - <_> - 10 1 3 6 3. - <_> - - <_> - 3 14 19 2 -1. - <_> - 3 15 19 1 2. - <_> - - <_> - 7 7 10 10 -1. - <_> - 7 7 5 5 2. - <_> - 12 12 5 5 2. - <_> - - <_> - 3 12 18 12 -1. - <_> - 3 12 9 12 2. - <_> - - <_> - 8 0 6 12 -1. - <_> - 10 0 2 12 3. - <_> - - <_> - 3 0 17 9 -1. - <_> - 3 3 17 3 3. - <_> - - <_> - 6 0 12 11 -1. - <_> - 10 0 4 11 3. - <_> - - <_> - 1 0 6 13 -1. - <_> - 4 0 3 13 2. - <_> - - <_> - 5 8 16 6 -1. - <_> - 5 11 16 3 2. - <_> - - <_> - 8 8 5 12 -1. - <_> - 8 14 5 6 2. - <_> - - <_> - 3 21 18 3 -1. - <_> - 9 21 6 3 3. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 2 0 20 3 -1. - <_> - 2 1 20 1 3. - <_> - - <_> - 4 6 15 10 -1. - <_> - 9 6 5 10 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 7 16 9 6 -1. - <_> - 7 18 9 2 3. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 17 1 6 16 -1. - <_> - 19 1 2 16 3. - <_> - - <_> - 1 1 6 16 -1. - <_> - 3 1 2 16 3. - <_> - - <_> - 14 13 6 9 -1. - <_> - 14 16 6 3 3. - <_> - - <_> - 0 0 6 9 -1. - <_> - 0 3 6 3 3. - <_> - - <_> - 9 5 6 6 -1. - <_> - 9 5 3 6 2. - <_> - - <_> - 3 10 9 6 -1. - <_> - 6 10 3 6 3. - <_> - - <_> - 14 7 3 16 -1. - <_> - 14 15 3 8 2. - <_> - - <_> - 4 10 14 12 -1. - <_> - 4 10 7 6 2. - <_> - 11 16 7 6 2. - <_> - - <_> - 7 6 12 6 -1. - <_> - 7 8 12 2 3. - <_> - - <_> - 7 2 4 20 -1. - <_> - 9 2 2 20 2. - <_> - - <_> - 14 13 6 9 -1. - <_> - 14 16 6 3 3. - <_> - - <_> - 10 6 4 9 -1. - <_> - 12 6 2 9 2. - <_> - - <_> - 14 13 6 9 -1. - <_> - 14 16 6 3 3. - <_> - - <_> - 5 20 14 4 -1. - <_> - 5 22 14 2 2. - <_> - - <_> - 4 4 16 12 -1. - <_> - 4 10 16 6 2. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 3 0 21 4 -1. - <_> - 3 2 21 2 2. - <_> - - <_> - 4 13 6 9 -1. - <_> - 4 16 6 3 3. - <_> - - <_> - 16 16 5 8 -1. - <_> - 16 20 5 4 2. - <_> - - <_> - 4 0 16 16 -1. - <_> - 4 0 8 8 2. - <_> - 12 8 8 8 2. - <_> - - <_> - 6 6 14 6 -1. - <_> - 13 6 7 3 2. - <_> - 6 9 7 3 2. - <_> - - <_> - 10 5 4 15 -1. - <_> - 10 10 4 5 3. - <_> - - <_> - 9 15 12 8 -1. - <_> - 15 15 6 4 2. - <_> - 9 19 6 4 2. - <_> - - <_> - 6 7 12 4 -1. - <_> - 12 7 6 4 2. - <_> - - <_> - 5 6 14 6 -1. - <_> - 12 6 7 3 2. - <_> - 5 9 7 3 2. - <_> - - <_> - 3 6 18 10 -1. - <_> - 3 6 9 5 2. - <_> - 12 11 9 5 2. - <_> - - <_> - 6 0 18 21 -1. - <_> - 12 0 6 21 3. - <_> - - <_> - 0 0 24 21 -1. - <_> - 8 0 8 21 3. - <_> - - <_> - 6 18 18 3 -1. - <_> - 6 19 18 1 3. - <_> - - <_> - 0 15 9 6 -1. - <_> - 0 17 9 2 3. - <_> - - <_> - 4 3 19 2 -1. - <_> - 4 4 19 1 2. - <_> - - <_> - 0 3 24 2 -1. - <_> - 0 4 24 1 2. - <_> - - <_> - 15 14 9 4 -1. - <_> - 15 16 9 2 2. - <_> - - <_> - 0 14 9 4 -1. - <_> - 0 16 9 2 2. - <_> - - <_> - 6 15 18 2 -1. - <_> - 6 16 18 1 2. - <_> - - <_> - 3 17 18 3 -1. - <_> - 3 18 18 1 3. - <_> - - <_> - 12 0 3 23 -1. - <_> - 13 0 1 23 3. - <_> - - <_> - 6 0 8 6 -1. - <_> - 6 3 8 3 2. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 9 0 3 23 -1. - <_> - 10 0 1 23 3. - <_> - - <_> - 10 7 4 10 -1. - <_> - 10 12 4 5 2. - <_> - - <_> - 7 8 10 12 -1. - <_> - 7 12 10 4 3. - <_> - - <_> - 14 9 6 14 -1. - <_> - 17 9 3 7 2. - <_> - 14 16 3 7 2. - <_> - - <_> - 2 0 10 9 -1. - <_> - 2 3 10 3 3. - <_> - - <_> - 11 1 5 12 -1. - <_> - 11 7 5 6 2. - <_> - - <_> - 1 4 12 10 -1. - <_> - 1 4 6 5 2. - <_> - 7 9 6 5 2. - <_> - - <_> - 15 1 9 4 -1. - <_> - 15 3 9 2 2. - <_> - - <_> - 1 2 8 10 -1. - <_> - 1 2 4 5 2. - <_> - 5 7 4 5 2. - <_> - - <_> - 10 1 5 12 -1. - <_> - 10 5 5 4 3. - <_> - - <_> - 4 0 14 24 -1. - <_> - 11 0 7 24 2. - <_> - - <_> - 7 17 10 4 -1. - <_> - 7 19 10 2 2. - <_> - - <_> - 10 14 4 10 -1. - <_> - 10 19 4 5 2. - <_> - - <_> - 13 15 6 9 -1. - <_> - 15 15 2 9 3. - <_> - - <_> - 3 21 18 3 -1. - <_> - 3 22 18 1 3. - <_> - - <_> - 13 15 6 9 -1. - <_> - 15 15 2 9 3. - <_> - - <_> - 5 15 6 9 -1. - <_> - 7 15 2 9 3. - <_> - - <_> - 10 6 4 18 -1. - <_> - 12 6 2 9 2. - <_> - 10 15 2 9 2. - <_> - - <_> - 7 3 6 11 -1. - <_> - 9 3 2 11 3. - <_> - - <_> - 15 1 9 4 -1. - <_> - 15 3 9 2 2. - <_> - - <_> - 5 4 14 8 -1. - <_> - 5 8 14 4 2. - <_> - - <_> - 8 1 15 9 -1. - <_> - 8 4 15 3 3. - <_> - - <_> - 7 2 8 10 -1. - <_> - 7 2 4 5 2. - <_> - 11 7 4 5 2. - <_> - - <_> - 12 2 6 12 -1. - <_> - 12 2 3 12 2. - <_> - - <_> - 6 2 6 12 -1. - <_> - 9 2 3 12 2. - <_> - - <_> - 7 7 12 4 -1. - <_> - 7 7 6 4 2. - <_> - - <_> - 6 3 12 10 -1. - <_> - 10 3 4 10 3. - <_> - - <_> - 5 6 16 6 -1. - <_> - 13 6 8 3 2. - <_> - 5 9 8 3 2. - <_> - - <_> - 3 1 18 9 -1. - <_> - 9 1 6 9 3. - <_> - - <_> - 3 8 18 5 -1. - <_> - 9 8 6 5 3. - <_> - - <_> - 0 0 24 22 -1. - <_> - 0 0 12 11 2. - <_> - 12 11 12 11 2. - <_> - - <_> - 14 16 9 6 -1. - <_> - 14 18 9 2 3. - <_> - - <_> - 0 16 24 8 -1. - <_> - 0 20 24 4 2. - <_> - - <_> - 1 19 22 4 -1. - <_> - 12 19 11 2 2. - <_> - 1 21 11 2 2. - <_> - - <_> - 1 16 9 6 -1. - <_> - 1 18 9 2 3. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 8 5 4 2. - <_> - - <_> - 9 15 6 9 -1. - <_> - 11 15 2 9 3. - <_> - - <_> - 10 18 12 6 -1. - <_> - 16 18 6 3 2. - <_> - 10 21 6 3 2. - <_> - - <_> - 2 18 12 6 -1. - <_> - 2 18 6 3 2. - <_> - 8 21 6 3 2. - <_> - - <_> - 8 3 16 9 -1. - <_> - 8 6 16 3 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 5 5 18 3 -1. - <_> - 5 6 18 1 3. - <_> - - <_> - 2 6 9 6 -1. - <_> - 2 9 9 3 2. - <_> - - <_> - 14 2 10 9 -1. - <_> - 14 5 10 3 3. - <_> - - <_> - 3 6 18 3 -1. - <_> - 3 7 18 1 3. - <_> - - <_> - 9 2 15 6 -1. - <_> - 9 4 15 2 3. - <_> - - <_> - 4 8 15 6 -1. - <_> - 4 10 15 2 3. - <_> - - <_> - 0 5 24 4 -1. - <_> - 12 5 12 2 2. - <_> - 0 7 12 2 2. - <_> - - <_> - 7 8 6 12 -1. - <_> - 9 8 2 12 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 0 12 6 12 -1. - <_> - 0 12 3 6 2. - <_> - 3 18 3 6 2. - <_> - - <_> - 14 12 10 6 -1. - <_> - 14 14 10 2 3. - <_> - - <_> - 2 7 18 9 -1. - <_> - 2 10 18 3 3. - <_> - - <_> - 11 14 10 9 -1. - <_> - 11 17 10 3 3. - <_> - - <_> - 7 6 10 8 -1. - <_> - 7 6 5 4 2. - <_> - 12 10 5 4 2. - <_> - - <_> - 6 6 14 6 -1. - <_> - 13 6 7 3 2. - <_> - 6 9 7 3 2. - <_> - - <_> - 4 13 9 7 -1. - <_> - 7 13 3 7 3. - <_> - - <_> - 14 10 6 12 -1. - <_> - 17 10 3 6 2. - <_> - 14 16 3 6 2. - <_> - - <_> - 4 10 6 12 -1. - <_> - 4 10 3 6 2. - <_> - 7 16 3 6 2. - <_> - - <_> - 13 9 8 6 -1. - <_> - 13 9 4 6 2. - <_> - - <_> - 8 3 4 14 -1. - <_> - 10 3 2 14 2. - <_> - - <_> - 17 0 3 18 -1. - <_> - 18 0 1 18 3. - <_> - - <_> - 4 12 16 12 -1. - <_> - 12 12 8 12 2. - <_> - - <_> - 15 0 6 14 -1. - <_> - 17 0 2 14 3. - <_> - - <_> - 3 0 6 14 -1. - <_> - 5 0 2 14 3. - <_> - - <_> - 12 2 12 20 -1. - <_> - 16 2 4 20 3. - <_> - - <_> - 0 2 12 20 -1. - <_> - 4 2 4 20 3. - <_> - - <_> - 16 0 6 17 -1. - <_> - 18 0 2 17 3. - <_> - - <_> - 2 0 6 17 -1. - <_> - 4 0 2 17 3. - <_> - - <_> - 15 6 9 6 -1. - <_> - 15 8 9 2 3. - <_> - - <_> - 0 6 9 6 -1. - <_> - 0 8 9 2 3. - <_> - - <_> - 18 1 6 13 -1. - <_> - 20 1 2 13 3. - <_> - - <_> - 0 1 6 13 -1. - <_> - 2 1 2 13 3. - <_> - - <_> - 16 0 4 9 -1. - <_> - 16 0 2 9 2. - <_> - - <_> - 5 10 12 7 -1. - <_> - 9 10 4 7 3. - <_> - - <_> - 12 9 12 6 -1. - <_> - 12 11 12 2 3. - <_> - - <_> - 0 9 12 6 -1. - <_> - 0 11 12 2 3. - <_> - - <_> - 5 7 14 9 -1. - <_> - 5 10 14 3 3. - <_> - - <_> - 0 15 20 3 -1. - <_> - 0 16 20 1 3. - <_> - - <_> - 8 10 8 10 -1. - <_> - 12 10 4 5 2. - <_> - 8 15 4 5 2. - <_> - - <_> - 5 4 13 9 -1. - <_> - 5 7 13 3 3. - <_> - - <_> - 10 2 6 18 -1. - <_> - 10 8 6 6 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 6 9 12 4 -1. - <_> - 6 11 12 2 2. - <_> - - <_> - 3 2 15 12 -1. - <_> - 3 6 15 4 3. - <_> - - <_> - 12 0 12 5 -1. - <_> - 16 0 4 5 3. - <_> - - <_> - 0 15 18 3 -1. - <_> - 6 15 6 3 3. - <_> - - <_> - 0 14 24 5 -1. - <_> - 8 14 8 5 3. - <_> - - <_> - 5 1 3 18 -1. - <_> - 6 1 1 18 3. - <_> - - <_> - 10 0 4 14 -1. - <_> - 10 0 2 14 2. - <_> - - <_> - 9 3 4 9 -1. - <_> - 11 3 2 9 2. - <_> - - <_> - 8 2 12 6 -1. - <_> - 14 2 6 3 2. - <_> - 8 5 6 3 2. - <_> - - <_> - 0 4 17 4 -1. - <_> - 0 6 17 2 2. - <_> - - <_> - 16 16 5 8 -1. - <_> - 16 20 5 4 2. - <_> - - <_> - 3 16 5 8 -1. - <_> - 3 20 5 4 2. - <_> - - <_> - 6 18 18 2 -1. - <_> - 6 19 18 1 2. - <_> - - <_> - 0 0 12 5 -1. - <_> - 4 0 4 5 3. - <_> - - <_> - 14 3 6 12 -1. - <_> - 17 3 3 6 2. - <_> - 14 9 3 6 2. - <_> - - <_> - 0 12 6 12 -1. - <_> - 2 12 2 12 3. - <_> - - <_> - 2 3 21 3 -1. - <_> - 2 4 21 1 3. - <_> - - <_> - 4 3 6 12 -1. - <_> - 4 3 3 6 2. - <_> - 7 9 3 6 2. - <_> - - <_> - 12 8 12 6 -1. - <_> - 18 8 6 3 2. - <_> - 12 11 6 3 2. - <_> - - <_> - 0 15 16 9 -1. - <_> - 8 15 8 9 2. - <_> - - <_> - 6 13 18 5 -1. - <_> - 6 13 9 5 2. - <_> - - <_> - 1 6 15 6 -1. - <_> - 6 6 5 6 3. - <_> - - <_> - 11 9 9 6 -1. - <_> - 14 9 3 6 3. - <_> - - <_> - 3 0 15 11 -1. - <_> - 8 0 5 11 3. - <_> - - <_> - 15 3 3 18 -1. - <_> - 15 9 3 6 3. - <_> - - <_> - 6 3 3 18 -1. - <_> - 6 9 3 6 3. - <_> - - <_> - 9 5 10 8 -1. - <_> - 14 5 5 4 2. - <_> - 9 9 5 4 2. - <_> - - <_> - 4 4 16 8 -1. - <_> - 4 4 8 4 2. - <_> - 12 8 8 4 2. - <_> - - <_> - 7 7 12 3 -1. - <_> - 7 7 6 3 2. - <_> - - <_> - 5 0 9 13 -1. - <_> - 8 0 3 13 3. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 8 1 10 9 -1. - <_> - 8 4 10 3 3. - <_> - - <_> - 0 2 18 2 -1. - <_> - 0 3 18 1 2. - <_> - - <_> - 10 13 14 6 -1. - <_> - 17 13 7 3 2. - <_> - 10 16 7 3 2. - <_> - - <_> - 0 13 14 6 -1. - <_> - 0 13 7 3 2. - <_> - 7 16 7 3 2. - <_> - - <_> - 20 2 3 21 -1. - <_> - 21 2 1 21 3. - <_> - - <_> - 0 9 5 12 -1. - <_> - 0 13 5 4 3. - <_> - - <_> - 12 6 12 6 -1. - <_> - 12 8 12 2 3. - <_> - - <_> - 1 8 20 3 -1. - <_> - 1 9 20 1 3. - <_> - - <_> - 5 7 19 3 -1. - <_> - 5 8 19 1 3. - <_> - - <_> - 1 12 9 6 -1. - <_> - 1 14 9 2 3. - <_> - - <_> - 6 10 14 12 -1. - <_> - 6 14 14 4 3. - <_> - - <_> - 5 6 14 18 -1. - <_> - 5 12 14 6 3. - <_> - - <_> - 11 12 9 7 -1. - <_> - 14 12 3 7 3. - <_> - - <_> - 1 15 18 4 -1. - <_> - 1 17 18 2 2. - <_> - - <_> - 11 14 6 9 -1. - <_> - 11 17 6 3 3. - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 8 9 2 2. - <_> - 9 10 9 2 2. - <_> - - <_> - 3 10 20 6 -1. - <_> - 13 10 10 3 2. - <_> - 3 13 10 3 2. - <_> - - <_> - 1 10 20 6 -1. - <_> - 1 10 10 3 2. - <_> - 11 13 10 3 2. - <_> - - <_> - 0 9 24 2 -1. - <_> - 0 9 12 2 2. - <_> - - <_> - 1 12 20 8 -1. - <_> - 1 12 10 4 2. - <_> - 11 16 10 4 2. - <_> - - <_> - 11 12 9 7 -1. - <_> - 14 12 3 7 3. - <_> - - <_> - 4 12 9 7 -1. - <_> - 7 12 3 7 3. - <_> - - <_> - 12 12 8 5 -1. - <_> - 12 12 4 5 2. - <_> - - <_> - 4 12 8 5 -1. - <_> - 8 12 4 5 2. - <_> - - <_> - 13 10 4 10 -1. - <_> - 13 10 2 10 2. - <_> - - <_> - 1 15 20 2 -1. - <_> - 11 15 10 2 2. - <_> - - <_> - 9 10 6 6 -1. - <_> - 9 10 3 6 2. - <_> - - <_> - 0 1 21 3 -1. - <_> - 7 1 7 3 3. - <_> - - <_> - 6 4 13 9 -1. - <_> - 6 7 13 3 3. - <_> - - <_> - 6 5 12 5 -1. - <_> - 10 5 4 5 3. - <_> - - <_> - 10 10 10 6 -1. - <_> - 10 12 10 2 3. - <_> - - <_> - 6 12 5 8 -1. - <_> - 6 16 5 4 2. - <_> - - <_> - 13 0 6 9 -1. - <_> - 15 0 2 9 3. - <_> - - <_> - 2 10 18 6 -1. - <_> - 8 10 6 6 3. - <_> - - <_> - 11 2 9 4 -1. - <_> - 11 4 9 2 2. - <_> - - <_> - 1 20 21 3 -1. - <_> - 8 20 7 3 3. - <_> - - <_> - 1 10 22 2 -1. - <_> - 1 11 22 1 2. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 13 0 6 9 -1. - <_> - 15 0 2 9 3. - <_> - - <_> - 5 0 6 9 -1. - <_> - 7 0 2 9 3. - <_> - - <_> - 18 2 6 20 -1. - <_> - 20 2 2 20 3. - <_> - - <_> - 0 2 6 20 -1. - <_> - 2 2 2 20 3. - <_> - - <_> - 11 7 6 14 -1. - <_> - 14 7 3 7 2. - <_> - 11 14 3 7 2. - <_> - - <_> - 0 1 4 9 -1. - <_> - 2 1 2 9 2. - <_> - - <_> - 12 14 9 4 -1. - <_> - 12 16 9 2 2. - <_> - - <_> - 1 13 9 4 -1. - <_> - 1 15 9 2 2. - <_> - - <_> - 7 6 15 6 -1. - <_> - 7 8 15 2 3. - <_> - - <_> - 8 2 3 18 -1. - <_> - 8 8 3 6 3. - <_> - - <_> - 6 6 12 6 -1. - <_> - 12 6 6 3 2. - <_> - 6 9 6 3 2. - <_> - - <_> - 2 19 20 4 -1. - <_> - 2 19 10 2 2. - <_> - 12 21 10 2 2. - <_> - - <_> - 14 15 6 9 -1. - <_> - 14 18 6 3 3. - <_> - - <_> - 3 5 18 14 -1. - <_> - 3 5 9 7 2. - <_> - 12 12 9 7 2. - <_> - - <_> - 15 6 4 18 -1. - <_> - 17 6 2 9 2. - <_> - 15 15 2 9 2. - <_> - - <_> - 5 6 4 18 -1. - <_> - 5 6 2 9 2. - <_> - 7 15 2 9 2. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 11 5 6 9 -1. - <_> - 13 5 2 9 3. - <_> - - <_> - 9 5 6 6 -1. - <_> - 12 5 3 6 2. - <_> - - <_> - 4 1 16 6 -1. - <_> - 12 1 8 3 2. - <_> - 4 4 8 3 2. - <_> - - <_> - 9 13 6 11 -1. - <_> - 11 13 2 11 3. - <_> - - <_> - 17 1 6 12 -1. - <_> - 20 1 3 6 2. - <_> - 17 7 3 6 2. - <_> - - <_> - 1 17 18 3 -1. - <_> - 1 18 18 1 3. - <_> - - <_> - 7 13 10 8 -1. - <_> - 7 17 10 4 2. - <_> - - <_> - 6 18 10 6 -1. - <_> - 6 20 10 2 3. - <_> - - <_> - 9 14 9 4 -1. - <_> - 9 16 9 2 2. - <_> - - <_> - 1 1 6 12 -1. - <_> - 1 1 3 6 2. - <_> - 4 7 3 6 2. - <_> - - <_> - 19 4 5 12 -1. - <_> - 19 8 5 4 3. - <_> - - <_> - 0 0 8 8 -1. - <_> - 4 0 4 8 2. - <_> - - <_> - 3 5 19 3 -1. - <_> - 3 6 19 1 3. - <_> - - <_> - 1 5 12 6 -1. - <_> - 1 5 6 3 2. - <_> - 7 8 6 3 2. - <_> - - <_> - 2 1 21 8 -1. - <_> - 9 1 7 8 3. - <_> - - <_> - 4 1 16 8 -1. - <_> - 4 5 16 4 2. - <_> - - <_> - 6 0 18 3 -1. - <_> - 6 1 18 1 3. - <_> - - <_> - 4 4 10 14 -1. - <_> - 4 11 10 7 2. - <_> - - <_> - 15 6 4 10 -1. - <_> - 15 11 4 5 2. - <_> - - <_> - 3 18 18 3 -1. - <_> - 9 18 6 3 3. - <_> - - <_> - 8 18 12 6 -1. - <_> - 12 18 4 6 3. - <_> - - <_> - 3 15 6 9 -1. - <_> - 6 15 3 9 2. - <_> - - <_> - 15 7 6 8 -1. - <_> - 15 11 6 4 2. - <_> - - <_> - 3 7 6 8 -1. - <_> - 3 11 6 4 2. - <_> - - <_> - 5 9 18 6 -1. - <_> - 14 9 9 3 2. - <_> - 5 12 9 3 2. - <_> - - <_> - 1 13 12 6 -1. - <_> - 1 15 12 2 3. - <_> - - <_> - 14 15 10 6 -1. - <_> - 14 17 10 2 3. - <_> - - <_> - 0 15 10 6 -1. - <_> - 0 17 10 2 3. - <_> - - <_> - 15 13 6 9 -1. - <_> - 15 16 6 3 3. - <_> - - <_> - 3 13 6 9 -1. - <_> - 3 16 6 3 3. - <_> - - <_> - 9 5 8 8 -1. - <_> - 9 5 4 8 2. - <_> - - <_> - 1 18 12 6 -1. - <_> - 1 18 6 3 2. - <_> - 7 21 6 3 2. - <_> - - <_> - 13 19 10 4 -1. - <_> - 13 21 10 2 2. - <_> - - <_> - 1 19 10 4 -1. - <_> - 1 21 10 2 2. - <_> - - <_> - 6 19 18 3 -1. - <_> - 6 20 18 1 3. - <_> - - <_> - 8 14 4 10 -1. - <_> - 8 19 4 5 2. - <_> - - <_> - 0 0 24 6 -1. - <_> - 0 2 24 2 3. - <_> - - <_> - 0 1 6 9 -1. - <_> - 0 4 6 3 3. - <_> - - <_> - 4 9 20 6 -1. - <_> - 14 9 10 3 2. - <_> - 4 12 10 3 2. - <_> - - <_> - 1 15 19 8 -1. - <_> - 1 19 19 4 2. - <_> - - <_> - 14 0 10 6 -1. - <_> - 14 2 10 2 3. - <_> - - <_> - 1 10 21 14 -1. - <_> - 8 10 7 14 3. - <_> - - <_> - 10 10 8 8 -1. - <_> - 10 10 4 8 2. - <_> - - <_> - 6 8 10 4 -1. - <_> - 11 8 5 4 2. - <_> - - <_> - 10 5 4 9 -1. - <_> - 10 5 2 9 2. - <_> - - <_> - 7 5 6 10 -1. - <_> - 9 5 2 10 3. - <_> - - <_> - 14 4 4 13 -1. - <_> - 14 4 2 13 2. - <_> - - <_> - 6 4 4 13 -1. - <_> - 8 4 2 13 2. - <_> - - <_> - 8 7 9 6 -1. - <_> - 11 7 3 6 3. - <_> - - <_> - 3 6 16 6 -1. - <_> - 3 6 8 3 2. - <_> - 11 9 8 3 2. - <_> - - <_> - 5 4 16 14 -1. - <_> - 13 4 8 7 2. - <_> - 5 11 8 7 2. - <_> - - <_> - 0 0 24 4 -1. - <_> - 0 0 12 2 2. - <_> - 12 2 12 2 2. - <_> - - <_> - 9 1 9 6 -1. - <_> - 12 1 3 6 3. - <_> - - <_> - 4 1 14 4 -1. - <_> - 11 1 7 4 2. - <_> - - <_> - 10 14 7 9 -1. - <_> - 10 17 7 3 3. - <_> - - <_> - 8 3 8 10 -1. - <_> - 8 3 4 5 2. - <_> - 12 8 4 5 2. - <_> - - <_> - 7 3 12 5 -1. - <_> - 11 3 4 5 3. - <_> - - <_> - 8 2 4 13 -1. - <_> - 10 2 2 13 2. - <_> - - <_> - 11 2 3 19 -1. - <_> - 12 2 1 19 3. - <_> - - <_> - 7 7 9 6 -1. - <_> - 10 7 3 6 3. - <_> - - <_> - 4 22 20 2 -1. - <_> - 4 22 10 2 2. - <_> - - <_> - 0 16 24 4 -1. - <_> - 0 16 12 2 2. - <_> - 12 18 12 2 2. - <_> - - <_> - 7 3 12 5 -1. - <_> - 11 3 4 5 3. - <_> - - <_> - 1 10 8 14 -1. - <_> - 1 10 4 7 2. - <_> - 5 17 4 7 2. - <_> - - <_> - 11 16 6 6 -1. - <_> - 11 19 6 3 2. - <_> - - <_> - 6 0 10 24 -1. - <_> - 6 0 5 12 2. - <_> - 11 12 5 12 2. - <_> - - <_> - 7 5 14 14 -1. - <_> - 14 5 7 7 2. - <_> - 7 12 7 7 2. - <_> - - <_> - 7 8 10 8 -1. - <_> - 7 8 5 4 2. - <_> - 12 12 5 4 2. - <_> - - <_> - 9 1 9 6 -1. - <_> - 12 1 3 6 3. - <_> - - <_> - 0 6 24 3 -1. - <_> - 12 6 12 3 2. - <_> - - <_> - 7 3 12 5 -1. - <_> - 11 3 4 5 3. - <_> - - <_> - 1 13 22 4 -1. - <_> - 1 13 11 2 2. - <_> - 12 15 11 2 2. - <_> - - <_> - 9 12 12 6 -1. - <_> - 9 14 12 2 3. - <_> - - <_> - 0 5 9 6 -1. - <_> - 0 7 9 2 3. - <_> - - <_> - 1 5 23 6 -1. - <_> - 1 7 23 2 3. - <_> - - <_> - 1 6 19 12 -1. - <_> - 1 10 19 4 3. - <_> - - <_> - 9 1 6 21 -1. - <_> - 9 8 6 7 3. - <_> - - <_> - 3 19 18 3 -1. - <_> - 9 19 6 3 3. - <_> - - <_> - 9 14 6 9 -1. - <_> - 11 14 2 9 3. - <_> - - <_> - 9 6 4 12 -1. - <_> - 11 6 2 12 2. - <_> - - <_> - 16 0 6 9 -1. - <_> - 18 0 2 9 3. - <_> - - <_> - 2 0 6 9 -1. - <_> - 4 0 2 9 3. - <_> - - <_> - 13 1 4 22 -1. - <_> - 15 1 2 11 2. - <_> - 13 12 2 11 2. - <_> - - <_> - 1 8 8 12 -1. - <_> - 1 14 8 6 2. - <_> - - <_> - 14 7 7 9 -1. - <_> - 14 10 7 3 3. - <_> - - <_> - 3 12 18 4 -1. - <_> - 3 12 9 2 2. - <_> - 12 14 9 2 2. - <_> - - <_> - 13 1 4 22 -1. - <_> - 15 1 2 11 2. - <_> - 13 12 2 11 2. - <_> - - <_> - 7 1 4 22 -1. - <_> - 7 1 2 11 2. - <_> - 9 12 2 11 2. - <_> - - <_> - 4 7 20 4 -1. - <_> - 14 7 10 2 2. - <_> - 4 9 10 2 2. - <_> - - <_> - 9 10 6 7 -1. - <_> - 12 10 3 7 2. - <_> - - <_> - 7 7 10 4 -1. - <_> - 7 7 5 4 2. - <_> - - <_> - 0 3 4 15 -1. - <_> - 0 8 4 5 3. - <_> - - <_> - 15 0 8 12 -1. - <_> - 19 0 4 6 2. - <_> - 15 6 4 6 2. - <_> - - <_> - 1 0 8 12 -1. - <_> - 1 0 4 6 2. - <_> - 5 6 4 6 2. - <_> - - <_> - 14 5 6 16 -1. - <_> - 16 5 2 16 3. - <_> - - <_> - 4 5 6 16 -1. - <_> - 6 5 2 16 3. - <_> - - <_> - 15 0 6 16 -1. - <_> - 17 0 2 16 3. - <_> - - <_> - 3 0 6 16 -1. - <_> - 5 0 2 16 3. - <_> - - <_> - 0 2 24 3 -1. - <_> - 0 3 24 1 3. - <_> - - <_> - 7 1 10 4 -1. - <_> - 7 3 10 2 2. - <_> - - <_> - 1 0 23 8 -1. - <_> - 1 4 23 4 2. - <_> - - <_> - 1 17 19 3 -1. - <_> - 1 18 19 1 3. - <_> - - <_> - 6 18 18 2 -1. - <_> - 6 19 18 1 2. - <_> - - <_> - 1 17 9 6 -1. - <_> - 1 19 9 2 3. - <_> - - <_> - 15 15 6 9 -1. - <_> - 15 18 6 3 3. - <_> - - <_> - 3 15 6 9 -1. - <_> - 3 18 6 3 3. - <_> - - <_> - 4 14 20 6 -1. - <_> - 4 17 20 3 2. - <_> - - <_> - 0 10 6 14 -1. - <_> - 0 10 3 7 2. - <_> - 3 17 3 7 2. - <_> - - <_> - 6 18 18 3 -1. - <_> - 6 19 18 1 3. - <_> - - <_> - 4 12 9 7 -1. - <_> - 7 12 3 7 3. - <_> - - <_> - 6 10 18 5 -1. - <_> - 12 10 6 5 3. - <_> - - <_> - 0 10 18 5 -1. - <_> - 6 10 6 5 3. - <_> - - <_> - 3 2 18 9 -1. - <_> - 9 2 6 9 3. - <_> - - <_> - 4 6 10 10 -1. - <_> - 4 6 5 5 2. - <_> - 9 11 5 5 2. - <_> - - <_> - 20 14 4 9 -1. - <_> - 20 14 2 9 2. - <_> - - <_> - 0 14 4 9 -1. - <_> - 2 14 2 9 2. - <_> - - <_> - 11 1 4 20 -1. - <_> - 13 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 6 21 12 3 -1. - <_> - 12 21 6 3 2. - <_> - - <_> - 11 1 4 20 -1. - <_> - 13 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 1 16 10 8 -1. - <_> - 1 16 5 4 2. - <_> - 6 20 5 4 2. - <_> - - <_> - 11 1 4 20 -1. - <_> - 13 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 1 0 3 19 -1. - <_> - 2 0 1 19 3. - <_> - - <_> - 11 1 4 20 -1. - <_> - 13 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 3 7 19 4 -1. - <_> - 3 9 19 2 2. - <_> - - <_> - 7 14 9 6 -1. - <_> - 7 16 9 2 3. - <_> - - <_> - 17 1 7 6 -1. - <_> - 17 4 7 3 2. - <_> - - <_> - 5 0 14 8 -1. - <_> - 5 4 14 4 2. - <_> - - <_> - 16 1 8 6 -1. - <_> - 16 4 8 3 2. - <_> - - <_> - 0 1 8 6 -1. - <_> - 0 4 8 3 2. - <_> - - <_> - 6 0 18 4 -1. - <_> - 15 0 9 2 2. - <_> - 6 2 9 2 2. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 3 7 18 8 -1. - <_> - 9 7 6 8 3. - <_> - - <_> - 2 11 6 9 -1. - <_> - 4 11 2 9 3. - <_> - - <_> - 10 5 6 9 -1. - <_> - 12 5 2 9 3. - <_> - - <_> - 10 6 4 18 -1. - <_> - 10 6 2 9 2. - <_> - 12 15 2 9 2. - <_> - - <_> - 11 1 4 20 -1. - <_> - 13 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 9 1 4 20 -1. - <_> - 9 1 2 10 2. - <_> - 11 11 2 10 2. - <_> - - <_> - 5 9 18 6 -1. - <_> - 14 9 9 3 2. - <_> - 5 12 9 3 2. - <_> - - <_> - 6 4 6 9 -1. - <_> - 8 4 2 9 3. - <_> - - <_> - 10 16 8 6 -1. - <_> - 10 16 4 6 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 0 0 9 4 2. - <_> - 9 4 9 4 2. - <_> - - <_> - 6 5 14 12 -1. - <_> - 13 5 7 6 2. - <_> - 6 11 7 6 2. - <_> - - <_> - 4 3 15 7 -1. - <_> - 9 3 5 7 3. - <_> - - <_> - 14 12 10 6 -1. - <_> - 14 14 10 2 3. - <_> - - <_> - 0 11 4 10 -1. - <_> - 0 16 4 5 2. - <_> - - <_> - 1 10 22 3 -1. - <_> - 1 11 22 1 3. - <_> - - <_> - 8 9 6 10 -1. - <_> - 10 9 2 10 3. - <_> - - <_> - 13 2 6 12 -1. - <_> - 16 2 3 6 2. - <_> - 13 8 3 6 2. - <_> - - <_> - 10 6 4 18 -1. - <_> - 10 6 2 9 2. - <_> - 12 15 2 9 2. - <_> - - <_> - 7 8 10 16 -1. - <_> - 12 8 5 8 2. - <_> - 7 16 5 8 2. - <_> - - <_> - 8 1 8 12 -1. - <_> - 8 1 4 6 2. - <_> - 12 7 4 6 2. - <_> - - <_> - 7 1 12 14 -1. - <_> - 13 1 6 7 2. - <_> - 7 8 6 7 2. - <_> - - <_> - 2 14 12 6 -1. - <_> - 2 16 12 2 3. - <_> - - <_> - 11 16 6 6 -1. - <_> - 11 19 6 3 2. - <_> - - <_> - 7 16 6 6 -1. - <_> - 7 19 6 3 2. - <_> - - <_> - 13 4 4 10 -1. - <_> - 13 4 2 10 2. - <_> - - <_> - 0 19 19 3 -1. - <_> - 0 20 19 1 3. - <_> - - <_> - 12 8 6 8 -1. - <_> - 12 12 6 4 2. - <_> - - <_> - 8 1 8 22 -1. - <_> - 8 12 8 11 2. - <_> - - <_> - 12 8 6 8 -1. - <_> - 12 12 6 4 2. - <_> - - <_> - 6 8 6 8 -1. - <_> - 6 12 6 4 2. - <_> - - <_> - 14 5 6 9 -1. - <_> - 14 8 6 3 3. - <_> - - <_> - 0 6 24 4 -1. - <_> - 0 8 24 2 2. - <_> - - <_> - 14 12 10 6 -1. - <_> - 14 14 10 2 3. - <_> - - <_> - 0 12 10 6 -1. - <_> - 0 14 10 2 3. - <_> - - <_> - 4 6 19 3 -1. - <_> - 4 7 19 1 3. - <_> - - <_> - 1 6 19 3 -1. - <_> - 1 7 19 1 3. - <_> - - <_> - 4 0 16 9 -1. - <_> - 4 3 16 3 3. - <_> - - <_> - 0 1 24 5 -1. - <_> - 8 1 8 5 3. - <_> - - <_> - 3 6 6 15 -1. - <_> - 3 11 6 5 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 6 22 18 2 -1. - <_> - 6 23 18 1 2. - <_> - - <_> - 2 12 6 9 -1. - <_> - 2 15 6 3 3. - <_> - - <_> - 18 12 6 9 -1. - <_> - 18 15 6 3 3. - <_> - - <_> - 0 12 6 9 -1. - <_> - 0 15 6 3 3. - <_> - - <_> - 11 14 4 10 -1. - <_> - 11 19 4 5 2. - <_> - - <_> - 9 6 6 16 -1. - <_> - 9 14 6 8 2. - <_> - - <_> - 7 7 10 10 -1. - <_> - 7 12 10 5 2. - <_> - - <_> - 1 3 6 13 -1. - <_> - 3 3 2 13 3. - <_> - - <_> - 18 1 6 13 -1. - <_> - 18 1 3 13 2. - <_> - - <_> - 5 1 6 9 -1. - <_> - 7 1 2 9 3. - <_> - - <_> - 18 2 6 11 -1. - <_> - 18 2 3 11 2. - <_> - - <_> - 0 2 6 11 -1. - <_> - 3 2 3 11 2. - <_> - - <_> - 9 12 15 6 -1. - <_> - 9 14 15 2 3. - <_> - - <_> - 2 2 20 3 -1. - <_> - 2 3 20 1 3. - <_> - - <_> - 10 6 4 9 -1. - <_> - 10 6 2 9 2. - <_> - - <_> - 5 6 12 14 -1. - <_> - 5 6 6 7 2. - <_> - 11 13 6 7 2. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 7 0 9 6 -1. - <_> - 10 0 3 6 3. - <_> - - <_> - 10 6 6 9 -1. - <_> - 12 6 2 9 3. - <_> - - <_> - 4 1 12 20 -1. - <_> - 4 1 6 10 2. - <_> - 10 11 6 10 2. - <_> - - <_> - 6 7 18 3 -1. - <_> - 6 7 9 3 2. - <_> - - <_> - 0 7 18 3 -1. - <_> - 9 7 9 3 2. - <_> - - <_> - 3 20 18 3 -1. - <_> - 9 20 6 3 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 6 2 12 15 -1. - <_> - 10 2 4 15 3. - <_> - - <_> - 2 3 18 3 -1. - <_> - 2 4 18 1 3. - <_> - - <_> - 19 4 4 18 -1. - <_> - 21 4 2 9 2. - <_> - 19 13 2 9 2. - <_> - - <_> - 0 1 19 3 -1. - <_> - 0 2 19 1 3. - <_> - - <_> - 5 0 15 4 -1. - <_> - 5 2 15 2 2. - <_> - - <_> - 5 2 14 5 -1. - <_> - 12 2 7 5 2. - <_> - - <_> - 1 2 22 14 -1. - <_> - 1 2 11 14 2. - <_> - - <_> - 8 15 6 9 -1. - <_> - 10 15 2 9 3. - <_> - - <_> - 6 17 18 3 -1. - <_> - 6 18 18 1 3. - <_> - - <_> - 9 6 3 18 -1. - <_> - 9 12 3 6 3. - <_> - - <_> - 2 0 20 3 -1. - <_> - 2 1 20 1 3. - <_> - - <_> - 5 4 5 12 -1. - <_> - 5 8 5 4 3. - <_> - - <_> - 8 6 12 5 -1. - <_> - 12 6 4 5 3. - <_> - - <_> - 9 12 6 12 -1. - <_> - 9 12 3 6 2. - <_> - 12 18 3 6 2. - <_> - - <_> - 14 14 8 10 -1. - <_> - 18 14 4 5 2. - <_> - 14 19 4 5 2. - <_> - - <_> - 2 14 8 10 -1. - <_> - 2 14 4 5 2. - <_> - 6 19 4 5 2. - <_> - - <_> - 10 18 12 6 -1. - <_> - 16 18 6 3 2. - <_> - 10 21 6 3 2. - <_> - - <_> - 1 3 6 9 -1. - <_> - 1 6 6 3 3. - <_> - - <_> - 11 3 3 20 -1. - <_> - 12 3 1 20 3. - <_> - - <_> - 4 6 14 6 -1. - <_> - 4 6 7 3 2. - <_> - 11 9 7 3 2. - <_> - - <_> - 6 5 12 13 -1. - <_> - 10 5 4 13 3. - <_> - - <_> - 5 4 4 15 -1. - <_> - 5 9 4 5 3. - <_> - - <_> - 9 16 15 4 -1. - <_> - 14 16 5 4 3. - <_> - - <_> - 7 8 6 14 -1. - <_> - 7 8 3 7 2. - <_> - 10 15 3 7 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 2 5 18 3 -1. - <_> - 2 6 18 1 3. - <_> - - <_> - 5 1 15 8 -1. - <_> - 5 5 15 4 2. - <_> - - <_> - 7 1 8 18 -1. - <_> - 7 10 8 9 2. - <_> - - <_> - 0 10 24 3 -1. - <_> - 0 11 24 1 3. - <_> - - <_> - 0 2 6 13 -1. - <_> - 2 2 2 13 3. - <_> - - <_> - 16 0 8 10 -1. - <_> - 20 0 4 5 2. - <_> - 16 5 4 5 2. - <_> - - <_> - 5 1 10 9 -1. - <_> - 5 4 10 3 3. - <_> - - <_> - 5 6 18 3 -1. - <_> - 5 7 18 1 3. - <_> - - <_> - 0 1 24 3 -1. - <_> - 0 2 24 1 3. - <_> - - <_> - 11 4 6 11 -1. - <_> - 13 4 2 11 3. - <_> - - <_> - 0 0 8 10 -1. - <_> - 0 0 4 5 2. - <_> - 4 5 4 5 2. - <_> - - <_> - 4 16 18 3 -1. - <_> - 4 17 18 1 3. - <_> - - <_> - 2 16 18 3 -1. - <_> - 2 17 18 1 3. - <_> - - <_> - 3 0 18 10 -1. - <_> - 12 0 9 5 2. - <_> - 3 5 9 5 2. - <_> - - <_> - 2 3 20 21 -1. - <_> - 12 3 10 21 2. - <_> - - <_> - 6 7 14 3 -1. - <_> - 6 7 7 3 2. - <_> - - <_> - 0 9 12 6 -1. - <_> - 0 9 6 3 2. - <_> - 6 12 6 3 2. - <_> - - <_> - 3 14 21 4 -1. - <_> - 10 14 7 4 3. - <_> - - <_> - 0 14 21 4 -1. - <_> - 7 14 7 4 3. - <_> - - <_> - 5 21 18 3 -1. - <_> - 11 21 6 3 3. - <_> - - <_> - 1 21 18 3 -1. - <_> - 7 21 6 3 3. - <_> - - <_> - 19 4 4 18 -1. - <_> - 21 4 2 9 2. - <_> - 19 13 2 9 2. - <_> - - <_> - 3 7 18 3 -1. - <_> - 3 8 18 1 3. - <_> - - <_> - 19 4 4 18 -1. - <_> - 21 4 2 9 2. - <_> - 19 13 2 9 2. - <_> - - <_> - 7 15 10 6 -1. - <_> - 7 17 10 2 3. - <_> - - <_> - 9 13 11 9 -1. - <_> - 9 16 11 3 3. - <_> - - <_> - 0 6 4 10 -1. - <_> - 0 11 4 5 2. - <_> - - <_> - 15 16 9 6 -1. - <_> - 15 18 9 2 3. - <_> - - <_> - 1 5 4 18 -1. - <_> - 1 5 2 9 2. - <_> - 3 14 2 9 2. - <_> - - <_> - 9 8 8 10 -1. - <_> - 13 8 4 5 2. - <_> - 9 13 4 5 2. - <_> - - <_> - 7 8 8 10 -1. - <_> - 7 8 4 5 2. - <_> - 11 13 4 5 2. - <_> - - <_> - 9 8 12 5 -1. - <_> - 13 8 4 5 3. - <_> - - <_> - 7 8 9 7 -1. - <_> - 10 8 3 7 3. - <_> - - <_> - 9 8 12 5 -1. - <_> - 13 8 4 5 3. - <_> - - <_> - 7 6 9 7 -1. - <_> - 10 6 3 7 3. - <_> - - <_> - 9 8 12 5 -1. - <_> - 13 8 4 5 3. - <_> - - <_> - 10 5 4 18 -1. - <_> - 10 11 4 6 3. - <_> - - <_> - 5 5 14 12 -1. - <_> - 5 11 14 6 2. - <_> - - <_> - 0 1 11 4 -1. - <_> - 0 3 11 2 2. - <_> - - <_> - 9 10 6 10 -1. - <_> - 11 10 2 10 3. - <_> - - <_> - 2 17 11 6 -1. - <_> - 2 19 11 2 3. - <_> - - <_> - 15 16 9 6 -1. - <_> - 15 18 9 2 3. - <_> - - <_> - 1 10 18 2 -1. - <_> - 1 11 18 1 2. - <_> - - <_> - 6 4 12 13 -1. - <_> - 10 4 4 13 3. - <_> - - <_> - 0 18 18 3 -1. - <_> - 0 19 18 1 3. - <_> - - <_> - 6 18 18 3 -1. - <_> - 6 19 18 1 3. - <_> - - <_> - 0 16 9 6 -1. - <_> - 0 18 9 2 3. - <_> - - <_> - 13 15 9 6 -1. - <_> - 13 17 9 2 3. - <_> - - <_> - 2 15 9 6 -1. - <_> - 2 17 9 2 3. - <_> - - <_> - 13 1 6 16 -1. - <_> - 13 1 3 16 2. - <_> - - <_> - 5 1 6 16 -1. - <_> - 8 1 3 16 2. - <_> - - <_> - 11 5 6 10 -1. - <_> - 13 5 2 10 3. - <_> - - <_> - 7 5 6 10 -1. - <_> - 9 5 2 10 3. - <_> - - <_> - 10 0 6 24 -1. - <_> - 12 0 2 24 3. - <_> - - <_> - 3 4 4 20 -1. - <_> - 3 4 2 10 2. - <_> - 5 14 2 10 2. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 4 5 18 5 -1. - <_> - 10 5 6 5 3. - <_> - - <_> - 5 6 6 9 -1. - <_> - 7 6 2 9 3. - <_> - - <_> - 7 2 15 8 -1. - <_> - 12 2 5 8 3. - <_> - - <_> - 2 2 15 8 -1. - <_> - 7 2 5 8 3. - <_> - - <_> - 10 0 4 9 -1. - <_> - 10 0 2 9 2. - <_> - - <_> - 3 4 6 12 -1. - <_> - 3 4 3 6 2. - <_> - 6 10 3 6 2. - <_> - - <_> - 16 0 8 18 -1. - <_> - 16 0 4 18 2. - <_> - - <_> - 0 0 8 18 -1. - <_> - 4 0 4 18 2. - <_> - - <_> - 0 7 24 6 -1. - <_> - 0 9 24 2 3. - <_> - - <_> - 4 7 14 3 -1. - <_> - 11 7 7 3 2. - <_> - - <_> - 10 8 8 15 -1. - <_> - 10 8 4 15 2. - <_> - - <_> - 7 0 10 14 -1. - <_> - 12 0 5 14 2. - <_> - - <_> - 13 10 8 10 -1. - <_> - 17 10 4 5 2. - <_> - 13 15 4 5 2. - <_> - - <_> - 3 0 4 9 -1. - <_> - 5 0 2 9 2. - <_> - - <_> - 16 1 6 8 -1. - <_> - 16 1 3 8 2. - <_> - - <_> - 2 1 6 8 -1. - <_> - 5 1 3 8 2. - <_> - - <_> - 3 6 18 12 -1. - <_> - 3 10 18 4 3. - <_> - - <_> - 4 12 16 4 -1. - <_> - 4 14 16 2 2. - <_> - - <_> - 4 9 16 15 -1. - <_> - 4 14 16 5 3. - <_> - - <_> - 3 10 8 10 -1. - <_> - 3 10 4 5 2. - <_> - 7 15 4 5 2. - <_> - - <_> - 8 18 16 6 -1. - <_> - 16 18 8 3 2. - <_> - 8 21 8 3 2. - <_> - - <_> - 2 16 12 5 -1. - <_> - 6 16 4 5 3. - <_> - - <_> - 14 14 9 4 -1. - <_> - 14 16 9 2 2. - <_> - - <_> - 7 14 9 6 -1. - <_> - 7 16 9 2 3. - <_> - - <_> - 4 10 16 12 -1. - <_> - 4 14 16 4 3. - <_> - - <_> - 0 13 19 6 -1. - <_> - 0 15 19 2 3. - <_> - - <_> - 10 13 9 6 -1. - <_> - 10 15 9 2 3. - <_> - - <_> - 5 0 3 23 -1. - <_> - 6 0 1 23 3. - <_> - - <_> - 0 8 24 6 -1. - <_> - 0 10 24 2 3. - <_> - - <_> - 0 5 5 12 -1. - <_> - 0 9 5 4 3. - <_> - - <_> - 3 0 19 18 -1. - <_> - 3 9 19 9 2. - <_> - - <_> - 9 11 6 12 -1. - <_> - 9 11 3 6 2. - <_> - 12 17 3 6 2. - <_> - - <_> - 0 5 24 8 -1. - <_> - 12 5 12 4 2. - <_> - 0 9 12 4 2. - <_> - - <_> - 6 18 9 4 -1. - <_> - 6 20 9 2 2. - <_> - - <_> - 8 8 10 6 -1. - <_> - 8 10 10 2 3. - <_> - - <_> - 2 7 20 3 -1. - <_> - 2 8 20 1 3. - <_> - - <_> - 12 0 7 20 -1. - <_> - 12 10 7 10 2. - <_> - - <_> - 5 0 7 20 -1. - <_> - 5 10 7 10 2. - <_> - - <_> - 14 2 2 18 -1. - <_> - 14 11 2 9 2. - <_> - - <_> - 5 8 10 12 -1. - <_> - 10 8 5 12 2. - <_> - - <_> - 6 9 12 8 -1. - <_> - 12 9 6 4 2. - <_> - 6 13 6 4 2. - <_> - - <_> - 7 7 3 14 -1. - <_> - 7 14 3 7 2. - <_> - - <_> - 11 2 12 16 -1. - <_> - 17 2 6 8 2. - <_> - 11 10 6 8 2. - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 13 14 9 4 -1. - <_> - 13 16 9 2 2. - <_> - - <_> - 0 12 22 4 -1. - <_> - 0 12 11 2 2. - <_> - 11 14 11 2 2. - <_> - - <_> - 1 12 22 6 -1. - <_> - 12 12 11 3 2. - <_> - 1 15 11 3 2. - <_> - - <_> - 6 6 9 6 -1. - <_> - 9 6 3 6 3. - <_> - - <_> - 10 0 4 9 -1. - <_> - 10 0 2 9 2. - <_> - - <_> - 3 8 18 7 -1. - <_> - 9 8 6 7 3. - <_> - - <_> - 0 6 24 6 -1. - <_> - 0 8 24 2 3. - <_> - - <_> - 0 11 24 10 -1. - <_> - 8 11 8 10 3. - <_> - - <_> - 3 3 18 21 -1. - <_> - 9 3 6 21 3. - <_> - - <_> - 7 12 4 10 -1. - <_> - 9 12 2 10 2. - <_> - - <_> - 10 16 10 8 -1. - <_> - 15 16 5 4 2. - <_> - 10 20 5 4 2. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 12 10 6 12 -1. - <_> - 15 10 3 6 2. - <_> - 12 16 3 6 2. - <_> - - <_> - 6 10 6 12 -1. - <_> - 6 10 3 6 2. - <_> - 9 16 3 6 2. - <_> - - <_> - 16 12 6 12 -1. - <_> - 19 12 3 6 2. - <_> - 16 18 3 6 2. - <_> - - <_> - 2 12 6 12 -1. - <_> - 2 12 3 6 2. - <_> - 5 18 3 6 2. - <_> - - <_> - 10 15 6 9 -1. - <_> - 12 15 2 9 3. - <_> - - <_> - 8 15 6 9 -1. - <_> - 10 15 2 9 3. - <_> - - <_> - 14 20 10 4 -1. - <_> - 14 20 5 4 2. - <_> - - <_> - 0 20 10 4 -1. - <_> - 5 20 5 4 2. - <_> - - <_> - 11 17 9 6 -1. - <_> - 11 19 9 2 3. - <_> - - <_> - 3 2 14 4 -1. - <_> - 3 4 14 2 2. - <_> - - <_> - 10 1 10 4 -1. - <_> - 10 3 10 2 2. - <_> - - <_> - 0 15 10 4 -1. - <_> - 5 15 5 4 2. - <_> - - <_> - 19 2 3 19 -1. - <_> - 20 2 1 19 3. - <_> - - <_> - 4 12 9 8 -1. - <_> - 7 12 3 8 3. - <_> - - <_> - 4 7 5 12 -1. - <_> - 4 11 5 4 3. - <_> - - <_> - 0 1 24 3 -1. - <_> - 8 1 8 3 3. - <_> - - <_> - 6 8 12 4 -1. - <_> - 6 10 12 2 2. - <_> - - <_> - 19 3 4 10 -1. - <_> - 19 3 2 10 2. - <_> - - <_> - 0 6 9 6 -1. - <_> - 3 6 3 6 3. - <_> - - <_> - 18 0 6 22 -1. - <_> - 20 0 2 22 3. - <_> - - <_> - 0 0 6 22 -1. - <_> - 2 0 2 22 3. - <_> - - <_> - 5 15 19 3 -1. - <_> - 5 16 19 1 3. - <_> - - <_> - 10 7 4 15 -1. - <_> - 10 12 4 5 3. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 0 21 18 3 -1. - <_> - 0 22 18 1 3. - <_> - - <_> - 7 3 10 15 -1. - <_> - 7 8 10 5 3. - <_> - - <_> - 1 7 18 3 -1. - <_> - 1 8 18 1 3. - <_> - - <_> - 8 2 9 6 -1. - <_> - 11 2 3 6 3. - <_> - - <_> - 0 10 24 14 -1. - <_> - 0 17 24 7 2. - <_> - - <_> - 13 9 8 10 -1. - <_> - 17 9 4 5 2. - <_> - 13 14 4 5 2. - <_> - - <_> - 10 5 4 9 -1. - <_> - 12 5 2 9 2. - <_> - - <_> - 13 9 8 10 -1. - <_> - 17 9 4 5 2. - <_> - 13 14 4 5 2. - <_> - - <_> - 7 11 10 10 -1. - <_> - 7 11 5 5 2. - <_> - 12 16 5 5 2. - <_> - - <_> - 4 13 18 4 -1. - <_> - 13 13 9 2 2. - <_> - 4 15 9 2 2. - <_> - - <_> - 0 0 19 2 -1. - <_> - 0 1 19 1 2. - <_> - - <_> - 0 18 24 6 -1. - <_> - 8 18 8 6 3. - <_> - - <_> - 6 4 8 16 -1. - <_> - 6 12 8 8 2. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 10 10 2 2. - <_> - - <_> - 0 3 6 9 -1. - <_> - 0 6 6 3 3. - <_> - - <_> - 13 15 7 9 -1. - <_> - 13 18 7 3 3. - <_> - - <_> - 3 18 12 6 -1. - <_> - 3 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 12 14 6 9 -1. - <_> - 12 17 6 3 3. - <_> - - <_> - 2 15 15 8 -1. - <_> - 2 19 15 4 2. - <_> - - <_> - 9 6 6 16 -1. - <_> - 9 14 6 8 2. - <_> - - <_> - 6 6 7 12 -1. - <_> - 6 10 7 4 3. - <_> - - <_> - 14 6 6 9 -1. - <_> - 14 9 6 3 3. - <_> - - <_> - 5 14 6 9 -1. - <_> - 5 17 6 3 3. - <_> - - <_> - 10 8 6 9 -1. - <_> - 12 8 2 9 3. - <_> - - <_> - 6 6 4 18 -1. - <_> - 6 6 2 9 2. - <_> - 8 15 2 9 2. - <_> - - <_> - 14 9 6 12 -1. - <_> - 17 9 3 6 2. - <_> - 14 15 3 6 2. - <_> - - <_> - 4 9 6 12 -1. - <_> - 4 9 3 6 2. - <_> - 7 15 3 6 2. - <_> - - <_> - 14 15 9 6 -1. - <_> - 14 17 9 2 3. - <_> - - <_> - 0 20 18 4 -1. - <_> - 0 20 9 2 2. - <_> - 9 22 9 2 2. - <_> - - <_> - 13 18 9 6 -1. - <_> - 13 20 9 2 3. - <_> - - <_> - 2 18 9 6 -1. - <_> - 2 20 9 2 3. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 19 2 4 22 -1. - <_> - 21 2 2 11 2. - <_> - 19 13 2 11 2. - <_> - - <_> - 1 2 4 22 -1. - <_> - 1 2 2 11 2. - <_> - 3 13 2 11 2. - <_> - - <_> - 15 0 2 24 -1. - <_> - 15 0 1 24 2. - <_> - - <_> - 3 20 16 4 -1. - <_> - 11 20 8 4 2. - <_> - - <_> - 11 6 4 18 -1. - <_> - 13 6 2 9 2. - <_> - 11 15 2 9 2. - <_> - - <_> - 7 9 10 14 -1. - <_> - 7 9 5 7 2. - <_> - 12 16 5 7 2. - <_> - - <_> - 14 6 6 9 -1. - <_> - 14 9 6 3 3. - <_> - - <_> - 3 6 7 9 -1. - <_> - 3 9 7 3 3. - <_> - - <_> - 20 4 4 20 -1. - <_> - 22 4 2 10 2. - <_> - 20 14 2 10 2. - <_> - - <_> - 7 6 6 9 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 7 0 10 14 -1. - <_> - 12 0 5 7 2. - <_> - 7 7 5 7 2. - <_> - - <_> - 2 1 18 6 -1. - <_> - 11 1 9 6 2. - <_> - - <_> - 15 0 2 24 -1. - <_> - 15 0 1 24 2. - <_> - - <_> - 7 0 2 24 -1. - <_> - 8 0 1 24 2. - <_> - - <_> - 13 12 6 7 -1. - <_> - 13 12 3 7 2. - <_> - - <_> - 5 12 6 7 -1. - <_> - 8 12 3 7 2. - <_> - - <_> - 3 5 18 19 -1. - <_> - 9 5 6 19 3. - <_> - - <_> - 5 6 9 6 -1. - <_> - 8 6 3 6 3. - <_> - - <_> - 9 5 9 6 -1. - <_> - 12 5 3 6 3. - <_> - - <_> - 3 16 10 8 -1. - <_> - 3 16 5 4 2. - <_> - 8 20 5 4 2. - <_> - - <_> - 19 8 5 15 -1. - <_> - 19 13 5 5 3. - <_> - - <_> - 0 8 5 15 -1. - <_> - 0 13 5 5 3. - <_> - - <_> - 20 4 4 20 -1. - <_> - 22 4 2 10 2. - <_> - 20 14 2 10 2. - <_> - - <_> - 0 4 4 20 -1. - <_> - 0 4 2 10 2. - <_> - 2 14 2 10 2. - <_> - - <_> - 7 7 10 4 -1. - <_> - 7 7 5 4 2. - <_> - - <_> - 4 19 14 4 -1. - <_> - 11 19 7 4 2. - <_> - - <_> - 10 11 12 3 -1. - <_> - 10 11 6 3 2. - <_> - - <_> - 0 1 24 3 -1. - <_> - 0 2 24 1 3. - <_> - - <_> - 7 2 14 20 -1. - <_> - 14 2 7 10 2. - <_> - 7 12 7 10 2. - <_> - - <_> - 0 13 6 9 -1. - <_> - 2 13 2 9 3. - <_> - - <_> - 13 0 4 19 -1. - <_> - 13 0 2 19 2. - <_> - - <_> - 1 11 14 3 -1. - <_> - 8 11 7 3 2. - <_> - - <_> - 7 1 16 20 -1. - <_> - 15 1 8 10 2. - <_> - 7 11 8 10 2. - <_> - - <_> - 0 10 21 9 -1. - <_> - 7 10 7 9 3. - <_> - - <_> - 6 19 15 5 -1. - <_> - 11 19 5 5 3. - <_> - - <_> - 8 10 6 6 -1. - <_> - 11 10 3 6 2. - <_> - - <_> - 7 1 16 20 -1. - <_> - 15 1 8 10 2. - <_> - 7 11 8 10 2. - <_> - - <_> - 1 1 16 20 -1. - <_> - 1 1 8 10 2. - <_> - 9 11 8 10 2. - <_> - - <_> - 16 4 3 12 -1. - <_> - 16 10 3 6 2. - <_> - - <_> - 5 4 3 12 -1. - <_> - 5 10 3 6 2. - <_> - - <_> - 7 6 10 8 -1. - <_> - 12 6 5 4 2. - <_> - 7 10 5 4 2. - <_> - - <_> - 4 9 6 6 -1. - <_> - 4 12 6 3 2. - <_> - - <_> - 6 5 12 4 -1. - <_> - 6 7 12 2 2. - <_> - - <_> - 9 2 5 15 -1. - <_> - 9 7 5 5 3. - <_> - - <_> - 15 0 9 6 -1. - <_> - 15 2 9 2 3. - <_> - - <_> - 6 0 11 10 -1. - <_> - 6 5 11 5 2. - <_> - - <_> - 12 7 4 12 -1. - <_> - 12 13 4 6 2. - <_> - - <_> - 7 2 9 4 -1. - <_> - 7 4 9 2 2. - <_> - - <_> - 6 0 13 6 -1. - <_> - 6 2 13 2 3. - <_> - - <_> - 10 6 4 18 -1. - <_> - 10 6 2 9 2. - <_> - 12 15 2 9 2. - <_> - - <_> - 10 8 6 9 -1. - <_> - 12 8 2 9 3. - <_> - - <_> - 3 18 10 6 -1. - <_> - 3 20 10 2 3. - <_> - - <_> - 4 14 20 3 -1. - <_> - 4 15 20 1 3. - <_> - - <_> - 2 15 9 6 -1. - <_> - 2 17 9 2 3. - <_> - - <_> - 13 0 4 19 -1. - <_> - 13 0 2 19 2. - <_> - - <_> - 7 0 4 19 -1. - <_> - 9 0 2 19 2. - <_> - - <_> - 1 4 22 2 -1. - <_> - 1 5 22 1 2. - <_> - - <_> - 0 0 9 6 -1. - <_> - 0 2 9 2 3. - <_> - - <_> - 0 0 24 18 -1. - <_> - 0 9 24 9 2. - <_> - - <_> - 3 2 16 8 -1. - <_> - 3 6 16 4 2. - <_> - - <_> - 3 6 18 6 -1. - <_> - 3 8 18 2 3. - <_> - - <_> - 3 1 6 10 -1. - <_> - 5 1 2 10 3. - <_> - - <_> - 13 0 9 6 -1. - <_> - 16 0 3 6 3. - <_> - - <_> - 2 0 9 6 -1. - <_> - 5 0 3 6 3. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 6 0 7 10 -1. - <_> - 6 5 7 5 2. - <_> - - <_> - 2 2 20 4 -1. - <_> - 12 2 10 2 2. - <_> - 2 4 10 2 2. - <_> - - <_> - 2 11 19 3 -1. - <_> - 2 12 19 1 3. - <_> - - <_> - 10 8 6 9 -1. - <_> - 12 8 2 9 3. - <_> - - <_> - 8 8 6 9 -1. - <_> - 10 8 2 9 3. - <_> - - <_> - 13 8 4 9 -1. - <_> - 13 8 2 9 2. - <_> - - <_> - 3 11 9 9 -1. - <_> - 6 11 3 9 3. - <_> - - <_> - 3 9 18 5 -1. - <_> - 9 9 6 5 3. - <_> - - <_> - 2 4 2 20 -1. - <_> - 2 14 2 10 2. - <_> - - <_> - 14 17 8 6 -1. - <_> - 14 20 8 3 2. - <_> - - <_> - 3 21 18 2 -1. - <_> - 3 22 18 1 2. - <_> - - <_> - 5 4 15 6 -1. - <_> - 10 4 5 6 3. - <_> - - <_> - 2 15 12 6 -1. - <_> - 2 17 12 2 3. - <_> - - <_> - 17 8 6 9 -1. - <_> - 17 11 6 3 3. - <_> - - <_> - 2 12 20 4 -1. - <_> - 2 12 10 2 2. - <_> - 12 14 10 2 2. - <_> - - <_> - 0 17 24 6 -1. - <_> - 0 19 24 2 3. - <_> - - <_> - 7 16 9 4 -1. - <_> - 7 18 9 2 2. - <_> - - <_> - 15 1 4 22 -1. - <_> - 17 1 2 11 2. - <_> - 15 12 2 11 2. - <_> - - <_> - 5 1 4 22 -1. - <_> - 5 1 2 11 2. - <_> - 7 12 2 11 2. - <_> - - <_> - 11 13 8 9 -1. - <_> - 11 16 8 3 3. - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 1 2 9 3. - <_> - - <_> - 11 4 3 18 -1. - <_> - 11 10 3 6 3. - <_> - - <_> - 5 8 12 6 -1. - <_> - 5 8 6 3 2. - <_> - 11 11 6 3 2. - <_> - - <_> - 15 7 5 8 -1. - <_> - 15 11 5 4 2. - <_> - - <_> - 4 7 5 8 -1. - <_> - 4 11 5 4 2. - <_> - - <_> - 12 6 6 12 -1. - <_> - 15 6 3 6 2. - <_> - 12 12 3 6 2. - <_> - - <_> - 6 6 6 12 -1. - <_> - 6 6 3 6 2. - <_> - 9 12 3 6 2. - <_> - - <_> - 5 9 14 8 -1. - <_> - 12 9 7 4 2. - <_> - 5 13 7 4 2. - <_> - - <_> - 9 1 3 14 -1. - <_> - 9 8 3 7 2. - <_> - - <_> - 12 6 6 12 -1. - <_> - 12 10 6 4 3. - <_> - - <_> - 4 5 4 18 -1. - <_> - 4 5 2 9 2. - <_> - 6 14 2 9 2. - <_> - - <_> - 4 6 16 18 -1. - <_> - 4 12 16 6 3. - <_> - - <_> - 5 4 7 20 -1. - <_> - 5 14 7 10 2. - <_> - - <_> - 14 8 8 12 -1. - <_> - 14 14 8 6 2. - <_> - - <_> - 9 10 6 14 -1. - <_> - 9 10 3 7 2. - <_> - 12 17 3 7 2. - <_> - - <_> - 9 5 9 6 -1. - <_> - 12 5 3 6 3. - <_> - - <_> - 9 4 3 18 -1. - <_> - 10 4 1 18 3. - <_> - - <_> - 1 4 22 14 -1. - <_> - 12 4 11 7 2. - <_> - 1 11 11 7 2. - <_> - - <_> - 2 7 18 2 -1. - <_> - 2 8 18 1 2. - <_> - - <_> - 12 6 6 12 -1. - <_> - 12 10 6 4 3. - <_> - - <_> - 6 5 9 7 -1. - <_> - 9 5 3 7 3. - <_> - - <_> - 12 7 4 12 -1. - <_> - 12 13 4 6 2. - <_> - - <_> - 8 7 4 12 -1. - <_> - 8 13 4 6 2. - <_> - - <_> - 7 2 10 22 -1. - <_> - 7 13 10 11 2. - <_> - - <_> - 0 1 3 20 -1. - <_> - 1 1 1 20 3. - <_> - - <_> - 4 13 18 4 -1. - <_> - 13 13 9 2 2. - <_> - 4 15 9 2 2. - <_> - - <_> - 2 13 18 4 -1. - <_> - 2 13 9 2 2. - <_> - 11 15 9 2 2. - <_> - - <_> - 15 15 9 6 -1. - <_> - 15 17 9 2 3. - <_> - - <_> - 0 15 9 6 -1. - <_> - 0 17 9 2 3. - <_> - - <_> - 6 0 18 24 -1. - <_> - 15 0 9 12 2. - <_> - 6 12 9 12 2. - <_> - - <_> - 6 6 6 12 -1. - <_> - 6 10 6 4 3. - <_> - - <_> - 8 7 10 4 -1. - <_> - 8 9 10 2 2. - <_> - - <_> - 1 9 18 6 -1. - <_> - 1 9 9 3 2. - <_> - 10 12 9 3 2. - <_> - - <_> - 6 6 18 3 -1. - <_> - 6 7 18 1 3. - <_> - - <_> - 7 7 9 8 -1. - <_> - 10 7 3 8 3. - <_> - - <_> - 10 12 6 12 -1. - <_> - 12 12 2 12 3. - <_> - - <_> - 3 14 18 3 -1. - <_> - 3 15 18 1 3. - <_> - - <_> - 15 17 9 7 -1. - <_> - 18 17 3 7 3. - <_> - - <_> - 1 12 10 6 -1. - <_> - 1 14 10 2 3. - <_> - - <_> - 15 17 9 7 -1. - <_> - 18 17 3 7 3. - <_> - - <_> - 10 3 3 19 -1. - <_> - 11 3 1 19 3. - <_> - - <_> - 15 17 9 7 -1. - <_> - 18 17 3 7 3. - <_> - - <_> - 6 1 11 9 -1. - <_> - 6 4 11 3 3. - <_> - - <_> - 15 17 9 7 -1. - <_> - 18 17 3 7 3. - <_> - - <_> - 6 5 11 6 -1. - <_> - 6 8 11 3 2. - <_> - - <_> - 16 7 8 5 -1. - <_> - 16 7 4 5 2. - <_> - - <_> - 2 4 20 19 -1. - <_> - 12 4 10 19 2. - <_> - - <_> - 2 1 21 6 -1. - <_> - 9 1 7 6 3. - <_> - - <_> - 6 5 12 14 -1. - <_> - 6 5 6 7 2. - <_> - 12 12 6 7 2. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 2 11 8 5 -1. - <_> - 6 11 4 5 2. - <_> - - <_> - 16 7 8 5 -1. - <_> - 16 7 4 5 2. - <_> - - <_> - 0 7 8 5 -1. - <_> - 4 7 4 5 2. - <_> - - <_> - 15 17 9 7 -1. - <_> - 18 17 3 7 3. - <_> - - <_> - 8 6 8 10 -1. - <_> - 8 6 4 5 2. - <_> - 12 11 4 5 2. - <_> - - <_> - 15 15 9 9 -1. - <_> - 18 15 3 9 3. - <_> - - <_> - 0 15 9 9 -1. - <_> - 3 15 3 9 3. - <_> - - <_> - 12 10 9 7 -1. - <_> - 15 10 3 7 3. - <_> - - <_> - 3 10 9 7 -1. - <_> - 6 10 3 7 3. - <_> - - <_> - 13 15 10 8 -1. - <_> - 18 15 5 4 2. - <_> - 13 19 5 4 2. - <_> - - <_> - 0 1 6 12 -1. - <_> - 0 1 3 6 2. - <_> - 3 7 3 6 2. - <_> - - <_> - 10 0 6 12 -1. - <_> - 13 0 3 6 2. - <_> - 10 6 3 6 2. - <_> - - <_> - 7 0 10 12 -1. - <_> - 7 0 5 6 2. - <_> - 12 6 5 6 2. - <_> - - <_> - 4 1 16 8 -1. - <_> - 4 1 8 8 2. - <_> - - <_> - 0 21 19 3 -1. - <_> - 0 22 19 1 3. - <_> - - <_> - 6 9 18 4 -1. - <_> - 15 9 9 2 2. - <_> - 6 11 9 2 2. - <_> - - <_> - 3 4 9 6 -1. - <_> - 3 6 9 2 3. - <_> - - <_> - 9 1 6 15 -1. - <_> - 9 6 6 5 3. - <_> - - <_> - 5 9 6 6 -1. - <_> - 8 9 3 6 2. - <_> - - <_> - 5 1 14 9 -1. - <_> - 5 4 14 3 3. - <_> - - <_> - 3 0 8 20 -1. - <_> - 3 0 4 10 2. - <_> - 7 10 4 10 2. - <_> - - <_> - 5 0 7 9 -1. - <_> - 5 3 7 3 3. - <_> - - <_> - 6 6 12 5 -1. - <_> - 10 6 4 5 3. - <_> - - <_> - 0 1 8 14 -1. - <_> - 4 1 4 14 2. - <_> - - <_> - 2 12 22 4 -1. - <_> - 2 14 22 2 2. - <_> - - <_> - 8 17 6 6 -1. - <_> - 8 20 6 3 2. - <_> - - <_> - 18 1 6 7 -1. - <_> - 18 1 3 7 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 4 6 17 18 -1. - <_> - 4 12 17 6 3. - <_> - - <_> - 6 0 12 6 -1. - <_> - 6 0 6 3 2. - <_> - 12 3 6 3 2. - <_> - - <_> - 4 7 18 4 -1. - <_> - 13 7 9 2 2. - <_> - 4 9 9 2 2. - <_> - - <_> - 4 12 10 6 -1. - <_> - 4 14 10 2 3. - <_> - - <_> - 7 9 10 12 -1. - <_> - 12 9 5 6 2. - <_> - 7 15 5 6 2. - <_> - - <_> - 0 1 24 3 -1. - <_> - 8 1 8 3 3. - <_> - - <_> - 13 11 6 6 -1. - <_> - 13 11 3 6 2. - <_> - - <_> - 5 11 6 6 -1. - <_> - 8 11 3 6 2. - <_> - - <_> - 3 10 19 3 -1. - <_> - 3 11 19 1 3. - <_> - - <_> - 0 2 6 9 -1. - <_> - 0 5 6 3 3. - <_> - - <_> - 14 16 10 6 -1. - <_> - 14 18 10 2 3. - <_> - - <_> - 0 16 10 6 -1. - <_> - 0 18 10 2 3. - <_> - - <_> - 14 13 9 6 -1. - <_> - 14 15 9 2 3. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 0 18 9 6 -1. - <_> - 0 20 9 2 3. - <_> - - <_> - 14 13 9 6 -1. - <_> - 14 15 9 2 3. - <_> - - <_> - 6 2 6 9 -1. - <_> - 8 2 2 9 3. - <_> - - <_> - 15 8 4 12 -1. - <_> - 15 8 2 12 2. - <_> - - <_> - 8 13 8 8 -1. - <_> - 8 17 8 4 2. - <_> - - <_> - 4 20 18 3 -1. - <_> - 10 20 6 3 3. - <_> - - <_> - 5 8 4 12 -1. - <_> - 7 8 2 12 2. - <_> - - <_> - 7 7 12 3 -1. - <_> - 7 7 6 3 2. - <_> - - <_> - 10 6 4 9 -1. - <_> - 12 6 2 9 2. - <_> - - <_> - 5 20 18 3 -1. - <_> - 11 20 6 3 3. - <_> - - <_> - 1 20 18 3 -1. - <_> - 7 20 6 3 3. - <_> - - <_> - 18 1 6 20 -1. - <_> - 21 1 3 10 2. - <_> - 18 11 3 10 2. - <_> - - <_> - 0 1 6 20 -1. - <_> - 0 1 3 10 2. - <_> - 3 11 3 10 2. - <_> - - <_> - 13 3 4 18 -1. - <_> - 15 3 2 9 2. - <_> - 13 12 2 9 2. - <_> - - <_> - 0 2 6 12 -1. - <_> - 0 6 6 4 3. - <_> - - <_> - 12 9 12 6 -1. - <_> - 18 9 6 3 2. - <_> - 12 12 6 3 2. - <_> - - <_> - 7 3 4 18 -1. - <_> - 7 3 2 9 2. - <_> - 9 12 2 9 2. - <_> - - <_> - 14 0 6 9 -1. - <_> - 16 0 2 9 3. - <_> - - <_> - 0 9 12 6 -1. - <_> - 0 9 6 3 2. - <_> - 6 12 6 3 2. - <_> - - <_> - 14 4 8 20 -1. - <_> - 18 4 4 10 2. - <_> - 14 14 4 10 2. - <_> - - <_> - 2 4 8 20 -1. - <_> - 2 4 4 10 2. - <_> - 6 14 4 10 2. - <_> - - <_> - 14 13 9 6 -1. - <_> - 14 15 9 2 3. - <_> - - <_> - 1 13 9 6 -1. - <_> - 1 15 9 2 3. - <_> - - <_> - 3 15 18 3 -1. - <_> - 9 15 6 3 3. - <_> - - <_> - 5 13 9 6 -1. - <_> - 5 15 9 2 3. - <_> - - <_> - 5 0 18 3 -1. - <_> - 5 1 18 1 3. - <_> - - <_> - 8 2 6 7 -1. - <_> - 11 2 3 7 2. - <_> - - <_> - 9 1 9 6 -1. - <_> - 12 1 3 6 3. - <_> - - <_> - 6 1 9 6 -1. - <_> - 9 1 3 6 3. - <_> - - <_> - 5 6 14 6 -1. - <_> - 12 6 7 3 2. - <_> - 5 9 7 3 2. - <_> - - <_> - 8 2 6 13 -1. - <_> - 10 2 2 13 3. - <_> - - <_> - 6 11 12 6 -1. - <_> - 12 11 6 3 2. - <_> - 6 14 6 3 2. - <_> - - <_> - 3 1 18 15 -1. - <_> - 9 1 6 15 3. - <_> - - <_> - 13 0 6 7 -1. - <_> - 13 0 3 7 2. - <_> - - <_> - 3 3 16 6 -1. - <_> - 3 6 16 3 2. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 7 7 6 9 -1. - <_> - 9 7 2 9 3. - <_> - - <_> - 13 0 4 24 -1. - <_> - 13 0 2 24 2. - <_> - - <_> - 7 0 4 24 -1. - <_> - 9 0 2 24 2. - <_> - - <_> - 11 9 5 12 -1. - <_> - 11 13 5 4 3. - <_> - - <_> - 7 15 9 6 -1. - <_> - 7 17 9 2 3. - <_> - - <_> - 5 7 18 6 -1. - <_> - 5 9 18 2 3. - <_> - - <_> - 8 9 5 12 -1. - <_> - 8 13 5 4 3. - <_> - - <_> - 4 17 17 6 -1. - <_> - 4 19 17 2 3. - <_> - - <_> - 0 3 18 14 -1. - <_> - 0 3 9 7 2. - <_> - 9 10 9 7 2. - <_> - - <_> - 0 1 24 2 -1. - <_> - 0 2 24 1 2. - <_> - - <_> - 0 15 18 3 -1. - <_> - 0 16 18 1 3. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 3 3 14 12 -1. - <_> - 3 9 14 6 2. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 8 0 6 9 -1. - <_> - 10 0 2 9 3. - <_> - - <_> - 10 6 6 10 -1. - <_> - 12 6 2 10 3. - <_> - - <_> - 5 0 6 9 -1. - <_> - 7 0 2 9 3. - <_> - - <_> - 2 0 21 7 -1. - <_> - 9 0 7 7 3. - <_> - - <_> - 6 11 12 5 -1. - <_> - 10 11 4 5 3. - <_> - - <_> - 8 7 9 8 -1. - <_> - 11 7 3 8 3. - <_> - - <_> - 9 6 6 18 -1. - <_> - 9 6 3 9 2. - <_> - 12 15 3 9 2. - <_> - - <_> - 15 14 8 10 -1. - <_> - 19 14 4 5 2. - <_> - 15 19 4 5 2. - <_> - - <_> - 1 14 8 10 -1. - <_> - 1 14 4 5 2. - <_> - 5 19 4 5 2. - <_> - - <_> - 11 0 8 10 -1. - <_> - 15 0 4 5 2. - <_> - 11 5 4 5 2. - <_> - - <_> - 5 0 8 10 -1. - <_> - 5 0 4 5 2. - <_> - 9 5 4 5 2. - <_> - - <_> - 6 1 12 5 -1. - <_> - 6 1 6 5 2. - <_> - - <_> - 1 12 18 2 -1. - <_> - 10 12 9 2 2. - <_> - - <_> - 2 8 20 6 -1. - <_> - 12 8 10 3 2. - <_> - 2 11 10 3 2. - <_> - - <_> - 7 6 9 7 -1. - <_> - 10 6 3 7 3. - <_> - - <_> - 10 5 8 16 -1. - <_> - 14 5 4 8 2. - <_> - 10 13 4 8 2. - <_> - - <_> - 3 9 16 8 -1. - <_> - 3 9 8 4 2. - <_> - 11 13 8 4 2. - <_> - - <_> - 7 8 10 4 -1. - <_> - 7 8 5 4 2. - <_> - - <_> - 7 12 10 8 -1. - <_> - 7 12 5 4 2. - <_> - 12 16 5 4 2. - <_> - - <_> - 9 19 15 4 -1. - <_> - 14 19 5 4 3. - <_> - - <_> - 1 0 18 9 -1. - <_> - 7 0 6 9 3. - <_> - - <_> - 13 4 10 8 -1. - <_> - 18 4 5 4 2. - <_> - 13 8 5 4 2. - <_> - - <_> - 3 16 18 4 -1. - <_> - 9 16 6 4 3. - <_> - - <_> - 8 7 10 12 -1. - <_> - 13 7 5 6 2. - <_> - 8 13 5 6 2. - <_> - - <_> - 6 7 10 12 -1. - <_> - 6 7 5 6 2. - <_> - 11 13 5 6 2. - <_> - - <_> - 4 6 18 7 -1. - <_> - 10 6 6 7 3. - <_> - - <_> - 0 17 18 3 -1. - <_> - 0 18 18 1 3. - <_> - - <_> - 3 17 18 3 -1. - <_> - 3 18 18 1 3. - <_> - - <_> - 2 4 6 10 -1. - <_> - 4 4 2 10 3. - <_> - - <_> - 16 0 8 24 -1. - <_> - 16 0 4 24 2. - <_> - - <_> - 4 0 8 15 -1. - <_> - 8 0 4 15 2. - <_> - - <_> - 16 0 8 24 -1. - <_> - 16 0 4 24 2. - <_> - - <_> - 1 4 18 9 -1. - <_> - 7 4 6 9 3. - <_> - - <_> - 15 12 9 6 -1. - <_> - 15 14 9 2 3. - <_> - - <_> - 3 9 18 6 -1. - <_> - 3 9 9 3 2. - <_> - 12 12 9 3 2. - <_> - - <_> - 18 5 6 9 -1. - <_> - 18 8 6 3 3. - <_> - - <_> - 0 5 6 9 -1. - <_> - 0 8 6 3 3. - <_> - - <_> - 4 7 18 4 -1. - <_> - 13 7 9 2 2. - <_> - 4 9 9 2 2. - <_> - - <_> - 2 1 12 20 -1. - <_> - 2 1 6 10 2. - <_> - 8 11 6 10 2. - <_> - - <_> - 17 0 6 23 -1. - <_> - 17 0 3 23 2. - <_> - - <_> - 1 6 2 18 -1. - <_> - 1 15 2 9 2. - <_> - - <_> - 8 8 10 6 -1. - <_> - 8 10 10 2 3. - <_> - - <_> - 0 6 20 6 -1. - <_> - 0 6 10 3 2. - <_> - 10 9 10 3 2. - <_> - - <_> - 11 12 12 5 -1. - <_> - 15 12 4 5 3. - <_> - - <_> - 0 4 3 19 -1. - <_> - 1 4 1 19 3. - <_> - - <_> - 19 1 3 18 -1. - <_> - 20 1 1 18 3. - <_> - - <_> - 2 1 3 18 -1. - <_> - 3 1 1 18 3. - <_> - - <_> - 3 10 18 3 -1. - <_> - 9 10 6 3 3. - <_> - - <_> - 4 4 10 9 -1. - <_> - 9 4 5 9 2. - <_> - - <_> - 7 13 14 7 -1. - <_> - 7 13 7 7 2. - <_> - - <_> - 3 13 14 7 -1. - <_> - 10 13 7 7 2. - <_> - - <_> - 8 15 9 6 -1. - <_> - 11 15 3 6 3. - <_> - - <_> - 4 14 8 10 -1. - <_> - 4 14 4 5 2. - <_> - 8 19 4 5 2. - <_> - - <_> - 10 14 4 10 -1. - <_> - 10 19 4 5 2. - <_> - - <_> - 3 8 5 16 -1. - <_> - 3 16 5 8 2. - <_> - - <_> - 15 10 9 6 -1. - <_> - 15 12 9 2 3. - <_> - - <_> - 0 10 9 6 -1. - <_> - 0 12 9 2 3. - <_> - - <_> - 6 7 12 9 -1. - <_> - 6 10 12 3 3. - <_> - - <_> - 9 10 5 8 -1. - <_> - 9 14 5 4 2. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 8 15 6 9 -1. - <_> - 10 15 2 9 3. - <_> - - <_> - 16 6 7 6 -1. - <_> - 16 9 7 3 2. - <_> - - <_> - 8 1 4 22 -1. - <_> - 10 1 2 22 2. - <_> - - <_> - 6 6 14 3 -1. - <_> - 6 6 7 3 2. - <_> - - <_> - 0 18 19 3 -1. - <_> - 0 19 19 1 3. - <_> - - <_> - 17 0 6 24 -1. - <_> - 17 0 3 24 2. - <_> - - <_> - 0 13 15 6 -1. - <_> - 5 13 5 6 3. - <_> - - <_> - 9 6 10 14 -1. - <_> - 14 6 5 7 2. - <_> - 9 13 5 7 2. - <_> - - <_> - 1 6 8 10 -1. - <_> - 1 6 4 5 2. - <_> - 5 11 4 5 2. - <_> - - <_> - 7 6 12 5 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 7 7 9 6 -1. - <_> - 10 7 3 6 3. - <_> - - <_> - 7 8 14 14 -1. - <_> - 14 8 7 7 2. - <_> - 7 15 7 7 2. - <_> - - <_> - 3 8 14 14 -1. - <_> - 3 8 7 7 2. - <_> - 10 15 7 7 2. - <_> - - <_> - 9 8 13 4 -1. - <_> - 9 10 13 2 2. - <_> - - <_> - 3 2 6 12 -1. - <_> - 3 2 3 6 2. - <_> - 6 8 3 6 2. - <_> - - <_> - 6 10 17 6 -1. - <_> - 6 13 17 3 2. - <_> - - <_> - 1 10 17 6 -1. - <_> - 1 13 17 3 2. - <_> - - <_> - 16 7 8 9 -1. - <_> - 16 10 8 3 3. - <_> - - <_> - 0 7 8 9 -1. - <_> - 0 10 8 3 3. - <_> - - <_> - 0 9 24 10 -1. - <_> - 12 9 12 5 2. - <_> - 0 14 12 5 2. - <_> - - <_> - 3 2 15 8 -1. - <_> - 8 2 5 8 3. - <_> - - <_> - 4 2 18 8 -1. - <_> - 10 2 6 8 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 0 1 9 2 2. - <_> - 9 3 9 2 2. - <_> - - <_> - 20 2 3 18 -1. - <_> - 21 2 1 18 3. - <_> - - <_> - 1 3 3 19 -1. - <_> - 2 3 1 19 3. - <_> - - <_> - 18 8 6 16 -1. - <_> - 20 8 2 16 3. - <_> - - <_> - 0 8 6 16 -1. - <_> - 2 8 2 16 3. - <_> - - <_> - 8 18 11 6 -1. - <_> - 8 20 11 2 3. - <_> - - <_> - 4 6 12 5 -1. - <_> - 8 6 4 5 3. - <_> - - <_> - 7 6 12 5 -1. - <_> - 11 6 4 5 3. - <_> - - <_> - 6 3 9 6 -1. - <_> - 9 3 3 6 3. - <_> - - <_> - 7 6 12 5 -1. - <_> - 7 6 6 5 2. - <_> - - <_> - 9 8 6 7 -1. - <_> - 12 8 3 7 2. - <_> - - <_> - 8 2 9 6 -1. - <_> - 11 2 3 6 3. - <_> - - <_> - 8 14 6 9 -1. - <_> - 8 17 6 3 3. - <_> - - <_> - 8 2 9 6 -1. - <_> - 11 2 3 6 3. - <_> - - <_> - 4 3 16 20 -1. - <_> - 4 3 8 10 2. - <_> - 12 13 8 10 2. - <_> - - <_> - 7 6 10 12 -1. - <_> - 12 6 5 6 2. - <_> - 7 12 5 6 2. - <_> - - <_> - 0 2 7 12 -1. - <_> - 0 6 7 4 3. - <_> - - <_> - 12 17 11 6 -1. - <_> - 12 19 11 2 3. - <_> - - <_> - 4 7 12 8 -1. - <_> - 4 7 6 4 2. - <_> - 10 11 6 4 2. - <_> - - <_> - 8 11 8 10 -1. - <_> - 12 11 4 5 2. - <_> - 8 16 4 5 2. - <_> - - <_> - 9 1 4 9 -1. - <_> - 11 1 2 9 2. - <_> - - <_> - 14 0 3 22 -1. - <_> - 15 0 1 22 3. - <_> - - <_> - 7 0 3 22 -1. - <_> - 8 0 1 22 3. - <_> - - <_> - 4 7 18 4 -1. - <_> - 13 7 9 2 2. - <_> - 4 9 9 2 2. - <_> - - <_> - 10 2 4 15 -1. - <_> - 10 7 4 5 3. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 0 0 18 13 -1. - <_> - 9 0 9 13 2. - <_> - - <_> - 16 0 3 24 -1. - <_> - 17 0 1 24 3. - <_> - - <_> - 5 0 3 24 -1. - <_> - 6 0 1 24 3. - <_> - - <_> - 10 15 5 8 -1. - <_> - 10 19 5 4 2. - <_> - - <_> - 2 18 18 2 -1. - <_> - 2 19 18 1 2. - <_> - - <_> - 2 8 20 3 -1. - <_> - 2 9 20 1 3. - <_> - - <_> - 7 6 9 6 -1. - <_> - 7 8 9 2 3. - <_> - - <_> - 3 2 19 10 -1. - <_> - 3 7 19 5 2. - <_> - - <_> - 2 7 19 3 -1. - <_> - 2 8 19 1 3. - <_> - - <_> - 15 6 9 4 -1. - <_> - 15 8 9 2 2. - <_> - - <_> - 2 2 18 8 -1. - <_> - 8 2 6 8 3. - <_> - - <_> - 10 9 14 4 -1. - <_> - 10 9 7 4 2. - <_> - - <_> - 4 4 6 16 -1. - <_> - 7 4 3 16 2. - <_> - - <_> - 15 8 9 16 -1. - <_> - 18 8 3 16 3. - <_> - - <_> - 0 8 9 16 -1. - <_> - 3 8 3 16 3. - <_> - - <_> - 18 0 6 14 -1. - <_> - 20 0 2 14 3. - <_> - - <_> - 0 0 6 14 -1. - <_> - 2 0 2 14 3. - <_> - - <_> - 15 0 6 22 -1. - <_> - 17 0 2 22 3. - <_> - - <_> - 3 0 6 22 -1. - <_> - 5 0 2 22 3. - <_> - - <_> - 12 2 12 20 -1. - <_> - 16 2 4 20 3. - <_> - - <_> - 0 2 12 20 -1. - <_> - 4 2 4 20 3. - <_> - - <_> - 11 6 4 9 -1. - <_> - 11 6 2 9 2. - <_> - - <_> - 9 0 6 16 -1. - <_> - 12 0 3 16 2. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 7 3 6 2. - <_> - - <_> - 3 4 18 6 -1. - <_> - 3 4 9 3 2. - <_> - 12 7 9 3 2. - <_> - - <_> - 5 5 16 8 -1. - <_> - 13 5 8 4 2. - <_> - 5 9 8 4 2. - <_> - - <_> - 0 13 10 6 -1. - <_> - 0 15 10 2 3. - <_> - - <_> - 8 14 9 6 -1. - <_> - 8 16 9 2 3. - <_> - - <_> - 6 2 9 6 -1. - <_> - 9 2 3 6 3. - <_> - - <_> - 14 1 10 8 -1. - <_> - 19 1 5 4 2. - <_> - 14 5 5 4 2. - <_> - - <_> - 9 1 3 12 -1. - <_> - 9 7 3 6 2. - <_> - - <_> - 6 4 12 9 -1. - <_> - 6 7 12 3 3. - <_> - - <_> - 6 5 12 6 -1. - <_> - 10 5 4 6 3. - <_> - - <_> - 1 1 8 5 -1. - <_> - 5 1 4 5 2. - <_> - - <_> - 12 12 6 8 -1. - <_> - 12 16 6 4 2. - <_> - - <_> - 3 12 12 6 -1. - <_> - 3 14 12 2 3. - <_> - - <_> - 9 18 12 6 -1. - <_> - 15 18 6 3 2. - <_> - 9 21 6 3 2. - <_> - - <_> - 4 13 6 6 -1. - <_> - 4 16 6 3 2. - <_> - - <_> - 11 3 7 18 -1. - <_> - 11 12 7 9 2. - <_> - - <_> - 3 9 18 3 -1. - <_> - 9 9 6 3 3. - <_> - - <_> - 5 3 19 2 -1. - <_> - 5 4 19 1 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 4 2 6 3 2. - <_> - 10 5 6 3 2. - <_> - - <_> - 9 6 6 9 -1. - <_> - 11 6 2 9 3. - <_> - - <_> - 8 6 6 9 -1. - <_> - 10 6 2 9 3. - <_> - - <_> - 16 9 5 15 -1. - <_> - 16 14 5 5 3. - <_> - - <_> - 3 9 5 15 -1. - <_> - 3 14 5 5 3. - <_> - - <_> - 6 6 14 6 -1. - <_> - 13 6 7 3 2. - <_> - 6 9 7 3 2. - <_> - - <_> - 8 6 3 14 -1. - <_> - 8 13 3 7 2. - <_> - - <_> - 0 16 24 5 -1. - <_> - 8 16 8 5 3. - <_> - - <_> - 0 20 20 3 -1. - <_> - 10 20 10 3 2. - <_> - - <_> - 5 10 18 2 -1. - <_> - 5 11 18 1 2. - <_> - - <_> - 0 6 6 10 -1. - <_> - 2 6 2 10 3. - <_> - - <_> - 2 1 20 3 -1. - <_> - 2 2 20 1 3. - <_> - - <_> - 9 13 6 11 -1. - <_> - 11 13 2 11 3. - <_> - - <_> - 9 15 6 8 -1. - <_> - 9 19 6 4 2. - <_> - - <_> - 9 12 6 9 -1. - <_> - 9 15 6 3 3. - <_> - - <_> - 5 11 18 2 -1. - <_> - 5 12 18 1 2. - <_> - - <_> - 2 6 15 6 -1. - <_> - 2 8 15 2 3. - <_> - - <_> - 6 0 18 3 -1. - <_> - 6 1 18 1 3. - <_> - - <_> - 5 0 3 18 -1. - <_> - 6 0 1 18 3. - <_> - - <_> - 18 3 6 10 -1. - <_> - 20 3 2 10 3. - <_> - - <_> - 0 3 6 10 -1. - <_> - 2 3 2 10 3. - <_> - - <_> - 10 5 8 9 -1. - <_> - 10 5 4 9 2. - <_> - - <_> - 6 5 8 9 -1. - <_> - 10 5 4 9 2. - <_> - - <_> - 3 2 20 3 -1. - <_> - 3 3 20 1 3. - <_> - - <_> - 5 2 13 4 -1. - <_> - 5 4 13 2 2. - <_> - - <_> - 17 0 7 14 -1. - <_> - 17 7 7 7 2. - <_> - - <_> - 0 0 7 14 -1. - <_> - 0 7 7 7 2. - <_> - - <_> - 9 11 10 6 -1. - <_> - 9 11 5 6 2. - <_> - - <_> - 5 11 10 6 -1. - <_> - 10 11 5 6 2. - <_> - - <_> - 11 6 3 18 -1. - <_> - 11 12 3 6 3. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 6 16 18 3 -1. - <_> - 6 17 18 1 3. - <_> - - <_> - 4 6 9 10 -1. - <_> - 4 11 9 5 2. - <_> - - <_> - 9 7 15 4 -1. - <_> - 9 9 15 2 2. - <_> - - <_> - 5 6 12 6 -1. - <_> - 5 6 6 3 2. - <_> - 11 9 6 3 2. - <_> - - <_> - 6 1 12 9 -1. - <_> - 6 4 12 3 3. - <_> - - <_> - 7 9 6 12 -1. - <_> - 7 9 3 6 2. - <_> - 10 15 3 6 2. - <_> - - <_> - 11 5 13 6 -1. - <_> - 11 7 13 2 3. - <_> - - <_> - 1 11 22 13 -1. - <_> - 12 11 11 13 2. - <_> - - <_> - 18 8 6 6 -1. - <_> - 18 11 6 3 2. - <_> - - <_> - 0 8 6 6 -1. - <_> - 0 11 6 3 2. - <_> - - <_> - 0 6 24 3 -1. - <_> - 0 7 24 1 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 7 10 2 3. - <_> - - <_> - 6 7 18 3 -1. - <_> - 6 8 18 1 3. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 2 10 2 3. - <_> - - <_> - 19 0 3 19 -1. - <_> - 20 0 1 19 3. - <_> - - <_> - 4 6 12 16 -1. - <_> - 4 6 6 8 2. - <_> - 10 14 6 8 2. - <_> - - <_> - 19 6 4 18 -1. - <_> - 21 6 2 9 2. - <_> - 19 15 2 9 2. - <_> - - <_> - 1 6 4 18 -1. - <_> - 1 6 2 9 2. - <_> - 3 15 2 9 2. - <_> - - <_> - 3 21 18 3 -1. - <_> - 3 22 18 1 3. - <_> - - <_> - 0 19 9 4 -1. - <_> - 0 21 9 2 2. - <_> - - <_> - 12 18 12 6 -1. - <_> - 18 18 6 3 2. - <_> - 12 21 6 3 2. - <_> - - <_> - 7 18 9 4 -1. - <_> - 7 20 9 2 2. - <_> - - <_> - 12 16 10 8 -1. - <_> - 17 16 5 4 2. - <_> - 12 20 5 4 2. - <_> - - <_> - 2 16 10 8 -1. - <_> - 2 16 5 4 2. - <_> - 7 20 5 4 2. - <_> - - <_> - 14 0 10 12 -1. - <_> - 19 0 5 6 2. - <_> - 14 6 5 6 2. - <_> - - <_> - 0 0 10 12 -1. - <_> - 0 0 5 6 2. - <_> - 5 6 5 6 2. - <_> - - <_> - 15 14 9 6 -1. - <_> - 15 16 9 2 3. - <_> - - <_> - 0 14 9 6 -1. - <_> - 0 16 9 2 3. - <_> - - <_> - 14 14 10 6 -1. - <_> - 14 16 10 2 3. - <_> - - <_> - 0 14 10 6 -1. - <_> - 0 16 10 2 3. - <_> - - <_> - 5 18 18 2 -1. - <_> - 5 19 18 1 2. - <_> - - <_> - 0 18 18 3 -1. - <_> - 0 19 18 1 3. - <_> - - <_> - 3 5 18 12 -1. - <_> - 12 5 9 6 2. - <_> - 3 11 9 6 2. - <_> - - <_> - 5 3 7 9 -1. - <_> - 5 6 7 3 3. - <_> - - <_> - 4 0 19 15 -1. - <_> - 4 5 19 5 3. - <_> - - <_> - 3 0 16 4 -1. - <_> - 3 2 16 2 2. - <_> - - <_> - 4 12 16 12 -1. - <_> - 4 12 8 12 2. - <_> - - <_> - 4 3 12 15 -1. - <_> - 10 3 6 15 2. - <_> - - <_> - 16 4 2 19 -1. - <_> - 16 4 1 19 2. - <_> - - <_> - 6 4 2 19 -1. - <_> - 7 4 1 19 2. - <_> - - <_> - 13 14 8 10 -1. - <_> - 17 14 4 5 2. - <_> - 13 19 4 5 2. - <_> - - <_> - 3 14 8 10 -1. - <_> - 3 14 4 5 2. - <_> - 7 19 4 5 2. - <_> - - <_> - 12 6 3 18 -1. - <_> - 12 12 3 6 3. - <_> - - <_> - 5 11 12 6 -1. - <_> - 5 11 6 3 2. - <_> - 11 14 6 3 2. - <_> - - <_> - 10 5 8 10 -1. - <_> - 14 5 4 5 2. - <_> - 10 10 4 5 2. - <_> - - <_> - 6 4 12 10 -1. - <_> - 6 4 6 5 2. - <_> - 12 9 6 5 2. - <_> - - <_> - 6 8 18 10 -1. - <_> - 15 8 9 5 2. - <_> - 6 13 9 5 2. - <_> - - <_> - 0 8 18 10 -1. - <_> - 0 8 9 5 2. - <_> - 9 13 9 5 2. - <_> - - <_> - 12 6 3 18 -1. - <_> - 12 12 3 6 3. - <_> - - <_> - 0 14 18 3 -1. - <_> - 0 15 18 1 3. - <_> - - <_> - 12 6 3 18 -1. - <_> - 12 12 3 6 3. - <_> - - <_> - 9 6 3 18 -1. - <_> - 9 12 3 6 3. - <_> - - <_> - 6 14 18 3 -1. - <_> - 6 15 18 1 3. - <_> - - <_> - 0 5 18 3 -1. - <_> - 0 6 18 1 3. - <_> - - <_> - 2 5 22 3 -1. - <_> - 2 6 22 1 3. - <_> - - <_> - 0 0 21 10 -1. - <_> - 7 0 7 10 3. - <_> - - <_> - 6 3 18 17 -1. - <_> - 12 3 6 17 3. - <_> - - <_> - 0 3 18 17 -1. - <_> - 6 3 6 17 3. - <_> - - <_> - 0 12 24 11 -1. - <_> - 8 12 8 11 3. - <_> - - <_> - 4 10 16 6 -1. - <_> - 4 13 16 3 2. - <_> - - <_> - 12 8 6 8 -1. - <_> - 12 12 6 4 2. - <_> - - <_> - 6 14 8 7 -1. - <_> - 10 14 4 7 2. - <_> - - <_> - 15 10 6 14 -1. - <_> - 18 10 3 7 2. - <_> - 15 17 3 7 2. - <_> - - <_> - 3 10 6 14 -1. - <_> - 3 10 3 7 2. - <_> - 6 17 3 7 2. - <_> - - <_> - 6 12 18 2 -1. - <_> - 6 13 18 1 2. - <_> - - <_> - 5 8 10 6 -1. - <_> - 5 10 10 2 3. - <_> - - <_> - 12 11 9 4 -1. - <_> - 12 13 9 2 2. - <_> - - <_> - 0 11 9 6 -1. - <_> - 0 13 9 2 3. - <_> - - <_> - 11 2 3 18 -1. - <_> - 12 2 1 18 3. - <_> - - <_> - 10 2 3 18 -1. - <_> - 11 2 1 18 3. - <_> - - <_> - 9 12 6 10 -1. - <_> - 11 12 2 10 3. - <_> - - <_> - 1 10 6 9 -1. - <_> - 1 13 6 3 3. - <_> - - <_> - 6 9 16 6 -1. - <_> - 14 9 8 3 2. - <_> - 6 12 8 3 2. - <_> - - <_> - 1 8 9 6 -1. - <_> - 1 10 9 2 3. - <_> - - <_> - 7 7 16 6 -1. - <_> - 7 9 16 2 3. - <_> - - <_> - 0 0 18 3 -1. - <_> - 0 1 18 1 3. - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 0 2 9 3. - <_> - - <_> - 9 5 6 6 -1. - <_> - 12 5 3 6 2. - <_> - - <_> - 10 6 4 18 -1. - <_> - 12 6 2 9 2. - <_> - 10 15 2 9 2. - <_> - - <_> - 8 0 6 9 -1. - <_> - 10 0 2 9 3. - <_> - - <_> - 9 1 6 9 -1. - <_> - 9 4 6 3 3. - <_> - - <_> - 1 0 18 9 -1. - <_> - 1 3 18 3 3. - <_> - - <_> - 0 3 24 3 -1. - <_> - 0 4 24 1 3. - <_> - - <_> - 6 14 9 4 -1. - <_> - 6 16 9 2 2. - <_> - - <_> - 8 9 8 10 -1. - <_> - 12 9 4 5 2. - <_> - 8 14 4 5 2. - <_> - - <_> - 5 2 13 9 -1. - <_> - 5 5 13 3 3. - <_> - - <_> - 4 4 16 9 -1. - <_> - 4 7 16 3 3. - <_> - - <_> - 4 4 14 9 -1. - <_> - 4 7 14 3 3. - <_> - - <_> - 8 5 9 6 -1. - <_> - 8 7 9 2 3. - <_> - - <_> - 1 7 16 6 -1. - <_> - 1 9 16 2 3. - <_> - - <_> - 10 5 13 9 -1. - <_> - 10 8 13 3 3. - <_> - - <_> - 1 5 13 9 -1. - <_> - 1 8 13 3 3. - <_> - - <_> - 0 4 24 6 -1. - <_> - 12 4 12 3 2. - <_> - 0 7 12 3 2. - <_> - - <_> - 1 14 10 9 -1. - <_> - 1 17 10 3 3. - <_> - - <_> - 5 17 18 3 -1. - <_> - 5 18 18 1 3. - <_> - - <_> - 0 16 18 3 -1. - <_> - 0 17 18 1 3. - <_> - - <_> - 9 17 9 6 -1. - <_> - 9 19 9 2 3. - <_> - - <_> - 1 20 22 4 -1. - <_> - 1 20 11 2 2. - <_> - 12 22 11 2 2. - <_> - - <_> - 8 14 8 6 -1. - <_> - 8 17 8 3 2. - <_> - - <_> - 8 6 8 15 -1. - <_> - 8 11 8 5 3. - <_> - - <_> - 5 4 18 3 -1. - <_> - 5 5 18 1 3. - <_> - - <_> - 9 3 5 10 -1. - <_> - 9 8 5 5 2. - <_> - - <_> - 6 8 12 3 -1. - <_> - 6 8 6 3 2. - <_> - - <_> - 2 6 18 6 -1. - <_> - 2 6 9 3 2. - <_> - 11 9 9 3 2. - <_> - - <_> - 10 6 4 18 -1. - <_> - 12 6 2 9 2. - <_> - 10 15 2 9 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 10 5 3 6 2. - <_> - - <_> - 14 5 2 18 -1. - <_> - 14 14 2 9 2. - <_> - - <_> - 8 5 2 18 -1. - <_> - 8 14 2 9 2. - <_> - - <_> - 9 2 10 6 -1. - <_> - 9 2 5 6 2. - <_> - - <_> - 3 1 18 12 -1. - <_> - 12 1 9 12 2. - <_> - - <_> - 5 2 17 22 -1. - <_> - 5 13 17 11 2. - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 2 12 2 3. - <_> - - <_> - 6 9 16 6 -1. - <_> - 14 9 8 3 2. - <_> - 6 12 8 3 2. - <_> - - <_> - 9 0 5 18 -1. - <_> - 9 9 5 9 2. - <_> - - <_> - 12 0 6 9 -1. - <_> - 14 0 2 9 3. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 9 1 6 12 -1. - <_> - 11 1 2 12 3. - <_> - - <_> - 5 9 13 4 -1. - <_> - 5 11 13 2 2. - <_> - - <_> - 5 8 19 3 -1. - <_> - 5 9 19 1 3. - <_> - - <_> - 9 9 6 8 -1. - <_> - 9 13 6 4 2. - <_> - - <_> - 11 9 4 15 -1. - <_> - 11 14 4 5 3. - <_> - - <_> - 2 0 6 14 -1. - <_> - 2 0 3 7 2. - <_> - 5 7 3 7 2. - <_> - - <_> - 15 1 6 14 -1. - <_> - 18 1 3 7 2. - <_> - 15 8 3 7 2. - <_> - - <_> - 3 1 6 14 -1. - <_> - 3 1 3 7 2. - <_> - 6 8 3 7 2. - <_> - - <_> - 3 20 18 4 -1. - <_> - 12 20 9 2 2. - <_> - 3 22 9 2 2. - <_> - - <_> - 5 0 4 20 -1. - <_> - 5 0 2 10 2. - <_> - 7 10 2 10 2. - <_> - - <_> - 16 8 8 12 -1. - <_> - 20 8 4 6 2. - <_> - 16 14 4 6 2. - <_> - - <_> - 0 8 8 12 -1. - <_> - 0 8 4 6 2. - <_> - 4 14 4 6 2. - <_> - - <_> - 13 13 10 8 -1. - <_> - 18 13 5 4 2. - <_> - 13 17 5 4 2. - <_> - - <_> - 1 13 10 8 -1. - <_> - 1 13 5 4 2. - <_> - 6 17 5 4 2. - <_> - - <_> - 15 8 4 15 -1. - <_> - 15 13 4 5 3. - <_> - - <_> - 5 8 4 15 -1. - <_> - 5 13 4 5 3. - <_> - - <_> - 6 11 16 12 -1. - <_> - 6 15 16 4 3. - <_> - - <_> - 2 11 16 12 -1. - <_> - 2 15 16 4 3. - <_> - - <_> - 14 12 7 9 -1. - <_> - 14 15 7 3 3. - <_> - - <_> - 10 1 3 21 -1. - <_> - 10 8 3 7 3. - <_> - - <_> - 13 11 9 4 -1. - <_> - 13 13 9 2 2. - <_> - - <_> - 3 10 17 9 -1. - <_> - 3 13 17 3 3. - <_> - - <_> - 13 8 8 15 -1. - <_> - 13 13 8 5 3. - <_> - - <_> - 3 8 8 15 -1. - <_> - 3 13 8 5 3. - <_> - - <_> - 11 14 10 8 -1. - <_> - 16 14 5 4 2. - <_> - 11 18 5 4 2. - <_> - - <_> - 0 18 22 6 -1. - <_> - 0 18 11 3 2. - <_> - 11 21 11 3 2. - <_> - - <_> - 0 16 24 4 -1. - <_> - 0 16 12 4 2. - <_> - - <_> - 6 20 12 3 -1. - <_> - 12 20 6 3 2. - <_> - - <_> - 18 12 6 12 -1. - <_> - 21 12 3 6 2. - <_> - 18 18 3 6 2. - <_> - - <_> - 0 12 6 12 -1. - <_> - 0 12 3 6 2. - <_> - 3 18 3 6 2. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 1 6 22 10 -1. - <_> - 1 6 11 5 2. - <_> - 12 11 11 5 2. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 0 18 18 2 -1. - <_> - 0 19 18 1 2. - <_> - - <_> - 3 15 19 3 -1. - <_> - 3 16 19 1 3. - <_> - - <_> - 0 13 18 3 -1. - <_> - 0 14 18 1 3. - <_> - - <_> - 15 17 9 6 -1. - <_> - 15 19 9 2 3. - <_> - - <_> - 0 17 9 6 -1. - <_> - 0 19 9 2 3. - <_> - - <_> - 12 17 9 6 -1. - <_> - 12 19 9 2 3. - <_> - - <_> - 3 17 9 6 -1. - <_> - 3 19 9 2 3. - <_> - - <_> - 16 2 3 20 -1. - <_> - 17 2 1 20 3. - <_> - - <_> - 0 13 24 8 -1. - <_> - 0 17 24 4 2. - <_> - - <_> - 9 1 6 22 -1. - <_> - 12 1 3 11 2. - <_> - 9 12 3 11 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_fullbody.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_fullbody.xml deleted file mode 100644 index 3ef752cb6c..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_fullbody.xml +++ /dev/null @@ -1,17030 +0,0 @@ - - - -BOOST - HAAR - 28 - 14 - - 107 - - 0 - 30 - - <_> - 9 - -1.2288980484008789e+00 - - <_> - - 0 -1 0 -5.5820569396018982e-02 - - 5.8697921037673950e-01 -6.2811422348022461e-01 - <_> - - 0 -1 1 -3.8861181586980820e-02 - - -7.0916819572448730e-01 2.6821210980415344e-01 - <_> - - 0 -1 2 -2.6740878820419312e-01 - - 8.3082962036132812e-01 -2.2599589824676514e-01 - <_> - - 0 -1 3 9.6419736742973328e-02 - - -1.1697849631309509e-01 8.7254559993743896e-01 - <_> - - 0 -1 4 -1.0798710398375988e-02 - - -5.7219749689102173e-01 2.5325658917427063e-01 - <_> - - 0 -1 5 1.1365639977157116e-02 - - 1.9650830328464508e-01 -7.2744637727737427e-01 - <_> - - 0 -1 6 -5.0216919044032693e-04 - - 2.4435159564018250e-01 -5.1973581314086914e-01 - <_> - - 0 -1 7 -2.8462480753660202e-02 - - -8.3607292175292969e-01 1.1158040165901184e-01 - <_> - - 0 -1 8 1.3473170110955834e-03 - - -3.8406538963317871e-01 2.6767989993095398e-01 - <_> - 15 - -1.0969949960708618e+00 - - <_> - - 0 -1 9 -1.0743220336735249e-02 - - 4.7747328877449036e-01 -6.2392932176589966e-01 - <_> - - 0 -1 10 -1.3188569573685527e-03 - - 2.1242660284042358e-01 -2.4162709712982178e-01 - <_> - - 0 -1 11 -5.5571161210536957e-03 - - 3.6147859692573547e-01 -3.7251719832420349e-01 - <_> - - 0 -1 12 -1.3893410563468933e-01 - - -6.7900502681732178e-01 1.1280310153961182e-01 - <_> - - 0 -1 13 2.6465829461812973e-02 - - 1.2474969774484634e-01 -8.2852339744567871e-01 - <_> - - 0 -1 14 -8.9386843144893646e-02 - - 7.4271762371063232e-01 -1.7019319534301758e-01 - <_> - - 0 -1 15 -2.1335419267416000e-02 - - -7.1750187873840332e-01 1.5566180646419525e-01 - <_> - - 0 -1 16 5.5709101259708405e-02 - - -1.5310040116310120e-01 7.1804767847061157e-01 - <_> - - 0 -1 17 -6.9709950685501099e-01 - - 8.1154191493988037e-01 -1.0886389762163162e-01 - <_> - - 0 -1 18 2.0205999910831451e-01 - - 7.6398417353630066e-02 -7.3011511564254761e-01 - <_> - - 0 -1 19 -7.1882657706737518e-02 - - -7.1488589048385620e-01 1.6517649590969086e-01 - <_> - - 0 -1 20 -1.9228760153055191e-02 - - -3.9868369698524475e-01 4.0557239204645157e-02 - <_> - - 0 -1 21 1.1500229593366385e-03 - - -3.8260778784751892e-01 3.1855079531669617e-01 - <_> - - 0 -1 22 2.3252779617905617e-02 - - 5.4390400648117065e-02 -7.0669990777969360e-01 - <_> - - 0 -1 23 -3.2618120894767344e-04 - - 2.2610600292682648e-01 -4.0709879994392395e-01 - <_> - 14 - -1.2285970449447632e+00 - - <_> - - 0 -1 24 -1.2910200655460358e-01 - - 7.6003128290176392e-01 -2.3405790328979492e-01 - <_> - - 0 -1 25 6.7449256777763367e-02 - - 1.7179529368877411e-01 -8.4364777803421021e-01 - <_> - - 0 -1 26 1.2663270346820354e-02 - - 2.2913210093975067e-01 -7.3072457313537598e-01 - <_> - - 0 -1 27 -4.2741331271827221e-03 - - 6.2420479953289032e-02 -4.0985938906669617e-01 - <_> - - 0 -1 28 -2.3143950849771500e-02 - - -8.3971828222274780e-01 2.0115749537944794e-01 - <_> - - 0 -1 29 -5.5371038615703583e-04 - - 1.5369419753551483e-01 -4.4038110971450806e-01 - <_> - - 0 -1 30 -9.5239803194999695e-03 - - -6.3186800479888916e-01 1.6250230371952057e-01 - <_> - - 0 -1 31 2.8307670727372169e-02 - - -7.2599969804286957e-02 3.7919989228248596e-01 - <_> - - 0 -1 32 -4.5148018747568130e-02 - - 7.4493628740310669e-01 -1.5581710636615753e-01 - <_> - - 0 -1 33 1.0014739632606506e-01 - - 1.7949639260768890e-01 -6.4644080400466919e-01 - <_> - - 0 -1 34 7.3245721869170666e-03 - - 1.7763899266719818e-01 -5.7654058933258057e-01 - <_> - - 0 -1 35 1.1875670403242111e-02 - - -3.1129720807075500e-01 1.6321399807929993e-01 - <_> - - 0 -1 36 -2.5479039177298546e-02 - - 6.2692481279373169e-01 -1.1333750188350677e-01 - <_> - - 0 -1 37 -7.9196523874998093e-03 - - -7.7624428272247314e-01 1.5427610278129578e-01 - <_> - 22 - -1.1200269460678101e+00 - - <_> - - 0 -1 38 -8.5809278488159180e-01 - - 7.8796839714050293e-01 -2.2135549783706665e-01 - <_> - - 0 -1 39 -1.6491119749844074e-03 - - 2.5673401355743408e-01 -4.3194240331649780e-01 - <_> - - 0 -1 40 -2.5882309302687645e-02 - - -8.7551230192184448e-01 8.8385626673698425e-02 - <_> - - 0 -1 41 -4.7666151076555252e-03 - - -4.7022369503974915e-01 2.2800800204277039e-01 - <_> - - 0 -1 42 -8.3729699254035950e-02 - - 6.3385730981826782e-01 -1.4888319373130798e-01 - <_> - - 0 -1 43 -4.0685739368200302e-02 - - -9.3931788206100464e-01 1.0598939843475819e-02 - <_> - - 0 -1 44 -5.0759920850396156e-03 - - -4.5554420351982117e-01 1.7864370346069336e-01 - <_> - - 0 -1 45 2.3427829146385193e-03 - - -2.1434280276298523e-01 1.5531420707702637e-01 - <_> - - 0 -1 46 2.7649151161313057e-04 - - -3.3348160982131958e-01 2.2780239582061768e-01 - <_> - - 0 -1 47 1.6941839829087257e-02 - - 7.4140816926956177e-02 -5.6262052059173584e-01 - <_> - - 0 -1 48 4.7558981180191040e-01 - - -1.0861130058765411e-01 8.2985258102416992e-01 - <_> - - 0 -1 49 5.8000627905130386e-03 - - 1.3249030709266663e-01 -5.1620399951934814e-01 - <_> - - 0 -1 50 -7.4477560818195343e-02 - - -5.5545568466186523e-01 1.2344320118427277e-01 - <_> - - 0 -1 51 -3.5143009154126048e-04 - - 6.8190753459930420e-02 -1.3616859912872314e-01 - <_> - - 0 -1 52 7.3454021476209164e-03 - - 1.3678510487079620e-01 -5.3645122051239014e-01 - <_> - - 0 -1 53 -1.5471279621124268e-02 - - 2.6180639863014221e-01 -1.0545810312032700e-01 - <_> - - 0 -1 54 5.6055500172078609e-03 - - -2.5746351480484009e-01 2.8795930743217468e-01 - <_> - - 0 -1 55 -2.4552858667448163e-04 - - 1.0099930316209793e-01 -2.6119679212570190e-01 - <_> - - 0 -1 56 -3.3138900995254517e-02 - - -8.3779567480087280e-01 1.1327689886093140e-01 - <_> - - 0 -1 57 3.5591889172792435e-02 - - 8.2336090505123138e-02 -6.2505662441253662e-01 - <_> - - 0 -1 58 2.0834030210971832e-01 - - 6.9524437189102173e-02 -8.6881148815155029e-01 - <_> - - 0 -1 59 -2.8165400028228760e-02 - - -5.9799849987030029e-01 8.0329902470111847e-02 - <_> - 25 - -1.0664960145950317e+00 - - <_> - - 0 -1 60 -2.6740709319710732e-02 - - 3.8912421464920044e-01 -4.9827679991722107e-01 - <_> - - 0 -1 61 -1.2516999850049615e-03 - - 1.3123430311679840e-01 -3.6368998885154724e-01 - <_> - - 0 -1 62 -4.1634511202573776e-02 - - 5.7444751262664795e-01 -1.3932879269123077e-01 - <_> - - 0 -1 63 1.0096579790115356e-02 - - 9.9073797464370728e-02 -2.2956989705562592e-01 - <_> - - 0 -1 64 -1.9090399146080017e-02 - - -5.5153107643127441e-01 1.5110069513320923e-01 - <_> - - 0 -1 65 -3.1481068581342697e-02 - - -4.5884269475936890e-01 1.7579549551010132e-01 - <_> - - 0 -1 66 -1.7687549814581871e-02 - - 4.4711831212043762e-01 -1.5292930603027344e-01 - <_> - - 0 -1 67 -4.3685659766197205e-03 - - 1.2185490131378174e-01 -1.6688570380210876e-01 - <_> - - 0 -1 68 8.9326845481991768e-03 - - -1.3333690166473389e-01 6.3753342628479004e-01 - <_> - - 0 -1 69 -5.0706309266388416e-03 - - -1.1220289766788483e-01 6.9824352860450745e-02 - <_> - - 0 -1 70 -5.9803090989589691e-03 - - -5.1842898130416870e-01 1.6099199652671814e-01 - <_> - - 0 -1 71 2.9967839363962412e-03 - - 4.1065338999032974e-02 -1.9455850124359131e-01 - <_> - - 0 -1 72 3.8641549181193113e-03 - - 1.6673240065574646e-01 -4.3569779396057129e-01 - <_> - - 0 -1 73 6.8349428474903107e-03 - - -1.7162640392780304e-01 1.4818060398101807e-01 - <_> - - 0 -1 74 4.3158490210771561e-02 - - 8.3203509449958801e-02 -7.7821850776672363e-01 - <_> - - 0 -1 75 7.6560080051422119e-03 - - 8.4740802645683289e-02 -4.9738150835037231e-01 - <_> - - 0 -1 76 -3.1110988929867744e-03 - - 2.5827148556709290e-01 -2.5552031397819519e-01 - <_> - - 0 -1 77 1.1870309710502625e-01 - - -9.0944238007068634e-02 7.2286212444305420e-01 - <_> - - 0 -1 78 1.6875969246029854e-02 - - 1.2629170715808868e-01 -5.5205297470092773e-01 - <_> - - 0 -1 79 -1.0887029930017889e-04 - - 8.1648796796798706e-02 -1.6937020421028137e-01 - <_> - - 0 -1 80 2.8222990222275257e-03 - - 1.6411300003528595e-01 -3.5218268632888794e-01 - <_> - - 0 -1 81 -5.2425849437713623e-01 - - 4.8906171321868896e-01 -1.2674759328365326e-01 - <_> - - 0 -1 82 3.6927509307861328e-01 - - 8.6115993559360504e-02 -6.7184638977050781e-01 - <_> - - 0 -1 83 -1.6883780062198639e-01 - - -8.4915691614151001e-01 5.4833348840475082e-02 - <_> - - 0 -1 84 -1.9279260188341141e-02 - - -7.8011512756347656e-01 6.2202680855989456e-02 - <_> - 22 - -1.2319500446319580e+00 - - <_> - - 0 -1 85 -2.0901350677013397e-01 - - 6.9808167219161987e-01 -3.4573590755462646e-01 - <_> - - 0 -1 86 -4.8061009147204459e-04 - - 2.0923900604248047e-01 -2.4147640168666840e-01 - <_> - - 0 -1 87 -2.4844119325280190e-03 - - 2.7636009454727173e-01 -4.1990399360656738e-01 - <_> - - 0 -1 88 -2.1536289714276791e-03 - - 2.4710460007190704e-01 -3.0677899718284607e-01 - <_> - - 0 -1 89 5.8911990374326706e-02 - - -7.0834763348102570e-02 7.1133142709732056e-01 - <_> - - 0 -1 90 -2.3095219512470067e-04 - - 1.7148600518703461e-01 -3.6168378591537476e-01 - <_> - - 0 -1 91 -3.1396400183439255e-02 - - -8.0131882429122925e-01 1.0042560100555420e-01 - <_> - - 0 -1 92 -3.5601970739662647e-03 - - 9.9432766437530518e-02 -1.4848260581493378e-01 - <_> - - 0 -1 93 -4.3389322236180305e-03 - - -5.6621241569519043e-01 1.4096799492835999e-01 - <_> - - 0 -1 94 2.1326710283756256e-01 - - 4.8158209770917892e-02 -7.4858909845352173e-01 - <_> - - 0 -1 95 1.0042529553174973e-02 - - 1.0428400337696075e-01 -5.5387377738952637e-01 - <_> - - 0 -1 96 -2.6825280860066414e-02 - - 5.7281607389450073e-01 -8.2537978887557983e-02 - <_> - - 0 -1 97 8.3760882262140512e-04 - - -2.5626900792121887e-01 2.5898420810699463e-01 - <_> - - 0 -1 98 -7.6051978394389153e-03 - - -5.8677357435226440e-01 5.1210779696702957e-02 - <_> - - 0 -1 99 -1.1935640126466751e-01 - - -4.5530828833580017e-01 1.2570330500602722e-01 - <_> - - 0 -1 100 6.6083478741347790e-03 - - -1.6316379606723785e-01 4.6659541130065918e-01 - <_> - - 0 -1 101 1.7303509637713432e-02 - - -1.2391400337219238e-01 5.9755408763885498e-01 - <_> - - 0 -1 102 5.4382272064685822e-03 - - 1.3838729262351990e-01 -5.5069202184677124e-01 - <_> - - 0 -1 103 2.4591449182480574e-03 - - -3.9927339553833008e-01 1.5387089550495148e-01 - <_> - - 0 -1 104 3.5056238994002342e-03 - - -1.6146700084209442e-01 1.6086600720882416e-01 - <_> - - 0 -1 105 -2.3172689543571323e-04 - - 1.7059360444545746e-01 -3.5409420728683472e-01 - <_> - - 0 -1 106 1.1914529837667942e-02 - - 1.6265639662742615e-01 -4.1463181376457214e-01 - <_> - 18 - -1.1912549734115601e+00 - - <_> - - 0 -1 107 -4.5429700985550880e-03 - - 4.2964971065521240e-01 -5.6915849447250366e-01 - <_> - - 0 -1 108 4.6804840676486492e-03 - - -1.0380080342292786e-01 2.5453719496726990e-01 - <_> - - 0 -1 109 3.5870380233973265e-03 - - -3.6577078700065613e-01 3.9343339204788208e-01 - <_> - - 0 -1 110 -3.4428331255912781e-01 - - 7.3125761747360229e-01 -1.5060240030288696e-01 - <_> - - 0 -1 111 3.3054459840059280e-02 - - 1.7657589912414551e-01 -5.1060509681701660e-01 - <_> - - 0 -1 112 -2.1190310362726450e-03 - - 8.6859323084354401e-02 -1.7733760178089142e-01 - <_> - - 0 -1 113 1.3780740089714527e-02 - - -1.2247169762849808e-01 6.6472941637039185e-01 - <_> - - 0 -1 114 2.4847950786352158e-02 - - 2.3976799845695496e-01 -3.2456618547439575e-01 - <_> - - 0 -1 115 -1.3126630336046219e-02 - - 4.9461808800697327e-01 -2.0954379439353943e-01 - <_> - - 0 -1 116 -1.6886189579963684e-02 - - -1.3973990082740784e-01 7.5013160705566406e-02 - <_> - - 0 -1 117 -5.2776751108467579e-03 - - -3.8919359445571899e-01 1.8921519815921783e-01 - <_> - - 0 -1 118 -2.0325549412518740e-03 - - 2.4965450167655945e-01 -1.7960360646247864e-01 - <_> - - 0 -1 119 -1.8056800588965416e-02 - - -5.3683072328567505e-01 1.0615479946136475e-01 - <_> - - 0 -1 120 -2.8815109282732010e-02 - - 5.3303200006484985e-01 -7.8712686896324158e-02 - <_> - - 0 -1 121 -6.0971658676862717e-02 - - -8.5663092136383057e-01 8.1721447408199310e-02 - <_> - - 0 -1 122 -6.2022160738706589e-02 - - -6.7228960990905762e-01 8.2316987216472626e-02 - <_> - - 0 -1 123 -6.2961759977042675e-03 - - 2.7192309498786926e-01 -2.3713490366935730e-01 - <_> - - 0 -1 124 4.9608140252530575e-03 - - -1.4295519888401031e-01 2.9380369186401367e-01 - <_> - 30 - -1.1750839948654175e+00 - - <_> - - 0 -1 125 -8.7001353502273560e-02 - - 6.3087427616119385e-01 -2.6264131069183350e-01 - <_> - - 0 -1 126 -4.5627020299434662e-03 - - 1.4641839265823364e-01 -5.2321881055831909e-02 - <_> - - 0 -1 127 -4.1381991468369961e-03 - - 2.1747599542140961e-01 -3.2107940316200256e-01 - <_> - - 0 -1 128 -1.9443330529611558e-04 - - 1.4305000007152557e-01 -4.4748461246490479e-01 - <_> - - 0 -1 129 -2.6125069707632065e-03 - - -3.5936230421066284e-01 2.0934499800205231e-01 - <_> - - 0 -1 130 -3.5238351672887802e-02 - - -5.5879557132720947e-01 1.1818339675664902e-01 - <_> - - 0 -1 131 2.3880550637841225e-02 - - -1.2345419824123383e-01 6.4505738019943237e-01 - <_> - - 0 -1 132 -3.5878319758921862e-03 - - 2.3340910673141479e-01 -2.9905730485916138e-01 - <_> - - 0 -1 133 -3.4388148784637451e-01 - - 6.3334107398986816e-01 -8.6101479828357697e-02 - <_> - - 0 -1 134 -2.5634190533310175e-03 - - -3.0992001295089722e-01 8.8213436305522919e-02 - <_> - - 0 -1 135 4.7002349048852921e-02 - - 7.3533393442630768e-02 -7.5965261459350586e-01 - <_> - - 0 -1 136 7.1428148075938225e-03 - - -1.6981430351734161e-01 4.1982281208038330e-01 - <_> - - 0 -1 137 -3.7736629601567984e-03 - - -5.5664837360382080e-01 1.0060050338506699e-01 - <_> - - 0 -1 138 2.2179849445819855e-02 - - -7.6009899377822876e-02 6.3711041212081909e-01 - <_> - - 0 -1 139 2.9807379178237170e-05 - - -2.7143061161041260e-01 2.1503789722919464e-01 - <_> - - 0 -1 140 -1.4308329809864517e-05 - - 1.3090610504150391e-01 -2.8089499473571777e-01 - <_> - - 0 -1 141 -1.1500260233879089e-01 - - -7.1986222267150879e-01 7.6884172856807709e-02 - <_> - - 0 -1 142 -2.5318590924143791e-02 - - 4.5250499248504639e-01 -9.0481691062450409e-02 - <_> - - 0 -1 143 -4.8698320984840393e-02 - - -7.4177128076553345e-01 6.7692406475543976e-02 - <_> - - 0 -1 144 -5.0045289099216461e-03 - - 1.3680170476436615e-01 -1.1860919743776321e-01 - <_> - - 0 -1 145 7.5120502151548862e-03 - - 9.1260991990566254e-02 -5.6960678100585938e-01 - <_> - - 0 -1 146 -5.4631778039038181e-03 - - 1.1702360212802887e-01 -1.4761230349540710e-01 - <_> - - 0 -1 147 1.5256009995937347e-02 - - -1.0768359899520874e-01 6.4716261625289917e-01 - <_> - - 0 -1 148 -2.1900620311498642e-02 - - -6.0776418447494507e-01 6.4449213445186615e-02 - <_> - - 0 -1 149 2.1267218980938196e-03 - - -2.3115469515323639e-01 2.1813300251960754e-01 - <_> - - 0 -1 150 -3.1501919031143188e-02 - - -1.3678109645843506e-01 6.6003270447254181e-02 - <_> - - 0 -1 151 1.8107969313859940e-02 - - 1.0865720361471176e-01 -4.4673460721969604e-01 - <_> - - 0 -1 152 -1.1059570312500000e-01 - - 4.6954178810119629e-01 -1.1268380284309387e-01 - <_> - - 0 -1 153 2.2349569480866194e-03 - - -2.9884970188140869e-01 1.8147529661655426e-01 - <_> - - 0 -1 154 4.6504188328981400e-02 - - 1.2846769392490387e-01 -2.6609849929809570e-01 - <_> - 27 - -1.1861419677734375e+00 - - <_> - - 0 -1 155 -4.8820599913597107e-02 - - 4.2807990312576294e-01 -5.5154949426651001e-01 - <_> - - 0 -1 156 1.4779040357097983e-03 - - -1.8688060343265533e-01 1.9038289785385132e-01 - <_> - - 0 -1 157 -1.0012290440499783e-02 - - 3.8451421260833740e-01 -2.1723049879074097e-01 - <_> - - 0 -1 158 -5.1000278443098068e-02 - - -7.6136952638626099e-01 1.3625900261104107e-02 - <_> - - 0 -1 159 5.2959132008254528e-03 - - -2.3021429777145386e-01 2.8536239266395569e-01 - <_> - - 0 -1 160 -4.8654139041900635e-02 - - 7.0992070436477661e-01 -4.9203149974346161e-02 - <_> - - 0 -1 161 8.8448636233806610e-03 - - -3.1505361199378967e-01 2.0899020135402679e-01 - <_> - - 0 -1 162 1.0062800347805023e-01 - - 6.6908989101648331e-03 6.7013871669769287e-01 - <_> - - 0 -1 163 -7.0256260223686695e-03 - - -3.9408329129219055e-01 1.7433549463748932e-01 - <_> - - 0 -1 164 -2.1224319934844971e-03 - - 1.6996310651302338e-01 -3.0237409472465515e-01 - <_> - - 0 -1 165 9.9532064050436020e-03 - - -1.4202840626239777e-01 4.5167461037635803e-01 - <_> - - 0 -1 166 1.2565069831907749e-02 - - 7.3175877332687378e-02 -6.1700421571731567e-01 - <_> - - 0 -1 167 -1.7854310572147369e-03 - - 1.4909860491752625e-01 -3.2865241169929504e-01 - <_> - - 0 -1 168 -4.0306518785655499e-03 - - -4.5713710784912109e-01 1.0815720260143280e-01 - <_> - - 0 -1 169 -7.3099560104310513e-03 - - -6.5592771768569946e-01 6.5615788102149963e-02 - <_> - - 0 -1 170 -3.3843431621789932e-02 - - 5.0412368774414062e-01 -6.1626069247722626e-02 - <_> - - 0 -1 171 3.8319290615618229e-04 - - -2.5153478980064392e-01 2.0271340012550354e-01 - <_> - - 0 -1 172 -2.6169361080974340e-03 - - 2.2497959434986115e-01 -2.1958619356155396e-01 - <_> - - 0 -1 173 -4.5606079511344433e-03 - - -4.6598041057586670e-01 1.2348009645938873e-01 - <_> - - 0 -1 174 1.0822789743542671e-02 - - -9.6618972718715668e-02 4.6412429213523865e-01 - <_> - - 0 -1 175 -5.3171347826719284e-03 - - -5.5634248256683350e-01 9.4623282551765442e-02 - <_> - - 0 -1 176 -9.3140971148386598e-04 - - 1.0143929719924927e-01 -1.0564240068197250e-01 - <_> - - 0 -1 177 8.4296840941533446e-04 - - -1.3243100047111511e-01 3.5351079702377319e-01 - <_> - - 0 -1 178 -2.7806960046291351e-02 - - -6.5050601959228516e-01 3.3153589814901352e-02 - <_> - - 0 -1 179 6.9245469057932496e-04 - - -2.6702880859375000e-01 2.1129630506038666e-01 - <_> - - 0 -1 180 -1.2787230312824249e-02 - - 2.1593640744686127e-01 -8.6767077445983887e-02 - <_> - - 0 -1 181 -6.1678601196035743e-04 - - 1.6959980130195618e-01 -2.9248940944671631e-01 - <_> - 21 - -1.0550270080566406e+00 - - <_> - - 0 -1 182 -5.1706928759813309e-02 - - 4.6942698955535889e-01 -5.1280671358108521e-01 - <_> - - 0 -1 183 5.5232150480151176e-03 - - -2.4982389807701111e-01 6.3005810976028442e-01 - <_> - - 0 -1 184 -9.2110745608806610e-03 - - 3.7530669569969177e-01 -2.2910380363464355e-01 - <_> - - 0 -1 185 4.1729960590600967e-02 - - -1.1262010037899017e-01 6.7508697509765625e-01 - <_> - - 0 -1 186 4.5255841687321663e-03 - - -2.6939728856086731e-01 2.4889509379863739e-01 - <_> - - 0 -1 187 -8.5208792006596923e-04 - - 2.0098550617694855e-01 -2.3001730442047119e-01 - <_> - - 0 -1 188 -3.4569639246910810e-03 - - -3.6372348666191101e-01 2.7142500877380371e-01 - <_> - - 0 -1 189 -8.8200360536575317e-02 - - -7.5951957702636719e-01 -7.2166309691965580e-03 - <_> - - 0 -1 190 -2.3253160179592669e-04 - - 1.4738219976425171e-01 -4.2548701167106628e-01 - <_> - - 0 -1 191 1.9258400425314903e-02 - - -8.4830872714519501e-02 5.9487771987915039e-01 - <_> - - 0 -1 192 -3.1915740109980106e-03 - - -4.2638280987739563e-01 1.3357159495353699e-01 - <_> - - 0 -1 193 -2.2229040041565895e-02 - - -4.2298269271850586e-01 3.6127958446741104e-02 - <_> - - 0 -1 194 -5.3123440593481064e-03 - - 2.9349780082702637e-01 -2.2197869420051575e-01 - <_> - - 0 -1 195 5.6796981953084469e-03 - - 8.0412790179252625e-02 -1.9725289940834045e-01 - <_> - - 0 -1 196 3.2511178869754076e-03 - - -1.6628390550613403e-01 3.3107280731201172e-01 - <_> - - 0 -1 197 2.5559039786458015e-03 - - 6.7350171506404877e-02 -2.4642370641231537e-01 - <_> - - 0 -1 198 3.1239999458193779e-02 - - -6.7393511533737183e-02 8.2851767539978027e-01 - <_> - - 0 -1 199 -4.4333371333777905e-03 - - -3.8048321008682251e-01 1.4248619973659515e-01 - <_> - - 0 -1 200 -3.9497618563473225e-03 - - -3.5660448670387268e-01 1.8685440719127655e-01 - <_> - - 0 -1 201 -1.4043290168046951e-02 - - 5.3222888708114624e-01 -7.8980803489685059e-02 - <_> - - 0 -1 202 4.2212791740894318e-03 - - -1.9841830432415009e-01 3.1367298960685730e-01 - <_> - 43 - -1.1214250326156616e+00 - - <_> - - 0 -1 203 -1.5278789401054382e-01 - - 5.4140037298202515e-01 -1.8756979703903198e-01 - <_> - - 0 -1 204 -7.0655636489391327e-02 - - 3.4003350138664246e-01 -1.4459669589996338e-01 - <_> - - 0 -1 205 -2.1033229306340218e-02 - - -5.5878472328186035e-01 1.1598149687051773e-01 - <_> - - 0 -1 206 -9.5666358247399330e-03 - - 1.0890080034732819e-01 -2.0365689694881439e-01 - <_> - - 0 -1 207 -4.2720541357994080e-02 - - -9.4030022621154785e-01 6.3606321811676025e-02 - <_> - - 0 -1 208 -4.5477859675884247e-03 - - 3.4227019548416138e-01 -1.7053720355033875e-01 - <_> - - 0 -1 209 3.7029080558568239e-03 - - 8.3720892667770386e-02 -4.6139541268348694e-01 - <_> - - 0 -1 210 -1.1458870023488998e-01 - - 6.0027849674224854e-01 -1.7764480784535408e-02 - <_> - - 0 -1 211 5.7319342158734798e-03 - - -2.5590109825134277e-01 2.0062319934368134e-01 - <_> - - 0 -1 212 -7.0237793028354645e-02 - - 2.5359788537025452e-01 -2.9503619298338890e-02 - <_> - - 0 -1 213 1.3983179815113544e-02 - - 1.1456400156021118e-01 -3.9683538675308228e-01 - <_> - - 0 -1 214 1.8175759911537170e-01 - - 5.0749950110912323e-02 -8.3061927556991577e-01 - <_> - - 0 -1 215 3.0185490846633911e-02 - - -2.6683610677719116e-01 1.4070799946784973e-01 - <_> - - 0 -1 216 7.5633287429809570e-01 - - -4.1416618973016739e-02 9.0957278013229370e-01 - <_> - - 0 -1 217 -8.5228988900780678e-03 - - 1.6142499446868896e-01 -2.7549099922180176e-01 - <_> - - 0 -1 218 -4.9996669404208660e-03 - - -1.1666730046272278e-01 6.0298819094896317e-02 - <_> - - 0 -1 219 -5.9932802105322480e-04 - - 1.3015550374984741e-01 -3.1072840094566345e-01 - <_> - - 0 -1 220 -9.6063673496246338e-02 - - -8.5259348154067993e-01 1.5970790758728981e-02 - <_> - - 0 -1 221 -7.0154820568859577e-03 - - -4.5490509271621704e-01 7.7178090810775757e-02 - <_> - - 0 -1 222 -8.7620541453361511e-03 - - 4.8034501075744629e-01 -8.1306837499141693e-02 - <_> - - 0 -1 223 -3.9868508465588093e-03 - - 2.2495600581169128e-01 -2.0447289943695068e-01 - <_> - - 0 -1 224 -5.7335309684276581e-02 - - -5.6859737634658813e-01 5.2798101678490639e-03 - <_> - - 0 -1 225 1.9260890549048781e-03 - - 1.4920340478420258e-01 -3.1059908866882324e-01 - <_> - - 0 -1 226 2.1118070930242538e-02 - - 4.1174301877617836e-03 -5.2401381731033325e-01 - <_> - - 0 -1 227 -1.1973599903285503e-03 - - 2.3353399336338043e-01 -2.0193660259246826e-01 - <_> - - 0 -1 228 4.5973812229931355e-03 - - 5.9917010366916656e-02 -1.1878310143947601e-01 - <_> - - 0 -1 229 2.8869660571217537e-02 - - -9.4110779464244843e-02 4.5966941118240356e-01 - <_> - - 0 -1 230 -3.7549799308180809e-03 - - 1.2161179631948471e-01 -1.4811019599437714e-01 - <_> - - 0 -1 231 4.2033549398183823e-03 - - 1.0903070122003555e-01 -3.8700520992279053e-01 - <_> - - 0 -1 232 7.2994068264961243e-02 - - -3.4046798944473267e-02 3.0610039830207825e-01 - <_> - - 0 -1 233 1.6667179763317108e-02 - - 1.3168589770793915e-01 -3.8485860824584961e-01 - <_> - - 0 -1 234 -2.8268690221011639e-03 - - 6.4782157540321350e-02 -2.2371709346771240e-01 - <_> - - 0 -1 235 3.7736070808023214e-03 - - -1.5592969954013824e-01 2.5413069128990173e-01 - <_> - - 0 -1 236 -3.6936940159648657e-03 - - 2.5576528906822205e-01 -1.5768060088157654e-01 - <_> - - 0 -1 237 -6.6801063716411591e-02 - - -7.4346089363098145e-01 5.4915640503168106e-02 - <_> - - 0 -1 238 1.5752790495753288e-02 - - -9.8638102412223816e-02 4.3119820952415466e-01 - <_> - - 0 -1 239 9.0647127944976091e-04 - - 1.1339239776134491e-01 -4.1574460268020630e-01 - <_> - - 0 -1 240 -2.1695699542760849e-02 - - 4.6949240565299988e-01 -5.5732611566781998e-02 - <_> - - 0 -1 241 -1.4639029977843165e-03 - - -3.0617880821228027e-01 1.4398169517517090e-01 - <_> - - 0 -1 242 -1.7810560762882233e-02 - - 3.0411729216575623e-01 -4.6758800745010376e-02 - <_> - - 0 -1 243 -5.6027648970484734e-03 - - -5.2942901849746704e-01 7.8287117183208466e-02 - <_> - - 0 -1 244 1.9500569906085730e-03 - - -9.5949448645114899e-02 1.9031670689582825e-01 - <_> - - 0 -1 245 1.0641569644212723e-01 - - 4.7288440167903900e-02 -8.6525350809097290e-01 - <_> - 21 - -1.1566660404205322e+00 - - <_> - - 0 -1 246 1.8256990239024162e-02 - - -5.5564939975738525e-01 4.3546560406684875e-01 - <_> - - 0 -1 247 -1.1249440163373947e-01 - - 6.1800277233123779e-01 -2.1641810238361359e-01 - <_> - - 0 -1 248 2.0443440880626440e-03 - - -3.1379559636116028e-01 2.6424890756607056e-01 - <_> - - 0 -1 249 6.2505697133019567e-04 - - -2.3659600317478180e-01 2.1169990301132202e-01 - <_> - - 0 -1 250 1.3297300320118666e-03 - - -3.1339448690414429e-01 3.0449068546295166e-01 - <_> - - 0 -1 251 -4.6840369701385498e-02 - - 5.3759092092514038e-01 -1.8081139773130417e-02 - <_> - - 0 -1 252 -6.4874291419982910e-01 - - 6.6768437623977661e-01 -9.1247849166393280e-02 - <_> - - 0 -1 253 9.6183530986309052e-03 - - 1.4733779430389404e-01 -3.2193028926849365e-01 - <_> - - 0 -1 254 2.2117879707366228e-03 - - 1.5755419433116913e-01 -3.6799180507659912e-01 - <_> - - 0 -1 255 4.9280291423201561e-03 - - -8.3405740559101105e-02 6.8260177969932556e-02 - <_> - - 0 -1 256 1.3977079652249813e-02 - - -1.0702060163021088e-01 4.8326531052589417e-01 - <_> - - 0 -1 257 -1.0333389946026728e-04 - - 1.3645449280738831e-01 -3.1777021288871765e-01 - <_> - - 0 -1 258 -2.2287340834736824e-03 - - 2.1791179478168488e-01 -1.9923299551010132e-01 - <_> - - 0 -1 259 -3.2301511615514755e-02 - - 3.3135131001472473e-01 -2.0617039874196053e-02 - <_> - - 0 -1 260 2.3240039125084877e-02 - - 5.9672571718692780e-02 -6.4993959665298462e-01 - <_> - - 0 -1 261 3.5599120892584324e-03 - - -1.4818920195102692e-01 2.9893338680267334e-01 - <_> - - 0 -1 262 1.5469759702682495e-02 - - -7.5569599866867065e-02 5.2314680814743042e-01 - <_> - - 0 -1 263 -1.6372289974242449e-04 - - 1.0446730256080627e-01 -2.0943340659141541e-01 - <_> - - 0 -1 264 -2.9369019903242588e-03 - - -4.3197739124298096e-01 1.0765810310840607e-01 - <_> - - 0 -1 265 -7.8579207183793187e-04 - - -2.4614779651165009e-01 2.1554739773273468e-01 - <_> - - 0 -1 266 1.1156699620187283e-02 - - -8.1820882856845856e-02 6.7338067293167114e-01 - <_> - 49 - -1.0953630208969116e+00 - - <_> - - 0 -1 267 -1.8473519384860992e-01 - - 5.4758828878402710e-01 -2.2319069504737854e-01 - <_> - - 0 -1 268 -2.8615030460059643e-03 - - 1.9264279305934906e-01 -2.2989100217819214e-01 - <_> - - 0 -1 269 1.7970189452171326e-01 - - -6.4573682844638824e-02 8.0322009325027466e-01 - <_> - - 0 -1 270 -5.2812729030847549e-02 - - 2.8784981369972229e-01 -8.8289387524127960e-02 - <_> - - 0 -1 271 6.9000339135527611e-03 - - 1.0979209840297699e-01 -4.8886889219284058e-01 - <_> - - 0 -1 272 4.0469530969858170e-02 - - 6.1697468161582947e-02 -7.2907817363739014e-01 - <_> - - 0 -1 273 4.5191249810159206e-03 - - -2.7972379326820374e-01 1.7065159976482391e-01 - <_> - - 0 -1 274 -3.8400939665734768e-03 - - -2.8329300880432129e-01 1.1611709743738174e-01 - <_> - - 0 -1 275 -7.1505218511447310e-04 - - 1.5870480239391327e-01 -2.8253421187400818e-01 - <_> - - 0 -1 276 3.0127899721264839e-02 - - -3.6236338317394257e-02 5.3369390964508057e-01 - <_> - - 0 -1 277 -1.9907640293240547e-02 - - -3.2229989767074585e-01 1.4933170378208160e-01 - <_> - - 0 -1 278 -3.1435668468475342e-02 - - 2.0812889933586121e-01 -9.6762210130691528e-02 - <_> - - 0 -1 279 -1.9912680611014366e-02 - - -3.2928928732872009e-01 1.2732729315757751e-01 - <_> - - 0 -1 280 4.0626749396324158e-02 - - 1.6985720023512840e-02 -5.2226179838180542e-01 - <_> - - 0 -1 281 1.6589110018685460e-03 - - -2.3795670270919800e-01 2.0775599777698517e-01 - <_> - - 0 -1 282 1.9869199022650719e-03 - - -1.3493759930133820e-01 1.2050859630107880e-01 - <_> - - 0 -1 283 -4.1985820978879929e-02 - - 4.4601130485534668e-01 -7.6145969331264496e-02 - <_> - - 0 -1 284 7.0260182023048401e-02 - - 1.5833569690585136e-02 -3.8182300329208374e-01 - <_> - - 0 -1 285 -1.7992800101637840e-02 - - -3.6973980069160461e-01 1.0451599955558777e-01 - <_> - - 0 -1 286 -1.0420969873666763e-01 - - 5.1836878061294556e-01 -2.2372400388121605e-02 - <_> - - 0 -1 287 5.3277369588613510e-02 - - 7.4715927243232727e-02 -5.8489412069320679e-01 - <_> - - 0 -1 288 9.6819162368774414e-02 - - -7.8130746260285378e-03 -9.0531897544860840e-01 - <_> - - 0 -1 289 -2.2317610681056976e-01 - - 4.7848999500274658e-01 -8.9570246636867523e-02 - <_> - - 0 -1 290 1.3523760251700878e-02 - - 6.5158583223819733e-02 -1.4030559360980988e-01 - <_> - - 0 -1 291 -7.1465343236923218e-02 - - -8.8997572660446167e-01 3.8111008703708649e-02 - <_> - - 0 -1 292 2.4734560400247574e-02 - - -3.2858259975910187e-02 3.5368600487709045e-01 - <_> - - 0 -1 293 -4.2641810141503811e-03 - - 1.2885729968547821e-01 -2.7788180112838745e-01 - <_> - - 0 -1 294 4.3246541172266006e-02 - - -2.6344619691371918e-02 3.3333760499954224e-01 - <_> - - 0 -1 295 5.2720978856086731e-03 - - 9.6122108399868011e-02 -3.8203689455986023e-01 - <_> - - 0 -1 296 -6.4102048054337502e-03 - - 1.6924449801445007e-01 -7.5236052274703979e-02 - <_> - - 0 -1 297 1.7747100442647934e-02 - - -6.5126739442348480e-02 5.3720867633819580e-01 - <_> - - 0 -1 298 1.6466729342937469e-01 - - 2.6764029636979103e-02 -6.9506132602691650e-01 - <_> - - 0 -1 299 -7.6354909688234329e-03 - - 1.7261630296707153e-01 -2.0242890715599060e-01 - <_> - - 0 -1 300 -7.6648168265819550e-02 - - 2.2567149996757507e-01 -3.5044141113758087e-02 - <_> - - 0 -1 301 2.9634330421686172e-03 - - 1.0679820179939270e-01 -3.0704519152641296e-01 - <_> - - 0 -1 302 -1.8968040123581886e-02 - - -6.5349531173706055e-01 4.5328449457883835e-02 - <_> - - 0 -1 303 6.2272930145263672e-01 - - 2.9418470337986946e-02 -7.7416032552719116e-01 - <_> - - 0 -1 304 3.1170540023595095e-03 - - -1.9263580441474915e-01 1.0082499682903290e-01 - <_> - - 0 -1 305 -1.0179740190505981e-01 - - 5.0667291879653931e-01 -7.5845532119274139e-02 - <_> - - 0 -1 306 -8.7539367377758026e-02 - - -8.0127829313278198e-01 3.9741981774568558e-02 - <_> - - 0 -1 307 -4.0089199319481850e-03 - - 1.5867359936237335e-01 -2.0390710234642029e-01 - <_> - - 0 -1 308 -1.7252740263938904e-01 - - -4.8556509613990784e-01 6.6162437200546265e-02 - <_> - - 0 -1 309 2.2747491020709276e-03 - - 1.0839290171861649e-01 -2.6120510697364807e-01 - <_> - - 0 -1 310 8.7025731801986694e-02 - - -4.5612849295139313e-02 3.0642318725585938e-01 - <_> - - 0 -1 311 3.3302091062068939e-02 - - 9.8511956632137299e-02 -4.0321010351181030e-01 - <_> - - 0 -1 312 -5.5495370179414749e-03 - - 6.7809469997882843e-02 -1.9448509812355042e-01 - <_> - - 0 -1 313 -7.5916801579296589e-03 - - -3.3229979872703552e-01 1.0552299767732620e-01 - <_> - - 0 -1 314 -5.4776940494775772e-02 - - 3.1344750523567200e-01 -9.2561431229114532e-02 - <_> - - 0 -1 315 1.7293309792876244e-02 - - -1.0366520285606384e-01 4.5732820034027100e-01 - <_> - 40 - -1.0216970443725586e+00 - - <_> - - 0 -1 316 -2.2501630708575249e-02 - - 5.2293592691421509e-01 -1.7968380451202393e-01 - <_> - - 0 -1 317 -1.8166720867156982e-02 - - 1.4281089603900909e-01 -3.0268448591232300e-01 - <_> - - 0 -1 318 3.1680259853601456e-02 - - 1.5708820521831512e-01 -3.2303369045257568e-01 - <_> - - 0 -1 319 -2.3476250469684601e-02 - - -4.5576000213623047e-01 1.0300090163946152e-01 - <_> - - 0 -1 320 4.5688278973102570e-02 - - 6.7873537540435791e-02 -7.4623328447341919e-01 - <_> - - 0 -1 321 -7.4609883129596710e-02 - - 2.0548540353775024e-01 -1.0097859799861908e-01 - <_> - - 0 -1 322 -4.5903101563453674e-02 - - 6.6662758588790894e-01 -6.9071657955646515e-02 - <_> - - 0 -1 323 -5.7763070799410343e-04 - - 1.1386449635028839e-01 -1.2278319895267487e-01 - <_> - - 0 -1 324 -4.1800830513238907e-04 - - 1.9999989867210388e-01 -2.2372670471668243e-01 - <_> - - 0 -1 325 2.4581039324402809e-03 - - 1.0073749721050262e-01 -3.6323159933090210e-01 - <_> - - 0 -1 326 6.7467048764228821e-02 - - 5.4200690239667892e-02 -6.0347068309783936e-01 - <_> - - 0 -1 327 -3.8971859961748123e-02 - - 4.0277591347694397e-01 -1.1299470067024231e-01 - <_> - - 0 -1 328 1.6628159582614899e-01 - - 4.8290308564901352e-02 -8.1269222497940063e-01 - <_> - - 0 -1 329 5.5140322074294090e-03 - - 6.0484610497951508e-02 -5.4575890302658081e-01 - <_> - - 0 -1 330 1.2837080284953117e-03 - - -2.8150710463523865e-01 1.2785549461841583e-01 - <_> - - 0 -1 331 3.3840160816907883e-02 - - -6.1925090849399567e-02 5.4461580514907837e-01 - <_> - - 0 -1 332 1.4224560000002384e-02 - - -8.3702072501182556e-02 5.5404889583587646e-01 - <_> - - 0 -1 333 -1.4315280714072287e-04 - - 1.5318620204925537e-01 -2.8312870860099792e-01 - <_> - - 0 -1 334 -1.3604390434920788e-02 - - -6.3229328393936157e-01 5.6792028248310089e-02 - <_> - - 0 -1 335 -1.7952319979667664e-01 - - -7.7471101284027100e-01 -1.2696949997916818e-03 - <_> - - 0 -1 336 -6.3834888860583305e-03 - - 1.2864939868450165e-01 -3.1159159541130066e-01 - <_> - - 0 -1 337 -1.8140509724617004e-01 - - -7.0704931020736694e-01 3.0992519110441208e-02 - <_> - - 0 -1 338 3.4940429031848907e-03 - - 1.0192289948463440e-01 -3.3393231034278870e-01 - <_> - - 0 -1 339 4.0861740708351135e-02 - - 3.1267888844013214e-02 -4.3739050626754761e-01 - <_> - - 0 -1 340 3.6993999034166336e-02 - - -6.2453608959913254e-02 5.7605278491973877e-01 - <_> - - 0 -1 341 -7.7690118923783302e-03 - - -6.0737371444702148e-01 6.9758452475070953e-02 - <_> - - 0 -1 342 7.1885702200233936e-03 - - -1.4034010469913483e-01 2.4509570002555847e-01 - <_> - - 0 -1 343 -3.0558679252862930e-02 - - -2.6109099388122559e-01 2.0893760025501251e-02 - <_> - - 0 -1 344 -1.3949500396847725e-02 - - -4.5984518527984619e-01 7.2996988892555237e-02 - <_> - - 0 -1 345 -1.7439149320125580e-01 - - 2.7917501330375671e-01 -7.0309691131114960e-02 - <_> - - 0 -1 346 -5.6514460593461990e-03 - - -5.8335387706756592e-01 4.8543170094490051e-02 - <_> - - 0 -1 347 -5.6718150153756142e-03 - - -2.0645590126514435e-01 5.9949990361928940e-02 - <_> - - 0 -1 348 -2.9772339985356666e-05 - - 1.6627080738544464e-01 -1.8144470453262329e-01 - <_> - - 0 -1 349 -6.2705092132091522e-03 - - 2.5829210877418518e-01 -1.3548080623149872e-01 - <_> - - 0 -1 350 -5.2028051577508450e-03 - - -2.9585519433021545e-01 1.0223600268363953e-01 - <_> - - 0 -1 351 -3.6721840500831604e-02 - - 1.1443459987640381e-01 -1.5670689940452576e-01 - <_> - - 0 -1 352 7.8717432916164398e-02 - - 2.9407389461994171e-02 -8.9653927087783813e-01 - <_> - - 0 -1 353 9.0856212377548218e-01 - - -5.6400269269943237e-02 6.9543528556823730e-01 - <_> - - 0 -1 354 -5.2952598780393600e-03 - - 1.8282440304756165e-01 -2.0518480241298676e-01 - <_> - - 0 -1 355 -5.2672341465950012e-02 - - -6.8133538961410522e-01 3.6046069115400314e-02 - <_> - 51 - -1.0450960397720337e+00 - - <_> - - 0 -1 356 -2.1731309592723846e-01 - - 5.9716808795928955e-01 -2.2432699799537659e-01 - <_> - - 0 -1 357 -3.4627959132194519e-01 - - 5.3741937875747681e-01 -8.7782189249992371e-02 - <_> - - 0 -1 358 1.0713579831644893e-03 - - -3.5920229554176331e-01 1.5685929358005524e-01 - <_> - - 0 -1 359 -6.1267141252756119e-02 - - -7.1003252267837524e-01 2.0527899265289307e-02 - <_> - - 0 -1 360 3.1281840056180954e-02 - - -7.4646763503551483e-02 5.9689122438430786e-01 - <_> - - 0 -1 361 -1.2337400112301111e-03 - - 1.5949830412864685e-01 -2.7181199193000793e-01 - <_> - - 0 -1 362 -3.4508139360696077e-03 - - 2.0255160331726074e-01 -1.9399139285087585e-01 - <_> - - 0 -1 363 -7.0481761358678341e-03 - - -5.5100089311599731e-01 7.0738323032855988e-02 - <_> - - 0 -1 364 2.2950200736522675e-01 - - -8.7573416531085968e-02 6.0446268320083618e-01 - <_> - - 0 -1 365 -2.2578560747206211e-03 - - -8.5306502878665924e-02 1.0997729748487473e-01 - <_> - - 0 -1 366 -9.7562908194959164e-04 - - 9.7412303090095520e-02 -3.6251759529113770e-01 - <_> - - 0 -1 367 5.3088109940290451e-02 - - -3.5328660160303116e-03 -6.0694789886474609e-01 - <_> - - 0 -1 368 1.5448880149051547e-03 - - -2.2419139742851257e-01 1.7832720279693604e-01 - <_> - - 0 -1 369 1.2375700287520885e-02 - - -3.5778950899839401e-02 2.9557931423187256e-01 - <_> - - 0 -1 370 5.9611927717924118e-03 - - -7.3603026568889618e-02 4.8699569702148438e-01 - <_> - - 0 -1 371 8.3732418715953827e-03 - - 9.5786556601524353e-02 -3.9222580194473267e-01 - <_> - - 0 -1 372 -7.9954452812671661e-03 - - -2.9597011208534241e-01 1.3246519863605499e-01 - <_> - - 0 -1 373 1.7624149098992348e-02 - - 1.1629760265350342e-02 -3.7594190239906311e-01 - <_> - - 0 -1 374 -8.1538967788219452e-04 - - 1.8403179943561554e-01 -2.1106949448585510e-01 - <_> - - 0 -1 375 6.5910838544368744e-02 - - 3.8050938397645950e-02 -8.7356221675872803e-01 - <_> - - 0 -1 376 -8.1749828532338142e-03 - - -3.0115619301795959e-01 8.1345446407794952e-02 - <_> - - 0 -1 377 -3.8275010883808136e-02 - - 3.8238960504531860e-01 -5.5969979614019394e-02 - <_> - - 0 -1 378 3.2501420937478542e-03 - - -2.1520890295505524e-01 1.3417840003967285e-01 - <_> - - 0 -1 379 5.6356219574809074e-03 - - -9.1598346829414368e-02 2.6930230855941772e-01 - <_> - - 0 -1 380 -5.1177428103983402e-03 - - -3.0092298984527588e-01 1.0440470278263092e-01 - <_> - - 0 -1 381 -6.0195129364728928e-02 - - 1.8512830138206482e-01 -6.3004150986671448e-02 - <_> - - 0 -1 382 4.6473558992147446e-02 - - 3.7559378892183304e-02 -8.1117790937423706e-01 - <_> - - 0 -1 383 2.2262150887399912e-03 - - -1.2262800335884094e-01 8.3288192749023438e-02 - <_> - - 0 -1 384 1.6670780256390572e-02 - - -5.2774429321289062e-02 5.4887998104095459e-01 - <_> - - 0 -1 385 -6.3093528151512146e-02 - - -7.4702072143554688e-01 2.7049509808421135e-02 - <_> - - 0 -1 386 -7.7139958739280701e-04 - - 9.2177063226699829e-02 -2.9994431138038635e-01 - <_> - - 0 -1 387 -8.9107893407344818e-02 - - -3.8937440514564514e-01 2.9831759631633759e-02 - <_> - - 0 -1 388 -1.7469590238761157e-04 - - 1.6117650270462036e-01 -2.0639100670814514e-01 - <_> - - 0 -1 389 -2.1986931096762419e-03 - - 1.4286069571971893e-01 -1.2366549670696259e-01 - <_> - - 0 -1 390 2.1864708978682756e-03 - - -1.7435190081596375e-01 1.6586010158061981e-01 - <_> - - 0 -1 391 1.2738450430333614e-02 - - 4.8340078443288803e-02 -8.1297926604747772e-02 - <_> - - 0 -1 392 -1.2383400462567806e-02 - - -3.7464460730552673e-01 8.1205978989601135e-02 - <_> - - 0 -1 393 -1.2094350159168243e-01 - - -9.1908979415893555e-01 1.7007840797305107e-02 - <_> - - 0 -1 394 4.8902980983257294e-02 - - -7.0619069039821625e-02 5.1363438367843628e-01 - <_> - - 0 -1 395 -1.9585320260375738e-03 - - 9.9808372557163239e-02 -1.0681519657373428e-01 - <_> - - 0 -1 396 -2.9645320773124695e-01 - - -9.1213762760162354e-01 3.2292358577251434e-02 - <_> - - 0 -1 397 1.0741979628801346e-01 - - -2.3814958985894918e-03 -7.1836417913436890e-01 - <_> - - 0 -1 398 -4.2040441185235977e-02 - - 3.0848339200019836e-01 -9.9647372961044312e-02 - <_> - - 0 -1 399 6.8270778283476830e-03 - - 8.3302132785320282e-02 -3.6433839797973633e-01 - <_> - - 0 -1 400 -1.1072089895606041e-02 - - -2.5886499881744385e-01 1.2579409778118134e-01 - <_> - - 0 -1 401 -1.6399029642343521e-02 - - 3.0191990733146667e-01 -4.9352090805768967e-02 - <_> - - 0 -1 402 -2.0852450688835233e-04 - - 1.2508730590343475e-01 -2.1993610262870789e-01 - <_> - - 0 -1 403 -3.0174860730767250e-02 - - -6.5353047847747803e-01 1.0185699909925461e-02 - <_> - - 0 -1 404 -3.9148568175733089e-03 - - -2.0781719684600830e-01 1.2460950016975403e-01 - <_> - - 0 -1 405 -2.7260989882051945e-03 - - 1.2443950027227402e-01 -1.5540640056133270e-01 - <_> - - 0 -1 406 1.7432900145649910e-02 - - -5.9761889278888702e-02 4.9430638551712036e-01 - <_> - 45 - -9.2809242010116577e-01 - - <_> - - 0 -1 407 -2.1454410254955292e-01 - - 5.1646298170089722e-01 -2.2012180089950562e-01 - <_> - - 0 -1 408 1.3796210289001465e-02 - - 5.0541419535875320e-02 -2.3305070400238037e-01 - <_> - - 0 -1 409 9.6883601509034634e-04 - - -2.4793210625648499e-01 2.0536769926548004e-01 - <_> - - 0 -1 410 -6.6670728847384453e-03 - - -2.2546489536762238e-01 6.4493361860513687e-03 - <_> - - 0 -1 411 2.1733778994530439e-03 - - -2.1164029836654663e-01 2.1819859743118286e-01 - <_> - - 0 -1 412 -1.2321940157562494e-03 - - 6.7792296409606934e-02 -1.1661940068006516e-01 - <_> - - 0 -1 413 -5.9950752183794975e-03 - - -4.2384910583496094e-01 1.3204540312290192e-01 - <_> - - 0 -1 414 2.6942830532789230e-02 - - -1.0161910206079483e-01 4.8092079162597656e-01 - <_> - - 0 -1 415 6.6907003521919250e-02 - - -8.4552347660064697e-02 4.9274548888206482e-01 - <_> - - 0 -1 416 -1.6729519702494144e-03 - - 9.2197872698307037e-02 -2.2954310476779938e-01 - <_> - - 0 -1 417 1.3808730058372021e-02 - - -6.0905098915100098e-02 5.8490061759948730e-01 - <_> - - 0 -1 418 -2.3627160117030144e-02 - - -8.8347977399826050e-01 9.7397705540060997e-03 - <_> - - 0 -1 419 -1.3927640393376350e-02 - - -6.5309441089630127e-01 5.2886508405208588e-02 - <_> - - 0 -1 420 3.6122989840805531e-03 - - -2.6369398832321167e-01 1.0595279932022095e-01 - <_> - - 0 -1 421 -5.2949450910091400e-02 - - -7.3409342765808105e-01 4.7014039009809494e-02 - <_> - - 0 -1 422 1.7414819449186325e-02 - - 1.7683740705251694e-02 -5.8782297372817993e-01 - <_> - - 0 -1 423 -3.2427799305878580e-04 - - 1.3886380195617676e-01 -3.0609750747680664e-01 - <_> - - 0 -1 424 -4.3613791465759277e-02 - - 5.4857110977172852e-01 -6.7348852753639221e-02 - <_> - - 0 -1 425 -9.3427510000765324e-04 - - 1.8392640352249146e-01 -1.7492470145225525e-01 - <_> - - 0 -1 426 7.9606421291828156e-02 - - 4.5652151107788086e-02 -6.3910657167434692e-01 - <_> - - 0 -1 427 -2.5120750069618225e-02 - - 1.0046990215778351e-01 -2.7824568748474121e-01 - <_> - - 0 -1 428 3.2976910471916199e-02 - - -5.9311199933290482e-02 6.5328377485275269e-01 - <_> - - 0 -1 429 -3.7845480255782604e-03 - - -2.4190320074558258e-01 1.3097280263900757e-01 - <_> - - 0 -1 430 9.4495685771107674e-03 - - -9.3100033700466156e-02 2.3785820603370667e-01 - <_> - - 0 -1 431 2.5168890133500099e-03 - - 1.3604310154914856e-01 -2.8159540891647339e-01 - <_> - - 0 -1 432 2.6242460589855909e-03 - - 8.9834272861480713e-02 -3.7729039788246155e-01 - <_> - - 0 -1 433 -4.4626198709011078e-02 - - 3.8320839405059814e-01 -9.6285469830036163e-02 - <_> - - 0 -1 434 1.4027470024302602e-04 - - -1.7261759936809540e-01 1.6574309766292572e-01 - <_> - - 0 -1 435 3.9115909487009048e-02 - - 7.8652113676071167e-02 -3.5689839720726013e-01 - <_> - - 0 -1 436 -6.6682003438472748e-02 - - -8.8001507520675659e-01 9.0465601533651352e-03 - <_> - - 0 -1 437 6.3860351219773293e-03 - - -7.5936213135719299e-02 3.8622769713401794e-01 - <_> - - 0 -1 438 4.3549899011850357e-02 - - -2.5680009275674820e-02 7.4085921049118042e-01 - <_> - - 0 -1 439 1.8360930262133479e-03 - - 1.1183869838714600e-01 -3.3362200856208801e-01 - <_> - - 0 -1 440 1.6189280431717634e-03 - - 1.8969060853123665e-02 -1.5130129456520081e-01 - <_> - - 0 -1 441 2.8807038906961679e-03 - - 9.4285592436790466e-02 -3.1100749969482422e-01 - <_> - - 0 -1 442 -3.2489649951457977e-02 - - -2.1908520162105560e-01 1.1370900273323059e-01 - <_> - - 0 -1 443 -3.8253709673881531e-02 - - 3.7908008694648743e-01 -6.8298138678073883e-02 - <_> - - 0 -1 444 -1.8478769809007645e-02 - - 2.9623249173164368e-01 -6.0682911425828934e-02 - <_> - - 0 -1 445 1.5569750219583511e-02 - - 8.5731290280818939e-02 -3.3175340294837952e-01 - <_> - - 0 -1 446 -1.7486449796706438e-03 - - 1.2554299831390381e-01 -1.9797539710998535e-01 - <_> - - 0 -1 447 9.0995557606220245e-02 - - -6.7590013146400452e-02 5.2676147222518921e-01 - <_> - - 0 -1 448 -6.0815969482064247e-03 - - 2.1883159875869751e-01 -1.5794619917869568e-01 - <_> - - 0 -1 449 1.3633850030601025e-02 - - 1.2463530153036118e-01 -2.3396529257297516e-01 - <_> - - 0 -1 450 -3.2046619057655334e-01 - - 4.5808508992195129e-01 -2.7573259547352791e-02 - <_> - - 0 -1 451 -3.6630940157920122e-03 - - -2.4003350734710693e-01 1.2256260216236115e-01 - <_> - 46 - -8.5974782705307007e-01 - - <_> - - 0 -1 452 -1.5901359915733337e-01 - - 4.3535038828849792e-01 -1.7064349353313446e-01 - <_> - - 0 -1 453 -8.1815905869007111e-03 - - -4.6280708909034729e-01 8.8514603674411774e-02 - <_> - - 0 -1 454 -7.1978997766564135e-06 - - 1.6246670484542847e-01 -3.1899040937423706e-01 - <_> - - 0 -1 455 1.4128180220723152e-02 - - 4.3259881436824799e-02 -5.9328877925872803e-01 - <_> - - 0 -1 456 -9.5496661961078644e-03 - - -6.3987672328948975e-01 4.6203929930925369e-02 - <_> - - 0 -1 457 -2.4156800936907530e-03 - - 2.6009899377822876e-01 -1.7099030315876007e-01 - <_> - - 0 -1 458 4.4057718478143215e-03 - - -2.2679199278354645e-01 1.6393969953060150e-01 - <_> - - 0 -1 459 -3.3825438469648361e-02 - - -7.2834062576293945e-01 5.1699958741664886e-02 - <_> - - 0 -1 460 2.9628010466694832e-02 - - 3.4399930387735367e-02 -6.9400608539581299e-01 - <_> - - 0 -1 461 1.2294690310955048e-01 - - 3.3281920477747917e-03 -7.6602149009704590e-01 - <_> - - 0 -1 462 -9.8816171288490295e-02 - - 3.1439980864524841e-01 -1.0131180286407471e-01 - <_> - - 0 -1 463 -3.3952430821955204e-03 - - 3.3362209796905518e-02 -1.3168929517269135e-01 - <_> - - 0 -1 464 2.4586699903011322e-02 - - -6.5227553248405457e-02 6.8169701099395752e-01 - <_> - - 0 -1 465 7.8804800286889076e-03 - - 1.2926100194454193e-01 -4.3783390522003174e-01 - <_> - - 0 -1 466 -9.1016880469396710e-04 - - 1.3692790269851685e-01 -1.9827769696712494e-01 - <_> - - 0 -1 467 1.6178259626030922e-02 - - 9.9287502467632294e-02 -3.4090539813041687e-01 - <_> - - 0 -1 468 -1.0527680069208145e-01 - - -9.1738772392272949e-01 3.2674968242645264e-02 - <_> - - 0 -1 469 -3.7090498954057693e-02 - - 4.2047971487045288e-01 -7.1002766489982605e-02 - <_> - - 0 -1 470 3.8721140474081039e-02 - - -7.3284432291984558e-02 4.8204809427261353e-01 - <_> - - 0 -1 471 -3.4923329949378967e-03 - - -2.8713211417198181e-01 1.0397130250930786e-01 - <_> - - 0 -1 472 -1.1214460246264935e-02 - - -5.1632231473922729e-01 5.4384410381317139e-02 - <_> - - 0 -1 473 -2.2951549908611923e-04 - - -1.6355240345001221e-01 7.7216558158397675e-02 - <_> - - 0 -1 474 2.5744609534740448e-02 - - -5.7303100824356079e-02 4.9525278806686401e-01 - <_> - - 0 -1 475 3.7998620420694351e-02 - - 2.7654580771923065e-02 -4.8470789194107056e-01 - <_> - - 0 -1 476 2.3906941059976816e-03 - - -2.0106680691242218e-01 1.6209079325199127e-01 - <_> - - 0 -1 477 -1.2891319394111633e-01 - - -6.9726997613906860e-01 1.7226759344339371e-02 - <_> - - 0 -1 478 9.4630720559507608e-04 - - -2.7104228734970093e-01 1.0894539952278137e-01 - <_> - - 0 -1 479 3.2807278912514448e-03 - - -4.1949510574340820e-02 8.2179002463817596e-02 - <_> - - 0 -1 480 5.1204498857259750e-02 - - 4.8180408775806427e-02 -6.6344922780990601e-01 - <_> - - 0 -1 481 -4.5751508325338364e-02 - - 1.9350789487361908e-01 -3.7223301827907562e-02 - <_> - - 0 -1 482 1.4391579665243626e-02 - - 1.0828830301761627e-01 -2.3524640500545502e-01 - <_> - - 0 -1 483 -7.6694227755069733e-03 - - 7.7429883182048798e-02 -4.6658441424369812e-02 - <_> - - 0 -1 484 -4.9375209957361221e-02 - - 3.5604238510131836e-01 -8.1731930375099182e-02 - <_> - - 0 -1 485 4.9358978867530823e-02 - - 5.0106838345527649e-02 -5.9273171424865723e-01 - <_> - - 0 -1 486 5.3014289587736130e-02 - - 3.3155430108308792e-02 -7.0783668756484985e-01 - <_> - - 0 -1 487 -1.2086739763617516e-02 - - 1.4943680167198181e-01 -1.8973240256309509e-01 - <_> - - 0 -1 488 -1.3579580187797546e-01 - - 4.5863440632820129e-01 -7.1998342871665955e-02 - <_> - - 0 -1 489 1.9633909687399864e-03 - - -1.0420600324869156e-01 1.8465609848499298e-01 - <_> - - 0 -1 490 9.3589266762137413e-03 - - 5.3957458585500717e-02 -4.7337940335273743e-01 - <_> - - 0 -1 491 4.3361759744584560e-03 - - -5.7173401117324829e-02 5.0958871841430664e-01 - <_> - - 0 -1 492 8.5009206086397171e-03 - - 9.4076819717884064e-02 -2.9265969991683960e-01 - <_> - - 0 -1 493 -1.9089920446276665e-02 - - 3.5426521301269531e-01 -5.5876109749078751e-02 - <_> - - 0 -1 494 -1.6061830101534724e-03 - - 1.6634060442447662e-01 -1.5939429402351379e-01 - <_> - - 0 -1 495 -7.8830653801560402e-03 - - -2.6064670085906982e-01 5.5236898362636566e-02 - <_> - - 0 -1 496 -3.2838371116667986e-03 - - -2.4924349784851074e-01 1.4288279414176941e-01 - <_> - - 0 -1 497 1.9204219803214073e-02 - - -2.6132659986615181e-02 3.2939550280570984e-01 - <_> - 55 - -8.6706262826919556e-01 - - <_> - - 0 -1 498 -1.0141430050134659e-01 - - 4.7197818756103516e-01 -1.8123960494995117e-01 - <_> - - 0 -1 499 -7.6708722114562988e-01 - - 4.3214419484138489e-01 -1.0705640166997910e-01 - <_> - - 0 -1 500 8.0198869109153748e-03 - - 8.4858916699886322e-02 -5.0163632631301880e-01 - <_> - - 0 -1 501 4.2173888534307480e-02 - - 4.3612729758024216e-02 -6.5135252475738525e-01 - <_> - - 0 -1 502 4.0101539343595505e-03 - - -2.4151140451431274e-01 1.7029179632663727e-01 - <_> - - 0 -1 503 -1.3389269588515162e-03 - - -1.8421310186386108e-01 9.2217013239860535e-02 - <_> - - 0 -1 504 3.3321550581604242e-03 - - -1.6709089279174805e-01 1.9239999353885651e-01 - <_> - - 0 -1 505 1.5524900518357754e-03 - - 1.1113339662551880e-01 -3.1200349330902100e-01 - <_> - - 0 -1 506 2.3809259757399559e-02 - - -6.4096599817276001e-02 5.6162089109420776e-01 - <_> - - 0 -1 507 2.8085429221391678e-02 - - -2.2390459477901459e-01 1.6832110285758972e-01 - <_> - - 0 -1 508 -4.7726151533424854e-03 - - -4.6150028705596924e-01 4.9433000385761261e-02 - <_> - - 0 -1 509 1.0531850159168243e-01 - - 3.4683290868997574e-02 -6.4283651113510132e-01 - <_> - - 0 -1 510 -7.2594000957906246e-03 - - -4.0418758988380432e-01 6.0901068150997162e-02 - <_> - - 0 -1 511 8.7005542591214180e-03 - - -7.5832478702068329e-02 8.9484892785549164e-02 - <_> - - 0 -1 512 -5.3671520203351974e-02 - - 7.3710972070693970e-01 -4.0993150323629379e-02 - <_> - - 0 -1 513 3.4521210938692093e-02 - - -1.3731540180742741e-02 2.7299648523330688e-01 - <_> - - 0 -1 514 -7.2156880050897598e-03 - - 1.2723149359226227e-01 -2.3329609632492065e-01 - <_> - - 0 -1 515 1.7666360363364220e-03 - - 5.7977691292762756e-02 -2.0036549866199493e-01 - <_> - - 0 -1 516 3.8101759273558855e-03 - - 7.3866911232471466e-02 -3.0780071020126343e-01 - <_> - - 0 -1 517 -2.5019630789756775e-02 - - 4.3502670526504517e-01 -4.8294428735971451e-02 - <_> - - 0 -1 518 9.7328815609216690e-03 - - -8.3063952624797821e-02 3.0008700489997864e-01 - <_> - - 0 -1 519 -3.3074519596993923e-03 - - 1.3591299951076508e-01 -2.2476670145988464e-01 - <_> - - 0 -1 520 -1.9178609549999237e-01 - - -8.7936902046203613e-01 2.7915079146623611e-02 - <_> - - 0 -1 521 6.0892169130966067e-04 - - -2.2891379892826080e-01 1.0236170142889023e-01 - <_> - - 0 -1 522 -7.7072591520845890e-03 - - -2.4917750060558319e-01 9.4315156340599060e-02 - <_> - - 0 -1 523 -1.0916110128164291e-01 - - 5.5664068460464478e-01 -4.7419041395187378e-02 - <_> - - 0 -1 524 -6.3703782856464386e-02 - - -2.1503069996833801e-01 1.0655879974365234e-01 - <_> - - 0 -1 525 -2.6704160496592522e-02 - - 3.3017820119857788e-01 -9.3569032847881317e-02 - <_> - - 0 -1 526 -2.7289129793643951e-03 - - 8.6531341075897217e-02 -2.6623091101646423e-01 - <_> - - 0 -1 527 -1.0575050115585327e-01 - - -1. 5.9039499610662460e-03 - <_> - - 0 -1 528 1.8904829397797585e-02 - - -6.2077309936285019e-02 4.7796338796615601e-01 - <_> - - 0 -1 529 -1.6396720707416534e-01 - - -1. 1.0493510402739048e-02 - <_> - - 0 -1 530 1.0453710332512856e-02 - - 1.2688960134983063e-01 -2.0351530611515045e-01 - <_> - - 0 -1 531 1.3724270462989807e-01 - - 9.6491426229476929e-03 -3.7908729910850525e-01 - <_> - - 0 -1 532 -5.0359591841697693e-03 - - -2.5936231017112732e-01 1.1745890229940414e-01 - <_> - - 0 -1 533 6.5677291713654995e-03 - - -6.0465291142463684e-02 1.5637819468975067e-01 - <_> - - 0 -1 534 -3.0346989631652832e-02 - - 3.8403400778770447e-01 -6.1477359384298325e-02 - <_> - - 0 -1 535 1.7546329647302628e-02 - - 2.8643229976296425e-02 -4.7679468989372253e-01 - <_> - - 0 -1 536 -4.5566740445792675e-03 - - -3.1261089444160461e-01 1.0885629802942276e-01 - <_> - - 0 -1 537 -6.9851092994213104e-02 - - -7.0994102954864502e-01 1.8536770716309547e-02 - <_> - - 0 -1 538 -1.4962710338295437e-05 - - 1.0287140309810638e-01 -2.2921159863471985e-01 - <_> - - 0 -1 539 -7.2705000638961792e-02 - - 4.2520120739936829e-01 -2.8236340731382370e-02 - <_> - - 0 -1 540 3.7338290363550186e-02 - - -7.6630033552646637e-02 3.2374149560928345e-01 - <_> - - 0 -1 541 2.8690960258245468e-02 - - 3.0029499903321266e-02 -8.4007978439331055e-01 - <_> - - 0 -1 542 1.0019769892096519e-02 - - -7.9071857035160065e-02 3.4019070863723755e-01 - <_> - - 0 -1 543 -3.9540659636259079e-03 - - -2.4449679255485535e-01 1.1845660209655762e-01 - <_> - - 0 -1 544 -8.2879550755023956e-03 - - 1.0628750175237656e-01 -2.2044150531291962e-01 - <_> - - 0 -1 545 -3.4582480788230896e-02 - - -7.1333628892898560e-01 2.9727920889854431e-02 - <_> - - 0 -1 546 -1.4701869804412127e-03 - - 1.2630669772624969e-01 -1.8260860443115234e-01 - <_> - - 0 -1 547 -1.8792560324072838e-02 - - 4.4159510731697083e-01 -6.2980100512504578e-02 - <_> - - 0 -1 548 -1.9830280914902687e-02 - - -2.8308698534965515e-01 9.2180028557777405e-02 - <_> - - 0 -1 549 -1.6321459412574768e-01 - - -4.1355830430984497e-01 1.1562050320208073e-02 - <_> - - 0 -1 550 7.5624987483024597e-02 - - 2.2105440497398376e-02 -9.1430252790451050e-01 - <_> - - 0 -1 551 -2.2491789422929287e-03 - - 9.1926686465740204e-02 -1.0633769631385803e-01 - <_> - - 0 -1 552 -6.3310638070106506e-02 - - -7.7100628614425659e-01 2.7047479525208473e-02 - <_> - 60 - -8.9544051885604858e-01 - - <_> - - 0 -1 553 -1.7043270170688629e-01 - - 4.7425061464309692e-01 -1.8581479787826538e-01 - <_> - - 0 -1 554 2.7967130765318871e-02 - - -8.6291179060935974e-02 5.3257989883422852e-01 - <_> - - 0 -1 555 2.0941249385941774e-04 - - -2.7199700474739075e-01 1.3615070283412933e-01 - <_> - - 0 -1 556 -3.3637240529060364e-02 - - 2.8299760818481445e-01 -2.2356469184160233e-02 - <_> - - 0 -1 557 -4.5356429181993008e-03 - - 1.6135759651660919e-01 -2.0162500441074371e-01 - <_> - - 0 -1 558 3.3124668989330530e-03 - - -7.9677619040012360e-02 1.4375239610671997e-01 - <_> - - 0 -1 559 -5.4888740181922913e-02 - - 6.6563862562179565e-01 -5.3526669740676880e-02 - <_> - - 0 -1 560 5.3796600550413132e-03 - - -9.6400886774063110e-02 9.3223050236701965e-02 - <_> - - 0 -1 561 -6.0283239930868149e-02 - - -5.4325622320175171e-01 5.4515969008207321e-02 - <_> - - 0 -1 562 8.4590855985879898e-03 - - 5.0189521163702011e-02 -3.7638399004936218e-01 - <_> - - 0 -1 563 2.8549430426210165e-03 - - 1.3105809688568115e-01 -2.4903079867362976e-01 - <_> - - 0 -1 564 -2.0608250051736832e-02 - - -4.3393260240554810e-01 6.0918930917978287e-02 - <_> - - 0 -1 565 -1.0088419541716576e-02 - - 2.9433688521385193e-01 -1.0092660039663315e-01 - <_> - - 0 -1 566 -5.9431340545415878e-02 - - -9.0102052688598633e-01 2.7330689132213593e-02 - <_> - - 0 -1 567 -2.4024050217121840e-03 - - 1.2758029997348785e-01 -1.9134059548377991e-01 - <_> - - 0 -1 568 -2.7372820302844048e-02 - - -2.8051578998565674e-01 1.0892979800701141e-01 - <_> - - 0 -1 569 -7.3817551136016846e-02 - - 3.6636620759963989e-01 -7.1261473000049591e-02 - <_> - - 0 -1 570 -6.9365866482257843e-02 - - 4.4759741425514221e-01 -3.5112198442220688e-02 - <_> - - 0 -1 571 -1.2530760141089559e-03 - - 1.0481069982051849e-01 -2.5331568717956543e-01 - <_> - - 0 -1 572 -3.2429681159555912e-03 - - -2.1083809435367584e-01 8.9755013585090637e-02 - <_> - - 0 -1 573 1.6115259379148483e-02 - - -5.8019161224365234e-02 5.5759441852569580e-01 - <_> - - 0 -1 574 6.2562932725995779e-04 - - -2.1611200273036957e-01 1.2215120345354080e-01 - <_> - - 0 -1 575 -7.6641827821731567e-01 - - -6.3647639751434326e-01 3.3915121108293533e-02 - <_> - - 0 -1 576 -7.4419458542251959e-06 - - 9.5346711575984955e-02 -2.3950740694999695e-01 - <_> - - 0 -1 577 -3.7739300751127303e-04 - - 1.4481280744075775e-01 -1.8476490676403046e-01 - <_> - - 0 -1 578 7.6729603111743927e-02 - - 1.1742720380425453e-02 -9.6213918924331665e-01 - <_> - - 0 -1 579 -4.4697099365293980e-03 - - -2.3385390639305115e-01 1.0464339703321457e-01 - <_> - - 0 -1 580 7.5911812484264374e-02 - - 6.7219119518995285e-03 -4.2311188578605652e-01 - <_> - - 0 -1 581 -8.3202589303255081e-03 - - 3.2122060656547546e-01 -8.3661839365959167e-02 - <_> - - 0 -1 582 -3.7233818322420120e-02 - - 1.1662390083074570e-01 -2.3976010084152222e-01 - <_> - - 0 -1 583 -2.1381198894232512e-03 - - 8.4755808115005493e-02 -2.5149530172348022e-01 - <_> - - 0 -1 584 -4.4315438717603683e-03 - - -1.0990399867296219e-01 6.6713362932205200e-02 - <_> - - 0 -1 585 -1.0959600098431110e-02 - - 2.8818470239639282e-01 -7.7696867287158966e-02 - <_> - - 0 -1 586 3.4907169640064240e-02 - - -1.1712339706718922e-02 3.9965820312500000e-01 - <_> - - 0 -1 587 -1.3335079886019230e-02 - - -4.9896249175071716e-01 5.3193040192127228e-02 - <_> - - 0 -1 588 -3.7070110440254211e-02 - - -5.9346628189086914e-01 1.2502389959990978e-02 - <_> - - 0 -1 589 -9.1118857264518738e-02 - - -6.0664188861846924e-01 3.0223639681935310e-02 - <_> - - 0 -1 590 -6.7527957260608673e-02 - - 3.2593071460723877e-01 -3.2810360193252563e-02 - <_> - - 0 -1 591 -2.6317719370126724e-02 - - -7.6599878072738647e-01 2.5263689458370209e-02 - <_> - - 0 -1 592 3.7877839058637619e-02 - - 1.7415969632565975e-03 -9.1090667247772217e-01 - <_> - - 0 -1 593 1.6833839472383261e-03 - - -6.4769007265567780e-02 3.5946249961853027e-01 - <_> - - 0 -1 594 -4.2451170884305611e-05 - - 6.2228899449110031e-02 -8.5069350898265839e-02 - <_> - - 0 -1 595 2.7713281451724470e-04 - - -1.7252549529075623e-01 1.2511169910430908e-01 - <_> - - 0 -1 596 -3.0400960240513086e-03 - - 1.5032739937305450e-01 -1.4423249661922455e-01 - <_> - - 0 -1 597 -5.4823148995637894e-02 - - 3.4711471199989319e-01 -6.3294216990470886e-02 - <_> - - 0 -1 598 1.4232549583539367e-03 - - 7.3755688965320587e-02 -2.7084198594093323e-01 - <_> - - 0 -1 599 -3.3660030458122492e-03 - - -2.3144030570983887e-01 8.8216871023178101e-02 - <_> - - 0 -1 600 -1.1405759723857045e-03 - - 1.5687429904937744e-01 -1.3379560410976410e-01 - <_> - - 0 -1 601 3.7445020861923695e-03 - - -1.2132400274276733e-01 2.2723269462585449e-01 - <_> - - 0 -1 602 1.6585510224103928e-02 - - 5.4631579667329788e-02 -1.0117000341415405e-01 - <_> - - 0 -1 603 -2.9970710165798664e-03 - - 1.7258630692958832e-01 -1.4288370311260223e-01 - <_> - - 0 -1 604 -3.0509869102388620e-03 - - 1.0889530181884766e-01 -1.2865459918975830e-01 - <_> - - 0 -1 605 -2.7037179097533226e-02 - - -2.1809040009975433e-01 1.0335580259561539e-01 - <_> - - 0 -1 606 -1.4020490460097790e-02 - - 1.7013829946517944e-01 -4.6483799815177917e-02 - <_> - - 0 -1 607 4.0001110173761845e-03 - - 6.1452940106391907e-02 -3.5107728838920593e-01 - <_> - - 0 -1 608 1.1888570152223110e-02 - - -6.5659493207931519e-02 3.4128171205520630e-01 - <_> - - 0 -1 609 1.0041910223662853e-02 - - 1.0645069926977158e-01 -2.3905399441719055e-01 - <_> - - 0 -1 610 -8.3469128003343940e-04 - - 1.1359920352697372e-01 -1.2456230074167252e-01 - <_> - - 0 -1 611 -8.4286198019981384e-02 - - 4.4472348690032959e-01 -4.6677689999341965e-02 - <_> - - 0 -1 612 -1.2084700167179108e-02 - - -3.1389999389648438e-01 8.1864818930625916e-02 - <_> - 69 - -8.5815817117691040e-01 - - <_> - - 0 -1 613 -6.6878342628479004e-01 - - 4.1411510109901428e-01 -1.8810300529003143e-01 - <_> - - 0 -1 614 3.4350738860666752e-04 - - -1.5680180490016937e-01 1.0782240331172943e-01 - <_> - - 0 -1 615 2.6565280277282000e-03 - - -2.2030730545520782e-01 2.1439610421657562e-01 - <_> - - 0 -1 616 -1.9296359270811081e-02 - - 4.2026680707931519e-01 -6.8671546876430511e-02 - <_> - - 0 -1 617 -6.6540208645164967e-03 - - -2.3488819599151611e-01 1.6749989986419678e-01 - <_> - - 0 -1 618 1.5521990135312080e-02 - - 1.9785670563578606e-02 -3.9180341362953186e-01 - <_> - - 0 -1 619 8.0317907035350800e-02 - - -1.9278699532151222e-02 5.8520817756652832e-01 - <_> - - 0 -1 620 -1.0220059752464294e-01 - - -8.1461167335510254e-01 8.9545976370573044e-03 - <_> - - 0 -1 621 -1.0618870146572590e-02 - - 1.8044769763946533e-01 -2.1122869849205017e-01 - <_> - - 0 -1 622 9.8658069968223572e-02 - - -4.9179349094629288e-02 2.1871259808540344e-01 - <_> - - 0 -1 623 -6.6758222877979279e-02 - - -2.6649540662765503e-01 1.0707940161228180e-01 - <_> - - 0 -1 624 -2.9256459325551987e-02 - - -7.8809207677841187e-01 5.6176739744842052e-03 - <_> - - 0 -1 625 -1.2126189656555653e-02 - - 1.0218500345945358e-01 -2.2899429500102997e-01 - <_> - - 0 -1 626 -5.4919619113206863e-02 - - -5.3647202253341675e-01 1.4213330112397671e-02 - <_> - - 0 -1 627 -4.0985811501741409e-03 - - -3.1650361418724060e-01 7.6794192194938660e-02 - <_> - - 0 -1 628 -6.2581077218055725e-02 - - -4.8726239800453186e-01 9.1610476374626160e-03 - <_> - - 0 -1 629 4.9834471195936203e-02 - - -7.5687482953071594e-02 2.9998108744621277e-01 - <_> - - 0 -1 630 1.0333029925823212e-01 - - 3.3387999981641769e-02 -5.6652718782424927e-01 - <_> - - 0 -1 631 -2.6153959333896637e-02 - - 4.4663658738136292e-01 -5.7146150618791580e-02 - <_> - - 0 -1 632 6.8949297070503235e-02 - - 6.6676470451056957e-03 -9.9968850612640381e-01 - <_> - - 0 -1 633 2.1299200598150492e-03 - - -1.8253549933433533e-01 1.2543450295925140e-01 - <_> - - 0 -1 634 -4.4991839677095413e-02 - - -5.6401151418685913e-01 3.7286750972270966e-02 - <_> - - 0 -1 635 2.2533860057592392e-02 - - -4.2648501694202423e-02 5.9839051961898804e-01 - <_> - - 0 -1 636 1.9274459779262543e-01 - - 3.0479490756988525e-02 -8.4564548730850220e-01 - <_> - - 0 -1 637 -9.2559499898925424e-04 - - -2.0614519715309143e-01 1.1016649752855301e-01 - <_> - - 0 -1 638 -3.6584408953785896e-03 - - 9.1432936489582062e-02 -8.2888223230838776e-02 - <_> - - 0 -1 639 3.3741090446710587e-03 - - 8.0734901130199432e-02 -3.0495160818099976e-01 - <_> - - 0 -1 640 -5.1757801324129105e-02 - - -8.0067127943038940e-01 2.8978339396417141e-03 - <_> - - 0 -1 641 1.0498389601707458e-03 - - -1.8396970629692078e-01 1.3429929316043854e-01 - <_> - - 0 -1 642 7.5232777744531631e-03 - - -3.1206240877509117e-02 1.2124940007925034e-01 - <_> - - 0 -1 643 -7.1075286541599780e-05 - - 8.4017656743526459e-02 -2.5043961405754089e-01 - <_> - - 0 -1 644 1.1362830176949501e-02 - - -7.6280519366264343e-02 2.0559790730476379e-01 - <_> - - 0 -1 645 -2.4097480345517397e-03 - - -1.5042850375175476e-01 1.6493639349937439e-01 - <_> - - 0 -1 646 2.4056989699602127e-02 - - 1.4566550031304359e-02 -9.0886771678924561e-01 - <_> - - 0 -1 647 -2.3983620107173920e-02 - - 3.9107671380043030e-01 -5.4178200662136078e-02 - <_> - - 0 -1 648 -2.1438319236040115e-02 - - -4.8545840382575989e-01 4.0402751415967941e-02 - <_> - - 0 -1 649 1.5210740268230438e-02 - - 3.4481588751077652e-02 -5.4406332969665527e-01 - <_> - - 0 -1 650 1.1712989769876003e-02 - - -6.5206751227378845e-02 4.1007021069526672e-01 - <_> - - 0 -1 651 6.3996820244938135e-04 - - -1.4772899448871613e-01 1.5154249966144562e-01 - <_> - - 0 -1 652 -3.4567480906844139e-03 - - 6.3351117074489594e-02 -1.4297829568386078e-01 - <_> - - 0 -1 653 -1.2475489638745785e-03 - - -1.8521060049533844e-01 1.3410830497741699e-01 - <_> - - 0 -1 654 6.6904430277645588e-03 - - 1.4112530648708344e-01 -1.8778939545154572e-01 - <_> - - 0 -1 655 -6.9181032478809357e-02 - - 3.4451478719711304e-01 -8.4655232727527618e-02 - <_> - - 0 -1 656 -6.7893281579017639e-02 - - -7.0076942443847656e-01 2.3327259346842766e-02 - <_> - - 0 -1 657 -8.5538747953251004e-04 - - 9.2393256723880768e-02 -2.1416470408439636e-01 - <_> - - 0 -1 658 1.7967769503593445e-01 - - 2.9103670269250870e-02 -7.8690862655639648e-01 - <_> - - 0 -1 659 -2.9843579977750778e-03 - - 1.6117380559444427e-01 -1.2868699431419373e-01 - <_> - - 0 -1 660 1.9973449409008026e-02 - - 3.6350231617689133e-02 -5.9400641918182373e-01 - <_> - - 0 -1 661 -8.3998020272701979e-04 - - 1.1332140117883682e-01 -1.9175720214843750e-01 - <_> - - 0 -1 662 5.0804121419787407e-03 - - 5.3663559257984161e-02 -2.7940011024475098e-01 - <_> - - 0 -1 663 7.3341121897101402e-03 - - -1.6792379319667816e-01 1.2119220197200775e-01 - <_> - - 0 -1 664 7.6924441382288933e-03 - - -6.9076187908649445e-02 1.8550349771976471e-01 - <_> - - 0 -1 665 2.0062309340573847e-04 - - -2.0654049515724182e-01 9.7337253391742706e-02 - <_> - - 0 -1 666 2.6919560506939888e-02 - - -2.3648599162697792e-02 6.4873528480529785e-01 - <_> - - 0 -1 667 -2.7951570227742195e-03 - - -2.0725600421428680e-01 1.0188090056180954e-01 - <_> - - 0 -1 668 7.8026622533798218e-02 - - 8.9439805597066879e-03 -3.9990609884262085e-01 - <_> - - 0 -1 669 -1.0000459849834442e-01 - - 3.7361750006675720e-01 -5.5814821273088455e-02 - <_> - - 0 -1 670 -1.4978240430355072e-01 - - 3.8677608966827393e-01 -5.5641401559114456e-02 - <_> - - 0 -1 671 3.3566348254680634e-02 - - 7.5311936438083649e-02 -3.2007390260696411e-01 - <_> - - 0 -1 672 -2.1213890612125397e-01 - - -5.9270721673965454e-01 4.9450621008872986e-03 - <_> - - 0 -1 673 -1.4402889646589756e-02 - - 3.2471069693565369e-01 -5.8492168784141541e-02 - <_> - - 0 -1 674 -1.8413169309496880e-02 - - -9.6801750361919403e-02 1.0343659669160843e-01 - <_> - - 0 -1 675 1.6228349879384041e-02 - - -6.0577668249607086e-02 3.1738010048866272e-01 - <_> - - 0 -1 676 -6.7683439701795578e-03 - - -1.9742150604724884e-01 2.7996420860290527e-02 - <_> - - 0 -1 677 -1.9165309146046638e-02 - - -2.5684070587158203e-01 8.3432748913764954e-02 - <_> - - 0 -1 678 2.8667549486272037e-04 - - -1.5241080522537231e-01 1.4404779672622681e-01 - <_> - - 0 -1 679 9.4157401472330093e-03 - - -7.3207639157772064e-02 3.3655610680580139e-01 - <_> - - 0 -1 680 2.3321900516748428e-02 - - -6.1898268759250641e-02 8.3489909768104553e-02 - <_> - - 0 -1 681 -1.1910670436918736e-02 - - -1.9628530740737915e-01 9.6807330846786499e-02 - <_> - 63 - -7.2787708044052124e-01 - - <_> - - 0 -1 682 -9.4191312789916992e-02 - - 4.7028279304504395e-01 -1.4449509978294373e-01 - <_> - - 0 -1 683 -6.9314462598413229e-04 - - 1.7749489843845367e-01 -1.8127989768981934e-01 - <_> - - 0 -1 684 -1.2782390415668488e-01 - - 2.9733940958976746e-01 -1.0098580271005630e-01 - <_> - - 0 -1 685 -2.5297680404037237e-03 - - 1.0854879766702652e-01 -1.3471469283103943e-01 - <_> - - 0 -1 686 -2.5406670756638050e-03 - - -2.7025818824768066e-01 1.0289029777050018e-01 - <_> - - 0 -1 687 -1.5717690112069249e-03 - - 1.7058460414409637e-01 -1.0923519730567932e-01 - <_> - - 0 -1 688 1.4790190383791924e-02 - - 2.3690680041909218e-02 -5.1412177085876465e-01 - <_> - - 0 -1 689 -1.1837840080261230e-02 - - 1.5754750370979309e-01 -2.7252310886979103e-02 - <_> - - 0 -1 690 -3.8180808769538999e-04 - - 1.0274309664964676e-01 -2.1815380454063416e-01 - <_> - - 0 -1 691 5.0768889486789703e-02 - - 7.3335068300366402e-03 -8.5053902864456177e-01 - <_> - - 0 -1 692 2.2738629952073097e-02 - - -4.3974649161100388e-02 5.0167572498321533e-01 - <_> - - 0 -1 693 7.3323072865605354e-04 - - -9.8431721329689026e-02 1.1515360325574875e-01 - <_> - - 0 -1 694 1.1889509623870254e-03 - - -2.2443179786205292e-01 1.0813289880752563e-01 - <_> - - 0 -1 695 -3.2934029586613178e-03 - - 7.1840867400169373e-02 -8.0868020653724670e-02 - <_> - - 0 -1 696 -3.0113169923424721e-03 - - -2.9698678851127625e-01 7.9700268805027008e-02 - <_> - - 0 -1 697 -1.5521480236202478e-03 - - 1.8694180250167847e-01 -1.1467470228672028e-01 - <_> - - 0 -1 698 -1.0300680063664913e-02 - - -2.9109370708465576e-01 6.7836336791515350e-02 - <_> - - 0 -1 699 -2.6368349790573120e-03 - - 1.1284109950065613e-01 -7.3468528687953949e-02 - <_> - - 0 -1 700 -3.2815459417179227e-04 - - 8.1921890377998352e-02 -2.4893359839916229e-01 - <_> - - 0 -1 701 -3.4514568746089935e-02 - - 4.2230990529060364e-01 -3.4608390182256699e-02 - <_> - - 0 -1 702 2.1102999744471163e-04 - - -1.9479750096797943e-01 1.1572039872407913e-01 - <_> - - 0 -1 703 -4.4254157692193985e-03 - - -1.9316120445728302e-01 5.8137431740760803e-02 - <_> - - 0 -1 704 -1.7686230130493641e-03 - - -1.7518809437751770e-01 1.4515039324760437e-01 - <_> - - 0 -1 705 -3.3355921041220427e-03 - - 2.2621470689773560e-01 -1.0195499658584595e-01 - <_> - - 0 -1 706 4.5241121202707291e-02 - - 3.3572640269994736e-02 -6.6535997390747070e-01 - <_> - - 0 -1 707 -2.7708040550351143e-02 - - -4.7514501214027405e-01 1.6605619341135025e-02 - <_> - - 0 -1 708 -6.0042630881071091e-02 - - 2.7002659440040588e-01 -7.5283601880073547e-02 - <_> - - 0 -1 709 9.3657420948147774e-03 - - -5.2090760320425034e-02 3.4359771013259888e-01 - <_> - - 0 -1 710 2.2545119747519493e-02 - - 4.5823760330677032e-02 -5.3111177682876587e-01 - <_> - - 0 -1 711 -6.6756099462509155e-02 - - 5.1867592334747314e-01 -1.0766089893877506e-02 - <_> - - 0 -1 712 4.3578571639955044e-03 - - -1.6680300235748291e-01 1.3410590589046478e-01 - <_> - - 0 -1 713 -3.6338180303573608e-02 - - -5.4825192689895630e-01 1.8291600048542023e-02 - <_> - - 0 -1 714 -4.5509558171033859e-02 - - 3.9119181036949158e-01 -5.4338268935680389e-02 - <_> - - 0 -1 715 6.2883161008358002e-03 - - 9.5495186746120453e-02 -2.4893720448017120e-01 - <_> - - 0 -1 716 1.5809159958735108e-03 - - -1.6792270541191101e-01 1.1553759872913361e-01 - <_> - - 0 -1 717 -1.5780210494995117e-01 - - -6.9598740339279175e-01 3.1015299260616302e-02 - <_> - - 0 -1 718 -5.0400748848915100e-02 - - -6.1013418436050415e-01 2.5600189343094826e-02 - <_> - - 0 -1 719 -8.3708087913691998e-04 - - 6.3689701259136200e-02 -3.2572910189628601e-01 - <_> - - 0 -1 720 5.2259840071201324e-02 - - -5.2639529109001160e-02 4.3018800020217896e-01 - <_> - - 0 -1 721 6.6796218743547797e-04 - - 8.0761440098285675e-02 -2.5092118978500366e-01 - <_> - - 0 -1 722 -3.6306399852037430e-02 - - 7.2837859392166138e-01 -2.8703549876809120e-02 - <_> - - 0 -1 723 -7.5823411345481873e-02 - - -7.6045262813568115e-01 1.3166300021111965e-02 - <_> - - 0 -1 724 -5.5567082017660141e-03 - - 1.1258409917354584e-01 -1.9850979745388031e-01 - <_> - - 0 -1 725 3.1275521032512188e-03 - - -1.0436189919710159e-01 1.0283000022172928e-01 - <_> - - 0 -1 726 2.7931319549679756e-02 - - 4.7023560851812363e-02 -4.7727531194686890e-01 - <_> - - 0 -1 727 1.5156970359385014e-02 - - -4.9909379333257675e-02 2.1705010533332825e-01 - <_> - - 0 -1 728 6.8009081296622753e-03 - - 1.1713290214538574e-01 -2.2082920372486115e-01 - <_> - - 0 -1 729 -4.3796948157250881e-03 - - 1.7191199958324432e-01 -8.9668810367584229e-02 - <_> - - 0 -1 730 -6.9269728846848011e-03 - - 8.8258482515811920e-02 -2.6454809308052063e-01 - <_> - - 0 -1 731 -2.0586250722408295e-01 - - -5.0262999534606934e-01 4.0832251310348511e-02 - <_> - - 0 -1 732 -1.1398729839129373e-04 - - 1.0535170137882233e-01 -1.9488720595836639e-01 - <_> - - 0 -1 733 3.6993779242038727e-02 - - -5.4779630154371262e-02 2.2932989895343781e-01 - <_> - - 0 -1 734 4.7788480296730995e-03 - - 9.1294333338737488e-02 -2.4968950450420380e-01 - <_> - - 0 -1 735 1.1999059934169054e-03 - - -9.2685289680957794e-02 1.1050710082054138e-01 - <_> - - 0 -1 736 2.0830740686506033e-03 - - -1.0583080351352692e-01 1.7405270040035248e-01 - <_> - - 0 -1 737 2.7166489511728287e-02 - - 1.1538780294358730e-02 -1.0000569820404053e+00 - <_> - - 0 -1 738 -4.3531907722353935e-03 - - -2.6105979084968567e-01 7.8109443187713623e-02 - <_> - - 0 -1 739 -1.6676170751452446e-02 - - -6.3766658306121826e-01 1.2807319872081280e-02 - <_> - - 0 -1 740 -1.7588710179552436e-03 - - 1.5328720211982727e-01 -1.4830219745635986e-01 - <_> - - 0 -1 741 -1.3470610138028860e-03 - - 1.1022730171680450e-01 -1.1166580021381378e-01 - <_> - - 0 -1 742 -7.7226730063557625e-03 - - 2.6749759912490845e-01 -8.4375701844692230e-02 - <_> - - 0 -1 743 2.4557989090681076e-02 - - 1.1705229990184307e-02 -6.9936311244964600e-01 - <_> - - 0 -1 744 -4.1882451623678207e-03 - - -2.0845660567283630e-01 1.1073870211839676e-01 - <_> - 67 - -7.7944219112396240e-01 - - <_> - - 0 -1 745 -3.0925211310386658e-01 - - 3.1520840525627136e-01 -1.6629250347614288e-01 - <_> - - 0 -1 746 3.8660250604152679e-02 - - -5.7934600859880447e-02 4.5278790593147278e-01 - <_> - - 0 -1 747 -1.8853870034217834e-01 - - -8.2013928890228271e-01 3.0941359698772430e-02 - <_> - - 0 -1 748 7.1423681220039725e-04 - - 1.0280930250883102e-01 -2.4902869760990143e-01 - <_> - - 0 -1 749 -7.2074443101882935e-02 - - 3.3171579241752625e-01 -7.3685511946678162e-02 - <_> - - 0 -1 750 9.4616664573550224e-03 - - 3.2647788524627686e-02 -3.6112511157989502e-01 - <_> - - 0 -1 751 -4.6513080596923828e-02 - - -4.7550851106643677e-01 5.6877400726079941e-02 - <_> - - 0 -1 752 -3.4777458757162094e-02 - - -6.3515567779541016e-01 3.1314119696617126e-02 - <_> - - 0 -1 753 -1.4840300427749753e-03 - - 9.2628233134746552e-02 -2.5283080339431763e-01 - <_> - - 0 -1 754 8.3039281889796257e-03 - - 3.3991388976573944e-02 -1.8357479572296143e-01 - <_> - - 0 -1 755 2.7342209592461586e-02 - - -5.1393941044807434e-02 5.5958998203277588e-01 - <_> - - 0 -1 756 5.8637421578168869e-02 - - -5.7350661605596542e-02 1.4842259883880615e-01 - <_> - - 0 -1 757 -3.7032511085271835e-02 - - -4.0602868795394897e-01 6.6790133714675903e-02 - <_> - - 0 -1 758 8.9913606643676758e-03 - - -1.9094319641590118e-01 5.9438090771436691e-02 - <_> - - 0 -1 759 -5.9351198375225067e-02 - - -8.7097257375717163e-01 2.1483449265360832e-02 - <_> - - 0 -1 760 3.7055540084838867e-01 - - -4.0396090596914291e-02 6.0631322860717773e-01 - <_> - - 0 -1 761 -8.4517069626599550e-04 - - 1.3660719990730286e-01 -1.5541790425777435e-01 - <_> - - 0 -1 762 1.0664479807019234e-02 - - 3.4129761159420013e-02 -2.3508089780807495e-01 - <_> - - 0 -1 763 3.7040449678897858e-03 - - 1.1293920129537582e-01 -1.5596470236778259e-01 - <_> - - 0 -1 764 2.3328550159931183e-02 - - 3.6770980805158615e-02 -1.6631129384040833e-01 - <_> - - 0 -1 765 2.0906640216708183e-02 - - -7.3391966521739960e-02 3.2708668708801270e-01 - <_> - - 0 -1 766 2.0865180995315313e-03 - - 9.6375763416290283e-02 -2.1638840436935425e-01 - <_> - - 0 -1 767 1.2039430439472198e-03 - - -1.7018699645996094e-01 1.0815030336380005e-01 - <_> - - 0 -1 768 3.3848760649561882e-03 - - -1.0820890218019485e-01 9.0751953423023224e-02 - <_> - - 0 -1 769 -1.5309279784560204e-02 - - -6.2071442604064941e-01 3.1353730708360672e-02 - <_> - - 0 -1 770 2.1820720285177231e-02 - - -5.7232249528169632e-02 2.9141768813133240e-01 - <_> - - 0 -1 771 5.8554150164127350e-03 - - 5.5810708552598953e-02 -3.4557789564132690e-01 - <_> - - 0 -1 772 -8.8380590081214905e-02 - - -5.8971607685089111e-01 3.2257869839668274e-02 - <_> - - 0 -1 773 -3.6303598433732986e-02 - - 6.7906290292739868e-01 -3.1298439949750900e-02 - <_> - - 0 -1 774 6.7714422941207886e-02 - - 2.8151830658316612e-02 -7.5963890552520752e-01 - <_> - - 0 -1 775 -1.7487880541011691e-03 - - 1.3521270453929901e-01 -1.4939880371093750e-01 - <_> - - 0 -1 776 5.7627420872449875e-02 - - 1.4716790057718754e-02 -6.4088898897171021e-01 - <_> - - 0 -1 777 4.8004398122429848e-03 - - 5.7510860264301300e-02 -3.0728340148925781e-01 - <_> - - 0 -1 778 1.5568589791655540e-02 - - -2.6860829442739487e-02 3.9390829205513000e-01 - <_> - - 0 -1 779 -9.9650640040636063e-03 - - 3.2090151309967041e-01 -5.8974441140890121e-02 - <_> - - 0 -1 780 -9.1902203857898712e-03 - - -3.8006910681724548e-01 3.5807169973850250e-02 - <_> - - 0 -1 781 3.0834939330816269e-02 - - 4.0354121476411819e-02 -5.0782901048660278e-01 - <_> - - 0 -1 782 -6.4900278812274337e-04 - - 9.5597133040428162e-02 -1.8812850117683411e-01 - <_> - - 0 -1 783 -3.9334357716143131e-03 - - -2.0279949903488159e-01 1.0514850169420242e-01 - <_> - - 0 -1 784 -2.1477680653333664e-02 - - -3.2985571026802063e-01 3.5263378173112869e-02 - <_> - - 0 -1 785 -2.7516249567270279e-02 - - 3.4558650851249695e-01 -7.2544910013675690e-02 - <_> - - 0 -1 786 -7.2914459742605686e-03 - - 1.0051680356264114e-01 -1.3560770452022552e-01 - <_> - - 0 -1 787 -5.6135728955268860e-02 - - 4.0078470110893250e-01 -5.1991838961839676e-02 - <_> - - 0 -1 788 1.3679620623588562e-01 - - -1.6432780772447586e-02 5.6100088357925415e-01 - <_> - - 0 -1 789 -2.4549920111894608e-02 - - -1.8187479674816132e-01 1.4125369489192963e-01 - <_> - - 0 -1 790 4.6405121684074402e-03 - - -1.6500659286975861e-01 1.4912450313568115e-01 - <_> - - 0 -1 791 -2.1023359149694443e-02 - - -1.9611929357051849e-01 9.9226936697959900e-02 - <_> - - 0 -1 792 -4.8856949433684349e-03 - - 1.1330509930849075e-01 -8.0172486603260040e-02 - <_> - - 0 -1 793 -1.7337809503078461e-01 - - -8.3458930253982544e-01 2.3691669106483459e-02 - <_> - - 0 -1 794 -9.2903972836211324e-04 - - 8.5904203355312347e-02 -1.0580120235681534e-01 - <_> - - 0 -1 795 -1.0562090203166008e-02 - - 2.6989871263504028e-01 -6.7542143166065216e-02 - <_> - - 0 -1 796 1.5071259811520576e-02 - - 5.8657489717006683e-02 -3.2436290383338928e-01 - <_> - - 0 -1 797 -1.8616430461406708e-02 - - 3.5660719871520996e-01 -5.3099378943443298e-02 - <_> - - 0 -1 798 8.4412463009357452e-02 - - 1.7715929076075554e-02 -4.5803558826446533e-01 - <_> - - 0 -1 799 5.1138769835233688e-02 - - 1.7407679930329323e-02 -9.4110202789306641e-01 - <_> - - 0 -1 800 -1.0613460093736649e-02 - - -6.0632371902465820e-01 3.0793670564889908e-02 - <_> - - 0 -1 801 1.8357619643211365e-02 - - -7.7268190681934357e-02 2.9780578613281250e-01 - <_> - - 0 -1 802 -8.4444461390376091e-04 - - 7.8023009002208710e-02 -2.5017648935317993e-01 - <_> - - 0 -1 803 -6.2388968653976917e-03 - - -4.8017698526382446e-01 3.9185639470815659e-02 - <_> - - 0 -1 804 -3.5363171249628067e-02 - - -1. 9.3268742784857750e-03 - <_> - - 0 -1 805 -7.3558121919631958e-02 - - -7.7895337343215942e-01 1.8441500142216682e-02 - <_> - - 0 -1 806 -8.7034203112125397e-02 - - 4.3624061346054077e-01 -1.7716599628329277e-02 - <_> - - 0 -1 807 -8.0721646547317505e-02 - - 2.7296718955039978e-01 -6.6346958279609680e-02 - <_> - - 0 -1 808 1.0344590246677399e-01 - - 9.0693607926368713e-03 -6.6438651084899902e-01 - <_> - - 0 -1 809 9.3807540833950043e-03 - - 7.1242772042751312e-02 -2.7381658554077148e-01 - <_> - - 0 -1 810 -7.1806147694587708e-02 - - -9.1222041845321655e-01 8.0809993669390678e-03 - <_> - - 0 -1 811 -1.9418599549680948e-03 - - 1.8472340703010559e-01 -1.1344549804925919e-01 - <_> - 68 - -7.3019427061080933e-01 - - <_> - - 0 -1 812 3.0328959226608276e-02 - - -1.7539510130882263e-01 3.6945340037345886e-01 - <_> - - 0 -1 813 -8.2631781697273254e-02 - - 2.2216479480266571e-01 -8.7577551603317261e-02 - <_> - - 0 -1 814 2.5548380799591541e-03 - - -1.5091089904308319e-01 1.4608770608901978e-01 - <_> - - 0 -1 815 -1.4431839808821678e-03 - - 6.2405250966548920e-02 -1.8302099406719208e-01 - <_> - - 0 -1 816 4.3006289750337601e-02 - - 8.5711486637592316e-02 -4.4278779625892639e-01 - <_> - - 0 -1 817 -1.7748139798641205e-01 - - -6.7308551073074341e-01 2.1622380241751671e-02 - <_> - - 0 -1 818 9.9723696708679199e-02 - - -4.2775660753250122e-02 6.9088941812515259e-01 - <_> - - 0 -1 819 -1.7957199364900589e-02 - - 8.8784933090209961e-02 -2.9352998733520508e-01 - <_> - - 0 -1 820 5.8914110995829105e-03 - - 2.6884179562330246e-02 -3.9257821440696716e-01 - <_> - - 0 -1 821 -1.2439199490472674e-03 - - 8.3695329725742340e-02 -1.3524650037288666e-01 - <_> - - 0 -1 822 -6.3109956681728363e-02 - - 6.8365001678466797e-01 -1.1174580082297325e-02 - <_> - - 0 -1 823 5.3107268176972866e-03 - - 7.3095791041851044e-02 -3.3228519558906555e-01 - <_> - - 0 -1 824 -9.6346868667751551e-04 - - 9.3923456966876984e-02 -2.6014220714569092e-01 - <_> - - 0 -1 825 -2.0377680659294128e-02 - - 2.3682409524917603e-01 -5.1811341196298599e-02 - <_> - - 0 -1 826 -1.5610749833285809e-02 - - -4.8465269804000854e-01 4.2128730565309525e-02 - <_> - - 0 -1 827 4.5497290790081024e-02 - - 5.7874252088367939e-03 -5.2637368440628052e-01 - <_> - - 0 -1 828 -1.2244869954884052e-02 - - 3.0523040890693665e-01 -7.9311266541481018e-02 - <_> - - 0 -1 829 -5.5875871330499649e-03 - - 7.2504900395870209e-02 -1.0300940275192261e-01 - <_> - - 0 -1 830 -1.3237710110843182e-02 - - -2.1259979903697968e-01 1.4112070202827454e-01 - <_> - - 0 -1 831 -1.6236070543527603e-02 - - -3.6822131276130676e-01 1.6904499381780624e-02 - <_> - - 0 -1 832 8.7341741891577840e-04 - - -1.7513209581375122e-01 1.1717790365219116e-01 - <_> - - 0 -1 833 7.8164516016840935e-03 - - -4.0935669094324112e-02 3.8136309385299683e-01 - <_> - - 0 -1 834 1.4803799786022864e-05 - - -1.1581300199031830e-01 1.8054120242595673e-01 - <_> - - 0 -1 835 3.6272540688514709e-02 - - 1.5196749940514565e-02 -4.6037960052490234e-01 - <_> - - 0 -1 836 -3.8026720285415649e-03 - - 1.3440360128879547e-01 -1.6124980151653290e-01 - <_> - - 0 -1 837 -1.4585750177502632e-02 - - -2.8331491351127625e-01 7.4682116508483887e-02 - <_> - - 0 -1 838 1.4677370199933648e-03 - - -1.3493220508098602e-01 1.4244909584522247e-01 - <_> - - 0 -1 839 -1.3981569558382034e-02 - - 2.1735540032386780e-01 -5.2886679768562317e-02 - <_> - - 0 -1 840 -6.3076039077714086e-04 - - 1.4901949465274811e-01 -1.3620099425315857e-01 - <_> - - 0 -1 841 -1.4475540257990360e-02 - - -1.9180099666118622e-01 1.0607130080461502e-01 - <_> - - 0 -1 842 -3.2217580825090408e-02 - - 2.8091669082641602e-01 -8.5046291351318359e-02 - <_> - - 0 -1 843 3.4460560418665409e-03 - - 7.4571870267391205e-02 -2.7108609676361084e-01 - <_> - - 0 -1 844 -4.3949890881776810e-02 - - 4.4002100825309753e-01 -4.5509129762649536e-02 - <_> - - 0 -1 845 -1.1966270394623280e-02 - - 6.3286870718002319e-02 -1.9805380702018738e-01 - <_> - - 0 -1 846 -4.3486028909683228e-01 - - -7.6205497980117798e-01 2.1508129313588142e-02 - <_> - - 0 -1 847 3.9887550473213196e-01 - - 8.0703729763627052e-03 -8.4284877777099609e-01 - <_> - - 0 -1 848 -4.4802378863096237e-02 - - -6.8417382240295410e-01 2.2474979981780052e-02 - <_> - - 0 -1 849 -1.0935150086879730e-01 - - 2.1119509637355804e-01 -3.9731640368700027e-02 - <_> - - 0 -1 850 3.0923409387469292e-02 - - 4.4779401272535324e-02 -3.5875031352043152e-01 - <_> - - 0 -1 851 1.3285979628562927e-02 - - -4.8151660710573196e-02 3.7119218707084656e-01 - <_> - - 0 -1 852 -3.9830091409385204e-03 - - 1.2781530618667603e-01 -1.9959120452404022e-01 - <_> - - 0 -1 853 1.4184620231389999e-02 - - -3.9896048605442047e-02 2.4085929989814758e-01 - <_> - - 0 -1 854 1.6680279513821006e-03 - - -1.8107059597969055e-01 9.3981906771659851e-02 - <_> - - 0 -1 855 -2.2055890411138535e-02 - - -2.8798168897628784e-01 3.0038369819521904e-02 - <_> - - 0 -1 856 -6.0371801257133484e-02 - - 2.9529640078544617e-01 -6.4714096486568451e-02 - <_> - - 0 -1 857 5.9291448444128036e-02 - - 8.4209917113184929e-03 -5.8830922842025757e-01 - <_> - - 0 -1 858 3.2637149095535278e-02 - - 3.2118339091539383e-02 -5.1192921400070190e-01 - <_> - - 0 -1 859 -9.8897633142769337e-04 - - 1.3382619619369507e-01 -1.1545710265636444e-01 - <_> - - 0 -1 860 -3.5560440272092819e-02 - - -1.5159629285335541e-01 1.0519140213727951e-01 - <_> - - 0 -1 861 9.8722549155354500e-03 - - 9.3462042510509491e-02 -2.5988951325416565e-01 - <_> - - 0 -1 862 7.1953269653022289e-03 - - -8.6937829852104187e-02 2.8372770547866821e-01 - <_> - - 0 -1 863 2.4437099695205688e-02 - - -3.9930108934640884e-02 3.9243239164352417e-01 - <_> - - 0 -1 864 5.2195340394973755e-03 - - 4.9804110080003738e-02 -3.1846821308135986e-01 - <_> - - 0 -1 865 2.3442960809916258e-03 - - -5.4469950497150421e-02 3.3718121051788330e-01 - <_> - - 0 -1 866 4.7694300301373005e-03 - - 7.1476787328720093e-02 -3.1018280982971191e-01 - <_> - - 0 -1 867 -1.4517470262944698e-02 - - 7.8642480075359344e-02 -1.4538839459419250e-01 - <_> - - 0 -1 868 4.4710729271173477e-02 - - -2.5051780045032501e-02 6.4730519056320190e-01 - <_> - - 0 -1 869 1.6867399215698242e-02 - - 2.9088959097862244e-02 -3.9030238986015320e-01 - <_> - - 0 -1 870 -9.0343318879604340e-04 - - 8.7722577154636383e-02 -1.6588549315929413e-01 - <_> - - 0 -1 871 -8.2187339663505554e-02 - - -8.4238857030868530e-01 9.8376423120498657e-03 - <_> - - 0 -1 872 1.8525390187278390e-03 - - -1.2251490354537964e-01 1.2000189721584320e-01 - <_> - - 0 -1 873 -9.3228723853826523e-03 - - 7.8422851860523224e-02 -1.3231949508190155e-01 - <_> - - 0 -1 874 2.2730689495801926e-02 - - -3.3696789294481277e-02 4.4383940100669861e-01 - <_> - - 0 -1 875 1.0286659747362137e-01 - - 1.7917430028319359e-02 -5.8341610431671143e-01 - <_> - - 0 -1 876 -9.9547371268272400e-02 - - -9.5365560054779053e-01 1.2582040391862392e-02 - <_> - - 0 -1 877 1.6412759199738503e-02 - - 1.6067119315266609e-02 -4.1402378678321838e-01 - <_> - - 0 -1 878 -2.5932409334927797e-03 - - 5.2763499319553375e-02 -3.0404600501060486e-01 - <_> - - 0 -1 879 9.5953093841671944e-03 - - 8.3528086543083191e-02 -1.1780069768428802e-01 - <_> - 66 - -6.8558442592620850e-01 - - <_> - - 0 -1 880 -3.5430109500885010e-01 - - 3.1792920827865601e-01 -1.8512800335884094e-01 - <_> - - 0 -1 881 -1.4761329628527164e-02 - - 3.4065079689025879e-01 -8.6621738970279694e-02 - <_> - - 0 -1 882 -1.1580450087785721e-01 - - -7.2353202104568481e-01 3.4404840320348740e-02 - <_> - - 0 -1 883 -4.4705160689773038e-05 - - 8.2497082650661469e-02 -2.1311110258102417e-01 - <_> - - 0 -1 884 -5.8883379097096622e-05 - - 1.0809300094842911e-01 -1.8269860744476318e-01 - <_> - - 0 -1 885 3.7944849580526352e-02 - - -2.4756550788879395e-02 4.5866918563842773e-01 - <_> - - 0 -1 886 -2.1807940211147070e-03 - - 1.5783859789371490e-01 -1.7752459645271301e-01 - <_> - - 0 -1 887 -4.5430101454257965e-02 - - -3.7249541282653809e-01 5.7393261231482029e-03 - <_> - - 0 -1 888 1.9972559530287981e-03 - - -1.9175310432910919e-01 1.1995170265436172e-01 - <_> - - 0 -1 889 -2.2458820239990018e-05 - - 9.1529168188571930e-02 -1.3080990314483643e-01 - <_> - - 0 -1 890 -3.7994279991835356e-03 - - -2.0454970002174377e-01 1.4146579802036285e-01 - <_> - - 0 -1 891 -2.7970419614575803e-04 - - 1.1078160256147385e-01 -1.8713960051536560e-01 - <_> - - 0 -1 892 -3.9631421677768230e-03 - - -3.7749990820884705e-01 5.6935790926218033e-02 - <_> - - 0 -1 893 -1.4290240360423923e-03 - - -1.9449859857559204e-01 9.8834916949272156e-02 - <_> - - 0 -1 894 2.1182179450988770e-02 - - -8.7030410766601562e-02 2.8888610005378723e-01 - <_> - - 0 -1 895 8.7332521798089147e-04 - - -1.1729159951210022e-01 1.2506540119647980e-01 - <_> - - 0 -1 896 2.6135759428143501e-02 - - -3.9572428911924362e-02 6.2252640724182129e-01 - <_> - - 0 -1 897 4.3046330101788044e-03 - - 1.1582309752702713e-01 -1.9618239998817444e-01 - <_> - - 0 -1 898 1.5224959934130311e-03 - - -1.8586060404777527e-01 1.1688389629125595e-01 - <_> - - 0 -1 899 -7.4201932875439525e-04 - - 9.8724737763404846e-02 -2.5791341066360474e-01 - <_> - - 0 -1 900 -2.5593061000108719e-03 - - 1.7307940125465393e-01 -1.2067069858312607e-01 - <_> - - 0 -1 901 -9.5563217997550964e-02 - - 3.4646418690681458e-01 -1.3142139650881290e-02 - <_> - - 0 -1 902 1.3280790299177170e-02 - - 1.2056879699230194e-01 -2.0627740025520325e-01 - <_> - - 0 -1 903 1.8245529383420944e-02 - - -6.7242950201034546e-02 4.6858128160238266e-02 - <_> - - 0 -1 904 -6.1288971453905106e-02 - - -6.6364967823028564e-01 2.9319150373339653e-02 - <_> - - 0 -1 905 -2.6133419945836067e-02 - - 2.0848380029201508e-01 -2.7202930301427841e-02 - <_> - - 0 -1 906 -3.2300818711519241e-02 - - -6.2726408243179321e-01 3.0091879889369011e-02 - <_> - - 0 -1 907 5.0284489989280701e-02 - - 1.5047290362417698e-03 -5.9630411863327026e-01 - <_> - - 0 -1 908 -1.8137119710445404e-02 - - 2.9262909293174744e-01 -6.9213449954986572e-02 - <_> - - 0 -1 909 1.0980300139635801e-03 - - 1.0316859930753708e-01 -1.6558070480823517e-01 - <_> - - 0 -1 910 3.9596110582351685e-03 - - -5.7063579559326172e-02 3.3744910359382629e-01 - <_> - - 0 -1 911 3.1622028909623623e-03 - - 8.8302358984947205e-02 -2.7917590737342834e-01 - <_> - - 0 -1 912 8.4337368607521057e-03 - - 8.6311057209968567e-02 -2.5153660774230957e-01 - <_> - - 0 -1 913 2.3408479988574982e-02 - - -3.7011519074440002e-02 2.5571560859680176e-01 - <_> - - 0 -1 914 -1.9710899796336889e-03 - - 1.4960870146751404e-01 -1.3213759660720825e-01 - <_> - - 0 -1 915 -3.1434781849384308e-02 - - 2.7072909474372864e-01 -2.4784140288829803e-02 - <_> - - 0 -1 916 -2.0984669681638479e-03 - - -2.2842940688133240e-01 9.2392489314079285e-02 - <_> - - 0 -1 917 -1.0477580130100250e-01 - - 1.3740949332714081e-01 -5.8604940772056580e-02 - <_> - - 0 -1 918 1.2558500282466412e-02 - - 9.4428263604640961e-02 -2.3187640309333801e-01 - <_> - - 0 -1 919 2.6465631090104580e-03 - - -2.0493589341640472e-01 9.2889577150344849e-02 - <_> - - 0 -1 920 2.8069379925727844e-01 - - 4.0848400443792343e-02 -4.6177521347999573e-01 - <_> - - 0 -1 921 -4.5882318168878555e-02 - - -7.1715551614761353e-01 9.1696027666330338e-03 - <_> - - 0 -1 922 -1.3070689747110009e-03 - - 1.6250529885292053e-01 -1.1437030136585236e-01 - <_> - - 0 -1 923 6.8374760448932648e-03 - - -6.7564792931079865e-02 2.1927219629287720e-01 - <_> - - 0 -1 924 -5.8329561725258827e-03 - - -3.5843908786773682e-01 5.7467628270387650e-02 - <_> - - 0 -1 925 -4.0936999022960663e-02 - - -5.5129498243331909e-01 1.3819620013237000e-02 - <_> - - 0 -1 926 1.8727440387010574e-02 - - -5.2844639867544174e-02 3.4427130222320557e-01 - <_> - - 0 -1 927 1.0303989984095097e-03 - - -9.4872146844863892e-02 1.1235869675874710e-01 - <_> - - 0 -1 928 -2.6228028582409024e-04 - - 6.3875511288642883e-02 -3.0397358536720276e-01 - <_> - - 0 -1 929 -2.6861110702157021e-02 - - 1.7592920362949371e-01 -6.2506988644599915e-02 - <_> - - 0 -1 930 3.1061280518770218e-02 - - -7.2171129286289215e-02 3.1532520055770874e-01 - <_> - - 0 -1 931 -7.1269841864705086e-03 - - -1.2540310621261597e-01 1.0068179666996002e-01 - <_> - - 0 -1 932 -2.7709340676665306e-02 - - -8.0085551738739014e-01 2.5742180645465851e-02 - <_> - - 0 -1 933 4.2209450155496597e-02 - - 2.7846070006489754e-02 -5.6140202283859253e-01 - <_> - - 0 -1 934 6.2995860353112221e-03 - - 1.0806919634342194e-01 -2.0114520192146301e-01 - <_> - - 0 -1 935 2.0048789680004120e-02 - - -5.8164618909358978e-02 1.8885469436645508e-01 - <_> - - 0 -1 936 -7.8481709351763129e-05 - - 8.2995712757110596e-02 -2.1331989765167236e-01 - <_> - - 0 -1 937 -8.9945547282695770e-02 - - -7.9307717084884644e-01 7.8350491821765900e-03 - <_> - - 0 -1 938 7.7181761153042316e-03 - - 4.1435040533542633e-02 -3.7721860408782959e-01 - <_> - - 0 -1 939 5.3638177923858166e-03 - - -9.3567937612533569e-02 1.4666350185871124e-01 - <_> - - 0 -1 940 1.4555330388247967e-02 - - -5.6989211589097977e-02 3.4367969632148743e-01 - <_> - - 0 -1 941 1.0583730041980743e-01 - - 3.0579300597310066e-02 -5.8684998750686646e-01 - <_> - - 0 -1 942 2.7123570907860994e-04 - - 8.5480518639087677e-02 -2.2808749973773956e-01 - <_> - - 0 -1 943 -7.3196433484554291e-02 - - -5.1212561130523682e-01 9.6583841368556023e-03 - <_> - - 0 -1 944 8.3729642210528255e-04 - - -1.7978319525718689e-01 1.4117470383644104e-01 - <_> - - 0 -1 945 1.9459549803286791e-03 - - 8.7605938315391541e-02 -2.0442050695419312e-01 - <_> - 78 - -3.0717300415039062e+01 - - <_> - - 0 -1 946 -8.5505366325378418e-02 - - 2.6714649796485901e-01 -1.8152849376201630e-01 - <_> - - 0 -1 947 -3.7014279514551163e-02 - - 3.7405461072921753e-01 -7.0312701165676117e-02 - <_> - - 0 -1 948 1.6834780573844910e-02 - - 8.9160107076168060e-02 -2.4566100537776947e-01 - <_> - - 0 -1 949 9.7268886747770011e-05 - - -1.9830940663814545e-01 1.4981469511985779e-01 - <_> - - 0 -1 950 5.2984068170189857e-03 - - -1.5779909491539001e-01 1.7095419764518738e-01 - <_> - - 0 -1 951 -2.3770859465003014e-02 - - -2.5096279382705688e-01 3.2790731638669968e-02 - <_> - - 0 -1 952 -1.4852959662675858e-02 - - 2.7263158559799194e-01 -7.2188302874565125e-02 - <_> - - 0 -1 953 -8.2722969353199005e-02 - - -6.6801771521568298e-02 1.3384120166301727e-01 - <_> - - 0 -1 954 6.4472708618268371e-04 - - -1.9309680163860321e-01 1.3628469407558441e-01 - <_> - - 0 -1 955 -4.3215509504079819e-04 - - 5.7426910847425461e-02 -7.2983436286449432e-02 - <_> - - 0 -1 956 -7.5133621066925116e-06 - - 1.2174469977617264e-01 -1.8166640400886536e-01 - <_> - - 0 -1 957 2.0493609830737114e-02 - - -6.1657600104808807e-02 3.8570550084114075e-01 - <_> - - 0 -1 958 -5.9959441423416138e-03 - - -1.8091249465942383e-01 1.1791180074214935e-01 - <_> - - 0 -1 959 -9.3910521268844604e-01 - - 3.1374409794807434e-01 -5.9216298162937164e-02 - <_> - - 0 -1 960 -2.4341490119695663e-02 - - -3.7053358554840088e-01 5.5251110345125198e-02 - <_> - - 0 -1 961 -7.6796777546405792e-02 - - 1.3754889369010925e-01 -5.8201938867568970e-02 - <_> - - 0 -1 962 -8.2179326564073563e-03 - - -2.5679248571395874e-01 9.9195696413516998e-02 - <_> - - 0 -1 963 -5.1702618598937988e-02 - - -5.2937638759613037e-01 2.7275180444121361e-02 - <_> - - 0 -1 964 6.3065597787499428e-03 - - -1.0400679707527161e-01 2.0388899743556976e-01 - <_> - - 0 -1 965 3.6337040364742279e-02 - - 1.3178840279579163e-02 -3.8717061281204224e-01 - <_> - - 0 -1 966 -2.7929339557886124e-03 - - 1.2351000308990479e-01 -2.0460779964923859e-01 - <_> - - 0 -1 967 -1.4435379765927792e-02 - - -5.0111377239227295e-01 3.7262540310621262e-02 - <_> - - 0 -1 968 6.4411992207169533e-03 - - -6.0557190328836441e-02 3.0578470230102539e-01 - <_> - - 0 -1 969 -1.2598140165209770e-03 - - 5.3200751543045044e-02 -1.6916200518608093e-01 - <_> - - 0 -1 970 -6.9105648435652256e-03 - - -3.6398649215698242e-01 4.2843151837587357e-02 - <_> - - 0 -1 971 -5.2663110196590424e-02 - - 4.4169178605079651e-01 -3.2096829265356064e-02 - <_> - - 0 -1 972 -4.0925059467554092e-02 - - -5.5673360824584961e-01 2.9191689565777779e-02 - <_> - - 0 -1 973 -2.1683140657842159e-03 - - 6.6585853695869446e-02 -1.1715179681777954e-01 - <_> - - 0 -1 974 1.7480919137597084e-02 - - -6.7747853696346283e-02 3.4224361181259155e-01 - <_> - - 0 -1 975 1.3032980263233185e-01 - - 1.0853439569473267e-02 -5.9894740581512451e-01 - <_> - - 0 -1 976 5.1362451631575823e-04 - - -1.8810969591140747e-01 1.0938909649848938e-01 - <_> - - 0 -1 977 -3.8764420896768570e-02 - - -2.6928341388702393e-01 2.0156569778919220e-02 - <_> - - 0 -1 978 -4.8952922224998474e-03 - - -2.3670850694179535e-01 7.0693537592887878e-02 - <_> - - 0 -1 979 8.4380611777305603e-02 - - -6.1777111142873764e-02 1.5130819380283356e-01 - <_> - - 0 -1 980 -5.4832860827445984e-02 - - -4.9945160746574402e-01 3.5915810614824295e-02 - <_> - - 0 -1 981 -5.4148300550878048e-03 - - 8.2116909325122833e-02 -1.3672749698162079e-01 - <_> - - 0 -1 982 1.2813720107078552e-01 - - -3.9755281060934067e-02 6.0340911149978638e-01 - <_> - - 0 -1 983 -4.4217561371624470e-03 - - -7.4642613530158997e-02 1.0235700011253357e-01 - <_> - - 0 -1 984 -7.1978997766564135e-06 - - 7.4595592916011810e-02 -2.9046559333801270e-01 - <_> - - 0 -1 985 7.3321886360645294e-02 - - -2.1364469081163406e-02 6.9809699058532715e-01 - <_> - - 0 -1 986 -2.2566469386219978e-02 - - -5.3714770078659058e-01 3.6509968340396881e-02 - <_> - - 0 -1 987 -2.9338080435991287e-02 - - 1.0626199841499329e-01 -3.1652290374040604e-02 - <_> - - 0 -1 988 1.3684090226888657e-02 - - -5.7709541171789169e-02 3.0355650186538696e-01 - <_> - - 0 -1 989 -8.2646618830040097e-04 - - 1.2958580255508423e-01 -1.3603089749813080e-01 - <_> - - 0 -1 990 3.9828647859394550e-03 - - 5.0734668970108032e-02 -3.3896729350090027e-01 - <_> - - 0 -1 991 -2.0535979419946671e-02 - - 2.6028490066528320e-01 -7.2259396314620972e-02 - <_> - - 0 -1 992 -1.4932189881801605e-01 - - -5.4172599315643311e-01 4.4534388929605484e-02 - <_> - - 0 -1 993 -1.7894789576530457e-02 - - 4.7149929404258728e-01 -3.0801070854067802e-02 - <_> - - 0 -1 994 4.7443818766623735e-04 - - -1.9686989486217499e-01 1.2433020025491714e-01 - <_> - - 0 -1 995 -4.0598851628601551e-03 - - 1.4028669893741608e-01 -4.7751329839229584e-02 - <_> - - 0 -1 996 -1.1755799874663353e-02 - - -2.6237910985946655e-01 5.9933070093393326e-02 - <_> - - 0 -1 997 -1.8559649586677551e-02 - - 1.0493250191211700e-01 -3.2159261405467987e-02 - <_> - - 0 -1 998 3.4838409628719091e-03 - - 7.9499892890453339e-02 -2.0486010611057281e-01 - <_> - - 0 -1 999 -6.2133308500051498e-02 - - -3.5091090202331543e-01 1.2265560217201710e-02 - <_> - - 0 -1 1000 -4.4008668512105942e-02 - - 2.6838389039039612e-01 -8.8284887373447418e-02 - <_> - - 0 -1 1001 3.0750890728086233e-03 - - -4.5581929385662079e-02 1.9343300163745880e-01 - <_> - - 0 -1 1002 -8.9865371584892273e-02 - - -4.8605358600616455e-01 4.5101881027221680e-02 - <_> - - 0 -1 1003 -1.6210540197789669e-03 - - 8.7722256779670715e-02 -1.6689349710941315e-01 - <_> - - 0 -1 1004 -2.9370939359068871e-02 - - -4.2794701457023621e-01 4.5566789805889130e-02 - <_> - - 0 -1 1005 -8.5921816527843475e-02 - - -6.9077378511428833e-01 1.5122929587960243e-02 - <_> - - 0 -1 1006 6.7258282797411084e-04 - - -1.1166089773178101e-01 1.5630759298801422e-01 - <_> - - 0 -1 1007 1.7752440180629492e-03 - - -4.5409418642520905e-02 7.7933087944984436e-02 - <_> - - 0 -1 1008 1.5036190234241076e-05 - - -1.6349479556083679e-01 1.0864420235157013e-01 - <_> - - 0 -1 1009 1.8150300020352006e-03 - - 9.6329912543296814e-02 -1.1818060278892517e-01 - <_> - - 0 -1 1010 -6.7588366568088531e-02 - - 2.2657020390033722e-01 -9.0492926537990570e-02 - <_> - - 0 -1 1011 1.8347490578889847e-02 - - 1.6350140795111656e-02 -4.4877880811691284e-01 - <_> - - 0 -1 1012 -1.0822510346770287e-02 - - -4.9622350931167603e-01 4.0703330188989639e-02 - <_> - - 0 -1 1013 1.7427999526262283e-02 - - -3.5475689917802811e-02 3.0856430530548096e-01 - <_> - - 0 -1 1014 -7.8753121197223663e-02 - - -6.7144078016281128e-01 2.6170469820499420e-02 - <_> - - 0 -1 1015 7.3261657962575555e-04 - - -1.0309589654207230e-01 6.4503982663154602e-02 - <_> - - 0 -1 1016 2.8185009956359863e-02 - - -5.5124811828136444e-02 3.1133919954299927e-01 - <_> - - 0 -1 1017 -1.5536470338702202e-02 - - -8.5527300834655762e-02 4.9024209380149841e-02 - <_> - - 0 -1 1018 -2.6290729641914368e-02 - - -6.5267199277877808e-01 2.4495759978890419e-02 - <_> - - 0 -1 1019 -6.8586082197725773e-03 - - -5.8548830449581146e-02 2.8735989332199097e-01 - <_> - - 0 -1 1020 -3.0750960577279329e-03 - - 8.6425736546516418e-02 -2.2627249360084534e-01 - <_> - - 0 -1 1021 5.6799430400133133e-02 - - 2.9048459604382515e-02 -3.6798200011253357e-01 - <_> - - 0 -1 1022 3.7182599306106567e-02 - - -3.5062279552221298e-02 4.5094621181488037e-01 - <_> - - 0 -1 1023 -3.5590359475463629e-03 - - -1.7892469465732574e-01 6.8459518253803253e-02 - <_> - 77 - -3.0740200042724609e+01 - - <_> - - 0 -1 1024 -5.8595160953700542e-03 - - 2.0132589340209961e-01 -2.6587140560150146e-01 - <_> - - 0 -1 1025 -5.9507137537002563e-01 - - 3.6134061217308044e-01 -1.2203159928321838e-01 - <_> - - 0 -1 1026 4.1726600378751755e-02 - - -5.2889000624418259e-02 3.9082470536231995e-01 - <_> - - 0 -1 1027 4.7253750264644623e-02 - - 1.4923909679055214e-02 -5.0544148683547974e-01 - <_> - - 0 -1 1028 9.8612194415181875e-04 - - -2.0337739586830139e-01 1.1030670255422592e-01 - <_> - - 0 -1 1029 -7.2683179751038551e-03 - - -2.0899240672588348e-01 1.4733150601387024e-01 - <_> - - 0 -1 1030 -2.9695410281419754e-02 - - 6.6190290451049805e-01 -6.7257620394229889e-02 - <_> - - 0 -1 1031 -1.3097229599952698e-01 - - 1.7485789954662323e-01 -8.1029571592807770e-02 - <_> - - 0 -1 1032 1.7316760495305061e-02 - - -4.8908680677413940e-02 4.6843668818473816e-01 - <_> - - 0 -1 1033 -1.0221409797668457e-01 - - -2.2275149822235107e-01 7.7479638159275055e-02 - <_> - - 0 -1 1034 2.9453460592776537e-03 - - 3.9738278836011887e-02 -2.8107449412345886e-01 - <_> - - 0 -1 1035 -4.5425590127706528e-02 - - 2.4193780124187469e-01 1.3621949590742588e-02 - <_> - - 0 -1 1036 2.2699350956827402e-03 - - -1.6247589886188507e-01 1.6063609719276428e-01 - <_> - - 0 -1 1037 1.1421869695186615e-01 - - 1.5750480815768242e-02 -5.7382887601852417e-01 - <_> - - 0 -1 1038 -4.1054069995880127e-02 - - 3.0522629618644714e-01 -5.5898960679769516e-02 - <_> - - 0 -1 1039 1.1980540119111538e-02 - - 1.7477169632911682e-02 -4.0707069635391235e-01 - <_> - - 0 -1 1040 1.2105259811505675e-03 - - -1.7840960621833801e-01 1.0353209823369980e-01 - <_> - - 0 -1 1041 -2.2351980209350586e-02 - - -4.7567600011825562e-01 3.7311390042304993e-02 - <_> - - 0 -1 1042 2.2135479375720024e-02 - - -5.4137628525495529e-02 4.2861071228981018e-01 - <_> - - 0 -1 1043 -1.5875579789280891e-02 - - 6.6373616456985474e-02 -1.6455489397048950e-01 - <_> - - 0 -1 1044 6.0371369123458862e-02 - - 3.8663931190967560e-02 -4.6496200561523438e-01 - <_> - - 0 -1 1045 -5.1881238818168640e-02 - - -5.6141299009323120e-01 5.4471958428621292e-03 - <_> - - 0 -1 1046 1.9330360228195786e-03 - - -1.3475979864597321e-01 1.3747330009937286e-01 - <_> - - 0 -1 1047 -4.3940469622612000e-03 - - -9.3405917286872864e-02 3.5123821347951889e-02 - <_> - - 0 -1 1048 -5.2314151078462601e-02 - - 7.5311762094497681e-01 -2.9210770502686501e-02 - <_> - - 0 -1 1049 -5.6897811591625214e-02 - - -9.1858989000320435e-01 2.8862420469522476e-02 - <_> - - 0 -1 1050 -2.1614639461040497e-01 - - -1. 6.9490820169448853e-03 - <_> - - 0 -1 1051 1.8479259312152863e-01 - - -8.8357992470264435e-02 1.9002689421176910e-01 - <_> - - 0 -1 1052 -5.6834658607840538e-03 - - -1.7791560292243958e-01 9.8286077380180359e-02 - <_> - - 0 -1 1053 -8.2448042929172516e-02 - - -3.4058651328086853e-01 1.5612719580531120e-02 - <_> - - 0 -1 1054 -7.5926659628748894e-03 - - 2.5929468870162964e-01 -6.9370441138744354e-02 - <_> - - 0 -1 1055 -2.9748380184173584e-03 - - 5.4534178227186203e-02 -1.2630839645862579e-01 - <_> - - 0 -1 1056 -1.6377970576286316e-01 - - -8.3725690841674805e-01 2.2446790710091591e-02 - <_> - - 0 -1 1057 -3.8845320232212543e-03 - - -2.1008059382438660e-01 9.1814376413822174e-02 - <_> - - 0 -1 1058 -5.5496331304311752e-02 - - 5.2739220857620239e-01 -3.8561638444662094e-02 - <_> - - 0 -1 1059 4.5041809789836407e-03 - - 3.8907989859580994e-02 -2.1077489852905273e-01 - <_> - - 0 -1 1060 5.7516310364007950e-02 - - -5.4442461580038071e-02 3.4977319836616516e-01 - <_> - - 0 -1 1061 -5.4960879497230053e-03 - - 1.0459329932928085e-01 -2.2956989705562592e-01 - <_> - - 0 -1 1062 5.8753142366185784e-04 - - 7.4045538902282715e-02 -2.3731130361557007e-01 - <_> - - 0 -1 1063 1.1216119676828384e-01 - - -2.5916000828146935e-02 1.1389470100402832e-01 - <_> - - 0 -1 1064 2.1753750741481781e-01 - - 1.9727870821952820e-02 -9.6220922470092773e-01 - <_> - - 0 -1 1065 -1.4632700476795435e-03 - - -9.4052821397781372e-02 6.4389176666736603e-02 - <_> - - 0 -1 1066 -8.6313979700207710e-03 - - 2.5036060810089111e-01 -7.2234652936458588e-02 - <_> - - 0 -1 1067 -1.9858509302139282e-02 - - -1.2698090076446533e-01 7.9051487147808075e-02 - <_> - - 0 -1 1068 -1.3804109767079353e-04 - - 1.4466640353202820e-01 -1.1444070190191269e-01 - <_> - - 0 -1 1069 2.6781240478157997e-02 - - 1.7647750675678253e-02 -8.3157891035079956e-01 - <_> - - 0 -1 1070 1.9331119954586029e-02 - - -4.5500081032514572e-02 5.0110948085784912e-01 - <_> - - 0 -1 1071 4.1692070662975311e-02 - - 2.2502349689602852e-02 -3.8992220163345337e-01 - <_> - - 0 -1 1072 1.1296980082988739e-01 - - -3.2494839280843735e-02 5.3929620981216431e-01 - <_> - - 0 -1 1073 3.1683610286563635e-03 - - -1.7195589840412140e-01 9.3619801104068756e-02 - <_> - - 0 -1 1074 5.3966748528182507e-03 - - 5.7677630335092545e-02 -3.0436149239540100e-01 - <_> - - 0 -1 1075 -1.3829180598258972e-01 - - -5.2158790826797485e-01 1.8444910645484924e-02 - <_> - - 0 -1 1076 -1.2594119645655155e-02 - - 2.2748909890651703e-01 -6.9325000047683716e-02 - <_> - - 0 -1 1077 -1.6514480113983154e-02 - - 1.6279229521751404e-01 -3.4446150064468384e-02 - <_> - - 0 -1 1078 -1.6392849385738373e-02 - - -1.4277680218219757e-01 1.6290099918842316e-01 - <_> - - 0 -1 1079 -3.4606490284204483e-02 - - -4.0356379747390747e-01 8.3033805713057518e-03 - <_> - - 0 -1 1080 -6.8894061259925365e-03 - - 2.6890090107917786e-01 -6.9450862705707550e-02 - <_> - - 0 -1 1081 -1.1879400350153446e-02 - - 2.1395209431648254e-01 -2.0930450409650803e-02 - <_> - - 0 -1 1082 -1.9165100529789925e-03 - - 6.8464219570159912e-02 -3.1453219056129456e-01 - <_> - - 0 -1 1083 1.3729350175708532e-03 - - -6.0340028256177902e-02 2.7572840452194214e-01 - <_> - - 0 -1 1084 2.4278028868138790e-03 - - -2.3944500088691711e-01 8.4658838808536530e-02 - <_> - - 0 -1 1085 2.1290169097483158e-03 - - 8.6938478052616119e-02 -2.8218480944633484e-01 - <_> - - 0 -1 1086 -5.2569470426533371e-05 - - 1.3682359457015991e-01 -1.1980649828910828e-01 - <_> - - 0 -1 1087 1.5957899391651154e-02 - - -3.9610300213098526e-02 2.4825170636177063e-01 - <_> - - 0 -1 1088 8.9294081553816795e-03 - - 8.1123508512973785e-02 -2.6561570167541504e-01 - <_> - - 0 -1 1089 4.9925308674573898e-02 - - 1.5018629841506481e-02 -3.6647871136665344e-01 - <_> - - 0 -1 1090 -1.7374839633703232e-02 - - 3.3971020579338074e-01 -5.4494149982929230e-02 - <_> - - 0 -1 1091 -7.8357063233852386e-02 - - -4.9435839056968689e-01 8.4990533068776131e-03 - <_> - - 0 -1 1092 -8.9894477277994156e-03 - - -2.3209859430789948e-01 7.1379087865352631e-02 - <_> - - 0 -1 1093 -1.5932919923216105e-03 - - 8.2504719495773315e-02 -9.3123182654380798e-02 - <_> - - 0 -1 1094 2.6272730901837349e-03 - - -1.3213430345058441e-01 1.3099829852581024e-01 - <_> - - 0 -1 1095 -5.9108160436153412e-02 - - -3.7229761481285095e-01 4.5574661344289780e-02 - <_> - - 0 -1 1096 3.5086690913885832e-03 - - 8.9478462934494019e-02 -1.8543410301208496e-01 - <_> - - 0 -1 1097 1.5465220436453819e-02 - - -3.0604820698499680e-02 2.0754580199718475e-01 - <_> - - 0 -1 1098 -1.1749019846320152e-02 - - 3.9200168848037720e-01 -4.1100859642028809e-02 - <_> - - 0 -1 1099 4.8413608223199844e-02 - - 3.7391050718724728e-03 -8.5701841115951538e-01 - <_> - - 0 -1 1100 -1.1499889660626650e-03 - - -2.2441549599170685e-01 7.1305088698863983e-02 - <_> - 89 - -3.0760700225830078e+01 - - <_> - - 0 -1 1101 -3.2420051097869873e-01 - - 4.1447758674621582e-01 -1.0684230178594589e-01 - <_> - - 0 -1 1102 -2.1065689623355865e-01 - - 2.3302809894084930e-01 -9.4695799052715302e-02 - <_> - - 0 -1 1103 -2.1540550515055656e-02 - - -2.8891721367835999e-01 7.0666067302227020e-02 - <_> - - 0 -1 1104 5.9726871550083160e-03 - - -9.0559490025043488e-02 2.2989599406719208e-01 - <_> - - 0 -1 1105 2.6468100026249886e-02 - - -5.0254050642251968e-02 3.9346438646316528e-01 - <_> - - 0 -1 1106 -7.2531126439571381e-02 - - -3.9421468973159790e-01 7.5547359883785248e-03 - <_> - - 0 -1 1107 -4.3684918433427811e-02 - - -5.7553547620773315e-01 5.1893319934606552e-02 - <_> - - 0 -1 1108 1.1670660227537155e-01 - - -2.5791339576244354e-03 -8.2597649097442627e-01 - <_> - - 0 -1 1109 -8.2381166517734528e-02 - - 7.5818961858749390e-01 -2.6576930657029152e-02 - <_> - - 0 -1 1110 -2.3157079704105854e-03 - - 6.6858686506748199e-02 -3.0407869815826416e-01 - <_> - - 0 -1 1111 -1.6678189858794212e-02 - - 3.8525319099426270e-01 -4.8842679709196091e-02 - <_> - - 0 -1 1112 -3.0678999610245228e-03 - - -2.7150988578796387e-01 6.4561262726783752e-02 - <_> - - 0 -1 1113 -8.3884904161095619e-03 - - -2.8267300128936768e-01 7.0778891444206238e-02 - <_> - - 0 -1 1114 2.1357910707592964e-02 - - -6.6106483340263367e-02 3.1867539882659912e-01 - <_> - - 0 -1 1115 -4.0636979974806309e-03 - - 1.1739840358495712e-01 -1.5105929970741272e-01 - <_> - - 0 -1 1116 -1.1475679930299520e-03 - - 6.4262896776199341e-02 -7.4472077190876007e-02 - <_> - - 0 -1 1117 1.8145689740777016e-02 - - -5.6946009397506714e-02 4.2107149958610535e-01 - <_> - - 0 -1 1118 5.0288350321352482e-03 - - 8.3866670727729797e-02 -3.3929398655891418e-01 - <_> - - 0 -1 1119 -5.7916361838579178e-02 - - 4.5170179009437561e-01 -4.3198868632316589e-02 - <_> - - 0 -1 1120 3.1025299802422523e-02 - - 2.8000740334391594e-02 -1.6818940639495850e-01 - <_> - - 0 -1 1121 8.2134291529655457e-02 - - 1.9999530166387558e-02 -7.6910507678985596e-01 - <_> - - 0 -1 1122 7.3666572570800781e-02 - - -1.2391459895297885e-03 -1.0004559755325317e+00 - <_> - - 0 -1 1123 1.5681830700486898e-04 - - -1.2154590338468552e-01 1.3561969995498657e-01 - <_> - - 0 -1 1124 4.5130930840969086e-02 - - 4.7123869881033897e-03 -2.9671049118041992e-01 - <_> - - 0 -1 1125 -5.1468348829075694e-04 - - 1.4606890082359314e-01 -1.3600480556488037e-01 - <_> - - 0 -1 1126 -1.4981119893491268e-02 - - -1.7933659255504608e-01 5.3928699344396591e-02 - <_> - - 0 -1 1127 -2.7151789516210556e-02 - - -6.7529010772705078e-01 2.3046780377626419e-02 - <_> - - 0 -1 1128 -6.6578023135662079e-02 - - -6.5586429834365845e-01 4.7667929902672768e-03 - <_> - - 0 -1 1129 -3.3119178842753172e-03 - - 1.2255000323057175e-01 -1.6333930194377899e-01 - <_> - - 0 -1 1130 -1.5811180695891380e-02 - - -4.4731178879737854e-01 8.9029967784881592e-03 - <_> - - 0 -1 1131 -5.6757620768621564e-05 - - 1.4944350719451904e-01 -1.0686829686164856e-01 - <_> - - 0 -1 1132 1.0602490045130253e-02 - - 2.1685829386115074e-02 -3.2208129763603210e-01 - <_> - - 0 -1 1133 2.1245649550110102e-03 - - -2.0425739884376526e-01 8.2330957055091858e-02 - <_> - - 0 -1 1134 4.7638580203056335e-02 - - -3.2728441059589386e-02 4.4726258516311646e-01 - <_> - - 0 -1 1135 -1.1300199665129185e-02 - - 2.5546020269393921e-01 -6.9969899952411652e-02 - <_> - - 0 -1 1136 -1.1472209589555860e-03 - - 4.7467790544033051e-02 -2.2220790386199951e-01 - <_> - - 0 -1 1137 1.8008640035986900e-02 - - -6.0860209167003632e-02 2.9082441329956055e-01 - <_> - - 0 -1 1138 -1.1634260416030884e-02 - - -3.1474921107292175e-01 8.3630897104740143e-02 - <_> - - 0 -1 1139 6.5580541267991066e-03 - - -1.2121830135583878e-01 1.3124500215053558e-01 - <_> - - 0 -1 1140 -2.3253620602190495e-03 - - -8.7138622999191284e-02 7.0476517081260681e-02 - <_> - - 0 -1 1141 2.1486220881342888e-02 - - -3.5936549305915833e-02 4.3737021088600159e-01 - <_> - - 0 -1 1142 1.2589399516582489e-01 - - 1.2443150393664837e-02 -9.2822617292404175e-01 - <_> - - 0 -1 1143 -2.2191529569681734e-04 - - 6.9798342883586884e-02 -3.2106238603591919e-01 - <_> - - 0 -1 1144 -5.8175198733806610e-02 - - -7.7025629580020905e-02 9.6747986972332001e-02 - <_> - - 0 -1 1145 -4.5887380838394165e-04 - - 1.1412449926137924e-01 -1.4719170331954956e-01 - <_> - - 0 -1 1146 -4.0837019681930542e-02 - - 4.7654581069946289e-01 -4.9737568944692612e-02 - <_> - - 0 -1 1147 -9.7786840051412582e-03 - - -2.0513780415058136e-01 8.4468983113765717e-02 - <_> - - 0 -1 1148 2.7964261174201965e-01 - - -3.0034869909286499e-02 6.9526249170303345e-01 - <_> - - 0 -1 1149 -8.8869117200374603e-02 - - 2.4081839621067047e-01 -7.0576377213001251e-02 - <_> - - 0 -1 1150 -1.4095460064709187e-02 - - -1.0456439852714539e-01 4.6604979783296585e-02 - <_> - - 0 -1 1151 2.6836670003831387e-03 - - 6.0495968908071518e-02 -2.5784969329833984e-01 - <_> - - 0 -1 1152 8.7051279842853546e-02 - - -2.4173669517040253e-02 2.4043059349060059e-01 - <_> - - 0 -1 1153 -1.0178039781749249e-02 - - 2.5469788908958435e-01 -9.2890508472919464e-02 - <_> - - 0 -1 1154 -9.0314531698822975e-03 - - -2.6343479752540588e-01 7.0848807692527771e-02 - <_> - - 0 -1 1155 -6.7082298919558525e-03 - - 2.3313470184803009e-01 -7.6271809637546539e-02 - <_> - - 0 -1 1156 -6.7614473402500153e-02 - - -5.2013260126113892e-01 1.3785160146653652e-02 - <_> - - 0 -1 1157 -3.9636880159378052e-01 - - -7.6267188787460327e-01 2.0686520263552666e-02 - <_> - - 0 -1 1158 1.2813470093533397e-03 - - -1.4046239852905273e-01 1.2711919844150543e-01 - <_> - - 0 -1 1159 8.4416065365076065e-03 - - 7.4712827801704407e-02 -2.5663131475448608e-01 - <_> - - 0 -1 1160 1.4749030015082099e-05 - - -1.4015120267868042e-01 1.5210489928722382e-01 - <_> - - 0 -1 1161 -4.5073211193084717e-02 - - -6.4262861013412476e-01 2.5925450026988983e-02 - <_> - - 0 -1 1162 7.7068619430065155e-03 - - 3.2485689967870712e-02 -2.0377029478549957e-01 - <_> - - 0 -1 1163 5.9383822372183204e-04 - - -1.2950329482555389e-01 1.6219380497932434e-01 - <_> - - 0 -1 1164 -1.3042639475315809e-03 - - 8.6318843066692352e-02 -1.9224709272384644e-01 - <_> - - 0 -1 1165 6.4417850226163864e-03 - - -7.1506053209304810e-02 3.0627349019050598e-01 - <_> - - 0 -1 1166 -1.5630330890417099e-02 - - 4.9515549093484879e-02 -1.4840349555015564e-01 - <_> - - 0 -1 1167 1.1395620182156563e-02 - - 6.3355296850204468e-02 -2.5576409697532654e-01 - <_> - - 0 -1 1168 4.7544430941343307e-02 - - 4.8167328350245953e-03 -7.8987777233123779e-01 - <_> - - 0 -1 1169 8.3856023848056793e-03 - - -4.3012011796236038e-02 4.1108319163322449e-01 - <_> - - 0 -1 1170 -1.6369849909096956e-03 - - 8.2473292946815491e-02 -7.8956812620162964e-02 - <_> - - 0 -1 1171 -1.6513109207153320e-02 - - -5.0692492723464966e-01 3.9071910083293915e-02 - <_> - - 0 -1 1172 1.0358359664678574e-01 - - 2.0772270858287811e-02 -6.9371747970581055e-01 - <_> - - 0 -1 1173 3.3361840993165970e-02 - - -4.4479008764028549e-02 4.6392819285392761e-01 - <_> - - 0 -1 1174 -2.8664430603384972e-02 - - -4.5883670449256897e-01 3.5676170140504837e-02 - <_> - - 0 -1 1175 -1.1209170043002814e-04 - - 8.4344513714313507e-02 -2.1555650234222412e-01 - <_> - - 0 -1 1176 1.7690200358629227e-02 - - 9.7461966797709465e-03 -8.5261541604995728e-01 - <_> - - 0 -1 1177 -2.1878469735383987e-02 - - 2.6345950365066528e-01 -7.0220641791820526e-02 - <_> - - 0 -1 1178 -1.2424430251121521e-01 - - -2.8659409284591675e-01 2.1816140040755272e-02 - <_> - - 0 -1 1179 6.5736092627048492e-02 - - 2.3600580170750618e-02 -7.0263791084289551e-01 - <_> - - 0 -1 1180 -4.4633701443672180e-02 - - -9.5776432752609253e-01 3.5877549089491367e-03 - <_> - - 0 -1 1181 -6.4271576702594757e-02 - - 6.0099518299102783e-01 -2.8557619079947472e-02 - <_> - - 0 -1 1182 5.6516240874771029e-05 - - -1.3485489785671234e-01 1.1080929636955261e-01 - <_> - - 0 -1 1183 1.3419260503724217e-03 - - 9.8325006663799286e-02 -1.6883499920368195e-01 - <_> - - 0 -1 1184 -2.1889729425311089e-02 - - -2.1880550682544708e-01 2.9620679095387459e-02 - <_> - - 0 -1 1185 -1.9670790061354637e-03 - - 9.7642809152603149e-02 -1.8062870204448700e-01 - <_> - - 0 -1 1186 -7.6196521520614624e-02 - - -8.6387622356414795e-01 7.3730680160224438e-03 - <_> - - 0 -1 1187 -7.9841358819976449e-04 - - 1.5353679656982422e-01 -1.2105809897184372e-01 - <_> - - 0 -1 1188 -8.2246732199564576e-04 - - 4.0794339030981064e-02 -1.3737790286540985e-01 - <_> - - 0 -1 1189 -3.0324649997055531e-03 - - 1.2088210135698318e-01 -1.4088730514049530e-01 - <_> - 107 - -3.0838300704956055e+01 - - <_> - - 0 -1 1190 -5.2718650549650192e-02 - - 2.5985679030418396e-01 -1.5721979737281799e-01 - <_> - - 0 -1 1191 5.1614670082926750e-03 - - -1.0271859914064407e-01 5.9346981346607208e-02 - <_> - - 0 -1 1192 6.7699067294597626e-02 - - -7.7311262488365173e-02 2.8602010011672974e-01 - <_> - - 0 -1 1193 -3.3822011202573776e-02 - - -5.6999057531356812e-01 4.0684528648853302e-02 - <_> - - 0 -1 1194 -5.3746398538351059e-02 - - -4.7421398758888245e-01 6.2751591205596924e-02 - <_> - - 0 -1 1195 -3.0559560284018517e-02 - - 7.1638780832290649e-01 -1.7423950135707855e-02 - <_> - - 0 -1 1196 -3.3822011202573776e-02 - - -6.7283177375793457e-01 -1.2177439639344811e-03 - <_> - - 0 -1 1197 2.7876009698957205e-04 - - -7.0205226540565491e-02 1.1648730188608170e-01 - <_> - - 0 -1 1198 -2.5016230065375566e-03 - - 1.2915210425853729e-01 -1.3576079905033112e-01 - <_> - - 0 -1 1199 9.0835839509963989e-02 - - 4.1303969919681549e-03 4.0111660957336426e-01 - <_> - - 0 -1 1200 -2.5603260844945908e-02 - - -1.0059480369091034e-01 1.8819159269332886e-01 - <_> - - 0 -1 1201 -5.2134461700916290e-02 - - 2.5282728672027588e-01 -1.1447659879922867e-01 - <_> - - 0 -1 1202 3.8462068885564804e-02 - - 5.5828869342803955e-02 -5.7635480165481567e-01 - <_> - - 0 -1 1203 -1.4195869443938136e-03 - - 4.5769099146127701e-02 -1.6001120209693909e-01 - <_> - - 0 -1 1204 -7.6488167047500610e-02 - - -5.2531337738037109e-01 5.2011650055646896e-02 - <_> - - 0 -1 1205 1.2786199804395437e-03 - - 7.6051406562328339e-02 -2.5104090571403503e-01 - <_> - - 0 -1 1206 -1.2661969522014260e-03 - - -1.2411650270223618e-01 1.6375949978828430e-01 - <_> - - 0 -1 1207 -9.0841390192508698e-03 - - 2.2613930702209473e-01 -5.4559618234634399e-02 - <_> - - 0 -1 1208 7.4418167059775442e-05 - - -1.6488799452781677e-01 1.0864400118589401e-01 - <_> - - 0 -1 1209 -2.5643699336796999e-03 - - -1.8933239579200745e-01 1.0298830270767212e-01 - <_> - - 0 -1 1210 -3.4997228533029556e-02 - - 2.3746269941329956e-01 -8.2390688359737396e-02 - <_> - - 0 -1 1211 -1.9422829151153564e-02 - - -9.9691540002822876e-02 4.0376558899879456e-02 - <_> - - 0 -1 1212 -5.9601478278636932e-02 - - -9.1162431240081787e-01 1.8367420881986618e-02 - <_> - - 0 -1 1213 3.4046408534049988e-01 - - 6.0519641265273094e-03 -4.4584161043167114e-01 - <_> - - 0 -1 1214 6.5878271125257015e-03 - - -9.5767751336097717e-02 1.8087559938430786e-01 - <_> - - 0 -1 1215 5.3841830231249332e-03 - - 5.2658561617136002e-02 -4.5202389359474182e-01 - <_> - - 0 -1 1216 7.9094972461462021e-03 - - 3.8064301013946533e-02 -4.5984381437301636e-01 - <_> - - 0 -1 1217 -1.7566539347171783e-02 - - 1.1139140278100967e-01 -2.9564509168267250e-02 - <_> - - 0 -1 1218 -1.1352599831297994e-03 - - 1.0825510323047638e-01 -1.8355409801006317e-01 - <_> - - 0 -1 1219 1.4237280189990997e-01 - - -3.1995229423046112e-02 3.8099318742752075e-01 - <_> - - 0 -1 1220 -1.0024409741163254e-01 - - -7.7461862564086914e-01 2.3992599919438362e-02 - <_> - - 0 -1 1221 -1.2453799694776535e-01 - - 2.1255059540271759e-01 -9.1748759150505066e-02 - <_> - - 0 -1 1222 1.9641380012035370e-01 - - 3.3028271049261093e-02 -6.0223150253295898e-01 - <_> - - 0 -1 1223 -4.1467338800430298e-02 - - -8.8264447450637817e-01 1.3399540446698666e-02 - <_> - - 0 -1 1224 -3.0020199716091156e-02 - - 5.8158951997756958e-01 -3.9801310747861862e-02 - <_> - - 0 -1 1225 1.9002150744199753e-02 - - -2.4508230388164520e-02 3.2259100675582886e-01 - <_> - - 0 -1 1226 -1.0837280191481113e-02 - - -2.5428688526153564e-01 7.3384523391723633e-02 - <_> - - 0 -1 1227 -2.4493860080838203e-02 - - 1.4883559942245483e-01 -3.6729950457811356e-02 - <_> - - 0 -1 1228 4.7652618959546089e-03 - - 1.2693640589714050e-01 -1.9157619774341583e-01 - <_> - - 0 -1 1229 -1.2438010424375534e-02 - - 7.1727007627487183e-02 -2.5421911478042603e-01 - <_> - - 0 -1 1230 2.1275319159030914e-02 - - -4.9392588436603546e-02 5.2715432643890381e-01 - <_> - - 0 -1 1231 -6.7369833588600159e-02 - - -4.6891281008720398e-01 4.2881548404693604e-02 - <_> - - 0 -1 1232 -1.0925510432571173e-03 - - 1.1250150203704834e-01 -1.3688379526138306e-01 - <_> - - 0 -1 1233 -9.7863428294658661e-02 - - -8.5167092084884644e-01 7.9745445400476456e-03 - <_> - - 0 -1 1234 -2.0980979315936565e-03 - - 7.2556197643280029e-02 -2.1253560483455658e-01 - <_> - - 0 -1 1235 4.4975668191909790e-02 - - -6.4254011958837509e-03 6.7334640026092529e-01 - <_> - - 0 -1 1236 -2.0970530807971954e-02 - - -1.5341369807720184e-01 1.1229439824819565e-01 - <_> - - 0 -1 1237 7.1862142067402601e-04 - - -1.3690039515495300e-01 1.2323109805583954e-01 - <_> - - 0 -1 1238 1.1921999976038933e-02 - - -5.2036911249160767e-02 3.5095539689064026e-01 - <_> - - 0 -1 1239 -1.2956890277564526e-02 - - 8.7813578546047211e-02 -2.8173919767141342e-02 - <_> - - 0 -1 1240 -2.7972649782896042e-02 - - -5.9018450975418091e-01 2.4770129472017288e-02 - <_> - - 0 -1 1241 -6.0088839381933212e-03 - - -6.5963357686996460e-02 3.6277290433645248e-02 - <_> - - 0 -1 1242 -4.0854439139366150e-03 - - 1.8211939930915833e-01 -8.9567668735980988e-02 - <_> - - 0 -1 1243 6.3200960867106915e-03 - - 2.3888850584626198e-02 -1.0606460273265839e-01 - <_> - - 0 -1 1244 2.0633619278669357e-02 - - -3.8176801055669785e-02 5.2134162187576294e-01 - <_> - - 0 -1 1245 -2.5221719406545162e-03 - - 4.6510368585586548e-02 -9.3957871198654175e-02 - <_> - - 0 -1 1246 -4.6648699790239334e-03 - - -2.3734979331493378e-01 8.0608420073986053e-02 - <_> - - 0 -1 1247 2.5844529736787081e-03 - - -2.4275559931993484e-02 2.2888250648975372e-01 - <_> - - 0 -1 1248 -1.4966880371503066e-05 - - 9.9380202591419220e-02 -1.9830170273780823e-01 - <_> - - 0 -1 1249 6.2676537781953812e-03 - - -7.4367232620716095e-02 2.2790339589118958e-01 - <_> - - 0 -1 1250 2.6347549632191658e-02 - - 1.9285459071397781e-02 -8.8683319091796875e-01 - <_> - - 0 -1 1251 -6.0268949717283249e-02 - - 1.2562690675258636e-01 -3.3716868609189987e-02 - <_> - - 0 -1 1252 -3.8371770642697811e-03 - - -1.7735309898853302e-01 8.8588736951351166e-02 - <_> - - 0 -1 1253 -3.5063549876213074e-03 - - -8.7100908160209656e-02 5.6650858372449875e-02 - <_> - - 0 -1 1254 -8.1536881625652313e-03 - - 2.5863811373710632e-01 -5.9690609574317932e-02 - <_> - - 0 -1 1255 3.8574129343032837e-02 - - 8.4148198366165161e-03 -4.3409061431884766e-01 - <_> - - 0 -1 1256 -3.9269659668207169e-02 - - 3.5469511151313782e-01 -4.3248169124126434e-02 - <_> - - 0 -1 1257 -1.7512469785287976e-03 - - 8.6816087365150452e-02 -9.6924632787704468e-02 - <_> - - 0 -1 1258 -8.4061250090599060e-02 - - -6.5256571769714355e-01 2.4765320122241974e-02 - <_> - - 0 -1 1259 -4.3417539447546005e-02 - - -5.6205427646636963e-01 9.8713487386703491e-03 - <_> - - 0 -1 1260 -1.3643169775605202e-02 - - 2.4562139809131622e-01 -6.0552708804607391e-02 - <_> - - 0 -1 1261 1.6490360721945763e-02 - - 3.8866888731718063e-02 -2.7715849876403809e-01 - <_> - - 0 -1 1262 -1.4422900043427944e-02 - - -2.2820469737052917e-01 5.9026841074228287e-02 - <_> - - 0 -1 1263 2.7178740128874779e-03 - - -1.1887180060148239e-01 1.2192229926586151e-01 - <_> - - 0 -1 1264 6.3701239414513111e-03 - - -1.7167779803276062e-01 9.9555417895317078e-02 - <_> - - 0 -1 1265 8.1290200352668762e-02 - - -2.2509740665555000e-02 2.4472869932651520e-01 - <_> - - 0 -1 1266 -1.4793650188948959e-04 - - 8.0845691263675690e-02 -2.1680369973182678e-01 - <_> - - 0 -1 1267 -6.9097941741347313e-04 - - 6.2281239777803421e-02 -1.4082409441471100e-01 - <_> - - 0 -1 1268 -1.1455359868705273e-02 - - -1.1722529679536819e-01 1.5948510169982910e-01 - <_> - - 0 -1 1269 -1.6334399580955505e-01 - - -3.4727150201797485e-01 1.1003250256180763e-02 - <_> - - 0 -1 1270 -6.8652302026748657e-02 - - 2.5441581010818481e-01 -7.8778758645057678e-02 - <_> - - 0 -1 1271 6.9226641207933426e-03 - - -2.9800569638609886e-02 2.0455279946327209e-01 - <_> - - 0 -1 1272 -1.0851600021123886e-01 - - -4.7375029325485229e-01 4.0704440325498581e-02 - <_> - - 0 -1 1273 5.8868151158094406e-02 - - 1.3014429714530706e-03 -1.0001180171966553e+00 - <_> - - 0 -1 1274 1.5332780312746763e-03 - - -1.6441990435123444e-01 9.9495269358158112e-02 - <_> - - 0 -1 1275 -2.5576220359653234e-03 - - 8.1458933651447296e-02 -9.0945683419704437e-02 - <_> - - 0 -1 1276 3.6009950563311577e-03 - - 8.6760893464088440e-02 -1.9872209429740906e-01 - <_> - - 0 -1 1277 1.0986080393195152e-02 - - -4.8230320215225220e-02 1.9264499843120575e-01 - <_> - - 0 -1 1278 -4.4403300853446126e-04 - - 2.0115670561790466e-01 -8.3059810101985931e-02 - <_> - - 0 -1 1279 2.9464240651577711e-04 - - -1.2808699905872345e-01 6.6652536392211914e-02 - <_> - - 0 -1 1280 -4.1320081800222397e-02 - - -5.3510922193527222e-01 2.9578590765595436e-02 - <_> - - 0 -1 1281 8.1929996609687805e-02 - - -1.6939610242843628e-02 7.6524221897125244e-01 - <_> - - 0 -1 1282 1.4758399687707424e-02 - - 2.7206780388951302e-02 -6.2607800960540771e-01 - <_> - - 0 -1 1283 -1.7577099800109863e-01 - - 1.0328330099582672e-01 -5.1863618195056915e-02 - <_> - - 0 -1 1284 -1.0492449626326561e-02 - - -1.9424819946289062e-01 8.5835307836532593e-02 - <_> - - 0 -1 1285 -5.6793028488755226e-03 - - 1.6252349317073822e-01 -1.1607410013675690e-01 - <_> - - 0 -1 1286 -7.7026091516017914e-02 - - -1.6585369408130646e-01 1.0487639904022217e-01 - <_> - - 0 -1 1287 8.8255241513252258e-02 - - -4.2857029475271702e-03 1.0002230405807495e+00 - <_> - - 0 -1 1288 -2.5600788649171591e-04 - - 1.3218410313129425e-01 -1.4754749834537506e-01 - <_> - - 0 -1 1289 3.4532468765974045e-02 - - -4.7874059528112411e-02 2.7708581089973450e-01 - <_> - - 0 -1 1290 1.0978250205516815e-01 - - -2.1606300026178360e-02 8.5059100389480591e-01 - <_> - - 0 -1 1291 3.6717768758535385e-02 - - 1.6276430338621140e-02 -8.9000707864761353e-01 - <_> - - 0 -1 1292 -6.1206728219985962e-02 - - 5.4838019609451294e-01 -3.1625121831893921e-02 - <_> - - 0 -1 1293 2.9046889394521713e-03 - - 4.1483800858259201e-02 -8.6054533720016479e-02 - <_> - - 0 -1 1294 6.9003179669380188e-02 - - -2.6552880182862282e-02 6.0647368431091309e-01 - <_> - - 0 -1 1295 7.0049421628937125e-04 - - -1.9934299588203430e-01 7.5443200767040253e-02 - <_> - - 0 -1 1296 3.4873239696025848e-02 - - 3.9036870002746582e-02 -4.2251279950141907e-01 - <_> - 71 - -3.0640199661254883e+01 - - <_> - - 0 -1 1297 5.4466608911752701e-02 - - -1.3182820379734039e-01 2.7660441398620605e-01 - <_> - - 0 -1 1298 -2.1856650710105896e-02 - - 2.5475510954856873e-01 -8.4045611321926117e-02 - <_> - - 0 -1 1299 6.6198781132698059e-03 - - 7.1489393711090088e-02 -2.6304081082344055e-01 - <_> - - 0 -1 1300 8.8211596012115479e-03 - - -1.3396710157394409e-01 1.4222930371761322e-01 - <_> - - 0 -1 1301 -2.3251229524612427e-01 - - -3.4628748893737793e-01 5.6767478585243225e-02 - <_> - - 0 -1 1302 2.8472349047660828e-01 - - 8.6089121177792549e-03 -1.0012650489807129e+00 - <_> - - 0 -1 1303 4.2303521186113358e-02 - - -9.1637752950191498e-02 1.9090470671653748e-01 - <_> - - 0 -1 1304 4.9781981855630875e-02 - - 2.9709989205002785e-02 -3.5961869359016418e-01 - <_> - - 0 -1 1305 -4.8924300819635391e-02 - - -3.8387179374694824e-01 5.5182989686727524e-02 - <_> - - 0 -1 1306 -7.7399803558364511e-05 - - -1.2758800387382507e-01 9.4793520867824554e-02 - <_> - - 0 -1 1307 -2.4455290287733078e-02 - - 4.6911829710006714e-01 -5.1782071590423584e-02 - <_> - - 0 -1 1308 2.5210820138454437e-02 - - 4.4035088270902634e-02 -1.7653049528598785e-01 - <_> - - 0 -1 1309 -4.7570910304784775e-02 - - -5.3332722187042236e-01 4.6693909913301468e-02 - <_> - - 0 -1 1310 -1.4046980440616608e-01 - - 3.2798460125923157e-01 -6.5607719123363495e-02 - <_> - - 0 -1 1311 -1.0932429879903793e-01 - - -5.9276747703552246e-01 3.0543249100446701e-02 - <_> - - 0 -1 1312 -9.8567470908164978e-02 - - 3.6753898859024048e-01 -6.6568426787853241e-02 - <_> - - 0 -1 1313 -7.6861098408699036e-02 - - -1.3722559809684753e-01 1.7806069552898407e-01 - <_> - - 0 -1 1314 -2.1035360172390938e-02 - - 4.3632039427757263e-01 -2.9524799436330795e-02 - <_> - - 0 -1 1315 1.3428479433059692e-03 - - -2.4420669674873352e-01 1.1969459801912308e-01 - <_> - - 0 -1 1316 -3.4433171153068542e-02 - - 2.7110278606414795e-01 -7.5950436294078827e-02 - <_> - - 0 -1 1317 1.7944410210475326e-03 - - -1.7997020483016968e-01 1.3508750498294830e-01 - <_> - - 0 -1 1318 -9.6644267439842224e-02 - - -7.6689988374710083e-01 1.5435869805514812e-02 - <_> - - 0 -1 1319 2.5092919822782278e-03 - - -1.2506179511547089e-01 1.8814159929752350e-01 - <_> - - 0 -1 1320 -2.2511319257318974e-03 - - 7.8268818557262421e-02 -7.2636753320693970e-02 - <_> - - 0 -1 1321 -7.4670952017186210e-06 - - 7.6933227479457855e-02 -2.6148709654808044e-01 - <_> - - 0 -1 1322 2.6573959738016129e-02 - - 2.2534679621458054e-02 -1.6299429535865784e-01 - <_> - - 0 -1 1323 1.7086470499634743e-02 - - -5.8232828974723816e-02 3.6095941066741943e-01 - <_> - - 0 -1 1324 3.0147018842399120e-03 - - 1.2817589938640594e-01 -1.8230159580707550e-01 - <_> - - 0 -1 1325 9.4206426292657852e-03 - - 8.9825786650180817e-02 -2.6877298951148987e-01 - <_> - - 0 -1 1326 7.5143040157854557e-04 - - 8.8295407593250275e-02 -2.3304849863052368e-01 - <_> - - 0 -1 1327 -1.0687969624996185e-02 - - 3.0612778663635254e-01 -6.5760366618633270e-02 - <_> - - 0 -1 1328 7.5001686811447144e-02 - - 4.3955240398645401e-03 -7.5094991922378540e-01 - <_> - - 0 -1 1329 5.0849020481109619e-02 - - 2.0524559542536736e-02 -8.3406442403793335e-01 - <_> - - 0 -1 1330 2.3555630818009377e-02 - - 3.6320169456303120e-03 -8.8322782516479492e-01 - <_> - - 0 -1 1331 -1.6827480867505074e-02 - - -6.5697771310806274e-01 2.3138659074902534e-02 - <_> - - 0 -1 1332 1.9977349787950516e-02 - - -2.3847330361604691e-02 3.2636478543281555e-01 - <_> - - 0 -1 1333 3.1397528946399689e-02 - - -3.6343611776828766e-02 4.4792640209197998e-01 - <_> - - 0 -1 1334 -9.3282759189605713e-02 - - -5.2942079305648804e-01 6.3824458047747612e-03 - <_> - - 0 -1 1335 -7.7012612018734217e-04 - - 1.5420450270175934e-01 -1.5751419961452484e-01 - <_> - - 0 -1 1336 4.6891491860151291e-02 - - 1.1802299879491329e-02 -7.3092728853225708e-01 - <_> - - 0 -1 1337 -3.4607138950377703e-03 - - 1.1565960198640823e-01 -1.7568419873714447e-01 - <_> - - 0 -1 1338 -3.3493418246507645e-02 - - -6.8049472570419312e-01 5.1433579064905643e-03 - <_> - - 0 -1 1339 -5.5793918669223785e-02 - - -5.3908890485763550e-01 3.2008830457925797e-02 - <_> - - 0 -1 1340 5.1339478231966496e-03 - - -6.6114626824855804e-02 3.1760030984878540e-01 - <_> - - 0 -1 1341 3.0386429280042648e-03 - - 8.1462718546390533e-02 -2.4291920661926270e-01 - <_> - - 0 -1 1342 -3.1149981077760458e-04 - - 4.6723391860723495e-02 -8.4542676806449890e-02 - <_> - - 0 -1 1343 1.8326110439375043e-03 - - -1.2830300629138947e-01 1.5127150714397430e-01 - <_> - - 0 -1 1344 -2.5878880172967911e-02 - - -2.1160699427127838e-01 2.9811259359121323e-02 - <_> - - 0 -1 1345 -1.3985199620947242e-03 - - 1.9801080226898193e-01 -1.0368689894676208e-01 - <_> - - 0 -1 1346 2.4663188960403204e-03 - - 2.4554869160056114e-02 -1.0830429941415787e-01 - <_> - - 0 -1 1347 -1.3155230553820729e-03 - - -2.1984469890594482e-01 9.3965977430343628e-02 - <_> - - 0 -1 1348 -1.0562440007925034e-01 - - -7.9747790098190308e-01 8.9689819142222404e-03 - <_> - - 0 -1 1349 -3.0508160125464201e-03 - - 1.3266490399837494e-01 -1.3734680414199829e-01 - <_> - - 0 -1 1350 2.9857279732823372e-02 - - 9.6069881692528725e-03 -3.0116540193557739e-01 - <_> - - 0 -1 1351 3.0972119420766830e-02 - - 3.0091350898146629e-02 -5.7279831171035767e-01 - <_> - - 0 -1 1352 1.0772749781608582e-01 - - -1.1804240057244897e-03 -9.9987578392028809e-01 - <_> - - 0 -1 1353 -5.1501881331205368e-02 - - 2.7181380987167358e-01 -6.8161502480506897e-02 - <_> - - 0 -1 1354 -2.5288289412856102e-02 - - 4.5067310333251953e-01 -1.6520980745553970e-02 - <_> - - 0 -1 1355 -4.2859618552029133e-03 - - 3.7213888764381409e-01 -4.9761738628149033e-02 - <_> - - 0 -1 1356 -2.3194460198283195e-02 - - -2.0697650313377380e-01 4.1071210056543350e-02 - <_> - - 0 -1 1357 1.6878530383110046e-02 - - 5.6408129632472992e-02 -3.7614488601684570e-01 - <_> - - 0 -1 1358 -2.9601169750094414e-02 - - 2.7207991480827332e-01 -7.3090076446533203e-02 - <_> - - 0 -1 1359 -1.0797269642353058e-01 - - -4.9193540215492249e-01 3.6118570715188980e-02 - <_> - - 0 -1 1360 2.5317850708961487e-01 - - 8.8794529438018799e-03 -3.4746390581130981e-01 - <_> - - 0 -1 1361 -7.5927868485450745e-02 - - -5.2568101882934570e-01 3.0029149726033211e-02 - <_> - - 0 -1 1362 3.5496079362928867e-03 - - 6.1817318201065063e-02 -2.3450049757957458e-01 - <_> - - 0 -1 1363 -1.0419470258057117e-02 - - 9.5470182597637177e-02 -1.9764930009841919e-01 - <_> - - 0 -1 1364 -1.6242120414972305e-02 - - 3.5856780409812927e-01 -5.2510499954223633e-02 - <_> - - 0 -1 1365 -1.4503370039165020e-03 - - -1.8003490567207336e-01 9.5208331942558289e-02 - <_> - - 0 -1 1366 1.9696209579706192e-02 - - 3.7537660449743271e-02 -4.8065909743309021e-01 - <_> - - 0 -1 1367 3.4964820370078087e-03 - - -9.7187377512454987e-02 1.7569050192832947e-01 - <_> - 96 - -3.0804899215698242e+01 - - <_> - - 0 -1 1368 -1.4011229574680328e-01 - - 3.5787770152091980e-01 -1.2125530093908310e-01 - <_> - - 0 -1 1369 -1.0008949786424637e-02 - - 2.6330929994583130e-01 -8.9008018374443054e-02 - <_> - - 0 -1 1370 -1.1394180357456207e-02 - - 4.3228828907012939e-01 -5.0159178674221039e-02 - <_> - - 0 -1 1371 2.3134359717369080e-01 - - 6.3841762021183968e-03 -7.0292097330093384e-01 - <_> - - 0 -1 1372 1.2646619975566864e-01 - - 4.2768001556396484e-02 -4.3919000029563904e-01 - <_> - - 0 -1 1373 4.6616248786449432e-02 - - 1.9250590354204178e-02 5.4499799013137817e-01 - <_> - - 0 -1 1374 2.2037800401449203e-02 - - -8.5108749568462372e-02 3.3848780393600464e-01 - <_> - - 0 -1 1375 3.1345561146736145e-02 - - 2.2690940648317337e-02 -5.1671189069747925e-01 - <_> - - 0 -1 1376 -2.1140639483928680e-01 - - 2.9412490129470825e-01 -4.6479560434818268e-02 - <_> - - 0 -1 1377 -6.6334113478660583e-02 - - -1.3444049656391144e-01 1.2842020392417908e-01 - <_> - - 0 -1 1378 4.0738668292760849e-02 - - 2.3405810818076134e-02 -8.0233561992645264e-01 - <_> - - 0 -1 1379 -4.1470870375633240e-02 - - 1.4620569348335266e-01 -1.9590210169553757e-02 - <_> - - 0 -1 1380 1.8456790596246719e-02 - - -3.6185469478368759e-02 5.1238268613815308e-01 - <_> - - 0 -1 1381 3.7538509350270033e-03 - - -1.5587760508060455e-01 1.0312390327453613e-01 - <_> - - 0 -1 1382 -2.8798980638384819e-03 - - -1.2225770205259323e-01 1.7551769316196442e-01 - <_> - - 0 -1 1383 -3.2762341201305389e-02 - - -4.7169759869575500e-01 3.0380319803953171e-02 - <_> - - 0 -1 1384 -3.9022210985422134e-02 - - 3.5106760263442993e-01 -6.6119261085987091e-02 - <_> - - 0 -1 1385 -4.4674798846244812e-02 - - -3.9958310127258301e-01 2.1066389977931976e-02 - <_> - - 0 -1 1386 5.3343027830123901e-03 - - 7.9137377440929413e-02 -2.1176779270172119e-01 - <_> - - 0 -1 1387 1.5521169640123844e-02 - - 3.4438930451869965e-02 -5.7202047109603882e-01 - <_> - - 0 -1 1388 -8.0842437455430627e-04 - - 1.1951749771833420e-01 -1.4325830340385437e-01 - <_> - - 0 -1 1389 2.7754740789532661e-02 - - -3.2436888664960861e-02 3.0749228596687317e-01 - <_> - - 0 -1 1390 -3.4786630421876907e-03 - - 1.5688750147819519e-01 -1.5649950504302979e-01 - <_> - - 0 -1 1391 -2.7840979397296906e-02 - - -1.2932580709457397e-01 1.5408019721508026e-01 - <_> - - 0 -1 1392 -2.0033390319440514e-04 - - 1.0591139644384384e-01 -2.3829479515552521e-01 - <_> - - 0 -1 1393 6.3352532684803009e-02 - - -3.5057701170444489e-02 1.1119090020656586e-01 - <_> - - 0 -1 1394 -1.0634259879589081e-01 - - -6.7938178777694702e-01 2.7465900406241417e-02 - <_> - - 0 -1 1395 1.9035820150747895e-04 - - -1.1908160150051117e-01 1.1334689706563950e-01 - <_> - - 0 -1 1396 -1.3564240187406540e-02 - - 2.7505800127983093e-01 -6.8315982818603516e-02 - <_> - - 0 -1 1397 2.1096229553222656e-02 - - -1.0987949557602406e-02 3.9935430884361267e-01 - <_> - - 0 -1 1398 -2.4880920536816120e-03 - - -2.1849539875984192e-01 8.9293807744979858e-02 - <_> - - 0 -1 1399 1.2370670214295387e-02 - - -9.5645450055599213e-02 5.6633960455656052e-02 - <_> - - 0 -1 1400 -1.2036350369453430e-01 - - -5.3174102306365967e-01 3.5775080323219299e-02 - <_> - - 0 -1 1401 -6.7138060927391052e-02 - - 2.1456840634346008e-01 -8.7389126420021057e-02 - <_> - - 0 -1 1402 -1.2161920219659805e-01 - - -1.8160809576511383e-01 1.4573550224304199e-01 - <_> - - 0 -1 1403 2.0479459315538406e-02 - - -5.5715341120958328e-02 6.1189219355583191e-02 - <_> - - 0 -1 1404 2.1847079042345285e-03 - - -9.5258213579654694e-02 2.0591090619564056e-01 - <_> - - 0 -1 1405 4.0952740237116814e-03 - - -1.1867360025644302e-01 4.6696461737155914e-02 - <_> - - 0 -1 1406 -3.5035728942602873e-03 - - 2.3321969807147980e-01 -7.5537599623203278e-02 - <_> - - 0 -1 1407 -1.0467019863426685e-02 - - -1.2448009848594666e-01 5.0595261156558990e-02 - <_> - - 0 -1 1408 -1.5020829625427723e-02 - - 9.1991908848285675e-02 -2.2077399492263794e-01 - <_> - - 0 -1 1409 4.4499050825834274e-02 - - 3.4101899713277817e-02 -5.3422772884368896e-01 - <_> - - 0 -1 1410 8.1879837671294808e-04 - - -1.9193440675735474e-01 1.0177730023860931e-01 - <_> - - 0 -1 1411 -2.9793549329042435e-02 - - 4.1442748904228210e-01 -2.0298149436712265e-02 - <_> - - 0 -1 1412 1.6614329069852829e-02 - - 1.0457099974155426e-01 -1.8352369964122772e-01 - <_> - - 0 -1 1413 -2.2510789334774017e-02 - - 1.8911230564117432e-01 -3.3867038786411285e-02 - <_> - - 0 -1 1414 2.0407250151038170e-02 - - -5.8524370193481445e-02 3.5967621207237244e-01 - <_> - - 0 -1 1415 3.0294319149106741e-03 - - -1.4031639695167542e-01 5.4849781095981598e-02 - <_> - - 0 -1 1416 5.8518280275166035e-04 - - 9.5523588359355927e-02 -1.9650359451770782e-01 - <_> - - 0 -1 1417 1.7756339162588120e-02 - - 1.6195869073271751e-02 -5.8534300327301025e-01 - <_> - - 0 -1 1418 -3.2687620259821415e-03 - - -3.0802598595619202e-01 6.5568111836910248e-02 - <_> - - 0 -1 1419 3.4140530042350292e-03 - - -8.2502417266368866e-02 9.9890269339084625e-02 - <_> - - 0 -1 1420 6.3527207821607590e-03 - - -3.5163778811693192e-02 5.4237622022628784e-01 - <_> - - 0 -1 1421 2.0045090932399035e-03 - - -1.0081720352172852e-01 9.6935041248798370e-02 - <_> - - 0 -1 1422 6.9825910031795502e-03 - - -1.6012389957904816e-01 1.1348509788513184e-01 - <_> - - 0 -1 1423 4.5963011682033539e-02 - - 6.1929170042276382e-03 -8.8551759719848633e-01 - <_> - - 0 -1 1424 3.7062391638755798e-02 - - 2.0128250122070312e-02 -8.0933511257171631e-01 - <_> - - 0 -1 1425 -4.1522808372974396e-02 - - 2.0597919821739197e-01 -3.1927939504384995e-02 - <_> - - 0 -1 1426 1.6521860659122467e-01 - - 2.5524839758872986e-02 -6.2951612472534180e-01 - <_> - - 0 -1 1427 -2.3188880085945129e-01 - - 1.3953979313373566e-01 -6.1611790210008621e-02 - <_> - - 0 -1 1428 -2.8150070458650589e-02 - - -1.3676370680332184e-01 1.1677569895982742e-01 - <_> - - 0 -1 1429 2.0499450620263815e-03 - - -1.5855039656162262e-01 1.3511709868907928e-01 - <_> - - 0 -1 1430 1.2636490282602608e-04 - - -1.5024340152740479e-01 1.3739089667797089e-01 - <_> - - 0 -1 1431 2.4286638945341110e-03 - - 7.9247459769248962e-02 -2.5959441065788269e-01 - <_> - - 0 -1 1432 -2.1873589605093002e-02 - - 3.5590508580207825e-01 -6.1835918575525284e-02 - <_> - - 0 -1 1433 -5.8419788256287575e-03 - - -1.0219120234251022e-01 3.9997130632400513e-02 - <_> - - 0 -1 1434 -2.6236099656671286e-03 - - 1.2129990011453629e-01 -1.4861150085926056e-01 - <_> - - 0 -1 1435 1.4590419828891754e-01 - - -3.6884650588035583e-02 4.1484919190406799e-01 - <_> - - 0 -1 1436 -8.6298510432243347e-03 - - 2.5522458553314209e-01 -6.9871626794338226e-02 - <_> - - 0 -1 1437 -3.9153471589088440e-02 - - -8.5533118247985840e-01 1.4639239758253098e-02 - <_> - - 0 -1 1438 3.8482698798179626e-01 - - 1.7361119389533997e-02 -7.9790550470352173e-01 - <_> - - 0 -1 1439 -6.3598138513043523e-04 - - 1.1518269777297974e-01 -1.4216409623622894e-01 - <_> - - 0 -1 1440 5.9026381932199001e-03 - - 7.0523656904697418e-02 -2.3031190037727356e-01 - <_> - - 0 -1 1441 -1.1841119703603908e-04 - - 1.0401789844036102e-01 -1.7126679420471191e-01 - <_> - - 0 -1 1442 8.1962659955024719e-02 - - 2.7799099683761597e-02 -5.8331722021102905e-01 - <_> - - 0 -1 1443 -7.9551688395440578e-04 - - 1.2568520009517670e-01 -1.0317719727754593e-01 - <_> - - 0 -1 1444 -1.5588940680027008e-01 - - 6.2890201807022095e-01 -2.5191979482769966e-02 - <_> - - 0 -1 1445 -1.3456310145556927e-02 - - -3.2471698522567749e-01 5.5486921221017838e-02 - <_> - - 0 -1 1446 -2.1507199853658676e-02 - - 2.8819179534912109e-01 -6.1176139861345291e-02 - <_> - - 0 -1 1447 -1.9042069092392921e-02 - - -6.0552909970283508e-02 8.9629061520099640e-02 - <_> - - 0 -1 1448 -9.1205362696200609e-04 - - 1.2385459989309311e-01 -1.3584870100021362e-01 - <_> - - 0 -1 1449 3.8202628493309021e-02 - - 1.9218420609831810e-02 -8.4488832950592041e-01 - <_> - - 0 -1 1450 5.1787391304969788e-02 - - -5.4830659180879593e-02 3.3352980017662048e-01 - <_> - - 0 -1 1451 -1.3860349357128143e-01 - - -2.7164599299430847e-01 1.0680199600756168e-02 - <_> - - 0 -1 1452 -3.9325959980487823e-02 - - -7.6043432950973511e-01 1.9320670515298843e-02 - <_> - - 0 -1 1453 -1.1157010449096560e-03 - - 6.9478519260883331e-02 -2.0327170193195343e-01 - <_> - - 0 -1 1454 -4.2068599723279476e-03 - - 1.6007219254970551e-01 -1.0982350260019302e-01 - <_> - - 0 -1 1455 3.7919029127806425e-03 - - -8.3800643682479858e-02 2.5154781341552734e-01 - <_> - - 0 -1 1456 -3.1430590897798538e-02 - - -5.0590312480926514e-01 3.7667378783226013e-02 - <_> - - 0 -1 1457 -4.3412651866674423e-03 - - 5.8591969311237335e-02 -1.7271269857883453e-01 - <_> - - 0 -1 1458 -5.6401407346129417e-04 - - 1.0131839662790298e-01 -1.6737550497055054e-01 - <_> - - 0 -1 1459 -1.7139960080385208e-02 - - 4.9619451165199280e-02 -1.1812750250101089e-01 - <_> - - 0 -1 1460 -2.3868490010499954e-02 - - -9.5875509083271027e-02 1.8404319882392883e-01 - <_> - - 0 -1 1461 -8.7408810853958130e-02 - - 1.4144630730152130e-01 -5.7713828980922699e-02 - <_> - - 0 -1 1462 -3.9170090109109879e-02 - - -6.1036241054534912e-01 2.2308109328150749e-02 - <_> - - 0 -1 1463 5.3361579775810242e-02 - - 1.5027640387415886e-02 -6.5409141778945923e-01 - - <_> - - <_> - 1 5 12 21 -1. - <_> - 5 5 4 21 3. - <_> - - <_> - 9 2 3 26 -1. - <_> - 9 15 3 13 2. - <_> - - <_> - 1 4 12 23 -1. - <_> - 5 4 4 23 3. - <_> - - <_> - 1 7 12 9 -1. - <_> - 4 7 6 9 2. - <_> - - <_> - 3 12 3 16 -1. - <_> - 3 20 3 8 2. - <_> - - <_> - 4 8 6 6 -1. - <_> - 4 11 6 3 2. - <_> - - <_> - 1 25 12 3 -1. - <_> - 5 25 4 3 3. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 4 2 4 12 -1. - <_> - 4 2 2 6 2. - <_> - 6 8 2 6 2. - <_> - - <_> - 3 15 8 11 -1. - <_> - 5 15 4 11 2. - <_> - - <_> - 6 9 6 6 -1. - <_> - 8 9 2 6 3. - <_> - - <_> - 2 9 6 6 -1. - <_> - 4 9 2 6 3. - <_> - - <_> - 8 0 5 28 -1. - <_> - 8 14 5 14 2. - <_> - - <_> - 2 24 10 4 -1. - <_> - 7 24 5 4 2. - <_> - - <_> - 3 15 8 11 -1. - <_> - 5 15 4 11 2. - <_> - - <_> - 0 25 14 3 -1. - <_> - 7 25 7 3 2. - <_> - - <_> - 1 11 12 13 -1. - <_> - 5 11 4 13 3. - <_> - - <_> - 1 2 12 21 -1. - <_> - 5 9 4 7 9. - <_> - - <_> - 10 0 3 28 -1. - <_> - 10 14 3 14 2. - <_> - - <_> - 1 0 3 28 -1. - <_> - 1 14 3 14 2. - <_> - - <_> - 5 5 6 8 -1. - <_> - 8 5 3 4 2. - <_> - 5 9 3 4 2. - <_> - - <_> - 3 5 6 8 -1. - <_> - 3 5 3 4 2. - <_> - 6 9 3 4 2. - <_> - - <_> - 10 16 4 12 -1. - <_> - 12 16 2 6 2. - <_> - 10 22 2 6 2. - <_> - - <_> - 4 8 6 4 -1. - <_> - 4 10 6 2 2. - <_> - - <_> - 3 5 8 21 -1. - <_> - 5 5 4 21 2. - <_> - - <_> - 1 15 12 12 -1. - <_> - 7 15 6 6 2. - <_> - 1 21 6 6 2. - <_> - - <_> - 0 25 12 3 -1. - <_> - 6 25 6 3 2. - <_> - - <_> - 8 14 3 8 -1. - <_> - 8 14 3 4 2. - 1 - <_> - - <_> - 0 25 8 3 -1. - <_> - 4 25 4 3 2. - <_> - - <_> - 2 24 12 4 -1. - <_> - 5 24 6 4 2. - <_> - - <_> - 1 18 4 6 -1. - <_> - 3 18 2 6 2. - <_> - - <_> - 8 8 4 7 -1. - <_> - 8 8 2 7 2. - <_> - - <_> - 2 8 4 7 -1. - <_> - 4 8 2 7 2. - <_> - - <_> - 1 3 12 18 -1. - <_> - 1 3 6 18 2. - <_> - - <_> - 1 20 4 8 -1. - <_> - 3 20 2 8 2. - <_> - - <_> - 6 10 7 18 -1. - <_> - 6 19 7 9 2. - <_> - - <_> - 4 8 3 13 -1. - <_> - 5 8 1 13 3. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 1 0 12 27 -1. - <_> - 5 9 4 9 9. - <_> - - <_> - 2 20 12 7 -1. - <_> - 5 20 6 7 2. - <_> - - <_> - 2 25 10 3 -1. - <_> - 7 25 5 3 2. - <_> - - <_> - 0 26 14 2 -1. - <_> - 0 26 7 2 2. - <_> - - <_> - 3 15 8 9 -1. - <_> - 5 15 4 9 2. - <_> - - <_> - 8 23 6 5 -1. - <_> - 8 23 3 5 2. - <_> - - <_> - 0 26 14 2 -1. - <_> - 7 26 7 2 2. - <_> - - <_> - 8 10 2 18 -1. - <_> - 8 19 2 9 2. - <_> - - <_> - 4 4 4 12 -1. - <_> - 4 4 2 6 2. - <_> - 6 10 2 6 2. - <_> - - <_> - 4 24 9 4 -1. - <_> - 7 24 3 4 3. - <_> - - <_> - 1 3 12 15 -1. - <_> - 5 8 4 5 9. - <_> - - <_> - 11 16 2 12 -1. - <_> - 11 16 1 12 2. - <_> - - <_> - 2 4 7 16 -1. - <_> - 2 12 7 8 2. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - <_> - - <_> - 3 8 8 6 -1. - <_> - 3 11 8 3 2. - <_> - - <_> - 8 8 6 8 -1. - <_> - 10 8 2 8 3. - <_> - - <_> - 0 8 6 7 -1. - <_> - 2 8 2 7 3. - <_> - - <_> - 2 25 12 3 -1. - <_> - 6 25 4 3 3. - <_> - - <_> - 0 25 12 3 -1. - <_> - 4 25 4 3 3. - <_> - - <_> - 1 7 12 4 -1. - <_> - 1 7 6 4 2. - <_> - - <_> - 0 2 14 12 -1. - <_> - 7 2 7 12 2. - <_> - - <_> - 0 19 14 6 -1. - <_> - 7 19 7 3 2. - <_> - 0 22 7 3 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 5 14 4 6 3. - <_> - - <_> - 2 24 12 4 -1. - <_> - 5 24 6 4 2. - <_> - - <_> - 2 1 4 14 -1. - <_> - 2 1 2 7 2. - <_> - 4 8 2 7 2. - <_> - - <_> - 10 3 4 6 -1. - <_> - 10 3 2 6 2. - 1 - <_> - - <_> - 4 3 6 4 -1. - <_> - 4 3 6 2 2. - 1 - <_> - - <_> - 0 16 14 8 -1. - <_> - 0 16 7 8 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 7 15 4 7 -1. - <_> - 7 15 2 7 2. - <_> - - <_> - 3 15 4 8 -1. - <_> - 5 15 2 8 2. - <_> - - <_> - 9 17 4 8 -1. - <_> - 9 17 2 8 2. - <_> - - <_> - 1 17 4 8 -1. - <_> - 3 17 2 8 2. - <_> - - <_> - 9 18 4 7 -1. - <_> - 9 18 2 7 2. - <_> - - <_> - 1 18 4 7 -1. - <_> - 3 18 2 7 2. - <_> - - <_> - 7 5 4 6 -1. - <_> - 7 5 2 6 2. - 1 - <_> - - <_> - 7 5 6 4 -1. - <_> - 7 5 6 2 2. - 1 - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 4 7 3 12 -1. - <_> - 5 7 1 12 3. - <_> - - <_> - 1 7 12 11 -1. - <_> - 4 7 6 11 2. - <_> - - <_> - 6 13 8 4 -1. - <_> - 6 13 4 4 2. - 1 - <_> - - <_> - 5 22 6 4 -1. - <_> - 5 22 3 4 2. - <_> - - <_> - 0 26 14 2 -1. - <_> - 7 26 7 2 2. - <_> - - <_> - 1 3 12 18 -1. - <_> - 5 9 4 6 9. - <_> - - <_> - 0 6 9 22 -1. - <_> - 0 17 9 11 2. - <_> - - <_> - 1 1 12 24 -1. - <_> - 7 1 6 12 2. - <_> - 1 13 6 12 2. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 1 4 12 23 -1. - <_> - 5 4 4 23 3. - <_> - - <_> - 5 22 6 5 -1. - <_> - 5 22 3 5 2. - <_> - - <_> - 3 22 6 5 -1. - <_> - 6 22 3 5 2. - <_> - - <_> - 5 1 4 6 -1. - <_> - 5 4 4 3 2. - <_> - - <_> - 1 8 12 8 -1. - <_> - 4 8 6 8 2. - <_> - - <_> - 6 8 5 12 -1. - <_> - 6 11 5 6 2. - <_> - - <_> - 0 20 14 6 -1. - <_> - 0 20 7 3 2. - <_> - 7 23 7 3 2. - <_> - - <_> - 6 9 6 6 -1. - <_> - 8 9 2 6 3. - <_> - - <_> - 5 8 4 6 -1. - <_> - 7 8 2 6 2. - <_> - - <_> - 2 13 12 15 -1. - <_> - 2 18 12 5 3. - <_> - - <_> - 0 16 4 12 -1. - <_> - 0 16 2 6 2. - <_> - 2 22 2 6 2. - <_> - - <_> - 9 2 2 26 -1. - <_> - 10 2 1 13 2. - <_> - 9 15 1 13 2. - <_> - - <_> - 3 2 2 26 -1. - <_> - 3 2 1 13 2. - <_> - 4 15 1 13 2. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 0 1 12 12 -1. - <_> - 4 5 4 4 9. - <_> - - <_> - 6 15 3 12 -1. - <_> - 7 15 1 12 3. - <_> - - <_> - 5 10 3 15 -1. - <_> - 6 10 1 15 3. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 0 10 8 18 -1. - <_> - 0 19 8 9 2. - <_> - - <_> - 5 16 8 12 -1. - <_> - 9 16 4 6 2. - <_> - 5 22 4 6 2. - <_> - - <_> - 0 25 8 3 -1. - <_> - 4 25 4 3 2. - <_> - - <_> - 0 17 14 8 -1. - <_> - 7 17 7 4 2. - <_> - 0 21 7 4 2. - <_> - - <_> - 2 15 6 4 -1. - <_> - 5 15 3 4 2. - <_> - - <_> - 5 23 9 4 -1. - <_> - 8 23 3 4 3. - <_> - - <_> - 0 23 9 5 -1. - <_> - 3 23 3 5 3. - <_> - - <_> - 1 4 12 22 -1. - <_> - 5 4 4 22 3. - <_> - - <_> - 1 4 5 24 -1. - <_> - 1 10 5 12 2. - <_> - - <_> - 2 23 12 4 -1. - <_> - 5 23 6 4 2. - <_> - - <_> - 3 16 4 12 -1. - <_> - 5 16 2 12 2. - <_> - - <_> - 1 17 12 11 -1. - <_> - 1 17 6 11 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 8 17 4 6 -1. - <_> - 8 17 4 3 2. - 1 - <_> - - <_> - 7 16 4 6 -1. - <_> - 7 16 2 6 2. - 1 - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 2 2 6 2. - <_> - - <_> - 2 12 5 16 -1. - <_> - 2 20 5 8 2. - <_> - - <_> - 6 13 3 14 -1. - <_> - 7 13 1 14 3. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 6 4 3 2. - 1 - <_> - - <_> - 0 8 14 6 -1. - <_> - 0 11 14 3 2. - <_> - - <_> - 2 7 4 7 -1. - <_> - 4 7 2 7 2. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - <_> - - <_> - 3 13 8 13 -1. - <_> - 5 13 4 13 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 10 2 2 6 2. - <_> - 8 8 2 6 2. - <_> - - <_> - 2 2 4 12 -1. - <_> - 2 2 2 6 2. - <_> - 4 8 2 6 2. - <_> - - <_> - 6 24 8 3 -1. - <_> - 6 24 4 3 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 0 21 14 6 -1. - <_> - 0 21 7 6 2. - <_> - - <_> - 0 11 8 4 -1. - <_> - 4 11 4 4 2. - <_> - - <_> - 1 2 12 5 -1. - <_> - 5 2 4 5 3. - <_> - - <_> - 2 1 6 21 -1. - <_> - 4 8 2 7 9. - <_> - - <_> - 11 16 2 12 -1. - <_> - 11 16 1 12 2. - <_> - - <_> - 7 17 6 5 -1. - <_> - 7 17 3 5 2. - 1 - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 1 16 2 12 -1. - <_> - 2 16 1 12 2. - <_> - - <_> - 7 13 3 12 -1. - <_> - 8 13 1 12 3. - <_> - - <_> - 6 17 4 6 -1. - <_> - 6 17 2 6 2. - 1 - <_> - - <_> - 6 8 4 6 -1. - <_> - 6 11 4 3 2. - <_> - - <_> - 1 5 8 12 -1. - <_> - 1 11 8 6 2. - <_> - - <_> - 7 13 3 12 -1. - <_> - 8 13 1 12 3. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 6 4 3 2. - 1 - <_> - - <_> - 7 14 3 12 -1. - <_> - 8 14 1 12 3. - <_> - - <_> - 0 25 12 3 -1. - <_> - 4 25 4 3 3. - <_> - - <_> - 7 17 4 8 -1. - <_> - 7 17 2 8 2. - <_> - - <_> - 3 17 4 8 -1. - <_> - 5 17 2 8 2. - <_> - - <_> - 8 24 6 4 -1. - <_> - 8 24 3 4 2. - <_> - - <_> - 2 22 6 6 -1. - <_> - 4 22 2 6 3. - <_> - - <_> - 8 15 5 8 -1. - <_> - 8 15 5 4 2. - 1 - <_> - - <_> - 6 15 8 5 -1. - <_> - 6 15 4 5 2. - 1 - <_> - - <_> - 1 8 12 7 -1. - <_> - 4 8 6 7 2. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 15 6 5 2. - <_> - - <_> - 7 4 4 22 -1. - <_> - 7 15 4 11 2. - <_> - - <_> - 1 4 12 22 -1. - <_> - 4 4 6 22 2. - <_> - - <_> - 6 3 4 12 -1. - <_> - 8 3 2 6 2. - <_> - 6 9 2 6 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 5 5 6 8 -1. - <_> - 8 5 3 4 2. - <_> - 5 9 3 4 2. - <_> - - <_> - 3 5 6 8 -1. - <_> - 3 5 3 4 2. - <_> - 6 9 3 4 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 6 2 2. - 1 - <_> - - <_> - 5 10 3 18 -1. - <_> - 5 19 3 9 2. - <_> - - <_> - 7 6 4 6 -1. - <_> - 7 6 4 3 2. - 1 - <_> - - <_> - 7 6 6 4 -1. - <_> - 7 6 3 4 2. - 1 - <_> - - <_> - 6 24 8 3 -1. - <_> - 6 24 4 3 2. - <_> - - <_> - 1 11 12 5 -1. - <_> - 4 11 6 5 2. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 2 3 4 12 -1. - <_> - 2 3 2 6 2. - <_> - 4 9 2 6 2. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 0 22 4 6 -1. - <_> - 2 22 2 6 2. - <_> - - <_> - 6 15 3 12 -1. - <_> - 7 15 1 12 3. - <_> - - <_> - 7 16 4 6 -1. - <_> - 7 16 2 6 2. - 1 - <_> - - <_> - 4 2 6 6 -1. - <_> - 4 4 6 2 3. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 5 9 4 6 -1. - <_> - 7 9 2 6 2. - <_> - - <_> - 7 15 2 12 -1. - <_> - 7 15 1 12 2. - <_> - - <_> - 5 15 2 12 -1. - <_> - 6 15 1 12 2. - <_> - - <_> - 2 25 12 2 -1. - <_> - 2 25 6 2 2. - <_> - - <_> - 3 16 4 12 -1. - <_> - 3 16 2 6 2. - <_> - 5 22 2 6 2. - <_> - - <_> - 6 24 8 3 -1. - <_> - 6 24 4 3 2. - <_> - - <_> - 0 25 12 2 -1. - <_> - 6 25 6 2 2. - <_> - - <_> - 4 1 6 27 -1. - <_> - 4 10 6 9 3. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 3 21 6 4 -1. - <_> - 6 21 3 4 2. - <_> - - <_> - 4 2 6 12 -1. - <_> - 4 8 6 6 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 0 3 4 2. - 1 - <_> - - <_> - 6 4 3 14 -1. - <_> - 7 4 1 14 3. - <_> - - <_> - 4 8 6 6 -1. - <_> - 6 8 2 6 3. - <_> - - <_> - 2 24 12 4 -1. - <_> - 6 24 4 4 3. - <_> - - <_> - 0 24 12 4 -1. - <_> - 4 24 4 4 3. - <_> - - <_> - 8 13 3 12 -1. - <_> - 9 13 1 12 3. - <_> - - <_> - 1 22 4 6 -1. - <_> - 3 22 2 6 2. - <_> - - <_> - 7 7 3 12 -1. - <_> - 8 7 1 12 3. - <_> - - <_> - 4 7 3 12 -1. - <_> - 5 7 1 12 3. - <_> - - <_> - 4 1 8 3 -1. - <_> - 4 1 4 3 2. - <_> - - <_> - 4 4 3 23 -1. - <_> - 5 4 1 23 3. - <_> - - <_> - 9 21 4 7 -1. - <_> - 9 21 2 7 2. - <_> - - <_> - 5 14 3 12 -1. - <_> - 6 14 1 12 3. - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 8 13 3 12 -1. - <_> - 9 13 1 12 3. - <_> - - <_> - 3 13 3 12 -1. - <_> - 4 13 1 12 3. - <_> - - <_> - 3 2 8 20 -1. - <_> - 3 7 8 10 2. - <_> - - <_> - 2 18 12 8 -1. - <_> - 5 18 6 8 2. - <_> - - <_> - 4 9 6 6 -1. - <_> - 6 9 2 6 3. - <_> - - <_> - 2 18 12 8 -1. - <_> - 5 18 6 8 2. - <_> - - <_> - 0 24 8 4 -1. - <_> - 4 24 4 4 2. - <_> - - <_> - 6 2 2 24 -1. - <_> - 7 2 1 12 2. - <_> - 6 14 1 12 2. - <_> - - <_> - 5 8 4 12 -1. - <_> - 5 8 2 6 2. - <_> - 7 14 2 6 2. - <_> - - <_> - 7 3 6 6 -1. - <_> - 7 3 3 6 2. - 1 - <_> - - <_> - 0 8 6 7 -1. - <_> - 2 8 2 7 3. - <_> - - <_> - 7 3 6 6 -1. - <_> - 7 3 3 6 2. - 1 - <_> - - <_> - 4 8 6 4 -1. - <_> - 7 8 3 4 2. - <_> - - <_> - 2 7 10 19 -1. - <_> - 2 7 5 19 2. - <_> - - <_> - 0 4 11 24 -1. - <_> - 0 16 11 12 2. - <_> - - <_> - 1 1 12 21 -1. - <_> - 5 8 4 7 9. - <_> - - <_> - 0 18 12 8 -1. - <_> - 3 18 6 8 2. - <_> - - <_> - 9 17 4 8 -1. - <_> - 9 17 2 8 2. - <_> - - <_> - 4 7 4 6 -1. - <_> - 4 10 4 3 2. - <_> - - <_> - 7 7 5 9 -1. - <_> - 7 10 5 3 3. - <_> - - <_> - 1 17 4 8 -1. - <_> - 3 17 2 8 2. - <_> - - <_> - 9 15 3 13 -1. - <_> - 10 15 1 13 3. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 9 18 4 10 -1. - <_> - 9 18 2 10 2. - <_> - - <_> - 1 18 4 10 -1. - <_> - 3 18 2 10 2. - <_> - - <_> - 7 22 2 4 -1. - <_> - 7 22 1 4 2. - 1 - <_> - - <_> - 7 22 4 2 -1. - <_> - 7 22 4 1 2. - 1 - <_> - - <_> - 7 7 5 9 -1. - <_> - 7 10 5 3 3. - <_> - - <_> - 1 7 12 11 -1. - <_> - 4 7 6 11 2. - <_> - - <_> - 8 6 3 8 -1. - <_> - 8 6 3 4 2. - 1 - <_> - - <_> - 5 8 3 16 -1. - <_> - 5 12 3 8 2. - <_> - - <_> - 8 6 3 8 -1. - <_> - 8 6 3 4 2. - 1 - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 6 4 3 2. - 1 - <_> - - <_> - 2 24 12 3 -1. - <_> - 6 24 4 3 3. - <_> - - <_> - 3 5 6 4 -1. - <_> - 3 7 6 2 2. - <_> - - <_> - 4 5 6 4 -1. - <_> - 4 7 6 2 2. - <_> - - <_> - 4 14 6 6 -1. - <_> - 6 14 2 6 3. - <_> - - <_> - 6 11 3 13 -1. - <_> - 7 11 1 13 3. - <_> - - <_> - 0 24 12 3 -1. - <_> - 4 24 4 3 3. - <_> - - <_> - 9 16 2 12 -1. - <_> - 9 16 1 12 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 0 21 4 6 -1. - <_> - 2 21 2 6 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 2 3 10 16 -1. - <_> - 2 3 5 8 2. - <_> - 7 11 5 8 2. - <_> - - <_> - 4 12 6 16 -1. - <_> - 4 20 6 8 2. - <_> - - <_> - 1 15 12 11 -1. - <_> - 4 15 6 11 2. - <_> - - <_> - 3 4 6 10 -1. - <_> - 3 4 3 5 2. - <_> - 6 9 3 5 2. - <_> - - <_> - 2 24 12 4 -1. - <_> - 8 24 6 2 2. - <_> - 2 26 6 2 2. - <_> - - <_> - 0 24 12 4 -1. - <_> - 0 24 6 2 2. - <_> - 6 26 6 2 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 6 2 2. - 1 - <_> - - <_> - 1 2 12 18 -1. - <_> - 5 8 4 6 9. - <_> - - <_> - 2 22 10 6 -1. - <_> - 2 22 5 6 2. - <_> - - <_> - 1 26 12 2 -1. - <_> - 7 26 6 2 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 6 2 2. - 1 - <_> - - <_> - 0 12 10 4 -1. - <_> - 5 12 5 4 2. - <_> - - <_> - 4 8 6 4 -1. - <_> - 4 10 6 2 2. - <_> - - <_> - 5 1 4 12 -1. - <_> - 5 4 4 6 2. - <_> - - <_> - 7 4 6 8 -1. - <_> - 10 4 3 4 2. - <_> - 7 8 3 4 2. - <_> - - <_> - 0 18 14 4 -1. - <_> - 0 18 7 2 2. - <_> - 7 20 7 2 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 4 15 3 12 -1. - <_> - 5 15 1 12 3. - <_> - - <_> - 8 9 2 13 -1. - <_> - 8 9 1 13 2. - <_> - - <_> - 5 10 4 6 -1. - <_> - 7 10 2 6 2. - <_> - - <_> - 3 11 8 5 -1. - <_> - 3 11 4 5 2. - <_> - - <_> - 5 16 2 12 -1. - <_> - 6 16 1 12 2. - <_> - - <_> - 0 7 10 17 -1. - <_> - 5 7 5 17 2. - <_> - - <_> - 3 7 8 4 -1. - <_> - 3 9 8 2 2. - <_> - - <_> - 5 0 4 24 -1. - <_> - 5 8 4 8 3. - <_> - - <_> - 3 16 9 4 -1. - <_> - 6 16 3 4 3. - <_> - - <_> - 7 14 6 4 -1. - <_> - 7 14 3 4 2. - 1 - <_> - - <_> - 5 23 9 4 -1. - <_> - 8 23 3 4 3. - <_> - - <_> - 0 22 9 4 -1. - <_> - 3 22 3 4 3. - <_> - - <_> - 9 22 4 6 -1. - <_> - 9 22 2 6 2. - <_> - - <_> - 1 24 6 4 -1. - <_> - 4 24 3 4 2. - <_> - - <_> - 4 19 8 9 -1. - <_> - 6 19 4 9 2. - <_> - - <_> - 2 19 8 9 -1. - <_> - 4 19 4 9 2. - <_> - - <_> - 2 22 12 4 -1. - <_> - 5 22 6 4 2. - <_> - - <_> - 0 19 14 7 -1. - <_> - 7 19 7 7 2. - <_> - - <_> - 5 20 6 8 -1. - <_> - 8 20 3 4 2. - <_> - 5 24 3 4 2. - <_> - - <_> - 3 20 6 8 -1. - <_> - 3 20 3 4 2. - <_> - 6 24 3 4 2. - <_> - - <_> - 6 1 4 14 -1. - <_> - 8 1 2 7 2. - <_> - 6 8 2 7 2. - <_> - - <_> - 2 2 4 12 -1. - <_> - 2 2 2 6 2. - <_> - 4 8 2 6 2. - <_> - - <_> - 7 4 6 4 -1. - <_> - 7 4 3 4 2. - 1 - <_> - - <_> - 7 4 4 6 -1. - <_> - 7 4 4 3 2. - 1 - <_> - - <_> - 7 3 6 5 -1. - <_> - 7 3 3 5 2. - 1 - <_> - - <_> - 7 3 5 6 -1. - <_> - 7 3 5 3 2. - 1 - <_> - - <_> - 7 3 6 4 -1. - <_> - 7 3 6 2 2. - 1 - <_> - - <_> - 3 2 8 18 -1. - <_> - 3 8 8 6 3. - <_> - - <_> - 4 15 9 12 -1. - <_> - 7 19 3 4 9. - <_> - - <_> - 1 21 12 6 -1. - <_> - 7 21 6 6 2. - <_> - - <_> - 9 18 4 8 -1. - <_> - 9 18 2 8 2. - <_> - - <_> - 2 16 9 4 -1. - <_> - 5 16 3 4 3. - <_> - - <_> - 4 17 10 6 -1. - <_> - 4 17 5 6 2. - <_> - - <_> - 1 18 4 8 -1. - <_> - 3 18 2 8 2. - <_> - - <_> - 9 3 5 6 -1. - <_> - 9 3 5 3 2. - 1 - <_> - - <_> - 1 17 8 6 -1. - <_> - 5 17 4 6 2. - <_> - - <_> - 2 19 12 9 -1. - <_> - 6 22 4 3 9. - <_> - - <_> - 2 0 4 14 -1. - <_> - 2 0 2 7 2. - <_> - 4 7 2 7 2. - <_> - - <_> - 4 9 10 14 -1. - <_> - 9 9 5 7 2. - <_> - 4 16 5 7 2. - <_> - - <_> - 0 16 4 12 -1. - <_> - 0 16 2 6 2. - <_> - 2 22 2 6 2. - <_> - - <_> - 3 24 8 4 -1. - <_> - 3 24 4 4 2. - <_> - - <_> - 0 5 14 22 -1. - <_> - 0 16 14 11 2. - <_> - - <_> - 6 13 6 8 -1. - <_> - 6 17 6 4 2. - <_> - - <_> - 0 9 10 14 -1. - <_> - 0 9 5 7 2. - <_> - 5 16 5 7 2. - <_> - - <_> - 3 3 9 9 -1. - <_> - 3 6 9 3 3. - <_> - - <_> - 5 1 4 6 -1. - <_> - 5 4 4 3 2. - <_> - - <_> - 1 0 12 9 -1. - <_> - 5 3 4 3 9. - <_> - - <_> - 4 7 6 12 -1. - <_> - 4 7 3 6 2. - <_> - 7 13 3 6 2. - <_> - - <_> - 6 7 6 18 -1. - <_> - 8 13 2 6 9. - <_> - - <_> - 2 7 6 18 -1. - <_> - 4 13 2 6 9. - <_> - - <_> - 2 22 12 4 -1. - <_> - 6 22 4 4 3. - <_> - - <_> - 3 16 8 8 -1. - <_> - 3 16 4 4 2. - <_> - 7 20 4 4 2. - <_> - - <_> - 7 7 6 10 -1. - <_> - 7 7 3 10 2. - <_> - - <_> - 1 8 12 10 -1. - <_> - 4 8 6 10 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 4 5 10 17 -1. - <_> - 4 5 5 17 2. - <_> - - <_> - 0 4 14 24 -1. - <_> - 7 4 7 24 2. - <_> - - <_> - 4 9 6 7 -1. - <_> - 6 9 2 7 3. - <_> - - <_> - 2 20 10 8 -1. - <_> - 2 20 5 4 2. - <_> - 7 24 5 4 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 6 7 6 4 2. - 1 - <_> - - <_> - 6 4 4 6 -1. - <_> - 6 4 2 6 2. - 1 - <_> - - <_> - 6 3 4 6 -1. - <_> - 6 3 2 6 2. - <_> - - <_> - 5 4 4 6 -1. - <_> - 7 4 2 6 2. - <_> - - <_> - 5 8 4 6 -1. - <_> - 5 8 2 6 2. - <_> - - <_> - 7 3 6 6 -1. - <_> - 7 3 6 3 2. - 1 - <_> - - <_> - 4 5 6 6 -1. - <_> - 4 8 6 3 2. - <_> - - <_> - 3 12 6 14 -1. - <_> - 3 19 6 7 2. - <_> - - <_> - 11 16 2 12 -1. - <_> - 11 16 1 12 2. - <_> - - <_> - 1 22 6 6 -1. - <_> - 3 22 2 6 3. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 3 9 8 4 -1. - <_> - 3 11 8 2 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 2 20 12 8 -1. - <_> - 5 20 6 8 2. - <_> - - <_> - 0 20 12 8 -1. - <_> - 3 20 6 8 2. - <_> - - <_> - 5 4 9 12 -1. - <_> - 5 10 9 6 2. - <_> - - <_> - 4 12 10 4 -1. - <_> - 4 12 10 2 2. - 1 - <_> - - <_> - 4 2 10 4 -1. - <_> - 4 2 5 4 2. - <_> - - <_> - 1 15 12 13 -1. - <_> - 4 15 6 13 2. - <_> - - <_> - 11 16 2 12 -1. - <_> - 11 16 1 12 2. - <_> - - <_> - 2 3 3 12 -1. - <_> - 3 3 1 12 3. - <_> - - <_> - 8 2 4 6 -1. - <_> - 8 2 2 6 2. - <_> - - <_> - 2 2 4 6 -1. - <_> - 4 2 2 6 2. - <_> - - <_> - 2 13 12 14 -1. - <_> - 5 13 6 14 2. - <_> - - <_> - 1 16 2 12 -1. - <_> - 2 16 1 12 2. - <_> - - <_> - 9 21 4 6 -1. - <_> - 9 21 2 6 2. - <_> - - <_> - 1 21 4 6 -1. - <_> - 3 21 2 6 2. - <_> - - <_> - 9 0 3 15 -1. - <_> - 10 0 1 15 3. - <_> - - <_> - 2 22 4 6 -1. - <_> - 4 22 2 6 2. - <_> - - <_> - 2 13 12 14 -1. - <_> - 5 13 6 14 2. - <_> - - <_> - 6 3 4 6 -1. - <_> - 6 3 4 3 2. - 1 - <_> - - <_> - 1 0 12 24 -1. - <_> - 5 8 4 8 9. - <_> - - <_> - 4 2 6 8 -1. - <_> - 4 6 6 4 2. - <_> - - <_> - 2 4 12 8 -1. - <_> - 2 6 12 4 2. - <_> - - <_> - 1 8 12 18 -1. - <_> - 4 8 6 18 2. - <_> - - <_> - 3 0 8 24 -1. - <_> - 3 8 8 8 3. - <_> - - <_> - 1 21 6 6 -1. - <_> - 3 21 2 6 3. - <_> - - <_> - 5 7 8 3 -1. - <_> - 5 7 4 3 2. - <_> - - <_> - 1 7 8 3 -1. - <_> - 5 7 4 3 2. - <_> - - <_> - 5 1 4 6 -1. - <_> - 5 4 4 3 2. - <_> - - <_> - 4 6 4 6 -1. - <_> - 4 9 4 3 2. - <_> - - <_> - 10 20 4 6 -1. - <_> - 10 20 2 6 2. - <_> - - <_> - 3 1 8 21 -1. - <_> - 3 8 8 7 3. - <_> - - <_> - 7 16 4 12 -1. - <_> - 9 16 2 6 2. - <_> - 7 22 2 6 2. - <_> - - <_> - 1 25 12 3 -1. - <_> - 5 25 4 3 3. - <_> - - <_> - 7 16 4 12 -1. - <_> - 9 16 2 6 2. - <_> - 7 22 2 6 2. - <_> - - <_> - 3 16 4 12 -1. - <_> - 3 16 2 6 2. - <_> - 5 22 2 6 2. - <_> - - <_> - 7 17 4 7 -1. - <_> - 7 17 2 7 2. - <_> - - <_> - 3 17 4 7 -1. - <_> - 5 17 2 7 2. - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 5 8 4 15 -1. - <_> - 6 8 2 15 2. - <_> - - <_> - 7 22 2 4 -1. - <_> - 7 22 1 4 2. - 1 - <_> - - <_> - 7 22 4 2 -1. - <_> - 7 22 4 1 2. - 1 - <_> - - <_> - 1 15 12 3 -1. - <_> - 1 15 6 3 2. - <_> - - <_> - 4 15 6 12 -1. - <_> - 4 15 3 6 2. - <_> - 7 21 3 6 2. - <_> - - <_> - 7 16 3 12 -1. - <_> - 8 16 1 12 3. - <_> - - <_> - 2 9 4 18 -1. - <_> - 2 9 2 9 2. - <_> - 4 18 2 9 2. - <_> - - <_> - 8 10 4 6 -1. - <_> - 8 10 2 6 2. - <_> - - <_> - 0 16 4 12 -1. - <_> - 0 16 2 6 2. - <_> - 2 22 2 6 2. - <_> - - <_> - 2 22 12 4 -1. - <_> - 6 22 4 4 3. - <_> - - <_> - 0 24 9 4 -1. - <_> - 3 24 3 4 3. - <_> - - <_> - 9 13 4 12 -1. - <_> - 9 17 4 4 3. - <_> - - <_> - 2 10 4 6 -1. - <_> - 4 10 2 6 2. - <_> - - <_> - 4 8 8 6 -1. - <_> - 4 10 8 2 3. - <_> - - <_> - 0 22 12 4 -1. - <_> - 4 22 4 4 3. - <_> - - <_> - 4 21 9 7 -1. - <_> - 7 21 3 7 3. - <_> - - <_> - 5 22 4 6 -1. - <_> - 7 22 2 6 2. - <_> - - <_> - 9 2 3 12 -1. - <_> - 10 2 1 12 3. - <_> - - <_> - 2 3 3 12 -1. - <_> - 3 3 1 12 3. - <_> - - <_> - 8 4 4 6 -1. - <_> - 8 4 2 6 2. - 1 - <_> - - <_> - 6 4 6 4 -1. - <_> - 6 4 6 2 2. - 1 - <_> - - <_> - 4 6 8 16 -1. - <_> - 8 6 4 8 2. - <_> - 4 14 4 8 2. - <_> - - <_> - 2 6 8 16 -1. - <_> - 2 6 4 8 2. - <_> - 6 14 4 8 2. - <_> - - <_> - 4 8 8 8 -1. - <_> - 6 8 4 8 2. - <_> - - <_> - 0 6 12 10 -1. - <_> - 4 6 4 10 3. - <_> - - <_> - 8 10 6 7 -1. - <_> - 10 12 2 7 3. - 1 - <_> - - <_> - 6 10 7 6 -1. - <_> - 4 12 7 2 3. - 1 - <_> - - <_> - 5 11 4 7 -1. - <_> - 5 11 2 7 2. - <_> - - <_> - 1 11 12 16 -1. - <_> - 1 11 6 8 2. - <_> - 7 19 6 8 2. - <_> - - <_> - 6 9 3 13 -1. - <_> - 7 9 1 13 3. - <_> - - <_> - 3 9 6 4 -1. - <_> - 3 11 6 2 2. - <_> - - <_> - 9 22 4 6 -1. - <_> - 9 22 2 6 2. - <_> - - <_> - 2 9 7 4 -1. - <_> - 2 11 7 2 2. - <_> - - <_> - 7 15 3 12 -1. - <_> - 8 15 1 12 3. - <_> - - <_> - 2 15 8 3 -1. - <_> - 6 15 4 3 2. - <_> - - <_> - 1 7 12 19 -1. - <_> - 4 7 6 19 2. - <_> - - <_> - 6 9 4 12 -1. - <_> - 8 9 2 6 2. - <_> - 6 15 2 6 2. - <_> - - <_> - 1 12 4 6 -1. - <_> - 1 15 4 3 2. - <_> - - <_> - 4 22 8 6 -1. - <_> - 8 22 4 3 2. - <_> - 4 25 4 3 2. - <_> - - <_> - 2 22 8 6 -1. - <_> - 2 22 4 3 2. - <_> - 6 25 4 3 2. - <_> - - <_> - 9 17 4 6 -1. - <_> - 9 17 2 6 2. - <_> - - <_> - 1 17 4 6 -1. - <_> - 3 17 2 6 2. - <_> - - <_> - 4 5 6 4 -1. - <_> - 4 7 6 2 2. - <_> - - <_> - 7 3 4 6 -1. - <_> - 7 3 2 6 2. - 1 - <_> - - <_> - 6 24 6 4 -1. - <_> - 6 24 3 4 2. - <_> - - <_> - 1 21 12 3 -1. - <_> - 5 21 4 3 3. - <_> - - <_> - 7 17 2 7 -1. - <_> - 7 17 1 7 2. - 1 - <_> - - <_> - 7 17 7 2 -1. - <_> - 7 17 7 1 2. - 1 - <_> - - <_> - 6 12 3 16 -1. - <_> - 6 20 3 8 2. - <_> - - <_> - 2 24 9 4 -1. - <_> - 5 24 3 4 3. - <_> - - <_> - 2 25 12 2 -1. - <_> - 2 25 6 2 2. - <_> - - <_> - 0 25 12 2 -1. - <_> - 6 25 6 2 2. - <_> - - <_> - 4 11 6 8 -1. - <_> - 4 15 6 4 2. - <_> - - <_> - 5 0 4 6 -1. - <_> - 7 0 2 6 2. - <_> - - <_> - 2 2 10 7 -1. - <_> - 2 2 5 7 2. - <_> - - <_> - 0 1 12 25 -1. - <_> - 3 1 6 25 2. - <_> - - <_> - 1 14 12 6 -1. - <_> - 4 14 6 6 2. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 6 15 3 12 -1. - <_> - 7 15 1 12 3. - <_> - - <_> - 6 7 2 12 -1. - <_> - 7 7 1 12 2. - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 9 2 6 2. - <_> - - <_> - 3 20 6 6 -1. - <_> - 6 20 3 6 2. - <_> - - <_> - 3 10 8 4 -1. - <_> - 3 10 4 4 2. - <_> - - <_> - 0 5 9 18 -1. - <_> - 3 11 3 6 9. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - <_> - - <_> - 2 8 4 6 -1. - <_> - 4 8 2 6 2. - <_> - - <_> - 8 8 4 12 -1. - <_> - 10 8 2 6 2. - <_> - 8 14 2 6 2. - <_> - - <_> - 4 10 6 8 -1. - <_> - 4 10 3 4 2. - <_> - 7 14 3 4 2. - <_> - - <_> - 7 15 4 6 -1. - <_> - 7 15 4 3 2. - 1 - <_> - - <_> - 7 15 6 4 -1. - <_> - 7 15 3 4 2. - 1 - <_> - - <_> - 1 9 13 15 -1. - <_> - 1 14 13 5 3. - <_> - - <_> - 5 1 3 25 -1. - <_> - 6 1 1 25 3. - <_> - - <_> - 6 15 3 12 -1. - <_> - 7 15 1 12 3. - <_> - - <_> - 0 7 4 16 -1. - <_> - 0 7 2 8 2. - <_> - 2 15 2 8 2. - <_> - - <_> - 4 2 6 4 -1. - <_> - 4 4 6 2 2. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 5 10 5 2. - <_> - - <_> - 8 5 6 8 -1. - <_> - 11 5 3 4 2. - <_> - 8 9 3 4 2. - <_> - - <_> - 1 14 12 14 -1. - <_> - 1 14 6 7 2. - <_> - 7 21 6 7 2. - <_> - - <_> - 7 1 6 18 -1. - <_> - 9 7 2 6 9. - <_> - - <_> - 0 18 14 8 -1. - <_> - 0 18 7 4 2. - <_> - 7 22 7 4 2. - <_> - - <_> - 2 3 8 23 -1. - <_> - 6 3 4 23 2. - <_> - - <_> - 10 18 4 9 -1. - <_> - 10 18 2 9 2. - <_> - - <_> - 0 25 8 3 -1. - <_> - 4 25 4 3 2. - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 1 22 4 6 -1. - <_> - 3 22 2 6 2. - <_> - - <_> - 6 16 2 12 -1. - <_> - 6 16 1 12 2. - <_> - - <_> - 2 14 6 14 -1. - <_> - 2 14 3 7 2. - <_> - 5 21 3 7 2. - <_> - - <_> - 4 8 6 6 -1. - <_> - 6 8 2 6 3. - <_> - - <_> - 0 18 8 6 -1. - <_> - 0 18 4 3 2. - <_> - 4 21 4 3 2. - <_> - - <_> - 7 13 6 11 -1. - <_> - 9 13 2 11 3. - <_> - - <_> - 1 16 12 7 -1. - <_> - 4 16 6 7 2. - <_> - - <_> - 7 15 4 9 -1. - <_> - 7 15 2 9 2. - <_> - - <_> - 3 15 4 9 -1. - <_> - 5 15 2 9 2. - <_> - - <_> - 10 18 4 8 -1. - <_> - 10 18 2 8 2. - <_> - - <_> - 2 7 9 6 -1. - <_> - 2 9 9 2 3. - <_> - - <_> - 1 9 12 6 -1. - <_> - 1 12 12 3 2. - <_> - - <_> - 3 5 5 12 -1. - <_> - 3 11 5 6 2. - <_> - - <_> - 3 6 8 4 -1. - <_> - 3 8 8 2 2. - <_> - - <_> - 4 6 6 6 -1. - <_> - 4 8 6 2 3. - <_> - - <_> - 1 26 12 2 -1. - <_> - 1 26 6 2 2. - <_> - - <_> - 5 7 4 6 -1. - <_> - 7 7 2 6 2. - <_> - - <_> - 7 5 6 5 -1. - <_> - 7 5 3 5 2. - 1 - <_> - - <_> - 5 9 3 13 -1. - <_> - 6 9 1 13 3. - <_> - - <_> - 5 18 6 10 -1. - <_> - 8 18 3 5 2. - <_> - 5 23 3 5 2. - <_> - - <_> - 3 18 6 10 -1. - <_> - 3 18 3 5 2. - <_> - 6 23 3 5 2. - <_> - - <_> - 7 15 7 6 -1. - <_> - 7 15 7 3 2. - 1 - <_> - - <_> - 0 23 9 5 -1. - <_> - 3 23 3 5 3. - <_> - - <_> - 7 15 7 6 -1. - <_> - 7 15 7 3 2. - 1 - <_> - - <_> - 7 15 6 7 -1. - <_> - 7 15 3 7 2. - 1 - <_> - - <_> - 7 2 6 12 -1. - <_> - 10 2 3 6 2. - <_> - 7 8 3 6 2. - <_> - - <_> - 7 5 6 4 -1. - <_> - 7 5 6 2 2. - 1 - <_> - - <_> - 7 3 6 10 -1. - <_> - 10 3 3 5 2. - <_> - 7 8 3 5 2. - <_> - - <_> - 1 3 6 10 -1. - <_> - 1 3 3 5 2. - <_> - 4 8 3 5 2. - <_> - - <_> - 1 7 12 4 -1. - <_> - 1 7 6 4 2. - <_> - - <_> - 5 1 6 4 -1. - <_> - 5 1 6 2 2. - 1 - <_> - - <_> - 0 0 14 10 -1. - <_> - 0 5 14 5 2. - <_> - - <_> - 0 8 10 18 -1. - <_> - 0 8 5 9 2. - <_> - 5 17 5 9 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 2 21 8 7 -1. - <_> - 4 21 4 7 2. - <_> - - <_> - 3 21 8 6 -1. - <_> - 5 21 4 6 2. - <_> - - <_> - 4 10 6 8 -1. - <_> - 6 10 2 8 3. - <_> - - <_> - 8 2 3 12 -1. - <_> - 9 2 1 12 3. - <_> - - <_> - 3 2 3 12 -1. - <_> - 4 2 1 12 3. - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 1 25 12 3 -1. - <_> - 7 25 6 3 2. - <_> - - <_> - 7 20 3 5 -1. - <_> - 8 21 1 5 3. - 1 - <_> - - <_> - 3 15 8 11 -1. - <_> - 5 15 4 11 2. - <_> - - <_> - 1 1 12 21 -1. - <_> - 5 8 4 7 9. - <_> - - <_> - 0 22 4 6 -1. - <_> - 2 22 2 6 2. - <_> - - <_> - 5 23 9 4 -1. - <_> - 8 23 3 4 3. - <_> - - <_> - 0 23 9 4 -1. - <_> - 3 23 3 4 3. - <_> - - <_> - 6 3 4 12 -1. - <_> - 8 3 2 6 2. - <_> - 6 9 2 6 2. - <_> - - <_> - 6 4 2 24 -1. - <_> - 6 4 1 12 2. - <_> - 7 16 1 12 2. - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 9 2 6 2. - <_> - - <_> - 2 7 4 6 -1. - <_> - 4 7 2 6 2. - <_> - - <_> - 4 8 6 20 -1. - <_> - 4 18 6 10 2. - <_> - - <_> - 1 16 3 12 -1. - <_> - 2 16 1 12 3. - <_> - - <_> - 8 12 6 16 -1. - <_> - 8 16 6 8 2. - <_> - - <_> - 1 17 4 6 -1. - <_> - 3 17 2 6 2. - <_> - - <_> - 7 14 6 9 -1. - <_> - 9 14 2 9 3. - <_> - - <_> - 1 14 6 9 -1. - <_> - 3 14 2 9 3. - <_> - - <_> - 8 0 4 18 -1. - <_> - 10 0 2 9 2. - <_> - 8 9 2 9 2. - <_> - - <_> - 2 0 4 18 -1. - <_> - 2 0 2 9 2. - <_> - 4 9 2 9 2. - <_> - - <_> - 11 14 2 12 -1. - <_> - 11 14 1 12 2. - <_> - - <_> - 1 14 2 12 -1. - <_> - 2 14 1 12 2. - <_> - - <_> - 8 11 3 12 -1. - <_> - 9 11 1 12 3. - <_> - - <_> - 1 7 12 6 -1. - <_> - 4 7 6 6 2. - <_> - - <_> - 1 1 12 9 -1. - <_> - 4 1 6 9 2. - <_> - - <_> - 1 3 12 20 -1. - <_> - 1 3 6 10 2. - <_> - 7 13 6 10 2. - <_> - - <_> - 4 8 6 10 -1. - <_> - 7 8 3 5 2. - <_> - 4 13 3 5 2. - <_> - - <_> - 6 5 8 3 -1. - <_> - 6 5 4 3 2. - 1 - <_> - - <_> - 3 15 8 7 -1. - <_> - 5 15 4 7 2. - <_> - - <_> - 0 14 12 12 -1. - <_> - 4 18 4 4 9. - <_> - - <_> - 5 12 4 16 -1. - <_> - 5 16 4 8 2. - <_> - - <_> - 0 21 12 6 -1. - <_> - 4 21 4 6 3. - <_> - - <_> - 4 17 8 7 -1. - <_> - 4 17 4 7 2. - <_> - - <_> - 2 17 8 7 -1. - <_> - 6 17 4 7 2. - <_> - - <_> - 7 4 6 5 -1. - <_> - 7 4 3 5 2. - 1 - <_> - - <_> - 7 4 5 6 -1. - <_> - 7 4 5 3 2. - 1 - <_> - - <_> - 8 3 6 7 -1. - <_> - 8 3 3 7 2. - 1 - <_> - - <_> - 6 3 7 6 -1. - <_> - 6 3 7 3 2. - 1 - <_> - - <_> - 7 4 2 22 -1. - <_> - 7 4 1 22 2. - <_> - - <_> - 5 4 2 22 -1. - <_> - 6 4 1 22 2. - <_> - - <_> - 7 8 2 12 -1. - <_> - 7 8 1 12 2. - <_> - - <_> - 5 8 2 12 -1. - <_> - 6 8 1 12 2. - <_> - - <_> - 3 8 10 5 -1. - <_> - 3 8 5 5 2. - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 8 8 4 16 -1. - <_> - 10 8 2 8 2. - <_> - 8 16 2 8 2. - <_> - - <_> - 2 8 4 16 -1. - <_> - 2 8 2 8 2. - <_> - 4 16 2 8 2. - <_> - - <_> - 1 21 12 4 -1. - <_> - 7 21 6 2 2. - <_> - 1 23 6 2 2. - <_> - - <_> - 4 2 2 12 -1. - <_> - 4 8 2 6 2. - <_> - - <_> - 4 10 6 4 -1. - <_> - 4 12 6 2 2. - <_> - - <_> - 2 8 10 12 -1. - <_> - 2 12 10 4 3. - <_> - - <_> - 4 17 6 8 -1. - <_> - 7 17 3 4 2. - <_> - 4 21 3 4 2. - <_> - - <_> - 7 15 4 3 -1. - <_> - 6 16 4 1 3. - 1 - <_> - - <_> - 9 20 3 5 -1. - <_> - 10 21 1 5 3. - 1 - <_> - - <_> - 0 18 14 6 -1. - <_> - 7 18 7 6 2. - <_> - - <_> - 9 0 3 24 -1. - <_> - 9 6 3 12 2. - <_> - - <_> - 2 0 3 24 -1. - <_> - 2 6 3 12 2. - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 2 2 6 2. - <_> - - <_> - 1 25 12 3 -1. - <_> - 5 25 4 3 3. - <_> - - <_> - 1 4 12 14 -1. - <_> - 4 4 6 14 2. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 7 18 4 6 -1. - <_> - 7 18 2 6 2. - 1 - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 7 4 6 4 -1. - <_> - 7 4 3 4 2. - 1 - <_> - - <_> - 7 1 7 4 -1. - <_> - 7 1 7 2 2. - 1 - <_> - - <_> - 7 2 6 4 -1. - <_> - 7 2 3 4 2. - 1 - <_> - - <_> - 3 10 8 6 -1. - <_> - 5 10 4 6 2. - <_> - - <_> - 5 20 8 8 -1. - <_> - 7 20 4 8 2. - <_> - - <_> - 6 15 8 5 -1. - <_> - 6 15 4 5 2. - 1 - <_> - - <_> - 2 7 10 6 -1. - <_> - 7 7 5 3 2. - <_> - 2 10 5 3 2. - <_> - - <_> - 7 20 4 4 -1. - <_> - 6 21 4 2 2. - 1 - <_> - - <_> - 1 24 12 4 -1. - <_> - 4 24 6 4 2. - <_> - - <_> - 4 4 6 6 -1. - <_> - 6 4 2 6 3. - <_> - - <_> - 1 4 12 24 -1. - <_> - 7 4 6 12 2. - <_> - 1 16 6 12 2. - <_> - - <_> - 4 4 3 15 -1. - <_> - 4 9 3 5 3. - <_> - - <_> - 11 3 3 8 -1. - <_> - 11 3 3 4 2. - 1 - <_> - - <_> - 4 9 2 13 -1. - <_> - 5 9 1 13 2. - <_> - - <_> - 6 9 4 6 -1. - <_> - 6 9 2 6 2. - <_> - - <_> - 2 17 8 3 -1. - <_> - 6 17 4 3 2. - <_> - - <_> - 4 11 6 8 -1. - <_> - 7 11 3 4 2. - <_> - 4 15 3 4 2. - <_> - - <_> - 0 0 14 27 -1. - <_> - 0 9 14 9 3. - <_> - - <_> - 5 8 4 6 -1. - <_> - 5 11 4 3 2. - <_> - - <_> - 5 2 4 12 -1. - <_> - 5 5 4 6 2. - <_> - - <_> - 6 3 4 9 -1. - <_> - 6 6 4 3 3. - <_> - - <_> - 4 3 4 9 -1. - <_> - 4 6 4 3 3. - <_> - - <_> - 9 5 4 6 -1. - <_> - 9 5 4 3 2. - 1 - <_> - - <_> - 5 5 6 4 -1. - <_> - 5 5 3 4 2. - 1 - <_> - - <_> - 1 1 12 21 -1. - <_> - 4 1 6 21 2. - <_> - - <_> - 1 25 12 3 -1. - <_> - 5 25 4 3 3. - <_> - - <_> - 9 18 4 10 -1. - <_> - 9 18 2 10 2. - <_> - - <_> - 4 16 9 3 -1. - <_> - 3 17 9 1 3. - 1 - <_> - - <_> - 9 18 4 10 -1. - <_> - 9 18 2 10 2. - <_> - - <_> - 1 18 4 10 -1. - <_> - 3 18 2 10 2. - <_> - - <_> - 4 10 9 4 -1. - <_> - 4 12 9 2 2. - <_> - - <_> - 1 0 12 5 -1. - <_> - 5 0 4 5 3. - <_> - - <_> - 7 9 2 18 -1. - <_> - 7 15 2 6 3. - <_> - - <_> - 0 22 6 6 -1. - <_> - 2 22 2 6 3. - <_> - - <_> - 5 21 6 5 -1. - <_> - 5 21 3 5 2. - <_> - - <_> - 3 21 6 5 -1. - <_> - 6 21 3 5 2. - <_> - - <_> - 9 21 2 5 -1. - <_> - 9 21 1 5 2. - 1 - <_> - - <_> - 0 17 6 8 -1. - <_> - 0 17 3 4 2. - <_> - 3 21 3 4 2. - <_> - - <_> - 4 0 6 6 -1. - <_> - 6 0 2 6 3. - <_> - - <_> - 2 1 6 14 -1. - <_> - 2 1 3 7 2. - <_> - 5 8 3 7 2. - <_> - - <_> - 6 8 5 6 -1. - <_> - 6 11 5 3 2. - <_> - - <_> - 4 8 4 6 -1. - <_> - 6 8 2 6 2. - <_> - - <_> - 4 6 6 6 -1. - <_> - 4 8 6 2 3. - <_> - - <_> - 3 5 6 4 -1. - <_> - 3 7 6 2 2. - <_> - - <_> - 7 6 4 6 -1. - <_> - 7 6 2 6 2. - 1 - <_> - - <_> - 4 5 6 4 -1. - <_> - 4 7 6 2 2. - <_> - - <_> - 7 1 4 21 -1. - <_> - 8 1 2 21 2. - <_> - - <_> - 2 2 6 20 -1. - <_> - 4 2 2 20 3. - <_> - - <_> - 9 20 3 5 -1. - <_> - 10 21 1 5 3. - 1 - <_> - - <_> - 0 24 6 4 -1. - <_> - 3 24 3 4 2. - <_> - - <_> - 4 2 6 6 -1. - <_> - 6 2 2 6 3. - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 2 4 3 2. - 1 - <_> - - <_> - 1 4 13 2 -1. - <_> - 1 5 13 1 2. - <_> - - <_> - 7 11 6 7 -1. - <_> - 7 11 3 7 2. - 1 - <_> - - <_> - 8 16 6 4 -1. - <_> - 8 16 6 2 2. - 1 - <_> - - <_> - 1 3 12 24 -1. - <_> - 5 11 4 8 9. - <_> - - <_> - 2 24 12 4 -1. - <_> - 8 24 6 2 2. - <_> - 2 26 6 2 2. - <_> - - <_> - 0 24 12 4 -1. - <_> - 0 24 6 2 2. - <_> - 6 26 6 2 2. - <_> - - <_> - 6 4 2 24 -1. - <_> - 7 4 1 12 2. - <_> - 6 16 1 12 2. - <_> - - <_> - 4 8 6 6 -1. - <_> - 6 8 2 6 3. - <_> - - <_> - 6 6 4 9 -1. - <_> - 6 6 2 9 2. - <_> - - <_> - 2 8 8 7 -1. - <_> - 6 8 4 7 2. - <_> - - <_> - 3 7 10 7 -1. - <_> - 3 7 5 7 2. - <_> - - <_> - 1 7 10 7 -1. - <_> - 6 7 5 7 2. - <_> - - <_> - 4 1 9 12 -1. - <_> - 7 5 3 4 9. - <_> - - <_> - 1 1 9 12 -1. - <_> - 4 5 3 4 9. - <_> - - <_> - 4 25 8 3 -1. - <_> - 4 25 4 3 2. - <_> - - <_> - 0 16 12 7 -1. - <_> - 3 16 6 7 2. - <_> - - <_> - 9 17 4 7 -1. - <_> - 9 17 2 7 2. - <_> - - <_> - 1 17 4 7 -1. - <_> - 3 17 2 7 2. - <_> - - <_> - 7 0 4 7 -1. - <_> - 7 0 2 7 2. - 1 - <_> - - <_> - 7 0 7 4 -1. - <_> - 7 0 7 2 2. - 1 - <_> - - <_> - 9 3 5 6 -1. - <_> - 9 3 5 3 2. - 1 - <_> - - <_> - 0 10 6 12 -1. - <_> - 0 10 3 6 2. - <_> - 3 16 3 6 2. - <_> - - <_> - 9 3 4 12 -1. - <_> - 10 3 2 12 2. - <_> - - <_> - 1 3 4 12 -1. - <_> - 2 3 2 12 2. - <_> - - <_> - 2 7 10 10 -1. - <_> - 7 7 5 5 2. - <_> - 2 12 5 5 2. - <_> - - <_> - 3 16 4 9 -1. - <_> - 5 16 2 9 2. - <_> - - <_> - 0 11 14 11 -1. - <_> - 0 11 7 11 2. - <_> - - <_> - 6 16 5 6 -1. - <_> - 4 18 5 2 3. - 1 - <_> - - <_> - 11 20 2 6 -1. - <_> - 11 20 1 6 2. - 1 - <_> - - <_> - 1 18 4 6 -1. - <_> - 3 18 2 6 2. - <_> - - <_> - 10 14 3 6 -1. - <_> - 11 15 1 6 3. - 1 - <_> - - <_> - 4 14 6 3 -1. - <_> - 3 15 6 1 3. - 1 - <_> - - <_> - 7 20 3 5 -1. - <_> - 8 21 1 5 3. - 1 - <_> - - <_> - 2 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 9 15 3 12 -1. - <_> - 10 15 1 12 3. - <_> - - <_> - 5 15 6 2 -1. - <_> - 5 15 6 1 2. - 1 - <_> - - <_> - 7 18 2 7 -1. - <_> - 7 18 1 7 2. - 1 - <_> - - <_> - 7 20 5 3 -1. - <_> - 6 21 5 1 3. - 1 - <_> - - <_> - 10 16 2 10 -1. - <_> - 10 16 1 10 2. - 1 - <_> - - <_> - 4 16 10 2 -1. - <_> - 4 16 10 1 2. - 1 - <_> - - <_> - 1 17 12 6 -1. - <_> - 4 17 6 6 2. - <_> - - <_> - 4 15 6 8 -1. - <_> - 4 15 3 4 2. - <_> - 7 19 3 4 2. - <_> - - <_> - 7 17 6 4 -1. - <_> - 9 19 2 4 3. - 1 - <_> - - <_> - 7 17 4 6 -1. - <_> - 5 19 4 2 3. - 1 - <_> - - <_> - 1 13 12 4 -1. - <_> - 1 13 6 4 2. - <_> - - <_> - 0 2 8 12 -1. - <_> - 0 2 4 6 2. - <_> - 4 8 4 6 2. - <_> - - <_> - 6 2 2 16 -1. - <_> - 6 10 2 8 2. - <_> - - <_> - 2 8 8 4 -1. - <_> - 2 10 8 2 2. - <_> - - <_> - 5 10 4 18 -1. - <_> - 5 19 4 9 2. - <_> - - <_> - 0 3 3 12 -1. - <_> - 0 7 3 4 3. - <_> - - <_> - 1 22 12 4 -1. - <_> - 7 22 6 2 2. - <_> - 1 24 6 2 2. - <_> - - <_> - 2 19 7 2 -1. - <_> - 2 19 7 1 2. - 1 - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 0 11 6 14 -1. - <_> - 0 11 3 7 2. - <_> - 3 18 3 7 2. - <_> - - <_> - 7 3 3 10 -1. - <_> - 7 8 3 5 2. - <_> - - <_> - 0 17 6 6 -1. - <_> - 2 17 2 6 3. - <_> - - <_> - 9 16 2 12 -1. - <_> - 9 16 1 12 2. - <_> - - <_> - 6 16 6 3 -1. - <_> - 5 17 6 1 3. - 1 - <_> - - <_> - 8 0 6 8 -1. - <_> - 10 2 2 8 3. - 1 - <_> - - <_> - 6 4 8 6 -1. - <_> - 8 6 4 6 2. - 1 - <_> - - <_> - 4 7 6 21 -1. - <_> - 4 14 6 7 3. - <_> - - <_> - 3 0 8 18 -1. - <_> - 3 0 4 9 2. - <_> - 7 9 4 9 2. - <_> - - <_> - 3 6 9 10 -1. - <_> - 6 6 3 10 3. - <_> - - <_> - 7 21 4 3 -1. - <_> - 6 22 4 1 3. - 1 - <_> - - <_> - 2 23 12 5 -1. - <_> - 6 23 4 5 3. - <_> - - <_> - 4 16 3 12 -1. - <_> - 5 16 1 12 3. - <_> - - <_> - 7 17 2 7 -1. - <_> - 7 17 1 7 2. - 1 - <_> - - <_> - 0 5 14 10 -1. - <_> - 0 5 7 5 2. - <_> - 7 10 7 5 2. - <_> - - <_> - 3 10 8 4 -1. - <_> - 3 10 4 4 2. - <_> - - <_> - 0 12 10 4 -1. - <_> - 5 12 5 4 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 0 3 6 2. - 1 - <_> - - <_> - 2 3 10 7 -1. - <_> - 7 3 5 7 2. - <_> - - <_> - 3 7 4 21 -1. - <_> - 5 7 2 21 2. - <_> - - <_> - 6 2 2 24 -1. - <_> - 7 2 1 12 2. - <_> - 6 14 1 12 2. - <_> - - <_> - 3 4 8 16 -1. - <_> - 3 8 8 8 2. - <_> - - <_> - 9 16 2 12 -1. - <_> - 9 16 1 12 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 5 2 6 6 -1. - <_> - 5 4 6 2 3. - <_> - - <_> - 1 19 4 9 -1. - <_> - 3 19 2 9 2. - <_> - - <_> - 9 10 4 16 -1. - <_> - 10 10 2 16 2. - <_> - - <_> - 5 18 5 2 -1. - <_> - 5 18 5 1 2. - 1 - <_> - - <_> - 5 4 6 4 -1. - <_> - 5 4 3 4 2. - <_> - - <_> - 3 4 6 4 -1. - <_> - 6 4 3 4 2. - <_> - - <_> - 5 5 6 8 -1. - <_> - 8 5 3 4 2. - <_> - 5 9 3 4 2. - <_> - - <_> - 3 5 6 8 -1. - <_> - 3 5 3 4 2. - <_> - 6 9 3 4 2. - <_> - - <_> - 6 3 8 12 -1. - <_> - 10 3 4 6 2. - <_> - 6 9 4 6 2. - <_> - - <_> - 1 10 2 12 -1. - <_> - 2 10 1 12 2. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 2 1 4 7 -1. - <_> - 4 1 2 7 2. - <_> - - <_> - 9 21 2 5 -1. - <_> - 9 21 1 5 2. - 1 - <_> - - <_> - 2 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 0 15 8 6 -1. - <_> - 0 15 4 3 2. - <_> - 4 18 4 3 2. - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 1 1 13 3 -1. - <_> - 1 2 13 1 3. - <_> - - <_> - 0 3 14 2 -1. - <_> - 7 3 7 2 2. - <_> - - <_> - 2 16 12 4 -1. - <_> - 8 16 6 2 2. - <_> - 2 18 6 2 2. - <_> - - <_> - 0 20 12 6 -1. - <_> - 3 20 6 6 2. - <_> - - <_> - 4 15 8 7 -1. - <_> - 6 15 4 7 2. - <_> - - <_> - 4 10 6 12 -1. - <_> - 4 10 3 6 2. - <_> - 7 16 3 6 2. - <_> - - <_> - 7 0 4 6 -1. - <_> - 7 0 2 6 2. - 1 - <_> - - <_> - 7 0 6 4 -1. - <_> - 7 0 6 2 2. - 1 - <_> - - <_> - 6 18 8 6 -1. - <_> - 10 18 4 3 2. - <_> - 6 21 4 3 2. - <_> - - <_> - 6 0 8 4 -1. - <_> - 6 0 8 2 2. - 1 - <_> - - <_> - 2 15 10 6 -1. - <_> - 7 15 5 3 2. - <_> - 2 18 5 3 2. - <_> - - <_> - 0 13 4 8 -1. - <_> - 0 17 4 4 2. - <_> - - <_> - 0 9 14 9 -1. - <_> - 0 12 14 3 3. - <_> - - <_> - 2 24 9 4 -1. - <_> - 5 24 3 4 3. - <_> - - <_> - 1 24 12 4 -1. - <_> - 4 24 6 4 2. - <_> - - <_> - 0 11 10 8 -1. - <_> - 0 11 5 4 2. - <_> - 5 15 5 4 2. - <_> - - <_> - 5 9 6 4 -1. - <_> - 5 11 6 2 2. - <_> - - <_> - 1 8 4 17 -1. - <_> - 2 8 2 17 2. - <_> - - <_> - 8 2 4 12 -1. - <_> - 10 2 2 6 2. - <_> - 8 8 2 6 2. - <_> - - <_> - 2 2 4 12 -1. - <_> - 2 2 2 6 2. - <_> - 4 8 2 6 2. - <_> - - <_> - 10 7 4 14 -1. - <_> - 12 7 2 7 2. - <_> - 10 14 2 7 2. - <_> - - <_> - 0 7 4 14 -1. - <_> - 0 7 2 7 2. - <_> - 2 14 2 7 2. - <_> - - <_> - 4 8 10 6 -1. - <_> - 4 8 5 6 2. - <_> - - <_> - 6 6 8 3 -1. - <_> - 6 6 4 3 2. - 1 - <_> - - <_> - 2 5 12 3 -1. - <_> - 2 6 12 1 3. - <_> - - <_> - 2 15 9 5 -1. - <_> - 5 15 3 5 3. - <_> - - <_> - 0 1 14 15 -1. - <_> - 0 6 14 5 3. - <_> - - <_> - 1 1 6 18 -1. - <_> - 3 7 2 6 9. - <_> - - <_> - 4 2 9 10 -1. - <_> - 4 7 9 5 2. - <_> - - <_> - 5 12 4 6 -1. - <_> - 7 12 2 6 2. - <_> - - <_> - 6 4 3 21 -1. - <_> - 7 4 1 21 3. - <_> - - <_> - 6 17 6 3 -1. - <_> - 5 18 6 1 3. - 1 - <_> - - <_> - 7 16 2 4 -1. - <_> - 7 16 1 4 2. - 1 - <_> - - <_> - 7 16 4 2 -1. - <_> - 7 16 4 1 2. - 1 - <_> - - <_> - 8 20 2 6 -1. - <_> - 8 20 1 6 2. - 1 - <_> - - <_> - 6 20 6 2 -1. - <_> - 6 20 6 1 2. - 1 - <_> - - <_> - 6 4 6 6 -1. - <_> - 8 4 2 6 3. - <_> - - <_> - 1 1 3 16 -1. - <_> - 2 1 1 16 3. - <_> - - <_> - 12 14 2 10 -1. - <_> - 12 14 1 10 2. - 1 - <_> - - <_> - 2 14 10 2 -1. - <_> - 2 14 10 1 2. - 1 - <_> - - <_> - 3 1 6 27 -1. - <_> - 5 10 2 9 9. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 2 6 8 22 -1. - <_> - 4 6 4 22 2. - <_> - - <_> - 4 6 6 13 -1. - <_> - 6 6 2 13 3. - <_> - - <_> - 7 11 6 6 -1. - <_> - 5 13 6 2 3. - 1 - <_> - - <_> - 2 26 12 2 -1. - <_> - 2 26 6 2 2. - <_> - - <_> - 4 8 6 9 -1. - <_> - 6 8 2 9 3. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 3 24 6 4 -1. - <_> - 6 24 3 4 2. - <_> - - <_> - 4 16 8 9 -1. - <_> - 4 16 4 9 2. - <_> - - <_> - 2 16 8 9 -1. - <_> - 6 16 4 9 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 7 5 3 6 2. - 1 - <_> - - <_> - 7 15 6 6 -1. - <_> - 7 15 3 6 2. - 1 - <_> - - <_> - 3 13 10 12 -1. - <_> - 3 19 10 6 2. - <_> - - <_> - 2 6 10 3 -1. - <_> - 7 6 5 3 2. - <_> - - <_> - 3 1 8 21 -1. - <_> - 3 8 8 7 3. - <_> - - <_> - 4 7 6 6 -1. - <_> - 4 9 6 2 3. - <_> - - <_> - 4 10 8 4 -1. - <_> - 4 12 8 2 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 7 5 6 3 2. - 1 - <_> - - <_> - 2 8 12 10 -1. - <_> - 2 8 6 10 2. - <_> - - <_> - 1 4 8 10 -1. - <_> - 5 4 4 10 2. - <_> - - <_> - 3 16 8 6 -1. - <_> - 7 16 4 3 2. - <_> - 3 19 4 3 2. - <_> - - <_> - 3 3 2 24 -1. - <_> - 3 3 1 12 2. - <_> - 4 15 1 12 2. - <_> - - <_> - 9 16 4 12 -1. - <_> - 10 16 2 12 2. - <_> - - <_> - 1 16 4 12 -1. - <_> - 2 16 2 12 2. - <_> - - <_> - 8 12 3 12 -1. - <_> - 9 12 1 12 3. - <_> - - <_> - 3 8 5 6 -1. - <_> - 3 11 5 3 2. - <_> - - <_> - 2 7 10 8 -1. - <_> - 2 11 10 4 2. - <_> - - <_> - 3 12 3 12 -1. - <_> - 4 12 1 12 3. - <_> - - <_> - 5 16 4 12 -1. - <_> - 5 16 2 12 2. - <_> - - <_> - 7 22 4 2 -1. - <_> - 7 22 4 1 2. - 1 - <_> - - <_> - 6 22 8 6 -1. - <_> - 10 22 4 3 2. - <_> - 6 25 4 3 2. - <_> - - <_> - 1 14 2 14 -1. - <_> - 2 14 1 14 2. - <_> - - <_> - 9 20 3 5 -1. - <_> - 10 21 1 5 3. - 1 - <_> - - <_> - 5 20 5 3 -1. - <_> - 4 21 5 1 3. - 1 - <_> - - <_> - 7 15 2 5 -1. - <_> - 7 15 1 5 2. - 1 - <_> - - <_> - 1 17 10 6 -1. - <_> - 1 17 5 3 2. - <_> - 6 20 5 3 2. - <_> - - <_> - 1 3 12 3 -1. - <_> - 5 3 4 3 3. - <_> - - <_> - 7 3 5 6 -1. - <_> - 7 3 5 3 2. - 1 - <_> - - <_> - 7 7 3 12 -1. - <_> - 8 7 1 12 3. - <_> - - <_> - 4 7 3 12 -1. - <_> - 5 7 1 12 3. - <_> - - <_> - 5 11 9 13 -1. - <_> - 8 11 3 13 3. - <_> - - <_> - 5 5 3 21 -1. - <_> - 6 5 1 21 3. - <_> - - <_> - 4 13 9 11 -1. - <_> - 7 13 3 11 3. - <_> - - <_> - 1 13 9 11 -1. - <_> - 4 13 3 11 3. - <_> - - <_> - 5 18 8 10 -1. - <_> - 9 18 4 5 2. - <_> - 5 23 4 5 2. - <_> - - <_> - 0 5 14 14 -1. - <_> - 0 5 7 7 2. - <_> - 7 12 7 7 2. - <_> - - <_> - 9 0 3 15 -1. - <_> - 10 0 1 15 3. - <_> - - <_> - 3 0 6 20 -1. - <_> - 5 0 2 20 3. - <_> - - <_> - 2 4 12 2 -1. - <_> - 2 5 12 1 2. - <_> - - <_> - 0 3 12 3 -1. - <_> - 0 4 12 1 3. - <_> - - <_> - 0 18 14 6 -1. - <_> - 7 18 7 3 2. - <_> - 0 21 7 3 2. - <_> - - <_> - 2 0 3 15 -1. - <_> - 3 0 1 15 3. - <_> - - <_> - 8 1 6 4 -1. - <_> - 8 1 3 4 2. - 1 - <_> - - <_> - 2 7 6 6 -1. - <_> - 2 9 6 2 3. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 2 7 3 12 -1. - <_> - 3 7 1 12 3. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 0 22 4 6 -1. - <_> - 2 22 2 6 2. - <_> - - <_> - 8 24 6 4 -1. - <_> - 8 24 3 4 2. - <_> - - <_> - 4 0 4 9 -1. - <_> - 4 3 4 3 3. - <_> - - <_> - 8 3 6 4 -1. - <_> - 8 3 6 2 2. - 1 - <_> - - <_> - 2 0 6 22 -1. - <_> - 2 0 3 11 2. - <_> - 5 11 3 11 2. - <_> - - <_> - 6 18 8 10 -1. - <_> - 10 18 4 5 2. - <_> - 6 23 4 5 2. - <_> - - <_> - 0 22 6 6 -1. - <_> - 2 22 2 6 3. - <_> - - <_> - 8 13 6 6 -1. - <_> - 8 15 6 2 3. - <_> - - <_> - 0 13 6 6 -1. - <_> - 0 15 6 2 3. - <_> - - <_> - 1 16 6 6 -1. - <_> - 3 16 2 6 3. - <_> - - <_> - 7 2 3 21 -1. - <_> - 7 9 3 7 3. - <_> - - <_> - 4 14 6 3 -1. - <_> - 3 15 6 1 3. - 1 - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 7 3 4 6 -1. - <_> - 7 3 4 3 2. - 1 - <_> - - <_> - 4 9 8 16 -1. - <_> - 4 9 4 16 2. - <_> - - <_> - 2 9 8 16 -1. - <_> - 6 9 4 16 2. - <_> - - <_> - 4 3 7 24 -1. - <_> - 4 9 7 12 2. - <_> - - <_> - 1 17 4 6 -1. - <_> - 3 17 2 6 2. - <_> - - <_> - 5 2 6 4 -1. - <_> - 5 4 6 2 2. - <_> - - <_> - 7 2 4 6 -1. - <_> - 7 2 2 6 2. - 1 - <_> - - <_> - 4 9 6 4 -1. - <_> - 4 9 3 4 2. - <_> - - <_> - 1 24 6 4 -1. - <_> - 4 24 3 4 2. - <_> - - <_> - 5 0 6 8 -1. - <_> - 8 0 3 4 2. - <_> - 5 4 3 4 2. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 5 0 6 8 -1. - <_> - 8 0 3 4 2. - <_> - 5 4 3 4 2. - <_> - - <_> - 5 4 4 6 -1. - <_> - 7 4 2 6 2. - <_> - - <_> - 8 0 6 8 -1. - <_> - 6 2 6 4 2. - 1 - <_> - - <_> - 6 0 8 6 -1. - <_> - 8 2 4 6 2. - 1 - <_> - - <_> - 7 17 3 4 -1. - <_> - 8 18 1 4 3. - 1 - <_> - - <_> - 1 20 6 8 -1. - <_> - 1 20 3 4 2. - <_> - 4 24 3 4 2. - <_> - - <_> - 9 15 2 12 -1. - <_> - 9 15 1 12 2. - <_> - - <_> - 3 15 2 12 -1. - <_> - 4 15 1 12 2. - <_> - - <_> - 5 2 6 4 -1. - <_> - 5 2 3 4 2. - <_> - - <_> - 3 3 6 4 -1. - <_> - 6 3 3 4 2. - <_> - - <_> - 4 4 6 24 -1. - <_> - 7 4 3 12 2. - <_> - 4 16 3 12 2. - <_> - - <_> - 6 13 2 12 -1. - <_> - 7 13 1 12 2. - <_> - - <_> - 6 16 3 12 -1. - <_> - 7 16 1 12 3. - <_> - - <_> - 6 4 2 14 -1. - <_> - 7 4 1 14 2. - <_> - - <_> - 5 3 4 25 -1. - <_> - 6 3 2 25 2. - <_> - - <_> - 5 4 3 21 -1. - <_> - 6 4 1 21 3. - <_> - - <_> - 7 6 2 12 -1. - <_> - 7 6 1 12 2. - <_> - - <_> - 5 4 4 20 -1. - <_> - 5 4 2 10 2. - <_> - 7 14 2 10 2. - <_> - - <_> - 6 4 6 24 -1. - <_> - 8 12 2 8 9. - <_> - - <_> - 0 1 12 24 -1. - <_> - 6 1 6 24 2. - <_> - - <_> - 7 6 7 22 -1. - <_> - 7 17 7 11 2. - <_> - - <_> - 4 3 4 9 -1. - <_> - 4 6 4 3 3. - <_> - - <_> - 8 4 6 8 -1. - <_> - 6 6 6 4 2. - 1 - <_> - - <_> - 7 5 6 4 -1. - <_> - 7 5 6 2 2. - 1 - <_> - - <_> - 5 1 4 6 -1. - <_> - 5 4 4 3 2. - <_> - - <_> - 0 0 7 10 -1. - <_> - 0 5 7 5 2. - <_> - - <_> - 7 2 3 24 -1. - <_> - 7 8 3 12 2. - <_> - - <_> - 1 8 4 15 -1. - <_> - 2 8 2 15 2. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 1 23 12 3 -1. - <_> - 5 23 4 3 3. - <_> - - <_> - 6 22 8 6 -1. - <_> - 10 22 4 3 2. - <_> - 6 25 4 3 2. - <_> - - <_> - 0 22 14 6 -1. - <_> - 0 22 7 3 2. - <_> - 7 25 7 3 2. - <_> - - <_> - 2 3 12 3 -1. - <_> - 2 4 12 1 3. - <_> - - <_> - 0 2 12 9 -1. - <_> - 4 5 4 3 9. - <_> - - <_> - 1 0 12 12 -1. - <_> - 5 4 4 4 9. - <_> - - <_> - 1 3 12 3 -1. - <_> - 1 4 12 1 3. - <_> - - <_> - 1 4 12 3 -1. - <_> - 5 4 4 3 3. - <_> - - <_> - 1 15 2 12 -1. - <_> - 2 15 1 12 2. - <_> - - <_> - 1 20 12 5 -1. - <_> - 5 20 4 5 3. - <_> - - <_> - 7 15 5 4 -1. - <_> - 6 16 5 2 2. - 1 - <_> - - <_> - 7 2 3 21 -1. - <_> - 7 9 3 7 3. - <_> - - <_> - 2 2 4 12 -1. - <_> - 2 2 2 6 2. - <_> - 4 8 2 6 2. - <_> - - <_> - 5 22 8 6 -1. - <_> - 7 22 4 6 2. - <_> - - <_> - 0 1 10 6 -1. - <_> - 0 1 5 3 2. - <_> - 5 4 5 3 2. - <_> - - <_> - 3 11 9 6 -1. - <_> - 3 13 9 2 3. - <_> - - <_> - 6 7 2 19 -1. - <_> - 7 7 1 19 2. - <_> - - <_> - 5 10 8 16 -1. - <_> - 7 10 4 16 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 10 13 4 15 -1. - <_> - 10 18 4 5 3. - <_> - - <_> - 2 1 10 10 -1. - <_> - 2 1 5 5 2. - <_> - 7 6 5 5 2. - <_> - - <_> - 7 19 2 7 -1. - <_> - 7 19 1 7 2. - 1 - <_> - - <_> - 2 14 9 6 -1. - <_> - 5 14 3 6 3. - <_> - - <_> - 4 13 10 14 -1. - <_> - 9 13 5 7 2. - <_> - 4 20 5 7 2. - <_> - - <_> - 1 7 12 15 -1. - <_> - 5 12 4 5 9. - <_> - - <_> - 6 2 2 24 -1. - <_> - 7 2 1 12 2. - <_> - 6 14 1 12 2. - <_> - - <_> - 5 3 4 12 -1. - <_> - 5 9 4 6 2. - <_> - - <_> - 8 24 6 4 -1. - <_> - 8 24 3 4 2. - <_> - - <_> - 0 24 6 4 -1. - <_> - 3 24 3 4 2. - <_> - - <_> - 1 8 12 4 -1. - <_> - 4 8 6 4 2. - <_> - - <_> - 5 5 4 9 -1. - <_> - 5 8 4 3 3. - <_> - - <_> - 9 18 4 6 -1. - <_> - 9 18 2 6 2. - <_> - - <_> - 2 20 8 8 -1. - <_> - 2 20 4 4 2. - <_> - 6 24 4 4 2. - <_> - - <_> - 11 15 2 8 -1. - <_> - 11 15 1 8 2. - 1 - <_> - - <_> - 3 15 8 2 -1. - <_> - 3 15 8 1 2. - 1 - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 9 2 6 2. - <_> - - <_> - 0 22 4 6 -1. - <_> - 2 22 2 6 2. - <_> - - <_> - 0 26 14 2 -1. - <_> - 0 26 7 2 2. - <_> - - <_> - 3 20 6 8 -1. - <_> - 3 20 3 4 2. - <_> - 6 24 3 4 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 4 13 4 12 -1. - <_> - 5 13 2 12 2. - <_> - - <_> - 1 22 12 2 -1. - <_> - 1 22 6 2 2. - <_> - - <_> - 0 24 12 4 -1. - <_> - 0 24 6 2 2. - <_> - 6 26 6 2 2. - <_> - - <_> - 5 8 6 4 -1. - <_> - 5 10 6 2 2. - <_> - - <_> - 0 3 12 3 -1. - <_> - 0 4 12 1 3. - <_> - - <_> - 7 4 6 6 -1. - <_> - 7 4 3 6 2. - 1 - <_> - - <_> - 7 4 6 6 -1. - <_> - 7 4 6 3 2. - 1 - <_> - - <_> - 8 3 6 8 -1. - <_> - 8 3 3 8 2. - 1 - <_> - - <_> - 0 6 6 5 -1. - <_> - 3 6 3 5 2. - <_> - - <_> - 8 3 3 12 -1. - <_> - 9 3 1 12 3. - <_> - - <_> - 6 0 2 22 -1. - <_> - 7 0 1 22 2. - <_> - - <_> - 8 3 3 12 -1. - <_> - 9 3 1 12 3. - <_> - - <_> - 3 3 3 12 -1. - <_> - 4 3 1 12 3. - <_> - - <_> - 6 6 3 12 -1. - <_> - 7 6 1 12 3. - <_> - - <_> - 5 15 2 12 -1. - <_> - 6 15 1 12 2. - <_> - - <_> - 5 8 6 10 -1. - <_> - 8 8 3 5 2. - <_> - 5 13 3 5 2. - <_> - - <_> - 2 8 10 10 -1. - <_> - 2 8 5 5 2. - <_> - 7 13 5 5 2. - <_> - - <_> - 7 9 6 10 -1. - <_> - 10 9 3 5 2. - <_> - 7 14 3 5 2. - <_> - - <_> - 0 4 12 3 -1. - <_> - 0 5 12 1 3. - <_> - - <_> - 9 16 2 12 -1. - <_> - 9 16 1 12 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 2 20 12 6 -1. - <_> - 6 20 4 6 3. - <_> - - <_> - 0 10 8 8 -1. - <_> - 2 10 4 8 2. - <_> - - <_> - 0 12 14 6 -1. - <_> - 0 15 14 3 2. - <_> - - <_> - 1 6 12 16 -1. - <_> - 1 14 12 8 2. - <_> - - <_> - 7 7 3 12 -1. - <_> - 8 7 1 12 3. - <_> - - <_> - 0 0 14 3 -1. - <_> - 0 1 14 1 3. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 0 17 6 7 -1. - <_> - 2 17 2 7 3. - <_> - - <_> - 6 24 6 4 -1. - <_> - 6 24 3 4 2. - <_> - - <_> - 0 9 6 7 -1. - <_> - 3 9 3 7 2. - <_> - - <_> - 7 9 6 18 -1. - <_> - 10 9 3 9 2. - <_> - 7 18 3 9 2. - <_> - - <_> - 0 22 12 5 -1. - <_> - 4 22 4 5 3. - <_> - - <_> - 7 9 6 10 -1. - <_> - 10 9 3 5 2. - <_> - 7 14 3 5 2. - <_> - - <_> - 1 9 6 10 -1. - <_> - 1 9 3 5 2. - <_> - 4 14 3 5 2. - <_> - - <_> - 8 22 4 6 -1. - <_> - 8 22 2 6 2. - <_> - - <_> - 0 16 6 8 -1. - <_> - 0 16 3 4 2. - <_> - 3 20 3 4 2. - <_> - - <_> - 4 0 6 8 -1. - <_> - 4 2 6 4 2. - <_> - - <_> - 5 3 4 9 -1. - <_> - 5 6 4 3 3. - <_> - - <_> - 9 8 4 19 -1. - <_> - 10 8 2 19 2. - <_> - - <_> - 5 8 4 6 -1. - <_> - 5 11 4 3 2. - <_> - - <_> - 7 2 7 6 -1. - <_> - 7 4 7 2 3. - <_> - - <_> - 0 16 2 12 -1. - <_> - 1 16 1 12 2. - <_> - - <_> - 11 0 3 17 -1. - <_> - 12 0 1 17 3. - <_> - - <_> - 0 0 3 17 -1. - <_> - 1 0 1 17 3. - <_> - - <_> - 5 13 4 14 -1. - <_> - 5 20 4 7 2. - <_> - - <_> - 6 15 8 4 -1. - <_> - 6 15 4 4 2. - 1 - <_> - - <_> - 5 17 8 6 -1. - <_> - 7 17 4 6 2. - <_> - - <_> - 1 17 8 6 -1. - <_> - 3 17 4 6 2. - <_> - - <_> - 5 11 4 6 -1. - <_> - 5 11 2 6 2. - <_> - - <_> - 3 13 8 13 -1. - <_> - 5 13 4 13 2. - <_> - - <_> - 3 6 8 4 -1. - <_> - 3 8 8 2 2. - <_> - - <_> - 7 5 6 4 -1. - <_> - 7 5 6 2 2. - 1 - <_> - - <_> - 4 9 6 8 -1. - <_> - 7 9 3 4 2. - <_> - 4 13 3 4 2. - <_> - - <_> - 6 4 2 24 -1. - <_> - 6 4 1 12 2. - <_> - 7 16 1 12 2. - <_> - - <_> - 7 24 6 4 -1. - <_> - 7 24 3 4 2. - <_> - - <_> - 7 20 5 3 -1. - <_> - 6 21 5 1 3. - 1 - <_> - - <_> - 3 15 9 12 -1. - <_> - 6 19 3 4 9. - <_> - - <_> - 1 20 8 7 -1. - <_> - 3 20 4 7 2. - <_> - - <_> - 10 12 2 14 -1. - <_> - 10 12 1 14 2. - <_> - - <_> - 2 12 2 14 -1. - <_> - 3 12 1 14 2. - <_> - - <_> - 3 6 8 4 -1. - <_> - 3 8 8 2 2. - <_> - - <_> - 3 9 8 8 -1. - <_> - 3 9 4 4 2. - <_> - 7 13 4 4 2. - <_> - - <_> - 1 2 12 24 -1. - <_> - 5 10 4 8 9. - <_> - - <_> - 2 8 10 3 -1. - <_> - 7 8 5 3 2. - <_> - - <_> - 4 15 8 8 -1. - <_> - 6 15 4 8 2. - <_> - - <_> - 7 15 4 4 -1. - <_> - 6 16 4 2 2. - 1 - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 4 16 3 12 -1. - <_> - 5 16 1 12 3. - <_> - - <_> - 7 8 3 12 -1. - <_> - 8 8 1 12 3. - <_> - - <_> - 4 8 3 12 -1. - <_> - 5 8 1 12 3. - <_> - - <_> - 10 17 4 6 -1. - <_> - 10 17 2 6 2. - <_> - - <_> - 5 4 2 24 -1. - <_> - 5 4 1 12 2. - <_> - 6 16 1 12 2. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 0 17 4 6 -1. - <_> - 2 17 2 6 2. - <_> - - <_> - 8 11 6 12 -1. - <_> - 11 11 3 6 2. - <_> - 8 17 3 6 2. - <_> - - <_> - 3 7 3 10 -1. - <_> - 3 12 3 5 2. - <_> - - <_> - 7 6 4 6 -1. - <_> - 7 6 4 3 2. - 1 - <_> - - <_> - 1 7 10 3 -1. - <_> - 6 7 5 3 2. - <_> - - <_> - 7 6 4 6 -1. - <_> - 7 6 4 3 2. - 1 - <_> - - <_> - 7 6 6 4 -1. - <_> - 7 6 3 4 2. - 1 - <_> - - <_> - 7 0 4 6 -1. - <_> - 7 3 4 3 2. - <_> - - <_> - 4 6 6 8 -1. - <_> - 4 6 3 4 2. - <_> - 7 10 3 4 2. - <_> - - <_> - 8 12 6 16 -1. - <_> - 8 20 6 8 2. - <_> - - <_> - 0 4 10 3 -1. - <_> - 5 4 5 3 2. - <_> - - <_> - 8 2 4 13 -1. - <_> - 8 2 2 13 2. - <_> - - <_> - 1 1 10 14 -1. - <_> - 1 1 5 7 2. - <_> - 6 8 5 7 2. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 0 25 8 3 -1. - <_> - 4 25 4 3 2. - <_> - - <_> - 6 13 3 13 -1. - <_> - 7 13 1 13 3. - <_> - - <_> - 1 24 6 4 -1. - <_> - 4 24 3 4 2. - <_> - - <_> - 8 8 4 7 -1. - <_> - 8 8 2 7 2. - <_> - - <_> - 0 7 12 3 -1. - <_> - 0 8 12 1 3. - <_> - - <_> - 4 6 6 6 -1. - <_> - 4 8 6 2 3. - <_> - - <_> - 3 9 7 4 -1. - <_> - 3 11 7 2 2. - <_> - - <_> - 5 7 4 18 -1. - <_> - 5 16 4 9 2. - <_> - - <_> - 4 1 5 26 -1. - <_> - 4 14 5 13 2. - <_> - - <_> - 6 22 8 6 -1. - <_> - 10 22 4 3 2. - <_> - 6 25 4 3 2. - <_> - - <_> - 0 22 8 6 -1. - <_> - 0 22 4 3 2. - <_> - 4 25 4 3 2. - <_> - - <_> - 5 21 8 6 -1. - <_> - 9 21 4 3 2. - <_> - 5 24 4 3 2. - <_> - - <_> - 3 0 6 4 -1. - <_> - 6 0 3 4 2. - <_> - - <_> - 6 1 6 5 -1. - <_> - 6 1 3 5 2. - <_> - - <_> - 5 6 4 12 -1. - <_> - 6 6 2 12 2. - <_> - - <_> - 8 8 4 7 -1. - <_> - 8 8 2 7 2. - <_> - - <_> - 2 8 4 7 -1. - <_> - 4 8 2 7 2. - <_> - - <_> - 6 12 8 3 -1. - <_> - 6 12 4 3 2. - <_> - - <_> - 1 11 9 5 -1. - <_> - 4 11 3 5 3. - <_> - - <_> - 10 3 4 14 -1. - <_> - 12 3 2 7 2. - <_> - 10 10 2 7 2. - <_> - - <_> - 0 2 4 14 -1. - <_> - 0 2 2 7 2. - <_> - 2 9 2 7 2. - <_> - - <_> - 1 9 13 6 -1. - <_> - 1 11 13 2 3. - <_> - - <_> - 7 17 4 2 -1. - <_> - 7 17 4 1 2. - 1 - <_> - - <_> - 10 15 3 6 -1. - <_> - 11 16 1 6 3. - 1 - <_> - - <_> - 4 15 6 3 -1. - <_> - 3 16 6 1 3. - 1 - <_> - - <_> - 7 19 2 7 -1. - <_> - 7 19 1 7 2. - 1 - <_> - - <_> - 0 18 12 9 -1. - <_> - 3 18 6 9 2. - <_> - - <_> - 7 19 2 7 -1. - <_> - 7 19 1 7 2. - 1 - <_> - - <_> - 7 19 7 2 -1. - <_> - 7 19 7 1 2. - 1 - <_> - - <_> - 7 15 3 13 -1. - <_> - 8 15 1 13 3. - <_> - - <_> - 2 16 8 7 -1. - <_> - 4 16 4 7 2. - <_> - - <_> - 4 21 10 6 -1. - <_> - 9 21 5 3 2. - <_> - 4 24 5 3 2. - <_> - - <_> - 0 21 10 6 -1. - <_> - 0 21 5 3 2. - <_> - 5 24 5 3 2. - <_> - - <_> - 8 14 6 7 -1. - <_> - 10 16 2 7 3. - 1 - <_> - - <_> - 0 20 12 4 -1. - <_> - 0 20 6 2 2. - <_> - 6 22 6 2 2. - <_> - - <_> - 1 14 12 10 -1. - <_> - 4 14 6 10 2. - <_> - - <_> - 3 18 6 4 -1. - <_> - 6 18 3 4 2. - <_> - - <_> - 11 11 2 16 -1. - <_> - 11 19 2 8 2. - <_> - - <_> - 3 10 6 14 -1. - <_> - 3 10 3 7 2. - <_> - 6 17 3 7 2. - <_> - - <_> - 6 9 4 6 -1. - <_> - 6 9 2 6 2. - <_> - - <_> - 5 16 3 12 -1. - <_> - 6 16 1 12 3. - <_> - - <_> - 2 3 12 18 -1. - <_> - 6 9 4 6 9. - <_> - - <_> - 3 4 6 10 -1. - <_> - 3 4 3 5 2. - <_> - 6 9 3 5 2. - <_> - - <_> - 7 18 6 4 -1. - <_> - 7 18 6 2 2. - 1 - <_> - - <_> - 7 18 4 6 -1. - <_> - 7 18 2 6 2. - 1 - <_> - - <_> - 5 8 4 13 -1. - <_> - 6 8 2 13 2. - <_> - - <_> - 2 6 3 12 -1. - <_> - 3 6 1 12 3. - <_> - - <_> - 2 15 12 12 -1. - <_> - 5 15 6 12 2. - <_> - - <_> - 4 15 4 12 -1. - <_> - 5 15 2 12 2. - <_> - - <_> - 4 19 9 9 -1. - <_> - 7 19 3 9 3. - <_> - - <_> - 7 16 5 4 -1. - <_> - 6 17 5 2 2. - 1 - <_> - - <_> - 6 14 6 8 -1. - <_> - 9 14 3 4 2. - <_> - 6 18 3 4 2. - <_> - - <_> - 2 14 6 8 -1. - <_> - 2 14 3 4 2. - <_> - 5 18 3 4 2. - <_> - - <_> - 3 2 10 16 -1. - <_> - 8 2 5 8 2. - <_> - 3 10 5 8 2. - <_> - - <_> - 5 15 3 12 -1. - <_> - 6 15 1 12 3. - <_> - - <_> - 8 23 6 4 -1. - <_> - 8 23 3 4 2. - <_> - - <_> - 4 2 4 14 -1. - <_> - 4 2 2 7 2. - <_> - 6 9 2 7 2. - <_> - - <_> - 3 7 8 6 -1. - <_> - 7 7 4 3 2. - <_> - 3 10 4 3 2. - <_> - - <_> - 2 4 4 6 -1. - <_> - 2 7 4 3 2. - <_> - - <_> - 7 0 6 24 -1. - <_> - 7 6 6 12 2. - <_> - - <_> - 0 13 6 14 -1. - <_> - 0 13 3 7 2. - <_> - 3 20 3 7 2. - <_> - - <_> - 4 19 10 6 -1. - <_> - 9 19 5 3 2. - <_> - 4 22 5 3 2. - <_> - - <_> - 0 19 10 6 -1. - <_> - 0 19 5 3 2. - <_> - 5 22 5 3 2. - <_> - - <_> - 4 18 8 10 -1. - <_> - 8 18 4 5 2. - <_> - 4 23 4 5 2. - <_> - - <_> - 2 18 8 10 -1. - <_> - 2 18 4 5 2. - <_> - 6 23 4 5 2. - <_> - - <_> - 5 14 4 14 -1. - <_> - 5 14 2 14 2. - <_> - - <_> - 1 2 10 16 -1. - <_> - 1 2 5 8 2. - <_> - 6 10 5 8 2. - <_> - - <_> - 0 12 14 16 -1. - <_> - 0 20 14 8 2. - <_> - - <_> - 2 3 10 6 -1. - <_> - 2 3 5 3 2. - <_> - 7 6 5 3 2. - <_> - - <_> - 10 1 3 26 -1. - <_> - 10 14 3 13 2. - <_> - - <_> - 0 9 4 18 -1. - <_> - 0 18 4 9 2. - <_> - - <_> - 8 21 4 6 -1. - <_> - 8 21 2 6 2. - <_> - - <_> - 2 6 9 8 -1. - <_> - 5 6 3 8 3. - <_> - - <_> - 9 21 4 6 -1. - <_> - 9 21 2 6 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 9 20 4 7 -1. - <_> - 9 20 2 7 2. - <_> - - <_> - 1 4 10 12 -1. - <_> - 6 4 5 12 2. - <_> - - <_> - 6 1 2 24 -1. - <_> - 6 9 2 8 3. - <_> - - <_> - 2 21 4 6 -1. - <_> - 4 21 2 6 2. - <_> - - <_> - 10 1 3 26 -1. - <_> - 10 14 3 13 2. - <_> - - <_> - 1 1 3 26 -1. - <_> - 1 14 3 13 2. - <_> - - <_> - 2 9 12 14 -1. - <_> - 8 9 6 7 2. - <_> - 2 16 6 7 2. - <_> - - <_> - 4 11 6 8 -1. - <_> - 4 15 6 4 2. - <_> - - <_> - 5 9 9 18 -1. - <_> - 5 15 9 6 3. - <_> - - <_> - 1 0 9 4 -1. - <_> - 4 0 3 4 3. - <_> - - <_> - 5 7 4 6 -1. - <_> - 5 10 4 3 2. - <_> - - <_> - 3 7 8 4 -1. - <_> - 3 9 8 2 2. - <_> - - <_> - 2 16 12 6 -1. - <_> - 8 16 6 3 2. - <_> - 2 19 6 3 2. - <_> - - <_> - 1 2 8 22 -1. - <_> - 1 2 4 11 2. - <_> - 5 13 4 11 2. - <_> - - <_> - 7 19 6 7 -1. - <_> - 9 19 2 7 3. - <_> - - <_> - 6 7 2 18 -1. - <_> - 6 13 2 6 3. - <_> - - <_> - 5 8 8 16 -1. - <_> - 5 12 8 8 2. - <_> - - <_> - 5 20 6 2 -1. - <_> - 5 20 6 1 2. - 1 - <_> - - <_> - 10 19 3 6 -1. - <_> - 11 20 1 6 3. - 1 - <_> - - <_> - 1 22 12 6 -1. - <_> - 4 22 6 6 2. - <_> - - <_> - 2 25 12 3 -1. - <_> - 2 25 6 3 2. - <_> - - <_> - 4 19 6 3 -1. - <_> - 3 20 6 1 3. - 1 - <_> - - <_> - 7 20 6 7 -1. - <_> - 9 20 2 7 3. - <_> - - <_> - 0 17 12 10 -1. - <_> - 4 17 4 10 3. - <_> - - <_> - 1 18 12 4 -1. - <_> - 4 18 6 4 2. - <_> - - <_> - 1 19 6 7 -1. - <_> - 3 19 2 7 3. - <_> - - <_> - 10 22 4 6 -1. - <_> - 10 22 2 6 2. - <_> - - <_> - 1 4 2 24 -1. - <_> - 1 4 1 12 2. - <_> - 2 16 1 12 2. - <_> - - <_> - 10 5 4 10 -1. - <_> - 10 5 2 10 2. - <_> - - <_> - 0 5 4 10 -1. - <_> - 2 5 2 10 2. - <_> - - <_> - 8 10 3 15 -1. - <_> - 9 10 1 15 3. - <_> - - <_> - 3 10 3 15 -1. - <_> - 4 10 1 15 3. - <_> - - <_> - 8 7 3 17 -1. - <_> - 9 7 1 17 3. - <_> - - <_> - 3 7 3 17 -1. - <_> - 4 7 1 17 3. - <_> - - <_> - 9 0 3 13 -1. - <_> - 10 0 1 13 3. - <_> - - <_> - 2 0 3 13 -1. - <_> - 3 0 1 13 3. - <_> - - <_> - 1 3 12 5 -1. - <_> - 4 3 6 5 2. - <_> - - <_> - 6 0 7 6 -1. - <_> - 4 2 7 2 3. - 1 - <_> - - <_> - 7 2 4 8 -1. - <_> - 7 2 2 8 2. - <_> - - <_> - 6 4 2 12 -1. - <_> - 7 4 1 12 2. - <_> - - <_> - 9 16 3 6 -1. - <_> - 10 17 1 6 3. - 1 - <_> - - <_> - 5 8 4 6 -1. - <_> - 7 8 2 6 2. - <_> - - <_> - 1 5 12 21 -1. - <_> - 4 5 6 21 2. - <_> - - <_> - 2 3 12 18 -1. - <_> - 2 9 12 6 3. - <_> - - <_> - 1 1 12 4 -1. - <_> - 4 1 6 4 2. - <_> - - <_> - 6 13 3 13 -1. - <_> - 7 13 1 13 3. - <_> - - <_> - 1 1 6 12 -1. - <_> - 1 1 3 6 2. - <_> - 4 7 3 6 2. - <_> - - <_> - 7 6 6 6 -1. - <_> - 9 6 2 6 3. - <_> - - <_> - 1 6 6 6 -1. - <_> - 3 6 2 6 3. - <_> - - <_> - 7 2 6 13 -1. - <_> - 9 2 2 13 3. - <_> - - <_> - 1 2 6 13 -1. - <_> - 3 2 2 13 3. - <_> - - <_> - 4 0 6 28 -1. - <_> - 6 0 2 28 3. - <_> - - <_> - 0 13 14 3 -1. - <_> - 0 14 14 1 3. - <_> - - <_> - 10 20 4 7 -1. - <_> - 10 20 2 7 2. - <_> - - <_> - 5 8 2 12 -1. - <_> - 6 8 1 12 2. - <_> - - <_> - 5 16 4 8 -1. - <_> - 5 16 2 8 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 5 0 6 8 -1. - <_> - 8 0 3 4 2. - <_> - 5 4 3 4 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 10 20 4 7 -1. - <_> - 10 20 2 7 2. - <_> - - <_> - 4 15 4 12 -1. - <_> - 5 15 2 12 2. - <_> - - <_> - 7 16 4 6 -1. - <_> - 7 16 2 6 2. - 1 - <_> - - <_> - 3 2 6 9 -1. - <_> - 6 2 3 9 2. - <_> - - <_> - 2 2 12 2 -1. - <_> - 2 2 6 2 2. - <_> - - <_> - 0 2 12 2 -1. - <_> - 6 2 6 2 2. - <_> - - <_> - 6 1 6 4 -1. - <_> - 6 1 3 4 2. - <_> - - <_> - 0 2 4 6 -1. - <_> - 0 5 4 3 2. - <_> - - <_> - 5 4 8 4 -1. - <_> - 5 6 8 2 2. - <_> - - <_> - 1 8 12 2 -1. - <_> - 1 9 12 1 2. - <_> - - <_> - 8 7 6 8 -1. - <_> - 8 9 6 4 2. - <_> - - <_> - 0 7 6 8 -1. - <_> - 0 9 6 4 2. - <_> - - <_> - 11 15 2 12 -1. - <_> - 11 15 1 12 2. - <_> - - <_> - 2 15 3 12 -1. - <_> - 3 15 1 12 3. - <_> - - <_> - 11 15 2 12 -1. - <_> - 11 15 1 12 2. - <_> - - <_> - 1 12 6 16 -1. - <_> - 1 12 3 8 2. - <_> - 4 20 3 8 2. - <_> - - <_> - 4 10 10 5 -1. - <_> - 4 10 5 5 2. - <_> - - <_> - 4 16 8 3 -1. - <_> - 3 17 8 1 3. - 1 - <_> - - <_> - 2 25 12 3 -1. - <_> - 6 25 4 3 3. - <_> - - <_> - 1 10 10 8 -1. - <_> - 1 10 5 4 2. - <_> - 6 14 5 4 2. - <_> - - <_> - 0 12 14 6 -1. - <_> - 7 12 7 3 2. - <_> - 0 15 7 3 2. - <_> - - <_> - 2 20 8 8 -1. - <_> - 2 20 4 4 2. - <_> - 6 24 4 4 2. - <_> - - <_> - 12 16 2 7 -1. - <_> - 12 16 1 7 2. - 1 - <_> - - <_> - 1 17 12 4 -1. - <_> - 4 17 6 4 2. - <_> - - <_> - 5 9 6 14 -1. - <_> - 7 9 2 14 3. - <_> - - <_> - 3 9 6 14 -1. - <_> - 5 9 2 14 3. - <_> - - <_> - 3 8 9 12 -1. - <_> - 6 12 3 4 9. - <_> - - <_> - 5 4 4 19 -1. - <_> - 7 4 2 19 2. - <_> - - <_> - 5 5 4 19 -1. - <_> - 5 5 2 19 2. - <_> - - <_> - 2 10 10 18 -1. - <_> - 2 10 5 9 2. - <_> - 7 19 5 9 2. - <_> - - <_> - 3 3 9 15 -1. - <_> - 3 8 9 5 3. - <_> - - <_> - 3 7 8 12 -1. - <_> - 3 11 8 4 3. - <_> - - <_> - 6 9 6 8 -1. - <_> - 6 11 6 4 2. - <_> - - <_> - 1 16 2 12 -1. - <_> - 2 16 1 12 2. - <_> - - <_> - 11 3 3 18 -1. - <_> - 11 12 3 9 2. - <_> - - <_> - 0 3 3 18 -1. - <_> - 0 12 3 9 2. - <_> - - <_> - 2 8 10 6 -1. - <_> - 7 8 5 3 2. - <_> - 2 11 5 3 2. - <_> - - <_> - 0 3 3 23 -1. - <_> - 1 3 1 23 3. - <_> - - <_> - 7 3 6 5 -1. - <_> - 7 3 3 5 2. - <_> - - <_> - 2 0 10 28 -1. - <_> - 2 14 10 14 2. - <_> - - <_> - 6 17 8 6 -1. - <_> - 10 17 4 3 2. - <_> - 6 20 4 3 2. - <_> - - <_> - 4 13 4 14 -1. - <_> - 4 13 2 7 2. - <_> - 6 20 2 7 2. - <_> - - <_> - 12 7 2 12 -1. - <_> - 12 7 1 12 2. - <_> - - <_> - 1 3 6 5 -1. - <_> - 4 3 3 5 2. - <_> - - <_> - 12 7 2 12 -1. - <_> - 12 7 1 12 2. - <_> - - <_> - 0 7 2 12 -1. - <_> - 1 7 1 12 2. - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 0 10 10 5 -1. - <_> - 5 10 5 5 2. - <_> - - <_> - 2 9 12 8 -1. - <_> - 5 9 6 8 2. - <_> - - <_> - 0 7 4 12 -1. - <_> - 2 7 2 12 2. - <_> - - <_> - 11 16 3 6 -1. - <_> - 12 17 1 6 3. - 1 - <_> - - <_> - 5 16 2 12 -1. - <_> - 6 16 1 12 2. - <_> - - <_> - 11 16 3 6 -1. - <_> - 12 17 1 6 3. - 1 - <_> - - <_> - 6 6 2 14 -1. - <_> - 7 6 1 14 2. - <_> - - <_> - 3 2 8 11 -1. - <_> - 5 2 4 11 2. - <_> - - <_> - 5 3 3 22 -1. - <_> - 6 3 1 22 3. - <_> - - <_> - 5 7 4 6 -1. - <_> - 5 10 4 3 2. - <_> - - <_> - 4 9 6 4 -1. - <_> - 4 11 6 2 2. - <_> - - <_> - 5 25 8 3 -1. - <_> - 5 25 4 3 2. - <_> - - <_> - 4 6 6 4 -1. - <_> - 4 8 6 2 2. - <_> - - <_> - 4 5 10 8 -1. - <_> - 4 9 10 4 2. - <_> - - <_> - 0 12 6 6 -1. - <_> - 0 15 6 3 2. - <_> - - <_> - 5 25 8 3 -1. - <_> - 5 25 4 3 2. - <_> - - <_> - 0 13 10 6 -1. - <_> - 0 13 5 3 2. - <_> - 5 16 5 3 2. - <_> - - <_> - 6 7 3 15 -1. - <_> - 7 7 1 15 3. - <_> - - <_> - 0 1 14 15 -1. - <_> - 0 6 14 5 3. - <_> - - <_> - 6 4 8 8 -1. - <_> - 6 6 8 4 2. - <_> - - <_> - 0 10 12 8 -1. - <_> - 0 12 12 4 2. - <_> - - <_> - 8 1 6 6 -1. - <_> - 8 3 6 2 3. - <_> - - <_> - 0 1 6 6 -1. - <_> - 0 3 6 2 3. - <_> - - <_> - 5 25 8 3 -1. - <_> - 5 25 4 3 2. - <_> - - <_> - 4 0 6 6 -1. - <_> - 6 0 2 6 3. - <_> - - <_> - 1 16 12 4 -1. - <_> - 4 16 6 4 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 6 2 2. - 1 - <_> - - <_> - 6 4 4 6 -1. - <_> - 6 4 2 6 2. - 1 - <_> - - <_> - 4 4 6 4 -1. - <_> - 4 6 6 2 2. - <_> - - <_> - 6 15 7 4 -1. - <_> - 6 15 7 2 2. - 1 - <_> - - <_> - 4 4 6 4 -1. - <_> - 4 6 6 2 2. - <_> - - <_> - 4 4 6 4 -1. - <_> - 4 6 6 2 2. - <_> - - <_> - 8 2 3 12 -1. - <_> - 9 2 1 12 3. - <_> - - <_> - 3 2 3 12 -1. - <_> - 4 2 1 12 3. - <_> - - <_> - 4 0 8 28 -1. - <_> - 6 0 4 28 2. - <_> - - <_> - 2 0 8 28 -1. - <_> - 4 0 4 28 2. - <_> - - <_> - 8 15 4 8 -1. - <_> - 8 15 2 8 2. - <_> - - <_> - 0 22 8 6 -1. - <_> - 0 22 4 3 2. - <_> - 4 25 4 3 2. - <_> - - <_> - 7 20 4 4 -1. - <_> - 8 21 2 4 2. - 1 - <_> - - <_> - 4 15 6 6 -1. - <_> - 6 15 2 6 3. - <_> - - <_> - 4 10 6 9 -1. - <_> - 6 10 2 9 3. - <_> - - <_> - 5 8 4 17 -1. - <_> - 6 8 2 17 2. - <_> - - <_> - 7 16 2 12 -1. - <_> - 7 16 1 12 2. - <_> - - <_> - 6 11 2 12 -1. - <_> - 7 11 1 12 2. - <_> - - <_> - 0 12 14 12 -1. - <_> - 0 12 7 12 2. - <_> - - <_> - 0 4 4 24 -1. - <_> - 0 10 4 12 2. - <_> - - <_> - 8 0 4 8 -1. - <_> - 8 4 4 4 2. - <_> - - <_> - 1 24 12 4 -1. - <_> - 4 24 6 4 2. - <_> - - <_> - 5 9 8 18 -1. - <_> - 5 18 8 9 2. - <_> - - <_> - 1 4 3 22 -1. - <_> - 2 4 1 22 3. - <_> - - <_> - 11 16 2 12 -1. - <_> - 11 16 1 12 2. - <_> - - <_> - 1 16 2 12 -1. - <_> - 2 16 1 12 2. - <_> - - <_> - 4 1 8 6 -1. - <_> - 8 1 4 3 2. - <_> - 4 4 4 3 2. - <_> - - <_> - 2 1 8 6 -1. - <_> - 2 1 4 3 2. - <_> - 6 4 4 3 2. - <_> - - <_> - 4 0 8 20 -1. - <_> - 4 10 8 10 2. - <_> - - <_> - 0 5 9 6 -1. - <_> - 0 8 9 3 2. - <_> - - <_> - 3 4 8 16 -1. - <_> - 3 8 8 8 2. - <_> - - <_> - 3 11 6 16 -1. - <_> - 3 19 6 8 2. - <_> - - <_> - 4 9 6 12 -1. - <_> - 7 9 3 6 2. - <_> - 4 15 3 6 2. - <_> - - <_> - 7 20 4 3 -1. - <_> - 6 21 4 1 3. - 1 - <_> - - <_> - 2 6 12 2 -1. - <_> - 2 7 12 1 2. - <_> - - <_> - 4 2 6 4 -1. - <_> - 4 2 6 2 2. - 1 - <_> - - <_> - 8 1 6 5 -1. - <_> - 8 1 3 5 2. - 1 - <_> - - <_> - 7 4 4 6 -1. - <_> - 7 4 4 3 2. - 1 - <_> - - <_> - 4 5 6 20 -1. - <_> - 4 10 6 10 2. - <_> - - <_> - 2 8 4 13 -1. - <_> - 4 8 2 13 2. - <_> - - <_> - 0 0 14 8 -1. - <_> - 7 0 7 4 2. - <_> - 0 4 7 4 2. - <_> - - <_> - 5 0 4 6 -1. - <_> - 7 0 2 6 2. - <_> - - <_> - 6 2 4 12 -1. - <_> - 6 6 4 4 3. - <_> - - <_> - 2 14 4 7 -1. - <_> - 4 14 2 7 2. - <_> - - <_> - 5 4 6 4 -1. - <_> - 5 4 3 4 2. - <_> - - <_> - 3 0 8 19 -1. - <_> - 7 0 4 19 2. - <_> - - <_> - 5 5 4 15 -1. - <_> - 5 5 2 15 2. - <_> - - <_> - 1 11 12 3 -1. - <_> - 1 12 12 1 3. - <_> - - <_> - 5 4 6 4 -1. - <_> - 5 4 3 4 2. - <_> - - <_> - 1 10 5 6 -1. - <_> - 1 13 5 3 2. - <_> - - <_> - 5 4 6 4 -1. - <_> - 5 4 3 4 2. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 5 4 6 4 -1. - <_> - 5 4 3 4 2. - <_> - - <_> - 3 4 6 4 -1. - <_> - 6 4 3 4 2. - <_> - - <_> - 8 22 4 6 -1. - <_> - 8 22 2 6 2. - <_> - - <_> - 2 22 4 6 -1. - <_> - 4 22 2 6 2. - <_> - - <_> - 8 22 4 6 -1. - <_> - 8 22 2 6 2. - <_> - - <_> - 2 22 4 6 -1. - <_> - 4 22 2 6 2. - <_> - - <_> - 0 13 14 3 -1. - <_> - 0 14 14 1 3. - <_> - - <_> - 7 19 7 2 -1. - <_> - 7 19 7 1 2. - 1 - <_> - - <_> - 6 9 6 12 -1. - <_> - 6 13 6 4 3. - <_> - - <_> - 0 26 12 2 -1. - <_> - 6 26 6 2 2. - <_> - - <_> - 2 25 12 3 -1. - <_> - 2 25 6 3 2. - <_> - - <_> - 0 24 14 4 -1. - <_> - 0 24 7 2 2. - <_> - 7 26 7 2 2. - <_> - - <_> - 12 3 2 12 -1. - <_> - 12 3 1 12 2. - 1 - <_> - - <_> - 3 2 4 12 -1. - <_> - 3 2 2 6 2. - <_> - 5 8 2 6 2. - <_> - - <_> - 6 1 3 17 -1. - <_> - 7 1 1 17 3. - <_> - - <_> - 3 6 8 7 -1. - <_> - 5 6 4 7 2. - <_> - - <_> - 6 0 3 12 -1. - <_> - 7 0 1 12 3. - <_> - - <_> - 5 0 3 12 -1. - <_> - 6 0 1 12 3. - <_> - - <_> - 6 1 3 17 -1. - <_> - 7 1 1 17 3. - <_> - - <_> - 3 8 8 8 -1. - <_> - 3 8 4 4 2. - <_> - 7 12 4 4 2. - <_> - - <_> - 8 15 3 12 -1. - <_> - 9 15 1 12 3. - <_> - - <_> - 0 16 10 12 -1. - <_> - 0 16 5 6 2. - <_> - 5 22 5 6 2. - <_> - - <_> - 6 2 8 22 -1. - <_> - 10 2 4 11 2. - <_> - 6 13 4 11 2. - <_> - - <_> - 0 25 12 3 -1. - <_> - 6 25 6 3 2. - <_> - - <_> - 2 14 12 14 -1. - <_> - 2 14 6 14 2. - <_> - - <_> - 2 14 8 10 -1. - <_> - 4 14 4 10 2. - <_> - - <_> - 5 13 6 14 -1. - <_> - 7 13 2 14 3. - <_> - - <_> - 3 13 6 14 -1. - <_> - 5 13 2 14 3. - <_> - - <_> - 4 12 8 13 -1. - <_> - 6 12 4 13 2. - <_> - - <_> - 2 12 8 13 -1. - <_> - 4 12 4 13 2. - <_> - - <_> - 3 22 10 6 -1. - <_> - 8 22 5 3 2. - <_> - 3 25 5 3 2. - <_> - - <_> - 1 22 10 6 -1. - <_> - 1 22 5 3 2. - <_> - 6 25 5 3 2. - <_> - - <_> - 8 5 6 9 -1. - <_> - 8 8 6 3 3. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 8 6 3 2. - <_> - 6 11 6 3 2. - <_> - - <_> - 9 6 3 13 -1. - <_> - 10 6 1 13 3. - <_> - - <_> - 0 2 5 24 -1. - <_> - 0 14 5 12 2. - <_> - - <_> - 11 11 3 8 -1. - <_> - 11 15 3 4 2. - <_> - - <_> - 5 1 3 17 -1. - <_> - 6 1 1 17 3. - <_> - - <_> - 5 5 8 8 -1. - <_> - 7 5 4 8 2. - <_> - - <_> - 3 16 2 12 -1. - <_> - 4 16 1 12 2. - <_> - - <_> - 6 3 6 18 -1. - <_> - 8 9 2 6 9. - <_> - - <_> - 4 2 4 12 -1. - <_> - 4 6 4 4 3. - <_> - - <_> - 5 1 4 12 -1. - <_> - 5 4 4 6 2. - <_> - - <_> - 1 0 12 12 -1. - <_> - 5 4 4 4 9. - <_> - - <_> - 6 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 2 0 6 5 -1. - <_> - 5 0 3 5 2. - <_> - - <_> - 6 5 3 21 -1. - <_> - 7 5 1 21 3. - <_> - - <_> - 1 0 6 24 -1. - <_> - 1 0 3 12 2. - <_> - 4 12 3 12 2. - <_> - - <_> - 8 18 4 6 -1. - <_> - 9 19 2 6 2. - 1 - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 5 24 9 4 -1. - <_> - 8 24 3 4 3. - <_> - - <_> - 0 20 8 6 -1. - <_> - 2 20 4 6 2. - <_> - - <_> - 7 22 6 6 -1. - <_> - 9 22 2 6 3. - <_> - - <_> - 1 22 6 6 -1. - <_> - 3 22 2 6 3. - <_> - - <_> - 1 15 6 11 -1. - <_> - 3 15 2 11 3. - <_> - - <_> - 4 6 6 4 -1. - <_> - 4 8 6 2 2. - <_> - - <_> - 0 16 4 11 -1. - <_> - 2 16 2 11 2. - <_> - - <_> - 8 16 6 6 -1. - <_> - 10 16 2 6 3. - <_> - - <_> - 0 16 12 12 -1. - <_> - 4 20 4 4 9. - <_> - - <_> - 8 10 6 18 -1. - <_> - 8 16 6 6 3. - <_> - - <_> - 0 12 5 16 -1. - <_> - 0 20 5 8 2. - <_> - - <_> - 11 12 3 16 -1. - <_> - 11 16 3 8 2. - <_> - - <_> - 0 13 14 12 -1. - <_> - 0 13 7 6 2. - <_> - 7 19 7 6 2. - <_> - - <_> - 3 12 10 16 -1. - <_> - 8 12 5 8 2. - <_> - 3 20 5 8 2. - <_> - - <_> - 3 11 5 12 -1. - <_> - 3 17 5 6 2. - <_> - - <_> - 6 0 6 18 -1. - <_> - 8 6 2 6 9. - <_> - - <_> - 6 4 2 14 -1. - <_> - 6 11 2 7 2. - <_> - - <_> - 3 15 8 11 -1. - <_> - 5 15 4 11 2. - <_> - - <_> - 3 2 8 11 -1. - <_> - 5 2 4 11 2. - <_> - - <_> - 1 4 12 5 -1. - <_> - 5 4 4 5 3. - <_> - - <_> - 1 3 8 25 -1. - <_> - 5 3 4 25 2. - <_> - - <_> - 8 16 6 6 -1. - <_> - 10 16 2 6 3. - <_> - - <_> - 0 16 6 6 -1. - <_> - 2 16 2 6 3. - <_> - - <_> - 7 13 3 14 -1. - <_> - 8 13 1 14 3. - <_> - - <_> - 2 8 4 12 -1. - <_> - 2 8 2 6 2. - <_> - 4 14 2 6 2. - <_> - - <_> - 7 13 3 14 -1. - <_> - 8 13 1 14 3. - <_> - - <_> - 4 13 3 14 -1. - <_> - 5 13 1 14 3. - <_> - - <_> - 5 3 9 6 -1. - <_> - 5 5 9 2 3. - <_> - - <_> - 3 8 6 4 -1. - <_> - 3 10 6 2 2. - <_> - - <_> - 11 3 3 12 -1. - <_> - 11 7 3 4 3. - <_> - - <_> - 0 8 8 3 -1. - <_> - 4 8 4 3 2. - <_> - - <_> - 1 13 12 8 -1. - <_> - 7 13 6 4 2. - <_> - 1 17 6 4 2. - <_> - - <_> - 2 18 10 10 -1. - <_> - 7 18 5 10 2. - <_> - - <_> - 5 8 4 6 -1. - <_> - 5 8 2 6 2. - <_> - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - <_> - - <_> - 8 1 6 8 -1. - <_> - 11 1 3 4 2. - <_> - 8 5 3 4 2. - <_> - - <_> - 0 1 6 8 -1. - <_> - 0 1 3 4 2. - <_> - 3 5 3 4 2. - <_> - - <_> - 7 18 2 7 -1. - <_> - 7 18 1 7 2. - 1 - <_> - - <_> - 7 18 7 2 -1. - <_> - 7 18 7 1 2. - 1 - <_> - - <_> - 4 22 9 4 -1. - <_> - 7 22 3 4 3. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 7 5 3 2. - <_> - - <_> - 11 3 3 12 -1. - <_> - 11 7 3 4 3. - <_> - - <_> - 0 3 3 12 -1. - <_> - 0 7 3 4 3. - <_> - - <_> - 5 0 6 8 -1. - <_> - 8 0 3 4 2. - <_> - 5 4 3 4 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 8 3 2 12 -1. - <_> - 8 3 1 12 2. - <_> - - <_> - 0 6 9 8 -1. - <_> - 0 8 9 4 2. - <_> - - <_> - 4 2 6 4 -1. - <_> - 4 4 6 2 2. - <_> - - <_> - 1 18 4 10 -1. - <_> - 3 18 2 10 2. - <_> - - <_> - 9 18 4 6 -1. - <_> - 9 18 2 6 2. - <_> - - <_> - 1 2 12 3 -1. - <_> - 1 3 12 1 3. - <_> - - <_> - 9 18 4 6 -1. - <_> - 9 18 2 6 2. - <_> - - <_> - 0 2 14 3 -1. - <_> - 0 3 14 1 3. - <_> - - <_> - 9 19 4 6 -1. - <_> - 9 19 2 6 2. - <_> - - <_> - 1 19 4 6 -1. - <_> - 3 19 2 6 2. - <_> - - <_> - 8 7 3 15 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 7 20 4 4 -1. - <_> - 6 21 4 2 2. - 1 - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 3 2 6 2. - <_> - - <_> - 1 3 4 6 -1. - <_> - 3 3 2 6 2. - <_> - - <_> - 8 7 3 15 -1. - <_> - 8 12 3 5 3. - <_> - - <_> - 3 7 3 15 -1. - <_> - 3 12 3 5 3. - <_> - - <_> - 9 12 2 12 -1. - <_> - 9 18 2 6 2. - <_> - - <_> - 3 12 2 12 -1. - <_> - 3 18 2 6 2. - <_> - - <_> - 8 0 5 6 -1. - <_> - 8 3 5 3 2. - <_> - - <_> - 1 0 5 6 -1. - <_> - 1 3 5 3 2. - <_> - - <_> - 3 6 8 8 -1. - <_> - 3 8 8 4 2. - <_> - - <_> - 2 4 6 14 -1. - <_> - 4 4 2 14 3. - <_> - - <_> - 5 10 7 16 -1. - <_> - 5 18 7 8 2. - <_> - - <_> - 4 10 6 10 -1. - <_> - 6 10 2 10 3. - <_> - - <_> - 5 10 4 12 -1. - <_> - 5 13 4 6 2. - <_> - - <_> - 2 0 6 18 -1. - <_> - 4 6 2 6 9. - <_> - - <_> - 1 11 12 4 -1. - <_> - 1 12 12 2 2. - <_> - - <_> - 7 15 5 2 -1. - <_> - 7 15 5 1 2. - 1 - <_> - - <_> - 4 24 6 4 -1. - <_> - 4 24 3 4 2. - <_> - - <_> - 5 18 5 4 -1. - <_> - 4 19 5 2 2. - 1 - <_> - - <_> - 3 1 6 25 -1. - <_> - 6 1 3 25 2. - <_> - - <_> - 6 13 2 12 -1. - <_> - 6 13 1 12 2. - <_> - - <_> - 6 4 2 13 -1. - <_> - 7 4 1 13 2. - <_> - - <_> - 8 2 6 19 -1. - <_> - 10 2 2 19 3. - <_> - - <_> - 0 2 6 19 -1. - <_> - 2 2 2 19 3. - <_> - - <_> - 9 1 4 13 -1. - <_> - 10 1 2 13 2. - <_> - - <_> - 1 1 4 13 -1. - <_> - 2 1 2 13 2. - <_> - - <_> - 3 3 8 3 -1. - <_> - 3 3 4 3 2. - <_> - - <_> - 2 5 10 18 -1. - <_> - 2 11 10 6 3. - <_> - - <_> - 3 8 9 12 -1. - <_> - 6 12 3 4 9. - <_> - - <_> - 4 4 6 4 -1. - <_> - 4 6 6 2 2. - <_> - - <_> - 4 8 10 8 -1. - <_> - 9 8 5 4 2. - <_> - 4 12 5 4 2. - <_> - - <_> - 2 8 6 6 -1. - <_> - 4 8 2 6 3. - <_> - - <_> - 4 10 6 10 -1. - <_> - 7 10 3 5 2. - <_> - 4 15 3 5 2. - <_> - - <_> - 3 9 8 14 -1. - <_> - 3 9 4 7 2. - <_> - 7 16 4 7 2. - <_> - - <_> - 4 7 6 20 -1. - <_> - 7 7 3 10 2. - <_> - 4 17 3 10 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 0 3 4 2. - <_> - 6 4 3 4 2. - <_> - - <_> - 7 5 4 6 -1. - <_> - 7 5 2 6 2. - <_> - - <_> - 3 7 8 8 -1. - <_> - 3 7 4 4 2. - <_> - 7 11 4 4 2. - <_> - - <_> - 5 9 6 4 -1. - <_> - 5 11 6 2 2. - <_> - - <_> - 0 9 4 9 -1. - <_> - 0 12 4 3 3. - <_> - - <_> - 8 6 4 12 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 1 7 10 6 -1. - <_> - 1 9 10 2 3. - <_> - - <_> - 0 7 14 12 -1. - <_> - 0 10 14 6 2. - <_> - - <_> - 3 9 6 4 -1. - <_> - 3 11 6 2 2. - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 1 2 8 2. - 1 - <_> - - <_> - 2 6 4 12 -1. - <_> - 2 10 4 4 3. - <_> - - <_> - 2 16 12 4 -1. - <_> - 8 16 6 2 2. - <_> - 2 18 6 2 2. - <_> - - <_> - 7 20 4 4 -1. - <_> - 6 21 4 2 2. - 1 - <_> - - <_> - 9 16 2 12 -1. - <_> - 9 16 1 12 2. - <_> - - <_> - 5 18 5 4 -1. - <_> - 4 19 5 2 2. - 1 - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 1 2 8 2. - 1 - <_> - - <_> - 2 6 9 7 -1. - <_> - 5 6 3 7 3. - <_> - - <_> - 3 6 8 12 -1. - <_> - 3 9 8 6 2. - <_> - - <_> - 0 0 9 21 -1. - <_> - 3 7 3 7 9. - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 1 2 8 2. - 1 - <_> - - <_> - 2 1 5 18 -1. - <_> - 2 10 5 9 2. - <_> - - <_> - 8 1 6 7 -1. - <_> - 8 1 3 7 2. - 1 - <_> - - <_> - 0 3 2 16 -1. - <_> - 1 3 1 16 2. - <_> - - <_> - 9 18 4 8 -1. - <_> - 9 18 2 8 2. - <_> - - <_> - 0 18 12 9 -1. - <_> - 3 18 6 9 2. - <_> - - <_> - 1 2 12 3 -1. - <_> - 5 2 4 3 3. - <_> - - <_> - 6 1 7 6 -1. - <_> - 6 1 7 3 2. - 1 - <_> - - <_> - 6 9 3 13 -1. - <_> - 7 9 1 13 3. - <_> - - <_> - 6 1 6 6 -1. - <_> - 6 1 6 3 2. - 1 - <_> - - <_> - 6 4 4 11 -1. - <_> - 6 4 2 11 2. - <_> - - <_> - 4 4 4 11 -1. - <_> - 6 4 2 11 2. - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 1 2 8 2. - 1 - <_> - - <_> - 1 20 4 8 -1. - <_> - 3 20 2 8 2. - <_> - - <_> - 9 22 4 6 -1. - <_> - 9 22 2 6 2. - <_> - - <_> - 1 22 4 6 -1. - <_> - 3 22 2 6 2. - <_> - - <_> - 9 0 3 22 -1. - <_> - 10 0 1 22 3. - <_> - - <_> - 3 21 8 6 -1. - <_> - 5 21 4 6 2. - <_> - - <_> - 6 11 3 15 -1. - <_> - 7 11 1 15 3. - <_> - - <_> - 6 1 8 4 -1. - <_> - 6 1 8 2 2. - 1 - <_> - - <_> - 2 16 12 4 -1. - <_> - 8 16 6 2 2. - <_> - 2 18 6 2 2. - <_> - - <_> - 0 16 12 4 -1. - <_> - 0 16 6 2 2. - <_> - 6 18 6 2 2. - <_> - - <_> - 6 10 3 12 -1. - <_> - 6 14 3 4 3. - <_> - - <_> - 4 13 6 14 -1. - <_> - 4 20 6 7 2. - <_> - - <_> - 3 9 9 15 -1. - <_> - 6 14 3 5 9. - <_> - - <_> - 4 10 9 4 -1. - <_> - 7 13 3 4 3. - 1 - <_> - - <_> - 3 7 8 7 -1. - <_> - 3 7 4 7 2. - <_> - - <_> - 4 9 4 6 -1. - <_> - 6 9 2 6 2. - <_> - - <_> - 4 9 6 11 -1. - <_> - 6 9 2 11 3. - <_> - - <_> - 1 11 4 12 -1. - <_> - 1 15 4 4 3. - <_> - - <_> - 9 0 2 12 -1. - <_> - 9 0 1 12 2. - <_> - - <_> - 2 4 4 16 -1. - <_> - 2 4 2 8 2. - <_> - 4 12 2 8 2. - <_> - - <_> - 5 8 5 14 -1. - <_> - 5 15 5 7 2. - <_> - - <_> - 2 0 3 22 -1. - <_> - 3 0 1 22 3. - <_> - - <_> - 6 25 8 3 -1. - <_> - 6 25 4 3 2. - <_> - - <_> - 1 6 8 22 -1. - <_> - 1 17 8 11 2. - <_> - - <_> - 4 15 6 8 -1. - <_> - 7 15 3 4 2. - <_> - 4 19 3 4 2. - <_> - - <_> - 5 13 4 14 -1. - <_> - 5 13 2 7 2. - <_> - 7 20 2 7 2. - <_> - - <_> - 2 16 10 12 -1. - <_> - 7 16 5 6 2. - <_> - 2 22 5 6 2. - <_> - - <_> - 4 15 8 3 -1. - <_> - 4 15 4 3 2. - 1 - <_> - - <_> - 2 0 12 3 -1. - <_> - 2 1 12 1 3. - <_> - - <_> - 0 5 9 22 -1. - <_> - 3 5 3 22 3. - <_> - - <_> - 4 9 6 4 -1. - <_> - 4 11 6 2 2. - <_> - - <_> - 4 14 6 2 -1. - <_> - 4 14 6 1 2. - 1 - <_> - - <_> - 8 12 6 4 -1. - <_> - 8 12 3 4 2. - 1 - <_> - - <_> - 5 16 8 4 -1. - <_> - 4 17 8 2 2. - 1 - <_> - - <_> - 5 15 4 6 -1. - <_> - 5 15 2 6 2. - <_> - - <_> - 5 9 2 14 -1. - <_> - 5 16 2 7 2. - <_> - - <_> - 6 6 6 12 -1. - <_> - 6 10 6 4 3. - <_> - - <_> - 1 20 12 6 -1. - <_> - 1 20 6 3 2. - <_> - 7 23 6 3 2. - <_> - - <_> - 4 8 6 4 -1. - <_> - 4 10 6 2 2. - <_> - - <_> - 1 6 9 6 -1. - <_> - 1 8 9 2 3. - <_> - - <_> - 5 6 6 4 -1. - <_> - 5 8 6 2 2. - <_> - - <_> - 3 3 8 6 -1. - <_> - 3 3 4 3 2. - <_> - 7 6 4 3 2. - <_> - - <_> - 6 23 6 5 -1. - <_> - 6 23 3 5 2. - <_> - - <_> - 0 3 12 4 -1. - <_> - 0 3 6 2 2. - <_> - 6 5 6 2 2. - <_> - - <_> - 7 4 6 18 -1. - <_> - 7 10 6 6 3. - <_> - - <_> - 6 12 4 6 -1. - <_> - 6 12 4 3 2. - 1 - <_> - - <_> - 2 15 12 6 -1. - <_> - 5 15 6 6 2. - <_> - - <_> - 0 5 4 12 -1. - <_> - 0 5 2 6 2. - <_> - 2 11 2 6 2. - <_> - - <_> - 10 4 4 16 -1. - <_> - 12 4 2 8 2. - <_> - 10 12 2 8 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_lefteye_2splits.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_lefteye_2splits.xml deleted file mode 100644 index 9a9ef58fb7..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_lefteye_2splits.xml +++ /dev/null @@ -1,7390 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 33 - - 0 - 20 - - <_> - 5 - -2.3924100399017334e+00 - - <_> - - 0 1 0 2.7325989678502083e-02 -1 -2 1 -7.0568458177149296e-03 - - -9.0600621700286865e-01 9.3385708332061768e-01 - -4.5859959721565247e-01 - <_> - - 0 1 2 -1.2538699805736542e-01 -1 -2 3 - -1.1487299948930740e-01 - - 7.2463721036911011e-01 5.3034168481826782e-01 - -8.3221220970153809e-01 - <_> - - 0 1 4 -5.8309938758611679e-02 -1 -2 5 - -1.7684370279312134e-02 - - 6.5408891439437866e-01 2.9482871294021606e-01 - -7.4809581041336060e-01 - <_> - - 0 1 6 3.5937170032411814e-03 -1 -2 7 -1.3436110457405448e-03 - - -5.0303918123245239e-01 6.5995341539382935e-01 - -5.5740857124328613e-01 - <_> - - 1 0 8 -2.1795940119773149e-03 -1 -2 9 1.1514870449900627e-02 - - -4.2016351222991943e-01 5.9694331884384155e-01 - -8.0508047342300415e-01 - <_> - 7 - -2.6498730182647705e+00 - - <_> - - 1 0 10 -2.2485560178756714e-01 -1 -2 11 - -9.6008004620671272e-03 - - -8.1363201141357422e-01 9.0863138437271118e-01 - -3.2208970189094543e-01 - <_> - - 0 1 12 7.4219167232513428e-02 -1 -2 13 - -5.3165741264820099e-03 - - -7.5329452753067017e-01 8.6339497566223145e-01 - -3.3463571220636368e-02 - <_> - - 1 0 14 -2.1913449745625257e-03 -1 -2 15 - 1.1800959706306458e-02 - - -5.5720347166061401e-01 -3.2359680533409119e-01 - 6.4163821935653687e-01 - <_> - - 1 0 16 -7.6179709285497665e-03 -1 -2 17 - -9.0587511658668518e-03 - - -5.3167867660522461e-01 -7.3611450195312500e-01 - 5.5660772323608398e-01 - <_> - - 1 0 18 -4.9959779717028141e-03 -1 -2 19 - 8.0803930759429932e-03 - - -4.1476911306381226e-01 5.9278357028961182e-01 - -6.7384922504425049e-01 - <_> - - 0 1 20 1.9909010734409094e-03 -1 -2 21 - 1.6845749923959374e-03 - - -4.2145928740501404e-01 5.4679220914840698e-01 - -7.5099450349807739e-01 - <_> - - 1 0 22 -5.0781872123479843e-03 -1 -2 23 - 2.6645609177649021e-03 - - -3.9899548888206482e-01 5.8940601348876953e-01 - -4.6778041124343872e-01 - <_> - 8 - -2.3828399181365967e+00 - - <_> - - 1 0 24 -2.5301438570022583e-01 -1 -2 25 - 2.9663778841495514e-03 - - -7.5402587652206421e-01 -3.5279649496078491e-01 - 8.7992298603057861e-01 - <_> - - 1 0 26 -4.7127649188041687e-02 -1 -2 27 - 1.9500750349834561e-03 - - -5.2234899997711182e-01 -3.0379909276962280e-01 - 7.5204378366470337e-01 - <_> - - 0 1 28 -7.1481026709079742e-02 -1 -2 29 - 2.2189730405807495e-01 - - 6.5841901302337646e-01 -6.0907202959060669e-01 - 5.6842160224914551e-01 - <_> - - 0 1 30 3.3842820674180984e-02 -1 -2 31 - -5.1714561413973570e-04 - - -6.4311647415161133e-01 5.4620361328125000e-01 - -3.9984148740768433e-01 - <_> - - 1 0 32 -3.4458211157470942e-03 -1 -2 33 - 2.4395729415118694e-03 - - -4.5636838674545288e-01 4.7798189520835876e-01 - -9.1247087717056274e-01 - <_> - - 1 0 34 2.1385070867836475e-03 -1 -2 35 - 1.8324409611523151e-03 - - -8.3617758750915527e-01 3.3462798595428467e-01 - -7.5008547306060791e-01 - <_> - - 1 0 36 1.1167610064148903e-03 -1 -2 37 - 9.9106997367925942e-05 - - -6.9083797931671143e-01 -3.4561330080032349e-01 - 4.1183179616928101e-01 - <_> - - 1 0 38 1.5447770245373249e-02 -1 -2 39 - -3.2244939357042313e-02 - - 3.6980190873146057e-01 6.1112838983535767e-01 - -5.5685341358184814e-01 - <_> - 9 - -2.1312201023101807e+00 - - <_> - - 1 0 40 -1.2251129746437073e-01 -1 -2 41 - -1.4230609871447086e-02 - - -6.7026627063751221e-01 8.7802392244338989e-01 - -1.8784180283546448e-01 - <_> - - 1 0 42 -5.9833219274878502e-03 -1 -2 43 - 7.7085137367248535e-02 - - -5.8122849464416504e-01 -5.0395351648330688e-01 - 6.7387360334396362e-01 - <_> - - 0 1 44 -1.1086189746856689e-01 -1 -2 45 - 9.4604760408401489e-02 - - 6.3432037830352783e-01 -4.9726390838623047e-01 - 3.8787439465522766e-01 - <_> - - 0 1 46 1.7696130089461803e-04 -1 -2 47 - 2.0120320841670036e-03 - - -6.3938802480697632e-01 -3.5313910245895386e-01 - 5.1538437604904175e-01 - <_> - - 1 0 48 -1.6102839726954699e-03 -1 -2 49 - 1.6666069859638810e-03 - - -5.1915901899337769e-01 4.0478190779685974e-01 - -6.9496357440948486e-01 - <_> - - 1 0 50 -7.1480998303741217e-04 -1 -2 51 - -4.7647571191191673e-03 - - -4.8945188522338867e-01 -5.0037759542465210e-01 - 4.0796059370040894e-01 - <_> - - 0 1 52 7.8659597784280777e-03 -1 -2 53 - -1.2938310392200947e-03 - - -3.3636429905891418e-01 -6.7621380090713501e-01 - 4.7010248899459839e-01 - <_> - - 1 0 54 -3.6533139063976705e-04 -1 -2 55 - 2.0565679296851158e-03 - - -4.7071608901023865e-01 4.1323411464691162e-01 - -5.5526417493820190e-01 - <_> - - 0 1 56 7.8385717642959207e-05 -1 -2 57 - 1.7511800397187471e-03 - - -5.1521158218383789e-01 3.3417248725891113e-01 - -7.9558157920837402e-01 - <_> - 9 - -2.0176210403442383e+00 - - <_> - - 1 0 58 -6.4695239067077637e-02 -1 -2 59 - 9.5212170854210854e-03 - - -6.1326402425765991e-01 -5.4831558465957642e-01 - 7.8652447462081909e-01 - <_> - - 0 1 60 -9.8109766840934753e-02 -1 -2 61 - -8.5938459634780884e-01 - - 6.9113308191299438e-01 4.5364680886268616e-01 - -5.0026148557662964e-01 - <_> - - 1 0 62 -8.9836172759532928e-02 -1 -2 63 - 2.6945930439978838e-03 - - -5.2928781509399414e-01 -3.8199779391288757e-01 - 5.7821297645568848e-01 - <_> - - 1 0 64 2.5973599404096603e-03 -1 -2 65 - -3.0058110132813454e-03 - - -9.1928368806838989e-01 -8.0213797092437744e-01 - 2.9259279370307922e-01 - <_> - - 1 0 66 -4.5496290549635887e-03 -1 -2 67 - 4.7376728616654873e-03 - - -4.3678951263427734e-01 4.1010880470275879e-01 - -7.2692811489105225e-01 - <_> - - 1 0 68 4.6190437860786915e-03 -1 -2 69 - 4.5377281494438648e-03 - - -8.4895151853561401e-01 3.0124679207801819e-01 - -7.0301771163940430e-01 - <_> - - 1 0 70 -2.4952790699899197e-03 -1 -2 71 - -5.1753767766058445e-03 - - -4.6784749627113342e-01 -7.4530351161956787e-01 - 4.0011820197105408e-01 - <_> - - 0 1 72 -5.2049742080271244e-03 -1 -2 73 - -8.7892003357410431e-02 - - 4.8669269680976868e-01 8.3493947982788086e-01 - -3.3827719092369080e-01 - <_> - - 0 1 74 6.9997250102460384e-03 -1 -2 75 - -9.0990252792835236e-03 - - -2.9039889574050903e-01 6.2315821647644043e-01 - -3.5424730181694031e-01 - <_> - 11 - -2.2212049961090088e+00 - - <_> - - 1 0 76 -5.5702101439237595e-02 -1 -2 77 - 3.4033291041851044e-02 - - -6.9841581583023071e-01 -3.9509189128875732e-01 - 8.0313128232955933e-01 - <_> - - 1 0 78 -4.6199060976505280e-02 -1 -2 79 - -4.8061669804155827e-03 - - -4.8860380053520203e-01 8.0775612592697144e-01 - -7.4490822851657867e-02 - <_> - - 0 1 80 1.8170489929616451e-03 -1 -2 81 - -3.6162370815873146e-03 - - -3.8043528795242310e-01 6.0451722145080566e-01 - -2.2582240402698517e-01 - <_> - - 1 0 82 -1.5706950798630714e-02 -1 -2 83 - 4.3929950334131718e-03 - - -3.7577998638153076e-01 5.4214221239089966e-01 - -3.7388241291046143e-01 - <_> - - 1 0 84 -1.0047219984699041e-04 -1 -2 85 - -8.6475118994712830e-02 - - -4.7433409094810486e-01 5.0186318159103394e-01 - -2.1136230230331421e-01 - <_> - - 0 1 86 -7.7960766851902008e-02 -1 -2 87 - 9.8561286926269531e-02 - - 5.7337349653244019e-01 -3.2515558600425720e-01 - 5.3035980463027954e-01 - <_> - - 0 1 88 -5.4359167814254761e-01 -1 -2 89 - -4.4177699834108353e-02 - - 5.9464299678802490e-01 2.9671078920364380e-01 - -3.8474830985069275e-01 - <_> - - 1 0 90 -8.8016409426927567e-04 -1 -2 91 - 2.6359390467405319e-03 - - -3.2000589370727539e-01 -1.7586140334606171e-01 - 4.8360350728034973e-01 - <_> - - 0 1 92 -1.4203689992427826e-02 -1 -2 93 - -7.3902818257920444e-05 - - -7.7882087230682373e-01 3.0619418621063232e-01 - -3.3196049928665161e-01 - <_> - - 1 0 94 4.6157240867614746e-03 -1 -2 95 - 1.1152310296893120e-02 - - 4.9689778685569763e-01 -5.3435891866683960e-01 - 9.7229443490505219e-02 - <_> - - 0 1 96 -6.0547702014446259e-03 -1 -2 97 - -2.1118740551173687e-03 - - -8.3811217546463013e-01 6.3617032766342163e-01 - -4.8299189656972885e-02 - <_> - 13 - -2.1328830718994141e+00 - - <_> - - 1 0 98 -1.2956829741597176e-02 -1 -2 99 - -2.7141019701957703e-02 - - -6.4874732494354248e-01 7.6293057203292847e-01 - -3.3947870135307312e-01 - <_> - - 0 1 100 4.5119998976588249e-03 -1 -2 101 - 1.2516690418124199e-02 - - -5.0059837102890015e-01 -3.6873328685760498e-01 - 5.9888631105422974e-01 - <_> - - 1 0 102 -6.0557941906154156e-03 -1 -2 103 - -4.6923749148845673e-02 - - -3.8940930366516113e-01 6.3268911838531494e-01 - -2.6270028948783875e-01 - <_> - - 1 0 104 -2.4018269032239914e-03 -1 -2 105 - -1.5936089679598808e-02 - - -5.0517928600311279e-01 6.5526002645492554e-01 - -1.7308109998703003e-01 - <_> - - 0 1 106 1.4000290073454380e-02 -1 -2 107 - 1.3202779926359653e-02 - - -4.1653230786323547e-01 -4.9121969938278198e-01 - 3.7397938966751099e-01 - <_> - - 1 0 108 -2.7658580802381039e-04 -1 -2 109 - -4.8634149134159088e-03 - - -4.5382869243621826e-01 -5.9796881675720215e-01 - 3.1217721104621887e-01 - <_> - - 1 0 110 2.7654920704662800e-03 -1 -2 111 - 2.5534769892692566e-01 - - -7.6476567983627319e-01 -3.4267220646142960e-02 - 7.0786577463150024e-01 - <_> - - 1 0 112 4.6812961809337139e-03 -1 -2 113 - 6.5162130631506443e-03 - - -7.8790861368179321e-01 1.8877579271793365e-01 - -7.9132258892059326e-01 - <_> - - 1 0 114 5.7325329631567001e-02 -1 -2 115 - -1.2718330137431622e-02 - - 6.2349188327789307e-01 3.0860608816146851e-01 - -3.2784330844879150e-01 - <_> - - 1 0 116 -6.7374261561781168e-04 -1 -2 117 - 5.6564649567008018e-03 - - -4.5451548695564270e-01 2.7431339025497437e-01 - -7.8447937965393066e-01 - <_> - - 1 0 118 3.1134090386331081e-03 -1 -2 119 - 2.4249779526144266e-03 - - 3.9738771319389343e-01 -3.5198271274566650e-01 - 3.0490091443061829e-01 - <_> - - 0 1 120 -5.5641461163759232e-02 -1 -2 121 - 4.3548129498958588e-02 - - 4.5575490593910217e-01 -3.3370929956436157e-01 - 2.9501429200172424e-01 - <_> - - 1 0 122 8.0783379962667823e-04 -1 -2 123 - 1.8713270546868443e-03 - - 2.2460040450096130e-01 -6.6048407554626465e-01 - 1.5031670033931732e-01 - <_> - 13 - -1.9884539842605591e+00 - - <_> - - 1 0 124 -4.3516629934310913e-01 -1 -2 125 - 6.2595037743449211e-03 - - -4.9959290027618408e-01 -2.3639589548110962e-01 - 7.9975378513336182e-01 - <_> - - 1 0 126 -6.6518150269985199e-03 -1 -2 127 - -5.7092090137302876e-03 - - -5.4752808809280396e-01 6.4273327589035034e-01 - -2.1511809527873993e-01 - <_> - - 0 1 128 1.9450180232524872e-02 -1 -2 129 - -5.4476498626172543e-03 - - -5.3605002164840698e-01 5.5794501304626465e-01 - -2.1474960446357727e-01 - <_> - - 1 0 130 -1.6347589553333819e-04 -1 -2 131 - 7.1614650078117847e-03 - - -5.5962842702865601e-01 -1.6604369878768921e-01 - 4.6805259585380554e-01 - <_> - - 1 0 132 -1.3145170174539089e-02 -1 -2 133 - -1.1436809785664082e-02 - - -4.1279909014701843e-01 3.7901800870895386e-01 - -4.1791579127311707e-01 - <_> - - 0 1 134 -7.2912001051008701e-03 -1 -2 135 - -5.2170921117067337e-04 - - -7.6089668273925781e-01 3.2527619600296021e-01 - -3.0110970139503479e-01 - <_> - - 1 0 136 3.3754010219126940e-03 -1 -2 137 - 2.5100160855799913e-03 - - -7.8373962640762329e-01 1.8525449931621552e-01 - -5.8084958791732788e-01 - <_> - - 0 1 138 -1.2884209863841534e-03 -1 -2 139 - -1.8726480193436146e-03 - - 2.7339500188827515e-01 1.6819879412651062e-01 - -5.1986902952194214e-01 - <_> - - 1 0 140 2.4010189808905125e-03 -1 -2 141 - 4.8938081599771976e-03 - - -8.2964670658111572e-01 1.6796599328517914e-01 - -6.5530872344970703e-01 - <_> - - 0 1 142 3.1223020050674677e-03 -1 -2 143 - 5.0366491079330444e-02 - - -4.3521308898925781e-01 -5.8327801525592804e-03 - 7.0878309011459351e-01 - <_> - - 1 0 144 3.6151800304651260e-02 -1 -2 145 - -1.3426589965820312e-01 - - 4.4979161024093628e-01 3.9472430944442749e-01 - -3.7588629126548767e-01 - <_> - - 1 0 146 -2.7791369706392288e-02 -1 -2 147 - -1.2712170369923115e-02 - - -2.9488721489906311e-01 -7.2011739015579224e-01 - 3.6595028638839722e-01 - <_> - - 1 0 148 -3.8276749546639621e-04 -1 -2 149 - -6.1330529861152172e-03 - - -4.0581339597702026e-01 -5.2725958824157715e-01 - 3.6040499806404114e-01 - <_> - 16 - -2.0902318954467773e+00 - - <_> - - 1 0 150 -4.7748669981956482e-02 -1 -2 151 - 4.6201851218938828e-03 - - -5.9902387857437134e-01 -2.4887490272521973e-01 - 6.9201582670211792e-01 - <_> - - 1 0 152 -8.5353456437587738e-02 -1 -2 153 - -7.0110969245433807e-03 - - -5.1715832948684692e-01 5.6950652599334717e-01 - -2.4749420583248138e-01 - <_> - - 1 0 154 -7.6567470096051693e-03 -1 -2 155 - -3.5919491201639175e-02 - - -3.7316519021987915e-01 4.9438580870628357e-01 - -3.9586681127548218e-01 - <_> - - 0 1 156 -7.4326626956462860e-02 -1 -2 157 - 9.0118587017059326e-02 - - 5.6755977869033813e-01 -3.8921171426773071e-01 - 3.1079098582267761e-01 - <_> - - 0 1 158 1.6736460849642754e-02 -1 -2 159 - 1.8592580454424024e-03 - - -3.6674138903617859e-01 3.4875720739364624e-01 - -5.7483112812042236e-01 - <_> - - 1 0 160 7.5264140032231808e-03 -1 -2 161 - -3.5309391096234322e-03 - - 6.7878991365432739e-01 4.8617920279502869e-01 - -2.5660640001296997e-01 - <_> - - 1 0 162 -4.9510748795000836e-05 -1 -2 163 - -6.8923248909413815e-03 - - -4.5661240816116333e-01 -5.7134729623794556e-01 - 3.2921048998832703e-01 - <_> - - 1 0 164 6.1156069859862328e-03 -1 -2 165 - -5.5014882236719131e-03 - - -7.1315360069274902e-01 -5.9139078855514526e-01 - 1.9805949926376343e-01 - <_> - - 1 0 166 -4.2378060519695282e-02 -1 -2 167 - 2.2011259570717812e-03 - - -3.8239300251007080e-01 3.3457010984420776e-01 - -4.3032339215278625e-01 - <_> - - 1 0 168 2.1217379253357649e-03 -1 -2 169 - 6.4385468140244484e-03 - - -6.8310022354125977e-01 2.0478610694408417e-01 - -6.1793941259384155e-01 - <_> - - 1 0 170 3.1177410855889320e-03 -1 -2 171 - 4.2230269173160195e-04 - - 5.1137161254882812e-01 -3.6440208554267883e-01 - 2.1073049306869507e-01 - <_> - - 0 1 172 -6.5657291561365128e-03 -1 -2 173 - 2.5686610024422407e-03 - - -6.4581501483917236e-01 2.7643561363220215e-01 - -3.4198498725891113e-01 - <_> - - 1 0 174 -6.2437567976303399e-05 -1 -2 175 - -3.6269261036068201e-03 - - -3.1758078932762146e-01 -8.1051957607269287e-01 - 2.7218630909919739e-01 - <_> - - 1 0 176 -3.4638389479368925e-03 -1 -2 177 - -7.4930191040039062e-02 - - -3.9515769481658936e-01 -5.4353868961334229e-01 - 2.6106119155883789e-01 - <_> - - 0 1 178 -9.7247250378131866e-03 -1 -2 179 - 4.5450199395418167e-03 - - 4.1124871373176575e-01 -3.1576550006866455e-01 - 3.9046970009803772e-01 - <_> - - 0 1 180 -2.7354240883141756e-03 -1 -2 181 - -1.6969470307230949e-02 - - -7.4906748533248901e-01 -6.2437218427658081e-01 - 1.8387380242347717e-01 - <_> - 15 - -1.9407310485839844e+00 - - <_> - - 1 0 182 -2.4978699162602425e-02 -1 -2 183 - -5.8007869869470596e-02 - - -6.0697889328002930e-01 7.1478021144866943e-01 - -2.9943239688873291e-01 - <_> - - 1 0 184 -5.1753749139606953e-03 -1 -2 185 - -8.9618662605062127e-04 - - -3.5297989845275879e-01 5.4417461156845093e-01 - -3.9789950847625732e-01 - <_> - - 1 0 186 -2.8718139219563454e-05 -1 -2 187 - 4.7620530240237713e-03 - - -4.8898181319236755e-01 -3.1144559383392334e-01 - 4.6786791086196899e-01 - <_> - - 0 1 188 1.9751280546188354e-02 -1 -2 189 - -1.2683609966188669e-03 - - -4.3020489811897278e-01 -5.4090851545333862e-01 - 3.9797520637512207e-01 - <_> - - 1 0 190 -4.5749718992738053e-05 -1 -2 191 - 2.4090509396046400e-03 - - -4.4518938660621643e-01 2.8822308778762817e-01 - -5.4514312744140625e-01 - <_> - - 0 1 192 -4.5728669501841068e-03 -1 -2 193 - 8.9018214493989944e-03 - - 5.5039870738983154e-01 -4.1598889231681824e-01 - 1.7468899488449097e-01 - <_> - - 0 1 194 -1.2056449800729752e-01 -1 -2 195 - 4.6919930726289749e-02 - - 6.8890577554702759e-01 -4.2266309261322021e-01 - 1.7010940611362457e-01 - <_> - - 0 1 196 -4.2390259914100170e-03 -1 -2 197 - 3.2174249645322561e-03 - - -6.3045340776443481e-01 -3.6097949743270874e-01 - 2.4933730065822601e-01 - <_> - - 0 1 198 -8.5738790221512318e-04 -1 -2 199 - -1.8432449549436569e-02 - - 3.0993479490280151e-01 9.7758449614048004e-02 - -5.0742352008819580e-01 - <_> - - 1 0 200 5.8692828752100468e-03 -1 -2 201 - -6.8751699291169643e-03 - - -7.4556058645248413e-01 -6.7458391189575195e-01 - 1.5918810665607452e-01 - <_> - - 1 0 202 -6.8542227381840348e-05 -1 -2 203 - -1.0658579878509045e-02 - - -4.1279420256614685e-01 3.7002709507942200e-01 - -2.1731729805469513e-01 - <_> - - 0 1 204 -1.8811509944498539e-03 -1 -2 205 - -2.2309130057692528e-02 - - 5.7902830839157104e-01 1.9725680351257324e-01 - -3.2475191354751587e-01 - <_> - - 1 0 206 6.5826578065752983e-04 -1 -2 207 - -5.0781588070094585e-03 - - -6.0630238056182861e-01 -7.7123302221298218e-01 - 1.8186129629611969e-01 - <_> - - 1 0 208 5.6215081363916397e-02 -1 -2 209 - -3.7720590829849243e-02 - - 5.0561398267745972e-01 3.6052110791206360e-01 - -3.2743760943412781e-01 - <_> - - 1 0 210 3.9480631239712238e-03 -1 -2 211 - -2.4269670248031616e-03 - - -7.5788182020187378e-01 5.2076101303100586e-01 - -6.1021361500024796e-02 - <_> - 19 - -2.1061589717864990e+00 - - <_> - - 1 0 212 -1.6906699165701866e-02 -1 -2 213 - 2.5327840819954872e-02 - - -4.7501268982887268e-01 -4.4016760587692261e-01 - 6.0885351896286011e-01 - <_> - - 0 1 214 -1.5663320198655128e-02 -1 -2 215 - -1.6101899743080139e-01 - - 5.7100051641464233e-01 4.0989148616790771e-01 - -3.8142371177673340e-01 - <_> - - 0 1 216 1.6885380318854004e-04 -1 -2 217 - -3.0552360694855452e-03 - - -4.7958490252494812e-01 4.2852300405502319e-01 - -2.8252631425857544e-01 - <_> - - 1 0 218 4.8042940907180309e-03 -1 -2 219 - -5.0092511810362339e-03 - - -6.8659138679504395e-01 -5.9033542871475220e-01 - 1.9732500612735748e-01 - <_> - - 1 0 220 -3.7119518965482712e-02 -1 -2 221 - 3.7857799325138330e-03 - - -4.3130961060523987e-01 3.3596190810203552e-01 - -3.7401720881462097e-01 - <_> - - 0 1 222 -1.0869850404560566e-02 -1 -2 223 - 4.0577541221864522e-04 - - 5.4841208457946777e-01 -5.0022697448730469e-01 - 5.1423858851194382e-02 - <_> - - 1 0 224 5.0201490521430969e-03 -1 -2 225 - 2.5601210072636604e-03 - - -5.9016227722167969e-01 1.9469800591468811e-01 - -6.4648360013961792e-01 - <_> - - 1 0 226 -1.2395749799907207e-03 -1 -2 227 - -5.1075750961899757e-03 - - -2.7762159705162048e-01 -6.1149162054061890e-01 - 3.5250389575958252e-01 - <_> - - 1 0 228 -6.4853738876990974e-05 -1 -2 229 - 2.3282810579985380e-03 - - -3.4008860588073730e-01 2.7134749293327332e-01 - -6.6915398836135864e-01 - <_> - - 1 0 230 -1.5571110416203737e-03 -1 -2 231 - 2.3992219939827919e-03 - - -4.1144248843193054e-01 2.5939700007438660e-01 - -4.0380299091339111e-01 - <_> - - 1 0 232 7.7784422319382429e-04 -1 -2 233 - 3.2334199640899897e-03 - - 2.9523921012878418e-01 -5.8436852693557739e-01 - -1.7936639487743378e-02 - <_> - - 1 0 234 -5.6113858590833843e-05 -1 -2 235 - 1.9111000001430511e-03 - - -3.5021650791168213e-01 2.6312610507011414e-01 - -6.1549347639083862e-01 - <_> - - 0 1 236 -3.4321150742471218e-03 -1 -2 237 - -1.4541969634592533e-02 - - 3.7493300437927246e-01 4.3788930773735046e-01 - -3.0131611227989197e-01 - <_> - - 0 1 238 -2.5027070194482803e-02 -1 -2 239 - -3.1183639075607061e-03 - - -5.2829748392105103e-01 -8.1336849927902222e-01 - 1.7928420007228851e-01 - <_> - - 1 0 240 2.9415208846330643e-03 -1 -2 241 - -2.4807679001241922e-03 - - -4.7243058681488037e-01 -6.0058331489562988e-01 - 2.1497109532356262e-01 - <_> - - 1 0 242 -4.2498838156461716e-03 -1 -2 243 - 7.6959328725934029e-03 - - -3.3230608701705933e-01 2.1247069537639618e-01 - -8.1967252492904663e-01 - <_> - - 0 1 244 -6.1426039785146713e-02 -1 -2 245 - 5.3176790475845337e-02 - - 5.2200448513031006e-01 -2.9851761460304260e-01 - 2.8654190897941589e-01 - <_> - - 0 1 246 2.5695779186207801e-05 -1 -2 247 - 2.4311970919370651e-03 - - -3.4719291329383850e-01 -1.2133490294218063e-01 - 3.8965350389480591e-01 - <_> - - 1 0 248 5.6956289336085320e-03 -1 -2 249 - -6.6630227956920862e-04 - - -6.6364032030105591e-01 2.7921909093856812e-01 - -2.1624849736690521e-01 - <_> - 20 - -2.0051579475402832e+00 - - <_> - - 1 0 250 -2.8509549796581268e-02 -1 -2 251 - -1.6429109498858452e-02 - - -5.5133241415023804e-01 6.0328769683837891e-01 - -3.0009600520133972e-01 - <_> - - 1 0 252 -5.8078952133655548e-03 -1 -2 253 - -1.4670349657535553e-02 - - -4.8640519380569458e-01 4.4786658883094788e-01 - -3.5448360443115234e-01 - <_> - - 1 0 254 -1.0694459779188037e-03 -1 -2 255 - -5.0697539001703262e-02 - - -3.8593119382858276e-01 4.3865600228309631e-01 - -3.1134051084518433e-01 - <_> - - 0 1 256 -7.2318017482757568e-02 -1 -2 257 - -1.6740759834647179e-02 - - 5.5695492029190063e-01 3.4036931395530701e-01 - -3.7713068723678589e-01 - <_> - - 1 0 258 1.2923260219395161e-02 -1 -2 259 - -2.0832989830523729e-03 - - 2.6987180113792419e-01 7.2217263281345367e-02 - -5.0617259740829468e-01 - <_> - - 0 1 260 2.9217539122328162e-04 -1 -2 261 - 4.6477448195219040e-03 - - -4.7199469804763794e-01 -2.0233640074729919e-01 - 3.6684620380401611e-01 - <_> - - 0 1 262 1.6355320112779737e-03 -1 -2 263 - 6.0143060982227325e-03 - - -3.3369150757789612e-01 2.6335370540618896e-01 - -7.5315129756927490e-01 - <_> - - 0 1 264 -1.9768040627241135e-02 -1 -2 265 - 5.0995801575481892e-03 - - -7.3396641016006470e-01 -1.0626330226659775e-01 - 3.7877479195594788e-01 - <_> - - 1 0 266 2.1737320348620415e-03 -1 -2 267 - 2.3621059954166412e-02 - - -4.5873621106147766e-01 -3.7341989576816559e-02 - 5.0312960147857666e-01 - <_> - - 1 0 268 4.7070439904928207e-02 -1 -2 269 - 4.8429161310195923e-02 - - 3.9159670472145081e-01 -2.7507638931274414e-01 - 3.6923450231552124e-01 - <_> - - 0 1 270 7.1763257437851280e-05 -1 -2 271 - -4.0031517855823040e-03 - - -2.6133701205253601e-01 -4.6118479967117310e-01 - 3.4101578593254089e-01 - <_> - - 1 0 272 2.5536299217492342e-03 -1 -2 273 - -2.5720898993313313e-03 - - 4.4237849116325378e-01 4.3066531419754028e-01 - -2.8360688686370850e-01 - <_> - - 1 0 274 8.7512210011482239e-03 -1 -2 275 - 5.7346918620169163e-03 - - -7.7647632360458374e-01 1.4551159739494324e-01 - -7.5074160099029541e-01 - <_> - - 0 1 276 -6.6438838839530945e-03 -1 -2 277 - -3.4590701106935740e-03 - - 4.0350550413131714e-01 2.8769719600677490e-01 - -2.8021600842475891e-01 - <_> - - 1 0 278 9.9742468446493149e-03 -1 -2 279 - 1.3233659788966179e-02 - - -6.0677021741867065e-01 1.5478080511093140e-01 - -7.0759147405624390e-01 - <_> - - 0 1 280 -5.0271311774849892e-03 -1 -2 281 - -1.2092100223526359e-04 - - -7.3897778987884521e-01 2.3473000526428223e-01 - -2.4400579929351807e-01 - <_> - - 1 0 282 -1.2881499715149403e-03 -1 -2 283 - 6.2854858115315437e-03 - - -2.8901669383049011e-01 2.8100869059562683e-01 - -5.6933850049972534e-01 - <_> - - 1 0 284 5.6929360143840313e-03 -1 -2 285 - -5.3880861960351467e-03 - - -7.8456932306289673e-01 2.6201328635215759e-01 - -2.2232030332088470e-01 - <_> - - 1 0 286 4.8205819912254810e-03 -1 -2 287 - 3.4279188513755798e-01 - - 5.6795972585678101e-01 -1.8314230442047119e-01 - 5.4108071327209473e-01 - <_> - - 0 1 288 5.1370919682085514e-03 -1 -2 289 - -9.1285221278667450e-03 - - -3.9116761088371277e-01 5.3076338768005371e-01 - -3.0019309371709824e-02 - <_> - 21 - -2.1121981143951416e+00 - - <_> - - 1 0 290 -5.1386129111051559e-02 -1 -2 291 - 5.1850839518010616e-03 - - -5.3148782253265381e-01 -2.4744540452957153e-01 - 6.1181622743606567e-01 - <_> - - 1 0 292 -1.5259400010108948e-02 -1 -2 293 - 2.5995150208473206e-02 - - -4.3303629755973816e-01 4.3979901820421219e-02 - 7.3829138278961182e-01 - <_> - - 1 0 294 -3.2312370836734772e-02 -1 -2 295 - 1.3700700365006924e-02 - - -3.9609751105308533e-01 -2.7643880248069763e-01 - 4.2535358667373657e-01 - <_> - - 1 0 296 -2.2647869773209095e-03 -1 -2 297 - -6.8290620110929012e-03 - - -3.2005569338798523e-01 -5.1682972908020020e-01 - 3.6975708603858948e-01 - <_> - - 1 0 298 -2.2481549531221390e-03 -1 -2 299 - 4.5944549143314362e-02 - - -3.6244350671768188e-01 -1.3187309959903359e-03 - 6.3217681646347046e-01 - <_> - - 1 0 300 1.8755620112642646e-03 -1 -2 301 - -1.9700559787452221e-03 - - -7.1403390169143677e-01 -5.8730661869049072e-01 - 1.7592810094356537e-01 - <_> - - 1 0 302 -6.5721389837563038e-03 -1 -2 303 - -1.1746180243790150e-02 - - -3.6347511410713196e-01 3.1440791487693787e-01 - -4.0111118555068970e-01 - <_> - - 1 0 304 -1.6494120063725859e-04 -1 -2 305 - -7.2169408667832613e-05 - - -3.7792590260505676e-01 5.2791112661361694e-01 - -1.0790319740772247e-01 - <_> - - 0 1 306 1.9697639800142497e-04 -1 -2 307 - -1.1423509567975998e-02 - - -4.7097641229629517e-01 -8.5209292173385620e-01 - 1.7662869393825531e-01 - <_> - - 0 1 308 -4.5562228187918663e-03 -1 -2 309 - -4.4720191508531570e-03 - - -8.0601161718368530e-01 -6.1500209569931030e-01 - 1.2908309698104858e-01 - <_> - - 0 1 310 -1.7765410011634231e-03 -1 -2 311 - -7.8799277544021606e-03 - - 3.1382599472999573e-01 3.0394628643989563e-01 - -3.7204921245574951e-01 - <_> - - 0 1 312 -1.4284689677879214e-03 -1 -2 313 - -1.8939910223707557e-03 - - 5.0413030385971069e-01 3.4823760390281677e-01 - -2.3673820495605469e-01 - <_> - - 0 1 314 -3.1496640294790268e-03 -1 -2 315 - -1.0716119781136513e-02 - - -6.6812378168106079e-01 -4.8515519499778748e-01 - 1.9036419689655304e-01 - <_> - - 0 1 316 -6.8033537827432156e-03 -1 -2 317 - 1.4902319759130478e-02 - - -5.6979268789291382e-01 1.3098250329494476e-01 - -7.1448272466659546e-01 - <_> - - 0 1 318 -3.4170228987932205e-02 -1 -2 319 - -1.4779250323772430e-01 - - 5.0575131177902222e-01 2.8233268857002258e-01 - -2.7205321192741394e-01 - <_> - - 1 0 320 -5.5842810979811475e-05 -1 -2 321 - 3.9885081350803375e-02 - - -2.6936730742454529e-01 5.6696129031479359e-03 - 6.3975161314010620e-01 - <_> - - 1 0 322 1.2483130209147930e-02 -1 -2 323 - -3.2864511013031006e-04 - - -7.4533742666244507e-01 3.6449620127677917e-01 - -9.6498817205429077e-02 - <_> - - 0 1 324 -1.4710469986312091e-04 -1 -2 325 - -2.7814340591430664e-01 - - 1.4060440659523010e-01 5.7002830505371094e-01 - -4.8755478858947754e-01 - <_> - - 0 1 326 -1.3452640268951654e-03 -1 -2 327 - 9.1500842245295644e-04 - - 3.9255830645561218e-01 -3.0215170979499817e-01 - 3.6698031425476074e-01 - <_> - - 0 1 328 -3.4133149310946465e-03 -1 -2 329 - 5.1169008947908878e-03 - - -6.4085817337036133e-01 -2.3052580654621124e-01 - 2.4285919964313507e-01 - <_> - - 1 0 330 8.8846698403358459e-02 -1 -2 331 - 6.1080828309059143e-03 - - 4.5381888747215271e-01 -3.5880088806152344e-01 - 1.3209380209445953e-01 - <_> - 23 - -1.8701590299606323e+00 - - <_> - - 1 0 332 -1.5930000692605972e-02 -1 -2 333 - 2.7407450601458549e-02 - - -3.5245341062545776e-01 -6.0236789286136627e-02 - 7.2715848684310913e-01 - <_> - - 1 0 334 -8.5037678480148315e-02 -1 -2 335 - -1.1508919997140765e-03 - - -4.3576711416244507e-01 4.6471679210662842e-01 - -3.5896891355514526e-01 - <_> - - 1 0 336 -6.4599298639222980e-04 -1 -2 337 - 5.5495807901024818e-03 - - -3.1371060013771057e-01 4.1225919127464294e-01 - -4.9400448799133301e-01 - <_> - - 1 0 338 -1.1472150217741728e-03 -1 -2 339 - -6.4546810463070869e-03 - - -3.9192581176757812e-01 -6.9197827577590942e-01 - 2.6103940606117249e-01 - <_> - - 0 1 340 -1.1414250358939171e-02 -1 -2 341 - 1.1582579463720322e-03 - - 3.2361420989036560e-01 -3.8304999470710754e-01 - 2.8015980124473572e-01 - <_> - - 1 0 342 -6.1077292775735259e-04 -1 -2 343 - 1.1812780285254121e-03 - - -3.7471079826354980e-01 -1.7685219645500183e-01 - 3.5498109459877014e-01 - <_> - - 1 0 344 7.9117231070995331e-03 -1 -2 345 - -9.0904926764778793e-05 - - -6.9681918621063232e-01 2.0756739377975464e-01 - -4.4282090663909912e-01 - <_> - - 0 1 346 2.8638960793614388e-03 -1 -2 347 - 1.2769990134984255e-03 - - -4.1364789009094238e-01 -2.1157020330429077e-01 - 3.1919568777084351e-01 - <_> - - 0 1 348 -7.5440858490765095e-03 -1 -2 349 - 5.4467269219458103e-03 - - -7.5495690107345581e-01 1.3229879736900330e-01 - -6.7695891857147217e-01 - <_> - - 1 0 350 1.3641830300912261e-03 -1 -2 351 - 1.3810779899358749e-02 - - -4.2168149352073669e-01 1.5719360113143921e-01 - -6.7965167760848999e-01 - <_> - - 1 0 352 5.0265640020370483e-02 -1 -2 353 - 4.7765119234099984e-05 - - 7.4369138479232788e-01 -3.8102349638938904e-01 - 1.0605350136756897e-01 - <_> - - 1 0 354 1.4666689932346344e-01 -1 -2 355 - -3.0426830053329468e-01 - - 5.3409832715988159e-01 3.7783610820770264e-01 - -2.1534620225429535e-01 - <_> - - 0 1 356 -3.2244708854705095e-03 -1 -2 357 - -1.7187190242111683e-03 - - 2.8274241089820862e-01 1.0677109658718109e-01 - -4.4204118847846985e-01 - <_> - - 0 1 358 -8.4115704521536827e-03 -1 -2 359 - -2.3220919072628021e-02 - - -8.3557051420211792e-01 -5.1933908462524414e-01 - 1.3181640207767487e-01 - <_> - - 0 1 360 -6.3912221230566502e-03 -1 -2 361 - -3.0661540222354233e-04 - - -6.8552321195602417e-01 2.2192850708961487e-01 - -2.3945030570030212e-01 - <_> - - 1 0 362 1.8742750398814678e-03 -1 -2 363 - -2.8299540281295776e-02 - - -4.7218438982963562e-01 -6.8186718225479126e-01 - 1.5923790633678436e-01 - <_> - - 1 0 364 7.9352483153343201e-03 -1 -2 365 - -8.7599940598011017e-03 - - -7.3135781288146973e-01 -6.0014718770980835e-01 - 1.0350330173969269e-01 - <_> - - 0 1 366 -5.5426149629056454e-03 -1 -2 367 - -1.8066290067508817e-03 - - -5.9360408782958984e-01 2.5533521175384521e-01 - -1.7036439478397369e-01 - <_> - - 1 0 368 -8.3993803709745407e-03 -1 -2 369 - -1.9515500171110034e-03 - - -2.3953610658645630e-01 3.7252411246299744e-01 - -1.2982900440692902e-01 - <_> - - 0 1 370 -2.2850139066576958e-03 -1 -2 371 - -6.1910818330943584e-03 - - 5.0227212905883789e-01 4.4551658630371094e-01 - -1.6307780146598816e-01 - <_> - - 1 0 372 1.1659320443868637e-03 -1 -2 373 - -2.1016779355704784e-03 - - 3.4809079766273499e-01 3.1531378626823425e-01 - -3.4710261225700378e-01 - <_> - - 0 1 374 -9.1615924611687660e-03 -1 -2 375 - -2.0036540925502777e-02 - - -6.8623197078704834e-01 -6.8991881608963013e-01 - 1.2962220609188080e-01 - <_> - - 1 0 376 2.7148448862135410e-03 -1 -2 377 - 2.2834159899502993e-03 - - 4.7745740413665771e-01 -1.3344570063054562e-02 - -6.1795878410339355e-01 - <_> - 26 - -1.9807859659194946e+00 - - <_> - - 1 0 378 -3.2838471233844757e-02 -1 -2 379 - -7.5696408748626709e-03 - - -5.1984071731567383e-01 6.3690251111984253e-01 - -1.1562170088291168e-01 - <_> - - 1 0 380 5.4125871509313583e-02 -1 -2 381 - 2.7004599571228027e-01 - - 5.0340247154235840e-01 -3.4640678763389587e-01 - 3.7651509046554565e-01 - <_> - - 0 1 382 7.0261410437524319e-03 -1 -2 383 - 3.1245660502463579e-03 - - -4.1046440601348877e-01 -4.1382190585136414e-01 - 3.7550741434097290e-01 - <_> - - 1 0 384 -1.8708549905568361e-03 -1 -2 385 - -1.4969009906053543e-02 - - -3.7827330827713013e-01 3.9941680431365967e-01 - -2.2254510223865509e-01 - <_> - - 1 0 386 3.4136420581489801e-03 -1 -2 387 - 2.3454260081052780e-03 - - -5.4667568206787109e-01 1.6618840396404266e-01 - -6.3203942775726318e-01 - <_> - - 1 0 388 -1.1689099483191967e-03 -1 -2 389 - -7.8206984326243401e-03 - - -4.4972181320190430e-01 -5.7166117429733276e-01 - 1.8599990010261536e-01 - <_> - - 0 1 390 -2.6324259117245674e-02 -1 -2 391 - -9.1647548833861947e-04 - - -7.8041112422943115e-01 2.3100090026855469e-01 - -2.1224120259284973e-01 - <_> - - 0 1 392 -2.3702960461378098e-03 -1 -2 393 - -9.2874821275472641e-03 - - 2.7304211258888245e-01 2.3200799524784088e-01 - -3.4602558612823486e-01 - <_> - - 1 0 394 2.9221060685813427e-03 -1 -2 395 - -1.4097889652475715e-03 - - -6.9972628355026245e-01 4.8019358515739441e-01 - -4.2650200426578522e-02 - <_> - - 1 0 396 9.3326548812910914e-04 -1 -2 397 - -5.6837309151887894e-02 - - 3.7708479166030884e-01 4.6375161409378052e-01 - -2.0441579818725586e-01 - <_> - - 1 0 398 -9.1405760031193495e-05 -1 -2 399 - -1.1147770099341869e-02 - - -2.9447770118713379e-01 3.6579200625419617e-01 - -1.6106230020523071e-01 - <_> - - 1 0 400 8.0759642878547311e-04 -1 -2 401 - 1.7215589759871364e-03 - - -3.8769969344139099e-01 1.7790059745311737e-01 - -5.9673792123794556e-01 - <_> - - 0 1 402 1.4305640012025833e-02 -1 -2 403 - -3.8885008543729782e-02 - - -2.8887918591499329e-01 3.6497229337692261e-01 - -1.3762719929218292e-01 - <_> - - 0 1 404 -3.4479280002415180e-03 -1 -2 405 - 3.0168178677558899e-01 - - 1.8110840022563934e-01 -3.5425490140914917e-01 - 4.2958360910415649e-01 - <_> - - 1 0 406 2.8582389932125807e-03 -1 -2 407 - 1.4091320335865021e-03 - - 5.2957808971405029e-01 -2.1234430372714996e-01 - 3.1428509950637817e-01 - <_> - - 0 1 408 -1.6597079811617732e-03 -1 -2 409 - 8.7804382201284170e-04 - - -6.3348418474197388e-01 -5.5315300822257996e-02 - 3.9389958977699280e-01 - <_> - - 1 0 410 2.0211800001561642e-03 -1 -2 411 - -6.8409871309995651e-03 - - -4.7127309441566467e-01 -6.4065527915954590e-01 - 1.4861440658569336e-01 - <_> - - 1 0 412 4.7200761735439301e-02 -1 -2 413 - 4.9684080295264721e-03 - - 4.1216409206390381e-01 -3.2404300570487976e-01 - 1.5755960345268250e-01 - <_> - - 1 0 414 3.7529911845922470e-02 -1 -2 415 - -1.1665089987218380e-02 - - 4.1328459978103638e-01 2.5467500090599060e-01 - -3.1303560733795166e-01 - <_> - - 1 0 416 -6.8298257247079164e-05 -1 -2 417 - 1.5325429849326611e-02 - - -2.7212071418762207e-01 2.2946609556674957e-01 - -6.7345708608627319e-01 - <_> - - 1 0 418 8.5185896605253220e-03 -1 -2 419 - -2.6828479021787643e-03 - - -7.1114671230316162e-01 1.5511700510978699e-01 - -3.5444891452789307e-01 - <_> - - 1 0 420 1.3791749952360988e-03 -1 -2 421 - -3.3968368370551616e-05 - - 3.6916270852088928e-01 5.9150930494070053e-02 - -4.6007719635963440e-01 - <_> - - 1 0 422 5.8259358629584312e-03 -1 -2 423 - -8.1688696518540382e-03 - - -5.4986697435379028e-01 -5.0567412376403809e-01 - 1.5189670026302338e-01 - <_> - - 0 1 424 -2.3251199163496494e-03 -1 -2 425 - -4.8669208772480488e-03 - - 3.4904810786247253e-01 5.3138560056686401e-01 - -2.1413469314575195e-01 - <_> - - 1 0 426 4.3380381539463997e-03 -1 -2 427 - 3.4176679328083992e-03 - - -7.8248262405395508e-01 1.2460789829492569e-01 - -5.5297750234603882e-01 - <_> - - 1 0 428 5.5309730768203735e-01 -1 -2 429 - 2.3636389523744583e-03 - - 4.6573078632354736e-01 -3.3309051394462585e-01 - 9.4380050897598267e-02 - <_> - 26 - -1.9697020053863525e+00 - - <_> - - 1 0 430 -2.2934280335903168e-02 -1 -2 431 - -4.2665850371122360e-02 - - -4.4716298580169678e-01 5.4085898399353027e-01 - -3.3589279651641846e-01 - <_> - - 0 1 432 -9.8418388515710831e-03 -1 -2 433 - -1.1932349763810635e-02 - - 3.9958000183105469e-01 3.4219118952751160e-01 - -4.2416951060295105e-01 - <_> - - 1 0 434 -2.4437010288238525e-02 -1 -2 435 - -4.9987169913947582e-03 - - -3.7337359786033630e-01 4.0358328819274902e-01 - -3.5199370980262756e-01 - <_> - - 0 1 436 1.8582950579002500e-03 -1 -2 437 - 2.7540219016373158e-03 - - -4.4158118963241577e-01 -2.8722938895225525e-01 - 3.3857241272926331e-01 - <_> - - 1 0 438 -3.4452530089765787e-03 -1 -2 439 - -5.9277489781379700e-03 - - -3.1821981072425842e-01 -6.5073519945144653e-01 - 2.7109220623970032e-01 - <_> - - 1 0 440 -1.2391789641696960e-04 -1 -2 441 - -7.3327139019966125e-02 - - -3.3467200398445129e-01 -5.9646248817443848e-01 - 2.2861810028553009e-01 - <_> - - 1 0 442 -8.3964750170707703e-02 -1 -2 443 - -8.1644707825034857e-04 - - -2.2525189816951752e-01 3.8213649392127991e-01 - -3.3410450816154480e-01 - <_> - - 0 1 444 -1.5207779593765736e-02 -1 -2 445 - 4.6894788742065430e-02 - - 3.0742698907852173e-01 -3.8833889365196228e-01 - 2.3177519440650940e-01 - <_> - - 0 1 446 -1.0398440062999725e-01 -1 -2 447 - 3.9815339259803295e-03 - - 7.1321141719818115e-01 -2.3310199379920959e-01 - 2.9247841238975525e-01 - <_> - - 1 0 448 2.5737080723047256e-03 -1 -2 449 - 9.1035291552543640e-04 - - -5.5017340183258057e-01 -1.8228930234909058e-01 - 2.8370320796966553e-01 - <_> - - 1 0 450 6.4211348071694374e-03 -1 -2 451 - -5.8243819512426853e-03 - - -4.8581978678703308e-01 2.4608190357685089e-01 - -2.1565020084381104e-01 - <_> - - 0 1 452 -4.0043629705905914e-02 -1 -2 453 - 8.4683427121490240e-04 - - -6.3880550861358643e-01 -6.0435589402914047e-02 - 4.3711128830909729e-01 - <_> - - 1 0 454 1.2964580208063126e-02 -1 -2 455 - -2.2524749510921538e-04 - - 5.9495061635971069e-01 8.6831472814083099e-02 - -3.6362320184707642e-01 - <_> - - 0 1 456 -1.7258729785680771e-03 -1 -2 457 - -7.2289421223104000e-03 - - -6.4707720279693604e-01 -6.8775367736816406e-01 - 1.3838720321655273e-01 - <_> - - 1 0 458 2.5079259648919106e-03 -1 -2 459 - -1.9473560387268662e-03 - - 3.0659309029579163e-01 2.2967760264873505e-01 - -3.4737649559974670e-01 - <_> - - 1 0 460 7.4747111648321152e-03 -1 -2 461 - 1.0328400094294921e-04 - - -6.5191787481307983e-01 -2.0725889503955841e-01 - 2.2402130067348480e-01 - <_> - - 0 1 462 -7.8996885567903519e-03 -1 -2 463 - 4.2833909392356873e-03 - - -7.2479170560836792e-01 1.3954970240592957e-01 - -4.3086060881614685e-01 - <_> - - 1 0 464 6.3452741596847773e-04 -1 -2 465 - -5.4966621100902557e-03 - - 2.9792639613151550e-01 -5.6205391883850098e-01 - -2.9608119279146194e-02 - <_> - - 1 0 466 3.1408690847456455e-03 -1 -2 467 - -5.0443639047443867e-03 - - -6.1322140693664551e-01 -5.3060102462768555e-01 - 1.2507459521293640e-01 - <_> - - 1 0 468 4.5964870601892471e-02 -1 -2 469 - -5.3749699145555496e-03 - - 3.8188719749450684e-01 1.4089010655879974e-01 - -3.5535690188407898e-01 - <_> - - 1 0 470 2.9262059833854437e-03 -1 -2 471 - 5.2230368601158261e-04 - - -6.0886657238006592e-01 -7.1441568434238434e-02 - 3.6275258660316467e-01 - <_> - - 0 1 472 -4.4181118719279766e-03 -1 -2 473 - 4.3349149636924267e-03 - - -7.6458007097244263e-01 1.1246410012245178e-01 - -5.4553848505020142e-01 - <_> - - 1 0 474 2.6483018882572651e-03 -1 -2 475 - -1.0814110282808542e-03 - - 2.3542310297489166e-01 1.4422300457954407e-01 - -3.4401959180831909e-01 - <_> - - 1 0 476 -5.4296739108394831e-05 -1 -2 477 - 5.5393581278622150e-03 - - -2.8607460856437683e-01 1.9345289468765259e-01 - -5.0549429655075073e-01 - <_> - - 1 0 478 3.3703099936246872e-02 -1 -2 479 - -1.2178930046502501e-04 - - 3.8302558660507202e-01 6.6414177417755127e-02 - -4.8530051112174988e-01 - <_> - - 0 1 480 -1.7803770024329424e-03 -1 -2 481 - -5.6019638577708974e-05 - - 4.4113549590110779e-01 1.2396749854087830e-01 - -2.6292270421981812e-01 - <_> - 30 - -2.0330519676208496e+00 - - <_> - - 1 0 482 3.1982790678739548e-03 -1 -2 483 - -1.5240450156852603e-03 - - 5.4208421707153320e-01 8.2784838974475861e-02 - -5.0164830684661865e-01 - <_> - - 0 1 484 -1.2284429743885994e-02 -1 -2 485 - -8.3555448800325394e-03 - - 4.4174939393997192e-01 3.5863399505615234e-01 - -3.6254858970642090e-01 - <_> - - 1 0 486 4.1357800364494324e-02 -1 -2 487 - 2.2308749612420797e-03 - - 4.7858810424804688e-01 -6.0390347242355347e-01 - -8.7199418339878321e-04 - <_> - - 1 0 488 -5.4160541296005249e-01 -1 -2 489 - 7.9009458422660828e-03 - - -3.2536658644676208e-01 -3.6415100097656250e-01 - 4.0501600503921509e-01 - <_> - - 1 0 490 -2.7236728928983212e-03 -1 -2 491 - 2.1041880827397108e-03 - - -2.7644181251525879e-01 3.4068119525909424e-01 - -4.1922488808631897e-01 - <_> - - 1 0 492 1.2688159476965666e-03 -1 -2 493 - -4.2881062254309654e-03 - - -5.4520767927169800e-01 3.0060088634490967e-01 - -1.5233190357685089e-01 - <_> - - 1 0 494 -4.8890449106693268e-03 -1 -2 495 - 5.0922110676765442e-03 - - -3.7665820121765137e-01 2.1803319454193115e-01 - -5.7126522064208984e-01 - <_> - - 0 1 496 -7.0944731123745441e-03 -1 -2 497 - 2.5431890040636063e-02 - - 5.1921921968460083e-01 -2.1260249614715576e-01 - 3.0566200613975525e-01 - <_> - - 1 0 498 -6.7461907747201622e-05 -1 -2 499 - -8.5350889712572098e-03 - - -3.3406749367713928e-01 3.5043460130691528e-01 - -9.0384833514690399e-02 - <_> - - 0 1 500 -4.1117807850241661e-03 -1 -2 501 - 6.3964081928133965e-03 - - -6.9683700799942017e-01 1.1542639881372452e-01 - -6.6645371913909912e-01 - <_> - - 1 0 502 9.8322751000523567e-04 -1 -2 503 - -5.5737968068569899e-04 - - 3.5695379972457886e-01 2.3081110417842865e-01 - -2.8862631320953369e-01 - <_> - - 1 0 504 2.8798289131373167e-03 -1 -2 505 - -7.7164517715573311e-03 - - -5.9923267364501953e-01 3.6074900627136230e-01 - -8.1827618181705475e-02 - <_> - - 0 1 506 3.7285129074007273e-03 -1 -2 507 - -1.3161109760403633e-02 - - -3.7732011079788208e-01 6.7023038864135742e-01 - 1.5114549547433853e-02 - <_> - - 1 0 508 -3.8966130465269089e-02 -1 -2 509 - -5.7413699105381966e-03 - - -3.1252211332321167e-01 3.3947479724884033e-01 - -1.6011409461498260e-01 - <_> - - 1 0 510 1.2538330256938934e-01 -1 -2 511 - -9.7243122756481171e-02 - - 7.3721152544021606e-01 5.0288981199264526e-01 - -1.3284370303153992e-01 - <_> - - 0 1 512 -2.0128490868955851e-03 -1 -2 513 - 3.5349070094525814e-03 - - 4.1367891430854797e-01 -1.5923270583152771e-01 - 4.4056579470634460e-01 - <_> - - 1 0 514 4.4846540689468384e-01 -1 -2 515 - -1.0387780144810677e-02 - - 5.9423661231994629e-01 3.0399119853973389e-01 - -1.8287350237369537e-01 - <_> - - 0 1 516 -1.4210389927029610e-03 -1 -2 517 - 3.6446070298552513e-03 - - -4.5361068844795227e-01 1.5766820311546326e-01 - -6.2608838081359863e-01 - <_> - - 1 0 518 3.2253630924969912e-03 -1 -2 519 - 9.8893349058926105e-04 - - -4.1410240530967712e-01 -1.0757800191640854e-01 - 3.1156888604164124e-01 - <_> - - 0 1 520 -2.7107829228043556e-03 -1 -2 521 - -6.9264871999621391e-03 - - -7.5352817773818970e-01 2.7464428544044495e-01 - -1.1728949844837189e-01 - <_> - - 0 1 522 -3.7942770868539810e-02 -1 -2 523 - 1.3486459851264954e-02 - - 2.6936548948287964e-01 -3.1532868742942810e-01 - 2.5785440206527710e-01 - <_> - - 1 0 524 2.7866458985954523e-03 -1 -2 525 - 3.2895719632506371e-03 - - -6.8431657552719116e-01 1.2949100136756897e-01 - -4.4475141167640686e-01 - <_> - - 1 0 526 1.7910100286826491e-03 -1 -2 527 - 3.3694170415401459e-03 - - -5.6237429380416870e-01 -6.1936769634485245e-02 - 3.6794289946556091e-01 - <_> - - 0 1 528 6.5897632157430053e-04 -1 -2 529 - -3.2603838917566463e-05 - - -2.7705720067024231e-01 2.7426779270172119e-01 - -2.2369539737701416e-01 - <_> - - 0 1 530 -6.0175720602273941e-02 -1 -2 531 - -2.1217610687017441e-02 - - -7.4174910783767700e-01 -4.5034751296043396e-01 - 1.1426000297069550e-01 - <_> - - 1 0 532 -2.2632910404354334e-03 -1 -2 533 - 6.0313078574836254e-03 - - -3.0538588762283325e-01 2.0562660694122314e-01 - -4.0689799189567566e-01 - <_> - - 1 0 534 5.7578482665121555e-04 -1 -2 535 - -9.3677162658423185e-04 - - 3.5098749399185181e-01 2.1616159379482269e-01 - -2.4415770173072815e-01 - <_> - - 0 1 536 -3.7626568228006363e-02 -1 -2 537 - 4.4729812070727348e-03 - - -5.9113681316375732e-01 1.5792270004749298e-01 - -3.2226279377937317e-01 - <_> - - 0 1 538 -7.1853301487863064e-03 -1 -2 539 - 4.0520228445529938e-02 - - -5.9519052505493164e-01 -6.6688463091850281e-02 - 3.4030249714851379e-01 - <_> - - 0 1 540 -6.1968388035893440e-03 -1 -2 541 - 1.0311529971659184e-02 - - -6.7287462949752808e-01 1.0683239996433258e-01 - -5.4825967550277710e-01 - <_> - 33 - -1.9516259431838989e+00 - - <_> - - 1 0 542 -1.9320519641041756e-02 -1 -2 543 - -1.5126460231840611e-02 - - -3.8712570071220398e-01 6.4468181133270264e-01 - -1.2727110087871552e-01 - <_> - - 1 0 544 -6.0182690620422363e-02 -1 -2 545 - -1.3576049823313951e-03 - - -3.0819109082221985e-01 4.8021888732910156e-01 - -3.3428680896759033e-01 - <_> - - 1 0 546 -5.6930771097540855e-03 -1 -2 547 - -8.0942036584019661e-03 - - -3.3166080713272095e-01 4.7517481446266174e-01 - -7.4761562049388885e-02 - <_> - - 0 1 548 6.8413332337513566e-04 -1 -2 549 - -1.1520589888095856e-01 - - -3.5741969943046570e-01 2.6105090975761414e-01 - -3.1773808598518372e-01 - <_> - - 0 1 550 -9.1124046593904495e-03 -1 -2 551 - 5.4891068430151790e-05 - - -5.8540707826614380e-01 -2.2981899976730347e-01 - 2.3482909798622131e-01 - <_> - - 0 1 552 -9.5622539520263672e-03 -1 -2 553 - -8.2032606005668640e-03 - - 3.9155280590057373e-01 4.3179950118064880e-01 - -2.3173290491104126e-01 - <_> - - 0 1 554 -4.0035760030150414e-03 -1 -2 555 - 2.5406230706721544e-03 - - -5.8700478076934814e-01 1.7990030348300934e-01 - -4.1681569814682007e-01 - <_> - - 1 0 556 1.9435470458120108e-03 -1 -2 557 - 8.4362342022359371e-04 - - 3.0340009927749634e-01 -3.0661040544509888e-01 - 2.3646999895572662e-01 - <_> - - 0 1 558 -5.3103519603610039e-03 -1 -2 559 - -3.5526719875633717e-03 - - -5.6304818391799927e-01 -5.5695772171020508e-01 - 1.5022790431976318e-01 - <_> - - 1 0 560 7.1414401754736900e-03 -1 -2 561 - -1.1435860069468617e-03 - - -6.7626637220382690e-01 3.7873879075050354e-01 - -7.4442893266677856e-02 - <_> - - 0 1 562 -3.1177429482340813e-03 -1 -2 563 - -7.7415622770786285e-02 - - -6.2568587064743042e-01 3.9839410781860352e-01 - -5.5262319743633270e-02 - <_> - - 0 1 564 -3.9252988994121552e-02 -1 -2 565 - 2.2049970924854279e-02 - - 3.4094831347465515e-01 -2.4413719773292542e-01 - 4.3050870299339294e-01 - <_> - - 0 1 566 -2.2205871064215899e-03 -1 -2 567 - 2.8649640735238791e-03 - - 2.8309720754623413e-01 -3.5401880741119385e-01 - 2.1054570376873016e-01 - <_> - - 0 1 568 5.8806730521610007e-05 -1 -2 569 - -6.6595021635293961e-03 - - -2.7014040946960449e-01 -5.9313482046127319e-01 - 2.1892869472503662e-01 - <_> - - 0 1 570 1.6931600868701935e-02 -1 -2 571 - 4.7026639804244041e-03 - - -1.1279620230197906e-01 4.9212211370468140e-01 - -3.9702880382537842e-01 - <_> - - 0 1 572 1.7478819936513901e-03 -1 -2 573 - -2.0893230102956295e-03 - - -2.2339369356632233e-01 -4.3157818913459778e-01 - 2.5373139977455139e-01 - <_> - - 1 0 574 1.1534850113093853e-02 -1 -2 575 - 8.7350117973983288e-04 - - -7.0668542385101318e-01 -7.2509132325649261e-02 - 3.9975029230117798e-01 - <_> - - 1 0 576 -7.2836421895772219e-04 -1 -2 577 - 1.2666890397667885e-03 - - -2.3567649722099304e-01 2.2582389414310455e-01 - -4.2317348718643188e-01 - <_> - - 1 0 578 -8.4794021677225828e-04 -1 -2 579 - 3.6212441325187683e-01 - - -2.8307029604911804e-01 1.6724239289760590e-01 - -7.6826947927474976e-01 - <_> - - 1 0 580 -1.9437649752944708e-03 -1 -2 581 - -4.1159680113196373e-03 - - -2.7229419350624084e-01 -6.4211308956146240e-01 - 1.8810230493545532e-01 - <_> - - 1 0 582 2.3254039697349072e-03 -1 -2 583 - -1.4815620379522443e-03 - - 2.8516888618469238e-01 4.2574208974838257e-01 - -2.1113610267639160e-01 - <_> - - 1 0 584 -6.6233296820428222e-05 -1 -2 585 - -3.3756431192159653e-02 - - -2.8205850720405579e-01 -8.1803041696548462e-01 - 1.7053669691085815e-01 - <_> - - 0 1 586 -9.4350927975028753e-04 -1 -2 587 - 1.0650219628587365e-03 - - 1.5273140370845795e-01 -4.2650490999221802e-01 - 1.5235939621925354e-01 - <_> - - 0 1 588 -1.2905279872938991e-03 -1 -2 589 - 9.6549028530716896e-03 - - 1.7365390062332153e-01 -3.9721599221229553e-01 - 1.7953179776668549e-01 - <_> - - 1 0 590 1.3434770517051220e-03 -1 -2 591 - 5.5220007197931409e-04 - - -6.9609320163726807e-01 -7.2258770465850830e-02 - 3.4493291378021240e-01 - <_> - - 1 0 592 3.5795350559055805e-03 -1 -2 593 - -1.0585499927401543e-02 - - -4.8070669174194336e-01 -3.2975581288337708e-01 - 1.4686919748783112e-01 - <_> - - 1 0 594 3.5636040847748518e-03 -1 -2 595 - -1.0298290103673935e-01 - - -6.1415022611618042e-01 -7.2366482019424438e-01 - 8.4447070956230164e-02 - <_> - - 0 1 596 -2.9605759307742119e-02 -1 -2 597 - -3.4580599516630173e-02 - - 4.7113609313964844e-01 -4.3128991127014160e-01 - 2.4623470380902290e-02 - <_> - - 1 0 598 4.7923368401825428e-03 -1 -2 599 - 1.7058040248230100e-03 - - -4.6270799636840820e-01 1.4738570153713226e-01 - -3.7818890810012817e-01 - <_> - - 0 1 600 -3.3174119889736176e-03 -1 -2 601 - -1.7022279789671302e-03 - - 2.7929860353469849e-01 2.6326990127563477e-01 - -2.5129210948944092e-01 - <_> - - 1 0 602 -8.1695342669263482e-04 -1 -2 603 - -1.4184829778969288e-03 - - -1.2859649956226349e-01 5.8855402469635010e-01 - -5.0085168331861496e-02 - <_> - - 0 1 604 -1.0478599928319454e-02 -1 -2 605 - 3.1981911510229111e-02 - - 1.4732900261878967e-01 -4.1299548745155334e-01 - 3.4442049264907837e-01 - <_> - - 1 0 606 4.5543849468231201e-02 -1 -2 607 - 2.3574009537696838e-02 - - 4.8842081427574158e-01 -4.6383219957351685e-01 - 3.7443768233060837e-02 - <_> - 29 - -1.7628519535064697e+00 - - <_> - - 1 0 608 -3.2347131520509720e-02 -1 -2 609 - -7.4855431914329529e-02 - - -4.1153168678283691e-01 5.4409480094909668e-01 - -2.1043080091476440e-01 - <_> - - 0 1 610 -5.9164799749851227e-02 -1 -2 611 - -5.0734709948301315e-03 - - 4.6945521235466003e-01 8.0933347344398499e-02 - -4.0436869859695435e-01 - <_> - - 0 1 612 6.6304411739110947e-03 -1 -2 613 - 2.2804280743002892e-02 - - -3.1943950057029724e-01 -3.5277611017227173e-01 - 3.6358159780502319e-01 - <_> - - 1 0 614 3.4148059785366058e-03 -1 -2 615 - -6.0696629807353020e-03 - - -4.2139899730682373e-01 2.8190940618515015e-01 - -2.5727981328964233e-01 - <_> - - 1 0 616 -3.3271780703216791e-03 -1 -2 617 - 1.2381239794194698e-02 - - -3.3380180597305298e-01 2.5831120088696480e-02 - 5.8200639486312866e-01 - <_> - - 0 1 618 -7.8561902046203613e-02 -1 -2 619 - -7.6863910071551800e-03 - - 5.7080817222595215e-01 1.9097380340099335e-01 - -2.4749469757080078e-01 - <_> - - 1 0 620 3.9404830895364285e-03 -1 -2 621 - -7.0624810177832842e-05 - - -3.5295888781547546e-01 2.8438061475753784e-01 - -1.6469420492649078e-01 - <_> - - 0 1 622 -2.2568539716303349e-03 -1 -2 623 - -3.5595949739217758e-03 - - -4.6189218759536743e-01 2.4525940418243408e-01 - -1.8984979391098022e-01 - <_> - - 0 1 624 -3.0113100074231625e-03 -1 -2 625 - -6.2748990021646023e-03 - - 3.0594390630722046e-01 1.4716149866580963e-01 - -3.3265221118927002e-01 - <_> - - 1 0 626 2.5835279375314713e-03 -1 -2 627 - 3.2576550729572773e-03 - - -7.4853891134262085e-01 -1.4949619770050049e-01 - 2.6293671131134033e-01 - <_> - - 1 0 628 -2.6957978843711317e-04 -1 -2 629 - -4.4593680649995804e-03 - - -2.9468360543251038e-01 -4.5905289053916931e-01 - 2.2235380113124847e-01 - <_> - - 1 0 630 2.2841650061309338e-03 -1 -2 631 - -6.7595718428492546e-04 - - -6.3815939426422119e-01 -3.1756940484046936e-01 - 1.4903070032596588e-01 - <_> - - 1 0 632 6.1428439803421497e-03 -1 -2 633 - 2.7392068877816200e-03 - - 2.4187029898166656e-01 -3.1487539410591125e-01 - 2.3589129745960236e-01 - <_> - - 0 1 634 -2.0209311041980982e-03 -1 -2 635 - 2.6892140507698059e-02 - - 2.5389561057090759e-01 -3.4391039609909058e-01 - 2.3010760545730591e-01 - <_> - - 1 0 636 1.4671060256659985e-02 -1 -2 637 - -1.2444119900465012e-02 - - 5.9517538547515869e-01 3.7335929274559021e-01 - -1.4540639519691467e-01 - <_> - - 0 1 638 2.0527220331132412e-03 -1 -2 639 - -1.7088990658521652e-02 - - -2.1135020256042480e-01 -7.2516232728958130e-01 - 2.3358739912509918e-01 - <_> - - 0 1 640 -9.8585523664951324e-03 -1 -2 641 - -1.0541190393269062e-02 - - 4.5390421152114868e-01 3.5500058531761169e-01 - -1.7118500173091888e-01 - <_> - - 1 0 642 4.0034228004515171e-03 -1 -2 643 - -1.1889140121638775e-02 - - -7.0433962345123291e-01 4.0436559915542603e-01 - -4.6263620257377625e-02 - <_> - - 0 1 644 -2.0685700699687004e-02 -1 -2 645 - -7.9243928194046021e-03 - - -6.4347600936889648e-01 -5.3632920980453491e-01 - 1.1002989858388901e-01 - <_> - - 1 0 646 1.2431150535121560e-03 -1 -2 647 - -4.2312019504606724e-03 - - 4.1220021247863770e-01 7.9887658357620239e-02 - -3.0926740169525146e-01 - <_> - - 1 0 648 9.8197339102625847e-03 -1 -2 649 - 4.5455411076545715e-02 - - -6.0976761579513550e-01 1.0621140152215958e-01 - -6.4687371253967285e-01 - <_> - - 1 0 650 2.6892758905887604e-03 -1 -2 651 - -1.5172710409387946e-03 - - -4.9122989177703857e-01 1.7578749358654022e-01 - -2.6818940043449402e-01 - <_> - - 1 0 652 6.2014168361201882e-04 -1 -2 653 - -2.0233519899193197e-04 - - 2.5500729680061340e-01 7.2745857760310173e-03 - -5.0815272331237793e-01 - <_> - - 1 0 654 3.1760020647197962e-03 -1 -2 655 - -1.2668699491769075e-03 - - 4.3849268555641174e-01 1.6349400579929352e-01 - -2.9128161072731018e-01 - <_> - - 1 0 656 5.1056100055575371e-03 -1 -2 657 - -1.5026510227471590e-03 - - -7.5001358985900879e-01 2.7198830246925354e-01 - -9.9486798048019409e-02 - <_> - - 0 1 658 -3.6238620523363352e-03 -1 -2 659 - 7.6577658765017986e-03 - - -6.0396248102188110e-01 1.0938379913568497e-01 - -5.3007638454437256e-01 - <_> - - 0 1 660 -3.1830249354243279e-03 -1 -2 661 - 1.0931329801678658e-02 - - -4.7724890708923340e-01 -4.3065819889307022e-02 - 3.8945859670639038e-01 - <_> - - 0 1 662 -1.0047679534181952e-03 -1 -2 663 - -4.6660430729389191e-02 - - 4.1553598642349243e-01 3.0159878730773926e-01 - -1.6184380650520325e-01 - <_> - - 1 0 664 3.2002381049096584e-03 -1 -2 665 - -1.7367519903928041e-03 - - -5.4621779918670654e-01 -2.1987779438495636e-01 - 1.9606420397758484e-01 - <_> - 33 - -1.8088439702987671e+00 - - <_> - - 0 1 666 1.7160519957542419e-02 -1 -2 667 - 1.4503560028970242e-02 - - -3.2273009419441223e-01 -3.9438620209693909e-01 - 5.7922977209091187e-01 - <_> - - 1 0 668 -9.0323518961668015e-03 -1 -2 669 - -6.9836131297051907e-03 - - -4.1536870598793030e-01 3.5515859723091125e-01 - -3.8177150487899780e-01 - <_> - - 0 1 670 -1.9220909103751183e-02 -1 -2 671 - -4.0087159723043442e-02 - - 4.5315900444984436e-01 1.7228379845619202e-01 - -3.1110560894012451e-01 - <_> - - 0 1 672 5.6549701839685440e-03 -1 -2 673 - -1.1611269786953926e-02 - - -4.0461608767509460e-01 2.9034239053726196e-01 - -2.2078509628772736e-01 - <_> - - 0 1 674 -1.0576159693300724e-03 -1 -2 675 - -1.3360800221562386e-03 - - 3.5851669311523438e-01 1.5968900173902512e-02 - -4.1990101337432861e-01 - <_> - - 1 0 676 5.2302791737020016e-03 -1 -2 677 - -2.7848479803651571e-03 - - -4.9663281440734863e-01 -5.2960211038589478e-01 - 1.5535449981689453e-01 - <_> - - 0 1 678 -2.5654129683971405e-02 -1 -2 679 - -6.8942131474614143e-03 - - -5.9309178590774536e-01 2.4318109452724457e-01 - -1.8231940269470215e-01 - <_> - - 1 0 680 -6.9622750743292272e-05 -1 -2 681 - -6.4154611900448799e-03 - - -3.2716289162635803e-01 -5.0821667909622192e-01 - 1.9543349742889404e-01 - <_> - - 0 1 682 -6.7164386564400047e-05 -1 -2 683 - 2.2416690364480019e-02 - - 1.8602199852466583e-01 -3.9281991124153137e-01 - 1.3279129564762115e-01 - <_> - - 1 0 684 8.4287580102682114e-03 -1 -2 685 - -8.7357551092281938e-04 - - -5.5447560548782349e-01 4.7158730030059814e-01 - -3.8492478430271149e-02 - <_> - - 1 0 686 -4.7496971092186868e-05 -1 -2 687 - 4.5816078782081604e-03 - - -2.5197029113769531e-01 2.0250399410724640e-01 - -6.1638081073760986e-01 - <_> - - 1 0 688 -1.1175150051712990e-02 -1 -2 689 - -7.4238609522581100e-03 - - -2.7771198749542236e-01 -5.0103437900543213e-01 - 1.9318529963493347e-01 - <_> - - 0 1 690 -3.0201480258256197e-03 -1 -2 691 - -3.0343679245561361e-03 - - -6.5904247760772705e-01 3.1962481141090393e-01 - -1.0512910038232803e-01 - <_> - - 0 1 692 -1.0971290059387684e-02 -1 -2 693 - 1.2000739661743864e-04 - - 3.2707008719444275e-01 -4.1679269075393677e-01 - 1.1645200103521347e-01 - <_> - - 1 0 694 2.1552699618041515e-03 -1 -2 695 - 1.5970800304785371e-03 - - 1.5389390289783478e-01 -4.2979270219802856e-01 - 1.9192950427532196e-01 - <_> - - 0 1 696 -4.3590939603745937e-03 -1 -2 697 - -6.5752048976719379e-03 - - -8.6613738536834717e-01 3.5298541188240051e-01 - -7.2624720633029938e-02 - <_> - - 1 0 698 3.5486191045492887e-03 -1 -2 699 - 1.7437560018151999e-03 - - -3.6141040921211243e-01 -4.0250919759273529e-02 - 4.1119590401649475e-01 - <_> - - 1 0 700 6.5892767452169210e-05 -1 -2 701 - 1.2217169627547264e-02 - - 1.5523989498615265e-01 -3.6567229032516479e-01 - 2.5159689784049988e-01 - <_> - - 1 0 702 6.0199309140443802e-02 -1 -2 703 - -9.1684371232986450e-02 - - -6.8959599733352661e-01 -6.6311872005462646e-01 - 9.4827361404895782e-02 - <_> - - 1 0 704 8.9392811059951782e-04 -1 -2 705 - -1.1146500473842025e-03 - - 2.8731009364128113e-01 3.6127060651779175e-01 - -2.4054229259490967e-01 - <_> - - 0 1 706 -1.1042780242860317e-02 -1 -2 707 - 3.7769351154565811e-02 - - -7.1686691045761108e-01 1.1125349998474121e-01 - -5.6320947408676147e-01 - <_> - - 1 0 708 5.5979429744184017e-03 -1 -2 709 - -2.5462140329182148e-03 - - -5.6998908519744873e-01 2.6734578609466553e-01 - -1.0527700185775757e-01 - <_> - - 0 1 710 -1.7929819878190756e-03 -1 -2 711 - -8.9686378487385809e-05 - - 1.7712120711803436e-01 1.6762410104274750e-01 - -4.1336658596992493e-01 - <_> - - 1 0 712 -6.8254990037530661e-04 -1 -2 713 - 4.0599349886178970e-03 - - -3.1327050924301147e-01 2.0312629640102386e-01 - -4.6360948681831360e-01 - <_> - - 1 0 714 1.5843180008232594e-03 -1 -2 715 - -4.6101640909910202e-02 - - 2.6413089036941528e-01 2.4587640166282654e-01 - -3.1151199340820312e-01 - <_> - - 1 0 716 1.5759950038045645e-03 -1 -2 717 - 3.5904631018638611e-02 - - -3.6593970656394958e-01 -1.3352620415389538e-02 - 4.9500739574432373e-01 - <_> - - 1 0 718 1.9230529665946960e-02 -1 -2 719 - 1.3461830094456673e-02 - - 1.8603560328483582e-01 -4.2704311013221741e-01 - 1.4756950736045837e-01 - <_> - - 1 0 720 6.3534970395267010e-03 -1 -2 721 - 4.7998740337789059e-03 - - -5.8824592828750610e-01 1.3966129720211029e-01 - -3.6948320269584656e-01 - <_> - - 0 1 722 -9.7894563805311918e-04 -1 -2 723 - 1.8534340197220445e-03 - - 4.3156591057777405e-01 -1.9053110480308533e-01 - 2.6868799328804016e-01 - <_> - - 1 0 724 5.5962381884455681e-04 -1 -2 725 - -8.1787789240479469e-03 - - -3.0545750260353088e-01 -7.2353351116180420e-01 - 1.6197769343852997e-01 - <_> - - 1 0 726 -6.4591833506710827e-05 -1 -2 727 - -4.2282380163669586e-03 - - -1.6121749579906464e-01 4.2441681027412415e-01 - -1.1488209664821625e-01 - <_> - - 0 1 728 -3.2379399053752422e-03 -1 -2 729 - -4.7763898037374020e-03 - - -8.2811427116394043e-01 3.9157009124755859e-01 - -3.7677429616451263e-02 - <_> - - 0 1 730 -6.1182728968560696e-03 -1 -2 731 - 3.1565790995955467e-03 - - 3.0208829045295715e-01 -1.9045789539813995e-01 - 3.0219689011573792e-01 - - <_> - - <_> - 8 12 3 8 -1. - <_> - 8 16 3 4 2. - <_> - - <_> - 5 11 8 9 -1. - <_> - 7 11 4 9 2. - <_> - - <_> - 8 7 11 12 -1. - <_> - 8 11 11 4 3. - <_> - - <_> - 1 0 7 8 -1. - <_> - 1 4 7 4 2. - <_> - - <_> - 9 7 6 6 -1. - <_> - 7 9 6 2 3. - 1 - <_> - - <_> - 0 0 7 4 -1. - <_> - 0 2 7 2 2. - <_> - - <_> - 16 13 4 4 -1. - <_> - 18 13 2 4 2. - <_> - - <_> - 17 15 2 3 -1. - <_> - 17 15 1 3 2. - 1 - <_> - - <_> - 0 13 6 2 -1. - <_> - 2 13 2 2 3. - <_> - - <_> - 5 0 6 6 -1. - <_> - 7 0 2 6 3. - <_> - - <_> - 5 7 9 12 -1. - <_> - 8 11 3 4 9. - <_> - - <_> - 5 6 4 10 -1. - <_> - 5 6 2 5 2. - <_> - 7 11 2 5 2. - <_> - - <_> - 8 12 11 8 -1. - <_> - 8 16 11 4 2. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - <_> - - <_> - 14 14 6 6 -1. - <_> - 14 17 6 3 2. - <_> - - <_> - 5 13 9 7 -1. - <_> - 8 13 3 7 3. - <_> - - <_> - 6 17 6 3 -1. - <_> - 8 17 2 3 3. - <_> - - <_> - 0 0 4 4 -1. - <_> - 0 2 4 2 2. - <_> - - <_> - 1 0 3 3 -1. - <_> - 2 1 1 1 9. - <_> - - <_> - 3 18 6 2 -1. - <_> - 3 19 6 1 2. - <_> - - <_> - 7 18 4 2 -1. - <_> - 8 18 2 2 2. - <_> - - <_> - 6 10 12 2 -1. - <_> - 6 11 12 1 2. - <_> - - <_> - 15 8 3 1 -1. - <_> - 16 9 1 1 3. - 1 - <_> - - <_> - 5 7 9 12 -1. - <_> - 8 11 3 4 9. - <_> - - <_> - 16 13 1 6 -1. - <_> - 16 16 1 3 2. - <_> - - <_> - 9 7 5 6 -1. - <_> - 7 9 5 2 3. - 1 - <_> - - <_> - 16 12 4 6 -1. - <_> - 18 12 2 6 2. - <_> - - <_> - 0 0 6 8 -1. - <_> - 0 4 6 4 2. - <_> - - <_> - 3 1 15 12 -1. - <_> - 3 5 15 4 3. - <_> - - <_> - 11 12 9 8 -1. - <_> - 11 16 9 4 2. - <_> - - <_> - 0 0 12 9 -1. - <_> - 4 0 4 9 3. - <_> - - <_> - 0 12 6 4 -1. - <_> - 2 12 2 4 3. - <_> - - <_> - 10 18 4 2 -1. - <_> - 11 18 2 2 2. - <_> - - <_> - 5 2 3 3 -1. - <_> - 6 2 1 3 3. - <_> - - <_> - 12 18 3 2 -1. - <_> - 13 18 1 2 3. - <_> - - <_> - 0 0 2 8 -1. - <_> - 1 0 1 8 2. - <_> - - <_> - 5 18 4 2 -1. - <_> - 5 19 4 1 2. - <_> - - <_> - 14 11 6 6 -1. - <_> - 17 11 3 6 2. - <_> - - <_> - 6 12 8 4 -1. - <_> - 8 12 4 4 2. - <_> - - <_> - 12 6 4 9 -1. - <_> - 9 9 4 3 3. - 1 - <_> - - <_> - 11 9 4 7 -1. - <_> - 12 10 2 7 2. - 1 - <_> - - <_> - 5 8 4 8 -1. - <_> - 5 8 2 4 2. - <_> - 7 12 2 4 2. - <_> - - <_> - 8 12 11 8 -1. - <_> - 8 16 11 4 2. - <_> - - <_> - 3 0 14 6 -1. - <_> - 3 3 14 3 2. - <_> - - <_> - 7 1 6 12 -1. - <_> - 7 4 6 6 2. - <_> - - <_> - 0 18 7 2 -1. - <_> - 0 19 7 1 2. - <_> - - <_> - 16 12 4 3 -1. - <_> - 18 12 2 3 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 3 0 4 1 -1. - <_> - 5 0 2 1 2. - <_> - - <_> - 3 13 2 2 -1. - <_> - 3 13 2 1 2. - 1 - <_> - - <_> - 0 16 19 4 -1. - <_> - 0 18 19 2 2. - <_> - - <_> - 7 13 8 2 -1. - <_> - 11 13 4 2 2. - <_> - - <_> - 8 8 4 1 -1. - <_> - 9 8 2 1 2. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 15 15 5 2 -1. - <_> - 15 16 5 1 2. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 13 7 3 8 -1. - <_> - 11 9 3 4 2. - 1 - <_> - - <_> - 15 12 2 8 -1. - <_> - 15 16 2 4 2. - <_> - - <_> - 2 0 10 6 -1. - <_> - 2 3 10 3 2. - <_> - - <_> - 0 5 18 15 -1. - <_> - 6 10 6 5 9. - <_> - - <_> - 3 11 12 6 -1. - <_> - 7 13 4 2 9. - <_> - - <_> - 16 12 4 7 -1. - <_> - 18 12 2 7 2. - <_> - - <_> - 8 18 4 2 -1. - <_> - 9 18 2 2 2. - <_> - - <_> - 8 17 4 3 -1. - <_> - 9 17 2 3 2. - <_> - - <_> - 0 12 6 6 -1. - <_> - 2 12 2 6 3. - <_> - - <_> - 4 16 4 4 -1. - <_> - 5 16 2 4 2. - <_> - - <_> - 3 0 4 6 -1. - <_> - 4 0 2 6 2. - <_> - - <_> - 1 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 2 0 8 3 -1. - <_> - 6 0 4 3 2. - <_> - - <_> - 8 3 4 6 -1. - <_> - 9 3 2 6 2. - <_> - - <_> - 10 10 3 2 -1. - <_> - 10 11 3 1 2. - <_> - - <_> - 4 3 7 6 -1. - <_> - 4 6 7 3 2. - <_> - - <_> - 10 18 10 2 -1. - <_> - 15 18 5 2 2. - <_> - - <_> - 9 13 6 1 -1. - <_> - 9 13 3 1 2. - 1 - <_> - - <_> - 10 8 4 6 -1. - <_> - 8 10 4 2 3. - 1 - <_> - - <_> - 14 12 6 8 -1. - <_> - 14 16 6 4 2. - <_> - - <_> - 10 8 6 4 -1. - <_> - 12 10 2 4 3. - 1 - <_> - - <_> - 0 12 6 3 -1. - <_> - 2 12 2 3 3. - <_> - - <_> - 18 11 2 6 -1. - <_> - 19 11 1 6 2. - <_> - - <_> - 0 0 1 10 -1. - <_> - 0 5 1 5 2. - <_> - - <_> - 5 4 8 12 -1. - <_> - 7 4 4 12 2. - <_> - - <_> - 1 3 9 8 -1. - <_> - 4 3 3 8 3. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 12 8 6 12 -1. - <_> - 14 12 2 4 9. - <_> - - <_> - 4 2 14 6 -1. - <_> - 4 4 14 2 3. - <_> - - <_> - 3 0 12 8 -1. - <_> - 3 4 12 4 2. - <_> - - <_> - 0 0 17 20 -1. - <_> - 0 5 17 10 2. - <_> - - <_> - 4 0 13 6 -1. - <_> - 4 2 13 2 3. - <_> - - <_> - 2 10 3 6 -1. - <_> - 3 10 1 6 3. - <_> - - <_> - 4 14 6 4 -1. - <_> - 4 14 3 2 2. - <_> - 7 16 3 2 2. - <_> - - <_> - 8 1 6 8 -1. - <_> - 10 1 2 8 3. - <_> - - <_> - 0 1 2 6 -1. - <_> - 1 1 1 6 2. - <_> - - <_> - 8 12 1 3 -1. - <_> - 7 13 1 1 3. - 1 - <_> - - <_> - 5 4 8 4 -1. - <_> - 5 4 8 2 2. - 1 - <_> - - <_> - 0 2 4 5 -1. - <_> - 1 2 2 5 2. - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 12 1 2 3. - <_> - - <_> - 5 13 8 2 -1. - <_> - 7 13 4 2 2. - <_> - - <_> - 11 9 9 8 -1. - <_> - 11 11 9 4 2. - <_> - - <_> - 16 12 4 3 -1. - <_> - 18 12 2 3 2. - <_> - - <_> - 16 14 4 6 -1. - <_> - 16 17 4 3 2. - <_> - - <_> - 0 12 6 3 -1. - <_> - 2 12 2 3 3. - <_> - - <_> - 8 6 7 6 -1. - <_> - 6 8 7 2 3. - 1 - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 3 1 3 2. - <_> - - <_> - 0 2 15 5 -1. - <_> - 5 2 5 5 3. - <_> - - <_> - 8 11 10 3 -1. - <_> - 13 11 5 3 2. - <_> - - <_> - 8 11 2 8 -1. - <_> - 8 15 2 4 2. - <_> - - <_> - 0 1 2 6 -1. - <_> - 1 1 1 6 2. - <_> - - <_> - 0 1 4 4 -1. - <_> - 1 1 2 4 2. - <_> - - <_> - 5 16 3 1 -1. - <_> - 6 17 1 1 3. - 1 - <_> - - <_> - 5 0 7 15 -1. - <_> - 5 5 7 5 3. - <_> - - <_> - 17 0 3 2 -1. - <_> - 18 1 1 2 3. - 1 - <_> - - <_> - 4 18 6 2 -1. - <_> - 6 18 2 2 3. - <_> - - <_> - 7 1 4 5 -1. - <_> - 7 1 2 5 2. - 1 - <_> - - <_> - 14 0 6 8 -1. - <_> - 14 0 3 4 2. - <_> - 17 4 3 4 2. - <_> - - <_> - 5 2 4 18 -1. - <_> - 5 2 2 9 2. - <_> - 7 11 2 9 2. - <_> - - <_> - 7 18 6 2 -1. - <_> - 9 18 2 2 3. - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 9 2 1 3. - <_> - - <_> - 10 10 4 2 -1. - <_> - 10 10 2 1 2. - <_> - 12 11 2 1 2. - <_> - - <_> - 4 2 12 6 -1. - <_> - 4 4 12 2 3. - <_> - - <_> - 5 1 12 8 -1. - <_> - 5 3 12 4 2. - <_> - - <_> - 2 18 4 2 -1. - <_> - 2 19 4 1 2. - <_> - - <_> - 0 18 8 1 -1. - <_> - 4 18 4 1 2. - <_> - - <_> - 4 7 12 12 -1. - <_> - 8 11 4 4 9. - <_> - - <_> - 16 11 4 6 -1. - <_> - 18 11 2 6 2. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 15 14 5 6 -1. - <_> - 15 17 5 3 2. - <_> - - <_> - 0 7 6 9 -1. - <_> - 2 7 2 9 3. - <_> - - <_> - 15 11 4 1 -1. - <_> - 16 12 2 1 2. - 1 - <_> - - <_> - 11 11 8 2 -1. - <_> - 15 11 4 2 2. - <_> - - <_> - 0 1 12 11 -1. - <_> - 3 1 6 11 2. - <_> - - <_> - 8 8 6 4 -1. - <_> - 7 9 6 2 2. - 1 - <_> - - <_> - 6 17 6 3 -1. - <_> - 8 17 2 3 3. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 18 11 2 3 -1. - <_> - 18 12 2 1 3. - <_> - - <_> - 3 12 2 8 -1. - <_> - 3 12 1 4 2. - <_> - 4 16 1 4 2. - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 12 1 3 3. - <_> - - <_> - 11 18 4 2 -1. - <_> - 12 18 2 2 2. - <_> - - <_> - 17 10 3 3 -1. - <_> - 17 11 3 1 3. - <_> - - <_> - 7 14 5 2 -1. - <_> - 7 15 5 1 2. - <_> - - <_> - 6 0 4 5 -1. - <_> - 6 0 2 5 2. - 1 - <_> - - <_> - 6 1 5 8 -1. - <_> - 6 5 5 4 2. - <_> - - <_> - 3 1 9 8 -1. - <_> - 3 5 9 4 2. - <_> - - <_> - 2 14 15 6 -1. - <_> - 7 14 5 6 3. - <_> - - <_> - 12 3 6 5 -1. - <_> - 14 3 2 5 3. - <_> - - <_> - 5 16 2 2 -1. - <_> - 5 16 1 2 2. - 1 - <_> - - <_> - 5 16 2 2 -1. - <_> - 5 16 1 2 2. - 1 - <_> - - <_> - 9 8 6 4 -1. - <_> - 11 10 2 4 3. - 1 - <_> - - <_> - 4 11 3 4 -1. - <_> - 4 13 3 2 2. - <_> - - <_> - 13 8 6 12 -1. - <_> - 15 12 2 4 9. - <_> - - <_> - 0 0 1 10 -1. - <_> - 0 5 1 5 2. - <_> - - <_> - 0 12 6 4 -1. - <_> - 2 12 2 4 3. - <_> - - <_> - 7 5 8 6 -1. - <_> - 5 7 8 2 3. - 1 - <_> - - <_> - 3 1 16 4 -1. - <_> - 3 3 16 2 2. - <_> - - <_> - 6 2 10 9 -1. - <_> - 6 5 10 3 3. - <_> - - <_> - 14 10 6 10 -1. - <_> - 17 10 3 10 2. - <_> - - <_> - 5 17 4 3 -1. - <_> - 6 17 2 3 2. - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 12 1 2 3. - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 12 1 2 3. - <_> - - <_> - 0 0 2 9 -1. - <_> - 1 0 1 9 2. - <_> - - <_> - 2 6 3 2 -1. - <_> - 2 6 3 1 2. - 1 - <_> - - <_> - 7 16 6 3 -1. - <_> - 9 16 2 3 3. - <_> - - <_> - 7 17 6 2 -1. - <_> - 9 17 2 2 3. - <_> - - <_> - 6 3 9 6 -1. - <_> - 4 5 9 2 3. - 1 - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 16 1 2 3. - 1 - <_> - - <_> - 6 2 3 3 -1. - <_> - 7 2 1 3 3. - <_> - - <_> - 2 1 6 4 -1. - <_> - 4 1 2 4 3. - <_> - - <_> - 13 11 4 2 -1. - <_> - 13 11 2 1 2. - <_> - 15 12 2 1 2. - <_> - - <_> - 14 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 17 7 3 3 -1. - <_> - 18 8 1 3 3. - 1 - <_> - - <_> - 17 7 3 2 -1. - <_> - 18 8 1 2 3. - 1 - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 10 1 2 5 -1. - <_> - 11 1 1 5 2. - <_> - - <_> - 1 8 3 12 -1. - <_> - 1 11 3 6 2. - <_> - - <_> - 2 10 8 2 -1. - <_> - 2 10 4 2 2. - 1 - <_> - - <_> - 6 12 3 3 -1. - <_> - 7 13 1 1 9. - <_> - - <_> - 6 11 3 4 -1. - <_> - 7 11 1 4 3. - <_> - - <_> - 5 17 4 2 -1. - <_> - 6 17 2 2 2. - <_> - - <_> - 0 19 20 1 -1. - <_> - 10 19 10 1 2. - <_> - - <_> - 5 11 8 5 -1. - <_> - 7 11 4 5 2. - <_> - - <_> - 10 8 8 9 -1. - <_> - 10 11 8 3 3. - <_> - - <_> - 0 13 6 2 -1. - <_> - 2 13 2 2 3. - <_> - - <_> - 18 14 2 1 -1. - <_> - 18 14 1 1 2. - 1 - <_> - - <_> - 1 2 2 4 -1. - <_> - 2 2 1 4 2. - <_> - - <_> - 5 5 8 5 -1. - <_> - 9 5 4 5 2. - <_> - - <_> - 7 13 5 4 -1. - <_> - 7 15 5 2 2. - <_> - - <_> - 17 18 3 2 -1. - <_> - 17 19 3 1 2. - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 10 11 3 4 -1. - <_> - 11 11 1 4 3. - <_> - - <_> - 14 11 4 8 -1. - <_> - 16 11 2 8 2. - <_> - - <_> - 2 2 9 6 -1. - <_> - 2 5 9 3 2. - <_> - - <_> - 0 4 17 8 -1. - <_> - 0 6 17 4 2. - <_> - - <_> - 15 17 5 3 -1. - <_> - 15 18 5 1 3. - <_> - - <_> - 2 11 2 8 -1. - <_> - 2 15 2 4 2. - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 12 1 3 3. - <_> - - <_> - 3 12 9 7 -1. - <_> - 6 12 3 7 3. - <_> - - <_> - 13 1 4 7 -1. - <_> - 14 1 2 7 2. - <_> - - <_> - 3 16 2 2 -1. - <_> - 3 16 1 2 2. - 1 - <_> - - <_> - 3 17 2 1 -1. - <_> - 3 17 1 1 2. - 1 - <_> - - <_> - 4 9 6 6 -1. - <_> - 4 9 3 3 2. - <_> - 7 12 3 3 2. - <_> - - <_> - 11 13 3 1 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 0 0 20 3 -1. - <_> - 5 0 10 3 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 17 0 3 1 -1. - <_> - 18 1 1 1 3. - 1 - <_> - - <_> - 4 0 8 9 -1. - <_> - 4 3 8 3 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 2 6 2 2. - <_> - - <_> - 18 0 2 1 -1. - <_> - 18 0 1 1 2. - 1 - <_> - - <_> - 14 2 6 1 -1. - <_> - 17 2 3 1 2. - <_> - - <_> - 5 13 8 2 -1. - <_> - 7 13 4 2 2. - <_> - - <_> - 15 12 3 8 -1. - <_> - 15 16 3 4 2. - <_> - - <_> - 5 10 8 3 -1. - <_> - 5 11 8 1 3. - <_> - - <_> - 5 0 11 9 -1. - <_> - 5 3 11 3 3. - <_> - - <_> - 18 14 2 2 -1. - <_> - 19 14 1 2 2. - <_> - - <_> - 1 3 9 8 -1. - <_> - 4 3 3 8 3. - <_> - - <_> - 3 6 2 3 -1. - <_> - 2 7 2 1 3. - 1 - <_> - - <_> - 3 6 2 3 -1. - <_> - 2 7 2 1 3. - 1 - <_> - - <_> - 17 7 1 12 -1. - <_> - 13 11 1 4 3. - 1 - <_> - - <_> - 0 0 1 15 -1. - <_> - 0 5 1 5 3. - <_> - - <_> - 6 9 6 3 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 3 18 3 2 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 16 17 4 3 -1. - <_> - 16 18 4 1 3. - <_> - - <_> - 10 17 4 3 -1. - <_> - 11 17 2 3 2. - <_> - - <_> - 13 13 4 3 -1. - <_> - 14 13 2 3 2. - <_> - - <_> - 4 15 3 2 -1. - <_> - 5 16 1 2 3. - 1 - <_> - - <_> - 0 4 2 2 -1. - <_> - 1 4 1 2 2. - <_> - - <_> - 4 0 2 5 -1. - <_> - 5 0 1 5 2. - <_> - - <_> - 1 9 3 8 -1. - <_> - 1 11 3 4 2. - <_> - - <_> - 5 8 1 3 -1. - <_> - 4 9 1 1 3. - 1 - <_> - - <_> - 4 13 2 1 -1. - <_> - 5 13 1 1 2. - <_> - - <_> - 9 11 4 9 -1. - <_> - 11 11 2 9 2. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 12 11 1 4 -1. - <_> - 12 12 1 2 2. - <_> - - <_> - 16 10 3 3 -1. - <_> - 15 11 3 1 3. - 1 - <_> - - <_> - 18 12 1 6 -1. - <_> - 18 12 1 3 2. - 1 - <_> - - <_> - 4 17 3 2 -1. - <_> - 5 17 1 2 3. - <_> - - <_> - 17 7 3 2 -1. - <_> - 18 8 1 2 3. - 1 - <_> - - <_> - 18 9 2 1 -1. - <_> - 18 9 1 1 2. - 1 - <_> - - <_> - 8 11 4 5 -1. - <_> - 9 12 2 5 2. - 1 - <_> - - <_> - 7 1 2 7 -1. - <_> - 8 1 1 7 2. - <_> - - <_> - 4 4 14 6 -1. - <_> - 4 6 14 2 3. - <_> - - <_> - 2 2 11 6 -1. - <_> - 2 5 11 3 2. - <_> - - <_> - 18 16 2 2 -1. - <_> - 18 17 2 1 2. - <_> - - <_> - 17 11 2 6 -1. - <_> - 18 11 1 6 2. - <_> - - <_> - 17 0 3 3 -1. - <_> - 18 1 1 3 3. - 1 - <_> - - <_> - 18 0 2 6 -1. - <_> - 18 3 2 3 2. - <_> - - <_> - 4 7 6 8 -1. - <_> - 4 7 3 4 2. - <_> - 7 11 3 4 2. - <_> - - <_> - 11 11 4 2 -1. - <_> - 11 11 2 2 2. - 1 - <_> - - <_> - 0 0 6 7 -1. - <_> - 3 0 3 7 2. - <_> - - <_> - 15 10 5 8 -1. - <_> - 15 12 5 4 2. - <_> - - <_> - 2 10 3 8 -1. - <_> - 3 10 1 8 3. - <_> - - <_> - 9 7 6 6 -1. - <_> - 7 9 6 2 3. - 1 - <_> - - <_> - 4 1 6 6 -1. - <_> - 4 4 6 3 2. - <_> - - <_> - 4 0 16 2 -1. - <_> - 4 1 16 1 2. - <_> - - <_> - 14 8 6 6 -1. - <_> - 14 8 3 3 2. - <_> - 17 11 3 3 2. - <_> - - <_> - 4 12 2 8 -1. - <_> - 4 12 1 4 2. - <_> - 5 16 1 4 2. - <_> - - <_> - 0 18 7 2 -1. - <_> - 0 19 7 1 2. - <_> - - <_> - 9 13 1 4 -1. - <_> - 9 15 1 2 2. - <_> - - <_> - 18 10 2 8 -1. - <_> - 19 10 1 8 2. - <_> - - <_> - 6 0 4 8 -1. - <_> - 7 0 2 8 2. - <_> - - <_> - 1 2 6 6 -1. - <_> - 3 2 2 6 3. - <_> - - <_> - 10 10 8 2 -1. - <_> - 10 10 4 1 2. - <_> - 14 11 4 1 2. - <_> - - <_> - 3 9 2 3 -1. - <_> - 2 10 2 1 3. - 1 - <_> - - <_> - 5 1 13 6 -1. - <_> - 5 3 13 2 3. - <_> - - <_> - 4 4 13 6 -1. - <_> - 4 6 13 2 3. - <_> - - <_> - 8 1 4 5 -1. - <_> - 8 1 2 5 2. - 1 - <_> - - <_> - 7 7 2 1 -1. - <_> - 8 7 1 1 2. - <_> - - <_> - 5 5 4 4 -1. - <_> - 6 5 2 4 2. - <_> - - <_> - 14 12 4 2 -1. - <_> - 14 12 2 1 2. - <_> - 16 13 2 1 2. - <_> - - <_> - 13 11 4 2 -1. - <_> - 13 11 2 1 2. - <_> - 15 12 2 1 2. - <_> - - <_> - 16 10 4 3 -1. - <_> - 16 11 4 1 3. - <_> - - <_> - 10 0 4 5 -1. - <_> - 11 0 2 5 2. - <_> - - <_> - 8 11 1 3 -1. - <_> - 7 12 1 1 3. - 1 - <_> - - <_> - 6 12 3 2 -1. - <_> - 7 12 1 2 3. - <_> - - <_> - 17 8 2 3 -1. - <_> - 17 8 1 3 2. - 1 - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 1 1 1 2. - <_> - - <_> - 13 11 7 2 -1. - <_> - 13 12 7 1 2. - <_> - - <_> - 17 8 3 3 -1. - <_> - 18 9 1 3 3. - 1 - <_> - - <_> - 15 15 1 3 -1. - <_> - 14 16 1 1 3. - 1 - <_> - - <_> - 6 13 6 2 -1. - <_> - 8 13 2 2 3. - <_> - - <_> - 8 10 3 4 -1. - <_> - 9 10 1 4 3. - <_> - - <_> - 7 0 12 19 -1. - <_> - 13 0 6 19 2. - <_> - - <_> - 12 16 8 4 -1. - <_> - 12 18 8 2 2. - <_> - - <_> - 8 5 12 2 -1. - <_> - 14 5 6 2 2. - <_> - - <_> - 10 8 6 4 -1. - <_> - 12 10 2 4 3. - 1 - <_> - - <_> - 4 11 3 4 -1. - <_> - 4 13 3 2 2. - <_> - - <_> - 0 2 12 7 -1. - <_> - 3 2 6 7 2. - <_> - - <_> - 8 0 4 2 -1. - <_> - 8 0 2 2 2. - 1 - <_> - - <_> - 13 11 6 6 -1. - <_> - 15 13 2 2 9. - <_> - - <_> - 7 11 10 4 -1. - <_> - 12 11 5 4 2. - <_> - - <_> - 1 11 4 5 -1. - <_> - 2 11 2 5 2. - <_> - - <_> - 2 14 4 2 -1. - <_> - 3 15 2 2 2. - 1 - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 3 1 3 2. - <_> - - <_> - 6 2 6 6 -1. - <_> - 6 5 6 3 2. - <_> - - <_> - 6 18 4 2 -1. - <_> - 7 18 2 2 2. - <_> - - <_> - 6 18 4 2 -1. - <_> - 7 18 2 2 2. - <_> - - <_> - 4 4 7 4 -1. - <_> - 3 5 7 2 2. - 1 - <_> - - <_> - 5 8 8 12 -1. - <_> - 7 8 4 12 2. - <_> - - <_> - 5 17 2 1 -1. - <_> - 5 17 1 1 2. - 1 - <_> - - <_> - 4 18 2 1 -1. - <_> - 5 18 1 1 2. - <_> - - <_> - 13 16 7 2 -1. - <_> - 13 17 7 1 2. - <_> - - <_> - 7 15 2 3 -1. - <_> - 7 15 1 3 2. - 1 - <_> - - <_> - 9 2 4 5 -1. - <_> - 10 2 2 5 2. - <_> - - <_> - 7 2 4 6 -1. - <_> - 8 2 2 6 2. - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 12 1 3 3. - <_> - - <_> - 5 12 3 3 -1. - <_> - 6 13 1 1 9. - <_> - - <_> - 4 12 3 2 -1. - <_> - 5 12 1 2 3. - <_> - - <_> - 10 13 3 1 -1. - <_> - 11 13 1 1 3. - <_> - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - <_> - - <_> - 19 7 1 10 -1. - <_> - 19 12 1 5 2. - <_> - - <_> - 4 8 2 3 -1. - <_> - 3 9 2 1 3. - 1 - <_> - - <_> - 7 0 6 5 -1. - <_> - 9 0 2 5 3. - <_> - - <_> - 5 0 6 2 -1. - <_> - 5 0 3 2 2. - 1 - <_> - - <_> - 5 0 13 9 -1. - <_> - 5 3 13 3 3. - <_> - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - <_> - - <_> - 1 0 16 6 -1. - <_> - 1 2 16 2 3. - <_> - - <_> - 18 0 2 4 -1. - <_> - 18 0 1 4 2. - 1 - <_> - - <_> - 4 13 2 2 -1. - <_> - 4 13 1 1 2. - <_> - 5 14 1 1 2. - <_> - - <_> - 0 3 4 1 -1. - <_> - 2 3 2 1 2. - <_> - - <_> - 3 0 8 12 -1. - <_> - 3 6 8 6 2. - <_> - - <_> - 12 13 4 1 -1. - <_> - 13 13 2 1 2. - <_> - - <_> - 12 12 2 2 -1. - <_> - 12 12 1 1 2. - <_> - 13 13 1 1 2. - <_> - - <_> - 5 16 3 1 -1. - <_> - 6 17 1 1 3. - 1 - <_> - - <_> - 3 13 8 4 -1. - <_> - 3 13 4 2 2. - <_> - 7 15 4 2 2. - <_> - - <_> - 0 8 18 3 -1. - <_> - 6 9 6 1 9. - <_> - - <_> - 8 4 6 5 -1. - <_> - 11 4 3 5 2. - <_> - - <_> - 5 14 9 1 -1. - <_> - 8 14 3 1 3. - <_> - - <_> - 4 0 4 4 -1. - <_> - 4 0 2 4 2. - 1 - <_> - - <_> - 7 9 12 8 -1. - <_> - 7 11 12 4 2. - <_> - - <_> - 18 15 2 1 -1. - <_> - 18 15 1 1 2. - 1 - <_> - - <_> - 3 13 2 4 -1. - <_> - 3 13 1 2 2. - <_> - 4 15 1 2 2. - <_> - - <_> - 4 7 3 3 -1. - <_> - 3 8 3 1 3. - 1 - <_> - - <_> - 0 1 2 7 -1. - <_> - 1 1 1 7 2. - <_> - - <_> - 4 0 3 9 -1. - <_> - 5 0 1 9 3. - <_> - - <_> - 15 10 3 3 -1. - <_> - 14 11 3 1 3. - 1 - <_> - - <_> - 12 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 12 18 8 2 -1. - <_> - 12 19 8 1 2. - <_> - - <_> - 17 9 2 2 -1. - <_> - 17 9 1 2 2. - 1 - <_> - - <_> - 16 10 4 2 -1. - <_> - 17 11 2 2 2. - 1 - <_> - - <_> - 7 13 10 1 -1. - <_> - 12 13 5 1 2. - <_> - - <_> - 7 7 4 3 -1. - <_> - 9 7 2 3 2. - <_> - - <_> - 9 18 6 2 -1. - <_> - 11 18 2 2 3. - <_> - - <_> - 8 18 6 2 -1. - <_> - 10 18 2 2 3. - <_> - - <_> - 17 9 3 1 -1. - <_> - 18 10 1 1 3. - 1 - <_> - - <_> - 17 7 2 11 -1. - <_> - 18 7 1 11 2. - <_> - - <_> - 8 2 4 4 -1. - <_> - 8 2 2 4 2. - 1 - <_> - - <_> - 6 6 2 3 -1. - <_> - 7 6 1 3 2. - <_> - - <_> - 7 0 9 5 -1. - <_> - 10 3 3 5 3. - 1 - <_> - - <_> - 1 0 15 9 -1. - <_> - 6 3 5 3 9. - <_> - - <_> - 2 12 4 3 -1. - <_> - 3 12 2 3 2. - <_> - - <_> - 0 12 4 5 -1. - <_> - 1 12 2 5 2. - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 4 13 6 1 -1. - <_> - 4 13 3 1 2. - 1 - <_> - - <_> - 5 0 4 6 -1. - <_> - 6 0 2 6 2. - <_> - - <_> - 2 17 2 1 -1. - <_> - 2 17 1 1 2. - 1 - <_> - - <_> - 4 9 1 3 -1. - <_> - 3 10 1 1 3. - 1 - <_> - - <_> - 0 2 6 9 -1. - <_> - 2 2 2 9 3. - <_> - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 2 2. - 1 - <_> - - <_> - 7 2 6 4 -1. - <_> - 9 2 2 4 3. - <_> - - <_> - 7 18 6 2 -1. - <_> - 9 18 2 2 3. - <_> - - <_> - 1 14 6 4 -1. - <_> - 3 14 2 4 3. - <_> - - <_> - 6 8 7 3 -1. - <_> - 5 9 7 1 3. - 1 - <_> - - <_> - 14 12 4 1 -1. - <_> - 15 13 2 1 2. - 1 - <_> - - <_> - 4 12 3 2 -1. - <_> - 5 12 1 2 3. - <_> - - <_> - 5 12 3 3 -1. - <_> - 6 12 1 3 3. - <_> - - <_> - 18 2 2 2 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 14 0 6 1 -1. - <_> - 17 0 3 1 2. - <_> - - <_> - 17 0 3 3 -1. - <_> - 18 1 1 3 3. - 1 - <_> - - <_> - 11 4 6 8 -1. - <_> - 13 4 2 8 3. - <_> - - <_> - 7 12 3 2 -1. - <_> - 8 12 1 2 3. - <_> - - <_> - 16 0 3 2 -1. - <_> - 16 1 3 1 2. - <_> - - <_> - 5 11 9 4 -1. - <_> - 8 11 3 4 3. - <_> - - <_> - 12 9 1 6 -1. - <_> - 12 11 1 2 3. - <_> - - <_> - 4 0 4 4 -1. - <_> - 4 0 2 4 2. - 1 - <_> - - <_> - 5 1 11 12 -1. - <_> - 5 5 11 4 3. - <_> - - <_> - 16 12 4 8 -1. - <_> - 18 12 2 8 2. - <_> - - <_> - 18 14 2 6 -1. - <_> - 18 17 2 3 2. - <_> - - <_> - 1 12 4 4 -1. - <_> - 2 12 2 4 2. - <_> - - <_> - 6 7 6 4 -1. - <_> - 5 8 6 2 2. - 1 - <_> - - <_> - 5 15 3 2 -1. - <_> - 6 16 1 2 3. - 1 - <_> - - <_> - 6 16 3 1 -1. - <_> - 7 17 1 1 3. - 1 - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 14 1 1 2. - 1 - <_> - - <_> - 4 7 3 3 -1. - <_> - 3 8 3 1 3. - 1 - <_> - - <_> - 2 0 6 8 -1. - <_> - 4 0 2 8 3. - <_> - - <_> - 2 5 6 3 -1. - <_> - 4 5 2 3 3. - <_> - - <_> - 3 11 3 6 -1. - <_> - 4 11 1 6 3. - <_> - - <_> - 15 11 2 3 -1. - <_> - 14 12 2 1 3. - 1 - <_> - - <_> - 11 17 4 3 -1. - <_> - 12 17 2 3 2. - <_> - - <_> - 13 11 2 2 -1. - <_> - 13 11 1 1 2. - <_> - 14 12 1 1 2. - <_> - - <_> - 13 11 2 2 -1. - <_> - 13 11 1 1 2. - <_> - 14 12 1 1 2. - <_> - - <_> - 8 2 5 6 -1. - <_> - 8 5 5 3 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 0 8 10 4 -1. - <_> - 0 10 10 2 2. - <_> - - <_> - 17 11 3 1 -1. - <_> - 18 12 1 1 3. - 1 - <_> - - <_> - 7 18 2 2 -1. - <_> - 8 18 1 2 2. - <_> - - <_> - 0 6 18 4 -1. - <_> - 9 6 9 4 2. - <_> - - <_> - 2 12 12 8 -1. - <_> - 6 12 4 8 3. - <_> - - <_> - 1 0 14 1 -1. - <_> - 8 0 7 1 2. - <_> - - <_> - 8 0 12 19 -1. - <_> - 14 0 6 19 2. - <_> - - <_> - 7 12 3 2 -1. - <_> - 8 12 1 2 3. - <_> - - <_> - 8 11 3 5 -1. - <_> - 9 11 1 5 3. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 5 13 2 2 -1. - <_> - 5 13 1 1 2. - <_> - 6 14 1 1 2. - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 10 1 1 3. - 1 - <_> - - <_> - 18 0 2 3 -1. - <_> - 18 0 1 3 2. - 1 - <_> - - <_> - 4 2 15 6 -1. - <_> - 4 4 15 2 3. - <_> - - <_> - 10 0 10 4 -1. - <_> - 10 0 5 2 2. - <_> - 15 2 5 2 2. - <_> - - <_> - 5 0 12 6 -1. - <_> - 5 2 12 2 3. - <_> - - <_> - 12 1 8 6 -1. - <_> - 12 1 4 3 2. - <_> - 16 4 4 3 2. - <_> - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 7 1 4 2. - 1 - <_> - - <_> - 15 17 5 3 -1. - <_> - 15 18 5 1 3. - <_> - - <_> - 6 12 6 8 -1. - <_> - 8 12 2 8 3. - <_> - - <_> - 5 12 2 2 -1. - <_> - 6 12 1 2 2. - <_> - - <_> - 13 12 4 6 -1. - <_> - 14 12 2 6 2. - <_> - - <_> - 17 0 3 4 -1. - <_> - 18 1 1 4 3. - 1 - <_> - - <_> - 4 0 4 10 -1. - <_> - 5 0 2 10 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 6 12 1 3 3. - <_> - - <_> - 11 12 3 3 -1. - <_> - 12 12 1 3 3. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 2 1 8 1 -1. - <_> - 4 1 4 1 2. - <_> - - <_> - 0 3 18 12 -1. - <_> - 6 7 6 4 9. - <_> - - <_> - 12 18 6 2 -1. - <_> - 15 18 3 2 2. - <_> - - <_> - 11 9 4 7 -1. - <_> - 12 10 2 7 2. - 1 - <_> - - <_> - 15 8 3 12 -1. - <_> - 16 12 1 4 9. - <_> - - <_> - 6 10 7 3 -1. - <_> - 6 11 7 1 3. - <_> - - <_> - 4 9 10 3 -1. - <_> - 4 10 10 1 3. - <_> - - <_> - 0 1 15 7 -1. - <_> - 5 1 5 7 3. - <_> - - <_> - 0 0 1 18 -1. - <_> - 0 6 1 6 3. - <_> - - <_> - 9 13 2 4 -1. - <_> - 8 14 2 2 2. - 1 - <_> - - <_> - 16 16 4 4 -1. - <_> - 16 18 4 2 2. - <_> - - <_> - 1 10 4 8 -1. - <_> - 2 10 2 8 2. - <_> - - <_> - 2 15 3 2 -1. - <_> - 3 16 1 2 3. - 1 - <_> - - <_> - 2 17 2 1 -1. - <_> - 2 17 1 1 2. - 1 - <_> - - <_> - 18 10 2 8 -1. - <_> - 18 10 2 4 2. - 1 - <_> - - <_> - 0 11 18 3 -1. - <_> - 6 12 6 1 9. - <_> - - <_> - 15 10 4 2 -1. - <_> - 16 11 2 2 2. - 1 - <_> - - <_> - 9 1 5 4 -1. - <_> - 9 3 5 2 2. - <_> - - <_> - 6 1 7 6 -1. - <_> - 6 4 7 3 2. - <_> - - <_> - 3 3 8 6 -1. - <_> - 3 6 8 3 2. - <_> - - <_> - 16 1 4 2 -1. - <_> - 18 1 2 2 2. - <_> - - <_> - 18 12 2 3 -1. - <_> - 18 13 2 1 3. - <_> - - <_> - 17 6 2 8 -1. - <_> - 17 6 1 4 2. - <_> - 18 10 1 4 2. - <_> - - <_> - 17 5 3 4 -1. - <_> - 18 6 1 4 3. - 1 - <_> - - <_> - 0 9 4 8 -1. - <_> - 0 11 4 4 2. - <_> - - <_> - 0 6 3 8 -1. - <_> - 0 10 3 4 2. - <_> - - <_> - 14 11 2 2 -1. - <_> - 14 11 1 1 2. - <_> - 15 12 1 1 2. - <_> - - <_> - 15 11 3 3 -1. - <_> - 14 12 3 1 3. - 1 - <_> - - <_> - 14 12 5 2 -1. - <_> - 14 13 5 1 2. - <_> - - <_> - 19 12 1 2 -1. - <_> - 19 13 1 1 2. - <_> - - <_> - 6 0 4 7 -1. - <_> - 7 0 2 7 2. - <_> - - <_> - 12 12 3 2 -1. - <_> - 12 13 3 1 2. - <_> - - <_> - 12 13 4 2 -1. - <_> - 12 13 2 1 2. - <_> - 14 14 2 1 2. - <_> - - <_> - 16 18 4 2 -1. - <_> - 16 19 4 1 2. - <_> - - <_> - 14 18 1 2 -1. - <_> - 14 19 1 1 2. - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 1 1 2 3. - 1 - <_> - - <_> - 16 0 4 2 -1. - <_> - 17 1 2 2 2. - 1 - <_> - - <_> - 12 13 2 2 -1. - <_> - 12 13 1 1 2. - <_> - 13 14 1 1 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 7 10 2 2 2. - 1 - <_> - - <_> - 3 3 1 3 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 3 4 2 3 -1. - <_> - 2 5 2 1 3. - 1 - <_> - - <_> - 3 0 16 6 -1. - <_> - 3 2 16 2 3. - <_> - - <_> - 12 2 2 5 -1. - <_> - 12 2 1 5 2. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 13 12 2 2 -1. - <_> - 13 12 1 1 2. - <_> - 14 13 1 1 2. - <_> - - <_> - 5 17 4 3 -1. - <_> - 6 17 2 3 2. - <_> - - <_> - 17 13 3 3 -1. - <_> - 17 14 3 1 3. - <_> - - <_> - 0 12 2 8 -1. - <_> - 0 12 1 4 2. - <_> - 1 16 1 4 2. - <_> - - <_> - 4 16 1 3 -1. - <_> - 3 17 1 1 3. - 1 - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 10 2 4 7 -1. - <_> - 11 2 2 7 2. - <_> - - <_> - 2 1 6 9 -1. - <_> - 2 4 6 3 3. - <_> - - <_> - 1 4 2 2 -1. - <_> - 2 4 1 2 2. - <_> - - <_> - 13 12 2 2 -1. - <_> - 13 12 1 1 2. - <_> - 14 13 1 1 2. - <_> - - <_> - 18 0 2 1 -1. - <_> - 19 0 1 1 2. - <_> - - <_> - 4 13 3 1 -1. - <_> - 5 13 1 1 3. - <_> - - <_> - 6 13 4 1 -1. - <_> - 7 13 2 1 2. - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 11 6 1 3. - <_> - - <_> - 7 9 4 3 -1. - <_> - 7 10 4 1 3. - <_> - - <_> - 6 0 4 3 -1. - <_> - 6 0 2 3 2. - 1 - <_> - - <_> - 15 15 5 2 -1. - <_> - 15 16 5 1 2. - <_> - - <_> - 0 8 18 12 -1. - <_> - 6 12 6 4 9. - <_> - - <_> - 1 6 14 4 -1. - <_> - 8 6 7 4 2. - <_> - - <_> - 3 11 6 3 -1. - <_> - 2 12 6 1 3. - 1 - <_> - - <_> - 5 9 1 3 -1. - <_> - 4 10 1 1 3. - 1 - <_> - - <_> - 17 10 3 3 -1. - <_> - 18 11 1 3 3. - 1 - <_> - - <_> - 17 11 1 4 -1. - <_> - 16 12 1 2 2. - 1 - <_> - - <_> - 1 0 12 9 -1. - <_> - 4 0 6 9 2. - <_> - - <_> - 9 3 4 5 -1. - <_> - 10 3 2 5 2. - <_> - - <_> - 7 8 6 3 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 7 1 9 6 -1. - <_> - 7 3 9 2 3. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 2 2 1 2. - <_> - - <_> - 13 8 3 5 -1. - <_> - 14 9 1 5 3. - 1 - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 17 1 1 3. - 1 - <_> - - <_> - 11 1 4 7 -1. - <_> - 12 1 2 7 2. - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 12 14 3 1 -1. - <_> - 13 14 1 1 3. - <_> - - <_> - 17 2 3 1 -1. - <_> - 18 3 1 1 3. - 1 - <_> - - <_> - 14 2 6 6 -1. - <_> - 14 2 3 3 2. - <_> - 17 5 3 3 2. - <_> - - <_> - 12 16 8 4 -1. - <_> - 12 18 8 2 2. - <_> - - <_> - 7 11 3 3 -1. - <_> - 6 12 3 1 3. - 1 - <_> - - <_> - 6 3 8 6 -1. - <_> - 4 5 8 2 3. - 1 - <_> - - <_> - 1 8 3 8 -1. - <_> - 1 10 3 4 2. - <_> - - <_> - 7 0 8 6 -1. - <_> - 9 2 4 6 2. - 1 - <_> - - <_> - 5 2 7 6 -1. - <_> - 5 5 7 3 2. - <_> - - <_> - 10 13 3 1 -1. - <_> - 11 13 1 1 3. - <_> - - <_> - 12 12 4 2 -1. - <_> - 12 12 2 1 2. - <_> - 14 13 2 1 2. - <_> - - <_> - 6 1 14 19 -1. - <_> - 13 1 7 19 2. - <_> - - <_> - 6 9 14 1 -1. - <_> - 13 9 7 1 2. - <_> - - <_> - 18 0 2 1 -1. - <_> - 18 0 1 1 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 5 7 2 3 -1. - <_> - 4 8 2 1 3. - 1 - <_> - - <_> - 15 12 3 3 -1. - <_> - 14 13 3 1 3. - 1 - <_> - - <_> - 10 17 4 2 -1. - <_> - 11 17 2 2 2. - <_> - - <_> - 8 12 3 3 -1. - <_> - 9 13 1 1 9. - <_> - - <_> - 4 1 7 6 -1. - <_> - 4 3 7 2 3. - <_> - - <_> - 11 0 6 6 -1. - <_> - 11 2 6 2 3. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 7 5 4 4 -1. - <_> - 8 5 2 4 2. - <_> - - <_> - 1 0 1 3 -1. - <_> - 1 1 1 1 3. - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 4 4 1 2. - <_> - - <_> - 18 13 2 5 -1. - <_> - 19 13 1 5 2. - <_> - - <_> - 2 11 3 6 -1. - <_> - 3 11 1 6 3. - <_> - - <_> - 0 5 2 12 -1. - <_> - 0 9 2 4 3. - <_> - - <_> - 11 10 8 5 -1. - <_> - 15 10 4 5 2. - <_> - - <_> - 15 11 4 2 -1. - <_> - 16 12 2 2 2. - 1 - <_> - - <_> - 15 8 4 2 -1. - <_> - 16 9 2 2 2. - 1 - <_> - - <_> - 5 13 2 1 -1. - <_> - 6 13 1 1 2. - <_> - - <_> - 12 13 2 2 -1. - <_> - 13 13 1 2 2. - <_> - - <_> - 11 12 8 8 -1. - <_> - 13 12 4 8 2. - <_> - - <_> - 3 0 6 10 -1. - <_> - 5 0 2 10 3. - <_> - - <_> - 6 14 2 2 -1. - <_> - 6 14 1 2 2. - 1 - <_> - - <_> - 0 5 19 4 -1. - <_> - 0 7 19 2 2. - <_> - - <_> - 17 4 3 2 -1. - <_> - 18 5 1 2 3. - 1 - <_> - - <_> - 17 3 3 4 -1. - <_> - 18 4 1 4 3. - 1 - <_> - - <_> - 5 13 8 2 -1. - <_> - 7 13 4 2 2. - <_> - - <_> - 0 0 2 8 -1. - <_> - 0 4 2 4 2. - <_> - - <_> - 0 9 15 6 -1. - <_> - 0 11 15 2 3. - <_> - - <_> - 18 14 2 1 -1. - <_> - 18 14 1 1 2. - 1 - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 0 13 6 2 -1. - <_> - 2 13 2 2 3. - <_> - - <_> - 3 18 3 2 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 2 11 15 6 -1. - <_> - 7 13 5 2 9. - <_> - - <_> - 7 14 3 3 -1. - <_> - 8 15 1 3 3. - 1 - <_> - - <_> - 7 8 2 2 -1. - <_> - 8 8 1 2 2. - <_> - - <_> - 6 9 6 3 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 5 8 7 3 -1. - <_> - 5 9 7 1 3. - <_> - - <_> - 17 9 3 1 -1. - <_> - 18 10 1 1 3. - 1 - <_> - - <_> - 17 9 3 2 -1. - <_> - 18 10 1 2 3. - 1 - <_> - - <_> - 11 9 1 3 -1. - <_> - 11 10 1 1 3. - <_> - - <_> - 12 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 3 6 4 5 -1. - <_> - 4 6 2 5 2. - <_> - - <_> - 5 6 4 3 -1. - <_> - 6 6 2 3 2. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 14 12 2 2 -1. - <_> - 14 12 1 1 2. - <_> - 15 13 1 1 2. - <_> - - <_> - 3 16 3 3 -1. - <_> - 4 16 1 3 3. - <_> - - <_> - 3 1 14 4 -1. - <_> - 3 3 14 2 2. - <_> - - <_> - 6 0 14 8 -1. - <_> - 6 0 7 4 2. - <_> - 13 4 7 4 2. - <_> - - <_> - 4 0 4 8 -1. - <_> - 4 2 4 4 2. - <_> - - <_> - 9 0 8 1 -1. - <_> - 13 0 4 1 2. - <_> - - <_> - 14 1 6 1 -1. - <_> - 17 1 3 1 2. - <_> - - <_> - 18 18 2 2 -1. - <_> - 18 19 2 1 2. - <_> - - <_> - 5 16 2 2 -1. - <_> - 5 16 1 2 2. - 1 - <_> - - <_> - 2 8 11 3 -1. - <_> - 2 9 11 1 3. - <_> - - <_> - 1 8 2 3 -1. - <_> - 1 9 2 1 3. - <_> - - <_> - 18 12 2 5 -1. - <_> - 19 12 1 5 2. - <_> - - <_> - 19 16 1 3 -1. - <_> - 18 17 1 1 3. - 1 - <_> - - <_> - 14 9 2 2 -1. - <_> - 14 9 1 2 2. - 1 - <_> - - <_> - 13 11 2 2 -1. - <_> - 13 11 1 1 2. - <_> - 14 12 1 1 2. - <_> - - <_> - 13 12 4 4 -1. - <_> - 14 12 2 4 2. - <_> - - <_> - 19 11 1 3 -1. - <_> - 19 12 1 1 3. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - <_> - - <_> - 0 0 20 20 -1. - <_> - 0 0 10 10 2. - <_> - 10 10 10 10 2. - <_> - - <_> - 11 12 3 3 -1. - <_> - 10 13 3 1 3. - 1 - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 17 1 1 2. - 1 - <_> - - <_> - 13 10 4 2 -1. - <_> - 13 10 2 1 2. - <_> - 15 11 2 1 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 2 10 3 6 -1. - <_> - 3 10 1 6 3. - <_> - - <_> - 0 0 6 9 -1. - <_> - 2 0 2 9 3. - <_> - - <_> - 8 17 2 1 -1. - <_> - 8 17 1 1 2. - 1 - <_> - - <_> - 4 18 8 1 -1. - <_> - 8 18 4 1 2. - <_> - - <_> - 4 11 1 4 -1. - <_> - 3 12 1 2 2. - 1 - <_> - - <_> - 7 11 3 3 -1. - <_> - 6 12 3 1 3. - 1 - <_> - - <_> - 9 18 4 1 -1. - <_> - 10 18 2 1 2. - <_> - - <_> - 0 19 2 1 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 11 6 3 5 -1. - <_> - 12 6 1 5 3. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 0 6 10 2. - <_> - 14 10 6 10 2. - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 4 14 16 4 -1. - <_> - 8 14 8 4 2. - <_> - - <_> - 7 9 5 4 -1. - <_> - 6 10 5 2 2. - 1 - <_> - - <_> - 5 12 6 2 -1. - <_> - 5 12 3 2 2. - 1 - <_> - - <_> - 1 14 4 1 -1. - <_> - 1 14 2 1 2. - 1 - <_> - - <_> - 4 10 1 3 -1. - <_> - 3 11 1 1 3. - 1 - <_> - - <_> - 3 10 3 9 -1. - <_> - 4 10 1 9 3. - <_> - - <_> - 4 11 3 4 -1. - <_> - 5 11 1 4 3. - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 12 1 2 3. - <_> - - <_> - 7 12 3 2 -1. - <_> - 8 12 1 2 3. - <_> - - <_> - 1 2 12 6 -1. - <_> - 5 2 4 6 3. - <_> - - <_> - 9 0 8 3 -1. - <_> - 11 2 4 3 2. - 1 - <_> - - <_> - 8 1 6 2 -1. - <_> - 8 1 3 2 2. - 1 - <_> - - <_> - 4 4 15 9 -1. - <_> - 4 7 15 3 3. - <_> - - <_> - 5 10 8 6 -1. - <_> - 7 10 4 6 2. - <_> - - <_> - 11 8 9 9 -1. - <_> - 11 11 9 3 3. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 2 2 4 3. - 1 - <_> - - <_> - 3 11 6 3 -1. - <_> - 2 12 6 1 3. - 1 - <_> - - <_> - 16 12 4 3 -1. - <_> - 18 12 2 3 2. - <_> - - <_> - 10 10 2 10 -1. - <_> - 10 15 2 5 2. - <_> - - <_> - 5 7 3 4 -1. - <_> - 4 8 3 2 2. - 1 - <_> - - <_> - 1 9 6 1 -1. - <_> - 3 11 2 1 3. - 1 - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 3 1 3 2. - <_> - - <_> - 8 10 10 2 -1. - <_> - 8 10 5 1 2. - <_> - 13 11 5 1 2. - <_> - - <_> - 5 2 5 6 -1. - <_> - 5 5 5 3 2. - <_> - - <_> - 6 1 6 1 -1. - <_> - 6 1 3 1 2. - 1 - <_> - - <_> - 0 3 1 12 -1. - <_> - 0 7 1 4 3. - <_> - - <_> - 0 7 2 1 -1. - <_> - 1 7 1 1 2. - <_> - - <_> - 3 5 1 3 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 11 12 2 3 -1. - <_> - 10 13 2 1 3. - 1 - <_> - - <_> - 10 12 3 3 -1. - <_> - 11 12 1 3 3. - <_> - - <_> - 9 11 3 3 -1. - <_> - 10 12 1 1 9. - <_> - - <_> - 6 17 4 2 -1. - <_> - 7 17 2 2 2. - <_> - - <_> - 12 18 6 2 -1. - <_> - 15 18 3 2 2. - <_> - - <_> - 3 17 2 1 -1. - <_> - 3 17 1 1 2. - 1 - <_> - - <_> - 1 15 4 1 -1. - <_> - 2 16 2 1 2. - 1 - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 1 2 1 2. - <_> - - <_> - 19 0 1 3 -1. - <_> - 19 1 1 1 3. - <_> - - <_> - 16 11 3 2 -1. - <_> - 16 11 3 1 2. - 1 - <_> - - <_> - 16 12 2 3 -1. - <_> - 15 13 2 1 3. - 1 - <_> - - <_> - 12 0 8 1 -1. - <_> - 16 0 4 1 2. - <_> - - <_> - 2 1 9 6 -1. - <_> - 2 4 9 3 2. - <_> - - <_> - 17 1 3 2 -1. - <_> - 17 1 3 1 2. - 1 - <_> - - <_> - 7 5 6 4 -1. - <_> - 7 6 6 2 2. - <_> - - <_> - 4 6 6 2 -1. - <_> - 7 6 3 2 2. - <_> - - <_> - 11 4 6 6 -1. - <_> - 13 4 2 6 3. - <_> - - <_> - 5 7 9 3 -1. - <_> - 5 8 9 1 3. - <_> - - <_> - 5 8 9 3 -1. - <_> - 5 9 9 1 3. - <_> - - <_> - 1 0 4 3 -1. - <_> - 2 0 2 3 2. - <_> - - <_> - 9 9 5 4 -1. - <_> - 9 10 5 2 2. - <_> - - <_> - 1 0 6 7 -1. - <_> - 3 0 2 7 3. - <_> - - <_> - 16 9 3 2 -1. - <_> - 17 10 1 2 3. - 1 - <_> - - <_> - 14 12 2 2 -1. - <_> - 14 12 1 1 2. - <_> - 15 13 1 1 2. - <_> - - <_> - 0 0 14 1 -1. - <_> - 7 0 7 1 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 2 2. - 1 - <_> - - <_> - 3 14 12 4 -1. - <_> - 3 14 6 2 2. - <_> - 9 16 6 2 2. - <_> - - <_> - 5 2 1 3 -1. - <_> - 4 3 1 1 3. - 1 - <_> - - <_> - 8 12 3 2 -1. - <_> - 9 13 1 2 3. - 1 - <_> - - <_> - 14 11 2 2 -1. - <_> - 14 11 1 1 2. - <_> - 15 12 1 1 2. - <_> - - <_> - 13 10 7 2 -1. - <_> - 13 11 7 1 2. - <_> - - <_> - 7 13 1 2 -1. - <_> - 7 13 1 1 2. - 1 - <_> - - <_> - 5 12 4 3 -1. - <_> - 6 12 2 3 2. - <_> - - <_> - 8 2 2 5 -1. - <_> - 9 2 1 5 2. - <_> - - <_> - 1 17 4 2 -1. - <_> - 3 17 2 2 2. - <_> - - <_> - 12 17 4 3 -1. - <_> - 13 17 2 3 2. - <_> - - <_> - 15 16 5 3 -1. - <_> - 15 17 5 1 3. - <_> - - <_> - 15 16 4 3 -1. - <_> - 15 17 4 1 3. - <_> - - <_> - 0 17 16 3 -1. - <_> - 4 17 8 3 2. - <_> - - <_> - 0 14 2 2 -1. - <_> - 0 14 1 1 2. - <_> - 1 15 1 1 2. - <_> - - <_> - 7 2 6 6 -1. - <_> - 7 4 6 2 3. - <_> - - <_> - 3 5 1 3 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 2 1 2. - 1 - <_> - - <_> - 6 11 5 3 -1. - <_> - 5 12 5 1 3. - 1 - <_> - - <_> - 16 14 4 6 -1. - <_> - 16 17 4 3 2. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 0 1 12 11 -1. - <_> - 3 1 6 11 2. - <_> - - <_> - 6 10 7 3 -1. - <_> - 6 11 7 1 3. - <_> - - <_> - 8 0 9 4 -1. - <_> - 8 2 9 2 2. - <_> - - <_> - 10 14 10 2 -1. - <_> - 10 15 10 1 2. - <_> - - <_> - 0 0 1 18 -1. - <_> - 0 6 1 6 3. - <_> - - <_> - 4 13 2 2 -1. - <_> - 4 13 1 1 2. - <_> - 5 14 1 1 2. - <_> - - <_> - 8 11 3 6 -1. - <_> - 9 12 1 6 3. - 1 - <_> - - <_> - 6 7 2 3 -1. - <_> - 5 8 2 1 3. - 1 - <_> - - <_> - 4 8 3 3 -1. - <_> - 5 8 1 3 3. - <_> - - <_> - 1 4 14 1 -1. - <_> - 1 4 7 1 2. - 1 - <_> - - <_> - 12 13 8 3 -1. - <_> - 14 13 4 3 2. - <_> - - <_> - 4 17 2 1 -1. - <_> - 4 17 1 1 2. - 1 - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 1 2 2. - 1 - <_> - - <_> - 3 17 4 2 -1. - <_> - 4 17 2 2 2. - <_> - - <_> - 0 7 20 2 -1. - <_> - 5 7 10 2 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 15 9 1 2 2. - 1 - <_> - - <_> - 3 12 2 2 -1. - <_> - 3 12 1 1 2. - <_> - 4 13 1 1 2. - <_> - - <_> - 0 5 2 1 -1. - <_> - 1 5 1 1 2. - <_> - - <_> - 17 0 3 2 -1. - <_> - 18 1 1 2 3. - 1 - <_> - - <_> - 2 8 3 9 -1. - <_> - 3 11 1 3 9. - <_> - - <_> - 15 7 4 2 -1. - <_> - 16 8 2 2 2. - 1 - <_> - - <_> - 4 16 3 3 -1. - <_> - 5 16 1 3 3. - <_> - - <_> - 8 14 6 1 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 3 2. - <_> - 17 3 3 3 2. - <_> - - <_> - 17 2 2 1 -1. - <_> - 17 2 1 1 2. - 1 - <_> - - <_> - 0 19 20 1 -1. - <_> - 10 19 10 1 2. - <_> - - <_> - 0 19 6 1 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 9 17 4 3 -1. - <_> - 10 17 2 3 2. - <_> - - <_> - 4 11 3 3 -1. - <_> - 5 12 1 1 9. - <_> - - <_> - 17 7 3 3 -1. - <_> - 18 8 1 3 3. - 1 - <_> - - <_> - 19 1 1 4 -1. - <_> - 18 2 1 2 2. - 1 - <_> - - <_> - 6 8 2 1 -1. - <_> - 7 8 1 1 2. - <_> - - <_> - 5 4 4 4 -1. - <_> - 6 5 2 4 2. - 1 - <_> - - <_> - 5 0 8 7 -1. - <_> - 9 0 4 7 2. - <_> - - <_> - 0 7 5 9 -1. - <_> - 0 10 5 3 3. - <_> - - <_> - 14 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 9 2 6 4 -1. - <_> - 11 2 2 4 3. - <_> - - <_> - 0 12 12 8 -1. - <_> - 6 12 6 8 2. - <_> - - <_> - 1 0 6 2 -1. - <_> - 3 0 2 2 3. - <_> - - <_> - 0 12 4 5 -1. - <_> - 1 12 2 5 2. - <_> - - <_> - 2 12 4 4 -1. - <_> - 3 12 2 4 2. - <_> - - <_> - 12 11 2 4 -1. - <_> - 13 11 1 4 2. - <_> - - <_> - 2 0 1 4 -1. - <_> - 2 2 1 2 2. - <_> - - <_> - 6 1 4 9 -1. - <_> - 7 1 2 9 2. - <_> - - <_> - 13 10 2 3 -1. - <_> - 13 11 2 1 3. - <_> - - <_> - 3 9 15 3 -1. - <_> - 8 10 5 1 9. - <_> - - <_> - 15 10 3 1 -1. - <_> - 16 11 1 1 3. - 1 - <_> - - <_> - 1 0 15 8 -1. - <_> - 1 2 15 4 2. - <_> - - <_> - 2 3 15 6 -1. - <_> - 2 6 15 3 2. - <_> - - <_> - 6 0 6 6 -1. - <_> - 6 2 6 2 3. - <_> - - <_> - 16 9 4 3 -1. - <_> - 16 10 4 1 3. - <_> - - <_> - 16 7 4 3 -1. - <_> - 16 8 4 1 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 16 11 1 1 2. - <_> - - <_> - 13 11 2 3 -1. - <_> - 13 12 2 1 3. - <_> - - <_> - 2 16 2 2 -1. - <_> - 2 16 1 2 2. - 1 - <_> - - <_> - 3 0 4 7 -1. - <_> - 4 0 2 7 2. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 16 1 1 2. - <_> - 1 17 1 1 2. - <_> - - <_> - 2 0 18 3 -1. - <_> - 8 0 6 3 3. - <_> - - <_> - 0 1 1 3 -1. - <_> - 0 2 1 1 3. - <_> - - <_> - 10 6 4 4 -1. - <_> - 10 7 4 2 2. - <_> - - <_> - 16 4 4 6 -1. - <_> - 16 4 2 3 2. - <_> - 18 7 2 3 2. - <_> - - <_> - 11 12 4 2 -1. - <_> - 11 12 2 1 2. - <_> - 13 13 2 1 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_license_plate_rus_16stages.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_license_plate_rus_16stages.xml deleted file mode 100644 index 576c9e8202..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_license_plate_rus_16stages.xml +++ /dev/null @@ -1,1404 +0,0 @@ - - - - - - 64 16 - - <_> - - - <_> - - <_> - - - - <_> - 32 2 8 6 -1. - <_> - 32 4 8 2 3. - 0 - 1.6915600746870041e-002 - -9.5547717809677124e-001 - 8.9129137992858887e-001 - <_> - - <_> - - - - <_> - 0 4 6 10 -1. - <_> - 3 4 3 10 2. - 0 - 2.4228349328041077e-002 - -9.2089319229125977e-001 - 8.8723921775817871e-001 - <_> - - <_> - - - - <_> - 55 0 8 6 -1. - <_> - 55 0 4 3 2. - <_> - 59 3 4 3 2. - 0 - -1.0168660432100296e-002 - 8.8940089941024780e-001 - -7.7847331762313843e-001 - <_> - - <_> - - - - <_> - 44 7 4 9 -1. - <_> - 44 10 4 3 3. - 0 - 2.0863260142505169e-003 - -8.7998157739639282e-001 - 5.8651781082153320e-001 - -2.0683259963989258e+000 - -1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 29 1 16 4 -1. - <_> - 29 3 16 2 2. - 0 - 2.9062159359455109e-002 - -8.7765061855316162e-001 - 8.5373121500015259e-001 - <_> - - <_> - - - - <_> - 0 5 9 8 -1. - <_> - 3 5 3 8 3. - 0 - 2.3903399705886841e-002 - -9.2079448699951172e-001 - 7.5155001878738403e-001 - <_> - - <_> - - - - <_> - 44 0 20 14 -1. - <_> - 44 0 10 7 2. - <_> - 54 7 10 7 2. - 0 - -3.5404648631811142e-002 - 6.7834627628326416e-001 - -9.0937072038650513e-001 - <_> - - <_> - - - - <_> - 41 7 6 9 -1. - <_> - 43 7 2 9 3. - 0 - 6.2988721765577793e-003 - -8.1054258346557617e-001 - 5.8985030651092529e-001 - <_> - - <_> - - - - <_> - 0 4 21 4 -1. - <_> - 7 4 7 4 3. - 0 - 3.4959490876644850e-003 - -9.7632282972335815e-001 - 4.5473039150238037e-001 - -1.6632349491119385e+000 - 0 - -1 - <_> - - - <_> - - <_> - - - - <_> - 31 2 11 6 -1. - <_> - 31 4 11 2 3. - 0 - 2.3864099755883217e-002 - -9.3137168884277344e-001 - 8.2478952407836914e-001 - <_> - - <_> - - - - <_> - 56 3 6 11 -1. - <_> - 59 3 3 11 2. - 0 - -2.5775209069252014e-002 - 8.5526448488235474e-001 - -8.7574672698974609e-001 - <_> - - <_> - - - - <_> - 32 14 32 2 -1. - <_> - 32 15 32 1 2. - 0 - -1.0646049864590168e-002 - 8.5167151689529419e-001 - -6.7789041996002197e-001 - <_> - - <_> - - - - <_> - 0 2 8 14 -1. - <_> - 4 2 4 14 2. - 0 - 2.7000989764928818e-002 - -8.0041092634201050e-001 - 6.4893317222595215e-001 - <_> - - <_> - - - - <_> - 19 0 22 6 -1. - <_> - 19 0 11 3 2. - <_> - 30 3 11 3 2. - 0 - 5.2989721298217773e-003 - -9.5342522859573364e-001 - 5.0140267610549927e-001 - -1.3346730470657349e+000 - 1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 56 0 6 6 -1. - <_> - 56 0 3 3 2. - <_> - 59 3 3 3 2. - 0 - -6.9233630783855915e-003 - 8.2654470205307007e-001 - -8.5396027565002441e-001 - <_> - - <_> - - - - <_> - 32 0 14 12 -1. - <_> - 32 0 7 6 2. - <_> - 39 6 7 6 2. - 0 - 1.2539249658584595e-001 - -1.2996139936149120e-002 - -3.2377028808593750e+003 - <_> - - <_> - - - - <_> - 2 1 43 4 -1. - <_> - 2 3 43 2 2. - 0 - 6.3474893569946289e-002 - -6.4648061990737915e-001 - 8.2302427291870117e-001 - <_> - - <_> - - - - <_> - 34 10 30 5 -1. - <_> - 44 10 10 5 3. - 0 - 4.2217150330543518e-002 - -7.5190877914428711e-001 - 6.3705182075500488e-001 - <_> - - <_> - - - - <_> - 0 9 9 5 -1. - <_> - 3 9 3 5 3. - 0 - 2.0000640302896500e-002 - -6.2077498435974121e-001 - 6.1317932605743408e-001 - -1.6521669626235962e+000 - 2 - -1 - <_> - - - <_> - - <_> - - - - <_> - 2 1 43 6 -1. - <_> - 2 3 43 2 3. - 0 - 9.2297486960887909e-002 - -7.2764229774475098e-001 - 8.0554759502410889e-001 - <_> - - <_> - - - - <_> - 53 4 9 8 -1. - <_> - 56 4 3 8 3. - 0 - 2.7613969519734383e-002 - -7.0769268274307251e-001 - 7.3315787315368652e-001 - <_> - - <_> - - - - <_> - 36 4 14 8 -1. - <_> - 36 4 7 4 2. - <_> - 43 8 7 4 2. - 0 - 1.2465449981391430e-002 - -8.4359270334243774e-001 - 5.7046437263488770e-001 - <_> - - <_> - - - - <_> - 14 14 49 2 -1. - <_> - 14 15 49 1 2. - 0 - -2.3886829614639282e-002 - 8.2656508684158325e-001 - -5.2783298492431641e-001 - -1.4523630142211914e+000 - 3 - -1 - <_> - - - <_> - - <_> - - - - <_> - 0 5 4 9 -1. - <_> - 2 5 2 9 2. - 0 - 1.8821349367499352e-002 - -8.1122857332229614e-001 - 6.9127470254898071e-001 - <_> - - <_> - - - - <_> - 21 1 38 4 -1. - <_> - 21 3 38 2 2. - 0 - 6.1703320592641830e-002 - -7.6482647657394409e-001 - 6.4212161302566528e-001 - <_> - - <_> - - - - <_> - 44 12 18 3 -1. - <_> - 53 12 9 3 2. - 0 - -1.6298670321702957e-002 - 5.0207728147506714e-001 - -8.4020161628723145e-001 - <_> - - <_> - - - - <_> - 10 4 9 3 -1. - <_> - 13 4 3 3 3. - 0 - -4.9458951689302921e-003 - 6.1991941928863525e-001 - -6.1633539199829102e-001 - <_> - - <_> - - - - <_> - 40 4 10 4 -1. - <_> - 45 4 5 4 2. - 0 - -5.1894597709178925e-003 - 4.4975179433822632e-001 - -8.0651968717575073e-001 - <_> - - <_> - - - - <_> - 17 14 47 2 -1. - <_> - 17 15 47 1 2. - 0 - -1.8824130296707153e-002 - 6.1992841958999634e-001 - -5.5643159151077271e-001 - <_> - - <_> - - - - <_> - 8 5 4 7 -1. - <_> - 10 5 2 7 2. - 0 - 5.6571601890027523e-003 - -4.8346561193466187e-001 - 6.8647360801696777e-001 - -2.2358059883117676e+000 - 4 - -1 - <_> - - - <_> - - <_> - - - - <_> - 56 0 6 6 -1. - <_> - 56 0 3 3 2. - <_> - 59 3 3 3 2. - 0 - -9.1503243893384933e-003 - 6.8174481391906738e-001 - -7.7866071462631226e-001 - <_> - - <_> - - - - <_> - 0 0 6 6 -1. - <_> - 0 0 3 3 2. - <_> - 3 3 3 3 2. - 0 - 7.4933180585503578e-003 - -6.8696027994155884e-001 - 6.6913938522338867e-001 - <_> - - <_> - - - - <_> - 13 4 48 2 -1. - <_> - 29 4 16 2 3. - 0 - 4.5296419411897659e-002 - -7.3576509952545166e-001 - 5.9453499317169189e-001 - <_> - - <_> - - - - <_> - 42 1 6 15 -1. - <_> - 42 6 6 5 3. - 0 - 1.1669679544866085e-002 - -8.4733831882476807e-001 - 4.5461329817771912e-001 - <_> - - <_> - - - - <_> - 30 8 3 5 -1. - <_> - 31 8 1 5 3. - 0 - 2.5769430212676525e-003 - -5.8270388841629028e-001 - 7.7900522947311401e-001 - <_> - - <_> - - - - <_> - 55 10 8 6 -1. - <_> - 55 13 8 3 2. - 0 - -1.4139170525595546e-003 - 4.5126929879188538e-001 - -9.0696328878402710e-001 - -1.8782069683074951e+000 - 5 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 7 -1. - <_> - 6 6 2 7 2. - 0 - -5.3149578161537647e-003 - 6.5218788385391235e-001 - -7.9464268684387207e-001 - <_> - - <_> - - - - <_> - 56 3 6 8 -1. - <_> - 59 3 3 8 2. - 0 - -2.2906960919499397e-002 - 6.6433382034301758e-001 - -7.3633247613906860e-001 - <_> - - <_> - - - - <_> - 37 2 4 6 -1. - <_> - 37 4 4 2 3. - 0 - 9.4887977465987206e-003 - -8.2612031698226929e-001 - 4.9333500862121582e-001 - <_> - - <_> - - - - <_> - 0 10 30 6 -1. - <_> - 0 12 30 2 3. - 0 - 4.5138411223888397e-002 - -5.4704028367996216e-001 - 7.6927912235260010e-001 - <_> - - <_> - - - - <_> - 0 4 21 12 -1. - <_> - 7 4 7 12 3. - 0 - 2.5049019604921341e-002 - -8.6739641427993774e-001 - 5.2807968854904175e-001 - -1.0597369670867920e+000 - 6 - -1 - <_> - - - <_> - - <_> - - - - <_> - 44 0 1 14 -1. - <_> - 44 7 1 7 2. - 0 - 6.6414438188076019e-003 - -7.7290147542953491e-001 - 6.9723731279373169e-001 - <_> - - <_> - - - - <_> - 54 3 4 3 -1. - <_> - 56 3 2 3 2. - 0 - 2.4703629314899445e-003 - -7.4289917945861816e-001 - 6.6825848817825317e-001 - <_> - - <_> - - - - <_> - 32 0 30 6 -1. - <_> - 32 0 15 3 2. - <_> - 47 3 15 3 2. - 0 - -2.2910499945282936e-002 - 4.3986389040946960e-001 - -9.0588808059692383e-001 - <_> - - <_> - - - - <_> - 0 8 9 7 -1. - <_> - 3 8 3 7 3. - 0 - 3.4193221479654312e-002 - -6.9507479667663574e-001 - 6.2501090764999390e-001 - <_> - - <_> - - - - <_> - 30 10 3 3 -1. - <_> - 31 10 1 3 3. - 0 - 1.5060020377859473e-003 - -6.8670761585235596e-001 - 8.2241541147232056e-001 - <_> - - <_> - - - - <_> - 21 3 24 4 -1. - <_> - 29 3 8 4 3. - 0 - 1.9838380467263050e-005 - -9.2727631330490112e-001 - 6.4723730087280273e-001 - <_> - - <_> - - - - <_> - 42 3 12 6 -1. - <_> - 46 3 4 6 3. - 0 - -2.2170299416757189e-005 - 5.6555831432342529e-001 - -9.6788132190704346e-001 - -1.4993519783020020e+000 - 7 - -1 - <_> - - - <_> - - <_> - - - - <_> - 56 9 6 6 -1. - <_> - 59 9 3 6 2. - 0 - -1.1395259760320187e-002 - 7.1383631229400635e-001 - -8.7429678440093994e-001 - <_> - - <_> - - - - <_> - 6 4 1 6 -1. - <_> - 6 7 1 3 2. - 0 - -2.1864590235054493e-003 - 8.5311782360076904e-001 - -6.4777731895446777e-001 - <_> - - <_> - - - - <_> - 0 0 12 4 -1. - <_> - 0 0 6 2 2. - <_> - 6 2 6 2 2. - 0 - 2.3193720262497663e-003 - -7.6411879062652588e-001 - 7.1867972612380981e-001 - <_> - - <_> - - - - <_> - 43 12 18 2 -1. - <_> - 52 12 9 2 2. - 0 - -7.9916073009371758e-003 - 6.6442942619323730e-001 - -7.9540950059890747e-001 - <_> - - <_> - - - - <_> - 9 5 2 8 -1. - <_> - 10 5 1 8 2. - 0 - 1.4212740352377295e-003 - -6.3904231786727905e-001 - 7.5050598382949829e-001 - -8.4829801321029663e-001 - 8 - -1 - <_> - - - <_> - - <_> - - - - <_> - 1 9 6 3 -1. - <_> - 3 9 2 3 3. - 0 - 6.4091659151017666e-003 - -8.8425230979919434e-001 - 9.9953681230545044e-001 - <_> - - <_> - - - - <_> - 56 8 2 8 -1. - <_> - 56 12 2 4 2. - 0 - -6.3316390151157975e-004 - 8.3822172880172729e-001 - -9.8322170972824097e-001 - <_> - - <_> - - - - <_> - 24 2 6 13 -1. - <_> - 26 2 2 13 3. - 0 - -6.4947169448714703e-005 - 1. - -9.1822808980941772e-001 - <_> - - <_> - - - - <_> - 33 7 24 4 -1. - <_> - 41 7 8 4 3. - 0 - 5.3404141217470169e-003 - -9.4317251443862915e-001 - 9.0425151586532593e-001 - -6.0007210820913315e-002 - 9 - -1 - <_> - - - <_> - - <_> - - - - <_> - 1 1 57 4 -1. - <_> - 1 3 57 2 2. - 0 - 1.0755469650030136e-001 - -7.1647202968597412e-001 - 8.7827038764953613e-001 - <_> - - <_> - - - - <_> - 0 2 6 14 -1. - <_> - 3 2 3 14 2. - 0 - 3.1668949872255325e-002 - -8.7051069736480713e-001 - 5.8807212114334106e-001 - <_> - - <_> - - - - <_> - 52 3 6 10 -1. - <_> - 54 3 2 10 3. - 0 - -1.0572380386292934e-002 - 6.2438100576400757e-001 - -7.4027371406555176e-001 - <_> - - <_> - - - - <_> - 1 14 61 2 -1. - <_> - 1 15 61 1 2. - 0 - -2.7396259829401970e-002 - 8.9776748418807983e-001 - -5.2986758947372437e-001 - <_> - - <_> - - - - <_> - 28 0 11 12 -1. - <_> - 28 4 11 4 3. - 0 - 2.5918649509549141e-002 - -8.6482518911361694e-001 - 5.3121817111968994e-001 - -9.6125108003616333e-001 - 10 - -1 - <_> - - - <_> - - <_> - - - - <_> - 22 1 41 4 -1. - <_> - 22 3 41 2 2. - 0 - 7.1039132773876190e-002 - -7.5719678401947021e-001 - 7.5645631551742554e-001 - <_> - - <_> - - - - <_> - 41 6 6 8 -1. - <_> - 43 6 2 8 3. - 0 - 7.6241148635745049e-003 - -7.9783838987350464e-001 - 7.1733069419860840e-001 - <_> - - <_> - - - - <_> - 50 9 14 5 -1. - <_> - 57 9 7 5 2. - 0 - -2.7092639356851578e-002 - 6.0071170330047607e-001 - -8.4794402122497559e-001 - <_> - - <_> - - - - <_> - 4 1 12 5 -1. - <_> - 10 1 6 5 2. - 0 - -8.1267888890579343e-004 - 5.9364068508148193e-001 - -8.9295238256454468e-001 - <_> - - <_> - - - - <_> - 37 9 3 3 -1. - <_> - 38 9 1 3 3. - 0 - 8.3705072756856680e-004 - -6.4887362718582153e-001 - 7.8537952899932861e-001 - -1.0618970394134521e+000 - 11 - -1 - <_> - - - <_> - - <_> - - - - <_> - 54 0 10 6 -1. - <_> - 54 0 5 3 2. - <_> - 59 3 5 3 2. - 0 - -9.7556859254837036e-003 - 7.6982218027114868e-001 - -8.5293501615524292e-001 - <_> - - <_> - - - - <_> - 47 0 6 11 -1. - <_> - 49 0 2 11 3. - 0 - -8.6617246270179749e-003 - 8.4029090404510498e-001 - -7.1949690580368042e-001 - <_> - - <_> - - - - <_> - 19 2 20 2 -1. - <_> - 19 3 20 1 2. - 0 - 1.6897840425372124e-002 - -5.3601992130279541e-001 - 9.5484441518783569e-001 - <_> - - <_> - - - - <_> - 14 4 6 11 -1. - <_> - 17 4 3 11 2. - 0 - 4.7526158596156165e-005 - -7.6412862539291382e-001 - 7.5398761034011841e-001 - <_> - - <_> - - - - <_> - 31 9 33 2 -1. - <_> - 42 9 11 2 3. - 0 - 6.5607670694589615e-003 - -9.9346441030502319e-001 - 6.4864277839660645e-001 - -7.3307347297668457e-001 - 12 - -1 - <_> - - - <_> - - <_> - - - - <_> - 6 1 53 6 -1. - <_> - 6 3 53 2 3. - 0 - 1.0103269666433334e-001 - -7.3275578022003174e-001 - 8.4619927406311035e-001 - <_> - - <_> - - - - <_> - 49 9 4 6 -1. - <_> - 49 9 2 3 2. - <_> - 51 12 2 3 2. - 0 - -2.8920811018906534e-004 - 7.1564781665802002e-001 - -8.8221758604049683e-001 - <_> - - <_> - - - - <_> - 0 9 30 7 -1. - <_> - 10 9 10 7 3. - 0 - 1.0838840156793594e-002 - -8.7420248985290527e-001 - 6.0648679733276367e-001 - <_> - - <_> - - - - <_> - 40 4 6 2 -1. - <_> - 42 4 2 2 3. - 0 - 5.0803890917450190e-004 - -9.0554022789001465e-001 - 6.4213967323303223e-001 - <_> - - <_> - - - - <_> - 1 9 6 1 -1. - <_> - 3 9 2 1 3. - 0 - 2.3357039317488670e-003 - -9.2574918270111084e-001 - 8.6384928226470947e-001 - <_> - - <_> - - - - <_> - 47 3 4 10 -1. - <_> - 47 8 4 5 2. - 0 - 8.0239427916239947e-005 - -9.9618428945541382e-001 - 9.5355111360549927e-001 - <_> - - <_> - - - - <_> - 31 5 30 11 -1. - <_> - 41 5 10 11 3. - 0 - 3.2030208967626095e-003 - -1. - 1.0001050233840942e+000 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - 0. - 0. - -1. - <_> - - <_> - - - - <_> - 21 3 42 5 -1. - <_> - 35 3 14 5 3. - 0 - 2.6143440045416355e-003 - -1. - 1.0002139806747437e+000 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - 0. - 0. - -1. - <_> - - <_> - - - - <_> - 8 5 30 9 -1. - <_> - 8 8 30 3 3. - 0 - -7.0475979009643197e-004 - 1. - -9.9976968765258789e-001 - <_> - - <_> - - - - <_> - 3 12 33 3 -1. - <_> - 14 12 11 3 3. - 0 - 2.1271279547363520e-003 - -9.9694627523422241e-001 - 1.0002720355987549e+000 - <_> - - <_> - - - - <_> - 0 0 3 2 -1. - <_> - 1 0 1 2 3. - 0 - -2.4224430671893060e-004 - 1. - -1. - <_> - - <_> - - - - <_> - 46 4 3 8 -1. - <_> - 47 4 1 8 3. - 0 - 7.4700301047414541e-004 - -9.9108231067657471e-001 - 9.9941182136535645e-001 - -1.0991690158843994e+000 - 13 - -1 - <_> - - - <_> - - <_> - - - - <_> - 1 2 6 5 -1. - <_> - 3 2 2 5 3. - 0 - 1.7227890202775598e-003 - -9.3608891963958740e-001 - 8.7251222133636475e-001 - <_> - - <_> - - - - <_> - 0 3 18 5 -1. - <_> - 6 3 6 5 3. - 0 - 2.7599320746958256e-003 - -9.9757021665573120e-001 - 1.0000289678573608e+000 - <_> - - <_> - - - - <_> - 3 1 6 14 -1. - <_> - 6 1 3 14 2. - 0 - -8.9444358309265226e-005 - 1. - -9.9264812469482422e-001 - <_> - - <_> - - - - <_> - 3 6 2 10 -1. - <_> - 3 11 2 5 2. - 0 - -2.7962020249105990e-004 - 8.2833290100097656e-001 - -9.8444151878356934e-001 - <_> - - <_> - - - - <_> - 42 0 4 6 -1. - <_> - 42 0 2 3 2. - <_> - 44 3 2 3 2. - 0 - -2.7560539820115082e-005 - 1. - -9.9543339014053345e-001 - -9.1314977407455444e-001 - 14 - -1 - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_lowerbody.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_lowerbody.xml deleted file mode 100644 index 7fa27c7e2a..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_lowerbody.xml +++ /dev/null @@ -1,14056 +0,0 @@ - - - -BOOST - HAAR - 23 - 19 - - 89 - - 0 - 27 - - <_> - 17 - -1.4308550357818604e+00 - - <_> - - 0 -1 0 -1.6869869083166122e-02 - - 5.4657417535781860e-01 -6.3678038120269775e-01 - <_> - - 0 -1 1 2.5349899660795927e-03 - - -3.7605491280555725e-01 3.2378101348876953e-01 - <_> - - 0 -1 2 -2.4709459394216537e-02 - - -6.7979127168655396e-01 2.0501059293746948e-01 - <_> - - 0 -1 3 8.2436859607696533e-02 - - 2.0588639378547668e-01 -8.4938430786132812e-01 - <_> - - 0 -1 4 -8.2128931535407901e-04 - - 3.1891921162605286e-01 -4.6469458937644958e-01 - <_> - - 0 -1 5 2.3016959428787231e-02 - - 1.8670299649238586e-01 -7.0330899953842163e-01 - <_> - - 0 -1 6 6.6386149264872074e-03 - - 1.6370490193367004e-01 -8.4604722261428833e-01 - <_> - - 0 -1 7 7.6682120561599731e-04 - - -3.9852690696716309e-01 2.3113329708576202e-01 - <_> - - 0 -1 8 1.1731679737567902e-01 - - 1.0445039719343185e-01 -8.8510942459106445e-01 - <_> - - 0 -1 9 1.5421230345964432e-02 - - -2.7859508991241455e-01 2.8921920061111450e-01 - <_> - - 0 -1 10 3.4018948674201965e-02 - - -1.4287669956684113e-01 7.7801531553268433e-01 - <_> - - 0 -1 11 3.4638870507478714e-02 - - 1.8644079566001892e-01 -6.0324841737747192e-01 - <_> - - 0 -1 12 -3.7503659725189209e-01 - - 9.2781841754913330e-01 -1.5421600639820099e-01 - <_> - - 0 -1 13 -5.6011971086263657e-02 - - -5.8591067790985107e-01 1.9547510147094727e-01 - <_> - - 0 -1 14 -1.4878909569233656e-03 - - 2.8139349818229675e-01 -4.1853010654449463e-01 - <_> - - 0 -1 15 -1.4495699666440487e-02 - - -7.2273969650268555e-01 9.4288460910320282e-02 - <_> - - 0 -1 16 -5.6178281083703041e-03 - - -5.9551960229873657e-01 1.5202650427818298e-01 - <_> - 13 - -1.1907930374145508e+00 - - <_> - - 0 -1 17 -3.1839120201766491e-03 - - 4.0025138854980469e-01 -6.8473160266876221e-01 - <_> - - 0 -1 18 3.5989920143038034e-03 - - -5.1895952224731445e-01 3.0101141333580017e-01 - <_> - - 0 -1 19 1.8804630264639854e-02 - - 1.5554919838905334e-01 -8.0477172136306763e-01 - <_> - - 0 -1 20 5.2497140131890774e-03 - - 1.3780809938907623e-01 -6.0767507553100586e-01 - <_> - - 0 -1 21 -1.4204799663275480e-03 - - 3.2319429516792297e-01 -4.3407461047172546e-01 - <_> - - 0 -1 22 -2.5174349546432495e-02 - - -7.0780879259109497e-01 9.3106329441070557e-02 - <_> - - 0 -1 23 3.2285219058394432e-03 - - -3.2510471343994141e-01 3.3571699261665344e-01 - <_> - - 0 -1 24 9.4993412494659424e-02 - - 8.2439087331295013e-02 -8.7549537420272827e-01 - <_> - - 0 -1 25 -6.5919090993702412e-03 - - -7.3804199695587158e-01 1.3853749632835388e-01 - <_> - - 0 -1 26 -1.1146620381623507e-03 - - 1.7917269468307495e-01 -2.7955859899520874e-01 - <_> - - 0 -1 27 1.3349019922316074e-02 - - 1.3057829439640045e-01 -6.9802671670913696e-01 - <_> - - 0 -1 28 -3.5181451588869095e-02 - - 4.6535360813140869e-01 -1.0698779672384262e-01 - <_> - - 0 -1 29 3.1874589622020721e-02 - - -1.3565389811992645e-01 7.9047888517379761e-01 - <_> - 19 - -1.3129220008850098e+00 - - <_> - - 0 -1 30 -1.0647430084645748e-02 - - 3.8079029321670532e-01 -5.8672338724136353e-01 - <_> - - 0 -1 31 -7.3214493691921234e-02 - - -7.9550951719284058e-01 1.7223259806632996e-01 - <_> - - 0 -1 32 6.0464427806437016e-03 - - 1.6532160341739655e-01 -6.9376647472381592e-01 - <_> - - 0 -1 33 7.3225022060796618e-04 - - -3.3247160911560059e-01 2.3669970035552979e-01 - <_> - - 0 -1 34 -1.0990080423653126e-02 - - -6.9136887788772583e-01 2.1058270335197449e-01 - <_> - - 0 -1 35 -1.5282750246115029e-04 - - 2.0305849611759186e-01 -4.6551659703254700e-01 - <_> - - 0 -1 36 2.4822261184453964e-04 - - -4.2122921347618103e-01 2.7335309982299805e-01 - <_> - - 0 -1 37 -8.4205856546759605e-03 - - -4.3744468688964844e-01 5.8831848204135895e-02 - <_> - - 0 -1 38 -3.6992791295051575e-01 - - 9.1070818901062012e-01 -8.7207540869712830e-02 - <_> - - 0 -1 39 6.1259930953383446e-03 - - 1.1886730045080185e-01 -1.8520170450210571e-01 - <_> - - 0 -1 40 -6.0144090093672276e-03 - - -6.3057059049606323e-01 1.4577180147171021e-01 - <_> - - 0 -1 41 8.5623031482100487e-03 - - -2.9369381070137024e-01 3.2411348819732666e-01 - <_> - - 0 -1 42 -1.3966850005090237e-02 - - -8.0650371313095093e-01 1.1267790198326111e-01 - <_> - - 0 -1 43 -4.1734468191862106e-02 - - 7.7495330572128296e-01 -7.8866302967071533e-02 - <_> - - 0 -1 44 -2.7996799326501787e-04 - - 2.7783310413360596e-01 -3.5196089744567871e-01 - <_> - - 0 -1 45 1.9588569179177284e-02 - - -6.5759636461734772e-02 5.2414137125015259e-01 - <_> - - 0 -1 46 9.2163113877177238e-03 - - -1.5525479614734650e-01 5.4835391044616699e-01 - <_> - - 0 -1 47 -2.1458569914102554e-02 - - -5.2255308628082275e-01 8.2208268344402313e-02 - <_> - - 0 -1 48 3.6805770359933376e-03 - - -2.4434129893779755e-01 3.6122488975524902e-01 - <_> - 23 - -1.3777279853820801e+00 - - <_> - - 0 -1 49 -8.3544738590717316e-03 - - 2.8173181414604187e-01 -4.9728131294250488e-01 - <_> - - 0 -1 50 -5.5724289268255234e-03 - - -6.5505301952362061e-01 1.9406059384346008e-01 - <_> - - 0 -1 51 -5.7714767754077911e-03 - - -6.2230938673019409e-01 2.7622398734092712e-01 - <_> - - 0 -1 52 2.2995889186859131e-02 - - 1.9798569381237030e-02 -7.8324538469314575e-01 - <_> - - 0 -1 53 -1.1443760013207793e-03 - - 2.8108718991279602e-01 -4.8214849829673767e-01 - <_> - - 0 -1 54 -2.5917509198188782e-01 - - -6.8214958906173706e-01 -3.3729869755916297e-04 - <_> - - 0 -1 55 -3.0133039690554142e-03 - - -6.5704411268234253e-01 1.3693599402904510e-01 - <_> - - 0 -1 56 5.4540671408176422e-03 - - 8.6931817233562469e-02 -7.0567971467971802e-01 - <_> - - 0 -1 57 6.6230311058461666e-03 - - 1.6634289920330048e-01 -5.1772958040237427e-01 - <_> - - 0 -1 58 -1.2561669573187828e-02 - - 9.0290471911430359e-02 -1.6850970685482025e-01 - <_> - - 0 -1 59 4.2890738695859909e-02 - - 1.2977810204029083e-01 -5.8218061923980713e-01 - <_> - - 0 -1 60 -1.3341030571609735e-03 - - 1.3694329559803009e-01 -1.9437809288501740e-01 - <_> - - 0 -1 61 -4.1247460991144180e-02 - - 6.8543851375579834e-01 -1.3039450347423553e-01 - <_> - - 0 -1 62 -9.1503392904996872e-03 - - -1.1895430088043213e-01 6.7576698958873749e-02 - <_> - - 0 -1 63 -1.7151240026578307e-03 - - 2.6475539803504944e-01 -3.0487450957298279e-01 - <_> - - 0 -1 64 2.0843200385570526e-01 - - 1.2401489913463593e-01 -4.7014111280441284e-01 - <_> - - 0 -1 65 7.2393968701362610e-02 - - 9.6924379467964172e-02 -7.7347749471664429e-01 - <_> - - 0 -1 66 -1.5335980569943786e-03 - - 1.7991219460964203e-01 -2.5788331031799316e-01 - <_> - - 0 -1 67 4.8640500754117966e-03 - - 1.1392980068922043e-01 -5.5173867940902710e-01 - <_> - - 0 -1 68 -1.6523050144314766e-03 - - 1.5154689550399780e-01 -2.2901679575443268e-01 - <_> - - 0 -1 69 7.5348757207393646e-02 - - -1.4630889892578125e-01 6.8105882406234741e-01 - <_> - - 0 -1 70 -8.2630068063735962e-03 - - -7.2783601284027100e-01 1.0281019657850266e-01 - <_> - - 0 -1 71 -5.5124741047620773e-03 - - -6.3059347867965698e-01 9.3257799744606018e-02 - <_> - 15 - -1.0618749856948853e+00 - - <_> - - 0 -1 72 -9.3849105760455132e-03 - - 5.2500581741333008e-01 -4.3231061100959778e-01 - <_> - - 0 -1 73 -1.3772470410913229e-03 - - 2.0698480308055878e-01 -4.2718759179115295e-01 - <_> - - 0 -1 74 2.6320109143853188e-02 - - 1.5825170278549194e-01 -6.5509521961212158e-01 - <_> - - 0 -1 75 -4.5488759875297546e-02 - - -4.9510109424591064e-01 1.7998820543289185e-01 - <_> - - 0 -1 76 -4.7006201930344105e-03 - - 3.3971160650253296e-01 -3.6917701363563538e-01 - <_> - - 0 -1 77 -1.3270860072225332e-03 - - 3.0907860398292542e-01 -1.9771750271320343e-01 - <_> - - 0 -1 78 9.3802614137530327e-03 - - 9.4488449394702911e-02 -7.3198097944259644e-01 - <_> - - 0 -1 79 4.3565612286329269e-03 - - 1.1520200222730637e-01 -5.4008102416992188e-01 - <_> - - 0 -1 80 8.1178937107324600e-03 - - -1.5956309437751770e-01 5.3777867555618286e-01 - <_> - - 0 -1 81 -8.7829083204269409e-03 - - 5.6634718179702759e-01 -1.3279379904270172e-01 - <_> - - 0 -1 82 2.1944850683212280e-02 - - 1.5901289880275726e-01 -5.1751822233200073e-01 - <_> - - 0 -1 83 4.9510098993778229e-02 - - 1.1067640036344528e-02 -4.9972468614578247e-01 - <_> - - 0 -1 84 -2.1175360307097435e-03 - - 2.6490759849548340e-01 -2.4565629661083221e-01 - <_> - - 0 -1 85 1.0379469953477383e-02 - - 1.2624099850654602e-01 -4.0877240896224976e-01 - <_> - - 0 -1 86 2.4977258872240782e-03 - - -1.9723020493984222e-01 3.8866749405860901e-01 - <_> - 18 - -9.5461457967758179e-01 - - <_> - - 0 -1 87 -6.1489548534154892e-03 - - 4.0187481045722961e-01 -5.2397370338439941e-01 - <_> - - 0 -1 88 5.0464540719985962e-02 - - 1.3049679994583130e-01 -5.8651441335678101e-01 - <_> - - 0 -1 89 -5.5906269699335098e-02 - - -5.1229542493820190e-01 2.4392889440059662e-01 - <_> - - 0 -1 90 1.4281509816646576e-01 - - -1.5180160291492939e-02 -6.9593918323516846e-01 - <_> - - 0 -1 91 4.1162770241498947e-02 - - 1.3673730194568634e-01 -6.4158838987350464e-01 - <_> - - 0 -1 92 -1.6468750312924385e-02 - - 2.6339039206504822e-01 -2.2083680331707001e-01 - <_> - - 0 -1 93 2.4763140827417374e-02 - - 1.0897739976644516e-01 -6.5213900804519653e-01 - <_> - - 0 -1 94 4.3008858337998390e-03 - - -1.8299630284309387e-01 4.3614229559898376e-01 - <_> - - 0 -1 95 3.4035290591418743e-03 - - -2.4363580346107483e-01 2.8224369883537292e-01 - <_> - - 0 -1 96 -2.2210620343685150e-02 - - -5.4645758867263794e-01 1.3542969524860382e-01 - <_> - - 0 -1 97 -2.6968019083142281e-02 - - 6.5300947427749634e-01 -1.4297309517860413e-01 - <_> - - 0 -1 98 -3.4927908331155777e-02 - - -5.2346628904342651e-01 1.0084570199251175e-01 - <_> - - 0 -1 99 3.6263581365346909e-02 - - 1.5110149979591370e-01 -5.4185849428176880e-01 - <_> - - 0 -1 100 -3.8526788353919983e-02 - - -8.6942279338836670e-01 3.7176769226789474e-02 - <_> - - 0 -1 101 2.5399168953299522e-03 - - -2.6125881075859070e-01 2.7278441190719604e-01 - <_> - - 0 -1 102 -1.2931150384247303e-02 - - -4.9501579999923706e-01 9.1383516788482666e-02 - <_> - - 0 -1 103 1.1981350369751453e-02 - - -1.2059610337018967e-01 6.3848638534545898e-01 - <_> - - 0 -1 104 -7.4320413172245026e-02 - - 4.6591779589653015e-01 -4.0265668183565140e-02 - <_> - 14 - -1.1777880191802979e+00 - - <_> - - 0 -1 105 -6.9070039317011833e-03 - - 4.3197679519653320e-01 -5.1717847585678101e-01 - <_> - - 0 -1 106 -8.1628039479255676e-03 - - 2.7116540074348450e-01 -3.2803410291671753e-01 - <_> - - 0 -1 107 1.8852509558200836e-02 - - 1.5548799932003021e-01 -5.5243927240371704e-01 - <_> - - 0 -1 108 3.4079391509294510e-02 - - 1.5272259712219238e-01 -6.5318012237548828e-01 - <_> - - 0 -1 109 -3.2038250938057899e-03 - - 3.4725460410118103e-01 -2.7734228968620300e-01 - <_> - - 0 -1 110 2.1410689223557711e-03 - - -6.8888276815414429e-02 2.4079489707946777e-01 - <_> - - 0 -1 111 1.4620450139045715e-01 - - 1.5766879916191101e-01 -5.4515862464904785e-01 - <_> - - 0 -1 112 -6.2386798672378063e-03 - - 3.2899579405784607e-01 -1.6970640420913696e-01 - <_> - - 0 -1 113 7.7623138204216957e-03 - - 1.6352510452270508e-01 -5.1879328489303589e-01 - <_> - - 0 -1 114 3.7800080608576536e-03 - - -1.8464370071887970e-01 4.8660078644752502e-01 - <_> - - 0 -1 115 2.2303969599306583e-03 - - -1.7057199776172638e-01 4.7744798660278320e-01 - <_> - - 0 -1 116 2.4544890038669109e-03 - - -3.3550649881362915e-01 2.5369268655776978e-01 - <_> - - 0 -1 117 -2.1707419306039810e-02 - - -4.8321890830993652e-01 1.6075029969215393e-01 - <_> - - 0 -1 118 1.7421970143914223e-02 - - 7.9877912998199463e-02 -7.5137257575988770e-01 - <_> - 34 - -1.2834340333938599e+00 - - <_> - - 0 -1 119 8.8802073150873184e-03 - - -4.4682410359382629e-01 2.6062530279159546e-01 - <_> - - 0 -1 120 -3.0198058811947703e-04 - - 1.5258400142192841e-01 -3.5206508636474609e-01 - <_> - - 0 -1 121 6.7998501472175121e-03 - - 1.2259320169687271e-01 -6.8427437543869019e-01 - <_> - - 0 -1 122 2.7802670374512672e-03 - - -3.3681631088256836e-01 1.8518559634685516e-01 - <_> - - 0 -1 123 -1.1553820222616196e-02 - - -6.9871348142623901e-01 1.3079600036144257e-01 - <_> - - 0 -1 124 -2.6563290506601334e-02 - - -7.0277881622314453e-01 1.7791330814361572e-02 - <_> - - 0 -1 125 -2.5158381322398782e-04 - - 2.4779480695724487e-01 -3.9787930250167847e-01 - <_> - - 0 -1 126 3.5748310387134552e-02 - - -3.8043439388275146e-02 4.7976261377334595e-01 - <_> - - 0 -1 127 -1.9973930902779102e-03 - - 2.5774869322776794e-01 -3.1990098953247070e-01 - <_> - - 0 -1 128 -1.1007110029459000e-01 - - -4.9102869629859924e-01 2.3104630410671234e-02 - <_> - - 0 -1 129 -2.2225650027394295e-03 - - 2.3825299739837646e-01 -2.8415530920028687e-01 - <_> - - 0 -1 130 -7.7874241396784782e-03 - - -3.8951370120048523e-01 5.5762890726327896e-02 - <_> - - 0 -1 131 5.6415859609842300e-02 - - -9.3521721661090851e-02 7.2561162710189819e-01 - <_> - - 0 -1 132 -3.5978010855615139e-03 - - 1.9452190399169922e-01 -1.9651280343532562e-01 - <_> - - 0 -1 133 -7.2716898284852505e-03 - - 3.4169870615005493e-01 -2.2851559519767761e-01 - <_> - - 0 -1 134 7.1941758506000042e-03 - - 7.2148866951465607e-02 -4.5313501358032227e-01 - <_> - - 0 -1 135 -4.1034761816263199e-03 - - -5.1336747407913208e-01 1.3323569297790527e-01 - <_> - - 0 -1 136 -3.4210970625281334e-03 - - -4.2383781075477600e-01 8.4852807223796844e-02 - <_> - - 0 -1 137 4.1890922002494335e-03 - - -1.3398550450801849e-01 4.3749558925628662e-01 - <_> - - 0 -1 138 1.1827970156446099e-03 - - -2.9739010334014893e-01 2.2126840054988861e-01 - <_> - - 0 -1 139 -4.1196551173925400e-02 - - -5.0735759735107422e-01 1.3243959844112396e-01 - <_> - - 0 -1 140 2.9593890067189932e-03 - - -1.4052620530128479e-01 6.1360880732536316e-02 - <_> - - 0 -1 141 -5.0226859748363495e-03 - - -4.7495970129966736e-01 1.2069150060415268e-01 - <_> - - 0 -1 142 -1.5097860246896744e-02 - - 2.7555391192436218e-01 -5.3780451416969299e-02 - <_> - - 0 -1 143 -2.7190970256924629e-02 - - 7.5995457172393799e-01 -7.4793189764022827e-02 - <_> - - 0 -1 144 1.9893879070878029e-02 - - -6.7238640040159225e-03 7.3972767591476440e-01 - <_> - - 0 -1 145 7.7208830043673515e-03 - - 9.3071162700653076e-02 -6.5780252218246460e-01 - <_> - - 0 -1 146 -1.1565990280359983e-03 - - 9.4645917415618896e-02 -1.6407909989356995e-01 - <_> - - 0 -1 147 2.6069190353155136e-03 - - -1.3877980411052704e-01 4.7349870204925537e-01 - <_> - - 0 -1 148 -5.3586110472679138e-02 - - -3.7349641323089600e-01 2.5728559121489525e-02 - <_> - - 0 -1 149 1.5184599906206131e-03 - - -2.2478710114955902e-01 2.3574599623680115e-01 - <_> - - 0 -1 150 -3.7061560899019241e-02 - - -6.1827117204666138e-01 8.2348063588142395e-02 - <_> - - 0 -1 151 -2.6311799883842468e-02 - - -6.0057657957077026e-01 7.7768869698047638e-02 - <_> - - 0 -1 152 -8.7947428226470947e-02 - - 3.8841038942337036e-01 -8.1545598804950714e-02 - <_> - 20 - -1.2891789674758911e+00 - - <_> - - 0 -1 153 -2.9038030654191971e-02 - - 5.0635957717895508e-01 -4.3462699651718140e-01 - <_> - - 0 -1 154 3.9044669829308987e-03 - - -1.9009789824485779e-01 5.1840317249298096e-01 - <_> - - 0 -1 155 2.9162769205868244e-03 - - -3.4351310133934021e-01 2.4016310274600983e-01 - <_> - - 0 -1 156 -8.9670084416866302e-03 - - -4.2667150497436523e-01 1.2316550314426422e-01 - <_> - - 0 -1 157 -2.4935540277510881e-03 - - 3.6086550354957581e-01 -1.8381460011005402e-01 - <_> - - 0 -1 158 -4.8912568017840385e-03 - - -6.4749848842620850e-01 1.0856709629297256e-01 - <_> - - 0 -1 159 -4.0970719419419765e-03 - - 2.2143830358982086e-01 -3.1505578756332397e-01 - <_> - - 0 -1 160 4.3956499546766281e-02 - - -1.0780169814825058e-01 7.1893501281738281e-01 - <_> - - 0 -1 161 1.9277370302006602e-03 - - 2.0247739553451538e-01 -4.0381088852882385e-01 - <_> - - 0 -1 162 9.4976946711540222e-03 - - 4.3494019657373428e-02 -2.9908061027526855e-01 - <_> - - 0 -1 163 3.5389279946684837e-03 - - -1.5109489858150482e-01 5.1864242553710938e-01 - <_> - - 0 -1 164 -2.2064079530537128e-03 - - 2.3006440699100494e-01 -3.3191001415252686e-01 - <_> - - 0 -1 165 3.9085410535335541e-03 - - -3.4253311157226562e-01 2.2951880097389221e-01 - <_> - - 0 -1 166 2.6973709464073181e-03 - - 1.1976680159568787e-01 -3.5321989655494690e-01 - <_> - - 0 -1 167 -2.1321459207683802e-03 - - 1.8206289410591125e-01 -2.8434100747108459e-01 - <_> - - 0 -1 168 2.6955150533467531e-03 - - 7.4593842029571533e-02 -3.0896648764610291e-01 - <_> - - 0 -1 169 -6.0222679749131203e-03 - - 1.8041500449180603e-01 -2.7531668543815613e-01 - <_> - - 0 -1 170 -8.9143458753824234e-03 - - 2.4166099727153778e-01 -1.4506129920482635e-01 - <_> - - 0 -1 171 2.3474939167499542e-02 - - -1.2354619801044464e-01 6.5625041723251343e-01 - <_> - - 0 -1 172 -5.6602950207889080e-03 - - -3.3785250782966614e-01 1.1194559931755066e-01 - <_> - 20 - -1.0202569961547852e+00 - - <_> - - 0 -1 173 -6.9699093699455261e-02 - - 5.0786459445953369e-01 -4.7562688589096069e-01 - <_> - - 0 -1 174 2.1672779694199562e-02 - - -2.9134199023246765e-01 3.4561529755592346e-01 - <_> - - 0 -1 175 -4.7600260004401207e-03 - - 3.6477440595626831e-01 -1.9551509618759155e-01 - <_> - - 0 -1 176 -4.6418169513344765e-03 - - -5.6445592641830444e-01 9.8486669361591339e-02 - <_> - - 0 -1 177 -6.0006938874721527e-03 - - -6.3645982742309570e-01 1.4379170536994934e-01 - <_> - - 0 -1 178 1.9073469564318657e-02 - - -3.4218288958072662e-02 5.5043292045593262e-01 - <_> - - 0 -1 179 4.7993380576372147e-02 - - -8.5889510810375214e-02 7.6790231466293335e-01 - <_> - - 0 -1 180 -3.6511209327727556e-03 - - 2.0186069607734680e-01 -2.9832679033279419e-01 - <_> - - 0 -1 181 -1.4485770370811224e-03 - - -5.1293247938156128e-01 1.3695690035820007e-01 - <_> - - 0 -1 182 -3.3748829737305641e-03 - - -4.0975129604339600e-01 1.1581440269947052e-01 - <_> - - 0 -1 183 2.3586750030517578e-03 - - 1.7582429945468903e-01 -4.5439630746841431e-01 - <_> - - 0 -1 184 -2.2074829787015915e-02 - - 4.6775639057159424e-01 -4.6358831226825714e-02 - <_> - - 0 -1 185 7.0953248068690300e-03 - - -3.2100531458854675e-01 2.2119350731372833e-01 - <_> - - 0 -1 186 -2.0119780674576759e-03 - - 5.4601740092039108e-02 -9.7853101789951324e-02 - <_> - - 0 -1 187 4.9847508780658245e-03 - - -1.3063269853591919e-01 5.2815079689025879e-01 - <_> - - 0 -1 188 -5.3485459648072720e-03 - - -4.2115539312362671e-01 1.1927159875631332e-01 - <_> - - 0 -1 189 2.5243330746889114e-03 - - 1.2105660140514374e-01 -4.5177119970321655e-01 - <_> - - 0 -1 190 -2.4893151130527258e-03 - - 1.2249600142240524e-01 -1.1200980097055435e-01 - <_> - - 0 -1 191 4.3740491382777691e-03 - - -1.0549320280551910e-01 6.0806149244308472e-01 - <_> - - 0 -1 192 -7.3214988224208355e-03 - - 4.7615110874176025e-01 -6.8390920758247375e-02 - <_> - 24 - -1.0336159467697144e+00 - - <_> - - 0 -1 193 -4.2286239564418793e-02 - - 3.6749860644340515e-01 -4.3680980801582336e-01 - <_> - - 0 -1 194 3.8884699344635010e-02 - - -3.5438889265060425e-01 2.7009218931198120e-01 - <_> - - 0 -1 195 1.5983959892764688e-03 - - -3.2200628519058228e-01 2.5404900312423706e-01 - <_> - - 0 -1 196 3.9249849505722523e-03 - - 1.6477300226688385e-01 -4.2043879628181458e-01 - <_> - - 0 -1 197 1.5850430354475975e-03 - - -2.5503370165824890e-01 3.1559389829635620e-01 - <_> - - 0 -1 198 -3.4282119013369083e-03 - - -4.0074288845062256e-01 1.1993350088596344e-01 - <_> - - 0 -1 199 -3.3538821153342724e-03 - - 3.0459630489349365e-01 -2.2311030328273773e-01 - <_> - - 0 -1 200 -6.7664748057723045e-03 - - 3.2396519184112549e-01 -9.2932380735874176e-02 - <_> - - 0 -1 201 -6.7180307814851403e-04 - - -3.2457518577575684e-01 2.1808999776840210e-01 - <_> - - 0 -1 202 2.8931829147040844e-03 - - 1.2530609965324402e-01 -4.8582470417022705e-01 - <_> - - 0 -1 203 -3.3115309197455645e-03 - - 4.0534108877182007e-01 -2.2432869672775269e-01 - <_> - - 0 -1 204 8.8509041815996170e-03 - - 1.2155570089817047e-01 -6.0243481397628784e-01 - <_> - - 0 -1 205 5.4662628099322319e-03 - - -1.6978119313716888e-01 4.0752619504928589e-01 - <_> - - 0 -1 206 4.7559391707181931e-02 - - -8.1737041473388672e-02 6.9865119457244873e-01 - <_> - - 0 -1 207 3.1745019368827343e-03 - - 1.7419810593128204e-01 -3.7237030267715454e-01 - <_> - - 0 -1 208 -5.1520839333534241e-03 - - 2.7799358963966370e-01 -2.5311779975891113e-01 - <_> - - 0 -1 209 -4.8141111619770527e-03 - - -5.8466029167175293e-01 1.5894299745559692e-01 - <_> - - 0 -1 210 2.1967150270938873e-02 - - -1.0052759945392609e-01 4.7374871373176575e-01 - <_> - - 0 -1 211 -6.0128211043775082e-03 - - 1.9820199906826019e-01 -4.2172819375991821e-01 - <_> - - 0 -1 212 4.5052049681544304e-03 - - 1.7064809799194336e-02 -4.8947790265083313e-01 - <_> - - 0 -1 213 -1.3302109437063336e-03 - - 1.8670339882373810e-01 -2.9437661170959473e-01 - <_> - - 0 -1 214 -7.3667510878294706e-04 - - -1.4788800477981567e-01 1.0121300071477890e-01 - <_> - - 0 -1 215 -1.4602739829570055e-03 - - -4.3107959628105164e-01 1.2479860335588455e-01 - <_> - - 0 -1 216 3.4185629338026047e-02 - - -5.7933650910854340e-02 5.4917758703231812e-01 - <_> - 33 - -1.0450899600982666e+00 - - <_> - - 0 -1 217 3.0665110796689987e-02 - - -3.9953279495239258e-01 3.3617529273033142e-01 - <_> - - 0 -1 218 2.8893710114061832e-03 - - -3.8745269179344177e-01 3.0567520856857300e-01 - <_> - - 0 -1 219 -1.1876110220327973e-03 - - 2.2150239348411560e-01 -2.9632321000099182e-01 - <_> - - 0 -1 220 4.0173018351197243e-03 - - 1.3102529942989349e-01 -4.8803418874740601e-01 - <_> - - 0 -1 221 4.4870697893202305e-03 - - -3.3282509446144104e-01 1.6376070678234100e-01 - <_> - - 0 -1 222 3.2539520412683487e-02 - - -5.9164509177207947e-02 6.9953370094299316e-01 - <_> - - 0 -1 223 -8.9682880789041519e-03 - - -5.6289541721343994e-01 1.1756320297718048e-01 - <_> - - 0 -1 224 -6.1743397964164615e-04 - - 1.5408250689506531e-01 -2.7350011467933655e-01 - <_> - - 0 -1 225 -3.1031211256049573e-04 - - 1.8013550341129303e-01 -3.7572589516639709e-01 - <_> - - 0 -1 226 2.8775030747056007e-02 - - -3.4200929105281830e-02 2.7645361423492432e-01 - <_> - - 0 -1 227 -6.1647972324863076e-04 - - 1.7953120172023773e-01 -3.5178318619728088e-01 - <_> - - 0 -1 228 2.1818219684064388e-03 - - -1.4532999694347382e-01 1.4900140464305878e-01 - <_> - - 0 -1 229 -2.4263889063149691e-03 - - -4.6981298923492432e-01 9.5262229442596436e-02 - <_> - - 0 -1 230 2.5438209995627403e-02 - - -2.1531460806727409e-02 3.3266928791999817e-01 - <_> - - 0 -1 231 7.9593079863116145e-04 - - 1.2254969775676727e-01 -3.5679769515991211e-01 - <_> - - 0 -1 232 5.6763447355479002e-04 - - -1.3694189488887787e-01 1.0818839818239212e-01 - <_> - - 0 -1 233 8.7481308728456497e-03 - - -9.0849868953227997e-02 5.0112378597259521e-01 - <_> - - 0 -1 234 -4.7468831762671471e-03 - - 1.1629249900579453e-01 -1.4651729725301266e-02 - <_> - - 0 -1 235 3.0644210055470467e-03 - - -2.2739639878273010e-01 2.7780678868293762e-01 - <_> - - 0 -1 236 3.1514191068708897e-03 - - 3.5710681229829788e-02 -3.2296779751777649e-01 - <_> - - 0 -1 237 -3.8335900753736496e-03 - - -4.8395419120788574e-01 9.2689603567123413e-02 - <_> - - 0 -1 238 -3.6972409579902887e-03 - - 1.6351610422134399e-01 -1.4657320082187653e-01 - <_> - - 0 -1 239 6.7644561640918255e-03 - - 8.0342940986156464e-02 -5.0272989273071289e-01 - <_> - - 0 -1 240 5.7455507339909673e-04 - - -1.9531010091304779e-01 1.2394949793815613e-01 - <_> - - 0 -1 241 1.0008309967815876e-02 - - -1.5030139684677124e-01 2.7990019321441650e-01 - <_> - - 0 -1 242 -7.2150952182710171e-03 - - 1.6882060468196869e-01 -1.2279219925403595e-01 - <_> - - 0 -1 243 1.1310850270092487e-02 - - -9.6786908805370331e-02 6.4601618051528931e-01 - <_> - - 0 -1 244 1.0049899667501450e-01 - - 2.0610159263014793e-02 -9.9988579750061035e-01 - <_> - - 0 -1 245 1.3250860385596752e-02 - - 9.3147717416286469e-02 -4.8156800866127014e-01 - <_> - - 0 -1 246 -3.9085310697555542e-01 - - 7.1057820320129395e-01 -1.6548840329051018e-02 - <_> - - 0 -1 247 2.4332199245691299e-02 - - 1.4528210461139679e-01 -2.8366720676422119e-01 - <_> - - 0 -1 248 1.0354409459978342e-03 - - -2.0017370581626892e-01 1.8794250488281250e-01 - <_> - - 0 -1 249 -7.1747899055480957e-01 - - 6.6637128591537476e-01 -5.2656259387731552e-02 - <_> - 42 - -1.0599969625473022e+00 - - <_> - - 0 -1 250 1.9620559178292751e-03 - - -4.1077700257301331e-01 1.8896859884262085e-01 - <_> - - 0 -1 251 2.1331369876861572e-02 - - 9.2599019408226013e-02 -3.9660450816154480e-01 - <_> - - 0 -1 252 -2.3037450388073921e-02 - - -7.2293937206268311e-01 9.6411719918251038e-02 - <_> - - 0 -1 253 -5.0521228462457657e-02 - - 1.8302009999752045e-01 -1.9482779502868652e-01 - <_> - - 0 -1 254 2.5330919772386551e-02 - - 1.0334759950637817e-01 -5.8018290996551514e-01 - <_> - - 0 -1 255 -4.3120220652781427e-04 - - 1.3374519348144531e-01 -2.1300980448722839e-01 - <_> - - 0 -1 256 -1.4295669643615838e-05 - - 1.8420490622520447e-01 -3.0300238728523254e-01 - <_> - - 0 -1 257 -2.8645719867199659e-03 - - 1.7371790111064911e-01 -2.1612820029258728e-01 - <_> - - 0 -1 258 1.0322510264813900e-02 - - 1.1071330308914185e-01 -4.2402949929237366e-01 - <_> - - 0 -1 259 1.3879509642720222e-02 - - -1.0993299633264542e-01 5.5458897352218628e-01 - <_> - - 0 -1 260 -1.7010340234264731e-03 - - -3.1409528851509094e-01 1.5474779903888702e-01 - <_> - - 0 -1 261 -2.7375848731026053e-04 - - 1.4674690365791321e-01 -1.2817619740962982e-01 - <_> - - 0 -1 262 3.9977379143238068e-02 - - -6.3540339469909668e-02 6.0685801506042480e-01 - <_> - - 0 -1 263 -1.2663399800658226e-02 - - 1.0982260107994080e-01 -1.2707209587097168e-01 - <_> - - 0 -1 264 1.0186760127544403e-01 - - 8.8505871593952179e-02 -5.7165622711181641e-01 - <_> - - 0 -1 265 -1.0695089586079121e-03 - - 3.4594889730215073e-02 -9.9618308246135712e-02 - <_> - - 0 -1 266 -3.4467370714992285e-03 - - 2.2871519625186920e-01 -1.9664469361305237e-01 - <_> - - 0 -1 267 -1.2329400330781937e-01 - - -1.0825649648904800e-01 2.4728389456868172e-02 - <_> - - 0 -1 268 -5.8832589536905289e-02 - - 5.5791580677032471e-01 -7.7630676329135895e-02 - <_> - - 0 -1 269 9.7795920446515083e-03 - - 9.4951488077640533e-02 -5.3767371177673340e-01 - <_> - - 0 -1 270 1.1116569861769676e-02 - - -8.9288607239723206e-02 4.6695429086685181e-01 - <_> - - 0 -1 271 -1.5398260205984116e-02 - - 9.0432487428188324e-02 -1.2233799695968628e-01 - <_> - - 0 -1 272 5.8570769615471363e-03 - - 1.0859709978103638e-01 -4.0961760282516479e-01 - <_> - - 0 -1 273 6.6174753010272980e-02 - - -4.4282642193138599e-03 -8.8055539131164551e-01 - <_> - - 0 -1 274 -1.0636489838361740e-02 - - -4.4541570544242859e-01 1.0953740030527115e-01 - <_> - - 0 -1 275 -3.1363599002361298e-02 - - 8.0546891689300537e-01 -4.9883890897035599e-02 - <_> - - 0 -1 276 9.8021561279892921e-04 - - -2.3428329825401306e-01 1.6934409737586975e-01 - <_> - - 0 -1 277 5.3463829681277275e-03 - - -1.0729180276393890e-01 2.5447541475296021e-01 - <_> - - 0 -1 278 -5.1919990219175816e-03 - - -5.1496618986129761e-01 8.5118137300014496e-02 - <_> - - 0 -1 279 1.8721649423241615e-02 - - -8.4052212536334991e-02 4.7836899757385254e-01 - <_> - - 0 -1 280 3.7875440903007984e-03 - - -2.3145659267902374e-01 1.6052989661693573e-01 - <_> - - 0 -1 281 6.8765478208661079e-03 - - 9.6559382975101471e-02 -2.3832960426807404e-01 - <_> - - 0 -1 282 -5.4661519825458527e-03 - - -3.7871730327606201e-01 8.7851487100124359e-02 - <_> - - 0 -1 283 -1.5829449519515038e-02 - - 5.2159512042999268e-01 -7.3916867375373840e-02 - <_> - - 0 -1 284 1.2771990150213242e-02 - - 1.0658729821443558e-01 -3.2850459218025208e-01 - <_> - - 0 -1 285 4.7000780701637268e-02 - - -2.9548000544309616e-02 4.8469349741935730e-01 - <_> - - 0 -1 286 1.1224800255149603e-03 - - -2.1395659446716309e-01 1.5407760441303253e-01 - <_> - - 0 -1 287 -1.0136750061064959e-03 - - 2.3574739694595337e-01 -1.4536799490451813e-01 - <_> - - 0 -1 288 5.2841319702565670e-03 - - 8.0536216497421265e-02 -3.6417248845100403e-01 - <_> - - 0 -1 289 -1.7608689144253731e-02 - - 5.3858822584152222e-01 -3.5741850733757019e-02 - <_> - - 0 -1 290 3.4710608422756195e-02 - - -4.3261460959911346e-02 7.7817600965499878e-01 - <_> - - 0 -1 291 1.6450349241495132e-02 - - 4.1815090924501419e-02 -3.4912678599357605e-01 - <_> - 45 - -1.0216469764709473e+00 - - <_> - - 0 -1 292 -1.7846419941633940e-03 - - 2.2014810144901276e-01 -3.6912658810615540e-01 - <_> - - 0 -1 293 -6.1350408941507339e-04 - - -3.0695998668670654e-01 9.7717791795730591e-02 - <_> - - 0 -1 294 -2.5726810563355684e-03 - - -3.7789058685302734e-01 1.7042149603366852e-01 - <_> - - 0 -1 295 8.8661757763475180e-04 - - -3.7929078936576843e-01 9.3289971351623535e-02 - <_> - - 0 -1 296 3.5716239362955093e-02 - - 7.3169313371181488e-02 -6.1792898178100586e-01 - <_> - - 0 -1 297 3.5162840038537979e-02 - - -1.2328250333666801e-02 4.4894638657569885e-01 - <_> - - 0 -1 298 -5.8216741308569908e-03 - - -4.9501991271972656e-01 8.8005952537059784e-02 - <_> - - 0 -1 299 -7.7909301035106182e-04 - - 1.1154119670391083e-01 -2.8316551446914673e-01 - <_> - - 0 -1 300 -6.8164491094648838e-03 - - 1.8434180319309235e-01 -2.3727069795131683e-01 - <_> - - 0 -1 301 9.0218139812350273e-03 - - -5.3773559629917145e-02 2.6174989342689514e-01 - <_> - - 0 -1 302 -6.7481878213584423e-03 - - -5.0475108623504639e-01 7.6614417135715485e-02 - <_> - - 0 -1 303 7.5771231204271317e-03 - - -1.1926110088825226e-01 3.4210419654846191e-01 - <_> - - 0 -1 304 -4.6335519291460514e-03 - - -4.9088281393051147e-01 6.9542020559310913e-02 - <_> - - 0 -1 305 4.1346959769725800e-03 - - -8.1591427326202393e-02 4.7879660129547119e-01 - <_> - - 0 -1 306 -9.8444558680057526e-03 - - 2.0124210417270660e-01 -2.3769280314445496e-01 - <_> - - 0 -1 307 -3.4897070378065109e-02 - - -9.1024678945541382e-01 1.8579540774226189e-02 - <_> - - 0 -1 308 -3.5042490344494581e-04 - - 1.2479469925165176e-01 -3.0717149376869202e-01 - <_> - - 0 -1 309 -9.4668623059988022e-03 - - 1.1332949995994568e-01 -1.6115890443325043e-01 - <_> - - 0 -1 310 2.2053409367799759e-02 - - -7.9784400761127472e-02 6.0739010572433472e-01 - <_> - - 0 -1 311 -7.2947797889355570e-05 - - 1.4449119567871094e-01 -1.3706150650978088e-01 - <_> - - 0 -1 312 -7.5134839862585068e-03 - - -3.0744421482086182e-01 1.0279080271720886e-01 - <_> - - 0 -1 313 1.0311939753592014e-02 - - -7.0246197283267975e-02 4.8307010531425476e-01 - <_> - - 0 -1 314 9.4670448452234268e-03 - - 7.0281803607940674e-02 -4.7069519758224487e-01 - <_> - - 0 -1 315 -3.0116239562630653e-02 - - 5.2378559112548828e-01 -3.7109669297933578e-02 - <_> - - 0 -1 316 -1.2667849659919739e-02 - - -6.0825890302658081e-01 5.0444670021533966e-02 - <_> - - 0 -1 317 2.2987429983913898e-03 - - -1.1808679997920990e-01 1.7393890023231506e-01 - <_> - - 0 -1 318 2.5533209554851055e-03 - - -1.6625979542732239e-01 1.9768959283828735e-01 - <_> - - 0 -1 319 -3.3218199014663696e-01 - - -9.5407789945602417e-01 4.1291080415248871e-03 - <_> - - 0 -1 320 5.4485369473695755e-03 - - -9.1220542788505554e-02 3.9834749698638916e-01 - <_> - - 0 -1 321 4.7633191570639610e-03 - - -1.2069889903068542e-01 1.6169339418411255e-01 - <_> - - 0 -1 322 4.4371229596436024e-03 - - 8.5928186774253845e-02 -4.4427189230918884e-01 - <_> - - 0 -1 323 2.7019889093935490e-03 - - -1.9511219859123230e-01 7.1141660213470459e-02 - <_> - - 0 -1 324 -1.4219670556485653e-03 - - 1.9089500606060028e-01 -1.8880489468574524e-01 - <_> - - 0 -1 325 -6.9531630724668503e-03 - - -2.6191520690917969e-01 7.7488146722316742e-02 - <_> - - 0 -1 326 -2.6554360985755920e-01 - - 4.7893580794334412e-01 -7.8830257058143616e-02 - <_> - - 0 -1 327 5.4960828274488449e-03 - - 6.4748808741569519e-02 -4.0898790955543518e-01 - <_> - - 0 -1 328 1.6060929745435715e-02 - - 9.4868503510951996e-02 -3.5040768980979919e-01 - <_> - - 0 -1 329 -3.5279421135783195e-03 - - 2.2704540193080902e-01 -1.5011039376258850e-01 - <_> - - 0 -1 330 1.5189720317721367e-02 - - -8.6033642292022705e-02 5.0375241041183472e-01 - <_> - - 0 -1 331 9.8117031157016754e-03 - - 9.1945856809616089e-02 -2.7134710550308228e-01 - <_> - - 0 -1 332 -8.9835934340953827e-03 - - -3.5721930861473083e-01 1.1564330011606216e-01 - <_> - - 0 -1 333 2.5472430512309074e-02 - - -3.8861878216266632e-02 5.0707322359085083e-01 - <_> - - 0 -1 334 1.3594819465652108e-03 - - -1.5127420425415039e-01 2.3332439363002777e-01 - <_> - - 0 -1 335 1.4673129655420780e-02 - - 7.6386481523513794e-02 -4.3126261234283447e-01 - <_> - - 0 -1 336 -2.1757239475846291e-02 - - 6.0306608676910400e-01 -5.7926669716835022e-02 - <_> - 49 - -1.0149190425872803e+00 - - <_> - - 0 -1 337 -1.9122850149869919e-02 - - 2.1423059701919556e-01 -4.0178310871124268e-01 - <_> - - 0 -1 338 -4.0749661275185645e-04 - - 1.0837800055742264e-01 -9.7847007215023041e-02 - <_> - - 0 -1 339 1.8419560045003891e-02 - - 9.4817012548446655e-02 -4.4825899600982666e-01 - <_> - - 0 -1 340 -3.0946850893087685e-04 - - 1.1567220091819763e-01 -6.9291338324546814e-02 - <_> - - 0 -1 341 2.4416830390691757e-02 - - -2.6403778791427612e-01 1.4588509500026703e-01 - <_> - - 0 -1 342 3.9483308792114258e-03 - - 7.8703567385673523e-02 -3.9770650863647461e-01 - <_> - - 0 -1 343 1.5498059801757336e-02 - - -6.8623371422290802e-02 6.3598757982254028e-01 - <_> - - 0 -1 344 1.0397369973361492e-02 - - 5.3116258233785629e-02 -2.4757599830627441e-01 - <_> - - 0 -1 345 1.0350650409236550e-03 - - -2.2953610122203827e-01 2.1623679995536804e-01 - <_> - - 0 -1 346 -6.9717521546408534e-04 - - 1.6330949962139130e-01 -2.7930000424385071e-01 - <_> - - 0 -1 347 1.1055100476369262e-03 - - -2.6721170544624329e-01 1.3809490203857422e-01 - <_> - - 0 -1 348 1.8128760159015656e-02 - - 7.8602522611618042e-02 -3.3748328685760498e-01 - <_> - - 0 -1 349 -1.4303029747679830e-03 - - 1.5668049454689026e-01 -2.5422498583793640e-01 - <_> - - 0 -1 350 1.0650220327079296e-02 - - -4.1638601571321487e-02 3.2634070515632629e-01 - <_> - - 0 -1 351 -1.0680139530450106e-03 - - 1.7996980249881744e-01 -2.0673060417175293e-01 - <_> - - 0 -1 352 -8.0095082521438599e-03 - - -2.8778979182243347e-01 7.5492449104785919e-02 - <_> - - 0 -1 353 -1.1857559904456139e-02 - - -5.5485212802886963e-01 4.7465000301599503e-02 - <_> - - 0 -1 354 -1.9440150260925293e-01 - - 4.9564599990844727e-01 -6.8522267043590546e-02 - <_> - - 0 -1 355 1.2786169536411762e-02 - - -5.8201011270284653e-02 5.1194858551025391e-01 - <_> - - 0 -1 356 1.1360739590600133e-03 - - -2.1216529607772827e-01 1.4639540016651154e-01 - <_> - - 0 -1 357 -3.7541511119343340e-04 - - 1.1406060308218002e-01 -2.7936661243438721e-01 - <_> - - 0 -1 358 6.2142009846866131e-03 - - 2.8568789362907410e-02 -3.2485058903694153e-01 - <_> - - 0 -1 359 4.5166439376771450e-03 - - -9.5556378364562988e-02 3.6032339930534363e-01 - <_> - - 0 -1 360 -1.7354219453409314e-03 - - -8.0804876983165741e-02 5.3851570934057236e-02 - <_> - - 0 -1 361 -6.9608418270945549e-03 - - -6.0131508111953735e-01 4.5509491115808487e-02 - <_> - - 0 -1 362 8.7833311408758163e-03 - - -9.4497971236705780e-02 3.1924161314964294e-01 - <_> - - 0 -1 363 -2.0243569742888212e-03 - - 2.6737558841705322e-01 -1.1679279804229736e-01 - <_> - - 0 -1 364 5.6362948380410671e-03 - - 4.6491090208292007e-02 -2.3982259631156921e-01 - <_> - - 0 -1 365 -2.1751220338046551e-03 - - -3.1831741333007812e-01 1.1634550243616104e-01 - <_> - - 0 -1 366 2.5424890220165253e-02 - - 7.5600057840347290e-02 -3.7359631061553955e-01 - <_> - - 0 -1 367 3.9950129576027393e-04 - - -2.6206868886947632e-01 1.4345559477806091e-01 - <_> - - 0 -1 368 -3.9724060334265232e-03 - - 2.0395089685916901e-01 -1.1896310001611710e-01 - <_> - - 0 -1 369 2.4637179449200630e-03 - - -1.3687339425086975e-01 3.4098258614540100e-01 - <_> - - 0 -1 370 1.4397709630429745e-02 - - 2.4846889078617096e-02 -6.5415948629379272e-01 - <_> - - 0 -1 371 -1.4848919818177819e-05 - - 1.3884930312633514e-01 -2.1077479422092438e-01 - <_> - - 0 -1 372 -3.8339510560035706e-02 - - 5.8668392896652222e-01 -3.6245860159397125e-02 - <_> - - 0 -1 373 -5.4605712648481131e-04 - - 2.1259330213069916e-01 -1.3791069388389587e-01 - <_> - - 0 -1 374 1.3036499731242657e-02 - - 5.0619971007108688e-02 -2.3150099813938141e-01 - <_> - - 0 -1 375 -2.4273560848087072e-03 - - 2.4302999675273895e-01 -1.1315950006246567e-01 - <_> - - 0 -1 376 -6.3351681455969810e-03 - - -3.5549488663673401e-01 9.4948403537273407e-02 - <_> - - 0 -1 377 -5.7510860264301300e-02 - - 4.9378138780593872e-01 -6.0664121061563492e-02 - <_> - - 0 -1 378 6.8376341369003057e-04 - - -1.9417250156402588e-01 1.4234590530395508e-01 - <_> - - 0 -1 379 8.8113872334361076e-03 - - 4.7562059015035629e-02 -5.8416491746902466e-01 - <_> - - 0 -1 380 1.0788169689476490e-02 - - -4.6855889260768890e-02 1.6548010706901550e-01 - <_> - - 0 -1 381 -1.3571690069511533e-03 - - -3.2510679960250854e-01 9.4090476632118225e-02 - <_> - - 0 -1 382 -1.0195979848504066e-02 - - -1.4696849882602692e-01 2.6246059685945511e-02 - <_> - - 0 -1 383 -1.2560819741338491e-03 - - 2.2853380441665649e-01 -1.6265660524368286e-01 - <_> - - 0 -1 384 6.6750420955941081e-04 - - -1.3430669903755188e-01 1.3987569510936737e-01 - <_> - - 0 -1 385 2.0975170191377401e-03 - - -1.2987610697746277e-01 1.9978469610214233e-01 - <_> - 53 - -9.3152678012847900e-01 - - <_> - - 0 -1 386 -3.6917610559612513e-03 - - 2.2682790458202362e-01 -4.1167381405830383e-01 - <_> - - 0 -1 387 -9.4609148800373077e-03 - - 1.6305020451545715e-01 -2.2949010133743286e-01 - <_> - - 0 -1 388 3.3874800428748131e-03 - - 7.7644690871238708e-02 -4.7465118765830994e-01 - <_> - - 0 -1 389 3.3596849534660578e-03 - - -1.4722810685634613e-01 1.3755659759044647e-01 - <_> - - 0 -1 390 -2.2649099119007587e-03 - - -2.9027861356735229e-01 1.2261869758367538e-01 - <_> - - 0 -1 391 -5.5420072749257088e-04 - - 1.1591990292072296e-01 -2.3066529631614685e-01 - <_> - - 0 -1 392 1.9706019666045904e-03 - - 1.1808300018310547e-01 -3.7879431247711182e-01 - <_> - - 0 -1 393 1.7503080889582634e-02 - - -9.4161599874496460e-02 4.7933238744735718e-01 - <_> - - 0 -1 394 -2.9575270600616932e-03 - - 1.7336699366569519e-01 -3.1673321127891541e-01 - <_> - - 0 -1 395 -2.6238700747489929e-01 - - -7.4405288696289062e-01 8.9512793347239494e-03 - <_> - - 0 -1 396 5.5493800900876522e-03 - - -2.4088740348815918e-01 1.4212040603160858e-01 - <_> - - 0 -1 397 -1.4842569828033447e-02 - - 5.5166311562061310e-02 -8.5363000631332397e-02 - <_> - - 0 -1 398 -1.8193490803241730e-02 - - -7.5389099121093750e-01 4.4062498956918716e-02 - <_> - - 0 -1 399 -1.9381130114197731e-03 - - 1.4762139320373535e-01 -1.4214770495891571e-01 - <_> - - 0 -1 400 -6.1375028453767300e-03 - - -5.4175209999084473e-01 5.2872691303491592e-02 - <_> - - 0 -1 401 1.6630079597234726e-02 - - -6.0005810111761093e-02 5.2294141054153442e-01 - <_> - - 0 -1 402 -9.7470665350556374e-03 - - -3.1776770949363708e-01 9.4077728688716888e-02 - <_> - - 0 -1 403 -3.9159679412841797e-01 - - 5.1550501585006714e-01 -8.6178213357925415e-02 - <_> - - 0 -1 404 1.0457860305905342e-02 - - -5.4442230612039566e-02 5.5086338520050049e-01 - <_> - - 0 -1 405 9.2479586601257324e-02 - - 9.5865959301590919e-03 -7.5205242633819580e-01 - <_> - - 0 -1 406 -1.3383329845964909e-02 - - -2.5909280776977539e-01 1.2255199998617172e-01 - <_> - - 0 -1 407 -1.9297929480671883e-02 - - -1.8686549365520477e-01 4.2670380324125290e-02 - <_> - - 0 -1 408 -1.1118740076199174e-03 - - 1.4586099982261658e-01 -2.2742809355258942e-01 - <_> - - 0 -1 409 2.3209059610962868e-02 - - 2.1769199520349503e-02 -2.4001930654048920e-01 - <_> - - 0 -1 410 6.9435071200132370e-03 - - -8.4814570844173431e-02 3.8388100266456604e-01 - <_> - - 0 -1 411 -1.0249669849872589e-01 - - -7.0618611574172974e-01 1.2580949813127518e-02 - <_> - - 0 -1 412 -1.4036430045962334e-02 - - -3.8427880406379700e-01 8.7678723037242889e-02 - <_> - - 0 -1 413 6.8071340210735798e-03 - - -7.5941346585750580e-02 7.6014332473278046e-02 - <_> - - 0 -1 414 4.8163239844143391e-03 - - -1.6402910649776459e-01 2.0124110579490662e-01 - <_> - - 0 -1 415 -3.0274710152298212e-03 - - -2.8118729591369629e-01 6.8671241402626038e-02 - <_> - - 0 -1 416 -1.6530510038137436e-03 - - 2.1427379548549652e-01 -1.3038359582424164e-01 - <_> - - 0 -1 417 -3.9757499471306801e-03 - - -2.3737999796867371e-01 5.1290549337863922e-02 - <_> - - 0 -1 418 6.9589749909937382e-03 - - -1.3246279954910278e-01 2.3703409731388092e-01 - <_> - - 0 -1 419 7.2270620148628950e-04 - - 5.0478070974349976e-02 -1.3544809818267822e-01 - <_> - - 0 -1 420 1.5057729557156563e-02 - - -6.6954463720321655e-02 4.5368999242782593e-01 - <_> - - 0 -1 421 6.5838429145514965e-03 - - 3.9054669439792633e-02 -1.9516509771347046e-01 - <_> - - 0 -1 422 -2.9128929600119591e-03 - - 1.7604969441890717e-01 -1.5639689564704895e-01 - <_> - - 0 -1 423 6.4386397600173950e-01 - - -1.1777699925005436e-02 1.0000569820404053e+00 - <_> - - 0 -1 424 5.1160277798771858e-03 - - 9.5464669167995453e-02 -3.7832370400428772e-01 - <_> - - 0 -1 425 6.8325497210025787e-02 - - -3.9297499461099505e-04 -9.9986249208450317e-01 - <_> - - 0 -1 426 4.4071719050407410e-02 - - 2.8716549277305603e-02 -9.0306490659713745e-01 - <_> - - 0 -1 427 -1.5712520107626915e-02 - - 2.4888029694557190e-01 -5.3066261112689972e-02 - <_> - - 0 -1 428 -3.9486829191446304e-03 - - -5.0214129686355591e-01 5.2089609205722809e-02 - <_> - - 0 -1 429 1.1841469677165151e-03 - - 6.2122888863086700e-02 -1.6479890048503876e-01 - <_> - - 0 -1 430 -1.1385709792375565e-01 - - 5.6728571653366089e-01 -3.8864318281412125e-02 - <_> - - 0 -1 431 6.2493737787008286e-03 - - 8.7858140468597412e-02 -2.8675949573516846e-01 - <_> - - 0 -1 432 -2.3781529162079096e-03 - - 2.6684141159057617e-01 -9.3291386961936951e-02 - <_> - - 0 -1 433 -6.3620522618293762e-02 - - 1.5153369307518005e-01 -1.5354029834270477e-02 - <_> - - 0 -1 434 7.9275481402873993e-03 - - 8.8268518447875977e-02 -3.1872791051864624e-01 - <_> - - 0 -1 435 1.0556660126894712e-03 - - -1.0226110368967056e-01 6.0546699911355972e-02 - <_> - - 0 -1 436 9.1879200190305710e-03 - - 8.0963402986526489e-02 -3.5031539201736450e-01 - <_> - - 0 -1 437 3.9727380499243736e-03 - - -1.0334850102663040e-01 2.7450188994407654e-01 - <_> - - 0 -1 438 1.7149309860542417e-03 - - -1.2329679727554321e-01 2.1561819314956665e-01 - <_> - 55 - -9.3984860181808472e-01 - - <_> - - 0 -1 439 -1.4547890052199364e-02 - - -5.7042872905731201e-01 1.0164090245962143e-01 - <_> - - 0 -1 440 -1.2570459512062371e-04 - - 7.7566891908645630e-02 -2.9524150490760803e-01 - <_> - - 0 -1 441 9.4022490084171295e-03 - - -3.2618519663810730e-01 1.3688039779663086e-01 - <_> - - 0 -1 442 -5.1469001919031143e-03 - - -2.2486360371112823e-01 1.4886389672756195e-01 - <_> - - 0 -1 443 -3.1212199246510863e-04 - - 1.1287149786949158e-01 -3.2888731360435486e-01 - <_> - - 0 -1 444 1.8742609769105911e-02 - - -1.8080070614814758e-02 3.0115321278572083e-01 - <_> - - 0 -1 445 2.9675778932869434e-03 - - -2.5948849320411682e-01 1.3308060169219971e-01 - <_> - - 0 -1 446 -3.0295079573988914e-02 - - -6.0041320323944092e-01 3.3516548573970795e-02 - <_> - - 0 -1 447 6.4835487864911556e-03 - - -7.7768087387084961e-02 4.6268320083618164e-01 - <_> - - 0 -1 448 2.2889559622853994e-03 - - 6.0411829501390457e-02 -1.7498730123043060e-01 - <_> - - 0 -1 449 -1.6078320331871510e-03 - - -2.9557180404663086e-01 1.5449790656566620e-01 - <_> - - 0 -1 450 -2.3348669707775116e-01 - - -6.3751947879791260e-01 1.3748309575021267e-02 - <_> - - 0 -1 451 5.8999718166887760e-03 - - 1.2713789939880371e-01 -3.2689490914344788e-01 - <_> - - 0 -1 452 1.2073719874024391e-02 - - 1.6614260151982307e-02 -2.2707170248031616e-01 - <_> - - 0 -1 453 -5.6356011191383004e-04 - - 1.6879190504550934e-01 -1.9605310261249542e-01 - <_> - - 0 -1 454 1.7435080371797085e-03 - - -1.3831000030040741e-01 2.2103509306907654e-01 - <_> - - 0 -1 455 6.6066621802747250e-03 - - 4.4354528188705444e-02 -6.7365241050720215e-01 - <_> - - 0 -1 456 -5.9419698081910610e-03 - - 1.7569009959697723e-01 -1.3697220385074615e-01 - <_> - - 0 -1 457 4.9261527601629496e-04 - - -2.1035130321979523e-01 1.3241830468177795e-01 - <_> - - 0 -1 458 -3.6582869943231344e-03 - - 1.5420369803905487e-01 -1.0563220083713531e-01 - <_> - - 0 -1 459 -1.4477679505944252e-03 - - -2.8920960426330566e-01 1.4950390160083771e-01 - <_> - - 0 -1 460 -1.0310580255463719e-03 - - 8.8572971522808075e-02 -9.0375833213329315e-02 - <_> - - 0 -1 461 3.2927519641816616e-03 - - -1.1087729781866074e-01 3.0003741383552551e-01 - <_> - - 0 -1 462 -1.6668019816279411e-03 - - -6.2054108828306198e-02 2.2652259469032288e-01 - <_> - - 0 -1 463 1.3452100101858377e-03 - - 9.2012971639633179e-02 -3.5944160819053650e-01 - <_> - - 0 -1 464 -1.4981569722294807e-02 - - 3.6636090278625488e-01 -6.4556807279586792e-02 - <_> - - 0 -1 465 6.2536462210118771e-03 - - 6.9381363689899445e-02 -4.1023838520050049e-01 - <_> - - 0 -1 466 5.0937399268150330e-02 - - 1.7869930714368820e-02 -6.0524070262908936e-01 - <_> - - 0 -1 467 1.0756580159068108e-03 - - -2.3777949810028076e-01 1.4223319292068481e-01 - <_> - - 0 -1 468 -4.1086040437221527e-03 - - 1.4915379881858826e-01 -1.9213069975376129e-01 - <_> - - 0 -1 469 -1.3338520191609859e-02 - - -4.9711030721664429e-01 6.5755158662796021e-02 - <_> - - 0 -1 470 3.1997971236705780e-02 - - -6.4927592873573303e-02 6.6577041149139404e-01 - <_> - - 0 -1 471 -4.9686059355735779e-02 - - 5.0676888227462769e-01 -6.4676910638809204e-02 - <_> - - 0 -1 472 6.0286428779363632e-03 - - 8.8214896619319916e-02 -2.7923619747161865e-01 - <_> - - 0 -1 473 -6.9053061306476593e-03 - - -6.1452347040176392e-01 3.5631489008665085e-02 - <_> - - 0 -1 474 5.8130919933319092e-03 - - -9.3653626739978790e-02 9.9817357957363129e-02 - <_> - - 0 -1 475 -1.1030419729650021e-02 - - 4.5798170566558838e-01 -6.5124973654747009e-02 - <_> - - 0 -1 476 -1.5703570097684860e-03 - - 4.7113660722970963e-02 -1.3347460329532623e-01 - <_> - - 0 -1 477 4.6482901088893414e-03 - - 7.3932677507400513e-02 -4.2145860195159912e-01 - <_> - - 0 -1 478 5.0479872152209282e-04 - - -2.0517270267009735e-01 9.5128253102302551e-02 - <_> - - 0 -1 479 2.6125760748982430e-02 - - -6.8816967308521271e-02 4.2644789814949036e-01 - <_> - - 0 -1 480 6.4811189658939838e-03 - - 1.1302389949560165e-01 -4.7021061182022095e-01 - <_> - - 0 -1 481 -4.5484181493520737e-02 - - 5.4101467132568359e-01 -5.6804839521646500e-02 - <_> - - 0 -1 482 6.8956136703491211e-02 - - 3.4444119781255722e-02 -1.7411549389362335e-01 - <_> - - 0 -1 483 -2.0358948968350887e-03 - - 1.3366940617561340e-01 -2.0985920727252960e-01 - <_> - - 0 -1 484 1.4390050200745463e-03 - - -1.6449619829654694e-01 9.8886348307132721e-02 - <_> - - 0 -1 485 3.0180480331182480e-02 - - 8.7635383009910583e-02 -3.9464119076728821e-01 - <_> - - 0 -1 486 -3.8663588929921389e-03 - - 1.5964619815349579e-01 -1.1840829998254776e-01 - <_> - - 0 -1 487 1.0753490030765533e-02 - - -5.7142060250043869e-02 5.0125277042388916e-01 - <_> - - 0 -1 488 1.0978150181472301e-02 - - 3.5985160619020462e-02 -3.8646480441093445e-01 - <_> - - 0 -1 489 -7.8152219066396356e-04 - - 1.8248090147972107e-01 -1.6435949504375458e-01 - <_> - - 0 -1 490 -6.9936108775436878e-03 - - -2.6556238532066345e-01 9.4436101615428925e-02 - <_> - - 0 -1 491 2.3125730454921722e-02 - - -5.9101939201354980e-02 5.7359057664871216e-01 - <_> - - 0 -1 492 -1.7055520787835121e-02 - - -5.4567247629165649e-01 2.7153130620718002e-02 - <_> - - 0 -1 493 1.5192289836704731e-02 - - 9.2580981552600861e-02 -2.9735139012336731e-01 - <_> - 53 - -8.2538652420043945e-01 - - <_> - - 0 -1 494 -2.1589139476418495e-02 - - 3.3779260516166687e-01 -2.6725459098815918e-01 - <_> - - 0 -1 495 6.3885431736707687e-03 - - -2.6759129762649536e-01 2.1438689529895782e-01 - <_> - - 0 -1 496 -2.4394609499722719e-03 - - 1.8841089308261871e-01 -2.3495130240917206e-01 - <_> - - 0 -1 497 3.9824391715228558e-03 - - 4.6689908951520920e-02 -1.7984829843044281e-01 - <_> - - 0 -1 498 -3.1252959161065519e-04 - - 1.7267709970474243e-01 -1.8782779574394226e-01 - <_> - - 0 -1 499 3.3181109465658665e-03 - - 1.2081120163202286e-01 -3.2373869419097900e-01 - <_> - - 0 -1 500 -7.0711369626224041e-03 - - -2.7498379349708557e-01 1.3868269324302673e-01 - <_> - - 0 -1 501 4.4392608106136322e-03 - - -2.2279019653797150e-01 1.7155140638351440e-01 - <_> - - 0 -1 502 2.1352670155465603e-03 - - -1.1322859674692154e-01 2.8428959846496582e-01 - <_> - - 0 -1 503 -4.0205409750342369e-03 - - -2.4542550742626190e-01 9.4957500696182251e-02 - <_> - - 0 -1 504 -6.5228617750108242e-03 - - 3.2106789946556091e-01 -9.7372367978096008e-02 - <_> - - 0 -1 505 4.4146090658614412e-05 - - -1.5269330143928528e-01 8.5128836333751678e-02 - <_> - - 0 -1 506 4.7606039792299271e-02 - - 7.9339757561683655e-02 -2.9599419236183167e-01 - <_> - - 0 -1 507 4.0928661823272705e-02 - - -3.5142261534929276e-02 3.7593579292297363e-01 - <_> - - 0 -1 508 -1.1161889880895615e-02 - - -2.6747810840606689e-01 8.9181788265705109e-02 - <_> - - 0 -1 509 -2.9888451099395752e-01 - - 4.8014399409294128e-01 -7.2485052049160004e-02 - <_> - - 0 -1 510 1.1514360085129738e-02 - - -5.9218250215053558e-02 4.0962639451026917e-01 - <_> - - 0 -1 511 -2.6182739529758692e-03 - - -1.8478739261627197e-01 3.9801560342311859e-02 - <_> - - 0 -1 512 -1.2829460320062935e-04 - - 1.0710919648408890e-01 -2.4155279994010925e-01 - <_> - - 0 -1 513 -6.9328160025179386e-03 - - -2.9845720529556274e-01 4.5657958835363388e-02 - <_> - - 0 -1 514 -6.3937888480722904e-03 - - 1.8363510072231293e-01 -1.4049419760704041e-01 - <_> - - 0 -1 515 4.1702711023390293e-03 - - -5.1890019327402115e-02 1.0211580246686935e-01 - <_> - - 0 -1 516 1.0390999726951122e-02 - - -1.3426989316940308e-01 1.9137309491634369e-01 - <_> - - 0 -1 517 1.3004739768803120e-02 - - -4.5922718942165375e-02 3.0526930093765259e-01 - <_> - - 0 -1 518 -4.0645021945238113e-03 - - -4.8477160930633545e-01 6.9338463246822357e-02 - <_> - - 0 -1 519 -3.7050418904982507e-04 - - 1.0090719908475876e-01 -6.8911276757717133e-02 - <_> - - 0 -1 520 8.8882551062852144e-04 - - -1.6742789745330811e-01 1.8965889513492584e-01 - <_> - - 0 -1 521 -4.8583559691905975e-03 - - -4.0789389610290527e-01 5.1483351737260818e-02 - <_> - - 0 -1 522 4.4327960349619389e-03 - - -1.4262509346008301e-01 1.8987190723419189e-01 - <_> - - 0 -1 523 2.0999709144234657e-02 - - 9.2153772711753845e-02 -3.0773550271987915e-01 - <_> - - 0 -1 524 -2.2740170825272799e-03 - - 1.5176279842853546e-01 -1.6528700292110443e-01 - <_> - - 0 -1 525 -1.5075540170073509e-02 - - -3.1039240956306458e-01 6.5696939826011658e-02 - <_> - - 0 -1 526 9.5290662720799446e-03 - - -6.7693017423152924e-02 4.0692031383514404e-01 - <_> - - 0 -1 527 1.2057139538228512e-03 - - 4.3188188225030899e-02 -1.8454369902610779e-01 - <_> - - 0 -1 528 -2.4757070466876030e-02 - - 6.6890978813171387e-01 -3.4418709576129913e-02 - <_> - - 0 -1 529 3.0408669263124466e-03 - - -1.3256159424781799e-01 9.5131039619445801e-02 - <_> - - 0 -1 530 -1.5181970084086061e-03 - - 1.2939499318599701e-01 -1.8558539450168610e-01 - <_> - - 0 -1 531 -2.4845359846949577e-02 - - -7.3013377189636230e-01 9.4545418396592140e-03 - <_> - - 0 -1 532 -8.1413304433226585e-03 - - 1.1521799862384796e-01 -1.9038149714469910e-01 - <_> - - 0 -1 533 -4.2350329458713531e-03 - - 7.2733633220195770e-02 -1.0841889679431915e-01 - <_> - - 0 -1 534 9.9135711789131165e-03 - - -8.4218956530094147e-02 4.7613239288330078e-01 - <_> - - 0 -1 535 -2.7879870031028986e-03 - - -1.2846939265727997e-01 6.5720662474632263e-02 - <_> - - 0 -1 536 2.6451589073985815e-03 - - 8.9269757270812988e-02 -2.6216679811477661e-01 - <_> - - 0 -1 537 -2.6683490723371506e-02 - - 8.9870773255825043e-02 -9.6914090216159821e-02 - <_> - - 0 -1 538 3.1197380740195513e-03 - - -1.1731740087270737e-01 2.2004860639572144e-01 - <_> - - 0 -1 539 -2.3388290405273438e-01 - - -9.0905857086181641e-01 5.6871720589697361e-03 - <_> - - 0 -1 540 1.0922820307314396e-02 - - 8.5061840713024139e-02 -3.0725648999214172e-01 - <_> - - 0 -1 541 9.4858808442950249e-03 - - -2.2317569702863693e-02 3.3745709061622620e-01 - <_> - - 0 -1 542 -5.1413412438705564e-04 - - 1.4860659837722778e-01 -1.5598359704017639e-01 - <_> - - 0 -1 543 6.5561588853597641e-03 - - 6.6693432629108429e-02 -2.9945740103721619e-01 - <_> - - 0 -1 544 9.8293996416032314e-04 - - -1.9923539459705353e-01 1.4816479384899139e-01 - <_> - - 0 -1 545 -1.8866109894588590e-03 - - 8.6462371051311493e-02 -1.6101740300655365e-01 - <_> - - 0 -1 546 2.7264489326626062e-03 - - -8.2049086689949036e-02 3.8679501414299011e-01 - <_> - 60 - -8.3464938402175903e-01 - - <_> - - 0 -1 547 -1.2602520175278187e-02 - - 2.2423070669174194e-01 -3.3462178707122803e-01 - <_> - - 0 -1 548 2.5659699458628893e-03 - - 8.5756540298461914e-02 -3.2376360893249512e-01 - <_> - - 0 -1 549 -1.2003120500594378e-03 - - 1.4650370180606842e-01 -3.0306750535964966e-01 - <_> - - 0 -1 550 4.7978968359529972e-03 - - -2.4725909531116486e-01 5.2705809473991394e-02 - <_> - - 0 -1 551 -5.9380318270996213e-04 - - -1.8883049488067627e-01 1.5490350127220154e-01 - <_> - - 0 -1 552 8.1017091870307922e-03 - - 1.0764879733324051e-01 -2.4738930165767670e-01 - <_> - - 0 -1 553 -6.8427261430770159e-04 - - 1.8282850086688995e-01 -1.6550099849700928e-01 - <_> - - 0 -1 554 4.5279348269104958e-03 - - -5.5668760091066360e-02 4.1382691264152527e-01 - <_> - - 0 -1 555 3.8289420772343874e-03 - - -2.2222219407558441e-01 1.5282329916954041e-01 - <_> - - 0 -1 556 -6.2229200266301632e-03 - - -3.2351690530776978e-01 6.8372547626495361e-02 - <_> - - 0 -1 557 -6.1763478443026543e-03 - - -3.9912268519401550e-01 7.7707469463348389e-02 - <_> - - 0 -1 558 -8.7820261716842651e-02 - - 5.8577078580856323e-01 -5.3584650158882141e-02 - <_> - - 0 -1 559 -6.8017458543181419e-03 - - -4.3307110667228699e-01 6.2693849205970764e-02 - <_> - - 0 -1 560 1.0741569567471743e-03 - - -1.1966490000486374e-01 5.5397849529981613e-02 - <_> - - 0 -1 561 -3.0490919947624207e-02 - - -2.3663240671157837e-01 1.0002999752759933e-01 - <_> - - 0 -1 562 5.1879119127988815e-02 - - -3.6418840289115906e-02 7.3392897844314575e-01 - <_> - - 0 -1 563 8.6805049795657396e-04 - - -1.7705479264259338e-01 1.4985239505767822e-01 - <_> - - 0 -1 564 4.8424140550196171e-03 - - -4.6208251267671585e-02 1.3162529468536377e-01 - <_> - - 0 -1 565 9.1674225404858589e-03 - - 9.9181063473224640e-02 -2.0292450487613678e-01 - <_> - - 0 -1 566 -5.6356228888034821e-03 - - 8.7860167026519775e-02 -3.7438090890645981e-02 - <_> - - 0 -1 567 -3.8375150412321091e-02 - - 4.9721479415893555e-01 -4.3815169483423233e-02 - <_> - - 0 -1 568 8.9894384145736694e-03 - - 9.4126552343368530e-02 -3.0227750539779663e-01 - <_> - - 0 -1 569 -1.1650560190901160e-04 - - 1.3361050188541412e-01 -1.8932069838047028e-01 - <_> - - 0 -1 570 -6.6462112590670586e-04 - - 7.7972702682018280e-02 -1.3508260250091553e-01 - <_> - - 0 -1 571 -1.2656490318477154e-02 - - -3.6913019418716431e-01 6.4613893628120422e-02 - <_> - - 0 -1 572 -4.3929531238973141e-03 - - 2.6696819067001343e-01 -8.8650099933147430e-02 - <_> - - 0 -1 573 -1.2583639472723007e-03 - - 2.0614829659461975e-01 -1.0952439904212952e-01 - <_> - - 0 -1 574 -1.1131940409541130e-02 - - -4.1352048516273499e-01 6.2840126454830170e-02 - <_> - - 0 -1 575 3.0703889206051826e-03 - - -1.5591779351234436e-01 1.5018209815025330e-01 - <_> - - 0 -1 576 3.5361549817025661e-03 - - 6.2573492527008057e-02 -2.1869969367980957e-01 - <_> - - 0 -1 577 2.8864629566669464e-02 - - -6.9561749696731567e-02 4.4892778992652893e-01 - <_> - - 0 -1 578 -7.1035906672477722e-02 - - 2.0991979539394379e-01 -3.6562878638505936e-02 - <_> - - 0 -1 579 -1.1107679456472397e-03 - - -3.3020168542861938e-01 7.9758942127227783e-02 - <_> - - 0 -1 580 7.9184047877788544e-02 - - -1.3226009905338287e-02 3.8603660464286804e-01 - <_> - - 0 -1 581 1.3353509828448296e-02 - - 5.8410558849573135e-02 -3.9250770211219788e-01 - <_> - - 0 -1 582 5.0049051642417908e-02 - - -2.3318229243159294e-02 7.4593770503997803e-01 - <_> - - 0 -1 583 -2.1859000623226166e-01 - - -8.4585267305374146e-01 2.5940530002117157e-02 - <_> - - 0 -1 584 1.0064110159873962e-02 - - -1.0959850251674652e-01 2.1068529784679413e-01 - <_> - - 0 -1 585 7.5430879369378090e-03 - - 5.3567539900541306e-02 -3.3617278933525085e-01 - <_> - - 0 -1 586 1.5817210078239441e-02 - - -1.9042259082198143e-02 2.2196899354457855e-01 - <_> - - 0 -1 587 -1.7135319649241865e-04 - - 1.7667369544506073e-01 -1.2068530172109604e-01 - <_> - - 0 -1 588 6.6670849919319153e-03 - - 7.0071838796138763e-02 -2.2137600183486938e-01 - <_> - - 0 -1 589 2.7946738991886377e-03 - - -1.0509230196475983e-01 1.9277399778366089e-01 - <_> - - 0 -1 590 -1.5057970304042101e-03 - - 6.0012888163328171e-02 -1.2378510087728500e-01 - <_> - - 0 -1 591 8.5329543799161911e-03 - - -4.7611240297555923e-02 3.9985141158103943e-01 - <_> - - 0 -1 592 4.2939469218254089e-02 - - 3.1611390411853790e-02 -1.9731660187244415e-01 - <_> - - 0 -1 593 2.0308220759034157e-02 - - 3.5055190324783325e-02 -5.1969397068023682e-01 - <_> - - 0 -1 594 -7.7673741616308689e-03 - - -1.8817919492721558e-01 5.6889228522777557e-02 - <_> - - 0 -1 595 2.1762759424746037e-03 - - -9.0948157012462616e-02 2.4575869739055634e-01 - <_> - - 0 -1 596 -1.9813690334558487e-02 - - 5.2904421091079712e-01 -3.8754951208829880e-02 - <_> - - 0 -1 597 1.3035159558057785e-02 - - 6.7918822169303894e-02 -3.0413469672203064e-01 - <_> - - 0 -1 598 -1.9664920400828123e-03 - - -2.0626169443130493e-01 9.6140593290328979e-02 - <_> - - 0 -1 599 -2.6359891053289175e-03 - - 2.5085249543190002e-01 -8.3200961351394653e-02 - <_> - - 0 -1 600 -2.2968810517340899e-03 - - 2.9634681344032288e-01 -5.8743689209222794e-02 - <_> - - 0 -1 601 -3.8644939195364714e-03 - - 1.9411550462245941e-01 -1.0827559977769852e-01 - <_> - - 0 -1 602 4.4517841160995886e-05 - - -2.4451869726181030e-01 1.0293029993772507e-01 - <_> - - 0 -1 603 1.9567341078072786e-03 - - -1.0519249737262726e-01 2.2499999403953552e-01 - <_> - - 0 -1 604 1.4188109897077084e-02 - - 3.2100718468427658e-02 -5.9142422676086426e-01 - <_> - - 0 -1 605 -1.3274629600346088e-04 - - 7.4577853083610535e-02 -2.7654591202735901e-01 - <_> - - 0 -1 606 2.0996380597352982e-02 - - -4.5735489577054977e-02 3.2947731018066406e-01 - <_> - 68 - -7.0352667570114136e-01 - - <_> - - 0 -1 607 -3.9841078221797943e-02 - - 1.5186519920825958e-01 -2.9055249691009521e-01 - <_> - - 0 -1 608 1.1327869724482298e-03 - - -1.1921630054712296e-01 1.2098889797925949e-01 - <_> - - 0 -1 609 1.0022070491686463e-03 - - 1.2088630348443985e-01 -2.5621330738067627e-01 - <_> - - 0 -1 610 6.3866227865219116e-02 - - 4.7628100961446762e-02 -8.6150348186492920e-01 - <_> - - 0 -1 611 -3.0986019410192966e-03 - - -3.1975808739662170e-01 9.1434687376022339e-02 - <_> - - 0 -1 612 6.5784230828285217e-03 - - -8.0473050475120544e-02 3.6123031377792358e-01 - <_> - - 0 -1 613 4.5082601718604565e-03 - - -1.8215750157833099e-01 1.4672499895095825e-01 - <_> - - 0 -1 614 -1.6526240855455399e-02 - - -1.2954659759998322e-01 6.6522419452667236e-02 - <_> - - 0 -1 615 -4.1868099942803383e-03 - - -2.6552608609199524e-01 1.1237680166959763e-01 - <_> - - 0 -1 616 5.6613027118146420e-04 - - 1.1822649836540222e-01 -1.6119679808616638e-01 - <_> - - 0 -1 617 2.0279800519347191e-03 - - -2.2618439793586731e-01 1.1263699829578400e-01 - <_> - - 0 -1 618 -1.1969150044023991e-02 - - -2.7523440122604370e-01 8.3603866398334503e-02 - <_> - - 0 -1 619 -2.8411731123924255e-01 - - 4.0216109156608582e-01 -7.7971749007701874e-02 - <_> - - 0 -1 620 -3.6587871145457029e-03 - - -2.9723858833312988e-01 6.3484713435173035e-02 - <_> - - 0 -1 621 9.2046172358095646e-04 - - 7.7872820198535919e-02 -2.9539081454277039e-01 - <_> - - 0 -1 622 1.3571759685873985e-02 - - -7.2430767118930817e-02 3.4849750995635986e-01 - <_> - - 0 -1 623 -3.1399999279528856e-03 - - -2.2088779509067535e-01 1.0072159767150879e-01 - <_> - - 0 -1 624 6.9894008338451385e-03 - - 5.9188209474086761e-02 -1.4137220382690430e-01 - <_> - - 0 -1 625 -5.9609091840684414e-04 - - 1.3563929498195648e-01 -1.5081329643726349e-01 - <_> - - 0 -1 626 1.6805849736556411e-03 - - -7.8348256647586823e-02 7.7357366681098938e-02 - <_> - - 0 -1 627 -5.7250040117651224e-04 - - 2.3572799563407898e-01 -1.1594360321760178e-01 - <_> - - 0 -1 628 4.3474160134792328e-02 - - 8.2836961373686790e-03 -3.7428310513496399e-01 - <_> - - 0 -1 629 6.0316640883684158e-04 - - -1.7846900224685669e-01 1.6185760498046875e-01 - <_> - - 0 -1 630 2.6881720870733261e-02 - - 7.2419442236423492e-02 -1.7971959710121155e-01 - <_> - - 0 -1 631 -4.9273878335952759e-02 - - 4.6386399865150452e-01 -5.0276938825845718e-02 - <_> - - 0 -1 632 -6.7225202918052673e-02 - - -1. 1.3532400131225586e-02 - <_> - - 0 -1 633 2.0203770697116852e-01 - - -3.8748100399971008e-02 5.7211977243423462e-01 - <_> - - 0 -1 634 3.1489748507738113e-02 - - 4.5488908886909485e-02 -1.2539370357990265e-01 - <_> - - 0 -1 635 -5.7097017997875810e-04 - - 1.9619710743427277e-01 -1.0944739729166031e-01 - <_> - - 0 -1 636 -7.8234989196062088e-03 - - 6.7954361438751221e-02 -7.2075963020324707e-02 - <_> - - 0 -1 637 -2.1555390208959579e-02 - - -2.8890660405158997e-01 9.9806018173694611e-02 - <_> - - 0 -1 638 -8.3767198026180267e-02 - - -4.3685078620910645e-01 1.0792650282382965e-02 - <_> - - 0 -1 639 -3.5752300173044205e-03 - - 1.1191669851541519e-01 -1.9461460411548615e-01 - <_> - - 0 -1 640 1.2265419587492943e-02 - - -6.5728217363357544e-02 3.2739359140396118e-01 - <_> - - 0 -1 641 2.8762801084667444e-03 - - -1.8723809719085693e-01 1.1246989667415619e-01 - <_> - - 0 -1 642 7.4190571904182434e-03 - - 5.1525920629501343e-02 -2.6615419983863831e-01 - <_> - - 0 -1 643 -4.9716630019247532e-03 - - 1.5384270250797272e-01 -1.5141449868679047e-01 - <_> - - 0 -1 644 2.0294899120926857e-02 - - -1.9532799720764160e-02 3.0571049451828003e-01 - <_> - - 0 -1 645 1.3469019904732704e-02 - - 6.2345318496227264e-02 -3.6343741416931152e-01 - <_> - - 0 -1 646 6.8610929884016514e-03 - - -6.2487348914146423e-02 2.8820911049842834e-01 - <_> - - 0 -1 647 -5.9594889171421528e-04 - - 8.5537739098072052e-02 -2.4081380665302277e-01 - <_> - - 0 -1 648 -4.0149871259927750e-02 - - -1. 1.5480610309168696e-03 - <_> - - 0 -1 649 -2.7885669842362404e-03 - - -2.2338689863681793e-01 1.1001159995794296e-01 - <_> - - 0 -1 650 -7.9318676143884659e-03 - - 1.3043269515037537e-01 -2.8859179466962814e-02 - <_> - - 0 -1 651 -2.9607459509861656e-05 - - 1.1876039952039719e-01 -1.7018820345401764e-01 - <_> - - 0 -1 652 2.6092668995261192e-03 - - -6.9877780973911285e-02 1.5036509931087494e-01 - <_> - - 0 -1 653 -4.5970208942890167e-02 - - 5.6322151422500610e-01 -3.6318130791187286e-02 - <_> - - 0 -1 654 9.0047682169824839e-04 - - 3.2461058348417282e-02 -1.8973889946937561e-01 - <_> - - 0 -1 655 -5.1712408661842346e-02 - - -8.5045510530471802e-01 2.0679740235209465e-02 - <_> - - 0 -1 656 -1.4172409474849701e-01 - - -9.1004508733749390e-01 3.8531969767063856e-03 - <_> - - 0 -1 657 -6.9771192967891693e-02 - - 4.2144781351089478e-01 -5.5162269622087479e-02 - <_> - - 0 -1 658 -7.5836889445781708e-03 - - -4.2189291119575500e-01 6.1964530497789383e-02 - <_> - - 0 -1 659 -1.2404819717630744e-03 - - 1.7558629810810089e-01 -1.3540640473365784e-01 - <_> - - 0 -1 660 1.0614699684083462e-02 - - 4.5083239674568176e-02 -2.5765570998191833e-01 - <_> - - 0 -1 661 1.7647630302235484e-03 - - -1.1009249836206436e-01 2.4041210114955902e-01 - <_> - - 0 -1 662 3.7170480936765671e-03 - - -7.6920822262763977e-02 2.0119519531726837e-01 - <_> - - 0 -1 663 1.5280679799616337e-02 - - 5.8605119585990906e-02 -3.6220121383666992e-01 - <_> - - 0 -1 664 -8.1635616719722748e-02 - - 5.2819788455963135e-01 -4.3608970940113068e-02 - <_> - - 0 -1 665 -2.4431939236819744e-03 - - -2.4369360506534576e-01 8.4384277462959290e-02 - <_> - - 0 -1 666 -1.2289900332689285e-03 - - 1.0332729667425156e-01 -9.7442328929901123e-02 - <_> - - 0 -1 667 6.9271848769858479e-04 - - -1.1367750167846680e-01 1.6121849417686462e-01 - <_> - - 0 -1 668 9.9380649626255035e-03 - - 5.2774678915739059e-02 -1.5222820639610291e-01 - <_> - - 0 -1 669 -1.8377749249339104e-02 - - 4.6800789237022400e-01 -4.2411230504512787e-02 - <_> - - 0 -1 670 -3.0569550581276417e-03 - - 1.2866629660129547e-01 -9.8308563232421875e-02 - <_> - - 0 -1 671 -1.8440110143274069e-03 - - -2.7592489123344421e-01 1.0050299763679504e-01 - <_> - - 0 -1 672 5.6205368600785732e-03 - - -7.0716217160224915e-02 1.6734069585800171e-01 - <_> - - 0 -1 673 3.4157470799982548e-03 - - 5.2378088235855103e-02 -5.0982749462127686e-01 - <_> - - 0 -1 674 -3.0376210343092680e-03 - - 1.4243629574775696e-01 -6.3037060201168060e-02 - <_> - 67 - -7.4644768238067627e-01 - - <_> - - 0 -1 675 1.0126640088856220e-02 - - -2.1863789856433868e-01 1.7513489723205566e-01 - <_> - - 0 -1 676 -2.6893198955804110e-03 - - -3.2822969555854797e-01 9.9838256835937500e-02 - <_> - - 0 -1 677 -1.5573530457913876e-02 - - 1.9594019651412964e-01 -2.2535979747772217e-01 - <_> - - 0 -1 678 4.9326270818710327e-03 - - 4.9988470971584320e-02 -5.3175377845764160e-01 - <_> - - 0 -1 679 -7.6638202881440520e-04 - - -2.6926669478416443e-01 1.1751429736614227e-01 - <_> - - 0 -1 680 -1.2552300177048892e-04 - - 6.9110788404941559e-02 -8.1727392971515656e-02 - <_> - - 0 -1 681 -1.4519299838866573e-05 - - 1.1483950167894363e-01 -2.3017129302024841e-01 - <_> - - 0 -1 682 -1.6113840043544769e-02 - - 5.0956588983535767e-01 -3.7494029849767685e-02 - <_> - - 0 -1 683 5.5138790048658848e-03 - - -7.8787550330162048e-02 2.3771439492702484e-01 - <_> - - 0 -1 684 8.7763823568820953e-02 - - 1.3863979838788509e-02 -8.9777380228042603e-01 - <_> - - 0 -1 685 -1.2825570069253445e-02 - - -3.9504998922348022e-01 5.5546328425407410e-02 - <_> - - 0 -1 686 8.2099979044869542e-04 - - -1.2663979828357697e-01 1.9081629812717438e-01 - <_> - - 0 -1 687 -1.2775770155712962e-03 - - 1.1065080016851425e-01 -1.9801099598407745e-01 - <_> - - 0 -1 688 -2.5229719281196594e-01 - - -8.1039828062057495e-01 8.3870543166995049e-03 - <_> - - 0 -1 689 7.0347747532650828e-04 - - -2.1380549669265747e-01 9.8673596978187561e-02 - <_> - - 0 -1 690 1.0717480443418026e-02 - - 8.4470443427562714e-02 -2.6063749194145203e-01 - <_> - - 0 -1 691 5.1081487908959389e-03 - - -5.5732220411300659e-02 4.1447860002517700e-01 - <_> - - 0 -1 692 -1.9006159156560898e-02 - - -3.7475249171257019e-01 7.9524833709001541e-03 - <_> - - 0 -1 693 1.1136929970234632e-03 - - -2.2650149464607239e-01 1.0789389908313751e-01 - <_> - - 0 -1 694 1.1141769587993622e-02 - - -4.2054798454046249e-02 1.3697710633277893e-01 - <_> - - 0 -1 695 1.2054879916831851e-03 - - 9.2105977237224579e-02 -2.3083679378032684e-01 - <_> - - 0 -1 696 -2.0797130127903074e-04 - - 8.4210596978664398e-02 -6.6967681050300598e-02 - <_> - - 0 -1 697 -1.6412649303674698e-02 - - 4.2269191145896912e-01 -4.9638699740171432e-02 - <_> - - 0 -1 698 7.0363390259444714e-03 - - 9.0550661087036133e-02 -2.7322870492935181e-01 - <_> - - 0 -1 699 -8.4774550050497055e-03 - - -1.9004869461059570e-01 1.0416539758443832e-01 - <_> - - 0 -1 700 -8.7799631059169769e-02 - - -1. 4.5551471412181854e-03 - <_> - - 0 -1 701 -4.6731110662221909e-02 - - 4.1607761383056641e-01 -6.7924611270427704e-02 - <_> - - 0 -1 702 7.4915830045938492e-03 - - 4.7516189515590668e-02 -4.4306200742721558e-01 - <_> - - 0 -1 703 8.6966790258884430e-03 - - -3.9423149079084396e-02 5.2188277244567871e-01 - <_> - - 0 -1 704 -6.4137862063944340e-03 - - -2.4749429523944855e-01 1.1350250244140625e-01 - <_> - - 0 -1 705 6.4909840002655983e-03 - - -2.0237590372562408e-01 1.1887309700250626e-01 - <_> - - 0 -1 706 1.1677639558911324e-03 - - -9.8187439143657684e-02 1.4470459520816803e-01 - <_> - - 0 -1 707 8.0650653690099716e-03 - - 3.0806429684162140e-02 -5.7410538196563721e-01 - <_> - - 0 -1 708 -6.1450549401342869e-03 - - 1.4213280379772186e-01 -1.2155479937791824e-01 - <_> - - 0 -1 709 3.3926900941878557e-03 - - -6.9425463676452637e-02 3.7945500016212463e-01 - <_> - - 0 -1 710 2.5861251354217529e-01 - - -8.0964984372258186e-03 5.7324391603469849e-01 - <_> - - 0 -1 711 4.6327650547027588e-02 - - 9.3428269028663635e-02 -2.9274320602416992e-01 - <_> - - 0 -1 712 -1.4053919585421681e-05 - - 5.9584300965070724e-02 -1.2193849682807922e-01 - <_> - - 0 -1 713 -5.5521689355373383e-03 - - -3.0268138647079468e-01 7.9481996595859528e-02 - <_> - - 0 -1 714 -7.1974180638790131e-02 - - 5.9862488508224487e-01 -3.2414238899946213e-02 - <_> - - 0 -1 715 -1.1097419774159789e-03 - - -2.2289000451564789e-01 9.4809576869010925e-02 - <_> - - 0 -1 716 1.1012280359864235e-02 - - -5.0954710692167282e-02 2.1996709704399109e-01 - <_> - - 0 -1 717 -1.0663530230522156e-01 - - -7.8257107734680176e-01 2.3075709119439125e-02 - <_> - - 0 -1 718 2.6826610788702965e-02 - - -3.3334378153085709e-02 3.2825571298599243e-01 - <_> - - 0 -1 719 1.6480779275298119e-02 - - 2.4793079122900963e-02 -7.9102367162704468e-01 - <_> - - 0 -1 720 1.4533529756590724e-03 - - -4.7377821058034897e-02 1.8299889564514160e-01 - <_> - - 0 -1 721 4.6536721289157867e-02 - - -4.2217779904603958e-02 4.7201961278915405e-01 - <_> - - 0 -1 722 1.3604049570858479e-02 - - 7.1543172001838684e-02 -2.8175559639930725e-01 - <_> - - 0 -1 723 2.9868748970329762e-03 - - -1.2019319832324982e-01 1.5165250003337860e-01 - <_> - - 0 -1 724 7.5455583631992340e-02 - - 7.6729329302906990e-03 -3.7560600042343140e-01 - <_> - - 0 -1 725 -2.1207109093666077e-03 - - 1.1624389886856079e-01 -1.5187309682369232e-01 - <_> - - 0 -1 726 4.6092201955616474e-03 - - 5.2315160632133484e-02 -2.3050600290298462e-01 - <_> - - 0 -1 727 1.0207670275121927e-03 - - -1.1380010098218918e-01 1.7626440525054932e-01 - <_> - - 0 -1 728 6.2532532028853893e-03 - - 6.1674360185861588e-02 -3.4915238618850708e-01 - <_> - - 0 -1 729 2.8322400525212288e-02 - - -3.9958149194717407e-02 5.2392977476119995e-01 - <_> - - 0 -1 730 -1.6342360526323318e-02 - - -1.2563559412956238e-01 4.0041740983724594e-02 - <_> - - 0 -1 731 -1.8282469827681780e-03 - - 9.1135032474994659e-02 -1.9224719703197479e-01 - <_> - - 0 -1 732 4.4616919010877609e-02 - - -1.7582910135388374e-02 3.0281931161880493e-01 - <_> - - 0 -1 733 3.5677649429999292e-04 - - -8.7897412478923798e-02 2.2339150309562683e-01 - <_> - - 0 -1 734 -4.5413200859911740e-04 - - 6.5522827208042145e-02 -9.9679380655288696e-02 - <_> - - 0 -1 735 1.5353029593825340e-03 - - 6.8590000271797180e-02 -2.9728370904922485e-01 - <_> - - 0 -1 736 2.1600390318781137e-03 - - -8.9736528694629669e-02 8.0284543335437775e-02 - <_> - - 0 -1 737 -5.9745612088590860e-04 - - 2.1873860061168671e-01 -1.1398520320653915e-01 - <_> - - 0 -1 738 -1.2356050312519073e-02 - - -2.9350760579109192e-01 6.4420320093631744e-02 - <_> - - 0 -1 739 -3.2670930027961731e-01 - - 3.8920149207115173e-01 -4.9165409058332443e-02 - <_> - - 0 -1 740 8.7828626856207848e-03 - - 8.6186192929744720e-02 -2.2631849348545074e-01 - <_> - - 0 -1 741 3.3569689840078354e-03 - - -9.1194286942481995e-02 2.1264100074768066e-01 - <_> - 75 - -7.8030252456665039e-01 - - <_> - - 0 -1 742 -1.5290499664843082e-02 - - 1.6011320054531097e-01 -2.1511940658092499e-01 - <_> - - 0 -1 743 -5.9956451877951622e-03 - - -1.8299789726734161e-01 3.7886500358581543e-02 - <_> - - 0 -1 744 6.2301359139382839e-04 - - -1.2199199944734573e-01 2.1163250505924225e-01 - <_> - - 0 -1 745 5.8087380602955818e-04 - - -2.2747389972209930e-01 7.6958037912845612e-02 - <_> - - 0 -1 746 -2.8277048841118813e-03 - - 2.7597460150718689e-01 -7.8942306339740753e-02 - <_> - - 0 -1 747 2.1096320822834969e-02 - - 4.1295919567346573e-02 -3.2933080196380615e-01 - <_> - - 0 -1 748 -2.2117430344223976e-03 - - 2.4672569334506989e-01 -7.3121666908264160e-02 - <_> - - 0 -1 749 -2.3275949060916901e-03 - - -2.2825109958648682e-01 7.9285196959972382e-02 - <_> - - 0 -1 750 -4.4754869304597378e-03 - - 1.1744049936532974e-01 -1.9801409542560577e-01 - <_> - - 0 -1 751 -2.5716619566082954e-03 - - 3.7658710032701492e-02 -1.2148059904575348e-01 - <_> - - 0 -1 752 1.5387970488518476e-03 - - -5.5973250418901443e-02 3.6923429369926453e-01 - <_> - - 0 -1 753 -3.3066518604755402e-02 - - 3.9160001277923584e-01 -7.7862940728664398e-02 - <_> - - 0 -1 754 -8.5727721452713013e-02 - - -2.5174748897552490e-01 1.3543550670146942e-01 - <_> - - 0 -1 755 -7.0333289913833141e-03 - - 1.3328710198402405e-01 -1.5664640069007874e-01 - <_> - - 0 -1 756 -6.8310517235659063e-05 - - 9.9454201757907867e-02 -2.3412980139255524e-01 - <_> - - 0 -1 757 -6.0546118766069412e-04 - - -1.7742669582366943e-01 1.0017810016870499e-01 - <_> - - 0 -1 758 -2.2480569314211607e-03 - - -3.6424639821052551e-01 5.3501259535551071e-02 - <_> - - 0 -1 759 -1.5090550296008587e-03 - - 7.7575050294399261e-02 -9.4920717179775238e-02 - <_> - - 0 -1 760 -5.8666180848376825e-05 - - 1.2585939466953278e-01 -1.4529819786548615e-01 - <_> - - 0 -1 761 3.5532109905034304e-03 - - -9.8626613616943359e-02 7.4326246976852417e-02 - <_> - - 0 -1 762 -1.4601859729737043e-03 - - -3.3026841282844543e-01 6.3813462853431702e-02 - <_> - - 0 -1 763 -2.3586049792356789e-04 - - 1.0846760123968124e-01 -1.0571049898862839e-01 - <_> - - 0 -1 764 1.4756060205399990e-02 - - -5.9472840279340744e-02 3.7792891263961792e-01 - <_> - - 0 -1 765 -1.6795310378074646e-01 - - -6.6773468255996704e-01 1.7404930666089058e-02 - <_> - - 0 -1 766 3.2017670571804047e-02 - - -2.3720450699329376e-01 9.6205927431583405e-02 - <_> - - 0 -1 767 -6.1111792456358671e-04 - - 1.3566890358924866e-01 -6.8121932446956635e-02 - <_> - - 0 -1 768 -1.1586040258407593e-02 - - -2.9761460423469543e-01 6.4853250980377197e-02 - <_> - - 0 -1 769 -1.1290679685771465e-03 - - 1.3520470261573792e-01 -9.0693503618240356e-02 - <_> - - 0 -1 770 1.8352170009166002e-03 - - -9.6694603562355042e-02 1.8725989758968353e-01 - <_> - - 0 -1 771 -2.7584248781204224e-01 - - 2.7460220456123352e-01 -1.6176709905266762e-02 - <_> - - 0 -1 772 -5.2487280219793320e-02 - - -2.6295030117034912e-01 8.4279276430606842e-02 - <_> - - 0 -1 773 -2.8409080579876900e-02 - - 4.4033178687095642e-01 -4.6736340969800949e-02 - <_> - - 0 -1 774 1.2234229594469070e-02 - - 7.1391902863979340e-02 -2.9463478922843933e-01 - <_> - - 0 -1 775 3.7752088159322739e-02 - - -3.2507140189409256e-02 6.2293910980224609e-01 - <_> - - 0 -1 776 -1.3006339780986309e-02 - - -3.5619509220123291e-01 5.7085920125246048e-02 - <_> - - 0 -1 777 -3.7061918992549181e-03 - - 1.7485049366950989e-01 -1.0506869852542877e-01 - <_> - - 0 -1 778 -4.8177209682762623e-03 - - 1.4761090278625488e-01 -1.3700130581855774e-01 - <_> - - 0 -1 779 -3.0726719647645950e-02 - - -2.1432609856128693e-01 3.4535329788923264e-02 - <_> - - 0 -1 780 1.0044399648904800e-02 - - 8.2472868263721466e-02 -2.1329440176486969e-01 - <_> - - 0 -1 781 3.3808979787863791e-04 - - -5.6368399411439896e-02 8.4050692617893219e-02 - <_> - - 0 -1 782 -3.4935539588332176e-04 - - 1.5510140359401703e-01 -1.5465189516544342e-01 - <_> - - 0 -1 783 8.5416442016139627e-04 - - 7.4811212718486786e-02 -2.0761939883232117e-01 - <_> - - 0 -1 784 -7.4278831016272306e-04 - - 2.0695370435714722e-01 -1.1315040290355682e-01 - <_> - - 0 -1 785 -4.1803911328315735e-02 - - 7.7375417947769165e-01 -2.7391599491238594e-02 - <_> - - 0 -1 786 -8.9303712593391538e-04 - - -2.8926849365234375e-01 8.3425313234329224e-02 - <_> - - 0 -1 787 2.0034189801663160e-03 - - 5.7899519801139832e-02 -2.1817860007286072e-01 - <_> - - 0 -1 788 7.4933562427759171e-04 - - -1.3606220483779907e-01 1.6150030493736267e-01 - <_> - - 0 -1 789 -8.9645422995090485e-02 - - -9.5717740058898926e-01 5.8882208541035652e-03 - <_> - - 0 -1 790 -6.5244808793067932e-03 - - 1.4521969854831696e-01 -1.6119849681854248e-01 - <_> - - 0 -1 791 -2.8723690193146467e-03 - - 1.0670810192823410e-01 -3.0505739152431488e-02 - <_> - - 0 -1 792 2.2762219887226820e-03 - - -1.4573380351066589e-01 1.5590649843215942e-01 - <_> - - 0 -1 793 4.3706637807190418e-03 - - -2.4369299411773682e-02 2.0724129676818848e-01 - <_> - - 0 -1 794 1.1989739723503590e-03 - - 8.8461942970752716e-02 -2.2536410391330719e-01 - <_> - - 0 -1 795 -6.1923090834170580e-04 - - 1.5108090639114380e-01 -9.9106341600418091e-02 - <_> - - 0 -1 796 -1.0555429616943002e-03 - - 1.5399299561977386e-01 -1.4410500228404999e-01 - <_> - - 0 -1 797 2.3101890459656715e-02 - - -2.6107529178261757e-02 2.5875169038772583e-01 - <_> - - 0 -1 798 6.7337458021938801e-03 - - 6.4629636704921722e-02 -3.2299819588661194e-01 - <_> - - 0 -1 799 1.4084229478612542e-03 - - 8.5755072534084320e-02 -1.4947549998760223e-01 - <_> - - 0 -1 800 -2.3923629487399012e-04 - - 1.8700890243053436e-01 -1.0941530019044876e-01 - <_> - - 0 -1 801 2.2198690567165613e-04 - - -1.9517560303211212e-01 5.9587858617305756e-02 - <_> - - 0 -1 802 2.8156230691820383e-03 - - -8.9527882635593414e-02 2.2894319891929626e-01 - <_> - - 0 -1 803 7.8730508685112000e-03 - - 6.4139701426029205e-02 -1.7174859344959259e-01 - <_> - - 0 -1 804 1.0448540560901165e-03 - - -2.0927239954471588e-01 1.1022809892892838e-01 - <_> - - 0 -1 805 -1.8041099607944489e-01 - - 2.5460541248321533e-01 -3.1580239534378052e-02 - <_> - - 0 -1 806 -1.8916819989681244e-01 - - -8.1439048051834106e-01 3.0212750658392906e-02 - <_> - - 0 -1 807 -4.8934340476989746e-02 - - 4.8329269886016846e-01 -3.1813390552997589e-02 - <_> - - 0 -1 808 -6.2278551049530506e-03 - - -2.2463080286979675e-01 9.3202292919158936e-02 - <_> - - 0 -1 809 -3.6263489164412022e-03 - - 9.7239963710308075e-02 -2.2094939649105072e-01 - <_> - - 0 -1 810 2.0688530057668686e-02 - - -3.9044689387083054e-02 6.9668918848037720e-01 - <_> - - 0 -1 811 -6.5703191794455051e-03 - - -1.5919350087642670e-01 3.7697389721870422e-02 - <_> - - 0 -1 812 -2.7691440191119909e-03 - - -2.1777799725532532e-01 1.1075550317764282e-01 - <_> - - 0 -1 813 -2.5391899980604649e-03 - - 7.6753303408622742e-02 -1.2121020257472992e-01 - <_> - - 0 -1 814 1.4522899873554707e-02 - - -4.6935468912124634e-02 4.4322049617767334e-01 - <_> - - 0 -1 815 -4.8549640923738480e-03 - - -4.1040301322937012e-01 4.7296289354562759e-02 - <_> - - 0 -1 816 -3.6202149931341410e-03 - - 3.6707898974418640e-01 -5.0583109259605408e-02 - <_> - 79 - -8.1366151571273804e-01 - - <_> - - 0 -1 817 9.7794737666845322e-03 - - -1.9873769581317902e-01 1.8754990398883820e-01 - <_> - - 0 -1 818 2.5764610618352890e-03 - - -1.6544049978256226e-01 1.1968299746513367e-01 - <_> - - 0 -1 819 6.6844018874689937e-04 - - 8.1187427043914795e-02 -2.6954218745231628e-01 - <_> - - 0 -1 820 1.8919180147349834e-03 - - 8.2398690283298492e-02 -1.9564670324325562e-01 - <_> - - 0 -1 821 -8.2977651618421078e-04 - - -2.1381169557571411e-01 1.0152959823608398e-01 - <_> - - 0 -1 822 -2.5124829262495041e-03 - - 2.6497021317481995e-01 -8.1728130578994751e-02 - <_> - - 0 -1 823 4.9220919609069824e-03 - - -1.3837899267673492e-01 1.7047420144081116e-01 - <_> - - 0 -1 824 1.5432259533554316e-03 - - -2.3483499884605408e-01 1.2624679505825043e-01 - <_> - - 0 -1 825 -7.5272549875080585e-03 - - -2.1902580559253693e-01 7.8214943408966064e-02 - <_> - - 0 -1 826 -3.2087319414131343e-04 - - 9.9803313612937927e-02 -1.0052630305290222e-01 - <_> - - 0 -1 827 -5.6291592773050070e-04 - - 1.4587800204753876e-01 -1.3194470107555389e-01 - <_> - - 0 -1 828 -3.4248359501361847e-02 - - 7.3179531097412109e-01 -2.5754369795322418e-02 - <_> - - 0 -1 829 5.5207060649991035e-03 - - 7.3829427361488342e-02 -2.4615940451622009e-01 - <_> - - 0 -1 830 3.3663161098957062e-02 - - -5.0750829279422760e-02 5.1054477691650391e-01 - <_> - - 0 -1 831 1.0605139657855034e-02 - - -1.9593380391597748e-01 9.6162728965282440e-02 - <_> - - 0 -1 832 3.6454470828175545e-03 - - -1.0274770110845566e-01 1.8021290004253387e-01 - <_> - - 0 -1 833 3.1658720225095749e-02 - - 7.7415347099304199e-02 -2.3498320579528809e-01 - <_> - - 0 -1 834 6.0496449470520020e-02 - - 7.9810861498117447e-03 -5.8126330375671387e-01 - <_> - - 0 -1 835 -2.1451190696097910e-04 - - -2.7141410112380981e-01 7.2448231279850006e-02 - <_> - - 0 -1 836 -8.9069753885269165e-03 - - 1.0864660143852234e-01 -3.7890978157520294e-02 - <_> - - 0 -1 837 -3.1367139890789986e-03 - - 2.3194080591201782e-01 -8.3242997527122498e-02 - <_> - - 0 -1 838 -8.2477089017629623e-04 - - 1.3757370412349701e-01 -4.0709521621465683e-02 - <_> - - 0 -1 839 -3.8041090010665357e-04 - - 9.9655948579311371e-02 -2.0115250349044800e-01 - <_> - - 0 -1 840 3.0412159394472837e-03 - - 4.8606388270854950e-02 -2.9261159896850586e-01 - <_> - - 0 -1 841 -2.7135149575769901e-03 - - -2.0402909815311432e-01 8.7270192801952362e-02 - <_> - - 0 -1 842 -1.1454220116138458e-01 - - 2.6342248916625977e-01 -2.8976829722523689e-02 - <_> - - 0 -1 843 -7.9219061881303787e-03 - - -2.3954220116138458e-01 7.8425459563732147e-02 - <_> - - 0 -1 844 -6.4272403717041016e-02 - - 3.8651049137115479e-01 -3.4981280565261841e-02 - <_> - - 0 -1 845 2.0820159465074539e-02 - - 3.6676738411188126e-02 -5.0909721851348877e-01 - <_> - - 0 -1 846 4.7503421083092690e-03 - - -4.9171518534421921e-02 1.8542270362377167e-01 - <_> - - 0 -1 847 -9.3589037656784058e-02 - - 6.2822377681732178e-01 -2.5140469893813133e-02 - <_> - - 0 -1 848 -6.8223377456888556e-04 - - 4.0090799331665039e-02 -1.0250650346279144e-01 - <_> - - 0 -1 849 -8.3058718591928482e-03 - - -2.1625949442386627e-01 8.5505023598670959e-02 - <_> - - 0 -1 850 5.5919620208442211e-03 - - -6.5724261105060577e-02 6.1939451843500137e-02 - <_> - - 0 -1 851 1.8336649518460035e-03 - - -1.0324809700250626e-01 2.5134149193763733e-01 - <_> - - 0 -1 852 -4.4351099058985710e-03 - - -1.5100279450416565e-01 3.7323009222745895e-02 - <_> - - 0 -1 853 -4.7271270304918289e-03 - - 1.3500709831714630e-01 -1.5250219404697418e-01 - <_> - - 0 -1 854 5.3573452169075608e-04 - - -6.0964770615100861e-02 7.1996733546257019e-02 - <_> - - 0 -1 855 -1.3135100016370416e-04 - - 1.2902179360389709e-01 -1.3107609748840332e-01 - <_> - - 0 -1 856 4.0799290873110294e-03 - - 4.9433309584856033e-02 -1.9467090070247650e-01 - <_> - - 0 -1 857 -3.1066180672496557e-03 - - 2.3984549939632416e-01 -7.1281567215919495e-02 - <_> - - 0 -1 858 1.0999400168657303e-02 - - 2.9017930850386620e-02 -3.8504680991172791e-01 - <_> - - 0 -1 859 1.5001590363681316e-03 - - -8.3652436733245850e-02 1.8141129612922668e-01 - <_> - - 0 -1 860 1.3700149953365326e-02 - - 3.6753259599208832e-02 -4.5086589455604553e-01 - <_> - - 0 -1 861 3.9507630281150341e-03 - - -6.9417111575603485e-02 2.1540710330009460e-01 - <_> - - 0 -1 862 -8.5161393508315086e-03 - - 1.0704089701175690e-01 -1.4857380092144012e-01 - <_> - - 0 -1 863 1.7032850300893188e-03 - - -8.1896521151065826e-02 3.2398068904876709e-01 - <_> - - 0 -1 864 -1.0852930136024952e-02 - - -1.3142329454421997e-01 9.9990189075469971e-02 - <_> - - 0 -1 865 -3.7832378875464201e-03 - - 9.7596637904644012e-02 -1.6081459820270538e-01 - <_> - - 0 -1 866 1.3263260014355183e-02 - - 6.8189077079296112e-02 -1.4820660650730133e-01 - <_> - - 0 -1 867 -4.4276300817728043e-02 - - 5.3883999586105347e-01 -3.4769881516695023e-02 - <_> - - 0 -1 868 -1.6476439312100410e-02 - - -6.9341838359832764e-01 3.0285930261015892e-02 - <_> - - 0 -1 869 1.5063960105180740e-02 - - 5.0365351140499115e-02 -3.2215261459350586e-01 - <_> - - 0 -1 870 5.3230069577693939e-02 - - 4.0058908052742481e-03 -1.0000929832458496e+00 - <_> - - 0 -1 871 -1.2282089889049530e-01 - - 4.0438568592071533e-01 -5.4661169648170471e-02 - <_> - - 0 -1 872 -8.0205321311950684e-02 - - -1.8915909528732300e-01 3.5704288631677628e-02 - <_> - - 0 -1 873 -1.1679669842123985e-03 - - -2.7641400694847107e-01 5.9974398463964462e-02 - <_> - - 0 -1 874 -3.1197320204228163e-03 - - 1.1307190358638763e-01 -7.2880730032920837e-02 - <_> - - 0 -1 875 3.6612390540540218e-03 - - -4.7828570008277893e-02 3.9067369699478149e-01 - <_> - - 0 -1 876 4.6034730039536953e-03 - - -4.7448419034481049e-02 3.6146968603134155e-01 - <_> - - 0 -1 877 -1.0733479866757989e-03 - - 1.1264870315790176e-01 -2.9074960947036743e-01 - <_> - - 0 -1 878 -1.8310690298676491e-02 - - 9.6729353070259094e-02 -1.0150820016860962e-01 - <_> - - 0 -1 879 -6.8194739520549774e-02 - - -2.2048689424991608e-01 1.0977990180253983e-01 - <_> - - 0 -1 880 8.9977607131004333e-03 - - -2.9652440920472145e-02 1.5059219300746918e-01 - <_> - - 0 -1 881 2.6954131317324936e-04 - - -1.9917850196361542e-01 9.4677992165088654e-02 - <_> - - 0 -1 882 5.9090729337185621e-04 - - -1.3240300118923187e-01 6.3088178634643555e-02 - <_> - - 0 -1 883 5.5691739544272423e-03 - - 1.0318289697170258e-01 -1.9276739656925201e-01 - <_> - - 0 -1 884 -9.9434129893779755e-02 - - 2.5911080837249756e-01 -4.3947871774435043e-02 - <_> - - 0 -1 885 -9.6295922994613647e-03 - - -3.6871969699859619e-01 4.6506170183420181e-02 - <_> - - 0 -1 886 -1.7397940391674638e-03 - - 1.3736039400100708e-01 -6.9822482764720917e-02 - <_> - - 0 -1 887 -1.3269430026412010e-02 - - 4.5216149091720581e-01 -3.8461238145828247e-02 - <_> - - 0 -1 888 2.5604839902371168e-03 - - 5.4858781397342682e-02 -2.4963529407978058e-01 - <_> - - 0 -1 889 -1.9173050532117486e-03 - - -2.5733208656311035e-01 6.7481383681297302e-02 - <_> - - 0 -1 890 -3.7461649626493454e-02 - - 5.9668248891830444e-01 -1.8121080473065376e-02 - <_> - - 0 -1 891 -1.9658938981592655e-03 - - 1.9501520693302155e-01 -9.0026341378688812e-02 - <_> - - 0 -1 892 -3.2596408855170012e-03 - - -3.5647168755531311e-01 4.6495281159877777e-02 - <_> - - 0 -1 893 -1.2043650262057781e-02 - - 3.7508749961853027e-01 -5.3072199225425720e-02 - <_> - - 0 -1 894 4.1690650396049023e-03 - - -4.1845761239528656e-02 1.1177790164947510e-01 - <_> - - 0 -1 895 1.4214499853551388e-02 - - 7.1965761482715607e-02 -2.6777520775794983e-01 - <_> - 81 - -3.0813199996948242e+01 - - <_> - - 0 -1 896 -1.2230969965457916e-02 - - 1.4567610621452332e-01 -2.4045179784297943e-01 - <_> - - 0 -1 897 -5.5717672221362591e-03 - - -1.8789610266685486e-01 4.0596708655357361e-02 - <_> - - 0 -1 898 -5.5606552632525563e-04 - - 1.6649569571018219e-01 -1.1817839741706848e-01 - <_> - - 0 -1 899 8.3173572784289718e-04 - - -1.4224030077457428e-01 4.1616160422563553e-02 - <_> - - 0 -1 900 -8.7869318667799234e-04 - - -1.6430449485778809e-01 1.5523290634155273e-01 - <_> - - 0 -1 901 -1.3641480356454849e-02 - - 3.0867528915405273e-01 -2.7172269299626350e-02 - <_> - - 0 -1 902 1.4917860426066909e-05 - - -1.5592050552368164e-01 1.0176579654216766e-01 - <_> - - 0 -1 903 8.7703643366694450e-03 - - 6.1582878232002258e-02 -3.0546051263809204e-01 - <_> - - 0 -1 904 7.5755198486149311e-03 - - -6.8759873509407043e-02 2.9675748944282532e-01 - <_> - - 0 -1 905 4.9841161817312241e-02 - - 1.0127910412847996e-02 -7.9213422536849976e-01 - <_> - - 0 -1 906 -1.1090819723904133e-02 - - 1.8339020013809204e-01 -1.0113699734210968e-01 - <_> - - 0 -1 907 -8.5937082767486572e-02 - - -4.1994568705558777e-01 1.5568479895591736e-02 - <_> - - 0 -1 908 -1.0151329915970564e-03 - - 1.1474460363388062e-01 -1.6091680526733398e-01 - <_> - - 0 -1 909 -1.3470250181853771e-02 - - -3.0626448988914490e-01 5.3186140954494476e-02 - <_> - - 0 -1 910 1.6635110601782799e-02 - - -4.3458938598632812e-02 4.4043311476707458e-01 - <_> - - 0 -1 911 -2.2650870960205793e-03 - - 1.5985119342803955e-01 -1.2725980579853058e-01 - <_> - - 0 -1 912 7.0288166403770447e-02 - - 6.4891628921031952e-02 -2.3496179282665253e-01 - <_> - - 0 -1 913 2.9186379164457321e-02 - - -2.0920279622077942e-01 8.9257873594760895e-02 - <_> - - 0 -1 914 -5.0624469295144081e-03 - - 3.4374091029167175e-01 -6.2093049287796021e-02 - <_> - - 0 -1 915 2.9356318991631269e-03 - - -1.4249369502067566e-01 4.5412261039018631e-02 - <_> - - 0 -1 916 -6.7740739323198795e-03 - - 3.1641799211502075e-01 -4.9601629376411438e-02 - <_> - - 0 -1 917 -1.4607170305680484e-04 - - 1.0752049833536148e-01 -1.1540039628744125e-01 - <_> - - 0 -1 918 -3.5684450995177031e-03 - - -4.1672629117965698e-01 4.2202819138765335e-02 - <_> - - 0 -1 919 -2.0149808842688799e-03 - - 1.0860130190849304e-01 -1.6349700093269348e-01 - <_> - - 0 -1 920 -8.7240645661950111e-03 - - -2.2000640630722046e-01 9.0927027165889740e-02 - <_> - - 0 -1 921 7.3565947823226452e-03 - - -1.0335700213909149e-01 1.6051970422267914e-01 - <_> - - 0 -1 922 3.4252731129527092e-03 - - -6.9635637104511261e-02 3.1490880250930786e-01 - <_> - - 0 -1 923 -5.7803248055279255e-03 - - -4.3639171123504639e-01 3.6127548664808273e-02 - <_> - - 0 -1 924 -2.9641189612448215e-03 - - 2.1797280013561249e-01 -7.7875941991806030e-02 - <_> - - 0 -1 925 2.4028679355978966e-02 - - 2.5940960273146629e-02 -5.7640588283538818e-01 - <_> - - 0 -1 926 8.1514477729797363e-02 - - -3.4380380064249039e-02 5.7957500219345093e-01 - <_> - - 0 -1 927 6.7858170950785279e-04 - - 1.0398740321397781e-01 -2.3831090331077576e-01 - <_> - - 0 -1 928 4.2639520019292831e-02 - - -4.1167970746755600e-02 4.0556749701499939e-01 - <_> - - 0 -1 929 -4.0414459072053432e-03 - - -3.8652890920639038e-01 5.3053580224514008e-02 - <_> - - 0 -1 930 4.2280308902263641e-02 - - 1.5058529563248158e-02 -9.6623957157135010e-01 - <_> - - 0 -1 931 -7.3401766712777317e-05 - - 8.4438636898994446e-02 -1.0468550026416779e-01 - <_> - - 0 -1 932 4.7503020614385605e-03 - - -3.8135491311550140e-02 4.3066629767417908e-01 - <_> - - 0 -1 933 1.7291309777647257e-03 - - 7.5733587145805359e-02 -1.5384200215339661e-01 - <_> - - 0 -1 934 -4.8985757166519761e-04 - - 1.3722479343414307e-01 -1.2631259858608246e-01 - <_> - - 0 -1 935 -2.2209450253285468e-04 - - 5.1139138638973236e-02 -6.6661313176155090e-02 - <_> - - 0 -1 936 1.1202819878235459e-03 - - -1.0968499630689621e-01 1.5611450374126434e-01 - <_> - - 0 -1 937 -2.0596029236912727e-02 - - -4.5425260066986084e-01 5.6112911552190781e-03 - <_> - - 0 -1 938 -5.1287859678268433e-03 - - -3.9422529935836792e-01 4.4144820421934128e-02 - <_> - - 0 -1 939 -4.3597300536930561e-03 - - 1.9391660392284393e-01 -6.5949328243732452e-02 - <_> - - 0 -1 940 4.7703061136417091e-04 - - -1.1900710314512253e-01 1.6375440359115601e-01 - <_> - - 0 -1 941 -1.0993770323693752e-02 - - -2.9915741086006165e-01 2.8793500736355782e-02 - <_> - - 0 -1 942 8.1108389422297478e-03 - - -4.8145949840545654e-02 3.8399958610534668e-01 - <_> - - 0 -1 943 -3.6698309704661369e-03 - - 8.8712036609649658e-02 -3.0650860071182251e-01 - <_> - - 0 -1 944 1.3895990559831262e-03 - - -5.5156201124191284e-02 3.5109901428222656e-01 - <_> - - 0 -1 945 1.2493750546127558e-03 - - -1.8023060262203217e-01 1.3490100204944611e-01 - <_> - - 0 -1 946 5.5981278419494629e-03 - - 7.9764246940612793e-02 -2.7847459912300110e-01 - <_> - - 0 -1 947 -3.8133479654788971e-02 - - 3.5153418779373169e-01 -1.7089430242776871e-02 - <_> - - 0 -1 948 -4.6064890921115875e-03 - - -2.2194199264049530e-01 1.0675799846649170e-01 - <_> - - 0 -1 949 -2.3793010413646698e-01 - - 4.0079510211944580e-01 -6.2151808291673660e-02 - <_> - - 0 -1 950 1.2010410428047180e-02 - - 5.8646921068429947e-02 -3.5234829783439636e-01 - <_> - - 0 -1 951 8.4618777036666870e-03 - - -4.1455499827861786e-02 3.9362218976020813e-01 - <_> - - 0 -1 952 -1.4482599683105946e-02 - - -2.7049958705902100e-01 6.9400496780872345e-02 - <_> - - 0 -1 953 2.5672810152173042e-03 - - -8.2357987761497498e-02 2.2959560155868530e-01 - <_> - - 0 -1 954 6.8167857825756073e-03 - - 8.5212066769599915e-02 -2.2813120484352112e-01 - <_> - - 0 -1 955 -6.4145028591156006e-04 - - 1.3260249793529510e-01 -8.1091962754726410e-02 - <_> - - 0 -1 956 3.8798429886810482e-04 - - -2.1800529956817627e-01 8.2977667450904846e-02 - <_> - - 0 -1 957 2.6308000087738037e-02 - - -2.5558909401297569e-02 5.8989650011062622e-01 - <_> - - 0 -1 958 2.0907879807054996e-03 - - 5.7611741125583649e-02 -3.0286490917205811e-01 - <_> - - 0 -1 959 -1.1132369749248028e-02 - - -1.3822869956493378e-01 4.2258080095052719e-02 - <_> - - 0 -1 960 -1.5296150231733918e-03 - - 9.1749697923660278e-02 -2.2181099653244019e-01 - <_> - - 0 -1 961 6.7247601691633463e-04 - - -6.7084349691867828e-02 7.9762071371078491e-02 - <_> - - 0 -1 962 1.0386659763753414e-02 - - -7.4621170759201050e-02 2.2916689515113831e-01 - <_> - - 0 -1 963 6.2723900191485882e-04 - - -8.6500599980354309e-02 9.7814910113811493e-02 - <_> - - 0 -1 964 1.5324779786169529e-02 - - 8.0094330012798309e-02 -2.2011950612068176e-01 - <_> - - 0 -1 965 -8.7603963911533356e-03 - - 3.1290820240974426e-01 -5.9373341500759125e-02 - <_> - - 0 -1 966 -2.3745700309518725e-04 - - 1.1855959892272949e-01 -1.4514200389385223e-01 - <_> - - 0 -1 967 -1.0718279518187046e-03 - - 1.2567649781703949e-01 -5.3101938217878342e-02 - <_> - - 0 -1 968 5.3873867727816105e-04 - - -1.0715659707784653e-01 1.6037760674953461e-01 - <_> - - 0 -1 969 -6.9268636405467987e-02 - - -7.9294067621231079e-01 8.2057341933250427e-03 - <_> - - 0 -1 970 1.0430130176246166e-02 - - 5.1620200276374817e-02 -3.3472689986228943e-01 - <_> - - 0 -1 971 7.1888908743858337e-02 - - 1.5941270394250751e-03 -8.5840928554534912e-01 - <_> - - 0 -1 972 2.0217420533299446e-02 - - -3.9817400276660919e-02 4.6351060271263123e-01 - <_> - - 0 -1 973 5.8006029576063156e-03 - - -2.1701389923691750e-02 9.9040143191814423e-02 - <_> - - 0 -1 974 3.5261210054159164e-02 - - 1.7082870006561279e-02 -1.0000469684600830e+00 - <_> - - 0 -1 975 -4.5255878567695618e-01 - - -9.1292119026184082e-01 5.2670161239802837e-03 - <_> - - 0 -1 976 -7.5286221690475941e-03 - - -5.2581560611724854e-01 2.2044740617275238e-02 - <_> - 89 - -3.0780099868774414e+01 - - <_> - - 0 -1 977 2.9085609130561352e-03 - - -2.0195980370044708e-01 1.6118539869785309e-01 - <_> - - 0 -1 978 -6.4552230760455132e-03 - - -1.8676100671291351e-01 3.5359650850296021e-02 - <_> - - 0 -1 979 2.7815890498459339e-03 - - -1.2228749692440033e-01 2.0362569391727448e-01 - <_> - - 0 -1 980 -7.6125850901007652e-03 - - -3.6965709924697876e-01 3.9566628634929657e-02 - <_> - - 0 -1 981 -2.5900858640670776e-01 - - 6.4312630891799927e-01 3.1312569626607001e-04 - <_> - - 0 -1 982 4.6097189188003540e-03 - - -2.7262160554528236e-02 2.1891650557518005e-01 - <_> - - 0 -1 983 -1.4135500416159630e-02 - - 7.6006792485713959e-02 -2.6031088829040527e-01 - <_> - - 0 -1 984 -5.9708990156650543e-03 - - -1.9146460294723511e-01 1.1078900098800659e-01 - <_> - - 0 -1 985 -1.0699110571295023e-03 - - 9.0127058327198029e-02 -1.9876359403133392e-01 - <_> - - 0 -1 986 1.5315730124711990e-02 - - 5.1883369684219360e-02 -3.1069299578666687e-01 - <_> - - 0 -1 987 -7.3937349952757359e-05 - - 1.0555309802293777e-01 -1.6768750548362732e-01 - <_> - - 0 -1 988 -8.1876888871192932e-02 - - 4.6053099632263184e-01 -3.8276348263025284e-02 - <_> - - 0 -1 989 -8.8246334344148636e-03 - - -3.3107680082321167e-01 6.9674566388130188e-02 - <_> - - 0 -1 990 -3.7569031119346619e-03 - - -2.7566310763359070e-01 6.9375626742839813e-02 - <_> - - 0 -1 991 -3.6343189422041178e-03 - - 1.6658850014209747e-01 -1.2031579762697220e-01 - <_> - - 0 -1 992 2.1979490295052528e-02 - - -2.2316349670290947e-02 3.4402579069137573e-01 - <_> - - 0 -1 993 6.1386551707983017e-02 - - 1.7906000837683678e-02 -8.8129872083663940e-01 - <_> - - 0 -1 994 2.7061739936470985e-02 - - -3.2444350421428680e-02 2.8866448998451233e-01 - <_> - - 0 -1 995 -9.5964036881923676e-03 - - -3.0743318796157837e-01 5.2499480545520782e-02 - <_> - - 0 -1 996 -1.7550870543345809e-03 - - 1.0434249788522720e-01 -1.1126209795475006e-01 - <_> - - 0 -1 997 1.6808100044727325e-03 - - -1.1712419986724854e-01 1.5606869757175446e-01 - <_> - - 0 -1 998 -1.3623350532725453e-03 - - 2.2637459635734558e-01 -8.6454801261425018e-02 - <_> - - 0 -1 999 -3.6580429878085852e-03 - - -3.9829111099243164e-01 4.7143589705228806e-02 - <_> - - 0 -1 1000 5.2668720483779907e-02 - - -1.9696790724992752e-02 4.2998239398002625e-01 - <_> - - 0 -1 1001 -3.4802549635060132e-04 - - 9.1115236282348633e-02 -2.0480670034885406e-01 - <_> - - 0 -1 1002 1.2204200029373169e-03 - - 3.3061511814594269e-02 -1.7324869334697723e-01 - <_> - - 0 -1 1003 -9.4577670097351074e-03 - - 2.9774200916290283e-01 -5.8979131281375885e-02 - <_> - - 0 -1 1004 -1.7641530139371753e-03 - - -9.6304766833782196e-02 6.5304636955261230e-02 - <_> - - 0 -1 1005 8.1057827919721603e-03 - - 5.7158369570970535e-02 -3.1123921275138855e-01 - <_> - - 0 -1 1006 1.3963400386273861e-02 - - -3.5234641283750534e-02 3.5719850659370422e-01 - <_> - - 0 -1 1007 -3.1854680273681879e-03 - - -2.1528400480747223e-01 7.6040878891944885e-02 - <_> - - 0 -1 1008 -4.3546650558710098e-03 - - -8.3892293274402618e-02 2.8290690854191780e-02 - <_> - - 0 -1 1009 -1.6740639694035053e-03 - - 1.5145839750766754e-01 -1.1756320297718048e-01 - <_> - - 0 -1 1010 -2.7018489781767130e-03 - - 1.3833570480346680e-01 -5.0832830369472504e-02 - <_> - - 0 -1 1011 2.2117499611340463e-04 - - -2.3960849642753601e-01 7.5004346668720245e-02 - <_> - - 0 -1 1012 2.2773200646042824e-02 - - -2.2433629259467125e-02 3.7049260735511780e-01 - <_> - - 0 -1 1013 9.5928199589252472e-03 - - 9.7205437719821930e-02 -1.7737109959125519e-01 - <_> - - 0 -1 1014 3.3168029040098190e-03 - - -5.6414358317852020e-02 9.1938421130180359e-02 - <_> - - 0 -1 1015 -2.3929888848215342e-03 - - 2.1076680719852448e-01 -9.2880353331565857e-02 - <_> - - 0 -1 1016 -1.0766570456326008e-02 - - -1.2974379956722260e-01 5.9958908706903458e-02 - <_> - - 0 -1 1017 9.9714798852801323e-04 - - -1.4279229938983917e-01 1.4279709756374359e-01 - <_> - - 0 -1 1018 -6.6825798712670803e-03 - - -2.3819839954376221e-01 4.8119660466909409e-02 - <_> - - 0 -1 1019 -3.7201410159468651e-03 - - 1.9953179359436035e-01 -9.0783573687076569e-02 - <_> - - 0 -1 1020 -1.8553409725427628e-02 - - -2.6621541380882263e-01 2.2872749716043472e-02 - <_> - - 0 -1 1021 3.0256200116127729e-03 - - -9.1106131672859192e-02 2.4559549987316132e-01 - <_> - - 0 -1 1022 -6.2146309763193130e-02 - - -1. 5.2797337993979454e-03 - <_> - - 0 -1 1023 1.7690609674900770e-03 - - -1.9379650056362152e-01 9.5696106553077698e-02 - <_> - - 0 -1 1024 -4.3277359509374946e-05 - - 1.1374049633741379e-01 -1.3504849374294281e-01 - <_> - - 0 -1 1025 1.2779419776052237e-03 - - 7.9606160521507263e-02 -2.3597019910812378e-01 - <_> - - 0 -1 1026 -4.4742479920387268e-02 - - 1.8557150661945343e-01 -3.4167829900979996e-02 - <_> - - 0 -1 1027 2.7726130792871118e-04 - - -5.7937718927860260e-02 2.8903219103813171e-01 - <_> - - 0 -1 1028 5.6225471198558807e-02 - - 1.3840789906680584e-02 -7.7199739217758179e-01 - <_> - - 0 -1 1029 8.6825769394636154e-03 - - -1.8263089656829834e-01 1.1423269659280777e-01 - <_> - - 0 -1 1030 -2.4038869887590408e-03 - - -1.9004139304161072e-01 6.5928563475608826e-02 - <_> - - 0 -1 1031 1.2840219773352146e-02 - - -3.6279100924730301e-02 4.5519340038299561e-01 - <_> - - 0 -1 1032 1.1061480036005378e-03 - - -6.3054688274860382e-02 8.1609472632408142e-02 - <_> - - 0 -1 1033 -4.6486179344356060e-03 - - -2.7108541131019592e-01 8.0167703330516815e-02 - <_> - - 0 -1 1034 6.4021991565823555e-03 - - -6.6946588456630707e-02 1.0634910315275192e-01 - <_> - - 0 -1 1035 -8.2370378077030182e-02 - - 3.4517300128936768e-01 -4.8468429595232010e-02 - <_> - - 0 -1 1036 -3.7429828196763992e-02 - - -6.9630950689315796e-01 1.3054380193352699e-02 - <_> - - 0 -1 1037 1.0500400327146053e-02 - - 9.6028283238410950e-02 -2.6362740993499756e-01 - <_> - - 0 -1 1038 6.8851239979267120e-02 - - 3.7341150455176830e-03 -9.9989157915115356e-01 - <_> - - 0 -1 1039 1.0171310277655721e-03 - - -2.3500110208988190e-01 9.1097183525562286e-02 - <_> - - 0 -1 1040 -2.9057949781417847e-02 - - 5.9977847337722778e-01 -3.6899000406265259e-02 - <_> - - 0 -1 1041 2.2022729739546776e-02 - - 5.8034650981426239e-02 -3.2748758792877197e-01 - <_> - - 0 -1 1042 -4.3123541399836540e-03 - - 2.2153949737548828e-01 -6.1332020908594131e-02 - <_> - - 0 -1 1043 1.0949710384011269e-02 - - 2.1837379783391953e-02 -7.4662190675735474e-01 - <_> - - 0 -1 1044 4.3610740453004837e-02 - - -4.5098949223756790e-02 2.8109139204025269e-01 - <_> - - 0 -1 1045 7.7252179384231567e-02 - - 2.0801780745387077e-02 -8.6648237705230713e-01 - <_> - - 0 -1 1046 -2.4023890495300293e-02 - - 3.9884421229362488e-01 -3.5227119922637939e-02 - <_> - - 0 -1 1047 1.9559780135750771e-02 - - 3.5944730043411255e-02 -5.1469117403030396e-01 - <_> - - 0 -1 1048 2.5917299091815948e-02 - - -1.2942669913172722e-02 4.1695970296859741e-01 - <_> - - 0 -1 1049 -4.6949301031418145e-04 - - 1.6665999591350555e-01 -9.0680040419101715e-02 - <_> - - 0 -1 1050 -8.4590032696723938e-02 - - -5.9283781051635742e-01 7.2113061323761940e-03 - <_> - - 0 -1 1051 -8.9234940242022276e-04 - - 1.7458200454711914e-01 -1.0072509944438934e-01 - <_> - - 0 -1 1052 -2.4009350687265396e-02 - - -3.9131438732147217e-01 2.2361040115356445e-02 - <_> - - 0 -1 1053 -4.7586968867108226e-04 - - 1.8306100368499756e-01 -1.2541130185127258e-01 - <_> - - 0 -1 1054 2.9483099933713675e-03 - - 6.5301053225994110e-02 -2.0387080311775208e-01 - <_> - - 0 -1 1055 3.6947780754417181e-03 - - -6.0878321528434753e-02 3.0403020977973938e-01 - <_> - - 0 -1 1056 -2.9413169249892235e-03 - - -3.0284491181373596e-01 4.7550499439239502e-02 - <_> - - 0 -1 1057 -7.1274640504270792e-04 - - 1.6200789809226990e-01 -1.1822160333395004e-01 - <_> - - 0 -1 1058 2.4309750646352768e-02 - - -1.1442789807915688e-02 2.0453959703445435e-01 - <_> - - 0 -1 1059 -9.1473112115636468e-04 - - -2.0707829296588898e-01 7.5701341032981873e-02 - <_> - - 0 -1 1060 -3.6473390646278858e-03 - - 2.4093860387802124e-01 -8.3565562963485718e-02 - <_> - - 0 -1 1061 1.2513220310211182e-02 - - 4.1536040604114532e-02 -3.7487721443176270e-01 - <_> - - 0 -1 1062 6.2148571014404297e-03 - - 2.0434129983186722e-02 -9.0057849884033203e-02 - <_> - - 0 -1 1063 -2.0954229403287172e-03 - - 1.1625260114669800e-01 -1.8561770021915436e-01 - <_> - - 0 -1 1064 -2.1173250675201416e-01 - - -1. 2.4372090119868517e-03 - <_> - - 0 -1 1065 1.0188589803874493e-03 - - -7.5683966279029846e-02 2.9555431008338928e-01 - <_> - 77 - -3.0694400787353516e+01 - - <_> - - 0 -1 1066 -2.4422600865364075e-02 - - 2.0446979999542236e-01 -2.2299669682979584e-01 - <_> - - 0 -1 1067 1.0574000189080834e-03 - - -1.4355170726776123e-01 8.5603542625904083e-02 - <_> - - 0 -1 1068 2.5123930536210537e-03 - - 1.0997679829597473e-01 -2.3044809699058533e-01 - <_> - - 0 -1 1069 1.2112739682197571e-01 - - 3.3267501741647720e-02 -9.9910151958465576e-01 - <_> - - 0 -1 1070 2.9103590641170740e-03 - - -1.0391929745674133e-01 1.9292880594730377e-01 - <_> - - 0 -1 1071 -8.6717177182435989e-03 - - -2.7087220549583435e-01 9.9762901663780212e-02 - <_> - - 0 -1 1072 6.1140959151089191e-03 - - -1.1517100036144257e-01 2.0429219305515289e-01 - <_> - - 0 -1 1073 2.0590990781784058e-02 - - -3.3107578754425049e-02 4.6375459432601929e-01 - <_> - - 0 -1 1074 1.1507490416988730e-03 - - 7.6014623045921326e-02 -2.7485209703445435e-01 - <_> - - 0 -1 1075 6.5449788235127926e-03 - - -1.1266589909791946e-01 5.0031568855047226e-02 - <_> - - 0 -1 1076 1.6102850204333663e-03 - - -1.8794959783554077e-01 1.1234410107135773e-01 - <_> - - 0 -1 1077 2.8527909889817238e-03 - - 4.0457468479871750e-02 -8.4716461598873138e-02 - <_> - - 0 -1 1078 -4.0883300825953484e-03 - - 1.2509189546108246e-01 -1.4850109815597534e-01 - <_> - - 0 -1 1079 1.6648479504510760e-03 - - -1.0346720367670059e-01 5.3585231304168701e-02 - <_> - - 0 -1 1080 -3.1635090708732605e-03 - - -3.3729389309883118e-01 6.1192918568849564e-02 - <_> - - 0 -1 1081 -1.0922599583864212e-02 - - 4.5238488912582397e-01 -5.7903379201889038e-02 - <_> - - 0 -1 1082 -3.3356929197907448e-03 - - 3.3880978822708130e-01 -6.4470112323760986e-02 - <_> - - 0 -1 1083 -3.0014500021934509e-02 - - -8.2835501432418823e-01 2.4696119129657745e-02 - <_> - - 0 -1 1084 -3.0110439658164978e-01 - - -8.3429050445556641e-01 1.4369309879839420e-02 - <_> - - 0 -1 1085 -4.2447918094694614e-03 - - -1.2281739711761475e-01 2.8134100139141083e-02 - <_> - - 0 -1 1086 7.7825621701776981e-03 - - -6.9222308695316315e-02 2.5814509391784668e-01 - <_> - - 0 -1 1087 -1.2726710177958012e-02 - - 1.0745859891176224e-01 -7.6575823128223419e-02 - <_> - - 0 -1 1088 4.7346940264105797e-03 - - 4.4127859175205231e-02 -3.8045680522918701e-01 - <_> - - 0 -1 1089 3.4512639977037907e-03 - - -4.2947210371494293e-02 4.6074831485748291e-01 - <_> - - 0 -1 1090 5.6996050989255309e-04 - - 6.6926121711730957e-02 -2.9685848951339722e-01 - <_> - - 0 -1 1091 -5.3889099508523941e-02 - - -1. 3.9760880172252655e-03 - <_> - - 0 -1 1092 1.0263220174238086e-03 - - -1.1138930171728134e-01 1.7764210700988770e-01 - <_> - - 0 -1 1093 3.9374440908432007e-02 - - 1.2977429665625095e-02 -6.3669937849044800e-01 - <_> - - 0 -1 1094 1.8777979537844658e-02 - - -3.9334569126367569e-02 4.5990169048309326e-01 - <_> - - 0 -1 1095 1.5851920470595360e-03 - - -1.0917869955301285e-01 5.6247789412736893e-02 - <_> - - 0 -1 1096 -1.0857740417122841e-02 - - -2.0176340639591217e-01 9.0685456991195679e-02 - <_> - - 0 -1 1097 4.4399261474609375e-02 - - 1.9891490228474140e-03 -9.9981158971786499e-01 - <_> - - 0 -1 1098 -1.7311190022155643e-03 - - 1.4699029922485352e-01 -1.4069539308547974e-01 - <_> - - 0 -1 1099 -1.6609770245850086e-03 - - 1.6190530359745026e-01 -5.5535599589347839e-02 - <_> - - 0 -1 1100 -4.3332851491868496e-03 - - -3.3971568942070007e-01 4.3209198862314224e-02 - <_> - - 0 -1 1101 -4.4786658691009507e-05 - - 1.0217490047216415e-01 -1.0289809852838516e-01 - <_> - - 0 -1 1102 -1.2255939655005932e-02 - - 4.6331259608268738e-01 -3.8829129189252853e-02 - <_> - - 0 -1 1103 3.1728390604257584e-02 - - -1.0918959975242615e-02 1.9252130389213562e-01 - <_> - - 0 -1 1104 8.6054168641567230e-03 - - 5.3962308913469315e-02 -3.3835870027542114e-01 - <_> - - 0 -1 1105 2.4249579291790724e-03 - - -4.3876059353351593e-02 2.4977789819240570e-01 - <_> - - 0 -1 1106 -1.9957860931754112e-03 - - 1.1398400366306305e-01 -1.7925310134887695e-01 - <_> - - 0 -1 1107 4.6042509377002716e-02 - - 2.0680939778685570e-03 -8.7673932313919067e-01 - <_> - - 0 -1 1108 2.4898271076381207e-03 - - -6.9595612585544586e-02 2.6142540574073792e-01 - <_> - - 0 -1 1109 1.0052820434793830e-03 - - 4.5501660555601120e-02 -1.2399580329656601e-01 - <_> - - 0 -1 1110 9.0297553688287735e-03 - - -7.1272410452365875e-02 2.2919359803199768e-01 - <_> - - 0 -1 1111 1.2028490193188190e-02 - - 2.0230330526828766e-02 -3.4052988886833191e-01 - <_> - - 0 -1 1112 2.3313730489462614e-03 - - 8.7259337306022644e-02 -2.3195190727710724e-01 - <_> - - 0 -1 1113 9.5184362726286054e-04 - - -2.3168809711933136e-01 5.5022191256284714e-02 - <_> - - 0 -1 1114 9.6378661692142487e-03 - - -4.1655559092760086e-02 4.2928260564804077e-01 - <_> - - 0 -1 1115 1.3566980138421059e-02 - - 4.5669659972190857e-02 -2.2501240670681000e-01 - <_> - - 0 -1 1116 3.3653501421213150e-02 - - -6.7861579358577728e-02 3.6967611312866211e-01 - <_> - - 0 -1 1117 -6.0395020991563797e-02 - - -9.0887361764907837e-01 3.8193699438124895e-03 - <_> - - 0 -1 1118 1.3169209705665708e-03 - - -1.5941339731216431e-01 1.4766550064086914e-01 - <_> - - 0 -1 1119 -9.7704064100980759e-03 - - -1.2848410010337830e-01 4.7832399606704712e-02 - <_> - - 0 -1 1120 -4.5100511051714420e-03 - - 1.2574909627437592e-01 -2.1964469552040100e-01 - <_> - - 0 -1 1121 -2.0346629898995161e-03 - - -1.8574400246143341e-01 4.9177091568708420e-02 - <_> - - 0 -1 1122 1.3294390402734280e-02 - - 9.1497242450714111e-02 -2.1343930065631866e-01 - <_> - - 0 -1 1123 -4.0054250508546829e-02 - - 3.1770059466362000e-01 -3.1080769374966621e-02 - <_> - - 0 -1 1124 2.5492990389466286e-02 - - 3.8877040147781372e-02 -4.5658990740776062e-01 - <_> - - 0 -1 1125 -3.8089688867330551e-02 - - 6.6615498065948486e-01 -1.9895339384675026e-02 - <_> - - 0 -1 1126 -2.1308319270610809e-01 - - -8.6534178256988525e-01 2.0898429676890373e-02 - <_> - - 0 -1 1127 -8.9727543294429779e-02 - - 2.5725919008255005e-01 -4.6261668205261230e-02 - <_> - - 0 -1 1128 2.5075700134038925e-02 - - 4.1259508579969406e-02 -3.7666648626327515e-01 - <_> - - 0 -1 1129 2.3366149514913559e-02 - - -7.2202831506729126e-02 2.4737030267715454e-01 - <_> - - 0 -1 1130 2.8038409072905779e-04 - - -7.9473547637462616e-02 2.2478230297565460e-01 - <_> - - 0 -1 1131 8.2364194095134735e-03 - - 5.1211010664701462e-02 -1.3328659534454346e-01 - <_> - - 0 -1 1132 5.3922779858112335e-02 - - 1.7108399420976639e-02 -8.9256042242050171e-01 - <_> - - 0 -1 1133 2.7015779633074999e-03 - - -1.8405599892139435e-01 1.2830390036106110e-01 - <_> - - 0 -1 1134 -1.6505690291523933e-02 - - 6.2239181995391846e-01 -2.6413690298795700e-02 - <_> - - 0 -1 1135 -1.8418730469420552e-03 - - -1.2646800279617310e-01 4.8690851777791977e-02 - <_> - - 0 -1 1136 5.1953629590570927e-03 - - 4.5653700828552246e-02 -3.2519981265068054e-01 - <_> - - 0 -1 1137 5.0785308703780174e-03 - - 4.0703259408473969e-02 -2.0620769262313843e-01 - <_> - - 0 -1 1138 5.0687040202319622e-03 - - -7.6456248760223389e-02 2.5867408514022827e-01 - <_> - - 0 -1 1139 -1.1892319656908512e-02 - - -2.2366219758987427e-01 3.0855409801006317e-02 - <_> - - 0 -1 1140 2.4257500190287828e-03 - - -7.1597889065742493e-02 2.6108819246292114e-01 - <_> - - 0 -1 1141 -1.1990379542112350e-02 - - 2.2678479552268982e-01 -1.0305509716272354e-01 - <_> - - 0 -1 1142 -2.2772200405597687e-02 - - -2.3770140111446381e-01 7.6630853116512299e-02 - <_> - 78 - -3.0664699554443359e+01 - - <_> - - 0 -1 1143 3.3625920768827200e-03 - - -1.8268440663814545e-01 1.5935519337654114e-01 - <_> - - 0 -1 1144 4.4937757775187492e-03 - - -8.9438192546367645e-02 2.8422310948371887e-01 - <_> - - 0 -1 1145 -8.8971032528206706e-04 - - 9.5665588974952698e-02 -1.9407069683074951e-01 - <_> - - 0 -1 1146 2.6789100375026464e-03 - - -1.0152669996023178e-01 1.7864160239696503e-01 - <_> - - 0 -1 1147 -4.0554129518568516e-03 - - -2.3337660729885101e-01 1.2279739975929260e-01 - <_> - - 0 -1 1148 -1.7742250114679337e-02 - - 1.9190870225429535e-01 -3.1710729002952576e-02 - <_> - - 0 -1 1149 3.0996970599517226e-04 - - -1.9344709813594818e-01 9.9541679024696350e-02 - <_> - - 0 -1 1150 -3.7737619131803513e-03 - - -2.0298850536346436e-01 7.9316012561321259e-02 - <_> - - 0 -1 1151 1.4448439469560981e-03 - - -5.9811491519212723e-02 4.1375398635864258e-01 - <_> - - 0 -1 1152 4.1589159518480301e-03 - - -9.2934109270572662e-02 7.7575348317623138e-02 - <_> - - 0 -1 1153 9.7764004021883011e-03 - - 5.3027391433715820e-02 -3.6435180902481079e-01 - <_> - - 0 -1 1154 -2.8739850968122482e-03 - - 1.2728120386600494e-01 -3.2182350754737854e-02 - <_> - - 0 -1 1155 4.3552028946578503e-03 - - -1.4472070336341858e-01 1.4171679317951202e-01 - <_> - - 0 -1 1156 -1.2132039666175842e-01 - - 1.5284240245819092e-01 -2.6948520913720131e-02 - <_> - - 0 -1 1157 7.5531532056629658e-03 - - 1.0153439640998840e-01 -1.8715800344944000e-01 - <_> - - 0 -1 1158 4.8978552222251892e-03 - - 2.8034990653395653e-02 -1.4224380254745483e-01 - <_> - - 0 -1 1159 -1.8711129669100046e-03 - - 1.5129889547824860e-01 -1.3912929594516754e-01 - <_> - - 0 -1 1160 4.1867699474096298e-02 - - 1.8230549991130829e-02 -5.6771957874298096e-01 - <_> - - 0 -1 1161 -8.4031058941036463e-04 - - 1.5392039716243744e-01 -1.2112110108137131e-01 - <_> - - 0 -1 1162 3.6289851414039731e-04 - - -7.9913586378097534e-02 7.0097483694553375e-02 - <_> - - 0 -1 1163 -4.4498889474198222e-04 - - 1.6784679889678955e-01 -1.3805930316448212e-01 - <_> - - 0 -1 1164 2.2194290068000555e-03 - - 5.8453138917684555e-02 -1.2374790012836456e-01 - <_> - - 0 -1 1165 -2.5759059935808182e-03 - - 2.2619499266147614e-01 -8.6251437664031982e-02 - <_> - - 0 -1 1166 5.8989811688661575e-02 - - 6.9204131141304970e-03 -7.3367577791213989e-01 - <_> - - 0 -1 1167 -2.7889141440391541e-01 - - 4.6728101372718811e-01 -3.8612861186265945e-02 - <_> - - 0 -1 1168 -5.3824000060558319e-03 - - -1.6939850151538849e-01 6.1394538730382919e-02 - <_> - - 0 -1 1169 -8.9165568351745605e-04 - - -2.4867910146713257e-01 7.6590277254581451e-02 - <_> - - 0 -1 1170 1.2071889825165272e-02 - - 8.9360373094677925e-03 -2.7028709650039673e-01 - <_> - - 0 -1 1171 3.8453561137430370e-04 - - 9.9488303065299988e-02 -2.1522629261016846e-01 - <_> - - 0 -1 1172 -2.2118990309536457e-03 - - 4.0786389261484146e-02 -1.1563809961080551e-01 - <_> - - 0 -1 1173 2.0960820838809013e-02 - - -3.1355928629636765e-02 7.1006178855895996e-01 - <_> - - 0 -1 1174 -3.9021030534058809e-03 - - -1.7460019886493683e-01 4.0775351226329803e-02 - <_> - - 0 -1 1175 -4.5169141230871901e-05 - - 1.2105180323123932e-01 -1.6618220508098602e-01 - <_> - - 0 -1 1176 6.9195672869682312e-02 - - 7.6447450555860996e-03 -5.9211570024490356e-01 - <_> - - 0 -1 1177 -1.1615910334512591e-03 - - 2.2584970295429230e-01 -9.1772772371768951e-02 - <_> - - 0 -1 1178 4.5347518607741222e-05 - - -2.0863719284534454e-01 9.0364061295986176e-02 - <_> - - 0 -1 1179 -1.9045149907469749e-02 - - 4.2344009876251221e-01 -4.6018179506063461e-02 - <_> - - 0 -1 1180 4.1966438293457031e-03 - - -2.8369670733809471e-02 3.0800709128379822e-01 - <_> - - 0 -1 1181 2.5357000413350761e-04 - - -2.8971961140632629e-01 7.5374223291873932e-02 - <_> - - 0 -1 1182 1.0817909985780716e-01 - - -1.4286429621279240e-02 7.2823339700698853e-01 - <_> - - 0 -1 1183 -5.5140778422355652e-03 - - -1.8854649364948273e-01 1.1378549784421921e-01 - <_> - - 0 -1 1184 5.5264509283006191e-03 - - 7.0834018290042877e-02 -1.8397599458694458e-01 - <_> - - 0 -1 1185 6.4198831096291542e-03 - - -1.1449480056762695e-01 1.9120390713214874e-01 - <_> - - 0 -1 1186 1.9314220547676086e-01 - - 1.4066229574382305e-02 -6.9772118330001831e-01 - <_> - - 0 -1 1187 4.0670208632946014e-02 - - -2.4279089644551277e-02 7.8828179836273193e-01 - <_> - - 0 -1 1188 -2.1965131163597107e-03 - - -2.0105579495429993e-01 5.1050510257482529e-02 - <_> - - 0 -1 1189 -4.7381771728396416e-03 - - 2.5222310423851013e-01 -7.3429226875305176e-02 - <_> - - 0 -1 1190 7.1773640811443329e-02 - - -9.0609909966588020e-03 9.2946898937225342e-01 - <_> - - 0 -1 1191 6.9466611603274941e-04 - - 1.0625690221786499e-01 -1.9162459671497345e-01 - <_> - - 0 -1 1192 2.6388010010123253e-03 - - 6.3330717384815216e-02 -2.0404089987277985e-01 - <_> - - 0 -1 1193 -3.1406691414304078e-04 - - 1.7990510165691376e-01 -9.8495960235595703e-02 - <_> - - 0 -1 1194 -5.8691151207312942e-04 - - 8.5071258246898651e-02 -7.6974540948867798e-02 - <_> - - 0 -1 1195 1.0376359568908811e-03 - - -1.1096309870481491e-01 1.5985070168972015e-01 - <_> - - 0 -1 1196 1.6373570542782545e-03 - - 1.1128730326890945e-01 -1.2352730333805084e-01 - <_> - - 0 -1 1197 -7.3773309122771025e-04 - - 1.2890860438346863e-01 -1.4294579625129700e-01 - <_> - - 0 -1 1198 -1.6841450706124306e-02 - - -2.4231070280075073e-01 2.0597470924258232e-02 - <_> - - 0 -1 1199 -3.0590690672397614e-02 - - 3.3513951301574707e-01 -4.7183569520711899e-02 - <_> - - 0 -1 1200 1.0214540176093578e-02 - - 5.5497199296951294e-02 -2.3405939340591431e-01 - <_> - - 0 -1 1201 -1.1853770120069385e-03 - - 9.2074163258075714e-02 -1.7347140610218048e-01 - <_> - - 0 -1 1202 1.1729650432243943e-03 - - -8.4075942635536194e-02 2.0689530670642853e-01 - <_> - - 0 -1 1203 1.0894170030951500e-02 - - 5.6475941091775894e-02 -3.1677180528640747e-01 - <_> - - 0 -1 1204 -2.0437049679458141e-03 - - 1.8796369433403015e-01 -9.8889023065567017e-02 - <_> - - 0 -1 1205 -5.7676038704812527e-03 - - -2.5189259648323059e-01 7.5108267366886139e-02 - <_> - - 0 -1 1206 6.9624483585357666e-02 - - -1.7661379650235176e-02 4.3390399217605591e-01 - <_> - - 0 -1 1207 -3.1853429391048849e-04 - - -2.9378080368041992e-01 5.8162420988082886e-02 - <_> - - 0 -1 1208 1.7543470021337271e-03 - - 2.6858489960432053e-02 -1.5225639939308167e-01 - <_> - - 0 -1 1209 1.2951970566064119e-03 - - -7.1769118309020996e-02 3.8101229071617126e-01 - <_> - - 0 -1 1210 2.0549140870571136e-02 - - -2.3171430453658104e-02 2.7228319644927979e-01 - <_> - - 0 -1 1211 2.7475480455905199e-03 - - 6.7207306623458862e-02 -2.7162951231002808e-01 - <_> - - 0 -1 1212 5.2633951418101788e-03 - - -1.3931609690189362e-01 1.1821229755878448e-01 - <_> - - 0 -1 1213 -5.2199261263012886e-03 - - -3.3213511109352112e-01 4.7329191118478775e-02 - <_> - - 0 -1 1214 9.9096707999706268e-03 - - -6.9706782698631287e-02 1.9954280555248260e-01 - <_> - - 0 -1 1215 -1.0334379971027374e-01 - - 4.2418560385704041e-01 -3.9896268397569656e-02 - <_> - - 0 -1 1216 -1.3322319835424423e-02 - - -2.5508868694305420e-01 4.1351031512022018e-02 - <_> - - 0 -1 1217 1.7832260346040130e-03 - - -1.7664439976215363e-01 1.0336239635944366e-01 - <_> - - 0 -1 1218 6.3282333314418793e-02 - - 1.2395679950714111e-02 -4.6355250477790833e-01 - <_> - - 0 -1 1219 -5.1022358238697052e-03 - - 4.0670639276504517e-01 -5.0193451344966888e-02 - <_> - - 0 -1 1220 3.9891529828310013e-02 - - 3.7219129502773285e-02 -5.5696451663970947e-01 - - <_> - - <_> - 3 4 12 16 -1. - <_> - 7 4 4 16 3. - <_> - - <_> - 11 0 2 20 -1. - <_> - 11 10 2 10 2. - <_> - - <_> - 4 1 4 22 -1. - <_> - 4 12 4 11 2. - <_> - - <_> - 9 8 7 12 -1. - <_> - 9 14 7 6 2. - <_> - - <_> - 6 0 6 10 -1. - <_> - 6 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 1 18 18 5 -1. - <_> - 1 18 9 5 2. - <_> - - <_> - 4 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 6 17 10 6 -1. - <_> - 6 20 10 3 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 0 10 4 10 2. - <_> - - <_> - 3 0 16 14 -1. - <_> - 3 7 16 7 2. - <_> - - <_> - 5 1 4 13 -1. - <_> - 7 1 2 13 2. - <_> - - <_> - 1 8 18 12 -1. - <_> - 10 8 9 6 2. - <_> - 1 14 9 6 2. - <_> - - <_> - 2 0 15 21 -1. - <_> - 7 0 5 21 3. - <_> - - <_> - 1 5 18 18 -1. - <_> - 10 5 9 9 2. - <_> - 1 14 9 9 2. - <_> - - <_> - 2 19 15 3 -1. - <_> - 7 19 5 3 3. - <_> - - <_> - 7 20 12 3 -1. - <_> - 7 20 6 3 2. - <_> - - <_> - 1 21 14 2 -1. - <_> - 8 21 7 2 2. - <_> - - <_> - 0 16 18 6 -1. - <_> - 6 16 6 6 3. - <_> - - <_> - 8 3 4 20 -1. - <_> - 8 13 4 10 2. - <_> - - <_> - 0 19 18 3 -1. - <_> - 9 19 9 3 2. - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 2 0 9 5 -1. - <_> - 5 0 3 5 3. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 3 9 6 14 -1. - <_> - 5 9 2 14 3. - <_> - - <_> - 12 3 3 18 -1. - <_> - 12 12 3 9 2. - <_> - - <_> - 1 14 4 9 -1. - <_> - 3 14 2 9 2. - <_> - - <_> - 7 15 11 8 -1. - <_> - 7 17 11 4 2. - <_> - - <_> - 0 7 6 10 -1. - <_> - 0 7 3 5 2. - <_> - 3 12 3 5 2. - <_> - - <_> - 10 6 4 13 -1. - <_> - 10 6 2 13 2. - <_> - - <_> - 5 6 4 13 -1. - <_> - 7 6 2 13 2. - <_> - - <_> - 8 2 6 8 -1. - <_> - 8 2 6 4 2. - 1 - <_> - - <_> - 0 11 19 12 -1. - <_> - 0 17 19 6 2. - <_> - - <_> - 0 18 6 5 -1. - <_> - 3 18 3 5 2. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 0 20 15 3 -1. - <_> - 5 20 5 3 3. - <_> - - <_> - 9 19 8 4 -1. - <_> - 9 19 4 4 2. - <_> - - <_> - 0 17 9 6 -1. - <_> - 3 17 3 6 3. - <_> - - <_> - 14 17 5 6 -1. - <_> - 14 20 5 3 2. - <_> - - <_> - 2 2 15 14 -1. - <_> - 7 2 5 14 3. - <_> - - <_> - 14 17 5 6 -1. - <_> - 14 20 5 3 2. - <_> - - <_> - 0 17 5 6 -1. - <_> - 0 20 5 3 2. - <_> - - <_> - 3 0 13 8 -1. - <_> - 3 4 13 4 2. - <_> - - <_> - 0 21 14 2 -1. - <_> - 7 21 7 2 2. - <_> - - <_> - 8 4 4 15 -1. - <_> - 9 4 2 15 2. - <_> - - <_> - 1 18 8 5 -1. - <_> - 5 18 4 5 2. - <_> - - <_> - 8 4 4 15 -1. - <_> - 9 4 2 15 2. - <_> - - <_> - 7 4 4 15 -1. - <_> - 8 4 2 15 2. - <_> - - <_> - 11 11 8 8 -1. - <_> - 15 11 4 4 2. - <_> - 11 15 4 4 2. - <_> - - <_> - 4 13 6 7 -1. - <_> - 6 13 2 7 3. - <_> - - <_> - 3 1 8 13 -1. - <_> - 7 1 4 13 2. - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 0 21 18 2 -1. - <_> - 9 21 9 2 2. - <_> - - <_> - 7 18 8 5 -1. - <_> - 7 18 4 5 2. - <_> - - <_> - 4 17 8 6 -1. - <_> - 8 17 4 6 2. - <_> - - <_> - 10 2 7 10 -1. - <_> - 10 2 7 5 2. - 1 - <_> - - <_> - 2 9 2 14 -1. - <_> - 3 9 1 14 2. - <_> - - <_> - 15 7 2 16 -1. - <_> - 15 7 1 16 2. - <_> - - <_> - 1 8 4 15 -1. - <_> - 3 8 2 15 2. - <_> - - <_> - 14 0 3 14 -1. - <_> - 14 0 3 7 2. - 1 - <_> - - <_> - 9 6 8 9 -1. - <_> - 9 6 4 9 2. - 1 - <_> - - <_> - 8 15 11 8 -1. - <_> - 8 17 11 4 2. - <_> - - <_> - 5 7 4 10 -1. - <_> - 7 7 2 10 2. - <_> - - <_> - 10 15 9 8 -1. - <_> - 10 17 9 4 2. - <_> - - <_> - 0 15 9 8 -1. - <_> - 0 17 9 4 2. - <_> - - <_> - 2 1 17 18 -1. - <_> - 2 10 17 9 2. - <_> - - <_> - 2 0 16 2 -1. - <_> - 2 0 8 2 2. - 1 - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 6 0 6 10 -1. - <_> - 6 0 3 5 2. - <_> - 9 5 3 5 2. - <_> - - <_> - 10 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 2 4 15 11 -1. - <_> - 7 4 5 11 3. - <_> - - <_> - 15 15 4 8 -1. - <_> - 15 15 2 8 2. - <_> - - <_> - 0 15 4 8 -1. - <_> - 2 15 2 8 2. - <_> - - <_> - 5 6 4 11 -1. - <_> - 7 6 2 11 2. - <_> - - <_> - 3 17 16 4 -1. - <_> - 7 17 8 4 2. - <_> - - <_> - 9 3 10 8 -1. - <_> - 9 3 5 8 2. - 1 - <_> - - <_> - 12 6 7 10 -1. - <_> - 12 6 7 5 2. - 1 - <_> - - <_> - 2 0 6 5 -1. - <_> - 5 0 3 5 2. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 2 20 14 3 -1. - <_> - 9 20 7 3 2. - <_> - - <_> - 4 21 14 2 -1. - <_> - 4 21 7 2 2. - <_> - - <_> - 8 8 3 14 -1. - <_> - 9 8 1 14 3. - <_> - - <_> - 8 9 3 14 -1. - <_> - 9 9 1 14 3. - <_> - - <_> - 5 7 9 16 -1. - <_> - 5 11 9 8 2. - <_> - - <_> - 11 13 6 8 -1. - <_> - 11 17 6 4 2. - <_> - - <_> - 4 17 7 6 -1. - <_> - 4 19 7 2 3. - <_> - - <_> - 2 13 16 8 -1. - <_> - 10 13 8 4 2. - <_> - 2 17 8 4 2. - <_> - - <_> - 2 18 15 3 -1. - <_> - 2 19 15 1 3. - <_> - - <_> - 2 13 15 3 -1. - <_> - 7 13 5 3 3. - <_> - - <_> - 8 0 11 16 -1. - <_> - 8 4 11 8 2. - <_> - - <_> - 0 0 19 18 -1. - <_> - 0 6 19 6 3. - <_> - - <_> - 8 0 11 16 -1. - <_> - 8 4 11 8 2. - <_> - - <_> - 0 1 4 20 -1. - <_> - 0 6 4 10 2. - <_> - - <_> - 3 6 15 4 -1. - <_> - 8 6 5 4 3. - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 9 9 3 2. - <_> - 9 12 9 3 2. - <_> - - <_> - 8 5 3 14 -1. - <_> - 9 5 1 14 3. - <_> - - <_> - 1 0 6 8 -1. - <_> - 3 0 2 8 3. - <_> - - <_> - 1 6 18 6 -1. - <_> - 10 6 9 3 2. - <_> - 1 9 9 3 2. - <_> - - <_> - 7 7 4 15 -1. - <_> - 8 7 2 15 2. - <_> - - <_> - 11 5 8 10 -1. - <_> - 11 10 8 5 2. - <_> - - <_> - 0 5 8 10 -1. - <_> - 0 10 8 5 2. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 2 16 9 5 -1. - <_> - 5 16 3 5 3. - <_> - - <_> - 13 11 6 11 -1. - <_> - 13 11 3 11 2. - <_> - - <_> - 5 8 4 11 -1. - <_> - 7 8 2 11 2. - <_> - - <_> - 5 7 12 5 -1. - <_> - 8 7 6 5 2. - <_> - - <_> - 2 11 15 3 -1. - <_> - 7 11 5 3 3. - <_> - - <_> - 1 1 18 3 -1. - <_> - 7 1 6 3 3. - <_> - - <_> - 5 1 14 4 -1. - <_> - 5 1 7 4 2. - 1 - <_> - - <_> - 1 9 18 10 -1. - <_> - 10 9 9 5 2. - <_> - 1 14 9 5 2. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 8 7 4 14 -1. - <_> - 9 7 2 14 2. - <_> - - <_> - 0 1 19 16 -1. - <_> - 0 9 19 8 2. - <_> - - <_> - 9 7 3 14 -1. - <_> - 10 7 1 14 3. - <_> - - <_> - 2 11 14 6 -1. - <_> - 2 11 7 3 2. - <_> - 9 14 7 3 2. - <_> - - <_> - 9 7 3 14 -1. - <_> - 10 7 1 14 3. - <_> - - <_> - 7 7 3 14 -1. - <_> - 8 7 1 14 3. - <_> - - <_> - 7 17 5 6 -1. - <_> - 7 20 5 3 2. - <_> - - <_> - 2 6 9 15 -1. - <_> - 5 11 3 5 9. - <_> - - <_> - 8 0 6 10 -1. - <_> - 11 0 3 5 2. - <_> - 8 5 3 5 2. - <_> - - <_> - 3 2 6 21 -1. - <_> - 5 9 2 7 9. - <_> - - <_> - 9 19 10 4 -1. - <_> - 9 19 5 4 2. - <_> - - <_> - 2 8 4 8 -1. - <_> - 4 8 2 8 2. - <_> - - <_> - 11 1 2 22 -1. - <_> - 11 12 2 11 2. - <_> - - <_> - 0 20 15 3 -1. - <_> - 5 20 5 3 3. - <_> - - <_> - 10 19 8 4 -1. - <_> - 10 19 4 4 2. - <_> - - <_> - 1 19 8 4 -1. - <_> - 5 19 4 4 2. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 13 2 3 10 -1. - <_> - 13 2 3 5 2. - 1 - <_> - - <_> - 6 4 6 9 -1. - <_> - 9 4 3 9 2. - <_> - - <_> - 10 7 2 10 -1. - <_> - 10 7 1 10 2. - 1 - <_> - - <_> - 2 1 15 9 -1. - <_> - 7 1 5 9 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 5 5 6 7 -1. - <_> - 7 5 2 7 3. - <_> - - <_> - 10 7 2 10 -1. - <_> - 10 7 1 10 2. - 1 - <_> - - <_> - 9 7 10 2 -1. - <_> - 9 7 10 1 2. - 1 - <_> - - <_> - 13 16 4 7 -1. - <_> - 13 16 2 7 2. - <_> - - <_> - 6 9 4 10 -1. - <_> - 8 9 2 10 2. - <_> - - <_> - 5 18 14 4 -1. - <_> - 12 18 7 2 2. - <_> - 5 20 7 2 2. - <_> - - <_> - 5 1 12 3 -1. - <_> - 5 1 6 3 2. - 1 - <_> - - <_> - 11 0 2 22 -1. - <_> - 11 11 2 11 2. - <_> - - <_> - 3 15 4 8 -1. - <_> - 5 15 2 8 2. - <_> - - <_> - 11 0 2 14 -1. - <_> - 11 0 1 14 2. - <_> - - <_> - 6 0 2 14 -1. - <_> - 7 0 1 14 2. - <_> - - <_> - 11 0 2 20 -1. - <_> - 11 0 1 20 2. - <_> - - <_> - 1 19 16 4 -1. - <_> - 5 19 8 4 2. - <_> - - <_> - 11 0 2 20 -1. - <_> - 11 0 1 20 2. - <_> - - <_> - 6 0 2 20 -1. - <_> - 7 0 1 20 2. - <_> - - <_> - 11 0 2 22 -1. - <_> - 11 11 2 11 2. - <_> - - <_> - 0 18 14 4 -1. - <_> - 0 18 7 2 2. - <_> - 7 20 7 2 2. - <_> - - <_> - 1 1 18 8 -1. - <_> - 10 1 9 4 2. - <_> - 1 5 9 4 2. - <_> - - <_> - 9 8 10 4 -1. - <_> - 9 8 10 2 2. - 1 - <_> - - <_> - 3 7 15 3 -1. - <_> - 8 7 5 3 3. - <_> - - <_> - 8 1 6 8 -1. - <_> - 8 1 6 4 2. - 1 - <_> - - <_> - 8 3 3 15 -1. - <_> - 9 3 1 15 3. - <_> - - <_> - 1 14 9 6 -1. - <_> - 4 14 3 6 3. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 0 18 14 3 -1. - <_> - 0 19 14 1 3. - <_> - - <_> - 5 20 10 3 -1. - <_> - 5 20 5 3 2. - <_> - - <_> - 9 5 10 6 -1. - <_> - 9 5 5 6 2. - 1 - <_> - - <_> - 2 4 15 14 -1. - <_> - 7 4 5 14 3. - <_> - - <_> - 0 16 6 7 -1. - <_> - 3 16 3 7 2. - <_> - - <_> - 7 18 12 5 -1. - <_> - 11 18 4 5 3. - <_> - - <_> - 1 18 15 3 -1. - <_> - 1 19 15 1 3. - <_> - - <_> - 4 19 12 4 -1. - <_> - 8 19 4 4 3. - <_> - - <_> - 5 0 3 12 -1. - <_> - 5 6 3 6 2. - <_> - - <_> - 3 20 16 3 -1. - <_> - 3 20 8 3 2. - <_> - - <_> - 0 15 15 8 -1. - <_> - 0 17 15 4 2. - <_> - - <_> - 12 14 4 7 -1. - <_> - 12 14 2 7 2. - <_> - - <_> - 1 7 15 3 -1. - <_> - 6 7 5 3 3. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 6 0 6 4 3. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 2 4 15 16 -1. - <_> - 7 4 5 16 3. - <_> - - <_> - 4 0 11 12 -1. - <_> - 4 6 11 6 2. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 4 21 14 2 -1. - <_> - 4 21 7 2 2. - <_> - - <_> - 0 21 16 2 -1. - <_> - 8 21 8 2 2. - <_> - - <_> - 8 7 4 14 -1. - <_> - 9 7 2 14 2. - <_> - - <_> - 1 0 16 12 -1. - <_> - 5 0 8 12 2. - <_> - - <_> - 3 17 16 5 -1. - <_> - 7 17 8 5 2. - <_> - - <_> - 0 13 6 5 -1. - <_> - 3 13 3 5 2. - <_> - - <_> - 13 12 6 6 -1. - <_> - 13 12 3 6 2. - <_> - - <_> - 0 12 6 6 -1. - <_> - 3 12 3 6 2. - <_> - - <_> - 8 7 4 14 -1. - <_> - 9 7 2 14 2. - <_> - - <_> - 7 3 4 20 -1. - <_> - 7 13 4 10 2. - <_> - - <_> - 8 6 4 15 -1. - <_> - 9 6 2 15 2. - <_> - - <_> - 7 6 4 15 -1. - <_> - 8 6 2 15 2. - <_> - - <_> - 13 11 6 12 -1. - <_> - 16 11 3 6 2. - <_> - 13 17 3 6 2. - <_> - - <_> - 0 11 6 12 -1. - <_> - 0 11 3 6 2. - <_> - 3 17 3 6 2. - <_> - - <_> - 11 2 2 14 -1. - <_> - 11 2 1 14 2. - <_> - - <_> - 6 2 2 14 -1. - <_> - 7 2 1 14 2. - <_> - - <_> - 11 5 3 14 -1. - <_> - 12 5 1 14 3. - <_> - - <_> - 2 4 15 10 -1. - <_> - 7 4 5 10 3. - <_> - - <_> - 4 0 11 22 -1. - <_> - 4 11 11 11 2. - <_> - - <_> - 0 19 14 4 -1. - <_> - 0 19 7 2 2. - <_> - 7 21 7 2 2. - <_> - - <_> - 8 0 4 7 -1. - <_> - 8 0 2 7 2. - <_> - - <_> - 7 0 4 15 -1. - <_> - 8 0 2 15 2. - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 12 9 2 14 -1. - <_> - 12 9 1 14 2. - <_> - - <_> - 5 9 2 14 -1. - <_> - 6 9 1 14 2. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 5 0 3 17 -1. - <_> - 6 0 1 17 3. - <_> - - <_> - 4 20 12 3 -1. - <_> - 4 20 6 3 2. - <_> - - <_> - 5 2 3 14 -1. - <_> - 6 2 1 14 3. - <_> - - <_> - 2 3 15 18 -1. - <_> - 7 3 5 18 3. - <_> - - <_> - 7 1 4 7 -1. - <_> - 9 1 2 7 2. - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 7 0 4 7 -1. - <_> - 9 0 2 7 2. - <_> - - <_> - 5 3 12 19 -1. - <_> - 8 3 6 19 2. - <_> - - <_> - 2 3 12 19 -1. - <_> - 5 3 6 19 2. - <_> - - <_> - 13 8 2 14 -1. - <_> - 13 8 1 14 2. - <_> - - <_> - 1 16 12 6 -1. - <_> - 1 18 12 2 3. - <_> - - <_> - 13 8 2 14 -1. - <_> - 13 8 1 14 2. - <_> - - <_> - 4 8 2 14 -1. - <_> - 5 8 1 14 2. - <_> - - <_> - 9 0 10 4 -1. - <_> - 9 0 5 4 2. - <_> - - <_> - 6 1 7 22 -1. - <_> - 6 12 7 11 2. - <_> - - <_> - 7 17 10 6 -1. - <_> - 12 17 5 3 2. - <_> - 7 20 5 3 2. - <_> - - <_> - 6 6 6 5 -1. - <_> - 9 6 3 5 2. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 1 0 15 8 -1. - <_> - 1 4 15 4 2. - <_> - - <_> - 2 0 16 6 -1. - <_> - 6 0 8 6 2. - <_> - - <_> - 2 20 10 3 -1. - <_> - 7 20 5 3 2. - <_> - - <_> - 9 19 10 3 -1. - <_> - 9 19 5 3 2. - <_> - - <_> - 3 18 6 5 -1. - <_> - 6 18 3 5 2. - <_> - - <_> - 9 0 6 9 -1. - <_> - 11 0 2 9 3. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 10 9 4 14 -1. - <_> - 12 9 2 7 2. - <_> - 10 16 2 7 2. - <_> - - <_> - 2 11 4 7 -1. - <_> - 4 11 2 7 2. - <_> - - <_> - 12 13 4 9 -1. - <_> - 12 13 2 9 2. - <_> - - <_> - 3 13 4 9 -1. - <_> - 5 13 2 9 2. - <_> - - <_> - 9 13 10 6 -1. - <_> - 14 13 5 3 2. - <_> - 9 16 5 3 2. - <_> - - <_> - 2 10 15 10 -1. - <_> - 7 10 5 10 3. - <_> - - <_> - 10 9 4 14 -1. - <_> - 12 9 2 7 2. - <_> - 10 16 2 7 2. - <_> - - <_> - 5 9 4 14 -1. - <_> - 5 9 2 7 2. - <_> - 7 16 2 7 2. - <_> - - <_> - 12 16 4 7 -1. - <_> - 12 16 2 7 2. - <_> - - <_> - 3 16 4 7 -1. - <_> - 5 16 2 7 2. - <_> - - <_> - 8 17 7 6 -1. - <_> - 8 19 7 2 3. - <_> - - <_> - 0 20 15 3 -1. - <_> - 5 20 5 3 3. - <_> - - <_> - 9 15 6 8 -1. - <_> - 9 19 6 4 2. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 9 0 10 3 -1. - <_> - 9 0 5 3 2. - <_> - - <_> - 0 0 10 3 -1. - <_> - 5 0 5 3 2. - <_> - - <_> - 10 4 4 10 -1. - <_> - 10 4 2 10 2. - 1 - <_> - - <_> - 9 4 10 4 -1. - <_> - 9 4 10 2 2. - 1 - <_> - - <_> - 6 4 12 12 -1. - <_> - 10 8 4 4 9. - <_> - - <_> - 1 4 12 12 -1. - <_> - 5 8 4 4 9. - <_> - - <_> - 5 6 9 8 -1. - <_> - 5 8 9 4 2. - <_> - - <_> - 2 1 15 21 -1. - <_> - 7 8 5 7 9. - <_> - - <_> - 1 16 9 7 -1. - <_> - 4 16 3 7 3. - <_> - - <_> - 4 5 12 18 -1. - <_> - 10 5 6 9 2. - <_> - 4 14 6 9 2. - <_> - - <_> - 1 20 15 3 -1. - <_> - 6 20 5 3 3. - <_> - - <_> - 3 4 16 13 -1. - <_> - 7 4 8 13 2. - <_> - - <_> - 9 3 10 8 -1. - <_> - 9 3 5 8 2. - 1 - <_> - - <_> - 11 19 8 4 -1. - <_> - 11 19 4 4 2. - <_> - - <_> - 0 19 8 4 -1. - <_> - 4 19 4 4 2. - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 6 0 6 22 -1. - <_> - 6 0 3 11 2. - <_> - 9 11 3 11 2. - <_> - - <_> - 8 7 3 14 -1. - <_> - 9 7 1 14 3. - <_> - - <_> - 5 8 2 14 -1. - <_> - 6 8 1 14 2. - <_> - - <_> - 13 11 3 10 -1. - <_> - 13 16 3 5 2. - <_> - - <_> - 1 0 16 5 -1. - <_> - 5 0 8 5 2. - <_> - - <_> - 9 0 10 7 -1. - <_> - 9 0 5 7 2. - <_> - - <_> - 0 0 18 23 -1. - <_> - 9 0 9 23 2. - <_> - - <_> - 5 8 12 15 -1. - <_> - 9 13 4 5 9. - <_> - - <_> - 3 0 6 7 -1. - <_> - 5 0 2 7 3. - <_> - - <_> - 5 8 12 15 -1. - <_> - 9 13 4 5 9. - <_> - - <_> - 5 2 4 13 -1. - <_> - 7 2 2 13 2. - <_> - - <_> - 3 11 14 2 -1. - <_> - 3 11 7 2 2. - <_> - - <_> - 2 12 15 7 -1. - <_> - 7 12 5 7 3. - <_> - - <_> - 5 8 12 15 -1. - <_> - 9 13 4 5 9. - <_> - - <_> - 0 14 15 9 -1. - <_> - 5 14 5 9 3. - <_> - - <_> - 6 15 12 8 -1. - <_> - 9 15 6 8 2. - <_> - - <_> - 1 15 12 8 -1. - <_> - 4 15 6 8 2. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 4 5 4 14 -1. - <_> - 5 5 2 14 2. - <_> - - <_> - 11 5 3 14 -1. - <_> - 12 5 1 14 3. - <_> - - <_> - 1 10 6 9 -1. - <_> - 3 10 2 9 3. - <_> - - <_> - 2 8 16 10 -1. - <_> - 6 8 8 10 2. - <_> - - <_> - 6 17 6 6 -1. - <_> - 6 20 6 3 2. - <_> - - <_> - 1 10 18 10 -1. - <_> - 10 10 9 5 2. - <_> - 1 15 9 5 2. - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 2 7 2 2. - <_> - - <_> - 0 6 19 3 -1. - <_> - 0 7 19 1 3. - <_> - - <_> - 9 11 6 6 -1. - <_> - 9 11 3 6 2. - 1 - <_> - - <_> - 7 0 9 5 -1. - <_> - 10 0 3 5 3. - <_> - - <_> - 0 3 9 4 -1. - <_> - 0 5 9 2 2. - <_> - - <_> - 1 18 17 2 -1. - <_> - 1 19 17 1 2. - <_> - - <_> - 7 3 4 8 -1. - <_> - 9 3 2 8 2. - <_> - - <_> - 9 9 2 14 -1. - <_> - 9 9 1 14 2. - <_> - - <_> - 8 8 3 14 -1. - <_> - 9 8 1 14 3. - <_> - - <_> - 10 1 9 4 -1. - <_> - 10 3 9 2 2. - <_> - - <_> - 0 12 10 3 -1. - <_> - 5 12 5 3 2. - <_> - - <_> - 8 6 4 12 -1. - <_> - 8 12 4 6 2. - <_> - - <_> - 3 12 4 7 -1. - <_> - 5 12 2 7 2. - <_> - - <_> - 6 17 12 6 -1. - <_> - 12 17 6 3 2. - <_> - 6 20 6 3 2. - <_> - - <_> - 0 16 18 6 -1. - <_> - 9 16 9 6 2. - <_> - - <_> - 12 0 4 14 -1. - <_> - 14 0 2 7 2. - <_> - 12 7 2 7 2. - <_> - - <_> - 1 21 14 2 -1. - <_> - 8 21 7 2 2. - <_> - - <_> - 9 19 8 4 -1. - <_> - 9 19 4 4 2. - <_> - - <_> - 1 0 12 4 -1. - <_> - 5 0 4 4 3. - <_> - - <_> - 10 1 8 5 -1. - <_> - 10 1 4 5 2. - <_> - - <_> - 0 13 6 10 -1. - <_> - 2 13 2 10 3. - <_> - - <_> - 8 9 3 14 -1. - <_> - 9 9 1 14 3. - <_> - - <_> - 9 7 10 2 -1. - <_> - 9 7 10 1 2. - 1 - <_> - - <_> - 2 16 15 3 -1. - <_> - 7 16 5 3 3. - <_> - - <_> - 5 1 8 17 -1. - <_> - 9 1 4 17 2. - <_> - - <_> - 9 19 8 4 -1. - <_> - 9 19 4 4 2. - <_> - - <_> - 2 19 8 4 -1. - <_> - 6 19 4 4 2. - <_> - - <_> - 10 0 8 7 -1. - <_> - 10 0 4 7 2. - <_> - - <_> - 1 0 8 7 -1. - <_> - 5 0 4 7 2. - <_> - - <_> - 12 16 7 4 -1. - <_> - 12 18 7 2 2. - <_> - - <_> - 7 0 4 14 -1. - <_> - 9 0 2 14 2. - <_> - - <_> - 2 18 15 3 -1. - <_> - 2 19 15 1 3. - <_> - - <_> - 7 1 4 7 -1. - <_> - 9 1 2 7 2. - <_> - - <_> - 11 5 3 15 -1. - <_> - 12 5 1 15 3. - <_> - - <_> - 0 10 6 10 -1. - <_> - 0 10 3 5 2. - <_> - 3 15 3 5 2. - <_> - - <_> - 11 5 3 15 -1. - <_> - 12 5 1 15 3. - <_> - - <_> - 5 5 3 15 -1. - <_> - 6 5 1 15 3. - <_> - - <_> - 6 5 12 12 -1. - <_> - 6 5 6 12 2. - <_> - - <_> - 1 4 12 16 -1. - <_> - 7 4 6 16 2. - <_> - - <_> - 11 4 6 7 -1. - <_> - 13 4 2 7 3. - <_> - - <_> - 1 7 4 16 -1. - <_> - 1 7 2 8 2. - <_> - 3 15 2 8 2. - <_> - - <_> - 11 1 2 22 -1. - <_> - 11 12 2 11 2. - <_> - - <_> - 1 18 14 3 -1. - <_> - 1 19 14 1 3. - <_> - - <_> - 7 18 12 5 -1. - <_> - 11 18 4 5 3. - <_> - - <_> - 1 0 16 19 -1. - <_> - 5 0 8 19 2. - <_> - - <_> - 6 17 12 6 -1. - <_> - 9 17 6 6 2. - <_> - - <_> - 7 11 8 4 -1. - <_> - 7 11 4 4 2. - 1 - <_> - - <_> - 10 9 3 14 -1. - <_> - 11 9 1 14 3. - <_> - - <_> - 2 11 15 8 -1. - <_> - 7 11 5 8 3. - <_> - - <_> - 11 6 7 8 -1. - <_> - 11 6 7 4 2. - 1 - <_> - - <_> - 8 6 8 7 -1. - <_> - 8 6 4 7 2. - 1 - <_> - - <_> - 10 9 3 14 -1. - <_> - 11 9 1 14 3. - <_> - - <_> - 6 9 3 14 -1. - <_> - 7 9 1 14 3. - <_> - - <_> - 7 0 6 12 -1. - <_> - 7 0 3 12 2. - <_> - - <_> - 5 2 3 16 -1. - <_> - 6 2 1 16 3. - <_> - - <_> - 1 4 15 7 -1. - <_> - 6 4 5 7 3. - <_> - - <_> - 12 13 4 8 -1. - <_> - 12 17 4 4 2. - <_> - - <_> - 2 11 12 12 -1. - <_> - 6 15 4 4 9. - <_> - - <_> - 12 15 5 6 -1. - <_> - 12 18 5 3 2. - <_> - - <_> - 0 0 19 16 -1. - <_> - 0 8 19 8 2. - <_> - - <_> - 4 20 15 3 -1. - <_> - 9 20 5 3 3. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 4 4 2. - 1 - <_> - - <_> - 5 15 12 6 -1. - <_> - 11 15 6 3 2. - <_> - 5 18 6 3 2. - <_> - - <_> - 2 15 12 6 -1. - <_> - 2 15 6 3 2. - <_> - 8 18 6 3 2. - <_> - - <_> - 8 0 9 5 -1. - <_> - 11 0 3 5 3. - <_> - - <_> - 0 19 14 4 -1. - <_> - 0 19 7 2 2. - <_> - 7 21 7 2 2. - <_> - - <_> - 1 14 18 7 -1. - <_> - 1 14 9 7 2. - <_> - - <_> - 5 1 8 8 -1. - <_> - 5 1 4 4 2. - <_> - 9 5 4 4 2. - <_> - - <_> - 9 6 6 12 -1. - <_> - 9 6 3 12 2. - <_> - - <_> - 2 0 14 4 -1. - <_> - 9 0 7 4 2. - <_> - - <_> - 4 20 15 3 -1. - <_> - 9 20 5 3 3. - <_> - - <_> - 0 20 15 3 -1. - <_> - 5 20 5 3 3. - <_> - - <_> - 2 6 16 9 -1. - <_> - 6 6 8 9 2. - <_> - - <_> - 4 6 6 12 -1. - <_> - 7 6 3 12 2. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 4 7 4 9 -1. - <_> - 6 7 2 9 2. - <_> - - <_> - 13 6 2 16 -1. - <_> - 13 6 1 16 2. - <_> - - <_> - 1 5 12 9 -1. - <_> - 7 5 6 9 2. - <_> - - <_> - 13 6 2 16 -1. - <_> - 13 6 1 16 2. - <_> - - <_> - 4 6 2 16 -1. - <_> - 5 6 1 16 2. - <_> - - <_> - 12 0 3 15 -1. - <_> - 13 0 1 15 3. - <_> - - <_> - 4 0 3 15 -1. - <_> - 5 0 1 15 3. - <_> - - <_> - 6 2 8 8 -1. - <_> - 8 2 4 8 2. - <_> - - <_> - 6 0 6 5 -1. - <_> - 9 0 3 5 2. - <_> - - <_> - 4 7 11 16 -1. - <_> - 4 11 11 8 2. - <_> - - <_> - 7 8 5 8 -1. - <_> - 7 12 5 4 2. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 1 18 17 3 -1. - <_> - 1 19 17 1 3. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 1 21 14 2 -1. - <_> - 8 21 7 2 2. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 2 16 5 6 -1. - <_> - 2 19 5 3 2. - <_> - - <_> - 13 11 5 12 -1. - <_> - 13 15 5 4 3. - <_> - - <_> - 1 9 16 3 -1. - <_> - 1 10 16 1 3. - <_> - - <_> - 7 6 5 9 -1. - <_> - 7 9 5 3 3. - <_> - - <_> - 6 0 7 14 -1. - <_> - 6 7 7 7 2. - <_> - - <_> - 11 16 6 7 -1. - <_> - 13 16 2 7 3. - <_> - - <_> - 1 4 3 15 -1. - <_> - 2 4 1 15 3. - <_> - - <_> - 10 0 8 8 -1. - <_> - 14 0 4 4 2. - <_> - 10 4 4 4 2. - <_> - - <_> - 1 9 3 14 -1. - <_> - 2 9 1 14 3. - <_> - - <_> - 13 13 5 9 -1. - <_> - 13 16 5 3 3. - <_> - - <_> - 1 13 5 9 -1. - <_> - 1 16 5 3 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 4 14 9 6 -1. - <_> - 4 17 9 3 2. - <_> - - <_> - 2 13 10 3 -1. - <_> - 7 13 5 3 2. - <_> - - <_> - 9 0 10 5 -1. - <_> - 9 0 5 5 2. - <_> - - <_> - 1 8 2 15 -1. - <_> - 2 8 1 15 2. - <_> - - <_> - 13 0 6 18 -1. - <_> - 15 0 2 18 3. - <_> - - <_> - 0 21 14 2 -1. - <_> - 7 21 7 2 2. - <_> - - <_> - 9 19 8 4 -1. - <_> - 9 19 4 4 2. - <_> - - <_> - 1 21 16 2 -1. - <_> - 9 21 8 2 2. - <_> - - <_> - 2 0 16 4 -1. - <_> - 6 0 8 4 2. - <_> - - <_> - 3 0 9 5 -1. - <_> - 6 0 3 5 3. - <_> - - <_> - 10 5 8 10 -1. - <_> - 10 5 8 5 2. - 1 - <_> - - <_> - 0 1 18 8 -1. - <_> - 0 5 18 4 2. - <_> - - <_> - 10 5 8 10 -1. - <_> - 10 5 8 5 2. - 1 - <_> - - <_> - 4 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 2 16 6 7 -1. - <_> - 4 16 2 7 3. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 2 2 15 12 -1. - <_> - 7 6 5 4 9. - <_> - - <_> - 5 10 4 9 -1. - <_> - 7 10 2 9 2. - <_> - - <_> - 10 7 8 7 -1. - <_> - 12 9 4 7 2. - 1 - <_> - - <_> - 0 1 18 18 -1. - <_> - 0 1 9 9 2. - <_> - 9 10 9 9 2. - <_> - - <_> - 11 7 8 6 -1. - <_> - 9 9 8 2 3. - 1 - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 11 7 8 6 -1. - <_> - 9 9 8 2 3. - 1 - <_> - - <_> - 1 0 8 4 -1. - <_> - 5 0 4 4 2. - <_> - - <_> - 11 7 8 6 -1. - <_> - 9 9 8 2 3. - 1 - <_> - - <_> - 8 7 6 8 -1. - <_> - 10 9 2 8 3. - 1 - <_> - - <_> - 13 0 6 19 -1. - <_> - 15 0 2 19 3. - <_> - - <_> - 0 0 6 19 -1. - <_> - 2 0 2 19 3. - <_> - - <_> - 13 8 2 14 -1. - <_> - 13 8 1 14 2. - <_> - - <_> - 0 4 16 3 -1. - <_> - 0 5 16 1 3. - <_> - - <_> - 8 8 4 10 -1. - <_> - 8 13 4 5 2. - <_> - - <_> - 3 17 10 6 -1. - <_> - 3 17 5 3 2. - <_> - 8 20 5 3 2. - <_> - - <_> - 13 8 2 14 -1. - <_> - 13 8 1 14 2. - <_> - - <_> - 1 7 16 5 -1. - <_> - 5 7 8 5 2. - <_> - - <_> - 15 5 4 9 -1. - <_> - 15 5 2 9 2. - 1 - <_> - - <_> - 6 0 3 14 -1. - <_> - 7 0 1 14 3. - <_> - - <_> - 6 4 12 12 -1. - <_> - 10 8 4 4 9. - <_> - - <_> - 7 3 4 9 -1. - <_> - 9 3 2 9 2. - <_> - - <_> - 10 4 7 8 -1. - <_> - 10 6 7 4 2. - <_> - - <_> - 2 4 7 8 -1. - <_> - 2 6 7 4 2. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 4 9 2 14 -1. - <_> - 5 9 1 14 2. - <_> - - <_> - 12 15 7 8 -1. - <_> - 12 17 7 4 2. - <_> - - <_> - 6 0 7 20 -1. - <_> - 6 5 7 10 2. - <_> - - <_> - 2 1 16 4 -1. - <_> - 10 1 8 2 2. - <_> - 2 3 8 2 2. - <_> - - <_> - 4 7 3 10 -1. - <_> - 4 12 3 5 2. - <_> - - <_> - 10 6 8 8 -1. - <_> - 12 8 4 8 2. - 1 - <_> - - <_> - 3 10 12 8 -1. - <_> - 3 10 6 4 2. - <_> - 9 14 6 4 2. - <_> - - <_> - 8 4 4 10 -1. - <_> - 8 9 4 5 2. - <_> - - <_> - 7 7 5 9 -1. - <_> - 7 10 5 3 3. - <_> - - <_> - 1 4 17 3 -1. - <_> - 1 5 17 1 3. - <_> - - <_> - 2 3 14 3 -1. - <_> - 2 4 14 1 3. - <_> - - <_> - 2 7 14 2 -1. - <_> - 2 7 7 2 2. - 1 - <_> - - <_> - 10 19 8 4 -1. - <_> - 10 19 4 4 2. - <_> - - <_> - 5 0 5 22 -1. - <_> - 5 11 5 11 2. - <_> - - <_> - 10 19 8 4 -1. - <_> - 10 19 4 4 2. - <_> - - <_> - 1 19 8 4 -1. - <_> - 5 19 4 4 2. - <_> - - <_> - 8 12 4 9 -1. - <_> - 8 12 2 9 2. - <_> - - <_> - 1 16 9 5 -1. - <_> - 4 16 3 5 3. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 3 8 10 14 -1. - <_> - 8 8 5 14 2. - <_> - - <_> - 10 5 7 6 -1. - <_> - 10 5 7 3 2. - 1 - <_> - - <_> - 9 5 6 7 -1. - <_> - 9 5 3 7 2. - 1 - <_> - - <_> - 10 4 9 10 -1. - <_> - 10 4 9 5 2. - 1 - <_> - - <_> - 9 4 10 9 -1. - <_> - 9 4 5 9 2. - 1 - <_> - - <_> - 12 15 7 8 -1. - <_> - 12 17 7 4 2. - <_> - - <_> - 0 15 7 8 -1. - <_> - 0 17 7 4 2. - <_> - - <_> - 0 16 19 4 -1. - <_> - 0 17 19 2 2. - <_> - - <_> - 4 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 9 8 4 15 -1. - <_> - 10 8 2 15 2. - <_> - - <_> - 4 7 4 14 -1. - <_> - 4 7 2 7 2. - <_> - 6 14 2 7 2. - <_> - - <_> - 12 8 2 15 -1. - <_> - 12 8 1 15 2. - <_> - - <_> - 5 8 2 15 -1. - <_> - 6 8 1 15 2. - <_> - - <_> - 8 12 4 11 -1. - <_> - 8 12 2 11 2. - <_> - - <_> - 7 12 4 11 -1. - <_> - 9 12 2 11 2. - <_> - - <_> - 10 4 3 10 -1. - <_> - 10 4 3 5 2. - 1 - <_> - - <_> - 3 16 4 7 -1. - <_> - 5 16 2 7 2. - <_> - - <_> - 3 17 16 3 -1. - <_> - 3 18 16 1 3. - <_> - - <_> - 0 12 4 10 -1. - <_> - 2 12 2 10 2. - <_> - - <_> - 7 14 12 6 -1. - <_> - 10 14 6 6 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 3 14 6 6 2. - <_> - - <_> - 7 0 12 4 -1. - <_> - 11 0 4 4 3. - <_> - - <_> - 7 0 4 10 -1. - <_> - 9 0 2 10 2. - <_> - - <_> - 9 0 10 3 -1. - <_> - 9 0 5 3 2. - <_> - - <_> - 0 0 10 3 -1. - <_> - 5 0 5 3 2. - <_> - - <_> - 6 5 8 8 -1. - <_> - 10 5 4 4 2. - <_> - 6 9 4 4 2. - <_> - - <_> - 4 6 2 14 -1. - <_> - 5 6 1 14 2. - <_> - - <_> - 10 8 6 10 -1. - <_> - 12 8 2 10 3. - <_> - - <_> - 3 8 6 10 -1. - <_> - 5 8 2 10 3. - <_> - - <_> - 5 15 12 6 -1. - <_> - 9 15 4 6 3. - <_> - - <_> - 2 15 12 6 -1. - <_> - 6 15 4 6 3. - <_> - - <_> - 8 5 5 8 -1. - <_> - 8 9 5 4 2. - <_> - - <_> - 0 2 14 4 -1. - <_> - 7 2 7 4 2. - <_> - - <_> - 7 1 6 7 -1. - <_> - 9 1 2 7 3. - <_> - - <_> - 6 2 4 17 -1. - <_> - 7 2 2 17 2. - <_> - - <_> - 8 1 9 15 -1. - <_> - 11 6 3 5 9. - <_> - - <_> - 0 0 12 4 -1. - <_> - 4 0 4 4 3. - <_> - - <_> - 11 1 8 8 -1. - <_> - 11 5 8 4 2. - <_> - - <_> - 0 1 8 8 -1. - <_> - 0 5 8 4 2. - <_> - - <_> - 10 8 3 14 -1. - <_> - 11 8 1 14 3. - <_> - - <_> - 9 4 10 3 -1. - <_> - 9 4 5 3 2. - 1 - <_> - - <_> - 11 8 2 11 -1. - <_> - 11 8 1 11 2. - 1 - <_> - - <_> - 3 13 4 8 -1. - <_> - 3 17 4 4 2. - <_> - - <_> - 10 11 8 12 -1. - <_> - 10 17 8 6 2. - <_> - - <_> - 6 8 3 14 -1. - <_> - 7 8 1 14 3. - <_> - - <_> - 10 9 2 10 -1. - <_> - 10 9 1 10 2. - 1 - <_> - - <_> - 8 11 6 6 -1. - <_> - 8 11 3 6 2. - 1 - <_> - - <_> - 1 6 16 4 -1. - <_> - 5 6 8 4 2. - <_> - - <_> - 12 0 2 14 -1. - <_> - 12 7 2 7 2. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 11 7 2 11 -1. - <_> - 11 7 1 11 2. - 1 - <_> - - <_> - 8 7 11 2 -1. - <_> - 8 7 11 1 2. - 1 - <_> - - <_> - 7 0 6 5 -1. - <_> - 7 0 3 5 2. - <_> - - <_> - 5 0 9 5 -1. - <_> - 8 0 3 5 3. - <_> - - <_> - 7 17 10 6 -1. - <_> - 12 17 5 3 2. - <_> - 7 20 5 3 2. - <_> - - <_> - 7 6 4 15 -1. - <_> - 8 6 2 15 2. - <_> - - <_> - 5 11 10 3 -1. - <_> - 5 11 5 3 2. - <_> - - <_> - 8 7 3 14 -1. - <_> - 9 7 1 14 3. - <_> - - <_> - 10 8 2 10 -1. - <_> - 10 8 1 10 2. - 1 - <_> - - <_> - 3 3 9 18 -1. - <_> - 6 9 3 6 9. - <_> - - <_> - 8 0 10 12 -1. - <_> - 13 0 5 6 2. - <_> - 8 6 5 6 2. - <_> - - <_> - 1 12 12 11 -1. - <_> - 4 12 6 11 2. - <_> - - <_> - 2 4 15 9 -1. - <_> - 7 7 5 3 9. - <_> - - <_> - 3 7 10 10 -1. - <_> - 8 7 5 10 2. - <_> - - <_> - 10 8 2 10 -1. - <_> - 10 8 1 10 2. - 1 - <_> - - <_> - 2 18 6 5 -1. - <_> - 5 18 3 5 2. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 5 0 4 14 -1. - <_> - 5 0 2 7 2. - <_> - 7 7 2 7 2. - <_> - - <_> - 8 0 10 12 -1. - <_> - 13 0 5 6 2. - <_> - 8 6 5 6 2. - <_> - - <_> - 2 0 8 18 -1. - <_> - 2 0 4 9 2. - <_> - 6 9 4 9 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 9 9 9 2 -1. - <_> - 9 9 9 1 2. - 1 - <_> - - <_> - 15 7 3 10 -1. - <_> - 15 12 3 5 2. - <_> - - <_> - 1 7 3 10 -1. - <_> - 1 12 3 5 2. - <_> - - <_> - 15 6 4 7 -1. - <_> - 15 6 2 7 2. - <_> - - <_> - 4 15 6 7 -1. - <_> - 6 15 2 7 3. - <_> - - <_> - 2 2 16 20 -1. - <_> - 10 2 8 10 2. - <_> - 2 12 8 10 2. - <_> - - <_> - 4 17 7 6 -1. - <_> - 4 19 7 2 3. - <_> - - <_> - 3 15 15 6 -1. - <_> - 3 18 15 3 2. - <_> - - <_> - 0 18 14 3 -1. - <_> - 0 19 14 1 3. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 2 0 4 18 -1. - <_> - 2 0 2 9 2. - <_> - 4 9 2 9 2. - <_> - - <_> - 10 2 6 8 -1. - <_> - 10 6 6 4 2. - <_> - - <_> - 5 2 8 8 -1. - <_> - 5 2 4 4 2. - <_> - 9 6 4 4 2. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 1 0 8 4 -1. - <_> - 5 0 4 4 2. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 9 9 8 2 -1. - <_> - 9 9 8 1 2. - 1 - <_> - - <_> - 4 7 15 9 -1. - <_> - 9 7 5 9 3. - <_> - - <_> - 8 8 3 14 -1. - <_> - 9 8 1 14 3. - <_> - - <_> - 6 6 12 16 -1. - <_> - 9 6 6 16 2. - <_> - - <_> - 1 6 12 16 -1. - <_> - 4 6 6 16 2. - <_> - - <_> - 10 6 4 7 -1. - <_> - 10 6 2 7 2. - <_> - - <_> - 2 15 5 6 -1. - <_> - 2 18 5 3 2. - <_> - - <_> - 7 19 12 4 -1. - <_> - 11 19 4 4 3. - <_> - - <_> - 0 19 12 4 -1. - <_> - 4 19 4 4 3. - <_> - - <_> - 10 9 4 7 -1. - <_> - 10 9 2 7 2. - <_> - - <_> - 5 9 4 9 -1. - <_> - 7 9 2 9 2. - <_> - - <_> - 5 3 4 17 -1. - <_> - 7 3 2 17 2. - <_> - - <_> - 3 21 14 2 -1. - <_> - 3 21 7 2 2. - <_> - - <_> - 0 19 12 3 -1. - <_> - 6 19 6 3 2. - <_> - - <_> - 9 0 3 22 -1. - <_> - 9 11 3 11 2. - <_> - - <_> - 5 9 2 14 -1. - <_> - 6 9 1 14 2. - <_> - - <_> - 7 7 6 16 -1. - <_> - 7 11 6 8 2. - <_> - - <_> - 1 12 4 8 -1. - <_> - 1 16 4 4 2. - <_> - - <_> - 2 12 15 3 -1. - <_> - 7 12 5 3 3. - <_> - - <_> - 1 17 12 6 -1. - <_> - 1 17 6 3 2. - <_> - 7 20 6 3 2. - <_> - - <_> - 8 0 4 9 -1. - <_> - 8 0 2 9 2. - <_> - - <_> - 7 0 4 9 -1. - <_> - 9 0 2 9 2. - <_> - - <_> - 7 1 5 20 -1. - <_> - 7 6 5 10 2. - <_> - - <_> - 1 7 6 16 -1. - <_> - 3 7 2 16 3. - <_> - - <_> - 8 7 4 10 -1. - <_> - 8 12 4 5 2. - <_> - - <_> - 1 3 12 12 -1. - <_> - 5 7 4 4 9. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 2 6 6 10 -1. - <_> - 2 6 3 5 2. - <_> - 5 11 3 5 2. - <_> - - <_> - 8 6 4 14 -1. - <_> - 9 6 2 14 2. - <_> - - <_> - 0 10 18 12 -1. - <_> - 0 10 9 6 2. - <_> - 9 16 9 6 2. - <_> - - <_> - 8 6 4 14 -1. - <_> - 9 6 2 14 2. - <_> - - <_> - 7 6 4 14 -1. - <_> - 8 6 2 14 2. - <_> - - <_> - 1 15 18 6 -1. - <_> - 1 15 9 6 2. - <_> - - <_> - 1 17 6 5 -1. - <_> - 4 17 3 5 2. - <_> - - <_> - 6 17 12 6 -1. - <_> - 9 17 6 6 2. - <_> - - <_> - 1 15 12 8 -1. - <_> - 4 15 6 8 2. - <_> - - <_> - 0 7 19 3 -1. - <_> - 0 8 19 1 3. - <_> - - <_> - 1 8 16 3 -1. - <_> - 1 9 16 1 3. - <_> - - <_> - 6 6 7 6 -1. - <_> - 6 8 7 2 3. - <_> - - <_> - 4 7 10 14 -1. - <_> - 4 7 5 7 2. - <_> - 9 14 5 7 2. - <_> - - <_> - 5 0 12 10 -1. - <_> - 5 0 6 10 2. - <_> - - <_> - 2 0 15 13 -1. - <_> - 7 0 5 13 3. - <_> - - <_> - 5 6 12 6 -1. - <_> - 8 6 6 6 2. - <_> - - <_> - 2 16 6 7 -1. - <_> - 4 16 2 7 3. - <_> - - <_> - 10 4 8 8 -1. - <_> - 12 6 4 8 2. - 1 - <_> - - <_> - 9 5 7 6 -1. - <_> - 7 7 7 2 3. - 1 - <_> - - <_> - 1 7 18 3 -1. - <_> - 1 8 18 1 3. - <_> - - <_> - 5 4 9 11 -1. - <_> - 8 4 3 11 3. - <_> - - <_> - 13 0 6 7 -1. - <_> - 15 0 2 7 3. - <_> - - <_> - 3 11 12 6 -1. - <_> - 3 11 6 3 2. - <_> - 9 14 6 3 2. - <_> - - <_> - 13 4 3 16 -1. - <_> - 14 4 1 16 3. - <_> - - <_> - 3 4 3 16 -1. - <_> - 4 4 1 16 3. - <_> - - <_> - 2 9 16 8 -1. - <_> - 10 9 8 4 2. - <_> - 2 13 8 4 2. - <_> - - <_> - 3 0 3 19 -1. - <_> - 4 0 1 19 3. - <_> - - <_> - 6 1 8 10 -1. - <_> - 8 1 4 10 2. - <_> - - <_> - 0 14 18 6 -1. - <_> - 6 14 6 6 3. - <_> - - <_> - 4 6 15 9 -1. - <_> - 9 9 5 3 9. - <_> - - <_> - 0 14 15 8 -1. - <_> - 5 14 5 8 3. - <_> - - <_> - 3 20 15 3 -1. - <_> - 8 20 5 3 3. - <_> - - <_> - 0 15 18 2 -1. - <_> - 0 16 18 1 2. - <_> - - <_> - 2 15 17 3 -1. - <_> - 2 16 17 1 3. - <_> - - <_> - 0 0 19 4 -1. - <_> - 0 2 19 2 2. - <_> - - <_> - 4 0 12 4 -1. - <_> - 4 2 12 2 2. - <_> - - <_> - 3 0 3 21 -1. - <_> - 4 0 1 21 3. - <_> - - <_> - 6 18 8 4 -1. - <_> - 6 20 8 2 2. - <_> - - <_> - 1 18 14 3 -1. - <_> - 1 19 14 1 3. - <_> - - <_> - 9 18 9 5 -1. - <_> - 12 18 3 5 3. - <_> - - <_> - 0 18 19 3 -1. - <_> - 0 19 19 1 3. - <_> - - <_> - 13 8 3 14 -1. - <_> - 14 8 1 14 3. - <_> - - <_> - 2 6 12 7 -1. - <_> - 5 6 6 7 2. - <_> - - <_> - 2 6 16 16 -1. - <_> - 6 6 8 16 2. - <_> - - <_> - 0 1 16 20 -1. - <_> - 4 1 8 20 2. - <_> - - <_> - 12 9 4 14 -1. - <_> - 14 9 2 7 2. - <_> - 12 16 2 7 2. - <_> - - <_> - 3 9 4 14 -1. - <_> - 3 9 2 7 2. - <_> - 5 16 2 7 2. - <_> - - <_> - 11 11 6 10 -1. - <_> - 14 11 3 5 2. - <_> - 11 16 3 5 2. - <_> - - <_> - 2 11 6 10 -1. - <_> - 2 11 3 5 2. - <_> - 5 16 3 5 2. - <_> - - <_> - 2 8 16 9 -1. - <_> - 6 8 8 9 2. - <_> - - <_> - 2 17 10 6 -1. - <_> - 2 17 5 3 2. - <_> - 7 20 5 3 2. - <_> - - <_> - 11 7 8 7 -1. - <_> - 13 9 4 7 2. - 1 - <_> - - <_> - 8 7 7 8 -1. - <_> - 6 9 7 4 2. - 1 - <_> - - <_> - 7 7 6 16 -1. - <_> - 7 11 6 8 2. - <_> - - <_> - 7 4 4 10 -1. - <_> - 7 9 4 5 2. - <_> - - <_> - 5 0 9 5 -1. - <_> - 8 0 3 5 3. - <_> - - <_> - 1 1 16 18 -1. - <_> - 5 1 8 18 2. - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 0 20 18 3 -1. - <_> - 6 20 6 3 3. - <_> - - <_> - 8 9 3 14 -1. - <_> - 9 9 1 14 3. - <_> - - <_> - 2 4 13 2 -1. - <_> - 2 4 13 1 2. - 1 - <_> - - <_> - 6 0 10 16 -1. - <_> - 11 0 5 8 2. - <_> - 6 8 5 8 2. - <_> - - <_> - 2 14 5 6 -1. - <_> - 2 17 5 3 2. - <_> - - <_> - 12 8 4 8 -1. - <_> - 12 12 4 4 2. - <_> - - <_> - 3 8 4 8 -1. - <_> - 3 12 4 4 2. - <_> - - <_> - 14 6 3 10 -1. - <_> - 14 11 3 5 2. - <_> - - <_> - 2 6 3 10 -1. - <_> - 2 11 3 5 2. - <_> - - <_> - 7 5 12 16 -1. - <_> - 7 9 12 8 2. - <_> - - <_> - 6 11 4 9 -1. - <_> - 8 11 2 9 2. - <_> - - <_> - 7 18 10 5 -1. - <_> - 7 18 5 5 2. - <_> - - <_> - 4 0 11 14 -1. - <_> - 4 7 11 7 2. - <_> - - <_> - 8 1 9 15 -1. - <_> - 11 6 3 5 9. - <_> - - <_> - 0 6 5 8 -1. - <_> - 0 10 5 4 2. - <_> - - <_> - 15 0 4 13 -1. - <_> - 15 0 2 13 2. - 1 - <_> - - <_> - 4 0 13 4 -1. - <_> - 4 0 13 2 2. - 1 - <_> - - <_> - 6 3 9 5 -1. - <_> - 9 3 3 5 3. - <_> - - <_> - 4 3 9 5 -1. - <_> - 7 3 3 5 3. - <_> - - <_> - 7 1 12 4 -1. - <_> - 7 1 6 4 2. - <_> - - <_> - 0 2 6 12 -1. - <_> - 0 8 6 6 2. - <_> - - <_> - 5 0 12 5 -1. - <_> - 5 0 6 5 2. - <_> - - <_> - 2 0 14 5 -1. - <_> - 9 0 7 5 2. - <_> - - <_> - 9 1 4 14 -1. - <_> - 10 1 2 14 2. - <_> - - <_> - 3 5 9 8 -1. - <_> - 3 7 9 4 2. - <_> - - <_> - 2 7 16 9 -1. - <_> - 6 7 8 9 2. - <_> - - <_> - 0 19 14 2 -1. - <_> - 7 19 7 2 2. - <_> - - <_> - 8 20 10 3 -1. - <_> - 8 20 5 3 2. - <_> - - <_> - 1 20 10 3 -1. - <_> - 6 20 5 3 2. - <_> - - <_> - 15 8 3 10 -1. - <_> - 16 9 1 10 3. - 1 - <_> - - <_> - 0 21 16 2 -1. - <_> - 8 21 8 2 2. - <_> - - <_> - 4 6 15 3 -1. - <_> - 4 7 15 1 3. - <_> - - <_> - 6 4 3 14 -1. - <_> - 7 4 1 14 3. - <_> - - <_> - 7 18 10 5 -1. - <_> - 7 18 5 5 2. - <_> - - <_> - 2 18 10 5 -1. - <_> - 7 18 5 5 2. - <_> - - <_> - 6 0 10 16 -1. - <_> - 11 0 5 8 2. - <_> - 6 8 5 8 2. - <_> - - <_> - 3 0 10 16 -1. - <_> - 3 0 5 8 2. - <_> - 8 8 5 8 2. - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 2 7 2 2. - <_> - - <_> - 0 2 19 3 -1. - <_> - 0 3 19 1 3. - <_> - - <_> - 7 0 12 4 -1. - <_> - 7 2 12 2 2. - <_> - - <_> - 0 2 15 3 -1. - <_> - 0 3 15 1 3. - <_> - - <_> - 1 5 18 3 -1. - <_> - 1 6 18 1 3. - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 5 0 10 10 -1. - <_> - 5 5 10 5 2. - <_> - - <_> - 5 1 9 4 -1. - <_> - 5 3 9 2 2. - <_> - - <_> - 5 2 12 6 -1. - <_> - 5 4 12 2 3. - <_> - - <_> - 1 15 9 6 -1. - <_> - 1 17 9 2 3. - <_> - - <_> - 5 13 14 9 -1. - <_> - 5 16 14 3 3. - <_> - - <_> - 8 12 8 3 -1. - <_> - 7 13 8 1 3. - 1 - <_> - - <_> - 12 8 2 15 -1. - <_> - 12 8 1 15 2. - <_> - - <_> - 5 8 2 15 -1. - <_> - 6 8 1 15 2. - <_> - - <_> - 11 5 3 14 -1. - <_> - 12 5 1 14 3. - <_> - - <_> - 5 8 2 14 -1. - <_> - 6 8 1 14 2. - <_> - - <_> - 11 6 3 14 -1. - <_> - 12 6 1 14 3. - <_> - - <_> - 0 0 8 22 -1. - <_> - 0 0 4 11 2. - <_> - 4 11 4 11 2. - <_> - - <_> - 13 10 4 8 -1. - <_> - 13 10 2 8 2. - <_> - - <_> - 1 13 16 7 -1. - <_> - 5 13 8 7 2. - <_> - - <_> - 13 10 4 8 -1. - <_> - 13 10 2 8 2. - <_> - - <_> - 2 10 4 8 -1. - <_> - 4 10 2 8 2. - <_> - - <_> - 5 7 10 6 -1. - <_> - 10 7 5 3 2. - <_> - 5 10 5 3 2. - <_> - - <_> - 0 19 8 4 -1. - <_> - 4 19 4 4 2. - <_> - - <_> - 3 15 15 3 -1. - <_> - 3 16 15 1 3. - <_> - - <_> - 7 2 4 16 -1. - <_> - 7 2 2 8 2. - <_> - 9 10 2 8 2. - <_> - - <_> - 8 6 4 12 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 7 6 4 12 -1. - <_> - 7 10 4 4 3. - <_> - - <_> - 3 15 14 2 -1. - <_> - 3 16 14 1 2. - <_> - - <_> - 0 15 17 8 -1. - <_> - 0 17 17 4 2. - <_> - - <_> - 10 3 9 10 -1. - <_> - 10 3 9 5 2. - 1 - <_> - - <_> - 7 8 4 10 -1. - <_> - 7 13 4 5 2. - <_> - - <_> - 7 8 7 15 -1. - <_> - 7 13 7 5 3. - <_> - - <_> - 1 0 16 20 -1. - <_> - 5 0 8 20 2. - <_> - - <_> - 9 18 9 5 -1. - <_> - 12 18 3 5 3. - <_> - - <_> - 1 18 9 5 -1. - <_> - 4 18 3 5 3. - <_> - - <_> - 8 7 8 12 -1. - <_> - 12 7 4 6 2. - <_> - 8 13 4 6 2. - <_> - - <_> - 2 9 4 13 -1. - <_> - 4 9 2 13 2. - <_> - - <_> - 12 14 7 4 -1. - <_> - 12 16 7 2 2. - <_> - - <_> - 0 6 18 3 -1. - <_> - 0 7 18 1 3. - <_> - - <_> - 1 16 18 7 -1. - <_> - 1 16 9 7 2. - <_> - - <_> - 0 18 15 5 -1. - <_> - 5 18 5 5 3. - <_> - - <_> - 10 5 4 8 -1. - <_> - 10 5 2 8 2. - <_> - - <_> - 5 5 4 8 -1. - <_> - 7 5 2 8 2. - <_> - - <_> - 7 0 6 5 -1. - <_> - 7 0 3 5 2. - <_> - - <_> - 6 2 2 15 -1. - <_> - 7 2 1 15 2. - <_> - - <_> - 4 0 12 4 -1. - <_> - 4 0 6 4 2. - <_> - - <_> - 5 0 2 14 -1. - <_> - 5 7 2 7 2. - <_> - - <_> - 5 16 14 4 -1. - <_> - 5 17 14 2 2. - <_> - - <_> - 2 9 2 14 -1. - <_> - 3 9 1 14 2. - <_> - - <_> - 12 0 4 7 -1. - <_> - 12 0 2 7 2. - <_> - - <_> - 3 0 4 7 -1. - <_> - 5 0 2 7 2. - <_> - - <_> - 8 0 9 15 -1. - <_> - 11 5 3 5 9. - <_> - - <_> - 2 0 9 15 -1. - <_> - 5 5 3 5 9. - <_> - - <_> - 16 5 2 16 -1. - <_> - 16 5 1 16 2. - 1 - <_> - - <_> - 3 5 16 2 -1. - <_> - 3 5 16 1 2. - 1 - <_> - - <_> - 9 11 6 9 -1. - <_> - 11 11 2 9 3. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 6 4 4 2. - 1 - <_> - - <_> - 10 0 8 8 -1. - <_> - 14 0 4 4 2. - <_> - 10 4 4 4 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 7 0 4 4 3. - <_> - - <_> - 9 11 6 9 -1. - <_> - 11 11 2 9 3. - <_> - - <_> - 3 10 4 10 -1. - <_> - 5 10 2 10 2. - <_> - - <_> - 11 12 6 5 -1. - <_> - 11 12 3 5 2. - <_> - - <_> - 4 11 6 9 -1. - <_> - 6 11 2 9 3. - <_> - - <_> - 12 12 7 4 -1. - <_> - 12 12 7 2 2. - 1 - <_> - - <_> - 1 0 8 8 -1. - <_> - 1 0 4 4 2. - <_> - 5 4 4 4 2. - <_> - - <_> - 10 4 9 10 -1. - <_> - 10 4 9 5 2. - 1 - <_> - - <_> - 1 1 12 8 -1. - <_> - 1 1 6 4 2. - <_> - 7 5 6 4 2. - <_> - - <_> - 2 14 16 2 -1. - <_> - 2 14 8 2 2. - <_> - - <_> - 7 3 4 14 -1. - <_> - 8 3 2 14 2. - <_> - - <_> - 7 1 6 7 -1. - <_> - 9 1 2 7 3. - <_> - - <_> - 3 10 4 12 -1. - <_> - 3 14 4 4 3. - <_> - - <_> - 8 4 6 7 -1. - <_> - 10 4 2 7 3. - <_> - - <_> - 5 4 6 7 -1. - <_> - 7 4 2 7 3. - <_> - - <_> - 5 7 14 8 -1. - <_> - 5 7 7 8 2. - <_> - - <_> - 2 12 6 5 -1. - <_> - 5 12 3 5 2. - <_> - - <_> - 12 9 4 7 -1. - <_> - 12 9 2 7 2. - <_> - - <_> - 3 9 4 7 -1. - <_> - 5 9 2 7 2. - <_> - - <_> - 13 2 4 12 -1. - <_> - 13 6 4 4 3. - <_> - - <_> - 2 2 4 12 -1. - <_> - 2 6 4 4 3. - <_> - - <_> - 2 2 16 8 -1. - <_> - 10 2 8 4 2. - <_> - 2 6 8 4 2. - <_> - - <_> - 2 2 15 9 -1. - <_> - 7 5 5 3 9. - <_> - - <_> - 8 7 3 12 -1. - <_> - 8 13 3 6 2. - <_> - - <_> - 2 0 3 15 -1. - <_> - 3 0 1 15 3. - <_> - - <_> - 1 8 16 4 -1. - <_> - 5 8 8 4 2. - <_> - - <_> - 6 0 8 8 -1. - <_> - 10 0 4 4 2. - <_> - 6 4 4 4 2. - <_> - - <_> - 8 9 2 14 -1. - <_> - 9 9 1 14 2. - <_> - - <_> - 8 5 3 10 -1. - <_> - 8 10 3 5 2. - <_> - - <_> - 8 9 3 14 -1. - <_> - 9 9 1 14 3. - <_> - - <_> - 6 7 12 16 -1. - <_> - 6 11 12 8 2. - <_> - - <_> - 4 0 3 16 -1. - <_> - 5 0 1 16 3. - <_> - - <_> - 13 9 4 11 -1. - <_> - 13 9 2 11 2. - <_> - - <_> - 0 18 14 3 -1. - <_> - 7 18 7 3 2. - <_> - - <_> - 6 9 12 11 -1. - <_> - 9 9 6 11 2. - <_> - - <_> - 1 7 16 9 -1. - <_> - 5 7 8 9 2. - <_> - - <_> - 11 6 4 7 -1. - <_> - 11 6 2 7 2. - <_> - - <_> - 3 11 12 12 -1. - <_> - 7 15 4 4 9. - <_> - - <_> - 11 6 4 7 -1. - <_> - 11 6 2 7 2. - <_> - - <_> - 4 0 6 10 -1. - <_> - 6 0 2 10 3. - <_> - - <_> - 13 9 2 14 -1. - <_> - 13 9 1 14 2. - <_> - - <_> - 4 9 2 14 -1. - <_> - 5 9 1 14 2. - <_> - - <_> - 7 7 6 16 -1. - <_> - 7 11 6 8 2. - <_> - - <_> - 2 16 4 7 -1. - <_> - 4 16 2 7 2. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 2 16 6 7 -1. - <_> - 4 16 2 7 3. - <_> - - <_> - 14 13 5 6 -1. - <_> - 14 16 5 3 2. - <_> - - <_> - 0 0 12 6 -1. - <_> - 6 0 6 6 2. - <_> - - <_> - 4 0 14 7 -1. - <_> - 4 0 7 7 2. - <_> - - <_> - 5 0 9 22 -1. - <_> - 5 11 9 11 2. - <_> - - <_> - 11 8 8 4 -1. - <_> - 11 10 8 2 2. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 2 8 2. - 1 - <_> - - <_> - 5 17 14 2 -1. - <_> - 5 18 14 1 2. - <_> - - <_> - 1 17 14 3 -1. - <_> - 1 18 14 1 3. - <_> - - <_> - 6 1 12 12 -1. - <_> - 10 5 4 4 9. - <_> - - <_> - 1 1 12 12 -1. - <_> - 5 5 4 4 9. - <_> - - <_> - 6 0 7 18 -1. - <_> - 6 9 7 9 2. - <_> - - <_> - 0 0 12 9 -1. - <_> - 3 0 6 9 2. - <_> - - <_> - 9 9 3 14 -1. - <_> - 10 9 1 14 3. - <_> - - <_> - 7 5 5 9 -1. - <_> - 7 8 5 3 3. - <_> - - <_> - 9 9 3 14 -1. - <_> - 10 9 1 14 3. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 12 10 5 8 -1. - <_> - 12 10 5 4 2. - 1 - <_> - - <_> - 8 6 10 7 -1. - <_> - 8 6 5 7 2. - 1 - <_> - - <_> - 12 15 7 4 -1. - <_> - 12 17 7 2 2. - <_> - - <_> - 0 15 7 4 -1. - <_> - 0 17 7 2 2. - <_> - - <_> - 15 6 2 16 -1. - <_> - 15 6 1 16 2. - <_> - - <_> - 3 9 4 8 -1. - <_> - 3 13 4 4 2. - <_> - - <_> - 0 14 19 3 -1. - <_> - 0 15 19 1 3. - <_> - - <_> - 1 12 4 7 -1. - <_> - 3 12 2 7 2. - <_> - - <_> - 14 12 4 11 -1. - <_> - 14 12 2 11 2. - <_> - - <_> - 0 8 5 6 -1. - <_> - 0 11 5 3 2. - <_> - - <_> - 4 0 14 3 -1. - <_> - 4 0 7 3 2. - <_> - - <_> - 1 0 14 3 -1. - <_> - 8 0 7 3 2. - <_> - - <_> - 12 3 7 4 -1. - <_> - 12 5 7 2 2. - <_> - - <_> - 0 3 7 4 -1. - <_> - 0 5 7 2 2. - <_> - - <_> - 10 8 4 7 -1. - <_> - 10 8 2 7 2. - <_> - - <_> - 1 12 4 11 -1. - <_> - 3 12 2 11 2. - <_> - - <_> - 2 10 16 4 -1. - <_> - 2 11 16 2 2. - <_> - - <_> - 7 11 9 3 -1. - <_> - 6 12 9 1 3. - 1 - <_> - - <_> - 5 6 12 16 -1. - <_> - 8 6 6 16 2. - <_> - - <_> - 2 6 14 4 -1. - <_> - 2 6 7 2 2. - <_> - 9 8 7 2 2. - <_> - - <_> - 5 6 10 6 -1. - <_> - 10 6 5 3 2. - <_> - 5 9 5 3 2. - <_> - - <_> - 0 9 2 14 -1. - <_> - 1 9 1 14 2. - <_> - - <_> - 10 18 9 5 -1. - <_> - 13 18 3 5 3. - <_> - - <_> - 4 9 10 3 -1. - <_> - 3 10 10 1 3. - 1 - <_> - - <_> - 10 18 9 5 -1. - <_> - 13 18 3 5 3. - <_> - - <_> - 0 18 9 5 -1. - <_> - 3 18 3 5 3. - <_> - - <_> - 5 8 12 9 -1. - <_> - 9 8 4 9 3. - <_> - - <_> - 2 8 12 9 -1. - <_> - 6 8 4 9 3. - <_> - - <_> - 9 6 4 14 -1. - <_> - 10 6 2 14 2. - <_> - - <_> - 2 20 15 3 -1. - <_> - 7 20 5 3 3. - <_> - - <_> - 5 4 9 5 -1. - <_> - 8 4 3 5 3. - <_> - - <_> - 6 6 4 14 -1. - <_> - 7 6 2 14 2. - <_> - - <_> - 10 0 2 14 -1. - <_> - 10 0 1 14 2. - <_> - - <_> - 7 0 2 14 -1. - <_> - 8 0 1 14 2. - <_> - - <_> - 12 0 4 8 -1. - <_> - 12 0 2 8 2. - <_> - - <_> - 0 3 14 3 -1. - <_> - 0 4 14 1 3. - <_> - - <_> - 5 20 10 3 -1. - <_> - 5 20 5 3 2. - <_> - - <_> - 6 18 7 4 -1. - <_> - 6 20 7 2 2. - <_> - - <_> - 3 6 6 9 -1. - <_> - 5 6 2 9 3. - <_> - - <_> - 13 0 6 7 -1. - <_> - 15 0 2 7 3. - <_> - - <_> - 3 13 4 10 -1. - <_> - 5 13 2 10 2. - <_> - - <_> - 12 12 4 10 -1. - <_> - 12 12 2 10 2. - <_> - - <_> - 3 12 4 7 -1. - <_> - 5 12 2 7 2. - <_> - - <_> - 13 0 6 14 -1. - <_> - 15 0 2 14 3. - <_> - - <_> - 0 0 6 12 -1. - <_> - 2 0 2 12 3. - <_> - - <_> - 5 19 14 4 -1. - <_> - 12 19 7 2 2. - <_> - 5 21 7 2 2. - <_> - - <_> - 0 12 9 10 -1. - <_> - 0 17 9 5 2. - <_> - - <_> - 14 13 5 6 -1. - <_> - 14 16 5 3 2. - <_> - - <_> - 0 16 8 4 -1. - <_> - 0 18 8 2 2. - <_> - - <_> - 3 16 16 3 -1. - <_> - 3 17 16 1 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 2 0 16 5 -1. - <_> - 6 0 8 5 2. - <_> - - <_> - 0 0 17 10 -1. - <_> - 0 5 17 5 2. - <_> - - <_> - 8 1 3 15 -1. - <_> - 9 1 1 15 3. - <_> - - <_> - 0 2 8 20 -1. - <_> - 0 7 8 10 2. - <_> - - <_> - 8 7 4 10 -1. - <_> - 8 12 4 5 2. - <_> - - <_> - 7 7 4 10 -1. - <_> - 7 12 4 5 2. - <_> - - <_> - 11 0 3 17 -1. - <_> - 12 0 1 17 3. - <_> - - <_> - 5 0 3 17 -1. - <_> - 6 0 1 17 3. - <_> - - <_> - 12 9 3 14 -1. - <_> - 13 9 1 14 3. - <_> - - <_> - 6 2 6 10 -1. - <_> - 9 2 3 10 2. - <_> - - <_> - 4 21 14 2 -1. - <_> - 4 21 7 2 2. - <_> - - <_> - 5 0 8 4 -1. - <_> - 9 0 4 4 2. - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 0 4 4 2. - 1 - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 0 6 3 2. - <_> - 9 3 6 3 2. - <_> - - <_> - 8 8 6 8 -1. - <_> - 10 8 2 8 3. - <_> - - <_> - 1 13 12 8 -1. - <_> - 4 13 6 8 2. - <_> - - <_> - 8 8 6 8 -1. - <_> - 10 8 2 8 3. - <_> - - <_> - 5 8 6 8 -1. - <_> - 7 8 2 8 3. - <_> - - <_> - 7 13 8 10 -1. - <_> - 9 13 4 10 2. - <_> - - <_> - 4 14 8 9 -1. - <_> - 6 14 4 9 2. - <_> - - <_> - 9 15 9 5 -1. - <_> - 12 15 3 5 3. - <_> - - <_> - 7 15 4 7 -1. - <_> - 9 15 2 7 2. - <_> - - <_> - 4 19 12 4 -1. - <_> - 4 19 6 4 2. - <_> - - <_> - 6 15 6 8 -1. - <_> - 8 15 2 8 3. - <_> - - <_> - 8 5 8 8 -1. - <_> - 12 5 4 4 2. - <_> - 8 9 4 4 2. - <_> - - <_> - 0 14 7 4 -1. - <_> - 0 16 7 2 2. - <_> - - <_> - 10 2 4 8 -1. - <_> - 11 3 2 8 2. - 1 - <_> - - <_> - 1 12 17 3 -1. - <_> - 1 13 17 1 3. - <_> - - <_> - 13 8 4 15 -1. - <_> - 14 8 2 15 2. - <_> - - <_> - 2 12 14 3 -1. - <_> - 2 13 14 1 3. - <_> - - <_> - 6 12 7 6 -1. - <_> - 6 14 7 2 3. - <_> - - <_> - 2 2 12 6 -1. - <_> - 2 2 6 3 2. - <_> - 8 5 6 3 2. - <_> - - <_> - 11 0 8 5 -1. - <_> - 11 0 4 5 2. - <_> - - <_> - 0 0 8 5 -1. - <_> - 4 0 4 5 2. - <_> - - <_> - 1 2 18 20 -1. - <_> - 1 2 9 20 2. - <_> - - <_> - 9 5 10 8 -1. - <_> - 9 5 5 8 2. - 1 - <_> - - <_> - 7 8 7 10 -1. - <_> - 7 13 7 5 2. - <_> - - <_> - 7 7 4 14 -1. - <_> - 8 7 2 14 2. - <_> - - <_> - 15 7 4 16 -1. - <_> - 15 7 2 16 2. - <_> - - <_> - 0 0 12 7 -1. - <_> - 4 0 4 7 3. - <_> - - <_> - 11 7 4 7 -1. - <_> - 11 7 2 7 2. - 1 - <_> - - <_> - 4 4 6 15 -1. - <_> - 7 4 3 15 2. - <_> - - <_> - 6 10 9 13 -1. - <_> - 9 10 3 13 3. - <_> - - <_> - 1 14 4 7 -1. - <_> - 3 14 2 7 2. - <_> - - <_> - 11 1 3 14 -1. - <_> - 12 1 1 14 3. - <_> - - <_> - 5 11 4 8 -1. - <_> - 7 11 2 8 2. - <_> - - <_> - 11 6 4 7 -1. - <_> - 11 6 2 7 2. - <_> - - <_> - 4 6 4 7 -1. - <_> - 6 6 2 7 2. - <_> - - <_> - 7 5 9 9 -1. - <_> - 10 5 3 9 3. - <_> - - <_> - 2 1 12 12 -1. - <_> - 6 5 4 4 9. - <_> - - <_> - 4 19 14 4 -1. - <_> - 11 19 7 2 2. - <_> - 4 21 7 2 2. - <_> - - <_> - 1 19 14 4 -1. - <_> - 1 19 7 2 2. - <_> - 8 21 7 2 2. - <_> - - <_> - 9 18 9 5 -1. - <_> - 12 18 3 5 3. - <_> - - <_> - 1 18 9 5 -1. - <_> - 4 18 3 5 3. - <_> - - <_> - 11 4 8 6 -1. - <_> - 11 4 4 6 2. - 1 - <_> - - <_> - 6 8 7 6 -1. - <_> - 6 10 7 2 3. - <_> - - <_> - 5 17 14 2 -1. - <_> - 5 18 14 1 2. - <_> - - <_> - 6 6 9 3 -1. - <_> - 5 7 9 1 3. - 1 - <_> - - <_> - 13 9 4 11 -1. - <_> - 13 9 2 11 2. - <_> - - <_> - 2 9 4 11 -1. - <_> - 4 9 2 11 2. - <_> - - <_> - 12 0 3 14 -1. - <_> - 13 0 1 14 3. - <_> - - <_> - 4 0 3 14 -1. - <_> - 5 0 1 14 3. - <_> - - <_> - 7 10 5 6 -1. - <_> - 7 13 5 3 2. - <_> - - <_> - 0 12 17 4 -1. - <_> - 0 14 17 2 2. - <_> - - <_> - 10 5 6 10 -1. - <_> - 12 7 2 10 3. - 1 - <_> - - <_> - 2 9 12 12 -1. - <_> - 6 13 4 4 9. - <_> - - <_> - 1 15 12 8 -1. - <_> - 7 15 6 8 2. - <_> - - <_> - 6 0 8 8 -1. - <_> - 10 0 4 4 2. - <_> - 6 4 4 4 2. - <_> - - <_> - 0 15 7 8 -1. - <_> - 0 17 7 4 2. - <_> - - <_> - 8 7 4 8 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 5 8 2 14 -1. - <_> - 6 8 1 14 2. - <_> - - <_> - 12 8 7 4 -1. - <_> - 12 10 7 2 2. - <_> - - <_> - 0 13 14 4 -1. - <_> - 0 13 7 2 2. - <_> - 7 15 7 2 2. - <_> - - <_> - 6 13 7 8 -1. - <_> - 6 15 7 4 2. - <_> - - <_> - 7 7 4 15 -1. - <_> - 8 7 2 15 2. - <_> - - <_> - 11 16 5 6 -1. - <_> - 11 19 5 3 2. - <_> - - <_> - 4 0 6 10 -1. - <_> - 4 0 3 5 2. - <_> - 7 5 3 5 2. - <_> - - <_> - 11 10 7 6 -1. - <_> - 9 12 7 2 3. - 1 - <_> - - <_> - 2 0 14 2 -1. - <_> - 9 0 7 2 2. - <_> - - <_> - 1 10 18 8 -1. - <_> - 10 10 9 4 2. - <_> - 1 14 9 4 2. - <_> - - <_> - 1 18 15 3 -1. - <_> - 1 19 15 1 3. - <_> - - <_> - 4 18 14 3 -1. - <_> - 4 19 14 1 3. - <_> - - <_> - 0 3 19 18 -1. - <_> - 0 9 19 6 3. - <_> - - <_> - 4 0 11 20 -1. - <_> - 4 10 11 10 2. - <_> - - <_> - 5 0 9 18 -1. - <_> - 5 9 9 9 2. - <_> - - <_> - 9 0 4 20 -1. - <_> - 9 10 4 10 2. - <_> - - <_> - 1 11 6 6 -1. - <_> - 1 14 6 3 2. - <_> - - <_> - 12 16 6 6 -1. - <_> - 12 19 6 3 2. - <_> - - <_> - 3 8 2 14 -1. - <_> - 4 8 1 14 2. - <_> - - <_> - 7 11 5 12 -1. - <_> - 7 15 5 4 3. - <_> - - <_> - 5 11 5 12 -1. - <_> - 5 14 5 6 2. - <_> - - <_> - 13 0 4 16 -1. - <_> - 15 0 2 8 2. - <_> - 13 8 2 8 2. - <_> - - <_> - 1 0 12 8 -1. - <_> - 7 0 6 8 2. - <_> - - <_> - 13 11 6 7 -1. - <_> - 15 11 2 7 3. - <_> - - <_> - 0 8 7 8 -1. - <_> - 0 10 7 4 2. - <_> - - <_> - 6 6 7 6 -1. - <_> - 6 8 7 2 3. - <_> - - <_> - 7 1 4 14 -1. - <_> - 7 8 4 7 2. - <_> - - <_> - 13 17 6 6 -1. - <_> - 13 17 3 6 2. - <_> - - <_> - 5 11 4 12 -1. - <_> - 5 17 4 6 2. - <_> - - <_> - 13 17 6 6 -1. - <_> - 13 17 3 6 2. - <_> - - <_> - 0 8 2 14 -1. - <_> - 0 15 2 7 2. - <_> - - <_> - 13 18 6 5 -1. - <_> - 13 18 3 5 2. - <_> - - <_> - 4 0 2 14 -1. - <_> - 5 0 1 14 2. - <_> - - <_> - 13 11 6 8 -1. - <_> - 15 11 2 8 3. - <_> - - <_> - 1 11 3 12 -1. - <_> - 1 17 3 6 2. - <_> - - <_> - 12 18 6 5 -1. - <_> - 12 18 3 5 2. - <_> - - <_> - 0 15 4 8 -1. - <_> - 0 19 4 4 2. - <_> - - <_> - 13 11 6 8 -1. - <_> - 15 11 2 8 3. - <_> - - <_> - 0 11 6 8 -1. - <_> - 2 11 2 8 3. - <_> - - <_> - 5 17 14 3 -1. - <_> - 5 18 14 1 3. - <_> - - <_> - 0 15 7 6 -1. - <_> - 0 17 7 2 3. - <_> - - <_> - 10 8 4 10 -1. - <_> - 10 8 2 10 2. - 1 - <_> - - <_> - 1 11 16 7 -1. - <_> - 5 11 8 7 2. - <_> - - <_> - 5 0 9 16 -1. - <_> - 8 0 3 16 3. - <_> - - <_> - 6 6 2 14 -1. - <_> - 7 6 1 14 2. - <_> - - <_> - 11 5 4 15 -1. - <_> - 12 5 2 15 2. - <_> - - <_> - 9 8 10 4 -1. - <_> - 9 8 10 2 2. - 1 - <_> - - <_> - 8 1 4 14 -1. - <_> - 8 1 2 14 2. - <_> - - <_> - 7 1 4 14 -1. - <_> - 9 1 2 14 2. - <_> - - <_> - 1 14 18 9 -1. - <_> - 7 17 6 3 9. - <_> - - <_> - 6 9 7 9 -1. - <_> - 6 12 7 3 3. - <_> - - <_> - 1 11 18 2 -1. - <_> - 1 12 18 1 2. - <_> - - <_> - 7 7 4 16 -1. - <_> - 7 11 4 8 2. - <_> - - <_> - 2 10 15 3 -1. - <_> - 2 11 15 1 3. - <_> - - <_> - 6 12 7 9 -1. - <_> - 6 15 7 3 3. - <_> - - <_> - 4 10 15 3 -1. - <_> - 4 11 15 1 3. - <_> - - <_> - 0 19 14 4 -1. - <_> - 0 19 7 2 2. - <_> - 7 21 7 2 2. - <_> - - <_> - 5 17 14 3 -1. - <_> - 5 18 14 1 3. - <_> - - <_> - 1 7 3 14 -1. - <_> - 2 7 1 14 3. - <_> - - <_> - 9 0 6 7 -1. - <_> - 11 0 2 7 3. - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 6 5 8 6 -1. - <_> - 6 5 4 6 2. - <_> - - <_> - 5 2 3 16 -1. - <_> - 6 2 1 16 3. - <_> - - <_> - 15 4 4 15 -1. - <_> - 16 4 2 15 2. - <_> - - <_> - 6 12 6 5 -1. - <_> - 6 12 3 5 2. - 1 - <_> - - <_> - 8 9 3 14 -1. - <_> - 9 9 1 14 3. - <_> - - <_> - 0 16 7 4 -1. - <_> - 0 18 7 2 2. - <_> - - <_> - 5 16 14 3 -1. - <_> - 5 17 14 1 3. - <_> - - <_> - 0 4 4 15 -1. - <_> - 1 4 2 15 2. - <_> - - <_> - 10 2 8 6 -1. - <_> - 10 4 8 2 3. - <_> - - <_> - 1 2 8 6 -1. - <_> - 1 4 8 2 3. - <_> - - <_> - 10 6 4 16 -1. - <_> - 12 6 2 8 2. - <_> - 10 14 2 8 2. - <_> - - <_> - 7 1 4 18 -1. - <_> - 7 1 2 9 2. - <_> - 9 10 2 9 2. - <_> - - <_> - 8 4 4 7 -1. - <_> - 8 4 2 7 2. - <_> - - <_> - 7 4 4 7 -1. - <_> - 9 4 2 7 2. - <_> - - <_> - 7 0 12 14 -1. - <_> - 7 0 6 14 2. - <_> - - <_> - 2 1 2 14 -1. - <_> - 3 1 1 14 2. - <_> - - <_> - 0 18 14 4 -1. - <_> - 0 18 7 2 2. - <_> - 7 20 7 2 2. - <_> - - <_> - 6 0 8 8 -1. - <_> - 10 0 4 4 2. - <_> - 6 4 4 4 2. - <_> - - <_> - 4 9 6 10 -1. - <_> - 4 9 3 5 2. - <_> - 7 14 3 5 2. - <_> - - <_> - 1 17 18 6 -1. - <_> - 10 17 9 3 2. - <_> - 1 20 9 3 2. - <_> - - <_> - 5 0 6 21 -1. - <_> - 7 7 2 7 9. - <_> - - <_> - 6 7 12 7 -1. - <_> - 6 7 6 7 2. - <_> - - <_> - 7 0 12 3 -1. - <_> - 7 0 6 3 2. - 1 - <_> - - <_> - 5 0 9 5 -1. - <_> - 8 0 3 5 3. - <_> - - <_> - 7 9 3 14 -1. - <_> - 8 9 1 14 3. - <_> - - <_> - 3 14 16 9 -1. - <_> - 3 17 16 3 3. - <_> - - <_> - 1 17 6 6 -1. - <_> - 4 17 3 6 2. - <_> - - <_> - 5 1 10 20 -1. - <_> - 5 6 10 10 2. - <_> - - <_> - 1 16 12 7 -1. - <_> - 4 16 6 7 2. - <_> - - <_> - 5 0 9 4 -1. - <_> - 5 2 9 2 2. - <_> - - <_> - 3 0 13 6 -1. - <_> - 3 2 13 2 3. - <_> - - <_> - 11 13 7 8 -1. - <_> - 11 15 7 4 2. - <_> - - <_> - 3 0 4 8 -1. - <_> - 3 4 4 4 2. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 6 5 7 6 -1. - <_> - 6 7 7 2 3. - <_> - - <_> - 8 17 7 6 -1. - <_> - 8 19 7 2 3. - <_> - - <_> - 5 12 5 8 -1. - <_> - 5 16 5 4 2. - <_> - - <_> - 0 15 19 2 -1. - <_> - 0 16 19 1 2. - <_> - - <_> - 6 7 7 4 -1. - <_> - 6 9 7 2 2. - <_> - - <_> - 9 0 2 21 -1. - <_> - 9 7 2 7 3. - <_> - - <_> - 0 19 15 4 -1. - <_> - 5 19 5 4 3. - <_> - - <_> - 9 20 10 3 -1. - <_> - 9 20 5 3 2. - <_> - - <_> - 0 17 15 3 -1. - <_> - 0 18 15 1 3. - <_> - - <_> - 12 13 6 5 -1. - <_> - 12 13 3 5 2. - <_> - - <_> - 6 7 7 6 -1. - <_> - 6 9 7 2 3. - <_> - - <_> - 3 15 14 3 -1. - <_> - 3 16 14 1 3. - <_> - - <_> - 0 20 10 3 -1. - <_> - 5 20 5 3 2. - <_> - - <_> - 6 7 8 4 -1. - <_> - 6 7 4 4 2. - <_> - - <_> - 1 17 7 6 -1. - <_> - 1 19 7 2 3. - <_> - - <_> - 7 17 12 4 -1. - <_> - 11 17 4 4 3. - <_> - - <_> - 3 15 6 7 -1. - <_> - 5 15 2 7 3. - <_> - - <_> - 6 7 12 7 -1. - <_> - 6 7 6 7 2. - <_> - - <_> - 1 9 12 12 -1. - <_> - 1 13 12 4 3. - <_> - - <_> - 12 6 5 9 -1. - <_> - 12 9 5 3 3. - <_> - - <_> - 2 6 5 9 -1. - <_> - 2 9 5 3 3. - <_> - - <_> - 12 6 6 7 -1. - <_> - 14 8 2 7 3. - 1 - <_> - - <_> - 5 9 8 10 -1. - <_> - 5 9 4 5 2. - <_> - 9 14 4 5 2. - <_> - - <_> - 2 11 16 6 -1. - <_> - 10 11 8 3 2. - <_> - 2 14 8 3 2. - <_> - - <_> - 8 4 3 16 -1. - <_> - 9 4 1 16 3. - <_> - - <_> - 8 9 4 14 -1. - <_> - 9 9 2 14 2. - <_> - - <_> - 7 9 4 14 -1. - <_> - 8 9 2 14 2. - <_> - - <_> - 7 17 12 4 -1. - <_> - 11 17 4 4 3. - <_> - - <_> - 0 17 12 4 -1. - <_> - 4 17 4 4 3. - <_> - - <_> - 13 12 6 10 -1. - <_> - 16 12 3 5 2. - <_> - 13 17 3 5 2. - <_> - - <_> - 0 17 6 6 -1. - <_> - 3 17 3 6 2. - <_> - - <_> - 12 4 6 8 -1. - <_> - 12 4 3 8 2. - 1 - <_> - - <_> - 3 6 10 15 -1. - <_> - 8 6 5 15 2. - <_> - - <_> - 10 10 7 4 -1. - <_> - 10 10 7 2 2. - 1 - <_> - - <_> - 1 9 9 7 -1. - <_> - 4 9 3 7 3. - <_> - - <_> - 1 17 18 6 -1. - <_> - 10 17 9 3 2. - <_> - 1 20 9 3 2. - <_> - - <_> - 6 0 13 3 -1. - <_> - 5 1 13 1 3. - 1 - <_> - - <_> - 10 0 3 9 -1. - <_> - 11 1 1 9 3. - 1 - <_> - - <_> - 9 0 9 3 -1. - <_> - 8 1 9 1 3. - 1 - <_> - - <_> - 7 1 12 12 -1. - <_> - 13 1 6 6 2. - <_> - 7 7 6 6 2. - <_> - - <_> - 7 4 8 6 -1. - <_> - 7 4 8 3 2. - 1 - <_> - - <_> - 11 11 8 4 -1. - <_> - 11 11 8 2 2. - 1 - <_> - - <_> - 8 11 4 8 -1. - <_> - 8 11 2 8 2. - 1 - <_> - - <_> - 10 10 7 4 -1. - <_> - 10 10 7 2 2. - 1 - <_> - - <_> - 9 10 4 7 -1. - <_> - 9 10 2 7 2. - 1 - <_> - - <_> - 8 7 3 14 -1. - <_> - 9 7 1 14 3. - <_> - - <_> - 8 6 10 7 -1. - <_> - 8 6 5 7 2. - 1 - <_> - - <_> - 3 6 16 3 -1. - <_> - 3 7 16 1 3. - <_> - - <_> - 4 5 2 17 -1. - <_> - 5 5 1 17 2. - <_> - - <_> - 12 0 6 18 -1. - <_> - 15 0 3 9 2. - <_> - 12 9 3 9 2. - <_> - - <_> - 3 4 6 16 -1. - <_> - 3 4 3 8 2. - <_> - 6 12 3 8 2. - <_> - - <_> - 12 0 6 18 -1. - <_> - 15 0 3 9 2. - <_> - 12 9 3 9 2. - <_> - - <_> - 0 1 16 4 -1. - <_> - 0 1 8 2 2. - <_> - 8 3 8 2 2. - <_> - - <_> - 6 12 12 5 -1. - <_> - 6 12 6 5 2. - <_> - - <_> - 3 7 3 10 -1. - <_> - 3 12 3 5 2. - <_> - - <_> - 11 3 7 12 -1. - <_> - 11 7 7 4 3. - <_> - - <_> - 0 6 8 6 -1. - <_> - 0 8 8 2 3. - <_> - - <_> - 12 3 7 6 -1. - <_> - 12 5 7 2 3. - <_> - - <_> - 0 3 7 6 -1. - <_> - 0 5 7 2 3. - <_> - - <_> - 13 10 6 8 -1. - <_> - 15 10 2 8 3. - <_> - - <_> - 0 17 14 2 -1. - <_> - 0 18 14 1 2. - <_> - - <_> - 13 10 6 8 -1. - <_> - 15 10 2 8 3. - <_> - - <_> - 0 17 14 2 -1. - <_> - 0 18 14 1 2. - <_> - - <_> - 6 0 8 8 -1. - <_> - 10 0 4 4 2. - <_> - 6 4 4 4 2. - <_> - - <_> - 0 10 6 8 -1. - <_> - 2 10 2 8 3. - <_> - - <_> - 13 0 3 14 -1. - <_> - 14 0 1 14 3. - <_> - - <_> - 6 0 6 7 -1. - <_> - 8 0 2 7 3. - <_> - - <_> - 6 0 8 8 -1. - <_> - 10 0 4 4 2. - <_> - 6 4 4 4 2. - <_> - - <_> - 5 0 8 8 -1. - <_> - 5 0 4 4 2. - <_> - 9 4 4 4 2. - <_> - - <_> - 3 7 16 7 -1. - <_> - 3 7 8 7 2. - <_> - - <_> - 0 7 16 7 -1. - <_> - 8 7 8 7 2. - <_> - - <_> - 2 11 10 8 -1. - <_> - 7 11 5 8 2. - <_> - - <_> - 12 8 6 9 -1. - <_> - 14 8 2 9 3. - <_> - - <_> - 1 8 6 9 -1. - <_> - 3 8 2 9 3. - <_> - - <_> - 4 3 14 11 -1. - <_> - 4 3 7 11 2. - <_> - - <_> - 5 5 13 3 -1. - <_> - 4 6 13 1 3. - 1 - <_> - - <_> - 7 0 6 9 -1. - <_> - 9 0 2 9 3. - <_> - - <_> - 1 0 14 12 -1. - <_> - 1 0 7 6 2. - <_> - 8 6 7 6 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 3 10 4 12 -1. - <_> - 5 10 2 12 2. - <_> - - <_> - 11 0 2 22 -1. - <_> - 11 11 2 11 2. - <_> - - <_> - 0 19 14 4 -1. - <_> - 0 19 7 2 2. - <_> - 7 21 7 2 2. - <_> - - <_> - 10 8 2 8 -1. - <_> - 10 8 1 8 2. - 1 - <_> - - <_> - 5 0 4 14 -1. - <_> - 5 0 2 7 2. - <_> - 7 7 2 7 2. - <_> - - <_> - 8 4 4 10 -1. - <_> - 8 9 4 5 2. - <_> - - <_> - 9 8 8 2 -1. - <_> - 9 8 8 1 2. - 1 - <_> - - <_> - 0 7 19 3 -1. - <_> - 0 8 19 1 3. - <_> - - <_> - 0 8 19 2 -1. - <_> - 0 9 19 1 2. - <_> - - <_> - 1 6 18 4 -1. - <_> - 10 6 9 2 2. - <_> - 1 8 9 2 2. - <_> - - <_> - 2 1 8 18 -1. - <_> - 6 1 4 18 2. - <_> - - <_> - 6 11 10 12 -1. - <_> - 11 11 5 6 2. - <_> - 6 17 5 6 2. - <_> - - <_> - 3 7 9 11 -1. - <_> - 6 7 3 11 3. - <_> - - <_> - 9 0 6 14 -1. - <_> - 11 0 2 14 3. - <_> - - <_> - 2 16 12 7 -1. - <_> - 6 16 4 7 3. - <_> - - <_> - 2 15 15 6 -1. - <_> - 7 15 5 6 3. - <_> - - <_> - 5 2 8 7 -1. - <_> - 7 2 4 7 2. - <_> - - <_> - 8 0 4 14 -1. - <_> - 9 0 2 14 2. - <_> - - <_> - 7 0 4 14 -1. - <_> - 8 0 2 14 2. - <_> - - <_> - 7 18 12 5 -1. - <_> - 11 18 4 5 3. - <_> - - <_> - 1 18 15 3 -1. - <_> - 1 19 15 1 3. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 7 8 9 6 -1. - <_> - 5 10 9 2 3. - 1 - <_> - - <_> - 11 10 4 9 -1. - <_> - 12 11 2 9 2. - 1 - <_> - - <_> - 8 10 9 4 -1. - <_> - 7 11 9 2 2. - 1 - <_> - - <_> - 15 3 2 16 -1. - <_> - 15 11 2 8 2. - <_> - - <_> - 1 17 5 6 -1. - <_> - 1 20 5 3 2. - <_> - - <_> - 12 16 5 6 -1. - <_> - 12 19 5 3 2. - <_> - - <_> - 5 2 3 14 -1. - <_> - 6 2 1 14 3. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 1 2 9 3. - <_> - - <_> - 7 7 10 5 -1. - <_> - 7 7 5 5 2. - <_> - - <_> - 6 0 4 20 -1. - <_> - 6 0 2 10 2. - <_> - 8 10 2 10 2. - <_> - - <_> - 13 10 3 9 -1. - <_> - 14 11 1 9 3. - 1 - <_> - - <_> - 6 10 9 3 -1. - <_> - 5 11 9 1 3. - 1 - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 8 6 3 14 -1. - <_> - 9 6 1 14 3. - <_> - - <_> - 8 1 4 9 -1. - <_> - 8 1 2 9 2. - <_> - - <_> - 7 1 4 9 -1. - <_> - 9 1 2 9 2. - <_> - - <_> - 7 17 12 6 -1. - <_> - 13 17 6 3 2. - <_> - 7 20 6 3 2. - <_> - - <_> - 3 4 10 6 -1. - <_> - 8 4 5 6 2. - <_> - - <_> - 15 0 4 8 -1. - <_> - 15 4 4 4 2. - <_> - - <_> - 3 5 6 8 -1. - <_> - 5 5 2 8 3. - <_> - - <_> - 15 0 4 8 -1. - <_> - 15 4 4 4 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 0 4 4 4 2. - <_> - - <_> - 7 0 9 5 -1. - <_> - 10 0 3 5 3. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 5 21 14 2 -1. - <_> - 5 21 7 2 2. - <_> - - <_> - 9 3 8 9 -1. - <_> - 9 3 4 9 2. - 1 - <_> - - <_> - 6 1 12 8 -1. - <_> - 12 1 6 4 2. - <_> - 6 5 6 4 2. - <_> - - <_> - 4 10 10 11 -1. - <_> - 9 10 5 11 2. - <_> - - <_> - 12 1 3 15 -1. - <_> - 13 1 1 15 3. - <_> - - <_> - 4 3 8 12 -1. - <_> - 8 3 4 12 2. - <_> - - <_> - 8 2 10 8 -1. - <_> - 8 2 5 8 2. - <_> - - <_> - 0 4 19 6 -1. - <_> - 0 6 19 2 3. - <_> - - <_> - 4 0 11 16 -1. - <_> - 4 4 11 8 2. - <_> - - <_> - 4 1 6 5 -1. - <_> - 7 1 3 5 2. - <_> - - <_> - 3 5 14 18 -1. - <_> - 10 5 7 9 2. - <_> - 3 14 7 9 2. - <_> - - <_> - 1 17 5 6 -1. - <_> - 1 20 5 3 2. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 2 0 4 14 -1. - <_> - 2 0 2 7 2. - <_> - 4 7 2 7 2. - <_> - - <_> - 10 2 2 10 -1. - <_> - 10 2 1 10 2. - 1 - <_> - - <_> - 9 1 9 3 -1. - <_> - 8 2 9 1 3. - 1 - <_> - - <_> - 6 2 10 6 -1. - <_> - 11 2 5 3 2. - <_> - 6 5 5 3 2. - <_> - - <_> - 1 12 9 6 -1. - <_> - 1 14 9 2 3. - <_> - - <_> - 6 2 10 6 -1. - <_> - 11 2 5 3 2. - <_> - 6 5 5 3 2. - <_> - - <_> - 3 2 10 6 -1. - <_> - 3 2 5 3 2. - <_> - 8 5 5 3 2. - <_> - - <_> - 7 0 5 20 -1. - <_> - 7 5 5 10 2. - <_> - - <_> - 2 10 12 7 -1. - <_> - 5 10 6 7 2. - <_> - - <_> - 0 18 14 4 -1. - <_> - 0 18 7 2 2. - <_> - 7 20 7 2 2. - <_> - - <_> - 9 7 3 15 -1. - <_> - 10 7 1 15 3. - <_> - - <_> - 6 8 6 5 -1. - <_> - 9 8 3 5 2. - <_> - - <_> - 9 4 2 17 -1. - <_> - 9 4 1 17 2. - <_> - - <_> - 8 4 2 17 -1. - <_> - 9 4 1 17 2. - <_> - - <_> - 8 18 9 5 -1. - <_> - 11 18 3 5 3. - <_> - - <_> - 2 18 9 5 -1. - <_> - 5 18 3 5 3. - <_> - - <_> - 12 18 6 5 -1. - <_> - 12 18 3 5 2. - <_> - - <_> - 5 15 6 5 -1. - <_> - 8 15 3 5 2. - <_> - - <_> - 13 0 6 10 -1. - <_> - 15 0 2 10 3. - <_> - - <_> - 2 14 10 9 -1. - <_> - 2 17 10 3 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 15 0 2 10 3. - <_> - - <_> - 0 0 6 10 -1. - <_> - 2 0 2 10 3. - <_> - - <_> - 12 5 3 12 -1. - <_> - 12 5 3 6 2. - 1 - <_> - - <_> - 6 18 7 4 -1. - <_> - 6 20 7 2 2. - <_> - - <_> - 14 7 4 12 -1. - <_> - 15 8 2 12 2. - 1 - <_> - - <_> - 5 7 12 4 -1. - <_> - 4 8 12 2 2. - 1 - <_> - - <_> - 14 13 5 9 -1. - <_> - 14 16 5 3 3. - <_> - - <_> - 0 13 5 9 -1. - <_> - 0 16 5 3 3. - <_> - - <_> - 12 14 7 6 -1. - <_> - 12 16 7 2 3. - <_> - - <_> - 1 16 6 6 -1. - <_> - 1 19 6 3 2. - <_> - - <_> - 7 0 9 4 -1. - <_> - 7 2 9 2 2. - <_> - - <_> - 0 9 18 3 -1. - <_> - 0 10 18 1 3. - <_> - - <_> - 9 17 9 6 -1. - <_> - 12 17 3 6 3. - <_> - - <_> - 2 14 15 9 -1. - <_> - 7 17 5 3 9. - <_> - - <_> - 9 13 8 8 -1. - <_> - 9 17 8 4 2. - <_> - - <_> - 4 9 2 14 -1. - <_> - 5 9 1 14 2. - <_> - - <_> - 12 10 4 13 -1. - <_> - 12 10 2 13 2. - <_> - - <_> - 3 10 4 13 -1. - <_> - 5 10 2 13 2. - <_> - - <_> - 5 5 14 2 -1. - <_> - 5 5 7 2 2. - <_> - - <_> - 0 5 14 2 -1. - <_> - 7 5 7 2 2. - <_> - - <_> - 13 12 6 10 -1. - <_> - 16 12 3 5 2. - <_> - 13 17 3 5 2. - <_> - - <_> - 0 12 6 10 -1. - <_> - 0 12 3 5 2. - <_> - 3 17 3 5 2. - <_> - - <_> - 12 8 5 12 -1. - <_> - 12 11 5 6 2. - <_> - - <_> - 2 8 5 12 -1. - <_> - 2 11 5 6 2. - <_> - - <_> - 6 8 7 4 -1. - <_> - 6 10 7 2 2. - <_> - - <_> - 0 17 14 3 -1. - <_> - 0 18 14 1 3. - <_> - - <_> - 12 7 2 15 -1. - <_> - 12 7 1 15 2. - <_> - - <_> - 1 17 9 6 -1. - <_> - 4 17 3 6 3. - <_> - - <_> - 10 6 9 7 -1. - <_> - 13 9 3 7 3. - 1 - <_> - - <_> - 9 6 7 9 -1. - <_> - 6 9 7 3 3. - 1 - <_> - - <_> - 5 8 10 4 -1. - <_> - 5 10 10 2 2. - <_> - - <_> - 0 6 6 14 -1. - <_> - 0 13 6 7 2. - <_> - - <_> - 1 1 18 22 -1. - <_> - 10 1 9 11 2. - <_> - 1 12 9 11 2. - <_> - - <_> - 1 5 17 3 -1. - <_> - 1 6 17 1 3. - <_> - - <_> - 13 12 6 5 -1. - <_> - 13 12 3 5 2. - <_> - - <_> - 0 5 16 3 -1. - <_> - 0 6 16 1 3. - <_> - - <_> - 12 6 6 17 -1. - <_> - 12 6 3 17 2. - <_> - - <_> - 1 6 6 17 -1. - <_> - 4 6 3 17 2. - <_> - - <_> - 1 15 18 2 -1. - <_> - 1 15 9 2 2. - <_> - - <_> - 0 5 2 16 -1. - <_> - 1 5 1 16 2. - <_> - - <_> - 15 12 4 10 -1. - <_> - 15 17 4 5 2. - <_> - - <_> - 1 5 16 3 -1. - <_> - 1 6 16 1 3. - <_> - - <_> - 6 9 9 12 -1. - <_> - 6 12 9 6 2. - <_> - - <_> - 3 13 4 8 -1. - <_> - 3 17 4 4 2. - <_> - - <_> - 9 13 8 8 -1. - <_> - 9 17 8 4 2. - <_> - - <_> - 5 0 8 10 -1. - <_> - 5 0 4 5 2. - <_> - 9 5 4 5 2. - <_> - - <_> - 1 4 18 6 -1. - <_> - 10 4 9 3 2. - <_> - 1 7 9 3 2. - <_> - - <_> - 3 16 9 6 -1. - <_> - 3 18 9 2 3. - <_> - - <_> - 3 17 14 4 -1. - <_> - 3 18 14 2 2. - <_> - - <_> - 2 3 9 6 -1. - <_> - 2 5 9 2 3. - <_> - - <_> - 0 3 19 3 -1. - <_> - 0 4 19 1 3. - <_> - - <_> - 1 3 16 4 -1. - <_> - 1 4 16 2 2. - <_> - - <_> - 11 0 6 14 -1. - <_> - 14 0 3 7 2. - <_> - 11 7 3 7 2. - <_> - - <_> - 0 17 9 6 -1. - <_> - 3 17 3 6 3. - <_> - - <_> - 7 16 8 7 -1. - <_> - 9 16 4 7 2. - <_> - - <_> - 3 14 10 5 -1. - <_> - 8 14 5 5 2. - <_> - - <_> - 12 9 3 14 -1. - <_> - 13 9 1 14 3. - <_> - - <_> - 4 9 3 14 -1. - <_> - 5 9 1 14 3. - <_> - - <_> - 10 9 6 14 -1. - <_> - 13 9 3 7 2. - <_> - 10 16 3 7 2. - <_> - - <_> - 6 0 6 5 -1. - <_> - 9 0 3 5 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 7 4 6 4 2. - <_> - - <_> - 2 0 11 21 -1. - <_> - 2 7 11 7 3. - <_> - - <_> - 8 8 4 12 -1. - <_> - 8 12 4 4 3. - <_> - - <_> - 3 9 6 14 -1. - <_> - 3 9 3 7 2. - <_> - 6 16 3 7 2. - <_> - - <_> - 10 7 8 7 -1. - <_> - 12 7 4 7 2. - <_> - - <_> - 1 7 8 7 -1. - <_> - 3 7 4 7 2. - <_> - - <_> - 5 2 9 20 -1. - <_> - 8 2 3 20 3. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_profileface.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_profileface.xml deleted file mode 100644 index 486d8e3d83..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_profileface.xml +++ /dev/null @@ -1,29690 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 195 - - 0 - 26 - - <_> - 3 - -1.1856809854507446e+00 - - <_> - - 0 -1 0 1.1384399840608239e-03 - - -8.3771979808807373e-01 7.3413830995559692e-01 - <_> - - 0 -1 1 -1.1342350393533707e-02 - - 6.2702018022537231e-01 -7.2396302223205566e-01 - <_> - - 0 -1 2 -1.1023089755326509e-03 - - 3.7600189447402954e-01 -6.6088408231735229e-01 - <_> - 12 - -1.4913179874420166e+00 - - <_> - - 0 -1 3 -1.9553869962692261e-02 - - 4.9245831370353699e-01 -6.3396167755126953e-01 - <_> - - 0 -1 4 2.2794529795646667e-03 - - -6.4604967832565308e-01 3.5818460583686829e-01 - <_> - - 0 -1 5 2.4270440917462111e-03 - - -4.7253230214118958e-01 2.8494310379028320e-01 - <_> - - 0 -1 6 1.9644061103463173e-03 - - 1.6999539732933044e-01 -7.7868157625198364e-01 - <_> - - 0 -1 7 2.2895270958542824e-03 - - 1.5551710128784180e-01 -6.6725099086761475e-01 - <_> - - 0 -1 8 -3.0143910553306341e-03 - - -6.8721300363540649e-01 1.4604569971561432e-01 - <_> - - 0 -1 9 -1.7399009317159653e-02 - - 7.2524380683898926e-01 -1.6572900116443634e-01 - <_> - - 0 -1 10 9.0722442837432027e-04 - - -4.6388080716133118e-01 2.3604999482631683e-01 - <_> - - 0 -1 11 -1.5043979510664940e-03 - - -7.5959628820419312e-01 1.1436919867992401e-01 - <_> - - 0 -1 12 1.0804689675569534e-01 - - -1.2865519523620605e-01 7.9092341661453247e-01 - <_> - - 0 -1 13 -1.1923050042241812e-03 - - -6.2403547763824463e-01 1.4847490191459656e-01 - <_> - - 0 -1 14 -2.0571390166878700e-02 - - 4.0808489918708801e-01 -2.1287000179290771e-01 - <_> - 27 - -1.9596290588378906e+00 - - <_> - - 0 -1 15 -3.6899209022521973e-02 - - 5.3308618068695068e-01 -4.0872651338577271e-01 - <_> - - 0 -1 16 2.4960909504443407e-03 - - -6.9489312171936035e-01 2.7125179767608643e-01 - <_> - - 0 -1 17 2.4068039783742279e-04 - - -5.6208252906799316e-01 2.1930350363254547e-01 - <_> - - 0 -1 18 -5.8021828532218933e-02 - - 6.9060617685317993e-01 -1.5082140266895294e-01 - <_> - - 0 -1 19 1.1526979506015778e-03 - - 1.3925389945507050e-01 -6.6311657428741455e-01 - <_> - - 0 -1 20 7.4388440698385239e-03 - - -3.3333170413970947e-01 3.1699380278587341e-01 - <_> - - 0 -1 21 -1.4158539706841111e-03 - - -6.8007302284240723e-01 1.3243320584297180e-01 - <_> - - 0 -1 22 8.8562711607664824e-04 - - -3.8672161102294922e-01 1.9732959568500519e-01 - <_> - - 0 -1 23 2.5714060757309198e-03 - - 1.2035659700632095e-01 -7.3177069425582886e-01 - <_> - - 0 -1 24 1.8255549948662519e-03 - - 7.7979840338230133e-02 -7.7196091413497925e-01 - <_> - - 0 -1 25 -1.1993020307272673e-03 - - 1.6821229457855225e-01 -4.1479128599166870e-01 - <_> - - 0 -1 26 2.3179080337285995e-02 - - 7.5337320566177368e-02 -7.1047067642211914e-01 - <_> - - 0 -1 27 4.6539418399333954e-02 - - -1.0464839637279510e-01 6.6270697116851807e-01 - <_> - - 0 -1 28 -1.7157640540972352e-03 - - -4.9618211388587952e-01 1.6275240480899811e-01 - <_> - - 0 -1 29 -1.2778829783201218e-02 - - 4.6254539489746094e-01 -1.6027900576591492e-01 - <_> - - 0 -1 30 -1.5214820206165314e-01 - - -7.0592701435089111e-01 1.0022509843111038e-01 - <_> - - 0 -1 31 3.1789899803698063e-03 - - 1.2345749884843826e-01 -3.9093419909477234e-01 - <_> - - 0 -1 32 -2.2882770281285048e-03 - - 3.7081500887870789e-01 -1.6210420429706573e-01 - <_> - - 0 -1 33 -2.9806189704686403e-03 - - 1.8087059259414673e-01 -3.3239859342575073e-01 - <_> - - 0 -1 34 -1.5072739915922284e-03 - - -4.9472311139106750e-01 9.8288856446743011e-02 - <_> - - 0 -1 35 1.9225040450692177e-03 - - -1.7791110277175903e-01 3.0773329734802246e-01 - <_> - - 0 -1 36 1.9025449873879552e-03 - - 8.4794998168945312e-02 -5.9020972251892090e-01 - <_> - - 0 -1 37 -3.5421559587121010e-03 - - 3.1175771355628967e-01 -1.4392930269241333e-01 - <_> - - 0 -1 38 -2.9751660767942667e-03 - - -6.3649141788482666e-01 8.2639887928962708e-02 - <_> - - 0 -1 39 1.0003290139138699e-02 - - -1.1699260026216507e-01 4.2387530207633972e-01 - <_> - - 0 -1 40 -1.9193530315533280e-03 - - -4.7115838527679443e-01 1.1038240045309067e-01 - <_> - - 0 -1 41 2.5070620700716972e-02 - - 4.8775929957628250e-02 -8.0351328849792480e-01 - <_> - 28 - -1.9849590063095093e+00 - - <_> - - 0 -1 42 1.4214799739420414e-02 - - -6.3577878475189209e-01 3.3461728692054749e-01 - <_> - - 0 -1 43 -1.2525909580290318e-02 - - 3.2766130566596985e-01 -4.1331529617309570e-01 - <_> - - 0 -1 44 -2.2514370357384905e-05 - - 2.3102630674839020e-01 -5.4282051324844360e-01 - <_> - - 0 -1 45 1.8600060138851404e-03 - - 1.7933349311351776e-01 -6.9131940603256226e-01 - <_> - - 0 -1 46 7.8344792127609253e-03 - - 9.1071300208568573e-02 -7.8126847743988037e-01 - <_> - - 0 -1 47 -4.2322301305830479e-03 - - 2.0658409595489502e-01 -4.2906031012535095e-01 - <_> - - 0 -1 48 -7.5860600918531418e-04 - - 2.0730710029602051e-01 -4.2070311307907104e-01 - <_> - - 0 -1 49 -3.5626380704343319e-03 - - -6.3227087259292603e-01 1.3118620216846466e-01 - <_> - - 0 -1 50 -4.9960161559283733e-03 - - -7.5112378597259521e-01 7.8203327953815460e-02 - <_> - - 0 -1 51 7.3098740540444851e-03 - - 9.3428641557693481e-02 -6.6310107707977295e-01 - <_> - - 0 -1 52 2.2772040392737836e-04 - - -3.4148821234703064e-01 2.0008200407028198e-01 - <_> - - 0 -1 53 8.3124160300940275e-04 - - -2.5448161363601685e-01 2.5857710838317871e-01 - <_> - - 0 -1 54 -7.5492179021239281e-03 - - -6.6138988733291626e-01 8.3004422485828400e-02 - <_> - - 0 -1 55 -3.8039948791265488e-02 - - -8.2163572311401367e-01 5.9231590479612350e-02 - <_> - - 0 -1 56 2.8484580107033253e-03 - - 8.9729957282543182e-02 -5.8333742618560791e-01 - <_> - - 0 -1 57 4.8181698657572269e-03 - - 9.3960560858249664e-02 -5.7619768381118774e-01 - <_> - - 0 -1 58 -1.1190489865839481e-02 - - -6.2544298171997070e-01 7.3608897626399994e-02 - <_> - - 0 -1 59 -6.4537129364907742e-03 - - 5.5123388767242432e-01 -1.0020790249109268e-01 - <_> - - 0 -1 60 3.3225629013031721e-03 - - -1.0797890275716782e-01 5.3664940595626831e-01 - <_> - - 0 -1 61 4.6705761924386024e-03 - - 8.8321126997470856e-02 -6.7683601379394531e-01 - <_> - - 0 -1 62 -1.1613310314714909e-02 - - -5.0711882114410400e-01 7.6556630432605743e-02 - <_> - - 0 -1 63 -3.7515610456466675e-02 - - -7.2936272621154785e-01 5.9448610991239548e-02 - <_> - - 0 -1 64 2.3086030036211014e-02 - - 5.0718959420919418e-02 -7.8459781408309937e-01 - <_> - - 0 -1 65 -7.1651988946541678e-06 - - 1.6686220467090607e-01 -2.5713220238685608e-01 - <_> - - 0 -1 66 7.1611627936363220e-04 - - 1.0636030137538910e-01 -4.2793640494346619e-01 - <_> - - 0 -1 67 4.1476460173726082e-03 - - -1.2069659680128098e-01 4.1993188858032227e-01 - <_> - - 0 -1 68 -2.5815099943429232e-03 - - 4.8718088865280151e-01 -1.0045810043811798e-01 - <_> - - 0 -1 69 -1.7147070029750466e-03 - - -4.6096310019493103e-01 1.0375110059976578e-01 - <_> - 28 - -1.8260079622268677e+00 - - <_> - - 0 -1 70 -6.1202719807624817e-02 - - 3.9079108834266663e-01 -3.9401251077651978e-01 - <_> - - 0 -1 71 -1.4643670292571187e-03 - - -7.3697841167449951e-01 1.5660220384597778e-01 - <_> - - 0 -1 72 7.2080420795828104e-04 - - 2.1675530076026917e-01 -5.8012658357620239e-01 - <_> - - 0 -1 73 6.4895692048594356e-04 - - -7.2308099269866943e-01 1.2785249948501587e-01 - <_> - - 0 -1 74 -1.7158190021291375e-03 - - -7.7100431919097900e-01 1.0210309922695160e-01 - <_> - - 0 -1 75 -2.2490581031888723e-03 - - -6.0623127222061157e-01 1.2427269667387009e-01 - <_> - - 0 -1 76 5.3841978311538696e-02 - - -1.7169749736785889e-01 5.3350567817687988e-01 - <_> - - 0 -1 77 -1.3288970291614532e-01 - - 5.5924367904663086e-01 -1.8954899907112122e-01 - <_> - - 0 -1 78 9.0965389972552657e-04 - - -4.7166430950164795e-01 1.6924260556697845e-01 - <_> - - 0 -1 79 6.0799147468060255e-04 - - 1.1347220093011856e-01 -5.9846878051757812e-01 - <_> - - 0 -1 80 1.6072629392147064e-01 - - -1.0295519977807999e-01 6.6487199068069458e-01 - <_> - - 0 -1 81 -1.7097239615395665e-03 - - -4.7276279330253601e-01 1.3392050564289093e-01 - <_> - - 0 -1 82 1.1734620202332735e-03 - - -2.2795589268207550e-01 2.6135650277137756e-01 - <_> - - 0 -1 83 -1.5138329472392797e-03 - - -5.5395001173019409e-01 1.1028339713811874e-01 - <_> - - 0 -1 84 -2.1774161141365767e-03 - - -6.2228900194168091e-01 7.8486673533916473e-02 - <_> - - 0 -1 85 -2.7727920096367598e-03 - - 4.6141120791435242e-01 -1.3496559858322144e-01 - <_> - - 0 -1 86 9.3199027469381690e-04 - - 1.0162770003080368e-01 -5.1631838083267212e-01 - <_> - - 0 -1 87 2.9746659565716982e-03 - - -1.2999209761619568e-01 4.2117300629615784e-01 - <_> - - 0 -1 88 -5.0399480387568474e-03 - - -6.3706171512603760e-01 7.7624127268791199e-02 - <_> - - 0 -1 89 2.3414850234985352e-02 - - 7.2182796895503998e-02 -5.9831130504608154e-01 - <_> - - 0 -1 90 -1.0927390540018678e-03 - - -4.1664880514144897e-01 1.1829990148544312e-01 - <_> - - 0 -1 91 -1.6441360348835588e-03 - - 1.8583069741725922e-01 -2.7551019191741943e-01 - <_> - - 0 -1 92 -2.5736279785633087e-02 - - -7.5146478414535522e-01 6.3907749950885773e-02 - <_> - - 0 -1 93 -2.8924590442329645e-03 - - -5.6780880689620972e-01 7.3297739028930664e-02 - <_> - - 0 -1 94 -5.2889231592416763e-03 - - -6.3738888502120972e-01 6.8686947226524353e-02 - <_> - - 0 -1 95 3.2964269630610943e-03 - - -2.5062951445579529e-01 1.5989780426025391e-01 - <_> - - 0 -1 96 2.4914439767599106e-02 - - 5.5260978639125824e-02 -7.6208770275115967e-01 - <_> - - 0 -1 97 -1.5088500455021858e-02 - - 3.7033379077911377e-01 -1.2003959715366364e-01 - <_> - 53 - -1.9446740150451660e+00 - - <_> - - 0 -1 98 -1.1857179924845695e-02 - - 2.9421558976173401e-01 -5.1703310012817383e-01 - <_> - - 0 -1 99 2.0991980563849211e-03 - - -6.1471748352050781e-01 2.0648500323295593e-01 - <_> - - 0 -1 100 -1.5772449842188507e-04 - - 2.2870740294456482e-01 -5.5258047580718994e-01 - <_> - - 0 -1 101 -2.0669099467340857e-04 - - 1.2070009857416153e-01 -5.4926127195358276e-01 - <_> - - 0 -1 102 2.2675560321658850e-03 - - 1.5354810655117035e-01 -4.6074301004409790e-01 - <_> - - 0 -1 103 1.4469499699771404e-02 - - -1.8976309895515442e-01 4.2071411013603210e-01 - <_> - - 0 -1 104 -1.2127560330554843e-03 - - -4.5139861106872559e-01 9.9425867199897766e-02 - <_> - - 0 -1 105 2.1505509503185749e-03 - - 1.0200879722833633e-01 -6.2064242362976074e-01 - <_> - - 0 -1 106 -1.6638869419693947e-03 - - -7.0367491245269775e-01 7.7214680612087250e-02 - <_> - - 0 -1 107 1.0530210565775633e-03 - - -3.2453960180282593e-01 1.7616109549999237e-01 - <_> - - 0 -1 108 1.1836409568786621e-02 - - -1.3507820665836334e-01 4.2641130089759827e-01 - <_> - - 0 -1 109 9.6512871095910668e-04 - - 9.4502769410610199e-02 -4.8544931411743164e-01 - <_> - - 0 -1 110 7.5651629595085979e-04 - - -2.9959529638290405e-01 1.6867619752883911e-01 - <_> - - 0 -1 111 1.0839150287210941e-02 - - -1.1121030151844025e-01 4.6914410591125488e-01 - <_> - - 0 -1 112 -5.1439419388771057e-02 - - 4.1726920008659363e-01 -1.1776400357484818e-01 - <_> - - 0 -1 113 3.4927250817418098e-03 - - 9.2512279748916626e-02 -5.2599352598190308e-01 - <_> - - 0 -1 114 -1.3926399871706963e-02 - - -6.6633498668670654e-01 5.2386458963155746e-02 - <_> - - 0 -1 115 4.5590959489345551e-03 - - -9.3383841216564178e-02 4.3774750828742981e-01 - <_> - - 0 -1 116 -3.7318699061870575e-02 - - -5.9583687782287598e-01 7.2627849876880646e-02 - <_> - - 0 -1 117 1.2496879789978266e-03 - - 6.9537237286567688e-02 -4.8772460222244263e-01 - <_> - - 0 -1 118 -3.7307639140635729e-03 - - 3.2699251174926758e-01 -1.1739090085029602e-01 - <_> - - 0 -1 119 2.1144179627299309e-03 - - 9.2889092862606049e-02 -4.1788020730018616e-01 - <_> - - 0 -1 120 -6.4239342464134097e-04 - - -2.9332190752029419e-01 1.3107809424400330e-01 - <_> - - 0 -1 121 -3.1379980500787497e-03 - - 3.2445520162582397e-01 -1.1506850272417068e-01 - <_> - - 0 -1 122 -3.9186969399452209e-02 - - -7.9360449314117432e-01 5.0053481012582779e-02 - <_> - - 0 -1 123 4.4646807946264744e-03 - - 5.4776020348072052e-02 -5.6535738706588745e-01 - <_> - - 0 -1 124 8.6451368406414986e-04 - - -1.7471200227737427e-01 1.9758160412311554e-01 - <_> - - 0 -1 125 2.4237011093646288e-03 - - -9.5296189188957214e-02 4.0760260820388794e-01 - <_> - - 0 -1 126 -2.5377490092068911e-03 - - -6.2454742193222046e-01 6.9920547306537628e-02 - <_> - - 0 -1 127 -7.3309220169903710e-06 - - 1.2249249964952469e-01 -2.8157269954681396e-01 - <_> - - 0 -1 128 -1.8882560543715954e-03 - - -6.2670397758483887e-01 6.5820932388305664e-02 - <_> - - 0 -1 129 6.0609861975535750e-04 - - -2.5481408834457397e-01 1.2902240455150604e-01 - <_> - - 0 -1 130 2.3213759995996952e-03 - - -9.7430117428302765e-02 3.2456091046333313e-01 - <_> - - 0 -1 131 -1.8534410046413541e-03 - - -4.4065341353416443e-01 8.2968853414058685e-02 - <_> - - 0 -1 132 2.3999500554054976e-03 - - -1.2041269987821579e-01 2.8288060426712036e-01 - <_> - - 0 -1 133 -8.1356197595596313e-02 - - -7.3972231149673462e-01 4.6568300575017929e-02 - <_> - - 0 -1 134 -2.9865680262446404e-03 - - 1.6334620118141174e-01 -1.9834910333156586e-01 - <_> - - 0 -1 135 2.8128880076110363e-03 - - 1.1837379634380341e-01 -2.9398199915885925e-01 - <_> - - 0 -1 136 -1.0060790181159973e-01 - - -7.3717647790908813e-01 4.2510021477937698e-02 - <_> - - 0 -1 137 1.1854549666168168e-04 - - 1.0471060127019882e-01 -2.9139861464500427e-01 - <_> - - 0 -1 138 2.2375308908522129e-03 - - -9.6042059361934662e-02 3.4045928716659546e-01 - <_> - - 0 -1 139 -4.4986992143094540e-03 - - -5.8234661817550659e-01 5.6236840784549713e-02 - <_> - - 0 -1 140 -3.6484538577497005e-04 - - -2.7956131100654602e-01 1.0113990306854248e-01 - <_> - - 0 -1 141 -7.9940296709537506e-03 - - 2.7775949239730835e-01 -1.1941230297088623e-01 - <_> - - 0 -1 142 -5.1547219045460224e-03 - - -6.0229510068893433e-01 4.8917140811681747e-02 - <_> - - 0 -1 143 -8.1772619159892201e-04 - - 1.7660500109195709e-01 -1.6407689452171326e-01 - <_> - - 0 -1 144 6.7434698343276978e-02 - - 4.0761459618806839e-02 -7.1865761280059814e-01 - <_> - - 0 -1 145 -2.4103289470076561e-03 - - 1.7671680450439453e-01 -1.6081850230693817e-01 - <_> - - 0 -1 146 -3.5183799918740988e-03 - - -4.3078601360321045e-01 7.0671632885932922e-02 - <_> - - 0 -1 147 -1.4561560419679154e-05 - - 1.2714700400829315e-01 -2.3387859761714935e-01 - <_> - - 0 -1 148 -4.7951821237802505e-02 - - -7.9085767269134521e-01 3.6803081631660461e-02 - <_> - - 0 -1 149 2.1735159680247307e-03 - - -1.3089279830455780e-01 2.5330349802970886e-01 - <_> - - 0 -1 150 -3.4542270004749298e-03 - - 5.1025247573852539e-01 -7.5337253510951996e-02 - <_> - 54 - -1.8389279842376709e+00 - - <_> - - 0 -1 151 4.5243161730468273e-03 - - -3.0485519766807556e-01 5.1908642053604126e-01 - <_> - - 0 -1 152 2.3372350260615349e-03 - - -4.2904540896415710e-01 2.9052159190177917e-01 - <_> - - 0 -1 153 -4.4243237935006618e-03 - - 2.1068570017814636e-01 -4.5954981446266174e-01 - <_> - - 0 -1 154 -1.2887439690530300e-02 - - 1.9138230383396149e-01 -4.5879068970680237e-01 - <_> - - 0 -1 155 -5.2370920457178727e-05 - - 1.4141489565372467e-01 -5.0267368555068970e-01 - <_> - - 0 -1 156 -4.7738491557538509e-03 - - -4.8760831356048584e-01 1.2341009825468063e-01 - <_> - - 0 -1 157 9.6315861446782947e-04 - - 1.3367399573326111e-01 -4.4793748855590820e-01 - <_> - - 0 -1 158 -8.9140303432941437e-02 - - 5.0387668609619141e-01 -1.5923009812831879e-01 - <_> - - 0 -1 159 1.7201449954882264e-03 - - -2.0535360276699066e-01 2.4340680241584778e-01 - <_> - - 0 -1 160 -2.6712119579315186e-03 - - -6.3319712877273560e-01 5.3035650402307510e-02 - <_> - - 0 -1 161 3.7353280931711197e-02 - - -1.1360249668359756e-01 4.6645331382751465e-01 - <_> - - 0 -1 162 -3.1510960310697556e-02 - - -6.8820482492446899e-01 6.9371856749057770e-02 - <_> - - 0 -1 163 1.5293819829821587e-02 - - -1.0043840110301971e-01 4.6267789602279663e-01 - <_> - - 0 -1 164 5.4966909810900688e-03 - - -9.3514643609523773e-02 4.5127061009407043e-01 - <_> - - 0 -1 165 -4.6311439946293831e-03 - - -6.4314597845077515e-01 8.5003547370433807e-02 - <_> - - 0 -1 166 8.0943357897922397e-04 - - 7.9738967120647430e-02 -4.9320799112319946e-01 - <_> - - 0 -1 167 2.9745940119028091e-02 - - 7.8420467674732208e-02 -5.0482439994812012e-01 - <_> - - 0 -1 168 9.7070122137665749e-04 - - 5.8135438710451126e-02 -5.7035177946090698e-01 - <_> - - 0 -1 169 2.4534659460186958e-03 - - -1.1259060353040695e-01 3.6852970719337463e-01 - <_> - - 0 -1 170 1.9709810148924589e-03 - - 7.7185310423374176e-02 -5.2683860063552856e-01 - <_> - - 0 -1 171 4.8643019981682301e-03 - - -1.0479539632797241e-01 4.1474440693855286e-01 - <_> - - 0 -1 172 1.0143260005861521e-03 - - -1.4731560647487640e-01 2.8671079874038696e-01 - <_> - - 0 -1 173 -9.5099088503047824e-04 - - -3.8070049881935120e-01 8.8108353316783905e-02 - <_> - - 0 -1 174 -5.6730289943516254e-03 - - 2.4818900227546692e-01 -1.3696339726448059e-01 - <_> - - 0 -1 175 1.6987899318337440e-02 - - -8.0896042287349701e-02 5.2781671285629272e-01 - <_> - - 0 -1 176 -7.5278789736330509e-03 - - -4.6880009770393372e-01 8.9389666914939880e-02 - <_> - - 0 -1 177 3.3948529511690140e-02 - - 5.0594791769981384e-02 -6.7399561405181885e-01 - <_> - - 0 -1 178 8.3328841719776392e-04 - - -1.8931360542774200e-01 1.9607099890708923e-01 - <_> - - 0 -1 179 -5.9632491320371628e-04 - - -3.6229288578033447e-01 1.0544770210981369e-01 - <_> - - 0 -1 180 3.0905720777809620e-03 - - 5.7209629565477371e-02 -5.5316972732543945e-01 - <_> - - 0 -1 181 3.5152619238942862e-03 - - -1.2211070209741592e-01 2.9369899630546570e-01 - <_> - - 0 -1 182 7.9333729809150100e-04 - - 7.5977906584739685e-02 -4.4539821147918701e-01 - <_> - - 0 -1 183 -1.1189360171556473e-02 - - -5.0596517324447632e-01 5.7438369840383530e-02 - <_> - - 0 -1 184 -1.1787790572270751e-03 - - 3.0799698829650879e-01 -1.0762230306863785e-01 - <_> - - 0 -1 185 5.4418851505033672e-05 - - -2.5997561216354370e-01 1.3138440251350403e-01 - <_> - - 0 -1 186 -7.2562302193546202e-06 - - 1.5439839661121368e-01 -2.1094700694084167e-01 - <_> - - 0 -1 187 -8.3436258137226105e-04 - - 1.3689869642257690e-01 -2.4367660284042358e-01 - <_> - - 0 -1 188 -3.3380609005689621e-02 - - -6.7477357387542725e-01 5.0986740738153458e-02 - <_> - - 0 -1 189 7.4093497823923826e-04 - - 9.1248527169227600e-02 -3.5220760107040405e-01 - <_> - - 0 -1 190 -2.0966369193047285e-03 - - 1.9110049307346344e-01 -1.6380029916763306e-01 - <_> - - 0 -1 191 -6.9339506328105927e-02 - - -8.7700867652893066e-01 3.5726629197597504e-02 - <_> - - 0 -1 192 -5.7089990004897118e-03 - - -6.8067228794097900e-01 3.5545960068702698e-02 - <_> - - 0 -1 193 6.8668760359287262e-03 - - -6.4886868000030518e-02 5.2265900373458862e-01 - <_> - - 0 -1 194 5.4602831369265914e-04 - - 1.0924419760704041e-01 -3.0285251140594482e-01 - <_> - - 0 -1 195 6.4349039457738400e-03 - - -1.6561950743198395e-01 1.9022129476070404e-01 - <_> - - 0 -1 196 -1.0112419724464417e-02 - - 7.4523001909255981e-01 -3.8347329944372177e-02 - <_> - - 0 -1 197 -7.5152877252548933e-04 - - -2.8147280216217041e-01 1.1321689933538437e-01 - <_> - - 0 -1 198 2.8225290589034557e-03 - - -1.2364400178194046e-01 2.5608530640602112e-01 - <_> - - 0 -1 199 2.2058798931539059e-03 - - 5.7334281504154205e-02 -5.6152081489562988e-01 - <_> - - 0 -1 200 2.8164181113243103e-01 - - 4.2092379182577133e-02 -6.4923799037933350e-01 - <_> - - 0 -1 201 -4.2593148536980152e-03 - - -6.4854997396469116e-01 4.3502658605575562e-02 - <_> - - 0 -1 202 2.6586679741740227e-03 - - -9.3526139855384827e-02 3.4158730506896973e-01 - <_> - - 0 -1 203 2.0971989724785089e-03 - - -1.1068929731845856e-01 3.1760269403457642e-01 - <_> - - 0 -1 204 -1.0267860488966107e-03 - - -3.7612101435661316e-01 9.8973110318183899e-02 - <_> - 56 - -1.8807189464569092e+00 - - <_> - - 0 -1 205 2.6354179717600346e-03 - - -5.2496808767318726e-01 2.7711030840873718e-01 - <_> - - 0 -1 206 2.6279650628566742e-03 - - -3.2195448875427246e-01 3.7013629078865051e-01 - <_> - - 0 -1 207 -5.8889109641313553e-03 - - 2.3777529597282410e-01 -4.1800329089164734e-01 - <_> - - 0 -1 208 1.9291159696877003e-03 - - -4.7122061252593994e-01 1.3692170381546021e-01 - <_> - - 0 -1 209 -1.5205480158329010e-02 - - -3.9618429541587830e-01 1.7402400076389313e-01 - <_> - - 0 -1 210 2.3393579758703709e-03 - - -3.8508901000022888e-01 1.5659110248088837e-01 - <_> - - 0 -1 211 4.2395621538162231e-02 - - 1.0478709638118744e-01 -6.2164002656936646e-01 - <_> - - 0 -1 212 -5.6959640234708786e-02 - - 5.1225858926773071e-01 -1.2684780359268188e-01 - <_> - - 0 -1 213 -7.2845568865886889e-06 - - 1.5136890113353729e-01 -3.1185621023178101e-01 - <_> - - 0 -1 214 -7.9633750021457672e-02 - - -8.4324747323989868e-01 4.4978428632020950e-02 - <_> - - 0 -1 215 5.9168688021600246e-03 - - -1.0745979845523834e-01 4.7434100508689880e-01 - <_> - - 0 -1 216 -1.4736950397491455e-03 - - 3.6067450046539307e-01 -1.4760640263557434e-01 - <_> - - 0 -1 217 -3.9630971848964691e-02 - - -6.5838980674743652e-01 7.4866786599159241e-02 - <_> - - 0 -1 218 6.2401412287726998e-04 - - -2.6195651292800903e-01 1.5652139484882355e-01 - <_> - - 0 -1 219 -2.3399210476782173e-05 - - 1.2157510221004486e-01 -3.0320811271667480e-01 - <_> - - 0 -1 220 3.0802030116319656e-02 - - 4.4408731162548065e-02 -6.6609877347946167e-01 - <_> - - 0 -1 221 1.4787449617870152e-04 - - -2.4449509382247925e-01 1.4723050594329834e-01 - <_> - - 0 -1 222 4.8630568198859692e-03 - - -1.1267810314893723e-01 3.2596799731254578e-01 - <_> - - 0 -1 223 6.2191881239414215e-02 - - 5.7439960539340973e-02 -6.4031070470809937e-01 - <_> - - 0 -1 224 1.4668420189991593e-03 - - 9.5356643199920654e-02 -3.3727881312370300e-01 - <_> - - 0 -1 225 -1.4742349776497576e-05 - - 1.9759610295295715e-01 -1.7083899676799774e-01 - <_> - - 0 -1 226 -3.2495670020580292e-02 - - -3.6848729848861694e-01 9.0363331139087677e-02 - <_> - - 0 -1 227 -1.5333830378949642e-03 - - 3.2256379723548889e-01 -1.0416819900274277e-01 - <_> - - 0 -1 228 -2.7998909354209900e-02 - - -4.9097910523414612e-01 8.2653783261775970e-02 - <_> - - 0 -1 229 4.9783890135586262e-03 - - 7.3238030076026917e-02 -4.4057780504226685e-01 - <_> - - 0 -1 230 6.8226028233766556e-03 - - 7.6766029000282288e-02 -4.1460910439491272e-01 - <_> - - 0 -1 231 1.1497880332171917e-02 - - -9.1440111398696899e-02 4.0099748969078064e-01 - <_> - - 0 -1 232 -1.1003069579601288e-02 - - -5.7417541742324829e-01 7.2776727378368378e-02 - <_> - - 0 -1 233 4.9345887964591384e-04 - - -1.3353590667247772e-01 2.4575209617614746e-01 - <_> - - 0 -1 234 2.2130589932203293e-03 - - -1.0753840208053589e-01 3.1632119417190552e-01 - <_> - - 0 -1 235 5.1011620089411736e-03 - - 7.8985318541526794e-02 -4.2948201298713684e-01 - <_> - - 0 -1 236 -3.7305638194084167e-02 - - -6.7921191453933716e-01 4.5049939304590225e-02 - <_> - - 0 -1 237 -6.1271698214113712e-03 - - 2.3062059283256531e-01 -1.4559289813041687e-01 - <_> - - 0 -1 238 7.6517700217664242e-03 - - -9.0355172753334045e-02 4.3072968721389771e-01 - <_> - - 0 -1 239 -1.1280870065093040e-02 - - -4.7850719094276428e-01 7.4674449861049652e-02 - <_> - - 0 -1 240 -1.4724049833603203e-05 - - 1.4459890127182007e-01 -2.2535640001296997e-01 - <_> - - 0 -1 241 -1.9895960576832294e-03 - - -6.1527568101882935e-01 5.4905921220779419e-02 - <_> - - 0 -1 242 1.6876959707587957e-03 - - -9.7619786858558655e-02 3.3004701137542725e-01 - <_> - - 0 -1 243 9.8390737548470497e-03 - - 4.0972411632537842e-02 -7.5515109300613403e-01 - <_> - - 0 -1 244 1.3243829598650336e-03 - - -1.0046280175447464e-01 3.0665108561515808e-01 - <_> - - 0 -1 245 3.1150300055742264e-03 - - 8.9804470539093018e-02 -3.3524599671363831e-01 - <_> - - 0 -1 246 7.3907422120100819e-06 - - -2.2410400211811066e-01 1.3288240134716034e-01 - <_> - - 0 -1 247 3.2559569925069809e-02 - - 5.0113398581743240e-02 -5.4240328073501587e-01 - <_> - - 0 -1 248 -2.9865119140595198e-03 - - 2.8385341167449951e-01 -1.1164219677448273e-01 - <_> - - 0 -1 249 1.6058710170909762e-03 - - -1.2024080008268356e-01 2.9032671451568604e-01 - <_> - - 0 -1 250 2.2018649615347385e-03 - - 7.8110128641128540e-02 -4.3846049904823303e-01 - <_> - - 0 -1 251 -5.7107508182525635e-03 - - -3.2608801126480103e-01 9.2941299080848694e-02 - <_> - - 0 -1 252 8.9503038907423615e-04 - - -1.3504159450531006e-01 2.2331899404525757e-01 - <_> - - 0 -1 253 7.7259249985218048e-02 - - 7.3221340775489807e-02 -4.1714018583297729e-01 - <_> - - 0 -1 254 -1.0145610198378563e-02 - - -2.7330970764160156e-01 1.4099189639091492e-01 - <_> - - 0 -1 255 -7.0878718361200299e-06 - - 1.2602959573268890e-01 -2.3253719508647919e-01 - <_> - - 0 -1 256 -8.0232005566358566e-03 - - -6.2682849168777466e-01 4.4199578464031219e-02 - <_> - - 0 -1 257 -1.5409339684993029e-03 - - 3.2154878973960876e-01 -9.5819726586341858e-02 - <_> - - 0 -1 258 -1.3815560378134251e-03 - - 2.3909060657024384e-01 -1.0845059901475906e-01 - <_> - - 0 -1 259 -8.5559524595737457e-03 - - -6.2880992889404297e-01 4.6904459595680237e-02 - <_> - - 0 -1 260 1.4967939932830632e-05 - - -1.7331050336360931e-01 1.6265609860420227e-01 - <_> - 68 - -1.7268099784851074e+00 - - <_> - - 0 -1 261 -9.2911375686526299e-03 - - 2.6676508784294128e-01 -4.8681628704071045e-01 - <_> - - 0 -1 262 -1.0201609693467617e-03 - - 2.1469169855117798e-01 -4.2971470952033997e-01 - <_> - - 0 -1 263 1.8099240260198712e-03 - - -4.7085261344909668e-01 1.7293150722980499e-01 - <_> - - 0 -1 264 -6.3195452094078064e-02 - - 5.5868512392044067e-01 -1.1922080069780350e-01 - <_> - - 0 -1 265 1.5157799934968352e-03 - - -3.3087429404258728e-01 1.4256539940834045e-01 - <_> - - 0 -1 266 -3.1134260352700949e-03 - - 3.1897360086441040e-01 -1.5563400089740753e-01 - <_> - - 0 -1 267 6.7187240347266197e-03 - - 1.1308009922504425e-01 -4.6142110228538513e-01 - <_> - - 0 -1 268 -1.4929190001566894e-05 - - 1.1303120106458664e-01 -3.8268089294433594e-01 - <_> - - 0 -1 269 -1.9974811002612114e-03 - - -6.7833811044692993e-01 5.5562671273946762e-02 - <_> - - 0 -1 270 4.4361899199429899e-05 - - -2.1478720009326935e-01 1.7524589598178864e-01 - <_> - - 0 -1 271 -9.4379335641860962e-03 - - -2.9008820652961731e-01 1.0494410246610641e-01 - <_> - - 0 -1 272 1.0263459989801049e-04 - - -3.6809450387954712e-01 1.1580110341310501e-01 - <_> - - 0 -1 273 -4.3512079864740372e-02 - - -5.7967478036880493e-01 4.5160628855228424e-02 - <_> - - 0 -1 274 2.3894330952316523e-03 - - -1.2443830072879791e-01 2.5726899504661560e-01 - <_> - - 0 -1 275 3.6203579511493444e-03 - - 4.8385269939899445e-02 -6.4456540346145630e-01 - <_> - - 0 -1 276 -4.2086638859473169e-04 - - -2.9963639378547668e-01 9.7508132457733154e-02 - <_> - - 0 -1 277 -3.6320161074399948e-02 - - 3.2499030232429504e-01 -1.0373180359601974e-01 - <_> - - 0 -1 278 5.5678240023553371e-03 - - -1.2865519523620605e-01 2.7721390128135681e-01 - <_> - - 0 -1 279 1.4324679505079985e-03 - - 6.3044667243957520e-02 -5.0411659479141235e-01 - <_> - - 0 -1 280 1.2268769787624478e-03 - - -1.7073589563369751e-01 1.7944329977035522e-01 - <_> - - 0 -1 281 4.0125530213117599e-03 - - 7.2100132703781128e-02 -4.1321611404418945e-01 - <_> - - 0 -1 282 4.7377590090036392e-03 - - -9.0100876986980438e-02 3.4303799271583557e-01 - <_> - - 0 -1 283 4.3965759687125683e-03 - - 5.4753091186285019e-02 -5.9175938367843628e-01 - <_> - - 0 -1 284 1.8952810205519199e-03 - - 4.0120709687471390e-02 -6.4907258749008179e-01 - <_> - - 0 -1 285 -1.3425230281427503e-03 - - 3.0321699380874634e-01 -1.1009240150451660e-01 - <_> - - 0 -1 286 -4.6405740082263947e-02 - - -4.6026471257209778e-01 7.0307031273841858e-02 - <_> - - 0 -1 287 2.5875549763441086e-02 - - 3.8987319916486740e-02 -6.4847522974014282e-01 - <_> - - 0 -1 288 1.0986380511894822e-03 - - -1.6458760201931000e-01 1.8133540451526642e-01 - <_> - - 0 -1 289 -3.9583959733135998e-04 - - 9.7805656492710114e-02 -2.7554351091384888e-01 - <_> - - 0 -1 290 -4.5633990317583084e-02 - - -5.4276019334793091e-01 5.4855771362781525e-02 - <_> - - 0 -1 291 -4.7068470157682896e-03 - - 4.0961420536041260e-01 -6.9687090814113617e-02 - <_> - - 0 -1 292 2.0004810357932001e-04 - - 1.2908969819545746e-01 -2.1091359853744507e-01 - <_> - - 0 -1 293 1.1126570170745254e-03 - - -2.2213070094585419e-01 1.2458589673042297e-01 - <_> - - 0 -1 294 -1.4747029636055231e-03 - - 2.9185178875923157e-01 -9.0756237506866455e-02 - <_> - - 0 -1 295 4.3162931688129902e-03 - - 6.1542909592390060e-02 -5.1068651676177979e-01 - <_> - - 0 -1 296 2.0302709890529513e-04 - - -1.5639910101890564e-01 1.6466440260410309e-01 - <_> - - 0 -1 297 3.4639390651136637e-04 - - 1.0773540288209915e-01 -2.5532799959182739e-01 - <_> - - 0 -1 298 1.5631220303475857e-03 - - -9.5428019762039185e-02 2.5450360774993896e-01 - <_> - - 0 -1 299 5.5476918350905180e-04 - - 7.9774253070354462e-02 -3.0791428685188293e-01 - <_> - - 0 -1 300 2.7690480928868055e-03 - - -9.1900892555713654e-02 3.0198639631271362e-01 - <_> - - 0 -1 301 1.1085179867222905e-03 - - 6.2624886631965637e-02 -4.1680490970611572e-01 - <_> - - 0 -1 302 3.4288389142602682e-03 - - -5.7473558932542801e-02 4.7293519973754883e-01 - <_> - - 0 -1 303 -2.0233790855854750e-03 - - -2.4128660559654236e-01 1.0806660354137421e-01 - <_> - - 0 -1 304 -9.1446418082341552e-04 - - 1.7990960180759430e-01 -1.6031919419765472e-01 - <_> - - 0 -1 305 3.8880690932273865e-02 - - 3.9132621139287949e-02 -6.4085322618484497e-01 - <_> - - 0 -1 306 1.2836069799959660e-03 - - 5.2912048995494843e-02 -4.3914559483528137e-01 - <_> - - 0 -1 307 3.5828219261020422e-03 - - -9.7462162375450134e-02 3.0772930383682251e-01 - <_> - - 0 -1 308 2.3203529417514801e-03 - - -1.0929799824953079e-01 2.6735728979110718e-01 - <_> - - 0 -1 309 1.1978139809798449e-04 - - 1.1623129993677139e-01 -2.3586340248584747e-01 - <_> - - 0 -1 310 -2.8259279206395149e-03 - - -4.1935729980468750e-01 5.7008400559425354e-02 - <_> - - 0 -1 311 2.4410230107605457e-03 - - 4.2706880718469620e-02 -5.3362858295440674e-01 - <_> - - 0 -1 312 2.6899650692939758e-03 - - -1.1351829767227173e-01 2.4779020249843597e-01 - <_> - - 0 -1 313 -3.1081750057637691e-03 - - -2.9488921165466309e-01 8.2543209195137024e-02 - <_> - - 0 -1 314 -6.6210748627781868e-03 - - 2.2958689928054810e-01 -1.1443620175123215e-01 - <_> - - 0 -1 315 4.6786409802734852e-03 - - -1.2875209748744965e-01 2.6777699589729309e-01 - <_> - - 0 -1 316 -1.2973829871043563e-03 - - -2.7280429005622864e-01 9.6471726894378662e-02 - <_> - - 0 -1 317 2.9523740522563457e-03 - - -8.7040692567825317e-02 2.9207450151443481e-01 - <_> - - 0 -1 318 -1.6173559706658125e-03 - - -4.0207850933074951e-01 6.5386466681957245e-02 - <_> - - 0 -1 319 -7.5417757034301758e-02 - - -8.9723330736160278e-01 2.4602690711617470e-02 - <_> - - 0 -1 320 -2.5402200408279896e-03 - - 1.5258650481700897e-01 -1.5025460720062256e-01 - <_> - - 0 -1 321 3.7864660844206810e-03 - - 7.6477207243442535e-02 -3.3881941437721252e-01 - <_> - - 0 -1 322 -1.4005510136485100e-02 - - 4.4426390528678894e-01 -5.9003930538892746e-02 - <_> - - 0 -1 323 5.5956508731469512e-04 - - 7.4007123708724976e-02 -3.5604709386825562e-01 - <_> - - 0 -1 324 2.5946850655600429e-04 - - -2.8126189112663269e-01 8.7399207055568695e-02 - <_> - - 0 -1 325 4.4409232214093208e-03 - - 2.8623659163713455e-02 -7.7284187078475952e-01 - <_> - - 0 -1 326 -2.3343560751527548e-03 - - 3.5460600256919861e-01 -7.1207538247108459e-02 - <_> - - 0 -1 327 9.7654951969161630e-04 - - -1.0138420015573502e-01 2.2545370459556580e-01 - <_> - - 0 -1 328 -4.3227209243923426e-04 - - -2.1095879375934601e-01 1.2273149937391281e-01 - <_> - 70 - -1.6056820154190063e+00 - - <_> - - 0 -1 329 -1.2480209581553936e-02 - - 2.6112109422683716e-01 -4.7001519799232483e-01 - <_> - - 0 -1 330 3.5450961440801620e-02 - - -2.0008459687232971e-01 4.7718611359596252e-01 - <_> - - 0 -1 331 2.0369330886751413e-03 - - -4.7703158855438232e-01 1.5132640302181244e-01 - <_> - - 0 -1 332 -4.3946420191787183e-05 - - 1.2288480252027512e-01 -5.1796287298202515e-01 - <_> - - 0 -1 333 -3.8480788934975863e-03 - - 4.1113680601119995e-01 -1.4595329761505127e-01 - <_> - - 0 -1 334 -2.8316550888121128e-03 - - 2.8710970282554626e-01 -1.7629599571228027e-01 - <_> - - 0 -1 335 2.5026081129908562e-03 - - 7.9668842256069183e-02 -5.7808011770248413e-01 - <_> - - 0 -1 336 3.0812958721071482e-04 - - 8.2838706672191620e-02 -4.2540180683135986e-01 - <_> - - 0 -1 337 6.1186961829662323e-04 - - 1.3641810417175293e-01 -3.0591419339179993e-01 - <_> - - 0 -1 338 -1.4354350241774227e-05 - - 1.4197489619255066e-01 -2.5681999325752258e-01 - <_> - - 0 -1 339 1.6148330178111792e-03 - - -2.6239329576492310e-01 1.3288390636444092e-01 - <_> - - 0 -1 340 2.0318101160228252e-03 - - 7.5749568641185760e-02 -4.3141460418701172e-01 - <_> - - 0 -1 341 9.5563679933547974e-03 - - -9.1424480080604553e-02 4.0004569292068481e-01 - <_> - - 0 -1 342 -7.8439561184495687e-04 - - -3.6619931459426880e-01 9.1777816414833069e-02 - <_> - - 0 -1 343 -3.9661130867898464e-03 - - 2.3698210716247559e-01 -1.4281649887561798e-01 - <_> - - 0 -1 344 -2.3194469977170229e-03 - - -4.2245340347290039e-01 7.8684106469154358e-02 - <_> - - 0 -1 345 -7.3490202426910400e-02 - - -6.2218552827835083e-01 4.0496870875358582e-02 - <_> - - 0 -1 346 -3.6803178954869509e-03 - - 1.2612029910087585e-01 -2.0990429818630219e-01 - <_> - - 0 -1 347 -4.1019290685653687e-02 - - -8.0316942930221558e-01 2.7993949130177498e-02 - <_> - - 0 -1 348 -4.8213129048235714e-04 - - 1.4825980365276337e-01 -1.7869630455970764e-01 - <_> - - 0 -1 349 -1.6598250716924667e-02 - - 4.1442281007766724e-01 -6.4051687717437744e-02 - <_> - - 0 -1 350 -1.0631670011207461e-03 - - -3.3466520905494690e-01 8.2425996661186218e-02 - <_> - - 0 -1 351 1.8658409826457500e-03 - - -1.3119789958000183e-01 2.3183380067348480e-01 - <_> - - 0 -1 352 -2.5827190838754177e-03 - - 3.8415950536727905e-01 -8.4121666848659515e-02 - <_> - - 0 -1 353 1.7159619601443410e-03 - - 7.6971538364887238e-02 -4.1098991036415100e-01 - <_> - - 0 -1 354 -3.9140181615948677e-03 - - -6.2508618831634521e-01 3.8418460637331009e-02 - <_> - - 0 -1 355 4.2724498780444264e-04 - - 8.6016573011875153e-02 -2.6975229382514954e-01 - <_> - - 0 -1 356 3.3992920070886612e-03 - - -1.0176510363817215e-01 2.7030828595161438e-01 - <_> - - 0 -1 357 -3.6457281559705734e-02 - - -4.9261981248855591e-01 5.5854249745607376e-02 - <_> - - 0 -1 358 1.6230379696935415e-03 - - 5.7567078620195389e-02 -4.2053499817848206e-01 - <_> - - 0 -1 359 4.6655549667775631e-03 - - -9.1158397495746613e-02 3.2095280289649963e-01 - <_> - - 0 -1 360 3.1331549398601055e-03 - - -9.6932657063007355e-02 3.4073451161384583e-01 - <_> - - 0 -1 361 -1.6835830174386501e-03 - - -3.6766248941421509e-01 8.2226082682609558e-02 - <_> - - 0 -1 362 2.7728650718927383e-02 - - 4.0117498487234116e-02 -6.5198391675949097e-01 - <_> - - 0 -1 363 9.5015309751033783e-02 - - 2.3065119981765747e-02 -8.8881981372833252e-01 - <_> - - 0 -1 364 7.4755616486072540e-02 - - -6.3946872949600220e-02 4.7399708628654480e-01 - <_> - - 0 -1 365 1.6693340614438057e-02 - - 4.6477258205413818e-02 -7.1152418851852417e-01 - <_> - - 0 -1 366 1.2088769581168890e-03 - - -1.1359269917011261e-01 2.2424149513244629e-01 - <_> - - 0 -1 367 -6.1751517932862043e-04 - - -3.1268230080604553e-01 8.5018932819366455e-02 - <_> - - 0 -1 368 8.5786692798137665e-03 - - -1.5559460222721100e-01 1.5640939772129059e-01 - <_> - - 0 -1 369 6.1184767400845885e-04 - - 9.4403937458992004e-02 -2.6520138978958130e-01 - <_> - - 0 -1 370 -3.4570440184324980e-03 - - 1.5146060287952423e-01 -1.6220529377460480e-01 - <_> - - 0 -1 371 1.3953070156276226e-03 - - -9.9996216595172882e-02 2.4998310208320618e-01 - <_> - - 0 -1 372 3.5910680890083313e-03 - - 8.1011682748794556e-02 -3.0081549286842346e-01 - <_> - - 0 -1 373 5.4192831739783287e-03 - - 6.7650042474269867e-02 -3.2355660200119019e-01 - <_> - - 0 -1 374 -1.1379310162737966e-03 - - 1.8887449800968170e-01 -1.2729729712009430e-01 - <_> - - 0 -1 375 9.1047259047627449e-03 - - 1.0160540044307709e-01 -2.2280150651931763e-01 - <_> - - 0 -1 376 6.5050171688199043e-03 - - -7.2986416518688202e-02 3.5770270228385925e-01 - <_> - - 0 -1 377 -1.4676549653813709e-05 - - 1.4693109691143036e-01 -1.7403540015220642e-01 - <_> - - 0 -1 378 -9.4403158873319626e-03 - - -2.6536750793457031e-01 9.6619546413421631e-02 - <_> - - 0 -1 379 -4.2933300137519836e-03 - - 2.5656831264495850e-01 -1.0550209879875183e-01 - <_> - - 0 -1 380 4.3133171275258064e-03 - - 6.5936572849750519e-02 -4.5719939470291138e-01 - <_> - - 0 -1 381 5.8854468166828156e-02 - - 6.7918263375759125e-02 -3.3078071475028992e-01 - <_> - - 0 -1 382 -2.8407620266079903e-03 - - 2.3953500390052795e-01 -9.2092156410217285e-02 - <_> - - 0 -1 383 9.6359942108392715e-04 - - -1.0982380062341690e-01 2.6462998986244202e-01 - <_> - - 0 -1 384 -1.4724590073456056e-05 - - 1.1111160367727280e-01 -2.2704580426216125e-01 - <_> - - 0 -1 385 -8.0675468780100346e-04 - - -3.6335140466690063e-01 7.8122653067111969e-02 - <_> - - 0 -1 386 7.3296198388561606e-04 - - -1.5605129301548004e-01 1.5184900164604187e-01 - <_> - - 0 -1 387 6.3753738068044186e-03 - - -7.1957953274250031e-02 2.9723879694938660e-01 - <_> - - 0 -1 388 4.6390579082071781e-03 - - 3.5969600081443787e-02 -6.1132347583770752e-01 - <_> - - 0 -1 389 -7.1079272311180830e-04 - - -2.8806841373443604e-01 6.9314628839492798e-02 - <_> - - 0 -1 390 2.9162289574742317e-03 - - -7.5968459248542786e-02 3.2681688666343689e-01 - <_> - - 0 -1 391 -1.7853140830993652e-02 - - 4.4206309318542480e-01 -4.8174031078815460e-02 - <_> - - 0 -1 392 8.3874985575675964e-03 - - 4.8913899809122086e-02 -5.4415327310562134e-01 - <_> - - 0 -1 393 2.9458320568664931e-05 - - -2.1131239831447601e-01 1.0629370063543320e-01 - <_> - - 0 -1 394 -9.8192706704139709e-02 - - 3.5318240523338318e-01 -6.9296866655349731e-02 - <_> - - 0 -1 395 4.6140368795022368e-04 - - 9.6270777285099030e-02 -2.5811928510665894e-01 - <_> - - 0 -1 396 -2.4016610404942185e-04 - - -2.2976429760456085e-01 9.9984891712665558e-02 - <_> - - 0 -1 397 3.7882480770349503e-02 - - -1.0365439951419830e-01 2.3164770007133484e-01 - <_> - - 0 -1 398 3.2621581340208650e-04 - - 9.7933940589427948e-02 -2.3689700663089752e-01 - <_> - 85 - -1.5173089504241943e+00 - - <_> - - 0 -1 399 -3.6744121462106705e-02 - - 3.4079340100288391e-01 -3.1779891252517700e-01 - <_> - - 0 -1 400 2.1955010015517473e-03 - - -2.8729590773582458e-01 2.5869798660278320e-01 - <_> - - 0 -1 401 8.3034839481115341e-03 - - -2.1800449490547180e-01 2.6759269833564758e-01 - <_> - - 0 -1 402 2.6289420202374458e-03 - - -3.6006081104278564e-01 1.4639839529991150e-01 - <_> - - 0 -1 403 1.9458869937807322e-03 - - 1.3677720725536346e-01 -4.2058759927749634e-01 - <_> - - 0 -1 404 -2.1704390645027161e-02 - - 4.8903319239616394e-01 -9.8091572523117065e-02 - <_> - - 0 -1 405 4.2956420220434666e-03 - - -2.7825561165809631e-01 1.5712629258632660e-01 - <_> - - 0 -1 406 4.9894629046320915e-04 - - 1.1003810167312622e-01 -3.3779421448707581e-01 - <_> - - 0 -1 407 2.4652799591422081e-02 - - 4.5820660889148712e-02 -5.4710537195205688e-01 - <_> - - 0 -1 408 -2.3075740784406662e-02 - - -4.9801421165466309e-01 6.7044779658317566e-02 - <_> - - 0 -1 409 1.1991280131042004e-02 - - -7.0877023041248322e-02 4.8294249176979065e-01 - <_> - - 0 -1 410 1.5430679544806480e-02 - - -6.5949738025665283e-02 4.5236849784851074e-01 - <_> - - 0 -1 411 -4.5555769465863705e-03 - - -4.4665691256523132e-01 6.7877657711505890e-02 - <_> - - 0 -1 412 -4.4582979753613472e-03 - - 3.3656919002532959e-01 -9.4792358577251434e-02 - <_> - - 0 -1 413 1.3494009908754379e-04 - - -3.0288851261138916e-01 1.0293830186128616e-01 - <_> - - 0 -1 414 -4.2500188574194908e-03 - - 4.2550128698348999e-01 -7.2956383228302002e-02 - <_> - - 0 -1 415 -1.4293759595602751e-03 - - -3.0116760730743408e-01 9.0039253234863281e-02 - <_> - - 0 -1 416 -6.3978550024330616e-03 - - 4.1943550109863281e-01 -7.9320870339870453e-02 - <_> - - 0 -1 417 2.6083870325237513e-03 - - 8.3598926663398743e-02 -4.1897168755531311e-01 - <_> - - 0 -1 418 8.6870808154344559e-03 - - -6.3015699386596680e-02 5.2644741535186768e-01 - <_> - - 0 -1 419 -1.0380990570411086e-03 - - -3.6220151185989380e-01 8.0301038920879364e-02 - <_> - - 0 -1 420 4.4070050120353699e-01 - - 3.4913059324026108e-02 -7.2764492034912109e-01 - <_> - - 0 -1 421 3.3689520787447691e-03 - - 5.7332780212163925e-02 -4.8633271455764771e-01 - <_> - - 0 -1 422 1.7443710239604115e-03 - - -1.0994660109281540e-01 2.7023580670356750e-01 - <_> - - 0 -1 423 5.3788698278367519e-04 - - -2.7439421415328979e-01 1.0063380002975464e-01 - <_> - - 0 -1 424 1.0072899749502540e-03 - - 1.0756769776344299e-01 -2.3221600055694580e-01 - <_> - - 0 -1 425 -8.2518812268972397e-03 - - -6.5216302871704102e-01 3.5704229027032852e-02 - <_> - - 0 -1 426 3.5490558948367834e-03 - - -8.4254868328571320e-02 3.1767430901527405e-01 - <_> - - 0 -1 427 -1.1033359915018082e-02 - - 4.1271620988845825e-01 -6.2587052583694458e-02 - <_> - - 0 -1 428 3.2278439030051231e-03 - - 7.1266986429691315e-02 -4.1172251105308533e-01 - <_> - - 0 -1 429 1.7540389299392700e-01 - - 3.4958980977535248e-02 -6.3775068521499634e-01 - <_> - - 0 -1 430 -4.8067080206237733e-04 - - -2.4503110349178314e-01 9.8930649459362030e-02 - <_> - - 0 -1 431 -1.8284550169482827e-03 - - 1.3486519455909729e-01 -1.9799900054931641e-01 - <_> - - 0 -1 432 1.7096720403060317e-03 - - -1.0525950044393539e-01 2.1005709469318390e-01 - <_> - - 0 -1 433 3.9468301110900939e-04 - - 8.0952547490596771e-02 -2.7405399084091187e-01 - <_> - - 0 -1 434 2.3097719531506300e-03 - - 1.2338220328092575e-01 -1.9958800077438354e-01 - <_> - - 0 -1 435 3.1529190018773079e-03 - - -1.0612549632787704e-01 2.2089600563049316e-01 - <_> - - 0 -1 436 -1.9097010372206569e-03 - - -2.5094708800315857e-01 8.7022580206394196e-02 - <_> - - 0 -1 437 -1.2370609911158681e-03 - - 3.0760520696640015e-01 -7.5937293469905853e-02 - <_> - - 0 -1 438 3.7081091431900859e-04 - - -1.6065080463886261e-01 1.3480199873447418e-01 - <_> - - 0 -1 439 3.4268848598003387e-02 - - 3.5260949283838272e-02 -6.3547158241271973e-01 - <_> - - 0 -1 440 4.6664681285619736e-03 - - -5.2494861185550690e-02 4.3242320418357849e-01 - <_> - - 0 -1 441 1.0423569940030575e-02 - - 5.1612429320812225e-02 -5.0745230913162231e-01 - <_> - - 0 -1 442 1.1215180158615112e-02 - - -3.8614250719547272e-02 5.7645928859710693e-01 - <_> - - 0 -1 443 -7.3029109444178175e-06 - - 1.2052319943904877e-01 -1.7274369299411774e-01 - <_> - - 0 -1 444 -4.9072802066802979e-03 - - -3.4818550944328308e-01 5.9116441756486893e-02 - <_> - - 0 -1 445 1.9488829420879483e-03 - - -8.8861227035522461e-02 2.4020899832248688e-01 - <_> - - 0 -1 446 1.3313010276760906e-04 - - -1.4657719433307648e-01 1.9929920136928558e-01 - <_> - - 0 -1 447 -1.4298240421339869e-03 - - -3.9005228877067566e-01 5.9909418225288391e-02 - <_> - - 0 -1 448 -6.4831459894776344e-03 - - 1.8141369521617889e-01 -1.1655449867248535e-01 - <_> - - 0 -1 449 7.2958500823006034e-06 - - -1.8219240009784698e-01 1.1812780052423477e-01 - <_> - - 0 -1 450 4.1690681246109307e-04 - - 1.0591679811477661e-01 -2.0353710651397705e-01 - <_> - - 0 -1 451 5.1982058212161064e-03 - - -3.5962641239166260e-02 6.0264211893081665e-01 - <_> - - 0 -1 452 -4.0649957954883575e-03 - - 2.0696419477462769e-01 -9.8599843680858612e-02 - <_> - - 0 -1 453 -4.7734950203448534e-04 - - -2.4629549682140350e-01 9.3174271285533905e-02 - <_> - - 0 -1 454 5.2415160462260246e-03 - - 3.6528520286083221e-02 -5.4934787750244141e-01 - <_> - - 0 -1 455 3.7873629480600357e-03 - - -5.7597089558839798e-02 3.8733980059623718e-01 - <_> - - 0 -1 456 -1.4434250260819681e-05 - - 1.1292859911918640e-01 -1.7447079718112946e-01 - <_> - - 0 -1 457 4.2011599987745285e-02 - - -4.6556860208511353e-02 4.5454800128936768e-01 - <_> - - 0 -1 458 7.9663433134555817e-03 - - 4.2258739471435547e-02 -5.3702521324157715e-01 - <_> - - 0 -1 459 5.3092982852831483e-04 - - -9.7918719053268433e-02 2.1795919537544250e-01 - <_> - - 0 -1 460 5.2906107157468796e-04 - - 7.7961057424545288e-02 -2.8867539763450623e-01 - <_> - - 0 -1 461 -1.9556249678134918e-01 - - -7.6475739479064941e-01 2.7276000007987022e-02 - <_> - - 0 -1 462 -1.1559950187802315e-02 - - 3.3526000380516052e-01 -6.3614986836910248e-02 - <_> - - 0 -1 463 -1.4005659520626068e-01 - - -7.6232051849365234e-01 2.8024470433592796e-02 - <_> - - 0 -1 464 4.4643289584200829e-05 - - -2.0320929586887360e-01 9.9391698837280273e-02 - <_> - - 0 -1 465 3.9411801844835281e-03 - - 4.9936279654502869e-02 -3.7584540247917175e-01 - <_> - - 0 -1 466 -4.5965691097080708e-03 - - 3.3031210303306580e-01 -6.3809931278228760e-02 - <_> - - 0 -1 467 -6.9790292764082551e-04 - - 1.6093710064888000e-01 -1.3192920386791229e-01 - <_> - - 0 -1 468 6.1886821640655398e-04 - - 7.4621193110942841e-02 -3.3021458983421326e-01 - <_> - - 0 -1 469 -3.2755140215158463e-02 - - -4.0643560886383057e-01 4.9308661371469498e-02 - <_> - - 0 -1 470 3.3697509206831455e-03 - - 4.0627099573612213e-02 -4.9757328629493713e-01 - <_> - - 0 -1 471 3.7391821388155222e-04 - - -1.4931799471378326e-01 1.6517969965934753e-01 - <_> - - 0 -1 472 -4.0217190980911255e-03 - - 2.9531970620155334e-01 -7.6642103493213654e-02 - <_> - - 0 -1 473 -7.2943832492455840e-04 - - -2.7355810999870300e-01 7.9243987798690796e-02 - <_> - - 0 -1 474 -5.7726111263036728e-03 - - 3.4741240739822388e-01 -7.6087206602096558e-02 - <_> - - 0 -1 475 -2.1122458856552839e-03 - - 1.7290510237216949e-01 -1.2444470077753067e-01 - <_> - - 0 -1 476 4.4956691563129425e-03 - - 3.0218729749321938e-02 -7.4003338813781738e-01 - <_> - - 0 -1 477 -1.1419389629736543e-03 - - -2.3494489490985870e-01 7.6911546289920807e-02 - <_> - - 0 -1 478 2.7658098842948675e-03 - - -9.1666661202907562e-02 2.1009710431098938e-01 - <_> - - 0 -1 479 -7.2281848406419158e-04 - - -2.5587469339370728e-01 7.5378142297267914e-02 - <_> - - 0 -1 480 1.8604539800435305e-03 - - -9.4511069357395172e-02 1.9726920127868652e-01 - <_> - - 0 -1 481 -2.8568008565343916e-04 - - -2.1073310077190399e-01 9.7290039062500000e-02 - <_> - - 0 -1 482 -3.8796100765466690e-02 - - -7.8724592924118042e-01 2.4410309270024300e-02 - <_> - - 0 -1 483 -1.2119869701564312e-02 - - 3.6466810107231140e-01 -5.7907499372959137e-02 - <_> - 93 - -1.6563049554824829e+00 - - <_> - - 0 -1 484 5.6008538231253624e-03 - - -3.8491588830947876e-01 3.3817461133003235e-01 - <_> - - 0 -1 485 -3.7205789703875780e-03 - - 2.4614119529724121e-01 -3.0673781037330627e-01 - <_> - - 0 -1 486 -2.5333440862596035e-03 - - 1.2531200051307678e-01 -4.2720189690589905e-01 - <_> - - 0 -1 487 -7.3425087612122297e-04 - - 1.3314330577850342e-01 -3.5111570358276367e-01 - <_> - - 0 -1 488 -1.4792960428167135e-04 - - 1.2545309960842133e-01 -3.8591191172599792e-01 - <_> - - 0 -1 489 -4.8976339399814606e-02 - - 3.6456748843193054e-01 -1.1494780331850052e-01 - <_> - - 0 -1 490 1.0917349718511105e-03 - - 7.9005338251590729e-02 -4.1399830579757690e-01 - <_> - - 0 -1 491 5.4457997903227806e-03 - - -1.1921840161085129e-01 3.3085560798645020e-01 - <_> - - 0 -1 492 1.5979419695213437e-03 - - 4.1181199252605438e-02 -5.5028229951858521e-01 - <_> - - 0 -1 493 -1.3023250503465533e-03 - - 8.2839436829090118e-02 -3.5719320178031921e-01 - <_> - - 0 -1 494 4.8810569569468498e-04 - - -2.0928630232810974e-01 1.4972810447216034e-01 - <_> - - 0 -1 495 2.1033850498497486e-03 - - 5.1839418709278107e-02 -6.1099958419799805e-01 - <_> - - 0 -1 496 1.1984360404312611e-02 - - 4.1022349148988724e-02 -5.8985722064971924e-01 - <_> - - 0 -1 497 -1.1898590251803398e-02 - - 4.5844998955726624e-01 -6.4714707434177399e-02 - <_> - - 0 -1 498 5.3713661618530750e-03 - - -6.1560470610857010e-02 4.1204369068145752e-01 - <_> - - 0 -1 499 4.3421140871942043e-03 - - 6.0501661151647568e-02 -4.8703390359878540e-01 - <_> - - 0 -1 500 6.6142519935965538e-03 - - 4.6873189508914948e-02 -5.0346171855926514e-01 - <_> - - 0 -1 501 1.2339729582890868e-03 - - -8.1538438796997070e-02 3.0428299307823181e-01 - <_> - - 0 -1 502 -1.2975660152733326e-02 - - -4.7834330797195435e-01 4.8681490123271942e-02 - <_> - - 0 -1 503 -1.7806360265240073e-03 - - 3.7698730826377869e-01 -6.8126037716865540e-02 - <_> - - 0 -1 504 7.8339744359254837e-03 - - 5.4501280188560486e-02 -4.6738588809967041e-01 - <_> - - 0 -1 505 -6.0113701038062572e-03 - - 5.4870051145553589e-01 -4.4434640556573868e-02 - <_> - - 0 -1 506 -2.0694560371339321e-03 - - -3.7755548954010010e-01 6.4383402466773987e-02 - <_> - - 0 -1 507 4.7843591310083866e-03 - - 4.6252150088548660e-02 -5.2633982896804810e-01 - <_> - - 0 -1 508 -6.2808818183839321e-03 - - 3.9451861381530762e-01 -6.9051302969455719e-02 - <_> - - 0 -1 509 1.6099009662866592e-03 - - -1.0316190123558044e-01 2.7321669459342957e-01 - <_> - - 0 -1 510 -8.2392559852451086e-04 - - -2.8039410710334778e-01 8.4601573646068573e-02 - <_> - - 0 -1 511 -1.0123319923877716e-02 - - 3.3635950088500977e-01 -6.1322949826717377e-02 - <_> - - 0 -1 512 1.0525720193982124e-02 - - 4.6165600419044495e-02 -5.1672130823135376e-01 - <_> - - 0 -1 513 -2.6774499565362930e-02 - - -5.0325971841812134e-01 3.9857819676399231e-02 - <_> - - 0 -1 514 4.0248301811516285e-03 - - -6.1501380056142807e-02 3.6659809947013855e-01 - <_> - - 0 -1 515 -4.6271650353446603e-04 - - -2.6439830660820007e-01 8.1311263144016266e-02 - <_> - - 0 -1 516 -5.1834900659741834e-05 - - 1.1154399812221527e-01 -2.0269370079040527e-01 - <_> - - 0 -1 517 4.8874281346797943e-03 - - -6.9644987583160400e-02 3.3612030744552612e-01 - <_> - - 0 -1 518 1.2638230621814728e-01 - - 3.6813639104366302e-02 -6.5849918127059937e-01 - <_> - - 0 -1 519 -8.0248164013028145e-03 - - 4.6601921319961548e-01 -4.8885859549045563e-02 - <_> - - 0 -1 520 -1.1518909595906734e-03 - - -4.0466758608818054e-01 5.8572851121425629e-02 - <_> - - 0 -1 521 9.8190037533640862e-04 - - -1.3197229802608490e-01 1.7744350433349609e-01 - <_> - - 0 -1 522 -1.9447980448603630e-02 - - -6.8489527702331543e-01 3.3834591507911682e-02 - <_> - - 0 -1 523 -7.2442039709130768e-06 - - 1.1553110182285309e-01 -1.8726129829883575e-01 - <_> - - 0 -1 524 -1.7039060592651367e-02 - - -3.5105291008949280e-01 6.7737713456153870e-02 - <_> - - 0 -1 525 1.1186580173671246e-02 - - -9.3420043587684631e-02 2.1077099442481995e-01 - <_> - - 0 -1 526 7.6585268834605813e-04 - - 6.5965756773948669e-02 -3.2127881050109863e-01 - <_> - - 0 -1 527 1.4231950626708567e-04 - - -1.5460130572319031e-01 1.3757640123367310e-01 - <_> - - 0 -1 528 -5.5553209967911243e-03 - - 3.1319350004196167e-01 -6.4753532409667969e-02 - <_> - - 0 -1 529 1.2308239820413291e-04 - - 9.7666621208190918e-02 -2.2251069545745850e-01 - <_> - - 0 -1 530 -1.6092039877548814e-03 - - -3.6215591430664062e-01 6.4452558755874634e-02 - <_> - - 0 -1 531 -1.5626100357621908e-03 - - 2.2588780522346497e-01 -9.5551103353500366e-02 - <_> - - 0 -1 532 -5.0116342026740313e-04 - - -2.2289219498634338e-01 8.9174531400203705e-02 - <_> - - 0 -1 533 3.7322030402719975e-04 - - 9.1969013214111328e-02 -2.1129919588565826e-01 - <_> - - 0 -1 534 -2.2882660850882530e-03 - - 3.8989049196243286e-01 -5.3455859422683716e-02 - <_> - - 0 -1 535 -4.6884030103683472e-02 - - -6.2357091903686523e-01 3.2194521278142929e-02 - <_> - - 0 -1 536 1.8901260336861014e-03 - - -7.2615146636962891e-02 2.7420088648796082e-01 - <_> - - 0 -1 537 1.5805330127477646e-02 - - 2.8601830825209618e-02 -6.9608169794082642e-01 - <_> - - 0 -1 538 3.2644178718328476e-02 - - -4.0772251784801483e-02 5.0873398780822754e-01 - <_> - - 0 -1 539 6.5482832724228501e-04 - - 8.5724912583827972e-02 -2.7580630779266357e-01 - <_> - - 0 -1 540 -1.1142930015921593e-02 - - 8.7326012551784515e-02 -2.0914819836616516e-01 - <_> - - 0 -1 541 -5.8072229148820043e-04 - - -2.9471421241760254e-01 6.6337890923023224e-02 - <_> - - 0 -1 542 -7.4414577102288604e-04 - - 1.8017959594726562e-01 -1.0654629766941071e-01 - <_> - - 0 -1 543 7.6460661366581917e-03 - - -6.3608147203922272e-02 3.1582340598106384e-01 - <_> - - 0 -1 544 3.2617211341857910e-02 - - 3.2606441527605057e-02 -6.0541188716888428e-01 - <_> - - 0 -1 545 -3.4527231007814407e-02 - - -5.9770858287811279e-01 2.7888769283890724e-02 - <_> - - 0 -1 546 3.2211719080805779e-03 - - -4.9183920025825500e-02 4.0305620431900024e-01 - <_> - - 0 -1 547 -4.1549839079380035e-04 - - 1.3533140718936920e-01 -1.5845330059528351e-01 - <_> - - 0 -1 548 2.5140501093119383e-03 - - 6.3218571245670319e-02 -3.0768528580665588e-01 - <_> - - 0 -1 549 -2.0818209648132324e-01 - - -7.5750261545181274e-01 2.2695960476994514e-02 - <_> - - 0 -1 550 -2.6067279279232025e-02 - - -7.4959957599639893e-01 1.9375480711460114e-02 - <_> - - 0 -1 551 -5.8264029212296009e-04 - - 9.4658233225345612e-02 -1.9919820129871368e-01 - <_> - - 0 -1 552 -3.2769259996712208e-03 - - 1.6214330494403839e-01 -1.2322030216455460e-01 - <_> - - 0 -1 553 1.3998829526826739e-03 - - -1.0849200189113617e-01 2.3151659965515137e-01 - <_> - - 0 -1 554 -1.2055980041623116e-02 - - -2.4002850055694580e-01 9.3272961676120758e-02 - <_> - - 0 -1 555 3.1805539038032293e-03 - - 7.6264120638370514e-02 -2.5435069203376770e-01 - <_> - - 0 -1 556 -1.0693799704313278e-03 - - 2.2258889675140381e-01 -9.0730242431163788e-02 - <_> - - 0 -1 557 -2.9467688873410225e-03 - - -3.4242698550224304e-01 6.0581039637327194e-02 - <_> - - 0 -1 558 8.8108901400119066e-04 - - -7.8326202929019928e-02 2.6911988854408264e-01 - <_> - - 0 -1 559 2.8118939371779561e-04 - - 9.8370827734470367e-02 -2.1947909891605377e-01 - <_> - - 0 -1 560 -1.8574869260191917e-02 - - 2.6729720830917358e-01 -7.1240752935409546e-02 - <_> - - 0 -1 561 -2.4810349568724632e-02 - - -6.8322032690048218e-01 2.9446309432387352e-02 - <_> - - 0 -1 562 2.8904930222779512e-03 - - 7.6161012053489685e-02 -2.4025200307369232e-01 - <_> - - 0 -1 563 3.5410430282354355e-03 - - -1.0742089897394180e-01 1.8509419262409210e-01 - <_> - - 0 -1 564 -8.4244477329775691e-04 - - 1.8727229535579681e-01 -1.1407770216464996e-01 - <_> - - 0 -1 565 -2.5338360574096441e-03 - - -3.5870191454887390e-01 5.1251661032438278e-02 - <_> - - 0 -1 566 1.9654980860650539e-03 - - -1.4064720273017883e-01 1.3041019439697266e-01 - <_> - - 0 -1 567 3.1574100255966187e-01 - - 2.9550969600677490e-02 -6.3157892227172852e-01 - <_> - - 0 -1 568 -2.9846638790331781e-04 - - -2.2911080718040466e-01 7.8875422477722168e-02 - <_> - - 0 -1 569 -1.1545480042695999e-01 - - -8.1895941495895386e-01 2.2261450067162514e-02 - <_> - - 0 -1 570 -3.5817299038171768e-02 - - -3.0612939596176147e-01 6.0644190758466721e-02 - <_> - - 0 -1 571 1.7071690410375595e-02 - - -6.1134841293096542e-02 3.2152679562568665e-01 - <_> - - 0 -1 572 -2.1385080181062222e-03 - - -5.4798161983489990e-01 3.8667369633913040e-02 - <_> - - 0 -1 573 6.5424457192420959e-02 - - 1.7884260043501854e-02 -8.5628831386566162e-01 - <_> - - 0 -1 574 -1.3419929891824722e-02 - - 3.0995100736618042e-01 -6.7559666931629181e-02 - <_> - - 0 -1 575 1.8939709290862083e-02 - - 2.8729729354381561e-02 -7.5338190793991089e-01 - <_> - - 0 -1 576 -2.9120460152626038e-02 - - -7.3594617843627930e-01 2.0359549671411514e-02 - <_> - 79 - -1.5920439958572388e+00 - - <_> - - 0 -1 577 -1.3419030234217644e-02 - - 3.0538010597229004e-01 -4.1782331466674805e-01 - <_> - - 0 -1 578 1.7404999816790223e-03 - - -2.7101579308509827e-01 3.5409560799598694e-01 - <_> - - 0 -1 579 7.7174860052764416e-03 - - -3.1271371245384216e-01 2.1189980208873749e-01 - <_> - - 0 -1 580 -1.4514879694615956e-05 - - 1.6157090663909912e-01 -3.3522731065750122e-01 - <_> - - 0 -1 581 -1.4871519852022175e-05 - - 1.4571620523929596e-01 -2.9369521141052246e-01 - <_> - - 0 -1 582 1.5004149463493377e-04 - - -4.0149879455566406e-01 1.0407949984073639e-01 - <_> - - 0 -1 583 1.8634879961609840e-03 - - 4.9062840640544891e-02 -6.5208268165588379e-01 - <_> - - 0 -1 584 -2.9590800404548645e-03 - - 2.8804430365562439e-01 -1.3293409347534180e-01 - <_> - - 0 -1 585 3.3067780896089971e-04 - - 3.9615370333194733e-02 -4.1540861129760742e-01 - <_> - - 0 -1 586 -1.6816710121929646e-03 - - 1.3032579421997070e-01 -2.3237510025501251e-01 - <_> - - 0 -1 587 3.4896740689873695e-03 - - 6.8852916359901428e-02 -4.7176009416580200e-01 - <_> - - 0 -1 588 1.6204500570893288e-03 - - -1.0996960103511810e-01 3.4887188673019409e-01 - <_> - - 0 -1 589 1.9125849939882755e-04 - - -2.0317320525646210e-01 1.4775620400905609e-01 - <_> - - 0 -1 590 2.2485259920358658e-02 - - 5.1929730921983719e-02 -5.4815691709518433e-01 - <_> - - 0 -1 591 1.0035949759185314e-02 - - -1.0943319648504257e-01 2.6000571250915527e-01 - <_> - - 0 -1 592 4.0091630071401596e-02 - - 3.8657050579786301e-02 -7.4724602699279785e-01 - <_> - - 0 -1 593 1.5319019556045532e-02 - - 2.8579369187355042e-02 -7.7717798948287964e-01 - <_> - - 0 -1 594 9.0913427993655205e-04 - - -1.5049549937248230e-01 1.7363379895687103e-01 - <_> - - 0 -1 595 -6.0226190835237503e-03 - - -4.7704491019248962e-01 5.8185670524835587e-02 - <_> - - 0 -1 596 7.8066787682473660e-04 - - -1.6349339485168457e-01 1.6236920654773712e-01 - <_> - - 0 -1 597 -1.1492020450532436e-02 - - -5.6185477972030640e-01 4.6009611338376999e-02 - <_> - - 0 -1 598 8.9691327884793282e-03 - - 6.6570483148097992e-02 -3.3824840188026428e-01 - <_> - - 0 -1 599 7.2241941234096885e-04 - - -1.2882669270038605e-01 1.9002969563007355e-01 - <_> - - 0 -1 600 1.4879239643050823e-05 - - -2.1765929460525513e-01 1.3151009380817413e-01 - <_> - - 0 -1 601 8.7159732356667519e-03 - - 4.8188239336013794e-02 -5.2367717027664185e-01 - <_> - - 0 -1 602 -1.3809900265187025e-03 - - -3.1734630465507507e-01 6.7012362182140350e-02 - <_> - - 0 -1 603 1.4004110358655453e-02 - - -7.2155177593231201e-02 3.4900391101837158e-01 - <_> - - 0 -1 604 -1.2883460149168968e-02 - - -5.9674298763275146e-01 3.9219990372657776e-02 - <_> - - 0 -1 605 9.9220760166645050e-03 - - -7.3617048561573029e-02 3.5491651296615601e-01 - <_> - - 0 -1 606 -1.0360360145568848e-02 - - -4.9655780196189880e-01 5.4516721516847610e-02 - <_> - - 0 -1 607 5.9103948296979070e-04 - - -9.1649092733860016e-02 2.3738409578800201e-01 - <_> - - 0 -1 608 1.4986419955675956e-05 - - -1.5624360740184784e-01 1.4216689765453339e-01 - <_> - - 0 -1 609 6.2526292167603970e-03 - - 4.6570941805839539e-02 -4.3861261010169983e-01 - <_> - - 0 -1 610 9.0722978115081787e-02 - - 2.3544119670987129e-02 -7.5557678937911987e-01 - <_> - - 0 -1 611 1.2880839640274644e-03 - - -1.0999819636344910e-01 1.9954189658164978e-01 - <_> - - 0 -1 612 -5.3202832350507379e-04 - - -2.3681020736694336e-01 9.4349831342697144e-02 - <_> - - 0 -1 613 1.4669039519503713e-03 - - -6.0417938977479935e-02 3.5437929630279541e-01 - <_> - - 0 -1 614 2.5929270312190056e-02 - - 3.0205380171537399e-02 -7.1175122261047363e-01 - <_> - - 0 -1 615 -7.2257839143276215e-02 - - -7.6830059289932251e-01 2.2078540176153183e-02 - <_> - - 0 -1 616 -2.5999830104410648e-03 - - 2.2878250479698181e-01 -9.2575646936893463e-02 - <_> - - 0 -1 617 4.2036110162734985e-01 - - 3.4129150211811066e-02 -6.3944667577743530e-01 - <_> - - 0 -1 618 -2.1722039673477411e-03 - - -2.0458799600601196e-01 9.6727348864078522e-02 - <_> - - 0 -1 619 -1.8573250621557236e-02 - - -7.2321742773056030e-01 2.6587400585412979e-02 - <_> - - 0 -1 620 2.1321140229701996e-03 - - -7.9263173043727875e-02 2.9004418849945068e-01 - <_> - - 0 -1 621 1.4585970347980037e-05 - - -1.5812200307846069e-01 1.2857919931411743e-01 - <_> - - 0 -1 622 -2.5919941067695618e-01 - - -8.3206391334533691e-01 2.1327629685401917e-02 - <_> - - 0 -1 623 -1.2713880278170109e-02 - - -4.8670661449432373e-01 3.5282909870147705e-02 - <_> - - 0 -1 624 2.1182969212532043e-03 - - -4.8141859471797943e-02 4.3498820066452026e-01 - <_> - - 0 -1 625 4.9225408583879471e-03 - - 5.9389010071754456e-02 -3.5719910264015198e-01 - <_> - - 0 -1 626 7.1720690466463566e-03 - - -7.2721220552921295e-02 3.1716778874397278e-01 - <_> - - 0 -1 627 1.5319329686462879e-03 - - 7.6105281710624695e-02 -2.9826408624649048e-01 - <_> - - 0 -1 628 -2.6141680777072906e-02 - - -4.8129829764366150e-01 4.1991200298070908e-02 - <_> - - 0 -1 629 -7.1861818469187710e-06 - - 1.0385909676551819e-01 -2.5540891289710999e-01 - <_> - - 0 -1 630 -5.8513309340924025e-04 - - 2.1552430093288422e-01 -1.0446780174970627e-01 - <_> - - 0 -1 631 7.3564669582992792e-04 - - 8.2850307226181030e-02 -2.3229689896106720e-01 - <_> - - 0 -1 632 -4.4216000242158771e-04 - - 1.9849689304828644e-01 -1.1084359884262085e-01 - <_> - - 0 -1 633 6.6545000299811363e-03 - - 2.9844839125871658e-02 -6.3819402456283569e-01 - <_> - - 0 -1 634 -1.4856060261081439e-05 - - 1.0647810250520706e-01 -1.6304740309715271e-01 - <_> - - 0 -1 635 4.4933347962796688e-03 - - -5.8312181383371353e-02 3.2200211286544800e-01 - <_> - - 0 -1 636 3.8110970053821802e-03 - - 7.1237437427043915e-02 -2.7149480581283569e-01 - <_> - - 0 -1 637 -3.8309019058942795e-02 - - -6.2387478351593018e-01 2.9790399596095085e-02 - <_> - - 0 -1 638 -2.5534629821777344e-03 - - 2.0947620272636414e-01 -9.3472570180892944e-02 - <_> - - 0 -1 639 -2.9908109354437329e-05 - - 1.4771899580955505e-01 -1.2858720123767853e-01 - <_> - - 0 -1 640 2.0549520850181580e-03 - - -9.3603983521461487e-02 2.1911169588565826e-01 - <_> - - 0 -1 641 3.3064800663851202e-04 - - -1.4430660009384155e-01 1.6905060410499573e-01 - <_> - - 0 -1 642 4.0969369001686573e-04 - - 8.9844956994056702e-02 -2.1793210506439209e-01 - <_> - - 0 -1 643 -5.1680381875485182e-04 - - -2.7330860495567322e-01 7.2490707039833069e-02 - <_> - - 0 -1 644 -1.2285299599170685e-02 - - -5.7899951934814453e-01 2.8828129172325134e-02 - <_> - - 0 -1 645 1.4923219569027424e-03 - - -8.9748427271842957e-02 2.1315790712833405e-01 - <_> - - 0 -1 646 3.7809570785611868e-03 - - 5.6869130581617355e-02 -3.2580479979515076e-01 - <_> - - 0 -1 647 -1.3630799949169159e-01 - - -5.1958292722702026e-01 3.4014869481325150e-02 - <_> - - 0 -1 648 2.1192250773310661e-02 - - -5.9815749526023865e-02 4.3134000897407532e-01 - <_> - - 0 -1 649 -2.2501780185848475e-03 - - -3.2725110650062561e-01 6.9494038820266724e-02 - <_> - - 0 -1 650 -1.3309439644217491e-02 - - 5.5684721469879150e-01 -3.8055110722780228e-02 - <_> - - 0 -1 651 -4.8674400895833969e-02 - - 3.7503889203071594e-01 -4.8045299947261810e-02 - <_> - - 0 -1 652 -1.4651560377387796e-05 - - 9.3043543398380280e-02 -2.2984559834003448e-01 - <_> - - 0 -1 653 -7.7605661936104298e-03 - - 3.8858211040496826e-01 -5.4669309407472610e-02 - <_> - - 0 -1 654 2.4429330602288246e-02 - - 4.5898649841547012e-02 -5.1061111688613892e-01 - <_> - - 0 -1 655 -2.1317049686331302e-04 - - -2.0513610541820526e-01 1.0507310181856155e-01 - <_> - 105 - -1.6632529497146606e+00 - - <_> - - 0 -1 656 -5.7014292106032372e-03 - - 2.7576211094856262e-01 -3.3123719692230225e-01 - <_> - - 0 -1 657 -4.4359369203448296e-03 - - 1.5587480366230011e-01 -5.0288617610931396e-01 - <_> - - 0 -1 658 -5.0388257950544357e-03 - - 1.6109010577201843e-01 -3.5196068882942200e-01 - <_> - - 0 -1 659 8.0847437493503094e-04 - - -3.3315700292587280e-01 1.4446459710597992e-01 - <_> - - 0 -1 660 2.1605329588055611e-02 - - -8.6723573505878448e-02 5.9101939201354980e-01 - <_> - - 0 -1 661 -1.8266839906573296e-02 - - 5.0261861085891724e-01 -8.4620863199234009e-02 - <_> - - 0 -1 662 -8.3384668687358499e-04 - - -3.0832511186599731e-01 1.1352760344743729e-01 - <_> - - 0 -1 663 -1.5336600132286549e-02 - - -6.8610608577728271e-01 3.3057838678359985e-02 - <_> - - 0 -1 664 -5.0607877783477306e-03 - - 3.4399279952049255e-01 -9.2118233442306519e-02 - <_> - - 0 -1 665 -1.4741700397280511e-05 - - 1.1778169870376587e-01 -2.5235179066658020e-01 - <_> - - 0 -1 666 -1.1485730065032840e-03 - - -2.9050019383430481e-01 8.3533048629760742e-02 - <_> - - 0 -1 667 2.8824089094996452e-03 - - -9.0674236416816711e-02 3.1274148821830750e-01 - <_> - - 0 -1 668 -2.9224360361695290e-02 - - -6.9156378507614136e-01 3.3279780298471451e-02 - <_> - - 0 -1 669 2.1423520520329475e-03 - - -1.0087729990482330e-01 2.4603089690208435e-01 - <_> - - 0 -1 670 -3.3471059054136276e-02 - - -5.0953942537307739e-01 5.5052071809768677e-02 - <_> - - 0 -1 671 1.4763450053578708e-05 - - -1.7823149263858795e-01 1.2816399335861206e-01 - <_> - - 0 -1 672 1.6341559588909149e-02 - - -1.3254739344120026e-01 1.9663499295711517e-01 - <_> - - 0 -1 673 2.2475779987871647e-03 - - 7.9048447310924530e-02 -2.9476320743560791e-01 - <_> - - 0 -1 674 4.6113221906125546e-03 - - -7.6338447630405426e-02 3.2394409179687500e-01 - <_> - - 0 -1 675 2.8979079797863960e-03 - - -1.0839050263166428e-01 2.6353389024734497e-01 - <_> - - 0 -1 676 1.3482819776982069e-03 - - 7.9134561121463776e-02 -3.4839859604835510e-01 - <_> - - 0 -1 677 4.6576592139899731e-03 - - 7.6356090605258942e-02 -3.1110540032386780e-01 - <_> - - 0 -1 678 -3.9915097877383232e-03 - - -3.4151628613471985e-01 8.2623466849327087e-02 - <_> - - 0 -1 679 6.0268798843026161e-03 - - -9.6277832984924316e-02 2.6347661018371582e-01 - <_> - - 0 -1 680 -4.1388701647520065e-03 - - 2.3571729660034180e-01 -9.4335287809371948e-02 - <_> - - 0 -1 681 -1.0371750220656395e-02 - - -7.2972798347473145e-01 3.3645220100879669e-02 - <_> - - 0 -1 682 1.0373629629611969e-01 - - 3.1347069889307022e-02 -5.8245128393173218e-01 - <_> - - 0 -1 683 -1.8832299974747002e-04 - - 1.6663299500942230e-01 -1.3723160326480865e-01 - <_> - - 0 -1 684 -6.0749921249225736e-04 - - -2.7257540822029114e-01 8.1483371555805206e-02 - <_> - - 0 -1 685 2.3499270901083946e-03 - - -1.0285440087318420e-01 2.1854889392852783e-01 - <_> - - 0 -1 686 -3.1354159582406282e-03 - - -4.9246039986610413e-01 4.4747360050678253e-02 - <_> - - 0 -1 687 1.5564589994028211e-03 - - 5.3096260875463486e-02 -4.0526211261749268e-01 - <_> - - 0 -1 688 6.3236099667847157e-03 - - -7.9116806387901306e-02 2.8413718938827515e-01 - <_> - - 0 -1 689 -4.8074051737785339e-03 - - 2.9990258812904358e-01 -8.2824081182479858e-02 - <_> - - 0 -1 690 7.6432302594184875e-02 - - 3.9146371185779572e-02 -5.7314342260360718e-01 - <_> - - 0 -1 691 7.0249952841550112e-04 - - 5.2832871675491333e-02 -3.3245471119880676e-01 - <_> - - 0 -1 692 -8.2157138967886567e-04 - - -2.1230019629001617e-01 8.8145829737186432e-02 - <_> - - 0 -1 693 -1.0148280300199986e-02 - - -2.2071610391139984e-01 9.6597403287887573e-02 - <_> - - 0 -1 694 -1.7348809540271759e-01 - - -5.9822201728820801e-01 3.2547060400247574e-02 - <_> - - 0 -1 695 4.3031540699303150e-03 - - -6.8253546953201294e-02 2.8981029987335205e-01 - <_> - - 0 -1 696 -7.3378678280278109e-06 - - 7.5155563652515411e-02 -2.5863590836524963e-01 - <_> - - 0 -1 697 1.9277239916846156e-03 - - 1.0856460034847260e-01 -1.6595140099525452e-01 - <_> - - 0 -1 698 -4.2054480873048306e-03 - - 1.9811309874057770e-01 -9.1941706836223602e-02 - <_> - - 0 -1 699 1.1466189753264189e-03 - - 4.2078729718923569e-02 -4.3991029262542725e-01 - <_> - - 0 -1 700 -6.7244949750602245e-03 - - 3.4456861019134521e-01 -5.7096958160400391e-02 - <_> - - 0 -1 701 -1.4554189874615986e-05 - - 1.1632560193538666e-01 -1.6252210736274719e-01 - <_> - - 0 -1 702 -2.6114559732377529e-03 - - 2.8084969520568848e-01 -6.8243041634559631e-02 - <_> - - 0 -1 703 -1.9477460591588169e-04 - - -1.9368860125541687e-01 9.3413226306438446e-02 - <_> - - 0 -1 704 2.6438338682055473e-04 - - 9.9354371428489685e-02 -2.1586629748344421e-01 - <_> - - 0 -1 705 2.0134719088673592e-03 - - -6.1209201812744141e-02 2.9120978713035583e-01 - <_> - - 0 -1 706 -2.6024359464645386e-01 - - -8.3802181482315063e-01 2.1150760352611542e-02 - <_> - - 0 -1 707 -1.5944700688123703e-02 - - -6.3974797725677490e-01 2.2144839167594910e-02 - <_> - - 0 -1 708 6.7249889252707362e-04 - - -1.4014090597629547e-01 1.2326350063085556e-01 - <_> - - 0 -1 709 1.3042770326137543e-02 - - 2.4306889623403549e-02 -6.6303068399429321e-01 - <_> - - 0 -1 710 -1.4540290067088790e-05 - - 9.0137362480163574e-02 -1.7409169673919678e-01 - <_> - - 0 -1 711 1.7920829355716705e-02 - - 2.5644620880484581e-02 -6.5067142248153687e-01 - <_> - - 0 -1 712 1.6542300581932068e-03 - - -1.0385700315237045e-01 1.6688160598278046e-01 - <_> - - 0 -1 713 3.5362090915441513e-02 - - 2.3093009367585182e-02 -6.9009417295455933e-01 - <_> - - 0 -1 714 3.3049840567400679e-05 - - -1.7408940196037292e-01 9.3873098492622375e-02 - <_> - - 0 -1 715 3.3775588963180780e-03 - - -5.8522459119558334e-02 3.0490559339523315e-01 - <_> - - 0 -1 716 7.3239738121628761e-03 - - 4.0999408811330795e-02 -4.6160981059074402e-01 - <_> - - 0 -1 717 -2.9797051101922989e-03 - - 5.1136761903762817e-01 -3.6246869713068008e-02 - <_> - - 0 -1 718 2.0306499209254980e-03 - - 6.5309353172779083e-02 -2.6698499917984009e-01 - <_> - - 0 -1 719 -6.8856950383633375e-04 - - -1.7604120075702667e-01 9.9361896514892578e-02 - <_> - - 0 -1 720 1.5746579738333821e-03 - - -1.0312269628047943e-01 1.6940550506114960e-01 - <_> - - 0 -1 721 1.5011089853942394e-03 - - -8.8128447532653809e-02 1.8899090588092804e-01 - <_> - - 0 -1 722 1.3503979425877333e-04 - - 9.4145476818084717e-02 -1.8483440577983856e-01 - <_> - - 0 -1 723 5.5570588447153568e-03 - - 2.9959060251712799e-02 -5.5482620000839233e-01 - <_> - - 0 -1 724 9.4529995694756508e-03 - - -5.3136389702558517e-02 4.0138289332389832e-01 - <_> - - 0 -1 725 -6.1030662618577480e-04 - - -2.7060449123382568e-01 6.6881351172924042e-02 - <_> - - 0 -1 726 -1.1329240351915359e-01 - - -6.5178507566452026e-01 2.5042990222573280e-02 - <_> - - 0 -1 727 -2.0354389562271535e-04 - - 1.0892420262098312e-01 -1.5174369513988495e-01 - <_> - - 0 -1 728 -1.4983189757913351e-03 - - 2.7388730645179749e-01 -5.8467049151659012e-02 - <_> - - 0 -1 729 7.5277159921824932e-03 - - 4.0991529822349548e-02 -4.2739889025688171e-01 - <_> - - 0 -1 730 3.6209179088473320e-03 - - -6.7309238016605377e-02 2.6064750552177429e-01 - <_> - - 0 -1 731 1.2153049930930138e-02 - - 5.0768271088600159e-02 -3.8319081068038940e-01 - <_> - - 0 -1 732 4.6126339584589005e-02 - - 2.4232989177107811e-02 -6.5039527416229248e-01 - <_> - - 0 -1 733 7.1408541407436132e-04 - - -1.3476370275020599e-01 1.2208549678325653e-01 - <_> - - 0 -1 734 -4.4331620447337627e-03 - - 1.9939610362052917e-01 -1.0218709707260132e-01 - <_> - - 0 -1 735 1.3099729549139738e-03 - - 7.4517026543617249e-02 -2.4503719806671143e-01 - <_> - - 0 -1 736 2.6161450659856200e-04 - - -8.4287956357002258e-02 1.9924600422382355e-01 - <_> - - 0 -1 737 -2.7577539440244436e-03 - - -6.8734467029571533e-01 2.4851109832525253e-02 - <_> - - 0 -1 738 6.9469690322875977e-02 - - 3.8438729941844940e-02 -3.9717179536819458e-01 - <_> - - 0 -1 739 -1.3031469425186515e-03 - - 2.0089949667453766e-01 -9.1723307967185974e-02 - <_> - - 0 -1 740 1.3012000126764178e-03 - - -9.5305852591991425e-02 1.9248190522193909e-01 - <_> - - 0 -1 741 -3.9377259090542793e-03 - - -3.9224091172218323e-01 4.3738011270761490e-02 - <_> - - 0 -1 742 9.6125707030296326e-02 - - -4.3269440531730652e-02 3.7441849708557129e-01 - <_> - - 0 -1 743 -1.9181859493255615e-01 - - -6.1320561170578003e-01 2.8775539249181747e-02 - <_> - - 0 -1 744 -3.2945619896054268e-03 - - -2.2446820139884949e-01 7.7655017375946045e-02 - <_> - - 0 -1 745 -8.5190916433930397e-03 - - 4.4720551371574402e-01 -4.1310388594865799e-02 - <_> - - 0 -1 746 -4.9431469291448593e-02 - - -5.1819682121276855e-01 3.6863740533590317e-02 - <_> - - 0 -1 747 2.3110879585146904e-02 - - -3.3078420907258987e-02 5.9146630764007568e-01 - <_> - - 0 -1 748 -4.3400399590609595e-05 - - 1.1395029723644257e-01 -1.9526299834251404e-01 - <_> - - 0 -1 749 5.4926839657127857e-03 - - 6.1616070568561554e-02 -2.5591990351676941e-01 - <_> - - 0 -1 750 1.1886029969900846e-03 - - -6.8509116768836975e-02 2.4291250109672546e-01 - <_> - - 0 -1 751 8.8473428040742874e-03 - - 7.6467283070087433e-02 -2.3176389932632446e-01 - <_> - - 0 -1 752 2.3952820338308811e-03 - - -4.4620860368013382e-02 4.5811769366264343e-01 - <_> - - 0 -1 753 -1.5011220239102840e-04 - - -1.6560749709606171e-01 1.0622239857912064e-01 - <_> - - 0 -1 754 -2.3465899750590324e-02 - - -2.4931310117244720e-01 6.6179357469081879e-02 - <_> - - 0 -1 755 -6.6368370316922665e-03 - - 1.4358420670032501e-01 -1.1510509997606277e-01 - <_> - - 0 -1 756 1.1986029567196965e-03 - - -9.8347522318363190e-02 1.7605540156364441e-01 - <_> - - 0 -1 757 7.9502072185277939e-03 - - 3.5481378436088562e-02 -5.0176638364791870e-01 - <_> - - 0 -1 758 -4.5950649655424058e-04 - - -1.6928760707378387e-01 9.3400083482265472e-02 - <_> - - 0 -1 759 -1.9301069900393486e-02 - - 4.1836661100387573e-01 -5.1140110939741135e-02 - <_> - - 0 -1 760 4.0163499116897583e-01 - - 2.9358919709920883e-02 -6.4768058061599731e-01 - <_> - 114 - -1.5384509563446045e+00 - - <_> - - 0 -1 761 -3.6284290254116058e-02 - - 4.2841899394989014e-01 -2.5840431451797485e-01 - <_> - - 0 -1 762 3.0520830303430557e-02 - - -2.9715040326118469e-01 2.1756610274314880e-01 - <_> - - 0 -1 763 3.3444820437580347e-03 - - -2.1734359860420227e-01 1.9754439592361450e-01 - <_> - - 0 -1 764 -1.3315919786691666e-03 - - 1.5535929799079895e-01 -2.3133680224418640e-01 - <_> - - 0 -1 765 -1.9773480016738176e-03 - - -4.2001301050186157e-01 8.8554427027702332e-02 - <_> - - 0 -1 766 -3.7038238951936364e-04 - - 1.2769789993762970e-01 -2.3879130184650421e-01 - <_> - - 0 -1 767 -7.3736459016799927e-03 - - -4.0720060467720032e-01 2.9765319079160690e-02 - <_> - - 0 -1 768 -2.1873020159546286e-05 - - 1.2338209897279739e-01 -2.2237089276313782e-01 - <_> - - 0 -1 769 4.5575048716273159e-05 - - -2.3092910647392273e-01 1.2953619658946991e-01 - <_> - - 0 -1 770 -1.1247170157730579e-02 - - -5.4762738943099976e-01 4.1907660663127899e-02 - <_> - - 0 -1 771 -8.9430268853902817e-03 - - 2.7945289015769958e-01 -9.0801216661930084e-02 - <_> - - 0 -1 772 1.4646670024376363e-05 - - -1.6777880489826202e-01 1.4968040585517883e-01 - <_> - - 0 -1 773 -6.5398351289331913e-03 - - 3.3654621243476868e-01 -7.1987256407737732e-02 - <_> - - 0 -1 774 3.3825531136244535e-03 - - 4.9931880086660385e-02 -4.5806300640106201e-01 - <_> - - 0 -1 775 2.7450500056147575e-03 - - 3.6119509488344193e-02 -5.7113862037658691e-01 - <_> - - 0 -1 776 1.0356379672884941e-02 - - -5.3049158304929733e-02 4.2121198773384094e-01 - <_> - - 0 -1 777 3.1687319278717041e-03 - - 6.2849938869476318e-02 -3.4674918651580811e-01 - <_> - - 0 -1 778 1.3616570504382253e-03 - - -9.0661056339740753e-02 2.5257480144500732e-01 - <_> - - 0 -1 779 -2.2238260135054588e-03 - - 2.6595190167427063e-01 -9.6649080514907837e-02 - <_> - - 0 -1 780 1.1090899817645550e-02 - - 8.6638063192367554e-02 -3.0103358626365662e-01 - <_> - - 0 -1 781 -6.7766150459647179e-04 - - 9.4277828931808472e-02 -2.1464149653911591e-01 - <_> - - 0 -1 782 -3.3104580361396074e-03 - - -5.9162640571594238e-01 3.2738488167524338e-02 - <_> - - 0 -1 783 2.3221869487315416e-03 - - -9.5557250082492828e-02 2.0546199381351471e-01 - <_> - - 0 -1 784 3.0947118648327887e-04 - - -1.2992270290851593e-01 1.7704719305038452e-01 - <_> - - 0 -1 785 -3.2214168459177017e-02 - - -6.4662492275238037e-01 3.1749259680509567e-02 - <_> - - 0 -1 786 -8.3192758029326797e-04 - - -3.0666750669479370e-01 6.1040591448545456e-02 - <_> - - 0 -1 787 3.9188290247693658e-04 - - -1.5795469284057617e-01 1.1830350011587143e-01 - <_> - - 0 -1 788 -3.6203738301992416e-02 - - -2.2731229662895203e-01 8.3183012902736664e-02 - <_> - - 0 -1 789 2.6437509804964066e-03 - - -7.6691061258316040e-02 2.3545509576797485e-01 - <_> - - 0 -1 790 -3.4368310589343309e-03 - - 3.6057031154632568e-01 -7.3672987520694733e-02 - <_> - - 0 -1 791 -5.5921601597219706e-04 - - -2.5343179702758789e-01 7.8275643289089203e-02 - <_> - - 0 -1 792 4.3010139052057639e-05 - - -1.8223099410533905e-01 9.7539380192756653e-02 - <_> - - 0 -1 793 5.3192679770290852e-03 - - -7.6901949942111969e-02 2.4221810698509216e-01 - <_> - - 0 -1 794 -6.9484501145780087e-03 - - -5.8275872468948364e-01 3.4601949155330658e-02 - <_> - - 0 -1 795 1.2447779998183250e-02 - - 2.3883659392595291e-02 -6.1712497472763062e-01 - <_> - - 0 -1 796 1.0083100060001016e-03 - - -7.5152181088924408e-02 2.4744270741939545e-01 - <_> - - 0 -1 797 -2.3544009309262037e-03 - - 3.1459400057792664e-01 -6.5026231110095978e-02 - <_> - - 0 -1 798 4.5676861191168427e-04 - - 7.9758197069168091e-02 -2.3777219653129578e-01 - <_> - - 0 -1 799 6.6723190248012543e-03 - - 3.8779199123382568e-02 -4.6045419573783875e-01 - <_> - - 0 -1 800 7.1861818469187710e-06 - - -1.3110539317131042e-01 1.2532530725002289e-01 - <_> - - 0 -1 801 3.0392590910196304e-02 - - 2.9670530930161476e-02 -5.3870928287506104e-01 - <_> - - 0 -1 802 1.4835850379313342e-05 - - -1.5778580307960510e-01 1.0566859692335129e-01 - <_> - - 0 -1 803 1.4415860176086426e-02 - - -7.6271347701549530e-02 3.0597710609436035e-01 - <_> - - 0 -1 804 3.2787520904093981e-03 - - 4.4464308768510818e-02 -3.8928028941154480e-01 - <_> - - 0 -1 805 1.0770520195364952e-02 - - -3.9324011653661728e-02 4.1493979096412659e-01 - <_> - - 0 -1 806 5.4678268497809768e-04 - - 5.8721691370010376e-02 -2.7546930313110352e-01 - <_> - - 0 -1 807 -1.8106499919667840e-03 - - 1.8281750380992889e-01 -9.3675427138805389e-02 - <_> - - 0 -1 808 1.1771249771118164e-01 - - 2.3175759240984917e-02 -7.0696681737899780e-01 - <_> - - 0 -1 809 -3.1166549888439476e-04 - - -2.0585930347442627e-01 7.6573841273784637e-02 - <_> - - 0 -1 810 -9.7939418628811836e-03 - - 4.8732680082321167e-01 -3.4746028482913971e-02 - <_> - - 0 -1 811 1.0002780472859740e-03 - - -1.1003620177507401e-01 1.5490560233592987e-01 - <_> - - 0 -1 812 6.9929230958223343e-03 - - 3.2923609018325806e-02 -5.4326117038726807e-01 - <_> - - 0 -1 813 3.4163020551204681e-02 - - 1.8062820658087730e-02 -7.0809149742126465e-01 - <_> - - 0 -1 814 -2.0808410644531250e-01 - - -6.7879611253738403e-01 2.0255820825695992e-02 - <_> - - 0 -1 815 2.4889659835025668e-04 - - -1.7719520628452301e-01 8.8152356445789337e-02 - <_> - - 0 -1 816 -9.3355607241392136e-03 - - 1.7948059737682343e-01 -9.4474621117115021e-02 - <_> - - 0 -1 817 2.9192469082772732e-04 - - -1.3786169886589050e-01 1.3819259405136108e-01 - <_> - - 0 -1 818 9.1989226639270782e-03 - - -1.0269109904766083e-01 1.7618100345134735e-01 - <_> - - 0 -1 819 6.8165437551215291e-04 - - 7.4821308255195618e-02 -2.3621830344200134e-01 - <_> - - 0 -1 820 -1.4507620107906405e-05 - - 9.5861770212650299e-02 -1.7785739898681641e-01 - <_> - - 0 -1 821 1.7662490427028388e-04 - - -1.3805359601974487e-01 1.3394320011138916e-01 - <_> - - 0 -1 822 -1.7513500060886145e-03 - - 7.7623583376407623e-02 -2.3174029588699341e-01 - <_> - - 0 -1 823 5.1342020742595196e-03 - - 3.0363969504833221e-02 -5.2420848608016968e-01 - <_> - - 0 -1 824 9.4114318490028381e-03 - - -5.8994568884372711e-02 3.0291381478309631e-01 - <_> - - 0 -1 825 -1.0448819957673550e-03 - - -1.7124690115451813e-01 1.0156030207872391e-01 - <_> - - 0 -1 826 -6.3579198904335499e-03 - - 3.1986710429191589e-01 -5.0694450736045837e-02 - <_> - - 0 -1 827 -6.3502117991447449e-03 - - -5.2413272857666016e-01 3.1800068914890289e-02 - <_> - - 0 -1 828 1.2251759879291058e-02 - - 1.6559680923819542e-02 -7.9422187805175781e-01 - <_> - - 0 -1 829 -1.4000720344483852e-02 - - -5.4444402456283569e-01 2.4652559310197830e-02 - <_> - - 0 -1 830 1.9229920580983162e-03 - - -7.6944977045059204e-02 2.1888209879398346e-01 - <_> - - 0 -1 831 -3.4030789975076914e-03 - - 3.0143401026725769e-01 -5.8023329824209213e-02 - <_> - - 0 -1 832 -2.7728609740734100e-02 - - -5.6704998016357422e-01 3.0071720480918884e-02 - <_> - - 0 -1 833 1.4990579802542925e-04 - - 9.1404616832733154e-02 -1.6989429295063019e-01 - <_> - - 0 -1 834 -1.4532960449287202e-05 - - 1.0442660003900528e-01 -1.3983349502086639e-01 - <_> - - 0 -1 835 2.8315950185060501e-02 - - 1.7812129110097885e-02 -8.1201279163360596e-01 - <_> - - 0 -1 836 -1.7363600200042129e-03 - - 1.9688630104064941e-01 -7.6398819684982300e-02 - <_> - - 0 -1 837 -2.2081490606069565e-02 - - 4.4497510790824890e-01 -3.3445868641138077e-02 - <_> - - 0 -1 838 1.2189210392534733e-03 - - 4.9154780805110931e-02 -3.7790310382843018e-01 - <_> - - 0 -1 839 -5.4838892538100481e-04 - - -2.2823029756546021e-01 8.0446496605873108e-02 - <_> - - 0 -1 840 -9.3702552840113640e-04 - - 2.5258961319923401e-01 -6.5389201045036316e-02 - <_> - - 0 -1 841 1.2496720068156719e-02 - - 3.8215879350900650e-02 -4.0465530753135681e-01 - <_> - - 0 -1 842 -1.6764370724558830e-02 - - -1.4508719742298126e-01 1.2119810283184052e-01 - <_> - - 0 -1 843 5.6504327803850174e-03 - - -8.7139137089252472e-02 2.2194419801235199e-01 - <_> - - 0 -1 844 5.2610319107770920e-04 - - 8.7222076952457428e-02 -2.0502470433712006e-01 - <_> - - 0 -1 845 1.5574200078845024e-03 - - -1.7036689817905426e-01 9.4435282051563263e-02 - <_> - - 0 -1 846 2.5609090924263000e-01 - - 1.7790110781788826e-02 -7.4050921201705933e-01 - <_> - - 0 -1 847 3.3561999443918467e-03 - - -4.2667269706726074e-02 3.7573391199111938e-01 - <_> - - 0 -1 848 4.7072928398847580e-02 - - 3.2015219330787659e-02 -6.4522278308868408e-01 - <_> - - 0 -1 849 -2.2168930154293776e-03 - - 2.0757040381431580e-01 -7.7372692525386810e-02 - <_> - - 0 -1 850 5.0796428695321083e-03 - - 4.1829328984022141e-02 -3.7722969055175781e-01 - <_> - - 0 -1 851 7.0120906457304955e-05 - - 8.1031888723373413e-02 -1.8506260216236115e-01 - <_> - - 0 -1 852 -5.2204862004145980e-04 - - 1.2528459727764130e-01 -1.3090319931507111e-01 - <_> - - 0 -1 853 -6.1609707772731781e-03 - - 3.1177788972854614e-01 -5.1252178847789764e-02 - <_> - - 0 -1 854 -2.8424879908561707e-01 - - -7.0340508222579956e-01 2.2811079397797585e-02 - <_> - - 0 -1 855 -4.1746720671653748e-02 - - -7.8914260864257812e-01 1.6686350107192993e-02 - <_> - - 0 -1 856 -1.0051350109279156e-03 - - -2.2181299328804016e-01 6.1887398362159729e-02 - <_> - - 0 -1 857 -1.3900640187785029e-03 - - 1.8797479569911957e-01 -7.6582401990890503e-02 - <_> - - 0 -1 858 -4.0118378819897771e-04 - - -1.7291170358657837e-01 8.6806759238243103e-02 - <_> - - 0 -1 859 -2.9202610676293261e-05 - - 9.2319779098033905e-02 -1.7136460542678833e-01 - <_> - - 0 -1 860 -2.6532830670475960e-03 - - 3.9422848820686340e-01 -3.9826449006795883e-02 - <_> - - 0 -1 861 -7.8933471813797951e-03 - - -4.3326890468597412e-01 3.6603361368179321e-02 - <_> - - 0 -1 862 8.7933447211980820e-03 - - -3.3205948770046234e-02 4.8740789294242859e-01 - <_> - - 0 -1 863 1.2014759704470634e-02 - - 2.2244220599532127e-02 -8.1597268581390381e-01 - <_> - - 0 -1 864 2.1147020161151886e-03 - - 6.4942933619022369e-02 -2.0959229767322540e-01 - <_> - - 0 -1 865 -9.9916034378111362e-04 - - 1.5402349829673767e-01 -1.0149469971656799e-01 - <_> - - 0 -1 866 -7.6499581336975098e-04 - - 2.0236450433731079e-01 -7.1199662983417511e-02 - <_> - - 0 -1 867 -4.2193511035293341e-04 - - 1.1521430313587189e-01 -1.2845459580421448e-01 - <_> - - 0 -1 868 -4.1548791341483593e-04 - - -2.1168529987335205e-01 7.0376142859458923e-02 - <_> - - 0 -1 869 1.5300279483199120e-03 - - 6.1263758689165115e-02 -2.2269320487976074e-01 - <_> - - 0 -1 870 -2.6573969516903162e-03 - - 3.8462328910827637e-01 -3.8276020437479019e-02 - <_> - - 0 -1 871 -2.1988600492477417e-01 - - -5.1546782255172729e-01 2.8099389746785164e-02 - <_> - - 0 -1 872 -8.7377207819372416e-04 - - 1.0149329900741577e-01 -1.3990689814090729e-01 - <_> - - 0 -1 873 7.5169820338487625e-03 - - -6.1671640723943710e-02 2.5486430525779724e-01 - <_> - - 0 -1 874 -1.3438290625344962e-04 - - -1.6618040204048157e-01 8.8938876986503601e-02 - <_> - 117 - -1.5079799890518188e+00 - - <_> - - 0 -1 875 3.5007519181817770e-03 - - -2.8256690502166748e-01 3.3628109097480774e-01 - <_> - - 0 -1 876 4.1042729280889034e-03 - - -1.5877629816532135e-01 3.4091961383819580e-01 - <_> - - 0 -1 877 9.8724407143890858e-04 - - -4.6094760298728943e-01 1.1771719902753830e-01 - <_> - - 0 -1 878 -4.0168981067836285e-03 - - 1.3994920253753662e-01 -3.8476601243019104e-01 - <_> - - 0 -1 879 -4.2784500867128372e-02 - - 3.1519949436187744e-01 -1.1673810333013535e-01 - <_> - - 0 -1 880 -5.6273501832038164e-04 - - 8.2315109670162201e-02 -3.3594700694084167e-01 - <_> - - 0 -1 881 -4.3416650441940874e-05 - - 1.0691779851913452e-01 -2.5068029761314392e-01 - <_> - - 0 -1 882 1.5347570180892944e-02 - - 9.7383828833699226e-03 -6.4612430334091187e-01 - <_> - - 0 -1 883 1.8295480404049158e-03 - - 8.9164443314075470e-02 -2.9637640714645386e-01 - <_> - - 0 -1 884 3.2098879455588758e-04 - - -2.3136790096759796e-01 1.1478479951620102e-01 - <_> - - 0 -1 885 1.0728760389611125e-03 - - -1.2982189655303955e-01 1.9653689861297607e-01 - <_> - - 0 -1 886 -4.9566011875867844e-03 - - 3.5313999652862549e-01 -7.6989777386188507e-02 - <_> - - 0 -1 887 -1.6319400165230036e-03 - - -2.3701989650726318e-01 1.0319659858942032e-01 - <_> - - 0 -1 888 1.9862050190567970e-02 - - 5.9187598526477814e-02 -4.0955111384391785e-01 - <_> - - 0 -1 889 -9.5205483958125114e-03 - - 3.9061769843101501e-01 -5.7647578418254852e-02 - <_> - - 0 -1 890 -1.0885810479521751e-03 - - -5.2902680635452271e-01 4.4961001724004745e-02 - <_> - - 0 -1 891 3.5348529927432537e-03 - - -9.2707537114620209e-02 2.4449980258941650e-01 - <_> - - 0 -1 892 5.7174800895154476e-03 - - 5.7306189090013504e-02 -3.9878991246223450e-01 - <_> - - 0 -1 893 -1.4010589802637696e-03 - - 1.0757780075073242e-01 -1.9520820677280426e-01 - <_> - - 0 -1 894 -2.2306239698082209e-03 - - -6.1328327655792236e-01 2.7875339612364769e-02 - <_> - - 0 -1 895 -5.0583072006702423e-03 - - -5.4739731550216675e-01 3.0482530593872070e-02 - <_> - - 0 -1 896 1.3725720345973969e-01 - - 2.8162300586700439e-02 -6.0817748308181763e-01 - <_> - - 0 -1 897 3.7828299682587385e-03 - - -1.2640979886054993e-01 1.3382309675216675e-01 - <_> - - 0 -1 898 -1.0629029944539070e-02 - - -1.7343379557132721e-01 9.9954582750797272e-02 - <_> - - 0 -1 899 5.6623672135174274e-03 - - -5.2419230341911316e-02 3.2940819859504700e-01 - <_> - - 0 -1 900 -4.5901038683950901e-03 - - 1.8784660100936890e-01 -9.2681042850017548e-02 - <_> - - 0 -1 901 7.1088741533458233e-03 - - 3.2605409622192383e-02 -5.7968139648437500e-01 - <_> - - 0 -1 902 -1.9310249481350183e-03 - - -2.8707239031791687e-01 5.8658700436353683e-02 - <_> - - 0 -1 903 3.5559700336307287e-03 - - -6.2841393053531647e-02 3.0232760310173035e-01 - <_> - - 0 -1 904 2.1007249597460032e-04 - - -1.2029449641704559e-01 2.0722889900207520e-01 - <_> - - 0 -1 905 3.0181880574673414e-03 - - 4.2764421552419662e-02 -4.5567208528518677e-01 - <_> - - 0 -1 906 -2.0919379312545061e-03 - - -5.8067041635513306e-01 2.4772390723228455e-02 - <_> - - 0 -1 907 4.9380292184650898e-03 - - -6.7825779318809509e-02 2.6715460419654846e-01 - <_> - - 0 -1 908 1.0227119782939553e-03 - - -1.1050579696893692e-01 1.7136010527610779e-01 - <_> - - 0 -1 909 -9.1216713190078735e-02 - - -5.5617409944534302e-01 3.1176509335637093e-02 - <_> - - 0 -1 910 1.9377609714865685e-03 - - 5.2470069378614426e-02 -3.3402100205421448e-01 - <_> - - 0 -1 911 -4.5235231518745422e-03 - - -3.8628038763999939e-01 4.4883530586957932e-02 - <_> - - 0 -1 912 1.1070469627156854e-03 - - -9.4648011028766632e-02 1.7694370448589325e-01 - <_> - - 0 -1 913 -1.4522889629006386e-02 - - -4.4854640960693359e-01 4.0654070675373077e-02 - <_> - - 0 -1 914 2.0895639434456825e-02 - - 3.5988390445709229e-02 -4.4317048788070679e-01 - <_> - - 0 -1 915 7.3273790803796146e-06 - - -1.9736979901790619e-01 8.8131763041019440e-02 - <_> - - 0 -1 916 -1.4750339687452652e-05 - - 8.8203012943267822e-02 -1.9387699663639069e-01 - <_> - - 0 -1 917 1.0160019621253014e-02 - - -7.3683522641658783e-02 2.7725589275360107e-01 - <_> - - 0 -1 918 1.4658429790870287e-05 - - -1.3514040410518646e-01 1.1165390163660049e-01 - <_> - - 0 -1 919 2.9789519030600786e-03 - - -5.6356389075517654e-02 2.9033899307250977e-01 - <_> - - 0 -1 920 6.7907930351793766e-03 - - -5.5468060076236725e-02 2.9650750756263733e-01 - <_> - - 0 -1 921 3.5746619105339050e-02 - - 4.4232271611690521e-02 -3.7943100929260254e-01 - <_> - - 0 -1 922 -8.6023868061602116e-04 - - -2.5524240732192993e-01 6.3983328640460968e-02 - <_> - - 0 -1 923 -3.2749359961599112e-03 - - 5.1642370223999023e-01 -3.0802410095930099e-02 - <_> - - 0 -1 924 -1.4287419617176056e-04 - - -1.7014829814434052e-01 9.0200550854206085e-02 - <_> - - 0 -1 925 -5.9252060949802399e-02 - - 4.4787400960922241e-01 -3.4802999347448349e-02 - <_> - - 0 -1 926 4.9169741570949554e-02 - - 4.3797228485345840e-02 -3.9337700605392456e-01 - <_> - - 0 -1 927 2.4047859478741884e-03 - - -8.5982158780097961e-02 1.7597770690917969e-01 - <_> - - 0 -1 928 -8.8569998741149902e-02 - - -2.9694429039955139e-01 5.6752521544694901e-02 - <_> - - 0 -1 929 3.5266599152237177e-03 - - -5.4160539060831070e-02 3.2359990477561951e-01 - <_> - - 0 -1 930 -1.4674359590571839e-05 - - 1.0095299780368805e-01 -1.7195940017700195e-01 - <_> - - 0 -1 931 -1.0672880336642265e-02 - - -3.9103358983993530e-01 3.9687499403953552e-02 - <_> - - 0 -1 932 -1.3177569955587387e-02 - - 2.7460250258445740e-01 -5.5524408817291260e-02 - <_> - - 0 -1 933 -2.0427990239113569e-03 - - -3.2616940140724182e-01 5.1151938736438751e-02 - <_> - - 0 -1 934 2.5430709123611450e-02 - - 3.4412149339914322e-02 -3.9120680093765259e-01 - <_> - - 0 -1 935 6.6575622186064720e-03 - - -6.2124639749526978e-02 2.5493910908699036e-01 - <_> - - 0 -1 936 -2.4922629818320274e-02 - - -7.5617647171020508e-01 2.0520050078630447e-02 - <_> - - 0 -1 937 6.4869478344917297e-02 - - 1.3535760343074799e-02 -8.5182607173919678e-01 - <_> - - 0 -1 938 -1.9129139836877584e-03 - - -2.0609579980373383e-01 6.8809613585472107e-02 - <_> - - 0 -1 939 -2.7280850335955620e-03 - - 1.3853220641613007e-01 -1.1308959871530533e-01 - <_> - - 0 -1 940 3.9647668600082397e-03 - - -8.5980050265789032e-02 1.8867929279804230e-01 - <_> - - 0 -1 941 8.6866566562093794e-05 - - -1.3409359753131866e-01 1.1543890088796616e-01 - <_> - - 0 -1 942 -1.0680439881980419e-03 - - 2.4043959379196167e-01 -5.9584230184555054e-02 - <_> - - 0 -1 943 6.4973197877407074e-03 - - 3.5721741616725922e-02 -4.3827891349792480e-01 - <_> - - 0 -1 944 3.3825050923041999e-04 - - 7.5188770890235901e-02 -1.9240869581699371e-01 - <_> - - 0 -1 945 2.4638089817017317e-03 - - -3.8108248263597488e-02 4.1398531198501587e-01 - <_> - - 0 -1 946 7.1629788726568222e-04 - - 6.7675560712814331e-02 -2.3129940032958984e-01 - <_> - - 0 -1 947 -1.1354340240359306e-03 - - 1.6413919627666473e-01 -9.8224140703678131e-02 - <_> - - 0 -1 948 -4.6024488983675838e-04 - - 7.8879103064537048e-02 -1.8191289901733398e-01 - <_> - - 0 -1 949 -8.1474315375089645e-03 - - -1.8627829849720001e-01 7.7696673572063446e-02 - <_> - - 0 -1 950 -3.3882331103086472e-02 - - 4.1818460822105408e-01 -4.0109351277351379e-02 - <_> - - 0 -1 951 -4.3395790271461010e-03 - - 1.8961839377880096e-01 -8.3509556949138641e-02 - <_> - - 0 -1 952 2.4691419675946236e-03 - - 4.3756991624832153e-02 -3.8284140825271606e-01 - <_> - - 0 -1 953 8.7688177824020386e-02 - - 2.3466430604457855e-02 -5.9991317987442017e-01 - <_> - - 0 -1 954 7.1277258939517196e-06 - - -1.4574949443340302e-01 9.4181038439273834e-02 - <_> - - 0 -1 955 -2.2863550111651421e-03 - - 2.2176849842071533e-01 -6.2630541622638702e-02 - <_> - - 0 -1 956 -1.4718780221301131e-05 - - 1.1210440099239349e-01 -1.3407769799232483e-01 - <_> - - 0 -1 957 2.9124629218131304e-03 - - -6.1113931238651276e-02 2.6921069622039795e-01 - <_> - - 0 -1 958 -7.2532321792095900e-04 - - -1.8317590653896332e-01 9.0204723179340363e-02 - <_> - - 0 -1 959 -1.7109309555962682e-03 - - -2.9150980710983276e-01 5.6865800172090530e-02 - <_> - - 0 -1 960 3.5050138831138611e-02 - - 2.4259999394416809e-02 -5.9926068782806396e-01 - <_> - - 0 -1 961 2.5119259953498840e-02 - - -4.6499390155076981e-02 3.3078059554100037e-01 - <_> - - 0 -1 962 1.3924979604780674e-02 - - 5.4394099861383438e-02 -3.2431459426879883e-01 - <_> - - 0 -1 963 1.2507860083132982e-03 - - -8.6275100708007812e-02 1.6083979606628418e-01 - <_> - - 0 -1 964 3.2347340602427721e-03 - - 4.0214668959379196e-02 -3.3414369821548462e-01 - <_> - - 0 -1 965 2.3993090726435184e-03 - - -3.6099448800086975e-02 4.0332961082458496e-01 - <_> - - 0 -1 966 -6.4468860626220703e-02 - - -9.2355471849441528e-01 1.7104439437389374e-02 - <_> - - 0 -1 967 2.6983879506587982e-02 - - -4.1323971003293991e-02 3.8095420598983765e-01 - <_> - - 0 -1 968 -1.4244250451156404e-05 - - 9.8453678190708160e-02 -1.3854749500751495e-01 - <_> - - 0 -1 969 3.6304299719631672e-03 - - 2.2532820701599121e-02 -5.7740187644958496e-01 - <_> - - 0 -1 970 -2.7509450446814299e-03 - - 2.8656649589538574e-01 -4.9012679606676102e-02 - <_> - - 0 -1 971 3.4084690269082785e-03 - - 3.8566160947084427e-02 -3.5187271237373352e-01 - <_> - - 0 -1 972 -2.0442469976842403e-03 - - 1.5499830245971680e-01 -8.1280998885631561e-02 - <_> - - 0 -1 973 -3.3763761166483164e-04 - - -1.8969820439815521e-01 7.3497541248798370e-02 - <_> - - 0 -1 974 -1.9649739842861891e-03 - - 2.4030299484729767e-01 -5.3698450326919556e-02 - <_> - - 0 -1 975 2.6115038781426847e-04 - - -1.0585899651050568e-01 1.4551800489425659e-01 - <_> - - 0 -1 976 -2.4496200494468212e-03 - - -3.3511948585510254e-01 4.3949641287326813e-02 - <_> - - 0 -1 977 2.5791170075535774e-02 - - 1.9443970173597336e-02 -6.3135677576065063e-01 - <_> - - 0 -1 978 -1.7996380338445306e-03 - - 1.5620160102844238e-01 -8.9669622480869293e-02 - <_> - - 0 -1 979 -5.5190739221870899e-03 - - 3.8429600000381470e-01 -3.9308220148086548e-02 - <_> - - 0 -1 980 9.3076081248000264e-04 - - 5.3146060556173325e-02 -2.7482900023460388e-01 - <_> - - 0 -1 981 2.7754770126193762e-03 - - -5.3488280624151230e-02 2.4878840148448944e-01 - <_> - - 0 -1 982 1.9387940410524607e-03 - - 7.5177863240242004e-02 -1.9432419538497925e-01 - <_> - - 0 -1 983 -4.0069930255413055e-03 - - -2.7330648899078369e-01 6.2000360339879990e-02 - <_> - - 0 -1 984 7.4540930800139904e-03 - - -5.0977949053049088e-02 2.7055469155311584e-01 - <_> - - 0 -1 985 -1.6338729765266180e-03 - - 1.0920850187540054e-01 -1.4821110665798187e-01 - <_> - - 0 -1 986 -1.1626870185136795e-01 - - -9.4307368993759155e-01 1.4511439949274063e-02 - <_> - - 0 -1 987 -1.2051310390233994e-02 - - -3.0964991450309753e-01 3.7726309150457382e-02 - <_> - - 0 -1 988 1.5592000447213650e-02 - - -3.8526348769664764e-02 3.6706140637397766e-01 - <_> - - 0 -1 989 -1.1198739521205425e-03 - - -1.4644260704517365e-01 9.6057042479515076e-02 - <_> - - 0 -1 990 -1.4623399692936800e-05 - - 1.0641819983720779e-01 -1.3394460082054138e-01 - <_> - - 0 -1 991 -1.0319639742374420e-01 - - -7.0196557044982910e-01 1.8891770392656326e-02 - <_> - 121 - -1.4499469995498657e+00 - - <_> - - 0 -1 992 -3.7469431757926941e-02 - - 2.9079249501228333e-01 -3.5205191373825073e-01 - <_> - - 0 -1 993 4.0861819870769978e-03 - - -2.9098600149154663e-01 1.8445029854774475e-01 - <_> - - 0 -1 994 -9.2446897178888321e-04 - - 1.1087530106306076e-01 -4.1064518690109253e-01 - <_> - - 0 -1 995 8.5803697584196925e-04 - - -2.2129820287227631e-01 1.5465059876441956e-01 - <_> - - 0 -1 996 2.3659599537495524e-04 - - -3.2185178995132446e-01 1.1183690279722214e-01 - <_> - - 0 -1 997 -3.5021029412746429e-02 - - 2.2721460461616516e-01 -1.4156529307365417e-01 - <_> - - 0 -1 998 -3.4688229206949472e-03 - - -4.0247380733489990e-01 4.3791528791189194e-02 - <_> - - 0 -1 999 5.0372090190649033e-03 - - -1.2387280166149139e-01 2.2701320052146912e-01 - <_> - - 0 -1 1000 -1.1929610045626760e-03 - - -4.8692488670349121e-01 5.2568510174751282e-02 - <_> - - 0 -1 1001 9.5561221241950989e-03 - - -4.6204000711441040e-02 5.1149028539657593e-01 - <_> - - 0 -1 1002 1.1109219631180167e-03 - - 4.5496881008148193e-02 -4.5278310775756836e-01 - <_> - - 0 -1 1003 5.7835641200654209e-05 - - -1.5641710162162781e-01 1.3276909291744232e-01 - <_> - - 0 -1 1004 -9.4595848349854350e-04 - - -2.8471308946609497e-01 6.4549557864665985e-02 - <_> - - 0 -1 1005 8.8587577920407057e-04 - - 6.5990276634693146e-02 -3.2505878806114197e-01 - <_> - - 0 -1 1006 2.1180589683353901e-03 - - -7.1820907294750214e-02 3.3132740855216980e-01 - <_> - - 0 -1 1007 -1.6004469245672226e-02 - - -4.9266660213470459e-01 3.5758759826421738e-02 - <_> - - 0 -1 1008 1.4956319937482476e-03 - - -8.3095543086528778e-02 2.7613210678100586e-01 - <_> - - 0 -1 1009 7.5204619206488132e-03 - - 2.6987679302692413e-02 -6.5507948398590088e-01 - <_> - - 0 -1 1010 -1.4567610378435347e-05 - - 1.1181929707527161e-01 -1.8279710412025452e-01 - <_> - - 0 -1 1011 1.5564640052616596e-03 - - -1.5681059658527374e-01 1.1271400004625320e-01 - <_> - - 0 -1 1012 -3.6522798240184784e-02 - - -1.4254869520664215e-01 1.3022269308567047e-01 - <_> - - 0 -1 1013 9.4677843153476715e-03 - - -4.3431900441646576e-02 3.6521318554878235e-01 - <_> - - 0 -1 1014 -1.4508370441035368e-05 - - 8.4056511521339417e-02 -2.0373860001564026e-01 - <_> - - 0 -1 1015 9.7979931160807610e-04 - - -9.2570282518863678e-02 1.9765810668468475e-01 - <_> - - 0 -1 1016 1.4909260244166944e-05 - - -1.4167930185794830e-01 1.2542089819908142e-01 - <_> - - 0 -1 1017 -2.1510709484573454e-04 - - 2.0154480636119843e-01 -8.0978751182556152e-02 - <_> - - 0 -1 1018 -1.3552160235121846e-03 - - -3.9648211002349854e-01 4.5137099921703339e-02 - <_> - - 0 -1 1019 8.4163509309291840e-03 - - -7.5962640345096588e-02 2.2327689826488495e-01 - <_> - - 0 -1 1020 -3.0116800917312503e-04 - - -1.9837650656700134e-01 8.5917882621288300e-02 - <_> - - 0 -1 1021 9.7665376961231232e-04 - - 6.1060719192028046e-02 -3.1315010786056519e-01 - <_> - - 0 -1 1022 1.9718110561370850e-03 - - -5.4124880582094193e-02 3.2931008934974670e-01 - <_> - - 0 -1 1023 6.4220376312732697e-02 - - 3.1034920364618301e-02 -5.8339309692382812e-01 - <_> - - 0 -1 1024 -4.8852190375328064e-03 - - 1.8666909635066986e-01 -8.5492432117462158e-02 - <_> - - 0 -1 1025 -2.5309080956503749e-04 - - -1.6574999690055847e-01 9.2472381889820099e-02 - <_> - - 0 -1 1026 2.9818940674886107e-05 - - -1.4195050299167633e-01 1.0154379904270172e-01 - <_> - - 0 -1 1027 -1.0288760066032410e-02 - - 2.5133699178695679e-01 -5.9286661446094513e-02 - <_> - - 0 -1 1028 -2.9165179512347095e-05 - - 1.2957669794559479e-01 -1.1733850091695786e-01 - <_> - - 0 -1 1029 -2.0741471089422703e-03 - - -2.2633939981460571e-01 6.6792942583560944e-02 - <_> - - 0 -1 1030 1.1343799997121096e-03 - - -6.3913702964782715e-02 2.7956250309944153e-01 - <_> - - 0 -1 1031 -1.5007710317149758e-05 - - 1.3454750180244446e-01 -1.1705060303211212e-01 - <_> - - 0 -1 1032 4.9826782196760178e-03 - - 2.6505010202527046e-02 -6.0010671615600586e-01 - <_> - - 0 -1 1033 -3.4576859325170517e-03 - - 3.1286209821701050e-01 -5.4155170917510986e-02 - <_> - - 0 -1 1034 5.4344828240573406e-03 - - 2.8702750802040100e-02 -5.6824082136154175e-01 - <_> - - 0 -1 1035 -1.4558049770130310e-05 - - 1.0756780207157135e-01 -1.3127699494361877e-01 - <_> - - 0 -1 1036 1.5321969985961914e-03 - - -1.1911620199680328e-01 1.4021439850330353e-01 - <_> - - 0 -1 1037 -2.2449430078268051e-02 - - -3.3376368880271912e-01 4.9373220652341843e-02 - <_> - - 0 -1 1038 1.1923030018806458e-02 - - 6.3558742403984070e-02 -2.4746930599212646e-01 - <_> - - 0 -1 1039 2.0685950294137001e-02 - - -6.1905119568109512e-02 2.6367300748825073e-01 - <_> - - 0 -1 1040 5.0756777636706829e-04 - - -1.2528319656848907e-01 1.4505800604820251e-01 - <_> - - 0 -1 1041 9.2508539091795683e-04 - - 5.9009589254856110e-02 -2.6204380393028259e-01 - <_> - - 0 -1 1042 8.6694798665121198e-04 - - -8.8942721486091614e-02 1.7795750498771667e-01 - <_> - - 0 -1 1043 4.7340960009023547e-04 - - 6.8137630820274353e-02 -2.1880300343036652e-01 - <_> - - 0 -1 1044 9.0366601943969727e-02 - - 1.8516469746828079e-02 -6.5736871957778931e-01 - <_> - - 0 -1 1045 2.0585930906236172e-03 - - -4.5568998903036118e-02 3.2879421114921570e-01 - <_> - - 0 -1 1046 -4.0761628188192844e-03 - - -3.5896709561347961e-01 4.0903490036725998e-02 - <_> - - 0 -1 1047 3.2309619709849358e-03 - - -5.8772470802068710e-02 2.5518509745597839e-01 - <_> - - 0 -1 1048 2.0424150861799717e-03 - - 4.3209441006183624e-02 -3.3393308520317078e-01 - <_> - - 0 -1 1049 -2.8341729193925858e-04 - - -1.6685059666633606e-01 8.1555336713790894e-02 - <_> - - 0 -1 1050 -1.0859699686989188e-03 - - 1.7807449400424957e-01 -9.2171236872673035e-02 - <_> - - 0 -1 1051 -2.0089520141482353e-02 - - -3.5236391425132751e-01 4.4607751071453094e-02 - <_> - - 0 -1 1052 -1.8073120154440403e-03 - - 3.0220940709114075e-01 -5.2047580480575562e-02 - <_> - - 0 -1 1053 1.0337149724364281e-02 - - 2.4787139147520065e-02 -6.8838161230087280e-01 - <_> - - 0 -1 1054 -2.4023749865591526e-03 - - 3.3173340559005737e-01 -4.6199489384889603e-02 - <_> - - 0 -1 1055 -5.8347097365185618e-04 - - -1.8856820464134216e-01 7.7347792685031891e-02 - <_> - - 0 -1 1056 -2.1759211085736752e-03 - - 3.3067348599433899e-01 -4.0855869650840759e-02 - <_> - - 0 -1 1057 -1.1984390439465642e-03 - - -2.1580339968204498e-01 6.8534582853317261e-02 - <_> - - 0 -1 1058 1.4474330237135291e-03 - - -5.8074928820133209e-02 2.3362369835376740e-01 - <_> - - 0 -1 1059 5.1625841297209263e-04 - - 7.5655579566955566e-02 -2.0956470072269440e-01 - <_> - - 0 -1 1060 -1.4388939598575234e-03 - - -3.0948141217231750e-01 5.8159999549388885e-02 - <_> - - 0 -1 1061 -1.7495449865236878e-03 - - 1.0236290097236633e-01 -1.5715239942073822e-01 - <_> - - 0 -1 1062 1.6774939373135567e-02 - - 2.3711699992418289e-02 -5.8594572544097900e-01 - <_> - - 0 -1 1063 -8.3265192806720734e-03 - - 3.0943349003791809e-01 -4.8807561397552490e-02 - <_> - - 0 -1 1064 -4.4853150029666722e-05 - - 1.0615509748458862e-01 -1.3089710474014282e-01 - <_> - - 0 -1 1065 5.9908269904553890e-03 - - 8.0168873071670532e-02 -1.6817809641361237e-01 - <_> - - 0 -1 1066 1.4110070187598467e-03 - - -6.9941587746143341e-02 2.2045080363750458e-01 - <_> - - 0 -1 1067 4.1205998510122299e-02 - - 3.1721431761980057e-02 -4.4176858663558960e-01 - <_> - - 0 -1 1068 1.5044870087876916e-04 - - -1.2152300029993057e-01 1.1241420358419418e-01 - <_> - - 0 -1 1069 -4.8399530351161957e-03 - - 2.8244999051094055e-01 -5.1606610417366028e-02 - <_> - - 0 -1 1070 -1.0831269901245832e-03 - - -1.6978019475936890e-01 8.3731047809123993e-02 - <_> - - 0 -1 1071 -1.3483200222253799e-02 - - 2.8269320726394653e-01 -5.2228599786758423e-02 - <_> - - 0 -1 1072 5.9854640858247876e-04 - - -1.3749149441719055e-01 1.2280890345573425e-01 - <_> - - 0 -1 1073 -6.4943352481350303e-04 - - -1.6931599378585815e-01 8.8171690702438354e-02 - <_> - - 0 -1 1074 -6.3191158697009087e-03 - - 1.6245460510253906e-01 -8.6300060153007507e-02 - <_> - - 0 -1 1075 -2.5179239455610514e-03 - - -3.1853398680686951e-01 5.2688188850879669e-02 - <_> - - 0 -1 1076 -4.6924971044063568e-02 - - -6.5773141384124756e-01 2.0505079999566078e-02 - <_> - - 0 -1 1077 -9.6446421230211854e-04 - - -2.7256599068641663e-01 4.5441299676895142e-02 - <_> - - 0 -1 1078 1.5073099639266729e-03 - - -5.0479460507631302e-02 2.8486481308937073e-01 - <_> - - 0 -1 1079 1.6149930655956268e-02 - - 3.8769058883190155e-02 -3.6149570345878601e-01 - <_> - - 0 -1 1080 1.9126510247588158e-02 - - -3.6233641207218170e-02 4.7573548555374146e-01 - <_> - - 0 -1 1081 -1.2546279467642307e-03 - - 1.1009909957647324e-01 -1.5554140508174896e-01 - <_> - - 0 -1 1082 -1.4754529729543719e-05 - - 9.6549153327941895e-02 -1.3947430253028870e-01 - <_> - - 0 -1 1083 1.5680169686675072e-02 - - 2.3214520886540413e-02 -5.7713180780410767e-01 - <_> - - 0 -1 1084 1.2293360196053982e-02 - - -5.7809889316558838e-02 2.3951390385627747e-01 - <_> - - 0 -1 1085 -9.6596255898475647e-03 - - 2.4098740518093109e-01 -6.5823532640933990e-02 - <_> - - 0 -1 1086 4.4940081425011158e-03 - - 5.4532490670681000e-02 -3.1474688649177551e-01 - <_> - - 0 -1 1087 1.1480580084025860e-02 - - 1.7419299110770226e-02 -7.4722832441329956e-01 - <_> - - 0 -1 1088 -6.5499639511108398e-01 - - -4.5483970642089844e-01 2.6187120005488396e-02 - <_> - - 0 -1 1089 -1.5746919962111861e-04 - - 8.4341458976268768e-02 -1.8240310251712799e-01 - <_> - - 0 -1 1090 -1.0111900046467781e-03 - - -2.0862899720668793e-01 6.7676216363906860e-02 - <_> - - 0 -1 1091 1.8488839268684387e-02 - - -3.5499621182680130e-02 4.1342151165008545e-01 - <_> - - 0 -1 1092 -3.8888910785317421e-04 - - 1.5692460536956787e-01 -8.6299479007720947e-02 - <_> - - 0 -1 1093 -4.5315301977097988e-03 - - -4.3912211060523987e-01 3.4103620797395706e-02 - <_> - - 0 -1 1094 3.3536020666360855e-02 - - -3.2231528311967850e-02 4.7096571326255798e-01 - <_> - - 0 -1 1095 2.0854349713772535e-03 - - -7.6001010835170746e-02 1.7373880743980408e-01 - <_> - - 0 -1 1096 -1.4060589819564484e-05 - - 8.5960999131202698e-02 -1.6348780691623688e-01 - <_> - - 0 -1 1097 4.2995680123567581e-02 - - 2.2033119574189186e-02 -5.9274291992187500e-01 - <_> - - 0 -1 1098 2.4928380735218525e-03 - - -6.3020773231983185e-02 2.1398860216140747e-01 - <_> - - 0 -1 1099 1.4520809600071516e-05 - - -1.1218129843473434e-01 1.1997319757938385e-01 - <_> - - 0 -1 1100 2.1152360364794731e-02 - - 3.0270710587501526e-02 -4.4600808620452881e-01 - <_> - - 0 -1 1101 2.1028789342381060e-04 - - 8.0384418368339539e-02 -1.7209020256996155e-01 - <_> - - 0 -1 1102 1.0620340472087264e-03 - - -6.4051970839500427e-02 2.1304920315742493e-01 - <_> - - 0 -1 1103 -2.5768030900508165e-03 - - -5.2309602499008179e-01 2.6146469637751579e-02 - <_> - - 0 -1 1104 4.7555579803884029e-03 - - 3.6213729530572891e-02 -3.4408730268478394e-01 - <_> - - 0 -1 1105 -5.9062540531158447e-01 - - -9.1701269149780273e-01 1.3416379690170288e-02 - <_> - - 0 -1 1106 -9.7031831741333008e-02 - - 4.8288398981094360e-01 -3.2344181090593338e-02 - <_> - - 0 -1 1107 1.4890159945935011e-03 - - 4.0591750293970108e-02 -3.8898488879203796e-01 - <_> - - 0 -1 1108 2.4702500086277723e-03 - - -6.3159219920635223e-02 2.1322609484195709e-01 - <_> - - 0 -1 1109 -2.9705299530178308e-03 - - 1.4960889518260956e-01 -1.0181649774312973e-01 - <_> - - 0 -1 1110 1.5555499494075775e-01 - - 3.6674879491329193e-02 -3.5983988642692566e-01 - <_> - - 0 -1 1111 1.4113659970462322e-02 - - 1.3834640383720398e-02 -8.7112957239151001e-01 - <_> - - 0 -1 1112 -9.5594127196818590e-04 - - -2.2359329462051392e-01 5.5646751075983047e-02 - <_> - 137 - -1.4971179962158203e+00 - - <_> - - 0 -1 1113 2.3068320006132126e-02 - - -3.0734539031982422e-01 2.5758111476898193e-01 - <_> - - 0 -1 1114 -1.1603030376136303e-02 - - 1.7347939312458038e-01 -2.9917559027671814e-01 - <_> - - 0 -1 1115 -1.0232869535684586e-03 - - 1.9289019703865051e-01 -2.4926829338073730e-01 - <_> - - 0 -1 1116 1.2194960378110409e-02 - - 8.7591417133808136e-02 -4.0853890776634216e-01 - <_> - - 0 -1 1117 -1.2484550243243575e-03 - - 1.6345569491386414e-01 -1.8811899423599243e-01 - <_> - - 0 -1 1118 3.2145460136234760e-04 - - 7.9135909676551819e-02 -3.7722501158714294e-01 - <_> - - 0 -1 1119 -7.9707789700478315e-04 - - -2.6377388834953308e-01 9.6936263144016266e-02 - <_> - - 0 -1 1120 7.0924922823905945e-02 - - -1.2538060545921326e-01 2.5267291069030762e-01 - <_> - - 0 -1 1121 2.5408361107110977e-03 - - -1.3923250138759613e-01 1.4974319934844971e-01 - <_> - - 0 -1 1122 -6.9253891706466675e-04 - - -3.1363919377326965e-01 3.9419740438461304e-02 - <_> - - 0 -1 1123 2.5845640338957310e-03 - - -7.0067122578620911e-02 2.8096580505371094e-01 - <_> - - 0 -1 1124 -1.6803950071334839e-02 - - -4.6254080533981323e-01 3.6509469151496887e-02 - <_> - - 0 -1 1125 -2.1332600153982639e-03 - - 2.2691309452056885e-01 -8.4447480738162994e-02 - <_> - - 0 -1 1126 -5.5397138930857182e-04 - - -2.0728160440921783e-01 1.0041700303554535e-01 - <_> - - 0 -1 1127 -1.4573110092896968e-05 - - 8.8534340262413025e-02 -2.0813420414924622e-01 - <_> - - 0 -1 1128 8.0281507689505816e-04 - - -8.8521443307399750e-02 1.9553969800472260e-01 - <_> - - 0 -1 1129 3.6762449890375137e-03 - - -8.3966277539730072e-02 2.4232700467109680e-01 - <_> - - 0 -1 1130 -1.6549570136703551e-04 - - -1.9402000308036804e-01 1.0044509917497635e-01 - <_> - - 0 -1 1131 5.5225789546966553e-03 - - 4.6014141291379929e-02 -4.1095688939094543e-01 - <_> - - 0 -1 1132 1.1023939587175846e-03 - - -2.1053719520568848e-01 8.4169827401638031e-02 - <_> - - 0 -1 1133 -2.1610360592603683e-02 - - -3.4724879264831543e-01 5.1196940243244171e-02 - <_> - - 0 -1 1134 -1.4869699953123927e-05 - - 1.1187150329351425e-01 -1.6249230504035950e-01 - <_> - - 0 -1 1135 3.1727060675621033e-02 - - 3.7546031177043915e-02 -4.5357111096382141e-01 - <_> - - 0 -1 1136 -6.5588178113102913e-03 - - 2.9756790399551392e-01 -6.1539310961961746e-02 - <_> - - 0 -1 1137 3.7398359272629023e-03 - - -6.9362841546535492e-02 2.2881920635700226e-01 - <_> - - 0 -1 1138 -2.1445790771394968e-03 - - -3.0691981315612793e-01 5.7085540145635605e-02 - <_> - - 0 -1 1139 1.4241340104490519e-03 - - 4.7747720032930374e-02 -3.5141488909721375e-01 - <_> - - 0 -1 1140 1.8902820302173495e-03 - - 1.1250650137662888e-01 -1.5074999630451202e-01 - <_> - - 0 -1 1141 -6.4917900599539280e-03 - - 2.8712779283523560e-01 -6.2573678791522980e-02 - <_> - - 0 -1 1142 -8.7750004604458809e-03 - - -5.4141241312026978e-01 2.9559530317783356e-02 - <_> - - 0 -1 1143 9.3647688627243042e-02 - - -5.6943789124488831e-02 2.9638379812240601e-01 - <_> - - 0 -1 1144 -4.4028809497831389e-05 - - 1.0726290196180344e-01 -1.5169329941272736e-01 - <_> - - 0 -1 1145 7.9690842540003359e-05 - - 8.7704338133335114e-02 -1.8157640099525452e-01 - <_> - - 0 -1 1146 -6.6510448232293129e-03 - - 2.1250769495964050e-01 -7.8765399754047394e-02 - <_> - - 0 -1 1147 2.1358320116996765e-01 - - 3.2704930752515793e-02 -4.9895349144935608e-01 - <_> - - 0 -1 1148 -9.8035410046577454e-02 - - -6.3620072603225708e-01 2.4300750344991684e-02 - <_> - - 0 -1 1149 -3.6894609220325947e-03 - - -5.7873171567916870e-01 2.5343220680952072e-02 - <_> - - 0 -1 1150 4.7867568209767342e-03 - - -6.9719798862934113e-02 2.4641029536724091e-01 - <_> - - 0 -1 1151 4.0250780875794590e-04 - - -1.1852599680423737e-01 1.7163689434528351e-01 - <_> - - 0 -1 1152 -3.8258030544966459e-03 - - -3.1708711385726929e-01 5.2796650677919388e-02 - <_> - - 0 -1 1153 2.9255099434521981e-05 - - -1.2157870084047318e-01 1.2443509697914124e-01 - <_> - - 0 -1 1154 -5.5969221284613013e-04 - - -2.3942449688911438e-01 6.1564020812511444e-02 - <_> - - 0 -1 1155 1.6149280127137899e-03 - - -8.9536681771278381e-02 1.9396179914474487e-01 - <_> - - 0 -1 1156 -5.9165759012103081e-03 - - -6.0741347074508667e-01 2.4107500910758972e-02 - <_> - - 0 -1 1157 4.5592039823532104e-03 - - -5.4090119898319244e-02 2.8721129894256592e-01 - <_> - - 0 -1 1158 -5.1767788827419281e-02 - - -6.4853471517562866e-01 2.4329099804162979e-02 - <_> - - 0 -1 1159 -1.0635569691658020e-02 - - 3.2359760999679565e-01 -5.0231788307428360e-02 - <_> - - 0 -1 1160 2.5121110957115889e-04 - - 9.5274448394775391e-02 -1.4859940111637115e-01 - <_> - - 0 -1 1161 1.3107099803164601e-03 - - -1.1612690240144730e-01 1.2647250294685364e-01 - <_> - - 0 -1 1162 -7.3629721999168396e-02 - - -6.2977832555770874e-01 2.4197410792112350e-02 - <_> - - 0 -1 1163 5.1864539273083210e-04 - - 8.0843970179557800e-02 -1.8038350343704224e-01 - <_> - - 0 -1 1164 -2.0541099365800619e-03 - - 2.0690770447254181e-01 -7.1559637784957886e-02 - <_> - - 0 -1 1165 -7.2738518938422203e-03 - - -1.8049220740795135e-01 8.4618158638477325e-02 - <_> - - 0 -1 1166 -7.0418710820376873e-03 - - -5.5255848169326782e-01 2.4243000894784927e-02 - <_> - - 0 -1 1167 2.3678881116211414e-03 - - -7.4315063655376434e-02 2.2013199329376221e-01 - <_> - - 0 -1 1168 -4.1341409087181091e-03 - - -3.1461110711097717e-01 5.7645540684461594e-02 - <_> - - 0 -1 1169 5.9597631916403770e-03 - - 2.1551210433244705e-02 -6.6399222612380981e-01 - <_> - - 0 -1 1170 -1.4643320355389733e-05 - - 1.0325399786233902e-01 -1.4378640055656433e-01 - <_> - - 0 -1 1171 -8.0324069131165743e-04 - - -2.8026849031448364e-01 5.2175540477037430e-02 - <_> - - 0 -1 1172 -1.7860220745205879e-02 - - 3.1547638773918152e-01 -4.7295480966567993e-02 - <_> - - 0 -1 1173 8.5229711839929223e-04 - - -1.0860790312290192e-01 1.6905729472637177e-01 - <_> - - 0 -1 1174 8.8618341833353043e-03 - - 2.0629420876502991e-02 -7.1686798334121704e-01 - <_> - - 0 -1 1175 4.1418620385229588e-03 - - 3.1313210725784302e-02 -3.9753648638725281e-01 - <_> - - 0 -1 1176 -9.6616581082344055e-02 - - 4.2378899455070496e-01 -3.2291099429130554e-02 - <_> - - 0 -1 1177 -8.4853649139404297e-02 - - -4.8360210657119751e-01 3.4420508891344070e-02 - <_> - - 0 -1 1178 -2.7399489656090736e-02 - - -2.8981518745422363e-01 4.6805508434772491e-02 - <_> - - 0 -1 1179 1.9653420895338058e-03 - - -7.6221130788326263e-02 1.8894240260124207e-01 - <_> - - 0 -1 1180 -9.0222749859094620e-03 - - -5.8255058526992798e-01 2.6038780808448792e-02 - <_> - - 0 -1 1181 1.7859010398387909e-01 - - 1.4113079756498337e-02 -7.5876772403717041e-01 - <_> - - 0 -1 1182 2.6170860510319471e-03 - - -4.2011409997940063e-02 3.4582638740539551e-01 - <_> - - 0 -1 1183 -1.8247140105813742e-03 - - -2.5125750899314880e-01 5.4113451391458511e-02 - <_> - - 0 -1 1184 1.0635840008035302e-03 - - -6.9988057017326355e-02 2.1111090481281281e-01 - <_> - - 0 -1 1185 -8.5794121026992798e-02 - - -5.2950221300125122e-01 2.4234309792518616e-02 - <_> - - 0 -1 1186 -2.4844249710440636e-03 - - 2.2798889875411987e-01 -5.7894941419363022e-02 - <_> - - 0 -1 1187 2.4517390411347151e-03 - - 4.7758270055055618e-02 -2.9931840300559998e-01 - <_> - - 0 -1 1188 7.2088139131665230e-03 - - 8.9190460741519928e-02 -1.4663650095462799e-01 - <_> - - 0 -1 1189 -6.0728411190211773e-03 - - 2.9773110151290894e-01 -4.4187791645526886e-02 - <_> - - 0 -1 1190 2.9379719868302345e-02 - - 1.8384920433163643e-02 -7.2799599170684814e-01 - <_> - - 0 -1 1191 3.5265460610389709e-02 - - -4.0345128625631332e-02 3.4369349479675293e-01 - <_> - - 0 -1 1192 8.0668088048696518e-04 - - -1.0171490162611008e-01 1.3324069976806641e-01 - <_> - - 0 -1 1193 -1.4964640140533447e-03 - - -2.3296439647674561e-01 5.9193279594182968e-02 - <_> - - 0 -1 1194 2.6136979460716248e-02 - - 1.7993519082665443e-02 -7.3094600439071655e-01 - <_> - - 0 -1 1195 1.8663259223103523e-02 - - 1.4693800359964371e-02 -7.2105181217193604e-01 - <_> - - 0 -1 1196 -5.0944439863087609e-05 - - 9.8113812506198883e-02 -1.3487009704113007e-01 - <_> - - 0 -1 1197 -5.5268028518185019e-04 - - -1.1313900351524353e-01 1.1931320279836655e-01 - <_> - - 0 -1 1198 5.4916120134294033e-03 - - -6.8996928632259369e-02 2.2312630712985992e-01 - <_> - - 0 -1 1199 3.1243199482560158e-02 - - -3.2394438982009888e-02 3.9250150322914124e-01 - <_> - - 0 -1 1200 2.7375440113246441e-03 - - 3.6713510751724243e-02 -4.0632349252700806e-01 - <_> - - 0 -1 1201 9.0960890054702759e-02 - - 2.7709199115633965e-02 -4.1612899303436279e-01 - <_> - - 0 -1 1202 -4.2210621177218854e-04 - - -1.5993569791316986e-01 7.8440353274345398e-02 - <_> - - 0 -1 1203 -2.3689800873398781e-03 - - 1.4372199773788452e-01 -9.0417243540287018e-02 - <_> - - 0 -1 1204 4.5116269029676914e-03 - - -6.8068206310272217e-02 2.1011069416999817e-01 - <_> - - 0 -1 1205 -1.4441140228882432e-03 - - -1.3376539945602417e-01 1.1816109716892242e-01 - <_> - - 0 -1 1206 2.1477979607880116e-03 - - -9.8067082464694977e-02 1.7571650445461273e-01 - <_> - - 0 -1 1207 2.2534599527716637e-02 - - 5.3246740251779556e-02 -2.8085210919380188e-01 - <_> - - 0 -1 1208 -1.6165290027856827e-02 - - 2.6058629155158997e-01 -5.6349318474531174e-02 - <_> - - 0 -1 1209 1.3157909736037254e-02 - - 4.4960599392652512e-02 -3.1084328889846802e-01 - <_> - - 0 -1 1210 -2.5218630209565163e-02 - - -1.2245389819145203e-01 1.1707650125026703e-01 - <_> - - 0 -1 1211 -1.0043029760709032e-04 - - 6.2668606638908386e-02 -2.3665410280227661e-01 - <_> - - 0 -1 1212 2.2884309291839600e-02 - - -5.6393388658761978e-02 2.6951891183853149e-01 - <_> - - 0 -1 1213 -3.7653960753232241e-03 - - 2.4265049397945404e-01 -6.0327839106321335e-02 - <_> - - 0 -1 1214 -1.2131360126659274e-03 - - -2.2581340372562408e-01 6.3866272568702698e-02 - <_> - - 0 -1 1215 3.6897920072078705e-03 - - -7.5056307017803192e-02 1.7121140658855438e-01 - <_> - - 0 -1 1216 3.9484380977228284e-04 - - 7.2925560176372528e-02 -1.8006080389022827e-01 - <_> - - 0 -1 1217 -2.8756330721080303e-03 - - 2.3332679271697998e-01 -5.8312799781560898e-02 - <_> - - 0 -1 1218 -1.2939549982547760e-02 - - -5.9966820478439331e-01 2.4746209383010864e-02 - <_> - - 0 -1 1219 4.8920139670372009e-03 - - -5.0808548927307129e-02 2.7142828702926636e-01 - <_> - - 0 -1 1220 -6.3685458153486252e-03 - - -1.7759549617767334e-01 7.8720703721046448e-02 - <_> - - 0 -1 1221 9.1700062155723572e-02 - - -2.4316219612956047e-02 5.6610620021820068e-01 - <_> - - 0 -1 1222 -2.9075080528855324e-03 - - -5.3473442792892456e-01 2.6738349348306656e-02 - <_> - - 0 -1 1223 -3.9782752282917500e-03 - - 1.7898949980735779e-01 -7.3634162545204163e-02 - <_> - - 0 -1 1224 3.8189089391380548e-03 - - 9.6640147268772125e-02 -1.2615419924259186e-01 - <_> - - 0 -1 1225 -6.1400169506669044e-03 - - -2.8025910258293152e-01 4.8952069133520126e-02 - <_> - - 0 -1 1226 4.6048378571867943e-03 - - -3.5297919064760208e-02 3.6271721124649048e-01 - <_> - - 0 -1 1227 6.9598153233528137e-02 - - 2.8236450627446175e-02 -4.7523179650306702e-01 - <_> - - 0 -1 1228 8.2954921526834369e-04 - - 6.5010666847229004e-02 -1.9608500599861145e-01 - <_> - - 0 -1 1229 1.0073450393974781e-02 - - 2.4091430008411407e-02 -5.2702528238296509e-01 - <_> - - 0 -1 1230 -4.9964170902967453e-02 - - 2.7060431241989136e-01 -5.2939768880605698e-02 - <_> - - 0 -1 1231 -2.3425720632076263e-02 - - -6.5538042783737183e-01 2.0399950444698334e-02 - <_> - - 0 -1 1232 4.5370758743956685e-04 - - -1.0145729780197144e-01 1.2575489282608032e-01 - <_> - - 0 -1 1233 -9.4329239800572395e-04 - - -2.3677830398082733e-01 5.2147369831800461e-02 - <_> - - 0 -1 1234 -2.5503130163997412e-03 - - 1.8695800006389618e-01 -6.4383536577224731e-02 - <_> - - 0 -1 1235 -2.1031149663031101e-03 - - -4.0381109714508057e-01 2.8763780370354652e-02 - <_> - - 0 -1 1236 2.3942890111356974e-03 - - -5.8961909264326096e-02 2.0151209831237793e-01 - <_> - - 0 -1 1237 3.4859919105656445e-04 - - -1.1594740301370621e-01 1.1559849977493286e-01 - <_> - - 0 -1 1238 6.5279641421511769e-04 - - -9.6583247184753418e-02 1.4546130597591400e-01 - <_> - - 0 -1 1239 6.6208152566105127e-04 - - 5.5666640400886536e-02 -2.3408170044422150e-01 - <_> - - 0 -1 1240 -1.1246719956398010e-01 - - -7.2129100561141968e-01 1.6700809821486473e-02 - <_> - - 0 -1 1241 2.4760260712355375e-03 - - -7.0752441883087158e-02 1.6832010447978973e-01 - <_> - - 0 -1 1242 -8.7723489850759506e-03 - - -4.8666760325431824e-01 2.6006119325757027e-02 - <_> - - 0 -1 1243 2.8840279206633568e-02 - - 3.3308699727058411e-02 -3.4549170732498169e-01 - <_> - - 0 -1 1244 4.7115320921875536e-04 - - 5.8610469102859497e-02 -2.1334120631217957e-01 - <_> - - 0 -1 1245 -7.5157210230827332e-03 - - 3.7866720557212830e-01 -3.6307640373706818e-02 - <_> - - 0 -1 1246 -1.7479779489804059e-04 - - -1.8687920272350311e-01 7.0380441844463348e-02 - <_> - - 0 -1 1247 6.9826189428567886e-03 - - -7.5376212596893311e-02 1.8541449308395386e-01 - <_> - - 0 -1 1248 -2.5053499266505241e-03 - - -4.7345471382141113e-01 2.6765290647745132e-02 - <_> - - 0 -1 1249 6.5240712137892842e-04 - - -1.1398679763078690e-01 1.1460109800100327e-01 - <_> - 153 - -1.5120370388031006e+00 - - <_> - - 0 -1 1250 2.7968829497694969e-02 - - -2.4054290354251862e-01 3.3976718783378601e-01 - <_> - - 0 -1 1251 4.7484100796282291e-03 - - -1.8598410487174988e-01 2.6523759961128235e-01 - <_> - - 0 -1 1252 -9.6774380654096603e-03 - - 1.3574579358100891e-01 -3.1734740734100342e-01 - <_> - - 0 -1 1253 1.0649940231814981e-03 - - -5.0356131792068481e-01 7.0383183658123016e-02 - <_> - - 0 -1 1254 3.0151519458740950e-03 - - -1.7585769295692444e-01 1.6750140488147736e-01 - <_> - - 0 -1 1255 7.6821137918159366e-04 - - -2.3158560693264008e-01 1.2748460471630096e-01 - <_> - - 0 -1 1256 -5.6622780859470367e-02 - - 3.0103230476379395e-01 -1.1525429785251617e-01 - <_> - - 0 -1 1257 4.7889677807688713e-03 - - -6.8797349929809570e-02 3.5774651169776917e-01 - <_> - - 0 -1 1258 3.7908130325376987e-03 - - 1.1250580102205276e-01 -2.3389840126037598e-01 - <_> - - 0 -1 1259 -3.6302749067544937e-03 - - -2.7425950765609741e-01 6.0180071741342545e-02 - <_> - - 0 -1 1260 1.4986160211265087e-02 - - 5.8370150625705719e-02 -3.5088211297988892e-01 - <_> - - 0 -1 1261 6.1338639352470636e-04 - - -1.0045500099658966e-01 1.8004140257835388e-01 - <_> - - 0 -1 1262 1.7827099654823542e-03 - - -5.8504570275545120e-02 2.8165730834007263e-01 - <_> - - 0 -1 1263 1.0279649868607521e-03 - - 4.6049151569604874e-02 -4.1633561253547668e-01 - <_> - - 0 -1 1264 -1.4470520000031684e-05 - - 9.7594477236270905e-02 -1.7005239427089691e-01 - <_> - - 0 -1 1265 7.2919862577691674e-04 - - -8.9277692139148712e-02 1.9683800637722015e-01 - <_> - - 0 -1 1266 -1.2752750189974904e-03 - - -2.1324349939823151e-01 7.7781319618225098e-02 - <_> - - 0 -1 1267 2.7510570362210274e-02 - - 9.8059087991714478e-02 -1.8463979661464691e-01 - <_> - - 0 -1 1268 3.9082998409867287e-03 - - -9.8240077495574951e-02 1.7902830243110657e-01 - <_> - - 0 -1 1269 2.8285238659009337e-04 - - 6.4882382750511169e-02 -2.5903809070587158e-01 - <_> - - 0 -1 1270 5.8698928914964199e-03 - - -4.8436500132083893e-02 3.5584059357643127e-01 - <_> - - 0 -1 1271 5.2106438670307398e-04 - - 6.4200893044471741e-02 -2.4268729984760284e-01 - <_> - - 0 -1 1272 -3.8013618905097246e-03 - - 3.1349530816078186e-01 -4.9372490495443344e-02 - <_> - - 0 -1 1273 -3.5830549895763397e-03 - - -1.9015640020370483e-01 8.5928887128829956e-02 - <_> - - 0 -1 1274 7.3326388373970985e-03 - - -8.7244078516960144e-02 1.8596029281616211e-01 - <_> - - 0 -1 1275 6.8118958733975887e-04 - - 9.0353183448314667e-02 -1.7380879819393158e-01 - <_> - - 0 -1 1276 -2.4127468932420015e-03 - - 2.6583871245384216e-01 -6.2018260359764099e-02 - <_> - - 0 -1 1277 4.4389287941157818e-03 - - 3.8672439754009247e-02 -4.4039198756217957e-01 - <_> - - 0 -1 1278 2.9394390367087908e-05 - - -1.3116660714149475e-01 1.2389960139989853e-01 - <_> - - 0 -1 1279 5.2613918669521809e-03 - - -5.4326139390468597e-02 3.1434679031372070e-01 - <_> - - 0 -1 1280 2.3712380789220333e-03 - - 3.5234931856393814e-02 -4.5936021208763123e-01 - <_> - - 0 -1 1281 -2.4774149060249329e-03 - - -3.2579651474952698e-01 4.1676308959722519e-02 - <_> - - 0 -1 1282 5.1308068213984370e-04 - - -9.8032839596271515e-02 1.5209600329399109e-01 - <_> - - 0 -1 1283 -7.6761870877817273e-04 - - -2.0944289863109589e-01 6.9563657045364380e-02 - <_> - - 0 -1 1284 4.1551832109689713e-03 - - -5.9142418205738068e-02 2.4788859486579895e-01 - <_> - - 0 -1 1285 1.4315149746835232e-02 - - 2.4713350459933281e-02 -6.2663692235946655e-01 - <_> - - 0 -1 1286 8.9347898028790951e-04 - - -1.3387380540370941e-01 1.0626660287380219e-01 - <_> - - 0 -1 1287 -5.8425782481208444e-04 - - -2.1583810448646545e-01 6.7552872002124786e-02 - <_> - - 0 -1 1288 8.9712149929255247e-04 - - -1.5998089313507080e-01 9.6859596669673920e-02 - <_> - - 0 -1 1289 -4.4576660729944706e-03 - - -4.6839779615402222e-01 3.4481108188629150e-02 - <_> - - 0 -1 1290 1.6316650435328484e-02 - - 1.6176480799913406e-02 -7.6990699768066406e-01 - <_> - - 0 -1 1291 -1.9581869710236788e-03 - - 2.3423190414905548e-01 -6.3605003058910370e-02 - <_> - - 0 -1 1292 2.9628631472587585e-01 - - 3.8007281720638275e-02 -3.8991358876228333e-01 - <_> - - 0 -1 1293 -9.1676972806453705e-04 - - 1.2086489796638489e-01 -1.0912480205297470e-01 - <_> - - 0 -1 1294 -2.5543299852870405e-04 - - -1.8755780160427094e-01 7.1104221045970917e-02 - <_> - - 0 -1 1295 8.2945115864276886e-03 - - -3.9912570267915726e-02 3.3551681041717529e-01 - <_> - - 0 -1 1296 -5.8387689292430878e-02 - - -3.3475118875503540e-01 4.1011139750480652e-02 - <_> - - 0 -1 1297 1.0927469702437520e-03 - - -8.3243489265441895e-02 1.6046769917011261e-01 - <_> - - 0 -1 1298 1.0653319768607616e-03 - - -1.1920040100812912e-01 1.0561779886484146e-01 - <_> - - 0 -1 1299 -3.5323720425367355e-02 - - 2.8399449586868286e-01 -4.7650910913944244e-02 - <_> - - 0 -1 1300 6.7976478021591902e-04 - - 5.9223521500825882e-02 -2.2741270065307617e-01 - <_> - - 0 -1 1301 -2.4810519069433212e-02 - - -6.5788549184799194e-01 1.8828939646482468e-02 - <_> - - 0 -1 1302 4.5880349352955818e-03 - - -5.0799869000911713e-02 2.6886260509490967e-01 - <_> - - 0 -1 1303 3.9034360088407993e-03 - - -5.9183020144701004e-02 2.2644530236721039e-01 - <_> - - 0 -1 1304 1.2360659986734390e-01 - - 2.2052299231290817e-02 -6.7844098806381226e-01 - <_> - - 0 -1 1305 -3.7856408744119108e-04 - - -2.1715499460697174e-01 5.7522300630807877e-02 - <_> - - 0 -1 1306 2.8562229126691818e-02 - - -3.4095268696546555e-02 4.2474791407585144e-01 - <_> - - 0 -1 1307 2.2348840720951557e-03 - - -3.5655528306961060e-02 3.5050040483474731e-01 - <_> - - 0 -1 1308 1.9211059436202049e-02 - - 2.5078350678086281e-02 -5.9314918518066406e-01 - <_> - - 0 -1 1309 1.5611639618873596e-01 - - 2.3612640798091888e-02 -4.8740550875663757e-01 - <_> - - 0 -1 1310 -1.2261980446055532e-03 - - -3.0421718955039978e-01 3.9526391774415970e-02 - <_> - - 0 -1 1311 3.6561759188771248e-03 - - -7.7627539634704590e-02 2.0262609422206879e-01 - <_> - - 0 -1 1312 1.1567790061235428e-03 - - 5.5682398378849030e-02 -2.4368490278720856e-01 - <_> - - 0 -1 1313 6.2764538452029228e-03 - - -6.4452603459358215e-02 2.1183019876480103e-01 - <_> - - 0 -1 1314 1.2091239914298058e-02 - - 2.0667979493737221e-02 -6.2231677770614624e-01 - <_> - - 0 -1 1315 3.7568950210697949e-04 - - 7.3670476675033569e-02 -1.7809109389781952e-01 - <_> - - 0 -1 1316 3.8157668896019459e-03 - - 3.3845711499452591e-02 -3.6262959241867065e-01 - <_> - - 0 -1 1317 -1.3252210337668657e-03 - - 1.4732490479946136e-01 -8.1727422773838043e-02 - <_> - - 0 -1 1318 2.1575710270553827e-03 - - -6.8624198436737061e-02 1.7562319338321686e-01 - <_> - - 0 -1 1319 -6.4548188820481300e-03 - - -5.8159267902374268e-01 2.3020049557089806e-02 - <_> - - 0 -1 1320 -8.1042833626270294e-03 - - -3.5549208521842957e-01 3.5372331738471985e-02 - <_> - - 0 -1 1321 1.6489460540469736e-04 - - 7.4472688138484955e-02 -1.5718360245227814e-01 - <_> - - 0 -1 1322 -1.9494029693305492e-03 - - 3.5157081484794617e-01 -3.6213818937540054e-02 - <_> - - 0 -1 1323 -1.5267659910023212e-04 - - -1.4115719497203827e-01 8.4802761673927307e-02 - <_> - - 0 -1 1324 2.3890420794487000e-02 - - 1.9317669793963432e-02 -6.3186031579971313e-01 - <_> - - 0 -1 1325 -4.4950367882847786e-03 - - 2.1254129707813263e-01 -5.9143088757991791e-02 - <_> - - 0 -1 1326 2.8725271113216877e-03 - - 3.2794039696455002e-02 -3.9505231380462646e-01 - <_> - - 0 -1 1327 2.0885460544377565e-03 - - -8.5443787276744843e-02 1.4347669482231140e-01 - <_> - - 0 -1 1328 -4.4343829154968262e-01 - - -4.0052318572998047e-01 2.9428049921989441e-02 - <_> - - 0 -1 1329 2.0199170336127281e-02 - - 4.0000550448894501e-02 -3.1763339042663574e-01 - <_> - - 0 -1 1330 1.4570879749953747e-02 - - 1.3662800192832947e-02 -8.6441951990127563e-01 - <_> - - 0 -1 1331 -3.8080150261521339e-03 - - 4.0930721163749695e-01 -3.3838968724012375e-02 - <_> - - 0 -1 1332 1.0009920224547386e-03 - - -8.2600250840187073e-02 1.3928790390491486e-01 - <_> - - 0 -1 1333 1.1500980472192168e-03 - - 6.9677546620368958e-02 -1.7433060705661774e-01 - <_> - - 0 -1 1334 3.4720861003734171e-04 - - 6.6659383475780487e-02 -1.7403809726238251e-01 - <_> - - 0 -1 1335 2.7565560303628445e-03 - - -2.9285680502653122e-02 4.0243569016456604e-01 - <_> - - 0 -1 1336 -2.4124220013618469e-02 - - -3.2424208521842957e-01 3.7330508232116699e-02 - <_> - - 0 -1 1337 -1.3989120721817017e-01 - - -6.5967488288879395e-01 1.7929619178175926e-02 - <_> - - 0 -1 1338 3.0997680500149727e-02 - - 1.4100589789450169e-02 -6.9532638788223267e-01 - <_> - - 0 -1 1339 4.6191760338842869e-04 - - -6.7944146692752838e-02 1.8066139519214630e-01 - <_> - - 0 -1 1340 3.4264490008354187e-02 - - 2.2298639640212059e-02 -5.8638918399810791e-01 - <_> - - 0 -1 1341 3.9756381884217262e-03 - - -4.1803721338510513e-02 3.1669101119041443e-01 - <_> - - 0 -1 1342 -3.4192908788099885e-04 - - -1.5810790657997131e-01 7.7484056353569031e-02 - <_> - - 0 -1 1343 7.1672953665256500e-02 - - -2.3302769288420677e-02 5.2465027570724487e-01 - <_> - - 0 -1 1344 7.1812322130426764e-04 - - 4.8268780112266541e-02 -2.7771729230880737e-01 - <_> - - 0 -1 1345 -1.8881190335378051e-03 - - 8.3184987306594849e-02 -1.4802010357379913e-01 - <_> - - 0 -1 1346 -1.2498029973357916e-03 - - 2.5329118967056274e-01 -4.9769390374422073e-02 - <_> - - 0 -1 1347 -1.2756100296974182e-01 - - -6.7970567941665649e-01 2.0871700718998909e-02 - <_> - - 0 -1 1348 -1.4621549780713394e-05 - - 7.9338513314723969e-02 -1.5043739974498749e-01 - <_> - - 0 -1 1349 3.5788679961115122e-03 - - -5.5469110608100891e-02 2.4075509607791901e-01 - <_> - - 0 -1 1350 9.4902152195572853e-03 - - 2.8637239709496498e-02 -5.3680288791656494e-01 - <_> - - 0 -1 1351 1.0283050127327442e-02 - - 1.1550529859960079e-02 -7.7501267194747925e-01 - <_> - - 0 -1 1352 -4.2507290840148926e-02 - - -8.8770490884780884e-01 9.7261751070618629e-03 - <_> - - 0 -1 1353 3.6155930138193071e-04 - - 6.4407013356685638e-02 -1.7109510302543640e-01 - <_> - - 0 -1 1354 -3.4245628863573074e-02 - - 2.4231609702110291e-01 -4.7188870608806610e-02 - <_> - - 0 -1 1355 -1.2806710600852966e-01 - - -5.4869401454925537e-01 2.1854300051927567e-02 - <_> - - 0 -1 1356 5.3918339312076569e-02 - - -2.5415059179067612e-02 4.8263218998908997e-01 - <_> - - 0 -1 1357 -3.7711810320615768e-02 - - 1.4176939427852631e-01 -8.8871710002422333e-02 - <_> - - 0 -1 1358 -2.8310909867286682e-01 - - -6.4925712347030640e-01 2.0563820376992226e-02 - <_> - - 0 -1 1359 -1.1926019564270973e-02 - - -2.1756759285926819e-01 5.1851660013198853e-02 - <_> - - 0 -1 1360 3.7750680348835886e-04 - - 7.2340622544288635e-02 -1.6360169649124146e-01 - <_> - - 0 -1 1361 1.5865910798311234e-02 - - -7.9940237104892731e-02 1.6453659534454346e-01 - <_> - - 0 -1 1362 7.1175709366798401e-02 - - 3.1589020043611526e-02 -4.1988191008567810e-01 - <_> - - 0 -1 1363 5.8520520105957985e-03 - - 2.3279080167412758e-02 -4.8604270815849304e-01 - <_> - - 0 -1 1364 -1.3924130471423268e-03 - - 1.6908380389213562e-01 -7.3783926665782928e-02 - <_> - - 0 -1 1365 -1.8412459758110344e-04 - - 1.2232059985399246e-01 -1.0313989967107773e-01 - <_> - - 0 -1 1366 2.2130980505608022e-04 - - -8.1976376473903656e-02 1.6332870721817017e-01 - <_> - - 0 -1 1367 2.0723740453831851e-04 - - 9.2730201780796051e-02 -1.3733580708503723e-01 - <_> - - 0 -1 1368 -3.8736319402232766e-04 - - -2.0004619657993317e-01 8.4838382899761200e-02 - <_> - - 0 -1 1369 3.2468559220433235e-03 - - -5.6439258158206940e-02 2.2364979982376099e-01 - <_> - - 0 -1 1370 9.3086768174543977e-04 - - 3.1926579773426056e-02 -3.9701279997825623e-01 - <_> - - 0 -1 1371 1.0306099429726601e-03 - - -6.0154888778924942e-02 2.0189760625362396e-01 - <_> - - 0 -1 1372 -7.6027261093258858e-04 - - 1.4901119470596313e-01 -9.9665373563766479e-02 - <_> - - 0 -1 1373 -4.0442569297738373e-04 - - -1.9113409519195557e-01 7.4125148355960846e-02 - <_> - - 0 -1 1374 -4.7783120535314083e-03 - - -3.5730269551277161e-01 3.6531679332256317e-02 - <_> - - 0 -1 1375 -7.7672587940469384e-04 - - 1.0242869704961777e-01 -1.2974999845027924e-01 - <_> - - 0 -1 1376 -5.7417969219386578e-03 - - -1.6698950529098511e-01 7.0111282169818878e-02 - <_> - - 0 -1 1377 -1.0879320092499256e-02 - - 4.4120571017265320e-01 -2.9255589470267296e-02 - <_> - - 0 -1 1378 6.4163492061197758e-04 - - -1.1195279657840729e-01 1.0681179910898209e-01 - <_> - - 0 -1 1379 1.8341830000281334e-02 - - 1.6387680172920227e-01 -8.0189116299152374e-02 - <_> - - 0 -1 1380 -1.5051739756017923e-03 - - -2.2313259541988373e-01 6.1541710048913956e-02 - <_> - - 0 -1 1381 4.4345208443701267e-03 - - -6.6646136343479156e-02 2.2299060225486755e-01 - <_> - - 0 -1 1382 -1.4749550246051513e-05 - - 1.1597889661788940e-01 -1.0377810150384903e-01 - <_> - - 0 -1 1383 -2.6539659593254328e-03 - - 1.3116030395030975e-01 -8.6488783359527588e-02 - <_> - - 0 -1 1384 2.7743550017476082e-03 - - 4.1064068675041199e-02 -3.1225061416625977e-01 - <_> - - 0 -1 1385 1.1590829817578197e-03 - - 6.4309477806091309e-02 -1.7413079738616943e-01 - <_> - - 0 -1 1386 9.2315068468451500e-04 - - -8.2974001765251160e-02 1.4439080655574799e-01 - <_> - - 0 -1 1387 -8.2323597744107246e-03 - - 3.0380389094352722e-01 -4.1229110211133957e-02 - <_> - - 0 -1 1388 3.5314110573381186e-03 - - 3.9511259645223618e-02 -3.3097168803215027e-01 - <_> - - 0 -1 1389 5.7490761391818523e-03 - - 1.9821660593152046e-02 -5.8780592679977417e-01 - <_> - - 0 -1 1390 7.8584970906376839e-03 - - -4.9952238798141479e-02 2.7249589562416077e-01 - <_> - - 0 -1 1391 -1.4245980310079176e-05 - - 8.8010340929031372e-02 -1.3228349387645721e-01 - <_> - - 0 -1 1392 6.9364177761599422e-04 - - -6.7391887307167053e-02 1.7463630437850952e-01 - <_> - - 0 -1 1393 -2.9837749898433685e-02 - - -5.1709812879562378e-01 2.4871410802006721e-02 - <_> - - 0 -1 1394 7.1383598260581493e-03 - - 6.7430503666400909e-02 -1.9037249684333801e-01 - <_> - - 0 -1 1395 1.7582569271326065e-02 - - -3.6622371524572372e-02 3.5335469245910645e-01 - <_> - - 0 -1 1396 -1.2527840444818139e-03 - - -2.1730649471282959e-01 6.1200018972158432e-02 - <_> - - 0 -1 1397 7.4575009057298303e-04 - - -6.4467661082744598e-02 1.9775040447711945e-01 - <_> - - 0 -1 1398 -7.2683871258050203e-04 - - -1.7233370244503021e-01 7.1719951927661896e-02 - <_> - - 0 -1 1399 2.6301289908587933e-03 - - -3.9274338632822037e-02 3.3066290616989136e-01 - <_> - - 0 -1 1400 -1.4553769688063767e-05 - - 7.9698577523231506e-02 -1.7852419614791870e-01 - <_> - - 0 -1 1401 -4.5518940896727145e-04 - - -1.6662250459194183e-01 7.5660362839698792e-02 - <_> - - 0 -1 1402 -4.0261688991449773e-04 - - -1.4214369654655457e-01 8.1017293035984039e-02 - <_> - 161 - -1.4741109609603882e+00 - - <_> - - 0 -1 1403 -8.3439666777849197e-03 - - 3.1942158937454224e-01 -2.6766449213027954e-01 - <_> - - 0 -1 1404 7.8073277836665511e-04 - - -3.4852638840675354e-01 1.3628880679607391e-01 - <_> - - 0 -1 1405 8.6505862418562174e-04 - - -2.5323680043220520e-01 1.7417639493942261e-01 - <_> - - 0 -1 1406 -2.0879819930996746e-04 - - 8.8503703474998474e-02 -3.6038509011268616e-01 - <_> - - 0 -1 1407 -7.4667241424322128e-03 - - 1.6120630502700806e-01 -1.7366449534893036e-01 - <_> - - 0 -1 1408 -6.9383758818730712e-04 - - 9.6873007714748383e-02 -2.6793479919433594e-01 - <_> - - 0 -1 1409 -4.7926991101121530e-05 - - 9.1756246984004974e-02 -2.6212221384048462e-01 - <_> - - 0 -1 1410 -1.5861799474805593e-03 - - -6.1400872468948364e-01 -7.4168378487229347e-03 - <_> - - 0 -1 1411 4.4573731429409236e-05 - - -1.4841860532760620e-01 1.3855740427970886e-01 - <_> - - 0 -1 1412 5.0104141701012850e-04 - - 5.9088941663503647e-02 -2.9596069455146790e-01 - <_> - - 0 -1 1413 -4.7243628650903702e-03 - - 1.7092029750347137e-01 -1.0624700039625168e-01 - <_> - - 0 -1 1414 3.9171050302684307e-03 - - 8.8605202734470367e-02 -2.2775200009346008e-01 - <_> - - 0 -1 1415 8.8675727602094412e-04 - - -1.6839639842510223e-01 1.1958680301904678e-01 - <_> - - 0 -1 1416 -4.2634559795260429e-03 - - -3.3663240075111389e-01 4.7266270965337753e-02 - <_> - - 0 -1 1417 6.8006501533091068e-03 - - -5.9237081557512283e-02 3.1675300002098083e-01 - <_> - - 0 -1 1418 -1.3168989680707455e-02 - - 3.7162569165229797e-01 -4.2714890092611313e-02 - <_> - - 0 -1 1419 7.3881301796063781e-04 - - 5.9158101677894592e-02 -3.0953711271286011e-01 - <_> - - 0 -1 1420 1.7939460230991244e-03 - - -8.4615282714366913e-02 2.0452530682086945e-01 - <_> - - 0 -1 1421 1.6819390002638102e-03 - - -8.6703762412071228e-02 2.0580549538135529e-01 - <_> - - 0 -1 1422 -2.5033599231392145e-03 - - -4.3473190069198608e-01 3.8707830011844635e-02 - <_> - - 0 -1 1423 3.3658559550531209e-04 - - -1.0717310011386871e-01 1.5238380432128906e-01 - <_> - - 0 -1 1424 1.3037879951298237e-02 - - 4.4682659208774567e-02 -4.0395650267601013e-01 - <_> - - 0 -1 1425 1.3743729505222291e-04 - - -2.1432510018348694e-01 6.8643413484096527e-02 - <_> - - 0 -1 1426 3.7178888916969299e-01 - - 3.4502930939197540e-02 -4.5998379588127136e-01 - <_> - - 0 -1 1427 -7.1649150922894478e-03 - - 2.6640880107879639e-01 -5.4557949304580688e-02 - <_> - - 0 -1 1428 -7.1985478280112147e-04 - - -1.4415690302848816e-01 9.8254486918449402e-02 - <_> - - 0 -1 1429 1.6854539513587952e-02 - - 2.8428679332137108e-02 -4.5227599143981934e-01 - <_> - - 0 -1 1430 1.3624729588627815e-02 - - -6.0474298894405365e-02 2.2715990245342255e-01 - <_> - - 0 -1 1431 1.3620140030980110e-02 - - 7.9177603125572205e-02 -1.8104650080204010e-01 - <_> - - 0 -1 1432 -4.4976719655096531e-03 - - 2.1300099790096283e-01 -7.1392573416233063e-02 - <_> - - 0 -1 1433 7.1611418388783932e-04 - - -9.4237379729747772e-02 1.5830449759960175e-01 - <_> - - 0 -1 1434 7.0651061832904816e-04 - - 4.8840671777725220e-02 -2.9152449965476990e-01 - <_> - - 0 -1 1435 -3.1002271175384521e-01 - - -3.8511890172958374e-01 3.4369651228189468e-02 - <_> - - 0 -1 1436 4.3721711263060570e-03 - - -4.6880301088094711e-02 2.9952910542488098e-01 - <_> - - 0 -1 1437 -1.4383009634912014e-02 - - -4.5463728904724121e-01 3.4184519201517105e-02 - <_> - - 0 -1 1438 -3.7763800937682390e-03 - - -5.6709027290344238e-01 2.1684719249606133e-02 - <_> - - 0 -1 1439 -3.4393940586596727e-03 - - 2.8183689713478088e-01 -5.2640009671449661e-02 - <_> - - 0 -1 1440 -3.5846829414367676e-03 - - -2.9227399826049805e-01 5.2231520414352417e-02 - <_> - - 0 -1 1441 3.6200750619173050e-03 - - -5.3378768265247345e-02 2.6364138722419739e-01 - <_> - - 0 -1 1442 7.6435408554971218e-03 - - 3.6897629499435425e-02 -3.9242339134216309e-01 - <_> - - 0 -1 1443 3.5417820326983929e-03 - - 3.5689998418092728e-02 -3.5601079463958740e-01 - <_> - - 0 -1 1444 -2.4041049182415009e-03 - - 1.6313059628009796e-01 -8.9239962399005890e-02 - <_> - - 0 -1 1445 6.5479031763970852e-03 - - 3.6708708852529526e-02 -3.4187689423561096e-01 - <_> - - 0 -1 1446 -1.2350000441074371e-02 - - 2.6157799363136292e-01 -5.2475821226835251e-02 - <_> - - 0 -1 1447 1.4726500012329780e-05 - - -1.7869140207767487e-01 7.7807463705539703e-02 - <_> - - 0 -1 1448 -2.1563619375228882e-02 - - -6.3926118612289429e-01 1.9050199538469315e-02 - <_> - - 0 -1 1449 5.0762481987476349e-03 - - -5.1665481179952621e-02 2.9126250743865967e-01 - <_> - - 0 -1 1450 -5.9531949460506439e-02 - - -7.5291550159454346e-01 2.0238230004906654e-02 - <_> - - 0 -1 1451 -1.6808489337563515e-02 - - -4.2833268642425537e-01 2.5997729972004890e-02 - <_> - - 0 -1 1452 3.4431689418852329e-03 - - -5.4912570863962173e-02 2.4233500659465790e-01 - <_> - - 0 -1 1453 -1.0451589478179812e-03 - - -2.6243540644645691e-01 4.5748569071292877e-02 - <_> - - 0 -1 1454 -4.8333409358747303e-04 - - 8.9791953563690186e-02 -1.2892110645771027e-01 - <_> - - 0 -1 1455 -4.7575961798429489e-03 - - -3.1868740916252136e-01 3.6020528525114059e-02 - <_> - - 0 -1 1456 -1.0407149791717529e-01 - - 5.1398742198944092e-01 -2.3598119616508484e-02 - <_> - - 0 -1 1457 9.6292654052376747e-03 - - -4.7965578734874725e-02 2.1790429949760437e-01 - <_> - - 0 -1 1458 5.9226430021226406e-03 - - 6.4275130629539490e-02 -1.8210859596729279e-01 - <_> - - 0 -1 1459 1.6943799331784248e-02 - - -3.7509348243474960e-02 3.1458830833435059e-01 - <_> - - 0 -1 1460 -6.5468349494040012e-03 - - -1.5812429785728455e-01 9.0520747005939484e-02 - <_> - - 0 -1 1461 9.4754863530397415e-03 - - 4.8995878547430038e-02 -2.7853849530220032e-01 - <_> - - 0 -1 1462 -4.9254479818046093e-03 - - 3.1902191042900085e-01 -4.5609470456838608e-02 - <_> - - 0 -1 1463 -9.4199541490525007e-04 - - -1.6472989320755005e-01 7.3966227471828461e-02 - <_> - - 0 -1 1464 7.0046652108430862e-03 - - -3.6342341452836990e-02 3.3846628665924072e-01 - <_> - - 0 -1 1465 -9.1483298456296325e-04 - - 1.0460989922285080e-01 -1.1206439882516861e-01 - <_> - - 0 -1 1466 -1.8404760339763016e-04 - - 1.4215709269046783e-01 -8.7627373635768890e-02 - <_> - - 0 -1 1467 -3.1692520133219659e-04 - - -1.6067850589752197e-01 7.0096842944622040e-02 - <_> - - 0 -1 1468 2.3108009248971939e-02 - - -5.3784500807523727e-02 2.0780019462108612e-01 - <_> - - 0 -1 1469 6.3212551176548004e-03 - - 2.9342239722609520e-02 -3.8378500938415527e-01 - <_> - - 0 -1 1470 7.3698158375918865e-03 - - -4.1625689715147018e-02 2.6526549458503723e-01 - <_> - - 0 -1 1471 3.3730969298630953e-03 - - 3.7753321230411530e-02 -3.0138298869132996e-01 - <_> - - 0 -1 1472 -6.4016957767307758e-03 - - 2.1839860081672668e-01 -5.4551340639591217e-02 - <_> - - 0 -1 1473 1.3553920201957226e-02 - - 2.8121260926127434e-02 -4.3601170182228088e-01 - <_> - - 0 -1 1474 -6.7636291496455669e-03 - - -1.6322250664234161e-01 6.7339658737182617e-02 - <_> - - 0 -1 1475 -1.3078070478513837e-03 - - 1.2315399944782257e-01 -1.0096319764852524e-01 - <_> - - 0 -1 1476 -7.6282368972897530e-03 - - 2.5165349245071411e-01 -5.0460711121559143e-02 - <_> - - 0 -1 1477 7.9994397237896919e-03 - - 7.3020651936531067e-02 -1.8877799808979034e-01 - <_> - - 0 -1 1478 -3.1321209389716387e-03 - - 2.7653199434280396e-01 -4.3276838958263397e-02 - <_> - - 0 -1 1479 -4.0931310504674911e-02 - - -6.5518248081207275e-01 1.8600920215249062e-02 - <_> - - 0 -1 1480 7.0344978012144566e-03 - - 2.1914770826697350e-02 -4.8595818877220154e-01 - <_> - - 0 -1 1481 -2.5299859698861837e-03 - - 1.4030769467353821e-01 -8.0566473305225372e-02 - <_> - - 0 -1 1482 3.8867890834808350e-03 - - -8.9075699448585510e-02 1.6832409799098969e-01 - <_> - - 0 -1 1483 3.8210590719245374e-04 - - 6.5200872719287872e-02 -1.8599529564380646e-01 - <_> - - 0 -1 1484 1.0954789817333221e-01 - - 1.5036020427942276e-02 -8.6908358335494995e-01 - <_> - - 0 -1 1485 -1.4177490083966404e-04 - - -1.4669269323348999e-01 7.9050153493881226e-02 - <_> - - 0 -1 1486 2.0990408957004547e-03 - - -4.6489678323268890e-02 2.3045249283313751e-01 - <_> - - 0 -1 1487 -2.3089480237103999e-04 - - -1.6784009337425232e-01 6.9773100316524506e-02 - <_> - - 0 -1 1488 -4.3103471398353577e-04 - - 8.1758759915828705e-02 -1.2939240038394928e-01 - <_> - - 0 -1 1489 -2.9572288622148335e-04 - - -1.9068230688571930e-01 5.8420080691576004e-02 - <_> - - 0 -1 1490 -4.0046018548309803e-03 - - 1.2948529422283173e-01 -8.1599622964859009e-02 - <_> - - 0 -1 1491 1.4935520084691234e-05 - - -1.3364720344543457e-01 9.8664022982120514e-02 - <_> - - 0 -1 1492 5.7824450777843595e-04 - - 5.9095639735460281e-02 -1.8318089842796326e-01 - <_> - - 0 -1 1493 1.3251320458948612e-02 - - -7.1488671004772186e-02 1.5635989606380463e-01 - <_> - - 0 -1 1494 7.1273561843554489e-06 - - -1.2283089756965637e-01 9.7752511501312256e-02 - <_> - - 0 -1 1495 1.4193489914759994e-03 - - -8.1696748733520508e-02 1.3701570034027100e-01 - <_> - - 0 -1 1496 -8.0165416002273560e-03 - - 2.4697229266166687e-01 -5.6527040898799896e-02 - <_> - - 0 -1 1497 -2.3803471121937037e-03 - - -3.7901589274406433e-01 3.4532550722360611e-02 - <_> - - 0 -1 1498 -4.8633730039000511e-03 - - 6.5441012382507324e-01 -1.9296199083328247e-02 - <_> - - 0 -1 1499 -1.4388219824468251e-05 - - 7.5101882219314575e-02 -1.4394460618495941e-01 - <_> - - 0 -1 1500 1.4798780284763779e-05 - - -1.0807389765977859e-01 9.6213810145854950e-02 - <_> - - 0 -1 1501 2.4176139384508133e-02 - - 2.6983680203557014e-02 -4.0708479285240173e-01 - <_> - - 0 -1 1502 -3.9851912297308445e-03 - - 2.1786700189113617e-01 -5.4170310497283936e-02 - <_> - - 0 -1 1503 -2.5377580896019936e-03 - - -1.5314599871635437e-01 8.8059239089488983e-02 - <_> - - 0 -1 1504 2.1663319785147905e-03 - - 1.0252720117568970e-01 -1.2039250135421753e-01 - <_> - - 0 -1 1505 3.5593929351307452e-04 - - -8.2267768681049347e-02 1.3228890299797058e-01 - <_> - - 0 -1 1506 1.1394560569897294e-03 - - -8.6393490433692932e-02 1.5693899989128113e-01 - <_> - - 0 -1 1507 5.5563818663358688e-02 - - 1.7108110710978508e-02 -7.0473742485046387e-01 - <_> - - 0 -1 1508 5.5514591932296753e-01 - - 1.3345389626920223e-02 -6.9916892051696777e-01 - <_> - - 0 -1 1509 -4.6235490590333939e-03 - - -2.3983679711818695e-01 3.9515350013971329e-02 - <_> - - 0 -1 1510 -4.5803869143128395e-03 - - 4.2900869250297546e-01 -2.6430539786815643e-02 - <_> - - 0 -1 1511 7.0851319469511509e-03 - - 1.1231079697608948e-01 -1.0711509734392166e-01 - <_> - - 0 -1 1512 -4.0524810901843011e-04 - - -2.5740951299667358e-01 4.6670019626617432e-02 - <_> - - 0 -1 1513 -4.9121538177132607e-03 - - 2.7129280567169189e-01 -4.3966241180896759e-02 - <_> - - 0 -1 1514 -1.9348099827766418e-02 - - -4.0643858909606934e-01 2.9176769778132439e-02 - <_> - - 0 -1 1515 -1.3842330081388354e-03 - - 2.3537209630012512e-01 -5.0227548927068710e-02 - <_> - - 0 -1 1516 6.2752598896622658e-03 - - 2.8113570064306259e-02 -3.9913201332092285e-01 - <_> - - 0 -1 1517 1.4853129869152326e-05 - - -1.0750629752874374e-01 1.0206390172243118e-01 - <_> - - 0 -1 1518 -1.1780710192397237e-03 - - 1.8112790584564209e-01 -5.8998040854930878e-02 - <_> - - 0 -1 1519 -3.2166391611099243e-02 - - -9.8135101795196533e-01 1.1817139573395252e-02 - <_> - - 0 -1 1520 2.8749080374836922e-03 - - 5.0774369388818741e-02 -2.0650039613246918e-01 - <_> - - 0 -1 1521 -3.5098160151392221e-03 - - 1.4354039728641510e-01 -7.8006736934185028e-02 - <_> - - 0 -1 1522 -7.2203627787530422e-03 - - 2.3853950202465057e-01 -4.6176180243492126e-02 - <_> - - 0 -1 1523 2.0837699994444847e-03 - - 2.2801460698246956e-02 -5.0945621728897095e-01 - <_> - - 0 -1 1524 3.6175400018692017e-02 - - 1.4734740369021893e-02 -6.1349362134933472e-01 - <_> - - 0 -1 1525 7.5545758008956909e-03 - - 1.6166130080819130e-02 -5.8863008022308350e-01 - <_> - - 0 -1 1526 -2.6058950461447239e-03 - - 3.6436009407043457e-01 -3.4624300897121429e-02 - <_> - - 0 -1 1527 6.4669351559132338e-04 - - 6.3444733619689941e-02 -1.8953520059585571e-01 - <_> - - 0 -1 1528 -3.1747641041874886e-03 - - 4.2877858877182007e-01 -2.6968790218234062e-02 - <_> - - 0 -1 1529 -2.3839730769395828e-02 - - -3.6871370673179626e-01 3.3688500523567200e-02 - <_> - - 0 -1 1530 1.1973649961873889e-03 - - -6.2898509204387665e-02 1.9179169833660126e-01 - <_> - - 0 -1 1531 4.4593929487746209e-05 - - -1.1022660136222839e-01 1.2159959971904755e-01 - <_> - - 0 -1 1532 9.1575905680656433e-03 - - 2.5353889912366867e-02 -4.9928730726242065e-01 - <_> - - 0 -1 1533 2.3933469783514738e-03 - - 4.8282090574502945e-02 -2.2685450315475464e-01 - <_> - - 0 -1 1534 -1.1994830565527081e-03 - - 1.0886570066213608e-01 -1.0669539868831635e-01 - <_> - - 0 -1 1535 2.1603968925774097e-03 - - -7.6076626777648926e-02 1.6507959365844727e-01 - <_> - - 0 -1 1536 -1.6556339338421822e-02 - - -5.4167211055755615e-01 2.0711649209260941e-02 - <_> - - 0 -1 1537 -8.8350269943475723e-03 - - -3.6710909008979797e-01 2.8870400041341782e-02 - <_> - - 0 -1 1538 -1.4592399566026870e-05 - - 7.8724071383476257e-02 -1.3622610270977020e-01 - <_> - - 0 -1 1539 -1.4897900400683284e-03 - - 1.1436119675636292e-01 -1.0104899853467941e-01 - <_> - - 0 -1 1540 -3.9764028042554855e-03 - - -1.0250560194253922e-01 1.0466060042381287e-01 - <_> - - 0 -1 1541 -7.2657042182981968e-03 - - 2.2982269525527954e-01 -4.5155581086874008e-02 - <_> - - 0 -1 1542 8.9115025475621223e-03 - - 2.9681159183382988e-02 -4.4235008955001831e-01 - <_> - - 0 -1 1543 -1.8145949579775333e-03 - - 2.3911419510841370e-01 -4.6856120228767395e-02 - <_> - - 0 -1 1544 -3.7546321749687195e-02 - - -1.8569689989089966e-01 6.1533749103546143e-02 - <_> - - 0 -1 1545 -1.0010029654949903e-03 - - 1.4361350238323212e-01 -8.6990483105182648e-02 - <_> - - 0 -1 1546 -3.7357229739427567e-03 - - 2.0245459675788879e-01 -6.1167530715465546e-02 - <_> - - 0 -1 1547 -1.4672010365757160e-05 - - 8.8180869817733765e-02 -1.3037009537220001e-01 - <_> - - 0 -1 1548 9.4379713118541986e-05 - - 5.5626530200242996e-02 -2.0025369524955750e-01 - <_> - - 0 -1 1549 1.5706509293522686e-04 - - -9.8335877060890198e-02 1.1518850177526474e-01 - <_> - - 0 -1 1550 -8.1810058327391744e-04 - - -2.1701550483703613e-01 5.2880410104990005e-02 - <_> - - 0 -1 1551 -5.1689259707927704e-02 - - 5.7715278863906860e-01 -1.8761100247502327e-02 - <_> - - 0 -1 1552 -9.0719409286975861e-02 - - -3.6278849840164185e-01 3.6741130053997040e-02 - <_> - - 0 -1 1553 -1.0959040373563766e-02 - - 1.6787180304527283e-01 -6.9725647568702698e-02 - <_> - - 0 -1 1554 3.7122920621186495e-03 - - 6.0360308736562729e-02 -2.0567069947719574e-01 - <_> - - 0 -1 1555 -1.9315730780363083e-02 - - -5.7397401332855225e-01 1.9705319777131081e-02 - <_> - - 0 -1 1556 -2.7051189914345741e-02 - - 3.4983208775520325e-01 -3.6084290593862534e-02 - <_> - - 0 -1 1557 2.1742910146713257e-02 - - 2.2767079994082451e-02 -6.5319198369979858e-01 - <_> - - 0 -1 1558 9.9608592689037323e-02 - - -3.1259559094905853e-02 3.8271111249923706e-01 - <_> - - 0 -1 1559 4.6517839655280113e-03 - - 1.0088030248880386e-01 -1.2396019697189331e-01 - <_> - - 0 -1 1560 -1.4784580343984999e-05 - - 7.9683482646942139e-02 -1.5573020279407501e-01 - <_> - - 0 -1 1561 -1.6718909610062838e-03 - - 1.7077329754829407e-01 -6.7733809351921082e-02 - <_> - - 0 -1 1562 1.4456630196946207e-05 - - -1.0106030106544495e-01 1.1116830259561539e-01 - <_> - - 0 -1 1563 -2.7084909379482269e-03 - - 1.1312720179557800e-01 -1.0880629718303680e-01 - <_> - 159 - -1.3943890333175659e+00 - - <_> - - 0 -1 1564 -2.2686859592795372e-02 - - 2.7316910028457642e-01 -2.7358779311180115e-01 - <_> - - 0 -1 1565 4.2952829971909523e-04 - - -2.5107958912849426e-01 1.5740729868412018e-01 - <_> - - 0 -1 1566 2.5115790776908398e-03 - - -2.2002549469470978e-01 1.5660229325294495e-01 - <_> - - 0 -1 1567 -6.3958892133086920e-04 - - 7.2609938681125641e-02 -3.8278979063034058e-01 - <_> - - 0 -1 1568 2.6575280353426933e-03 - - -1.1523439735174179e-01 2.3414239287376404e-01 - <_> - - 0 -1 1569 -7.5916409492492676e-02 - - 3.2517579197883606e-01 -8.2622267305850983e-02 - <_> - - 0 -1 1570 1.4966350136091933e-05 - - -3.5640290379524231e-01 5.2353590726852417e-02 - <_> - - 0 -1 1571 -1.4678399566037115e-05 - - 1.0198219865560532e-01 -2.2452689707279205e-01 - <_> - - 0 -1 1572 5.2314779168227687e-05 - - -1.7757849395275116e-01 1.0107079893350601e-01 - <_> - - 0 -1 1573 1.4088390162214637e-04 - - -1.5139770507812500e-01 1.3872760534286499e-01 - <_> - - 0 -1 1574 -2.3411789909005165e-02 - - -1.6435989737510681e-01 1.0702139884233475e-01 - <_> - - 0 -1 1575 2.3284659255295992e-03 - - -8.0950729548931122e-02 2.2333970665931702e-01 - <_> - - 0 -1 1576 -3.3611140679568052e-03 - - -4.4329941272735596e-01 3.4489039331674576e-02 - <_> - - 0 -1 1577 5.8458978310227394e-04 - - -1.1083470284938812e-01 1.7215029895305634e-01 - <_> - - 0 -1 1578 -3.3180968603119254e-04 - - 6.9152593612670898e-02 -2.6321241259574890e-01 - <_> - - 0 -1 1579 -8.8515877723693848e-04 - - -3.4764730930328369e-01 4.3258201330900192e-02 - <_> - - 0 -1 1580 1.4169749920256436e-04 - - -1.4600689709186554e-01 1.0149820148944855e-01 - <_> - - 0 -1 1581 1.4851680025458336e-03 - - 2.9983170330524445e-02 -4.1786131262779236e-01 - <_> - - 0 -1 1582 -7.5329327955842018e-04 - - -2.1557639539241791e-01 6.4534209668636322e-02 - <_> - - 0 -1 1583 1.4260539785027504e-02 - - -8.0013327300548553e-02 1.9511990249156952e-01 - <_> - - 0 -1 1584 -1.4687920156575274e-05 - - 9.7121663391590118e-02 -1.3502350449562073e-01 - <_> - - 0 -1 1585 -9.8925074562430382e-03 - - -5.1035261154174805e-01 2.9335800558328629e-02 - <_> - - 0 -1 1586 -1.8316040514037013e-03 - - 3.2676079869270325e-01 -4.5014020055532455e-02 - <_> - - 0 -1 1587 8.6495577124878764e-04 - - -7.7836513519287109e-02 1.8764939904212952e-01 - <_> - - 0 -1 1588 1.4902660250663757e-01 - - 1.9568990916013718e-02 -6.2450677156448364e-01 - <_> - - 0 -1 1589 -1.7126720398664474e-02 - - -1.8141449987888336e-01 7.3048681020736694e-02 - <_> - - 0 -1 1590 -1.7061959952116013e-03 - - 3.1236839294433594e-01 -4.4152028858661652e-02 - <_> - - 0 -1 1591 3.8261809386312962e-03 - - 5.1518529653549194e-02 -2.9330030083656311e-01 - <_> - - 0 -1 1592 3.8093670736998320e-03 - - -7.6707206666469574e-02 1.7574439942836761e-01 - <_> - - 0 -1 1593 -3.4228331060148776e-04 - - -2.3458020389080048e-01 6.1726640909910202e-02 - <_> - - 0 -1 1594 -4.1697870939970016e-02 - - 4.3929129838943481e-01 -3.6892820149660110e-02 - <_> - - 0 -1 1595 1.9080520723946393e-04 - - -1.3488939404487610e-01 9.7168661653995514e-02 - <_> - - 0 -1 1596 2.6400710339657962e-04 - - -1.6539520025253296e-01 7.3270231485366821e-02 - <_> - - 0 -1 1597 7.9839164391160011e-03 - - -3.3527340739965439e-02 3.6535859107971191e-01 - <_> - - 0 -1 1598 -1.4267410151660442e-02 - - 4.6739241480827332e-01 -2.7154419571161270e-02 - <_> - - 0 -1 1599 -9.4726070528849959e-05 - - -1.5017749369144440e-01 8.7657302618026733e-02 - <_> - - 0 -1 1600 -2.9629279742948711e-04 - - -1.6194540262222290e-01 7.3863230645656586e-02 - <_> - - 0 -1 1601 2.3301010951399803e-03 - - -7.9925157129764557e-02 1.5778550505638123e-01 - <_> - - 0 -1 1602 3.6623800406232476e-04 - - -8.7019346654415131e-02 2.0495669543743134e-01 - <_> - - 0 -1 1603 -4.4499669224023819e-02 - - -2.9891410470008850e-01 4.5648001134395599e-02 - <_> - - 0 -1 1604 -6.0768700204789639e-03 - - 2.3746150732040405e-01 -5.3580708801746368e-02 - <_> - - 0 -1 1605 6.6064862767234445e-04 - - 5.9221439063549042e-02 -2.3569910228252411e-01 - <_> - - 0 -1 1606 7.4699260294437408e-03 - - 5.1304049789905548e-02 -2.3386649787425995e-01 - <_> - - 0 -1 1607 -6.7128022201359272e-03 - - 2.7061641216278076e-01 -5.0031121820211411e-02 - <_> - - 0 -1 1608 4.6589970588684082e-03 - - 4.4932201504707336e-02 -3.0730488896369934e-01 - <_> - - 0 -1 1609 4.9815201200544834e-03 - - -4.8255410045385361e-02 2.6853010058403015e-01 - <_> - - 0 -1 1610 9.9244136363267899e-03 - - 1.9446769729256630e-02 -7.0352387428283691e-01 - <_> - - 0 -1 1611 6.1988402158021927e-03 - - -3.5107269883155823e-02 3.5460400581359863e-01 - <_> - - 0 -1 1612 8.8433362543582916e-03 - - 4.5328389853239059e-02 -2.7485930919647217e-01 - <_> - - 0 -1 1613 1.1110560037195683e-02 - - 2.2391419857740402e-02 -5.0172042846679688e-01 - <_> - - 0 -1 1614 -6.9408811395987868e-04 - - 1.7079490423202515e-01 -6.3849426805973053e-02 - <_> - - 0 -1 1615 8.0377031117677689e-03 - - 8.8937461376190186e-02 -1.6416129469871521e-01 - <_> - - 0 -1 1616 1.4750069567526225e-05 - - -1.3713030517101288e-01 9.6981123089790344e-02 - <_> - - 0 -1 1617 1.2381490087136626e-03 - - -6.9491222500801086e-02 1.6551379859447479e-01 - <_> - - 0 -1 1618 2.6584148872643709e-04 - - -9.6803613007068634e-02 1.2020370364189148e-01 - <_> - - 0 -1 1619 -5.4076651576906443e-04 - - -2.3185379803180695e-01 4.8987850546836853e-02 - <_> - - 0 -1 1620 -5.1092808134853840e-03 - - 3.0391758680343628e-01 -4.0800470858812332e-02 - <_> - - 0 -1 1621 1.5575919533148408e-03 - - -1.0150980204343796e-01 1.4465929567813873e-01 - <_> - - 0 -1 1622 2.8396019712090492e-02 - - 1.5098540484905243e-01 -8.8314309716224670e-02 - <_> - - 0 -1 1623 1.5096530551090837e-03 - - 5.1589738577604294e-02 -2.6199528574943542e-01 - <_> - - 0 -1 1624 1.4308419777080417e-03 - - -4.5497849583625793e-02 2.7584540843963623e-01 - <_> - - 0 -1 1625 1.3030369579792023e-01 - - 2.0329989492893219e-02 -5.7491821050643921e-01 - <_> - - 0 -1 1626 -3.3548770006746054e-03 - - 1.2289950251579285e-01 -8.9937411248683929e-02 - <_> - - 0 -1 1627 2.7094839140772820e-02 - - 1.4342390000820160e-02 -7.8952521085739136e-01 - <_> - - 0 -1 1628 -3.6210110783576965e-01 - - -6.2560427188873291e-01 1.4021329581737518e-02 - <_> - - 0 -1 1629 -6.6879601217806339e-04 - - 2.1966129541397095e-01 -5.2415199577808380e-02 - <_> - - 0 -1 1630 -3.7389241158962250e-02 - - -4.7313681244850159e-01 2.5704499334096909e-02 - <_> - - 0 -1 1631 -7.4386061169207096e-03 - - -5.2914857864379883e-01 2.0038880407810211e-02 - <_> - - 0 -1 1632 1.0443119704723358e-01 - - -2.2909460589289665e-02 5.1592028141021729e-01 - <_> - - 0 -1 1633 -6.1161867051851004e-05 - - 7.7016606926918030e-02 -1.4625400304794312e-01 - <_> - - 0 -1 1634 6.5830379026010633e-04 - - 7.0015281438827515e-02 -1.5569929778575897e-01 - <_> - - 0 -1 1635 9.7367232665419579e-03 - - -3.1582240015268326e-02 3.2754561305046082e-01 - <_> - - 0 -1 1636 -2.9574360232800245e-03 - - -3.4247711300849915e-01 3.2184720039367676e-02 - <_> - - 0 -1 1637 1.6319820424541831e-03 - - -4.9400478601455688e-02 2.2656440734863281e-01 - <_> - - 0 -1 1638 1.3844939880073071e-02 - - 2.0476659759879112e-02 -5.4600667953491211e-01 - <_> - - 0 -1 1639 3.1580299139022827e-02 - - -4.2422048747539520e-02 2.9091480374336243e-01 - <_> - - 0 -1 1640 8.6624026298522949e-03 - - 5.4432898759841919e-02 -2.1892189979553223e-01 - <_> - - 0 -1 1641 -4.6714721247553825e-04 - - -1.8205730617046356e-01 7.1491912007331848e-02 - <_> - - 0 -1 1642 4.1834521107375622e-03 - - -6.7491203546524048e-02 1.7285770177841187e-01 - <_> - - 0 -1 1643 -5.3335628472268581e-03 - - -8.4681749343872070e-01 1.3804829679429531e-02 - <_> - - 0 -1 1644 7.8782793134450912e-03 - - -4.8166718333959579e-02 2.4242730438709259e-01 - <_> - - 0 -1 1645 3.8775329012423754e-03 - - 2.4311149492859840e-02 -4.9763259291648865e-01 - <_> - - 0 -1 1646 -1.6564880206715316e-04 - - 5.5546380579471588e-02 -1.9554230570793152e-01 - <_> - - 0 -1 1647 1.8993400037288666e-02 - - -3.6479089409112930e-02 2.8472718596458435e-01 - <_> - - 0 -1 1648 -3.4308759495615959e-03 - - -3.2813000679016113e-01 3.6524198949337006e-02 - <_> - - 0 -1 1649 1.4614370229537599e-05 - - -1.0106439888477325e-01 1.0622490197420120e-01 - <_> - - 0 -1 1650 1.5978919342160225e-02 - - 3.0059399083256721e-02 -3.9310181140899658e-01 - <_> - - 0 -1 1651 -2.2245719446800649e-04 - - 1.8586489558219910e-01 -7.2151653468608856e-02 - <_> - - 0 -1 1652 2.0615909248590469e-02 - - 1.5250990167260170e-02 -7.8391200304031372e-01 - <_> - - 0 -1 1653 2.8645060956478119e-04 - - 6.8745598196983337e-02 -1.5308310091495514e-01 - <_> - - 0 -1 1654 -5.9233439969830215e-05 - - -1.2545019388198853e-01 9.8448492586612701e-02 - <_> - - 0 -1 1655 -7.6257862383499742e-04 - - 2.1546240150928497e-01 -5.3760219365358353e-02 - <_> - - 0 -1 1656 -1.4181639999151230e-03 - - -1.9876889884471893e-01 5.1982138305902481e-02 - <_> - - 0 -1 1657 -4.4716868549585342e-02 - - -7.5508397817611694e-01 1.2906449846923351e-02 - <_> - - 0 -1 1658 -1.3735699467360973e-03 - - 2.2003139555454254e-01 -5.1394689828157425e-02 - <_> - - 0 -1 1659 -1.5352779999375343e-02 - - -2.1422849595546722e-01 5.3781170397996902e-02 - <_> - - 0 -1 1660 1.3817439787089825e-02 - - -3.5158120095729828e-02 2.9399091005325317e-01 - <_> - - 0 -1 1661 8.7981626391410828e-02 - - 1.6688749194145203e-02 -7.2053599357604980e-01 - <_> - - 0 -1 1662 4.0486121177673340e-01 - - 9.4695771113038063e-03 -8.2725608348846436e-01 - <_> - - 0 -1 1663 1.9231239566579461e-03 - - -5.8016318827867508e-02 1.7696020007133484e-01 - <_> - - 0 -1 1664 -4.0756969247013330e-04 - - 8.7600946426391602e-02 -1.2633720040321350e-01 - <_> - - 0 -1 1665 -2.3862780071794987e-03 - - -4.0085569024085999e-01 2.7183029800653458e-02 - <_> - - 0 -1 1666 5.6235089898109436e-02 - - -1.7541319131851196e-02 7.3818737268447876e-01 - <_> - - 0 -1 1667 4.9810402560979128e-04 - - -7.6487071812152863e-02 1.2697990238666534e-01 - <_> - - 0 -1 1668 5.3285917965695262e-04 - - 5.9596300125122070e-02 -1.7600339651107788e-01 - <_> - - 0 -1 1669 5.9949647402390838e-04 - - -8.2509063184261322e-02 1.3002809882164001e-01 - <_> - - 0 -1 1670 -2.0725550712086260e-04 - - 9.3374222517013550e-02 -1.1726769804954529e-01 - <_> - - 0 -1 1671 8.1314949784427881e-04 - - -8.0063126981258392e-02 1.4701730012893677e-01 - <_> - - 0 -1 1672 -3.4973450237885118e-04 - - 1.1057929694652557e-01 -1.0881700366735458e-01 - <_> - - 0 -1 1673 -2.1448899805545807e-01 - - -3.1701159477233887e-01 4.1711531579494476e-02 - <_> - - 0 -1 1674 5.9010740369558334e-04 - - 4.6280328184366226e-02 -2.3512250185012817e-01 - <_> - - 0 -1 1675 -1.2093999981880188e-01 - - -6.8957090377807617e-01 1.4982040040194988e-02 - <_> - - 0 -1 1676 1.0181350260972977e-01 - - 1.1298139579594135e-02 -7.1199649572372437e-01 - <_> - - 0 -1 1677 3.5208329558372498e-01 - - 1.2944510206580162e-02 -6.7572408914566040e-01 - <_> - - 0 -1 1678 -1.4602140254282858e-05 - - 6.9550313055515289e-02 -1.4288060367107391e-01 - <_> - - 0 -1 1679 -2.3212860524654388e-01 - - -7.5287401676177979e-01 1.1394330300390720e-02 - <_> - - 0 -1 1680 -1.4764709630981088e-03 - - 1.3547790050506592e-01 -8.5470907390117645e-02 - <_> - - 0 -1 1681 9.9324379116296768e-03 - - -4.8758801072835922e-02 2.4582690000534058e-01 - <_> - - 0 -1 1682 -2.6857290416955948e-02 - - -4.3975710868835449e-01 2.5082239881157875e-02 - <_> - - 0 -1 1683 -7.3618912138044834e-03 - - 1.2384700030088425e-01 -9.7226209938526154e-02 - <_> - - 0 -1 1684 -1.9785730168223381e-02 - - -5.0932317972183228e-01 2.3481979966163635e-02 - <_> - - 0 -1 1685 -1.4635100342275109e-05 - - 9.4043917953968048e-02 -1.2145669758319855e-01 - <_> - - 0 -1 1686 -5.4067030549049377e-02 - - -5.4586207866668701e-01 1.9500140100717545e-02 - <_> - - 0 -1 1687 1.1532169766724110e-02 - - -7.6409153640270233e-02 1.3763970136642456e-01 - <_> - - 0 -1 1688 -4.4358540326356888e-03 - - 1.2359759956598282e-01 -9.1719299554824829e-02 - <_> - - 0 -1 1689 8.3216017810627818e-04 - - 6.3659071922302246e-02 -2.0440760254859924e-01 - <_> - - 0 -1 1690 -1.2503969669342041e-01 - - -4.1524758934974670e-01 2.7199100703001022e-02 - <_> - - 0 -1 1691 4.9618318676948547e-02 - - 1.5955109149217606e-02 -6.1666852235794067e-01 - <_> - - 0 -1 1692 -3.0613599810749292e-03 - - 3.6662209033966064e-01 -3.3449448645114899e-02 - <_> - - 0 -1 1693 3.5273379180580378e-03 - - 3.1757980585098267e-02 -3.8478809595108032e-01 - <_> - - 0 -1 1694 -6.6726570948958397e-03 - - 3.2095840573310852e-01 -3.4408681094646454e-02 - <_> - - 0 -1 1695 -2.5795500259846449e-03 - - -3.7870529294013977e-01 2.8562130406498909e-02 - <_> - - 0 -1 1696 7.8417789191007614e-03 - - -2.0479770377278328e-02 5.1704108715057373e-01 - <_> - - 0 -1 1697 3.1101319473236799e-04 - - -1.0809139907360077e-01 9.7204521298408508e-02 - <_> - - 0 -1 1698 2.6113479398190975e-03 - - -8.1770427525043488e-02 1.4691209793090820e-01 - <_> - - 0 -1 1699 7.3472261428833008e-03 - - 2.5131259113550186e-02 -4.3025061488151550e-01 - <_> - - 0 -1 1700 1.3528259296435863e-04 - - -1.4751060307025909e-01 6.7584678530693054e-02 - <_> - - 0 -1 1701 -5.1026898290729150e-05 - - -1.2161359935998917e-01 8.4333047270774841e-02 - <_> - - 0 -1 1702 1.1552199721336365e-03 - - -5.4663829505443573e-02 1.9773660600185394e-01 - <_> - - 0 -1 1703 -8.2931712269783020e-02 - - -5.1923328638076782e-01 2.0582359284162521e-02 - <_> - - 0 -1 1704 -4.6260739327408373e-04 - - 8.5588268935680389e-02 -1.1725299805402756e-01 - <_> - - 0 -1 1705 6.7906372714787722e-04 - - 4.5980118215084076e-02 -2.2628420591354370e-01 - <_> - - 0 -1 1706 1.4090019976720214e-03 - - -4.7628920525312424e-02 2.2722719609737396e-01 - <_> - - 0 -1 1707 2.8954911231994629e-01 - - 1.6701240092515945e-02 -6.3967019319534302e-01 - <_> - - 0 -1 1708 1.9376130774617195e-02 - - -2.2569410502910614e-02 5.0590497255325317e-01 - <_> - - 0 -1 1709 4.2641081381589174e-04 - - 6.6041722893714905e-02 -1.6666300594806671e-01 - <_> - - 0 -1 1710 1.7502580303698778e-03 - - -5.8077909052371979e-02 1.9512599706649780e-01 - <_> - - 0 -1 1711 -3.2605750020593405e-03 - - -2.9101881384849548e-01 3.8328718394041061e-02 - <_> - - 0 -1 1712 1.9519040361046791e-03 - - 5.9565968811511993e-02 -1.6910600662231445e-01 - <_> - - 0 -1 1713 -3.2053990289568901e-03 - - 1.9927769899368286e-01 -5.6053258478641510e-02 - <_> - - 0 -1 1714 1.7617279663681984e-03 - - 5.0697531551122665e-02 -2.1276649832725525e-01 - <_> - - 0 -1 1715 -6.0043102130293846e-03 - - -1.3699269294738770e-01 8.2275278866291046e-02 - <_> - - 0 -1 1716 2.4830829352140427e-03 - - -5.1561661064624786e-02 2.1684220433235168e-01 - <_> - - 0 -1 1717 -1.0821930319070816e-01 - - -7.8375291824340820e-01 1.4433650299906731e-02 - <_> - - 0 -1 1718 -7.5229378417134285e-03 - - 1.3453729450702667e-01 -9.0582698583602905e-02 - <_> - - 0 -1 1719 3.0750989913940430e-02 - - 1.1081690341234207e-01 -9.9475599825382233e-02 - <_> - - 0 -1 1720 -2.8948320541530848e-03 - - 1.9005739688873291e-01 -5.2639260888099670e-02 - <_> - - 0 -1 1721 2.7011099737137556e-03 - - 5.8573558926582336e-02 -1.9851949810981750e-01 - <_> - - 0 -1 1722 1.2562989722937346e-03 - - -7.3565311729907990e-02 1.5436840057373047e-01 - <_> - 173 - -1.4785599708557129e+00 - - <_> - - 0 -1 1723 -2.1460579708218575e-02 - - 3.2505050301551819e-01 -2.0890380442142487e-01 - <_> - - 0 -1 1724 7.6785432174801826e-03 - - -1.3231310248374939e-01 3.0525839328765869e-01 - <_> - - 0 -1 1725 3.4118059556931257e-03 - - -3.0793079733848572e-01 1.1010979861021042e-01 - <_> - - 0 -1 1726 -1.4710490177094471e-05 - - 9.5858857035636902e-02 -2.9641860723495483e-01 - <_> - - 0 -1 1727 1.0538049973547459e-02 - - -7.9252541065216064e-02 3.7234848737716675e-01 - <_> - - 0 -1 1728 -2.5260078837163746e-04 - - 6.7121110856533051e-02 -3.0784338712692261e-01 - <_> - - 0 -1 1729 -3.5665810573846102e-03 - - 1.4667609333992004e-01 -1.7083789408206940e-01 - <_> - - 0 -1 1730 -1.2677359627559781e-03 - - -4.9063721299171448e-01 2.0374119281768799e-02 - <_> - - 0 -1 1731 -6.7669381387531757e-03 - - 2.5767329335212708e-01 -7.4175901710987091e-02 - <_> - - 0 -1 1732 -6.0447258874773979e-04 - - -1.9196410477161407e-01 9.1349847614765167e-02 - <_> - - 0 -1 1733 -2.5375590194016695e-03 - - -3.5663878917694092e-01 5.1547251641750336e-02 - <_> - - 0 -1 1734 -7.0200557820498943e-03 - - 3.9719080924987793e-01 -4.3967988342046738e-02 - <_> - - 0 -1 1735 -5.7049379684031010e-03 - - -5.0015491247177124e-01 2.9825929552316666e-02 - <_> - - 0 -1 1736 1.4744909713044763e-03 - - 5.8546211570501328e-02 -2.6139810681343079e-01 - <_> - - 0 -1 1737 9.2834811657667160e-03 - - -4.2836759239435196e-02 3.3443170785903931e-01 - <_> - - 0 -1 1738 9.9660153500735760e-04 - - -1.0425110161304474e-01 1.6191780567169189e-01 - <_> - - 0 -1 1739 -7.5932733714580536e-02 - - -3.7356320023536682e-01 4.3075688183307648e-02 - <_> - - 0 -1 1740 5.5370710470015183e-05 - - -1.4570540189743042e-01 1.1560150235891342e-01 - <_> - - 0 -1 1741 1.4746849956281949e-05 - - -1.2972679734230042e-01 1.1747740209102631e-01 - <_> - - 0 -1 1742 -1.4875919441692531e-04 - - -1.8002930283546448e-01 7.8782692551612854e-02 - <_> - - 0 -1 1743 3.3751460723578930e-03 - - -7.7242009341716766e-02 1.8596859276294708e-01 - <_> - - 0 -1 1744 3.4271259210072458e-04 - - -1.5393340587615967e-01 1.0472580045461655e-01 - <_> - - 0 -1 1745 -4.5711229904554784e-04 - - -2.2300529479980469e-01 6.1818670481443405e-02 - <_> - - 0 -1 1746 3.2788628595881164e-04 - - 7.9448707401752472e-02 -1.8889829516410828e-01 - <_> - - 0 -1 1747 -9.6754019614309072e-04 - - 1.3137130439281464e-01 -1.0801070183515549e-01 - <_> - - 0 -1 1748 1.0537009686231613e-02 - - 2.2138269618153572e-02 -5.7479751110076904e-01 - <_> - - 0 -1 1749 5.6796409189701080e-03 - - -5.6034579873085022e-02 2.4849580228328705e-01 - <_> - - 0 -1 1750 -8.8083967566490173e-03 - - -3.7167680263519287e-01 4.2726948857307434e-02 - <_> - - 0 -1 1751 -2.8319710865616798e-02 - - -6.2387847900390625e-01 2.0844049751758575e-02 - <_> - - 0 -1 1752 1.3637860305607319e-02 - - 1.4434239827096462e-02 -7.1537137031555176e-01 - <_> - - 0 -1 1753 1.1822770349681377e-02 - - -4.3181091547012329e-02 3.0682548880577087e-01 - <_> - - 0 -1 1754 -6.1035697581246495e-04 - - -2.0418339967727661e-01 6.2115620821714401e-02 - <_> - - 0 -1 1755 -5.6125568225979805e-03 - - 3.6485010385513306e-01 -3.5448960959911346e-02 - <_> - - 0 -1 1756 1.4603640011046082e-05 - - -9.6096910536289215e-02 1.2142290174961090e-01 - <_> - - 0 -1 1757 1.9061230123043060e-03 - - 5.3135868161916733e-02 -2.2978909313678741e-01 - <_> - - 0 -1 1758 -3.6644220817834139e-03 - - 1.9614529609680176e-01 -6.8556912243366241e-02 - <_> - - 0 -1 1759 1.2336249928921461e-03 - - -8.7000347673892975e-02 1.3920229673385620e-01 - <_> - - 0 -1 1760 5.4660569876432419e-03 - - 2.2660890594124794e-02 -4.8329529166221619e-01 - <_> - - 0 -1 1761 -6.1730947345495224e-04 - - -2.1959540247917175e-01 5.5258519947528839e-02 - <_> - - 0 -1 1762 2.9604700393974781e-03 - - -5.0548229366540909e-02 2.7476710081100464e-01 - <_> - - 0 -1 1763 2.8015000745654106e-02 - - 1.8874650821089745e-02 -6.0498368740081787e-01 - <_> - - 0 -1 1764 -7.1651988946541678e-06 - - 1.0836219787597656e-01 -1.0606969892978668e-01 - <_> - - 0 -1 1765 -1.6367150470614433e-02 - - 2.8645038604736328e-01 -3.7137690931558609e-02 - <_> - - 0 -1 1766 1.0280719725415111e-03 - - 5.6318141520023346e-02 -2.1795029938220978e-01 - <_> - - 0 -1 1767 1.3662660494446754e-03 - - -4.6803500503301620e-02 2.3804000020027161e-01 - <_> - - 0 -1 1768 7.6626739464700222e-03 - - 2.1595260128378868e-02 -5.6847488880157471e-01 - <_> - - 0 -1 1769 -4.5117521658539772e-03 - - -3.5794979333877563e-01 3.0485490337014198e-02 - <_> - - 0 -1 1770 -4.3773967772722244e-03 - - 2.3192660510540009e-01 -5.3999818861484528e-02 - <_> - - 0 -1 1771 -7.2474628686904907e-03 - - -4.3440380692481995e-01 2.6374189183115959e-02 - <_> - - 0 -1 1772 7.9146260395646095e-04 - - -9.9924586713314056e-02 1.1088500171899796e-01 - <_> - - 0 -1 1773 6.4166806638240814e-02 - - 1.8938669934868813e-02 -5.7849419116973877e-01 - <_> - - 0 -1 1774 -1.1797840124927461e-04 - - -1.4889569580554962e-01 6.8777203559875488e-02 - <_> - - 0 -1 1775 1.2801289558410645e-02 - - 5.6179329752922058e-02 -2.0865969359874725e-01 - <_> - - 0 -1 1776 -2.7018740773200989e-02 - - 4.5356890559196472e-01 -2.5054579600691795e-02 - <_> - - 0 -1 1777 -6.9431727752089500e-03 - - -5.2916550636291504e-01 2.1800139918923378e-02 - <_> - - 0 -1 1778 3.3396780490875244e-03 - - -3.7295959889888763e-02 3.1198439002037048e-01 - <_> - - 0 -1 1779 -3.8888349081389606e-04 - - -1.5630130469799042e-01 7.0981830358505249e-02 - <_> - - 0 -1 1780 -7.1400677552446723e-04 - - 2.1799430251121521e-01 -5.4069280624389648e-02 - <_> - - 0 -1 1781 1.2549630366265774e-02 - - 1.7357179895043373e-02 -7.8320449590682983e-01 - <_> - - 0 -1 1782 -1.4623020433646161e-05 - - 7.8640103340148926e-02 -1.4212970435619354e-01 - <_> - - 0 -1 1783 -1.2133170384913683e-03 - - -3.1371229887008667e-01 3.4287638962268829e-02 - <_> - - 0 -1 1784 3.6882720887660980e-03 - - -3.8382381200790405e-02 3.0124679207801819e-01 - <_> - - 0 -1 1785 -1.4818239833402913e-05 - - 1.2561169266700745e-01 -9.1703377664089203e-02 - <_> - - 0 -1 1786 3.0302109662443399e-03 - - -2.9543070122599602e-02 3.7889540195465088e-01 - <_> - - 0 -1 1787 5.9340851294109598e-05 - - -1.7745719850063324e-01 7.0102430880069733e-02 - <_> - - 0 -1 1788 -2.9449560315697454e-05 - - 1.2052319943904877e-01 -1.1128979921340942e-01 - <_> - - 0 -1 1789 -1.7771139740943909e-02 - - -4.7108310461044312e-01 2.5600789114832878e-02 - <_> - - 0 -1 1790 7.6775359921157360e-03 - - -4.0757879614830017e-02 2.7021768689155579e-01 - <_> - - 0 -1 1791 -1.8513019382953644e-01 - - -3.0238750576972961e-01 3.8790911436080933e-02 - <_> - - 0 -1 1792 2.7697190642356873e-02 - - 2.6712810620665550e-02 -4.4166600704193115e-01 - <_> - - 0 -1 1793 -2.0427649840712547e-02 - - 2.5086608529090881e-01 -5.5672701448202133e-02 - <_> - - 0 -1 1794 9.0200370177626610e-03 - - 4.7344069927930832e-02 -2.7445980906486511e-01 - <_> - - 0 -1 1795 -1.2504979968070984e-03 - - -1.4971190690994263e-01 7.9667650163173676e-02 - <_> - - 0 -1 1796 -1.0021160356700420e-02 - - 2.4248859286308289e-01 -4.9217909574508667e-02 - <_> - - 0 -1 1797 2.6042328681796789e-04 - - 6.3192427158355713e-02 -1.8544280529022217e-01 - <_> - - 0 -1 1798 1.1920549441128969e-03 - - -8.6547911167144775e-02 1.3552339375019073e-01 - <_> - - 0 -1 1799 3.0391330365091562e-03 - - -7.2965219616889954e-02 1.6479800641536713e-01 - <_> - - 0 -1 1800 -2.9615699531859718e-05 - - 8.2047976553440094e-02 -1.4502969384193420e-01 - <_> - - 0 -1 1801 -1.2226340360939503e-02 - - -5.3014177083969116e-01 2.0405799150466919e-02 - <_> - - 0 -1 1802 -2.8124889358878136e-02 - - -5.5148762464523315e-01 1.7688119783997536e-02 - <_> - - 0 -1 1803 -4.8307109624147415e-02 - - -8.2579791545867920e-01 1.1020540259778500e-02 - <_> - - 0 -1 1804 4.6184109523892403e-03 - - 3.2069969922304153e-02 -3.0115368962287903e-01 - <_> - - 0 -1 1805 -8.4275740664452314e-04 - - 1.7034439742565155e-01 -6.3009433448314667e-02 - <_> - - 0 -1 1806 6.3863280229270458e-03 - - 1.6307299956679344e-02 -7.1346491575241089e-01 - <_> - - 0 -1 1807 -7.7203067485243082e-04 - - 1.6715280711650848e-01 -6.6192783415317535e-02 - <_> - - 0 -1 1808 -2.2645338904112577e-03 - - -3.5107091069221497e-01 2.8168670833110809e-02 - <_> - - 0 -1 1809 -3.7738790269941092e-03 - - 5.2762818336486816e-01 -2.0222609862685204e-02 - <_> - - 0 -1 1810 5.8204168453812599e-03 - - 7.0864066481590271e-02 -1.4675390720367432e-01 - <_> - - 0 -1 1811 -1.2069250456988811e-02 - - 2.3928099870681763e-01 -4.4312968850135803e-02 - <_> - - 0 -1 1812 3.3203759230673313e-03 - - -6.5749533474445343e-02 2.0277680456638336e-01 - <_> - - 0 -1 1813 2.1621929481625557e-03 - - 6.7407980561256409e-02 -1.8125349283218384e-01 - <_> - - 0 -1 1814 1.2229150161147118e-02 - - 2.2559309378266335e-02 -4.9180999398231506e-01 - <_> - - 0 -1 1815 -6.7253508605062962e-03 - - -1.5290050208568573e-01 6.9786652922630310e-02 - <_> - - 0 -1 1816 2.3579499684274197e-03 - - 4.9212101846933365e-02 -2.0838280022144318e-01 - <_> - - 0 -1 1817 -2.2950689308345318e-03 - - 1.2400440126657486e-01 -9.6624918282032013e-02 - <_> - - 0 -1 1818 1.0958530474454165e-03 - - -7.3270753026008606e-02 1.5208619832992554e-01 - <_> - - 0 -1 1819 -1.3427219819277525e-03 - - 1.2233039736747742e-01 -9.5689877867698669e-02 - <_> - - 0 -1 1820 5.4691417608410120e-04 - - -1.3924160599708557e-01 8.4381736814975739e-02 - <_> - - 0 -1 1821 8.4598818793892860e-03 - - 8.9689873158931732e-02 -1.3318899273872375e-01 - <_> - - 0 -1 1822 -9.1597117483615875e-02 - - -6.1854732036590576e-01 2.2867869585752487e-02 - <_> - - 0 -1 1823 -1.1090439511463046e-03 - - 5.8513749390840530e-02 -1.8806450068950653e-01 - <_> - - 0 -1 1824 2.2256910597207025e-05 - - -8.4488280117511749e-02 1.2780910730361938e-01 - <_> - - 0 -1 1825 -1.5437819820363075e-04 - - -1.2228029966354370e-01 8.6046978831291199e-02 - <_> - - 0 -1 1826 -2.6862788945436478e-03 - - -2.4487000703811646e-01 4.4255960732698441e-02 - <_> - - 0 -1 1827 -4.0478641167283058e-03 - - 2.7030688524246216e-01 -4.2200870811939240e-02 - <_> - - 0 -1 1828 -5.3340241312980652e-02 - - -7.6232349872589111e-01 1.4388039708137512e-02 - <_> - - 0 -1 1829 2.8256059158593416e-03 - - -2.9877070337533951e-02 3.9692971110343933e-01 - <_> - - 0 -1 1830 1.4443730004131794e-02 - - 3.0186710879206657e-02 -3.6606648564338684e-01 - <_> - - 0 -1 1831 1.3111650478094816e-03 - - -4.8140369355678558e-02 2.2434459626674652e-01 - <_> - - 0 -1 1832 1.6730680363252759e-03 - - -5.9983398765325546e-02 1.6394190490245819e-01 - <_> - - 0 -1 1833 2.3517120629549026e-02 - - 2.4109700694680214e-02 -4.0492439270019531e-01 - <_> - - 0 -1 1834 -3.5689130891114473e-03 - - 3.1903558969497681e-01 -3.4295879304409027e-02 - <_> - - 0 -1 1835 -2.8193008620291948e-04 - - -1.4874160289764404e-01 7.0669896900653839e-02 - <_> - - 0 -1 1836 1.0215859860181808e-01 - - 1.2840500101447105e-02 -7.7848541736602783e-01 - <_> - - 0 -1 1837 -1.9175480306148529e-01 - - -7.5706577301025391e-01 1.0587760247290134e-02 - <_> - - 0 -1 1838 5.3162658587098122e-03 - - -4.0066570043563843e-02 2.6050180196762085e-01 - <_> - - 0 -1 1839 -1.1487120063975453e-03 - - -1.8017220497131348e-01 6.1610430479049683e-02 - <_> - - 0 -1 1840 -2.8316730260848999e-01 - - -8.4913408756256104e-01 1.1647139675915241e-02 - <_> - - 0 -1 1841 3.3731758594512939e-02 - - 1.2357609719038010e-01 -7.7482230961322784e-02 - <_> - - 0 -1 1842 9.8635945469141006e-03 - - 4.3958030641078949e-02 -2.5541779398918152e-01 - <_> - - 0 -1 1843 -3.1564768869429827e-03 - - 1.8942989408969879e-01 -5.8221038430929184e-02 - <_> - - 0 -1 1844 1.5572150005027652e-03 - - -1.0376139730215073e-01 1.4107349514961243e-01 - <_> - - 0 -1 1845 6.2360420823097229e-02 - - 9.6462322399020195e-03 -8.5804969072341919e-01 - <_> - - 0 -1 1846 1.1480550165288150e-04 - - -8.4419928491115570e-02 1.1312700062990189e-01 - <_> - - 0 -1 1847 -5.9252730570733547e-03 - - -3.1650778651237488e-01 3.2079849392175674e-02 - <_> - - 0 -1 1848 -2.4660851340740919e-04 - - 8.8697679340839386e-02 -1.1085110157728195e-01 - <_> - - 0 -1 1849 1.6946049872785807e-03 - - -5.9657149016857147e-02 2.0904210209846497e-01 - <_> - - 0 -1 1850 9.0623252617660910e-05 - - 7.7441960573196411e-02 -1.2806339561939240e-01 - <_> - - 0 -1 1851 1.1666920036077499e-03 - - -6.1748579144477844e-02 1.5702450275421143e-01 - <_> - - 0 -1 1852 1.2541549513116479e-03 - - 4.4608380645513535e-02 -2.3140360414981842e-01 - <_> - - 0 -1 1853 -6.0275900177657604e-03 - - 9.5281846821308136e-02 -1.0283090174198151e-01 - <_> - - 0 -1 1854 -2.0472849905490875e-01 - - -4.1114759445190430e-01 2.3537550121545792e-02 - <_> - - 0 -1 1855 1.7691280692815781e-02 - - -3.9257150143384933e-02 2.8564441204071045e-01 - <_> - - 0 -1 1856 -1.2875649333000183e-01 - - -8.2030779123306274e-01 1.1735290288925171e-02 - <_> - - 0 -1 1857 1.2868089834228158e-03 - - 5.0858870148658752e-02 -1.7848010361194611e-01 - <_> - - 0 -1 1858 -4.5859832316637039e-03 - - 1.6802109777927399e-01 -6.1582598835229874e-02 - <_> - - 0 -1 1859 4.6391240903176367e-04 - - 6.6747047007083893e-02 -1.4237800240516663e-01 - <_> - - 0 -1 1860 -4.4439961202442646e-03 - - 4.5714980363845825e-01 -2.1746810525655746e-02 - <_> - - 0 -1 1861 3.8220020942389965e-03 - - 1.8094329163432121e-02 -6.0244542360305786e-01 - <_> - - 0 -1 1862 1.3894500443711877e-03 - - 3.4007851034402847e-02 -2.7153480052947998e-01 - <_> - - 0 -1 1863 -7.2111929766833782e-03 - - 2.7312570810317993e-01 -3.6855131387710571e-02 - <_> - - 0 -1 1864 1.6509749693796039e-03 - - -8.4407016634941101e-02 1.3134449720382690e-01 - <_> - - 0 -1 1865 -5.0506892148405313e-04 - - -1.4193339645862579e-01 7.3628053069114685e-02 - <_> - - 0 -1 1866 -1.1205329559743404e-02 - - 3.0093750357627869e-01 -3.4171391278505325e-02 - <_> - - 0 -1 1867 -3.4860160667449236e-04 - - -2.4538309872150421e-01 5.9823978692293167e-02 - <_> - - 0 -1 1868 7.3347258148714900e-04 - - -6.1770260334014893e-02 1.6367949545383453e-01 - <_> - - 0 -1 1869 -9.2969406396150589e-03 - - -3.0236640572547913e-01 3.9257898926734924e-02 - <_> - - 0 -1 1870 2.3957120254635811e-02 - - -2.3900719359517097e-02 4.8340830206871033e-01 - <_> - - 0 -1 1871 3.6422210541786626e-05 - - -1.2283039838075638e-01 9.1258950531482697e-02 - <_> - - 0 -1 1872 5.0458200275897980e-02 - - 1.3529149815440178e-02 -7.7827727794647217e-01 - <_> - - 0 -1 1873 -9.8683983087539673e-03 - - -4.4060459733009338e-01 2.0404359325766563e-02 - <_> - - 0 -1 1874 -1.0851239785552025e-02 - - 2.0165500044822693e-01 -5.2248589694499969e-02 - <_> - - 0 -1 1875 1.7670930537860841e-04 - - -1.3691440224647522e-01 8.3170592784881592e-02 - <_> - - 0 -1 1876 1.2582179624587297e-04 - - 6.1275351792573929e-02 -1.6542710363864899e-01 - <_> - - 0 -1 1877 -7.0588971721008420e-04 - - 1.5219129621982574e-01 -6.6164620220661163e-02 - <_> - - 0 -1 1878 1.1355109745636582e-03 - - -5.4115369915962219e-02 2.1311099827289581e-01 - <_> - - 0 -1 1879 -3.7436310667544603e-03 - - -2.3469850420951843e-01 4.9591001123189926e-02 - <_> - - 0 -1 1880 1.2309269513934851e-03 - - -7.5196012854576111e-02 1.4646540582180023e-01 - <_> - - 0 -1 1881 3.6228948738425970e-04 - - -9.7789406776428223e-02 1.2091729789972305e-01 - <_> - - 0 -1 1882 7.5996189843863249e-04 - - 6.9713920354843140e-02 -1.6278789937496185e-01 - <_> - - 0 -1 1883 -1.8509250367060304e-03 - - -1.8382890522480011e-01 5.7501520961523056e-02 - <_> - - 0 -1 1884 7.9539678990840912e-03 - - -5.8848708868026733e-02 1.8846440315246582e-01 - <_> - - 0 -1 1885 -3.1013600528240204e-04 - - -1.4575460553169250e-01 7.2403199970722198e-02 - <_> - - 0 -1 1886 1.6956350300461054e-03 - - 7.0550262928009033e-02 -1.6740930080413818e-01 - <_> - - 0 -1 1887 2.9058079235255718e-05 - - -1.0341589897871017e-01 9.5376282930374146e-02 - <_> - - 0 -1 1888 1.4466919936239719e-02 - - -1.7532069236040115e-02 5.4767167568206787e-01 - <_> - - 0 -1 1889 -5.7156499475240707e-02 - - -7.4789309501647949e-01 1.6394419595599174e-02 - <_> - - 0 -1 1890 3.0681469943374395e-03 - - 3.8702819496393204e-02 -2.4164369702339172e-01 - <_> - - 0 -1 1891 3.7490210961550474e-03 - - -5.6555431336164474e-02 2.0308320224285126e-01 - <_> - - 0 -1 1892 -1.0643450077623129e-03 - - -2.8211921453475952e-01 3.5207509994506836e-02 - <_> - - 0 -1 1893 -8.9807435870170593e-03 - - 2.1754769980907440e-01 -5.0628181546926498e-02 - <_> - - 0 -1 1894 2.4643479264341295e-04 - - 7.2727531194686890e-02 -1.4768819510936737e-01 - <_> - - 0 -1 1895 2.2197801154106855e-03 - - -3.6754861474037170e-02 2.6939278841018677e-01 - <_> - 169 - -1.3372850418090820e+00 - - <_> - - 0 -1 1896 -3.5328421741724014e-02 - - 2.4123990535736084e-01 -2.7961900830268860e-01 - <_> - - 0 -1 1897 2.6829841081053019e-03 - - -1.6362559795379639e-01 2.3433500528335571e-01 - <_> - - 0 -1 1898 2.1330378949642181e-03 - - -2.0100639760494232e-01 1.5679529309272766e-01 - <_> - - 0 -1 1899 4.2972870869562030e-04 - - -3.7790980935096741e-01 7.4083693325519562e-02 - <_> - - 0 -1 1900 -3.4645918756723404e-02 - - 3.0556240677833557e-01 -8.3546526730060577e-02 - <_> - - 0 -1 1901 -1.4237920368032064e-05 - - 8.2699142396450043e-02 -2.3583950102329254e-01 - <_> - - 0 -1 1902 4.9165110103785992e-03 - - -1.9556050002574921e-01 9.6965387463569641e-02 - <_> - - 0 -1 1903 6.0989488847553730e-03 - - 7.8470550477504730e-02 -2.3209640383720398e-01 - <_> - - 0 -1 1904 7.4874181300401688e-03 - - 7.1725919842720032e-03 -5.1566261053085327e-01 - <_> - - 0 -1 1905 4.2871991172432899e-03 - - 4.0530510246753693e-02 -4.1086289286613464e-01 - <_> - - 0 -1 1906 1.6856180503964424e-02 - - -7.7506266534328461e-02 2.3657779395580292e-01 - <_> - - 0 -1 1907 -1.0347689967602491e-03 - - -4.6704441308975220e-01 3.4468568861484528e-02 - <_> - - 0 -1 1908 1.6820980235934258e-03 - - -6.7206740379333496e-02 2.3671430349349976e-01 - <_> - - 0 -1 1909 -1.2018240056931973e-02 - - -2.2372600436210632e-01 7.4281953275203705e-02 - <_> - - 0 -1 1910 1.3802549801766872e-03 - - -9.9990189075469971e-02 1.5270860493183136e-01 - <_> - - 0 -1 1911 -1.4281070232391357e-01 - - -2.8344118595123291e-01 6.2299348413944244e-02 - <_> - - 0 -1 1912 -1.5463490039110184e-02 - - 2.9084190726280212e-01 -5.3395688533782959e-02 - <_> - - 0 -1 1913 -9.9617196246981621e-04 - - -3.6011821031570435e-01 4.1922971606254578e-02 - <_> - - 0 -1 1914 -2.6956679299473763e-02 - - -4.3736729025840759e-01 3.1731128692626953e-02 - <_> - - 0 -1 1915 -8.7780617177486420e-03 - - -5.0374472141265869e-01 2.5146849453449249e-02 - <_> - - 0 -1 1916 4.2969950300175697e-05 - - -1.5406499803066254e-01 8.8478356599807739e-02 - <_> - - 0 -1 1917 -6.2619051896035671e-03 - - 2.2435919940471649e-01 -5.9849821031093597e-02 - <_> - - 0 -1 1918 -6.4296770142391324e-04 - - -2.4377089738845825e-01 5.9389740228652954e-02 - <_> - - 0 -1 1919 -1.5573870041407645e-04 - - -1.6867999732494354e-01 7.8476317226886749e-02 - <_> - - 0 -1 1920 4.1139780660159886e-04 - - -8.9017570018768311e-02 1.4019380509853363e-01 - <_> - - 0 -1 1921 1.8635790329426527e-03 - - 3.8603689521551132e-02 -3.2118970155715942e-01 - <_> - - 0 -1 1922 1.6059159534052014e-03 - - -7.8801520168781281e-02 1.5801469981670380e-01 - <_> - - 0 -1 1923 8.6740078404545784e-04 - - 5.4134480655193329e-02 -2.3538430035114288e-01 - <_> - - 0 -1 1924 -7.9801032552495599e-04 - - 1.3330009579658508e-01 -9.5731817185878754e-02 - <_> - - 0 -1 1925 -4.8548211343586445e-03 - - -2.0736059546470642e-01 6.1038620769977570e-02 - <_> - - 0 -1 1926 -1.1426740325987339e-02 - - 1.7201809585094452e-01 -7.1152277290821075e-02 - <_> - - 0 -1 1927 8.7062492966651917e-03 - - -7.2185672819614410e-02 1.9082969427108765e-01 - <_> - - 0 -1 1928 -1.1634400580078363e-03 - - -1.3751690089702606e-01 9.1818131506443024e-02 - <_> - - 0 -1 1929 6.8914610892534256e-03 - - 9.6225969493389130e-02 -1.3246159255504608e-01 - <_> - - 0 -1 1930 -2.2426620125770569e-03 - - 3.5683241486549377e-01 -3.6280050873756409e-02 - <_> - - 0 -1 1931 1.2301520444452763e-02 - - 4.6940989792346954e-02 -3.0623328685760498e-01 - <_> - - 0 -1 1932 3.9963610470294952e-03 - - -8.2999393343925476e-02 1.5486459434032440e-01 - <_> - - 0 -1 1933 -2.2026189981261268e-05 - - 1.1778099834918976e-01 -1.1899650096893311e-01 - <_> - - 0 -1 1934 5.8708270080387592e-04 - - 5.6864660233259201e-02 -2.2509899735450745e-01 - <_> - - 0 -1 1935 -5.8760121464729309e-03 - - 2.6625269651412964e-01 -4.4570129364728928e-02 - <_> - - 0 -1 1936 4.3262130930088460e-04 - - 5.8049838989973068e-02 -2.1173800528049469e-01 - <_> - - 0 -1 1937 4.7852578572928905e-03 - - -4.0710568428039551e-02 2.9509121179580688e-01 - <_> - - 0 -1 1938 4.5480159315047786e-05 - - -1.8201610445976257e-01 6.0179539024829865e-02 - <_> - - 0 -1 1939 2.5633929762989283e-03 - - -8.7039761245250702e-02 1.2692840397357941e-01 - <_> - - 0 -1 1940 -4.7383471392095089e-03 - - 2.3961830139160156e-01 -4.9914900213479996e-02 - <_> - - 0 -1 1941 4.4647231698036194e-03 - - 4.0540020912885666e-02 -3.2467570900917053e-01 - <_> - - 0 -1 1942 -6.7061209119856358e-03 - - -3.2789680361747742e-01 3.2299648970365524e-02 - <_> - - 0 -1 1943 7.1761049330234528e-02 - - -2.3713670670986176e-02 4.7772058844566345e-01 - <_> - - 0 -1 1944 3.0584860593080521e-02 - - 1.6793910413980484e-02 -7.8061228990554810e-01 - <_> - - 0 -1 1945 3.8672669325023890e-03 - - -2.4876890704035759e-02 5.1260662078857422e-01 - <_> - - 0 -1 1946 -5.2802208811044693e-02 - - -5.0759661197662354e-01 2.3873040452599525e-02 - <_> - - 0 -1 1947 -6.5651582553982735e-04 - - -2.0122329890727997e-01 4.9672801047563553e-02 - <_> - - 0 -1 1948 8.5785267874598503e-03 - - -4.5007020235061646e-02 2.3518909513950348e-01 - <_> - - 0 -1 1949 -1.2620680499821901e-03 - - -1.9962050020694733e-01 5.5564209818840027e-02 - <_> - - 0 -1 1950 1.4215289615094662e-02 - - -4.6983979642391205e-02 2.0781150460243225e-01 - <_> - - 0 -1 1951 1.6393810510635376e-01 - - 1.4973269775509834e-02 -6.5025687217712402e-01 - <_> - - 0 -1 1952 1.4837640523910522e-01 - - 8.1885885447263718e-03 -9.4296187162399292e-01 - <_> - - 0 -1 1953 1.4631190424552187e-05 - - -1.2383759766817093e-01 8.2489579916000366e-02 - <_> - - 0 -1 1954 -3.3909391611814499e-02 - - -2.2818760573863983e-01 4.3302498757839203e-02 - <_> - - 0 -1 1955 3.8288589566946030e-03 - - -3.7276919931173325e-02 2.7613049745559692e-01 - <_> - - 0 -1 1956 8.0947913229465485e-03 - - 2.8445359319448471e-02 -3.9388808608055115e-01 - <_> - - 0 -1 1957 -7.0019601844251156e-04 - - 1.2199380248785019e-01 -9.2714257538318634e-02 - <_> - - 0 -1 1958 3.4412490203976631e-03 - - -4.8972681164741516e-02 2.0617230236530304e-01 - <_> - - 0 -1 1959 -1.6337490081787109e-01 - - -6.1850237846374512e-01 1.6467820852994919e-02 - <_> - - 0 -1 1960 6.5640709362924099e-03 - - 1.1007189750671387e-01 -9.2340007424354553e-02 - <_> - - 0 -1 1961 4.4708838686347008e-04 - - -1.3933309912681580e-01 7.7039696276187897e-02 - <_> - - 0 -1 1962 1.7568700015544891e-02 - - 9.7569692879915237e-03 -8.0032902956008911e-01 - <_> - - 0 -1 1963 -1.9571769516915083e-03 - - 2.8000330924987793e-01 -3.6428239196538925e-02 - <_> - - 0 -1 1964 5.1913037896156311e-04 - - 5.3515341132879257e-02 -1.9425579905509949e-01 - <_> - - 0 -1 1965 9.6273031085729599e-03 - - 3.1317751854658127e-02 -3.1802541017532349e-01 - <_> - - 0 -1 1966 -5.0332810729742050e-02 - - 5.6659060716629028e-01 -1.8494980409741402e-02 - <_> - - 0 -1 1967 -6.4624901860952377e-03 - - -4.1894671320915222e-01 2.7350850403308868e-02 - <_> - - 0 -1 1968 -5.2857249975204468e-03 - - 1.7756509780883789e-01 -5.8377739042043686e-02 - <_> - - 0 -1 1969 9.9454462528228760e-02 - - 1.6487719491124153e-02 -5.8526170253753662e-01 - <_> - - 0 -1 1970 2.1917840058449656e-04 - - -1.0714250057935715e-01 9.1884173452854156e-02 - <_> - - 0 -1 1971 -4.3873358663404360e-05 - - 7.8036926686763763e-02 -1.2723919749259949e-01 - <_> - - 0 -1 1972 -6.7227642284706235e-04 - - -2.5709420442581177e-01 3.8843378424644470e-02 - <_> - - 0 -1 1973 1.1754270235542208e-04 - - -7.9695962369441986e-02 1.2093970179557800e-01 - <_> - - 0 -1 1974 4.6061190962791443e-01 - - 1.3886069878935814e-02 -6.5241271257400513e-01 - <_> - - 0 -1 1975 1.1115600354969501e-02 - - 1.3871660456061363e-02 -6.0222518444061279e-01 - <_> - - 0 -1 1976 9.0776477009057999e-03 - - -3.6118660122156143e-02 2.5702419877052307e-01 - <_> - - 0 -1 1977 -4.9597548786550760e-04 - - 1.1017049849033356e-01 -8.9249506592750549e-02 - <_> - - 0 -1 1978 1.5807070303708315e-03 - - 4.8131279647350311e-02 -2.0215910673141479e-01 - <_> - - 0 -1 1979 -6.9012932479381561e-02 - - -8.1536060571670532e-01 1.0660010389983654e-02 - <_> - - 0 -1 1980 1.9330780196469277e-04 - - -1.1231829971075058e-01 8.5046432912349701e-02 - <_> - - 0 -1 1981 7.8813207801431417e-04 - - -5.5200818926095963e-02 1.7654439806938171e-01 - <_> - - 0 -1 1982 9.5367128960788250e-04 - - 5.4411198943853378e-02 -1.8674199283123016e-01 - <_> - - 0 -1 1983 -2.3191540967673063e-03 - - -2.7544409036636353e-01 3.8513321429491043e-02 - <_> - - 0 -1 1984 9.5087959198281169e-04 - - -6.8218901753425598e-02 1.6082139313220978e-01 - <_> - - 0 -1 1985 9.5385108143091202e-03 - - -3.8826879113912582e-02 3.0370831489562988e-01 - <_> - - 0 -1 1986 -1.4489189721643925e-02 - - -4.6989730000495911e-01 2.3550020530819893e-02 - <_> - - 0 -1 1987 1.0756050236523151e-02 - - 2.0565100014209747e-02 -4.7243130207061768e-01 - <_> - - 0 -1 1988 -2.0074830390512943e-03 - - -2.7946698665618896e-01 3.6021549254655838e-02 - <_> - - 0 -1 1989 -1.7316909506917000e-03 - - 2.0902790129184723e-01 -4.6300981193780899e-02 - <_> - - 0 -1 1990 1.5234799683094025e-01 - - 1.4934250153601170e-02 -6.0461127758026123e-01 - <_> - - 0 -1 1991 6.3340878114104271e-04 - - 5.0307150930166245e-02 -1.8277199566364288e-01 - <_> - - 0 -1 1992 -8.2793915644288063e-03 - - 3.6463031172752380e-01 -2.6474289596080780e-02 - <_> - - 0 -1 1993 1.3667670078575611e-02 - - 1.2511620298027992e-02 -8.9023828506469727e-01 - <_> - - 0 -1 1994 2.0979309920221567e-03 - - -8.0247193574905396e-02 1.2989950180053711e-01 - <_> - - 0 -1 1995 -8.9776562526822090e-03 - - 1.7411080002784729e-01 -6.1771109700202942e-02 - <_> - - 0 -1 1996 1.2094390112906694e-03 - - 6.8711720407009125e-02 -1.6561290621757507e-01 - <_> - - 0 -1 1997 6.8200258538126945e-03 - - 5.7795759290456772e-02 -1.8231619894504547e-01 - <_> - - 0 -1 1998 -1.8268059939146042e-03 - - 1.3340330123901367e-01 -7.5343966484069824e-02 - <_> - - 0 -1 1999 7.9908408224582672e-03 - - -4.5094471424818039e-02 2.4594159424304962e-01 - <_> - - 0 -1 2000 -2.5262041017413139e-03 - - -2.0763960480690002e-01 5.2334129810333252e-02 - <_> - - 0 -1 2001 -7.4825510382652283e-02 - - -5.4688757658004761e-01 1.7803389579057693e-02 - <_> - - 0 -1 2002 -3.3099399879574776e-03 - - 3.3455818891525269e-01 -2.8966419398784637e-02 - <_> - - 0 -1 2003 8.2276277244091034e-03 - - 4.1579861193895340e-02 -2.6652270555496216e-01 - <_> - - 0 -1 2004 3.1686299480497837e-03 - - -4.1817110031843185e-02 2.9769781231880188e-01 - <_> - - 0 -1 2005 1.5170290134847164e-02 - - 4.3392360210418701e-02 -2.4617969989776611e-01 - <_> - - 0 -1 2006 -1.5946379862725735e-03 - - 1.5057189762592316e-01 -7.3017738759517670e-02 - <_> - - 0 -1 2007 -8.5226353257894516e-03 - - -1.5050080418586731e-01 6.9656036794185638e-02 - <_> - - 0 -1 2008 -1.1418120004236698e-02 - - 1.2974749505519867e-01 -9.5122329890727997e-02 - <_> - - 0 -1 2009 -2.8856399655342102e-01 - - -2.1124540269374847e-01 4.7410819679498672e-02 - <_> - - 0 -1 2010 -3.9014229550957680e-03 - - -2.6843780279159546e-01 3.8698658347129822e-02 - <_> - - 0 -1 2011 -3.5567739978432655e-03 - - 2.3385030031204224e-01 -4.5723881572484970e-02 - <_> - - 0 -1 2012 -6.4394129440188408e-03 - - -6.0463881492614746e-01 1.6156049445271492e-02 - <_> - - 0 -1 2013 -7.4861319735646248e-03 - - 1.6867969930171967e-01 -5.5975880473852158e-02 - <_> - - 0 -1 2014 2.3621210129931569e-04 - - 5.3596749901771545e-02 -2.1872919797897339e-01 - <_> - - 0 -1 2015 2.6099249720573425e-02 - - -5.3937491029500961e-02 2.2728930413722992e-01 - <_> - - 0 -1 2016 -1.7809759592637420e-03 - - 8.6759522557258606e-02 -1.2009979784488678e-01 - <_> - - 0 -1 2017 -1.1987469770247117e-04 - - -1.5347549319267273e-01 7.0707783102989197e-02 - <_> - - 0 -1 2018 -6.8248361349105835e-03 - - -3.7341019511222839e-01 2.6779960840940475e-02 - <_> - - 0 -1 2019 -1.3119089999236166e-04 - - -1.1640869826078415e-01 8.7211161851882935e-02 - <_> - - 0 -1 2020 -1.8228540429845452e-03 - - 1.5664499998092651e-01 -6.8006090819835663e-02 - <_> - - 0 -1 2021 2.6267999783158302e-03 - - -3.6987219005823135e-02 2.6393121480941772e-01 - <_> - - 0 -1 2022 -7.0677183568477631e-02 - - -2.8295999765396118e-01 3.5035520792007446e-02 - <_> - - 0 -1 2023 1.8061319366097450e-02 - - -2.8041649609804153e-02 3.5313779115676880e-01 - <_> - - 0 -1 2024 9.2649407451972365e-04 - - 4.4600278139114380e-02 -2.2788539528846741e-01 - <_> - - 0 -1 2025 -5.3023721557110548e-04 - - -2.0866680145263672e-01 6.2718503177165985e-02 - <_> - - 0 -1 2026 3.6058931145817041e-03 - - -6.7796908318996429e-02 1.4900009334087372e-01 - <_> - - 0 -1 2027 8.5915643721818924e-03 - - -4.5626759529113770e-02 2.3078480362892151e-01 - <_> - - 0 -1 2028 -8.8329352438449860e-03 - - -4.1117089986801147e-01 2.8230689465999603e-02 - <_> - - 0 -1 2029 4.0959479520097375e-04 - - 5.3656630218029022e-02 -1.8243549764156342e-01 - <_> - - 0 -1 2030 -2.5011589750647545e-03 - - 1.6313549876213074e-01 -6.0954701155424118e-02 - <_> - - 0 -1 2031 -1.4622169546782970e-02 - - -4.9988400936126709e-01 1.8572760745882988e-02 - <_> - - 0 -1 2032 -6.3790678977966309e-02 - - -4.8329600691795349e-01 1.7903389409184456e-02 - <_> - - 0 -1 2033 -1.6671139746904373e-02 - - -2.6661589741706848e-01 3.4886009991168976e-02 - <_> - - 0 -1 2034 -1.2526069767773151e-02 - - 3.4061339497566223e-01 -2.8094800189137459e-02 - <_> - - 0 -1 2035 4.8325158655643463e-02 - - -3.3176191151142120e-02 2.9025658965110779e-01 - <_> - - 0 -1 2036 1.3246550224721432e-03 - - 3.7181440740823746e-02 -2.6850658655166626e-01 - <_> - - 0 -1 2037 -2.2221319377422333e-01 - - -8.9892768859863281e-01 1.0064439848065376e-02 - <_> - - 0 -1 2038 1.2954319827258587e-03 - - -1.0161759704351425e-01 9.0588621795177460e-02 - <_> - - 0 -1 2039 1.3794669881463051e-02 - - -7.4244648218154907e-02 1.4314259588718414e-01 - <_> - - 0 -1 2040 8.5643801139667630e-04 - - 5.9753969311714172e-02 -1.8660190701484680e-01 - <_> - - 0 -1 2041 -2.3317540064454079e-02 - - -6.9259917736053467e-01 1.3667319901287556e-02 - <_> - - 0 -1 2042 1.6281680436804891e-03 - - -6.1060748994350433e-02 1.5505290031433105e-01 - <_> - - 0 -1 2043 -1.2380329892039299e-02 - - -1.5146850049495697e-01 6.1767600476741791e-02 - <_> - - 0 -1 2044 1.8393599893897772e-03 - - -3.7167988717556000e-02 2.4822179973125458e-01 - <_> - - 0 -1 2045 3.5529870074242353e-03 - - -2.9200790449976921e-02 3.3592289686203003e-01 - <_> - - 0 -1 2046 1.0305979521945119e-03 - - 3.7694081664085388e-02 -2.9085698723793030e-01 - <_> - - 0 -1 2047 2.9916960556874983e-05 - - -8.8014192879199982e-02 1.0515210032463074e-01 - <_> - - 0 -1 2048 -4.1505339322611690e-04 - - 6.5726242959499359e-02 -1.5021100640296936e-01 - <_> - - 0 -1 2049 -1.4631619706051424e-05 - - 7.8170351684093475e-02 -1.1962439864873886e-01 - <_> - - 0 -1 2050 -4.3779090046882629e-03 - - 2.0752459764480591e-01 -5.2089329808950424e-02 - <_> - - 0 -1 2051 4.7036199248395860e-04 - - 6.3348479568958282e-02 -1.8767729401588440e-01 - <_> - - 0 -1 2052 1.4788640328333713e-05 - - -9.5828853547573090e-02 1.1213099956512451e-01 - <_> - - 0 -1 2053 3.7048431113362312e-04 - - -9.8723009228706360e-02 9.8647676408290863e-02 - <_> - - 0 -1 2054 -1.8590339459478855e-03 - - -2.6873630285263062e-01 3.8352578878402710e-02 - <_> - - 0 -1 2055 -7.0764529518783092e-03 - - -1.5984000265598297e-01 5.7841330766677856e-02 - <_> - - 0 -1 2056 1.4920010231435299e-02 - - -5.1178149878978729e-02 1.9242909550666809e-01 - <_> - - 0 -1 2057 -5.0713191740214825e-03 - - 1.3863259553909302e-01 -1.1121229827404022e-01 - <_> - - 0 -1 2058 -1.5005500055849552e-02 - - 4.8583930730819702e-01 -1.8811760470271111e-02 - <_> - - 0 -1 2059 -2.0439480431377888e-03 - - -3.2754859328269958e-01 2.7816310524940491e-02 - <_> - - 0 -1 2060 -1.3060690253041685e-04 - - 9.8868042230606079e-02 -8.4957577288150787e-02 - <_> - - 0 -1 2061 8.8742617517709732e-03 - - -2.5235600769519806e-02 3.2389879226684570e-01 - <_> - - 0 -1 2062 7.0397509261965752e-04 - - 5.6327521800994873e-02 -1.7392079532146454e-01 - <_> - - 0 -1 2063 -2.5402469560503960e-02 - - 1.9675390422344208e-01 -4.7362301498651505e-02 - <_> - - 0 -1 2064 -9.3743661418557167e-03 - - -1.5204219520092010e-01 5.9932630509138107e-02 - <_> - 178 - -1.3418790102005005e+00 - - <_> - - 0 -1 2065 4.0453020483255386e-02 - - -2.3637829720973969e-01 2.8865531086921692e-01 - <_> - - 0 -1 2066 -1.1056049726903439e-02 - - 1.6062900424003601e-01 -2.6259741187095642e-01 - <_> - - 0 -1 2067 -3.9778949576430023e-04 - - 1.1591099947690964e-01 -2.7081018686294556e-01 - <_> - - 0 -1 2068 1.0191530454903841e-03 - - -2.0969370007514954e-01 1.3642899692058563e-01 - <_> - - 0 -1 2069 3.6101979203522205e-03 - - -2.1725459396839142e-01 1.2617790699005127e-01 - <_> - - 0 -1 2070 4.4545531272888184e-04 - - -1.5974539518356323e-01 1.2596489489078522e-01 - <_> - - 0 -1 2071 5.8226222172379494e-03 - - -1.5484449267387390e-01 9.7783811390399933e-02 - <_> - - 0 -1 2072 -2.1416260860860348e-03 - - -3.6377671360969543e-01 4.0103349834680557e-02 - <_> - - 0 -1 2073 -2.6691620587371290e-04 - - 8.4470756351947784e-02 -1.7496100068092346e-01 - <_> - - 0 -1 2074 -5.4352330043911934e-03 - - -3.1830930709838867e-01 4.9786038696765900e-02 - <_> - - 0 -1 2075 -1.5426309546455741e-03 - - -2.1333709359169006e-01 6.4884513616561890e-02 - <_> - - 0 -1 2076 -2.7932289522141218e-03 - - 2.5483250617980957e-01 -6.5170928835868835e-02 - <_> - - 0 -1 2077 1.3845940120518208e-03 - - 3.9304580539464951e-02 -3.7404829263687134e-01 - <_> - - 0 -1 2078 -3.2193479128181934e-03 - - 2.6290428638458252e-01 -5.6396361440420151e-02 - <_> - - 0 -1 2079 -9.7977351397275925e-03 - - 3.2044389843940735e-01 -4.6382289379835129e-02 - <_> - - 0 -1 2080 -1.7625789623707533e-03 - - 1.5050819516181946e-01 -8.8892437517642975e-02 - <_> - - 0 -1 2081 -3.6096889525651932e-02 - - -4.3137839436531067e-01 3.1785801053047180e-02 - <_> - - 0 -1 2082 2.0813369192183018e-03 - - -6.5957918763160706e-02 1.9275289773941040e-01 - <_> - - 0 -1 2083 -6.0533690266311169e-03 - - -3.1374609470367432e-01 5.1007431000471115e-02 - <_> - - 0 -1 2084 3.7253410555422306e-03 - - -6.1402589082717896e-02 2.5631371140480042e-01 - <_> - - 0 -1 2085 5.0668260082602501e-03 - - 5.7962730526924133e-02 -2.4340160191059113e-01 - <_> - - 0 -1 2086 2.8038739692419767e-03 - - -7.0329703390598297e-02 2.1375860273838043e-01 - <_> - - 0 -1 2087 1.5925259795039892e-03 - - 2.6637760922312737e-02 -5.1129138469696045e-01 - <_> - - 0 -1 2088 2.9422679290291853e-05 - - -2.1710200607776642e-01 6.4985051751136780e-02 - <_> - - 0 -1 2089 -2.2399190129362978e-05 - - 8.1582568585872650e-02 -1.5135610103607178e-01 - <_> - - 0 -1 2090 6.7072827368974686e-04 - - 1.0502190142869949e-01 -1.1787360161542892e-01 - <_> - - 0 -1 2091 -1.5262300148606300e-03 - - -3.4620371460914612e-01 3.9244089275598526e-02 - <_> - - 0 -1 2092 1.8151829717680812e-03 - - -7.4669457972049713e-02 1.6847759485244751e-01 - <_> - - 0 -1 2093 5.8078771689906716e-04 - - -9.7952410578727722e-02 1.4192749559879303e-01 - <_> - - 0 -1 2094 -8.9623313397169113e-03 - - -1.9601620733737946e-01 6.6268041729927063e-02 - <_> - - 0 -1 2095 1.1146809905767441e-01 - - 1.7000140622258186e-02 -6.4917707443237305e-01 - <_> - - 0 -1 2096 -1.7872039461508393e-04 - - -1.4053599536418915e-01 8.0108702182769775e-02 - <_> - - 0 -1 2097 -4.6587768010795116e-03 - - 1.9530229270458221e-01 -5.8602340519428253e-02 - <_> - - 0 -1 2098 3.4576000180095434e-03 - - 5.9805799275636673e-02 -2.1990789473056793e-01 - <_> - - 0 -1 2099 -1.9979270291514695e-04 - - -1.3726149499416351e-01 8.3430230617523193e-02 - <_> - - 0 -1 2100 -4.8079751431941986e-03 - - 5.5041921138763428e-01 -2.0715299993753433e-02 - <_> - - 0 -1 2101 -7.3389292083447799e-06 - - 7.5302027165889740e-02 -1.4486590027809143e-01 - <_> - - 0 -1 2102 -3.5799799952656031e-03 - - 2.6277220249176025e-01 -4.2550459504127502e-02 - <_> - - 0 -1 2103 1.1689850362017751e-03 - - -1.0984169691801071e-01 1.2971849739551544e-01 - <_> - - 0 -1 2104 3.2639548182487488e-02 - - 3.1038379296660423e-02 -3.9474260807037354e-01 - <_> - - 0 -1 2105 1.1596709955483675e-03 - - 5.2021898329257965e-02 -2.2035829722881317e-01 - <_> - - 0 -1 2106 -1.4262240147218108e-03 - - 1.0745699703693390e-01 -1.0067079961299896e-01 - <_> - - 0 -1 2107 -2.3668329417705536e-01 - - -7.3174351453781128e-01 1.6999609768390656e-02 - <_> - - 0 -1 2108 1.9279429398011416e-04 - - -1.3248440623283386e-01 7.8186027705669403e-02 - <_> - - 0 -1 2109 -1.7292149364948273e-02 - - -9.7199842333793640e-02 1.1069560050964355e-01 - <_> - - 0 -1 2110 -1.2431619688868523e-03 - - 1.7741470038890839e-01 -7.2548337280750275e-02 - <_> - - 0 -1 2111 2.1754560293629766e-05 - - -9.6952050924301147e-02 1.0899409651756287e-01 - <_> - - 0 -1 2112 3.0975879053585231e-04 - - 6.2249891459941864e-02 -1.7384719848632812e-01 - <_> - - 0 -1 2113 -1.1590570211410522e-02 - - 2.6162809133529663e-01 -4.1994079947471619e-02 - <_> - - 0 -1 2114 1.8150920048356056e-02 - - 2.6353549212217331e-02 -4.4685411453247070e-01 - <_> - - 0 -1 2115 8.0223509576171637e-04 - - -1.2143869698047638e-01 8.7092787027359009e-02 - <_> - - 0 -1 2116 -1.4258639421314001e-03 - - 1.9236080348491669e-01 -5.2987430244684219e-02 - <_> - - 0 -1 2117 -2.4536260752938688e-04 - - -1.6683700680732727e-01 6.5604820847511292e-02 - <_> - - 0 -1 2118 2.2050029656384140e-05 - - -9.3477472662925720e-02 1.0711719840764999e-01 - <_> - - 0 -1 2119 4.7658861149102449e-04 - - -8.0596633255481720e-02 1.2512689828872681e-01 - <_> - - 0 -1 2120 4.0533850551582873e-04 - - 6.8990617990493774e-02 -1.5740759670734406e-01 - <_> - - 0 -1 2121 -1.6471749171614647e-02 - - -5.9667861461639404e-01 1.8876109272241592e-02 - <_> - - 0 -1 2122 2.2267159074544907e-03 - - -4.5803830027580261e-02 2.3071089386940002e-01 - <_> - - 0 -1 2123 4.9383189529180527e-02 - - 1.9837729632854462e-02 -5.9306108951568604e-01 - <_> - - 0 -1 2124 8.6411498486995697e-03 - - 2.8697369620203972e-02 -3.5161119699478149e-01 - <_> - - 0 -1 2125 -4.8241391777992249e-03 - - 2.2474339604377747e-01 -4.8463210463523865e-02 - <_> - - 0 -1 2126 -8.6174849420785904e-03 - - -5.7088959217071533e-01 1.9183190539479256e-02 - <_> - - 0 -1 2127 -5.7220697635784745e-04 - - 1.1697269976139069e-01 -8.8938057422637939e-02 - <_> - - 0 -1 2128 1.1997730471193790e-03 - - 8.4181122481822968e-02 -1.2565499544143677e-01 - <_> - - 0 -1 2129 2.6049909647554159e-03 - - 5.9500031173229218e-02 -2.0638149976730347e-01 - <_> - - 0 -1 2130 -1.4789920533075929e-03 - - 2.5114980340003967e-01 -4.7535050660371780e-02 - <_> - - 0 -1 2131 -2.5746721029281616e-01 - - -7.3038768768310547e-01 1.5440680086612701e-02 - <_> - - 0 -1 2132 -1.2104290071874857e-03 - - 1.8646970391273499e-01 -5.5789809674024582e-02 - <_> - - 0 -1 2133 3.4140399657189846e-04 - - 6.7707672715187073e-02 -1.5597160160541534e-01 - <_> - - 0 -1 2134 3.1749058980494738e-03 - - 3.5003460943698883e-02 -2.9529309272766113e-01 - <_> - - 0 -1 2135 4.4338819384574890e-01 - - 1.4550019986927509e-02 -6.1034661531448364e-01 - <_> - - 0 -1 2136 3.9458259940147400e-02 - - -4.5779328793287277e-02 2.2927519679069519e-01 - <_> - - 0 -1 2137 3.0410829931497574e-03 - - 1.6304129734635353e-02 -5.7491117715835571e-01 - <_> - - 0 -1 2138 -1.4853020012378693e-01 - - -5.6220901012420654e-01 1.5771050006151199e-02 - <_> - - 0 -1 2139 4.4339009036775678e-05 - - -9.1284371912479401e-02 1.0920979827642441e-01 - <_> - - 0 -1 2140 2.2139810025691986e-03 - - -4.7668289393186569e-02 2.2291789948940277e-01 - <_> - - 0 -1 2141 8.7831966578960419e-02 - - 2.6718059554696083e-02 -4.0396329760551453e-01 - <_> - - 0 -1 2142 -2.2798930294811726e-03 - - -1.6160930693149567e-01 6.6071107983589172e-02 - <_> - - 0 -1 2143 -1.4653969628852792e-05 - - 8.5298359394073486e-02 -1.2724019587039948e-01 - <_> - - 0 -1 2144 1.2313240440562367e-03 - - -6.5917477011680603e-02 1.6606420278549194e-01 - <_> - - 0 -1 2145 4.5110988616943359e-01 - - 1.3457960449159145e-02 -7.1525502204895020e-01 - <_> - - 0 -1 2146 -2.4518640711903572e-02 - - -4.3282639980316162e-01 2.0400719717144966e-02 - <_> - - 0 -1 2147 -1.1901959805982187e-04 - - 8.9420333504676819e-02 -1.1834760010242462e-01 - <_> - - 0 -1 2148 -1.3584910193458200e-03 - - 2.4722290039062500e-01 -4.3907400220632553e-02 - <_> - - 0 -1 2149 6.9289728999137878e-03 - - -5.6832619011402130e-02 1.6665740311145782e-01 - <_> - - 0 -1 2150 -6.9041848182678223e-03 - - -1.2742209434509277e-01 7.9310603439807892e-02 - <_> - - 0 -1 2151 1.2964820489287376e-03 - - 7.2462439537048340e-02 -1.6863870620727539e-01 - <_> - - 0 -1 2152 2.3060059174895287e-02 - - -5.0913080573081970e-02 2.1664789319038391e-01 - <_> - - 0 -1 2153 -4.0960568934679031e-02 - - -5.6479138135910034e-01 1.9609550014138222e-02 - <_> - - 0 -1 2154 7.4867479270324111e-05 - - -6.9450333714485168e-02 1.4615139365196228e-01 - <_> - - 0 -1 2155 -6.8458272144198418e-03 - - 6.6049978137016296e-02 -2.0840729773044586e-01 - <_> - - 0 -1 2156 1.9395649433135986e-02 - - 1.6168899834156036e-02 -5.6396162509918213e-01 - <_> - - 0 -1 2157 -1.6121419321279973e-04 - - -1.3194569945335388e-01 7.4094116687774658e-02 - <_> - - 0 -1 2158 6.6511691547930241e-03 - - -5.5261820554733276e-02 1.9894389808177948e-01 - <_> - - 0 -1 2159 4.5172171667218208e-03 - - 3.2863661646842957e-02 -3.0980890989303589e-01 - <_> - - 0 -1 2160 -4.0247041732072830e-02 - - -6.8980348110198975e-01 1.2438739649951458e-02 - <_> - - 0 -1 2161 7.2544030444987584e-06 - - -9.5949873328208923e-02 9.7919799387454987e-02 - <_> - - 0 -1 2162 -1.6025650501251221e-01 - - 4.9472638964653015e-01 -1.8643429502844810e-02 - <_> - - 0 -1 2163 5.0598900998011231e-04 - - -1.2216579914093018e-01 8.6699098348617554e-02 - <_> - - 0 -1 2164 -1.0506899654865265e-01 - - -8.5855627059936523e-01 8.2870386540889740e-03 - <_> - - 0 -1 2165 -1.8218380212783813e-01 - - -5.8477312326431274e-01 1.3160600326955318e-02 - <_> - - 0 -1 2166 1.6435410827398300e-02 - - 1.6296360641717911e-02 -5.5137562751770020e-01 - <_> - - 0 -1 2167 1.9282519817352295e-02 - - -2.5027479976415634e-02 4.3645161390304565e-01 - <_> - - 0 -1 2168 3.4772949293255806e-03 - - 3.1632781028747559e-02 -2.9246759414672852e-01 - <_> - - 0 -1 2169 2.2620869800448418e-02 - - -2.3985739797353745e-02 4.3105301260948181e-01 - <_> - - 0 -1 2170 -1.8172320723533630e-01 - - -1.8037860095500946e-01 5.1903489977121353e-02 - <_> - - 0 -1 2171 -4.3819830752909184e-03 - - -2.8302851319313049e-01 3.3024039119482040e-02 - <_> - - 0 -1 2172 -1.5246120281517506e-02 - - 2.3519919812679291e-01 -4.1242249310016632e-02 - <_> - - 0 -1 2173 3.9043289422988892e-01 - - 2.8530629351735115e-02 -3.5845771431922913e-01 - <_> - - 0 -1 2174 3.9103450253605843e-03 - - -5.1523748785257339e-02 1.7829769849777222e-01 - <_> - - 0 -1 2175 -1.0847560130059719e-02 - - -4.8355281352996826e-01 1.8765790387988091e-02 - <_> - - 0 -1 2176 5.7015339843928814e-03 - - 1.2250830419361591e-02 -7.0457488298416138e-01 - <_> - - 0 -1 2177 -1.1917110532522202e-03 - - 1.8404430150985718e-01 -5.0144620239734650e-02 - <_> - - 0 -1 2178 4.0988530963659286e-04 - - -9.7399666905403137e-02 1.0874579846858978e-01 - <_> - - 0 -1 2179 4.5295488089323044e-03 - - 4.5356839895248413e-02 -2.1069140732288361e-01 - <_> - - 0 -1 2180 -5.4893731139600277e-03 - - 2.9642790555953979e-01 -3.5870831459760666e-02 - <_> - - 0 -1 2181 1.9906361121684313e-03 - - 3.4332871437072754e-02 -3.1506469845771790e-01 - <_> - - 0 -1 2182 8.3358466625213623e-02 - - 1.9684519618749619e-02 -4.4279980659484863e-01 - <_> - - 0 -1 2183 3.0363420955836773e-03 - - -3.3693831413984299e-02 2.6669681072235107e-01 - <_> - - 0 -1 2184 5.7799968868494034e-02 - - 8.5875885561108589e-03 -9.8965817689895630e-01 - <_> - - 0 -1 2185 -7.8585641458630562e-03 - - 2.0088459551334381e-01 -4.6583641320466995e-02 - <_> - - 0 -1 2186 1.9253200152888894e-03 - - 4.7922369092702866e-02 -2.2640110552310944e-01 - <_> - - 0 -1 2187 1.0996909812092781e-02 - - 1.6258660703897476e-02 -5.4048168659210205e-01 - <_> - - 0 -1 2188 1.6405170026700944e-04 - - -1.1542510241270065e-01 7.6001413166522980e-02 - <_> - - 0 -1 2189 5.3780381567776203e-03 - - 1.1179029941558838e-01 -8.4179848432540894e-02 - <_> - - 0 -1 2190 2.2905960213392973e-03 - - -5.7969480752944946e-02 1.6899429261684418e-01 - <_> - - 0 -1 2191 6.3102580606937408e-03 - - 4.1471399366855621e-02 -2.0478209853172302e-01 - <_> - - 0 -1 2192 -1.4342570304870605e-01 - - -7.8573477268218994e-01 1.1634309776127338e-02 - <_> - - 0 -1 2193 1.2364640133455396e-03 - - -5.1800731569528580e-02 1.7734350264072418e-01 - <_> - - 0 -1 2194 -2.0046550780534744e-02 - - -3.1420910358428955e-01 2.8849070891737938e-02 - <_> - - 0 -1 2195 1.0868109762668610e-01 - - 1.6183530911803246e-02 -5.1956307888031006e-01 - <_> - - 0 -1 2196 5.1173489540815353e-02 - - -3.2460309565067291e-02 3.1230181455612183e-01 - <_> - - 0 -1 2197 1.3251069933176041e-02 - - 2.3655060678720474e-02 -4.4210249185562134e-01 - <_> - - 0 -1 2198 -2.0110961049795151e-03 - - 1.0359399765729904e-01 -9.3961462378501892e-02 - <_> - - 0 -1 2199 -3.2843051012605429e-03 - - 3.3196929097175598e-01 -2.9921280220150948e-02 - <_> - - 0 -1 2200 8.8341237278655171e-04 - - 5.9891819953918457e-02 -1.6192750632762909e-01 - <_> - - 0 -1 2201 8.4265992045402527e-03 - - -3.6928750574588776e-02 2.3691199719905853e-01 - <_> - - 0 -1 2202 -1.4503750207950361e-05 - - 7.7373847365379333e-02 -1.3290609419345856e-01 - <_> - - 0 -1 2203 8.0891689285635948e-03 - - 2.8817569836974144e-02 -3.0961230397224426e-01 - <_> - - 0 -1 2204 1.0339939966797829e-02 - - -2.4850569665431976e-02 3.7060049176216125e-01 - <_> - - 0 -1 2205 -2.2790539078414440e-03 - - -2.2051370143890381e-01 4.1877530515193939e-02 - <_> - - 0 -1 2206 -1.7716860165819526e-03 - - 1.4205080270767212e-01 -6.5252363681793213e-02 - <_> - - 0 -1 2207 -6.9317207671701908e-03 - - -3.3556079864501953e-01 2.7605969458818436e-02 - <_> - - 0 -1 2208 -4.2506060563027859e-03 - - 2.3591980338096619e-01 -3.7345319986343384e-02 - <_> - - 0 -1 2209 1.5317599754780531e-03 - - 3.9657011628150940e-02 -2.3438200354576111e-01 - <_> - - 0 -1 2210 1.4941049739718437e-03 - - -6.0311999171972275e-02 1.4468440413475037e-01 - <_> - - 0 -1 2211 -5.2249869331717491e-03 - - -4.0660250186920166e-01 2.3257270455360413e-02 - <_> - - 0 -1 2212 6.4759532688185573e-04 - - 6.4828239381313324e-02 -1.2987309694290161e-01 - <_> - - 0 -1 2213 3.2836120226420462e-04 - - 6.1917629092931747e-02 -1.4835810661315918e-01 - <_> - - 0 -1 2214 -3.4691279288381338e-03 - - 1.5662840008735657e-01 -5.7200349867343903e-02 - <_> - - 0 -1 2215 4.5903379213996232e-04 - - 5.2517898380756378e-02 -1.9093179702758789e-01 - <_> - - 0 -1 2216 -2.6641879230737686e-03 - - 1.5235909819602966e-01 -6.8154700100421906e-02 - <_> - - 0 -1 2217 -8.2513149827718735e-03 - - 3.6680310964584351e-01 -2.8480609878897667e-02 - <_> - - 0 -1 2218 7.1076201274991035e-03 - - 1.5445350110530853e-01 -6.7992970347404480e-02 - <_> - - 0 -1 2219 -4.3808001279830933e-01 - - -2.8871530294418335e-01 3.6639489233493805e-02 - <_> - - 0 -1 2220 6.3719082390889525e-04 - - -1.5995030105113983e-01 5.9860341250896454e-02 - <_> - - 0 -1 2221 -1.9303169392514974e-04 - - 8.6703971028327942e-02 -1.0924819856882095e-01 - <_> - - 0 -1 2222 3.0723758973181248e-03 - - 4.8543959856033325e-02 -1.7700059711933136e-01 - <_> - - 0 -1 2223 1.8341860268265009e-03 - - -5.1901239901781082e-02 1.8232129514217377e-01 - <_> - - 0 -1 2224 6.3172310590744019e-02 - - 2.3308899253606796e-02 -4.2870610952377319e-01 - <_> - - 0 -1 2225 2.4458649568259716e-03 - - -8.6425289511680603e-02 1.1974500119686127e-01 - <_> - - 0 -1 2226 1.1953969951719046e-03 - - 1.1685889959335327e-01 -1.0430490225553513e-01 - <_> - - 0 -1 2227 3.1024610507301986e-04 - - 6.2281988561153412e-02 -1.9196020066738129e-01 - <_> - - 0 -1 2228 -3.1970158219337463e-02 - - -6.4184898138046265e-01 1.3087569735944271e-02 - <_> - - 0 -1 2229 -1.0163170518353581e-03 - - -2.5210660696029663e-01 3.4096211194992065e-02 - <_> - - 0 -1 2230 -5.1776540931314230e-04 - - 1.1874090135097504e-01 -8.2813777029514313e-02 - <_> - - 0 -1 2231 -4.0794219821691513e-03 - - -1.6135309636592865e-01 6.5708972513675690e-02 - <_> - - 0 -1 2232 9.9409874528646469e-03 - - -3.0160220339894295e-02 3.5104531049728394e-01 - <_> - - 0 -1 2233 1.9788760691881180e-03 - - -4.4945359230041504e-02 2.3295649886131287e-01 - <_> - - 0 -1 2234 1.0975249856710434e-01 - - 1.6620220616459846e-02 -6.0423362255096436e-01 - <_> - - 0 -1 2235 -9.2024728655815125e-03 - - -5.6000357866287231e-01 1.4122909866273403e-02 - <_> - - 0 -1 2236 5.8626191457733512e-04 - - -1.0622119903564453e-01 8.4198087453842163e-02 - <_> - - 0 -1 2237 3.3601750619709492e-03 - - -2.1583529189229012e-02 4.1820129752159119e-01 - <_> - - 0 -1 2238 -4.8143669962882996e-02 - - -7.2092157602310181e-01 1.4954459853470325e-02 - <_> - - 0 -1 2239 1.2209859676659107e-02 - - 2.1544290706515312e-02 -3.5482150316238403e-01 - <_> - - 0 -1 2240 -3.9961449801921844e-02 - - -8.8848268985748291e-01 9.4328429549932480e-03 - <_> - - 0 -1 2241 1.5312479808926582e-03 - - -6.4070880413055420e-02 1.3569630682468414e-01 - <_> - - 0 -1 2242 8.9791123173199594e-05 - - 5.0932768732309341e-02 -1.8393670022487640e-01 - <_> - 195 - -1.3934370279312134e+00 - - <_> - - 0 -1 2243 -3.8741368800401688e-02 - - 2.8778830170631409e-01 -2.3312190175056458e-01 - <_> - - 0 -1 2244 -2.5511500425636768e-03 - - 2.5108599662780762e-01 -2.1116070449352264e-01 - <_> - - 0 -1 2245 -2.7973129181191325e-04 - - 8.9916922152042389e-02 -3.4069269895553589e-01 - <_> - - 0 -1 2246 1.1981100542470813e-03 - - -2.2542229294776917e-01 1.3602660596370697e-01 - <_> - - 0 -1 2247 -5.6686070747673512e-03 - - 8.2847259938716888e-02 -2.8080710768699646e-01 - <_> - - 0 -1 2248 -2.7642669738270342e-04 - - 1.0485479980707169e-01 -1.8848650157451630e-01 - <_> - - 0 -1 2249 2.0516710355877876e-03 - - 3.4714280627667904e-03 -4.8608478903770447e-01 - <_> - - 0 -1 2250 -1.4435249795496929e-05 - - 8.4275819361209869e-02 -1.9356100261211395e-01 - <_> - - 0 -1 2251 7.4418791336938739e-04 - - -1.2526750564575195e-01 1.1769519746303558e-01 - <_> - - 0 -1 2252 -4.9923241138458252e-02 - - -4.0080299973487854e-01 2.7910390868782997e-02 - <_> - - 0 -1 2253 9.2694535851478577e-03 - - -9.1088913381099701e-02 1.7550450563430786e-01 - <_> - - 0 -1 2254 -7.4646030552685261e-03 - - 1.6380469501018524e-01 -1.0385499894618988e-01 - <_> - - 0 -1 2255 -8.1985909491777420e-03 - - -1.9168980419635773e-01 8.5415020585060120e-02 - <_> - - 0 -1 2256 -8.1690691877156496e-04 - - -3.0793309211730957e-01 4.0833581238985062e-02 - <_> - - 0 -1 2257 2.8902110643684864e-03 - - -5.0324201583862305e-02 2.9259419441223145e-01 - <_> - - 0 -1 2258 8.0008199438452721e-03 - - -4.6863578259944916e-02 3.1964871287345886e-01 - <_> - - 0 -1 2259 -5.8349180035293102e-03 - - -1.5489180386066437e-01 8.8137261569499969e-02 - <_> - - 0 -1 2260 -1.2492289533838630e-03 - - -3.6294621229171753e-01 3.6120988428592682e-02 - <_> - - 0 -1 2261 2.2950479760766029e-02 - - -4.7119770199060440e-02 2.8532719612121582e-01 - <_> - - 0 -1 2262 -6.9193239323794842e-03 - - 1.7873649299144745e-01 -7.3547556996345520e-02 - <_> - - 0 -1 2263 -1.9392240210436285e-04 - - 1.3911420106887817e-01 -9.2489100992679596e-02 - <_> - - 0 -1 2264 1.9811228848993778e-03 - - 4.3448008596897125e-02 -3.0942690372467041e-01 - <_> - - 0 -1 2265 1.6018489375710487e-02 - - -3.9718918502330780e-02 3.4248939156532288e-01 - <_> - - 0 -1 2266 9.3541406095027924e-03 - - 3.2482650130987167e-02 -4.4502100348472595e-01 - <_> - - 0 -1 2267 -1.3822780456393957e-03 - - 2.1627070009708405e-01 -5.6410200893878937e-02 - <_> - - 0 -1 2268 2.5065820664167404e-02 - - 2.3123230785131454e-02 -5.3954011201858521e-01 - <_> - - 0 -1 2269 5.9798579663038254e-02 - - 2.8747579082846642e-02 -3.6572590470314026e-01 - <_> - - 0 -1 2270 -2.7519159484654665e-03 - - 1.7491349577903748e-01 -6.3990972936153412e-02 - <_> - - 0 -1 2271 -3.2093640416860580e-02 - - -2.5695550441741943e-01 4.0945108979940414e-02 - <_> - - 0 -1 2272 -2.3349749390035868e-03 - - 1.5433880686759949e-01 -7.2836689651012421e-02 - <_> - - 0 -1 2273 2.6897678617388010e-04 - - 7.2721242904663086e-02 -1.5513220429420471e-01 - <_> - - 0 -1 2274 -8.9813407976180315e-04 - - -2.0699620246887207e-01 5.3738221526145935e-02 - <_> - - 0 -1 2275 3.8521869573742151e-03 - - 3.6562010645866394e-02 -2.8075969219207764e-01 - <_> - - 0 -1 2276 1.3440090231597424e-02 - - -3.6046478897333145e-02 3.1876960396766663e-01 - <_> - - 0 -1 2277 7.7129118144512177e-03 - - 9.5960013568401337e-02 -1.1787489801645279e-01 - <_> - - 0 -1 2278 2.1991880203131586e-04 - - -1.3249869644641876e-01 8.4939576685428619e-02 - <_> - - 0 -1 2279 -7.4781170114874840e-03 - - -2.3073039948940277e-01 5.0310928374528885e-02 - <_> - - 0 -1 2280 8.9175272732973099e-03 - - -5.3924769163131714e-02 2.0320640504360199e-01 - <_> - - 0 -1 2281 2.2819850128144026e-03 - - 3.5264909267425537e-02 -3.0841338634490967e-01 - <_> - - 0 -1 2282 2.6413009036332369e-03 - - -3.2939229160547256e-02 3.1721460819244385e-01 - <_> - - 0 -1 2283 -1.4605689793825150e-03 - - -1.7154279351234436e-01 6.3374556601047516e-02 - <_> - - 0 -1 2284 -3.1993410084396601e-03 - - 3.4501680731773376e-01 -3.0717490240931511e-02 - <_> - - 0 -1 2285 2.3919229861348867e-03 - - 2.0887520164251328e-02 -4.8564168810844421e-01 - <_> - - 0 -1 2286 -3.5997610539197922e-03 - - 2.8900530934333801e-01 -3.5605821758508682e-02 - <_> - - 0 -1 2287 -1.4754279618500732e-05 - - 7.2744622826576233e-02 -1.4580619335174561e-01 - <_> - - 0 -1 2288 1.5968360006809235e-02 - - 1.2548550032079220e-02 -6.7445451021194458e-01 - <_> - - 0 -1 2289 -4.0752082131803036e-03 - - 3.1447470188140869e-01 -3.2155450433492661e-02 - <_> - - 0 -1 2290 7.5432872108649462e-05 - - -9.9738657474517822e-02 8.9665092527866364e-02 - <_> - - 0 -1 2291 -3.9632249623537064e-02 - - 2.7617400884628296e-01 -3.4800730645656586e-02 - <_> - - 0 -1 2292 2.9354610887821764e-05 - - -1.4023000001907349e-01 8.8519610464572906e-02 - <_> - - 0 -1 2293 3.1818989664316177e-02 - - 2.9925649985671043e-02 -3.3958339691162109e-01 - <_> - - 0 -1 2294 1.2690100073814392e-01 - - 1.1263390071690083e-02 -8.9932328462600708e-01 - <_> - - 0 -1 2295 -3.5952320322394371e-03 - - 1.7751759290695190e-01 -5.8113489300012589e-02 - <_> - - 0 -1 2296 -1.9231259822845459e-02 - - -3.3173981308937073e-01 4.0587101131677628e-02 - <_> - - 0 -1 2297 2.2836721036583185e-03 - - 3.7206009030342102e-02 -2.8370648622512817e-01 - <_> - - 0 -1 2298 -1.6381660243496299e-03 - - 1.4629170298576355e-01 -6.7781522870063782e-02 - <_> - - 0 -1 2299 2.1173330023884773e-03 - - 2.0773969590663910e-02 -4.3928679823875427e-01 - <_> - - 0 -1 2300 6.4710620790719986e-03 - - -7.2133928537368774e-02 1.3981610536575317e-01 - <_> - - 0 -1 2301 -3.1431620009243488e-03 - - -1.9903449714183807e-01 4.7544669359922409e-02 - <_> - - 0 -1 2302 1.6056640306487679e-03 - - -3.9751898497343063e-02 2.5931739807128906e-01 - <_> - - 0 -1 2303 4.8740832135081291e-03 - - 3.4082379192113876e-02 -2.7611988782882690e-01 - <_> - - 0 -1 2304 -9.6354109700769186e-05 - - -1.0709609836339951e-01 8.3503186702728271e-02 - <_> - - 0 -1 2305 7.7706458978354931e-03 - - -3.0095349997282028e-02 2.9493871331214905e-01 - <_> - - 0 -1 2306 1.3028859393671155e-04 - - -1.1232890188694000e-01 9.4578683376312256e-02 - <_> - - 0 -1 2307 1.2239719508215785e-03 - - 5.1999621093273163e-02 -1.8106269836425781e-01 - <_> - - 0 -1 2308 -8.7549741147086024e-04 - - 1.4276699721813202e-01 -7.5098946690559387e-02 - <_> - - 0 -1 2309 -8.8081993162631989e-02 - - -7.0848828554153442e-01 1.4353640377521515e-02 - <_> - - 0 -1 2310 -3.2854160666465759e-01 - - -4.9687421321868896e-01 1.6604600474238396e-02 - <_> - - 0 -1 2311 9.8696127533912659e-03 - - 1.9364370033144951e-02 -4.9978300929069519e-01 - <_> - - 0 -1 2312 -2.7273639570921659e-03 - - 2.9612520337104797e-01 -3.2831400632858276e-02 - <_> - - 0 -1 2313 9.9100142717361450e-02 - - 1.9799079746007919e-02 -4.7344958782196045e-01 - <_> - - 0 -1 2314 -6.3501899130642414e-03 - - -5.1504719257354736e-01 1.6986010596156120e-02 - <_> - - 0 -1 2315 2.9596920285257511e-05 - - -1.0923019796609879e-01 8.9656107127666473e-02 - <_> - - 0 -1 2316 2.1247670054435730e-02 - - -4.1462190449237823e-02 2.2684270143508911e-01 - <_> - - 0 -1 2317 -7.2977989912033081e-02 - - -6.3227838277816772e-01 1.6678869724273682e-02 - <_> - - 0 -1 2318 1.6230919957160950e-01 - - -2.5661909952759743e-02 3.7533140182495117e-01 - <_> - - 0 -1 2319 -1.4590819773729891e-05 - - 8.5613600909709930e-02 -1.1900989711284637e-01 - <_> - - 0 -1 2320 2.7719149366021156e-03 - - -5.4649248719215393e-02 2.0311379432678223e-01 - <_> - - 0 -1 2321 -8.7484354153275490e-03 - - -7.3674517869949341e-01 1.5571890398859978e-02 - <_> - - 0 -1 2322 1.3679199852049351e-02 - - 7.8902930021286011e-02 -1.1590500175952911e-01 - <_> - - 0 -1 2323 -1.1001150123775005e-02 - - 3.1690821051597595e-01 -3.2384991645812988e-02 - <_> - - 0 -1 2324 3.2964799902401865e-04 - - 5.0016529858112335e-02 -2.0451450347900391e-01 - <_> - - 0 -1 2325 2.7753270696848631e-03 - - -6.7407429218292236e-02 1.5935909748077393e-01 - <_> - - 0 -1 2326 -2.8740249108523130e-03 - - 2.2455960512161255e-01 -5.1031488925218582e-02 - <_> - - 0 -1 2327 8.1631669308990240e-04 - - 6.9849550724029541e-02 -1.4791619777679443e-01 - <_> - - 0 -1 2328 3.7573580630123615e-03 - - 3.1594600528478622e-02 -3.1387978792190552e-01 - <_> - - 0 -1 2329 -3.4902389161288738e-03 - - 1.1638429760932922e-01 -8.5947930812835693e-02 - <_> - - 0 -1 2330 -2.9415320605039597e-02 - - 6.8403428792953491e-01 -1.6140609979629517e-02 - <_> - - 0 -1 2331 -8.8095385581254959e-03 - - -2.0775319635868073e-01 4.9950890243053436e-02 - <_> - - 0 -1 2332 -1.5459939837455750e-02 - - -4.8748460412025452e-01 2.0065559074282646e-02 - <_> - - 0 -1 2333 -3.6481369286775589e-02 - - -5.2395141124725342e-01 1.5850989148020744e-02 - <_> - - 0 -1 2334 -8.8937362306751311e-05 - - -1.3299320638179779e-01 6.6926807165145874e-02 - <_> - - 0 -1 2335 1.4536709932144731e-04 - - 8.7170369923114777e-02 -1.0435820370912552e-01 - <_> - - 0 -1 2336 1.5216879546642303e-01 - - 1.6140580177307129e-02 -6.4970171451568604e-01 - <_> - - 0 -1 2337 -4.2344830580987036e-04 - - 1.8045839667320251e-01 -5.2974540740251541e-02 - <_> - - 0 -1 2338 1.0672640055418015e-03 - - 2.0548380911350250e-02 -4.8242041468620300e-01 - <_> - - 0 -1 2339 1.5491680242121220e-02 - - -5.1540851593017578e-02 1.8363960087299347e-01 - <_> - - 0 -1 2340 6.1393307987600565e-04 - - 2.9983729124069214e-02 -3.1031700968742371e-01 - <_> - - 0 -1 2341 -1.4619939975091256e-05 - - 1.0368499904870987e-01 -9.1634131968021393e-02 - <_> - - 0 -1 2342 6.9900648668408394e-03 - - 1.4683909714221954e-02 -5.9485381841659546e-01 - <_> - - 0 -1 2343 -5.3000110201537609e-03 - - -1.2457770109176636e-01 7.0542782545089722e-02 - <_> - - 0 -1 2344 5.0289987120777369e-04 - - -7.7135689556598663e-02 1.2228710204362869e-01 - <_> - - 0 -1 2345 1.1190979741513729e-02 - - 5.0308059900999069e-02 -1.8091809749603271e-01 - <_> - - 0 -1 2346 1.7019819468259811e-02 - - -3.8816768676042557e-02 3.0851981043815613e-01 - <_> - - 0 -1 2347 -5.8241572696715593e-04 - - 1.2537799775600433e-01 -7.6115481555461884e-02 - <_> - - 0 -1 2348 2.0036669448018074e-02 - - 4.9899481236934662e-02 -1.8082989752292633e-01 - <_> - - 0 -1 2349 -5.4328818805515766e-03 - - 2.3409770429134369e-01 -4.2385410517454147e-02 - <_> - - 0 -1 2350 -2.9535360226873308e-05 - - 5.7630240917205811e-02 -1.5753529965877533e-01 - <_> - - 0 -1 2351 -1.0352370142936707e-01 - - 7.1587741374969482e-01 -1.2989929877221584e-02 - <_> - - 0 -1 2352 -1.2122269719839096e-02 - - -1.4788970351219177e-01 6.6566437482833862e-02 - <_> - - 0 -1 2353 3.0254870653152466e-03 - - -5.4378628730773926e-02 1.7140829563140869e-01 - <_> - - 0 -1 2354 -5.8111078105866909e-03 - - 2.4422149360179901e-01 -5.7652641087770462e-02 - <_> - - 0 -1 2355 8.2830740138888359e-03 - - 2.2720400243997574e-02 -4.2961999773979187e-01 - <_> - - 0 -1 2356 1.2375120073556900e-02 - - 2.2810289636254311e-02 -3.7505629658699036e-01 - <_> - - 0 -1 2357 1.9211210310459137e-02 - - 1.1791059747338295e-02 -6.5529459714889526e-01 - <_> - - 0 -1 2358 3.1843129545450211e-04 - - 6.4130060374736786e-02 -1.3995569944381714e-01 - <_> - - 0 -1 2359 8.4224628517404199e-04 - - -5.4134279489517212e-02 1.7525580525398254e-01 - <_> - - 0 -1 2360 -1.6085049510002136e-01 - - -9.4571417570114136e-01 7.8549478203058243e-03 - <_> - - 0 -1 2361 -1.6774870455265045e-03 - - -1.9166129827499390e-01 4.5787028968334198e-02 - <_> - - 0 -1 2362 -1.8989649834111333e-03 - - 1.5783150494098663e-01 -6.5896913409233093e-02 - <_> - - 0 -1 2363 4.0205760160461068e-04 - - -7.3599092662334442e-02 1.3118380308151245e-01 - <_> - - 0 -1 2364 2.4369959719479084e-03 - - 2.3522870615124702e-02 -4.2745968699455261e-01 - <_> - - 0 -1 2365 -2.8488409952842630e-05 - - 6.3280619680881500e-02 -1.3599009811878204e-01 - <_> - - 0 -1 2366 1.9538639113306999e-02 - - -2.1458270028233528e-02 4.7534748911857605e-01 - <_> - - 0 -1 2367 -1.6530340071767569e-03 - - -1.5323260426521301e-01 5.9455979615449905e-02 - <_> - - 0 -1 2368 -2.1052840165793896e-03 - - 1.1017639935016632e-01 -8.3118103444576263e-02 - <_> - - 0 -1 2369 -4.5266482047736645e-03 - - 2.5815379619598389e-01 -3.5743940621614456e-02 - <_> - - 0 -1 2370 -1.6275560483336449e-04 - - -1.3548290729522705e-01 6.9295726716518402e-02 - <_> - - 0 -1 2371 -3.3048219047486782e-03 - - 1.7806029319763184e-01 -5.2156440913677216e-02 - <_> - - 0 -1 2372 -5.1905210129916668e-03 - - -3.4897321462631226e-01 2.5990990921854973e-02 - <_> - - 0 -1 2373 1.1190810054540634e-01 - - 2.9962029308080673e-02 -2.9597550630569458e-01 - <_> - - 0 -1 2374 -5.2873138338327408e-03 - - 1.8564499914646149e-01 -5.0216298550367355e-02 - <_> - - 0 -1 2375 2.6098049711436033e-03 - - -7.3559276759624481e-02 1.4365130662918091e-01 - <_> - - 0 -1 2376 -2.8581928927451372e-03 - - -1.2605139613151550e-01 7.5433082878589630e-02 - <_> - - 0 -1 2377 -2.9555680157500319e-05 - - 1.0733310133218765e-01 -1.0386200249195099e-01 - <_> - - 0 -1 2378 5.9023561334470287e-05 - - -1.3029119372367859e-01 7.6478391885757446e-02 - <_> - - 0 -1 2379 -4.3344721198081970e-02 - - -6.9299221038818359e-01 1.4173300005495548e-02 - <_> - - 0 -1 2380 -4.6946998685598373e-02 - - -5.5803751945495605e-01 1.2422920204699039e-02 - <_> - - 0 -1 2381 -1.5189060010015965e-02 - - 3.7049770355224609e-01 -2.5564119219779968e-02 - <_> - - 0 -1 2382 1.6361879184842110e-02 - - 2.7049979194998741e-02 -3.4278920292854309e-01 - <_> - - 0 -1 2383 4.0752839297056198e-02 - - 9.3995258212089539e-03 -8.8683712482452393e-01 - <_> - - 0 -1 2384 -1.0879869572818279e-02 - - 5.3260582685470581e-01 -1.9450860098004341e-02 - <_> - - 0 -1 2385 -7.7538257755804807e-05 - - -1.1696249991655350e-01 7.7288232743740082e-02 - <_> - - 0 -1 2386 -4.0953079587779939e-04 - - 1.6214360296726227e-01 -5.3711488842964172e-02 - <_> - - 0 -1 2387 -1.8464239314198494e-02 - - -5.0844788551330566e-01 1.9838189706206322e-02 - <_> - - 0 -1 2388 -5.6788129732012749e-03 - - 3.0203920602798462e-01 -3.0203990638256073e-02 - <_> - - 0 -1 2389 3.8324110209941864e-04 - - -1.6841089725494385e-01 5.4902028292417526e-02 - <_> - - 0 -1 2390 6.4761550165712833e-03 - - 9.5140263438224792e-02 -1.0746160149574280e-01 - <_> - - 0 -1 2391 -2.4377859663218260e-03 - - -1.5647719800472260e-01 6.3407607376575470e-02 - <_> - - 0 -1 2392 5.4156291298568249e-04 - - -6.5962299704551697e-02 1.8441629409790039e-01 - <_> - - 0 -1 2393 2.7917029336094856e-02 - - -2.7590230107307434e-02 3.5032740235328674e-01 - <_> - - 0 -1 2394 4.6622849185951054e-04 - - 4.9628820270299911e-02 -2.2624179720878601e-01 - <_> - - 0 -1 2395 -3.7316799163818359e-02 - - -4.2978170514106750e-01 2.1337680518627167e-02 - <_> - - 0 -1 2396 -2.6047111023217440e-03 - - 3.6650991439819336e-01 -2.5405049324035645e-02 - <_> - - 0 -1 2397 5.1927138119935989e-03 - - 2.6877930387854576e-02 -3.3478578925132751e-01 - <_> - - 0 -1 2398 3.0462879221886396e-03 - - -3.0848290771245956e-02 2.9788359999656677e-01 - <_> - - 0 -1 2399 -4.1325599886476994e-04 - - 7.2986789047718048e-02 -1.2147530168294907e-01 - <_> - - 0 -1 2400 -1.1456120014190674e-01 - - 3.1955468654632568e-01 -3.3379800617694855e-02 - <_> - - 0 -1 2401 -1.3044059742242098e-03 - - -2.0625290274620056e-01 5.4634369909763336e-02 - <_> - - 0 -1 2402 4.5045089791528881e-05 - - -1.1376550048589706e-01 7.8123383224010468e-02 - <_> - - 0 -1 2403 1.8890319624915719e-03 - - -6.5578728914260864e-02 1.7001299560070038e-01 - <_> - - 0 -1 2404 -5.4107961477711797e-04 - - -1.8184140324592590e-01 5.1611810922622681e-02 - <_> - - 0 -1 2405 4.4150161556899548e-03 - - -3.6324780434370041e-02 2.4938449263572693e-01 - <_> - - 0 -1 2406 -2.1878050640225410e-02 - - -1.7643679678440094e-01 5.4811108857393265e-02 - <_> - - 0 -1 2407 -2.0328219980001450e-03 - - 9.4266183674335480e-02 -9.7129411995410919e-02 - <_> - - 0 -1 2408 2.6754371356219053e-04 - - 5.7487931102514267e-02 -1.5442019701004028e-01 - <_> - - 0 -1 2409 1.4061420224606991e-03 - - -5.0268959254026413e-02 1.8814170360565186e-01 - <_> - - 0 -1 2410 2.0725419744849205e-04 - - 7.7659189701080322e-02 -1.2538130581378937e-01 - <_> - - 0 -1 2411 1.8001600401476026e-03 - - -4.2675640434026718e-02 2.2430649399757385e-01 - <_> - - 0 -1 2412 -4.6744230203330517e-03 - - -3.3480471372604370e-01 2.9364420101046562e-02 - <_> - - 0 -1 2413 7.2110369801521301e-03 - - -5.2441328763961792e-02 1.8891569972038269e-01 - <_> - - 0 -1 2414 2.3627521004527807e-03 - - 3.4400060772895813e-02 -2.7200448513031006e-01 - <_> - - 0 -1 2415 -1.3181479880586267e-03 - - 1.7767719924449921e-01 -5.6363631039857864e-02 - <_> - - 0 -1 2416 -1.7586319881957024e-04 - - 9.1534242033958435e-02 -1.0412310063838959e-01 - <_> - - 0 -1 2417 -2.5801590527407825e-04 - - -1.1226779967546463e-01 8.1381812691688538e-02 - <_> - - 0 -1 2418 9.6790950919967145e-05 - - -1.1881929636001587e-01 7.1883186697959900e-02 - <_> - - 0 -1 2419 8.2001117989420891e-03 - - -4.0254529565572739e-02 2.2790899872779846e-01 - <_> - - 0 -1 2420 -6.7277951166033745e-04 - - -7.0979103446006775e-02 1.2775769829750061e-01 - <_> - - 0 -1 2421 3.7424470065161586e-04 - - 6.7096449434757233e-02 -1.3645760715007782e-01 - <_> - - 0 -1 2422 2.5741120334714651e-03 - - -5.4319828748703003e-02 1.6720260679721832e-01 - <_> - - 0 -1 2423 4.3884690967388451e-04 - - 8.2114033401012421e-02 -1.1024679988622665e-01 - <_> - - 0 -1 2424 -4.8180628567934036e-02 - - -7.2217732667922974e-01 1.2223210185766220e-02 - <_> - - 0 -1 2425 9.9836904555559158e-03 - - 1.2195640243589878e-02 -6.7448061704635620e-01 - <_> - - 0 -1 2426 -1.2344559654593468e-03 - - 1.7145380377769470e-01 -5.5381339043378830e-02 - <_> - - 0 -1 2427 -2.7302911039441824e-03 - - -1.3044339418411255e-01 7.4266709387302399e-02 - <_> - - 0 -1 2428 5.5562541820108891e-04 - - -1.0187319666147232e-01 1.0454159975051880e-01 - <_> - - 0 -1 2429 1.5140359755605459e-03 - - 8.2843840122222900e-02 -1.1898560076951981e-01 - <_> - - 0 -1 2430 -7.2555973019916564e-05 - - -1.2512299418449402e-01 7.1132406592369080e-02 - <_> - - 0 -1 2431 -2.4981278693303466e-04 - - -1.3125610351562500e-01 6.8963102996349335e-02 - <_> - - 0 -1 2432 -6.0206428170204163e-03 - - 2.1284450590610504e-01 -4.7603111714124680e-02 - <_> - - 0 -1 2433 -7.2469102451577783e-04 - - 1.0499659925699234e-01 -8.5549630224704742e-02 - <_> - - 0 -1 2434 6.3740357290953398e-04 - - 5.4655481129884720e-02 -1.7353290319442749e-01 - <_> - - 0 -1 2435 1.0901190340518951e-02 - - -5.2832279354333878e-02 1.8752649426460266e-01 - <_> - - 0 -1 2436 7.0734010078012943e-03 - - 6.2958806753158569e-02 -1.6468439996242523e-01 - <_> - - 0 -1 2437 1.3333789538592100e-03 - - -1.2590870261192322e-01 9.4716809689998627e-02 - <_> - 171 - -1.2739679813385010e+00 - - <_> - - 0 -1 2438 6.2053989619016647e-02 - - -2.5427028536796570e-01 2.3591099679470062e-01 - <_> - - 0 -1 2439 5.9534627944231033e-03 - - -2.2544360160827637e-01 1.7751939594745636e-01 - <_> - - 0 -1 2440 7.2477371431887150e-03 - - -1.1398050189018250e-01 2.7556711435317993e-01 - <_> - - 0 -1 2441 -2.2824530024081469e-03 - - 8.6277678608894348e-02 -3.1412398815155029e-01 - <_> - - 0 -1 2442 1.1776019819080830e-02 - - -6.2360338866710663e-02 3.4443479776382446e-01 - <_> - - 0 -1 2443 4.3855342082679272e-03 - - 1.8105769529938698e-02 -5.0128728151321411e-01 - <_> - - 0 -1 2444 1.5859069302678108e-02 - - -7.8765146434307098e-02 2.6402598619461060e-01 - <_> - - 0 -1 2445 3.0654110014438629e-03 - - 3.3250238746404648e-02 -4.3427819013595581e-01 - <_> - - 0 -1 2446 2.5912460405379534e-03 - - 4.0578570216894150e-02 -4.9658200144767761e-01 - <_> - - 0 -1 2447 3.0834769131615758e-04 - - -1.4615769684314728e-01 1.2339019775390625e-01 - <_> - - 0 -1 2448 -2.4314899928867817e-03 - - 7.2739332914352417e-02 -1.9999310374259949e-01 - <_> - - 0 -1 2449 -1.8934230320155621e-03 - - -2.3373599350452423e-01 5.6464370340108871e-02 - <_> - - 0 -1 2450 4.4724289327859879e-03 - - 4.7042880207300186e-02 -3.1258741021156311e-01 - <_> - - 0 -1 2451 1.5810050535947084e-04 - - -1.3098309934139252e-01 1.0137090086936951e-01 - <_> - - 0 -1 2452 1.8755989149212837e-02 - - -3.8183789700269699e-02 3.7149110436439514e-01 - <_> - - 0 -1 2453 -7.4876967119053006e-04 - - 1.9981959462165833e-01 -6.0278389602899551e-02 - <_> - - 0 -1 2454 -9.3861011555418372e-04 - - 8.7467707693576813e-02 -1.6001270711421967e-01 - <_> - - 0 -1 2455 -1.3442989438772202e-03 - - -3.3072051405906677e-01 3.6564111709594727e-02 - <_> - - 0 -1 2456 -1.1384190293028951e-03 - - -2.0630060136318207e-01 5.6614480912685394e-02 - <_> - - 0 -1 2457 2.5966269895434380e-03 - - -6.2676019966602325e-02 1.9195850193500519e-01 - <_> - - 0 -1 2458 1.2499650474637747e-03 - - 5.7390280067920685e-02 -1.9605259597301483e-01 - <_> - - 0 -1 2459 1.1832700110971928e-03 - - -8.5788756608963013e-02 1.3682979345321655e-01 - <_> - - 0 -1 2460 -5.1836138591170311e-03 - - 3.1635698676109314e-01 -4.6736460179090500e-02 - <_> - - 0 -1 2461 -1.3185790181159973e-01 - - -6.2279629707336426e-01 1.8798090517520905e-02 - <_> - - 0 -1 2462 1.8653980223461986e-03 - - 3.8837268948554993e-02 -3.0104321241378784e-01 - <_> - - 0 -1 2463 7.3482480365782976e-04 - - -7.6612047851085663e-02 1.5002079308032990e-01 - <_> - - 0 -1 2464 -1.5738410002086312e-04 - - -1.6588360071182251e-01 7.0020452141761780e-02 - <_> - - 0 -1 2465 5.1779212662950158e-04 - - 7.4801079928874969e-02 -1.6358199715614319e-01 - <_> - - 0 -1 2466 7.5904270634055138e-03 - - -5.1050990819931030e-02 2.4487720429897308e-01 - <_> - - 0 -1 2467 -1.1010250076651573e-02 - - -5.8380401134490967e-01 2.0622009411454201e-02 - <_> - - 0 -1 2468 1.1621849983930588e-01 - - 2.5175059214234352e-02 -4.1262671351432800e-01 - <_> - - 0 -1 2469 -7.4468040838837624e-04 - - 1.2729789316654205e-01 -8.9675500988960266e-02 - <_> - - 0 -1 2470 1.1765309609472752e-02 - - 2.0906679332256317e-02 -5.3172761201858521e-01 - <_> - - 0 -1 2471 -4.4441698119044304e-03 - - 1.4282639324665070e-01 -7.8762412071228027e-02 - <_> - - 0 -1 2472 -4.3369788909330964e-04 - - -2.2131459414958954e-01 5.4554950445890427e-02 - <_> - - 0 -1 2473 -1.9204010022804141e-03 - - -2.5610721111297607e-01 4.0600918233394623e-02 - <_> - - 0 -1 2474 -2.9081690590828657e-03 - - 2.0206320285797119e-01 -5.6222829967737198e-02 - <_> - - 0 -1 2475 -1.4549949810316321e-05 - - 9.0000502765178680e-02 -1.1770520359277725e-01 - <_> - - 0 -1 2476 -5.3217669483274221e-04 - - -1.5299430489540100e-01 6.8925492465496063e-02 - <_> - - 0 -1 2477 -1.4590179547667503e-02 - - 2.1776519715785980e-01 -5.1850430667400360e-02 - <_> - - 0 -1 2478 -4.0213059401139617e-04 - - 9.4017893075942993e-02 -1.1027640104293823e-01 - <_> - - 0 -1 2479 -2.3089889436960220e-03 - - 2.4792349338531494e-01 -5.7857040315866470e-02 - <_> - - 0 -1 2480 3.1196139752864838e-04 - - -1.4021940529346466e-01 7.7247492969036102e-02 - <_> - - 0 -1 2481 -9.1317007318139076e-03 - - 4.0242809057235718e-01 -2.8953509405255318e-02 - <_> - - 0 -1 2482 4.2655199649743736e-04 - - 5.3114388138055801e-02 -2.1355339884757996e-01 - <_> - - 0 -1 2483 3.9956220425665379e-03 - - 4.4066920876502991e-02 -2.2994419932365417e-01 - <_> - - 0 -1 2484 -1.4012040337547660e-03 - - 2.7106899023056030e-01 -4.5171830803155899e-02 - <_> - - 0 -1 2485 3.6064770072698593e-02 - - 3.3628080040216446e-02 -3.2830131053924561e-01 - <_> - - 0 -1 2486 -1.3408949598670006e-04 - - -1.3888040184974670e-01 8.0078050494194031e-02 - <_> - - 0 -1 2487 -6.9480319507420063e-03 - - -3.9315450191497803e-01 2.7302930131554604e-02 - <_> - - 0 -1 2488 -1.4855440240353346e-03 - - 1.9761669635772705e-01 -5.1562070846557617e-02 - <_> - - 0 -1 2489 -1.3757539913058281e-02 - - -5.5620980262756348e-01 1.8301570788025856e-02 - <_> - - 0 -1 2490 8.4021147340536118e-03 - - 1.3690480031073093e-02 -6.3171321153640747e-01 - <_> - - 0 -1 2491 -1.7845979891717434e-04 - - -1.4535990357398987e-01 6.3921131193637848e-02 - <_> - - 0 -1 2492 -1.1326850391924381e-02 - - 6.5870612859725952e-01 -1.6460629180073738e-02 - <_> - - 0 -1 2493 1.5268150018528104e-03 - - -6.0389541089534760e-02 1.5454010665416718e-01 - <_> - - 0 -1 2494 -6.0069989413022995e-03 - - 2.5859731435775757e-01 -4.9466971307992935e-02 - <_> - - 0 -1 2495 -7.4241221882402897e-03 - - -3.8806110620498657e-01 2.9393190518021584e-02 - <_> - - 0 -1 2496 -3.9992430247366428e-03 - - -1.3788199424743652e-01 7.7991880476474762e-02 - <_> - - 0 -1 2497 1.0202969860984012e-04 - - 7.2710737586021423e-02 -1.7032580077648163e-01 - <_> - - 0 -1 2498 4.0135599556379020e-04 - - -9.2788018286228180e-02 1.2305440008640289e-01 - <_> - - 0 -1 2499 -9.7611807286739349e-03 - - -3.6630520224571228e-01 2.9748899862170219e-02 - <_> - - 0 -1 2500 -3.0745539069175720e-01 - - -7.8651821613311768e-01 1.3058690354228020e-02 - <_> - - 0 -1 2501 -6.0231718234717846e-03 - - -5.0900238752365112e-01 1.8171619623899460e-02 - <_> - - 0 -1 2502 -2.3784159566275775e-04 - - -9.9822521209716797e-02 1.0530869662761688e-01 - <_> - - 0 -1 2503 1.3516229810193181e-03 - - -6.6444016993045807e-02 1.5425109863281250e-01 - <_> - - 0 -1 2504 -1.6924949595704675e-03 - - -4.4133850932121277e-01 2.5100700557231903e-02 - <_> - - 0 -1 2505 1.0610929457470775e-03 - - -6.0577899217605591e-02 1.7217910289764404e-01 - <_> - - 0 -1 2506 5.6644581491127610e-04 - - -7.8687779605388641e-02 1.6784669458866119e-01 - <_> - - 0 -1 2507 -1.3955390080809593e-02 - - -5.7841098308563232e-01 1.9087139517068863e-02 - <_> - - 0 -1 2508 -1.8862909637391567e-03 - - 6.2118150293827057e-02 -1.6523399949073792e-01 - <_> - - 0 -1 2509 1.6784170642495155e-02 - - -3.0380919575691223e-02 3.6105319857597351e-01 - <_> - - 0 -1 2510 -1.4158519661577884e-05 - - 7.2182632982730865e-02 -1.4407490193843842e-01 - <_> - - 0 -1 2511 7.3750452138483524e-03 - - 2.9791580513119698e-02 -2.9277870059013367e-01 - <_> - - 0 -1 2512 8.0517530441284180e-03 - - -4.4681299477815628e-02 2.1760399639606476e-01 - <_> - - 0 -1 2513 -7.9519696533679962e-02 - - -6.5208691358566284e-01 1.4618909917771816e-02 - <_> - - 0 -1 2514 1.2065700255334377e-02 - - 2.9202880337834358e-02 -2.9454120993614197e-01 - <_> - - 0 -1 2515 -1.0122699663043022e-02 - - 2.7746239304542542e-01 -4.3713569641113281e-02 - <_> - - 0 -1 2516 -1.8515810370445251e-01 - - -4.6136859059333801e-01 2.4093240499496460e-02 - <_> - - 0 -1 2517 -8.0726131796836853e-02 - - -4.4673430919647217e-01 2.0845459774136543e-02 - <_> - - 0 -1 2518 1.5173270367085934e-03 - - -5.1575969904661179e-02 1.8063379824161530e-01 - <_> - - 0 -1 2519 -1.1184819974005222e-02 - - -3.5373958945274353e-01 2.7059540152549744e-02 - <_> - - 0 -1 2520 -3.5008399281650782e-03 - - 2.0548710227012634e-01 -4.6032059937715530e-02 - <_> - - 0 -1 2521 1.4720410108566284e-03 - - -6.3871711492538452e-02 1.8168300390243530e-01 - <_> - - 0 -1 2522 -4.5021830010227859e-04 - - -1.6353920102119446e-01 5.9327740222215652e-02 - <_> - - 0 -1 2523 6.1653478769585490e-04 - - 6.9089323282241821e-02 -1.9156040251255035e-01 - <_> - - 0 -1 2524 1.4797239564359188e-03 - - -5.2241999655961990e-02 1.8631340563297272e-01 - <_> - - 0 -1 2525 -1.4754989933862817e-05 - - 7.3586143553256989e-02 -1.5092320740222931e-01 - <_> - - 0 -1 2526 8.6423632455989718e-04 - - 6.6930077970027924e-02 -1.3976100087165833e-01 - <_> - - 0 -1 2527 -4.1005611419677734e-03 - - 2.0946699380874634e-01 -4.7175008803606033e-02 - <_> - - 0 -1 2528 -2.1505339536815882e-03 - - -5.2753841876983643e-01 1.7665250226855278e-02 - <_> - - 0 -1 2529 7.8334724530577660e-03 - - -4.5125011354684830e-02 2.0374919474124908e-01 - <_> - - 0 -1 2530 -3.2690390944480896e-03 - - -1.3836699724197388e-01 7.0653162896633148e-02 - <_> - - 0 -1 2531 3.9274748414754868e-03 - - 6.8428598344326019e-02 -1.6210170090198517e-01 - <_> - - 0 -1 2532 7.6534547843039036e-03 - - -9.3162156641483307e-02 9.9912680685520172e-02 - <_> - - 0 -1 2533 -3.2620150595903397e-02 - - 3.5453549027442932e-01 -3.0765339732170105e-02 - <_> - - 0 -1 2534 -1.8247209489345551e-02 - - -3.8171181082725525e-01 2.7764180675148964e-02 - <_> - - 0 -1 2535 -8.0104079097509384e-04 - - -1.4329099655151367e-01 6.4936630427837372e-02 - <_> - - 0 -1 2536 -1.0993109643459320e-01 - - 8.7319427728652954e-01 -1.1242670007050037e-02 - <_> - - 0 -1 2537 -3.0508199706673622e-02 - - -6.1269849538803101e-01 1.9372699782252312e-02 - <_> - - 0 -1 2538 -1.9187819212675095e-02 - - 2.8533020615577698e-01 -3.6832328885793686e-02 - <_> - - 0 -1 2539 2.3266570642590523e-03 - - 4.7289360314607620e-02 -2.1252959966659546e-01 - <_> - - 0 -1 2540 -1.4535760274156928e-03 - - 1.3778920471668243e-01 -7.4501492083072662e-02 - <_> - - 0 -1 2541 -1.0573640465736389e-03 - - -2.2186830639839172e-01 4.2039170861244202e-02 - <_> - - 0 -1 2542 1.7203199677169323e-03 - - -6.9299750030040741e-02 1.3794890046119690e-01 - <_> - - 0 -1 2543 -1.4716150471940637e-03 - - 2.4296709895133972e-01 -4.0795009583234787e-02 - <_> - - 0 -1 2544 -5.2822660654783249e-03 - - -3.1959480047225952e-01 3.4215260297060013e-02 - <_> - - 0 -1 2545 -4.7165742143988609e-03 - - 3.0581191182136536e-01 -3.1772918999195099e-02 - <_> - - 0 -1 2546 7.3668370023369789e-03 - - 6.1085078865289688e-02 -1.6390019655227661e-01 - <_> - - 0 -1 2547 -7.6594999991357327e-03 - - -4.6472349762916565e-01 1.8869750201702118e-02 - <_> - - 0 -1 2548 7.6969028450548649e-03 - - -1.8191590905189514e-02 5.5395811796188354e-01 - <_> - - 0 -1 2549 -5.6195858633145690e-04 - - 9.7618483006954193e-02 -1.0844089835882187e-01 - <_> - - 0 -1 2550 -1.4587530131393578e-05 - - 7.4585132300853729e-02 -1.2353610247373581e-01 - <_> - - 0 -1 2551 -9.5779378898441792e-04 - - 1.6370140016078949e-01 -5.8610081672668457e-02 - <_> - - 0 -1 2552 8.0253500491380692e-03 - - 2.6857670396566391e-02 -4.1507768630981445e-01 - <_> - - 0 -1 2553 1.6938529442995787e-03 - - 4.8536270856857300e-02 -1.7888469994068146e-01 - <_> - - 0 -1 2554 -4.3334178626537323e-03 - - 1.9798220694065094e-01 -4.8085059970617294e-02 - <_> - - 0 -1 2555 -2.2440029715653509e-04 - - -1.5113249421119690e-01 6.0428649187088013e-02 - <_> - - 0 -1 2556 -1.1392509564757347e-02 - - 3.2737928628921509e-01 -2.9751259833574295e-02 - <_> - - 0 -1 2557 -9.3984175473451614e-03 - - -1.2912990152835846e-01 7.6302282512187958e-02 - <_> - - 0 -1 2558 8.7430170970037580e-04 - - -9.7556166350841522e-02 9.7808010876178741e-02 - <_> - - 0 -1 2559 7.5171617791056633e-03 - - 6.5084353089332581e-02 -1.5419410169124603e-01 - <_> - - 0 -1 2560 -2.7937069535255432e-03 - - 1.5009529888629913e-01 -6.3355393707752228e-02 - <_> - - 0 -1 2561 -3.4385098842903972e-04 - - 1.2404289841651917e-01 -7.5780630111694336e-02 - <_> - - 0 -1 2562 8.7557926774024963e-02 - - -1.5905940905213356e-02 5.6607347726821899e-01 - <_> - - 0 -1 2563 -9.3594435602426529e-03 - - -3.3039200305938721e-01 3.0874710530042648e-02 - <_> - - 0 -1 2564 -6.7703737877309322e-03 - - 1.7960870265960693e-01 -5.1310319453477859e-02 - <_> - - 0 -1 2565 -6.2513751909136772e-03 - - -5.7952338457107544e-01 1.5425769612193108e-02 - <_> - - 0 -1 2566 -2.5206409394741058e-02 - - -6.3777071237564087e-01 1.3051119633018970e-02 - <_> - - 0 -1 2567 -1.1819769861176610e-03 - - -2.0478110015392303e-01 4.0494531393051147e-02 - <_> - - 0 -1 2568 -1.0458839824423194e-03 - - 1.4812879264354706e-01 -6.2631592154502869e-02 - <_> - - 0 -1 2569 -2.5445020291954279e-03 - - 1.3021010160446167e-01 -6.9430023431777954e-02 - <_> - - 0 -1 2570 -8.0673627555370331e-02 - - -2.8054219484329224e-01 3.8956280797719955e-02 - <_> - - 0 -1 2571 -1.4390920114237815e-04 - - 1.0780519992113113e-01 -9.6550762653350830e-02 - <_> - - 0 -1 2572 7.6481432188302279e-04 - - 6.0667239129543304e-02 -1.5742610394954681e-01 - <_> - - 0 -1 2573 -3.4516688901931047e-04 - - 1.1415769904851913e-01 -8.8832370936870575e-02 - <_> - - 0 -1 2574 -2.2118249908089638e-03 - - 2.2988039255142212e-01 -5.0498738884925842e-02 - <_> - - 0 -1 2575 9.4616543501615524e-03 - - 1.9827060401439667e-02 -5.0633531808853149e-01 - <_> - - 0 -1 2576 1.0567939607426524e-03 - - 3.8744639605283737e-02 -2.3509359359741211e-01 - <_> - - 0 -1 2577 2.9194469098001719e-03 - - -6.1895478516817093e-02 1.5313319861888885e-01 - <_> - - 0 -1 2578 -1.0768010281026363e-02 - - -5.5298101902008057e-01 1.7847239971160889e-02 - <_> - - 0 -1 2579 -1.0197740048170090e-03 - - 1.1559300124645233e-01 -8.0185852944850922e-02 - <_> - - 0 -1 2580 1.8127029761672020e-04 - - 5.6652870029211044e-02 -1.6549369692802429e-01 - <_> - - 0 -1 2581 7.1620188464294188e-06 - - -9.1480091214179993e-02 9.7915090620517731e-02 - <_> - - 0 -1 2582 5.2910070866346359e-02 - - -1.3591200113296509e-02 6.6090220212936401e-01 - <_> - - 0 -1 2583 4.0185371041297913e-01 - - 1.9574489444494247e-02 -4.9015858769416809e-01 - <_> - - 0 -1 2584 -1.7914770171046257e-02 - - -8.8317036628723145e-02 1.0532960295677185e-01 - <_> - - 0 -1 2585 -1.4578569789591711e-05 - - 7.8513152897357941e-02 -1.2300349771976471e-01 - <_> - - 0 -1 2586 6.4994548447430134e-03 - - -4.0843468159437180e-02 2.9337158799171448e-01 - <_> - - 0 -1 2587 9.5762982964515686e-02 - - 1.9332479685544968e-02 -5.3444057703018188e-01 - <_> - - 0 -1 2588 1.4263469893194269e-05 - - -8.8897533714771271e-02 1.0632789880037308e-01 - <_> - - 0 -1 2589 2.2215039934962988e-03 - - -4.0777951478958130e-02 2.6405128836631775e-01 - <_> - - 0 -1 2590 3.1875250861048698e-03 - - 5.9725038707256317e-02 -1.6202959418296814e-01 - <_> - - 0 -1 2591 9.6069589257240295e-02 - - 1.1318460106849670e-02 -7.9110687971115112e-01 - <_> - - 0 -1 2592 1.9584870897233486e-03 - - -3.9252020418643951e-02 2.3639929294586182e-01 - <_> - - 0 -1 2593 -1.8468469381332397e-01 - - -5.8974397182464600e-01 1.5758410096168518e-02 - <_> - - 0 -1 2594 2.1685050160158426e-04 - - 4.6320449560880661e-02 -1.8274679780006409e-01 - <_> - - 0 -1 2595 1.8809709697961807e-02 - - -4.3357118964195251e-02 2.7832600474357605e-01 - <_> - - 0 -1 2596 -6.2639699317514896e-03 - - -1.3891190290451050e-01 7.7115900814533234e-02 - <_> - - 0 -1 2597 3.2622940489090979e-04 - - -9.1803021728992462e-02 1.0588289797306061e-01 - <_> - - 0 -1 2598 5.3745559416711330e-03 - - 1.0803489945828915e-02 -7.6716458797454834e-01 - <_> - - 0 -1 2599 2.8126770630478859e-03 - - -5.9618860483169556e-02 1.6133050620555878e-01 - <_> - - 0 -1 2600 -6.5314618404954672e-04 - - -8.5690811276435852e-02 1.1540769785642624e-01 - <_> - - 0 -1 2601 -1.7845110269263387e-03 - - 8.1831991672515869e-02 -1.2700800597667694e-01 - <_> - - 0 -1 2602 3.0969830695539713e-03 - - 6.8366639316082001e-02 -1.4475439488887787e-01 - <_> - - 0 -1 2603 -4.1442047804594040e-03 - - 1.8632030487060547e-01 -5.4030310362577438e-02 - <_> - - 0 -1 2604 -4.9972519278526306e-02 - - -1.2800359725952148e-01 8.5049159824848175e-02 - <_> - - 0 -1 2605 -1.0743910446763039e-02 - - 1.3701729476451874e-01 -7.7366456389427185e-02 - <_> - - 0 -1 2606 -3.0474149389192462e-04 - - -1.6938340663909912e-01 5.7971168309450150e-02 - <_> - - 0 -1 2607 3.6023318767547607e-02 - - 1.3561300002038479e-02 -6.3279747962951660e-01 - <_> - - 0 -1 2608 2.5479190517216921e-03 - - -4.3824359774589539e-02 2.2150419652462006e-01 - - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 10 2 3 2. - <_> - - <_> - 8 3 10 7 -1. - <_> - 13 3 5 7 2. - <_> - - <_> - 10 11 3 6 -1. - <_> - 10 14 3 3 2. - <_> - - <_> - 10 4 8 8 -1. - <_> - 14 4 4 8 2. - <_> - - <_> - 5 7 5 4 -1. - <_> - 5 9 5 2 2. - <_> - - <_> - 8 4 6 6 -1. - <_> - 8 4 3 3 2. - <_> - 11 7 3 3 2. - <_> - - <_> - 10 14 5 2 -1. - <_> - 10 15 5 1 2. - <_> - - <_> - 7 11 8 4 -1. - <_> - 7 13 8 2 2. - <_> - - <_> - 11 14 3 3 -1. - <_> - 11 15 3 1 3. - <_> - - <_> - 3 5 3 11 -1. - <_> - 4 5 1 11 3. - <_> - - <_> - 8 7 9 6 -1. - <_> - 8 10 9 3 2. - <_> - - <_> - 13 12 1 2 -1. - <_> - 13 13 1 1 2. - <_> - - <_> - 1 3 6 17 -1. - <_> - 4 3 3 17 2. - <_> - - <_> - 11 12 1 3 -1. - <_> - 11 13 1 1 3. - <_> - - <_> - 1 9 6 9 -1. - <_> - 4 9 3 9 2. - <_> - - <_> - 10 5 8 6 -1. - <_> - 14 5 4 6 2. - <_> - - <_> - 7 8 9 6 -1. - <_> - 7 10 9 2 3. - <_> - - <_> - 5 8 6 6 -1. - <_> - 5 8 3 3 2. - <_> - 8 11 3 3 2. - <_> - - <_> - 2 0 4 18 -1. - <_> - 4 0 2 18 2. - <_> - - <_> - 10 12 3 4 -1. - <_> - 10 14 3 2 2. - <_> - - <_> - 7 0 3 9 -1. - <_> - 7 3 3 3 3. - <_> - - <_> - 11 13 1 3 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 4 8 5 2 -1. - <_> - 4 9 5 1 2. - <_> - - <_> - 11 13 2 3 -1. - <_> - 11 14 2 1 3. - <_> - - <_> - 12 12 1 3 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 9 12 2 8 -1. - <_> - 9 16 2 4 2. - <_> - - <_> - 6 3 4 13 -1. - <_> - 8 3 2 13 2. - <_> - - <_> - 2 6 4 12 -1. - <_> - 4 6 2 12 2. - <_> - - <_> - 11 13 3 2 -1. - <_> - 12 13 1 2 3. - <_> - - <_> - 3 5 3 11 -1. - <_> - 4 5 1 11 3. - <_> - - <_> - 3 6 13 12 -1. - <_> - 3 12 13 6 2. - <_> - - <_> - 7 7 6 6 -1. - <_> - 7 7 3 3 2. - <_> - 10 10 3 3 2. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 5 4 14 3 -1. - <_> - 12 4 7 3 2. - <_> - - <_> - 10 12 3 2 -1. - <_> - 11 12 1 2 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 12 14 1 3 -1. - <_> - 12 15 1 1 3. - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 6 1 3 3. - <_> - - <_> - 8 4 3 2 -1. - <_> - 9 4 1 2 3. - <_> - - <_> - 3 3 3 13 -1. - <_> - 4 3 1 13 3. - <_> - - <_> - 15 4 2 3 -1. - <_> - 15 5 2 1 3. - <_> - - <_> - 12 8 4 4 -1. - <_> - 12 10 4 2 2. - <_> - - <_> - 8 7 8 9 -1. - <_> - 8 10 8 3 3. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 0 6 3 2. - <_> - 14 3 6 3 2. - <_> - - <_> - 5 9 3 6 -1. - <_> - 5 12 3 3 2. - <_> - - <_> - 11 12 2 4 -1. - <_> - 12 12 1 4 2. - <_> - - <_> - 10 11 3 8 -1. - <_> - 11 11 1 8 3. - <_> - - <_> - 5 5 5 6 -1. - <_> - 5 7 5 2 3. - <_> - - <_> - 10 13 2 6 -1. - <_> - 10 16 2 3 2. - <_> - - <_> - 10 15 3 4 -1. - <_> - 11 15 1 4 3. - <_> - - <_> - 7 3 3 3 -1. - <_> - 8 3 1 3 3. - <_> - - <_> - 5 8 6 2 -1. - <_> - 8 8 3 2 2. - <_> - - <_> - 8 7 4 2 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 5 6 2 3 -1. - <_> - 6 6 1 3 2. - <_> - - <_> - 8 0 3 8 -1. - <_> - 9 0 1 8 3. - <_> - - <_> - 5 10 3 8 -1. - <_> - 5 14 3 4 2. - <_> - - <_> - 12 3 3 2 -1. - <_> - 13 3 1 2 3. - <_> - - <_> - 8 2 3 4 -1. - <_> - 9 2 1 4 3. - <_> - - <_> - 14 10 1 8 -1. - <_> - 14 14 1 4 2. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 9 12 3 2 -1. - <_> - 10 12 1 2 3. - <_> - - <_> - 12 2 1 12 -1. - <_> - 12 6 1 4 3. - <_> - - <_> - 2 8 14 6 -1. - <_> - 2 8 7 3 2. - <_> - 9 11 7 3 2. - <_> - - <_> - 11 3 3 17 -1. - <_> - 12 3 1 17 3. - <_> - - <_> - 12 12 1 2 -1. - <_> - 12 13 1 1 2. - <_> - - <_> - 13 1 2 1 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 12 12 2 3 -1. - <_> - 12 13 2 1 3. - <_> - - <_> - 8 2 10 10 -1. - <_> - 13 2 5 10 2. - <_> - - <_> - 11 13 3 1 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 12 10 1 4 -1. - <_> - 12 12 1 2 2. - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 10 2 3 2. - <_> - - <_> - 12 11 1 3 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 10 12 1 3 3. - <_> - - <_> - 6 0 8 6 -1. - <_> - 6 3 8 3 2. - <_> - - <_> - 0 0 8 19 -1. - <_> - 4 0 4 19 2. - <_> - - <_> - 5 6 4 9 -1. - <_> - 5 9 4 3 3. - <_> - - <_> - 13 14 1 2 -1. - <_> - 13 15 1 1 2. - <_> - - <_> - 1 3 8 15 -1. - <_> - 5 3 4 15 2. - <_> - - <_> - 13 14 2 3 -1. - <_> - 13 15 2 1 3. - <_> - - <_> - 5 7 3 2 -1. - <_> - 6 7 1 2 3. - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 18 4 1 2 -1. - <_> - 18 5 1 1 2. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 10 10 3 4 -1. - <_> - 11 10 1 4 3. - <_> - - <_> - 6 5 2 14 -1. - <_> - 6 12 2 7 2. - <_> - - <_> - 14 8 3 4 -1. - <_> - 14 10 3 2 2. - <_> - - <_> - 4 5 3 6 -1. - <_> - 4 7 3 2 3. - <_> - - <_> - 5 10 2 8 -1. - <_> - 5 14 2 4 2. - <_> - - <_> - 9 1 3 2 -1. - <_> - 10 1 1 2 3. - <_> - - <_> - 10 1 3 3 -1. - <_> - 11 1 1 3 3. - <_> - - <_> - 9 12 8 8 -1. - <_> - 9 12 4 4 2. - <_> - 13 16 4 4 2. - <_> - - <_> - 8 13 6 4 -1. - <_> - 10 13 2 4 3. - <_> - - <_> - 3 6 3 12 -1. - <_> - 4 6 1 12 3. - <_> - - <_> - 9 3 8 5 -1. - <_> - 13 3 4 5 2. - <_> - - <_> - 7 7 3 6 -1. - <_> - 7 10 3 3 2. - <_> - - <_> - 5 10 10 4 -1. - <_> - 5 12 10 2 2. - <_> - - <_> - 11 12 1 6 -1. - <_> - 11 15 1 3 2. - <_> - - <_> - 5 8 6 2 -1. - <_> - 8 8 3 2 2. - <_> - - <_> - 2 0 8 4 -1. - <_> - 2 0 4 2 2. - <_> - 6 2 4 2 2. - <_> - - <_> - 11 7 3 5 -1. - <_> - 12 7 1 5 3. - <_> - - <_> - 12 13 2 3 -1. - <_> - 12 14 2 1 3. - <_> - - <_> - 12 12 1 2 -1. - <_> - 12 13 1 1 2. - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 2 6 3 9 -1. - <_> - 3 6 1 9 3. - <_> - - <_> - 12 12 1 3 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 5 8 4 2 -1. - <_> - 5 9 4 1 2. - <_> - - <_> - 3 8 3 7 -1. - <_> - 4 8 1 7 3. - <_> - - <_> - 1 3 6 15 -1. - <_> - 3 3 2 15 3. - <_> - - <_> - 12 14 4 3 -1. - <_> - 12 15 4 1 3. - <_> - - <_> - 9 0 2 20 -1. - <_> - 9 0 1 10 2. - <_> - 10 10 1 10 2. - <_> - - <_> - 6 12 3 3 -1. - <_> - 6 13 3 1 3. - <_> - - <_> - 5 7 3 10 -1. - <_> - 5 12 3 5 2. - <_> - - <_> - 8 5 2 1 -1. - <_> - 9 5 1 1 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 5 13 3 1 3. - <_> - - <_> - 15 5 4 2 -1. - <_> - 15 6 4 1 2. - <_> - - <_> - 15 5 3 2 -1. - <_> - 15 6 3 1 2. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 6 5 4 12 -1. - <_> - 8 5 2 12 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 8 4 1 3 3. - <_> - - <_> - 5 6 2 3 -1. - <_> - 6 6 1 3 2. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 12 10 2 1 -1. - <_> - 13 10 1 1 2. - <_> - - <_> - 10 13 5 2 -1. - <_> - 10 14 5 1 2. - <_> - - <_> - 11 13 1 3 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 7 2 3 6 -1. - <_> - 7 4 3 2 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 12 14 2 3 -1. - <_> - 12 15 2 1 3. - <_> - - <_> - 8 5 3 3 -1. - <_> - 8 6 3 1 3. - <_> - - <_> - 7 6 9 10 -1. - <_> - 7 11 9 5 2. - <_> - - <_> - 0 18 18 2 -1. - <_> - 6 18 6 2 3. - <_> - - <_> - 0 5 1 8 -1. - <_> - 0 9 1 4 2. - <_> - - <_> - 1 3 8 10 -1. - <_> - 1 8 8 5 2. - <_> - - <_> - 9 12 6 2 -1. - <_> - 9 13 6 1 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 9 4 3 3 -1. - <_> - 10 4 1 3 3. - <_> - - <_> - 13 13 1 3 -1. - <_> - 13 14 1 1 3. - <_> - - <_> - 2 6 13 3 -1. - <_> - 2 7 13 1 3. - <_> - - <_> - 10 15 2 4 -1. - <_> - 11 15 1 4 2. - <_> - - <_> - 7 7 2 3 -1. - <_> - 8 7 1 3 2. - <_> - - <_> - 3 6 12 8 -1. - <_> - 3 6 6 4 2. - <_> - 9 10 6 4 2. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 0 4 2 2. - <_> - 16 2 4 2 2. - <_> - - <_> - 9 15 3 3 -1. - <_> - 10 15 1 3 3. - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 15 1 1 2. - <_> - - <_> - 6 11 5 6 -1. - <_> - 6 14 5 3 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 6 1 4 3. - <_> - - <_> - 9 6 6 4 -1. - <_> - 11 6 2 4 3. - <_> - - <_> - 6 5 12 6 -1. - <_> - 6 7 12 2 3. - <_> - - <_> - 3 1 16 7 -1. - <_> - 11 1 8 7 2. - <_> - - <_> - 12 11 1 6 -1. - <_> - 12 14 1 3 2. - <_> - - <_> - 6 6 9 8 -1. - <_> - 6 10 9 4 2. - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 12 4 3 2. - <_> - - <_> - 1 0 6 14 -1. - <_> - 4 0 3 14 2. - <_> - - <_> - 8 1 1 9 -1. - <_> - 8 4 1 3 3. - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 14 2 1 2. - <_> - - <_> - 2 7 4 13 -1. - <_> - 4 7 2 13 2. - <_> - - <_> - 5 8 6 6 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 18 0 2 20 -1. - <_> - 19 0 1 20 2. - <_> - - <_> - 6 7 3 3 -1. - <_> - 7 7 1 3 3. - <_> - - <_> - 13 10 1 4 -1. - <_> - 13 12 1 2 2. - <_> - - <_> - 12 11 2 2 -1. - <_> - 12 12 2 1 2. - <_> - - <_> - 3 6 12 6 -1. - <_> - 3 6 6 3 2. - <_> - 9 9 6 3 2. - <_> - - <_> - 10 13 2 2 -1. - <_> - 10 14 2 1 2. - <_> - - <_> - 6 13 2 3 -1. - <_> - 6 14 2 1 3. - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 6 14 3 3 -1. - <_> - 6 15 3 1 3. - <_> - - <_> - 5 15 3 3 -1. - <_> - 5 16 3 1 3. - <_> - - <_> - 15 3 1 3 -1. - <_> - 15 4 1 1 3. - <_> - - <_> - 3 8 3 12 -1. - <_> - 4 8 1 12 3. - <_> - - <_> - 3 4 3 14 -1. - <_> - 4 4 1 14 3. - <_> - - <_> - 6 11 6 2 -1. - <_> - 9 11 3 2 2. - <_> - - <_> - 4 8 8 4 -1. - <_> - 8 8 4 4 2. - <_> - - <_> - 4 5 2 4 -1. - <_> - 5 5 1 4 2. - <_> - - <_> - 7 3 2 1 -1. - <_> - 8 3 1 1 2. - <_> - - <_> - 12 16 2 3 -1. - <_> - 12 17 2 1 3. - <_> - - <_> - 3 16 6 3 -1. - <_> - 3 17 6 1 3. - <_> - - <_> - 13 4 2 1 -1. - <_> - 14 4 1 1 2. - <_> - - <_> - 9 16 4 4 -1. - <_> - 11 16 2 4 2. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 9 2 1 2. - <_> - - <_> - 12 13 2 1 -1. - <_> - 13 13 1 1 2. - <_> - - <_> - 6 7 6 3 -1. - <_> - 8 7 2 3 3. - <_> - - <_> - 5 8 2 10 -1. - <_> - 5 13 2 5 2. - <_> - - <_> - 0 8 1 2 -1. - <_> - 0 9 1 1 2. - <_> - - <_> - 2 11 4 4 -1. - <_> - 4 11 2 4 2. - <_> - - <_> - 1 9 12 3 -1. - <_> - 5 9 4 3 3. - <_> - - <_> - 8 15 2 3 -1. - <_> - 9 15 1 3 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 8 7 3 1 3. - <_> - - <_> - 1 2 1 2 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 5 1 7 6 -1. - <_> - 5 3 7 2 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 13 7 3 4 -1. - <_> - 13 9 3 2 2. - <_> - - <_> - 5 10 3 3 -1. - <_> - 5 11 3 1 3. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 0 0 11 16 -1. - <_> - 0 8 11 8 2. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 13 5 2 2 -1. - <_> - 13 6 2 1 2. - <_> - - <_> - 8 8 2 6 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 6 1 4 3. - <_> - - <_> - 10 0 10 8 -1. - <_> - 10 0 5 4 2. - <_> - 15 4 5 4 2. - <_> - - <_> - 9 7 2 12 -1. - <_> - 9 11 2 4 3. - <_> - - <_> - 6 3 12 12 -1. - <_> - 6 3 6 6 2. - <_> - 12 9 6 6 2. - <_> - - <_> - 5 7 4 6 -1. - <_> - 5 9 4 2 3. - <_> - - <_> - 5 7 10 10 -1. - <_> - 5 7 5 5 2. - <_> - 10 12 5 5 2. - <_> - - <_> - 2 1 4 15 -1. - <_> - 4 1 2 15 2. - <_> - - <_> - 12 11 2 2 -1. - <_> - 13 11 1 2 2. - <_> - - <_> - 6 11 10 6 -1. - <_> - 6 14 10 3 2. - <_> - - <_> - 5 12 4 3 -1. - <_> - 5 13 4 1 3. - <_> - - <_> - 6 12 1 3 -1. - <_> - 6 13 1 1 3. - <_> - - <_> - 3 7 12 8 -1. - <_> - 3 7 6 4 2. - <_> - 9 11 6 4 2. - <_> - - <_> - 6 2 2 6 -1. - <_> - 6 4 2 2 3. - <_> - - <_> - 11 11 5 4 -1. - <_> - 11 13 5 2 2. - <_> - - <_> - 5 8 6 6 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 5 12 4 2 -1. - <_> - 7 12 2 2 2. - <_> - - <_> - 3 13 3 7 -1. - <_> - 4 13 1 7 3. - <_> - - <_> - 11 7 5 9 -1. - <_> - 11 10 5 3 3. - <_> - - <_> - 4 3 15 9 -1. - <_> - 4 6 15 3 3. - <_> - - <_> - 15 13 2 2 -1. - <_> - 15 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 6 5 6 13 -1. - <_> - 9 5 3 13 2. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 6 1 2 15 -1. - <_> - 6 6 2 5 3. - <_> - - <_> - 11 0 4 3 -1. - <_> - 13 0 2 3 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - <_> - - <_> - 4 8 9 3 -1. - <_> - 4 9 9 1 3. - <_> - - <_> - 6 5 6 2 -1. - <_> - 8 5 2 2 3. - <_> - - <_> - 4 15 2 2 -1. - <_> - 4 15 1 1 2. - <_> - 5 16 1 1 2. - <_> - - <_> - 6 14 2 3 -1. - <_> - 6 15 2 1 3. - <_> - - <_> - 6 12 1 6 -1. - <_> - 6 15 1 3 2. - <_> - - <_> - 5 9 2 10 -1. - <_> - 5 14 2 5 2. - <_> - - <_> - 3 6 3 10 -1. - <_> - 4 6 1 10 3. - <_> - - <_> - 3 7 3 5 -1. - <_> - 4 7 1 5 3. - <_> - - <_> - 11 0 6 2 -1. - <_> - 13 0 2 2 3. - <_> - - <_> - 11 12 2 1 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 11 12 2 1 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 6 16 1 3 -1. - <_> - 6 17 1 1 3. - <_> - - <_> - 10 16 5 3 -1. - <_> - 10 17 5 1 3. - <_> - - <_> - 7 13 1 3 -1. - <_> - 7 14 1 1 3. - <_> - - <_> - 12 4 8 2 -1. - <_> - 12 5 8 1 2. - <_> - - <_> - 8 7 4 3 -1. - <_> - 10 7 2 3 2. - <_> - - <_> - 12 10 5 9 -1. - <_> - 12 13 5 3 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 11 0 2 4 -1. - <_> - 12 0 1 4 2. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 6 12 3 3 -1. - <_> - 6 13 3 1 3. - <_> - - <_> - 1 3 6 12 -1. - <_> - 1 9 6 6 2. - <_> - - <_> - 1 5 5 10 -1. - <_> - 1 10 5 5 2. - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 15 1 1 2. - <_> - - <_> - 9 5 2 8 -1. - <_> - 9 5 1 4 2. - <_> - 10 9 1 4 2. - <_> - - <_> - 17 12 3 1 -1. - <_> - 18 12 1 1 3. - <_> - - <_> - 5 16 2 3 -1. - <_> - 5 17 2 1 3. - <_> - - <_> - 11 18 7 2 -1. - <_> - 11 19 7 1 2. - <_> - - <_> - 12 6 3 8 -1. - <_> - 13 6 1 8 3. - <_> - - <_> - 11 6 6 5 -1. - <_> - 14 6 3 5 2. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 7 2 3 2. - <_> - 11 10 2 3 2. - <_> - - <_> - 10 8 6 6 -1. - <_> - 10 10 6 2 3. - <_> - - <_> - 2 1 4 17 -1. - <_> - 4 1 2 17 2. - <_> - - <_> - 7 1 9 4 -1. - <_> - 7 3 9 2 2. - <_> - - <_> - 7 6 3 4 -1. - <_> - 8 6 1 4 3. - <_> - - <_> - 5 9 8 2 -1. - <_> - 9 9 4 2 2. - <_> - - <_> - 11 12 1 4 -1. - <_> - 11 14 1 2 2. - <_> - - <_> - 13 11 1 3 -1. - <_> - 13 12 1 1 3. - <_> - - <_> - 10 19 4 1 -1. - <_> - 12 19 2 1 2. - <_> - - <_> - 5 4 10 12 -1. - <_> - 5 4 5 6 2. - <_> - 10 10 5 6 2. - <_> - - <_> - 4 6 5 6 -1. - <_> - 4 9 5 3 2. - <_> - - <_> - 5 10 4 8 -1. - <_> - 5 14 4 4 2. - <_> - - <_> - 7 5 3 3 -1. - <_> - 7 6 3 1 3. - <_> - - <_> - 7 4 2 2 -1. - <_> - 8 4 1 2 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 3 6 16 -1. - <_> - 2 3 2 16 3. - <_> - - <_> - 2 6 3 12 -1. - <_> - 3 6 1 12 3. - <_> - - <_> - 12 11 2 2 -1. - <_> - 12 12 2 1 2. - <_> - - <_> - 18 0 2 13 -1. - <_> - 19 0 1 13 2. - <_> - - <_> - 9 14 5 4 -1. - <_> - 9 16 5 2 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 10 14 4 3 -1. - <_> - 10 15 4 1 3. - <_> - - <_> - 12 13 1 3 -1. - <_> - 12 14 1 1 3. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 6 6 6 14 -1. - <_> - 9 6 3 14 2. - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 5 7 2 4 -1. - <_> - 6 7 1 4 2. - <_> - - <_> - 7 3 11 9 -1. - <_> - 7 6 11 3 3. - <_> - - <_> - 10 4 9 6 -1. - <_> - 10 6 9 2 3. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 4 1 2 3. - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 7 16 2 3 -1. - <_> - 7 17 2 1 3. - <_> - - <_> - 19 6 1 2 -1. - <_> - 19 7 1 1 2. - <_> - - <_> - 6 15 2 3 -1. - <_> - 6 16 2 1 3. - <_> - - <_> - 11 13 1 3 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 17 10 3 1 -1. - <_> - 18 10 1 1 3. - <_> - - <_> - 10 0 6 1 -1. - <_> - 13 0 3 1 2. - <_> - - <_> - 14 0 6 4 -1. - <_> - 14 0 3 2 2. - <_> - 17 2 3 2 2. - <_> - - <_> - 12 7 4 6 -1. - <_> - 12 10 4 3 2. - <_> - - <_> - 14 5 1 2 -1. - <_> - 14 6 1 1 2. - <_> - - <_> - 6 13 4 3 -1. - <_> - 6 14 4 1 3. - <_> - - <_> - 5 12 4 3 -1. - <_> - 5 13 4 1 3. - <_> - - <_> - 9 3 2 1 -1. - <_> - 10 3 1 1 2. - <_> - - <_> - 9 3 3 3 -1. - <_> - 10 3 1 3 3. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 1 4 1 6 -1. - <_> - 1 6 1 2 3. - <_> - - <_> - 3 2 3 11 -1. - <_> - 4 2 1 11 3. - <_> - - <_> - 3 2 3 18 -1. - <_> - 4 2 1 18 3. - <_> - - <_> - 5 12 6 2 -1. - <_> - 8 12 3 2 2. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 7 17 3 1 -1. - <_> - 8 17 1 1 3. - <_> - - <_> - 3 10 8 6 -1. - <_> - 3 13 8 3 2. - <_> - - <_> - 3 2 3 17 -1. - <_> - 4 2 1 17 3. - <_> - - <_> - 4 9 8 1 -1. - <_> - 8 9 4 1 2. - <_> - - <_> - 2 7 3 6 -1. - <_> - 3 7 1 6 3. - <_> - - <_> - 18 4 1 2 -1. - <_> - 18 5 1 1 2. - <_> - - <_> - 7 8 2 6 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 11 12 2 3 -1. - <_> - 11 13 2 1 3. - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 16 11 3 2 -1. - <_> - 17 11 1 2 3. - <_> - - <_> - 15 3 1 4 -1. - <_> - 15 5 1 2 2. - <_> - - <_> - 11 0 9 11 -1. - <_> - 14 0 3 11 3. - <_> - - <_> - 7 0 5 6 -1. - <_> - 7 3 5 3 2. - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 10 2 3 2. - <_> - - <_> - 11 11 4 6 -1. - <_> - 11 14 4 3 2. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 3 7 3 2 -1. - <_> - 4 7 1 2 3. - <_> - - <_> - 11 11 2 3 -1. - <_> - 11 12 2 1 3. - <_> - - <_> - 5 9 4 6 -1. - <_> - 5 12 4 3 2. - <_> - - <_> - 16 4 2 3 -1. - <_> - 17 4 1 3 2. - <_> - - <_> - 12 12 2 1 -1. - <_> - 13 12 1 1 2. - <_> - - <_> - 8 5 6 4 -1. - <_> - 8 5 3 2 2. - <_> - 11 7 3 2 2. - <_> - - <_> - 10 15 3 3 -1. - <_> - 11 15 1 3 3. - <_> - - <_> - 3 7 3 7 -1. - <_> - 4 7 1 7 3. - <_> - - <_> - 11 4 1 2 -1. - <_> - 11 5 1 1 2. - <_> - - <_> - 3 9 3 5 -1. - <_> - 4 9 1 5 3. - <_> - - <_> - 10 15 3 3 -1. - <_> - 11 15 1 3 3. - <_> - - <_> - 3 3 6 12 -1. - <_> - 3 9 6 6 2. - <_> - - <_> - 3 5 5 6 -1. - <_> - 3 7 5 2 3. - <_> - - <_> - 6 6 4 11 -1. - <_> - 8 6 2 11 2. - <_> - - <_> - 6 5 2 6 -1. - <_> - 7 5 1 6 2. - <_> - - <_> - 2 6 3 8 -1. - <_> - 3 6 1 8 3. - <_> - - <_> - 6 4 3 1 -1. - <_> - 7 4 1 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 13 14 2 3 -1. - <_> - 13 15 2 1 3. - <_> - - <_> - 10 11 2 3 -1. - <_> - 10 12 2 1 3. - <_> - - <_> - 19 5 1 3 -1. - <_> - 19 6 1 1 3. - <_> - - <_> - 5 14 5 3 -1. - <_> - 5 15 5 1 3. - <_> - - <_> - 4 10 10 4 -1. - <_> - 9 10 5 4 2. - <_> - - <_> - 12 12 2 3 -1. - <_> - 12 13 2 1 3. - <_> - - <_> - 5 13 4 3 -1. - <_> - 5 14 4 1 3. - <_> - - <_> - 6 12 3 3 -1. - <_> - 6 13 3 1 3. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 15 1 2 3. - <_> - - <_> - 4 11 8 2 -1. - <_> - 8 11 4 2 2. - <_> - - <_> - 14 3 6 8 -1. - <_> - 14 7 6 4 2. - <_> - - <_> - 8 5 12 5 -1. - <_> - 12 5 4 5 3. - <_> - - <_> - 5 14 6 2 -1. - <_> - 7 14 2 2 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 13 12 1 3 -1. - <_> - 13 13 1 1 3. - <_> - - <_> - 6 3 14 12 -1. - <_> - 6 3 7 6 2. - <_> - 13 9 7 6 2. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 7 2 1 2. - <_> - - <_> - 14 7 6 10 -1. - <_> - 16 7 2 10 3. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 9 2 1 3. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 12 0 8 2 -1. - <_> - 12 0 4 1 2. - <_> - 16 1 4 1 2. - <_> - - <_> - 3 10 14 6 -1. - <_> - 3 12 14 2 3. - <_> - - <_> - 6 7 3 4 -1. - <_> - 7 7 1 4 3. - <_> - - <_> - 10 13 2 1 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 11 6 5 10 -1. - <_> - 11 11 5 5 2. - <_> - - <_> - 3 16 4 4 -1. - <_> - 3 16 2 2 2. - <_> - 5 18 2 2 2. - <_> - - <_> - 6 2 3 3 -1. - <_> - 7 2 1 3 3. - <_> - - <_> - 4 0 8 20 -1. - <_> - 4 0 4 10 2. - <_> - 8 10 4 10 2. - <_> - - <_> - 3 16 3 4 -1. - <_> - 4 16 1 4 3. - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 16 1 1 3. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 11 13 1 3 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 6 19 14 1 -1. - <_> - 13 19 7 1 2. - <_> - - <_> - 5 7 3 3 -1. - <_> - 6 7 1 3 3. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 9 18 2 1 -1. - <_> - 10 18 1 1 2. - <_> - - <_> - 6 17 2 3 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 9 9 3 2 3. - <_> - - <_> - 9 12 3 7 -1. - <_> - 10 12 1 7 3. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 8 5 12 11 -1. - <_> - 12 5 4 11 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 8 0 12 16 -1. - <_> - 12 0 4 16 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 11 0 9 11 -1. - <_> - 14 0 3 11 3. - <_> - - <_> - 5 5 3 6 -1. - <_> - 6 5 1 6 3. - <_> - - <_> - 8 8 3 4 -1. - <_> - 8 10 3 2 2. - <_> - - <_> - 13 2 6 12 -1. - <_> - 13 8 6 6 2. - <_> - - <_> - 10 6 4 14 -1. - <_> - 10 13 4 7 2. - <_> - - <_> - 1 1 10 1 -1. - <_> - 6 1 5 1 2. - <_> - - <_> - 4 2 13 6 -1. - <_> - 4 4 13 2 3. - <_> - - <_> - 11 13 2 3 -1. - <_> - 12 13 1 3 2. - <_> - - <_> - 6 9 4 9 -1. - <_> - 6 12 4 3 3. - <_> - - <_> - 6 6 3 10 -1. - <_> - 6 11 3 5 2. - <_> - - <_> - 2 10 3 4 -1. - <_> - 3 10 1 4 3. - <_> - - <_> - 3 8 3 6 -1. - <_> - 4 8 1 6 3. - <_> - - <_> - 11 12 3 6 -1. - <_> - 12 12 1 6 3. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 5 8 6 6 -1. - <_> - 5 8 3 3 2. - <_> - 8 11 3 3 2. - <_> - - <_> - 3 7 3 1 -1. - <_> - 4 7 1 1 3. - <_> - - <_> - 10 12 3 3 -1. - <_> - 10 13 3 1 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 10 12 4 3 -1. - <_> - 10 13 4 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 9 2 3 1 -1. - <_> - 10 2 1 1 3. - <_> - - <_> - 2 0 18 14 -1. - <_> - 2 7 18 7 2. - <_> - - <_> - 9 2 3 2 -1. - <_> - 10 2 1 2 3. - <_> - - <_> - 8 6 4 3 -1. - <_> - 8 7 4 1 3. - <_> - - <_> - 4 8 5 2 -1. - <_> - 4 9 5 1 2. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 13 9 1 6 -1. - <_> - 13 12 1 3 2. - <_> - - <_> - 6 16 3 3 -1. - <_> - 6 17 3 1 3. - <_> - - <_> - 3 16 7 3 -1. - <_> - 3 17 7 1 3. - <_> - - <_> - 10 15 5 3 -1. - <_> - 10 16 5 1 3. - <_> - - <_> - 4 0 5 20 -1. - <_> - 4 10 5 10 2. - <_> - - <_> - 6 2 2 2 -1. - <_> - 7 2 1 2 2. - <_> - - <_> - 18 0 2 15 -1. - <_> - 18 5 2 5 3. - <_> - - <_> - 6 15 7 3 -1. - <_> - 6 16 7 1 3. - <_> - - <_> - 10 13 6 2 -1. - <_> - 10 14 6 1 2. - <_> - - <_> - 13 8 1 9 -1. - <_> - 13 11 1 3 3. - <_> - - <_> - 3 0 4 4 -1. - <_> - 3 0 2 2 2. - <_> - 5 2 2 2 2. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 5 8 3 1 -1. - <_> - 6 8 1 1 3. - <_> - - <_> - 5 6 2 3 -1. - <_> - 6 6 1 3 2. - <_> - - <_> - 6 11 6 7 -1. - <_> - 8 11 2 7 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 3 8 8 1 -1. - <_> - 7 8 4 1 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 5 13 3 1 3. - <_> - - <_> - 9 7 2 8 -1. - <_> - 9 7 1 4 2. - <_> - 10 11 1 4 2. - <_> - - <_> - 14 2 3 5 -1. - <_> - 15 2 1 5 3. - <_> - - <_> - 6 13 2 3 -1. - <_> - 6 14 2 1 3. - <_> - - <_> - 6 14 1 2 -1. - <_> - 6 15 1 1 2. - <_> - - <_> - 12 10 2 3 -1. - <_> - 12 11 2 1 3. - <_> - - <_> - 1 14 12 3 -1. - <_> - 5 14 4 3 3. - <_> - - <_> - 11 8 3 1 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 14 4 2 3 -1. - <_> - 14 5 2 1 3. - <_> - - <_> - 7 8 3 2 -1. - <_> - 8 8 1 2 3. - <_> - - <_> - 2 7 3 11 -1. - <_> - 3 7 1 11 3. - <_> - - <_> - 0 14 2 1 -1. - <_> - 1 14 1 1 2. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 15 1 2 3. - <_> - - <_> - 18 10 2 4 -1. - <_> - 18 10 1 2 2. - <_> - 19 12 1 2 2. - <_> - - <_> - 13 12 2 2 -1. - <_> - 14 12 1 2 2. - <_> - - <_> - 9 5 8 12 -1. - <_> - 13 5 4 12 2. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 1 1 2. - <_> - 17 12 1 1 2. - <_> - - <_> - 14 5 1 2 -1. - <_> - 14 6 1 1 2. - <_> - - <_> - 3 0 8 16 -1. - <_> - 3 8 8 8 2. - <_> - - <_> - 3 11 3 5 -1. - <_> - 4 11 1 5 3. - <_> - - <_> - 0 8 12 6 -1. - <_> - 4 8 4 6 3. - <_> - - <_> - 6 9 4 2 -1. - <_> - 6 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 11 15 3 5 -1. - <_> - 12 15 1 5 3. - <_> - - <_> - 18 10 2 6 -1. - <_> - 18 10 1 3 2. - <_> - 19 13 1 3 2. - <_> - - <_> - 13 15 6 1 -1. - <_> - 16 15 3 1 2. - <_> - - <_> - 5 10 7 6 -1. - <_> - 5 13 7 3 2. - <_> - - <_> - 2 11 6 6 -1. - <_> - 2 14 6 3 2. - <_> - - <_> - 11 14 3 3 -1. - <_> - 11 15 3 1 3. - <_> - - <_> - 7 14 6 3 -1. - <_> - 7 15 6 1 3. - <_> - - <_> - 5 14 5 3 -1. - <_> - 5 15 5 1 3. - <_> - - <_> - 6 16 3 1 -1. - <_> - 7 16 1 1 3. - <_> - - <_> - 4 15 4 3 -1. - <_> - 4 16 4 1 3. - <_> - - <_> - 2 2 4 8 -1. - <_> - 2 2 2 4 2. - <_> - 4 6 2 4 2. - <_> - - <_> - 12 13 2 3 -1. - <_> - 12 14 2 1 3. - <_> - - <_> - 9 13 4 3 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 8 8 5 3 -1. - <_> - 8 9 5 1 3. - <_> - - <_> - 9 12 3 2 -1. - <_> - 10 12 1 2 3. - <_> - - <_> - 4 0 8 2 -1. - <_> - 4 0 4 1 2. - <_> - 8 1 4 1 2. - <_> - - <_> - 0 12 1 2 -1. - <_> - 0 13 1 1 2. - <_> - - <_> - 8 14 8 4 -1. - <_> - 8 16 8 2 2. - <_> - - <_> - 4 17 9 3 -1. - <_> - 4 18 9 1 3. - <_> - - <_> - 10 0 2 8 -1. - <_> - 10 4 2 4 2. - <_> - - <_> - 10 13 2 6 -1. - <_> - 10 16 2 3 2. - <_> - - <_> - 7 2 10 5 -1. - <_> - 12 2 5 5 2. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 7 2 3 2. - <_> - 11 10 2 3 2. - <_> - - <_> - 12 10 1 6 -1. - <_> - 12 13 1 3 2. - <_> - - <_> - 1 2 6 8 -1. - <_> - 4 2 3 8 2. - <_> - - <_> - 10 12 1 3 -1. - <_> - 10 13 1 1 3. - <_> - - <_> - 5 7 3 2 -1. - <_> - 6 7 1 2 3. - <_> - - <_> - 10 13 1 3 -1. - <_> - 10 14 1 1 3. - <_> - - <_> - 4 3 16 9 -1. - <_> - 4 6 16 3 3. - <_> - - <_> - 5 12 4 3 -1. - <_> - 7 12 2 3 2. - <_> - - <_> - 10 14 1 3 -1. - <_> - 10 15 1 1 3. - <_> - - <_> - 10 6 3 8 -1. - <_> - 11 6 1 8 3. - <_> - - <_> - 1 8 3 5 -1. - <_> - 2 8 1 5 3. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 10 10 1 3 3. - <_> - - <_> - 11 4 4 3 -1. - <_> - 11 5 4 1 3. - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 8 0 6 3 -1. - <_> - 10 0 2 3 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 11 3 7 3 -1. - <_> - 11 4 7 1 3. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 7 3 3 3 -1. - <_> - 8 3 1 3 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 10 12 2 3 -1. - <_> - 10 13 2 1 3. - <_> - - <_> - 5 0 12 2 -1. - <_> - 5 1 12 1 2. - <_> - - <_> - 4 11 8 4 -1. - <_> - 4 13 8 2 2. - <_> - - <_> - 6 12 8 4 -1. - <_> - 6 14 8 2 2. - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 1 2. - <_> - 6 1 2 1 2. - <_> - - <_> - 13 9 4 2 -1. - <_> - 13 10 4 1 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 2 2. - <_> - - <_> - 9 9 6 1 -1. - <_> - 12 9 3 1 2. - <_> - - <_> - 6 6 14 6 -1. - <_> - 6 9 14 3 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 11 11 1 3 -1. - <_> - 11 12 1 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 11 11 2 1 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 3 11 14 1 -1. - <_> - 10 11 7 1 2. - <_> - - <_> - 1 13 6 5 -1. - <_> - 3 13 2 5 3. - <_> - - <_> - 14 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 10 0 10 1 -1. - <_> - 15 0 5 1 2. - <_> - - <_> - 5 15 3 3 -1. - <_> - 5 16 3 1 3. - <_> - - <_> - 12 14 2 2 -1. - <_> - 12 15 2 1 2. - <_> - - <_> - 12 14 2 3 -1. - <_> - 12 15 2 1 3. - <_> - - <_> - 8 6 1 3 -1. - <_> - 8 7 1 1 3. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - <_> - - <_> - 3 6 8 10 -1. - <_> - 3 6 4 5 2. - <_> - 7 11 4 5 2. - <_> - - <_> - 6 15 1 3 -1. - <_> - 6 16 1 1 3. - <_> - - <_> - 12 0 3 8 -1. - <_> - 13 0 1 8 3. - <_> - - <_> - 10 0 10 6 -1. - <_> - 10 0 5 3 2. - <_> - 15 3 5 3 2. - <_> - - <_> - 17 2 2 2 -1. - <_> - 17 3 2 1 2. - <_> - - <_> - 8 0 12 14 -1. - <_> - 14 0 6 14 2. - <_> - - <_> - 10 18 2 1 -1. - <_> - 11 18 1 1 2. - <_> - - <_> - 18 9 2 6 -1. - <_> - 18 9 1 3 2. - <_> - 19 12 1 3 2. - <_> - - <_> - 18 4 2 16 -1. - <_> - 18 4 1 8 2. - <_> - 19 12 1 8 2. - <_> - - <_> - 5 8 6 6 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 6 5 4 11 -1. - <_> - 8 5 2 11 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 7 8 1 2 2. - <_> - - <_> - 6 5 2 5 -1. - <_> - 7 5 1 5 2. - <_> - - <_> - 10 16 3 4 -1. - <_> - 11 16 1 4 3. - <_> - - <_> - 3 0 8 18 -1. - <_> - 3 9 8 9 2. - <_> - - <_> - 1 7 7 3 -1. - <_> - 1 8 7 1 3. - <_> - - <_> - 5 5 2 6 -1. - <_> - 5 7 2 2 3. - <_> - - <_> - 3 8 3 10 -1. - <_> - 4 8 1 10 3. - <_> - - <_> - 3 12 3 2 -1. - <_> - 4 12 1 2 3. - <_> - - <_> - 3 9 10 3 -1. - <_> - 8 9 5 3 2. - <_> - - <_> - 6 15 6 2 -1. - <_> - 8 15 2 2 3. - <_> - - <_> - 5 9 3 2 -1. - <_> - 6 9 1 2 3. - <_> - - <_> - 17 5 3 3 -1. - <_> - 17 6 3 1 3. - <_> - - <_> - 8 6 1 3 -1. - <_> - 8 7 1 1 3. - <_> - - <_> - 18 5 1 3 -1. - <_> - 18 6 1 1 3. - <_> - - <_> - 5 2 5 6 -1. - <_> - 5 5 5 3 2. - <_> - - <_> - 11 1 6 3 -1. - <_> - 13 1 2 3 3. - <_> - - <_> - 6 7 2 10 -1. - <_> - 6 12 2 5 2. - <_> - - <_> - 3 14 4 4 -1. - <_> - 5 14 2 4 2. - <_> - - <_> - 2 11 4 1 -1. - <_> - 4 11 2 1 2. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 4 1 2 3. - <_> - - <_> - 8 3 2 6 -1. - <_> - 8 5 2 2 3. - <_> - - <_> - 0 10 20 10 -1. - <_> - 10 10 10 10 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 13 8 2 1 2. - <_> - - <_> - 10 8 10 4 -1. - <_> - 15 8 5 4 2. - <_> - - <_> - 0 10 16 2 -1. - <_> - 8 10 8 2 2. - <_> - - <_> - 10 14 6 6 -1. - <_> - 10 14 3 3 2. - <_> - 13 17 3 3 2. - <_> - - <_> - 13 10 1 3 -1. - <_> - 13 11 1 1 3. - <_> - - <_> - 4 4 10 8 -1. - <_> - 4 4 5 4 2. - <_> - 9 8 5 4 2. - <_> - - <_> - 5 1 6 6 -1. - <_> - 5 1 3 3 2. - <_> - 8 4 3 3 2. - <_> - - <_> - 11 10 8 3 -1. - <_> - 11 11 8 1 3. - <_> - - <_> - 3 11 3 6 -1. - <_> - 3 13 3 2 3. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 0 6 3 2. - <_> - 14 3 6 3 2. - <_> - - <_> - 7 8 2 4 -1. - <_> - 7 8 1 2 2. - <_> - 8 10 1 2 2. - <_> - - <_> - 11 1 7 10 -1. - <_> - 11 6 7 5 2. - <_> - - <_> - 10 15 3 2 -1. - <_> - 10 16 3 1 2. - <_> - - <_> - 11 11 2 3 -1. - <_> - 12 11 1 3 2. - <_> - - <_> - 6 8 3 2 -1. - <_> - 6 9 3 1 2. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 12 12 2 2 -1. - <_> - 12 13 2 1 2. - <_> - - <_> - 11 3 8 9 -1. - <_> - 11 6 8 3 3. - <_> - - <_> - 10 11 3 3 -1. - <_> - 11 11 1 3 3. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 9 6 2 3 -1. - <_> - 10 6 1 3 2. - <_> - - <_> - 7 8 2 6 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 3 0 4 6 -1. - <_> - 3 0 2 3 2. - <_> - 5 3 2 3 2. - <_> - - <_> - 5 0 3 17 -1. - <_> - 6 0 1 17 3. - <_> - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - <_> - - <_> - 10 19 8 1 -1. - <_> - 14 19 4 1 2. - <_> - - <_> - 13 3 5 3 -1. - <_> - 13 4 5 1 3. - <_> - - <_> - 5 7 2 2 -1. - <_> - 6 7 1 2 2. - <_> - - <_> - 12 10 3 10 -1. - <_> - 13 10 1 10 3. - <_> - - <_> - 4 7 6 3 -1. - <_> - 7 7 3 3 2. - <_> - - <_> - 6 10 1 3 -1. - <_> - 6 11 1 1 3. - <_> - - <_> - 6 9 2 3 -1. - <_> - 6 10 2 1 3. - <_> - - <_> - 11 3 6 3 -1. - <_> - 11 4 6 1 3. - <_> - - <_> - 13 14 2 3 -1. - <_> - 13 15 2 1 3. - <_> - - <_> - 6 16 8 4 -1. - <_> - 6 16 4 2 2. - <_> - 10 18 4 2 2. - <_> - - <_> - 10 5 3 15 -1. - <_> - 11 5 1 15 3. - <_> - - <_> - 10 0 10 6 -1. - <_> - 10 0 5 3 2. - <_> - 15 3 5 3 2. - <_> - - <_> - 11 2 3 16 -1. - <_> - 12 2 1 16 3. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 6 4 2 1 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 3 1 4 3. - <_> - - <_> - 0 13 16 6 -1. - <_> - 0 15 16 2 3. - <_> - - <_> - 7 14 2 3 -1. - <_> - 7 15 2 1 3. - <_> - - <_> - 15 17 2 2 -1. - <_> - 15 18 2 1 2. - <_> - - <_> - 17 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 18 13 1 1 2. - <_> - - <_> - 11 1 3 19 -1. - <_> - 12 1 1 19 3. - <_> - - <_> - 1 11 19 4 -1. - <_> - 1 13 19 2 2. - <_> - - <_> - 17 8 2 10 -1. - <_> - 17 8 1 5 2. - <_> - 18 13 1 5 2. - <_> - - <_> - 9 0 11 20 -1. - <_> - 9 10 11 10 2. - <_> - - <_> - 4 1 12 12 -1. - <_> - 4 1 6 6 2. - <_> - 10 7 6 6 2. - <_> - - <_> - 5 11 3 6 -1. - <_> - 6 11 1 6 3. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 18 1 2 4 -1. - <_> - 19 1 1 4 2. - <_> - - <_> - 11 0 8 15 -1. - <_> - 15 0 4 15 2. - <_> - - <_> - 5 5 6 2 -1. - <_> - 7 5 2 2 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 6 8 2 8 -1. - <_> - 6 12 2 4 2. - <_> - - <_> - 9 9 2 4 -1. - <_> - 9 11 2 2 2. - <_> - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - <_> - - <_> - 7 12 8 4 -1. - <_> - 7 14 8 2 2. - <_> - - <_> - 11 13 3 2 -1. - <_> - 11 14 3 1 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 12 11 2 3 -1. - <_> - 12 12 2 1 3. - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 6 16 3 2 -1. - <_> - 7 16 1 2 3. - <_> - - <_> - 13 12 2 1 -1. - <_> - 14 12 1 1 2. - <_> - - <_> - 16 9 2 6 -1. - <_> - 16 9 1 3 2. - <_> - 17 12 1 3 2. - <_> - - <_> - 17 2 2 6 -1. - <_> - 17 4 2 2 3. - <_> - - <_> - 13 2 7 6 -1. - <_> - 13 4 7 2 3. - <_> - - <_> - 16 10 4 4 -1. - <_> - 16 10 2 2 2. - <_> - 18 12 2 2 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 11 11 2 1 2. - <_> - - <_> - 6 13 3 3 -1. - <_> - 6 14 3 1 3. - <_> - - <_> - 4 14 4 2 -1. - <_> - 4 15 4 1 2. - <_> - - <_> - 0 9 2 1 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 7 6 4 8 -1. - <_> - 7 10 4 4 2. - <_> - - <_> - 9 17 7 3 -1. - <_> - 9 18 7 1 3. - <_> - - <_> - 7 12 2 3 -1. - <_> - 7 13 2 1 3. - <_> - - <_> - 12 17 4 3 -1. - <_> - 12 18 4 1 3. - <_> - - <_> - 11 7 9 11 -1. - <_> - 14 7 3 11 3. - <_> - - <_> - 16 14 4 5 -1. - <_> - 18 14 2 5 2. - <_> - - <_> - 9 2 3 4 -1. - <_> - 10 2 1 4 3. - <_> - - <_> - 3 11 2 8 -1. - <_> - 3 11 1 4 2. - <_> - 4 15 1 4 2. - <_> - - <_> - 13 2 6 18 -1. - <_> - 13 2 3 9 2. - <_> - 16 11 3 9 2. - <_> - - <_> - 9 12 5 2 -1. - <_> - 9 13 5 1 2. - <_> - - <_> - 11 8 4 10 -1. - <_> - 11 8 2 5 2. - <_> - 13 13 2 5 2. - <_> - - <_> - 0 11 20 1 -1. - <_> - 10 11 10 1 2. - <_> - - <_> - 1 12 1 2 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 6 7 6 3 -1. - <_> - 8 7 2 3 3. - <_> - - <_> - 8 5 10 3 -1. - <_> - 13 5 5 3 2. - <_> - - <_> - 5 5 4 6 -1. - <_> - 5 7 4 2 3. - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 2 8 3 7 -1. - <_> - 3 8 1 7 3. - <_> - - <_> - 2 10 3 6 -1. - <_> - 3 10 1 6 3. - <_> - - <_> - 14 0 2 2 -1. - <_> - 15 0 1 2 2. - <_> - - <_> - 8 7 4 4 -1. - <_> - 8 7 2 2 2. - <_> - 10 9 2 2 2. - <_> - - <_> - 4 13 4 3 -1. - <_> - 4 14 4 1 3. - <_> - - <_> - 8 11 6 2 -1. - <_> - 8 12 6 1 2. - <_> - - <_> - 17 3 1 4 -1. - <_> - 17 5 1 2 2. - <_> - - <_> - 6 13 2 3 -1. - <_> - 6 14 2 1 3. - <_> - - <_> - 7 9 6 8 -1. - <_> - 7 9 3 4 2. - <_> - 10 13 3 4 2. - <_> - - <_> - 5 15 2 3 -1. - <_> - 5 16 2 1 3. - <_> - - <_> - 7 10 4 9 -1. - <_> - 7 13 4 3 3. - <_> - - <_> - 5 4 2 1 -1. - <_> - 6 4 1 1 2. - <_> - - <_> - 0 1 6 19 -1. - <_> - 2 1 2 19 3. - <_> - - <_> - 5 8 6 2 -1. - <_> - 8 8 3 2 2. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 9 12 2 4 -1. - <_> - 9 12 1 2 2. - <_> - 10 14 1 2 2. - <_> - - <_> - 12 7 2 10 -1. - <_> - 12 12 2 5 2. - <_> - - <_> - 10 6 6 8 -1. - <_> - 10 10 6 4 2. - <_> - - <_> - 4 3 2 6 -1. - <_> - 5 3 1 6 2. - <_> - - <_> - 4 6 3 3 -1. - <_> - 5 6 1 3 3. - <_> - - <_> - 10 7 2 8 -1. - <_> - 10 7 1 4 2. - <_> - 11 11 1 4 2. - <_> - - <_> - 2 0 6 10 -1. - <_> - 2 5 6 5 2. - <_> - - <_> - 8 10 6 2 -1. - <_> - 8 11 6 1 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 11 0 1 1 2. - <_> - - <_> - 4 16 4 3 -1. - <_> - 4 17 4 1 3. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 5 5 6 3 -1. - <_> - 5 6 6 1 3. - <_> - - <_> - 5 5 5 3 -1. - <_> - 5 6 5 1 3. - <_> - - <_> - 10 7 6 9 -1. - <_> - 10 10 6 3 3. - <_> - - <_> - 17 4 1 2 -1. - <_> - 17 5 1 1 2. - <_> - - <_> - 4 9 10 4 -1. - <_> - 4 9 5 2 2. - <_> - 9 11 5 2 2. - <_> - - <_> - 5 6 3 10 -1. - <_> - 5 11 3 5 2. - <_> - - <_> - 2 13 18 5 -1. - <_> - 11 13 9 5 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 5 13 3 1 3. - <_> - - <_> - 9 12 2 4 -1. - <_> - 9 14 2 2 2. - <_> - - <_> - 5 11 15 6 -1. - <_> - 5 13 15 2 3. - <_> - - <_> - 16 0 4 6 -1. - <_> - 16 0 2 3 2. - <_> - 18 3 2 3 2. - <_> - - <_> - 11 12 2 2 -1. - <_> - 11 12 1 1 2. - <_> - 12 13 1 1 2. - <_> - - <_> - 6 6 3 5 -1. - <_> - 7 6 1 5 3. - <_> - - <_> - 13 13 2 1 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 5 8 3 2 -1. - <_> - 6 8 1 2 3. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 16 12 3 1 -1. - <_> - 17 12 1 1 3. - <_> - - <_> - 8 5 12 8 -1. - <_> - 14 5 6 8 2. - <_> - - <_> - 5 13 4 4 -1. - <_> - 5 13 2 2 2. - <_> - 7 15 2 2 2. - <_> - - <_> - 5 7 2 3 -1. - <_> - 6 7 1 3 2. - <_> - - <_> - 9 2 2 10 -1. - <_> - 9 2 1 5 2. - <_> - 10 7 1 5 2. - <_> - - <_> - 9 14 1 2 -1. - <_> - 9 15 1 1 2. - <_> - - <_> - 15 7 2 4 -1. - <_> - 15 9 2 2 2. - <_> - - <_> - 7 5 4 3 -1. - <_> - 7 6 4 1 3. - <_> - - <_> - 3 10 8 2 -1. - <_> - 7 10 4 2 2. - <_> - - <_> - 13 8 2 2 -1. - <_> - 13 9 2 1 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 13 10 5 2 -1. - <_> - 13 11 5 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 1 1 2. - <_> - 17 12 1 1 2. - <_> - - <_> - 0 10 2 4 -1. - <_> - 0 10 1 2 2. - <_> - 1 12 1 2 2. - <_> - - <_> - 0 8 2 8 -1. - <_> - 0 8 1 4 2. - <_> - 1 12 1 4 2. - <_> - - <_> - 6 14 5 3 -1. - <_> - 6 15 5 1 3. - <_> - - <_> - 18 8 2 4 -1. - <_> - 19 8 1 4 2. - <_> - - <_> - 14 2 3 1 -1. - <_> - 15 2 1 1 3. - <_> - - <_> - 9 13 3 3 -1. - <_> - 9 14 3 1 3. - <_> - - <_> - 5 13 6 3 -1. - <_> - 5 14 6 1 3. - <_> - - <_> - 12 12 1 3 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 2 14 14 6 -1. - <_> - 2 17 14 3 2. - <_> - - <_> - 7 5 2 4 -1. - <_> - 7 5 1 2 2. - <_> - 8 7 1 2 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 9 3 3 5 -1. - <_> - 10 3 1 5 3. - <_> - - <_> - 6 17 4 3 -1. - <_> - 6 18 4 1 3. - <_> - - <_> - 10 0 6 4 -1. - <_> - 12 0 2 4 3. - <_> - - <_> - 4 8 6 10 -1. - <_> - 4 8 3 5 2. - <_> - 7 13 3 5 2. - <_> - - <_> - 4 3 2 6 -1. - <_> - 5 3 1 6 2. - <_> - - <_> - 3 4 6 6 -1. - <_> - 5 4 2 6 3. - <_> - - <_> - 5 8 2 8 -1. - <_> - 5 12 2 4 2. - <_> - - <_> - 5 11 2 2 -1. - <_> - 5 12 2 1 2. - <_> - - <_> - 12 13 1 3 -1. - <_> - 12 14 1 1 3. - <_> - - <_> - 5 1 4 15 -1. - <_> - 5 6 4 5 3. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 6 11 3 3 -1. - <_> - 6 12 3 1 3. - <_> - - <_> - 11 0 3 3 -1. - <_> - 12 0 1 3 3. - <_> - - <_> - 2 2 15 3 -1. - <_> - 7 2 5 3 3. - <_> - - <_> - 4 0 16 5 -1. - <_> - 12 0 8 5 2. - <_> - - <_> - 13 7 6 8 -1. - <_> - 13 11 6 4 2. - <_> - - <_> - 9 9 3 4 -1. - <_> - 9 11 3 2 2. - <_> - - <_> - 5 2 6 16 -1. - <_> - 5 2 3 8 2. - <_> - 8 10 3 8 2. - <_> - - <_> - 10 7 6 3 -1. - <_> - 13 7 3 3 2. - <_> - - <_> - 12 11 2 1 -1. - <_> - 13 11 1 1 2. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 6 5 4 15 -1. - <_> - 8 5 2 15 2. - <_> - - <_> - 7 7 2 2 -1. - <_> - 8 7 1 2 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 6 2 6 11 -1. - <_> - 9 2 3 11 2. - <_> - - <_> - 9 6 9 6 -1. - <_> - 9 8 9 2 3. - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 6 8 2 3 -1. - <_> - 6 9 2 1 3. - <_> - - <_> - 13 1 2 8 -1. - <_> - 13 5 2 4 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 2 6 2 2. - <_> - - <_> - 0 6 20 14 -1. - <_> - 10 6 10 14 2. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 0 6 3 2. - <_> - 14 3 6 3 2. - <_> - - <_> - 8 7 9 9 -1. - <_> - 8 10 9 3 3. - <_> - - <_> - 10 14 6 6 -1. - <_> - 10 14 3 3 2. - <_> - 13 17 3 3 2. - <_> - - <_> - 8 7 4 10 -1. - <_> - 8 7 2 5 2. - <_> - 10 12 2 5 2. - <_> - - <_> - 15 4 3 3 -1. - <_> - 15 5 3 1 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 16 0 2 6 3. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 11 12 2 1 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 11 7 3 7 -1. - <_> - 12 7 1 7 3. - <_> - - <_> - 9 0 2 18 -1. - <_> - 9 0 1 9 2. - <_> - 10 9 1 9 2. - <_> - - <_> - 3 6 3 4 -1. - <_> - 4 6 1 4 3. - <_> - - <_> - 14 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 10 14 4 3 -1. - <_> - 10 15 4 1 3. - <_> - - <_> - 12 12 2 3 -1. - <_> - 12 13 2 1 3. - <_> - - <_> - 3 0 2 8 -1. - <_> - 3 0 1 4 2. - <_> - 4 4 1 4 2. - <_> - - <_> - 14 4 5 3 -1. - <_> - 14 5 5 1 3. - <_> - - <_> - 6 16 1 3 -1. - <_> - 6 17 1 1 3. - <_> - - <_> - 5 16 2 3 -1. - <_> - 5 17 2 1 3. - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 6 5 3 2. - <_> - 9 9 5 3 2. - <_> - - <_> - 9 14 7 4 -1. - <_> - 9 16 7 2 2. - <_> - - <_> - 10 11 2 4 -1. - <_> - 10 11 1 2 2. - <_> - 11 13 1 2 2. - <_> - - <_> - 5 12 4 3 -1. - <_> - 5 13 4 1 3. - <_> - - <_> - 5 13 3 2 -1. - <_> - 5 14 3 1 2. - <_> - - <_> - 7 13 8 4 -1. - <_> - 7 15 8 2 2. - <_> - - <_> - 8 4 3 1 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 6 1 1 4 -1. - <_> - 6 3 1 2 2. - <_> - - <_> - 8 0 12 6 -1. - <_> - 8 0 6 3 2. - <_> - 14 3 6 3 2. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 7 4 3 1 -1. - <_> - 8 4 1 1 3. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 15 14 4 6 -1. - <_> - 15 14 2 3 2. - <_> - 17 17 2 3 2. - <_> - - <_> - 7 9 1 4 -1. - <_> - 7 11 1 2 2. - <_> - - <_> - 10 11 3 9 -1. - <_> - 11 11 1 9 3. - <_> - - <_> - 17 11 3 1 -1. - <_> - 18 11 1 1 3. - <_> - - <_> - 17 11 3 1 -1. - <_> - 18 11 1 1 3. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 9 15 7 3 -1. - <_> - 9 16 7 1 3. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 2 2. - <_> - - <_> - 5 0 1 14 -1. - <_> - 5 7 1 7 2. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 7 0 4 6 -1. - <_> - 7 2 4 2 3. - <_> - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - <_> - - <_> - 5 12 4 3 -1. - <_> - 5 13 4 1 3. - <_> - - <_> - 18 5 1 2 -1. - <_> - 18 6 1 1 2. - <_> - - <_> - 18 0 2 10 -1. - <_> - 18 0 1 5 2. - <_> - 19 5 1 5 2. - <_> - - <_> - 0 2 13 6 -1. - <_> - 0 4 13 2 3. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 6 12 2 4 -1. - <_> - 7 12 1 4 2. - <_> - - <_> - 7 9 4 10 -1. - <_> - 9 9 2 10 2. - <_> - - <_> - 2 0 9 16 -1. - <_> - 2 8 9 8 2. - <_> - - <_> - 10 3 2 8 -1. - <_> - 10 3 1 4 2. - <_> - 11 7 1 4 2. - <_> - - <_> - 1 2 12 3 -1. - <_> - 5 2 4 3 3. - <_> - - <_> - 4 6 2 3 -1. - <_> - 5 6 1 3 2. - <_> - - <_> - 1 7 6 10 -1. - <_> - 3 7 2 10 3. - <_> - - <_> - 1 14 2 1 -1. - <_> - 2 14 1 1 2. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 12 8 3 5 -1. - <_> - 13 8 1 5 3. - <_> - - <_> - 6 5 9 6 -1. - <_> - 6 7 9 2 3. - <_> - - <_> - 13 8 2 3 -1. - <_> - 13 9 2 1 3. - <_> - - <_> - 7 15 6 4 -1. - <_> - 7 15 3 2 2. - <_> - 10 17 3 2 2. - <_> - - <_> - 10 15 6 3 -1. - <_> - 10 16 6 1 3. - <_> - - <_> - 3 2 2 6 -1. - <_> - 3 2 1 3 2. - <_> - 4 5 1 3 2. - <_> - - <_> - 10 15 3 5 -1. - <_> - 11 15 1 5 3. - <_> - - <_> - 12 9 5 2 -1. - <_> - 12 10 5 1 2. - <_> - - <_> - 4 11 10 1 -1. - <_> - 9 11 5 1 2. - <_> - - <_> - 6 12 6 2 -1. - <_> - 6 12 3 1 2. - <_> - 9 13 3 1 2. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 3 12 8 4 -1. - <_> - 3 12 4 2 2. - <_> - 7 14 4 2 2. - <_> - - <_> - 0 3 1 3 -1. - <_> - 0 4 1 1 3. - <_> - - <_> - 10 12 2 1 -1. - <_> - 11 12 1 1 2. - <_> - - <_> - 3 10 3 6 -1. - <_> - 3 12 3 2 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 8 7 4 6 -1. - <_> - 8 9 4 2 3. - <_> - - <_> - 12 11 1 3 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 12 11 2 3 -1. - <_> - 12 12 2 1 3. - <_> - - <_> - 6 10 2 2 -1. - <_> - 6 10 1 1 2. - <_> - 7 11 1 1 2. - <_> - - <_> - 3 10 9 6 -1. - <_> - 3 13 9 3 2. - <_> - - <_> - 4 8 7 10 -1. - <_> - 4 13 7 5 2. - <_> - - <_> - 6 8 11 3 -1. - <_> - 6 9 11 1 3. - <_> - - <_> - 6 5 1 14 -1. - <_> - 6 12 1 7 2. - <_> - - <_> - 13 6 5 10 -1. - <_> - 13 11 5 5 2. - <_> - - <_> - 2 0 13 15 -1. - <_> - 2 5 13 5 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 7 7 1 2 2. - <_> - - <_> - 4 5 9 4 -1. - <_> - 7 5 3 4 3. - <_> - - <_> - 6 7 3 3 -1. - <_> - 7 7 1 3 3. - <_> - - <_> - 8 1 3 4 -1. - <_> - 9 1 1 4 3. - <_> - - <_> - 8 11 7 2 -1. - <_> - 8 12 7 1 2. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 4 14 2 6 -1. - <_> - 4 14 1 3 2. - <_> - 5 17 1 3 2. - <_> - - <_> - 0 7 8 13 -1. - <_> - 4 7 4 13 2. - <_> - - <_> - 6 3 4 9 -1. - <_> - 8 3 2 9 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 16 14 2 6 -1. - <_> - 16 14 1 3 2. - <_> - 17 17 1 3 2. - <_> - - <_> - 11 14 2 3 -1. - <_> - 11 15 2 1 3. - <_> - - <_> - 11 14 1 2 -1. - <_> - 11 15 1 1 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 13 1 3 5 -1. - <_> - 14 1 1 5 3. - <_> - - <_> - 6 15 8 2 -1. - <_> - 6 15 4 1 2. - <_> - 10 16 4 1 2. - <_> - - <_> - 13 2 3 4 -1. - <_> - 14 2 1 4 3. - <_> - - <_> - 1 8 1 6 -1. - <_> - 1 10 1 2 3. - <_> - - <_> - 12 0 8 2 -1. - <_> - 12 0 4 1 2. - <_> - 16 1 4 1 2. - <_> - - <_> - 5 8 3 1 -1. - <_> - 6 8 1 1 3. - <_> - - <_> - 7 5 2 4 -1. - <_> - 8 5 1 4 2. - <_> - - <_> - 7 2 2 1 -1. - <_> - 8 2 1 1 2. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 3 17 2 2 -1. - <_> - 3 17 1 1 2. - <_> - 4 18 1 1 2. - <_> - - <_> - 6 0 12 9 -1. - <_> - 12 0 6 9 2. - <_> - - <_> - 7 0 12 3 -1. - <_> - 11 0 4 3 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 3 2. - <_> - 17 3 3 3 2. - <_> - - <_> - 15 2 1 2 -1. - <_> - 15 3 1 1 2. - <_> - - <_> - 8 2 1 6 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 5 7 3 2 -1. - <_> - 6 7 1 2 3. - <_> - - <_> - 6 7 4 6 -1. - <_> - 6 10 4 3 2. - <_> - - <_> - 8 6 10 2 -1. - <_> - 13 6 5 2 2. - <_> - - <_> - 2 1 4 15 -1. - <_> - 4 1 2 15 2. - <_> - - <_> - 5 9 3 6 -1. - <_> - 5 12 3 3 2. - <_> - - <_> - 12 11 2 1 -1. - <_> - 13 11 1 1 2. - <_> - - <_> - 6 4 6 2 -1. - <_> - 8 4 2 2 3. - <_> - - <_> - 12 9 4 8 -1. - <_> - 12 13 4 4 2. - <_> - - <_> - 15 8 2 4 -1. - <_> - 15 10 2 2 2. - <_> - - <_> - 6 12 3 3 -1. - <_> - 6 13 3 1 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 5 10 4 6 -1. - <_> - 7 10 2 6 2. - <_> - - <_> - 7 8 2 9 -1. - <_> - 7 11 2 3 3. - <_> - - <_> - 5 13 4 3 -1. - <_> - 5 14 4 1 3. - <_> - - <_> - 11 12 2 2 -1. - <_> - 11 12 1 1 2. - <_> - 12 13 1 1 2. - <_> - - <_> - 5 13 5 3 -1. - <_> - 5 14 5 1 3. - <_> - - <_> - 4 9 8 1 -1. - <_> - 8 9 4 1 2. - <_> - - <_> - 12 0 8 6 -1. - <_> - 12 0 4 3 2. - <_> - 16 3 4 3 2. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 8 4 3 3 -1. - <_> - 9 4 1 3 3. - <_> - - <_> - 8 0 7 15 -1. - <_> - 8 5 7 5 3. - <_> - - <_> - 3 0 8 4 -1. - <_> - 3 0 4 2 2. - <_> - 7 2 4 2 2. - <_> - - <_> - 0 11 20 1 -1. - <_> - 10 11 10 1 2. - <_> - - <_> - 3 14 3 2 -1. - <_> - 4 14 1 2 3. - <_> - - <_> - 3 11 3 8 -1. - <_> - 4 11 1 8 3. - <_> - - <_> - 7 13 2 5 -1. - <_> - 8 13 1 5 2. - <_> - - <_> - 14 4 3 3 -1. - <_> - 14 5 3 1 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 6 12 1 2 -1. - <_> - 6 13 1 1 2. - <_> - - <_> - 5 13 3 1 -1. - <_> - 6 13 1 1 3. - <_> - - <_> - 12 11 1 3 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 9 1 3 -1. - <_> - 5 10 1 1 3. - <_> - - <_> - 1 9 12 9 -1. - <_> - 1 12 12 3 3. - <_> - - <_> - 12 14 3 3 -1. - <_> - 12 15 3 1 3. - <_> - - <_> - 10 14 5 3 -1. - <_> - 10 15 5 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 5 11 2 6 -1. - <_> - 5 14 2 3 2. - <_> - - <_> - 6 5 2 14 -1. - <_> - 6 12 2 7 2. - <_> - - <_> - 2 8 5 2 -1. - <_> - 2 9 5 1 2. - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 15 1 1 2. - <_> - - <_> - 7 14 4 6 -1. - <_> - 7 16 4 2 3. - <_> - - <_> - 8 12 3 1 -1. - <_> - 9 12 1 1 3. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 3 6 3 4 -1. - <_> - 4 6 1 4 3. - <_> - - <_> - 4 4 3 8 -1. - <_> - 4 8 3 4 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 12 6 2 1 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 17 11 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 7 0 5 8 -1. - <_> - 7 4 5 4 2. - <_> - - <_> - 4 5 8 10 -1. - <_> - 4 5 4 5 2. - <_> - 8 10 4 5 2. - <_> - - <_> - 7 5 3 3 -1. - <_> - 7 6 3 1 3. - <_> - - <_> - 10 6 10 14 -1. - <_> - 10 13 10 7 2. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 13 10 1 4 -1. - <_> - 13 12 1 2 2. - <_> - - <_> - 3 9 12 4 -1. - <_> - 3 9 6 2 2. - <_> - 9 11 6 2 2. - <_> - - <_> - 7 14 3 6 -1. - <_> - 7 16 3 2 3. - <_> - - <_> - 10 10 3 2 -1. - <_> - 11 10 1 2 3. - <_> - - <_> - 3 4 10 4 -1. - <_> - 3 4 5 2 2. - <_> - 8 6 5 2 2. - <_> - - <_> - 4 10 4 3 -1. - <_> - 4 11 4 1 3. - <_> - - <_> - 5 3 6 4 -1. - <_> - 5 3 3 2 2. - <_> - 8 5 3 2 2. - <_> - - <_> - 6 8 6 10 -1. - <_> - 9 8 3 10 2. - <_> - - <_> - 10 15 6 3 -1. - <_> - 10 16 6 1 3. - <_> - - <_> - 3 4 3 7 -1. - <_> - 4 4 1 7 3. - <_> - - <_> - 3 3 3 11 -1. - <_> - 4 3 1 11 3. - <_> - - <_> - 7 14 5 3 -1. - <_> - 7 15 5 1 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 9 0 3 4 -1. - <_> - 10 0 1 4 3. - <_> - - <_> - 11 1 3 1 -1. - <_> - 12 1 1 1 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 0 10 2 1 -1. - <_> - 1 10 1 1 2. - <_> - - <_> - 17 0 2 8 -1. - <_> - 17 0 1 4 2. - <_> - 18 4 1 4 2. - <_> - - <_> - 6 7 6 2 -1. - <_> - 8 7 2 2 3. - <_> - - <_> - 5 7 6 9 -1. - <_> - 8 7 3 9 2. - <_> - - <_> - 6 8 9 3 -1. - <_> - 9 8 3 3 3. - <_> - - <_> - 11 7 6 4 -1. - <_> - 13 7 2 4 3. - <_> - - <_> - 8 5 2 2 -1. - <_> - 9 5 1 2 2. - <_> - - <_> - 15 3 4 10 -1. - <_> - 15 8 4 5 2. - <_> - - <_> - 9 2 1 2 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 15 8 2 -1. - <_> - 7 15 4 1 2. - <_> - 11 16 4 1 2. - <_> - - <_> - 6 5 2 9 -1. - <_> - 7 5 1 9 2. - <_> - - <_> - 6 6 2 4 -1. - <_> - 7 6 1 4 2. - <_> - - <_> - 10 15 2 4 -1. - <_> - 11 15 1 4 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 12 9 7 4 -1. - <_> - 12 11 7 2 2. - <_> - - <_> - 5 9 9 3 -1. - <_> - 8 9 3 3 3. - <_> - - <_> - 5 8 6 5 -1. - <_> - 8 8 3 5 2. - <_> - - <_> - 7 16 4 3 -1. - <_> - 7 17 4 1 3. - <_> - - <_> - 15 4 4 3 -1. - <_> - 15 5 4 1 3. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 17 11 1 1 2. - <_> - - <_> - 5 6 6 9 -1. - <_> - 8 6 3 9 2. - <_> - - <_> - 10 0 10 6 -1. - <_> - 10 0 5 3 2. - <_> - 15 3 5 3 2. - <_> - - <_> - 13 14 1 2 -1. - <_> - 13 15 1 1 2. - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 6 16 1 3 -1. - <_> - 6 17 1 1 3. - <_> - - <_> - 11 13 4 3 -1. - <_> - 11 14 4 1 3. - <_> - - <_> - 14 10 6 6 -1. - <_> - 14 10 3 3 2. - <_> - 17 13 3 3 2. - <_> - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 6 15 1 3 -1. - <_> - 6 16 1 1 3. - <_> - - <_> - 7 15 1 3 -1. - <_> - 7 16 1 1 3. - <_> - - <_> - 8 16 3 2 -1. - <_> - 9 16 1 2 3. - <_> - - <_> - 5 8 3 9 -1. - <_> - 6 8 1 9 3. - <_> - - <_> - 3 3 2 10 -1. - <_> - 3 3 1 5 2. - <_> - 4 8 1 5 2. - <_> - - <_> - 3 6 3 1 -1. - <_> - 4 6 1 1 3. - <_> - - <_> - 2 0 2 1 -1. - <_> - 3 0 1 1 2. - <_> - - <_> - 7 13 2 3 -1. - <_> - 7 14 2 1 3. - <_> - - <_> - 7 9 1 9 -1. - <_> - 7 12 1 3 3. - <_> - - <_> - 7 8 1 9 -1. - <_> - 7 11 1 3 3. - <_> - - <_> - 15 7 3 10 -1. - <_> - 16 7 1 10 3. - <_> - - <_> - 14 7 6 10 -1. - <_> - 16 7 2 10 3. - <_> - - <_> - 2 12 18 6 -1. - <_> - 2 14 18 2 3. - <_> - - <_> - 0 9 12 1 -1. - <_> - 4 9 4 1 3. - <_> - - <_> - 1 7 3 6 -1. - <_> - 2 7 1 6 3. - <_> - - <_> - 5 6 8 1 -1. - <_> - 9 6 4 1 2. - <_> - - <_> - 10 14 2 1 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 14 8 6 10 -1. - <_> - 16 8 2 10 3. - <_> - - <_> - 10 5 8 7 -1. - <_> - 14 5 4 7 2. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 5 4 2 2. - <_> - 12 7 4 2 2. - <_> - - <_> - 11 11 1 8 -1. - <_> - 11 15 1 4 2. - <_> - - <_> - 5 6 2 4 -1. - <_> - 6 6 1 4 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 9 2 1 2. - <_> - - <_> - 0 2 8 11 -1. - <_> - 4 2 4 11 2. - <_> - - <_> - 8 6 8 8 -1. - <_> - 8 10 8 4 2. - <_> - - <_> - 4 4 2 6 -1. - <_> - 5 4 1 6 2. - <_> - - <_> - 13 12 1 2 -1. - <_> - 13 13 1 1 2. - <_> - - <_> - 3 8 3 2 -1. - <_> - 4 8 1 2 3. - <_> - - <_> - 13 12 1 3 -1. - <_> - 13 13 1 1 3. - <_> - - <_> - 9 19 4 1 -1. - <_> - 11 19 2 1 2. - <_> - - <_> - 15 4 2 3 -1. - <_> - 15 5 2 1 3. - <_> - - <_> - 5 11 11 4 -1. - <_> - 5 13 11 2 2. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 6 12 4 4 -1. - <_> - 6 14 4 2 2. - <_> - - <_> - 7 11 1 3 -1. - <_> - 7 12 1 1 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 10 10 1 3 3. - <_> - - <_> - 10 12 2 1 -1. - <_> - 11 12 1 1 2. - <_> - - <_> - 7 1 12 16 -1. - <_> - 7 1 6 8 2. - <_> - 13 9 6 8 2. - <_> - - <_> - 10 5 8 7 -1. - <_> - 14 5 4 7 2. - <_> - - <_> - 18 8 2 10 -1. - <_> - 18 8 1 5 2. - <_> - 19 13 1 5 2. - <_> - - <_> - 12 11 2 2 -1. - <_> - 13 11 1 2 2. - <_> - - <_> - 3 15 3 1 -1. - <_> - 4 15 1 1 3. - <_> - - <_> - 5 14 2 1 -1. - <_> - 6 14 1 1 2. - <_> - - <_> - 11 9 1 2 -1. - <_> - 11 10 1 1 2. - <_> - - <_> - 10 12 3 1 -1. - <_> - 11 12 1 1 3. - <_> - - <_> - 5 9 7 2 -1. - <_> - 5 10 7 1 2. - <_> - - <_> - 11 0 2 1 -1. - <_> - 12 0 1 1 2. - <_> - - <_> - 11 0 2 2 -1. - <_> - 12 0 1 2 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 8 3 12 6 -1. - <_> - 8 5 12 2 3. - <_> - - <_> - 17 0 3 12 -1. - <_> - 18 0 1 12 3. - <_> - - <_> - 11 1 2 1 -1. - <_> - 12 1 1 1 2. - <_> - - <_> - 5 5 2 1 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 7 14 6 6 -1. - <_> - 7 14 3 3 2. - <_> - 10 17 3 3 2. - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 3 9 12 4 -1. - <_> - 3 9 6 2 2. - <_> - 9 11 6 2 2. - <_> - - <_> - 5 10 1 2 -1. - <_> - 5 11 1 1 2. - <_> - - <_> - 6 10 2 1 -1. - <_> - 7 10 1 1 2. - <_> - - <_> - 8 16 3 2 -1. - <_> - 9 16 1 2 3. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 7 15 3 2 -1. - <_> - 8 15 1 2 3. - <_> - - <_> - 8 15 2 1 -1. - <_> - 9 15 1 1 2. - <_> - - <_> - 5 10 4 3 -1. - <_> - 5 11 4 1 3. - <_> - - <_> - 6 7 4 12 -1. - <_> - 8 7 2 12 2. - <_> - - <_> - 5 6 6 7 -1. - <_> - 8 6 3 7 2. - <_> - - <_> - 8 4 6 11 -1. - <_> - 11 4 3 11 2. - <_> - - <_> - 7 9 6 3 -1. - <_> - 9 9 2 3 3. - <_> - - <_> - 0 5 1 2 -1. - <_> - 0 6 1 1 2. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 2 2. - <_> - - <_> - 4 4 10 12 -1. - <_> - 4 4 5 6 2. - <_> - 9 10 5 6 2. - <_> - - <_> - 5 18 2 2 -1. - <_> - 5 18 1 1 2. - <_> - 6 19 1 1 2. - <_> - - <_> - 6 3 3 3 -1. - <_> - 7 3 1 3 3. - <_> - - <_> - 5 12 2 3 -1. - <_> - 5 13 2 1 3. - <_> - - <_> - 11 15 2 3 -1. - <_> - 11 16 2 1 3. - <_> - - <_> - 11 15 1 3 -1. - <_> - 11 16 1 1 3. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 3 11 14 1 -1. - <_> - 10 11 7 1 2. - <_> - - <_> - 5 7 3 1 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 14 9 3 3 -1. - <_> - 14 10 3 1 3. - <_> - - <_> - 4 17 2 2 -1. - <_> - 4 17 1 1 2. - <_> - 5 18 1 1 2. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 17 2 1 2. - <_> - - <_> - 18 12 2 2 -1. - <_> - 18 12 1 1 2. - <_> - 19 13 1 1 2. - <_> - - <_> - 5 11 4 3 -1. - <_> - 7 11 2 3 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 7 2 1 2. - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 7 2 1 2. - <_> - - <_> - 4 5 2 6 -1. - <_> - 4 7 2 2 3. - <_> - - <_> - 3 11 6 4 -1. - <_> - 3 11 3 2 2. - <_> - 6 13 3 2 2. - <_> - - <_> - 1 10 3 3 -1. - <_> - 2 10 1 3 3. - <_> - - <_> - 15 0 4 4 -1. - <_> - 15 0 2 2 2. - <_> - 17 2 2 2 2. - <_> - - <_> - 5 6 4 10 -1. - <_> - 5 11 4 5 2. - <_> - - <_> - 7 13 1 3 -1. - <_> - 7 14 1 1 3. - <_> - - <_> - 3 10 16 4 -1. - <_> - 3 10 8 2 2. - <_> - 11 12 8 2 2. - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - <_> - - <_> - 5 14 3 3 -1. - <_> - 5 15 3 1 3. - <_> - - <_> - 9 9 3 8 -1. - <_> - 10 9 1 8 3. - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 2 7 2 2. - <_> - - <_> - 8 0 1 4 -1. - <_> - 8 2 1 2 2. - <_> - - <_> - 1 4 1 6 -1. - <_> - 1 6 1 2 3. - <_> - - <_> - 0 2 15 3 -1. - <_> - 5 2 5 3 3. - <_> - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - <_> - - <_> - 3 10 6 4 -1. - <_> - 5 10 2 4 3. - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 4 11 6 2 -1. - <_> - 7 11 3 2 2. - <_> - - <_> - 6 8 6 4 -1. - <_> - 8 8 2 4 3. - <_> - - <_> - 6 5 6 6 -1. - <_> - 8 5 2 6 3. - <_> - - <_> - 14 12 2 3 -1. - <_> - 15 12 1 3 2. - <_> - - <_> - 11 5 3 7 -1. - <_> - 12 5 1 7 3. - <_> - - <_> - 7 16 8 4 -1. - <_> - 7 16 4 2 2. - <_> - 11 18 4 2 2. - <_> - - <_> - 5 16 12 4 -1. - <_> - 5 16 6 2 2. - <_> - 11 18 6 2 2. - <_> - - <_> - 10 17 6 3 -1. - <_> - 10 18 6 1 3. - <_> - - <_> - 6 8 2 3 -1. - <_> - 6 9 2 1 3. - <_> - - <_> - 0 0 20 18 -1. - <_> - 10 0 10 18 2. - <_> - - <_> - 8 0 6 5 -1. - <_> - 11 0 3 5 2. - <_> - - <_> - 13 5 4 2 -1. - <_> - 13 5 2 1 2. - <_> - 15 6 2 1 2. - <_> - - <_> - 10 4 4 11 -1. - <_> - 12 4 2 11 2. - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 17 4 2 3 -1. - <_> - 17 5 2 1 3. - <_> - - <_> - 6 13 8 6 -1. - <_> - 6 13 4 3 2. - <_> - 10 16 4 3 2. - <_> - - <_> - 17 5 3 10 -1. - <_> - 18 5 1 10 3. - <_> - - <_> - 13 11 2 2 -1. - <_> - 14 11 1 2 2. - <_> - - <_> - 5 9 4 9 -1. - <_> - 5 12 4 3 3. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 15 15 2 2 -1. - <_> - 15 15 1 1 2. - <_> - 16 16 1 1 2. - <_> - - <_> - 6 13 6 5 -1. - <_> - 8 13 2 5 3. - <_> - - <_> - 9 7 2 8 -1. - <_> - 9 7 1 4 2. - <_> - 10 11 1 4 2. - <_> - - <_> - 4 12 2 2 -1. - <_> - 4 12 1 1 2. - <_> - 5 13 1 1 2. - <_> - - <_> - 7 4 3 1 -1. - <_> - 8 4 1 1 3. - <_> - - <_> - 12 3 3 4 -1. - <_> - 13 3 1 4 3. - <_> - - <_> - 2 0 18 20 -1. - <_> - 2 10 18 10 2. - <_> - - <_> - 11 2 7 12 -1. - <_> - 11 8 7 6 2. - <_> - - <_> - 13 5 2 2 -1. - <_> - 14 5 1 2 2. - <_> - - <_> - 4 17 4 1 -1. - <_> - 6 17 2 1 2. - <_> - - <_> - 3 14 4 4 -1. - <_> - 5 14 2 4 2. - <_> - - <_> - 0 2 8 18 -1. - <_> - 0 11 8 9 2. - <_> - - <_> - 5 7 3 3 -1. - <_> - 5 8 3 1 3. - <_> - - <_> - 8 2 3 2 -1. - <_> - 9 2 1 2 3. - <_> - - <_> - 5 7 15 4 -1. - <_> - 5 9 15 2 2. - <_> - - <_> - 10 0 10 8 -1. - <_> - 10 0 5 4 2. - <_> - 15 4 5 4 2. - <_> - - <_> - 10 8 4 4 -1. - <_> - 10 8 2 2 2. - <_> - 12 10 2 2 2. - <_> - - <_> - 5 6 3 10 -1. - <_> - 5 11 3 5 2. - <_> - - <_> - 7 6 3 4 -1. - <_> - 8 6 1 4 3. - <_> - - <_> - 12 13 2 2 -1. - <_> - 12 14 2 1 2. - <_> - - <_> - 7 8 4 12 -1. - <_> - 7 12 4 4 3. - <_> - - <_> - 0 0 6 18 -1. - <_> - 2 0 2 18 3. - <_> - - <_> - 6 1 10 6 -1. - <_> - 6 3 10 2 3. - <_> - - <_> - 13 9 3 2 -1. - <_> - 13 10 3 1 2. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 6 10 1 10 -1. - <_> - 6 15 1 5 2. - <_> - - <_> - 9 9 3 4 -1. - <_> - 9 11 3 2 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 5 2 1 2. - <_> - - <_> - 12 12 2 1 -1. - <_> - 13 12 1 1 2. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 10 16 6 3 -1. - <_> - 10 17 6 1 3. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 10 9 10 1 -1. - <_> - 15 9 5 1 2. - <_> - - <_> - 9 11 1 2 -1. - <_> - 9 12 1 1 2. - <_> - - <_> - 7 8 3 6 -1. - <_> - 7 10 3 2 3. - <_> - - <_> - 1 18 8 2 -1. - <_> - 1 18 4 1 2. - <_> - 5 19 4 1 2. - <_> - - <_> - 5 13 3 3 -1. - <_> - 5 14 3 1 3. - <_> - - <_> - 4 6 5 6 -1. - <_> - 4 9 5 3 2. - <_> - - <_> - 6 5 2 1 -1. - <_> - 7 5 1 1 2. - <_> - - <_> - 11 6 1 6 -1. - <_> - 11 9 1 3 2. - <_> - - <_> - 6 17 4 3 -1. - <_> - 6 18 4 1 3. - <_> - - <_> - 10 4 2 10 -1. - <_> - 10 4 1 5 2. - <_> - 11 9 1 5 2. - <_> - - <_> - 8 4 9 13 -1. - <_> - 11 4 3 13 3. - <_> - - <_> - 10 11 2 2 -1. - <_> - 11 11 1 2 2. - <_> - - <_> - 13 15 1 2 -1. - <_> - 13 16 1 1 2. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 0 0 14 10 -1. - <_> - 0 5 14 5 2. - <_> - - <_> - 12 5 6 15 -1. - <_> - 14 5 2 15 3. - <_> - - <_> - 11 10 2 3 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 5 14 3 3 -1. - <_> - 5 15 3 1 3. - <_> - - <_> - 5 15 3 2 -1. - <_> - 5 16 3 1 2. - <_> - - <_> - 11 14 3 6 -1. - <_> - 12 14 1 6 3. - <_> - - <_> - 12 18 2 1 -1. - <_> - 13 18 1 1 2. - <_> - - <_> - 16 5 1 2 -1. - <_> - 16 6 1 1 2. - <_> - - <_> - 17 8 3 4 -1. - <_> - 18 8 1 4 3. - <_> - - <_> - 8 15 2 3 -1. - <_> - 9 15 1 3 2. - <_> - - <_> - 6 7 2 4 -1. - <_> - 6 7 1 2 2. - <_> - 7 9 1 2 2. - <_> - - <_> - 3 7 12 2 -1. - <_> - 7 7 4 2 3. - <_> - - <_> - 4 7 3 3 -1. - <_> - 5 7 1 3 3. - <_> - - <_> - 1 10 2 1 -1. - <_> - 2 10 1 1 2. - <_> - - <_> - 4 4 2 5 -1. - <_> - 5 4 1 5 2. - <_> - - <_> - 6 7 14 2 -1. - <_> - 13 7 7 2 2. - <_> - - <_> - 14 17 2 3 -1. - <_> - 14 18 2 1 3. - <_> - - <_> - 6 11 1 3 -1. - <_> - 6 12 1 1 3. - <_> - - <_> - 11 3 8 16 -1. - <_> - 11 11 8 8 2. - <_> - - <_> - 9 12 5 3 -1. - <_> - 9 13 5 1 3. - <_> - - <_> - 5 9 1 3 -1. - <_> - 5 10 1 1 3. - <_> - - <_> - 3 8 8 4 -1. - <_> - 3 8 4 2 2. - <_> - 7 10 4 2 2. - <_> - - <_> - 10 15 2 3 -1. - <_> - 10 16 2 1 3. - <_> - - <_> - 14 9 1 6 -1. - <_> - 14 12 1 3 2. - <_> - - <_> - 13 11 1 3 -1. - <_> - 13 12 1 1 3. - <_> - - <_> - 8 7 6 6 -1. - <_> - 8 9 6 2 3. - <_> - - <_> - 9 8 4 3 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 8 2 2 5 -1. - <_> - 9 2 1 5 2. - <_> - - <_> - 13 6 3 3 -1. - <_> - 13 7 3 1 3. - <_> - - <_> - 12 0 5 14 -1. - <_> - 12 7 5 7 2. - <_> - - <_> - 2 2 7 10 -1. - <_> - 2 7 7 5 2. - <_> - - <_> - 5 5 6 11 -1. - <_> - 8 5 3 11 2. - <_> - - <_> - 6 17 3 3 -1. - <_> - 6 18 3 1 3. - <_> - - <_> - 9 5 2 8 -1. - <_> - 9 5 1 4 2. - <_> - 10 9 1 4 2. - <_> - - <_> - 14 0 4 16 -1. - <_> - 14 8 4 8 2. - <_> - - <_> - 10 7 1 3 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 7 16 3 2 -1. - <_> - 8 16 1 2 3. - <_> - - <_> - 10 6 1 3 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 5 11 14 6 -1. - <_> - 5 14 14 3 2. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 6 11 5 4 -1. - <_> - 6 13 5 2 2. - <_> - - <_> - 6 9 10 8 -1. - <_> - 6 9 5 4 2. - <_> - 11 13 5 4 2. - <_> - - <_> - 18 9 2 6 -1. - <_> - 18 9 1 3 2. - <_> - 19 12 1 3 2. - <_> - - <_> - 5 12 8 2 -1. - <_> - 9 12 4 2 2. - <_> - - <_> - 8 8 6 12 -1. - <_> - 8 8 3 6 2. - <_> - 11 14 3 6 2. - <_> - - <_> - 12 7 3 5 -1. - <_> - 13 7 1 5 3. - <_> - - <_> - 10 13 4 3 -1. - <_> - 10 14 4 1 3. - <_> - - <_> - 12 4 3 15 -1. - <_> - 13 4 1 15 3. - <_> - - <_> - 4 12 4 2 -1. - <_> - 6 12 2 2 2. - <_> - - <_> - 14 1 6 1 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 15 3 2 8 -1. - <_> - 16 3 1 8 2. - <_> - - <_> - 13 16 6 4 -1. - <_> - 13 16 3 2 2. - <_> - 16 18 3 2 2. - <_> - - <_> - 9 5 6 7 -1. - <_> - 12 5 3 7 2. - <_> - - <_> - 18 3 2 2 -1. - <_> - 18 4 2 1 2. - <_> - - <_> - 2 0 18 4 -1. - <_> - 11 0 9 4 2. - <_> - - <_> - 0 8 2 2 -1. - <_> - 1 8 1 2 2. - <_> - - <_> - 4 12 3 6 -1. - <_> - 5 12 1 6 3. - <_> - - <_> - 3 13 4 2 -1. - <_> - 5 13 2 2 2. - <_> - - <_> - 4 14 11 2 -1. - <_> - 4 15 11 1 2. - <_> - - <_> - 4 13 8 3 -1. - <_> - 4 14 8 1 3. - <_> - - <_> - 3 7 6 10 -1. - <_> - 3 7 3 5 2. - <_> - 6 12 3 5 2. - <_> - - <_> - 5 7 6 4 -1. - <_> - 7 7 2 4 3. - <_> - - <_> - 2 11 10 6 -1. - <_> - 2 14 10 3 2. - <_> - - <_> - 5 7 9 12 -1. - <_> - 5 13 9 6 2. - <_> - - <_> - 9 12 7 4 -1. - <_> - 9 14 7 2 2. - <_> - - <_> - 2 0 8 4 -1. - <_> - 2 0 4 2 2. - <_> - 6 2 4 2 2. - <_> - - <_> - 4 0 4 4 -1. - <_> - 4 0 2 2 2. - <_> - 6 2 2 2 2. - <_> - - <_> - 6 2 3 2 -1. - <_> - 7 2 1 2 3. - <_> - - <_> - 2 11 3 4 -1. - <_> - 3 11 1 4 3. - <_> - - <_> - 1 17 2 1 -1. - <_> - 2 17 1 1 2. - <_> - - <_> - 15 12 4 3 -1. - <_> - 15 13 4 1 3. - <_> - - <_> - 9 15 7 3 -1. - <_> - 9 16 7 1 3. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 3 5 12 10 -1. - <_> - 3 5 6 5 2. - <_> - 9 10 6 5 2. - <_> - - <_> - 4 2 12 5 -1. - <_> - 10 2 6 5 2. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 2 10 3 4 -1. - <_> - 3 10 1 4 3. - <_> - - <_> - 11 5 2 10 -1. - <_> - 11 10 2 5 2. - <_> - - <_> - 8 6 7 8 -1. - <_> - 8 10 7 4 2. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 2 8 8 4 -1. - <_> - 6 8 4 4 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 1 9 1 2 2. - <_> - - <_> - 13 11 4 2 -1. - <_> - 15 11 2 2 2. - <_> - - <_> - 8 6 12 5 -1. - <_> - 12 6 4 5 3. - <_> - - <_> - 11 11 9 1 -1. - <_> - 14 11 3 1 3. - <_> - - <_> - 15 10 2 4 -1. - <_> - 15 10 1 2 2. - <_> - 16 12 1 2 2. - <_> - - <_> - 18 5 1 3 -1. - <_> - 18 6 1 1 3. - <_> - - <_> - 4 10 7 3 -1. - <_> - 4 11 7 1 3. - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 7 13 2 3 -1. - <_> - 7 14 2 1 3. - <_> - - <_> - 7 14 3 3 -1. - <_> - 7 15 3 1 3. - <_> - - <_> - 7 15 3 3 -1. - <_> - 7 16 3 1 3. - <_> - - <_> - 14 15 1 3 -1. - <_> - 14 16 1 1 3. - <_> - - <_> - 2 14 10 6 -1. - <_> - 2 17 10 3 2. - <_> - - <_> - 5 12 5 3 -1. - <_> - 5 13 5 1 3. - <_> - - <_> - 7 9 1 6 -1. - <_> - 7 11 1 2 3. - <_> - - <_> - 0 6 5 6 -1. - <_> - 0 8 5 2 3. - <_> - - <_> - 6 10 3 4 -1. - <_> - 6 12 3 2 2. - <_> - - <_> - 4 9 9 2 -1. - <_> - 4 10 9 1 2. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 8 9 4 4 -1. - <_> - 8 11 4 2 2. - <_> - - <_> - 11 10 3 1 -1. - <_> - 12 10 1 1 3. - <_> - - <_> - 5 7 3 2 -1. - <_> - 5 8 3 1 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 3 6 3 2. - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 6 1 4 3. - <_> - - <_> - 11 1 9 12 -1. - <_> - 14 1 3 12 3. - <_> - - <_> - 6 7 4 9 -1. - <_> - 6 10 4 3 3. - <_> - - <_> - 11 7 8 6 -1. - <_> - 11 7 4 3 2. - <_> - 15 10 4 3 2. - <_> - - <_> - 8 9 7 3 -1. - <_> - 8 10 7 1 3. - <_> - - <_> - 3 2 4 18 -1. - <_> - 5 2 2 18 2. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 6 11 8 6 -1. - <_> - 6 11 4 3 2. - <_> - 10 14 4 3 2. - <_> - - <_> - 5 9 4 7 -1. - <_> - 7 9 2 7 2. - <_> - - <_> - 5 8 6 5 -1. - <_> - 8 8 3 5 2. - <_> - - <_> - 7 11 1 3 -1. - <_> - 7 12 1 1 3. - <_> - - <_> - 15 10 3 1 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 10 12 2 2 -1. - <_> - 10 13 2 1 2. - <_> - - <_> - 11 13 2 1 -1. - <_> - 12 13 1 1 2. - <_> - - <_> - 6 12 2 2 -1. - <_> - 6 13 2 1 2. - <_> - - <_> - 11 2 2 12 -1. - <_> - 11 2 1 6 2. - <_> - 12 8 1 6 2. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 3 6 3 2. - <_> - - <_> - 4 8 4 2 -1. - <_> - 4 9 4 1 2. - <_> - - <_> - 14 12 1 2 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 2 2. - <_> - 5 2 1 2 2. - <_> - - <_> - 15 2 2 1 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 3 14 3 1 -1. - <_> - 4 14 1 1 3. - <_> - - <_> - 5 11 10 4 -1. - <_> - 5 11 5 2 2. - <_> - 10 13 5 2 2. - <_> - - <_> - 4 10 12 3 -1. - <_> - 4 11 12 1 3. - <_> - - <_> - 15 2 4 6 -1. - <_> - 15 2 2 3 2. - <_> - 17 5 2 3 2. - <_> - - <_> - 5 8 1 4 -1. - <_> - 5 10 1 2 2. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 15 1 2 3. - <_> - - <_> - 11 19 2 1 -1. - <_> - 12 19 1 1 2. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 6 4 2 1 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 4 1 2 3. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 15 1 2 3. - <_> - - <_> - 4 8 2 4 -1. - <_> - 4 8 1 2 2. - <_> - 5 10 1 2 2. - <_> - - <_> - 10 4 7 3 -1. - <_> - 10 5 7 1 3. - <_> - - <_> - 4 5 2 6 -1. - <_> - 5 5 1 6 2. - <_> - - <_> - 10 13 1 3 -1. - <_> - 10 14 1 1 3. - <_> - - <_> - 6 11 6 3 -1. - <_> - 9 11 3 3 2. - <_> - - <_> - 10 14 3 2 -1. - <_> - 10 15 3 1 2. - <_> - - <_> - 8 8 4 2 -1. - <_> - 10 8 2 2 2. - <_> - - <_> - 17 12 3 1 -1. - <_> - 18 12 1 1 3. - <_> - - <_> - 9 0 11 16 -1. - <_> - 9 8 11 8 2. - <_> - - <_> - 17 0 3 6 -1. - <_> - 17 2 3 2 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 4 10 10 9 -1. - <_> - 4 13 10 3 3. - <_> - - <_> - 3 3 3 5 -1. - <_> - 4 3 1 5 3. - <_> - - <_> - 6 1 2 6 -1. - <_> - 6 3 2 2 3. - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 6 3 6 4 -1. - <_> - 8 3 2 4 3. - <_> - - <_> - 8 6 3 3 -1. - <_> - 8 7 3 1 3. - <_> - - <_> - 9 6 3 6 -1. - <_> - 9 8 3 2 3. - <_> - - <_> - 4 3 12 12 -1. - <_> - 4 3 6 6 2. - <_> - 10 9 6 6 2. - <_> - - <_> - 13 8 3 2 -1. - <_> - 13 9 3 1 2. - <_> - - <_> - 4 3 10 2 -1. - <_> - 9 3 5 2 2. - <_> - - <_> - 18 14 2 2 -1. - <_> - 18 14 1 1 2. - <_> - 19 15 1 1 2. - <_> - - <_> - 5 6 6 2 -1. - <_> - 8 6 3 2 2. - <_> - - <_> - 0 14 20 5 -1. - <_> - 10 14 10 5 2. - <_> - - <_> - 9 17 2 1 -1. - <_> - 10 17 1 1 2. - <_> - - <_> - 5 16 5 3 -1. - <_> - 5 17 5 1 3. - <_> - - <_> - 9 16 3 2 -1. - <_> - 10 16 1 2 3. - <_> - - <_> - 6 5 5 3 -1. - <_> - 6 6 5 1 3. - <_> - - <_> - 11 12 3 8 -1. - <_> - 12 12 1 8 3. - <_> - - <_> - 4 3 3 9 -1. - <_> - 4 6 3 3 3. - <_> - - <_> - 11 0 3 3 -1. - <_> - 12 0 1 3 3. - <_> - - <_> - 5 17 10 2 -1. - <_> - 5 17 5 1 2. - <_> - 10 18 5 1 2. - <_> - - <_> - 5 15 2 3 -1. - <_> - 5 16 2 1 3. - <_> - - <_> - 6 14 2 4 -1. - <_> - 6 14 1 2 2. - <_> - 7 16 1 2 2. - <_> - - <_> - 10 17 6 3 -1. - <_> - 10 18 6 1 3. - <_> - - <_> - 19 5 1 3 -1. - <_> - 19 6 1 1 3. - <_> - - <_> - 16 13 2 2 -1. - <_> - 16 13 1 1 2. - <_> - 17 14 1 1 2. - <_> - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 4 12 6 6 -1. - <_> - 4 12 3 3 2. - <_> - 7 15 3 3 2. - <_> - - <_> - 5 15 4 3 -1. - <_> - 5 16 4 1 3. - <_> - - <_> - 10 16 3 2 -1. - <_> - 11 16 1 2 3. - <_> - - <_> - 1 0 10 2 -1. - <_> - 1 0 5 1 2. - <_> - 6 1 5 1 2. - <_> - - <_> - 2 0 18 14 -1. - <_> - 11 0 9 14 2. - <_> - - <_> - 15 7 4 7 -1. - <_> - 17 7 2 7 2. - <_> - - <_> - 5 10 2 4 -1. - <_> - 6 10 1 4 2. - <_> - - <_> - 15 16 3 1 -1. - <_> - 16 16 1 1 3. - <_> - - <_> - 7 15 5 3 -1. - <_> - 7 16 5 1 3. - <_> - - <_> - 12 1 6 3 -1. - <_> - 14 1 2 3 3. - <_> - - <_> - 16 2 2 1 -1. - <_> - 17 2 1 1 2. - <_> - - <_> - 17 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 18 1 1 1 2. - <_> - - <_> - 1 0 4 6 -1. - <_> - 1 2 4 2 3. - <_> - - <_> - 3 1 6 18 -1. - <_> - 3 7 6 6 3. - <_> - - <_> - 5 1 1 12 -1. - <_> - 5 7 1 6 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 17 10 1 1 2. - <_> - - <_> - 4 2 2 11 -1. - <_> - 5 2 1 11 2. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 10 0 10 10 -1. - <_> - 10 0 5 5 2. - <_> - 15 5 5 5 2. - <_> - - <_> - 19 6 1 2 -1. - <_> - 19 7 1 1 2. - <_> - - <_> - 11 0 6 8 -1. - <_> - 11 0 3 4 2. - <_> - 14 4 3 4 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 3 1 9 11 -1. - <_> - 6 1 3 11 3. - <_> - - <_> - 10 11 3 2 -1. - <_> - 10 12 3 1 2. - <_> - - <_> - 10 9 4 2 -1. - <_> - 12 9 2 2 2. - <_> - - <_> - 13 7 1 6 -1. - <_> - 13 9 1 2 3. - <_> - - <_> - 8 10 6 2 -1. - <_> - 8 10 3 1 2. - <_> - 11 11 3 1 2. - <_> - - <_> - 4 11 4 6 -1. - <_> - 4 14 4 3 2. - <_> - - <_> - 17 4 2 3 -1. - <_> - 17 5 2 1 3. - <_> - - <_> - 10 2 8 14 -1. - <_> - 10 2 4 7 2. - <_> - 14 9 4 7 2. - <_> - - <_> - 12 8 8 7 -1. - <_> - 16 8 4 7 2. - <_> - - <_> - 1 2 18 1 -1. - <_> - 7 2 6 1 3. - <_> - - <_> - 0 1 8 19 -1. - <_> - 4 1 4 19 2. - <_> - - <_> - 0 0 8 12 -1. - <_> - 4 0 4 12 2. - <_> - - <_> - 13 5 5 12 -1. - <_> - 13 11 5 6 2. - <_> - - <_> - 7 9 1 4 -1. - <_> - 7 11 1 2 2. - <_> - - <_> - 0 13 10 3 -1. - <_> - 5 13 5 3 2. - <_> - - <_> - 2 7 12 4 -1. - <_> - 6 7 4 4 3. - <_> - - <_> - 9 1 2 6 -1. - <_> - 9 1 1 3 2. - <_> - 10 4 1 3 2. - <_> - - <_> - 6 8 3 3 -1. - <_> - 7 8 1 3 3. - <_> - - <_> - 4 11 3 1 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 5 10 1 2 -1. - <_> - 5 11 1 1 2. - <_> - - <_> - 0 17 4 1 -1. - <_> - 2 17 2 1 2. - <_> - - <_> - 1 16 2 1 -1. - <_> - 2 16 1 1 2. - <_> - - <_> - 7 14 2 3 -1. - <_> - 7 15 2 1 3. - <_> - - <_> - 10 13 2 2 -1. - <_> - 10 14 2 1 2. - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 16 10 3 2 -1. - <_> - 17 10 1 2 3. - <_> - - <_> - 7 2 3 1 -1. - <_> - 8 2 1 1 3. - <_> - - <_> - 14 4 5 3 -1. - <_> - 14 5 5 1 3. - <_> - - <_> - 7 7 2 3 -1. - <_> - 8 7 1 3 2. - <_> - - <_> - 5 7 6 7 -1. - <_> - 8 7 3 7 2. - <_> - - <_> - 4 2 2 6 -1. - <_> - 4 2 1 3 2. - <_> - 5 5 1 3 2. - <_> - - <_> - 4 9 2 3 -1. - <_> - 4 10 2 1 3. - <_> - - <_> - 8 6 7 12 -1. - <_> - 8 10 7 4 3. - <_> - - <_> - 8 5 2 10 -1. - <_> - 8 10 2 5 2. - <_> - - <_> - 4 3 3 5 -1. - <_> - 5 3 1 5 3. - <_> - - <_> - 9 12 2 1 -1. - <_> - 10 12 1 1 2. - <_> - - <_> - 3 8 3 4 -1. - <_> - 4 8 1 4 3. - <_> - - <_> - 13 14 3 3 -1. - <_> - 13 15 3 1 3. - <_> - - <_> - 1 14 2 3 -1. - <_> - 2 14 1 3 2. - <_> - - <_> - 5 0 2 4 -1. - <_> - 5 0 1 2 2. - <_> - 6 2 1 2 2. - <_> - - <_> - 5 14 4 3 -1. - <_> - 5 15 4 1 3. - <_> - - <_> - 6 12 2 6 -1. - <_> - 6 12 1 3 2. - <_> - 7 15 1 3 2. - <_> - - <_> - 6 13 2 2 -1. - <_> - 7 13 1 2 2. - <_> - - <_> - 9 10 4 5 -1. - <_> - 11 10 2 5 2. - <_> - - <_> - 11 3 2 1 -1. - <_> - 12 3 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 5 3 6 5 -1. - <_> - 7 3 2 5 3. - <_> - - <_> - 5 6 4 8 -1. - <_> - 7 6 2 8 2. - <_> - - <_> - 5 7 6 3 -1. - <_> - 7 7 2 3 3. - <_> - - <_> - 9 12 3 4 -1. - <_> - 10 12 1 4 3. - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 9 1 1 3. - <_> - - <_> - 13 14 3 3 -1. - <_> - 13 15 3 1 3. - <_> - - <_> - 7 13 4 2 -1. - <_> - 7 13 2 1 2. - <_> - 9 14 2 1 2. - <_> - - <_> - 10 13 1 2 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 9 13 2 3 -1. - <_> - 9 14 2 1 3. - <_> - - <_> - 9 14 2 3 -1. - <_> - 9 15 2 1 3. - <_> - - <_> - 9 6 8 1 -1. - <_> - 13 6 4 1 2. - <_> - - <_> - 6 8 3 2 -1. - <_> - 6 9 3 1 2. - <_> - - <_> - 5 6 2 3 -1. - <_> - 6 6 1 3 2. - <_> - - <_> - 12 10 2 6 -1. - <_> - 12 13 2 3 2. - <_> - - <_> - 1 0 18 2 -1. - <_> - 7 0 6 2 3. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 7 2 3 2. - <_> - 11 10 2 3 2. - <_> - - <_> - 12 10 2 4 -1. - <_> - 13 10 1 4 2. - <_> - - <_> - 13 12 1 2 -1. - <_> - 13 13 1 1 2. - <_> - - <_> - 13 18 2 2 -1. - <_> - 14 18 1 2 2. - <_> - - <_> - 15 4 2 1 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 5 7 6 3 -1. - <_> - 7 7 2 3 3. - <_> - - <_> - 5 8 8 3 -1. - <_> - 9 8 4 3 2. - <_> - - <_> - 6 12 6 3 -1. - <_> - 9 12 3 3 2. - <_> - - <_> - 12 14 3 6 -1. - <_> - 13 14 1 6 3. - <_> - - <_> - 18 9 2 8 -1. - <_> - 18 9 1 4 2. - <_> - 19 13 1 4 2. - <_> - - <_> - 5 5 7 3 -1. - <_> - 5 6 7 1 3. - <_> - - <_> - 10 13 2 2 -1. - <_> - 10 13 1 1 2. - <_> - 11 14 1 1 2. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 9 13 4 2 -1. - <_> - 9 13 2 1 2. - <_> - 11 14 2 1 2. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 7 10 3 6 -1. - <_> - 7 12 3 2 3. - <_> - - <_> - 13 8 4 4 -1. - <_> - 13 10 4 2 2. - <_> - - <_> - 8 0 12 18 -1. - <_> - 8 9 12 9 2. - <_> - - <_> - 18 9 2 10 -1. - <_> - 18 9 1 5 2. - <_> - 19 14 1 5 2. - <_> - - <_> - 14 2 3 6 -1. - <_> - 14 5 3 3 2. - <_> - - <_> - 10 0 3 14 -1. - <_> - 11 0 1 14 3. - <_> - - <_> - 6 16 8 4 -1. - <_> - 6 16 4 2 2. - <_> - 10 18 4 2 2. - <_> - - <_> - 5 3 5 12 -1. - <_> - 5 7 5 4 3. - <_> - - <_> - 4 15 6 3 -1. - <_> - 4 16 6 1 3. - <_> - - <_> - 6 15 1 3 -1. - <_> - 6 16 1 1 3. - <_> - - <_> - 13 1 2 1 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 2 2 18 9 -1. - <_> - 11 2 9 9 2. - <_> - - <_> - 4 16 2 4 -1. - <_> - 4 16 1 2 2. - <_> - 5 18 1 2 2. - <_> - - <_> - 15 1 3 8 -1. - <_> - 16 1 1 8 3. - <_> - - <_> - 11 11 2 3 -1. - <_> - 11 12 2 1 3. - <_> - - <_> - 9 9 2 4 -1. - <_> - 9 11 2 2 2. - <_> - - <_> - 5 9 8 4 -1. - <_> - 5 9 4 2 2. - <_> - 9 11 4 2 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 7 9 2 3 -1. - <_> - 7 10 2 1 3. - <_> - - <_> - 11 15 4 3 -1. - <_> - 11 16 4 1 3. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 6 8 2 3 -1. - <_> - 6 9 2 1 3. - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 9 2 3 3. - <_> - - <_> - 6 9 4 2 -1. - <_> - 6 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 4 7 9 1 -1. - <_> - 7 7 3 1 3. - <_> - - <_> - 5 7 2 6 -1. - <_> - 5 7 1 3 2. - <_> - 6 10 1 3 2. - <_> - - <_> - 4 8 4 8 -1. - <_> - 4 12 4 4 2. - <_> - - <_> - 7 0 2 19 -1. - <_> - 8 0 1 19 2. - <_> - - <_> - 5 9 1 3 -1. - <_> - 5 10 1 1 3. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 16 4 3 6 -1. - <_> - 16 6 3 2 3. - <_> - - <_> - 10 15 5 3 -1. - <_> - 10 16 5 1 3. - <_> - - <_> - 13 1 5 14 -1. - <_> - 13 8 5 7 2. - <_> - - <_> - 3 0 4 4 -1. - <_> - 3 0 2 2 2. - <_> - 5 2 2 2 2. - <_> - - <_> - 6 5 4 13 -1. - <_> - 8 5 2 13 2. - <_> - - <_> - 4 2 2 16 -1. - <_> - 4 2 1 8 2. - <_> - 5 10 1 8 2. - <_> - - <_> - 4 8 8 3 -1. - <_> - 8 8 4 3 2. - <_> - - <_> - 5 6 2 12 -1. - <_> - 5 12 2 6 2. - <_> - - <_> - 8 7 2 4 -1. - <_> - 9 7 1 4 2. - <_> - - <_> - 13 9 5 4 -1. - <_> - 13 11 5 2 2. - <_> - - <_> - 12 0 8 2 -1. - <_> - 12 0 4 1 2. - <_> - 16 1 4 1 2. - <_> - - <_> - 14 0 6 4 -1. - <_> - 14 0 3 2 2. - <_> - 17 2 3 2 2. - <_> - - <_> - 4 9 6 2 -1. - <_> - 6 9 2 2 3. - <_> - - <_> - 13 1 2 1 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 6 0 6 3 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 6 12 1 3 3. - <_> - - <_> - 5 11 4 3 -1. - <_> - 5 12 4 1 3. - <_> - - <_> - 5 13 2 4 -1. - <_> - 5 13 1 2 2. - <_> - 6 15 1 2 2. - <_> - - <_> - 4 11 3 3 -1. - <_> - 4 12 3 1 3. - <_> - - <_> - 1 8 6 2 -1. - <_> - 1 9 6 1 2. - <_> - - <_> - 6 8 4 12 -1. - <_> - 6 12 4 4 3. - <_> - - <_> - 7 14 6 4 -1. - <_> - 7 14 3 2 2. - <_> - 10 16 3 2 2. - <_> - - <_> - 8 16 8 4 -1. - <_> - 8 16 4 2 2. - <_> - 12 18 4 2 2. - <_> - - <_> - 5 10 10 6 -1. - <_> - 5 12 10 2 3. - <_> - - <_> - 6 13 1 3 -1. - <_> - 6 14 1 1 3. - <_> - - <_> - 3 11 4 6 -1. - <_> - 3 13 4 2 3. - <_> - - <_> - 10 14 6 3 -1. - <_> - 10 15 6 1 3. - <_> - - <_> - 3 15 4 2 -1. - <_> - 5 15 2 2 2. - <_> - - <_> - 3 14 4 3 -1. - <_> - 5 14 2 3 2. - <_> - - <_> - 1 2 1 2 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 0 12 8 4 -1. - <_> - 4 12 4 4 2. - <_> - - <_> - 1 2 1 2 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 5 11 1 3 -1. - <_> - 5 12 1 1 3. - <_> - - <_> - 10 19 2 1 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 6 6 4 4 -1. - <_> - 6 6 2 2 2. - <_> - 8 8 2 2 2. - <_> - - <_> - 6 3 1 2 -1. - <_> - 6 4 1 1 2. - <_> - - <_> - 0 4 10 2 -1. - <_> - 5 4 5 2 2. - <_> - - <_> - 4 5 2 1 -1. - <_> - 5 5 1 1 2. - <_> - - <_> - 0 12 2 1 -1. - <_> - 1 12 1 1 2. - <_> - - <_> - 1 4 6 11 -1. - <_> - 3 4 2 11 3. - <_> - - <_> - 6 4 2 1 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 7 0 1 6 -1. - <_> - 7 2 1 2 3. - <_> - - <_> - 7 0 8 4 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 13 6 2 2 -1. - <_> - 13 7 2 1 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 16 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 11 12 1 2 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 4 4 5 2 -1. - <_> - 4 5 5 1 2. - <_> - - <_> - 4 3 3 9 -1. - <_> - 4 6 3 3 3. - <_> - - <_> - 6 7 2 3 -1. - <_> - 7 7 1 3 2. - <_> - - <_> - 4 8 6 1 -1. - <_> - 7 8 3 1 2. - <_> - - <_> - 3 8 12 5 -1. - <_> - 9 8 6 5 2. - <_> - - <_> - 9 8 1 3 -1. - <_> - 9 9 1 1 3. - <_> - - <_> - 9 9 6 1 -1. - <_> - 12 9 3 1 2. - <_> - - <_> - 13 7 7 6 -1. - <_> - 13 9 7 2 3. - <_> - - <_> - 0 2 20 18 -1. - <_> - 10 2 10 18 2. - <_> - - <_> - 12 5 6 3 -1. - <_> - 12 6 6 1 3. - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 4 9 11 6 -1. - <_> - 4 11 11 2 3. - <_> - - <_> - 7 7 7 6 -1. - <_> - 7 10 7 3 2. - <_> - - <_> - 15 7 2 8 -1. - <_> - 15 7 1 4 2. - <_> - 16 11 1 4 2. - <_> - - <_> - 4 10 2 6 -1. - <_> - 4 12 2 2 3. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 7 2 3 4 -1. - <_> - 8 2 1 4 3. - <_> - - <_> - 7 3 2 3 -1. - <_> - 8 3 1 3 2. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 14 6 3 8 -1. - <_> - 15 6 1 8 3. - <_> - - <_> - 4 10 2 6 -1. - <_> - 4 13 2 3 2. - <_> - - <_> - 0 17 10 3 -1. - <_> - 0 18 10 1 3. - <_> - - <_> - 5 18 7 2 -1. - <_> - 5 19 7 1 2. - <_> - - <_> - 13 12 1 3 -1. - <_> - 13 13 1 1 3. - <_> - - <_> - 9 2 4 16 -1. - <_> - 9 2 2 8 2. - <_> - 11 10 2 8 2. - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - <_> - - <_> - 9 8 2 4 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 18 4 2 3 -1. - <_> - 18 5 2 1 3. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 17 11 1 1 2. - <_> - - <_> - 14 2 6 6 -1. - <_> - 14 4 6 2 3. - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 17 10 2 1 -1. - <_> - 18 10 1 1 2. - <_> - - <_> - 16 8 2 4 -1. - <_> - 17 8 1 4 2. - <_> - - <_> - 11 15 6 3 -1. - <_> - 11 16 6 1 3. - <_> - - <_> - 3 7 3 4 -1. - <_> - 4 7 1 4 3. - <_> - - <_> - 3 5 3 5 -1. - <_> - 4 5 1 5 3. - <_> - - <_> - 2 10 6 1 -1. - <_> - 5 10 3 1 2. - <_> - - <_> - 12 0 4 2 -1. - <_> - 14 0 2 2 2. - <_> - - <_> - 9 14 1 2 -1. - <_> - 9 15 1 1 2. - <_> - - <_> - 15 12 5 6 -1. - <_> - 15 14 5 2 3. - <_> - - <_> - 4 13 10 4 -1. - <_> - 4 15 10 2 2. - <_> - - <_> - 7 16 6 4 -1. - <_> - 7 16 3 2 2. - <_> - 10 18 3 2 2. - <_> - - <_> - 9 16 7 3 -1. - <_> - 9 17 7 1 3. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - <_> - - <_> - 0 17 20 2 -1. - <_> - 10 17 10 2 2. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 4 7 2 6 -1. - <_> - 4 7 1 3 2. - <_> - 5 10 1 3 2. - <_> - - <_> - 11 11 1 2 -1. - <_> - 11 12 1 1 2. - <_> - - <_> - 10 13 5 2 -1. - <_> - 10 14 5 1 2. - <_> - - <_> - 8 16 3 3 -1. - <_> - 8 17 3 1 3. - <_> - - <_> - 9 18 3 1 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 8 6 11 12 -1. - <_> - 8 10 11 4 3. - <_> - - <_> - 2 4 13 12 -1. - <_> - 2 10 13 6 2. - <_> - - <_> - 0 15 10 4 -1. - <_> - 0 15 5 2 2. - <_> - 5 17 5 2 2. - <_> - - <_> - 4 8 6 2 -1. - <_> - 7 8 3 2 2. - <_> - - <_> - 10 1 6 2 -1. - <_> - 12 1 2 2 3. - <_> - - <_> - 7 8 6 7 -1. - <_> - 9 8 2 7 3. - <_> - - <_> - 9 9 6 2 -1. - <_> - 11 9 2 2 3. - <_> - - <_> - 3 14 15 4 -1. - <_> - 8 14 5 4 3. - <_> - - <_> - 7 3 2 14 -1. - <_> - 7 10 2 7 2. - <_> - - <_> - 11 14 1 2 -1. - <_> - 11 15 1 1 2. - <_> - - <_> - 5 11 1 3 -1. - <_> - 5 12 1 1 3. - <_> - - <_> - 11 14 3 3 -1. - <_> - 11 15 3 1 3. - <_> - - <_> - 10 7 9 4 -1. - <_> - 13 7 3 4 3. - <_> - - <_> - 11 6 6 5 -1. - <_> - 14 6 3 5 2. - <_> - - <_> - 8 9 1 2 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 16 3 1 10 -1. - <_> - 16 8 1 5 2. - <_> - - <_> - 6 11 10 4 -1. - <_> - 6 13 10 2 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 6 7 1 2 2. - <_> - - <_> - 1 6 6 11 -1. - <_> - 4 6 3 11 2. - <_> - - <_> - 6 8 3 2 -1. - <_> - 6 9 3 1 2. - <_> - - <_> - 10 15 1 2 -1. - <_> - 10 16 1 1 2. - <_> - - <_> - 8 0 12 1 -1. - <_> - 14 0 6 1 2. - <_> - - <_> - 5 3 2 2 -1. - <_> - 6 3 1 2 2. - <_> - - <_> - 11 6 6 5 -1. - <_> - 14 6 3 5 2. - <_> - - <_> - 6 12 3 3 -1. - <_> - 6 13 3 1 3. - <_> - - <_> - 10 10 3 3 -1. - <_> - 11 10 1 3 3. - <_> - - <_> - 6 13 2 2 -1. - <_> - 6 14 2 1 2. - <_> - - <_> - 4 2 16 8 -1. - <_> - 12 2 8 8 2. - <_> - - <_> - 10 12 2 2 -1. - <_> - 10 12 1 1 2. - <_> - 11 13 1 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 2 2. - <_> - - <_> - 13 13 1 3 -1. - <_> - 13 14 1 1 3. - <_> - - <_> - 13 13 2 3 -1. - <_> - 13 14 2 1 3. - <_> - - <_> - 1 13 6 4 -1. - <_> - 4 13 3 4 2. - <_> - - <_> - 10 13 2 1 -1. - <_> - 11 13 1 1 2. - <_> - - <_> - 10 6 2 10 -1. - <_> - 10 6 1 5 2. - <_> - 11 11 1 5 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 1 1 2. - <_> - 17 12 1 1 2. - <_> - - <_> - 16 12 3 1 -1. - <_> - 17 12 1 1 3. - <_> - - <_> - 9 5 7 12 -1. - <_> - 9 9 7 4 3. - <_> - - <_> - 4 1 10 18 -1. - <_> - 4 1 5 9 2. - <_> - 9 10 5 9 2. - <_> - - <_> - 17 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 18 13 1 1 2. - <_> - - <_> - 12 5 6 2 -1. - <_> - 12 6 6 1 2. - <_> - - <_> - 4 7 5 2 -1. - <_> - 4 8 5 1 2. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 6 0 7 6 -1. - <_> - 6 3 7 3 2. - <_> - - <_> - 13 11 2 8 -1. - <_> - 13 11 1 4 2. - <_> - 14 15 1 4 2. - <_> - - <_> - 8 7 4 2 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 4 1 2 4 -1. - <_> - 4 1 1 2 2. - <_> - 5 3 1 2 2. - <_> - - <_> - 4 0 2 8 -1. - <_> - 4 0 1 4 2. - <_> - 5 4 1 4 2. - <_> - - <_> - 6 3 2 1 -1. - <_> - 7 3 1 1 2. - <_> - - <_> - 14 12 1 3 -1. - <_> - 14 13 1 1 3. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 11 2 2 -1. - <_> - 5 12 2 1 2. - <_> - - <_> - 5 1 4 15 -1. - <_> - 5 6 4 5 3. - <_> - - <_> - 11 5 4 14 -1. - <_> - 11 5 2 7 2. - <_> - 13 12 2 7 2. - <_> - - <_> - 9 18 3 1 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 4 10 5 6 -1. - <_> - 4 12 5 2 3. - <_> - - <_> - 5 13 3 3 -1. - <_> - 5 14 3 1 3. - <_> - - <_> - 8 1 3 5 -1. - <_> - 9 1 1 5 3. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 6 14 3 3 -1. - <_> - 7 14 1 3 3. - <_> - - <_> - 7 13 2 3 -1. - <_> - 7 14 2 1 3. - <_> - - <_> - 4 3 2 9 -1. - <_> - 4 6 2 3 3. - <_> - - <_> - 4 8 3 2 -1. - <_> - 4 9 3 1 2. - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 7 8 12 6 -1. - <_> - 7 8 6 3 2. - <_> - 13 11 6 3 2. - <_> - - <_> - 14 10 3 2 -1. - <_> - 14 11 3 1 2. - <_> - - <_> - 5 16 6 2 -1. - <_> - 5 17 6 1 2. - <_> - - <_> - 8 15 4 3 -1. - <_> - 8 16 4 1 3. - <_> - - <_> - 14 9 2 2 -1. - <_> - 14 10 2 1 2. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 8 5 3 3 -1. - <_> - 8 6 3 1 3. - <_> - - <_> - 1 7 17 9 -1. - <_> - 1 10 17 3 3. - <_> - - <_> - 5 10 6 8 -1. - <_> - 5 14 6 4 2. - <_> - - <_> - 18 1 2 2 -1. - <_> - 18 1 1 1 2. - <_> - 19 2 1 1 2. - <_> - - <_> - 0 0 11 6 -1. - <_> - 0 3 11 3 2. - <_> - - <_> - 3 0 16 3 -1. - <_> - 3 1 16 1 3. - <_> - - <_> - 10 10 10 3 -1. - <_> - 10 11 10 1 3. - <_> - - <_> - 0 0 15 18 -1. - <_> - 0 9 15 9 2. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 14 12 6 3 -1. - <_> - 17 12 3 3 2. - <_> - - <_> - 8 4 3 4 -1. - <_> - 9 4 1 4 3. - <_> - - <_> - 8 6 12 4 -1. - <_> - 12 6 4 4 3. - <_> - - <_> - 9 12 2 2 -1. - <_> - 9 13 2 1 2. - <_> - - <_> - 6 3 1 2 -1. - <_> - 6 4 1 1 2. - <_> - - <_> - 4 7 2 8 -1. - <_> - 4 7 1 4 2. - <_> - 5 11 1 4 2. - <_> - - <_> - 9 17 3 2 -1. - <_> - 10 17 1 2 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 6 4 1 6 -1. - <_> - 6 7 1 3 2. - <_> - - <_> - 5 6 13 6 -1. - <_> - 5 8 13 2 3. - <_> - - <_> - 6 7 4 12 -1. - <_> - 8 7 2 12 2. - <_> - - <_> - 6 12 2 4 -1. - <_> - 7 12 1 4 2. - <_> - - <_> - 5 14 4 3 -1. - <_> - 5 15 4 1 3. - <_> - - <_> - 10 5 3 1 -1. - <_> - 11 5 1 1 3. - <_> - - <_> - 4 15 4 3 -1. - <_> - 4 16 4 1 3. - <_> - - <_> - 11 12 3 2 -1. - <_> - 12 12 1 2 3. - <_> - - <_> - 11 10 8 2 -1. - <_> - 15 10 4 2 2. - <_> - - <_> - 14 18 6 2 -1. - <_> - 17 18 3 2 2. - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - <_> - - <_> - 11 8 2 1 -1. - <_> - 12 8 1 1 2. - <_> - - <_> - 12 6 3 6 -1. - <_> - 12 8 3 2 3. - <_> - - <_> - 11 9 1 2 -1. - <_> - 11 10 1 1 2. - <_> - - <_> - 12 9 3 9 -1. - <_> - 13 9 1 9 3. - <_> - - <_> - 0 8 1 3 -1. - <_> - 0 9 1 1 3. - <_> - - <_> - 0 8 1 3 -1. - <_> - 0 9 1 1 3. - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 1 2. - <_> - 4 9 1 1 2. - <_> - - <_> - 4 6 2 6 -1. - <_> - 4 9 2 3 2. - <_> - - <_> - 4 9 2 9 -1. - <_> - 4 12 2 3 3. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 3 6 10 6 -1. - <_> - 3 6 5 3 2. - <_> - 8 9 5 3 2. - <_> - - <_> - 9 9 4 6 -1. - <_> - 11 9 2 6 2. - <_> - - <_> - 2 12 14 3 -1. - <_> - 9 12 7 3 2. - <_> - - <_> - 0 0 11 18 -1. - <_> - 0 9 11 9 2. - <_> - - <_> - 4 18 4 2 -1. - <_> - 4 18 2 1 2. - <_> - 6 19 2 1 2. - <_> - - <_> - 7 13 4 6 -1. - <_> - 7 13 2 3 2. - <_> - 9 16 2 3 2. - <_> - - <_> - 8 17 3 1 -1. - <_> - 9 17 1 1 3. - <_> - - <_> - 5 14 8 6 -1. - <_> - 5 14 4 3 2. - <_> - 9 17 4 3 2. - <_> - - <_> - 7 12 2 3 -1. - <_> - 7 13 2 1 3. - <_> - - <_> - 14 4 4 2 -1. - <_> - 14 4 2 1 2. - <_> - 16 5 2 1 2. - <_> - - <_> - 7 13 2 3 -1. - <_> - 7 14 2 1 3. - <_> - - <_> - 7 14 4 2 -1. - <_> - 7 14 2 1 2. - <_> - 9 15 2 1 2. - <_> - - <_> - 10 14 2 6 -1. - <_> - 10 16 2 2 3. - <_> - - <_> - 9 6 9 1 -1. - <_> - 12 6 3 1 3. - <_> - - <_> - 2 5 18 7 -1. - <_> - 11 5 9 7 2. - <_> - - <_> - 18 6 1 2 -1. - <_> - 18 7 1 1 2. - <_> - - <_> - 4 14 14 6 -1. - <_> - 4 17 14 3 2. - <_> - - <_> - 8 0 6 20 -1. - <_> - 10 0 2 20 3. - <_> - - <_> - 12 0 8 18 -1. - <_> - 12 9 8 9 2. - <_> - - <_> - 12 5 2 1 -1. - <_> - 13 5 1 1 2. - <_> - - <_> - 0 6 6 13 -1. - <_> - 3 6 3 13 2. - <_> - - <_> - 3 15 3 4 -1. - <_> - 4 15 1 4 3. - <_> - - <_> - 3 13 3 6 -1. - <_> - 4 13 1 6 3. - <_> - - <_> - 3 11 9 2 -1. - <_> - 6 11 3 2 3. - <_> - - <_> - 0 11 6 8 -1. - <_> - 3 11 3 8 2. - <_> - - <_> - 16 0 3 7 -1. - <_> - 17 0 1 7 3. - <_> - - <_> - 16 1 2 6 -1. - <_> - 16 1 1 3 2. - <_> - 17 4 1 3 2. - <_> - - <_> - 3 7 6 10 -1. - <_> - 3 7 3 5 2. - <_> - 6 12 3 5 2. - <_> - - <_> - 2 0 6 7 -1. - <_> - 5 0 3 7 2. - <_> - - <_> - 1 2 12 2 -1. - <_> - 5 2 4 2 3. - <_> - - <_> - 6 4 1 2 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 0 14 8 6 -1. - <_> - 4 14 4 6 2. - <_> - - <_> - 3 11 9 3 -1. - <_> - 6 11 3 3 3. - <_> - - <_> - 4 14 2 2 -1. - <_> - 4 14 1 1 2. - <_> - 5 15 1 1 2. - <_> - - <_> - 11 2 3 2 -1. - <_> - 12 2 1 2 3. - <_> - - <_> - 18 5 2 6 -1. - <_> - 18 5 1 3 2. - <_> - 19 8 1 3 2. - <_> - - <_> - 0 5 1 2 -1. - <_> - 0 6 1 1 2. - <_> - - <_> - 8 4 6 1 -1. - <_> - 11 4 3 1 2. - <_> - - <_> - 4 5 2 3 -1. - <_> - 5 5 1 3 2. - <_> - - <_> - 1 3 6 4 -1. - <_> - 3 3 2 4 3. - <_> - - <_> - 12 5 6 1 -1. - <_> - 14 5 2 1 3. - <_> - - <_> - 6 9 3 3 -1. - <_> - 6 10 3 1 3. - <_> - - <_> - 4 3 2 2 -1. - <_> - 4 4 2 1 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 5 5 10 14 -1. - <_> - 5 5 5 7 2. - <_> - 10 12 5 7 2. - <_> - - <_> - 16 5 2 6 -1. - <_> - 16 7 2 2 3. - <_> - - <_> - 19 5 1 3 -1. - <_> - 19 6 1 1 3. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 0 1 10 10 -1. - <_> - 5 1 5 10 2. - <_> - - <_> - 3 0 8 1 -1. - <_> - 7 0 4 1 2. - <_> - - <_> - 14 5 6 1 -1. - <_> - 16 5 2 1 3. - <_> - - <_> - 6 16 1 3 -1. - <_> - 6 17 1 1 3. - <_> - - <_> - 6 14 2 4 -1. - <_> - 6 14 1 2 2. - <_> - 7 16 1 2 2. - <_> - - <_> - 0 7 2 5 -1. - <_> - 1 7 1 5 2. - <_> - - <_> - 18 0 2 8 -1. - <_> - 18 0 1 4 2. - <_> - 19 4 1 4 2. - <_> - - <_> - 5 8 6 2 -1. - <_> - 8 8 3 2 2. - <_> - - <_> - 4 8 8 3 -1. - <_> - 8 8 4 3 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 8 1 2 1 2. - <_> - - <_> - 13 8 6 11 -1. - <_> - 15 8 2 11 3. - <_> - - <_> - 11 15 9 5 -1. - <_> - 14 15 3 5 3. - <_> - - <_> - 5 4 12 15 -1. - <_> - 9 4 4 15 3. - <_> - - <_> - 16 12 2 8 -1. - <_> - 16 12 1 4 2. - <_> - 17 16 1 4 2. - <_> - - <_> - 7 13 10 6 -1. - <_> - 7 16 10 3 2. - <_> - - <_> - 6 15 3 4 -1. - <_> - 6 17 3 2 2. - <_> - - <_> - 9 5 8 2 -1. - <_> - 13 5 4 2 2. - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 6 1 4 3. - <_> - - <_> - 10 8 7 6 -1. - <_> - 10 10 7 2 3. - <_> - - <_> - 12 13 1 4 -1. - <_> - 12 15 1 2 2. - <_> - - <_> - 2 10 3 4 -1. - <_> - 3 10 1 4 3. - <_> - - <_> - 8 7 6 6 -1. - <_> - 8 7 3 3 2. - <_> - 11 10 3 3 2. - <_> - - <_> - 2 0 15 2 -1. - <_> - 7 0 5 2 3. - <_> - - <_> - 13 10 1 3 -1. - <_> - 13 11 1 1 3. - <_> - - <_> - 2 9 3 4 -1. - <_> - 3 9 1 4 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 6 5 3 1 2. - <_> - - <_> - 10 16 2 3 -1. - <_> - 11 16 1 3 2. - <_> - - <_> - 7 13 2 3 -1. - <_> - 7 14 2 1 3. - <_> - - <_> - 6 12 2 4 -1. - <_> - 6 12 1 2 2. - <_> - 7 14 1 2 2. - <_> - - <_> - 9 1 6 1 -1. - <_> - 12 1 3 1 2. - <_> - - <_> - 6 6 3 4 -1. - <_> - 7 6 1 4 3. - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 8 7 12 3 -1. - <_> - 14 7 6 3 2. - <_> - - <_> - 12 10 4 2 -1. - <_> - 12 10 2 1 2. - <_> - 14 11 2 1 2. - <_> - - <_> - 16 11 1 2 -1. - <_> - 16 12 1 1 2. - <_> - - <_> - 6 2 1 2 -1. - <_> - 6 3 1 1 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 5 9 2 3 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 12 0 8 2 -1. - <_> - 12 0 4 1 2. - <_> - 16 1 4 1 2. - <_> - - <_> - 10 11 3 8 -1. - <_> - 11 11 1 8 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 5 10 1 6 -1. - <_> - 5 13 1 3 2. - <_> - - <_> - 6 2 6 6 -1. - <_> - 6 2 3 3 2. - <_> - 9 5 3 3 2. - <_> - - <_> - 11 4 1 6 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 18 3 2 16 -1. - <_> - 18 3 1 8 2. - <_> - 19 11 1 8 2. - <_> - - <_> - 10 12 3 2 -1. - <_> - 11 12 1 2 3. - <_> - - <_> - 7 14 2 3 -1. - <_> - 7 15 2 1 3. - <_> - - <_> - 16 12 2 1 -1. - <_> - 17 12 1 1 2. - <_> - - <_> - 15 6 4 2 -1. - <_> - 15 7 4 1 2. - <_> - - <_> - 4 6 2 3 -1. - <_> - 4 7 2 1 3. - <_> - - <_> - 8 19 6 1 -1. - <_> - 11 19 3 1 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 10 12 1 3 -1. - <_> - 10 13 1 1 3. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 5 7 6 5 -1. - <_> - 8 7 3 5 2. - <_> - - <_> - 14 10 1 2 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 11 7 6 3 -1. - <_> - 13 7 2 3 3. - <_> - - <_> - 14 6 6 1 -1. - <_> - 16 6 2 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 9 5 2 8 -1. - <_> - 9 5 1 4 2. - <_> - 10 9 1 4 2. - <_> - - <_> - 6 12 1 4 -1. - <_> - 6 14 1 2 2. - <_> - - <_> - 5 13 4 2 -1. - <_> - 5 14 4 1 2. - <_> - - <_> - 12 9 2 4 -1. - <_> - 12 11 2 2 2. - <_> - - <_> - 12 7 3 6 -1. - <_> - 13 7 1 6 3. - <_> - - <_> - 5 0 2 14 -1. - <_> - 5 7 2 7 2. - <_> - - <_> - 9 3 1 2 -1. - <_> - 9 4 1 1 2. - <_> - - <_> - 6 1 14 12 -1. - <_> - 6 5 14 4 3. - <_> - - <_> - 13 6 7 6 -1. - <_> - 13 9 7 3 2. - <_> - - <_> - 14 9 3 3 -1. - <_> - 14 10 3 1 3. - <_> - - <_> - 17 12 3 1 -1. - <_> - 18 12 1 1 3. - <_> - - <_> - 8 2 3 2 -1. - <_> - 9 2 1 2 3. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 5 7 3 2 -1. - <_> - 5 8 3 1 2. - <_> - - <_> - 11 11 2 1 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 9 5 1 3 -1. - <_> - 9 6 1 1 3. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 12 7 2 3 -1. - <_> - 13 7 1 3 2. - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 6 10 2 2 -1. - <_> - 6 10 1 1 2. - <_> - 7 11 1 1 2. - <_> - - <_> - 17 2 1 9 -1. - <_> - 17 5 1 3 3. - <_> - - <_> - 4 7 2 6 -1. - <_> - 4 7 1 3 2. - <_> - 5 10 1 3 2. - <_> - - <_> - 0 1 11 18 -1. - <_> - 0 10 11 9 2. - <_> - - <_> - 7 6 2 8 -1. - <_> - 7 10 2 4 2. - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 5 4 3 2. - <_> - - <_> - 2 12 12 4 -1. - <_> - 2 14 12 2 2. - <_> - - <_> - 9 0 6 1 -1. - <_> - 12 0 3 1 2. - <_> - - <_> - 5 0 12 2 -1. - <_> - 5 1 12 1 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 11 0 1 1 2. - <_> - - <_> - 7 14 3 3 -1. - <_> - 7 15 3 1 3. - <_> - - <_> - 4 13 5 3 -1. - <_> - 4 14 5 1 3. - <_> - - <_> - 9 16 6 2 -1. - <_> - 9 17 6 1 2. - <_> - - <_> - 11 16 5 3 -1. - <_> - 11 17 5 1 3. - <_> - - <_> - 5 0 3 15 -1. - <_> - 6 0 1 15 3. - <_> - - <_> - 9 16 8 4 -1. - <_> - 9 18 8 2 2. - <_> - - <_> - 0 6 3 2 -1. - <_> - 0 7 3 1 2. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 9 11 4 2 -1. - <_> - 9 11 2 1 2. - <_> - 11 12 2 1 2. - <_> - - <_> - 4 13 2 2 -1. - <_> - 4 13 1 1 2. - <_> - 5 14 1 1 2. - <_> - - <_> - 6 4 1 2 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 18 1 1 2. - <_> - 15 19 1 1 2. - <_> - - <_> - 7 10 5 6 -1. - <_> - 7 12 5 2 3. - <_> - - <_> - 8 7 4 6 -1. - <_> - 8 9 4 2 3. - <_> - - <_> - 7 9 6 2 -1. - <_> - 9 9 2 2 3. - <_> - - <_> - 6 6 6 4 -1. - <_> - 6 6 3 2 2. - <_> - 9 8 3 2 2. - <_> - - <_> - 10 3 1 6 -1. - <_> - 10 5 1 2 3. - <_> - - <_> - 5 2 12 14 -1. - <_> - 5 2 6 7 2. - <_> - 11 9 6 7 2. - <_> - - <_> - 13 5 6 2 -1. - <_> - 13 6 6 1 2. - <_> - - <_> - 16 0 4 8 -1. - <_> - 16 0 2 4 2. - <_> - 18 4 2 4 2. - <_> - - <_> - 3 12 3 1 -1. - <_> - 4 12 1 1 3. - <_> - - <_> - 3 10 3 4 -1. - <_> - 4 10 1 4 3. - <_> - - <_> - 4 6 1 6 -1. - <_> - 4 9 1 3 2. - <_> - - <_> - 3 7 15 1 -1. - <_> - 8 7 5 1 3. - <_> - - <_> - 1 15 6 5 -1. - <_> - 4 15 3 5 2. - <_> - - <_> - 11 9 8 4 -1. - <_> - 15 9 4 4 2. - <_> - - <_> - 15 7 2 4 -1. - <_> - 16 7 1 4 2. - <_> - - <_> - 19 1 1 2 -1. - <_> - 19 2 1 1 2. - <_> - - <_> - 6 15 3 3 -1. - <_> - 7 15 1 3 3. - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 16 1 1 3. - <_> - - <_> - 3 10 3 10 -1. - <_> - 4 10 1 10 3. - <_> - - <_> - 18 17 2 2 -1. - <_> - 18 17 1 1 2. - <_> - 19 18 1 1 2. - <_> - - <_> - 3 12 6 4 -1. - <_> - 3 12 3 2 2. - <_> - 6 14 3 2 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 7 16 2 3 -1. - <_> - 7 17 2 1 3. - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 7 16 1 3 -1. - <_> - 7 17 1 1 3. - <_> - - <_> - 0 16 2 1 -1. - <_> - 1 16 1 1 2. - <_> - - <_> - 11 7 9 6 -1. - <_> - 11 10 9 3 2. - <_> - - <_> - 9 4 9 16 -1. - <_> - 12 4 3 16 3. - <_> - - <_> - 14 12 5 3 -1. - <_> - 14 13 5 1 3. - <_> - - <_> - 8 18 3 2 -1. - <_> - 9 18 1 2 3. - <_> - - <_> - 4 0 11 16 -1. - <_> - 4 8 11 8 2. - <_> - - <_> - 2 4 12 15 -1. - <_> - 2 9 12 5 3. - <_> - - <_> - 3 13 11 4 -1. - <_> - 3 15 11 2 2. - <_> - - <_> - 7 5 4 3 -1. - <_> - 7 6 4 1 3. - <_> - - <_> - 6 5 4 3 -1. - <_> - 6 6 4 1 3. - <_> - - <_> - 5 0 2 9 -1. - <_> - 5 3 2 3 3. - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 1 2. - <_> - 17 9 1 1 2. - <_> - - <_> - 12 10 8 2 -1. - <_> - 12 10 4 1 2. - <_> - 16 11 4 1 2. - <_> - - <_> - 6 2 2 8 -1. - <_> - 7 2 1 8 2. - <_> - - <_> - 6 6 2 3 -1. - <_> - 7 6 1 3 2. - <_> - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - <_> - - <_> - 15 13 3 2 -1. - <_> - 16 13 1 2 3. - <_> - - <_> - 11 13 2 3 -1. - <_> - 11 14 2 1 3. - <_> - - <_> - 14 5 6 11 -1. - <_> - 16 5 2 11 3. - <_> - - <_> - 6 0 12 8 -1. - <_> - 12 0 6 8 2. - <_> - - <_> - 7 15 8 4 -1. - <_> - 7 15 4 2 2. - <_> - 11 17 4 2 2. - <_> - - <_> - 4 14 16 6 -1. - <_> - 4 16 16 2 3. - <_> - - <_> - 6 12 2 6 -1. - <_> - 6 12 1 3 2. - <_> - 7 15 1 3 2. - <_> - - <_> - 7 14 6 4 -1. - <_> - 7 14 3 2 2. - <_> - 10 16 3 2 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 0 1 2 2. - <_> - 1 2 1 2 2. - <_> - - <_> - 15 12 1 3 -1. - <_> - 15 13 1 1 3. - <_> - - <_> - 7 16 3 1 -1. - <_> - 8 16 1 1 3. - <_> - - <_> - 1 8 1 2 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 3 14 3 2 -1. - <_> - 4 14 1 2 3. - <_> - - <_> - 3 13 3 5 -1. - <_> - 4 13 1 5 3. - <_> - - <_> - 7 2 3 4 -1. - <_> - 8 2 1 4 3. - <_> - - <_> - 10 1 4 4 -1. - <_> - 10 3 4 2 2. - <_> - - <_> - 9 2 1 2 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 4 11 4 4 -1. - <_> - 4 11 2 2 2. - <_> - 6 13 2 2 2. - <_> - - <_> - 9 10 6 4 -1. - <_> - 12 10 3 4 2. - <_> - - <_> - 8 12 3 2 -1. - <_> - 9 12 1 2 3. - <_> - - <_> - 13 9 6 6 -1. - <_> - 13 9 3 3 2. - <_> - 16 12 3 3 2. - <_> - - <_> - 14 0 3 5 -1. - <_> - 15 0 1 5 3. - <_> - - <_> - 9 8 6 4 -1. - <_> - 9 8 3 2 2. - <_> - 12 10 3 2 2. - <_> - - <_> - 10 6 3 3 -1. - <_> - 11 6 1 3 3. - <_> - - <_> - 13 3 2 1 -1. - <_> - 14 3 1 1 2. - <_> - - <_> - 4 5 2 2 -1. - <_> - 4 5 1 1 2. - <_> - 5 6 1 1 2. - <_> - - <_> - 4 5 2 2 -1. - <_> - 4 5 1 1 2. - <_> - 5 6 1 1 2. - <_> - - <_> - 7 9 2 6 -1. - <_> - 7 11 2 2 3. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 6 13 2 3 -1. - <_> - 6 14 2 1 3. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 13 1 3 4 -1. - <_> - 14 1 1 4 3. - <_> - - <_> - 6 8 11 3 -1. - <_> - 6 9 11 1 3. - <_> - - <_> - 13 10 5 2 -1. - <_> - 13 11 5 1 2. - <_> - - <_> - 13 9 3 6 -1. - <_> - 13 12 3 3 2. - <_> - - <_> - 3 14 5 2 -1. - <_> - 3 15 5 1 2. - <_> - - <_> - 11 0 8 2 -1. - <_> - 11 0 4 1 2. - <_> - 15 1 4 1 2. - <_> - - <_> - 13 1 7 6 -1. - <_> - 13 3 7 2 3. - <_> - - <_> - 11 0 6 1 -1. - <_> - 13 0 2 1 3. - <_> - - <_> - 8 1 5 3 -1. - <_> - 8 2 5 1 3. - <_> - - <_> - 12 11 1 3 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 17 13 3 6 -1. - <_> - 17 15 3 2 3. - <_> - - <_> - 12 11 1 3 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 15 9 3 1 -1. - <_> - 16 9 1 1 3. - <_> - - <_> - 10 4 6 11 -1. - <_> - 13 4 3 11 2. - <_> - - <_> - 13 9 4 4 -1. - <_> - 13 9 2 2 2. - <_> - 15 11 2 2 2. - <_> - - <_> - 8 2 1 6 -1. - <_> - 8 4 1 2 3. - <_> - - <_> - 5 6 4 6 -1. - <_> - 5 9 4 3 2. - <_> - - <_> - 2 6 4 8 -1. - <_> - 4 6 2 8 2. - <_> - - <_> - 11 15 1 2 -1. - <_> - 11 16 1 1 2. - <_> - - <_> - 11 1 7 10 -1. - <_> - 11 6 7 5 2. - <_> - - <_> - 7 11 9 6 -1. - <_> - 7 13 9 2 3. - <_> - - <_> - 4 9 8 1 -1. - <_> - 8 9 4 1 2. - <_> - - <_> - 10 10 3 3 -1. - <_> - 11 10 1 3 3. - <_> - - <_> - 8 0 7 6 -1. - <_> - 8 2 7 2 3. - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 7 10 3 9 -1. - <_> - 7 13 3 3 3. - <_> - - <_> - 5 9 1 3 -1. - <_> - 5 10 1 1 3. - <_> - - <_> - 2 8 18 6 -1. - <_> - 11 8 9 6 2. - <_> - - <_> - 11 7 6 4 -1. - <_> - 13 7 2 4 3. - <_> - - <_> - 7 8 4 6 -1. - <_> - 7 10 4 2 3. - <_> - - <_> - 10 4 4 6 -1. - <_> - 10 6 4 2 3. - <_> - - <_> - 11 12 6 1 -1. - <_> - 13 12 2 1 3. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 5 13 3 1 3. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 18 1 1 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 5 12 2 2 -1. - <_> - 5 13 2 1 2. - <_> - - <_> - 12 13 2 3 -1. - <_> - 12 14 2 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 16 0 4 4 -1. - <_> - 16 0 2 2 2. - <_> - 18 2 2 2 2. - <_> - - <_> - 4 5 8 10 -1. - <_> - 4 5 4 5 2. - <_> - 8 10 4 5 2. - <_> - - <_> - 3 14 4 5 -1. - <_> - 5 14 2 5 2. - <_> - - <_> - 2 16 6 2 -1. - <_> - 5 16 3 2 2. - <_> - - <_> - 8 0 8 1 -1. - <_> - 12 0 4 1 2. - <_> - - <_> - 0 4 15 6 -1. - <_> - 0 7 15 3 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 9 10 3 1 2. - <_> - - <_> - 7 9 2 6 -1. - <_> - 7 11 2 2 3. - <_> - - <_> - 5 10 4 3 -1. - <_> - 5 11 4 1 3. - <_> - - <_> - 12 10 1 2 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 11 9 4 4 -1. - <_> - 11 9 2 2 2. - <_> - 13 11 2 2 2. - <_> - - <_> - 10 14 6 2 -1. - <_> - 10 15 6 1 2. - <_> - - <_> - 11 12 2 8 -1. - <_> - 11 16 2 4 2. - <_> - - <_> - 11 7 5 6 -1. - <_> - 11 10 5 3 2. - <_> - - <_> - 4 2 2 6 -1. - <_> - 5 2 1 6 2. - <_> - - <_> - 6 0 5 2 -1. - <_> - 6 1 5 1 2. - <_> - - <_> - 10 17 4 3 -1. - <_> - 10 18 4 1 3. - <_> - - <_> - 12 3 7 3 -1. - <_> - 12 4 7 1 3. - <_> - - <_> - 8 1 12 8 -1. - <_> - 8 1 6 4 2. - <_> - 14 5 6 4 2. - <_> - - <_> - 11 0 3 20 -1. - <_> - 12 0 1 20 3. - <_> - - <_> - 17 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 18 2 1 1 2. - <_> - - <_> - 2 10 7 6 -1. - <_> - 2 12 7 2 3. - <_> - - <_> - 7 3 3 1 -1. - <_> - 8 3 1 1 3. - <_> - - <_> - 4 17 11 3 -1. - <_> - 4 18 11 1 3. - <_> - - <_> - 7 15 3 2 -1. - <_> - 8 15 1 2 3. - <_> - - <_> - 3 4 3 13 -1. - <_> - 4 4 1 13 3. - <_> - - <_> - 5 2 12 14 -1. - <_> - 5 2 6 7 2. - <_> - 11 9 6 7 2. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 3 10 3 2. - <_> - - <_> - 5 4 2 1 -1. - <_> - 6 4 1 1 2. - <_> - - <_> - 7 7 6 13 -1. - <_> - 10 7 3 13 2. - <_> - - <_> - 7 2 2 8 -1. - <_> - 7 2 1 4 2. - <_> - 8 6 1 4 2. - <_> - - <_> - 6 1 3 4 -1. - <_> - 7 1 1 4 3. - <_> - - <_> - 7 8 2 1 -1. - <_> - 8 8 1 1 2. - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 1 2. - <_> - 6 1 2 1 2. - <_> - - <_> - 3 10 16 8 -1. - <_> - 3 14 16 4 2. - <_> - - <_> - 10 5 5 10 -1. - <_> - 10 10 5 5 2. - <_> - - <_> - 13 6 3 4 -1. - <_> - 13 8 3 2 2. - <_> - - <_> - 13 10 5 3 -1. - <_> - 13 11 5 1 3. - <_> - - <_> - 16 12 2 2 -1. - <_> - 16 12 1 1 2. - <_> - 17 13 1 1 2. - <_> - - <_> - 16 3 2 1 -1. - <_> - 17 3 1 1 2. - <_> - - <_> - 5 1 3 5 -1. - <_> - 6 1 1 5 3. - <_> - - <_> - 5 7 8 6 -1. - <_> - 5 9 8 2 3. - <_> - - <_> - 6 10 8 2 -1. - <_> - 6 10 4 1 2. - <_> - 10 11 4 1 2. - <_> - - <_> - 6 9 4 8 -1. - <_> - 6 9 2 4 2. - <_> - 8 13 2 4 2. - <_> - - <_> - 0 7 8 4 -1. - <_> - 4 7 4 4 2. - <_> - - <_> - 14 13 2 6 -1. - <_> - 14 13 1 3 2. - <_> - 15 16 1 3 2. - <_> - - <_> - 12 13 2 1 -1. - <_> - 13 13 1 1 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 9 2 1 2. - <_> - - <_> - 15 12 2 1 -1. - <_> - 16 12 1 1 2. - <_> - - <_> - 0 0 18 14 -1. - <_> - 0 7 18 7 2. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - <_> - - <_> - 4 7 3 3 -1. - <_> - 5 7 1 3 3. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 5 9 1 8 -1. - <_> - 5 13 1 4 2. - <_> - - <_> - 4 2 3 15 -1. - <_> - 5 2 1 15 3. - <_> - - <_> - 15 0 4 4 -1. - <_> - 17 0 2 4 2. - <_> - - <_> - 10 7 1 3 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 8 17 3 2 -1. - <_> - 9 17 1 2 3. - <_> - - <_> - 10 6 1 3 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 6 7 4 4 -1. - <_> - 6 7 2 2 2. - <_> - 8 9 2 2 2. - <_> - - <_> - 8 7 4 4 -1. - <_> - 8 7 2 2 2. - <_> - 10 9 2 2 2. - <_> - - <_> - 15 8 2 7 -1. - <_> - 16 8 1 7 2. - <_> - - <_> - 8 3 3 2 -1. - <_> - 9 3 1 2 3. - <_> - - <_> - 16 17 3 1 -1. - <_> - 17 17 1 1 3. - <_> - - <_> - 3 2 12 14 -1. - <_> - 3 2 6 7 2. - <_> - 9 9 6 7 2. - <_> - - <_> - 16 16 1 2 -1. - <_> - 16 17 1 1 2. - <_> - - <_> - 7 12 2 3 -1. - <_> - 7 13 2 1 3. - <_> - - <_> - 7 13 2 6 -1. - <_> - 8 13 1 6 2. - <_> - - <_> - 8 14 2 6 -1. - <_> - 8 16 2 2 3. - <_> - - <_> - 6 14 4 6 -1. - <_> - 6 16 4 2 3. - <_> - - <_> - 11 12 3 6 -1. - <_> - 12 12 1 6 3. - <_> - - <_> - 0 6 1 12 -1. - <_> - 0 10 1 4 3. - <_> - - <_> - 3 3 2 10 -1. - <_> - 3 3 1 5 2. - <_> - 4 8 1 5 2. - <_> - - <_> - 3 3 2 8 -1. - <_> - 3 3 1 4 2. - <_> - 4 7 1 4 2. - <_> - - <_> - 9 4 1 12 -1. - <_> - 9 10 1 6 2. - <_> - - <_> - 0 5 6 4 -1. - <_> - 3 5 3 4 2. - <_> - - <_> - 9 9 1 4 -1. - <_> - 9 11 1 2 2. - <_> - - <_> - 4 6 6 4 -1. - <_> - 4 6 3 2 2. - <_> - 7 8 3 2 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 7 8 1 2 2. - <_> - - <_> - 6 4 4 14 -1. - <_> - 8 4 2 14 2. - <_> - - <_> - 6 7 3 3 -1. - <_> - 7 7 1 3 3. - <_> - - <_> - 4 7 6 5 -1. - <_> - 7 7 3 5 2. - <_> - - <_> - 0 4 8 10 -1. - <_> - 4 4 4 10 2. - <_> - - <_> - 0 6 18 14 -1. - <_> - 9 6 9 14 2. - <_> - - <_> - 11 15 3 5 -1. - <_> - 12 15 1 5 3. - <_> - - <_> - 3 18 4 2 -1. - <_> - 3 18 2 1 2. - <_> - 5 19 2 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 11 2 1 2. - <_> - - <_> - 10 1 3 10 -1. - <_> - 10 6 3 5 2. - <_> - - <_> - 9 0 8 10 -1. - <_> - 13 0 4 10 2. - <_> - - <_> - 7 2 8 13 -1. - <_> - 11 2 4 13 2. - <_> - - <_> - 3 3 12 7 -1. - <_> - 9 3 6 7 2. - <_> - - <_> - 11 8 3 2 -1. - <_> - 12 8 1 2 3. - <_> - - <_> - 11 7 2 8 -1. - <_> - 11 7 1 4 2. - <_> - 12 11 1 4 2. - <_> - - <_> - 0 6 3 2 -1. - <_> - 0 7 3 1 2. - <_> - - <_> - 6 17 2 3 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 9 2 10 9 -1. - <_> - 9 5 10 3 3. - <_> - - <_> - 9 0 10 4 -1. - <_> - 9 0 5 2 2. - <_> - 14 2 5 2 2. - <_> - - <_> - 7 5 2 1 -1. - <_> - 8 5 1 1 2. - <_> - - <_> - 7 5 2 1 -1. - <_> - 8 5 1 1 2. - <_> - - <_> - 4 9 3 3 -1. - <_> - 4 10 3 1 3. - <_> - - <_> - 4 10 4 3 -1. - <_> - 4 11 4 1 3. - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - <_> - - <_> - 18 4 1 3 -1. - <_> - 18 5 1 1 3. - <_> - - <_> - 17 0 3 5 -1. - <_> - 18 0 1 5 3. - <_> - - <_> - 11 2 8 3 -1. - <_> - 11 3 8 1 3. - <_> - - <_> - 14 9 6 5 -1. - <_> - 17 9 3 5 2. - <_> - - <_> - 0 7 4 6 -1. - <_> - 0 9 4 2 3. - <_> - - <_> - 12 7 4 12 -1. - <_> - 12 7 2 6 2. - <_> - 14 13 2 6 2. - <_> - - <_> - 8 7 9 3 -1. - <_> - 11 7 3 3 3. - <_> - - <_> - 12 12 2 3 -1. - <_> - 12 13 2 1 3. - <_> - - <_> - 11 0 6 20 -1. - <_> - 14 0 3 20 2. - <_> - - <_> - 4 5 2 6 -1. - <_> - 5 5 1 6 2. - <_> - - <_> - 1 7 6 11 -1. - <_> - 3 7 2 11 3. - <_> - - <_> - 2 15 2 1 -1. - <_> - 3 15 1 1 2. - <_> - - <_> - 5 11 2 6 -1. - <_> - 5 14 2 3 2. - <_> - - <_> - 6 17 2 3 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 5 8 11 12 -1. - <_> - 5 12 11 4 3. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 17 11 1 1 2. - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 11 1 1 3. - <_> - - <_> - 13 14 1 3 -1. - <_> - 13 15 1 1 3. - <_> - - <_> - 6 14 3 4 -1. - <_> - 6 16 3 2 2. - <_> - - <_> - 6 6 2 14 -1. - <_> - 6 13 2 7 2. - <_> - - <_> - 11 14 2 1 -1. - <_> - 12 14 1 1 2. - <_> - - <_> - 9 13 6 6 -1. - <_> - 9 13 3 3 2. - <_> - 12 16 3 3 2. - <_> - - <_> - 10 17 3 1 -1. - <_> - 11 17 1 1 3. - <_> - - <_> - 9 13 2 6 -1. - <_> - 9 13 1 3 2. - <_> - 10 16 1 3 2. - <_> - - <_> - 11 18 4 2 -1. - <_> - 13 18 2 2 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 10 12 1 3 3. - <_> - - <_> - 5 6 1 12 -1. - <_> - 5 12 1 6 2. - <_> - - <_> - 2 4 6 6 -1. - <_> - 4 4 2 6 3. - <_> - - <_> - 1 4 9 3 -1. - <_> - 4 4 3 3 3. - <_> - - <_> - 5 10 3 3 -1. - <_> - 5 11 3 1 3. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 11 19 6 1 -1. - <_> - 13 19 2 1 3. - <_> - - <_> - 18 4 2 8 -1. - <_> - 18 4 1 4 2. - <_> - 19 8 1 4 2. - <_> - - <_> - 17 5 2 3 -1. - <_> - 17 6 2 1 3. - <_> - - <_> - 12 15 8 4 -1. - <_> - 16 15 4 4 2. - <_> - - <_> - 14 8 4 10 -1. - <_> - 14 13 4 5 2. - <_> - - <_> - 11 0 3 18 -1. - <_> - 11 6 3 6 3. - <_> - - <_> - 8 5 12 6 -1. - <_> - 8 7 12 2 3. - <_> - - <_> - 10 11 4 2 -1. - <_> - 12 11 2 2 2. - <_> - - <_> - 5 7 2 8 -1. - <_> - 6 7 1 8 2. - <_> - - <_> - 6 3 12 12 -1. - <_> - 6 3 6 6 2. - <_> - 12 9 6 6 2. - <_> - - <_> - 6 10 4 2 -1. - <_> - 6 10 2 1 2. - <_> - 8 11 2 1 2. - <_> - - <_> - 0 2 6 10 -1. - <_> - 2 2 2 10 3. - <_> - - <_> - 10 15 3 2 -1. - <_> - 11 15 1 2 3. - <_> - - <_> - 6 8 10 2 -1. - <_> - 6 8 5 1 2. - <_> - 11 9 5 1 2. - <_> - - <_> - 6 12 1 6 -1. - <_> - 6 15 1 3 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 11 0 2 1 2. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 7 4 2 1 -1. - <_> - 8 4 1 1 2. - <_> - - <_> - 2 11 3 1 -1. - <_> - 3 11 1 1 3. - <_> - - <_> - 1 10 3 3 -1. - <_> - 2 10 1 3 3. - <_> - - <_> - 12 0 8 2 -1. - <_> - 12 0 4 1 2. - <_> - 16 1 4 1 2. - <_> - - <_> - 6 6 6 8 -1. - <_> - 9 6 3 8 2. - <_> - - <_> - 6 10 1 3 -1. - <_> - 6 11 1 1 3. - <_> - - <_> - 8 12 7 2 -1. - <_> - 8 13 7 1 2. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 6 6 2 12 -1. - <_> - 6 12 2 6 2. - <_> - - <_> - 6 12 2 3 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 12 12 1 3 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 8 9 1 2 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 7 11 4 6 -1. - <_> - 7 11 2 3 2. - <_> - 9 14 2 3 2. - <_> - - <_> - 10 10 4 3 -1. - <_> - 10 11 4 1 3. - <_> - - <_> - 12 10 2 3 -1. - <_> - 12 11 2 1 3. - <_> - - <_> - 6 13 2 3 -1. - <_> - 6 14 2 1 3. - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - <_> - - <_> - 6 10 8 6 -1. - <_> - 6 12 8 2 3. - <_> - - <_> - 5 8 6 12 -1. - <_> - 5 12 6 4 3. - <_> - - <_> - 1 14 2 1 -1. - <_> - 2 14 1 1 2. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 4 6 8 4 -1. - <_> - 4 6 4 2 2. - <_> - 8 8 4 2 2. - <_> - - <_> - 0 14 3 1 -1. - <_> - 1 14 1 1 3. - <_> - - <_> - 4 1 2 2 -1. - <_> - 4 1 1 1 2. - <_> - 5 2 1 1 2. - <_> - - <_> - 14 10 1 6 -1. - <_> - 14 13 1 3 2. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 5 10 3 3 -1. - <_> - 5 11 3 1 3. - <_> - - <_> - 2 3 12 4 -1. - <_> - 2 3 6 2 2. - <_> - 8 5 6 2 2. - <_> - - <_> - 10 15 3 2 -1. - <_> - 11 15 1 2 3. - <_> - - <_> - 12 14 8 1 -1. - <_> - 16 14 4 1 2. - <_> - - <_> - 11 0 8 13 -1. - <_> - 15 0 4 13 2. - <_> - - <_> - 12 12 2 8 -1. - <_> - 12 12 1 4 2. - <_> - 13 16 1 4 2. - <_> - - <_> - 4 7 8 12 -1. - <_> - 4 13 8 6 2. - <_> - - <_> - 10 9 2 4 -1. - <_> - 10 11 2 2 2. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 18 5 1 3 -1. - <_> - 18 6 1 1 3. - <_> - - <_> - 6 9 9 1 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 12 5 4 6 -1. - <_> - 12 7 4 2 3. - <_> - - <_> - 16 0 4 4 -1. - <_> - 18 0 2 4 2. - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 17 4 2 8 -1. - <_> - 17 4 1 4 2. - <_> - 18 8 1 4 2. - <_> - - <_> - 7 15 1 3 -1. - <_> - 7 16 1 1 3. - <_> - - <_> - 0 15 2 1 -1. - <_> - 1 15 1 1 2. - <_> - - <_> - 7 10 2 4 -1. - <_> - 7 12 2 2 2. - <_> - - <_> - 4 19 3 1 -1. - <_> - 5 19 1 1 3. - <_> - - <_> - 2 14 4 5 -1. - <_> - 4 14 2 5 2. - <_> - - <_> - 4 11 4 4 -1. - <_> - 4 11 2 2 2. - <_> - 6 13 2 2 2. - <_> - - <_> - 4 13 2 6 -1. - <_> - 4 13 1 3 2. - <_> - 5 16 1 3 2. - <_> - - <_> - 7 3 3 4 -1. - <_> - 8 3 1 4 3. - <_> - - <_> - 17 11 3 2 -1. - <_> - 18 11 1 2 3. - <_> - - <_> - 10 4 6 2 -1. - <_> - 10 5 6 1 2. - <_> - - <_> - 12 3 6 3 -1. - <_> - 12 4 6 1 3. - <_> - - <_> - 17 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 18 13 1 1 2. - <_> - - <_> - 5 12 15 8 -1. - <_> - 10 12 5 8 3. - <_> - - <_> - 4 18 2 2 -1. - <_> - 4 18 1 1 2. - <_> - 5 19 1 1 2. - <_> - - <_> - 0 15 2 2 -1. - <_> - 0 15 1 1 2. - <_> - 1 16 1 1 2. - <_> - - <_> - 5 9 1 6 -1. - <_> - 5 12 1 3 2. - <_> - - <_> - 1 0 18 14 -1. - <_> - 1 7 18 7 2. - <_> - - <_> - 6 2 7 6 -1. - <_> - 6 5 7 3 2. - <_> - - <_> - 6 16 2 1 -1. - <_> - 7 16 1 1 2. - <_> - - <_> - 4 11 16 9 -1. - <_> - 4 14 16 3 3. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 2 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 7 8 1 2 2. - <_> - - <_> - 0 14 12 3 -1. - <_> - 6 14 6 3 2. - <_> - - <_> - 7 6 3 10 -1. - <_> - 7 11 3 5 2. - <_> - - <_> - 10 11 1 2 -1. - <_> - 10 12 1 1 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 6 17 1 2 2. - <_> - - <_> - 2 0 18 18 -1. - <_> - 11 0 9 18 2. - <_> - - <_> - 12 11 6 3 -1. - <_> - 14 11 2 3 3. - <_> - - <_> - 12 12 6 1 -1. - <_> - 14 12 2 1 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 16 11 1 1 2. - <_> - - <_> - 3 11 3 8 -1. - <_> - 4 11 1 8 3. - <_> - - <_> - 6 1 4 12 -1. - <_> - 8 1 2 12 2. - <_> - - <_> - 6 3 4 8 -1. - <_> - 8 3 2 8 2. - <_> - - <_> - 8 4 6 12 -1. - <_> - 11 4 3 12 2. - <_> - - <_> - 16 12 4 5 -1. - <_> - 18 12 2 5 2. - <_> - - <_> - 14 9 2 3 -1. - <_> - 15 9 1 3 2. - <_> - - <_> - 9 7 10 6 -1. - <_> - 14 7 5 6 2. - <_> - - <_> - 12 7 3 11 -1. - <_> - 13 7 1 11 3. - <_> - - <_> - 19 16 1 2 -1. - <_> - 19 17 1 1 2. - <_> - - <_> - 8 15 12 1 -1. - <_> - 14 15 6 1 2. - <_> - - <_> - 10 15 6 3 -1. - <_> - 10 16 6 1 3. - <_> - - <_> - 6 8 10 4 -1. - <_> - 6 8 5 2 2. - <_> - 11 10 5 2 2. - <_> - - <_> - 10 15 1 3 -1. - <_> - 10 16 1 1 3. - <_> - - <_> - 10 1 9 12 -1. - <_> - 10 7 9 6 2. - <_> - - <_> - 10 1 1 4 -1. - <_> - 10 3 1 2 2. - <_> - - <_> - 1 5 18 4 -1. - <_> - 1 7 18 2 2. - <_> - - <_> - 6 4 12 6 -1. - <_> - 12 4 6 6 2. - <_> - - <_> - 13 1 7 3 -1. - <_> - 13 2 7 1 3. - <_> - - <_> - 14 0 6 4 -1. - <_> - 14 0 3 2 2. - <_> - 17 2 3 2 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 5 14 8 4 -1. - <_> - 5 14 4 2 2. - <_> - 9 16 4 2 2. - <_> - - <_> - 1 6 14 14 -1. - <_> - 8 6 7 14 2. - <_> - - <_> - 13 4 6 2 -1. - <_> - 13 4 3 1 2. - <_> - 16 5 3 1 2. - <_> - - <_> - 8 7 6 6 -1. - <_> - 8 9 6 2 3. - <_> - - <_> - 8 0 12 20 -1. - <_> - 8 10 12 10 2. - <_> - - <_> - 9 8 4 3 -1. - <_> - 9 9 4 1 3. - <_> - - <_> - 10 18 8 2 -1. - <_> - 10 19 8 1 2. - <_> - - <_> - 9 12 4 2 -1. - <_> - 9 12 2 1 2. - <_> - 11 13 2 1 2. - <_> - - <_> - 4 14 2 2 -1. - <_> - 4 14 1 1 2. - <_> - 5 15 1 1 2. - <_> - - <_> - 5 14 3 2 -1. - <_> - 5 15 3 1 2. - <_> - - <_> - 11 1 6 3 -1. - <_> - 13 1 2 3 3. - <_> - - <_> - 6 14 2 3 -1. - <_> - 6 15 2 1 3. - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 2 2. - <_> - - <_> - 0 13 6 7 -1. - <_> - 3 13 3 7 2. - <_> - - <_> - 17 11 3 1 -1. - <_> - 18 11 1 1 3. - <_> - - <_> - 5 10 8 4 -1. - <_> - 9 10 4 4 2. - <_> - - <_> - 7 16 8 4 -1. - <_> - 7 16 4 2 2. - <_> - 11 18 4 2 2. - <_> - - <_> - 11 16 4 3 -1. - <_> - 11 17 4 1 3. - <_> - - <_> - 3 10 6 2 -1. - <_> - 3 10 3 1 2. - <_> - 6 11 3 1 2. - <_> - - <_> - 11 7 3 2 -1. - <_> - 12 7 1 2 3. - <_> - - <_> - 8 7 9 2 -1. - <_> - 11 7 3 2 3. - <_> - - <_> - 13 6 3 10 -1. - <_> - 14 6 1 10 3. - <_> - - <_> - 15 10 4 3 -1. - <_> - 17 10 2 3 2. - <_> - - <_> - 1 10 6 10 -1. - <_> - 3 10 2 10 3. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 3 11 3 6 -1. - <_> - 3 13 3 2 3. - <_> - - <_> - 4 6 9 10 -1. - <_> - 7 6 3 10 3. - <_> - - <_> - 6 10 9 5 -1. - <_> - 9 10 3 5 3. - <_> - - <_> - 10 5 3 9 -1. - <_> - 11 5 1 9 3. - <_> - - <_> - 3 7 3 4 -1. - <_> - 4 7 1 4 3. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 0 2 2 3 -1. - <_> - 0 3 2 1 3. - <_> - - <_> - 12 0 8 4 -1. - <_> - 12 0 4 2 2. - <_> - 16 2 4 2 2. - <_> - - <_> - 11 1 8 2 -1. - <_> - 11 1 4 1 2. - <_> - 15 2 4 1 2. - <_> - - <_> - 12 2 7 3 -1. - <_> - 12 3 7 1 3. - <_> - - <_> - 3 6 3 2 -1. - <_> - 4 6 1 2 3. - <_> - - <_> - 4 6 4 6 -1. - <_> - 4 9 4 3 2. - <_> - - <_> - 13 12 6 4 -1. - <_> - 13 12 3 2 2. - <_> - 16 14 3 2 2. - <_> - - <_> - 13 10 2 4 -1. - <_> - 13 12 2 2 2. - <_> - - <_> - 15 12 3 3 -1. - <_> - 15 13 3 1 3. - <_> - - <_> - 14 14 2 3 -1. - <_> - 14 15 2 1 3. - <_> - - <_> - 18 4 2 8 -1. - <_> - 18 4 1 4 2. - <_> - 19 8 1 4 2. - <_> - - <_> - 7 14 2 4 -1. - <_> - 7 14 1 2 2. - <_> - 8 16 1 2 2. - <_> - - <_> - 14 3 6 6 -1. - <_> - 14 5 6 2 3. - <_> - - <_> - 19 7 1 2 -1. - <_> - 19 8 1 1 2. - <_> - - <_> - 8 8 6 2 -1. - <_> - 8 8 3 1 2. - <_> - 11 9 3 1 2. - <_> - - <_> - 19 6 1 3 -1. - <_> - 19 7 1 1 3. - <_> - - <_> - 7 8 7 3 -1. - <_> - 7 9 7 1 3. - <_> - - <_> - 18 6 2 6 -1. - <_> - 18 6 1 3 2. - <_> - 19 9 1 3 2. - <_> - - <_> - 5 8 8 6 -1. - <_> - 5 10 8 2 3. - <_> - - <_> - 1 1 18 15 -1. - <_> - 10 1 9 15 2. - <_> - - <_> - 11 7 5 4 -1. - <_> - 11 9 5 2 2. - <_> - - <_> - 10 12 2 3 -1. - <_> - 11 12 1 3 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 6 12 4 2 -1. - <_> - 6 12 2 1 2. - <_> - 8 13 2 1 2. - <_> - - <_> - 7 7 6 8 -1. - <_> - 7 11 6 4 2. - <_> - - <_> - 9 9 2 4 -1. - <_> - 9 11 2 2 2. - <_> - - <_> - 9 10 6 6 -1. - <_> - 9 12 6 2 3. - <_> - - <_> - 12 13 4 2 -1. - <_> - 12 14 4 1 2. - <_> - - <_> - 0 4 8 1 -1. - <_> - 4 4 4 1 2. - <_> - - <_> - 14 13 1 2 -1. - <_> - 14 14 1 1 2. - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 7 1 3 2. - <_> - 9 10 1 3 2. - <_> - - <_> - 5 8 10 6 -1. - <_> - 5 8 5 3 2. - <_> - 10 11 5 3 2. - <_> - - <_> - 5 12 3 3 -1. - <_> - 5 13 3 1 3. - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 11 2 1 2. - <_> - - <_> - 6 2 4 15 -1. - <_> - 6 7 4 5 3. - <_> - - <_> - 7 6 2 4 -1. - <_> - 7 6 1 2 2. - <_> - 8 8 1 2 2. - <_> - - <_> - 5 9 2 3 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 15 16 2 2 -1. - <_> - 15 16 1 1 2. - <_> - 16 17 1 1 2. - <_> - - <_> - 4 11 4 6 -1. - <_> - 4 13 4 2 3. - <_> - - <_> - 5 0 3 6 -1. - <_> - 6 0 1 6 3. - <_> - - <_> - 4 11 12 4 -1. - <_> - 4 11 6 2 2. - <_> - 10 13 6 2 2. - <_> - - <_> - 7 13 3 3 -1. - <_> - 7 14 3 1 3. - <_> - - <_> - 9 12 6 2 -1. - <_> - 9 13 6 1 2. - <_> - - <_> - 8 0 12 8 -1. - <_> - 8 0 6 4 2. - <_> - 14 4 6 4 2. - <_> - - <_> - 10 8 4 4 -1. - <_> - 10 8 2 2 2. - <_> - 12 10 2 2 2. - <_> - - <_> - 12 10 1 6 -1. - <_> - 12 13 1 3 2. - <_> - - <_> - 5 5 3 10 -1. - <_> - 6 5 1 10 3. - <_> - - <_> - 4 0 14 6 -1. - <_> - 11 0 7 6 2. - <_> - - <_> - 9 7 2 6 -1. - <_> - 9 7 1 3 2. - <_> - 10 10 1 3 2. - <_> - - <_> - 8 4 3 1 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 11 14 2 2 -1. - <_> - 11 15 2 1 2. - <_> - - <_> - 9 18 6 2 -1. - <_> - 12 18 3 2 2. - <_> - - <_> - 8 12 8 6 -1. - <_> - 8 15 8 3 2. - <_> - - <_> - 7 0 8 6 -1. - <_> - 7 2 8 2 3. - <_> - - <_> - 1 2 12 3 -1. - <_> - 5 2 4 3 3. - <_> - - <_> - 5 4 10 12 -1. - <_> - 5 4 5 6 2. - <_> - 10 10 5 6 2. - <_> - - <_> - 5 8 3 2 -1. - <_> - 5 9 3 1 2. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 5 11 3 3 -1. - <_> - 5 12 3 1 3. - <_> - - <_> - 8 10 6 9 -1. - <_> - 8 13 6 3 3. - <_> - - <_> - 7 8 3 6 -1. - <_> - 7 10 3 2 3. - <_> - - <_> - 3 4 3 14 -1. - <_> - 4 4 1 14 3. - <_> - - <_> - 3 10 3 6 -1. - <_> - 4 10 1 6 3. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - <_> - - <_> - 10 13 2 3 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 6 14 8 4 -1. - <_> - 6 14 4 2 2. - <_> - 10 16 4 2 2. - <_> - - <_> - 5 12 3 4 -1. - <_> - 6 12 1 4 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 15 6 1 10 -1. - <_> - 15 11 1 5 2. - <_> - - <_> - 7 1 12 6 -1. - <_> - 7 3 12 2 3. - <_> - - <_> - 4 9 2 4 -1. - <_> - 4 9 1 2 2. - <_> - 5 11 1 2 2. - <_> - - <_> - 6 7 6 12 -1. - <_> - 9 7 3 12 2. - <_> - - <_> - 7 6 2 3 -1. - <_> - 8 6 1 3 2. - <_> - - <_> - 0 1 1 3 -1. - <_> - 0 2 1 1 3. - <_> - - <_> - 0 1 1 3 -1. - <_> - 0 2 1 1 3. - <_> - - <_> - 11 15 3 5 -1. - <_> - 12 15 1 5 3. - <_> - - <_> - 8 6 4 6 -1. - <_> - 8 8 4 2 3. - <_> - - <_> - 5 3 3 12 -1. - <_> - 5 7 3 4 3. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 4 4 2 12 -1. - <_> - 4 8 2 4 3. - <_> - - <_> - 4 5 7 3 -1. - <_> - 4 6 7 1 3. - <_> - - <_> - 13 5 2 3 -1. - <_> - 13 6 2 1 3. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 1 1 2. - <_> - 5 1 1 1 2. - <_> - - <_> - 11 8 3 11 -1. - <_> - 12 8 1 11 3. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 1 1 2. - <_> - 5 1 1 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 7 11 3 2 -1. - <_> - 8 11 1 2 3. - <_> - - <_> - 11 12 2 1 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 8 8 4 2 -1. - <_> - 10 8 2 2 2. - <_> - - <_> - 17 15 3 1 -1. - <_> - 18 15 1 1 3. - <_> - - <_> - 12 6 2 4 -1. - <_> - 12 6 1 2 2. - <_> - 13 8 1 2 2. - <_> - - <_> - 8 3 9 11 -1. - <_> - 11 3 3 11 3. - <_> - - <_> - 10 8 2 2 -1. - <_> - 11 8 1 2 2. - <_> - - <_> - 12 5 3 9 -1. - <_> - 12 8 3 3 3. - <_> - - <_> - 13 0 6 17 -1. - <_> - 15 0 2 17 3. - <_> - - <_> - 6 6 3 4 -1. - <_> - 7 6 1 4 3. - <_> - - <_> - 5 6 4 7 -1. - <_> - 7 6 2 7 2. - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - <_> - - <_> - 7 15 6 2 -1. - <_> - 7 15 3 1 2. - <_> - 10 16 3 1 2. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 2 12 6 7 -1. - <_> - 4 12 2 7 3. - <_> - - <_> - 11 17 5 3 -1. - <_> - 11 18 5 1 3. - <_> - - <_> - 17 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 18 12 1 1 2. - <_> - - <_> - 10 17 6 3 -1. - <_> - 10 18 6 1 3. - <_> - - <_> - 2 15 1 2 -1. - <_> - 2 16 1 1 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 8 7 3 1 3. - <_> - - <_> - 7 7 1 2 -1. - <_> - 7 8 1 1 2. - <_> - - <_> - 2 15 2 2 -1. - <_> - 2 16 2 1 2. - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 16 1 1 3. - <_> - - <_> - 3 0 3 20 -1. - <_> - 4 0 1 20 3. - <_> - - <_> - 8 2 12 12 -1. - <_> - 14 2 6 12 2. - <_> - - <_> - 5 3 2 3 -1. - <_> - 5 4 2 1 3. - <_> - - <_> - 3 4 2 2 -1. - <_> - 3 4 1 1 2. - <_> - 4 5 1 1 2. - <_> - - <_> - 0 15 20 3 -1. - <_> - 10 15 10 3 2. - <_> - - <_> - 6 13 2 4 -1. - <_> - 6 13 1 2 2. - <_> - 7 15 1 2 2. - <_> - - <_> - 12 8 3 7 -1. - <_> - 13 8 1 7 3. - <_> - - <_> - 8 9 6 10 -1. - <_> - 8 9 3 5 2. - <_> - 11 14 3 5 2. - <_> - - <_> - 2 10 16 2 -1. - <_> - 10 10 8 2 2. - <_> - - <_> - 5 3 15 6 -1. - <_> - 10 3 5 6 3. - <_> - - <_> - 10 14 2 1 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 9 11 4 4 -1. - <_> - 11 11 2 4 2. - <_> - - <_> - 12 8 2 4 -1. - <_> - 12 10 2 2 2. - <_> - - <_> - 1 3 10 14 -1. - <_> - 1 3 5 7 2. - <_> - 6 10 5 7 2. - <_> - - <_> - 8 0 3 4 -1. - <_> - 8 2 3 2 2. - <_> - - <_> - 10 2 2 1 -1. - <_> - 11 2 1 1 2. - <_> - - <_> - 5 12 5 3 -1. - <_> - 5 13 5 1 3. - <_> - - <_> - 7 12 1 3 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 10 12 6 3 -1. - <_> - 10 13 6 1 3. - <_> - - <_> - 6 4 1 3 -1. - <_> - 6 5 1 1 3. - <_> - - <_> - 2 0 18 3 -1. - <_> - 2 1 18 1 3. - <_> - - <_> - 8 8 11 6 -1. - <_> - 8 10 11 2 3. - <_> - - <_> - 2 6 10 8 -1. - <_> - 2 6 5 4 2. - <_> - 7 10 5 4 2. - <_> - - <_> - 9 2 6 2 -1. - <_> - 11 2 2 2 3. - <_> - - <_> - 13 9 6 3 -1. - <_> - 15 9 2 3 3. - <_> - - <_> - 5 3 1 2 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 1 7 3 1 -1. - <_> - 2 7 1 1 3. - <_> - - <_> - 0 6 8 6 -1. - <_> - 4 6 4 6 2. - <_> - - <_> - 11 9 1 2 -1. - <_> - 11 10 1 1 2. - <_> - - <_> - 12 13 1 2 -1. - <_> - 12 14 1 1 2. - <_> - - <_> - 10 15 10 4 -1. - <_> - 10 15 5 2 2. - <_> - 15 17 5 2 2. - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 6 11 2 1 -1. - <_> - 7 11 1 1 2. - <_> - - <_> - 11 3 3 2 -1. - <_> - 12 3 1 2 3. - <_> - - <_> - 4 7 6 5 -1. - <_> - 7 7 3 5 2. - <_> - - <_> - 3 16 3 1 -1. - <_> - 4 16 1 1 3. - <_> - - <_> - 4 7 6 5 -1. - <_> - 7 7 3 5 2. - <_> - - <_> - 5 7 6 3 -1. - <_> - 7 7 2 3 3. - <_> - - <_> - 7 8 4 8 -1. - <_> - 7 8 2 4 2. - <_> - 9 12 2 4 2. - <_> - - <_> - 4 2 14 12 -1. - <_> - 4 6 14 4 3. - <_> - - <_> - 4 14 2 6 -1. - <_> - 4 14 1 3 2. - <_> - 5 17 1 3 2. - <_> - - <_> - 7 11 2 4 -1. - <_> - 7 13 2 2 2. - <_> - - <_> - 6 4 10 15 -1. - <_> - 6 9 10 5 3. - <_> - - <_> - 6 11 12 6 -1. - <_> - 6 13 12 2 3. - <_> - - <_> - 6 17 4 3 -1. - <_> - 6 18 4 1 3. - <_> - - <_> - 6 17 4 3 -1. - <_> - 6 18 4 1 3. - <_> - - <_> - 9 13 3 7 -1. - <_> - 10 13 1 7 3. - <_> - - <_> - 2 8 5 2 -1. - <_> - 2 9 5 1 2. - <_> - - <_> - 14 1 3 8 -1. - <_> - 15 1 1 8 3. - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 13 1 1 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 4 3 10 12 -1. - <_> - 4 9 10 6 2. - <_> - - <_> - 5 9 8 4 -1. - <_> - 5 9 4 2 2. - <_> - 9 11 4 2 2. - <_> - - <_> - 9 9 4 4 -1. - <_> - 9 11 4 2 2. - <_> - - <_> - 5 10 4 2 -1. - <_> - 5 11 4 1 2. - <_> - - <_> - 6 17 2 1 -1. - <_> - 7 17 1 1 2. - <_> - - <_> - 12 12 2 1 -1. - <_> - 13 12 1 1 2. - <_> - - <_> - 11 6 4 8 -1. - <_> - 13 6 2 8 2. - <_> - - <_> - 9 4 3 10 -1. - <_> - 10 4 1 10 3. - <_> - - <_> - 0 18 9 2 -1. - <_> - 3 18 3 2 3. - <_> - - <_> - 15 13 3 3 -1. - <_> - 15 14 3 1 3. - <_> - - <_> - 9 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 10 13 1 1 2. - <_> - - <_> - 13 12 7 3 -1. - <_> - 13 13 7 1 3. - <_> - - <_> - 14 10 6 2 -1. - <_> - 14 11 6 1 2. - <_> - - <_> - 14 5 5 14 -1. - <_> - 14 12 5 7 2. - <_> - - <_> - 4 16 5 3 -1. - <_> - 4 17 5 1 3. - <_> - - <_> - 5 16 5 3 -1. - <_> - 5 17 5 1 3. - <_> - - <_> - 8 14 4 5 -1. - <_> - 10 14 2 5 2. - <_> - - <_> - 9 14 2 1 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 6 10 6 2 -1. - <_> - 6 10 3 1 2. - <_> - 9 11 3 1 2. - <_> - - <_> - 5 8 6 6 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 10 13 7 6 -1. - <_> - 10 15 7 2 3. - <_> - - <_> - 4 1 2 8 -1. - <_> - 4 1 1 4 2. - <_> - 5 5 1 4 2. - <_> - - <_> - 3 6 6 4 -1. - <_> - 3 6 3 2 2. - <_> - 6 8 3 2 2. - <_> - - <_> - 15 2 3 13 -1. - <_> - 16 2 1 13 3. - <_> - - <_> - 16 10 2 6 -1. - <_> - 16 10 1 3 2. - <_> - 17 13 1 3 2. - <_> - - <_> - 13 19 2 1 -1. - <_> - 14 19 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 4 10 3 4 -1. - <_> - 5 10 1 4 3. - <_> - - <_> - 4 7 2 4 -1. - <_> - 4 7 1 2 2. - <_> - 5 9 1 2 2. - <_> - - <_> - 10 7 5 4 -1. - <_> - 10 9 5 2 2. - <_> - - <_> - 7 4 8 16 -1. - <_> - 7 4 4 8 2. - <_> - 11 12 4 8 2. - <_> - - <_> - 5 9 10 6 -1. - <_> - 5 9 5 3 2. - <_> - 10 12 5 3 2. - <_> - - <_> - 5 11 3 2 -1. - <_> - 5 12 3 1 2. - <_> - - <_> - 12 12 4 8 -1. - <_> - 12 16 4 4 2. - <_> - - <_> - 8 13 6 2 -1. - <_> - 8 14 6 1 2. - <_> - - <_> - 3 12 5 6 -1. - <_> - 3 14 5 2 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 17 1 1 1 2. - <_> - - <_> - 13 3 3 4 -1. - <_> - 14 3 1 4 3. - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 11 1 1 3. - <_> - - <_> - 14 0 6 5 -1. - <_> - 16 0 2 5 3. - <_> - - <_> - 10 1 8 18 -1. - <_> - 10 10 8 9 2. - <_> - - <_> - 11 5 3 2 -1. - <_> - 11 6 3 1 2. - <_> - - <_> - 5 5 2 1 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 3 4 3 3 -1. - <_> - 4 4 1 3 3. - <_> - - <_> - 11 14 1 3 -1. - <_> - 11 15 1 1 3. - <_> - - <_> - 16 13 3 3 -1. - <_> - 16 14 3 1 3. - <_> - - <_> - 15 8 5 12 -1. - <_> - 15 14 5 6 2. - <_> - - <_> - 3 0 3 10 -1. - <_> - 4 0 1 10 3. - <_> - - <_> - 15 15 1 2 -1. - <_> - 15 16 1 1 2. - <_> - - <_> - 15 0 4 2 -1. - <_> - 15 0 2 1 2. - <_> - 17 1 2 1 2. - <_> - - <_> - 17 2 2 1 -1. - <_> - 18 2 1 1 2. - <_> - - <_> - 8 13 1 3 -1. - <_> - 8 14 1 1 3. - <_> - - <_> - 9 1 2 6 -1. - <_> - 9 1 1 3 2. - <_> - 10 4 1 3 2. - <_> - - <_> - 1 12 9 3 -1. - <_> - 1 13 9 1 3. - <_> - - <_> - 12 14 3 3 -1. - <_> - 12 15 3 1 3. - <_> - - <_> - 15 10 3 1 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 9 6 9 1 -1. - <_> - 12 6 3 1 3. - <_> - - <_> - 12 5 3 7 -1. - <_> - 13 5 1 7 3. - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 7 0 9 2 -1. - <_> - 7 1 9 1 2. - <_> - - <_> - 13 5 2 5 -1. - <_> - 14 5 1 5 2. - <_> - - <_> - 14 2 3 6 -1. - <_> - 15 2 1 6 3. - <_> - - <_> - 8 6 4 3 -1. - <_> - 8 7 4 1 3. - <_> - - <_> - 6 8 1 9 -1. - <_> - 6 11 1 3 3. - <_> - - <_> - 3 9 7 6 -1. - <_> - 3 11 7 2 3. - <_> - - <_> - 6 6 2 3 -1. - <_> - 6 7 2 1 3. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 4 5 4 4 -1. - <_> - 4 5 2 2 2. - <_> - 6 7 2 2 2. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 5 6 4 7 -1. - <_> - 7 6 2 7 2. - <_> - - <_> - 10 8 3 5 -1. - <_> - 11 8 1 5 3. - <_> - - <_> - 11 4 3 13 -1. - <_> - 12 4 1 13 3. - <_> - - <_> - 2 13 3 3 -1. - <_> - 3 13 1 3 3. - <_> - - <_> - 4 8 3 2 -1. - <_> - 5 8 1 2 3. - <_> - - <_> - 0 4 1 3 -1. - <_> - 0 5 1 1 3. - <_> - - <_> - 7 6 6 6 -1. - <_> - 9 6 2 6 3. - <_> - - <_> - 7 7 4 12 -1. - <_> - 9 7 2 12 2. - <_> - - <_> - 6 12 6 3 -1. - <_> - 9 12 3 3 2. - <_> - - <_> - 8 6 9 12 -1. - <_> - 8 10 9 4 3. - <_> - - <_> - 11 0 3 15 -1. - <_> - 11 5 3 5 3. - <_> - - <_> - 8 16 6 4 -1. - <_> - 8 16 3 2 2. - <_> - 11 18 3 2 2. - <_> - - <_> - 6 5 10 6 -1. - <_> - 6 7 10 2 3. - <_> - - <_> - 2 12 3 4 -1. - <_> - 3 12 1 4 3. - <_> - - <_> - 9 13 4 3 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 3 0 4 6 -1. - <_> - 3 0 2 3 2. - <_> - 5 3 2 3 2. - <_> - - <_> - 5 9 6 1 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 11 14 2 3 -1. - <_> - 11 15 2 1 3. - <_> - - <_> - 5 8 2 1 -1. - <_> - 6 8 1 1 2. - <_> - - <_> - 17 0 3 12 -1. - <_> - 17 4 3 4 3. - <_> - - <_> - 10 13 3 6 -1. - <_> - 11 13 1 6 3. - <_> - - <_> - 10 13 3 7 -1. - <_> - 11 13 1 7 3. - <_> - - <_> - 6 5 6 1 -1. - <_> - 8 5 2 1 3. - <_> - - <_> - 18 2 2 8 -1. - <_> - 19 2 1 8 2. - <_> - - <_> - 5 8 3 1 -1. - <_> - 6 8 1 1 3. - <_> - - <_> - 8 7 4 6 -1. - <_> - 8 7 2 3 2. - <_> - 10 10 2 3 2. - <_> - - <_> - 8 3 2 2 -1. - <_> - 8 3 1 1 2. - <_> - 9 4 1 1 2. - <_> - - <_> - 18 5 2 3 -1. - <_> - 18 6 2 1 3. - <_> - - <_> - 17 7 3 4 -1. - <_> - 18 7 1 4 3. - <_> - - <_> - 8 2 2 4 -1. - <_> - 8 2 1 2 2. - <_> - 9 4 1 2 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 5 6 1 2 2. - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 10 9 9 10 -1. - <_> - 10 14 9 5 2. - <_> - - <_> - 6 4 3 1 -1. - <_> - 7 4 1 1 3. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 6 4 2 1 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 5 9 3 9 -1. - <_> - 5 12 3 3 3. - <_> - - <_> - 5 13 7 3 -1. - <_> - 5 14 7 1 3. - <_> - - <_> - 9 6 2 10 -1. - <_> - 9 6 1 5 2. - <_> - 10 11 1 5 2. - <_> - - <_> - 13 1 3 18 -1. - <_> - 13 10 3 9 2. - <_> - - <_> - 5 13 2 3 -1. - <_> - 5 14 2 1 3. - <_> - - <_> - 9 10 3 7 -1. - <_> - 10 10 1 7 3. - <_> - - <_> - 17 0 3 13 -1. - <_> - 18 0 1 13 3. - <_> - - <_> - 13 6 1 2 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 15 1 2 3. - <_> - - <_> - 5 14 2 3 -1. - <_> - 5 15 2 1 3. - <_> - - <_> - 16 6 1 6 -1. - <_> - 16 8 1 2 3. - <_> - - <_> - 0 6 2 2 -1. - <_> - 1 6 1 2 2. - <_> - - <_> - 3 12 4 8 -1. - <_> - 3 12 2 4 2. - <_> - 5 16 2 4 2. - <_> - - <_> - 6 2 2 8 -1. - <_> - 7 2 1 8 2. - <_> - - <_> - 6 7 2 6 -1. - <_> - 6 7 1 3 2. - <_> - 7 10 1 3 2. - <_> - - <_> - 5 12 4 2 -1. - <_> - 7 12 2 2 2. - <_> - - <_> - 4 9 13 2 -1. - <_> - 4 10 13 1 2. - <_> - - <_> - 19 5 1 2 -1. - <_> - 19 6 1 1 2. - <_> - - <_> - 4 8 9 1 -1. - <_> - 7 8 3 1 3. - <_> - - <_> - 8 8 2 1 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 3 0 2 10 -1. - <_> - 3 5 2 5 2. - <_> - - <_> - 6 2 2 1 -1. - <_> - 7 2 1 1 2. - <_> - - <_> - 14 5 3 3 -1. - <_> - 15 5 1 3 3. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - <_> - - <_> - 8 16 9 2 -1. - <_> - 8 17 9 1 2. - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - <_> - - <_> - 12 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 15 9 2 4 -1. - <_> - 15 11 2 2 2. - <_> - - <_> - 5 11 2 3 -1. - <_> - 5 12 2 1 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 6 12 1 6 -1. - <_> - 6 15 1 3 2. - <_> - - <_> - 6 9 5 9 -1. - <_> - 6 12 5 3 3. - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 12 2 1 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 10 10 2 2 2. - <_> - - <_> - 8 10 4 6 -1. - <_> - 8 10 2 3 2. - <_> - 10 13 2 3 2. - <_> - - <_> - 2 0 9 20 -1. - <_> - 5 0 3 20 3. - <_> - - <_> - 12 3 2 4 -1. - <_> - 12 3 1 2 2. - <_> - 13 5 1 2 2. - <_> - - <_> - 15 0 2 10 -1. - <_> - 16 0 1 10 2. - <_> - - <_> - 13 7 3 4 -1. - <_> - 14 7 1 4 3. - <_> - - <_> - 14 10 1 2 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 16 11 3 1 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 1 1 2. - <_> - 17 12 1 1 2. - <_> - - <_> - 13 12 6 1 -1. - <_> - 15 12 2 1 3. - <_> - - <_> - 3 2 14 9 -1. - <_> - 10 2 7 9 2. - <_> - - <_> - 5 4 12 2 -1. - <_> - 11 4 6 2 2. - <_> - - <_> - 13 6 2 1 -1. - <_> - 14 6 1 1 2. - <_> - - <_> - 7 10 3 3 -1. - <_> - 7 11 3 1 3. - <_> - - <_> - 16 17 4 2 -1. - <_> - 18 17 2 2 2. - <_> - - <_> - 4 12 8 8 -1. - <_> - 4 12 4 4 2. - <_> - 8 16 4 4 2. - <_> - - <_> - 14 8 4 5 -1. - <_> - 16 8 2 5 2. - <_> - - <_> - 11 8 6 2 -1. - <_> - 13 8 2 2 3. - <_> - - <_> - 4 5 16 5 -1. - <_> - 12 5 8 5 2. - <_> - - <_> - 14 9 6 10 -1. - <_> - 16 9 2 10 3. - <_> - - <_> - 4 18 3 1 -1. - <_> - 5 18 1 1 3. - <_> - - <_> - 4 13 4 4 -1. - <_> - 4 13 2 2 2. - <_> - 6 15 2 2 2. - <_> - - <_> - 6 15 2 3 -1. - <_> - 6 16 2 1 3. - <_> - - <_> - 6 15 1 3 -1. - <_> - 6 16 1 1 3. - <_> - - <_> - 7 17 3 1 -1. - <_> - 8 17 1 1 3. - <_> - - <_> - 7 17 3 1 -1. - <_> - 8 17 1 1 3. - <_> - - <_> - 9 10 4 1 -1. - <_> - 11 10 2 1 2. - <_> - - <_> - 11 12 2 1 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 7 8 1 6 -1. - <_> - 7 11 1 3 2. - <_> - - <_> - 6 7 3 3 -1. - <_> - 7 7 1 3 3. - <_> - - <_> - 13 10 1 3 -1. - <_> - 13 11 1 1 3. - <_> - - <_> - 5 8 2 4 -1. - <_> - 5 10 2 2 2. - <_> - - <_> - 5 8 6 6 -1. - <_> - 8 8 3 6 2. - <_> - - <_> - 6 5 4 13 -1. - <_> - 8 5 2 13 2. - <_> - - <_> - 8 4 10 8 -1. - <_> - 8 4 5 4 2. - <_> - 13 8 5 4 2. - <_> - - <_> - 8 3 9 6 -1. - <_> - 11 3 3 6 3. - <_> - - <_> - 11 0 6 3 -1. - <_> - 13 0 2 3 3. - <_> - - <_> - 11 1 3 15 -1. - <_> - 12 1 1 15 3. - <_> - - <_> - 4 8 14 9 -1. - <_> - 4 11 14 3 3. - <_> - - <_> - 11 2 1 16 -1. - <_> - 11 10 1 8 2. - <_> - - <_> - 12 1 2 14 -1. - <_> - 12 8 2 7 2. - <_> - - <_> - 11 1 3 4 -1. - <_> - 12 1 1 4 3. - <_> - - <_> - 9 8 4 2 -1. - <_> - 9 8 2 1 2. - <_> - 11 9 2 1 2. - <_> - - <_> - 17 3 2 2 -1. - <_> - 18 3 1 2 2. - <_> - - <_> - 2 6 3 2 -1. - <_> - 3 6 1 2 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 6 15 6 1 -1. - <_> - 8 15 2 1 3. - <_> - - <_> - 16 10 2 4 -1. - <_> - 16 10 1 2 2. - <_> - 17 12 1 2 2. - <_> - - <_> - 6 6 10 6 -1. - <_> - 6 6 5 3 2. - <_> - 11 9 5 3 2. - <_> - - <_> - 13 8 3 3 -1. - <_> - 13 9 3 1 3. - <_> - - <_> - 13 0 4 2 -1. - <_> - 13 0 2 1 2. - <_> - 15 1 2 1 2. - <_> - - <_> - 10 0 10 2 -1. - <_> - 10 0 5 1 2. - <_> - 15 1 5 1 2. - <_> - - <_> - 13 13 2 1 -1. - <_> - 14 13 1 1 2. - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - <_> - - <_> - 6 8 2 3 -1. - <_> - 6 9 2 1 3. - <_> - - <_> - 2 12 2 3 -1. - <_> - 2 13 2 1 3. - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 0 5 1 2. - <_> - 7 1 5 1 2. - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 3 2 1 2. - <_> - - <_> - 5 10 8 2 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 11 7 5 10 -1. - <_> - 11 12 5 5 2. - <_> - - <_> - 5 10 4 3 -1. - <_> - 5 11 4 1 3. - <_> - - <_> - 9 6 6 12 -1. - <_> - 9 12 6 6 2. - <_> - - <_> - 16 10 3 5 -1. - <_> - 17 10 1 5 3. - <_> - - <_> - 15 12 2 4 -1. - <_> - 15 12 1 2 2. - <_> - 16 14 1 2 2. - <_> - - <_> - 8 0 12 8 -1. - <_> - 8 0 6 4 2. - <_> - 14 4 6 4 2. - <_> - - <_> - 14 1 5 3 -1. - <_> - 14 2 5 1 3. - <_> - - <_> - 2 2 3 6 -1. - <_> - 3 2 1 6 3. - <_> - - <_> - 6 5 2 2 -1. - <_> - 7 5 1 2 2. - <_> - - <_> - 7 12 12 1 -1. - <_> - 11 12 4 1 3. - <_> - - <_> - 13 9 7 2 -1. - <_> - 13 10 7 1 2. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 0 4 15 2 -1. - <_> - 5 4 5 2 3. - <_> - - <_> - 3 0 9 13 -1. - <_> - 6 0 3 13 3. - <_> - - <_> - 5 10 6 2 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 8 3 4 2 -1. - <_> - 8 3 2 1 2. - <_> - 10 4 2 1 2. - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 7 1 3 2. - <_> - 9 10 1 3 2. - <_> - - <_> - 8 7 2 3 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 5 11 3 3 -1. - <_> - 6 11 1 3 3. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 7 0 1 6 -1. - <_> - 7 2 1 2 3. - <_> - - <_> - 14 0 2 5 -1. - <_> - 15 0 1 5 2. - <_> - - <_> - 3 2 12 1 -1. - <_> - 7 2 4 1 3. - <_> - - <_> - 11 13 5 2 -1. - <_> - 11 14 5 1 2. - <_> - - <_> - 13 14 1 3 -1. - <_> - 13 15 1 1 3. - <_> - - <_> - 7 17 12 2 -1. - <_> - 11 17 4 2 3. - <_> - - <_> - 0 0 13 20 -1. - <_> - 0 10 13 10 2. - <_> - - <_> - 4 7 10 12 -1. - <_> - 4 13 10 6 2. - <_> - - <_> - 10 12 2 2 -1. - <_> - 11 12 1 2 2. - <_> - - <_> - 9 11 4 4 -1. - <_> - 11 11 2 4 2. - <_> - - <_> - 4 9 16 5 -1. - <_> - 12 9 8 5 2. - <_> - - <_> - 16 9 2 4 -1. - <_> - 17 9 1 4 2. - <_> - - <_> - 15 9 3 1 -1. - <_> - 16 9 1 1 3. - <_> - - <_> - 14 3 4 11 -1. - <_> - 16 3 2 11 2. - <_> - - <_> - 4 3 10 10 -1. - <_> - 4 3 5 5 2. - <_> - 9 8 5 5 2. - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 9 1 1 3. - <_> - - <_> - 6 4 14 9 -1. - <_> - 6 7 14 3 3. - <_> - - <_> - 8 11 2 4 -1. - <_> - 8 13 2 2 2. - <_> - - <_> - 5 9 6 8 -1. - <_> - 5 9 3 4 2. - <_> - 8 13 3 4 2. - <_> - - <_> - 5 11 4 4 -1. - <_> - 5 13 4 2 2. - <_> - - <_> - 7 14 1 3 -1. - <_> - 7 15 1 1 3. - <_> - - <_> - 9 10 3 1 -1. - <_> - 10 10 1 1 3. - <_> - - <_> - 4 8 2 4 -1. - <_> - 4 8 1 2 2. - <_> - 5 10 1 2 2. - <_> - - <_> - 14 6 2 5 -1. - <_> - 15 6 1 5 2. - <_> - - <_> - 13 7 6 7 -1. - <_> - 15 7 2 7 3. - <_> - - <_> - 15 6 4 7 -1. - <_> - 17 6 2 7 2. - <_> - - <_> - 9 11 6 5 -1. - <_> - 11 11 2 5 3. - <_> - - <_> - 0 8 20 4 -1. - <_> - 10 8 10 4 2. - <_> - - <_> - 1 2 8 14 -1. - <_> - 1 2 4 7 2. - <_> - 5 9 4 7 2. - <_> - - <_> - 10 13 3 1 -1. - <_> - 11 13 1 1 3. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 7 14 6 2 -1. - <_> - 7 14 3 1 2. - <_> - 10 15 3 1 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_righteye_2splits.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_righteye_2splits.xml deleted file mode 100644 index db4571cde6..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_righteye_2splits.xml +++ /dev/null @@ -1,7407 +0,0 @@ - - - -BOOST - HAAR - 20 - 20 - - 34 - - 0 - 20 - - <_> - 5 - -2.2325520515441895e+00 - - <_> - - 1 0 0 -4.8210550099611282e-02 -1 -2 1 - -4.1576199233531952e-02 - - -8.6140447854995728e-01 9.1769057512283325e-01 - -2.1284009516239166e-01 - <_> - - 0 1 2 9.3528684228658676e-03 -1 -2 3 -2.2144919785205275e-04 - - -6.9785767793655396e-01 7.9523372650146484e-01 - -4.8948091268539429e-01 - <_> - - 0 1 4 -2.1853350102901459e-02 -1 -2 5 9.9672928452491760e-02 - - 7.0574641227722168e-01 -7.0666241645812988e-01 - 7.9210978746414185e-01 - <_> - - 1 0 6 -2.1664820611476898e-02 -1 -2 7 - -7.5680727604776621e-04 - - -6.0898607969284058e-01 7.1685701608657837e-01 - -3.0464568734169006e-01 - <_> - - 1 0 8 -1.3333049602806568e-02 -1 -2 9 9.2925298959016800e-03 - - -4.6844691038131714e-01 6.4235931634902954e-01 - -5.1180428266525269e-01 - <_> - 5 - -2.1598019599914551e+00 - - <_> - - 0 1 10 -3.3948719501495361e-01 -1 -2 11 - -1.3672479987144470e-01 - - 7.7913260459899902e-01 2.6421278715133667e-01 - -8.7910091876983643e-01 - <_> - - 0 1 12 3.1394500285387039e-02 -1 -2 13 - -1.0828140191733837e-02 - - -6.9956701993942261e-01 7.6504492759704590e-01 - -4.3719211220741272e-01 - <_> - - 1 0 14 -4.2506768368184566e-03 -1 -2 15 - -2.2675469517707825e-02 - - -5.7561582326889038e-01 7.4080592393875122e-01 - -3.6677250266075134e-01 - <_> - - 1 0 16 3.9161480963230133e-02 -1 -2 17 - -3.1934089493006468e-03 - - 6.4045161008834839e-01 1.6047589480876923e-01 - -7.1010977029800415e-01 - <_> - - 1 0 18 2.5321990251541138e-02 -1 -2 19 - 7.7583367237821221e-04 - - 4.9574860930442810e-01 -7.1737897396087646e-01 - -1.8581770360469818e-02 - <_> - 8 - -2.3451159000396729e+00 - - <_> - - 1 0 20 -2.6554059982299805e-01 -1 -2 21 - -2.2532779723405838e-02 - - -8.4712451696395874e-01 8.7977188825607300e-01 - -3.3394691348075867e-01 - <_> - - 0 1 22 8.5310067515820265e-04 -1 -2 23 - 1.5820249973330647e-04 - - -8.2032448053359985e-01 -7.5176358222961426e-01 - 6.7769712209701538e-01 - <_> - - 1 0 24 -1.0837490117410198e-04 -1 -2 25 - 2.6810260023921728e-03 - - -8.3314001560211182e-01 5.3844749927520752e-01 - -7.6534157991409302e-01 - <_> - - 0 1 26 8.5202371701598167e-04 -1 -2 27 - -1.2241739779710770e-02 - - -7.7514898777008057e-01 6.3240152597427368e-01 - -6.3395208120346069e-01 - <_> - - 1 0 28 6.2314196838997304e-05 -1 -2 29 - -7.1911108493804932e-01 - - 4.4290411472320557e-01 8.0135929584503174e-01 - -5.3431099653244019e-01 - <_> - - 1 0 30 -2.4280339479446411e-02 -1 -2 31 - 3.4558640327304602e-03 - - -6.7797917127609253e-01 4.9030610918998718e-01 - -8.8447982072830200e-01 - <_> - - 1 0 32 -6.2993327446747571e-05 -1 -2 33 - -4.6443562023341656e-03 - - -5.7883417606353760e-01 -8.5878807306289673e-01 - 5.2454602718353271e-01 - <_> - - 1 0 34 -4.0299328247783706e-05 -1 -2 35 - -3.7485519424080849e-03 - - -5.2713459730148315e-01 -8.5626190900802612e-01 - 4.8944610357284546e-01 - <_> - 10 - -2.3431489467620850e+00 - - <_> - - 0 1 36 -3.8377079367637634e-01 -1 -2 37 - -1.3837030529975891e-01 - - 7.1715021133422852e-01 3.4392359852790833e-01 - -7.9931277036666870e-01 - <_> - - 0 1 38 3.3107071067206562e-04 -1 -2 39 - -5.1273438148200512e-03 - - -6.8352431058883667e-01 5.8250617980957031e-01 - -4.0955001115798950e-01 - <_> - - 1 0 40 -2.6100680232048035e-02 -1 -2 41 - -1.0628979653120041e-03 - - -4.3713301420211792e-01 7.0680737495422363e-01 - -2.6817938685417175e-01 - <_> - - 0 1 42 -9.7854852676391602e-02 -1 -2 43 - -1.1829820275306702e-01 - - 7.3940038681030273e-01 6.3814181089401245e-01 - -3.8721871376037598e-01 - <_> - - 1 0 44 -7.5409049168229103e-03 -1 -2 45 - 2.6851659640669823e-03 - - -4.8803019523620605e-01 3.9083468914031982e-01 - -6.5561538934707642e-01 - <_> - - 0 1 46 1.6870240215212107e-03 -1 -2 47 - -3.8136160001158714e-03 - - -4.9891749024391174e-01 -6.6405588388442993e-01 - 4.0650749206542969e-01 - <_> - - 1 0 48 2.0289309322834015e-03 -1 -2 49 - -7.6308869756758213e-03 - - -6.9989210367202759e-01 4.3206840753555298e-01 - -2.9664969444274902e-01 - <_> - - 1 0 50 -3.3815231290645897e-04 -1 -2 51 - 7.5163291767239571e-03 - - -4.6808540821075439e-01 3.6521491408348083e-01 - -7.6014542579650879e-01 - <_> - - 1 0 52 6.1479508876800537e-02 -1 -2 53 - -4.6286579221487045e-02 - - 5.6990629434585571e-01 2.2625060379505157e-01 - -4.5330780744552612e-01 - <_> - - 1 0 54 4.6903551556169987e-03 -1 -2 55 - 1.8803169950842857e-03 - - -7.7286708354949951e-01 2.7349120378494263e-01 - -6.6667830944061279e-01 - <_> - 8 - -2.1268370151519775e+00 - - <_> - - 1 0 56 -5.5420672893524170e-01 -1 -2 57 - -6.9329799152910709e-03 - - -6.0620260238647461e-01 7.8542029857635498e-01 - -3.5522121191024780e-01 - <_> - - 0 1 58 -2.1169960498809814e-02 -1 -2 59 - -6.7428398132324219e-01 - - 5.2947688102722168e-01 4.6065220236778259e-01 - -7.0058208703994751e-01 - <_> - - 1 0 60 -4.2725078761577606e-02 -1 -2 61 - -1.0109329596161842e-02 - - -5.9904807806015015e-01 6.8109220266342163e-01 - -2.0731879770755768e-01 - <_> - - 0 1 62 6.5861130133271217e-03 -1 -2 63 - -7.6380418613553047e-03 - - -5.2420848608016968e-01 -7.0169782638549805e-01 - 4.4100138545036316e-01 - <_> - - 0 1 64 -9.7681581974029541e-02 -1 -2 65 - 1.0197360068559647e-02 - - 5.7708740234375000e-01 -9.8518550395965576e-02 - -8.8111698627471924e-01 - <_> - - 0 1 66 -2.5724549777805805e-03 -1 -2 67 - 2.6594230439513922e-03 - - -8.3233338594436646e-01 3.0995351076126099e-01 - -8.1609177589416504e-01 - <_> - - 1 0 68 -1.0042720241472125e-03 -1 -2 69 - 2.6080000679939985e-03 - - -4.3558520078659058e-01 3.3566600084304810e-01 - -8.1889331340789795e-01 - <_> - - 1 0 70 4.9724509008228779e-03 -1 -2 71 - 1.2243240140378475e-02 - - -7.7048182487487793e-01 2.2534200549125671e-01 - -6.8695551156997681e-01 - <_> - 10 - -2.0604379177093506e+00 - - <_> - - 1 0 72 -5.7784929871559143e-02 -1 -2 73 - -1.7517809756100178e-03 - - -7.0516008138656616e-01 8.5655921697616577e-01 - -9.2403419315814972e-02 - <_> - - 1 0 74 -1.1522379703819752e-02 -1 -2 75 - -3.8323760963976383e-03 - - -4.2749640345573425e-01 7.5913530588150024e-01 - -1.0894049704074860e-01 - <_> - - 1 0 76 -8.0922387540340424e-02 -1 -2 77 - -6.2537011690437794e-03 - - -3.1364768743515015e-01 6.9995921850204468e-01 - -1.1805690079927444e-01 - <_> - - 0 1 78 -1.2227860093116760e-01 -1 -2 79 - -6.4168110489845276e-02 - - 5.2072501182556152e-01 3.9272749423980713e-01 - -4.2194411158561707e-01 - <_> - - 1 0 80 -5.3712888620793819e-04 -1 -2 81 - -2.8175620827823877e-03 - - -4.9524548649787903e-01 4.1350141167640686e-01 - -3.8919278979301453e-01 - <_> - - 0 1 82 -3.6368549335747957e-03 -1 -2 83 - -1.3223909772932529e-03 - - 6.7615020275115967e-01 4.3426999449729919e-01 - -3.7642130255699158e-01 - <_> - - 0 1 84 3.7143539520911872e-04 -1 -2 85 - -5.0255712121725082e-03 - - -5.5630880594253540e-01 -5.2328592538833618e-01 - 3.4646821022033691e-01 - <_> - - 1 0 86 -9.2711612523999065e-05 -1 -2 87 - 1.9847028888761997e-03 - - -4.9652668833732605e-01 3.3401641249656677e-01 - -6.2446892261505127e-01 - <_> - - 1 0 88 4.7203440219163895e-02 -1 -2 89 - -6.8562600063160062e-05 - - 5.7562619447708130e-01 2.6172660291194916e-02 - -6.0849070549011230e-01 - <_> - - 1 0 90 7.5034219771623611e-03 -1 -2 91 - 6.3834791071712971e-03 - - -6.8576759099960327e-01 -1.7312510311603546e-01 - 3.8560429215431213e-01 - <_> - 12 - -2.3187489509582520e+00 - - <_> - - 1 0 92 -1.5584450215101242e-02 -1 -2 93 - 1.4557019807398319e-02 - - -6.6648960113525391e-01 -4.3745130300521851e-01 - 7.2227817773818970e-01 - <_> - - 1 0 94 -5.7889888994395733e-03 -1 -2 95 - -8.1936769187450409e-02 - - -4.3183240294456482e-01 6.8467652797698975e-01 - -2.2546729445457458e-01 - <_> - - 1 0 96 -4.2995368130505085e-03 -1 -2 97 - -1.3736640103161335e-02 - - -5.2409631013870239e-01 6.1626207828521729e-01 - -3.5893160104751587e-01 - <_> - - 1 0 98 -4.8069912008941174e-03 -1 -2 99 - -7.7131099998950958e-02 - - -4.2382389307022095e-01 6.0599362850189209e-01 - -3.1555330753326416e-01 - <_> - - 0 1 100 4.4640208943746984e-04 -1 -2 101 - 3.4841578453779221e-02 - - -4.9206110835075378e-01 -4.1017889976501465e-02 - 6.1330878734588623e-01 - <_> - - 0 1 102 8.2969048526138067e-04 -1 -2 103 - -7.8510129242204130e-05 - - -4.5479419827461243e-01 4.0007328987121582e-01 - -2.0888769626617432e-01 - <_> - - 1 0 104 4.6054688282310963e-03 -1 -2 105 - -7.1904482319951057e-03 - - -6.7931377887725830e-01 4.7060671448707581e-01 - -1.4138610661029816e-01 - <_> - - 0 1 106 -5.5724480189383030e-03 -1 -2 107 - -7.0458237314596772e-04 - - -7.0525509119033813e-01 3.6097851395606995e-01 - -1.8361540138721466e-01 - <_> - - 1 0 108 1.8595060333609581e-02 -1 -2 109 - 5.0072550773620605e-02 - - 4.1765761375427246e-01 -4.1869449615478516e-01 - 2.8186509013175964e-01 - <_> - - 1 0 110 -2.0355919376015663e-02 -1 -2 111 - -2.8686519712209702e-02 - - -3.6494150757789612e-01 -5.3867787122726440e-01 - 3.4767881035804749e-01 - <_> - - 1 0 112 -7.1101690991781652e-05 -1 -2 113 - 2.0686469506472349e-03 - - -4.0156790614128113e-01 3.2963660359382629e-01 - -7.0951050519943237e-01 - <_> - - 1 0 114 1.1430920567363501e-03 -1 -2 115 - -8.8636036962270737e-03 - - 4.4172981381416321e-01 1.8426130712032318e-01 - -4.1275170445442200e-01 - <_> - 15 - -2.2203750610351562e+00 - - <_> - - 1 0 116 -7.7637642621994019e-02 -1 -2 117 - -8.4830820560455322e-03 - - -4.9321529269218445e-01 7.8138542175292969e-01 - -3.6062291264533997e-01 - <_> - - 1 0 118 -1.7180460272356868e-03 -1 -2 119 - 2.4740949273109436e-02 - - -4.7690048813819885e-01 -3.2420080900192261e-01 - 5.9280002117156982e-01 - <_> - - 0 1 120 3.3028100151568651e-03 -1 -2 121 - -3.4622039645910263e-02 - - -5.3991597890853882e-01 5.2076727151870728e-01 - -3.3530798554420471e-01 - <_> - - 1 0 122 -7.1505777304992080e-04 -1 -2 123 - -9.0145105496048927e-03 - - -4.8981699347496033e-01 -7.7969801425933838e-01 - 3.6586359143257141e-01 - <_> - - 1 0 124 -1.0250939521938562e-03 -1 -2 125 - -5.5693178437650204e-03 - - -4.6970510482788086e-01 -6.9695621728897095e-01 - 3.5025438666343689e-01 - <_> - - 0 1 126 1.3235070509836078e-03 -1 -2 127 - -3.3737940248101950e-03 - - -4.4707980751991272e-01 -5.6195151805877686e-01 - 3.1833809614181519e-01 - <_> - - 1 0 128 -6.4095242123585194e-05 -1 -2 129 - -2.7294119354337454e-03 - - -3.5473638772964478e-01 4.1285240650177002e-01 - -3.1416821479797363e-01 - <_> - - 0 1 130 6.3087652961257845e-05 -1 -2 131 - -1.5436099842190742e-02 - - -3.5946568846702576e-01 -6.1329078674316406e-01 - 3.4301999211311340e-01 - <_> - - 0 1 132 -2.1025019232183695e-03 -1 -2 133 - -1.6849569976329803e-02 - - -7.6962250471115112e-01 3.6569809913635254e-01 - -2.1210379898548126e-01 - <_> - - 0 1 134 5.6847798987291753e-05 -1 -2 135 - 5.9984489344060421e-03 - - -4.0466558933258057e-01 2.8503778576850891e-01 - -5.8756178617477417e-01 - <_> - - 1 0 136 6.1389962211251259e-03 -1 -2 137 - -2.8117469628341496e-04 - - -8.7189829349517822e-01 2.5182509422302246e-01 - -3.1868219375610352e-01 - <_> - - 1 0 138 -4.5429798774421215e-03 -1 -2 139 - -3.2167110592126846e-02 - - -3.6724218726158142e-01 -7.9481202363967896e-01 - 2.8887200355529785e-01 - <_> - - 1 0 140 5.0912089645862579e-03 -1 -2 141 - -1.5173070132732391e-03 - - -7.1477490663528442e-01 4.4514629244804382e-01 - -9.5207341015338898e-02 - <_> - - 1 0 142 -6.0079508693888783e-04 -1 -2 143 - 4.4868541881442070e-03 - - -3.6021450161933899e-01 2.8276360034942627e-01 - -7.2084128856658936e-01 - <_> - - 1 0 144 -3.7957848981022835e-03 -1 -2 145 - -9.1829998418688774e-03 - - -2.8717440366744995e-01 5.0479042530059814e-01 - -7.0781037211418152e-02 - <_> - 17 - -2.1757249832153320e+00 - - <_> - - 1 0 146 -5.5760249495506287e-02 -1 -2 147 - -5.9436690062284470e-02 - - -5.5854648351669312e-01 6.8943697214126587e-01 - -3.7195080518722534e-01 - <_> - - 0 1 148 -5.4637178778648376e-02 -1 -2 149 - 2.3608359694480896e-01 - - 5.3040331602096558e-01 -4.7355309128761292e-01 - 4.6322488784790039e-01 - <_> - - 1 0 150 -9.4560505822300911e-03 -1 -2 151 - -5.3182709962129593e-02 - - -3.2544779777526855e-01 6.3468569517135620e-01 - -2.8268361091613770e-01 - <_> - - 1 0 152 -1.0638199746608734e-02 -1 -2 153 - -2.1207019686698914e-02 - - -5.5776351690292358e-01 3.9049190282821655e-01 - -4.2111930251121521e-01 - <_> - - 1 0 154 -5.6731878430582583e-05 -1 -2 155 - -4.4976451317779720e-04 - - -4.1803309321403503e-01 3.7355789542198181e-01 - -3.9199641346931458e-01 - <_> - - 1 0 156 2.7574670966714621e-03 -1 -2 157 - 2.5649419985711575e-03 - - -7.9104632139205933e-01 1.9258180260658264e-01 - -7.5344461202621460e-01 - <_> - - 0 1 158 -9.4359368085861206e-03 -1 -2 159 - 1.4136210083961487e-03 - - 4.4834750890731812e-01 -3.3878430724143982e-01 - 4.4291919469833374e-01 - <_> - - 1 0 160 3.9976350963115692e-03 -1 -2 161 - -1.5278969658538699e-03 - - -6.6637581586837769e-01 3.1292399764060974e-01 - -2.8027990460395813e-01 - <_> - - 1 0 162 -3.2376639865105972e-05 -1 -2 163 - 1.6323389718309045e-03 - - -4.6672090888023376e-01 2.7995559573173523e-01 - -6.1321508884429932e-01 - <_> - - 1 0 164 7.7096219174563885e-03 -1 -2 165 - -7.8599318861961365e-02 - - 2.0352549850940704e-01 7.2726912796497345e-02 - -6.8677097558975220e-01 - <_> - - 0 1 166 -3.6581400781869888e-03 -1 -2 167 - -4.2612198740243912e-02 - - -6.8079459667205811e-01 -8.4551781415939331e-01 - 1.5990570187568665e-01 - <_> - - 1 0 168 -4.8822778626345098e-04 -1 -2 169 - -4.6951142139732838e-03 - - -4.7945699095726013e-01 -8.2234281301498413e-01 - 2.0431579649448395e-01 - <_> - - 0 1 170 6.1706348787993193e-05 -1 -2 171 - 1.3809910044074059e-02 - - -3.1742820143699646e-01 3.0769300460815430e-01 - -4.3544968962669373e-01 - <_> - - 0 1 172 -4.2187729850411415e-03 -1 -2 173 - -3.9540808647871017e-03 - - 6.2499982118606567e-01 1.3225209712982178e-01 - -3.9745101332664490e-01 - <_> - - 1 0 174 2.2203531116247177e-03 -1 -2 175 - 6.2806582718621939e-05 - - -6.0045331716537476e-01 -2.2429980337619781e-01 - 2.9768520593643188e-01 - <_> - - 1 0 176 2.3292789701372385e-03 -1 -2 177 - -5.3711822256445885e-03 - - -7.5982081890106201e-01 2.6484918594360352e-01 - -2.6005539298057556e-01 - <_> - - 0 1 178 6.4782587287481874e-05 -1 -2 179 - 7.6606678776443005e-03 - - -3.2119300961494446e-01 2.4176409840583801e-01 - -8.3822727203369141e-01 - <_> - 19 - -2.2618789672851562e+00 - - <_> - - 1 0 180 -1.4848279766738415e-02 -1 -2 181 - -1.6066679963842034e-03 - - -5.3391128778457642e-01 7.6002711057662964e-01 - -2.1091739833354950e-01 - <_> - - 1 0 182 -1.5651920437812805e-01 -1 -2 183 - -5.5439779534935951e-03 - - -4.2818549275398254e-01 6.5620750188827515e-01 - -2.2949840128421783e-01 - <_> - - 1 0 184 -1.9448339939117432e-02 -1 -2 185 - 7.6653067953884602e-03 - - -4.4212520122528076e-01 -3.3950591087341309e-01 - 4.6587219834327698e-01 - <_> - - 0 1 186 -2.1142010390758514e-01 -1 -2 187 - -1.0628429800271988e-01 - - 5.5007970333099365e-01 6.8280947208404541e-01 - -3.0987739562988281e-01 - <_> - - 1 0 188 -5.2653599530458450e-02 -1 -2 189 - -5.3522300731856376e-05 - - -3.4818819165229797e-01 5.0566762685775757e-01 - -2.5229519605636597e-01 - <_> - - 0 1 190 -5.7972650974988937e-03 -1 -2 191 - -3.7428899668157101e-03 - - 3.0238011479377747e-01 2.2873230278491974e-01 - -4.8366579413414001e-01 - <_> - - 1 0 192 -5.2694038458866999e-05 -1 -2 193 - -1.1983739677816629e-03 - - -3.7988960742950439e-01 -6.7442452907562256e-01 - 2.8611260652542114e-01 - <_> - - 1 0 194 2.2544799372553825e-02 -1 -2 195 - 3.1783939339220524e-03 - - 4.7565719485282898e-01 -2.8893348574638367e-01 - 5.5509638786315918e-01 - <_> - - 1 0 196 3.4742769785225391e-03 -1 -2 197 - -8.1408787518739700e-03 - - -5.9826552867889404e-01 -5.5933791399002075e-01 - 2.2349210083484650e-01 - <_> - - 0 1 198 -3.0238809995353222e-03 -1 -2 199 - -5.9159598313271999e-03 - - 4.5917978882789612e-01 6.2234902381896973e-01 - -2.4468150734901428e-01 - <_> - - 1 0 200 2.3184430319815874e-03 -1 -2 201 - 7.7198208309710026e-03 - - -6.0478079319000244e-01 2.1004509925842285e-01 - -6.4331281185150146e-01 - <_> - - 0 1 202 -5.5973320268094540e-03 -1 -2 203 - 2.0320380281191319e-04 - - -7.1625810861587524e-01 -3.8018029928207397e-01 - 2.1336899697780609e-01 - <_> - - 1 0 204 -3.8205389864742756e-03 -1 -2 205 - 4.8883338458836079e-03 - - -3.5957258939743042e-01 2.6471930742263794e-01 - -5.8996689319610596e-01 - <_> - - 0 1 206 -1.3334590476006269e-03 -1 -2 207 - -1.5447080368176103e-03 - - 3.2258489727973938e-01 3.6971050500869751e-01 - -3.1308570504188538e-01 - <_> - - 0 1 208 7.5150746852159500e-05 -1 -2 209 - -1.1108840117231011e-03 - - -3.4674531221389771e-01 -5.7477539777755737e-01 - 2.9201140999794006e-01 - <_> - - 1 0 210 -1.6881119518075138e-04 -1 -2 211 - -1.2814450019504875e-04 - - -3.6041781306266785e-01 3.5043209791183472e-01 - -2.2014050185680389e-01 - <_> - - 1 0 212 1.9546970725059509e-02 -1 -2 213 - -1.1061180382966995e-02 - - 4.1295918822288513e-01 2.5962719321250916e-01 - -3.4875950217247009e-01 - <_> - - 1 0 214 1.8147419905290008e-03 -1 -2 215 - -7.1724010631442070e-03 - - -5.2019888162612915e-01 2.7452668547630310e-01 - -2.6828849315643311e-01 - <_> - - 1 0 216 2.2158189676702023e-03 -1 -2 217 - -9.6856858581304550e-03 - - -5.7340908050537109e-01 -5.8028572797775269e-01 - 1.8564410507678986e-01 - <_> - 19 - -2.0994780063629150e+00 - - <_> - - 0 1 218 -1.2065219692885876e-02 -1 -2 219 - -4.9067771434783936e-01 - - 6.1679571866989136e-01 1.4063939452171326e-01 - -5.5357742309570312e-01 - <_> - - 1 0 220 -6.6585717722773552e-03 -1 -2 221 - 1.5827560797333717e-02 - - -5.1332288980484009e-01 -3.6301520466804504e-01 - 4.3343341350555420e-01 - <_> - - 0 1 222 -1.4081180095672607e-02 -1 -2 223 - -1.2139449827373028e-02 - - 5.4223722219467163e-01 4.4281288981437683e-01 - -3.4171119332313538e-01 - <_> - - 0 1 224 7.8055798076093197e-03 -1 -2 225 - -7.0759910158813000e-05 - - -4.8659759759902954e-01 3.4818679094314575e-01 - -3.2806739211082458e-01 - <_> - - 0 1 226 -1.8199630081653595e-02 -1 -2 227 - -2.5289389304816723e-03 - - 5.6594151258468628e-01 1.1310060322284698e-01 - -4.0772381424903870e-01 - <_> - - 1 0 228 1.0156990028917789e-03 -1 -2 229 - 2.9432660085149109e-04 - - -5.9842979907989502e-01 2.8439450263977051e-01 - -3.2190230488777161e-01 - <_> - - 1 0 230 2.0865290425717831e-03 -1 -2 231 - -1.7371569992974401e-03 - - -7.8285712003707886e-01 3.3585301041603088e-01 - -2.0582370460033417e-01 - <_> - - 1 0 232 -7.0026202592998743e-05 -1 -2 233 - -1.4891549944877625e-03 - - -3.9109349250793457e-01 -4.6953418850898743e-01 - 2.7609241008758545e-01 - <_> - - 1 0 234 -1.1788429692387581e-02 -1 -2 235 - -1.5155089786276221e-03 - - -4.0114149451255798e-01 -7.4290478229522705e-01 - 2.7695629000663757e-01 - <_> - - 1 0 236 6.8396717309951782e-02 -1 -2 237 - -7.6441407203674316e-02 - - 4.5235648751258850e-01 4.2848169803619385e-01 - -3.1636309623718262e-01 - <_> - - 1 0 238 6.8310201168060303e-02 -1 -2 239 - -6.4508013427257538e-02 - - 5.1404279470443726e-01 1.8081870675086975e-01 - -3.4217950701713562e-01 - <_> - - 0 1 240 -2.8335719835013151e-03 -1 -2 241 - -9.9732237868010998e-04 - - -6.9509768486022949e-01 -4.3724590539932251e-01 - 2.0226080715656281e-01 - <_> - - 0 1 242 -2.2869910299777985e-01 -1 -2 243 - 2.9855249449610710e-03 - - 6.4662200212478638e-01 8.1149758771061897e-03 - -6.0210299491882324e-01 - <_> - - 0 1 244 -2.9535989742726088e-03 -1 -2 245 - -2.1225619129836559e-03 - - -7.2013127803802490e-01 5.0875622034072876e-01 - -5.9366609901189804e-02 - <_> - - 0 1 246 -2.9382819775491953e-03 -1 -2 247 - -5.8961478061974049e-03 - - 3.9287531375885010e-01 4.1866040229797363e-01 - -2.5405511260032654e-01 - <_> - - 1 0 248 2.5730929337441921e-03 -1 -2 249 - 1.6647739335894585e-02 - - -5.8707278966903687e-01 1.9208480417728424e-01 - -6.0388940572738647e-01 - <_> - - 1 0 250 2.4041840806603432e-03 -1 -2 251 - -9.0452830772846937e-04 - - -5.7192337512969971e-01 3.4860768914222717e-01 - -1.3049240410327911e-01 - <_> - - 1 0 252 4.0814210660755634e-03 -1 -2 253 - 3.3811479806900024e-03 - - 5.1778018474578857e-01 -6.3828541897237301e-03 - -6.1447817087173462e-01 - <_> - - 0 1 254 -2.7499340940266848e-03 -1 -2 255 - -4.8207710497081280e-03 - - -6.5407788753509521e-01 -6.0029619932174683e-01 - 1.4374589920043945e-01 - <_> - 21 - -2.1254189014434814e+00 - - <_> - - 0 1 256 7.9710120335221291e-03 -1 -2 257 - -9.7160867881029844e-04 - - -6.1992239952087402e-01 5.4877161979675293e-01 - -4.0606960654258728e-01 - <_> - - 0 1 258 -1.0945869609713554e-02 -1 -2 259 - -6.1174821108579636e-02 - - 4.6936869621276855e-01 3.0570849776268005e-01 - -4.4459891319274902e-01 - <_> - - 1 0 260 -2.3100150283426046e-03 -1 -2 261 - -4.7585051506757736e-02 - - -3.7816441059112549e-01 4.8865839838981628e-01 - -2.9728868603706360e-01 - <_> - - 1 0 262 -2.5944279041141272e-03 -1 -2 263 - -3.9469371549785137e-03 - - -5.4405367374420166e-01 3.6382490396499634e-01 - -3.0469849705696106e-01 - <_> - - 0 1 264 3.1871569808572531e-04 -1 -2 265 - -2.6655721012502909e-03 - - -4.6822971105575562e-01 3.3131968975067139e-01 - -2.9918238520622253e-01 - <_> - - 1 0 266 -3.9534650743007660e-02 -1 -2 267 - -9.4085611635819077e-04 - - -3.5316830873489380e-01 4.4447100162506104e-01 - -1.1088660359382629e-01 - <_> - - 0 1 268 6.9526307925116271e-05 -1 -2 269 - -9.6976682543754578e-03 - - -3.9403268694877625e-01 5.7181888818740845e-01 - -1.6370950266718864e-02 - <_> - - 1 0 270 3.9469040930271149e-02 -1 -2 271 - -8.2811042666435242e-03 - - 6.9152122735977173e-01 1.3349990546703339e-01 - -4.7064480185508728e-01 - <_> - - 0 1 272 -4.3219728395342827e-03 -1 -2 273 - -5.5436040274798870e-03 - - 3.8239258527755737e-01 1.5645879507064819e-01 - -4.1088208556175232e-01 - <_> - - 1 0 274 -5.9953341406071559e-05 -1 -2 275 - -5.9089371934533119e-03 - - -3.9221799373626709e-01 -5.9083867073059082e-01 - 2.7924481034278870e-01 - <_> - - 0 1 276 -4.4721391052007675e-02 -1 -2 277 - 4.1267018765211105e-02 - - 4.1454491019248962e-01 -3.2242009043693542e-01 - 3.7849879264831543e-01 - <_> - - 0 1 278 5.6728709751041606e-05 -1 -2 279 - -6.2427870929241180e-02 - - -3.2228040695190430e-01 -5.9666448831558228e-01 - 2.8915780782699585e-01 - <_> - - 0 1 280 -5.6994128972291946e-03 -1 -2 281 - 7.5202910229563713e-03 - - 3.7499341368675232e-01 -2.8132459521293640e-01 - 5.0988858938217163e-01 - <_> - - 0 1 282 -3.3640549518167973e-03 -1 -2 283 - -6.8076648749411106e-03 - - -6.3978207111358643e-01 -7.3105818033218384e-01 - 1.4475250244140625e-01 - <_> - - 1 0 284 1.2633459642529488e-02 -1 -2 285 - -2.9199919663369656e-03 - - -7.7725297212600708e-01 2.3258599638938904e-01 - -2.0490600168704987e-01 - <_> - - 0 1 286 -3.0582249164581299e-02 -1 -2 287 - -2.7796169742941856e-03 - - -6.5738821029663086e-01 -5.4888349771499634e-01 - 1.3837890326976776e-01 - <_> - - 0 1 288 -7.6163080520927906e-03 -1 -2 289 - -1.8409560434520245e-03 - - -3.5912349820137024e-01 2.2404469549655914e-01 - -3.7881860136985779e-01 - <_> - - 0 1 290 -3.9200261235237122e-02 -1 -2 291 - -2.2543789818882942e-03 - - 5.0090551376342773e-01 3.1364008784294128e-01 - -2.2131860256195068e-01 - <_> - - 1 0 292 2.3894659243524075e-03 -1 -2 293 - -1.0725490283221006e-03 - - -5.8699512481689453e-01 4.7141209244728088e-01 - -3.2570488750934601e-02 - <_> - - 0 1 294 8.9095337898470461e-05 -1 -2 295 - 1.6920049674808979e-03 - - -3.0444309115409851e-01 3.0280891060829163e-01 - -3.8902729749679565e-01 - <_> - - 1 0 296 1.1784000322222710e-02 -1 -2 297 - 3.9335917681455612e-03 - - -6.8993437290191650e-01 -6.7763939499855042e-02 - 4.6499788761138916e-01 - <_> - 22 - -2.0614759922027588e+00 - - <_> - - 0 1 298 1.1430840007960796e-02 -1 -2 299 - -3.2242920249700546e-02 - - -3.9274570345878601e-01 6.5568798780441284e-01 - -3.1068810820579529e-01 - <_> - - 1 0 300 -1.8382760463282466e-03 -1 -2 301 - -1.0764399915933609e-01 - - -4.0825068950653076e-01 4.3280079960823059e-01 - -4.2263451218605042e-01 - <_> - - 1 0 302 -2.3866090923547745e-03 -1 -2 303 - 8.6586214601993561e-03 - - -4.6435201168060303e-01 -4.0673071146011353e-01 - 4.1267868876457214e-01 - <_> - - 1 0 304 -1.6437229933217168e-03 -1 -2 305 - -9.8511137068271637e-02 - - -2.1344049274921417e-01 6.8432319164276123e-01 - -9.7035013139247894e-02 - <_> - - 0 1 306 4.4292360544204712e-03 -1 -2 307 - 4.6966210938990116e-03 - - -3.9498910307884216e-01 -1.1345980316400528e-01 - 4.9681991338729858e-01 - <_> - - 1 0 308 -8.8480701670050621e-03 -1 -2 309 - -6.7258379422128201e-03 - - -3.1293100118637085e-01 -6.1635792255401611e-01 - 3.1764769554138184e-01 - <_> - - 1 0 310 2.0052040927112103e-03 -1 -2 311 - -1.3407340273261070e-02 - - 3.1724271178245544e-01 1.9735060632228851e-01 - -3.7199181318283081e-01 - <_> - - 0 1 312 -4.4199679978191853e-03 -1 -2 313 - -3.2800938934087753e-02 - - -5.7164478302001953e-01 3.0599930882453918e-01 - -1.7397969961166382e-01 - <_> - - 0 1 314 4.9407979531679302e-05 -1 -2 315 - 4.1550169698894024e-03 - - -2.8270530700683594e-01 2.9686808586120605e-01 - -4.8494309186935425e-01 - <_> - - 1 0 316 -7.5589967309497297e-05 -1 -2 317 - -3.2147730235010386e-03 - - -3.8531139492988586e-01 -6.3306808471679688e-01 - 2.3434750735759735e-01 - <_> - - 0 1 318 1.6021779738366604e-03 -1 -2 319 - -1.9478019326925278e-02 - - -2.9579049348831177e-01 -4.9625208973884583e-01 - 2.6092579960823059e-01 - <_> - - 0 1 320 -2.5193750858306885e-02 -1 -2 321 - -4.6487729996442795e-02 - - 3.9384880661964417e-01 2.2168830037117004e-01 - -2.9691740870475769e-01 - <_> - - 1 0 322 4.3414267711341381e-03 -1 -2 323 - -2.4886759929358959e-03 - - -6.7661178112030029e-01 2.0509929955005646e-01 - -2.9771140217781067e-01 - <_> - - 0 1 324 -5.8827269822359085e-03 -1 -2 325 - 9.0498890494927764e-04 - - -6.1301797628402710e-01 -3.4023219347000122e-01 - 1.8168209493160248e-01 - <_> - - 0 1 326 -9.8338901996612549e-02 -1 -2 327 - 5.6141808629035950e-02 - - 4.7729569673538208e-01 -2.2904439270496368e-01 - 3.4410089254379272e-01 - <_> - - 1 0 328 -5.5787130258977413e-03 -1 -2 329 - 1.5108759980648756e-03 - - -3.5910171270370483e-01 2.4900430440902710e-01 - -4.3798071146011353e-01 - <_> - - 0 1 330 -6.0129738412797451e-03 -1 -2 331 - -7.9341192031279206e-04 - - 3.1164181232452393e-01 2.6759660243988037e-01 - -3.6802908778190613e-01 - <_> - - 1 0 332 6.1855330131947994e-03 -1 -2 333 - -7.3785060085356236e-03 - - -7.2153317928314209e-01 -5.3714382648468018e-01 - 1.3824890553951263e-01 - <_> - - 0 1 334 -6.7488732747733593e-04 -1 -2 335 - -1.3102099765092134e-03 - - 3.7406051158905029e-01 1.9003790616989136e-01 - -3.1632271409034729e-01 - <_> - - 0 1 336 4.9453211249783635e-04 -1 -2 337 - 1.2824690202251077e-03 - - -2.3283170163631439e-01 3.0463808774948120e-01 - -4.8092108964920044e-01 - <_> - - 0 1 338 -2.2624820470809937e-02 -1 -2 339 - 4.3685249984264374e-03 - - -6.8783479928970337e-01 1.2403090298175812e-01 - -7.9220730066299438e-01 - <_> - - 1 0 340 5.6756488047540188e-03 -1 -2 341 - -8.1769213080406189e-02 - - 1.7611420154571533e-01 3.8942161202430725e-01 - -4.5094010233879089e-01 - <_> - 24 - -1.9795049428939819e+00 - - <_> - - 1 0 342 -2.0003549754619598e-02 -1 -2 343 - -3.2621208578348160e-02 - - -5.6650751829147339e-01 5.0807082653045654e-01 - -4.5345708727836609e-01 - <_> - - 0 1 344 1.0668139904737473e-02 -1 -2 345 - -1.6276689246296883e-02 - - -3.2316839694976807e-01 6.0189497470855713e-01 - -2.4059510231018066e-01 - <_> - - 1 0 346 -2.8211208991706371e-03 -1 -2 347 - -1.4291180297732353e-02 - - -4.7181150317192078e-01 5.1280087232589722e-01 - -1.0744000226259232e-01 - <_> - - 0 1 348 1.0120410006493330e-03 -1 -2 349 - -5.9822672046720982e-03 - - -3.8844698667526245e-01 4.6928858757019043e-01 - -9.1355919837951660e-02 - <_> - - 1 0 350 -2.4705699179321527e-03 -1 -2 351 - 2.4079859722405672e-03 - - -4.5964410901069641e-01 2.1830670535564423e-01 - -5.9373402595520020e-01 - <_> - - 1 0 352 -1.4312269631773233e-03 -1 -2 353 - 2.9141810955479741e-04 - - -2.4731670320034027e-01 -2.5972241163253784e-01 - 3.8206368684768677e-01 - <_> - - 0 1 354 -3.2818811014294624e-03 -1 -2 355 - -1.0365940397605300e-03 - - -7.7180129289627075e-01 2.3569859564304352e-01 - -2.2067700326442719e-01 - <_> - - 0 1 356 -2.2078400943428278e-03 -1 -2 357 - 3.5239339340478182e-03 - - 3.0886119604110718e-01 -2.8496000170707703e-01 - 4.7544300556182861e-01 - <_> - - 0 1 358 -6.1774807982146740e-03 -1 -2 359 - -3.2023619860410690e-03 - - -7.0318382978439331e-01 -5.1361310482025146e-01 - 1.5656259655952454e-01 - <_> - - 1 0 360 -8.7003601947799325e-04 -1 -2 361 - -3.8079950027167797e-03 - - -2.9925128817558289e-01 5.5215638875961304e-01 - -8.0608041025698185e-04 - <_> - - 1 0 362 4.9994210712611675e-03 -1 -2 363 - -1.0323170572519302e-03 - - -4.3541741371154785e-01 5.4992151260375977e-01 - -5.0770761445164680e-03 - <_> - - 1 0 364 6.9215619005262852e-03 -1 -2 365 - -8.1578325480222702e-03 - - 3.3900010585784912e-01 3.4354889392852783e-01 - -2.4483889341354370e-01 - <_> - - 0 1 366 -1.6159559600055218e-03 -1 -2 367 - 4.7165839932858944e-03 - - -7.4653702974319458e-01 1.1855059862136841e-01 - -7.1803867816925049e-01 - <_> - - 1 0 368 -1.6093119978904724e-02 -1 -2 369 - -5.9861610643565655e-03 - - -3.2987210154533386e-01 3.1263980269432068e-01 - -2.3194029927253723e-01 - <_> - - 1 0 370 6.4122617244720459e-02 -1 -2 371 - 2.1518159657716751e-02 - - 4.6239149570465088e-01 -2.4277320504188538e-01 - 4.0963909029960632e-01 - <_> - - 0 1 372 -2.8541380167007446e-01 -1 -2 373 - 2.7372559998184443e-04 - - 4.4521799683570862e-01 -4.7307610511779785e-01 - 7.6739721000194550e-02 - <_> - - 0 1 374 -6.4039281569421291e-03 -1 -2 375 - 1.4279670082032681e-02 - - -5.6167787313461304e-01 -6.7311890423297882e-02 - 4.3806758522987366e-01 - <_> - - 0 1 376 -1.3179860077798367e-02 -1 -2 377 - 6.6828072071075439e-02 - - -6.7672669887542725e-01 -3.2182909548282623e-02 - 5.1308721303939819e-01 - <_> - - 0 1 378 6.3021448440849781e-03 -1 -2 379 - -1.6806010389700532e-03 - - -2.0082660019397736e-01 -5.1767241954803467e-01 - 3.8576510548591614e-01 - <_> - - 0 1 380 -1.5057720011100173e-03 -1 -2 381 - 1.1699240421876311e-03 - - 3.9358091354370117e-01 -2.5579568743705750e-01 - 3.1927299499511719e-01 - <_> - - 1 0 382 7.2735180146992207e-03 -1 -2 383 - 7.8693883551750332e-05 - - -7.1667242050170898e-01 -1.8908829987049103e-01 - 2.3849080502986908e-01 - <_> - - 1 0 384 1.9624589476734400e-03 -1 -2 385 - -3.1472831033170223e-03 - - -5.1583772897720337e-01 4.8033049702644348e-01 - -3.6237910389900208e-02 - <_> - - 1 0 386 5.0133569166064262e-03 -1 -2 387 - -6.5994369797408581e-03 - - -5.2729338407516479e-01 -6.9400531053543091e-01 - 1.2275890260934830e-01 - <_> - - 0 1 388 -4.2700361460447311e-02 -1 -2 389 - -3.5096149076707661e-05 - - -6.8218547105789185e-01 1.2160310149192810e-01 - -4.2142289876937866e-01 - <_> - 24 - -1.9048260450363159e+00 - - <_> - - 0 1 390 8.7128365412354469e-03 -1 -2 391 - -4.0675927884876728e-03 - - -4.4048839807510376e-01 6.0030102729797363e-01 - -2.6042649149894714e-01 - <_> - - 1 0 392 -8.3933398127555847e-02 -1 -2 393 - -2.2626180201768875e-02 - - -3.7943989038467407e-01 5.2529489994049072e-01 - -3.2733321189880371e-01 - <_> - - 1 0 394 -3.5725389607250690e-03 -1 -2 395 - -1.6297569964081049e-03 - - -2.6030939817428589e-01 4.8434230685234070e-01 - -3.8363268971443176e-01 - <_> - - 0 1 396 -8.0011576414108276e-02 -1 -2 397 - -9.6061453223228455e-02 - - 3.9579561352729797e-01 4.2874181270599365e-01 - -2.9096639156341553e-01 - <_> - - 1 0 398 -9.3183852732181549e-03 -1 -2 399 - 9.2205153778195381e-03 - - -3.9325499534606934e-01 -2.9857379198074341e-01 - 3.1733301281929016e-01 - <_> - - 1 0 400 2.3208750411868095e-02 -1 -2 401 - 1.6389730153605342e-03 - - 3.9295229315757751e-01 -5.4035997390747070e-01 - -2.1836880594491959e-02 - <_> - - 1 0 402 2.8872499242424965e-03 -1 -2 403 - 4.7465260140597820e-03 - - -7.8172737360000610e-01 1.4474189281463623e-01 - -6.4237701892852783e-01 - <_> - - 0 1 404 -5.7432148605585098e-03 -1 -2 405 - -8.5324952378869057e-03 - - -6.5556287765502930e-01 2.2090309858322144e-01 - -2.5790300965309143e-01 - <_> - - 0 1 406 -8.8752172887325287e-03 -1 -2 407 - -7.7129527926445007e-03 - - 4.6596860885620117e-01 2.5279781222343445e-01 - -2.6170450448989868e-01 - <_> - - 1 0 408 7.6909800991415977e-03 -1 -2 409 - 2.6657560374587774e-03 - - -5.9350818395614624e-01 1.6969729959964752e-01 - -5.4123950004577637e-01 - <_> - - 1 0 410 -4.4685939792543650e-04 -1 -2 411 - -1.5998890157788992e-03 - - -3.0383870005607605e-01 -5.4817748069763184e-01 - 2.4971559643745422e-01 - <_> - - 1 0 412 1.9368670182302594e-03 -1 -2 413 - -2.4878541007637978e-03 - - -6.3200348615646362e-01 4.7051379084587097e-01 - -4.5187219977378845e-02 - <_> - - 0 1 414 -2.8134910389780998e-03 -1 -2 415 - -1.4107710449025035e-03 - - 3.9270851016044617e-01 1.8017080426216125e-01 - -2.5714579224586487e-01 - <_> - - 0 1 416 -6.9013070315122604e-03 -1 -2 417 - -1.1458620429039001e-03 - - -5.3386241197586060e-01 2.8174358606338501e-01 - -1.6080249845981598e-01 - <_> - - 0 1 418 9.2800445854663849e-03 -1 -2 419 - -4.1281301528215408e-02 - - -3.0028960108757019e-01 -6.2409067153930664e-01 - 2.0549909770488739e-01 - <_> - - 0 1 420 -3.5625360906124115e-02 -1 -2 421 - -4.1647539474070072e-03 - - -5.2529340982437134e-01 -6.3538008928298950e-01 - 1.2846650183200836e-01 - <_> - - 0 1 422 -9.5598259940743446e-04 -1 -2 423 - -8.9347851462662220e-04 - - 2.6505509018898010e-01 1.8266810476779938e-01 - -3.7531790137290955e-01 - <_> - - 1 0 424 2.5431478861719370e-03 -1 -2 425 - -1.5853889286518097e-02 - - -6.1057221889495850e-01 3.0754768848419189e-01 - -9.8143920302391052e-02 - <_> - - 0 1 426 -4.1315760463476181e-02 -1 -2 427 - -6.8226549774408340e-04 - - 4.9247589707374573e-01 6.2975943088531494e-02 - -4.2634299397468567e-01 - <_> - - 1 0 428 6.3098431564867496e-04 -1 -2 429 - -2.8946860693395138e-03 - - 3.1397339701652527e-01 2.8590971231460571e-01 - -2.5623229146003723e-01 - <_> - - 0 1 430 -1.0244140401482582e-02 -1 -2 431 - -1.6979850828647614e-02 - - -6.9737482070922852e-01 -7.3125731945037842e-01 - 1.0389179736375809e-01 - <_> - - 1 0 432 -7.0198569446802139e-03 -1 -2 433 - -6.0688778758049011e-03 - - -3.5070639848709106e-01 -5.3395807743072510e-01 - 1.7334850132465363e-01 - <_> - - 0 1 434 -9.6911415457725525e-03 -1 -2 435 - 8.5460003465414047e-03 - - 5.6399798393249512e-01 -2.4716490507125854e-01 - 1.8216520547866821e-01 - <_> - - 1 0 436 -4.9479231238365173e-03 -1 -2 437 - 1.9269150216132402e-03 - - -2.8333988785743713e-01 -6.8196073174476624e-02 - 3.7787199020385742e-01 - <_> - 28 - -1.9407349824905396e+00 - - <_> - - 1 0 438 -2.8639819473028183e-02 -1 -2 439 - -4.2176660150289536e-02 - - -3.7718260288238525e-01 7.2298699617385864e-01 - -7.6141163706779480e-02 - <_> - - 1 0 440 -2.2537210024893284e-03 -1 -2 441 - -3.0683329328894615e-02 - - -3.2727459073066711e-01 5.1505237817764282e-01 - -2.2235199809074402e-01 - <_> - - 0 1 442 -1.2341269850730896e-01 -1 -2 443 - -2.3674150928854942e-02 - - 4.4699010252952576e-01 3.4708538651466370e-01 - -3.1773900985717773e-01 - <_> - - 0 1 444 3.1951239798218012e-03 -1 -2 445 - -1.4915530337020755e-03 - - -4.9775049090385437e-01 2.6384419202804565e-01 - -3.8912549614906311e-01 - <_> - - 0 1 446 8.8097527623176575e-04 -1 -2 447 - -5.8355771005153656e-02 - - -4.0939790010452271e-01 3.2287618517875671e-01 - -2.3045599460601807e-01 - <_> - - 1 0 448 5.1132370717823505e-03 -1 -2 449 - -4.5418320223689079e-03 - - -5.1353681087493896e-01 5.3011757135391235e-01 - -3.0649330466985703e-02 - <_> - - 1 0 450 1.6811339883133769e-03 -1 -2 451 - 2.8129699639976025e-03 - - -5.3161472082138062e-01 -6.7524053156375885e-02 - 3.8542249798774719e-01 - <_> - - 1 0 452 2.1835418883711100e-03 -1 -2 453 - -2.4335379712283611e-03 - - -6.4298832416534424e-01 -6.6313308477401733e-01 - 1.3882370293140411e-01 - <_> - - 1 0 454 3.0736608896404505e-03 -1 -2 455 - -9.6425544470548630e-03 - - -6.3433158397674561e-01 3.8696160912513733e-01 - -6.8737797439098358e-02 - <_> - - 0 1 456 -7.2082108817994595e-03 -1 -2 457 - -8.0191977322101593e-03 - - 1.6121250391006470e-01 3.8011130690574646e-01 - -4.1397979855537415e-01 - <_> - - 0 1 458 -7.2479159571230412e-03 -1 -2 459 - -2.2631640732288361e-01 - - 2.4351879954338074e-01 6.0667949914932251e-01 - -2.2521880269050598e-01 - <_> - - 0 1 460 -7.0091613451950252e-05 -1 -2 461 - -1.8161399662494659e-01 - - 1.7115320265293121e-01 5.2725982666015625e-01 - -3.5247540473937988e-01 - <_> - - 0 1 462 -9.4038434326648712e-03 -1 -2 463 - -2.1289030555635691e-03 - - 3.4970518946647644e-01 5.5878698825836182e-02 - -4.9816590547561646e-01 - <_> - - 0 1 464 -5.1798550412058830e-03 -1 -2 465 - -6.5030192490667105e-04 - - -6.3095641136169434e-01 3.5856458544731140e-01 - -7.8281052410602570e-02 - <_> - - 0 1 466 -1.0555930435657501e-02 -1 -2 467 - -5.1852981559932232e-03 - - -5.5502831935882568e-01 3.5548681020736694e-01 - -6.8892292678356171e-02 - <_> - - 0 1 468 -7.8725479543209076e-03 -1 -2 469 - -6.5342970192432404e-03 - - -4.8596179485321045e-01 2.1178959310054779e-01 - -2.3174080252647400e-01 - <_> - - 0 1 470 -1.3909920118749142e-02 -1 -2 471 - 1.5418450348079205e-03 - - 5.9936982393264771e-01 -9.5086917281150818e-03 - -6.4796131849288940e-01 - <_> - - 1 0 472 -1.1549900518730283e-03 -1 -2 473 - -3.2687030732631683e-02 - - -2.7501720190048218e-01 -6.7336207628250122e-01 - 1.9520400464534760e-01 - <_> - - 0 1 474 -2.6422590017318726e-01 -1 -2 475 - 6.9438670761883259e-03 - - 3.6986869573593140e-01 -3.0029740929603577e-01 - 1.4998969435691833e-01 - <_> - - 0 1 476 -1.2077920138835907e-02 -1 -2 477 - -1.3986700214445591e-03 - - 4.1644129157066345e-01 4.1248729825019836e-01 - -1.9533659517765045e-01 - <_> - - 1 0 478 1.3138339854776859e-02 -1 -2 479 - 7.2417110204696655e-03 - - -6.4204931259155273e-01 1.1359360069036484e-01 - -7.3838871717453003e-01 - <_> - - 0 1 480 -7.4837901629507542e-03 -1 -2 481 - 6.8022231571376324e-03 - - -6.9246298074722290e-01 9.2873439192771912e-02 - -6.0047471523284912e-01 - <_> - - 1 0 482 4.5322909951210022e-01 -1 -2 483 - -5.5721630342304707e-03 - - 5.6260532140731812e-01 7.7820159494876862e-02 - -3.3990600705146790e-01 - <_> - - 1 0 484 3.1583961099386215e-02 -1 -2 485 - -5.7926177978515625e-03 - - 3.2292670011520386e-01 1.5534450113773346e-01 - -3.5717839002609253e-01 - <_> - - 0 1 486 -7.6025379821658134e-03 -1 -2 487 - 9.5151038840413094e-04 - - -5.1859498023986816e-01 -2.9570670798420906e-02 - 4.6027511358261108e-01 - <_> - - 1 0 488 1.9723300356417894e-03 -1 -2 489 - 2.3158260155469179e-03 - - 3.6926651000976562e-01 -2.1299740672111511e-01 - 2.6948541402816772e-01 - <_> - - 1 0 490 2.1179600153118372e-03 -1 -2 491 - -2.6946600992232561e-03 - - -4.8369500041007996e-01 1.8545660376548767e-01 - -2.9411968588829041e-01 - <_> - - 1 0 492 5.8865409344434738e-02 -1 -2 493 - -6.8408921360969543e-03 - - -4.6770378947257996e-01 -6.6371321678161621e-01 - 1.2721349298954010e-01 - <_> - 26 - -1.8931059837341309e+00 - - <_> - - 1 0 494 -1.2766489759087563e-02 -1 -2 495 - 3.7821640726178885e-03 - - -3.7968099117279053e-01 -1.6001829504966736e-01 - 6.1953288316726685e-01 - <_> - - 1 0 496 -3.3049881458282471e-02 -1 -2 497 - 4.5050241053104401e-02 - - -3.6825481057167053e-01 9.3770343810319901e-03 - 7.1570581197738647e-01 - <_> - - 1 0 498 -3.5275409463793039e-03 -1 -2 499 - 2.2250709589570761e-03 - - -3.7336608767509460e-01 -6.6712491214275360e-02 - 4.9906119704246521e-01 - <_> - - 1 0 500 1.3609490124508739e-03 -1 -2 501 - -2.9087859392166138e-01 - - 1.7162929475307465e-01 3.6158901453018188e-01 - -5.0871372222900391e-01 - <_> - - 1 0 502 3.3148950897157192e-03 -1 -2 503 - -8.8641437469050288e-04 - - -7.1788138151168823e-01 2.5713619589805603e-01 - -1.7978949844837189e-01 - <_> - - 1 0 504 1.1313590221107006e-03 -1 -2 505 - -3.0621800106018782e-03 - - 3.5387420654296875e-01 3.0790808796882629e-01 - -3.1217241287231445e-01 - <_> - - 1 0 506 2.5443620979785919e-03 -1 -2 507 - -6.7088878713548183e-03 - - -5.6788551807403564e-01 2.1222899854183197e-01 - -2.6821109652519226e-01 - <_> - - 0 1 508 -1.6446809470653534e-01 -1 -2 509 - 4.0828108787536621e-02 - - 4.9016961455345154e-01 -3.1217470765113831e-01 - 2.4748149514198303e-01 - <_> - - 0 1 510 -3.6051510833203793e-03 -1 -2 511 - -2.3608640767633915e-03 - - 3.4355860948562622e-01 2.6566460728645325e-01 - -2.8644719719886780e-01 - <_> - - 0 1 512 1.2965350179001689e-03 -1 -2 513 - 6.0111000202596188e-03 - - -2.9317760467529297e-01 2.1941700577735901e-01 - -6.0014218091964722e-01 - <_> - - 1 0 514 -6.1628420371562243e-04 -1 -2 515 - 2.0573718938976526e-03 - - -3.1292331218719482e-01 2.8763169050216675e-01 - -3.7320709228515625e-01 - <_> - - 0 1 516 -7.7166007831692696e-03 -1 -2 517 - -2.8222459368407726e-03 - - -7.1683251857757568e-01 4.2501831054687500e-01 - -5.3294889628887177e-02 - <_> - - 0 1 518 -7.3861207056324929e-05 -1 -2 519 - 5.8680498041212559e-03 - - 1.4903450012207031e-01 -5.8436650037765503e-01 - 1.0724759846925735e-01 - <_> - - 1 0 520 -7.9013723880052567e-03 -1 -2 521 - 2.7825690340250731e-03 - - -3.4319949150085449e-01 1.7655360698699951e-01 - -6.1473757028579712e-01 - <_> - - 0 1 522 3.2751538674347103e-04 -1 -2 523 - 3.0700899660587311e-02 - - -3.3837568759918213e-01 1.8566130101680756e-01 - -5.3450268507003784e-01 - <_> - - 1 0 524 5.6932470761239529e-03 -1 -2 525 - 2.1375140547752380e-01 - - -5.1750451326370239e-01 1.2332399934530258e-01 - -6.4288139343261719e-01 - <_> - - 0 1 526 -4.4024959206581116e-03 -1 -2 527 - -4.5719969784840941e-04 - - 5.8535677194595337e-01 2.3368820548057556e-01 - -1.9039009511470795e-01 - <_> - - 0 1 528 -4.2587839998304844e-03 -1 -2 529 - -2.3462621029466391e-03 - - -5.1190847158432007e-01 -4.7164770960807800e-01 - 1.4783400297164917e-01 - <_> - - 1 0 530 -6.5065571106970310e-05 -1 -2 531 - -5.5082160979509354e-03 - - -2.9886341094970703e-01 -4.8508960008621216e-01 - 2.0014910399913788e-01 - <_> - - 1 0 532 1.8942790105938911e-02 -1 -2 533 - 6.9123771972954273e-03 - - 3.1028950214385986e-01 -2.8701239824295044e-01 - 2.0534069836139679e-01 - <_> - - 1 0 534 8.1696882843971252e-03 -1 -2 535 - 1.0069769807159901e-02 - - 4.5810830593109131e-01 -2.4175919592380524e-01 - 1.7593820393085480e-01 - <_> - - 1 0 536 2.1663580555468798e-03 -1 -2 537 - 1.0505730286240578e-02 - - -4.9877908825874329e-01 1.6231280565261841e-01 - -4.2988869547843933e-01 - <_> - - 1 0 538 5.7576788822188973e-04 -1 -2 539 - -3.0608899891376495e-02 - - -3.1012570858001709e-01 -7.4064302444458008e-01 - 1.6217179596424103e-01 - <_> - - 0 1 540 -1.3430659659206867e-02 -1 -2 541 - 1.1859040241688490e-03 - - 4.5505639910697937e-01 -2.7227258682250977e-01 - 2.2475010156631470e-01 - <_> - - 0 1 542 -4.9311347538605332e-04 -1 -2 543 - -2.4509918875992298e-03 - - -3.9598318934440613e-01 2.5004211068153381e-01 - -1.6140510141849518e-01 - <_> - - 1 0 544 1.3641949743032455e-02 -1 -2 545 - -3.6733329296112061e-02 - - -6.4525490999221802e-01 3.4197059273719788e-01 - -6.5968327224254608e-02 - <_> - 29 - -1.9677840471267700e+00 - - <_> - - 0 1 546 1.3613830087706447e-03 -1 -2 547 - 1.2211060151457787e-02 - - -3.4383928775787354e-01 -4.0358600020408630e-01 - 5.7873630523681641e-01 - <_> - - 0 1 548 3.2929528970271349e-03 -1 -2 549 - -2.4831980466842651e-02 - - -2.2164349257946014e-01 5.4256910085678101e-01 - -4.7585600614547729e-01 - <_> - - 0 1 550 -3.4081530570983887e-01 -1 -2 551 - 6.0929641127586365e-02 - - 5.3438740968704224e-01 -2.6015359163284302e-01 - 3.7626558542251587e-01 - <_> - - 1 0 552 -1.4399300562217832e-03 -1 -2 553 - -7.5711178779602051e-01 - - -4.1635149717330933e-01 4.7764539718627930e-01 - -1.2374229729175568e-01 - <_> - - 0 1 554 -5.9891431592404842e-03 -1 -2 555 - -8.9398561976850033e-04 - - 2.1848620474338531e-01 1.7726029455661774e-01 - -5.4815018177032471e-01 - <_> - - 1 0 556 2.9013510793447495e-03 -1 -2 557 - 4.4361278414726257e-03 - - -5.6709182262420654e-01 1.4183780550956726e-01 - -5.8784419298171997e-01 - <_> - - 1 0 558 -5.3319290600484237e-05 -1 -2 559 - 2.5481029879301786e-03 - - -3.4821888804435730e-01 1.9745320081710815e-01 - -5.5979222059249878e-01 - <_> - - 1 0 560 7.4882939457893372e-02 -1 -2 561 - 4.8816308379173279e-02 - - 4.6647951006889343e-01 -2.2575210034847260e-01 - 3.2325819134712219e-01 - <_> - - 0 1 562 -3.9128339849412441e-03 -1 -2 563 - -1.3820629566907883e-02 - - -5.9772872924804688e-01 2.6031211018562317e-01 - -2.0211410522460938e-01 - <_> - - 0 1 564 9.4047200400382280e-04 -1 -2 565 - -4.6419431455433369e-03 - - -3.4005248546600342e-01 -4.5187801122665405e-01 - 2.1054859459400177e-01 - <_> - - 1 0 566 -3.1960941851139069e-02 -1 -2 567 - -1.2651160068344325e-04 - - -2.0826019346714020e-01 3.8553190231323242e-01 - -2.3116420209407806e-01 - <_> - - 0 1 568 -5.0413709133863449e-02 -1 -2 569 - -2.0950778853148222e-03 - - 2.2846159338951111e-01 3.2639551162719727e-01 - -3.4385430812835693e-01 - <_> - - 0 1 570 -1.1017880402505398e-02 -1 -2 571 - -9.7415763884782791e-03 - - -7.7388781309127808e-01 3.6731991171836853e-01 - -6.5746001899242401e-02 - <_> - - 0 1 572 5.3386680519906804e-05 -1 -2 573 - 5.9820311143994331e-03 - - -3.5571750998497009e-01 1.7653119564056396e-01 - -4.6110078692436218e-01 - <_> - - 1 0 574 -1.9558269996196032e-03 -1 -2 575 - 7.6739699579775333e-03 - - -3.6172690987586975e-01 1.8038579821586609e-01 - -4.0452030301094055e-01 - <_> - - 1 0 576 4.2935381643474102e-03 -1 -2 577 - 1.4181300066411495e-03 - - 5.2086359262466431e-01 -2.2085809707641602e-01 - 2.7357560396194458e-01 - <_> - - 0 1 578 -2.8263099491596222e-02 -1 -2 579 - 6.3434068579226732e-04 - - -6.3833731412887573e-01 1.5636380016803741e-01 - -3.2148900628089905e-01 - <_> - - 0 1 580 -7.2387307882308960e-03 -1 -2 581 - -9.9928081035614014e-03 - - 2.3126259446144104e-01 3.0397319793701172e-01 - -2.4478439986705780e-01 - <_> - - 1 0 582 6.4995248976629227e-05 -1 -2 583 - -5.3049270063638687e-03 - - 1.5132980048656464e-01 2.0417870581150055e-01 - -4.6260431408882141e-01 - <_> - - 0 1 584 -1.6613099724054337e-02 -1 -2 585 - -1.1630290187895298e-02 - - 3.3399769663810730e-01 3.7053430080413818e-01 - -1.9361549615859985e-01 - <_> - - 1 0 586 1.9068180117756128e-03 -1 -2 587 - -5.6926468387246132e-03 - - -3.8105058670043945e-01 5.0645208358764648e-01 - 6.5170922316610813e-03 - <_> - - 1 0 588 -2.2453670680988580e-04 -1 -2 589 - 9.5565039664506912e-03 - - -3.1526011228561401e-01 -5.3035598993301392e-01 - 2.0532760024070740e-01 - <_> - - 1 0 590 3.1540619675070047e-03 -1 -2 591 - -3.0681329965591431e-01 - - -4.5928329229354858e-01 5.0717717409133911e-01 - -1.4439250342547894e-02 - <_> - - 0 1 592 2.8239809907972813e-03 -1 -2 593 - -3.3063529990613461e-03 - - -1.5437939763069153e-01 -4.3571388721466064e-01 - 3.9342719316482544e-01 - <_> - - 1 0 594 3.7848789361305535e-04 -1 -2 595 - -3.0488630291074514e-03 - - 2.5212600827217102e-01 4.6662339568138123e-01 - -2.2792230546474457e-01 - <_> - - 0 1 596 -1.4724380336701870e-02 -1 -2 597 - 3.6062300205230713e-02 - - -7.8602111339569092e-01 -6.8571321666240692e-02 - 3.6698839068412781e-01 - <_> - - 0 1 598 -2.2327410988509655e-03 -1 -2 599 - -7.8541820403188467e-04 - - -5.9740197658538818e-01 2.0273469388484955e-01 - -1.7221680283546448e-01 - <_> - - 1 0 600 7.8553898492828012e-04 -1 -2 601 - 1.0078109800815582e-02 - - -4.3407449126243591e-01 1.2464140355587006e-01 - -4.8391419649124146e-01 - <_> - - 1 0 602 2.0928790792822838e-02 -1 -2 603 - 1.3340089935809374e-03 - - 5.6864207983016968e-01 1.4524639584124088e-02 - -4.6003210544586182e-01 - <_> - 34 - -1.9657919406890869e+00 - - <_> - - 1 0 604 -1.5313959680497646e-02 -1 -2 605 - -1.4265860430896282e-02 - - -3.4347689151763916e-01 5.8209532499313354e-01 - -3.5527399182319641e-01 - <_> - - 0 1 606 1.2652979930862784e-03 -1 -2 607 - -7.3807648732326925e-05 - - -3.1498318910598755e-01 4.7249591350555420e-01 - -2.6380801200866699e-01 - <_> - - 0 1 608 -3.8527030497789383e-02 -1 -2 609 - -1.4758770354092121e-02 - - 4.1556850075721741e-01 1.5677249431610107e-01 - -3.7650239467620850e-01 - <_> - - 1 0 610 -1.5448270132765174e-03 -1 -2 611 - 6.4564580097794533e-03 - - -3.5932019352912903e-01 2.1276639401912689e-01 - -7.2287178039550781e-01 - <_> - - 0 1 612 1.0267349891364574e-02 -1 -2 613 - -8.6422899039462209e-04 - - -4.6045809984207153e-01 2.4920259416103363e-01 - -2.6721361279487610e-01 - <_> - - 0 1 614 3.2311889808624983e-03 -1 -2 615 - 1.3676529750227928e-02 - - -4.0939199924468994e-01 -2.7391690760850906e-02 - 4.5259070396423340e-01 - <_> - - 1 0 616 3.2787120435386896e-03 -1 -2 617 - -1.4256529975682497e-03 - - -7.0025652647018433e-01 2.5787800550460815e-01 - -1.5093439817428589e-01 - <_> - - 0 1 618 -2.2095029707998037e-03 -1 -2 619 - -8.7701372802257538e-02 - - 3.5148110985755920e-01 4.1978740692138672e-01 - -2.3600180447101593e-01 - <_> - - 0 1 620 -2.8805620968341827e-03 -1 -2 621 - -2.5028509553521872e-03 - - 3.0479869246482849e-01 1.3316699862480164e-01 - -3.1691300868988037e-01 - <_> - - 1 0 622 -5.1710562547668815e-04 -1 -2 623 - 6.7088729701936245e-03 - - -3.5199090838432312e-01 2.0163150131702423e-01 - -6.0948008298873901e-01 - <_> - - 0 1 624 -7.6058752834796906e-02 -1 -2 625 - -3.0889140907675028e-03 - - -6.3694208860397339e-01 -7.9025340080261230e-01 - 1.0366079956293106e-01 - <_> - - 1 0 626 2.5740528944879770e-03 -1 -2 627 - -5.4877097718417645e-03 - - -4.5424199104309082e-01 2.1481299400329590e-01 - -1.9329510629177094e-01 - <_> - - 1 0 628 -1.2507289648056030e-03 -1 -2 629 - -4.3231048621237278e-03 - - -2.1651449799537659e-01 -6.2799078226089478e-01 - 2.4270740151405334e-01 - <_> - - 1 0 630 4.3724630959331989e-03 -1 -2 631 - 7.4632692849263549e-04 - - -5.1889377832412720e-01 -1.1378680169582367e-01 - 2.8224378824234009e-01 - <_> - - 0 1 632 -1.3375070411711931e-03 -1 -2 633 - -2.9367550741881132e-03 - - 2.4589119851589203e-01 2.4335819482803345e-01 - -2.9112818837165833e-01 - <_> - - 0 1 634 6.3193867390509695e-05 -1 -2 635 - -5.1338938064873219e-03 - - -2.5806590914726257e-01 -4.6110409498214722e-01 - 2.4333980679512024e-01 - <_> - - 1 0 636 4.9400608986616135e-03 -1 -2 637 - -5.6112580932676792e-03 - - -3.9632990956306458e-01 2.4502380192279816e-01 - -1.5639010071754456e-01 - <_> - - 1 0 638 4.2950599454343319e-03 -1 -2 639 - 4.5142881572246552e-03 - - -4.7671678662300110e-01 1.0698430240154266e-01 - -9.0471321344375610e-01 - <_> - - 1 0 640 7.5297639705240726e-03 -1 -2 641 - -1.2225280515849590e-03 - - 4.1239809989929199e-01 2.8488171100616455e-01 - -1.9815699756145477e-01 - <_> - - 0 1 642 -3.4703810233622789e-03 -1 -2 643 - 8.3724651485681534e-03 - - -4.4967961311340332e-01 1.5324249863624573e-01 - -3.8666850328445435e-01 - <_> - - 1 0 644 -3.3934618841158226e-05 -1 -2 645 - -2.7241709828376770e-01 - - -3.1429070234298706e-01 -5.5842101573944092e-01 - 1.6627819836139679e-01 - <_> - - 0 1 646 -2.7582740876823664e-03 -1 -2 647 - 2.5530489161610603e-02 - - 2.7189570665359497e-01 -1.9172009825706482e-01 - 4.3780499696731567e-01 - <_> - - 1 0 648 4.2080380953848362e-03 -1 -2 649 - -8.2151442766189575e-03 - - -4.4684138894081116e-01 2.2786709666252136e-01 - -1.7441789805889130e-01 - <_> - - 0 1 650 -2.9405429959297180e-03 -1 -2 651 - -9.4840265810489655e-03 - - -7.2643548250198364e-01 2.0794290304183960e-01 - -1.5239919722080231e-01 - <_> - - 1 0 652 4.2596450075507164e-03 -1 -2 653 - -1.7117479583248496e-03 - - 6.1772680282592773e-01 -7.1106612682342529e-01 - -6.1875251121819019e-03 - <_> - - 0 1 654 -1.3266160385683179e-03 -1 -2 655 - 9.1314306482672691e-03 - - 1.7181269824504852e-01 -4.1138759255409241e-01 - 1.8124279379844666e-01 - <_> - - 1 0 656 6.8382360041141510e-03 -1 -2 657 - 7.5181988067924976e-03 - - -5.7601082324981689e-01 -1.0819079726934433e-01 - 2.9561421275138855e-01 - <_> - - 0 1 658 -7.2788819670677185e-03 -1 -2 659 - -1.8039470538496971e-02 - - -5.8113521337509155e-01 4.5183068513870239e-01 - -2.7083089575171471e-02 - <_> - - 0 1 660 -1.0126599809154868e-03 -1 -2 661 - -6.7263199016451836e-03 - - 2.4344119429588318e-01 1.6870440542697906e-01 - -2.7007728815078735e-01 - <_> - - 0 1 662 -3.2334970310330391e-03 -1 -2 663 - -7.7852200774941593e-05 - - -6.0048222541809082e-01 2.4241769313812256e-01 - -1.2413249909877777e-01 - <_> - - 0 1 664 -6.7774722992908210e-05 -1 -2 665 - 7.1789676439948380e-05 - - 1.5729150176048279e-01 -5.2893507480621338e-01 - -3.1665571033954620e-02 - <_> - - 1 0 666 1.0024299845099449e-02 -1 -2 667 - 9.4298496842384338e-03 - - -4.8646959662437439e-01 1.1240869760513306e-01 - -4.2570489645004272e-01 - <_> - - 0 1 668 -7.4433721601963043e-04 -1 -2 669 - 1.1660560034215450e-02 - - 2.7540761232376099e-01 -2.3117260634899139e-01 - 2.2442330420017242e-01 - <_> - - 1 0 670 3.9079408161342144e-03 -1 -2 671 - 1.6550149768590927e-02 - - -6.3519638776779175e-01 1.0619100183248520e-01 - -4.7654989361763000e-01 - <_> - 32 - -1.7649420499801636e+00 - - <_> - - 1 0 672 -1.8439030274748802e-02 -1 -2 673 - -5.3364519029855728e-02 - - -4.8745709657669067e-01 5.1037812232971191e-01 - -2.2670130431652069e-01 - <_> - - 0 1 674 -7.5706318020820618e-02 -1 -2 675 - -1.5329009620472789e-03 - - 4.1487750411033630e-01 8.5764937102794647e-02 - -4.3470910191535950e-01 - <_> - - 1 0 676 -2.4494890123605728e-02 -1 -2 677 - -3.8144161226227880e-04 - - -2.7532699704170227e-01 3.8043969869613647e-01 - -4.3967849016189575e-01 - <_> - - 1 0 678 -8.8816778734326363e-03 -1 -2 679 - -3.9625130593776703e-02 - - -4.3258818984031677e-01 2.4481220543384552e-01 - -2.6193639636039734e-01 - <_> - - 1 0 680 -3.5907390993088484e-03 -1 -2 681 - 3.7008870393037796e-02 - - -3.6199480295181274e-01 2.2637460380792618e-02 - 5.5778437852859497e-01 - <_> - - 0 1 682 7.8503930126316845e-05 -1 -2 683 - -4.7969701699912548e-03 - - -3.3861130475997925e-01 3.1856098771095276e-01 - -1.6600249707698822e-01 - <_> - - 0 1 684 -1.1298010125756264e-02 -1 -2 685 - -4.4886539690196514e-03 - - 3.7305471301078796e-01 2.9692959785461426e-01 - -2.5235760211944580e-01 - <_> - - 0 1 686 -2.2497780155390501e-03 -1 -2 687 - 2.9247230850160122e-03 - - 3.4263029694557190e-01 -5.6593239307403564e-02 - -7.0626032352447510e-01 - <_> - - 1 0 688 1.7976630479097366e-03 -1 -2 689 - 1.9808609504252672e-03 - - -5.4180228710174561e-01 -2.5643008947372437e-01 - 1.8446870148181915e-01 - <_> - - 0 1 690 -4.7688339836895466e-03 -1 -2 691 - -1.5755610540509224e-02 - - -2.9698228836059570e-01 2.8959378600120544e-01 - -1.6480749845504761e-01 - <_> - - 0 1 692 -1.1919640004634857e-02 -1 -2 693 - 4.2308131232857704e-03 - - -5.8567219972610474e-01 1.3601270318031311e-01 - -4.8162451386451721e-01 - <_> - - 1 0 694 2.0548550412058830e-02 -1 -2 695 - -7.3943338356912136e-03 - - 3.0143499374389648e-01 4.6367760747671127e-02 - -4.2379519343376160e-01 - <_> - - 0 1 696 -6.2137800268828869e-03 -1 -2 697 - 1.4182809973135591e-03 - - 4.5724278688430786e-01 -3.0143639445304871e-01 - 1.8204510211944580e-01 - <_> - - 1 0 698 4.1609420441091061e-03 -1 -2 699 - -3.7915320135653019e-03 - - -5.2654838562011719e-01 -5.8677071332931519e-01 - 1.1703660339117050e-01 - <_> - - 1 0 700 2.0879150833934546e-03 -1 -2 701 - 1.5018540434539318e-03 - - -3.5307729244232178e-01 1.8624800443649292e-01 - -3.2729730010032654e-01 - <_> - - 1 0 702 2.1248809993267059e-02 -1 -2 703 - -5.5249751312658191e-04 - - -3.1979259848594666e-01 2.3370230197906494e-01 - -1.7386199533939362e-01 - <_> - - 0 1 704 -3.0085169710218906e-03 -1 -2 705 - -1.1611919617280364e-03 - - 1.7596049606800079e-01 1.6033430397510529e-01 - -3.9680978655815125e-01 - <_> - - 0 1 706 -3.9655580185353756e-03 -1 -2 707 - -6.5836100839078426e-03 - - 3.6691769957542419e-01 -6.2966358661651611e-01 - -2.4926450103521347e-02 - <_> - - 0 1 708 -9.0950471349060535e-04 -1 -2 709 - -5.7984529994428158e-03 - - 3.9574980735778809e-01 1.7492240667343140e-01 - -2.6837408542633057e-01 - <_> - - 0 1 710 -5.7758802175521851e-01 -1 -2 711 - -1.5161310322582722e-02 - - 5.9611392021179199e-01 -6.6131639480590820e-01 - 3.3608361263759434e-04 - <_> - - 1 0 712 7.6604672358371317e-05 -1 -2 713 - 2.7769979089498520e-02 - - 2.0401589572429657e-01 -3.2097330689430237e-01 - 2.2317400574684143e-01 - <_> - - 0 1 714 -2.6336179580539465e-03 -1 -2 715 - 8.3722146227955818e-03 - - -3.9656499028205872e-01 1.3883970677852631e-01 - -5.8006221055984497e-01 - <_> - - 0 1 716 -7.0203031646087766e-04 -1 -2 717 - -4.8448870074935257e-04 - - 2.7777281403541565e-01 2.1628519892692566e-01 - -2.9692250490188599e-01 - <_> - - 0 1 718 -3.3638171851634979e-02 -1 -2 719 - 4.4241230934858322e-03 - - 3.5791969299316406e-01 -8.6632027523592114e-04 - -5.5872720479965210e-01 - <_> - - 1 0 720 1.1545260436832905e-02 -1 -2 721 - -1.5816639643162489e-03 - - 3.3837619423866272e-01 2.8660699725151062e-02 - -3.5041970014572144e-01 - <_> - - 1 0 722 1.3838140293955803e-02 -1 -2 723 - 2.8327409178018570e-02 - - -7.7886807918548584e-01 -1.8604910001158714e-02 - 6.2147867679595947e-01 - <_> - - 0 1 724 -8.8482163846492767e-03 -1 -2 725 - -1.1661020107567310e-03 - - 2.6369819045066833e-01 1.0302580147981644e-01 - -3.2680010795593262e-01 - <_> - - 0 1 726 -3.2252211123704910e-02 -1 -2 727 - -9.4921119511127472e-02 - - -5.0046241283416748e-01 -7.2761011123657227e-01 - 1.0330100357532501e-01 - <_> - - 1 0 728 2.5177269708365202e-03 -1 -2 729 - -4.0892168879508972e-02 - - -6.3938027620315552e-01 -5.7345229387283325e-01 - 8.1502526998519897e-02 - <_> - - 0 1 730 -1.9293189980089664e-03 -1 -2 731 - -1.4116390375420451e-03 - - 2.4177229404449463e-01 8.0363817512989044e-02 - -3.6146539449691772e-01 - <_> - - 0 1 732 -3.8812779821455479e-03 -1 -2 733 - 4.4630360789597034e-03 - - -5.7638782262802124e-01 9.1835789382457733e-02 - -6.8039101362228394e-01 - <_> - - 0 1 734 2.9870839789509773e-03 -1 -2 735 - 9.4975335523486137e-03 - - -1.0236640274524689e-01 4.9150609970092773e-01 - -3.8011389970779419e-01 - - <_> - - <_> - 8 7 3 12 -1. - <_> - 8 11 3 4 3. - <_> - - <_> - 8 7 8 3 -1. - <_> - 10 9 4 3 2. - 1 - <_> - - <_> - 9 13 2 6 -1. - <_> - 9 16 2 3 2. - <_> - - <_> - 8 2 12 8 -1. - <_> - 11 2 6 8 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 3 6 3 2. - <_> - - <_> - 8 1 5 12 -1. - <_> - 8 4 5 6 2. - <_> - - <_> - 1 8 3 12 -1. - <_> - 1 12 3 4 3. - <_> - - <_> - 0 11 2 7 -1. - <_> - 1 11 1 7 2. - <_> - - <_> - 6 12 9 7 -1. - <_> - 9 12 3 7 3. - <_> - - <_> - 13 4 6 9 -1. - <_> - 15 4 2 9 3. - <_> - - <_> - 4 7 12 12 -1. - <_> - 8 11 4 4 9. - <_> - - <_> - 15 0 4 20 -1. - <_> - 15 5 4 10 2. - <_> - - <_> - 0 12 5 8 -1. - <_> - 0 16 5 4 2. - <_> - - <_> - 8 2 12 8 -1. - <_> - 12 2 4 8 3. - <_> - - <_> - 19 0 1 8 -1. - <_> - 19 4 1 4 2. - <_> - - <_> - 9 7 3 12 -1. - <_> - 9 11 3 4 3. - <_> - - <_> - 1 2 8 8 -1. - <_> - 1 6 8 4 2. - <_> - - <_> - 0 12 4 4 -1. - <_> - 2 12 2 4 2. - <_> - - <_> - 9 7 6 8 -1. - <_> - 9 7 3 4 2. - <_> - 12 11 3 4 2. - <_> - - <_> - 13 18 7 2 -1. - <_> - 13 19 7 1 2. - <_> - - <_> - 4 7 12 12 -1. - <_> - 8 11 4 4 9. - <_> - - <_> - 0 8 5 12 -1. - <_> - 0 12 5 4 3. - <_> - - <_> - 16 0 4 8 -1. - <_> - 18 0 2 8 2. - <_> - - <_> - 16 12 1 8 -1. - <_> - 16 16 1 4 2. - <_> - - <_> - 9 1 9 9 -1. - <_> - 12 1 3 9 3. - <_> - - <_> - 16 16 1 3 -1. - <_> - 15 17 1 1 3. - 1 - <_> - - <_> - 2 14 2 4 -1. - <_> - 2 16 2 2 2. - <_> - - <_> - 6 12 9 3 -1. - <_> - 9 12 3 3 3. - <_> - - <_> - 0 18 5 2 -1. - <_> - 0 19 5 1 2. - <_> - - <_> - 1 7 18 12 -1. - <_> - 7 11 6 4 9. - <_> - - <_> - 4 0 16 12 -1. - <_> - 4 0 8 6 2. - <_> - 12 6 8 6 2. - <_> - - <_> - 8 3 2 5 -1. - <_> - 9 3 1 5 2. - <_> - - <_> - 17 17 1 2 -1. - <_> - 17 17 1 1 2. - 1 - <_> - - <_> - 18 16 1 3 -1. - <_> - 17 17 1 1 3. - 1 - <_> - - <_> - 0 9 2 6 -1. - <_> - 1 9 1 6 2. - <_> - - <_> - 3 3 3 4 -1. - <_> - 4 3 1 4 3. - <_> - - <_> - 4 7 12 12 -1. - <_> - 8 11 4 4 9. - <_> - - <_> - 10 0 7 8 -1. - <_> - 10 4 7 4 2. - <_> - - <_> - 18 0 2 9 -1. - <_> - 19 0 1 9 2. - <_> - - <_> - 4 13 1 4 -1. - <_> - 4 13 1 2 2. - 1 - <_> - - <_> - 10 8 6 2 -1. - <_> - 12 10 2 2 3. - 1 - <_> - - <_> - 14 11 4 7 -1. - <_> - 15 11 2 7 2. - <_> - - <_> - 4 0 13 8 -1. - <_> - 4 2 13 4 2. - <_> - - <_> - 9 1 7 8 -1. - <_> - 9 5 7 4 2. - <_> - - <_> - 7 0 12 9 -1. - <_> - 10 0 6 9 2. - <_> - - <_> - 14 3 4 4 -1. - <_> - 15 3 2 4 2. - <_> - - <_> - 0 16 4 4 -1. - <_> - 0 18 4 2 2. - <_> - - <_> - 3 17 2 1 -1. - <_> - 3 17 1 1 2. - 1 - <_> - - <_> - 17 16 1 3 -1. - <_> - 16 17 1 1 3. - 1 - <_> - - <_> - 11 10 6 4 -1. - <_> - 10 11 6 2 2. - 1 - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 17 0 3 3 -1. - <_> - 18 1 1 1 9. - <_> - - <_> - 2 1 12 6 -1. - <_> - 2 4 12 3 2. - <_> - - <_> - 19 2 1 16 -1. - <_> - 15 6 1 8 2. - 1 - <_> - - <_> - 12 2 4 6 -1. - <_> - 13 2 2 6 2. - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 3 1 3 3. - <_> - - <_> - 1 7 18 12 -1. - <_> - 7 11 6 4 9. - <_> - - <_> - 8 1 12 9 -1. - <_> - 12 1 4 9 3. - <_> - - <_> - 18 0 2 10 -1. - <_> - 18 5 2 5 2. - <_> - - <_> - 4 5 12 15 -1. - <_> - 8 10 4 5 9. - <_> - - <_> - 1 8 4 12 -1. - <_> - 1 12 4 4 3. - <_> - - <_> - 6 13 8 2 -1. - <_> - 8 13 4 2 2. - <_> - - <_> - 16 0 4 15 -1. - <_> - 18 0 2 15 2. - <_> - - <_> - 14 0 4 8 -1. - <_> - 15 0 2 8 2. - <_> - - <_> - 5 0 8 9 -1. - <_> - 5 3 8 3 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 0 2 6 3. - <_> - - <_> - 10 17 3 3 -1. - <_> - 11 17 1 3 3. - <_> - - <_> - 10 17 4 3 -1. - <_> - 11 17 2 3 2. - <_> - - <_> - 14 12 4 4 -1. - <_> - 15 12 2 4 2. - <_> - - <_> - 8 18 4 2 -1. - <_> - 9 18 2 2 2. - <_> - - <_> - 6 1 4 5 -1. - <_> - 7 1 2 5 2. - <_> - - <_> - 2 0 6 5 -1. - <_> - 4 0 2 5 3. - <_> - - <_> - 8 7 8 3 -1. - <_> - 10 9 4 3 2. - 1 - <_> - - <_> - 14 12 4 3 -1. - <_> - 15 12 2 3 2. - <_> - - <_> - 10 10 3 4 -1. - <_> - 9 11 3 2 2. - 1 - <_> - - <_> - 17 0 2 6 -1. - <_> - 17 3 2 3 2. - <_> - - <_> - 1 9 6 9 -1. - <_> - 3 12 2 3 9. - <_> - - <_> - 5 11 8 4 -1. - <_> - 9 11 4 4 2. - <_> - - <_> - 1 0 16 6 -1. - <_> - 1 3 16 3 2. - <_> - - <_> - 2 0 14 6 -1. - <_> - 2 2 14 2 3. - <_> - - <_> - 0 11 2 9 -1. - <_> - 1 11 1 9 2. - <_> - - <_> - 18 11 1 8 -1. - <_> - 18 11 1 4 2. - 1 - <_> - - <_> - 10 12 3 2 -1. - <_> - 11 12 1 2 3. - <_> - - <_> - 11 13 3 1 -1. - <_> - 12 13 1 1 3. - <_> - - <_> - 15 0 4 8 -1. - <_> - 17 0 2 8 2. - <_> - - <_> - 12 17 4 3 -1. - <_> - 14 17 2 3 2. - <_> - - <_> - 15 17 1 2 -1. - <_> - 15 17 1 1 2. - 1 - <_> - - <_> - 15 16 1 3 -1. - <_> - 14 17 1 1 3. - 1 - <_> - - <_> - 3 0 14 8 -1. - <_> - 3 2 14 4 2. - <_> - - <_> - 18 1 1 2 -1. - <_> - 18 2 1 1 2. - <_> - - <_> - 6 0 8 3 -1. - <_> - 8 0 4 3 2. - <_> - - <_> - 9 4 1 9 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 6 13 9 2 -1. - <_> - 9 13 3 2 3. - <_> - - <_> - 0 13 5 6 -1. - <_> - 0 16 5 3 2. - <_> - - <_> - 13 12 6 4 -1. - <_> - 15 12 2 4 3. - <_> - - <_> - 4 6 12 2 -1. - <_> - 8 10 4 2 3. - 1 - <_> - - <_> - 19 0 1 8 -1. - <_> - 19 4 1 4 2. - <_> - - <_> - 8 2 12 8 -1. - <_> - 11 2 6 8 2. - <_> - - <_> - 0 12 4 4 -1. - <_> - 2 12 2 4 2. - <_> - - <_> - 7 8 13 9 -1. - <_> - 7 11 13 3 3. - <_> - - <_> - 18 1 2 6 -1. - <_> - 19 1 1 6 2. - <_> - - <_> - 7 4 5 8 -1. - <_> - 7 6 5 4 2. - <_> - - <_> - 11 18 9 2 -1. - <_> - 11 19 9 1 2. - <_> - - <_> - 10 7 2 3 -1. - <_> - 11 7 1 3 2. - <_> - - <_> - 4 18 6 2 -1. - <_> - 6 18 2 2 3. - <_> - - <_> - 6 13 6 7 -1. - <_> - 8 13 2 7 3. - <_> - - <_> - 5 18 6 2 -1. - <_> - 7 18 2 2 3. - <_> - - <_> - 18 5 2 2 -1. - <_> - 18 6 2 1 2. - <_> - - <_> - 6 2 9 4 -1. - <_> - 6 4 9 2 2. - <_> - - <_> - 13 0 7 4 -1. - <_> - 13 0 7 2 2. - 1 - <_> - - <_> - 13 9 3 6 -1. - <_> - 11 11 3 2 3. - 1 - <_> - - <_> - 16 8 4 6 -1. - <_> - 16 11 4 3 2. - <_> - - <_> - 19 2 1 2 -1. - <_> - 19 3 1 1 2. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 13 12 2 4 -1. - <_> - 13 12 1 2 2. - <_> - 14 14 1 2 2. - <_> - - <_> - 14 9 3 5 -1. - <_> - 15 10 1 5 3. - 1 - <_> - - <_> - 8 7 8 3 -1. - <_> - 10 9 4 3 2. - 1 - <_> - - <_> - 7 7 9 4 -1. - <_> - 6 8 9 2 2. - 1 - <_> - - <_> - 0 11 2 6 -1. - <_> - 1 11 1 6 2. - <_> - - <_> - 0 13 5 6 -1. - <_> - 0 16 5 3 2. - <_> - - <_> - 16 2 4 6 -1. - <_> - 18 2 2 6 2. - <_> - - <_> - 13 5 6 7 -1. - <_> - 15 7 2 7 3. - 1 - <_> - - <_> - 19 2 1 4 -1. - <_> - 19 4 1 2 2. - <_> - - <_> - 14 1 6 2 -1. - <_> - 16 1 2 2 3. - <_> - - <_> - 14 12 4 5 -1. - <_> - 15 12 2 5 2. - <_> - - <_> - 18 15 2 3 -1. - <_> - 17 16 2 1 3. - 1 - <_> - - <_> - 14 16 3 4 -1. - <_> - 14 18 3 2 2. - <_> - - <_> - 16 16 1 2 -1. - <_> - 16 16 1 1 2. - 1 - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 9 8 1 6 -1. - <_> - 9 11 1 3 2. - <_> - - <_> - 18 5 2 1 -1. - <_> - 19 5 1 1 2. - <_> - - <_> - 14 3 6 4 -1. - <_> - 16 3 2 4 3. - <_> - - <_> - 8 18 4 2 -1. - <_> - 9 18 2 2 2. - <_> - - <_> - 6 13 9 7 -1. - <_> - 9 13 3 7 3. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 17 2 1 2. - <_> - - <_> - 0 16 3 4 -1. - <_> - 0 17 3 2 2. - <_> - - <_> - 8 1 4 5 -1. - <_> - 9 1 2 5 2. - <_> - - <_> - 10 1 6 9 -1. - <_> - 12 1 2 9 3. - <_> - - <_> - 10 8 10 4 -1. - <_> - 10 10 10 2 2. - <_> - - <_> - 15 8 5 4 -1. - <_> - 15 10 5 2 2. - <_> - - <_> - 17 1 3 2 -1. - <_> - 18 2 1 2 3. - 1 - <_> - - <_> - 13 11 3 5 -1. - <_> - 14 11 1 5 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 10 7 2 3 2. - <_> - - <_> - 3 0 8 1 -1. - <_> - 5 0 4 1 2. - <_> - - <_> - 1 13 6 5 -1. - <_> - 3 13 2 5 3. - <_> - - <_> - 13 9 3 5 -1. - <_> - 14 10 1 5 3. - 1 - <_> - - <_> - 11 8 4 6 -1. - <_> - 9 10 4 2 3. - 1 - <_> - - <_> - 11 7 6 6 -1. - <_> - 13 9 2 6 3. - 1 - <_> - - <_> - 7 0 7 6 -1. - <_> - 7 3 7 3 2. - <_> - - <_> - 3 1 10 12 -1. - <_> - 3 5 10 4 3. - <_> - - <_> - 13 12 6 4 -1. - <_> - 15 12 2 4 3. - <_> - - <_> - 0 9 6 9 -1. - <_> - 2 12 2 3 9. - <_> - - <_> - 8 0 12 11 -1. - <_> - 12 0 4 11 3. - <_> - - <_> - 13 11 1 8 -1. - <_> - 13 11 1 4 2. - 1 - <_> - - <_> - 19 4 1 2 -1. - <_> - 19 5 1 1 2. - <_> - - <_> - 2 15 1 2 -1. - <_> - 2 15 1 1 2. - 1 - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 2 1 2. - 1 - <_> - - <_> - 16 16 1 3 -1. - <_> - 15 17 1 1 3. - 1 - <_> - - <_> - 5 11 3 2 -1. - <_> - 6 12 1 2 3. - 1 - <_> - - <_> - 4 11 2 2 -1. - <_> - 4 11 1 1 2. - <_> - 5 12 1 1 2. - <_> - - <_> - 17 7 3 2 -1. - <_> - 18 8 1 2 3. - 1 - <_> - - <_> - 16 9 3 8 -1. - <_> - 16 11 3 4 2. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 19 0 1 3 -1. - <_> - 19 1 1 1 3. - <_> - - <_> - 9 0 10 3 -1. - <_> - 14 0 5 3 2. - <_> - - <_> - 3 3 15 17 -1. - <_> - 8 3 5 17 3. - <_> - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - <_> - - <_> - 1 11 8 1 -1. - <_> - 1 11 4 1 2. - 1 - <_> - - <_> - 4 10 2 4 -1. - <_> - 3 11 2 2 2. - 1 - <_> - - <_> - 4 17 4 3 -1. - <_> - 5 17 2 3 2. - <_> - - <_> - 18 7 2 1 -1. - <_> - 19 7 1 1 2. - <_> - - <_> - 2 7 18 3 -1. - <_> - 11 7 9 3 2. - <_> - - <_> - 4 11 4 2 -1. - <_> - 4 11 2 1 2. - <_> - 6 12 2 1 2. - <_> - - <_> - 4 9 2 4 -1. - <_> - 4 11 2 2 2. - <_> - - <_> - 16 1 3 1 -1. - <_> - 17 2 1 1 3. - 1 - <_> - - <_> - 4 18 1 2 -1. - <_> - 4 19 1 1 2. - <_> - - <_> - 9 18 4 2 -1. - <_> - 10 18 2 2 2. - <_> - - <_> - 12 11 5 4 -1. - <_> - 11 12 5 2 2. - 1 - <_> - - <_> - 18 2 2 1 -1. - <_> - 19 2 1 1 2. - <_> - - <_> - 7 0 6 2 -1. - <_> - 9 0 2 2 3. - <_> - - <_> - 6 13 8 2 -1. - <_> - 8 13 4 2 2. - <_> - - <_> - 14 12 4 4 -1. - <_> - 15 12 2 4 2. - <_> - - <_> - 3 8 17 9 -1. - <_> - 3 11 17 3 3. - <_> - - <_> - 0 12 4 3 -1. - <_> - 2 12 2 3 2. - <_> - - <_> - 8 3 12 6 -1. - <_> - 12 3 4 6 3. - <_> - - <_> - 0 14 3 6 -1. - <_> - 0 17 3 3 2. - <_> - - <_> - 3 0 13 9 -1. - <_> - 3 3 13 3 3. - <_> - - <_> - 8 2 8 6 -1. - <_> - 8 5 8 3 2. - <_> - - <_> - 1 11 18 3 -1. - <_> - 7 11 6 3 3. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 17 1 1 2. - 1 - <_> - - <_> - 14 12 6 4 -1. - <_> - 16 12 2 4 3. - <_> - - <_> - 13 11 4 5 -1. - <_> - 14 11 2 5 2. - <_> - - <_> - 19 3 1 2 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 19 0 1 3 -1. - <_> - 19 1 1 1 3. - <_> - - <_> - 7 2 8 4 -1. - <_> - 7 4 8 2 2. - <_> - - <_> - 9 12 3 2 -1. - <_> - 10 12 1 2 3. - <_> - - <_> - 15 8 3 2 -1. - <_> - 16 9 1 2 3. - 1 - <_> - - <_> - 16 15 3 2 -1. - <_> - 16 15 3 1 2. - 1 - <_> - - <_> - 6 12 3 3 -1. - <_> - 7 12 1 3 3. - <_> - - <_> - 13 12 3 1 -1. - <_> - 14 13 1 1 3. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 8 2 6 4 -1. - <_> - 10 2 2 4 3. - <_> - - <_> - 15 15 2 3 -1. - <_> - 14 16 2 1 3. - 1 - <_> - - <_> - 12 18 8 2 -1. - <_> - 12 19 8 1 2. - <_> - - <_> - 7 12 6 7 -1. - <_> - 9 12 2 7 3. - <_> - - <_> - 4 18 6 2 -1. - <_> - 6 18 2 2 3. - <_> - - <_> - 11 12 3 3 -1. - <_> - 12 12 1 3 3. - <_> - - <_> - 12 12 2 2 -1. - <_> - 13 12 1 2 2. - <_> - - <_> - 18 5 2 1 -1. - <_> - 19 5 1 1 2. - <_> - - <_> - 5 19 4 1 -1. - <_> - 6 19 2 1 2. - <_> - - <_> - 0 11 5 2 -1. - <_> - 0 12 5 1 2. - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 1 2 1 2. - <_> - - <_> - 1 0 12 6 -1. - <_> - 1 2 12 2 3. - <_> - - <_> - 1 1 6 1 -1. - <_> - 3 3 2 1 3. - 1 - <_> - - <_> - 16 9 3 1 -1. - <_> - 17 10 1 1 3. - 1 - <_> - - <_> - 14 10 1 6 -1. - <_> - 12 12 1 2 3. - 1 - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 2 1 4 1 3. - 1 - <_> - - <_> - 6 14 8 1 -1. - <_> - 8 14 4 1 2. - <_> - - <_> - 1 8 18 9 -1. - <_> - 7 11 6 3 9. - <_> - - <_> - 19 0 1 18 -1. - <_> - 19 6 1 6 3. - <_> - - <_> - 1 13 3 6 -1. - <_> - 1 16 3 3 2. - <_> - - <_> - 6 10 7 3 -1. - <_> - 6 11 7 1 3. - <_> - - <_> - 6 9 7 3 -1. - <_> - 6 10 7 1 3. - <_> - - <_> - 14 1 6 8 -1. - <_> - 17 1 3 8 2. - <_> - - <_> - 9 6 2 4 -1. - <_> - 10 6 1 4 2. - <_> - - <_> - 6 11 7 2 -1. - <_> - 6 12 7 1 2. - <_> - - <_> - 17 11 3 6 -1. - <_> - 18 12 1 6 3. - 1 - <_> - - <_> - 19 17 1 2 -1. - <_> - 19 17 1 1 2. - 1 - <_> - - <_> - 16 9 4 2 -1. - <_> - 17 10 2 2 2. - 1 - <_> - - <_> - 6 18 4 2 -1. - <_> - 7 18 2 2 2. - <_> - - <_> - 2 12 4 4 -1. - <_> - 3 12 2 4 2. - <_> - - <_> - 19 2 1 2 -1. - <_> - 19 3 1 1 2. - <_> - - <_> - 19 2 1 3 -1. - <_> - 19 3 1 1 3. - <_> - - <_> - 1 12 12 3 -1. - <_> - 7 12 6 3 2. - <_> - - <_> - 6 18 4 1 -1. - <_> - 7 18 2 1 2. - <_> - - <_> - 5 2 12 6 -1. - <_> - 5 5 12 3 2. - <_> - - <_> - 9 1 6 6 -1. - <_> - 9 4 6 3 2. - <_> - - <_> - 7 0 11 9 -1. - <_> - 7 3 11 3 3. - <_> - - <_> - 2 0 8 9 -1. - <_> - 2 3 8 3 3. - <_> - - <_> - 5 3 4 3 -1. - <_> - 6 3 2 3 2. - <_> - - <_> - 0 18 3 2 -1. - <_> - 0 19 3 1 2. - <_> - - <_> - 1 0 10 19 -1. - <_> - 6 0 5 19 2. - <_> - - <_> - 3 8 2 3 -1. - <_> - 2 9 2 1 3. - 1 - <_> - - <_> - 10 17 4 3 -1. - <_> - 11 17 2 3 2. - <_> - - <_> - 11 13 3 2 -1. - <_> - 12 13 1 2 3. - <_> - - <_> - 10 12 3 2 -1. - <_> - 11 12 1 2 3. - <_> - - <_> - 9 11 3 3 -1. - <_> - 10 11 1 3 3. - <_> - - <_> - 17 2 3 1 -1. - <_> - 18 3 1 1 3. - 1 - <_> - - <_> - 12 0 6 13 -1. - <_> - 14 0 2 13 3. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 1 1 1 3. - 1 - <_> - - <_> - 5 11 1 2 -1. - <_> - 5 12 1 1 2. - <_> - - <_> - 2 11 4 2 -1. - <_> - 2 11 2 1 2. - <_> - 4 12 2 1 2. - <_> - - <_> - 16 15 2 3 -1. - <_> - 15 16 2 1 3. - 1 - <_> - - <_> - 8 17 4 2 -1. - <_> - 9 17 2 2 2. - <_> - - <_> - 0 16 4 3 -1. - <_> - 0 17 4 1 3. - <_> - - <_> - 9 13 6 2 -1. - <_> - 12 13 3 2 2. - <_> - - <_> - 2 14 1 2 -1. - <_> - 2 14 1 1 2. - 1 - <_> - - <_> - 5 10 8 3 -1. - <_> - 5 11 8 1 3. - <_> - - <_> - 15 0 3 8 -1. - <_> - 13 2 3 4 2. - 1 - <_> - - <_> - 14 11 4 7 -1. - <_> - 15 11 2 7 2. - <_> - - <_> - 3 11 15 4 -1. - <_> - 8 11 5 4 3. - <_> - - <_> - 9 1 9 9 -1. - <_> - 12 1 3 9 3. - <_> - - <_> - 0 11 4 7 -1. - <_> - 2 11 2 7 2. - <_> - - <_> - 0 16 1 4 -1. - <_> - 0 18 1 2 2. - <_> - - <_> - 19 0 1 6 -1. - <_> - 19 3 1 3 2. - <_> - - <_> - 11 8 9 9 -1. - <_> - 11 11 9 3 3. - <_> - - <_> - 9 17 8 3 -1. - <_> - 11 17 4 3 2. - <_> - - <_> - 18 4 2 2 -1. - <_> - 19 4 1 2 2. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 12 1 1 9. - <_> - - <_> - 13 2 3 4 -1. - <_> - 13 2 3 2 2. - 1 - <_> - - <_> - 4 6 16 3 -1. - <_> - 12 6 8 3 2. - <_> - - <_> - 10 12 1 3 -1. - <_> - 9 13 1 1 3. - 1 - <_> - - <_> - 8 12 3 3 -1. - <_> - 9 13 1 1 9. - <_> - - <_> - 17 17 1 2 -1. - <_> - 17 17 1 1 2. - 1 - <_> - - <_> - 16 16 2 2 -1. - <_> - 16 16 2 1 2. - 1 - <_> - - <_> - 6 0 9 6 -1. - <_> - 6 2 9 2 3. - <_> - - <_> - 5 0 10 8 -1. - <_> - 5 2 10 4 2. - <_> - - <_> - 17 5 2 1 -1. - <_> - 18 5 1 1 2. - <_> - - <_> - 11 0 9 9 -1. - <_> - 14 0 3 9 3. - <_> - - <_> - 6 9 7 3 -1. - <_> - 6 10 7 1 3. - <_> - - <_> - 3 12 6 2 -1. - <_> - 3 12 3 1 2. - <_> - 6 13 3 1 2. - <_> - - <_> - 2 10 1 2 -1. - <_> - 2 10 1 1 2. - 1 - <_> - - <_> - 13 15 2 3 -1. - <_> - 12 16 2 1 3. - 1 - <_> - - <_> - 7 2 6 5 -1. - <_> - 9 2 2 5 3. - <_> - - <_> - 13 13 6 3 -1. - <_> - 15 13 2 3 3. - <_> - - <_> - 17 9 3 8 -1. - <_> - 17 11 3 4 2. - <_> - - <_> - 8 3 4 3 -1. - <_> - 9 3 2 3 2. - <_> - - <_> - 15 6 2 12 -1. - <_> - 15 6 1 12 2. - 1 - <_> - - <_> - 11 14 4 2 -1. - <_> - 11 14 4 1 2. - 1 - <_> - - <_> - 9 2 5 4 -1. - <_> - 9 4 5 2 2. - <_> - - <_> - 13 12 3 3 -1. - <_> - 14 12 1 3 3. - <_> - - <_> - 18 1 2 3 -1. - <_> - 18 2 2 1 3. - <_> - - <_> - 5 13 4 1 -1. - <_> - 6 13 2 1 2. - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 2 1 2. - 1 - <_> - - <_> - 2 11 1 2 -1. - <_> - 2 11 1 1 2. - 1 - <_> - - <_> - 18 3 2 6 -1. - <_> - 18 5 2 2 3. - <_> - - <_> - 10 4 6 2 -1. - <_> - 10 5 6 1 2. - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 9 11 3 4 -1. - <_> - 9 11 3 2 2. - 1 - <_> - - <_> - 0 11 2 5 -1. - <_> - 1 11 1 5 2. - <_> - - <_> - 0 8 20 9 -1. - <_> - 0 11 20 3 3. - <_> - - <_> - 18 0 1 6 -1. - <_> - 18 3 1 3 2. - <_> - - <_> - 14 1 6 7 -1. - <_> - 17 1 3 7 2. - <_> - - <_> - 4 13 2 4 -1. - <_> - 4 13 1 2 2. - <_> - 5 15 1 2 2. - <_> - - <_> - 1 9 18 6 -1. - <_> - 7 9 6 6 3. - <_> - - <_> - 0 16 5 4 -1. - <_> - 0 18 5 2 2. - <_> - - <_> - 8 14 3 4 -1. - <_> - 8 15 3 2 2. - <_> - - <_> - 7 7 8 3 -1. - <_> - 11 7 4 3 2. - <_> - - <_> - 12 3 4 7 -1. - <_> - 13 3 2 7 2. - <_> - - <_> - 13 12 2 8 -1. - <_> - 13 12 1 4 2. - <_> - 14 16 1 4 2. - <_> - - <_> - 13 10 3 5 -1. - <_> - 14 11 1 5 3. - 1 - <_> - - <_> - 10 5 4 5 -1. - <_> - 11 5 2 5 2. - <_> - - <_> - 2 11 18 2 -1. - <_> - 8 11 6 2 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 15 17 1 2 -1. - <_> - 15 17 1 1 2. - 1 - <_> - - <_> - 17 16 1 3 -1. - <_> - 16 17 1 1 3. - 1 - <_> - - <_> - 18 0 2 10 -1. - <_> - 19 0 1 10 2. - <_> - - <_> - 14 2 6 7 -1. - <_> - 16 2 2 7 3. - <_> - - <_> - 12 0 4 4 -1. - <_> - 12 0 4 2 2. - 1 - <_> - - <_> - 0 3 15 6 -1. - <_> - 0 5 15 2 3. - <_> - - <_> - 5 1 4 4 -1. - <_> - 6 1 2 4 2. - <_> - - <_> - 7 13 6 7 -1. - <_> - 9 13 2 7 3. - <_> - - <_> - 6 18 6 2 -1. - <_> - 8 18 2 2 3. - <_> - - <_> - 0 15 5 2 -1. - <_> - 0 16 5 1 2. - <_> - - <_> - 4 1 12 6 -1. - <_> - 4 3 12 2 3. - <_> - - <_> - 5 0 13 8 -1. - <_> - 5 2 13 4 2. - <_> - - <_> - 13 10 6 6 -1. - <_> - 15 12 2 2 9. - <_> - - <_> - 15 9 3 1 -1. - <_> - 16 10 1 1 3. - 1 - <_> - - <_> - 5 11 3 3 -1. - <_> - 6 12 1 1 9. - <_> - - <_> - 6 11 2 2 -1. - <_> - 6 11 1 1 2. - <_> - 7 12 1 1 2. - <_> - - <_> - 17 3 3 2 -1. - <_> - 18 4 1 2 3. - 1 - <_> - - <_> - 16 3 3 3 -1. - <_> - 17 4 1 3 3. - 1 - <_> - - <_> - 12 13 3 1 -1. - <_> - 13 13 1 1 3. - <_> - - <_> - 11 12 3 2 -1. - <_> - 12 12 1 2 3. - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 17 13 1 6 -1. - <_> - 17 13 1 3 2. - 1 - <_> - - <_> - 16 14 2 4 -1. - <_> - 16 14 2 2 2. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 0 2 3 2. - <_> - - <_> - 6 0 14 1 -1. - <_> - 13 0 7 1 2. - <_> - - <_> - 2 15 18 5 -1. - <_> - 8 15 6 5 3. - <_> - - <_> - 6 11 8 5 -1. - <_> - 8 11 4 5 2. - <_> - - <_> - 0 8 5 12 -1. - <_> - 0 11 5 6 2. - <_> - - <_> - 14 0 6 2 -1. - <_> - 14 0 6 1 2. - 1 - <_> - - <_> - 13 8 4 5 -1. - <_> - 14 9 2 5 2. - 1 - <_> - - <_> - 0 11 4 9 -1. - <_> - 2 11 2 9 2. - <_> - - <_> - 6 9 2 6 -1. - <_> - 6 11 2 2 3. - <_> - - <_> - 12 18 4 2 -1. - <_> - 12 19 4 1 2. - <_> - - <_> - 14 13 6 2 -1. - <_> - 16 13 2 2 3. - <_> - - <_> - 19 9 1 10 -1. - <_> - 19 9 1 5 2. - 1 - <_> - - <_> - 11 5 4 4 -1. - <_> - 12 5 2 4 2. - <_> - - <_> - 14 12 3 5 -1. - <_> - 15 12 1 5 3. - <_> - - <_> - 17 0 2 6 -1. - <_> - 18 0 1 6 2. - <_> - - <_> - 13 16 3 3 -1. - <_> - 14 16 1 3 3. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 6 13 4 2 -1. - <_> - 7 13 2 2 2. - <_> - - <_> - 9 11 3 3 -1. - <_> - 10 11 1 3 3. - <_> - - <_> - 14 15 2 3 -1. - <_> - 13 16 2 1 3. - 1 - <_> - - <_> - 11 7 3 4 -1. - <_> - 12 7 1 4 3. - <_> - - <_> - 5 12 1 3 -1. - <_> - 4 13 1 1 3. - 1 - <_> - - <_> - 1 11 6 2 -1. - <_> - 1 11 3 1 2. - <_> - 4 12 3 1 2. - <_> - - <_> - 5 7 2 3 -1. - <_> - 4 8 2 1 3. - 1 - <_> - - <_> - 5 12 2 2 -1. - <_> - 5 12 1 1 2. - <_> - 6 13 1 1 2. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 7 8 5 3 -1. - <_> - 7 9 5 1 3. - <_> - - <_> - 6 19 4 1 -1. - <_> - 7 19 2 1 2. - <_> - - <_> - 5 0 4 4 -1. - <_> - 6 0 2 4 2. - <_> - - <_> - 4 0 16 8 -1. - <_> - 8 0 8 8 2. - <_> - - <_> - 12 11 3 4 -1. - <_> - 11 12 3 2 2. - 1 - <_> - - <_> - 0 4 20 6 -1. - <_> - 5 4 10 6 2. - <_> - - <_> - 13 2 2 4 -1. - <_> - 13 2 2 2 2. - 1 - <_> - - <_> - 0 5 14 15 -1. - <_> - 7 5 7 15 2. - <_> - - <_> - 1 18 3 2 -1. - <_> - 1 19 3 1 2. - <_> - - <_> - 3 6 3 3 -1. - <_> - 2 7 3 1 3. - 1 - <_> - - <_> - 0 1 6 8 -1. - <_> - 0 1 3 4 2. - <_> - 3 5 3 4 2. - <_> - - <_> - 5 0 6 6 -1. - <_> - 7 0 2 6 3. - <_> - - <_> - 1 1 15 8 -1. - <_> - 1 3 15 4 2. - <_> - - <_> - 0 0 16 1 -1. - <_> - 8 0 8 1 2. - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 3 13 4 1 -1. - <_> - 4 13 2 1 2. - <_> - - <_> - 4 11 2 2 -1. - <_> - 4 11 1 1 2. - <_> - 5 12 1 1 2. - <_> - - <_> - 17 2 3 3 -1. - <_> - 18 3 1 1 9. - <_> - - <_> - 16 3 2 1 -1. - <_> - 17 3 1 1 2. - <_> - - <_> - 0 11 3 2 -1. - <_> - 0 12 3 1 2. - <_> - - <_> - 4 11 4 2 -1. - <_> - 4 11 2 1 2. - <_> - 6 12 2 1 2. - <_> - - <_> - 10 0 4 11 -1. - <_> - 11 0 2 11 2. - <_> - - <_> - 18 15 2 3 -1. - <_> - 17 16 2 1 3. - 1 - <_> - - <_> - 2 11 8 1 -1. - <_> - 2 11 4 1 2. - 1 - <_> - - <_> - 17 13 1 6 -1. - <_> - 17 13 1 3 2. - 1 - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 19 0 1 10 -1. - <_> - 19 5 1 5 2. - <_> - - <_> - 2 8 7 9 -1. - <_> - 2 11 7 3 3. - <_> - - <_> - 0 11 20 2 -1. - <_> - 5 11 10 2 2. - <_> - - <_> - 6 14 6 1 -1. - <_> - 8 14 2 1 3. - <_> - - <_> - 10 3 8 7 -1. - <_> - 12 3 4 7 2. - <_> - - <_> - 7 0 5 9 -1. - <_> - 7 3 5 3 3. - <_> - - <_> - 0 0 16 6 -1. - <_> - 0 2 16 2 3. - <_> - - <_> - 6 10 2 6 -1. - <_> - 4 12 2 2 3. - 1 - <_> - - <_> - 16 0 4 14 -1. - <_> - 18 0 2 14 2. - <_> - - <_> - 6 0 9 6 -1. - <_> - 6 2 9 2 3. - <_> - - <_> - 8 18 12 2 -1. - <_> - 8 19 12 1 2. - <_> - - <_> - 10 17 4 3 -1. - <_> - 11 17 2 3 2. - <_> - - <_> - 5 0 1 4 -1. - <_> - 4 1 1 2 2. - 1 - <_> - - <_> - 18 6 2 2 -1. - <_> - 18 6 1 2 2. - 1 - <_> - - <_> - 12 10 3 4 -1. - <_> - 11 11 3 2 2. - 1 - <_> - - <_> - 9 9 4 3 -1. - <_> - 9 10 4 1 3. - <_> - - <_> - 9 10 4 3 -1. - <_> - 9 11 4 1 3. - <_> - - <_> - 17 4 3 4 -1. - <_> - 18 5 1 4 3. - 1 - <_> - - <_> - 18 0 2 3 -1. - <_> - 18 1 2 1 3. - <_> - - <_> - 18 1 2 2 -1. - <_> - 18 2 2 1 2. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 8 18 4 2 -1. - <_> - 9 18 2 2 2. - <_> - - <_> - 2 13 4 2 -1. - <_> - 2 13 2 1 2. - <_> - 4 14 2 1 2. - <_> - - <_> - 3 11 4 2 -1. - <_> - 3 11 2 1 2. - <_> - 5 12 2 1 2. - <_> - - <_> - 2 10 4 2 -1. - <_> - 2 10 2 1 2. - <_> - 4 11 2 1 2. - <_> - - <_> - 5 9 2 3 -1. - <_> - 4 10 2 1 3. - 1 - <_> - - <_> - 2 10 4 6 -1. - <_> - 3 10 2 6 2. - <_> - - <_> - 13 0 6 8 -1. - <_> - 16 0 3 8 2. - <_> - - <_> - 10 0 8 9 -1. - <_> - 12 0 4 9 2. - <_> - - <_> - 1 11 8 1 -1. - <_> - 1 11 4 1 2. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 13 13 2 2 -1. - <_> - 14 13 1 2 2. - <_> - - <_> - 4 12 3 4 -1. - <_> - 5 12 1 4 3. - <_> - - <_> - 6 17 4 3 -1. - <_> - 7 17 2 3 2. - <_> - - <_> - 14 1 2 6 -1. - <_> - 14 1 2 3 2. - 1 - <_> - - <_> - 8 4 8 4 -1. - <_> - 8 6 8 2 2. - <_> - - <_> - 8 3 4 5 -1. - <_> - 10 3 2 5 2. - <_> - - <_> - 13 12 2 2 -1. - <_> - 13 12 1 1 2. - <_> - 14 13 1 1 2. - <_> - - <_> - 6 12 3 3 -1. - <_> - 7 12 1 3 3. - <_> - - <_> - 5 7 3 3 -1. - <_> - 4 8 3 1 3. - 1 - <_> - - <_> - 15 10 5 4 -1. - <_> - 15 11 5 2 2. - <_> - - <_> - 14 8 4 9 -1. - <_> - 14 11 4 3 3. - <_> - - <_> - 16 9 4 3 -1. - <_> - 16 10 4 1 3. - <_> - - <_> - 18 7 2 13 -1. - <_> - 19 7 1 13 2. - <_> - - <_> - 0 0 16 1 -1. - <_> - 8 0 8 1 2. - <_> - - <_> - 12 11 5 4 -1. - <_> - 11 12 5 2 2. - 1 - <_> - - <_> - 17 13 2 4 -1. - <_> - 18 13 1 4 2. - <_> - - <_> - 6 13 9 2 -1. - <_> - 9 13 3 2 3. - <_> - - <_> - 3 8 6 8 -1. - <_> - 3 10 6 4 2. - <_> - - <_> - 14 12 4 3 -1. - <_> - 15 12 2 3 2. - <_> - - <_> - 12 6 6 4 -1. - <_> - 14 8 2 4 3. - 1 - <_> - - <_> - 4 0 12 6 -1. - <_> - 4 3 12 3 2. - <_> - - <_> - 0 0 17 2 -1. - <_> - 0 1 17 1 2. - <_> - - <_> - 2 14 1 6 -1. - <_> - 2 17 1 3 2. - <_> - - <_> - 3 10 3 3 -1. - <_> - 2 11 3 1 3. - 1 - <_> - - <_> - 18 2 2 9 -1. - <_> - 19 2 1 9 2. - <_> - - <_> - 7 9 13 8 -1. - <_> - 7 11 13 4 2. - <_> - - <_> - 17 6 3 4 -1. - <_> - 18 7 1 4 3. - 1 - <_> - - <_> - 6 13 2 2 -1. - <_> - 7 13 1 2 2. - <_> - - <_> - 15 16 1 3 -1. - <_> - 14 17 1 1 3. - 1 - <_> - - <_> - 11 16 6 4 -1. - <_> - 11 16 3 2 2. - <_> - 14 18 3 2 2. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 1 1 2 2. - <_> - - <_> - 19 0 1 2 -1. - <_> - 19 1 1 1 2. - <_> - - <_> - 12 3 3 6 -1. - <_> - 13 3 1 6 3. - <_> - - <_> - 8 10 4 3 -1. - <_> - 8 11 4 1 3. - <_> - - <_> - 19 0 1 8 -1. - <_> - 19 4 1 4 2. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 0 3 3 2. - <_> - 17 3 3 3 2. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 12 1 1 9. - <_> - - <_> - 1 6 10 12 -1. - <_> - 6 6 5 12 2. - <_> - - <_> - 10 6 2 1 -1. - <_> - 11 6 1 1 2. - <_> - - <_> - 8 1 7 10 -1. - <_> - 8 6 7 5 2. - <_> - - <_> - 13 11 3 3 -1. - <_> - 14 12 1 3 3. - 1 - <_> - - <_> - 10 13 4 4 -1. - <_> - 10 13 2 2 2. - <_> - 12 15 2 2 2. - <_> - - <_> - 15 15 2 3 -1. - <_> - 14 16 2 1 3. - 1 - <_> - - <_> - 13 13 3 1 -1. - <_> - 14 13 1 1 3. - <_> - - <_> - 10 4 6 3 -1. - <_> - 12 4 2 3 3. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 7 3 2 2. - <_> - 4 9 3 2 2. - <_> - - <_> - 15 7 4 2 -1. - <_> - 16 8 2 2 2. - 1 - <_> - - <_> - 10 4 9 6 -1. - <_> - 13 4 3 6 3. - <_> - - <_> - 14 2 6 2 -1. - <_> - 14 2 6 1 2. - 1 - <_> - - <_> - 5 18 4 2 -1. - <_> - 6 18 2 2 2. - <_> - - <_> - 0 12 2 8 -1. - <_> - 1 12 1 8 2. - <_> - - <_> - 1 19 18 1 -1. - <_> - 10 19 9 1 2. - <_> - - <_> - 2 0 12 20 -1. - <_> - 8 0 6 20 2. - <_> - - <_> - 2 0 14 1 -1. - <_> - 9 0 7 1 2. - <_> - - <_> - 7 9 8 3 -1. - <_> - 7 10 8 1 3. - <_> - - <_> - 3 11 2 2 -1. - <_> - 3 11 1 1 2. - <_> - 4 12 1 1 2. - <_> - - <_> - 11 0 9 2 -1. - <_> - 14 0 3 2 3. - <_> - - <_> - 6 0 9 1 -1. - <_> - 9 0 3 1 3. - <_> - - <_> - 4 8 1 4 -1. - <_> - 3 9 1 2 2. - 1 - <_> - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - <_> - - <_> - 3 4 15 12 -1. - <_> - 8 8 5 4 9. - <_> - - <_> - 7 13 6 6 -1. - <_> - 9 13 2 6 3. - <_> - - <_> - 2 1 12 6 -1. - <_> - 2 3 12 2 3. - <_> - - <_> - 1 1 6 1 -1. - <_> - 3 3 2 1 3. - 1 - <_> - - <_> - 3 4 5 3 -1. - <_> - 2 5 5 1 3. - 1 - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 11 1 3 3. - <_> - - <_> - 9 11 3 4 -1. - <_> - 10 11 1 4 3. - <_> - - <_> - 17 2 3 1 -1. - <_> - 18 3 1 1 3. - 1 - <_> - - <_> - 5 11 6 3 -1. - <_> - 8 11 3 3 2. - <_> - - <_> - 2 12 12 8 -1. - <_> - 2 12 6 4 2. - <_> - 8 16 6 4 2. - <_> - - <_> - 13 15 2 3 -1. - <_> - 12 16 2 1 3. - 1 - <_> - - <_> - 5 14 9 1 -1. - <_> - 8 14 3 1 3. - <_> - - <_> - 13 13 4 6 -1. - <_> - 13 13 2 3 2. - <_> - 15 16 2 3 2. - <_> - - <_> - 8 7 9 1 -1. - <_> - 11 10 3 1 3. - 1 - <_> - - <_> - 16 0 4 4 -1. - <_> - 16 0 4 2 2. - 1 - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 2 1 2. - 1 - <_> - - <_> - 5 12 2 2 -1. - <_> - 5 13 2 1 2. - <_> - - <_> - 0 16 2 4 -1. - <_> - 0 18 2 2 2. - <_> - - <_> - 0 8 14 11 -1. - <_> - 7 8 7 11 2. - <_> - - <_> - 4 17 4 3 -1. - <_> - 5 17 2 3 2. - <_> - - <_> - 3 12 3 5 -1. - <_> - 4 12 1 5 3. - <_> - - <_> - 5 11 1 3 -1. - <_> - 5 12 1 1 3. - <_> - - <_> - 4 10 4 2 -1. - <_> - 4 10 2 1 2. - <_> - 6 11 2 1 2. - <_> - - <_> - 15 9 3 1 -1. - <_> - 16 10 1 1 3. - 1 - <_> - - <_> - 3 0 16 7 -1. - <_> - 7 0 8 7 2. - <_> - - <_> - 2 2 17 6 -1. - <_> - 2 5 17 3 2. - <_> - - <_> - 2 4 14 6 -1. - <_> - 2 6 14 2 3. - <_> - - <_> - 2 9 6 2 -1. - <_> - 2 9 3 1 2. - <_> - 5 10 3 1 2. - <_> - - <_> - 3 11 4 2 -1. - <_> - 3 11 2 1 2. - <_> - 5 12 2 1 2. - <_> - - <_> - 16 13 4 2 -1. - <_> - 18 13 2 2 2. - <_> - - <_> - 15 7 3 2 -1. - <_> - 16 8 1 2 3. - 1 - <_> - - <_> - 0 11 4 2 -1. - <_> - 0 12 4 1 2. - <_> - - <_> - 4 9 2 3 -1. - <_> - 3 10 2 1 3. - 1 - <_> - - <_> - 3 18 6 2 -1. - <_> - 5 18 2 2 3. - <_> - - <_> - 11 12 3 2 -1. - <_> - 12 12 1 2 3. - <_> - - <_> - 19 0 1 2 -1. - <_> - 19 1 1 1 2. - <_> - - <_> - 0 0 14 1 -1. - <_> - 7 0 7 1 2. - <_> - - <_> - 11 10 3 4 -1. - <_> - 10 11 3 2 2. - 1 - <_> - - <_> - 14 16 1 3 -1. - <_> - 13 17 1 1 3. - 1 - <_> - - <_> - 18 1 2 4 -1. - <_> - 19 1 1 4 2. - <_> - - <_> - 15 13 5 6 -1. - <_> - 15 15 5 2 3. - <_> - - <_> - 16 4 3 3 -1. - <_> - 17 5 1 3 3. - 1 - <_> - - <_> - 4 6 16 14 -1. - <_> - 12 6 8 14 2. - <_> - - <_> - 10 12 3 1 -1. - <_> - 11 12 1 1 3. - <_> - - <_> - 5 12 2 2 -1. - <_> - 5 12 1 1 2. - <_> - 6 13 1 1 2. - <_> - - <_> - 9 3 4 5 -1. - <_> - 10 3 2 5 2. - <_> - - <_> - 18 1 2 3 -1. - <_> - 18 2 2 1 3. - <_> - - <_> - 19 17 1 2 -1. - <_> - 19 17 1 1 2. - 1 - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 2 1 2. - 1 - <_> - - <_> - 10 2 7 6 -1. - <_> - 10 4 7 2 3. - <_> - - <_> - 2 0 13 4 -1. - <_> - 2 1 13 2 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 2 2. - 1 - <_> - - <_> - 0 3 6 8 -1. - <_> - 3 3 3 8 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 8 0 6 9 -1. - <_> - 10 0 2 9 3. - <_> - - <_> - 17 9 3 2 -1. - <_> - 18 10 1 2 3. - 1 - <_> - - <_> - 16 8 4 6 -1. - <_> - 16 10 4 2 3. - <_> - - <_> - 6 9 7 3 -1. - <_> - 6 10 7 1 3. - <_> - - <_> - 2 10 3 4 -1. - <_> - 2 11 3 2 2. - <_> - - <_> - 15 8 1 6 -1. - <_> - 15 8 1 3 2. - 1 - <_> - - <_> - 19 3 1 12 -1. - <_> - 19 7 1 4 3. - <_> - - <_> - 2 0 5 2 -1. - <_> - 2 0 5 1 2. - 1 - <_> - - <_> - 1 3 11 6 -1. - <_> - 1 5 11 2 3. - <_> - - <_> - 14 13 2 4 -1. - <_> - 14 13 1 2 2. - <_> - 15 15 1 2 2. - <_> - - <_> - 8 11 10 3 -1. - <_> - 13 11 5 3 2. - <_> - - <_> - 6 11 1 4 -1. - <_> - 6 13 1 2 2. - <_> - - <_> - 2 9 3 9 -1. - <_> - 3 12 1 3 9. - <_> - - <_> - 4 0 15 9 -1. - <_> - 9 3 5 3 9. - <_> - - <_> - 12 0 6 4 -1. - <_> - 12 0 6 2 2. - 1 - <_> - - <_> - 10 5 4 5 -1. - <_> - 12 5 2 5 2. - <_> - - <_> - 1 7 18 12 -1. - <_> - 7 11 6 4 9. - <_> - - <_> - 14 12 6 4 -1. - <_> - 16 12 2 4 3. - <_> - - <_> - 13 12 3 3 -1. - <_> - 14 12 1 3 3. - <_> - - <_> - 14 9 4 1 -1. - <_> - 15 10 2 1 2. - 1 - <_> - - <_> - 17 7 3 2 -1. - <_> - 18 8 1 2 3. - 1 - <_> - - <_> - 19 3 1 2 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 19 1 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 3 2 12 8 -1. - <_> - 3 4 12 4 2. - <_> - - <_> - 1 0 16 6 -1. - <_> - 1 2 16 2 3. - <_> - - <_> - 16 8 3 1 -1. - <_> - 17 9 1 1 3. - 1 - <_> - - <_> - 7 13 6 3 -1. - <_> - 9 14 2 1 9. - <_> - - <_> - 11 18 6 2 -1. - <_> - 11 19 6 1 2. - <_> - - <_> - 15 17 5 3 -1. - <_> - 15 18 5 1 3. - <_> - - <_> - 2 1 18 4 -1. - <_> - 8 1 6 4 3. - <_> - - <_> - 5 0 1 2 -1. - <_> - 5 1 1 1 2. - <_> - - <_> - 1 11 6 6 -1. - <_> - 3 13 2 2 9. - <_> - - <_> - 3 12 4 2 -1. - <_> - 3 12 2 1 2. - <_> - 5 13 2 1 2. - <_> - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - <_> - - <_> - 8 10 3 3 -1. - <_> - 9 11 1 1 9. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 17 2 1 2. - <_> - - <_> - 0 16 4 3 -1. - <_> - 0 17 4 1 3. - <_> - - <_> - 0 13 12 1 -1. - <_> - 6 13 6 1 2. - <_> - - <_> - 13 2 6 9 -1. - <_> - 15 2 2 9 3. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 11 1 3 3. - <_> - - <_> - 9 11 3 4 -1. - <_> - 10 11 1 4 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 15 0 2 10 3. - <_> - - <_> - 4 10 1 4 -1. - <_> - 3 11 1 2 2. - 1 - <_> - - <_> - 9 11 3 3 -1. - <_> - 10 12 1 1 9. - <_> - - <_> - 6 12 3 3 -1. - <_> - 5 13 3 1 3. - 1 - <_> - - <_> - 17 6 2 1 -1. - <_> - 18 6 1 1 2. - <_> - - <_> - 16 2 1 4 -1. - <_> - 16 2 1 2 2. - 1 - <_> - - <_> - 2 5 13 4 -1. - <_> - 2 6 13 2 2. - <_> - - <_> - 14 4 6 2 -1. - <_> - 14 4 6 1 2. - 1 - <_> - - <_> - 3 8 1 3 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 7 7 8 3 -1. - <_> - 7 8 8 1 3. - <_> - - <_> - 8 8 4 3 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 10 11 3 8 -1. - <_> - 10 15 3 4 2. - <_> - - <_> - 13 15 2 3 -1. - <_> - 12 16 2 1 3. - 1 - <_> - - <_> - 0 0 12 20 -1. - <_> - 6 0 6 20 2. - <_> - - <_> - 0 0 10 1 -1. - <_> - 5 0 5 1 2. - <_> - - <_> - 0 0 6 3 -1. - <_> - 0 1 6 1 3. - <_> - - <_> - 14 13 2 2 -1. - <_> - 14 13 1 1 2. - <_> - 15 14 1 1 2. - <_> - - <_> - 12 10 4 2 -1. - <_> - 12 10 2 1 2. - <_> - 14 11 2 1 2. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - <_> - - <_> - 6 3 4 2 -1. - <_> - 7 3 2 2 2. - <_> - - <_> - 1 5 4 11 -1. - <_> - 2 5 2 11 2. - <_> - - <_> - 12 8 3 1 -1. - <_> - 13 8 1 1 3. - <_> - - <_> - 2 2 6 2 -1. - <_> - 2 2 6 1 2. - 1 - <_> - - <_> - 13 5 7 3 -1. - <_> - 12 6 7 1 3. - 1 - <_> - - <_> - 13 7 3 4 -1. - <_> - 14 7 1 4 3. - <_> - - <_> - 8 12 3 2 -1. - <_> - 8 12 3 1 2. - 1 - <_> - - <_> - 0 10 4 8 -1. - <_> - 0 12 4 4 2. - <_> - - <_> - 14 13 2 6 -1. - <_> - 14 13 1 3 2. - <_> - 15 16 1 3 2. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 17 1 1 2. - 1 - <_> - - <_> - 12 0 3 6 -1. - <_> - 10 2 3 2 3. - 1 - <_> - - <_> - 4 10 14 3 -1. - <_> - 4 11 14 1 3. - <_> - - <_> - 19 4 1 12 -1. - <_> - 19 8 1 4 3. - <_> - - <_> - 19 2 1 6 -1. - <_> - 19 4 1 2 3. - <_> - - <_> - 8 12 12 3 -1. - <_> - 14 12 6 3 2. - <_> - - <_> - 0 13 2 3 -1. - <_> - 1 13 1 3 2. - <_> - - <_> - 16 0 4 9 -1. - <_> - 18 0 2 9 2. - <_> - - <_> - 9 2 6 4 -1. - <_> - 9 4 6 2 2. - <_> - - <_> - 16 2 3 1 -1. - <_> - 17 3 1 1 3. - 1 - <_> - - <_> - 15 12 3 6 -1. - <_> - 16 12 1 6 3. - <_> - - <_> - 13 12 3 3 -1. - <_> - 14 12 1 3 3. - <_> - - <_> - 3 3 15 4 -1. - <_> - 3 5 15 2 2. - <_> - - <_> - 11 11 3 4 -1. - <_> - 12 11 1 4 3. - <_> - - <_> - 10 11 3 3 -1. - <_> - 11 11 1 3 3. - <_> - - <_> - 19 0 1 4 -1. - <_> - 19 2 1 2 2. - <_> - - <_> - 14 0 3 3 -1. - <_> - 15 1 1 3 3. - 1 - <_> - - <_> - 2 10 8 2 -1. - <_> - 2 10 4 2 2. - 1 - <_> - - <_> - 9 18 4 2 -1. - <_> - 10 18 2 2 2. - <_> - - <_> - 10 0 4 9 -1. - <_> - 11 0 2 9 2. - <_> - - <_> - 15 10 5 6 -1. - <_> - 15 12 5 2 3. - <_> - - <_> - 2 13 4 2 -1. - <_> - 3 13 2 2 2. - <_> - - <_> - 2 15 4 1 -1. - <_> - 3 16 2 1 2. - 1 - <_> - - <_> - 15 8 3 2 -1. - <_> - 16 9 1 2 3. - 1 - <_> - - <_> - 0 6 4 2 -1. - <_> - 2 6 2 2 2. - <_> - - <_> - 9 17 6 1 -1. - <_> - 12 17 3 1 2. - <_> - - <_> - 14 19 6 1 -1. - <_> - 17 19 3 1 2. - <_> - - <_> - 17 18 1 2 -1. - <_> - 17 19 1 1 2. - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 2 1 2. - 1 - <_> - - <_> - 19 3 1 9 -1. - <_> - 19 6 1 3 3. - <_> - - <_> - 10 10 3 3 -1. - <_> - 9 11 3 1 3. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - <_> - - <_> - 17 16 2 2 -1. - <_> - 17 16 2 1 2. - 1 - <_> - - <_> - 5 11 3 3 -1. - <_> - 6 12 1 3 3. - 1 - <_> - - <_> - 3 11 2 2 -1. - <_> - 3 11 1 1 2. - <_> - 4 12 1 1 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 16 9 1 2 2. - 1 - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 2 1 2. - 1 - <_> - - <_> - 3 10 2 3 -1. - <_> - 2 11 2 1 3. - 1 - <_> - - <_> - 0 0 20 20 -1. - <_> - 0 0 10 10 2. - <_> - 10 10 10 10 2. - <_> - - <_> - 7 16 5 3 -1. - <_> - 7 17 5 1 3. - <_> - - <_> - 14 1 3 6 -1. - <_> - 12 3 3 2 3. - 1 - <_> - - <_> - 6 0 4 7 -1. - <_> - 7 0 2 7 2. - <_> - - <_> - 9 5 9 6 -1. - <_> - 12 5 3 6 3. - <_> - - <_> - 5 18 4 2 -1. - <_> - 6 18 2 2 2. - <_> - - <_> - 7 7 6 8 -1. - <_> - 9 7 2 8 3. - <_> - - <_> - 18 16 2 4 -1. - <_> - 18 16 1 2 2. - <_> - 19 18 1 2 2. - <_> - - <_> - 11 18 2 2 -1. - <_> - 12 18 1 2 2. - <_> - - <_> - 3 2 5 2 -1. - <_> - 3 3 5 1 2. - <_> - - <_> - 7 1 6 4 -1. - <_> - 7 3 6 2 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 0 1 16 1 -1. - <_> - 8 1 8 1 2. - <_> - - <_> - 11 1 3 10 -1. - <_> - 12 1 1 10 3. - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 1 2 4 2. - 1 - <_> - - <_> - 4 13 3 2 -1. - <_> - 5 13 1 2 3. - <_> - - <_> - 8 11 4 3 -1. - <_> - 7 12 4 1 3. - 1 - <_> - - <_> - 7 17 4 3 -1. - <_> - 8 17 2 3 2. - <_> - - <_> - 5 19 2 1 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 2 1 2. - 1 - <_> - - <_> - 0 10 5 3 -1. - <_> - 0 11 5 1 3. - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - <_> - - <_> - 0 10 18 1 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 5 1 1 3. - 1 - <_> - - <_> - 17 1 2 7 -1. - <_> - 17 1 1 7 2. - 1 - <_> - - <_> - 6 13 9 2 -1. - <_> - 9 13 3 2 3. - <_> - - <_> - 4 9 16 6 -1. - <_> - 4 11 16 2 3. - <_> - - <_> - 1 1 16 4 -1. - <_> - 1 3 16 2 2. - <_> - - <_> - 14 12 3 3 -1. - <_> - 15 12 1 3 3. - <_> - - <_> - 2 9 6 2 -1. - <_> - 4 11 2 2 3. - 1 - <_> - - <_> - 10 0 8 10 -1. - <_> - 12 0 4 10 2. - <_> - - <_> - 1 12 16 4 -1. - <_> - 5 12 8 4 2. - <_> - - <_> - 13 8 6 9 -1. - <_> - 15 11 2 3 9. - <_> - - <_> - 19 0 1 8 -1. - <_> - 19 4 1 4 2. - <_> - - <_> - 8 2 10 6 -1. - <_> - 8 5 10 3 2. - <_> - - <_> - 18 7 2 1 -1. - <_> - 19 7 1 1 2. - <_> - - <_> - 19 4 1 12 -1. - <_> - 19 7 1 6 2. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 12 1 1 9. - <_> - - <_> - 7 12 3 3 -1. - <_> - 8 12 1 3 3. - <_> - - <_> - 6 13 3 2 -1. - <_> - 7 13 1 2 3. - <_> - - <_> - 17 15 3 2 -1. - <_> - 17 15 3 1 2. - 1 - <_> - - <_> - 11 6 3 3 -1. - <_> - 12 6 1 3 3. - <_> - - <_> - 0 15 2 4 -1. - <_> - 0 17 2 2 2. - <_> - - <_> - 12 9 7 2 -1. - <_> - 12 9 7 1 2. - 1 - <_> - - <_> - 6 5 8 7 -1. - <_> - 10 5 4 7 2. - <_> - - <_> - 6 17 8 3 -1. - <_> - 8 17 4 3 2. - <_> - - <_> - 0 17 4 3 -1. - <_> - 0 18 4 1 3. - <_> - - <_> - 5 1 10 6 -1. - <_> - 5 3 10 2 3. - <_> - - <_> - 0 2 18 2 -1. - <_> - 6 2 6 2 3. - <_> - - <_> - 7 8 6 3 -1. - <_> - 7 9 6 1 3. - <_> - - <_> - 10 8 1 3 -1. - <_> - 10 9 1 1 3. - <_> - - <_> - 16 1 3 2 -1. - <_> - 17 2 1 2 3. - 1 - <_> - - <_> - 2 10 1 2 -1. - <_> - 2 10 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 3 9 2 3 -1. - <_> - 2 10 2 1 3. - 1 - <_> - - <_> - 2 14 12 6 -1. - <_> - 2 14 6 3 2. - <_> - 8 17 6 3 2. - <_> - - <_> - 15 17 1 2 -1. - <_> - 15 17 1 1 2. - 1 - <_> - - <_> - 17 11 3 3 -1. - <_> - 18 12 1 3 3. - 1 - <_> - - <_> - 13 12 3 2 -1. - <_> - 14 12 1 2 3. - <_> - - <_> - 16 18 4 2 -1. - <_> - 18 18 2 2 2. - <_> - - <_> - 18 14 2 4 -1. - <_> - 17 15 2 2 2. - 1 - <_> - - <_> - 12 13 3 1 -1. - <_> - 13 13 1 1 3. - <_> - - <_> - 11 12 3 3 -1. - <_> - 12 13 1 1 9. - <_> - - <_> - 0 0 16 20 -1. - <_> - 8 0 8 20 2. - <_> - - <_> - 3 0 8 5 -1. - <_> - 5 0 4 5 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 1 2 19 4 -1. - <_> - 1 4 19 2 2. - <_> - - <_> - 12 7 3 4 -1. - <_> - 13 7 1 4 3. - <_> - - <_> - 15 6 3 3 -1. - <_> - 16 7 1 3 3. - 1 - <_> - - <_> - 3 13 2 2 -1. - <_> - 3 13 1 1 2. - <_> - 4 14 1 1 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 0 3 19 4 -1. - <_> - 0 4 19 2 2. - <_> - - <_> - 17 7 3 4 -1. - <_> - 18 8 1 4 3. - 1 - <_> - - <_> - 4 8 3 4 -1. - <_> - 5 9 1 4 3. - 1 - <_> - - <_> - 14 11 4 6 -1. - <_> - 15 11 2 6 2. - <_> - - <_> - 18 3 2 6 -1. - <_> - 18 5 2 2 3. - <_> - - <_> - 14 3 2 4 -1. - <_> - 14 3 2 2 2. - 1 - <_> - - <_> - 7 9 5 4 -1. - <_> - 7 10 5 2 2. - <_> - - <_> - 12 11 8 2 -1. - <_> - 12 12 8 1 2. - <_> - - <_> - 16 13 3 4 -1. - <_> - 16 13 3 2 2. - 1 - <_> - - <_> - 14 7 5 9 -1. - <_> - 14 10 5 3 3. - <_> - - <_> - 0 12 1 3 -1. - <_> - 0 13 1 1 3. - <_> - - <_> - 6 6 3 6 -1. - <_> - 4 8 3 2 3. - 1 - <_> - - <_> - 0 9 9 1 -1. - <_> - 3 9 3 1 3. - <_> - - <_> - 0 9 6 2 -1. - <_> - 0 9 3 1 2. - <_> - 3 10 3 1 2. - <_> - - <_> - 3 2 4 4 -1. - <_> - 4 2 2 4 2. - <_> - - <_> - 18 3 2 3 -1. - <_> - 18 4 2 1 3. - <_> - - <_> - 6 16 3 3 -1. - <_> - 6 17 3 1 3. - <_> - - <_> - 1 16 6 3 -1. - <_> - 1 17 6 1 3. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_russian_plate_number.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_russian_plate_number.xml deleted file mode 100644 index 39f5fcdd8b..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_russian_plate_number.xml +++ /dev/null @@ -1,2656 +0,0 @@ - - - - BOOST - HAAR - 20 - 60 - - GAB - 9.9500000476837158e-001 - 5.0000000000000000e-001 - 9.4999999999999996e-001 - 1 - 100 - - 0 - 1 - ALL - 20 - - - <_> - 6 - -1.3110191822052002e+000 - - <_> - - 0 -1 193 1.0079263709485531e-002 - - -8.1339186429977417e-001 5.0277775526046753e-001 - <_> - - 0 -1 94 -2.2060684859752655e-002 - - 7.9418992996215820e-001 -5.0896102190017700e-001 - <_> - - 0 -1 18 -4.8777908086776733e-002 - - 7.1656656265258789e-001 -4.1640335321426392e-001 - <_> - - 0 -1 35 1.0387318208813667e-002 - - 3.7618312239646912e-001 -8.5504144430160522e-001 - <_> - - 0 -1 191 -9.4083719886839390e-004 - - 4.2658549547195435e-001 -5.7729166746139526e-001 - <_> - - 0 -1 48 -8.2391249015927315e-003 - - 8.2346975803375244e-001 -3.7503159046173096e-001 - - <_> - 6 - -1.1759783029556274e+000 - - <_> - - 0 -1 21 1.7386786639690399e-001 - - -6.8139964342117310e-001 6.0767590999603271e-001 - <_> - - 0 -1 28 -1.9797295331954956e-002 - - 7.8072130680084229e-001 -4.4399836659431458e-001 - <_> - - 0 -1 46 -1.0154811898246408e-003 - - 3.3383268117904663e-001 -7.6357340812683105e-001 - <_> - - 0 -1 138 2.4954911321401596e-002 - - -3.9979115128517151e-001 6.8620890378952026e-001 - <_> - - 0 -1 25 2.8837744612246752e-003 - - -2.7928480505943298e-001 7.9980146884918213e-001 - <_> - - 0 -1 26 -3.8839362561702728e-002 - - -7.8442335128784180e-001 3.4929576516151428e-001 - - <_> - 6 - -1.7856997251510620e+000 - - <_> - - 0 -1 34 2.7977079153060913e-002 - - -5.8424139022827148e-001 6.6850829124450684e-001 - <_> - - 0 -1 171 1.9148588180541992e-002 - - -6.5457659959793091e-001 4.0804430842399597e-001 - <_> - - 0 -1 7 1.1955041438341141e-002 - - -4.2002618312835693e-001 5.6217432022094727e-001 - <_> - - 0 -1 45 -2.1218564361333847e-002 - - 7.1812576055526733e-001 -3.0354043841362000e-001 - <_> - - 0 -1 108 2.0117280655540526e-004 - - -6.1749500036239624e-001 3.5549193620681763e-001 - <_> - - 0 -1 122 3.9725980604998767e-004 - - -2.6844096183776855e-001 7.6771658658981323e-001 - - <_> - 9 - -1.1837021112442017e+000 - - <_> - - 0 -1 202 -1.3291766867041588e-002 - - 4.5248869061470032e-001 -5.8849954605102539e-001 - <_> - - 0 -1 79 -4.8353265970945358e-002 - - 7.0951640605926514e-001 -3.2546108961105347e-001 - <_> - - 0 -1 22 2.6532993651926517e-003 - - -2.5343564152717590e-001 7.6588714122772217e-001 - <_> - - 0 -1 66 -3.8548894226551056e-002 - - 5.8126109838485718e-001 -3.0813106894493103e-001 - <_> - - 0 -1 41 -6.8602780811488628e-004 - - 2.6361095905303955e-001 -7.2226840257644653e-001 - <_> - - 0 -1 69 -2.5726919993758202e-002 - - -8.7153857946395874e-001 1.9438524544239044e-001 - <_> - - 0 -1 24 8.4192806389182806e-004 - - -3.6150649189949036e-001 5.2065432071685791e-001 - <_> - - 0 -1 62 -2.6956878136843443e-003 - - 5.9945529699325562e-001 -2.8344830870628357e-001 - <_> - - 0 -1 112 3.0572075396776199e-002 - - -3.0688971281051636e-001 5.7261526584625244e-001 - - <_> - 8 - -1.4687808752059937e+000 - - <_> - - 0 -1 5 3.1486168503761292e-002 - - -5.7836848497390747e-001 3.7931033968925476e-001 - <_> - - 0 -1 150 2.8311354108154774e-003 - - -5.7888329029083252e-001 3.2841828465461731e-001 - <_> - - 0 -1 76 -4.2060948908329010e-002 - - 5.5578106641769409e-001 -3.2662427425384521e-001 - <_> - - 0 -1 115 6.2936875037848949e-003 - - -2.1032968163490295e-001 7.8646916151046753e-001 - <_> - - 0 -1 51 7.0570126175880432e-002 - - -4.3683132529258728e-001 4.0298295021057129e-001 - <_> - - 0 -1 135 2.5173835456371307e-003 - - -2.0461565256118774e-001 8.2858163118362427e-001 - <_> - - 0 -1 102 1.5648975968360901e-003 - - -2.4848082661628723e-001 6.0209411382675171e-001 - <_> - - 0 -1 177 -3.5970686003565788e-003 - - 2.3294737935066223e-001 -6.5612471103668213e-001 - - <_> - 9 - -1.1029583215713501e+000 - - <_> - - 0 -1 27 -1.1257569491863251e-001 - - 3.3181819319725037e-001 -5.3901344537734985e-001 - <_> - - 0 -1 142 3.8014666642993689e-003 - - -3.6430206894874573e-001 4.5984184741973877e-001 - <_> - - 0 -1 57 9.8789634648710489e-004 - - -2.6661416888237000e-001 5.6971323490142822e-001 - <_> - - 0 -1 55 2.1719809621572495e-002 - - 1.8432702124118805e-001 -8.2999354600906372e-001 - <_> - - 0 -1 111 5.1051773130893707e-002 - - 1.4391148090362549e-001 -9.4541704654693604e-001 - <_> - - 0 -1 164 1.8956036074087024e-003 - - -6.0830104351043701e-001 2.6091885566711426e-001 - <_> - - 0 -1 81 -5.8700828813016415e-003 - - 6.9104760885238647e-001 -2.6916843652725220e-001 - <_> - - 0 -1 116 -1.1522199492901564e-003 - - -6.9503885507583618e-001 2.4749211966991425e-001 - <_> - - 0 -1 90 -5.1933946087956429e-003 - - 5.8551025390625000e-001 -3.0389472842216492e-001 - - <_> - 9 - -9.0274518728256226e-001 - - <_> - - 0 -1 205 -1.4383997768163681e-002 - - 4.5400592684745789e-001 -4.9917897582054138e-001 - <_> - - 0 -1 114 -3.3369414508342743e-002 - - -9.3247985839843750e-001 1.4586758613586426e-001 - <_> - - 0 -1 128 5.2380945999175310e-004 - - -2.8349643945693970e-001 6.4983856678009033e-001 - <_> - - 0 -1 143 6.1231426661834121e-004 - - -1.8502233922481537e-001 6.5052211284637451e-001 - <_> - - 0 -1 49 1.7017847858369350e-003 - - 2.2008989751338959e-001 -7.2277534008026123e-001 - <_> - - 0 -1 133 2.6139442343264818e-003 - - 1.8238025903701782e-001 -7.6262325048446655e-001 - <_> - - 0 -1 43 -2.0020073279738426e-003 - - 5.6799399852752686e-001 -2.8219676017761230e-001 - <_> - - 0 -1 119 1.9273828947916627e-003 - - -2.0913636684417725e-001 7.9203850030899048e-001 - <_> - - 0 -1 134 -9.4476283993571997e-004 - - -8.2361942529678345e-001 2.4256958067417145e-001 - - <_> - 10 - -1.4518526792526245e+000 - - <_> - - 0 -1 162 1.6756314784288406e-002 - - -6.9359332323074341e-001 5.1373954862356186e-002 - <_> - - 0 -1 16 2.4082964286208153e-002 - - -3.3989402651786804e-001 4.5332714915275574e-001 - <_> - - 0 -1 186 1.2284796684980392e-003 - - -2.2297365963459015e-001 6.1439812183380127e-001 - <_> - - 0 -1 59 -1.4379122294485569e-003 - - -6.9444245100021362e-001 2.0446482300758362e-001 - <_> - - 0 -1 185 -1.8713285680860281e-003 - - 6.7942184209823608e-001 -2.7580419182777405e-001 - <_> - - 0 -1 190 -4.7389674000442028e-003 - - -7.0437240600585938e-001 2.6915156841278076e-001 - <_> - - 0 -1 156 7.4071279959753156e-004 - - -2.9220902919769287e-001 5.3538239002227783e-001 - <_> - - 0 -1 11 -2.2739455103874207e-001 - - 6.6916191577911377e-001 -2.1987228095531464e-001 - <_> - - 0 -1 155 -1.0255509987473488e-003 - - 6.3346290588378906e-001 -2.2717863321304321e-001 - <_> - - 0 -1 167 2.4775355122983456e-003 - - -5.4297816753387451e-001 3.1877547502517700e-001 - - <_> - 11 - -1.3153649568557739e+000 - - <_> - - 0 -1 6 1.9131936132907867e-002 - - -6.0168600082397461e-001 1.9141913950443268e-001 - <_> - - 0 -1 42 -4.5855185016989708e-003 - - 2.1901632845401764e-001 -5.7136750221252441e-001 - <_> - - 0 -1 53 -1.9026801455765963e-003 - - -8.0075079202651978e-001 1.6502076387405396e-001 - <_> - - 0 -1 19 -3.2767035067081451e-002 - - 5.1496404409408569e-001 -2.5474679470062256e-001 - <_> - - 0 -1 129 6.3941581174731255e-004 - - -1.9851709902286530e-001 6.7218667268753052e-001 - <_> - - 0 -1 201 1.5573646873235703e-002 - - -1.7564551532268524e-001 7.0536541938781738e-001 - <_> - - 0 -1 200 9.5508026424795389e-004 - - -1.9691802561283112e-001 6.1125624179840088e-001 - <_> - - 0 -1 67 9.0427603572607040e-003 - - 1.6518253087997437e-001 -8.7012130022048950e-001 - <_> - - 0 -1 77 8.1576988101005554e-002 - - 1.4075902104377747e-001 -8.4871828556060791e-001 - <_> - - 0 -1 166 -5.1994959358125925e-004 - - 2.1803210675716400e-001 -5.4628211259841919e-001 - <_> - - 0 -1 70 -2.3009868338704109e-002 - - -7.9586231708526611e-001 1.5989699959754944e-001 - - <_> - 13 - -1.4625015258789063e+000 - - <_> - - 0 -1 1 2.6759501546621323e-002 - - -6.0482984781265259e-001 1.4906832575798035e-001 - <_> - - 0 -1 165 3.0343931168317795e-002 - - -4.7357541322708130e-001 2.6279065012931824e-001 - <_> - - 0 -1 161 1.2678599450737238e-003 - - -1.9493983685970306e-001 6.9734728336334229e-001 - <_> - - 0 -1 30 1.8607920501381159e-003 - - 1.5611934661865234e-001 -9.0542370080947876e-001 - <_> - - 0 -1 157 -1.3872641138732433e-003 - - 5.3263407945632935e-001 -3.0192303657531738e-001 - <_> - - 0 -1 180 -6.9969398900866508e-003 - - -9.4549953937530518e-001 1.5575224161148071e-001 - <_> - - 0 -1 158 1.1245720088481903e-003 - - -2.6688691973686218e-001 5.5608308315277100e-001 - <_> - - 0 -1 160 -2.8279949910938740e-003 - - -9.1861122846603394e-001 1.3309663534164429e-001 - <_> - - 0 -1 58 7.1019242750480771e-004 - - -3.0977895855903625e-001 4.3846300244331360e-001 - <_> - - 0 -1 8 -4.1933014988899231e-002 - - -8.9102542400360107e-001 1.5866196155548096e-001 - <_> - - 0 -1 87 1.6568358987569809e-002 - - 1.2731756269931793e-001 -8.5553413629531860e-001 - <_> - - 0 -1 64 2.0309074316173792e-003 - - -2.3260365426540375e-001 6.7330485582351685e-001 - <_> - - 0 -1 159 -1.7069760942831635e-003 - - -7.1925789117813110e-001 1.9108834862709045e-001 - - <_> - 14 - -1.4959813356399536e+000 - - <_> - - 0 -1 4 1.4695923775434494e-002 - - -6.2167906761169434e-001 2.1172638237476349e-001 - <_> - - 0 -1 50 -1.6501215286552906e-003 - - 1.9353884458541870e-001 -5.7780367136001587e-001 - <_> - - 0 -1 123 7.0121872704476118e-004 - - -2.2979106009006500e-001 5.3033334016799927e-001 - <_> - - 0 -1 52 9.4158272258937359e-004 - - 1.6849038004875183e-001 -7.4897718429565430e-001 - <_> - - 0 -1 124 -2.0684124901890755e-003 - - 6.7936712503433228e-001 -1.9317412376403809e-001 - <_> - - 0 -1 23 -1.8305826233699918e-004 - - -7.0275229215621948e-001 1.7971208691596985e-001 - <_> - - 0 -1 198 5.5587477982044220e-004 - - -2.4448128044605255e-001 5.0703984498977661e-001 - <_> - - 0 -1 152 4.3448276119306684e-004 - - 1.3497908413410187e-001 -8.5621362924575806e-001 - <_> - - 0 -1 197 -1.2359691318124533e-003 - - 6.1710417270660400e-001 -2.2301279008388519e-001 - <_> - - 0 -1 153 -6.9627340417355299e-004 - - -6.4706987142562866e-001 2.3951497673988342e-001 - <_> - - 0 -1 175 1.0683680884540081e-003 - - -2.8343605995178223e-001 4.9318629503250122e-001 - <_> - - 0 -1 168 1.7104238213505596e-004 - - -2.7171039581298828e-001 4.2520308494567871e-001 - <_> - - 0 -1 144 8.2368971779942513e-003 - - 1.6359315812587738e-001 -7.3864609003067017e-001 - <_> - - 0 -1 131 -5.9884190559387207e-003 - - 3.8030940294265747e-001 -3.0763563513755798e-001 - - <_> - 9 - -1.1183819770812988e+000 - - <_> - - 0 -1 187 -1.4863962307572365e-002 - - 1.1989101022481918e-001 -6.6138857603073120e-001 - <_> - - 0 -1 117 2.4736612103879452e-003 - - -5.2778661251068115e-001 2.3012125492095947e-001 - <_> - - 0 -1 71 -4.8899287357926369e-003 - - 6.0186779499053955e-001 -2.0681641995906830e-001 - <_> - - 0 -1 174 1.5796069055795670e-002 - - 1.4610521495342255e-001 -8.2099527120590210e-001 - <_> - - 0 -1 104 5.9720675926655531e-004 - - -2.3587301373481750e-001 4.8323699831962585e-001 - <_> - - 0 -1 103 -1.9448818638920784e-003 - - 6.4417767524719238e-001 -2.0953170955181122e-001 - <_> - - 0 -1 154 1.9433414854574949e-004 - - 2.0600238442420959e-001 -7.2418999671936035e-001 - <_> - - 0 -1 163 -1.5097535215318203e-002 - - -8.7151485681533813e-001 1.2594890594482422e-001 - <_> - - 0 -1 82 -3.9843879640102386e-003 - - 4.3801131844520569e-001 -2.9676589369773865e-001 - - <_> - 12 - -1.5434337854385376e+000 - - <_> - - 0 -1 105 1.1273270938545465e-003 - - -4.7976878285408020e-001 3.6627906560897827e-001 - <_> - - 0 -1 95 9.7806821577250957e-004 - - -2.7689707279205322e-001 5.1295894384384155e-001 - <_> - - 0 -1 15 1.6528377309441566e-002 - - -4.5259797573089600e-001 2.4290211498737335e-001 - <_> - - 0 -1 137 1.1040373938158154e-003 - - -3.2714816927909851e-001 3.4566244482994080e-001 - <_> - - 0 -1 109 -1.7780361231416464e-003 - - -6.9511681795120239e-001 1.8829824030399323e-001 - <_> - - 0 -1 92 4.6280334936454892e-004 - - -2.3864887654781342e-001 5.3136289119720459e-001 - <_> - - 0 -1 100 -1.4975425438024104e-004 - - -6.6509884595870972e-001 2.1483559906482697e-001 - <_> - - 0 -1 83 -1.4625370968133211e-003 - - 2.6556470990180969e-001 -4.9002227187156677e-001 - <_> - - 0 -1 14 -2.6019819779321551e-004 - - -7.0160359144210815e-001 1.6359129548072815e-001 - <_> - - 0 -1 14 2.2371641534846276e-004 - - 1.2919521331787109e-001 -6.9767206907272339e-001 - <_> - - 0 -1 194 -1.0447315871715546e-002 - - 2.1837629377841949e-001 -4.6482038497924805e-001 - <_> - - 0 -1 20 -9.2897024005651474e-003 - - 6.4918082952499390e-001 -2.0495061576366425e-001 - - <_> - 12 - -1.4440233707427979e+000 - - <_> - - 0 -1 9 8.5356216877698898e-003 - - -5.3151458501815796e-001 2.2357723116874695e-001 - <_> - - 0 -1 182 1.5294685726985335e-003 - - -6.0895460844039917e-001 1.7429886758327484e-001 - <_> - - 0 -1 40 1.8610086990520358e-003 - - -2.5480428338050842e-001 4.2150071263313293e-001 - <_> - - 0 -1 176 1.5735558699816465e-003 - - -1.6832062602043152e-001 4.8567819595336914e-001 - <_> - - 0 -1 179 -6.7992787808179855e-004 - - 3.9894598722457886e-001 -3.0744269490242004e-001 - <_> - - 0 -1 151 4.9857296049594879e-002 - - -1.5370152890682220e-001 6.7523348331451416e-001 - <_> - - 0 -1 139 -2.8339058160781860e-002 - - 5.0540882349014282e-001 -2.9473617672920227e-001 - <_> - - 0 -1 72 -7.7956825494766235e-002 - - 4.0387043356895447e-001 -3.0287107825279236e-001 - <_> - - 0 -1 89 -3.6115488037467003e-003 - - 6.3856112957000732e-001 -1.6917882859706879e-001 - <_> - - 0 -1 207 3.3940275898203254e-004 - - 1.3713537156581879e-001 -7.8120291233062744e-001 - <_> - - 0 -1 39 4.0043061599135399e-003 - - 1.5233094990253448e-001 -6.3939732313156128e-001 - <_> - - 0 -1 65 -4.4601649278774858e-004 - - 2.1333815157413483e-001 -4.7728902101516724e-001 - - <_> - 13 - -1.2532578706741333e+000 - - <_> - - 0 -1 204 -2.0341124385595322e-002 - - 2.4170616269111633e-001 -4.9161517620086670e-001 - <_> - - 0 -1 169 8.9040049351751804e-004 - - -2.8570893406867981e-001 4.2666998505592346e-001 - <_> - - 0 -1 60 -3.3259526826441288e-003 - - 4.2626520991325378e-001 -2.3811897635459900e-001 - <_> - - 0 -1 38 -3.1714607030153275e-002 - - -8.5494768619537354e-001 1.1712870001792908e-001 - <_> - - 0 -1 31 -1.1553820222616196e-002 - - 2.2675493359565735e-001 -4.9640509486198425e-001 - <_> - - 0 -1 80 -6.7727260291576385e-002 - - -8.6705064773559570e-001 9.8765812814235687e-002 - <_> - - 0 -1 63 -3.1611192971467972e-003 - - 3.9449846744537354e-001 -2.8210711479187012e-001 - <_> - - 0 -1 149 4.3221906526014209e-004 - - 1.1805476248264313e-001 -9.0178310871124268e-001 - <_> - - 0 -1 188 -2.2296360111795366e-004 - - 1.7324598133563995e-001 -5.2877873182296753e-001 - <_> - - 0 -1 120 -2.1440195851027966e-003 - - 5.5513423681259155e-001 -1.9791823625564575e-001 - <_> - - 0 -1 113 -4.5122690498828888e-003 - - 5.5083745718002319e-001 -1.8810540437698364e-001 - <_> - - 0 -1 130 -3.5149464383721352e-003 - - 5.5467557907104492e-001 -2.2856147587299347e-001 - <_> - - 0 -1 121 -4.4786706566810608e-003 - - -7.9106998443603516e-001 1.7836479842662811e-001 - - <_> - 15 - -1.1898330450057983e+000 - - <_> - - 0 -1 0 1.5206767246127129e-002 - - -4.9173194169998169e-001 2.7093595266342163e-001 - <_> - - 0 -1 125 6.9564773002639413e-004 - - -2.3066598176956177e-001 5.4028344154357910e-001 - <_> - - 0 -1 125 -8.3668017759919167e-004 - - 4.4658055901527405e-001 -2.7778497338294983e-001 - <_> - - 0 -1 91 -3.8321319967508316e-002 - - -7.9069298505783081e-001 1.8700349330902100e-001 - <_> - - 0 -1 207 -2.1063965687062591e-004 - - -6.3163763284683228e-001 1.8656146526336670e-001 - <_> - - 0 -1 61 3.6907330155372620e-002 - - 9.9319733679294586e-002 -7.6762360334396362e-001 - <_> - - 0 -1 85 8.1071127206087112e-003 - - -2.8561261296272278e-001 3.4748569130897522e-001 - <_> - - 0 -1 189 6.2815943965688348e-004 - - 1.6656193137168884e-001 -5.4635977745056152e-001 - <_> - - 0 -1 86 2.8582263621501625e-004 - - -2.4100163578987122e-001 4.5410770177841187e-001 - <_> - - 0 -1 173 -1.9862279295921326e-002 - - -9.4317340850830078e-001 1.2513674795627594e-001 - <_> - - 0 -1 96 1.1506280861794949e-003 - - -2.4514634907245636e-001 4.6452957391738892e-001 - <_> - - 0 -1 29 2.3451185552403331e-004 - - 1.2489952147006989e-001 -8.0278074741363525e-001 - <_> - - 0 -1 101 6.7837134702131152e-004 - - -2.5017899274826050e-001 4.3841627240180969e-001 - <_> - - 0 -1 17 3.1583159579895437e-004 - - 1.5951988101005554e-001 -7.4524724483489990e-001 - <_> - - 0 -1 110 7.2623658925294876e-003 - - 1.2511830031871796e-001 -6.5659755468368530e-001 - - <_> - 15 - -1.2416906356811523e+000 - - <_> - - 0 -1 2 7.5144092552363873e-003 - - -5.9518074989318848e-001 5.3793102502822876e-002 - <_> - - 0 -1 98 -6.4494344405829906e-004 - - 2.0429474115371704e-001 -4.3661779165267944e-001 - <_> - - 0 -1 196 3.3831471228040755e-004 - - -2.1566553413867950e-001 4.7118204832077026e-001 - <_> - - 0 -1 73 2.8320802375674248e-003 - - 1.3322307169437408e-001 -8.3729231357574463e-001 - <_> - - 0 -1 199 1.6218879027292132e-003 - - -2.0889574289321899e-001 4.7114694118499756e-001 - <_> - - 0 -1 10 2.7122153551317751e-004 - - 1.1475630849599838e-001 -7.8029519319534302e-001 - <_> - - 0 -1 170 8.8358242064714432e-003 - - 1.2460929155349731e-001 -7.6791721582412720e-001 - <_> - - 0 -1 106 9.7634072881191969e-004 - - -2.0806105434894562e-001 5.1318311691284180e-001 - <_> - - 0 -1 107 -2.1239042282104492e-002 - - -8.7171542644500732e-001 1.2721680104732513e-001 - <_> - - 0 -1 97 7.1797124110162258e-004 - - -3.0763280391693115e-001 3.7504923343658447e-001 - <_> - - 0 -1 32 2.7504155412316322e-002 - - 1.5651945769786835e-001 -7.9516488313674927e-001 - <_> - - 0 -1 178 1.0624636197462678e-003 - - 1.3473348319530487e-001 -6.9174814224243164e-001 - <_> - - 0 -1 33 -8.1248432397842407e-002 - - -8.5117286443710327e-001 1.0601779073476791e-001 - <_> - - 0 -1 140 -2.2936165332794189e-002 - - 3.9202499389648438e-001 -2.9867398738861084e-001 - <_> - - 0 -1 146 -1.3326616026461124e-003 - - 4.7240665555000305e-001 -2.6287403702735901e-001 - - <_> - 13 - -1.3383979797363281e+000 - - <_> - - 0 -1 3 3.2254494726657867e-002 - - -6.5151512622833252e-001 7.9947575926780701e-002 - <_> - - 0 -1 172 -1.1810796568170190e-003 - - 2.5173431634902954e-001 -4.5536977052688599e-001 - <_> - - 0 -1 88 8.0361258005723357e-004 - - -2.1178695559501648e-001 4.9318632483482361e-001 - <_> - - 0 -1 93 6.6201295703649521e-004 - - -1.9441033899784088e-001 4.6225026249885559e-001 - <_> - - 0 -1 84 3.4565184614621103e-004 - - -2.1175089478492737e-001 4.6985754370689392e-001 - <_> - - 0 -1 132 -5.6433549616485834e-004 - - -7.9713624715805054e-001 1.8714086711406708e-001 - <_> - - 0 -1 56 5.8492692187428474e-004 - - -3.9330720901489258e-001 2.4242231249809265e-001 - <_> - - 0 -1 13 2.5043603032827377e-002 - - 1.3490234315395355e-001 -7.5923883914947510e-001 - <_> - - 0 -1 37 -1.8510785885155201e-003 - - 4.1279399394989014e-001 -2.7271771430969238e-001 - <_> - - 0 -1 68 -2.5741360150277615e-004 - - -6.3662034273147583e-001 1.8135882914066315e-001 - <_> - - 0 -1 184 -1.5121832489967346e-002 - - 2.5249326229095459e-001 -3.8438034057617188e-001 - <_> - - 0 -1 203 -1.5006031841039658e-002 - - -8.4878319501876831e-001 1.1718367785215378e-001 - <_> - - 0 -1 74 4.9880752339959145e-004 - - -2.6755046844482422e-001 4.5769825577735901e-001 - - <_> - 12 - -1.2097512483596802e+000 - - <_> - - 0 -1 195 -1.1614991351962090e-002 - - 1.4465409517288208e-001 -5.9521216154098511e-001 - <_> - - 0 -1 75 3.9767110138200223e-004 - - -4.2697989940643311e-001 2.4382311105728149e-001 - <_> - - 0 -1 47 -4.6969857066869736e-002 - - -9.3969690799713135e-001 1.2196484953165054e-001 - <_> - - 0 -1 136 5.5550434626638889e-004 - - -1.8246935307979584e-001 6.5156191587448120e-001 - <_> - - 0 -1 99 2.9468833236023784e-004 - - 1.5099152922630310e-001 -7.8840750455856323e-001 - <_> - - 0 -1 44 1.2439775280654430e-002 - - 1.4981375634670258e-001 -7.5917595624923706e-001 - <_> - - 0 -1 147 6.6337559837847948e-004 - - -2.5185841321945190e-001 5.9387433528900146e-001 - <_> - - 0 -1 148 -6.8454549182206392e-004 - - 5.1199448108673096e-001 -2.5247576832771301e-001 - <_> - - 0 -1 141 1.4808592386543751e-003 - - 2.2439701855182648e-001 -5.8184891939163208e-001 - <_> - - 0 -1 12 6.0307271778583527e-003 - - -4.3553912639617920e-001 2.8183382749557495e-001 - <_> - - 0 -1 78 -1.9170897081494331e-002 - - -8.5707378387451172e-001 1.4850790798664093e-001 - <_> - - 0 -1 122 3.0278289341367781e-004 - - -3.1547480821609497e-001 4.1798374056816101e-001 - - <_> - 10 - -1.2253109216690063e+000 - - <_> - - 0 -1 181 4.6847470104694366e-002 - - -4.9239391088485718e-001 5.2287584543228149e-001 - <_> - - 0 -1 118 2.2181579843163490e-003 - - -4.2569425702095032e-001 3.6892616748809814e-001 - <_> - - 0 -1 145 6.1082182219251990e-004 - - 1.7654621601104736e-001 -8.2656937837600708e-001 - <_> - - 0 -1 127 1.7401995137333870e-002 - - 2.7770876884460449e-001 -5.6393522024154663e-001 - <_> - - 0 -1 54 5.2314018830657005e-004 - - -3.6257097125053406e-001 4.6126455068588257e-001 - <_> - - 0 -1 206 2.1581796463578939e-003 - - 1.9110183417797089e-001 -6.8012320995330811e-001 - <_> - - 0 -1 192 -1.3209994649514556e-003 - - 6.7618584632873535e-001 -2.6087108254432678e-001 - <_> - - 0 -1 126 -1.2237254530191422e-002 - - -5.7184767723083496e-001 3.0778104066848755e-001 - <_> - - 0 -1 36 8.7829465046525002e-003 - - 1.6890920698642731e-001 -7.8835797309875488e-001 - <_> - - 0 -1 183 7.5588272884488106e-003 - - 1.5143942832946777e-001 -8.2572847604751587e-001 - - <_> - - <_> - 0 0 10 10 -1. - <_> - 0 0 5 5 2. - <_> - 5 5 5 5 2. - 0 - <_> - - <_> - 0 0 12 16 -1. - <_> - 6 0 6 16 2. - 0 - <_> - - <_> - 0 3 10 6 -1. - <_> - 5 3 5 6 2. - 0 - <_> - - <_> - 0 3 21 16 -1. - <_> - 7 3 7 16 3. - 0 - <_> - - <_> - 0 4 16 9 -1. - <_> - 4 4 8 9 2. - 0 - <_> - - <_> - 0 4 10 12 -1. - <_> - 5 4 5 12 2. - 0 - <_> - - <_> - 0 7 14 7 -1. - <_> - 7 7 7 7 2. - 0 - <_> - - <_> - 0 9 12 7 -1. - <_> - 6 9 6 7 2. - 0 - <_> - - <_> - 0 9 60 3 -1. - <_> - 30 9 30 3 2. - 0 - <_> - - <_> - 0 10 8 3 -1. - <_> - 4 10 4 3 2. - 0 - <_> - - <_> - 0 11 1 2 -1. - <_> - 0 12 1 1 2. - 0 - <_> - - <_> - 1 0 51 12 -1. - <_> - 1 4 51 4 3. - 0 - <_> - - <_> - 1 3 15 7 -1. - <_> - 6 3 5 7 3. - 0 - <_> - - <_> - 1 7 30 6 -1. - <_> - 1 7 15 3 2. - <_> - 16 10 15 3 2. - 0 - <_> - - <_> - 1 12 1 2 -1. - <_> - 1 13 1 1 2. - 0 - <_> - - <_> - 2 2 18 16 -1. - <_> - 2 6 18 8 2. - 0 - <_> - - <_> - 2 3 29 4 -1. - <_> - 2 5 29 2 2. - 0 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 10 1 1 2. - 0 - <_> - - <_> - 2 14 40 6 -1. - <_> - 2 17 40 3 2. - 0 - <_> - - <_> - 3 0 22 6 -1. - <_> - 3 2 22 2 3. - 0 - <_> - - <_> - 3 2 38 2 -1. - <_> - 3 2 19 1 2. - <_> - 22 3 19 1 2. - 0 - <_> - - <_> - 3 4 51 16 -1. - <_> - 3 8 51 8 2. - 0 - <_> - - <_> - 3 7 3 8 -1. - <_> - 4 7 1 8 3. - 0 - <_> - - <_> - 3 9 1 3 -1. - <_> - 3 10 1 1 3. - 0 - <_> - - <_> - 4 8 3 5 -1. - <_> - 5 8 1 5 3. - 0 - <_> - - <_> - 4 8 4 9 -1. - <_> - 5 8 2 9 2. - 0 - <_> - - <_> - 4 11 36 9 -1. - <_> - 16 11 12 9 3. - 0 - <_> - - <_> - 4 14 49 6 -1. - <_> - 4 17 49 3 2. - 0 - <_> - - <_> - 5 0 17 6 -1. - <_> - 5 2 17 2 3. - 0 - <_> - - <_> - 5 1 3 1 -1. - <_> - 6 1 1 1 3. - 0 - <_> - - <_> - 5 1 8 2 -1. - <_> - 7 1 4 2 2. - 0 - <_> - - <_> - 5 2 36 9 -1. - <_> - 17 2 12 9 3. - 0 - <_> - - <_> - 5 3 33 17 -1. - <_> - 16 3 11 17 3. - 0 - <_> - - <_> - 6 0 30 19 -1. - <_> - 16 0 10 19 3. - 0 - <_> - - <_> - 6 3 29 4 -1. - <_> - 6 5 29 2 2. - 0 - <_> - - <_> - 6 4 16 16 -1. - <_> - 14 4 8 16 2. - 0 - <_> - - <_> - 6 9 54 1 -1. - <_> - 33 9 27 1 2. - 0 - <_> - - <_> - 7 0 4 18 -1. - <_> - 8 0 2 18 2. - 0 - <_> - - <_> - 7 3 12 15 -1. - <_> - 13 3 6 15 2. - 0 - <_> - - <_> - 7 4 20 5 -1. - <_> - 12 4 10 5 2. - 0 - <_> - - <_> - 7 4 6 3 -1. - <_> - 7 5 6 1 3. - 0 - <_> - - <_> - 7 4 36 6 -1. - <_> - 19 4 12 6 3. - 0 - <_> - - <_> - 7 5 28 4 -1. - <_> - 14 5 14 4 2. - 0 - <_> - - <_> - 7 7 4 11 -1. - <_> - 8 7 2 11 2. - 0 - <_> - - <_> - 7 9 12 7 -1. - <_> - 13 9 6 7 2. - 0 - <_> - - <_> - 8 1 21 4 -1. - <_> - 8 3 21 2 2. - 0 - <_> - - <_> - 8 4 28 6 -1. - <_> - 15 4 14 6 2. - 0 - <_> - - <_> - 8 8 38 6 -1. - <_> - 8 10 38 2 3. - 0 - <_> - - <_> - 8 14 25 4 -1. - <_> - 8 15 25 2 2. - 0 - <_> - - <_> - 9 2 12 4 -1. - <_> - 12 2 6 4 2. - 0 - <_> - - <_> - 9 5 24 3 -1. - <_> - 15 5 12 3 2. - 0 - <_> - - <_> - 9 8 40 12 -1. - <_> - 9 12 40 4 3. - 0 - <_> - - <_> - 10 2 8 2 -1. - <_> - 12 2 4 2 2. - 0 - <_> - - <_> - 10 2 9 2 -1. - <_> - 13 2 3 2 3. - 0 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 6 1 1 9. - 0 - <_> - - <_> - 11 0 32 20 -1. - <_> - 19 0 16 20 2. - 0 - <_> - - <_> - 11 3 1 4 -1. - <_> - 11 5 1 2 2. - 0 - <_> - - <_> - 11 9 4 3 -1. - <_> - 12 9 2 3 2. - 0 - <_> - - <_> - 11 9 3 7 -1. - <_> - 12 9 1 7 3. - 0 - <_> - - <_> - 12 3 9 2 -1. - <_> - 15 3 3 2 3. - 0 - <_> - - <_> - 12 6 6 6 -1. - <_> - 14 6 2 6 3. - 0 - <_> - - <_> - 12 10 42 10 -1. - <_> - 26 10 14 10 3. - 0 - <_> - - <_> - 12 14 11 3 -1. - <_> - 12 15 11 1 3. - 0 - <_> - - <_> - 13 4 6 14 -1. - <_> - 15 4 2 14 3. - 0 - <_> - - <_> - 13 8 3 6 -1. - <_> - 14 8 1 6 3. - 0 - <_> - - <_> - 13 11 32 2 -1. - <_> - 21 11 16 2 2. - 0 - <_> - - <_> - 13 13 25 6 -1. - <_> - 13 16 25 3 2. - 0 - <_> - - <_> - 13 16 21 3 -1. - <_> - 20 16 7 3 3. - 0 - <_> - - <_> - 14 2 3 2 -1. - <_> - 15 2 1 2 3. - 0 - <_> - - <_> - 14 2 24 8 -1. - <_> - 20 2 12 8 2. - 0 - <_> - - <_> - 14 13 36 6 -1. - <_> - 23 13 18 6 2. - 0 - <_> - - <_> - 14 14 8 3 -1. - <_> - 14 15 8 1 3. - 0 - <_> - - <_> - 14 14 45 6 -1. - <_> - 14 17 45 3 2. - 0 - <_> - - <_> - 14 18 9 2 -1. - <_> - 17 18 3 2 3. - 0 - <_> - - <_> - 15 9 4 1 -1. - <_> - 16 9 2 1 2. - 0 - <_> - - <_> - 15 10 19 4 -1. - <_> - 15 12 19 2 2. - 0 - <_> - - <_> - 16 0 28 8 -1. - <_> - 16 2 28 4 2. - 0 - <_> - - <_> - 16 2 36 18 -1. - <_> - 28 2 12 18 3. - 0 - <_> - - <_> - 16 6 24 6 -1. - <_> - 22 6 12 6 2. - 0 - <_> - - <_> - 17 1 24 6 -1. - <_> - 17 3 24 2 3. - 0 - <_> - - <_> - 17 3 15 12 -1. - <_> - 22 7 5 4 9. - 0 - <_> - - <_> - 17 15 11 3 -1. - <_> - 17 16 11 1 3. - 0 - <_> - - <_> - 18 5 6 10 -1. - <_> - 20 5 2 10 3. - 0 - <_> - - <_> - 18 6 18 3 -1. - <_> - 24 6 6 3 3. - 0 - <_> - - <_> - 18 11 3 1 -1. - <_> - 19 11 1 1 3. - 0 - <_> - - <_> - 19 6 32 2 -1. - <_> - 27 6 16 2 2. - 0 - <_> - - <_> - 19 8 3 1 -1. - <_> - 20 8 1 1 3. - 0 - <_> - - <_> - 19 9 14 11 -1. - <_> - 26 9 7 11 2. - 0 - <_> - - <_> - 19 10 3 3 -1. - <_> - 20 10 1 3 3. - 0 - <_> - - <_> - 19 13 7 3 -1. - <_> - 19 14 7 1 3. - 0 - <_> - - <_> - 19 14 13 3 -1. - <_> - 19 15 13 1 3. - 0 - <_> - - <_> - 20 0 15 20 -1. - <_> - 25 0 5 20 3. - 0 - <_> - - <_> - 20 9 3 1 -1. - <_> - 21 9 1 1 3. - 0 - <_> - - <_> - 20 10 3 2 -1. - <_> - 21 10 1 2 3. - 0 - <_> - - <_> - 21 1 21 6 -1. - <_> - 21 3 21 2 3. - 0 - <_> - - <_> - 21 8 4 3 -1. - <_> - 22 8 2 3 2. - 0 - <_> - - <_> - 21 9 3 4 -1. - <_> - 22 9 1 4 3. - 0 - <_> - - <_> - 21 10 4 2 -1. - <_> - 22 10 2 2 2. - 0 - <_> - - <_> - 21 11 24 2 -1. - <_> - 27 11 12 2 2. - 0 - <_> - - <_> - 21 18 4 1 -1. - <_> - 22 18 2 1 2. - 0 - <_> - - <_> - 22 3 4 1 -1. - <_> - 23 3 2 1 2. - 0 - <_> - - <_> - 22 6 2 6 -1. - <_> - 22 6 1 3 2. - <_> - 23 9 1 3 2. - 0 - <_> - - <_> - 22 7 3 3 -1. - <_> - 23 8 1 1 9. - 0 - <_> - - <_> - 22 8 3 5 -1. - <_> - 23 8 1 5 3. - 0 - <_> - - <_> - 22 9 3 2 -1. - <_> - 23 9 1 2 3. - 0 - <_> - - <_> - 23 8 3 3 -1. - <_> - 24 8 1 3 3. - 0 - <_> - - <_> - 23 10 3 2 -1. - <_> - 24 10 1 2 3. - 0 - <_> - - <_> - 24 3 20 17 -1. - <_> - 29 3 10 17 2. - 0 - <_> - - <_> - 24 4 14 6 -1. - <_> - 31 4 7 6 2. - 0 - <_> - - <_> - 24 18 9 2 -1. - <_> - 27 18 3 2 3. - 0 - <_> - - <_> - 25 5 8 4 -1. - <_> - 25 5 4 4 2. - 1 - <_> - - <_> - 25 6 22 14 -1. - <_> - 36 6 11 14 2. - 0 - <_> - - <_> - 25 12 28 8 -1. - <_> - 25 14 28 4 2. - 0 - <_> - - <_> - 25 14 9 3 -1. - <_> - 25 15 9 1 3. - 0 - <_> - - <_> - 26 2 27 18 -1. - <_> - 35 2 9 18 3. - 0 - <_> - - <_> - 26 3 22 3 -1. - <_> - 26 4 22 1 3. - 0 - <_> - - <_> - 26 4 8 4 -1. - <_> - 30 4 4 4 2. - 0 - <_> - - <_> - 26 4 20 6 -1. - <_> - 31 4 10 6 2. - 0 - <_> - - <_> - 26 7 1 12 -1. - <_> - 22 11 1 4 3. - 1 - <_> - - <_> - 26 9 3 3 -1. - <_> - 27 9 1 3 3. - 0 - <_> - - <_> - 26 13 9 3 -1. - <_> - 26 14 9 1 3. - 0 - <_> - - <_> - 27 3 15 6 -1. - <_> - 32 3 5 6 3. - 0 - <_> - - <_> - 27 9 3 1 -1. - <_> - 28 9 1 1 3. - 0 - <_> - - <_> - 27 9 3 2 -1. - <_> - 28 9 1 2 3. - 0 - <_> - - <_> - 27 10 3 3 -1. - <_> - 28 10 1 3 3. - 0 - <_> - - <_> - 27 11 3 2 -1. - <_> - 28 11 1 2 3. - 0 - <_> - - <_> - 28 2 10 4 -1. - <_> - 28 2 10 2 2. - 1 - <_> - - <_> - 28 8 32 6 -1. - <_> - 28 10 32 2 3. - 0 - <_> - - <_> - 28 10 3 1 -1. - <_> - 29 10 1 1 3. - 0 - <_> - - <_> - 28 11 3 1 -1. - <_> - 29 11 1 1 3. - 0 - <_> - - <_> - 28 15 5 4 -1. - <_> - 28 16 5 2 2. - 0 - <_> - - <_> - 28 16 23 4 -1. - <_> - 28 17 23 2 2. - 0 - <_> - - <_> - 28 19 6 1 -1. - <_> - 30 19 2 1 3. - 0 - <_> - - <_> - 29 3 9 4 -1. - <_> - 32 3 3 4 3. - 0 - <_> - - <_> - 29 5 9 1 -1. - <_> - 32 5 3 1 3. - 0 - <_> - - <_> - 29 8 3 6 -1. - <_> - 30 8 1 6 3. - 0 - <_> - - <_> - 29 9 3 1 -1. - <_> - 30 9 1 1 3. - 0 - <_> - - <_> - 29 11 10 4 -1. - <_> - 29 13 10 2 2. - 0 - <_> - - <_> - 29 11 26 8 -1. - <_> - 29 13 26 4 2. - 0 - <_> - - <_> - 30 0 16 6 -1. - <_> - 30 3 16 3 2. - 0 - <_> - - <_> - 30 2 30 6 -1. - <_> - 30 2 15 3 2. - <_> - 45 5 15 3 2. - 0 - <_> - - <_> - 30 3 9 4 -1. - <_> - 33 3 3 4 3. - 0 - <_> - - <_> - 30 5 9 4 -1. - <_> - 30 6 9 2 2. - 0 - <_> - - <_> - 30 10 3 2 -1. - <_> - 31 10 1 2 3. - 0 - <_> - - <_> - 30 14 18 6 -1. - <_> - 36 14 6 6 3. - 0 - <_> - - <_> - 31 3 4 3 -1. - <_> - 32 3 2 3 2. - 0 - <_> - - <_> - 31 7 4 9 -1. - <_> - 32 7 2 9 2. - 0 - <_> - - <_> - 31 11 3 2 -1. - <_> - 32 11 1 2 3. - 0 - <_> - - <_> - 31 11 3 3 -1. - <_> - 32 11 1 3 3. - 0 - <_> - - <_> - 32 4 3 2 -1. - <_> - 33 4 1 2 3. - 0 - <_> - - <_> - 32 6 18 6 -1. - <_> - 32 6 9 3 2. - <_> - 41 9 9 3 2. - 0 - <_> - - <_> - 33 1 22 6 -1. - <_> - 33 4 22 3 2. - 0 - <_> - - <_> - 33 3 4 2 -1. - <_> - 34 3 2 2 2. - 0 - <_> - - <_> - 33 3 4 4 -1. - <_> - 34 3 2 4 2. - 0 - <_> - - <_> - 33 5 4 1 -1. - <_> - 34 5 2 1 2. - 0 - <_> - - <_> - 33 9 3 6 -1. - <_> - 34 9 1 6 3. - 0 - <_> - - <_> - 33 10 3 3 -1. - <_> - 34 10 1 3 3. - 0 - <_> - - <_> - 34 8 4 7 -1. - <_> - 35 8 2 7 2. - 0 - <_> - - <_> - 34 9 3 5 -1. - <_> - 35 9 1 5 3. - 0 - <_> - - <_> - 34 18 9 2 -1. - <_> - 37 18 3 2 3. - 0 - <_> - - <_> - 35 0 8 6 -1. - <_> - 37 0 4 6 2. - 0 - <_> - - <_> - 35 9 3 2 -1. - <_> - 36 9 1 2 3. - 0 - <_> - - <_> - 36 9 24 9 -1. - <_> - 42 9 12 9 2. - 0 - <_> - - <_> - 37 1 16 18 -1. - <_> - 41 1 8 18 2. - 0 - <_> - - <_> - 37 11 20 8 -1. - <_> - 42 11 10 8 2. - 0 - <_> - - <_> - 38 8 15 12 -1. - <_> - 38 12 15 4 3. - 0 - <_> - - <_> - 39 6 12 8 -1. - <_> - 45 6 6 8 2. - 0 - <_> - - <_> - 40 8 8 4 -1. - <_> - 40 8 8 2 2. - 1 - <_> - - <_> - 40 10 3 1 -1. - <_> - 41 10 1 1 3. - 0 - <_> - - <_> - 40 10 3 5 -1. - <_> - 41 10 1 5 3. - 0 - <_> - - <_> - 40 13 12 6 -1. - <_> - 43 13 6 6 2. - 0 - <_> - - <_> - 41 5 7 15 -1. - <_> - 41 10 7 5 3. - 0 - <_> - - <_> - 41 6 12 6 -1. - <_> - 45 6 4 6 3. - 0 - <_> - - <_> - 41 7 12 7 -1. - <_> - 45 7 4 7 3. - 0 - <_> - - <_> - 41 8 12 12 -1. - <_> - 45 8 4 12 3. - 0 - <_> - - <_> - 41 9 3 6 -1. - <_> - 42 9 1 6 3. - 0 - <_> - - <_> - 42 2 3 13 -1. - <_> - 43 2 1 13 3. - 0 - <_> - - <_> - 42 4 18 10 -1. - <_> - 42 4 9 5 2. - <_> - 51 9 9 5 2. - 0 - <_> - - <_> - 42 5 18 8 -1. - <_> - 42 5 9 4 2. - <_> - 51 9 9 4 2. - 0 - <_> - - <_> - 42 7 2 7 -1. - <_> - 43 7 1 7 2. - 0 - <_> - - <_> - 42 14 12 5 -1. - <_> - 46 14 4 5 3. - 0 - <_> - - <_> - 43 1 10 9 -1. - <_> - 40 4 10 3 3. - 1 - <_> - - <_> - 43 6 6 6 -1. - <_> - 43 9 6 3 2. - 0 - <_> - - <_> - 44 0 8 20 -1. - <_> - 46 0 4 20 2. - 0 - <_> - - <_> - 44 2 16 12 -1. - <_> - 44 2 8 6 2. - <_> - 52 8 8 6 2. - 0 - <_> - - <_> - 44 5 3 8 -1. - <_> - 45 5 1 8 3. - 0 - <_> - - <_> - 44 8 3 4 -1. - <_> - 45 8 1 4 3. - 0 - <_> - - <_> - 44 12 16 4 -1. - <_> - 52 12 8 4 2. - 0 - <_> - - <_> - 44 13 10 3 -1. - <_> - 49 13 5 3 2. - 0 - <_> - - <_> - 45 19 9 1 -1. - <_> - 48 19 3 1 3. - 0 - <_> - - <_> - 46 3 8 8 -1. - <_> - 50 3 4 8 2. - 0 - <_> - - <_> - 47 12 10 6 -1. - <_> - 52 12 5 6 2. - 0 - <_> - - <_> - 48 0 4 13 -1. - <_> - 49 0 2 13 2. - 0 - <_> - - <_> - 48 5 3 12 -1. - <_> - 45 8 3 6 2. - 1 - <_> - - <_> - 48 9 12 8 -1. - <_> - 54 9 6 8 2. - 0 - <_> - - <_> - 48 13 12 4 -1. - <_> - 54 13 6 4 2. - 0 - <_> - - <_> - 49 8 3 1 -1. - <_> - 50 8 1 1 3. - 0 - <_> - - <_> - 49 8 3 2 -1. - <_> - 50 8 1 2 3. - 0 - <_> - - <_> - 49 8 3 3 -1. - <_> - 50 8 1 3 3. - 0 - <_> - - <_> - 50 9 3 3 -1. - <_> - 51 10 1 1 9. - 0 - <_> - - <_> - 51 8 3 3 -1. - <_> - 52 8 1 3 3. - 0 - <_> - - <_> - 52 6 6 10 -1. - <_> - 54 6 2 10 3. - 0 - <_> - - <_> - 52 7 8 7 -1. - <_> - 56 7 4 7 2. - 0 - <_> - - <_> - 52 8 8 4 -1. - <_> - 52 8 8 2 2. - 1 - <_> - - <_> - 54 3 6 15 -1. - <_> - 57 3 3 15 2. - 0 - <_> - - <_> - 54 8 6 7 -1. - <_> - 57 8 3 7 2. - 0 - <_> - - <_> - 57 11 3 6 -1. - <_> - 57 13 3 2 3. - 0 - <_> - - <_> - 59 8 1 3 -1. - <_> - 59 9 1 1 3. - 0 - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_smile.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_smile.xml deleted file mode 100644 index bbdd896add..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_smile.xml +++ /dev/null @@ -1,6729 +0,0 @@ - - - -BOOST - HAAR - 18 - 36 - - 53 - - 0 - 20 - - <_> - 11 - -1.2678639888763428e+00 - - <_> - - 0 -1 0 -4.8783610691316426e-04 - - 5.9219348430633545e-01 -4.4163608551025391e-01 - <_> - - 0 -1 1 -4.2209611274302006e-04 - - 3.0318650603294373e-01 -3.2912918925285339e-01 - <_> - - 0 -1 2 -4.9940118333324790e-04 - - 4.8563310503959656e-01 -4.2923060059547424e-01 - <_> - - 0 -1 3 3.7289198487997055e-02 - - -2.8667300939559937e-01 5.9979999065399170e-01 - <_> - - 0 -1 4 1.4334049774333835e-03 - - -3.4893131256103516e-01 4.0482750535011292e-01 - <_> - - 0 -1 5 -7.7213020995259285e-03 - - 7.5714188814163208e-01 -1.2225949764251709e-01 - <_> - - 0 -1 6 8.1067271530628204e-03 - - -1.6657720506191254e-01 7.5096148252487183e-01 - <_> - - 0 -1 7 -7.7238711528480053e-03 - - 6.2662792205810547e-01 -1.9127459824085236e-01 - <_> - - 0 -1 8 4.4225031160749495e-04 - - -2.3944470286369324e-01 4.4840618968009949e-01 - <_> - - 0 -1 9 -1.6867710510268807e-03 - - -1.8439069390296936e-01 9.1782413423061371e-02 - <_> - - 0 -1 10 1.4625620096921921e-02 - - 1.6168059408664703e-01 -8.1501179933547974e-01 - <_> - 11 - -1.5844069719314575e+00 - - <_> - - 0 -1 11 3.8141138851642609e-02 - - -3.3275881409645081e-01 7.7833342552185059e-01 - <_> - - 0 -1 12 -1.3136120105627924e-04 - - 3.6353090405464172e-01 -3.2043468952178955e-01 - <_> - - 0 -1 13 -3.8757019210606813e-03 - - 7.1352392435073853e-01 -3.5185989737510681e-01 - <_> - - 0 -1 14 1.4266290236264467e-03 - - 6.8100847303867340e-02 -6.1727327108383179e-01 - <_> - - 0 -1 15 -2.4605958606116474e-04 - - 5.7271498441696167e-01 -3.7860998511314392e-01 - <_> - - 0 -1 16 -3.1822640448808670e-02 - - -6.3484561443328857e-01 1.1641839891672134e-01 - <_> - - 0 -1 17 -1.7130950465798378e-02 - - -6.2793147563934326e-01 3.2479470968246460e-01 - <_> - - 0 -1 18 -9.3903783708810806e-03 - - -2.7578958868980408e-01 2.2330729663372040e-01 - <_> - - 0 -1 19 2.2802520543336868e-03 - - 1.8977640569210052e-01 -6.8817621469497681e-01 - <_> - - 0 -1 20 2.6840099599212408e-03 - - -2.2350500524044037e-01 1.3725799322128296e-01 - <_> - - 0 -1 21 1.0604639537632465e-02 - - -2.1426230669021606e-01 5.6207871437072754e-01 - <_> - 17 - -1.3820559978485107e+00 - - <_> - - 0 -1 22 -3.1677199876867235e-04 - - 4.6595481038093567e-01 -3.7425819039344788e-01 - <_> - - 0 -1 23 -5.5120628327131271e-02 - - 5.4179787635803223e-01 -2.2657650709152222e-01 - <_> - - 0 -1 24 -6.4742640824988484e-04 - - 3.7703070044517517e-01 -3.3486440777778625e-01 - <_> - - 0 -1 25 3.9507839083671570e-01 - - -1.8144419789314270e-01 8.1325918436050415e-01 - <_> - - 0 -1 26 4.0509410202503204e-02 - - -9.5369413495063782e-02 8.0595618486404419e-01 - <_> - - 0 -1 27 4.8735421150922775e-03 - - -1.4023660123348236e-01 6.1643028259277344e-01 - <_> - - 0 -1 28 1.0578040033578873e-02 - - 1.2932670116424561e-01 -7.4823349714279175e-01 - <_> - - 0 -1 29 9.2986393719911575e-03 - - 5.8940600603818893e-02 -4.4107300043106079e-01 - <_> - - 0 -1 30 -5.0301607698202133e-03 - - -6.6309732198715210e-01 1.8104769289493561e-01 - <_> - - 0 -1 31 -1.0947990085696802e-04 - - 2.2112590074539185e-01 -2.7309039235115051e-01 - <_> - - 0 -1 32 -1.1685509979724884e-01 - - -7.7205967903137207e-01 1.2481659650802612e-01 - <_> - - 0 -1 33 -4.3603649828583002e-05 - - 1.3670609891414642e-01 -1.6127939522266388e-01 - <_> - - 0 -1 34 -1.5056360280141234e-04 - - 4.4860461354255676e-01 -2.1711289882659912e-01 - <_> - - 0 -1 35 -1.6394609585404396e-02 - - -6.5827351808547974e-01 1.6745500266551971e-01 - <_> - - 0 -1 36 -1.4482860453426838e-02 - - -6.8345147371292114e-01 1.3456159830093384e-01 - <_> - - 0 -1 37 3.9269471017178148e-05 - - -1.4998139441013336e-01 1.6017720103263855e-01 - <_> - - 0 -1 38 7.4323131702840328e-03 - - -1.6848459839820862e-01 5.3963989019393921e-01 - <_> - 18 - -1.3879380226135254e+00 - - <_> - - 0 -1 39 -4.3472499237395823e-04 - - 4.3949240446090698e-01 -4.2248758673667908e-01 - <_> - - 0 -1 40 3.2995320856571198e-02 - - -1.9798250496387482e-01 5.9534871578216553e-01 - <_> - - 0 -1 41 -4.1011828579939902e-04 - - 4.4403061270713806e-01 -3.0748468637466431e-01 - <_> - - 0 -1 42 -8.1969738006591797e-02 - - -5.3334367275238037e-01 1.6718100011348724e-01 - <_> - - 0 -1 43 1.7778700217604637e-02 - - -2.0450179278850555e-01 5.1444131135940552e-01 - <_> - - 0 -1 44 2.2834699600934982e-02 - - -1.4846070110797882e-01 5.6242787837982178e-01 - <_> - - 0 -1 45 3.8604341447353363e-02 - - -1.2731470167636871e-01 8.1494480371475220e-01 - <_> - - 0 -1 46 -7.3286908445879817e-04 - - -3.7193441390991211e-01 6.7616499960422516e-02 - <_> - - 0 -1 47 -2.3229040205478668e-02 - - 7.1232062578201294e-01 -1.1589390039443970e-01 - <_> - - 0 -1 48 -1.9575359299778938e-02 - - -6.8990731239318848e-01 1.3999509811401367e-01 - <_> - - 0 -1 49 4.1991271427832544e-04 - - -1.8354649841785431e-01 4.9435558915138245e-01 - <_> - - 0 -1 50 -5.7089749723672867e-02 - - 6.2607848644256592e-01 -7.8576847910881042e-02 - <_> - - 0 -1 51 2.5699699297547340e-02 - - 1.1557140201330185e-01 -8.1935191154479980e-01 - <_> - - 0 -1 52 3.2579619437456131e-02 - - -1.1767739802598953e-01 4.2776221036911011e-01 - <_> - - 0 -1 53 -2.0592249929904938e-02 - - 4.8685240745544434e-01 -2.1318539977073669e-01 - <_> - - 0 -1 54 -1.7485279589891434e-02 - - -5.2287340164184570e-01 1.3397049903869629e-01 - <_> - - 0 -1 55 8.9153228327631950e-04 - - 9.6304491162300110e-02 -6.8863070011138916e-01 - <_> - - 0 -1 56 5.7533901184797287e-02 - - -8.7080523371696472e-02 4.0480649471282959e-01 - <_> - 25 - -1.3538850545883179e+00 - - <_> - - 0 -1 57 -4.6606198884546757e-04 - - 4.2773741483688354e-01 -3.5420769453048706e-01 - <_> - - 0 -1 58 3.0554559826850891e-01 - - -1.6392810642719269e-01 8.6065232753753662e-01 - <_> - - 0 -1 59 -1.1449400335550308e-02 - - 5.9727329015731812e-01 -2.3234340548515320e-01 - <_> - - 0 -1 60 6.3891541212797165e-03 - - -1.2915410101413727e-01 6.1052042245864868e-01 - <_> - - 0 -1 61 -8.4334248676896095e-03 - - 4.7928538918495178e-01 -1.9002729654312134e-01 - <_> - - 0 -1 62 5.3808931261301041e-02 - - -1.1493770033121109e-01 5.3394538164138794e-01 - <_> - - 0 -1 63 -4.7580219688825309e-04 - - -3.4598541259765625e-01 2.5488048791885376e-01 - <_> - - 0 -1 64 -1.3450840197037905e-04 - - 2.2414590418338776e-01 -1.9550070166587830e-01 - <_> - - 0 -1 65 5.0016911700367928e-04 - - -1.9720549881458282e-01 4.9677640199661255e-01 - <_> - - 0 -1 66 1.5063269995152950e-02 - - 1.0630770027637482e-01 -4.1138210892677307e-01 - <_> - - 0 -1 67 7.7588870190083981e-03 - - -1.5373119711875916e-01 4.8931619524955750e-01 - <_> - - 0 -1 68 4.5410118997097015e-02 - - -7.3559306561946869e-02 2.7737921476364136e-01 - <_> - - 0 -1 69 -1.4599669724702835e-02 - - -7.0966827869415283e-01 9.7515560686588287e-02 - <_> - - 0 -1 70 1.7236070707440376e-02 - - 1.6869539394974709e-02 -5.7388329505920410e-01 - <_> - - 0 -1 71 1.4230710454285145e-02 - - 9.4714500010013580e-02 -7.8395259380340576e-01 - <_> - - 0 -1 72 -4.3706860393285751e-02 - - 6.0979652404785156e-01 -1.5601889789104462e-01 - <_> - - 0 -1 73 -6.2343222089111805e-04 - - 3.4851190447807312e-01 -2.1704910695552826e-01 - <_> - - 0 -1 74 1.9245050847530365e-02 - - -1.1710979789495468e-01 3.0701160430908203e-01 - <_> - - 0 -1 75 2.7035778760910034e-01 - - -9.0096436440944672e-02 7.6656961441040039e-01 - <_> - - 0 -1 76 -3.5394480801187456e-04 - - -2.0024789869785309e-01 1.2493360042572021e-01 - <_> - - 0 -1 77 -3.6013960838317871e-02 - - 6.7028558254241943e-01 -1.0571879893541336e-01 - <_> - - 0 -1 78 9.2952791601419449e-03 - - -1.0574710369110107e-01 4.5093879103660583e-01 - <_> - - 0 -1 79 -3.3304709359072149e-04 - - 2.7933821082115173e-01 -2.4576769769191742e-01 - <_> - - 0 -1 80 -2.9147620807634667e-05 - - 8.5813812911510468e-02 -9.5469586551189423e-02 - <_> - - 0 -1 81 4.4382669148035347e-04 - - -2.0220080018043518e-01 5.4543578624725342e-01 - <_> - 23 - -1.3707510232925415e+00 - - <_> - - 0 -1 82 7.9610757529735565e-03 - - -3.6722078919410706e-01 4.3154349923133850e-01 - <_> - - 0 -1 83 6.3394829630851746e-02 - - -2.0739710330963135e-01 5.7426017522811890e-01 - <_> - - 0 -1 84 -5.3193349391222000e-02 - - 7.2550922632217407e-01 -1.4342020452022552e-01 - <_> - - 0 -1 85 1.5460769645869732e-02 - - -9.6053816378116608e-02 7.5785237550735474e-01 - <_> - - 0 -1 86 -1.7643140628933907e-02 - - 6.6815620660781860e-01 -1.4176729321479797e-01 - <_> - - 0 -1 87 9.5065636560320854e-03 - - -9.6259742975234985e-02 4.6996331214904785e-01 - <_> - - 0 -1 88 4.0446049533784389e-03 - - -1.9732519984245300e-01 4.2838010191917419e-01 - <_> - - 0 -1 89 3.2312041148543358e-03 - - 1.1861690133810043e-01 -6.1039632558822632e-01 - <_> - - 0 -1 90 -4.0159050375223160e-02 - - -4.1664341092109680e-01 2.1672329306602478e-01 - <_> - - 0 -1 91 2.8524258732795715e-01 - - -1.0435750335454941e-01 8.5733968019485474e-01 - <_> - - 0 -1 92 -4.9264221452176571e-03 - - 4.7060468792915344e-01 -1.3997459411621094e-01 - <_> - - 0 -1 93 1.3781700283288956e-02 - - -1.2713569402694702e-01 4.4618919491767883e-01 - <_> - - 0 -1 94 -4.9873598618432879e-04 - - 4.7026631236076355e-01 -1.5483739972114563e-01 - <_> - - 0 -1 95 -1.5621389320585877e-04 - - 1.8854810297489166e-01 -7.7839776873588562e-02 - <_> - - 0 -1 96 -3.7597760092467070e-04 - - 5.7697701454162598e-01 -1.3356220722198486e-01 - <_> - - 0 -1 97 -1.0665910318493843e-02 - - -4.1065299510955811e-01 1.5562120079994202e-01 - <_> - - 0 -1 98 -3.4135230816900730e-03 - - -7.6363432407379150e-01 1.0209649801254272e-01 - <_> - - 0 -1 99 5.6471868447260931e-05 - - -1.6443930566310883e-01 2.2908419370651245e-01 - <_> - - 0 -1 100 2.1611599368043244e-04 - - -1.6290329396724701e-01 4.5756360888481140e-01 - <_> - - 0 -1 101 -1.0822719894349575e-02 - - -2.4462530016899109e-01 1.3888940215110779e-01 - <_> - - 0 -1 102 -1.5084910206496716e-02 - - -5.7813477516174316e-01 1.1564119905233383e-01 - <_> - - 0 -1 103 2.5715960189700127e-02 - - 3.9631199091672897e-02 -6.5270012617111206e-01 - <_> - - 0 -1 104 2.6093570049852133e-03 - - 1.1421889811754227e-01 -5.6801080703735352e-01 - <_> - 26 - -1.3303329944610596e+00 - - <_> - - 0 -1 105 -5.1861900836229324e-02 - - 7.0431172847747803e-01 -2.2143700718879700e-01 - <_> - - 0 -1 106 -5.0341628491878510e-02 - - -4.6397829055786133e-01 2.8047460317611694e-01 - <_> - - 0 -1 107 2.5709730386734009e-01 - - -1.3124279677867889e-01 8.2395941019058228e-01 - <_> - - 0 -1 108 1.1031899601221085e-02 - - -1.4258140325546265e-01 6.3823902606964111e-01 - <_> - - 0 -1 109 1.8565090373158455e-02 - - -1.5123879909515381e-01 5.9881192445755005e-01 - <_> - - 0 -1 110 1.7502350732684135e-02 - - -1.2619799375534058e-01 3.8178038597106934e-01 - <_> - - 0 -1 111 7.2723729535937309e-03 - - -1.5103289484977722e-01 5.8128422498703003e-01 - <_> - - 0 -1 112 8.1504750996828079e-03 - - -6.5464757382869720e-02 5.6397551298141479e-01 - <_> - - 0 -1 113 -1.8552739173173904e-02 - - 5.3157097101211548e-01 -1.2526570260524750e-01 - <_> - - 0 -1 114 -2.3101480677723885e-02 - - -6.7949390411376953e-01 1.1046259850263596e-01 - <_> - - 0 -1 115 -1.8539339362177998e-04 - - 3.0100038647651672e-01 -2.1206699311733246e-01 - <_> - - 0 -1 116 1.7319120466709137e-02 - - -9.3738131225109100e-02 2.1008560061454773e-01 - <_> - - 0 -1 117 1.4305620454251766e-02 - - 1.8005949258804321e-01 -3.9776718616485596e-01 - <_> - - 0 -1 118 2.5763340294361115e-02 - - 8.7056998163461685e-03 -6.2894952297210693e-01 - <_> - - 0 -1 119 -1.5383340418338776e-02 - - -5.3415471315383911e-01 1.0380730032920837e-01 - <_> - - 0 -1 120 1.0605469578877091e-03 - - -9.0128518640995026e-02 1.6792120039463043e-01 - <_> - - 0 -1 121 3.5230729263275862e-03 - - -1.7110690474510193e-01 3.2596540451049805e-01 - <_> - - 0 -1 122 -1.0789279825985432e-02 - - 3.6109921336174011e-01 -6.6339150071144104e-02 - <_> - - 0 -1 123 2.7950939536094666e-01 - - -7.4605897068977356e-02 7.3369878530502319e-01 - <_> - - 0 -1 124 3.8369540125131607e-03 - - 4.4873539358377457e-02 -1.8602700531482697e-01 - <_> - - 0 -1 125 1.6195949865505099e-03 - - -1.3922490179538727e-01 4.3437001109123230e-01 - <_> - - 0 -1 126 1.1647949926555157e-02 - - -7.4357591569423676e-02 5.4201442003250122e-01 - <_> - - 0 -1 127 -5.9066400863230228e-03 - - -7.0557588338851929e-01 8.6433619260787964e-02 - <_> - - 0 -1 128 3.9686840772628784e-01 - - -7.4898369610309601e-02 9.4062858819961548e-01 - <_> - - 0 -1 129 5.7663779705762863e-02 - - -9.6558406949043274e-02 5.4182428121566772e-01 - <_> - - 0 -1 130 6.0319568961858749e-02 - - -6.6501073539257050e-02 6.4023548364639282e-01 - <_> - 37 - -1.5300060510635376e+00 - - <_> - - 0 -1 131 1.9050249829888344e-02 - - -4.4433408975601196e-01 4.3948569893836975e-01 - <_> - - 0 -1 132 -2.0198300480842590e-02 - - -3.1706219911575317e-01 1.0432930290699005e-01 - <_> - - 0 -1 133 2.1478030830621719e-02 - - -3.5024839639663696e-01 2.6355370879173279e-01 - <_> - - 0 -1 134 -1.0187759995460510e-01 - - -5.9889578819274902e-01 1.7685799300670624e-01 - <_> - - 0 -1 135 1.0974160395562649e-02 - - -1.4895239472389221e-01 6.0115218162536621e-01 - <_> - - 0 -1 136 -1.1476710438728333e-02 - - 4.0665709972381592e-01 -1.2404689937829971e-01 - <_> - - 0 -1 137 -2.3431150242686272e-02 - - -7.1487832069396973e-01 1.4278119802474976e-01 - <_> - - 0 -1 138 1.4963559806346893e-03 - - -1.7045859992504120e-01 1.7193080484867096e-01 - <_> - - 0 -1 139 -5.4855772759765387e-04 - - 3.1553238630294800e-01 -2.1444450318813324e-01 - <_> - - 0 -1 140 7.4912630021572113e-02 - - 9.1240562498569489e-02 -6.3951212167739868e-01 - <_> - - 0 -1 141 6.8816398270428181e-03 - - -1.4904409646987915e-01 4.7952368855476379e-01 - <_> - - 0 -1 142 -3.8212578743696213e-02 - - 5.2887737751007080e-01 -6.1894729733467102e-02 - <_> - - 0 -1 143 4.4051730073988438e-03 - - -1.1934129893779755e-01 5.0613421201705933e-01 - <_> - - 0 -1 144 2.3966899141669273e-02 - - -8.9720509946346283e-02 3.3152779936790466e-01 - <_> - - 0 -1 145 -3.4162990748882294e-02 - - 5.3134781122207642e-01 -1.4666500687599182e-01 - <_> - - 0 -1 146 1.9642219413071871e-03 - - 9.0783588588237762e-02 -4.3032559752464294e-01 - <_> - - 0 -1 147 9.6757910796441138e-05 - - 2.2552539408206940e-01 -2.8220710158348083e-01 - <_> - - 0 -1 148 -3.2862399239093065e-03 - - 4.0515020489692688e-01 -1.1776199936866760e-01 - <_> - - 0 -1 149 1.1688309721648693e-02 - - -9.1857127845287323e-02 6.2834888696670532e-01 - <_> - - 0 -1 150 -6.0287420637905598e-03 - - 3.9261808991432190e-01 -1.2287150323390961e-01 - <_> - - 0 -1 151 -1.3721340335905552e-02 - - -5.5298799276351929e-01 9.1041281819343567e-02 - <_> - - 0 -1 152 7.5626641511917114e-02 - - -4.4929590076208115e-02 1.7442759871482849e-01 - <_> - - 0 -1 153 9.3434482812881470e-02 - - -8.4593951702117920e-02 6.0131162405014038e-01 - <_> - - 0 -1 154 5.8748829178512096e-03 - - -4.4131498783826828e-02 3.9565709233283997e-01 - <_> - - 0 -1 155 4.0064537897706032e-03 - - -1.1414399743080139e-01 3.7925380468368530e-01 - <_> - - 0 -1 156 2.2945459932088852e-02 - - 2.4673189967870712e-02 -4.1521999239921570e-01 - <_> - - 0 -1 157 -1.2810460291802883e-02 - - -5.1557427644729614e-01 9.1319613158702850e-02 - <_> - - 0 -1 158 2.0425529778003693e-01 - - -6.5927542746067047e-02 7.5942492485046387e-01 - <_> - - 0 -1 159 4.9796327948570251e-03 - - 1.0806279629468918e-01 -5.0016272068023682e-01 - <_> - - 0 -1 160 2.8397630900144577e-02 - - -3.7152960896492004e-02 5.4010647535324097e-01 - <_> - - 0 -1 161 6.0867150314152241e-03 - - -1.1978609859943390e-01 3.5692268610000610e-01 - <_> - - 0 -1 162 -2.1456899412441999e-04 - - 1.8740150332450867e-01 -8.8417202234268188e-02 - <_> - - 0 -1 163 2.8941858909092844e-04 - - -1.2597979605197906e-01 3.9982271194458008e-01 - <_> - - 0 -1 164 -1.3047619722783566e-03 - - 1.5499970316886902e-01 -7.5386047363281250e-02 - <_> - - 0 -1 165 -1.2975010089576244e-02 - - -5.5344110727310181e-01 8.2354247570037842e-02 - <_> - - 0 -1 166 7.7442410401999950e-03 - - 2.7699800208210945e-02 -3.4835991263389587e-01 - <_> - - 0 -1 167 2.4850629270076752e-03 - - -1.2976129353046417e-01 3.7908831238746643e-01 - <_> - 21 - -1.4114329814910889e+00 - - <_> - - 0 -1 168 -4.0386881679296494e-02 - - 5.9603548049926758e-01 -3.5741761326789856e-01 - <_> - - 0 -1 169 -6.6068649175576866e-05 - - 4.4628980755805969e-01 -3.5959470272064209e-01 - <_> - - 0 -1 170 3.7622239906340837e-03 - - 1.7947019636631012e-01 -7.5631511211395264e-01 - <_> - - 0 -1 171 -3.0967719852924347e-02 - - -2.8847050666809082e-01 7.6870530843734741e-02 - <_> - - 0 -1 172 3.0566560104489326e-02 - - 1.4003600180149078e-01 -7.1755367517471313e-01 - <_> - - 0 -1 173 9.9054910242557526e-04 - - 8.2915589213371277e-02 -2.9197171330451965e-01 - <_> - - 0 -1 174 1.2577700428664684e-02 - - 1.5380719304084778e-01 -4.6882930397987366e-01 - <_> - - 0 -1 175 1.2392920255661011e-01 - - -9.0823858976364136e-02 7.3837572336196899e-01 - <_> - - 0 -1 176 3.7737488746643066e-01 - - -5.4232951253652573e-02 9.2291218042373657e-01 - <_> - - 0 -1 177 1.0996370017528534e-01 - - 9.1596268117427826e-02 -6.5977168083190918e-01 - <_> - - 0 -1 178 -1.2721329694613814e-03 - - 3.3475750684738159e-01 -1.8290689587593079e-01 - <_> - - 0 -1 179 4.6906251460313797e-02 - - -8.3971053361892700e-02 6.9847589731216431e-01 - <_> - - 0 -1 180 3.2869930146262050e-04 - - 1.8794630467891693e-01 -2.9290059208869934e-01 - <_> - - 0 -1 181 1.7333080177195370e-04 - - -2.6964160799980164e-01 3.4947571158409119e-01 - <_> - - 0 -1 182 1.9800959154963493e-02 - - -1.4679229259490967e-01 4.3995618820190430e-01 - <_> - - 0 -1 183 2.0056760695297271e-04 - - -1.3727410137653351e-01 2.2213310003280640e-01 - <_> - - 0 -1 184 -1.4923149719834328e-03 - - 3.4735259413719177e-01 -1.5948210656642914e-01 - <_> - - 0 -1 185 -4.2736999603221193e-05 - - 3.1527870893478394e-01 -2.3066949844360352e-01 - <_> - - 0 -1 186 6.6625140607357025e-04 - - -2.0131100714206696e-01 2.8691890835762024e-01 - <_> - - 0 -1 187 1.3850460163666867e-05 - - -2.0219239592552185e-01 2.3073309659957886e-01 - <_> - - 0 -1 188 4.0972631424665451e-02 - - 7.9543180763721466e-02 -8.0795639753341675e-01 - <_> - 23 - -1.3777890205383301e+00 - - <_> - - 0 -1 189 -4.6982929110527039e-02 - - 7.0822530984878540e-01 -3.7034240365028381e-01 - <_> - - 0 -1 190 -7.5753079727292061e-04 - - -1.2550309300422668e-01 1.3944420218467712e-01 - <_> - - 0 -1 191 1.5327299945056438e-02 - - 2.1613539755344391e-01 -5.6293952465057373e-01 - <_> - - 0 -1 192 1.8147040158510208e-02 - - -3.2079648226499557e-02 3.2347559928894043e-01 - <_> - - 0 -1 193 4.7347191721200943e-02 - - -1.7381580173969269e-01 5.7580447196960449e-01 - <_> - - 0 -1 194 -5.9837941080331802e-02 - - 4.7797870635986328e-01 -1.0260280221700668e-01 - <_> - - 0 -1 195 -5.2796799689531326e-02 - - -4.7988489270210266e-01 1.8787759542465210e-01 - <_> - - 0 -1 196 -2.4385429918766022e-02 - - -3.0841669440269470e-01 8.7605630978941917e-03 - <_> - - 0 -1 197 2.5288300588726997e-02 - - 1.3914039731025696e-01 -7.1094942092895508e-01 - <_> - - 0 -1 198 -2.1612450480461121e-02 - - -2.3282539844512939e-01 8.0994680523872375e-02 - <_> - - 0 -1 199 3.4023479092866182e-03 - - -2.2989900410175323e-01 3.7889510393142700e-01 - <_> - - 0 -1 200 1.1274600028991699e-01 - - -1.5474709682166576e-02 5.7030540704727173e-01 - <_> - - 0 -1 201 3.4516870975494385e-02 - - -1.2300080060958862e-01 5.6775367259979248e-01 - <_> - - 0 -1 202 7.8984811902046204e-02 - - -1.4242169260978699e-01 4.6941858530044556e-01 - <_> - - 0 -1 203 -1.5377859584987164e-02 - - 6.3946861028671265e-01 -1.1236190050840378e-01 - <_> - - 0 -1 204 -2.2373620595317334e-04 - - 5.5583298206329346e-01 -2.7247580885887146e-01 - <_> - - 0 -1 205 -2.4762390181422234e-02 - - -5.0404858589172363e-01 1.4077790081501007e-01 - <_> - - 0 -1 206 -9.4061157142277807e-05 - - 3.7195280194282532e-01 -2.2502990067005157e-01 - <_> - - 0 -1 207 -2.0256359130144119e-02 - - 5.1051008701324463e-01 -1.4298759400844574e-01 - <_> - - 0 -1 208 4.8122879117727280e-02 - - -6.6979512572288513e-02 3.6622309684753418e-01 - <_> - - 0 -1 209 -2.3787800222635269e-02 - - 5.0813251733779907e-01 -1.2908150255680084e-01 - <_> - - 0 -1 210 -1.0520319920033216e-03 - - -1.5604670345783234e-01 6.6213317215442657e-02 - <_> - - 0 -1 211 -2.6640200521796942e-03 - - -7.2545582056045532e-01 8.2365453243255615e-02 - <_> - 25 - -1.3266400098800659e+00 - - <_> - - 0 -1 212 -5.0224620848894119e-02 - - 7.0845657587051392e-01 -2.5585499405860901e-01 - <_> - - 0 -1 213 1.4072869904339314e-02 - - 6.3033178448677063e-02 -5.9838529676198959e-02 - <_> - - 0 -1 214 1.7804009839892387e-02 - - 1.9414719939231873e-01 -5.8444267511367798e-01 - <_> - - 0 -1 215 1.3046739995479584e-01 - - -1.1516980081796646e-01 8.5040301084518433e-01 - <_> - - 0 -1 216 1.7506800591945648e-02 - - -2.0718969404697418e-01 4.6438288688659668e-01 - <_> - - 0 -1 217 -7.4240020476281643e-03 - - -6.6565167903900146e-01 1.4034989476203918e-01 - <_> - - 0 -1 218 -3.4571118652820587e-02 - - 6.5112978219985962e-01 -1.4901919662952423e-01 - <_> - - 0 -1 219 4.2270249687135220e-03 - - -1.6027219826355577e-03 3.8956061005592346e-01 - <_> - - 0 -1 220 -5.0662040710449219e-02 - - 5.8035767078399658e-01 -1.5141439437866211e-01 - <_> - - 0 -1 221 -7.0715770125389099e-03 - - 5.3008967638015747e-01 -1.4498309791088104e-01 - <_> - - 0 -1 222 -1.1863510124385357e-02 - - 6.7297422885894775e-01 -1.1063549667596817e-01 - <_> - - 0 -1 223 -6.0520030558109283e-02 - - -3.3164489269256592e-01 2.1195560693740845e-01 - <_> - - 0 -1 224 -7.7340779826045036e-03 - - -6.9414401054382324e-01 7.2705313563346863e-02 - <_> - - 0 -1 225 -3.2486140727996826e-02 - - -5.1850819587707520e-01 5.9212621301412582e-02 - <_> - - 0 -1 226 8.3279706537723541e-02 - - 1.2067940086126328e-01 -5.3095632791519165e-01 - <_> - - 0 -1 227 7.8782817581668496e-04 - - -2.7376559376716614e-01 2.7162519097328186e-01 - <_> - - 0 -1 228 -1.7539180815219879e-02 - - -5.6902301311492920e-01 1.2287370115518570e-01 - <_> - - 0 -1 229 -5.8226347900927067e-03 - - 4.3865859508514404e-01 -1.4937420189380646e-01 - <_> - - 0 -1 230 -1.0057560168206692e-02 - - -6.6168862581253052e-01 1.1445429921150208e-01 - <_> - - 0 -1 231 9.0345427393913269e-02 - - -6.6665247082710266e-02 2.8706479072570801e-01 - <_> - - 0 -1 232 -6.7587293684482574e-02 - - -5.3637611865997314e-01 1.1237519979476929e-01 - <_> - - 0 -1 233 -8.1747528165578842e-03 - - 4.4342419505119324e-01 -1.2977659702301025e-01 - <_> - - 0 -1 234 -1.1550550349056721e-02 - - 3.2731580734252930e-01 -1.7007610201835632e-01 - <_> - - 0 -1 235 -1.7406829283572733e-04 - - 1.3278679549694061e-01 -1.0812939703464508e-01 - <_> - - 0 -1 236 4.6040047891438007e-03 - - -1.2265820056200027e-01 4.4125801324844360e-01 - <_> - 17 - -1.4497200250625610e+00 - - <_> - - 0 -1 237 -4.6943280845880508e-02 - - 6.0943442583084106e-01 -2.6378008723258972e-01 - <_> - - 0 -1 238 -1.6899159527383745e-04 - - 1.6658750176429749e-01 -1.2541960179805756e-01 - <_> - - 0 -1 239 2.7983370237052441e-03 - - 1.9057449698448181e-01 -6.5680772066116333e-01 - <_> - - 0 -1 240 4.0413960814476013e-03 - - -1.7317469418048859e-01 6.3620752096176147e-01 - <_> - - 0 -1 241 -8.6033362895250320e-03 - - 6.0258418321609497e-01 -2.3169369995594025e-01 - <_> - - 0 -1 242 8.8247945532202721e-03 - - -1.7565830051898956e-01 7.1041667461395264e-01 - <_> - - 0 -1 243 -9.2786159366369247e-03 - - -6.8908572196960449e-01 1.7896500229835510e-01 - <_> - - 0 -1 244 6.0826768167316914e-03 - - -1.7063720524311066e-01 5.3757482767105103e-01 - <_> - - 0 -1 245 -3.9007369428873062e-02 - - -6.8346357345581055e-01 1.4417080581188202e-01 - <_> - - 0 -1 246 -7.0337951183319092e-02 - - -6.5085667371749878e-01 1.0085479915142059e-01 - <_> - - 0 -1 247 3.3166699111461639e-02 - - -1.9325719773769379e-01 4.7798651456832886e-01 - <_> - - 0 -1 248 7.5288906693458557e-02 - - -6.9567732512950897e-02 4.1250649094581604e-01 - <_> - - 0 -1 249 -7.0501729846000671e-02 - - 7.1573007106781006e-01 -1.0222700238227844e-01 - <_> - - 0 -1 250 1.2249490246176720e-02 - - -1.0612429678440094e-01 6.2959581613540649e-01 - <_> - - 0 -1 251 7.0644676685333252e-02 - - -9.7374632954597473e-02 6.7622041702270508e-01 - <_> - - 0 -1 252 1.6248880326747894e-01 - - 5.2713360637426376e-02 -8.4946572780609131e-01 - <_> - - 0 -1 253 1.3808250427246094e-01 - - 1.4064790308475494e-01 -4.7647210955619812e-01 - <_> - 20 - -1.4622910022735596e+00 - - <_> - - 0 -1 254 -4.1882339864969254e-02 - - -8.0774527788162231e-01 2.6409670710563660e-01 - <_> - - 0 -1 255 -5.3622990846633911e-02 - - 5.5807042121887207e-01 -2.4989689886569977e-01 - <_> - - 0 -1 256 9.3709938228130341e-03 - - 2.6501700282096863e-01 -5.9906947612762451e-01 - <_> - - 0 -1 257 1.3909730128943920e-02 - - -1.4709180593490601e-01 7.3546671867370605e-01 - <_> - - 0 -1 258 1.9003570079803467e-02 - - -1.8875110149383545e-01 7.4874222278594971e-01 - <_> - - 0 -1 259 5.9199850074946880e-03 - - -1.5995639562606812e-01 5.6735777854919434e-01 - <_> - - 0 -1 260 -2.4705139920115471e-02 - - 7.5569921731948853e-01 -1.2350880354642868e-01 - <_> - - 0 -1 261 1.6058359295129776e-02 - - -1.2824609875679016e-01 5.1294547319412231e-01 - <_> - - 0 -1 262 8.8288700208067894e-03 - - -1.6866639256477356e-01 6.1521852016448975e-01 - <_> - - 0 -1 263 1.7556339502334595e-02 - - -1.0901699960231781e-01 5.8031761646270752e-01 - <_> - - 0 -1 264 4.2188119143247604e-02 - - 1.4866240322589874e-01 -6.9222331047058105e-01 - <_> - - 0 -1 265 5.0687207840383053e-04 - - 3.1580869108438492e-02 -3.7009951472282410e-01 - <_> - - 0 -1 266 2.7651190757751465e-03 - - -2.1337540447711945e-01 4.7043010592460632e-01 - <_> - - 0 -1 267 -1.2231520377099514e-03 - - -7.8189671039581299e-01 2.0954260602593422e-02 - <_> - - 0 -1 268 8.5432287305593491e-03 - - -1.4553520083427429e-01 6.7895042896270752e-01 - <_> - - 0 -1 269 -2.0657219283748418e-04 - - 2.4376240372657776e-01 -6.7558802664279938e-02 - <_> - - 0 -1 270 -4.6798270195722580e-03 - - 6.6841697692871094e-01 -1.3887880742549896e-01 - <_> - - 0 -1 271 1.2201759964227676e-01 - - 1.1028160154819489e-01 -7.5307422876358032e-01 - <_> - - 0 -1 272 2.0404340699315071e-02 - - 1.6453839838504791e-01 -5.2231621742248535e-01 - <_> - - 0 -1 273 8.0343370791524649e-04 - - -1.3012850284576416e-01 2.6358529925346375e-01 - <_> - 28 - -1.3885619640350342e+00 - - <_> - - 0 -1 274 7.2791710495948792e-02 - - -1.3727900385856628e-01 8.2915747165679932e-01 - <_> - - 0 -1 275 7.5939209200441837e-03 - - -1.6780120134353638e-01 5.6839722394943237e-01 - <_> - - 0 -1 276 -2.3562390357255936e-02 - - 6.5005600452423096e-01 -1.4245350658893585e-01 - <_> - - 0 -1 277 1.7392950132489204e-02 - - -1.5291449427604675e-01 3.4253540635108948e-01 - <_> - - 0 -1 278 7.1825802326202393e-02 - - -9.9131137132644653e-02 8.2796788215637207e-01 - <_> - - 0 -1 279 1.3673800043761730e-02 - - -4.1787270456552505e-02 5.0781482458114624e-01 - <_> - - 0 -1 280 -2.8585959225893021e-02 - - 7.0115321874618530e-01 -1.3144710659980774e-01 - <_> - - 0 -1 281 -4.1845720261335373e-04 - - 2.8454670310020447e-01 -3.1232029199600220e-01 - <_> - - 0 -1 282 -5.2095681428909302e-02 - - 4.1812941431999207e-01 -1.6993130743503571e-01 - <_> - - 0 -1 283 3.2256329432129860e-03 - - -9.0466208755970001e-02 3.0086231231689453e-01 - <_> - - 0 -1 284 3.4771639853715897e-02 - - -8.4216788411140442e-02 7.8016638755798340e-01 - <_> - - 0 -1 285 -1.3356630224734545e-03 - - 3.3164530992507935e-01 -1.6960920393466949e-01 - <_> - - 0 -1 286 2.5101980566978455e-01 - - -1.3920469582080841e-01 6.6338932514190674e-01 - <_> - - 0 -1 287 -9.9689997732639313e-03 - - -3.7138170003890991e-01 1.2900120019912720e-01 - <_> - - 0 -1 288 1.4303729869425297e-02 - - 1.5729199349880219e-01 -5.0938212871551514e-01 - <_> - - 0 -1 289 -7.0856059901416302e-03 - - 4.6567910909652710e-01 -6.6270820796489716e-02 - <_> - - 0 -1 290 -4.6260809176601470e-04 - - 2.9337310791015625e-01 -2.3339860141277313e-01 - <_> - - 0 -1 291 -3.4435480833053589e-02 - - 7.0024740695953369e-01 -1.0133510082960129e-01 - <_> - - 0 -1 292 -7.2570890188217163e-03 - - -5.6286412477493286e-01 1.3148620724678040e-01 - <_> - - 0 -1 293 4.8352940939366817e-04 - - 2.6227489113807678e-02 -2.6050800085067749e-01 - <_> - - 0 -1 294 -1.2999939732253551e-02 - - 5.3117001056671143e-01 -1.2023050338029861e-01 - <_> - - 0 -1 295 -1.0009329998865724e-03 - - 3.9641299843788147e-01 -1.5995159745216370e-01 - <_> - - 0 -1 296 4.1314200498163700e-03 - - -1.4929920434951782e-01 4.2959120869636536e-01 - <_> - - 0 -1 297 8.7364455685019493e-03 - - -1.1271020025014877e-01 4.9456471204757690e-01 - <_> - - 0 -1 298 2.6352869463153183e-04 - - -1.2124919891357422e-01 4.9439379572868347e-01 - <_> - - 0 -1 299 -5.3885959088802338e-02 - - 7.0355987548828125e-01 -1.3230550102889538e-02 - <_> - - 0 -1 300 4.2885672301054001e-03 - - -1.7540550231933594e-01 3.5679468512535095e-01 - <_> - - 0 -1 301 7.9539399594068527e-03 - - -9.9884003400802612e-02 3.1371670961380005e-01 - <_> - 53 - -1.2766569852828979e+00 - - <_> - - 0 -1 302 5.6752368807792664e-02 - - -3.2576480507850647e-01 3.7375938892364502e-01 - <_> - - 0 -1 303 7.0906039327383041e-03 - - -1.3918629288673401e-01 1.5039840340614319e-01 - <_> - - 0 -1 304 -4.1298821568489075e-02 - - 4.7026079893112183e-01 -1.6179360449314117e-01 - <_> - - 0 -1 305 4.7750189900398254e-01 - - -1.0061579942703247e-01 7.6350742578506470e-01 - <_> - - 0 -1 306 4.2266491055488586e-01 - - -3.5190910100936890e-02 8.3031260967254639e-01 - <_> - - 0 -1 307 -3.3031899482011795e-02 - - -3.7505549192428589e-01 4.8902619630098343e-02 - <_> - - 0 -1 308 1.1923770216526464e-04 - - -2.6614668965339661e-01 2.2346520423889160e-01 - <_> - - 0 -1 309 4.2101400904357433e-03 - - 8.7575968354940414e-03 -5.9383517503738403e-01 - <_> - - 0 -1 310 3.3337279455736279e-04 - - -2.1227659285068512e-01 2.4735039472579956e-01 - <_> - - 0 -1 311 1.1793890036642551e-02 - - -6.8997949361801147e-02 5.8980828523635864e-01 - <_> - - 0 -1 312 -1.1432079970836639e-01 - - -7.7333682775497437e-01 6.2862291932106018e-02 - <_> - - 0 -1 313 8.2401007413864136e-02 - - 1.6825279220938683e-02 -6.1700117588043213e-01 - <_> - - 0 -1 314 1.8126150593161583e-02 - - 9.9533468484878540e-02 -3.8309159874916077e-01 - <_> - - 0 -1 315 8.9282449334859848e-03 - - -1.0109739750623703e-01 2.9483050107955933e-01 - <_> - - 0 -1 316 -1.7437100410461426e-02 - - 4.6149870753288269e-01 -1.0506360232830048e-01 - <_> - - 0 -1 317 -1.1280310340225697e-02 - - 4.5611649751663208e-01 -1.0131160169839859e-01 - <_> - - 0 -1 318 7.0190089754760265e-03 - - -1.3686269521713257e-01 4.1732659935951233e-01 - <_> - - 0 -1 319 -3.2439709175378084e-03 - - 2.3216480016708374e-01 -1.7915369570255280e-01 - <_> - - 0 -1 320 3.5615891218185425e-01 - - -4.8626810312271118e-02 9.5373457670211792e-01 - <_> - - 0 -1 321 3.8440749049186707e-03 - - -1.0288280248641968e-01 3.6717781424522400e-01 - <_> - - 0 -1 322 6.0950029641389847e-02 - - 5.6141741573810577e-02 -6.4585697650909424e-01 - <_> - - 0 -1 323 1.8149229884147644e-01 - - 3.0806390568614006e-02 -4.6048960089683533e-01 - <_> - - 0 -1 324 -9.2359259724617004e-02 - - -4.5248210430145264e-01 8.8152237236499786e-02 - <_> - - 0 -1 325 7.6072998344898224e-03 - - -9.7122326493263245e-02 2.1552249789237976e-01 - <_> - - 0 -1 326 -4.6946710790507495e-04 - - -4.0893718600273132e-01 8.0042190849781036e-02 - <_> - - 0 -1 327 1.0301820293534547e-04 - - -1.1530359834432602e-01 2.7955350279808044e-01 - <_> - - 0 -1 328 2.7936851256527007e-04 - - -1.1396100372076035e-01 2.9316601157188416e-01 - <_> - - 0 -1 329 2.4675959348678589e-01 - - -3.8595631718635559e-02 8.2649981975555420e-01 - <_> - - 0 -1 330 -8.4232958033680916e-03 - - 3.2995969057083130e-01 -1.1645369976758957e-01 - <_> - - 0 -1 331 -4.2311567813158035e-03 - - 2.7142119407653809e-01 -1.0811480134725571e-01 - <_> - - 0 -1 332 1.5653009759262204e-03 - - 7.8253783285617828e-02 -5.2097660303115845e-01 - <_> - - 0 -1 333 -5.0341398455202579e-03 - - 2.9488059878349304e-01 -4.6960510313510895e-02 - <_> - - 0 -1 334 1.4283140189945698e-03 - - -1.3794599473476410e-01 2.4323709309101105e-01 - <_> - - 0 -1 335 1.9031369686126709e-01 - - -5.2093509584665298e-02 6.8708032369613647e-01 - <_> - - 0 -1 336 8.1368777900934219e-03 - - -5.3311519324779510e-02 5.8272719383239746e-01 - <_> - - 0 -1 337 -4.6728368848562241e-02 - - 3.5525360703468323e-01 -1.7806259915232658e-02 - <_> - - 0 -1 338 1.4317169785499573e-02 - - -1.2626640498638153e-01 2.6961010694503784e-01 - <_> - - 0 -1 339 -9.6109732985496521e-02 - - 3.4117481112480164e-01 -3.9217609912157059e-02 - <_> - - 0 -1 340 7.4878811836242676e-02 - - -6.4819902181625366e-02 5.6711381673812866e-01 - <_> - - 0 -1 341 -5.1972299843328074e-05 - - 2.8742098808288574e-01 -1.6428899765014648e-01 - <_> - - 0 -1 342 -2.0099039829801768e-04 - - 2.6590210199356079e-01 -1.2990359961986542e-01 - <_> - - 0 -1 343 1.5583490021526814e-02 - - 3.6322619765996933e-02 -8.8743317127227783e-01 - <_> - - 0 -1 344 6.7313341423869133e-03 - - 1.6281859576702118e-01 -1.9716200232505798e-01 - <_> - - 0 -1 345 -4.5251410454511642e-02 - - -2.0315009355545044e-01 1.5734089910984039e-01 - <_> - - 0 -1 346 2.8729529003612697e-04 - - -1.2449590116739273e-01 2.5658228993415833e-01 - <_> - - 0 -1 347 -2.1028579212725163e-03 - - -5.0887292623519897e-01 3.4083180129528046e-02 - <_> - - 0 -1 348 -3.9328099228441715e-03 - - -3.3933758735656738e-01 9.3055568635463715e-02 - <_> - - 0 -1 349 3.1205590348690748e-03 - - -2.2794060409069061e-02 2.3793530464172363e-01 - <_> - - 0 -1 350 7.8028678894042969e-02 - - -4.4503621757030487e-02 6.7763942480087280e-01 - <_> - - 0 -1 351 4.2476978152990341e-02 - - 9.2582106590270996e-02 -3.5363018512725830e-01 - <_> - - 0 -1 352 -2.5768300518393517e-02 - - -9.0919911861419678e-01 2.6692839339375496e-02 - <_> - - 0 -1 353 6.1444669961929321e-02 - - -2.4954399093985558e-02 7.2120499610900879e-01 - <_> - - 0 -1 354 3.5776318982243538e-03 - - 1.7728990316390991e-01 -1.9723449647426605e-01 - <_> - 38 - -1.4061349630355835e+00 - - <_> - - 0 -1 355 2.8585961461067200e-01 - - -1.5396049618721008e-01 6.6246771812438965e-01 - <_> - - 0 -1 356 9.2271259054541588e-03 - - -1.0746339708566666e-01 4.3118068575859070e-01 - <_> - - 0 -1 357 2.2924109362065792e-03 - - -1.9830130040645599e-01 3.8422289490699768e-01 - <_> - - 0 -1 358 1.4004509896039963e-02 - - -1.9249489903450012e-01 3.4424918889999390e-01 - <_> - - 0 -1 359 9.6023201942443848e-02 - - 1.2990599870681763e-01 -6.0653048753738403e-01 - <_> - - 0 -1 360 6.1803720891475677e-03 - - -1.9046460092067719e-01 1.8918620049953461e-01 - <_> - - 0 -1 361 8.2172285765409470e-03 - - -2.5182679295539856e-01 2.6644590497016907e-01 - <_> - - 0 -1 362 -1.4542760327458382e-03 - - 2.7102690935134888e-01 -1.2041489779949188e-01 - <_> - - 0 -1 363 3.0185449868440628e-03 - - -1.3538609445095062e-01 4.7336030006408691e-01 - <_> - - 0 -1 364 -3.4214779734611511e-03 - - -5.0499719381332397e-01 1.0424809902906418e-01 - <_> - - 0 -1 365 9.5980763435363770e-03 - - -1.0347290337085724e-01 5.8372837305068970e-01 - <_> - - 0 -1 366 4.1849957779049873e-03 - - 5.8896709233522415e-02 -4.6232289075851440e-01 - <_> - - 0 -1 367 -4.6107750385999680e-03 - - 3.7835618853569031e-01 -1.2590229511260986e-01 - <_> - - 0 -1 368 2.8978679329156876e-03 - - -1.3699549436569214e-01 2.5951480865478516e-01 - <_> - - 0 -1 369 4.2606070637702942e-03 - - 8.8233962655067444e-02 -6.3902848958969116e-01 - <_> - - 0 -1 370 -4.2996238917112350e-03 - - -7.9539728164672852e-01 1.7093559727072716e-02 - <_> - - 0 -1 371 3.5423618555068970e-01 - - -5.9345040470361710e-02 8.5579198598861694e-01 - <_> - - 0 -1 372 -3.0245838570408523e-04 - - 3.1470650434494019e-01 -1.4486099779605865e-01 - <_> - - 0 -1 373 2.7169490233063698e-02 - - -1.2492950260639191e-01 4.2809039354324341e-01 - <_> - - 0 -1 374 3.4571529831737280e-03 - - 3.9709329605102539e-02 -7.0891571044921875e-01 - <_> - - 0 -1 375 2.1742798853665590e-03 - - 6.5872453153133392e-02 -6.9496941566467285e-01 - <_> - - 0 -1 376 2.5263810530304909e-02 - - -1.1693959683179855e-01 1.9049769639968872e-01 - <_> - - 0 -1 377 -2.4720989167690277e-02 - - -4.9657958745956421e-01 1.0175380110740662e-01 - <_> - - 0 -1 378 1.0384880006313324e-02 - - -1.1486739665269852e-01 3.3741530776023865e-01 - <_> - - 0 -1 379 5.0045028328895569e-03 - - -1.0963550209999084e-01 3.9255198836326599e-01 - <_> - - 0 -1 380 7.1279620751738548e-03 - - -6.4908191561698914e-02 4.0420401096343994e-01 - <_> - - 0 -1 381 1.9700419157743454e-02 - - -7.9375877976417542e-02 5.3082340955734253e-01 - <_> - - 0 -1 382 4.2097331024706364e-03 - - 4.0797021239995956e-02 -6.0440987348556519e-01 - <_> - - 0 -1 383 4.4459570199251175e-03 - - -1.0386230051517487e-01 4.0935981273651123e-01 - <_> - - 0 -1 384 -5.9610428288578987e-03 - - -5.2914947271347046e-01 8.0539450049400330e-02 - <_> - - 0 -1 385 5.7519221445545554e-04 - - 6.3804402947425842e-02 -5.8636617660522461e-01 - <_> - - 0 -1 386 6.0524851083755493e-02 - - -3.3712800592184067e-02 2.6311159133911133e-01 - <_> - - 0 -1 387 -1.0353810153901577e-02 - - -4.7920021414756775e-01 8.0043956637382507e-02 - <_> - - 0 -1 388 -2.2777510806918144e-02 - - -3.1162750720977783e-01 1.1899980157613754e-01 - <_> - - 0 -1 389 -2.2468879818916321e-02 - - -6.6083461046218872e-01 5.2234489470720291e-02 - <_> - - 0 -1 390 5.8432162040844560e-04 - - 5.4630339145660400e-02 -4.6395659446716309e-01 - <_> - - 0 -1 391 -3.6177870351821184e-03 - - 6.7447042465209961e-01 -5.8789528906345367e-02 - <_> - - 0 -1 392 3.0088860541582108e-02 - - 3.3133521676063538e-02 -4.6461370587348938e-01 - <_> - 40 - -1.3384460210800171e+00 - - <_> - - 0 -1 393 -7.2600990533828735e-02 - - 6.3907092809677124e-01 -1.5124550461769104e-01 - <_> - - 0 -1 394 3.4712558984756470e-01 - - -7.9024657607078552e-02 7.9550421237945557e-01 - <_> - - 0 -1 395 3.4297230839729309e-01 - - -1.2300959974527359e-01 6.5728098154067993e-01 - <_> - - 0 -1 396 3.5616940259933472e-01 - - -5.3733438253402710e-02 8.2851082086563110e-01 - <_> - - 0 -1 397 6.0840700753033161e-03 - - -1.2847210466861725e-01 3.3822679519653320e-01 - <_> - - 0 -1 398 -1.6281309945043176e-04 - - 3.0356609821319580e-01 -2.5182029604911804e-01 - <_> - - 0 -1 399 1.1281900107860565e-02 - - -8.3914346992969513e-02 4.3475928902626038e-01 - <_> - - 0 -1 400 7.4357059784233570e-03 - - -6.7088037729263306e-02 3.7227979302406311e-01 - <_> - - 0 -1 401 -9.0576216578483582e-02 - - -5.8319610357284546e-01 8.0146759748458862e-02 - <_> - - 0 -1 402 8.8247694075107574e-03 - - 1.2901930510997772e-01 -4.7603130340576172e-01 - <_> - - 0 -1 403 -2.6147770695388317e-03 - - -4.0002208948135376e-01 1.1246310174465179e-01 - <_> - - 0 -1 404 -2.5541300419718027e-04 - - 3.2386159896850586e-01 -2.3331870138645172e-01 - <_> - - 0 -1 405 2.6547629386186600e-02 - - 7.2333872318267822e-02 -5.8378398418426514e-01 - <_> - - 0 -1 406 -5.1383141428232193e-02 - - -2.2446189820766449e-01 4.0949739515781403e-02 - <_> - - 0 -1 407 3.3701129723340273e-03 - - -1.6717089712619781e-01 2.5526970624923706e-01 - <_> - - 0 -1 408 -2.2581920493394136e-03 - - -9.2079228162765503e-01 3.4371060319244862e-03 - <_> - - 0 -1 409 -1.3282749569043517e-04 - - 1.8573220074176788e-01 -2.2498969733715057e-01 - <_> - - 0 -1 410 -2.8032590635120869e-03 - - -8.5897541046142578e-01 4.6384520828723907e-02 - <_> - - 0 -1 411 1.3141379458829761e-03 - - 7.9627066850662231e-02 -4.6105968952178955e-01 - <_> - - 0 -1 412 6.3884541392326355e-02 - - -5.3440149873495102e-02 8.1045001745223999e-01 - <_> - - 0 -1 413 -1.9811019301414490e-03 - - -6.3825148344039917e-01 7.6643556356430054e-02 - <_> - - 0 -1 414 1.3359859585762024e-02 - - -9.5037549734115601e-02 6.2533348798751831e-02 - <_> - - 0 -1 415 -1.0935300088021904e-04 - - 1.7479540407657623e-01 -2.2876030206680298e-01 - <_> - - 0 -1 416 1.1910630390048027e-02 - - -7.7041983604431152e-02 5.0458377599716187e-01 - <_> - - 0 -1 417 2.3951700329780579e-01 - - -6.5122887492179871e-02 5.0420749187469482e-01 - <_> - - 0 -1 418 3.9831408858299255e-01 - - -2.9999820515513420e-02 7.9685479402542114e-01 - <_> - - 0 -1 419 6.1875800602138042e-03 - - -8.5339173674583435e-02 3.9451768994331360e-01 - <_> - - 0 -1 420 -9.4047123566269875e-03 - - -4.3441331386566162e-01 8.2619100809097290e-02 - <_> - - 0 -1 421 1.1736630462110043e-02 - - 6.9483160972595215e-02 -4.8706498742103577e-01 - <_> - - 0 -1 422 -1.5176770277321339e-02 - - -5.8541208505630493e-01 3.2879561185836792e-02 - <_> - - 0 -1 423 3.0744259711354971e-03 - - -1.3146080076694489e-01 2.5466740131378174e-01 - <_> - - 0 -1 424 2.9391339048743248e-03 - - -1.0860230028629303e-01 2.7834960818290710e-01 - <_> - - 0 -1 425 2.1510310471057892e-03 - - -1.5750579535961151e-01 2.0877860486507416e-01 - <_> - - 0 -1 426 5.3775361739099026e-03 - - -1.3207030296325684e-01 3.7672939896583557e-01 - <_> - - 0 -1 427 2.2174179553985596e-02 - - -9.0180292725563049e-02 4.1575270891189575e-01 - <_> - - 0 -1 428 -1.9948610570281744e-03 - - 2.5608581304550171e-01 -9.9084928631782532e-02 - <_> - - 0 -1 429 3.1557559967041016e-02 - - 7.4188999831676483e-02 -5.4940229654312134e-01 - <_> - - 0 -1 430 -4.3111158447572961e-05 - - 3.0324628949165344e-01 -1.7781810462474823e-01 - <_> - - 0 -1 431 -3.2675920519977808e-03 - - -6.7212432622909546e-01 5.9188328683376312e-02 - <_> - - 0 -1 432 4.2293380829505622e-04 - - -1.1034099757671356e-01 1.2573179602622986e-01 - <_> - 45 - -1.2722699642181396e+00 - - <_> - - 0 -1 433 -4.2562019079923630e-02 - - 3.3346658945083618e-01 -2.9861980676651001e-01 - <_> - - 0 -1 434 4.1827198863029480e-01 - - -9.5138698816299438e-02 7.5709921121597290e-01 - <_> - - 0 -1 435 -2.0256379619240761e-02 - - 4.7783890366554260e-01 -1.4592100679874420e-01 - <_> - - 0 -1 436 -1.8948309123516083e-02 - - -3.8727501034736633e-01 5.2479889243841171e-02 - <_> - - 0 -1 437 -4.0550589561462402e-02 - - 5.4646247625350952e-01 -8.1399857997894287e-02 - <_> - - 0 -1 438 5.1872748136520386e-01 - - -2.7930539101362228e-02 8.4580981731414795e-01 - <_> - - 0 -1 439 2.0713619887828827e-01 - - -5.8850869536399841e-02 7.9601562023162842e-01 - <_> - - 0 -1 440 8.1972572952508926e-03 - - -9.9966369569301605e-02 4.9831560254096985e-01 - <_> - - 0 -1 441 1.7445389181375504e-02 - - 6.8040959537029266e-02 -5.6699818372726440e-01 - <_> - - 0 -1 442 -5.6310281157493591e-02 - - -6.8628042936325073e-01 7.4222557246685028e-02 - <_> - - 0 -1 443 1.8095560371875763e-01 - - -5.2808128297328949e-02 8.4483182430267334e-01 - <_> - - 0 -1 444 -2.3450690787285566e-03 - - 2.8396940231323242e-01 -1.1123369634151459e-01 - <_> - - 0 -1 445 3.8937770295888186e-03 - - 6.5499313175678253e-02 -5.7920962572097778e-01 - <_> - - 0 -1 446 3.9383721741614863e-05 - - -3.0930471420288086e-01 4.2237108945846558e-01 - <_> - - 0 -1 447 3.3899158239364624e-02 - - 3.0707539990544319e-02 -7.2299808263778687e-01 - <_> - - 0 -1 448 -3.3644389361143112e-02 - - 4.2664441466331482e-01 -7.2005778551101685e-02 - <_> - - 0 -1 449 3.8807760924100876e-02 - - -4.1713520884513855e-02 6.5995568037033081e-01 - <_> - - 0 -1 450 -3.9149548683781177e-05 - - 4.9335500597953796e-01 -2.4260109663009644e-01 - <_> - - 0 -1 451 -2.7580570895224810e-04 - - 1.7910109460353851e-01 -2.1925190091133118e-01 - <_> - - 0 -1 452 1.2636659666895866e-02 - - -7.1233622729778290e-02 2.5342619419097900e-01 - <_> - - 0 -1 453 -3.3681739587336779e-03 - - 3.3100861310958862e-01 -1.0207779705524445e-01 - <_> - - 0 -1 454 -4.1184529662132263e-02 - - -4.7871989011764526e-01 2.7444809675216675e-02 - <_> - - 0 -1 455 1.7285279929637909e-02 - - -2.3733820021152496e-01 1.5414300560951233e-01 - <_> - - 0 -1 456 -5.8373320847749710e-02 - - 3.6355251073837280e-01 -6.2911927700042725e-02 - <_> - - 0 -1 457 2.5229319930076599e-02 - - -9.4345822930335999e-02 4.3224421143531799e-01 - <_> - - 0 -1 458 4.7925519756972790e-03 - - 4.8664271831512451e-02 -4.7046890854835510e-01 - <_> - - 0 -1 459 -1.3549529830925167e-04 - - 1.9361880421638489e-01 -1.9338470697402954e-01 - <_> - - 0 -1 460 -1.7969410866498947e-02 - - 2.9000860452651978e-01 -5.4545279592275620e-02 - <_> - - 0 -1 461 1.1141040362417698e-02 - - -1.0802250355482101e-01 3.3327960968017578e-01 - <_> - - 0 -1 462 3.9759509265422821e-02 - - 1.9240869209170341e-02 -4.8899960517883301e-01 - <_> - - 0 -1 463 -2.2652709856629372e-02 - - -5.0369280576705933e-01 8.0773733556270599e-02 - <_> - - 0 -1 464 1.0915650054812431e-03 - - 6.5554052591323853e-02 -2.4443879723548889e-01 - <_> - - 0 -1 465 6.8754747509956360e-02 - - 8.9196808636188507e-02 -3.5653901100158691e-01 - <_> - - 0 -1 466 -3.3071058988571167e-01 - - 4.6495699882507324e-01 -5.8183699846267700e-02 - <_> - - 0 -1 467 -1.9307229667901993e-02 - - -4.4157180190086365e-01 8.3050116896629333e-02 - <_> - - 0 -1 468 3.4808758646249771e-02 - - 5.3480580449104309e-02 -5.0377398729324341e-01 - <_> - - 0 -1 469 -3.8908151327632368e-04 - - 3.4271261096000671e-01 -8.9923180639743805e-02 - <_> - - 0 -1 470 -2.1421869751065969e-03 - - -6.0642802715301514e-01 5.5589240044355392e-02 - <_> - - 0 -1 471 1.1015810072422028e-01 - - -5.4774720221757889e-02 6.8780910968780518e-01 - <_> - - 0 -1 472 3.0875208904035389e-04 - - -5.5834218859672546e-02 9.3168236315250397e-02 - <_> - - 0 -1 473 2.1960400044918060e-03 - - 5.3955748677253723e-02 -6.0503059625625610e-01 - <_> - - 0 -1 474 -1.2606250122189522e-02 - - -4.6864029765129089e-01 5.9943869709968567e-02 - <_> - - 0 -1 475 -2.7497899718582630e-03 - - 2.8942531347274780e-01 -1.1297850310802460e-01 - <_> - - 0 -1 476 6.0962641239166260e-01 - - -4.7885991632938385e-02 5.9465491771697998e-01 - <_> - - 0 -1 477 4.5023251324892044e-02 - - 6.3831068575382233e-02 -5.2956801652908325e-01 - <_> - 44 - -1.3022350072860718e+00 - - <_> - - 0 -1 478 1.5907280147075653e-02 - - -3.8192328810691833e-01 2.9411768913269043e-01 - <_> - - 0 -1 479 -3.0483009293675423e-02 - - 6.4014548063278198e-01 -1.1338239908218384e-01 - <_> - - 0 -1 480 2.5841239839792252e-02 - - -1.7654690146446228e-01 2.5563400983810425e-01 - <_> - - 0 -1 481 1.2160619720816612e-02 - - -4.9461990594863892e-02 3.4733989834785461e-01 - <_> - - 0 -1 482 -1.5910159796476364e-02 - - 4.7966769337654114e-01 -1.3009509444236755e-01 - <_> - - 0 -1 483 3.5282061435282230e-04 - - -3.4184929728507996e-01 2.3091129958629608e-01 - <_> - - 0 -1 484 6.7633582511916757e-04 - - -1.5432509779930115e-01 2.6687300205230713e-01 - <_> - - 0 -1 485 -5.9936139732599258e-02 - - -4.8802581429481506e-01 9.3327447772026062e-02 - <_> - - 0 -1 486 -1.1342409998178482e-01 - - -6.5771442651748657e-01 5.9166818857192993e-02 - <_> - - 0 -1 487 -4.3361280113458633e-03 - - -1.5936520695686340e-01 5.0237040966749191e-02 - <_> - - 0 -1 488 -1.8627740209922194e-03 - - 3.0730259418487549e-01 -1.2540669739246368e-01 - <_> - - 0 -1 489 1.2653009966015816e-02 - - -1.0044930130243301e-01 3.7496179342269897e-01 - <_> - - 0 -1 490 6.9118577241897583e-01 - - -4.7146409749984741e-02 8.3212441205978394e-01 - <_> - - 0 -1 491 -2.6093868655152619e-04 - - 3.1987738609313965e-01 -2.7183309197425842e-01 - <_> - - 0 -1 492 -7.6345056295394897e-02 - - 4.3091300129890442e-01 -9.0888269245624542e-02 - <_> - - 0 -1 493 2.8098300099372864e-03 - - 5.8731120079755783e-02 -6.1996752023696899e-01 - <_> - - 0 -1 494 -1.3322039740160108e-04 - - 2.0000059902667999e-01 -2.0120109617710114e-01 - <_> - - 0 -1 495 -1.3717629946768284e-02 - - -7.3095452785491943e-01 2.7178529649972916e-02 - <_> - - 0 -1 496 -6.2303808517754078e-03 - - -5.4780989885330200e-01 6.8749949336051941e-02 - <_> - - 0 -1 497 4.9922719597816467e-02 - - -4.7304309904575348e-02 8.2423102855682373e-01 - <_> - - 0 -1 498 -1.9126719562336802e-03 - - -5.3940171003341675e-01 7.7447593212127686e-02 - <_> - - 0 -1 499 1.1384560493752360e-03 - - -9.6537686884403229e-02 1.5485690534114838e-01 - <_> - - 0 -1 500 -2.4732090532779694e-03 - - 3.5590788722038269e-01 -9.3169830739498138e-02 - <_> - - 0 -1 501 -7.1464257780462503e-04 - - 1.4520190656185150e-01 -7.4194207787513733e-02 - <_> - - 0 -1 502 -2.0437149330973625e-02 - - 4.4163769483566284e-01 -8.0942437052726746e-02 - <_> - - 0 -1 503 -4.0483791381120682e-03 - - -5.9992778301239014e-01 3.3025380223989487e-02 - <_> - - 0 -1 504 1.1148050427436829e-02 - - -1.1358329653739929e-01 3.2644999027252197e-01 - <_> - - 0 -1 505 9.8842009902000427e-03 - - 5.5404480546712875e-02 -3.2730978727340698e-01 - <_> - - 0 -1 506 3.1296359375119209e-03 - - 7.7408656477928162e-02 -4.5953071117401123e-01 - <_> - - 0 -1 507 2.9721839819103479e-03 - - -1.2917269766330719e-01 1.5523110330104828e-01 - <_> - - 0 -1 508 2.0554479211568832e-02 - - 8.7600469589233398e-02 -4.5774188637733459e-01 - <_> - - 0 -1 509 -2.3027280345559120e-02 - - 3.5488089919090271e-01 -2.0566919818520546e-02 - <_> - - 0 -1 510 -8.3903772756457329e-03 - - -4.3240728974342346e-01 9.2067979276180267e-02 - <_> - - 0 -1 511 -1.1431539896875620e-03 - - 3.9591339230537415e-01 -2.3192889988422394e-02 - <_> - - 0 -1 512 -4.9133709399029613e-04 - - 4.2749640345573425e-01 -8.5524216294288635e-02 - <_> - - 0 -1 513 5.1292928401380777e-04 - - -1.6196739673614502e-01 1.9614970684051514e-01 - <_> - - 0 -1 514 -5.8478871360421181e-03 - - -5.9116369485855103e-01 6.2448240816593170e-02 - <_> - - 0 -1 515 -9.4133049249649048e-02 - - 4.7701609134674072e-01 -5.6710161268711090e-02 - <_> - - 0 -1 516 1.0079269850393757e-04 - - -1.6257099807262421e-01 2.1402290463447571e-01 - <_> - - 0 -1 517 3.2930231100181118e-05 - - -1.8596050143241882e-01 1.9647690653800964e-01 - <_> - - 0 -1 518 -1.1743210052372888e-04 - - 3.1821349263191223e-01 -1.3287380337715149e-01 - <_> - - 0 -1 519 1.2751810252666473e-01 - - 3.0140079557895660e-02 -7.4110358953475952e-01 - <_> - - 0 -1 520 8.0326296389102936e-02 - - 4.1555039584636688e-02 -8.2636839151382446e-01 - <_> - - 0 -1 521 1.6904190415516496e-03 - - -1.0290619730949402e-01 2.9724180698394775e-01 - <_> - 47 - -1.1933319568634033e+00 - - <_> - - 0 -1 522 -4.6122789382934570e-02 - - 4.4252589344978333e-01 -2.9913198947906494e-01 - <_> - - 0 -1 523 3.6723318696022034e-01 - - -6.3011750578880310e-02 7.7125382423400879e-01 - <_> - - 0 -1 524 -3.0962929595261812e-03 - - 3.5142418742179871e-01 -1.7306439578533173e-01 - <_> - - 0 -1 525 9.2647131532430649e-03 - - -1.6072809696197510e-01 1.8532909452915192e-01 - <_> - - 0 -1 526 3.1748649198561907e-03 - - -1.9688999652862549e-01 2.4097280204296112e-01 - <_> - - 0 -1 527 8.0439839512109756e-03 - - 8.9862972497940063e-02 -3.6552259325981140e-01 - <_> - - 0 -1 528 3.2752490043640137e-01 - - -5.6879680603742599e-02 7.7493369579315186e-01 - <_> - - 0 -1 529 -1.9074430689215660e-02 - - -2.8953808546066284e-01 6.2291670590639114e-02 - <_> - - 0 -1 530 -2.0501749590039253e-02 - - -6.2625300884246826e-01 6.8276971578598022e-02 - <_> - - 0 -1 531 5.3187010053079575e-05 - - -2.5149559974670410e-01 2.6131960749626160e-01 - <_> - - 0 -1 532 3.3275580499321222e-03 - - -1.1990779638290405e-01 3.6519300937652588e-01 - <_> - - 0 -1 533 5.8408430777490139e-03 - - -8.2748517394065857e-02 2.3650820553302765e-01 - <_> - - 0 -1 534 -4.6462330967187881e-02 - - -6.9285649061203003e-01 7.8197672963142395e-02 - <_> - - 0 -1 535 -3.7785700988024473e-03 - - 3.4372571110725403e-01 -1.0275450348854065e-01 - <_> - - 0 -1 536 1.6655459767207503e-03 - - -1.1605279892683029e-01 3.7162029743194580e-01 - <_> - - 0 -1 537 -5.7107670727418736e-05 - - 4.5893669128417969e-01 -2.1236430108547211e-01 - <_> - - 0 -1 538 -9.0066380798816681e-03 - - -5.9533411264419556e-01 8.0876402556896210e-02 - <_> - - 0 -1 539 -1.3789710402488708e-01 - - 3.9570671319961548e-01 -8.9885376393795013e-02 - <_> - - 0 -1 540 5.7599872350692749e-01 - - -5.3810819983482361e-02 8.1703948974609375e-01 - <_> - - 0 -1 541 -2.3918158840388060e-03 - - 1.3933740556240082e-01 -4.2155928909778595e-02 - <_> - - 0 -1 542 2.4896071408875287e-04 - - -1.4858660101890564e-01 2.6263329386711121e-01 - <_> - - 0 -1 543 3.3062491565942764e-02 - - 3.0659910291433334e-02 -3.2318601012229919e-01 - <_> - - 0 -1 544 4.4321879744529724e-02 - - 4.7853820025920868e-02 -7.8135901689529419e-01 - <_> - - 0 -1 545 -1.8718190491199493e-02 - - 1.2012620270252228e-01 -1.1211469769477844e-01 - <_> - - 0 -1 546 9.2309370636940002e-02 - - 4.2463079094886780e-02 -8.0097001791000366e-01 - <_> - - 0 -1 547 9.0665437281131744e-02 - - -2.2304529324173927e-02 1.2847979366779327e-01 - <_> - - 0 -1 548 -5.8294929563999176e-02 - - -3.9368540048599243e-01 9.5482140779495239e-02 - <_> - - 0 -1 549 4.6649780124425888e-03 - - -6.5641947090625763e-02 3.6407178640365601e-01 - <_> - - 0 -1 550 5.2480432204902172e-03 - - 6.8765781819820404e-02 -5.0508302450180054e-01 - <_> - - 0 -1 551 2.5315659586340189e-03 - - -9.3347169458866119e-02 1.6496129333972931e-01 - <_> - - 0 -1 552 2.4391160695813596e-04 - - -1.8885439634323120e-01 1.6956700384616852e-01 - <_> - - 0 -1 553 -6.3037211075425148e-03 - - 3.8263529539108276e-01 -5.9042099863290787e-02 - <_> - - 0 -1 554 2.2754059173166752e-03 - - -1.2248820066452026e-01 2.8283658623695374e-01 - <_> - - 0 -1 555 -2.7694869041442871e-01 - - 4.8514971137046814e-01 -4.0482539683580399e-02 - <_> - - 0 -1 556 5.8051547966897488e-03 - - -8.3558417856693268e-02 4.2151498794555664e-01 - <_> - - 0 -1 557 2.4654529988765717e-03 - - -1.2816859781742096e-01 2.0776629447937012e-01 - <_> - - 0 -1 558 7.8863510861992836e-03 - - -1.7197540402412415e-01 2.0790819823741913e-01 - <_> - - 0 -1 559 -1.1817130260169506e-02 - - -5.7880669832229614e-01 5.8959141373634338e-02 - <_> - - 0 -1 560 -6.4139917492866516e-02 - - -6.3689261674880981e-01 4.1797500103712082e-02 - <_> - - 0 -1 561 -1.2179970508441329e-03 - - 2.3568700253963470e-01 -8.0515258014202118e-02 - <_> - - 0 -1 562 2.8652620967477560e-03 - - -9.3137197196483612e-02 3.9025950431823730e-01 - <_> - - 0 -1 563 -5.7746102102100849e-03 - - -5.7539868354797363e-01 5.9677690267562866e-02 - <_> - - 0 -1 564 6.5377086400985718e-02 - - 3.4166071563959122e-02 -7.4253422021865845e-01 - <_> - - 0 -1 565 1.6265710815787315e-02 - - 5.3654260933399200e-02 -2.3658609390258789e-01 - <_> - - 0 -1 566 2.2717609535902739e-03 - - 5.3359109908342361e-02 -5.4940742254257202e-01 - <_> - - 0 -1 567 2.2626020014286041e-01 - - -4.2046058923006058e-02 7.7912521362304688e-01 - <_> - - 0 -1 568 -2.9377460479736328e-02 - - -5.9470587968826294e-01 5.4817870259284973e-02 - - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - <_> - - <_> - 34 10 2 8 -1. - <_> - 34 14 2 4 2. - <_> - - <_> - 0 10 2 8 -1. - <_> - 0 14 2 4 2. - <_> - - <_> - 15 0 18 10 -1. - <_> - 24 0 9 5 2. - <_> - 15 5 9 5 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 0 2 4 2. - 1 - <_> - - <_> - 15 5 6 4 -1. - <_> - 15 6 6 2 2. - <_> - - <_> - 13 6 8 3 -1. - <_> - 13 7 8 1 3. - <_> - - <_> - 14 6 8 4 -1. - <_> - 14 7 8 2 2. - <_> - - <_> - 0 10 2 8 -1. - <_> - 0 14 2 4 2. - <_> - - <_> - 34 0 2 16 -1. - <_> - 35 0 1 8 2. - <_> - 34 8 1 8 2. - <_> - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - <_> - - <_> - 4 7 28 3 -1. - <_> - 11 7 14 3 2. - <_> - - <_> - 34 0 2 2 -1. - <_> - 34 1 2 1 2. - <_> - - <_> - 0 12 4 6 -1. - <_> - 0 15 4 3 2. - <_> - - <_> - 34 0 2 2 -1. - <_> - 34 1 2 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 17 5 9 12 -1. - <_> - 20 5 3 12 3. - <_> - - <_> - 10 5 9 12 -1. - <_> - 13 5 3 12 3. - <_> - - <_> - 4 0 32 1 -1. - <_> - 4 0 16 1 2. - <_> - - <_> - 0 0 3 3 -1. - <_> - 1 0 1 3 3. - <_> - - <_> - 32 7 4 7 -1. - <_> - 33 8 2 7 2. - 1 - <_> - - <_> - 7 0 8 6 -1. - <_> - 7 0 4 3 2. - <_> - 11 3 4 3 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 27 1 8 9 -1. - <_> - 29 3 4 9 2. - 1 - <_> - - <_> - 1 10 1 8 -1. - <_> - 1 14 1 4 2. - <_> - - <_> - 3 6 30 9 -1. - <_> - 13 9 10 3 9. - <_> - - <_> - 12 5 8 6 -1. - <_> - 12 7 8 2 3. - <_> - - <_> - 16 4 6 3 -1. - <_> - 16 5 6 1 3. - <_> - - <_> - 0 0 2 18 -1. - <_> - 0 0 1 9 2. - <_> - 1 9 1 9 2. - <_> - - <_> - 34 2 2 14 -1. - <_> - 35 2 1 7 2. - <_> - 34 9 1 7 2. - <_> - - <_> - 0 2 2 14 -1. - <_> - 0 2 1 7 2. - <_> - 1 9 1 7 2. - <_> - - <_> - 35 0 1 4 -1. - <_> - 35 2 1 2 2. - <_> - - <_> - 5 0 24 18 -1. - <_> - 5 0 12 9 2. - <_> - 17 9 12 9 2. - <_> - - <_> - 35 16 1 2 -1. - <_> - 35 17 1 1 2. - <_> - - <_> - 0 16 1 2 -1. - <_> - 0 17 1 1 2. - <_> - - <_> - 17 6 8 12 -1. - <_> - 19 6 4 12 2. - <_> - - <_> - 11 5 8 13 -1. - <_> - 13 5 4 13 2. - <_> - - <_> - 35 16 1 2 -1. - <_> - 35 17 1 1 2. - <_> - - <_> - 10 9 12 3 -1. - <_> - 10 10 12 1 3. - <_> - - <_> - 0 10 1 8 -1. - <_> - 0 14 1 4 2. - <_> - - <_> - 20 0 10 10 -1. - <_> - 25 0 5 5 2. - <_> - 20 5 5 5 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 19 0 13 18 -1. - <_> - 19 9 13 9 2. - <_> - - <_> - 4 0 14 6 -1. - <_> - 4 0 7 3 2. - <_> - 11 3 7 3 2. - <_> - - <_> - 16 5 6 6 -1. - <_> - 16 7 6 2 3. - <_> - - <_> - 13 7 7 8 -1. - <_> - 13 9 7 4 2. - <_> - - <_> - 33 0 3 1 -1. - <_> - 34 0 1 1 3. - <_> - - <_> - 7 1 10 4 -1. - <_> - 6 2 10 2 2. - 1 - <_> - - <_> - 15 2 6 16 -1. - <_> - 18 2 3 8 2. - <_> - 15 10 3 8 2. - <_> - - <_> - 0 10 1 8 -1. - <_> - 0 14 1 4 2. - <_> - - <_> - 27 4 6 6 -1. - <_> - 29 6 2 6 3. - 1 - <_> - - <_> - 14 5 8 8 -1. - <_> - 16 5 4 8 2. - <_> - - <_> - 27 5 6 6 -1. - <_> - 29 7 2 6 3. - 1 - <_> - - <_> - 9 5 6 6 -1. - <_> - 7 7 6 2 3. - 1 - <_> - - <_> - 12 5 12 9 -1. - <_> - 15 5 6 9 2. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 15 4 18 6 -1. - <_> - 15 6 18 2 3. - <_> - - <_> - 0 10 1 6 -1. - <_> - 0 13 1 3 2. - <_> - - <_> - 3 6 30 6 -1. - <_> - 13 8 10 2 9. - <_> - - <_> - 11 7 12 4 -1. - <_> - 11 8 12 2 2. - <_> - - <_> - 14 8 9 3 -1. - <_> - 14 9 9 1 3. - <_> - - <_> - 14 8 7 4 -1. - <_> - 14 9 7 2 2. - <_> - - <_> - 12 7 18 6 -1. - <_> - 12 9 18 2 3. - <_> - - <_> - 7 8 3 10 -1. - <_> - 7 13 3 5 2. - <_> - - <_> - 35 10 1 6 -1. - <_> - 35 13 1 3 2. - <_> - - <_> - 0 10 1 6 -1. - <_> - 0 13 1 3 2. - <_> - - <_> - 18 13 9 5 -1. - <_> - 21 13 3 5 3. - <_> - - <_> - 15 9 6 4 -1. - <_> - 15 10 6 2 2. - <_> - - <_> - 16 4 18 8 -1. - <_> - 16 6 18 4 2. - <_> - - <_> - 9 14 9 3 -1. - <_> - 12 14 3 3 3. - <_> - - <_> - 32 0 4 6 -1. - <_> - 32 0 2 6 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 2 0 2 6 2. - <_> - - <_> - 27 0 6 7 -1. - <_> - 29 2 2 7 3. - 1 - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 27 8 6 4 -1. - <_> - 29 10 2 4 3. - 1 - <_> - - <_> - 4 9 27 6 -1. - <_> - 13 11 9 2 9. - <_> - - <_> - 31 14 2 3 -1. - <_> - 31 14 1 3 2. - <_> - - <_> - 10 0 5 6 -1. - <_> - 8 2 5 2 3. - 1 - <_> - - <_> - 14 7 11 3 -1. - <_> - 14 8 11 1 3. - <_> - - <_> - 0 12 2 6 -1. - <_> - 0 15 2 3 2. - <_> - - <_> - 34 13 2 4 -1. - <_> - 34 15 2 2 2. - <_> - - <_> - 0 13 2 4 -1. - <_> - 0 15 2 2 2. - <_> - - <_> - 3 6 4 12 -1. - <_> - 3 10 4 4 3. - <_> - - <_> - 14 0 22 12 -1. - <_> - 25 0 11 6 2. - <_> - 14 6 11 6 2. - <_> - - <_> - 8 1 7 6 -1. - <_> - 6 3 7 2 3. - 1 - <_> - - <_> - 12 5 14 3 -1. - <_> - 12 6 14 1 3. - <_> - - <_> - 7 6 7 4 -1. - <_> - 6 7 7 2 2. - 1 - <_> - - <_> - 18 3 6 4 -1. - <_> - 18 4 6 2 2. - <_> - - <_> - 4 5 5 6 -1. - <_> - 4 7 5 2 3. - <_> - - <_> - 33 0 3 4 -1. - <_> - 34 0 1 4 3. - <_> - - <_> - 9 0 6 18 -1. - <_> - 9 9 6 9 2. - <_> - - <_> - 6 6 24 6 -1. - <_> - 14 8 8 2 9. - <_> - - <_> - 16 8 4 4 -1. - <_> - 16 9 4 2 2. - <_> - - <_> - 13 8 13 4 -1. - <_> - 13 9 13 2 2. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 17 2 1 2. - <_> - - <_> - 35 14 1 4 -1. - <_> - 35 15 1 2 2. - <_> - - <_> - 0 14 1 4 -1. - <_> - 0 15 1 2 2. - <_> - - <_> - 15 6 9 7 -1. - <_> - 18 6 3 7 3. - <_> - - <_> - 0 0 3 4 -1. - <_> - 1 0 1 4 3. - <_> - - <_> - 34 16 2 2 -1. - <_> - 35 16 1 1 2. - <_> - 34 17 1 1 2. - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 16 1 1 2. - <_> - 1 17 1 1 2. - <_> - - <_> - 22 0 10 4 -1. - <_> - 22 0 5 4 2. - 1 - <_> - - <_> - 15 4 6 14 -1. - <_> - 15 4 3 7 2. - <_> - 18 11 3 7 2. - <_> - - <_> - 15 3 8 10 -1. - <_> - 17 3 4 10 2. - <_> - - <_> - 0 0 2 5 -1. - <_> - 1 0 1 5 2. - <_> - - <_> - 7 1 8 6 -1. - <_> - 5 3 8 2 3. - 1 - <_> - - <_> - 19 0 11 18 -1. - <_> - 19 9 11 9 2. - <_> - - <_> - 6 8 24 6 -1. - <_> - 14 10 8 2 9. - <_> - - <_> - 14 6 10 3 -1. - <_> - 14 7 10 1 3. - <_> - - <_> - 12 7 11 4 -1. - <_> - 12 8 11 2 2. - <_> - - <_> - 18 0 16 6 -1. - <_> - 26 0 8 3 2. - <_> - 18 3 8 3 2. - <_> - - <_> - 5 3 7 3 -1. - <_> - 4 4 7 1 3. - 1 - <_> - - <_> - 18 4 4 4 -1. - <_> - 18 5 4 2 2. - <_> - - <_> - 5 3 10 4 -1. - <_> - 4 4 10 2 2. - 1 - <_> - - <_> - 14 8 8 10 -1. - <_> - 18 8 4 5 2. - <_> - 14 13 4 5 2. - <_> - - <_> - 3 0 4 1 -1. - <_> - 5 0 2 1 2. - <_> - - <_> - 20 0 10 8 -1. - <_> - 25 0 5 4 2. - <_> - 20 4 5 4 2. - <_> - - <_> - 13 0 10 8 -1. - <_> - 13 0 5 4 2. - <_> - 18 4 5 4 2. - <_> - - <_> - 21 5 6 13 -1. - <_> - 23 5 2 13 3. - <_> - - <_> - 9 5 6 13 -1. - <_> - 11 5 2 13 3. - <_> - - <_> - 27 5 5 3 -1. - <_> - 27 6 5 1 3. - <_> - - <_> - 10 0 3 6 -1. - <_> - 10 2 3 2 3. - <_> - - <_> - 26 6 3 6 -1. - <_> - 26 8 3 2 3. - <_> - - <_> - 0 11 36 7 -1. - <_> - 18 11 18 7 2. - <_> - - <_> - 27 5 5 3 -1. - <_> - 27 6 5 1 3. - <_> - - <_> - 4 5 5 3 -1. - <_> - 4 6 5 1 3. - <_> - - <_> - 28 6 4 4 -1. - <_> - 29 7 2 4 2. - 1 - <_> - - <_> - 14 15 8 2 -1. - <_> - 16 15 4 2 2. - <_> - - <_> - 3 5 30 6 -1. - <_> - 13 7 10 2 9. - <_> - - <_> - 6 7 16 6 -1. - <_> - 6 9 16 2 3. - <_> - - <_> - 14 10 12 6 -1. - <_> - 14 12 12 2 3. - <_> - - <_> - 6 0 12 10 -1. - <_> - 6 0 6 5 2. - <_> - 12 5 6 5 2. - <_> - - <_> - 25 2 7 16 -1. - <_> - 25 10 7 8 2. - <_> - - <_> - 9 6 18 7 -1. - <_> - 15 6 6 7 3. - <_> - - <_> - 5 0 26 18 -1. - <_> - 18 0 13 9 2. - <_> - 5 9 13 9 2. - <_> - - <_> - 10 6 10 3 -1. - <_> - 10 7 10 1 3. - <_> - - <_> - 17 6 6 4 -1. - <_> - 17 7 6 2 2. - <_> - - <_> - 15 6 6 7 -1. - <_> - 18 6 3 7 2. - <_> - - <_> - 26 6 5 4 -1. - <_> - 26 7 5 2 2. - <_> - - <_> - 0 12 1 6 -1. - <_> - 0 15 1 3 2. - <_> - - <_> - 9 4 18 14 -1. - <_> - 18 4 9 7 2. - <_> - 9 11 9 7 2. - <_> - - <_> - 7 5 6 3 -1. - <_> - 6 6 6 1 3. - 1 - <_> - - <_> - 27 5 6 3 -1. - <_> - 29 7 2 3 3. - 1 - <_> - - <_> - 7 8 3 3 -1. - <_> - 6 9 3 1 3. - 1 - <_> - - <_> - 28 5 6 5 -1. - <_> - 30 7 2 5 3. - 1 - <_> - - <_> - 8 5 5 6 -1. - <_> - 6 7 5 2 3. - 1 - <_> - - <_> - 31 0 4 1 -1. - <_> - 31 0 2 1 2. - <_> - - <_> - 1 0 4 1 -1. - <_> - 3 0 2 1 2. - <_> - - <_> - 17 11 4 3 -1. - <_> - 17 12 4 1 3. - <_> - - <_> - 12 3 7 4 -1. - <_> - 12 4 7 2 2. - <_> - - <_> - 14 9 9 3 -1. - <_> - 14 10 9 1 3. - <_> - - <_> - 1 17 21 1 -1. - <_> - 8 17 7 1 3. - <_> - - <_> - 12 9 20 4 -1. - <_> - 12 9 10 4 2. - <_> - - <_> - 3 9 22 4 -1. - <_> - 14 9 11 4 2. - <_> - - <_> - 25 0 3 3 -1. - <_> - 26 1 1 3 3. - 1 - <_> - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - <_> - - <_> - 19 4 9 3 -1. - <_> - 22 4 3 3 3. - <_> - - <_> - 8 4 9 3 -1. - <_> - 11 4 3 3 3. - <_> - - <_> - 0 15 36 3 -1. - <_> - 12 16 12 1 9. - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 19 9 2 9 -1. - <_> - 19 12 2 3 3. - <_> - - <_> - 13 7 8 3 -1. - <_> - 13 8 8 1 3. - <_> - - <_> - 30 4 2 2 -1. - <_> - 31 4 1 1 2. - <_> - 30 5 1 1 2. - <_> - - <_> - 4 4 2 2 -1. - <_> - 4 4 1 1 2. - <_> - 5 5 1 1 2. - <_> - - <_> - 18 7 4 3 -1. - <_> - 18 8 4 1 3. - <_> - - <_> - 9 0 1 8 -1. - <_> - 9 0 1 4 2. - 1 - <_> - - <_> - 25 6 10 3 -1. - <_> - 25 7 10 1 3. - <_> - - <_> - 1 6 10 3 -1. - <_> - 1 7 10 1 3. - <_> - - <_> - 6 6 14 12 -1. - <_> - 6 6 7 6 2. - <_> - 13 12 7 6 2. - <_> - - <_> - 31 14 3 4 -1. - <_> - 31 16 3 2 2. - <_> - - <_> - 1 12 2 4 -1. - <_> - 1 14 2 2 2. - <_> - - <_> - 15 0 12 5 -1. - <_> - 19 0 4 5 3. - <_> - - <_> - 10 0 8 14 -1. - <_> - 12 0 4 14 2. - <_> - - <_> - 28 1 8 7 -1. - <_> - 30 3 4 7 2. - 1 - <_> - - <_> - 8 14 20 4 -1. - <_> - 8 14 10 2 2. - <_> - 18 16 10 2 2. - <_> - - <_> - 6 11 24 3 -1. - <_> - 14 12 8 1 9. - <_> - - <_> - 4 5 27 6 -1. - <_> - 13 7 9 2 9. - <_> - - <_> - 7 0 22 18 -1. - <_> - 18 0 11 9 2. - <_> - 7 9 11 9 2. - <_> - - <_> - 16 0 3 2 -1. - <_> - 16 1 3 1 2. - <_> - - <_> - 0 17 36 1 -1. - <_> - 9 17 18 1 2. - <_> - - <_> - 5 5 12 1 -1. - <_> - 5 5 6 1 2. - 1 - <_> - - <_> - 34 15 2 1 -1. - <_> - 34 15 1 1 2. - 1 - <_> - - <_> - 7 8 16 4 -1. - <_> - 7 9 16 2 2. - <_> - - <_> - 35 10 1 6 -1. - <_> - 35 12 1 2 3. - <_> - - <_> - 13 8 3 4 -1. - <_> - 13 9 3 2 2. - <_> - - <_> - 35 10 1 6 -1. - <_> - 35 12 1 2 3. - <_> - - <_> - 12 0 1 4 -1. - <_> - 11 1 1 2 2. - 1 - <_> - - <_> - 35 10 1 6 -1. - <_> - 35 12 1 2 3. - <_> - - <_> - 18 0 1 14 -1. - <_> - 18 0 1 7 2. - 1 - <_> - - <_> - 5 6 16 12 -1. - <_> - 5 6 8 6 2. - <_> - 13 12 8 6 2. - <_> - - <_> - 18 1 7 8 -1. - <_> - 16 3 7 4 2. - 1 - <_> - - <_> - 14 4 8 10 -1. - <_> - 14 4 4 5 2. - <_> - 18 9 4 5 2. - <_> - - <_> - 22 0 9 3 -1. - <_> - 25 0 3 3 3. - <_> - - <_> - 0 10 26 8 -1. - <_> - 0 10 13 4 2. - <_> - 13 14 13 4 2. - <_> - - <_> - 15 10 16 8 -1. - <_> - 23 10 8 4 2. - <_> - 15 14 8 4 2. - <_> - - <_> - 6 0 24 18 -1. - <_> - 6 0 12 9 2. - <_> - 18 9 12 9 2. - <_> - - <_> - 18 0 9 6 -1. - <_> - 21 0 3 6 3. - <_> - - <_> - 9 0 9 6 -1. - <_> - 12 0 3 6 3. - <_> - - <_> - 30 1 5 14 -1. - <_> - 30 8 5 7 2. - <_> - - <_> - 1 1 5 14 -1. - <_> - 1 8 5 7 2. - <_> - - <_> - 10 8 26 6 -1. - <_> - 23 8 13 3 2. - <_> - 10 11 13 3 2. - <_> - - <_> - 0 8 28 6 -1. - <_> - 0 8 14 3 2. - <_> - 14 11 14 3 2. - <_> - - <_> - 12 0 24 12 -1. - <_> - 24 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 3 1 14 2 -1. - <_> - 3 1 14 1 2. - 1 - <_> - - <_> - 33 16 3 2 -1. - <_> - 33 17 3 1 2. - <_> - - <_> - 12 0 9 14 -1. - <_> - 15 0 3 14 3. - <_> - - <_> - 28 16 8 2 -1. - <_> - 32 16 4 1 2. - <_> - 28 17 4 1 2. - <_> - - <_> - 15 8 6 6 -1. - <_> - 15 10 6 2 3. - <_> - - <_> - 13 6 22 6 -1. - <_> - 24 6 11 3 2. - <_> - 13 9 11 3 2. - <_> - - <_> - 0 10 26 4 -1. - <_> - 0 10 13 2 2. - <_> - 13 12 13 2 2. - <_> - - <_> - 24 16 4 2 -1. - <_> - 24 17 4 1 2. - <_> - - <_> - 9 16 3 2 -1. - <_> - 9 17 3 1 2. - <_> - - <_> - 3 7 18 8 -1. - <_> - 3 7 9 4 2. - <_> - 12 11 9 4 2. - <_> - - <_> - 23 0 8 4 -1. - <_> - 23 0 4 4 2. - <_> - - <_> - 5 0 8 4 -1. - <_> - 9 0 4 4 2. - <_> - - <_> - 6 10 24 3 -1. - <_> - 14 11 8 1 9. - <_> - - <_> - 7 5 5 6 -1. - <_> - 5 7 5 2 3. - 1 - <_> - - <_> - 5 16 26 2 -1. - <_> - 18 16 13 1 2. - <_> - 5 17 13 1 2. - <_> - - <_> - 0 7 24 4 -1. - <_> - 0 7 12 2 2. - <_> - 12 9 12 2 2. - <_> - - <_> - 23 14 13 4 -1. - <_> - 23 15 13 2 2. - <_> - - <_> - 2 10 18 8 -1. - <_> - 2 10 9 4 2. - <_> - 11 14 9 4 2. - <_> - - <_> - 15 10 6 4 -1. - <_> - 15 11 6 2 2. - <_> - - <_> - 0 6 24 2 -1. - <_> - 0 6 12 1 2. - <_> - 12 7 12 1 2. - <_> - - <_> - 17 0 18 18 -1. - <_> - 17 9 18 9 2. - <_> - - <_> - 1 0 11 2 -1. - <_> - 1 1 11 1 2. - <_> - - <_> - 15 6 8 12 -1. - <_> - 19 6 4 6 2. - <_> - 15 12 4 6 2. - <_> - - <_> - 2 1 32 12 -1. - <_> - 2 1 16 6 2. - <_> - 18 7 16 6 2. - <_> - - <_> - 29 10 7 8 -1. - <_> - 29 12 7 4 2. - <_> - - <_> - 12 2 8 10 -1. - <_> - 12 2 4 5 2. - <_> - 16 7 4 5 2. - <_> - - <_> - 15 12 6 4 -1. - <_> - 15 13 6 2 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 10 9 26 8 -1. - <_> - 23 9 13 4 2. - <_> - 10 13 13 4 2. - <_> - - <_> - 7 8 22 10 -1. - <_> - 7 8 11 5 2. - <_> - 18 13 11 5 2. - <_> - - <_> - 14 9 8 3 -1. - <_> - 14 10 8 1 3. - <_> - - <_> - 11 3 4 9 -1. - <_> - 11 6 4 3 3. - <_> - - <_> - 29 14 2 2 -1. - <_> - 29 14 2 1 2. - 1 - <_> - - <_> - 14 13 8 3 -1. - <_> - 14 14 8 1 3. - <_> - - <_> - 11 3 7 8 -1. - <_> - 9 5 7 4 2. - 1 - <_> - - <_> - 28 13 1 4 -1. - <_> - 28 13 1 2 2. - 1 - <_> - - <_> - 8 13 4 1 -1. - <_> - 8 13 2 1 2. - 1 - <_> - - <_> - 16 9 4 3 -1. - <_> - 16 10 4 1 3. - <_> - - <_> - 13 8 10 4 -1. - <_> - 13 9 10 2 2. - <_> - - <_> - 14 8 8 3 -1. - <_> - 14 9 8 1 3. - <_> - - <_> - 2 10 6 2 -1. - <_> - 4 12 2 2 3. - 1 - <_> - - <_> - 16 10 6 3 -1. - <_> - 16 11 6 1 3. - <_> - - <_> - 8 5 8 13 -1. - <_> - 12 5 4 13 2. - <_> - - <_> - 0 0 36 8 -1. - <_> - 18 0 18 4 2. - <_> - 0 4 18 4 2. - <_> - - <_> - 1 5 8 12 -1. - <_> - 1 5 4 6 2. - <_> - 5 11 4 6 2. - <_> - - <_> - 18 8 18 10 -1. - <_> - 27 8 9 5 2. - <_> - 18 13 9 5 2. - <_> - - <_> - 0 8 18 10 -1. - <_> - 0 8 9 5 2. - <_> - 9 13 9 5 2. - <_> - - <_> - 11 5 14 3 -1. - <_> - 11 6 14 1 3. - <_> - - <_> - 10 6 16 6 -1. - <_> - 10 8 16 2 3. - <_> - - <_> - 7 2 24 16 -1. - <_> - 19 2 12 8 2. - <_> - 7 10 12 8 2. - <_> - - <_> - 0 1 18 15 -1. - <_> - 6 6 6 5 9. - <_> - - <_> - 4 5 16 6 -1. - <_> - 12 5 8 6 2. - <_> - - <_> - 29 0 6 11 -1. - <_> - 31 2 2 11 3. - 1 - <_> - - <_> - 2 8 9 1 -1. - <_> - 5 11 3 1 3. - 1 - <_> - - <_> - 10 6 17 3 -1. - <_> - 10 7 17 1 3. - <_> - - <_> - 18 6 6 2 -1. - <_> - 20 8 2 2 3. - 1 - <_> - - <_> - 13 11 12 3 -1. - <_> - 13 12 12 1 3. - <_> - - <_> - 2 3 8 8 -1. - <_> - 2 3 4 4 2. - <_> - 6 7 4 4 2. - <_> - - <_> - 18 12 18 4 -1. - <_> - 27 12 9 2 2. - <_> - 18 14 9 2 2. - <_> - - <_> - 11 5 11 3 -1. - <_> - 11 6 11 1 3. - <_> - - <_> - 14 7 14 4 -1. - <_> - 14 8 14 2 2. - <_> - - <_> - 9 8 16 10 -1. - <_> - 9 8 8 5 2. - <_> - 17 13 8 5 2. - <_> - - <_> - 18 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 13 10 5 3 -1. - <_> - 13 11 5 1 3. - <_> - - <_> - 18 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 7 5 8 3 -1. - <_> - 6 6 8 1 3. - 1 - <_> - - <_> - 18 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 10 5 5 3 -1. - <_> - 10 6 5 1 3. - <_> - - <_> - 2 5 34 10 -1. - <_> - 19 5 17 5 2. - <_> - 2 10 17 5 2. - <_> - - <_> - 3 2 12 3 -1. - <_> - 6 5 6 3 2. - 1 - <_> - - <_> - 35 6 1 6 -1. - <_> - 35 8 1 2 3. - <_> - - <_> - 10 6 13 6 -1. - <_> - 10 8 13 2 3. - <_> - - <_> - 15 5 6 4 -1. - <_> - 15 6 6 2 2. - <_> - - <_> - 5 2 11 4 -1. - <_> - 4 3 11 2 2. - 1 - <_> - - <_> - 26 6 10 6 -1. - <_> - 31 6 5 3 2. - <_> - 26 9 5 3 2. - <_> - - <_> - 10 7 11 8 -1. - <_> - 10 9 11 4 2. - <_> - - <_> - 28 2 4 9 -1. - <_> - 29 3 2 9 2. - 1 - <_> - - <_> - 8 2 10 4 -1. - <_> - 7 3 10 2 2. - 1 - <_> - - <_> - 31 0 5 2 -1. - <_> - 31 1 5 1 2. - <_> - - <_> - 10 6 16 12 -1. - <_> - 10 10 16 4 3. - <_> - - <_> - 18 4 4 3 -1. - <_> - 18 5 4 1 3. - <_> - - <_> - 11 10 6 6 -1. - <_> - 11 12 6 2 3. - <_> - - <_> - 35 8 1 10 -1. - <_> - 35 13 1 5 2. - <_> - - <_> - 0 10 36 8 -1. - <_> - 18 10 18 8 2. - <_> - - <_> - 16 7 6 8 -1. - <_> - 19 7 3 4 2. - <_> - 16 11 3 4 2. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 6 4 4 2. - 1 - <_> - - <_> - 21 11 4 3 -1. - <_> - 21 12 4 1 3. - <_> - - <_> - 0 9 1 8 -1. - <_> - 0 13 1 4 2. - <_> - - <_> - 27 7 6 4 -1. - <_> - 29 9 2 4 3. - 1 - <_> - - <_> - 10 14 8 4 -1. - <_> - 12 14 4 4 2. - <_> - - <_> - 18 17 2 1 -1. - <_> - 18 17 1 1 2. - <_> - - <_> - 10 4 11 4 -1. - <_> - 10 5 11 2 2. - <_> - - <_> - 17 12 2 4 -1. - <_> - 17 13 2 2 2. - <_> - - <_> - 13 4 5 3 -1. - <_> - 13 5 5 1 3. - <_> - - <_> - 13 12 11 2 -1. - <_> - 13 13 11 1 2. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 27 7 6 4 -1. - <_> - 29 9 2 4 3. - 1 - <_> - - <_> - 4 7 6 6 -1. - <_> - 4 9 6 2 3. - <_> - - <_> - 30 6 4 5 -1. - <_> - 31 7 2 5 2. - 1 - <_> - - <_> - 8 5 20 7 -1. - <_> - 13 5 10 7 2. - <_> - - <_> - 30 2 3 12 -1. - <_> - 30 8 3 6 2. - <_> - - <_> - 4 2 12 4 -1. - <_> - 4 2 12 2 2. - 1 - <_> - - <_> - 0 8 36 6 -1. - <_> - 12 10 12 2 9. - <_> - - <_> - 3 5 30 6 -1. - <_> - 13 7 10 2 9. - <_> - - <_> - 14 4 12 9 -1. - <_> - 18 4 4 9 3. - <_> - - <_> - 0 17 6 1 -1. - <_> - 3 17 3 1 2. - <_> - - <_> - 34 0 1 2 -1. - <_> - 34 0 1 1 2. - 1 - <_> - - <_> - 2 0 2 1 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 31 3 3 8 -1. - <_> - 32 4 1 8 3. - 1 - <_> - - <_> - 5 6 26 12 -1. - <_> - 5 6 13 6 2. - <_> - 18 12 13 6 2. - <_> - - <_> - 14 4 12 9 -1. - <_> - 18 4 4 9 3. - <_> - - <_> - 13 7 10 10 -1. - <_> - 13 7 5 5 2. - <_> - 18 12 5 5 2. - <_> - - <_> - 30 5 4 6 -1. - <_> - 31 6 2 6 2. - 1 - <_> - - <_> - 6 5 6 4 -1. - <_> - 5 6 6 2 2. - 1 - <_> - - <_> - 29 5 4 5 -1. - <_> - 30 6 2 5 2. - 1 - <_> - - <_> - 7 5 5 4 -1. - <_> - 6 6 5 2 2. - 1 - <_> - - <_> - 0 0 36 1 -1. - <_> - 12 0 12 1 3. - <_> - - <_> - 6 3 24 6 -1. - <_> - 14 5 8 2 9. - <_> - - <_> - 15 12 6 3 -1. - <_> - 15 13 6 1 3. - <_> - - <_> - 11 1 9 17 -1. - <_> - 14 1 3 17 3. - <_> - - <_> - 18 1 18 10 -1. - <_> - 18 1 9 10 2. - <_> - - <_> - 0 1 18 10 -1. - <_> - 9 1 9 10 2. - <_> - - <_> - 30 7 4 5 -1. - <_> - 31 8 2 5 2. - 1 - <_> - - <_> - 0 10 1 3 -1. - <_> - 0 11 1 1 3. - <_> - - <_> - 33 16 2 2 -1. - <_> - 34 16 1 1 2. - <_> - 33 17 1 1 2. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 0 8 36 3 -1. - <_> - 12 9 12 1 9. - <_> - - <_> - 14 7 8 4 -1. - <_> - 14 8 8 2 2. - <_> - - <_> - 17 9 5 3 -1. - <_> - 17 10 5 1 3. - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 31 0 3 2 -1. - <_> - 31 0 3 1 2. - 1 - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 0 1 3 2. - 1 - <_> - - <_> - 0 13 36 5 -1. - <_> - 0 13 18 5 2. - <_> - - <_> - 6 3 4 3 -1. - <_> - 5 4 4 1 3. - 1 - <_> - - <_> - 28 7 6 3 -1. - <_> - 30 9 2 3 3. - 1 - <_> - - <_> - 8 7 3 6 -1. - <_> - 6 9 3 2 3. - 1 - <_> - - <_> - 14 5 18 10 -1. - <_> - 23 5 9 5 2. - <_> - 14 10 9 5 2. - <_> - - <_> - 4 5 18 10 -1. - <_> - 4 5 9 5 2. - <_> - 13 10 9 5 2. - <_> - - <_> - 32 17 3 1 -1. - <_> - 33 17 1 1 3. - <_> - - <_> - 1 17 3 1 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 5 0 26 2 -1. - <_> - 18 0 13 1 2. - <_> - 5 1 13 1 2. - <_> - - <_> - 0 3 27 9 -1. - <_> - 9 6 9 3 9. - <_> - - <_> - 13 0 18 12 -1. - <_> - 13 6 18 6 2. - <_> - - <_> - 0 17 4 1 -1. - <_> - 1 17 2 1 2. - <_> - - <_> - 29 13 1 3 -1. - <_> - 28 14 1 1 3. - 1 - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 14 8 2 3. - <_> - - <_> - 23 7 3 3 -1. - <_> - 24 7 1 3 3. - <_> - - <_> - 11 1 12 6 -1. - <_> - 11 3 12 2 3. - <_> - - <_> - 5 10 26 8 -1. - <_> - 18 10 13 4 2. - <_> - 5 14 13 4 2. - <_> - - <_> - 11 12 9 6 -1. - <_> - 14 12 3 6 3. - <_> - - <_> - 14 12 12 3 -1. - <_> - 18 13 4 1 9. - <_> - - <_> - 10 12 12 3 -1. - <_> - 14 13 4 1 9. - <_> - - <_> - 4 6 27 6 -1. - <_> - 13 8 9 2 9. - <_> - - <_> - 17 9 5 4 -1. - <_> - 17 10 5 2 2. - <_> - - <_> - 0 0 16 2 -1. - <_> - 0 0 8 1 2. - <_> - 8 1 8 1 2. - <_> - - <_> - 22 0 8 8 -1. - <_> - 26 0 4 4 2. - <_> - 22 4 4 4 2. - <_> - - <_> - 1 0 32 12 -1. - <_> - 1 0 16 6 2. - <_> - 17 6 16 6 2. - <_> - - <_> - 28 7 6 10 -1. - <_> - 31 7 3 5 2. - <_> - 28 12 3 5 2. - <_> - - <_> - 2 7 6 10 -1. - <_> - 2 7 3 5 2. - <_> - 5 12 3 5 2. - <_> - - <_> - 20 10 3 3 -1. - <_> - 20 11 3 1 3. - <_> - - <_> - 13 10 3 3 -1. - <_> - 13 11 3 1 3. - <_> - - <_> - 17 16 6 2 -1. - <_> - 19 16 2 2 3. - <_> - - <_> - 13 11 7 3 -1. - <_> - 13 12 7 1 3. - <_> - - <_> - 25 13 3 2 -1. - <_> - 25 13 3 1 2. - 1 - <_> - - <_> - 13 10 4 4 -1. - <_> - 13 11 4 2 2. - <_> - - <_> - 17 16 18 2 -1. - <_> - 26 16 9 1 2. - <_> - 17 17 9 1 2. - <_> - - <_> - 9 13 4 1 -1. - <_> - 9 13 2 1 2. - 1 - <_> - - <_> - 34 1 2 1 -1. - <_> - 34 1 1 1 2. - 1 - <_> - - <_> - 5 4 24 6 -1. - <_> - 13 6 8 2 9. - <_> - - <_> - 33 16 3 2 -1. - <_> - 33 17 3 1 2. - <_> - - <_> - 0 17 36 1 -1. - <_> - 18 17 18 1 2. - <_> - - <_> - 34 1 2 1 -1. - <_> - 34 1 1 1 2. - 1 - <_> - - <_> - 2 1 1 2 -1. - <_> - 2 1 1 1 2. - 1 - <_> - - <_> - 22 0 8 10 -1. - <_> - 24 2 4 10 2. - 1 - <_> - - <_> - 12 4 8 12 -1. - <_> - 12 4 4 6 2. - <_> - 16 10 4 6 2. - <_> - - <_> - 26 6 6 6 -1. - <_> - 29 6 3 3 2. - <_> - 26 9 3 3 2. - <_> - - <_> - 5 6 4 6 -1. - <_> - 5 6 2 3 2. - <_> - 7 9 2 3 2. - <_> - - <_> - 29 5 2 4 -1. - <_> - 29 5 1 4 2. - 1 - <_> - - <_> - 7 4 18 3 -1. - <_> - 7 5 18 1 3. - <_> - - <_> - 29 13 2 3 -1. - <_> - 28 14 2 1 3. - 1 - <_> - - <_> - 9 5 3 3 -1. - <_> - 8 6 3 1 3. - 1 - <_> - - <_> - 7 16 22 2 -1. - <_> - 18 16 11 1 2. - <_> - 7 17 11 1 2. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 16 3 20 6 -1. - <_> - 26 3 10 3 2. - <_> - 16 6 10 3 2. - <_> - - <_> - 10 5 8 6 -1. - <_> - 12 5 4 6 2. - <_> - - <_> - 1 8 34 8 -1. - <_> - 18 8 17 4 2. - <_> - 1 12 17 4 2. - <_> - - <_> - 14 9 8 8 -1. - <_> - 14 9 4 4 2. - <_> - 18 13 4 4 2. - <_> - - <_> - 35 0 1 3 -1. - <_> - 35 1 1 1 3. - <_> - - <_> - 15 8 3 5 -1. - <_> - 16 8 1 5 3. - <_> - - <_> - 19 0 10 1 -1. - <_> - 19 0 5 1 2. - 1 - <_> - - <_> - 9 3 9 6 -1. - <_> - 7 5 9 2 3. - 1 - <_> - - <_> - 6 6 24 6 -1. - <_> - 14 8 8 2 9. - <_> - - <_> - 4 8 27 6 -1. - <_> - 13 10 9 2 9. - <_> - - <_> - 5 4 27 6 -1. - <_> - 14 6 9 2 9. - <_> - - <_> - 5 6 5 6 -1. - <_> - 5 8 5 2 3. - <_> - - <_> - 35 0 1 2 -1. - <_> - 35 1 1 1 2. - <_> - - <_> - 4 3 10 3 -1. - <_> - 3 4 10 1 3. - 1 - <_> - - <_> - 29 5 2 4 -1. - <_> - 29 5 1 4 2. - 1 - <_> - - <_> - 3 0 28 16 -1. - <_> - 3 0 14 8 2. - <_> - 17 8 14 8 2. - <_> - - <_> - 31 0 4 2 -1. - <_> - 31 0 2 2 2. - 1 - <_> - - <_> - 4 9 3 9 -1. - <_> - 4 12 3 3 3. - <_> - - <_> - 32 16 4 2 -1. - <_> - 32 17 4 1 2. - <_> - - <_> - 17 0 1 10 -1. - <_> - 17 0 1 5 2. - 1 - <_> - - <_> - 17 4 14 8 -1. - <_> - 17 4 7 8 2. - <_> - - <_> - 6 0 11 4 -1. - <_> - 6 2 11 2 2. - <_> - - <_> - 35 0 1 2 -1. - <_> - 35 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 33 0 2 1 -1. - <_> - 33 0 1 1 2. - 1 - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 0 17 36 1 -1. - <_> - 9 17 18 1 2. - <_> - - <_> - 7 13 3 1 -1. - <_> - 8 14 1 1 3. - 1 - <_> - - <_> - 17 4 14 8 -1. - <_> - 17 4 7 8 2. - <_> - - <_> - 0 16 4 2 -1. - <_> - 0 17 4 1 2. - <_> - - <_> - 13 12 10 3 -1. - <_> - 13 13 10 1 3. - <_> - - <_> - 0 12 36 6 -1. - <_> - 18 12 18 6 2. - <_> - - <_> - 5 3 27 6 -1. - <_> - 14 5 9 2 9. - <_> - - <_> - 9 5 5 3 -1. - <_> - 8 6 5 1 3. - 1 - <_> - - <_> - 12 7 12 4 -1. - <_> - 15 7 6 4 2. - <_> - - <_> - 13 5 8 4 -1. - <_> - 15 5 4 4 2. - <_> - - <_> - 16 14 6 4 -1. - <_> - 16 14 3 4 2. - <_> - - <_> - 14 10 5 3 -1. - <_> - 14 11 5 1 3. - <_> - - <_> - 25 3 6 4 -1. - <_> - 25 4 6 2 2. - <_> - - <_> - 3 6 6 8 -1. - <_> - 3 8 6 4 2. - <_> - - <_> - 27 4 5 6 -1. - <_> - 27 6 5 2 3. - <_> - - <_> - 4 1 6 9 -1. - <_> - 4 4 6 3 3. - <_> - - <_> - 21 9 2 4 -1. - <_> - 21 10 2 2 2. - <_> - - <_> - 1 10 34 4 -1. - <_> - 1 10 17 2 2. - <_> - 18 12 17 2 2. - <_> - - <_> - 34 15 2 3 -1. - <_> - 34 16 2 1 3. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 2 1 2. - 1 - <_> - - <_> - 33 0 1 2 -1. - <_> - 33 0 1 1 2. - 1 - <_> - - <_> - 8 0 10 8 -1. - <_> - 6 2 10 4 2. - 1 - <_> - - <_> - 3 6 30 6 -1. - <_> - 13 8 10 2 9. - <_> - - <_> - 13 7 10 4 -1. - <_> - 13 8 10 2 2. - <_> - - <_> - 16 5 6 12 -1. - <_> - 19 5 3 6 2. - <_> - 16 11 3 6 2. - <_> - - <_> - 10 1 4 6 -1. - <_> - 8 3 4 2 3. - 1 - <_> - - <_> - 2 7 33 6 -1. - <_> - 13 9 11 2 9. - <_> - - <_> - 3 6 30 3 -1. - <_> - 13 7 10 1 9. - <_> - - <_> - 15 11 6 3 -1. - <_> - 15 12 6 1 3. - <_> - - <_> - 14 5 6 12 -1. - <_> - 14 5 3 6 2. - <_> - 17 11 3 6 2. - <_> - - <_> - 5 12 26 6 -1. - <_> - 18 12 13 3 2. - <_> - 5 15 13 3 2. - <_> - - <_> - 4 12 27 3 -1. - <_> - 13 13 9 1 9. - <_> - - <_> - 16 11 4 3 -1. - <_> - 16 12 4 1 3. - <_> - - <_> - 5 12 4 2 -1. - <_> - 6 13 2 2 2. - 1 - <_> - - <_> - 34 17 2 1 -1. - <_> - 34 17 1 1 2. - <_> - - <_> - 16 0 1 12 -1. - <_> - 16 0 1 6 2. - 1 - <_> - - <_> - 2 17 34 1 -1. - <_> - 2 17 17 1 2. - <_> - - <_> - 5 3 18 4 -1. - <_> - 5 4 18 2 2. - <_> - - <_> - 34 17 2 1 -1. - <_> - 34 17 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 15 5 16 3 -1. - <_> - 15 6 16 1 3. - <_> - - <_> - 13 9 3 3 -1. - <_> - 13 10 3 1 3. - <_> - - <_> - 20 4 8 14 -1. - <_> - 22 4 4 14 2. - <_> - - <_> - 7 5 20 6 -1. - <_> - 12 5 10 6 2. - <_> - - <_> - 26 3 6 6 -1. - <_> - 28 5 2 6 3. - 1 - <_> - - <_> - 10 3 6 6 -1. - <_> - 8 5 6 2 3. - 1 - <_> - - <_> - 34 0 2 3 -1. - <_> - 34 0 1 3 2. - 1 - <_> - - <_> - 0 16 2 2 -1. - <_> - 0 17 2 1 2. - <_> - - <_> - 30 6 4 8 -1. - <_> - 31 7 2 8 2. - 1 - <_> - - <_> - 6 6 7 4 -1. - <_> - 5 7 7 2 2. - 1 - <_> - - <_> - 20 4 8 14 -1. - <_> - 22 4 4 14 2. - <_> - - <_> - 8 4 8 14 -1. - <_> - 10 4 4 14 2. - <_> - - <_> - 17 17 6 1 -1. - <_> - 19 17 2 1 3. - <_> - - <_> - 0 0 20 6 -1. - <_> - 10 0 10 6 2. - <_> - - <_> - 8 0 22 18 -1. - <_> - 8 0 11 18 2. - <_> - - <_> - 13 2 8 12 -1. - <_> - 13 2 4 6 2. - <_> - 17 8 4 6 2. - <_> - - <_> - 11 10 14 8 -1. - <_> - 18 10 7 4 2. - <_> - 11 14 7 4 2. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 34 0 2 1 -1. - <_> - 34 0 1 1 2. - 1 - <_> - - <_> - 6 3 24 4 -1. - <_> - 12 3 12 4 2. - <_> - - <_> - 19 1 2 3 -1. - <_> - 19 2 2 1 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 15 3 6 8 -1. - <_> - 18 3 3 4 2. - <_> - 15 7 3 4 2. - <_> - - <_> - 14 5 4 2 -1. - <_> - 14 6 4 1 2. - <_> - - <_> - 3 7 30 9 -1. - <_> - 13 10 10 3 9. - <_> - - <_> - 9 8 12 9 -1. - <_> - 12 8 6 9 2. - <_> - - <_> - 10 8 16 5 -1. - <_> - 14 8 8 5 2. - <_> - - <_> - 30 1 4 10 -1. - <_> - 31 2 2 10 2. - 1 - <_> - - <_> - 13 0 10 8 -1. - <_> - 11 2 10 4 2. - 1 - <_> - - <_> - 32 2 2 14 -1. - <_> - 32 2 1 14 2. - 1 - <_> - - <_> - 4 2 14 2 -1. - <_> - 4 2 14 1 2. - 1 - <_> - - <_> - 30 14 6 4 -1. - <_> - 30 14 3 4 2. - <_> - - <_> - 11 13 1 4 -1. - <_> - 11 15 1 2 2. - <_> - - <_> - 11 0 14 18 -1. - <_> - 18 0 7 9 2. - <_> - 11 9 7 9 2. - <_> - - <_> - 0 1 20 9 -1. - <_> - 10 1 10 9 2. - <_> - - <_> - 21 3 8 3 -1. - <_> - 23 3 4 3 2. - <_> - - <_> - 13 9 2 4 -1. - <_> - 13 10 2 2 2. - <_> - - <_> - 14 9 11 2 -1. - <_> - 14 10 11 1 2. - <_> - - <_> - 0 2 36 9 -1. - <_> - 12 5 12 3 9. - <_> - - <_> - 34 12 2 6 -1. - <_> - 34 15 2 3 2. - <_> - - <_> - 11 4 14 6 -1. - <_> - 11 6 14 2 3. - <_> - - <_> - 31 0 4 1 -1. - <_> - 31 0 2 1 2. - <_> - - <_> - 1 0 4 1 -1. - <_> - 3 0 2 1 2. - <_> - - <_> - 19 14 6 4 -1. - <_> - 21 14 2 4 3. - <_> - - <_> - 11 14 6 4 -1. - <_> - 13 14 2 4 3. - <_> - - <_> - 0 14 36 1 -1. - <_> - 9 14 18 1 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 2 1 2. - 1 - <_> - - <_> - 26 3 5 3 -1. - <_> - 26 4 5 1 3. - <_> - - <_> - 16 8 1 3 -1. - <_> - 15 9 1 1 3. - 1 - <_> - - <_> - 21 11 2 3 -1. - <_> - 21 12 2 1 3. - <_> - - <_> - 9 5 6 4 -1. - <_> - 8 6 6 2 2. - 1 - <_> - - <_> - 31 0 2 2 -1. - <_> - 31 0 1 2 2. - 1 - <_> - - <_> - 6 4 3 9 -1. - <_> - 6 7 3 3 3. - <_> - - <_> - 19 0 11 2 -1. - <_> - 19 0 11 1 2. - 1 - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 2 1 2. - 1 - <_> - - <_> - 22 0 14 4 -1. - <_> - 29 0 7 2 2. - <_> - 22 2 7 2 2. - <_> - - <_> - 15 1 4 13 -1. - <_> - 15 1 2 13 2. - 1 - <_> - - <_> - 21 3 8 4 -1. - <_> - 23 3 4 4 2. - <_> - - <_> - 7 3 8 4 -1. - <_> - 9 3 4 4 2. - <_> - - <_> - 32 14 2 2 -1. - <_> - 33 14 1 1 2. - <_> - 32 15 1 1 2. - <_> - - <_> - 2 14 2 2 -1. - <_> - 2 14 1 1 2. - <_> - 3 15 1 1 2. - <_> - - <_> - 35 5 1 12 -1. - <_> - 35 9 1 4 3. - <_> - - <_> - 0 7 1 9 -1. - <_> - 0 10 1 3 3. - <_> - - <_> - 12 2 15 6 -1. - <_> - 12 4 15 2 3. - <_> - - <_> - 0 17 2 1 -1. - <_> - 1 17 1 1 2. - <_> - - <_> - 34 17 2 1 -1. - <_> - 34 17 1 1 2. - <_> - - <_> - 0 17 2 1 -1. - <_> - 1 17 1 1 2. - <_> - - <_> - 11 0 16 10 -1. - <_> - 15 0 8 10 2. - <_> - - <_> - 5 10 24 8 -1. - <_> - 5 10 12 4 2. - <_> - 17 14 12 4 2. - <_> - - <_> - 27 4 3 3 -1. - <_> - 27 5 3 1 3. - <_> - - <_> - 6 6 14 12 -1. - <_> - 6 6 7 6 2. - <_> - 13 12 7 6 2. - <_> - - <_> - 6 5 24 6 -1. - <_> - 14 7 8 2 9. - <_> - - <_> - 12 6 3 4 -1. - <_> - 12 7 3 2 2. - <_> - - <_> - 30 7 6 10 -1. - <_> - 33 7 3 5 2. - <_> - 30 12 3 5 2. - <_> - - <_> - 3 12 6 6 -1. - <_> - 3 12 3 3 2. - <_> - 6 15 3 3 2. - <_> - - <_> - 20 0 13 2 -1. - <_> - 20 0 13 1 2. - 1 - <_> - - <_> - 6 10 24 6 -1. - <_> - 14 12 8 2 9. - <_> - - <_> - 15 4 8 8 -1. - <_> - 19 4 4 4 2. - <_> - 15 8 4 4 2. - <_> - - <_> - 13 4 8 8 -1. - <_> - 13 4 4 4 2. - <_> - 17 8 4 4 2. - <_> - - <_> - 34 16 2 2 -1. - <_> - 34 16 1 2 2. - <_> - - <_> - 12 6 3 3 -1. - <_> - 12 7 3 1 3. - <_> - - <_> - 21 7 4 4 -1. - <_> - 21 8 4 2 2. - <_> - - <_> - 2 8 30 4 -1. - <_> - 2 8 15 2 2. - <_> - 17 10 15 2 2. - <_> - - <_> - 27 4 3 4 -1. - <_> - 27 5 3 2 2. - <_> - - <_> - 5 4 3 4 -1. - <_> - 5 5 3 2 2. - <_> - - <_> - 34 16 2 2 -1. - <_> - 34 16 1 2 2. - <_> - - <_> - 0 16 34 2 -1. - <_> - 0 16 17 1 2. - <_> - 17 17 17 1 2. - <_> - - <_> - 12 5 15 12 -1. - <_> - 12 9 15 4 3. - <_> - - <_> - 0 8 36 6 -1. - <_> - 12 10 12 2 9. - <_> - - <_> - 25 4 6 2 -1. - <_> - 25 5 6 1 2. - <_> - - <_> - 0 17 2 1 -1. - <_> - 1 17 1 1 2. - <_> - - <_> - 16 0 9 9 -1. - <_> - 19 0 3 9 3. - <_> - - <_> - 11 0 9 9 -1. - <_> - 14 0 3 9 3. - <_> - - <_> - 20 5 16 5 -1. - <_> - 24 5 8 5 2. - <_> - - <_> - 0 3 16 9 -1. - <_> - 4 3 8 9 2. - <_> - - <_> - 7 6 26 12 -1. - <_> - 20 6 13 6 2. - <_> - 7 12 13 6 2. - <_> - - <_> - 5 6 24 12 -1. - <_> - 5 6 12 6 2. - <_> - 17 12 12 6 2. - <_> - - <_> - 17 4 3 12 -1. - <_> - 18 4 1 12 3. - <_> - - <_> - 1 11 6 1 -1. - <_> - 3 13 2 1 3. - 1 - <_> - - <_> - 21 12 14 2 -1. - <_> - 28 12 7 1 2. - <_> - 21 13 7 1 2. - <_> - - <_> - 1 13 2 3 -1. - <_> - 2 13 1 3 2. - <_> - - <_> - 26 8 3 2 -1. - <_> - 27 9 1 2 3. - 1 - <_> - - <_> - 10 8 2 3 -1. - <_> - 9 9 2 1 3. - 1 - <_> - - <_> - 12 0 18 18 -1. - <_> - 12 0 9 18 2. - <_> - - <_> - 8 9 3 3 -1. - <_> - 7 10 3 1 3. - 1 - <_> - - <_> - 28 5 5 6 -1. - <_> - 28 7 5 2 3. - <_> - - <_> - 9 1 9 8 -1. - <_> - 9 1 9 4 2. - 1 - <_> - - <_> - 0 0 36 2 -1. - <_> - 18 0 18 1 2. - <_> - 0 1 18 1 2. - <_> - - <_> - 5 0 26 6 -1. - <_> - 5 0 13 3 2. - <_> - 18 3 13 3 2. - <_> - - <_> - 28 3 3 3 -1. - <_> - 28 4 3 1 3. - <_> - - <_> - 5 3 5 3 -1. - <_> - 5 4 5 1 3. - <_> - - <_> - 14 12 8 2 -1. - <_> - 16 12 4 2 2. - <_> - - <_> - 13 0 9 14 -1. - <_> - 16 0 3 14 3. - <_> - - <_> - 23 0 10 1 -1. - <_> - 23 0 5 1 2. - 1 - <_> - - <_> - 8 14 2 2 -1. - <_> - 8 14 1 2 2. - 1 - <_> - - <_> - 0 12 36 3 -1. - <_> - 12 13 12 1 9. - <_> - - <_> - 0 13 34 4 -1. - <_> - 0 13 17 2 2. - <_> - 17 15 17 2 2. - diff --git a/vendor/opencv/sdk/etc/haarcascades/haarcascade_upperbody.xml b/vendor/opencv/sdk/etc/haarcascades/haarcascade_upperbody.xml deleted file mode 100644 index 3c75aa6927..0000000000 --- a/vendor/opencv/sdk/etc/haarcascades/haarcascade_upperbody.xml +++ /dev/null @@ -1,28134 +0,0 @@ - - - -BOOST - HAAR - 18 - 22 - - 152 - - 0 - 30 - - <_> - 20 - -1.1264339685440063e+00 - - <_> - - 0 -1 0 -1.3696029782295227e-02 - - 4.5076468586921692e-01 -4.2179030179977417e-01 - <_> - - 0 -1 1 1.2441449798643589e-02 - - 1.6493250429630280e-01 -7.4793487787246704e-01 - <_> - - 0 -1 2 -2.7094660326838493e-03 - - 3.1004700064659119e-01 -3.7617141008377075e-01 - <_> - - 0 -1 3 -1.0008010268211365e-01 - - 7.6182198524475098e-01 -7.4556976556777954e-02 - <_> - - 0 -1 4 -2.5114119052886963e-01 - - -6.4154028892517090e-01 1.5139220654964447e-01 - <_> - - 0 -1 5 -1.0510650277137756e-01 - - 7.1459370851516724e-01 -1.4498579502105713e-01 - <_> - - 0 -1 6 -8.8448017835617065e-02 - - 7.5773179531097412e-01 -6.8586893379688263e-02 - <_> - - 0 -1 7 1.0874910280108452e-02 - - 1.4610609412193298e-01 -5.4263710975646973e-01 - <_> - - 0 -1 8 1.2690570205450058e-02 - - 1.1674589663743973e-01 -4.9649459123611450e-01 - <_> - - 0 -1 9 -3.2198399305343628e-02 - - -3.8529390096664429e-01 9.8437972366809845e-02 - <_> - - 0 -1 10 -3.4077179152518511e-03 - - 2.5200870633125305e-01 -2.2382549941539764e-01 - <_> - - 0 -1 11 3.0324390158057213e-02 - - -1.0534449666738510e-01 6.5735417604446411e-01 - <_> - - 0 -1 12 4.1930507868528366e-03 - - 1.2872399389743805e-01 -5.3160661458969116e-01 - <_> - - 0 -1 13 8.0501407384872437e-02 - - 4.1696660220623016e-02 -7.2123032808303833e-01 - <_> - - 0 -1 14 -3.4822080284357071e-02 - - -4.9751108884811401e-01 1.3959939777851105e-01 - <_> - - 0 -1 15 7.5519368983805180e-03 - - -9.2147678136825562e-02 1.1294340342283249e-01 - <_> - - 0 -1 16 -1.7572140321135521e-02 - - -5.6784427165985107e-01 9.3572810292243958e-02 - <_> - - 0 -1 17 5.2012042142450809e-03 - - -7.9238079488277435e-02 6.1878960579633713e-02 - <_> - - 0 -1 18 -3.0798919498920441e-02 - - -5.6658512353897095e-01 9.5271490514278412e-02 - <_> - - 0 -1 19 -1.3465429656207561e-03 - - 2.4011470377445221e-01 -2.6026639342308044e-01 - <_> - 33 - -1.1226719617843628e+00 - - <_> - - 0 -1 20 1.9108939450234175e-03 - - -4.6240958571434021e-01 3.0612170696258545e-01 - <_> - - 0 -1 21 9.5464065670967102e-03 - - 9.1956138610839844e-02 -5.3501170873641968e-01 - <_> - - 0 -1 22 -4.3402809649705887e-02 - - 5.6817841529846191e-01 -1.1284930258989334e-01 - <_> - - 0 -1 23 5.0386030226945877e-02 - - -8.0316931009292603e-02 7.3521858453750610e-01 - <_> - - 0 -1 24 -6.8480317713692784e-04 - - 2.5798648595809937e-01 -2.8049409389495850e-01 - <_> - - 0 -1 25 1.1548049747943878e-01 - - 9.2065572738647461e-02 -7.5556892156600952e-01 - <_> - - 0 -1 26 -1.9348369678482413e-03 - - 2.9440790414810181e-01 -2.4102710187435150e-01 - <_> - - 0 -1 27 -4.3528810143470764e-02 - - 4.9202969670295715e-01 -3.9650101214647293e-02 - <_> - - 0 -1 28 -3.0218150466680527e-02 - - 7.7227920293807983e-01 -8.6786523461341858e-02 - <_> - - 0 -1 29 2.4536589160561562e-02 - - 9.5944821834564209e-02 -4.8642969131469727e-01 - <_> - - 0 -1 30 2.3958990350365639e-02 - - 1.0437840223312378e-01 -5.1219838857650757e-01 - <_> - - 0 -1 31 -2.5370830669999123e-02 - - -3.1981548666954041e-01 9.1486573219299316e-02 - <_> - - 0 -1 32 -1.8606419907882810e-03 - - 2.2783969342708588e-01 -2.4307970702648163e-01 - <_> - - 0 -1 33 2.2550800815224648e-02 - - 6.9207556545734406e-02 -3.0054280161857605e-01 - <_> - - 0 -1 34 -4.9752090126276016e-02 - - -6.1078047752380371e-01 9.4472773373126984e-02 - <_> - - 0 -1 35 -2.6602389290928841e-02 - - 5.9581768512725830e-01 -9.2046052217483521e-02 - <_> - - 0 -1 36 1.0760000348091125e-01 - - 1.0278519988059998e-01 -5.4303371906280518e-01 - <_> - - 0 -1 37 1.7690699547529221e-02 - - 6.6057138144969940e-02 -6.3213908672332764e-01 - <_> - - 0 -1 38 -6.2409918755292892e-02 - - 6.8724197149276733e-01 -6.7070558667182922e-02 - <_> - - 0 -1 39 -1.9801619928330183e-03 - - 9.4411551952362061e-02 -8.7819486856460571e-02 - <_> - - 0 -1 40 6.3668429851531982e-02 - - 1.1531739681959152e-01 -4.8129761219024658e-01 - <_> - - 0 -1 41 -3.0797829851508141e-02 - - 3.5854768753051758e-01 -1.2593799829483032e-01 - <_> - - 0 -1 42 -1.8353419727645814e-04 - - 1.4788399636745453e-01 -2.8546810150146484e-01 - <_> - - 0 -1 43 1.7074620118364692e-03 - - 7.9929657280445099e-02 -2.5233370065689087e-01 - <_> - - 0 -1 44 -1.5325199812650681e-02 - - -5.7711857557296753e-01 9.8908327519893646e-02 - <_> - - 0 -1 45 4.1389189660549164e-02 - - -6.5550796687602997e-02 5.7363802194595337e-01 - <_> - - 0 -1 46 -4.5577771379612386e-04 - - 2.2593089938163757e-01 -1.9105580449104309e-01 - <_> - - 0 -1 47 -1.3455689884722233e-02 - - -4.0233930945396423e-01 8.6477622389793396e-02 - <_> - - 0 -1 48 -3.7978399544954300e-02 - - 5.5257588624954224e-01 -8.1541016697883606e-02 - <_> - - 0 -1 49 -1.7197500914335251e-02 - - -1.8363009393215179e-01 5.1999870687723160e-02 - <_> - - 0 -1 50 -1.2581580085679889e-03 - - 1.8830040097236633e-01 -2.5726661086082458e-01 - <_> - - 0 -1 51 6.7725107073783875e-02 - - -8.0956451594829559e-02 7.1803241968154907e-01 - <_> - - 0 -1 52 3.5489428788423538e-02 - - 1.0068070143461227e-01 -5.3774142265319824e-01 - <_> - 29 - -1.0127470493316650e+00 - - <_> - - 0 -1 53 -5.3695798851549625e-03 - - 2.7479499578475952e-01 -3.4178960323333740e-01 - <_> - - 0 -1 54 6.2695867381989956e-04 - - -9.8646633327007294e-02 1.0728420317173004e-01 - <_> - - 0 -1 55 -1.6484269872307777e-02 - - -6.4972907304763794e-01 9.6037752926349640e-02 - <_> - - 0 -1 56 -2.2104099392890930e-02 - - -4.5984488725662231e-01 1.6304630041122437e-01 - <_> - - 0 -1 57 1.1904139816761017e-01 - - -9.9600397050380707e-02 7.3729759454727173e-01 - <_> - - 0 -1 58 -2.0222070161253214e-03 - - 2.1029269695281982e-01 -2.4577130377292633e-01 - <_> - - 0 -1 59 6.7500352859497070e-02 - - -1.2467789649963379e-01 5.7654231786727905e-01 - <_> - - 0 -1 60 -1.9655939936637878e-01 - - -6.0891747474670410e-01 9.9672056734561920e-02 - <_> - - 0 -1 61 4.9431171268224716e-02 - - 1.3752749562263489e-01 -4.5580869913101196e-01 - <_> - - 0 -1 62 2.3380089551210403e-02 - - 4.7141890972852707e-02 -3.5027709603309631e-01 - <_> - - 0 -1 63 1.3998650247231126e-03 - - -2.0643049478530884e-01 2.4322299659252167e-01 - <_> - - 0 -1 64 1.1432689614593983e-02 - - 5.5187370628118515e-02 -3.2619899511337280e-01 - <_> - - 0 -1 65 4.8775069415569305e-02 - - -6.8992510437965393e-02 7.1171808242797852e-01 - <_> - - 0 -1 66 6.5284021198749542e-02 - - 3.7155740428715944e-03 5.9318971633911133e-01 - <_> - - 0 -1 67 6.1603228095918894e-04 - - -2.3272520303726196e-01 2.0441530644893646e-01 - <_> - - 0 -1 68 -1.0527499951422215e-02 - - -3.1773790717124939e-01 1.0171309858560562e-01 - <_> - - 0 -1 69 1.6231339424848557e-02 - - 9.1734193265438080e-02 -4.7143009305000305e-01 - <_> - - 0 -1 70 3.8958500954322517e-04 - - -1.2997549772262573e-01 1.3475489616394043e-01 - <_> - - 0 -1 71 -4.4165689498186111e-02 - - -6.0331028699874878e-01 6.4766876399517059e-02 - <_> - - 0 -1 72 -1.3663209974765778e-02 - - -5.2762842178344727e-01 6.3485741615295410e-02 - <_> - - 0 -1 73 -8.8231859263032675e-04 - - 1.4510250091552734e-01 -2.7845200896263123e-01 - <_> - - 0 -1 74 -2.7819190174341202e-02 - - 4.3640869855880737e-01 -8.5191860795021057e-02 - <_> - - 0 -1 75 6.2560990452766418e-02 - - 1.0027889907360077e-01 -4.2235919833183289e-01 - <_> - - 0 -1 76 -4.4808178790844977e-04 - - 1.4851489663124084e-01 -1.7731289565563202e-01 - <_> - - 0 -1 77 -2.1363180130720139e-02 - - -6.1334460973739624e-01 6.0539398342370987e-02 - <_> - - 0 -1 78 -6.9122329354286194e-02 - - -8.6845761537551880e-01 3.9347749203443527e-02 - <_> - - 0 -1 79 -3.0542839318513870e-02 - - -6.4021718502044678e-01 4.9593821167945862e-02 - <_> - - 0 -1 80 -1.0101160034537315e-02 - - -1.6199150681495667e-01 5.7256899774074554e-02 - <_> - - 0 -1 81 -2.2010109387338161e-04 - - 2.1350930631160736e-01 -2.0198999345302582e-01 - <_> - 42 - -1.0684469938278198e+00 - - <_> - - 0 -1 82 5.7967850007116795e-03 - - -3.3844178915023804e-01 2.5066271424293518e-01 - <_> - - 0 -1 83 6.3795179128646851e-02 - - -4.2111620306968689e-02 3.5746571421623230e-01 - <_> - - 0 -1 84 -6.4332038164138794e-02 - - -5.0660789012908936e-01 1.1717739701271057e-01 - <_> - - 0 -1 85 -1.1574289947748184e-01 - - -5.6678497791290283e-01 9.5880903303623199e-02 - <_> - - 0 -1 86 -3.9005130529403687e-03 - - -4.1498228907585144e-01 1.4858320355415344e-01 - <_> - - 0 -1 87 1.2512929737567902e-02 - - 5.3696669638156891e-02 -1.4163960516452789e-01 - <_> - - 0 -1 88 1.5871099894866347e-03 - - -2.5962340831756592e-01 1.9418330490589142e-01 - <_> - - 0 -1 89 1.6291120648384094e-01 - - -6.1243768781423569e-02 7.8567212820053101e-01 - <_> - - 0 -1 90 -3.3258220553398132e-01 - - 7.8020131587982178e-01 -4.4036459177732468e-02 - <_> - - 0 -1 91 -1.0288899764418602e-02 - - -1.5289680659770966e-01 6.2096230685710907e-02 - <_> - - 0 -1 92 2.8956029564142227e-02 - - 8.4707796573638916e-02 -4.7820711135864258e-01 - <_> - - 0 -1 93 -3.2221511355601251e-04 - - 1.3951259851455688e-01 -1.8819390237331390e-01 - <_> - - 0 -1 94 1.5835289657115936e-01 - - 6.6667810082435608e-02 -5.4572361707687378e-01 - <_> - - 0 -1 95 -4.2584311217069626e-02 - - 2.7040338516235352e-01 -5.6654509156942368e-02 - <_> - - 0 -1 96 2.7505140751600266e-02 - - 4.9271158874034882e-02 -7.3157638311386108e-01 - <_> - - 0 -1 97 8.6879700422286987e-02 - - -1.7532400786876678e-02 8.6782652139663696e-01 - <_> - - 0 -1 98 -2.0130439661443233e-03 - - 1.6593940556049347e-01 -2.5266230106353760e-01 - <_> - - 0 -1 99 4.2330170981585979e-04 - - 9.4223551452159882e-02 -2.4629700183868408e-01 - <_> - - 0 -1 100 1.5194499865174294e-02 - - 7.3695637285709381e-02 -5.0068622827529907e-01 - <_> - - 0 -1 101 -6.1203669756650925e-03 - - 2.1381899714469910e-01 -1.6738100349903107e-01 - <_> - - 0 -1 102 2.0660240203142166e-02 - - -8.0636158585548401e-02 5.7828348875045776e-01 - <_> - - 0 -1 103 -6.0398250818252563e-02 - - -6.3411772251129150e-01 5.0899010151624680e-02 - <_> - - 0 -1 104 3.5386480391025543e-02 - - 7.3191151022911072e-02 -5.6426662206649780e-01 - <_> - - 0 -1 105 -6.5997838973999023e-02 - - 3.2833808660507202e-01 -2.6310259476304054e-02 - <_> - - 0 -1 106 1.1004590196534991e-03 - - -2.3114609718322754e-01 2.0206519961357117e-01 - <_> - - 0 -1 107 8.4488153457641602e-02 - - 7.4589841067790985e-02 -4.3710339069366455e-01 - <_> - - 0 -1 108 -2.9235990718007088e-02 - - 6.5064769983291626e-01 -5.4531838744878769e-02 - <_> - - 0 -1 109 -3.3916950225830078e-02 - - -2.8804349899291992e-01 3.2172881066799164e-02 - <_> - - 0 -1 110 -7.9108700156211853e-03 - - -3.3660379052162170e-01 1.0100690275430679e-01 - <_> - - 0 -1 111 5.1930431276559830e-02 - - 3.2920960336923599e-02 -1.3176530599594116e-01 - <_> - - 0 -1 112 -6.8586103618144989e-02 - - 5.2153557538986206e-01 -6.6718578338623047e-02 - <_> - - 0 -1 113 -1.9451669650152326e-03 - - 1.5396790206432343e-01 -1.9895760715007782e-01 - <_> - - 0 -1 114 7.1366228163242340e-02 - - -8.2927159965038300e-02 4.5292338728904724e-01 - <_> - - 0 -1 115 -2.6624239981174469e-02 - - -4.4009739160537720e-01 1.0267119854688644e-01 - <_> - - 0 -1 116 2.5266060605645180e-02 - - 5.5799201130867004e-02 -5.5569338798522949e-01 - <_> - - 0 -1 117 5.5255689658224583e-03 - - -1.3640299439430237e-01 2.8255200386047363e-01 - <_> - - 0 -1 118 -2.9929999727755785e-03 - - -3.2421571016311646e-01 1.2122060358524323e-01 - <_> - - 0 -1 119 2.2192109376192093e-02 - - -6.0741018503904343e-02 4.3473160266876221e-01 - <_> - - 0 -1 120 -9.4268741086125374e-03 - - -3.3458408713340759e-01 1.0029699653387070e-01 - <_> - - 0 -1 121 3.4395330585539341e-03 - - -8.3829909563064575e-02 1.7925940454006195e-01 - <_> - - 0 -1 122 -3.2996390946209431e-03 - - 1.9990429282188416e-01 -2.1068470180034637e-01 - <_> - - 0 -1 123 2.6152150705456734e-02 - - -8.0667406320571899e-02 3.5581269860267639e-01 - <_> - 45 - -1.1520069837570190e+00 - - <_> - - 0 -1 124 -2.2792650386691093e-02 - - 4.0725260972976685e-01 -3.3609920740127563e-01 - <_> - - 0 -1 125 -5.7334620505571365e-03 - - 2.6882189512252808e-01 -2.2775350511074066e-01 - <_> - - 0 -1 126 9.6941202878952026e-02 - - -8.0905012786388397e-02 7.4328738451004028e-01 - <_> - - 0 -1 127 -2.8288999572396278e-02 - - 4.5610108971595764e-01 -6.1096340417861938e-02 - <_> - - 0 -1 128 3.8522849790751934e-03 - - -2.5241801142692566e-01 2.0907109975814819e-01 - <_> - - 0 -1 129 2.3100129328668118e-03 - - -1.4713400602340698e-01 1.5460389852523804e-01 - <_> - - 0 -1 130 1.1361920041963458e-03 - - 1.7680479586124420e-01 -3.0537289381027222e-01 - <_> - - 0 -1 131 2.4962890893220901e-02 - - -1.2652909755706787e-01 3.7442651391029358e-01 - <_> - - 0 -1 132 -5.8984099887311459e-03 - - 2.6738989353179932e-01 -1.7762570083141327e-01 - <_> - - 0 -1 133 1.1804900132119656e-02 - - 6.6077977418899536e-02 -3.3482131361961365e-01 - <_> - - 0 -1 134 6.4400159753859043e-03 - - 1.0994800180196762e-01 -3.6303481459617615e-01 - <_> - - 0 -1 135 -8.9407369494438171e-02 - - -4.3580460548400879e-01 1.4944310300052166e-02 - <_> - - 0 -1 136 -3.1404230743646622e-02 - - 6.9523447751998901e-01 -5.4854288697242737e-02 - <_> - - 0 -1 137 -1.4607949554920197e-01 - - -2.5650060176849365e-01 5.6956540793180466e-02 - <_> - - 0 -1 138 2.1142649929970503e-03 - - -2.4987550079822540e-01 1.6792559623718262e-01 - <_> - - 0 -1 139 -1.5119359828531742e-02 - - -3.0179870128631592e-01 1.0393589735031128e-01 - <_> - - 0 -1 140 2.5620959699153900e-02 - - -7.4821300804615021e-02 5.3600782155990601e-01 - <_> - - 0 -1 141 -1.4417800307273865e-01 - - -2.0490899682044983e-01 7.4457786977291107e-02 - <_> - - 0 -1 142 2.5954779237508774e-02 - - -9.0574868023395538e-02 4.8442208766937256e-01 - <_> - - 0 -1 143 -2.1130720153450966e-02 - - -2.2689810395240784e-01 6.4876057207584381e-02 - <_> - - 0 -1 144 1.6474459320306778e-02 - - 1.0768000036478043e-01 -3.6570599675178528e-01 - <_> - - 0 -1 145 1.0922150313854218e-01 - - 5.6827351450920105e-02 -3.4728559851646423e-01 - <_> - - 0 -1 146 -7.4581061198841780e-05 - - 1.3904270529747009e-01 -2.5942608714103699e-01 - <_> - - 0 -1 147 -2.7753600850701332e-02 - - 3.8111299276351929e-01 -4.2896129190921783e-02 - <_> - - 0 -1 148 3.2721430063247681e-02 - - -9.0872153639793396e-02 3.9289179444313049e-01 - <_> - - 0 -1 149 5.5606258101761341e-03 - - 8.4002248942852020e-02 -1.9396039843559265e-01 - <_> - - 0 -1 150 -1.0710290074348450e-01 - - -5.8981472253799438e-01 5.6862760335206985e-02 - <_> - - 0 -1 151 -8.0517623573541641e-03 - - 1.1790599673986435e-01 -1.1595659703016281e-01 - <_> - - 0 -1 152 -1.3850019872188568e-01 - - -9.0805321931838989e-01 4.1411358863115311e-02 - <_> - - 0 -1 153 2.8620919212698936e-02 - - 1.9928589463233948e-02 -7.3697662353515625e-01 - <_> - - 0 -1 154 2.6208970695734024e-02 - - -6.1577551066875458e-02 6.0899931192398071e-01 - <_> - - 0 -1 155 2.6527039706707001e-02 - - 5.7193860411643982e-02 -6.2992326915264130e-02 - <_> - - 0 -1 156 -4.4622488319873810e-02 - - -3.3318150043487549e-01 9.3214571475982666e-02 - <_> - - 0 -1 157 -1.4283119700849056e-02 - - 1.9125230610370636e-01 -1.1530569940805435e-01 - <_> - - 0 -1 158 -1.9681209232658148e-03 - - -3.1295120716094971e-01 9.9682807922363281e-02 - <_> - - 0 -1 159 5.2851080894470215e-02 - - -5.8919548988342285e-02 5.7887911796569824e-01 - <_> - - 0 -1 160 -6.3711861148476601e-03 - - 1.9182190299034119e-01 -1.9094540178775787e-01 - <_> - - 0 -1 161 -6.4727910794317722e-03 - - -2.4721039831638336e-01 1.2252929806709290e-01 - <_> - - 0 -1 162 -1.6690989956259727e-02 - - -4.9174660444259644e-01 5.0315100699663162e-02 - <_> - - 0 -1 163 -1.4882409945130348e-02 - - 1.9646610319614410e-01 -5.8250389993190765e-02 - <_> - - 0 -1 164 1.7529709264636040e-02 - - 7.6357498764991760e-02 -3.6559268832206726e-01 - <_> - - 0 -1 165 4.2221389710903168e-02 - - -3.1560491770505905e-02 3.6011269688606262e-01 - <_> - - 0 -1 166 -6.5581746399402618e-02 - - 3.4334710240364075e-01 -8.8556960225105286e-02 - <_> - - 0 -1 167 1.6703210771083832e-02 - - 4.8210039734840393e-02 -1.5273620188236237e-01 - <_> - - 0 -1 168 -6.9328742101788521e-03 - - -3.0573639273643494e-01 1.1821140348911285e-01 - <_> - 46 - -1.0648390054702759e+00 - - <_> - - 0 -1 169 -6.3434438779950142e-03 - - 3.3840280771255493e-01 -3.3474850654602051e-01 - <_> - - 0 -1 170 5.2472548559308052e-03 - - -9.3596532940864563e-02 1.6791179776191711e-01 - <_> - - 0 -1 171 -3.6585088819265366e-02 - - 5.3676098585128784e-01 -8.5433527827262878e-02 - <_> - - 0 -1 172 5.3153699263930321e-03 - - -1.2804119288921356e-01 1.4443910121917725e-01 - <_> - - 0 -1 173 -3.9569609798491001e-03 - - 1.8605449795722961e-01 -2.2311410307884216e-01 - <_> - - 0 -1 174 3.3965419977903366e-02 - - 2.7835709974169731e-02 -5.1203387975692749e-01 - <_> - - 0 -1 175 -1.4852879568934441e-02 - - -4.6814951300621033e-01 1.1351560056209564e-01 - <_> - - 0 -1 176 -2.9641329310834408e-03 - - 2.6591798663139343e-01 -2.8183770179748535e-01 - <_> - - 0 -1 177 -1.0795590281486511e-01 - - -5.7527697086334229e-01 1.0991639643907547e-01 - <_> - - 0 -1 178 2.1237600594758987e-02 - - -1.0451590269804001e-01 4.6613770723342896e-01 - <_> - - 0 -1 179 -2.6189640164375305e-02 - - 4.2544820904731750e-01 -9.2278912663459778e-02 - <_> - - 0 -1 180 -3.5010561347007751e-02 - - -7.1801197528839111e-01 7.2877250611782074e-02 - <_> - - 0 -1 181 1.5026619621494319e-05 - - -2.7199760079383850e-01 1.0682159662246704e-01 - <_> - - 0 -1 182 -2.7760250493884087e-02 - - -5.0185692310333252e-01 1.0118210315704346e-01 - <_> - - 0 -1 183 -3.7439178675413132e-02 - - -3.7141519784927368e-01 8.3709038794040680e-02 - <_> - - 0 -1 184 -1.4152259565889835e-02 - - 3.0982801318168640e-01 -7.3767662048339844e-02 - <_> - - 0 -1 185 -1.2331079691648483e-02 - - -3.9507681131362915e-01 8.3215177059173584e-02 - <_> - - 0 -1 186 2.6666349731385708e-03 - - -1.3776129484176636e-01 2.4245689809322357e-01 - <_> - - 0 -1 187 -2.9443199746310711e-03 - - 2.4460780620574951e-01 -1.3937890529632568e-01 - <_> - - 0 -1 188 -1.5788920223712921e-01 - - -5.6832242012023926e-01 3.6140721291303635e-02 - <_> - - 0 -1 189 2.1553030237555504e-03 - - 8.3660557866096497e-02 -4.1380259394645691e-01 - <_> - - 0 -1 190 -8.5367091000080109e-02 - - -5.7053291797637939e-01 5.2995659410953522e-02 - <_> - - 0 -1 191 3.4761740826070309e-03 - - -1.2189819663763046e-01 2.6553291082382202e-01 - <_> - - 0 -1 192 -2.4104220792651176e-02 - - -5.2315437793731689e-01 2.5505660101771355e-02 - <_> - - 0 -1 193 -3.0729150399565697e-02 - - -4.6735408902168274e-01 7.0844426751136780e-02 - <_> - - 0 -1 194 -1.1937420349568129e-03 - - 1.4596860110759735e-01 -2.3086270689964294e-01 - <_> - - 0 -1 195 3.2304100692272186e-02 - - -6.5350927412509918e-02 5.5091381072998047e-01 - <_> - - 0 -1 196 1.4955499768257141e-01 - - 1.5002089552581310e-02 -8.9400452375411987e-01 - <_> - - 0 -1 197 -4.7254669480025768e-03 - - 1.4857460558414459e-01 -2.1019940078258514e-01 - <_> - - 0 -1 198 3.6360718309879303e-02 - - 2.8547950088977814e-02 -6.3668930530548096e-01 - <_> - - 0 -1 199 -2.7109999209642410e-02 - - 4.9661910533905029e-01 -7.3661573231220245e-02 - <_> - - 0 -1 200 -9.5398407429456711e-03 - - -1.9384680688381195e-01 5.8507081121206284e-02 - <_> - - 0 -1 201 1.0541989654302597e-01 - - -7.4785731732845306e-02 4.3781110644340515e-01 - <_> - - 0 -1 202 6.3801761716604233e-03 - - 5.3971529006958008e-02 -3.3829790353775024e-01 - <_> - - 0 -1 203 -2.2759849205613136e-02 - - -5.9374898672103882e-01 4.8046529293060303e-02 - <_> - - 0 -1 204 -1.7323749139904976e-02 - - -1.6034699976444244e-01 1.5187160111963749e-02 - <_> - - 0 -1 205 2.9854409396648407e-02 - - -6.5698243677616119e-02 4.5057341456413269e-01 - <_> - - 0 -1 206 2.3269839584827423e-02 - - 3.8805499672889709e-02 -3.5354879498481750e-01 - <_> - - 0 -1 207 4.0833871811628342e-02 - - 4.9404840916395187e-02 -5.6222450733184814e-01 - <_> - - 0 -1 208 -1.2498889863491058e-01 - - 6.7763668298721313e-01 -1.5484940260648727e-02 - <_> - - 0 -1 209 -6.5579377114772797e-02 - - 6.7363232374191284e-01 -4.5269690454006195e-02 - <_> - - 0 -1 210 -3.7901759147644043e-01 - - -4.9853721261024475e-01 2.3955229669809341e-02 - <_> - - 0 -1 211 2.9792459681630135e-03 - - -1.8436419963836670e-01 1.6265830397605896e-01 - <_> - - 0 -1 212 1.3803659938275814e-02 - - 6.3698217272758484e-02 -4.3389800190925598e-01 - <_> - - 0 -1 213 3.5606899764388800e-03 - - -1.1455070227384567e-01 2.3618610203266144e-01 - <_> - - 0 -1 214 8.8772783055901527e-03 - - 8.6416840553283691e-02 -1.7590980231761932e-01 - <_> - 45 - -9.5069932937622070e-01 - - <_> - - 0 -1 215 -6.7344820126891136e-03 - - 3.0758589506149292e-01 -2.9761791229248047e-01 - <_> - - 0 -1 216 -1.3902880251407623e-02 - - 2.0400699973106384e-01 -2.2967250645160675e-01 - <_> - - 0 -1 217 -4.1963551193475723e-02 - - -5.6575411558151245e-01 8.6745493113994598e-02 - <_> - - 0 -1 218 -5.9794791013700888e-05 - - 1.5832610428333282e-01 -2.3109050095081329e-01 - <_> - - 0 -1 219 8.4739532321691513e-03 - - -1.1501230299472809e-01 3.9758589863777161e-01 - <_> - - 0 -1 220 -6.5317057073116302e-02 - - -2.3887279629707336e-01 1.1391709744930267e-01 - <_> - - 0 -1 221 -4.2358501814305782e-03 - - 2.2337220609188080e-01 -2.4218839406967163e-01 - <_> - - 0 -1 222 4.6229299157857895e-02 - - 9.6837401390075684e-02 -5.3427702188491821e-01 - <_> - - 0 -1 223 5.2246701670810580e-05 - - -2.4189360439777374e-01 1.5932360291481018e-01 - <_> - - 0 -1 224 -4.1420090943574905e-02 - - -3.4044981002807617e-01 4.3712481856346130e-02 - <_> - - 0 -1 225 -1.0224279947578907e-02 - - -2.4752390384674072e-01 1.5512530505657196e-01 - <_> - - 0 -1 226 6.8581208586692810e-02 - - 9.7173796966671944e-03 -6.1821222305297852e-01 - <_> - - 0 -1 227 -4.0700301527976990e-02 - - -6.0284787416458130e-01 7.0963069796562195e-02 - <_> - - 0 -1 228 -8.9998699724674225e-02 - - 4.6664720773696899e-01 -4.8549890518188477e-02 - <_> - - 0 -1 229 1.5307360328733921e-02 - - 1.4783670008182526e-01 -2.7114608883857727e-01 - <_> - - 0 -1 230 3.7016849964857101e-03 - - -1.5153409540653229e-01 2.0931409299373627e-01 - <_> - - 0 -1 231 -3.1937099993228912e-02 - - -7.2332257032394409e-01 3.7420161068439484e-02 - <_> - - 0 -1 232 4.7493908554315567e-02 - - 4.9000091850757599e-02 -4.8303189873695374e-01 - <_> - - 0 -1 233 4.4620381668210030e-03 - - -1.7698319256305695e-01 1.9820910692214966e-01 - <_> - - 0 -1 234 -8.1284176558256149e-03 - - 1.1222189664840698e-01 -5.0805520266294479e-02 - <_> - - 0 -1 235 -1.2596019543707371e-02 - - 4.3889060616493225e-01 -8.2898952066898346e-02 - <_> - - 0 -1 236 -1.0689930059015751e-03 - - 6.8766087293624878e-02 -8.2667008042335510e-02 - <_> - - 0 -1 237 -4.8213090747594833e-02 - - -4.6671348810195923e-01 7.4310712516307831e-02 - <_> - - 0 -1 238 -2.3418650380335748e-04 - - 8.8725142180919647e-02 -1.0919640213251114e-01 - <_> - - 0 -1 239 1.0095000267028809e-01 - - 5.5444270372390747e-02 -5.5205368995666504e-01 - <_> - - 0 -1 240 3.2340411096811295e-02 - - 4.9762740731239319e-02 -3.6636400222778320e-01 - <_> - - 0 -1 241 1.7699210345745087e-01 - - -7.3765642940998077e-02 5.4300791025161743e-01 - <_> - - 0 -1 242 -1.8634319712873548e-04 - - 9.5718666911125183e-02 -1.8214109539985657e-01 - <_> - - 0 -1 243 6.6473139449954033e-03 - - -1.2173130363225937e-01 3.0331039428710938e-01 - <_> - - 0 -1 244 -9.9276658147573471e-03 - - 3.2638520002365112e-01 -8.8533706963062286e-02 - <_> - - 0 -1 245 5.2587099373340607e-02 - - 1.1303950101137161e-01 -3.3436870574951172e-01 - <_> - - 0 -1 246 4.9553681164979935e-03 - - -1.3183289766311646e-01 9.7614809870719910e-02 - <_> - - 0 -1 247 -2.3817660287022591e-02 - - -4.1027650237083435e-01 8.4849812090396881e-02 - <_> - - 0 -1 248 -1.1363780125975609e-02 - - 1.8874420225620270e-01 -8.3536416292190552e-02 - <_> - - 0 -1 249 -1.9515539752319455e-03 - - 1.8985089659690857e-01 -1.7776779830455780e-01 - <_> - - 0 -1 250 -1.3576669618487358e-02 - - 2.0975759625434875e-01 -3.7115450948476791e-02 - <_> - - 0 -1 251 1.6466820612549782e-02 - - -8.2349412143230438e-02 3.8047221302986145e-01 - <_> - - 0 -1 252 -1.0136260092258453e-01 - - -1.1633230000734329e-01 6.7804910242557526e-02 - <_> - - 0 -1 253 -1.0248430073261261e-01 - - -2.8850209712982178e-01 1.2139680236577988e-01 - <_> - - 0 -1 254 -2.8717568516731262e-01 - - 4.6935141086578369e-01 -8.2954309880733490e-02 - <_> - - 0 -1 255 5.0812978297472000e-02 - - 5.5393878370523453e-02 -6.2383282184600830e-01 - <_> - - 0 -1 256 9.1063417494297028e-02 - - -2.3379560559988022e-02 4.7155299782752991e-01 - <_> - - 0 -1 257 -5.1845338195562363e-02 - - -6.9031542539596558e-01 4.5454118400812149e-02 - <_> - - 0 -1 258 1.5031239390373230e-01 - - 4.5906711369752884e-02 -5.2067738771438599e-01 - <_> - - 0 -1 259 4.1596319526433945e-02 - - 5.3706299513578415e-02 -4.8782169818878174e-01 - <_> - 43 - -8.5045951604843140e-01 - - <_> - - 0 -1 260 -5.9847710654139519e-03 - - 2.7858960628509521e-01 -3.0923390388488770e-01 - <_> - - 0 -1 261 -3.9032639469951391e-03 - - 2.2257049381732941e-01 -2.8928229212760925e-01 - <_> - - 0 -1 262 -2.2362179151969030e-05 - - 1.4084370434284210e-01 -3.0143168568611145e-01 - <_> - - 0 -1 263 -9.1167002916336060e-02 - - -6.7608010768890381e-01 5.6040819734334946e-02 - <_> - - 0 -1 264 5.2755638957023621e-02 - - 7.4688747525215149e-02 -6.3256257772445679e-01 - <_> - - 0 -1 265 6.9458536803722382e-02 - - -1.1754920333623886e-01 6.3863641023635864e-01 - <_> - - 0 -1 266 -4.8209438100457191e-03 - - 2.9225930571556091e-01 -1.3872410356998444e-01 - <_> - - 0 -1 267 3.2156750559806824e-02 - - 7.5575239956378937e-02 -5.7927912473678589e-01 - <_> - - 0 -1 268 -4.4298470020294189e-02 - - 4.0226811170578003e-01 -1.0264609754085541e-01 - <_> - - 0 -1 269 -7.0452108047902584e-03 - - 1.5128499269485474e-01 -5.6725870817899704e-02 - <_> - - 0 -1 270 5.1606830675154924e-04 - - -2.3022100329399109e-01 1.6343879699707031e-01 - <_> - - 0 -1 271 -6.1528358608484268e-02 - - 2.5559040904045105e-01 -4.6751510351896286e-02 - <_> - - 0 -1 272 -5.1367811858654022e-02 - - -2.4755829572677612e-01 1.4305450022220612e-01 - <_> - - 0 -1 273 9.0107098221778870e-03 - - -1.0648769885301590e-01 3.1271860003471375e-01 - <_> - - 0 -1 274 2.2352259606122971e-02 - - 1.5494219958782196e-01 -3.1736290454864502e-01 - <_> - - 0 -1 275 3.1493891030550003e-02 - - 7.2037532925605774e-02 -2.8946670889854431e-01 - <_> - - 0 -1 276 -5.2064459770917892e-02 - - -2.7082020044326782e-01 1.2260189652442932e-01 - <_> - - 0 -1 277 -6.1549381352961063e-03 - - 1.6442950069904327e-01 -1.0657779872417450e-01 - <_> - - 0 -1 278 3.0305041000247002e-03 - - -1.5234139561653137e-01 2.0446379482746124e-01 - <_> - - 0 -1 279 -6.8027540110051632e-03 - - 7.1448147296905518e-02 -4.1458301246166229e-02 - <_> - - 0 -1 280 6.8647533655166626e-02 - - -5.2833538502454758e-02 5.7638901472091675e-01 - <_> - - 0 -1 281 -9.2883080244064331e-02 - - -2.6236709952354431e-01 8.2425810396671295e-02 - <_> - - 0 -1 282 -5.2907038480043411e-03 - - 1.4090450108051300e-01 -2.2050650417804718e-01 - <_> - - 0 -1 283 1.5640209894627333e-03 - - -1.0143549740314484e-01 1.3026970624923706e-01 - <_> - - 0 -1 284 1.0752620175480843e-02 - - 9.1515362262725830e-02 -3.2133978605270386e-01 - <_> - - 0 -1 285 -2.1106360480189323e-02 - - -2.7410230040550232e-01 9.1773197054862976e-03 - <_> - - 0 -1 286 4.8663117922842503e-03 - - -1.5258720517158508e-01 1.9711069762706757e-01 - <_> - - 0 -1 287 6.5396472811698914e-02 - - 6.5921088680624962e-03 -6.4343088865280151e-01 - <_> - - 0 -1 288 4.4902609661221504e-03 - - -1.0377249866724014e-01 2.8005209565162659e-01 - <_> - - 0 -1 289 4.6614840626716614e-02 - - 5.4715849459171295e-02 -5.2179151773452759e-01 - <_> - - 0 -1 290 1.1597450077533722e-01 - - 3.9613999426364899e-02 -6.4784902334213257e-01 - <_> - - 0 -1 291 5.7222661562263966e-03 - - -5.4838169366121292e-02 1.2828019261360168e-01 - <_> - - 0 -1 292 -4.1633259505033493e-02 - - -8.0665838718414307e-01 3.5942289978265762e-02 - <_> - - 0 -1 293 -4.7252390533685684e-02 - - -7.9193192720413208e-01 1.2737370096147060e-02 - <_> - - 0 -1 294 -1.6451090341433883e-03 - - 2.0376729965209961e-01 -1.3230639696121216e-01 - <_> - - 0 -1 295 2.5758889969438314e-03 - - -6.3503406941890717e-02 1.3530080020427704e-01 - <_> - - 0 -1 296 2.0758589729666710e-02 - - 4.7286979854106903e-02 -5.8212000131607056e-01 - <_> - - 0 -1 297 -2.8601480647921562e-02 - - -4.1221970319747925e-01 2.4210980162024498e-02 - <_> - - 0 -1 298 -2.8691580519080162e-02 - - -5.5404680967330933e-01 4.5068629086017609e-02 - <_> - - 0 -1 299 -2.6637869887053967e-03 - - 1.2570230662822723e-01 -1.6319499909877777e-01 - <_> - - 0 -1 300 -4.4750720262527466e-03 - - -2.7138069272041321e-01 1.0293100029230118e-01 - <_> - - 0 -1 301 4.0937099605798721e-02 - - -3.2065469771623611e-02 1.3092640042304993e-01 - <_> - - 0 -1 302 7.5827181339263916e-02 - - -5.1221519708633423e-02 5.6596297025680542e-01 - <_> - 58 - -9.1252201795578003e-01 - - <_> - - 0 -1 303 -4.2669968679547310e-03 - - 1.7704419791698456e-01 -2.8265419602394104e-01 - <_> - - 0 -1 304 -2.2577939555048943e-02 - - 2.3657959699630737e-01 -4.2326368391513824e-02 - <_> - - 0 -1 305 -9.8107997328042984e-03 - - -3.8568308949470520e-01 9.0982303023338318e-02 - <_> - - 0 -1 306 3.8510379381477833e-03 - - -1.0270400345325470e-01 1.9267590343952179e-01 - <_> - - 0 -1 307 -2.0688450895249844e-03 - - 1.6656570136547089e-01 -2.1394389867782593e-01 - <_> - - 0 -1 308 -5.8368500322103500e-02 - - 3.4833571314811707e-01 -8.0605462193489075e-02 - <_> - - 0 -1 309 5.6290920823812485e-02 - - -6.1617989093065262e-02 6.9421827793121338e-01 - <_> - - 0 -1 310 5.5776340886950493e-03 - - 7.8374862670898438e-02 -4.0764930844306946e-01 - <_> - - 0 -1 311 5.0974669866263866e-03 - - 1.5001790225505829e-01 -2.7620849013328552e-01 - <_> - - 0 -1 312 2.4134019389748573e-02 - - -3.7685971707105637e-02 4.0111309289932251e-01 - <_> - - 0 -1 313 2.6251180097460747e-03 - - -1.8986889719963074e-01 1.6666570305824280e-01 - <_> - - 0 -1 314 -2.3179719224572182e-02 - - -6.0807460546493530e-01 3.3016931265592575e-02 - <_> - - 0 -1 315 -1.7960369586944580e-03 - - 1.8328389525413513e-01 -1.6300560534000397e-01 - <_> - - 0 -1 316 1.1327250301837921e-01 - - 1.6392359510064125e-02 -3.8521450757980347e-01 - <_> - - 0 -1 317 -1.1120930314064026e-02 - - -2.6789391040802002e-01 1.2030880153179169e-01 - <_> - - 0 -1 318 8.9298561215400696e-03 - - -6.4766243100166321e-02 5.2446700632572174e-02 - <_> - - 0 -1 319 3.0264519155025482e-02 - - -5.3343709558248520e-02 4.9170601367950439e-01 - <_> - - 0 -1 320 1.3036240637302399e-01 - - 9.9123492836952209e-03 -8.0775249004364014e-01 - <_> - - 0 -1 321 -4.8941900022327900e-03 - - 1.4153289794921875e-01 -2.4222679436206818e-01 - <_> - - 0 -1 322 -1.8009349703788757e-02 - - -1.8352709710597992e-01 5.3784269839525223e-02 - <_> - - 0 -1 323 6.3028637669049203e-05 - - -2.0836220681667328e-01 1.3861179351806641e-01 - <_> - - 0 -1 324 -3.8127291202545166e-01 - - -7.6527822017669678e-01 3.4578099846839905e-02 - <_> - - 0 -1 325 1.6168570145964622e-02 - - -7.8577049076557159e-02 3.6086350679397583e-01 - <_> - - 0 -1 326 -2.0725380629301071e-02 - - -3.2905191183090210e-01 8.1693336367607117e-02 - <_> - - 0 -1 327 -1.4763489889446646e-04 - - 1.0449170321226120e-01 -2.7624139189720154e-01 - <_> - - 0 -1 328 -1.6959169879555702e-02 - - -2.4150790274143219e-01 5.4569680243730545e-02 - <_> - - 0 -1 329 -1.5221100300550461e-02 - - 4.1033148765563965e-01 -6.8333253264427185e-02 - <_> - - 0 -1 330 -9.6041243523359299e-03 - - -3.3569648861885071e-01 8.6250491440296173e-02 - <_> - - 0 -1 331 -1.6476860037073493e-03 - - 1.6236330568790436e-01 -1.9044490158557892e-01 - <_> - - 0 -1 332 -1.0705839842557907e-01 - - -8.6767107248306274e-01 7.3941340669989586e-03 - <_> - - 0 -1 333 -1.8818160519003868e-02 - - -3.6879110336303711e-01 6.8846642971038818e-02 - <_> - - 0 -1 334 -5.6142187677323818e-03 - - 1.7322039604187012e-01 -1.2514470517635345e-01 - <_> - - 0 -1 335 7.3969298973679543e-03 - - -8.5467368364334106e-02 3.2027161121368408e-01 - <_> - - 0 -1 336 9.4870915636420250e-03 - - 6.3168406486511230e-02 -2.0918910205364227e-01 - <_> - - 0 -1 337 1.8458140548318624e-03 - - -1.5436279773712158e-01 1.8517020344734192e-01 - <_> - - 0 -1 338 -1.9747359678149223e-02 - - 3.3071118593215942e-01 -7.6775848865509033e-02 - <_> - - 0 -1 339 3.2421160489320755e-02 - - 8.2021132111549377e-02 -4.0147501230239868e-01 - <_> - - 0 -1 340 2.9075390193611383e-03 - - -7.7174037694931030e-02 1.0620699822902679e-01 - <_> - - 0 -1 341 1.5189359895884991e-02 - - 6.0363899916410446e-02 -4.1365239024162292e-01 - <_> - - 0 -1 342 -3.0683739110827446e-02 - - 4.3470621109008789e-01 -5.9381321072578430e-02 - <_> - - 0 -1 343 -1.0973449796438217e-02 - - -2.9535230994224548e-01 8.5516467690467834e-02 - <_> - - 0 -1 344 -3.9540361613035202e-02 - - -2.8765881061553955e-01 3.4472968429327011e-02 - <_> - - 0 -1 345 -3.7935871630907059e-02 - - 3.8199868798255920e-01 -8.5364766418933868e-02 - <_> - - 0 -1 346 3.0669810250401497e-02 - - 4.4738098978996277e-02 -1.7703640460968018e-01 - <_> - - 0 -1 347 1.7194509506225586e-01 - - -5.9214178472757339e-02 4.9291038513183594e-01 - <_> - - 0 -1 348 -6.7055500112473965e-03 - - 1.6410259902477264e-01 -2.1826469898223877e-01 - <_> - - 0 -1 349 -3.8577869534492493e-01 - - -6.7176771163940430e-01 4.2349591851234436e-02 - <_> - - 0 -1 350 2.7213040739297867e-02 - - 1.2266149744391441e-02 -2.2954210638999939e-01 - <_> - - 0 -1 351 -1.9294980913400650e-02 - - -5.8373439311981201e-01 3.8380999118089676e-02 - <_> - - 0 -1 352 7.6792249456048012e-03 - - -4.7490350902080536e-02 1.5964460372924805e-01 - <_> - - 0 -1 353 6.0242269682930782e-05 - - -1.1734239757061005e-01 1.8236650526523590e-01 - <_> - - 0 -1 354 -6.6498141677584499e-05 - - 7.4745140969753265e-02 -1.6989439725875854e-01 - <_> - - 0 -1 355 4.3275849893689156e-03 - - 7.3789797723293304e-02 -2.8444349765777588e-01 - <_> - - 0 -1 356 -3.3140469342470169e-02 - - -4.0606608986854553e-01 1.0028730146586895e-02 - <_> - - 0 -1 357 9.9181402474641800e-03 - - -7.9339787364006042e-02 2.8190010786056519e-01 - <_> - - 0 -1 358 -2.3577339015901089e-03 - - 1.5301220118999481e-01 -1.0475979745388031e-01 - <_> - - 0 -1 359 -2.6200819760560989e-02 - - -5.4185032844543457e-01 4.4369250535964966e-02 - <_> - - 0 -1 360 4.7328658401966095e-02 - - 1.8897749483585358e-02 -8.2665932178497314e-01 - <_> - 44 - -1.1653599739074707e+00 - - <_> - - 0 -1 361 2.9921719804406166e-02 - - -3.2315000891685486e-01 5.1092821359634399e-01 - <_> - - 0 -1 362 5.6147608906030655e-02 - - -1.2574400007724762e-01 6.6749179363250732e-01 - <_> - - 0 -1 363 -1.3759849593043327e-02 - - 4.0691190958023071e-01 -2.1075299382209778e-01 - <_> - - 0 -1 364 -4.3788701295852661e-03 - - 2.7940139174461365e-01 -2.0955459773540497e-01 - <_> - - 0 -1 365 1.9208889454603195e-02 - - -8.9800693094730377e-02 5.0936561822891235e-01 - <_> - - 0 -1 366 -8.9393591042608023e-04 - - 1.0703620314598083e-01 -1.2294200062751770e-01 - <_> - - 0 -1 367 -6.2918022740632296e-04 - - -3.7847930192947388e-01 1.3008819520473480e-01 - <_> - - 0 -1 368 -1.6248769825324416e-03 - - 1.7750020325183868e-01 -2.7811211347579956e-01 - <_> - - 0 -1 369 -4.6151960268616676e-03 - - 2.4071510136127472e-01 -1.4269010722637177e-01 - <_> - - 0 -1 370 5.7162828743457794e-02 - - -1.8474869430065155e-02 4.5086058974266052e-01 - <_> - - 0 -1 371 -3.8265369366854429e-03 - - 2.5951761007308960e-01 -1.1455159634351730e-01 - <_> - - 0 -1 372 -4.5235190540552139e-02 - - -3.3849009871482849e-01 3.4538950771093369e-02 - <_> - - 0 -1 373 3.8135750219225883e-03 - - 1.1333999782800674e-01 -2.7620390057563782e-01 - <_> - - 0 -1 374 4.5108258724212646e-02 - - 2.8602050617337227e-02 -1.5837669372558594e-01 - <_> - - 0 -1 375 -2.7794970665127039e-03 - - 2.8897428512573242e-01 -1.0822720080614090e-01 - <_> - - 0 -1 376 5.6366869248449802e-03 - - -1.0184790194034576e-01 7.8787103295326233e-02 - <_> - - 0 -1 377 -5.2986819297075272e-02 - - 5.2964997291564941e-01 -6.5543353557586670e-02 - <_> - - 0 -1 378 7.4737891554832458e-02 - - 2.6320660486817360e-02 -3.0487209558486938e-01 - <_> - - 0 -1 379 4.1559520177543163e-03 - - -2.2977170348167419e-01 1.5662179887294769e-01 - <_> - - 0 -1 380 -2.9388200491666794e-03 - - -1.6916410624980927e-01 9.6996672451496124e-02 - <_> - - 0 -1 381 -1.3065510429441929e-02 - - 4.0258568525314331e-01 -7.1614369750022888e-02 - <_> - - 0 -1 382 -3.4928251057863235e-02 - - -4.9449989199638367e-01 2.2547820582985878e-02 - <_> - - 0 -1 383 2.1728971041738987e-03 - - -1.5552569925785065e-01 2.0136219263076782e-01 - <_> - - 0 -1 384 1.4387349598109722e-02 - - 3.6348100751638412e-02 -2.9468619823455811e-01 - <_> - - 0 -1 385 6.7830132320523262e-03 - - -8.2248352468013763e-02 3.3857500553131104e-01 - <_> - - 0 -1 386 -7.2883836925029755e-02 - - -3.4577670693397522e-01 1.9601320847868919e-02 - <_> - - 0 -1 387 -4.5158518478274345e-03 - - 1.7059490084648132e-01 -1.9742819666862488e-01 - <_> - - 0 -1 388 -1.3742079958319664e-02 - - -2.1214349567890167e-01 3.3953689038753510e-02 - <_> - - 0 -1 389 7.8056701458990574e-03 - - 7.1426697075366974e-02 -3.4223988652229309e-01 - <_> - - 0 -1 390 2.1649990230798721e-02 - - -6.1925049871206284e-02 3.7267661094665527e-01 - <_> - - 0 -1 391 -6.7706637084484100e-02 - - -3.0304160714149475e-01 9.4357587397098541e-02 - <_> - - 0 -1 392 -2.1855749655514956e-03 - - 1.0831770300865173e-01 -1.5530540049076080e-01 - <_> - - 0 -1 393 -2.5483060162514448e-03 - - -2.4103440344333649e-01 9.2916287481784821e-02 - <_> - - 0 -1 394 -6.7207813262939453e-02 - - -6.6259348392486572e-01 1.6074649989604950e-02 - <_> - - 0 -1 395 4.7799371182918549e-02 - - -4.4412638992071152e-02 6.0569787025451660e-01 - <_> - - 0 -1 396 -9.1178417205810547e-02 - - 2.4761490523815155e-01 -3.4762401133775711e-02 - <_> - - 0 -1 397 -3.8592480123043060e-03 - - -2.5366741418838501e-01 1.0194999724626541e-01 - <_> - - 0 -1 398 2.4100970476865768e-03 - - -1.2133970111608505e-01 1.9767910242080688e-01 - <_> - - 0 -1 399 -5.3831469267606735e-03 - - 1.7103940248489380e-01 -1.6189830005168915e-01 - <_> - - 0 -1 400 9.1004222631454468e-03 - - -6.0921549797058105e-02 1.7695249617099762e-01 - <_> - - 0 -1 401 2.2724110167473555e-03 - - -9.0476967394351959e-02 2.7440631389617920e-01 - <_> - - 0 -1 402 -8.0621562898159027e-02 - - -8.8045567274093628e-01 1.7193239182233810e-02 - <_> - - 0 -1 403 3.8965709973126650e-03 - - -1.7037920653820038e-01 1.7979580163955688e-01 - <_> - - 0 -1 404 -4.3093641288578510e-03 - - -2.9382050037384033e-01 8.6317472159862518e-02 - <_> - 44 - -9.4284927845001221e-01 - - <_> - - 0 -1 405 -6.3116192817687988e-02 - - 5.5512517690658569e-01 -3.5997709631919861e-01 - <_> - - 0 -1 406 8.4350287914276123e-02 - - -1.2531270086765289e-01 5.3567689657211304e-01 - <_> - - 0 -1 407 -2.1390730142593384e-01 - - 7.5156861543655396e-01 -8.8270872831344604e-02 - <_> - - 0 -1 408 -2.9744980856776237e-02 - - 2.0106209814548492e-01 -1.2106689810752869e-01 - <_> - - 0 -1 409 -1.1987680196762085e-01 - - 6.4692199230194092e-01 -7.7747613191604614e-02 - <_> - - 0 -1 410 3.0843529384583235e-03 - - -6.3067637383937836e-02 7.7889077365398407e-02 - <_> - - 0 -1 411 -4.5560211874544621e-03 - - 1.8972270190715790e-01 -1.9929079711437225e-01 - <_> - - 0 -1 412 4.4629329931922257e-04 - - 1.4051589369773865e-01 -3.0292418599128723e-01 - <_> - - 0 -1 413 -6.4954371191561222e-03 - - 3.1942290067672729e-01 -1.1072000116109848e-01 - <_> - - 0 -1 414 -2.1751760505139828e-03 - - 1.6477259993553162e-01 -8.0424778163433075e-02 - <_> - - 0 -1 415 6.5875840373337269e-03 - - 1.4716550707817078e-01 -3.0198150873184204e-01 - <_> - - 0 -1 416 2.0701209083199501e-02 - - -4.2996689677238464e-02 4.0123820304870605e-01 - <_> - - 0 -1 417 2.5877119041979313e-03 - - 1.2630540132522583e-01 -2.7518120408058167e-01 - <_> - - 0 -1 418 -1.0545079596340656e-02 - - 1.9637629389762878e-01 -3.9772778749465942e-02 - <_> - - 0 -1 419 6.2396968714892864e-03 - - -8.3563409745693207e-02 3.6655488610267639e-01 - <_> - - 0 -1 420 1.4458670280873775e-02 - - 6.3301697373390198e-02 -5.8498907089233398e-01 - <_> - - 0 -1 421 3.1263440847396851e-02 - - -1.0675270110368729e-01 3.4852859377861023e-01 - <_> - - 0 -1 422 1.4865349512547255e-03 - - 1.3709670305252075e-01 -1.3731659948825836e-01 - <_> - - 0 -1 423 -1.7898039368446916e-04 - - 1.7839649319648743e-01 -2.5751718878746033e-01 - <_> - - 0 -1 424 7.7714473009109497e-02 - - 5.7081848382949829e-02 -2.4273400008678436e-01 - <_> - - 0 -1 425 2.2228270769119263e-02 - - 1.4593790471553802e-01 -2.0994609594345093e-01 - <_> - - 0 -1 426 1.6969949938356876e-03 - - -1.4418889582157135e-01 2.7375409007072449e-01 - <_> - - 0 -1 427 -2.0023470744490623e-02 - - -3.7556248903274536e-01 8.1627696752548218e-02 - <_> - - 0 -1 428 3.8644319865852594e-03 - - -6.4490430057048798e-02 1.5921689569950104e-01 - <_> - - 0 -1 429 -3.0527650378644466e-03 - - 2.6751521229743958e-01 -1.0531850159168243e-01 - <_> - - 0 -1 430 5.6112320162355900e-03 - - -6.8567730486392975e-02 2.1234990656375885e-01 - <_> - - 0 -1 431 4.6622268855571747e-03 - - 1.4254149794578552e-01 -2.0892719924449921e-01 - <_> - - 0 -1 432 2.4710448924452066e-03 - - 7.2614386677742004e-02 -1.8833909928798676e-01 - <_> - - 0 -1 433 1.2655000202357769e-02 - - -8.3605259656906128e-02 4.3262240290641785e-01 - <_> - - 0 -1 434 -1.7724519595503807e-02 - - 1.7432230710983276e-01 -2.8479820117354393e-02 - <_> - - 0 -1 435 -7.2321272455155849e-04 - - 1.5343970060348511e-01 -2.4012179672718048e-01 - <_> - - 0 -1 436 -6.2155709601938725e-03 - - 2.5166681408882141e-01 -8.5519887506961823e-02 - <_> - - 0 -1 437 4.1632771492004395e-02 - - 5.0593800842761993e-02 -6.0965442657470703e-01 - <_> - - 0 -1 438 2.3918300867080688e-02 - - -3.6809660494327545e-02 3.9055478572845459e-01 - <_> - - 0 -1 439 -7.4353138916194439e-03 - - 1.5018579363822937e-01 -1.8627819418907166e-01 - <_> - - 0 -1 440 -2.0571449771523476e-02 - - -2.8574559092521667e-01 4.8302378505468369e-02 - <_> - - 0 -1 441 -7.3831980116665363e-03 - - 3.6680561304092407e-01 -9.6067756414413452e-02 - <_> - - 0 -1 442 9.7222924232482910e-03 - - 6.3898019492626190e-02 -1.7262579500675201e-01 - <_> - - 0 -1 443 -2.1807629615068436e-02 - - 1.8027269840240479e-01 -1.9109119474887848e-01 - <_> - - 0 -1 444 5.8147668838500977e-02 - - 8.5709961131215096e-03 -4.6250829100608826e-01 - <_> - - 0 -1 445 -9.4539504498243332e-03 - - -2.8908729553222656e-01 1.1421570181846619e-01 - <_> - - 0 -1 446 -2.1080709993839264e-02 - - 3.7570050358772278e-01 -2.5591030716896057e-02 - <_> - - 0 -1 447 -4.0629571303725243e-03 - - 2.7146670222282410e-01 -1.0845380276441574e-01 - <_> - - 0 -1 448 -1.2826620042324066e-01 - - 1. -1.0962430387735367e-03 - <_> - 61 - -9.5620310306549072e-01 - - <_> - - 0 -1 449 -1.2662290036678314e-01 - - 6.2268221378326416e-01 -1.4810459315776825e-01 - <_> - - 0 -1 450 -7.0846290327608585e-03 - - 2.0133779942989349e-01 -1.7728950083255768e-01 - <_> - - 0 -1 451 1.1459200084209442e-01 - - -8.8975846767425537e-02 5.7395541667938232e-01 - <_> - - 0 -1 452 3.3472150098532438e-03 - - 7.5708203017711639e-02 -2.8222179412841797e-01 - <_> - - 0 -1 453 5.1924228668212891e-02 - - -1.3948489725589752e-01 2.5681090354919434e-01 - <_> - - 0 -1 454 -4.1343908756971359e-02 - - 2.2414180636405945e-01 -4.3653670698404312e-02 - <_> - - 0 -1 455 -3.2056469470262527e-02 - - -5.9409761428833008e-01 5.1891159266233444e-02 - <_> - - 0 -1 456 -4.0590870194137096e-03 - - 1.6402080655097961e-01 -1.5528389811515808e-01 - <_> - - 0 -1 457 -9.1876718215644360e-05 - - 1.0587870329618454e-01 -2.8261598944664001e-01 - <_> - - 0 -1 458 2.8358219191431999e-02 - - 5.7384029030799866e-02 -6.7094147205352783e-02 - <_> - - 0 -1 459 -7.4662521481513977e-02 - - 5.6916707754135132e-01 -4.8785641789436340e-02 - <_> - - 0 -1 460 -3.6556490231305361e-03 - - 2.2369490563869476e-01 -1.2202149629592896e-01 - <_> - - 0 -1 461 3.1778779812157154e-03 - - 1.2240319699048996e-01 -2.7681729197502136e-01 - <_> - - 0 -1 462 3.8044340908527374e-02 - - 2.3216400295495987e-02 -5.3732901811599731e-01 - <_> - - 0 -1 463 8.7831392884254456e-03 - - -7.4337556958198547e-02 3.2851231098175049e-01 - <_> - - 0 -1 464 -5.9818099252879620e-03 - - -1.9504779577255249e-01 6.6976852715015411e-02 - <_> - - 0 -1 465 -1.6369449440389872e-03 - - 1.4674800634384155e-01 -1.8024149537086487e-01 - <_> - - 0 -1 466 -9.9193133413791656e-02 - - 6.8363517522811890e-01 -2.9652720317244530e-02 - <_> - - 0 -1 467 -1.0352009907364845e-02 - - 3.4225308895111084e-01 -8.1141538918018341e-02 - <_> - - 0 -1 468 2.5637909770011902e-02 - - 5.1416900008916855e-02 -1.6697999835014343e-01 - <_> - - 0 -1 469 -1.2416959507390857e-03 - - 1.2488900125026703e-01 -2.1346220374107361e-01 - <_> - - 0 -1 470 1.5018839621916413e-03 - - 9.7934387624263763e-02 -2.6385021209716797e-01 - <_> - - 0 -1 471 -3.2703679054975510e-02 - - 5.7504880428314209e-01 -4.5875400304794312e-02 - <_> - - 0 -1 472 2.1297169849276543e-02 - - 6.1069380491971970e-02 -2.2480219602584839e-01 - <_> - - 0 -1 473 -8.8358018547296524e-04 - - 9.5625787973403931e-02 -2.7564591169357300e-01 - <_> - - 0 -1 474 -3.6556860432028770e-03 - - 2.4107089638710022e-01 -1.0359519720077515e-01 - <_> - - 0 -1 475 3.4300461411476135e-02 - - 3.9062701165676117e-02 -6.2445348501205444e-01 - <_> - - 0 -1 476 1.1492350138723850e-02 - - -6.9246053695678711e-02 3.8258171081542969e-01 - <_> - - 0 -1 477 -3.1294790096580982e-03 - - 1.1273369938135147e-01 -2.3122510313987732e-01 - <_> - - 0 -1 478 -4.0945871733129025e-03 - - -1.7195980250835419e-01 1.3112659752368927e-01 - <_> - - 0 -1 479 -3.0921408906579018e-03 - - -2.5460389256477356e-01 9.6659161150455475e-02 - <_> - - 0 -1 480 -4.1672129184007645e-02 - - 2.7327769994735718e-01 -6.3094623386859894e-02 - <_> - - 0 -1 481 1.1384460143744946e-02 - - -7.1872517466545105e-02 4.1160398721694946e-01 - <_> - - 0 -1 482 -2.3934150114655495e-02 - - 1.3192340731620789e-01 -1.7954839766025543e-01 - <_> - - 0 -1 483 -3.1554169952869415e-02 - - -5.8792132139205933e-01 4.1782889515161514e-02 - <_> - - 0 -1 484 -2.4033859372138977e-02 - - -1.5534760057926178e-01 2.7700260281562805e-02 - <_> - - 0 -1 485 3.1589470803737640e-02 - - -3.9150279015302658e-02 6.0951721668243408e-01 - <_> - - 0 -1 486 -2.4214860051870346e-02 - - -2.4587619304656982e-01 9.1133296489715576e-02 - <_> - - 0 -1 487 1.9322870066389441e-03 - - -1.1647839844226837e-01 1.8819290399551392e-01 - <_> - - 0 -1 488 -3.6017759703099728e-03 - - 9.7600512206554413e-02 -4.8918090760707855e-02 - <_> - - 0 -1 489 3.1516118906438351e-03 - - 6.5808869898319244e-02 -3.1577658653259277e-01 - <_> - - 0 -1 490 -6.3677072525024414e-02 - - -8.6415481567382812e-01 -9.9097320344299078e-04 - <_> - - 0 -1 491 -3.9085028693079948e-03 - - 2.0826210081577301e-01 -1.0560230165719986e-01 - <_> - - 0 -1 492 -2.6837719604372978e-02 - - -1.8375129997730255e-01 2.9545329511165619e-02 - <_> - - 0 -1 493 3.1312298960983753e-03 - - -1.2626689672470093e-01 1.6888590157032013e-01 - <_> - - 0 -1 494 -7.3491871356964111e-02 - - -1. 5.6774187833070755e-03 - <_> - - 0 -1 495 1.8034819513559341e-02 - - -6.8617410957813263e-02 3.3438131213188171e-01 - <_> - - 0 -1 496 6.8655997514724731e-02 - - 4.6462309546768665e-03 -8.0664628744125366e-01 - <_> - - 0 -1 497 -4.6970890834927559e-03 - - -2.0121769607067108e-01 1.1580040305852890e-01 - <_> - - 0 -1 498 4.6783890575170517e-02 - - -3.5802699625492096e-02 4.1625639796257019e-01 - <_> - - 0 -1 499 4.5946058817207813e-03 - - 8.8457576930522919e-02 -2.6894488930702209e-01 - <_> - - 0 -1 500 -1.3852829579263926e-03 - - 8.1391222774982452e-02 -1.4880420267581940e-01 - <_> - - 0 -1 501 2.1788759157061577e-02 - - -9.1640457510948181e-02 2.1261249482631683e-01 - <_> - - 0 -1 502 -1.3380090240389109e-04 - - 9.6424743533134460e-02 -1.4717370271682739e-01 - <_> - - 0 -1 503 -4.7990411520004272e-02 - - -6.1987131834030151e-01 3.8760710507631302e-02 - <_> - - 0 -1 504 2.0026009529829025e-02 - - -3.5972420126199722e-02 1.9393420219421387e-01 - <_> - - 0 -1 505 1.0723130544647574e-03 - - -1.9447499513626099e-01 1.2064950168132782e-01 - <_> - - 0 -1 506 2.2665090858936310e-02 - - 4.8719439655542374e-02 -2.3640799522399902e-01 - <_> - - 0 -1 507 -1.1042109690606594e-02 - - -2.6107341051101685e-01 1.0075490176677704e-01 - <_> - - 0 -1 508 -1.2811049818992615e-02 - - 1.5199629962444305e-01 -8.8552959263324738e-02 - <_> - - 0 -1 509 -3.6628648638725281e-02 - - 3.8858860731124878e-01 -7.7304549515247345e-02 - <_> - 72 - -8.7708407640457153e-01 - - <_> - - 0 -1 510 -5.4606638848781586e-02 - - 5.5801349878311157e-01 -1.4168889820575714e-01 - <_> - - 0 -1 511 3.3533740788698196e-02 - - -2.7386279776692390e-02 4.4381770491600037e-01 - <_> - - 0 -1 512 -9.9635301157832146e-03 - - 2.5193908810615540e-01 -1.4647540450096130e-01 - <_> - - 0 -1 513 1.8188880058005452e-03 - - -1.1264120042324066e-01 1.1523260176181793e-01 - <_> - - 0 -1 514 -4.8793829977512360e-02 - - 5.1317107677459717e-01 -7.8665018081665039e-02 - <_> - - 0 -1 515 -1.3357769697904587e-02 - - -1.4197979867458344e-01 1.1862599849700928e-01 - <_> - - 0 -1 516 1.1562240542843938e-03 - - -2.0949220657348633e-01 1.5693040192127228e-01 - <_> - - 0 -1 517 -6.2384512275457382e-03 - - -1.4336450397968292e-01 1.1303550004959106e-01 - <_> - - 0 -1 518 4.4234818778932095e-03 - - -1.0358580201864243e-01 2.4589489400386810e-01 - <_> - - 0 -1 519 5.2964448928833008e-02 - - 1.2561550363898277e-02 -6.2551808357238770e-01 - <_> - - 0 -1 520 5.5844681337475777e-03 - - 8.3967886865139008e-02 -2.4653799831867218e-01 - <_> - - 0 -1 521 -4.1809541289694607e-04 - - 6.9588072597980499e-02 -1.3558819890022278e-01 - <_> - - 0 -1 522 -8.9637134224176407e-03 - - -3.0442738533020020e-01 6.9894723594188690e-02 - <_> - - 0 -1 523 2.4479050189256668e-02 - - -3.1651828438043594e-02 2.0308789610862732e-01 - <_> - - 0 -1 524 -2.5842329487204552e-02 - - 5.0401061773300171e-01 -6.3922062516212463e-02 - <_> - - 0 -1 525 -2.0785620436072350e-03 - - 1.0980220139026642e-01 -1.1839559674263000e-01 - <_> - - 0 -1 526 6.8030342459678650e-02 - - 4.2290739715099335e-02 -5.1855510473251343e-01 - <_> - - 0 -1 527 -7.0639760233461857e-03 - - -2.0031100511550903e-01 2.4955609813332558e-02 - <_> - - 0 -1 528 -3.4848200157284737e-03 - - 2.3135329782962799e-01 -9.6989557147026062e-02 - <_> - - 0 -1 529 1.3147160410881042e-02 - - -3.7450950592756271e-02 2.5842788815498352e-01 - <_> - - 0 -1 530 -1.4271659776568413e-02 - - -3.0110171437263489e-01 7.9672336578369141e-02 - <_> - - 0 -1 531 1.2653480283915997e-02 - - 4.9039140343666077e-02 -1.4988109469413757e-01 - <_> - - 0 -1 532 -4.4893440790474415e-03 - - 1.7208859324455261e-01 -1.5355649590492249e-01 - <_> - - 0 -1 533 3.2365400344133377e-02 - - -9.0493112802505493e-02 3.5779160261154175e-01 - <_> - - 0 -1 534 4.6125808730721474e-03 - - 1.1445190012454987e-01 -2.6519489288330078e-01 - <_> - - 0 -1 535 2.8645930811762810e-02 - - -3.5988539457321167e-02 3.0025520920753479e-01 - <_> - - 0 -1 536 -2.3571979254484177e-02 - - -2.4872820079326630e-01 9.1967120766639709e-02 - <_> - - 0 -1 537 -1.0739799588918686e-02 - - -2.1367760002613068e-01 9.6477411687374115e-02 - <_> - - 0 -1 538 2.3728659376502037e-02 - - -7.0916198194026947e-02 4.3828758597373962e-01 - <_> - - 0 -1 539 -3.2800701260566711e-01 - - 5.8840030431747437e-01 -3.1756788492202759e-02 - <_> - - 0 -1 540 7.5008560997957829e-06 - - -1.8288560211658478e-01 1.2022940069437027e-01 - <_> - - 0 -1 541 3.0071409419178963e-02 - - 2.7802020311355591e-02 -4.3224281072616577e-01 - <_> - - 0 -1 542 -2.1936609409749508e-03 - - 1.3592420518398285e-01 -1.4038629829883575e-01 - <_> - - 0 -1 543 2.0174339413642883e-02 - - -6.1628919094800949e-02 3.1579768657684326e-01 - <_> - - 0 -1 544 9.7460206598043442e-03 - - 8.8958032429218292e-02 -2.2594009339809418e-01 - <_> - - 0 -1 545 -1.2958340346813202e-02 - - -1.2200850248336792e-01 8.6518086493015289e-02 - <_> - - 0 -1 546 1.1445499956607819e-02 - - -6.4182333648204803e-02 3.0279749631881714e-01 - <_> - - 0 -1 547 -3.3802569378167391e-03 - - 1.1177670210599899e-01 -1.2922379374504089e-01 - <_> - - 0 -1 548 2.0366210490465164e-02 - - 1.0104539990425110e-01 -2.5991159677505493e-01 - <_> - - 0 -1 549 3.8058649748563766e-02 - - 1.3168349862098694e-02 -7.5580632686614990e-01 - <_> - - 0 -1 550 2.3050000891089439e-03 - - -1.0766649991273880e-01 1.8757669627666473e-01 - <_> - - 0 -1 551 5.1847118884325027e-02 - - -2.2320529446005821e-02 1.8795830011367798e-01 - <_> - - 0 -1 552 1.1383029632270336e-02 - - 6.0226161032915115e-02 -3.5961788892745972e-01 - <_> - - 0 -1 553 8.2553178071975708e-03 - - -8.5131391882896423e-02 2.3493440449237823e-01 - <_> - - 0 -1 554 -2.6984339579939842e-02 - - -2.1479399502277374e-01 9.3656733632087708e-02 - <_> - - 0 -1 555 -1.0289980098605156e-02 - - 5.8254890143871307e-02 -8.3950929343700409e-02 - <_> - - 0 -1 556 -1.4419780200114474e-05 - - 1.0392870008945465e-01 -1.7317299544811249e-01 - <_> - - 0 -1 557 1.0065140202641487e-02 - - -4.1311118751764297e-02 1.7616020143032074e-01 - <_> - - 0 -1 558 -1.4870229642838240e-04 - - 1.5657539665699005e-01 -1.2030059844255447e-01 - <_> - - 0 -1 559 -3.1059589236974716e-03 - - 1.1674880236387253e-01 -9.1372460126876831e-02 - <_> - - 0 -1 560 1.0708030313253403e-02 - - -7.7608227729797363e-02 2.7916100621223450e-01 - <_> - - 0 -1 561 -9.7792129963636398e-03 - - -2.9060921072959900e-01 7.1562640368938446e-02 - <_> - - 0 -1 562 2.0121980458498001e-02 - - 4.3994959443807602e-02 -4.2539501190185547e-01 - <_> - - 0 -1 563 -6.3295163214206696e-02 - - 3.7034231424331665e-01 -5.2549809217453003e-02 - <_> - - 0 -1 564 -8.7289556860923767e-02 - - -6.4299279451370239e-01 3.1952869147062302e-02 - <_> - - 0 -1 565 2.0398540422320366e-02 - - -4.5955598354339600e-02 4.6266159415245056e-01 - <_> - - 0 -1 566 -4.0313000790774822e-03 - - 1.3840849697589874e-01 -1.7980839312076569e-01 - <_> - - 0 -1 567 -1.5734519809484482e-02 - - -1.8477180600166321e-01 6.9983080029487610e-02 - <_> - - 0 -1 568 3.3332880120724440e-03 - - 1.1277650296688080e-01 -1.9513790309429169e-01 - <_> - - 0 -1 569 4.3689161539077759e-02 - - 5.9510939754545689e-03 -5.5423438549041748e-01 - <_> - - 0 -1 570 -2.0920610986649990e-03 - - 1.9163469970226288e-01 -9.7136110067367554e-02 - <_> - - 0 -1 571 2.0574270747601986e-03 - - -1.0197430104017258e-01 1.4083810150623322e-01 - <_> - - 0 -1 572 8.8018123060464859e-03 - - 1.1987809836864471e-01 -1.5638549625873566e-01 - <_> - - 0 -1 573 -1.6882529482245445e-02 - - -1.8438099324703217e-01 1.9492870196700096e-02 - <_> - - 0 -1 574 -6.1647890834137797e-04 - - 1.0665109753608704e-01 -2.2164009511470795e-01 - <_> - - 0 -1 575 1.0317339911125600e-04 - - -1.1228899657726288e-01 1.3858650624752045e-01 - <_> - - 0 -1 576 1.5316329896450043e-02 - - -5.0639409571886063e-02 4.1119828820228577e-01 - <_> - - 0 -1 577 1.0660690255463123e-02 - - 5.8820810168981552e-02 -1.6454669833183289e-01 - <_> - - 0 -1 578 -1.9296869635581970e-02 - - 3.9260959625244141e-01 -5.2761189639568329e-02 - <_> - - 0 -1 579 1.0018110275268555e-02 - - 1.0068470239639282e-01 -1.9756269454956055e-01 - <_> - - 0 -1 580 -2.7263790369033813e-02 - - 3.5332089662551880e-01 -5.5305551737546921e-02 - <_> - - 0 -1 581 5.4494310170412064e-03 - - 6.7253768444061279e-02 -1.8384470045566559e-01 - <_> - 75 - -8.5267168283462524e-01 - - <_> - - 0 -1 582 -5.7434860616922379e-02 - - 5.0582551956176758e-01 -1.2274570018053055e-01 - <_> - - 0 -1 583 -1.2750659883022308e-01 - - 5.7605969905853271e-01 -4.3710928410291672e-02 - <_> - - 0 -1 584 -6.3675642013549805e-02 - - 5.7122522592544556e-01 -4.9968320876359940e-02 - <_> - - 0 -1 585 -1.1928480118513107e-02 - - 2.1641939878463745e-01 -1.8480269610881805e-01 - <_> - - 0 -1 586 1.3247699826024473e-04 - - -2.2685679793357849e-01 1.0648279637098312e-01 - <_> - - 0 -1 587 6.4140267204493284e-04 - - 9.4751678407192230e-02 -2.6892009377479553e-01 - <_> - - 0 -1 588 -2.9463530518114567e-03 - - 1.3910910487174988e-01 -1.7091070115566254e-01 - <_> - - 0 -1 589 5.3384741768240929e-03 - - 8.3969242870807648e-02 -9.5441989600658417e-02 - <_> - - 0 -1 590 5.8703150600194931e-02 - - -6.9647520780563354e-02 3.3629441261291504e-01 - <_> - - 0 -1 591 -2.5406300555914640e-03 - - 9.6176013350486755e-02 -1.5758140385150909e-01 - <_> - - 0 -1 592 -3.1899519264698029e-02 - - -2.7956488728523254e-01 7.0359513163566589e-02 - <_> - - 0 -1 593 -3.2022708654403687e-01 - - -9.0805047750473022e-01 7.5922380201518536e-03 - <_> - - 0 -1 594 3.5796251147985458e-02 - - -5.0070770084857941e-02 4.2101579904556274e-01 - <_> - - 0 -1 595 -1.9079160690307617e-01 - - -2.2061030566692352e-01 6.5184786915779114e-02 - <_> - - 0 -1 596 -1.2181829661130905e-02 - - 1.3479439914226532e-01 -1.6667750477790833e-01 - <_> - - 0 -1 597 -3.2165799289941788e-02 - - -2.5105410814285278e-01 1.9344560801982880e-02 - <_> - - 0 -1 598 3.6299630999565125e-02 - - -5.9490781277418137e-02 4.0007731318473816e-01 - <_> - - 0 -1 599 2.0224580541253090e-02 - - 5.6489799171686172e-02 -1.3418239355087280e-01 - <_> - - 0 -1 600 -2.5393130257725716e-02 - - 3.6507838964462280e-01 -6.6002182662487030e-02 - <_> - - 0 -1 601 -1.2022369541227818e-02 - - -1.7655059695243835e-01 7.3997639119625092e-02 - <_> - - 0 -1 602 4.7965139150619507e-02 - - 4.4668558984994888e-02 -4.4584980607032776e-01 - <_> - - 0 -1 603 -2.0564019680023193e-01 - - -7.3254501819610596e-01 1.9955230876803398e-02 - <_> - - 0 -1 604 -1.6601709648966789e-03 - - 1.1633270233869553e-01 -1.5488509833812714e-01 - <_> - - 0 -1 605 8.6899623274803162e-02 - - -5.4107550531625748e-02 2.6952400803565979e-01 - <_> - - 0 -1 606 -1.1374129680916667e-03 - - -1.4314429461956024e-01 1.2444330006837845e-01 - <_> - - 0 -1 607 3.0976340174674988e-02 - - 2.9864860698580742e-02 -3.2607930898666382e-01 - <_> - - 0 -1 608 2.6978010311722755e-02 - - -4.5098248869180679e-02 3.6128848791122437e-01 - <_> - - 0 -1 609 1.9421820342540741e-01 - - 3.2255191355943680e-02 -6.8981701135635376e-01 - <_> - - 0 -1 610 -2.0443359389901161e-02 - - 2.9300108551979065e-01 -6.4483217895030975e-02 - <_> - - 0 -1 611 -4.0420450270175934e-02 - - -7.6823359727859497e-01 1.2281980365514755e-02 - <_> - - 0 -1 612 -1.2641429901123047e-02 - - -2.7573791146278381e-01 6.1901118606328964e-02 - <_> - - 0 -1 613 -3.9670299738645554e-02 - - 3.2828390598297119e-01 -2.0364999771118164e-02 - <_> - - 0 -1 614 2.0246729254722595e-02 - - -5.8393601328134537e-02 3.3060538768768311e-01 - <_> - - 0 -1 615 8.9611168950796127e-03 - - 9.0096317231655121e-02 -2.2343009710311890e-01 - <_> - - 0 -1 616 -8.3055719733238220e-03 - - 1.4175349473953247e-01 -1.2607260048389435e-01 - <_> - - 0 -1 617 -2.8248139642528258e-05 - - 9.4516962766647339e-02 -2.1810370683670044e-01 - <_> - - 0 -1 618 -5.1939398981630802e-03 - - 1.3304319977760315e-01 -1.3341580331325531e-01 - <_> - - 0 -1 619 1.1773110181093216e-01 - - 2.9586199671030045e-02 -2.4020829796791077e-01 - <_> - - 0 -1 620 6.7896701395511627e-02 - - 8.0913707613945007e-02 -2.3454460501670837e-01 - <_> - - 0 -1 621 -2.6683699339628220e-02 - - 3.0590981245040894e-01 -6.4152047038078308e-02 - <_> - - 0 -1 622 3.5058211069554090e-03 - - 8.9341968297958374e-02 -2.2773680090904236e-01 - <_> - - 0 -1 623 -6.5844372147694230e-04 - - 1.2458139657974243e-01 -9.1352440416812897e-02 - <_> - - 0 -1 624 7.2530400939285755e-03 - - -6.9285176694393158e-02 2.5482881069183350e-01 - <_> - - 0 -1 625 -2.8056129813194275e-02 - - -2.0867039263248444e-01 3.3539578318595886e-02 - <_> - - 0 -1 626 -5.1205180585384369e-02 - - -2.4107429385185242e-01 6.4439408481121063e-02 - <_> - - 0 -1 627 2.9234649613499641e-02 - - -5.0803840160369873e-02 3.6485049128532410e-01 - <_> - - 0 -1 628 -1.0219520330429077e-01 - - 4.0123480558395386e-01 -4.2902119457721710e-02 - <_> - - 0 -1 629 1.5104969963431358e-02 - - 1.0481490194797516e-01 -1.8472430109977722e-01 - <_> - - 0 -1 630 -1.2570650316774845e-02 - - -2.0540939271450043e-01 9.3013197183609009e-02 - <_> - - 0 -1 631 1.2253070250153542e-02 - - -5.9285100549459457e-02 2.3927310109138489e-01 - <_> - - 0 -1 632 -2.6166990399360657e-02 - - -6.9966787099838257e-01 2.4906709790229797e-02 - <_> - - 0 -1 633 7.0817661471664906e-03 - - 2.4173120036721230e-02 -5.5144792795181274e-01 - <_> - - 0 -1 634 2.1426850929856300e-02 - - 6.4168840646743774e-02 -2.5997900962829590e-01 - <_> - - 0 -1 635 1.8189709633588791e-02 - - 3.5838250070810318e-02 -1.8020580708980560e-01 - <_> - - 0 -1 636 1.7415799200534821e-02 - - -8.3862036466598511e-02 3.3338528871536255e-01 - <_> - - 0 -1 637 -1.4878029469400644e-03 - - 1.2078859657049179e-01 -1.2769320607185364e-01 - <_> - - 0 -1 638 7.5296638533473015e-03 - - -7.0014707744121552e-02 3.2181090116500854e-01 - <_> - - 0 -1 639 -6.1499018222093582e-02 - - 4.6469798684120178e-01 -1.0073710232973099e-02 - <_> - - 0 -1 640 -1.9133290334139019e-04 - - -1.4094290137290955e-01 1.3830110430717468e-01 - <_> - - 0 -1 641 -2.4422289803624153e-02 - - -2.5292310118675232e-01 6.7684173583984375e-02 - <_> - - 0 -1 642 -2.6136320829391479e-01 - - 3.4003540873527527e-01 -5.8462549000978470e-02 - <_> - - 0 -1 643 -7.6046779751777649e-02 - - -7.8514158725738525e-01 5.2708541043102741e-03 - <_> - - 0 -1 644 -3.0279329512268305e-03 - - 1.8527059257030487e-01 -9.0691961348056793e-02 - <_> - - 0 -1 645 -8.0219199880957603e-03 - - -1.2540580332279205e-01 3.0594889074563980e-02 - <_> - - 0 -1 646 -2.0705960690975189e-01 - - -7.5411921739578247e-01 2.1201130002737045e-02 - <_> - - 0 -1 647 -9.5322817564010620e-02 - - -2.9623070359230042e-01 1.3138709589838982e-02 - <_> - - 0 -1 648 9.5921624451875687e-03 - - 8.4324322640895844e-02 -2.1746580302715302e-01 - <_> - - 0 -1 649 -1.3089469633996487e-02 - - 9.3607500195503235e-02 -6.5754130482673645e-02 - <_> - - 0 -1 650 1.1732880026102066e-02 - - -8.0039046704769135e-02 2.3291939496994019e-01 - <_> - - 0 -1 651 1.5239049494266510e-01 - - 9.9299130961298943e-03 -6.5196067094802856e-01 - <_> - - 0 -1 652 -6.4591512084007263e-02 - - 2.8372219204902649e-01 -6.0058828443288803e-02 - <_> - - 0 -1 653 -5.5493030697107315e-02 - - 2.6659101247787476e-01 -1.0336419567465782e-02 - <_> - - 0 -1 654 -5.0287410616874695e-02 - - -6.9501471519470215e-01 2.7849879115819931e-02 - <_> - - 0 -1 655 -4.7794249653816223e-01 - - -9.2871952056884766e-01 5.9050112031400204e-03 - <_> - - 0 -1 656 -1.4398519881069660e-02 - - -4.5541068911552429e-01 3.6409981548786163e-02 - <_> - 67 - -7.4186658859252930e-01 - - <_> - - 0 -1 657 1.9511899445205927e-03 - - -2.4936990439891815e-01 1.4111639559268951e-01 - <_> - - 0 -1 658 -4.6634670346975327e-02 - - 3.7840589880943298e-01 -7.8401736915111542e-02 - <_> - - 0 -1 659 1.6193749383091927e-02 - - 7.5213313102722168e-02 -4.1991469264030457e-01 - <_> - - 0 -1 660 -1.2459639401640743e-04 - - 6.8576186895370483e-02 -1.7935420572757721e-01 - <_> - - 0 -1 661 7.3257791809737682e-03 - - 1.0322099924087524e-01 -2.6099279522895813e-01 - <_> - - 0 -1 662 -1.5020779756014235e-05 - - 7.3122598230838776e-02 -1.6718889772891998e-01 - <_> - - 0 -1 663 -3.4522008150815964e-02 - - -3.9326989650726318e-01 7.6727166771888733e-02 - <_> - - 0 -1 664 -8.2679510116577148e-02 - - -7.4677819013595581e-01 1.5530600212514400e-02 - <_> - - 0 -1 665 8.2162402570247650e-02 - - -6.9249503314495087e-02 3.7914600968360901e-01 - <_> - - 0 -1 666 3.4187830984592438e-02 - - 4.2608659714460373e-02 -1.5429890155792236e-01 - <_> - - 0 -1 667 -1.7891369760036469e-02 - - -3.0639570951461792e-01 7.8118398785591125e-02 - <_> - - 0 -1 668 3.3130999654531479e-02 - - -5.6183800101280212e-02 3.7405240535736084e-01 - <_> - - 0 -1 669 -5.7486710138618946e-03 - - 1.2490350008010864e-01 -2.0527860522270203e-01 - <_> - - 0 -1 670 3.3536829054355621e-02 - - -4.8344220966100693e-02 2.6724401116371155e-01 - <_> - - 0 -1 671 2.4723829701542854e-02 - - 8.3678968250751495e-02 -3.3730649948120117e-01 - <_> - - 0 -1 672 2.2355809342116117e-03 - - 1.0374590009450912e-01 -1.3071919977664948e-01 - <_> - - 0 -1 673 -2.4322168901562691e-03 - - 1.5645089745521545e-01 -1.3284459710121155e-01 - <_> - - 0 -1 674 2.5999119505286217e-02 - - -8.0343127250671387e-02 2.1610119938850403e-01 - <_> - - 0 -1 675 3.6965688195778057e-05 - - -1.7871010303497314e-01 1.0563120245933533e-01 - <_> - - 0 -1 676 -1.6291500627994537e-01 - - -6.9141697883605957e-01 2.2374730557203293e-02 - <_> - - 0 -1 677 1.3008140027523041e-01 - - -4.2769040912389755e-02 4.6373569965362549e-01 - <_> - - 0 -1 678 2.7658540755510330e-02 - - -3.7108600139617920e-02 3.8386580348014832e-01 - <_> - - 0 -1 679 -1.0020419955253601e-02 - - -2.6328051090240479e-01 7.4858680367469788e-02 - <_> - - 0 -1 680 -3.0459940433502197e-02 - - 3.2300901412963867e-01 -2.5858370587229729e-02 - <_> - - 0 -1 681 1.3251040363684297e-03 - - 1.4447669684886932e-01 -2.1082170307636261e-01 - <_> - - 0 -1 682 -2.7931010350584984e-02 - - 1.4374519884586334e-01 -1.6162300109863281e-01 - <_> - - 0 -1 683 -8.8642723858356476e-03 - - 2.3000620305538177e-01 -9.5095098018646240e-02 - <_> - - 0 -1 684 -1.2213969603180885e-02 - - -2.4646399915218353e-01 6.5522022545337677e-02 - <_> - - 0 -1 685 -4.8737529665231705e-02 - - -7.9127711057662964e-01 2.5416409596800804e-02 - <_> - - 0 -1 686 6.1185289174318314e-02 - - -1.2226430408190936e-04 -9.0545868873596191e-01 - <_> - - 0 -1 687 2.6453679427504539e-02 - - 2.6562800630927086e-02 -6.3954341411590576e-01 - <_> - - 0 -1 688 8.8589917868375778e-03 - - 5.4145850241184235e-02 -2.1601280570030212e-01 - <_> - - 0 -1 689 3.4847941249608994e-02 - - -4.5749358832836151e-02 4.3935400247573853e-01 - <_> - - 0 -1 690 -1.4598210155963898e-01 - - -5.5561769008636475e-01 9.5249973237514496e-03 - <_> - - 0 -1 691 -5.0456568598747253e-02 - - -7.5287848711013794e-01 2.0214710384607315e-02 - <_> - - 0 -1 692 -8.5443779826164246e-02 - - -1. -1.3681349810212851e-03 - <_> - - 0 -1 693 1.3248980045318604e-02 - - 6.3400700688362122e-02 -2.5411811470985413e-01 - <_> - - 0 -1 694 -6.5935611724853516e-01 - - -1. 7.7378489077091217e-03 - <_> - - 0 -1 695 5.0879311747848988e-03 - - -8.3207741379737854e-02 1.8876290321350098e-01 - <_> - - 0 -1 696 -3.4071630798280239e-03 - - 1.4578290283679962e-01 -9.1960333287715912e-02 - <_> - - 0 -1 697 -2.1656269207596779e-02 - - -6.5364891290664673e-01 2.7129750698804855e-02 - <_> - - 0 -1 698 9.4357347115874290e-03 - - 6.4360111951828003e-02 -2.3885479569435120e-01 - <_> - - 0 -1 699 -7.5177568942308426e-03 - - 2.4519060552120209e-01 -6.8221837282180786e-02 - <_> - - 0 -1 700 1.6067629680037498e-02 - - 7.6069780625402927e-03 -3.1668719649314880e-01 - <_> - - 0 -1 701 -1.8057749839499593e-03 - - 1.2710370123386383e-01 -1.2145719677209854e-01 - <_> - - 0 -1 702 -4.4154901057481766e-02 - - -4.8579609394073486e-01 2.3444859310984612e-02 - <_> - - 0 -1 703 7.5462698005139828e-03 - - 6.8430766463279724e-02 -2.3316520452499390e-01 - <_> - - 0 -1 704 1.0868260264396667e-01 - - -4.1663911193609238e-02 3.9452219009399414e-01 - <_> - - 0 -1 705 6.1248701810836792e-01 - - 2.0702170208096504e-02 -9.8494791984558105e-01 - <_> - - 0 -1 706 4.9828290939331055e-02 - - 2.7304550167173147e-03 -4.0181699395179749e-01 - <_> - - 0 -1 707 -7.2768718004226685e-02 - - 3.2676479220390320e-01 -4.9144338816404343e-02 - <_> - - 0 -1 708 2.4314310401678085e-02 - - -7.8135710209608078e-03 5.8223301172256470e-01 - <_> - - 0 -1 709 -1.7177179688587785e-04 - - 8.1669911742210388e-02 -2.0376220345497131e-01 - <_> - - 0 -1 710 -4.0095269680023193e-02 - - 5.4681521654129028e-01 -1.7179539427161217e-02 - <_> - - 0 -1 711 -8.9634567499160767e-02 - - -8.1614011526107788e-01 2.1283889189362526e-02 - <_> - - 0 -1 712 1.8692140281200409e-01 - - 8.3980746567249298e-03 -6.0185301303863525e-01 - <_> - - 0 -1 713 -4.3038379400968552e-02 - - -8.7898987531661987e-01 1.4930729754269123e-02 - <_> - - 0 -1 714 -1.8602630007080734e-04 - - 4.0156241506338120e-02 -8.2604438066482544e-02 - <_> - - 0 -1 715 -1.4392189914360642e-03 - - -1.7102399468421936e-01 9.1203540563583374e-02 - <_> - - 0 -1 716 4.2160619050264359e-02 - - -3.5861019045114517e-02 1.5174309909343719e-01 - <_> - - 0 -1 717 7.5991409830749035e-03 - - 1.0874529927968979e-01 -1.6147160530090332e-01 - <_> - - 0 -1 718 -5.7539329864084721e-03 - - -2.5677061080932617e-01 5.8457151055335999e-02 - <_> - - 0 -1 719 -2.7736749500036240e-02 - - 2.2325170040130615e-01 -7.4071511626243591e-02 - <_> - - 0 -1 720 -2.5676110759377480e-02 - - 1.8831080198287964e-01 -5.3860381245613098e-02 - <_> - - 0 -1 721 1.5890730544924736e-02 - - 5.1709540188312531e-02 -3.8476571440696716e-01 - <_> - - 0 -1 722 -8.6374267935752869e-02 - - -5.5680698156356812e-01 9.4922119751572609e-03 - <_> - - 0 -1 723 1.9480630289763212e-03 - - -1.0807219892740250e-01 1.4771680533885956e-01 - <_> - 88 - -8.3640968799591064e-01 - - <_> - - 0 -1 724 -6.8531660363078117e-03 - - 2.8935509920120239e-01 -2.7689141035079956e-01 - <_> - - 0 -1 725 -6.9217637181282043e-02 - - 3.4909790754318237e-01 -4.9741089344024658e-02 - <_> - - 0 -1 726 -1.3092979788780212e-01 - - 4.2791560292243958e-01 -9.6156008541584015e-02 - <_> - - 0 -1 727 -2.9759139579255134e-05 - - 1.1675780266523361e-01 -2.4678389728069305e-01 - <_> - - 0 -1 728 -4.7100789844989777e-02 - - 3.7259110808372498e-01 -5.9072919189929962e-02 - <_> - - 0 -1 729 4.4124510139226913e-02 - - 7.8904099762439728e-02 -2.5528541207313538e-01 - <_> - - 0 -1 730 4.2540309950709343e-03 - - -2.3612380027770996e-01 1.2856779992580414e-01 - <_> - - 0 -1 731 -1.0833570268005133e-03 - - 1.4347310364246368e-01 -1.4203630387783051e-01 - <_> - - 0 -1 732 5.9925230743829161e-05 - - -1.9927270710468292e-01 8.8502913713455200e-02 - <_> - - 0 -1 733 -7.3021486401557922e-02 - - -8.0666261911392212e-01 3.2041858881711960e-02 - <_> - - 0 -1 734 7.9495050013065338e-03 - - -6.5878443419933319e-02 2.7071261405944824e-01 - <_> - - 0 -1 735 -3.3911041100509465e-04 - - 1.3490739464759827e-01 -1.3354760408401489e-01 - <_> - - 0 -1 736 -2.6010179892182350e-02 - - -2.8074580430984497e-01 7.7902659773826599e-02 - <_> - - 0 -1 737 -3.1153090298175812e-02 - - 2.7022659778594971e-01 -2.6994340121746063e-02 - <_> - - 0 -1 738 1.0946249589323997e-02 - - -1.5993720293045044e-01 1.0350699722766876e-01 - <_> - - 0 -1 739 7.3101207613945007e-02 - - -4.1365791112184525e-03 5.2339828014373779e-01 - <_> - - 0 -1 740 3.0207149684429169e-02 - - -4.9229420721530914e-02 4.2848989367485046e-01 - <_> - - 0 -1 741 6.4985260367393494e-02 - - 3.9118612185120583e-03 -1.0003379583358765e+00 - <_> - - 0 -1 742 -2.9119249433279037e-02 - - -7.7025991678237915e-01 2.3930810391902924e-02 - <_> - - 0 -1 743 5.0458308309316635e-02 - - 6.9283558987081051e-03 -5.1854777336120605e-01 - <_> - - 0 -1 744 -3.8890179246664047e-02 - - -4.8176848888397217e-01 3.0270289629697800e-02 - <_> - - 0 -1 745 5.8319371193647385e-02 - - -2.2101389244198799e-02 2.8393501043319702e-01 - <_> - - 0 -1 746 -1.0803690180182457e-02 - - 1.2842060625553131e-01 -1.3849779963493347e-01 - <_> - - 0 -1 747 9.4525264576077461e-03 - - -5.7194419205188751e-02 1.7759050428867340e-01 - <_> - - 0 -1 748 1.5229170210659504e-02 - - 1.0501170158386230e-01 -2.0518389344215393e-01 - <_> - - 0 -1 749 -8.9435698464512825e-04 - - 6.8668253719806671e-02 -1.4666010439395905e-01 - <_> - - 0 -1 750 -1.8322499468922615e-02 - - -2.3613719642162323e-01 8.3538331091403961e-02 - <_> - - 0 -1 751 2.5474189314991236e-03 - - -8.4731526672840118e-02 1.7211520671844482e-01 - <_> - - 0 -1 752 -1.4951790217310190e-03 - - 1.8642990291118622e-01 -1.2753330171108246e-01 - <_> - - 0 -1 753 2.4796150624752045e-02 - - 3.2923560589551926e-02 -4.0954729914665222e-01 - <_> - - 0 -1 754 -2.8976860921829939e-03 - - 1.4480039477348328e-01 -1.0404679924249649e-01 - <_> - - 0 -1 755 7.0361169055104256e-03 - - -6.7916557192802429e-02 2.1544350683689117e-01 - <_> - - 0 -1 756 -1.1870389804244041e-02 - - -2.5537449121475220e-01 7.4443407356739044e-02 - <_> - - 0 -1 757 2.4765899870544672e-03 - - 6.8313367664813995e-02 -1.6111320257186890e-01 - <_> - - 0 -1 758 2.1284550428390503e-02 - - 3.7090871483087540e-02 -4.6916520595550537e-01 - <_> - - 0 -1 759 -1.0369479656219482e-02 - - 1.0807839781045914e-01 -6.0489870607852936e-02 - <_> - - 0 -1 760 1.0732480324804783e-02 - - -5.8582380414009094e-02 3.1958609819412231e-01 - <_> - - 0 -1 761 -2.3235160112380981e-01 - - -1. 8.2511743530631065e-03 - <_> - - 0 -1 762 -6.0572529037017375e-05 - - 8.0201767385005951e-02 -2.3583050072193146e-01 - <_> - - 0 -1 763 -2.7367009315639734e-03 - - 1.5369090437889099e-01 -7.8800879418849945e-02 - <_> - - 0 -1 764 3.1168010085821152e-02 - - -4.1852951049804688e-02 3.7374469637870789e-01 - <_> - - 0 -1 765 4.5415129512548447e-02 - - 6.6594500094652176e-03 -9.9975287914276123e-01 - <_> - - 0 -1 766 -1.3742819428443909e-03 - - 1.0587850213050842e-01 -1.9234779477119446e-01 - <_> - - 0 -1 767 3.0089360661804676e-03 - - 9.4038642942905426e-02 -1.5442730486392975e-01 - <_> - - 0 -1 768 -7.1071386337280273e-02 - - -5.4955267906188965e-01 2.5523129850625992e-02 - <_> - - 0 -1 769 1.0958979837596416e-03 - - -6.1327658593654633e-02 5.7677619159221649e-02 - <_> - - 0 -1 770 -2.3706799373030663e-02 - - 2.9486098885536194e-01 -6.6553473472595215e-02 - <_> - - 0 -1 771 6.8882037885487080e-03 - - 7.3861703276634216e-02 -2.5727730989456177e-01 - <_> - - 0 -1 772 -4.9158040434122086e-02 - - 3.2406309247016907e-01 -5.2785839885473251e-02 - <_> - - 0 -1 773 7.1369417011737823e-02 - - 1.3209920376539230e-02 -7.4821132421493530e-01 - <_> - - 0 -1 774 -8.4517486393451691e-03 - - -2.0652799308300018e-01 9.3139596283435822e-02 - <_> - - 0 -1 775 -1.5554410219192505e-01 - - -5.0736141204833984e-01 1.1575420387089252e-02 - <_> - - 0 -1 776 -4.5976821333169937e-02 - - 3.3433321118354797e-01 -5.6558281183242798e-02 - <_> - - 0 -1 777 1.7900219187140465e-02 - - 3.4091990441083908e-02 -2.8565031290054321e-01 - <_> - - 0 -1 778 6.7351139150559902e-03 - - -6.6538818180561066e-02 2.3322120308876038e-01 - <_> - - 0 -1 779 6.4544100314378738e-03 - - 4.7224499285221100e-02 -1.4422370493412018e-01 - <_> - - 0 -1 780 -1.1029049754142761e-02 - - -2.6442399621009827e-01 6.2542691826820374e-02 - <_> - - 0 -1 781 -3.3727919217199087e-03 - - 1.2575919926166534e-01 -6.8357646465301514e-02 - <_> - - 0 -1 782 -2.2960419300943613e-03 - - -1.5573309361934662e-01 9.4681970775127411e-02 - <_> - - 0 -1 783 -7.9503163695335388e-02 - - -3.8246139883995056e-01 1.7201259732246399e-02 - <_> - - 0 -1 784 -2.5240880250930786e-01 - - 3.0139809846878052e-01 -5.8942809700965881e-02 - <_> - - 0 -1 785 3.6313079297542572e-02 - - 2.1105870604515076e-02 -2.0811690390110016e-01 - <_> - - 0 -1 786 6.8737521767616272e-02 - - -3.2400298863649368e-02 5.1345300674438477e-01 - <_> - - 0 -1 787 -2.1814550459384918e-01 - - -7.0093291997909546e-01 1.6260979697108269e-02 - <_> - - 0 -1 788 -1.9770899415016174e-01 - - -6.7817360162734985e-01 1.7937550321221352e-02 - <_> - - 0 -1 789 -1.0131119936704636e-01 - - 3.6470630764961243e-01 -4.9969438463449478e-02 - <_> - - 0 -1 790 5.4146698676049709e-03 - - 6.6086590290069580e-02 -2.3327399790287018e-01 - <_> - - 0 -1 791 -4.0590178221464157e-02 - - 2.1464720368385315e-01 -4.3033309280872345e-02 - <_> - - 0 -1 792 -1.3324919855222106e-03 - - 1.2975679337978363e-01 -1.2794280052185059e-01 - <_> - - 0 -1 793 5.7570589706301689e-03 - - 4.3469998985528946e-02 -1.1977300047874451e-01 - <_> - - 0 -1 794 -4.0872758254408836e-03 - - -2.0180100202560425e-01 9.2624872922897339e-02 - <_> - - 0 -1 795 2.1345280110836029e-02 - - -2.6310870423913002e-02 2.9142528772354126e-01 - <_> - - 0 -1 796 -2.4241849314421415e-03 - - 1.7131569981575012e-01 -1.1723010241985321e-01 - <_> - - 0 -1 797 6.0677550733089447e-02 - - -4.8347217962145805e-03 5.6577122211456299e-01 - <_> - - 0 -1 798 3.1573011074215174e-04 - - -1.1499550193548203e-01 1.3094860315322876e-01 - <_> - - 0 -1 799 -1.4639530563727021e-03 - - 1.0708429664373398e-01 -8.2188747823238373e-02 - <_> - - 0 -1 800 -8.1629276275634766e-02 - - -7.0090162754058838e-01 2.1318640559911728e-02 - <_> - - 0 -1 801 -2.2923630604054779e-04 - - 5.2449010312557220e-02 -5.7273399084806442e-02 - <_> - - 0 -1 802 8.6732655763626099e-03 - - -1.0944409668445587e-01 1.4530800282955170e-01 - <_> - - 0 -1 803 -9.5603411318734288e-04 - - 5.4728660732507706e-02 -7.6677009463310242e-02 - <_> - - 0 -1 804 -5.6814689189195633e-02 - - -7.2493737936019897e-01 1.7791330814361572e-02 - <_> - - 0 -1 805 6.4268838614225388e-03 - - -3.7768699228763580e-02 8.3454750478267670e-02 - <_> - - 0 -1 806 5.2451258525252342e-03 - - -7.5806751847267151e-02 2.1549069881439209e-01 - <_> - - 0 -1 807 6.7577441222965717e-03 - - 7.7163867652416229e-02 -2.4957199394702911e-01 - <_> - - 0 -1 808 -5.7494179345667362e-03 - - 1.4245559275150299e-01 -1.2740920484066010e-01 - <_> - - 0 -1 809 -6.7760650999844074e-03 - - -2.3316009342670441e-01 3.9975211024284363e-02 - <_> - - 0 -1 810 3.5247279447503388e-04 - - -1.3083159923553467e-01 1.1577410250902176e-01 - <_> - - 0 -1 811 1.4523849822580814e-03 - - -9.2724457383155823e-02 6.5486960113048553e-02 - <_> - 80 - -7.2322398424148560e-01 - - <_> - - 0 -1 812 -3.1163799762725830e-01 - - 3.8062000274658203e-01 -1.1115840077400208e-01 - <_> - - 0 -1 813 -3.0338248610496521e-01 - - 5.1236808300018311e-01 -5.0459731370210648e-02 - <_> - - 0 -1 814 -1.0945170186460018e-02 - - -2.2292029857635498e-01 1.0548099875450134e-01 - <_> - - 0 -1 815 -2.8011079877614975e-02 - - 7.0687793195247650e-02 -8.6478509008884430e-02 - <_> - - 0 -1 816 -5.2256159484386444e-02 - - 5.7856267690658569e-01 -8.7944902479648590e-03 - <_> - - 0 -1 817 -5.9455442242324352e-03 - - -2.5641980767250061e-01 9.4584532082080841e-02 - <_> - - 0 -1 818 2.5594399776309729e-03 - - -2.5718480348587036e-01 1.2882429361343384e-01 - <_> - - 0 -1 819 -1.2099260091781616e-01 - - -1.2293220311403275e-01 2.5829430669546127e-02 - <_> - - 0 -1 820 -4.4208219647407532e-01 - - -7.4546551704406738e-01 4.2586710304021835e-02 - <_> - - 0 -1 821 -6.6842641681432724e-03 - - 1.3515649735927582e-01 -1.6409300267696381e-01 - <_> - - 0 -1 822 9.8270708695054054e-03 - - -8.0305352807044983e-02 2.9853299260139465e-01 - <_> - - 0 -1 823 5.8638598769903183e-02 - - 2.7556419372558594e-02 -8.2242500782012939e-01 - <_> - - 0 -1 824 -3.0546959023922682e-03 - - -1.9292749464511871e-01 1.1082729697227478e-01 - <_> - - 0 -1 825 -7.3340102098882198e-03 - - -2.4307939410209656e-01 6.6744603216648102e-02 - <_> - - 0 -1 826 -1.0526229627430439e-02 - - -3.1136021018028259e-01 6.2850847840309143e-02 - <_> - - 0 -1 827 1.0481160134077072e-01 - - 1.2621720321476460e-02 -6.7376089096069336e-01 - <_> - - 0 -1 828 9.4269379042088985e-04 - - -1.7071670293807983e-01 1.0280650109052658e-01 - <_> - - 0 -1 829 8.4397383034229279e-03 - - -5.3014568984508514e-02 8.8599078357219696e-02 - <_> - - 0 -1 830 -3.0551670119166374e-02 - - 3.5264891386032104e-01 -6.9148473441600800e-02 - <_> - - 0 -1 831 -4.9112379550933838e-02 - - -5.8219379186630249e-01 1.4043220318853855e-02 - <_> - - 0 -1 832 5.8098030276596546e-03 - - 7.0872433483600616e-02 -2.5362819433212280e-01 - <_> - - 0 -1 833 2.5541070848703384e-02 - - -4.5136939734220505e-02 4.0674450993537903e-01 - <_> - - 0 -1 834 -4.8711288720369339e-02 - - -7.0240157842636108e-01 2.4317869916558266e-02 - <_> - - 0 -1 835 -3.2624390721321106e-01 - - -5.0619047880172729e-01 5.5445302277803421e-03 - <_> - - 0 -1 836 -1.8120040476787835e-04 - - 1.3132590055465698e-01 -1.2139549851417542e-01 - <_> - - 0 -1 837 -1.2980769574642181e-01 - - -6.8208992481231689e-01 1.6414549201726913e-02 - <_> - - 0 -1 838 8.3528067916631699e-03 - - 3.0040390789508820e-02 -5.0909137725830078e-01 - <_> - - 0 -1 839 5.4547088220715523e-03 - - -8.2402072846889496e-02 1.8007980287075043e-01 - <_> - - 0 -1 840 -3.1699541211128235e-01 - - -8.6613011360168457e-01 1.8229139968752861e-02 - <_> - - 0 -1 841 5.8424862800166011e-04 - - 4.2409729212522507e-02 -1.3118089735507965e-01 - <_> - - 0 -1 842 -9.7046848386526108e-03 - - -2.7432689070701599e-01 5.5920429527759552e-02 - <_> - - 0 -1 843 1.6834320500493050e-02 - - -8.3306416869163513e-02 6.7792758345603943e-02 - <_> - - 0 -1 844 -3.0685380101203918e-02 - - 4.2126908898353577e-01 -4.5339331030845642e-02 - <_> - - 0 -1 845 4.1394919157028198e-02 - - 1.9971750676631927e-02 -1.9722190499305725e-01 - <_> - - 0 -1 846 3.4910149872303009e-02 - - -5.3826879709959030e-02 3.5040271282196045e-01 - <_> - - 0 -1 847 -5.2495039999485016e-03 - - -1.1363890022039413e-01 5.5080570280551910e-02 - <_> - - 0 -1 848 1.2045619636774063e-01 - - 1.7451599240303040e-02 -9.3958032131195068e-01 - <_> - - 0 -1 849 4.2130421847105026e-02 - - -1.4343280345201492e-02 6.0059851408004761e-01 - <_> - - 0 -1 850 1.9120849668979645e-02 - - 8.5864506661891937e-02 -1.8586499989032745e-01 - <_> - - 0 -1 851 8.4470612928271294e-03 - - -6.9452181458473206e-02 7.3461420834064484e-02 - <_> - - 0 -1 852 1.7696130089461803e-03 - - -7.9996660351753235e-02 1.9479809701442719e-01 - <_> - - 0 -1 853 5.7995948940515518e-02 - - 2.7633000165224075e-02 -5.4097008705139160e-01 - <_> - - 0 -1 854 -7.9884022474288940e-02 - - -5.4307681322097778e-01 2.3219829425215721e-02 - <_> - - 0 -1 855 6.6576242446899414e-02 - - 6.8416809663176537e-03 -8.1224560737609863e-01 - <_> - - 0 -1 856 6.4169943332672119e-02 - - -2.4846689775586128e-02 6.0798132419586182e-01 - <_> - - 0 -1 857 -2.9404780268669128e-01 - - -1. 4.6440181322395802e-03 - <_> - - 0 -1 858 -9.5727723091840744e-03 - - -1.4157359302043915e-01 1.0121650248765945e-01 - <_> - - 0 -1 859 -2.3574449121952057e-02 - - 1.1715450137853622e-01 -1.3184690475463867e-01 - <_> - - 0 -1 860 -5.1256217993795872e-03 - - -1.7623250186443329e-01 1.0177359730005264e-01 - <_> - - 0 -1 861 9.7663059830665588e-02 - - 4.4896239414811134e-03 -8.0415552854537964e-01 - <_> - - 0 -1 862 3.2088689506053925e-02 - - -5.8048430830240250e-02 3.0194890499114990e-01 - <_> - - 0 -1 863 -8.6517207324504852e-02 - - -7.5529891252517700e-01 2.8089359402656555e-03 - <_> - - 0 -1 864 -2.8540970757603645e-02 - - -3.5085019469261169e-01 4.4081591069698334e-02 - <_> - - 0 -1 865 -5.3844689391553402e-03 - - 9.2348903417587280e-02 -7.0033848285675049e-02 - <_> - - 0 -1 866 -2.2280439734458923e-02 - - 2.4949419498443604e-01 -7.0658676326274872e-02 - <_> - - 0 -1 867 5.1025422289967537e-03 - - 6.0899689793586731e-02 -1.5473949909210205e-01 - <_> - - 0 -1 868 3.7133800797164440e-03 - - -8.7124302983283997e-02 1.7195260524749756e-01 - <_> - - 0 -1 869 -4.0405280888080597e-03 - - 1.5054519474506378e-01 -9.9685050547122955e-02 - <_> - - 0 -1 870 4.8944901674985886e-02 - - 2.0637780427932739e-02 -7.1113997697830200e-01 - <_> - - 0 -1 871 -4.0832208469510078e-03 - - -1.6104909777641296e-01 8.8675007224082947e-02 - <_> - - 0 -1 872 -2.2145630791783333e-03 - - -2.1901540458202362e-01 1.0045240074396133e-01 - <_> - - 0 -1 873 -6.4257450401782990e-02 - - -5.7694709300994873e-01 1.0253880172967911e-02 - <_> - - 0 -1 874 1.1895420029759407e-02 - - -7.0560596883296967e-02 2.6147291064262390e-01 - <_> - - 0 -1 875 -4.4988259673118591e-02 - - -6.8440282344818115e-01 9.9674779921770096e-03 - <_> - - 0 -1 876 6.3484339043498039e-03 - - 8.4738656878471375e-02 -1.6299989819526672e-01 - <_> - - 0 -1 877 -5.6587439030408859e-02 - - 4.8960050940513611e-01 -1.9641140475869179e-02 - <_> - - 0 -1 878 3.5853400826454163e-02 - - 1.9695440307259560e-02 -6.8108338117599487e-01 - <_> - - 0 -1 879 -4.5450981706380844e-03 - - 6.9072656333446503e-02 -9.1276638209819794e-02 - <_> - - 0 -1 880 1.0608570277690887e-01 - - -4.9993991851806641e-02 3.2139471173286438e-01 - <_> - - 0 -1 881 -4.5924410223960876e-02 - - -8.2744181156158447e-01 1.2149419635534286e-02 - <_> - - 0 -1 882 -1.2273239903151989e-02 - - -3.0669289827346802e-01 5.1693398505449295e-02 - <_> - - 0 -1 883 8.0667391419410706e-02 - - 2.1730009466409683e-03 -1.0002529621124268e+00 - <_> - - 0 -1 884 -2.3044859990477562e-02 - - 4.5085349678993225e-01 -3.6273978650569916e-02 - <_> - - 0 -1 885 1.8702909350395203e-02 - - 4.6945460140705109e-02 -2.1796269714832306e-01 - <_> - - 0 -1 886 -9.6820026636123657e-02 - - 4.0398910641670227e-01 -3.7819091230630875e-02 - <_> - - 0 -1 887 6.0525789856910706e-02 - - 1.5727160498499870e-02 -4.5661678910255432e-01 - <_> - - 0 -1 888 1.0418569669127464e-02 - - 6.2726646661758423e-02 -2.4441179633140564e-01 - <_> - - 0 -1 889 1.0726209729909897e-02 - - -7.1968853473663330e-02 2.2099970281124115e-01 - <_> - - 0 -1 890 -2.7160700410604477e-03 - - 1.2882749736309052e-01 -1.4629630744457245e-01 - <_> - - 0 -1 891 8.5867568850517273e-03 - - -6.8645663559436798e-02 2.5840589404106140e-01 - <_> - 103 - -7.6886308193206787e-01 - - <_> - - 0 -1 892 -2.5851670652627945e-02 - - 1.8011799454689026e-01 -2.4745930731296539e-01 - <_> - - 0 -1 893 1.4054620265960693e-01 - - -5.1319289952516556e-02 4.0766909718513489e-01 - <_> - - 0 -1 894 -2.7255079150199890e-01 - - 4.9941259622573853e-01 -4.5033931732177734e-02 - <_> - - 0 -1 895 1.3978329952806234e-03 - - 5.3600508719682693e-02 -2.1793389320373535e-01 - <_> - - 0 -1 896 -3.5059880465269089e-02 - - -2.9943290352821350e-01 8.9991323649883270e-02 - <_> - - 0 -1 897 -3.2894399482756853e-03 - - 1.0264199972152710e-01 -9.4711251556873322e-02 - <_> - - 0 -1 898 1.8242290616035461e-01 - - 2.5626670569181442e-02 -6.8765729665756226e-01 - <_> - - 0 -1 899 -7.8741081058979034e-02 - - 1.0810419917106628e-01 -1.4497520029544830e-01 - <_> - - 0 -1 900 1.3945129700005054e-02 - - -7.1371912956237793e-02 3.1315749883651733e-01 - <_> - - 0 -1 901 4.4680278748273849e-02 - - -3.0446149408817291e-02 3.9263629913330078e-01 - <_> - - 0 -1 902 -2.6441770605742931e-03 - - 1.1596699804067612e-01 -1.7800450325012207e-01 - <_> - - 0 -1 903 -5.1071979105472565e-03 - - -1.1739940196275711e-01 6.7823447287082672e-02 - <_> - - 0 -1 904 -3.2582178711891174e-02 - - -5.9129017591476440e-01 3.3352021127939224e-02 - <_> - - 0 -1 905 -2.7755839750170708e-02 - - -7.0649361610412598e-01 1.6761489212512970e-02 - <_> - - 0 -1 906 -6.0038521041860804e-05 - - 7.3832668364048004e-02 -2.2933359444141388e-01 - <_> - - 0 -1 907 3.0506180599331856e-02 - - -3.8056060671806335e-02 4.4115358591079712e-01 - <_> - - 0 -1 908 -6.2056961469352245e-03 - - -1.7757239937782288e-01 9.3707472085952759e-02 - <_> - - 0 -1 909 -8.0766230821609497e-03 - - -2.0256699621677399e-01 7.4059642851352692e-02 - <_> - - 0 -1 910 -3.3209908753633499e-02 - - 4.6372228860855103e-01 -3.4903008490800858e-02 - <_> - - 0 -1 911 3.5530608147382736e-02 - - -3.1679518520832062e-02 4.5202499628067017e-01 - <_> - - 0 -1 912 1.6297640278935432e-02 - - 4.4189039617776871e-02 -3.4845370054244995e-01 - <_> - - 0 -1 913 9.9985357373952866e-03 - - -4.8255320638418198e-02 1.6078050434589386e-01 - <_> - - 0 -1 914 -5.2390778437256813e-03 - - 2.3236599564552307e-01 -7.6032742857933044e-02 - <_> - - 0 -1 915 -3.2508899457752705e-03 - - 5.4369390010833740e-02 -9.1040253639221191e-02 - <_> - - 0 -1 916 5.5640790611505508e-02 - - -3.8811128586530685e-02 4.2034021019935608e-01 - <_> - - 0 -1 917 3.3998981118202209e-02 - - 2.2251330316066742e-02 -3.5615360736846924e-01 - <_> - - 0 -1 918 -4.3103890493512154e-03 - - 1.1287429928779602e-01 -1.7630730569362640e-01 - <_> - - 0 -1 919 -7.9246461391448975e-03 - - -1.0992339998483658e-01 3.5099629312753677e-02 - <_> - - 0 -1 920 4.4273380190134048e-02 - - 2.8094569221138954e-02 -6.0921418666839600e-01 - <_> - - 0 -1 921 5.9907328337430954e-02 - - 9.7544339951127768e-04 -9.0523207187652588e-01 - <_> - - 0 -1 922 3.3378869295120239e-02 - - 1.7723279073834419e-02 -8.5254609584808350e-01 - <_> - - 0 -1 923 1.4694170095026493e-02 - - -4.9031510949134827e-02 2.7998331189155579e-01 - <_> - - 0 -1 924 -5.3877499885857105e-03 - - 1.8219049274921417e-01 -8.2382522523403168e-02 - <_> - - 0 -1 925 -1.7976889386773109e-02 - - -1.9384689629077911e-01 8.4984757006168365e-02 - <_> - - 0 -1 926 -4.4651641510426998e-03 - - 1.7632910609245300e-01 -9.5075771212577820e-02 - <_> - - 0 -1 927 6.9372296333312988e-02 - - 3.1770321074873209e-03 -6.7554402351379395e-01 - <_> - - 0 -1 928 -1.7002269625663757e-02 - - -3.3827948570251465e-01 4.4731728732585907e-02 - <_> - - 0 -1 929 1.7274240031838417e-02 - - -2.4769710376858711e-02 1.1852029711008072e-01 - <_> - - 0 -1 930 4.0388729423284531e-02 - - -3.2967679202556610e-02 4.7323140501976013e-01 - <_> - - 0 -1 931 1.4215400442481041e-02 - - 2.9846860095858574e-02 -4.4157060980796814e-01 - <_> - - 0 -1 932 4.1627719998359680e-02 - - -4.5953918248414993e-02 3.2978388667106628e-01 - <_> - - 0 -1 933 -1.7416840419173241e-03 - - 8.7286308407783508e-02 -8.8862203061580658e-02 - <_> - - 0 -1 934 -9.8077040165662766e-03 - - -2.1026679873466492e-01 7.7401876449584961e-02 - <_> - - 0 -1 935 2.1836649626493454e-02 - - 4.3211769312620163e-02 -1.5330420434474945e-01 - <_> - - 0 -1 936 -7.0743098855018616e-02 - - 3.3019039034843445e-01 -5.2747949957847595e-02 - <_> - - 0 -1 937 -1.1181020177900791e-02 - - -1.1493939906358719e-01 2.7858460322022438e-02 - <_> - - 0 -1 938 -1.4623560011386871e-02 - - 3.2327070832252502e-01 -4.4166058301925659e-02 - <_> - - 0 -1 939 -9.6702557057142258e-03 - - -1.8157319724559784e-01 3.6154530942440033e-02 - <_> - - 0 -1 940 8.3439601585268974e-03 - - -5.2473910152912140e-02 2.7444839477539062e-01 - <_> - - 0 -1 941 2.2970559075474739e-02 - - 3.4930050373077393e-02 -1.5773670375347137e-01 - <_> - - 0 -1 942 -8.2734245806932449e-03 - - 1.1612790077924728e-01 -1.1965770274400711e-01 - <_> - - 0 -1 943 8.7074404582381248e-03 - - -4.0829788893461227e-02 1.0481330007314682e-01 - <_> - - 0 -1 944 -1.8825819715857506e-02 - - -3.8794550299644470e-01 4.7350700944662094e-02 - <_> - - 0 -1 945 -7.2092940099537373e-03 - - -1.9886960089206696e-01 7.5952850282192230e-02 - <_> - - 0 -1 946 1.6543369565624744e-04 - - -1.0674829781055450e-01 1.5510599315166473e-01 - <_> - - 0 -1 947 8.9294537901878357e-03 - - -6.7059643566608429e-02 9.0206786990165710e-02 - <_> - - 0 -1 948 3.1991640571504831e-03 - - 7.4445746839046478e-02 -1.9682839512825012e-01 - <_> - - 0 -1 949 -1.1280879698460922e-04 - - 7.9703390598297119e-02 -1.3661189377307892e-01 - <_> - - 0 -1 950 -6.9613799452781677e-02 - - -2.1010529994964600e-01 6.5771616995334625e-02 - <_> - - 0 -1 951 -2.6066679507493973e-02 - - 2.8696510195732117e-01 -5.7495791465044022e-02 - <_> - - 0 -1 952 1.2050740420818329e-02 - - -4.6820510178804398e-02 2.7994769811630249e-01 - <_> - - 0 -1 953 -3.9625849574804306e-02 - - -3.7054508924484253e-01 1.1476139537990093e-02 - <_> - - 0 -1 954 -2.7379901148378849e-03 - - 9.4371132552623749e-02 -1.6203230619430542e-01 - <_> - - 0 -1 955 -6.5262563526630402e-02 - - -6.7808389663696289e-01 1.9430469721555710e-02 - <_> - - 0 -1 956 2.3191619664430618e-02 - - 2.6134310290217400e-02 -4.6664249897003174e-01 - <_> - - 0 -1 957 4.7741930931806564e-02 - - -2.5291189551353455e-02 2.9092490673065186e-01 - <_> - - 0 -1 958 -1.2830020487308502e-01 - - -8.7187117338180542e-01 1.3883540406823158e-02 - <_> - - 0 -1 959 -4.2689260095357895e-02 - - -6.7644822597503662e-01 6.8771280348300934e-03 - <_> - - 0 -1 960 6.2811248935759068e-03 - - -6.4803749322891235e-02 2.0994420349597931e-01 - <_> - - 0 -1 961 2.7532080188393593e-02 - - 1.5366540290415287e-02 -2.1457369625568390e-01 - <_> - - 0 -1 962 -3.4494648571126163e-04 - - 1.1829499900341034e-01 -1.0641119629144669e-01 - <_> - - 0 -1 963 -3.2187011092901230e-02 - - 2.0676319301128387e-01 -2.7804749086499214e-02 - <_> - - 0 -1 964 -2.4451729841530323e-03 - - -1.8970219790935516e-01 7.6612837612628937e-02 - <_> - - 0 -1 965 3.9631120860576630e-02 - - 1.1457280255854130e-02 -4.4112280011177063e-01 - <_> - - 0 -1 966 -9.0082110837101936e-03 - - -2.0329099893569946e-01 7.1997888386249542e-02 - <_> - - 0 -1 967 -6.0594908893108368e-02 - - 2.5831830501556396e-01 -3.2274000346660614e-02 - <_> - - 0 -1 968 3.3678639680147171e-02 - - 3.6565639078617096e-02 -3.3233150839805603e-01 - <_> - - 0 -1 969 1.4565410092473030e-02 - - -4.9269210547208786e-02 1.8280670046806335e-01 - <_> - - 0 -1 970 4.0103439241647720e-03 - - -1.2435600161552429e-01 1.1247640103101730e-01 - <_> - - 0 -1 971 1.7989509506151080e-03 - - -5.4675988852977753e-02 1.0701840370893478e-01 - <_> - - 0 -1 972 -1.6359580331481993e-04 - - 8.1755228340625763e-02 -1.6235500574111938e-01 - <_> - - 0 -1 973 -3.1993899494409561e-02 - - 1.8631230294704437e-01 -1.7350630834698677e-02 - <_> - - 0 -1 974 -8.1737667322158813e-02 - - -7.5961482524871826e-01 1.4419900253415108e-02 - <_> - - 0 -1 975 -8.8262550532817841e-02 - - -1. 5.3146481513977051e-04 - <_> - - 0 -1 976 -5.7997900992631912e-02 - - -8.9391511678695679e-01 1.2495099566876888e-02 - <_> - - 0 -1 977 2.0691409707069397e-02 - - -3.7167508155107498e-02 9.7208552062511444e-02 - <_> - - 0 -1 978 -6.0336058959364891e-03 - - 1.7547790706157684e-01 -8.6916856467723846e-02 - <_> - - 0 -1 979 1.5789760649204254e-01 - - 3.0604960396885872e-02 -2.2199299931526184e-01 - <_> - - 0 -1 980 3.3271119464188814e-03 - - 1.1201520264148712e-01 -1.6384710371494293e-01 - <_> - - 0 -1 981 1.1383239924907684e-01 - - 1.8078039865940809e-03 -9.9981439113616943e-01 - <_> - - 0 -1 982 3.9188969880342484e-02 - - -3.9494428783655167e-02 3.4139481186866760e-01 - <_> - - 0 -1 983 -4.7382968477904797e-03 - - -8.1601403653621674e-02 3.5498451441526413e-02 - <_> - - 0 -1 984 2.3458160459995270e-02 - - -4.0767479687929153e-02 3.4792768955230713e-01 - <_> - - 0 -1 985 1.6505220904946327e-02 - - 2.0170280709862709e-02 -1.5532009303569794e-01 - <_> - - 0 -1 986 2.0262949168682098e-02 - - 2.1292379125952721e-02 -6.2611502408981323e-01 - <_> - - 0 -1 987 -9.1393236070871353e-03 - - -1.3637480139732361e-01 6.3891842961311340e-02 - <_> - - 0 -1 988 -5.6207980960607529e-02 - - 4.0671119093894958e-01 -3.3258218318223953e-02 - <_> - - 0 -1 989 6.6868839785456657e-03 - - 6.4174309372901917e-02 -9.3966238200664520e-02 - <_> - - 0 -1 990 5.8862278237938881e-03 - - -6.5789960324764252e-02 2.0181339979171753e-01 - <_> - - 0 -1 991 -1.1517380177974701e-01 - - -1. 2.5347759947180748e-03 - <_> - - 0 -1 992 5.5793710052967072e-03 - - 7.0642203092575073e-02 -1.9637429714202881e-01 - <_> - - 0 -1 993 3.2180000096559525e-02 - - -1.4737719669938087e-02 2.2420160472393036e-01 - <_> - - 0 -1 994 -9.1598782455548644e-04 - - 1.1478749662637711e-01 -1.1767079681158066e-01 - <_> - 83 - -7.7573090791702271e-01 - - <_> - - 0 -1 995 9.1346232220530510e-03 - - 8.8698662817478180e-02 -3.8595649600028992e-01 - <_> - - 0 -1 996 -2.4696369655430317e-03 - - 1.6772060096263885e-01 -1.4649170637130737e-01 - <_> - - 0 -1 997 5.8935020118951797e-02 - - -1.3394000008702278e-02 6.1832672357559204e-01 - <_> - - 0 -1 998 -8.9100059121847153e-03 - - -2.6950231194496155e-01 7.2939813137054443e-02 - <_> - - 0 -1 999 1.7743879929184914e-02 - - -5.0217188894748688e-02 4.3166020512580872e-01 - <_> - - 0 -1 1000 1.1056650429964066e-02 - - 3.9155859500169754e-02 -5.2860772609710693e-01 - <_> - - 0 -1 1001 1.6161320731043816e-02 - - 6.9581039249897003e-02 -3.7610140442848206e-01 - <_> - - 0 -1 1002 -2.7879089117050171e-02 - - 2.3220659792423248e-01 -5.5979579687118530e-02 - <_> - - 0 -1 1003 -1.1556839570403099e-02 - - -3.1231081485748291e-01 7.4339963495731354e-02 - <_> - - 0 -1 1004 -6.9651477038860321e-02 - - -4.1905689239501953e-01 6.9694789126515388e-03 - <_> - - 0 -1 1005 -5.0344727933406830e-03 - - 1.3183620572090149e-01 -1.9702030718326569e-01 - <_> - - 0 -1 1006 -8.6098119616508484e-02 - - 6.5727752447128296e-01 -9.5664570108056068e-03 - <_> - - 0 -1 1007 2.5546319782733917e-02 - - -4.0136341005563736e-02 5.4847037792205811e-01 - <_> - - 0 -1 1008 -2.6870880275964737e-02 - - -2.5306650996208191e-01 4.4181719422340393e-02 - <_> - - 0 -1 1009 9.5859682187438011e-03 - - -8.1882461905479431e-02 2.6894670724868774e-01 - <_> - - 0 -1 1010 2.6683809235692024e-02 - - 2.6593349874019623e-02 -4.4127041101455688e-01 - <_> - - 0 -1 1011 -1.4490840025246143e-02 - - -3.5697469115257263e-01 7.0072941482067108e-02 - <_> - - 0 -1 1012 -2.2448399104177952e-03 - - 2.0088230073451996e-01 -1.2228170037269592e-01 - <_> - - 0 -1 1013 4.8795710317790508e-03 - - 4.5820981264114380e-02 -3.9498189091682434e-01 - <_> - - 0 -1 1014 -6.1262990348041058e-03 - - -1.8826089799404144e-01 7.8812077641487122e-02 - <_> - - 0 -1 1015 1.6952969133853912e-02 - - -6.1684221029281616e-02 3.3603700995445251e-01 - <_> - - 0 -1 1016 -4.5547191984951496e-03 - - -1.9471390545368195e-01 5.3147189319133759e-02 - <_> - - 0 -1 1017 -1.2753040064126253e-03 - - 1.4800879359245300e-01 -1.4244349300861359e-01 - <_> - - 0 -1 1018 2.2060280665755272e-02 - - -3.5406738519668579e-02 3.3775308728218079e-01 - <_> - - 0 -1 1019 2.1050389856100082e-02 - - 4.2289130389690399e-02 -4.5886451005935669e-01 - <_> - - 0 -1 1020 9.5637209713459015e-02 - - -1.3171649537980556e-02 5.5534982681274414e-01 - <_> - - 0 -1 1021 -3.6728319246321917e-03 - - -1.8842899799346924e-01 9.5458142459392548e-02 - <_> - - 0 -1 1022 1.6345079347956926e-04 - - -6.0444809496402740e-02 1.0536730289459229e-01 - <_> - - 0 -1 1023 2.5338289141654968e-01 - - 1.6026260331273079e-02 -9.9994468688964844e-01 - <_> - - 0 -1 1024 -4.6113330870866776e-02 - - 5.4247987270355225e-01 -2.7890209108591080e-02 - <_> - - 0 -1 1025 5.2588270045816898e-03 - - 7.9867303371429443e-02 -2.0700709521770477e-01 - <_> - - 0 -1 1026 -1.3449570536613464e-01 - - -4.1270101070404053e-01 8.1500215455889702e-03 - <_> - - 0 -1 1027 1.6953679732978344e-03 - - 1.1035349965095520e-01 -1.6802120208740234e-01 - <_> - - 0 -1 1028 3.9492141455411911e-02 - - -1.3410010375082493e-02 3.8447639346122742e-01 - <_> - - 0 -1 1029 -9.3634781660512090e-04 - - 1.0986819863319397e-01 -1.7310489714145660e-01 - <_> - - 0 -1 1030 -4.4495709240436554e-02 - - 1.9471199810504913e-01 -4.0768899023532867e-02 - <_> - - 0 -1 1031 6.0630109161138535e-02 - - -4.2252369225025177e-02 5.1412987709045410e-01 - <_> - - 0 -1 1032 7.5067640282213688e-03 - - 4.2086970061063766e-02 -1.6080400347709656e-01 - <_> - - 0 -1 1033 9.9260415881872177e-03 - - 6.4119532704353333e-02 -2.6215308904647827e-01 - <_> - - 0 -1 1034 6.0528520494699478e-02 - - 2.4189969524741173e-02 -3.6608389019966125e-01 - <_> - - 0 -1 1035 -6.8054231815040112e-03 - - 1.2508389353752136e-01 -1.3889710605144501e-01 - <_> - - 0 -1 1036 -2.0940289832651615e-03 - - 1.3996599614620209e-01 -8.2706399261951447e-02 - <_> - - 0 -1 1037 -9.6904346719384193e-03 - - 2.6681360602378845e-01 -7.1576990187168121e-02 - <_> - - 0 -1 1038 1.8320349976420403e-02 - - 3.1321980059146881e-02 -2.3460610210895538e-01 - <_> - - 0 -1 1039 5.0429959082975984e-04 - - -1.1669719964265823e-01 1.6514649987220764e-01 - <_> - - 0 -1 1040 -4.7016288153827190e-03 - - -1.2006150186061859e-01 5.9200428426265717e-02 - <_> - - 0 -1 1041 -1.9926870241761208e-02 - - -3.9485099911689758e-01 4.1143018752336502e-02 - <_> - - 0 -1 1042 7.4013080447912216e-03 - - -7.6331257820129395e-02 2.1065360307693481e-01 - <_> - - 0 -1 1043 1.4879629947245121e-02 - - 4.7979071736335754e-02 -3.4014761447906494e-01 - <_> - - 0 -1 1044 1.5527559816837311e-01 - - 3.2225880771875381e-02 -4.6938079595565796e-01 - <_> - - 0 -1 1045 -7.0786331780254841e-03 - - 1.2199480086565018e-01 -1.2004940211772919e-01 - <_> - - 0 -1 1046 2.9872169718146324e-02 - - -4.3677508831024170e-02 2.3529820144176483e-01 - <_> - - 0 -1 1047 3.0555170029401779e-02 - - 3.1775880604982376e-02 -5.7825452089309692e-01 - <_> - - 0 -1 1048 1.0284570045769215e-02 - - 4.7202810645103455e-02 -2.9566499590873718e-01 - <_> - - 0 -1 1049 1.9808709621429443e-02 - - -4.5775938779115677e-02 3.3231019973754883e-01 - <_> - - 0 -1 1050 2.7218880131840706e-02 - - 2.5577219203114510e-02 -3.3180880546569824e-01 - <_> - - 0 -1 1051 1.4097680337727070e-02 - - 5.2157420665025711e-02 -2.9358381032943726e-01 - <_> - - 0 -1 1052 2.4286569654941559e-01 - - 1.4692460186779499e-02 -6.9854879379272461e-01 - <_> - - 0 -1 1053 1.2419570237398148e-02 - - -4.7105878591537476e-02 3.6695051193237305e-01 - <_> - - 0 -1 1054 1.3503880472853780e-03 - - 5.3791359066963196e-02 -2.0953659713268280e-01 - <_> - - 0 -1 1055 -1.5626290813088417e-02 - - 2.7888458967208862e-01 -6.0053750872612000e-02 - <_> - - 0 -1 1056 1.5850139781832695e-02 - - -3.0324909836053848e-02 1.0287520289421082e-01 - <_> - - 0 -1 1057 -4.0868919342756271e-02 - - -8.0402207374572754e-01 1.7601499333977699e-02 - <_> - - 0 -1 1058 6.4108639955520630e-02 - - 2.5845379568636417e-03 -5.3854942321777344e-01 - <_> - - 0 -1 1059 4.9927100539207458e-02 - - 2.1863300353288651e-02 -6.1780720949172974e-01 - <_> - - 0 -1 1060 1.4655419625341892e-02 - - 1.9663369283080101e-02 -2.0426170527935028e-01 - <_> - - 0 -1 1061 -2.4094810709357262e-02 - - 3.7609130144119263e-01 -4.0954101830720901e-02 - <_> - - 0 -1 1062 2.9417769983410835e-02 - - -8.6903842166066170e-03 4.0447419881820679e-01 - <_> - - 0 -1 1063 -1.4158640056848526e-02 - - 3.7811711430549622e-01 -4.0321640670299530e-02 - <_> - - 0 -1 1064 -4.6754989773035049e-02 - - 2.2104309499263763e-01 -2.8996109962463379e-02 - <_> - - 0 -1 1065 -1.1437949724495411e-02 - - -2.5033089518547058e-01 5.8214288204908371e-02 - <_> - - 0 -1 1066 -4.2598780244588852e-02 - - 3.7562200427055359e-01 -1.6349090263247490e-02 - <_> - - 0 -1 1067 -1.5201159752905369e-02 - - -3.5637819766998291e-01 3.8690369576215744e-02 - <_> - - 0 -1 1068 4.3378848582506180e-02 - - 3.3045639283955097e-03 -4.6729469299316406e-01 - <_> - - 0 -1 1069 5.5153011344373226e-03 - - -8.3583608269691467e-02 1.8793170154094696e-01 - <_> - - 0 -1 1070 -7.8126927837729454e-03 - - -1.6586859524250031e-01 4.3801128864288330e-02 - <_> - - 0 -1 1071 4.1652601212263107e-02 - - -3.1804520636796951e-02 4.3517521023750305e-01 - <_> - - 0 -1 1072 3.4417589195072651e-03 - - 4.2282279580831528e-02 -1.3088959455490112e-01 - <_> - - 0 -1 1073 1.3004569336771965e-04 - - -1.1260010302066803e-01 1.3964599370956421e-01 - <_> - - 0 -1 1074 -7.7347733080387115e-02 - - 7.0750647783279419e-01 -5.4134069941937923e-03 - <_> - - 0 -1 1075 -1.6143550164997578e-03 - - 1.1920420080423355e-01 -1.1884269863367081e-01 - <_> - - 0 -1 1076 -9.8279246594756842e-04 - - 6.3156276941299438e-02 -5.2781101316213608e-02 - <_> - - 0 -1 1077 -4.5667469501495361e-02 - - -3.4500870108604431e-01 4.4600728899240494e-02 - <_> - 101 - -6.9763368368148804e-01 - - <_> - - 0 -1 1078 7.3315978050231934e-02 - - -1.1410109698772430e-01 4.0035811066627502e-01 - <_> - - 0 -1 1079 2.5275669991970062e-02 - - -7.2013877332210541e-02 3.6095780134201050e-01 - <_> - - 0 -1 1080 1.8873859196901321e-02 - - -1.7234370112419128e-01 1.8223220109939575e-01 - <_> - - 0 -1 1081 7.4607720307540148e-05 - - -8.1627286970615387e-02 8.8888503611087799e-02 - <_> - - 0 -1 1082 4.2250280966982245e-04 - - -1.2840239703655243e-01 1.1791419982910156e-01 - <_> - - 0 -1 1083 1.4402460306882858e-02 - - 2.0960340276360512e-02 1.9024699926376343e-01 - <_> - - 0 -1 1084 -2.0460959058254957e-03 - - 9.5712497830390930e-02 -2.1517060697078705e-01 - <_> - - 0 -1 1085 7.1128448471426964e-03 - - -5.6100480258464813e-02 2.0984320342540741e-01 - <_> - - 0 -1 1086 -6.5832170657813549e-03 - - -2.1138189733028412e-01 7.6094150543212891e-02 - <_> - - 0 -1 1087 -4.1252959636040032e-04 - - 1.3107340037822723e-01 -1.5670859813690186e-01 - <_> - - 0 -1 1088 -4.4330831617116928e-02 - - 5.4048037528991699e-01 -1.9059479236602783e-02 - <_> - - 0 -1 1089 1.1700130067765713e-02 - - 5.1712401211261749e-02 -1.7216169834136963e-01 - <_> - - 0 -1 1090 3.5091140307486057e-03 - - -7.6767951250076294e-02 1.7776259779930115e-01 - <_> - - 0 -1 1091 1.5597569756209850e-02 - - 3.8307890295982361e-02 -1.4730019867420197e-01 - <_> - - 0 -1 1092 -3.6285370588302612e-02 - - 3.5347661375999451e-01 -4.5018490403890610e-02 - <_> - - 0 -1 1093 -4.5118298381567001e-02 - - -5.7074141502380371e-01 1.0646710172295570e-02 - <_> - - 0 -1 1094 1.3734580017626286e-02 - - 6.6018357872962952e-02 -2.0480890572071075e-01 - <_> - - 0 -1 1095 -2.7120979502797127e-02 - - 4.8094209283590317e-02 -5.1394961774349213e-02 - <_> - - 0 -1 1096 -1.5354059869423509e-03 - - -2.3548009991645813e-01 5.3074609488248825e-02 - <_> - - 0 -1 1097 3.6000818945467472e-03 - - -5.8944340795278549e-02 1.1825410276651382e-01 - <_> - - 0 -1 1098 6.8916529417037964e-03 - - -5.0014488399028778e-02 2.6909399032592773e-01 - <_> - - 0 -1 1099 3.5373449791222811e-03 - - -1.2947039306163788e-01 8.8697038590908051e-02 - <_> - - 0 -1 1100 -4.1431561112403870e-03 - - -1.7883630096912384e-01 6.9098107516765594e-02 - <_> - - 0 -1 1101 -1.0762579739093781e-01 - - -1. 4.7263409942388535e-03 - <_> - - 0 -1 1102 9.7946207970380783e-03 - - -5.4038770496845245e-02 2.4115470051765442e-01 - <_> - - 0 -1 1103 1.0054280050098896e-02 - - -8.0624893307685852e-02 1.1627560108900070e-01 - <_> - - 0 -1 1104 -8.7350717512890697e-04 - - -1.8193979561328888e-01 7.7468506991863251e-02 - <_> - - 0 -1 1105 9.4283261569216847e-04 - - 4.6265050768852234e-02 -2.2732029855251312e-01 - <_> - - 0 -1 1106 3.5424059024080634e-04 - - -1.1824289709329605e-01 1.1095699667930603e-01 - <_> - - 0 -1 1107 -3.8587789982557297e-02 - - -3.0286869406700134e-01 3.1856179703027010e-03 - <_> - - 0 -1 1108 -4.9504679627716541e-03 - - 1.3758100569248199e-01 -9.1690346598625183e-02 - <_> - - 0 -1 1109 -2.5453630834817886e-02 - - -2.3013520240783691e-01 1.9747929647564888e-02 - <_> - - 0 -1 1110 1.5836700797080994e-02 - - -4.5252159237861633e-02 2.9337081313133240e-01 - <_> - - 0 -1 1111 1.0379879735410213e-02 - - 5.9706691652536392e-02 -1.6415530443191528e-01 - <_> - - 0 -1 1112 4.3178450316190720e-02 - - 6.3460536301136017e-02 -2.1360489726066589e-01 - <_> - - 0 -1 1113 -2.2508678957819939e-03 - - 1.0645110160112381e-01 -5.9539180248975754e-02 - <_> - - 0 -1 1114 5.0743711180984974e-03 - - -9.4377033412456512e-02 2.2999720275402069e-01 - <_> - - 0 -1 1115 -3.0670650303363800e-02 - - 2.5975760817527771e-01 -2.3188209161162376e-02 - <_> - - 0 -1 1116 2.4162670597434044e-03 - - 8.7919056415557861e-02 -1.9287380576133728e-01 - <_> - - 0 -1 1117 -9.3405842781066895e-03 - - -1.0935559868812561e-01 2.9358500614762306e-02 - <_> - - 0 -1 1118 2.0513730123639107e-02 - - -5.2511349320411682e-02 3.0545449256896973e-01 - <_> - - 0 -1 1119 -4.3630380183458328e-02 - - -4.5310449600219727e-01 1.8261570483446121e-02 - <_> - - 0 -1 1120 3.4857920836657286e-03 - - -9.7093120217323303e-02 1.4877100288867950e-01 - <_> - - 0 -1 1121 1.0411609895527363e-02 - - 4.2915731668472290e-02 -2.4849639832973480e-01 - <_> - - 0 -1 1122 -7.5155291706323624e-03 - - -2.6623341441154480e-01 5.1602318882942200e-02 - <_> - - 0 -1 1123 7.2157550603151321e-03 - - -6.1878159642219543e-02 1.8314969539642334e-01 - <_> - - 0 -1 1124 9.1090862406417727e-04 - - -9.7420282661914825e-02 1.2223699688911438e-01 - <_> - - 0 -1 1125 -4.0069910883903503e-01 - - -8.1831091642379761e-01 4.7453590668737888e-03 - <_> - - 0 -1 1126 -4.8033627681434155e-03 - - 9.4193987548351288e-02 -1.4436510205268860e-01 - <_> - - 0 -1 1127 -2.1147429943084717e-02 - - 2.9532408714294434e-01 -4.4751271605491638e-02 - <_> - - 0 -1 1128 1.8602259457111359e-02 - - -4.2993780225515366e-02 2.9706719517707825e-01 - <_> - - 0 -1 1129 -8.1051718443632126e-03 - - 1.2369229644536972e-01 -1.3246449828147888e-01 - <_> - - 0 -1 1130 -8.3215925842523575e-03 - - -1.9022589921951294e-01 8.9151017367839813e-02 - <_> - - 0 -1 1131 3.1376329716295004e-03 - - 4.1584819555282593e-02 -7.9552896320819855e-02 - <_> - - 0 -1 1132 1.6556069254875183e-02 - - 4.4908858835697174e-02 -3.6947301030158997e-01 - <_> - - 0 -1 1133 2.9919730499386787e-02 - - -3.7720259279012680e-02 2.4280619621276855e-01 - <_> - - 0 -1 1134 -5.1988288760185242e-02 - - -6.9372260570526123e-01 1.8926780670881271e-02 - <_> - - 0 -1 1135 7.5528107583522797e-02 - - -1.2611350044608116e-02 2.5732690095901489e-01 - <_> - - 0 -1 1136 -2.5031189434230328e-03 - - 1.3807280361652374e-01 -9.1662466526031494e-02 - <_> - - 0 -1 1137 -5.9646938461810350e-04 - - -6.3654616475105286e-02 2.5937270373106003e-02 - <_> - - 0 -1 1138 1.0319340042769909e-02 - - 8.3791837096214294e-02 -1.7408309876918793e-01 - <_> - - 0 -1 1139 9.3816686421632767e-03 - - 2.7871530503034592e-02 -1.1141580343246460e-01 - <_> - - 0 -1 1140 1.0023410432040691e-02 - - -6.9966249167919159e-02 2.1900640428066254e-01 - <_> - - 0 -1 1141 -8.3700200775638223e-04 - - 1.0097689926624298e-01 -1.4261360466480255e-01 - <_> - - 0 -1 1142 2.2468710318207741e-02 - - 9.4028212130069733e-02 -1.3807420432567596e-01 - <_> - - 0 -1 1143 3.9115209132432938e-02 - - -5.3969398140907288e-03 6.5187507867813110e-01 - <_> - - 0 -1 1144 -1.5670569846406579e-03 - - 7.0886030793190002e-02 -2.0010609924793243e-01 - <_> - - 0 -1 1145 6.0749892145395279e-03 - - 3.5395938903093338e-02 -4.3918590992689133e-02 - <_> - - 0 -1 1146 -4.3166890740394592e-02 - - 5.9881848096847534e-01 -2.3480180650949478e-02 - <_> - - 0 -1 1147 2.3302088957279921e-03 - - -7.2818689048290253e-02 4.3940208852291107e-02 - <_> - - 0 -1 1148 5.5236589163541794e-02 - - -3.5117920488119125e-02 3.6355149745941162e-01 - <_> - - 0 -1 1149 2.7774399146437645e-02 - - 3.0074290931224823e-02 -1.0026770085096359e-01 - <_> - - 0 -1 1150 8.4784086793661118e-03 - - -5.6243300437927246e-02 2.1711349487304688e-01 - <_> - - 0 -1 1151 1.3269360177218914e-02 - - 4.3138369917869568e-02 -1.6429780423641205e-01 - <_> - - 0 -1 1152 -3.4072279930114746e-02 - - 3.9418798685073853e-01 -3.2914638519287109e-02 - <_> - - 0 -1 1153 -5.9365970082581043e-03 - - 6.4854122698307037e-02 -8.6971588432788849e-02 - <_> - - 0 -1 1154 -5.1997308619320393e-03 - - -2.1710740029811859e-01 6.5441012382507324e-02 - <_> - - 0 -1 1155 3.0441130511462688e-03 - - -4.7171641141176224e-02 9.4662867486476898e-02 - <_> - - 0 -1 1156 -2.2375459957402200e-04 - - 1.1739899963140488e-01 -1.0451590269804001e-01 - <_> - - 0 -1 1157 4.9494139850139618e-02 - - 9.9552040919661522e-03 -8.8205021619796753e-01 - <_> - - 0 -1 1158 7.7127031981945038e-02 - - -3.6638759076595306e-02 3.7156999111175537e-01 - <_> - - 0 -1 1159 -3.7054829299449921e-03 - - 4.6213079243898392e-02 -7.9498499631881714e-02 - <_> - - 0 -1 1160 1.3655430078506470e-01 - - 2.0802579820156097e-02 -6.4692282676696777e-01 - <_> - - 0 -1 1161 -1.6919399797916412e-01 - - -9.0144991874694824e-01 4.3158119660802186e-04 - <_> - - 0 -1 1162 5.2525149658322334e-03 - - 8.6686216294765472e-02 -1.5751640498638153e-01 - <_> - - 0 -1 1163 5.7952258735895157e-02 - - 1.3485850067809224e-03 -1.0001620054244995e+00 - <_> - - 0 -1 1164 -3.0681459233164787e-02 - - -6.7346888780593872e-01 1.7730809748172760e-02 - <_> - - 0 -1 1165 -2.8556400910019875e-02 - - 2.4913530051708221e-01 -2.1807359531521797e-02 - <_> - - 0 -1 1166 5.8311191387474537e-03 - - 1.0109650343656540e-01 -1.2586539983749390e-01 - <_> - - 0 -1 1167 2.8870739042758942e-03 - - -4.5462280511856079e-02 1.4794190227985382e-01 - <_> - - 0 -1 1168 -5.3575891070067883e-03 - - 1.0845459997653961e-01 -2.0636059343814850e-01 - <_> - - 0 -1 1169 2.0851830020546913e-02 - - -2.5641430169343948e-02 1.2000799924135208e-01 - <_> - - 0 -1 1170 2.9372319113463163e-03 - - -5.8832980692386627e-02 2.3967139422893524e-01 - <_> - - 0 -1 1171 1.0109069757163525e-02 - - 4.4724740087985992e-02 -2.5024959444999695e-01 - <_> - - 0 -1 1172 6.2002640217542648e-02 - - 3.1236680224537849e-02 -3.8775479793548584e-01 - <_> - - 0 -1 1173 1.7331680282950401e-03 - - -7.6642520725727081e-02 5.8738309890031815e-02 - <_> - - 0 -1 1174 -4.6648900955915451e-02 - - 4.7800371050834656e-01 -2.8223259374499321e-02 - <_> - - 0 -1 1175 -4.0585011243820190e-02 - - 1.9591329991817474e-01 -2.9608549550175667e-02 - <_> - - 0 -1 1176 1.4297359623014927e-02 - - 8.0422781407833099e-02 -2.0024399459362030e-01 - <_> - - 0 -1 1177 -1.4215649571269751e-03 - - 9.7693942487239838e-02 -1.3090120255947113e-01 - <_> - - 0 -1 1178 5.2683628164231777e-03 - - -5.8376371860504150e-02 2.4378040432929993e-01 - <_> - 104 - -6.8976742029190063e-01 - - <_> - - 0 -1 1179 -2.6198190171271563e-03 - - 1.8673700094223022e-01 -1.9126529991626740e-01 - <_> - - 0 -1 1180 -2.8629099950194359e-02 - - 1.2887109816074371e-01 -2.6186849921941757e-02 - <_> - - 0 -1 1181 7.1718869730830193e-03 - - 8.8158592581748962e-02 -2.0327340066432953e-01 - <_> - - 0 -1 1182 1.1641040444374084e-02 - - -2.1058250218629837e-02 1.7591789364814758e-01 - <_> - - 0 -1 1183 5.6764329783618450e-03 - - 4.9941159784793854e-02 -2.7329298853874207e-01 - <_> - - 0 -1 1184 -4.4392690062522888e-02 - - 5.6766128540039062e-01 -1.8674779683351517e-02 - <_> - - 0 -1 1185 1.3367610517889261e-04 - - -1.2990309298038483e-01 1.3542290031909943e-01 - <_> - - 0 -1 1186 -4.4111948460340500e-02 - - 2.2684830427169800e-01 -1.3318399898707867e-02 - <_> - - 0 -1 1187 2.9443150851875544e-03 - - 4.3161459267139435e-02 -2.9311171174049377e-01 - <_> - - 0 -1 1188 3.5300010349601507e-03 - - 7.7193722128868103e-02 -2.6324981451034546e-01 - <_> - - 0 -1 1189 1.0119210183620453e-01 - - -5.4924260824918747e-02 3.2430219650268555e-01 - <_> - - 0 -1 1190 -2.2348569706082344e-02 - - 3.0803111195564270e-01 -2.2518489509820938e-02 - <_> - - 0 -1 1191 6.4755380153656006e-03 - - -1.2045770138502121e-01 1.3186110556125641e-01 - <_> - - 0 -1 1192 1.0904319584369659e-02 - - 1.0217989981174469e-01 -1.8308849632740021e-01 - <_> - - 0 -1 1193 -1.1256629601120949e-02 - - -2.9186639189720154e-01 5.5491220206022263e-02 - <_> - - 0 -1 1194 3.6791800521314144e-03 - - -5.0614688545465469e-02 8.2663312554359436e-02 - <_> - - 0 -1 1195 -9.1721288859844208e-02 - - -7.7127552032470703e-01 1.9312959164381027e-02 - <_> - - 0 -1 1196 4.0099889039993286e-02 - - 7.8663527965545654e-03 -8.1302827596664429e-01 - <_> - - 0 -1 1197 -5.4956428706645966e-02 - - 2.9059520363807678e-01 -5.9825580567121506e-02 - <_> - - 0 -1 1198 2.4804650247097015e-01 - - 1.1665189638733864e-02 -6.9121950864791870e-01 - <_> - - 0 -1 1199 -3.4284800291061401e-02 - - 4.5358398556709290e-01 -3.2071251422166824e-02 - <_> - - 0 -1 1200 2.5439230725169182e-02 - - 1.9467150792479515e-02 -3.7927991151809692e-01 - <_> - - 0 -1 1201 -1.2720660306513309e-02 - - -2.1211430430412292e-01 6.1533831059932709e-02 - <_> - - 0 -1 1202 1.0831000283360481e-02 - - -5.1443681120872498e-02 1.6947689652442932e-01 - <_> - - 0 -1 1203 -2.1931570023298264e-02 - - 2.4839389324188232e-01 -5.6636359542608261e-02 - <_> - - 0 -1 1204 2.9397898912429810e-01 - - 1.1411529965698719e-02 -9.3696069717407227e-01 - <_> - - 0 -1 1205 -1.6342259943485260e-02 - - -3.1589549779891968e-01 4.4371981173753738e-02 - <_> - - 0 -1 1206 -4.4280499219894409e-02 - - 2.0337340235710144e-01 -2.1462319418787956e-02 - <_> - - 0 -1 1207 2.6503309607505798e-01 - - 1.1633150279521942e-02 -9.1220170259475708e-01 - <_> - - 0 -1 1208 -7.6378479599952698e-02 - - 1.8688270449638367e-01 -1.9672080874443054e-02 - <_> - - 0 -1 1209 -1.0061570443212986e-02 - - -2.6462039351463318e-01 4.6620260924100876e-02 - <_> - - 0 -1 1210 2.4921730160713196e-02 - - -1.9131390377879143e-02 2.0154500007629395e-01 - <_> - - 0 -1 1211 1.5098409676284064e-05 - - -1.6241690516471863e-01 7.6183967292308807e-02 - <_> - - 0 -1 1212 -1.0081910341978073e-01 - - -1. 7.4751500505954027e-04 - <_> - - 0 -1 1213 6.5058596432209015e-02 - - -4.0468640625476837e-02 3.5160079598426819e-01 - <_> - - 0 -1 1214 -1.2190239876508713e-01 - - -5.3624558448791504e-01 1.8637020140886307e-02 - <_> - - 0 -1 1215 -9.8520738538354635e-04 - - 1.1398199945688248e-01 -1.1298830062150955e-01 - <_> - - 0 -1 1216 -2.5300619006156921e-01 - - -4.3375909328460693e-01 1.2367400340735912e-02 - <_> - - 0 -1 1217 7.5246659107506275e-03 - - 6.7355476319789886e-02 -1.8583969771862030e-01 - <_> - - 0 -1 1218 4.8102210275828838e-03 - - -6.5870061516761780e-02 1.2848910689353943e-01 - <_> - - 0 -1 1219 -1.4562129508703947e-03 - - 1.8110689520835876e-01 -1.1248459666967392e-01 - <_> - - 0 -1 1220 -5.6546321138739586e-03 - - 1.0369840264320374e-01 -1.4115570485591888e-01 - <_> - - 0 -1 1221 -3.1951289623975754e-02 - - -3.2971608638763428e-01 4.8281811177730560e-02 - <_> - - 0 -1 1222 4.2190380394458771e-02 - - -1.1644810438156128e-02 1.3701300323009491e-01 - <_> - - 0 -1 1223 1.2606659904122353e-02 - - -6.0395881533622742e-02 2.4210059642791748e-01 - <_> - - 0 -1 1224 -6.0083861462771893e-03 - - 9.5677606761455536e-02 -2.0248259603977203e-01 - <_> - - 0 -1 1225 4.0676388889551163e-02 - - -3.8506429642438889e-02 3.9824029803276062e-01 - <_> - - 0 -1 1226 -1.3010219670832157e-02 - - -7.7870443463325500e-02 3.2533310353755951e-02 - <_> - - 0 -1 1227 -5.6646969169378281e-02 - - -9.5293551683425903e-01 1.7375659197568893e-02 - <_> - - 0 -1 1228 3.7307970225811005e-02 - - -3.3261440694332123e-02 4.6856319904327393e-01 - <_> - - 0 -1 1229 -2.7986379340291023e-02 - - -4.6356698870658875e-01 2.8524029999971390e-02 - <_> - - 0 -1 1230 -7.5014896690845490e-02 - - 2.4519899487495422e-01 -1.5830159187316895e-02 - <_> - - 0 -1 1231 2.7673080563545227e-02 - - -3.6458358168601990e-02 3.7215578556060791e-01 - <_> - - 0 -1 1232 -1.7312960699200630e-02 - - -2.2117659449577332e-01 4.3232619762420654e-02 - <_> - - 0 -1 1233 -5.8893948793411255e-02 - - 3.9726749062538147e-01 -3.7632528692483902e-02 - <_> - - 0 -1 1234 1.3193679973483086e-02 - - 2.4857729673385620e-02 -1.7514359951019287e-01 - <_> - - 0 -1 1235 3.8230679929256439e-02 - - 2.9635110870003700e-02 -4.3452748656272888e-01 - <_> - - 0 -1 1236 1.6845399513840675e-02 - - 3.9338748902082443e-02 -2.3765720427036285e-01 - <_> - - 0 -1 1237 -1.1559460312128067e-01 - - -4.0006878972053528e-01 3.2390538603067398e-02 - <_> - - 0 -1 1238 -1.7385910032317042e-03 - - 4.8545818775892258e-02 -6.1474680900573730e-02 - <_> - - 0 -1 1239 -3.3697668462991714e-02 - - 2.4345000088214874e-01 -6.5504603087902069e-02 - <_> - - 0 -1 1240 -3.4722799062728882e-01 - - -3.3612060546875000e-01 1.5501200221478939e-02 - <_> - - 0 -1 1241 5.8668039739131927e-02 - - 6.8068057298660278e-02 -2.2104929387569427e-01 - <_> - - 0 -1 1242 2.3718189448118210e-02 - - -1.4779569581151009e-02 4.7328341007232666e-01 - <_> - - 0 -1 1243 2.8812700882554054e-02 - - 3.3309880644083023e-02 -4.6797698736190796e-01 - <_> - - 0 -1 1244 4.1023749858140945e-02 - - -2.8293000534176826e-02 4.9427551031112671e-01 - <_> - - 0 -1 1245 -1.2017590051982552e-04 - - 1.0363650321960449e-01 -1.2107490003108978e-01 - <_> - - 0 -1 1246 -1.0908070206642151e-01 - - -1. 3.2971999607980251e-03 - <_> - - 0 -1 1247 -4.5967359095811844e-02 - - 6.4819461107254028e-01 -1.9233519211411476e-02 - <_> - - 0 -1 1248 -1.9345719367265701e-02 - - -3.3145549893379211e-01 3.9008539170026779e-02 - <_> - - 0 -1 1249 1.2312790378928185e-02 - - 4.1029628366231918e-02 -2.7943921089172363e-01 - <_> - - 0 -1 1250 2.1535221021622419e-03 - - -6.7545056343078613e-02 1.1647740006446838e-01 - <_> - - 0 -1 1251 -3.2158788293600082e-02 - - 5.4741638898849487e-01 -2.3730229586362839e-02 - <_> - - 0 -1 1252 -2.7592359110713005e-02 - - -7.5319421291351318e-01 8.4066214039921761e-03 - <_> - - 0 -1 1253 2.2264510393142700e-02 - - 1.2146740220487118e-02 -9.0291297435760498e-01 - <_> - - 0 -1 1254 1.5361379832029343e-02 - - -3.1641189008951187e-02 3.2132801413536072e-01 - <_> - - 0 -1 1255 -1.2360660359263420e-02 - - 2.9248631000518799e-01 -4.5303758233785629e-02 - <_> - - 0 -1 1256 2.2978749126195908e-02 - - -1.2054479680955410e-02 1.9060949981212616e-01 - <_> - - 0 -1 1257 2.3296380415558815e-02 - - 3.1409051269292831e-02 -5.1856082677841187e-01 - <_> - - 0 -1 1258 5.7384249521419406e-04 - - -1.0293489694595337e-01 8.1548452377319336e-02 - <_> - - 0 -1 1259 -3.3020470291376114e-02 - - 4.2470559477806091e-01 -4.4794678688049316e-02 - <_> - - 0 -1 1260 -2.1713029593229294e-02 - - -1.4825260639190674e-01 1.2959879823029041e-02 - <_> - - 0 -1 1261 -9.7430922323837876e-05 - - 1.1899639666080475e-01 -1.4753970503807068e-01 - <_> - - 0 -1 1262 -9.2907734215259552e-03 - - -1.1635430157184601e-01 5.4104641079902649e-02 - <_> - - 0 -1 1263 3.7244848906993866e-02 - - -3.4421201795339584e-02 3.7943929433822632e-01 - <_> - - 0 -1 1264 1.5277029573917389e-01 - - 7.2725401259958744e-03 -3.4155088663101196e-01 - <_> - - 0 -1 1265 -1.2663450092077255e-02 - - -3.0596670508384705e-01 3.8231261074542999e-02 - <_> - - 0 -1 1266 -7.4888423085212708e-02 - - -3.4658950567245483e-01 1.5501650050282478e-02 - <_> - - 0 -1 1267 -4.0114589035511017e-02 - - 3.2629820704460144e-01 -4.1313670575618744e-02 - <_> - - 0 -1 1268 -9.6492111682891846e-02 - - 1.0172849893569946e-01 -1.7156010493636131e-02 - <_> - - 0 -1 1269 -1.6712839901447296e-01 - - -7.7655118703842163e-01 1.8029559403657913e-02 - <_> - - 0 -1 1270 -8.2981940358877182e-03 - - -1.4397139847278595e-01 5.8948140591382980e-02 - <_> - - 0 -1 1271 -3.7844169419258833e-03 - - 1.7095179855823517e-01 -7.8256443142890930e-02 - <_> - - 0 -1 1272 -1.6076420247554779e-01 - - 2.3138229548931122e-01 -1.3428050093352795e-02 - <_> - - 0 -1 1273 6.4544437918812037e-04 - - -1.4424400031566620e-01 8.3287820219993591e-02 - <_> - - 0 -1 1274 2.2737309336662292e-02 - - -3.4155819565057755e-02 3.5519808530807495e-01 - <_> - - 0 -1 1275 -3.9030050393193960e-03 - - -1.8736769258975983e-01 6.4628012478351593e-02 - <_> - - 0 -1 1276 -5.1145430654287338e-02 - - 6.6892707347869873e-01 -1.1180049739778042e-02 - <_> - - 0 -1 1277 -6.0482369735836983e-03 - - 1.8622750043869019e-01 -6.3018701970577240e-02 - <_> - - 0 -1 1278 1.1743569746613503e-02 - - 2.5449279695749283e-02 -1.3331249356269836e-01 - <_> - - 0 -1 1279 8.4120890824124217e-04 - - -9.3333467841148376e-02 1.3315880298614502e-01 - <_> - - 0 -1 1280 -3.7756171077489853e-02 - - -2.3138800263404846e-01 4.0569789707660675e-02 - <_> - - 0 -1 1281 -2.0867560058832169e-02 - - 1.0056090354919434e-01 -1.1744190007448196e-01 - <_> - - 0 -1 1282 -3.9802178740501404e-02 - - -1.1585719883441925e-01 1.2668189406394958e-01 - <_> - 111 - -6.8169009685516357e-01 - - <_> - - 0 -1 1283 8.4546189755201340e-03 - - -1.6289660334587097e-01 1.9834390282630920e-01 - <_> - - 0 -1 1284 5.1610451191663742e-02 - - -3.0827090144157410e-02 3.3742550015449524e-01 - <_> - - 0 -1 1285 -6.4909443259239197e-02 - - 2.8602281212806702e-01 -5.9848651289939880e-02 - <_> - - 0 -1 1286 -4.3951408006250858e-03 - - 1.1302659660577774e-01 -1.2632089853286743e-01 - <_> - - 0 -1 1287 -8.2756802439689636e-02 - - -6.0790950059890747e-01 2.1967180073261261e-02 - <_> - - 0 -1 1288 -4.8698862083256245e-03 - - 8.5866190493106842e-02 -8.9009523391723633e-02 - <_> - - 0 -1 1289 9.1512441635131836e-02 - - -5.3345348685979843e-02 2.6732870936393738e-01 - <_> - - 0 -1 1290 3.6815661005675793e-03 - - 7.0915699005126953e-02 -1.7941209673881531e-01 - <_> - - 0 -1 1291 6.3032708130776882e-03 - - 1.2378150224685669e-01 -1.2391480058431625e-01 - <_> - - 0 -1 1292 5.8764131972566247e-04 - - -6.3813656568527222e-02 9.5545768737792969e-02 - <_> - - 0 -1 1293 1.4680320397019386e-02 - - -4.9183528870344162e-02 2.9040598869323730e-01 - <_> - - 0 -1 1294 3.5624930169433355e-03 - - -9.7563147544860840e-02 4.8932831734418869e-02 - <_> - - 0 -1 1295 -7.4473340064287186e-03 - - -1.5952460467815399e-01 8.4772646427154541e-02 - <_> - - 0 -1 1296 5.4010991007089615e-02 - - -2.0565150305628777e-02 5.7340717315673828e-01 - <_> - - 0 -1 1297 -2.3613919038325548e-03 - - 1.4957650005817413e-01 -7.5148113071918488e-02 - <_> - - 0 -1 1298 4.0665458887815475e-02 - - 1.4762399718165398e-02 -5.9685671329498291e-01 - <_> - - 0 -1 1299 9.3258380889892578e-02 - - 1.3036210089921951e-02 -6.8643862009048462e-01 - <_> - - 0 -1 1300 2.8593749739229679e-03 - - -5.4904639720916748e-02 9.8074667155742645e-02 - <_> - - 0 -1 1301 -4.9756402149796486e-03 - - 1.6751970350742340e-01 -8.2563832402229309e-02 - <_> - - 0 -1 1302 -2.2061138879507780e-03 - - 7.1486182510852814e-02 -8.4684796631336212e-02 - <_> - - 0 -1 1303 4.3787518516182899e-03 - - 7.5296439230442047e-02 -1.6988970339298248e-01 - <_> - - 0 -1 1304 -4.9143321812152863e-03 - - 1.6274330019950867e-01 -5.7579189538955688e-02 - <_> - - 0 -1 1305 -3.0191219411790371e-03 - - -1.2450099736452103e-01 1.1526980251073837e-01 - <_> - - 0 -1 1306 6.8227178417146206e-03 - - 3.7166971713304520e-02 -1.0093449801206589e-01 - <_> - - 0 -1 1307 3.5116981714963913e-02 - - -4.2997431010007858e-02 3.2959198951721191e-01 - <_> - - 0 -1 1308 -1.4400649815797806e-03 - - -9.8922260105609894e-02 6.7108891904354095e-02 - <_> - - 0 -1 1309 -4.6699359081685543e-03 - - -1.8003439903259277e-01 6.8038396537303925e-02 - <_> - - 0 -1 1310 3.7647720426321030e-02 - - -2.1031750366091728e-02 1.6627119481563568e-01 - <_> - - 0 -1 1311 5.1745469681918621e-03 - - -1.1846090108156204e-01 1.0919190198183060e-01 - <_> - - 0 -1 1312 7.7274879440665245e-03 - - -5.5097330361604691e-02 2.2752280533313751e-01 - <_> - - 0 -1 1313 2.9158849269151688e-02 - - 7.7885583043098450e-02 -1.7775520682334900e-01 - <_> - - 0 -1 1314 2.9885378899052739e-04 - - -7.8875280916690826e-02 5.1163110882043839e-02 - <_> - - 0 -1 1315 1.4456070493906736e-04 - - -1.6097649931907654e-01 8.1574030220508575e-02 - <_> - - 0 -1 1316 4.7840740531682968e-02 - - 1.4210550114512444e-02 -3.1316679716110229e-01 - <_> - - 0 -1 1317 4.3943468481302261e-02 - - -3.1002480536699295e-02 4.2450350522994995e-01 - <_> - - 0 -1 1318 -1.7603389918804169e-01 - - -2.1625219285488129e-01 1.3710640370845795e-02 - <_> - - 0 -1 1319 -2.7010550722479820e-02 - - 4.5448291301727295e-01 -2.8507620096206665e-02 - <_> - - 0 -1 1320 6.4534661360085011e-03 - - -4.9660708755254745e-02 8.3071723580360413e-02 - <_> - - 0 -1 1321 -7.1115070022642612e-03 - - -2.2509810328483582e-01 6.5033361315727234e-02 - <_> - - 0 -1 1322 -2.5184849277138710e-02 - - -1.7480330169200897e-01 1.8751099705696106e-02 - <_> - - 0 -1 1323 -8.8047432655002922e-05 - - 1.2677890062332153e-01 -1.0704579949378967e-01 - <_> - - 0 -1 1324 -3.6020219326019287e-02 - - 2.4649600684642792e-01 -4.9772080034017563e-02 - <_> - - 0 -1 1325 7.6084570027887821e-03 - - 1.0041440278291702e-01 -1.3673840463161469e-01 - <_> - - 0 -1 1326 -8.2404967397451401e-03 - - 1.1703260242938995e-01 -5.2781961858272552e-02 - <_> - - 0 -1 1327 -7.2474818443879485e-04 - - -1.1650030314922333e-01 1.1333490163087845e-01 - <_> - - 0 -1 1328 -7.8272278187796474e-05 - - 6.4425677061080933e-02 -1.5894609689712524e-01 - <_> - - 0 -1 1329 -2.0254699047654867e-03 - - -1.7027080059051514e-01 7.1216866374015808e-02 - <_> - - 0 -1 1330 -1.1882030218839645e-01 - - 3.2878550887107849e-01 -1.5325210057199001e-02 - <_> - - 0 -1 1331 -1.6258429735898972e-02 - - 2.1848890185356140e-01 -5.6253198534250259e-02 - <_> - - 0 -1 1332 -6.8429792299866676e-03 - - -2.3313499987125397e-01 5.7107821106910706e-02 - <_> - - 0 -1 1333 3.4939710050821304e-02 - - -2.7333829551935196e-02 4.5651969313621521e-01 - <_> - - 0 -1 1334 2.2979779541492462e-01 - - 1.4508989639580250e-02 -8.7165087461471558e-01 - <_> - - 0 -1 1335 4.3360598385334015e-02 - - 8.4467595443129539e-03 -8.7500327825546265e-01 - <_> - - 0 -1 1336 -1.1806190013885498e-03 - - 7.8186698257923126e-02 -5.2834209054708481e-02 - <_> - - 0 -1 1337 -4.1772681474685669e-01 - - -8.0729222297668457e-01 1.3048130087554455e-02 - <_> - - 0 -1 1338 -4.6315230429172516e-02 - - 2.9375079274177551e-01 -3.5192389041185379e-02 - <_> - - 0 -1 1339 -4.0271300822496414e-02 - - -5.8174532651901245e-01 1.9768500700592995e-02 - <_> - - 0 -1 1340 -4.3012440204620361e-02 - - 1.0882510244846344e-01 -2.6977609843015671e-02 - <_> - - 0 -1 1341 2.8285770677030087e-03 - - 7.6837047934532166e-02 -1.5720550715923309e-01 - <_> - - 0 -1 1342 -3.3204611390829086e-02 - - -2.3152589797973633e-01 1.5932539477944374e-02 - <_> - - 0 -1 1343 -4.8097351100295782e-04 - - 1.1043740063905716e-01 -1.1589460074901581e-01 - <_> - - 0 -1 1344 2.9704240150749683e-03 - - -3.4243740141391754e-02 6.9107398390769958e-02 - <_> - - 0 -1 1345 1.1893190443515778e-02 - - 8.0122880637645721e-02 -2.0503090322017670e-01 - <_> - - 0 -1 1346 -6.3963606953620911e-02 - - -8.5530751943588257e-01 6.4783529378473759e-03 - <_> - - 0 -1 1347 -5.6093540042638779e-03 - - 1.6278949379920959e-01 -1.0079070180654526e-01 - <_> - - 0 -1 1348 7.5979339890182018e-03 - - 5.4123409092426300e-02 -1.2431269884109497e-01 - <_> - - 0 -1 1349 1.3480819761753082e-02 - - -6.3751302659511566e-02 2.5250628590583801e-01 - <_> - - 0 -1 1350 -9.4613758847117424e-04 - - 4.2835868895053864e-02 -7.6837100088596344e-02 - <_> - - 0 -1 1351 -3.8062490522861481e-02 - - 1.9252179563045502e-01 -6.3947133719921112e-02 - <_> - - 0 -1 1352 1.2410899996757507e-01 - - 7.9416595399379730e-03 -4.2653021216392517e-01 - <_> - - 0 -1 1353 -9.2228442430496216e-02 - - -5.5210620164871216e-01 2.8964910656213760e-02 - <_> - - 0 -1 1354 1.5106770209968090e-02 - - 2.7609340846538544e-02 -1.6688449680805206e-01 - <_> - - 0 -1 1355 -2.3654250428080559e-02 - - -3.4379678964614868e-01 3.9513330906629562e-02 - <_> - - 0 -1 1356 4.7881390899419785e-02 - - 8.0661084502935410e-03 -1.8185199797153473e-01 - <_> - - 0 -1 1357 8.5415288805961609e-02 - - -4.6752408146858215e-02 2.7169001102447510e-01 - <_> - - 0 -1 1358 3.1524940859526396e-03 - - -8.6421400308609009e-02 6.8336002528667450e-02 - <_> - - 0 -1 1359 -3.0099870637059212e-03 - - 8.9336208999156952e-02 -1.3626849651336670e-01 - <_> - - 0 -1 1360 -5.8112520724534988e-02 - - -1.9748120009899139e-01 2.6536440476775169e-02 - <_> - - 0 -1 1361 1.2775669991970062e-01 - - -4.9838040024042130e-02 3.4896400570869446e-01 - <_> - - 0 -1 1362 1.2011290341615677e-01 - - -6.3313432037830353e-03 3.7937548756599426e-01 - <_> - - 0 -1 1363 4.7567482106387615e-03 - - 1.0490419715642929e-01 -1.3542570173740387e-01 - <_> - - 0 -1 1364 -1.5902349725365639e-02 - - 6.1786301434040070e-02 -9.8376080393791199e-02 - <_> - - 0 -1 1365 -5.6423708796501160e-02 - - -6.3371032476425171e-01 2.0224599167704582e-02 - <_> - - 0 -1 1366 -7.9641327261924744e-02 - - -1. 8.7428308324888349e-04 - <_> - - 0 -1 1367 -2.0731301046907902e-03 - - 1.3846459984779358e-01 -9.5865301787853241e-02 - <_> - - 0 -1 1368 5.8470368385314941e-03 - - -5.7033840566873550e-02 1.1691799759864807e-01 - <_> - - 0 -1 1369 -2.6138950139284134e-02 - - -2.2362439334392548e-01 5.5546630173921585e-02 - <_> - - 0 -1 1370 -6.5781630109995604e-04 - - 9.2999227344989777e-02 -8.4152117371559143e-02 - <_> - - 0 -1 1371 -5.6041389703750610e-02 - - 3.5072851181030273e-01 -3.1472280621528625e-02 - <_> - - 0 -1 1372 9.7799800336360931e-02 - - 1.0124430060386658e-02 -3.7714061141014099e-01 - <_> - - 0 -1 1373 4.5515140518546104e-03 - - -7.8311361372470856e-02 1.4166970551013947e-01 - <_> - - 0 -1 1374 1.0168380104005337e-02 - - 5.2113991230726242e-02 -2.4422790110111237e-01 - <_> - - 0 -1 1375 6.2885403633117676e-02 - - -1.8255509436130524e-02 6.2847292423248291e-01 - <_> - - 0 -1 1376 -4.8064131289720535e-02 - - -8.6817431449890137e-01 6.6064838320016861e-03 - <_> - - 0 -1 1377 1.8479900434613228e-02 - - 6.9977812469005585e-02 -1.5929399430751801e-01 - <_> - - 0 -1 1378 2.4549840018153191e-02 - - -1.7519120126962662e-02 1.7961919307708740e-01 - <_> - - 0 -1 1379 3.9227470755577087e-02 - - -4.7417990863323212e-02 2.7945789694786072e-01 - <_> - - 0 -1 1380 4.1248198598623276e-02 - - 1.1459370143711567e-02 -4.3477478623390198e-01 - <_> - - 0 -1 1381 -8.4321142639964819e-04 - - 1.2758859992027283e-01 -9.7010560333728790e-02 - <_> - - 0 -1 1382 -1.3688740320503712e-02 - - -1.6236190497875214e-01 4.3290950357913971e-02 - <_> - - 0 -1 1383 -5.5982511490583420e-02 - - -7.5431138277053833e-01 1.5797710046172142e-02 - <_> - - 0 -1 1384 7.3578268289566040e-02 - - -1.4777439646422863e-03 -1.0000350475311279e+00 - <_> - - 0 -1 1385 3.7084969226270914e-03 - - -9.7184643149375916e-02 1.2435329705476761e-01 - <_> - - 0 -1 1386 -1.4889879821566865e-05 - - 7.1465343236923218e-02 -1.6840849816799164e-01 - <_> - - 0 -1 1387 1.0487560182809830e-01 - - 1.5076650306582451e-02 -7.1159482002258301e-01 - <_> - - 0 -1 1388 1.2587489560246468e-02 - - -2.0771300420165062e-02 1.7468680441379547e-01 - <_> - - 0 -1 1389 -2.2228389570955187e-04 - - 1.1781640350818634e-01 -9.2627458274364471e-02 - <_> - - 0 -1 1390 -7.7760413289070129e-02 - - -7.4605411291122437e-01 3.6328181158751249e-03 - <_> - - 0 -1 1391 4.5043420046567917e-02 - - 2.2217869758605957e-02 -5.0052911043167114e-01 - <_> - - 0 -1 1392 3.5614410880953074e-03 - - -5.1213219761848450e-02 8.9986503124237061e-02 - <_> - - 0 -1 1393 -7.4102368671447039e-04 - - 1.3938049972057343e-01 -1.0272219777107239e-01 - <_> - 107 - -6.0689288377761841e-01 - - <_> - - 0 -1 1394 -8.5600130259990692e-03 - - 1.6578909754753113e-01 -1.6412919759750366e-01 - <_> - - 0 -1 1395 3.0798809602856636e-02 - - -3.3495649695396423e-02 2.8578650951385498e-01 - <_> - - 0 -1 1396 -3.7319411057978868e-04 - - 1.2523449957370758e-01 -1.2115170061588287e-01 - <_> - - 0 -1 1397 -1.9253849983215332e-02 - - -8.7740883231163025e-02 3.9066571742296219e-02 - <_> - - 0 -1 1398 -8.5401646792888641e-03 - - 1.3152270019054413e-01 -1.3007740676403046e-01 - <_> - - 0 -1 1399 1.2424349784851074e-01 - - 1.9019979983568192e-02 -7.8247052431106567e-01 - <_> - - 0 -1 1400 4.0093418210744858e-02 - - -4.0743768215179443e-02 3.8851749897003174e-01 - <_> - - 0 -1 1401 -4.4169559259898961e-05 - - 4.5526970177888870e-02 -8.8063806295394897e-02 - <_> - - 0 -1 1402 -1.7662849277257919e-02 - - -3.1371811032295227e-01 5.1794338971376419e-02 - <_> - - 0 -1 1403 5.2368510514497757e-02 - - -3.5845998674631119e-02 1.5009739995002747e-01 - <_> - - 0 -1 1404 -2.8719279915094376e-02 - - -1.9849379360675812e-01 7.8099071979522705e-02 - <_> - - 0 -1 1405 6.9435790181159973e-02 - - -5.5073730647563934e-02 2.1780849993228912e-01 - <_> - - 0 -1 1406 5.4794438183307648e-02 - - -3.0223689973354340e-02 6.2993967533111572e-01 - <_> - - 0 -1 1407 -1.5315500088036060e-02 - - -1.5052799880504608e-01 2.0194370299577713e-02 - <_> - - 0 -1 1408 2.9001969844102859e-02 - - -2.0738989114761353e-02 4.5645099878311157e-01 - <_> - - 0 -1 1409 -2.3264769464731216e-02 - - 1.4672529697418213e-01 -3.8081351667642593e-02 - <_> - - 0 -1 1410 1.9063109531998634e-02 - - 7.2921238839626312e-02 -2.2723700106143951e-01 - <_> - - 0 -1 1411 1.2208239641040564e-03 - - 7.3471322655677795e-02 -1.9122929871082306e-01 - <_> - - 0 -1 1412 -1.7565910518169403e-01 - - 2.5924688577651978e-01 -5.6015118956565857e-02 - <_> - - 0 -1 1413 -3.8042131811380386e-02 - - 1.6113610565662384e-01 -4.3758820742368698e-02 - <_> - - 0 -1 1414 3.0130259692668915e-02 - - 5.7830829173326492e-02 -2.9774171113967896e-01 - <_> - - 0 -1 1415 2.0089220255613327e-02 - - -6.0509629547595978e-02 3.3441681414842606e-02 - <_> - - 0 -1 1416 2.6193389203399420e-04 - - -1.5175449848175049e-01 1.1094109714031219e-01 - <_> - - 0 -1 1417 4.0310628712177277e-02 - - 1.7477119341492653e-02 -1.4185379445552826e-01 - <_> - - 0 -1 1418 -2.9343019705265760e-03 - - -1.6960139572620392e-01 9.3530252575874329e-02 - <_> - - 0 -1 1419 1.4554520137608051e-02 - - -7.5844526290893555e-02 2.7771660685539246e-01 - <_> - - 0 -1 1420 3.4086001105606556e-03 - - 7.3933310806751251e-02 -1.9626590609550476e-01 - <_> - - 0 -1 1421 -6.7988429218530655e-03 - - -2.0132480561733246e-01 5.8276038616895676e-02 - <_> - - 0 -1 1422 -5.0457930192351341e-03 - - 1.9446060061454773e-01 -7.1691580116748810e-02 - <_> - - 0 -1 1423 1.0465010069310665e-02 - - -4.7314591705799103e-02 1.9316110014915466e-01 - <_> - - 0 -1 1424 -1.6713530058041215e-03 - - 9.2915147542953491e-02 -1.1890129745006561e-01 - <_> - - 0 -1 1425 -4.2704358696937561e-02 - - 1.6961039602756500e-01 -2.0632650703191757e-02 - <_> - - 0 -1 1426 2.0367829501628876e-01 - - 2.3246899247169495e-02 -4.9420261383056641e-01 - <_> - - 0 -1 1427 -8.3379482384771109e-04 - - 5.0001069903373718e-02 -7.3779806494712830e-02 - <_> - - 0 -1 1428 1.7854769527912140e-01 - - 1.5588290058076382e-02 -7.7650082111358643e-01 - <_> - - 0 -1 1429 -1.3535289466381073e-01 - - -5.2299112081527710e-01 3.1595760956406593e-03 - <_> - - 0 -1 1430 4.6555269509553909e-02 - - -4.1891060769557953e-02 3.0324798822402954e-01 - <_> - - 0 -1 1431 2.2663649171590805e-02 - - 3.8851160556077957e-02 -8.5196226835250854e-02 - <_> - - 0 -1 1432 -2.3027729988098145e-01 - - -9.3503099679946899e-01 1.3942349702119827e-02 - <_> - - 0 -1 1433 2.5714140385389328e-02 - - -9.1460775583982468e-03 7.8063201904296875e-01 - <_> - - 0 -1 1434 -7.3728510869841557e-06 - - 6.2730923295021057e-02 -2.0042170584201813e-01 - <_> - - 0 -1 1435 -1.9757889211177826e-02 - - -2.3434729874134064e-01 1.4600900001823902e-02 - <_> - - 0 -1 1436 -4.1893101297318935e-03 - - 1.4971399307250977e-01 -6.9368869066238403e-02 - <_> - - 0 -1 1437 1.1314969742670655e-03 - - -6.9203592836856842e-02 1.0447440296411514e-01 - <_> - - 0 -1 1438 6.3914088532328606e-03 - - 5.6134030222892761e-02 -1.9862769544124603e-01 - <_> - - 0 -1 1439 -3.7047569639980793e-03 - - 9.6817292273044586e-02 -9.5282286405563354e-02 - <_> - - 0 -1 1440 3.0627459287643433e-02 - - -5.0079640001058578e-02 2.6023888587951660e-01 - <_> - - 0 -1 1441 3.2444439828395844e-02 - - 3.1099939718842506e-02 -2.0788609981536865e-01 - <_> - - 0 -1 1442 1.1651559732854366e-02 - - -5.8311950415372849e-02 2.5374108552932739e-01 - <_> - - 0 -1 1443 -3.6515220999717712e-02 - - -2.6749190688133240e-01 2.0536249503493309e-02 - <_> - - 0 -1 1444 1.7474630847573280e-02 - - 4.7416981309652328e-02 -3.3719009160995483e-01 - <_> - - 0 -1 1445 -1.5204170485958457e-03 - - 5.8933809399604797e-02 -9.5844946801662445e-02 - <_> - - 0 -1 1446 4.7761179506778717e-02 - - 1.0849700309336185e-02 -8.6635017395019531e-01 - <_> - - 0 -1 1447 -6.3569113612174988e-02 - - 2.5858598947525024e-01 -1.8156580626964569e-02 - <_> - - 0 -1 1448 -1.7476839711889625e-03 - - 7.5750246644020081e-02 -1.4295279979705811e-01 - <_> - - 0 -1 1449 -4.6762558631598949e-03 - - -9.1223396360874176e-02 1.3135279715061188e-01 - <_> - - 0 -1 1450 2.2202100604772568e-02 - - -5.3397450596094131e-02 2.0743979513645172e-01 - <_> - - 0 -1 1451 -2.4647359549999237e-01 - - -4.5610219240188599e-01 3.5777890589088202e-03 - <_> - - 0 -1 1452 5.0148782320320606e-03 - - 8.8871829211711884e-02 -1.6236490011215210e-01 - <_> - - 0 -1 1453 -4.2023971676826477e-02 - - 1.2805579602718353e-01 -1.1926759965717793e-02 - <_> - - 0 -1 1454 -1.0895519703626633e-01 - - -6.6466122865676880e-01 1.5905549749732018e-02 - <_> - - 0 -1 1455 -3.6672928929328918e-01 - - 3.6374801397323608e-01 -3.1206229701638222e-02 - <_> - - 0 -1 1456 9.5884501934051514e-03 - - 9.1073550283908844e-02 -1.2492360174655914e-01 - <_> - - 0 -1 1457 1.6124530229717493e-03 - - 3.3751979470252991e-02 -5.8749239891767502e-02 - <_> - - 0 -1 1458 -1.7882430925965309e-02 - - 2.0992769300937653e-01 -6.3215233385562897e-02 - <_> - - 0 -1 1459 -6.6655018599703908e-05 - - 5.5020030587911606e-02 -1.7908810079097748e-01 - <_> - - 0 -1 1460 -1.0912610217928886e-02 - - -1.7878860235214233e-01 6.4088903367519379e-02 - <_> - - 0 -1 1461 -1.9031569827347994e-03 - - 1.1012560129165649e-01 -6.2576442956924438e-02 - <_> - - 0 -1 1462 4.7322059981524944e-03 - - 6.0611810535192490e-02 -1.7521250247955322e-01 - <_> - - 0 -1 1463 1.7955000698566437e-01 - - -2.6413710787892342e-02 5.1463198661804199e-01 - <_> - - 0 -1 1464 -1.8869279883801937e-03 - - 7.0732869207859039e-02 -1.8977560102939606e-01 - <_> - - 0 -1 1465 -3.5322420299053192e-03 - - 9.5800288021564484e-02 -4.9251660704612732e-02 - <_> - - 0 -1 1466 1.0818409500643611e-03 - - -9.7082488238811493e-02 1.4092449843883514e-01 - <_> - - 0 -1 1467 -9.5455259084701538e-02 - - -6.8376517295837402e-01 8.8187018409371376e-03 - <_> - - 0 -1 1468 1.6179149970412254e-03 - - -9.5129579305648804e-02 1.1351480334997177e-01 - <_> - - 0 -1 1469 6.5547877550125122e-01 - - 9.7635984420776367e-03 -5.6581187248229980e-01 - <_> - - 0 -1 1470 -7.7973723411560059e-02 - - 3.5573729872703552e-01 -3.3126130700111389e-02 - <_> - - 0 -1 1471 2.0209029316902161e-02 - - 3.9301611483097076e-02 -1.3580250740051270e-01 - <_> - - 0 -1 1472 9.0323589742183685e-02 - - -1.5932930633425713e-02 6.9409132003784180e-01 - <_> - - 0 -1 1473 -6.2048831023275852e-03 - - -1.7037659883499146e-01 6.8090677261352539e-02 - <_> - - 0 -1 1474 -1.5737250447273254e-02 - - 1.6250109672546387e-01 -6.6528938710689545e-02 - <_> - - 0 -1 1475 -3.5397041589021683e-02 - - -8.9766547083854675e-02 4.9135740846395493e-02 - <_> - - 0 -1 1476 3.2850861549377441e-02 - - 8.5158139467239380e-02 -1.3002319633960724e-01 - <_> - - 0 -1 1477 -8.4024056792259216e-02 - - 3.0658489465713501e-01 -3.9313621819019318e-02 - <_> - - 0 -1 1478 2.1347659640014172e-03 - - 8.3386950194835663e-02 -1.2239480018615723e-01 - <_> - - 0 -1 1479 1.7922610044479370e-01 - - 2.6004109531641006e-03 -9.9989092350006104e-01 - <_> - - 0 -1 1480 1.1854390054941177e-01 - - 1.1098369956016541e-02 -8.9629507064819336e-01 - <_> - - 0 -1 1481 -2.7351840399205685e-03 - - 1.1589130014181137e-01 -6.3589207828044891e-02 - <_> - - 0 -1 1482 6.6092880442738533e-03 - - -7.9491429030895233e-02 1.8501229584217072e-01 - <_> - - 0 -1 1483 -2.1072009578347206e-02 - - -1.4708499610424042e-01 2.6071280241012573e-02 - <_> - - 0 -1 1484 1.3411619700491428e-02 - - 4.8645589500665665e-02 -2.2041800618171692e-01 - <_> - - 0 -1 1485 -2.0661540329456329e-02 - - 2.1374049782752991e-01 -2.2243229672312737e-02 - <_> - - 0 -1 1486 -1.0939250141382217e-01 - - -7.9235088825225830e-01 1.1932499706745148e-02 - <_> - - 0 -1 1487 5.4573271423578262e-02 - - -8.7064085528254509e-03 3.8226109743118286e-01 - <_> - - 0 -1 1488 -2.7845989912748337e-02 - - 4.2096340656280518e-01 -3.4300819039344788e-02 - <_> - - 0 -1 1489 1.4973179996013641e-01 - - 5.5857440456748009e-03 -7.1027070283889771e-01 - <_> - - 0 -1 1490 5.4548021405935287e-02 - - 1.9289769232273102e-02 -5.5061852931976318e-01 - <_> - - 0 -1 1491 5.4990737698972225e-03 - - 4.3643891811370850e-02 -1.2233699858188629e-01 - <_> - - 0 -1 1492 3.5988059244118631e-04 - - -9.5005020499229431e-02 1.2501640617847443e-01 - <_> - - 0 -1 1493 -5.1003068685531616e-02 - - -3.4648188948631287e-01 1.4124399982392788e-02 - <_> - - 0 -1 1494 -5.9379130601882935e-02 - - 6.8840432167053223e-01 -2.0780999213457108e-02 - <_> - - 0 -1 1495 6.8976037204265594e-02 - - 8.5678137838840485e-03 -6.9098550081253052e-01 - <_> - - 0 -1 1496 -4.3954830616712570e-03 - - -1.7382889986038208e-01 6.9105990231037140e-02 - <_> - - 0 -1 1497 1.3838030397891998e-02 - - -2.9398119077086449e-02 1.9685789942741394e-01 - <_> - - 0 -1 1498 -7.5316978618502617e-03 - - -3.5790848731994629e-01 3.9685450494289398e-02 - <_> - - 0 -1 1499 -8.8299706578254700e-02 - - -2.3770420253276825e-01 3.0232321005314589e-03 - <_> - - 0 -1 1500 -4.4138759374618530e-02 - - 2.6541408896446228e-01 -5.1865179091691971e-02 - <_> - 107 - -5.6881058216094971e-01 - - <_> - - 0 -1 1501 -9.2582583427429199e-02 - - 3.6183288693428040e-01 -7.8275963664054871e-02 - <_> - - 0 -1 1502 -4.8143980093300343e-03 - - -1.2681719660758972e-01 6.7723788321018219e-02 - <_> - - 0 -1 1503 3.2365128397941589e-02 - - -4.6087108552455902e-02 3.2692021131515503e-01 - <_> - - 0 -1 1504 -1.7028570175170898e-02 - - 9.1306403279304504e-02 -1.1660590022802353e-01 - <_> - - 0 -1 1505 -1.1308620125055313e-01 - - -7.9631358385086060e-01 5.8426991105079651e-02 - <_> - - 0 -1 1506 -3.5633759107440710e-03 - - -8.2610622048377991e-02 1.0166700184345245e-01 - <_> - - 0 -1 1507 -2.4109560251235962e-01 - - 2.7927228808403015e-01 -8.0744966864585876e-02 - <_> - - 0 -1 1508 2.2599289193749428e-02 - - 5.1744598895311356e-02 -2.8865408897399902e-01 - <_> - - 0 -1 1509 2.0002270117402077e-02 - - -5.7962361723184586e-02 2.9044789075851440e-01 - <_> - - 0 -1 1510 -1.9348099594935775e-03 - - 9.8808683454990387e-02 -1.2368459999561310e-01 - <_> - - 0 -1 1511 -7.5757717713713646e-03 - - -2.0071910321712494e-01 9.2741288244724274e-02 - <_> - - 0 -1 1512 3.3381819725036621e-02 - - -3.4530758857727051e-02 3.0876499414443970e-01 - <_> - - 0 -1 1513 4.7418981790542603e-02 - - -1.3563269376754761e-01 1.1016750335693359e-01 - <_> - - 0 -1 1514 -5.4173129610717297e-03 - - -1.6050089895725250e-01 7.2612293064594269e-02 - <_> - - 0 -1 1515 -9.6942558884620667e-03 - - -1.6376489400863647e-01 8.4426470100879669e-02 - <_> - - 0 -1 1516 -6.0632169246673584e-02 - - 1.6474419832229614e-01 -2.6981400325894356e-02 - <_> - - 0 -1 1517 5.0302860327064991e-03 - - -1.0996829718351364e-01 1.3480730354785919e-01 - <_> - - 0 -1 1518 -8.7792202830314636e-02 - - -6.8317967653274536e-01 1.0834610089659691e-02 - <_> - - 0 -1 1519 3.0390409752726555e-02 - - -4.2450569570064545e-02 3.0770599842071533e-01 - <_> - - 0 -1 1520 -5.1566340029239655e-02 - - -6.2840008735656738e-01 9.7069833427667618e-03 - <_> - - 0 -1 1521 -4.2446999577805400e-04 - - 8.4595613181591034e-02 -1.8075129389762878e-01 - <_> - - 0 -1 1522 -1.2135359644889832e-01 - - -1.2717489898204803e-01 9.6575058996677399e-02 - <_> - - 0 -1 1523 -1.5150560066103935e-02 - - 9.3037553131580353e-02 -1.3127900660037994e-01 - <_> - - 0 -1 1524 3.9446409791707993e-02 - - 2.5543639436364174e-02 -1.1460640281438828e-01 - <_> - - 0 -1 1525 -8.2465475425124168e-03 - - 2.4008710682392120e-01 -5.1680248230695724e-02 - <_> - - 0 -1 1526 3.5262361168861389e-02 - - -3.3555049449205399e-02 2.0575499534606934e-01 - <_> - - 0 -1 1527 1.1703060008585453e-02 - - 2.3529250174760818e-02 -4.9983900785446167e-01 - <_> - - 0 -1 1528 4.2969968169927597e-02 - - -1.2683330103754997e-02 5.4043388366699219e-01 - <_> - - 0 -1 1529 -1.5811799094080925e-02 - - 3.9564150571823120e-01 -3.5568390041589737e-02 - <_> - - 0 -1 1530 4.6253358013927937e-03 - - 5.2370540797710419e-02 -2.2989930212497711e-01 - <_> - - 0 -1 1531 -1.5898230485618114e-03 - - 1.3792009651660919e-01 -8.6783193051815033e-02 - <_> - - 0 -1 1532 6.2329089269042015e-04 - - -8.6643829941749573e-02 5.7710029184818268e-02 - <_> - - 0 -1 1533 7.0994929410517216e-03 - - 7.5797617435455322e-02 -1.6898870468139648e-01 - <_> - - 0 -1 1534 6.9608777761459351e-02 - - -1.2454699724912643e-02 2.0845200121402740e-01 - <_> - - 0 -1 1535 -1.8759520724415779e-02 - - -5.5008620023727417e-01 2.1040279418230057e-02 - <_> - - 0 -1 1536 4.6513788402080536e-02 - - -2.5904009118676186e-02 1.8322019279003143e-01 - <_> - - 0 -1 1537 2.1638579666614532e-02 - - -3.8873910903930664e-02 2.9919698834419250e-01 - <_> - - 0 -1 1538 -7.6772570610046387e-02 - - -1. 3.9020550902932882e-03 - <_> - - 0 -1 1539 4.0535528212785721e-02 - - 1.8880680203437805e-02 -6.6033887863159180e-01 - <_> - - 0 -1 1540 4.0338758379220963e-02 - - 9.2877401039004326e-03 -3.4422031044960022e-01 - <_> - - 0 -1 1541 4.3404240161180496e-02 - - -2.2111779078841209e-02 5.1227712631225586e-01 - <_> - - 0 -1 1542 1.6895130276679993e-02 - - 3.0058480799198151e-02 -1.8648600578308105e-01 - <_> - - 0 -1 1543 3.0269259586930275e-03 - - -1.3979099690914154e-01 8.7544560432434082e-02 - <_> - - 0 -1 1544 -3.7171840667724609e-01 - - -2.9676678776741028e-01 1.6241550445556641e-02 - <_> - - 0 -1 1545 -2.5798739865422249e-02 - - -4.3713501095771790e-01 2.6768149808049202e-02 - <_> - - 0 -1 1546 -9.0826600790023804e-03 - - 9.9548496305942535e-02 -3.8500539958477020e-02 - <_> - - 0 -1 1547 -1.7977179959416389e-03 - - 1.3810199499130249e-01 -7.5387232005596161e-02 - <_> - - 0 -1 1548 1.2435699999332428e-01 - - 4.6064029447734356e-03 -3.6909800767898560e-01 - <_> - - 0 -1 1549 -1.2901489622890949e-02 - - -2.0433300733566284e-01 5.3133610635995865e-02 - <_> - - 0 -1 1550 -1.3352099806070328e-02 - - -1.0512170195579529e-01 5.9746239334344864e-02 - <_> - - 0 -1 1551 -3.0650520697236061e-02 - - 3.4366500377655029e-01 -3.9617810398340225e-02 - <_> - - 0 -1 1552 2.0778391044586897e-03 - - -5.0755288451910019e-02 7.2930753231048584e-02 - <_> - - 0 -1 1553 -6.1161179095506668e-02 - - 7.8371667861938477e-01 -1.3940130360424519e-02 - <_> - - 0 -1 1554 -6.6681973636150360e-02 - - -6.7010307312011719e-01 4.2770858854055405e-03 - <_> - - 0 -1 1555 2.7359850704669952e-02 - - 2.4253180250525475e-02 -4.2671859264373779e-01 - <_> - - 0 -1 1556 -2.4731201119720936e-03 - - 9.6493236720561981e-02 -5.7433839887380600e-02 - <_> - - 0 -1 1557 -1.0721489787101746e-02 - - -2.1575610339641571e-01 4.4256970286369324e-02 - <_> - - 0 -1 1558 -1.3936980068683624e-01 - - -3.6377531290054321e-01 1.0005139745771885e-02 - <_> - - 0 -1 1559 -5.6867711246013641e-02 - - 3.0327269434928894e-01 -3.7230789661407471e-02 - <_> - - 0 -1 1560 -6.5776512026786804e-02 - - -1. 1.2443619780242443e-03 - <_> - - 0 -1 1561 -1.5500129666179419e-03 - - 1.2898580729961395e-01 -8.5528247058391571e-02 - <_> - - 0 -1 1562 8.7909551803022623e-04 - - -7.9906381666660309e-02 1.2847130000591278e-01 - <_> - - 0 -1 1563 2.9614660888910294e-03 - - 8.9433841407299042e-02 -1.7047980427742004e-01 - <_> - - 0 -1 1564 -5.0735038518905640e-01 - - -8.4197628498077393e-01 2.3592109791934490e-03 - <_> - - 0 -1 1565 3.5409200936555862e-02 - - 1.7137490212917328e-02 -5.9052079916000366e-01 - <_> - - 0 -1 1566 -4.6220239251852036e-02 - - 4.7383689880371094e-01 -1.1423089541494846e-02 - <_> - - 0 -1 1567 4.0875099599361420e-02 - - -2.6714079082012177e-02 4.2139878869056702e-01 - <_> - - 0 -1 1568 -5.7651810348033905e-02 - - 5.6021291017532349e-01 -9.5757292583584785e-03 - <_> - - 0 -1 1569 3.3733060117810965e-03 - - 7.2323620319366455e-02 -1.5510480105876923e-01 - <_> - - 0 -1 1570 -3.4096160531044006e-01 - - -1. -3.1605950789526105e-04 - <_> - - 0 -1 1571 -5.5850511416792870e-03 - - -1.5768070518970490e-01 7.3625743389129639e-02 - <_> - - 0 -1 1572 -1.1067239940166473e-01 - - 2.3640440404415131e-01 -1.2670779600739479e-02 - <_> - - 0 -1 1573 4.3246410787105560e-02 - - -4.9346420913934708e-02 3.0113101005554199e-01 - <_> - - 0 -1 1574 -5.8916499838232994e-03 - - -1.4727650582790375e-01 6.1345700174570084e-02 - <_> - - 0 -1 1575 -2.8674090572167188e-05 - - 1.1539240181446075e-01 -1.4692650735378265e-01 - <_> - - 0 -1 1576 2.6174910366535187e-02 - - -2.2960580885410309e-02 2.1004410088062286e-01 - <_> - - 0 -1 1577 -1.9902619533240795e-03 - - 9.7250632941722870e-02 -1.3244929909706116e-01 - <_> - - 0 -1 1578 -1.6960840672254562e-02 - - -3.1949061155319214e-01 3.6188289523124695e-02 - <_> - - 0 -1 1579 -1.5634739398956299e-01 - - 3.1934529542922974e-01 -4.1917070746421814e-02 - <_> - - 0 -1 1580 -2.3863950371742249e-01 - - 3.8183578848838806e-01 -8.6567532271146774e-03 - <_> - - 0 -1 1581 -7.7641502022743225e-02 - - -3.3156651258468628e-01 3.3491149544715881e-02 - <_> - - 0 -1 1582 -4.5257899910211563e-02 - - 4.6058529615402222e-01 -3.1354859471321106e-02 - <_> - - 0 -1 1583 -3.3390790224075317e-02 - - -7.2974747419357300e-01 1.6206990927457809e-02 - <_> - - 0 -1 1584 7.3079466819763184e-02 - - -1.9201450049877167e-02 3.4011909365653992e-01 - <_> - - 0 -1 1585 -5.4536230862140656e-02 - - 3.3227160573005676e-01 -3.3163428306579590e-02 - <_> - - 0 -1 1586 3.9552688598632812e-02 - - 1.1817559599876404e-02 -3.2131719589233398e-01 - <_> - - 0 -1 1587 5.9160130331292748e-04 - - -1.1766350269317627e-01 8.8002361357212067e-02 - <_> - - 0 -1 1588 3.5379730165004730e-02 - - 1.8286190927028656e-02 -1.6206890344619751e-01 - <_> - - 0 -1 1589 2.0152490586042404e-02 - - 2.2825939580798149e-02 -4.3034788966178894e-01 - <_> - - 0 -1 1590 -2.9185289517045021e-02 - - 1.8256959319114685e-01 -1.6376309096813202e-02 - <_> - - 0 -1 1591 -2.1705780178308487e-02 - - -6.6977721452713013e-01 1.6782360151410103e-02 - <_> - - 0 -1 1592 4.2584270238876343e-02 - - -1.6852499917149544e-02 3.4360399842262268e-01 - <_> - - 0 -1 1593 -1.2663739919662476e-01 - - 2.6748588681221008e-01 -3.6107789725065231e-02 - <_> - - 0 -1 1594 1.4260070025920868e-01 - - 1.4445270411670208e-02 -1.9729509949684143e-01 - <_> - - 0 -1 1595 5.3560931235551834e-02 - - 1.7324799671769142e-02 -5.9609222412109375e-01 - <_> - - 0 -1 1596 -5.9380959719419479e-03 - - -6.5156273543834686e-02 5.9645600616931915e-02 - <_> - - 0 -1 1597 -6.6497321240603924e-03 - - 1.4270019531250000e-01 -7.9669818282127380e-02 - <_> - - 0 -1 1598 -3.0137640424072742e-03 - - 1.3996289670467377e-01 -9.4831757247447968e-02 - <_> - - 0 -1 1599 -1.7213050276041031e-02 - - -1.7265740036964417e-01 6.9451652467250824e-02 - <_> - - 0 -1 1600 1.0775709897279739e-01 - - -4.6757548116147518e-03 9.2161870002746582e-01 - <_> - - 0 -1 1601 5.8738540858030319e-02 - - -4.2458981275558472e-02 2.8832349181175232e-01 - <_> - - 0 -1 1602 -3.0475479364395142e-01 - - -1. 2.6918480216409080e-05 - <_> - - 0 -1 1603 2.0395779609680176e-01 - - 2.5317989289760590e-02 -5.0275158882141113e-01 - <_> - - 0 -1 1604 -9.7794281318783760e-03 - - -1.9060879945755005e-01 3.0577139928936958e-02 - <_> - - 0 -1 1605 -2.2775499150156975e-02 - - 2.7048370242118835e-01 -5.1001209765672684e-02 - <_> - - 0 -1 1606 9.8080374300479889e-03 - - 2.4180250242352486e-02 -7.5000837445259094e-02 - <_> - - 0 -1 1607 -1.1130969971418381e-02 - - -2.3825749754905701e-01 6.4388722181320190e-02 - <_> - 123 - -6.5824240446090698e-01 - - <_> - - 0 -1 1608 -2.1380689740180969e-01 - - 2.7686640620231628e-01 -9.2777818441390991e-02 - <_> - - 0 -1 1609 -3.3374479971826077e-03 - - 1.4119230210781097e-01 -5.1907159388065338e-02 - <_> - - 0 -1 1610 -2.8738550841808319e-02 - - -3.6243250966072083e-01 3.1938020139932632e-02 - <_> - - 0 -1 1611 -3.5554158966988325e-03 - - 1.1969120055437088e-01 -5.2306748926639557e-02 - <_> - - 0 -1 1612 -1.0732459835708141e-02 - - 2.8602668642997742e-01 -6.0555059462785721e-02 - <_> - - 0 -1 1613 8.7310239672660828e-02 - - -3.3613391220569611e-02 4.7786781191825867e-01 - <_> - - 0 -1 1614 2.1971999667584896e-03 - - 6.0207970440387726e-02 -2.1543750166893005e-01 - <_> - - 0 -1 1615 -7.4302748544141650e-05 - - 1.4141289889812469e-01 -1.2711560726165771e-01 - <_> - - 0 -1 1616 -2.9314011335372925e-01 - - -5.5598288774490356e-01 7.8105749562382698e-03 - <_> - - 0 -1 1617 7.7996537089347839e-02 - - -2.0238140597939491e-02 2.2233769297599792e-01 - <_> - - 0 -1 1618 4.9733570776879787e-03 - - -1.5410329401493073e-01 9.8874516785144806e-02 - <_> - - 0 -1 1619 -6.2232650816440582e-02 - - -2.5253909826278687e-01 2.5864329189062119e-02 - <_> - - 0 -1 1620 -7.4750548228621483e-03 - - -1.9071790575981140e-01 8.4528200328350067e-02 - <_> - - 0 -1 1621 2.2246010601520538e-02 - - -3.1024629250168800e-02 1.5289239585399628e-01 - <_> - - 0 -1 1622 -1.2305259704589844e-02 - - 1.1693249642848969e-01 -1.1092559993267059e-01 - <_> - - 0 -1 1623 -1.3985290424898267e-03 - - -2.0435670018196106e-01 8.7592259049415588e-02 - <_> - - 0 -1 1624 3.6361250281333923e-01 - - -1.8750319257378578e-02 8.5054528713226318e-01 - <_> - - 0 -1 1625 -3.8815739098936319e-03 - - 8.0643877387046814e-02 -1.0520999878644943e-01 - <_> - - 0 -1 1626 -5.2500631660223007e-02 - - 3.8002520799636841e-01 -3.6049079149961472e-02 - <_> - - 0 -1 1627 -7.9602311598137021e-04 - - 3.3794969320297241e-02 -7.5603879988193512e-02 - <_> - - 0 -1 1628 -2.0066089928150177e-02 - - -4.3842989206314087e-01 3.3389199525117874e-02 - <_> - - 0 -1 1629 -2.4233239237219095e-03 - - -9.3005247414112091e-02 4.9772828817367554e-02 - <_> - - 0 -1 1630 -6.8737422116100788e-03 - - 2.0374830067157745e-01 -5.8165848255157471e-02 - <_> - - 0 -1 1631 6.5535600297152996e-03 - - -7.0293396711349487e-02 1.4400149881839752e-01 - <_> - - 0 -1 1632 -1.6780680045485497e-02 - - -3.2226520776748657e-01 4.3717250227928162e-02 - <_> - - 0 -1 1633 2.5448070839047432e-02 - - 4.3461918830871582e-02 -1.5376989543437958e-01 - <_> - - 0 -1 1634 3.4656568896025419e-03 - - -6.3119992613792419e-02 2.1394529938697815e-01 - <_> - - 0 -1 1635 1.0132250189781189e-01 - - -1.7095830291509628e-02 1.8853299319744110e-01 - <_> - - 0 -1 1636 1.0714309662580490e-01 - - 3.5406891256570816e-02 -3.4869039058685303e-01 - <_> - - 0 -1 1637 -1.4500999823212624e-02 - - 3.7903580814599991e-02 -4.9169208854436874e-02 - <_> - - 0 -1 1638 -1.5354759991168976e-01 - - 3.5048320889472961e-01 -3.2774008810520172e-02 - <_> - - 0 -1 1639 -6.5137587487697601e-02 - - -4.1380020976066589e-01 7.3137627914547920e-03 - <_> - - 0 -1 1640 -2.9204839374870062e-03 - - -1.3756680488586426e-01 9.0795390307903290e-02 - <_> - - 0 -1 1641 -3.4104570746421814e-01 - - -6.7252027988433838e-01 1.5200230292975903e-02 - <_> - - 0 -1 1642 -4.4478259951574728e-05 - - 9.6579946577548981e-02 -1.0403420031070709e-01 - <_> - - 0 -1 1643 -1.1172229796648026e-01 - - -4.2234420776367188e-01 4.9457307904958725e-03 - <_> - - 0 -1 1644 2.0429869182407856e-03 - - 9.9474698305130005e-02 -1.0384540259838104e-01 - <_> - - 0 -1 1645 -7.2571309283375740e-03 - - -1.5049630403518677e-01 2.9724840074777603e-02 - <_> - - 0 -1 1646 -8.4451176226139069e-03 - - 9.5648579299449921e-02 -1.1805369704961777e-01 - <_> - - 0 -1 1647 -3.0194969847798347e-02 - - 4.6570628881454468e-01 -1.4386899769306183e-02 - <_> - - 0 -1 1648 5.7423918042331934e-04 - - -1.0382310301065445e-01 1.5052829682826996e-01 - <_> - - 0 -1 1649 8.2014611689373851e-04 - - -7.5132526457309723e-02 1.0363759845495224e-01 - <_> - - 0 -1 1650 7.0748180150985718e-03 - - 6.6062167286872864e-02 -1.7638419568538666e-01 - <_> - - 0 -1 1651 4.8304669559001923e-02 - - -1.7767660319805145e-02 2.6820158958435059e-01 - <_> - - 0 -1 1652 7.9041812568902969e-03 - - 5.1522739231586456e-02 -2.0632369816303253e-01 - <_> - - 0 -1 1653 8.4705486893653870e-02 - - 7.2250380180776119e-03 -5.9514737129211426e-01 - <_> - - 0 -1 1654 3.9120440487749875e-04 - - -1.0663530230522156e-01 1.1103810369968414e-01 - <_> - - 0 -1 1655 1.5959320589900017e-02 - - -4.8573691397905350e-02 2.5832009315490723e-01 - <_> - - 0 -1 1656 -1.8649259582161903e-03 - - 1.1551269888877869e-01 -1.5048590302467346e-01 - <_> - - 0 -1 1657 1.2727979570627213e-02 - - 4.7930240631103516e-02 -3.0310231447219849e-01 - <_> - - 0 -1 1658 -1.5954229747876525e-03 - - -1.5537570416927338e-01 8.3214886486530304e-02 - <_> - - 0 -1 1659 2.0234890282154083e-01 - - 1.1625860352069139e-03 -1.0000209808349609e+00 - <_> - - 0 -1 1660 -3.9196871221065521e-02 - - 3.0884549021720886e-01 -4.4524021446704865e-02 - <_> - - 0 -1 1661 1.5810640528798103e-02 - - -1.5927329659461975e-02 1.0144449770450592e-01 - <_> - - 0 -1 1662 -2.1568681113421917e-03 - - 9.5205381512641907e-02 -1.2910960614681244e-01 - <_> - - 0 -1 1663 -3.4604359418153763e-02 - - 2.7843558788299561e-01 -1.0775060392916203e-02 - <_> - - 0 -1 1664 -2.6206790935248137e-03 - - -1.3744530081748962e-01 9.2945456504821777e-02 - <_> - - 0 -1 1665 4.6692821197211742e-03 - - -5.8331821113824844e-02 1.5733839571475983e-01 - <_> - - 0 -1 1666 7.8623533248901367e-02 - - 1.1130830273032188e-02 -9.7138148546218872e-01 - <_> - - 0 -1 1667 3.9556730538606644e-02 - - 2.1708509884774685e-03 -4.3425449728965759e-01 - <_> - - 0 -1 1668 4.0571438148617744e-03 - - 8.6120717227458954e-02 -1.5579399466514587e-01 - <_> - - 0 -1 1669 -1.5014669857919216e-02 - - 1.3523979485034943e-01 -2.5724019855260849e-02 - <_> - - 0 -1 1670 4.6183250378817320e-04 - - -1.0766889899969101e-01 1.3633869588375092e-01 - <_> - - 0 -1 1671 5.2875209599733353e-02 - - 5.4555749520659447e-03 -3.9382910728454590e-01 - <_> - - 0 -1 1672 -5.9510860592126846e-02 - - 2.8690820932388306e-01 -4.2876079678535461e-02 - <_> - - 0 -1 1673 1.6650360077619553e-02 - - 2.8605299070477486e-02 -3.0349490046501160e-01 - <_> - - 0 -1 1674 1.4959629625082016e-02 - - -5.2699029445648193e-02 2.1825259923934937e-01 - <_> - - 0 -1 1675 -9.6224267035722733e-03 - - -2.1431450545787811e-01 4.8350628465414047e-02 - <_> - - 0 -1 1676 -4.5304261147975922e-02 - - -8.7308478355407715e-01 1.2449770234525204e-02 - <_> - - 0 -1 1677 -7.4465242214500904e-03 - - -1.3586209714412689e-01 3.3087320625782013e-02 - <_> - - 0 -1 1678 -1.1953880311921239e-03 - - 1.4848570525646210e-01 -8.5291646420955658e-02 - <_> - - 0 -1 1679 5.6622507981956005e-03 - - -5.3212448954582214e-02 1.2967950105667114e-01 - <_> - - 0 -1 1680 1.3971360400319099e-02 - - 2.5338830426335335e-02 -4.2097410559654236e-01 - <_> - - 0 -1 1681 -4.5216218568384647e-03 - - 1.2621529400348663e-01 -6.3135430216789246e-02 - <_> - - 0 -1 1682 4.7776158899068832e-03 - - -6.2899917364120483e-02 1.7724449932575226e-01 - <_> - - 0 -1 1683 -5.8305878192186356e-03 - - 8.7906002998352051e-02 -1.5553380548954010e-01 - <_> - - 0 -1 1684 -1.5879280865192413e-02 - - -1.2694430351257324e-01 1.0280299931764603e-01 - <_> - - 0 -1 1685 1.9526369869709015e-03 - - -7.6803453266620636e-02 4.7297749668359756e-02 - <_> - - 0 -1 1686 2.4521650746464729e-02 - - -2.7714680880308151e-02 4.0350469946861267e-01 - <_> - - 0 -1 1687 -8.4529399871826172e-02 - - 1. -2.1367999725043774e-03 - <_> - - 0 -1 1688 1.6844070050865412e-03 - - 7.4043400585651398e-02 -1.6334819793701172e-01 - <_> - - 0 -1 1689 1.3399059884250164e-02 - - -4.2453180998563766e-02 2.4164129793643951e-01 - <_> - - 0 -1 1690 4.4182639569044113e-02 - - 1.8039569258689880e-02 -6.4396840333938599e-01 - <_> - - 0 -1 1691 3.8327239453792572e-02 - - 7.5849238783121109e-03 -3.6534211039543152e-01 - <_> - - 0 -1 1692 2.5997089687734842e-03 - - -8.8553480803966522e-02 1.3763660192489624e-01 - <_> - - 0 -1 1693 1.0775480419397354e-02 - - 4.5753169804811478e-02 -1.1956000328063965e-01 - <_> - - 0 -1 1694 -2.0433649420738220e-02 - - 2.2020170092582703e-01 -5.1925841718912125e-02 - <_> - - 0 -1 1695 -1.2402729690074921e-01 - - 8.8846582174301147e-01 -5.1234480924904346e-03 - <_> - - 0 -1 1696 4.7838478349149227e-03 - - 5.3047031164169312e-02 -2.1085900068283081e-01 - <_> - - 0 -1 1697 -4.5895349234342575e-02 - - 4.4482690095901489e-01 -1.5117119997739792e-02 - <_> - - 0 -1 1698 1.4473790302872658e-02 - - -4.5201409608125687e-02 2.3556250333786011e-01 - <_> - - 0 -1 1699 1.8887920305132866e-03 - - 7.6443381607532501e-02 -1.6385370492935181e-01 - <_> - - 0 -1 1700 -1.9082069396972656e-01 - - 6.4662021398544312e-01 -1.8242619931697845e-02 - <_> - - 0 -1 1701 7.2158463299274445e-02 - - 6.2836478464305401e-03 -7.4822348356246948e-01 - <_> - - 0 -1 1702 9.7802944947034121e-04 - - 7.9063102602958679e-02 -1.3163650035858154e-01 - <_> - - 0 -1 1703 4.8602250171825290e-04 - - -4.2594909667968750e-02 6.9462761282920837e-02 - <_> - - 0 -1 1704 -1.0882800444960594e-02 - - -2.4503070116043091e-01 5.2326161414384842e-02 - <_> - - 0 -1 1705 1.1573769734241068e-04 - - -6.6729307174682617e-02 8.7088912725448608e-02 - <_> - - 0 -1 1706 2.0960739348083735e-03 - - -7.6154567301273346e-02 1.3598169386386871e-01 - <_> - - 0 -1 1707 4.3664351105690002e-02 - - 8.4812156856060028e-03 -8.1097167730331421e-01 - <_> - - 0 -1 1708 -1.1464370181784034e-03 - - 1.2721230089664459e-01 -8.4783419966697693e-02 - <_> - - 0 -1 1709 -5.5613541044294834e-03 - - -1.9722530245780945e-01 5.4411068558692932e-02 - <_> - - 0 -1 1710 3.4083850681781769e-02 - - -3.2338548451662064e-02 3.4062281250953674e-01 - <_> - - 0 -1 1711 5.1227081567049026e-02 - - -1.3262039981782436e-02 2.3953630030155182e-01 - <_> - - 0 -1 1712 3.3531729131937027e-02 - - 2.0279919728636742e-02 -4.8339051008224487e-01 - <_> - - 0 -1 1713 1.5396219678223133e-02 - - -2.9320189729332924e-02 1.5866099298000336e-01 - <_> - - 0 -1 1714 -1.7550770193338394e-02 - - 2.7488970756530762e-01 -3.7798319011926651e-02 - <_> - - 0 -1 1715 -7.5705647468566895e-02 - - -8.2214397192001343e-01 3.8814740255475044e-03 - <_> - - 0 -1 1716 -5.3475350141525269e-03 - - -1.6710759699344635e-01 7.7180616557598114e-02 - <_> - - 0 -1 1717 -3.3435279037803411e-03 - - -1.0673490166664124e-01 4.7575470060110092e-02 - <_> - - 0 -1 1718 1.9328270107507706e-02 - - -4.6563290059566498e-02 2.4716560542583466e-01 - <_> - - 0 -1 1719 8.5368983447551727e-02 - - 2.3296920582652092e-02 -5.0002247095108032e-01 - <_> - - 0 -1 1720 2.5927850510925055e-03 - - -1.1182250082492828e-01 1.1046089977025986e-01 - <_> - - 0 -1 1721 -9.1061238199472427e-03 - - 4.7107011079788208e-02 -5.5807661265134811e-02 - <_> - - 0 -1 1722 1.0170699656009674e-01 - - -1.5966609120368958e-02 6.9857317209243774e-01 - <_> - - 0 -1 1723 2.2854980081319809e-02 - - -1.7226219177246094e-02 1.2225689738988876e-01 - <_> - - 0 -1 1724 -1.6577079892158508e-02 - - -2.2225829958915710e-01 5.6578300893306732e-02 - <_> - - 0 -1 1725 -2.3641420528292656e-02 - - -2.7734050154685974e-01 1.6076890751719475e-02 - <_> - - 0 -1 1726 5.6385230273008347e-03 - - 4.5439280569553375e-02 -2.2549630701541901e-01 - <_> - - 0 -1 1727 5.7422029785811901e-03 - - -7.8568778932094574e-02 1.5234960615634918e-01 - <_> - - 0 -1 1728 -4.3363519944250584e-04 - - 9.5920950174331665e-02 -1.1274240165948868e-01 - <_> - - 0 -1 1729 1.0267919860780239e-02 - - -4.9332991242408752e-02 2.4810829758644104e-01 - <_> - - 0 -1 1730 1.3865719549357891e-02 - - 7.0547938346862793e-02 -1.8594330549240112e-01 - <_> - 127 - -3.0620599746704102e+01 - - <_> - - 0 -1 1731 -4.6980630606412888e-02 - - 1.7078550159931183e-01 -1.5687310695648193e-01 - <_> - - 0 -1 1732 -1.1967960000038147e-01 - - 5.1738417148590088e-01 -1.1747590266168118e-02 - <_> - - 0 -1 1733 -2.8477180749177933e-02 - - 2.3505200445652008e-01 -5.7424411177635193e-02 - <_> - - 0 -1 1734 1.9697479903697968e-01 - - -9.3123828992247581e-04 1.0037239789962769e+00 - <_> - - 0 -1 1735 7.9039083793759346e-03 - - 8.3357498049736023e-02 -1.6527499258518219e-01 - <_> - - 0 -1 1736 3.9338979870080948e-02 - - -6.5605872077867389e-04 3.2361468672752380e-01 - <_> - - 0 -1 1737 -1.5762429684400558e-03 - - 9.1129466891288757e-02 -1.4164330065250397e-01 - <_> - - 0 -1 1738 2.0851049339398742e-04 - - -1.3802680373191833e-01 7.7212989330291748e-02 - <_> - - 0 -1 1739 -2.6843539671972394e-04 - - 1.3646720349788666e-01 -9.4255752861499786e-02 - <_> - - 0 -1 1740 8.8506387546658516e-03 - - 2.4603420868515968e-02 -1.6884680092334747e-01 - <_> - - 0 -1 1741 -8.4813922876492143e-04 - - -1.3972400128841400e-01 1.1566729843616486e-01 - <_> - - 0 -1 1742 -3.7090150726726279e-05 - - 7.5284272432327271e-02 -1.7708149552345276e-01 - <_> - - 0 -1 1743 -2.1533910185098648e-02 - - 2.0233030617237091e-01 -6.6978476941585541e-02 - <_> - - 0 -1 1744 1.1713660322129726e-02 - - 8.6853489279747009e-02 -1.1251810193061829e-01 - <_> - - 0 -1 1745 -9.8365638405084610e-03 - - 3.0164790153503418e-01 -5.0179660320281982e-02 - <_> - - 0 -1 1746 -6.2104999087750912e-03 - - 6.8224228918552399e-02 -9.4441823661327362e-02 - <_> - - 0 -1 1747 -2.0034300163388252e-02 - - -2.8657549619674683e-01 4.5728500932455063e-02 - <_> - - 0 -1 1748 -2.2154829639475793e-04 - - 7.1603760123252869e-02 -8.7115049362182617e-02 - <_> - - 0 -1 1749 -5.2436119876801968e-03 - - 1.3439500331878662e-01 -9.0288907289505005e-02 - <_> - - 0 -1 1750 -1.1711229570209980e-02 - - 1.4874699711799622e-01 -2.5951780378818512e-02 - <_> - - 0 -1 1751 5.8587929233908653e-03 - - -6.6982023417949677e-02 1.8096329271793365e-01 - <_> - - 0 -1 1752 1.0432569682598114e-01 - - 1.0209330357611179e-02 -7.9540812969207764e-01 - <_> - - 0 -1 1753 -1.7049130052328110e-02 - - -2.0516310632228851e-01 6.4470991492271423e-02 - <_> - - 0 -1 1754 2.5877699255943298e-02 - - -3.0079720541834831e-02 1.6041970252990723e-01 - <_> - - 0 -1 1755 -4.0637338533997536e-03 - - 1.0870960354804993e-01 -1.1665400117635727e-01 - <_> - - 0 -1 1756 -1.9286720082163811e-02 - - -1.2503950297832489e-01 2.8055189177393913e-02 - <_> - - 0 -1 1757 -7.2130301305151079e-06 - - 1.1845260113477707e-01 -1.2367019802331924e-01 - <_> - - 0 -1 1758 -2.6098350062966347e-03 - - -1.4498670399188995e-01 8.2318760454654694e-02 - <_> - - 0 -1 1759 3.2303779153153300e-04 - - -9.5855496823787689e-02 1.1992660164833069e-01 - <_> - - 0 -1 1760 -1.1308960383757949e-03 - - 1.2882959842681885e-01 -8.2697473466396332e-02 - <_> - - 0 -1 1761 1.7176469787955284e-02 - - 3.6024659872055054e-02 -3.0873811244964600e-01 - <_> - - 0 -1 1762 -1.0515330359339714e-02 - - 9.6330337226390839e-02 -1.0785780102014542e-01 - <_> - - 0 -1 1763 5.0583500415086746e-02 - - -3.4715801477432251e-02 4.5134508609771729e-01 - <_> - - 0 -1 1764 8.7582931155338883e-04 - - -9.5677152276039124e-02 7.3631688952445984e-02 - <_> - - 0 -1 1765 -3.1957220286130905e-02 - - -3.1473490595817566e-01 3.6329280585050583e-02 - <_> - - 0 -1 1766 5.9863331262022257e-04 - - -4.2676690965890884e-02 5.4342899471521378e-02 - <_> - - 0 -1 1767 -6.6270949319005013e-03 - - 7.3510922491550446e-02 -1.7309080064296722e-01 - <_> - - 0 -1 1768 -7.3186516761779785e-02 - - 6.8777692317962646e-01 -5.6781149469316006e-03 - <_> - - 0 -1 1769 2.0290840417146683e-02 - - -4.0720541030168533e-02 3.0450868606567383e-01 - <_> - - 0 -1 1770 -3.0989840161055326e-03 - - -1.2787370383739471e-01 5.4329689592123032e-02 - <_> - - 0 -1 1771 -1.1258859885856509e-03 - - 1.1980079859495163e-01 -8.3477236330509186e-02 - <_> - - 0 -1 1772 3.9993048994801939e-04 - - -9.5427073538303375e-02 7.6952911913394928e-02 - <_> - - 0 -1 1773 1.1202540248632431e-02 - - 2.5125309824943542e-02 -4.0314701199531555e-01 - <_> - - 0 -1 1774 -2.1753970533609390e-02 - - -2.3042400181293488e-01 1.5338519588112831e-02 - <_> - - 0 -1 1775 7.6912459917366505e-05 - - -9.5581486821174622e-02 1.0388170182704926e-01 - <_> - - 0 -1 1776 9.1011539101600647e-02 - - -8.7168300524353981e-03 7.5593751668930054e-01 - <_> - - 0 -1 1777 -4.3160789646208286e-03 - - 1.3494439423084259e-01 -7.0152096450328827e-02 - <_> - - 0 -1 1778 -5.0581190735101700e-02 - - -6.6112691164016724e-01 2.2676400840282440e-03 - <_> - - 0 -1 1779 -8.3926003426313400e-03 - - -1.2883609533309937e-01 7.7920481562614441e-02 - <_> - - 0 -1 1780 5.5040661245584488e-02 - - 7.7853789553046227e-03 -2.7820050716400146e-01 - <_> - - 0 -1 1781 -4.1862551122903824e-02 - - 4.3335449695587158e-01 -2.9194639995694160e-02 - <_> - - 0 -1 1782 -7.4230520986020565e-03 - - 1.3154500722885132e-01 -3.2047510147094727e-02 - <_> - - 0 -1 1783 1.9948489498347044e-03 - - 8.3299688994884491e-02 -1.1662559956312180e-01 - <_> - - 0 -1 1784 4.1851431131362915e-02 - - 4.1461169719696045e-02 -1.2815159559249878e-01 - <_> - - 0 -1 1785 2.7844381332397461e-01 - - -2.2612810134887695e-02 5.2236318588256836e-01 - <_> - - 0 -1 1786 -7.1095931343734264e-03 - - 1.2902510166168213e-01 -2.7944799512624741e-02 - <_> - - 0 -1 1787 1.1175610125064850e-02 - - 5.1366660743951797e-02 -1.9559539854526520e-01 - <_> - - 0 -1 1788 -1.0364210233092308e-02 - - -7.2631381452083588e-02 1.5199509263038635e-01 - <_> - - 0 -1 1789 -9.4094304367899895e-03 - - -2.0993369817733765e-01 5.3346861153841019e-02 - <_> - - 0 -1 1790 -1.0375010222196579e-01 - - -3.3693191409111023e-01 3.9442018605768681e-03 - <_> - - 0 -1 1791 -9.5977628370746970e-04 - - 1.0307610034942627e-01 -1.0574100166559219e-01 - <_> - - 0 -1 1792 -5.5816810578107834e-02 - - 2.6074001193046570e-01 -4.4885180890560150e-02 - <_> - - 0 -1 1793 -1.3430939614772797e-01 - - -8.1660747528076172e-01 1.5410860069096088e-02 - <_> - - 0 -1 1794 6.0456950217485428e-02 - - -3.0265029054135084e-03 -9.9991780519485474e-01 - <_> - - 0 -1 1795 2.4359079077839851e-02 - - 2.4191310629248619e-02 -4.6632158756256104e-01 - <_> - - 0 -1 1796 5.2735779434442520e-02 - - -2.4266760796308517e-02 2.1460479497909546e-01 - <_> - - 0 -1 1797 -5.5626039393246174e-03 - - 1.0879939794540405e-01 -1.2120909988880157e-01 - <_> - - 0 -1 1798 9.0855263173580170e-02 - - 1.0956900223391131e-04 -9.9975770711898804e-01 - <_> - - 0 -1 1799 -3.4681189805269241e-02 - - -4.5409980416297913e-01 2.3691149428486824e-02 - <_> - - 0 -1 1800 -2.9579090551123954e-05 - - 4.8031318932771683e-02 -4.9872968345880508e-02 - <_> - - 0 -1 1801 2.6277130469679832e-02 - - -2.9456760734319687e-02 3.3974370360374451e-01 - <_> - - 0 -1 1802 -4.6276021748781204e-02 - - 4.5496609807014465e-01 -1.0359579697251320e-02 - <_> - - 0 -1 1803 1.2048200005665421e-04 - - -1.0575199872255325e-01 1.0096730291843414e-01 - <_> - - 0 -1 1804 6.8154390901327133e-03 - - 2.8495609760284424e-02 -9.9765069782733917e-02 - <_> - - 0 -1 1805 1.6169620212167501e-03 - - -1.3256169855594635e-01 8.7828978896141052e-02 - <_> - - 0 -1 1806 1.4563379809260368e-02 - - -4.3079901486635208e-02 2.5113260746002197e-01 - <_> - - 0 -1 1807 2.0352909341454506e-02 - - 3.9463639259338379e-02 -3.2518970966339111e-01 - <_> - - 0 -1 1808 -2.0789269357919693e-02 - - 1.8993359804153442e-01 -2.1271999925374985e-02 - <_> - - 0 -1 1809 3.1780101358890533e-02 - - -2.3768220096826553e-02 4.3957829475402832e-01 - <_> - - 0 -1 1810 1.2459229677915573e-01 - - 6.5275398083031178e-03 -9.9991798400878906e-01 - <_> - - 0 -1 1811 -8.4007039666175842e-02 - - -3.5620281100273132e-01 2.8916560113430023e-02 - <_> - - 0 -1 1812 9.6772145479917526e-03 - - 6.4073942601680756e-02 -1.5482710301876068e-01 - <_> - - 0 -1 1813 1.0405039787292480e-01 - - -2.2652050480246544e-02 5.7623207569122314e-01 - <_> - - 0 -1 1814 4.0814410895109177e-02 - - -3.7368569523096085e-02 7.7298507094383240e-02 - <_> - - 0 -1 1815 -4.6916189789772034e-01 - - -7.7304631471633911e-01 1.3607080094516277e-02 - <_> - - 0 -1 1816 -1.3723419606685638e-01 - - -1. -1.7328710528090596e-03 - <_> - - 0 -1 1817 3.7569448351860046e-02 - - 3.1412709504365921e-02 -3.5512429475784302e-01 - <_> - - 0 -1 1818 -1.2645379640161991e-02 - - -7.1322880685329437e-02 4.1889548301696777e-02 - <_> - - 0 -1 1819 3.9933860301971436e-02 - - -3.3447001129388809e-02 3.5932940244674683e-01 - <_> - - 0 -1 1820 1.7207439988851547e-02 - - 2.6126530021429062e-02 -7.7634379267692566e-02 - <_> - - 0 -1 1821 5.9702228754758835e-02 - - -2.3717980831861496e-02 5.7321798801422119e-01 - <_> - - 0 -1 1822 7.9917803406715393e-02 - - -9.7547564655542374e-03 4.3467441201210022e-01 - <_> - - 0 -1 1823 1.1351720243692398e-01 - - -3.8921970874071121e-02 2.6120808720588684e-01 - <_> - - 0 -1 1824 4.8379451036453247e-01 - - 7.8452667221426964e-03 -6.5024161338806152e-01 - <_> - - 0 -1 1825 -1.0045070201158524e-01 - - -8.0072021484375000e-01 1.2250199913978577e-02 - <_> - - 0 -1 1826 2.7176019549369812e-01 - - 4.4636582024395466e-03 -6.9393122196197510e-01 - <_> - - 0 -1 1827 -1.2301249802112579e-01 - - 3.2483839988708496e-01 -3.3841550350189209e-02 - <_> - - 0 -1 1828 6.1188749969005585e-02 - - 7.1536018513143063e-03 -7.7817517518997192e-01 - <_> - - 0 -1 1829 -7.8828241676092148e-03 - - -1.9754239916801453e-01 6.7795433104038239e-02 - <_> - - 0 -1 1830 -2.5584879517555237e-01 - - -1. 1.4300020411610603e-03 - <_> - - 0 -1 1831 1.3098469376564026e-01 - - -1.6668310388922691e-02 7.4547207355499268e-01 - <_> - - 0 -1 1832 -8.4553077816963196e-02 - - -6.3423901796340942e-01 8.3142798393964767e-03 - <_> - - 0 -1 1833 -8.8297717273235321e-02 - - -8.5705971717834473e-01 1.0549940168857574e-02 - <_> - - 0 -1 1834 -1.0374879837036133e-01 - - 1.2073180079460144e-01 -2.2488579154014587e-02 - <_> - - 0 -1 1835 1.4872249448671937e-03 - - -1.1096440255641937e-01 1.0405410081148148e-01 - <_> - - 0 -1 1836 2.1364030241966248e-01 - - 7.3841079138219357e-03 -4.9760338664054871e-01 - <_> - - 0 -1 1837 2.6294309645891190e-02 - - -6.3212700188159943e-02 2.6284760236740112e-01 - <_> - - 0 -1 1838 -2.6777000166475773e-03 - - 5.6488350033760071e-02 -1.0174310207366943e-01 - <_> - - 0 -1 1839 -2.1261540241539478e-03 - - -1.6442880034446716e-01 6.6159963607788086e-02 - <_> - - 0 -1 1840 -8.2200914621353149e-03 - - -1.6132779419422150e-01 8.3515472710132599e-02 - <_> - - 0 -1 1841 -1.1701880022883415e-02 - - 2.1516199409961700e-01 -5.9116050601005554e-02 - <_> - - 0 -1 1842 -7.0460740244016051e-04 - - 9.6142299473285675e-02 -1.3008759915828705e-01 - <_> - - 0 -1 1843 -1.9671309273689985e-03 - - 1.2605039775371552e-01 -8.8542640209197998e-02 - <_> - - 0 -1 1844 -9.5004076138138771e-03 - - -2.3604579269886017e-01 4.5922629535198212e-02 - <_> - - 0 -1 1845 2.6802370324730873e-02 - - -4.8966769129037857e-02 2.3887130618095398e-01 - <_> - - 0 -1 1846 2.2177420556545258e-02 - - -1.2560590170323849e-02 2.7084270119667053e-01 - <_> - - 0 -1 1847 9.3382880091667175e-02 - - 3.3835850656032562e-02 -3.9707890152931213e-01 - <_> - - 0 -1 1848 -1.3151080347597599e-02 - - -1.1364260315895081e-01 2.5930739939212799e-02 - <_> - - 0 -1 1849 2.6929581072181463e-03 - - 6.8202346563339233e-02 -1.6290910542011261e-01 - <_> - - 0 -1 1850 -5.7519129477441311e-03 - - 1.3197720050811768e-01 -5.7711899280548096e-02 - <_> - - 0 -1 1851 -1.1071159970015287e-03 - - 1.4550089836120605e-01 -7.7300041913986206e-02 - <_> - - 0 -1 1852 3.1805180013179779e-02 - - 1.4181279577314854e-02 -2.1803429722785950e-01 - <_> - - 0 -1 1853 4.0729498863220215e-01 - - -1.3772940263152122e-02 7.4853348731994629e-01 - <_> - - 0 -1 1854 7.0173077285289764e-02 - - 1.1535810306668282e-02 -8.6094629764556885e-01 - <_> - - 0 -1 1855 -1.9437450100667775e-04 - - 6.3009992241859436e-02 -1.5111440420150757e-01 - <_> - - 0 -1 1856 3.9425559341907501e-02 - - 2.4115329608321190e-02 -4.7253820300102234e-01 - <_> - - 0 -1 1857 2.6128459721803665e-03 - - 5.3963150829076767e-02 -1.7429760098457336e-01 - <_> - 152 - -3.0691600799560547e+01 - - <_> - - 0 -1 1858 1.0468430072069168e-01 - - -4.7570109367370605e-02 4.2454048991203308e-01 - <_> - - 0 -1 1859 -4.2946420609951019e-02 - - 1.6328890621662140e-01 -1.2655169703066349e-02 - <_> - - 0 -1 1860 -8.1577729433774948e-03 - - 1.0235799849033356e-01 -1.0876630246639252e-01 - <_> - - 0 -1 1861 2.1813691128045321e-03 - - 8.7985247373580933e-02 -5.5899761617183685e-02 - <_> - - 0 -1 1862 -6.5157511271536350e-03 - - 8.2863852381706238e-02 -1.3736319541931152e-01 - <_> - - 0 -1 1863 2.4716500192880630e-02 - - 1.6755210235714912e-02 1.3371250033378601e-01 - <_> - - 0 -1 1864 -5.9396267170086503e-04 - - -1.3771370053291321e-01 1.0501290112733841e-01 - <_> - - 0 -1 1865 2.9373820871114731e-02 - - -4.4581398367881775e-02 4.2731860280036926e-01 - <_> - - 0 -1 1866 -1.6576919704675674e-02 - - -2.9827460646629333e-01 2.9718369245529175e-02 - <_> - - 0 -1 1867 9.4569493085145950e-03 - - 5.3616948425769806e-02 -7.6675526797771454e-02 - <_> - - 0 -1 1868 7.4581913650035858e-02 - - -4.6554408967494965e-02 3.0179610848426819e-01 - <_> - - 0 -1 1869 -3.8055621087551117e-02 - - -2.8255119919776917e-01 2.0355690270662308e-02 - <_> - - 0 -1 1870 1.1065539903938770e-02 - - -5.3942598402500153e-02 2.3132629692554474e-01 - <_> - - 0 -1 1871 1.3538219965994358e-02 - - 2.8102980926632881e-02 -2.1802890300750732e-01 - <_> - - 0 -1 1872 4.6914750710129738e-03 - - 6.3617020845413208e-02 -1.7460820078849792e-01 - <_> - - 0 -1 1873 4.3054440617561340e-01 - - -2.1062379702925682e-02 5.7197797298431396e-01 - <_> - - 0 -1 1874 1.4298999449238181e-03 - - -1.6780039668083191e-01 7.6851062476634979e-02 - <_> - - 0 -1 1875 2.7855230495333672e-02 - - -3.5647969692945480e-02 2.8956910967826843e-01 - <_> - - 0 -1 1876 1.4391670003533363e-02 - - 8.3300426602363586e-02 -1.2951320409774780e-01 - <_> - - 0 -1 1877 -7.7637381851673126e-02 - - -1. 8.1426621181890368e-04 - <_> - - 0 -1 1878 1.6051199287176132e-02 - - -5.4008588194847107e-02 2.1967799961566925e-01 - <_> - - 0 -1 1879 -7.0988729596138000e-02 - - 6.1602139472961426e-01 -1.6476400196552277e-02 - <_> - - 0 -1 1880 -5.8310989290475845e-02 - - -9.5955359935760498e-01 1.2517100200057030e-02 - <_> - - 0 -1 1881 -7.9547446221113205e-03 - - -9.3684002757072449e-02 3.3896960318088531e-02 - <_> - - 0 -1 1882 -4.9685798585414886e-02 - - 3.1466799974441528e-01 -2.9716050252318382e-02 - <_> - - 0 -1 1883 9.7751528024673462e-02 - - 7.5905729318037629e-04 -6.7009872198104858e-01 - <_> - - 0 -1 1884 7.5908802449703217e-02 - - 1.6073329374194145e-02 -6.6251361370086670e-01 - <_> - - 0 -1 1885 1.3333460083231330e-03 - - 5.2241399884223938e-02 -1.8808710575103760e-01 - <_> - - 0 -1 1886 6.9728610105812550e-04 - - -8.9044801890850067e-02 1.6642339527606964e-01 - <_> - - 0 -1 1887 2.0889509469270706e-02 - - 2.1368719637393951e-02 -1.6083440184593201e-01 - <_> - - 0 -1 1888 -1.7649700166657567e-03 - - 1.2398529797792435e-01 -8.5922397673130035e-02 - <_> - - 0 -1 1889 2.7779850643128157e-03 - - -4.4366151094436646e-02 2.9322549700737000e-02 - <_> - - 0 -1 1890 7.9974532127380371e-04 - - -1.2351520359516144e-01 8.8818296790122986e-02 - <_> - - 0 -1 1891 7.0215959567576647e-04 - - -8.0154180526733398e-02 1.4544290304183960e-01 - <_> - - 0 -1 1892 -4.0604420006275177e-02 - - -3.6047580838203430e-01 3.4314859658479691e-02 - <_> - - 0 -1 1893 -4.1686851531267166e-02 - - -2.0927760004997253e-01 8.5808392614126205e-03 - <_> - - 0 -1 1894 -4.6390198171138763e-02 - - 5.3768527507781982e-01 -2.2632500156760216e-02 - <_> - - 0 -1 1895 -1.5822030603885651e-01 - - -1. 1.4312319690361619e-03 - <_> - - 0 -1 1896 -7.5683370232582092e-02 - - -8.0503028631210327e-01 1.2843839824199677e-02 - <_> - - 0 -1 1897 -5.7808328419923782e-02 - - 3.8675680756568909e-01 -1.2630320154130459e-02 - <_> - - 0 -1 1898 -4.5112581574358046e-05 - - 7.4958987534046173e-02 -1.3433749973773956e-01 - <_> - - 0 -1 1899 3.9205480366945267e-02 - - 2.1980579942464828e-02 -4.5748621225357056e-01 - <_> - - 0 -1 1900 4.4945240020751953e-02 - - -2.3763459175825119e-02 4.8715281486511230e-01 - <_> - - 0 -1 1901 -5.7849191129207611e-02 - - 3.5563638806343079e-01 -6.2380530871450901e-03 - <_> - - 0 -1 1902 -1.0397239774465561e-01 - - -6.2262791395187378e-01 1.5022880397737026e-02 - <_> - - 0 -1 1903 -2.5238281488418579e-01 - - -5.9059482812881470e-01 -1.9238379900343716e-04 - <_> - - 0 -1 1904 1.9675880670547485e-01 - - 1.2625159695744514e-02 -7.2753208875656128e-01 - <_> - - 0 -1 1905 3.7412419915199280e-02 - - -2.3478340357542038e-02 1.2147639691829681e-01 - <_> - - 0 -1 1906 -8.0470675602555275e-03 - - -1.8167789280414581e-01 4.9743499606847763e-02 - <_> - - 0 -1 1907 4.1297491639852524e-02 - - 1.0259049944579601e-02 -1.4679500460624695e-01 - <_> - - 0 -1 1908 -5.0735730677843094e-02 - - 2.2679640352725983e-01 -4.9807049334049225e-02 - <_> - - 0 -1 1909 -3.6145109334029257e-04 - - 4.1798278689384460e-02 -7.0410832762718201e-02 - <_> - - 0 -1 1910 -1.2359450012445450e-01 - - 5.8283501863479614e-01 -1.6822429373860359e-02 - <_> - - 0 -1 1911 5.7071618735790253e-02 - - -4.0532071143388748e-02 1.7078270018100739e-01 - <_> - - 0 -1 1912 5.8561540208756924e-03 - - -1.3827900588512421e-01 8.2565233111381531e-02 - <_> - - 0 -1 1913 -1.1472850292921066e-01 - - -4.6754041314125061e-01 3.4348990302532911e-03 - <_> - - 0 -1 1914 2.0518699660897255e-02 - - 8.1507943570613861e-02 -1.6894109547138214e-01 - <_> - - 0 -1 1915 5.4629769176244736e-02 - - -7.4763749726116657e-03 2.3640379309654236e-01 - <_> - - 0 -1 1916 -6.9312967360019684e-02 - - 3.0071571469306946e-01 -3.4785300493240356e-02 - <_> - - 0 -1 1917 -7.4176848866045475e-03 - - -2.8766560554504395e-01 4.7531820833683014e-02 - <_> - - 0 -1 1918 1.0223260149359703e-02 - - -3.0834799632430077e-02 3.9249539375305176e-01 - <_> - - 0 -1 1919 -2.7346659451723099e-02 - - -1.5695489943027496e-01 1.3967529870569706e-02 - <_> - - 0 -1 1920 3.3875100314617157e-02 - - 2.6063309982419014e-02 -3.9006409049034119e-01 - <_> - - 0 -1 1921 4.5174721628427505e-02 - - 8.9199207723140717e-03 -5.6769150495529175e-01 - <_> - - 0 -1 1922 1.1488229967653751e-02 - - -4.5491419732570648e-02 2.5109928846359253e-01 - <_> - - 0 -1 1923 -1.0496149770915508e-02 - - 6.4895443618297577e-02 -1.0623539984226227e-01 - <_> - - 0 -1 1924 6.0881208628416061e-03 - - 8.0929182469844818e-02 -1.4776149392127991e-01 - <_> - - 0 -1 1925 -2.6524660643190145e-03 - - 1.2062519788742065e-01 -7.2674863040447235e-02 - <_> - - 0 -1 1926 2.3559860419481993e-03 - - -8.1811271607875824e-02 1.4126540720462799e-01 - <_> - - 0 -1 1927 -2.6777219772338867e-01 - - -7.8083831071853638e-01 4.4526048004627228e-03 - <_> - - 0 -1 1928 1.5965799987316132e-01 - - 2.8381649404764175e-02 -3.8967838883399963e-01 - <_> - - 0 -1 1929 5.1899369806051254e-02 - - -3.4305319190025330e-02 1.5921010076999664e-01 - <_> - - 0 -1 1930 -1.3652780326083302e-03 - - -1.3755479454994202e-01 7.2719998657703400e-02 - <_> - - 0 -1 1931 2.2497299313545227e-01 - - -4.8017292283475399e-03 9.9994850158691406e-01 - <_> - - 0 -1 1932 3.1434150878340006e-03 - - 5.5151570588350296e-02 -1.6643160581588745e-01 - <_> - - 0 -1 1933 -6.2940339557826519e-03 - - 6.2896028161048889e-02 -6.0436379164457321e-02 - <_> - - 0 -1 1934 5.1301911473274231e-02 - - -3.1671810895204544e-02 3.8534939289093018e-01 - <_> - - 0 -1 1935 -6.6980808973312378e-02 - - -1.0925900191068649e-01 8.9958757162094116e-03 - <_> - - 0 -1 1936 5.1464758813381195e-02 - - 2.6210019364953041e-02 -4.2159339785575867e-01 - <_> - - 0 -1 1937 -9.0982139110565186e-02 - - 3.2760378718376160e-01 -7.8134387731552124e-03 - <_> - - 0 -1 1938 5.2848970517516136e-03 - - -7.9399570822715759e-02 1.4998179674148560e-01 - <_> - - 0 -1 1939 -1.5017699915915728e-03 - - 9.7703106701374054e-02 -7.3532037436962128e-02 - <_> - - 0 -1 1940 -2.5415199343115091e-03 - - 6.7801132798194885e-02 -1.4883249998092651e-01 - <_> - - 0 -1 1941 4.4252820312976837e-02 - - 1.6475830227136612e-02 -2.2880180180072784e-01 - <_> - - 0 -1 1942 -3.3457159996032715e-02 - - 4.1966789960861206e-01 -3.2553531229496002e-02 - <_> - - 0 -1 1943 1.3529899716377258e-01 - - 9.0894084423780441e-03 -7.3839122056961060e-01 - <_> - - 0 -1 1944 -3.7440970540046692e-02 - - -4.2613020539283752e-01 2.3972390219569206e-02 - <_> - - 0 -1 1945 -1.4479730452876538e-05 - - 5.6783780455589294e-02 -1.5888829529285431e-01 - <_> - - 0 -1 1946 -1.1839280277490616e-01 - - 5.0500631332397461e-01 -2.1859649568796158e-02 - <_> - - 0 -1 1947 -8.5000684484839439e-03 - - 5.2339930087327957e-02 -4.5925021171569824e-02 - <_> - - 0 -1 1948 -1.4189509674906731e-02 - - -2.3597060143947601e-01 4.0358349680900574e-02 - <_> - - 0 -1 1949 7.3599420487880707e-02 - - 3.2680039294064045e-03 -5.8853602409362793e-01 - <_> - - 0 -1 1950 5.4971270263195038e-02 - - -2.0196519792079926e-02 5.5482727289199829e-01 - <_> - - 0 -1 1951 -2.2816160693764687e-02 - - -1.7589579522609711e-01 1.7851740121841431e-02 - <_> - - 0 -1 1952 2.3204670287668705e-03 - - -8.1749923527240753e-02 1.2833079695701599e-01 - <_> - - 0 -1 1953 -1.0797909647226334e-01 - - -1. 1.7423679819330573e-03 - <_> - - 0 -1 1954 -4.1111931204795837e-02 - - 5.8432698249816895e-01 -1.8878869712352753e-02 - <_> - - 0 -1 1955 -3.5695650149136782e-03 - - -1.7558470368385315e-01 6.4731426537036896e-02 - <_> - - 0 -1 1956 -6.6358670592308044e-02 - - -1. 9.2067662626504898e-03 - <_> - - 0 -1 1957 -1.8944580107927322e-02 - - 2.5783088803291321e-01 -1.8944939598441124e-02 - <_> - - 0 -1 1958 -1.2871269881725311e-01 - - -5.8477258682250977e-01 1.4466489665210247e-02 - <_> - - 0 -1 1959 2.4218629114329815e-03 - - -7.3590897023677826e-02 7.0332102477550507e-02 - <_> - - 0 -1 1960 2.9718460515141487e-02 - - -2.3011969402432442e-02 4.0542769432067871e-01 - <_> - - 0 -1 1961 1.7555029690265656e-01 - - 2.0808730274438858e-02 -3.7285649776458740e-01 - <_> - - 0 -1 1962 3.7122450768947601e-02 - - -2.7959629893302917e-02 3.5908779501914978e-01 - <_> - - 0 -1 1963 -3.8044541142880917e-03 - - -1.3337990641593933e-01 9.2061348259449005e-02 - <_> - - 0 -1 1964 -1.0930700227618217e-02 - - 2.3196309804916382e-01 -4.4535879045724869e-02 - <_> - - 0 -1 1965 1.6103629767894745e-01 - - -8.7691349908709526e-03 2.2045169770717621e-01 - <_> - - 0 -1 1966 2.5971230119466782e-02 - - 6.4421012997627258e-02 -1.8919080495834351e-01 - <_> - - 0 -1 1967 1.2638209760189056e-01 - - -1.0362179949879646e-02 1.7057189345359802e-01 - <_> - - 0 -1 1968 -9.1393403708934784e-03 - - -1.3828249275684357e-01 8.6790062487125397e-02 - <_> - - 0 -1 1969 1.7722090706229210e-02 - - 3.9719890803098679e-02 -1.2294259667396545e-01 - <_> - - 0 -1 1970 -8.2425750792026520e-02 - - 3.0023100972175598e-01 -3.3165920525789261e-02 - <_> - - 0 -1 1971 4.3892528861761093e-02 - - -1.3056339696049690e-02 9.8728686571121216e-02 - <_> - - 0 -1 1972 3.5575369838625193e-03 - - 1.1186280101537704e-01 -9.2797823250293732e-02 - <_> - - 0 -1 1973 -1.5298820100724697e-02 - - -1.3007879257202148e-01 2.3159010335803032e-02 - <_> - - 0 -1 1974 -2.6504450943320990e-03 - - 1.3526280224323273e-01 -7.3355458676815033e-02 - <_> - - 0 -1 1975 4.1636861860752106e-02 - - -1.9068980589509010e-02 3.5857999324798584e-01 - <_> - - 0 -1 1976 -7.5290258973836899e-03 - - -1.8672360479831696e-01 5.8248449116945267e-02 - <_> - - 0 -1 1977 -4.0031488984823227e-02 - - 2.2969779372215271e-01 -1.4608230441808701e-02 - <_> - - 0 -1 1978 -1.3624709844589233e-01 - - -8.7086462974548340e-01 1.1211199685931206e-02 - <_> - - 0 -1 1979 4.5124008320271969e-03 - - -3.5644959658384323e-02 1.0103099793195724e-01 - <_> - - 0 -1 1980 5.4118070751428604e-02 - - -1.4689410105347633e-02 6.7652267217636108e-01 - <_> - - 0 -1 1981 -3.4553959965705872e-02 - - 2.1854560077190399e-01 -9.7846649587154388e-03 - <_> - - 0 -1 1982 -2.5520840659737587e-02 - - -4.6898001432418823e-01 2.4060370400547981e-02 - <_> - - 0 -1 1983 -3.5473700612783432e-02 - - 1.3427549600601196e-01 -2.1438699215650558e-02 - <_> - - 0 -1 1984 2.8683411073870957e-04 - - -9.7300283610820770e-02 1.0760939866304398e-01 - <_> - - 0 -1 1985 -7.8717589378356934e-02 - - -1. 2.7187850791960955e-03 - <_> - - 0 -1 1986 -1.5701749362051487e-04 - - 1.1199659854173660e-01 -9.9441379308700562e-02 - <_> - - 0 -1 1987 1.6026569530367851e-02 - - 3.4198261797428131e-02 -1.9100490212440491e-01 - <_> - - 0 -1 1988 -1.9164729863405228e-02 - - 8.9024826884269714e-02 -1.1919700354337692e-01 - <_> - - 0 -1 1989 -3.9445150643587112e-02 - - -1.0717990249395370e-01 3.7615209817886353e-02 - <_> - - 0 -1 1990 2.2417430300265551e-03 - - -9.0581007301807404e-02 1.7547470331192017e-01 - <_> - - 0 -1 1991 -3.8842540234327316e-03 - - 9.2697329819202423e-02 -4.2431369423866272e-02 - <_> - - 0 -1 1992 -2.1914629265666008e-02 - - -2.8017508983612061e-01 3.7537671625614166e-02 - <_> - - 0 -1 1993 -3.7512119859457016e-02 - - 3.6218520998954773e-01 -1.7507450655102730e-02 - <_> - - 0 -1 1994 -8.4374047582969069e-04 - - 1.2348400056362152e-01 -8.0245867371559143e-02 - <_> - - 0 -1 1995 -2.6424999814480543e-03 - - 5.2565738558769226e-02 -8.3335436880588531e-02 - <_> - - 0 -1 1996 -9.2836812138557434e-02 - - -4.2060381174087524e-01 2.3360429331660271e-02 - <_> - - 0 -1 1997 8.2463070750236511e-02 - - -2.9815400484949350e-03 7.8999197483062744e-01 - <_> - - 0 -1 1998 -6.9864951074123383e-02 - - 7.3802971839904785e-01 -1.4021299779415131e-02 - <_> - - 0 -1 1999 4.5439340174198151e-02 - - -1.1321160010993481e-02 1.9973699748516083e-01 - <_> - - 0 -1 2000 -5.0297789275646210e-02 - - 6.0764670372009277e-01 -1.7632890492677689e-02 - <_> - - 0 -1 2001 6.0456149280071259e-02 - - -5.9354598633944988e-03 3.1622889637947083e-01 - <_> - - 0 -1 2002 -4.6769347973167896e-03 - - -1.8090610206127167e-01 5.9660188853740692e-02 - <_> - - 0 -1 2003 3.6530068609863520e-04 - - -9.1220043599605560e-02 1.1092729866504669e-01 - <_> - - 0 -1 2004 -1.9491260871291161e-02 - - -3.7075570225715637e-01 2.8416309505701065e-02 - <_> - - 0 -1 2005 2.0056450739502907e-02 - - -5.8159679174423218e-02 7.8105233609676361e-02 - <_> - - 0 -1 2006 -3.9371181279420853e-02 - - 2.9012489318847656e-01 -4.1875660419464111e-02 - <_> - - 0 -1 2007 2.1523650735616684e-02 - - 1.6573080793023109e-02 -2.3614850640296936e-01 - <_> - - 0 -1 2008 -3.1294699292629957e-03 - - -1.6466400027275085e-01 6.2233809381723404e-02 - <_> - - 0 -1 2009 2.8589619323611259e-03 - - -3.8098409771919250e-02 5.5751629173755646e-02 - <_> - 135 - -3.0609300613403320e+01 - - <_> - - 0 -1 2010 -2.0576130598783493e-02 - - 1.7351129651069641e-01 -1.5058030188083649e-01 - <_> - - 0 -1 2011 1.6125949099659920e-02 - - -4.1612371802330017e-02 2.3984450101852417e-01 - <_> - - 0 -1 2012 -1.2352580204606056e-02 - - 9.7780853509902954e-02 -1.2391830235719681e-01 - <_> - - 0 -1 2013 -5.7473899796605110e-03 - - 7.7615208923816681e-02 -9.6236728131771088e-02 - <_> - - 0 -1 2014 2.9579061083495617e-03 - - -6.7683719098567963e-02 2.6594209671020508e-01 - <_> - - 0 -1 2015 -8.3472225815057755e-03 - - -1.1188179999589920e-01 1.3736370205879211e-01 - <_> - - 0 -1 2016 -5.8408780023455620e-04 - - 4.5943111181259155e-02 -1.6486530005931854e-01 - <_> - - 0 -1 2017 -3.5136839142069221e-04 - - 9.7791008651256561e-02 -6.4357861876487732e-02 - <_> - - 0 -1 2018 8.4126877482049167e-05 - - -1.3847629725933075e-01 8.8727742433547974e-02 - <_> - - 0 -1 2019 -2.6592490077018738e-01 - - -6.7525398731231689e-01 1.6188669949769974e-02 - <_> - - 0 -1 2020 4.3727741576731205e-03 - - 7.2884798049926758e-02 -1.2560360133647919e-01 - <_> - - 0 -1 2021 -2.2660531103610992e-03 - - 8.7269246578216553e-02 -6.8355433642864227e-02 - <_> - - 0 -1 2022 -6.5290732309222221e-03 - - -1.2197560071945190e-01 8.0927930772304535e-02 - <_> - - 0 -1 2023 9.6436247229576111e-02 - - -8.2637304440140724e-03 4.9127399921417236e-01 - <_> - - 0 -1 2024 -4.3594818562269211e-02 - - 4.5575308799743652e-01 -2.5600390508770943e-02 - <_> - - 0 -1 2025 -2.1098319441080093e-02 - - -1.1892750114202499e-01 2.3539589717984200e-02 - <_> - - 0 -1 2026 -2.5200019590556622e-03 - - 1.2724469602108002e-01 -9.0751722455024719e-02 - <_> - - 0 -1 2027 -8.9241685345768929e-03 - - -1.1514320224523544e-01 4.3497029691934586e-02 - <_> - - 0 -1 2028 3.4590170253068209e-03 - - 6.3537172973155975e-02 -1.8261429667472839e-01 - <_> - - 0 -1 2029 -3.6076800897717476e-03 - - 1.2005910277366638e-01 -5.2449110895395279e-02 - <_> - - 0 -1 2030 5.3778890520334244e-02 - - -1.8675789237022400e-02 5.2313017845153809e-01 - <_> - - 0 -1 2031 4.5245189219713211e-02 - - -1.7504919320344925e-02 2.1871849894523621e-01 - <_> - - 0 -1 2032 1.3272929936647415e-03 - - 7.8659959137439728e-02 -1.3551670312881470e-01 - <_> - - 0 -1 2033 1.2393640354275703e-02 - - 2.8952300548553467e-02 -7.2149537503719330e-02 - <_> - - 0 -1 2034 -3.7702780216932297e-02 - - 4.1850051283836365e-01 -3.0355349183082581e-02 - <_> - - 0 -1 2035 -4.8910409212112427e-02 - - 3.7365001440048218e-01 -5.6771109811961651e-03 - <_> - - 0 -1 2036 -5.9961699880659580e-03 - - -2.0756420493125916e-01 7.0438846945762634e-02 - <_> - - 0 -1 2037 5.6631930172443390e-02 - - -1.7292939126491547e-02 2.5498399138450623e-01 - <_> - - 0 -1 2038 3.1650230288505554e-02 - - -2.0658250898122787e-02 4.8398271203041077e-01 - <_> - - 0 -1 2039 -2.1152989938855171e-02 - - 2.0028789341449738e-01 -2.4872610345482826e-02 - <_> - - 0 -1 2040 8.7676532566547394e-02 - - -2.4999700486660004e-02 4.1126599907875061e-01 - <_> - - 0 -1 2041 5.3299881517887115e-02 - - -8.6766229942440987e-03 3.7446591258049011e-01 - <_> - - 0 -1 2042 -2.6251509552821517e-04 - - 9.9231846630573273e-02 -1.1989200115203857e-01 - <_> - - 0 -1 2043 -8.5897604003548622e-03 - - -1.8593010306358337e-01 3.4370779991149902e-02 - <_> - - 0 -1 2044 1.6940470784902573e-02 - - -3.4768261015415192e-02 2.7288261055946350e-01 - <_> - - 0 -1 2045 5.0596110522747040e-02 - - 3.6170349922031164e-03 -3.9460760354995728e-01 - <_> - - 0 -1 2046 -8.3048436790704727e-03 - - 9.8577797412872314e-02 -1.1666280031204224e-01 - <_> - - 0 -1 2047 1.0586270131170750e-02 - - 3.9117150008678436e-02 -8.5843667387962341e-02 - <_> - - 0 -1 2048 -3.2558601349592209e-02 - - -3.7352150678634644e-01 2.5410100817680359e-02 - <_> - - 0 -1 2049 -3.2352130860090256e-02 - - 2.6129978895187378e-01 -2.8631040826439857e-02 - <_> - - 0 -1 2050 2.5547049939632416e-02 - - 3.3884890377521515e-02 -3.0452328920364380e-01 - <_> - - 0 -1 2051 4.2252440005540848e-02 - - 8.9510334655642509e-03 -2.4091260135173798e-01 - <_> - - 0 -1 2052 3.8109479937702417e-03 - - -7.2638936340808868e-02 1.4634390175342560e-01 - <_> - - 0 -1 2053 2.0821709185838699e-02 - - -3.6271940916776657e-02 1.8324719369411469e-01 - <_> - - 0 -1 2054 2.6497790589928627e-02 - - 2.8160110116004944e-02 -3.9517199993133545e-01 - <_> - - 0 -1 2055 2.0283530652523041e-01 - - -9.3782292678952217e-03 4.4868949055671692e-01 - <_> - - 0 -1 2056 -1.7996610701084137e-01 - - -7.9595959186553955e-01 1.2027840130031109e-02 - <_> - - 0 -1 2057 -7.0968091487884521e-02 - - -7.6951277256011963e-01 1.0918079642578959e-03 - <_> - - 0 -1 2058 2.7555041015148163e-03 - - 7.0150263607501984e-02 -1.2915180623531342e-01 - <_> - - 0 -1 2059 -7.7004402875900269e-02 - - -4.9155071377754211e-01 2.8067480307072401e-03 - <_> - - 0 -1 2060 -2.0257910713553429e-02 - - 2.3568239808082581e-01 -4.3432798236608505e-02 - <_> - - 0 -1 2061 -8.6421817541122437e-02 - - -3.4541681408882141e-01 1.1248850263655186e-02 - <_> - - 0 -1 2062 -6.7245952785015106e-02 - - -6.8752902746200562e-01 1.1868669651448727e-02 - <_> - - 0 -1 2063 -1.2990389764308929e-01 - - -7.9069268703460693e-01 2.5537670589983463e-03 - <_> - - 0 -1 2064 -3.0394670367240906e-01 - - -8.9989352226257324e-01 8.1501724198460579e-03 - <_> - - 0 -1 2065 -4.1988548636436462e-01 - - -7.7303320169448853e-01 1.3665149454027414e-03 - <_> - - 0 -1 2066 -1.6851289570331573e-01 - - 2.4319399893283844e-01 -4.1280739009380341e-02 - <_> - - 0 -1 2067 2.8788880445063114e-03 - - 2.0577169954776764e-02 -1.8590900301933289e-01 - <_> - - 0 -1 2068 -4.0223840624094009e-02 - - 4.3099269270896912e-01 -2.3104710504412651e-02 - <_> - - 0 -1 2069 3.9687040261924267e-03 - - 4.3601520359516144e-02 -9.2233568429946899e-02 - <_> - - 0 -1 2070 -2.7650719508528709e-02 - - -6.1707872152328491e-01 1.4680569991469383e-02 - <_> - - 0 -1 2071 -2.3034301120787859e-03 - - 9.0349592268466949e-02 -6.1664551496505737e-02 - <_> - - 0 -1 2072 -2.9040789231657982e-02 - - 2.7737939357757568e-01 -3.9218869060277939e-02 - <_> - - 0 -1 2073 1.3288260437548161e-02 - - 3.1138259917497635e-02 -1.3558749854564667e-01 - <_> - - 0 -1 2074 3.3968928619287908e-05 - - -1.3562929630279541e-01 7.6467581093311310e-02 - <_> - - 0 -1 2075 -6.8583860993385315e-03 - - -1.0365810245275497e-01 2.5939159095287323e-02 - <_> - - 0 -1 2076 -1.4360919594764709e-02 - - -2.1136499941349030e-01 5.2973140031099319e-02 - <_> - - 0 -1 2077 -1.7468679696321487e-02 - - -1.0518109798431396e-01 1.7715079709887505e-02 - <_> - - 0 -1 2078 -9.8544567823410034e-02 - - 2.5649461150169373e-01 -4.4229641556739807e-02 - <_> - - 0 -1 2079 -2.8123459778726101e-03 - - -7.3800362646579742e-02 1.5400940179824829e-01 - <_> - - 0 -1 2080 2.1941340528428555e-03 - - -1.4216299355030060e-01 8.9139223098754883e-02 - <_> - - 0 -1 2081 4.6820759773254395e-02 - - 2.9364090412855148e-02 -6.2754891812801361e-02 - <_> - - 0 -1 2082 3.2891759276390076e-01 - - 1.3015690259635448e-02 -7.8347128629684448e-01 - <_> - - 0 -1 2083 -2.0470520481467247e-02 - - -7.6814353466033936e-02 3.9800468832254410e-02 - <_> - - 0 -1 2084 8.8677026331424713e-02 - - -4.0312368422746658e-02 2.8453868627548218e-01 - <_> - - 0 -1 2085 -1.1557979742065072e-03 - - 4.2199321091175079e-02 -4.1446208953857422e-02 - <_> - - 0 -1 2086 6.0524538159370422e-02 - - -1.6918700188398361e-02 6.7237138748168945e-01 - <_> - - 0 -1 2087 4.0830459445714951e-02 - - 1.3364840298891068e-02 -3.1113299727439880e-01 - <_> - - 0 -1 2088 -3.1132870353758335e-03 - - -1.7262780666351318e-01 5.9382218867540359e-02 - <_> - - 0 -1 2089 -4.3638627976179123e-03 - - 1.7265330255031586e-01 -6.2423970550298691e-02 - <_> - - 0 -1 2090 -3.2834090292453766e-02 - - 4.0275371074676514e-01 -2.5799039751291275e-02 - <_> - - 0 -1 2091 6.4377002418041229e-02 - - -4.7380630858242512e-03 7.5221067667007446e-01 - <_> - - 0 -1 2092 2.7642730623483658e-02 - - 3.7644479423761368e-02 -2.9220271110534668e-01 - <_> - - 0 -1 2093 2.2171199321746826e-02 - - -2.4654069915413857e-02 2.0533810555934906e-01 - <_> - - 0 -1 2094 1.5859310515224934e-03 - - 8.9463792741298676e-02 -1.2611730396747589e-01 - <_> - - 0 -1 2095 -1.8872050568461418e-02 - - 1.3072650134563446e-01 -3.6953710019588470e-02 - <_> - - 0 -1 2096 -1.3306169770658016e-02 - - -2.2963209450244904e-01 4.2687188833951950e-02 - <_> - - 0 -1 2097 -7.0407122373580933e-02 - - -7.1117508411407471e-01 6.6957580856978893e-03 - <_> - - 0 -1 2098 4.1748929768800735e-02 - - -3.2927870750427246e-02 3.0035281181335449e-01 - <_> - - 0 -1 2099 5.3282231092453003e-03 - - 5.1811750978231430e-02 -1.9069090485572815e-01 - <_> - - 0 -1 2100 2.4094989057630301e-03 - - -8.0687969923019409e-02 1.2510129809379578e-01 - <_> - - 0 -1 2101 -6.2405979260802269e-03 - - 1.0740630328655243e-01 -3.9979010820388794e-02 - <_> - - 0 -1 2102 -6.7312467098236084e-01 - - -1. 1.0070810094475746e-02 - <_> - - 0 -1 2103 -9.2983558773994446e-02 - - -1. -2.4261360522359610e-03 - <_> - - 0 -1 2104 3.3629760146141052e-02 - - 2.4122869595885277e-02 -4.1387900710105896e-01 - <_> - - 0 -1 2105 2.3880619555711746e-02 - - 9.6614202484488487e-03 -2.1973779797554016e-01 - <_> - - 0 -1 2106 1.2738780351355672e-03 - - -8.3555117249488831e-02 1.2269689887762070e-01 - <_> - - 0 -1 2107 1.8414139747619629e-02 - - 3.0798140913248062e-02 -3.5609170794487000e-01 - <_> - - 0 -1 2108 -5.6469578295946121e-02 - - 8.8631778955459595e-01 -1.2698300182819366e-02 - <_> - - 0 -1 2109 -4.6219761134125292e-04 - - 3.4681901335716248e-02 -8.2850828766822815e-02 - <_> - - 0 -1 2110 -1.9060859456658363e-02 - - 3.5369411110877991e-01 -2.7611760422587395e-02 - <_> - - 0 -1 2111 1.5762279508635402e-03 - - 4.0939908474683762e-02 -2.2517409920692444e-01 - <_> - - 0 -1 2112 2.0101880654692650e-02 - - -2.3995550349354744e-02 4.1091251373291016e-01 - <_> - - 0 -1 2113 2.7211669366806746e-03 - - 2.8122449293732643e-02 -1.4200119674205780e-01 - <_> - - 0 -1 2114 -1.0944429785013199e-01 - - 9.5085740089416504e-01 -9.4355372712016106e-03 - <_> - - 0 -1 2115 -1.2755279894918203e-03 - - 5.6902900338172913e-02 -8.3429783582687378e-02 - <_> - - 0 -1 2116 -8.0578401684761047e-02 - - -9.5139288902282715e-01 8.2268668338656425e-03 - <_> - - 0 -1 2117 -1.2047989666461945e-01 - - -3.0273869633674622e-01 2.8489340096712112e-02 - <_> - - 0 -1 2118 -1.8294970691204071e-01 - - 2.3866130411624908e-01 -6.2773942947387695e-02 - <_> - - 0 -1 2119 -1.7106409370899200e-01 - - -5.9394681453704834e-01 3.1515269074589014e-03 - <_> - - 0 -1 2120 -7.3414877057075500e-02 - - -8.6933082342147827e-01 1.0084389708936214e-02 - <_> - - 0 -1 2121 2.4238299578428268e-02 - - -2.1756110712885857e-02 1.6218559443950653e-01 - <_> - - 0 -1 2122 -7.1713668294250965e-03 - - -9.7345590591430664e-02 9.2148497700691223e-02 - <_> - - 0 -1 2123 -3.3344399183988571e-02 - - 7.4645392596721649e-02 -2.2160679101943970e-02 - <_> - - 0 -1 2124 7.2907900903373957e-04 - - -9.4971813261508942e-02 1.1826740205287933e-01 - <_> - - 0 -1 2125 -1.0217289673164487e-03 - - 5.6426230818033218e-02 -3.7573829293251038e-02 - <_> - - 0 -1 2126 -8.4900937508791685e-04 - - -1.3883149623870850e-01 7.0047326385974884e-02 - <_> - - 0 -1 2127 9.9850513041019440e-02 - - -1.4011589810252190e-02 2.6115679740905762e-01 - <_> - - 0 -1 2128 -1.3090069591999054e-01 - - 7.1379351615905762e-01 -1.1643799953162670e-02 - <_> - - 0 -1 2129 9.1210529208183289e-03 - - 4.5402809977531433e-02 -2.1830010414123535e-01 - <_> - - 0 -1 2130 2.0106479525566101e-01 - - -2.0753270015120506e-02 5.1230221986770630e-01 - <_> - - 0 -1 2131 4.7389309853315353e-02 - - 9.4779124483466148e-03 -4.7942391037940979e-01 - <_> - - 0 -1 2132 -5.7118538767099380e-02 - - 3.9166051149368286e-01 -2.6703910902142525e-02 - <_> - - 0 -1 2133 -8.3700623363256454e-03 - - -1.3399459421634674e-01 4.8460900783538818e-02 - <_> - - 0 -1 2134 4.0913890115916729e-03 - - -5.9489779174327850e-02 1.7438539862632751e-01 - <_> - - 0 -1 2135 7.1899488568305969e-02 - - 1.1723180301487446e-02 -3.6274778842926025e-01 - <_> - - 0 -1 2136 -3.6888250615447760e-03 - - 7.5763627886772156e-02 -1.5033599734306335e-01 - <_> - - 0 -1 2137 -7.4795219115912914e-03 - - 1.5027859807014465e-01 -4.5870490372180939e-02 - <_> - - 0 -1 2138 -1.2582589872181416e-02 - - -1.9915549457073212e-01 6.3917450606822968e-02 - <_> - - 0 -1 2139 3.5687079653143883e-03 - - -1.2117239832878113e-01 1.0956080257892609e-01 - <_> - - 0 -1 2140 1.7363800434395671e-03 - - 1.2258529663085938e-01 -9.3556262552738190e-02 - <_> - - 0 -1 2141 -1.4523629797622561e-03 - - 9.6722528338432312e-02 -8.0739699304103851e-02 - <_> - - 0 -1 2142 3.1017749570310116e-03 - - -6.9076471030712128e-02 1.5396459400653839e-01 - <_> - - 0 -1 2143 -8.5509587079286575e-03 - - -1.5186290442943573e-01 4.0346920490264893e-02 - <_> - - 0 -1 2144 -1.8966189818456769e-03 - - 1.2172549962997437e-01 -9.8543442785739899e-02 - <_> - 135 - -3.0601499557495117e+01 - - <_> - - 0 -1 2145 -2.3754740133881569e-02 - - 1.7095300555229187e-01 -1.1534280329942703e-01 - <_> - - 0 -1 2146 -7.3806629516184330e-03 - - 8.8067196309566498e-02 -4.0317770093679428e-02 - <_> - - 0 -1 2147 1.1198900174349546e-03 - - -7.9895302653312683e-02 1.3448899984359741e-01 - <_> - - 0 -1 2148 3.3718731254339218e-02 - - -1.5220030210912228e-02 2.9914170503616333e-01 - <_> - - 0 -1 2149 -2.8022660990245640e-04 - - 6.3599728047847748e-02 -1.5619190037250519e-01 - <_> - - 0 -1 2150 -3.9523928426206112e-03 - - -9.7961323335766792e-03 1.0571649670600891e-01 - <_> - - 0 -1 2151 2.1397129166871309e-03 - - 8.9953586459159851e-02 -1.4483779668807983e-01 - <_> - - 0 -1 2152 -6.7521296441555023e-02 - - 2.0932430028915405e-01 -5.3923811763525009e-02 - <_> - - 0 -1 2153 1.0378950275480747e-02 - - -6.4177162945270538e-02 2.7814629673957825e-01 - <_> - - 0 -1 2154 6.2903137877583504e-03 - - -4.9253720790147781e-02 8.2168422639369965e-02 - <_> - - 0 -1 2155 9.3974275514483452e-03 - - 8.4537737071514130e-02 -2.2885300219058990e-01 - <_> - - 0 -1 2156 1.0120930150151253e-02 - - 3.3337119966745377e-02 -8.1664256751537323e-02 - <_> - - 0 -1 2157 3.1531939748674631e-03 - - -1.0220990329980850e-01 1.1837360262870789e-01 - <_> - - 0 -1 2158 7.5137287378311157e-02 - - 2.7504051104187965e-03 -1.0000959634780884e+00 - <_> - - 0 -1 2159 -2.3692219983786345e-03 - - 9.9092483520507812e-02 -1.1425189673900604e-01 - <_> - - 0 -1 2160 -2.4510379880666733e-02 - - 2.8708320856094360e-01 -1.6148800030350685e-02 - <_> - - 0 -1 2161 -1.9670750480145216e-03 - - -1.1531370133161545e-01 8.6816556751728058e-02 - <_> - - 0 -1 2162 3.0845379456877708e-02 - - -2.4090610444545746e-02 1.9607549905776978e-01 - <_> - - 0 -1 2163 2.3816309869289398e-02 - - 3.2824039459228516e-02 -3.5710439085960388e-01 - <_> - - 0 -1 2164 -4.0199130773544312e-02 - - -5.2850788831710815e-01 6.0749719850718975e-03 - <_> - - 0 -1 2165 -6.8876100704073906e-03 - - 2.2058850526809692e-01 -5.9151489287614822e-02 - <_> - - 0 -1 2166 -2.5466730585321784e-04 - - 7.1897879242897034e-02 -8.4962032735347748e-02 - <_> - - 0 -1 2167 9.8468195647001266e-03 - - 4.1366759687662125e-02 -2.3984520137310028e-01 - <_> - - 0 -1 2168 2.7934400364756584e-02 - - -2.3647159337997437e-02 2.4738009274005890e-01 - <_> - - 0 -1 2169 -2.2960390895605087e-02 - - -4.5187929272651672e-01 2.2305779159069061e-02 - <_> - - 0 -1 2170 3.2323438790626824e-04 - - -8.7536007165908813e-02 7.8490957617759705e-02 - <_> - - 0 -1 2171 3.1954899430274963e-02 - - -2.6202389970421791e-02 3.9204901456832886e-01 - <_> - - 0 -1 2172 1.9027979578822851e-03 - - 6.2762781977653503e-02 -1.6107350587844849e-01 - <_> - - 0 -1 2173 -3.2691629603505135e-03 - - 1.0168000310659409e-01 -1.0432480275630951e-01 - <_> - - 0 -1 2174 1.0040200315415859e-02 - - -2.8046580031514168e-02 1.2117899954319000e-01 - <_> - - 0 -1 2175 -3.4158680588006973e-02 - - -2.8974449634552002e-01 3.5282660275697708e-02 - <_> - - 0 -1 2176 1.7615250544622540e-03 - - -5.5583070963621140e-02 7.4158452451229095e-02 - <_> - - 0 -1 2177 -2.1134650334715843e-02 - - 2.5130590796470642e-01 -4.0354639291763306e-02 - <_> - - 0 -1 2178 2.9759369790554047e-02 - - 3.8029540330171585e-02 -1.4226369559764862e-01 - <_> - - 0 -1 2179 1.4866080135107040e-02 - - -3.9721690118312836e-02 2.7522540092468262e-01 - <_> - - 0 -1 2180 -3.5829428583383560e-02 - - -3.3451971411705017e-01 9.6839247271418571e-03 - <_> - - 0 -1 2181 -3.2887340057641268e-03 - - -1.4258219301700592e-01 6.8576209247112274e-02 - <_> - - 0 -1 2182 4.2714878916740417e-02 - - -1.4240439981222153e-02 3.8765299320220947e-01 - <_> - - 0 -1 2183 1.2328879674896598e-03 - - 7.8623853623867035e-02 -1.1869420111179352e-01 - <_> - - 0 -1 2184 -1.0447620414197445e-02 - - -1.4882990717887878e-01 3.1571168452501297e-02 - <_> - - 0 -1 2185 1.2656359933316708e-02 - - -4.6572461724281311e-02 2.6212608814239502e-01 - <_> - - 0 -1 2186 4.9849718809127808e-02 - - 1.7015339806675911e-02 -1.4268730580806732e-01 - <_> - - 0 -1 2187 -1.8607240170240402e-02 - - 2.3338650166988373e-01 -4.7094941139221191e-02 - <_> - - 0 -1 2188 -5.4397370666265488e-02 - - -4.0511301159858704e-01 8.1606470048427582e-03 - <_> - - 0 -1 2189 2.9153900686651468e-03 - - -8.9313946664333344e-02 1.3335379958152771e-01 - <_> - - 0 -1 2190 -5.9154080227017403e-03 - - -2.0414529740810394e-01 4.8475701361894608e-02 - <_> - - 0 -1 2191 -1.9841329194605350e-03 - - 1.3428109884262085e-01 -7.5892791152000427e-02 - <_> - - 0 -1 2192 -4.4047520495951176e-03 - - 4.1852138936519623e-02 -1.0119090229272842e-01 - <_> - - 0 -1 2193 1.7982879653573036e-02 - - 4.3978679925203323e-02 -2.5054019689559937e-01 - <_> - - 0 -1 2194 -7.8059501945972443e-02 - - -3.3025071024894714e-01 6.3089421018958092e-03 - <_> - - 0 -1 2195 7.2548650205135345e-03 - - -1.0872170329093933e-01 9.9411018192768097e-02 - <_> - - 0 -1 2196 -2.7871869970113039e-03 - - 1.3659299910068512e-01 -8.4799639880657196e-02 - <_> - - 0 -1 2197 -9.3798413872718811e-03 - - -1.1872450262308121e-01 7.9108059406280518e-02 - <_> - - 0 -1 2198 -5.4926410317420959e-02 - - 1.4382070302963257e-01 -3.0072269961237907e-02 - <_> - - 0 -1 2199 -4.4219079427421093e-03 - - 1.0666429996490479e-01 -1.0838100314140320e-01 - <_> - - 0 -1 2200 1.0763059835880995e-03 - - 2.7380989864468575e-02 -5.5446051061153412e-02 - <_> - - 0 -1 2201 -7.2514012455940247e-02 - - -1.0893449932336807e-01 1.0097540169954300e-01 - <_> - - 0 -1 2202 -1.6472190618515015e-01 - - 3.0365368723869324e-01 -4.3666210025548935e-02 - <_> - - 0 -1 2203 7.9837806522846222e-02 - - -1.0828680358827114e-02 8.9977437257766724e-01 - <_> - - 0 -1 2204 -5.2413612138479948e-04 - - 8.5230633616447449e-02 -1.2053979933261871e-01 - <_> - - 0 -1 2205 -2.1632270887494087e-02 - - -2.1092039346694946e-01 6.5582543611526489e-02 - <_> - - 0 -1 2206 1.2691530585289001e-01 - - -4.5935749076306820e-03 4.5089641213417053e-01 - <_> - - 0 -1 2207 9.5472350716590881e-02 - - -2.0798899233341217e-02 5.2474659681320190e-01 - <_> - - 0 -1 2208 -8.2936078310012817e-02 - - 8.4976738691329956e-01 -5.0510508008301258e-03 - <_> - - 0 -1 2209 7.7482969500124454e-03 - - -5.5318288505077362e-02 1.7145830392837524e-01 - <_> - - 0 -1 2210 -2.1768439561128616e-02 - - -1.5947930514812469e-01 6.0873799026012421e-02 - <_> - - 0 -1 2211 -1.1072609777329490e-04 - - 7.8877292573451996e-02 -1.3177630305290222e-01 - <_> - - 0 -1 2212 3.1122909858822823e-03 - - -4.3046839535236359e-02 6.2392581254243851e-02 - <_> - - 0 -1 2213 -2.8692940250039101e-03 - - 1.3746979832649231e-01 -8.0494217574596405e-02 - <_> - - 0 -1 2214 1.0575760155916214e-01 - - 1.0569440200924873e-03 -9.9993818998336792e-01 - <_> - - 0 -1 2215 4.6192679554224014e-02 - - 1.7228020355105400e-02 -5.2604919672012329e-01 - <_> - - 0 -1 2216 -2.5476190447807312e-01 - - -6.2927299737930298e-01 1.3698619790375233e-02 - <_> - - 0 -1 2217 -2.7374029159545898e-03 - - 1.2747539579868317e-01 -6.9591522216796875e-02 - <_> - - 0 -1 2218 2.1854760125279427e-03 - - 4.1854761540889740e-02 -2.6481458544731140e-01 - <_> - - 0 -1 2219 -2.4050710722804070e-02 - - -2.6191109418869019e-01 3.4489940851926804e-02 - <_> - - 0 -1 2220 1.0211429744958878e-01 - - -1.5302860178053379e-02 3.9992758631706238e-01 - <_> - - 0 -1 2221 1.0281659662723541e-01 - - -2.9020670801401138e-02 3.6887159943580627e-01 - <_> - - 0 -1 2222 3.9206489920616150e-02 - - 8.9045017957687378e-03 -4.3242999911308289e-01 - <_> - - 0 -1 2223 -3.7830859422683716e-02 - - -6.2731212377548218e-01 1.4882829971611500e-02 - <_> - - 0 -1 2224 1.2507890351116657e-02 - - -1.7865059897303581e-02 1.4156140387058258e-01 - <_> - - 0 -1 2225 -1.5477590262889862e-02 - - 3.1676650047302246e-01 -3.3510830253362656e-02 - <_> - - 0 -1 2226 -4.5885699801146984e-03 - - -1.5222150087356567e-01 7.3211863636970520e-02 - <_> - - 0 -1 2227 -2.0505970343947411e-02 - - 1.1725380271673203e-01 -9.7457922995090485e-02 - <_> - - 0 -1 2228 -1.3098320364952087e-01 - - 5.4338067770004272e-01 -5.8803129941225052e-03 - <_> - - 0 -1 2229 4.7888278961181641e-02 - - -2.7120810002088547e-02 3.5723638534545898e-01 - <_> - - 0 -1 2230 2.5441530346870422e-01 - - 2.5680949911475182e-03 -9.9988257884979248e-01 - <_> - - 0 -1 2231 2.0652529783546925e-03 - - -9.4255000352859497e-02 1.0068359971046448e-01 - <_> - - 0 -1 2232 3.0141780152916908e-02 - - -1.5984520316123962e-02 2.4209509789943695e-01 - <_> - - 0 -1 2233 1.2305500358343124e-01 - - 4.3902460485696793e-02 -2.9046860337257385e-01 - <_> - - 0 -1 2234 1.1436889879405499e-02 - - 3.1826701015233994e-02 -1.0569609701633453e-01 - <_> - - 0 -1 2235 1.4229659922420979e-02 - - -6.4518727362155914e-02 1.6178989410400391e-01 - <_> - - 0 -1 2236 -1.9808039069175720e-02 - - 2.0909899473190308e-01 -2.7245460078120232e-02 - <_> - - 0 -1 2237 -3.2634709030389786e-02 - - -4.6265149116516113e-01 2.3877989500761032e-02 - <_> - - 0 -1 2238 8.1568211317062378e-02 - - -1.0983820073306561e-02 7.4517530202865601e-01 - <_> - - 0 -1 2239 1.7331159906461835e-03 - - 6.2832579016685486e-02 -1.5800160169601440e-01 - <_> - - 0 -1 2240 4.1524558328092098e-03 - - 2.8520949184894562e-02 -8.3923816680908203e-02 - <_> - - 0 -1 2241 2.0917340589221567e-04 - - -1.6536650061607361e-01 8.3170376718044281e-02 - <_> - - 0 -1 2242 -6.9550168700516224e-04 - - 5.7298898696899414e-02 -9.8668128252029419e-02 - <_> - - 0 -1 2243 1.0114730149507523e-01 - - -2.7031859382987022e-02 5.0937288999557495e-01 - <_> - - 0 -1 2244 2.0371530205011368e-02 - - -1.5991339460015297e-02 2.1110190451145172e-01 - <_> - - 0 -1 2245 1.9490359723567963e-01 - - 1.1169149540364742e-02 -8.0626577138900757e-01 - <_> - - 0 -1 2246 -1.5187750104814768e-03 - - 8.8670432567596436e-02 -6.5779693424701691e-02 - <_> - - 0 -1 2247 -2.2300280761555769e-05 - - 7.0237100124359131e-02 -1.3656799495220184e-01 - <_> - - 0 -1 2248 7.0241810753941536e-03 - - 4.5264270156621933e-02 -1.2246630340814590e-01 - <_> - - 0 -1 2249 -5.8513730764389038e-03 - - 1.4548699557781219e-01 -7.7512867748737335e-02 - <_> - - 0 -1 2250 -1.2228869833052158e-02 - - -1.5762320160865784e-01 3.3091600984334946e-02 - <_> - - 0 -1 2251 -2.7475339174270630e-01 - - 4.1415899991989136e-01 -2.3306179791688919e-02 - <_> - - 0 -1 2252 -8.3073312416672707e-03 - - -6.6158972680568695e-02 4.5423369854688644e-02 - <_> - - 0 -1 2253 1.4967099763453007e-02 - - 3.9580021053552628e-02 -2.4474979937076569e-01 - <_> - - 0 -1 2254 3.5121920518577099e-03 - - -3.2608591020107269e-02 7.2080552577972412e-02 - <_> - - 0 -1 2255 6.0676191933453083e-03 - - -6.6284246742725372e-02 1.6455779969692230e-01 - <_> - - 0 -1 2256 -6.0948841273784637e-03 - - -1.6784119606018066e-01 6.8097747862339020e-02 - <_> - - 0 -1 2257 -4.4710501097142696e-03 - - 1.4348860085010529e-01 -7.5286053121089935e-02 - <_> - - 0 -1 2258 2.7629999443888664e-02 - - -6.0715568251907825e-03 4.6235299110412598e-01 - <_> - - 0 -1 2259 -4.1778348386287689e-03 - - -9.4480186700820923e-02 1.0268689692020416e-01 - <_> - - 0 -1 2260 -1.4997010293882340e-04 - - 4.5903969556093216e-02 -1.2689989805221558e-01 - <_> - - 0 -1 2261 9.3421656638383865e-03 - - -4.7851350158452988e-02 2.3776920139789581e-01 - <_> - - 0 -1 2262 -9.0454798191785812e-03 - - -1.4881759881973267e-01 2.5717660784721375e-02 - <_> - - 0 -1 2263 -1.0563050163909793e-03 - - -1.2465219944715500e-01 8.2118943333625793e-02 - <_> - - 0 -1 2264 -1.5602169558405876e-02 - - 3.0471551418304443e-01 -2.4503290653228760e-02 - <_> - - 0 -1 2265 -8.9588612318038940e-03 - - -2.3624059557914734e-01 4.6290140599012375e-02 - <_> - - 0 -1 2266 -7.6452922075986862e-03 - - 1.1393140256404877e-01 -2.6573060080409050e-02 - <_> - - 0 -1 2267 -1.9294900819659233e-02 - - 2.8820019960403442e-01 -3.5906881093978882e-02 - <_> - - 0 -1 2268 8.6250286549329758e-03 - - 6.1006020754575729e-02 -1.6832630336284637e-01 - <_> - - 0 -1 2269 2.5883490219712257e-02 - - -4.0142849087715149e-02 2.3263120651245117e-01 - <_> - - 0 -1 2270 -7.4946112930774689e-02 - - 7.1168798208236694e-01 -6.0237408615648746e-03 - <_> - - 0 -1 2271 -2.6808120310306549e-04 - - 7.7717900276184082e-02 -1.5358750522136688e-01 - <_> - - 0 -1 2272 6.1041440814733505e-02 - - -3.4070160239934921e-02 2.5833290815353394e-01 - <_> - - 0 -1 2273 -4.7920648939907551e-03 - - -1.5077829360961914e-01 8.4577240049839020e-02 - <_> - - 0 -1 2274 -1.2610630691051483e-01 - - -4.8404538631439209e-01 8.6965439841151237e-03 - <_> - - 0 -1 2275 -2.2879270836710930e-02 - - 6.7734187841415405e-01 -1.4856100082397461e-02 - <_> - - 0 -1 2276 -6.2760512810200453e-04 - - 5.0910349935293198e-02 -1.4076440036296844e-01 - <_> - - 0 -1 2277 -1.0543179698288441e-02 - - -9.0707249939441681e-02 1.1281900107860565e-01 - <_> - - 0 -1 2278 -2.4953829124569893e-03 - - 8.9523762464523315e-02 -7.5541287660598755e-02 - <_> - - 0 -1 2279 6.0986150056123734e-02 - - -3.2006978988647461e-02 3.3000910282135010e-01 - <_> - 143 - -3.0555000305175781e+01 - - <_> - - 0 -1 2280 -4.1241809725761414e-02 - - 2.4841840565204620e-01 -6.9879129528999329e-02 - <_> - - 0 -1 2281 -7.4663497507572174e-02 - - -7.5433689355850220e-01 4.0493709966540337e-03 - <_> - - 0 -1 2282 -2.3803679272532463e-02 - - 2.4313099682331085e-01 -4.5283928513526917e-02 - <_> - - 0 -1 2283 3.2028619199991226e-02 - - -1.2230539694428444e-02 3.9811220765113831e-01 - <_> - - 0 -1 2284 3.8454410969279706e-04 - - 6.9244839251041412e-02 -1.7288799583911896e-01 - <_> - - 0 -1 2285 -2.0599530544131994e-03 - - 4.5083250850439072e-02 -6.3824482262134552e-02 - <_> - - 0 -1 2286 5.9174500405788422e-02 - - 1.3756089843809605e-02 5.8063977956771851e-01 - <_> - - 0 -1 2287 -8.1204501911997795e-03 - - -7.9060196876525879e-02 3.2097879797220230e-02 - <_> - - 0 -1 2288 -5.4362448863685131e-03 - - 8.0285012722015381e-02 -1.3880789279937744e-01 - <_> - - 0 -1 2289 4.0768779814243317e-02 - - 3.5265129059553146e-02 -1.6821040213108063e-01 - <_> - - 0 -1 2290 -1.0705769993364811e-02 - - -1.3227799534797668e-01 9.7147703170776367e-02 - <_> - - 0 -1 2291 -2.1374409552663565e-03 - - -1.1135129630565643e-01 1.0501199960708618e-01 - <_> - - 0 -1 2292 -6.0069030150771141e-03 - - 7.9701423645019531e-02 -1.4503550529479980e-01 - <_> - - 0 -1 2293 6.8584359250962734e-03 - - -2.8629170730710030e-02 1.5494349598884583e-01 - <_> - - 0 -1 2294 8.4308702498674393e-03 - - -6.8725876510143280e-02 1.3571439683437347e-01 - <_> - - 0 -1 2295 -3.1918209046125412e-02 - - -9.0021647512912750e-02 7.0172756910324097e-02 - <_> - - 0 -1 2296 1.4346960186958313e-01 - - 3.7936199456453323e-02 -3.3849731087684631e-01 - <_> - - 0 -1 2297 -5.3501531481742859e-02 - - -1. -1.3069049455225468e-03 - <_> - - 0 -1 2298 -4.3198501225560904e-04 - - 6.3140459358692169e-02 -1.4891080558300018e-01 - <_> - - 0 -1 2299 -3.6825511604547501e-02 - - 1.6418960690498352e-01 -3.6547198891639709e-02 - <_> - - 0 -1 2300 -9.3230612576007843e-02 - - -8.1855481863021851e-01 1.0488729923963547e-02 - <_> - - 0 -1 2301 -7.5886500999331474e-03 - - 9.6189923584461212e-02 -3.2392729073762894e-02 - <_> - - 0 -1 2302 1.9316580146551132e-03 - - -9.7133457660675049e-02 9.6836537122726440e-02 - <_> - - 0 -1 2303 -1.7610849440097809e-01 - - -1. 3.9064860902726650e-04 - <_> - - 0 -1 2304 -4.5753358863294125e-03 - - -1.4245940744876862e-01 7.2629533708095551e-02 - <_> - - 0 -1 2305 -7.1555696427822113e-02 - - 7.0124769210815430e-01 -8.1192785874009132e-03 - <_> - - 0 -1 2306 -5.1939189434051514e-03 - - -1.7593400180339813e-01 6.6920258104801178e-02 - <_> - - 0 -1 2307 9.7410175949335098e-03 - - -4.0632858872413635e-02 1.5366269648075104e-01 - <_> - - 0 -1 2308 -1.9197730347514153e-02 - - 8.8404722511768341e-02 -1.1119589954614639e-01 - <_> - - 0 -1 2309 7.7713979408144951e-03 - - -5.1531080156564713e-02 2.3341870307922363e-01 - <_> - - 0 -1 2310 4.6741779893636703e-02 - - 5.8658950030803680e-02 -2.1825340390205383e-01 - <_> - - 0 -1 2311 -6.7051820456981659e-02 - - -7.6968950033187866e-01 2.2733330260962248e-03 - <_> - - 0 -1 2312 1.0403609834611416e-02 - - -5.7208269834518433e-02 1.9874769449234009e-01 - <_> - - 0 -1 2313 6.8136617541313171e-02 - - 1.0924750007688999e-02 -2.3514769971370697e-01 - <_> - - 0 -1 2314 5.5462731979787350e-03 - - 7.6430208981037140e-02 -1.5048150718212128e-01 - <_> - - 0 -1 2315 3.5827890038490295e-02 - - 5.2330200560390949e-03 -9.0509557723999023e-01 - <_> - - 0 -1 2316 1.0099080391228199e-02 - - -4.9438349902629852e-02 1.9236649572849274e-01 - <_> - - 0 -1 2317 -7.3000352131202817e-04 - - 8.0038689076900482e-02 -5.9875860810279846e-02 - <_> - - 0 -1 2318 -6.2627308070659637e-02 - - -6.8771952390670776e-01 1.4409339986741543e-02 - <_> - - 0 -1 2319 4.1463607922196388e-03 - - 6.2068879604339600e-02 -1.4138600230216980e-01 - <_> - - 0 -1 2320 -1.4136059582233429e-01 - - 5.9439867734909058e-01 -1.6910530626773834e-02 - <_> - - 0 -1 2321 7.0147067308425903e-02 - - 3.5781029146164656e-03 -8.4541380405426025e-01 - <_> - - 0 -1 2322 1.8181180348619819e-03 - - -5.9031128883361816e-02 1.7709979414939880e-01 - <_> - - 0 -1 2323 6.3149541616439819e-02 - - -7.9691512510180473e-03 2.4575470387935638e-01 - <_> - - 0 -1 2324 1.7065559513866901e-03 - - -1.3776679337024689e-01 7.2286598384380341e-02 - <_> - - 0 -1 2325 -4.1844159364700317e-02 - - -1.0204549878835678e-01 1.9412880763411522e-02 - <_> - - 0 -1 2326 6.1876028776168823e-02 - - 1.7572570592164993e-02 -5.9611201286315918e-01 - <_> - - 0 -1 2327 8.6206607520580292e-02 - - -8.3246696740388870e-03 5.9274739027023315e-01 - <_> - - 0 -1 2328 1.5561250038444996e-02 - - 5.5908791720867157e-02 -2.0174680650234222e-01 - <_> - - 0 -1 2329 1.9683360587805510e-03 - - 8.4109783172607422e-02 -9.5114283263683319e-02 - <_> - - 0 -1 2330 -3.2295130658894777e-03 - - 1.9859789311885834e-01 -6.0371041297912598e-02 - <_> - - 0 -1 2331 4.3861459940671921e-02 - - -7.5495638884603977e-03 2.7785310149192810e-01 - <_> - - 0 -1 2332 -7.1588042192161083e-04 - - 1.0671679675579071e-01 -1.1605340242385864e-01 - <_> - - 0 -1 2333 -1.1585080064833164e-02 - - 1.3923209905624390e-01 -7.2681717574596405e-02 - <_> - - 0 -1 2334 -2.4132030084729195e-02 - - -3.4343299269676208e-01 2.8587639331817627e-02 - <_> - - 0 -1 2335 -5.9670167975127697e-03 - - 6.2854968011379242e-02 -6.3237912952899933e-02 - <_> - - 0 -1 2336 -5.7298261672258377e-02 - - 3.3512100577354431e-01 -3.4425679594278336e-02 - <_> - - 0 -1 2337 -1.4440530538558960e-01 - - -1. -2.0486500579863787e-04 - <_> - - 0 -1 2338 -1.6152009367942810e-02 - - -1.8017260730266571e-01 6.0698080807924271e-02 - <_> - - 0 -1 2339 3.1132341246120632e-04 - - -8.7393969297409058e-02 1.0814479738473892e-01 - <_> - - 0 -1 2340 -3.4905138891190290e-03 - - 1.3089099526405334e-01 -8.2502506673336029e-02 - <_> - - 0 -1 2341 -5.1078200340270996e-02 - - -6.6744989156723022e-01 9.7670806571841240e-03 - <_> - - 0 -1 2342 2.3027899861335754e-01 - - 8.9318687096238136e-03 -8.8892549276351929e-01 - <_> - - 0 -1 2343 3.3260289579629898e-02 - - -3.8846820592880249e-02 1.1871550232172012e-01 - <_> - - 0 -1 2344 3.6332090385258198e-03 - - -8.1865288317203522e-02 1.2006369978189468e-01 - <_> - - 0 -1 2345 -1.3659459364134818e-04 - - 2.9094040393829346e-02 -8.6412712931632996e-02 - <_> - - 0 -1 2346 4.2663831263780594e-03 - - 5.9642590582370758e-02 -1.6777870059013367e-01 - <_> - - 0 -1 2347 -3.7726368755102158e-02 - - 2.5201418995857239e-01 -1.1480459943413734e-02 - <_> - - 0 -1 2348 -3.7723951041698456e-02 - - 3.6150801181793213e-01 -2.5164980441331863e-02 - <_> - - 0 -1 2349 -3.5217531025409698e-02 - - -2.0768259465694427e-01 1.5659499913454056e-02 - <_> - - 0 -1 2350 -2.6250150054693222e-02 - - 6.4363038539886475e-01 -1.3971080072224140e-02 - <_> - - 0 -1 2351 7.1132831275463104e-02 - - 5.0701410509645939e-03 -8.1053668260574341e-01 - <_> - - 0 -1 2352 2.8358760755509138e-03 - - 8.0034732818603516e-02 -1.1766050010919571e-01 - <_> - - 0 -1 2353 3.4837881103157997e-03 - - 6.9709457457065582e-02 -1.2136720120906830e-01 - <_> - - 0 -1 2354 2.9538539820350707e-05 - - -1.7090520262718201e-01 7.0092067122459412e-02 - <_> - - 0 -1 2355 2.6345230638980865e-02 - - -1.1046449653804302e-02 3.5467839241027832e-01 - <_> - - 0 -1 2356 3.3180779428221285e-04 - - -8.9763849973678589e-02 1.0402739793062210e-01 - <_> - - 0 -1 2357 9.9607985466718674e-03 - - -1.0574670135974884e-01 8.7481163442134857e-02 - <_> - - 0 -1 2358 6.9068476557731628e-02 - - -2.3135760799050331e-02 3.7765979766845703e-01 - <_> - - 0 -1 2359 -3.3804871141910553e-02 - - -8.0052927136421204e-02 6.6171988844871521e-02 - <_> - - 0 -1 2360 -2.1103899925947189e-03 - - 7.2913236916065216e-02 -1.6986669600009918e-01 - <_> - - 0 -1 2361 7.1675583720207214e-02 - - -2.2668020799756050e-02 4.3757459521293640e-01 - <_> - - 0 -1 2362 -1.7637129873037338e-02 - - 1.4710550010204315e-01 -7.7648147940635681e-02 - <_> - - 0 -1 2363 2.1559430751949549e-03 - - -4.4561479240655899e-02 8.0616250634193420e-02 - <_> - - 0 -1 2364 -2.9923371039330959e-03 - - 1.6013230383396149e-01 -7.2628170251846313e-02 - <_> - - 0 -1 2365 -2.8351619839668274e-02 - - -2.4835529923439026e-01 7.8493626788258553e-03 - <_> - - 0 -1 2366 -5.3842412307858467e-03 - - -1.3290390372276306e-01 7.8615352511405945e-02 - <_> - - 0 -1 2367 1.6513720154762268e-02 - - -3.0867580324411392e-02 2.2910499572753906e-01 - <_> - - 0 -1 2368 -2.3480059579014778e-02 - - -3.4656900167465210e-01 2.8477910906076431e-02 - <_> - - 0 -1 2369 6.4804457128047943e-02 - - 3.2681180164217949e-03 -8.1848317384719849e-01 - <_> - - 0 -1 2370 2.9363438952714205e-03 - - 6.8371996283531189e-02 -1.6038259863853455e-01 - <_> - - 0 -1 2371 1.9352639093995094e-02 - - 1.2330809608101845e-02 -1.7751510441303253e-01 - <_> - - 0 -1 2372 -1.4157049590721726e-03 - - 1.6248740255832672e-01 -8.4821969270706177e-02 - <_> - - 0 -1 2373 -3.2165680080652237e-02 - - 2.5495579838752747e-01 -1.5387820079922676e-02 - <_> - - 0 -1 2374 9.9883928894996643e-02 - - 1.1630980297923088e-02 -8.6939221620559692e-01 - <_> - - 0 -1 2375 -8.5509859491139650e-04 - - 3.7509139627218246e-02 -4.1315130889415741e-02 - <_> - - 0 -1 2376 1.9948679953813553e-02 - - -3.3211439847946167e-02 2.6546698808670044e-01 - <_> - - 0 -1 2377 -1.6821360215544701e-02 - - -1.9504530727863312e-01 4.5578271150588989e-02 - <_> - - 0 -1 2378 -8.1685081124305725e-02 - - 8.0823719501495361e-01 -1.0028379969298840e-02 - <_> - - 0 -1 2379 -3.9467110764235258e-04 - - 3.7868868559598923e-02 -7.4321702122688293e-02 - <_> - - 0 -1 2380 -4.1939578950405121e-02 - - -7.5310271978378296e-01 1.2494780123233795e-02 - <_> - - 0 -1 2381 1.2319780141115189e-01 - - 1.5212129801511765e-03 -8.7456828355789185e-01 - <_> - - 0 -1 2382 4.3162349611520767e-03 - - 9.5917366445064545e-02 -9.8286882042884827e-02 - <_> - - 0 -1 2383 1.7064419807866216e-03 - - -6.7283846437931061e-02 5.8372668921947479e-02 - <_> - - 0 -1 2384 6.8853497505187988e-02 - - 3.9853271096944809e-02 -2.7014040946960449e-01 - <_> - - 0 -1 2385 1.5133110573515296e-03 - - 3.6803830415010452e-02 -7.8638777136802673e-02 - <_> - - 0 -1 2386 1.6671700403094292e-02 - - -5.2208479493856430e-02 2.5476139783859253e-01 - <_> - - 0 -1 2387 -2.4927379563450813e-03 - - -6.8352922797203064e-02 3.9182528853416443e-02 - <_> - - 0 -1 2388 1.7946650041267276e-03 - - 7.5641617178916931e-02 -1.8443019688129425e-01 - <_> - - 0 -1 2389 6.5764516592025757e-02 - - -2.7957379817962646e-02 1.3770729303359985e-01 - <_> - - 0 -1 2390 -3.2415628433227539e-02 - - 2.4957719445228577e-01 -3.8401741534471512e-02 - <_> - - 0 -1 2391 1.5985220670700073e-01 - - 2.3139530792832375e-02 -4.5876979827880859e-01 - <_> - - 0 -1 2392 3.3003050833940506e-02 - - -2.8549650683999062e-02 3.6482268571853638e-01 - <_> - - 0 -1 2393 8.3292415365576744e-03 - - 2.3422110825777054e-02 -1.2992739677429199e-01 - <_> - - 0 -1 2394 -1.4707380533218384e-01 - - -1. 1.0342770256102085e-02 - <_> - - 0 -1 2395 1.0625930130481720e-01 - - 2.8901589103043079e-03 -6.2105101346969604e-01 - <_> - - 0 -1 2396 4.7905001789331436e-02 - - -2.5437310338020325e-02 3.8595038652420044e-01 - <_> - - 0 -1 2397 4.3562948703765869e-02 - - 1.2963670305907726e-02 -3.1574508547782898e-01 - <_> - - 0 -1 2398 -6.6401511430740356e-02 - - 3.7184339761734009e-01 -2.4248229339718819e-02 - <_> - - 0 -1 2399 1.0357169667258859e-03 - - -3.3857159316539764e-02 7.2818137705326080e-02 - <_> - - 0 -1 2400 -1.0010260343551636e-01 - - -2.6162430644035339e-01 4.0561348199844360e-02 - <_> - - 0 -1 2401 -1.4029429852962494e-01 - - 1.6186380386352539e-01 -3.7463869899511337e-02 - <_> - - 0 -1 2402 -3.6629181355237961e-02 - - -3.7988689541816711e-01 2.2493759170174599e-02 - <_> - - 0 -1 2403 1.8527939915657043e-01 - - -3.4648380242288113e-03 9.9972921609878540e-01 - <_> - - 0 -1 2404 1.3452930375933647e-02 - - 6.6191017627716064e-02 -1.5208050608634949e-01 - <_> - - 0 -1 2405 8.4628060460090637e-02 - - -3.2134260982275009e-02 2.2877800464630127e-01 - <_> - - 0 -1 2406 -8.7568372488021851e-02 - - 4.3229681253433228e-01 -2.4735029786825180e-02 - <_> - - 0 -1 2407 2.6502339169383049e-02 - - 2.3526629433035851e-02 -2.9849499464035034e-01 - <_> - - 0 -1 2408 -1.8273059278726578e-02 - - 5.0878030061721802e-01 -1.9735949113965034e-02 - <_> - - 0 -1 2409 -1.1995369568467140e-03 - - 7.4867762625217438e-02 -7.3861390352249146e-02 - <_> - - 0 -1 2410 3.1381230801343918e-02 - - -2.6280479505658150e-02 3.6583951115608215e-01 - <_> - - 0 -1 2411 2.3178670555353165e-02 - - 3.7155259400606155e-02 -2.5468569993972778e-01 - <_> - - 0 -1 2412 -1.3644699938595295e-02 - - 2.0717699825763702e-01 -4.2792771011590958e-02 - <_> - - 0 -1 2413 7.8315278515219688e-03 - - 3.6028519272804260e-02 -8.0337040126323700e-02 - <_> - - 0 -1 2414 -1.0035780258476734e-02 - - -2.2253769636154175e-01 4.2950030416250229e-02 - <_> - - 0 -1 2415 -5.1132131367921829e-02 - - 3.0586650967597961e-01 -2.7054589241743088e-02 - <_> - - 0 -1 2416 -6.9544702768325806e-02 - - 3.4688460826873779e-01 -3.1736221164464951e-02 - <_> - - 0 -1 2417 -2.4079360067844391e-02 - - 1.3291560113430023e-01 -3.0277779325842857e-02 - <_> - - 0 -1 2418 -6.6630518995225430e-03 - - -1.8473480641841888e-01 7.8750252723693848e-02 - <_> - - 0 -1 2419 4.3147690594196320e-02 - - -9.1566536575555801e-03 2.9485818743705750e-01 - <_> - - 0 -1 2420 -1.3808339834213257e-02 - - -2.8479158878326416e-01 3.2622188329696655e-02 - <_> - - 0 -1 2421 1.6351899504661560e-01 - - -3.7377059925347567e-03 5.6042182445526123e-01 - <_> - - 0 -1 2422 -2.4086149409413338e-02 - - 1.5841430425643921e-01 -6.6294513642787933e-02 - - <_> - - <_> - 5 5 12 6 -1. - <_> - 9 5 4 6 3. - <_> - - <_> - 7 13 10 4 -1. - <_> - 7 15 10 2 2. - <_> - - <_> - 3 14 9 4 -1. - <_> - 6 14 3 4 3. - <_> - - <_> - 15 6 5 6 -1. - <_> - 15 6 5 3 2. - 1 - <_> - - <_> - 0 1 22 14 -1. - <_> - 11 1 11 14 2. - <_> - - <_> - 1 11 20 4 -1. - <_> - 6 11 10 4 2. - <_> - - <_> - 7 6 6 5 -1. - <_> - 7 6 3 5 2. - 1 - <_> - - <_> - 5 13 12 4 -1. - <_> - 11 13 6 2 2. - <_> - 5 15 6 2 2. - <_> - - <_> - 7 12 8 6 -1. - <_> - 7 12 4 3 2. - <_> - 11 15 4 3 2. - <_> - - <_> - 20 0 2 18 -1. - <_> - 20 9 2 9 2. - <_> - - <_> - 8 6 6 12 -1. - <_> - 10 6 2 12 3. - <_> - - <_> - 8 5 6 6 -1. - <_> - 10 5 2 6 3. - <_> - - <_> - 5 15 12 2 -1. - <_> - 5 16 12 1 2. - <_> - - <_> - 20 0 2 18 -1. - <_> - 20 9 2 9 2. - <_> - - <_> - 0 0 2 18 -1. - <_> - 0 9 2 9 2. - <_> - - <_> - 13 7 6 4 -1. - <_> - 13 7 6 2 2. - 1 - <_> - - <_> - 2 14 7 4 -1. - <_> - 2 16 7 2 2. - <_> - - <_> - 13 7 7 4 -1. - <_> - 13 7 7 2 2. - 1 - <_> - - <_> - 4 6 4 12 -1. - <_> - 4 10 4 4 3. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 6 8 6 10 -1. - <_> - 6 8 3 5 2. - <_> - 9 13 3 5 2. - <_> - - <_> - 11 12 6 6 -1. - <_> - 11 15 6 3 2. - <_> - - <_> - 1 15 8 3 -1. - <_> - 5 15 4 3 2. - <_> - - <_> - 6 9 10 4 -1. - <_> - 6 11 10 2 2. - <_> - - <_> - 11 5 8 3 -1. - <_> - 10 6 8 1 3. - 1 - <_> - - <_> - 0 13 22 5 -1. - <_> - 0 13 11 5 2. - <_> - - <_> - 2 13 14 3 -1. - <_> - 9 13 7 3 2. - <_> - - <_> - 11 5 2 10 -1. - <_> - 11 5 1 10 2. - 1 - <_> - - <_> - 11 5 10 2 -1. - <_> - 11 5 10 1 2. - 1 - <_> - - <_> - 14 0 8 8 -1. - <_> - 18 0 4 4 2. - <_> - 14 4 4 4 2. - <_> - - <_> - 5 0 3 10 -1. - <_> - 5 5 3 5 2. - <_> - - <_> - 16 0 3 12 -1. - <_> - 16 6 3 6 2. - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 3 6 2 2. - <_> - 9 5 6 2 2. - <_> - - <_> - 2 2 20 3 -1. - <_> - 7 2 10 3 2. - <_> - - <_> - 11 7 3 8 -1. - <_> - 11 7 3 4 2. - 1 - <_> - - <_> - 4 9 18 3 -1. - <_> - 4 10 18 1 3. - <_> - - <_> - 3 3 16 14 -1. - <_> - 3 3 8 7 2. - <_> - 11 10 8 7 2. - <_> - - <_> - 7 14 8 4 -1. - <_> - 7 14 4 4 2. - <_> - - <_> - 10 7 4 7 -1. - <_> - 10 7 2 7 2. - 1 - <_> - - <_> - 11 9 6 5 -1. - <_> - 11 9 3 5 2. - <_> - - <_> - 0 6 22 4 -1. - <_> - 11 6 11 4 2. - <_> - - <_> - 14 6 6 12 -1. - <_> - 17 6 3 6 2. - <_> - 14 12 3 6 2. - <_> - - <_> - 4 14 6 4 -1. - <_> - 4 16 6 2 2. - <_> - - <_> - 12 14 6 4 -1. - <_> - 12 16 6 2 2. - <_> - - <_> - 4 14 6 4 -1. - <_> - 4 16 6 2 2. - <_> - - <_> - 10 6 6 6 -1. - <_> - 12 6 2 6 3. - <_> - - <_> - 9 0 11 3 -1. - <_> - 8 1 11 1 3. - 1 - <_> - - <_> - 7 0 12 4 -1. - <_> - 13 0 6 2 2. - <_> - 7 2 6 2 2. - <_> - - <_> - 6 6 6 6 -1. - <_> - 8 6 2 6 3. - <_> - - <_> - 15 5 3 8 -1. - <_> - 15 9 3 4 2. - <_> - - <_> - 5 2 12 7 -1. - <_> - 9 2 4 7 3. - <_> - - <_> - 5 5 12 4 -1. - <_> - 9 5 4 4 3. - <_> - - <_> - 7 3 4 7 -1. - <_> - 7 3 2 7 2. - 1 - <_> - - <_> - 2 14 6 4 -1. - <_> - 5 14 3 4 2. - <_> - - <_> - 11 4 6 6 -1. - <_> - 13 4 2 6 3. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 14 6 2 2. - <_> - 11 16 6 2 2. - <_> - - <_> - 3 12 16 6 -1. - <_> - 11 12 8 3 2. - <_> - 3 15 8 3 2. - <_> - - <_> - 1 11 20 4 -1. - <_> - 6 11 10 4 2. - <_> - - <_> - 9 0 10 10 -1. - <_> - 14 0 5 5 2. - <_> - 9 5 5 5 2. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - 1 - <_> - - <_> - 1 7 20 11 -1. - <_> - 1 7 10 11 2. - <_> - - <_> - 9 0 12 3 -1. - <_> - 9 0 6 3 2. - 1 - <_> - - <_> - 13 0 6 6 -1. - <_> - 13 0 3 6 2. - <_> - - <_> - 5 0 12 8 -1. - <_> - 5 2 12 4 2. - <_> - - <_> - 14 0 8 6 -1. - <_> - 18 0 4 3 2. - <_> - 14 3 4 3 2. - <_> - - <_> - 7 6 8 6 -1. - <_> - 9 6 4 6 2. - <_> - - <_> - 11 3 6 6 -1. - <_> - 13 3 2 6 3. - <_> - - <_> - 5 3 6 6 -1. - <_> - 7 3 2 6 3. - <_> - - <_> - 13 0 8 6 -1. - <_> - 17 0 4 3 2. - <_> - 13 3 4 3 2. - <_> - - <_> - 0 0 8 6 -1. - <_> - 0 0 4 3 2. - <_> - 4 3 4 3 2. - <_> - - <_> - 7 0 10 6 -1. - <_> - 12 0 5 3 2. - <_> - 7 3 5 3 2. - <_> - - <_> - 0 15 22 2 -1. - <_> - 11 15 11 2 2. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 15 12 2 2. - <_> - - <_> - 5 13 6 4 -1. - <_> - 5 15 6 2 2. - <_> - - <_> - 3 9 17 3 -1. - <_> - 3 10 17 1 3. - <_> - - <_> - 3 8 16 10 -1. - <_> - 3 8 8 5 2. - <_> - 11 13 8 5 2. - <_> - - <_> - 9 0 10 6 -1. - <_> - 14 0 5 3 2. - <_> - 9 3 5 3 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 0 6 2 2. - <_> - 9 2 6 2 2. - <_> - - <_> - 4 10 14 3 -1. - <_> - 4 10 7 3 2. - <_> - - <_> - 1 14 11 4 -1. - <_> - 1 16 11 2 2. - <_> - - <_> - 7 0 12 6 -1. - <_> - 13 0 6 3 2. - <_> - 7 3 6 3 2. - <_> - - <_> - 3 0 10 6 -1. - <_> - 3 0 5 3 2. - <_> - 8 3 5 3 2. - <_> - - <_> - 6 0 10 3 -1. - <_> - 6 0 5 3 2. - 1 - <_> - - <_> - 14 8 6 4 -1. - <_> - 14 8 6 2 2. - 1 - <_> - - <_> - 0 2 5 16 -1. - <_> - 0 10 5 8 2. - <_> - - <_> - 0 3 22 5 -1. - <_> - 0 3 11 5 2. - <_> - - <_> - 6 15 8 3 -1. - <_> - 10 15 4 3 2. - <_> - - <_> - 15 0 2 14 -1. - <_> - 15 0 1 14 2. - 1 - <_> - - <_> - 7 0 14 2 -1. - <_> - 7 0 14 1 2. - 1 - <_> - - <_> - 1 11 20 5 -1. - <_> - 6 11 10 5 2. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 10 1 12 3 -1. - <_> - 14 1 4 3 3. - <_> - - <_> - 0 1 12 3 -1. - <_> - 4 1 4 3 3. - <_> - - <_> - 14 12 4 6 -1. - <_> - 14 12 2 6 2. - <_> - - <_> - 0 10 22 7 -1. - <_> - 11 10 11 7 2. - <_> - - <_> - 11 2 4 11 -1. - <_> - 11 2 2 11 2. - 1 - <_> - - <_> - 3 14 16 4 -1. - <_> - 3 14 8 2 2. - <_> - 11 16 8 2 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 14 12 2 6 3. - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 11 14 6 4 -1. - <_> - 11 16 6 2 2. - <_> - - <_> - 0 0 12 4 -1. - <_> - 0 0 6 2 2. - <_> - 6 2 6 2 2. - <_> - - <_> - 15 11 4 6 -1. - <_> - 15 11 2 6 2. - <_> - - <_> - 3 11 4 6 -1. - <_> - 5 11 2 6 2. - <_> - - <_> - 18 5 4 7 -1. - <_> - 18 5 2 7 2. - 1 - <_> - - <_> - 4 5 7 4 -1. - <_> - 4 5 7 2 2. - 1 - <_> - - <_> - 9 6 12 3 -1. - <_> - 13 6 4 3 3. - <_> - - <_> - 1 6 12 3 -1. - <_> - 5 6 4 3 3. - <_> - - <_> - 0 0 22 10 -1. - <_> - 11 0 11 5 2. - <_> - 0 5 11 5 2. - <_> - - <_> - 2 4 14 3 -1. - <_> - 2 5 14 1 3. - <_> - - <_> - 13 3 8 6 -1. - <_> - 17 3 4 3 2. - <_> - 13 6 4 3 2. - <_> - - <_> - 4 14 14 4 -1. - <_> - 4 14 7 2 2. - <_> - 11 16 7 2 2. - <_> - - <_> - 11 2 4 11 -1. - <_> - 11 2 2 11 2. - 1 - <_> - - <_> - 11 2 11 4 -1. - <_> - 11 2 11 2 2. - 1 - <_> - - <_> - 10 7 12 3 -1. - <_> - 10 7 6 3 2. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 7 2 6 2. - 1 - <_> - - <_> - 3 11 16 6 -1. - <_> - 11 11 8 3 2. - <_> - 3 14 8 3 2. - <_> - - <_> - 1 3 8 6 -1. - <_> - 1 3 4 3 2. - <_> - 5 6 4 3 2. - <_> - - <_> - 5 4 12 3 -1. - <_> - 5 5 12 1 3. - <_> - - <_> - 7 14 8 4 -1. - <_> - 11 14 4 4 2. - <_> - - <_> - 7 3 15 3 -1. - <_> - 7 4 15 1 3. - <_> - - <_> - 6 8 6 4 -1. - <_> - 6 8 6 2 2. - 1 - <_> - - <_> - 10 7 12 3 -1. - <_> - 10 7 6 3 2. - <_> - - <_> - 0 7 12 3 -1. - <_> - 6 7 6 3 2. - <_> - - <_> - 7 7 9 4 -1. - <_> - 10 7 3 4 3. - <_> - - <_> - 6 2 4 16 -1. - <_> - 6 10 4 8 2. - <_> - - <_> - 8 4 6 6 -1. - <_> - 10 4 2 6 3. - <_> - - <_> - 1 11 20 3 -1. - <_> - 6 11 10 3 2. - <_> - - <_> - 14 9 6 8 -1. - <_> - 17 9 3 4 2. - <_> - 14 13 3 4 2. - <_> - - <_> - 11 0 9 4 -1. - <_> - 11 0 9 2 2. - 1 - <_> - - <_> - 11 10 6 8 -1. - <_> - 14 10 3 4 2. - <_> - 11 14 3 4 2. - <_> - - <_> - 5 16 12 2 -1. - <_> - 5 17 12 1 2. - <_> - - <_> - 5 9 14 4 -1. - <_> - 5 11 14 2 2. - <_> - - <_> - 2 9 6 8 -1. - <_> - 2 9 3 4 2. - <_> - 5 13 3 4 2. - <_> - - <_> - 15 8 6 4 -1. - <_> - 15 8 3 4 2. - <_> - - <_> - 1 8 6 4 -1. - <_> - 4 8 3 4 2. - <_> - - <_> - 13 5 8 5 -1. - <_> - 13 5 4 5 2. - 1 - <_> - - <_> - 11 5 9 2 -1. - <_> - 11 5 9 1 2. - 1 - <_> - - <_> - 12 6 9 12 -1. - <_> - 15 10 3 4 9. - <_> - - <_> - 5 10 6 8 -1. - <_> - 5 10 3 4 2. - <_> - 8 14 3 4 2. - <_> - - <_> - 9 5 5 12 -1. - <_> - 9 8 5 6 2. - <_> - - <_> - 11 5 9 2 -1. - <_> - 11 5 9 1 2. - 1 - <_> - - <_> - 5 0 15 12 -1. - <_> - 10 4 5 4 9. - <_> - - <_> - 1 13 8 5 -1. - <_> - 5 13 4 5 2. - <_> - - <_> - 14 8 6 4 -1. - <_> - 14 8 3 4 2. - 1 - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 4 3 2. - 1 - <_> - - <_> - 7 0 12 9 -1. - <_> - 11 3 4 3 9. - <_> - - <_> - 7 13 6 4 -1. - <_> - 7 15 6 2 2. - <_> - - <_> - 10 7 6 10 -1. - <_> - 13 7 3 5 2. - <_> - 10 12 3 5 2. - <_> - - <_> - 6 7 6 10 -1. - <_> - 6 7 3 5 2. - <_> - 9 12 3 5 2. - <_> - - <_> - 7 0 12 2 -1. - <_> - 7 0 6 2 2. - <_> - - <_> - 2 0 18 9 -1. - <_> - 2 3 18 3 3. - <_> - - <_> - 12 2 6 15 -1. - <_> - 12 2 3 15 2. - <_> - - <_> - 4 2 6 15 -1. - <_> - 7 2 3 15 2. - <_> - - <_> - 7 12 12 4 -1. - <_> - 7 13 12 2 2. - <_> - - <_> - 4 4 4 14 -1. - <_> - 4 4 2 7 2. - <_> - 6 11 2 7 2. - <_> - - <_> - 12 6 9 12 -1. - <_> - 15 10 3 4 9. - <_> - - <_> - 1 6 9 12 -1. - <_> - 4 10 3 4 9. - <_> - - <_> - 13 6 8 12 -1. - <_> - 17 6 4 6 2. - <_> - 13 12 4 6 2. - <_> - - <_> - 7 14 8 3 -1. - <_> - 11 14 4 3 2. - <_> - - <_> - 5 5 12 3 -1. - <_> - 9 5 4 3 3. - <_> - - <_> - 10 0 2 18 -1. - <_> - 10 6 2 6 3. - <_> - - <_> - 4 14 14 2 -1. - <_> - 4 14 7 2 2. - <_> - - <_> - 3 0 6 4 -1. - <_> - 6 0 3 4 2. - <_> - - <_> - 13 12 6 4 -1. - <_> - 13 12 3 4 2. - <_> - - <_> - 1 0 8 4 -1. - <_> - 5 0 4 4 2. - <_> - - <_> - 7 9 14 4 -1. - <_> - 14 9 7 2 2. - <_> - 7 11 7 2 2. - <_> - - <_> - 1 0 8 18 -1. - <_> - 1 0 4 9 2. - <_> - 5 9 4 9 2. - <_> - - <_> - 13 8 6 4 -1. - <_> - 13 8 3 4 2. - 1 - <_> - - <_> - 9 8 4 6 -1. - <_> - 9 8 4 3 2. - 1 - <_> - - <_> - 3 13 6 4 -1. - <_> - 6 13 3 4 2. - <_> - - <_> - 11 4 6 7 -1. - <_> - 13 4 2 7 3. - <_> - - <_> - 6 8 6 4 -1. - <_> - 6 8 3 4 2. - 1 - <_> - - <_> - 10 7 12 5 -1. - <_> - 13 7 6 5 2. - <_> - - <_> - 3 5 12 3 -1. - <_> - 9 5 6 3 2. - <_> - - <_> - 13 5 4 6 -1. - <_> - 13 8 4 3 2. - <_> - - <_> - 5 5 4 6 -1. - <_> - 5 8 4 3 2. - <_> - - <_> - 13 12 6 6 -1. - <_> - 15 12 2 6 3. - <_> - - <_> - 10 2 4 10 -1. - <_> - 10 2 4 5 2. - 1 - <_> - - <_> - 13 12 6 6 -1. - <_> - 15 12 2 6 3. - <_> - - <_> - 3 12 6 6 -1. - <_> - 5 12 2 6 3. - <_> - - <_> - 11 12 6 6 -1. - <_> - 11 14 6 2 3. - <_> - - <_> - 5 12 8 6 -1. - <_> - 5 12 4 3 2. - <_> - 9 15 4 3 2. - <_> - - <_> - 5 11 12 6 -1. - <_> - 11 11 6 3 2. - <_> - 5 14 6 3 2. - <_> - - <_> - 0 9 22 8 -1. - <_> - 0 9 11 4 2. - <_> - 11 13 11 4 2. - <_> - - <_> - 6 9 13 3 -1. - <_> - 6 10 13 1 3. - <_> - - <_> - 0 2 8 6 -1. - <_> - 0 2 4 3 2. - <_> - 4 5 4 3 2. - <_> - - <_> - 4 9 16 3 -1. - <_> - 4 10 16 1 3. - <_> - - <_> - 4 9 12 3 -1. - <_> - 4 10 12 1 3. - <_> - - <_> - 16 2 5 16 -1. - <_> - 16 10 5 8 2. - <_> - - <_> - 6 13 7 4 -1. - <_> - 6 15 7 2 2. - <_> - - <_> - 1 7 20 8 -1. - <_> - 11 7 10 4 2. - <_> - 1 11 10 4 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 5 3 12 1 3. - <_> - - <_> - 13 13 6 4 -1. - <_> - 13 15 6 2 2. - <_> - - <_> - 1 0 5 8 -1. - <_> - 1 4 5 4 2. - <_> - - <_> - 5 0 13 8 -1. - <_> - 5 4 13 4 2. - <_> - - <_> - 9 1 4 8 -1. - <_> - 9 5 4 4 2. - <_> - - <_> - 11 2 8 8 -1. - <_> - 9 4 8 4 2. - 1 - <_> - - <_> - 11 2 8 8 -1. - <_> - 13 4 4 8 2. - 1 - <_> - - <_> - 8 0 14 4 -1. - <_> - 15 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 0 10 12 4 -1. - <_> - 0 10 6 2 2. - <_> - 6 12 6 2 2. - <_> - - <_> - 8 0 14 4 -1. - <_> - 15 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 3 4 16 14 -1. - <_> - 7 4 8 14 2. - <_> - - <_> - 13 13 6 4 -1. - <_> - 13 15 6 2 2. - <_> - - <_> - 3 13 6 4 -1. - <_> - 3 15 6 2 2. - <_> - - <_> - 11 5 2 10 -1. - <_> - 11 5 1 10 2. - 1 - <_> - - <_> - 11 5 10 2 -1. - <_> - 11 5 10 1 2. - 1 - <_> - - <_> - 4 0 18 4 -1. - <_> - 13 0 9 2 2. - <_> - 4 2 9 2 2. - <_> - - <_> - 6 5 4 6 -1. - <_> - 6 5 2 6 2. - 1 - <_> - - <_> - 16 6 6 6 -1. - <_> - 14 8 6 2 3. - 1 - <_> - - <_> - 6 6 6 6 -1. - <_> - 8 8 2 6 3. - 1 - <_> - - <_> - 4 0 18 12 -1. - <_> - 4 0 9 12 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 2 12 4 6 2. - <_> - - <_> - 7 12 8 6 -1. - <_> - 7 12 4 6 2. - <_> - - <_> - 7 6 3 12 -1. - <_> - 8 6 1 12 3. - <_> - - <_> - 15 5 6 6 -1. - <_> - 15 5 3 6 2. - 1 - <_> - - <_> - 2 12 8 3 -1. - <_> - 6 12 4 3 2. - <_> - - <_> - 2 6 18 3 -1. - <_> - 8 6 6 3 3. - <_> - - <_> - 0 11 22 2 -1. - <_> - 11 11 11 2 2. - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 16 6 2 2. - <_> - - <_> - 3 12 6 4 -1. - <_> - 6 12 3 4 2. - <_> - - <_> - 14 0 4 12 -1. - <_> - 14 0 4 6 2. - 1 - <_> - - <_> - 5 10 6 4 -1. - <_> - 8 10 3 4 2. - <_> - - <_> - 1 12 20 6 -1. - <_> - 11 12 10 3 2. - <_> - 1 15 10 3 2. - <_> - - <_> - 5 15 12 3 -1. - <_> - 9 15 4 3 3. - <_> - - <_> - 13 1 3 10 -1. - <_> - 13 6 3 5 2. - <_> - - <_> - 9 0 10 4 -1. - <_> - 9 0 5 4 2. - 1 - <_> - - <_> - 13 1 3 10 -1. - <_> - 13 6 3 5 2. - <_> - - <_> - 6 1 3 10 -1. - <_> - 6 6 3 5 2. - <_> - - <_> - 11 4 10 4 -1. - <_> - 11 4 10 2 2. - 1 - <_> - - <_> - 0 10 20 8 -1. - <_> - 0 10 10 4 2. - <_> - 10 14 10 4 2. - <_> - - <_> - 15 11 6 7 -1. - <_> - 17 11 2 7 3. - <_> - - <_> - 4 14 9 4 -1. - <_> - 4 16 9 2 2. - <_> - - <_> - 15 0 6 8 -1. - <_> - 15 4 6 4 2. - <_> - - <_> - 1 11 6 7 -1. - <_> - 3 11 2 7 3. - <_> - - <_> - 12 6 8 4 -1. - <_> - 12 6 8 2 2. - 1 - <_> - - <_> - 11 2 6 2 -1. - <_> - 11 2 6 1 2. - 1 - <_> - - <_> - 11 0 11 8 -1. - <_> - 11 4 11 4 2. - <_> - - <_> - 0 1 22 6 -1. - <_> - 0 1 11 3 2. - <_> - 11 4 11 3 2. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 0 1 14 7 -1. - <_> - 7 1 7 7 2. - <_> - - <_> - 16 8 4 6 -1. - <_> - 16 8 2 6 2. - 1 - <_> - - <_> - 1 11 20 7 -1. - <_> - 6 11 10 7 2. - <_> - - <_> - 13 12 4 6 -1. - <_> - 13 15 4 3 2. - <_> - - <_> - 0 3 13 3 -1. - <_> - 0 4 13 1 3. - <_> - - <_> - 6 3 12 3 -1. - <_> - 6 4 12 1 3. - <_> - - <_> - 0 4 22 10 -1. - <_> - 0 4 11 5 2. - <_> - 11 9 11 5 2. - <_> - - <_> - 14 3 8 4 -1. - <_> - 14 3 8 2 2. - 1 - <_> - - <_> - 5 5 12 6 -1. - <_> - 5 5 6 3 2. - <_> - 11 8 6 3 2. - <_> - - <_> - 11 6 6 6 -1. - <_> - 13 6 2 6 3. - <_> - - <_> - 9 4 4 13 -1. - <_> - 10 4 2 13 2. - <_> - - <_> - 11 3 3 13 -1. - <_> - 12 3 1 13 3. - <_> - - <_> - 9 5 4 6 -1. - <_> - 11 5 2 6 2. - <_> - - <_> - 7 2 12 15 -1. - <_> - 11 7 4 5 9. - <_> - - <_> - 3 2 12 15 -1. - <_> - 7 7 4 5 9. - <_> - - <_> - 5 2 12 12 -1. - <_> - 9 6 4 4 9. - <_> - - <_> - 8 5 4 12 -1. - <_> - 8 8 4 6 2. - <_> - - <_> - 8 9 8 7 -1. - <_> - 10 9 4 7 2. - <_> - - <_> - 6 9 8 7 -1. - <_> - 8 9 4 7 2. - <_> - - <_> - 0 4 22 14 -1. - <_> - 11 4 11 7 2. - <_> - 0 11 11 7 2. - <_> - - <_> - 2 12 18 6 -1. - <_> - 2 14 18 2 3. - <_> - - <_> - 6 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 11 14 9 4 -1. - <_> - 14 14 3 4 3. - <_> - - <_> - 6 14 6 4 -1. - <_> - 6 16 6 2 2. - <_> - - <_> - 15 6 6 5 -1. - <_> - 15 6 3 5 2. - 1 - <_> - - <_> - 7 6 5 6 -1. - <_> - 7 6 5 3 2. - 1 - <_> - - <_> - 13 12 8 6 -1. - <_> - 13 12 4 6 2. - <_> - - <_> - 6 10 10 8 -1. - <_> - 6 12 10 4 2. - <_> - - <_> - 2 13 18 2 -1. - <_> - 2 13 9 2 2. - <_> - - <_> - 1 15 8 3 -1. - <_> - 5 15 4 3 2. - <_> - - <_> - 14 7 6 4 -1. - <_> - 14 7 6 2 2. - 1 - <_> - - <_> - 10 0 7 2 -1. - <_> - 10 0 7 1 2. - 1 - <_> - - <_> - 17 8 4 6 -1. - <_> - 17 8 4 3 2. - 1 - <_> - - <_> - 2 0 15 9 -1. - <_> - 7 3 5 3 9. - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 3 0 16 12 -1. - <_> - 3 6 16 6 2. - <_> - - <_> - 11 0 3 10 -1. - <_> - 11 0 3 5 2. - 1 - <_> - - <_> - 0 3 22 14 -1. - <_> - 11 3 11 14 2. - <_> - - <_> - 10 3 6 7 -1. - <_> - 12 3 2 7 3. - <_> - - <_> - 11 1 11 4 -1. - <_> - 10 2 11 2 2. - 1 - <_> - - <_> - 14 7 6 4 -1. - <_> - 14 7 6 2 2. - 1 - <_> - - <_> - 5 5 4 12 -1. - <_> - 5 11 4 6 2. - <_> - - <_> - 2 6 20 9 -1. - <_> - 2 6 10 9 2. - <_> - - <_> - 1 9 18 3 -1. - <_> - 7 9 6 3 3. - <_> - - <_> - 11 6 6 6 -1. - <_> - 13 6 2 6 3. - <_> - - <_> - 8 13 6 4 -1. - <_> - 11 13 3 4 2. - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 5 6 6 6 -1. - <_> - 7 6 2 6 3. - <_> - - <_> - 15 0 3 8 -1. - <_> - 16 1 1 8 3. - 1 - <_> - - <_> - 5 8 12 3 -1. - <_> - 9 8 4 3 3. - <_> - - <_> - 2 7 18 4 -1. - <_> - 2 9 18 2 2. - <_> - - <_> - 11 1 10 4 -1. - <_> - 11 1 5 4 2. - 1 - <_> - - <_> - 15 0 3 8 -1. - <_> - 16 1 1 8 3. - 1 - <_> - - <_> - 7 0 8 3 -1. - <_> - 6 1 8 1 3. - 1 - <_> - - <_> - 10 0 12 4 -1. - <_> - 16 0 6 2 2. - <_> - 10 2 6 2 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 5 3 12 1 3. - <_> - - <_> - 8 2 14 3 -1. - <_> - 8 3 14 1 3. - <_> - - <_> - 0 0 12 4 -1. - <_> - 0 0 6 2 2. - <_> - 6 2 6 2 2. - <_> - - <_> - 8 0 14 4 -1. - <_> - 15 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 0 5 8 6 -1. - <_> - 0 5 4 3 2. - <_> - 4 8 4 3 2. - <_> - - <_> - 14 14 6 4 -1. - <_> - 14 14 3 4 2. - <_> - - <_> - 6 12 10 4 -1. - <_> - 11 12 5 4 2. - <_> - - <_> - 14 6 6 6 -1. - <_> - 12 8 6 2 3. - 1 - <_> - - <_> - 8 6 6 6 -1. - <_> - 10 8 2 6 3. - 1 - <_> - - <_> - 2 8 6 10 -1. - <_> - 2 8 3 5 2. - <_> - 5 13 3 5 2. - <_> - - <_> - 11 3 4 9 -1. - <_> - 12 4 2 9 2. - 1 - <_> - - <_> - 2 0 12 4 -1. - <_> - 2 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 11 5 3 9 -1. - <_> - 12 6 1 9 3. - 1 - <_> - - <_> - 11 3 9 4 -1. - <_> - 10 4 9 2 2. - 1 - <_> - - <_> - 13 13 8 5 -1. - <_> - 13 13 4 5 2. - <_> - - <_> - 1 13 8 5 -1. - <_> - 5 13 4 5 2. - <_> - - <_> - 7 13 8 3 -1. - <_> - 7 13 4 3 2. - <_> - - <_> - 8 13 6 4 -1. - <_> - 11 13 3 4 2. - <_> - - <_> - 11 7 3 8 -1. - <_> - 12 8 1 8 3. - 1 - <_> - - <_> - 5 1 6 8 -1. - <_> - 7 1 2 8 3. - <_> - - <_> - 14 14 6 4 -1. - <_> - 14 16 6 2 2. - <_> - - <_> - 11 7 8 3 -1. - <_> - 10 8 8 1 3. - 1 - <_> - - <_> - 12 3 3 12 -1. - <_> - 8 7 3 4 3. - 1 - <_> - - <_> - 8 5 5 6 -1. - <_> - 8 8 5 3 2. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 3 8 2 2. - 1 - <_> - - <_> - 7 5 8 6 -1. - <_> - 9 5 4 6 2. - <_> - - <_> - 11 4 6 6 -1. - <_> - 9 6 6 2 3. - 1 - <_> - - <_> - 11 4 6 6 -1. - <_> - 13 6 2 6 3. - 1 - <_> - - <_> - 12 8 6 4 -1. - <_> - 12 8 3 4 2. - 1 - <_> - - <_> - 5 15 8 3 -1. - <_> - 9 15 4 3 2. - <_> - - <_> - 0 5 22 13 -1. - <_> - 0 5 11 13 2. - <_> - - <_> - 2 12 9 6 -1. - <_> - 5 12 3 6 3. - <_> - - <_> - 19 1 3 10 -1. - <_> - 19 6 3 5 2. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 16 12 2 2. - <_> - - <_> - 10 14 10 4 -1. - <_> - 10 16 10 2 2. - <_> - - <_> - 1 3 14 3 -1. - <_> - 1 4 14 1 3. - <_> - - <_> - 3 14 16 4 -1. - <_> - 11 14 8 2 2. - <_> - 3 16 8 2 2. - <_> - - <_> - 0 14 6 4 -1. - <_> - 3 14 3 4 2. - <_> - - <_> - 10 1 11 4 -1. - <_> - 10 3 11 2 2. - <_> - - <_> - 1 1 11 4 -1. - <_> - 1 3 11 2 2. - <_> - - <_> - 9 3 6 6 -1. - <_> - 9 5 6 2 3. - <_> - - <_> - 4 5 12 3 -1. - <_> - 4 6 12 1 3. - <_> - - <_> - 12 0 7 6 -1. - <_> - 12 3 7 3 2. - <_> - - <_> - 1 3 16 4 -1. - <_> - 1 4 16 2 2. - <_> - - <_> - 4 9 15 3 -1. - <_> - 4 10 15 1 3. - <_> - - <_> - 2 4 18 6 -1. - <_> - 2 4 9 3 2. - <_> - 11 7 9 3 2. - <_> - - <_> - 13 5 4 13 -1. - <_> - 14 5 2 13 2. - <_> - - <_> - 4 6 6 4 -1. - <_> - 4 8 6 2 2. - <_> - - <_> - 8 7 6 5 -1. - <_> - 8 7 3 5 2. - <_> - - <_> - 10 8 4 6 -1. - <_> - 10 8 4 3 2. - 1 - <_> - - <_> - 6 12 12 4 -1. - <_> - 6 12 6 4 2. - <_> - - <_> - 3 11 10 3 -1. - <_> - 8 11 5 3 2. - <_> - - <_> - 12 2 3 12 -1. - <_> - 12 2 3 6 2. - 1 - <_> - - <_> - 0 2 14 16 -1. - <_> - 7 2 7 16 2. - <_> - - <_> - 1 5 20 4 -1. - <_> - 6 5 10 4 2. - <_> - - <_> - 0 1 18 15 -1. - <_> - 9 1 9 15 2. - <_> - - <_> - 15 2 6 8 -1. - <_> - 15 4 6 4 2. - <_> - - <_> - 4 14 13 4 -1. - <_> - 4 15 13 2 2. - <_> - - <_> - 11 2 3 12 -1. - <_> - 12 2 1 12 3. - <_> - - <_> - 0 16 15 2 -1. - <_> - 0 17 15 1 2. - <_> - - <_> - 12 14 6 4 -1. - <_> - 12 16 6 2 2. - <_> - - <_> - 5 13 12 4 -1. - <_> - 5 14 12 2 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 12 14 6 2 3. - <_> - - <_> - 0 9 15 3 -1. - <_> - 0 10 15 1 3. - <_> - - <_> - 6 9 14 3 -1. - <_> - 6 10 14 1 3. - <_> - - <_> - 4 12 7 6 -1. - <_> - 4 14 7 2 3. - <_> - - <_> - 6 6 10 6 -1. - <_> - 11 6 5 3 2. - <_> - 6 9 5 3 2. - <_> - - <_> - 3 0 16 2 -1. - <_> - 3 0 8 2 2. - 1 - <_> - - <_> - 5 9 12 9 -1. - <_> - 5 12 12 3 3. - <_> - - <_> - 6 9 10 6 -1. - <_> - 6 12 10 3 2. - <_> - - <_> - 7 4 8 6 -1. - <_> - 7 6 8 2 3. - <_> - - <_> - 6 5 3 12 -1. - <_> - 6 11 3 6 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 14 12 2 6 3. - <_> - - <_> - 6 15 8 3 -1. - <_> - 10 15 4 3 2. - <_> - - <_> - 4 13 14 4 -1. - <_> - 4 15 14 2 2. - <_> - - <_> - 10 4 11 3 -1. - <_> - 9 5 11 1 3. - 1 - <_> - - <_> - 11 4 4 9 -1. - <_> - 12 5 2 9 2. - 1 - <_> - - <_> - 0 8 13 3 -1. - <_> - 0 9 13 1 3. - <_> - - <_> - 13 2 6 10 -1. - <_> - 16 2 3 5 2. - <_> - 13 7 3 5 2. - <_> - - <_> - 3 2 6 10 -1. - <_> - 3 2 3 5 2. - <_> - 6 7 3 5 2. - <_> - - <_> - 11 2 4 11 -1. - <_> - 11 2 2 11 2. - 1 - <_> - - <_> - 4 2 12 3 -1. - <_> - 4 3 12 1 3. - <_> - - <_> - 12 1 4 12 -1. - <_> - 12 1 2 12 2. - 1 - <_> - - <_> - 11 2 11 4 -1. - <_> - 11 2 11 2 2. - 1 - <_> - - <_> - 11 0 4 9 -1. - <_> - 11 0 2 9 2. - 1 - <_> - - <_> - 11 0 9 4 -1. - <_> - 11 0 9 2 2. - 1 - <_> - - <_> - 16 2 6 10 -1. - <_> - 19 2 3 5 2. - <_> - 16 7 3 5 2. - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 11 0 3 8 -1. - <_> - 12 1 1 8 3. - 1 - <_> - - <_> - 11 0 8 3 -1. - <_> - 10 1 8 1 3. - 1 - <_> - - <_> - 17 1 4 12 -1. - <_> - 19 1 2 6 2. - <_> - 17 7 2 6 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 6 6 2 2. - <_> - - <_> - 8 5 8 5 -1. - <_> - 8 5 4 5 2. - <_> - - <_> - 8 4 6 13 -1. - <_> - 10 4 2 13 3. - <_> - - <_> - 16 3 6 8 -1. - <_> - 19 3 3 4 2. - <_> - 16 7 3 4 2. - <_> - - <_> - 0 3 6 8 -1. - <_> - 0 3 3 4 2. - <_> - 3 7 3 4 2. - <_> - - <_> - 10 9 12 4 -1. - <_> - 16 9 6 2 2. - <_> - 10 11 6 2 2. - <_> - - <_> - 1 2 9 12 -1. - <_> - 4 6 3 4 9. - <_> - - <_> - 15 12 4 6 -1. - <_> - 15 12 2 6 2. - <_> - - <_> - 5 15 12 3 -1. - <_> - 11 15 6 3 2. - <_> - - <_> - 2 16 20 2 -1. - <_> - 2 16 10 2 2. - <_> - - <_> - 1 8 10 6 -1. - <_> - 1 8 5 3 2. - <_> - 6 11 5 3 2. - <_> - - <_> - 6 3 16 14 -1. - <_> - 14 3 8 7 2. - <_> - 6 10 8 7 2. - <_> - - <_> - 1 4 6 8 -1. - <_> - 1 4 3 4 2. - <_> - 4 8 3 4 2. - <_> - - <_> - 7 2 12 4 -1. - <_> - 7 3 12 2 2. - <_> - - <_> - 1 9 6 9 -1. - <_> - 4 9 3 9 2. - <_> - - <_> - 12 14 10 4 -1. - <_> - 12 14 5 4 2. - <_> - - <_> - 2 12 12 5 -1. - <_> - 5 12 6 5 2. - <_> - - <_> - 15 12 6 6 -1. - <_> - 17 12 2 6 3. - <_> - - <_> - 1 12 6 6 -1. - <_> - 3 12 2 6 3. - <_> - - <_> - 8 12 6 6 -1. - <_> - 10 12 2 6 3. - <_> - - <_> - 5 2 12 16 -1. - <_> - 5 10 12 8 2. - <_> - - <_> - 4 2 18 14 -1. - <_> - 4 9 18 7 2. - <_> - - <_> - 5 4 12 14 -1. - <_> - 5 11 12 7 2. - <_> - - <_> - 2 5 20 8 -1. - <_> - 7 5 10 8 2. - <_> - - <_> - 8 0 10 7 -1. - <_> - 8 0 5 7 2. - 1 - <_> - - <_> - 12 0 5 8 -1. - <_> - 12 0 5 4 2. - 1 - <_> - - <_> - 7 4 6 13 -1. - <_> - 10 4 3 13 2. - <_> - - <_> - 7 14 8 4 -1. - <_> - 7 16 8 2 2. - <_> - - <_> - 8 0 3 12 -1. - <_> - 9 0 1 12 3. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 4 0 3 12 -1. - <_> - 4 4 3 4 3. - <_> - - <_> - 11 3 3 15 -1. - <_> - 12 3 1 15 3. - <_> - - <_> - 5 12 7 6 -1. - <_> - 5 14 7 2 3. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 8 6 3 12 -1. - <_> - 9 6 1 12 3. - <_> - - <_> - 5 16 12 2 -1. - <_> - 5 16 6 2 2. - <_> - - <_> - 1 12 20 6 -1. - <_> - 6 12 10 6 2. - <_> - - <_> - 8 11 9 4 -1. - <_> - 11 11 3 4 3. - <_> - - <_> - 5 11 9 4 -1. - <_> - 8 11 3 4 3. - <_> - - <_> - 11 6 9 12 -1. - <_> - 14 10 3 4 9. - <_> - - <_> - 2 6 9 12 -1. - <_> - 5 10 3 4 9. - <_> - - <_> - 5 9 12 2 -1. - <_> - 5 10 12 1 2. - <_> - - <_> - 0 3 16 3 -1. - <_> - 4 3 8 3 2. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 0 2 14 3 -1. - <_> - 0 3 14 1 3. - <_> - - <_> - 10 2 12 3 -1. - <_> - 10 3 12 1 3. - <_> - - <_> - 5 14 12 3 -1. - <_> - 11 14 6 3 2. - <_> - - <_> - 8 13 8 3 -1. - <_> - 8 13 4 3 2. - <_> - - <_> - 9 2 4 8 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 15 1 3 11 -1. - <_> - 16 2 1 11 3. - 1 - <_> - - <_> - 8 1 10 4 -1. - <_> - 7 2 10 2 2. - 1 - <_> - - <_> - 5 5 15 3 -1. - <_> - 5 6 15 1 3. - <_> - - <_> - 5 1 9 5 -1. - <_> - 8 1 3 5 3. - <_> - - <_> - 14 0 4 18 -1. - <_> - 15 0 2 18 2. - <_> - - <_> - 6 0 5 16 -1. - <_> - 6 8 5 8 2. - <_> - - <_> - 12 4 4 8 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 11 4 10 2 -1. - <_> - 11 4 10 1 2. - 1 - <_> - - <_> - 10 0 12 3 -1. - <_> - 14 0 4 3 3. - <_> - - <_> - 0 2 20 13 -1. - <_> - 5 2 10 13 2. - <_> - - <_> - 12 4 4 8 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 6 4 4 8 -1. - <_> - 6 8 4 4 2. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 8 6 3 12 -1. - <_> - 9 6 1 12 3. - <_> - - <_> - 7 1 14 2 -1. - <_> - 7 1 7 2 2. - <_> - - <_> - 4 8 14 10 -1. - <_> - 4 13 14 5 2. - <_> - - <_> - 11 14 9 4 -1. - <_> - 14 14 3 4 3. - <_> - - <_> - 1 7 17 8 -1. - <_> - 1 11 17 4 2. - <_> - - <_> - 10 12 7 6 -1. - <_> - 10 15 7 3 2. - <_> - - <_> - 10 1 8 9 -1. - <_> - 10 1 4 9 2. - 1 - <_> - - <_> - 11 2 4 11 -1. - <_> - 11 2 2 11 2. - 1 - <_> - - <_> - 6 9 4 9 -1. - <_> - 8 9 2 9 2. - <_> - - <_> - 8 3 12 4 -1. - <_> - 14 3 6 2 2. - <_> - 8 5 6 2 2. - <_> - - <_> - 5 14 7 4 -1. - <_> - 5 16 7 2 2. - <_> - - <_> - 13 0 4 13 -1. - <_> - 13 0 2 13 2. - 1 - <_> - - <_> - 9 0 13 4 -1. - <_> - 9 0 13 2 2. - 1 - <_> - - <_> - 12 9 4 9 -1. - <_> - 12 12 4 3 3. - <_> - - <_> - 7 4 12 2 -1. - <_> - 7 4 12 1 2. - 1 - <_> - - <_> - 12 5 10 6 -1. - <_> - 17 5 5 3 2. - <_> - 12 8 5 3 2. - <_> - - <_> - 1 0 17 3 -1. - <_> - 1 1 17 1 3. - <_> - - <_> - 15 4 6 8 -1. - <_> - 18 4 3 4 2. - <_> - 15 8 3 4 2. - <_> - - <_> - 3 2 4 14 -1. - <_> - 3 2 2 7 2. - <_> - 5 9 2 7 2. - <_> - - <_> - 14 8 6 4 -1. - <_> - 14 8 6 2 2. - 1 - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - 1 - <_> - - <_> - 12 1 4 16 -1. - <_> - 14 1 2 8 2. - <_> - 12 9 2 8 2. - <_> - - <_> - 7 0 6 8 -1. - <_> - 7 0 3 4 2. - <_> - 10 4 3 4 2. - <_> - - <_> - 8 12 6 5 -1. - <_> - 8 12 3 5 2. - <_> - - <_> - 7 5 6 12 -1. - <_> - 7 5 3 6 2. - <_> - 10 11 3 6 2. - <_> - - <_> - 15 5 6 6 -1. - <_> - 15 5 3 6 2. - 1 - <_> - - <_> - 6 10 3 8 -1. - <_> - 6 14 3 4 2. - <_> - - <_> - 4 0 14 3 -1. - <_> - 4 1 14 1 3. - <_> - - <_> - 0 9 8 3 -1. - <_> - 4 9 4 3 2. - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 3 0 10 10 -1. - <_> - 3 0 5 5 2. - <_> - 8 5 5 5 2. - <_> - - <_> - 5 13 12 4 -1. - <_> - 5 13 6 4 2. - <_> - - <_> - 6 12 10 3 -1. - <_> - 11 12 5 3 2. - <_> - - <_> - 12 15 10 3 -1. - <_> - 12 15 5 3 2. - <_> - - <_> - 0 15 10 3 -1. - <_> - 5 15 5 3 2. - <_> - - <_> - 3 0 17 14 -1. - <_> - 3 7 17 7 2. - <_> - - <_> - 9 0 4 16 -1. - <_> - 9 0 2 8 2. - <_> - 11 8 2 8 2. - <_> - - <_> - 11 4 6 8 -1. - <_> - 11 8 6 4 2. - <_> - - <_> - 0 9 12 3 -1. - <_> - 0 10 12 1 3. - <_> - - <_> - 1 5 20 8 -1. - <_> - 11 5 10 4 2. - <_> - 1 9 10 4 2. - <_> - - <_> - 1 8 13 3 -1. - <_> - 1 9 13 1 3. - <_> - - <_> - 8 8 14 3 -1. - <_> - 8 9 14 1 3. - <_> - - <_> - 4 16 14 2 -1. - <_> - 4 17 14 1 2. - <_> - - <_> - 11 1 3 6 -1. - <_> - 12 2 1 6 3. - 1 - <_> - - <_> - 11 1 6 3 -1. - <_> - 10 2 6 1 3. - 1 - <_> - - <_> - 13 1 6 10 -1. - <_> - 16 1 3 5 2. - <_> - 13 6 3 5 2. - <_> - - <_> - 11 0 10 3 -1. - <_> - 10 1 10 1 3. - 1 - <_> - - <_> - 12 1 3 12 -1. - <_> - 13 2 1 12 3. - 1 - <_> - - <_> - 10 1 12 3 -1. - <_> - 9 2 12 1 3. - 1 - <_> - - <_> - 13 1 6 10 -1. - <_> - 16 1 3 5 2. - <_> - 13 6 3 5 2. - <_> - - <_> - 3 1 6 10 -1. - <_> - 3 1 3 5 2. - <_> - 6 6 3 5 2. - <_> - - <_> - 14 7 6 10 -1. - <_> - 17 7 3 5 2. - <_> - 14 12 3 5 2. - <_> - - <_> - 3 2 6 8 -1. - <_> - 3 2 3 4 2. - <_> - 6 6 3 4 2. - <_> - - <_> - 11 14 9 4 -1. - <_> - 14 14 3 4 3. - <_> - - <_> - 1 8 15 8 -1. - <_> - 1 12 15 4 2. - <_> - - <_> - 9 12 8 4 -1. - <_> - 9 14 8 2 2. - <_> - - <_> - 6 5 7 6 -1. - <_> - 6 7 7 2 3. - <_> - - <_> - 9 5 6 5 -1. - <_> - 9 5 3 5 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 2 12 4 6 2. - <_> - - <_> - 14 8 6 4 -1. - <_> - 14 8 3 4 2. - 1 - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 4 3 2. - 1 - <_> - - <_> - 9 4 6 8 -1. - <_> - 11 4 2 8 3. - <_> - - <_> - 7 4 6 8 -1. - <_> - 9 4 2 8 3. - <_> - - <_> - 0 15 10 3 -1. - <_> - 5 15 5 3 2. - <_> - - <_> - 11 5 3 9 -1. - <_> - 12 6 1 9 3. - 1 - <_> - - <_> - 11 5 9 3 -1. - <_> - 10 6 9 1 3. - 1 - <_> - - <_> - 12 6 8 4 -1. - <_> - 12 6 8 2 2. - 1 - <_> - - <_> - 10 6 4 8 -1. - <_> - 10 6 2 8 2. - 1 - <_> - - <_> - 13 0 5 12 -1. - <_> - 13 0 5 6 2. - 1 - <_> - - <_> - 1 3 12 4 -1. - <_> - 4 3 6 4 2. - <_> - - <_> - 15 7 6 5 -1. - <_> - 15 7 3 5 2. - <_> - - <_> - 1 7 12 3 -1. - <_> - 1 8 12 1 3. - <_> - - <_> - 15 7 6 5 -1. - <_> - 15 7 3 5 2. - <_> - - <_> - 1 7 6 5 -1. - <_> - 4 7 3 5 2. - <_> - - <_> - 12 13 6 4 -1. - <_> - 12 15 6 2 2. - <_> - - <_> - 5 12 12 6 -1. - <_> - 5 12 6 3 2. - <_> - 11 15 6 3 2. - <_> - - <_> - 11 5 2 9 -1. - <_> - 11 5 1 9 2. - 1 - <_> - - <_> - 11 5 9 2 -1. - <_> - 11 5 9 1 2. - 1 - <_> - - <_> - 10 12 9 4 -1. - <_> - 13 12 3 4 3. - <_> - - <_> - 8 6 6 6 -1. - <_> - 8 6 6 3 2. - 1 - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 0 2 14 3 -1. - <_> - 0 3 14 1 3. - <_> - - <_> - 8 2 12 3 -1. - <_> - 8 3 12 1 3. - <_> - - <_> - 8 7 5 6 -1. - <_> - 8 7 5 3 2. - 1 - <_> - - <_> - 12 6 8 3 -1. - <_> - 12 6 4 3 2. - 1 - <_> - - <_> - 4 10 4 6 -1. - <_> - 6 10 2 6 2. - <_> - - <_> - 1 11 20 4 -1. - <_> - 6 11 10 4 2. - <_> - - <_> - 6 10 8 7 -1. - <_> - 8 10 4 7 2. - <_> - - <_> - 11 3 3 9 -1. - <_> - 12 4 1 9 3. - 1 - <_> - - <_> - 0 8 22 4 -1. - <_> - 11 8 11 4 2. - <_> - - <_> - 3 10 16 3 -1. - <_> - 3 10 8 3 2. - <_> - - <_> - 11 3 9 3 -1. - <_> - 10 4 9 1 3. - 1 - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 7 12 4 6 -1. - <_> - 9 12 2 6 2. - <_> - - <_> - 9 12 6 6 -1. - <_> - 9 12 3 6 2. - <_> - - <_> - 2 13 16 5 -1. - <_> - 10 13 8 5 2. - <_> - - <_> - 12 12 8 3 -1. - <_> - 12 12 4 3 2. - <_> - - <_> - 10 4 12 2 -1. - <_> - 10 4 6 2 2. - 1 - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 3 4 4 2. - 1 - <_> - - <_> - 4 6 10 3 -1. - <_> - 9 6 5 3 2. - <_> - - <_> - 10 1 6 8 -1. - <_> - 13 1 3 4 2. - <_> - 10 5 3 4 2. - <_> - - <_> - 11 1 6 6 -1. - <_> - 11 1 6 3 2. - 1 - <_> - - <_> - 11 6 6 4 -1. - <_> - 11 8 6 2 2. - <_> - - <_> - 2 2 12 3 -1. - <_> - 2 3 12 1 3. - <_> - - <_> - 11 3 8 4 -1. - <_> - 11 3 4 4 2. - 1 - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 0 4 3 2. - <_> - 5 3 4 3 2. - <_> - - <_> - 8 3 14 3 -1. - <_> - 8 4 14 1 3. - <_> - - <_> - 11 3 4 8 -1. - <_> - 11 3 4 4 2. - 1 - <_> - - <_> - 6 0 12 10 -1. - <_> - 9 0 6 10 2. - <_> - - <_> - 4 16 14 2 -1. - <_> - 4 17 14 1 2. - <_> - - <_> - 10 11 12 3 -1. - <_> - 10 12 12 1 3. - <_> - - <_> - 3 0 4 6 -1. - <_> - 5 0 2 6 2. - <_> - - <_> - 16 12 6 4 -1. - <_> - 16 12 3 4 2. - <_> - - <_> - 0 13 10 4 -1. - <_> - 5 13 5 4 2. - <_> - - <_> - 3 1 16 4 -1. - <_> - 11 1 8 2 2. - <_> - 3 3 8 2 2. - <_> - - <_> - 0 1 11 4 -1. - <_> - 0 3 11 2 2. - <_> - - <_> - 6 8 11 6 -1. - <_> - 6 11 11 3 2. - <_> - - <_> - 8 5 5 10 -1. - <_> - 8 10 5 5 2. - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 5 4 3 2. - <_> - - <_> - 2 3 12 6 -1. - <_> - 2 3 6 3 2. - <_> - 8 6 6 3 2. - <_> - - <_> - 13 3 7 9 -1. - <_> - 13 6 7 3 3. - <_> - - <_> - 2 3 7 9 -1. - <_> - 2 6 7 3 3. - <_> - - <_> - 11 0 3 6 -1. - <_> - 12 1 1 6 3. - 1 - <_> - - <_> - 3 3 13 3 -1. - <_> - 3 4 13 1 3. - <_> - - <_> - 8 3 14 3 -1. - <_> - 8 4 14 1 3. - <_> - - <_> - 3 6 7 12 -1. - <_> - 3 9 7 6 2. - <_> - - <_> - 12 13 6 4 -1. - <_> - 12 15 6 2 2. - <_> - - <_> - 4 13 6 4 -1. - <_> - 4 15 6 2 2. - <_> - - <_> - 6 1 15 2 -1. - <_> - 6 2 15 1 2. - <_> - - <_> - 4 3 3 12 -1. - <_> - 5 3 1 12 3. - <_> - - <_> - 14 4 2 12 -1. - <_> - 14 4 2 6 2. - 1 - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 4 9 14 5 -1. - <_> - 4 9 7 5 2. - <_> - - <_> - 11 2 10 3 -1. - <_> - 10 3 10 1 3. - 1 - <_> - - <_> - 9 12 7 6 -1. - <_> - 9 14 7 2 3. - <_> - - <_> - 1 8 8 10 -1. - <_> - 1 8 4 5 2. - <_> - 5 13 4 5 2. - <_> - - <_> - 5 5 12 5 -1. - <_> - 9 5 4 5 3. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - 1 - <_> - - <_> - 7 6 8 10 -1. - <_> - 7 11 8 5 2. - <_> - - <_> - 6 14 6 4 -1. - <_> - 9 14 3 4 2. - <_> - - <_> - 5 15 12 2 -1. - <_> - 5 16 12 1 2. - <_> - - <_> - 6 4 10 6 -1. - <_> - 6 6 10 2 3. - <_> - - <_> - 9 12 8 6 -1. - <_> - 9 14 8 2 3. - <_> - - <_> - 1 11 20 5 -1. - <_> - 6 11 10 5 2. - <_> - - <_> - 10 8 8 4 -1. - <_> - 10 8 4 4 2. - <_> - - <_> - 2 4 18 6 -1. - <_> - 2 6 18 2 3. - <_> - - <_> - 8 4 12 11 -1. - <_> - 8 4 6 11 2. - <_> - - <_> - 11 5 11 2 -1. - <_> - 11 5 11 1 2. - 1 - <_> - - <_> - 3 6 18 9 -1. - <_> - 9 9 6 3 9. - <_> - - <_> - 3 2 10 9 -1. - <_> - 8 2 5 9 2. - <_> - - <_> - 14 5 6 6 -1. - <_> - 16 5 2 6 3. - <_> - - <_> - 5 5 12 6 -1. - <_> - 8 5 6 6 2. - <_> - - <_> - 11 3 10 4 -1. - <_> - 11 3 5 4 2. - 1 - <_> - - <_> - 6 3 8 6 -1. - <_> - 6 3 4 3 2. - <_> - 10 6 4 3 2. - <_> - - <_> - 16 0 3 15 -1. - <_> - 16 5 3 5 3. - <_> - - <_> - 3 0 3 15 -1. - <_> - 3 5 3 5 3. - <_> - - <_> - 5 2 12 16 -1. - <_> - 8 2 6 16 2. - <_> - - <_> - 6 8 4 6 -1. - <_> - 8 8 2 6 2. - <_> - - <_> - 5 9 13 9 -1. - <_> - 5 12 13 3 3. - <_> - - <_> - 11 7 8 3 -1. - <_> - 11 7 4 3 2. - 1 - <_> - - <_> - 7 0 9 4 -1. - <_> - 10 0 3 4 3. - <_> - - <_> - 7 6 6 5 -1. - <_> - 10 6 3 5 2. - <_> - - <_> - 2 7 18 6 -1. - <_> - 8 9 6 2 9. - <_> - - <_> - 11 4 10 3 -1. - <_> - 10 5 10 1 3. - 1 - <_> - - <_> - 13 14 8 4 -1. - <_> - 13 16 8 2 2. - <_> - - <_> - 1 14 8 4 -1. - <_> - 1 16 8 2 2. - <_> - - <_> - 11 4 3 10 -1. - <_> - 12 5 1 10 3. - 1 - <_> - - <_> - 11 4 10 3 -1. - <_> - 10 5 10 1 3. - 1 - <_> - - <_> - 2 12 18 6 -1. - <_> - 11 12 9 3 2. - <_> - 2 15 9 3 2. - <_> - - <_> - 5 2 8 6 -1. - <_> - 5 2 4 3 2. - <_> - 9 5 4 3 2. - <_> - - <_> - 8 14 6 4 -1. - <_> - 8 16 6 2 2. - <_> - - <_> - 1 10 6 8 -1. - <_> - 1 10 3 4 2. - <_> - 4 14 3 4 2. - <_> - - <_> - 7 2 15 9 -1. - <_> - 12 5 5 3 9. - <_> - - <_> - 0 2 15 9 -1. - <_> - 5 5 5 3 9. - <_> - - <_> - 10 5 6 7 -1. - <_> - 12 5 2 7 3. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 14 6 2 2. - <_> - 11 16 6 2 2. - <_> - - <_> - 10 1 12 3 -1. - <_> - 10 2 12 1 3. - <_> - - <_> - 8 1 3 12 -1. - <_> - 9 1 1 12 3. - <_> - - <_> - 14 2 6 7 -1. - <_> - 14 2 3 7 2. - <_> - - <_> - 1 0 12 9 -1. - <_> - 5 3 4 3 9. - <_> - - <_> - 8 3 7 6 -1. - <_> - 8 6 7 3 2. - <_> - - <_> - 1 12 20 3 -1. - <_> - 6 12 10 3 2. - <_> - - <_> - 5 2 12 16 -1. - <_> - 5 6 12 8 2. - <_> - - <_> - 4 3 7 6 -1. - <_> - 4 6 7 3 2. - <_> - - <_> - 9 5 6 6 -1. - <_> - 11 5 2 6 3. - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 8 1 2. - 1 - <_> - - <_> - 5 14 12 2 -1. - <_> - 5 15 12 1 2. - <_> - - <_> - 3 11 16 6 -1. - <_> - 3 13 16 2 3. - <_> - - <_> - 11 5 3 8 -1. - <_> - 11 5 3 4 2. - 1 - <_> - - <_> - 2 15 12 3 -1. - <_> - 8 15 6 3 2. - <_> - - <_> - 4 13 15 3 -1. - <_> - 9 13 5 3 3. - <_> - - <_> - 2 3 12 4 -1. - <_> - 2 3 6 2 2. - <_> - 8 5 6 2 2. - <_> - - <_> - 17 5 4 7 -1. - <_> - 17 5 2 7 2. - 1 - <_> - - <_> - 5 4 7 4 -1. - <_> - 5 4 7 2 2. - 1 - <_> - - <_> - 2 2 18 3 -1. - <_> - 8 2 6 3 3. - <_> - - <_> - 2 2 18 9 -1. - <_> - 8 5 6 3 9. - <_> - - <_> - 15 6 6 4 -1. - <_> - 15 6 3 4 2. - <_> - - <_> - 0 1 12 3 -1. - <_> - 0 2 12 1 3. - <_> - - <_> - 16 2 6 4 -1. - <_> - 16 2 6 2 2. - 1 - <_> - - <_> - 0 9 14 6 -1. - <_> - 7 9 7 6 2. - <_> - - <_> - 13 5 8 4 -1. - <_> - 13 5 4 4 2. - 1 - <_> - - <_> - 9 5 4 8 -1. - <_> - 9 5 4 4 2. - 1 - <_> - - <_> - 12 4 3 14 -1. - <_> - 12 11 3 7 2. - <_> - - <_> - 1 13 20 5 -1. - <_> - 6 13 10 5 2. - <_> - - <_> - 12 4 3 14 -1. - <_> - 12 11 3 7 2. - <_> - - <_> - 7 4 3 14 -1. - <_> - 7 11 3 7 2. - <_> - - <_> - 16 2 6 4 -1. - <_> - 16 2 6 2 2. - 1 - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 2 2 6 2. - 1 - <_> - - <_> - 7 4 15 14 -1. - <_> - 7 11 15 7 2. - <_> - - <_> - 1 16 16 2 -1. - <_> - 1 17 16 1 2. - <_> - - <_> - 0 6 12 4 -1. - <_> - 3 6 6 4 2. - <_> - - <_> - 6 9 10 9 -1. - <_> - 6 12 10 3 3. - <_> - - <_> - 0 6 6 5 -1. - <_> - 3 6 3 5 2. - <_> - - <_> - 11 14 7 4 -1. - <_> - 11 16 7 2 2. - <_> - - <_> - 7 8 8 2 -1. - <_> - 7 8 8 1 2. - 1 - <_> - - <_> - 10 13 7 4 -1. - <_> - 10 15 7 2 2. - <_> - - <_> - 1 16 20 2 -1. - <_> - 11 16 10 2 2. - <_> - - <_> - 5 12 14 4 -1. - <_> - 5 12 7 4 2. - <_> - - <_> - 8 8 4 6 -1. - <_> - 8 8 2 6 2. - 1 - <_> - - <_> - 17 2 2 14 -1. - <_> - 17 2 2 7 2. - 1 - <_> - - <_> - 7 1 8 4 -1. - <_> - 11 1 4 4 2. - <_> - - <_> - 5 7 12 3 -1. - <_> - 9 7 4 3 3. - <_> - - <_> - 2 14 6 4 -1. - <_> - 5 14 3 4 2. - <_> - - <_> - 10 9 12 4 -1. - <_> - 16 9 6 2 2. - <_> - 10 11 6 2 2. - <_> - - <_> - 6 14 9 4 -1. - <_> - 9 14 3 4 3. - <_> - - <_> - 11 9 2 6 -1. - <_> - 11 9 1 6 2. - 1 - <_> - - <_> - 3 9 14 9 -1. - <_> - 3 12 14 3 3. - <_> - - <_> - 5 10 16 6 -1. - <_> - 5 12 16 2 3. - <_> - - <_> - 5 12 10 6 -1. - <_> - 5 12 5 3 2. - <_> - 10 15 5 3 2. - <_> - - <_> - 4 13 18 5 -1. - <_> - 4 13 9 5 2. - <_> - - <_> - 0 13 18 5 -1. - <_> - 9 13 9 5 2. - <_> - - <_> - 4 9 16 3 -1. - <_> - 4 10 16 1 3. - <_> - - <_> - 5 1 15 2 -1. - <_> - 5 1 15 1 2. - 1 - <_> - - <_> - 13 5 2 9 -1. - <_> - 13 5 1 9 2. - 1 - <_> - - <_> - 9 5 9 2 -1. - <_> - 9 5 9 1 2. - 1 - <_> - - <_> - 1 11 20 5 -1. - <_> - 6 11 10 5 2. - <_> - - <_> - 3 9 13 3 -1. - <_> - 3 10 13 1 3. - <_> - - <_> - 18 5 4 12 -1. - <_> - 20 5 2 6 2. - <_> - 18 11 2 6 2. - <_> - - <_> - 4 12 5 6 -1. - <_> - 4 15 5 3 2. - <_> - - <_> - 15 1 2 8 -1. - <_> - 15 1 1 8 2. - 1 - <_> - - <_> - 7 1 8 2 -1. - <_> - 7 1 8 1 2. - 1 - <_> - - <_> - 18 5 4 12 -1. - <_> - 20 5 2 6 2. - <_> - 18 11 2 6 2. - <_> - - <_> - 10 4 10 2 -1. - <_> - 10 4 10 1 2. - 1 - <_> - - <_> - 2 4 20 4 -1. - <_> - 7 4 10 4 2. - <_> - - <_> - 1 9 8 3 -1. - <_> - 5 9 4 3 2. - <_> - - <_> - 18 5 4 12 -1. - <_> - 20 5 2 6 2. - <_> - 18 11 2 6 2. - <_> - - <_> - 0 5 4 12 -1. - <_> - 0 5 2 6 2. - <_> - 2 11 2 6 2. - <_> - - <_> - 6 0 14 18 -1. - <_> - 6 9 14 9 2. - <_> - - <_> - 4 4 12 3 -1. - <_> - 4 5 12 1 3. - <_> - - <_> - 8 4 14 3 -1. - <_> - 8 5 14 1 3. - <_> - - <_> - 4 13 14 3 -1. - <_> - 4 14 14 1 3. - <_> - - <_> - 8 2 6 14 -1. - <_> - 11 2 3 7 2. - <_> - 8 9 3 7 2. - <_> - - <_> - 0 13 15 4 -1. - <_> - 0 14 15 2 2. - <_> - - <_> - 11 14 7 4 -1. - <_> - 11 16 7 2 2. - <_> - - <_> - 11 7 7 3 -1. - <_> - 10 8 7 1 3. - 1 - <_> - - <_> - 10 6 6 6 -1. - <_> - 10 9 6 3 2. - <_> - - <_> - 2 0 4 14 -1. - <_> - 2 0 2 7 2. - <_> - 4 7 2 7 2. - <_> - - <_> - 2 6 18 5 -1. - <_> - 8 6 6 5 3. - <_> - - <_> - 2 0 18 18 -1. - <_> - 8 0 6 18 3. - <_> - - <_> - 13 1 4 8 -1. - <_> - 14 2 2 8 2. - 1 - <_> - - <_> - 4 0 12 18 -1. - <_> - 4 0 6 9 2. - <_> - 10 9 6 9 2. - <_> - - <_> - 12 14 6 4 -1. - <_> - 12 16 6 2 2. - <_> - - <_> - 4 14 6 4 -1. - <_> - 4 16 6 2 2. - <_> - - <_> - 11 8 2 6 -1. - <_> - 11 8 1 6 2. - 1 - <_> - - <_> - 1 10 20 6 -1. - <_> - 1 10 10 3 2. - <_> - 11 13 10 3 2. - <_> - - <_> - 13 1 7 9 -1. - <_> - 10 4 7 3 3. - 1 - <_> - - <_> - 5 3 4 6 -1. - <_> - 5 6 4 3 2. - <_> - - <_> - 13 0 2 12 -1. - <_> - 13 6 2 6 2. - <_> - - <_> - 7 11 8 3 -1. - <_> - 11 11 4 3 2. - <_> - - <_> - 9 6 12 11 -1. - <_> - 12 6 6 11 2. - <_> - - <_> - 6 8 10 9 -1. - <_> - 11 8 5 9 2. - <_> - - <_> - 11 14 6 4 -1. - <_> - 11 14 3 4 2. - <_> - - <_> - 3 6 12 4 -1. - <_> - 7 6 4 4 3. - <_> - - <_> - 10 5 6 7 -1. - <_> - 12 5 2 7 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 11 0 3 4 2. - <_> - - <_> - 10 6 6 12 -1. - <_> - 12 6 2 12 3. - <_> - - <_> - 6 6 6 12 -1. - <_> - 8 6 2 12 3. - <_> - - <_> - 6 9 9 6 -1. - <_> - 6 12 9 3 2. - <_> - - <_> - 14 6 6 6 -1. - <_> - 14 6 6 3 2. - 1 - <_> - - <_> - 1 13 20 5 -1. - <_> - 6 13 10 5 2. - <_> - - <_> - 8 14 6 4 -1. - <_> - 8 16 6 2 2. - <_> - - <_> - 4 7 8 3 -1. - <_> - 4 7 4 3 2. - 1 - <_> - - <_> - 16 0 2 15 -1. - <_> - 16 0 1 15 2. - 1 - <_> - - <_> - 9 3 12 2 -1. - <_> - 9 3 12 1 2. - 1 - <_> - - <_> - 7 1 8 6 -1. - <_> - 9 1 4 6 2. - <_> - - <_> - 6 15 8 3 -1. - <_> - 10 15 4 3 2. - <_> - - <_> - 8 3 6 6 -1. - <_> - 10 3 2 6 3. - <_> - - <_> - 1 1 16 3 -1. - <_> - 1 2 16 1 3. - <_> - - <_> - 9 1 12 3 -1. - <_> - 9 2 12 1 3. - <_> - - <_> - 0 0 22 6 -1. - <_> - 0 0 11 3 2. - <_> - 11 3 11 3 2. - <_> - - <_> - 10 5 4 6 -1. - <_> - 10 5 2 6 2. - <_> - - <_> - 10 0 8 5 -1. - <_> - 10 0 4 5 2. - 1 - <_> - - <_> - 12 4 4 10 -1. - <_> - 13 5 2 10 2. - 1 - <_> - - <_> - 10 4 10 4 -1. - <_> - 9 5 10 2 2. - 1 - <_> - - <_> - 15 1 2 8 -1. - <_> - 15 1 1 8 2. - 1 - <_> - - <_> - 7 1 8 2 -1. - <_> - 7 1 8 1 2. - 1 - <_> - - <_> - 17 0 3 11 -1. - <_> - 18 1 1 11 3. - 1 - <_> - - <_> - 9 8 4 6 -1. - <_> - 9 8 4 3 2. - 1 - <_> - - <_> - 14 6 6 12 -1. - <_> - 17 6 3 6 2. - <_> - 14 12 3 6 2. - <_> - - <_> - 2 12 18 6 -1. - <_> - 8 14 6 2 9. - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 12 3 5 2. - <_> - - <_> - 3 8 16 10 -1. - <_> - 3 8 8 5 2. - <_> - 11 13 8 5 2. - <_> - - <_> - 15 12 4 6 -1. - <_> - 15 15 4 3 2. - <_> - - <_> - 2 8 18 10 -1. - <_> - 2 8 9 5 2. - <_> - 11 13 9 5 2. - <_> - - <_> - 10 1 12 3 -1. - <_> - 10 2 12 1 3. - <_> - - <_> - 1 1 12 3 -1. - <_> - 1 2 12 1 3. - <_> - - <_> - 8 0 14 4 -1. - <_> - 15 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 2 4 14 4 -1. - <_> - 2 5 14 2 2. - <_> - - <_> - 8 4 12 3 -1. - <_> - 8 5 12 1 3. - <_> - - <_> - 1 0 8 8 -1. - <_> - 1 0 4 4 2. - <_> - 5 4 4 4 2. - <_> - - <_> - 13 0 8 6 -1. - <_> - 17 0 4 3 2. - <_> - 13 3 4 3 2. - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 0 4 3 2. - <_> - 5 3 4 3 2. - <_> - - <_> - 9 6 6 5 -1. - <_> - 9 6 3 5 2. - <_> - - <_> - 5 6 8 3 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 13 3 6 9 -1. - <_> - 10 6 6 3 3. - 1 - <_> - - <_> - 9 3 9 6 -1. - <_> - 12 6 3 6 3. - 1 - <_> - - <_> - 4 11 18 3 -1. - <_> - 4 12 18 1 3. - <_> - - <_> - 0 13 15 4 -1. - <_> - 5 13 5 4 3. - <_> - - <_> - 15 12 4 6 -1. - <_> - 15 15 4 3 2. - <_> - - <_> - 3 12 4 6 -1. - <_> - 3 15 4 3 2. - <_> - - <_> - 9 12 6 6 -1. - <_> - 11 12 2 6 3. - <_> - - <_> - 6 9 9 7 -1. - <_> - 9 9 3 7 3. - <_> - - <_> - 13 10 6 8 -1. - <_> - 16 10 3 4 2. - <_> - 13 14 3 4 2. - <_> - - <_> - 3 10 6 8 -1. - <_> - 3 10 3 4 2. - <_> - 6 14 3 4 2. - <_> - - <_> - 7 10 8 4 -1. - <_> - 7 10 4 4 2. - <_> - - <_> - 7 5 6 11 -1. - <_> - 10 5 3 11 2. - <_> - - <_> - 10 6 6 6 -1. - <_> - 10 9 6 3 2. - <_> - - <_> - 6 6 6 6 -1. - <_> - 6 9 6 3 2. - <_> - - <_> - 8 6 12 8 -1. - <_> - 12 6 4 8 3. - <_> - - <_> - 2 11 12 3 -1. - <_> - 6 11 4 3 3. - <_> - - <_> - 14 3 6 8 -1. - <_> - 17 3 3 4 2. - <_> - 14 7 3 4 2. - <_> - - <_> - 0 5 13 3 -1. - <_> - 0 6 13 1 3. - <_> - - <_> - 14 0 6 6 -1. - <_> - 14 2 6 2 3. - <_> - - <_> - 3 0 6 6 -1. - <_> - 3 2 6 2 3. - <_> - - <_> - 8 8 14 3 -1. - <_> - 8 9 14 1 3. - <_> - - <_> - 7 2 2 15 -1. - <_> - 8 2 1 15 2. - <_> - - <_> - 4 14 16 4 -1. - <_> - 4 14 8 4 2. - <_> - - <_> - 1 6 20 12 -1. - <_> - 6 6 10 12 2. - <_> - - <_> - 5 10 16 6 -1. - <_> - 13 10 8 3 2. - <_> - 5 13 8 3 2. - <_> - - <_> - 1 10 16 6 -1. - <_> - 1 10 8 3 2. - <_> - 9 13 8 3 2. - <_> - - <_> - 8 8 14 6 -1. - <_> - 8 8 7 6 2. - <_> - - <_> - 0 8 14 6 -1. - <_> - 7 8 7 6 2. - <_> - - <_> - 5 6 12 11 -1. - <_> - 8 6 6 11 2. - <_> - - <_> - 1 3 8 6 -1. - <_> - 1 3 4 3 2. - <_> - 5 6 4 3 2. - <_> - - <_> - 13 1 7 6 -1. - <_> - 13 1 7 3 2. - 1 - <_> - - <_> - 1 4 5 10 -1. - <_> - 1 9 5 5 2. - <_> - - <_> - 18 6 3 8 -1. - <_> - 18 10 3 4 2. - <_> - - <_> - 1 6 3 8 -1. - <_> - 1 10 3 4 2. - <_> - - <_> - 8 5 13 3 -1. - <_> - 8 6 13 1 3. - <_> - - <_> - 1 5 13 3 -1. - <_> - 1 6 13 1 3. - <_> - - <_> - 18 0 3 12 -1. - <_> - 19 0 1 12 3. - <_> - - <_> - 1 0 3 12 -1. - <_> - 2 0 1 12 3. - <_> - - <_> - 4 2 18 2 -1. - <_> - 4 2 9 2 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 9 3 3 6 2. - <_> - - <_> - 9 5 12 11 -1. - <_> - 12 5 6 11 2. - <_> - - <_> - 1 5 12 11 -1. - <_> - 4 5 6 11 2. - <_> - - <_> - 8 4 8 8 -1. - <_> - 8 4 4 8 2. - <_> - - <_> - 0 8 22 4 -1. - <_> - 0 8 11 2 2. - <_> - 11 10 11 2 2. - <_> - - <_> - 8 6 8 4 -1. - <_> - 8 6 4 4 2. - <_> - - <_> - 6 3 8 8 -1. - <_> - 10 3 4 8 2. - <_> - - <_> - 3 6 16 4 -1. - <_> - 11 6 8 2 2. - <_> - 3 8 8 2 2. - <_> - - <_> - 2 14 16 4 -1. - <_> - 10 14 8 4 2. - <_> - - <_> - 11 13 6 5 -1. - <_> - 11 13 3 5 2. - <_> - - <_> - 5 13 6 5 -1. - <_> - 8 13 3 5 2. - <_> - - <_> - 12 2 2 7 -1. - <_> - 12 2 1 7 2. - 1 - <_> - - <_> - 0 9 21 9 -1. - <_> - 7 12 7 3 9. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 3 9 16 8 -1. - <_> - 3 9 8 4 2. - <_> - 11 13 8 4 2. - <_> - - <_> - 7 0 14 18 -1. - <_> - 7 0 7 18 2. - <_> - - <_> - 5 8 6 4 -1. - <_> - 5 8 3 4 2. - 1 - <_> - - <_> - 3 11 16 4 -1. - <_> - 11 11 8 2 2. - <_> - 3 13 8 2 2. - <_> - - <_> - 6 9 6 8 -1. - <_> - 6 9 3 4 2. - <_> - 9 13 3 4 2. - <_> - - <_> - 7 0 14 18 -1. - <_> - 7 0 7 18 2. - <_> - - <_> - 1 0 14 18 -1. - <_> - 8 0 7 18 2. - <_> - - <_> - 13 14 8 3 -1. - <_> - 13 14 4 3 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 6 6 2 2. - <_> - - <_> - 6 6 14 4 -1. - <_> - 13 6 7 2 2. - <_> - 6 8 7 2 2. - <_> - - <_> - 7 3 11 4 -1. - <_> - 6 4 11 2 2. - 1 - <_> - - <_> - 7 0 12 4 -1. - <_> - 13 0 6 2 2. - <_> - 7 2 6 2 2. - <_> - - <_> - 4 0 14 4 -1. - <_> - 4 0 7 2 2. - <_> - 11 2 7 2 2. - <_> - - <_> - 15 8 6 9 -1. - <_> - 17 8 2 9 3. - <_> - - <_> - 1 8 6 9 -1. - <_> - 3 8 2 9 3. - <_> - - <_> - 12 5 5 9 -1. - <_> - 12 8 5 3 3. - <_> - - <_> - 5 5 5 9 -1. - <_> - 5 8 5 3 3. - <_> - - <_> - 17 9 4 6 -1. - <_> - 17 9 2 6 2. - <_> - - <_> - 1 9 4 6 -1. - <_> - 3 9 2 6 2. - <_> - - <_> - 4 3 14 3 -1. - <_> - 4 4 14 1 3. - <_> - - <_> - 6 0 10 3 -1. - <_> - 5 1 10 1 3. - 1 - <_> - - <_> - 10 4 11 14 -1. - <_> - 10 11 11 7 2. - <_> - - <_> - 2 5 6 6 -1. - <_> - 2 7 6 2 3. - <_> - - <_> - 12 2 5 12 -1. - <_> - 12 6 5 4 3. - <_> - - <_> - 5 16 12 2 -1. - <_> - 5 17 12 1 2. - <_> - - <_> - 3 4 18 3 -1. - <_> - 3 5 18 1 3. - <_> - - <_> - 1 4 11 14 -1. - <_> - 1 11 11 7 2. - <_> - - <_> - 8 12 11 4 -1. - <_> - 8 14 11 2 2. - <_> - - <_> - 7 11 8 7 -1. - <_> - 11 11 4 7 2. - <_> - - <_> - 12 2 4 11 -1. - <_> - 12 2 2 11 2. - 1 - <_> - - <_> - 10 4 11 2 -1. - <_> - 10 4 11 1 2. - 1 - <_> - - <_> - 16 0 2 14 -1. - <_> - 16 0 1 14 2. - 1 - <_> - - <_> - 6 0 14 2 -1. - <_> - 6 0 14 1 2. - 1 - <_> - - <_> - 19 4 2 12 -1. - <_> - 19 4 1 12 2. - 1 - <_> - - <_> - 8 2 6 10 -1. - <_> - 8 7 6 5 2. - <_> - - <_> - 19 4 2 12 -1. - <_> - 19 4 1 12 2. - 1 - <_> - - <_> - 11 3 6 8 -1. - <_> - 11 3 6 4 2. - 1 - <_> - - <_> - 11 2 10 6 -1. - <_> - 11 2 5 6 2. - 1 - <_> - - <_> - 3 5 13 2 -1. - <_> - 3 6 13 1 2. - <_> - - <_> - 5 4 12 6 -1. - <_> - 5 6 12 2 3. - <_> - - <_> - 6 9 9 9 -1. - <_> - 9 9 3 9 3. - <_> - - <_> - 19 1 3 12 -1. - <_> - 20 2 1 12 3. - 1 - <_> - - <_> - 2 13 9 5 -1. - <_> - 5 13 3 5 3. - <_> - - <_> - 11 2 10 6 -1. - <_> - 11 2 5 6 2. - 1 - <_> - - <_> - 11 2 6 10 -1. - <_> - 11 2 6 5 2. - 1 - <_> - - <_> - 1 6 21 3 -1. - <_> - 8 6 7 3 3. - <_> - - <_> - 5 5 3 8 -1. - <_> - 5 9 3 4 2. - <_> - - <_> - 10 5 7 6 -1. - <_> - 10 7 7 2 3. - <_> - - <_> - 10 0 7 6 -1. - <_> - 8 2 7 2 3. - 1 - <_> - - <_> - 13 5 6 6 -1. - <_> - 13 7 6 2 3. - <_> - - <_> - 5 5 7 6 -1. - <_> - 5 7 7 2 3. - <_> - - <_> - 9 1 6 8 -1. - <_> - 12 1 3 4 2. - <_> - 9 5 3 4 2. - <_> - - <_> - 7 1 6 8 -1. - <_> - 7 1 3 4 2. - <_> - 10 5 3 4 2. - <_> - - <_> - 7 0 9 4 -1. - <_> - 10 0 3 4 3. - <_> - - <_> - 1 9 14 3 -1. - <_> - 1 10 14 1 3. - <_> - - <_> - 5 9 15 3 -1. - <_> - 5 10 15 1 3. - <_> - - <_> - 3 1 12 3 -1. - <_> - 2 2 12 1 3. - 1 - <_> - - <_> - 5 12 12 6 -1. - <_> - 11 12 6 3 2. - <_> - 5 15 6 3 2. - <_> - - <_> - 5 12 12 4 -1. - <_> - 5 12 6 2 2. - <_> - 11 14 6 2 2. - <_> - - <_> - 15 4 3 9 -1. - <_> - 16 5 1 9 3. - 1 - <_> - - <_> - 7 4 9 3 -1. - <_> - 6 5 9 1 3. - 1 - <_> - - <_> - 13 3 7 4 -1. - <_> - 13 5 7 2 2. - <_> - - <_> - 4 0 9 5 -1. - <_> - 7 0 3 5 3. - <_> - - <_> - 10 6 6 6 -1. - <_> - 12 6 2 6 3. - <_> - - <_> - 0 6 12 4 -1. - <_> - 0 6 6 2 2. - <_> - 6 8 6 2 2. - <_> - - <_> - 10 11 9 6 -1. - <_> - 13 11 3 6 3. - <_> - - <_> - 2 6 16 8 -1. - <_> - 2 10 16 4 2. - <_> - - <_> - 17 0 2 10 -1. - <_> - 17 0 1 10 2. - 1 - <_> - - <_> - 5 0 10 2 -1. - <_> - 5 0 10 1 2. - 1 - <_> - - <_> - 9 11 13 3 -1. - <_> - 9 12 13 1 3. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 18 6 4 12 -1. - <_> - 18 9 4 6 2. - <_> - - <_> - 6 4 9 7 -1. - <_> - 9 4 3 7 3. - <_> - - <_> - 11 9 6 7 -1. - <_> - 13 9 2 7 3. - <_> - - <_> - 5 9 6 7 -1. - <_> - 7 9 2 7 3. - <_> - - <_> - 1 13 20 5 -1. - <_> - 6 13 10 5 2. - <_> - - <_> - 7 9 8 6 -1. - <_> - 9 9 4 6 2. - <_> - - <_> - 5 5 12 4 -1. - <_> - 8 5 6 4 2. - <_> - - <_> - 1 11 20 6 -1. - <_> - 6 11 10 6 2. - <_> - - <_> - 1 8 20 7 -1. - <_> - 6 8 10 7 2. - <_> - - <_> - 2 9 18 6 -1. - <_> - 8 11 6 2 9. - <_> - - <_> - 8 13 9 4 -1. - <_> - 8 15 9 2 2. - <_> - - <_> - 1 12 9 6 -1. - <_> - 1 15 9 3 2. - <_> - - <_> - 9 2 8 6 -1. - <_> - 13 2 4 3 2. - <_> - 9 5 4 3 2. - <_> - - <_> - 0 5 22 5 -1. - <_> - 11 5 11 5 2. - <_> - - <_> - 2 0 18 18 -1. - <_> - 2 9 18 9 2. - <_> - - <_> - 6 7 3 8 -1. - <_> - 6 11 3 4 2. - <_> - - <_> - 11 12 8 6 -1. - <_> - 13 12 4 6 2. - <_> - - <_> - 3 8 6 8 -1. - <_> - 3 8 3 4 2. - <_> - 6 12 3 4 2. - <_> - - <_> - 11 6 7 4 -1. - <_> - 11 8 7 2 2. - <_> - - <_> - 9 2 4 6 -1. - <_> - 11 2 2 6 2. - <_> - - <_> - 3 14 16 4 -1. - <_> - 11 14 8 2 2. - <_> - 3 16 8 2 2. - <_> - - <_> - 5 14 6 4 -1. - <_> - 5 16 6 2 2. - <_> - - <_> - 9 5 4 6 -1. - <_> - 9 5 2 6 2. - <_> - - <_> - 5 12 12 6 -1. - <_> - 8 12 6 6 2. - <_> - - <_> - 7 14 8 4 -1. - <_> - 7 16 8 2 2. - <_> - - <_> - 1 3 18 3 -1. - <_> - 1 4 18 1 3. - <_> - - <_> - 8 3 14 3 -1. - <_> - 8 4 14 1 3. - <_> - - <_> - 1 0 14 4 -1. - <_> - 1 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 10 10 12 3 -1. - <_> - 10 11 12 1 3. - <_> - - <_> - 1 10 12 3 -1. - <_> - 1 11 12 1 3. - <_> - - <_> - 10 7 8 3 -1. - <_> - 10 7 4 3 2. - <_> - - <_> - 11 0 6 6 -1. - <_> - 9 2 6 2 3. - 1 - <_> - - <_> - 17 0 2 10 -1. - <_> - 17 0 1 10 2. - 1 - <_> - - <_> - 4 7 8 3 -1. - <_> - 8 7 4 3 2. - <_> - - <_> - 13 0 8 6 -1. - <_> - 13 2 8 2 3. - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 2 8 2 3. - <_> - - <_> - 17 0 2 10 -1. - <_> - 17 0 1 10 2. - 1 - <_> - - <_> - 5 0 10 2 -1. - <_> - 5 0 10 1 2. - 1 - <_> - - <_> - 10 6 6 4 -1. - <_> - 10 6 3 4 2. - <_> - - <_> - 0 4 14 3 -1. - <_> - 0 5 14 1 3. - <_> - - <_> - 3 3 16 10 -1. - <_> - 11 3 8 5 2. - <_> - 3 8 8 5 2. - <_> - - <_> - 1 5 12 3 -1. - <_> - 1 6 12 1 3. - <_> - - <_> - 9 6 13 4 -1. - <_> - 9 8 13 2 2. - <_> - - <_> - 7 5 8 6 -1. - <_> - 7 5 4 3 2. - <_> - 11 8 4 3 2. - <_> - - <_> - 13 3 4 11 -1. - <_> - 14 4 2 11 2. - 1 - <_> - - <_> - 9 2 11 2 -1. - <_> - 9 2 11 1 2. - 1 - <_> - - <_> - 5 13 12 4 -1. - <_> - 5 14 12 2 2. - <_> - - <_> - 0 9 16 4 -1. - <_> - 0 9 8 2 2. - <_> - 8 11 8 2 2. - <_> - - <_> - 7 10 9 7 -1. - <_> - 10 10 3 7 3. - <_> - - <_> - 10 7 5 6 -1. - <_> - 10 7 5 3 2. - 1 - <_> - - <_> - 11 5 10 3 -1. - <_> - 11 5 5 3 2. - 1 - <_> - - <_> - 2 13 12 5 -1. - <_> - 5 13 6 5 2. - <_> - - <_> - 17 9 4 7 -1. - <_> - 17 9 2 7 2. - <_> - - <_> - 0 6 12 3 -1. - <_> - 0 7 12 1 3. - <_> - - <_> - 18 6 2 10 -1. - <_> - 18 6 1 10 2. - 1 - <_> - - <_> - 1 14 8 3 -1. - <_> - 5 14 4 3 2. - <_> - - <_> - 6 11 12 3 -1. - <_> - 10 11 4 3 3. - <_> - - <_> - 0 14 8 3 -1. - <_> - 4 14 4 3 2. - <_> - - <_> - 5 11 16 3 -1. - <_> - 9 11 8 3 2. - <_> - - <_> - 1 9 4 7 -1. - <_> - 3 9 2 7 2. - <_> - - <_> - 6 12 10 6 -1. - <_> - 6 14 10 2 3. - <_> - - <_> - 0 16 12 2 -1. - <_> - 0 17 12 1 2. - <_> - - <_> - 12 5 4 12 -1. - <_> - 14 5 2 6 2. - <_> - 12 11 2 6 2. - <_> - - <_> - 6 11 6 6 -1. - <_> - 8 11 2 6 3. - <_> - - <_> - 4 16 15 2 -1. - <_> - 4 17 15 1 2. - <_> - - <_> - 5 0 12 9 -1. - <_> - 9 3 4 3 9. - <_> - - <_> - 8 0 6 9 -1. - <_> - 8 3 6 3 3. - <_> - - <_> - 1 0 3 13 -1. - <_> - 2 0 1 13 3. - <_> - - <_> - 10 1 6 4 -1. - <_> - 10 1 3 4 2. - <_> - - <_> - 8 1 6 9 -1. - <_> - 10 1 2 9 3. - <_> - - <_> - 8 3 6 6 -1. - <_> - 10 3 2 6 3. - <_> - - <_> - 3 5 11 2 -1. - <_> - 3 5 11 1 2. - 1 - <_> - - <_> - 9 5 6 6 -1. - <_> - 11 5 2 6 3. - <_> - - <_> - 6 4 6 10 -1. - <_> - 6 9 6 5 2. - <_> - - <_> - 11 2 3 12 -1. - <_> - 12 2 1 12 3. - <_> - - <_> - 8 2 3 12 -1. - <_> - 9 2 1 12 3. - <_> - - <_> - 18 9 4 9 -1. - <_> - 18 9 2 9 2. - <_> - - <_> - 1 5 6 6 -1. - <_> - 1 8 6 3 2. - <_> - - <_> - 10 6 6 6 -1. - <_> - 12 6 2 6 3. - <_> - - <_> - 10 2 2 12 -1. - <_> - 11 2 1 12 2. - <_> - - <_> - 11 0 5 6 -1. - <_> - 11 3 5 3 2. - <_> - - <_> - 6 0 5 6 -1. - <_> - 6 3 5 3 2. - <_> - - <_> - 13 9 5 8 -1. - <_> - 13 13 5 4 2. - <_> - - <_> - 0 9 20 2 -1. - <_> - 10 9 10 2 2. - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 12 3 5 2. - <_> - - <_> - 11 5 11 2 -1. - <_> - 11 5 11 1 2. - 1 - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 12 3 5 2. - <_> - - <_> - 5 13 12 2 -1. - <_> - 5 14 12 1 2. - <_> - - <_> - 11 8 4 9 -1. - <_> - 11 11 4 3 3. - <_> - - <_> - 1 8 12 6 -1. - <_> - 1 10 12 2 3. - <_> - - <_> - 16 8 3 8 -1. - <_> - 16 12 3 4 2. - <_> - - <_> - 3 8 3 8 -1. - <_> - 3 12 3 4 2. - <_> - - <_> - 11 8 4 9 -1. - <_> - 11 11 4 3 3. - <_> - - <_> - 7 8 4 9 -1. - <_> - 7 11 4 3 3. - <_> - - <_> - 7 3 15 12 -1. - <_> - 12 7 5 4 9. - <_> - - <_> - 4 10 14 4 -1. - <_> - 4 10 7 2 2. - <_> - 11 12 7 2 2. - <_> - - <_> - 9 10 10 6 -1. - <_> - 14 10 5 3 2. - <_> - 9 13 5 3 2. - <_> - - <_> - 3 10 10 6 -1. - <_> - 3 10 5 3 2. - <_> - 8 13 5 3 2. - <_> - - <_> - 16 7 6 6 -1. - <_> - 18 7 2 6 3. - <_> - - <_> - 3 5 14 2 -1. - <_> - 10 5 7 2 2. - <_> - - <_> - 18 2 4 12 -1. - <_> - 20 2 2 6 2. - <_> - 18 8 2 6 2. - <_> - - <_> - 3 14 12 4 -1. - <_> - 3 15 12 2 2. - <_> - - <_> - 7 6 9 6 -1. - <_> - 7 9 9 3 2. - <_> - - <_> - 1 14 6 4 -1. - <_> - 4 14 3 4 2. - <_> - - <_> - 12 5 5 12 -1. - <_> - 12 8 5 6 2. - <_> - - <_> - 5 0 3 17 -1. - <_> - 6 0 1 17 3. - <_> - - <_> - 16 7 6 6 -1. - <_> - 18 7 2 6 3. - <_> - - <_> - 0 7 6 6 -1. - <_> - 2 7 2 6 3. - <_> - - <_> - 14 0 3 18 -1. - <_> - 15 0 1 18 3. - <_> - - <_> - 0 5 5 10 -1. - <_> - 0 10 5 5 2. - <_> - - <_> - 5 12 12 4 -1. - <_> - 5 13 12 2 2. - <_> - - <_> - 7 9 8 6 -1. - <_> - 7 11 8 2 3. - <_> - - <_> - 2 10 15 4 -1. - <_> - 2 12 15 2 2. - <_> - - <_> - 5 15 12 3 -1. - <_> - 5 15 6 3 2. - <_> - - <_> - 7 4 3 14 -1. - <_> - 8 4 1 14 3. - <_> - - <_> - 7 15 8 3 -1. - <_> - 7 15 4 3 2. - <_> - - <_> - 1 2 8 6 -1. - <_> - 1 2 4 3 2. - <_> - 5 5 4 3 2. - <_> - - <_> - 14 9 6 8 -1. - <_> - 17 9 3 4 2. - <_> - 14 13 3 4 2. - <_> - - <_> - 0 0 6 8 -1. - <_> - 0 0 3 4 2. - <_> - 3 4 3 4 2. - <_> - - <_> - 14 9 6 8 -1. - <_> - 17 9 3 4 2. - <_> - 14 13 3 4 2. - <_> - - <_> - 2 9 6 8 -1. - <_> - 2 9 3 4 2. - <_> - 5 13 3 4 2. - <_> - - <_> - 14 10 6 8 -1. - <_> - 17 10 3 4 2. - <_> - 14 14 3 4 2. - <_> - - <_> - 2 10 6 8 -1. - <_> - 2 10 3 4 2. - <_> - 5 14 3 4 2. - <_> - - <_> - 13 1 6 8 -1. - <_> - 16 1 3 4 2. - <_> - 13 5 3 4 2. - <_> - - <_> - 3 3 12 3 -1. - <_> - 3 4 12 1 3. - <_> - - <_> - 13 1 6 8 -1. - <_> - 16 1 3 4 2. - <_> - 13 5 3 4 2. - <_> - - <_> - 3 1 6 8 -1. - <_> - 3 1 3 4 2. - <_> - 6 5 3 4 2. - <_> - - <_> - 3 3 16 3 -1. - <_> - 3 4 16 1 3. - <_> - - <_> - 7 13 6 4 -1. - <_> - 7 15 6 2 2. - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 16 6 2 2. - <_> - - <_> - 2 10 15 3 -1. - <_> - 2 11 15 1 3. - <_> - - <_> - 8 12 8 6 -1. - <_> - 10 12 4 6 2. - <_> - - <_> - 2 4 13 4 -1. - <_> - 2 5 13 2 2. - <_> - - <_> - 9 9 12 3 -1. - <_> - 9 10 12 1 3. - <_> - - <_> - 3 13 16 4 -1. - <_> - 3 13 8 2 2. - <_> - 11 15 8 2 2. - <_> - - <_> - 8 12 8 6 -1. - <_> - 10 12 4 6 2. - <_> - - <_> - 6 12 8 6 -1. - <_> - 8 12 4 6 2. - <_> - - <_> - 9 4 13 2 -1. - <_> - 9 5 13 1 2. - <_> - - <_> - 7 3 8 12 -1. - <_> - 7 9 8 6 2. - <_> - - <_> - 3 6 17 3 -1. - <_> - 3 7 17 1 3. - <_> - - <_> - 3 0 14 4 -1. - <_> - 3 0 7 2 2. - <_> - 10 2 7 2 2. - <_> - - <_> - 11 4 6 5 -1. - <_> - 11 4 3 5 2. - 1 - <_> - - <_> - 11 4 5 6 -1. - <_> - 11 4 5 3 2. - 1 - <_> - - <_> - 10 5 4 6 -1. - <_> - 10 5 2 6 2. - <_> - - <_> - 4 12 12 3 -1. - <_> - 8 12 4 3 3. - <_> - - <_> - 8 6 8 7 -1. - <_> - 8 6 4 7 2. - <_> - - <_> - 5 0 8 12 -1. - <_> - 5 0 4 6 2. - <_> - 9 6 4 6 2. - <_> - - <_> - 7 0 12 4 -1. - <_> - 13 0 6 2 2. - <_> - 7 2 6 2 2. - <_> - - <_> - 1 4 6 5 -1. - <_> - 4 4 3 5 2. - <_> - - <_> - 15 0 7 4 -1. - <_> - 15 0 7 2 2. - 1 - <_> - - <_> - 5 2 8 6 -1. - <_> - 5 2 4 3 2. - <_> - 9 5 4 3 2. - <_> - - <_> - 4 2 15 3 -1. - <_> - 4 3 15 1 3. - <_> - - <_> - 4 1 14 3 -1. - <_> - 4 2 14 1 3. - <_> - - <_> - 15 5 4 6 -1. - <_> - 15 8 4 3 2. - <_> - - <_> - 0 1 17 2 -1. - <_> - 0 2 17 1 2. - <_> - - <_> - 15 5 4 6 -1. - <_> - 15 8 4 3 2. - <_> - - <_> - 3 5 4 6 -1. - <_> - 3 8 4 3 2. - <_> - - <_> - 3 0 18 3 -1. - <_> - 3 1 18 1 3. - <_> - - <_> - 7 1 6 4 -1. - <_> - 10 1 3 4 2. - <_> - - <_> - 0 11 22 7 -1. - <_> - 0 11 11 7 2. - <_> - - <_> - 3 5 4 12 -1. - <_> - 3 5 2 6 2. - <_> - 5 11 2 6 2. - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 12 3 5 2. - <_> - - <_> - 4 11 14 4 -1. - <_> - 4 11 7 2 2. - <_> - 11 13 7 2 2. - <_> - - <_> - 7 11 8 6 -1. - <_> - 11 11 4 3 2. - <_> - 7 14 4 3 2. - <_> - - <_> - 3 5 3 13 -1. - <_> - 4 5 1 13 3. - <_> - - <_> - 17 1 4 12 -1. - <_> - 19 1 2 6 2. - <_> - 17 7 2 6 2. - <_> - - <_> - 1 1 4 12 -1. - <_> - 1 1 2 6 2. - <_> - 3 7 2 6 2. - <_> - - <_> - 7 0 13 16 -1. - <_> - 7 4 13 8 2. - <_> - - <_> - 1 4 13 2 -1. - <_> - 1 5 13 1 2. - <_> - - <_> - 9 14 6 4 -1. - <_> - 9 16 6 2 2. - <_> - - <_> - 2 4 17 3 -1. - <_> - 2 5 17 1 3. - <_> - - <_> - 14 0 3 10 -1. - <_> - 15 1 1 10 3. - 1 - <_> - - <_> - 7 0 8 3 -1. - <_> - 6 1 8 1 3. - 1 - <_> - - <_> - 14 0 3 10 -1. - <_> - 15 1 1 10 3. - 1 - <_> - - <_> - 8 0 10 3 -1. - <_> - 7 1 10 1 3. - 1 - <_> - - <_> - 11 1 2 7 -1. - <_> - 11 1 1 7 2. - 1 - <_> - - <_> - 8 0 3 14 -1. - <_> - 9 0 1 14 3. - <_> - - <_> - 11 1 2 7 -1. - <_> - 11 1 1 7 2. - 1 - <_> - - <_> - 11 1 7 2 -1. - <_> - 11 1 7 1 2. - 1 - <_> - - <_> - 7 9 9 8 -1. - <_> - 10 9 3 8 3. - <_> - - <_> - 1 7 4 8 -1. - <_> - 3 7 2 8 2. - <_> - - <_> - 17 11 4 6 -1. - <_> - 17 11 2 6 2. - <_> - - <_> - 8 12 6 6 -1. - <_> - 10 12 2 6 3. - <_> - - <_> - 11 0 3 6 -1. - <_> - 12 1 1 6 3. - 1 - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 9 14 9 4 -1. - <_> - 12 14 3 4 3. - <_> - - <_> - 8 2 6 4 -1. - <_> - 8 2 6 2 2. - 1 - <_> - - <_> - 10 10 4 6 -1. - <_> - 10 10 2 6 2. - <_> - - <_> - 1 8 18 2 -1. - <_> - 1 9 18 1 2. - <_> - - <_> - 8 8 14 3 -1. - <_> - 8 9 14 1 3. - <_> - - <_> - 3 15 14 3 -1. - <_> - 10 15 7 3 2. - <_> - - <_> - 8 8 14 3 -1. - <_> - 8 9 14 1 3. - <_> - - <_> - 4 14 9 4 -1. - <_> - 7 14 3 4 3. - <_> - - <_> - 10 6 4 8 -1. - <_> - 10 6 2 8 2. - 1 - <_> - - <_> - 2 11 18 3 -1. - <_> - 8 11 6 3 3. - <_> - - <_> - 10 0 12 4 -1. - <_> - 10 0 12 2 2. - 1 - <_> - - <_> - 6 6 16 4 -1. - <_> - 14 6 8 2 2. - <_> - 6 8 8 2 2. - <_> - - <_> - 6 3 4 14 -1. - <_> - 7 3 2 14 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 14 12 2 6 3. - <_> - - <_> - 4 12 6 6 -1. - <_> - 6 12 2 6 3. - <_> - - <_> - 14 8 3 8 -1. - <_> - 14 12 3 4 2. - <_> - - <_> - 0 6 16 4 -1. - <_> - 0 6 8 2 2. - <_> - 8 8 8 2 2. - <_> - - <_> - 9 10 5 6 -1. - <_> - 9 13 5 3 2. - <_> - - <_> - 7 5 6 12 -1. - <_> - 7 5 3 6 2. - <_> - 10 11 3 6 2. - <_> - - <_> - 1 5 21 9 -1. - <_> - 8 8 7 3 9. - <_> - - <_> - 8 6 3 12 -1. - <_> - 9 6 1 12 3. - <_> - - <_> - 11 3 3 11 -1. - <_> - 12 4 1 11 3. - 1 - <_> - - <_> - 11 5 9 3 -1. - <_> - 10 6 9 1 3. - 1 - <_> - - <_> - 12 11 6 6 -1. - <_> - 12 13 6 2 3. - <_> - - <_> - 0 1 9 9 -1. - <_> - 3 1 3 9 3. - <_> - - <_> - 6 0 12 12 -1. - <_> - 9 0 6 12 2. - <_> - - <_> - 7 14 6 4 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 8 7 13 3 -1. - <_> - 8 8 13 1 3. - <_> - - <_> - 2 13 12 4 -1. - <_> - 5 13 6 4 2. - <_> - - <_> - 15 3 2 13 -1. - <_> - 15 3 1 13 2. - 1 - <_> - - <_> - 9 5 11 2 -1. - <_> - 9 5 11 1 2. - 1 - <_> - - <_> - 13 2 2 16 -1. - <_> - 13 10 2 8 2. - <_> - - <_> - 7 2 2 16 -1. - <_> - 7 10 2 8 2. - <_> - - <_> - 14 0 7 6 -1. - <_> - 12 2 7 2 3. - 1 - <_> - - <_> - 7 3 6 12 -1. - <_> - 7 3 3 6 2. - <_> - 10 9 3 6 2. - <_> - - <_> - 9 14 8 4 -1. - <_> - 9 16 8 2 2. - <_> - - <_> - 11 3 11 3 -1. - <_> - 10 4 11 1 3. - 1 - <_> - - <_> - 11 1 4 6 -1. - <_> - 12 2 2 6 2. - 1 - <_> - - <_> - 11 1 6 4 -1. - <_> - 10 2 6 2 2. - 1 - <_> - - <_> - 10 10 6 8 -1. - <_> - 12 10 2 8 3. - <_> - - <_> - 2 4 12 4 -1. - <_> - 2 4 6 2 2. - <_> - 8 6 6 2 2. - <_> - - <_> - 14 1 3 10 -1. - <_> - 15 2 1 10 3. - 1 - <_> - - <_> - 0 7 22 7 -1. - <_> - 11 7 11 7 2. - <_> - - <_> - 8 2 14 3 -1. - <_> - 8 3 14 1 3. - <_> - - <_> - 0 2 14 3 -1. - <_> - 0 3 14 1 3. - <_> - - <_> - 14 1 3 10 -1. - <_> - 15 2 1 10 3. - 1 - <_> - - <_> - 8 1 10 3 -1. - <_> - 7 2 10 1 3. - 1 - <_> - - <_> - 12 3 3 10 -1. - <_> - 13 4 1 10 3. - 1 - <_> - - <_> - 11 4 10 3 -1. - <_> - 10 5 10 1 3. - 1 - <_> - - <_> - 12 1 7 6 -1. - <_> - 12 3 7 2 3. - <_> - - <_> - 0 3 14 3 -1. - <_> - 0 4 14 1 3. - <_> - - <_> - 8 0 12 4 -1. - <_> - 14 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 2 0 12 4 -1. - <_> - 2 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 8 4 12 3 -1. - <_> - 8 5 12 1 3. - <_> - - <_> - 0 1 14 2 -1. - <_> - 7 1 7 2 2. - <_> - - <_> - 5 0 15 11 -1. - <_> - 10 0 5 11 3. - <_> - - <_> - 2 0 15 11 -1. - <_> - 7 0 5 11 3. - <_> - - <_> - 11 6 6 12 -1. - <_> - 14 6 3 6 2. - <_> - 11 12 3 6 2. - <_> - - <_> - 7 5 6 6 -1. - <_> - 9 5 2 6 3. - <_> - - <_> - 14 13 6 5 -1. - <_> - 14 13 3 5 2. - <_> - - <_> - 6 10 6 8 -1. - <_> - 8 10 2 8 3. - <_> - - <_> - 10 10 6 6 -1. - <_> - 12 10 2 6 3. - <_> - - <_> - 6 10 6 6 -1. - <_> - 8 10 2 6 3. - <_> - - <_> - 6 11 14 3 -1. - <_> - 6 11 7 3 2. - <_> - - <_> - 3 1 7 6 -1. - <_> - 3 3 7 2 3. - <_> - - <_> - 11 8 6 10 -1. - <_> - 14 8 3 5 2. - <_> - 11 13 3 5 2. - <_> - - <_> - 8 5 3 13 -1. - <_> - 9 5 1 13 3. - <_> - - <_> - 11 0 6 4 -1. - <_> - 11 0 3 4 2. - 1 - <_> - - <_> - 11 0 4 6 -1. - <_> - 11 0 4 3 2. - 1 - <_> - - <_> - 14 3 2 12 -1. - <_> - 14 3 2 6 2. - 1 - <_> - - <_> - 5 4 10 7 -1. - <_> - 10 4 5 7 2. - <_> - - <_> - 8 9 6 6 -1. - <_> - 10 9 2 6 3. - <_> - - <_> - 0 8 12 9 -1. - <_> - 4 11 4 3 9. - <_> - - <_> - 13 12 4 6 -1. - <_> - 13 15 4 3 2. - <_> - - <_> - 5 12 5 6 -1. - <_> - 5 15 5 3 2. - <_> - - <_> - 12 4 2 11 -1. - <_> - 12 4 1 11 2. - 1 - <_> - - <_> - 9 4 11 2 -1. - <_> - 9 4 11 1 2. - 1 - <_> - - <_> - 11 8 6 10 -1. - <_> - 14 8 3 5 2. - <_> - 11 13 3 5 2. - <_> - - <_> - 5 8 6 10 -1. - <_> - 5 8 3 5 2. - <_> - 8 13 3 5 2. - <_> - - <_> - 11 7 6 10 -1. - <_> - 14 7 3 5 2. - <_> - 11 12 3 5 2. - <_> - - <_> - 2 1 18 3 -1. - <_> - 2 2 18 1 3. - <_> - - <_> - 16 4 6 7 -1. - <_> - 16 4 3 7 2. - <_> - - <_> - 5 7 6 10 -1. - <_> - 5 7 3 5 2. - <_> - 8 12 3 5 2. - <_> - - <_> - 12 0 3 14 -1. - <_> - 12 7 3 7 2. - <_> - - <_> - 7 10 8 7 -1. - <_> - 11 10 4 7 2. - <_> - - <_> - 8 0 12 3 -1. - <_> - 8 1 12 1 3. - <_> - - <_> - 3 0 13 4 -1. - <_> - 3 1 13 2 2. - <_> - - <_> - 7 11 12 4 -1. - <_> - 7 12 12 2 2. - <_> - - <_> - 0 0 8 18 -1. - <_> - 4 0 4 18 2. - <_> - - <_> - 14 13 6 5 -1. - <_> - 14 13 3 5 2. - <_> - - <_> - 0 5 22 4 -1. - <_> - 11 5 11 4 2. - <_> - - <_> - 11 2 10 9 -1. - <_> - 11 5 10 3 3. - <_> - - <_> - 1 2 10 9 -1. - <_> - 1 5 10 3 3. - <_> - - <_> - 18 6 2 12 -1. - <_> - 18 6 1 12 2. - <_> - - <_> - 2 6 2 12 -1. - <_> - 3 6 1 12 2. - <_> - - <_> - 15 6 4 12 -1. - <_> - 15 9 4 6 2. - <_> - - <_> - 3 6 4 12 -1. - <_> - 3 9 4 6 2. - <_> - - <_> - 14 13 6 5 -1. - <_> - 14 13 3 5 2. - <_> - - <_> - 2 13 6 5 -1. - <_> - 5 13 3 5 2. - <_> - - <_> - 8 12 12 5 -1. - <_> - 11 12 6 5 2. - <_> - - <_> - 2 12 12 5 -1. - <_> - 5 12 6 5 2. - <_> - - <_> - 12 12 6 6 -1. - <_> - 12 14 6 2 3. - <_> - - <_> - 0 10 16 8 -1. - <_> - 4 10 8 8 2. - <_> - - <_> - 13 1 8 8 -1. - <_> - 15 1 4 8 2. - <_> - - <_> - 1 1 8 8 -1. - <_> - 3 1 4 8 2. - <_> - - <_> - 14 8 3 8 -1. - <_> - 14 12 3 4 2. - <_> - - <_> - 10 4 7 6 -1. - <_> - 10 4 7 3 2. - 1 - <_> - - <_> - 9 10 4 8 -1. - <_> - 9 14 4 4 2. - <_> - - <_> - 5 8 3 8 -1. - <_> - 5 12 3 4 2. - <_> - - <_> - 6 9 4 9 -1. - <_> - 6 12 4 3 3. - <_> - - <_> - 6 3 16 4 -1. - <_> - 14 3 8 2 2. - <_> - 6 5 8 2 2. - <_> - - <_> - 1 3 20 4 -1. - <_> - 1 3 10 2 2. - <_> - 11 5 10 2 2. - <_> - - <_> - 9 5 6 12 -1. - <_> - 12 5 3 6 2. - <_> - 9 11 3 6 2. - <_> - - <_> - 1 6 2 12 -1. - <_> - 2 6 1 12 2. - <_> - - <_> - 19 0 2 16 -1. - <_> - 19 0 1 16 2. - <_> - - <_> - 1 0 2 16 -1. - <_> - 2 0 1 16 2. - <_> - - <_> - 13 5 5 9 -1. - <_> - 13 8 5 3 3. - <_> - - <_> - 5 16 12 2 -1. - <_> - 5 17 12 1 2. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 15 12 2 2. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 7 5 13 2 -1. - <_> - 7 6 13 1 2. - <_> - - <_> - 8 1 12 2 -1. - <_> - 8 1 12 1 2. - 1 - <_> - - <_> - 0 4 22 8 -1. - <_> - 11 4 11 4 2. - <_> - 0 8 11 4 2. - <_> - - <_> - 2 3 6 4 -1. - <_> - 5 3 3 4 2. - <_> - - <_> - 7 11 15 3 -1. - <_> - 7 12 15 1 3. - <_> - - <_> - 5 7 6 7 -1. - <_> - 8 7 3 7 2. - <_> - - <_> - 7 12 12 4 -1. - <_> - 13 12 6 2 2. - <_> - 7 14 6 2 2. - <_> - - <_> - 0 11 16 2 -1. - <_> - 8 11 8 2 2. - <_> - - <_> - 18 3 4 10 -1. - <_> - 18 3 4 5 2. - 1 - <_> - - <_> - 2 2 17 3 -1. - <_> - 2 3 17 1 3. - <_> - - <_> - 10 14 12 4 -1. - <_> - 16 14 6 2 2. - <_> - 10 16 6 2 2. - <_> - - <_> - 1 9 11 6 -1. - <_> - 1 11 11 2 3. - <_> - - <_> - 4 9 18 3 -1. - <_> - 4 10 18 1 3. - <_> - - <_> - 0 9 18 3 -1. - <_> - 0 10 18 1 3. - <_> - - <_> - 11 5 11 12 -1. - <_> - 11 11 11 6 2. - <_> - - <_> - 5 12 6 6 -1. - <_> - 5 14 6 2 3. - <_> - - <_> - 14 10 6 8 -1. - <_> - 17 10 3 4 2. - <_> - 14 14 3 4 2. - <_> - - <_> - 0 5 11 12 -1. - <_> - 0 11 11 6 2. - <_> - - <_> - 15 3 2 12 -1. - <_> - 15 3 2 6 2. - 1 - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 0 6 2 2. - <_> - 9 2 6 2 2. - <_> - - <_> - 14 10 6 8 -1. - <_> - 17 10 3 4 2. - <_> - 14 14 3 4 2. - <_> - - <_> - 5 12 8 6 -1. - <_> - 5 12 4 3 2. - <_> - 9 15 4 3 2. - <_> - - <_> - 8 11 10 5 -1. - <_> - 8 11 5 5 2. - <_> - - <_> - 4 11 10 5 -1. - <_> - 9 11 5 5 2. - <_> - - <_> - 6 6 12 12 -1. - <_> - 12 6 6 6 2. - <_> - 6 12 6 6 2. - <_> - - <_> - 7 10 6 8 -1. - <_> - 7 12 6 4 2. - <_> - - <_> - 7 8 15 10 -1. - <_> - 7 13 15 5 2. - <_> - - <_> - 0 0 22 4 -1. - <_> - 0 0 11 2 2. - <_> - 11 2 11 2 2. - <_> - - <_> - 10 3 12 3 -1. - <_> - 10 4 12 1 3. - <_> - - <_> - 0 3 13 3 -1. - <_> - 0 4 13 1 3. - <_> - - <_> - 9 3 4 12 -1. - <_> - 9 6 4 6 2. - <_> - - <_> - 4 5 9 6 -1. - <_> - 4 8 9 3 2. - <_> - - <_> - 11 6 2 9 -1. - <_> - 11 6 1 9 2. - 1 - <_> - - <_> - 9 2 4 8 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 7 0 8 10 -1. - <_> - 7 5 8 5 2. - <_> - - <_> - 11 5 9 2 -1. - <_> - 11 5 9 1 2. - 1 - <_> - - <_> - 17 0 3 11 -1. - <_> - 18 1 1 11 3. - 1 - <_> - - <_> - 5 0 11 3 -1. - <_> - 4 1 11 1 3. - 1 - <_> - - <_> - 9 6 4 7 -1. - <_> - 9 6 2 7 2. - <_> - - <_> - 3 11 6 6 -1. - <_> - 3 13 6 2 3. - <_> - - <_> - 6 10 16 8 -1. - <_> - 6 12 16 4 2. - <_> - - <_> - 11 6 9 3 -1. - <_> - 10 7 9 1 3. - 1 - <_> - - <_> - 12 11 8 6 -1. - <_> - 12 13 8 2 3. - <_> - - <_> - 0 10 16 8 -1. - <_> - 0 12 16 4 2. - <_> - - <_> - 10 14 12 4 -1. - <_> - 16 14 6 2 2. - <_> - 10 16 6 2 2. - <_> - - <_> - 2 11 8 6 -1. - <_> - 2 13 8 2 3. - <_> - - <_> - 6 11 16 4 -1. - <_> - 14 11 8 2 2. - <_> - 6 13 8 2 2. - <_> - - <_> - 0 11 22 6 -1. - <_> - 11 11 11 6 2. - <_> - - <_> - 14 10 6 8 -1. - <_> - 17 10 3 4 2. - <_> - 14 14 3 4 2. - <_> - - <_> - 2 10 6 8 -1. - <_> - 2 10 3 4 2. - <_> - 5 14 3 4 2. - <_> - - <_> - 6 4 15 12 -1. - <_> - 11 8 5 4 9. - <_> - - <_> - 0 4 18 12 -1. - <_> - 6 8 6 4 9. - <_> - - <_> - 15 7 2 8 -1. - <_> - 15 7 1 8 2. - 1 - <_> - - <_> - 3 3 10 3 -1. - <_> - 2 4 10 1 3. - 1 - <_> - - <_> - 4 2 14 3 -1. - <_> - 4 3 14 1 3. - <_> - - <_> - 10 8 8 2 -1. - <_> - 10 8 8 1 2. - 1 - <_> - - <_> - 15 5 4 7 -1. - <_> - 15 5 2 7 2. - 1 - <_> - - <_> - 3 6 5 6 -1. - <_> - 3 9 5 3 2. - <_> - - <_> - 14 1 8 6 -1. - <_> - 18 1 4 3 2. - <_> - 14 4 4 3 2. - <_> - - <_> - 0 1 8 6 -1. - <_> - 0 1 4 3 2. - <_> - 4 4 4 3 2. - <_> - - <_> - 17 0 4 12 -1. - <_> - 18 0 2 12 2. - <_> - - <_> - 1 0 4 12 -1. - <_> - 2 0 2 12 2. - <_> - - <_> - 9 16 12 2 -1. - <_> - 9 17 12 1 2. - <_> - - <_> - 1 16 12 2 -1. - <_> - 1 17 12 1 2. - <_> - - <_> - 10 15 12 3 -1. - <_> - 10 16 12 1 3. - <_> - - <_> - 0 15 12 3 -1. - <_> - 0 16 12 1 3. - <_> - - <_> - 10 14 12 4 -1. - <_> - 16 14 6 2 2. - <_> - 10 16 6 2 2. - <_> - - <_> - 0 14 12 4 -1. - <_> - 0 14 6 2 2. - <_> - 6 16 6 2 2. - <_> - - <_> - 9 11 12 4 -1. - <_> - 15 11 6 2 2. - <_> - 9 13 6 2 2. - <_> - - <_> - 0 11 16 4 -1. - <_> - 0 11 8 2 2. - <_> - 8 13 8 2 2. - <_> - - <_> - 8 12 9 6 -1. - <_> - 8 14 9 2 3. - <_> - - <_> - 5 12 9 6 -1. - <_> - 5 14 9 2 3. - <_> - - <_> - 4 5 16 2 -1. - <_> - 4 5 8 2 2. - <_> - - <_> - 1 10 10 8 -1. - <_> - 1 10 5 4 2. - <_> - 6 14 5 4 2. - <_> - - <_> - 16 2 5 9 -1. - <_> - 13 5 5 3 3. - 1 - <_> - - <_> - 4 4 4 6 -1. - <_> - 6 4 2 6 2. - <_> - - <_> - 9 2 9 7 -1. - <_> - 12 2 3 7 3. - <_> - - <_> - 4 2 9 7 -1. - <_> - 7 2 3 7 3. - <_> - - <_> - 16 2 5 9 -1. - <_> - 13 5 5 3 3. - 1 - <_> - - <_> - 6 2 9 5 -1. - <_> - 9 5 3 5 3. - 1 - <_> - - <_> - 5 12 14 6 -1. - <_> - 5 14 14 2 3. - <_> - - <_> - 6 4 4 12 -1. - <_> - 6 4 2 6 2. - <_> - 8 10 2 6 2. - <_> - - <_> - 9 4 10 8 -1. - <_> - 9 4 5 8 2. - <_> - - <_> - 7 5 6 8 -1. - <_> - 7 5 3 4 2. - <_> - 10 9 3 4 2. - <_> - - <_> - 8 7 6 8 -1. - <_> - 11 7 3 4 2. - <_> - 8 11 3 4 2. - <_> - - <_> - 2 4 11 2 -1. - <_> - 2 4 11 1 2. - 1 - <_> - - <_> - 16 0 3 13 -1. - <_> - 17 0 1 13 3. - <_> - - <_> - 2 0 18 3 -1. - <_> - 2 1 18 1 3. - <_> - - <_> - 15 8 6 4 -1. - <_> - 15 8 3 4 2. - <_> - - <_> - 2 0 13 3 -1. - <_> - 2 1 13 1 3. - <_> - - <_> - 4 4 18 4 -1. - <_> - 4 6 18 2 2. - <_> - - <_> - 3 3 10 9 -1. - <_> - 8 3 5 9 2. - <_> - - <_> - 2 7 18 6 -1. - <_> - 8 9 6 2 9. - <_> - - <_> - 10 4 11 2 -1. - <_> - 10 4 11 1 2. - 1 - <_> - - <_> - 14 6 6 12 -1. - <_> - 17 6 3 6 2. - <_> - 14 12 3 6 2. - <_> - - <_> - 2 6 6 12 -1. - <_> - 2 6 3 6 2. - <_> - 5 12 3 6 2. - <_> - - <_> - 3 4 16 6 -1. - <_> - 3 6 16 2 3. - <_> - - <_> - 1 11 16 3 -1. - <_> - 5 11 8 3 2. - <_> - - <_> - 12 10 8 3 -1. - <_> - 12 10 4 3 2. - <_> - - <_> - 0 9 17 9 -1. - <_> - 0 12 17 3 3. - <_> - - <_> - 8 4 6 10 -1. - <_> - 11 4 3 5 2. - <_> - 8 9 3 5 2. - <_> - - <_> - 2 4 16 8 -1. - <_> - 2 4 8 4 2. - <_> - 10 8 8 4 2. - <_> - - <_> - 9 6 12 4 -1. - <_> - 15 6 6 2 2. - <_> - 9 8 6 2 2. - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 15 5 7 4 -1. - <_> - 15 5 7 2 2. - 1 - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 4 2 15 3 -1. - <_> - 4 3 15 1 3. - <_> - - <_> - 2 0 6 6 -1. - <_> - 5 0 3 6 2. - <_> - - <_> - 13 4 8 6 -1. - <_> - 17 4 4 3 2. - <_> - 13 7 4 3 2. - <_> - - <_> - 4 2 13 6 -1. - <_> - 4 4 13 2 3. - <_> - - <_> - 9 8 12 3 -1. - <_> - 9 9 12 1 3. - <_> - - <_> - 1 8 16 3 -1. - <_> - 1 9 16 1 3. - <_> - - <_> - 11 4 5 8 -1. - <_> - 11 8 5 4 2. - <_> - - <_> - 3 4 11 2 -1. - <_> - 3 4 11 1 2. - 1 - <_> - - <_> - 10 7 12 3 -1. - <_> - 10 8 12 1 3. - <_> - - <_> - 9 3 7 8 -1. - <_> - 9 3 7 4 2. - 1 - <_> - - <_> - 13 2 2 12 -1. - <_> - 13 2 2 6 2. - 1 - <_> - - <_> - 0 9 12 4 -1. - <_> - 0 9 6 2 2. - <_> - 6 11 6 2 2. - <_> - - <_> - 11 7 8 6 -1. - <_> - 13 7 4 6 2. - <_> - - <_> - 0 8 6 6 -1. - <_> - 2 8 2 6 3. - <_> - - <_> - 11 7 8 6 -1. - <_> - 13 7 4 6 2. - <_> - - <_> - 3 7 8 6 -1. - <_> - 5 7 4 6 2. - <_> - - <_> - 10 6 6 4 -1. - <_> - 10 6 3 4 2. - <_> - - <_> - 4 8 12 10 -1. - <_> - 4 8 6 5 2. - <_> - 10 13 6 5 2. - <_> - - <_> - 15 7 6 10 -1. - <_> - 17 7 2 10 3. - <_> - - <_> - 6 14 6 4 -1. - <_> - 9 14 3 4 2. - <_> - - <_> - 8 13 10 4 -1. - <_> - 8 13 5 4 2. - <_> - - <_> - 2 0 4 18 -1. - <_> - 4 0 2 18 2. - <_> - - <_> - 11 0 8 10 -1. - <_> - 11 0 8 5 2. - 1 - <_> - - <_> - 0 7 12 3 -1. - <_> - 0 8 12 1 3. - <_> - - <_> - 17 0 2 10 -1. - <_> - 17 0 1 10 2. - 1 - <_> - - <_> - 5 6 6 4 -1. - <_> - 5 8 6 2 2. - <_> - - <_> - 15 10 7 6 -1. - <_> - 15 12 7 2 3. - <_> - - <_> - 0 10 7 6 -1. - <_> - 0 12 7 2 3. - <_> - - <_> - 13 12 6 6 -1. - <_> - 15 12 2 6 3. - <_> - - <_> - 1 11 20 7 -1. - <_> - 11 11 10 7 2. - <_> - - <_> - 13 5 4 9 -1. - <_> - 13 8 4 3 3. - <_> - - <_> - 2 12 8 6 -1. - <_> - 2 12 4 3 2. - <_> - 6 15 4 3 2. - <_> - - <_> - 9 14 6 4 -1. - <_> - 9 16 6 2 2. - <_> - - <_> - 7 12 8 6 -1. - <_> - 7 12 4 3 2. - <_> - 11 15 4 3 2. - <_> - - <_> - 6 1 12 14 -1. - <_> - 12 1 6 7 2. - <_> - 6 8 6 7 2. - <_> - - <_> - 5 5 4 9 -1. - <_> - 5 8 4 3 3. - <_> - - <_> - 5 13 12 4 -1. - <_> - 11 13 6 2 2. - <_> - 5 15 6 2 2. - <_> - - <_> - 9 7 8 3 -1. - <_> - 8 8 8 1 3. - 1 - <_> - - <_> - 7 5 8 10 -1. - <_> - 7 10 8 5 2. - <_> - - <_> - 7 1 8 3 -1. - <_> - 6 2 8 1 3. - 1 - <_> - - <_> - 10 14 12 3 -1. - <_> - 10 15 12 1 3. - <_> - - <_> - 0 6 18 12 -1. - <_> - 0 12 18 6 2. - <_> - - <_> - 9 8 6 6 -1. - <_> - 9 11 6 3 2. - <_> - - <_> - 3 2 4 12 -1. - <_> - 3 2 2 6 2. - <_> - 5 8 2 6 2. - <_> - - <_> - 13 2 2 12 -1. - <_> - 13 2 2 6 2. - 1 - <_> - - <_> - 2 4 6 8 -1. - <_> - 2 4 3 4 2. - <_> - 5 8 3 4 2. - <_> - - <_> - 14 10 4 6 -1. - <_> - 14 10 2 6 2. - <_> - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - <_> - - <_> - 13 2 2 12 -1. - <_> - 13 2 2 6 2. - 1 - <_> - - <_> - 9 2 12 2 -1. - <_> - 9 2 6 2 2. - 1 - <_> - - <_> - 10 9 12 4 -1. - <_> - 16 9 6 2 2. - <_> - 10 11 6 2 2. - <_> - - <_> - 0 9 12 4 -1. - <_> - 0 9 6 2 2. - <_> - 6 11 6 2 2. - <_> - - <_> - 17 9 4 9 -1. - <_> - 17 12 4 3 3. - <_> - - <_> - 1 9 10 6 -1. - <_> - 1 9 5 3 2. - <_> - 6 12 5 3 2. - <_> - - <_> - 8 12 9 4 -1. - <_> - 8 14 9 2 2. - <_> - - <_> - 2 8 6 10 -1. - <_> - 2 8 3 5 2. - <_> - 5 13 3 5 2. - <_> - - <_> - 7 10 12 6 -1. - <_> - 10 10 6 6 2. - <_> - - <_> - 3 10 12 6 -1. - <_> - 6 10 6 6 2. - <_> - - <_> - 20 0 2 12 -1. - <_> - 20 6 2 6 2. - <_> - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - <_> - - <_> - 14 3 4 15 -1. - <_> - 14 3 2 15 2. - <_> - - <_> - 0 1 16 14 -1. - <_> - 0 1 8 7 2. - <_> - 8 8 8 7 2. - <_> - - <_> - 11 0 8 10 -1. - <_> - 11 0 8 5 2. - 1 - <_> - - <_> - 0 3 16 4 -1. - <_> - 0 3 8 2 2. - <_> - 8 5 8 2 2. - <_> - - <_> - 13 0 7 12 -1. - <_> - 13 4 7 4 3. - <_> - - <_> - 5 3 11 15 -1. - <_> - 5 8 11 5 3. - <_> - - <_> - 13 0 7 12 -1. - <_> - 13 4 7 4 3. - <_> - - <_> - 2 0 7 12 -1. - <_> - 2 4 7 4 3. - <_> - - <_> - 4 5 18 12 -1. - <_> - 10 9 6 4 9. - <_> - - <_> - 4 7 14 6 -1. - <_> - 4 7 7 3 2. - <_> - 11 10 7 3 2. - <_> - - <_> - 7 9 13 3 -1. - <_> - 7 10 13 1 3. - <_> - - <_> - 2 9 13 3 -1. - <_> - 2 10 13 1 3. - <_> - - <_> - 5 9 17 3 -1. - <_> - 5 10 17 1 3. - <_> - - <_> - 1 1 10 9 -1. - <_> - 1 4 10 3 3. - <_> - - <_> - 4 1 16 8 -1. - <_> - 4 3 16 4 2. - <_> - - <_> - 6 5 6 12 -1. - <_> - 8 5 2 12 3. - <_> - - <_> - 11 7 6 5 -1. - <_> - 11 7 3 5 2. - 1 - <_> - - <_> - 5 4 9 5 -1. - <_> - 8 4 3 5 3. - <_> - - <_> - 2 12 18 4 -1. - <_> - 11 12 9 2 2. - <_> - 2 14 9 2 2. - <_> - - <_> - 11 4 9 3 -1. - <_> - 10 5 9 1 3. - 1 - <_> - - <_> - 15 0 2 10 -1. - <_> - 15 0 1 10 2. - 1 - <_> - - <_> - 0 5 18 12 -1. - <_> - 6 9 6 4 9. - <_> - - <_> - 14 9 4 6 -1. - <_> - 14 9 2 6 2. - <_> - - <_> - 5 6 3 12 -1. - <_> - 5 10 3 4 3. - <_> - - <_> - 11 0 3 9 -1. - <_> - 12 1 1 9 3. - 1 - <_> - - <_> - 1 9 4 9 -1. - <_> - 1 12 4 3 3. - <_> - - <_> - 18 9 4 9 -1. - <_> - 18 12 4 3 3. - <_> - - <_> - 6 9 6 4 -1. - <_> - 9 9 3 4 2. - <_> - - <_> - 11 0 3 9 -1. - <_> - 12 1 1 9 3. - 1 - <_> - - <_> - 11 0 9 3 -1. - <_> - 10 1 9 1 3. - 1 - <_> - - <_> - 5 15 12 2 -1. - <_> - 5 16 12 1 2. - <_> - - <_> - 0 0 22 2 -1. - <_> - 11 0 11 2 2. - <_> - - <_> - 20 0 2 13 -1. - <_> - 20 0 1 13 2. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 10 1 6 6 -1. - <_> - 12 1 2 6 3. - <_> - - <_> - 6 1 6 6 -1. - <_> - 8 1 2 6 3. - <_> - - <_> - 10 7 12 3 -1. - <_> - 10 8 12 1 3. - <_> - - <_> - 0 7 12 3 -1. - <_> - 0 8 12 1 3. - <_> - - <_> - 1 9 8 6 -1. - <_> - 1 9 4 3 2. - <_> - 5 12 4 3 2. - <_> - - <_> - 10 10 7 4 -1. - <_> - 10 12 7 2 2. - <_> - - <_> - 8 10 4 6 -1. - <_> - 10 10 2 6 2. - <_> - - <_> - 13 6 8 4 -1. - <_> - 13 6 4 4 2. - 1 - <_> - - <_> - 10 1 8 7 -1. - <_> - 12 3 4 7 2. - 1 - <_> - - <_> - 8 5 8 7 -1. - <_> - 8 5 4 7 2. - <_> - - <_> - 6 5 8 7 -1. - <_> - 10 5 4 7 2. - <_> - - <_> - 6 3 16 12 -1. - <_> - 14 3 8 6 2. - <_> - 6 9 8 6 2. - <_> - - <_> - 4 11 6 6 -1. - <_> - 4 13 6 2 3. - <_> - - <_> - 4 2 18 14 -1. - <_> - 13 2 9 7 2. - <_> - 4 9 9 7 2. - <_> - - <_> - 5 0 11 12 -1. - <_> - 5 3 11 6 2. - <_> - - <_> - 4 7 16 9 -1. - <_> - 4 10 16 3 3. - <_> - - <_> - 0 1 18 3 -1. - <_> - 0 2 18 1 3. - <_> - - <_> - 12 13 6 4 -1. - <_> - 12 15 6 2 2. - <_> - - <_> - 1 10 6 8 -1. - <_> - 1 10 3 4 2. - <_> - 4 14 3 4 2. - <_> - - <_> - 14 12 8 6 -1. - <_> - 18 12 4 3 2. - <_> - 14 15 4 3 2. - <_> - - <_> - 9 3 12 3 -1. - <_> - 13 7 4 3 3. - 1 - <_> - - <_> - 8 12 6 6 -1. - <_> - 8 12 3 6 2. - <_> - - <_> - 4 8 14 10 -1. - <_> - 4 13 14 5 2. - <_> - - <_> - 11 2 8 8 -1. - <_> - 11 2 4 8 2. - 1 - <_> - - <_> - 9 6 4 8 -1. - <_> - 9 6 4 4 2. - 1 - <_> - - <_> - 18 3 4 10 -1. - <_> - 18 3 4 5 2. - 1 - <_> - - <_> - 5 15 12 3 -1. - <_> - 9 15 4 3 3. - <_> - - <_> - 11 8 4 6 -1. - <_> - 11 8 4 3 2. - 1 - <_> - - <_> - 11 8 6 4 -1. - <_> - 11 8 3 4 2. - 1 - <_> - - <_> - 3 13 16 5 -1. - <_> - 7 13 8 5 2. - <_> - - <_> - 6 2 4 12 -1. - <_> - 6 2 2 6 2. - <_> - 8 8 2 6 2. - <_> - - <_> - 2 14 18 4 -1. - <_> - 11 14 9 2 2. - <_> - 2 16 9 2 2. - <_> - - <_> - 3 1 12 3 -1. - <_> - 3 2 12 1 3. - <_> - - <_> - 6 1 16 3 -1. - <_> - 6 2 16 1 3. - <_> - - <_> - 5 3 8 3 -1. - <_> - 9 3 4 3 2. - <_> - - <_> - 16 3 4 6 -1. - <_> - 16 3 4 3 2. - 1 - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 3 5 4 2. - 1 - <_> - - <_> - 14 5 6 8 -1. - <_> - 17 5 3 4 2. - <_> - 14 9 3 4 2. - <_> - - <_> - 1 2 14 12 -1. - <_> - 1 5 14 6 2. - <_> - - <_> - 11 2 6 12 -1. - <_> - 11 5 6 6 2. - <_> - - <_> - 5 2 6 12 -1. - <_> - 5 5 6 6 2. - <_> - - <_> - 11 5 8 5 -1. - <_> - 11 5 4 5 2. - 1 - <_> - - <_> - 4 0 9 18 -1. - <_> - 7 0 3 18 3. - <_> - - <_> - 11 14 6 4 -1. - <_> - 11 16 6 2 2. - <_> - - <_> - 5 14 6 4 -1. - <_> - 5 16 6 2 2. - <_> - - <_> - 12 13 6 4 -1. - <_> - 12 15 6 2 2. - <_> - - <_> - 1 6 13 3 -1. - <_> - 1 7 13 1 3. - <_> - - <_> - 10 6 12 3 -1. - <_> - 10 7 12 1 3. - <_> - - <_> - 1 8 6 4 -1. - <_> - 4 8 3 4 2. - <_> - - <_> - 14 12 6 6 -1. - <_> - 16 12 2 6 3. - <_> - - <_> - 2 12 6 6 -1. - <_> - 4 12 2 6 3. - <_> - - <_> - 7 15 12 3 -1. - <_> - 11 15 4 3 3. - <_> - - <_> - 1 12 8 5 -1. - <_> - 5 12 4 5 2. - <_> - - <_> - 14 5 6 8 -1. - <_> - 17 5 3 4 2. - <_> - 14 9 3 4 2. - <_> - - <_> - 2 5 6 8 -1. - <_> - 2 5 3 4 2. - <_> - 5 9 3 4 2. - <_> - - <_> - 14 11 8 6 -1. - <_> - 18 11 4 3 2. - <_> - 14 14 4 3 2. - <_> - - <_> - 4 0 8 6 -1. - <_> - 4 0 4 3 2. - <_> - 8 3 4 3 2. - <_> - - <_> - 14 3 7 4 -1. - <_> - 14 3 7 2 2. - 1 - <_> - - <_> - 0 11 8 6 -1. - <_> - 0 11 4 3 2. - <_> - 4 14 4 3 2. - <_> - - <_> - 4 13 14 4 -1. - <_> - 4 15 14 2 2. - <_> - - <_> - 5 3 9 8 -1. - <_> - 8 3 3 8 3. - <_> - - <_> - 5 0 15 8 -1. - <_> - 10 0 5 8 3. - <_> - - <_> - 2 0 15 8 -1. - <_> - 7 0 5 8 3. - <_> - - <_> - 14 0 6 11 -1. - <_> - 16 0 2 11 3. - <_> - - <_> - 0 16 18 2 -1. - <_> - 6 16 6 2 3. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 8 3 4 7 -1. - <_> - 8 3 2 7 2. - 1 - <_> - - <_> - 10 3 6 8 -1. - <_> - 12 3 2 8 3. - <_> - - <_> - 6 3 6 8 -1. - <_> - 8 3 2 8 3. - <_> - - <_> - 7 13 12 4 -1. - <_> - 7 15 12 2 2. - <_> - - <_> - 3 9 16 8 -1. - <_> - 3 9 8 4 2. - <_> - 11 13 8 4 2. - <_> - - <_> - 9 0 13 3 -1. - <_> - 9 1 13 1 3. - <_> - - <_> - 4 0 4 12 -1. - <_> - 4 0 2 6 2. - <_> - 6 6 2 6 2. - <_> - - <_> - 1 11 20 4 -1. - <_> - 6 11 10 4 2. - <_> - - <_> - 3 14 6 4 -1. - <_> - 6 14 3 4 2. - <_> - - <_> - 10 6 12 3 -1. - <_> - 10 7 12 1 3. - <_> - - <_> - 0 6 12 3 -1. - <_> - 0 7 12 1 3. - <_> - - <_> - 6 2 14 6 -1. - <_> - 6 4 14 2 3. - <_> - - <_> - 4 1 6 4 -1. - <_> - 4 1 6 2 2. - 1 - <_> - - <_> - 1 0 21 18 -1. - <_> - 8 0 7 18 3. - <_> - - <_> - 5 0 14 2 -1. - <_> - 5 0 7 2 2. - 1 - <_> - - <_> - 14 8 4 9 -1. - <_> - 14 11 4 3 3. - <_> - - <_> - 2 0 6 10 -1. - <_> - 4 0 2 10 3. - <_> - - <_> - 5 11 12 4 -1. - <_> - 11 11 6 2 2. - <_> - 5 13 6 2 2. - <_> - - <_> - 8 5 4 6 -1. - <_> - 10 5 2 6 2. - <_> - - <_> - 7 1 15 9 -1. - <_> - 12 4 5 3 9. - <_> - - <_> - 0 1 15 9 -1. - <_> - 5 4 5 3 9. - <_> - - <_> - 5 0 12 16 -1. - <_> - 11 0 6 8 2. - <_> - 5 8 6 8 2. - <_> - - <_> - 8 10 6 5 -1. - <_> - 11 10 3 5 2. - <_> - - <_> - 10 4 8 9 -1. - <_> - 10 7 8 3 3. - <_> - - <_> - 4 4 8 9 -1. - <_> - 4 7 8 3 3. - <_> - - <_> - 8 3 12 3 -1. - <_> - 8 4 12 1 3. - <_> - - <_> - 0 3 13 3 -1. - <_> - 0 4 13 1 3. - <_> - - <_> - 10 1 12 3 -1. - <_> - 14 1 4 3 3. - <_> - - <_> - 0 1 12 3 -1. - <_> - 4 1 4 3 3. - <_> - - <_> - 8 3 12 3 -1. - <_> - 8 4 12 1 3. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 3 4 2. - 1 - <_> - - <_> - 13 2 2 11 -1. - <_> - 13 2 1 11 2. - 1 - <_> - - <_> - 9 2 11 2 -1. - <_> - 9 2 11 1 2. - 1 - <_> - - <_> - 11 1 3 16 -1. - <_> - 11 9 3 8 2. - <_> - - <_> - 7 1 4 9 -1. - <_> - 7 4 4 3 3. - <_> - - <_> - 12 4 4 8 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 1 7 6 4 -1. - <_> - 1 9 6 2 2. - <_> - - <_> - 12 4 4 8 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 6 4 4 8 -1. - <_> - 6 8 4 4 2. - <_> - - <_> - 19 3 3 12 -1. - <_> - 20 4 1 12 3. - 1 - <_> - - <_> - 3 3 12 3 -1. - <_> - 2 4 12 1 3. - 1 - <_> - - <_> - 13 6 3 7 -1. - <_> - 14 7 1 7 3. - 1 - <_> - - <_> - 8 12 6 4 -1. - <_> - 11 12 3 4 2. - <_> - - <_> - 10 8 10 10 -1. - <_> - 15 8 5 5 2. - <_> - 10 13 5 5 2. - <_> - - <_> - 2 8 10 10 -1. - <_> - 2 8 5 5 2. - <_> - 7 13 5 5 2. - <_> - - <_> - 1 11 20 3 -1. - <_> - 6 11 10 3 2. - <_> - - <_> - 13 8 6 4 -1. - <_> - 13 8 3 4 2. - 1 - <_> - - <_> - 4 11 8 4 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 9 5 10 6 -1. - <_> - 9 5 5 6 2. - <_> - - <_> - 4 8 6 9 -1. - <_> - 7 8 3 9 2. - <_> - - <_> - 4 5 16 4 -1. - <_> - 4 5 8 4 2. - <_> - - <_> - 2 4 18 6 -1. - <_> - 8 6 6 2 9. - <_> - - <_> - 11 1 2 11 -1. - <_> - 11 1 1 11 2. - 1 - <_> - - <_> - 7 1 6 8 -1. - <_> - 7 1 3 4 2. - <_> - 10 5 3 4 2. - <_> - - <_> - 7 10 8 6 -1. - <_> - 9 10 4 6 2. - <_> - - <_> - 6 12 9 4 -1. - <_> - 9 12 3 4 3. - <_> - - <_> - 10 12 9 4 -1. - <_> - 13 12 3 4 3. - <_> - - <_> - 8 0 10 8 -1. - <_> - 8 0 5 8 2. - 1 - <_> - - <_> - 9 6 12 4 -1. - <_> - 15 6 6 2 2. - <_> - 9 8 6 2 2. - <_> - - <_> - 4 9 14 5 -1. - <_> - 11 9 7 5 2. - <_> - - <_> - 14 6 6 6 -1. - <_> - 12 8 6 2 3. - 1 - <_> - - <_> - 6 4 6 7 -1. - <_> - 8 4 2 7 3. - <_> - - <_> - 14 9 6 6 -1. - <_> - 14 12 6 3 2. - <_> - - <_> - 2 9 6 6 -1. - <_> - 2 12 6 3 2. - <_> - - <_> - 13 8 4 8 -1. - <_> - 13 8 2 8 2. - <_> - - <_> - 5 8 4 9 -1. - <_> - 7 8 2 9 2. - <_> - - <_> - 2 4 18 12 -1. - <_> - 8 8 6 4 9. - <_> - - <_> - 3 5 10 6 -1. - <_> - 8 5 5 6 2. - <_> - - <_> - 6 0 12 8 -1. - <_> - 6 0 6 8 2. - <_> - - <_> - 0 11 8 7 -1. - <_> - 2 11 4 7 2. - <_> - - <_> - 15 11 6 7 -1. - <_> - 17 11 2 7 3. - <_> - - <_> - 3 16 14 2 -1. - <_> - 3 17 14 1 2. - <_> - - <_> - 9 15 13 3 -1. - <_> - 9 16 13 1 3. - <_> - - <_> - 0 15 13 3 -1. - <_> - 0 16 13 1 3. - <_> - - <_> - 5 13 12 3 -1. - <_> - 5 14 12 1 3. - <_> - - <_> - 0 14 14 3 -1. - <_> - 0 15 14 1 3. - <_> - - <_> - 13 5 6 6 -1. - <_> - 15 5 2 6 3. - <_> - - <_> - 3 5 6 6 -1. - <_> - 5 5 2 6 3. - <_> - - <_> - 2 3 20 4 -1. - <_> - 7 3 10 4 2. - <_> - - <_> - 4 13 12 2 -1. - <_> - 4 14 12 1 2. - <_> - - <_> - 9 6 9 6 -1. - <_> - 12 6 3 6 3. - <_> - - <_> - 8 5 6 7 -1. - <_> - 10 5 2 7 3. - <_> - - <_> - 15 0 3 10 -1. - <_> - 16 1 1 10 3. - 1 - <_> - - <_> - 7 0 10 3 -1. - <_> - 6 1 10 1 3. - 1 - <_> - - <_> - 11 4 8 6 -1. - <_> - 15 4 4 3 2. - <_> - 11 7 4 3 2. - <_> - - <_> - 7 0 12 3 -1. - <_> - 6 1 12 1 3. - 1 - <_> - - <_> - 19 4 3 11 -1. - <_> - 20 5 1 11 3. - 1 - <_> - - <_> - 1 11 6 7 -1. - <_> - 3 11 2 7 3. - <_> - - <_> - 7 4 15 14 -1. - <_> - 7 11 15 7 2. - <_> - - <_> - 3 4 11 3 -1. - <_> - 2 5 11 1 3. - 1 - <_> - - <_> - 14 6 3 8 -1. - <_> - 15 7 1 8 3. - 1 - <_> - - <_> - 3 0 3 18 -1. - <_> - 4 0 1 18 3. - <_> - - <_> - 14 3 8 4 -1. - <_> - 14 3 8 2 2. - 1 - <_> - - <_> - 8 3 4 8 -1. - <_> - 8 3 2 8 2. - 1 - <_> - - <_> - 18 2 4 12 -1. - <_> - 15 5 4 6 2. - 1 - <_> - - <_> - 2 9 17 3 -1. - <_> - 2 10 17 1 3. - <_> - - <_> - 7 9 14 3 -1. - <_> - 7 10 14 1 3. - <_> - - <_> - 8 2 6 8 -1. - <_> - 8 2 3 4 2. - <_> - 11 6 3 4 2. - <_> - - <_> - 11 4 8 6 -1. - <_> - 15 4 4 3 2. - <_> - 11 7 4 3 2. - <_> - - <_> - 3 4 8 6 -1. - <_> - 3 4 4 3 2. - <_> - 7 7 4 3 2. - <_> - - <_> - 3 1 18 3 -1. - <_> - 3 2 18 1 3. - <_> - - <_> - 0 9 8 3 -1. - <_> - 4 9 4 3 2. - <_> - - <_> - 13 2 9 10 -1. - <_> - 13 7 9 5 2. - <_> - - <_> - 1 2 8 12 -1. - <_> - 1 2 4 6 2. - <_> - 5 8 4 6 2. - <_> - - <_> - 12 5 8 6 -1. - <_> - 16 5 4 3 2. - <_> - 12 8 4 3 2. - <_> - - <_> - 1 0 17 3 -1. - <_> - 1 1 17 1 3. - <_> - - <_> - 4 0 15 2 -1. - <_> - 4 1 15 1 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 5 2 12 2 2. - <_> - - <_> - 7 4 15 14 -1. - <_> - 7 11 15 7 2. - <_> - - <_> - 8 2 9 2 -1. - <_> - 8 2 9 1 2. - 1 - <_> - - <_> - 16 0 2 13 -1. - <_> - 16 0 1 13 2. - 1 - <_> - - <_> - 6 0 13 2 -1. - <_> - 6 0 13 1 2. - 1 - <_> - - <_> - 12 7 2 9 -1. - <_> - 12 7 1 9 2. - 1 - <_> - - <_> - 10 7 9 2 -1. - <_> - 10 7 9 1 2. - 1 - <_> - - <_> - 9 0 11 10 -1. - <_> - 9 5 11 5 2. - <_> - - <_> - 8 5 9 2 -1. - <_> - 8 5 9 1 2. - 1 - <_> - - <_> - 13 2 9 10 -1. - <_> - 13 7 9 5 2. - <_> - - <_> - 0 2 9 10 -1. - <_> - 0 7 9 5 2. - <_> - - <_> - 17 2 3 8 -1. - <_> - 17 6 3 4 2. - <_> - - <_> - 2 2 3 8 -1. - <_> - 2 6 3 4 2. - <_> - - <_> - 4 4 18 4 -1. - <_> - 13 4 9 2 2. - <_> - 4 6 9 2 2. - <_> - - <_> - 0 4 18 4 -1. - <_> - 0 4 9 2 2. - <_> - 9 6 9 2 2. - <_> - - <_> - 4 1 14 4 -1. - <_> - 11 1 7 2 2. - <_> - 4 3 7 2 2. - <_> - - <_> - 0 0 21 8 -1. - <_> - 7 0 7 8 3. - <_> - - <_> - 5 0 14 18 -1. - <_> - 12 0 7 9 2. - <_> - 5 9 7 9 2. - <_> - - <_> - 1 11 16 4 -1. - <_> - 5 11 8 4 2. - <_> - - <_> - 6 9 10 6 -1. - <_> - 6 11 10 2 3. - <_> - - <_> - 5 10 12 4 -1. - <_> - 5 11 12 2 2. - <_> - - <_> - 15 4 6 6 -1. - <_> - 15 4 3 6 2. - 1 - <_> - - <_> - 7 4 6 6 -1. - <_> - 7 4 6 3 2. - 1 - <_> - - <_> - 12 5 8 6 -1. - <_> - 16 5 4 3 2. - <_> - 12 8 4 3 2. - <_> - - <_> - 5 5 8 4 -1. - <_> - 5 5 8 2 2. - 1 - <_> - - <_> - 17 6 3 12 -1. - <_> - 17 10 3 4 3. - <_> - - <_> - 5 7 9 2 -1. - <_> - 5 7 9 1 2. - 1 - <_> - - <_> - 14 6 3 8 -1. - <_> - 15 7 1 8 3. - 1 - <_> - - <_> - 5 7 12 2 -1. - <_> - 5 8 12 1 2. - <_> - - <_> - 4 5 18 3 -1. - <_> - 4 6 18 1 3. - <_> - - <_> - 1 6 15 9 -1. - <_> - 6 6 5 9 3. - <_> - - <_> - 19 4 3 10 -1. - <_> - 19 4 3 5 2. - 1 - <_> - - <_> - 0 12 18 6 -1. - <_> - 0 15 18 3 2. - <_> - - <_> - 6 13 13 4 -1. - <_> - 6 15 13 2 2. - <_> - - <_> - 3 5 8 9 -1. - <_> - 3 8 8 3 3. - <_> - - <_> - 6 8 10 8 -1. - <_> - 6 10 10 4 2. - <_> - - <_> - 4 6 13 6 -1. - <_> - 4 9 13 3 2. - <_> - - <_> - 14 3 2 12 -1. - <_> - 14 3 2 6 2. - 1 - <_> - - <_> - 8 3 12 2 -1. - <_> - 8 3 6 2 2. - 1 - <_> - - <_> - 13 1 5 12 -1. - <_> - 13 1 5 6 2. - 1 - <_> - - <_> - 9 1 12 5 -1. - <_> - 9 1 6 5 2. - 1 - <_> - - <_> - 8 12 8 3 -1. - <_> - 8 12 4 3 2. - <_> - - <_> - 5 12 12 4 -1. - <_> - 8 12 6 4 2. - <_> - - <_> - 13 8 6 4 -1. - <_> - 13 8 3 4 2. - 1 - <_> - - <_> - 9 8 4 6 -1. - <_> - 9 8 4 3 2. - 1 - <_> - - <_> - 1 7 20 11 -1. - <_> - 6 7 10 11 2. - <_> - - <_> - 10 13 12 3 -1. - <_> - 10 14 12 1 3. - <_> - - <_> - 1 10 6 4 -1. - <_> - 4 10 3 4 2. - <_> - - <_> - 15 10 6 4 -1. - <_> - 15 10 3 4 2. - <_> - - <_> - 0 13 12 3 -1. - <_> - 0 14 12 1 3. - <_> - - <_> - 4 10 14 8 -1. - <_> - 4 14 14 4 2. - <_> - - <_> - 5 14 12 4 -1. - <_> - 5 15 12 2 2. - <_> - - <_> - 5 16 12 2 -1. - <_> - 5 17 12 1 2. - <_> - - <_> - 1 0 20 12 -1. - <_> - 6 0 10 12 2. - <_> - - <_> - 7 12 15 5 -1. - <_> - 12 12 5 5 3. - <_> - - <_> - 6 0 15 2 -1. - <_> - 6 0 15 1 2. - 1 - <_> - - <_> - 6 5 12 8 -1. - <_> - 12 5 6 4 2. - <_> - 6 9 6 4 2. - <_> - - <_> - 4 5 12 8 -1. - <_> - 4 5 6 4 2. - <_> - 10 9 6 4 2. - <_> - - <_> - 6 2 16 6 -1. - <_> - 14 2 8 3 2. - <_> - 6 5 8 3 2. - <_> - - <_> - 1 2 16 14 -1. - <_> - 1 2 8 7 2. - <_> - 9 9 8 7 2. - <_> - - <_> - 11 14 6 4 -1. - <_> - 11 14 3 4 2. - <_> - - <_> - 3 8 12 9 -1. - <_> - 7 11 4 3 9. - <_> - - <_> - 8 3 14 4 -1. - <_> - 15 3 7 2 2. - <_> - 8 5 7 2 2. - <_> - - <_> - 9 0 6 8 -1. - <_> - 11 2 2 8 3. - 1 - <_> - - <_> - 12 13 6 4 -1. - <_> - 12 15 6 2 2. - <_> - - <_> - 4 13 6 4 -1. - <_> - 4 15 6 2 2. - <_> - - <_> - 6 16 16 2 -1. - <_> - 6 17 16 1 2. - <_> - - <_> - 0 3 12 3 -1. - <_> - 0 4 12 1 3. - <_> - - <_> - 8 3 14 3 -1. - <_> - 8 4 14 1 3. - <_> - - <_> - 6 2 3 16 -1. - <_> - 6 6 3 8 2. - <_> - - <_> - 5 2 14 14 -1. - <_> - 12 2 7 7 2. - <_> - 5 9 7 7 2. - <_> - - <_> - 5 8 3 8 -1. - <_> - 5 12 3 4 2. - <_> - - <_> - 14 7 7 4 -1. - <_> - 14 7 7 2 2. - 1 - <_> - - <_> - 4 6 12 9 -1. - <_> - 8 9 4 3 9. - <_> - - <_> - 7 11 15 6 -1. - <_> - 12 11 5 6 3. - <_> - - <_> - 0 11 15 6 -1. - <_> - 5 11 5 6 3. - <_> - - <_> - 15 7 6 8 -1. - <_> - 18 7 3 4 2. - <_> - 15 11 3 4 2. - <_> - - <_> - 0 7 22 10 -1. - <_> - 0 7 11 5 2. - <_> - 11 12 11 5 2. - <_> - - <_> - 1 8 20 8 -1. - <_> - 6 8 10 8 2. - <_> - - <_> - 2 5 7 6 -1. - <_> - 2 7 7 2 3. - <_> - - <_> - 7 2 15 8 -1. - <_> - 7 4 15 4 2. - <_> - - <_> - 3 1 14 8 -1. - <_> - 3 3 14 4 2. - <_> - - <_> - 9 2 13 2 -1. - <_> - 9 3 13 1 2. - <_> - - <_> - 8 3 6 8 -1. - <_> - 10 3 2 8 3. - <_> - - <_> - 7 1 15 2 -1. - <_> - 7 2 15 1 2. - <_> - - <_> - 0 1 15 2 -1. - <_> - 0 2 15 1 2. - <_> - - <_> - 6 0 12 3 -1. - <_> - 6 1 12 1 3. - <_> - - <_> - 4 0 9 4 -1. - <_> - 7 0 3 4 3. - <_> - - <_> - 12 3 8 3 -1. - <_> - 12 3 4 3 2. - 1 - <_> - - <_> - 8 12 6 4 -1. - <_> - 11 12 3 4 2. - <_> - - <_> - 12 1 10 4 -1. - <_> - 12 1 5 4 2. - <_> - - <_> - 0 1 10 4 -1. - <_> - 5 1 5 4 2. - <_> - - <_> - 16 13 6 5 -1. - <_> - 16 13 3 5 2. - <_> - - <_> - 0 13 6 5 -1. - <_> - 3 13 3 5 2. - <_> - - <_> - 18 11 4 7 -1. - <_> - 18 11 2 7 2. - <_> - - <_> - 0 11 4 7 -1. - <_> - 2 11 2 7 2. - <_> - - <_> - 15 0 6 14 -1. - <_> - 17 0 2 14 3. - <_> - - <_> - 1 0 6 14 -1. - <_> - 3 0 2 14 3. - <_> - - <_> - 13 0 4 14 -1. - <_> - 15 0 2 7 2. - <_> - 13 7 2 7 2. - <_> - - <_> - 5 0 4 14 -1. - <_> - 5 0 2 7 2. - <_> - 7 7 2 7 2. - <_> - - <_> - 13 2 6 4 -1. - <_> - 13 2 3 4 2. - <_> - - <_> - 1 7 12 4 -1. - <_> - 1 7 6 2 2. - <_> - 7 9 6 2 2. - <_> - - <_> - 4 13 18 3 -1. - <_> - 4 14 18 1 3. - <_> - - <_> - 2 6 2 12 -1. - <_> - 2 12 2 6 2. - <_> - - <_> - 4 11 16 4 -1. - <_> - 12 11 8 2 2. - <_> - 4 13 8 2 2. - <_> - - <_> - 2 11 16 4 -1. - <_> - 2 11 8 2 2. - <_> - 10 13 8 2 2. - <_> - - <_> - 10 12 12 4 -1. - <_> - 16 12 6 2 2. - <_> - 10 14 6 2 2. - <_> - - <_> - 0 12 12 4 -1. - <_> - 0 12 6 2 2. - <_> - 6 14 6 2 2. - <_> - - <_> - 12 12 10 6 -1. - <_> - 17 12 5 3 2. - <_> - 12 15 5 3 2. - <_> - - <_> - 0 10 10 8 -1. - <_> - 0 10 5 4 2. - <_> - 5 14 5 4 2. - <_> - - <_> - 8 0 7 4 -1. - <_> - 8 2 7 2 2. - <_> - - <_> - 0 3 14 3 -1. - <_> - 0 4 14 1 3. - <_> - - <_> - 15 1 6 8 -1. - <_> - 18 1 3 4 2. - <_> - 15 5 3 4 2. - <_> - - <_> - 2 3 7 4 -1. - <_> - 2 5 7 2 2. - <_> - - <_> - 13 2 6 4 -1. - <_> - 13 2 3 4 2. - <_> - - <_> - 3 2 6 4 -1. - <_> - 6 2 3 4 2. - <_> - - <_> - 5 1 16 4 -1. - <_> - 5 2 16 2 2. - <_> - - <_> - 4 15 13 3 -1. - <_> - 4 16 13 1 3. - <_> - - <_> - 12 6 3 12 -1. - <_> - 13 6 1 12 3. - <_> - - <_> - 0 16 16 2 -1. - <_> - 8 16 8 2 2. - <_> - - <_> - 3 2 16 10 -1. - <_> - 3 7 16 5 2. - <_> - - <_> - 7 1 12 4 -1. - <_> - 10 4 6 4 2. - 1 - <_> - - <_> - 14 1 2 9 -1. - <_> - 14 1 1 9 2. - 1 - <_> - - <_> - 4 10 3 8 -1. - <_> - 4 14 3 4 2. - <_> - - <_> - 11 12 6 6 -1. - <_> - 11 14 6 2 3. - <_> - - <_> - 5 12 6 6 -1. - <_> - 5 14 6 2 3. - <_> - - <_> - 12 6 3 12 -1. - <_> - 13 6 1 12 3. - <_> - - <_> - 10 6 8 3 -1. - <_> - 9 7 8 1 3. - 1 - <_> - - <_> - 12 6 3 12 -1. - <_> - 13 6 1 12 3. - <_> - - <_> - 7 6 3 12 -1. - <_> - 8 6 1 12 3. - <_> - - <_> - 14 1 2 9 -1. - <_> - 14 1 1 9 2. - 1 - <_> - - <_> - 11 4 10 3 -1. - <_> - 10 5 10 1 3. - 1 - <_> - - <_> - 8 11 9 4 -1. - <_> - 11 11 3 4 3. - <_> - - <_> - 7 5 2 12 -1. - <_> - 8 5 1 12 2. - <_> - - <_> - 13 1 3 16 -1. - <_> - 14 1 1 16 3. - <_> - - <_> - 7 4 6 6 -1. - <_> - 9 4 2 6 3. - <_> - - <_> - 10 4 2 12 -1. - <_> - 10 4 1 12 2. - <_> - - <_> - 0 0 18 5 -1. - <_> - 9 0 9 5 2. - <_> - - <_> - 16 3 2 12 -1. - <_> - 16 3 1 12 2. - 1 - <_> - - <_> - 6 3 12 2 -1. - <_> - 6 3 12 1 2. - 1 - <_> - - <_> - 13 6 4 7 -1. - <_> - 14 7 2 7 2. - 1 - <_> - - <_> - 7 3 13 2 -1. - <_> - 7 3 13 1 2. - 1 - <_> - - <_> - 5 14 17 4 -1. - <_> - 5 15 17 2 2. - <_> - - <_> - 0 13 18 3 -1. - <_> - 0 14 18 1 3. - <_> - - <_> - 6 13 14 3 -1. - <_> - 6 14 14 1 3. - <_> - - <_> - 2 13 14 3 -1. - <_> - 2 14 14 1 3. - <_> - - <_> - 5 13 12 2 -1. - <_> - 5 14 12 1 2. - <_> - - <_> - 0 5 4 8 -1. - <_> - 0 9 4 4 2. - <_> - - <_> - 15 7 6 8 -1. - <_> - 18 7 3 4 2. - <_> - 15 11 3 4 2. - <_> - - <_> - 9 2 4 7 -1. - <_> - 11 2 2 7 2. - <_> - - <_> - 8 4 14 3 -1. - <_> - 8 5 14 1 3. - <_> - - <_> - 0 4 12 3 -1. - <_> - 0 5 12 1 3. - <_> - - <_> - 13 2 4 9 -1. - <_> - 13 5 4 3 3. - <_> - - <_> - 5 2 4 9 -1. - <_> - 5 5 4 3 3. - <_> - - <_> - 12 6 6 4 -1. - <_> - 12 8 6 2 2. - <_> - - <_> - 5 5 12 3 -1. - <_> - 11 5 6 3 2. - <_> - - <_> - 7 1 8 12 -1. - <_> - 7 4 8 6 2. - <_> - - <_> - 9 3 6 7 -1. - <_> - 11 5 2 7 3. - 1 - <_> - - <_> - 12 1 9 6 -1. - <_> - 10 3 9 2 3. - 1 - <_> - - <_> - 11 7 8 3 -1. - <_> - 11 7 4 3 2. - 1 - <_> - - <_> - 14 1 2 9 -1. - <_> - 14 1 1 9 2. - 1 - <_> - - <_> - 1 7 6 8 -1. - <_> - 1 7 3 4 2. - <_> - 4 11 3 4 2. - <_> - - <_> - 11 0 4 6 -1. - <_> - 11 0 2 6 2. - <_> - - <_> - 7 0 4 6 -1. - <_> - 9 0 2 6 2. - <_> - - <_> - 0 7 22 4 -1. - <_> - 11 7 11 2 2. - <_> - 0 9 11 2 2. - <_> - - <_> - 3 5 4 8 -1. - <_> - 3 9 4 4 2. - <_> - - <_> - 5 4 12 3 -1. - <_> - 9 4 4 3 3. - <_> - - <_> - 10 2 12 3 -1. - <_> - 10 2 6 3 2. - 1 - <_> - - <_> - 5 2 6 16 -1. - <_> - 5 10 6 8 2. - <_> - - <_> - 12 6 8 4 -1. - <_> - 12 6 8 2 2. - 1 - <_> - - <_> - 3 12 6 6 -1. - <_> - 5 12 2 6 3. - <_> - - <_> - 12 1 3 12 -1. - <_> - 12 1 3 6 2. - 1 - <_> - - <_> - 10 1 12 3 -1. - <_> - 10 1 6 3 2. - 1 - <_> - - <_> - 4 8 16 4 -1. - <_> - 8 8 8 4 2. - <_> - - <_> - 6 10 4 6 -1. - <_> - 8 10 2 6 2. - <_> - - <_> - 7 14 9 4 -1. - <_> - 10 14 3 4 3. - <_> - - <_> - 8 10 4 7 -1. - <_> - 10 10 2 7 2. - <_> - - <_> - 12 12 4 6 -1. - <_> - 12 12 2 6 2. - <_> - - <_> - 6 12 4 6 -1. - <_> - 8 12 2 6 2. - <_> - - <_> - 9 12 4 6 -1. - <_> - 9 15 4 3 2. - <_> - - <_> - 5 12 6 6 -1. - <_> - 7 12 2 6 3. - <_> - - <_> - 6 2 11 16 -1. - <_> - 6 6 11 8 2. - <_> - - <_> - 11 2 6 2 -1. - <_> - 11 2 6 1 2. - 1 - <_> - - <_> - 10 1 6 8 -1. - <_> - 13 1 3 4 2. - <_> - 10 5 3 4 2. - <_> - - <_> - 5 2 12 2 -1. - <_> - 11 2 6 2 2. - <_> - - <_> - 10 13 8 3 -1. - <_> - 10 13 4 3 2. - <_> - - <_> - 5 0 12 6 -1. - <_> - 11 0 6 6 2. - <_> - - <_> - 10 7 12 3 -1. - <_> - 10 8 12 1 3. - <_> - - <_> - 0 7 12 3 -1. - <_> - 0 8 12 1 3. - <_> - - <_> - 20 0 2 18 -1. - <_> - 20 9 2 9 2. - <_> - - <_> - 0 0 2 18 -1. - <_> - 0 9 2 9 2. - <_> - - <_> - 14 6 6 12 -1. - <_> - 17 6 3 6 2. - <_> - 14 12 3 6 2. - <_> - - <_> - 1 5 6 10 -1. - <_> - 1 10 6 5 2. - <_> - - <_> - 16 1 4 12 -1. - <_> - 16 5 4 4 3. - <_> - - <_> - 2 1 4 12 -1. - <_> - 2 5 4 4 3. - <_> - - <_> - 3 12 16 4 -1. - <_> - 11 12 8 2 2. - <_> - 3 14 8 2 2. - <_> - - <_> - 0 2 12 2 -1. - <_> - 0 3 12 1 2. - <_> - - <_> - 6 2 13 3 -1. - <_> - 6 3 13 1 3. - <_> - - <_> - 1 0 10 6 -1. - <_> - 1 0 5 3 2. - <_> - 6 3 5 3 2. - <_> - - <_> - 9 11 12 5 -1. - <_> - 13 11 4 5 3. - <_> - - <_> - 2 6 6 12 -1. - <_> - 2 6 3 6 2. - <_> - 5 12 3 6 2. - <_> - - <_> - 9 12 8 6 -1. - <_> - 13 12 4 3 2. - <_> - 9 15 4 3 2. - <_> - - <_> - 1 7 6 8 -1. - <_> - 1 7 3 4 2. - <_> - 4 11 3 4 2. - <_> - - <_> - 14 6 3 8 -1. - <_> - 15 7 1 8 3. - 1 - <_> - - <_> - 2 14 12 4 -1. - <_> - 6 14 4 4 3. - <_> - - <_> - 14 4 2 11 -1. - <_> - 14 4 1 11 2. - 1 - <_> - - <_> - 8 6 8 3 -1. - <_> - 7 7 8 1 3. - 1 - <_> - - <_> - 6 12 12 3 -1. - <_> - 6 13 12 1 3. - <_> - - <_> - 2 3 18 3 -1. - <_> - 2 4 18 1 3. - <_> - - <_> - 11 6 9 9 -1. - <_> - 14 6 3 9 3. - <_> - - <_> - 3 13 11 4 -1. - <_> - 3 15 11 2 2. - <_> - - <_> - 17 5 4 6 -1. - <_> - 17 5 2 6 2. - <_> - - <_> - 1 5 4 6 -1. - <_> - 3 5 2 6 2. - <_> - - <_> - 6 0 16 3 -1. - <_> - 10 0 8 3 2. - <_> - - <_> - 8 6 3 12 -1. - <_> - 9 6 1 12 3. - <_> - - <_> - 14 2 2 8 -1. - <_> - 14 2 1 8 2. - 1 - <_> - - <_> - 9 0 12 3 -1. - <_> - 9 0 6 3 2. - 1 - <_> - - <_> - 6 0 16 3 -1. - <_> - 10 0 8 3 2. - <_> - - <_> - 0 0 16 3 -1. - <_> - 4 0 8 3 2. - <_> - - <_> - 8 12 14 3 -1. - <_> - 8 13 14 1 3. - <_> - - <_> - 8 4 11 2 -1. - <_> - 8 4 11 1 2. - 1 - <_> - - <_> - 2 5 20 13 -1. - <_> - 2 5 10 13 2. - <_> - - <_> - 0 2 18 9 -1. - <_> - 6 5 6 3 9. - <_> - - <_> - 10 13 12 3 -1. - <_> - 10 14 12 1 3. - <_> - - <_> - 8 11 6 7 -1. - <_> - 10 11 2 7 3. - <_> - - <_> - 5 6 12 11 -1. - <_> - 9 6 4 11 3. - <_> - - <_> - 3 6 6 6 -1. - <_> - 5 6 2 6 3. - <_> - - <_> - 13 4 6 13 -1. - <_> - 15 4 2 13 3. - <_> - - <_> - 3 4 6 13 -1. - <_> - 5 4 2 13 3. - <_> - - <_> - 5 10 12 3 -1. - <_> - 9 10 4 3 3. - <_> - - <_> - 5 8 12 6 -1. - <_> - 8 8 6 6 2. - <_> - - <_> - 14 2 2 8 -1. - <_> - 14 2 1 8 2. - 1 - <_> - - <_> - 8 2 8 2 -1. - <_> - 8 2 8 1 2. - 1 - <_> - - <_> - 8 6 9 5 -1. - <_> - 11 6 3 5 3. - <_> - - <_> - 0 3 14 4 -1. - <_> - 0 3 7 2 2. - <_> - 7 5 7 2 2. - <_> - - <_> - 12 1 3 8 -1. - <_> - 13 2 1 8 3. - 1 - <_> - - <_> - 10 1 8 3 -1. - <_> - 9 2 8 1 3. - 1 - <_> - - <_> - 14 3 6 6 -1. - <_> - 14 5 6 2 3. - <_> - - <_> - 4 1 6 10 -1. - <_> - 4 1 3 5 2. - <_> - 7 6 3 5 2. - <_> - - <_> - 18 1 3 13 -1. - <_> - 19 1 1 13 3. - <_> - - <_> - 1 1 3 13 -1. - <_> - 2 1 1 13 3. - <_> - - <_> - 11 1 2 8 -1. - <_> - 11 1 1 8 2. - 1 - <_> - - <_> - 11 1 8 2 -1. - <_> - 11 1 8 1 2. - 1 - <_> - - <_> - 8 4 6 6 -1. - <_> - 8 6 6 2 3. - <_> - - <_> - 5 4 7 6 -1. - <_> - 5 6 7 2 3. - <_> - - <_> - 9 11 13 3 -1. - <_> - 9 12 13 1 3. - <_> - - <_> - 0 11 13 3 -1. - <_> - 0 12 13 1 3. - <_> - - <_> - 12 10 9 8 -1. - <_> - 12 14 9 4 2. - <_> - - <_> - 1 10 9 8 -1. - <_> - 1 14 9 4 2. - <_> - - <_> - 4 10 18 8 -1. - <_> - 13 10 9 4 2. - <_> - 4 14 9 4 2. - <_> - - <_> - 0 10 18 8 -1. - <_> - 0 10 9 4 2. - <_> - 9 14 9 4 2. - <_> - - <_> - 12 2 4 12 -1. - <_> - 12 2 2 12 2. - 1 - <_> - - <_> - 0 5 20 13 -1. - <_> - 10 5 10 13 2. - <_> - - <_> - 10 6 9 6 -1. - <_> - 10 8 9 2 3. - <_> - - <_> - 3 6 9 6 -1. - <_> - 3 8 9 2 3. - <_> - - <_> - 7 4 15 8 -1. - <_> - 7 6 15 4 2. - <_> - - <_> - 9 2 12 2 -1. - <_> - 9 2 12 1 2. - 1 - <_> - - <_> - 12 6 6 4 -1. - <_> - 12 6 6 2 2. - 1 - <_> - - <_> - 7 0 13 3 -1. - <_> - 6 1 13 1 3. - 1 - <_> - - <_> - 3 0 18 2 -1. - <_> - 3 0 9 2 2. - <_> - - <_> - 4 5 13 12 -1. - <_> - 4 9 13 4 3. - <_> - - <_> - 4 6 18 9 -1. - <_> - 10 9 6 3 9. - <_> - - <_> - 8 5 6 11 -1. - <_> - 10 5 2 11 3. - <_> - - <_> - 6 2 16 16 -1. - <_> - 6 6 16 8 2. - <_> - - <_> - 0 2 16 16 -1. - <_> - 0 6 16 8 2. - <_> - - <_> - 18 1 2 12 -1. - <_> - 18 7 2 6 2. - <_> - - <_> - 2 1 2 12 -1. - <_> - 2 7 2 6 2. - <_> - - <_> - 8 3 14 9 -1. - <_> - 8 6 14 3 3. - <_> - - <_> - 0 3 14 9 -1. - <_> - 0 6 14 3 3. - <_> - - <_> - 10 6 4 9 -1. - <_> - 10 9 4 3 3. - <_> - - <_> - 0 6 3 12 -1. - <_> - 0 12 3 6 2. - <_> - - <_> - 16 2 6 9 -1. - <_> - 13 5 6 3 3. - 1 - <_> - - <_> - 10 0 12 4 -1. - <_> - 9 1 12 2 2. - 1 - <_> - - <_> - 11 0 10 18 -1. - <_> - 16 0 5 9 2. - <_> - 11 9 5 9 2. - <_> - - <_> - 1 0 10 18 -1. - <_> - 1 0 5 9 2. - <_> - 6 9 5 9 2. - <_> - - <_> - 7 12 14 3 -1. - <_> - 7 12 7 3 2. - <_> - - <_> - 7 11 8 3 -1. - <_> - 11 11 4 3 2. - <_> - - <_> - 2 13 18 4 -1. - <_> - 2 13 9 4 2. - <_> - - <_> - 10 6 4 6 -1. - <_> - 10 6 2 6 2. - 1 - <_> - - <_> - 8 9 6 9 -1. - <_> - 10 9 2 9 3. - <_> - - <_> - 3 11 13 3 -1. - <_> - 3 12 13 1 3. - <_> - - <_> - 18 10 4 6 -1. - <_> - 18 10 2 6 2. - <_> - - <_> - 5 5 9 5 -1. - <_> - 8 5 3 5 3. - <_> - - <_> - 13 0 2 14 -1. - <_> - 13 0 1 14 2. - <_> - - <_> - 2 0 18 7 -1. - <_> - 8 0 6 7 3. - <_> - - <_> - 13 4 6 8 -1. - <_> - 16 4 3 4 2. - <_> - 13 8 3 4 2. - <_> - - <_> - 3 4 6 8 -1. - <_> - 3 4 3 4 2. - <_> - 6 8 3 4 2. - <_> - - <_> - 8 5 12 2 -1. - <_> - 8 6 12 1 2. - <_> - - <_> - 7 0 3 12 -1. - <_> - 8 0 1 12 3. - <_> - - <_> - 15 0 3 10 -1. - <_> - 16 1 1 10 3. - 1 - <_> - - <_> - 2 4 12 12 -1. - <_> - 6 8 4 4 9. - <_> - - <_> - 5 10 13 3 -1. - <_> - 5 11 13 1 3. - <_> - - <_> - 5 15 12 2 -1. - <_> - 5 16 12 1 2. - <_> - - <_> - 17 8 5 6 -1. - <_> - 17 11 5 3 2. - <_> - - <_> - 5 12 6 6 -1. - <_> - 5 14 6 2 3. - <_> - - <_> - 10 6 4 7 -1. - <_> - 10 6 2 7 2. - 1 - <_> - - <_> - 12 3 4 10 -1. - <_> - 13 4 2 10 2. - 1 - <_> - - <_> - 10 3 10 4 -1. - <_> - 9 4 10 2 2. - 1 - <_> - - <_> - 12 4 2 12 -1. - <_> - 12 4 1 12 2. - 1 - <_> - - <_> - 1 11 15 3 -1. - <_> - 6 11 5 3 3. - <_> - - <_> - 11 6 6 9 -1. - <_> - 13 6 2 9 3. - <_> - - <_> - 5 6 6 9 -1. - <_> - 7 6 2 9 3. - <_> - - <_> - 8 5 6 6 -1. - <_> - 10 5 2 6 3. - <_> - - <_> - 1 2 6 8 -1. - <_> - 1 2 3 4 2. - <_> - 4 6 3 4 2. - <_> - - <_> - 14 0 4 9 -1. - <_> - 14 3 4 3 3. - <_> - - <_> - 0 0 18 9 -1. - <_> - 0 3 18 3 3. - <_> - - <_> - 9 5 5 12 -1. - <_> - 9 8 5 6 2. - <_> - - <_> - 3 5 16 3 -1. - <_> - 3 6 16 1 3. - <_> - - <_> - 16 2 6 8 -1. - <_> - 19 2 3 4 2. - <_> - 16 6 3 4 2. - <_> - - <_> - 0 2 6 8 -1. - <_> - 0 2 3 4 2. - <_> - 3 6 3 4 2. - <_> - - <_> - 5 2 12 16 -1. - <_> - 5 10 12 8 2. - <_> - - <_> - 5 11 8 6 -1. - <_> - 5 11 4 3 2. - <_> - 9 14 4 3 2. - <_> - - <_> - 8 2 6 8 -1. - <_> - 11 2 3 4 2. - <_> - 8 6 3 4 2. - <_> - - <_> - 0 6 7 12 -1. - <_> - 0 10 7 4 3. - <_> - - <_> - 16 8 6 8 -1. - <_> - 16 10 6 4 2. - <_> - - <_> - 0 8 6 8 -1. - <_> - 0 10 6 4 2. - <_> - - <_> - 4 0 17 3 -1. - <_> - 4 1 17 1 3. - <_> - - <_> - 7 4 4 14 -1. - <_> - 8 4 2 14 2. - <_> - - <_> - 9 5 5 12 -1. - <_> - 9 8 5 6 2. - <_> - - <_> - 10 4 10 4 -1. - <_> - 9 5 10 2 2. - 1 - <_> - - <_> - 13 1 3 13 -1. - <_> - 14 2 1 13 3. - 1 - <_> - - <_> - 9 1 13 3 -1. - <_> - 8 2 13 1 3. - 1 - <_> - - <_> - 4 16 14 2 -1. - <_> - 4 17 14 1 2. - <_> - - <_> - 0 16 15 2 -1. - <_> - 0 17 15 1 2. - <_> - - <_> - 11 4 2 6 -1. - <_> - 11 4 1 6 2. - 1 - <_> - - <_> - 0 6 4 9 -1. - <_> - 0 9 4 3 3. - <_> - - <_> - 14 0 7 6 -1. - <_> - 12 2 7 2 3. - 1 - <_> - - <_> - 8 4 6 10 -1. - <_> - 8 4 3 5 2. - <_> - 11 9 3 5 2. - <_> - - <_> - 7 7 8 10 -1. - <_> - 11 7 4 5 2. - <_> - 7 12 4 5 2. - <_> - - <_> - 5 6 12 8 -1. - <_> - 5 6 6 4 2. - <_> - 11 10 6 4 2. - <_> - - <_> - 8 6 8 8 -1. - <_> - 12 6 4 4 2. - <_> - 8 10 4 4 2. - <_> - - <_> - 6 6 8 8 -1. - <_> - 6 6 4 4 2. - <_> - 10 10 4 4 2. - <_> - - <_> - 12 4 6 6 -1. - <_> - 10 6 6 2 3. - 1 - <_> - - <_> - 5 7 10 8 -1. - <_> - 5 7 5 4 2. - <_> - 10 11 5 4 2. - <_> - - <_> - 4 5 18 3 -1. - <_> - 4 6 18 1 3. - <_> - - <_> - 3 16 15 2 -1. - <_> - 3 17 15 1 2. - <_> - - <_> - 3 10 16 2 -1. - <_> - 3 11 16 1 2. - <_> - - <_> - 3 12 6 6 -1. - <_> - 5 12 2 6 3. - <_> - - <_> - 18 2 3 13 -1. - <_> - 19 2 1 13 3. - <_> - - <_> - 4 10 12 4 -1. - <_> - 8 10 4 4 3. - <_> - - <_> - 7 7 14 7 -1. - <_> - 7 7 7 7 2. - <_> - - <_> - 1 7 14 7 -1. - <_> - 8 7 7 7 2. - <_> - - <_> - 11 0 8 13 -1. - <_> - 11 0 4 13 2. - <_> - - <_> - 0 6 4 12 -1. - <_> - 0 6 2 6 2. - <_> - 2 12 2 6 2. - <_> - - <_> - 14 2 2 12 -1. - <_> - 14 2 1 12 2. - 1 - <_> - - <_> - 2 2 8 12 -1. - <_> - 2 2 4 6 2. - <_> - 6 8 4 6 2. - <_> - - <_> - 17 0 4 16 -1. - <_> - 17 8 4 8 2. - <_> - - <_> - 1 0 4 16 -1. - <_> - 1 8 4 8 2. - <_> - - <_> - 6 1 16 16 -1. - <_> - 6 9 16 8 2. - <_> - - <_> - 8 0 6 7 -1. - <_> - 10 2 2 7 3. - 1 - <_> - - <_> - 15 1 6 6 -1. - <_> - 13 3 6 2 3. - 1 - <_> - - <_> - 7 1 6 6 -1. - <_> - 9 3 2 6 3. - 1 - <_> - - <_> - 14 2 2 12 -1. - <_> - 14 2 1 12 2. - 1 - <_> - - <_> - 5 11 12 6 -1. - <_> - 5 14 12 3 2. - <_> - - <_> - 5 13 12 4 -1. - <_> - 5 14 12 2 2. - <_> - - <_> - 2 15 18 2 -1. - <_> - 2 16 18 1 2. - <_> - - <_> - 18 4 4 14 -1. - <_> - 20 4 2 7 2. - <_> - 18 11 2 7 2. - <_> - - <_> - 0 4 4 14 -1. - <_> - 0 4 2 7 2. - <_> - 2 11 2 7 2. - <_> - - <_> - 11 0 3 12 -1. - <_> - 12 0 1 12 3. - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 6 4 3 2. - <_> - - <_> - 7 4 15 10 -1. - <_> - 7 9 15 5 2. - <_> - - <_> - 4 2 9 12 -1. - <_> - 4 6 9 4 3. - <_> - - <_> - 3 1 17 3 -1. - <_> - 3 2 17 1 3. - <_> - - <_> - 0 1 16 3 -1. - <_> - 0 2 16 1 3. - <_> - - <_> - 7 4 15 10 -1. - <_> - 7 9 15 5 2. - <_> - - <_> - 0 4 15 10 -1. - <_> - 0 9 15 5 2. - <_> - - <_> - 15 0 6 18 -1. - <_> - 15 9 6 9 2. - <_> - - <_> - 3 14 12 4 -1. - <_> - 3 14 6 2 2. - <_> - 9 16 6 2 2. - <_> - - <_> - 13 0 9 5 -1. - <_> - 16 3 3 5 3. - 1 - <_> - - <_> - 9 7 9 2 -1. - <_> - 9 7 9 1 2. - 1 - <_> - - <_> - 12 6 3 7 -1. - <_> - 13 7 1 7 3. - 1 - <_> - - <_> - 3 4 8 8 -1. - <_> - 7 4 4 8 2. - <_> - - <_> - 7 8 12 3 -1. - <_> - 11 8 4 3 3. - <_> - - <_> - 8 6 5 6 -1. - <_> - 8 6 5 3 2. - 1 - <_> - - <_> - 10 7 10 6 -1. - <_> - 10 10 10 3 2. - <_> - - <_> - 0 9 16 3 -1. - <_> - 0 10 16 1 3. - <_> - - <_> - 7 9 12 3 -1. - <_> - 7 10 12 1 3. - <_> - - <_> - 2 10 8 6 -1. - <_> - 2 13 8 3 2. - <_> - - <_> - 16 6 4 12 -1. - <_> - 16 9 4 6 2. - <_> - - <_> - 3 11 8 6 -1. - <_> - 3 11 4 3 2. - <_> - 7 14 4 3 2. - <_> - - <_> - 4 5 16 10 -1. - <_> - 12 5 8 5 2. - <_> - 4 10 8 5 2. - <_> - - <_> - 7 10 3 8 -1. - <_> - 7 14 3 4 2. - <_> - - <_> - 9 14 6 4 -1. - <_> - 9 16 6 2 2. - <_> - - <_> - 2 9 15 9 -1. - <_> - 2 12 15 3 3. - <_> - - <_> - 11 2 8 6 -1. - <_> - 15 2 4 3 2. - <_> - 11 5 4 3 2. - <_> - - <_> - 4 11 8 6 -1. - <_> - 4 13 8 2 3. - <_> - - <_> - 16 0 2 14 -1. - <_> - 16 0 1 14 2. - 1 - <_> - - <_> - 6 0 14 2 -1. - <_> - 6 0 14 1 2. - 1 - <_> - - <_> - 13 9 7 6 -1. - <_> - 13 11 7 2 3. - <_> - - <_> - 10 6 7 3 -1. - <_> - 9 7 7 1 3. - 1 - <_> - - <_> - 18 2 3 13 -1. - <_> - 19 2 1 13 3. - <_> - - <_> - 1 2 3 13 -1. - <_> - 2 2 1 13 3. - <_> - - <_> - 5 1 12 4 -1. - <_> - 11 1 6 2 2. - <_> - 5 3 6 2 2. - <_> - - <_> - 7 8 6 6 -1. - <_> - 7 10 6 2 3. - <_> - - <_> - 8 13 14 3 -1. - <_> - 8 14 14 1 3. - <_> - - <_> - 10 5 6 6 -1. - <_> - 12 7 2 6 3. - 1 - <_> - - <_> - 15 6 4 8 -1. - <_> - 16 7 2 8 2. - 1 - <_> - - <_> - 0 13 14 4 -1. - <_> - 0 13 7 2 2. - <_> - 7 15 7 2 2. - <_> - - <_> - 1 7 21 6 -1. - <_> - 8 9 7 2 9. - <_> - - <_> - 7 4 6 8 -1. - <_> - 7 4 3 4 2. - <_> - 10 8 3 4 2. - <_> - - <_> - 7 4 8 8 -1. - <_> - 11 4 4 4 2. - <_> - 7 8 4 4 2. - <_> - - <_> - 10 6 7 4 -1. - <_> - 9 7 7 2 2. - 1 - <_> - - <_> - 11 2 6 7 -1. - <_> - 11 2 3 7 2. - 1 - <_> - - <_> - 11 2 7 6 -1. - <_> - 11 2 7 3 2. - 1 - <_> - - <_> - 11 4 8 6 -1. - <_> - 11 4 4 6 2. - 1 - <_> - - <_> - 11 4 6 8 -1. - <_> - 11 4 6 4 2. - 1 - <_> - - <_> - 12 3 8 5 -1. - <_> - 12 3 4 5 2. - 1 - <_> - - <_> - 10 3 5 8 -1. - <_> - 10 3 5 4 2. - 1 - <_> - - <_> - 13 0 9 5 -1. - <_> - 16 3 3 5 3. - 1 - <_> - - <_> - 2 6 10 12 -1. - <_> - 2 9 10 6 2. - <_> - - <_> - 15 6 5 12 -1. - <_> - 15 9 5 6 2. - <_> - - <_> - 3 7 13 3 -1. - <_> - 3 8 13 1 3. - <_> - - <_> - 4 7 17 3 -1. - <_> - 4 8 17 1 3. - <_> - - <_> - 2 9 7 6 -1. - <_> - 2 11 7 2 3. - <_> - - <_> - 13 9 9 4 -1. - <_> - 13 11 9 2 2. - <_> - - <_> - 9 0 5 9 -1. - <_> - 6 3 5 3 3. - 1 - <_> - - <_> - 9 3 8 3 -1. - <_> - 9 3 4 3 2. - <_> - - <_> - 3 0 4 13 -1. - <_> - 4 0 2 13 2. - <_> - - <_> - 13 0 8 6 -1. - <_> - 15 0 4 6 2. - <_> - - <_> - 3 0 6 5 -1. - <_> - 6 0 3 5 2. - <_> - - <_> - 9 0 12 5 -1. - <_> - 9 0 6 5 2. - <_> - - <_> - 1 2 6 8 -1. - <_> - 3 2 2 8 3. - <_> - - <_> - 18 2 4 6 -1. - <_> - 18 2 2 6 2. - <_> - - <_> - 0 2 4 6 -1. - <_> - 2 2 2 6 2. - <_> - - <_> - 16 9 6 6 -1. - <_> - 16 11 6 2 3. - <_> - - <_> - 10 0 12 6 -1. - <_> - 13 3 6 6 2. - 1 - <_> - - <_> - 14 2 3 12 -1. - <_> - 10 6 3 4 3. - 1 - <_> - - <_> - 8 3 6 7 -1. - <_> - 11 3 3 7 2. - <_> - - <_> - 16 1 3 15 -1. - <_> - 17 1 1 15 3. - <_> - - <_> - 0 1 6 8 -1. - <_> - 2 1 2 8 3. - <_> - - <_> - 13 0 3 14 -1. - <_> - 14 0 1 14 3. - <_> - - <_> - 6 0 3 14 -1. - <_> - 7 0 1 14 3. - <_> - - <_> - 4 13 18 2 -1. - <_> - 4 13 9 2 2. - <_> - - <_> - 2 9 15 3 -1. - <_> - 7 9 5 3 3. - <_> - - <_> - 9 5 10 6 -1. - <_> - 14 5 5 3 2. - <_> - 9 8 5 3 2. - <_> - - <_> - 3 5 10 6 -1. - <_> - 3 5 5 3 2. - <_> - 8 8 5 3 2. - <_> - - <_> - 14 3 2 12 -1. - <_> - 14 3 1 12 2. - 1 - <_> - - <_> - 8 3 12 2 -1. - <_> - 8 3 12 1 2. - 1 - <_> - - <_> - 12 7 6 6 -1. - <_> - 14 7 2 6 3. - <_> - - <_> - 4 7 6 6 -1. - <_> - 6 7 2 6 3. - <_> - - <_> - 7 0 8 3 -1. - <_> - 7 0 4 3 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 11 0 2 6 2. - <_> - - <_> - 10 0 12 12 -1. - <_> - 13 0 6 12 2. - <_> - - <_> - 0 0 12 12 -1. - <_> - 3 0 6 12 2. - <_> - - <_> - 16 5 6 4 -1. - <_> - 16 5 3 4 2. - <_> - - <_> - 0 5 6 4 -1. - <_> - 3 5 3 4 2. - <_> - - <_> - 9 0 12 5 -1. - <_> - 9 0 6 5 2. - <_> - - <_> - 1 8 8 10 -1. - <_> - 1 8 4 5 2. - <_> - 5 13 4 5 2. - <_> - - <_> - 8 16 14 2 -1. - <_> - 8 16 7 2 2. - <_> - - <_> - 0 11 16 3 -1. - <_> - 8 11 8 3 2. - <_> - - <_> - 10 16 12 2 -1. - <_> - 10 16 6 2 2. - <_> - - <_> - 0 16 12 2 -1. - <_> - 6 16 6 2 2. - <_> - - <_> - 3 11 18 6 -1. - <_> - 12 11 9 3 2. - <_> - 3 14 9 3 2. - <_> - - <_> - 7 13 6 4 -1. - <_> - 7 15 6 2 2. - <_> - - <_> - 10 11 6 6 -1. - <_> - 10 13 6 2 3. - <_> - - <_> - 6 14 9 4 -1. - <_> - 9 14 3 4 3. - <_> - - <_> - 5 4 16 10 -1. - <_> - 5 9 16 5 2. - <_> - - <_> - 11 7 3 8 -1. - <_> - 11 7 3 4 2. - 1 - <_> - - <_> - 13 10 6 6 -1. - <_> - 13 12 6 2 3. - <_> - - <_> - 0 6 22 12 -1. - <_> - 0 6 11 6 2. - <_> - 11 12 11 6 2. - <_> - - <_> - 9 5 6 12 -1. - <_> - 12 5 3 6 2. - <_> - 9 11 3 6 2. - <_> - - <_> - 7 5 6 12 -1. - <_> - 7 5 3 6 2. - <_> - 10 11 3 6 2. - <_> - - <_> - 14 1 6 9 -1. - <_> - 14 4 6 3 3. - <_> - - <_> - 2 1 6 9 -1. - <_> - 2 4 6 3 3. - <_> - - <_> - 13 4 4 6 -1. - <_> - 13 7 4 3 2. - <_> - - <_> - 5 4 4 6 -1. - <_> - 5 7 4 3 2. - <_> - - <_> - 10 13 12 3 -1. - <_> - 10 14 12 1 3. - <_> - - <_> - 3 3 15 3 -1. - <_> - 3 4 15 1 3. - <_> - - <_> - 13 5 2 9 -1. - <_> - 13 5 1 9 2. - 1 - <_> - - <_> - 9 5 9 2 -1. - <_> - 9 5 9 1 2. - 1 - <_> - - <_> - 6 2 14 10 -1. - <_> - 6 2 7 10 2. - <_> - - <_> - 8 2 12 2 -1. - <_> - 8 2 12 1 2. - 1 - <_> - - <_> - 17 0 2 13 -1. - <_> - 17 0 1 13 2. - 1 - <_> - - <_> - 5 0 13 2 -1. - <_> - 5 0 13 1 2. - 1 - <_> - - <_> - 12 4 3 10 -1. - <_> - 12 4 3 5 2. - 1 - <_> - - <_> - 0 6 12 3 -1. - <_> - 0 7 12 1 3. - <_> - - <_> - 6 6 15 3 -1. - <_> - 6 7 15 1 3. - <_> - - <_> - 8 8 5 9 -1. - <_> - 8 11 5 3 3. - <_> - - <_> - 10 11 7 6 -1. - <_> - 10 13 7 2 3. - <_> - - <_> - 5 11 7 6 -1. - <_> - 5 13 7 2 3. - <_> - - <_> - 5 12 13 4 -1. - <_> - 5 13 13 2 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 7 4 3 2. - <_> - - <_> - 13 1 2 9 -1. - <_> - 13 1 1 9 2. - 1 - <_> - - <_> - 5 2 8 6 -1. - <_> - 5 2 4 3 2. - <_> - 9 5 4 3 2. - <_> - - <_> - 11 0 4 8 -1. - <_> - 12 1 2 8 2. - 1 - <_> - - <_> - 11 0 8 4 -1. - <_> - 10 1 8 2 2. - 1 - <_> - - <_> - 7 9 15 3 -1. - <_> - 7 10 15 1 3. - <_> - - <_> - 5 10 12 3 -1. - <_> - 5 11 12 1 3. - <_> - - <_> - 15 2 7 6 -1. - <_> - 15 4 7 2 3. - <_> - - <_> - 0 2 7 6 -1. - <_> - 0 4 7 2 3. - <_> - - <_> - 12 3 2 7 -1. - <_> - 12 3 1 7 2. - 1 - <_> - - <_> - 10 3 7 2 -1. - <_> - 10 3 7 1 2. - 1 - <_> - - <_> - 2 3 20 14 -1. - <_> - 12 3 10 7 2. - <_> - 2 10 10 7 2. - <_> - - <_> - 5 2 12 8 -1. - <_> - 11 2 6 8 2. - <_> - - <_> - 18 4 4 8 -1. - <_> - 18 8 4 4 2. - <_> - - <_> - 6 4 6 8 -1. - <_> - 6 4 3 4 2. - <_> - 9 8 3 4 2. - <_> - - <_> - 12 2 4 6 -1. - <_> - 12 2 2 6 2. - 1 - <_> - - <_> - 10 2 6 4 -1. - <_> - 10 2 6 2 2. - 1 - <_> - - <_> - 9 3 8 15 -1. - <_> - 11 3 4 15 2. - <_> - - <_> - 1 11 8 7 -1. - <_> - 3 11 4 7 2. - <_> - - <_> - 13 7 6 10 -1. - <_> - 15 7 2 10 3. - <_> - - <_> - 2 3 10 14 -1. - <_> - 7 3 5 14 2. - <_> - - <_> - 6 5 15 12 -1. - <_> - 11 5 5 12 3. - <_> - - <_> - 1 5 15 12 -1. - <_> - 6 5 5 12 3. - <_> - - <_> - 9 14 8 4 -1. - <_> - 9 16 8 2 2. - <_> - - <_> - 9 6 4 10 -1. - <_> - 11 6 2 10 2. - <_> - - <_> - 8 6 10 4 -1. - <_> - 8 8 10 2 2. - <_> - - <_> - 2 14 7 4 -1. - <_> - 2 16 7 2 2. - <_> - - <_> - 7 9 15 3 -1. - <_> - 7 10 15 1 3. - <_> - - <_> - 0 10 16 4 -1. - <_> - 0 10 8 2 2. - <_> - 8 12 8 2 2. - <_> - - <_> - 10 11 6 7 -1. - <_> - 12 11 2 7 3. - <_> - - <_> - 8 13 6 5 -1. - <_> - 11 13 3 5 2. - <_> - - <_> - 10 11 6 7 -1. - <_> - 12 11 2 7 3. - <_> - - <_> - 6 11 6 7 -1. - <_> - 8 11 2 7 3. - <_> - - <_> - 18 4 4 8 -1. - <_> - 18 8 4 4 2. - <_> - - <_> - 4 6 8 11 -1. - <_> - 8 6 4 11 2. - <_> - - <_> - 7 5 8 12 -1. - <_> - 9 5 4 12 2. - <_> - - <_> - 5 3 6 6 -1. - <_> - 7 3 2 6 3. - <_> - - <_> - 11 2 10 6 -1. - <_> - 11 2 10 3 2. - 1 - <_> - - <_> - 11 1 8 9 -1. - <_> - 11 1 4 9 2. - 1 - <_> - - <_> - 12 4 3 10 -1. - <_> - 12 4 3 5 2. - 1 - <_> - - <_> - 11 1 11 4 -1. - <_> - 11 1 11 2 2. - 1 - <_> - - <_> - 18 4 4 8 -1. - <_> - 18 8 4 4 2. - <_> - - <_> - 0 4 4 8 -1. - <_> - 0 8 4 4 2. - <_> - - <_> - 12 2 2 12 -1. - <_> - 12 2 1 12 2. - 1 - <_> - - <_> - 4 12 12 3 -1. - <_> - 4 13 12 1 3. - <_> - - <_> - 2 12 18 3 -1. - <_> - 2 13 18 1 3. - <_> - - <_> - 0 0 16 3 -1. - <_> - 0 1 16 1 3. - <_> - - <_> - 12 2 2 12 -1. - <_> - 12 2 1 12 2. - 1 - <_> - - <_> - 10 2 12 2 -1. - <_> - 10 2 12 1 2. - 1 - <_> - - <_> - 13 10 6 7 -1. - <_> - 15 10 2 7 3. - <_> - - <_> - 5 13 12 2 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 16 8 6 8 -1. - <_> - 19 8 3 4 2. - <_> - 16 12 3 4 2. - <_> - - <_> - 4 1 8 6 -1. - <_> - 4 3 8 2 3. - <_> - - <_> - 18 0 4 9 -1. - <_> - 18 3 4 3 3. - <_> - - <_> - 8 2 6 8 -1. - <_> - 8 6 6 4 2. - <_> - - <_> - 8 1 6 4 -1. - <_> - 8 3 6 2 2. - <_> - - <_> - 1 2 12 3 -1. - <_> - 1 3 12 1 3. - <_> - - <_> - 7 2 12 3 -1. - <_> - 7 3 12 1 3. - <_> - - <_> - 1 0 16 18 -1. - <_> - 1 9 16 9 2. - <_> - - <_> - 16 8 6 8 -1. - <_> - 19 8 3 4 2. - <_> - 16 12 3 4 2. - <_> - - <_> - 0 8 6 8 -1. - <_> - 0 8 3 4 2. - <_> - 3 12 3 4 2. - <_> - - <_> - 18 4 4 6 -1. - <_> - 18 7 4 3 2. - <_> - - <_> - 0 12 14 3 -1. - <_> - 0 13 14 1 3. - <_> - - <_> - 3 12 16 3 -1. - <_> - 3 13 16 1 3. - <_> - - <_> - 0 4 4 6 -1. - <_> - 0 7 4 3 2. - <_> - - <_> - 9 14 8 4 -1. - <_> - 9 16 8 2 2. - <_> - - <_> - 0 13 14 3 -1. - <_> - 0 14 14 1 3. - <_> - - <_> - 4 14 14 2 -1. - <_> - 4 15 14 1 2. - <_> - - <_> - 3 12 15 6 -1. - <_> - 3 15 15 3 2. - <_> - - <_> - 7 12 14 6 -1. - <_> - 7 15 14 3 2. - <_> - - <_> - 0 0 14 4 -1. - <_> - 0 2 14 2 2. - <_> - - <_> - 13 10 6 7 -1. - <_> - 15 10 2 7 3. - <_> - - <_> - 3 10 6 7 -1. - <_> - 5 10 2 7 3. - <_> - - <_> - 2 4 18 4 -1. - <_> - 8 4 6 4 3. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 6 4 3 9. - <_> - - <_> - 10 8 10 7 -1. - <_> - 10 8 5 7 2. - <_> - - <_> - 5 2 4 16 -1. - <_> - 5 6 4 8 2. - <_> - - <_> - 16 8 6 8 -1. - <_> - 19 8 3 4 2. - <_> - 16 12 3 4 2. - <_> - - <_> - 0 12 17 4 -1. - <_> - 0 14 17 2 2. - <_> - - <_> - 7 12 14 6 -1. - <_> - 7 15 14 3 2. - <_> - - <_> - 0 13 12 4 -1. - <_> - 0 13 6 2 2. - <_> - 6 15 6 2 2. - <_> - - <_> - 10 13 12 3 -1. - <_> - 10 14 12 1 3. - <_> - - <_> - 7 11 8 6 -1. - <_> - 7 11 4 3 2. - <_> - 11 14 4 3 2. - <_> - - <_> - 9 6 12 9 -1. - <_> - 12 6 6 9 2. - <_> - - <_> - 1 6 12 8 -1. - <_> - 4 6 6 8 2. - <_> - - <_> - 8 12 6 6 -1. - <_> - 8 14 6 2 3. - <_> - - <_> - 1 4 20 14 -1. - <_> - 1 4 10 7 2. - <_> - 11 11 10 7 2. - <_> - - <_> - 18 0 4 10 -1. - <_> - 19 1 2 10 2. - 1 - <_> - - <_> - 2 2 6 12 -1. - <_> - 2 5 6 6 2. - <_> - - <_> - 16 5 4 9 -1. - <_> - 16 8 4 3 3. - <_> - - <_> - 6 9 8 4 -1. - <_> - 10 9 4 4 2. - <_> - - <_> - 7 8 14 3 -1. - <_> - 7 8 7 3 2. - <_> - - <_> - 0 8 18 3 -1. - <_> - 9 8 9 3 2. - <_> - - <_> - 14 6 8 4 -1. - <_> - 14 6 8 2 2. - 1 - <_> - - <_> - 0 3 18 2 -1. - <_> - 9 3 9 2 2. - <_> - - <_> - 6 6 10 8 -1. - <_> - 6 8 10 4 2. - <_> - - <_> - 1 5 10 12 -1. - <_> - 1 8 10 6 2. - <_> - - <_> - 11 6 3 12 -1. - <_> - 12 6 1 12 3. - <_> - - <_> - 8 6 3 12 -1. - <_> - 9 6 1 12 3. - <_> - - <_> - 11 1 3 13 -1. - <_> - 12 1 1 13 3. - <_> - - <_> - 8 2 3 13 -1. - <_> - 9 2 1 13 3. - <_> - - <_> - 6 6 2 12 -1. - <_> - 6 12 2 6 2. - <_> - - <_> - 17 4 2 9 -1. - <_> - 17 4 1 9 2. - 1 - <_> - - <_> - 0 0 12 4 -1. - <_> - 0 1 12 2 2. - <_> - - <_> - 8 4 12 4 -1. - <_> - 14 4 6 2 2. - <_> - 8 6 6 2 2. - <_> - - <_> - 6 13 6 4 -1. - <_> - 6 15 6 2 2. - <_> - - <_> - 7 13 12 4 -1. - <_> - 7 15 12 2 2. - <_> - - <_> - 1 8 6 4 -1. - <_> - 4 8 3 4 2. - <_> - - <_> - 15 8 6 10 -1. - <_> - 15 8 3 10 2. - <_> - - <_> - 1 8 6 10 -1. - <_> - 4 8 3 10 2. - <_> - - <_> - 16 12 6 4 -1. - <_> - 16 12 3 4 2. - <_> - - <_> - 1 6 6 8 -1. - <_> - 1 6 3 4 2. - <_> - 4 10 3 4 2. - <_> - - <_> - 11 1 4 11 -1. - <_> - 12 2 2 11 2. - 1 - <_> - - <_> - 11 1 11 4 -1. - <_> - 10 2 11 2 2. - 1 - <_> - - <_> - 12 0 4 7 -1. - <_> - 13 1 2 7 2. - 1 - <_> - - <_> - 10 0 7 4 -1. - <_> - 9 1 7 2 2. - 1 - <_> - - <_> - 13 5 2 12 -1. - <_> - 13 5 1 12 2. - <_> - - <_> - 7 5 2 12 -1. - <_> - 8 5 1 12 2. - <_> - - <_> - 8 5 9 4 -1. - <_> - 11 5 3 4 3. - <_> - - <_> - 7 0 10 3 -1. - <_> - 6 1 10 1 3. - 1 - <_> - - <_> - 17 4 2 9 -1. - <_> - 17 4 1 9 2. - 1 - <_> - - <_> - 5 4 9 2 -1. - <_> - 5 4 9 1 2. - 1 - <_> - - <_> - 12 10 4 8 -1. - <_> - 12 10 2 8 2. - <_> - - <_> - 2 0 12 4 -1. - <_> - 2 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 7 7 15 3 -1. - <_> - 7 8 15 1 3. - <_> - - <_> - 2 0 12 4 -1. - <_> - 2 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 0 8 17 3 -1. - <_> - 0 9 17 1 3. - <_> - - <_> - 6 13 10 5 -1. - <_> - 6 13 5 5 2. - <_> - - <_> - 5 11 8 5 -1. - <_> - 9 11 4 5 2. - <_> - - <_> - 14 8 4 6 -1. - <_> - 14 8 2 6 2. - <_> - - <_> - 0 10 5 8 -1. - <_> - 0 14 5 4 2. - <_> - - <_> - 7 7 15 3 -1. - <_> - 7 8 15 1 3. - <_> - - <_> - 2 11 7 4 -1. - <_> - 2 13 7 2 2. - <_> - - <_> - 8 3 11 12 -1. - <_> - 8 6 11 6 2. - <_> - - <_> - 2 4 12 4 -1. - <_> - 2 4 6 2 2. - <_> - 8 6 6 2 2. - <_> - - <_> - 19 2 3 12 -1. - <_> - 20 3 1 12 3. - 1 - <_> - - <_> - 1 6 12 4 -1. - <_> - 1 6 6 2 2. - <_> - 7 8 6 2 2. - <_> - - <_> - 9 9 13 3 -1. - <_> - 9 10 13 1 3. - <_> - - <_> - 0 5 12 6 -1. - <_> - 0 5 6 3 2. - <_> - 6 8 6 3 2. - <_> - - <_> - 11 0 3 13 -1. - <_> - 12 0 1 13 3. - <_> - - <_> - 8 0 3 13 -1. - <_> - 9 0 1 13 3. - <_> - - <_> - 14 6 8 8 -1. - <_> - 14 10 8 4 2. - <_> - - <_> - 0 8 8 6 -1. - <_> - 0 10 8 2 3. - <_> - - <_> - 9 9 13 3 -1. - <_> - 9 10 13 1 3. - <_> - - <_> - 0 9 13 3 -1. - <_> - 0 10 13 1 3. - <_> - - <_> - 4 14 14 4 -1. - <_> - 11 14 7 2 2. - <_> - 4 16 7 2 2. - <_> - - <_> - 0 3 6 6 -1. - <_> - 2 3 2 6 3. - <_> - - <_> - 2 6 20 4 -1. - <_> - 7 6 10 4 2. - <_> - - <_> - 2 7 6 6 -1. - <_> - 4 7 2 6 3. - <_> - - <_> - 15 8 6 10 -1. - <_> - 17 8 2 10 3. - <_> - - <_> - 1 8 6 10 -1. - <_> - 3 8 2 10 3. - <_> - - <_> - 9 9 13 3 -1. - <_> - 9 10 13 1 3. - <_> - - <_> - 6 8 4 6 -1. - <_> - 6 8 4 3 2. - 1 - <_> - - <_> - 16 5 6 13 -1. - <_> - 16 5 3 13 2. - <_> - - <_> - 0 5 6 13 -1. - <_> - 3 5 3 13 2. - <_> - - <_> - 4 10 18 2 -1. - <_> - 4 10 9 2 2. - <_> - - <_> - 0 7 21 7 -1. - <_> - 7 7 7 7 3. - <_> - - <_> - 5 6 12 12 -1. - <_> - 9 6 4 12 3. - <_> - - <_> - 10 4 10 3 -1. - <_> - 9 5 10 1 3. - 1 - <_> - - <_> - 9 9 9 7 -1. - <_> - 12 9 3 7 3. - <_> - - <_> - 11 5 9 4 -1. - <_> - 14 8 3 4 3. - 1 - <_> - - <_> - 12 3 3 10 -1. - <_> - 12 3 3 5 2. - 1 - <_> - - <_> - 8 3 12 2 -1. - <_> - 8 3 6 2 2. - 1 - <_> - - <_> - 14 6 4 8 -1. - <_> - 14 10 4 4 2. - <_> - - <_> - 4 6 4 8 -1. - <_> - 4 10 4 4 2. - <_> - - <_> - 6 0 11 12 -1. - <_> - 6 3 11 6 2. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 3 6 3 2. - <_> - - <_> - 10 0 10 4 -1. - <_> - 10 0 5 4 2. - <_> - - <_> - 2 0 10 4 -1. - <_> - 7 0 5 4 2. - <_> - - <_> - 10 3 8 8 -1. - <_> - 14 3 4 4 2. - <_> - 10 7 4 4 2. - <_> - - <_> - 4 3 8 8 -1. - <_> - 4 3 4 4 2. - <_> - 8 7 4 4 2. - <_> - - <_> - 2 9 18 5 -1. - <_> - 8 9 6 5 3. - <_> - - <_> - 0 15 16 3 -1. - <_> - 0 16 16 1 3. - <_> - - <_> - 6 16 12 2 -1. - <_> - 6 17 12 1 2. - <_> - - <_> - 3 0 4 8 -1. - <_> - 3 4 4 4 2. - <_> - - <_> - 15 6 6 6 -1. - <_> - 13 8 6 2 3. - 1 - <_> - - <_> - 7 6 6 6 -1. - <_> - 9 8 2 6 3. - 1 - <_> - - <_> - 13 12 6 6 -1. - <_> - 13 14 6 2 3. - <_> - - <_> - 3 12 6 6 -1. - <_> - 3 14 6 2 3. - <_> - - <_> - 8 13 14 4 -1. - <_> - 8 14 14 2 2. - <_> - - <_> - 0 13 14 4 -1. - <_> - 0 14 14 2 2. - <_> - - <_> - 3 13 17 2 -1. - <_> - 3 14 17 1 2. - <_> - - <_> - 4 6 12 4 -1. - <_> - 8 6 4 4 3. - <_> - - <_> - 8 7 9 4 -1. - <_> - 11 7 3 4 3. - <_> - - <_> - 10 0 6 8 -1. - <_> - 8 2 6 4 2. - 1 - <_> - - <_> - 9 2 12 12 -1. - <_> - 9 6 12 4 3. - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 13 1 3 7 -1. - <_> - 14 2 1 7 3. - 1 - <_> - - <_> - 2 3 12 9 -1. - <_> - 6 6 4 3 9. - <_> - - <_> - 19 2 3 12 -1. - <_> - 20 3 1 12 3. - 1 - <_> - - <_> - 3 5 12 5 -1. - <_> - 7 5 4 5 3. - <_> - - <_> - 13 1 3 7 -1. - <_> - 14 2 1 7 3. - 1 - <_> - - <_> - 9 1 7 3 -1. - <_> - 8 2 7 1 3. - 1 - <_> - - <_> - 9 7 8 6 -1. - <_> - 13 7 4 3 2. - <_> - 9 10 4 3 2. - <_> - - <_> - 4 14 14 4 -1. - <_> - 4 15 14 2 2. - <_> - - <_> - 10 14 6 4 -1. - <_> - 10 14 3 4 2. - <_> - - <_> - 6 14 6 4 -1. - <_> - 9 14 3 4 2. - <_> - - <_> - 14 0 4 16 -1. - <_> - 16 0 2 8 2. - <_> - 14 8 2 8 2. - <_> - - <_> - 0 15 20 3 -1. - <_> - 5 15 10 3 2. - <_> - - <_> - 16 5 3 13 -1. - <_> - 17 5 1 13 3. - <_> - - <_> - 2 6 13 8 -1. - <_> - 2 10 13 4 2. - <_> - - <_> - 16 5 3 13 -1. - <_> - 17 5 1 13 3. - <_> - - <_> - 7 12 7 4 -1. - <_> - 7 14 7 2 2. - <_> - - <_> - 15 1 4 9 -1. - <_> - 15 4 4 3 3. - <_> - - <_> - 0 4 16 2 -1. - <_> - 0 5 16 1 2. - <_> - - <_> - 8 4 12 2 -1. - <_> - 8 5 12 1 2. - <_> - - <_> - 6 3 9 15 -1. - <_> - 9 8 3 5 9. - <_> - - <_> - 12 3 3 8 -1. - <_> - 12 7 3 4 2. - <_> - - <_> - 5 6 12 4 -1. - <_> - 5 6 6 2 2. - <_> - 11 8 6 2 2. - <_> - - <_> - 16 3 3 14 -1. - <_> - 17 3 1 14 3. - <_> - - <_> - 3 3 3 14 -1. - <_> - 4 3 1 14 3. - <_> - - <_> - 0 4 22 4 -1. - <_> - 11 4 11 2 2. - <_> - 0 6 11 2 2. - <_> - - <_> - 1 4 4 9 -1. - <_> - 1 7 4 3 3. - <_> - - <_> - 7 13 12 4 -1. - <_> - 7 15 12 2 2. - <_> - - <_> - 3 13 12 4 -1. - <_> - 3 15 12 2 2. - <_> - - <_> - 11 14 6 4 -1. - <_> - 11 16 6 2 2. - <_> - - <_> - 1 0 13 3 -1. - <_> - 1 1 13 1 3. - <_> - - <_> - 11 0 6 4 -1. - <_> - 11 2 6 2 2. - <_> - - <_> - 4 14 14 4 -1. - <_> - 4 14 7 2 2. - <_> - 11 16 7 2 2. - <_> - - <_> - 6 0 12 2 -1. - <_> - 6 1 12 1 2. - <_> - - <_> - 5 0 6 4 -1. - <_> - 5 2 6 2 2. - <_> - - <_> - 11 0 3 6 -1. - <_> - 12 1 1 6 3. - 1 - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 7 12 8 6 -1. - <_> - 9 12 4 6 2. - <_> - - <_> - 1 1 5 10 -1. - <_> - 1 6 5 5 2. - <_> - - <_> - 13 0 2 12 -1. - <_> - 13 6 2 6 2. - <_> - - <_> - 7 0 2 12 -1. - <_> - 7 6 2 6 2. - <_> - - <_> - 12 1 8 14 -1. - <_> - 16 1 4 7 2. - <_> - 12 8 4 7 2. - <_> - - <_> - 1 0 8 10 -1. - <_> - 1 0 4 5 2. - <_> - 5 5 4 5 2. - <_> - - <_> - 6 6 16 4 -1. - <_> - 10 6 8 4 2. - <_> - - <_> - 1 14 13 2 -1. - <_> - 1 15 13 1 2. - <_> - - <_> - 2 7 20 3 -1. - <_> - 7 7 10 3 2. - <_> - - <_> - 11 2 9 4 -1. - <_> - 14 5 3 4 3. - 1 - <_> - - <_> - 6 5 13 2 -1. - <_> - 6 6 13 1 2. - <_> - - <_> - 3 0 6 15 -1. - <_> - 6 0 3 15 2. - <_> - - <_> - 3 12 8 6 -1. - <_> - 5 12 4 6 2. - <_> - - <_> - 13 1 4 7 -1. - <_> - 14 2 2 7 2. - 1 - <_> - - <_> - 9 1 7 4 -1. - <_> - 8 2 7 2 2. - 1 - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 0 12 8 6 -1. - <_> - 0 12 4 3 2. - <_> - 4 15 4 3 2. - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 2 6 6 12 -1. - <_> - 2 6 3 6 2. - <_> - 5 12 3 6 2. - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 5 11 9 4 -1. - <_> - 8 11 3 4 3. - <_> - - <_> - 8 13 9 5 -1. - <_> - 11 13 3 5 3. - <_> - - <_> - 3 15 8 3 -1. - <_> - 7 15 4 3 2. - <_> - - <_> - 4 12 14 6 -1. - <_> - 11 12 7 3 2. - <_> - 4 15 7 3 2. - <_> - - <_> - 2 15 8 3 -1. - <_> - 6 15 4 3 2. - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 6 5 6 7 -1. - <_> - 8 5 2 7 3. - <_> - - <_> - 8 4 9 12 -1. - <_> - 11 8 3 4 9. - <_> - - <_> - 5 4 9 12 -1. - <_> - 8 8 3 4 9. - <_> - - <_> - 14 12 6 4 -1. - <_> - 14 14 6 2 2. - <_> - - <_> - 2 12 6 4 -1. - <_> - 2 14 6 2 2. - <_> - - <_> - 9 6 6 8 -1. - <_> - 11 6 2 8 3. - <_> - - <_> - 7 4 8 6 -1. - <_> - 7 6 8 2 3. - <_> - - <_> - 13 7 6 4 -1. - <_> - 13 7 6 2 2. - 1 - <_> - - <_> - 10 2 12 3 -1. - <_> - 9 3 12 1 3. - 1 - <_> - - <_> - 12 4 6 6 -1. - <_> - 14 6 2 6 3. - 1 - <_> - - <_> - 10 4 6 6 -1. - <_> - 8 6 6 2 3. - 1 - <_> - - <_> - 11 5 3 9 -1. - <_> - 12 6 1 9 3. - 1 - <_> - - <_> - 4 0 16 2 -1. - <_> - 4 0 16 1 2. - 1 - <_> - - <_> - 12 12 8 3 -1. - <_> - 12 12 4 3 2. - <_> - - <_> - 10 0 12 6 -1. - <_> - 13 3 6 6 2. - 1 - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 5 4 3 2. - <_> - - <_> - 0 2 18 9 -1. - <_> - 6 5 6 3 9. - <_> - - <_> - 16 2 3 9 -1. - <_> - 17 3 1 9 3. - 1 - <_> - - <_> - 6 2 9 3 -1. - <_> - 5 3 9 1 3. - 1 - <_> - - <_> - 10 1 12 4 -1. - <_> - 14 1 4 4 3. - <_> - - <_> - 0 1 12 4 -1. - <_> - 4 1 4 4 3. - <_> - - <_> - 6 14 12 4 -1. - <_> - 12 14 6 2 2. - <_> - 6 16 6 2 2. - <_> - - <_> - 4 2 13 3 -1. - <_> - 4 3 13 1 3. - <_> - - <_> - 7 2 13 3 -1. - <_> - 7 3 13 1 3. - <_> - - <_> - 1 12 20 2 -1. - <_> - 11 12 10 2 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 9 2 4 3 3. - <_> - - <_> - 4 8 14 9 -1. - <_> - 11 8 7 9 2. - <_> - - <_> - 10 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 8 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 16 1 2 16 -1. - <_> - 16 9 2 8 2. - <_> - - <_> - 2 8 9 4 -1. - <_> - 5 8 3 4 3. - <_> - - <_> - 16 1 2 16 -1. - <_> - 16 9 2 8 2. - <_> - - <_> - 4 1 2 16 -1. - <_> - 4 9 2 8 2. - <_> - - <_> - 10 7 8 6 -1. - <_> - 14 7 4 3 2. - <_> - 10 10 4 3 2. - <_> - - <_> - 4 7 8 6 -1. - <_> - 4 7 4 3 2. - <_> - 8 10 4 3 2. - <_> - - <_> - 12 8 2 7 -1. - <_> - 12 8 1 7 2. - 1 - <_> - - <_> - 5 8 6 8 -1. - <_> - 5 8 3 4 2. - <_> - 8 12 3 4 2. - <_> - - <_> - 12 8 2 7 -1. - <_> - 12 8 1 7 2. - 1 - <_> - - <_> - 10 8 7 2 -1. - <_> - 10 8 7 1 2. - 1 - <_> - - <_> - 5 9 13 8 -1. - <_> - 5 11 13 4 2. - <_> - - <_> - 7 9 4 9 -1. - <_> - 9 9 2 9 2. - <_> - - <_> - 9 6 6 10 -1. - <_> - 11 6 2 10 3. - <_> - - <_> - 7 6 6 10 -1. - <_> - 9 6 2 10 3. - <_> - - <_> - 6 0 14 6 -1. - <_> - 13 0 7 3 2. - <_> - 6 3 7 3 2. - <_> - - <_> - 2 0 14 6 -1. - <_> - 2 0 7 3 2. - <_> - 9 3 7 3 2. - <_> - - <_> - 3 6 16 3 -1. - <_> - 3 7 16 1 3. - <_> - - <_> - 1 6 15 3 -1. - <_> - 1 7 15 1 3. - <_> - - <_> - 8 5 8 4 -1. - <_> - 8 7 8 2 2. - <_> - - <_> - 2 4 12 10 -1. - <_> - 8 4 6 10 2. - <_> - - <_> - 7 0 14 16 -1. - <_> - 7 0 7 16 2. - <_> - - <_> - 1 1 18 3 -1. - <_> - 10 1 9 3 2. - <_> - - <_> - 8 8 12 2 -1. - <_> - 8 8 6 2 2. - <_> - - <_> - 8 1 6 4 -1. - <_> - 11 1 3 4 2. - <_> - - <_> - 11 0 4 10 -1. - <_> - 12 1 2 10 2. - 1 - <_> - - <_> - 11 0 10 4 -1. - <_> - 10 1 10 2 2. - 1 - <_> - - <_> - 13 7 9 4 -1. - <_> - 16 7 3 4 3. - <_> - - <_> - 11 1 6 2 -1. - <_> - 11 1 6 1 2. - 1 - <_> - - <_> - 8 8 12 2 -1. - <_> - 8 8 6 2 2. - <_> - - <_> - 7 12 6 5 -1. - <_> - 10 12 3 5 2. - <_> - - <_> - 10 7 9 11 -1. - <_> - 13 7 3 11 3. - <_> - - <_> - 6 15 8 3 -1. - <_> - 10 15 4 3 2. - <_> - - <_> - 19 3 2 12 -1. - <_> - 19 3 1 12 2. - <_> - - <_> - 1 3 2 12 -1. - <_> - 2 3 1 12 2. - <_> - - <_> - 11 1 9 10 -1. - <_> - 14 1 3 10 3. - <_> - - <_> - 1 3 16 6 -1. - <_> - 5 3 8 6 2. - <_> - - <_> - 7 1 12 12 -1. - <_> - 11 1 4 12 3. - <_> - - <_> - 2 8 12 2 -1. - <_> - 8 8 6 2 2. - <_> - - <_> - 14 7 3 10 -1. - <_> - 14 12 3 5 2. - <_> - - <_> - 1 15 18 3 -1. - <_> - 10 15 9 3 2. - <_> - - <_> - 9 0 13 3 -1. - <_> - 9 1 13 1 3. - <_> - - <_> - 5 0 12 3 -1. - <_> - 5 1 12 1 3. - <_> - - <_> - 12 1 2 15 -1. - <_> - 12 1 1 15 2. - <_> - - <_> - 8 1 2 15 -1. - <_> - 9 1 1 15 2. - <_> - - <_> - 12 2 3 13 -1. - <_> - 13 2 1 13 3. - <_> - - <_> - 1 6 4 8 -1. - <_> - 3 6 2 8 2. - <_> - - <_> - 17 1 4 12 -1. - <_> - 19 1 2 6 2. - <_> - 17 7 2 6 2. - <_> - - <_> - 1 1 4 12 -1. - <_> - 1 1 2 6 2. - <_> - 3 7 2 6 2. - <_> - - <_> - 17 0 4 7 -1. - <_> - 17 0 2 7 2. - <_> - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - <_> - - <_> - 12 2 3 13 -1. - <_> - 13 2 1 13 3. - <_> - - <_> - 7 4 5 9 -1. - <_> - 7 7 5 3 3. - <_> - - <_> - 12 2 3 13 -1. - <_> - 13 2 1 13 3. - <_> - - <_> - 7 2 3 13 -1. - <_> - 8 2 1 13 3. - <_> - - <_> - 3 5 17 4 -1. - <_> - 3 6 17 2 2. - <_> - - <_> - 2 3 18 3 -1. - <_> - 2 4 18 1 3. - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 13 6 2 2. - <_> - - <_> - 5 11 6 4 -1. - <_> - 5 13 6 2 2. - <_> - - <_> - 15 5 6 4 -1. - <_> - 15 5 6 2 2. - 1 - <_> - - <_> - 7 5 4 6 -1. - <_> - 7 5 2 6 2. - 1 - <_> - - <_> - 13 1 8 8 -1. - <_> - 15 1 4 8 2. - <_> - - <_> - 3 1 12 12 -1. - <_> - 7 1 4 12 3. - <_> - - <_> - 14 2 4 12 -1. - <_> - 14 2 2 12 2. - <_> - - <_> - 4 2 4 12 -1. - <_> - 6 2 2 12 2. - <_> - - <_> - 15 0 2 14 -1. - <_> - 15 0 1 14 2. - <_> - - <_> - 5 0 2 14 -1. - <_> - 6 0 1 14 2. - <_> - - <_> - 15 1 7 15 -1. - <_> - 15 6 7 5 3. - <_> - - <_> - 6 1 7 6 -1. - <_> - 4 3 7 2 3. - 1 - <_> - - <_> - 1 4 20 14 -1. - <_> - 11 4 10 7 2. - <_> - 1 11 10 7 2. - <_> - - <_> - 1 2 6 8 -1. - <_> - 3 2 2 8 3. - <_> - - <_> - 15 0 2 13 -1. - <_> - 15 0 1 13 2. - <_> - - <_> - 2 1 9 10 -1. - <_> - 5 1 3 10 3. - <_> - - <_> - 9 9 6 6 -1. - <_> - 11 9 2 6 3. - <_> - - <_> - 5 5 8 4 -1. - <_> - 5 5 8 2 2. - 1 - <_> - - <_> - 5 8 14 4 -1. - <_> - 5 9 14 2 2. - <_> - - <_> - 0 7 20 2 -1. - <_> - 10 7 10 2 2. - <_> - - <_> - 8 0 10 10 -1. - <_> - 8 0 5 10 2. - <_> - - <_> - 4 0 10 10 -1. - <_> - 9 0 5 10 2. - <_> - - <_> - 5 1 15 10 -1. - <_> - 10 1 5 10 3. - <_> - - <_> - 0 9 18 4 -1. - <_> - 0 10 18 2 2. - <_> - - <_> - 8 8 10 6 -1. - <_> - 8 10 10 2 3. - <_> - - <_> - 4 8 10 6 -1. - <_> - 4 10 10 2 3. - <_> - - <_> - 11 6 10 12 -1. - <_> - 11 10 10 4 3. - <_> - - <_> - 8 5 4 8 -1. - <_> - 8 5 4 4 2. - 1 - <_> - - <_> - 17 8 5 6 -1. - <_> - 17 11 5 3 2. - <_> - - <_> - 8 11 4 7 -1. - <_> - 10 11 2 7 2. - <_> - - <_> - 9 5 12 3 -1. - <_> - 9 6 12 1 3. - <_> - - <_> - 2 9 13 3 -1. - <_> - 2 10 13 1 3. - <_> - - <_> - 3 13 16 3 -1. - <_> - 3 13 8 3 2. - <_> - - <_> - 5 12 8 4 -1. - <_> - 9 12 4 4 2. - <_> - - <_> - 14 8 6 9 -1. - <_> - 14 11 6 3 3. - <_> - - <_> - 4 10 12 3 -1. - <_> - 4 11 12 1 3. - <_> - - <_> - 6 7 11 9 -1. - <_> - 6 10 11 3 3. - <_> - - <_> - 4 1 9 4 -1. - <_> - 7 4 3 4 3. - 1 - <_> - - <_> - 12 1 9 9 -1. - <_> - 15 1 3 9 3. - <_> - - <_> - 1 1 9 9 -1. - <_> - 4 1 3 9 3. - <_> - - <_> - 14 1 6 6 -1. - <_> - 16 1 2 6 3. - <_> - - <_> - 4 6 4 6 -1. - <_> - 6 6 2 6 2. - <_> - - <_> - 7 5 12 7 -1. - <_> - 10 5 6 7 2. - <_> - - <_> - 3 5 12 7 -1. - <_> - 6 5 6 7 2. - diff --git a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalcatface.xml b/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalcatface.xml deleted file mode 100644 index 8fcaa6168a..0000000000 --- a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalcatface.xml +++ /dev/null @@ -1,3768 +0,0 @@ - - - - - BOOST - LBP - 24 - 24 - - GAB - 9.9500000476837158e-01 - 5.0000000000000000e-01 - 9.4999999999999996e-01 - 1 - 100 - - 256 - 1 - 20 - - - <_> - 9 - -1.5429834127426147e+00 - - <_> - - 0 -1 104 1599056782 -3801105 836281000 -134348801 -10616883 - 1430585292 -33555461 -170000676 - - -5.4490309953689575e-01 5.6734609603881836e-01 - <_> - - 0 -1 294 204479732 1065172189 790634493 1060117940 - -289603585 -1075077121 -1092617217 -1073741825 - - -5.6601214408874512e-01 3.9540845155715942e-01 - <_> - - 0 -1 71 -547356836 1566019389 -77856769 -551952545 - -539172900 -10560035 -52600869 994540299 - - -4.4183051586151123e-01 4.4477555155754089e-01 - <_> - - 0 -1 148 -620691696 486545936 825237297 521165584 436288155 - 536422827 1026760619 523727735 - - -4.9225500226020813e-01 3.4415841102600098e-01 - <_> - - 0 -1 8 2065692655 -539494441 1911927792 -2108480 455801071 - 67664201 -1084369169 1926622918 - - -4.0782809257507324e-01 3.7964683771133423e-01 - <_> - - 0 -1 343 791362869 -1075233419 -573079553 -33596427 - -1610973955 -262147 1026375359 -1107337903 - - -4.4104734063148499e-01 3.3767992258071899e-01 - <_> - - 0 -1 247 -770966446 -10095278 -717226475 1462226875 - 1326402382 -70331239 1175244766 1326179231 - - -3.6573803424835205e-01 4.1576108336448669e-01 - <_> - - 0 -1 137 -1898553987 -42050596 -1074372609 -38388009 - -50700804 -268436101 -352819484 -1163887504 - - -4.2117568850517273e-01 3.3924096822738647e-01 - <_> - - 0 -1 188 -321131994 712703979 -1157694222 586350586 - 1085998084 1281738876 -403229068 -925369374 - - -5.1358664035797119e-01 2.6718941330909729e-01 - - <_> - 12 - -1.2918862104415894e+00 - - <_> - - 0 -1 54 1397073902 2013244398 -177098006 -201331986 - 2002780074 1006612398 -1110 -67132758 - - -4.0280899405479431e-01 5.0070983171463013e-01 - <_> - - 0 -1 80 -16823041 -41857 205806847 509368831 -1431699272 - -130942 167828670 -635806469 - - -3.7250527739524841e-01 4.8033073544502258e-01 - <_> - - 0 -1 228 -866136833 419433907 182275839 536546047 201854172 - 28121467 214781439 268402175 - - -4.5891678333282471e-01 3.6297130584716797e-01 - <_> - - 0 -1 270 -1561337117 -1426066718 -1010829325 -38805262 - 1202713555 -324545872 1441789815 -134233869 - - -3.5680472850799561e-01 4.3237748742103577e-01 - <_> - - 0 -1 259 -597278700 268435458 -550058223 855800610 149425288 - 775302951 -118555396 -272630117 - - -4.8106637597084045e-01 2.9466137290000916e-01 - <_> - - 0 -1 327 -1111901448 1023973552 253008120 500562168 -5242881 - -1156710915 1340989437 -536879105 - - -3.2977777719497681e-01 4.3013024330139160e-01 - <_> - - 0 -1 77 -537179120 521143296 -21635309 2134891643 1350441722 - -632386648 -1129300294 -263173 - - -3.6992338299751282e-01 3.5658127069473267e-01 - <_> - - 0 -1 164 -1362153945 741281595 -1496274305 720813755 - 2088729719 2146431455 -251775916 -185278474 - - -4.7965702414512634e-01 2.5329035520553589e-01 - <_> - - 0 -1 129 2009068661 286465811 -1714126495 320044919 - -321273376 1216088341 -187041632 276299767 - - -4.0860968828201294e-01 3.0382931232452393e-01 - <_> - - 0 -1 222 70785877 1041800816 -75508353 1071923196 2113290236 - -1074941012 -1075086339 -1351740304 - - -3.9227196574211121e-01 3.2063353061676025e-01 - <_> - - 0 -1 52 -733166882 -44852481 -145568001 -15114497 -924915460 - -33678721 -88592641 1063732851 - - -3.7047380208969116e-01 3.1812894344329834e-01 - <_> - - 0 -1 32 -2097737981 1148364791 -1210636301 -1330585805 - 123014973 2113833983 -32925 -236603423 - - -4.2788907885551453e-01 2.8403493762016296e-01 - - <_> - 13 - -1.3729060888290405e+00 - - <_> - - 0 -1 316 1058750395 -1080312336 -1078198785 -3 -1145389058 - -1078318408 -1079328769 -1077958496 - - -2.5900188088417053e-01 6.1616760492324829e-01 - <_> - - 0 -1 151 -201887221 1915747883 -218104097 3145727 -92571030 - -117772190 -88408321 -1566377217 - - -3.7379077076911926e-01 4.5426961779594421e-01 - <_> - - 0 -1 96 386868111 1607319551 2145227774 -81921 2136981469 - 1564794828 -3277827 -171573810 - - -3.5450288653373718e-01 4.5893719792366028e-01 - <_> - - 0 -1 2 -551362576 -73215120 -364212554 -11998256 71434372 - -1616176195 209715400 -840182021 - - -4.2596518993377686e-01 3.3351564407348633e-01 - <_> - - 0 -1 82 247336735 586821439 -134217729 1056866239 - -1090551809 -9217 -33628162 -1430597650 - - -3.8904032111167908e-01 3.6951214075088501e-01 - <_> - - 0 -1 249 -672137222 -74448921 -21891587 -136323721 - 1322253791 -822281795 1565482863 1465906911 - - -3.2322180271148682e-01 4.2339357733726501e-01 - <_> - - 0 -1 319 -1347239947 1069203248 -2097163 -1610678308 - -1879052295 -268437506 -1934079492 -1935110672 - - -4.0132158994674683e-01 3.3234956860542297e-01 - <_> - - 0 -1 37 -1068709308 -1102522849 1644484342 -268379409 - 1443710532 -11090094 -213845121 -12059649 - - -4.2390203475952148e-01 2.9791557788848877e-01 - <_> - - 0 -1 202 -285495441 -1427182081 -290198603 -527241618 - -419467196 -855709209 -268509632 -922957372 - - -3.6988914012908936e-01 3.4229919314384460e-01 - <_> - - 0 -1 43 -18449 1073711035 -1319386462 -203620626 2070804431 - 854521820 -134545716 1442310948 - - -4.0420171618461609e-01 3.0070811510086060e-01 - <_> - - 0 -1 205 225460085 1069170549 -1213441 -268681410 536639980 - -272859906 -1344397956 -1090621548 - - -4.0233635902404785e-01 3.1345960497856140e-01 - <_> - - 0 -1 65 1347781250 -252185797 18161683 335127199 -918162925 - -68564231 1079360443 1080539939 - - -4.4784346222877502e-01 2.6452672481536865e-01 - <_> - - 0 -1 40 138021973 914534260 -1628242049 179970033 2088664692 - -279028579 -285573707 -1431115148 - - -4.6739324927330017e-01 2.6337191462516785e-01 - - <_> - 15 - -1.3434195518493652e+00 - - <_> - - 0 -1 312 1594941436 -539099137 1597374397 2136866813 - 2133434303 -2359299 -180801 532360959 - - -3.9849624037742615e-01 4.3070858716964722e-01 - <_> - - 0 -1 107 -1687737718 -136351793 819208354 -201466130 - -304104530 1430290438 -74187782 -254479670 - - -5.2847045660018921e-01 2.9759022593498230e-01 - <_> - - 0 -1 106 1593187583 -57860 494558719 1568543997 -1430627078 - -17168194 -22085633 -17167126 - - -3.2349127531051636e-01 4.4297724962234497e-01 - <_> - - 0 -1 233 -289936401 719515647 1894970098 -67961857 - 1429694295 1079178739 1417049205 -235416077 - - -4.0733993053436279e-01 3.3705353736877441e-01 - <_> - - 0 -1 338 -804225008 -1130847023 -1644863659 -626985985 - -1151011816 -67830287 -1090585640 -72811781 - - -4.0251138806343079e-01 3.1045806407928467e-01 - <_> - - 0 -1 30 1325133735 -235668011 -4196493 -1297076240 37159747 - -1078198341 -5247041 -17338573 - - -3.5516351461410522e-01 3.3867400884628296e-01 - <_> - - 0 -1 61 1563885570 990015234 1715350066 -1612515566 - 2121997646 -562425 -1460130098 -2 - - -3.6495906114578247e-01 3.1801441311836243e-01 - <_> - - 0 -1 35 -486805761 -30385 -164631585 -67393017 -662962177 - -269484302 -302258246 -298365693 - - -2.5626540184020996e-01 4.6705508232116699e-01 - <_> - - 0 -1 242 582106997 -1375949832 -2097155 -1611859716 - -1078984707 -71372812 -1174471336 -1364685600 - - -3.4055373072624207e-01 3.2303497195243835e-01 - <_> - - 0 -1 213 1857005319 651918339 -1159732176 -294652937 - 2146914899 1349774535 -2097404 -50856010 - - -3.3969157934188843e-01 3.1695431470870972e-01 - <_> - - 0 -1 292 -1364537606 -1925122 -36259590 -102826180 - -2098986320 243153064 -1515278601 -137380105 - - -3.3688172698020935e-01 3.2412472367286682e-01 - <_> - - 0 -1 211 -824758745 174632251 -469831961 -1428162053 - 1157038145 213857255 -186772236 -185273869 - - -4.0657189488410950e-01 2.5756362080574036e-01 - <_> - - 0 -1 110 -16884641 -36276290 -160105525 -659501198 -652220 - -295070 -2176776 -15009184 - - -2.8538039326667786e-01 3.6766386032104492e-01 - <_> - - 0 -1 90 -792331710 -1069030682 13697279 -2057320217 - -175702061 -60841468 -222841601 1783605027 - - -3.4717887639999390e-01 2.9574045538902283e-01 - <_> - - 0 -1 234 749378744 935105716 -1397302147 1001388025 - 255328920 -1799926224 -1397966593 -1074790917 - - -3.7167704105377197e-01 2.8397652506828308e-01 - - <_> - 15 - -1.2288014888763428e+00 - - <_> - - 0 -1 271 -290784257 -542572545 -167807627 -2061 209652223 - -1093158913 1157580031 1173837303 - - -3.3414435386657715e-01 4.7178736329078674e-01 - <_> - - 0 -1 317 -2098253 -1146358896 1476391185 -704777743 - -1140850693 -1415582030 -7696 -640683845 - - -2.5055918097496033e-01 5.2570897340774536e-01 - <_> - - 0 -1 132 -100663299 272629759 -789195536 544341979 - -167781039 1966601201 -515 -234881025 - - -3.5798946022987366e-01 3.6239877343177795e-01 - <_> - - 0 -1 48 -2105507696 -1366759952 -1126500363 -570630416 - -317934356 -33619969 -36643332 -2304812 - - -3.9822307229042053e-01 2.8633421659469604e-01 - <_> - - 0 -1 74 -792677742 -101713185 7352369 298695163 -1761297729 - 6029312 -25184257 1608465947 - - -4.2175698280334473e-01 2.4120111763477325e-01 - <_> - - 0 -1 223 169615221 -1174487300 -281051137 -1090642276 - -4703305 -33558539 1073692156 -1359214592 - - -3.8317176699638367e-01 2.8932854533195496e-01 - <_> - - 0 -1 75 -102806438 -9703431 1045568568 503377755 -547864488 - 1534349686 1867669466 -82706561 - - -3.8330292701721191e-01 2.9036629199981689e-01 - <_> - - 0 -1 332 784272181 -1073742539 -554188937 -67127948 - 938153105 -1091568641 -1917947412 -2140908 - - -3.4002754092216492e-01 3.1559377908706665e-01 - <_> - - 0 -1 214 256847367 707514298 -1090536922 -286331166 - 1877943126 258930467 -52826284 -50858080 - - -4.0559005737304688e-01 2.5587162375450134e-01 - <_> - - 0 -1 210 -176953385 839001603 -118293121 -46662093 - -928341523 783159107 1824812218 -294654113 - - -2.2742739319801331e-01 4.4131305813789368e-01 - <_> - - 0 -1 291 -292556917 -268603344 -882511881 -142650156 - -1955672434 -84524073 -941787305 -807451567 - - -2.8523033857345581e-01 3.5285699367523193e-01 - <_> - - 0 -1 86 -1006633234 -8464643 -1800132448 -126160132 - 1597972294 2137374137 2130142532 -67635593 - - -3.6786875128746033e-01 2.6055160164833069e-01 - <_> - - 0 -1 347 809435409 188951103 -1134973121 -1196245185 - 926905404 -2113948 -1122058375 -93651077 - - -3.1239312887191772e-01 3.1785130500793457e-01 - <_> - - 0 -1 47 -242549308 -1693329125 2124733233 857453163 - -233386788 -69871665 -1055992678 173495071 - - -3.7436348199844360e-01 2.9003840684890747e-01 - <_> - - 0 -1 88 1543496623 -1277707265 1375580878 -1141900354 - -202408001 1073719014 -20973842 -454167574 - - -2.5309252738952637e-01 3.8837322592735291e-01 - - <_> - 17 - -1.3014856576919556e+00 - - <_> - - 0 -1 56 -16777228 1343290737 -73730 1979579903 -167772964 - 1145364445 -1 1969225695 - - -3.7386018037796021e-01 4.0434870123863220e-01 - <_> - - 0 -1 329 -1078722575 -1078454128 991133557 -4369067 - -1079247105 -1145394016 522813437 -1080337223 - - -3.0502972006797791e-01 4.3909499049186707e-01 - <_> - - 0 -1 252 -806361310 -492110674 -268445968 -1049642 - 2002778951 1024456291 2012705892 -135792649 - - -4.1819226741790771e-01 2.9456692934036255e-01 - <_> - - 0 -1 279 -52962084 805379072 -99820514 1040191240 -857961316 - -1164230721 -318841633 -1185 - - -3.2393226027488708e-01 3.5176092386245728e-01 - <_> - - 0 -1 131 -148956144 992812800 463421370 920482344 - -1626551044 512506296 -8586248 -4198469 - - -4.0920355916023254e-01 2.6287314295768738e-01 - <_> - - 0 -1 67 -1947229405 577929191 -1142967369 819199477 - 1610560307 1002176493 -268443355 -185204747 - - -3.9257824420928955e-01 2.6880934834480286e-01 - <_> - - 0 -1 173 2136997887 492685274 610548733 501067503 1428159743 - 139549608 1843232763 1146223423 - - -2.6709714531898499e-01 3.5500597953796387e-01 - <_> - - 0 -1 323 -173546237 2012723003 -208685715 1965110275 - -1648389341 -1207969861 -1532023285 -2068848597 - - -2.9938983917236328e-01 3.2542988657951355e-01 - <_> - - 0 -1 72 -1025850814 -226835760 -10485921 -537564929 - 1390123691 -201328836 -1152983169 -229685189 - - -2.8262135386466980e-01 3.3869415521621704e-01 - <_> - - 0 -1 300 186646459 772435664 -277088299 -811293964 510621556 - -2003902767 768513520 -858982156 - - -3.5066390037536621e-01 2.6261052489280701e-01 - <_> - - 0 -1 277 -1901527179 -1079583240 1608384509 -1214321156 - -1475544131 -1618224659 -1350140680 -1343693700 - - -3.1748643517494202e-01 2.9679971933364868e-01 - <_> - - 0 -1 57 -1370792705 -151110594 137920254 505970139 -16908198 - -119123852 2113992958 -27118721 - - -2.9851835966110229e-01 3.1736648082733154e-01 - <_> - - 0 -1 34 -421870864 -121460494 -69399301 -37695628 1854146044 - -572886810 -1662657067 -2754955 - - -3.1197559833526611e-01 2.9238173365592957e-01 - <_> - - 0 -1 20 -395053825 -1172089085 -20972641 -36479168 16188668 - 170858277 1862209791 -43004073 - - -2.6653704047203064e-01 3.6648163199424744e-01 - <_> - - 0 -1 162 -876099570 -1028677841 346016622 -791218210 - -798236064 1141175622 -19929374 -733615388 - - -3.3825182914733887e-01 2.6917472481727600e-01 - <_> - - 0 -1 314 268538656 1006620135 2070388735 2065690825 - -1156937026 -1545866585 -350495013 193696921 - - -3.5214114189147949e-01 2.6037210226058960e-01 - <_> - - 0 -1 344 649287281 -1970393800 -524355 1006436977 - -1880457436 -1364230690 -575458832 -1711323724 - - -3.5447227954864502e-01 2.6205524802207947e-01 - - <_> - 19 - -1.5306358337402344e+00 - - <_> - - 0 -1 325 -14630984 -4473090 -1074397189 -33964034 -72302598 - -1074020356 -1073741825 798731006 - - -3.5602328181266785e-01 4.2827311158180237e-01 - <_> - - 0 -1 130 -551551009 486645509 1899748147 355677975 222889183 - -1073921969 -8405249 863993727 - - -3.4908288717269897e-01 3.5527125000953674e-01 - <_> - - 0 -1 98 1599900924 -103183170 2077315071 -8544581 2147076347 - -348676 -6751554 1039993019 - - -4.1958260536193848e-01 2.6830750703811646e-01 - <_> - - 0 -1 341 -551306566 -1928790024 409301104 -570567172 - 155380464 201374866 1307966709 -840957953 - - -2.9362049698829651e-01 3.5112550854682922e-01 - <_> - - 0 -1 159 -25168073 792404277 -1048577 -1077938185 -50397955 - -1125161865 -118697795 -17040197 - - -2.4668307602405548e-01 4.3156060576438904e-01 - <_> - - 0 -1 102 -254483728 -134352193 1078993009 -438445569 - -145493001 236195840 2010188607 803207983 - - -4.0355175733566284e-01 2.2437272965908051e-01 - <_> - - 0 -1 270 543941090 32109282 -158607600 -539249547 1450174403 - -2037673760 1430348867 -706789133 - - -3.8295698165893555e-01 2.4519409239292145e-01 - <_> - - 0 -1 194 1820081525 1073508181 -237185025 -1627884305 - -1208341124 -1549315 786959612 -1360889776 - - -3.9130604267120361e-01 2.4020861089229584e-01 - <_> - - 0 -1 123 -126746406 -16910241 1317990340 2140139227 - -152170248 -665943862 -494767108 -1308598001 - - -3.3991897106170654e-01 2.5616830587387085e-01 - <_> - - 0 -1 169 -25173426 1157590007 -1462405486 9141882 1563902020 - 1986233998 -121111822 1375206347 - - -3.9309167861938477e-01 2.3203048110008240e-01 - <_> - - 0 -1 119 -2109765118 -1549312122 1974331919 -15794219 - -68435067 -10513465 -203437628 -207886460 - - -3.2824972271919250e-01 2.5953757762908936e-01 - <_> - - 0 -1 293 532419764 -2413864 1004477621 931662384 -1970602497 - -1095996537 -839968773 -1411438117 - - -4.1732871532440186e-01 2.0762878656387329e-01 - <_> - - 0 -1 139 1857947903 1492633971 -1101013025 975886606 - 1350846468 -121757915 -130875788 -869224848 - - -3.4800508618354797e-01 2.4446432292461395e-01 - <_> - - 0 -1 103 -2466598 -4662086 -978313286 -784675555 454565560 - 487593980 1603337147 -7147781 - - -2.7047672867774963e-01 3.1779998540878296e-01 - <_> - - 0 -1 109 -1561869790 120520547 1657708544 -1898513430 - -1614825521 2092432685 1538717248 -289931533 - - -4.0362039208412170e-01 2.1034663915634155e-01 - <_> - - 0 -1 180 1084531215 -707808258 -1210116245 -439570458 - 897553343 1907884029 -135266566 -188437888 - - -2.8848439455032349e-01 2.9848706722259521e-01 - <_> - - 0 -1 70 -526324565 -2473047 -1752530953 -720765307 - -829754181 -88588561 725799882 -1423966207 - - -2.9072195291519165e-01 2.8631457686424255e-01 - <_> - - 0 -1 186 -1035688188 -2075351177 1742138910 -1361646049 - 2038259221 1281666845 -10016229 -927864043 - - -4.0738871693611145e-01 2.1433149278163910e-01 - <_> - - 0 -1 111 -193049515 -579904651 -1078067337 -1125110406 - 657196408 -308999 -269432520 -1626310360 - - -3.4779027104377747e-01 2.4815729260444641e-01 - - <_> - 19 - -1.5291346311569214e+00 - - <_> - - 0 -1 251 -13959169 -28639242 -402655813 -34537805 256249855 - -568918017 1146377727 1413838847 - - -3.0813953280448914e-01 4.0832179784774780e-01 - <_> - - 0 -1 58 -2117889 -6785 -88080641 -1078673830 1592918250 - -130866 -28588321 -67420082 - - -2.4101538956165314e-01 4.6791258454322815e-01 - <_> - - 0 -1 104 63906446 1607320575 -243471634 -35783681 - -1106396194 1430561736 -201721409 -168502531 - - -4.4818142056465149e-01 2.3805019259452820e-01 - <_> - - 0 -1 313 -201338603 -10642115 1604312349 -1120184061 - -570443331 -16641 -588542516 -1936978931 - - -2.7106782793998718e-01 3.9553779363632202e-01 - <_> - - 0 -1 42 -1358982349 -1862229200 -537145985 -1122992815 - 178914341 -1439598077 1593789951 -272634817 - - -3.2034155726432800e-01 3.0296289920806885e-01 - <_> - - 0 -1 318 -1440743437 235588504 -10494472 -1887027976 - -1288767504 -1398099527 -843000652 -863175440 - - -3.0287060141563416e-01 3.1029415130615234e-01 - <_> - - 0 -1 292 -555045126 -361514 762749686 -139778 235667694 - -1093395212 -11471106 -6309889 - - -3.0765682458877563e-01 3.1880700588226318e-01 - <_> - - 0 -1 196 250872917 -68273685 -1078051329 -1082508571 - -1091283460 -1168712 -1417288 -1363666432 - - -3.3388796448707581e-01 2.7029579877853394e-01 - <_> - - 0 -1 219 -290476795 -465649810 -35918852 -289735302 - -34138796 -84935682 -318770912 -857082906 - - -3.2501670718193054e-01 2.7079197764396667e-01 - <_> - - 0 -1 351 255542577 -1383080455 -134234123 -35669132 - 225794545 -1073809475 501579485 -43919 - - -3.1916373968124390e-01 2.6903003454208374e-01 - <_> - - 0 -1 133 215553112 -1107551056 251485533 -1117840291 - -23183686 -1157685096 148380684 -1359280118 - - -3.4327763319015503e-01 2.6013481616973877e-01 - <_> - - 0 -1 229 1781507627 11182978 -1532302414 -453707565 - 2112190021 1230535507 1940017765 -723454538 - - -4.0361833572387695e-01 2.0124079287052155e-01 - <_> - - 0 -1 35 1659037435 -1074583282 -585441281 -1142706330 - -487432961 -50689038 -752619781 2119369219 - - -2.8866782784461975e-01 2.8524476289749146e-01 - <_> - - 0 -1 5 -277098501 -426275 -537657353 -80707839 148375995 - -1443515977 -1360028481 -290306189 - - -2.2325216233730316e-01 4.0045592188835144e-01 - <_> - - 0 -1 342 -12845061 -1146450256 1643999573 -578956079 - -1430327361 -1364660568 1068039673 -826557192 - - -1.7625236511230469e-01 4.5335152745246887e-01 - <_> - - 0 -1 246 -5334 16170343 -1563618650 -559235090 -213913050 - 543944397 -82347060 -186319018 - - -3.3681878447532654e-01 2.5925871729850769e-01 - <_> - - 0 -1 200 706711043 240052095 -1057817422 -288572133 - 2104128000 107326306 -142977008 -184549550 - - -4.0993413329124451e-01 1.9274616241455078e-01 - <_> - - 0 -1 207 678842645 -554033765 -299117059 -2195490 787765744 - -85783809 801398270 -1342553048 - - -3.0899345874786377e-01 2.7749294042587280e-01 - <_> - - 0 -1 239 -352653541 -1464975560 -1711377924 1006431154 - -1914849861 -1997605505 -723791652 -2005992518 - - -2.7373707294464111e-01 3.1265005469322205e-01 - - <_> - 20 - -1.2624083757400513e+00 - - <_> - - 0 -1 152 -536896171 528166667 -89134213 863190787 -10787 - -42746009 -135004165 861372191 - - -3.0395314097404480e-01 4.0150311589241028e-01 - <_> - - 0 -1 316 1058061817 1069530432 1072045437 -779 -1079460102 - -1078220624 -1086607877 -1347745096 - - -3.1513056159019470e-01 3.4505581855773926e-01 - <_> - - 0 -1 231 -681586977 321007414 1157254391 -135793561 - 1280068831 961635295 1153779199 1107294463 - - -3.4076648950576782e-01 2.9044425487518311e-01 - <_> - - 0 -1 281 13565963 -1605663761 -1068499969 -1551382549 - -957611569 -88150085 -486669105 -489698353 - - -2.9677531123161316e-01 3.0763381719589233e-01 - <_> - - 0 -1 326 -1053826398 -721436430 -280231937 -975176521 - -409225541 -71593733 -6291717 -1413486341 - - -2.8983283042907715e-01 3.1503608822822571e-01 - <_> - - 0 -1 183 1163896751 1977614331 671051643 -138674226 - 2144851967 1470987751 -58725393 -188420220 - - -2.0130541920661926e-01 3.9263197779655457e-01 - <_> - - 0 -1 38 -16788225 -25265109 -1172116865 974286447 -18980838 - -2269836 -349111681 -30245109 - - -2.6475778222084045e-01 3.2654273509979248e-01 - <_> - - 0 -1 84 1433881682 1597703946 1291197240 -9438094 1526162906 - -394281474 -50917514 -414 - - -2.9093095660209656e-01 2.9709726572036743e-01 - <_> - - 0 -1 49 -603945842 -1315963413 -414862337 -9040081 - -925350721 -117485633 -68928293 841171459 - - -3.6999693512916565e-01 2.1880353987216949e-01 - <_> - - 0 -1 335 -235151561 906503990 -6316714 948108800 -319324675 - -16843053 -603980191 -117506534 - - -2.7334323525428772e-01 3.0180162191390991e-01 - <_> - - 0 -1 66 -1413764333 724760368 601747389 -6095968 37694209 - -1342441059 92217889 -273154057 - - -2.6323935389518738e-01 2.9735177755355835e-01 - <_> - - 0 -1 163 -335559766 -453021782 -323533214 1893203877 - -270539322 17588935 -186715916 -252379394 - - -3.0761030316352844e-01 2.5141632556915283e-01 - <_> - - 0 -1 328 -13631567 -1212417327 403124577 89128053 905935803 - 805306111 455804405 -1913655045 - - -2.4577388167381287e-01 3.1640377640724182e-01 - <_> - - 0 -1 338 -1805103104 -204178216 -1109225537 -645859592 - -1179295532 -17539075 -1342640193 -1085605221 - - -2.7292105555534363e-01 2.8334984183311462e-01 - <_> - - 0 -1 113 184427503 2077949879 2130628607 -1972228222 - 267784191 -122913 -19677458 -87003834 - - -2.6322066783905029e-01 2.9420077800750732e-01 - <_> - - 0 -1 81 105097999 1542832493 298852512 -33591146 -7371798 - 1171296972 -159057160 -792331574 - - -3.1270226836204529e-01 2.4914608895778656e-01 - <_> - - 0 -1 287 -1423199312 -1691103151 -1814751664 -1613770752 - 990048439 1006682272 1472720818 -805482223 - - -3.1640163064002991e-01 2.3388214409351349e-01 - <_> - - 0 -1 18 706367007 709894941 -1978089477 -1976242714 - 1047418708 -9413867 -8999074 -94175241 - - -3.4782758355140686e-01 2.1951326727867126e-01 - <_> - - 0 -1 320 -1074273477 -1349648528 -26397387 -305765168 - -1750336135 -1414551302 -820448067 -1996649316 - - -2.4355542659759521e-01 3.1015169620513916e-01 - <_> - - 0 -1 151 -25443838 1937727008 -398471218 40370095 -231164274 - -1339821902 -97325926 -88867841 - - -2.6998028159141541e-01 2.8467071056365967e-01 - - <_> - 19 - -1.3592376708984375e+00 - - <_> - - 0 -1 348 -995118944 -930416974 345887952 -570558340 88531328 - -1945218639 -587737611 -570425861 - - -2.9777532815933228e-01 4.2831858992576599e-01 - <_> - - 0 -1 253 -67110358 1893122090 1893397120 -86249774 - 1180660851 7567942 1349997680 -134220065 - - -3.9622232317924500e-01 2.9791569709777832e-01 - <_> - - 0 -1 75 -539240230 -648023297 469764112 1593868287 -11661110 - 1532777684 -552444965 -14942209 - - -2.9889813065528870e-01 3.6522966623306274e-01 - <_> - - 0 -1 289 -67125368 -79955026 -2020348961 -35793731 - -1077342273 -616575495 -1089623397 497024223 - - -3.4431287646293640e-01 2.9128664731979370e-01 - <_> - - 0 -1 166 1384071754 1113049038 -758590950 1895815884 - -763411890 1209352476 -89797814 -220206337 - - -4.1682410240173340e-01 2.1082815527915955e-01 - <_> - - 0 -1 105 -254496094 -18879841 14000245 771751931 -11010061 - 134742528 -8912901 929018859 - - -3.7486401200294495e-01 2.4162678420543671e-01 - <_> - - 0 -1 179 -654313675 742329655 -262625 1060896639 -390366980 - 74072179 -253568780 -289418469 - - -2.5083890557289124e-01 3.3719986677169800e-01 - <_> - - 0 -1 315 -73668360 1565910264 2081358045 2146916605 - -1621517064 357571729 -1480983299 -24065 - - -2.4764552712440491e-01 3.5451245307922363e-01 - <_> - - 0 -1 301 -811597901 -1364218069 -1648402160 -325060800 - -1976643936 -1364209682 -975732736 -856689421 - - -2.7585402131080627e-01 3.0668458342552185e-01 - <_> - - 0 -1 285 -16801110 1942398638 2139043338 1884201710 - 1565129044 1073771567 1927598335 1089267455 - - -3.5849529504776001e-01 2.3467011749744415e-01 - <_> - - 0 -1 124 -552751172 -106362566 379098395 -619987142 - 2056910831 -256982033 -448484726 991891214 - - -3.6114555597305298e-01 2.2252097725868225e-01 - <_> - - 0 -1 28 -922792361 135407106 915543278 -1441729929 - -209763771 -33465743 -85987393 -79495181 - - -2.9683136940002441e-01 2.8010207414627075e-01 - <_> - - 0 -1 174 -65566202 5422903 -1572145044 -617562398 -77657088 - 1967600929 854335524 -8915084 - - -3.7435227632522583e-01 2.1536998450756073e-01 - <_> - - 0 -1 22 -487912721 -800642866 2009588683 -1392279546 - 1656090575 1071632022 -2052634693 -2044509181 - - -3.0010569095611572e-01 2.6017066836357117e-01 - <_> - - 0 -1 226 -741397974 -774903581 1081934016 -260181765 - 2068804966 -935049268 1908400875 -168901016 - - -2.7382543683052063e-01 2.9915502667427063e-01 - <_> - - 0 -1 44 1817520043 -1431149805 -35670017 848351552 - 1036462355 -1879155406 -302153961 -67637897 - - -3.3639410138130188e-01 2.2802397608757019e-01 - <_> - - 0 -1 311 -1330405232 -1146452984 -920726316 -1147304716 - -1089883143 -1260027579 -1255145527 -1869873152 - - -3.6143729090690613e-01 2.2017471492290497e-01 - <_> - - 0 -1 255 -488642849 338857182 1447921202 -691318883 - 1085163095 23216146 1883555028 -209735809 - - -2.8023749589920044e-01 2.8233993053436279e-01 - <_> - - 0 -1 6 -857296913 -38559749 -1123606723 -1326175183 - 214765461 1826707963 1609522143 250940451 - - -2.9626613855361938e-01 2.7211683988571167e-01 - - <_> - 20 - -1.2654424905776978e+00 - - <_> - - 0 -1 274 -152045826 -542116132 -671384098 -536871169 - 71611552 4511120 1691862270 2144334079 - - -3.2745066285133362e-01 3.7415373325347900e-01 - <_> - - 0 -1 55 -562049324 1347689172 838916858 323023775 -10528232 - 1547698176 -79496197 -16257057 - - -3.2601267099380493e-01 3.1999495625495911e-01 - <_> - - 0 -1 155 -150864973 823197205 855899696 1897004151 - 1359478447 239799783 -1119879173 2071721983 - - -3.1169268488883972e-01 3.2441514730453491e-01 - <_> - - 0 -1 131 -8122216 -1694493696 1544425874 1971917534 - 1494268856 974434736 -47924226 -1081103685 - - -3.4951829910278320e-01 2.8645709156990051e-01 - <_> - - 0 -1 2 -148702222 -39652368 -926160348 -4129301 71565440 - 1002386359 4456576 -269484065 - - -3.2985246181488037e-01 2.8976812958717346e-01 - <_> - - 0 -1 269 -537196528 367210120 -810330341 -1611069392 - 452626939 -275337221 -1889288261 -4456709 - - -3.6027029156684875e-01 2.2897857427597046e-01 - <_> - - 0 -1 46 581575179 144736896 -1511062769 771591377 13044399 - 613156333 461832575 -33602083 - - -3.1637319922447205e-01 2.6715582609176636e-01 - <_> - - 0 -1 72 -631190908 -791476526 2102263115 -707719041 - -1824344143 -221118035 1935670155 -681895917 - - -3.1301385164260864e-01 2.6414388418197632e-01 - <_> - - 0 -1 143 -395337586 1290599162 -1480586611 -1107445125 - -780276278 1222177164 1909323816 1431695206 - - -3.1736305356025696e-01 2.5901272892951965e-01 - <_> - - 0 -1 327 -1618216774 487712984 335544528 478095577 -16078406 - 185086393 210310393 1339020735 - - -3.2663252949714661e-01 2.4670498073101044e-01 - <_> - - 0 -1 266 102918451 -821892609 49152511 -286461629 2080379763 - 2137245875 2051079551 -858486798 - - -3.4607407450675964e-01 2.0814558863639832e-01 - <_> - - 0 -1 115 1965030149 69155845 -270820041 -1078461449 - -136584193 762821931 -588278748 674225702 - - -3.3318042755126953e-01 2.3290997743606567e-01 - <_> - - 0 -1 181 -489698686 -2131832314 -1039863296 818323586 - -523765334 440824136 -780927062 -528941364 - - -3.0289414525032043e-01 2.5606787204742432e-01 - <_> - - 0 -1 7 -1968533749 -1158234249 -1903504601 1289568835 - -2110509277 1055784827 -16777649 -1061695641 - - -3.1121507287025452e-01 2.4493122100830078e-01 - <_> - - 0 -1 59 -1258926881 -549822406 408301535 2050653013 - -1703261576 -76779424 973269887 -98400385 - - -2.7002063393592834e-01 2.7681529521942139e-01 - <_> - - 0 -1 272 -758193574 1389009342 -1059925886 -5881636 12990686 - 2163886 1106474407 1364714403 - - -3.4319832921028137e-01 2.2524215281009674e-01 - <_> - - 0 -1 89 2010493580 1490924031 558703340 1878899615 - 2136242133 256903807 1130158729 818193091 - - -4.1370552778244019e-01 1.7945855855941772e-01 - <_> - - 0 -1 306 -202440190 -738220126 82060896 -477207729 - -153700670 -570891389 -199329793 -203755569 - - -2.5417929887771606e-01 2.9859820008277893e-01 - <_> - - 0 -1 264 -221254326 1925904495 1704207914 1894699598 - -451424859 4246980 -49167940 1886450374 - - -3.4114065766334534e-01 2.2073985636234283e-01 - <_> - - 0 -1 53 -98573686 -233458620 -1145323521 -580784361 - 1931469735 -260055489 -1291736289 -1421354481 - - -2.1690982580184937e-01 3.4113904833793640e-01 - - <_> - 21 - -1.2858563661575317e+00 - - <_> - - 0 -1 288 -268513282 -170008577 -1615475234 -37777945 - -54096706 -3303955 -268497714 233768959 - - -2.9269060492515564e-01 3.6005640029907227e-01 - <_> - - 0 -1 171 2139094807 590479159 -422320014 544275186 - 1609553655 1064828726 -268463004 1979187191 - - -3.9009553194046021e-01 2.6665380597114563e-01 - <_> - - 0 -1 337 240061441 237972797 -1342754881 782424635 956105749 - -1115687441 -557891589 -1360330817 - - -3.6515378952026367e-01 2.4825972318649292e-01 - <_> - - 0 -1 39 -20737 -21921 1387329791 -1145902337 -19250950 - -8502569 -126817537 -77082373 - - -1.8133202195167542e-01 4.5872864127159119e-01 - <_> - - 0 -1 136 -562084225 -588480681 -1099243521 506624528 - 1316756572 -84124547 -33784228 -365920720 - - -3.9777505397796631e-01 1.8508131802082062e-01 - <_> - - 0 -1 217 785362727 216853359 -402800844 -287899666 - 1395881781 1156951983 -134349248 -185271564 - - -3.4530290961265564e-01 2.4639949202537537e-01 - <_> - - 0 -1 68 -1062206256 1283745013 -34114723 -655764 1070420469 - 365214205 -805365315 -7516835 - - -3.2642650604248047e-01 2.5048437714576721e-01 - <_> - - 0 -1 190 1474272223 1432203262 499659167 532543359 307625983 - 340797832 1059537791 1944010239 - - -2.8207024931907654e-01 2.8570288419723511e-01 - <_> - - 0 -1 310 -48295664 -646879950 -749237799 -1153479021 - -1097202291 -33608429 -1514198007 146252931 - - -3.7337026000022888e-01 2.1691022813320160e-01 - <_> - - 0 -1 145 -54539121 1325248383 -1444411622 -1078132833 - 2097041119 1281153237 -135827344 1899100997 - - -3.1012156605720520e-01 2.4879796802997589e-01 - <_> - - 0 -1 208 215618933 536625151 -537774081 -1073979708 - 1022653716 -1077149825 -1073987588 -1426440928 - - -3.5794767737388611e-01 2.0182034373283386e-01 - <_> - - 0 -1 275 -460354046 75902886 -1114232776 144879392 - 1700742225 200101343 -20972316 -268435457 - - -3.3210799098014832e-01 2.3649631440639496e-01 - <_> - - 0 -1 331 -1120698607 -1816316560 -1115727883 -771893903 - -1498071255 -1342570824 698559600 -1935190671 - - -3.1769388914108276e-01 2.3492129147052765e-01 - <_> - - 0 -1 26 171629823 667944063 135529717 34762367 1819038997 - 1002177831 1348229755 2135252863 - - -3.5822075605392456e-01 2.1465454995632172e-01 - <_> - - 0 -1 154 -637551088 286731008 -121898852 540119849 - -716208703 -1779023243 -386809896 1901461404 - - -4.3143102526664734e-01 1.6342623531818390e-01 - <_> - - 0 -1 184 1860151087 1929903535 1385154026 1995326315 - -186651217 1908896727 -1578172729 1690632140 - - -3.0808129906654358e-01 2.3992852866649628e-01 - <_> - - 0 -1 261 -750652672 825569187 363565347 226880649 1425642663 - 1027652669 -1527280645 234220511 - - -2.8312164545059204e-01 2.6677671074867249e-01 - <_> - - 0 -1 283 -319861241 1113296810 -274206881 -358425573 - 2079722844 -400747690 -318934163 -10490913 - - -2.8361973166465759e-01 2.6147827506065369e-01 - <_> - - 0 -1 100 1152141516 -134536513 1728012219 -613438294 - 289388027 -172525705 2052631547 523382314 - - -3.5195887088775635e-01 1.9971875846385956e-01 - <_> - - 0 -1 250 1915726114 799985062 -863564618 -1796286242 - 1412398914 902102177 1130850167 -206571550 - - -3.5833287239074707e-01 2.0236967504024506e-01 - <_> - - 0 -1 95 -455700956 82848733 132951356 -67846796 -33744443 - 248862805 -1162704376 -1075833039 - - -3.7909838557243347e-01 1.7440141737461090e-01 - - <_> - 24 - -1.2824541330337524e+00 - - <_> - - 0 -1 80 -45825 -536920833 1280073215 495738239 -88473416 - -130820 -570238469 -71639553 - - -1.6788482666015625e-01 4.4611564278602600e-01 - <_> - - 0 -1 228 -572535553 397093339 -1062400257 1610558363 - 214714620 1068935571 68145083 532673471 - - -3.1849989295005798e-01 2.7583411335945129e-01 - <_> - - 0 -1 317 -1231 -1819561582 1911910833 1570722209 -1093 - -1685331270 -1076924144 -2002009685 - - -2.7908280491828918e-01 2.8472077846527100e-01 - <_> - - 0 -1 258 -1942309903 -1342795280 -4194443 -1073899024 - -1354893895 -1079265281 529358301 -1447062096 - - -2.6034539937973022e-01 2.9407960176467896e-01 - <_> - - 0 -1 282 -486603761 538575875 2129538959 34218767 -573161380 - -70690275 -285287348 -2363473 - - -3.4062975645065308e-01 2.0401223003864288e-01 - <_> - - 0 -1 291 -1349524722 -69233725 -1720626217 -536900587 - -2143975798 -12746304 118214239 1599029333 - - -3.2409128546714783e-01 2.2399894893169403e-01 - <_> - - 0 -1 120 -269775230 1408819148 -390615384 -8392706 -1057528 - 1464277268 -1276123648 2004090628 - - -3.6182680726051331e-01 1.8862281739711761e-01 - <_> - - 0 -1 78 521087406 894214626 828121640 -236406052 935394252 - 1426326282 -507511876 -138091528 - - -4.3280023336410522e-01 1.7912270128726959e-01 - <_> - - 0 -1 349 196050803 -1364574018 2042330965 -841132080 - -1466964805 -1882464834 1636143569 -860888828 - - -2.9185295104980469e-01 2.3511406779289246e-01 - <_> - - 0 -1 19 -21018037 1783262287 -1597196625 -1442780128 - -414100906 -277852304 -355078554 -46081177 - - -2.9949510097503662e-01 2.4424977600574493e-01 - <_> - - 0 -1 12 49418002 -2003701765 -313130209 -2000720353 - 1219644673 -285278209 -872858825 1123765061 - - -4.4975990056991577e-01 1.4456595480442047e-01 - <_> - - 0 -1 52 -364085048 491458118 -675123209 -541193660 - -839658244 -262730335 -604312834 2115044436 - - -3.9896175265312195e-01 1.7343275249004364e-01 - <_> - - 0 -1 160 -470817137 156157702 -1967203869 -772802881 - -246418489 1363658693 -218633237 -245891170 - - -2.1532715857028961e-01 3.3184850215911865e-01 - <_> - - 0 -1 175 -352409586 -1190861826 -1642823092 -71631894 - -923852796 1998658431 -399708968 -11345840 - - -2.8774553537368774e-01 2.3346234858036041e-01 - <_> - - 0 -1 178 1146397583 1440677111 1789980602 -168959196 - 1607858623 1003980783 -95098146 -520838912 - - -2.7916902303695679e-01 2.3335020244121552e-01 - <_> - - 0 -1 352 -50332877 -1350565899 -589480591 -849224360 - -2014845531 -1930707058 -1980770927 -857737763 - - -1.8601153790950775e-01 3.3500474691390991e-01 - <_> - - 0 -1 116 -679517179 235021312 -2015978753 -308288545 -3083 - -1148969 572941047 -1531453593 - - -2.8746202588081360e-01 2.3165051639080048e-01 - <_> - - 0 -1 246 -283094 -78995521 989667876 -388040262 1269563143 - 376496915 -180422212 1906376566 - - -3.3096152544021606e-01 1.9776308536529541e-01 - <_> - - 0 -1 97 -182451973 -202104337 -1497597953 -141604069 - -417856360 -236145225 -14023781 -1308484861 - - -2.5251045823097229e-01 2.6549828052520752e-01 - <_> - - 0 -1 298 1873775874 -1934907533 -1096029424 -930612685 - -2068250556 -1915946543 1105810433 -977930811 - - -4.1322487592697144e-01 1.5656088292598724e-01 - <_> - - 0 -1 327 -559975688 -1098343184 56689852 -541071107 - -1096812098 -1650825224 -821928707 -570434053 - - -2.2519363462924957e-01 2.9129114747047424e-01 - <_> - - 0 -1 322 1760817168 2014969105 -1342718095 -115803287 - -1804093744 -249891400 -828918088 -1133191201 - - -2.5303143262863159e-01 2.6384234428405762e-01 - <_> - - 0 -1 201 -337401329 79624186 -157749454 -2107704234 - 2136683024 1450477407 -277792234 -789447723 - - -3.5275053977966309e-01 1.8988111615180969e-01 - <_> - - 0 -1 85 1483955794 880441222 1177964078 -1207814558 - 1556696189 -13904937 -805344549 -21761033 - - -2.9593563079833984e-01 2.2950462996959686e-01 - - <_> - 25 - -1.1346004009246826e+00 - - <_> - - 0 -1 135 248384512 -2230281 -67167425 -278721 -1430323288 - -4097 -1364709878 -1427136853 - - -2.7531594038009644e-01 3.4290844202041626e-01 - <_> - - 0 -1 192 1473642495 274004474 933182335 500809723 1997913085 - 487862028 2077977039 1608383199 - - -2.5518363714218140e-01 3.2124108076095581e-01 - <_> - - 0 -1 150 -671627180 1440067463 -55773956 -252462474 - -212729877 -1744769111 -298451490 805420943 - - -3.4691503643989563e-01 2.3676414787769318e-01 - <_> - - 0 -1 3 -186646854 -72960256 -822609825 -856193 5046414 - 733941519 1287603359 -129 - - -2.4629610776901245e-01 3.0966648459434509e-01 - <_> - - 0 -1 324 -1334507507 -1115837163 -1198804579 1034753295 - -237926227 -69613103 -269694261 -2138504179 - - -3.6555841565132141e-01 1.9017384946346283e-01 - <_> - - 0 -1 45 0 -824089359 -278966017 -749744779 8831144 - -347413507 -1475415988 -855648819 - - -3.4803688526153564e-01 2.1789649128913879e-01 - <_> - - 0 -1 340 1112532642 1173963979 -811315745 99566887 - -777275981 -439360269 -376451157 133893287 - - -3.0945461988449097e-01 2.2969539463520050e-01 - <_> - - 0 -1 297 185535267 790098739 711963921 -268439240 218058052 - -294925 -1396768448 -2100139 - - -3.6581969261169434e-01 1.7462332546710968e-01 - <_> - - 0 -1 292 -21844242 -6605322 -1616468484 -536912933 - -1499165960 -1126293580 925141758 -20448289 - - -2.5863876938819885e-01 2.6582530140876770e-01 - <_> - - 0 -1 304 522433969 772063152 -1143210539 -1383027464 - -1405567063 -1431049791 221093305 -1933786908 - - -2.9382315278053284e-01 2.4171116948127747e-01 - <_> - - 0 -1 119 -202381694 -798150994 -5573602 -41028290 - -1178601783 -77728283 -135801400 -145231988 - - -2.2170369327068329e-01 3.1273341178894043e-01 - <_> - - 0 -1 128 -203439442 280484343 -191502652 1082521539 - 1518288386 574050238 -360088850 -84153089 - - -3.2988098263740540e-01 2.0559535920619965e-01 - <_> - - 0 -1 36 -1473073466 1917855318 -364848516 1483753731 - 522944080 -1504285156 -282021901 -79439061 - - -2.9433536529541016e-01 2.1896927058696747e-01 - <_> - - 0 -1 185 -270062289 741719453 2088717183 -159405089 - -1063525273 -201780627 -990061324 -189792529 - - -2.8305205702781677e-01 2.3085375130176544e-01 - <_> - - 0 -1 64 781209199 -604801249 -137056771 -1644152576 - 1425768019 -4985945 -33825329 -352630170 - - -2.5803419947624207e-01 2.3583941161632538e-01 - <_> - - 0 -1 218 -684139841 891109289 -2146903425 497252031 - 1814861009 1063463728 69532089 1061139391 - - -2.3609955608844757e-01 2.6694893836975098e-01 - <_> - - 0 -1 195 1560171645 -1625665705 -1891663905 -1109320513 - -127236 -67273237 -268804357 -5614422 - - -2.2031366825103760e-01 2.8743496537208557e-01 - <_> - - 0 -1 289 -368723304 -1087131273 -2028144723 465693884 - 1523430298 -71370269 -1182790141 144305137 - - -3.6453738808631897e-01 1.7253066599369049e-01 - <_> - - 0 -1 199 787998475 677575591 -739252480 -285290066 508918644 - 1719481202 -179306992 -51386418 - - -3.0859819054603577e-01 2.0732647180557251e-01 - <_> - - 0 -1 14 -221256090 -30629334 -1778521617 -141047802 70346658 - -453359515 1744520459 -268644849 - - -2.7200087904930115e-01 2.2423355281352997e-01 - <_> - - 0 -1 142 1622928902 583970724 1109312096 1904539840 - 1969219012 1980786278 1948496000 1911025111 - - -3.3403554558753967e-01 1.9454947113990784e-01 - <_> - - 0 -1 112 -295762925 915309558 -1095828421 1019540600 - -1141749996 -1192305118 -17631630 -903815374 - - -3.0503559112548828e-01 2.0471774041652679e-01 - <_> - - 0 -1 330 1865153393 185138952 -955431147 431881140 698022290 - 142707862 1294169361 217054693 - - -3.3315172791481018e-01 1.9509385526180267e-01 - <_> - - 0 -1 50 1057818511 484285945 -170124612 1005093883 - -1156844547 1371617765 -69795876 -1257986355 - - -2.9253959655761719e-01 2.2863319516181946e-01 - <_> - - 0 -1 216 567255330 -707734926 -925572514 -624041174 - 1433628799 21294608 156263627 -721438458 - - -2.8726491332054138e-01 2.1820212900638580e-01 - - <_> - 25 - -1.2997064590454102e+00 - - <_> - - 0 -1 296 -1372705244 -53892 -276885633 -1880289792 - -620822785 -393217 -142745633 -268474549 - - -2.2954036295413971e-01 3.6702767014503479e-01 - <_> - - 0 -1 69 -10514724 -1625446526 -12058789 1028355882 - -106955041 -6565701 -146018337 1599032783 - - -3.4712401032447815e-01 2.4896951019763947e-01 - <_> - - 0 -1 76 -1430331393 -1752738851 226721247 1059010911 - 145900799 -1429468513 615153631 988436415 - - -3.3930867910385132e-01 2.3344205319881439e-01 - <_> - - 0 -1 270 -506747998 -1362439710 -745936942 -39853582 - 1334757315 -124603168 2009421779 -672148493 - - -2.8237146139144897e-01 2.7164348959922791e-01 - <_> - - 0 -1 321 -4203299 1360986883 -3412641 956312066 -171979299 - -315445 -1843240 -80744689 - - -2.1301591396331787e-01 3.5703513026237488e-01 - <_> - - 0 -1 149 -689977121 -662996513 -1725966451 2068778907 - -251700994 419184760 -93683841 -99614885 - - -2.3296064138412476e-01 3.1665518879890442e-01 - <_> - - 0 -1 309 -285179488 -9441281 1043235368 -1342265362 - 874839541 2133912549 -1032021509 -1392732225 - - -2.8806942701339722e-01 2.2282725572586060e-01 - <_> - - 0 -1 114 1475815183 2107337983 -224023574 -2176766 - 2147067887 1876795342 1818099336 1707645312 - - -3.1313076615333557e-01 2.1244764328002930e-01 - <_> - - 0 -1 329 -1657544715 -1145500528 997257077 503141457 - 763625151 -1430741832 153165617 266033296 - - -3.0358061194419861e-01 2.2090645134449005e-01 - <_> - - 0 -1 177 1147035391 -50398729 -8725505 1072834859 2090734480 - -115489 -570483718 -270631374 - - -1.8830235302448273e-01 3.3752456307411194e-01 - <_> - - 0 -1 299 -1356597325 -1388052592 -847288592 -314052611 - -1927458391 -896273511 -1943219992 -855777356 - - -2.6349818706512451e-01 2.4316447973251343e-01 - <_> - - 0 -1 91 1683333818 -928527617 73759575 1290403503 1430371123 - -103067615 1875204903 1786229266 - - -3.6631527543067932e-01 1.7680935561656952e-01 - <_> - - 0 -1 75 -723572486 1398781951 2102550384 -15679489 - 1677216988 -883140642 -552403973 -619446289 - - -2.4558630585670471e-01 2.6674869656562805e-01 - <_> - - 0 -1 31 -909118669 -1568492624 -15803021 -1602693664 - 1276055058 203659013 2128997939 -285229957 - - -3.1990760564804077e-01 1.9987310469150543e-01 - <_> - - 0 -1 153 -641211774 456884155 -371067230 828505907 - 1660797068 1414657751 -654513950 -260707437 - - -2.5050690770149231e-01 2.5742626190185547e-01 - <_> - - 0 -1 24 -229906089 -739840258 535355359 -1513324470 - -706239233 -106463539 396649887 -2030041851 - - -2.5204655528068542e-01 2.6508477330207825e-01 - <_> - - 0 -1 16 -956904237 -900393 744684798 440408308 1474759700 - 2144675413 -1203478660 -15336458 - - -2.3463597893714905e-01 2.7154859900474548e-01 - <_> - - 0 -1 245 -53498110 -768948404 114700466 -262216722 - 1751010824 1074124611 1456993248 1358295782 - - -3.6311113834381104e-01 1.7788498103618622e-01 - <_> - - 0 -1 103 -2450246 -1080320589 1308138658 825785752 482925554 - 487604154 -283631617 -72380437 - - -2.4650368094444275e-01 2.5755673646926880e-01 - <_> - - 0 -1 126 1058870580 903144469 -83886593 -1392513810 - -1611137039 -33792596 2145253024 -1402167248 - - -2.3422972857952118e-01 2.8370600938796997e-01 - <_> - - 0 -1 222 70522484 -1663270860 2006973951 737044894 734095092 - 2113182189 -1113780932 -1398140368 - - -4.2064115405082703e-01 1.4178343117237091e-01 - <_> - - 0 -1 326 1107681440 1184465408 1697245882 -575681545 - -1209274896 -441716737 -274206977 -1497652999 - - -2.6777487993240356e-01 2.3421689867973328e-01 - <_> - - 0 -1 238 -876378345 -2002059937 -402854058 2047008718 - -977546123 96466271 -724044704 -855902004 - - -2.6567915081977844e-01 2.4086490273475647e-01 - <_> - - 0 -1 215 -939802373 1936008783 249448665 -1680407978 - 1336956126 721695808 1217691803 968323227 - - -2.6731696724891663e-01 2.3347604274749756e-01 - <_> - - 0 -1 235 1312794114 5408 -1306041678 -1593904412 2071675925 - 373612661 1106728032 -51052590 - - -4.5101743936538696e-01 1.3724696636199951e-01 - - <_> - 26 - -1.3585999011993408e+00 - - <_> - - 0 -1 99 -16253125 -1862205680 924703251 353705495 18354879 - -1646443061 1061106495 521109375 - - -2.6204770803451538e-01 3.2944434881210327e-01 - <_> - - 0 -1 106 1589402879 2111243421 -1921360385 498991519 - -1430778630 -1095235424 -299958273 -1415968598 - - -2.9923591017723083e-01 2.6061478257179260e-01 - <_> - - 0 -1 256 -269500670 -1934972022 -212386444 -340983920 - -840985607 216660013 -838930280 -855967046 - - -3.1109735369682312e-01 2.4578146636486053e-01 - <_> - - 0 -1 290 -785411968 -793272784 -1244701525 -1863077704 - -252760056 -138438225 -325343096 -1934628726 - - -3.1990429759025574e-01 2.4755740165710449e-01 - <_> - - 0 -1 210 -69535757 858989363 -101122561 -1154744385 - -1426397852 787417871 -1394279747 -1049665 - - -2.4644587934017181e-01 3.1389617919921875e-01 - <_> - - 0 -1 33 44994211 548056274 1050609429 -269234960 235348991 - -1461066343 133104023 -536881691 - - -3.0615699291229248e-01 2.1291562914848328e-01 - <_> - - 0 -1 169 -19927354 -998541361 -1031864744 548925694 - 2058738946 1086813587 -117441590 -236978209 - - -2.8440350294113159e-01 2.4974717199802399e-01 - <_> - - 0 -1 225 -403723614 -137498998 12815458 -201331990 - -143659953 -292815449 -1025137984 -146418144 - - -2.7793189883232117e-01 2.1837951242923737e-01 - <_> - - 0 -1 8 -245367841 -2134021 1724214226 -33737026 -546361345 - 2104391438 -235029522 1894053750 - - -2.3921246826648712e-01 2.5940048694610596e-01 - <_> - - 0 -1 110 -50344201 2021002463 -295113026 503381792 - 1802897488 -1216649 -649569682 -29165030 - - -2.3499047756195068e-01 2.6225870847702026e-01 - <_> - - 0 -1 122 -789934932 1559100927 -1917276468 -484037 - -573975107 1557186265 -1157693928 -13043150 - - -2.7699887752532959e-01 2.1751758456230164e-01 - <_> - - 0 -1 243 -1356859599 -2071938592 -1711301131 -1108552207 - 1067300539 -1648756997 -1988182799 -2007106383 - - -2.2797892987728119e-01 2.6686671376228333e-01 - <_> - - 0 -1 100 1414807752 -136118094 1570099167 1610550975 - 1428132782 -1565038658 1393646523 59441770 - - -3.6224871873855591e-01 1.7005157470703125e-01 - <_> - - 0 -1 198 -1372390622 -1105023217 43974655 -1372390929 - 1012170358 -1352684673 229665733 1794436783 - - -3.7763473391532898e-01 1.4173112809658051e-01 - <_> - - 0 -1 316 638615286 -1109868352 524464629 -1113590375 - 964831210 -1371914704 153292152 -1346434008 - - -3.1874561309814453e-01 1.9032885134220123e-01 - <_> - - 0 -1 305 -269486329 -1908425238 -1208756943 -323096206 - -1547964669 -1433756185 -1767970460 -924320141 - - -2.5788185000419617e-01 2.3276108503341675e-01 - <_> - - 0 -1 193 918434045 498645434 798903545 -1142289332 784082164 - 1851118315 682499324 -340128680 - - -2.8957661986351013e-01 2.0316053926944733e-01 - <_> - - 0 -1 55 -905778490 67121822 -1743743400 -2012053637 - -1636832684 -917214628 -17762321 2135162719 - - -3.3608233928680420e-01 1.7717513442039490e-01 - <_> - - 0 -1 29 -1758265669 915073431 -283673347 -948315937 86215958 - -1624023241 90637669 -823733761 - - -2.1280290186405182e-01 2.7446863055229187e-01 - <_> - - 0 -1 285 -8461782 -86087006 -687954246 -521941938 -614269955 - 1611715303 -151198213 1958209278 - - -2.6345619559288025e-01 2.2300323843955994e-01 - <_> - - 0 -1 212 -1832397616 -766332258 -412702245 -1292380803 - 1220365911 -822484818 -282100849 1398793395 - - -2.9608255624771118e-01 2.0772157609462738e-01 - <_> - - 0 -1 62 -872994057 1071450172 -1104786213 -317692670 - -67746216 -50513552 -88453541 -128910506 - - -2.5465941429138184e-01 2.4114270508289337e-01 - <_> - - 0 -1 10 81939939 183556950 -539144585 -353355856 165875573 - -1782603781 -338732685 -491295903 - - -3.2701194286346436e-01 1.8006059527397156e-01 - <_> - - 0 -1 134 1886692082 -1729102165 542420273 631107582 - -546201661 1476403972 -169532509 1997277933 - - -3.5394954681396484e-01 1.6798554360866547e-01 - <_> - - 0 -1 311 -1700548176 -1715829716 -1343244964 -1155942204 - -53954163 -27257407 -1547772419 -2131951339 - - -3.2425084710121155e-01 1.8224255740642548e-01 - <_> - - 0 -1 203 -490033404 -1438717153 1991554832 -1507676246 - 801593156 -1468572866 -17199788 -391776096 - - -3.5948479175567627e-01 1.6648940742015839e-01 - - <_> - 29 - -1.1730608940124512e+00 - - <_> - - 0 -1 338 -793735168 -175047596 -35594563 -1145503875 - -99305999 -8398955 -71640065 -71630853 - - -2.0565655827522278e-01 3.6647084355354309e-01 - <_> - - 0 -1 58 -1388802 -135286154 -1154293889 689875534 - -1412562742 -2424758 -81338657 -13958585 - - -2.5342568755149841e-01 2.9973617196083069e-01 - <_> - - 0 -1 273 -424689729 1793992298 -69797944 -47701166 147718827 - 217783198 1417368059 1174403067 - - -3.0622813105583191e-01 2.2849719226360321e-01 - <_> - - 0 -1 162 -421534290 -481301273 -343938830 -202899458 - -756039285 1195863875 -218106116 -169345076 - - -2.2961020469665527e-01 2.8787249326705933e-01 - <_> - - 0 -1 334 -8389857 -2043769330 -69534958 -2010610142 - -19399681 -860957441 -40118413 -59769989 - - -2.6856726408004761e-01 2.2150200605392456e-01 - <_> - - 0 -1 342 -4194317 -1097160528 1129927121 -572583600 - -1480608773 -1388663112 1299799505 -840960547 - - -1.8076962232589722e-01 3.2131236791610718e-01 - <_> - - 0 -1 127 1407140879 -538213336 -41173601 -854589681 - -689245505 -92547849 1284158459 168487359 - - -3.0466887354850769e-01 1.9067247211933136e-01 - <_> - - 0 -1 204 -337910785 -18153601 -805309444 1917893626 - -11014155 -1074659969 -67119620 -76515328 - - -1.9108071923255920e-01 2.9606026411056519e-01 - <_> - - 0 -1 4 -1374747297 -1672142509 -690225283 -61276329 - 113970219 -1175502287 1247706719 -545947789 - - -2.3365408182144165e-01 2.5229984521865845e-01 - <_> - - 0 -1 27 -587211009 616612637 -996282177 1350760431 743900160 - -183233459 -1076131105 -546181281 - - -2.4930721521377563e-01 2.2612276673316956e-01 - <_> - - 0 -1 286 -8147552 -1625113614 1286228632 -353481008 - 822466289 1966144435 -285295617 1291708404 - - -2.7701693773269653e-01 2.1534711122512817e-01 - <_> - - 0 -1 308 490673157 1427765332 -1746674373 -1860839277 - 290395277 -1685050565 -1197556801 -1465123113 - - -2.6409074664115906e-01 2.2850526869297028e-01 - <_> - - 0 -1 125 298128335 -187922961 861671868 -33787650 - -1141802097 516205188 -270663748 -255530164 - - -2.7780425548553467e-01 2.1246871352195740e-01 - <_> - - 0 -1 141 1375730695 627907893 -51644163 -268568093 - -503710475 -23415107 2095341716 -1406671321 - - -2.1832446753978729e-01 2.5456944108009338e-01 - <_> - - 0 -1 83 1479937050 1527130690 779251298 -1753555086 - 738741914 1273777055 1391749242 -269504542 - - -3.3689221739768982e-01 1.6092190146446228e-01 - <_> - - 0 -1 227 -940593661 706414255 -1899740490 -1493243222 - -129536651 1683451935 -731306 -185673886 - - -2.9129263758659363e-01 1.9923964142799377e-01 - <_> - - 0 -1 268 1214682914 -1107497954 -50963712 -36048662 - 2122380642 -1060772926 494353798 1572299255 - - -3.1202444434165955e-01 1.9046534597873688e-01 - <_> - - 0 -1 51 -526218504 -655159201 -1651243249 -1083324983 - -1061447364 -1165127435 -1313734326 587291393 - - -3.1355553865432739e-01 1.8095606565475464e-01 - <_> - - 0 -1 138 -16841511 1409112829 -1225064449 -144016265 - -285320164 -3236505 -109781282 -16712598 - - -2.2392266988754272e-01 2.6122003793716431e-01 - <_> - - 0 -1 187 1811899910 1188020131 -427336262 681310146 - 1283408900 1086641242 -201490620 -67766399 - - -3.1929084658622742e-01 1.8652729690074921e-01 - <_> - - 0 -1 92 -1566333438 -1239270996 -1135107763 -1114249923 - -536288113 -707011874 -1302858034 -1326459420 - - -2.6035124063491821e-01 2.1769930422306061e-01 - <_> - - 0 -1 346 139396887 44502064 537054341 437190617 719719428 - -793069360 -663781634 -1368724662 - - -2.9000744223594666e-01 1.9265611469745636e-01 - <_> - - 0 -1 265 -250095070 2097181951 1243884576 263172296 - 1408750261 289431972 2143664050 754312418 - - -2.8242233395576477e-01 2.0532251894474030e-01 - <_> - - 0 -1 206 620238429 1536959391 -6758403 535174905 1047149052 - 921712776 -1362093858 -5615942 - - -2.5363510847091675e-01 2.1782724559307098e-01 - <_> - - 0 -1 340 -943787582 1390929134 2007850965 1575994853 - -1768757774 -404895814 -1244790789 -949809617 - - -2.1436288952827454e-01 2.7378448843955994e-01 - <_> - - 0 -1 21 -69011461 -6135840 -472170147 1668209188 225380825 - -1694527907 15597764 -958430977 - - -1.7761918902397156e-01 2.9578888416290283e-01 - <_> - - 0 -1 63 2145317171 -1615352016 -337285123 796003570 - 525665077 -1366597353 -286321259 -903181106 - - -2.3187226057052612e-01 2.3607331514358521e-01 - <_> - - 0 -1 191 -495277538 434272486 -501947458 526441212 - -1496864652 -1100739471 -792975140 -619624103 - - -2.5271594524383545e-01 2.1627274155616760e-01 - <_> - - 0 -1 303 -805569741 680173544 -709755055 -1378886831 - -1378621171 -1963028225 -1398473520 -2003306283 - - -2.5094878673553467e-01 2.2561351954936981e-01 - - <_> - 29 - -1.3573215007781982e+00 - - <_> - - 0 -1 348 -34622032 -173542149 -656574992 -572523139 - -1051863563 -863055138 -570565121 -572522497 - - -1.2100619077682495e-01 4.5341226458549500e-01 - <_> - - 0 -1 170 -77594885 1060339475 -2139947270 807665435 - 399475712 1041203007 -251923474 1920204539 - - -2.7747187018394470e-01 2.7045109868049622e-01 - <_> - - 0 -1 316 899790847 -4383371 -1087668481 -16941 -2034717186 - -1078292832 -1346650113 -1079270742 - - -2.1022592484951019e-01 3.3468201756477356e-01 - <_> - - 0 -1 0 -279969793 -1 -292628226 -268437778 267325424 - -880878352 216613332 -268443403 - - -2.3492383956909180e-01 2.7808070182800293e-01 - <_> - - 0 -1 68 -656374532 -590854788 -1141031683 -539111939 - -286464771 -705056771 -1611816999 -14883 - - -1.9249799847602844e-01 3.0399987101554871e-01 - <_> - - 0 -1 276 258465713 462159759 15965472 2103961046 1280627108 - -268435525 2026765496 -1025 - - -2.4311806261539459e-01 2.4972844123840332e-01 - <_> - - 0 -1 144 -419434834 1657591678 -455923284 -5386498 - -1216358521 1371620740 2013263792 1442179056 - - -2.8065973520278931e-01 2.2235853970050812e-01 - <_> - - 0 -1 73 -255016286 -723652609 1892807313 -35652917 - -568542589 1275961346 -142606437 1154327186 - - -3.2926952838897705e-01 1.6259366273880005e-01 - <_> - - 0 -1 167 3384620 904725092 -504505106 -10623284 1932031989 - -2330160 -1248468832 -1126046076 - - -2.8664493560791016e-01 2.2413903474807739e-01 - <_> - - 0 -1 284 -1026571858 -1026883601 -488570970 -492639282 - 1508886477 -1060260628 -1479752754 1962733263 - - -2.9589930176734924e-01 1.9247196614742279e-01 - <_> - - 0 -1 341 -78686238 -2027290630 -378837808 -570440104 - 1632253693 101381112 1498878421 -841095201 - - -2.3898813128471375e-01 2.4848675727844238e-01 - <_> - - 0 -1 108 -1971972962 -8706569 2096520703 594690133 - -1434911233 -341858 -1163260049 -1440077729 - - -2.8525370359420776e-01 2.0041574537754059e-01 - <_> - - 0 -1 113 1339985527 -934921 -1409937733 -895471966 - 1451110391 -1073836291 -268755217 -760410 - - -2.0745021104812622e-01 2.7934357523918152e-01 - <_> - - 0 -1 87 -1360393537 1727751901 -889274753 2081439599 - 1607743092 -67350714 -1091371394 -27240650 - - -2.3077887296676636e-01 2.4403619766235352e-01 - <_> - - 0 -1 72 -17272190 -730449666 983947743 -134882993 1883483442 - -72060809 1044905951 -211072966 - - -2.6235556602478027e-01 2.0745755732059479e-01 - <_> - - 0 -1 189 -210252097 1884165717 -50659376 860389370 -33585068 - 2132105077 -553789572 -9176254 - - -1.9577032327651978e-01 2.8605857491493225e-01 - <_> - - 0 -1 244 -12107230 1405347498 9728696 -774898706 1468220672 - 1174850371 1180713096 1409800424 - - -3.3929014205932617e-01 1.6556024551391602e-01 - <_> - - 0 -1 307 -994181088 1291627471 1262103330 -354443110 - 1962482852 1291513853 1151615436 1157370878 - - -4.2177367210388184e-01 1.3324783742427826e-01 - <_> - - 0 -1 267 -307502430 988475890 1831374754 -1645284694 - 2130962323 221299939 -582233169 -875695884 - - -2.4994827806949615e-01 2.2937348484992981e-01 - <_> - - 0 -1 278 -1916848333 -1945176701 -1778585227 -2064614508 - -122685775 -1462060545 176022580 -862585616 - - -2.7523562312126160e-01 2.1038419008255005e-01 - <_> - - 0 -1 15 1794562783 -1707697032 8965707 201493599 -1078044347 - 2071358036 -228402354 -16253105 - - -2.4676196277141571e-01 2.2217004001140594e-01 - <_> - - 0 -1 329 -570688129 -559096592 461864797 -1648504323 - -1381270595 -1162301576 748698989 -1140857537 - - -1.3901424407958984e-01 3.8346973061561584e-01 - <_> - - 0 -1 336 1356057541 815348525 -54210793 825603867 -185511716 - 2030008165 -1397949527 -105647169 - - -1.8459501862525940e-01 2.9480937123298645e-01 - <_> - - 0 -1 241 -1373456459 -1213441040 -1090789891 -1087429059 - -1397245955 -1074004547 -1883766851 -1079288824 - - -2.1159930527210236e-01 2.6970177888870239e-01 - <_> - - 0 -1 168 2001407789 335849869 -147476753 -1053743 895956974 - 2104879189 76816574 -186254656 - - -2.4863779544830322e-01 2.2415082156658173e-01 - <_> - - 0 -1 161 -1071127926 -104798275 1634638992 -201508730 - 1308444431 1370014335 -43939345 735390534 - - -2.4622464179992676e-01 2.2192895412445068e-01 - <_> - - 0 -1 260 746016303 709037870 45760155 141491407 1256916534 - 185498431 812100448 -602305968 - - -3.7083637714385986e-01 1.5087808668613434e-01 - <_> - - 0 -1 118 2084023842 2097190758 -39176271 -570569955 - -688182614 -1748393229 1173046543 1430650494 - - -2.4530048668384552e-01 2.2491128742694855e-01 - <_> - - 0 -1 23 1900052178 -1459537106 -167381666 1029895584 - -675654745 -1737122 844265207 1512783454 - - -3.1983017921447754e-01 1.8673284351825714e-01 - - <_> - 30 - -1.1131941080093384e+00 - - <_> - - 0 -1 254 -26289153 -67174410 -335742017 -272455006 - 1212186622 -20513038 172322783 1162040387 - - -2.4323463439941406e-01 3.2466232776641846e-01 - <_> - - 0 -1 48 -528449376 -101669640 -553748993 -536903943 - 1018034165 -17510413 -570626819 -10529 - - -2.5142908096313477e-01 2.8689405322074890e-01 - <_> - - 0 -1 240 -1539 -1130741968 -34078723 1032337712 -1251478531 - -1665269762 -1075314726 -1145380949 - - -1.8148881196975708e-01 3.5420870780944824e-01 - <_> - - 0 -1 280 -83887105 817571843 -1039149548 1548950080 - -1465058162 -1157678437 -1463092262 -201326609 - - -1.6771338880062103e-01 3.5687464475631714e-01 - <_> - - 0 -1 57 -532737 -35715969 135855871 -1145344385 -16888678 - -83947472 -1440547846 -15532193 - - -1.8111394345760345e-01 3.3908957242965698e-01 - <_> - - 0 -1 11 720900064 2130477023 -1412285101 955268081 - -2069885116 -55066689 -1073778857 2096463733 - - -3.9165833592414856e-01 1.3025353848934174e-01 - <_> - - 0 -1 101 -1346721094 453313040 838687891 1466900303 - -1399343880 -1362120449 -1204875206 2078743195 - - -3.0911612510681152e-01 1.8588562309741974e-01 - <_> - - 0 -1 264 -202906070 1938124526 -409308124 1894181886 - 1886745604 73722021 -169346204 1624557028 - - -3.7369936704635620e-01 1.6779878735542297e-01 - <_> - - 0 -1 315 253329560 487885008 764610172 1031107061 353634728 - 340804628 54078428 1065330931 - - -4.6387240290641785e-01 9.7853913903236389e-02 - <_> - - 0 -1 221 1018691377 213157736 -1922048203 -1935119200 - 1002285621 -1923389008 220951933 -2001869391 - - -2.8209856152534485e-01 1.9869700074195862e-01 - <_> - - 0 -1 131 -145809672 -585615056 -1115156804 1607413650 - 1024261612 944513264 -1966100738 -6315329 - - -2.5250333547592163e-01 2.1315294504165649e-01 - <_> - - 0 -1 236 -273750513 1726356523 -25760220 -1359572570 - -708967119 2113503015 1155493984 -1057490414 - - -2.9303619265556335e-01 2.0555299520492554e-01 - <_> - - 0 -1 94 323820494 491589631 963097087 -1677743793 1968422864 - 122533774 -13255752 2009905796 - - -3.3369639515876770e-01 1.6422146558761597e-01 - <_> - - 0 -1 147 -227028310 322043889 -97472590 993106459 -935679349 - 1170424128 -355628373 -1186994445 - - -2.3621979355812073e-01 2.4498730897903442e-01 - <_> - - 0 -1 302 522927795 -1425531232 -1757151367 -349047764 - 505005821 -1367184427 1026187772 -2002064200 - - -2.7412149310112000e-01 1.9911617040634155e-01 - <_> - - 0 -1 339 895166720 2111801021 1608646093 1966952754 - -270845440 -14704805 797543682 146244640 - - -3.7740421295166016e-01 1.6069526970386505e-01 - <_> - - 0 -1 157 1323192543 -699121475 -560546497 4377727 -795736016 - -617006470 -94369186 -25800110 - - -2.7069774270057678e-01 1.9588492810726166e-01 - <_> - - 0 -1 327 -818173702 520657616 646455540 -2083557932 - -75238914 420007072 1594772940 231600639 - - -3.1584987044334412e-01 1.7538470029830933e-01 - <_> - - 0 -1 1 -148176937 -22288910 -828264777 -858011334 549667459 - -104350212 83820556 -521682689 - - -1.8492446839809418e-01 2.9220038652420044e-01 - <_> - - 0 -1 123 -253231012 -573137851 -1892901128 1566408309 - -1769517004 -666343243 -1438498978 -1574952149 - - -3.1360149383544922e-01 1.7211912572383881e-01 - <_> - - 0 -1 60 170284113 586555385 1058684927 947969752 -1950608368 - -385672127 -1672070998 -1168986245 - - -3.3217278122901917e-01 1.5771922469139099e-01 - <_> - - 0 -1 248 1432934647 967738510 1321343231 -1294596018 - 1010881693 478544329 145528063 1050558707 - - -2.6398298144340515e-01 2.1170960366725922e-01 - <_> - - 0 -1 209 1165995551 424529746 -728651937 -169112117 - 1305345535 2025713070 -338894882 1081454374 - - -2.2665287554264069e-01 2.3902100324630737e-01 - <_> - - 0 -1 257 -167798992 1502279678 -537643148 2040558008 - -319819863 -1915752500 1705108696 -858081046 - - -2.0653969049453735e-01 2.7062198519706726e-01 - <_> - - 0 -1 333 800009831 1001521851 -124862633 533722757 935548439 - -1187270792 2020438516 -349479616 - - -2.8587275743484497e-01 1.8258976936340332e-01 - <_> - - 0 -1 263 -1004379104 -317547503 -1375022085 -1350509633 - -1535534960 -559793401 -1261510978 -1412440193 - - -2.5795167684555054e-01 2.0566099882125854e-01 - <_> - - 0 -1 146 465286027 242062640 1583158025 -1699742834 - 824414919 851244643 -1124620860 -795411494 - - -2.4531027674674988e-01 2.1592345833778381e-01 - <_> - - 0 -1 25 -2043693556 -725407700 793901503 -36185267 5371426 - 653472838 1473727247 129745679 - - -3.0099743604660034e-01 1.7710824310779572e-01 - <_> - - 0 -1 292 -1275032352 -23523116 1030926068 -570510472 - 33719442 719784182 96905635 -1916299537 - - -2.9368206858634949e-01 1.8733473122119904e-01 - <_> - - 0 -1 9 1373348482 -2133926229 953967473 1290797039 - -354421821 777789632 1265367830 1148839750 - - -3.7210872769355774e-01 1.5113249421119690e-01 - - <_> - 32 - -1.1860446929931641e+00 - - <_> - - 0 -1 165 1356843726 1624768255 -826079028 -286274834 - 1507794655 -722342276 -3191601 -352325921 - - -1.7216572165489197e-01 3.7796711921691895e-01 - <_> - - 0 -1 313 -780169199 2100304165 -586083043 -1123467235 - -638110531 -4406601 -274183091 201852044 - - -3.2011264562606812e-01 2.1122068166732788e-01 - <_> - - 0 -1 133 -571204388 -100720840 -1619059363 -539550628 - -19218498 -193040 -88209091 -1086649846 - - -2.5261041522026062e-01 2.6258233189582825e-01 - <_> - - 0 -1 117 -1828478207 -1843284467 -485637257 -1828588787 - -988301809 -3170571 1124595215 -206576893 - - -2.2752490639686584e-01 2.6724869012832642e-01 - <_> - - 0 -1 156 -25473825 877659895 -67700993 2077895802 -18998020 - -69575009 -640262 -21489648 - - -2.6945993304252625e-01 2.0498518645763397e-01 - <_> - - 0 -1 252 1800381322 61586570 -598811408 -805833218 - 1363795719 21154001 -790399642 -19401985 - - -2.7357041835784912e-01 2.2086700797080994e-01 - <_> - - 0 -1 13 -1601560401 -1678195249 -800754625 -819308539 - 1645503999 -1361531665 -491535701 -552874238 - - -2.4950334429740906e-01 2.1326830983161926e-01 - <_> - - 0 -1 197 -1130634113 775889725 -1098908817 -1382023297 - -252264234 -1460797259 -391364236 -1203775120 - - -2.2527810931205750e-01 2.4279835820198059e-01 - <_> - - 0 -1 350 792411409 1058027552 -110125307 2134056272 - 605163321 -1347378309 1504534524 226299985 - - -4.0245848894119263e-01 1.2799273431301117e-01 - <_> - - 0 -1 347 1050083335 406261055 -1363608721 597939991 - -146861538 -1075839447 -122225990 -73208017 - - -2.2469925880432129e-01 2.3744599521160126e-01 - <_> - - 0 -1 85 1582192403 1062343974 1627149746 -704505584 - 1569152382 -607155889 -671101020 -67379489 - - -2.4716284871101379e-01 2.0234791934490204e-01 - <_> - - 0 -1 232 -911388934 285282595 -1026079813 96171241 - -1995666022 998839072 9210339 769654523 - - -2.7387142181396484e-01 1.9601228833198547e-01 - <_> - - 0 -1 345 -1232081117 -1601765464 1841782352 -1359108881 - 206394688 214450860 -570607531 -866268431 - - -3.0001869797706604e-01 1.6920509934425354e-01 - <_> - - 0 -1 295 -4458576 -1314131792 1398469949 -1792059607 - -1345405187 -1079051090 1452237728 -1919952197 - - -1.9607956707477570e-01 2.6292434334754944e-01 - <_> - - 0 -1 79 1506257807 1575786835 -1278408030 -1253124710 - -82575398 1430293160 1930209224 -796269912 - - -2.9750382900238037e-01 1.7626072466373444e-01 - <_> - - 0 -1 237 -426011871 401504059 -655056592 -96541869 - 1174138997 83593771 1356719392 -1057033481 - - -2.6239070296287537e-01 2.0239675045013428e-01 - <_> - - 0 -1 224 528217457 -1887267120 -21899275 230954172 182253557 - -1078346768 673994781 -1465425804 - - -2.4917839467525482e-01 2.0696680247783661e-01 - <_> - - 0 -1 140 1077257734 1897370406 -259859707 1059435291 - 1506651014 -1718550481 1420667359 1969609218 - - -2.4424369633197784e-01 2.1042110025882721e-01 - <_> - - 0 -1 230 -134218838 2137809570 -218175868 -139728728 - 2147479551 1513965270 -436767017 -19926812 - - -2.1578867733478546e-01 2.3687294125556946e-01 - <_> - - 0 -1 41 1061133429 -1680215183 951637661 -1082528295 - -1722602208 -281648288 -576384764 -1426137478 - - -2.3583492636680603e-01 2.2509087622165680e-01 - <_> - - 0 -1 326 -1035541888 1145865728 -431122728 1154338362 - -692060765 -187976868 -205526277 111929518 - - -3.4106892347335815e-01 1.7086119949817657e-01 - <_> - - 0 -1 158 763361143 740787839 -1648101507 -1076559121 - -256380937 758360290 -1207635964 68200468 - - -3.1536939740180969e-01 1.5365907549858093e-01 - <_> - - 0 -1 176 -1898557315 -1344526497 1827929727 1610372479 - -2220468 -110762 -560275617 -1168483765 - - -2.1805766224861145e-01 2.4546204507350922e-01 - <_> - - 0 -1 262 -167774321 -749754393 -772349322 1946088623 -529788 - -570036402 -404621404 -202506274 - - -1.4736793935298920e-01 3.7225186824798584e-01 - <_> - - 0 -1 121 337917444 140836324 -1369830227 -1342456915 - -1175112267 2101116535 -1384838109 741831797 - - -3.9851671457290649e-01 1.3316881656646729e-01 - <_> - - 0 -1 172 -10244980 1412480785 2134521425 1932578931 - 1778322640 1063337502 1048517040 -142620803 - - -2.2908750176429749e-01 2.3318812251091003e-01 - <_> - - 0 -1 220 739784564 884511140 894928089 1065491218 122138060 - 524623529 391056888 532291626 - - -3.5874554514884949e-01 1.4738923311233521e-01 - <_> - - 0 -1 182 -1557157214 -1407349557 276451840 542158770 - -767297572 1620822855 -1963265624 -1002119198 - - -3.2322171330451965e-01 1.5725640952587128e-01 - <_> - - 0 -1 98 1561639164 -577384833 -972029477 -26394741 - 1433517817 -1145825634 2090400506 1064572985 - - -3.8865497708320618e-01 1.4794999361038208e-01 - <_> - - 0 -1 17 1785851519 234900079 -867150209 -1033437237 - -338602732 -9149625 -888193454 -33498413 - - -2.5603562593460083e-01 2.1439185738563538e-01 - <_> - - 0 -1 93 1062021007 670948845 -237027440 889116157 2002805591 - 1966188591 -1350453384 1885696686 - - -3.7720784544944763e-01 1.3390180468559265e-01 - <_> - - 0 -1 129 -239339312 255035166 -873625424 958256640 -59805472 - 1222090819 -746264190 269999815 - - -3.5460588335990906e-01 1.4317318797111511e-01 - - <_> - - 0 0 2 2 - <_> - - 0 0 2 4 - <_> - - 0 0 3 4 - <_> - - 0 0 4 4 - <_> - - 0 0 5 7 - <_> - - 0 0 6 3 - <_> - - 0 0 6 4 - <_> - - 0 0 6 6 - <_> - - 0 0 8 1 - <_> - - 0 1 8 5 - <_> - - 0 3 6 2 - <_> - - 0 3 6 3 - <_> - - 0 4 6 4 - <_> - - 0 6 3 2 - <_> - - 0 8 3 1 - <_> - - 0 9 2 2 - <_> - - 0 10 2 2 - <_> - - 0 14 3 3 - <_> - - 0 15 2 2 - <_> - - 0 17 3 2 - <_> - - 1 0 4 4 - <_> - - 1 1 2 3 - <_> - - 1 6 2 2 - <_> - - 1 6 4 3 - <_> - - 1 7 2 1 - <_> - - 1 8 2 1 - <_> - - 1 8 2 3 - <_> - - 1 12 2 1 - <_> - - 1 16 2 2 - <_> - - 2 0 2 3 - <_> - - 2 0 5 3 - <_> - - 2 1 4 2 - <_> - - 2 3 5 2 - <_> - - 2 5 1 1 - <_> - - 2 6 2 1 - <_> - - 2 6 2 2 - <_> - - 2 9 1 1 - <_> - - 2 9 2 1 - <_> - - 2 10 1 1 - <_> - - 2 10 2 1 - <_> - - 2 15 1 2 - <_> - - 3 0 1 1 - <_> - - 3 0 3 3 - <_> - - 3 0 6 1 - <_> - - 3 2 4 2 - <_> - - 3 4 1 2 - <_> - - 3 5 1 1 - <_> - - 3 5 3 3 - <_> - - 3 6 1 1 - <_> - - 3 6 2 2 - <_> - - 3 6 6 1 - <_> - - 3 7 2 1 - <_> - - 3 7 2 2 - <_> - - 3 8 1 1 - <_> - - 3 8 6 1 - <_> - - 3 9 1 1 - <_> - - 3 9 3 1 - <_> - - 3 10 1 1 - <_> - - 3 10 2 1 - <_> - - 3 11 1 1 - <_> - - 3 12 1 1 - <_> - - 3 13 3 2 - <_> - - 3 18 2 2 - <_> - - 4 0 2 2 - <_> - - 4 0 4 2 - <_> - - 4 0 5 6 - <_> - - 4 2 2 2 - <_> - - 4 5 3 1 - <_> - - 4 6 1 1 - <_> - - 4 6 2 3 - <_> - - 4 7 1 1 - <_> - - 4 7 2 2 - <_> - - 4 8 1 1 - <_> - - 4 8 5 3 - <_> - - 4 8 5 4 - <_> - - 4 9 1 1 - <_> - - 4 9 1 3 - <_> - - 4 9 3 5 - <_> - - 4 9 5 1 - <_> - - 4 9 6 1 - <_> - - 4 10 1 1 - <_> - - 4 10 5 1 - <_> - - 4 12 1 2 - <_> - - 4 12 3 3 - <_> - - 4 13 3 3 - <_> - - 4 14 2 2 - <_> - - 4 17 3 1 - <_> - - 4 21 2 1 - <_> - - 5 0 5 1 - <_> - - 5 0 5 4 - <_> - - 5 1 5 5 - <_> - - 5 1 5 6 - <_> - - 5 4 1 1 - <_> - - 5 5 5 1 - <_> - - 5 5 5 2 - <_> - - 5 6 1 1 - <_> - - 5 6 5 1 - <_> - - 5 7 1 1 - <_> - - 5 7 1 2 - <_> - - 5 7 3 4 - <_> - - 5 8 1 1 - <_> - - 5 8 2 4 - <_> - - 5 8 5 4 - <_> - - 5 9 1 1 - <_> - - 5 9 5 1 - <_> - - 5 9 5 3 - <_> - - 5 10 1 1 - <_> - - 5 10 5 1 - <_> - - 5 11 1 1 - <_> - - 5 13 2 1 - <_> - - 5 17 1 1 - <_> - - 5 17 1 2 - <_> - - 5 20 1 1 - <_> - - 6 0 3 1 - <_> - - 6 0 4 1 - <_> - - 6 0 6 2 - <_> - - 6 0 6 5 - <_> - - 6 1 1 2 - <_> - - 6 3 1 2 - <_> - - 6 4 1 1 - <_> - - 6 5 1 1 - <_> - - 6 5 6 3 - <_> - - 6 6 1 1 - <_> - - 6 7 1 1 - <_> - - 6 7 1 2 - <_> - - 6 7 4 1 - <_> - - 6 7 6 1 - <_> - - 6 8 1 1 - <_> - - 6 8 2 1 - <_> - - 6 8 2 2 - <_> - - 6 8 2 3 - <_> - - 6 9 1 1 - <_> - - 6 9 2 1 - <_> - - 6 10 1 1 - <_> - - 6 10 4 3 - <_> - - 6 11 1 1 - <_> - - 6 18 1 1 - <_> - - 6 18 1 2 - <_> - - 6 19 1 1 - <_> - - 6 21 2 1 - <_> - - 7 0 1 4 - <_> - - 7 0 5 3 - <_> - - 7 4 1 1 - <_> - - 7 4 1 2 - <_> - - 7 5 1 1 - <_> - - 7 6 1 1 - <_> - - 7 6 2 1 - <_> - - 7 6 2 3 - <_> - - 7 6 2 5 - <_> - - 7 7 1 1 - <_> - - 7 7 1 2 - <_> - - 7 8 1 1 - <_> - - 7 8 1 2 - <_> - - 7 8 2 2 - <_> - - 7 9 1 1 - <_> - - 7 9 2 3 - <_> - - 7 18 1 1 - <_> - - 7 20 2 1 - <_> - - 8 0 5 1 - <_> - - 8 0 5 3 - <_> - - 8 3 1 1 - <_> - - 8 3 1 3 - <_> - - 8 4 1 1 - <_> - - 8 5 1 1 - <_> - - 8 5 5 1 - <_> - - 8 6 1 2 - <_> - - 8 8 1 1 - <_> - - 8 8 4 1 - <_> - - 8 8 4 2 - <_> - - 8 9 1 1 - <_> - - 8 9 1 2 - <_> - - 8 11 1 1 - <_> - - 8 12 1 2 - <_> - - 8 13 3 3 - <_> - - 8 14 1 1 - <_> - - 8 15 1 1 - <_> - - 8 21 1 1 - <_> - - 8 21 2 1 - <_> - - 9 0 2 2 - <_> - - 9 0 5 3 - <_> - - 9 1 2 2 - <_> - - 9 2 1 1 - <_> - - 9 3 1 1 - <_> - - 9 3 2 2 - <_> - - 9 4 2 1 - <_> - - 9 4 4 1 - <_> - - 9 5 2 3 - <_> - - 9 9 1 1 - <_> - - 9 10 1 1 - <_> - - 9 15 1 1 - <_> - - 9 15 2 2 - <_> - - 9 16 1 1 - <_> - - 9 16 2 2 - <_> - - 9 18 1 1 - <_> - - 9 18 1 2 - <_> - - 9 20 1 1 - <_> - - 9 21 1 1 - <_> - - 10 0 4 3 - <_> - - 10 4 4 2 - <_> - - 10 6 1 1 - <_> - - 10 7 1 1 - <_> - - 10 8 1 1 - <_> - - 10 11 1 1 - <_> - - 10 12 1 1 - <_> - - 10 14 1 1 - <_> - - 10 18 1 2 - <_> - - 10 19 1 1 - <_> - - 10 20 1 1 - <_> - - 10 21 1 1 - <_> - - 11 0 1 3 - <_> - - 11 0 4 4 - <_> - - 11 2 3 2 - <_> - - 11 5 4 3 - <_> - - 11 6 1 1 - <_> - - 11 7 1 1 - <_> - - 11 7 2 4 - <_> - - 11 8 2 2 - <_> - - 11 9 1 1 - <_> - - 11 9 2 4 - <_> - - 11 12 1 1 - <_> - - 11 18 1 1 - <_> - - 11 18 3 2 - <_> - - 11 20 1 1 - <_> - - 11 21 1 1 - <_> - - 11 21 2 1 - <_> - - 12 2 1 1 - <_> - - 12 3 1 1 - <_> - - 12 6 1 1 - <_> - - 12 7 2 4 - <_> - - 12 8 1 1 - <_> - - 12 8 2 1 - <_> - - 12 8 2 3 - <_> - - 12 8 2 4 - <_> - - 12 9 2 1 - <_> - - 12 9 2 5 - <_> - - 12 10 1 1 - <_> - - 12 12 1 1 - <_> - - 12 13 1 1 - <_> - - 12 14 1 1 - <_> - - 12 16 1 1 - <_> - - 12 18 1 1 - <_> - - 12 20 1 1 - <_> - - 12 21 1 1 - <_> - - 12 21 2 1 - <_> - - 13 3 1 1 - <_> - - 13 4 1 1 - <_> - - 13 5 1 1 - <_> - - 13 6 3 3 - <_> - - 13 7 1 4 - <_> - - 13 7 3 2 - <_> - - 13 8 1 1 - <_> - - 13 8 2 2 - <_> - - 13 9 1 1 - <_> - - 13 10 1 1 - <_> - - 13 10 2 1 - <_> - - 13 11 1 1 - <_> - - 13 15 1 1 - <_> - - 13 16 1 1 - <_> - - 13 20 1 1 - <_> - - 14 0 3 4 - <_> - - 14 1 2 1 - <_> - - 14 3 1 3 - <_> - - 14 4 1 1 - <_> - - 14 4 3 2 - <_> - - 14 5 1 1 - <_> - - 14 5 1 2 - <_> - - 14 6 2 1 - <_> - - 14 7 1 1 - <_> - - 14 7 1 2 - <_> - - 14 7 2 5 - <_> - - 14 8 1 1 - <_> - - 14 8 1 2 - <_> - - 14 9 1 1 - <_> - - 14 9 1 2 - <_> - - 14 9 2 1 - <_> - - 14 13 1 1 - <_> - - 14 14 2 2 - <_> - - 14 18 1 2 - <_> - - 14 21 2 1 - <_> - - 15 0 3 4 - <_> - - 15 0 3 5 - <_> - - 15 1 1 2 - <_> - - 15 2 2 2 - <_> - - 15 3 2 1 - <_> - - 15 4 1 1 - <_> - - 15 5 1 1 - <_> - - 15 6 1 1 - <_> - - 15 7 1 1 - <_> - - 15 7 1 2 - <_> - - 15 7 2 2 - <_> - - 15 7 3 2 - <_> - - 15 8 1 1 - <_> - - 15 9 1 1 - <_> - - 15 9 1 4 - <_> - - 15 9 1 5 - <_> - - 15 10 2 1 - <_> - - 15 11 1 1 - <_> - - 15 13 2 2 - <_> - - 15 15 3 2 - <_> - - 15 16 2 2 - <_> - - 15 17 1 1 - <_> - - 15 17 3 2 - <_> - - 15 18 1 1 - <_> - - 15 18 3 2 - <_> - - 15 19 1 1 - <_> - - 15 21 3 1 - <_> - - 16 4 1 1 - <_> - - 16 5 1 1 - <_> - - 16 5 2 2 - <_> - - 16 6 1 1 - <_> - - 16 6 2 2 - <_> - - 16 7 1 1 - <_> - - 16 7 1 2 - <_> - - 16 7 2 1 - <_> - - 16 8 1 1 - <_> - - 16 9 1 1 - <_> - - 16 10 1 1 - <_> - - 16 10 2 1 - <_> - - 16 17 1 1 - <_> - - 16 17 1 2 - <_> - - 16 19 1 1 - <_> - - 17 1 2 3 - <_> - - 17 6 2 1 - <_> - - 17 6 2 2 - <_> - - 17 7 1 1 - <_> - - 17 7 1 2 - <_> - - 17 8 1 1 - <_> - - 17 9 1 1 - <_> - - 17 9 2 2 - <_> - - 17 10 1 1 - <_> - - 17 10 2 2 - <_> - - 17 11 1 1 - <_> - - 17 12 1 2 - <_> - - 17 13 1 1 - <_> - - 18 0 2 1 - <_> - - 18 0 2 2 - <_> - - 18 4 2 2 - <_> - - 18 5 1 1 - <_> - - 18 6 1 1 - <_> - - 18 6 1 2 - <_> - - 18 8 1 1 - <_> - - 18 9 1 1 - <_> - - 18 10 1 1 - <_> - - 18 11 1 3 - <_> - - 18 12 1 1 - <_> - - 18 17 2 2 - <_> - - 19 4 1 1 - <_> - - 19 5 1 1 - <_> - - 19 9 1 1 - <_> - - 19 11 1 1 - <_> - - 19 12 1 2 - <_> - - 19 15 1 2 - <_> - - 20 10 1 1 - diff --git a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface.xml b/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface.xml deleted file mode 100644 index 59850cb9c0..0000000000 --- a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface.xml +++ /dev/null @@ -1,1505 +0,0 @@ - - - - - BOOST - LBP - 24 - 24 - - GAB - 0.9950000047683716 - 0.5000000000000000 - 0.9500000000000000 - 1 - 100 - - 256 - 20 - - - <_> - 3 - -0.7520892024040222 - - - <_> - - 0 -1 46 -67130709 -21569 -1426120013 -1275125205 -21585 - -16385 587145899 -24005 - - -0.6543210148811340 0.8888888955116272 - - <_> - - 0 -1 13 -163512766 -769593758 -10027009 -262145 -514457854 - -193593353 -524289 -1 - - -0.7739216089248657 0.7278633713722229 - - <_> - - 0 -1 2 -363936790 -893203669 -1337948010 -136907894 - 1088782736 -134217726 -741544961 -1590337 - - -0.7068563103675842 0.6761534214019775 - - <_> - 4 - -0.4872078299522400 - - - <_> - - 0 -1 84 2147483647 1946124287 -536870913 2147450879 - 738132490 1061101567 243204619 2147446655 - - -0.8083735704421997 0.7685696482658386 - - <_> - - 0 -1 21 2147483647 263176079 1879048191 254749487 1879048191 - -134252545 -268435457 801111999 - - -0.7698410153388977 0.6592915654182434 - - <_> - - 0 -1 106 -98110272 1610939566 -285484400 -850010381 - -189334372 -1671954433 -571026695 -262145 - - -0.7506558895111084 0.5444605946540833 - - <_> - - 0 -1 48 -798690576 -131075 1095771153 -237144073 -65569 -1 - -216727745 -69206049 - - -0.7775990366935730 0.5465461611747742 - - <_> - 4 - -1.1592328548431396 - - - <_> - - 0 -1 47 -21585 -20549 -100818262 -738254174 -20561 -36865 - -151016790 -134238549 - - -0.5601882934570313 0.7743113040924072 - - <_> - - 0 -1 12 -286003217 183435247 -268994614 -421330945 - -402686081 1090387966 -286785545 -402653185 - - -0.6124526262283325 0.6978127956390381 - - <_> - - 0 -1 26 -50347012 970882927 -50463492 -1253377 -134218251 - -50364513 -33619992 -172490753 - - -0.6114496588706970 0.6537628173828125 - - <_> - - 0 -1 8 -273 -135266321 1877977738 -2088243418 -134217987 - 2146926575 -18910642 1095231247 - - -0.6854077577590942 0.5403239130973816 - - <_> - 5 - -0.7562355995178223 - - - <_> - - 0 -1 96 -1273 1870659519 -20971602 -67633153 -134250731 - 2004875127 -250 -150995969 - - -0.4051094949245453 0.7584033608436585 - - <_> - - 0 -1 33 -868162224 -76810262 -4262145 -257 1465211989 - -268959873 -2656269 -524289 - - -0.7388162612915039 0.5340843200683594 - - <_> - - 0 -1 57 -12817 -49 -541103378 -152950 -38993 -20481 -1153876 - -72478976 - - -0.6582943797111511 0.5339496731758118 - - <_> - - 0 -1 125 -269484161 -452984961 -319816180 -1594032130 -2111 - -990117891 -488975296 -520947741 - - -0.5981323719024658 0.5323504805564880 - - <_> - - 0 -1 53 557787431 670265215 -1342193665 -1075892225 - 1998528318 1056964607 -33570977 -1 - - -0.6498787999153137 0.4913350641727448 - - <_> - 5 - -0.8085358142852783 - - - <_> - - 0 -1 60 -536873708 880195381 -16842788 -20971521 -176687276 - -168427659 -16777260 -33554626 - - -0.5278195738792419 0.6946372389793396 - - <_> - - 0 -1 7 -1 -62981529 -1090591130 805330978 -8388827 -41945787 - -39577 -531118985 - - -0.5206505060195923 0.6329920291900635 - - <_> - - 0 -1 98 -725287348 1347747543 -852489 -16809993 1489881036 - -167903241 -1 -1 - - -0.7516061067581177 0.4232024252414703 - - <_> - - 0 -1 44 -32777 1006582562 -65 935312171 -8388609 -1078198273 - -1 733886267 - - -0.7639313936233521 0.4123568832874298 - - <_> - - 0 -1 24 -85474705 2138828511 -1036436754 817625855 - 1123369029 -58796809 -1013468481 -194513409 - - -0.5123769044876099 0.5791834592819214 - - <_> - 5 - -0.5549971461296082 - - - <_> - - 0 -1 42 -17409 -20481 -268457797 -134239493 -17473 -1 -21829 - -21846 - - -0.3763174116611481 0.7298233509063721 - - <_> - - 0 -1 6 -805310737 -2098262358 -269504725 682502698 - 2147483519 1740574719 -1090519233 -268472385 - - -0.5352765917778015 0.5659480094909668 - - <_> - - 0 -1 61 -67109678 -6145 -8 -87884584 -20481 -1073762305 - -50856216 -16849696 - - -0.5678374171257019 0.4961479902267456 - - <_> - - 0 -1 123 -138428633 1002418167 -1359008245 -1908670465 - -1346685918 910098423 -1359010520 -1346371657 - - -0.5706262588500977 0.4572288393974304 - - <_> - - 0 -1 9 -89138513 -4196353 1256531674 -1330665426 1216308261 - -36190633 33498198 -151796633 - - -0.5344601869583130 0.4672054052352905 - - <_> - 5 - -0.8776460289955139 - - - <_> - - 0 -1 105 1073769576 206601725 -34013449 -33554433 -789514004 - -101384321 -690225153 -264193 - - -0.7700348496437073 0.5943940877914429 - - <_> - - 0 -1 30 -1432340997 -823623681 -49153 -34291724 -269484035 - -1342767105 -1078198273 -1277955 - - -0.5043668746948242 0.6151274442672730 - - <_> - - 0 -1 35 -1067385040 -195758209 -436748425 -134217731 - -50855988 -129 -1 -1 - - -0.6808040738105774 0.4667325913906097 - - <_> - - 0 -1 119 832534325 -34111555 -26050561 -423659521 -268468364 - 2105014143 -2114244 -17367185 - - -0.4927591383457184 0.5401885509490967 - - <_> - - 0 -1 82 -1089439888 -1080524865 2143059967 -1114121 - -1140949004 -3 -2361356 -739516 - - -0.6445107460021973 0.4227822124958038 - - <_> - 6 - -1.1139287948608398 - - - <_> - - 0 -1 52 -1074071553 -1074003969 -1 -1280135430 -5324817 -1 - -335548482 582134442 - - -0.5307556986808777 0.6258179545402527 - - <_> - - 0 -1 99 -706937396 -705364068 -540016724 -570495027 - -570630659 -587857963 -33628164 -35848193 - - -0.5227634310722351 0.5049746036529541 - - <_> - - 0 -1 18 -2035630093 42119158 -268503053 -1671444 261017599 - 1325432815 1954394111 -805306449 - - -0.4983572661876679 0.5106441378593445 - - <_> - - 0 -1 111 -282529488 -1558073088 1426018736 -170526448 - -546832487 -5113037 -34243375 -570427929 - - -0.4990860521793366 0.5060507059097290 - - <_> - - 0 -1 92 1016332500 -606301707 915094269 -1080086049 - -1837027144 -1361600280 2147318747 1067975613 - - -0.5695009231567383 0.4460467398166657 - - <_> - - 0 -1 51 -656420166 -15413034 -141599534 -603435836 - 1505950458 -787556946 -79823438 -1326199134 - - -0.6590405106544495 0.3616424500942230 - - <_> - 7 - -0.8243625760078430 - - - <_> - - 0 -1 28 -901591776 -201916417 -262 -67371009 -143312112 - -524289 -41943178 -1 - - -0.4972776770591736 0.6027074456214905 - - <_> - - 0 -1 112 -4507851 -411340929 -268437513 -67502145 -17350859 - -32901 -71344315 -29377 - - -0.4383158981800079 0.5966237187385559 - - <_> - - 0 -1 69 -75894785 -117379438 -239063587 -12538500 1485072126 - 2076233213 2123118847 801906927 - - -0.6386105418205261 0.3977999985218048 - - <_> - - 0 -1 19 -823480413 786628589 -16876049 -1364262914 242165211 - 1315930109 -696268833 -455082829 - - -0.5512794256210327 0.4282079637050629 - - <_> - - 0 -1 73 -521411968 6746762 -1396236286 -2038436114 - -185612509 57669627 -143132877 -1041235973 - - -0.6418755054473877 0.3549866080284119 - - <_> - - 0 -1 126 -478153869 1076028979 -1645895615 1365298272 - -557859073 -339771473 1442574528 -1058802061 - - -0.4841901361942291 0.4668019413948059 - - <_> - - 0 -1 45 -246350404 -1650402048 -1610612745 -788400696 - 1467604861 -2787397 1476263935 -4481349 - - -0.5855734348297119 0.3879135847091675 - - <_> - 7 - -1.2237116098403931 - - - <_> - - 0 -1 114 -24819 1572863935 -16809993 -67108865 2146778388 - 1433927541 -268608444 -34865205 - - -0.2518476545810700 0.7088654041290283 - - <_> - - 0 -1 97 -1841359 -134271049 -32769 -5767369 -1116675 -2185 - -8231 -33603327 - - -0.4303432404994965 0.5283288359642029 - - <_> - - 0 -1 25 -1359507589 -1360593090 -1073778729 -269553812 - -809512977 1744707583 -41959433 -134758978 - - -0.4259553551673889 0.5440809130668640 - - <_> - - 0 -1 34 729753407 -134270989 -1140907329 -235200777 - 658456383 2147467263 -1140900929 -16385 - - -0.5605589151382446 0.4220733344554901 - - <_> - - 0 -1 134 -310380553 -420675595 -193005472 -353568129 - 1205338070 -990380036 887604324 -420544526 - - -0.5192656517028809 0.4399855434894562 - - <_> - - 0 -1 16 -1427119361 1978920959 -287119734 -487068946 - 114759245 -540578051 -707510259 -671660453 - - -0.5013077259063721 0.4570254683494568 - - <_> - - 0 -1 74 -738463762 -889949281 -328301948 -121832450 - -1142658284 -1863576559 2146417353 -263185 - - -0.4631414115428925 0.4790246188640595 - - <_> - 7 - -0.5544230937957764 - - - <_> - - 0 -1 113 -76228780 -65538 -1 -67174401 -148007 -33 -221796 - -272842924 - - -0.3949716091156006 0.6082032322883606 - - <_> - - 0 -1 110 369147696 -1625232112 2138570036 -1189900 790708019 - -1212613127 799948719 -4456483 - - -0.4855885505676270 0.4785369932651520 - - <_> - - 0 -1 37 784215839 -290015241 536832799 -402984963 - -1342414991 -838864897 -176769 -268456129 - - -0.4620285332202911 0.4989669024944305 - - <_> - - 0 -1 41 -486418688 -171915327 -340294900 -21938 -519766032 - -772751172 -73096060 -585322623 - - -0.6420643329620361 0.3624351918697357 - - <_> - - 0 -1 117 -33554953 -475332625 -1423463824 -2077230421 - -4849669 -2080505925 -219032928 -1071915349 - - -0.4820112884044647 0.4632140696048737 - - <_> - - 0 -1 65 -834130468 -134217476 -1349314083 -1073803559 - -619913764 -1449131844 -1386890321 -1979118423 - - -0.4465552568435669 0.5061788558959961 - - <_> - - 0 -1 56 -285249779 1912569855 -16530 -1731022870 -1161904146 - -1342177297 -268439634 -1464078708 - - -0.5190586447715759 0.4441480338573456 - - <_> - 7 - -0.7161560654640198 - - - <_> - - 0 -1 20 1246232575 1078001186 -10027057 60102 -277348353 - -43646987 -1210581153 1195769615 - - -0.4323809444904327 0.5663768053054810 - - <_> - - 0 -1 15 -778583572 -612921106 -578775890 -4036478 - -1946580497 -1164766570 -1986687009 -12103599 - - -0.4588732719421387 0.4547033011913300 - - <_> - - 0 -1 129 -1073759445 2013231743 -1363169553 -1082459201 - -1414286549 868185983 -1356133589 -1077936257 - - -0.5218553543090820 0.4111092388629913 - - <_> - - 0 -1 102 -84148365 -2093417722 -1204850272 564290299 - -67121221 -1342177350 -1309195902 -776734797 - - -0.4920000731945038 0.4326725304126740 - - <_> - - 0 -1 88 -25694458 67104495 -290216278 -168563037 2083877442 - 1702788383 -144191964 -234882162 - - -0.4494568109512329 0.4448510706424713 - - <_> - - 0 -1 59 -857980836 904682741 -1612267521 232279415 - 1550862252 -574825221 -357380888 -4579409 - - -0.5180826783180237 0.3888972699642181 - - <_> - - 0 -1 27 -98549440 -137838400 494928389 -246013630 939541351 - -1196072350 -620603549 2137216273 - - -0.6081240773200989 0.3333222270011902 - - <_> - 8 - -0.6743940711021423 - - - <_> - - 0 -1 29 -150995201 2071191945 -1302151626 536934335 - -1059008937 914128709 1147328110 -268369925 - - -0.1790193915367127 0.6605972051620483 - - <_> - - 0 -1 128 -134509479 1610575703 -1342177289 1861484541 - -1107833788 1577058173 -333558568 -136319041 - - -0.3681024610996246 0.5139749646186829 - - <_> - - 0 -1 70 -1 1060154476 -1090984524 -630918524 -539492875 - 779616255 -839568424 -321 - - -0.3217232525348663 0.6171553134918213 - - <_> - - 0 -1 4 -269562385 -285029906 -791084350 -17923776 235286671 - 1275504943 1344390399 -966276889 - - -0.4373284578323364 0.4358185231685638 - - <_> - - 0 -1 76 17825984 -747628419 595427229 1474759671 575672208 - -1684005538 872217086 -1155858277 - - -0.4404836893081665 0.4601220190525055 - - <_> - - 0 -1 124 -336593039 1873735591 -822231622 -355795238 - -470820869 -1997537409 -1057132384 -1015285005 - - -0.4294152259826660 0.4452161788940430 - - <_> - - 0 -1 54 -834212130 -593694721 -322142257 -364892500 - -951029539 -302125121 -1615106053 -79249765 - - -0.3973052501678467 0.4854526817798615 - - <_> - - 0 -1 95 1342144479 2147431935 -33554561 -47873 -855685912 -1 - 1988052447 536827383 - - -0.7054683566093445 0.2697997391223908 - - <_> - 9 - -1.2042298316955566 - - - <_> - - 0 -1 39 1431368960 -183437936 -537002499 -137497097 - 1560590321 -84611081 -2097193 -513 - - -0.5905947685241699 0.5101932883262634 - - <_> - - 0 -1 120 -1645259691 2105491231 2130706431 1458995007 - -8567536 -42483883 -33780003 -21004417 - - -0.4449204802513123 0.4490709304809570 - - <_> - - 0 -1 89 -612381022 -505806938 -362027516 -452985106 - 275854917 1920431639 -12600561 -134221825 - - -0.4693818688392639 0.4061094820499420 - - <_> - - 0 -1 14 -805573153 -161 -554172679 -530519488 -16779441 - 2000682871 -33604275 -150997129 - - -0.3600351214408875 0.5056326985359192 - - <_> - - 0 -1 67 6192 435166195 1467449341 2046691505 -1608493775 - -4755729 -1083162625 -71365637 - - -0.4459891915321350 0.4132415652275085 - - <_> - - 0 -1 86 -41689215 -3281034 1853357967 -420712635 -415924289 - -270209208 -1088293113 -825311232 - - -0.4466069042682648 0.4135067760944367 - - <_> - - 0 -1 80 -117391116 -42203396 2080374461 -188709 -542008165 - -356831940 -1091125345 -1073796897 - - -0.3394956290721893 0.5658645033836365 - - <_> - - 0 -1 75 -276830049 1378714472 -1342181951 757272098 - 1073740607 -282199241 -415761549 170896931 - - -0.5346512198448181 0.3584479391574860 - - <_> - - 0 -1 55 -796075825 -123166849 2113667055 -217530421 - -1107432194 -16385 -806359809 -391188771 - - -0.4379335641860962 0.4123645126819611 - - <_> - 10 - -0.8402050137519836 - - - <_> - - 0 -1 71 -890246622 15525883 -487690486 47116238 -1212319899 - -1291847681 -68159890 -469829921 - - -0.2670986354351044 0.6014143228530884 - - <_> - - 0 -1 31 -1361180685 -1898008841 -1090588811 -285410071 - -1074016265 -840443905 2147221487 -262145 - - -0.4149844348430634 0.4670888185501099 - - <_> - - 0 -1 40 1426190596 1899364271 2142731795 -142607505 - -508232452 -21563393 -41960001 -65 - - -0.4985891580581665 0.3719584941864014 - - <_> - - 0 -1 109 -201337965 10543906 -236498096 -746195597 - 1974565825 -15204415 921907633 -190058309 - - -0.4568729996681213 0.3965812027454376 - - <_> - - 0 -1 130 -595026732 -656401928 -268649235 -571490699 - -440600392 -133131 -358810952 -2004088646 - - -0.4770836830139160 0.3862601518630981 - - <_> - - 0 -1 66 941674740 -1107882114 1332789109 -67691015 - -1360463693 -1556612430 -609108546 733546933 - - -0.4877715110778809 0.3778986334800720 - - <_> - - 0 -1 49 -17114945 -240061474 1552871558 -82775604 -932393844 - -1308544889 -532635478 -99042357 - - -0.3721654713153839 0.4994400143623352 - - <_> - - 0 -1 133 -655906006 1405502603 -939205164 1884929228 - -498859222 559417357 -1928559445 -286264385 - - -0.3934195041656494 0.4769641458988190 - - <_> - - 0 -1 0 -335837777 1860677295 -90 -1946186226 931096183 - 251612987 2013265917 -671232197 - - -0.4323300719261169 0.4342164099216461 - - <_> - - 0 -1 103 37769424 -137772680 374692301 2002666345 -536176194 - -1644484728 807009019 1069089930 - - -0.4993278682231903 0.3665378093719482 - - <_> - 9 - -1.1974394321441650 - - - <_> - - 0 -1 43 -5505 2147462911 2143265466 -4511070 -16450 -257 - -201348440 -71333206 - - -0.3310225307941437 0.5624626278877258 - - <_> - - 0 -1 90 -136842268 -499330741 2015250980 -87107126 - -641665744 -788524639 -1147864792 -134892563 - - -0.5266560912132263 0.3704403042793274 - - <_> - - 0 -1 104 -146800880 -1780368555 2111170033 -140904684 - -16777551 -1946681885 -1646463595 -839131947 - - -0.4171888828277588 0.4540435671806335 - - <_> - - 0 -1 85 -832054034 -981663763 -301990281 -578814081 - -932319000 -1997406723 -33555201 -69206017 - - -0.4556705355644226 0.3704262077808380 - - <_> - - 0 -1 24 -118492417 -1209026825 1119023838 -1334313353 - 1112948738 -297319313 1378887291 -139469193 - - -0.4182529747486115 0.4267231225967407 - - <_> - - 0 -1 78 -1714382628 -2353704 -112094959 -549613092 - -1567058760 -1718550464 -342315012 -1074972227 - - -0.3625369668006897 0.4684656262397766 - - <_> - - 0 -1 5 -85219702 316836394 -33279 1904970288 2117267315 - -260901769 -621461759 -88607770 - - -0.4742925167083740 0.3689507246017456 - - <_> - - 0 -1 11 -294654041 -353603585 -1641159686 -50331921 - -2080899877 1145569279 -143132713 -152044037 - - -0.3666271567344666 0.4580127298831940 - - <_> - - 0 -1 32 1887453658 -638545712 -1877976819 -34320972 - -1071067983 -661345416 -583338277 1060190561 - - -0.4567637443542481 0.3894708156585693 - - <_> - 9 - -0.5733128190040588 - - - <_> - - 0 -1 122 -994063296 1088745462 -318837116 -319881377 - 1102566613 1165490103 -121679694 -134744129 - - -0.4055117964744568 0.5487945079803467 - - <_> - - 0 -1 68 -285233233 -538992907 1811935199 -369234005 -529 - -20593 -20505 -1561401854 - - -0.3787897229194641 0.4532003402709961 - - <_> - - 0 -1 58 -1335245632 1968917183 1940861695 536816369 - -1226071367 -570908176 457026619 1000020667 - - -0.4258328974246979 0.4202791750431061 - - <_> - - 0 -1 94 -1360318719 -1979797897 -50435249 -18646473 - -608879292 -805306691 -269304244 -17840167 - - -0.4561023116111755 0.4002747833728790 - - <_> - - 0 -1 87 2062765935 -16449 -1275080721 -16406 45764335 - -1090552065 -772846337 -570464322 - - -0.4314672648906708 0.4086346626281738 - - <_> - - 0 -1 127 -536896021 1080817663 -738234288 -965478709 - -2082767969 1290855887 1993822934 -990381609 - - -0.4174543321132660 0.4249868988990784 - - <_> - - 0 -1 3 -818943025 168730891 -293610428 -79249354 669224671 - 621166734 1086506807 1473768907 - - -0.4321364760398865 0.4090838730335236 - - <_> - - 0 -1 79 -68895696 -67107736 -1414315879 -841676168 - -619843344 -1180610531 -1081990469 1043203389 - - -0.5018386244773865 0.3702533841133118 - - <_> - - 0 -1 116 -54002134 -543485719 -2124882422 -1437445858 - -115617074 -1195787391 -1096024366 -2140472445 - - -0.5037505626678467 0.3564981222152710 - - <_> - 9 - -0.4892596900463104 - - - <_> - - 0 -1 132 -67113211 2003808111 1862135111 846461923 -2752 - 2002237273 -273154752 1937223539 - - -0.2448196411132813 0.5689709186553955 - - <_> - - 0 -1 62 1179423888 -78064940 -611839555 -539167899 - -1289358360 -1650810108 -892540499 -1432827684 - - -0.4633283913135529 0.3587929606437683 - - <_> - - 0 -1 23 -285212705 -78450761 -656212031 -264050110 -27787425 - -1334349961 -547662981 -135796924 - - -0.3731099069118500 0.4290455579757690 - - <_> - - 0 -1 77 341863476 403702016 -550588417 1600194541 - -1080690735 951127993 -1388580949 -1153717473 - - -0.3658909499645233 0.4556473195552826 - - <_> - - 0 -1 22 -586880702 -204831512 -100644596 -39319550 - -1191150794 705692513 457203315 -75806957 - - -0.5214384198188782 0.3221037387847900 - - <_> - - 0 -1 72 -416546870 545911370 -673716192 -775559454 - -264113598 139424 -183369982 -204474641 - - -0.4289036989212036 0.4004956185817719 - - <_> - - 0 -1 50 -1026505020 -589692154 -1740499937 -1563770497 - 1348491006 -60710713 -1109853489 -633909413 - - -0.4621542394161224 0.3832748532295227 - - <_> - - 0 -1 108 -1448872304 -477895040 -1778390608 -772418127 - -1789923416 -1612057181 -805306693 -1415842113 - - -0.3711548447608948 0.4612701535224915 - - <_> - - 0 -1 92 407905424 -582449988 52654751 -1294472 -285103725 - -74633006 1871559083 1057955850 - - -0.5180652141571045 0.3205870389938355 - - <_> - 10 - -0.5911940932273865 - - - <_> - - 0 -1 81 4112 -1259563825 -846671428 -100902460 1838164148 - -74153752 -90653988 -1074263896 - - -0.2592592537403107 0.5873016119003296 - - <_> - - 0 -1 1 -285216785 -823206977 -1085589 -1081346 1207959293 - 1157103471 2097133565 -2097169 - - -0.3801195919513702 0.4718827307224274 - - <_> - - 0 -1 121 -12465 -536875169 2147478367 2130706303 -37765492 - -866124467 -318782328 -1392509185 - - -0.3509117066860199 0.5094807147979736 - - <_> - - 0 -1 38 2147449663 -20741 -16794757 1945873146 -16710 -1 - -8406341 -67663041 - - -0.4068757295608521 0.4130136370658875 - - <_> - - 0 -1 17 -155191713 866117231 1651407483 548272812 -479201468 - -447742449 1354229504 -261884429 - - -0.4557141065597534 0.3539792001247406 - - <_> - - 0 -1 100 -225319378 -251682065 -492783986 -792341777 - -1287261695 1393643841 -11274182 -213909521 - - -0.4117803275585175 0.4118592441082001 - - <_> - - 0 -1 63 -382220122 -2002072729 -51404800 -371201558 - -923011069 -2135301457 -2066104743 -1042557441 - - -0.4008397758007050 0.4034757018089294 - - <_> - - 0 -1 101 -627353764 -48295149 1581203952 -436258614 - -105268268 -1435893445 -638126888 -1061107126 - - -0.5694189667701721 0.2964762747287750 - - <_> - - 0 -1 118 -8399181 1058107691 -621022752 -251003468 -12582915 - -574619739 -994397789 -1648362021 - - -0.3195341229438782 0.5294018983840942 - - <_> - - 0 -1 92 -348343812 -1078389516 1717960437 364735981 - -1783841602 -4883137 -457572354 -1076950384 - - -0.3365339040756226 0.5067458748817444 - - <_> - 10 - -0.7612916231155396 - - - <_> - - 0 -1 10 -1976661318 -287957604 -1659497122 -782068 43591089 - -453637880 1435470000 -1077438561 - - -0.4204545319080353 0.5165745615959168 - - <_> - - 0 -1 131 -67110925 14874979 -142633168 -1338923040 - 2046713291 -2067933195 1473503712 -789579837 - - -0.3762553930282593 0.4075302779674530 - - <_> - - 0 -1 83 -272814301 -1577073 -1118685 -305156120 -1052289 - -1073813756 -538971154 -355523038 - - -0.4253497421741486 0.3728055357933044 - - <_> - - 0 -1 135 -2233 -214486242 -538514758 573747007 -159390971 - 1994225489 -973738098 -203424005 - - -0.3601998090744019 0.4563256204128265 - - <_> - - 0 -1 115 -261031688 -1330369299 -641860609 1029570301 - -1306461192 -1196149518 -1529767778 683139823 - - -0.4034293889999390 0.4160816967487335 - - <_> - - 0 -1 64 -572993608 -34042628 -417865 -111109 -1433365268 - -19869715 -1920939864 -1279457063 - - -0.3620899617671967 0.4594142735004425 - - <_> - - 0 -1 36 -626275097 -615256993 1651946018 805366393 - 2016559730 -430780849 -799868165 -16580645 - - -0.3903816640377045 0.4381459355354309 - - <_> - - 0 -1 93 1354797300 -1090957603 1976418270 -1342502178 - -1851873892 -1194637077 -1153521668 -1108399474 - - -0.3591445386409760 0.4624078869819641 - - <_> - - 0 -1 91 68157712 1211368313 -304759523 1063017136 798797750 - -275513546 648167355 -1145357350 - - -0.4297670423984528 0.4023293554782867 - - <_> - - 0 -1 107 -546318240 -1628569602 -163577944 -537002306 - -545456389 -1325465645 -380446736 -1058473386 - - -0.5727006793022156 0.2995934784412384 - - <_> - - 0 0 3 5 - <_> - - 0 0 4 2 - <_> - - 0 0 6 3 - <_> - - 0 1 2 3 - <_> - - 0 1 3 3 - <_> - - 0 1 3 7 - <_> - - 0 4 3 3 - <_> - - 0 11 3 4 - <_> - - 0 12 8 4 - <_> - - 0 14 4 3 - <_> - - 1 0 5 3 - <_> - - 1 1 2 2 - <_> - - 1 3 3 1 - <_> - - 1 7 4 4 - <_> - - 1 12 2 2 - <_> - - 1 13 4 1 - <_> - - 1 14 4 3 - <_> - - 1 17 3 2 - <_> - - 2 0 2 3 - <_> - - 2 1 2 2 - <_> - - 2 2 4 6 - <_> - - 2 3 4 4 - <_> - - 2 7 2 1 - <_> - - 2 11 2 3 - <_> - - 2 17 3 2 - <_> - - 3 0 2 2 - <_> - - 3 1 7 3 - <_> - - 3 7 2 1 - <_> - - 3 7 2 4 - <_> - - 3 18 2 2 - <_> - - 4 0 2 3 - <_> - - 4 3 2 1 - <_> - - 4 6 2 1 - <_> - - 4 6 2 5 - <_> - - 4 7 5 2 - <_> - - 4 8 4 3 - <_> - - 4 18 2 2 - <_> - - 5 0 2 2 - <_> - - 5 3 4 4 - <_> - - 5 6 2 5 - <_> - - 5 9 2 2 - <_> - - 5 10 2 2 - <_> - - 6 3 4 4 - <_> - - 6 4 4 3 - <_> - - 6 5 2 3 - <_> - - 6 5 2 5 - <_> - - 6 5 4 3 - <_> - - 6 6 4 2 - <_> - - 6 6 4 4 - <_> - - 6 18 1 2 - <_> - - 6 21 2 1 - <_> - - 7 0 3 7 - <_> - - 7 4 2 3 - <_> - - 7 9 5 1 - <_> - - 7 21 2 1 - <_> - - 8 0 1 4 - <_> - - 8 5 2 2 - <_> - - 8 5 3 2 - <_> - - 8 17 3 1 - <_> - - 8 18 1 2 - <_> - - 9 0 5 3 - <_> - - 9 2 2 6 - <_> - - 9 5 1 1 - <_> - - 9 11 1 1 - <_> - - 9 16 1 1 - <_> - - 9 16 2 1 - <_> - - 9 17 1 1 - <_> - - 9 18 1 1 - <_> - - 10 5 1 2 - <_> - - 10 5 3 3 - <_> - - 10 7 1 5 - <_> - - 10 8 1 1 - <_> - - 10 9 1 1 - <_> - - 10 10 1 1 - <_> - - 10 10 1 2 - <_> - - 10 14 3 3 - <_> - - 10 15 1 1 - <_> - - 10 15 2 1 - <_> - - 10 16 1 1 - <_> - - 10 16 2 1 - <_> - - 10 17 1 1 - <_> - - 10 21 1 1 - <_> - - 11 3 2 2 - <_> - - 11 5 1 2 - <_> - - 11 5 3 3 - <_> - - 11 5 4 6 - <_> - - 11 6 1 1 - <_> - - 11 7 2 2 - <_> - - 11 8 1 2 - <_> - - 11 10 1 1 - <_> - - 11 10 1 2 - <_> - - 11 15 1 1 - <_> - - 11 17 1 1 - <_> - - 11 18 1 1 - <_> - - 12 0 2 2 - <_> - - 12 1 2 5 - <_> - - 12 2 4 1 - <_> - - 12 3 1 3 - <_> - - 12 7 3 4 - <_> - - 12 10 3 2 - <_> - - 12 11 1 1 - <_> - - 12 12 3 2 - <_> - - 12 14 4 3 - <_> - - 12 17 1 1 - <_> - - 12 21 2 1 - <_> - - 13 6 2 5 - <_> - - 13 7 3 5 - <_> - - 13 11 3 2 - <_> - - 13 17 2 2 - <_> - - 13 17 3 2 - <_> - - 13 18 1 2 - <_> - - 13 18 2 2 - <_> - - 14 0 2 2 - <_> - - 14 1 1 3 - <_> - - 14 2 3 2 - <_> - - 14 7 2 1 - <_> - - 14 13 2 1 - <_> - - 14 13 3 3 - <_> - - 14 17 2 2 - <_> - - 15 0 2 2 - <_> - - 15 0 2 3 - <_> - - 15 4 3 2 - <_> - - 15 4 3 6 - <_> - - 15 6 3 2 - <_> - - 15 11 3 4 - <_> - - 15 13 3 2 - <_> - - 15 17 2 2 - <_> - - 15 17 3 2 - <_> - - 16 1 2 3 - <_> - - 16 3 2 4 - <_> - - 16 6 1 1 - <_> - - 16 16 2 2 - <_> - - 17 1 2 2 - <_> - - 17 1 2 5 - <_> - - 17 12 2 2 - <_> - - 18 0 2 2 - diff --git a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface_improved.xml b/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface_improved.xml deleted file mode 100644 index 77eb0f64de..0000000000 --- a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_frontalface_improved.xml +++ /dev/null @@ -1,1469 +0,0 @@ - - - - - - BOOST - LBP - 45 - 45 - - GAB - 9.9500000476837158e-001 - 5.0000000000000000e-001 - 9.4999999999999996e-001 - 1 - 100 - - 256 - 1 - 19 - - - <_> - 6 - -4.1617846488952637e+000 - - <_> - - 0 -1 26 -1 -1 -17409 -1 -1 -1 -1 -1 - - -9.9726462364196777e-001 -3.8938775658607483e-001 - <_> - - 0 -1 18 -1 -1 -21569 -20545 -1 -1 -20545 -1 - - -9.8648911714553833e-001 -2.5386649370193481e-001 - <_> - - 0 -1 30 -21569 -16449 1006578219 -20801 -16449 -1 -21585 -1 - - -9.6436238288879395e-001 -1.4039695262908936e-001 - <_> - - 0 -1 54 -1 -1 -16402 -4370 -1 -1 -1053010 -4456466 - - -8.4081345796585083e-001 3.8321062922477722e-001 - <_> - - 0 -1 29 -184747280 -705314819 1326353 1364574079 -131073 -5 - 2147481147 -1 - - -8.1084597110748291e-001 4.3495711684226990e-001 - <_> - - 0 -1 89 -142618625 -4097 -37269 -20933 872350430 -268476417 - 1207894255 2139032115 - - -7.3140043020248413e-001 4.3799084424972534e-001 - - <_> - 6 - -4.0652265548706055e+000 - - <_> - - 0 -1 19 -1 -1 -17409 -1 -1 -1 -1 -1 - - -9.9727255105972290e-001 -7.2050148248672485e-001 - <_> - - 0 -1 38 -1 1073741823 -1 -1 -1 -1 -1 -1 - - -9.8717331886291504e-001 -5.3031939268112183e-001 - <_> - - 0 -1 28 -16385 -1 -21569 -20545 -1 -1 -21569 -1 - - -9.3442338705062866e-001 6.5213099122047424e-002 - <_> - - 0 -1 112 -2097153 -1 -1 -1 -1 -8193 -1 -35467 - - -7.9567342996597290e-001 4.2883640527725220e-001 - <_> - - 0 -1 48 -134239573 -16465 58663467 -1079022929 -1073758273 - -81937 -8412501 -404766817 - - -7.1264797449111938e-001 4.1050794720649719e-001 - <_> - - 0 -1 66 -17047555 -1099008003 2147479551 -1090584581 -69633 - -1342177281 -1090650121 -1472692240 - - -7.6119172573089600e-001 4.2042696475982666e-001 - - <_> - 7 - -4.6904473304748535e+000 - - <_> - - 0 -1 12 -1 -1 -17409 -1 -1 -1 -1 -1 - - -9.9725550413131714e-001 -8.3142280578613281e-001 - <_> - - 0 -1 31 -1 -168429569 -1 -1 -1 -1 -1 -1 - - -9.8183268308639526e-001 -3.6373397707939148e-001 - <_> - - 0 -1 38 -1 1073741759 -1 -1 -1 -1 -1 -1 - - -9.1890293359756470e-001 7.8322596848011017e-002 - <_> - - 0 -1 27 -17409 -2097153 -134372726 -21873 -65 -536870913 - -161109 -4215889 - - -8.0752444267272949e-001 1.9565649330615997e-001 - <_> - - 0 -1 46 -469779457 -286371842 -33619971 -212993 -1 -41943049 - -134217731 -1346863620 - - -6.9232726097106934e-001 3.8141927123069763e-001 - <_> - - 0 -1 125 -1896950780 -1964839052 -9 707723004 -34078727 - -1074266122 -536872969 -262145 - - -8.1760478019714355e-001 3.4172961115837097e-001 - <_> - - 0 -1 80 -402657501 654311423 -419533278 -452984853 - 1979676215 -1208090625 -167772569 -524289 - - -6.3433408737182617e-001 4.3154156208038330e-001 - - <_> - 8 - -4.2590322494506836e+000 - - <_> - - 0 -1 42 -1 -655361 -1 -1 -1 -1 -1 -1 - - -9.9715477228164673e-001 -8.6178696155548096e-001 - <_> - - 0 -1 40 -1 -705300491 -1 -1 -1 -1 -1 -1 - - -9.8356908559799194e-001 -5.7423096895217896e-001 - <_> - - 0 -1 43 -65 872413111 -2049 -1 -1 -1 -1 -1 - - -9.2525935173034668e-001 -1.3835857808589935e-001 - <_> - - 0 -1 111 -1 -5242881 -1 -524289 -4194305 -1 -1 -43148 - - -7.8076487779617310e-001 1.8362471461296082e-001 - <_> - - 0 -1 25 -145227841 868203194 -1627394049 935050171 - 2147483647 1006600191 -268439637 1002437615 - - -7.2554033994674683e-001 3.3393219113349915e-001 - <_> - - 0 -1 116 -214961408 50592514 -2128 1072162674 -1077940293 - -1084489966 -134219854 -1074790401 - - -6.1547595262527466e-001 3.9214438199996948e-001 - <_> - - 0 -1 3 -294987948 -1124421633 -73729 -268435841 -33654928 - 2122317823 -268599297 -33554945 - - -6.4863425493240356e-001 3.8784855604171753e-001 - <_> - - 0 -1 22 -525585 -26738821 -17895690 1123482236 1996455758 - -8519849 -252182980 -461898753 - - -5.5464369058609009e-001 4.4275921583175659e-001 - - <_> - 8 - -4.0009465217590332e+000 - - <_> - - 0 -1 82 -1 -1 -1 -1 -33685505 -1 -1 -1 - - -9.9707120656967163e-001 -8.9196771383285522e-001 - <_> - - 0 -1 84 -1 -1 -1 -1 2147446783 -1 -1 -1 - - -9.8670446872711182e-001 -7.5064390897750854e-001 - <_> - - 0 -1 79 -1 -1 -262145 -1 -252379137 -1 -1 -1 - - -8.9446705579757690e-001 7.0268943905830383e-002 - <_> - - 0 -1 61 -1 -8201 -1 -2097153 -16777217 -513 -16777217 - -1162149889 - - -7.2166109085083008e-001 2.9786801338195801e-001 - <_> - - 0 -1 30 -21569 -1069121 1006578211 -134238545 -16450 - -268599297 -21617 -14680097 - - -6.2449234724044800e-001 3.8551881909370422e-001 - <_> - - 0 -1 75 -268701913 -1999962377 1995165474 -453316822 - 1744684853 -2063597697 -134226057 -50336769 - - -5.5207914113998413e-001 4.2211884260177612e-001 - <_> - - 0 -1 21 -352321825 -526489 -420020626 -486605074 1155483470 - -110104705 -587840772 -25428801 - - -5.3324747085571289e-001 4.4535955786705017e-001 - <_> - - 0 -1 103 70270772 2012790229 -16810020 -245764 -1208090635 - -753667 -1073741828 -1363662420 - - -6.4402890205383301e-001 3.8995954394340515e-001 - - <_> - 8 - -4.6897511482238770e+000 - - <_> - - 0 -1 97 -1 -1 -1 -1 -524289 -524289 -1 -1 - - -9.9684870243072510e-001 -8.8232177495956421e-001 - <_> - - 0 -1 84 -1 -1 -1 -1 2147438591 -1 -1 -1 - - -9.8677414655685425e-001 -7.8965580463409424e-001 - <_> - - 0 -1 113 -1 -1 -1 -1 -1048577 -262149 -1048577 -35339 - - -9.2621946334838867e-001 -2.9984828829765320e-001 - <_> - - 0 -1 33 -2249 867434291 -32769 -33562753 -1 -1073758209 - -4165 -1 - - -7.2429555654525757e-001 2.2348840534687042e-001 - <_> - - 0 -1 98 1659068671 -142606337 587132538 -67108993 577718271 - -294921 -134479873 -129 - - -5.5495566129684448e-001 3.5419258475303650e-001 - <_> - - 0 -1 100 -268441813 788267007 -286265494 -486576145 -8920251 - 2138505075 -151652570 -2050 - - -5.3362584114074707e-001 3.9479774236679077e-001 - <_> - - 0 -1 51 -1368387212 -537102978 -98305 -163843 1065109500 - -16777217 -67321939 -1141359619 - - -5.6162708997726440e-001 3.8008108735084534e-001 - <_> - - 0 -1 127 -268435550 1781120906 -251658720 -143130698 - -1048605 -1887436825 1979700688 -1008730125 - - -5.1167154312133789e-001 4.0678605437278748e-001 - - <_> - 10 - -4.2179841995239258e+000 - - <_> - - 0 -1 97 -1 -1 -1 -1 -524289 -524289 -1 -1 - - -9.9685418605804443e-001 -8.8037383556365967e-001 - <_> - - 0 -1 90 -1 -1 -1 -1 -8912897 -524297 -8912897 -1 - - -9.7972750663757324e-001 -5.7626229524612427e-001 - <_> - - 0 -1 96 -1 -1 -1 -1 -1 -65 -1 -2249 - - -9.0239793062210083e-001 -1.7454113066196442e-001 - <_> - - 0 -1 71 -1 -4097 -1 -513 -16777217 -268468483 -16797697 - -1430589697 - - -7.4346423149108887e-001 9.4165161252021790e-002 - <_> - - 0 -1 37 1364588304 -581845274 -536936460 -3 -308936705 - -1074331649 -4196865 -134225953 - - -6.8877440690994263e-001 2.7647304534912109e-001 - <_> - - 0 -1 117 -37765187 -540675 -3 -327753 -1082458115 -65537 - 1071611901 536827253 - - -5.7555085420608521e-001 3.4339720010757446e-001 - <_> - - 0 -1 85 -269490650 -1561395522 -1343312090 -857083986 - -1073750223 -369098755 -50856110 -2065 - - -5.4036927223205566e-001 4.0065473318099976e-001 - <_> - - 0 -1 4 -425668880 -34427164 1879048177 -269570140 790740912 - -196740 2138535839 -536918145 - - -4.8439365625381470e-001 4.4630467891693115e-001 - <_> - - 0 -1 92 74726960 -1246482434 -1 -246017 -1078607916 - -1073947163 -1644231687 -1359211496 - - -5.6686979532241821e-001 3.6671569943428040e-001 - <_> - - 0 -1 11 -135274809 -1158173459 -353176850 540195262 - 2139086600 2071977814 -546898600 -96272673 - - -5.1499199867248535e-001 4.0788397192955017e-001 - - <_> - 9 - -4.0345416069030762e+000 - - <_> - - 0 -1 78 -1 -1 -1 -1 -8912897 -1 -8912897 -1 - - -9.9573624134063721e-001 -8.5452395677566528e-001 - <_> - - 0 -1 93 -1 -1 -1 -1 -148635649 -524297 -8912897 -1 - - -9.7307401895523071e-001 -5.2884924411773682e-001 - <_> - - 0 -1 77 -1 -8209 -1 -257 -772734977 -1 -201850881 -1 - - -8.6225658655166626e-001 4.3712578713893890e-002 - <_> - - 0 -1 68 -570427393 -16649 -69633 -131073 -536944677 -1 -8737 - -1435828225 - - -6.8078064918518066e-001 2.5120577216148376e-001 - <_> - - 0 -1 50 -1179697 -34082849 -3278356 -37429266 -1048578 - -555753474 -1015551096 -37489685 - - -6.1699724197387695e-001 3.0963841080665588e-001 - <_> - - 0 -1 129 -1931606992 -17548804 -16842753 -1075021827 - 1073667572 -81921 -1611073620 -1415047752 - - -6.0499197244644165e-001 3.0735063552856445e-001 - <_> - - 0 -1 136 -269754813 1761591286 -1073811523 2130378623 -17580 - -1082294665 -159514800 -1026883840 - - -5.6772041320800781e-001 3.5023149847984314e-001 - <_> - - 0 -1 65 2016561683 1528827871 -10258447 960184191 125476830 - -8511618 -1078239365 187648611 - - -5.5894804000854492e-001 3.4856522083282471e-001 - <_> - - 0 -1 13 -207423502 -333902 2013200231 -202348848 1042454451 - -16393 1073117139 2004162321 - - -5.7197356224060059e-001 3.2818377017974854e-001 - - <_> - 9 - -3.4892759323120117e+000 - - <_> - - 0 -1 78 -1 -1 -1 -1 -8912897 -1 -8912897 -1 - - -9.8917990922927856e-001 -7.3812037706375122e-001 - <_> - - 0 -1 93 -1 -1 -1 -1 -148635649 -524297 -8912897 -1 - - -9.3414896726608276e-001 -2.6945295929908752e-001 - <_> - - 0 -1 83 -1 -524289 -1 -1048577 1879011071 -32769 -524289 - -3178753 - - -7.6891708374023438e-001 5.2568886429071426e-002 - <_> - - 0 -1 9 -352329729 -17891329 -16810117 -486871042 -688128841 - -1358954675 -16777218 -219217968 - - -6.2337344884872437e-001 2.5143685936927795e-001 - <_> - - 0 -1 130 -2157 -1548812374 -1343233440 -418381854 -953155613 - -836960513 -713571200 -709888014 - - -4.7277018427848816e-001 3.9616456627845764e-001 - <_> - - 0 -1 121 -1094717701 -67240065 -65857 -32899 -5783756 - -136446081 -134285352 -2003298884 - - -5.1766264438629150e-001 3.5814732313156128e-001 - <_> - - 0 -1 23 -218830160 -119671186 5505075 1241491391 -1594469 - -2097185 2004828075 -67649541 - - -6.5394639968872070e-001 3.0377501249313354e-001 - <_> - - 0 -1 115 -551814749 2099511088 -1090732551 -2045546512 - -1086341441 1059848178 800042912 252705994 - - -5.2584588527679443e-001 3.3847147226333618e-001 - <_> - - 0 -1 99 -272651477 578776766 -285233490 -889225217 - 2147448656 377454463 2012701952 -68157761 - - -6.1836904287338257e-001 2.8922611474990845e-001 - - <_> - 9 - -3.0220029354095459e+000 - - <_> - - 0 -1 36 -1 -570425345 -1 -570425345 -1 -50331649 -6291457 -1 - - -9.7703826427459717e-001 -6.2527233362197876e-001 - <_> - - 0 -1 124 -1430602241 -33619969 -1 -3 -1074003969 -1073758209 - -1073741825 -1073768705 - - -8.9538317918777466e-001 -3.1887885928153992e-001 - <_> - - 0 -1 88 -1 -268439625 -65601 -268439569 -393809 -270532609 - -42076889 -288361721 - - -6.8733429908752441e-001 1.2978810071945190e-001 - <_> - - 0 -1 132 -755049252 2042563807 1795096575 465121071 - -1090585188 -20609 -1459691784 539672495 - - -5.7038843631744385e-001 3.0220884084701538e-001 - <_> - - 0 -1 20 -94377762 -25702678 1694167798 -231224662 1079955016 - -346144140 2029995743 -536918961 - - -5.3204691410064697e-001 3.4054222702980042e-001 - <_> - - 0 -1 47 2143026943 -285278225 -3 -612438281 -16403 -131074 - -1 -1430749256 - - -4.6176829934120178e-001 4.1114711761474609e-001 - <_> - - 0 -1 74 203424336 -25378820 -35667973 1073360894 -1912815660 - -573444 -356583491 -1365235056 - - -4.9911966919898987e-001 3.5335537791252136e-001 - <_> - - 0 -1 6 -1056773 -1508430 -558153 -102747408 2133997491 - -269043865 2004842231 -8947721 - - -4.0219521522521973e-001 4.3947893381118774e-001 - <_> - - 0 -1 70 -880809694 -1070282769 -1363162108 -838881281 - -680395161 -2064124929 -34244753 1173880701 - - -5.3891533613204956e-001 3.2062566280364990e-001 - - <_> - 8 - -2.5489892959594727e+000 - - <_> - - 0 -1 39 -1 -572522497 -8519681 -570425345 -4195329 -50333249 - -1 -1 - - -9.4647216796875000e-001 -3.3662387728691101e-001 - <_> - - 0 -1 124 -1430735362 -33619971 -8201 -3 -1677983745 - -1073762817 -1074003969 -1142979329 - - -8.0300611257553101e-001 -3.8466516882181168e-002 - <_> - - 0 -1 91 -67113217 -524289 -671482265 -786461 1677132031 - -268473345 -68005889 -70291765 - - -5.8367580175399780e-001 2.6507318019866943e-001 - <_> - - 0 -1 17 -277872641 -553910292 -268435458 -16843010 - 1542420439 -1342178311 -143132940 -2834 - - -4.6897178888320923e-001 3.7864661216735840e-001 - <_> - - 0 -1 137 -1312789 -290527285 -286326862 -5505280 -1712335966 - -2045979188 1165423617 -709363723 - - -4.6382644772529602e-001 3.6114525794982910e-001 - <_> - - 0 -1 106 1355856590 -109445156 -96665606 2066939898 - 1356084692 1549031917 -30146561 -16581701 - - -6.3095021247863770e-001 2.9294869303703308e-001 - <_> - - 0 -1 104 -335555328 118529 1860167712 -810680357 -33558656 - -1368391795 -402663552 -1343225921 - - -5.9658926725387573e-001 2.7228885889053345e-001 - <_> - - 0 -1 76 217581168 -538349634 1062631419 1039868926 - -1090707460 -2228359 -1078042693 -1147128518 - - -4.5812287926673889e-001 3.7063929438591003e-001 - - <_> - 9 - -2.5802578926086426e+000 - - <_> - - 0 -1 35 -513 -706873891 -270541825 1564475391 -120602625 - -118490145 -3162113 -1025 - - -8.9068460464477539e-001 -1.6470588743686676e-001 - <_> - - 0 -1 41 -1025 872144563 -2105361 -1078076417 -1048577 - -1145061461 -87557413 -1375993973 - - -7.1808964014053345e-001 2.2022204473614693e-002 - <_> - - 0 -1 95 -42467849 967946223 -811601986 1030598351 - -1212430676 270856533 -1392539508 147705039 - - -4.9424821138381958e-001 3.0048963427543640e-001 - <_> - - 0 -1 10 -218116370 -637284625 -87373174 -521998782 - -805355450 -615023745 -814267322 -12069282 - - -5.5306458473205566e-001 2.9137542843818665e-001 - <_> - - 0 -1 105 -275849241 -527897 -11052049 -69756067 -15794193 - -1141376839 -564771 -287095455 - - -4.6759819984436035e-001 3.6638516187667847e-001 - <_> - - 0 -1 24 -1900898096 -18985228 -44056577 -24675 -1074880639 - -283998 796335613 -1079041957 - - -4.2737138271331787e-001 3.9243003726005554e-001 - <_> - - 0 -1 139 -555790844 410735094 -32106513 406822863 -897632192 - -912830145 -117771560 -1204027649 - - -4.1896930336952209e-001 3.6744937300682068e-001 - <_> - - 0 -1 0 -1884822366 -1406613148 1135342180 -1979127580 - -68174862 246469804 1001386992 -708885872 - - -5.7093089818954468e-001 2.9880744218826294e-001 - <_> - - 0 -1 45 -469053950 1439068142 2117758841 2004671078 - 207931006 1265321675 970353931 1541343047 - - -6.0491901636123657e-001 2.4652053415775299e-001 - - <_> - 9 - -2.2425732612609863e+000 - - <_> - - 0 -1 58 1481987157 282547485 -14952129 421131223 -391065352 - -24212488 -100094241 -1157907473 - - -8.2822084426879883e-001 -2.1619293093681335e-001 - <_> - - 0 -1 126 -134217889 -543174305 -75497474 -16851650 -6685738 - -75834693 -2097200 -262146 - - -5.4628932476043701e-001 2.7662658691406250e-001 - <_> - - 0 -1 133 -220728227 -604288517 -661662214 413104863 - -627323700 -251915415 -626200872 -1157958657 - - -4.1643124818801880e-001 4.1700571775436401e-001 - <_> - - 0 -1 2 -186664033 -44236961 -1630262774 -65163606 -103237330 - -3083265 -1003729 2053105955 - - -5.4847818613052368e-001 2.9710745811462402e-001 - <_> - - 0 -1 62 -256115886 -237611873 -620250696 387061799 - 1437882671 274878849 -8684449 1494294023 - - -4.6202757954597473e-001 3.3915829658508301e-001 - <_> - - 0 -1 1 -309400577 -275864640 -1056864869 1737132756 - -272385089 1609671419 1740601343 1261376789 - - -4.6158722043037415e-001 3.3939516544342041e-001 - <_> - - 0 -1 102 818197248 -196324552 286970589 -573270699 - -1174099579 -662077381 -1165157895 -1626859296 - - -4.6193107962608337e-001 3.2456985116004944e-001 - <_> - - 0 -1 69 -1042550357 14675409 1367955200 -841482753 - 1642443255 8774277 1941304147 1099949563 - - -4.9091196060180664e-001 3.3870378136634827e-001 - <_> - - 0 -1 72 -639654997 1375720439 -2129542805 1614801090 - -626787937 -5779294 1488699183 -525406458 - - -4.9073097109794617e-001 3.0637946724891663e-001 - - <_> - 9 - -1.2258235216140747e+000 - - <_> - - 0 -1 118 302046707 -16744240 1360106207 -543735387 - 1025700851 -1079408512 1796961263 -6334981 - - -6.1358314752578735e-001 2.3539231717586517e-001 - <_> - - 0 -1 5 -144765953 -116448726 -653851877 1934829856 722021887 - 856564834 1933919231 -540838029 - - -5.1209545135498047e-001 3.2506987452507019e-001 - <_> - - 0 -1 140 -170132825 -1438923874 1879300370 -1689337194 - -695606496 285911565 -1044188928 -154210028 - - -5.1769560575485229e-001 3.2290914654731750e-001 - <_> - - 0 -1 131 -140776261 -355516414 822178224 -1039743806 - -1012208926 134887424 1438876097 -908591660 - - -5.0321841239929199e-001 3.0263835191726685e-001 - <_> - - 0 -1 64 -2137211696 -1634281249 1464325973 498569935 - -1580152080 -2001687927 721783561 265096035 - - -4.6532225608825684e-001 3.4638473391532898e-001 - <_> - - 0 -1 101 -255073589 -211824417 -972195129 -1063415417 - 1937994261 1363165220 -754733105 1967602541 - - -4.9611270427703857e-001 3.3260712027549744e-001 - <_> - - 0 -1 81 -548146862 -655567194 -2062466596 1164562721 - 416408236 -1591631712 -83637777 975344427 - - -4.9862930178642273e-001 3.2003280520439148e-001 - <_> - - 0 -1 55 -731904652 2147179896 2147442687 2112830847 -65604 - -131073 -42139667 -1074907393 - - -3.6636069416999817e-001 4.5651626586914063e-001 - <_> - - 0 -1 67 1885036886 571985932 -1784930633 724431327 - 1940422257 -1085746880 964888398 731867951 - - -5.2619713544845581e-001 3.2635414600372314e-001 - - <_> - 9 - -1.3604533672332764e+000 - - <_> - - 0 -1 8 -287609985 -965585953 -2146397793 -492129894 - -729029645 -544619901 -645693256 -6565484 - - -4.5212322473526001e-001 3.8910505175590515e-001 - <_> - - 0 -1 122 -102903523 -145031013 536899675 688195859 - -645291520 -1165359094 -905565928 171608223 - - -4.9594074487686157e-001 3.4109055995941162e-001 - <_> - - 0 -1 134 -790640459 487931983 1778450522 1036604041 - -904752984 -954040118 -2134707506 304866043 - - -4.1148442029953003e-001 3.9666590094566345e-001 - <_> - - 0 -1 141 -303829117 1726939070 922189815 -827983123 - 1567883042 1324809852 292710260 -942678754 - - -3.5154473781585693e-001 4.8011952638626099e-001 - <_> - - 0 -1 59 -161295376 -159215460 -1858041315 2140644499 - -2009065472 -133804007 -2003265301 1263206851 - - -4.2808216810226440e-001 3.9841541647911072e-001 - <_> - - 0 -1 34 -264248081 -667846464 1342624856 1381160835 - -2104716852 1342865409 -266612310 -165954877 - - -4.3293288350105286e-001 4.0339657664299011e-001 - <_> - - 0 -1 32 -1600388464 -40369901 285344639 1394344275 - -255680312 -100532214 -1031663944 -7471079 - - -4.1385015845298767e-001 4.5087572932243347e-001 - <_> - - 0 -1 15 1368521651 280207469 35779199 -105983261 1208124819 - -565870452 -1144024288 -591535344 - - -4.2956474423408508e-001 4.2176279425621033e-001 - <_> - - 0 -1 109 1623607527 -661513115 -1073217263 -2142994420 - -1339883309 -89816956 436308899 1426178059 - - -4.7764992713928223e-001 3.7551075220108032e-001 - - <_> - 9 - -4.2518746852874756e-001 - - <_> - - 0 -1 135 -116728032 -1154420809 -1350582273 746061691 - -1073758277 2138570623 2113797566 -138674182 - - -1.7125381529331207e-001 6.5421247482299805e-001 - <_> - - 0 -1 63 -453112432 -1795354691 -1342242964 494112553 - 209458404 -2114697500 1316830362 259213855 - - -3.9870172739028931e-001 4.5807033777236938e-001 - <_> - - 0 -1 52 -268172036 294715533 268575185 486785157 -1065303920 - -360185856 -2147476808 134777113 - - -5.3581339120864868e-001 3.5815808176994324e-001 - <_> - - 0 -1 86 -301996882 -345718921 1877946252 -940720129 - -58737369 -721944585 -92954835 -530449 - - -3.9938014745712280e-001 4.9603295326232910e-001 - <_> - - 0 -1 14 -853281886 -756895766 2130706352 -9519120 - -1921059862 394133373 2138453959 -538200841 - - -4.0230083465576172e-001 4.9537116289138794e-001 - <_> - - 0 -1 128 -2133448688 -641138493 1078022185 294060066 - -327122776 -2130640896 -2147466247 -1910634326 - - -5.8290809392929077e-001 3.4102553129196167e-001 - <_> - - 0 -1 53 587265978 -2071658479 1108361221 -578448765 - -1811905899 -2008965119 33900729 762301595 - - -4.5518967509269714e-001 4.7242793440818787e-001 - <_> - - 0 -1 138 -1022189373 -2139094976 16658 -1069445120 - -1073555454 -1073577856 1096068 -978351488 - - -4.7530207037925720e-001 4.3885371088981628e-001 - <_> - - 0 -1 7 -395352441 -1073541103 -1056964605 1053186 269111298 - -2012184576 1611208714 -360415095 - - -5.0448113679885864e-001 4.1588482260704041e-001 - - <_> - 7 - 2.7163455262780190e-002 - - <_> - - 0 -1 49 783189748 -137429026 -257 709557994 2130460236 - -196611 -9580 585428708 - - -2.0454545319080353e-001 7.9608374834060669e-001 - <_> - - 0 -1 108 1284360448 1057423155 1592696573 -852672655 - 1547382714 -1642594369 125705358 797134398 - - -3.6474677920341492e-001 6.0925579071044922e-001 - <_> - - 0 -1 94 1347680270 -527720448 1091567712 1073745933 - -1073180671 0 285745154 -511192438 - - -4.6406838297843933e-001 5.5626088380813599e-001 - <_> - - 0 -1 73 1705780944 -145486260 -115909 -281793505 -418072663 - -1681064068 1877454127 -1912330993 - - -4.7043186426162720e-001 5.8430361747741699e-001 - <_> - - 0 -1 110 -2118142016 339509033 -285260567 1417764573 - 68144392 -468879483 -2033291636 231451911 - - -4.8700931668281555e-001 5.4639810323715210e-001 - <_> - - 0 -1 119 -1888051818 489996135 -65539 849536890 2146716845 - -1107542088 -1275615746 -1119617586 - - -4.3356490135192871e-001 6.5175366401672363e-001 - <_> - - 0 -1 44 -1879021438 336830528 1073766659 1477541961 8560696 - -1207369568 8462472 1493893448 - - -5.4343086481094360e-001 5.2777874469757080e-001 - - <_> - 7 - 4.9174150824546814e-001 - - <_> - - 0 -1 57 644098 15758324 1995964260 -463011882 893285175 - 83156983 2004317989 16021237 - - -1.7073170840740204e-001 9.0782123804092407e-001 - <_> - - 0 -1 123 268632845 -2147450864 -2143240192 -2147401728 - 8523937 -1878523840 16777416 616824984 - - -4.8744434118270874e-001 7.3311311006546021e-001 - <_> - - 0 -1 120 -2110735872 803880886 989739810 1673281312 91564930 - -277454958 997709514 -581366443 - - -4.0291741490364075e-001 8.2450771331787109e-001 - <_> - - 0 -1 87 941753434 -1067128905 788512753 -1074450460 - 779101657 -1346552460 938805167 -2050424642 - - -3.6246949434280396e-001 8.7103593349456787e-001 - <_> - - 0 -1 60 208 1645217920 130 538263552 33595552 -1475870592 - 16783361 1375993867 - - -6.1472141742706299e-001 5.9707164764404297e-001 - <_> - - 0 -1 114 1860423179 1034692624 -285213187 -986681712 - 1576755092 -1408205463 -127714 -1246035687 - - -4.5621752738952637e-001 8.9482426643371582e-001 - <_> - - 0 -1 107 33555004 -1861746688 1073807361 -754909184 - 645922856 8388608 134250648 419635458 - - -5.2466005086898804e-001 7.1834069490432739e-001 - - <_> - 2 - 1.9084988832473755e+000 - - <_> - - 0 -1 16 536064 131072 -20971516 524288 576 1048577 0 40960 - - -8.0000001192092896e-001 9.8018401861190796e-001 - <_> - - 0 -1 56 67108864 0 4096 1074003968 8192 536870912 4 262144 - - -9.6610915660858154e-001 9.2831486463546753e-001 - - <_> - - 0 0 1 1 - <_> - - 0 0 3 2 - <_> - - 0 1 13 6 - <_> - - 0 2 3 14 - <_> - - 0 2 4 2 - <_> - - 0 6 2 3 - <_> - - 0 6 3 2 - <_> - - 0 16 1 3 - <_> - - 0 20 3 3 - <_> - - 0 22 2 3 - <_> - - 0 28 4 4 - <_> - - 0 35 2 3 - <_> - - 1 0 14 7 - <_> - - 1 5 3 2 - <_> - - 1 6 2 1 - <_> - - 1 14 10 9 - <_> - - 1 21 4 4 - <_> - - 1 23 4 2 - <_> - - 2 0 13 7 - <_> - - 2 0 14 7 - <_> - - 2 33 5 4 - <_> - - 2 36 4 3 - <_> - - 2 39 3 2 - <_> - - 3 1 13 11 - <_> - - 3 2 3 2 - <_> - - 4 0 7 8 - <_> - - 4 0 13 7 - <_> - - 5 0 12 6 - <_> - - 5 0 13 7 - <_> - - 5 1 10 13 - <_> - - 5 1 12 7 - <_> - - 5 2 7 13 - <_> - - 5 4 2 1 - <_> - - 5 8 7 4 - <_> - - 5 39 3 2 - <_> - - 6 3 5 2 - <_> - - 6 3 6 2 - <_> - - 6 5 4 12 - <_> - - 6 9 6 3 - <_> - - 7 3 5 2 - <_> - - 7 3 6 13 - <_> - - 7 5 6 4 - <_> - - 7 7 6 10 - <_> - - 7 8 6 4 - <_> - - 7 32 5 4 - <_> - - 7 33 5 4 - <_> - - 8 0 1 1 - <_> - - 8 0 2 1 - <_> - - 8 2 10 7 - <_> - - 9 0 6 2 - <_> - - 9 2 9 3 - <_> - - 9 4 1 1 - <_> - - 9 6 2 1 - <_> - - 9 28 6 4 - <_> - - 10 0 9 3 - <_> - - 10 3 1 1 - <_> - - 10 10 11 11 - <_> - - 10 15 4 3 - <_> - - 11 4 2 1 - <_> - - 11 27 4 3 - <_> - - 11 36 8 2 - <_> - - 12 0 2 2 - <_> - - 12 23 4 3 - <_> - - 12 25 4 3 - <_> - - 12 29 5 3 - <_> - - 12 33 3 4 - <_> - - 13 0 2 2 - <_> - - 13 36 8 3 - <_> - - 14 0 2 2 - <_> - - 15 15 2 2 - <_> - - 16 13 3 4 - <_> - - 17 0 1 3 - <_> - - 17 1 3 3 - <_> - - 17 31 5 3 - <_> - - 17 35 3 1 - <_> - - 18 13 2 3 - <_> - - 18 39 2 1 - <_> - - 19 0 7 15 - <_> - - 19 2 7 2 - <_> - - 19 3 7 13 - <_> - - 19 14 2 2 - <_> - - 19 24 7 4 - <_> - - 20 1 6 13 - <_> - - 20 8 7 3 - <_> - - 20 9 7 3 - <_> - - 20 13 1 1 - <_> - - 20 14 2 3 - <_> - - 20 30 3 2 - <_> - - 21 0 3 4 - <_> - - 21 0 6 8 - <_> - - 21 3 6 2 - <_> - - 21 6 6 4 - <_> - - 21 37 2 1 - <_> - - 22 3 6 2 - <_> - - 22 13 1 2 - <_> - - 22 22 4 3 - <_> - - 23 0 2 3 - <_> - - 23 3 6 2 - <_> - - 23 9 5 4 - <_> - - 23 11 1 1 - <_> - - 23 15 1 1 - <_> - - 23 16 3 2 - <_> - - 23 35 2 1 - <_> - - 23 36 1 1 - <_> - - 23 39 6 2 - <_> - - 24 0 2 3 - <_> - - 24 8 6 11 - <_> - - 24 28 2 2 - <_> - - 24 33 4 4 - <_> - - 25 16 4 3 - <_> - - 25 31 5 3 - <_> - - 26 0 1 2 - <_> - - 26 0 2 2 - <_> - - 26 0 3 2 - <_> - - 26 24 4 4 - <_> - - 27 30 4 5 - <_> - - 27 36 5 3 - <_> - - 28 0 2 2 - <_> - - 28 4 2 1 - <_> - - 28 21 2 5 - <_> - - 29 8 2 1 - <_> - - 33 0 2 1 - <_> - - 33 0 4 2 - <_> - - 33 0 4 6 - <_> - - 33 3 1 1 - <_> - - 33 6 4 12 - <_> - - 33 21 4 2 - <_> - - 33 36 4 3 - <_> - - 35 1 2 2 - <_> - - 36 5 1 1 - <_> - - 36 29 3 4 - <_> - - 36 39 2 2 - <_> - - 37 5 2 2 - <_> - - 38 6 2 1 - <_> - - 38 6 2 2 - <_> - - 39 1 2 12 - <_> - - 39 24 1 2 - <_> - - 39 36 2 2 - <_> - - 40 39 1 2 - <_> - - 42 4 1 1 - <_> - - 42 20 1 2 - <_> - - 42 29 1 2 - diff --git a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_profileface.xml b/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_profileface.xml deleted file mode 100644 index e7e97d7bd9..0000000000 --- a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_profileface.xml +++ /dev/null @@ -1,1275 +0,0 @@ - - - - - BOOST - LBP - 34 - 20 - - GAB - 9.9500000476837158e-001 - 3.0000001192092896e-001 - 9.4999999999999996e-001 - 1 - 100 - - 256 - 1 - 16 - - - <_> - 4 - -5.9480339288711548e-001 - - <_> - - 0 -1 114 -2360321 -82228595 -771518211 -713436773 - -1060447799 -810385271 -2004135683 -2566104 - - -8.0942183732986450e-001 5.9530025720596313e-001 - <_> - - 0 -1 54 -649134608 -1060077114 1375916272 -719981432 - 1073801352 33024 281198795 -5246465 - - -7.7979278564453125e-001 5.4052764177322388e-001 - <_> - - 0 -1 12 -960266913 -495857599 -1068498864 -867970987 - 457398579 -1174173695 1749041235 1849162079 - - -8.0028575658798218e-001 5.0435048341751099e-001 - <_> - - 0 -1 120 -1228145793 -807247727 18059735 -138644520 - 998980043 -41250583 673112549 -1930366540 - - -7.7902388572692871e-001 4.9006074666976929e-001 - - <_> - 6 - -5.4879629611968994e-001 - - <_> - - 0 -1 6 -254346881 -746143606 -1039596583 1963430479 - -263790449 -1073545213 698505999 -1349357 - - -6.6315788030624390e-001 6.0000002384185791e-001 - <_> - - 0 -1 112 -134225985 -684228389 -988213089 -684716007 - -1966960899 -896630615 152815840 -864497420 - - -7.0195454359054565e-001 5.8843690156936646e-001 - <_> - - 0 -1 53 -35923461 520818827 -1862167847 856916291 68141197 - 2072530978 304306417 526079163 - - -6.4593964815139771e-001 5.7274609804153442e-001 - <_> - - 0 -1 101 -2097665 -1781432163 588321018 -1677405808 - -1968469982 -1450147831 -1467632684 -593693808 - - -7.2959578037261963e-001 4.9470889568328857e-001 - <_> - - 0 -1 79 -205847273 -1088716541 285266431 1393693056 - 293931101 -1634205688 -452263692 -111136684 - - -7.0331865549087524e-001 5.2564400434494019e-001 - <_> - - 0 -1 126 579801457 -670613495 -1065269989 -117095565 - -1295163359 -779534335 -1744220101 -1355860 - - -7.5121974945068359e-001 4.5217981934547424e-001 - - <_> - 4 - -4.3886357545852661e-001 - - <_> - - 0 -1 20 -346563793 1217040543 -1324639677 206303367 - -260894653 1165249072 1359168335 1652518863 - - -8.3054625988006592e-001 5.5417186021804810e-001 - <_> - - 0 -1 69 -925898078 -917290147 -2147368790 -1995968378 - 1203961890 1765910571 789128481 -4201473 - - -7.5220447778701782e-001 6.1290657520294189e-001 - <_> - - 0 -1 7 -425790473 -368916470 -1065172848 -1877712894 - -1067360254 -847191997 1342400518 -680037517 - - -7.8469508886337280e-001 5.9731280803680420e-001 - <_> - - 0 -1 5 -260315918 -1567751150 -805289977 1721229843 - 1644296976 1954742530 824530213 -8392601 - - -7.3686408996582031e-001 5.6347119808197021e-001 - - <_> - 6 - -4.6629825234413147e-001 - - <_> - - 0 -1 111 -67634177 -72175593 -246181185 -144772036 - -1465917455 -1426934837 -345249307 -539041852 - - -7.1692305803298950e-001 5.5034482479095459e-001 - <_> - - 0 -1 47 -1048705 -96415158 -1996126927 67301684 -659873481 - 1800863745 -402143413 1647570815 - - -7.6134461164474487e-001 4.7370144724845886e-001 - <_> - - 0 -1 119 1905247351 -1111526689 1426654203 -116427277 - 1731664419 -81052249 1051905317 -1628448513 - - -5.9460461139678955e-001 6.1952447891235352e-001 - <_> - - 0 -1 2 578486263 -2115313530 -788268733 -1122507629 - -343408719 2127242147 -85406399 -37295 - - -6.0801470279693604e-001 5.8719038963317871e-001 - <_> - - 0 -1 127 -1147176065 52139167 21156225 -540503783 -771529299 - -33325024 -671045243 -1913073360 - - -7.4383884668350220e-001 5.1643568277359009e-001 - <_> - - 0 -1 93 -319091633 -58633529 1166906391 1854443149 - 1267403009 -1198817246 1208634960 -35661669 - - -6.8595260381698608e-001 5.5931246280670166e-001 - - <_> - 8 - -6.0948312282562256e-001 - - <_> - - 0 -1 102 -747899393 -543522675 545333467 -34230241 - -1572626245 -17790840 -1182162691 -1078427420 - - -6.0826772451400757e-001 4.6491229534149170e-001 - <_> - - 0 -1 38 -103812609 503024467 -2121908081 722834075 - 1375757518 2022089353 197321677 2077719203 - - -6.2948691844940186e-001 4.8044654726982117e-001 - <_> - - 0 -1 19 -774429826 -607461158 1158791644 -971587409 - -1732167611 2015560010 -1278549257 -159911361 - - -5.9694272279739380e-001 4.7999730706214905e-001 - <_> - - 0 -1 122 735837495 -875325281 152208339 -741020481 - -1471817477 -1165246433 -1450830159 -1696546384 - - -6.4947181940078735e-001 4.2661586403846741e-001 - <_> - - 0 -1 104 -629063145 -49708711 50692231 1973945160 157637120 - 2056259593 1771350547 -78911181 - - -6.2496536970138550e-001 4.4524449110031128e-001 - <_> - - 0 -1 67 -74189973 -803307502 688005268 1600057378 -131870050 - -1600503318 571446250 -386668002 - - -5.5046343803405762e-001 5.6090569496154785e-001 - <_> - - 0 -1 81 586347861 -2071051852 -250078020 -1455374076 - 546287843 1216708619 -1853707673 -35130912 - - -6.3877129554748535e-001 4.7911971807479858e-001 - <_> - - 0 -1 22 -1436568057 1555188001 164315 2084672259 1809869105 - 1132626050 1223430266 -596124761 - - -6.4428490400314331e-001 4.7921949625015259e-001 - - <_> - 8 - -5.4387503862380981e-001 - - <_> - - 0 -1 44 -783680003 -771883143 -302055943 -5898247 -253370375 - -1996628131 1625947386 -2004157446 - - -5.2870607376098633e-001 5.9474670886993408e-001 - <_> - - 0 -1 49 -586034977 -41205679 352424062 -163145456 151126042 - -1171652503 1208036058 -9019322 - - -5.6763833761215210e-001 4.8789894580841064e-001 - <_> - - 0 -1 39 1402589836 1363509256 103583 823365787 -1861443377 - 412131360 539718283 1002160350 - - -5.9899079799652100e-001 4.9562713503837585e-001 - <_> - - 0 -1 113 -783429121 -1559215981 286355953 -794820602 - 461510679 -611662910 -2136237584 -96429424 - - -6.3842493295669556e-001 4.3330931663513184e-001 - <_> - - 0 -1 99 -1365839532 -1291265163 1091604493 965968977 - 147472779 -1466925055 -2013090821 -1410703205 - - -5.8633142709732056e-001 5.0152444839477539e-001 - <_> - - 0 -1 26 1846469631 -788479850 268796195 -754872317 - 1630603451 -896532480 1208092751 -72652777 - - -5.9243172407150269e-001 4.7917708754539490e-001 - <_> - - 0 -1 85 -715395062 -113037167 1342198133 -552594287 - 411123713 11059209 -2012512153 -877809205 - - -6.9079184532165527e-001 4.2610234022140503e-001 - <_> - - 0 -1 100 -526391817 -921022135 -1593630697 671093393 - -2004270453 -1962835840 -1870413655 -1597095644 - - -6.5030521154403687e-001 4.4748127460479736e-001 - - <_> - 8 - -6.3195121288299561e-001 - - <_> - - 0 -1 109 -674761315 -581726065 352407899 -83717423 - -660870145 -1165915966 -326837763 -927182608 - - -7.3185729980468750e-001 3.3258172869682312e-001 - <_> - - 0 -1 97 860755579 -707063662 1361264863 1065505299 - -1022866435 -1776123776 -1865661700 -1615196136 - - -6.1147916316986084e-001 3.7205791473388672e-001 - <_> - - 0 -1 15 -678435969 -106962866 268652561 -826396597 - -802066313 1931092070 1208025439 1211582847 - - -6.8679082393646240e-001 3.6285603046417236e-001 - <_> - - 0 -1 86 -1573074550 -2080337595 299991 110482176 268552379 - -310373944 596185787 -1428952165 - - -6.4654982089996338e-001 4.1456297039985657e-001 - <_> - - 0 -1 30 -72637790 -1258143612 1342937104 -544352374 - -1046875163 -121076606 -786059128 -71702400 - - -5.2772462368011475e-001 4.9787566065788269e-001 - <_> - - 0 -1 89 -683288417 -218031996 33734999 -16115386 -2013259561 - -2008907509 -1978533232 -352342880 - - -5.2718847990036011e-001 5.2839303016662598e-001 - <_> - - 0 -1 10 -268764033 -1078984772 -65537 -281182212 -524291 -1 - -8489090 -4227265 - - -5.0513482093811035e-001 5.8522778749465942e-001 - <_> - - 0 -1 82 -570445845 784662143 -268435661 -1292701712 - -436263043 -1367507075 -671091243 -751108132 - - -5.2438414096832275e-001 5.4709094762802124e-001 - - <_> - 8 - -5.9874147176742554e-001 - - <_> - - 0 -1 27 -721421649 -1001940437 2300046 -720004829 -792686333 - 1908900882 -160055232 -134763633 - - -5.7692307233810425e-001 3.7921348214149475e-001 - <_> - - 0 -1 78 -1764279809 -1755824061 1937871313 -42069793 - -1241158993 -1196293937 -1576828673 -70371296 - - -4.7039109468460083e-001 4.8607903718948364e-001 - <_> - - 0 -1 29 -795875130 432079111 285457049 -620658641 -780072971 - 1158283432 -226254016 1839935243 - - -6.2938809394836426e-001 4.1353255510330200e-001 - <_> - - 0 -1 33 -37236389 1654493543 202129823 1788182787 - -1186162321 1912913933 -122942838 1968176815 - - -5.9031385183334351e-001 4.1488575935363770e-001 - <_> - - 0 -1 88 1903888863 -286828472 -2125248034 -623115882 - -268301806 -894826357 -2046633148 -696873056 - - -6.3875061273574829e-001 4.0209171175956726e-001 - <_> - - 0 -1 123 -87223501 -1873424249 -1878929092 -586710990 - -643825151 -1039040192 -285122488 -264093 - - -5.4196298122406006e-001 4.5856228470802307e-001 - <_> - - 0 -1 52 -780030833 1363755203 -385150929 25502018 1214818435 - -1020786271 -1870036478 1200354241 - - -5.2826374769210815e-001 5.3351372480392456e-001 - <_> - - 0 -1 84 -1724706499 -184429355 620844509 -179010317 - -1610327896 -341801844 -1190328066 1755915264 - - -5.7672232389450073e-001 4.4138705730438232e-001 - - <_> - 9 - -5.4533123970031738e-001 - - <_> - - 0 -1 48 -254347649 -565919658 1079050328 1090502875 - 1895985446 2013437961 -916419445 -53481573 - - -5.8105266094207764e-001 3.3599999547004700e-001 - <_> - - 0 -1 65 2030928895 1438877010 1124143121 258207763 - 1361199276 1527410834 2072519624 1004267991 - - -5.9629368782043457e-001 3.6112698912620544e-001 - <_> - - 0 -1 45 -247204964 -242712316 54544644 892459288 1888023456 - -2138044280 -802615208 13199500 - - -6.5467655658721924e-001 3.0486112833023071e-001 - <_> - - 0 -1 3 -430509345 -1865653973 554091143 -1069121312 - 1091180718 50577994 -1031731181 -211321225 - - -5.8759629726409912e-001 3.9526104927062988e-001 - <_> - - 0 -1 106 -741412064 -255623164 1090945848 -1687760764 - 42428760 -1064762741 -1861683196 -81029101 - - -6.5875691175460815e-001 3.4154877066612244e-001 - <_> - - 0 -1 128 -464010241 762112 285299147 -589082223 1373135017 - -2138955645 1057005712 -526876236 - - -6.5968728065490723e-001 3.3614772558212280e-001 - <_> - - 0 -1 80 -666744719 -635780797 33637339 -887860848 - -1073532217 -108904320 440608996 -1100753973 - - -5.0520354509353638e-001 4.4810971617698669e-001 - <_> - - 0 -1 28 -1580738774 -1506653838 302055688 -721223615 - 1427604224 -1566332144 1078565791 -558431977 - - -5.5560898780822754e-001 4.3426483869552612e-001 - <_> - - 0 -1 103 957796629 538644536 352997725 80838797 453085387 - -1165492198 285346042 1487077737 - - -5.5915868282318115e-001 4.0778505802154541e-001 - - <_> - 9 - -6.7299038171768188e-001 - - <_> - - 0 -1 0 -882973185 -620584737 279035921 -673986422 - -1568464349 -2105466877 1468391879 -38825 - - -5.7544225454330444e-001 3.4235453605651855e-001 - <_> - - 0 -1 90 -1820101795 -1336770299 285245717 -57216724 - -502134548 -1425341984 -1475618680 -1195896480 - - -6.6810834407806396e-001 2.7653357386589050e-001 - <_> - - 0 -1 9 -100197449 -457893579 200991 1964749325 -754875920 - 1897044675 1669843618 -70792821 - - -4.9064287543296814e-001 4.3120625615119934e-001 - <_> - - 0 -1 117 -792114173 -544111547 537001999 2034569362 - -1065213888 1630052634 -1450583484 -532405661 - - -6.4218991994857788e-001 3.6113587021827698e-001 - <_> - - 0 -1 107 -1564241697 -1429683702 -2062974587 -1900539448 - -1040078205 -394262006 -188628336 -390485984 - - -5.9181970357894897e-001 3.5756480693817139e-001 - <_> - - 0 -1 4 1893434787 -1945108258 82458 -318734161 -939347837 - 684196040 1078496869 2133023515 - - -6.1955446004867554e-001 3.4674292802810669e-001 - <_> - - 0 -1 31 -196247204 1964277780 -1810886012 21827851 - -364280891 -1062338560 -536741128 -362562814 - - -5.2849757671356201e-001 4.1380330920219421e-001 - <_> - - 0 -1 61 -1929140897 353472529 -721412674 -1228123782 - -392951233 -1442693096 672800826 -232914898 - - -5.7934975624084473e-001 3.9208874106407166e-001 - <_> - - 0 -1 72 -1004361296 -1069243858 268710018 1393598601 - 213956864 417530145 -912735606 1327495627 - - -7.5585323572158813e-001 2.6728668808937073e-001 - - <_> - 9 - -7.1303337812423706e-001 - - <_> - - 0 -1 23 -557797393 1524138462 277074064 -737259367 - -1878818960 -81600384 -1740109301 -59267505 - - -6.7397260665893555e-001 1.9793814420700073e-001 - <_> - - 0 -1 42 -1222377543 960610456 -2013138684 -989277927 - -1010064731 -802979830 -645806439 -885143219 - - -4.5935314893722534e-001 4.1904711723327637e-001 - <_> - - 0 -1 124 -783292542 -728791016 1342570700 1481418249 - 1258825942 -1580563964 -1178136688 -272306640 - - -6.3012123107910156e-001 2.9463621973991394e-001 - <_> - - 0 -1 46 1369396573 -188563225 22085642 -1005861886 - 2023260232 -1123842045 -2146991925 1245170171 - - -5.2092707157135010e-001 3.9743596315383911e-001 - <_> - - 0 -1 64 1540188400 1976259599 -805025279 864127692 544944 - 1484935304 -2147056504 1002584738 - - -6.5315401554107666e-001 3.1758561730384827e-001 - <_> - - 0 -1 77 -188606981 -1873391210 16842830 -117157654 - -1576842600 -1454767992 -518835576 -1625272280 - - -5.8580338954925537e-001 3.4936144948005676e-001 - <_> - - 0 -1 18 -473497030 -477572088 16842905 -12164860 184698994 - 1350566019 -2143169323 1405313030 - - -6.0962837934494019e-001 3.0044576525688171e-001 - <_> - - 0 -1 92 -528022006 -611028904 1075937757 -577660920 - 1073809492 -1341620207 -1475846395 -162412743 - - -6.6547930240631104e-001 3.1993752717971802e-001 - <_> - - 0 -1 116 -2062347245 35311783 406966429 -640155632 - -1904205761 -2012610494 399245455 -937752211 - - -4.8515367507934570e-001 4.3642494082450867e-001 - - <_> - 10 - -1.1831332445144653e+000 - - <_> - - 0 -1 115 -912525479 -2146793066 247327 -554139184 320582141 - -1442774971 1552517769 -1464330096 - - -7.2892564535140991e-001 1.2876711785793304e-001 - <_> - - 0 -1 41 -182757566 -683667118 268566545 -540408959 - 1547915506 2014497074 1817806103 -549486525 - - -5.6024330854415894e-001 2.8734233975410461e-001 - <_> - - 0 -1 13 -1396013057 -175218480 536903951 -35946104 -92067077 - 956498056 -200474487 1331907188 - - -5.5237007141113281e-001 3.2844060659408569e-001 - <_> - - 0 -1 17 2110443855 1547702666 -1874853670 1083212172 - -2004008413 -498614008 572624451 1179093527 - - -7.2481799125671387e-001 2.6627025008201599e-001 - <_> - - 0 -1 43 -1751428966 -1626324992 -1073540847 -783806124 - -2146909454 -913440767 -2138941303 -558233160 - - -4.4304186105728149e-001 4.1505634784698486e-001 - <_> - - 0 -1 37 -576405461 -1625709950 1627439763 1116373274 - 1622902452 1107834529 975868423 2074176171 - - -5.6509882211685181e-001 3.5433205962181091e-001 - <_> - - 0 -1 118 1171205664 1426522307 49281 563122240 -791985520 - -930869245 -364148081 -590624140 - - -5.6250953674316406e-001 3.3341854810714722e-001 - <_> - - 0 -1 76 1162033968 1180991656 16859165 230787289 -2104786299 - -1819967351 1118240928 -343561865 - - -4.7331553697586060e-001 4.1576251387596130e-001 - <_> - - 0 -1 110 -2147085315 -1228897088 -2146839339 -1751314339 - -531605907 -393183232 1804153563 -1399324416 - - -5.8979070186614990e-001 3.7525305151939392e-001 - <_> - - 0 -1 55 1581887865 999817729 151311688 331546624 -991625824 - -938834941 1837335184 852075394 - - -5.4071021080017090e-001 4.0077716112136841e-001 - - <_> - 10 - -6.4480733871459961e-001 - - <_> - - 0 -1 16 -510660401 -884555766 272896026 -12189566 - -1685363509 -662568805 1073840823 -545105785 - - -5.3361344337463379e-001 2.7807486057281494e-001 - <_> - - 0 -1 48 -557408354 2115155922 -2130669353 1616707591 - 693193240 -1569554175 -1743918878 1983596555 - - -5.3364741802215576e-001 3.1411096453666687e-001 - <_> - - 0 -1 108 -413278733 83935516 536961502 1452278484 - -2004277212 -391683967 -1426466672 -85395040 - - -7.4530494213104248e-001 2.3025059700012207e-001 - <_> - - 0 -1 32 -938623022 1469386887 822151432 421593370 - -1433793568 -1602191360 -527916919 680112651 - - -4.6078306436538696e-001 4.0021440386772156e-001 - <_> - - 0 -1 50 1619785226 -1004367410 1417725137 126732357 - 148062614 -625983352 -712398335 -412918226 - - -4.9818846583366394e-001 3.6678382754325867e-001 - <_> - - 0 -1 24 -1064322531 1351938204 196691 -561840073 -1978859471 - -649944954 -2003664885 -1172094197 - - -4.7309580445289612e-001 4.2868506908416748e-001 - <_> - - 0 -1 96 -1878961904 1360035888 -1073721317 -1051487863 - -431841087 1628112896 -2112640640 -1829440828 - - -6.9250243902206421e-001 2.8783574700355530e-001 - <_> - - 0 -1 62 67496095 391741589 -2146154237 96245592 -893992548 - 982687872 571488264 278906307 - - -6.4613574743270874e-001 3.0145862698554993e-001 - <_> - - 0 -1 73 -415771792 1208487966 339825796 1792117580 - 1128517807 144965669 -536376816 732856538 - - -6.9449120759963989e-001 3.0338683724403381e-001 - <_> - - 0 -1 40 -1991530440 324215457 -2080275930 -1857940798 - 1342685625 721420800 1250592988 1493903457 - - -7.0043331384658813e-001 2.5916099548339844e-001 - - <_> - 10 - -6.0248321294784546e-001 - - <_> - - 0 -1 21 -16537745 2114438797 1409323561 1691064397 - -207434939 822260754 -384857461 2031088579 - - -6.1256545782089233e-001 1.7948718369007111e-001 - <_> - - 0 -1 1 -95427858 67117166 -1308426467 -1962693439 601886855 - 924320187 1661215701 2078945158 - - -6.8756872415542603e-001 2.2317354381084442e-001 - <_> - - 0 -1 121 -1853361185 -619857007 16793601 -184516476 - -1422775873 -488996831 1476610285 -926297672 - - -5.2260422706604004e-001 3.2479336857795715e-001 - <_> - - 0 -1 105 -267171326 1436635177 1937772829 -2092859315 - -769638067 -2122268534 1502103583 -18894227 - - -5.2588832378387451e-001 3.4061828255653381e-001 - <_> - - 0 -1 83 1880187281 -1862250368 303299 960921986 -2002701917 - -1593343958 -334888263 1058018448 - - -6.9037044048309326e-001 2.7262538671493530e-001 - <_> - - 0 -1 34 -2125487365 1347551377 -1861970752 1368654274 - -1064675233 436275211 327448684 2068015115 - - -5.3338903188705444e-001 3.2425448298454285e-001 - <_> - - 0 -1 36 1192659162 235536712 1078002258 428089414 - -2138651204 -1937242101 507742421 1932739127 - - -6.4654779434204102e-001 3.0722403526306152e-001 - <_> - - 0 -1 14 -805047416 -1962622822 -2013265442 2030239751 - 1082134810 1744963592 -1836871485 -249326965 - - -5.7250964641571045e-001 3.1499111652374268e-001 - <_> - - 0 -1 75 -650653297 170234379 -2063527695 448823424 - -2139088862 319586315 -2067685344 -1347692410 - - -5.4618871212005615e-001 3.8171616196632385e-001 - <_> - - 0 -1 56 -168821125 -1107300354 -536871052 -1125515426 - -1795721360 -1672085508 1845358040 -2114327569 - - -4.2669427394866943e-001 5.0532561540603638e-001 - - <_> - 11 - -1.1912760734558105e+000 - - <_> - - 0 -1 11 -1043414305 -1735900650 268517385 -1137929054 - -1048411462 -2011152253 -1957405841 -497557425 - - -5.7042253017425537e-001 2.1933962404727936e-001 - <_> - - 0 -1 71 -233469310 1360073157 376971 626087057 -1180588024 - -1191067261 -1474310132 830601690 - - -5.3927713632583618e-001 2.9026004672050476e-001 - <_> - - 0 -1 35 -1599643389 42074270 -1811918838 -949960625 - 1564707361 289538187 1204527649 -112006873 - - -6.0980087518692017e-001 2.8851604461669922e-001 - <_> - - 0 -1 59 585529126 -1100070936 -1342177537 833961983 - 1306961797 1986559992 -810088568 -1082149201 - - -3.2345715165138245e-001 5.5635309219360352e-001 - <_> - - 0 -1 95 1107806555 2030223765 17039707 -1224163308 - -1073053535 -1291837432 822618633 -121972608 - - -6.5054124593734741e-001 3.1912675499916077e-001 - <_> - - 0 -1 51 -171583461 -1660890605 268504396 453157697 - -1065215606 -1740602879 1824636801 1940062923 - - -4.7275745868682861e-001 4.2362514138221741e-001 - <_> - - 0 -1 87 -799546379 -2097769968 293605405 -21571376 285294733 - 136347650 -930405536 -69420863 - - -5.5549502372741699e-001 3.3842340111732483e-001 - <_> - - 0 -1 60 -594509036 -267114166 35413 -1052598126 545325639 - -1207959408 -1073643381 682827807 - - -5.4805672168731689e-001 3.7224516272544861e-001 - <_> - - 0 -1 63 1513710022 194882313 1109000450 28010496 -601835264 - -645791614 -1041880446 1561822180 - - -5.3384119272232056e-001 3.7635508179664612e-001 - <_> - - 0 -1 125 -754581391 -246595569 -2113336948 -1855323709 - 1090531337 -931133310 950984 -3971805 - - -5.2334308624267578e-001 4.0167775750160217e-001 - <_> - - 0 -1 58 -361268680 662383988 2147483638 -209756289 - -1375932428 -1895890954 -1744855042 -1142215109 - - -3.4343415498733521e-001 6.1590969562530518e-001 - - <_> - 10 - -7.7425497770309448e-001 - - <_> - - 0 -1 66 -716447302 -602037376 1090519043 -150261760 - 342934202 -2034138749 1141152394 -351301493 - - -4.8867926001548767e-001 3.4062498807907104e-001 - <_> - - 0 -1 98 -2071985592 -700120831 1078417460 672719121 - 1082264136 -209075063 -1438988203 -1465205245 - - -7.1539443731307983e-001 2.4058867990970612e-001 - <_> - - 0 -1 74 872558624 331821072 1610649929 -1181384552 - -2130081587 -92209146 -612134248 -1199562344 - - -4.4142067432403564e-001 3.7935256958007813e-001 - <_> - - 0 -1 68 -791554721 -737771072 2425605 740044819 1208549387 - 973897998 1124108962 802102203 - - -4.6558478474617004e-001 4.2193859815597534e-001 - <_> - - 0 -1 8 1893114270 -1013792636 360523 -586362838 -1073151001 - -2146917824 -2104934391 -875596965 - - -5.0676107406616211e-001 3.5864940285682678e-001 - <_> - - 0 -1 91 574816266 -2011773950 1476495634 580227538 - -2146781128 -2147448830 1901535891 -692616573 - - -6.1020326614379883e-001 3.0061775445938110e-001 - <_> - - 0 -1 70 2125429880 2080309246 -285282561 2142961407 - -1259516274 1073741823 754945025 867497448 - - -4.3854746222496033e-001 4.7815895080566406e-001 - <_> - - 0 -1 94 -1727736509 -1979678624 285229334 1115689064 - 537927788 -1207402368 1098914016 -91503488 - - -6.8697202205657959e-001 3.5183742642402649e-001 - <_> - - 0 -1 57 -528465144 -707035113 -1048575869 1372127361 8651416 - -526909310 -1845360374 -1451016182 - - -4.5901125669479370e-001 4.5875525474548340e-001 - <_> - - 0 -1 25 -2076984798 -533130869 -1060954112 1639977472 - 828440586 1792508680 -1693988801 -13285232 - - -4.8493441939353943e-001 4.3403539061546326e-001 - - <_> - - 0 1 1 9 - <_> - - 0 1 4 7 - <_> - - 0 2 2 6 - <_> - - 0 2 2 10 - <_> - - 0 2 3 4 - <_> - - 0 3 3 8 - <_> - - 0 4 1 8 - <_> - - 0 5 2 9 - <_> - - 0 7 1 8 - <_> - - 0 7 5 7 - <_> - - 0 9 1 5 - <_> - - 0 9 2 6 - <_> - - 0 10 3 7 - <_> - - 0 11 1 3 - <_> - - 0 12 2 1 - <_> - - 0 13 3 7 - <_> - - 0 14 1 1 - <_> - - 0 14 3 4 - <_> - - 0 16 1 1 - <_> - - 0 19 3 5 - <_> - - 0 20 3 4 - <_> - - 0 21 3 4 - <_> - - 0 22 2 4 - <_> - - 0 25 3 3 - <_> - - 0 25 4 3 - <_> - - 1 0 5 10 - <_> - - 1 2 1 9 - <_> - - 1 4 4 8 - <_> - - 1 4 5 9 - <_> - - 1 6 3 5 - <_> - - 1 9 2 3 - <_> - - 1 11 2 4 - <_> - - 1 15 3 2 - <_> - - 1 20 3 3 - <_> - - 1 28 2 2 - <_> - - 2 0 2 3 - <_> - - 2 0 3 5 - <_> - - 2 0 4 8 - <_> - - 2 3 4 5 - <_> - - 2 4 5 5 - <_> - - 2 5 2 5 - <_> - - 2 7 5 9 - <_> - - 2 8 1 3 - <_> - - 2 12 1 2 - <_> - - 2 13 3 3 - <_> - - 2 14 2 2 - <_> - - 2 16 3 5 - <_> - - 2 18 3 5 - <_> - - 2 22 2 4 - <_> - - 2 31 3 1 - <_> - - 3 0 2 3 - <_> - - 3 1 3 5 - <_> - - 3 1 3 8 - <_> - - 3 2 3 6 - <_> - - 3 8 4 6 - <_> - - 3 10 2 4 - <_> - - 3 14 2 2 - <_> - - 3 16 1 1 - <_> - - 3 18 1 1 - <_> - - 3 19 1 1 - <_> - - 3 19 1 2 - <_> - - 3 31 2 1 - <_> - - 4 4 4 4 - <_> - - 4 5 2 7 - <_> - - 4 6 2 4 - <_> - - 4 6 3 4 - <_> - - 4 7 2 8 - <_> - - 4 12 3 5 - <_> - - 4 19 2 3 - <_> - - 5 0 5 7 - <_> - - 5 3 4 4 - <_> - - 5 3 5 4 - <_> - - 5 5 2 8 - <_> - - 5 12 4 4 - <_> - - 5 22 1 1 - <_> - - 6 21 3 3 - <_> - - 6 26 2 2 - <_> - - 6 30 1 1 - <_> - - 6 31 1 1 - <_> - - 6 31 2 1 - <_> - - 7 0 2 3 - <_> - - 7 9 3 7 - <_> - - 7 17 1 1 - <_> - - 7 31 1 1 - <_> - - 7 31 2 1 - <_> - - 8 0 4 1 - <_> - - 8 5 2 4 - <_> - - 8 10 3 6 - <_> - - 8 16 2 1 - <_> - - 8 25 3 2 - <_> - - 8 30 1 1 - <_> - - 9 0 1 1 - <_> - - 9 0 3 2 - <_> - - 9 0 3 4 - <_> - - 9 15 2 1 - <_> - - 9 24 3 3 - <_> - - 9 29 1 1 - <_> - - 9 31 1 1 - <_> - - 10 4 2 2 - <_> - - 10 8 1 3 - <_> - - 10 15 1 3 - <_> - - 10 26 2 1 - <_> - - 10 30 1 1 - <_> - - 10 31 3 1 - <_> - - 11 0 3 2 - <_> - - 11 1 3 4 - <_> - - 11 5 3 8 - <_> - - 11 14 1 1 - <_> - - 11 23 2 2 - <_> - - 11 27 2 2 - <_> - - 11 31 1 1 - <_> - - 12 22 2 3 - <_> - - 12 29 1 1 - <_> - - 13 23 2 1 - <_> - - 13 24 1 3 - <_> - - 13 29 1 1 - <_> - - 13 31 2 1 - <_> - - 14 1 2 2 - <_> - - 14 1 2 6 - <_> - - 14 2 2 1 - <_> - - 14 24 2 2 - <_> - - 14 26 2 2 - <_> - - 14 28 1 1 - <_> - - 15 4 1 1 - <_> - - 15 24 1 1 - <_> - - 17 0 1 3 - <_> - - 17 3 1 4 - <_> - - 17 23 1 2 - <_> - - 17 27 1 1 - diff --git a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_silverware.xml b/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_silverware.xml deleted file mode 100644 index 20ce15622c..0000000000 --- a/vendor/opencv/sdk/etc/lbpcascades/lbpcascade_silverware.xml +++ /dev/null @@ -1,1279 +0,0 @@ - - - - - BOOST - LBP - 80 - 12 - - GAB - 9.9500000476837158e-001 - 3.0000001192092896e-001 - 9.4999999999999996e-001 - 1 - 100 - - 256 - 1 - 16 - - - <_> - 4 - -8.2867860794067383e-002 - - <_> - - 0 -1 99 -268435521 -486543361 -258 1659633406 -134217857 - 1702887279 -134217929 -184549377 - - -7.5000000000000000e-001 8.6380833387374878e-001 - <_> - - 0 -1 39 -540541017 -1060113913 -781245688 -477121697 - -1818664155 1105186857 -505961467 -152575569 - - -7.9976779222488403e-001 7.5056612491607666e-001 - <_> - - 0 -1 101 -479208497 -353380921 -855254781 -1566689761 - -454302869 1893310787 -271591561 -134222965 - - -7.1062028408050537e-001 7.7380746603012085e-001 - <_> - - 0 -1 41 -338958865 -925383977 -1438297681 -981777969 - -882901177 1913369038 -135286729 1995959223 - - -7.8616768121719360e-001 6.9309240579605103e-001 - - <_> - 5 - -7.7058833837509155e-001 - - <_> - - 0 -1 14 -34089161 -2245 1878980471 -8687769 -134316045 - 1744797563 -8388737 1795146607 - - -6.1089491844177246e-001 7.3594772815704346e-001 - <_> - - 0 -1 32 -707274321 1896302609 1132560802 -183140351 17019099 - 830472347 -1993621429 1440074510 - - -6.4869755506515503e-001 5.6941097974777222e-001 - <_> - - 0 -1 4 -1055898237 -104492975 -1795141251 1464975384 - -1602043461 -914358144 1111543953 -2067496448 - - -6.0432785749435425e-001 5.5685383081436157e-001 - <_> - - 0 -1 96 -520160401 2063466495 -65665 -134217729 -50462805 - 1761476478 1693969709 1910503031 - - -5.6237226724624634e-001 6.2263637781143188e-001 - <_> - - 0 -1 6 -1479564374 -954482597 16859161 -799804534 268468874 - 713187329 1108033665 -714619755 - - -6.9048601388931274e-001 5.3264212608337402e-001 - - <_> - 5 - -7.1249550580978394e-001 - - <_> - - 0 -1 21 -34638473 -553976197 -134217865 -159715533 - -142901385 -272629761 -8421377 -956303361 - - -6.4170038700103760e-001 7.0683228969573975e-001 - <_> - - 0 -1 100 -8389777 -185860353 -277 -2097152001 -161 - -209780865 -1 -529006609 - - -5.5270516872406006e-001 6.9983023405075073e-001 - <_> - - 0 -1 118 -545259537 -276857217 -1258291302 1652358910 - -134236308 1735819126 -16812809 -221249673 - - -5.6243920326232910e-001 6.2150186300277710e-001 - <_> - - 0 -1 19 -342885713 -1369882213 -2079215310 -765214587 - -2113207945 1074365452 1393631959 1409022707 - - -6.8943935632705688e-001 5.3469669818878174e-001 - <_> - - 0 -1 23 -506991005 1360417115 -1844809365 -821575604 - 21178499 986120459 1347943419 -969541850 - - -6.7428857088088989e-001 5.5008578300476074e-001 - - <_> - 6 - -3.0183684825897217e-001 - - <_> - - 0 -1 31 -144703505 -143130625 -17 -134381841 -143130625 - 2012741567 -134218802 -134217841 - - -5.3079712390899658e-001 7.5616836547851563e-001 - <_> - - 0 -1 35 -137887809 -1924805943 1363218446 -817782134 - 1099022547 1082327168 -1279204784 1128784467 - - -6.4090979099273682e-001 5.3444361686706543e-001 - <_> - - 0 -1 15 -786433589 -515129128 277173650 -132673121 - -884037451 1137229866 1938662135 -676336865 - - -5.2920126914978027e-001 5.9623366594314575e-001 - <_> - - 0 -1 92 -1897400451 -1627924747 -335548553 -1 1257762559 - -2113929417 -419433067 -235309193 - - -5.5294114351272583e-001 5.8814722299575806e-001 - <_> - - 0 -1 112 -187176146 1743897116 -1878957040 542033563 - 1372582934 823282242 -158609727 -779295046 - - -6.8665105104446411e-001 4.4378995895385742e-001 - <_> - - 0 -1 9 1676637640 1887961346 16875658 1977614736 1682145753 - 813744265 -842338550 1930548135 - - -7.5830078125000000e-001 3.9562159776687622e-001 - - <_> - 8 - -3.9228534698486328e-001 - - <_> - - 0 -1 25 -167774345 -6689161 -2097153 -4194541 -282329093 -1 - -1 -352323601 - - -4.7727271914482117e-001 7.4114018678665161e-001 - <_> - - 0 -1 2 -1051598753 -1005571964 1900827102 2065404120 - -1207262247 -120553331 -1725955392 -494812414 - - -5.2365595102310181e-001 5.3981113433837891e-001 - <_> - - 0 -1 116 -2142770433 -1601462143 16842760 -804892128 1032369 - 268763273 1091011104 -1142957585 - - -4.7790464758872986e-001 5.4881525039672852e-001 - <_> - - 0 -1 87 -532155537 1351188929 1073823759 -1253637875 - -721321497 -662691837 -955278809 1623500836 - - -6.8072116374969482e-001 3.7135115265846252e-001 - <_> - - 0 -1 113 -1996457508 -2146282492 -1728016135 -578347007 - -1609004859 193626505 1153570968 -1920333632 - - -5.7289212942123413e-001 4.6210876107215881e-001 - <_> - - 0 -1 56 -972008109 -691003372 -2147413749 2098355010 - 143009971 -1744174583 -1073051430 617488921 - - -5.9549087285995483e-001 4.8842963576316833e-001 - <_> - - 0 -1 48 26 1971388449 419479901 2080931848 -1140292918 - -1719074813 -2130476842 -268398592 - - -5.8355164527893066e-001 4.7890499234199524e-001 - <_> - - 0 -1 57 -1052266874 167813132 -2130690045 -703061621 - -131874777 -662142838 -1064730555 1119947703 - - -6.9379311800003052e-001 3.9936643838882446e-001 - - <_> - 9 - -6.6581231355667114e-001 - - <_> - - 0 -1 29 2080314175 -112910205 805323551 1024016674 - 1073891387 -2137847805 1653140111 -7676933 - - -5.5957448482513428e-001 5.4044550657272339e-001 - <_> - - 0 -1 94 -1358956801 -100880986 -1887436809 1073741823 - -1896350220 -838860811 268434686 -1912602633 - - -4.3124794960021973e-001 5.6135851144790649e-001 - <_> - - 0 -1 76 -26230993 1357905647 -1358958674 -135266305 -524434 - -176291841 -142622837 -1005125829 - - -4.6799373626708984e-001 5.1660954952239990e-001 - <_> - - 0 -1 30 -313836176 -742240245 16818511 -1391787262 - 1632363443 -156630911 -83631445 248984215 - - -6.2023061513900757e-001 3.9792594313621521e-001 - <_> - - 0 -1 91 -612895966 591778561 1073812490 369347088 - -1870223303 556335107 553910792 1907094058 - - -6.2148678302764893e-001 4.1758581995964050e-001 - <_> - - 0 -1 46 -1430257749 -672663689 -218104082 -135266322 - -1493174275 -873463809 -276826113 -690006715 - - -5.1617449522018433e-001 5.2012032270431519e-001 - <_> - - 0 -1 123 1088746207 1489289603 16781456 -443461355 - -762795606 -670564192 -1465814774 -101527550 - - -5.0202989578247070e-001 5.0987190008163452e-001 - <_> - - 0 -1 53 -1001679641 -955695103 25248080 -738078457 671123502 - 193003713 -1836523327 -216026117 - - -5.2692401409149170e-001 5.3243070840835571e-001 - <_> - - 0 -1 89 2147417937 -1048642 -1039 -1766457361 -134236382 - -1922646177 -16777473 -1534591162 - - -4.6150138974189758e-001 5.6634509563446045e-001 - - <_> - 8 - -1.2349532842636108e+000 - - <_> - - 0 -1 67 -142902409 -67142273 1878982639 -1182802113 -75841 - -274219146 -88604929 -31817921 - - -4.5625588297843933e-001 5.7534247636795044e-001 - <_> - - 0 -1 128 -808330661 1390004234 1107406871 -2098932967 - -767440829 1208655939 -1971196977 1351600587 - - -5.7236993312835693e-001 4.1942635178565979e-001 - <_> - - 0 -1 0 -805307409 -1052697 -65684 -4233 -134217745 -4194453 - -696778831 -708062879 - - -4.5485407114028931e-001 5.5909335613250732e-001 - <_> - - 0 -1 119 -169888509 1150652435 1074791064 541757442 - -645182635 989929472 1262741126 1963976639 - - -6.4869618415832520e-001 3.9796143770217896e-001 - <_> - - 0 -1 38 -912524801 811171970 33644801 -717151469 -2108956437 - 294158344 1109713681 1900266000 - - -5.0387507677078247e-001 5.1329559087753296e-001 - <_> - - 0 -1 20 -746687625 -200802301 1073872962 285491202 - 1208512717 -2138664446 -1837102693 1174835902 - - -5.9465301036834717e-001 4.4057011604309082e-001 - <_> - - 0 -1 16 -442903927 -988184502 -717209211 1443168395 - -1465793521 1252524168 1107337938 -1050414557 - - -5.9043467044830322e-001 4.3687704205513000e-001 - <_> - - 0 -1 104 -1692667790 -612286452 -1056931520 437452806 - -2136309078 -401536992 -1987928929 -1033981310 - - -5.0495445728302002e-001 4.9910807609558105e-001 - - <_> - 9 - -5.4583048820495605e-001 - - <_> - - 0 -1 97 -419954689 -570949699 2147417599 -1 -872415749 - -301989897 -872433670 -268443689 - - -4.0734556317329407e-001 7.1092438697814941e-001 - <_> - - 0 -1 3 -1062674253 1929486475 197402 1841550219 135268235 - -1165491808 956369290 1258896162 - - -5.4886269569396973e-001 4.1644170880317688e-001 - <_> - - 0 -1 37 -620271105 -901300206 1359008346 -603537150 - 1355455189 596312193 -247999129 -728767550 - - -5.1914668083190918e-001 3.9419922232627869e-001 - <_> - - 0 -1 17 -1072700149 546031429 12798103 1881656595 35238042 - 682232321 176931799 1148695251 - - -5.4100900888442993e-001 4.0588796138763428e-001 - <_> - - 0 -1 71 -522857685 1350893957 17339597 1999601732 -779974469 - -359071607 1879296642 -1236927697 - - -4.9249285459518433e-001 4.4877073168754578e-001 - <_> - - 0 -1 93 2037497904 492944831 -2013291075 -754983169 - 1837104414 -671812233 -1660989976 -973105033 - - -4.6483671665191650e-001 4.8267844319343567e-001 - <_> - - 0 -1 33 -553943182 -100663369 -1327169 -181207174 -805896236 - -16777225 -32770 -344459717 - - -3.9679497480392456e-001 5.6408804655075073e-001 - <_> - - 0 -1 44 -8439301 -9502850 2147412095 2134171367 1467968283 - -555876513 1719612907 -959121 - - -3.7275579571723938e-001 6.2219065427780151e-001 - <_> - - 0 -1 62 -2086686357 -2143072184 1073745988 -1878839231 - 1221503177 -2113732606 1133091218 1470880455 - - -5.5160778760910034e-001 4.4197219610214233e-001 - - <_> - 8 - -4.9482953548431396e-001 - - <_> - - 0 -1 124 803987455 -1207959557 -1073747969 -3 -1879048193 - -1720221705 -1073744641 -1212159499 - - -4.2883211374282837e-001 5.8106172084808350e-001 - <_> - - 0 -1 1 -1520569905 -125497088 1360134399 -49444069 - -1065189105 -612134877 -1497194288 -1006112575 - - -4.8296096920967102e-001 4.3431344628334045e-001 - <_> - - 0 -1 108 -67112229 -797503462 268623881 1083056391 - -1874187198 1879638016 -804355463 1985162053 - - -6.1597704887390137e-001 3.4508374333381653e-001 - <_> - - 0 -1 26 -686760009 1468434576 1140918535 -880733942 12599987 - -1304752000 -1593784081 115557220 - - -5.7973521947860718e-001 4.0324980020523071e-001 - <_> - - 0 -1 115 -753405796 4259842 -872415136 85172613 154534824 - 8454145 -2147292968 1094185899 - - -4.7171372175216675e-001 4.6018373966217041e-001 - <_> - - 0 -1 64 -737160572 2107229470 1478238399 386729999 46739708 - -1717532540 134302191 1502456202 - - -4.7625115513801575e-001 4.6307522058486938e-001 - <_> - - 0 -1 63 574973114 1079378118 151608 -1089433600 683881170 - 1234370560 25761968 1305471639 - - -5.4804503917694092e-001 4.2817059159278870e-001 - <_> - - 0 -1 126 -913048353 -1333444591 303141015 1107341569 - -1727960821 1644167297 -1190753878 1418524891 - - -6.3843786716461182e-001 3.2018747925758362e-001 - - <_> - 10 - -4.7552201151847839e-001 - - <_> - - 0 -1 54 -17825929 -8718489 -34111631 -135004289 -1358954497 - -16814213 -151556225 -285220369 - - -4.1965106129646301e-001 5.5681818723678589e-001 - <_> - - 0 -1 88 -1856526326 -645691871 337711324 1464176998 - -1602581814 -1710751608 168420078 -1341468062 - - -4.0517404675483704e-001 4.9981650710105896e-001 - <_> - - 0 -1 45 -741223945 -1627185101 822169913 407916675 - -897447857 589300224 540099855 -1156899883 - - -4.4794428348541260e-001 4.3524059653282166e-001 - <_> - - 0 -1 66 258608606 -1120993285 -419517441 -578240642 - -1879056401 -1101037569 -13383 -28301584 - - -3.9371734857559204e-001 5.2872020006179810e-001 - <_> - - 0 -1 117 -350280689 -829730738 -1073461695 38377489 - -645158785 839057410 -1249137694 1882566387 - - -5.7474929094314575e-001 3.8859930634498596e-001 - <_> - - 0 -1 34 1536523031 -952168281 -1855975139 -854621937 - -939095838 -1744699368 -796270511 1582955555 - - -5.4318642616271973e-001 4.1631007194519043e-001 - <_> - - 0 -1 51 1393782562 319525363 8471383 1368384004 889651722 - 1921550554 -1836930098 1660195204 - - -7.2387772798538208e-001 2.8236424922943115e-001 - <_> - - 0 -1 78 1675075922 637567168 -2130116204 -1890844654 - 34255055 167907336 1091555477 -2142773065 - - -5.3113341331481934e-001 3.7920853495597839e-001 - <_> - - 0 -1 7 1164149387 1433912608 16876979 1595080980 1275865262 - -1446313974 1241665562 173580528 - - -5.0643980503082275e-001 4.4159597158432007e-001 - <_> - - 0 -1 129 -111949961 -783789413 268583504 -923765997 - -1073657336 -1340440574 -394149886 1216081042 - - -5.0880813598632813e-001 4.1170257329940796e-001 - - <_> - 11 - -6.9445723295211792e-001 - - <_> - - 0 -1 106 -487588613 -118095873 -1 2109472735 -1258291202 - -101712129 -33832963 -67652237 - - -4.0311419963836670e-001 6.2951332330703735e-001 - <_> - - 0 -1 49 -268435473 -353372166 2138045906 -4121 -276824105 - 1317007308 -41945099 -134484017 - - -3.5493713617324829e-001 5.5815106630325317e-001 - <_> - - 0 -1 5 1460877355 -15613689 558207061 -1623109371 - -1926723379 244908044 -113047169 1414649856 - - -5.8201593160629272e-001 3.5618588328361511e-001 - <_> - - 0 -1 103 -669296387 189940185 -1860046723 -1760460773 - -1740078915 -931100536 276828352 -1917868015 - - -4.2647001147270203e-001 4.6035429835319519e-001 - <_> - - 0 -1 107 -2109233498 -602287230 -1054785005 1360101827 - 1099137177 -318504822 -1341497202 232232049 - - -4.9850422143936157e-001 4.4256457686424255e-001 - <_> - - 0 -1 40 -54286241 -1608934766 286327519 -1270398764 - 1267376258 1636335746 542720627 1966594122 - - -5.5573022365570068e-001 3.9825862646102905e-001 - <_> - - 0 -1 18 -904213325 1133543618 67508251 -714997735 1094779186 - 160088201 872654991 -903019733 - - -5.2738076448440552e-001 3.8662704825401306e-001 - <_> - - 0 -1 70 1275766299 1347454976 150995380 -217382907 - 1661501627 -788494333 1259046051 -1006600122 - - -4.6260216832160950e-001 4.6852749586105347e-001 - <_> - - 0 -1 121 -367803633 420562962 36765796 -502050533 1380984391 - 268601345 536897573 -995624251 - - -5.2821987867355347e-001 4.4226339459419250e-001 - <_> - - 0 -1 68 -470086117 1069514507 -268472471 1936420849 - -1904232854 1475346303 -160432647 -258802070 - - -4.5063796639442444e-001 5.2728754281997681e-001 - <_> - - 0 -1 85 -698610339 -1504477166 1267372697 822280328 - -909606742 -561903583 -1658732533 962675013 - - -5.5067950487136841e-001 3.9346820116043091e-001 - - <_> - 9 - -7.5511032342910767e-001 - - <_> - - 0 -1 27 -485801045 -1031585761 285212749 -1013038975 - 427848842 -1006632832 -1039468406 -162905189 - - -4.8945146799087524e-001 4.7218933701515198e-001 - <_> - - 0 -1 114 -962887670 1547862275 -1827077881 1140871689 - -536829941 -763363328 -264142181 1112595267 - - -6.1379230022430420e-001 3.4447920322418213e-001 - <_> - - 0 -1 111 -784109321 320069633 1073811463 1074292770 - -2138957664 -2130001880 -2147252214 315289683 - - -5.6861025094985962e-001 3.7049382925033569e-001 - <_> - - 0 -1 80 -679857295 -17928596 -328961 991442748 1064728144 - -357040523 -1082493190 -1368229638 - - -3.9095887541770935e-001 6.0248941183090210e-001 - <_> - - 0 -1 82 175736687 -17072405 2130705262 -218107907 - -1358978530 1692925804 787824558 -672137257 - - -4.0445902943611145e-001 6.0857713222503662e-001 - <_> - - 0 -1 47 -985116365 -553647839 420626839 1968635918 - -1576924981 -360119808 142606465 -795508656 - - -4.8094493150711060e-001 5.1770961284637451e-001 - <_> - - 0 -1 50 -1459109750 33792144 21514342 1343230978 1124110539 - 50364672 441024643 -202393597 - - -5.2261912822723389e-001 4.6680617332458496e-001 - <_> - - 0 -1 98 -259008926 1378975745 -1476362162 1888485505 - 1082744897 571146241 1367392642 -1073229683 - - -6.1712646484375000e-001 3.8970091938972473e-001 - <_> - - 0 -1 125 34318799 1090695442 25199491 1342177299 -2060943181 - 143360000 -2097010032 -907873592 - - -5.3400212526321411e-001 4.4268184900283813e-001 - - <_> - 10 - -4.8388049006462097e-001 - - <_> - - 0 -1 120 -1477443585 -1140940929 -1342185476 1308588029 - -1376256001 218070525 1073741181 -41951875 - - -5.0602412223815918e-001 5.5081558227539063e-001 - <_> - - 0 -1 36 -73936261 -2137816955 -1073659749 -553533419 - -1073706765 -30799693 -972443088 1998113303 - - -4.8420175909996033e-001 4.5527526736259460e-001 - <_> - - 0 -1 77 454566983 420696071 16777221 -2130608117 -1719576352 - -644874174 -2111166071 577795078 - - -6.1467814445495605e-001 3.4610831737518311e-001 - <_> - - 0 -1 60 -1592753970 -251404269 570458176 486621571 - -2130476982 -1207431030 25803086 -2029039551 - - -5.2004736661911011e-001 4.5498979091644287e-001 - <_> - - 0 -1 72 694105913 1907355278 -37129 821280759 931135417 - -923336907 1073716718 -68419540 - - -4.1492795944213867e-001 5.7309722900390625e-001 - <_> - - 0 -1 79 1393265851 -1032732526 264196 -920530793 754211 - 169623560 1149456611 1135983235 - - -5.1638025045394897e-001 4.7242832183837891e-001 - <_> - - 0 -1 73 706130001 -1708251305 1056944760 1006373626 - -1303178409 -813991949 -1183128387 -604048669 - - -4.1649991273880005e-001 5.9589266777038574e-001 - <_> - - 0 -1 95 -904859491 -134017015 1090589192 -587038719 - -167673709 -897449815 152141841 886696449 - - -6.4827072620391846e-001 3.5843926668167114e-001 - <_> - - 0 -1 90 -717057392 690163912 822149263 65803 -1706982525 - -1736400884 534537 -1630082545 - - -5.0309199094772339e-001 5.1634097099304199e-001 - <_> - - 0 -1 12 -1366843350 -2126376671 1041 -566034432 142770176 - 12583104 51712 1116198165 - - -7.9860860109329224e-001 3.1541401147842407e-001 - - <_> - 10 - -5.6616169214248657e-001 - - <_> - - 0 -1 28 -143395977 2004844407 -32897 1840447419 -852257 - -4097 -272630497 -1165502065 - - -4.4186046719551086e-001 5.1379764080047607e-001 - <_> - - 0 -1 8 -519577109 -427718635 -1862262703 -65943231 9163380 - 1112064264 553714225 1157599521 - - -6.9529622793197632e-001 2.9373377561569214e-001 - <_> - - 0 -1 109 990036221 -1392408495 85 -1455423472 537079956 - -1451032448 -2121658180 -1917118335 - - -4.6548900008201599e-001 4.4904062151908875e-001 - <_> - - 0 -1 83 -307263958 1726969598 602799716 -587284627 - -2110304757 -1500547078 1400237979 -194002951 - - -4.4492045044898987e-001 5.2867370843887329e-001 - <_> - - 0 -1 84 -696132137 331497536 -1868546039 -1859480056 - 1753940107 -1029504896 -1341584891 937520647 - - -4.9129620194435120e-001 4.4696673750877380e-001 - <_> - - 0 -1 61 -1056718371 -912911872 67113021 1498447874 134777514 - -1412955989 -2138406733 1082270464 - - -5.8106380701065063e-001 4.1291686892509460e-001 - <_> - - 0 -1 43 -648808770 -703963135 -2147401712 -1858043831 - 1073823883 1074266248 159924795 1879588907 - - -5.2166140079498291e-001 4.6159252524375916e-001 - <_> - - 0 -1 65 538123210 285607041 -2122121208 -1651965941 - -1047953261 1661077920 591915 1689841382 - - -7.4180144071578979e-001 3.0022916197776794e-001 - <_> - - 0 -1 55 805390529 407044123 285213203 211421255 -1702852378 - -1919942528 -2134294375 2066729839 - - -4.8658525943756104e-001 5.4231238365173340e-001 - <_> - - 0 -1 69 -490280822 -1274937328 268439820 1359003776 - -931126870 1220674050 268681287 1997226373 - - -5.6268626451492310e-001 4.5061412453651428e-001 - - <_> - 10 - -9.9649858474731445e-001 - - <_> - - 0 -1 122 -1745100805 -1209164803 -1073770531 -436207891 - -1090560009 234354687 -1610664449 -1082138881 - - -4.0143370628356934e-001 5.6573116779327393e-001 - <_> - - 0 -1 11 -644493203 -1021149047 16847288 -804977263 - 1074438223 1375879170 1099505907 -233072125 - - -4.9022576212882996e-001 4.1356840729713440e-001 - <_> - - 0 -1 110 -1092637138 -1127253650 -604013462 309325799 - 511047567 -562074754 -700452946 -763371997 - - -4.2038223147392273e-001 5.0647193193435669e-001 - <_> - - 0 -1 24 1223739637 -1419051417 1043595135 -215335105 - 376670206 -167870465 -4194306 -222771398 - - -4.0432786941528320e-001 5.9335744380950928e-001 - <_> - - 0 -1 75 -1761937577 -1076383745 -286361737 -9060559 - 2013197781 2013265783 -98370 -1002109842 - - -4.4517979025840759e-001 5.2503407001495361e-001 - <_> - - 0 -1 102 1359075611 -233766656 65681 -1878048735 -1610570746 - 1379991688 -1073689784 -221669373 - - -4.9918147921562195e-001 4.6203434467315674e-001 - <_> - - 0 -1 52 1186053495 -36241670 -268451888 519745529 175382495 - 788381687 2147319804 1327036346 - - -4.6265572309494019e-001 5.1841813325881958e-001 - <_> - - 0 -1 59 -1040035797 1946189894 50247 -1862266624 1090519113 - 268961800 679544907 757613389 - - -5.5006593465805054e-001 4.4656375050544739e-001 - <_> - - 0 -1 10 1610993732 -939524096 1073877397 -267910919 - 151167146 537427968 -769096510 -181428117 - - -5.6329357624053955e-001 4.2267900705337524e-001 - <_> - - 0 -1 86 -1596021624 2047393801 -2130673584 -1856700352 - 327207619 272728192 -2004808112 491069440 - - -6.3942277431488037e-001 3.8081073760986328e-001 - - <_> - 8 - -5.5261385440826416e-001 - - <_> - - 0 -1 13 -648185009 -1315897313 -2139077632 1367998985 - 1744840211 -1005502457 -935198613 -74777841 - - -5.3191488981246948e-001 4.0654698014259338e-001 - <_> - - 0 -1 105 1699432742 -1890377581 1343232064 -1039957887 - -2142687167 637566976 -2122282989 -460871217 - - -5.4315727949142456e-001 3.6683899164199829e-001 - <_> - - 0 -1 81 -67160267 2105388843 -1619001345 1937768302 - -1359003974 -1098989786 -805322771 -1874678652 - - -3.9974156022071838e-001 5.5645257234573364e-001 - <_> - - 0 -1 58 -1072656189 1095241792 16777487 -352059374 4718723 - 1109393544 1074438486 -1848987381 - - -5.0869542360305786e-001 4.9633875489234924e-001 - <_> - - 0 -1 22 226493774 -1911816127 1091108968 26214662 26222970 - -1123287032 -1987040599 -882898875 - - -6.0312920808792114e-001 3.5752627253532410e-001 - <_> - - 0 -1 127 -259153461 -805273578 50364730 -1060208632 - -1708161014 947912705 -2147450710 80388754 - - -6.9576680660247803e-001 3.3376914262771606e-001 - <_> - - 0 -1 42 -800800303 1368954882 75795 2031108096 -2013069281 - 212336778 538680 2064105488 - - -5.6596046686172485e-001 4.3809539079666138e-001 - <_> - - 0 -1 74 -2108215089 1260109955 -1207926768 268812673 - -2146893693 167788680 55189712 -140564306 - - -5.1393473148345947e-001 4.8148322105407715e-001 - - <_> - - 0 0 1 2 - <_> - - 0 0 1 3 - <_> - - 0 0 2 1 - <_> - - 0 0 2 11 - <_> - - 0 0 3 1 - <_> - - 0 0 4 4 - <_> - - 0 1 1 3 - <_> - - 0 1 3 5 - <_> - - 0 2 1 2 - <_> - - 0 2 4 17 - <_> - - 0 3 1 1 - <_> - - 0 4 1 1 - <_> - - 0 4 1 4 - <_> - - 0 4 1 18 - <_> - - 0 4 2 21 - <_> - - 0 5 1 1 - <_> - - 0 5 1 2 - <_> - - 0 5 1 4 - <_> - - 0 5 2 11 - <_> - - 0 6 1 2 - <_> - - 0 7 1 15 - <_> - - 0 7 2 18 - <_> - - 0 13 3 3 - <_> - - 0 13 3 19 - <_> - - 0 14 2 5 - <_> - - 0 14 2 14 - <_> - - 0 16 3 17 - <_> - - 0 17 1 6 - <_> - - 0 17 2 9 - <_> - - 0 18 1 6 - <_> - - 0 19 2 17 - <_> - - 0 21 4 13 - <_> - - 0 21 4 16 - <_> - - 0 22 2 8 - <_> - - 0 36 1 5 - <_> - - 0 40 2 12 - <_> - - 0 43 1 7 - <_> - - 0 46 2 10 - <_> - - 0 48 1 9 - <_> - - 0 48 2 4 - <_> - - 0 50 1 2 - <_> - - 0 56 2 3 - <_> - - 0 71 1 3 - <_> - - 0 74 1 2 - <_> - - 0 77 1 1 - <_> - - 0 77 2 1 - <_> - - 1 0 1 3 - <_> - - 1 0 2 1 - <_> - - 1 0 3 1 - <_> - - 1 2 1 1 - <_> - - 1 4 1 2 - <_> - - 1 4 3 23 - <_> - - 1 5 2 7 - <_> - - 1 9 1 1 - <_> - - 1 10 2 15 - <_> - - 1 12 2 7 - <_> - - 1 14 2 9 - <_> - - 1 25 2 18 - <_> - - 1 39 2 10 - <_> - - 1 71 1 3 - <_> - - 2 0 1 3 - <_> - - 2 0 2 1 - <_> - - 2 3 1 2 - <_> - - 2 4 1 5 - <_> - - 2 16 3 8 - <_> - - 2 18 3 14 - <_> - - 2 21 2 2 - <_> - - 2 22 1 4 - <_> - - 2 24 1 2 - <_> - - 2 64 1 5 - <_> - - 3 0 2 1 - <_> - - 3 1 3 25 - <_> - - 3 2 3 6 - <_> - - 3 3 2 11 - <_> - - 3 6 1 3 - <_> - - 3 17 1 11 - <_> - - 3 22 3 17 - <_> - - 3 23 1 4 - <_> - - 3 42 1 10 - <_> - - 3 52 1 6 - <_> - - 3 77 1 1 - <_> - - 4 0 2 2 - <_> - - 4 1 1 2 - <_> - - 4 2 1 1 - <_> - - 5 7 2 20 - <_> - - 5 12 2 19 - <_> - - 5 14 1 3 - <_> - - 5 19 2 15 - <_> - - 6 0 1 1 - <_> - - 6 0 2 1 - <_> - - 6 1 2 13 - <_> - - 6 5 2 5 - <_> - - 6 7 2 17 - <_> - - 6 10 2 7 - <_> - - 6 13 2 10 - <_> - - 6 14 2 13 - <_> - - 6 16 2 14 - <_> - - 6 19 2 7 - <_> - - 6 36 1 8 - <_> - - 6 39 2 7 - <_> - - 6 41 2 9 - <_> - - 6 44 2 2 - <_> - - 6 51 2 6 - <_> - - 6 77 2 1 - <_> - - 7 0 1 1 - <_> - - 7 9 1 2 - <_> - - 7 20 1 9 - <_> - - 7 23 1 4 - <_> - - 7 45 1 7 - <_> - - 7 77 1 1 - <_> - - 8 0 1 1 - <_> - - 8 47 1 11 - <_> - - 8 53 1 4 - <_> - - 8 77 1 1 - <_> - - 9 0 1 2 - <_> - - 9 0 1 15 - <_> - - 9 0 1 20 - <_> - - 9 2 1 3 - <_> - - 9 3 1 2 - <_> - - 9 6 1 3 - <_> - - 9 9 1 13 - <_> - - 9 13 1 2 - <_> - - 9 13 1 8 - <_> - - 9 19 1 16 - <_> - - 9 20 1 4 - <_> - - 9 25 1 4 - <_> - - 9 43 1 5 - <_> - - 9 48 1 4 - <_> - - 9 59 1 3 - <_> - - 9 61 1 5 - diff --git a/vendor/opencv/sdk/etc/valgrind.supp b/vendor/opencv/sdk/etc/valgrind.supp deleted file mode 100644 index c71cdf965d..0000000000 --- a/vendor/opencv/sdk/etc/valgrind.supp +++ /dev/null @@ -1,289 +0,0 @@ -{ - OpenCV-IPP static init - Memcheck:Cond - fun:ippicvGetCpuFeatures - fun:ippicvStaticInit -} - -{ - OpenCV-getInitializationMutex - Memcheck:Leak - ... - fun:_ZN2cv22getInitializationMutexEv -} - -{ - OpenCV-SingletonBuffer - Memcheck:Leak - ... - fun:_ZN2cv20allocSingletonBufferEm -} - -{ - OpenCV-SingletonNewBuffer - Memcheck:Leak - ... - fun:_ZN2cv23allocSingletonNewBufferEm -} - -{ - OpenCV-getStdAllocator - Memcheck:Leak - ... - fun:_ZN2cv3Mat15getStdAllocatorEv -} - -{ - OpenCV-getOpenCLAllocator - Memcheck:Leak - ... - fun:_ZN2cv3ocl18getOpenCLAllocatorEv -} - -{ - OpenCV-getCoreTlsData - Memcheck:Leak - ... - fun:_ZN2cv14getCoreTlsDataEv -} - -{ - OpenCV-TLS-getTlsStorage - Memcheck:Leak - ... - fun:_ZN2cv*L13getTlsStorageEv -} - -{ - OpenCV-TLS-getData() - Memcheck:Leak - ... - fun:*setData* - fun:_ZNK2cv16TLSDataContainer7getDataEv -} - -{ - OpenCV-parallel_for-reconfigure - Memcheck:Leak - ... - fun:_ZN2cv10ThreadPool12reconfigure_Ej -} - -{ - OpenCV-parallel_for-instance - Memcheck:Leak - fun:_Znwm - fun:*instance* - ... - fun:_ZN2cv13parallel_for_ERKNS_5RangeERKNS_16ParallelLoopBodyEd -} - -{ - OpenCV-parallel_for-setNumThreads() - Memcheck:Leak - ... - fun:_ZN2cv13setNumThreadsEi -} - -{ - OpenCV-parallel_for-getNumThreads() - Memcheck:Leak - ... - fun:_ZN2cv13getNumThreadsEv -} - -{ - OpenCV-getIPPSingelton - Memcheck:Leak - ... - fun:_ZN2cv3ippL15getIPPSingeltonEv -} - -{ - OpenCV-getGlobalMatOpInitializer - Memcheck:Leak - fun:_Znwm - fun:_ZN2cvL25getGlobalMatOpInitializerEv -} - -{ - OpenCV-CoreTLSData - Memcheck:Leak - ... - fun:_ZNK2cv7TLSDataINS_11CoreTLSDataEE3getEv -} - -{ - OpenCV-getThreadID() - Memcheck:Leak - ... - fun:_ZN2cv5utils11getThreadIDEv -} - -{ - OpenCV-ThreadID - Memcheck:Leak - fun:_Znwm - fun:_ZNK2cv7TLSDataINS_12_GLOBAL__N_18ThreadIDEE18createDataInstanceEv -} - -{ - OpenCV-ThreadID-TLS - Memcheck:Leak - fun:_Znwm - fun:getThreadIDTLS -} - -{ - OpenCV-CoreTLS - Memcheck:Leak - fun:_Znwm - fun:_ZNK2cv7TLSDataINS_11CoreTLSDataEE18createDataInstanceEv -} - -{ - OpenCV-UMatDataAutoLockerTLS - Memcheck:Leak - ... - fun:_ZN2cvL21getUMatDataAutoLockerEv -} - -{ - OpenCV-haveOpenCL - Memcheck:Leak - ... - fun:_ZN2cv3ocl10haveOpenCLEv -} - -{ - OpenCV-DNN-getLayerFactoryMutex - Memcheck:Leak - ... - fun:_ZN2cv3dnn*20getLayerFactoryMutexEv -} - -{ - OpenCV-ocl::Context - Memcheck:Leak - ... - fun:_ZN2cv3ocl7Context10getDefaultEb -} - -{ - OpenCV-ocl::Device - Memcheck:Leak - ... - fun:_ZN2cv3ocl6Device10getDefaultEv -} - -{ - OpenCV-ocl::Queue - Memcheck:Leak - ... - fun:_ZN2cv3ocl5Queue6createERKNS0_7ContextERKNS0_6DeviceE -} - -{ - OpenCV-ocl::Program - Memcheck:Leak - ... - fun:_ZN2cv3ocl6Kernel6createEPKcRKNS0_7ProgramE -} - -{ - OpenCV-ocl::ProgramEntry - Memcheck:Leak - ... - fun:_ZNK2cv3ocl8internal12ProgramEntrycvRNS0_13ProgramSourceEEv -} - -{ - OpenCV-ocl::Context::getProg - Memcheck:Leak - ... - fun:_ZN2cv3ocl7Context7getProgERKNS0_13ProgramSourceERKNS_6StringERS5_ -} - -{ - OpenCV-getTraceManager() - Memcheck:Leak - ... - fun:getTraceManagerCallOnce -} - -{ - OpenCV-ITT - Memcheck:Leak - ... - fun:__itt_*create* -} - -{ - OpenCV-SingletonLogger - Memcheck:Leak - ... - fun:_ZN2cv5utils7logging8internalL26getGlobalLoggingInitStructEv -} - -{ - OpenCV-gtk_init - Memcheck:Leak - ... - fun:gtk_init - fun:cvInitSystem -} - -{ - OpenCV-FFmpeg-swsscale - Memcheck:Addr16 - ... - fun:sws_scale - fun:_ZN20CvVideoWriter_FFMPEG10writeFrameEPKhiiiii - fun:cvWriteFrame_FFMPEG -} - -{ - OpenCV-GStreamer-gst_init - Memcheck:Leak - ... - fun:gst_init -} - -{ - OpenCV-GStreamer-gst_deinit - Memcheck:Leak - ... - fun:gst_deinit -} - -{ - OpenCV-GStreamer-gst_init_check - Memcheck:Leak - ... - fun:gst_init_check -} - -{ - OpenCV-GStreamer-gst_parse_launch_full-reachable - Memcheck:Leak - match-leak-kinds: reachable - ... - fun:gst_parse_launch_full -} - -{ - OpenCV-OpenEXR-ThreadPool - Memcheck:Leak - fun:_Znwm - fun:_ZN16IlmThread_opencv10ThreadPoolC1Ej - fun:_ZN16IlmThread_opencv10ThreadPool16globalThreadPoolEv -} - -{ - OpenCV-test-gapi-thread-tls - Memcheck:Leak - match-leak-kinds: possible - fun:calloc - fun:allocate_dtv - fun:_dl_allocate_tls -} diff --git a/vendor/opencv/sdk/etc/valgrind_3rdparty.supp b/vendor/opencv/sdk/etc/valgrind_3rdparty.supp deleted file mode 100644 index 9e9e8e5895..0000000000 --- a/vendor/opencv/sdk/etc/valgrind_3rdparty.supp +++ /dev/null @@ -1,230 +0,0 @@ -{ - IPP static init - Memcheck:Cond - fun:ippicvGetCpuFeatures - fun:ippicvStaticInit -} - -{ - TBB - allocate_via_handler_v3 issue - Memcheck:Leak - fun:malloc - fun:_ZN3tbb8internal23allocate_via_handler_v3Em -} - -{ - GTest - Memcheck:Cond - fun:_ZN7testing8internal11CmpHelperLEIddEENS_15AssertionResultEPKcS4_RKT_RKT0_ -} - -{ - GTest-RegisterTests - Memcheck:Leak - ... - fun:RegisterTests - ... - fun:_ZN7testing14InitGoogleTestEPiPPc -} - -{ - OpenCL - Memcheck:Cond - ... - obj:**/libOpenCL.so* -} - -{ - OpenCL-Intel - Memcheck:Cond - ... - obj:**/libigdrcl.so -} - -{ - OpenCL-Intel - Memcheck:Leak - ... - obj:*/libigdrcl.so* -} - -{ - OpenCL - Memcheck:Param - ioctl(generic) - ... - fun:clGetPlatformIDs -} - -{ - OpenCL-Init - Memcheck:Leak - ... - fun:clGetPlatformIDs -} - -{ - GTK-css - Memcheck:Leak - ... - fun:gtk_css_provider* -} - -{ - gcrypt - Memcheck:Leak - ... - obj:*/libgcrypt* -} - -{ - p11-kit - Memcheck:Leak - fun:*alloc - obj:*/libp11-kit* -} - -{ - gobject - Memcheck:Leak - fun:*alloc - ... - obj:*/libgobject* -} - -{ - tasn - Memcheck:Leak - fun:*alloc - obj:*/libtasn*.so* -} - -{ - dl_init - Memcheck:Leak - ... - fun:_dl_init -} - -{ - dl_open - Memcheck:Leak - ... - fun:_dl_open -} - -{ - GDAL - Memcheck:Leak - fun:*alloc - ... - obj:/usr/lib/libgdal.so.1.17.1 -} - -{ - FFMPEG-sws_scale - Memcheck:Addr16 - ... - fun:sws_scale - ... - fun:cvWriteFrame_FFMPEG -} - -{ - GStreamer-orc_program_compile_full - Memcheck:Leak - match-leak-kinds: reachable - ... - fun:orc_program_compile_full - ... - fun:clone -} - -{ - GStreamer-orc_program_new_from_static_bytecode - Memcheck:Leak - match-leak-kinds: reachable - ... - fun:orc_program_new_from_static_bytecode - ... - fun:clone -} - -{ - GStreamer-matroska-other - Memcheck:Leak - ... - fun:gst* - obj:*gstmatroska* - ... - obj:*glib* - fun:start_thread - fun:clone -} - -{ - GStreamer-matroska-gst_riff_create_video_caps - Memcheck:Leak - ... - fun:gst_riff_create_video_caps - obj:*gstmatroska* - ... - fun:clone -} - - -{ - GStreamer-tls - Memcheck:Leak - match-leak-kinds: possible - fun:calloc - fun:allocate_dtv - fun:_dl_allocate_tls -} - -{ - GStreamer-registry - Memcheck:Leak - ... - fun:gst_update_registry -} - -{ - GStreamer-plugin_load - Memcheck:Leak - ... - fun:gst_plugin_load_by_name -} - -{ - GStreamer-separate-threads - Memcheck:Leak - ... - obj:*/libglib* - fun:start_thread - fun:clone -} - -{ - clone-unknown-leak - Memcheck:Leak - match-leak-kinds: definite - fun:_Znwm - obj:* - obj:* - fun:start_thread - fun:clone -} - -{ - avcodec57-ffv1-16bit-ubuntu18 - Memcheck:Cond - ... - obj:/usr/lib/x86_64-linux-gnu/libavcodec.so.57.107.100 - fun:avcodec_default_execute - obj:/usr/lib/x86_64-linux-gnu/libavcodec.so.57.107.100 - fun:avcodec_encode_video2 - obj:/usr/lib/x86_64-linux-gnu/libavcodec.so.57.107.100 - fun:avcodec_send_frame - ... -} diff --git a/vendor/opencv/sdk/java/AndroidManifest.xml b/vendor/opencv/sdk/java/AndroidManifest.xml deleted file mode 100644 index e971f76703..0000000000 --- a/vendor/opencv/sdk/java/AndroidManifest.xml +++ /dev/null @@ -1,4 +0,0 @@ - - - diff --git a/vendor/opencv/sdk/java/javadoc/allclasses-index.html b/vendor/opencv/sdk/java/javadoc/allclasses-index.html deleted file mode 100644 index bb94d71621..0000000000 --- a/vendor/opencv/sdk/java/javadoc/allclasses-index.html +++ /dev/null @@ -1,740 +0,0 @@ - - - - -All Classes and Interfaces (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

All Classes and Interfaces

-
-
-
-
-
-
Class
-
Description
-
AffineFeature
-
-
Class for implementing the wrapper which makes detectors and extractors to be affine invariant, - described as ASIFT in CITE: YM11 .
-
-
AgastFeatureDetector
-
-
Wrapping class for feature detection using the AGAST method.
-
-
AKAZE
-
-
Class implementing the AKAZE keypoint detector and descriptor extractor, described in CITE: ANB13.
-
-
Algorithm
-
-
This is a base class for all more or less complex algorithms in OpenCV - - especially for classes of algorithms, for which there can be multiple implementations.
-
-
AlignExposures
-
-
The base class for algorithms that align images of the same scene with different exposures
-
-
AlignMTB
-
-
This algorithm converts images to median threshold bitmaps (1 for pixels brighter than median - luminance and 0 otherwise) and than aligns the resulting bitmaps using bit operations.
-
-
Animation
-
-
Represents an animation with multiple frames.
-
-
ANN_MLP
-
-
Artificial Neural Networks - Multi-Layer Perceptrons.
-
-
ArucoDetector
-
-
The main functionality of ArucoDetector class is detection of markers in an image with detectMarkers() method.
-
-
BackgroundSubtractor
-
-
Base class for background/foreground segmentation.
-
-
BackgroundSubtractorKNN
-
-
K-nearest neighbours - based Background/Foreground Segmentation Algorithm.
-
-
BackgroundSubtractorMOG2
-
-
Gaussian Mixture-based Background/Foreground Segmentation Algorithm.
-
-
BarcodeDetector
-
 
-
BaseCascadeClassifier
-
 
-
BFMatcher
-
-
Brute-force descriptor matcher.
-
-
Board
-
-
Board of ArUco markers - - A board is a set of markers in the 3D space with a common coordinate system.
-
-
Boost
-
-
Boosted tree classifier derived from DTrees - - SEE: REF: ml_intro_boost
-
-
BOWImgDescriptorExtractor
-
-
Class to compute an image descriptor using the *bag of visual words*.
-
-
BOWKMeansTrainer
-
-
kmeans -based class to train visual vocabulary using the *bag of visual words* approach.
-
-
BOWTrainer
-
-
Abstract base class for training the *bag of visual words* vocabulary from a set of descriptors.
-
-
BRISK
-
-
Class implementing the BRISK keypoint detector and descriptor extractor, described in CITE: LCS11 .
-
-
BuildConfig
-
 
-
Calib3d
-
 
-
CalibrateCRF
-
-
The base class for camera response calibration algorithms.
-
-
CalibrateDebevec
-
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
-
-
CalibrateRobertson
-
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
-
-
Camera2Renderer
-
 
-
CameraActivity
-
 
-
CameraBridgeViewBase
-
-
This is a basic class, implementing the interaction with Camera and OpenCV library.
-
-
CameraBridgeViewBase.CvCameraViewFrame
-
-
This class interface is abstract representation of single frame from camera for onCameraFrame callback - Attention: Do not use objects, that represents this interface out of onCameraFrame callback!
-
-
CameraBridgeViewBase.CvCameraViewListener
-
 
-
CameraBridgeViewBase.CvCameraViewListener2
-
 
-
CameraBridgeViewBase.ListItemAccessor
-
 
-
CameraGLRendererBase
-
 
-
CameraGLSurfaceView
-
 
-
CameraGLSurfaceView.CameraTextureListener
-
 
-
CameraRenderer
-
 
-
CascadeClassifier
-
-
Cascade classifier class for object detection.
-
-
CharucoBoard
-
-
ChArUco board is a planar chessboard where the markers are placed inside the white squares of a chessboard.
-
-
CharucoDetector
-
 
-
CharucoParameters
-
 
-
CLAHE
-
-
Base class for Contrast Limited Adaptive Histogram Equalization.
-
-
ClassificationModel
-
-
This class represents high-level API for classification models.
-
-
Converters
-
 
-
Core
-
 
-
Core.MinMaxLocResult
-
 
-
CvException
-
 
-
CvType
-
 
-
DenseOpticalFlow
-
-
Base class for dense optical flow algorithms
-
-
DescriptorMatcher
-
-
Abstract base class for matching keypoint descriptors.
-
-
DetectionModel
-
-
This class represents high-level API for object detection networks.
-
-
DetectorParameters
-
-
struct DetectorParameters is used by ArucoDetector
-
-
Dictionary
-
-
Dictionary is a set of unique ArUco markers of the same size - - bytesList storing as 2-dimensions Mat with 4-th channels (CV_8UC4 type was used) and contains the marker codewords where: - - bytesList.rows is the dictionary size - - each marker is encoded using nbytes = ceil(markerSize*markerSize/8.) bytes - - each row contains all 4 rotations of the marker, so its length is 4*nbytes - - the byte order in the bytesList[i] row: - //bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3// - So bytesList.ptr(i)[k*nbytes + j] is the j-th byte of i-th marker, in its k-th rotation.
-
-
DictValue
-
-
This struct stores the scalar value (or array) of one of the following type: double, cv::String or int64.
-
-
DISOpticalFlow
-
-
DIS optical flow algorithm.
-
-
DMatch
-
-
Structure for matching: query descriptor index, train descriptor index, train - image index and distance between descriptors.
-
-
Dnn
-
 
-
DTrees
-
-
The class represents a single decision tree or a collection of decision trees.
-
-
EM
-
-
The class implements the Expectation Maximization algorithm.
-
-
FaceDetectorYN
-
-
DNN-based face detector - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
-
-
FaceRecognizerSF
-
-
DNN-based face recognizer - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface
-
-
FarnebackOpticalFlow
-
-
Class computing a dense optical flow using the Gunnar Farneback's algorithm.
-
-
FastFeatureDetector
-
-
Wrapping class for feature detection using the FAST method.
-
-
Feature2D
-
-
Abstract base class for 2D image feature detectors and descriptor extractors
-
-
Features2d
-
 
-
FlannBasedMatcher
-
-
Flann-based descriptor matcher.
-
-
FpsMeter
-
 
-
GeneralizedHough
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform
-
-
GeneralizedHoughBallard
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position only without translation and rotation CITE: Ballard1981 .
-
-
GeneralizedHoughGuil
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position, translation and rotation CITE: Guil1999 .
-
-
GFTTDetector
-
-
Wrapping class for feature detection using the goodFeaturesToTrack function.
-
-
GraphicalCodeDetector
-
 
-
GridBoard
-
-
Planar board with grid arrangement of markers - - More common type of board.
-
-
HOGDescriptor
-
-
Implementation of HOG (Histogram of Oriented Gradients) descriptor and object detector.
-
-
Image2BlobParams
-
-
Processing params of image to blob.
-
-
Imgcodecs
-
 
-
Imgproc
-
 
-
IntelligentScissorsMB
-
-
Intelligent Scissors image segmentation - - This class is used to find the path (contour) between two points - which can be used for image segmentation.
-
-
IStreamReader
-
-
Read data stream interface
-
-
JavaCamera2View
-
-
This class is an implementation of the Bridge View between OpenCV and Java Camera.
-
-
JavaCamera2View.JavaCameraSizeAccessor
-
 
-
JavaCameraView
-
-
This class is an implementation of the Bridge View between OpenCV and Java Camera.
-
-
JavaCameraView.JavaCameraSizeAccessor
-
 
-
KalmanFilter
-
-
Kalman filter class.
-
-
KAZE
-
-
Class implementing the KAZE keypoint detector and descriptor extractor, described in CITE: ABD12 .
-
-
KeyPoint
-
 
-
KeypointsModel
-
-
This class represents high-level API for keypoints models - - KeypointsModel allows to set params for preprocessing input image.
-
-
KNearest
-
-
The class implements K-Nearest Neighbors model - - SEE: REF: ml_intro_knn
-
-
Layer
-
-
This interface class allows to build new Layers - are building blocks of networks.
-
-
LineSegmentDetector
-
-
Line segment detector class - - following the algorithm described at CITE: Rafael12 .
-
-
LogisticRegression
-
-
Implements Logistic Regression classifier.
-
-
Mat
-
 
-
Mat.Atable<T>
-
 
-
Mat.Tuple2<T>
-
 
-
Mat.Tuple3<T>
-
 
-
Mat.Tuple4<T>
-
 
-
MatOfByte
-
 
-
MatOfDMatch
-
 
-
MatOfDouble
-
 
-
MatOfFloat
-
 
-
MatOfFloat4
-
 
-
MatOfFloat6
-
 
-
MatOfInt
-
 
-
MatOfInt4
-
 
-
MatOfKeyPoint
-
 
-
MatOfPoint
-
 
-
MatOfPoint2f
-
 
-
MatOfPoint3
-
 
-
MatOfPoint3f
-
 
-
MatOfRect
-
 
-
MatOfRect2d
-
 
-
MatOfRotatedRect
-
 
-
MergeDebevec
-
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
-
-
MergeExposures
-
-
The base class algorithms that can merge exposure sequence to a single image.
-
-
MergeMertens
-
-
Pixels are weighted using contrast, saturation and well-exposedness measures, than images are - combined using laplacian pyramids.
-
-
MergeRobertson
-
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
-
-
Ml
-
 
-
Model
-
-
This class is presented high-level API for neural networks.
-
-
Moments
-
 
-
MSER
-
-
Maximally stable extremal region extractor - - The class encapsulates all the parameters of the %MSER extraction algorithm (see [wiki - article](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)).
-
-
NativeCameraView
-
-
This class is an implementation of a bridge between SurfaceView and OpenCV VideoCapture.
-
-
NativeCameraView.OpenCvSizeAccessor
-
 
-
Net
-
-
This class allows to create and manipulate comprehensive artificial neural networks.
-
-
NormalBayesClassifier
-
-
Bayes classifier for normally distributed data.
-
-
Objdetect
-
 
-
OpenCVInterface
-
-
Dummy interface to allow some integration testing within OSGi implementation.
-
-
OpenCVLoader
-
-
Helper class provides common initialization methods for OpenCV library.
-
-
OpenCVNativeLoader
-
-
This class is intended to provide a convenient way to load OpenCV's native - library from the Java bundle.
-
-
ORB
-
-
Class implementing the ORB (*oriented BRIEF*) keypoint detector and descriptor extractor - - described in CITE: RRKB11 .
-
-
ParamGrid
-
-
The structure represents the logarithmic grid range of statmodel parameters.
-
-
Photo
-
 
-
Point
-
 
-
Point3
-
 
-
QRCodeDetector
-
 
-
QRCodeDetectorAruco
-
 
-
QRCodeDetectorAruco_Params
-
 
-
QRCodeEncoder
-
-
Groups the object candidate rectangles.
-
-
QRCodeEncoder_Params
-
-
QR code encoder parameters.
-
-
R
-
 
-
Range
-
 
-
Rect
-
 
-
Rect2d
-
 
-
RefineParameters
-
-
struct RefineParameters is used by ArucoDetector
-
-
RotatedRect
-
 
-
RTrees
-
-
The class implements the random forest predictor.
-
-
Scalar
-
 
-
SegmentationModel
-
-
This class represents high-level API for segmentation models - - SegmentationModel allows to set params for preprocessing input image.
-
-
SIFT
-
-
Class for extracting keypoints and computing descriptors using the Scale Invariant Feature Transform - (SIFT) algorithm by D.
-
-
SimpleBlobDetector
-
-
Class for extracting blobs from an image.
-
-
SimpleBlobDetector_Params
-
 
-
Size
-
 
-
SparseOpticalFlow
-
-
Base interface for sparse optical flow algorithms.
-
-
SparsePyrLKOpticalFlow
-
-
Class used for calculating a sparse optical flow.
-
-
StatModel
-
-
Base class for statistical models in OpenCV ML.
-
-
StereoBM
-
-
Class for computing stereo correspondence using the block matching algorithm, introduced and contributed to OpenCV by K.
-
-
StereoMatcher
-
-
The base class for stereo correspondence algorithms.
-
-
StereoSGBM
-
-
The class implements the modified H.
-
-
Subdiv2D
-
 
-
SVM
-
-
Support Vector Machines.
-
-
SVMSGD
-
-
*************************************************************************************\ - Stochastic Gradient Descent SVM Classifier * - \***************************************************************************************
-
-
TermCriteria
-
 
-
TextDetectionModel
-
-
Base class for text detection networks
-
-
TextDetectionModel_DB
-
-
This class represents high-level API for text detection DL networks compatible with DB model.
-
-
TextDetectionModel_EAST
-
-
This class represents high-level API for text detection DL networks compatible with EAST model.
-
-
TextRecognitionModel
-
-
This class represents high-level API for text recognition networks.
-
-
TickMeter
-
-
a Class to measure passing time.
-
-
Tonemap
-
-
Base class for tonemapping algorithms - tools that are used to map HDR image to 8-bit range.
-
-
TonemapDrago
-
-
Adaptive logarithmic mapping is a fast global tonemapping algorithm that scales the image in - logarithmic domain.
-
-
TonemapMantiuk
-
-
This algorithm transforms image to contrast using gradients on all levels of gaussian pyramid, - transforms contrast values to HVS response and scales the response.
-
-
TonemapReinhard
-
-
This is a global tonemapping operator that models human visual system.
-
-
Tracker
-
-
Base abstract class for the long-term tracker
-
-
TrackerDaSiamRPN
-
 
-
TrackerDaSiamRPN_Params
-
 
-
TrackerGOTURN
-
-
the GOTURN (Generic Object Tracking Using Regression Networks) tracker - - GOTURN (CITE: GOTURN) is kind of trackers based on Convolutional Neural Networks (CNN).
-
-
TrackerGOTURN_Params
-
 
-
TrackerMIL
-
-
The MIL algorithm trains a classifier in an online manner to separate the object from the - background.
-
-
TrackerMIL_Params
-
 
-
TrackerNano
-
-
the Nano tracker is a super lightweight dnn-based general object tracking.
-
-
TrackerNano_Params
-
 
-
TrackerVit
-
-
the VIT tracker is a super lightweight dnn-based general object tracking.
-
-
TrackerVit_Params
-
 
-
TrainData
-
-
Class encapsulating training data.
-
-
UsacParams
-
 
-
Utils
-
 
-
VariationalRefinement
-
-
Variational optical flow refinement - - This class implements variational refinement of the input flow field, i.e.
-
-
Video
-
 
-
VideoCapture
-
-
Class for video capturing from video files, image sequences or cameras.
-
-
Videoio
-
 
-
VideoWriter
-
-
Video writer class.
-
-
-
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/allpackages-index.html b/vendor/opencv/sdk/java/javadoc/allpackages-index.html deleted file mode 100644 index 799bc9a07f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/allpackages-index.html +++ /dev/null @@ -1,106 +0,0 @@ - - - - -All Packages (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

All Packages

-
-
Package Summary
-
-
Package
-
Description
-
org.opencv
-
 
-
org.opencv.android
-
 
-
org.opencv.calib3d
-
 
-
org.opencv.core
-
 
-
org.opencv.dnn
-
 
-
org.opencv.features2d
-
 
-
org.opencv.imgcodecs
-
 
-
org.opencv.imgproc
-
 
-
org.opencv.ml
-
 
-
org.opencv.objdetect
-
 
-
org.opencv.osgi
-
 
-
org.opencv.photo
-
 
-
org.opencv.utils
-
 
-
org.opencv.video
-
 
-
org.opencv.videoio
-
 
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/constant-values.html b/vendor/opencv/sdk/java/javadoc/constant-values.html deleted file mode 100644 index 5a89c02c5a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/constant-values.html +++ /dev/null @@ -1,4981 +0,0 @@ - - - - -Constant Field Values (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Constant Field Values

-
-

Contents

- -
-
-
-

org.opencv.*

- - - - - - - -
    -
  • -
    org.opencv.ml.ANN_MLP
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    ANNEAL
    -
    2
    -
    public static final int
    -
    BACKPROP
    -
    0
    -
    public static final int
    -
    GAUSSIAN
    -
    2
    -
    public static final int
    -
    IDENTITY
    -
    0
    -
    public static final int
    -
    LEAKYRELU
    -
    4
    -
    public static final int
    -
    NO_INPUT_SCALE
    -
    2
    -
    public static final int
    -
    NO_OUTPUT_SCALE
    -
    4
    -
    public static final int
    -
    RELU
    -
    3
    -
    public static final int
    -
    RPROP
    -
    1
    -
    public static final int
    -
    SIGMOID_SYM
    -
    1
    -
    public static final int
    -
    UPDATE_WEIGHTS
    -
    1
    -
    -
    • -
  • -
    org.opencv.ml.Boost
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    DISCRETE
    -
    0
    -
    public static final int
    -
    GENTLE
    -
    3
    -
    public static final int
    -
    LOGIT
    -
    2
    -
    public static final int
    -
    REAL
    -
    1
    -
    -
    • -
  • -
    org.opencv.ml.DTrees
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    PREDICT_AUTO
    -
    0
    -
    public static final int
    -
    PREDICT_MASK
    -
    768
    -
    public static final int
    -
    PREDICT_MAX_VOTE
    -
    512
    -
    public static final int
    -
    PREDICT_SUM
    -
    256
    -
    -
    • -
  • -
    org.opencv.ml.EM
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    COV_MAT_DEFAULT
    -
    1
    -
    public static final int
    -
    COV_MAT_DIAGONAL
    -
    1
    -
    public static final int
    -
    COV_MAT_GENERIC
    -
    2
    -
    public static final int
    -
    COV_MAT_SPHERICAL
    -
    0
    -
    public static final int
    -
    DEFAULT_MAX_ITERS
    -
    100
    -
    public static final int
    -
    DEFAULT_NCLUSTERS
    -
    5
    -
    public static final int
    -
    START_AUTO_STEP
    -
    0
    -
    public static final int
    -
    START_E_STEP
    -
    1
    -
    public static final int
    -
    START_M_STEP
    -
    2
    -
    -
    • -
  • -
    org.opencv.ml.KNearest
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    BRUTE_FORCE
    -
    1
    -
    public static final int
    -
    KDTREE
    -
    2
    -
    -
    • -
  • -
    org.opencv.ml.LogisticRegression
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    BATCH
    -
    0
    -
    public static final int
    -
    MINI_BATCH
    -
    1
    -
    public static final int
    -
    REG_DISABLE
    -
    -1
    -
    public static final int
    -
    REG_L1
    -
    0
    -
    public static final int
    -
    REG_L2
    -
    1
    -
    -
    • -
  • -
    org.opencv.ml.Ml
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    COL_SAMPLE
    -
    1
    -
    public static final int
    -
    ROW_SAMPLE
    -
    0
    -
    public static final int
    -
    TEST_ERROR
    -
    0
    -
    public static final int
    -
    TRAIN_ERROR
    -
    1
    -
    public static final int
    -
    VAR_CATEGORICAL
    -
    1
    -
    public static final int
    -
    VAR_NUMERICAL
    -
    0
    -
    public static final int
    -
    VAR_ORDERED
    -
    0
    -
    -
    • -
  • -
    org.opencv.ml.StatModel
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    COMPRESSED_INPUT
    -
    2
    -
    public static final int
    -
    PREPROCESSED_INPUT
    -
    4
    -
    public static final int
    -
    RAW_OUTPUT
    -
    1
    -
    public static final int
    -
    UPDATE_MODEL
    -
    1
    -
    -
    • -
  • -
    org.opencv.ml.SVM
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    C
    -
    0
    -
    public static final int
    -
    C_SVC
    -
    100
    -
    public static final int
    -
    CHI2
    -
    4
    -
    public static final int
    -
    COEF
    -
    4
    -
    public static final int
    -
    CUSTOM
    -
    -1
    -
    public static final int
    -
    DEGREE
    -
    5
    -
    public static final int
    -
    EPS_SVR
    -
    103
    -
    public static final int
    -
    GAMMA
    -
    1
    -
    public static final int
    -
    INTER
    -
    5
    -
    public static final int
    -
    LINEAR
    -
    0
    -
    public static final int
    -
    NU
    -
    3
    -
    public static final int
    -
    NU_SVC
    -
    101
    -
    public static final int
    -
    NU_SVR
    -
    104
    -
    public static final int
    -
    ONE_CLASS
    -
    102
    -
    public static final int
    -
    P
    -
    2
    -
    public static final int
    -
    POLY
    -
    1
    -
    public static final int
    -
    RBF
    -
    2
    -
    public static final int
    -
    SIGMOID
    -
    3
    -
    -
    • -
  • -
    org.opencv.ml.SVMSGD
    -
    -
    Modifier and Type
    -
    Constant Field
    -
    Value
    -
    public static final int
    -
    ASGD
    -
    1
    -
    public static final int
    -
    HARD_MARGIN
    -
    1
    -
    public static final int
    -
    SGD
    -
    0
    -
    public static final int
    -
    SOFT_MARGIN
    -
    0
    -
    -
    • -
- - - - -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/element-list b/vendor/opencv/sdk/java/javadoc/element-list deleted file mode 100644 index 43335d1936..0000000000 --- a/vendor/opencv/sdk/java/javadoc/element-list +++ /dev/null @@ -1,15 +0,0 @@ -org.opencv -org.opencv.android -org.opencv.calib3d -org.opencv.core -org.opencv.dnn -org.opencv.features2d -org.opencv.imgcodecs -org.opencv.imgproc -org.opencv.ml -org.opencv.objdetect -org.opencv.osgi -org.opencv.photo -org.opencv.utils -org.opencv.video -org.opencv.videoio diff --git a/vendor/opencv/sdk/java/javadoc/help-doc.html b/vendor/opencv/sdk/java/javadoc/help-doc.html deleted file mode 100644 index b1ad2d4428..0000000000 --- a/vendor/opencv/sdk/java/javadoc/help-doc.html +++ /dev/null @@ -1,200 +0,0 @@ - - - - -API Help (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-

JavaDoc Help

- -
-
-

Navigation

-Starting from the Overview page, you can browse the documentation using the links in each page, and in the navigation bar at the top of each page. The Index and Search box allow you to navigate to specific declarations and summary pages, including: All Packages, All Classes and Interfaces - -
-
-
-

Kinds of Pages

-The following sections describe the different kinds of pages in this collection. -
-

Overview

-

The Overview page is the front page of this API document and provides a list of all packages with a summary for each. This page can also contain an overall description of the set of packages.

-
-
-

Package

-

Each package has a page that contains a list of its classes and interfaces, with a summary for each. These pages may contain the following categories:

-
    -
  • Interfaces
    • -
  • Classes
    • -
  • Enum Classes
    • -
  • Exceptions
    • -
  • Errors
    • -
  • Annotation Interfaces
    • -
-
-
-

Class or Interface

-

Each class, interface, nested class and nested interface has its own separate page. Each of these pages has three sections consisting of a declaration and description, member summary tables, and detailed member descriptions. Entries in each of these sections are omitted if they are empty or not applicable.

-
    -
  • Class Inheritance Diagram
    • -
  • Direct Subclasses
    • -
  • All Known Subinterfaces
    • -
  • All Known Implementing Classes
    • -
  • Class or Interface Declaration
    • -
  • Class or Interface Description
    • -
-
-
    -
  • Nested Class Summary
    • -
  • Enum Constant Summary
    • -
  • Field Summary
    • -
  • Property Summary
    • -
  • Constructor Summary
    • -
  • Method Summary
    • -
  • Required Element Summary
    • -
  • Optional Element Summary
    • -
-
-
    -
  • Enum Constant Details
    • -
  • Field Details
    • -
  • Property Details
    • -
  • Constructor Details
    • -
  • Method Details
    • -
  • Element Details
    • -
-

Note: Annotation interfaces have required and optional elements, but not methods. Only enum classes have enum constants. The components of a record class are displayed as part of the declaration of the record class. Properties are a feature of JavaFX.

-

The summary entries are alphabetical, while the detailed descriptions are in the order they appear in the source code. This preserves the logical groupings established by the programmer.

-
-
-

Other Files

-

Packages and modules may contain pages with additional information related to the declarations nearby.

-
-
-

Tree (Class Hierarchy)

-

There is a Class Hierarchy page for all packages, plus a hierarchy for each package. Each hierarchy page contains a list of classes and a list of interfaces. Classes are organized by inheritance structure starting with java.lang.Object. Interfaces do not inherit from java.lang.Object.

-
    -
  • When viewing the Overview page, clicking on TREE displays the hierarchy for all packages.
    • -
  • When viewing a particular package, class or interface page, clicking on TREE displays the hierarchy for only that package.
    • -
-
-
-

Constant Field Values

-

The Constant Field Values page lists the static final fields and their values.

-
-
-

Serialized Form

-

Each serializable or externalizable class has a description of its serialization fields and methods. This information is of interest to those who implement rather than use the API. While there is no link in the navigation bar, you can get to this information by going to any serialized class and clicking "Serialized Form" in the "See Also" section of the class description.

-
-
-

All Packages

-

The All Packages page contains an alphabetic index of all packages contained in the documentation.

-
-
-

All Classes and Interfaces

-

The All Classes and Interfaces page contains an alphabetic index of all classes and interfaces contained in the documentation, including annotation interfaces, enum classes, and record classes.

-
-
-

Index

-

The Index contains an alphabetic index of all classes, interfaces, constructors, methods, and fields in the documentation, as well as summary pages such as All Packages, All Classes and Interfaces.

-
-
-
-This help file applies to API documentation generated by the standard doclet.
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/index-all.html b/vendor/opencv/sdk/java/javadoc/index-all.html deleted file mode 100644 index 6e749e1de8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/index-all.html +++ /dev/null @@ -1,15221 +0,0 @@ - - - - -Index (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Index

-
-A B C D E F G H I J K L M N O P Q R S T U V W X Y Z _ 
All Classes and Interfaces|All Packages|Constant Field Values|Serialized Form -

A

-
-
absdiff(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element absolute difference between two arrays or between an array and a scalar.
-
-
absdiff(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
accumulate(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds an image to the accumulator image.
-
-
accumulate(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds an image to the accumulator image.
-
-
accumulateProduct(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds the per-element product of two input images to the accumulator image.
-
-
accumulateProduct(Mat, Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds the per-element product of two input images to the accumulator image.
-
-
accumulateSquare(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds the square of a source image to the accumulator image.
-
-
accumulateSquare(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Adds the square of a source image to the accumulator image.
-
-
accumulateWeighted(Mat, Mat, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Updates a running average.
-
-
accumulateWeighted(Mat, Mat, double, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Updates a running average.
-
-
ADAPTIVE_THRESH_GAUSSIAN_C - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
ADAPTIVE_THRESH_MEAN_C - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
adaptiveThreshold(Mat, Mat, double, int, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies an adaptive threshold to an array.
-
-
add(List<Mat>) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Adds descriptors to train a CPU(trainDescCollectionis) or GPU(utrainDescCollectionis) descriptor - collection.
-
-
add(Mat) - Method in class org.opencv.features2d.BOWTrainer
-
-
Adds descriptors to a training set.
-
-
add(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element sum of two arrays or an array and a scalar.
-
-
add(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element sum of two arrays or an array and a scalar.
-
-
add(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element sum of two arrays or an array and a scalar.
-
-
add(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
add(Mat, Scalar, Mat, Mat) - Static method in class org.opencv.core.Core
-
 
-
add(Mat, Scalar, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
 
-
addSamplesDataSearchPath(String) - Static method in class org.opencv.core.Core
-
-
Override search data path by adding new search location - - Use this only to override default behavior - Passed paths are used in LIFO order.
-
-
addSamplesDataSearchSubDirectory(String) - Static method in class org.opencv.core.Core
-
-
Append samples search data sub directory - - General usage is to add OpenCV modules name (&lt;opencv_contrib&gt;/modules/&lt;name&gt;/samples/data -> &lt;name&gt;/samples/data + modules/&lt;name&gt;/samples/data).
-
-
addWeighted(Mat, double, Mat, double, double, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the weighted sum of two arrays.
-
-
addWeighted(Mat, double, Mat, double, double, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the weighted sum of two arrays.
-
-
adjustROI(int, int, int, int) - Method in class org.opencv.core.Mat
-
 
-
AffineFeature - Class in org.opencv.features2d
-
-
Class for implementing the wrapper which makes detectors and extractors to be affine invariant, - described as ASIFT in CITE: YM11 .
-
-
AGAST_5_8 - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
AGAST_7_12d - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
AGAST_7_12s - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
AgastFeatureDetector - Class in org.opencv.features2d
-
-
Wrapping class for feature detection using the AGAST method.
-
-
AKAZE - Class in org.opencv.features2d
-
-
Class implementing the AKAZE keypoint detector and descriptor extractor, described in CITE: ANB13.
-
-
ALGO_HINT_ACCURATE - Static variable in class org.opencv.core.Core
-
 
-
ALGO_HINT_APPROX - Static variable in class org.opencv.core.Core
-
 
-
ALGO_HINT_DEFAULT - Static variable in class org.opencv.core.Core
-
 
-
Algorithm - Class in org.opencv.core
-
-
This is a base class for all more or less complex algorithms in OpenCV - - especially for classes of algorithms, for which there can be multiple implementations.
-
-
alignCrop(Mat, Mat, Mat) - Method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Aligns detected face with the source input image and crops it
-
-
AlignExposures - Class in org.opencv.photo
-
-
The base class for algorithms that align images of the same scene with different exposures
-
-
AlignMTB - Class in org.opencv.photo
-
-
This algorithm converts images to median threshold bitmaps (1 for pixels brighter than median - luminance and 0 otherwise) and than aligns the resulting bitmaps using bit operations.
-
-
all() - Static method in class org.opencv.core.Range
-
 
-
all(double) - Static method in class org.opencv.core.Scalar
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfByte
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfDMatch
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfDouble
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfFloat
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfFloat4
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfFloat6
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfInt
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfInt4
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfKeyPoint
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfPoint
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfPoint2f
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfPoint3
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfPoint3f
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfRect
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfRect2d
-
 
-
alloc(int) - Method in class org.opencv.core.MatOfRotatedRect
-
 
-
angle - Variable in class org.opencv.core.KeyPoint
-
-
Computed orientation of the keypoint (-1 if not applicable).
-
-
angle - Variable in class org.opencv.core.RotatedRect
-
 
-
Animation - Class in org.opencv.imgcodecs
-
-
Represents an animation with multiple frames.
-
-
Animation() - Constructor for class org.opencv.imgcodecs.Animation
-
-
Constructs an Animation object with optional loop count and background color.
-
-
Animation(int) - Constructor for class org.opencv.imgcodecs.Animation
-
-
Constructs an Animation object with optional loop count and background color.
-
-
Animation(int, Scalar) - Constructor for class org.opencv.imgcodecs.Animation
-
-
Constructs an Animation object with optional loop count and background color.
-
-
ANN_MLP - Class in org.opencv.ml
-
-
Artificial Neural Networks - Multi-Layer Perceptrons.
-
-
ANNEAL - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
apply(Mat, Mat) - Method in class org.opencv.imgproc.CLAHE
-
-
Equalizes the histogram of a grayscale image using Contrast Limited Adaptive Histogram Equalization.
-
-
apply(Mat, Mat) - Method in class org.opencv.video.BackgroundSubtractor
-
-
Computes a foreground mask.
-
-
apply(Mat, Mat) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Computes a foreground mask.
-
-
apply(Mat, Mat, double) - Method in class org.opencv.video.BackgroundSubtractor
-
-
Computes a foreground mask.
-
-
apply(Mat, Mat, double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Computes a foreground mask.
-
-
applyColorMap(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a GNU Octave/MATLAB equivalent colormap on a given image.
-
-
applyColorMap(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a user colormap on a given image.
-
-
applyImage(Mat) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify input image and extract image features
-
-
applyImageFeatures(Mat, Mat, Mat) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify custom features of input image - - Customized advanced variant of applyImage() call.
-
-
applyImageFeatures(Mat, Mat, Mat, Mat) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify custom features of input image - - Customized advanced variant of applyImage() call.
-
-
approxPolyDP(MatOfPoint2f, MatOfPoint2f, double, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Approximates a polygonal curve(s) with the specified precision.
-
-
approxPolyN(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Approximates a polygon with a convex hull with a specified accuracy and number of sides.
-
-
approxPolyN(Mat, Mat, int, float) - Static method in class org.opencv.imgproc.Imgproc
-
-
Approximates a polygon with a convex hull with a specified accuracy and number of sides.
-
-
approxPolyN(Mat, Mat, int, float, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Approximates a polygon with a convex hull with a specified accuracy and number of sides.
-
-
arcLength(MatOfPoint2f, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a contour perimeter or a curve length.
-
-
area() - Method in class org.opencv.core.Rect
-
 
-
area() - Method in class org.opencv.core.Rect2d
-
 
-
area() - Method in class org.opencv.core.Size
-
 
-
arrowedLine(Mat, Point, Point, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws an arrow segment pointing from the first point to the second one.
-
-
arrowedLine(Mat, Point, Point, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws an arrow segment pointing from the first point to the second one.
-
-
arrowedLine(Mat, Point, Point, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws an arrow segment pointing from the first point to the second one.
-
-
arrowedLine(Mat, Point, Point, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws an arrow segment pointing from the first point to the second one.
-
-
arrowedLine(Mat, Point, Point, Scalar, int, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws an arrow segment pointing from the first point to the second one.
-
-
ArucoDetector - Class in org.opencv.objdetect
-
-
The main functionality of ArucoDetector class is detection of markers in an image with detectMarkers() method.
-
-
ArucoDetector() - Constructor for class org.opencv.objdetect.ArucoDetector
-
-
Basic ArucoDetector constructor
-
-
ArucoDetector(Dictionary) - Constructor for class org.opencv.objdetect.ArucoDetector
-
-
Basic ArucoDetector constructor
-
-
ArucoDetector(Dictionary, DetectorParameters) - Constructor for class org.opencv.objdetect.ArucoDetector
-
-
Basic ArucoDetector constructor
-
-
ArucoDetector(Dictionary, DetectorParameters, RefineParameters) - Constructor for class org.opencv.objdetect.ArucoDetector
-
-
Basic ArucoDetector constructor
-
-
ASGD - Static variable in class org.opencv.ml.SVMSGD
-
 
-
assignTo(Mat) - Method in class org.opencv.core.Mat
-
 
-
assignTo(Mat, int) - Method in class org.opencv.core.Mat
-
 
-
at(Class<T>, int[]) - Method in class org.opencv.core.Mat
-
 
-
at(Class<T>, int, int) - Method in class org.opencv.core.Mat
-
 
-
-

B

-
-
BackgroundSubtractor - Class in org.opencv.video
-
-
Base class for background/foreground segmentation.
-
-
BackgroundSubtractorKNN - Class in org.opencv.video
-
-
K-nearest neighbours - based Background/Foreground Segmentation Algorithm.
-
-
BackgroundSubtractorMOG2 - Class in org.opencv.video
-
-
Gaussian Mixture-based Background/Foreground Segmentation Algorithm.
-
-
BACKPROP - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
BadAlign - Static variable in class org.opencv.core.Core
-
 
-
BadAlphaChannel - Static variable in class org.opencv.core.Core
-
 
-
BadCallBack - Static variable in class org.opencv.core.Core
-
 
-
BadCOI - Static variable in class org.opencv.core.Core
-
 
-
BadDataPtr - Static variable in class org.opencv.core.Core
-
 
-
BadDepth - Static variable in class org.opencv.core.Core
-
 
-
BadImageSize - Static variable in class org.opencv.core.Core
-
 
-
BadModelOrChSeq - Static variable in class org.opencv.core.Core
-
 
-
BadNumChannel1U - Static variable in class org.opencv.core.Core
-
 
-
BadNumChannels - Static variable in class org.opencv.core.Core
-
 
-
BadOffset - Static variable in class org.opencv.core.Core
-
 
-
BadOrder - Static variable in class org.opencv.core.Core
-
 
-
BadOrigin - Static variable in class org.opencv.core.Core
-
 
-
BadROISize - Static variable in class org.opencv.core.Core
-
 
-
BadStep - Static variable in class org.opencv.core.Core
-
 
-
BadTileSize - Static variable in class org.opencv.core.Core
-
 
-
BarcodeDetector - Class in org.opencv.objdetect
-
 
-
BarcodeDetector() - Constructor for class org.opencv.objdetect.BarcodeDetector
-
-
Initialize the BarcodeDetector.
-
-
BarcodeDetector(String, String) - Constructor for class org.opencv.objdetect.BarcodeDetector
-
-
Initialize the BarcodeDetector.
-
-
BaseCascadeClassifier - Class in org.opencv.objdetect
-
 
-
BATCH - Static variable in class org.opencv.ml.LogisticRegression
-
 
-
batchDistance(Mat, Mat, Mat, int, Mat) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
batchDistance(Mat, Mat, Mat, int, Mat, int) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
batchDistance(Mat, Mat, Mat, int, Mat, int, int) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat, int) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat, int, boolean) - Static method in class org.opencv.core.Core
-
-
naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
-
-
BFMatcher - Class in org.opencv.features2d
-
-
Brute-force descriptor matcher.
-
-
BFMatcher() - Constructor for class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher constructor (obsolete).
-
-
BFMatcher(int) - Constructor for class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher constructor (obsolete).
-
-
BFMatcher(int, boolean) - Constructor for class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher constructor (obsolete).
-
-
bilateralFilter(Mat, Mat, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies the bilateral filter to an image.
-
-
bilateralFilter(Mat, Mat, int, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies the bilateral filter to an image.
-
-
bitmapToMat(Bitmap, Mat) - Static method in class org.opencv.android.Utils
-
-
Short form of the bitmapToMat(bmp, mat, unPremultiplyAlpha=false).
-
-
bitmapToMat(Bitmap, Mat, boolean) - Static method in class org.opencv.android.Utils
-
-
Converts Android Bitmap to OpenCV Mat.
-
-
bitwise_and(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar.
-
-
bitwise_and(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar.
-
-
bitwise_not(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Inverts every bit of an array.
-
-
bitwise_not(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Inverts every bit of an array.
-
-
bitwise_or(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar.
-
-
bitwise_or(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar.
-
-
bitwise_xor(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar.
-
-
bitwise_xor(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar.
-
-
blendLinear(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
variant without mask parameter
-
-
blobFromImage(Mat) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double, Size) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double, Size, Scalar) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double, Size, Scalar, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double, Size, Scalar, boolean, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImage(Mat, double, Size, Scalar, boolean, boolean, int) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image.
-
-
blobFromImages(List<Mat>) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double, Size) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double, Size, Scalar) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double, Size, Scalar, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double, Size, Scalar, boolean, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImages(List<Mat>, double, Size, Scalar, boolean, boolean, int) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images.
-
-
blobFromImagesWithParams(List<Mat>) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images with given params.
-
-
blobFromImagesWithParams(List<Mat>, Mat) - Static method in class org.opencv.dnn.Dnn
-
 
-
blobFromImagesWithParams(List<Mat>, Mat, Image2BlobParams) - Static method in class org.opencv.dnn.Dnn
-
 
-
blobFromImagesWithParams(List<Mat>, Image2BlobParams) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from series of images with given params.
-
-
blobFromImageWithParams(Mat) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image with given params.
-
-
blobFromImageWithParams(Mat, Mat) - Static method in class org.opencv.dnn.Dnn
-
 
-
blobFromImageWithParams(Mat, Mat, Image2BlobParams) - Static method in class org.opencv.dnn.Dnn
-
 
-
blobFromImageWithParams(Mat, Image2BlobParams) - Static method in class org.opencv.dnn.Dnn
-
-
Creates 4-dimensional blob from image with given params.
-
-
blobRectsToImageRects(MatOfRect, MatOfRect, Size) - Method in class org.opencv.dnn.Image2BlobParams
-
-
Get rectangle coordinates in original image system from rectangle in blob coordinates.
-
-
blobRectToImageRect(Rect, Size) - Method in class org.opencv.dnn.Image2BlobParams
-
-
Get rectangle coordinates in original image system from rectangle in blob coordinates.
-
-
blur(Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the normalized box filter.
-
-
blur(Mat, Mat, Size, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the normalized box filter.
-
-
blur(Mat, Mat, Size, Point, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the normalized box filter.
-
-
Board - Class in org.opencv.objdetect
-
-
Board of ArUco markers - - A board is a set of markers in the 3D space with a common coordinate system.
-
-
Board(List<Mat>, Dictionary, Mat) - Constructor for class org.opencv.objdetect.Board
-
-
Common Board constructor
-
-
Boost - Class in org.opencv.ml
-
-
Boosted tree classifier derived from DTrees - - SEE: REF: ml_intro_boost
-
-
BORDER_CONSTANT - Static variable in class org.opencv.core.Core
-
 
-
BORDER_DEFAULT - Static variable in class org.opencv.core.Core
-
 
-
BORDER_ISOLATED - Static variable in class org.opencv.core.Core
-
 
-
BORDER_REFLECT - Static variable in class org.opencv.core.Core
-
 
-
BORDER_REFLECT_101 - Static variable in class org.opencv.core.Core
-
 
-
BORDER_REFLECT101 - Static variable in class org.opencv.core.Core
-
 
-
BORDER_REPLICATE - Static variable in class org.opencv.core.Core
-
 
-
BORDER_TRANSPARENT - Static variable in class org.opencv.core.Core
-
 
-
BORDER_WRAP - Static variable in class org.opencv.core.Core
-
 
-
borderInterpolate(int, int, int) - Static method in class org.opencv.core.Core
-
-
Computes the source location of an extrapolated pixel.
-
-
boundingRect() - Method in class org.opencv.core.RotatedRect
-
 
-
boundingRect(Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the up-right bounding rectangle of a point set or non-zero pixels of gray-scale image.
-
-
BOWImgDescriptorExtractor - Class in org.opencv.features2d
-
-
Class to compute an image descriptor using the *bag of visual words*.
-
-
BOWImgDescriptorExtractor(Feature2D, DescriptorMatcher) - Constructor for class org.opencv.features2d.BOWImgDescriptorExtractor
-
-
The constructor.
-
-
BOWKMeansTrainer - Class in org.opencv.features2d
-
-
kmeans -based class to train visual vocabulary using the *bag of visual words* approach.
-
-
BOWKMeansTrainer(int) - Constructor for class org.opencv.features2d.BOWKMeansTrainer
-
-
The constructor.
-
-
BOWKMeansTrainer(int, TermCriteria) - Constructor for class org.opencv.features2d.BOWKMeansTrainer
-
-
The constructor.
-
-
BOWKMeansTrainer(int, TermCriteria, int) - Constructor for class org.opencv.features2d.BOWKMeansTrainer
-
-
The constructor.
-
-
BOWKMeansTrainer(int, TermCriteria, int, int) - Constructor for class org.opencv.features2d.BOWKMeansTrainer
-
-
The constructor.
-
-
BOWTrainer - Class in org.opencv.features2d
-
-
Abstract base class for training the *bag of visual words* vocabulary from a set of descriptors.
-
-
boxFilter(Mat, Mat, int, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the box filter.
-
-
boxFilter(Mat, Mat, int, Size, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the box filter.
-
-
boxFilter(Mat, Mat, int, Size, Point, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the box filter.
-
-
boxFilter(Mat, Mat, int, Size, Point, boolean, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the box filter.
-
-
boxPoints(RotatedRect, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds the four vertices of a rotated rect.
-
-
br() - Method in class org.opencv.core.Rect
-
 
-
br() - Method in class org.opencv.core.Rect2d
-
 
-
BRISK - Class in org.opencv.features2d
-
-
Class implementing the BRISK keypoint detector and descriptor extractor, described in CITE: LCS11 .
-
-
broadcast(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Broadcast the given Mat to the given shape.
-
-
BRUTE_FORCE - Static variable in class org.opencv.ml.KNearest
-
 
-
BRUTEFORCE - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
BRUTEFORCE_HAMMING - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
BRUTEFORCE_HAMMINGLUT - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
BRUTEFORCE_L1 - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
BRUTEFORCE_SL2 - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
BuildConfig - Class in org.opencv
-
 
-
BuildConfig() - Constructor for class org.opencv.BuildConfig
-
 
-
buildMap(Point) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Prepares a map of optimal paths for the given source point on the image - - Note: applyImage() / applyImageFeatures() must be called before this call
-
-
buildOpticalFlowPyramid(Mat, List<Mat>, Size, int) - Static method in class org.opencv.video.Video
-
-
Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
-
-
buildOpticalFlowPyramid(Mat, List<Mat>, Size, int, boolean) - Static method in class org.opencv.video.Video
-
-
Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
-
-
buildOpticalFlowPyramid(Mat, List<Mat>, Size, int, boolean, int) - Static method in class org.opencv.video.Video
-
-
Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
-
-
buildOpticalFlowPyramid(Mat, List<Mat>, Size, int, boolean, int, int) - Static method in class org.opencv.video.Video
-
-
Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
-
-
buildOpticalFlowPyramid(Mat, List<Mat>, Size, int, boolean, int, int, boolean) - Static method in class org.opencv.video.Video
-
-
Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
-
-
-

C

-
-
C - Static variable in class org.opencv.ml.SVM
-
 
-
C_SVC - Static variable in class org.opencv.ml.SVM
-
 
-
calc(Mat, Mat, Mat) - Method in class org.opencv.video.DenseOpticalFlow
-
-
Calculates an optical flow.
-
-
calc(Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.video.SparseOpticalFlow
-
-
Calculates a sparse optical flow.
-
-
calc(Mat, Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.video.SparseOpticalFlow
-
-
Calculates a sparse optical flow.
-
-
calcBackProject(List<Mat>, MatOfInt, Mat, Mat, MatOfFloat, double) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
calcCovarMatrix(Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Note: use #COVAR_ROWS or #COVAR_COLS flag
-
-
calcCovarMatrix(Mat, Mat, Mat, int, int) - Static method in class org.opencv.core.Core
-
-
Note: use #COVAR_ROWS or #COVAR_COLS flag
-
-
calcError(TrainData, boolean, Mat) - Method in class org.opencv.ml.StatModel
-
-
Computes error on the training or test dataset
-
-
calcHist(List<Mat>, MatOfInt, Mat, Mat, MatOfInt, MatOfFloat) - Static method in class org.opencv.imgproc.Imgproc
-
-
this variant supports only uniform histograms.
-
-
calcHist(List<Mat>, MatOfInt, Mat, Mat, MatOfInt, MatOfFloat, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
this variant supports only uniform histograms.
-
-
calcOpticalFlowFarneback(Mat, Mat, Mat, double, int, int, int, int, double, int) - Static method in class org.opencv.video.Video
-
-
Computes a dense optical flow using the Gunnar Farneback's algorithm.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria, int) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria, int, double) - Static method in class org.opencv.video.Video
-
-
Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
-
-
calculateShift(Mat, Mat) - Method in class org.opencv.photo.AlignMTB
-
-
Calculates shift between two images, i.
-
-
calcUV(Mat, Mat, Mat, Mat) - Method in class org.opencv.video.VariationalRefinement
-
-
REF: calc function overload to handle separate horizontal (u) and vertical (v) flow components - (to avoid extra splits/merges)
-
-
CALIB_CB_ACCURACY - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_ADAPTIVE_THRESH - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_ASYMMETRIC_GRID - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_CLUSTERING - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_EXHAUSTIVE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_FAST_CHECK - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_FILTER_QUADS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_LARGER - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_MARKER - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_NORMALIZE_IMAGE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_PLAIN - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_CB_SYMMETRIC_GRID - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_ASPECT_RATIO - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_FOCAL_LENGTH - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_INTRINSIC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K1 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K2 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K3 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K4 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K5 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_K6 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_PRINCIPAL_POINT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_S1_S2_S3_S4 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_TANGENT_DIST - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_FIX_TAUX_TAUY - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_HAND_EYE_ANDREFF - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_HAND_EYE_DANIILIDIS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_HAND_EYE_HORAUD - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_HAND_EYE_PARK - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_HAND_EYE_TSAI - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_NINTRINSIC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_RATIONAL_MODEL - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_ROBOT_WORLD_HAND_EYE_LI - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_ROBOT_WORLD_HAND_EYE_SHAH - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_SAME_FOCAL_LENGTH - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_THIN_PRISM_MODEL - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_TILTED_MODEL - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_USE_EXTRINSIC_GUESS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_USE_INTRINSIC_GUESS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_USE_LU - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_USE_QR - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_ZERO_DISPARITY - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CALIB_ZERO_TANGENT_DIST - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
Calib3d - Class in org.opencv.calib3d
-
 
-
Calib3d() - Constructor for class org.opencv.calib3d.Calib3d
-
 
-
calibrateCamera(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCamera(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCamera(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCameraExtended(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
-
-
calibrateCameraExtended(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
-
-
calibrateCameraExtended(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
-
-
calibrateCameraRO(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCameraRO(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCameraRO(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
calibrateCameraROExtended(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern.
-
-
calibrateCameraROExtended(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern.
-
-
calibrateCameraROExtended(List<Mat>, List<Mat>, Size, int, Mat, Mat, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern.
-
-
CalibrateCRF - Class in org.opencv.photo
-
-
The base class for camera response calibration algorithms.
-
-
CalibrateDebevec - Class in org.opencv.photo
-
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
-
-
calibrateHandEye(List<Mat>, List<Mat>, List<Mat>, List<Mat>, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\)
-
-
calibrateHandEye(List<Mat>, List<Mat>, List<Mat>, List<Mat>, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\)
-
-
CalibrateRobertson - Class in org.opencv.photo
-
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
-
-
calibrateRobotWorldHandEye(List<Mat>, List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\)
-
-
calibrateRobotWorldHandEye(List<Mat>, List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\)
-
-
calibrationMatrixValues(Mat, Size, double, double, double[], double[], double[], Point, double[]) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes useful camera characteristics from the camera intrinsic matrix.
-
-
CAMERA_ID_ANY - Static variable in class org.opencv.android.CameraBridgeViewBase
-
 
-
CAMERA_ID_BACK - Static variable in class org.opencv.android.CameraBridgeViewBase
-
 
-
CAMERA_ID_FRONT - Static variable in class org.opencv.android.CameraBridgeViewBase
-
 
-
Camera2Renderer - Class in org.opencv.android
-
 
-
CameraActivity - Class in org.opencv.android
-
 
-
CameraActivity() - Constructor for class org.opencv.android.CameraActivity
-
 
-
CameraBridgeViewBase - Class in org.opencv.android
-
-
This is a basic class, implementing the interaction with Camera and OpenCV library.
-
-
CameraBridgeViewBase(Context, int) - Constructor for class org.opencv.android.CameraBridgeViewBase
-
 
-
CameraBridgeViewBase(Context, AttributeSet) - Constructor for class org.opencv.android.CameraBridgeViewBase
-
 
-
CameraBridgeViewBase.CvCameraViewFrame - Interface in org.opencv.android
-
-
This class interface is abstract representation of single frame from camera for onCameraFrame callback - Attention: Do not use objects, that represents this interface out of onCameraFrame callback!
-
-
CameraBridgeViewBase.CvCameraViewListener - Interface in org.opencv.android
-
 
-
CameraBridgeViewBase.CvCameraViewListener2 - Interface in org.opencv.android
-
 
-
CameraBridgeViewBase.ListItemAccessor - Interface in org.opencv.android
-
 
-
CameraBridgeViewBase.RotatedCameraFrame - Class in org.opencv.android
-
 
-
CameraGLRendererBase - Class in org.opencv.android
-
 
-
CameraGLRendererBase(CameraGLSurfaceView) - Constructor for class org.opencv.android.CameraGLRendererBase
-
 
-
CameraGLSurfaceView - Class in org.opencv.android
-
 
-
CameraGLSurfaceView(Context, AttributeSet) - Constructor for class org.opencv.android.CameraGLSurfaceView
-
 
-
CameraGLSurfaceView.CameraTextureListener - Interface in org.opencv.android
-
 
-
CameraRenderer - Class in org.opencv.android
-
 
-
CamShift(Mat, Rect, TermCriteria) - Static method in class org.opencv.video.Video
-
-
Finds an object center, size, and orientation.
-
-
Canny(Mat, Mat, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds edges in an image using the Canny algorithm CITE: Canny86 .
-
-
Canny(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds edges in an image using the Canny algorithm CITE: Canny86 .
-
-
Canny(Mat, Mat, double, double, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds edges in an image using the Canny algorithm CITE: Canny86 .
-
-
Canny(Mat, Mat, Mat, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
\overload - - Finds edges in an image using the Canny algorithm with custom image gradient.
-
-
Canny(Mat, Mat, Mat, double, double, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
\overload - - Finds edges in an image using the Canny algorithm with custom image gradient.
-
-
CAP_ANDROID - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_ANY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_ARAVIS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_AVFOUNDATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_CMU1394 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_DC1394 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_DSHOW - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_FFMPEG - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_FIREWARE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_FIREWIRE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_GIGANETIX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_GPHOTO2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_GSTREAMER - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_IEEE1394 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_IMAGES - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTEL_MFX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_DEPTH_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_DEPTH_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_GENERATORS_MASK - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_IMAGE_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_IR_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_IR_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_INTELPERC_UVDEPTH_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_MSMF - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_BGR_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_DEPTH_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_DEPTH_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_GENERATORS_MASK - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_IMAGE_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_IR_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OBSENSOR_IR_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENCV_MJPEG - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_ASUS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_BGR_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR_BASELINE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR_FOCAL_LENGTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR_PRESENT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION_ON - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DEPTH_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DISPARITY_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_DISPARITY_MAP_32F - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_GENERATORS_MASK - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_GRAY_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IMAGE_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IMAGE_GENERATOR_OUTPUT_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IMAGE_GENERATOR_PRESENT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IR_GENERATOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IR_GENERATOR_PRESENT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_IR_IMAGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_POINT_CLOUD_MAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_QVGA_30HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_QVGA_60HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_SXGA_15HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_SXGA_30HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_VALID_DEPTH_MASK - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI_VGA_30HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI2_ASTRA - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_OPENNI2_ASUS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ANDROID_DEVICE_TORCH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_APERTURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ARAVIS_AUTOTRIGGER - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_BASE_INDEX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_DATA_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_POS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_SAMPLES_PER_SECOND - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_SHIFT_NSEC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_STREAM - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_SYNCHRONIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_TOTAL_CHANNELS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUDIO_TOTAL_STREAMS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUTO_EXPOSURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUTO_WB - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_AUTOFOCUS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_BACKEND - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_BACKLIGHT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_BITRATE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_BRIGHTNESS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_BUFFERSIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_CHANNEL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_CODEC_EXTRADATA_INDEX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_CODEC_PIXEL_FORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_CONTRAST - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_CONVERT_RGB - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DC1394_MAX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DC1394_MODE_AUTO - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DC1394_MODE_MANUAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DC1394_MODE_ONE_PUSH_AUTO - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DC1394_OFF - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_DTS_DELAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_EXPOSURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_EXPOSUREPROGRAM - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FOCUS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FOURCC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FPS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FRAME_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FRAME_HEIGHT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FRAME_TYPE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_FRAME_WIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GAIN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GAMMA - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_HEIGH_MAX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_OFFSET_X - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_OFFSET_Y - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_SENS_HEIGH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_SENS_WIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GIGA_FRAME_WIDTH_MAX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_COLLECT_MSGS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_FLUSH_MSGS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_PREVIEW - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_RELOAD_CONFIG - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_RELOAD_ON_CHANGE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GPHOTO2_WIDGET_ENUMERATE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GSTREAMER_QUEUE_LENGTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_GUID - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_HUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_HW_ACCELERATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_HW_ACCELERATION_USE_OPENCL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_HW_DEVICE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IMAGES_BASE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IMAGES_LAST - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_DEPTH_CONFIDENCE_THRESHOLD - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_HORZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_VERT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_DEPTH_LOW_CONFIDENCE_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_DEPTH_SATURATION_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_PROFILE_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_INTELPERC_PROFILE_IDX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IOS_DEVICE_EXPOSURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IOS_DEVICE_FLASH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IOS_DEVICE_FOCUS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IOS_DEVICE_TORCH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IOS_DEVICE_WHITEBALANCE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_IRIS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ISO_SPEED - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_LRF_HAS_KEY_FRAME - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_MONOCHROME - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_N_THREADS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OBSENSOR_INTRINSIC_CX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OBSENSOR_INTRINSIC_CY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OBSENSOR_INTRINSIC_FX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OBSENSOR_INTRINSIC_FY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPEN_TIMEOUT_MSEC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_APPROX_FRAME_SYNC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_BASELINE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_CIRCLE_BUFFER - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_FOCAL_LENGTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_FRAME_MAX_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_GENERATOR_PRESENT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_MAX_BUFFER_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_MAX_TIME_DURATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_OUTPUT_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_REGISTRATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI_REGISTRATION_ON - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI2_MIRROR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_OPENNI2_SYNC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ORIENTATION_AUTO - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ORIENTATION_META - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PAN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_POS_AVI_RATIO - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_POS_FRAMES - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_POS_MSEC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PTS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_BINNINGX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_BINNINGY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_DECIMATIONHORIZONTAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_DECIMATIONVERTICAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_FRAMESTARTTRIGGERMODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_MULTICASTIP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_PVAPI_PIXELFORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_READ_TIMEOUT_MSEC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_RECTIFICATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ROLL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SAR_DEN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SAR_NUM - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SATURATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SETTINGS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SHARPNESS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_SPEED - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_STREAM_OPEN_TIME_USEC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_TEMPERATURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_TILT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_TRIGGER - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_TRIGGER_DELAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_VIDEO_STREAM - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_VIDEO_TOTAL_CHANNELS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_VIEWFINDER - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_WB_TEMPERATURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_WHITE_BALANCE_BLUE_U - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_WHITE_BALANCE_RED_V - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_BUFFER_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_BUFFER_SIZE_UNIT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_FRAME_BURST_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_TIMING_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_COMMIT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AE_MAX_LIMIT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG_LEVEL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG_ROI_HEIGHT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG_ROI_OFFSET_X - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG_ROI_OFFSET_Y - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AEAG_ROI_WIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AG_MAX_LIMIT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_APPLY_CMS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AUTO_BANDWIDTH_CALCULATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AUTO_WB - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_AVAILABLE_BANDWIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BINNING_HORIZONTAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BINNING_PATTERN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BINNING_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BINNING_VERTICAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BPC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BUFFER_POLICY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_BUFFERS_QUEUE_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_00 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_01 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_02 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_03 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_10 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_11 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_12 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_13 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_20 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_21 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_22 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_23 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_30 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_31 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_32 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CC_MATRIX_33 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CHIP_TEMP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_CMS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_COLOR_FILTER_ARRAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_COLUMN_FPN_CORRECTION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_COOLING - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_COUNTER_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_COUNTER_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DATA_FORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEBOUNCE_EN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEBOUNCE_POL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEBOUNCE_T0 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEBOUNCE_T1 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEBUG_LEVEL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DECIMATION_HORIZONTAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DECIMATION_PATTERN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DECIMATION_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DECIMATION_VERTICAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEFAULT_CC_MATRIX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEVICE_MODEL_ID - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEVICE_RESET - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DEVICE_SN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DOWNSAMPLING - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_DOWNSAMPLING_TYPE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_EXP_PRIORITY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_EXPOSURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_EXPOSURE_BURST_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_FFS_ACCESS_KEY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_FFS_FILE_ID - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_FFS_FILE_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_FRAMERATE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_FREE_FFS_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GAIN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GAIN_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GAMMAC - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GAMMAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GPI_LEVEL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GPI_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GPI_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GPO_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_GPO_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HDR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HDR_KNEEPOINT_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HDR_T1 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HDR_T2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HEIGHT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HOUS_BACK_SIDE_TEMP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HOUS_TEMP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_HW_REVISION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_BLACK_LEVEL - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_DATA_BIT_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_DATA_FORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_DATA_FORMAT_RGB32_ALPHA - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_IS_COLOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IMAGE_PAYLOAD_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IS_COOLED - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_IS_DEVICE_EXIST - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_KNEEPOINT1 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_KNEEPOINT2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LED_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LED_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_APERTURE_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FEATURE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FEATURE_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FOCAL_LENGTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FOCUS_DISTANCE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FOCUS_MOVE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_FOCUS_MOVEMENT_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LENS_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LIMIT_BANDWIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LUT_EN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LUT_INDEX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_LUT_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_MANUAL_WB - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_OFFSET_X - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_OFFSET_Y - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_OUTPUT_DATA_BIT_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_OUTPUT_DATA_PACKING - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_OUTPUT_DATA_PACKING_TYPE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_RECENT_FRAME - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_REGION_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_REGION_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_ROW_FPN_CORRECTION - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_BOARD_TEMP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_CLOCK_FREQ_HZ - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_CLOCK_FREQ_INDEX - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_DATA_BIT_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_FEATURE_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_FEATURE_VALUE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_OUTPUT_CHANNEL_COUNT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SENSOR_TAPS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SHARPNESS - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_SHUTTER_TYPE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TARGET_TEMP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TEST_PATTERN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TEST_PATTERN_GENERATOR_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TIMEOUT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TRANSPORT_PIXEL_FORMAT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TRG_DELAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TRG_SELECTOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TRG_SOFTWARE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TRG_SOURCE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TS_RST_MODE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_TS_RST_SOURCE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_USED_FFS_SIZE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_WB_KB - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_WB_KG - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_WB_KR - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_XI_WIDTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PROP_ZOOM - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_DECIMATION_2OUTOF16 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_DECIMATION_2OUTOF4 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_DECIMATION_2OUTOF8 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_DECIMATION_OFF - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_FSTRIGMODE_FIXEDRATE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_FSTRIGMODE_FREERUN - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_FSTRIGMODE_SOFTWARE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_FSTRIGMODE_SYNCIN1 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_FSTRIGMODE_SYNCIN2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_BAYER16 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_BAYER8 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_BGR24 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_BGRA32 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_MONO16 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_MONO8 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_RGB24 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_PVAPI_PIXELFORMAT_RGBA32 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_QT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_REALSENSE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_UEYE - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_UNICAP - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_V4L - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_V4L2 - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_VFW - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_WINRT - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_XIAPI - Static variable in class org.opencv.videoio.Videoio
-
 
-
CAP_XINE - Static variable in class org.opencv.videoio.Videoio
-
 
-
cartToPolar(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the magnitude and angle of 2D vectors.
-
-
cartToPolar(Mat, Mat, Mat, Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Calculates the magnitude and angle of 2D vectors.
-
-
CASCADE_DO_CANNY_PRUNING - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CASCADE_DO_ROUGH_SEARCH - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CASCADE_FIND_BIGGEST_OBJECT - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CASCADE_SCALE_IMAGE - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CascadeClassifier - Class in org.opencv.objdetect
-
-
Cascade classifier class for object detection.
-
-
CascadeClassifier() - Constructor for class org.opencv.objdetect.CascadeClassifier
-
 
-
CascadeClassifier(String) - Constructor for class org.opencv.objdetect.CascadeClassifier
-
-
Loads a classifier from a file.
-
-
CC_STAT_AREA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CC_STAT_HEIGHT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CC_STAT_LEFT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CC_STAT_MAX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CC_STAT_TOP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CC_STAT_WIDTH - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_BBDT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_BOLELLI - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_DEFAULT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_GRANA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_SAUF - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_SPAGHETTI - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CCL_WU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
center - Variable in class org.opencv.core.RotatedRect
-
 
-
CHAIN_APPROX_NONE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CHAIN_APPROX_SIMPLE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CHAIN_APPROX_TC89_KCOS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CHAIN_APPROX_TC89_L1 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
channels() - Method in class org.opencv.core.Mat
-
 
-
channels(int) - Static method in class org.opencv.core.CvType
-
 
-
CharucoBoard - Class in org.opencv.objdetect
-
-
ChArUco board is a planar chessboard where the markers are placed inside the white squares of a chessboard.
-
-
CharucoBoard(Size, float, float, Dictionary) - Constructor for class org.opencv.objdetect.CharucoBoard
-
-
CharucoBoard constructor
-
-
CharucoBoard(Size, float, float, Dictionary, Mat) - Constructor for class org.opencv.objdetect.CharucoBoard
-
-
CharucoBoard constructor
-
-
CharucoDetector - Class in org.opencv.objdetect
-
 
-
CharucoDetector(CharucoBoard) - Constructor for class org.opencv.objdetect.CharucoDetector
-
-
Basic CharucoDetector constructor
-
-
CharucoDetector(CharucoBoard, CharucoParameters) - Constructor for class org.opencv.objdetect.CharucoDetector
-
-
Basic CharucoDetector constructor
-
-
CharucoDetector(CharucoBoard, CharucoParameters, DetectorParameters) - Constructor for class org.opencv.objdetect.CharucoDetector
-
-
Basic CharucoDetector constructor
-
-
CharucoDetector(CharucoBoard, CharucoParameters, DetectorParameters, RefineParameters) - Constructor for class org.opencv.objdetect.CharucoDetector
-
-
Basic CharucoDetector constructor
-
-
CharucoParameters - Class in org.opencv.objdetect
-
 
-
CharucoParameters() - Constructor for class org.opencv.objdetect.CharucoParameters
-
 
-
checkCharucoCornersCollinear(Mat) - Method in class org.opencv.objdetect.CharucoBoard
-
-
check whether the ChArUco markers are collinear
-
-
checkChessboard(Mat, Size) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
checkDetectorSize() - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Checks if detector size equal to descriptor size.
-
-
checkHardwareSupport(int) - Static method in class org.opencv.core.Core
-
-
Returns true if the specified feature is supported by the host hardware.
-
-
checkRange(Mat) - Static method in class org.opencv.core.Core
-
-
Checks every element of an input array for invalid values.
-
-
checkRange(Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Checks every element of an input array for invalid values.
-
-
checkRange(Mat, boolean, double) - Static method in class org.opencv.core.Core
-
-
Checks every element of an input array for invalid values.
-
-
checkRange(Mat, boolean, double, double) - Static method in class org.opencv.core.Core
-
-
Checks every element of an input array for invalid values.
-
-
checkVector(int) - Method in class org.opencv.core.Mat
-
 
-
checkVector(int, int) - Method in class org.opencv.core.Mat
-
 
-
checkVector(int, int, boolean) - Method in class org.opencv.core.Mat
-
 
-
CHI2 - Static variable in class org.opencv.ml.SVM
-
 
-
circle(Mat, Point, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a circle.
-
-
circle(Mat, Point, int, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a circle.
-
-
circle(Mat, Point, int, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a circle.
-
-
circle(Mat, Point, int, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a circle.
-
-
CirclesGridFinderParameters_ASYMMETRIC_GRID - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CirclesGridFinderParameters_SYMMETRIC_GRID - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CLAHE - Class in org.opencv.imgproc
-
-
Base class for Contrast Limited Adaptive Histogram Equalization.
-
-
class_id - Variable in class org.opencv.core.KeyPoint
-
-
Object ID, that can be used to cluster keypoints by an object they - belong to.
-
-
ClassificationModel - Class in org.opencv.dnn
-
-
This class represents high-level API for classification models.
-
-
ClassificationModel(String) - Constructor for class org.opencv.dnn.ClassificationModel
-
-
Create classification model from network represented in one of the supported formats.
-
-
ClassificationModel(String, String) - Constructor for class org.opencv.dnn.ClassificationModel
-
-
Create classification model from network represented in one of the supported formats.
-
-
ClassificationModel(Net) - Constructor for class org.opencv.dnn.ClassificationModel
-
-
Create model from deep learning network.
-
-
classify(Mat, int[], float[]) - Method in class org.opencv.dnn.ClassificationModel
-
 
-
clear() - Method in class org.opencv.core.Algorithm
-
-
Clears the algorithm state
-
-
clear() - Method in class org.opencv.features2d.BOWTrainer
-
 
-
clear() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Clears the train descriptor collections.
-
-
clipLine(Rect, Point, Point) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
clone() - Method in class org.opencv.core.Mat
-
 
-
clone() - Method in class org.opencv.core.Point
-
 
-
clone() - Method in class org.opencv.core.Point3
-
 
-
clone() - Method in class org.opencv.core.Range
-
 
-
clone() - Method in class org.opencv.core.Rect
-
 
-
clone() - Method in class org.opencv.core.Rect2d
-
 
-
clone() - Method in class org.opencv.core.RotatedRect
-
 
-
clone() - Method in class org.opencv.core.Scalar
-
 
-
clone() - Method in class org.opencv.core.Size
-
 
-
clone() - Method in class org.opencv.core.TermCriteria
-
 
-
clone() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Clones the matcher.
-
-
clone(boolean) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Clones the matcher.
-
-
cluster() - Method in class org.opencv.features2d.BOWKMeansTrainer
-
 
-
cluster() - Method in class org.opencv.features2d.BOWTrainer
-
 
-
cluster(Mat) - Method in class org.opencv.features2d.BOWKMeansTrainer
-
 
-
cluster(Mat) - Method in class org.opencv.features2d.BOWTrainer
-
-
Clusters train descriptors.
-
-
CMP_EQ - Static variable in class org.opencv.core.Core
-
 
-
CMP_GE - Static variable in class org.opencv.core.Core
-
 
-
CMP_GT - Static variable in class org.opencv.core.Core
-
 
-
CMP_LE - Static variable in class org.opencv.core.Core
-
 
-
CMP_LT - Static variable in class org.opencv.core.Core
-
 
-
CMP_NE - Static variable in class org.opencv.core.Core
-
 
-
COEF - Static variable in class org.opencv.ml.SVM
-
 
-
col(int) - Method in class org.opencv.core.Mat
-
 
-
COL_SAMPLE - Static variable in class org.opencv.ml.Ml
-
 
-
collectGarbage() - Method in class org.opencv.imgproc.CLAHE
-
 
-
collectGarbage() - Method in class org.opencv.video.DenseOpticalFlow
-
-
Releases all inner buffers.
-
-
COLOR_BayerBG2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBG2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerBGGR2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGB2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGBRG2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGR2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerGRBG2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRG2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2BGR_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2BGR_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2RGB_EA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2RGB_VNG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BayerRGGB2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2BGR555 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2BGR565 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2HLS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2HLS_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2HSV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2HSV_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2Lab - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2Luv - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2XYZ - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YCrCb - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR2YUV_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5552BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5552BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5552GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5552RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5552RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5652BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5652BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5652GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5652RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGR5652RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2BGR555 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2BGR565 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_BGRA2YUV_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_COLORCVT_MAX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2BGR555 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2BGR565 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_GRAY2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HLS2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HLS2BGR_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HLS2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HLS2RGB_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HSV2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HSV2BGR_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HSV2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_HSV2RGB_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Lab2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Lab2LBGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Lab2LRGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Lab2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_LBGR2Lab - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_LBGR2Luv - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_LRGB2Lab - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_LRGB2Luv - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Luv2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Luv2LBGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Luv2LRGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_Luv2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_mRGBA2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2BGR555 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2BGR565 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2HLS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2HLS_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2HSV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2HSV_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2Lab - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2Luv - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2XYZ - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YCrCb - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGB2YUV_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2BGR555 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2BGR565 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2mRGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_RGBA2YUV_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_XYZ2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_XYZ2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YCrCb2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YCrCb2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_NV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_NV21 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGR_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_NV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_NV21 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2BGRA_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_NV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_NV21 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2GRAY_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_NV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_NV21 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGB_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_I420 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_IYUV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_NV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_NV21 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_UYNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_UYVY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_Y422 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_YUNV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_YUY2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_YUYV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_YV12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV2RGBA_YVYU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420p2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420p2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420p2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420p2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420p2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420sp2BGR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420sp2BGRA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420sp2GRAY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420sp2RGB - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLOR_YUV420sp2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
colorChange(Mat, Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
-
-
colorChange(Mat, Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
-
-
colorChange(Mat, Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
-
-
colorChange(Mat, Mat, Mat, float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
-
-
COLORMAP_AUTUMN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_BONE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_CIVIDIS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_COOL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_DEEPGREEN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_HOT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_HSV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_INFERNO - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_JET - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_MAGMA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_OCEAN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_PARULA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_PINK - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_PLASMA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_RAINBOW - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_SPRING - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_SUMMER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_TURBO - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_TWILIGHT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_TWILIGHT_SHIFTED - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_VIRIDIS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
COLORMAP_WINTER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
colRange(int, int) - Method in class org.opencv.core.Mat
-
 
-
colRange(Range) - Method in class org.opencv.core.Mat
-
 
-
cols() - Method in class org.opencv.core.Mat
-
 
-
compare(Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Performs the per-element comparison of two arrays or an array and scalar value.
-
-
compare(Mat, Scalar, Mat, int) - Static method in class org.opencv.core.Core
-
 
-
compareHist(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Compares two histograms.
-
-
compareSegments(Size, Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels.
-
-
compareSegments(Size, Mat, Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels.
-
-
completeSymm(Mat) - Static method in class org.opencv.core.Core
-
-
Copies the lower or the upper half of a square matrix to its another half.
-
-
completeSymm(Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Copies the lower or the upper half of a square matrix to its another half.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Combines two rotation-and-shift transformations.
-
-
COMPRESSED_INPUT - Static variable in class org.opencv.ml.StatModel
-
 
-
compute(List<Mat>, List<MatOfKeyPoint>, List<Mat>) - Method in class org.opencv.features2d.Feature2D
-
 
-
compute(Mat, MatOfFloat) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes HOG descriptors of given image.
-
-
compute(Mat, MatOfFloat, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes HOG descriptors of given image.
-
-
compute(Mat, MatOfFloat, Size, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes HOG descriptors of given image.
-
-
compute(Mat, MatOfFloat, Size, Size, MatOfPoint) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes HOG descriptors of given image.
-
-
compute(Mat, MatOfKeyPoint, Mat) - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
 
-
compute(Mat, MatOfKeyPoint, Mat) - Method in class org.opencv.features2d.Feature2D
-
-
Computes the descriptors for a set of keypoints detected in an image (first variant) or image set - (second variant).
-
-
compute(Mat, Mat, Mat) - Method in class org.opencv.calib3d.StereoMatcher
-
-
Computes disparity map for the specified stereo pair
-
-
computeBitmaps(Mat, Mat, Mat) - Method in class org.opencv.photo.AlignMTB
-
-
Computes median threshold and exclude bitmaps of given image.
-
-
computeCorrespondEpilines(Mat, int, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
For points in an image of a stereo pair, computes the corresponding epilines in the other image.
-
-
computeECC(Mat, Mat) - Static method in class org.opencv.video.Video
-
-
Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 .
-
-
computeECC(Mat, Mat, Mat) - Static method in class org.opencv.video.Video
-
-
Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 .
-
-
computeGradient(Mat, Mat, Mat) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes gradients and quantized gradient orientations.
-
-
computeGradient(Mat, Mat, Mat, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes gradients and quantized gradient orientations.
-
-
computeGradient(Mat, Mat, Mat, Size, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Computes gradients and quantized gradient orientations.
-
-
conj() - Method in class org.opencv.core.Scalar
-
 
-
connect(String, String) - Method in class org.opencv.dnn.Net
-
-
Connects output of the first layer to input of the second layer.
-
-
connectedComponents(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponents(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponents(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponentsWithAlgorithm(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
computes the connected components labeled image of boolean image - - image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - represents the background label.
-
-
connectedComponentsWithStats(Mat, Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponentsWithStats(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponentsWithStats(Mat, Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
connectedComponentsWithStatsWithAlgorithm(Mat, Mat, Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
computes the connected components labeled image of boolean image and also produces a statistics output for each label - - image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - represents the background label.
-
-
contains(Point) - Method in class org.opencv.core.Rect
-
 
-
contains(Point) - Method in class org.opencv.core.Rect2d
-
 
-
contourArea(Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a contour area.
-
-
contourArea(Mat, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a contour area.
-
-
CONTOURS_MATCH_I1 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CONTOURS_MATCH_I2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CONTOURS_MATCH_I3 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
convert(String, String) - Static method in class org.opencv.objdetect.CascadeClassifier
-
 
-
Converters - Class in org.opencv.utils
-
 
-
Converters() - Constructor for class org.opencv.utils.Converters
-
 
-
convertMaps(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts image transformation maps from one representation to another.
-
-
convertMaps(Mat, Mat, Mat, Mat, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts image transformation maps from one representation to another.
-
-
convertPointsFromHomogeneous(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Converts points from homogeneous to Euclidean space.
-
-
convertPointsToHomogeneous(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Converts points from Euclidean to homogeneous space.
-
-
convertScaleAbs(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Scales, calculates absolute values, and converts the result to 8-bit.
-
-
convertScaleAbs(Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
Scales, calculates absolute values, and converts the result to 8-bit.
-
-
convertScaleAbs(Mat, Mat, double, double) - Static method in class org.opencv.core.Core
-
-
Scales, calculates absolute values, and converts the result to 8-bit.
-
-
convertTo(Mat, int) - Method in class org.opencv.core.Mat
-
 
-
convertTo(Mat, int, double) - Method in class org.opencv.core.Mat
-
 
-
convertTo(Mat, int, double, double) - Method in class org.opencv.core.Mat
-
 
-
convexHull(MatOfPoint, MatOfInt) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds the convex hull of a point set.
-
-
convexHull(MatOfPoint, MatOfInt, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds the convex hull of a point set.
-
-
convexityDefects(MatOfPoint, MatOfInt, MatOfInt4) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds the convexity defects of a contour.
-
-
copyMakeBorder(Mat, Mat, int, int, int, int, int) - Static method in class org.opencv.core.Core
-
-
Forms a border around an image.
-
-
copyMakeBorder(Mat, Mat, int, int, int, int, int, Scalar) - Static method in class org.opencv.core.Core
-
-
Forms a border around an image.
-
-
copySize(Mat) - Method in class org.opencv.core.Mat
-
 
-
copyTo(Mat) - Method in class org.opencv.core.Mat
-
 
-
copyTo(Mat, Mat) - Method in class org.opencv.core.Mat
-
 
-
copyTo(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
This is an overloaded member function, provided for convenience (python) - Copies the matrix to another one.
-
-
Core - Class in org.opencv.core
-
 
-
Core() - Constructor for class org.opencv.core.Core
-
 
-
Core.MinMaxLocResult - Class in org.opencv.core
-
 
-
CORNER_REFINE_APRILTAG - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CORNER_REFINE_CONTOUR - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CORNER_REFINE_NONE - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
CORNER_REFINE_SUBPIX - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
cornerEigenValsAndVecs(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates eigenvalues and eigenvectors of image blocks for corner detection.
-
-
cornerEigenValsAndVecs(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates eigenvalues and eigenvectors of image blocks for corner detection.
-
-
cornerHarris(Mat, Mat, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Harris corner detector.
-
-
cornerHarris(Mat, Mat, int, int, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Harris corner detector.
-
-
cornerMinEigenVal(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the minimal eigenvalue of gradient matrices for corner detection.
-
-
cornerMinEigenVal(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the minimal eigenvalue of gradient matrices for corner detection.
-
-
cornerMinEigenVal(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the minimal eigenvalue of gradient matrices for corner detection.
-
-
cornerSubPix(Mat, Mat, Size, Size, TermCriteria) - Static method in class org.opencv.imgproc.Imgproc
-
-
Refines the corner locations.
-
-
correct(Mat) - Method in class org.opencv.video.KalmanFilter
-
-
Updates the predicted state from the measurement.
-
-
CORRECT_LEVEL_H - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
CORRECT_LEVEL_L - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
CORRECT_LEVEL_M - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
CORRECT_LEVEL_Q - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
correctMatches(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refines coordinates of corresponding points.
-
-
COUNT - Static variable in class org.opencv.core.TermCriteria
-
-
The maximum number of iterations or elements to compute
-
-
countNonZero(Mat) - Static method in class org.opencv.core.Core
-
-
Counts non-zero array elements.
-
-
COV_MAT_DEFAULT - Static variable in class org.opencv.ml.EM
-
 
-
COV_MAT_DIAGONAL - Static variable in class org.opencv.ml.EM
-
 
-
COV_MAT_GENERIC - Static variable in class org.opencv.ml.EM
-
 
-
COV_MAT_SPHERICAL - Static variable in class org.opencv.ml.EM
-
 
-
COV_POLISHER - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
COVAR_COLS - Static variable in class org.opencv.core.Core
-
 
-
COVAR_NORMAL - Static variable in class org.opencv.core.Core
-
 
-
COVAR_ROWS - Static variable in class org.opencv.core.Core
-
 
-
COVAR_SCALE - Static variable in class org.opencv.core.Core
-
 
-
COVAR_SCRAMBLED - Static variable in class org.opencv.core.Core
-
 
-
COVAR_USE_AVG - Static variable in class org.opencv.core.Core
-
 
-
create() - Static method in class org.opencv.calib3d.StereoBM
-
-
Creates StereoBM object
-
-
create() - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object - - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
-
-
create() - Static method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
create() - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor - - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
-
-
create() - Static method in class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher create method.
-
-
create() - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor - - keypoint.
-
-
create() - Static method in class org.opencv.features2d.FastFeatureDetector
-
 
-
create() - Static method in class org.opencv.features2d.FlannBasedMatcher
-
 
-
create() - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create() - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor - - DIFF_CHARBONNIER
-
-
create() - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create() - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor - - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically.
-
-
create() - Static method in class org.opencv.features2d.SIFT
-
-
(measured in SIFT algorithm as the local contrast) - - number of octaves is computed automatically from the image resolution.
-
-
create() - Static method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
create() - Static method in class org.opencv.ml.ANN_MLP
-
-
Creates empty model - - Use StatModel::train to train the model, Algorithm::load<ANN_MLP>(filename) to load the pre-trained model.
-
-
create() - Static method in class org.opencv.ml.Boost
-
-
Creates the empty model.
-
-
create() - Static method in class org.opencv.ml.DTrees
-
-
Creates the empty model - - The static method creates empty decision tree with the specified parameters.
-
-
create() - Static method in class org.opencv.ml.EM
-
-
Creates empty %EM model.
-
-
create() - Static method in class org.opencv.ml.KNearest
-
-
Creates the empty model - - The static method creates empty %KNearest classifier.
-
-
create() - Static method in class org.opencv.ml.LogisticRegression
-
-
Creates empty model.
-
-
create() - Static method in class org.opencv.ml.NormalBayesClassifier
-
-
Creates empty model - Use StatModel::train to train the model after creation.
-
-
create() - Static method in class org.opencv.ml.ParamGrid
-
-
Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
-
-
create() - Static method in class org.opencv.ml.RTrees
-
-
Creates the empty model.
-
-
create() - Static method in class org.opencv.ml.SVM
-
-
Creates empty model.
-
-
create() - Static method in class org.opencv.ml.SVMSGD
-
-
Creates empty model.
-
-
create() - Static method in class org.opencv.objdetect.QRCodeEncoder
-
-
Constructor
-
-
create() - Static method in class org.opencv.video.DISOpticalFlow
-
-
Creates an instance of DISOpticalFlow
-
-
create() - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create() - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create() - Static method in class org.opencv.video.TrackerDaSiamRPN
-
-
Constructor
-
-
create() - Static method in class org.opencv.video.TrackerGOTURN
-
-
Constructor
-
-
create() - Static method in class org.opencv.video.TrackerMIL
-
-
Create MIL tracker instance
-
-
create() - Static method in class org.opencv.video.TrackerNano
-
-
Constructor
-
-
create() - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
create() - Static method in class org.opencv.video.VariationalRefinement
-
-
Creates an instance of VariationalRefinement
-
-
create(boolean) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(boolean, boolean) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(boolean, boolean, float) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(boolean, boolean, float, int) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(boolean, boolean, float, int, int) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(boolean, boolean, float, int, int, int) - Static method in class org.opencv.features2d.KAZE
-
-
The KAZE constructor
-
-
create(double) - Static method in class org.opencv.ml.ParamGrid
-
-
Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
-
-
create(double, double) - Static method in class org.opencv.ml.ParamGrid
-
-
Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
-
-
create(double, double, double) - Static method in class org.opencv.ml.ParamGrid
-
-
Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
-
-
create(int) - Static method in class org.opencv.calib3d.StereoBM
-
-
Creates StereoBM object
-
-
create(int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int) - Static method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
create(int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int) - Static method in class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher create method.
-
-
create(int) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor
-
-
create(int) - Static method in class org.opencv.features2d.DescriptorMatcher
-
 
-
create(int) - Static method in class org.opencv.features2d.FastFeatureDetector
-
 
-
create(int) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int) - Static method in class org.opencv.video.DISOpticalFlow
-
-
Creates an instance of DISOpticalFlow
-
-
create(int) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int[], int) - Method in class org.opencv.core.Mat
-
 
-
create(int, boolean) - Static method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
create(int, boolean) - Static method in class org.opencv.features2d.BFMatcher
-
-
Brute-force matcher create method.
-
-
create(int, boolean) - Static method in class org.opencv.features2d.FastFeatureDetector
-
 
-
create(int, boolean, int) - Static method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
create(int, boolean, int) - Static method in class org.opencv.features2d.FastFeatureDetector
-
 
-
create(int, double) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean, int) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean, int, int) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean, int, int, int) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean, int, int, int, double) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, boolean, int, int, int, double, int) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
create(int, double, double) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int, boolean) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int, boolean, double) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int, int) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int, int, boolean) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, double, double, int, int, boolean, double) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
create(int, float) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int, int, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int, int, int, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, float, int, int, int, int, int, int, int) - Static method in class org.opencv.features2d.ORB
-
-
The ORB constructor
-
-
create(int, int) - Static method in class org.opencv.calib3d.StereoBM
-
-
Creates StereoBM object
-
-
create(int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor
-
-
create(int, int) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int, int, double) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int, int, double, double) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int, int, double, double, double) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int, int, double, double, double, boolean) - Static method in class org.opencv.features2d.SIFT
-
 
-
create(int, int, double, double, double, int) - Static method in class org.opencv.features2d.SIFT
-
-
Create SIFT with specified descriptorType.
-
-
create(int, int, double, double, double, int, boolean) - Static method in class org.opencv.features2d.SIFT
-
-
Create SIFT with specified descriptorType.
-
-
create(int, int, float) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor
-
-
create(int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int) - Method in class org.opencv.core.Mat
-
 
-
create(int, int, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double, double) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double, double, int) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double, double, int, double) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double, double, int, double, double) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, double, double, int, double, double, int) - Static method in class org.opencv.features2d.MSER
-
-
Full constructor for %MSER detector
-
-
create(int, int, int, float) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int, float, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int, float, int, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int, float, int, int, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int, float, int, int, int, int) - Static method in class org.opencv.features2d.AKAZE
-
-
The AKAZE constructor
-
-
create(int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, int, int, int, int, int, int, int, int, int) - Static method in class org.opencv.calib3d.StereoSGBM
-
-
Creates StereoSGBM object
-
-
create(int, int, MatOfFloat, MatOfInt) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern, detection threshold and octaves
-
-
create(int, int, MatOfFloat, MatOfInt, float) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern, detection threshold and octaves
-
-
create(int, int, MatOfFloat, MatOfInt, float, float) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern, detection threshold and octaves
-
-
create(int, int, MatOfFloat, MatOfInt, float, float, MatOfInt) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern, detection threshold and octaves
-
-
create(String) - Static method in class org.opencv.features2d.DescriptorMatcher
-
-
Creates a descriptor matcher of a given type with the default parameters (using default - constructor).
-
-
create(String, String) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class with given parameters
-
-
create(String, String, int) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class with given parameters
-
-
create(String, String, int, int) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class with given parameters
-
-
create(String, String, Size) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, String, Size, float) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, String, Size, float, float) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, String, Size, float, float, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, String, Size, float, float, int, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, String, Size, float, float, int, int, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
-
Creates an instance of face detector class with given parameters
-
-
create(String, MatOfByte, MatOfByte) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class from a buffer containing the model weights and configuration.
-
-
create(String, MatOfByte, MatOfByte, int) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class from a buffer containing the model weights and configuration.
-
-
create(String, MatOfByte, MatOfByte, int, int) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Creates an instance of this class from a buffer containing the model weights and configuration.
-
-
create(String, MatOfByte, MatOfByte, Size) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(String, MatOfByte, MatOfByte, Size, float) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(String, MatOfByte, MatOfByte, Size, float, float) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(String, MatOfByte, MatOfByte, Size, float, float, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(String, MatOfByte, MatOfByte, Size, float, float, int, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(String, MatOfByte, MatOfByte, Size, float, float, int, int, int) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
create(MatOfFloat, MatOfInt) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern
-
-
create(MatOfFloat, MatOfInt, float) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern
-
-
create(MatOfFloat, MatOfInt, float, float) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern
-
-
create(MatOfFloat, MatOfInt, float, float, MatOfInt) - Static method in class org.opencv.features2d.BRISK
-
-
The BRISK constructor for a custom pattern
-
-
create(Mat, int, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Creates training data from in-memory arrays.
-
-
create(Mat, int, Mat, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Creates training data from in-memory arrays.
-
-
create(Mat, int, Mat, Mat, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Creates training data from in-memory arrays.
-
-
create(Mat, int, Mat, Mat, Mat, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Creates training data from in-memory arrays.
-
-
create(Mat, int, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Creates training data from in-memory arrays.
-
-
create(Size) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create(Size, int) - Method in class org.opencv.core.Mat
-
 
-
create(Size, int) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create(Size, int, TermCriteria) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create(Size, int, TermCriteria, int) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create(Size, int, TermCriteria, int, double) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
create(Net) - Static method in class org.opencv.video.TrackerGOTURN
-
-
Constructor
-
-
create(Net) - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
create(Net, Scalar) - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
create(Net, Scalar, Scalar) - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
create(Net, Scalar, Scalar, float) - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
create(Net, Net) - Static method in class org.opencv.video.TrackerNano
-
-
Constructor
-
-
create(Net, Net, Net) - Static method in class org.opencv.video.TrackerDaSiamRPN
-
-
Constructor
-
-
create(Feature2D) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
create(Feature2D, int) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
create(Feature2D, int, int) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
create(Feature2D, int, int, float) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
create(Feature2D, int, int, float, float) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
create(SimpleBlobDetector_Params) - Static method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
create(QRCodeEncoder_Params) - Static method in class org.opencv.objdetect.QRCodeEncoder
-
-
Constructor
-
-
create(TrackerDaSiamRPN_Params) - Static method in class org.opencv.video.TrackerDaSiamRPN
-
-
Constructor
-
-
create(TrackerGOTURN_Params) - Static method in class org.opencv.video.TrackerGOTURN
-
-
Constructor
-
-
create(TrackerMIL_Params) - Static method in class org.opencv.video.TrackerMIL
-
-
Create MIL tracker instance
-
-
create(TrackerNano_Params) - Static method in class org.opencv.video.TrackerNano
-
-
Constructor
-
-
create(TrackerVit_Params) - Static method in class org.opencv.video.TrackerVit
-
-
Constructor
-
-
createAlignMTB() - Static method in class org.opencv.photo.Photo
-
-
Creates AlignMTB object - - usually good enough (31 and 63 pixels shift respectively).
-
-
createAlignMTB(int) - Static method in class org.opencv.photo.Photo
-
-
Creates AlignMTB object
-
-
createAlignMTB(int, int) - Static method in class org.opencv.photo.Photo
-
-
Creates AlignMTB object
-
-
createAlignMTB(int, int, boolean) - Static method in class org.opencv.photo.Photo
-
-
Creates AlignMTB object
-
-
createBackgroundSubtractorKNN() - Static method in class org.opencv.video.Video
-
-
Creates KNN Background Subtractor - - whether a pixel is close to that sample.
-
-
createBackgroundSubtractorKNN(int) - Static method in class org.opencv.video.Video
-
-
Creates KNN Background Subtractor
-
-
createBackgroundSubtractorKNN(int, double) - Static method in class org.opencv.video.Video
-
-
Creates KNN Background Subtractor
-
-
createBackgroundSubtractorKNN(int, double, boolean) - Static method in class org.opencv.video.Video
-
-
Creates KNN Background Subtractor
-
-
createBackgroundSubtractorMOG2() - Static method in class org.opencv.video.Video
-
-
Creates MOG2 Background Subtractor - - to decide whether a pixel is well described by the background model.
-
-
createBackgroundSubtractorMOG2(int) - Static method in class org.opencv.video.Video
-
-
Creates MOG2 Background Subtractor
-
-
createBackgroundSubtractorMOG2(int, double) - Static method in class org.opencv.video.Video
-
-
Creates MOG2 Background Subtractor
-
-
createBackgroundSubtractorMOG2(int, double, boolean) - Static method in class org.opencv.video.Video
-
-
Creates MOG2 Background Subtractor
-
-
createCalibrateDebevec() - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateDebevec object - - response.
-
-
createCalibrateDebevec(int) - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateDebevec object
-
-
createCalibrateDebevec(int, float) - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateDebevec object
-
-
createCalibrateDebevec(int, float, boolean) - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateDebevec object
-
-
createCalibrateRobertson() - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateRobertson object
-
-
createCalibrateRobertson(int) - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateRobertson object
-
-
createCalibrateRobertson(int, float) - Static method in class org.opencv.photo.Photo
-
-
Creates CalibrateRobertson object
-
-
createCLAHE() - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a cv::CLAHE class and initializes it.
-
-
createCLAHE(double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a cv::CLAHE class and initializes it.
-
-
createCLAHE(double, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a cv::CLAHE class and initializes it.
-
-
createGeneralizedHoughBallard() - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a cv::GeneralizedHoughBallard class and initializes it.
-
-
createGeneralizedHoughGuil() - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a cv::GeneralizedHoughGuil class and initializes it.
-
-
createHanningWindow(Mat, Size, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
This function computes a Hanning window coefficients in two dimensions.
-
-
createLineSegmentDetector() - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createLineSegmentDetector(int, double, double, double, double, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Creates a smart pointer to a LineSegmentDetector object and initializes it.
-
-
createMergeDebevec() - Static method in class org.opencv.photo.Photo
-
-
Creates MergeDebevec object
-
-
createMergeMertens() - Static method in class org.opencv.photo.Photo
-
-
Creates MergeMertens object
-
-
createMergeMertens(float) - Static method in class org.opencv.photo.Photo
-
-
Creates MergeMertens object
-
-
createMergeMertens(float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates MergeMertens object
-
-
createMergeMertens(float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates MergeMertens object
-
-
createMergeRobertson() - Static method in class org.opencv.photo.Photo
-
-
Creates MergeRobertson object
-
-
createTonemap() - Static method in class org.opencv.photo.Photo
-
-
Creates simple linear mapper with gamma correction - - equal to 2.2f is suitable for most displays.
-
-
createTonemap(float) - Static method in class org.opencv.photo.Photo
-
-
Creates simple linear mapper with gamma correction
-
-
createTonemapDrago() - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapDrago object - - than 1 increase saturation and values less than 1 decrease it.
-
-
createTonemapDrago(float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapDrago object
-
-
createTonemapDrago(float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapDrago object
-
-
createTonemapDrago(float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapDrago object
-
-
createTonemapMantiuk() - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapMantiuk object - - dynamic range.
-
-
createTonemapMantiuk(float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapMantiuk object
-
-
createTonemapMantiuk(float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapMantiuk object
-
-
createTonemapMantiuk(float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapMantiuk object
-
-
createTonemapReinhard() - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapReinhard object - - value, if 0 it's global, otherwise it's a weighted mean of this two cases.
-
-
createTonemapReinhard(float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapReinhard object
-
-
createTonemapReinhard(float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapReinhard object
-
-
createTonemapReinhard(float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapReinhard object
-
-
createTonemapReinhard(float, float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Creates TonemapReinhard object
-
-
cross(Mat) - Method in class org.opencv.core.Mat
-
 
-
cross(Point3) - Method in class org.opencv.core.Point3
-
 
-
cubeRoot(float) - Static method in class org.opencv.core.Core
-
-
Computes the cube root of an argument.
-
-
CUSTOM - Static variable in class org.opencv.ml.SVM
-
 
-
CV_16F - Static variable in class org.opencv.core.CvType
-
 
-
CV_16FC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_16FC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16FC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16FC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16FC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16S - Static variable in class org.opencv.core.CvType
-
 
-
CV_16SC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_16SC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16SC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16SC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16SC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16U - Static variable in class org.opencv.core.CvType
-
 
-
CV_16UC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_16UC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16UC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16UC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_16UC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32F - Static variable in class org.opencv.core.CvType
-
 
-
CV_32FC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_32FC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32FC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32FC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32FC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32S - Static variable in class org.opencv.core.CvType
-
 
-
CV_32SC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_32SC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32SC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32SC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_32SC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_64F - Static variable in class org.opencv.core.CvType
-
 
-
CV_64FC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_64FC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_64FC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_64FC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_64FC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8S - Static variable in class org.opencv.core.CvType
-
 
-
CV_8SC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_8SC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8SC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8SC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8SC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8U - Static variable in class org.opencv.core.CvType
-
 
-
CV_8UC(int) - Static method in class org.opencv.core.CvType
-
 
-
CV_8UC1 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8UC2 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8UC3 - Static variable in class org.opencv.core.CvType
-
 
-
CV_8UC4 - Static variable in class org.opencv.core.CvType
-
 
-
CV_BILATERAL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_BLUR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_BLUR_NO_SCALE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CANNY_L2_GRADIENT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CHAIN_CODE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CLOCKWISE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_BHATTACHARYYA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_CHISQR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_CHISQR_ALT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_CORREL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_HELLINGER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_INTERSECT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COMP_KL_DIV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CONTOURS_MATCH_I1 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CONTOURS_MATCH_I2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_CONTOURS_MATCH_I3 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_COUNTER_CLOCKWISE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_C - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_FAIR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_HUBER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_L1 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_L12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_L2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_LABEL_CCOMP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_LABEL_PIXEL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_MASK_3 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_MASK_5 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_MASK_PRECISE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_USER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DIST_WELSCH - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_DLS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CV_EPNP - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CV_GAUSSIAN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_GAUSSIAN_5x5 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_HOUGH_GRADIENT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_HOUGH_MULTI_SCALE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_HOUGH_PROBABILISTIC - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_HOUGH_STANDARD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_ITERATIVE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CV_LINK_RUNS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_MAX_SOBEL_KSIZE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_MEDIAN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_mRGBA2RGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_P3P - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CV_POLY_APPROX_DP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_RGBA2mRGBA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SCHARR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SHAPE_CROSS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SHAPE_CUSTOM - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SHAPE_DIAMOND - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SHAPE_ELLIPSE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_SHAPE_RECT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_WARP_FILL_OUTLIERS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_WARP_INVERSE_MAP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CV_WARP_RELATIVE_MAP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
CvException - Exception in org.opencv.core
-
 
-
CvException(String) - Constructor for exception org.opencv.core.CvException
-
 
-
CvLevMarq_CALC_J - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CvLevMarq_CHECK_ERR - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CvLevMarq_DONE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
CvLevMarq_STARTED - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
cvtColor(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts an image from one color space to another.
-
-
cvtColor(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts an image from one color space to another.
-
-
cvtColor(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts an image from one color space to another.
-
-
cvtColorTwoPlane(Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts an image from one color space to another where the source image is - stored in two planes.
-
-
cvtColorTwoPlane(Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Converts an image from one color space to another where the source image is - stored in two planes.
-
-
CvType - Class in org.opencv.core
-
 
-
CvType() - Constructor for class org.opencv.core.CvType
-
 
-
-

D

-
-
dataAddr() - Method in class org.opencv.core.Mat
-
 
-
dct(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs a forward or inverse discrete Cosine transform of 1D or 2D array.
-
-
dct(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Performs a forward or inverse discrete Cosine transform of 1D or 2D array.
-
-
DCT_INVERSE - Static variable in class org.opencv.core.Core
-
 
-
DCT_ROWS - Static variable in class org.opencv.core.Core
-
 
-
decode(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Decodes graphical code in image once it's found by the detect() method.
-
-
decode(Mat, Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Decodes graphical code in image once it's found by the detect() method.
-
-
decodeBytes(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
decodeBytes(Mat, Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
decodeBytesMulti(Mat, Mat, List<byte[]>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
decodeBytesMulti(Mat, Mat, List<byte[]>, List<Mat>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
decodeCurved(Mat, Mat) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Decodes QR code on a curved surface in image once it's found by the detect() method.
-
-
decodeCurved(Mat, Mat, Mat) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Decodes QR code on a curved surface in image once it's found by the detect() method.
-
-
decodeMulti(Mat, Mat, List<String>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Decodes graphical codes in image once it's found by the detect() method.
-
-
decodeMulti(Mat, Mat, List<String>, List<Mat>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Decodes graphical codes in image once it's found by the detect() method.
-
-
decodeWithType(Mat, Mat, List<String>, List<String>) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Decodes barcode in image once it's found by the detect() method.
-
-
decolor(Mat, Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Transforms a color image to a grayscale image.
-
-
DECOMP_CHOLESKY - Static variable in class org.opencv.core.Core
-
 
-
DECOMP_EIG - Static variable in class org.opencv.core.Core
-
 
-
DECOMP_LU - Static variable in class org.opencv.core.Core
-
 
-
DECOMP_NORMAL - Static variable in class org.opencv.core.Core
-
 
-
DECOMP_QR - Static variable in class org.opencv.core.Core
-
 
-
DECOMP_SVD - Static variable in class org.opencv.core.Core
-
 
-
decomposeEssentialMat(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decompose an essential matrix to possible rotations and translation.
-
-
decomposeHomographyMat(Mat, Mat, List<Mat>, List<Mat>, List<Mat>) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decompose a homography matrix to rotation(s), translation(s) and plane normal(s).
-
-
decomposeProjectionMatrix(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
-
-
decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
-
-
decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
-
-
decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
-
-
decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
-
-
DEFAULT_MAX_ITERS - Static variable in class org.opencv.ml.EM
-
 
-
DEFAULT_NCLUSTERS - Static variable in class org.opencv.ml.EM
-
 
-
DEFAULT_NLEVELS - Static variable in class org.opencv.objdetect.HOGDescriptor
-
 
-
defaultNorm() - Method in class org.opencv.features2d.Feature2D
-
 
-
DEGREE - Static variable in class org.opencv.ml.SVM
-
 
-
demosaicing(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
main function for all demosaicing processes
-
-
demosaicing(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
main function for all demosaicing processes
-
-
denoise_TVL1(List<Mat>, Mat) - Static method in class org.opencv.photo.Photo
-
-
Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
-
-
denoise_TVL1(List<Mat>, Mat, double) - Static method in class org.opencv.photo.Photo
-
-
Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
-
-
denoise_TVL1(List<Mat>, Mat, double, int) - Static method in class org.opencv.photo.Photo
-
-
Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
-
-
DenseOpticalFlow - Class in org.opencv.video
-
-
Base class for dense optical flow algorithms
-
-
depth() - Method in class org.opencv.core.Mat
-
 
-
depth(int) - Static method in class org.opencv.core.CvType
-
 
-
DESCR_FORMAT_COL_BY_COL - Static variable in class org.opencv.objdetect.HOGDescriptor
-
 
-
DESCR_FORMAT_ROW_BY_ROW - Static variable in class org.opencv.objdetect.HOGDescriptor
-
 
-
DESCRIPTOR_KAZE - Static variable in class org.opencv.features2d.AKAZE
-
 
-
DESCRIPTOR_KAZE_UPRIGHT - Static variable in class org.opencv.features2d.AKAZE
-
 
-
DESCRIPTOR_MLDB - Static variable in class org.opencv.features2d.AKAZE
-
 
-
DESCRIPTOR_MLDB_UPRIGHT - Static variable in class org.opencv.features2d.AKAZE
-
 
-
DescriptorMatcher - Class in org.opencv.features2d
-
-
Abstract base class for matching keypoint descriptors.
-
-
descriptorsCount() - Method in class org.opencv.features2d.BOWTrainer
-
-
Returns the count of all descriptors stored in the training set.
-
-
descriptorSize() - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
-
Returns an image descriptor size if the vocabulary is set.
-
-
descriptorSize() - Method in class org.opencv.features2d.Feature2D
-
 
-
descriptorType() - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
-
Returns an image descriptor type.
-
-
descriptorType() - Method in class org.opencv.features2d.Feature2D
-
 
-
detailEnhance(Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
This filter enhances the details of a particular image.
-
-
detailEnhance(Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
This filter enhances the details of a particular image.
-
-
detailEnhance(Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
This filter enhances the details of a particular image.
-
-
detect(List<Mat>, List<MatOfKeyPoint>) - Method in class org.opencv.features2d.Feature2D
-
 
-
detect(List<Mat>, List<MatOfKeyPoint>, List<Mat>) - Method in class org.opencv.features2d.Feature2D
-
 
-
detect(Mat, List<MatOfPoint>) - Method in class org.opencv.dnn.TextDetectionModel
-
 
-
detect(Mat, List<MatOfPoint>, MatOfFloat) - Method in class org.opencv.dnn.TextDetectionModel
-
-
Performs detection - - Given the input frame, prepare network input, run network inference, post-process network output and return result detections.
-
-
detect(Mat, Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
detect(Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Finds lines in the input image.
-
-
detect(Mat, Mat) - Method in class org.opencv.objdetect.FaceDetectorYN
-
-
Detects faces in the input image.
-
-
detect(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Detects graphical code in image and returns the quadrangle containing the code.
-
-
detect(Mat, MatOfInt, MatOfFloat, MatOfRect) - Method in class org.opencv.dnn.DetectionModel
-
-
Given the input frame, create input blob, run net and return result detections.
-
-
detect(Mat, MatOfInt, MatOfFloat, MatOfRect, float) - Method in class org.opencv.dnn.DetectionModel
-
-
Given the input frame, create input blob, run net and return result detections.
-
-
detect(Mat, MatOfInt, MatOfFloat, MatOfRect, float, float) - Method in class org.opencv.dnn.DetectionModel
-
-
Given the input frame, create input blob, run net and return result detections.
-
-
detect(Mat, MatOfKeyPoint) - Method in class org.opencv.features2d.Feature2D
-
-
Detects keypoints in an image (first variant) or image set (second variant).
-
-
detect(Mat, MatOfKeyPoint, Mat) - Method in class org.opencv.features2d.Feature2D
-
-
Detects keypoints in an image (first variant) or image set (second variant).
-
-
detect(Mat, MatOfPoint, MatOfDouble) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Performs object detection without a multi-scale window.
-
-
detect(Mat, MatOfPoint, MatOfDouble, double) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Performs object detection without a multi-scale window.
-
-
detect(Mat, MatOfPoint, MatOfDouble, double, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Performs object detection without a multi-scale window.
-
-
detect(Mat, MatOfPoint, MatOfDouble, double, Size, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Performs object detection without a multi-scale window.
-
-
detect(Mat, MatOfPoint, MatOfDouble, double, Size, Size, MatOfPoint) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Performs object detection without a multi-scale window.
-
-
detect(Mat, Mat, Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
detect(Mat, Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Finds lines in the input image.
-
-
detect(Mat, Mat, Mat, Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
detect(Mat, Mat, Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Finds lines in the input image.
-
-
detect(Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
detect(Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Finds lines in the input image.
-
-
detectAndCompute(Mat, Mat, MatOfKeyPoint, Mat) - Method in class org.opencv.features2d.Feature2D
-
-
Detects keypoints and computes the descriptors
-
-
detectAndCompute(Mat, Mat, MatOfKeyPoint, Mat, boolean) - Method in class org.opencv.features2d.Feature2D
-
-
Detects keypoints and computes the descriptors
-
-
detectAndDecode(Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical code
-
-
detectAndDecode(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical code
-
-
detectAndDecode(Mat, Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical code
-
-
detectAndDecodeBytes(Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeBytes(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeBytes(Mat, Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeBytesMulti(Mat, List<byte[]>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeBytesMulti(Mat, List<byte[]>, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeBytesMulti(Mat, List<byte[]>, Mat, List<Mat>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
detectAndDecodeCurved(Mat) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Both detects and decodes QR code on a curved surface
-
-
detectAndDecodeCurved(Mat, Mat) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Both detects and decodes QR code on a curved surface
-
-
detectAndDecodeCurved(Mat, Mat, Mat) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Both detects and decodes QR code on a curved surface
-
-
detectAndDecodeMulti(Mat, List<String>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical codes
-
-
detectAndDecodeMulti(Mat, List<String>, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical codes
-
-
detectAndDecodeMulti(Mat, List<String>, Mat, List<Mat>) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Both detects and decodes graphical codes
-
-
detectAndDecodeWithType(Mat, List<String>, List<String>) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Both detects and decodes barcode
-
-
detectAndDecodeWithType(Mat, List<String>, List<String>, Mat) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Both detects and decodes barcode
-
-
detectBoard(Mat, Mat, Mat) - Method in class org.opencv.objdetect.CharucoDetector
-
-
detect aruco markers and interpolate position of ChArUco board corners
-
-
detectBoard(Mat, Mat, Mat, List<Mat>) - Method in class org.opencv.objdetect.CharucoDetector
-
-
detect aruco markers and interpolate position of ChArUco board corners
-
-
detectBoard(Mat, Mat, Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.CharucoDetector
-
-
detect aruco markers and interpolate position of ChArUco board corners
-
-
detectDiamonds(Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.CharucoDetector
-
-
Detect ChArUco Diamond markers
-
-
detectDiamonds(Mat, List<Mat>, Mat, List<Mat>) - Method in class org.opencv.objdetect.CharucoDetector
-
-
Detect ChArUco Diamond markers
-
-
detectDiamonds(Mat, List<Mat>, Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.CharucoDetector
-
-
Detect ChArUco Diamond markers
-
-
DetectionBasedTracker_DETECTED - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DetectionBasedTracker_DETECTED_NOT_SHOWN_YET - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DetectionBasedTracker_DETECTED_TEMPORARY_LOST - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DetectionBasedTracker_WRONG_OBJECT - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DetectionModel - Class in org.opencv.dnn
-
-
This class represents high-level API for object detection networks.
-
-
DetectionModel(String) - Constructor for class org.opencv.dnn.DetectionModel
-
-
Create detection model from network represented in one of the supported formats.
-
-
DetectionModel(String, String) - Constructor for class org.opencv.dnn.DetectionModel
-
-
Create detection model from network represented in one of the supported formats.
-
-
DetectionModel(Net) - Constructor for class org.opencv.dnn.DetectionModel
-
-
Create model from deep learning network.
-
-
detectMarkers(Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Basic marker detection
-
-
detectMarkers(Mat, List<Mat>, Mat, List<Mat>) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Basic marker detection
-
-
detectMarkersMultiDict(Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Basic marker detection
-
-
detectMarkersMultiDict(Mat, List<Mat>, Mat, List<Mat>) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Basic marker detection
-
-
detectMarkersMultiDict(Mat, List<Mat>, Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Basic marker detection
-
-
detectMulti(Mat, Mat) - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
-
Detects graphical codes in image and returns the vector of the quadrangles containing the codes.
-
-
detectMultiScale(Mat, MatOfRect) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, double) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, double, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, double, int, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, double, int, int, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, double, int, int, Size, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double, double) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double, double, boolean) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Detects objects of different sizes in the input image.
-
-
detectMultiScale2(Mat, MatOfRect, MatOfInt) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale2(Mat, MatOfRect, MatOfInt, double) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int, Size, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size, Size) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size, Size, boolean) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
This function allows you to retrieve the final stage decision certainty of classification.
-
-
DetectorParameters - Class in org.opencv.objdetect
-
-
struct DetectorParameters is used by ArucoDetector
-
-
DetectorParameters() - Constructor for class org.opencv.objdetect.DetectorParameters
-
 
-
detectRegions(Mat, List<MatOfPoint>, MatOfRect) - Method in class org.opencv.features2d.MSER
-
-
Detect %MSER regions
-
-
detectTextRectangles(Mat, MatOfRotatedRect) - Method in class org.opencv.dnn.TextDetectionModel
-
 
-
detectTextRectangles(Mat, MatOfRotatedRect, MatOfFloat) - Method in class org.opencv.dnn.TextDetectionModel
-
-
Performs detection - - Given the input frame, prepare network input, run network inference, post-process network output and return result detections.
-
-
determinant(Mat) - Static method in class org.opencv.core.Core
-
-
Returns the determinant of a square floating-point matrix.
-
-
dft(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
-
-
dft(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
-
-
dft(Mat, Mat, int, int) - Static method in class org.opencv.core.Core
-
-
Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
-
-
DFT_COMPLEX_INPUT - Static variable in class org.opencv.core.Core
-
 
-
DFT_COMPLEX_OUTPUT - Static variable in class org.opencv.core.Core
-
 
-
DFT_INVERSE - Static variable in class org.opencv.core.Core
-
 
-
DFT_REAL_OUTPUT - Static variable in class org.opencv.core.Core
-
 
-
DFT_ROWS - Static variable in class org.opencv.core.Core
-
 
-
DFT_SCALE - Static variable in class org.opencv.core.Core
-
 
-
diag() - Method in class org.opencv.core.Mat
-
 
-
diag(int) - Method in class org.opencv.core.Mat
-
 
-
diag(Mat) - Static method in class org.opencv.core.Mat
-
 
-
DICT_4X4_100 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_4X4_1000 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_4X4_250 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_4X4_50 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_5X5_100 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_5X5_1000 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_5X5_250 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_5X5_50 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_6X6_100 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_6X6_1000 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_6X6_250 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_6X6_50 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_7X7_100 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_7X7_1000 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_7X7_250 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_7X7_50 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_APRILTAG_16h5 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_APRILTAG_25h9 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_APRILTAG_36h10 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_APRILTAG_36h11 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_ARUCO_MIP_36h12 - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
DICT_ARUCO_ORIGINAL - Static variable in class org.opencv.objdetect.Objdetect
-
 
-
Dictionary - Class in org.opencv.objdetect
-
-
Dictionary is a set of unique ArUco markers of the same size - - bytesList storing as 2-dimensions Mat with 4-th channels (CV_8UC4 type was used) and contains the marker codewords where: - - bytesList.rows is the dictionary size - - each marker is encoded using nbytes = ceil(markerSize*markerSize/8.) bytes - - each row contains all 4 rotations of the marker, so its length is 4*nbytes - - the byte order in the bytesList[i] row: - //bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3// - So bytesList.ptr(i)[k*nbytes + j] is the j-th byte of i-th marker, in its k-th rotation.
-
-
Dictionary() - Constructor for class org.opencv.objdetect.Dictionary
-
 
-
Dictionary(Mat, int) - Constructor for class org.opencv.objdetect.Dictionary
-
-
Basic ArUco dictionary constructor
-
-
Dictionary(Mat, int, int) - Constructor for class org.opencv.objdetect.Dictionary
-
-
Basic ArUco dictionary constructor
-
-
DictValue - Class in org.opencv.dnn
-
-
This struct stores the scalar value (or array) of one of the following type: double, cv::String or int64.
-
-
DictValue(double) - Constructor for class org.opencv.dnn.DictValue
-
 
-
DictValue(int) - Constructor for class org.opencv.dnn.DictValue
-
 
-
DictValue(String) - Constructor for class org.opencv.dnn.DictValue
-
 
-
DIFF_CHARBONNIER - Static variable in class org.opencv.features2d.KAZE
-
 
-
DIFF_PM_G1 - Static variable in class org.opencv.features2d.KAZE
-
 
-
DIFF_PM_G2 - Static variable in class org.opencv.features2d.KAZE
-
 
-
DIFF_WEICKERT - Static variable in class org.opencv.features2d.KAZE
-
 
-
dilate(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Dilates an image by using a specific structuring element.
-
-
dilate(Mat, Mat, Mat, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Dilates an image by using a specific structuring element.
-
-
dilate(Mat, Mat, Mat, Point, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Dilates an image by using a specific structuring element.
-
-
dilate(Mat, Mat, Mat, Point, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Dilates an image by using a specific structuring element.
-
-
dilate(Mat, Mat, Mat, Point, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Dilates an image by using a specific structuring element.
-
-
dims() - Method in class org.opencv.core.Mat
-
 
-
disableFpsMeter() - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
disableView() - Method in class org.opencv.android.CameraBridgeViewBase
-
-
This method is provided for clients, so they can disable camera connection and stop - the delivery of frames even though the surface view itself is not destroyed and still stays on the screen
-
-
disableView() - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
disableView() - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
DISCRETE - Static variable in class org.opencv.ml.Boost
-
 
-
DISOpticalFlow - Class in org.opencv.video
-
-
DIS optical flow algorithm.
-
-
DISP_SCALE - Static variable in class org.opencv.calib3d.StereoMatcher
-
 
-
DISP_SHIFT - Static variable in class org.opencv.calib3d.StereoMatcher
-
 
-
DIST_C - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_FAIR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_HUBER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_L1 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_L12 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_L2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_LABEL_CCOMP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_LABEL_PIXEL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_MASK_3 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_MASK_5 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_MASK_PRECISE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_USER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
DIST_WELSCH - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
distance - Variable in class org.opencv.core.DMatch
-
 
-
distanceTransform(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
distanceTransform(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
distanceTransformWithLabels(Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the distance to the closest zero pixel for each pixel of the source image.
-
-
distanceTransformWithLabels(Mat, Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the distance to the closest zero pixel for each pixel of the source image.
-
-
divide(double, Mat, Mat) - Static method in class org.opencv.core.Core
-
 
-
divide(double, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
 
-
divide(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs per-element division of two arrays or a scalar by an array.
-
-
divide(Mat, Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
Performs per-element division of two arrays or a scalar by an array.
-
-
divide(Mat, Mat, Mat, double, int) - Static method in class org.opencv.core.Core
-
-
Performs per-element division of two arrays or a scalar by an array.
-
-
divide(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
divide(Mat, Scalar, Mat, double) - Static method in class org.opencv.core.Core
-
 
-
divide(Mat, Scalar, Mat, double, int) - Static method in class org.opencv.core.Core
-
 
-
divSpectrums(Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum.
-
-
divSpectrums(Mat, Mat, Mat, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum.
-
-
DMatch - Class in org.opencv.core
-
-
Structure for matching: query descriptor index, train descriptor index, train - image index and distance between descriptors.
-
-
DMatch() - Constructor for class org.opencv.core.DMatch
-
 
-
DMatch(int, int, float) - Constructor for class org.opencv.core.DMatch
-
 
-
DMatch(int, int, int, float) - Constructor for class org.opencv.core.DMatch
-
 
-
Dnn - Class in org.opencv.dnn
-
 
-
Dnn() - Constructor for class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_CANN - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_CUDA - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_DEFAULT - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_HALIDE - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_INFERENCE_ENGINE - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_OPENCV - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_TIMVX - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_VKCOM - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_BACKEND_WEBNN - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_NCDHW - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_NCHW - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_ND - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_NDHWC - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_NHWC - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_PLANAR - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_LAYOUT_UNKNOWN - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_PMODE_CROP_CENTER - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_PMODE_LETTERBOX - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_PMODE_NULL - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_CPU - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_CPU_FP16 - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_CUDA - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_CUDA_FP16 - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_FPGA - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_HDDL - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_MYRIAD - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_NPU - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_OPENCL - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_OPENCL_FP16 - Static variable in class org.opencv.dnn.Dnn
-
 
-
DNN_TARGET_VULKAN - Static variable in class org.opencv.dnn.Dnn
-
 
-
dot(Mat) - Method in class org.opencv.core.Mat
-
 
-
dot(Point) - Method in class org.opencv.core.Point
-
 
-
dot(Point3) - Method in class org.opencv.core.Point3
-
 
-
draw(Canvas, float, float) - Method in class org.opencv.android.FpsMeter
-
 
-
drawChessboardCorners(Mat, Size, MatOfPoint2f, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Renders the detected chessboard corners.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar, int, int, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar, int, int, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawContours(Mat, List<MatOfPoint>, int, Scalar, int, int, Mat, int, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws contours outlines or filled contours.
-
-
drawDetectedCornersCharuco(Mat, Mat) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draws a set of Charuco corners
-
-
drawDetectedCornersCharuco(Mat, Mat, Mat) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draws a set of Charuco corners
-
-
drawDetectedCornersCharuco(Mat, Mat, Mat, Scalar) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draws a set of Charuco corners
-
-
drawDetectedDiamonds(Mat, List<Mat>) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw a set of detected ChArUco Diamond markers
-
-
drawDetectedDiamonds(Mat, List<Mat>, Mat) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw a set of detected ChArUco Diamond markers
-
-
drawDetectedDiamonds(Mat, List<Mat>, Mat, Scalar) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw a set of detected ChArUco Diamond markers
-
-
drawDetectedMarkers(Mat, List<Mat>) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw detected markers in image
-
-
drawDetectedMarkers(Mat, List<Mat>, Mat) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw detected markers in image
-
-
drawDetectedMarkers(Mat, List<Mat>, Mat, Scalar) - Static method in class org.opencv.objdetect.Objdetect
-
-
Draw detected markers in image
-
-
drawFrameAxes(Mat, Mat, Mat, Mat, Mat, float) - Static method in class org.opencv.calib3d.Calib3d
-
-
Draw axes of the world/object coordinate system from pose estimation.
-
-
drawFrameAxes(Mat, Mat, Mat, Mat, Mat, float, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Draw axes of the world/object coordinate system from pose estimation.
-
-
drawKeypoints(Mat, MatOfKeyPoint, Mat) - Static method in class org.opencv.features2d.Features2d
-
-
Draws keypoints.
-
-
drawKeypoints(Mat, MatOfKeyPoint, Mat, Scalar) - Static method in class org.opencv.features2d.Features2d
-
-
Draws keypoints.
-
-
drawKeypoints(Mat, MatOfKeyPoint, Mat, Scalar, int) - Static method in class org.opencv.features2d.Features2d
-
-
Draws keypoints.
-
-
drawMarker(Mat, Point, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a marker on a predefined position in an image.
-
-
drawMarker(Mat, Point, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a marker on a predefined position in an image.
-
-
drawMarker(Mat, Point, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a marker on a predefined position in an image.
-
-
drawMarker(Mat, Point, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a marker on a predefined position in an image.
-
-
drawMarker(Mat, Point, Scalar, int, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a marker on a predefined position in an image.
-
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat) - Static method in class org.opencv.features2d.Features2d
-
-
Draws the found matches of keypoints from two images.
-
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar, MatOfByte) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar, MatOfByte, int) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar) - Static method in class org.opencv.features2d.Features2d
-
-
Draws the found matches of keypoints from two images.
-
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar) - Static method in class org.opencv.features2d.Features2d
-
-
Draws the found matches of keypoints from two images.
-
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar, MatOfByte) - Static method in class org.opencv.features2d.Features2d
-
-
Draws the found matches of keypoints from two images.
-
-
drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar, MatOfByte, int) - Static method in class org.opencv.features2d.Features2d
-
-
Draws the found matches of keypoints from two images.
-
-
DrawMatchesFlags_DEFAULT - Static variable in class org.opencv.features2d.Features2d
-
 
-
DrawMatchesFlags_DRAW_OVER_OUTIMG - Static variable in class org.opencv.features2d.Features2d
-
 
-
DrawMatchesFlags_DRAW_RICH_KEYPOINTS - Static variable in class org.opencv.features2d.Features2d
-
 
-
DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS - Static variable in class org.opencv.features2d.Features2d
-
 
-
drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List<MatOfDMatch>, Mat) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List<MatOfDMatch>, Mat, Scalar) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List<MatOfDMatch>, Mat, Scalar, Scalar) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List<MatOfDMatch>, Mat, Scalar, Scalar, List<MatOfByte>) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List<MatOfDMatch>, Mat, Scalar, Scalar, List<MatOfByte>, int) - Static method in class org.opencv.features2d.Features2d
-
 
-
drawSegments(Mat, Mat) - Method in class org.opencv.imgproc.LineSegmentDetector
-
-
Draws the line segments on a given image.
-
-
DTrees - Class in org.opencv.ml
-
-
The class represents a single decision tree or a collection of decision trees.
-
-
dump() - Method in class org.opencv.core.Mat
-
 
-
dump() - Method in class org.opencv.dnn.Net
-
-
Dump net to String
-
-
dumpToFile(String) - Method in class org.opencv.dnn.Net
-
-
Dump net structure, hyperparameters, backend, target and fusion to dot file
-
-
dumpToPbtxt(String) - Method in class org.opencv.dnn.Net
-
-
Dump net structure, hyperparameters, backend, target and fusion to pbtxt file
-
-
-

E

-
-
ECI_SHIFT_JIS - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
ECI_UTF8 - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
edgeDst(int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns the edge destination.
-
-
edgeDst(int, Point) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns the edge destination.
-
-
edgeOrg(int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns the edge origin.
-
-
edgeOrg(int, Point) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns the edge origin.
-
-
edgePreservingFilter(Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Filtering is the fundamental operation in image and video processing.
-
-
edgePreservingFilter(Mat, Mat, int) - Static method in class org.opencv.photo.Photo
-
-
Filtering is the fundamental operation in image and video processing.
-
-
edgePreservingFilter(Mat, Mat, int, float) - Static method in class org.opencv.photo.Photo
-
-
Filtering is the fundamental operation in image and video processing.
-
-
edgePreservingFilter(Mat, Mat, int, float, float) - Static method in class org.opencv.photo.Photo
-
-
Filtering is the fundamental operation in image and video processing.
-
-
eigen(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates eigenvalues and eigenvectors of a symmetric matrix.
-
-
eigen(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates eigenvalues and eigenvectors of a symmetric matrix.
-
-
eigenNonSymmetric(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates eigenvalues and eigenvectors of a non-symmetric matrix (real eigenvalues only).
-
-
ELEM_SIZE(int) - Static method in class org.opencv.core.CvType
-
 
-
elemSize() - Method in class org.opencv.core.Mat
-
 
-
elemSize1() - Method in class org.opencv.core.Mat
-
 
-
ellipse(Mat, Point, Size, double, double, double, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple or thick elliptic arc or fills an ellipse sector.
-
-
ellipse(Mat, Point, Size, double, double, double, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple or thick elliptic arc or fills an ellipse sector.
-
-
ellipse(Mat, Point, Size, double, double, double, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple or thick elliptic arc or fills an ellipse sector.
-
-
ellipse(Mat, Point, Size, double, double, double, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple or thick elliptic arc or fills an ellipse sector.
-
-
ellipse(Mat, RotatedRect, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
ellipse(Mat, RotatedRect, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
ellipse(Mat, RotatedRect, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
ellipse2Poly(Point, Size, int, int, int, int, MatOfPoint) - Static method in class org.opencv.imgproc.Imgproc
-
-
Approximates an elliptic arc with a polyline.
-
-
EM - Class in org.opencv.ml
-
-
The class implements the Expectation Maximization algorithm.
-
-
EMD(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Computes the "minimal work" distance between two weighted point configurations.
-
-
EMD(Mat, Mat, int, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Computes the "minimal work" distance between two weighted point configurations.
-
-
EMD(Mat, Mat, int, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Computes the "minimal work" distance between two weighted point configurations.
-
-
empty() - Method in class org.opencv.core.Algorithm
-
-
Returns true if the Algorithm is empty (e.g.
-
-
empty() - Method in class org.opencv.core.Mat
-
 
-
empty() - Method in class org.opencv.core.Range
-
 
-
empty() - Method in class org.opencv.core.Rect
-
 
-
empty() - Method in class org.opencv.core.Rect2d
-
 
-
empty() - Method in class org.opencv.core.Size
-
 
-
empty() - Method in class org.opencv.dnn.Net
-
-
Returns true if there are no layers in the network.
-
-
empty() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Returns true if there are no train descriptors in the both collections.
-
-
empty() - Method in class org.opencv.features2d.Feature2D
-
 
-
empty() - Method in class org.opencv.ml.StatModel
-
 
-
empty() - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Checks whether the classifier has been loaded.
-
-
enableFpsMeter() - Method in class org.opencv.android.CameraBridgeViewBase
-
-
This method enables label with fps value on the screen
-
-
enableFusion(boolean) - Method in class org.opencv.dnn.Net
-
-
Enables or disables layer fusion in the network.
-
-
enableView() - Method in class org.opencv.android.CameraBridgeViewBase
-
-
This method is provided for clients, so they can enable the camera connection.
-
-
enableView() - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
enableView() - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
enableWinograd(boolean) - Method in class org.opencv.dnn.Model
-
 
-
enableWinograd(boolean) - Method in class org.opencv.dnn.Net
-
-
Enables or disables the Winograd compute branch.
-
-
encode(byte[], Mat) - Method in class org.opencv.objdetect.QRCodeEncoder
-
-
Generates QR code from input string.
-
-
encode(String, Mat) - Method in class org.opencv.objdetect.QRCodeEncoder
-
-
Generates QR code from input string.
-
-
encodeStructuredAppend(String, List<Mat>) - Method in class org.opencv.objdetect.QRCodeEncoder
-
-
Generates QR code from input string in Structured Append mode.
-
-
end - Variable in class org.opencv.core.Range
-
 
-
EPS - Static variable in class org.opencv.core.TermCriteria
-
-
The desired accuracy threshold or change in parameters at which the iterative algorithm is terminated.
-
-
EPS_SVR - Static variable in class org.opencv.ml.SVM
-
 
-
epsilon - Variable in class org.opencv.core.TermCriteria
-
 
-
equalizeHist(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Equalizes the histogram of a grayscale image.
-
-
equals(Object) - Method in class org.opencv.core.Point
-
 
-
equals(Object) - Method in class org.opencv.core.Point3
-
 
-
equals(Object) - Method in class org.opencv.core.Range
-
 
-
equals(Object) - Method in class org.opencv.core.Rect
-
 
-
equals(Object) - Method in class org.opencv.core.Rect2d
-
 
-
equals(Object) - Method in class org.opencv.core.RotatedRect
-
 
-
equals(Object) - Method in class org.opencv.core.Scalar
-
 
-
equals(Object) - Method in class org.opencv.core.Size
-
 
-
equals(Object) - Method in class org.opencv.core.TermCriteria
-
 
-
erode(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Erodes an image by using a specific structuring element.
-
-
erode(Mat, Mat, Mat, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Erodes an image by using a specific structuring element.
-
-
erode(Mat, Mat, Mat, Point, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Erodes an image by using a specific structuring element.
-
-
erode(Mat, Mat, Mat, Point, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Erodes an image by using a specific structuring element.
-
-
erode(Mat, Mat, Mat, Point, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Erodes an image by using a specific structuring element.
-
-
estimate(Mat) - Method in class org.opencv.dnn.KeypointsModel
-
-
Given the input frame, create input blob, run net
-
-
estimate(Mat, float) - Method in class org.opencv.dnn.KeypointsModel
-
-
Given the input frame, create input blob, run net
-
-
estimateAffine2D(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, int, double, long) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, int, double, long, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, int, double, long, double, long) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 2D point sets.
-
-
estimateAffine2D(Mat, Mat, Mat, UsacParams) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
estimateAffine3D(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffine3D(Mat, Mat, double[]) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffine3D(Mat, Mat, double[], boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffine3D(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffine3D(Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffine3D(Mat, Mat, Mat, Mat, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal affine transformation between two 3D point sets.
-
-
estimateAffinePartial2D(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat, int, double, long) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat, int, double, long, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateAffinePartial2D(Mat, Mat, Mat, int, double, long, double, long) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
-
-
estimateChessboardSharpness(Mat, Size, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates the sharpness of a detected chessboard.
-
-
estimateChessboardSharpness(Mat, Size, Mat, float) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates the sharpness of a detected chessboard.
-
-
estimateChessboardSharpness(Mat, Size, Mat, float, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates the sharpness of a detected chessboard.
-
-
estimateChessboardSharpness(Mat, Size, Mat, float, boolean, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates the sharpness of a detected chessboard.
-
-
estimateTranslation3D(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal translation between two 3D point sets.
-
-
estimateTranslation3D(Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal translation between two 3D point sets.
-
-
estimateTranslation3D(Mat, Mat, Mat, Mat, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an optimal translation between two 3D point sets.
-
-
exp(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the exponent of every array element.
-
-
exportResource(Context, int) - Static method in class org.opencv.android.Utils
-
 
-
exportResource(Context, int, String) - Static method in class org.opencv.android.Utils
-
 
-
extendDictionary(int, int) - Static method in class org.opencv.objdetect.Objdetect
-
-
Extend base dictionary by new nMarkers
-
-
extendDictionary(int, int, Dictionary) - Static method in class org.opencv.objdetect.Objdetect
-
-
Extend base dictionary by new nMarkers
-
-
extendDictionary(int, int, Dictionary, int) - Static method in class org.opencv.objdetect.Objdetect
-
-
Extend base dictionary by new nMarkers
-
-
extractChannel(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Extracts a single channel from src (coi is 0-based index)
-
-
eye(int, int, int) - Static method in class org.opencv.core.Mat
-
 
-
eye(Size, int) - Static method in class org.opencv.core.Mat
-
 
-
-

F

-
-
FaceDetectorYN - Class in org.opencv.objdetect
-
-
DNN-based face detector - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
-
-
FaceRecognizerSF - Class in org.opencv.objdetect
-
-
DNN-based face recognizer - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface
-
-
FarnebackOpticalFlow - Class in org.opencv.video
-
-
Class computing a dense optical flow using the Gunnar Farneback's algorithm.
-
-
FAST_N - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
FAST_SCORE - Static variable in class org.opencv.features2d.ORB
-
 
-
fastAtan2(float, float) - Static method in class org.opencv.core.Core
-
-
Calculates the angle of a 2D vector in degrees.
-
-
FastFeatureDetector - Class in org.opencv.features2d
-
-
Wrapping class for feature detection using the FAST method.
-
-
fastNlMeansDenoising(Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, float, int) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, float, int, int) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, MatOfFloat) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, MatOfFloat, int) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, MatOfFloat, int, int) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoising(Mat, Mat, MatOfFloat, int, int, int) - Static method in class org.opencv.photo.Photo
-
-
Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
-
-
fastNlMeansDenoisingColored(Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for colored images
-
-
fastNlMeansDenoisingColored(Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for colored images
-
-
fastNlMeansDenoisingColored(Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for colored images
-
-
fastNlMeansDenoisingColored(Mat, Mat, float, float, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for colored images
-
-
fastNlMeansDenoisingColored(Mat, Mat, float, float, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for colored images
-
-
fastNlMeansDenoisingColoredMulti(List<Mat>, Mat, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoisingMulti function for colored images sequences
-
-
fastNlMeansDenoisingColoredMulti(List<Mat>, Mat, int, int, float) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoisingMulti function for colored images sequences
-
-
fastNlMeansDenoisingColoredMulti(List<Mat>, Mat, int, int, float, float) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoisingMulti function for colored images sequences
-
-
fastNlMeansDenoisingColoredMulti(List<Mat>, Mat, int, int, float, float, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoisingMulti function for colored images sequences
-
-
fastNlMeansDenoisingColoredMulti(List<Mat>, Mat, int, int, float, float, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoisingMulti function for colored images sequences
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, float) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, float, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, float, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, MatOfFloat) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, MatOfFloat, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, MatOfFloat, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
fastNlMeansDenoisingMulti(List<Mat>, Mat, int, int, MatOfFloat, int, int, int) - Static method in class org.opencv.photo.Photo
-
-
Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
-
-
feature(Mat, Mat) - Method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Extracts face feature from aligned image
-
-
Feature2D - Class in org.opencv.features2d
-
-
Abstract base class for 2D image feature detectors and descriptor extractors
-
-
Features2d - Class in org.opencv.features2d
-
 
-
Features2d() - Constructor for class org.opencv.features2d.Features2d
-
 
-
fillConvexPoly(Mat, MatOfPoint, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a convex polygon.
-
-
fillConvexPoly(Mat, MatOfPoint, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a convex polygon.
-
-
fillConvexPoly(Mat, MatOfPoint, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a convex polygon.
-
-
FILLED - Static variable in class org.opencv.core.Core
-
 
-
FILLED - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
fillPoly(Mat, List<MatOfPoint>, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills the area bounded by one or more polygons.
-
-
fillPoly(Mat, List<MatOfPoint>, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills the area bounded by one or more polygons.
-
-
fillPoly(Mat, List<MatOfPoint>, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills the area bounded by one or more polygons.
-
-
fillPoly(Mat, List<MatOfPoint>, Scalar, int, int, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills the area bounded by one or more polygons.
-
-
FILTER_SCHARR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
filter2D(Mat, Mat, int, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Convolves an image with the kernel.
-
-
filter2D(Mat, Mat, int, Mat, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Convolves an image with the kernel.
-
-
filter2D(Mat, Mat, int, Mat, Point, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Convolves an image with the kernel.
-
-
filter2D(Mat, Mat, int, Mat, Point, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Convolves an image with the kernel.
-
-
filterHomographyDecompByVisibleRefpoints(List<Mat>, List<Mat>, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Filters homography decompositions based on additional information.
-
-
filterHomographyDecompByVisibleRefpoints(List<Mat>, List<Mat>, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Filters homography decompositions based on additional information.
-
-
filterSpeckles(Mat, double, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Filters off small noise blobs (speckles) in the disparity map
-
-
filterSpeckles(Mat, double, int, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Filters off small noise blobs (speckles) in the disparity map
-
-
finalize(List<Mat>, List<Mat>) - Method in class org.opencv.dnn.Layer
-
-
Computes and sets internal parameters according to inputs, outputs and blobs.
-
-
find4QuadCornerSubpix(Mat, Mat, Size) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findChessboardCorners(Mat, Size, MatOfPoint2f) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the positions of internal corners of the chessboard.
-
-
findChessboardCorners(Mat, Size, MatOfPoint2f, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the positions of internal corners of the chessboard.
-
-
findChessboardCornersSB(Mat, Size, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findChessboardCornersSB(Mat, Size, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findChessboardCornersSBWithMeta(Mat, Size, Mat, int, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds the positions of internal corners of the chessboard using a sector based approach.
-
-
findCirclesGrid(Mat, Size, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findCirclesGrid(Mat, Size, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findContours(Mat, List<MatOfPoint>, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds contours in a binary image.
-
-
findContours(Mat, List<MatOfPoint>, Mat, int, int, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds contours in a binary image.
-
-
findContoursLinkRuns(Mat, List<Mat>) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
findContoursLinkRuns(Mat, List<Mat>, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
findEssentialMat(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point, int, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point, int, double, double, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, double, Point, int, double, double, int, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findEssentialMat(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, int, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, int, double, double, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, int, double, double, int, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
-
-
findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, Mat, UsacParams) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFile(String) - Static method in class org.opencv.core.Core
-
-
Try to find requested data file - - Search directories: - - 1.
-
-
findFile(String, boolean) - Static method in class org.opencv.core.Core
-
-
Try to find requested data file - - Search directories: - - 1.
-
-
findFile(String, boolean, boolean) - Static method in class org.opencv.core.Core
-
-
Try to find requested data file - - Search directories: - - 1.
-
-
findFileOrKeep(String) - Static method in class org.opencv.core.Core
-
 
-
findFileOrKeep(String, boolean) - Static method in class org.opencv.core.Core
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates a fundamental matrix from the corresponding points in two images.
-
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, int, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates a fundamental matrix from the corresponding points in two images.
-
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findFundamentalMat(MatOfPoint2f, MatOfPoint2f, Mat, UsacParams) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findHomography(MatOfPoint2f, MatOfPoint2f) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds a perspective transformation between two planes.
-
-
findHomography(MatOfPoint2f, MatOfPoint2f, Mat, UsacParams) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
findNearest(Mat, int, Mat) - Method in class org.opencv.ml.KNearest
-
-
Finds the neighbors and predicts responses for input vectors.
-
-
findNearest(Mat, int, Mat, Mat) - Method in class org.opencv.ml.KNearest
-
-
Finds the neighbors and predicts responses for input vectors.
-
-
findNearest(Mat, int, Mat, Mat, Mat) - Method in class org.opencv.ml.KNearest
-
-
Finds the neighbors and predicts responses for input vectors.
-
-
findNearest(Point) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Finds the subdivision vertex closest to the given point.
-
-
findNearest(Point, Point) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Finds the subdivision vertex closest to the given point.
-
-
findNonZero(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Returns the list of locations of non-zero pixels - - Given a binary matrix (likely returned from an operation such - as threshold(), compare(), >, ==, etc, return all of - the non-zero indices as a cv::Mat or std::vector<cv::Point> (x,y) - For example: - - cv::Mat binaryImage; // input, binary image - cv::Mat locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations.at<Point>(i); - - or - - cv::Mat binaryImage; // input, binary image - vector<Point> locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations[i]; - - - The function do not work with multi-channel arrays.
-
-
findTransformECC(Mat, Mat, Mat) - Static method in class org.opencv.video.Video
-
 
-
findTransformECC(Mat, Mat, Mat, int) - Static method in class org.opencv.video.Video
-
 
-
findTransformECC(Mat, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.video.Video
-
 
-
findTransformECC(Mat, Mat, Mat, int, TermCriteria, Mat) - Static method in class org.opencv.video.Video
-
 
-
findTransformECC(Mat, Mat, Mat, int, TermCriteria, Mat, int) - Static method in class org.opencv.video.Video
-
-
Finds the geometric transform (warp) between two images in terms of the ECC criterion CITE: EP08 .
-
-
fisheye_CALIB_CHECK_COND - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_FOCAL_LENGTH - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_INTRINSIC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_K1 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_K2 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_K3 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_K4 - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_PRINCIPAL_POINT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_FIX_SKEW - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_RECOMPUTE_EXTRINSIC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_USE_INTRINSIC_GUESS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_CALIB_ZERO_DISPARITY - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_calibrate(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs camera calibration
-
-
fisheye_calibrate(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs camera calibration
-
-
fisheye_calibrate(List<Mat>, List<Mat>, Size, Mat, Mat, List<Mat>, List<Mat>, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs camera calibration
-
-
fisheye_distortPoints(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Distorts 2D points using fisheye model.
-
-
fisheye_distortPoints(Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Distorts 2D points using fisheye model.
-
-
fisheye_distortPoints(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - camera matrix, e.g.
-
-
fisheye_distortPoints(Mat, Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - camera matrix, e.g.
-
-
fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates new camera intrinsic matrix for undistortion or rectification.
-
-
fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates new camera intrinsic matrix for undistortion or rectification.
-
-
fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates new camera intrinsic matrix for undistortion or rectification.
-
-
fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double, Size, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Estimates new camera intrinsic matrix for undistortion or rectification.
-
-
fisheye_initUndistortRectifyMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes undistortion and rectification maps for image transform by #remap.
-
-
fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
-
-
fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
-
-
fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
-
-
fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
-
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, List<Mat>, List<Mat>) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs stereo calibration
-
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, List<Mat>, List<Mat>, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs stereo calibration
-
-
fisheye_stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, List<Mat>, List<Mat>, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Performs stereo calibration
-
-
fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Stereo rectification for fisheye camera model
-
-
fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Stereo rectification for fisheye camera model
-
-
fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Stereo rectification for fisheye camera model
-
-
fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Stereo rectification for fisheye camera model
-
-
fisheye_undistortImage(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Transforms an image to compensate for fisheye lens distortion.
-
-
fisheye_undistortImage(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Transforms an image to compensate for fisheye lens distortion.
-
-
fisheye_undistortImage(Mat, Mat, Mat, Mat, Mat, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Transforms an image to compensate for fisheye lens distortion.
-
-
fisheye_undistortPoints(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Undistorts 2D points using fisheye model
-
-
fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Undistorts 2D points using fisheye model
-
-
fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Undistorts 2D points using fisheye model
-
-
fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Undistorts 2D points using fisheye model
-
-
fitEllipse(MatOfPoint2f) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fits an ellipse around a set of 2D points.
-
-
fitEllipseAMS(Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fits an ellipse around a set of 2D points.
-
-
fitEllipseDirect(Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fits an ellipse around a set of 2D points.
-
-
fitLine(Mat, Mat, int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fits a line to a 2D or 3D point set.
-
-
FLANNBASED - Static variable in class org.opencv.features2d.DescriptorMatcher
-
 
-
FlannBasedMatcher - Class in org.opencv.features2d
-
-
Flann-based descriptor matcher.
-
-
FlannBasedMatcher() - Constructor for class org.opencv.features2d.FlannBasedMatcher
-
 
-
flip(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Flips a 2D array around vertical, horizontal, or both axes.
-
-
flipND(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Flips a n-dimensional at given axis
-
-
floodFill(Mat, Mat, Point, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a connected component with the given color.
-
-
floodFill(Mat, Mat, Point, Scalar, Rect) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a connected component with the given color.
-
-
floodFill(Mat, Mat, Point, Scalar, Rect, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a connected component with the given color.
-
-
floodFill(Mat, Mat, Point, Scalar, Rect, Scalar, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a connected component with the given color.
-
-
floodFill(Mat, Mat, Point, Scalar, Rect, Scalar, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Fills a connected component with the given color.
-
-
FLOODFILL_FIXED_RANGE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FLOODFILL_MASK_ONLY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FM_7POINT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
FM_8POINT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
FM_LMEDS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
FM_RANSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
FONT_HERSHEY_COMPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_COMPLEX_SMALL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_DUPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_PLAIN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_SCRIPT_COMPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_SCRIPT_SIMPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_SIMPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_HERSHEY_TRIPLEX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
FONT_ITALIC - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
Formatter_FMT_C - Static variable in class org.opencv.core.Core
-
 
-
Formatter_FMT_CSV - Static variable in class org.opencv.core.Core
-
 
-
Formatter_FMT_DEFAULT - Static variable in class org.opencv.core.Core
-
 
-
Formatter_FMT_MATLAB - Static variable in class org.opencv.core.Core
-
 
-
Formatter_FMT_NUMPY - Static variable in class org.opencv.core.Core
-
 
-
Formatter_FMT_PYTHON - Static variable in class org.opencv.core.Core
-
 
-
forward() - Method in class org.opencv.dnn.Net
-
-
Runs forward pass to compute output of layer with name outputName.
-
-
forward(String) - Method in class org.opencv.dnn.Net
-
-
Runs forward pass to compute output of layer with name outputName.
-
-
forward(List<Mat>) - Method in class org.opencv.dnn.Net
-
-
Runs forward pass to compute output of layer with name outputName.
-
-
forward(List<Mat>, String) - Method in class org.opencv.dnn.Net
-
-
Runs forward pass to compute output of layer with name outputName.
-
-
forward(List<Mat>, List<String>) - Method in class org.opencv.dnn.Net
-
-
Runs forward pass to compute outputs of layers listed in outBlobNames.
-
-
fourcc(char, char, char, char) - Static method in class org.opencv.videoio.VideoWriter
-
-
Concatenates 4 chars to a fourcc code
-
-
FpsMeter - Class in org.opencv.android
-
 
-
FpsMeter() - Constructor for class org.opencv.android.FpsMeter
-
 
-
FR_COSINE - Static variable in class org.opencv.objdetect.FaceRecognizerSF
-
 
-
FR_NORM_L2 - Static variable in class org.opencv.objdetect.FaceRecognizerSF
-
 
-
fromArray(byte...) - Method in class org.opencv.core.MatOfByte
-
 
-
fromArray(double...) - Method in class org.opencv.core.MatOfDouble
-
 
-
fromArray(float...) - Method in class org.opencv.core.MatOfFloat
-
 
-
fromArray(float...) - Method in class org.opencv.core.MatOfFloat4
-
 
-
fromArray(float...) - Method in class org.opencv.core.MatOfFloat6
-
 
-
fromArray(int...) - Method in class org.opencv.core.MatOfInt
-
 
-
fromArray(int...) - Method in class org.opencv.core.MatOfInt4
-
 
-
fromArray(int, int, byte...) - Method in class org.opencv.core.MatOfByte
-
 
-
fromArray(DMatch...) - Method in class org.opencv.core.MatOfDMatch
-
 
-
fromArray(KeyPoint...) - Method in class org.opencv.core.MatOfKeyPoint
-
 
-
fromArray(Point...) - Method in class org.opencv.core.MatOfPoint
-
 
-
fromArray(Point...) - Method in class org.opencv.core.MatOfPoint2f
-
 
-
fromArray(Point3...) - Method in class org.opencv.core.MatOfPoint3
-
 
-
fromArray(Point3...) - Method in class org.opencv.core.MatOfPoint3f
-
 
-
fromArray(Rect...) - Method in class org.opencv.core.MatOfRect
-
 
-
fromArray(Rect2d...) - Method in class org.opencv.core.MatOfRect2d
-
 
-
fromArray(RotatedRect...) - Method in class org.opencv.core.MatOfRotatedRect
-
 
-
fromList(List<Byte>) - Method in class org.opencv.core.MatOfByte
-
 
-
fromList(List<Double>) - Method in class org.opencv.core.MatOfDouble
-
 
-
fromList(List<Float>) - Method in class org.opencv.core.MatOfFloat
-
 
-
fromList(List<Float>) - Method in class org.opencv.core.MatOfFloat4
-
 
-
fromList(List<Float>) - Method in class org.opencv.core.MatOfFloat6
-
 
-
fromList(List<Integer>) - Method in class org.opencv.core.MatOfInt
-
 
-
fromList(List<Integer>) - Method in class org.opencv.core.MatOfInt4
-
 
-
fromList(List<DMatch>) - Method in class org.opencv.core.MatOfDMatch
-
 
-
fromList(List<KeyPoint>) - Method in class org.opencv.core.MatOfKeyPoint
-
 
-
fromList(List<Point>) - Method in class org.opencv.core.MatOfPoint
-
 
-
fromList(List<Point>) - Method in class org.opencv.core.MatOfPoint2f
-
 
-
fromList(List<Point3>) - Method in class org.opencv.core.MatOfPoint3
-
 
-
fromList(List<Point3>) - Method in class org.opencv.core.MatOfPoint3f
-
 
-
fromList(List<Rect>) - Method in class org.opencv.core.MatOfRect
-
 
-
fromList(List<Rect2d>) - Method in class org.opencv.core.MatOfRect2d
-
 
-
fromList(List<RotatedRect>) - Method in class org.opencv.core.MatOfRotatedRect
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfByte
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfDMatch
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfDouble
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfFloat
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfFloat4
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfFloat6
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfInt
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfInt4
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfKeyPoint
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfPoint
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfPoint2f
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfPoint3
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfPoint3f
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfRect
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfRect2d
-
 
-
fromNativeAddr(long) - Static method in class org.opencv.core.MatOfRotatedRect
-
 
-
-

G

-
-
GAMMA - Static variable in class org.opencv.ml.SVM
-
 
-
GAUSSIAN - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
GaussianBlur(Mat, Mat, Size, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using a Gaussian filter.
-
-
GaussianBlur(Mat, Mat, Size, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using a Gaussian filter.
-
-
GaussianBlur(Mat, Mat, Size, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using a Gaussian filter.
-
-
GaussianBlur(Mat, Mat, Size, double, double, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using a Gaussian filter.
-
-
GC_BGD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_EVAL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_EVAL_FREEZE_MODEL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_FGD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_INIT_WITH_MASK - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_INIT_WITH_RECT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_PR_BGD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
GC_PR_FGD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
gemm(Mat, Mat, double, Mat, double, Mat) - Static method in class org.opencv.core.Core
-
-
Performs generalized matrix multiplication.
-
-
gemm(Mat, Mat, double, Mat, double, Mat, int) - Static method in class org.opencv.core.Core
-
-
Performs generalized matrix multiplication.
-
-
GEMM_1_T - Static variable in class org.opencv.core.Core
-
 
-
GEMM_2_T - Static variable in class org.opencv.core.Core
-
 
-
GEMM_3_T - Static variable in class org.opencv.core.Core
-
 
-
GeneralizedHough - Class in org.opencv.imgproc
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform
-
-
GeneralizedHoughBallard - Class in org.opencv.imgproc
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position only without translation and rotation CITE: Ballard1981 .
-
-
GeneralizedHoughGuil - Class in org.opencv.imgproc
-
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position, translation and rotation CITE: Guil1999 .
-
-
generateImage(Size, Mat) - Method in class org.opencv.objdetect.Board
-
-
Draw a planar board
-
-
generateImage(Size, Mat, int) - Method in class org.opencv.objdetect.Board
-
-
Draw a planar board
-
-
generateImage(Size, Mat, int, int) - Method in class org.opencv.objdetect.Board
-
-
Draw a planar board
-
-
generateImageMarker(int, int, Mat) - Method in class org.opencv.objdetect.Dictionary
-
-
Generate a canonical marker image
-
-
generateImageMarker(int, int, Mat, int) - Method in class org.opencv.objdetect.Dictionary
-
-
Generate a canonical marker image
-
-
generateImageMarker(Dictionary, int, int, Mat) - Static method in class org.opencv.objdetect.Objdetect
-
-
Generate a canonical marker image
-
-
generateImageMarker(Dictionary, int, int, Mat, int) - Static method in class org.opencv.objdetect.Objdetect
-
-
Generate a canonical marker image
-
-
GENTLE - Static variable in class org.opencv.ml.Boost
-
 
-
get(int) - Method in class org.opencv.videoio.VideoCapture
-
-
Returns the specified VideoCapture property
-
-
get(int) - Method in class org.opencv.videoio.VideoWriter
-
-
Returns the specified VideoWriter property
-
-
get(int[]) - Method in class org.opencv.core.Mat
-
 
-
get(int[], byte[]) - Method in class org.opencv.core.Mat
-
 
-
get(int[], double[]) - Method in class org.opencv.core.Mat
-
 
-
get(int[], float[]) - Method in class org.opencv.core.Mat
-
 
-
get(int[], int[]) - Method in class org.opencv.core.Mat
-
 
-
get(int[], short[]) - Method in class org.opencv.core.Mat
-
 
-
get(int, int) - Method in class org.opencv.core.Mat
-
 
-
get(int, int, byte[]) - Method in class org.opencv.core.Mat
-
 
-
get(int, int, double[]) - Method in class org.opencv.core.Mat
-
 
-
get(int, int, float[]) - Method in class org.opencv.core.Mat
-
 
-
get(int, int, int[]) - Method in class org.opencv.core.Mat
-
 
-
get(int, int, short[]) - Method in class org.opencv.core.Mat
-
 
-
get_0() - Method in class org.opencv.core.Mat.Tuple2
-
 
-
get_0() - Method in class org.opencv.core.Mat.Tuple3
-
 
-
get_0() - Method in class org.opencv.core.Mat.Tuple4
-
 
-
get_1() - Method in class org.opencv.core.Mat.Tuple2
-
 
-
get_1() - Method in class org.opencv.core.Mat.Tuple3
-
 
-
get_1() - Method in class org.opencv.core.Mat.Tuple4
-
 
-
get_2() - Method in class org.opencv.core.Mat.Tuple3
-
 
-
get_2() - Method in class org.opencv.core.Mat.Tuple4
-
 
-
get_3() - Method in class org.opencv.core.Mat.Tuple4
-
 
-
get_adaptiveThreshConstant() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_adaptiveThreshWinSizeMax() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_adaptiveThreshWinSizeMin() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_adaptiveThreshWinSizeStep() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagCriticalRad() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagDeglitch() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagMaxLineFitMse() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagMaxNmaxima() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagMinClusterPixels() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagMinWhiteBlackDiff() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagQuadDecimate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_aprilTagQuadSigma() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_backbone() - Method in class org.opencv.video.TrackerNano_Params
-
 
-
get_backend() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
get_backend() - Method in class org.opencv.video.TrackerNano_Params
-
 
-
get_backend() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_bgcolor() - Method in class org.opencv.imgcodecs.Animation
-
 
-
get_blobColor() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_blobs() - Method in class org.opencv.dnn.Layer
-
 
-
get_blockSize() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_blockStride() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_borderValue() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_bytesList() - Method in class org.opencv.objdetect.Dictionary
-
 
-
get_cameraMatrix() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
get_cellSize() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_checkAllOrders() - Method in class org.opencv.objdetect.RefineParameters
-
 
-
get_checkMarkers() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
get_collectContours() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_confidence() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_controlMatrix() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_cornerRefinementMaxIterations() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_cornerRefinementMethod() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_cornerRefinementMinAccuracy() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_cornerRefinementWinSize() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_correction_level() - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
get_datalayout() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_ddepth() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_derivAperture() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_detectInvertedMarker() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_distCoeffs() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
get_durations() - Method in class org.opencv.imgcodecs.Animation
-
 
-
get_errorCorrectionRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_errorCorrectionRate() - Method in class org.opencv.objdetect.RefineParameters
-
 
-
get_errorCovPost() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_errorCovPre() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_featureSetNumFeatures() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_filterByArea() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_filterByCircularity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_filterByColor() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_filterByConvexity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_filterByInertia() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_final_polisher() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_final_polisher_iterations() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_frames() - Method in class org.opencv.imgcodecs.Animation
-
 
-
get_gain() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_gammaCorrection() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_histogramNormType() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_isParallel() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_kernel_cls1() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
get_kernel_r1() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
get_L2HysThreshold() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_learnt_thetas() - Method in class org.opencv.ml.LogisticRegression
-
-
This function returns the trained parameters arranged across rows.
-
-
get_logStep() - Method in class org.opencv.ml.ParamGrid
-
 
-
get_loIterations() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_loMethod() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_loop_count() - Method in class org.opencv.imgcodecs.Animation
-
 
-
get_loSampleSize() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_m00() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m01() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m02() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m03() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m10() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m11() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m12() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m20() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m21() - Method in class org.opencv.imgproc.Moments
-
 
-
get_m30() - Method in class org.opencv.imgproc.Moments
-
 
-
get_markerBorderBits() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_markerSize() - Method in class org.opencv.objdetect.Dictionary
-
 
-
get_maxArea() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_maxCircularity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_maxColorsMismatch() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_maxConvexity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_maxCorrectionBits() - Method in class org.opencv.objdetect.Dictionary
-
 
-
get_maxErroneousBitsInBorderRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_maxInertiaRatio() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_maxIterations() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_maxMarkerPerimeterRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_maxModuleSizeMismatch() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_maxPenalties() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_maxRotation() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_maxThreshold() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_maxTimingPatternMismatch() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_maxVal() - Method in class org.opencv.ml.ParamGrid
-
 
-
get_mean() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_meanvalue() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_measurementMatrix() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_measurementNoiseCov() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_minArea() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minCircularity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minConvexity() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minCornerDistanceRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minDistanceToBorder() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minDistBetweenBlobs() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minGroupDistance() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minInertiaRatio() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minMarkerDistanceRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minMarkerLengthRatioOriginalImg() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minMarkerPerimeterRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minMarkers() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
get_minModuleSizeInPyramid() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_minOtsuStdDev() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minRepDistance() - Method in class org.opencv.objdetect.RefineParameters
-
 
-
get_minRepeatability() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minSideLengthCanonicalImg() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_minThreshold() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_minVal() - Method in class org.opencv.ml.ParamGrid
-
 
-
get_mode() - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
get_model() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
get_modelBin() - Method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
get_modelTxt() - Method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
get_mu02() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu03() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu11() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu12() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu20() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu21() - Method in class org.opencv.imgproc.Moments
-
 
-
get_mu30() - Method in class org.opencv.imgproc.Moments
-
 
-
get_name() - Method in class org.opencv.dnn.Layer
-
 
-
get_nbins() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_neckhead() - Method in class org.opencv.video.TrackerNano_Params
-
 
-
get_neighborsSearch() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_net() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_nlevels() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_nu02() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu03() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu11() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu12() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu20() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu21() - Method in class org.opencv.imgproc.Moments
-
 
-
get_nu30() - Method in class org.opencv.imgproc.Moments
-
 
-
get_paddingmode() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_perspectiveRemoveIgnoredMarginPerCell() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_perspectiveRemovePixelPerCell() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_polygonalApproxAccuracyRate() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_preferableTarget() - Method in class org.opencv.dnn.Layer
-
 
-
get_processNoiseCov() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_randomGeneratorState() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_relativeCornerRefinmentWinSize() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_sampler() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_samplerInitInRadius() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_samplerInitMaxNegNum() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_samplerSearchWinSize() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_samplerTrackInRadius() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_samplerTrackMaxNegNum() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_samplerTrackMaxPosNum() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
get_scalefactor() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_scaleTimingPatternScore() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
get_score() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_signedGradient() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_size() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_statePost() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_statePre() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_stdvalue() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_still_image() - Method in class org.opencv.imgcodecs.Animation
-
 
-
get_structure_number() - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
get_svmDetector() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_swapRB() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
get_target() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
get_target() - Method in class org.opencv.video.TrackerNano_Params
-
 
-
get_target() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_threshold() - Method in class org.opencv.calib3d.UsacParams
-
 
-
get_thresholdStep() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
get_tracking_score_threshold() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
get_transitionMatrix() - Method in class org.opencv.video.KalmanFilter
-
 
-
get_tryRefineMarkers() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
get_type() - Method in class org.opencv.dnn.Layer
-
 
-
get_useAruco3Detection() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
get_version() - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
get_winSigma() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
get_winSize() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
getActiveVarCount() - Method in class org.opencv.ml.RTrees
-
-
SEE: setActiveVarCount
-
-
getAffineTransform(MatOfPoint2f, MatOfPoint2f) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
getAlgorithmType() - Method in class org.opencv.ml.KNearest
-
-
SEE: setAlgorithmType
-
-
getAlpha() - Method in class org.opencv.video.VariationalRefinement
-
-
Weight of the smoothness term - SEE: setAlpha
-
-
getAngleEpsilon() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getAngleStep() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getAngleThresh() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getAnnealCoolingRatio() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setAnnealCoolingRatio
-
-
getAnnealFinalT() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setAnnealFinalT
-
-
getAnnealInitialT() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setAnnealInitialT
-
-
getAnnealItePerStep() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setAnnealItePerStep
-
-
getAreaThreshold() - Method in class org.opencv.features2d.MSER
-
 
-
getAvailableTargets(int) - Static method in class org.opencv.dnn.Dnn
-
 
-
getAvgTimeMilli() - Method in class org.opencv.core.TickMeter
-
 
-
getAvgTimeSec() - Method in class org.opencv.core.TickMeter
-
 
-
getBackendName() - Method in class org.opencv.videoio.VideoCapture
-
-
Returns used backend API name - - Note: Stream should be opened.
-
-
getBackendName() - Method in class org.opencv.videoio.VideoWriter
-
-
Returns used backend API name - - Note: Stream should be opened.
-
-
getBackendName(int) - Static method in class org.opencv.videoio.Videoio
-
-
Returns backend API name or "UnknownVideoAPI(xxx)"
-
-
getBackends() - Static method in class org.opencv.videoio.Videoio
-
-
Returns list of all available backends
-
-
getBackgroundImage(Mat) - Method in class org.opencv.video.BackgroundSubtractor
-
-
Computes a background image.
-
-
getBackgroundRatio() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the "background ratio" parameter of the algorithm - - If a foreground pixel keeps semi-constant value for about backgroundRatio\*history frames, it's - considered background and added to the model as a center of a new component.
-
-
getBackpropMomentumScale() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setBackpropMomentumScale
-
-
getBackpropWeightScale() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setBackpropWeightScale
-
-
getBias() - Method in class org.opencv.photo.TonemapDrago
-
 
-
getBinaryThreshold() - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
getBitsFromByteList(Mat, int) - Static method in class org.opencv.objdetect.Dictionary
-
-
Transform list of bytes to matrix of bits
-
-
getBlobContours() - Method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
getBlockSize() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getBlockSize() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getBoard() - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
getBoostType() - Method in class org.opencv.ml.Boost
-
-
SEE: setBoostType
-
-
getBuildInformation() - Static method in class org.opencv.core.Core
-
-
Returns full configuration time cmake output.
-
-
getByteListFromBits(Mat) - Static method in class org.opencv.objdetect.Dictionary
-
-
Transform matrix of bits to list of bytes with 4 marker rotations
-
-
getC() - Method in class org.opencv.ml.SVM
-
-
SEE: setC
-
-
getCalculateVarImportance() - Method in class org.opencv.ml.RTrees
-
-
SEE: setCalculateVarImportance
-
-
getCameraBackendPluginVersion(int, int[], int[]) - Static method in class org.opencv.videoio.Videoio
-
-
Returns description and ABI/API version of videoio plugin's camera interface
-
-
getCameraBackends() - Static method in class org.opencv.videoio.Videoio
-
-
Returns list of available backends which works via cv::VideoCapture(int index)
-
-
getCameraTextureListener() - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
getCannyHighThresh() - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
getCannyLowThresh() - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
getCatCount(int) - Method in class org.opencv.ml.TrainData
-
 
-
getCatMap() - Method in class org.opencv.ml.TrainData
-
 
-
getCatOfs() - Method in class org.opencv.ml.TrainData
-
 
-
getCharucoParameters() - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
getChessboardCorners() - Method in class org.opencv.objdetect.CharucoBoard
-
-
get CharucoBoard::chessboardCorners
-
-
getChessboardSize() - Method in class org.opencv.objdetect.CharucoBoard
-
 
-
getClassLabels() - Method in class org.opencv.ml.TrainData
-
-
Returns the vector of class labels - - The function returns vector of unique labels occurred in the responses.
-
-
getClassWeights() - Method in class org.opencv.ml.SVM
-
-
SEE: setClassWeights
-
-
getClipLimit() - Method in class org.opencv.imgproc.CLAHE
-
 
-
getClosestEllipsePoints(RotatedRect, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Compute for each 2d point the nearest 2d point located on a given ellipse.
-
-
getClustersNumber() - Method in class org.opencv.ml.EM
-
-
SEE: setClustersNumber
-
-
getCoef0() - Method in class org.opencv.ml.SVM
-
-
SEE: setCoef0
-
-
getColorAdaptation() - Method in class org.opencv.photo.TonemapReinhard
-
 
-
getComplexityReductionThreshold() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the complexity reduction threshold - - This parameter defines the number of samples needed to accept to prove the component exists.
-
-
getConfidenceThreshold() - Method in class org.opencv.dnn.TextDetectionModel_EAST
-
-
Get the detection confidence threshold
-
-
getContour(Point, Mat) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
-
-
getContour(Point, Mat, boolean) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
-
-
getContrastThreshold() - Method in class org.opencv.features2d.SIFT
-
 
-
getContrastWeight() - Method in class org.opencv.photo.MergeMertens
-
 
-
getCounter() - Method in class org.opencv.core.TickMeter
-
 
-
getCovarianceMatrixType() - Method in class org.opencv.ml.EM
-
-
SEE: setCovarianceMatrixType
-
-
getCovs(List<Mat>) - Method in class org.opencv.ml.EM
-
-
Returns covariation matrices - - Returns vector of covariation matrices.
-
-
getCPUFeaturesLine() - Static method in class org.opencv.core.Core
-
-
Returns list of CPU features enabled during compilation.
-
-
getCPUTickCount() - Static method in class org.opencv.core.Core
-
-
Returns the number of CPU ticks.
-
-
getCut() - Method in class org.opencv.photo.AlignMTB
-
 
-
getCVFolds() - Method in class org.opencv.ml.DTrees
-
-
SEE: setCVFolds
-
-
getDaimlerPeopleDetector() - Static method in class org.opencv.objdetect.HOGDescriptor
-
-
Returns coefficients of the classifier trained for people detection (for 48x96 windows).
-
-
getDecisionFunction(int, Mat, Mat) - Method in class org.opencv.ml.SVM
-
-
Retrieves the decision function
-
-
getDecodeType() - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Get the decoding method
-
-
getDefaultAlgorithmHint() - Static method in class org.opencv.core.Core
-
 
-
getDefaultGridPtr(int) - Static method in class org.opencv.ml.SVM
-
-
Generates a grid for %SVM parameters.
-
-
getDefaultK() - Method in class org.opencv.ml.KNearest
-
-
SEE: setDefaultK
-
-
getDefaultName() - Method in class org.opencv.core.Algorithm
-
-
Returns the algorithm string identifier.
-
-
getDefaultName() - Method in class org.opencv.features2d.AffineFeature
-
 
-
getDefaultName() - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
getDefaultName() - Method in class org.opencv.features2d.AKAZE
-
 
-
getDefaultName() - Method in class org.opencv.features2d.BRISK
-
 
-
getDefaultName() - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
getDefaultName() - Method in class org.opencv.features2d.Feature2D
-
 
-
getDefaultName() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getDefaultName() - Method in class org.opencv.features2d.KAZE
-
 
-
getDefaultName() - Method in class org.opencv.features2d.MSER
-
 
-
getDefaultName() - Method in class org.opencv.features2d.ORB
-
 
-
getDefaultName() - Method in class org.opencv.features2d.SIFT
-
 
-
getDefaultName() - Method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
getDefaultNewCameraMatrix(Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the default new camera matrix.
-
-
getDefaultNewCameraMatrix(Mat, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the default new camera matrix.
-
-
getDefaultNewCameraMatrix(Mat, Size, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the default new camera matrix.
-
-
getDefaultPeopleDetector() - Static method in class org.opencv.objdetect.HOGDescriptor
-
-
Returns coefficients of the classifier trained for people detection (for 64x128 windows).
-
-
getDefaultSubstValues() - Method in class org.opencv.ml.TrainData
-
 
-
getDegree() - Method in class org.opencv.ml.SVM
-
-
SEE: setDegree
-
-
getDelta() - Method in class org.opencv.features2d.MSER
-
 
-
getDelta() - Method in class org.opencv.video.VariationalRefinement
-
-
Weight of the color constancy term - SEE: setDelta
-
-
getDerivKernels(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns filter coefficients for computing spatial image derivatives.
-
-
getDerivKernels(Mat, Mat, int, int, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns filter coefficients for computing spatial image derivatives.
-
-
getDerivKernels(Mat, Mat, int, int, int, boolean, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns filter coefficients for computing spatial image derivatives.
-
-
getDescriptorChannels() - Method in class org.opencv.features2d.AKAZE
-
 
-
getDescriptors() - Method in class org.opencv.features2d.BOWTrainer
-
-
Returns a training set of descriptors.
-
-
getDescriptorSize() - Method in class org.opencv.features2d.AKAZE
-
 
-
getDescriptorSize() - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Returns the number of coefficients required for the classification.
-
-
getDescriptorType() - Method in class org.opencv.features2d.AKAZE
-
 
-
getDetectorParameters() - Method in class org.opencv.objdetect.ArucoDetector
-
 
-
getDetectorParameters() - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
getDetectorParameters() - Method in class org.opencv.objdetect.QRCodeDetectorAruco
-
-
Detector parameters getter.
-
-
getDetectorScales(MatOfFloat) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Returns detector box filter sizes.
-
-
getDetectShadows() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them.
-
-
getDetectShadows() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them.
-
-
getDictionary() - Method in class org.opencv.objdetect.ArucoDetector
-
-
Returns first dictionary from internal list used for marker detection.
-
-
getDictionary() - Method in class org.opencv.objdetect.Board
-
-
return the Dictionary of markers employed for this board
-
-
getDiffusivity() - Method in class org.opencv.features2d.AKAZE
-
 
-
getDiffusivity() - Method in class org.opencv.features2d.KAZE
-
 
-
getDisp12MaxDiff() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getDist2Threshold() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the threshold on the squared distance between the pixel and the sample - - The threshold on the squared distance between the pixel and the sample to decide whether a pixel is - close to a data sample.
-
-
getDistanceToId(Mat, int) - Method in class org.opencv.objdetect.Dictionary
-
-
Returns Hamming distance of the input bits to the specific id.
-
-
getDistanceToId(Mat, int, boolean) - Method in class org.opencv.objdetect.Dictionary
-
-
Returns Hamming distance of the input bits to the specific id.
-
-
getDownsamplingThreshold() - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Get detector downsampling threshold.
-
-
getDp() - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
getEdge(int, int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns one of the edges related to the given edge.
-
-
getEdgeBlurSize() - Method in class org.opencv.features2d.MSER
-
 
-
getEdgeList(MatOfFloat4) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns a list of all edges.
-
-
getEdgeThreshold() - Method in class org.opencv.features2d.ORB
-
 
-
getEdgeThreshold() - Method in class org.opencv.features2d.SIFT
-
 
-
getEmax() - Method in class org.opencv.ml.KNearest
-
-
SEE: setEmax
-
-
getEnableSoftmaxPostProcessing() - Method in class org.opencv.dnn.ClassificationModel
-
-
Get enable/disable softmax post processing option.
-
-
getEncoding() - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call - When REF: decode or REF: detectAndDecode is used, valid value is zero.
-
-
getEncoding(int) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call
-
-
getEpsilon() - Method in class org.opencv.video.VariationalRefinement
-
-
Norm value shift for robust penalizer - SEE: setEpsilon
-
-
getExceptionMode() - Method in class org.opencv.videoio.VideoCapture
-
 
-
getExcludeRange() - Method in class org.opencv.photo.AlignMTB
-
 
-
getExposureWeight() - Method in class org.opencv.photo.MergeMertens
-
 
-
getExtended() - Method in class org.opencv.features2d.KAZE
-
 
-
getFastPyramids() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getFastThreshold() - Method in class org.opencv.features2d.ORB
-
 
-
getFeatureType() - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
getFinestScale() - Method in class org.opencv.video.DISOpticalFlow
-
-
Finest level of the Gaussian pyramid on which the flow is computed (zero level - corresponds to the original image resolution).
-
-
getFirstLevel() - Method in class org.opencv.features2d.ORB
-
 
-
getFixedPointIterations() - Method in class org.opencv.video.VariationalRefinement
-
-
Number of outer (fixed-point) iterations in the minimization procedure.
-
-
getFlags() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getFlags() - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
getFLOPS(int, List<MatOfInt>) - Method in class org.opencv.dnn.Net
-
 
-
getFLOPS(int, MatOfInt) - Method in class org.opencv.dnn.Net
-
 
-
getFLOPS(List<MatOfInt>) - Method in class org.opencv.dnn.Net
-
-
Computes FLOP for whole loaded model with specified input shapes.
-
-
getFLOPS(MatOfInt) - Method in class org.opencv.dnn.Net
-
 
-
getFontScaleFromHeight(int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the font-specific size to use to achieve a given height in pixels.
-
-
getFontScaleFromHeight(int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the font-specific size to use to achieve a given height in pixels.
-
-
getFPS() - Method in class org.opencv.core.TickMeter
-
 
-
getGaborKernel(Size, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns Gabor filter coefficients.
-
-
getGaborKernel(Size, double, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns Gabor filter coefficients.
-
-
getGaborKernel(Size, double, double, double, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns Gabor filter coefficients.
-
-
getGamma() - Method in class org.opencv.ml.SVM
-
-
SEE: setGamma
-
-
getGamma() - Method in class org.opencv.photo.Tonemap
-
 
-
getGamma() - Method in class org.opencv.video.VariationalRefinement
-
-
Weight of the gradient constancy term - SEE: setGamma
-
-
getGaussianKernel(int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns Gaussian filter coefficients.
-
-
getGaussianKernel(int, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns Gaussian filter coefficients.
-
-
getGradientDescentIterations() - Method in class org.opencv.video.DISOpticalFlow
-
-
Maximum number of gradient descent iterations in the patch inverse search stage.
-
-
getGradientSize() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getGradientThreshold() - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Get detector gradient magnitude threshold.
-
-
getGridSize() - Method in class org.opencv.objdetect.GridBoard
-
 
-
getHardwareFeatureName(int) - Static method in class org.opencv.core.Core
-
-
Returns feature name by ID - - Returns empty string if feature is not defined
-
-
getHarrisDetector() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getHeight(Object) - Method in interface org.opencv.android.CameraBridgeViewBase.ListItemAccessor
-
 
-
getHeight(Object) - Method in class org.opencv.android.JavaCamera2View.JavaCameraSizeAccessor
-
 
-
getHeight(Object) - Method in class org.opencv.android.JavaCameraView.JavaCameraSizeAccessor
-
 
-
getHeight(Object) - Method in class org.opencv.android.NativeCameraView.OpenCvSizeAccessor
-
 
-
getHistory() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the number of last frames that affect the background model
-
-
getHistory() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the number of last frames that affect the background model
-
-
getIds() - Method in class org.opencv.objdetect.Board
-
-
vector of the identifiers of the markers in the board (should be the same size as objPoints)
-
-
getInferenceEngineCPUType() - Static method in class org.opencv.dnn.Dnn
-
-
Returns Inference Engine CPU type.
-
-
getInferenceEngineVPUType() - Static method in class org.opencv.dnn.Dnn
-
-
Returns Inference Engine VPU type.
-
-
getInitialStepSize() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setInitialStepSize
-
-
getInputDetails(MatOfFloat, MatOfInt) - Method in class org.opencv.dnn.Net
-
-
Returns input scale and zeropoint for a quantized Net.
-
-
getInputSize() - Method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
getIntensity() - Method in class org.opencv.photo.TonemapReinhard
-
 
-
getIntValue() - Method in class org.opencv.dnn.DictValue
-
 
-
getIntValue(int) - Method in class org.opencv.dnn.DictValue
-
 
-
getIppVersion() - Static method in class org.opencv.core.Core
-
 
-
getIsClassifier() - Method in class org.opencv.ml.KNearest
-
-
SEE: setIsClassifier
-
-
getIterations() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setIterations
-
-
getK() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getKernelType() - Method in class org.opencv.ml.SVM
-
-
Type of a %SVM kernel.
-
-
getkNNSamples() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the number of neighbours, the k in the kNN.
-
-
getLambda() - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
getLastTimeMicro() - Method in class org.opencv.core.TickMeter
-
 
-
getLastTimeMilli() - Method in class org.opencv.core.TickMeter
-
 
-
getLastTimeSec() - Method in class org.opencv.core.TickMeter
-
 
-
getLastTimeTicks() - Method in class org.opencv.core.TickMeter
-
 
-
getLayer(int) - Method in class org.opencv.dnn.Net
-
-
Returns pointer to layer with specified id or name which the network use.
-
-
getLayerId(String) - Method in class org.opencv.dnn.Net
-
-
Converts string name of the layer to the integer identifier.
-
-
getLayerNames() - Method in class org.opencv.dnn.Net
-
 
-
getLayersCount(String) - Method in class org.opencv.dnn.Net
-
-
Returns count of layers of specified type.
-
-
getLayerSizes() - Method in class org.opencv.ml.ANN_MLP
-
-
Integer vector specifying the number of neurons in each layer including the input and output layers.
-
-
getLayerTypes(List<String>) - Method in class org.opencv.dnn.Net
-
-
Returns list of types for layer used in model.
-
-
getLayout() - Method in class org.opencv.ml.TrainData
-
 
-
getLeadingEdgeList(MatOfInt) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns a list of the leading edge ID connected to each triangle.
-
-
getLearningRate() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setLearningRate
-
-
getLegacyPattern() - Method in class org.opencv.objdetect.CharucoBoard
-
 
-
getLevels() - Method in class org.opencv.imgproc.GeneralizedHoughBallard
-
 
-
getLevels() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getLightAdaptation() - Method in class org.opencv.photo.TonemapReinhard
-
 
-
getMarginRegularization() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setMarginRegularization
-
-
getMarginType() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setMarginType
-
-
getMarkerLength() - Method in class org.opencv.objdetect.CharucoBoard
-
 
-
getMarkerLength() - Method in class org.opencv.objdetect.GridBoard
-
 
-
getMarkerSeparation() - Method in class org.opencv.objdetect.GridBoard
-
 
-
getMaxAngle() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getMaxArea() - Method in class org.opencv.features2d.MSER
-
 
-
getMaxBits() - Method in class org.opencv.photo.AlignMTB
-
 
-
getMaxBufferSize() - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
getMaxCandidates() - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
getMaxCategories() - Method in class org.opencv.ml.DTrees
-
-
SEE: setMaxCategories
-
-
getMaxDepth() - Method in class org.opencv.ml.DTrees
-
-
SEE: setMaxDepth
-
-
getMaxEvolution() - Method in class org.opencv.features2d.MSER
-
 
-
getMaxFeatures() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getMaxFeatures() - Method in class org.opencv.features2d.ORB
-
 
-
getMaxIter() - Method in class org.opencv.photo.CalibrateRobertson
-
 
-
getMaxLevel() - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
getMaxPoints() - Method in class org.opencv.features2d.AKAZE
-
 
-
getMaxScale() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getMaxVariation() - Method in class org.opencv.features2d.MSER
-
 
-
getMeans() - Method in class org.opencv.ml.EM
-
-
Returns the cluster centers (means of the Gaussian mixture) - - Returns matrix with the number of rows equal to the number of mixtures and number of columns - equal to the space dimensionality.
-
-
getMemoryConsumption(int, List<MatOfInt>, long[], long[]) - Method in class org.opencv.dnn.Net
-
 
-
getMemoryConsumption(int, MatOfInt, long[], long[]) - Method in class org.opencv.dnn.Net
-
 
-
getMemoryConsumption(MatOfInt, long[], long[]) - Method in class org.opencv.dnn.Net
-
 
-
getMinAngle() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getMinArea() - Method in class org.opencv.features2d.MSER
-
 
-
getMinDisparity() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getMinDist() - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
getMinDistance() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getMinDiversity() - Method in class org.opencv.features2d.MSER
-
 
-
getMinEigThreshold() - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
getMiniBatchSize() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setMiniBatchSize
-
-
getMinMargin() - Method in class org.opencv.features2d.MSER
-
 
-
getMinSampleCount() - Method in class org.opencv.ml.DTrees
-
-
SEE: setMinSampleCount
-
-
getMinScale() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getMissing() - Method in class org.opencv.ml.TrainData
-
 
-
getMode() - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
getNAllVars() - Method in class org.opencv.ml.TrainData
-
 
-
getNames(List<String>) - Method in class org.opencv.ml.TrainData
-
-
Returns vector of symbolic names captured in loadFromCSV()
-
-
getNativeObjAddr() - Method in class org.opencv.calib3d.UsacParams
-
 
-
getNativeObjAddr() - Method in class org.opencv.core.Algorithm
-
 
-
getNativeObjAddr() - Method in class org.opencv.core.Mat
-
 
-
getNativeObjAddr() - Method in class org.opencv.core.TickMeter
-
 
-
getNativeObjAddr() - Method in class org.opencv.dnn.DictValue
-
 
-
getNativeObjAddr() - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
getNativeObjAddr() - Method in class org.opencv.dnn.Model
-
 
-
getNativeObjAddr() - Method in class org.opencv.dnn.Net
-
 
-
getNativeObjAddr() - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
 
-
getNativeObjAddr() - Method in class org.opencv.features2d.BOWTrainer
-
 
-
getNativeObjAddr() - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.imgcodecs.Animation
-
 
-
getNativeObjAddr() - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
 
-
getNativeObjAddr() - Method in class org.opencv.imgproc.Subdiv2D
-
 
-
getNativeObjAddr() - Method in class org.opencv.ml.ParamGrid
-
 
-
getNativeObjAddr() - Method in class org.opencv.ml.TrainData
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.Board
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.Dictionary
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.FaceRecognizerSF
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.HOGDescriptor
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.QRCodeEncoder
-
 
-
getNativeObjAddr() - Method in class org.opencv.objdetect.RefineParameters
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.KalmanFilter
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.Tracker
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.TrackerNano_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.video.TrackerVit_Params
-
 
-
getNativeObjAddr() - Method in class org.opencv.videoio.IStreamReader
-
 
-
getNativeObjAddr() - Method in class org.opencv.videoio.VideoCapture
-
 
-
getNativeObjAddr() - Method in class org.opencv.videoio.VideoWriter
-
 
-
getNFeatures() - Method in class org.opencv.features2d.SIFT
-
 
-
getNLevels() - Method in class org.opencv.features2d.ORB
-
 
-
getNMixtures() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the number of gaussian components in the background model
-
-
getNmsAcrossClasses() - Method in class org.opencv.dnn.DetectionModel
-
-
Getter for nmsAcrossClasses.
-
-
getNMSThreshold() - Method in class org.opencv.dnn.TextDetectionModel_EAST
-
-
Get the detection confidence threshold
-
-
getNMSThreshold() - Method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
getNOctaveLayers() - Method in class org.opencv.features2d.AKAZE
-
 
-
getNOctaveLayers() - Method in class org.opencv.features2d.KAZE
-
 
-
getNOctaveLayers() - Method in class org.opencv.features2d.SIFT
-
 
-
getNOctaves() - Method in class org.opencv.features2d.AKAZE
-
 
-
getNOctaves() - Method in class org.opencv.features2d.KAZE
-
 
-
getNonmaxSuppression() - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
getNonmaxSuppression() - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
getNormCatResponses() - Method in class org.opencv.ml.TrainData
-
 
-
getNSamples() - Method in class org.opencv.ml.TrainData
-
 
-
getNSamples() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the number of data samples in the background model
-
-
getNTestSamples() - Method in class org.opencv.ml.TrainData
-
 
-
getNTrainSamples() - Method in class org.opencv.ml.TrainData
-
 
-
getNu() - Method in class org.opencv.ml.SVM
-
-
SEE: setNu
-
-
getNumberOfCPUs() - Static method in class org.opencv.core.Core
-
-
Returns the number of logical CPUs available for the process.
-
-
getNumDisparities() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getNumIters() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getNumLevels() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getNumThreads() - Static method in class org.opencv.core.Core
-
-
Returns the number of threads used by OpenCV for parallel regions.
-
-
getNVars() - Method in class org.opencv.ml.TrainData
-
 
-
getObjPoints() - Method in class org.opencv.objdetect.Board
-
-
return array of object points of all the marker corners in the board.
-
-
getOctaves() - Method in class org.opencv.features2d.BRISK
-
 
-
getOmega() - Method in class org.opencv.video.VariationalRefinement
-
-
Relaxation factor in SOR - SEE: setOmega
-
-
getOOBError() - Method in class org.opencv.ml.RTrees
-
-
Returns the OOB error value, computed at the training stage when calcOOBError is set to true.
-
-
getOptimalDFTSize(int) - Static method in class org.opencv.core.Core
-
-
Returns the optimal DFT size for a given vector size.
-
-
getOptimalNewCameraMatrix(Mat, Mat, Size, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the new camera intrinsic matrix based on the free scaling parameter.
-
-
getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the new camera intrinsic matrix based on the free scaling parameter.
-
-
getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size, Rect) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the new camera intrinsic matrix based on the free scaling parameter.
-
-
getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size, Rect, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Returns the new camera intrinsic matrix based on the free scaling parameter.
-
-
getOriginalWindowSize() - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
getOutputDetails(MatOfFloat, MatOfInt) - Method in class org.opencv.dnn.Net
-
-
Returns output scale and zeropoint for a quantized Net.
-
-
getP() - Method in class org.opencv.ml.SVM
-
-
SEE: setP
-
-
getP1() - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
getP2() - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
getParam(int) - Method in class org.opencv.dnn.Net
-
-
Returns parameter blob of the layer.
-
-
getParam(int, int) - Method in class org.opencv.dnn.Net
-
-
Returns parameter blob of the layer.
-
-
getParam(String) - Method in class org.opencv.dnn.Net
-
 
-
getParam(String, int) - Method in class org.opencv.dnn.Net
-
 
-
getParams() - Method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
getPass2Only() - Method in class org.opencv.features2d.MSER
-
 
-
getPatchSize() - Method in class org.opencv.features2d.ORB
-
 
-
getPatchSize() - Method in class org.opencv.video.DISOpticalFlow
-
-
Size of an image patch for matching (in pixels).
-
-
getPatchStride() - Method in class org.opencv.video.DISOpticalFlow
-
-
Stride between neighbor patches.
-
-
getPatternScale() - Method in class org.opencv.features2d.BRISK
-
 
-
getPerfProfile(MatOfDouble) - Method in class org.opencv.dnn.Net
-
-
Returns overall time for inference and timings (in ticks) for layers.
-
-
getPerspectiveTransform(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a perspective transform from four pairs of the corresponding points.
-
-
getPerspectiveTransform(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a perspective transform from four pairs of the corresponding points.
-
-
getPolygonThreshold() - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
getPolyN() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getPolySigma() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getPosThresh() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getPredefinedDictionary(int) - Static method in class org.opencv.objdetect.Objdetect
-
-
Returns one of the predefined dictionaries referenced by DICT_*.
-
-
getPreFilterCap() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current truncation value for prefiltered pixels.
-
-
getPreFilterCap() - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
getPreFilterSize() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current size of the pre-filter kernel.
-
-
getPreFilterType() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the type of pre-filtering currently used in the algorithm.
-
-
getPriors() - Method in class org.opencv.ml.DTrees
-
-
SEE: setPriors
-
-
getPyrScale() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getQualityLevel() - Method in class org.opencv.features2d.GFTTDetector
-
 
-
getRadiance() - Method in class org.opencv.photo.CalibrateRobertson
-
 
-
getRandom() - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
getRealValue() - Method in class org.opencv.dnn.DictValue
-
 
-
getRealValue(int) - Method in class org.opencv.dnn.DictValue
-
 
-
getRectSubPix(Mat, Size, Point, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Retrieves a pixel rectangle from an image with sub-pixel accuracy.
-
-
getRectSubPix(Mat, Size, Point, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Retrieves a pixel rectangle from an image with sub-pixel accuracy.
-
-
getRefineParameters() - Method in class org.opencv.objdetect.ArucoDetector
-
 
-
getRefineParameters() - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
getRegressionAccuracy() - Method in class org.opencv.ml.DTrees
-
-
SEE: setRegressionAccuracy
-
-
getRegularization() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setRegularization
-
-
getResponses() - Method in class org.opencv.ml.TrainData
-
 
-
getResponseType() - Method in class org.opencv.ml.TrainData
-
 
-
getRightBottomCorner() - Method in class org.opencv.objdetect.Board
-
-
get coordinate of the bottom right corner of the board, is set when calling the function create()
-
-
getROI1() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current Region of Interest (ROI) for the left image.
-
-
getROI2() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current Region of Interest (ROI) for the right image.
-
-
getRotationMatrix2D(Point, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates an affine matrix of 2D rotation.
-
-
getRpropDW0() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setRpropDW0
-
-
getRpropDWMax() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setRpropDWMax
-
-
getRpropDWMin() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setRpropDWMin
-
-
getRpropDWMinus() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setRpropDWMinus
-
-
getRpropDWPlus() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setRpropDWPlus
-
-
getSample(Mat, int, float) - Method in class org.opencv.ml.TrainData
-
 
-
getSamples() - Method in class org.opencv.ml.TrainData
-
 
-
getSamples() - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
getSampleWeights() - Method in class org.opencv.ml.TrainData
-
 
-
getSaturation() - Method in class org.opencv.photo.TonemapDrago
-
 
-
getSaturation() - Method in class org.opencv.photo.TonemapMantiuk
-
 
-
getSaturationWeight() - Method in class org.opencv.photo.MergeMertens
-
 
-
getScale() - Method in class org.opencv.photo.TonemapMantiuk
-
 
-
getScaleFactor() - Method in class org.opencv.features2d.ORB
-
 
-
getScaleStep() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getScaleThresh() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
getScoreThreshold() - Method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
getScoreType() - Method in class org.opencv.features2d.ORB
-
 
-
getShadowThreshold() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background.
-
-
getShadowThreshold() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background.
-
-
getShadowValue() - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask.
-
-
getShadowValue() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask.
-
-
getShift() - Method in class org.opencv.ml.SVMSGD
-
 
-
getSigma() - Method in class org.opencv.features2d.SIFT
-
 
-
getSmallerBlockSize() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current size of the smaller block used for texture check.
-
-
getSorIterations() - Method in class org.opencv.video.VariationalRefinement
-
-
Number of inner successive over-relaxation (SOR) iterations - in the minimization procedure to solve the respective linear system.
-
-
getSpeckleRange() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getSpeckleWindowSize() - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
getSquareLength() - Method in class org.opencv.objdetect.CharucoBoard
-
 
-
getStepDecreasingPower() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setStepDecreasingPower
-
-
getStreamBackendPluginVersion(int, int[], int[]) - Static method in class org.opencv.videoio.Videoio
-
-
Returns description and ABI/API version of videoio plugin's stream capture interface
-
-
getStreamBackends() - Static method in class org.opencv.videoio.Videoio
-
-
Returns list of available backends which works via cv::VideoCapture(filename)
-
-
getStreamBufferedBackendPluginVersion(int, int[], int[]) - Static method in class org.opencv.videoio.Videoio
-
-
Returns description and ABI/API version of videoio plugin's buffer capture interface
-
-
getStreamBufferedBackends() - Static method in class org.opencv.videoio.Videoio
-
-
Returns list of available backends which works via cv::VideoCapture(buffer)
-
-
getStringValue() - Method in class org.opencv.dnn.DictValue
-
 
-
getStringValue(int) - Method in class org.opencv.dnn.DictValue
-
 
-
getStructuringElement(int, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns a structuring element of the specified size and shape for morphological operations.
-
-
getStructuringElement(int, Size, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Returns a structuring element of the specified size and shape for morphological operations.
-
-
getSubMatrix(Mat, Mat, int) - Static method in class org.opencv.ml.TrainData
-
-
Extract from matrix rows/cols specified by passed indexes.
-
-
getSubVector(Mat, Mat) - Static method in class org.opencv.ml.TrainData
-
-
Extract from 1D vector elements specified by passed indexes.
-
-
getSupportVectors() - Method in class org.opencv.ml.SVM
-
-
Retrieves all the support vectors - - The method returns all the support vectors as a floating-point matrix, where support vectors are - stored as matrix rows.
-
-
getSvmsgdType() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setSvmsgdType
-
-
getTermCriteria() - Method in class org.opencv.ml.ANN_MLP
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.ml.EM
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.ml.RTrees
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.ml.SVM
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.ml.SVMSGD
-
-
SEE: setTermCriteria
-
-
getTermCriteria() - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
getTestNormCatResponses() - Method in class org.opencv.ml.TrainData
-
 
-
getTestResponses() - Method in class org.opencv.ml.TrainData
-
 
-
getTestSampleIdx() - Method in class org.opencv.ml.TrainData
-
 
-
getTestSamples() - Method in class org.opencv.ml.TrainData
-
-
Returns matrix of test samples
-
-
getTestSampleWeights() - Method in class org.opencv.ml.TrainData
-
 
-
getTextSize(String, int, double, int, int[]) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
getTextureThreshold() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current texture threshold value.
-
-
getThreshold() - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
getThreshold() - Method in class org.opencv.features2d.AKAZE
-
 
-
getThreshold() - Method in class org.opencv.features2d.BRISK
-
 
-
getThreshold() - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
getThreshold() - Method in class org.opencv.features2d.KAZE
-
 
-
getThreshold() - Method in class org.opencv.photo.CalibrateRobertson
-
 
-
getTickCount() - Static method in class org.opencv.core.Core
-
-
Returns the number of ticks.
-
-
getTickFrequency() - Static method in class org.opencv.core.Core
-
-
Returns the number of ticks per second.
-
-
getTilesGridSize() - Method in class org.opencv.imgproc.CLAHE
-
 
-
getTimeMicro() - Method in class org.opencv.core.TickMeter
-
 
-
getTimeMilli() - Method in class org.opencv.core.TickMeter
-
 
-
getTimeSec() - Method in class org.opencv.core.TickMeter
-
 
-
getTimeTicks() - Method in class org.opencv.core.TickMeter
-
 
-
getTopK() - Method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
getTrackingScore() - Method in class org.opencv.video.TrackerDaSiamRPN
-
-
Return tracking score
-
-
getTrackingScore() - Method in class org.opencv.video.TrackerNano
-
-
Return tracking score
-
-
getTrackingScore() - Method in class org.opencv.video.TrackerVit
-
-
Return tracking score
-
-
getTrainDescriptors() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Returns a constant link to the train descriptor collection trainDescCollection .
-
-
getTrainMethod() - Method in class org.opencv.ml.ANN_MLP
-
-
Returns current training method
-
-
getTrainMethod() - Method in class org.opencv.ml.LogisticRegression
-
-
SEE: setTrainMethod
-
-
getTrainNormCatResponses() - Method in class org.opencv.ml.TrainData
-
-
Returns the vector of normalized categorical responses - - The function returns vector of responses.
-
-
getTrainResponses() - Method in class org.opencv.ml.TrainData
-
-
Returns the vector of responses - - The function returns ordered or the original categorical responses.
-
-
getTrainSampleIdx() - Method in class org.opencv.ml.TrainData
-
 
-
getTrainSamples() - Method in class org.opencv.ml.TrainData
-
-
Returns matrix of train samples - - transposed.
-
-
getTrainSamples(int) - Method in class org.opencv.ml.TrainData
-
-
Returns matrix of train samples
-
-
getTrainSamples(int, boolean) - Method in class org.opencv.ml.TrainData
-
-
Returns matrix of train samples
-
-
getTrainSamples(int, boolean, boolean) - Method in class org.opencv.ml.TrainData
-
-
Returns matrix of train samples
-
-
getTrainSampleWeights() - Method in class org.opencv.ml.TrainData
-
 
-
getTriangleList(MatOfFloat6) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns a list of all triangles.
-
-
getTruncatePrunedTree() - Method in class org.opencv.ml.DTrees
-
-
SEE: setTruncatePrunedTree
-
-
getType() - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
getType() - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
getType() - Method in class org.opencv.ml.SVM
-
-
SEE: setType
-
-
getUnclipRatio() - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
getUncompressedSupportVectors() - Method in class org.opencv.ml.SVM
-
-
Retrieves all the uncompressed support vectors of a linear %SVM - - The method returns all the uncompressed support vectors of a linear %SVM that the compressed - support vector, used for prediction, was derived from.
-
-
getUnconnectedOutLayers() - Method in class org.opencv.dnn.Net
-
-
Returns indexes of layers with unconnected outputs.
-
-
getUnconnectedOutLayersNames() - Method in class org.opencv.dnn.Net
-
-
Returns names of layers with unconnected outputs.
-
-
getUniquenessRatio() - Method in class org.opencv.calib3d.StereoBM
-
-
Gets the current uniqueness ratio value.
-
-
getUniquenessRatio() - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
getUpright() - Method in class org.opencv.features2d.KAZE
-
 
-
getUse1SERule() - Method in class org.opencv.ml.DTrees
-
-
SEE: setUse1SERule
-
-
getUseMeanNormalization() - Method in class org.opencv.video.DISOpticalFlow
-
-
Whether to use mean-normalization of patches when computing patch distance.
-
-
getUseSpatialPropagation() - Method in class org.opencv.video.DISOpticalFlow
-
-
Whether to use spatial propagation of good optical flow vectors.
-
-
getUseSurrogates() - Method in class org.opencv.ml.DTrees
-
-
SEE: setUseSurrogates
-
-
getV() - Method in interface org.opencv.core.Mat.Atable
-
 
-
getV2c() - Method in interface org.opencv.core.Mat.Atable
-
 
-
getV3c() - Method in interface org.opencv.core.Mat.Atable
-
 
-
getV4c() - Method in interface org.opencv.core.Mat.Atable
-
 
-
getValidDisparityROI(Rect, Rect, int, int, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
getValues(int, Mat, float) - Method in class org.opencv.ml.TrainData
-
 
-
getVarCount() - Method in class org.opencv.ml.StatModel
-
-
Returns the number of variables in training samples
-
-
getVariationalRefinementAlpha() - Method in class org.opencv.video.DISOpticalFlow
-
-
Weight of the smoothness term - SEE: setVariationalRefinementAlpha
-
-
getVariationalRefinementDelta() - Method in class org.opencv.video.DISOpticalFlow
-
-
Weight of the color constancy term - SEE: setVariationalRefinementDelta
-
-
getVariationalRefinementEpsilon() - Method in class org.opencv.video.DISOpticalFlow
-
-
Norm value shift for robust penalizer - SEE: setVariationalRefinementEpsilon
-
-
getVariationalRefinementGamma() - Method in class org.opencv.video.DISOpticalFlow
-
-
Weight of the gradient constancy term - SEE: setVariationalRefinementGamma
-
-
getVariationalRefinementIterations() - Method in class org.opencv.video.DISOpticalFlow
-
-
Number of fixed point iterations of variational refinement per scale.
-
-
getVarIdx() - Method in class org.opencv.ml.TrainData
-
 
-
getVarImportance() - Method in class org.opencv.ml.RTrees
-
-
Returns the variable importance array.
-
-
getVarInit() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the initial variance of each gaussian component
-
-
getVarMax() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
 
-
getVarMin() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
 
-
getVarSymbolFlags() - Method in class org.opencv.ml.TrainData
-
 
-
getVarThreshold() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the variance threshold for the pixel-model match - - The main threshold on the squared Mahalanobis distance to decide if the sample is well described by - the background model or not.
-
-
getVarThresholdGen() - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Returns the variance threshold for the pixel-model match used for new mixture component generation - - Threshold for the squared Mahalanobis distance that helps decide when a sample is close to the - existing components (corresponds to Tg in the paper).
-
-
getVarType() - Method in class org.opencv.ml.TrainData
-
 
-
getVersionMajor() - Static method in class org.opencv.core.Core
-
-
Returns major library version
-
-
getVersionMinor() - Static method in class org.opencv.core.Core
-
-
Returns minor library version
-
-
getVersionRevision() - Static method in class org.opencv.core.Core
-
-
Returns revision field of the library version
-
-
getVersionString() - Static method in class org.opencv.core.Core
-
-
Returns library version string - - For example "3.4.1-dev".
-
-
getVertex(int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns vertex location from vertex ID.
-
-
getVertex(int, int[]) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns vertex location from vertex ID.
-
-
getViewParams(MatOfFloat, MatOfFloat) - Method in class org.opencv.features2d.AffineFeature
-
 
-
getVocabulary() - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Get the vocabulary for recognition.
-
-
getVocabulary() - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
-
Returns the set vocabulary.
-
-
getVoronoiFacetList(MatOfInt, List<MatOfPoint2f>, MatOfPoint2f) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns a list of all Voronoi facets.
-
-
getVotes(Mat, Mat, int) - Method in class org.opencv.ml.RTrees
-
-
Returns the result of each individual tree in the forest.
-
-
getVotesThreshold() - Method in class org.opencv.imgproc.GeneralizedHoughBallard
-
 
-
getWeakCount() - Method in class org.opencv.ml.Boost
-
-
SEE: setWeakCount
-
-
getWeights() - Method in class org.opencv.ml.EM
-
-
Returns weights of the mixtures - - Returns vector with the number of elements equal to the number of mixtures.
-
-
getWeights() - Method in class org.opencv.ml.SVMSGD
-
 
-
getWeights(int) - Method in class org.opencv.ml.ANN_MLP
-
 
-
getWeightTrimRate() - Method in class org.opencv.ml.Boost
-
-
SEE: setWeightTrimRate
-
-
getWidth(Object) - Method in interface org.opencv.android.CameraBridgeViewBase.ListItemAccessor
-
 
-
getWidth(Object) - Method in class org.opencv.android.JavaCamera2View.JavaCameraSizeAccessor
-
 
-
getWidth(Object) - Method in class org.opencv.android.JavaCameraView.JavaCameraSizeAccessor
-
 
-
getWidth(Object) - Method in class org.opencv.android.NativeCameraView.OpenCvSizeAccessor
-
 
-
getWinSigma() - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Returns winSigma value
-
-
getWinSize() - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
getWinSize() - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
getWriterBackendPluginVersion(int, int[], int[]) - Static method in class org.opencv.videoio.Videoio
-
-
Returns description and ABI/API version of videoio plugin's writer interface
-
-
getWriterBackends() - Static method in class org.opencv.videoio.Videoio
-
-
Returns list of available backends which works via cv::VideoWriter()
-
-
getWTA_K() - Method in class org.opencv.features2d.ORB
-
 
-
getXi() - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
GFTTDetector - Class in org.opencv.features2d
-
-
Wrapping class for feature detection using the goodFeaturesToTrack function.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Determines strong corners on an image.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Determines strong corners on an image.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Determines strong corners on an image.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Determines strong corners on an image.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, boolean, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Determines strong corners on an image.
-
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int, boolean, double) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as above, but returns also quality measure of the detected corners.
-
-
goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as above, but returns also quality measure of the detected corners.
-
-
goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as above, but returns also quality measure of the detected corners.
-
-
goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as above, but returns also quality measure of the detected corners.
-
-
goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int, boolean, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as above, but returns also quality measure of the detected corners.
-
-
GpuApiCallError - Static variable in class org.opencv.core.Core
-
 
-
GpuNotSupported - Static variable in class org.opencv.core.Core
-
 
-
grab() - Method in class org.opencv.videoio.VideoCapture
-
-
Grabs the next frame from video file or capturing device.
-
-
grabCut(Mat, Mat, Rect, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Runs the GrabCut algorithm.
-
-
grabCut(Mat, Mat, Rect, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Runs the GrabCut algorithm.
-
-
GraphicalCodeDetector - Class in org.opencv.objdetect
-
 
-
gray() - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewFrame
-
-
This method returns single channel gray scale Mat with frame
-
-
gray() - Method in class org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
 
-
GRAY - Static variable in class org.opencv.android.CameraBridgeViewBase
-
 
-
GridBoard - Class in org.opencv.objdetect
-
-
Planar board with grid arrangement of markers - - More common type of board.
-
-
GridBoard(Size, float, float, Dictionary) - Constructor for class org.opencv.objdetect.GridBoard
-
-
GridBoard constructor
-
-
GridBoard(Size, float, float, Dictionary, Mat) - Constructor for class org.opencv.objdetect.GridBoard
-
-
GridBoard constructor
-
-
groupRectangles(MatOfRect, MatOfInt, int) - Static method in class org.opencv.objdetect.Objdetect
-
 
-
groupRectangles(MatOfRect, MatOfInt, int, double) - Static method in class org.opencv.objdetect.Objdetect
-
 
-
-

H

-
-
HARD_MARGIN - Static variable in class org.opencv.ml.SVMSGD
-
 
-
HARRIS_SCORE - Static variable in class org.opencv.features2d.ORB
-
 
-
hasBackend(int) - Static method in class org.opencv.videoio.Videoio
-
-
Returns true if backend is available
-
-
hashCode() - Method in class org.opencv.core.Point
-
 
-
hashCode() - Method in class org.opencv.core.Point3
-
 
-
hashCode() - Method in class org.opencv.core.Range
-
 
-
hashCode() - Method in class org.opencv.core.Rect
-
 
-
hashCode() - Method in class org.opencv.core.Rect2d
-
 
-
hashCode() - Method in class org.opencv.core.RotatedRect
-
 
-
hashCode() - Method in class org.opencv.core.Scalar
-
 
-
hashCode() - Method in class org.opencv.core.Size
-
 
-
hashCode() - Method in class org.opencv.core.TermCriteria
-
 
-
hasNonZero(Mat) - Static method in class org.opencv.core.Core
-
-
Checks for the presence of at least one non-zero array element.
-
-
haveImageReader(String) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Checks if the specified image file can be decoded by OpenCV.
-
-
haveImageWriter(String) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Checks if the specified image file or specified file extension can be encoded by OpenCV.
-
-
hconcat(List<Mat>, Mat) - Static method in class org.opencv.core.Core
-
-
- std::vector<cv::Mat> matrices = { cv::Mat(4, 1, CV_8UC1, cv::Scalar(1)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(2)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::hconcat( matrices, out ); - //out: - //[1, 2, 3; - // 1, 2, 3; - // 1, 2, 3; - // 1, 2, 3] -
-
-
HeaderIsNull - Static variable in class org.opencv.core.Core
-
 
-
height - Variable in class org.opencv.core.Rect
-
 
-
height - Variable in class org.opencv.core.Rect2d
-
 
-
height - Variable in class org.opencv.core.Size
-
 
-
height() - Method in class org.opencv.core.Mat
-
 
-
HISTCMP_BHATTACHARYYA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_CHISQR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_CHISQR_ALT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_CORREL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_HELLINGER - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_INTERSECT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HISTCMP_KL_DIV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HOGDescriptor - Class in org.opencv.objdetect
-
-
Implementation of HOG (Histogram of Oriented Gradients) descriptor and object detector.
-
-
HOGDescriptor() - Constructor for class org.opencv.objdetect.HOGDescriptor
-
-
Creates the HOG descriptor and detector with default parameters.
-
-
HOGDescriptor(String) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
-
Creates the HOG descriptor and detector and loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file.
-
-
HOGDescriptor(Size, Size, Size, Size, int) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double, int) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean, int) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean, int, boolean) - Constructor for class org.opencv.objdetect.HOGDescriptor
-
 
-
HOUGH_GRADIENT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HOUGH_GRADIENT_ALT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HOUGH_MULTI_SCALE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HOUGH_PROBABILISTIC - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HOUGH_STANDARD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
HoughCircles(Mat, Mat, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform.
-
-
HoughCircles(Mat, Mat, int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform.
-
-
HoughCircles(Mat, Mat, int, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform.
-
-
HoughCircles(Mat, Mat, int, double, double, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform.
-
-
HoughCircles(Mat, Mat, int, double, double, double, double, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform.
-
-
HoughCirclesWithAccumulator(Mat, Mat, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform and get accumulator.
-
-
HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform and get accumulator.
-
-
HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform and get accumulator.
-
-
HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform and get accumulator.
-
-
HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds circles in a grayscale image using the Hough transform and get accumulator.
-
-
HoughLines(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLines(Mat, Mat, double, double, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLines(Mat, Mat, double, double, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLines(Mat, Mat, double, double, int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLines(Mat, Mat, double, double, int, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLines(Mat, Mat, double, double, int, double, double, double, double, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform.
-
-
HoughLinesP(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds line segments in a binary image using the probabilistic Hough transform.
-
-
HoughLinesP(Mat, Mat, double, double, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds line segments in a binary image using the probabilistic Hough transform.
-
-
HoughLinesP(Mat, Mat, double, double, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds line segments in a binary image using the probabilistic Hough transform.
-
-
HoughLinesPointSet(Mat, Mat, int, int, double, double, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a set of points using the standard Hough transform.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double, double, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds lines in a binary image using the standard Hough transform and get accumulator.
-
-
HuMoments(Moments, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
-

I

-
-
idct(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the inverse Discrete Cosine Transform of a 1D or 2D array.
-
-
idct(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the inverse Discrete Cosine Transform of a 1D or 2D array.
-
-
identify(Mat, int[], int[], double) - Method in class org.opencv.objdetect.Dictionary
-
-
Given a matrix of bits.
-
-
IDENTITY - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
idft(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
-
-
idft(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
-
-
idft(Mat, Mat, int, int) - Static method in class org.opencv.core.Core
-
-
Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
-
-
illuminationChange(Mat, Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
-
-
illuminationChange(Mat, Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
-
-
illuminationChange(Mat, Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
-
-
IMAGE_METADATA_EXIF - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMAGE_METADATA_ICCP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMAGE_METADATA_MAX - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMAGE_METADATA_UNKNOWN - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMAGE_METADATA_XMP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
Image2BlobParams - Class in org.opencv.dnn
-
-
Processing params of image to blob.
-
-
Image2BlobParams() - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size, Scalar) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size, Scalar, boolean) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size, Scalar, boolean, int) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size, Scalar, boolean, int, int) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
Image2BlobParams(Scalar, Size, Scalar, boolean, int, int, Scalar) - Constructor for class org.opencv.dnn.Image2BlobParams
-
 
-
imagesFromBlob(Mat, List<Mat>) - Static method in class org.opencv.dnn.Dnn
-
-
Parse a 4D blob and output the images it contains as 2D arrays through a simpler data structure - (std::vector<cv::Mat>).
-
-
imcount(String) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Returns the number of images inside the given file - - The function imcount returns the number of pages in a multi-page image (e.g.
-
-
imcount(String, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Returns the number of images inside the given file - - The function imcount returns the number of pages in a multi-page image (e.g.
-
-
imdecode(Mat, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads an image from a buffer in memory.
-
-
imdecodeanimation(Mat, Animation) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image buffer into an Animation structure.
-
-
imdecodeanimation(Mat, Animation, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image buffer into an Animation structure.
-
-
imdecodeanimation(Mat, Animation, int, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image buffer into an Animation structure.
-
-
imdecodemulti(Mat, int, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads a multi-page image from a buffer in memory.
-
-
imdecodemulti(Mat, int, List<Mat>, Range) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads a multi-page image from a buffer in memory.
-
-
imdecodeWithMetadata(Mat, MatOfInt, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads an image from a buffer in memory together with associated metadata.
-
-
imdecodeWithMetadata(Mat, MatOfInt, List<Mat>, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads an image from a buffer in memory together with associated metadata.
-
-
imencode(String, Mat, MatOfByte) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an image into a memory buffer.
-
-
imencode(String, Mat, MatOfByte, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an image into a memory buffer.
-
-
imencodeanimation(String, Animation, MatOfByte) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an Animation to a memory buffer.
-
-
imencodeanimation(String, Animation, MatOfByte, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an Animation to a memory buffer.
-
-
imencodemulti(String, List<Mat>, MatOfByte) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes array of images into a memory buffer.
-
-
imencodemulti(String, List<Mat>, MatOfByte, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes array of images into a memory buffer.
-
-
imencodeWithMetadata(String, Mat, MatOfInt, List<Mat>, MatOfByte) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an image into a memory buffer.
-
-
imencodeWithMetadata(String, Mat, MatOfInt, List<Mat>, MatOfByte, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Encodes an image into a memory buffer.
-
-
Imgcodecs - Class in org.opencv.imgcodecs
-
 
-
Imgcodecs() - Constructor for class org.opencv.imgcodecs.Imgcodecs
-
 
-
imgIdx - Variable in class org.opencv.core.DMatch
-
-
Train image index.
-
-
Imgproc - Class in org.opencv.imgproc
-
 
-
Imgproc() - Constructor for class org.opencv.imgproc.Imgproc
-
 
-
imread(String) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads an image from a file.
-
-
imread(String, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads an image from a file.
-
-
imread(String, Mat) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads an image from a file.
-
-
imread(String, Mat, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads an image from a file.
-
-
IMREAD_ANYCOLOR - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_ANYDEPTH - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_COLOR - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_COLOR_BGR - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_COLOR_RGB - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_GRAYSCALE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_IGNORE_ORIENTATION - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_LOAD_GDAL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_COLOR_2 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_COLOR_4 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_COLOR_8 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_GRAYSCALE_2 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_GRAYSCALE_4 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_REDUCED_GRAYSCALE_8 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMREAD_UNCHANGED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
imreadanimation(String, Animation) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image file into an Animation structure.
-
-
imreadanimation(String, Animation, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image file into an Animation structure.
-
-
imreadanimation(String, Animation, int, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads frames from an animated image file into an Animation structure.
-
-
imreadmulti(String, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads a multi-page image from a file.
-
-
imreadmulti(String, List<Mat>, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads a multi-page image from a file.
-
-
imreadmulti(String, List<Mat>, int, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads images of a multi-page image from a file.
-
-
imreadmulti(String, List<Mat>, int, int, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Loads images of a multi-page image from a file.
-
-
imreadWithMetadata(String, MatOfInt, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads an image from a file together with associated metadata.
-
-
imreadWithMetadata(String, MatOfInt, List<Mat>, int) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Reads an image from a file together with associated metadata.
-
-
imwrite(String, Mat) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an image to a specified file.
-
-
imwrite(String, Mat, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an image to a specified file.
-
-
IMWRITE_AVIF_DEPTH - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_AVIF_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_AVIF_SPEED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_B44 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_B44A - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_DWAA - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_DWAB - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_NO - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_PIZ - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_PXR24 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_RLE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_ZIP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_COMPRESSION_ZIPS - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_DWA_COMPRESSION_LEVEL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_TYPE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_TYPE_FLOAT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_EXR_TYPE_HALF - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_128 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_16 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_256 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_32 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_64 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_COLORTABLE_SIZE_8 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_DITHER - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_FAST_FLOYD_DITHER - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_FAST_NO_DITHER - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_LOOP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_SPEED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_GIF_TRANSPARENCY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_HDR_COMPRESSION - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_HDR_COMPRESSION_NONE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_HDR_COMPRESSION_RLE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_CHROMA_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_LUMA_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_OPTIMIZE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_PROGRESSIVE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_RST_INTERVAL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR_411 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR_420 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR_422 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR_440 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG_SAMPLING_FACTOR_444 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEG2000_COMPRESSION_X1000 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEGXL_DECODING_SPEED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEGXL_DISTANCE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEGXL_EFFORT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_JPEGXL_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_BLACKANDWHITE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_GRAYSCALE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_GRAYSCALE_ALPHA - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_NULL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_RGB - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_FORMAT_RGB_ALPHA - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PAM_TUPLETYPE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_ALL_FILTERS - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_BILEVEL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_COMPRESSION - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FAST_FILTERS - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER_AVG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER_NONE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER_PAETH - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER_SUB - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_FILTER_UP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY_DEFAULT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY_FILTERED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY_FIXED - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY_HUFFMAN_ONLY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PNG_STRATEGY_RLE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_PXM_BINARY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_ADOBE_DEFLATE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITT_T4 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITT_T6 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITTFAX3 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITTFAX4 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITTRLE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_CCITTRLEW - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_DCS - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_DEFLATE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_IT8BL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_IT8CTPAD - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_IT8LW - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_IT8MP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_JBIG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_JP2000 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_JPEG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_JXL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_LERC - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_LZMA - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_LZW - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_NEXT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_NONE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_OJPEG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_PACKBITS - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_PIXARFILM - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_PIXARLOG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_SGILOG - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_SGILOG24 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_T43 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_T85 - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_THUNDERSCAN - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_WEBP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_COMPRESSION_ZSTD - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_PREDICTOR - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_PREDICTOR_FLOATINGPOINT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_PREDICTOR_HORIZONTAL - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_PREDICTOR_NONE - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_RESUNIT - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_ROWSPERSTRIP - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_XDPI - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_TIFF_YDPI - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
IMWRITE_WEBP_QUALITY - Static variable in class org.opencv.imgcodecs.Imgcodecs
-
 
-
imwriteanimation(String, Animation) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an Animation to a specified file.
-
-
imwriteanimation(String, Animation, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an Animation to a specified file.
-
-
imwritemulti(String, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
 
-
imwritemulti(String, List<Mat>, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
 
-
imwriteWithMetadata(String, Mat, MatOfInt, List<Mat>) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an image to a specified file with metadata - - The function imwriteWithMetadata saves the image to the specified file.
-
-
imwriteWithMetadata(String, Mat, MatOfInt, List<Mat>, MatOfInt) - Static method in class org.opencv.imgcodecs.Imgcodecs
-
-
Saves an image to a specified file with metadata - - The function imwriteWithMetadata saves the image to the specified file.
-
-
init() - Method in class org.opencv.android.FpsMeter
-
 
-
init() - Method in class org.opencv.osgi.OpenCVNativeLoader
-
 
-
init(Mat, Rect) - Method in class org.opencv.video.Tracker
-
-
Initialize the tracker with a known bounding box that surrounded the target
-
-
initCameraMatrix2D(List<MatOfPoint3f>, List<MatOfPoint2f>, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an initial camera intrinsic matrix from 3D-2D point correspondences.
-
-
initCameraMatrix2D(List<MatOfPoint3f>, List<MatOfPoint2f>, Size, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an initial camera intrinsic matrix from 3D-2D point correspondences.
-
-
initDelaunay(Rect) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Creates a new empty Delaunay subdivision
-
-
initInverseRectificationMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes the projection and inverse-rectification transformation map.
-
-
initLocal() - Static method in class org.opencv.android.OpenCVLoader
-
-
Loads and initializes OpenCV library from current application package.
-
-
initUndistortRectifyMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes the undistortion and rectification transformation map.
-
-
inpaint(Mat, Mat, Mat, double, int) - Static method in class org.opencv.photo.Photo
-
-
Restores the selected region in an image using the region neighborhood.
-
-
INPAINT_NS - Static variable in class org.opencv.photo.Photo
-
 
-
INPAINT_TELEA - Static variable in class org.opencv.photo.Photo
-
 
-
inRange(Mat, Scalar, Scalar, Mat) - Static method in class org.opencv.core.Core
-
-
Checks if array elements lie between the elements of two other arrays.
-
-
insert(MatOfPoint2f) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Insert multiple points into a Delaunay triangulation.
-
-
insert(Point) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Insert a single point into a Delaunay triangulation.
-
-
insertChannel(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Inserts a single channel to dst (coi is 0-based index)
-
-
inside(Rect) - Method in class org.opencv.core.Point
-
 
-
integral(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
integral(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
integral2(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
integral2(Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
integral2(Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
 
-
integral3(Mat, Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the integral of an image.
-
-
integral3(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the integral of an image.
-
-
integral3(Mat, Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the integral of an image.
-
-
IntelligentScissorsMB - Class in org.opencv.imgproc
-
-
Intelligent Scissors image segmentation - - This class is used to find the path (contour) between two points - which can be used for image segmentation.
-
-
IntelligentScissorsMB() - Constructor for class org.opencv.imgproc.IntelligentScissorsMB
-
 
-
INTER - Static variable in class org.opencv.ml.SVM
-
 
-
INTER_AREA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_BITS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_BITS2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_CUBIC - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_LANCZOS4 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_LINEAR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_LINEAR_EXACT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_MAX - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_NEAREST - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_NEAREST_EXACT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_TAB_SIZE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTER_TAB_SIZE2 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTERSECT_FULL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTERSECT_NONE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
INTERSECT_PARTIAL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
intersectConvexConvex(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds intersection of two convex polygons
-
-
intersectConvexConvex(Mat, Mat, Mat, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds intersection of two convex polygons
-
-
intersection(Range) - Method in class org.opencv.core.Range
-
 
-
inv() - Method in class org.opencv.core.Mat
-
 
-
inv(int) - Method in class org.opencv.core.Mat
-
 
-
invert(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Finds the inverse or pseudo-inverse of a matrix.
-
-
invert(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Finds the inverse or pseudo-inverse of a matrix.
-
-
invertAffineTransform(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Inverts an affine transformation.
-
-
isBackendBuiltIn(int) - Static method in class org.opencv.videoio.Videoio
-
-
Returns true if backend is built in (false if backend is used as plugin)
-
-
isClassifier() - Method in class org.opencv.ml.StatModel
-
-
Returns true if the model is classifier
-
-
isContinuous() - Method in class org.opencv.core.Mat
-
 
-
isContourConvex(MatOfPoint) - Static method in class org.opencv.imgproc.Imgproc
-
-
Tests a contour convexity.
-
-
isInt() - Method in class org.opencv.dnn.DictValue
-
 
-
isInteger(int) - Static method in class org.opencv.core.CvType
-
 
-
isMaskSupported() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Returns true if the descriptor matcher supports masking permissible matches.
-
-
isOldFormatCascade() - Method in class org.opencv.objdetect.CascadeClassifier
-
 
-
isOpened() - Method in class org.opencv.videoio.VideoCapture
-
-
Returns true if video capturing has been initialized already.
-
-
isOpened() - Method in class org.opencv.videoio.VideoWriter
-
-
Returns true if video writer has been successfully initialized.
-
-
isReal() - Method in class org.opencv.core.Scalar
-
 
-
isReal() - Method in class org.opencv.dnn.DictValue
-
 
-
isString() - Method in class org.opencv.dnn.DictValue
-
 
-
isSubmatrix() - Method in class org.opencv.core.Mat
-
 
-
isTrained() - Method in class org.opencv.ml.StatModel
-
-
Returns true if the model is trained
-
-
IStreamReader - Class in org.opencv.videoio
-
-
Read data stream interface
-
-
-

J

-
-
JavaCamera2View - Class in org.opencv.android
-
-
This class is an implementation of the Bridge View between OpenCV and Java Camera.
-
-
JavaCamera2View(Context, int) - Constructor for class org.opencv.android.JavaCamera2View
-
 
-
JavaCamera2View(Context, AttributeSet) - Constructor for class org.opencv.android.JavaCamera2View
-
 
-
JavaCamera2View.JavaCameraSizeAccessor - Class in org.opencv.android
-
 
-
JavaCameraSizeAccessor() - Constructor for class org.opencv.android.JavaCamera2View.JavaCameraSizeAccessor
-
 
-
JavaCameraSizeAccessor() - Constructor for class org.opencv.android.JavaCameraView.JavaCameraSizeAccessor
-
 
-
JavaCameraView - Class in org.opencv.android
-
-
This class is an implementation of the Bridge View between OpenCV and Java Camera.
-
-
JavaCameraView(Context, int) - Constructor for class org.opencv.android.JavaCameraView
-
 
-
JavaCameraView(Context, AttributeSet) - Constructor for class org.opencv.android.JavaCameraView
-
 
-
JavaCameraView.JavaCameraSizeAccessor - Class in org.opencv.android
-
 
-
-

K

-
-
KalmanFilter - Class in org.opencv.video
-
-
Kalman filter class.
-
-
KalmanFilter() - Constructor for class org.opencv.video.KalmanFilter
-
 
-
KalmanFilter(int, int) - Constructor for class org.opencv.video.KalmanFilter
-
 
-
KalmanFilter(int, int, int) - Constructor for class org.opencv.video.KalmanFilter
-
 
-
KalmanFilter(int, int, int, int) - Constructor for class org.opencv.video.KalmanFilter
-
 
-
KAZE - Class in org.opencv.features2d
-
-
Class implementing the KAZE keypoint detector and descriptor extractor, described in CITE: ABD12 .
-
-
KDTREE - Static variable in class org.opencv.ml.KNearest
-
 
-
KeyPoint - Class in org.opencv.core
-
 
-
KeyPoint() - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeyPoint(float, float, float) - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeyPoint(float, float, float, float) - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeyPoint(float, float, float, float, float) - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeyPoint(float, float, float, float, float, int) - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeyPoint(float, float, float, float, float, int, int) - Constructor for class org.opencv.core.KeyPoint
-
 
-
KeypointsModel - Class in org.opencv.dnn
-
-
This class represents high-level API for keypoints models - - KeypointsModel allows to set params for preprocessing input image.
-
-
KeypointsModel(String) - Constructor for class org.opencv.dnn.KeypointsModel
-
-
Create keypoints model from network represented in one of the supported formats.
-
-
KeypointsModel(String, String) - Constructor for class org.opencv.dnn.KeypointsModel
-
-
Create keypoints model from network represented in one of the supported formats.
-
-
KeypointsModel(Net) - Constructor for class org.opencv.dnn.KeypointsModel
-
-
Create model from deep learning network.
-
-
kmeans(Mat, int, Mat, TermCriteria, int, int) - Static method in class org.opencv.core.Core
-
-
Finds centers of clusters and groups input samples around the clusters.
-
-
kmeans(Mat, int, Mat, TermCriteria, int, int, Mat) - Static method in class org.opencv.core.Core
-
-
Finds centers of clusters and groups input samples around the clusters.
-
-
KMEANS_PP_CENTERS - Static variable in class org.opencv.core.Core
-
 
-
KMEANS_RANDOM_CENTERS - Static variable in class org.opencv.core.Core
-
 
-
KMEANS_USE_INITIAL_LABELS - Static variable in class org.opencv.core.Core
-
 
-
KNearest - Class in org.opencv.ml
-
-
The class implements K-Nearest Neighbors model - - SEE: REF: ml_intro_knn
-
-
knnMatch(Mat, List<MatOfDMatch>, int) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
knnMatch(Mat, List<MatOfDMatch>, int, List<Mat>) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
knnMatch(Mat, List<MatOfDMatch>, int, List<Mat>, boolean) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
knnMatch(Mat, Mat, List<MatOfDMatch>, int) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Finds the k best matches for each descriptor from a query set.
-
-
knnMatch(Mat, Mat, List<MatOfDMatch>, int, Mat) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Finds the k best matches for each descriptor from a query set.
-
-
knnMatch(Mat, Mat, List<MatOfDMatch>, int, Mat, boolean) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Finds the k best matches for each descriptor from a query set.
-
-
-

L

-
-
L2Hys - Static variable in class org.opencv.objdetect.HOGDescriptor
-
 
-
Laplacian(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the Laplacian of an image.
-
-
Laplacian(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the Laplacian of an image.
-
-
Laplacian(Mat, Mat, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the Laplacian of an image.
-
-
Laplacian(Mat, Mat, int, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the Laplacian of an image.
-
-
Laplacian(Mat, Mat, int, int, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the Laplacian of an image.
-
-
Layer - Class in org.opencv.dnn
-
-
This interface class allows to build new Layers - are building blocks of networks.
-
-
LDR_SIZE - Static variable in class org.opencv.photo.Photo
-
 
-
LEAKYRELU - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
lessThan(DMatch) - Method in class org.opencv.core.DMatch
-
 
-
line(Mat, Point, Point, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a line segment connecting two points.
-
-
line(Mat, Point, Point, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a line segment connecting two points.
-
-
line(Mat, Point, Point, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a line segment connecting two points.
-
-
line(Mat, Point, Point, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a line segment connecting two points.
-
-
LINE_4 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LINE_8 - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LINE_AA - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LINEAR - Static variable in class org.opencv.ml.SVM
-
 
-
LineSegmentDetector - Class in org.opencv.imgproc
-
-
Line segment detector class - - following the algorithm described at CITE: Rafael12 .
-
-
LMEDS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
load(String) - Static method in class org.opencv.ml.ANN_MLP
-
-
Loads and creates a serialized ANN from a file - - Use ANN::save to serialize and store an ANN to disk.
-
-
load(String) - Static method in class org.opencv.ml.Boost
-
-
Loads and creates a serialized Boost from a file - - Use Boost::save to serialize and store an RTree to disk.
-
-
load(String) - Static method in class org.opencv.ml.DTrees
-
-
Loads and creates a serialized DTrees from a file - - Use DTree::save to serialize and store an DTree to disk.
-
-
load(String) - Static method in class org.opencv.ml.EM
-
-
Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk.
-
-
load(String) - Static method in class org.opencv.ml.KNearest
-
-
Loads and creates a serialized knearest from a file - - Use KNearest::save to serialize and store an KNearest to disk.
-
-
load(String) - Static method in class org.opencv.ml.LogisticRegression
-
-
Loads and creates a serialized LogisticRegression from a file - - Use LogisticRegression::save to serialize and store an LogisticRegression to disk.
-
-
load(String) - Static method in class org.opencv.ml.NormalBayesClassifier
-
-
Loads and creates a serialized NormalBayesClassifier from a file - - Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk.
-
-
load(String) - Static method in class org.opencv.ml.RTrees
-
-
Loads and creates a serialized RTree from a file - - Use RTree::save to serialize and store an RTree to disk.
-
-
load(String) - Static method in class org.opencv.ml.SVM
-
-
Loads and creates a serialized svm from a file - - Use SVM::save to serialize and store an SVM to disk.
-
-
load(String) - Static method in class org.opencv.ml.SVMSGD
-
-
Loads and creates a serialized SVMSGD from a file - - Use SVMSGD::save to serialize and store an SVMSGD to disk.
-
-
load(String) - Method in class org.opencv.objdetect.CascadeClassifier
-
-
Loads a classifier from a file.
-
-
load(String) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file
-
-
load(String, String) - Static method in class org.opencv.ml.Boost
-
-
Loads and creates a serialized Boost from a file - - Use Boost::save to serialize and store an RTree to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.DTrees
-
-
Loads and creates a serialized DTrees from a file - - Use DTree::save to serialize and store an DTree to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.EM
-
-
Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.LogisticRegression
-
-
Loads and creates a serialized LogisticRegression from a file - - Use LogisticRegression::save to serialize and store an LogisticRegression to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.NormalBayesClassifier
-
-
Loads and creates a serialized NormalBayesClassifier from a file - - Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.RTrees
-
-
Loads and creates a serialized RTree from a file - - Use RTree::save to serialize and store an RTree to disk.
-
-
load(String, String) - Static method in class org.opencv.ml.SVMSGD
-
-
Loads and creates a serialized SVMSGD from a file - - Use SVMSGD::save to serialize and store an SVMSGD to disk.
-
-
load(String, String) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file
-
-
loadResource(Context, int) - Static method in class org.opencv.android.Utils
-
 
-
loadResource(Context, int, int) - Static method in class org.opencv.android.Utils
-
 
-
LOCAL_OPTIM_GC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
LOCAL_OPTIM_INNER_AND_ITER_LO - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
LOCAL_OPTIM_INNER_LO - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
LOCAL_OPTIM_NULL - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
LOCAL_OPTIM_SIGMA - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
locate(Point, int[], int[]) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns the location of a point within a Delaunay triangulation.
-
-
locateROI(Size, Point) - Method in class org.opencv.core.Mat
-
 
-
log(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the natural logarithm of every array element.
-
-
LogisticRegression - Class in org.opencv.ml
-
-
Implements Logistic Regression classifier.
-
-
LOGIT - Static variable in class org.opencv.ml.Boost
-
 
-
LOGTAG - Static variable in class org.opencv.android.CameraRenderer
-
 
-
LSD_REFINE_ADV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LSD_REFINE_NONE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LSD_REFINE_STD - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
LSQ_POLISHER - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
LUT(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs a look-up table transform of an array.
-
-
-

M

-
-
m00 - Variable in class org.opencv.imgproc.Moments
-
 
-
m01 - Variable in class org.opencv.imgproc.Moments
-
 
-
m02 - Variable in class org.opencv.imgproc.Moments
-
 
-
m03 - Variable in class org.opencv.imgproc.Moments
-
 
-
m10 - Variable in class org.opencv.imgproc.Moments
-
 
-
m11 - Variable in class org.opencv.imgproc.Moments
-
 
-
m12 - Variable in class org.opencv.imgproc.Moments
-
 
-
m20 - Variable in class org.opencv.imgproc.Moments
-
 
-
m21 - Variable in class org.opencv.imgproc.Moments
-
 
-
m30 - Variable in class org.opencv.imgproc.Moments
-
 
-
magnitude(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the magnitude of 2D vectors.
-
-
MAGSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
Mahalanobis(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the Mahalanobis distance between two vectors.
-
-
makeType(int, int) - Static method in class org.opencv.core.CvType
-
 
-
MARKER_CROSS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_DIAMOND - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_SQUARE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_STAR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_TILTED_CROSS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_TRIANGLE_DOWN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MARKER_TRIANGLE_UP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MaskIsTiled - Static variable in class org.opencv.core.Core
-
 
-
Mat - Class in org.opencv.core
-
 
-
Mat() - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int[], int) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int[], int, Scalar) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int, int, int) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int, int, int, ByteBuffer) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int, int, int, ByteBuffer, long) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(int, int, int, Scalar) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(long) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Mat, Range) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Mat, Range[]) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Mat, Range, Range) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Mat, Rect) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Size, int) - Constructor for class org.opencv.core.Mat
-
 
-
Mat(Size, int, Scalar) - Constructor for class org.opencv.core.Mat
-
 
-
Mat_to_vector_char(Mat, List<Byte>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_DMatch(Mat, List<DMatch>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_double(Mat, List<Double>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_float(Mat, List<Float>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_int(Mat, List<Integer>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_KeyPoint(Mat, List<KeyPoint>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Mat(Mat, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point(Mat, List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point2d(Mat, List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point2f(Mat, List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point3(Mat, List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point3d(Mat, List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point3f(Mat, List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Point3i(Mat, List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Rect(Mat, List<Rect>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_Rect2d(Mat, List<Rect2d>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_RotatedRect(Mat, List<RotatedRect>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_uchar(Mat, List<Byte>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_char(Mat, List<List<Byte>>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_DMatch(Mat, List<MatOfDMatch>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_KeyPoint(Mat, List<MatOfKeyPoint>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_Point(Mat, List<MatOfPoint>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_Point2f(Mat, List<MatOfPoint2f>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat_to_vector_vector_Point3f(Mat, List<MatOfPoint3f>) - Static method in class org.opencv.utils.Converters
-
 
-
Mat.Atable<T> - Interface in org.opencv.core
-
 
-
Mat.Tuple2<T> - Class in org.opencv.core
-
 
-
Mat.Tuple3<T> - Class in org.opencv.core
-
 
-
Mat.Tuple4<T> - Class in org.opencv.core
-
 
-
match(Mat, Mat) - Method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Calculates the distance between two face features
-
-
match(Mat, MatOfDMatch) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
match(Mat, MatOfDMatch, List<Mat>) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
match(Mat, Mat, int) - Method in class org.opencv.objdetect.FaceRecognizerSF
-
-
Calculates the distance between two face features
-
-
match(Mat, Mat, MatOfDMatch) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Finds the best match for each descriptor from a query set.
-
-
match(Mat, Mat, MatOfDMatch, Mat) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Finds the best match for each descriptor from a query set.
-
-
matchImagePoints(List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.objdetect.Board
-
-
Given a board configuration and a set of detected markers, returns the corresponding - image points and object points, can be used in solvePnP()
-
-
matchShapes(Mat, Mat, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Compares two shapes.
-
-
matchTemplate(Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Compares a template against overlapped image regions.
-
-
matchTemplate(Mat, Mat, Mat, int, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Compares a template against overlapped image regions.
-
-
matMul(Mat) - Method in class org.opencv.core.Mat
-
-
Matrix multiplication
-
-
matMulDeriv(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes partial derivatives of the matrix product for each multiplied matrix.
-
-
MatOfByte - Class in org.opencv.core
-
 
-
MatOfByte() - Constructor for class org.opencv.core.MatOfByte
-
 
-
MatOfByte(byte...) - Constructor for class org.opencv.core.MatOfByte
-
 
-
MatOfByte(int, int, byte...) - Constructor for class org.opencv.core.MatOfByte
-
 
-
MatOfByte(Mat) - Constructor for class org.opencv.core.MatOfByte
-
 
-
MatOfDMatch - Class in org.opencv.core
-
 
-
MatOfDMatch() - Constructor for class org.opencv.core.MatOfDMatch
-
 
-
MatOfDMatch(DMatch...) - Constructor for class org.opencv.core.MatOfDMatch
-
 
-
MatOfDMatch(Mat) - Constructor for class org.opencv.core.MatOfDMatch
-
 
-
MatOfDouble - Class in org.opencv.core
-
 
-
MatOfDouble() - Constructor for class org.opencv.core.MatOfDouble
-
 
-
MatOfDouble(double...) - Constructor for class org.opencv.core.MatOfDouble
-
 
-
MatOfDouble(Mat) - Constructor for class org.opencv.core.MatOfDouble
-
 
-
MatOfFloat - Class in org.opencv.core
-
 
-
MatOfFloat() - Constructor for class org.opencv.core.MatOfFloat
-
 
-
MatOfFloat(float...) - Constructor for class org.opencv.core.MatOfFloat
-
 
-
MatOfFloat(Mat) - Constructor for class org.opencv.core.MatOfFloat
-
 
-
MatOfFloat4 - Class in org.opencv.core
-
 
-
MatOfFloat4() - Constructor for class org.opencv.core.MatOfFloat4
-
 
-
MatOfFloat4(float...) - Constructor for class org.opencv.core.MatOfFloat4
-
 
-
MatOfFloat4(Mat) - Constructor for class org.opencv.core.MatOfFloat4
-
 
-
MatOfFloat6 - Class in org.opencv.core
-
 
-
MatOfFloat6() - Constructor for class org.opencv.core.MatOfFloat6
-
 
-
MatOfFloat6(float...) - Constructor for class org.opencv.core.MatOfFloat6
-
 
-
MatOfFloat6(Mat) - Constructor for class org.opencv.core.MatOfFloat6
-
 
-
MatOfInt - Class in org.opencv.core
-
 
-
MatOfInt() - Constructor for class org.opencv.core.MatOfInt
-
 
-
MatOfInt(int...) - Constructor for class org.opencv.core.MatOfInt
-
 
-
MatOfInt(Mat) - Constructor for class org.opencv.core.MatOfInt
-
 
-
MatOfInt4 - Class in org.opencv.core
-
 
-
MatOfInt4() - Constructor for class org.opencv.core.MatOfInt4
-
 
-
MatOfInt4(int...) - Constructor for class org.opencv.core.MatOfInt4
-
 
-
MatOfInt4(Mat) - Constructor for class org.opencv.core.MatOfInt4
-
 
-
MatOfKeyPoint - Class in org.opencv.core
-
 
-
MatOfKeyPoint() - Constructor for class org.opencv.core.MatOfKeyPoint
-
 
-
MatOfKeyPoint(KeyPoint...) - Constructor for class org.opencv.core.MatOfKeyPoint
-
 
-
MatOfKeyPoint(Mat) - Constructor for class org.opencv.core.MatOfKeyPoint
-
 
-
MatOfPoint - Class in org.opencv.core
-
 
-
MatOfPoint() - Constructor for class org.opencv.core.MatOfPoint
-
 
-
MatOfPoint(Mat) - Constructor for class org.opencv.core.MatOfPoint
-
 
-
MatOfPoint(Point...) - Constructor for class org.opencv.core.MatOfPoint
-
 
-
MatOfPoint2f - Class in org.opencv.core
-
 
-
MatOfPoint2f() - Constructor for class org.opencv.core.MatOfPoint2f
-
 
-
MatOfPoint2f(Mat) - Constructor for class org.opencv.core.MatOfPoint2f
-
 
-
MatOfPoint2f(Point...) - Constructor for class org.opencv.core.MatOfPoint2f
-
 
-
MatOfPoint3 - Class in org.opencv.core
-
 
-
MatOfPoint3() - Constructor for class org.opencv.core.MatOfPoint3
-
 
-
MatOfPoint3(Mat) - Constructor for class org.opencv.core.MatOfPoint3
-
 
-
MatOfPoint3(Point3...) - Constructor for class org.opencv.core.MatOfPoint3
-
 
-
MatOfPoint3f - Class in org.opencv.core
-
 
-
MatOfPoint3f() - Constructor for class org.opencv.core.MatOfPoint3f
-
 
-
MatOfPoint3f(Mat) - Constructor for class org.opencv.core.MatOfPoint3f
-
 
-
MatOfPoint3f(Point3...) - Constructor for class org.opencv.core.MatOfPoint3f
-
 
-
MatOfRect - Class in org.opencv.core
-
 
-
MatOfRect() - Constructor for class org.opencv.core.MatOfRect
-
 
-
MatOfRect(Mat) - Constructor for class org.opencv.core.MatOfRect
-
 
-
MatOfRect(Rect...) - Constructor for class org.opencv.core.MatOfRect
-
 
-
MatOfRect2d - Class in org.opencv.core
-
 
-
MatOfRect2d() - Constructor for class org.opencv.core.MatOfRect2d
-
 
-
MatOfRect2d(Mat) - Constructor for class org.opencv.core.MatOfRect2d
-
 
-
MatOfRect2d(Rect2d...) - Constructor for class org.opencv.core.MatOfRect2d
-
 
-
MatOfRotatedRect - Class in org.opencv.core
-
 
-
MatOfRotatedRect() - Constructor for class org.opencv.core.MatOfRotatedRect
-
 
-
MatOfRotatedRect(Mat) - Constructor for class org.opencv.core.MatOfRotatedRect
-
 
-
MatOfRotatedRect(RotatedRect...) - Constructor for class org.opencv.core.MatOfRotatedRect
-
 
-
matToBitmap(Mat, Bitmap) - Static method in class org.opencv.android.Utils
-
-
Short form of the matToBitmap(mat, bmp, premultiplyAlpha=false)
-
-
matToBitmap(Mat, Bitmap, boolean) - Static method in class org.opencv.android.Utils
-
-
Converts OpenCV Mat to Android Bitmap.
-
-
max(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates per-element maximum of two arrays or an array and a scalar.
-
-
max(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
MAX_ITER - Static variable in class org.opencv.core.TermCriteria
-
-
The maximum number of iterations or elements to compute
-
-
maxCount - Variable in class org.opencv.core.TermCriteria
-
 
-
maxLoc - Variable in class org.opencv.core.Core.MinMaxLocResult
-
 
-
maxVal - Variable in class org.opencv.core.Core.MinMaxLocResult
-
 
-
mean(Mat) - Static method in class org.opencv.core.Core
-
-
Calculates an average (mean) of array elements.
-
-
mean(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates an average (mean) of array elements.
-
-
meanShift(Mat, Rect, TermCriteria) - Static method in class org.opencv.video.Video
-
-
Finds an object on a back projection image.
-
-
meanStdDev(Mat, MatOfDouble, MatOfDouble) - Static method in class org.opencv.core.Core
-
-
Calculates a mean and standard deviation of array elements.
-
-
meanStdDev(Mat, MatOfDouble, MatOfDouble, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates a mean and standard deviation of array elements.
-
-
measure() - Method in class org.opencv.android.FpsMeter
-
 
-
medianBlur(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the median filter.
-
-
merge(List<Mat>, Mat) - Static method in class org.opencv.core.Core
-
 
-
MergeDebevec - Class in org.opencv.photo
-
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
-
-
MergeExposures - Class in org.opencv.photo
-
-
The base class algorithms that can merge exposure sequence to a single image.
-
-
MergeMertens - Class in org.opencv.photo
-
-
Pixels are weighted using contrast, saturation and well-exposedness measures, than images are - combined using laplacian pyramids.
-
-
MergeRobertson - Class in org.opencv.photo
-
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
-
-
mFrame - Variable in class org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
 
-
min(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates per-element minimum of two arrays or an array and a scalar.
-
-
min(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
minAreaRect(MatOfPoint2f) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds a rotated rectangle of the minimum area enclosing the input 2D point set.
-
-
minEnclosingCircle(MatOfPoint2f, Point, float[]) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds a circle of the minimum area enclosing a 2D point set.
-
-
minEnclosingTriangle(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds a triangle of minimum area enclosing a 2D point set and returns its area.
-
-
MINI_BATCH - Static variable in class org.opencv.ml.LogisticRegression
-
 
-
minLoc - Variable in class org.opencv.core.Core.MinMaxLocResult
-
 
-
minMaxLoc(Mat) - Static method in class org.opencv.core.Core
-
 
-
minMaxLoc(Mat, Mat) - Static method in class org.opencv.core.Core
-
 
-
MinMaxLocResult() - Constructor for class org.opencv.core.Core.MinMaxLocResult
-
 
-
minVal - Variable in class org.opencv.core.Core.MinMaxLocResult
-
 
-
mixChannels(List<Mat>, List<Mat>, MatOfInt) - Static method in class org.opencv.core.Core
-
 
-
MIXED_CLONE - Static variable in class org.opencv.photo.Photo
-
 
-
MIXED_CLONE_WIDE - Static variable in class org.opencv.photo.Photo
-
 
-
Ml - Class in org.opencv.ml
-
 
-
Ml() - Constructor for class org.opencv.ml.Ml
-
 
-
MODE_ALPHANUMERIC - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_AUTO - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_BYTE - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_ECI - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_HH - Static variable in class org.opencv.calib3d.StereoSGBM
-
 
-
MODE_HH4 - Static variable in class org.opencv.calib3d.StereoSGBM
-
 
-
MODE_KANJI - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_NUMERIC - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
MODE_SGBM - Static variable in class org.opencv.calib3d.StereoSGBM
-
 
-
MODE_SGBM_3WAY - Static variable in class org.opencv.calib3d.StereoSGBM
-
 
-
MODE_STRUCTURED_APPEND - Static variable in class org.opencv.objdetect.QRCodeEncoder
-
 
-
Model - Class in org.opencv.dnn
-
-
This class is presented high-level API for neural networks.
-
-
Model(String) - Constructor for class org.opencv.dnn.Model
-
-
Create model from deep learning network represented in one of the supported formats.
-
-
Model(String, String) - Constructor for class org.opencv.dnn.Model
-
-
Create model from deep learning network represented in one of the supported formats.
-
-
Model(Net) - Constructor for class org.opencv.dnn.Model
-
-
Create model from deep learning network.
-
-
moments(Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates all of the moments up to the third order of a polygon or rasterized shape.
-
-
moments(Mat, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates all of the moments up to the third order of a polygon or rasterized shape.
-
-
Moments - Class in org.opencv.imgproc
-
 
-
Moments() - Constructor for class org.opencv.imgproc.Moments
-
 
-
Moments(double[]) - Constructor for class org.opencv.imgproc.Moments
-
 
-
Moments(double, double, double, double, double, double, double, double, double, double) - Constructor for class org.opencv.imgproc.Moments
-
 
-
MONOCHROME_TRANSFER - Static variable in class org.opencv.photo.Photo
-
 
-
MONOCHROME_TRANSFER_WIDE - Static variable in class org.opencv.photo.Photo
-
 
-
MORPH_BLACKHAT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_CLOSE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_CROSS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_DIAMOND - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_DILATE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_ELLIPSE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_ERODE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_GRADIENT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_HITMISS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_OPEN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_RECT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
MORPH_TOPHAT - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
morphologyEx(Mat, Mat, int, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs advanced morphological transformations.
-
-
morphologyEx(Mat, Mat, int, Mat, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs advanced morphological transformations.
-
-
morphologyEx(Mat, Mat, int, Mat, Point, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs advanced morphological transformations.
-
-
morphologyEx(Mat, Mat, int, Mat, Point, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs advanced morphological transformations.
-
-
morphologyEx(Mat, Mat, int, Mat, Point, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs advanced morphological transformations.
-
-
MOTION_AFFINE - Static variable in class org.opencv.video.Video
-
 
-
MOTION_EUCLIDEAN - Static variable in class org.opencv.video.Video
-
 
-
MOTION_HOMOGRAPHY - Static variable in class org.opencv.video.Video
-
 
-
MOTION_TRANSLATION - Static variable in class org.opencv.video.Video
-
 
-
MSER - Class in org.opencv.features2d
-
-
Maximally stable extremal region extractor - - The class encapsulates all the parameters of the %MSER extraction algorithm (see [wiki - article](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)).
-
-
mu02 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu03 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu11 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu12 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu20 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu21 - Variable in class org.opencv.imgproc.Moments
-
 
-
mu30 - Variable in class org.opencv.imgproc.Moments
-
 
-
mul(Mat) - Method in class org.opencv.core.Mat
-
-
Element-wise multiplication
-
-
mul(Mat, double) - Method in class org.opencv.core.Mat
-
-
Element-wise multiplication with scale factor
-
-
mul(Scalar) - Method in class org.opencv.core.Scalar
-
 
-
mul(Scalar, double) - Method in class org.opencv.core.Scalar
-
 
-
mulSpectrums(Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Performs the per-element multiplication of two Fourier spectrums.
-
-
mulSpectrums(Mat, Mat, Mat, int, boolean) - Static method in class org.opencv.core.Core
-
-
Performs the per-element multiplication of two Fourier spectrums.
-
-
multiply(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element scaled product of two arrays.
-
-
multiply(Mat, Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element scaled product of two arrays.
-
-
multiply(Mat, Mat, Mat, double, int) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element scaled product of two arrays.
-
-
multiply(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
multiply(Mat, Scalar, Mat, double) - Static method in class org.opencv.core.Core
-
 
-
multiply(Mat, Scalar, Mat, double, int) - Static method in class org.opencv.core.Core
-
 
-
mulTransposed(Mat, Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Calculates the product of a matrix and its transposition.
-
-
mulTransposed(Mat, Mat, boolean, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the product of a matrix and its transposition.
-
-
mulTransposed(Mat, Mat, boolean, Mat, double) - Static method in class org.opencv.core.Core
-
-
Calculates the product of a matrix and its transposition.
-
-
mulTransposed(Mat, Mat, boolean, Mat, double, int) - Static method in class org.opencv.core.Core
-
-
Calculates the product of a matrix and its transposition.
-
-
-

N

-
-
NATIVE_LIBRARY_NAME - Static variable in class org.opencv.core.Core
-
 
-
NativeCameraView - Class in org.opencv.android
-
-
This class is an implementation of a bridge between SurfaceView and OpenCV VideoCapture.
-
-
NativeCameraView(Context, int) - Constructor for class org.opencv.android.NativeCameraView
-
 
-
NativeCameraView(Context, AttributeSet) - Constructor for class org.opencv.android.NativeCameraView
-
 
-
NativeCameraView.OpenCvSizeAccessor - Class in org.opencv.android
-
 
-
nativeObj - Variable in class org.opencv.core.Mat
-
 
-
NEIGH_FLANN_KNN - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
NEIGH_FLANN_RADIUS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
NEIGH_GRID - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
Net - Class in org.opencv.dnn
-
-
This class allows to create and manipulate comprehensive artificial neural networks.
-
-
Net() - Constructor for class org.opencv.dnn.Net
-
 
-
NEXT_AROUND_DST - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
NEXT_AROUND_LEFT - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
NEXT_AROUND_ORG - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
NEXT_AROUND_RIGHT - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
nextEdge(int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns next edge around the edge origin.
-
-
NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt) - Static method in class org.opencv.dnn.Dnn
-
-
Performs non maximum suppression given boxes and corresponding scores.
-
-
NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt, float) - Static method in class org.opencv.dnn.Dnn
-
-
Performs non maximum suppression given boxes and corresponding scores.
-
-
NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt, float, int) - Static method in class org.opencv.dnn.Dnn
-
-
Performs non maximum suppression given boxes and corresponding scores.
-
-
NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt) - Static method in class org.opencv.dnn.Dnn
-
-
Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
-
-
NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt, float) - Static method in class org.opencv.dnn.Dnn
-
-
Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
-
-
NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt, float, int) - Static method in class org.opencv.dnn.Dnn
-
-
Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
-
-
NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt) - Static method in class org.opencv.dnn.Dnn
-
 
-
NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt, float) - Static method in class org.opencv.dnn.Dnn
-
 
-
NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt, float, int) - Static method in class org.opencv.dnn.Dnn
-
 
-
NO_INPUT_SCALE - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
NO_OUTPUT_SCALE - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
NONE_POLISHER - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
NONMAX_SUPPRESSION - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
NONMAX_SUPPRESSION - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
norm(Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the absolute norm of an array.
-
-
norm(Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the absolute norm of an array.
-
-
norm(Mat, int, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the absolute norm of an array.
-
-
norm(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates an absolute difference norm or a relative difference norm.
-
-
norm(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates an absolute difference norm or a relative difference norm.
-
-
norm(Mat, Mat, int, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates an absolute difference norm or a relative difference norm.
-
-
NORM_HAMMING - Static variable in class org.opencv.core.Core
-
 
-
NORM_HAMMING2 - Static variable in class org.opencv.core.Core
-
 
-
NORM_INF - Static variable in class org.opencv.core.Core
-
 
-
NORM_L1 - Static variable in class org.opencv.core.Core
-
 
-
NORM_L2 - Static variable in class org.opencv.core.Core
-
 
-
NORM_L2SQR - Static variable in class org.opencv.core.Core
-
 
-
NORM_MINMAX - Static variable in class org.opencv.core.Core
-
 
-
NORM_RELATIVE - Static variable in class org.opencv.core.Core
-
 
-
NORM_TYPE_MASK - Static variable in class org.opencv.core.Core
-
 
-
NORMAL_CLONE - Static variable in class org.opencv.photo.Photo
-
 
-
NORMAL_CLONE_WIDE - Static variable in class org.opencv.photo.Photo
-
 
-
NormalBayesClassifier - Class in org.opencv.ml
-
-
Bayes classifier for normally distributed data.
-
-
normalize(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
normalize(Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
normalize(Mat, Mat, double, double) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
normalize(Mat, Mat, double, double, int) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
normalize(Mat, Mat, double, double, int, int) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
normalize(Mat, Mat, double, double, int, int, Mat) - Static method in class org.opencv.core.Core
-
-
Normalizes the norm or value range of an array.
-
-
NORMCONV_FILTER - Static variable in class org.opencv.photo.Photo
-
 
-
NU - Static variable in class org.opencv.ml.SVM
-
 
-
NU_SVC - Static variable in class org.opencv.ml.SVM
-
 
-
NU_SVR - Static variable in class org.opencv.ml.SVM
-
 
-
nu02 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu03 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu11 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu12 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu20 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu21 - Variable in class org.opencv.imgproc.Moments
-
 
-
nu30 - Variable in class org.opencv.imgproc.Moments
-
 
-
-

O

-
-
OAST_9_16 - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
Objdetect - Class in org.opencv.objdetect
-
 
-
Objdetect() - Constructor for class org.opencv.objdetect.Objdetect
-
 
-
octave - Variable in class org.opencv.core.KeyPoint
-
-
Octave (pyramid layer), from which the keypoint has been extracted.
-
-
onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame) - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener2
-
-
This method is invoked when delivery of the frame needs to be done.
-
-
onCameraFrame(Mat) - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener
-
-
This method is invoked when delivery of the frame needs to be done.
-
-
onCameraTexture(int, int, int, int) - Method in interface org.opencv.android.CameraGLSurfaceView.CameraTextureListener
-
-
This method is invoked when a new preview frame from Camera is ready.
-
-
onCameraViewStarted(int, int) - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener
-
-
This method is invoked when camera preview has started.
-
-
onCameraViewStarted(int, int) - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener2
-
-
This method is invoked when camera preview has started.
-
-
onCameraViewStarted(int, int) - Method in interface org.opencv.android.CameraGLSurfaceView.CameraTextureListener
-
-
This method is invoked when camera preview has started.
-
-
onCameraViewStopped() - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener
-
-
This method is invoked when camera preview has been stopped for some reason.
-
-
onCameraViewStopped() - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewListener2
-
-
This method is invoked when camera preview has been stopped for some reason.
-
-
onCameraViewStopped() - Method in interface org.opencv.android.CameraGLSurfaceView.CameraTextureListener
-
-
This method is invoked when camera preview has been stopped for some reason.
-
-
onDrawFrame(GL10) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
ONE_CLASS - Static variable in class org.opencv.ml.SVM
-
 
-
ones(int[], int) - Static method in class org.opencv.core.Mat
-
 
-
ones(int, int, int) - Static method in class org.opencv.core.Mat
-
 
-
ones(Size, int) - Static method in class org.opencv.core.Mat
-
 
-
onFrameAvailable(SurfaceTexture) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
onPause() - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
onPause() - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
onPreviewFrame(byte[], Camera) - Method in class org.opencv.android.JavaCameraView
-
 
-
onRequestPermissionsResult(int, String[], int[]) - Method in class org.opencv.android.CameraActivity
-
 
-
onResume() - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
onResume() - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
onSurfaceChanged(GL10, int, int) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
onSurfaceCreated(GL10, EGLConfig) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
open(int) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
-
-
open(int, int) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
-
-
open(int, int, MatOfInt) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
-
-
open(String) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing.
-
-
open(String, int) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing.
-
-
open(String, int, double, Size) - Method in class org.opencv.videoio.VideoWriter
-
-
Initializes or reinitializes video writer.
-
-
open(String, int, double, Size, boolean) - Method in class org.opencv.videoio.VideoWriter
-
-
Initializes or reinitializes video writer.
-
-
open(String, int, double, Size, MatOfInt) - Method in class org.opencv.videoio.VideoWriter
-
 
-
open(String, int, int, double, Size) - Method in class org.opencv.videoio.VideoWriter
-
 
-
open(String, int, int, double, Size, boolean) - Method in class org.opencv.videoio.VideoWriter
-
 
-
open(String, int, int, double, Size, MatOfInt) - Method in class org.opencv.videoio.VideoWriter
-
 
-
open(String, int, MatOfInt) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
-
-
open(IStreamReader, int, MatOfInt) - Method in class org.opencv.videoio.VideoCapture
-
-
Opens a video using data stream.
-
-
OpenCLApiCallError - Static variable in class org.opencv.core.Core
-
 
-
OpenCLDoubleNotSupported - Static variable in class org.opencv.core.Core
-
 
-
OpenCLInitError - Static variable in class org.opencv.core.Core
-
 
-
OpenCLNoAMDBlasFft - Static variable in class org.opencv.core.Core
-
 
-
OPENCV_VERSION - Static variable in class org.opencv.android.OpenCVLoader
-
-
Current OpenCV Library version
-
-
OpenCVInterface - Interface in org.opencv.osgi
-
-
Dummy interface to allow some integration testing within OSGi implementation.
-
-
OpenCVLoader - Class in org.opencv.android
-
-
Helper class provides common initialization methods for OpenCV library.
-
-
OpenCVLoader() - Constructor for class org.opencv.android.OpenCVLoader
-
 
-
OpenCVNativeLoader - Class in org.opencv.osgi
-
-
This class is intended to provide a convenient way to load OpenCV's native - library from the Java bundle.
-
-
OpenCVNativeLoader() - Constructor for class org.opencv.osgi.OpenCVNativeLoader
-
 
-
OpenCvSizeAccessor() - Constructor for class org.opencv.android.NativeCameraView.OpenCvSizeAccessor
-
 
-
OpenGlApiCallError - Static variable in class org.opencv.core.Core
-
 
-
OpenGlNotSupported - Static variable in class org.opencv.core.Core
-
 
-
OPTFLOW_FARNEBACK_GAUSSIAN - Static variable in class org.opencv.video.Video
-
 
-
OPTFLOW_LK_GET_MIN_EIGENVALS - Static variable in class org.opencv.video.Video
-
 
-
OPTFLOW_USE_INITIAL_FLOW - Static variable in class org.opencv.video.Video
-
 
-
ORB - Class in org.opencv.features2d
-
-
Class implementing the ORB (*oriented BRIEF*) keypoint detector and descriptor extractor - - described in CITE: RRKB11 .
-
-
org.opencv - package org.opencv
-
 
-
org.opencv.android - package org.opencv.android
-
 
-
org.opencv.calib3d - package org.opencv.calib3d
-
 
-
org.opencv.core - package org.opencv.core
-
 
-
org.opencv.dnn - package org.opencv.dnn
-
 
-
org.opencv.features2d - package org.opencv.features2d
-
 
-
org.opencv.imgcodecs - package org.opencv.imgcodecs
-
 
-
org.opencv.imgproc - package org.opencv.imgproc
-
 
-
org.opencv.ml - package org.opencv.ml
-
 
-
org.opencv.objdetect - package org.opencv.objdetect
-
 
-
org.opencv.osgi - package org.opencv.osgi
-
 
-
org.opencv.photo - package org.opencv.photo
-
 
-
org.opencv.utils - package org.opencv.utils
-
 
-
org.opencv.video - package org.opencv.video
-
 
-
org.opencv.videoio - package org.opencv.videoio
-
 
-
outputNameToIndex(String) - Method in class org.opencv.dnn.Layer
-
-
Returns index of output blob in output array.
-
-
-

P

-
-
P - Static variable in class org.opencv.ml.SVM
-
 
-
Param_ALGORITHM - Static variable in class org.opencv.core.Core
-
 
-
Param_BOOLEAN - Static variable in class org.opencv.core.Core
-
 
-
Param_FLOAT - Static variable in class org.opencv.core.Core
-
 
-
Param_INT - Static variable in class org.opencv.core.Core
-
 
-
Param_MAT - Static variable in class org.opencv.core.Core
-
 
-
Param_MAT_VECTOR - Static variable in class org.opencv.core.Core
-
 
-
Param_REAL - Static variable in class org.opencv.core.Core
-
 
-
Param_SCALAR - Static variable in class org.opencv.core.Core
-
 
-
Param_STRING - Static variable in class org.opencv.core.Core
-
 
-
Param_UCHAR - Static variable in class org.opencv.core.Core
-
 
-
Param_UINT64 - Static variable in class org.opencv.core.Core
-
 
-
Param_UNSIGNED_INT - Static variable in class org.opencv.core.Core
-
 
-
ParamGrid - Class in org.opencv.ml
-
-
The structure represents the logarithmic grid range of statmodel parameters.
-
-
patchNaNs(Mat) - Static method in class org.opencv.core.Core
-
-
Replaces NaNs by given number
-
-
patchNaNs(Mat, double) - Static method in class org.opencv.core.Core
-
-
Replaces NaNs by given number
-
-
PCA_DATA_AS_COL - Static variable in class org.opencv.core.Core
-
 
-
PCA_DATA_AS_ROW - Static variable in class org.opencv.core.Core
-
 
-
PCA_USE_AVG - Static variable in class org.opencv.core.Core
-
 
-
PCABackProject(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap PCA::backProject
-
-
PCACompute(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator()
-
-
PCACompute(Mat, Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator()
-
-
PCACompute(Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator()
-
-
PCACompute2(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator() and add eigenvalues output parameter
-
-
PCACompute2(Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator() and add eigenvalues output parameter
-
-
PCACompute2(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
wrap PCA::operator() and add eigenvalues output parameter
-
-
PCAProject(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap PCA::project
-
-
pencilSketch(Mat, Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Pencil-like non-photorealistic line drawing
-
-
pencilSketch(Mat, Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Pencil-like non-photorealistic line drawing
-
-
pencilSketch(Mat, Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
Pencil-like non-photorealistic line drawing
-
-
pencilSketch(Mat, Mat, Mat, float, float, float) - Static method in class org.opencv.photo.Photo
-
-
Pencil-like non-photorealistic line drawing
-
-
perspectiveTransform(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs the perspective matrix transformation of vectors.
-
-
phase(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the rotation angle of 2D vectors.
-
-
phase(Mat, Mat, Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Calculates the rotation angle of 2D vectors.
-
-
phaseCorrelate(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
The function is used to detect translational shifts that occur between two images.
-
-
phaseCorrelate(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
The function is used to detect translational shifts that occur between two images.
-
-
phaseCorrelate(Mat, Mat, Mat, double[]) - Static method in class org.opencv.imgproc.Imgproc
-
-
The function is used to detect translational shifts that occur between two images.
-
-
Photo - Class in org.opencv.photo
-
 
-
Photo() - Constructor for class org.opencv.photo.Photo
-
 
-
Point - Class in org.opencv.core
-
 
-
Point() - Constructor for class org.opencv.core.Point
-
 
-
Point(double[]) - Constructor for class org.opencv.core.Point
-
 
-
Point(double, double) - Constructor for class org.opencv.core.Point
-
 
-
Point3 - Class in org.opencv.core
-
 
-
Point3() - Constructor for class org.opencv.core.Point3
-
 
-
Point3(double[]) - Constructor for class org.opencv.core.Point3
-
 
-
Point3(double, double, double) - Constructor for class org.opencv.core.Point3
-
 
-
Point3(Point) - Constructor for class org.opencv.core.Point3
-
 
-
pointPolygonTest(MatOfPoint2f, Point, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs a point-in-contour test.
-
-
points(Point[]) - Method in class org.opencv.core.RotatedRect
-
 
-
polarToCart(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates x and y coordinates of 2D vectors from their magnitude and angle.
-
-
polarToCart(Mat, Mat, Mat, Mat, boolean) - Static method in class org.opencv.core.Core
-
-
Calculates x and y coordinates of 2D vectors from their magnitude and angle.
-
-
POLY - Static variable in class org.opencv.ml.SVM
-
 
-
polylines(Mat, List<MatOfPoint>, boolean, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws several polygonal curves.
-
-
polylines(Mat, List<MatOfPoint>, boolean, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws several polygonal curves.
-
-
polylines(Mat, List<MatOfPoint>, boolean, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws several polygonal curves.
-
-
polylines(Mat, List<MatOfPoint>, boolean, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws several polygonal curves.
-
-
pow(Mat, double, Mat) - Static method in class org.opencv.core.Core
-
-
Raises every array element to a power.
-
-
preCornerDetect(Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a feature map for corner detection.
-
-
preCornerDetect(Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates a feature map for corner detection.
-
-
predict() - Method in class org.opencv.video.KalmanFilter
-
-
Computes a predicted state.
-
-
predict(Mat) - Method in class org.opencv.ml.EM
-
-
Returns posterior probabilities for the provided samples
-
-
predict(Mat) - Method in class org.opencv.ml.LogisticRegression
-
-
Predicts responses for input samples and returns a float type.
-
-
predict(Mat) - Method in class org.opencv.ml.StatModel
-
-
Predicts response(s) for the provided sample(s)
-
-
predict(Mat) - Method in class org.opencv.video.KalmanFilter
-
-
Computes a predicted state.
-
-
predict(Mat, List<Mat>) - Method in class org.opencv.dnn.Model
-
-
Given the input frame, create input blob, run net and return the output blobs.
-
-
predict(Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Returns posterior probabilities for the provided samples
-
-
predict(Mat, Mat) - Method in class org.opencv.ml.LogisticRegression
-
-
Predicts responses for input samples and returns a float type.
-
-
predict(Mat, Mat) - Method in class org.opencv.ml.StatModel
-
-
Predicts response(s) for the provided sample(s)
-
-
predict(Mat, Mat, int) - Method in class org.opencv.ml.EM
-
-
Returns posterior probabilities for the provided samples
-
-
predict(Mat, Mat, int) - Method in class org.opencv.ml.LogisticRegression
-
-
Predicts responses for input samples and returns a float type.
-
-
predict(Mat, Mat, int) - Method in class org.opencv.ml.StatModel
-
-
Predicts response(s) for the provided sample(s)
-
-
PREDICT_AUTO - Static variable in class org.opencv.ml.DTrees
-
 
-
PREDICT_MASK - Static variable in class org.opencv.ml.DTrees
-
 
-
PREDICT_MAX_VOTE - Static variable in class org.opencv.ml.DTrees
-
 
-
PREDICT_SUM - Static variable in class org.opencv.ml.DTrees
-
 
-
predict2(Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Returns a likelihood logarithm value and an index of the most probable mixture component - for the given sample.
-
-
predictProb(Mat, Mat, Mat) - Method in class org.opencv.ml.NormalBayesClassifier
-
-
Predicts the response for sample(s).
-
-
predictProb(Mat, Mat, Mat, int) - Method in class org.opencv.ml.NormalBayesClassifier
-
-
Predicts the response for sample(s).
-
-
PREFILTER_NORMALIZED_RESPONSE - Static variable in class org.opencv.calib3d.StereoBM
-
 
-
PREFILTER_XSOBEL - Static variable in class org.opencv.calib3d.StereoBM
-
 
-
PREPROCESSED_INPUT - Static variable in class org.opencv.ml.StatModel
-
 
-
PRESET_FAST - Static variable in class org.opencv.video.DISOpticalFlow
-
 
-
PRESET_MEDIUM - Static variable in class org.opencv.video.DISOpticalFlow
-
 
-
PRESET_ULTRAFAST - Static variable in class org.opencv.video.DISOpticalFlow
-
 
-
PREV_AROUND_DST - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PREV_AROUND_LEFT - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PREV_AROUND_ORG - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PREV_AROUND_RIGHT - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
process(List<Mat>, List<Mat>) - Method in class org.opencv.photo.AlignMTB
-
-
Short version of process, that doesn't take extra arguments.
-
-
process(List<Mat>, List<Mat>, Mat, Mat) - Method in class org.opencv.photo.AlignExposures
-
-
Aligns images
-
-
process(List<Mat>, List<Mat>, Mat, Mat) - Method in class org.opencv.photo.AlignMTB
-
 
-
process(List<Mat>, Mat) - Method in class org.opencv.photo.MergeMertens
-
-
Short version of process, that doesn't take extra arguments.
-
-
process(List<Mat>, Mat, Mat) - Method in class org.opencv.photo.CalibrateCRF
-
-
Recovers inverse camera response.
-
-
process(List<Mat>, Mat, Mat) - Method in class org.opencv.photo.MergeDebevec
-
 
-
process(List<Mat>, Mat, Mat) - Method in class org.opencv.photo.MergeRobertson
-
 
-
process(List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.photo.MergeDebevec
-
 
-
process(List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.photo.MergeExposures
-
-
Merges images.
-
-
process(List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.photo.MergeMertens
-
 
-
process(List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.photo.MergeRobertson
-
 
-
process(Mat, Mat) - Method in class org.opencv.photo.Tonemap
-
-
Tonemaps image
-
-
PROJ_SPHERICAL_EQRECT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
PROJ_SPHERICAL_ORTHO - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f) - Static method in class org.opencv.calib3d.Calib3d
-
-
Projects 3D points to an image plane.
-
-
projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Projects 3D points to an image plane.
-
-
projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Projects 3D points to an image plane.
-
-
PSNR(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric.
-
-
PSNR(Mat, Mat, double) - Static method in class org.opencv.core.Core
-
-
Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric.
-
-
pt - Variable in class org.opencv.core.KeyPoint
-
-
Coordinates of the keypoint.
-
-
PTLOC_ERROR - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PTLOC_INSIDE - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PTLOC_ON_EDGE - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PTLOC_OUTSIDE_RECT - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
PTLOC_VERTEX - Static variable in class org.opencv.imgproc.Subdiv2D
-
 
-
push_back(Mat) - Method in class org.opencv.core.Mat
-
 
-
put(int[], byte[]) - Method in class org.opencv.core.Mat
-
 
-
put(int[], byte[], int, int) - Method in class org.opencv.core.Mat
-
 
-
put(int[], double...) - Method in class org.opencv.core.Mat
-
 
-
put(int[], float[]) - Method in class org.opencv.core.Mat
-
 
-
put(int[], int[]) - Method in class org.opencv.core.Mat
-
 
-
put(int[], short[]) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, byte[]) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, byte[], int, int) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, double...) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, float[]) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, int[]) - Method in class org.opencv.core.Mat
-
 
-
put(int, int, short[]) - Method in class org.opencv.core.Mat
-
 
-
putText(Mat, String, Point, int, double, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a text string.
-
-
putText(Mat, String, Point, int, double, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a text string.
-
-
putText(Mat, String, Point, int, double, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a text string.
-
-
putText(Mat, String, Point, int, double, Scalar, int, int, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a text string.
-
-
pyrDown(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image and downsamples it.
-
-
pyrDown(Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image and downsamples it.
-
-
pyrDown(Mat, Mat, Size, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image and downsamples it.
-
-
pyrMeanShiftFiltering(Mat, Mat, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs initial step of meanshift segmentation of an image.
-
-
pyrMeanShiftFiltering(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs initial step of meanshift segmentation of an image.
-
-
pyrMeanShiftFiltering(Mat, Mat, double, double, int, TermCriteria) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs initial step of meanshift segmentation of an image.
-
-
pyrUp(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Upsamples an image and then blurs it.
-
-
pyrUp(Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Upsamples an image and then blurs it.
-
-
pyrUp(Mat, Mat, Size, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Upsamples an image and then blurs it.
-
-
-

Q

-
-
QRCodeDetector - Class in org.opencv.objdetect
-
 
-
QRCodeDetector() - Constructor for class org.opencv.objdetect.QRCodeDetector
-
 
-
QRCodeDetectorAruco - Class in org.opencv.objdetect
-
 
-
QRCodeDetectorAruco() - Constructor for class org.opencv.objdetect.QRCodeDetectorAruco
-
 
-
QRCodeDetectorAruco(QRCodeDetectorAruco_Params) - Constructor for class org.opencv.objdetect.QRCodeDetectorAruco
-
-
QR code detector constructor for Aruco-based algorithm.
-
-
QRCodeDetectorAruco_Params - Class in org.opencv.objdetect
-
 
-
QRCodeDetectorAruco_Params() - Constructor for class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
QRCodeEncoder - Class in org.opencv.objdetect
-
-
Groups the object candidate rectangles.
-
-
QRCodeEncoder_Params - Class in org.opencv.objdetect
-
-
QR code encoder parameters.
-
-
QRCodeEncoder_Params() - Constructor for class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
quantize(List<Mat>, int, int) - Method in class org.opencv.dnn.Net
-
-
Returns a quantized Net from a floating-point Net.
-
-
quantize(List<Mat>, int, int, boolean) - Method in class org.opencv.dnn.Net
-
-
Returns a quantized Net from a floating-point Net.
-
-
queryIdx - Variable in class org.opencv.core.DMatch
-
-
Query descriptor index.
-
-
-

R

-
-
R - Class in org.opencv
-
 
-
R() - Constructor for class org.opencv.R
-
 
-
radiusMatch(Mat, List<MatOfDMatch>, float) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
radiusMatch(Mat, List<MatOfDMatch>, float, List<Mat>) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
radiusMatch(Mat, List<MatOfDMatch>, float, List<Mat>, boolean) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
radiusMatch(Mat, Mat, List<MatOfDMatch>, float) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
For each query descriptor, finds the training descriptors not farther than the specified distance.
-
-
radiusMatch(Mat, Mat, List<MatOfDMatch>, float, Mat) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
For each query descriptor, finds the training descriptors not farther than the specified distance.
-
-
radiusMatch(Mat, Mat, List<MatOfDMatch>, float, Mat, boolean) - Method in class org.opencv.features2d.DescriptorMatcher
-
-
For each query descriptor, finds the training descriptors not farther than the specified distance.
-
-
randn(Mat, double, double) - Static method in class org.opencv.core.Core
-
-
Fills the array with normally distributed random numbers.
-
-
randShuffle(Mat) - Static method in class org.opencv.core.Core
-
-
Shuffles the array elements randomly.
-
-
randShuffle(Mat, double) - Static method in class org.opencv.core.Core
-
-
Shuffles the array elements randomly.
-
-
randu(Mat, double, double) - Static method in class org.opencv.core.Core
-
-
Generates a single uniformly-distributed random number or an array of random numbers.
-
-
Range - Class in org.opencv.core
-
 
-
Range() - Constructor for class org.opencv.core.Range
-
 
-
Range(double[]) - Constructor for class org.opencv.core.Range
-
 
-
Range(int, int) - Constructor for class org.opencv.core.Range
-
 
-
RANSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
RAW_OUTPUT - Static variable in class org.opencv.ml.StatModel
-
 
-
RBF - Static variable in class org.opencv.ml.SVM
-
 
-
read(byte[], long) - Method in class org.opencv.videoio.IStreamReader
-
-
Read bytes from stream
-
-
read(String) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
read(String) - Method in class org.opencv.features2d.Feature2D
-
 
-
read(Mat) - Method in class org.opencv.videoio.VideoCapture
-
-
Grabs, decodes and returns the next video frame.
-
-
readFromModelOptimizer(String, String) - Static method in class org.opencv.dnn.Net
-
-
Create a network from Intel's Model Optimizer intermediate representation (IR).
-
-
readFromModelOptimizer(MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Net
-
-
Create a network from Intel's Model Optimizer in-memory buffers with intermediate representation (IR).
-
-
readNet(String) - Static method in class org.opencv.dnn.Dnn
-
-
Read deep learning network represented in one of the supported formats.
-
-
readNet(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Read deep learning network represented in one of the supported formats.
-
-
readNet(String, String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Read deep learning network represented in one of the supported formats.
-
-
readNet(String, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Read deep learning network represented in one of the supported formats.
-
-
readNet(String, MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Read deep learning network represented in one of the supported formats.
-
-
readNetFromCaffe(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format.
-
-
readNetFromCaffe(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format.
-
-
readNetFromCaffe(MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in Caffe model in memory.
-
-
readNetFromCaffe(MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in Caffe model in memory.
-
-
readNetFromDarknet(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
-
-
readNetFromDarknet(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
-
-
readNetFromDarknet(MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
-
-
readNetFromDarknet(MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
-
-
readNetFromModelOptimizer(String) - Static method in class org.opencv.dnn.Dnn
-
-
Load a network from Intel's Model Optimizer intermediate representation.
-
-
readNetFromModelOptimizer(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Load a network from Intel's Model Optimizer intermediate representation.
-
-
readNetFromModelOptimizer(MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Load a network from Intel's Model Optimizer intermediate representation.
-
-
readNetFromONNX(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model <a href="https://onnx.ai/">ONNX</a>.
-
-
readNetFromONNX(MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model from <a href="https://onnx.ai/">ONNX</a> - in-memory buffer.
-
-
readNetFromTensorflow(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
-
-
readNetFromTensorflow(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
-
-
readNetFromTensorflow(MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
-
-
readNetFromTensorflow(MatOfByte, MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
-
-
readNetFromTFLite(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format.
-
-
readNetFromTFLite(MatOfByte) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format.
-
-
readNetFromTorch(String) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
-
-
readNetFromTorch(String, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
-
-
readNetFromTorch(String, boolean, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
-
-
readOpticalFlow(String) - Static method in class org.opencv.video.Video
-
-
Read a .flo file
-
-
readTensorFromONNX(String) - Static method in class org.opencv.dnn.Dnn
-
-
Creates blob from .pb file.
-
-
readTorchBlob(String) - Static method in class org.opencv.dnn.Dnn
-
-
Loads blob which was serialized as torch.Tensor object of Torch7 framework.
-
-
readTorchBlob(String, boolean) - Static method in class org.opencv.dnn.Dnn
-
-
Loads blob which was serialized as torch.Tensor object of Torch7 framework.
-
-
REAL - Static variable in class org.opencv.ml.Boost
-
 
-
recognize(Mat) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Given the input frame, create input blob, run net and return recognition result
-
-
recognize(Mat, List<Mat>, List<String>) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Given the input frame, create input blob, run net and return recognition result
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, double, Point) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, double, Point, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from an estimated essential - matrix and the corresponding points in two images, using chirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from an estimated essential - matrix and the corresponding points in two images, using chirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check.
-
-
recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check.
-
-
Rect - Class in org.opencv.core
-
 
-
Rect() - Constructor for class org.opencv.core.Rect
-
 
-
Rect(double[]) - Constructor for class org.opencv.core.Rect
-
 
-
Rect(int, int, int, int) - Constructor for class org.opencv.core.Rect
-
 
-
Rect(Point, Point) - Constructor for class org.opencv.core.Rect
-
 
-
Rect(Point, Size) - Constructor for class org.opencv.core.Rect
-
 
-
Rect2d - Class in org.opencv.core
-
 
-
Rect2d() - Constructor for class org.opencv.core.Rect2d
-
 
-
Rect2d(double[]) - Constructor for class org.opencv.core.Rect2d
-
 
-
Rect2d(double, double, double, double) - Constructor for class org.opencv.core.Rect2d
-
 
-
Rect2d(Point, Point) - Constructor for class org.opencv.core.Rect2d
-
 
-
Rect2d(Point, Size) - Constructor for class org.opencv.core.Rect2d
-
 
-
rectangle(Mat, Point, Point, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple, thick, or filled up-right rectangle.
-
-
rectangle(Mat, Point, Point, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple, thick, or filled up-right rectangle.
-
-
rectangle(Mat, Point, Point, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple, thick, or filled up-right rectangle.
-
-
rectangle(Mat, Point, Point, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Draws a simple, thick, or filled up-right rectangle.
-
-
rectangle(Mat, Rect, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
-
-
rectangle(Mat, Rect, Scalar, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
-
-
rectangle(Mat, Rect, Scalar, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
-
-
rectangle(Mat, Rect, Scalar, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
-
-
rectify3Collinear(Mat, Mat, Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, double, Size, Rect, Rect, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
RECURS_FILTER - Static variable in class org.opencv.photo.Photo
-
 
-
reduce(Mat, Mat, int, int) - Static method in class org.opencv.core.Core
-
-
Reduces a matrix to a vector.
-
-
reduce(Mat, Mat, int, int, int) - Static method in class org.opencv.core.Core
-
-
Reduces a matrix to a vector.
-
-
REDUCE_AVG - Static variable in class org.opencv.core.Core
-
 
-
REDUCE_MAX - Static variable in class org.opencv.core.Core
-
 
-
REDUCE_MIN - Static variable in class org.opencv.core.Core
-
 
-
REDUCE_SUM - Static variable in class org.opencv.core.Core
-
 
-
REDUCE_SUM2 - Static variable in class org.opencv.core.Core
-
 
-
reduceArgMax(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
-
-
reduceArgMax(Mat, Mat, int, boolean) - Static method in class org.opencv.core.Core
-
-
Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
-
-
reduceArgMin(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
-
-
reduceArgMin(Mat, Mat, int, boolean) - Static method in class org.opencv.core.Core
-
-
Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
-
-
refineDetectedMarkers(Mat, Board, List<Mat>, Mat, List<Mat>) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Refine not detected markers based on the already detected and the board layout
-
-
refineDetectedMarkers(Mat, Board, List<Mat>, Mat, List<Mat>, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Refine not detected markers based on the already detected and the board layout
-
-
refineDetectedMarkers(Mat, Board, List<Mat>, Mat, List<Mat>, Mat, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Refine not detected markers based on the already detected and the board layout
-
-
refineDetectedMarkers(Mat, Board, List<Mat>, Mat, List<Mat>, Mat, Mat, Mat) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Refine not detected markers based on the already detected and the board layout
-
-
RefineParameters - Class in org.opencv.objdetect
-
-
struct RefineParameters is used by ArucoDetector
-
-
RefineParameters() - Constructor for class org.opencv.objdetect.RefineParameters
-
 
-
RefineParameters(float) - Constructor for class org.opencv.objdetect.RefineParameters
-
 
-
RefineParameters(float, float) - Constructor for class org.opencv.objdetect.RefineParameters
-
 
-
RefineParameters(float, float, boolean) - Constructor for class org.opencv.objdetect.RefineParameters
-
 
-
REG_DISABLE - Static variable in class org.opencv.ml.LogisticRegression
-
 
-
REG_L1 - Static variable in class org.opencv.ml.LogisticRegression
-
 
-
REG_L2 - Static variable in class org.opencv.ml.LogisticRegression
-
 
-
registerOutput(String, int, int) - Method in class org.opencv.dnn.Net
-
-
Registers network output with name - - Function may create additional 'Identity' layer.
-
-
release() - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewFrame
-
 
-
release() - Method in class org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
 
-
release() - Method in class org.opencv.core.Mat
-
 
-
release() - Method in class org.opencv.videoio.VideoCapture
-
-
Closes video file or capturing device.
-
-
release() - Method in class org.opencv.videoio.VideoWriter
-
-
Closes the video writer.
-
-
releaseHDDLPlugin() - Static method in class org.opencv.dnn.Dnn
-
-
Release a HDDL plugin.
-
-
RELU - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
remap(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a generic geometrical transformation to an image.
-
-
remap(Mat, Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a generic geometrical transformation to an image.
-
-
remap(Mat, Mat, Mat, Mat, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a generic geometrical transformation to an image.
-
-
repeat(Mat, int, int, Mat) - Static method in class org.opencv.core.Core
-
-
Fills the output array with repeated copies of the input array.
-
-
reprojectImageTo3D(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Reprojects a disparity image to 3D space.
-
-
reprojectImageTo3D(Mat, Mat, Mat, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Reprojects a disparity image to 3D space.
-
-
reprojectImageTo3D(Mat, Mat, Mat, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Reprojects a disparity image to 3D space.
-
-
reset() - Method in class org.opencv.core.TickMeter
-
 
-
resetMyriadDevice() - Static method in class org.opencv.dnn.Dnn
-
-
Release a Myriad device (binded by OpenCV).
-
-
reshape(int) - Method in class org.opencv.core.Mat
-
 
-
reshape(int, int) - Method in class org.opencv.core.Mat
-
 
-
reshape(int, int[]) - Method in class org.opencv.core.Mat
-
 
-
resize(Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Resizes an image.
-
-
resize(Mat, Mat, Size, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Resizes an image.
-
-
resize(Mat, Mat, Size, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Resizes an image.
-
-
resize(Mat, Mat, Size, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Resizes an image.
-
-
response - Variable in class org.opencv.core.KeyPoint
-
-
The response, by which the strongest keypoints have been selected.
-
-
RETR_CCOMP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
RETR_EXTERNAL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
RETR_FLOODFILL - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
RETR_LIST - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
RETR_TREE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
retrieve(Mat) - Method in class org.opencv.videoio.VideoCapture
-
-
Decodes and returns the grabbed video frame.
-
-
retrieve(Mat, int) - Method in class org.opencv.videoio.VideoCapture
-
-
Decodes and returns the grabbed video frame.
-
-
rgba() - Method in interface org.opencv.android.CameraBridgeViewBase.CvCameraViewFrame
-
-
This method returns RGBA Mat with frame
-
-
rgba() - Method in class org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
 
-
RGBA - Static variable in class org.opencv.android.CameraBridgeViewBase
-
 
-
RHO - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
RNG_NORMAL - Static variable in class org.opencv.core.Core
-
 
-
RNG_UNIFORM - Static variable in class org.opencv.core.Core
-
 
-
Rodrigues(Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Converts a rotation matrix to a rotation vector or vice versa.
-
-
Rodrigues(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Converts a rotation matrix to a rotation vector or vice versa.
-
-
rotate(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Rotates a 2D array in multiples of 90 degrees.
-
-
ROTATE_180 - Static variable in class org.opencv.core.Core
-
 
-
ROTATE_90_CLOCKWISE - Static variable in class org.opencv.core.Core
-
 
-
ROTATE_90_COUNTERCLOCKWISE - Static variable in class org.opencv.core.Core
-
 
-
RotatedCameraFrame(CameraBridgeViewBase.CvCameraViewFrame, int) - Constructor for class org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
 
-
RotatedRect - Class in org.opencv.core
-
 
-
RotatedRect() - Constructor for class org.opencv.core.RotatedRect
-
 
-
RotatedRect(double[]) - Constructor for class org.opencv.core.RotatedRect
-
 
-
RotatedRect(Point, Size, double) - Constructor for class org.opencv.core.RotatedRect
-
 
-
rotatedRectangleIntersection(RotatedRect, RotatedRect, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Finds out if there is any intersection between two rotated rectangles.
-
-
rotateEdge(int, int) - Method in class org.opencv.imgproc.Subdiv2D
-
-
Returns another edge of the same quad-edge.
-
-
row(int) - Method in class org.opencv.core.Mat
-
 
-
ROW_SAMPLE - Static variable in class org.opencv.ml.Ml
-
 
-
rowRange(int, int) - Method in class org.opencv.core.Mat
-
 
-
rowRange(Range) - Method in class org.opencv.core.Mat
-
 
-
rows() - Method in class org.opencv.core.Mat
-
 
-
RPROP - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
RQDecomp3x3(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an RQ decomposition of 3x3 matrices.
-
-
RQDecomp3x3(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an RQ decomposition of 3x3 matrices.
-
-
RQDecomp3x3(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an RQ decomposition of 3x3 matrices.
-
-
RQDecomp3x3(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes an RQ decomposition of 3x3 matrices.
-
-
RTrees - Class in org.opencv.ml
-
-
The class implements the random forest predictor.
-
-
-

S

-
-
SAMPLING_NAPSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SAMPLING_PROGRESSIVE_NAPSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SAMPLING_PROSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SAMPLING_UNIFORM - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
sampsonDistance(Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calculates the Sampson Distance between two points.
-
-
save(String) - Method in class org.opencv.core.Algorithm
-
-
Saves the algorithm to a file.
-
-
save(String) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file
-
-
save(String, String) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file
-
-
Scalar - Class in org.opencv.core
-
 
-
Scalar(double) - Constructor for class org.opencv.core.Scalar
-
 
-
Scalar(double[]) - Constructor for class org.opencv.core.Scalar
-
 
-
Scalar(double, double) - Constructor for class org.opencv.core.Scalar
-
 
-
Scalar(double, double, double) - Constructor for class org.opencv.core.Scalar
-
 
-
Scalar(double, double, double, double) - Constructor for class org.opencv.core.Scalar
-
 
-
scaleAdd(Mat, double, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the sum of a scaled array and another array.
-
-
Scharr(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first x- or y- image derivative using Scharr operator.
-
-
Scharr(Mat, Mat, int, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first x- or y- image derivative using Scharr operator.
-
-
Scharr(Mat, Mat, int, int, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first x- or y- image derivative using Scharr operator.
-
-
Scharr(Mat, Mat, int, int, int, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first x- or y- image derivative using Scharr operator.
-
-
SCORE_METHOD_LMEDS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SCORE_METHOD_MAGSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SCORE_METHOD_MSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SCORE_METHOD_RANSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
seamlessClone(Mat, Mat, Mat, Point, Mat, int) - Static method in class org.opencv.photo.Photo
-
-
Performs seamless cloning to blend a region from a source image into a destination image.
-
-
seek(long, int) - Method in class org.opencv.videoio.IStreamReader
-
-
Sets the stream position
-
-
segment(Mat, Mat) - Method in class org.opencv.dnn.SegmentationModel
-
-
Given the input frame, create input blob, run net
-
-
SegmentationModel - Class in org.opencv.dnn
-
-
This class represents high-level API for segmentation models - - SegmentationModel allows to set params for preprocessing input image.
-
-
SegmentationModel(String) - Constructor for class org.opencv.dnn.SegmentationModel
-
-
Create segmentation model from network represented in one of the supported formats.
-
-
SegmentationModel(String, String) - Constructor for class org.opencv.dnn.SegmentationModel
-
-
Create segmentation model from network represented in one of the supported formats.
-
-
SegmentationModel(Net) - Constructor for class org.opencv.dnn.SegmentationModel
-
-
Create model from deep learning network.
-
-
sepFilter2D(Mat, Mat, int, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a separable linear filter to an image.
-
-
sepFilter2D(Mat, Mat, int, Mat, Mat, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a separable linear filter to an image.
-
-
sepFilter2D(Mat, Mat, int, Mat, Mat, Point, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a separable linear filter to an image.
-
-
sepFilter2D(Mat, Mat, int, Mat, Mat, Point, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a separable linear filter to an image.
-
-
set(double[]) - Method in class org.opencv.core.Point
-
 
-
set(double[]) - Method in class org.opencv.core.Point3
-
 
-
set(double[]) - Method in class org.opencv.core.Range
-
 
-
set(double[]) - Method in class org.opencv.core.Rect
-
 
-
set(double[]) - Method in class org.opencv.core.Rect2d
-
 
-
set(double[]) - Method in class org.opencv.core.RotatedRect
-
 
-
set(double[]) - Method in class org.opencv.core.Scalar
-
 
-
set(double[]) - Method in class org.opencv.core.Size
-
 
-
set(double[]) - Method in class org.opencv.core.TermCriteria
-
 
-
set(double[]) - Method in class org.opencv.imgproc.Moments
-
 
-
set(int, double) - Method in class org.opencv.videoio.VideoCapture
-
-
Sets a property in the VideoCapture.
-
-
set(int, double) - Method in class org.opencv.videoio.VideoWriter
-
-
Sets a property in the VideoWriter.
-
-
set_adaptiveThreshConstant(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_adaptiveThreshWinSizeMax(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_adaptiveThreshWinSizeMin(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_adaptiveThreshWinSizeStep(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagCriticalRad(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagDeglitch(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagMaxLineFitMse(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagMaxNmaxima(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagMinClusterPixels(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagMinWhiteBlackDiff(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagQuadDecimate(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_aprilTagQuadSigma(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_backbone(String) - Method in class org.opencv.video.TrackerNano_Params
-
 
-
set_backend(int) - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
set_backend(int) - Method in class org.opencv.video.TrackerNano_Params
-
 
-
set_backend(int) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_bgcolor(Scalar) - Method in class org.opencv.imgcodecs.Animation
-
 
-
set_blobColor(byte) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_blobs(List<Mat>) - Method in class org.opencv.dnn.Layer
-
 
-
set_borderValue(Scalar) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_bytesList(Mat) - Method in class org.opencv.objdetect.Dictionary
-
 
-
set_cameraMatrix(Mat) - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
set_checkAllOrders(boolean) - Method in class org.opencv.objdetect.RefineParameters
-
 
-
set_checkMarkers(boolean) - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
set_collectContours(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_confidence(double) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_controlMatrix(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_cornerRefinementMaxIterations(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_cornerRefinementMethod(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_cornerRefinementMinAccuracy(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_cornerRefinementWinSize(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_correction_level(int) - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
set_datalayout(int) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_ddepth(int) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_detectInvertedMarker(boolean) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_distCoeffs(Mat) - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
set_durations(MatOfInt) - Method in class org.opencv.imgcodecs.Animation
-
 
-
set_errorCorrectionRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_errorCorrectionRate(float) - Method in class org.opencv.objdetect.RefineParameters
-
 
-
set_errorCovPost(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_errorCovPre(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_featureSetNumFeatures(int) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_filterByArea(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_filterByCircularity(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_filterByColor(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_filterByConvexity(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_filterByInertia(boolean) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_final_polisher(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_final_polisher_iterations(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_frames(List<Mat>) - Method in class org.opencv.imgcodecs.Animation
-
 
-
set_gain(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_isParallel(boolean) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_kernel_cls1(String) - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
set_kernel_r1(String) - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
set_logStep(double) - Method in class org.opencv.ml.ParamGrid
-
 
-
set_loIterations(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_loMethod(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_loop_count(int) - Method in class org.opencv.imgcodecs.Animation
-
 
-
set_loSampleSize(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_m00(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m01(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m02(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m03(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m10(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m11(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m12(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m20(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m21(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_m30(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_markerBorderBits(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_markerSize(int) - Method in class org.opencv.objdetect.Dictionary
-
 
-
set_maxArea(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_maxCircularity(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_maxColorsMismatch(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_maxConvexity(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_maxCorrectionBits(int) - Method in class org.opencv.objdetect.Dictionary
-
 
-
set_maxErroneousBitsInBorderRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_maxInertiaRatio(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_maxIterations(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_maxMarkerPerimeterRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_maxModuleSizeMismatch(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_maxPenalties(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_maxRotation(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_maxThreshold(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_maxTimingPatternMismatch(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_maxVal(double) - Method in class org.opencv.ml.ParamGrid
-
 
-
set_mean(Scalar) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_meanvalue(Scalar) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_measurementMatrix(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_measurementNoiseCov(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_minArea(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minCircularity(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minConvexity(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minCornerDistanceRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minDistanceToBorder(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minDistBetweenBlobs(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minGroupDistance(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minInertiaRatio(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minMarkerDistanceRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minMarkerLengthRatioOriginalImg(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minMarkerPerimeterRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minMarkers(int) - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
set_minModuleSizeInPyramid(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_minOtsuStdDev(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minRepDistance(float) - Method in class org.opencv.objdetect.RefineParameters
-
 
-
set_minRepeatability(long) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minSideLengthCanonicalImg(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_minThreshold(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_minVal(double) - Method in class org.opencv.ml.ParamGrid
-
 
-
set_mode(int) - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
set_model(String) - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
set_modelBin(String) - Method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
set_modelTxt(String) - Method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
set_mu02(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu03(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu11(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu12(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu20(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu21(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_mu30(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_neckhead(String) - Method in class org.opencv.video.TrackerNano_Params
-
 
-
set_neighborsSearch(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_net(String) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_nu02(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu03(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu11(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu12(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu20(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu21(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_nu30(double) - Method in class org.opencv.imgproc.Moments
-
 
-
set_paddingmode(int) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_perspectiveRemoveIgnoredMarginPerCell(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_perspectiveRemovePixelPerCell(int) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_polygonalApproxAccuracyRate(double) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_processNoiseCov(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_randomGeneratorState(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_relativeCornerRefinmentWinSize(float) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_sampler(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_samplerInitInRadius(float) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_samplerInitMaxNegNum(int) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_samplerSearchWinSize(float) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_samplerTrackInRadius(float) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_samplerTrackMaxNegNum(int) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_samplerTrackMaxPosNum(int) - Method in class org.opencv.video.TrackerMIL_Params
-
 
-
set_scalefactor(Scalar) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_scaleTimingPatternScore(float) - Method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
set_score(int) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_size(Size) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_statePost(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_statePre(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_stdvalue(Scalar) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_still_image(Mat) - Method in class org.opencv.imgcodecs.Animation
-
 
-
set_structure_number(int) - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
set_swapRB(boolean) - Method in class org.opencv.dnn.Image2BlobParams
-
 
-
set_target(int) - Method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
set_target(int) - Method in class org.opencv.video.TrackerNano_Params
-
 
-
set_target(int) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_threshold(double) - Method in class org.opencv.calib3d.UsacParams
-
 
-
set_thresholdStep(float) - Method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
set_tracking_score_threshold(float) - Method in class org.opencv.video.TrackerVit_Params
-
 
-
set_transitionMatrix(Mat) - Method in class org.opencv.video.KalmanFilter
-
 
-
set_tryRefineMarkers(boolean) - Method in class org.opencv.objdetect.CharucoParameters
-
 
-
set_useAruco3Detection(boolean) - Method in class org.opencv.objdetect.DetectorParameters
-
 
-
set_version(int) - Method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
setActivationFunction(int) - Method in class org.opencv.ml.ANN_MLP
-
-
Initialize the activation function for each neuron.
-
-
setActivationFunction(int, double) - Method in class org.opencv.ml.ANN_MLP
-
-
Initialize the activation function for each neuron.
-
-
setActivationFunction(int, double, double) - Method in class org.opencv.ml.ANN_MLP
-
-
Initialize the activation function for each neuron.
-
-
setActiveVarCount(int) - Method in class org.opencv.ml.RTrees
-
-
getActiveVarCount SEE: getActiveVarCount
-
-
setAlgorithmType(int) - Method in class org.opencv.ml.KNearest
-
-
getAlgorithmType SEE: getAlgorithmType
-
-
setAlpha(float) - Method in class org.opencv.video.VariationalRefinement
-
-
getAlpha SEE: getAlpha
-
-
setAngleEpsilon(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setAngleStep(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setAngleThresh(int) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setAnnealCoolingRatio(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getAnnealCoolingRatio SEE: getAnnealCoolingRatio
-
-
setAnnealFinalT(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getAnnealFinalT SEE: getAnnealFinalT
-
-
setAnnealInitialT(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getAnnealInitialT SEE: getAnnealInitialT
-
-
setAnnealItePerStep(int) - Method in class org.opencv.ml.ANN_MLP
-
-
getAnnealItePerStep SEE: getAnnealItePerStep
-
-
setAreaThreshold(double) - Method in class org.opencv.features2d.MSER
-
 
-
setBackgroundRatio(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the "background ratio" parameter of the algorithm
-
-
setBackpropMomentumScale(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getBackpropMomentumScale SEE: getBackpropMomentumScale
-
-
setBackpropWeightScale(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getBackpropWeightScale SEE: getBackpropWeightScale
-
-
setBias(float) - Method in class org.opencv.photo.TonemapDrago
-
 
-
setBinaryThreshold(float) - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
setBlockSize(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setBlockSize(int) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setBoard(CharucoBoard) - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
setBoostType(int) - Method in class org.opencv.ml.Boost
-
-
getBoostType SEE: getBoostType
-
-
setC(double) - Method in class org.opencv.ml.SVM
-
-
getC SEE: getC
-
-
setCalculateVarImportance(boolean) - Method in class org.opencv.ml.RTrees
-
-
getCalculateVarImportance SEE: getCalculateVarImportance
-
-
setCameraIndex(int) - Method in class org.opencv.android.CameraBridgeViewBase
-
-
Sets the camera index
-
-
setCameraIndex(int) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
setCameraIndex(int) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
setCameraPermissionGranted() - Method in class org.opencv.android.CameraBridgeViewBase
-
-
This method is provided for clients, so they can signal camera permission has been granted.
-
-
setCameraPreviewSize(int, int) - Method in class org.opencv.android.CameraRenderer
-
 
-
setCameraTextureListener(CameraGLSurfaceView.CameraTextureListener) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
setCannyHighThresh(int) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setCannyLowThresh(int) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
SetCaptureFormat(int) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
setCharucoParameters(CharucoParameters) - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
setClassWeights(Mat) - Method in class org.opencv.ml.SVM
-
-
getClassWeights SEE: getClassWeights
-
-
setClipLimit(double) - Method in class org.opencv.imgproc.CLAHE
-
-
Sets threshold for contrast limiting.
-
-
setClustersNumber(int) - Method in class org.opencv.ml.EM
-
-
getClustersNumber SEE: getClustersNumber
-
-
setCoef0(double) - Method in class org.opencv.ml.SVM
-
-
getCoef0 SEE: getCoef0
-
-
setColorAdaptation(float) - Method in class org.opencv.photo.TonemapReinhard
-
 
-
setComplexityReductionThreshold(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the complexity reduction threshold
-
-
setConfidenceThreshold(float) - Method in class org.opencv.dnn.TextDetectionModel_EAST
-
-
Set the detection confidence threshold
-
-
setContrastThreshold(double) - Method in class org.opencv.features2d.SIFT
-
 
-
setContrastWeight(float) - Method in class org.opencv.photo.MergeMertens
-
 
-
setCovarianceMatrixType(int) - Method in class org.opencv.ml.EM
-
-
getCovarianceMatrixType SEE: getCovarianceMatrixType
-
-
setCut(boolean) - Method in class org.opencv.photo.AlignMTB
-
 
-
setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener2) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
setCVFolds(int) - Method in class org.opencv.ml.DTrees
-
-
getCVFolds SEE: getCVFolds
-
-
setDecodeOptsCTCPrefixBeamSearch(int) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Set the decoding method options for "CTC-prefix-beam-search" decode usage
-
-
setDecodeOptsCTCPrefixBeamSearch(int, int) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Set the decoding method options for "CTC-prefix-beam-search" decode usage
-
-
setDecodeType(String) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Set the decoding method of translating the network output into string
-
-
setDefaultK(int) - Method in class org.opencv.ml.KNearest
-
-
getDefaultK SEE: getDefaultK
-
-
setDegree(double) - Method in class org.opencv.ml.SVM
-
-
getDegree SEE: getDegree
-
-
setDelta(float) - Method in class org.opencv.video.VariationalRefinement
-
-
getDelta SEE: getDelta
-
-
setDelta(int) - Method in class org.opencv.features2d.MSER
-
 
-
setDescriptorChannels(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setDescriptorSize(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setDescriptorType(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setDetectorParameters(DetectorParameters) - Method in class org.opencv.objdetect.ArucoDetector
-
 
-
setDetectorParameters(DetectorParameters) - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
setDetectorParameters(QRCodeDetectorAruco_Params) - Method in class org.opencv.objdetect.QRCodeDetectorAruco
-
-
Detector parameters setter.
-
-
setDetectorScales(MatOfFloat) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Set detector box filter sizes.
-
-
setDetectShadows(boolean) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Enables or disables shadow detection
-
-
setDetectShadows(boolean) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Enables or disables shadow detection
-
-
setDictionary(Dictionary) - Method in class org.opencv.objdetect.ArucoDetector
-
-
Sets and replaces the first dictionary in internal list to be used for marker detection.
-
-
setDiffusivity(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setDiffusivity(int) - Method in class org.opencv.features2d.KAZE
-
 
-
setDisp12MaxDiff(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setDist2Threshold(double) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the threshold on the squared distance
-
-
setDownsamplingThreshold(double) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Set detector downsampling threshold.
-
-
setDp(double) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setEdgeBlurSize(int) - Method in class org.opencv.features2d.MSER
-
 
-
setEdgeFeatureCannyParameters(double, double) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
-
-
setEdgeFeatureCannyParameters(double, double, int) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
-
-
setEdgeFeatureCannyParameters(double, double, int, boolean) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
-
-
setEdgeFeatureZeroCrossingParameters() - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article.
-
-
setEdgeFeatureZeroCrossingParameters(float) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article.
-
-
setEdgeThreshold(double) - Method in class org.opencv.features2d.SIFT
-
 
-
setEdgeThreshold(int) - Method in class org.opencv.features2d.ORB
-
 
-
setEmax(int) - Method in class org.opencv.ml.KNearest
-
-
getEmax SEE: getEmax
-
-
setEnableSoftmaxPostProcessing(boolean) - Method in class org.opencv.dnn.ClassificationModel
-
-
Set enable/disable softmax post processing option.
-
-
setEpsilon(float) - Method in class org.opencv.video.VariationalRefinement
-
-
getEpsilon SEE: getEpsilon
-
-
setEpsX(double) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
sets the epsilon used during the horizontal scan of QR code stop marker detection.
-
-
setEpsY(double) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
sets the epsilon used during the vertical scan of QR code stop marker detection.
-
-
setErrorVerbosity(boolean) - Static method in class org.opencv.core.Core
-
 
-
setExceptionMode(boolean) - Method in class org.opencv.videoio.VideoCapture
-
-
Switches exceptions mode - - methods raise exceptions if not successful instead of returning an error code
-
-
setExcludeRange(int) - Method in class org.opencv.photo.AlignMTB
-
 
-
setExposureWeight(float) - Method in class org.opencv.photo.MergeMertens
-
 
-
setExtended(boolean) - Method in class org.opencv.features2d.KAZE
-
 
-
setFastPyramids(boolean) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setFastThreshold(int) - Method in class org.opencv.features2d.ORB
-
 
-
setFinestScale(int) - Method in class org.opencv.video.DISOpticalFlow
-
-
getFinestScale SEE: getFinestScale
-
-
setFirstLevel(int) - Method in class org.opencv.features2d.ORB
-
 
-
setFixedPointIterations(int) - Method in class org.opencv.video.VariationalRefinement
-
-
getFixedPointIterations SEE: getFixedPointIterations
-
-
setFlags(int) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setFlags(int) - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
setGamma(double) - Method in class org.opencv.ml.SVM
-
-
getGamma SEE: getGamma
-
-
setGamma(float) - Method in class org.opencv.photo.Tonemap
-
 
-
setGamma(float) - Method in class org.opencv.video.VariationalRefinement
-
-
getGamma SEE: getGamma
-
-
setGradientDescentIterations(int) - Method in class org.opencv.video.DISOpticalFlow
-
-
getGradientDescentIterations SEE: getGradientDescentIterations
-
-
setGradientMagnitudeMaxLimit() - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article).
-
-
setGradientMagnitudeMaxLimit(float) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article).
-
-
setGradientSize(int) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setGradientThreshold(double) - Method in class org.opencv.objdetect.BarcodeDetector
-
-
Set detector gradient magnitude threshold.
-
-
setHalideScheduler(String) - Method in class org.opencv.dnn.Net
-
-
Compile Halide layers.
-
-
setHarrisDetector(boolean) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setHistory(int) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the number of last frames that affect the background model
-
-
setHistory(int) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the number of last frames that affect the background model
-
-
setIdentity(Mat) - Static method in class org.opencv.core.Core
-
-
Initializes a scaled identity matrix.
-
-
setIdentity(Mat, Scalar) - Static method in class org.opencv.core.Core
-
-
Initializes a scaled identity matrix.
-
-
setInitialStepSize(float) - Method in class org.opencv.ml.SVMSGD
-
-
getInitialStepSize SEE: getInitialStepSize
-
-
setInput(Mat) - Method in class org.opencv.dnn.Net
-
-
Sets the new input value for the network
-
-
setInput(Mat, String) - Method in class org.opencv.dnn.Net
-
-
Sets the new input value for the network
-
-
setInput(Mat, String, double) - Method in class org.opencv.dnn.Net
-
-
Sets the new input value for the network
-
-
setInput(Mat, String, double, Scalar) - Method in class org.opencv.dnn.Net
-
-
Sets the new input value for the network
-
-
setInputCrop(boolean) - Method in class org.opencv.dnn.Model
-
-
Set flag crop for frame.
-
-
setInputMean(Scalar) - Method in class org.opencv.dnn.Model
-
-
Set mean value for frame.
-
-
setInputParams() - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputParams(double) - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputParams(double, Size) - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputParams(double, Size, Scalar) - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputParams(double, Size, Scalar, boolean) - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputParams(double, Size, Scalar, boolean, boolean) - Method in class org.opencv.dnn.Model
-
-
Set preprocessing parameters for frame.
-
-
setInputScale(Scalar) - Method in class org.opencv.dnn.Model
-
-
Set scalefactor value for frame.
-
-
setInputShape(String, MatOfInt) - Method in class org.opencv.dnn.Net
-
-
Specify shape of network input.
-
-
setInputSize(int, int) - Method in class org.opencv.dnn.Model
-
 
-
setInputSize(Size) - Method in class org.opencv.dnn.Model
-
-
Set input size for frame.
-
-
setInputSize(Size) - Method in class org.opencv.objdetect.FaceDetectorYN
-
-
Set the size for the network input, which overwrites the input size of creating model.
-
-
setInputsNames(List<String>) - Method in class org.opencv.dnn.Net
-
-
Sets outputs names of the network input pseudo layer.
-
-
setInputSwapRB(boolean) - Method in class org.opencv.dnn.Model
-
-
Set flag swapRB for frame.
-
-
setIntensity(float) - Method in class org.opencv.photo.TonemapReinhard
-
 
-
setIsClassifier(boolean) - Method in class org.opencv.ml.KNearest
-
-
getIsClassifier SEE: getIsClassifier
-
-
setIterations(int) - Method in class org.opencv.ml.LogisticRegression
-
-
getIterations SEE: getIterations
-
-
setK(double) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setKernel(int) - Method in class org.opencv.ml.SVM
-
-
Initialize with one of predefined kernels.
-
-
setkNNSamples(int) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the k in the kNN.
-
-
setLambda(float) - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
setLayerSizes(Mat) - Method in class org.opencv.ml.ANN_MLP
-
-
Integer vector specifying the number of neurons in each layer including the input and output layers.
-
-
setLearningRate(double) - Method in class org.opencv.ml.LogisticRegression
-
-
getLearningRate SEE: getLearningRate
-
-
setLegacyPattern(boolean) - Method in class org.opencv.objdetect.CharucoBoard
-
-
set legacy chessboard pattern.
-
-
setLevels(int) - Method in class org.opencv.imgproc.GeneralizedHoughBallard
-
 
-
setLevels(int) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setLightAdaptation(float) - Method in class org.opencv.photo.TonemapReinhard
-
 
-
setMarginRegularization(float) - Method in class org.opencv.ml.SVMSGD
-
-
getMarginRegularization SEE: getMarginRegularization
-
-
setMarginType(int) - Method in class org.opencv.ml.SVMSGD
-
-
getMarginType SEE: getMarginType
-
-
setMaxAngle(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setMaxArea(int) - Method in class org.opencv.features2d.MSER
-
 
-
setMaxBits(int) - Method in class org.opencv.photo.AlignMTB
-
 
-
setMaxBufferSize(int) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setMaxCameraPreviewSize(int, int) - Method in class org.opencv.android.CameraGLRendererBase
-
 
-
setMaxCameraPreviewSize(int, int) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
setMaxCandidates(int) - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
setMaxCategories(int) - Method in class org.opencv.ml.DTrees
-
-
getMaxCategories SEE: getMaxCategories
-
-
setMaxDepth(int) - Method in class org.opencv.ml.DTrees
-
-
getMaxDepth SEE: getMaxDepth
-
-
setMaxEvolution(int) - Method in class org.opencv.features2d.MSER
-
 
-
setMaxFeatures(int) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setMaxFeatures(int) - Method in class org.opencv.features2d.ORB
-
 
-
setMaxFrameSize(int, int) - Method in class org.opencv.android.CameraBridgeViewBase
-
-
This method sets the maximum size that camera frame is allowed to be.
-
-
setMaxIter(int) - Method in class org.opencv.photo.CalibrateRobertson
-
 
-
setMaxLevel(int) - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
setMaxPoints(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setMaxScale(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setMaxVariation(double) - Method in class org.opencv.features2d.MSER
-
 
-
setMinAngle(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setMinArea(int) - Method in class org.opencv.features2d.MSER
-
 
-
setMinDisparity(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setMinDist(double) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setMinDistance(double) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setMinDiversity(double) - Method in class org.opencv.features2d.MSER
-
 
-
setMinEigThreshold(double) - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
setMiniBatchSize(int) - Method in class org.opencv.ml.LogisticRegression
-
-
getMiniBatchSize SEE: getMiniBatchSize
-
-
setMinMargin(double) - Method in class org.opencv.features2d.MSER
-
 
-
setMinSampleCount(int) - Method in class org.opencv.ml.DTrees
-
-
getMinSampleCount SEE: getMinSampleCount
-
-
setMinScale(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setMode(int) - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
setNFeatures(int) - Method in class org.opencv.features2d.SIFT
-
 
-
setNLevels(int) - Method in class org.opencv.features2d.ORB
-
 
-
setNMixtures(int) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the number of gaussian components in the background model.
-
-
setNmsAcrossClasses(boolean) - Method in class org.opencv.dnn.DetectionModel
-
-
nmsAcrossClasses defaults to false, - such that when non max suppression is used during the detect() function, it will do so per-class.
-
-
setNMSThreshold(float) - Method in class org.opencv.dnn.TextDetectionModel_EAST
-
-
Set the detection NMS filter threshold
-
-
setNMSThreshold(float) - Method in class org.opencv.objdetect.FaceDetectorYN
-
-
Set the Non-maximum-suppression threshold to suppress bounding boxes that have IoU greater than the given value
-
-
setNOctaveLayers(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setNOctaveLayers(int) - Method in class org.opencv.features2d.KAZE
-
 
-
setNOctaveLayers(int) - Method in class org.opencv.features2d.SIFT
-
 
-
setNOctaves(int) - Method in class org.opencv.features2d.AKAZE
-
 
-
setNOctaves(int) - Method in class org.opencv.features2d.KAZE
-
 
-
setNonmaxSuppression(boolean) - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
setNonmaxSuppression(boolean) - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
setNSamples(int) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the number of data samples in the background model.
-
-
setNu(double) - Method in class org.opencv.ml.SVM
-
-
getNu SEE: getNu
-
-
setNumDisparities(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setNumIters(int) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setNumLevels(int) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setNumThreads(int) - Static method in class org.opencv.core.Core
-
-
OpenCV will try to set the number of threads for subsequent parallel regions.
-
-
setOctaves(int) - Method in class org.opencv.features2d.BRISK
-
-
Set detection octaves.
-
-
setOmega(float) - Method in class org.opencv.video.VariationalRefinement
-
-
getOmega SEE: getOmega
-
-
setOptimalParameters() - Method in class org.opencv.ml.SVMSGD
-
-
Function sets optimal parameters values for chosen SVM SGD model.
-
-
setOptimalParameters(int) - Method in class org.opencv.ml.SVMSGD
-
-
Function sets optimal parameters values for chosen SVM SGD model.
-
-
setOptimalParameters(int, int) - Method in class org.opencv.ml.SVMSGD
-
-
Function sets optimal parameters values for chosen SVM SGD model.
-
-
setOutputNames(List<String>) - Method in class org.opencv.dnn.Model
-
-
Set output names for frame.
-
-
setP(double) - Method in class org.opencv.ml.SVM
-
-
getP SEE: getP
-
-
setP1(int) - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
setP2(int) - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
setParam(int, int, Mat) - Method in class org.opencv.dnn.Net
-
-
Sets the new value for the learned param of the layer.
-
-
setParam(String, int, Mat) - Method in class org.opencv.dnn.Net
-
 
-
setParams(SimpleBlobDetector_Params) - Method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
setPass2Only(boolean) - Method in class org.opencv.features2d.MSER
-
 
-
setPatchSize(int) - Method in class org.opencv.features2d.ORB
-
 
-
setPatchSize(int) - Method in class org.opencv.video.DISOpticalFlow
-
-
getPatchSize SEE: getPatchSize
-
-
setPatchStride(int) - Method in class org.opencv.video.DISOpticalFlow
-
-
getPatchStride SEE: getPatchStride
-
-
setPatternScale(float) - Method in class org.opencv.features2d.BRISK
-
-
Set detection patternScale.
-
-
setPolygonThreshold(float) - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
setPolyN(int) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setPolySigma(double) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setPosThresh(int) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setPreferableBackend(int) - Method in class org.opencv.dnn.Model
-
 
-
setPreferableBackend(int) - Method in class org.opencv.dnn.Net
-
-
Ask network to use specific computation backend where it supported.
-
-
setPreferableTarget(int) - Method in class org.opencv.dnn.Model
-
 
-
setPreferableTarget(int) - Method in class org.opencv.dnn.Net
-
-
Ask network to make computations on specific target device.
-
-
setPreFilterCap(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the truncation value for prefiltered pixels.
-
-
setPreFilterCap(int) - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
setPreFilterSize(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the size of the pre-filter kernel.
-
-
setPreFilterType(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the type of pre-filtering used in the algorithm.
-
-
setPriors(Mat) - Method in class org.opencv.ml.DTrees
-
-
getPriors SEE: getPriors
-
-
setPyrScale(double) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setQualityLevel(double) - Method in class org.opencv.features2d.GFTTDetector
-
 
-
setRandom(boolean) - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
setRefineParameters(RefineParameters) - Method in class org.opencv.objdetect.ArucoDetector
-
 
-
setRefineParameters(RefineParameters) - Method in class org.opencv.objdetect.CharucoDetector
-
 
-
setRegressionAccuracy(float) - Method in class org.opencv.ml.DTrees
-
-
getRegressionAccuracy SEE: getRegressionAccuracy
-
-
setRegularization(int) - Method in class org.opencv.ml.LogisticRegression
-
-
getRegularization SEE: getRegularization
-
-
setResolution(int, int) - Method in class org.opencv.android.FpsMeter
-
 
-
setRNGSeed(int) - Static method in class org.opencv.core.Core
-
-
Sets state of default random number generator.
-
-
setROI1(Rect) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the Region of Interest (ROI) for the left image.
-
-
setROI2(Rect) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the Region of Interest (ROI) for the right image.
-
-
setRpropDW0(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getRpropDW0 SEE: getRpropDW0
-
-
setRpropDWMax(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getRpropDWMax SEE: getRpropDWMax
-
-
setRpropDWMin(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getRpropDWMin SEE: getRpropDWMin
-
-
setRpropDWMinus(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getRpropDWMinus SEE: getRpropDWMinus
-
-
setRpropDWPlus(double) - Method in class org.opencv.ml.ANN_MLP
-
-
getRpropDWPlus SEE: getRpropDWPlus
-
-
setSamples(int) - Method in class org.opencv.photo.CalibrateDebevec
-
 
-
setSaturation(float) - Method in class org.opencv.photo.TonemapDrago
-
 
-
setSaturation(float) - Method in class org.opencv.photo.TonemapMantiuk
-
 
-
setSaturationWeight(float) - Method in class org.opencv.photo.MergeMertens
-
 
-
setScale(float) - Method in class org.opencv.photo.TonemapMantiuk
-
 
-
setScaleFactor(double) - Method in class org.opencv.features2d.ORB
-
 
-
setScaleStep(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setScaleThresh(int) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
setScoreThreshold(float) - Method in class org.opencv.objdetect.FaceDetectorYN
-
-
Set the score threshold to filter out bounding boxes of score less than the given value
-
-
setScoreType(int) - Method in class org.opencv.features2d.ORB
-
 
-
setShadowThreshold(double) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the shadow threshold
-
-
setShadowThreshold(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the shadow threshold
-
-
setShadowValue(int) - Method in class org.opencv.video.BackgroundSubtractorKNN
-
-
Sets the shadow value
-
-
setShadowValue(int) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the shadow value
-
-
setSigma(double) - Method in class org.opencv.features2d.SIFT
-
 
-
setSmallerBlockSize(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the size of the smaller block used for texture check.
-
-
setSorIterations(int) - Method in class org.opencv.video.VariationalRefinement
-
-
getSorIterations SEE: getSorIterations
-
-
setSpeckleRange(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setSpeckleWindowSize(int) - Method in class org.opencv.calib3d.StereoMatcher
-
 
-
setStepDecreasingPower(float) - Method in class org.opencv.ml.SVMSGD
-
-
getStepDecreasingPower SEE: getStepDecreasingPower
-
-
setSVMDetector(Mat) - Method in class org.opencv.objdetect.HOGDescriptor
-
-
Sets coefficients for the linear SVM classifier.
-
-
setSvmsgdType(int) - Method in class org.opencv.ml.SVMSGD
-
-
getSvmsgdType SEE: getSvmsgdType
-
-
setTemplate(Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setTemplate(Mat, Mat, Mat) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setTemplate(Mat, Mat, Mat, Point) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setTemplate(Mat, Point) - Method in class org.opencv.imgproc.GeneralizedHough
-
 
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.ANN_MLP
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.EM
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.LogisticRegression
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.RTrees
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.SVM
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.ml.SVMSGD
-
-
getTermCriteria SEE: getTermCriteria
-
-
setTermCriteria(TermCriteria) - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
setTextureThreshold(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the threshold for filtering low-texture regions.
-
-
setThreshold(double) - Method in class org.opencv.features2d.AKAZE
-
 
-
setThreshold(double) - Method in class org.opencv.features2d.KAZE
-
 
-
setThreshold(float) - Method in class org.opencv.photo.CalibrateRobertson
-
 
-
setThreshold(int) - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
setThreshold(int) - Method in class org.opencv.features2d.BRISK
-
-
Set detection threshold.
-
-
setThreshold(int) - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
setTilesGridSize(Size) - Method in class org.opencv.imgproc.CLAHE
-
-
Sets size of grid for histogram equalization.
-
-
setTo(Mat) - Method in class org.opencv.core.Mat
-
 
-
setTo(Mat, Mat) - Method in class org.opencv.core.Mat
-
 
-
setTo(Scalar) - Method in class org.opencv.core.Mat
-
 
-
setTo(Scalar, Mat) - Method in class org.opencv.core.Mat
-
 
-
setTopK(int) - Method in class org.opencv.objdetect.FaceDetectorYN
-
-
Set the number of bounding boxes preserved before NMS
-
-
setTrainMethod(int) - Method in class org.opencv.ml.ANN_MLP
-
-
Sets training method and common parameters.
-
-
setTrainMethod(int) - Method in class org.opencv.ml.LogisticRegression
-
-
getTrainMethod SEE: getTrainMethod
-
-
setTrainMethod(int, double) - Method in class org.opencv.ml.ANN_MLP
-
-
Sets training method and common parameters.
-
-
setTrainMethod(int, double, double) - Method in class org.opencv.ml.ANN_MLP
-
-
Sets training method and common parameters.
-
-
setTrainTestSplit(int) - Method in class org.opencv.ml.TrainData
-
-
Splits the training data into the training and test parts - SEE: TrainData::setTrainTestSplitRatio
-
-
setTrainTestSplit(int, boolean) - Method in class org.opencv.ml.TrainData
-
-
Splits the training data into the training and test parts - SEE: TrainData::setTrainTestSplitRatio
-
-
setTrainTestSplitRatio(double) - Method in class org.opencv.ml.TrainData
-
-
Splits the training data into the training and test parts - - The function selects a subset of specified relative size and then returns it as the training - set.
-
-
setTrainTestSplitRatio(double, boolean) - Method in class org.opencv.ml.TrainData
-
-
Splits the training data into the training and test parts - - The function selects a subset of specified relative size and then returns it as the training - set.
-
-
setTruncatePrunedTree(boolean) - Method in class org.opencv.ml.DTrees
-
-
getTruncatePrunedTree SEE: getTruncatePrunedTree
-
-
setType(int) - Method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
setType(int) - Method in class org.opencv.features2d.FastFeatureDetector
-
 
-
setType(int) - Method in class org.opencv.ml.SVM
-
-
getType SEE: getType
-
-
setUnclipRatio(double) - Method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
setUniquenessRatio(int) - Method in class org.opencv.calib3d.StereoBM
-
-
Sets the uniqueness ratio for filtering ambiguous matches.
-
-
setUniquenessRatio(int) - Method in class org.opencv.calib3d.StereoSGBM
-
 
-
setUpright(boolean) - Method in class org.opencv.features2d.KAZE
-
 
-
setUse1SERule(boolean) - Method in class org.opencv.ml.DTrees
-
-
getUse1SERule SEE: getUse1SERule
-
-
setUseAlignmentMarkers(boolean) - Method in class org.opencv.objdetect.QRCodeDetector
-
-
use markers to improve the position of the corners of the QR code - - alignmentMarkers using by default
-
-
setUseIPP(boolean) - Static method in class org.opencv.core.Core
-
 
-
setUseIPP_NotExact(boolean) - Static method in class org.opencv.core.Core
-
 
-
setUseMeanNormalization(boolean) - Method in class org.opencv.video.DISOpticalFlow
-
-
getUseMeanNormalization SEE: getUseMeanNormalization
-
-
setUseOptimized(boolean) - Static method in class org.opencv.core.Core
-
-
Enables or disables the optimized code.
-
-
setUseSpatialPropagation(boolean) - Method in class org.opencv.video.DISOpticalFlow
-
-
getUseSpatialPropagation SEE: getUseSpatialPropagation
-
-
setUseSurrogates(boolean) - Method in class org.opencv.ml.DTrees
-
-
getUseSurrogates SEE: getUseSurrogates
-
-
setV(T) - Method in interface org.opencv.core.Mat.Atable
-
 
-
setV2c(Mat.Tuple2<T>) - Method in interface org.opencv.core.Mat.Atable
-
 
-
setV3c(Mat.Tuple3<T>) - Method in interface org.opencv.core.Mat.Atable
-
 
-
setV4c(Mat.Tuple4<T>) - Method in interface org.opencv.core.Mat.Atable
-
 
-
setVariationalRefinementAlpha(float) - Method in class org.opencv.video.DISOpticalFlow
-
-
getVariationalRefinementAlpha SEE: getVariationalRefinementAlpha
-
-
setVariationalRefinementDelta(float) - Method in class org.opencv.video.DISOpticalFlow
-
-
getVariationalRefinementDelta SEE: getVariationalRefinementDelta
-
-
setVariationalRefinementEpsilon(float) - Method in class org.opencv.video.DISOpticalFlow
-
-
getVariationalRefinementEpsilon SEE: getVariationalRefinementEpsilon
-
-
setVariationalRefinementGamma(float) - Method in class org.opencv.video.DISOpticalFlow
-
-
getVariationalRefinementGamma SEE: getVariationalRefinementGamma
-
-
setVariationalRefinementIterations(int) - Method in class org.opencv.video.DISOpticalFlow
-
-
getGradientDescentIterations SEE: getGradientDescentIterations
-
-
setVarInit(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the initial variance of each gaussian component
-
-
setVarMax(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
 
-
setVarMin(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
 
-
setVarThreshold(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the variance threshold for the pixel-model match
-
-
setVarThresholdGen(double) - Method in class org.opencv.video.BackgroundSubtractorMOG2
-
-
Sets the variance threshold for the pixel-model match used for new mixture component generation
-
-
setViewParams(MatOfFloat, MatOfFloat) - Method in class org.opencv.features2d.AffineFeature
-
 
-
setVocabulary(List<String>) - Method in class org.opencv.dnn.TextRecognitionModel
-
-
Set the vocabulary for recognition.
-
-
setVocabulary(Mat) - Method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
-
Sets a visual vocabulary.
-
-
setVotesThreshold(int) - Method in class org.opencv.imgproc.GeneralizedHoughBallard
-
 
-
setWeakCount(int) - Method in class org.opencv.ml.Boost
-
-
getWeakCount SEE: getWeakCount
-
-
setWeights(float, float, float) - Method in class org.opencv.imgproc.IntelligentScissorsMB
-
-
Specify weights of feature functions - - Consider keeping weights normalized (sum of weights equals to 1.0) - Discrete dynamic programming (DP) goal is minimization of costs between pixels.
-
-
setWeightTrimRate(double) - Method in class org.opencv.ml.Boost
-
-
getWeightTrimRate SEE: getWeightTrimRate
-
-
setWinSize(int) - Method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
setWinSize(Size) - Method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
setWTA_K(int) - Method in class org.opencv.features2d.ORB
-
 
-
setXi(double) - Method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
SGD - Static variable in class org.opencv.ml.SVMSGD
-
 
-
shift(int) - Method in class org.opencv.core.Range
-
 
-
shiftMat(Mat, Mat, Point) - Method in class org.opencv.photo.AlignMTB
-
-
Helper function, that shift Mat filling new regions with zeros.
-
-
shrinkCaffeModel(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Convert all weights of Caffe network to half precision floating point.
-
-
shrinkCaffeModel(String, String, List<String>) - Static method in class org.opencv.dnn.Dnn
-
-
Convert all weights of Caffe network to half precision floating point.
-
-
shuffleTrainTest() - Method in class org.opencv.ml.TrainData
-
 
-
SIFT - Class in org.opencv.features2d
-
-
Class for extracting keypoints and computing descriptors using the Scale Invariant Feature Transform - (SIFT) algorithm by D.
-
-
SIGMOID - Static variable in class org.opencv.ml.SVM
-
 
-
SIGMOID_SYM - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
SimpleBlobDetector - Class in org.opencv.features2d
-
-
Class for extracting blobs from an image.
-
-
SimpleBlobDetector_Params - Class in org.opencv.features2d
-
 
-
SimpleBlobDetector_Params() - Constructor for class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
size - Variable in class org.opencv.core.KeyPoint
-
-
Diameter of the useful keypoint adjacent area.
-
-
size - Variable in class org.opencv.core.RotatedRect
-
 
-
size() - Method in class org.opencv.core.Mat
-
 
-
size() - Method in class org.opencv.core.Range
-
 
-
size() - Method in class org.opencv.core.Rect
-
 
-
size() - Method in class org.opencv.core.Rect2d
-
 
-
size(int) - Method in class org.opencv.core.Mat
-
 
-
Size - Class in org.opencv.core
-
 
-
Size() - Constructor for class org.opencv.core.Size
-
 
-
Size(double[]) - Constructor for class org.opencv.core.Size
-
 
-
Size(double, double) - Constructor for class org.opencv.core.Size
-
 
-
Size(Point) - Constructor for class org.opencv.core.Size
-
 
-
Sobel(Mat, Mat, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator.
-
-
Sobel(Mat, Mat, int, int, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator.
-
-
Sobel(Mat, Mat, int, int, int, int, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator.
-
-
Sobel(Mat, Mat, int, int, int, int, double, double) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator.
-
-
Sobel(Mat, Mat, int, int, int, int, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator.
-
-
SOFT_MARGIN - Static variable in class org.opencv.ml.SVMSGD
-
 
-
softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt) - Static method in class org.opencv.dnn.Dnn
-
-
Performs soft non maximum suppression given boxes and corresponding scores.
-
-
softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt, long) - Static method in class org.opencv.dnn.Dnn
-
-
Performs soft non maximum suppression given boxes and corresponding scores.
-
-
softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt, long, float) - Static method in class org.opencv.dnn.Dnn
-
-
Performs soft non maximum suppression given boxes and corresponding scores.
-
-
SoftNMSMethod_SOFTNMS_GAUSSIAN - Static variable in class org.opencv.dnn.Dnn
-
 
-
SoftNMSMethod_SOFTNMS_LINEAR - Static variable in class org.opencv.dnn.Dnn
-
 
-
solve(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Solves one or more linear systems or least-squares problems.
-
-
solve(Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Solves one or more linear systems or least-squares problems.
-
-
solveCubic(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Finds the real roots of a cubic equation.
-
-
solveP3P(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3 3D-2D point correspondences.
-
-
solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: - - - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution.
-
-
solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: - - - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution.
-
-
solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: - - - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution.
-
-
SOLVEPNP_AP3P - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_DLS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_EPNP - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_IPPE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_IPPE_SQUARE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_ITERATIVE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_MAX_COUNT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_P3P - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_SQPNP - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
SOLVEPNP_UPNP - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, boolean, int, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, boolean, int, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPGeneric(Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, boolean, int, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches.
-
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, Mat, UsacParams) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
solvePnPRefineLM(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution.
-
-
solvePnPRefineLM(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution.
-
-
solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution.
-
-
solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution.
-
-
solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution.
-
-
solvePoly(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Finds the real or complex roots of a polynomial equation.
-
-
solvePoly(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Finds the real or complex roots of a polynomial equation.
-
-
sort(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Sorts each row or each column of a matrix.
-
-
SORT_ASCENDING - Static variable in class org.opencv.core.Core
-
 
-
SORT_DESCENDING - Static variable in class org.opencv.core.Core
-
 
-
SORT_EVERY_COLUMN - Static variable in class org.opencv.core.Core
-
 
-
SORT_EVERY_ROW - Static variable in class org.opencv.core.Core
-
 
-
sortIdx(Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Sorts each row or each column of a matrix.
-
-
SparseOpticalFlow - Class in org.opencv.video
-
-
Base interface for sparse optical flow algorithms.
-
-
SparsePyrLKOpticalFlow - Class in org.opencv.video
-
-
Class used for calculating a sparse optical flow.
-
-
spatialGradient(Mat, Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
-
-
spatialGradient(Mat, Mat, Mat, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
-
-
spatialGradient(Mat, Mat, Mat, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
-
-
split(Mat, List<Mat>) - Static method in class org.opencv.core.Core
-
 
-
sqrBoxFilter(Mat, Mat, int, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the normalized sum of squares of the pixel values overlapping the filter.
-
-
sqrBoxFilter(Mat, Mat, int, Size, Point) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the normalized sum of squares of the pixel values overlapping the filter.
-
-
sqrBoxFilter(Mat, Mat, int, Size, Point, boolean) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the normalized sum of squares of the pixel values overlapping the filter.
-
-
sqrBoxFilter(Mat, Mat, int, Size, Point, boolean, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Calculates the normalized sum of squares of the pixel values overlapping the filter.
-
-
sqrt(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates a square root of array elements.
-
-
stackBlur(Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Blurs an image using the stackBlur.
-
-
start - Variable in class org.opencv.core.Range
-
 
-
start() - Method in class org.opencv.core.TickMeter
-
 
-
START_AUTO_STEP - Static variable in class org.opencv.ml.EM
-
 
-
START_E_STEP - Static variable in class org.opencv.ml.EM
-
 
-
START_M_STEP - Static variable in class org.opencv.ml.EM
-
 
-
StatModel - Class in org.opencv.ml
-
-
Base class for statistical models in OpenCV ML.
-
-
step1() - Method in class org.opencv.core.Mat
-
 
-
step1(int) - Method in class org.opencv.core.Mat
-
 
-
StereoBM - Class in org.opencv.calib3d
-
-
Class for computing stereo correspondence using the block matching algorithm, introduced and contributed to OpenCV by K.
-
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrate(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
stereoCalibrateExtended(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calibrates a stereo camera set up.
-
-
stereoCalibrateExtended(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calibrates a stereo camera set up.
-
-
stereoCalibrateExtended(List<Mat>, List<Mat>, List<Mat>, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List<Mat>, List<Mat>, Mat, int, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Calibrates a stereo camera set up.
-
-
StereoMatcher - Class in org.opencv.calib3d
-
-
The base class for stereo correspondence algorithms.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size, Rect) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size, Rect, Rect) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes rectification transforms for each head of a calibrated stereo camera.
-
-
stereoRectifyUncalibrated(Mat, Mat, Mat, Size, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes a rectification transform for an uncalibrated stereo camera.
-
-
stereoRectifyUncalibrated(Mat, Mat, Mat, Size, Mat, Mat, double) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes a rectification transform for an uncalibrated stereo camera.
-
-
StereoSGBM - Class in org.opencv.calib3d
-
-
The class implements the modified H.
-
-
stop() - Method in class org.opencv.core.TickMeter
-
 
-
StsAssert - Static variable in class org.opencv.core.Core
-
 
-
StsAutoTrace - Static variable in class org.opencv.core.Core
-
 
-
StsBackTrace - Static variable in class org.opencv.core.Core
-
 
-
StsBadArg - Static variable in class org.opencv.core.Core
-
 
-
StsBadFlag - Static variable in class org.opencv.core.Core
-
 
-
StsBadFunc - Static variable in class org.opencv.core.Core
-
 
-
StsBadMask - Static variable in class org.opencv.core.Core
-
 
-
StsBadMemBlock - Static variable in class org.opencv.core.Core
-
 
-
StsBadPoint - Static variable in class org.opencv.core.Core
-
 
-
StsBadSize - Static variable in class org.opencv.core.Core
-
 
-
StsDivByZero - Static variable in class org.opencv.core.Core
-
 
-
StsError - Static variable in class org.opencv.core.Core
-
 
-
StsFilterOffsetErr - Static variable in class org.opencv.core.Core
-
 
-
StsFilterStructContentErr - Static variable in class org.opencv.core.Core
-
 
-
StsInplaceNotSupported - Static variable in class org.opencv.core.Core
-
 
-
StsInternal - Static variable in class org.opencv.core.Core
-
 
-
StsKernelStructContentErr - Static variable in class org.opencv.core.Core
-
 
-
StsNoConv - Static variable in class org.opencv.core.Core
-
 
-
StsNoMem - Static variable in class org.opencv.core.Core
-
 
-
StsNotImplemented - Static variable in class org.opencv.core.Core
-
 
-
StsNullPtr - Static variable in class org.opencv.core.Core
-
 
-
StsObjectNotFound - Static variable in class org.opencv.core.Core
-
 
-
StsOk - Static variable in class org.opencv.core.Core
-
 
-
StsOutOfRange - Static variable in class org.opencv.core.Core
-
 
-
StsParseError - Static variable in class org.opencv.core.Core
-
 
-
StsUnmatchedFormats - Static variable in class org.opencv.core.Core
-
 
-
StsUnmatchedSizes - Static variable in class org.opencv.core.Core
-
 
-
StsUnsupportedFormat - Static variable in class org.opencv.core.Core
-
 
-
StsVecLengthErr - Static variable in class org.opencv.core.Core
-
 
-
stylization(Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
-
-
stylization(Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
-
-
stylization(Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
-
-
Subdiv2D - Class in org.opencv.imgproc
-
 
-
Subdiv2D() - Constructor for class org.opencv.imgproc.Subdiv2D
-
-
creates an empty Subdiv2D object.
-
-
Subdiv2D(Rect) - Constructor for class org.opencv.imgproc.Subdiv2D
-
 
-
submat(int, int, int, int) - Method in class org.opencv.core.Mat
-
 
-
submat(Range[]) - Method in class org.opencv.core.Mat
-
 
-
submat(Range, Range) - Method in class org.opencv.core.Mat
-
 
-
submat(Rect) - Method in class org.opencv.core.Mat
-
 
-
subtract(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element difference between two arrays or array and a scalar.
-
-
subtract(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element difference between two arrays or array and a scalar.
-
-
subtract(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
Calculates the per-element difference between two arrays or array and a scalar.
-
-
subtract(Mat, Scalar, Mat) - Static method in class org.opencv.core.Core
-
 
-
subtract(Mat, Scalar, Mat, Mat) - Static method in class org.opencv.core.Core
-
 
-
subtract(Mat, Scalar, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
 
-
sumElems(Mat) - Static method in class org.opencv.core.Core
-
-
Calculates the sum of array elements.
-
-
surfaceChanged(SurfaceHolder, int, int, int) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
surfaceChanged(SurfaceHolder, int, int, int) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
surfaceCreated(SurfaceHolder) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
surfaceCreated(SurfaceHolder) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
surfaceDestroyed(SurfaceHolder) - Method in class org.opencv.android.CameraBridgeViewBase
-
 
-
surfaceDestroyed(SurfaceHolder) - Method in class org.opencv.android.CameraGLSurfaceView
-
 
-
SVBackSubst(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap SVD::backSubst
-
-
SVD_FULL_UV - Static variable in class org.opencv.core.Core
-
 
-
SVD_MODIFY_A - Static variable in class org.opencv.core.Core
-
 
-
SVD_NO_UV - Static variable in class org.opencv.core.Core
-
 
-
SVDecomp(Mat, Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
wrap SVD::compute
-
-
SVDecomp(Mat, Mat, Mat, Mat, int) - Static method in class org.opencv.core.Core
-
-
wrap SVD::compute
-
-
SVM - Class in org.opencv.ml
-
-
Support Vector Machines.
-
-
SVMSGD - Class in org.opencv.ml
-
-
*************************************************************************************\ - Stochastic Gradient Descent SVM Classifier * - \***************************************************************************************
-
-
symEdge(int) - Method in class org.opencv.imgproc.Subdiv2D
-
 
-
-

T

-
-
t() - Method in class org.opencv.core.Mat
-
 
-
TAG - Static variable in class org.opencv.android.NativeCameraView
-
 
-
TermCriteria - Class in org.opencv.core
-
 
-
TermCriteria() - Constructor for class org.opencv.core.TermCriteria
-
-
Termination criteria for iterative algorithms.
-
-
TermCriteria(double[]) - Constructor for class org.opencv.core.TermCriteria
-
 
-
TermCriteria(int, int, double) - Constructor for class org.opencv.core.TermCriteria
-
-
Termination criteria for iterative algorithms.
-
-
TEST_ERROR - Static variable in class org.opencv.ml.Ml
-
 
-
TextDetectionModel - Class in org.opencv.dnn
-
-
Base class for text detection networks
-
-
TextDetectionModel_DB - Class in org.opencv.dnn
-
-
This class represents high-level API for text detection DL networks compatible with DB model.
-
-
TextDetectionModel_DB(String) - Constructor for class org.opencv.dnn.TextDetectionModel_DB
-
-
Create text detection model from network represented in one of the supported formats.
-
-
TextDetectionModel_DB(String, String) - Constructor for class org.opencv.dnn.TextDetectionModel_DB
-
-
Create text detection model from network represented in one of the supported formats.
-
-
TextDetectionModel_DB(Net) - Constructor for class org.opencv.dnn.TextDetectionModel_DB
-
-
Create text detection algorithm from deep learning network.
-
-
TextDetectionModel_EAST - Class in org.opencv.dnn
-
-
This class represents high-level API for text detection DL networks compatible with EAST model.
-
-
TextDetectionModel_EAST(String) - Constructor for class org.opencv.dnn.TextDetectionModel_EAST
-
-
Create text detection model from network represented in one of the supported formats.
-
-
TextDetectionModel_EAST(String, String) - Constructor for class org.opencv.dnn.TextDetectionModel_EAST
-
-
Create text detection model from network represented in one of the supported formats.
-
-
TextDetectionModel_EAST(Net) - Constructor for class org.opencv.dnn.TextDetectionModel_EAST
-
-
Create text detection algorithm from deep learning network
-
-
TextRecognitionModel - Class in org.opencv.dnn
-
-
This class represents high-level API for text recognition networks.
-
-
TextRecognitionModel(String) - Constructor for class org.opencv.dnn.TextRecognitionModel
-
-
Create text recognition model from network represented in one of the supported formats - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
-
-
TextRecognitionModel(String, String) - Constructor for class org.opencv.dnn.TextRecognitionModel
-
-
Create text recognition model from network represented in one of the supported formats - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
-
-
TextRecognitionModel(Net) - Constructor for class org.opencv.dnn.TextRecognitionModel
-
-
Create Text Recognition model from deep learning network - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
-
-
textureFlattening(Mat, Mat, Mat) - Static method in class org.opencv.photo.Photo
-
-
By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
-
-
textureFlattening(Mat, Mat, Mat, float) - Static method in class org.opencv.photo.Photo
-
-
By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
-
-
textureFlattening(Mat, Mat, Mat, float, float) - Static method in class org.opencv.photo.Photo
-
-
By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
-
-
textureFlattening(Mat, Mat, Mat, float, float, int) - Static method in class org.opencv.photo.Photo
-
-
By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
-
-
THRESH_BINARY - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_BINARY_INV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_DRYRUN - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_MASK - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_OTSU - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_TOZERO - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_TOZERO_INV - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_TRIANGLE - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
THRESH_TRUNC - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
threshold(Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a fixed-level threshold to each array element.
-
-
THRESHOLD - Static variable in class org.opencv.features2d.AgastFeatureDetector
-
 
-
THRESHOLD - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
thresholdWithMask(Mat, Mat, Mat, double, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Same as #threshold, but with an optional mask - - Note: If the mask is empty, #thresholdWithMask is equivalent to #threshold.
-
-
TickMeter - Class in org.opencv.core
-
-
a Class to measure passing time.
-
-
TickMeter() - Constructor for class org.opencv.core.TickMeter
-
 
-
tl() - Method in class org.opencv.core.Rect
-
 
-
tl() - Method in class org.opencv.core.Rect2d
-
 
-
TM_CCOEFF - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
TM_CCOEFF_NORMED - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
TM_CCORR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
TM_CCORR_NORMED - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
TM_SQDIFF - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
TM_SQDIFF_NORMED - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
toArray() - Method in class org.opencv.core.MatOfByte
-
 
-
toArray() - Method in class org.opencv.core.MatOfDMatch
-
 
-
toArray() - Method in class org.opencv.core.MatOfDouble
-
 
-
toArray() - Method in class org.opencv.core.MatOfFloat
-
 
-
toArray() - Method in class org.opencv.core.MatOfFloat4
-
 
-
toArray() - Method in class org.opencv.core.MatOfFloat6
-
 
-
toArray() - Method in class org.opencv.core.MatOfInt
-
 
-
toArray() - Method in class org.opencv.core.MatOfInt4
-
 
-
toArray() - Method in class org.opencv.core.MatOfKeyPoint
-
 
-
toArray() - Method in class org.opencv.core.MatOfPoint
-
 
-
toArray() - Method in class org.opencv.core.MatOfPoint2f
-
 
-
toArray() - Method in class org.opencv.core.MatOfPoint3
-
 
-
toArray() - Method in class org.opencv.core.MatOfPoint3f
-
 
-
toArray() - Method in class org.opencv.core.MatOfRect
-
 
-
toArray() - Method in class org.opencv.core.MatOfRect2d
-
 
-
toArray() - Method in class org.opencv.core.MatOfRotatedRect
-
 
-
toList() - Method in class org.opencv.core.MatOfByte
-
 
-
toList() - Method in class org.opencv.core.MatOfDMatch
-
 
-
toList() - Method in class org.opencv.core.MatOfDouble
-
 
-
toList() - Method in class org.opencv.core.MatOfFloat
-
 
-
toList() - Method in class org.opencv.core.MatOfFloat4
-
 
-
toList() - Method in class org.opencv.core.MatOfFloat6
-
 
-
toList() - Method in class org.opencv.core.MatOfInt
-
 
-
toList() - Method in class org.opencv.core.MatOfInt4
-
 
-
toList() - Method in class org.opencv.core.MatOfKeyPoint
-
 
-
toList() - Method in class org.opencv.core.MatOfPoint
-
 
-
toList() - Method in class org.opencv.core.MatOfPoint2f
-
 
-
toList() - Method in class org.opencv.core.MatOfPoint3
-
 
-
toList() - Method in class org.opencv.core.MatOfPoint3f
-
 
-
toList() - Method in class org.opencv.core.MatOfRect
-
 
-
toList() - Method in class org.opencv.core.MatOfRect2d
-
 
-
toList() - Method in class org.opencv.core.MatOfRotatedRect
-
 
-
Tonemap - Class in org.opencv.photo
-
-
Base class for tonemapping algorithms - tools that are used to map HDR image to 8-bit range.
-
-
TonemapDrago - Class in org.opencv.photo
-
-
Adaptive logarithmic mapping is a fast global tonemapping algorithm that scales the image in - logarithmic domain.
-
-
TonemapMantiuk - Class in org.opencv.photo
-
-
This algorithm transforms image to contrast using gradients on all levels of gaussian pyramid, - transforms contrast values to HVS response and scales the response.
-
-
TonemapReinhard - Class in org.opencv.photo
-
-
This is a global tonemapping operator that models human visual system.
-
-
toString() - Method in exception org.opencv.core.CvException
-
 
-
toString() - Method in class org.opencv.core.DMatch
-
 
-
toString() - Method in class org.opencv.core.KeyPoint
-
 
-
toString() - Method in class org.opencv.core.Mat
-
 
-
toString() - Method in class org.opencv.core.Point
-
 
-
toString() - Method in class org.opencv.core.Point3
-
 
-
toString() - Method in class org.opencv.core.Range
-
 
-
toString() - Method in class org.opencv.core.Rect
-
 
-
toString() - Method in class org.opencv.core.Rect2d
-
 
-
toString() - Method in class org.opencv.core.RotatedRect
-
 
-
toString() - Method in class org.opencv.core.Scalar
-
 
-
toString() - Method in class org.opencv.core.Size
-
 
-
toString() - Method in class org.opencv.core.TermCriteria
-
 
-
toString() - Method in class org.opencv.imgproc.Moments
-
 
-
total() - Method in class org.opencv.core.Mat
-
 
-
trace(Mat) - Static method in class org.opencv.core.Core
-
-
Returns the trace of a matrix.
-
-
Tracker - Class in org.opencv.video
-
-
Base abstract class for the long-term tracker
-
-
TrackerDaSiamRPN - Class in org.opencv.video
-
 
-
TrackerDaSiamRPN_Params - Class in org.opencv.video
-
 
-
TrackerDaSiamRPN_Params() - Constructor for class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
TrackerGOTURN - Class in org.opencv.video
-
-
the GOTURN (Generic Object Tracking Using Regression Networks) tracker - - GOTURN (CITE: GOTURN) is kind of trackers based on Convolutional Neural Networks (CNN).
-
-
TrackerGOTURN_Params - Class in org.opencv.video
-
 
-
TrackerGOTURN_Params() - Constructor for class org.opencv.video.TrackerGOTURN_Params
-
 
-
TrackerMIL - Class in org.opencv.video
-
-
The MIL algorithm trains a classifier in an online manner to separate the object from the - background.
-
-
TrackerMIL_Params - Class in org.opencv.video
-
 
-
TrackerMIL_Params() - Constructor for class org.opencv.video.TrackerMIL_Params
-
 
-
TrackerNano - Class in org.opencv.video
-
-
the Nano tracker is a super lightweight dnn-based general object tracking.
-
-
TrackerNano_Params - Class in org.opencv.video
-
 
-
TrackerNano_Params() - Constructor for class org.opencv.video.TrackerNano_Params
-
 
-
TrackerSamplerCSC_MODE_DETECT - Static variable in class org.opencv.video.Video
-
 
-
TrackerSamplerCSC_MODE_INIT_NEG - Static variable in class org.opencv.video.Video
-
 
-
TrackerSamplerCSC_MODE_INIT_POS - Static variable in class org.opencv.video.Video
-
 
-
TrackerSamplerCSC_MODE_TRACK_NEG - Static variable in class org.opencv.video.Video
-
 
-
TrackerSamplerCSC_MODE_TRACK_POS - Static variable in class org.opencv.video.Video
-
 
-
TrackerVit - Class in org.opencv.video
-
-
the VIT tracker is a super lightweight dnn-based general object tracking.
-
-
TrackerVit_Params - Class in org.opencv.video
-
 
-
TrackerVit_Params() - Constructor for class org.opencv.video.TrackerVit_Params
-
 
-
train() - Method in class org.opencv.features2d.DescriptorMatcher
-
-
Trains a descriptor matcher - - Trains a descriptor matcher (for example, the flann index).
-
-
train(Mat, int, Mat) - Method in class org.opencv.ml.StatModel
-
-
Trains the statistical model
-
-
train(TrainData) - Method in class org.opencv.ml.StatModel
-
-
Trains the statistical model
-
-
train(TrainData, int) - Method in class org.opencv.ml.StatModel
-
-
Trains the statistical model
-
-
TRAIN_ERROR - Static variable in class org.opencv.ml.Ml
-
 
-
trainAuto(Mat, int, Mat) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, boolean) - Method in class org.opencv.ml.SVM
-
-
Trains an %SVM with optimal parameters
-
-
TrainData - Class in org.opencv.ml
-
-
Class encapsulating training data.
-
-
trainE(Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainE(Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainE(Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainE(Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainE(Mat, Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainE(Mat, Mat, Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainEM(Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainEM(Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainEM(Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainEM(Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainIdx - Variable in class org.opencv.core.DMatch
-
-
Train descriptor index.
-
-
trainM(Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainM(Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainM(Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
trainM(Mat, Mat, Mat, Mat, Mat) - Method in class org.opencv.ml.EM
-
-
Estimate the Gaussian mixture parameters from a samples set.
-
-
transform(Mat, Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Performs the matrix transformation of every array element.
-
-
transpose(Mat, Mat) - Static method in class org.opencv.core.Core
-
-
Transposes a matrix.
-
-
transposeND(Mat, MatOfInt, Mat) - Static method in class org.opencv.core.Core
-
-
Transpose for n-dimensional matrices.
-
-
triangulatePoints(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
This function reconstructs 3-dimensional points (in homogeneous coordinates) by using - their observations with a stereo camera.
-
-
Tuple2(T, T) - Constructor for class org.opencv.core.Mat.Tuple2
-
 
-
Tuple3(T, T, T) - Constructor for class org.opencv.core.Mat.Tuple3
-
 
-
Tuple4(T, T, T, T) - Constructor for class org.opencv.core.Mat.Tuple4
-
 
-
type - Variable in class org.opencv.core.TermCriteria
-
 
-
type() - Method in class org.opencv.core.Mat
-
 
-
TYPE_5_8 - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
TYPE_7_12 - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
TYPE_9_16 - Static variable in class org.opencv.features2d.FastFeatureDetector
-
 
-
typeToString(int) - Static method in class org.opencv.core.CvType
-
 
-
-

U

-
-
undistort(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Transforms an image to compensate for lens distortion.
-
-
undistort(Mat, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Transforms an image to compensate for lens distortion.
-
-
undistortImagePoints(Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Compute undistorted image points position
-
-
undistortImagePoints(Mat, Mat, Mat, Mat, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Compute undistorted image points position
-
-
undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes the ideal point coordinates from the observed point coordinates.
-
-
undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes the ideal point coordinates from the observed point coordinates.
-
-
undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat, Mat, Mat) - Static method in class org.opencv.calib3d.Calib3d
-
-
Computes the ideal point coordinates from the observed point coordinates.
-
-
undistortPointsIter(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria) - Static method in class org.opencv.calib3d.Calib3d
-
-
Note: Default version of #undistortPoints does 5 iterations to compute undistorted points.
-
-
update(Mat, Rect) - Method in class org.opencv.video.Tracker
-
-
Update the tracker, find the new most likely bounding box for the target
-
-
UPDATE_MODEL - Static variable in class org.opencv.ml.StatModel
-
 
-
UPDATE_WEIGHTS - Static variable in class org.opencv.ml.ANN_MLP
-
 
-
USAC_ACCURATE - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_DEFAULT - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_FAST - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_FM_8PTS - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_MAGSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_PARALLEL - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
USAC_PROSAC - Static variable in class org.opencv.calib3d.Calib3d
-
 
-
UsacParams - Class in org.opencv.calib3d
-
 
-
UsacParams() - Constructor for class org.opencv.calib3d.UsacParams
-
 
-
useIPP() - Static method in class org.opencv.core.Core
-
-
proxy for hal::Cholesky
-
-
useIPP_NotExact() - Static method in class org.opencv.core.Core
-
 
-
useOptimized() - Static method in class org.opencv.core.Core
-
-
Returns the status of optimized code usage.
-
-
Utils - Class in org.opencv.android
-
 
-
Utils() - Constructor for class org.opencv.android.Utils
-
 
-
-

V

-
-
val - Variable in class org.opencv.core.Scalar
-
 
-
validateDisparity(Mat, Mat, int, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
validateDisparity(Mat, Mat, int, int, int) - Static method in class org.opencv.calib3d.Calib3d
-
 
-
VAR_CATEGORICAL - Static variable in class org.opencv.ml.Ml
-
 
-
VAR_NUMERICAL - Static variable in class org.opencv.ml.Ml
-
 
-
VAR_ORDERED - Static variable in class org.opencv.ml.Ml
-
 
-
VariationalRefinement - Class in org.opencv.video
-
-
Variational optical flow refinement - - This class implements variational refinement of the input flow field, i.e.
-
-
vconcat(List<Mat>, Mat) - Static method in class org.opencv.core.Core
-
-
- std::vector<cv::Mat> matrices = { cv::Mat(1, 4, CV_8UC1, cv::Scalar(1)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(2)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::vconcat( matrices, out ); - //out: - //[1, 1, 1, 1; - // 2, 2, 2, 2; - // 3, 3, 3, 3] -
-
-
vector_char_to_Mat(List<Byte>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_DMatch_to_Mat(List<DMatch>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_double_to_Mat(List<Double>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_float_to_Mat(List<Float>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_int_to_Mat(List<Integer>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_KeyPoint_to_Mat(List<KeyPoint>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Mat_to_Mat(List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point_to_Mat(List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point_to_Mat(List<Point>, int) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point2d_to_Mat(List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point2f_to_Mat(List<Point>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point3_to_Mat(List<Point3>, int) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point3d_to_Mat(List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point3f_to_Mat(List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Point3i_to_Mat(List<Point3>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Rect_to_Mat(List<Rect>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_Rect2d_to_Mat(List<Rect2d>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_RotatedRect_to_Mat(List<RotatedRect>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_uchar_to_Mat(List<Byte>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_char_to_Mat(List<MatOfByte>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_DMatch_to_Mat(List<MatOfDMatch>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_KeyPoint_to_Mat(List<MatOfKeyPoint>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_Point_to_Mat(List<MatOfPoint>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_Point2f_to_Mat(List<MatOfPoint2f>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
vector_vector_Point3f_to_Mat(List<MatOfPoint3f>, List<Mat>) - Static method in class org.opencv.utils.Converters
-
 
-
VERSION - Static variable in class org.opencv.core.Core
-
 
-
VERSION_MAJOR - Static variable in class org.opencv.core.Core
-
 
-
VERSION_MINOR - Static variable in class org.opencv.core.Core
-
 
-
VERSION_REVISION - Static variable in class org.opencv.core.Core
-
 
-
VERSION_STATUS - Static variable in class org.opencv.core.Core
-
 
-
Video - Class in org.opencv.video
-
 
-
Video() - Constructor for class org.opencv.video.Video
-
 
-
VIDEO_ACCELERATION_ANY - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEO_ACCELERATION_D3D11 - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEO_ACCELERATION_MFX - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEO_ACCELERATION_NONE - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEO_ACCELERATION_VAAPI - Static variable in class org.opencv.videoio.Videoio
-
 
-
VideoCapture - Class in org.opencv.videoio
-
-
Class for video capturing from video files, image sequences or cameras.
-
-
VideoCapture() - Constructor for class org.opencv.videoio.VideoCapture
-
-
Default constructor - Note: In REF: videoio_c "C API", when you finished working with video, release CvCapture structure with - cvReleaseCapture(), or use Ptr<CvCapture> that calls cvReleaseCapture() automatically in the - destructor.
-
-
VideoCapture(int) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing
-
-
VideoCapture(int, int) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing
-
-
VideoCapture(int, int, MatOfInt) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a camera for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
-
-
VideoCapture(String) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
-
-
VideoCapture(String, int) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
-
-
VideoCapture(String, int, MatOfInt) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
-
-
VideoCapture(IStreamReader, int, MatOfInt) - Constructor for class org.opencv.videoio.VideoCapture
-
-
Opens a video using data stream.
-
-
Videoio - Class in org.opencv.videoio
-
 
-
Videoio() - Constructor for class org.opencv.videoio.Videoio
-
 
-
VideoWriter - Class in org.opencv.videoio
-
-
Video writer class.
-
-
VideoWriter() - Constructor for class org.opencv.videoio.VideoWriter
-
-
Default constructors - - The constructors/functions initialize video writers.
-
-
VideoWriter(String, int, double, Size) - Constructor for class org.opencv.videoio.VideoWriter
-
 
-
VideoWriter(String, int, double, Size, boolean) - Constructor for class org.opencv.videoio.VideoWriter
-
 
-
VideoWriter(String, int, double, Size, MatOfInt) - Constructor for class org.opencv.videoio.VideoWriter
-
-
The params parameter allows to specify extra encoder parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...
-
-
VideoWriter(String, int, int, double, Size) - Constructor for class org.opencv.videoio.VideoWriter
-
-
The apiPreference parameter allows to specify API backends to use.
-
-
VideoWriter(String, int, int, double, Size, boolean) - Constructor for class org.opencv.videoio.VideoWriter
-
-
The apiPreference parameter allows to specify API backends to use.
-
-
VideoWriter(String, int, int, double, Size, MatOfInt) - Constructor for class org.opencv.videoio.VideoWriter
-
 
-
VIDEOWRITER_PROP_DEPTH - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_DTS_DELAY - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_FRAMEBYTES - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_HW_ACCELERATION - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_HW_ACCELERATION_USE_OPENCL - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_HW_DEVICE - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_IS_COLOR - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_KEY_FLAG - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_KEY_INTERVAL - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_NSTRIPES - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_PTS - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_QUALITY - Static variable in class org.opencv.videoio.Videoio
-
 
-
VIDEOWRITER_PROP_RAW_VIDEO - Static variable in class org.opencv.videoio.Videoio
-
 
-
-

W

-
-
WARP_FILL_OUTLIERS - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
WARP_INVERSE_MAP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
WARP_POLAR_LINEAR - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
WARP_POLAR_LOG - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
WARP_RELATIVE_MAP - Static variable in class org.opencv.imgproc.Imgproc
-
 
-
warpAffine(Mat, Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies an affine transformation to an image.
-
-
warpAffine(Mat, Mat, Mat, Size, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies an affine transformation to an image.
-
-
warpAffine(Mat, Mat, Mat, Size, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies an affine transformation to an image.
-
-
warpAffine(Mat, Mat, Mat, Size, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies an affine transformation to an image.
-
-
warpPerspective(Mat, Mat, Mat, Size) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a perspective transformation to an image.
-
-
warpPerspective(Mat, Mat, Mat, Size, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a perspective transformation to an image.
-
-
warpPerspective(Mat, Mat, Mat, Size, int, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a perspective transformation to an image.
-
-
warpPerspective(Mat, Mat, Mat, Size, int, int, Scalar) - Static method in class org.opencv.imgproc.Imgproc
-
-
Applies a perspective transformation to an image.
-
-
warpPolar(Mat, Mat, Size, Point, double, int) - Static method in class org.opencv.imgproc.Imgproc
-
-
Remaps an image to polar or semilog-polar coordinates space - - polar_remaps_reference_image - ![Polar remaps reference](pics/polar_remap_doc.png) - - Transform the source image using the following transformation: - \( - dst(\rho , \phi ) = src(x,y) - \) - - where - \( - \begin{array}{l} - \vec{I} = (x - center.x, \;y - center.y) \\ - \phi = Kangle \cdot \texttt{angle} (\vec{I}) \\ - \rho = \left\{\begin{matrix} - Klin \cdot \texttt{magnitude} (\vec{I}) & default \\ - Klog \cdot log_e(\texttt{magnitude} (\vec{I})) & if \; semilog \\ - \end{matrix}\right.
-
-
watershed(Mat, Mat) - Static method in class org.opencv.imgproc.Imgproc
-
-
Performs a marker-based image segmentation using the watershed algorithm.
-
-
width - Variable in class org.opencv.core.Rect
-
 
-
width - Variable in class org.opencv.core.Rect2d
-
 
-
width - Variable in class org.opencv.core.Size
-
 
-
width() - Method in class org.opencv.core.Mat
-
 
-
write(String) - Method in class org.opencv.features2d.DescriptorMatcher
-
 
-
write(String) - Method in class org.opencv.features2d.Feature2D
-
 
-
write(Mat) - Method in class org.opencv.videoio.VideoWriter
-
-
Writes the next video frame
-
-
writeOpticalFlow(String, Mat) - Static method in class org.opencv.video.Video
-
-
Write a .flo to disk
-
-
writeTextGraph(String, String) - Static method in class org.opencv.dnn.Dnn
-
-
Create a text representation for a binary network stored in protocol buffer format.
-
-
-

X

-
-
x - Variable in class org.opencv.core.Point
-
 
-
x - Variable in class org.opencv.core.Point3
-
 
-
x - Variable in class org.opencv.core.Rect
-
 
-
x - Variable in class org.opencv.core.Rect2d
-
 
-
-

Y

-
-
y - Variable in class org.opencv.core.Point
-
 
-
y - Variable in class org.opencv.core.Point3
-
 
-
y - Variable in class org.opencv.core.Rect
-
 
-
y - Variable in class org.opencv.core.Rect2d
-
 
-
-

Z

-
-
z - Variable in class org.opencv.core.Point3
-
 
-
zeros(int[], int) - Static method in class org.opencv.core.Mat
-
 
-
zeros(int, int, int) - Static method in class org.opencv.core.Mat
-
 
-
zeros(Size, int) - Static method in class org.opencv.core.Mat
-
 
-
-

_

-
-
__fromPtr__(long) - Static method in class org.opencv.calib3d.StereoBM
-
 
-
__fromPtr__(long) - Static method in class org.opencv.calib3d.StereoMatcher
-
 
-
__fromPtr__(long) - Static method in class org.opencv.calib3d.StereoSGBM
-
 
-
__fromPtr__(long) - Static method in class org.opencv.calib3d.UsacParams
-
 
-
__fromPtr__(long) - Static method in class org.opencv.core.Algorithm
-
 
-
__fromPtr__(long) - Static method in class org.opencv.core.TickMeter
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.ClassificationModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.DetectionModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.DictValue
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.Image2BlobParams
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.KeypointsModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.Layer
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.Model
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.Net
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.SegmentationModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.TextDetectionModel_DB
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.TextDetectionModel_EAST
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.TextDetectionModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.dnn.TextRecognitionModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.AffineFeature
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.AgastFeatureDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.AKAZE
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.BFMatcher
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.BOWImgDescriptorExtractor
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.BOWKMeansTrainer
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.BOWTrainer
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.BRISK
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.DescriptorMatcher
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.FastFeatureDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.Feature2D
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.FlannBasedMatcher
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.GFTTDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.KAZE
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.MSER
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.ORB
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.SIFT
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.SimpleBlobDetector_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.features2d.SimpleBlobDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgcodecs.Animation
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.CLAHE
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.GeneralizedHough
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.GeneralizedHoughBallard
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.GeneralizedHoughGuil
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.IntelligentScissorsMB
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.LineSegmentDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.imgproc.Subdiv2D
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.ANN_MLP
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.Boost
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.DTrees
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.EM
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.KNearest
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.LogisticRegression
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.NormalBayesClassifier
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.ParamGrid
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.RTrees
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.StatModel
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.SVM
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.SVMSGD
-
 
-
__fromPtr__(long) - Static method in class org.opencv.ml.TrainData
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.ArucoDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.BarcodeDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.BaseCascadeClassifier
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.Board
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.CascadeClassifier
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.CharucoBoard
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.CharucoDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.CharucoParameters
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.DetectorParameters
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.Dictionary
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.FaceDetectorYN
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.FaceRecognizerSF
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.GraphicalCodeDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.GridBoard
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.HOGDescriptor
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.QRCodeDetector
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.QRCodeDetectorAruco_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.QRCodeDetectorAruco
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.QRCodeEncoder_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.QRCodeEncoder
-
 
-
__fromPtr__(long) - Static method in class org.opencv.objdetect.RefineParameters
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.AlignExposures
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.AlignMTB
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.CalibrateCRF
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.CalibrateDebevec
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.CalibrateRobertson
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.MergeDebevec
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.MergeExposures
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.MergeMertens
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.MergeRobertson
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.Tonemap
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.TonemapDrago
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.TonemapMantiuk
-
 
-
__fromPtr__(long) - Static method in class org.opencv.photo.TonemapReinhard
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.BackgroundSubtractor
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.BackgroundSubtractorKNN
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.BackgroundSubtractorMOG2
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.DenseOpticalFlow
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.DISOpticalFlow
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.FarnebackOpticalFlow
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.KalmanFilter
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.SparseOpticalFlow
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.SparsePyrLKOpticalFlow
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.Tracker
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerDaSiamRPN_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerDaSiamRPN
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerGOTURN_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerGOTURN
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerMIL_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerMIL
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerNano_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerNano
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerVit_Params
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.TrackerVit
-
 
-
__fromPtr__(long) - Static method in class org.opencv.video.VariationalRefinement
-
 
-
__fromPtr__(long) - Static method in class org.opencv.videoio.IStreamReader
-
 
-
__fromPtr__(long) - Static method in class org.opencv.videoio.VideoCapture
-
 
-
__fromPtr__(long) - Static method in class org.opencv.videoio.VideoWriter
-
 
-
-A B C D E F G H I J K L M N O P Q R S T U V W X Y Z _ 
All Classes and Interfaces|All Packages|Constant Field Values|Serialized Form
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/index.html b/vendor/opencv/sdk/java/javadoc/index.html deleted file mode 100644 index 3e83b220f6..0000000000 --- a/vendor/opencv/sdk/java/javadoc/index.html +++ /dev/null @@ -1,108 +0,0 @@ - - - - -Overview (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

OpenCV Java documentation (4.12.0)

-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/jquery-ui.overrides.css b/vendor/opencv/sdk/java/javadoc/jquery-ui.overrides.css deleted file mode 100644 index facf852c27..0000000000 --- a/vendor/opencv/sdk/java/javadoc/jquery-ui.overrides.css +++ /dev/null @@ -1,35 +0,0 @@ -/* - * Copyright (c) 2020, 2022, Oracle and/or its affiliates. All rights reserved. - * DO NOT ALTER OR REMOVE COPYRIGHT NOTICES OR THIS FILE HEADER. - * - * This code is free software; you can redistribute it and/or modify it - * under the terms of the GNU General Public License version 2 only, as - * published by the Free Software Foundation. Oracle designates this - * particular file as subject to the "Classpath" exception as provided - * by Oracle in the LICENSE file that accompanied this code. - * - * This code is distributed in the hope that it will be useful, but WITHOUT - * ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or - * FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License - * version 2 for more details (a copy is included in the LICENSE file that - * accompanied this code). - * - * You should have received a copy of the GNU General Public License version - * 2 along with this work; if not, write to the Free Software Foundation, - * Inc., 51 Franklin St, Fifth Floor, Boston, MA 02110-1301 USA. - * - * Please contact Oracle, 500 Oracle Parkway, Redwood Shores, CA 94065 USA - * or visit www.oracle.com if you need additional information or have any - * questions. - */ - -.ui-state-active, -.ui-widget-content .ui-state-active, -.ui-widget-header .ui-state-active, -a.ui-button:active, -.ui-button:active, -.ui-button.ui-state-active:hover { - /* Overrides the color of selection used in jQuery UI */ - background: #F8981D; - border: 1px solid #F8981D; -} diff --git a/vendor/opencv/sdk/java/javadoc/legal/ASSEMBLY_EXCEPTION b/vendor/opencv/sdk/java/javadoc/legal/ASSEMBLY_EXCEPTION deleted file mode 100644 index 065b8d9023..0000000000 --- a/vendor/opencv/sdk/java/javadoc/legal/ASSEMBLY_EXCEPTION +++ /dev/null @@ -1,27 +0,0 @@ - -OPENJDK ASSEMBLY EXCEPTION - -The OpenJDK source code made available by Oracle America, Inc. (Oracle) at -openjdk.java.net ("OpenJDK Code") is distributed under the terms of the GNU -General Public License version 2 -only ("GPL2"), with the following clarification and special exception. - - Linking this OpenJDK Code statically or dynamically with other code - is making a combined work based on this library. Thus, the terms - and conditions of GPL2 cover the whole combination. - - As a special exception, Oracle gives you permission to link this - OpenJDK Code with certain code licensed by Oracle as indicated at - http://openjdk.java.net/legal/exception-modules-2007-05-08.html - ("Designated Exception Modules") to produce an executable, - regardless of the license terms of the Designated Exception Modules, - and to copy and distribute the resulting executable under GPL2, - provided that the Designated Exception Modules continue to be - governed by the licenses under which they were offered by Oracle. - -As such, it allows licensees and sublicensees of Oracle's GPL2 OpenJDK Code -to build an executable that includes those portions of necessary code that -Oracle could not provide under GPL2 (or that Oracle has provided under GPL2 -with the Classpath exception). If you modify or add to the OpenJDK code, -that new GPL2 code may still be combined with Designated Exception Modules -if the new code is made subject to this exception by its copyright holder. diff --git a/vendor/opencv/sdk/java/javadoc/legal/jquery.md b/vendor/opencv/sdk/java/javadoc/legal/jquery.md deleted file mode 100644 index a763ec6f18..0000000000 --- a/vendor/opencv/sdk/java/javadoc/legal/jquery.md +++ /dev/null @@ -1,26 +0,0 @@ -## jQuery v3.7.1 - -### jQuery License -``` -jQuery v 3.7.1 -Copyright OpenJS Foundation and other contributors, https://openjsf.org/ - -Permission is hereby granted, free of charge, to any person obtaining -a copy of this software and associated documentation files (the -"Software"), to deal in the Software without restriction, including -without limitation the rights to use, copy, modify, merge, publish, -distribute, sublicense, and/or sell copies of the Software, and to -permit persons to whom the Software is furnished to do so, subject to -the following conditions: - -The above copyright notice and this permission notice shall be -included in all copies or substantial portions of the Software. - -THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, -EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF -MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND -NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE -LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION -OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION -WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE. -``` diff --git a/vendor/opencv/sdk/java/javadoc/legal/jqueryUI.md b/vendor/opencv/sdk/java/javadoc/legal/jqueryUI.md deleted file mode 100644 index 8bda9d7a85..0000000000 --- a/vendor/opencv/sdk/java/javadoc/legal/jqueryUI.md +++ /dev/null @@ -1,49 +0,0 @@ -## jQuery UI v1.13.2 - -### jQuery UI License -``` -Copyright jQuery Foundation and other contributors, https://jquery.org/ - -This software consists of voluntary contributions made by many -individuals. For exact contribution history, see the revision history -available at https://github.com/jquery/jquery-ui - -The following license applies to all parts of this software except as -documented below: - -==== - -Permission is hereby granted, free of charge, to any person obtaining -a copy of this software and associated documentation files (the -"Software"), to deal in the Software without restriction, including -without limitation the rights to use, copy, modify, merge, publish, -distribute, sublicense, and/or sell copies of the Software, and to -permit persons to whom the Software is furnished to do so, subject to -the following conditions: - -The above copyright notice and this permission notice shall be -included in all copies or substantial portions of the Software. - -THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, -EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF -MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND -NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE -LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION -OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION -WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE. - -==== - -Copyright and related rights for sample code are waived via CC0. Sample -code is defined as all source code contained within the demos directory. - -CC0: http://creativecommons.org/publicdomain/zero/1.0/ - -==== - -All files located in the node_modules and external directories are -externally maintained libraries used by this software which have their -own licenses; we recommend you read them, as their terms may differ from -the terms above. - -``` diff --git a/vendor/opencv/sdk/java/javadoc/member-search-index.js b/vendor/opencv/sdk/java/javadoc/member-search-index.js deleted file mode 100644 index 5640dfa1bb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/member-search-index.js +++ /dev/null @@ -1 +0,0 @@ -memberSearchIndex = [{"p":"org.opencv.calib3d","c":"StereoBM","l":"__fromPtr__(long)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"__fromPtr__(long)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"__fromPtr__(long)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"__fromPtr__(long)"},{"p":"org.opencv.core","c":"Algorithm","l":"__fromPtr__(long)"},{"p":"org.opencv.core","c":"TickMeter","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"DictValue","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"Layer","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"Model","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"Net","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"SegmentationModel","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"TextDetectionModel","l":"__fromPtr__(long)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"BRISK","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"FlannBasedMatcher","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"KAZE","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"MSER","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"ORB","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"SIFT","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughBallard","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"Boost","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"DTrees","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"EM","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"KNearest","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"RTrees","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"StatModel","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"SVM","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"__fromPtr__(long)"},{"p":"org.opencv.ml","c":"TrainData","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"BaseCascadeClassifier","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"Board","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"__fromPtr__(long)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"AlignExposures","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"CalibrateCRF","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"MergeDebevec","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"MergeExposures","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"MergeRobertson","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"Tonemap","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"TonemapDrago","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"TonemapMantiuk","l":"__fromPtr__(long)"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"BackgroundSubtractor","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"DenseOpticalFlow","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"SparseOpticalFlow","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"Tracker","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerGOTURN","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerMIL","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerNano","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"TrackerVit","l":"__fromPtr__(long)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"__fromPtr__(long)"},{"p":"org.opencv.videoio","c":"IStreamReader","l":"__fromPtr__(long)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"__fromPtr__(long)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"__fromPtr__(long)"},{"p":"org.opencv.core","c":"Core","l":"absdiff(Mat, Mat, Mat)","u":"absdiff(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"absdiff(Mat, Scalar, Mat)","u":"absdiff(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulate(Mat, Mat)","u":"accumulate(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulate(Mat, Mat, Mat)","u":"accumulate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateProduct(Mat, Mat, Mat)","u":"accumulateProduct(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateProduct(Mat, Mat, Mat, Mat)","u":"accumulateProduct(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateSquare(Mat, Mat)","u":"accumulateSquare(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateSquare(Mat, Mat, Mat)","u":"accumulateSquare(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateWeighted(Mat, Mat, double)","u":"accumulateWeighted(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"accumulateWeighted(Mat, Mat, double, Mat)","u":"accumulateWeighted(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ADAPTIVE_THRESH_GAUSSIAN_C"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ADAPTIVE_THRESH_MEAN_C"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"adaptiveThreshold(Mat, Mat, double, int, int, int, double)","u":"adaptiveThreshold(org.opencv.core.Mat,org.opencv.core.Mat,double,int,int,int,double)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"add(List)","u":"add(java.util.List)"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"add(Mat)","u":"add(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Mat, Mat)","u":"add(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Mat, Mat, Mat)","u":"add(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Mat, Mat, Mat, int)","u":"add(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Scalar, Mat)","u":"add(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Scalar, Mat, Mat)","u":"add(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"add(Mat, Scalar, Mat, Mat, int)","u":"add(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"addSamplesDataSearchPath(String)","u":"addSamplesDataSearchPath(java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"addSamplesDataSearchSubDirectory(String)","u":"addSamplesDataSearchSubDirectory(java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"addWeighted(Mat, double, Mat, double, double, Mat)","u":"addWeighted(org.opencv.core.Mat,double,org.opencv.core.Mat,double,double,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"addWeighted(Mat, double, Mat, double, double, Mat, int)","u":"addWeighted(org.opencv.core.Mat,double,org.opencv.core.Mat,double,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Mat","l":"adjustROI(int, int, int, int)","u":"adjustROI(int,int,int,int)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"AGAST_5_8"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"AGAST_7_12d"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"AGAST_7_12s"},{"p":"org.opencv.core","c":"Core","l":"ALGO_HINT_ACCURATE"},{"p":"org.opencv.core","c":"Core","l":"ALGO_HINT_APPROX"},{"p":"org.opencv.core","c":"Core","l":"ALGO_HINT_DEFAULT"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"alignCrop(Mat, Mat, Mat)","u":"alignCrop(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Range","l":"all()"},{"p":"org.opencv.core","c":"Scalar","l":"all(double)"},{"p":"org.opencv.core","c":"MatOfByte","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfInt","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfRect","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"alloc(int)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"alloc(int)"},{"p":"org.opencv.core","c":"KeyPoint","l":"angle"},{"p":"org.opencv.core","c":"RotatedRect","l":"angle"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"Animation()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"Animation(int)","u":"%3Cinit%3E(int)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"Animation(int, Scalar)","u":"%3Cinit%3E(int,org.opencv.core.Scalar)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"ANNEAL"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"apply(Mat, Mat)","u":"apply(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"BackgroundSubtractor","l":"apply(Mat, Mat)","u":"apply(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"apply(Mat, Mat)","u":"apply(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"BackgroundSubtractor","l":"apply(Mat, Mat, double)","u":"apply(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"apply(Mat, Mat, double)","u":"apply(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"applyColorMap(Mat, Mat, int)","u":"applyColorMap(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"applyColorMap(Mat, Mat, Mat)","u":"applyColorMap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"applyImage(Mat)","u":"applyImage(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"applyImageFeatures(Mat, Mat, Mat)","u":"applyImageFeatures(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"applyImageFeatures(Mat, Mat, Mat, Mat)","u":"applyImageFeatures(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"approxPolyDP(MatOfPoint2f, MatOfPoint2f, double, boolean)","u":"approxPolyDP(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,double,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"approxPolyN(Mat, Mat, int)","u":"approxPolyN(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"approxPolyN(Mat, Mat, int, float)","u":"approxPolyN(org.opencv.core.Mat,org.opencv.core.Mat,int,float)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"approxPolyN(Mat, Mat, int, float, boolean)","u":"approxPolyN(org.opencv.core.Mat,org.opencv.core.Mat,int,float,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arcLength(MatOfPoint2f, boolean)","u":"arcLength(org.opencv.core.MatOfPoint2f,boolean)"},{"p":"org.opencv.core","c":"Rect","l":"area()"},{"p":"org.opencv.core","c":"Rect2d","l":"area()"},{"p":"org.opencv.core","c":"Size","l":"area()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arrowedLine(Mat, Point, Point, Scalar)","u":"arrowedLine(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arrowedLine(Mat, Point, Point, Scalar, int)","u":"arrowedLine(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arrowedLine(Mat, Point, Point, Scalar, int, int)","u":"arrowedLine(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arrowedLine(Mat, Point, Point, Scalar, int, int, int)","u":"arrowedLine(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"arrowedLine(Mat, Point, Point, Scalar, int, int, int, double)","u":"arrowedLine(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int,double)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"ArucoDetector()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"ArucoDetector(Dictionary)","u":"%3Cinit%3E(org.opencv.objdetect.Dictionary)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"ArucoDetector(Dictionary, DetectorParameters)","u":"%3Cinit%3E(org.opencv.objdetect.Dictionary,org.opencv.objdetect.DetectorParameters)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"ArucoDetector(Dictionary, DetectorParameters, RefineParameters)","u":"%3Cinit%3E(org.opencv.objdetect.Dictionary,org.opencv.objdetect.DetectorParameters,org.opencv.objdetect.RefineParameters)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"ASGD"},{"p":"org.opencv.core","c":"Mat","l":"assignTo(Mat)","u":"assignTo(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"assignTo(Mat, int)","u":"assignTo(org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Mat","l":"at(Class, int, int)","u":"at(java.lang.Class,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"at(Class, int[])","u":"at(java.lang.Class,int[])"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"BACKPROP"},{"p":"org.opencv.core","c":"Core","l":"BadAlign"},{"p":"org.opencv.core","c":"Core","l":"BadAlphaChannel"},{"p":"org.opencv.core","c":"Core","l":"BadCallBack"},{"p":"org.opencv.core","c":"Core","l":"BadCOI"},{"p":"org.opencv.core","c":"Core","l":"BadDataPtr"},{"p":"org.opencv.core","c":"Core","l":"BadDepth"},{"p":"org.opencv.core","c":"Core","l":"BadImageSize"},{"p":"org.opencv.core","c":"Core","l":"BadModelOrChSeq"},{"p":"org.opencv.core","c":"Core","l":"BadNumChannel1U"},{"p":"org.opencv.core","c":"Core","l":"BadNumChannels"},{"p":"org.opencv.core","c":"Core","l":"BadOffset"},{"p":"org.opencv.core","c":"Core","l":"BadOrder"},{"p":"org.opencv.core","c":"Core","l":"BadOrigin"},{"p":"org.opencv.core","c":"Core","l":"BadROISize"},{"p":"org.opencv.core","c":"Core","l":"BadStep"},{"p":"org.opencv.core","c":"Core","l":"BadTileSize"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"BarcodeDetector()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"BarcodeDetector(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"BATCH"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat, int)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat, int, int)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat, int)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,int,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"batchDistance(Mat, Mat, Mat, int, Mat, int, int, Mat, int, boolean)","u":"batchDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,int,int,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"BFMatcher()","u":"%3Cinit%3E()"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"BFMatcher(int)","u":"%3Cinit%3E(int)"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"BFMatcher(int, boolean)","u":"%3Cinit%3E(int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"bilateralFilter(Mat, Mat, int, double, double)","u":"bilateralFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"bilateralFilter(Mat, Mat, int, double, double, int)","u":"bilateralFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,int)"},{"p":"org.opencv.android","c":"Utils","l":"bitmapToMat(Bitmap, Mat)","u":"bitmapToMat(android.graphics.Bitmap,org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"Utils","l":"bitmapToMat(Bitmap, Mat, boolean)","u":"bitmapToMat(android.graphics.Bitmap,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_and(Mat, Mat, Mat)","u":"bitwise_and(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_and(Mat, Mat, Mat, Mat)","u":"bitwise_and(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_not(Mat, Mat)","u":"bitwise_not(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_not(Mat, Mat, Mat)","u":"bitwise_not(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_or(Mat, Mat, Mat)","u":"bitwise_or(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_or(Mat, Mat, Mat, Mat)","u":"bitwise_or(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_xor(Mat, Mat, Mat)","u":"bitwise_xor(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"bitwise_xor(Mat, Mat, Mat, Mat)","u":"bitwise_xor(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"blendLinear(Mat, Mat, Mat, Mat, Mat)","u":"blendLinear(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat)","u":"blobFromImage(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double)","u":"blobFromImage(org.opencv.core.Mat,double)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double, Size)","u":"blobFromImage(org.opencv.core.Mat,double,org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double, Size, Scalar)","u":"blobFromImage(org.opencv.core.Mat,double,org.opencv.core.Size,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double, Size, Scalar, boolean)","u":"blobFromImage(org.opencv.core.Mat,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double, Size, Scalar, boolean, boolean)","u":"blobFromImage(org.opencv.core.Mat,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean,boolean)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImage(Mat, double, Size, Scalar, boolean, boolean, int)","u":"blobFromImage(org.opencv.core.Mat,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean,boolean,int)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List)","u":"blobFromImages(java.util.List)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double)","u":"blobFromImages(java.util.List,double)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double, Size)","u":"blobFromImages(java.util.List,double,org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double, Size, Scalar)","u":"blobFromImages(java.util.List,double,org.opencv.core.Size,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double, Size, Scalar, boolean)","u":"blobFromImages(java.util.List,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double, Size, Scalar, boolean, boolean)","u":"blobFromImages(java.util.List,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean,boolean)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImages(List, double, Size, Scalar, boolean, boolean, int)","u":"blobFromImages(java.util.List,double,org.opencv.core.Size,org.opencv.core.Scalar,boolean,boolean,int)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImagesWithParams(List)","u":"blobFromImagesWithParams(java.util.List)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImagesWithParams(List, Image2BlobParams)","u":"blobFromImagesWithParams(java.util.List,org.opencv.dnn.Image2BlobParams)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImagesWithParams(List, Mat)","u":"blobFromImagesWithParams(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImagesWithParams(List, Mat, Image2BlobParams)","u":"blobFromImagesWithParams(java.util.List,org.opencv.core.Mat,org.opencv.dnn.Image2BlobParams)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImageWithParams(Mat)","u":"blobFromImageWithParams(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImageWithParams(Mat, Image2BlobParams)","u":"blobFromImageWithParams(org.opencv.core.Mat,org.opencv.dnn.Image2BlobParams)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImageWithParams(Mat, Mat)","u":"blobFromImageWithParams(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"blobFromImageWithParams(Mat, Mat, Image2BlobParams)","u":"blobFromImageWithParams(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.dnn.Image2BlobParams)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"blobRectsToImageRects(MatOfRect, MatOfRect, Size)","u":"blobRectsToImageRects(org.opencv.core.MatOfRect,org.opencv.core.MatOfRect,org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"blobRectToImageRect(Rect, Size)","u":"blobRectToImageRect(org.opencv.core.Rect,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"blur(Mat, Mat, Size)","u":"blur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"blur(Mat, Mat, Size, Point)","u":"blur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"blur(Mat, Mat, Size, Point, int)","u":"blur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Point,int)"},{"p":"org.opencv.objdetect","c":"Board","l":"Board(List, Dictionary, Mat)","u":"%3Cinit%3E(java.util.List,org.opencv.objdetect.Dictionary,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"BORDER_CONSTANT"},{"p":"org.opencv.core","c":"Core","l":"BORDER_DEFAULT"},{"p":"org.opencv.core","c":"Core","l":"BORDER_ISOLATED"},{"p":"org.opencv.core","c":"Core","l":"BORDER_REFLECT"},{"p":"org.opencv.core","c":"Core","l":"BORDER_REFLECT_101"},{"p":"org.opencv.core","c":"Core","l":"BORDER_REFLECT101"},{"p":"org.opencv.core","c":"Core","l":"BORDER_REPLICATE"},{"p":"org.opencv.core","c":"Core","l":"BORDER_TRANSPARENT"},{"p":"org.opencv.core","c":"Core","l":"BORDER_WRAP"},{"p":"org.opencv.core","c":"Core","l":"borderInterpolate(int, int, int)","u":"borderInterpolate(int,int,int)"},{"p":"org.opencv.core","c":"RotatedRect","l":"boundingRect()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boundingRect(Mat)","u":"boundingRect(org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"BOWImgDescriptorExtractor(Feature2D, DescriptorMatcher)","u":"%3Cinit%3E(org.opencv.features2d.Feature2D,org.opencv.features2d.DescriptorMatcher)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"BOWKMeansTrainer(int)","u":"%3Cinit%3E(int)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"BOWKMeansTrainer(int, TermCriteria)","u":"%3Cinit%3E(int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"BOWKMeansTrainer(int, TermCriteria, int)","u":"%3Cinit%3E(int,org.opencv.core.TermCriteria,int)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"BOWKMeansTrainer(int, TermCriteria, int, int)","u":"%3Cinit%3E(int,org.opencv.core.TermCriteria,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boxFilter(Mat, Mat, int, Size)","u":"boxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boxFilter(Mat, Mat, int, Size, Point)","u":"boxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boxFilter(Mat, Mat, int, Size, Point, boolean)","u":"boxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boxFilter(Mat, Mat, int, Size, Point, boolean, int)","u":"boxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point,boolean,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"boxPoints(RotatedRect, Mat)","u":"boxPoints(org.opencv.core.RotatedRect,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Rect","l":"br()"},{"p":"org.opencv.core","c":"Rect2d","l":"br()"},{"p":"org.opencv.core","c":"Core","l":"broadcast(Mat, Mat, Mat)","u":"broadcast(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"KNearest","l":"BRUTE_FORCE"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"BRUTEFORCE"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"BRUTEFORCE_HAMMING"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"BRUTEFORCE_HAMMINGLUT"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"BRUTEFORCE_L1"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"BRUTEFORCE_SL2"},{"p":"org.opencv","c":"BuildConfig","l":"BuildConfig()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"buildMap(Point)","u":"buildMap(org.opencv.core.Point)"},{"p":"org.opencv.video","c":"Video","l":"buildOpticalFlowPyramid(Mat, List, Size, int)","u":"buildOpticalFlowPyramid(org.opencv.core.Mat,java.util.List,org.opencv.core.Size,int)"},{"p":"org.opencv.video","c":"Video","l":"buildOpticalFlowPyramid(Mat, List, Size, int, boolean)","u":"buildOpticalFlowPyramid(org.opencv.core.Mat,java.util.List,org.opencv.core.Size,int,boolean)"},{"p":"org.opencv.video","c":"Video","l":"buildOpticalFlowPyramid(Mat, List, Size, int, boolean, int)","u":"buildOpticalFlowPyramid(org.opencv.core.Mat,java.util.List,org.opencv.core.Size,int,boolean,int)"},{"p":"org.opencv.video","c":"Video","l":"buildOpticalFlowPyramid(Mat, List, Size, int, boolean, int, int)","u":"buildOpticalFlowPyramid(org.opencv.core.Mat,java.util.List,org.opencv.core.Size,int,boolean,int,int)"},{"p":"org.opencv.video","c":"Video","l":"buildOpticalFlowPyramid(Mat, List, Size, int, boolean, int, int, boolean)","u":"buildOpticalFlowPyramid(org.opencv.core.Mat,java.util.List,org.opencv.core.Size,int,boolean,int,int,boolean)"},{"p":"org.opencv.ml","c":"SVM","l":"C"},{"p":"org.opencv.ml","c":"SVM","l":"C_SVC"},{"p":"org.opencv.video","c":"DenseOpticalFlow","l":"calc(Mat, Mat, Mat)","u":"calc(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"SparseOpticalFlow","l":"calc(Mat, Mat, Mat, Mat, Mat)","u":"calc(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"SparseOpticalFlow","l":"calc(Mat, Mat, Mat, Mat, Mat, Mat)","u":"calc(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"calcBackProject(List, MatOfInt, Mat, Mat, MatOfFloat, double)","u":"calcBackProject(java.util.List,org.opencv.core.MatOfInt,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfFloat,double)"},{"p":"org.opencv.core","c":"Core","l":"calcCovarMatrix(Mat, Mat, Mat, int)","u":"calcCovarMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"calcCovarMatrix(Mat, Mat, Mat, int, int)","u":"calcCovarMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.ml","c":"StatModel","l":"calcError(TrainData, boolean, Mat)","u":"calcError(org.opencv.ml.TrainData,boolean,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"calcHist(List, MatOfInt, Mat, Mat, MatOfInt, MatOfFloat)","u":"calcHist(java.util.List,org.opencv.core.MatOfInt,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"calcHist(List, MatOfInt, Mat, Mat, MatOfInt, MatOfFloat, boolean)","u":"calcHist(java.util.List,org.opencv.core.MatOfInt,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.MatOfFloat,boolean)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowFarneback(Mat, Mat, Mat, double, int, int, int, int, double, int)","u":"calcOpticalFlowFarneback(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,int,int,int,int,double,int)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat,org.opencv.core.Size)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat,org.opencv.core.Size,int)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat,org.opencv.core.Size,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria, int)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat,org.opencv.core.Size,int,org.opencv.core.TermCriteria,int)"},{"p":"org.opencv.video","c":"Video","l":"calcOpticalFlowPyrLK(Mat, Mat, MatOfPoint2f, MatOfPoint2f, MatOfByte, MatOfFloat, Size, int, TermCriteria, int, double)","u":"calcOpticalFlowPyrLK(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfByte,org.opencv.core.MatOfFloat,org.opencv.core.Size,int,org.opencv.core.TermCriteria,int,double)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"calculateShift(Mat, Mat)","u":"calculateShift(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"calcUV(Mat, Mat, Mat, Mat)","u":"calcUV(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_ACCURACY"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_ADAPTIVE_THRESH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_ASYMMETRIC_GRID"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_CLUSTERING"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_EXHAUSTIVE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_FAST_CHECK"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_FILTER_QUADS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_LARGER"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_MARKER"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_NORMALIZE_IMAGE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_PLAIN"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_CB_SYMMETRIC_GRID"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_ASPECT_RATIO"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_FOCAL_LENGTH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_INTRINSIC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K1"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K2"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K3"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K4"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K5"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_K6"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_PRINCIPAL_POINT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_S1_S2_S3_S4"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_TANGENT_DIST"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_FIX_TAUX_TAUY"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_HAND_EYE_ANDREFF"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_HAND_EYE_DANIILIDIS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_HAND_EYE_HORAUD"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_HAND_EYE_PARK"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_HAND_EYE_TSAI"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_NINTRINSIC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_RATIONAL_MODEL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_ROBOT_WORLD_HAND_EYE_LI"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_ROBOT_WORLD_HAND_EYE_SHAH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_SAME_FOCAL_LENGTH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_THIN_PRISM_MODEL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_TILTED_MODEL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_USE_EXTRINSIC_GUESS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_USE_INTRINSIC_GUESS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_USE_LU"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_USE_QR"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_ZERO_DISPARITY"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CALIB_ZERO_TANGENT_DIST"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"Calib3d()","u":"%3Cinit%3E()"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCamera(List, List, Size, Mat, Mat, List, List)","u":"calibrateCamera(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCamera(List, List, Size, Mat, Mat, List, List, int)","u":"calibrateCamera(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCamera(List, List, Size, Mat, Mat, List, List, int, TermCriteria)","u":"calibrateCamera(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraExtended(List, List, Size, Mat, Mat, List, List, Mat, Mat, Mat)","u":"calibrateCameraExtended(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraExtended(List, List, Size, Mat, Mat, List, List, Mat, Mat, Mat, int)","u":"calibrateCameraExtended(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraExtended(List, List, Size, Mat, Mat, List, List, Mat, Mat, Mat, int, TermCriteria)","u":"calibrateCameraExtended(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraRO(List, List, Size, int, Mat, Mat, List, List, Mat)","u":"calibrateCameraRO(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraRO(List, List, Size, int, Mat, Mat, List, List, Mat, int)","u":"calibrateCameraRO(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraRO(List, List, Size, int, Mat, Mat, List, List, Mat, int, TermCriteria)","u":"calibrateCameraRO(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraROExtended(List, List, Size, int, Mat, Mat, List, List, Mat, Mat, Mat, Mat, Mat)","u":"calibrateCameraROExtended(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraROExtended(List, List, Size, int, Mat, Mat, List, List, Mat, Mat, Mat, Mat, Mat, int)","u":"calibrateCameraROExtended(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateCameraROExtended(List, List, Size, int, Mat, Mat, List, List, Mat, Mat, Mat, Mat, Mat, int, TermCriteria)","u":"calibrateCameraROExtended(java.util.List,java.util.List,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateHandEye(List, List, List, List, Mat, Mat)","u":"calibrateHandEye(java.util.List,java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateHandEye(List, List, List, List, Mat, Mat, int)","u":"calibrateHandEye(java.util.List,java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateRobotWorldHandEye(List, List, List, List, Mat, Mat, Mat, Mat)","u":"calibrateRobotWorldHandEye(java.util.List,java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrateRobotWorldHandEye(List, List, List, List, Mat, Mat, Mat, Mat, int)","u":"calibrateRobotWorldHandEye(java.util.List,java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"calibrationMatrixValues(Mat, Size, double, double, double[], double[], double[], Point, double[])","u":"calibrationMatrixValues(org.opencv.core.Mat,org.opencv.core.Size,double,double,double[],double[],double[],org.opencv.core.Point,double[])"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"CAMERA_ID_ANY"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"CAMERA_ID_BACK"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"CAMERA_ID_FRONT"},{"p":"org.opencv.android","c":"CameraActivity","l":"CameraActivity()","u":"%3Cinit%3E()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"CameraBridgeViewBase(Context, AttributeSet)","u":"%3Cinit%3E(android.content.Context,android.util.AttributeSet)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"CameraBridgeViewBase(Context, int)","u":"%3Cinit%3E(android.content.Context,int)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"CameraGLRendererBase(CameraGLSurfaceView)","u":"%3Cinit%3E(org.opencv.android.CameraGLSurfaceView)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"CameraGLSurfaceView(Context, AttributeSet)","u":"%3Cinit%3E(android.content.Context,android.util.AttributeSet)"},{"p":"org.opencv.video","c":"Video","l":"CamShift(Mat, Rect, TermCriteria)","u":"CamShift(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.TermCriteria)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Canny(Mat, Mat, double, double)","u":"Canny(org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Canny(Mat, Mat, double, double, int)","u":"Canny(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Canny(Mat, Mat, double, double, int, boolean)","u":"Canny(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Canny(Mat, Mat, Mat, double, double)","u":"Canny(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Canny(Mat, Mat, Mat, double, double, boolean)","u":"Canny(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,double,boolean)"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_ANDROID"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_ANY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_ARAVIS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_AVFOUNDATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_CMU1394"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_DC1394"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_DSHOW"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_FFMPEG"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_FIREWARE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_FIREWIRE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_GIGANETIX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_GPHOTO2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_GSTREAMER"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_IEEE1394"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_IMAGES"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTEL_MFX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_DEPTH_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_DEPTH_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_GENERATORS_MASK"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_IMAGE_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_IR_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_IR_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_INTELPERC_UVDEPTH_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_MSMF"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_BGR_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_DEPTH_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_DEPTH_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_GENERATORS_MASK"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_IMAGE_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_IR_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OBSENSOR_IR_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENCV_MJPEG"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_ASUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_BGR_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR_BASELINE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR_FOCAL_LENGTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR_PRESENT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION_ON"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DEPTH_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DISPARITY_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_DISPARITY_MAP_32F"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_GENERATORS_MASK"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_GRAY_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IMAGE_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IMAGE_GENERATOR_OUTPUT_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IMAGE_GENERATOR_PRESENT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IR_GENERATOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IR_GENERATOR_PRESENT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_IR_IMAGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_POINT_CLOUD_MAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_QVGA_30HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_QVGA_60HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_SXGA_15HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_SXGA_30HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_VALID_DEPTH_MASK"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI_VGA_30HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI2_ASTRA"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_OPENNI2_ASUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ANDROID_DEVICE_TORCH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_APERTURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ARAVIS_AUTOTRIGGER"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_BASE_INDEX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_DATA_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_POS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_SAMPLES_PER_SECOND"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_SHIFT_NSEC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_STREAM"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_SYNCHRONIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_TOTAL_CHANNELS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUDIO_TOTAL_STREAMS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUTO_EXPOSURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUTO_WB"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_AUTOFOCUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_BACKEND"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_BACKLIGHT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_BITRATE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_BRIGHTNESS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_BUFFERSIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_CHANNEL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_CODEC_EXTRADATA_INDEX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_CODEC_PIXEL_FORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_CONTRAST"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_CONVERT_RGB"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DC1394_MAX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DC1394_MODE_AUTO"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DC1394_MODE_MANUAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DC1394_MODE_ONE_PUSH_AUTO"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DC1394_OFF"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_DTS_DELAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_EXPOSURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_EXPOSUREPROGRAM"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FOCUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FOURCC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FPS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FRAME_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FRAME_HEIGHT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FRAME_TYPE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_FRAME_WIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GAIN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GAMMA"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_HEIGH_MAX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_OFFSET_X"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_OFFSET_Y"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_SENS_HEIGH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_SENS_WIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GIGA_FRAME_WIDTH_MAX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_COLLECT_MSGS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_FLUSH_MSGS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_PREVIEW"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_RELOAD_CONFIG"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_RELOAD_ON_CHANGE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GPHOTO2_WIDGET_ENUMERATE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GSTREAMER_QUEUE_LENGTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_GUID"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_HUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_HW_ACCELERATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_HW_ACCELERATION_USE_OPENCL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_HW_DEVICE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IMAGES_BASE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IMAGES_LAST"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_DEPTH_CONFIDENCE_THRESHOLD"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_HORZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_VERT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_DEPTH_LOW_CONFIDENCE_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_DEPTH_SATURATION_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_PROFILE_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_INTELPERC_PROFILE_IDX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IOS_DEVICE_EXPOSURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IOS_DEVICE_FLASH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IOS_DEVICE_FOCUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IOS_DEVICE_TORCH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IOS_DEVICE_WHITEBALANCE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_IRIS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ISO_SPEED"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_LRF_HAS_KEY_FRAME"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_MONOCHROME"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_N_THREADS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OBSENSOR_INTRINSIC_CX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OBSENSOR_INTRINSIC_CY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OBSENSOR_INTRINSIC_FX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OBSENSOR_INTRINSIC_FY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPEN_TIMEOUT_MSEC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_APPROX_FRAME_SYNC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_BASELINE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_CIRCLE_BUFFER"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_FOCAL_LENGTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_FRAME_MAX_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_GENERATOR_PRESENT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_MAX_BUFFER_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_MAX_TIME_DURATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_OUTPUT_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_REGISTRATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI_REGISTRATION_ON"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI2_MIRROR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_OPENNI2_SYNC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ORIENTATION_AUTO"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ORIENTATION_META"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PAN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_POS_AVI_RATIO"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_POS_FRAMES"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_POS_MSEC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PTS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_BINNINGX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_BINNINGY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_DECIMATIONHORIZONTAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_DECIMATIONVERTICAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_FRAMESTARTTRIGGERMODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_MULTICASTIP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_PVAPI_PIXELFORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_READ_TIMEOUT_MSEC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_RECTIFICATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ROLL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SAR_DEN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SAR_NUM"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SATURATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SETTINGS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SHARPNESS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_SPEED"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_STREAM_OPEN_TIME_USEC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_TEMPERATURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_TILT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_TRIGGER"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_TRIGGER_DELAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_VIDEO_STREAM"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_VIDEO_TOTAL_CHANNELS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_VIEWFINDER"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_WB_TEMPERATURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_WHITE_BALANCE_BLUE_U"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_WHITE_BALANCE_RED_V"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_BUFFER_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_BUFFER_SIZE_UNIT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_FRAME_BURST_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_TIMING_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_COMMIT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AE_MAX_LIMIT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG_LEVEL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG_ROI_HEIGHT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG_ROI_OFFSET_X"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG_ROI_OFFSET_Y"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AEAG_ROI_WIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AG_MAX_LIMIT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_APPLY_CMS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AUTO_BANDWIDTH_CALCULATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AUTO_WB"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_AVAILABLE_BANDWIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BINNING_HORIZONTAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BINNING_PATTERN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BINNING_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BINNING_VERTICAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BPC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BUFFER_POLICY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_BUFFERS_QUEUE_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_00"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_01"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_02"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_03"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_10"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_11"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_12"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_13"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_20"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_21"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_22"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_23"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_30"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_31"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_32"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CC_MATRIX_33"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CHIP_TEMP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_CMS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_COLOR_FILTER_ARRAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_COLUMN_FPN_CORRECTION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_COOLING"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_COUNTER_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_COUNTER_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DATA_FORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEBOUNCE_EN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEBOUNCE_POL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEBOUNCE_T0"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEBOUNCE_T1"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEBUG_LEVEL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DECIMATION_HORIZONTAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DECIMATION_PATTERN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DECIMATION_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DECIMATION_VERTICAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEFAULT_CC_MATRIX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEVICE_MODEL_ID"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEVICE_RESET"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DEVICE_SN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DOWNSAMPLING"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_DOWNSAMPLING_TYPE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_EXP_PRIORITY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_EXPOSURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_EXPOSURE_BURST_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_FFS_ACCESS_KEY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_FFS_FILE_ID"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_FFS_FILE_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_FRAMERATE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_FREE_FFS_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GAIN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GAIN_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GAMMAC"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GAMMAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GPI_LEVEL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GPI_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GPI_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GPO_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_GPO_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HDR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HDR_KNEEPOINT_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HDR_T1"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HDR_T2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HEIGHT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HOUS_BACK_SIDE_TEMP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HOUS_TEMP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_HW_REVISION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_BLACK_LEVEL"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_DATA_BIT_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_DATA_FORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_DATA_FORMAT_RGB32_ALPHA"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_IS_COLOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IMAGE_PAYLOAD_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IS_COOLED"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_IS_DEVICE_EXIST"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_KNEEPOINT1"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_KNEEPOINT2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LED_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LED_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_APERTURE_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FEATURE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FEATURE_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FOCAL_LENGTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FOCUS_DISTANCE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FOCUS_MOVE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_FOCUS_MOVEMENT_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LENS_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LIMIT_BANDWIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LUT_EN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LUT_INDEX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_LUT_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_MANUAL_WB"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_OFFSET_X"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_OFFSET_Y"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_OUTPUT_DATA_BIT_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_OUTPUT_DATA_PACKING"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_OUTPUT_DATA_PACKING_TYPE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_RECENT_FRAME"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_REGION_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_REGION_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_ROW_FPN_CORRECTION"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_BOARD_TEMP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_CLOCK_FREQ_HZ"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_CLOCK_FREQ_INDEX"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_DATA_BIT_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_FEATURE_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_FEATURE_VALUE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_OUTPUT_CHANNEL_COUNT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SENSOR_TAPS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SHARPNESS"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_SHUTTER_TYPE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TARGET_TEMP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TEST_PATTERN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TEST_PATTERN_GENERATOR_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TIMEOUT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TRANSPORT_PIXEL_FORMAT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TRG_DELAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TRG_SELECTOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TRG_SOFTWARE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TRG_SOURCE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TS_RST_MODE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_TS_RST_SOURCE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_USED_FFS_SIZE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_WB_KB"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_WB_KG"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_WB_KR"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_XI_WIDTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PROP_ZOOM"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_DECIMATION_2OUTOF16"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_DECIMATION_2OUTOF4"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_DECIMATION_2OUTOF8"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_DECIMATION_OFF"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_FSTRIGMODE_FIXEDRATE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_FSTRIGMODE_FREERUN"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_FSTRIGMODE_SOFTWARE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_FSTRIGMODE_SYNCIN1"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_FSTRIGMODE_SYNCIN2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_BAYER16"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_BAYER8"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_BGR24"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_BGRA32"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_MONO16"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_MONO8"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_RGB24"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_PVAPI_PIXELFORMAT_RGBA32"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_QT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_REALSENSE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_UEYE"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_UNICAP"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_V4L"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_V4L2"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_VFW"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_WINRT"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_XIAPI"},{"p":"org.opencv.videoio","c":"Videoio","l":"CAP_XINE"},{"p":"org.opencv.core","c":"Core","l":"cartToPolar(Mat, Mat, Mat, Mat)","u":"cartToPolar(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"cartToPolar(Mat, Mat, Mat, Mat, boolean)","u":"cartToPolar(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CASCADE_DO_CANNY_PRUNING"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CASCADE_DO_ROUGH_SEARCH"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CASCADE_FIND_BIGGEST_OBJECT"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CASCADE_SCALE_IMAGE"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"CascadeClassifier()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"CascadeClassifier(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_AREA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_HEIGHT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_LEFT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_MAX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_TOP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CC_STAT_WIDTH"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_BBDT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_BOLELLI"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_DEFAULT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_GRANA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_SAUF"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_SPAGHETTI"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CCL_WU"},{"p":"org.opencv.core","c":"RotatedRect","l":"center"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CHAIN_APPROX_NONE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CHAIN_APPROX_SIMPLE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CHAIN_APPROX_TC89_KCOS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CHAIN_APPROX_TC89_L1"},{"p":"org.opencv.core","c":"Mat","l":"channels()"},{"p":"org.opencv.core","c":"CvType","l":"channels(int)"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"CharucoBoard(Size, float, float, Dictionary)","u":"%3Cinit%3E(org.opencv.core.Size,float,float,org.opencv.objdetect.Dictionary)"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"CharucoBoard(Size, float, float, Dictionary, Mat)","u":"%3Cinit%3E(org.opencv.core.Size,float,float,org.opencv.objdetect.Dictionary,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"CharucoDetector(CharucoBoard)","u":"%3Cinit%3E(org.opencv.objdetect.CharucoBoard)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"CharucoDetector(CharucoBoard, CharucoParameters)","u":"%3Cinit%3E(org.opencv.objdetect.CharucoBoard,org.opencv.objdetect.CharucoParameters)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"CharucoDetector(CharucoBoard, CharucoParameters, DetectorParameters)","u":"%3Cinit%3E(org.opencv.objdetect.CharucoBoard,org.opencv.objdetect.CharucoParameters,org.opencv.objdetect.DetectorParameters)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"CharucoDetector(CharucoBoard, CharucoParameters, DetectorParameters, RefineParameters)","u":"%3Cinit%3E(org.opencv.objdetect.CharucoBoard,org.opencv.objdetect.CharucoParameters,org.opencv.objdetect.DetectorParameters,org.opencv.objdetect.RefineParameters)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"CharucoParameters()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"checkCharucoCornersCollinear(Mat)","u":"checkCharucoCornersCollinear(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"checkChessboard(Mat, Size)","u":"checkChessboard(org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"checkDetectorSize()"},{"p":"org.opencv.core","c":"Core","l":"checkHardwareSupport(int)"},{"p":"org.opencv.core","c":"Core","l":"checkRange(Mat)","u":"checkRange(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"checkRange(Mat, boolean)","u":"checkRange(org.opencv.core.Mat,boolean)"},{"p":"org.opencv.core","c":"Core","l":"checkRange(Mat, boolean, double)","u":"checkRange(org.opencv.core.Mat,boolean,double)"},{"p":"org.opencv.core","c":"Core","l":"checkRange(Mat, boolean, double, double)","u":"checkRange(org.opencv.core.Mat,boolean,double,double)"},{"p":"org.opencv.core","c":"Mat","l":"checkVector(int)"},{"p":"org.opencv.core","c":"Mat","l":"checkVector(int, int)","u":"checkVector(int,int)"},{"p":"org.opencv.core","c":"Mat","l":"checkVector(int, int, boolean)","u":"checkVector(int,int,boolean)"},{"p":"org.opencv.ml","c":"SVM","l":"CHI2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"circle(Mat, Point, int, Scalar)","u":"circle(org.opencv.core.Mat,org.opencv.core.Point,int,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"circle(Mat, Point, int, Scalar, int)","u":"circle(org.opencv.core.Mat,org.opencv.core.Point,int,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"circle(Mat, Point, int, Scalar, int, int)","u":"circle(org.opencv.core.Mat,org.opencv.core.Point,int,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"circle(Mat, Point, int, Scalar, int, int, int)","u":"circle(org.opencv.core.Mat,org.opencv.core.Point,int,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CirclesGridFinderParameters_ASYMMETRIC_GRID"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CirclesGridFinderParameters_SYMMETRIC_GRID"},{"p":"org.opencv.core","c":"KeyPoint","l":"class_id"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"ClassificationModel(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"ClassificationModel(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"ClassificationModel(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"classify(Mat, int[], float[])","u":"classify(org.opencv.core.Mat,int[],float[])"},{"p":"org.opencv.core","c":"Algorithm","l":"clear()"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"clear()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"clear()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"clipLine(Rect, Point, Point)","u":"clipLine(org.opencv.core.Rect,org.opencv.core.Point,org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Mat","l":"clone()"},{"p":"org.opencv.core","c":"Point","l":"clone()"},{"p":"org.opencv.core","c":"Point3","l":"clone()"},{"p":"org.opencv.core","c":"Range","l":"clone()"},{"p":"org.opencv.core","c":"Rect","l":"clone()"},{"p":"org.opencv.core","c":"Rect2d","l":"clone()"},{"p":"org.opencv.core","c":"RotatedRect","l":"clone()"},{"p":"org.opencv.core","c":"Scalar","l":"clone()"},{"p":"org.opencv.core","c":"Size","l":"clone()"},{"p":"org.opencv.core","c":"TermCriteria","l":"clone()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"clone()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"clone(boolean)"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"cluster()"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"cluster()"},{"p":"org.opencv.features2d","c":"BOWKMeansTrainer","l":"cluster(Mat)","u":"cluster(org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"cluster(Mat)","u":"cluster(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"CMP_EQ"},{"p":"org.opencv.core","c":"Core","l":"CMP_GE"},{"p":"org.opencv.core","c":"Core","l":"CMP_GT"},{"p":"org.opencv.core","c":"Core","l":"CMP_LE"},{"p":"org.opencv.core","c":"Core","l":"CMP_LT"},{"p":"org.opencv.core","c":"Core","l":"CMP_NE"},{"p":"org.opencv.ml","c":"SVM","l":"COEF"},{"p":"org.opencv.ml","c":"Ml","l":"COL_SAMPLE"},{"p":"org.opencv.core","c":"Mat","l":"col(int)"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"collectGarbage()"},{"p":"org.opencv.video","c":"DenseOpticalFlow","l":"collectGarbage()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBG2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerBGGR2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGB2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGBRG2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGR2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerGRBG2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRG2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2BGR_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2BGR_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2RGB_EA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2RGB_VNG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BayerRGGB2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2BGR555"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2BGR565"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2HLS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2HLS_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2HSV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2HSV_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2Lab"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2Luv"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2XYZ"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YCrCb"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR2YUV_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5552BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5552BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5552GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5552RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5552RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5652BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5652BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5652GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5652RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGR5652RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2BGR555"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2BGR565"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_BGRA2YUV_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_COLORCVT_MAX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2BGR555"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2BGR565"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_GRAY2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HLS2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HLS2BGR_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HLS2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HLS2RGB_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HSV2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HSV2BGR_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HSV2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_HSV2RGB_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Lab2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Lab2LBGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Lab2LRGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Lab2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_LBGR2Lab"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_LBGR2Luv"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_LRGB2Lab"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_LRGB2Luv"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Luv2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Luv2LBGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Luv2LRGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_Luv2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_mRGBA2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2BGR555"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2BGR565"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2HLS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2HLS_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2HSV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2HSV_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2Lab"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2Luv"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2XYZ"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YCrCb"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGB2YUV_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2BGR555"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2BGR565"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2mRGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_RGBA2YUV_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_XYZ2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_XYZ2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YCrCb2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YCrCb2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_NV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_NV21"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGR_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_NV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_NV21"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2BGRA_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_NV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_NV21"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2GRAY_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_NV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_NV21"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGB_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_I420"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_IYUV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_NV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_NV21"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_UYNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_UYVY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_Y422"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_YUNV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_YUY2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_YUYV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_YV12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV2RGBA_YVYU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420p2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420p2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420p2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420p2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420p2RGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420sp2BGR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420sp2BGRA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420sp2GRAY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420sp2RGB"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLOR_YUV420sp2RGBA"},{"p":"org.opencv.photo","c":"Photo","l":"colorChange(Mat, Mat, Mat)","u":"colorChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"colorChange(Mat, Mat, Mat, float)","u":"colorChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"colorChange(Mat, Mat, Mat, float, float)","u":"colorChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"colorChange(Mat, Mat, Mat, float, float, float)","u":"colorChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float,float)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_AUTUMN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_BONE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_CIVIDIS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_COOL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_DEEPGREEN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_HOT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_HSV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_INFERNO"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_JET"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_MAGMA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_OCEAN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_PARULA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_PINK"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_PLASMA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_RAINBOW"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_SPRING"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_SUMMER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_TURBO"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_TWILIGHT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_TWILIGHT_SHIFTED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_VIRIDIS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"COLORMAP_WINTER"},{"p":"org.opencv.core","c":"Mat","l":"colRange(int, int)","u":"colRange(int,int)"},{"p":"org.opencv.core","c":"Mat","l":"colRange(Range)","u":"colRange(org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"cols()"},{"p":"org.opencv.core","c":"Core","l":"compare(Mat, Mat, Mat, int)","u":"compare(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"compare(Mat, Scalar, Mat, int)","u":"compare(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"compareHist(Mat, Mat, int)","u":"compareHist(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"compareSegments(Size, Mat, Mat)","u":"compareSegments(org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"compareSegments(Size, Mat, Mat, Mat)","u":"compareSegments(org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"completeSymm(Mat)","u":"completeSymm(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"completeSymm(Mat, boolean)","u":"completeSymm(org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"composeRT(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"composeRT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"StatModel","l":"COMPRESSED_INPUT"},{"p":"org.opencv.features2d","c":"Feature2D","l":"compute(List, List, List)","u":"compute(java.util.List,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"compute(Mat, Mat, Mat)","u":"compute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"compute(Mat, MatOfFloat)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"compute(Mat, MatOfFloat, Size)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfFloat,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"compute(Mat, MatOfFloat, Size, Size)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfFloat,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"compute(Mat, MatOfFloat, Size, Size, MatOfPoint)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfFloat,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.MatOfPoint)"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"compute(Mat, MatOfKeyPoint, Mat)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"compute(Mat, MatOfKeyPoint, Mat)","u":"compute(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"computeBitmaps(Mat, Mat, Mat)","u":"computeBitmaps(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"computeCorrespondEpilines(Mat, int, Mat, Mat)","u":"computeCorrespondEpilines(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"computeECC(Mat, Mat)","u":"computeECC(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"computeECC(Mat, Mat, Mat)","u":"computeECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"computeGradient(Mat, Mat, Mat)","u":"computeGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"computeGradient(Mat, Mat, Mat, Size)","u":"computeGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"computeGradient(Mat, Mat, Mat, Size, Size)","u":"computeGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.core","c":"Scalar","l":"conj()"},{"p":"org.opencv.dnn","c":"Net","l":"connect(String, String)","u":"connect(java.lang.String,java.lang.String)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponents(Mat, Mat)","u":"connectedComponents(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponents(Mat, Mat, int)","u":"connectedComponents(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponents(Mat, Mat, int, int)","u":"connectedComponents(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponentsWithAlgorithm(Mat, Mat, int, int, int)","u":"connectedComponentsWithAlgorithm(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponentsWithStats(Mat, Mat, Mat, Mat)","u":"connectedComponentsWithStats(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponentsWithStats(Mat, Mat, Mat, Mat, int)","u":"connectedComponentsWithStats(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponentsWithStats(Mat, Mat, Mat, Mat, int, int)","u":"connectedComponentsWithStats(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"connectedComponentsWithStatsWithAlgorithm(Mat, Mat, Mat, Mat, int, int, int)","u":"connectedComponentsWithStatsWithAlgorithm(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.core","c":"Rect","l":"contains(Point)","u":"contains(org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Rect2d","l":"contains(Point)","u":"contains(org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"contourArea(Mat)","u":"contourArea(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"contourArea(Mat, boolean)","u":"contourArea(org.opencv.core.Mat,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CONTOURS_MATCH_I1"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CONTOURS_MATCH_I2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CONTOURS_MATCH_I3"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"convert(String, String)","u":"convert(java.lang.String,java.lang.String)"},{"p":"org.opencv.utils","c":"Converters","l":"Converters()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"convertMaps(Mat, Mat, Mat, Mat, int)","u":"convertMaps(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"convertMaps(Mat, Mat, Mat, Mat, int, boolean)","u":"convertMaps(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"convertPointsFromHomogeneous(Mat, Mat)","u":"convertPointsFromHomogeneous(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"convertPointsToHomogeneous(Mat, Mat)","u":"convertPointsToHomogeneous(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"convertScaleAbs(Mat, Mat)","u":"convertScaleAbs(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"convertScaleAbs(Mat, Mat, double)","u":"convertScaleAbs(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"convertScaleAbs(Mat, Mat, double, double)","u":"convertScaleAbs(org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.core","c":"Mat","l":"convertTo(Mat, int)","u":"convertTo(org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Mat","l":"convertTo(Mat, int, double)","u":"convertTo(org.opencv.core.Mat,int,double)"},{"p":"org.opencv.core","c":"Mat","l":"convertTo(Mat, int, double, double)","u":"convertTo(org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"convexHull(MatOfPoint, MatOfInt)","u":"convexHull(org.opencv.core.MatOfPoint,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"convexHull(MatOfPoint, MatOfInt, boolean)","u":"convexHull(org.opencv.core.MatOfPoint,org.opencv.core.MatOfInt,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"convexityDefects(MatOfPoint, MatOfInt, MatOfInt4)","u":"convexityDefects(org.opencv.core.MatOfPoint,org.opencv.core.MatOfInt,org.opencv.core.MatOfInt4)"},{"p":"org.opencv.core","c":"Core","l":"copyMakeBorder(Mat, Mat, int, int, int, int, int)","u":"copyMakeBorder(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int,int)"},{"p":"org.opencv.core","c":"Core","l":"copyMakeBorder(Mat, Mat, int, int, int, int, int, Scalar)","u":"copyMakeBorder(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Mat","l":"copySize(Mat)","u":"copySize(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"copyTo(Mat)","u":"copyTo(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"copyTo(Mat, Mat)","u":"copyTo(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"copyTo(Mat, Mat, Mat)","u":"copyTo(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"Core()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CORNER_REFINE_APRILTAG"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CORNER_REFINE_CONTOUR"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CORNER_REFINE_NONE"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"CORNER_REFINE_SUBPIX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerEigenValsAndVecs(Mat, Mat, int, int)","u":"cornerEigenValsAndVecs(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerEigenValsAndVecs(Mat, Mat, int, int, int)","u":"cornerEigenValsAndVecs(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerHarris(Mat, Mat, int, int, double)","u":"cornerHarris(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerHarris(Mat, Mat, int, int, double, int)","u":"cornerHarris(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerMinEigenVal(Mat, Mat, int)","u":"cornerMinEigenVal(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerMinEigenVal(Mat, Mat, int, int)","u":"cornerMinEigenVal(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerMinEigenVal(Mat, Mat, int, int, int)","u":"cornerMinEigenVal(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cornerSubPix(Mat, Mat, Size, Size, TermCriteria)","u":"cornerSubPix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.TermCriteria)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"CORRECT_LEVEL_H"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"CORRECT_LEVEL_L"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"CORRECT_LEVEL_M"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"CORRECT_LEVEL_Q"},{"p":"org.opencv.video","c":"KalmanFilter","l":"correct(Mat)","u":"correct(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"correctMatches(Mat, Mat, Mat, Mat, Mat)","u":"correctMatches(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"TermCriteria","l":"COUNT"},{"p":"org.opencv.core","c":"Core","l":"countNonZero(Mat)","u":"countNonZero(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"COV_MAT_DEFAULT"},{"p":"org.opencv.ml","c":"EM","l":"COV_MAT_DIAGONAL"},{"p":"org.opencv.ml","c":"EM","l":"COV_MAT_GENERIC"},{"p":"org.opencv.ml","c":"EM","l":"COV_MAT_SPHERICAL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"COV_POLISHER"},{"p":"org.opencv.core","c":"Core","l":"COVAR_COLS"},{"p":"org.opencv.core","c":"Core","l":"COVAR_NORMAL"},{"p":"org.opencv.core","c":"Core","l":"COVAR_ROWS"},{"p":"org.opencv.core","c":"Core","l":"COVAR_SCALE"},{"p":"org.opencv.core","c":"Core","l":"COVAR_SCRAMBLED"},{"p":"org.opencv.core","c":"Core","l":"COVAR_USE_AVG"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"create()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create()"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"create()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create()"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"create()"},{"p":"org.opencv.features2d","c":"BRISK","l":"create()"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"create()"},{"p":"org.opencv.features2d","c":"FlannBasedMatcher","l":"create()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create()"},{"p":"org.opencv.features2d","c":"KAZE","l":"create()"},{"p":"org.opencv.features2d","c":"MSER","l":"create()"},{"p":"org.opencv.features2d","c":"ORB","l":"create()"},{"p":"org.opencv.features2d","c":"SIFT","l":"create()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"create()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"create()"},{"p":"org.opencv.ml","c":"Boost","l":"create()"},{"p":"org.opencv.ml","c":"DTrees","l":"create()"},{"p":"org.opencv.ml","c":"EM","l":"create()"},{"p":"org.opencv.ml","c":"KNearest","l":"create()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"create()"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"create()"},{"p":"org.opencv.ml","c":"ParamGrid","l":"create()"},{"p":"org.opencv.ml","c":"RTrees","l":"create()"},{"p":"org.opencv.ml","c":"SVM","l":"create()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"create()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"create()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"create()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN","l":"create()"},{"p":"org.opencv.video","c":"TrackerGOTURN","l":"create()"},{"p":"org.opencv.video","c":"TrackerMIL","l":"create()"},{"p":"org.opencv.video","c":"TrackerNano","l":"create()"},{"p":"org.opencv.video","c":"TrackerVit","l":"create()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"create()"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean)"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean, boolean)","u":"create(boolean,boolean)"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean, boolean, float)","u":"create(boolean,boolean,float)"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean, boolean, float, int)","u":"create(boolean,boolean,float,int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean, boolean, float, int, int)","u":"create(boolean,boolean,float,int,int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"create(boolean, boolean, float, int, int, int)","u":"create(boolean,boolean,float,int,int,int)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"create(double)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"create(double, double)","u":"create(double,double)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"create(double, double, double)","u":"create(double,double,double)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"create(Feature2D)","u":"create(org.opencv.features2d.Feature2D)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"create(Feature2D, int)","u":"create(org.opencv.features2d.Feature2D,int)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"create(Feature2D, int, int)","u":"create(org.opencv.features2d.Feature2D,int,int)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"create(Feature2D, int, int, float)","u":"create(org.opencv.features2d.Feature2D,int,int,float)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"create(Feature2D, int, int, float, float)","u":"create(org.opencv.features2d.Feature2D,int,int,float,float)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"create(int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"create(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int)"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"create(int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"create(int)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"create(int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"create(int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"create(int, boolean)","u":"create(int,boolean)"},{"p":"org.opencv.features2d","c":"BFMatcher","l":"create(int, boolean)","u":"create(int,boolean)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"create(int, boolean)","u":"create(int,boolean)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"create(int, boolean, int)","u":"create(int,boolean,int)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"create(int, boolean, int)","u":"create(int,boolean,int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double)","u":"create(int,double)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double)","u":"create(int,double)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean)","u":"create(int,double,boolean)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean, int)","u":"create(int,double,boolean,int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean, int, int)","u":"create(int,double,boolean,int,int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean, int, int, int)","u":"create(int,double,boolean,int,int,int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean, int, int, int, double)","u":"create(int,double,boolean,int,int,int,double)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"create(int, double, boolean, int, int, int, double, int)","u":"create(int,double,boolean,int,int,int,double,int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double)","u":"create(int,double,double)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int)","u":"create(int,double,double,int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int, boolean)","u":"create(int,double,double,int,boolean)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int, boolean, double)","u":"create(int,double,double,int,boolean,double)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int, int)","u":"create(int,double,double,int,int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int, int, boolean)","u":"create(int,double,double,int,int,boolean)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"create(int, double, double, int, int, boolean, double)","u":"create(int,double,double,int,int,boolean,double)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float)","u":"create(int,float)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int)","u":"create(int,float,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int)","u":"create(int,float,int,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int, int)","u":"create(int,float,int,int,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int, int, int)","u":"create(int,float,int,int,int,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int, int, int, int)","u":"create(int,float,int,int,int,int,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int, int, int, int, int)","u":"create(int,float,int,int,int,int,int,int)"},{"p":"org.opencv.features2d","c":"ORB","l":"create(int, float, int, int, int, int, int, int, int)","u":"create(int,float,int,int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int)","u":"create(int,int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double)","u":"create(int,int,double)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double, double)","u":"create(int,int,double,double)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double, double, double)","u":"create(int,int,double,double,double)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double, double, double, boolean)","u":"create(int,int,double,double,double,boolean)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double, double, double, int)","u":"create(int,int,double,double,double,int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"create(int, int, double, double, double, int, boolean)","u":"create(int,int,double,double,double,int,boolean)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int, float)","u":"create(int,int,float)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int)","u":"create(int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"create(int, int, int)","u":"create(int,int,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int)","u":"create(int,int,int)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int)","u":"create(int,int,int)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double)","u":"create(int,int,int,double)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double, double)","u":"create(int,int,int,double,double)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double, double, int)","u":"create(int,int,int,double,double,int)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double, double, int, double)","u":"create(int,int,int,double,double,int,double)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double, double, int, double, double)","u":"create(int,int,int,double,double,int,double,double)"},{"p":"org.opencv.features2d","c":"MSER","l":"create(int, int, int, double, double, int, double, double, int)","u":"create(int,int,int,double,double,int,double,double,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int, float)","u":"create(int,int,int,float)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int, float, int)","u":"create(int,int,int,float,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int, float, int, int)","u":"create(int,int,int,float,int,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int, float, int, int, int)","u":"create(int,int,int,float,int,int,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"create(int, int, int, float, int, int, int, int)","u":"create(int,int,int,float,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int)","u":"create(int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int)","u":"create(int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int)","u":"create(int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int, int)","u":"create(int,int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int, int, int)","u":"create(int,int,int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int, int, int, int)","u":"create(int,int,int,int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int, int, int, int, int)","u":"create(int,int,int,int,int,int,int,int,int,int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"create(int, int, int, int, int, int, int, int, int, int, int)","u":"create(int,int,int,int,int,int,int,int,int,int,int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int, MatOfFloat, MatOfInt)","u":"create(int,int,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int, MatOfFloat, MatOfInt, float)","u":"create(int,int,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int, MatOfFloat, MatOfInt, float, float)","u":"create(int,int,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(int, int, MatOfFloat, MatOfInt, float, float, MatOfInt)","u":"create(int,int,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.core","c":"Mat","l":"create(int[], int)","u":"create(int[],int)"},{"p":"org.opencv.ml","c":"TrainData","l":"create(Mat, int, Mat)","u":"create(org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"TrainData","l":"create(Mat, int, Mat, Mat)","u":"create(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"TrainData","l":"create(Mat, int, Mat, Mat, Mat)","u":"create(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"TrainData","l":"create(Mat, int, Mat, Mat, Mat, Mat)","u":"create(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"TrainData","l":"create(Mat, int, Mat, Mat, Mat, Mat, Mat)","u":"create(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(MatOfFloat, MatOfInt)","u":"create(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(MatOfFloat, MatOfInt, float)","u":"create(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(MatOfFloat, MatOfInt, float, float)","u":"create(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float)"},{"p":"org.opencv.features2d","c":"BRISK","l":"create(MatOfFloat, MatOfInt, float, float, MatOfInt)","u":"create(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.video","c":"TrackerGOTURN","l":"create(Net)","u":"create(org.opencv.dnn.Net)"},{"p":"org.opencv.video","c":"TrackerVit","l":"create(Net)","u":"create(org.opencv.dnn.Net)"},{"p":"org.opencv.video","c":"TrackerNano","l":"create(Net, Net)","u":"create(org.opencv.dnn.Net,org.opencv.dnn.Net)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN","l":"create(Net, Net, Net)","u":"create(org.opencv.dnn.Net,org.opencv.dnn.Net,org.opencv.dnn.Net)"},{"p":"org.opencv.video","c":"TrackerVit","l":"create(Net, Scalar)","u":"create(org.opencv.dnn.Net,org.opencv.core.Scalar)"},{"p":"org.opencv.video","c":"TrackerVit","l":"create(Net, Scalar, Scalar)","u":"create(org.opencv.dnn.Net,org.opencv.core.Scalar,org.opencv.core.Scalar)"},{"p":"org.opencv.video","c":"TrackerVit","l":"create(Net, Scalar, Scalar, float)","u":"create(org.opencv.dnn.Net,org.opencv.core.Scalar,org.opencv.core.Scalar,float)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"create(QRCodeEncoder_Params)","u":"create(org.opencv.objdetect.QRCodeEncoder_Params)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"create(SimpleBlobDetector_Params)","u":"create(org.opencv.features2d.SimpleBlobDetector_Params)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create(Size)","u":"create(org.opencv.core.Size)"},{"p":"org.opencv.core","c":"Mat","l":"create(Size, int)","u":"create(org.opencv.core.Size,int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create(Size, int)","u":"create(org.opencv.core.Size,int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create(Size, int, TermCriteria)","u":"create(org.opencv.core.Size,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create(Size, int, TermCriteria, int)","u":"create(org.opencv.core.Size,int,org.opencv.core.TermCriteria,int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"create(Size, int, TermCriteria, int, double)","u":"create(org.opencv.core.Size,int,org.opencv.core.TermCriteria,int,double)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"create(String)","u":"create(java.lang.String)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, MatOfByte, MatOfByte)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, MatOfByte, MatOfByte, int)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,int)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, MatOfByte, MatOfByte, int, int)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,int,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size, float)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size,float)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size, float, float)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size,float,float)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size, float, float, int)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size,float,float,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size, float, float, int, int)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size,float,float,int,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, MatOfByte, MatOfByte, Size, float, float, int, int, int)","u":"create(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte,org.opencv.core.Size,float,float,int,int,int)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, String)","u":"create(java.lang.String,java.lang.String)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, String, int)","u":"create(java.lang.String,java.lang.String,int)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"create(String, String, int, int)","u":"create(java.lang.String,java.lang.String,int,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size, float)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size,float)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size, float, float)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size,float,float)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size, float, float, int)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size,float,float,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size, float, float, int, int)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size,float,float,int,int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"create(String, String, Size, float, float, int, int, int)","u":"create(java.lang.String,java.lang.String,org.opencv.core.Size,float,float,int,int,int)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN","l":"create(TrackerDaSiamRPN_Params)","u":"create(org.opencv.video.TrackerDaSiamRPN_Params)"},{"p":"org.opencv.video","c":"TrackerGOTURN","l":"create(TrackerGOTURN_Params)","u":"create(org.opencv.video.TrackerGOTURN_Params)"},{"p":"org.opencv.video","c":"TrackerMIL","l":"create(TrackerMIL_Params)","u":"create(org.opencv.video.TrackerMIL_Params)"},{"p":"org.opencv.video","c":"TrackerNano","l":"create(TrackerNano_Params)","u":"create(org.opencv.video.TrackerNano_Params)"},{"p":"org.opencv.video","c":"TrackerVit","l":"create(TrackerVit_Params)","u":"create(org.opencv.video.TrackerVit_Params)"},{"p":"org.opencv.photo","c":"Photo","l":"createAlignMTB()"},{"p":"org.opencv.photo","c":"Photo","l":"createAlignMTB(int)"},{"p":"org.opencv.photo","c":"Photo","l":"createAlignMTB(int, int)","u":"createAlignMTB(int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"createAlignMTB(int, int, boolean)","u":"createAlignMTB(int,int,boolean)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorKNN()"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorKNN(int)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorKNN(int, double)","u":"createBackgroundSubtractorKNN(int,double)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorKNN(int, double, boolean)","u":"createBackgroundSubtractorKNN(int,double,boolean)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorMOG2()"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorMOG2(int)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorMOG2(int, double)","u":"createBackgroundSubtractorMOG2(int,double)"},{"p":"org.opencv.video","c":"Video","l":"createBackgroundSubtractorMOG2(int, double, boolean)","u":"createBackgroundSubtractorMOG2(int,double,boolean)"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateDebevec()"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateDebevec(int)"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateDebevec(int, float)","u":"createCalibrateDebevec(int,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateDebevec(int, float, boolean)","u":"createCalibrateDebevec(int,float,boolean)"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateRobertson()"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateRobertson(int)"},{"p":"org.opencv.photo","c":"Photo","l":"createCalibrateRobertson(int, float)","u":"createCalibrateRobertson(int,float)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createCLAHE()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createCLAHE(double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createCLAHE(double, Size)","u":"createCLAHE(double,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createGeneralizedHoughBallard()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createGeneralizedHoughGuil()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createHanningWindow(Mat, Size, int)","u":"createHanningWindow(org.opencv.core.Mat,org.opencv.core.Size,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double)","u":"createLineSegmentDetector(int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double)","u":"createLineSegmentDetector(int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double, double)","u":"createLineSegmentDetector(int,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double, double, double)","u":"createLineSegmentDetector(int,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double, double, double, double)","u":"createLineSegmentDetector(int,double,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double, double, double, double, double)","u":"createLineSegmentDetector(int,double,double,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"createLineSegmentDetector(int, double, double, double, double, double, double, int)","u":"createLineSegmentDetector(int,double,double,double,double,double,double,int)"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeDebevec()"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeMertens()"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeMertens(float)"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeMertens(float, float)","u":"createMergeMertens(float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeMertens(float, float, float)","u":"createMergeMertens(float,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createMergeRobertson()"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemap()"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemap(float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapDrago()"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapDrago(float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapDrago(float, float)","u":"createTonemapDrago(float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapDrago(float, float, float)","u":"createTonemapDrago(float,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapMantiuk()"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapMantiuk(float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapMantiuk(float, float)","u":"createTonemapMantiuk(float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapMantiuk(float, float, float)","u":"createTonemapMantiuk(float,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapReinhard()"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapReinhard(float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapReinhard(float, float)","u":"createTonemapReinhard(float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapReinhard(float, float, float)","u":"createTonemapReinhard(float,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"createTonemapReinhard(float, float, float, float)","u":"createTonemapReinhard(float,float,float,float)"},{"p":"org.opencv.core","c":"Mat","l":"cross(Mat)","u":"cross(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Point3","l":"cross(Point3)","u":"cross(org.opencv.core.Point3)"},{"p":"org.opencv.core","c":"Core","l":"cubeRoot(float)"},{"p":"org.opencv.ml","c":"SVM","l":"CUSTOM"},{"p":"org.opencv.core","c":"CvType","l":"CV_16F"},{"p":"org.opencv.core","c":"CvType","l":"CV_16FC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_16FC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_16FC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_16FC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_16FC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_16S"},{"p":"org.opencv.core","c":"CvType","l":"CV_16SC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_16SC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_16SC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_16SC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_16SC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_16U"},{"p":"org.opencv.core","c":"CvType","l":"CV_16UC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_16UC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_16UC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_16UC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_16UC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_32F"},{"p":"org.opencv.core","c":"CvType","l":"CV_32FC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_32FC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_32FC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_32FC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_32FC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_32S"},{"p":"org.opencv.core","c":"CvType","l":"CV_32SC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_32SC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_32SC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_32SC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_32SC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_64F"},{"p":"org.opencv.core","c":"CvType","l":"CV_64FC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_64FC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_64FC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_64FC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_64FC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_8S"},{"p":"org.opencv.core","c":"CvType","l":"CV_8SC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_8SC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_8SC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_8SC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_8SC4"},{"p":"org.opencv.core","c":"CvType","l":"CV_8U"},{"p":"org.opencv.core","c":"CvType","l":"CV_8UC(int)"},{"p":"org.opencv.core","c":"CvType","l":"CV_8UC1"},{"p":"org.opencv.core","c":"CvType","l":"CV_8UC2"},{"p":"org.opencv.core","c":"CvType","l":"CV_8UC3"},{"p":"org.opencv.core","c":"CvType","l":"CV_8UC4"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_BILATERAL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_BLUR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_BLUR_NO_SCALE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CANNY_L2_GRADIENT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CHAIN_CODE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CLOCKWISE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_BHATTACHARYYA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_CHISQR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_CHISQR_ALT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_CORREL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_HELLINGER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_INTERSECT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COMP_KL_DIV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CONTOURS_MATCH_I1"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CONTOURS_MATCH_I2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_CONTOURS_MATCH_I3"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_COUNTER_CLOCKWISE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_C"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_FAIR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_HUBER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_L1"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_L12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_L2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_LABEL_CCOMP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_LABEL_PIXEL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_MASK_3"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_MASK_5"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_MASK_PRECISE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_USER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_DIST_WELSCH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CV_DLS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CV_EPNP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_GAUSSIAN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_GAUSSIAN_5x5"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_HOUGH_GRADIENT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_HOUGH_MULTI_SCALE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_HOUGH_PROBABILISTIC"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_HOUGH_STANDARD"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CV_ITERATIVE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_LINK_RUNS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_MAX_SOBEL_KSIZE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_MEDIAN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_mRGBA2RGBA"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CV_P3P"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_POLY_APPROX_DP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_RGBA2mRGBA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SCHARR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SHAPE_CROSS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SHAPE_CUSTOM"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SHAPE_DIAMOND"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SHAPE_ELLIPSE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_SHAPE_RECT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_WARP_FILL_OUTLIERS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_WARP_INVERSE_MAP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"CV_WARP_RELATIVE_MAP"},{"p":"org.opencv.core","c":"CvException","l":"CvException(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CvLevMarq_CALC_J"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CvLevMarq_CHECK_ERR"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CvLevMarq_DONE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"CvLevMarq_STARTED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cvtColor(Mat, Mat, int)","u":"cvtColor(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cvtColor(Mat, Mat, int, int)","u":"cvtColor(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cvtColor(Mat, Mat, int, int, int)","u":"cvtColor(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cvtColorTwoPlane(Mat, Mat, Mat, int)","u":"cvtColorTwoPlane(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"cvtColorTwoPlane(Mat, Mat, Mat, int, int)","u":"cvtColorTwoPlane(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.core","c":"CvType","l":"CvType()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Mat","l":"dataAddr()"},{"p":"org.opencv.core","c":"Core","l":"DCT_INVERSE"},{"p":"org.opencv.core","c":"Core","l":"DCT_ROWS"},{"p":"org.opencv.core","c":"Core","l":"dct(Mat, Mat)","u":"dct(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"dct(Mat, Mat, int)","u":"dct(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decode(Mat, Mat)","u":"decode(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decode(Mat, Mat, Mat)","u":"decode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeBytes(Mat, Mat)","u":"decodeBytes(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeBytes(Mat, Mat, Mat)","u":"decodeBytes(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeBytesMulti(Mat, Mat, List)","u":"decodeBytesMulti(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeBytesMulti(Mat, Mat, List, List)","u":"decodeBytesMulti(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"decodeCurved(Mat, Mat)","u":"decodeCurved(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"decodeCurved(Mat, Mat, Mat)","u":"decodeCurved(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeMulti(Mat, Mat, List)","u":"decodeMulti(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"decodeMulti(Mat, Mat, List, List)","u":"decodeMulti(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"decodeWithType(Mat, Mat, List, List)","u":"decodeWithType(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.photo","c":"Photo","l":"decolor(Mat, Mat, Mat)","u":"decolor(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_CHOLESKY"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_EIG"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_LU"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_NORMAL"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_QR"},{"p":"org.opencv.core","c":"Core","l":"DECOMP_SVD"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeEssentialMat(Mat, Mat, Mat, Mat)","u":"decomposeEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeHomographyMat(Mat, Mat, List, List, List)","u":"decomposeHomographyMat(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeProjectionMatrix(Mat, Mat, Mat, Mat)","u":"decomposeProjectionMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat)","u":"decomposeProjectionMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat)","u":"decomposeProjectionMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"decomposeProjectionMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"decomposeProjectionMatrix(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"decomposeProjectionMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"DEFAULT_MAX_ITERS"},{"p":"org.opencv.ml","c":"EM","l":"DEFAULT_NCLUSTERS"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"DEFAULT_NLEVELS"},{"p":"org.opencv.features2d","c":"Feature2D","l":"defaultNorm()"},{"p":"org.opencv.ml","c":"SVM","l":"DEGREE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"demosaicing(Mat, Mat, int)","u":"demosaicing(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"demosaicing(Mat, Mat, int, int)","u":"demosaicing(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"denoise_TVL1(List, Mat)","u":"denoise_TVL1(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"denoise_TVL1(List, Mat, double)","u":"denoise_TVL1(java.util.List,org.opencv.core.Mat,double)"},{"p":"org.opencv.photo","c":"Photo","l":"denoise_TVL1(List, Mat, double, int)","u":"denoise_TVL1(java.util.List,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Mat","l":"depth()"},{"p":"org.opencv.core","c":"CvType","l":"depth(int)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"DESCR_FORMAT_COL_BY_COL"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"DESCR_FORMAT_ROW_BY_ROW"},{"p":"org.opencv.features2d","c":"AKAZE","l":"DESCRIPTOR_KAZE"},{"p":"org.opencv.features2d","c":"AKAZE","l":"DESCRIPTOR_KAZE_UPRIGHT"},{"p":"org.opencv.features2d","c":"AKAZE","l":"DESCRIPTOR_MLDB"},{"p":"org.opencv.features2d","c":"AKAZE","l":"DESCRIPTOR_MLDB_UPRIGHT"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"descriptorsCount()"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"descriptorSize()"},{"p":"org.opencv.features2d","c":"Feature2D","l":"descriptorSize()"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"descriptorType()"},{"p":"org.opencv.features2d","c":"Feature2D","l":"descriptorType()"},{"p":"org.opencv.photo","c":"Photo","l":"detailEnhance(Mat, Mat)","u":"detailEnhance(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"detailEnhance(Mat, Mat, float)","u":"detailEnhance(org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"detailEnhance(Mat, Mat, float, float)","u":"detailEnhance(org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detect(List, List)","u":"detect(java.util.List,java.util.List)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detect(List, List, List)","u":"detect(java.util.List,java.util.List,java.util.List)"},{"p":"org.opencv.dnn","c":"TextDetectionModel","l":"detect(Mat, List)","u":"detect(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.dnn","c":"TextDetectionModel","l":"detect(Mat, List, MatOfFloat)","u":"detect(org.opencv.core.Mat,java.util.List,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"detect(Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"detect(Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"detect(Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detect(Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"detect(Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"detect(Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"detect(Mat, Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"detect(Mat, Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"detect(Mat, Mat, Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"detect(Mat, Mat, Mat, Mat, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"detect(Mat, MatOfInt, MatOfFloat, MatOfRect)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.MatOfFloat,org.opencv.core.MatOfRect)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"detect(Mat, MatOfInt, MatOfFloat, MatOfRect, float)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.MatOfFloat,org.opencv.core.MatOfRect,float)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"detect(Mat, MatOfInt, MatOfFloat, MatOfRect, float, float)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.MatOfFloat,org.opencv.core.MatOfRect,float,float)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detect(Mat, MatOfKeyPoint)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detect(Mat, MatOfKeyPoint, Mat)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detect(Mat, MatOfPoint, MatOfDouble)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.MatOfDouble)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detect(Mat, MatOfPoint, MatOfDouble, double)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.MatOfDouble,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detect(Mat, MatOfPoint, MatOfDouble, double, Size)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.MatOfDouble,double,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detect(Mat, MatOfPoint, MatOfDouble, double, Size, Size)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detect(Mat, MatOfPoint, MatOfDouble, double, Size, Size, MatOfPoint)","u":"detect(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.MatOfPoint)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detectAndCompute(Mat, Mat, MatOfKeyPoint, Mat)","u":"detectAndCompute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"detectAndCompute(Mat, Mat, MatOfKeyPoint, Mat, boolean)","u":"detectAndCompute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecode(Mat)","u":"detectAndDecode(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecode(Mat, Mat)","u":"detectAndDecode(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecode(Mat, Mat, Mat)","u":"detectAndDecode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytes(Mat)","u":"detectAndDecodeBytes(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytes(Mat, Mat)","u":"detectAndDecodeBytes(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytes(Mat, Mat, Mat)","u":"detectAndDecodeBytes(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytesMulti(Mat, List)","u":"detectAndDecodeBytesMulti(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytesMulti(Mat, List, Mat)","u":"detectAndDecodeBytesMulti(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeBytesMulti(Mat, List, Mat, List)","u":"detectAndDecodeBytesMulti(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"detectAndDecodeCurved(Mat)","u":"detectAndDecodeCurved(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"detectAndDecodeCurved(Mat, Mat)","u":"detectAndDecodeCurved(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"detectAndDecodeCurved(Mat, Mat, Mat)","u":"detectAndDecodeCurved(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeMulti(Mat, List)","u":"detectAndDecodeMulti(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeMulti(Mat, List, Mat)","u":"detectAndDecodeMulti(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectAndDecodeMulti(Mat, List, Mat, List)","u":"detectAndDecodeMulti(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"detectAndDecodeWithType(Mat, List, List)","u":"detectAndDecodeWithType(org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"detectAndDecodeWithType(Mat, List, List, Mat)","u":"detectAndDecodeWithType(org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectBoard(Mat, Mat, Mat)","u":"detectBoard(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectBoard(Mat, Mat, Mat, List)","u":"detectBoard(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectBoard(Mat, Mat, Mat, List, Mat)","u":"detectBoard(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectDiamonds(Mat, List, Mat)","u":"detectDiamonds(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectDiamonds(Mat, List, Mat, List)","u":"detectDiamonds(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"detectDiamonds(Mat, List, Mat, List, Mat)","u":"detectDiamonds(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DetectionBasedTracker_DETECTED"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DetectionBasedTracker_DETECTED_NOT_SHOWN_YET"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DetectionBasedTracker_DETECTED_TEMPORARY_LOST"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DetectionBasedTracker_WRONG_OBJECT"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"DetectionModel(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"DetectionModel(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"DetectionModel(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"detectMarkers(Mat, List, Mat)","u":"detectMarkers(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"detectMarkers(Mat, List, Mat, List)","u":"detectMarkers(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"detectMarkersMultiDict(Mat, List, Mat)","u":"detectMarkersMultiDict(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"detectMarkersMultiDict(Mat, List, Mat, List)","u":"detectMarkersMultiDict(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"detectMarkersMultiDict(Mat, List, Mat, List, Mat)","u":"detectMarkersMultiDict(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"detectMulti(Mat, Mat)","u":"detectMulti(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect, double)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,double)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect, double, int)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,double,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect, double, int, int)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,double,int,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect, double, int, int, Size)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,double,int,int,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale(Mat, MatOfRect, double, int, int, Size, Size)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,double,int,int,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double, double)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size,double,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"detectMultiScale(Mat, MatOfRect, MatOfDouble, double, Size, Size, double, double, boolean)","u":"detectMultiScale(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfDouble,double,org.opencv.core.Size,org.opencv.core.Size,double,double,boolean)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt, double)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,double)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,double,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,double,int,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int, Size)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,double,int,int,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale2(Mat, MatOfRect, MatOfInt, double, int, int, Size, Size)","u":"detectMultiScale2(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,double,int,int,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double,int,int)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double,int,int,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size, Size)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double,int,int,org.opencv.core.Size,org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"detectMultiScale3(Mat, MatOfRect, MatOfInt, MatOfDouble, double, int, int, Size, Size, boolean)","u":"detectMultiScale3(org.opencv.core.Mat,org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,org.opencv.core.MatOfDouble,double,int,int,org.opencv.core.Size,org.opencv.core.Size,boolean)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"DetectorParameters()","u":"%3Cinit%3E()"},{"p":"org.opencv.features2d","c":"MSER","l":"detectRegions(Mat, List, MatOfRect)","u":"detectRegions(org.opencv.core.Mat,java.util.List,org.opencv.core.MatOfRect)"},{"p":"org.opencv.dnn","c":"TextDetectionModel","l":"detectTextRectangles(Mat, MatOfRotatedRect)","u":"detectTextRectangles(org.opencv.core.Mat,org.opencv.core.MatOfRotatedRect)"},{"p":"org.opencv.dnn","c":"TextDetectionModel","l":"detectTextRectangles(Mat, MatOfRotatedRect, MatOfFloat)","u":"detectTextRectangles(org.opencv.core.Mat,org.opencv.core.MatOfRotatedRect,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.core","c":"Core","l":"determinant(Mat)","u":"determinant(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"DFT_COMPLEX_INPUT"},{"p":"org.opencv.core","c":"Core","l":"DFT_COMPLEX_OUTPUT"},{"p":"org.opencv.core","c":"Core","l":"DFT_INVERSE"},{"p":"org.opencv.core","c":"Core","l":"DFT_REAL_OUTPUT"},{"p":"org.opencv.core","c":"Core","l":"DFT_ROWS"},{"p":"org.opencv.core","c":"Core","l":"DFT_SCALE"},{"p":"org.opencv.core","c":"Core","l":"dft(Mat, Mat)","u":"dft(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"dft(Mat, Mat, int)","u":"dft(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"dft(Mat, Mat, int, int)","u":"dft(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"diag()"},{"p":"org.opencv.core","c":"Mat","l":"diag(int)"},{"p":"org.opencv.core","c":"Mat","l":"diag(Mat)","u":"diag(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_4X4_100"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_4X4_1000"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_4X4_250"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_4X4_50"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_5X5_100"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_5X5_1000"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_5X5_250"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_5X5_50"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_6X6_100"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_6X6_1000"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_6X6_250"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_6X6_50"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_7X7_100"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_7X7_1000"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_7X7_250"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_7X7_50"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_APRILTAG_16h5"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_APRILTAG_25h9"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_APRILTAG_36h10"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_APRILTAG_36h11"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_ARUCO_MIP_36h12"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"DICT_ARUCO_ORIGINAL"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"Dictionary()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"Dictionary(Mat, int)","u":"%3Cinit%3E(org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"Dictionary(Mat, int, int)","u":"%3Cinit%3E(org.opencv.core.Mat,int,int)"},{"p":"org.opencv.dnn","c":"DictValue","l":"DictValue(double)","u":"%3Cinit%3E(double)"},{"p":"org.opencv.dnn","c":"DictValue","l":"DictValue(int)","u":"%3Cinit%3E(int)"},{"p":"org.opencv.dnn","c":"DictValue","l":"DictValue(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.features2d","c":"KAZE","l":"DIFF_CHARBONNIER"},{"p":"org.opencv.features2d","c":"KAZE","l":"DIFF_PM_G1"},{"p":"org.opencv.features2d","c":"KAZE","l":"DIFF_PM_G2"},{"p":"org.opencv.features2d","c":"KAZE","l":"DIFF_WEICKERT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"dilate(Mat, Mat, Mat)","u":"dilate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"dilate(Mat, Mat, Mat, Point)","u":"dilate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"dilate(Mat, Mat, Mat, Point, int)","u":"dilate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"dilate(Mat, Mat, Mat, Point, int, int)","u":"dilate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"dilate(Mat, Mat, Mat, Point, int, int, Scalar)","u":"dilate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Mat","l":"dims()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"disableFpsMeter()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"disableView()"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"disableView()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"disableView()"},{"p":"org.opencv.ml","c":"Boost","l":"DISCRETE"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"DISP_SCALE"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"DISP_SHIFT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_C"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_FAIR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_HUBER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_L1"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_L12"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_L2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_LABEL_CCOMP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_LABEL_PIXEL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_MASK_3"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_MASK_5"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_MASK_PRECISE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_USER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"DIST_WELSCH"},{"p":"org.opencv.core","c":"DMatch","l":"distance"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"distanceTransform(Mat, Mat, int, int)","u":"distanceTransform(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"distanceTransform(Mat, Mat, int, int, int)","u":"distanceTransform(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"distanceTransformWithLabels(Mat, Mat, Mat, int, int)","u":"distanceTransformWithLabels(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"distanceTransformWithLabels(Mat, Mat, Mat, int, int, int)","u":"distanceTransformWithLabels(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.core","c":"Core","l":"divide(double, Mat, Mat)","u":"divide(double,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"divide(double, Mat, Mat, int)","u":"divide(double,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Mat, Mat)","u":"divide(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Mat, Mat, double)","u":"divide(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Mat, Mat, double, int)","u":"divide(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Scalar, Mat)","u":"divide(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Scalar, Mat, double)","u":"divide(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"divide(Mat, Scalar, Mat, double, int)","u":"divide(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"divSpectrums(Mat, Mat, Mat, int)","u":"divSpectrums(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"divSpectrums(Mat, Mat, Mat, int, boolean)","u":"divSpectrums(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.core","c":"DMatch","l":"DMatch()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"DMatch","l":"DMatch(int, int, float)","u":"%3Cinit%3E(int,int,float)"},{"p":"org.opencv.core","c":"DMatch","l":"DMatch(int, int, int, float)","u":"%3Cinit%3E(int,int,int,float)"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_CANN"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_CUDA"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_DEFAULT"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_HALIDE"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_INFERENCE_ENGINE"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_OPENCV"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_TIMVX"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_VKCOM"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_BACKEND_WEBNN"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_NCDHW"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_NCHW"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_ND"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_NDHWC"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_NHWC"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_PLANAR"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_LAYOUT_UNKNOWN"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_PMODE_CROP_CENTER"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_PMODE_LETTERBOX"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_PMODE_NULL"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_CPU"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_CPU_FP16"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_CUDA"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_CUDA_FP16"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_FPGA"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_HDDL"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_MYRIAD"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_NPU"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_OPENCL"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_OPENCL_FP16"},{"p":"org.opencv.dnn","c":"Dnn","l":"DNN_TARGET_VULKAN"},{"p":"org.opencv.dnn","c":"Dnn","l":"Dnn()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Mat","l":"dot(Mat)","u":"dot(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Point","l":"dot(Point)","u":"dot(org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Point3","l":"dot(Point3)","u":"dot(org.opencv.core.Point3)"},{"p":"org.opencv.android","c":"FpsMeter","l":"draw(Canvas, float, float)","u":"draw(android.graphics.Canvas,float,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"drawChessboardCorners(Mat, Size, MatOfPoint2f, boolean)","u":"drawChessboardCorners(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.MatOfPoint2f,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar, int)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar, int, int)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar, int, int, Mat)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar, int, int, Mat, int)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar,int,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawContours(Mat, List, int, Scalar, int, int, Mat, int, Point)","u":"drawContours(org.opencv.core.Mat,java.util.List,int,org.opencv.core.Scalar,int,int,org.opencv.core.Mat,int,org.opencv.core.Point)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedCornersCharuco(Mat, Mat)","u":"drawDetectedCornersCharuco(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedCornersCharuco(Mat, Mat, Mat)","u":"drawDetectedCornersCharuco(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedCornersCharuco(Mat, Mat, Mat, Scalar)","u":"drawDetectedCornersCharuco(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedDiamonds(Mat, List)","u":"drawDetectedDiamonds(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedDiamonds(Mat, List, Mat)","u":"drawDetectedDiamonds(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedDiamonds(Mat, List, Mat, Scalar)","u":"drawDetectedDiamonds(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedMarkers(Mat, List)","u":"drawDetectedMarkers(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedMarkers(Mat, List, Mat)","u":"drawDetectedMarkers(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"drawDetectedMarkers(Mat, List, Mat, Scalar)","u":"drawDetectedMarkers(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"drawFrameAxes(Mat, Mat, Mat, Mat, Mat, float)","u":"drawFrameAxes(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"drawFrameAxes(Mat, Mat, Mat, Mat, Mat, float, int)","u":"drawFrameAxes(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,int)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawKeypoints(Mat, MatOfKeyPoint, Mat)","u":"drawKeypoints(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawKeypoints(Mat, MatOfKeyPoint, Mat, Scalar)","u":"drawKeypoints(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawKeypoints(Mat, MatOfKeyPoint, Mat, Scalar, int)","u":"drawKeypoints(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawMarker(Mat, Point, Scalar)","u":"drawMarker(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawMarker(Mat, Point, Scalar, int)","u":"drawMarker(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawMarker(Mat, Point, Scalar, int, int)","u":"drawMarker(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawMarker(Mat, Point, Scalar, int, int, int)","u":"drawMarker(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"drawMarker(Mat, Point, Scalar, int, int, int, int)","u":"drawMarker(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int,int)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,int)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,int,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,int,org.opencv.core.Scalar,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar, MatOfByte)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,int,org.opencv.core.Scalar,org.opencv.core.Scalar,org.opencv.core.MatOfByte)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, int, Scalar, Scalar, MatOfByte, int)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,int,org.opencv.core.Scalar,org.opencv.core.Scalar,org.opencv.core.MatOfByte,int)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar, MatOfByte)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar,org.opencv.core.MatOfByte)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatches(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, MatOfDMatch, Mat, Scalar, Scalar, MatOfByte, int)","u":"drawMatches(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.MatOfDMatch,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar,org.opencv.core.MatOfByte,int)"},{"p":"org.opencv.features2d","c":"Features2d","l":"DrawMatchesFlags_DEFAULT"},{"p":"org.opencv.features2d","c":"Features2d","l":"DrawMatchesFlags_DRAW_OVER_OUTIMG"},{"p":"org.opencv.features2d","c":"Features2d","l":"DrawMatchesFlags_DRAW_RICH_KEYPOINTS"},{"p":"org.opencv.features2d","c":"Features2d","l":"DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List, Mat)","u":"drawMatchesKnn(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List, Mat, Scalar)","u":"drawMatchesKnn(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List, Mat, Scalar, Scalar)","u":"drawMatchesKnn(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List, Mat, Scalar, Scalar, List)","u":"drawMatchesKnn(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar,java.util.List)"},{"p":"org.opencv.features2d","c":"Features2d","l":"drawMatchesKnn(Mat, MatOfKeyPoint, Mat, MatOfKeyPoint, List, Mat, Scalar, Scalar, List, int)","u":"drawMatchesKnn(org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,org.opencv.core.Mat,org.opencv.core.MatOfKeyPoint,java.util.List,org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar,java.util.List,int)"},{"p":"org.opencv.imgproc","c":"LineSegmentDetector","l":"drawSegments(Mat, Mat)","u":"drawSegments(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"dump()"},{"p":"org.opencv.dnn","c":"Net","l":"dump()"},{"p":"org.opencv.dnn","c":"Net","l":"dumpToFile(String)","u":"dumpToFile(java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"dumpToPbtxt(String)","u":"dumpToPbtxt(java.lang.String)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"ECI_SHIFT_JIS"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"ECI_UTF8"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"edgeDst(int)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"edgeDst(int, Point)","u":"edgeDst(int,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"edgeOrg(int)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"edgeOrg(int, Point)","u":"edgeOrg(int,org.opencv.core.Point)"},{"p":"org.opencv.photo","c":"Photo","l":"edgePreservingFilter(Mat, Mat)","u":"edgePreservingFilter(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"edgePreservingFilter(Mat, Mat, int)","u":"edgePreservingFilter(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.photo","c":"Photo","l":"edgePreservingFilter(Mat, Mat, int, float)","u":"edgePreservingFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,float)"},{"p":"org.opencv.photo","c":"Photo","l":"edgePreservingFilter(Mat, Mat, int, float, float)","u":"edgePreservingFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,float,float)"},{"p":"org.opencv.core","c":"Core","l":"eigen(Mat, Mat)","u":"eigen(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"eigen(Mat, Mat, Mat)","u":"eigen(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"eigenNonSymmetric(Mat, Mat, Mat)","u":"eigenNonSymmetric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"CvType","l":"ELEM_SIZE(int)"},{"p":"org.opencv.core","c":"Mat","l":"elemSize()"},{"p":"org.opencv.core","c":"Mat","l":"elemSize1()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, Point, Size, double, double, double, Scalar)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Size,double,double,double,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, Point, Size, double, double, double, Scalar, int)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Size,double,double,double,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, Point, Size, double, double, double, Scalar, int, int)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Size,double,double,double,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, Point, Size, double, double, double, Scalar, int, int, int)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Size,double,double,double,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, RotatedRect, Scalar)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.RotatedRect,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, RotatedRect, Scalar, int)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.RotatedRect,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse(Mat, RotatedRect, Scalar, int, int)","u":"ellipse(org.opencv.core.Mat,org.opencv.core.RotatedRect,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"ellipse2Poly(Point, Size, int, int, int, int, MatOfPoint)","u":"ellipse2Poly(org.opencv.core.Point,org.opencv.core.Size,int,int,int,int,org.opencv.core.MatOfPoint)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"EMD(Mat, Mat, int)","u":"EMD(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"EMD(Mat, Mat, int, Mat)","u":"EMD(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"EMD(Mat, Mat, int, Mat, Mat)","u":"EMD(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Algorithm","l":"empty()"},{"p":"org.opencv.core","c":"Mat","l":"empty()"},{"p":"org.opencv.core","c":"Range","l":"empty()"},{"p":"org.opencv.core","c":"Rect","l":"empty()"},{"p":"org.opencv.core","c":"Rect2d","l":"empty()"},{"p":"org.opencv.core","c":"Size","l":"empty()"},{"p":"org.opencv.dnn","c":"Net","l":"empty()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"empty()"},{"p":"org.opencv.features2d","c":"Feature2D","l":"empty()"},{"p":"org.opencv.ml","c":"StatModel","l":"empty()"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"empty()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"enableFpsMeter()"},{"p":"org.opencv.dnn","c":"Net","l":"enableFusion(boolean)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"enableView()"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"enableView()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"enableView()"},{"p":"org.opencv.dnn","c":"Model","l":"enableWinograd(boolean)"},{"p":"org.opencv.dnn","c":"Net","l":"enableWinograd(boolean)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"encode(byte[], Mat)","u":"encode(byte[],org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"encode(String, Mat)","u":"encode(java.lang.String,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"encodeStructuredAppend(String, List)","u":"encodeStructuredAppend(java.lang.String,java.util.List)"},{"p":"org.opencv.core","c":"Range","l":"end"},{"p":"org.opencv.core","c":"TermCriteria","l":"EPS"},{"p":"org.opencv.ml","c":"SVM","l":"EPS_SVR"},{"p":"org.opencv.core","c":"TermCriteria","l":"epsilon"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"equalizeHist(Mat, Mat)","u":"equalizeHist(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Point","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Point3","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Range","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Rect","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Rect2d","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"RotatedRect","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Scalar","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"Size","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.core","c":"TermCriteria","l":"equals(Object)","u":"equals(java.lang.Object)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"erode(Mat, Mat, Mat)","u":"erode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"erode(Mat, Mat, Mat, Point)","u":"erode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"erode(Mat, Mat, Mat, Point, int)","u":"erode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"erode(Mat, Mat, Mat, Point, int, int)","u":"erode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"erode(Mat, Mat, Mat, Point, int, int, Scalar)","u":"erode(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"estimate(Mat)","u":"estimate(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"estimate(Mat, float)","u":"estimate(org.opencv.core.Mat,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, int)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, int, double)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, int, double, long)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, int, double, long, double)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, int, double, long, double, long)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long,double,long)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine2D(Mat, Mat, Mat, UsacParams)","u":"estimateAffine2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.calib3d.UsacParams)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat)","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat, double[])","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat,double[])"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat, double[], boolean)","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat,double[],boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat, Mat, Mat)","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat, Mat, Mat, double)","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffine3D(Mat, Mat, Mat, Mat, double, double)","u":"estimateAffine3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat, int)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat, int, double)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat, int, double, long)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat, int, double, long, double)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateAffinePartial2D(Mat, Mat, Mat, int, double, long, double, long)","u":"estimateAffinePartial2D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,long,double,long)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateChessboardSharpness(Mat, Size, Mat)","u":"estimateChessboardSharpness(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateChessboardSharpness(Mat, Size, Mat, float)","u":"estimateChessboardSharpness(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateChessboardSharpness(Mat, Size, Mat, float, boolean)","u":"estimateChessboardSharpness(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,float,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateChessboardSharpness(Mat, Size, Mat, float, boolean, Mat)","u":"estimateChessboardSharpness(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,float,boolean,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateTranslation3D(Mat, Mat, Mat, Mat)","u":"estimateTranslation3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateTranslation3D(Mat, Mat, Mat, Mat, double)","u":"estimateTranslation3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"estimateTranslation3D(Mat, Mat, Mat, Mat, double, double)","u":"estimateTranslation3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.core","c":"Core","l":"exp(Mat, Mat)","u":"exp(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"Utils","l":"exportResource(Context, int)","u":"exportResource(android.content.Context,int)"},{"p":"org.opencv.android","c":"Utils","l":"exportResource(Context, int, String)","u":"exportResource(android.content.Context,int,java.lang.String)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"extendDictionary(int, int)","u":"extendDictionary(int,int)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"extendDictionary(int, int, Dictionary)","u":"extendDictionary(int,int,org.opencv.objdetect.Dictionary)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"extendDictionary(int, int, Dictionary, int)","u":"extendDictionary(int,int,org.opencv.objdetect.Dictionary,int)"},{"p":"org.opencv.core","c":"Core","l":"extractChannel(Mat, Mat, int)","u":"extractChannel(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Mat","l":"eye(int, int, int)","u":"eye(int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"eye(Size, int)","u":"eye(org.opencv.core.Size,int)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"FAST_N"},{"p":"org.opencv.features2d","c":"ORB","l":"FAST_SCORE"},{"p":"org.opencv.core","c":"Core","l":"fastAtan2(float, float)","u":"fastAtan2(float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, float)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, float, int)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,float,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, float, int, int)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,float,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, MatOfFloat)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, MatOfFloat, int)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfFloat,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, MatOfFloat, int, int)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfFloat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoising(Mat, Mat, MatOfFloat, int, int, int)","u":"fastNlMeansDenoising(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfFloat,int,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColored(Mat, Mat)","u":"fastNlMeansDenoisingColored(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColored(Mat, Mat, float)","u":"fastNlMeansDenoisingColored(org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColored(Mat, Mat, float, float)","u":"fastNlMeansDenoisingColored(org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColored(Mat, Mat, float, float, int)","u":"fastNlMeansDenoisingColored(org.opencv.core.Mat,org.opencv.core.Mat,float,float,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColored(Mat, Mat, float, float, int, int)","u":"fastNlMeansDenoisingColored(org.opencv.core.Mat,org.opencv.core.Mat,float,float,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColoredMulti(List, Mat, int, int)","u":"fastNlMeansDenoisingColoredMulti(java.util.List,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColoredMulti(List, Mat, int, int, float)","u":"fastNlMeansDenoisingColoredMulti(java.util.List,org.opencv.core.Mat,int,int,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColoredMulti(List, Mat, int, int, float, float)","u":"fastNlMeansDenoisingColoredMulti(java.util.List,org.opencv.core.Mat,int,int,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColoredMulti(List, Mat, int, int, float, float, int)","u":"fastNlMeansDenoisingColoredMulti(java.util.List,org.opencv.core.Mat,int,int,float,float,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingColoredMulti(List, Mat, int, int, float, float, int, int)","u":"fastNlMeansDenoisingColoredMulti(java.util.List,org.opencv.core.Mat,int,int,float,float,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, float)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,float)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, float, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,float,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, float, int, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,float,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, MatOfFloat)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, MatOfFloat, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,org.opencv.core.MatOfFloat,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, MatOfFloat, int, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,org.opencv.core.MatOfFloat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"fastNlMeansDenoisingMulti(List, Mat, int, int, MatOfFloat, int, int, int)","u":"fastNlMeansDenoisingMulti(java.util.List,org.opencv.core.Mat,int,int,org.opencv.core.MatOfFloat,int,int,int)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"feature(Mat, Mat)","u":"feature(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"Features2d","l":"Features2d()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillConvexPoly(Mat, MatOfPoint, Scalar)","u":"fillConvexPoly(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillConvexPoly(Mat, MatOfPoint, Scalar, int)","u":"fillConvexPoly(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillConvexPoly(Mat, MatOfPoint, Scalar, int, int)","u":"fillConvexPoly(org.opencv.core.Mat,org.opencv.core.MatOfPoint,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.core","c":"Core","l":"FILLED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FILLED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillPoly(Mat, List, Scalar)","u":"fillPoly(org.opencv.core.Mat,java.util.List,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillPoly(Mat, List, Scalar, int)","u":"fillPoly(org.opencv.core.Mat,java.util.List,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillPoly(Mat, List, Scalar, int, int)","u":"fillPoly(org.opencv.core.Mat,java.util.List,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fillPoly(Mat, List, Scalar, int, int, Point)","u":"fillPoly(org.opencv.core.Mat,java.util.List,org.opencv.core.Scalar,int,int,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FILTER_SCHARR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"filter2D(Mat, Mat, int, Mat)","u":"filter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"filter2D(Mat, Mat, int, Mat, Point)","u":"filter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"filter2D(Mat, Mat, int, Mat, Point, double)","u":"filter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"filter2D(Mat, Mat, int, Mat, Point, double, int)","u":"filter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point,double,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"filterHomographyDecompByVisibleRefpoints(List, List, Mat, Mat, Mat)","u":"filterHomographyDecompByVisibleRefpoints(java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"filterHomographyDecompByVisibleRefpoints(List, List, Mat, Mat, Mat, Mat)","u":"filterHomographyDecompByVisibleRefpoints(java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"filterSpeckles(Mat, double, int, double)","u":"filterSpeckles(org.opencv.core.Mat,double,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"filterSpeckles(Mat, double, int, double, Mat)","u":"filterSpeckles(org.opencv.core.Mat,double,int,double,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Layer","l":"finalize(List, List)","u":"finalize(java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"find4QuadCornerSubpix(Mat, Mat, Size)","u":"find4QuadCornerSubpix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findChessboardCorners(Mat, Size, MatOfPoint2f)","u":"findChessboardCorners(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findChessboardCorners(Mat, Size, MatOfPoint2f, int)","u":"findChessboardCorners(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.MatOfPoint2f,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findChessboardCornersSB(Mat, Size, Mat)","u":"findChessboardCornersSB(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findChessboardCornersSB(Mat, Size, Mat, int)","u":"findChessboardCornersSB(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findChessboardCornersSBWithMeta(Mat, Size, Mat, int, Mat)","u":"findChessboardCornersSBWithMeta(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findCirclesGrid(Mat, Size, Mat)","u":"findCirclesGrid(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findCirclesGrid(Mat, Size, Mat, int)","u":"findCirclesGrid(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"findContours(Mat, List, Mat, int, int)","u":"findContours(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"findContours(Mat, List, Mat, int, int, Point)","u":"findContours(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,int,int,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"findContoursLinkRuns(Mat, List)","u":"findContoursLinkRuns(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"findContoursLinkRuns(Mat, List, Mat)","u":"findContoursLinkRuns(org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point, int)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point, int, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point, int, double, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,int,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point, int, double, double, int)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,int,double,double,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, double, Point, int, double, double, int, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,int,double,double,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, int)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, int, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, int, double, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, int, double, double, int)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, int, double, double, int, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double, double)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, int, double, double, Mat)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findEssentialMat(Mat, Mat, Mat, Mat, Mat, Mat, Mat, UsacParams)","u":"findEssentialMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.calib3d.UsacParams)"},{"p":"org.opencv.core","c":"Core","l":"findFile(String)","u":"findFile(java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"findFile(String, boolean)","u":"findFile(java.lang.String,boolean)"},{"p":"org.opencv.core","c":"Core","l":"findFile(String, boolean, boolean)","u":"findFile(java.lang.String,boolean,boolean)"},{"p":"org.opencv.core","c":"Core","l":"findFileOrKeep(String)","u":"findFileOrKeep(java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"findFileOrKeep(String, boolean)","u":"findFileOrKeep(java.lang.String,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, int)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,double,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, int, Mat)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,double,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, int, double, double, Mat)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findFundamentalMat(MatOfPoint2f, MatOfPoint2f, Mat, UsacParams)","u":"findFundamentalMat(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.calib3d.UsacParams)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, int)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, int, double)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat, int)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, int, double, Mat, int, double)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,int,double,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"findHomography(MatOfPoint2f, MatOfPoint2f, Mat, UsacParams)","u":"findHomography(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.calib3d.UsacParams)"},{"p":"org.opencv.ml","c":"KNearest","l":"findNearest(Mat, int, Mat)","u":"findNearest(org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"KNearest","l":"findNearest(Mat, int, Mat, Mat)","u":"findNearest(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"KNearest","l":"findNearest(Mat, int, Mat, Mat, Mat)","u":"findNearest(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"findNearest(Point)","u":"findNearest(org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"findNearest(Point, Point)","u":"findNearest(org.opencv.core.Point,org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Core","l":"findNonZero(Mat, Mat)","u":"findNonZero(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"findTransformECC(Mat, Mat, Mat)","u":"findTransformECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"findTransformECC(Mat, Mat, Mat, int)","u":"findTransformECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.video","c":"Video","l":"findTransformECC(Mat, Mat, Mat, int, TermCriteria)","u":"findTransformECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.video","c":"Video","l":"findTransformECC(Mat, Mat, Mat, int, TermCriteria, Mat)","u":"findTransformECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"findTransformECC(Mat, Mat, Mat, int, TermCriteria, Mat, int)","u":"findTransformECC(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_CHECK_COND"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_FOCAL_LENGTH"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_INTRINSIC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_K1"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_K2"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_K3"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_K4"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_PRINCIPAL_POINT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_FIX_SKEW"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_RECOMPUTE_EXTRINSIC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_USE_INTRINSIC_GUESS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_CALIB_ZERO_DISPARITY"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_calibrate(List, List, Size, Mat, Mat, List, List)","u":"fisheye_calibrate(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_calibrate(List, List, Size, Mat, Mat, List, List, int)","u":"fisheye_calibrate(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_calibrate(List, List, Size, Mat, Mat, List, List, int, TermCriteria)","u":"fisheye_calibrate(java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_distortPoints(Mat, Mat, Mat, Mat)","u":"fisheye_distortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_distortPoints(Mat, Mat, Mat, Mat, double)","u":"fisheye_distortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_distortPoints(Mat, Mat, Mat, Mat, Mat)","u":"fisheye_distortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_distortPoints(Mat, Mat, Mat, Mat, Mat, double)","u":"fisheye_distortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat)","u":"fisheye_estimateNewCameraMatrixForUndistortRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double)","u":"fisheye_estimateNewCameraMatrixForUndistortRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double, Size)","u":"fisheye_estimateNewCameraMatrixForUndistortRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_estimateNewCameraMatrixForUndistortRectify(Mat, Mat, Size, Mat, Mat, double, Size, double)","u":"fisheye_estimateNewCameraMatrixForUndistortRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Size,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_initUndistortRectifyMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat)","u":"fisheye_initUndistortRectifyMap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat)","u":"fisheye_projectPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat, double)","u":"fisheye_projectPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_projectPoints(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat)","u":"fisheye_projectPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat)","u":"fisheye_solvePnP(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean)","u":"fisheye_solvePnP(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int)","u":"fisheye_solvePnP(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnP(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, TermCriteria)","u":"fisheye_solvePnP(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat, int)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_solvePnPRansac(Mat, Mat, Mat, Mat, Mat, Mat, boolean, int, float, double, Mat, int, TermCriteria)","u":"fisheye_solvePnPRansac(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, int)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, int, TermCriteria)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, List, List)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, List, List, int)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, List, List, int, TermCriteria)","u":"fisheye_stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int)","u":"fisheye_stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size)","u":"fisheye_stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size, double)","u":"fisheye_stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, Size, double, double)","u":"fisheye_stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortImage(Mat, Mat, Mat, Mat)","u":"fisheye_undistortImage(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortImage(Mat, Mat, Mat, Mat, Mat)","u":"fisheye_undistortImage(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortImage(Mat, Mat, Mat, Mat, Mat, Size)","u":"fisheye_undistortImage(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortPoints(Mat, Mat, Mat, Mat)","u":"fisheye_undistortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat)","u":"fisheye_undistortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat, Mat)","u":"fisheye_undistortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"fisheye_undistortPoints(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria)","u":"fisheye_undistortPoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fitEllipse(MatOfPoint2f)","u":"fitEllipse(org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fitEllipseAMS(Mat)","u":"fitEllipseAMS(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fitEllipseDirect(Mat)","u":"fitEllipseDirect(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"fitLine(Mat, Mat, int, double, double, double)","u":"fitLine(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"FLANNBASED"},{"p":"org.opencv.features2d","c":"FlannBasedMatcher","l":"FlannBasedMatcher()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Core","l":"flip(Mat, Mat, int)","u":"flip(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"flipND(Mat, Mat, int)","u":"flipND(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FLOODFILL_FIXED_RANGE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FLOODFILL_MASK_ONLY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"floodFill(Mat, Mat, Point, Scalar)","u":"floodFill(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"floodFill(Mat, Mat, Point, Scalar, Rect)","u":"floodFill(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,org.opencv.core.Rect)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"floodFill(Mat, Mat, Point, Scalar, Rect, Scalar)","u":"floodFill(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,org.opencv.core.Rect,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"floodFill(Mat, Mat, Point, Scalar, Rect, Scalar, Scalar)","u":"floodFill(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,org.opencv.core.Rect,org.opencv.core.Scalar,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"floodFill(Mat, Mat, Point, Scalar, Rect, Scalar, Scalar, int)","u":"floodFill(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Scalar,org.opencv.core.Rect,org.opencv.core.Scalar,org.opencv.core.Scalar,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"FM_7POINT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"FM_8POINT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"FM_LMEDS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"FM_RANSAC"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_COMPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_COMPLEX_SMALL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_DUPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_PLAIN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_SCRIPT_COMPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_SCRIPT_SIMPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_SIMPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_HERSHEY_TRIPLEX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"FONT_ITALIC"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_C"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_CSV"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_DEFAULT"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_MATLAB"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_NUMPY"},{"p":"org.opencv.core","c":"Core","l":"Formatter_FMT_PYTHON"},{"p":"org.opencv.dnn","c":"Net","l":"forward()"},{"p":"org.opencv.dnn","c":"Net","l":"forward(List)","u":"forward(java.util.List)"},{"p":"org.opencv.dnn","c":"Net","l":"forward(List, List)","u":"forward(java.util.List,java.util.List)"},{"p":"org.opencv.dnn","c":"Net","l":"forward(List, String)","u":"forward(java.util.List,java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"forward(String)","u":"forward(java.lang.String)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"fourcc(char, char, char, char)","u":"fourcc(char,char,char,char)"},{"p":"org.opencv.android","c":"FpsMeter","l":"FpsMeter()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"FR_COSINE"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"FR_NORM_L2"},{"p":"org.opencv.core","c":"MatOfByte","l":"fromArray(byte...)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"fromArray(DMatch...)","u":"fromArray(org.opencv.core.DMatch...)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"fromArray(double...)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"fromArray(float...)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"fromArray(float...)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"fromArray(float...)"},{"p":"org.opencv.core","c":"MatOfByte","l":"fromArray(int, int, byte...)","u":"fromArray(int,int,byte...)"},{"p":"org.opencv.core","c":"MatOfInt","l":"fromArray(int...)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"fromArray(int...)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"fromArray(KeyPoint...)","u":"fromArray(org.opencv.core.KeyPoint...)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"fromArray(Point...)","u":"fromArray(org.opencv.core.Point...)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"fromArray(Point...)","u":"fromArray(org.opencv.core.Point...)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"fromArray(Point3...)","u":"fromArray(org.opencv.core.Point3...)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"fromArray(Point3...)","u":"fromArray(org.opencv.core.Point3...)"},{"p":"org.opencv.core","c":"MatOfRect","l":"fromArray(Rect...)","u":"fromArray(org.opencv.core.Rect...)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"fromArray(Rect2d...)","u":"fromArray(org.opencv.core.Rect2d...)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"fromArray(RotatedRect...)","u":"fromArray(org.opencv.core.RotatedRect...)"},{"p":"org.opencv.core","c":"MatOfByte","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfInt","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfRect","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"fromList(List)","u":"fromList(java.util.List)"},{"p":"org.opencv.core","c":"MatOfByte","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfInt","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfRect","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"fromNativeAddr(long)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"fromNativeAddr(long)"},{"p":"org.opencv.ml","c":"SVM","l":"GAMMA"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"GAUSSIAN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GaussianBlur(Mat, Mat, Size, double)","u":"GaussianBlur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GaussianBlur(Mat, Mat, Size, double, double)","u":"GaussianBlur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GaussianBlur(Mat, Mat, Size, double, double, int)","u":"GaussianBlur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GaussianBlur(Mat, Mat, Size, double, double, int, int)","u":"GaussianBlur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,double,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_BGD"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_EVAL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_EVAL_FREEZE_MODEL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_FGD"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_INIT_WITH_MASK"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_INIT_WITH_RECT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_PR_BGD"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"GC_PR_FGD"},{"p":"org.opencv.core","c":"Core","l":"GEMM_1_T"},{"p":"org.opencv.core","c":"Core","l":"GEMM_2_T"},{"p":"org.opencv.core","c":"Core","l":"GEMM_3_T"},{"p":"org.opencv.core","c":"Core","l":"gemm(Mat, Mat, double, Mat, double, Mat)","u":"gemm(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat,double,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"gemm(Mat, Mat, double, Mat, double, Mat, int)","u":"gemm(org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Board","l":"generateImage(Size, Mat)","u":"generateImage(org.opencv.core.Size,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Board","l":"generateImage(Size, Mat, int)","u":"generateImage(org.opencv.core.Size,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Board","l":"generateImage(Size, Mat, int, int)","u":"generateImage(org.opencv.core.Size,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"generateImageMarker(Dictionary, int, int, Mat)","u":"generateImageMarker(org.opencv.objdetect.Dictionary,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"generateImageMarker(Dictionary, int, int, Mat, int)","u":"generateImageMarker(org.opencv.objdetect.Dictionary,int,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"generateImageMarker(int, int, Mat)","u":"generateImageMarker(int,int,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"generateImageMarker(int, int, Mat, int)","u":"generateImageMarker(int,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"Boost","l":"GENTLE"},{"p":"org.opencv.core","c":"Mat.Tuple2","l":"get_0()"},{"p":"org.opencv.core","c":"Mat.Tuple3","l":"get_0()"},{"p":"org.opencv.core","c":"Mat.Tuple4","l":"get_0()"},{"p":"org.opencv.core","c":"Mat.Tuple2","l":"get_1()"},{"p":"org.opencv.core","c":"Mat.Tuple3","l":"get_1()"},{"p":"org.opencv.core","c":"Mat.Tuple4","l":"get_1()"},{"p":"org.opencv.core","c":"Mat.Tuple3","l":"get_2()"},{"p":"org.opencv.core","c":"Mat.Tuple4","l":"get_2()"},{"p":"org.opencv.core","c":"Mat.Tuple4","l":"get_3()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_adaptiveThreshConstant()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_adaptiveThreshWinSizeMax()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_adaptiveThreshWinSizeMin()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_adaptiveThreshWinSizeStep()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagCriticalRad()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagDeglitch()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagMaxLineFitMse()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagMaxNmaxima()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagMinClusterPixels()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagMinWhiteBlackDiff()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagQuadDecimate()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_aprilTagQuadSigma()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"get_backbone()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"get_backend()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"get_backend()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_backend()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"get_bgcolor()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_blobColor()"},{"p":"org.opencv.dnn","c":"Layer","l":"get_blobs()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_blockSize()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_blockStride()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_borderValue()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"get_bytesList()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"get_cameraMatrix()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_cellSize()"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"get_checkAllOrders()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"get_checkMarkers()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_collectContours()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_confidence()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_controlMatrix()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_cornerRefinementMaxIterations()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_cornerRefinementMethod()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_cornerRefinementMinAccuracy()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_cornerRefinementWinSize()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"get_correction_level()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_datalayout()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_ddepth()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_derivAperture()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_detectInvertedMarker()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"get_distCoeffs()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"get_durations()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_errorCorrectionRate()"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"get_errorCorrectionRate()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_errorCovPost()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_errorCovPre()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_featureSetNumFeatures()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_filterByArea()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_filterByCircularity()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_filterByColor()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_filterByConvexity()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_filterByInertia()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_final_polisher_iterations()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_final_polisher()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"get_frames()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_gain()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_gammaCorrection()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_histogramNormType()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_isParallel()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"get_kernel_cls1()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"get_kernel_r1()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_L2HysThreshold()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"get_learnt_thetas()"},{"p":"org.opencv.ml","c":"ParamGrid","l":"get_logStep()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_loIterations()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_loMethod()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"get_loop_count()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_loSampleSize()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m00()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m01()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m02()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m03()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m10()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m11()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m12()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m20()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m21()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_m30()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_markerBorderBits()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"get_markerSize()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_maxArea()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_maxCircularity()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_maxColorsMismatch()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_maxConvexity()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"get_maxCorrectionBits()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_maxErroneousBitsInBorderRate()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_maxInertiaRatio()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_maxIterations()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_maxMarkerPerimeterRate()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_maxModuleSizeMismatch()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_maxPenalties()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_maxRotation()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_maxThreshold()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_maxTimingPatternMismatch()"},{"p":"org.opencv.ml","c":"ParamGrid","l":"get_maxVal()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_mean()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_meanvalue()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_measurementMatrix()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_measurementNoiseCov()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minArea()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minCircularity()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minConvexity()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minCornerDistanceRate()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minDistanceToBorder()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minDistBetweenBlobs()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minGroupDistance()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minInertiaRatio()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minMarkerDistanceRate()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minMarkerLengthRatioOriginalImg()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minMarkerPerimeterRate()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"get_minMarkers()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_minModuleSizeInPyramid()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minOtsuStdDev()"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"get_minRepDistance()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minRepeatability()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_minSideLengthCanonicalImg()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_minThreshold()"},{"p":"org.opencv.ml","c":"ParamGrid","l":"get_minVal()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"get_mode()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"get_model()"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"get_modelBin()"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"get_modelTxt()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu02()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu03()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu11()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu12()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu20()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu21()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_mu30()"},{"p":"org.opencv.dnn","c":"Layer","l":"get_name()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_nbins()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"get_neckhead()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_neighborsSearch()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_net()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_nlevels()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu02()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu03()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu11()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu12()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu20()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu21()"},{"p":"org.opencv.imgproc","c":"Moments","l":"get_nu30()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_paddingmode()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_perspectiveRemoveIgnoredMarginPerCell()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_perspectiveRemovePixelPerCell()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_polygonalApproxAccuracyRate()"},{"p":"org.opencv.dnn","c":"Layer","l":"get_preferableTarget()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_processNoiseCov()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_randomGeneratorState()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_relativeCornerRefinmentWinSize()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_sampler()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerInitInRadius()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerInitMaxNegNum()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerSearchWinSize()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerTrackInRadius()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerTrackMaxNegNum()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"get_samplerTrackMaxPosNum()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_scalefactor()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"get_scaleTimingPatternScore()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_score()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_signedGradient()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_size()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_statePost()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_statePre()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_stdvalue()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"get_still_image()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"get_structure_number()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_svmDetector()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"get_swapRB()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"get_target()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"get_target()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_target()"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"get_threshold()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"get_thresholdStep()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"get_tracking_score_threshold()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"get_transitionMatrix()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"get_tryRefineMarkers()"},{"p":"org.opencv.dnn","c":"Layer","l":"get_type()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"get_useAruco3Detection()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"get_version()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_winSigma()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"get_winSize()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"get(int)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"get(int)"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int)","u":"get(int,int)"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int, byte[])","u":"get(int,int,byte[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int, double[])","u":"get(int,int,double[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int, float[])","u":"get(int,int,float[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int, int[])","u":"get(int,int,int[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int, int, short[])","u":"get(int,int,short[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[], byte[])","u":"get(int[],byte[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[], double[])","u":"get(int[],double[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[], float[])","u":"get(int[],float[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[], int[])","u":"get(int[],int[])"},{"p":"org.opencv.core","c":"Mat","l":"get(int[], short[])","u":"get(int[],short[])"},{"p":"org.opencv.ml","c":"RTrees","l":"getActiveVarCount()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getAffineTransform(MatOfPoint2f, MatOfPoint2f)","u":"getAffineTransform(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.ml","c":"KNearest","l":"getAlgorithmType()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getAlpha()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getAngleEpsilon()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getAngleStep()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getAngleThresh()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getAnnealCoolingRatio()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getAnnealFinalT()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getAnnealInitialT()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getAnnealItePerStep()"},{"p":"org.opencv.features2d","c":"MSER","l":"getAreaThreshold()"},{"p":"org.opencv.dnn","c":"Dnn","l":"getAvailableTargets(int)"},{"p":"org.opencv.core","c":"TickMeter","l":"getAvgTimeMilli()"},{"p":"org.opencv.core","c":"TickMeter","l":"getAvgTimeSec()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"getBackendName()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"getBackendName()"},{"p":"org.opencv.videoio","c":"Videoio","l":"getBackendName(int)"},{"p":"org.opencv.videoio","c":"Videoio","l":"getBackends()"},{"p":"org.opencv.video","c":"BackgroundSubtractor","l":"getBackgroundImage(Mat)","u":"getBackgroundImage(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getBackgroundRatio()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getBackpropMomentumScale()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getBackpropWeightScale()"},{"p":"org.opencv.photo","c":"TonemapDrago","l":"getBias()"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"getBinaryThreshold()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"getBitsFromByteList(Mat, int)","u":"getBitsFromByteList(org.opencv.core.Mat,int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"getBlobContours()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getBlockSize()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getBlockSize()"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"getBoard()"},{"p":"org.opencv.ml","c":"Boost","l":"getBoostType()"},{"p":"org.opencv.core","c":"Core","l":"getBuildInformation()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"getByteListFromBits(Mat)","u":"getByteListFromBits(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"SVM","l":"getC()"},{"p":"org.opencv.ml","c":"RTrees","l":"getCalculateVarImportance()"},{"p":"org.opencv.videoio","c":"Videoio","l":"getCameraBackendPluginVersion(int, int[], int[])","u":"getCameraBackendPluginVersion(int,int[],int[])"},{"p":"org.opencv.videoio","c":"Videoio","l":"getCameraBackends()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"getCameraTextureListener()"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"getCannyHighThresh()"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"getCannyLowThresh()"},{"p":"org.opencv.ml","c":"TrainData","l":"getCatCount(int)"},{"p":"org.opencv.ml","c":"TrainData","l":"getCatMap()"},{"p":"org.opencv.ml","c":"TrainData","l":"getCatOfs()"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"getCharucoParameters()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"getChessboardCorners()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"getChessboardSize()"},{"p":"org.opencv.ml","c":"TrainData","l":"getClassLabels()"},{"p":"org.opencv.ml","c":"SVM","l":"getClassWeights()"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"getClipLimit()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getClosestEllipsePoints(RotatedRect, Mat, Mat)","u":"getClosestEllipsePoints(org.opencv.core.RotatedRect,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"getClustersNumber()"},{"p":"org.opencv.ml","c":"SVM","l":"getCoef0()"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"getColorAdaptation()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getComplexityReductionThreshold()"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"getConfidenceThreshold()"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"getContour(Point, Mat)","u":"getContour(org.opencv.core.Point,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"getContour(Point, Mat, boolean)","u":"getContour(org.opencv.core.Point,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.features2d","c":"SIFT","l":"getContrastThreshold()"},{"p":"org.opencv.photo","c":"MergeMertens","l":"getContrastWeight()"},{"p":"org.opencv.core","c":"TickMeter","l":"getCounter()"},{"p":"org.opencv.ml","c":"EM","l":"getCovarianceMatrixType()"},{"p":"org.opencv.ml","c":"EM","l":"getCovs(List)","u":"getCovs(java.util.List)"},{"p":"org.opencv.core","c":"Core","l":"getCPUFeaturesLine()"},{"p":"org.opencv.core","c":"Core","l":"getCPUTickCount()"},{"p":"org.opencv.photo","c":"AlignMTB","l":"getCut()"},{"p":"org.opencv.ml","c":"DTrees","l":"getCVFolds()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"getDaimlerPeopleDetector()"},{"p":"org.opencv.ml","c":"SVM","l":"getDecisionFunction(int, Mat, Mat)","u":"getDecisionFunction(int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"getDecodeType()"},{"p":"org.opencv.core","c":"Core","l":"getDefaultAlgorithmHint()"},{"p":"org.opencv.ml","c":"SVM","l":"getDefaultGridPtr(int)"},{"p":"org.opencv.ml","c":"KNearest","l":"getDefaultK()"},{"p":"org.opencv.core","c":"Algorithm","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"BRISK","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"Feature2D","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"MSER","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"ORB","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"SIFT","l":"getDefaultName()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"getDefaultName()"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getDefaultNewCameraMatrix(Mat)","u":"getDefaultNewCameraMatrix(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getDefaultNewCameraMatrix(Mat, Size)","u":"getDefaultNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getDefaultNewCameraMatrix(Mat, Size, boolean)","u":"getDefaultNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Size,boolean)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"getDefaultPeopleDetector()"},{"p":"org.opencv.ml","c":"TrainData","l":"getDefaultSubstValues()"},{"p":"org.opencv.ml","c":"SVM","l":"getDegree()"},{"p":"org.opencv.features2d","c":"MSER","l":"getDelta()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getDelta()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getDerivKernels(Mat, Mat, int, int, int)","u":"getDerivKernels(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getDerivKernels(Mat, Mat, int, int, int, boolean)","u":"getDerivKernels(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getDerivKernels(Mat, Mat, int, int, int, boolean, int)","u":"getDerivKernels(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,boolean,int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getDescriptorChannels()"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"getDescriptors()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getDescriptorSize()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"getDescriptorSize()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getDescriptorType()"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"getDetectorParameters()"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"getDetectorParameters()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco","l":"getDetectorParameters()"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"getDetectorScales(MatOfFloat)","u":"getDetectorScales(org.opencv.core.MatOfFloat)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getDetectShadows()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getDetectShadows()"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"getDictionary()"},{"p":"org.opencv.objdetect","c":"Board","l":"getDictionary()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getDiffusivity()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getDiffusivity()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getDisp12MaxDiff()"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getDist2Threshold()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"getDistanceToId(Mat, int)","u":"getDistanceToId(org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"getDistanceToId(Mat, int, boolean)","u":"getDistanceToId(org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"getDownsamplingThreshold()"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"getDp()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getEdge(int, int)","u":"getEdge(int,int)"},{"p":"org.opencv.features2d","c":"MSER","l":"getEdgeBlurSize()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getEdgeList(MatOfFloat4)","u":"getEdgeList(org.opencv.core.MatOfFloat4)"},{"p":"org.opencv.features2d","c":"ORB","l":"getEdgeThreshold()"},{"p":"org.opencv.features2d","c":"SIFT","l":"getEdgeThreshold()"},{"p":"org.opencv.ml","c":"KNearest","l":"getEmax()"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"getEnableSoftmaxPostProcessing()"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"getEncoding()"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"getEncoding(int)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getEpsilon()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"getExceptionMode()"},{"p":"org.opencv.photo","c":"AlignMTB","l":"getExcludeRange()"},{"p":"org.opencv.photo","c":"MergeMertens","l":"getExposureWeight()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getExtended()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getFastPyramids()"},{"p":"org.opencv.features2d","c":"ORB","l":"getFastThreshold()"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"getFeatureType()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getFinestScale()"},{"p":"org.opencv.features2d","c":"ORB","l":"getFirstLevel()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getFixedPointIterations()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getFlags()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"getFlags()"},{"p":"org.opencv.dnn","c":"Net","l":"getFLOPS(int, List)","u":"getFLOPS(int,java.util.List)"},{"p":"org.opencv.dnn","c":"Net","l":"getFLOPS(int, MatOfInt)","u":"getFLOPS(int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Net","l":"getFLOPS(List)","u":"getFLOPS(java.util.List)"},{"p":"org.opencv.dnn","c":"Net","l":"getFLOPS(MatOfInt)","u":"getFLOPS(org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getFontScaleFromHeight(int, int)","u":"getFontScaleFromHeight(int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getFontScaleFromHeight(int, int, int)","u":"getFontScaleFromHeight(int,int,int)"},{"p":"org.opencv.core","c":"TickMeter","l":"getFPS()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getGaborKernel(Size, double, double, double, double)","u":"getGaborKernel(org.opencv.core.Size,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getGaborKernel(Size, double, double, double, double, double)","u":"getGaborKernel(org.opencv.core.Size,double,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getGaborKernel(Size, double, double, double, double, double, int)","u":"getGaborKernel(org.opencv.core.Size,double,double,double,double,double,int)"},{"p":"org.opencv.ml","c":"SVM","l":"getGamma()"},{"p":"org.opencv.photo","c":"Tonemap","l":"getGamma()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getGamma()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getGaussianKernel(int, double)","u":"getGaussianKernel(int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getGaussianKernel(int, double, int)","u":"getGaussianKernel(int,double,int)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getGradientDescentIterations()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getGradientSize()"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"getGradientThreshold()"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"getGridSize()"},{"p":"org.opencv.core","c":"Core","l":"getHardwareFeatureName(int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getHarrisDetector()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.ListItemAccessor","l":"getHeight(Object)","u":"getHeight(java.lang.Object)"},{"p":"org.opencv.android","c":"JavaCamera2View.JavaCameraSizeAccessor","l":"getHeight(Object)","u":"getHeight(java.lang.Object)"},{"p":"org.opencv.android","c":"JavaCameraView.JavaCameraSizeAccessor","l":"getHeight(Object)","u":"getHeight(java.lang.Object)"},{"p":"org.opencv.android","c":"NativeCameraView.OpenCvSizeAccessor","l":"getHeight(Object)","u":"getHeight(java.lang.Object)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getHistory()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getHistory()"},{"p":"org.opencv.objdetect","c":"Board","l":"getIds()"},{"p":"org.opencv.dnn","c":"Dnn","l":"getInferenceEngineCPUType()"},{"p":"org.opencv.dnn","c":"Dnn","l":"getInferenceEngineVPUType()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getInitialStepSize()"},{"p":"org.opencv.dnn","c":"Net","l":"getInputDetails(MatOfFloat, MatOfInt)","u":"getInputDetails(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"getInputSize()"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"getIntensity()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getIntValue()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getIntValue(int)"},{"p":"org.opencv.core","c":"Core","l":"getIppVersion()"},{"p":"org.opencv.ml","c":"KNearest","l":"getIsClassifier()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getIterations()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getK()"},{"p":"org.opencv.ml","c":"SVM","l":"getKernelType()"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getkNNSamples()"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"getLambda()"},{"p":"org.opencv.core","c":"TickMeter","l":"getLastTimeMicro()"},{"p":"org.opencv.core","c":"TickMeter","l":"getLastTimeMilli()"},{"p":"org.opencv.core","c":"TickMeter","l":"getLastTimeSec()"},{"p":"org.opencv.core","c":"TickMeter","l":"getLastTimeTicks()"},{"p":"org.opencv.dnn","c":"Net","l":"getLayer(int)"},{"p":"org.opencv.dnn","c":"Net","l":"getLayerId(String)","u":"getLayerId(java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"getLayerNames()"},{"p":"org.opencv.dnn","c":"Net","l":"getLayersCount(String)","u":"getLayersCount(java.lang.String)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getLayerSizes()"},{"p":"org.opencv.dnn","c":"Net","l":"getLayerTypes(List)","u":"getLayerTypes(java.util.List)"},{"p":"org.opencv.ml","c":"TrainData","l":"getLayout()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getLeadingEdgeList(MatOfInt)","u":"getLeadingEdgeList(org.opencv.core.MatOfInt)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getLearningRate()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"getLegacyPattern()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughBallard","l":"getLevels()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getLevels()"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"getLightAdaptation()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getMarginRegularization()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getMarginType()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"getMarkerLength()"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"getMarkerLength()"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"getMarkerSeparation()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getMaxAngle()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMaxArea()"},{"p":"org.opencv.photo","c":"AlignMTB","l":"getMaxBits()"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"getMaxBufferSize()"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"getMaxCandidates()"},{"p":"org.opencv.ml","c":"DTrees","l":"getMaxCategories()"},{"p":"org.opencv.ml","c":"DTrees","l":"getMaxDepth()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMaxEvolution()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getMaxFeatures()"},{"p":"org.opencv.features2d","c":"ORB","l":"getMaxFeatures()"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"getMaxIter()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"getMaxLevel()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getMaxPoints()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getMaxScale()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMaxVariation()"},{"p":"org.opencv.ml","c":"EM","l":"getMeans()"},{"p":"org.opencv.dnn","c":"Net","l":"getMemoryConsumption(int, List, long[], long[])","u":"getMemoryConsumption(int,java.util.List,long[],long[])"},{"p":"org.opencv.dnn","c":"Net","l":"getMemoryConsumption(int, MatOfInt, long[], long[])","u":"getMemoryConsumption(int,org.opencv.core.MatOfInt,long[],long[])"},{"p":"org.opencv.dnn","c":"Net","l":"getMemoryConsumption(MatOfInt, long[], long[])","u":"getMemoryConsumption(org.opencv.core.MatOfInt,long[],long[])"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getMinAngle()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMinArea()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getMinDisparity()"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"getMinDist()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getMinDistance()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMinDiversity()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"getMinEigThreshold()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getMiniBatchSize()"},{"p":"org.opencv.features2d","c":"MSER","l":"getMinMargin()"},{"p":"org.opencv.ml","c":"DTrees","l":"getMinSampleCount()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getMinScale()"},{"p":"org.opencv.ml","c":"TrainData","l":"getMissing()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"getMode()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNAllVars()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNames(List)","u":"getNames(java.util.List)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"getNativeObjAddr()"},{"p":"org.opencv.core","c":"Algorithm","l":"getNativeObjAddr()"},{"p":"org.opencv.core","c":"Mat","l":"getNativeObjAddr()"},{"p":"org.opencv.core","c":"TickMeter","l":"getNativeObjAddr()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getNativeObjAddr()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"getNativeObjAddr()"},{"p":"org.opencv.dnn","c":"Model","l":"getNativeObjAddr()"},{"p":"org.opencv.dnn","c":"Net","l":"getNativeObjAddr()"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"getNativeObjAddr()"},{"p":"org.opencv.features2d","c":"BOWTrainer","l":"getNativeObjAddr()"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"getNativeObjAddr()"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"getNativeObjAddr()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getNativeObjAddr()"},{"p":"org.opencv.ml","c":"ParamGrid","l":"getNativeObjAddr()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"Board","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"GraphicalCodeDetector","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"getNativeObjAddr()"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"Tracker","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"getNativeObjAddr()"},{"p":"org.opencv.videoio","c":"IStreamReader","l":"getNativeObjAddr()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"getNativeObjAddr()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"getNativeObjAddr()"},{"p":"org.opencv.features2d","c":"SIFT","l":"getNFeatures()"},{"p":"org.opencv.features2d","c":"ORB","l":"getNLevels()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getNMixtures()"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"getNmsAcrossClasses()"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"getNMSThreshold()"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"getNMSThreshold()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getNOctaveLayers()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getNOctaveLayers()"},{"p":"org.opencv.features2d","c":"SIFT","l":"getNOctaveLayers()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getNOctaves()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getNOctaves()"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"getNonmaxSuppression()"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"getNonmaxSuppression()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNormCatResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNSamples()"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getNSamples()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNTestSamples()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNTrainSamples()"},{"p":"org.opencv.ml","c":"SVM","l":"getNu()"},{"p":"org.opencv.core","c":"Core","l":"getNumberOfCPUs()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getNumDisparities()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getNumIters()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getNumLevels()"},{"p":"org.opencv.core","c":"Core","l":"getNumThreads()"},{"p":"org.opencv.ml","c":"TrainData","l":"getNVars()"},{"p":"org.opencv.objdetect","c":"Board","l":"getObjPoints()"},{"p":"org.opencv.features2d","c":"BRISK","l":"getOctaves()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getOmega()"},{"p":"org.opencv.ml","c":"RTrees","l":"getOOBError()"},{"p":"org.opencv.core","c":"Core","l":"getOptimalDFTSize(int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getOptimalNewCameraMatrix(Mat, Mat, Size, double)","u":"getOptimalNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size)","u":"getOptimalNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size, Rect)","u":"getOptimalNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,org.opencv.core.Size,org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getOptimalNewCameraMatrix(Mat, Mat, Size, double, Size, Rect, boolean)","u":"getOptimalNewCameraMatrix(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,org.opencv.core.Size,org.opencv.core.Rect,boolean)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"getOriginalWindowSize()"},{"p":"org.opencv.dnn","c":"Net","l":"getOutputDetails(MatOfFloat, MatOfInt)","u":"getOutputDetails(org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt)"},{"p":"org.opencv.ml","c":"SVM","l":"getP()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"getP1()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"getP2()"},{"p":"org.opencv.dnn","c":"Net","l":"getParam(int)"},{"p":"org.opencv.dnn","c":"Net","l":"getParam(int, int)","u":"getParam(int,int)"},{"p":"org.opencv.dnn","c":"Net","l":"getParam(String)","u":"getParam(java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"getParam(String, int)","u":"getParam(java.lang.String,int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"getParams()"},{"p":"org.opencv.features2d","c":"MSER","l":"getPass2Only()"},{"p":"org.opencv.features2d","c":"ORB","l":"getPatchSize()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getPatchSize()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getPatchStride()"},{"p":"org.opencv.features2d","c":"BRISK","l":"getPatternScale()"},{"p":"org.opencv.dnn","c":"Net","l":"getPerfProfile(MatOfDouble)","u":"getPerfProfile(org.opencv.core.MatOfDouble)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getPerspectiveTransform(Mat, Mat)","u":"getPerspectiveTransform(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getPerspectiveTransform(Mat, Mat, int)","u":"getPerspectiveTransform(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"getPolygonThreshold()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getPolyN()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getPolySigma()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getPosThresh()"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"getPredefinedDictionary(int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getPreFilterCap()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"getPreFilterCap()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getPreFilterSize()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getPreFilterType()"},{"p":"org.opencv.ml","c":"DTrees","l":"getPriors()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getPyrScale()"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"getQualityLevel()"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"getRadiance()"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"getRandom()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getRealValue()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getRealValue(int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getRectSubPix(Mat, Size, Point, Mat)","u":"getRectSubPix(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Point,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getRectSubPix(Mat, Size, Point, Mat, int)","u":"getRectSubPix(org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Point,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"getRefineParameters()"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"getRefineParameters()"},{"p":"org.opencv.ml","c":"DTrees","l":"getRegressionAccuracy()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getRegularization()"},{"p":"org.opencv.ml","c":"TrainData","l":"getResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getResponseType()"},{"p":"org.opencv.objdetect","c":"Board","l":"getRightBottomCorner()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getROI1()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getROI2()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getRotationMatrix2D(Point, double, double)","u":"getRotationMatrix2D(org.opencv.core.Point,double,double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getRpropDW0()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getRpropDWMax()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getRpropDWMin()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getRpropDWMinus()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getRpropDWPlus()"},{"p":"org.opencv.ml","c":"TrainData","l":"getSample(Mat, int, float)","u":"getSample(org.opencv.core.Mat,int,float)"},{"p":"org.opencv.ml","c":"TrainData","l":"getSamples()"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"getSamples()"},{"p":"org.opencv.ml","c":"TrainData","l":"getSampleWeights()"},{"p":"org.opencv.photo","c":"TonemapDrago","l":"getSaturation()"},{"p":"org.opencv.photo","c":"TonemapMantiuk","l":"getSaturation()"},{"p":"org.opencv.photo","c":"MergeMertens","l":"getSaturationWeight()"},{"p":"org.opencv.photo","c":"TonemapMantiuk","l":"getScale()"},{"p":"org.opencv.features2d","c":"ORB","l":"getScaleFactor()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getScaleStep()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getScaleThresh()"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"getScoreThreshold()"},{"p":"org.opencv.features2d","c":"ORB","l":"getScoreType()"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getShadowThreshold()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getShadowThreshold()"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"getShadowValue()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getShadowValue()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getShift()"},{"p":"org.opencv.features2d","c":"SIFT","l":"getSigma()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getSmallerBlockSize()"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"getSorIterations()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getSpeckleRange()"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"getSpeckleWindowSize()"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"getSquareLength()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getStepDecreasingPower()"},{"p":"org.opencv.videoio","c":"Videoio","l":"getStreamBackendPluginVersion(int, int[], int[])","u":"getStreamBackendPluginVersion(int,int[],int[])"},{"p":"org.opencv.videoio","c":"Videoio","l":"getStreamBackends()"},{"p":"org.opencv.videoio","c":"Videoio","l":"getStreamBufferedBackendPluginVersion(int, int[], int[])","u":"getStreamBufferedBackendPluginVersion(int,int[],int[])"},{"p":"org.opencv.videoio","c":"Videoio","l":"getStreamBufferedBackends()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getStringValue()"},{"p":"org.opencv.dnn","c":"DictValue","l":"getStringValue(int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getStructuringElement(int, Size)","u":"getStructuringElement(int,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getStructuringElement(int, Size, Point)","u":"getStructuringElement(int,org.opencv.core.Size,org.opencv.core.Point)"},{"p":"org.opencv.ml","c":"TrainData","l":"getSubMatrix(Mat, Mat, int)","u":"getSubMatrix(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"TrainData","l":"getSubVector(Mat, Mat)","u":"getSubVector(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"SVM","l":"getSupportVectors()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getSvmsgdType()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"EM","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"RTrees","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"SVM","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getTermCriteria()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"getTermCriteria()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTestNormCatResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTestResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTestSampleIdx()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTestSamples()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTestSampleWeights()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"getTextSize(String, int, double, int, int[])","u":"getTextSize(java.lang.String,int,double,int,int[])"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getTextureThreshold()"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"getThreshold()"},{"p":"org.opencv.features2d","c":"AKAZE","l":"getThreshold()"},{"p":"org.opencv.features2d","c":"BRISK","l":"getThreshold()"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"getThreshold()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getThreshold()"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"getThreshold()"},{"p":"org.opencv.core","c":"Core","l":"getTickCount()"},{"p":"org.opencv.core","c":"Core","l":"getTickFrequency()"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"getTilesGridSize()"},{"p":"org.opencv.core","c":"TickMeter","l":"getTimeMicro()"},{"p":"org.opencv.core","c":"TickMeter","l":"getTimeMilli()"},{"p":"org.opencv.core","c":"TickMeter","l":"getTimeSec()"},{"p":"org.opencv.core","c":"TickMeter","l":"getTimeTicks()"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"getTopK()"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN","l":"getTrackingScore()"},{"p":"org.opencv.video","c":"TrackerNano","l":"getTrackingScore()"},{"p":"org.opencv.video","c":"TrackerVit","l":"getTrackingScore()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"getTrainDescriptors()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getTrainMethod()"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"getTrainMethod()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainNormCatResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainResponses()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSampleIdx()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSamples()"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSamples(int)"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSamples(int, boolean)","u":"getTrainSamples(int,boolean)"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSamples(int, boolean, boolean)","u":"getTrainSamples(int,boolean,boolean)"},{"p":"org.opencv.ml","c":"TrainData","l":"getTrainSampleWeights()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getTriangleList(MatOfFloat6)","u":"getTriangleList(org.opencv.core.MatOfFloat6)"},{"p":"org.opencv.ml","c":"DTrees","l":"getTruncatePrunedTree()"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"getType()"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"getType()"},{"p":"org.opencv.ml","c":"SVM","l":"getType()"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"getUnclipRatio()"},{"p":"org.opencv.ml","c":"SVM","l":"getUncompressedSupportVectors()"},{"p":"org.opencv.dnn","c":"Net","l":"getUnconnectedOutLayers()"},{"p":"org.opencv.dnn","c":"Net","l":"getUnconnectedOutLayersNames()"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"getUniquenessRatio()"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"getUniquenessRatio()"},{"p":"org.opencv.features2d","c":"KAZE","l":"getUpright()"},{"p":"org.opencv.ml","c":"DTrees","l":"getUse1SERule()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getUseMeanNormalization()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getUseSpatialPropagation()"},{"p":"org.opencv.ml","c":"DTrees","l":"getUseSurrogates()"},{"p":"org.opencv.core","c":"Mat.Atable","l":"getV()"},{"p":"org.opencv.core","c":"Mat.Atable","l":"getV2c()"},{"p":"org.opencv.core","c":"Mat.Atable","l":"getV3c()"},{"p":"org.opencv.core","c":"Mat.Atable","l":"getV4c()"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"getValidDisparityROI(Rect, Rect, int, int, int)","u":"getValidDisparityROI(org.opencv.core.Rect,org.opencv.core.Rect,int,int,int)"},{"p":"org.opencv.ml","c":"TrainData","l":"getValues(int, Mat, float)","u":"getValues(int,org.opencv.core.Mat,float)"},{"p":"org.opencv.ml","c":"StatModel","l":"getVarCount()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getVariationalRefinementAlpha()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getVariationalRefinementDelta()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getVariationalRefinementEpsilon()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getVariationalRefinementGamma()"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"getVariationalRefinementIterations()"},{"p":"org.opencv.ml","c":"TrainData","l":"getVarIdx()"},{"p":"org.opencv.ml","c":"RTrees","l":"getVarImportance()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getVarInit()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getVarMax()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getVarMin()"},{"p":"org.opencv.ml","c":"TrainData","l":"getVarSymbolFlags()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getVarThreshold()"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"getVarThresholdGen()"},{"p":"org.opencv.ml","c":"TrainData","l":"getVarType()"},{"p":"org.opencv.core","c":"Core","l":"getVersionMajor()"},{"p":"org.opencv.core","c":"Core","l":"getVersionMinor()"},{"p":"org.opencv.core","c":"Core","l":"getVersionRevision()"},{"p":"org.opencv.core","c":"Core","l":"getVersionString()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getVertex(int)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getVertex(int, int[])","u":"getVertex(int,int[])"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"getViewParams(MatOfFloat, MatOfFloat)","u":"getViewParams(org.opencv.core.MatOfFloat,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"getVocabulary()"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"getVocabulary()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"getVoronoiFacetList(MatOfInt, List, MatOfPoint2f)","u":"getVoronoiFacetList(org.opencv.core.MatOfInt,java.util.List,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.ml","c":"RTrees","l":"getVotes(Mat, Mat, int)","u":"getVotes(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughBallard","l":"getVotesThreshold()"},{"p":"org.opencv.ml","c":"Boost","l":"getWeakCount()"},{"p":"org.opencv.ml","c":"EM","l":"getWeights()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"getWeights()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"getWeights(int)"},{"p":"org.opencv.ml","c":"Boost","l":"getWeightTrimRate()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.ListItemAccessor","l":"getWidth(Object)","u":"getWidth(java.lang.Object)"},{"p":"org.opencv.android","c":"JavaCamera2View.JavaCameraSizeAccessor","l":"getWidth(Object)","u":"getWidth(java.lang.Object)"},{"p":"org.opencv.android","c":"JavaCameraView.JavaCameraSizeAccessor","l":"getWidth(Object)","u":"getWidth(java.lang.Object)"},{"p":"org.opencv.android","c":"NativeCameraView.OpenCvSizeAccessor","l":"getWidth(Object)","u":"getWidth(java.lang.Object)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"getWinSigma()"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"getWinSize()"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"getWinSize()"},{"p":"org.opencv.videoio","c":"Videoio","l":"getWriterBackendPluginVersion(int, int[], int[])","u":"getWriterBackendPluginVersion(int,int[],int[])"},{"p":"org.opencv.videoio","c":"Videoio","l":"getWriterBackends()"},{"p":"org.opencv.features2d","c":"ORB","l":"getWTA_K()"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"getXi()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, boolean)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, boolean, double)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int,boolean,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int, boolean)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrack(Mat, MatOfPoint, int, double, double, Mat, int, int, boolean, double)","u":"goodFeaturesToTrack(org.opencv.core.Mat,org.opencv.core.MatOfPoint,int,double,double,org.opencv.core.Mat,int,int,boolean,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat)","u":"goodFeaturesToTrackWithQuality(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int)","u":"goodFeaturesToTrackWithQuality(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int)","u":"goodFeaturesToTrackWithQuality(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int, boolean)","u":"goodFeaturesToTrackWithQuality(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat,org.opencv.core.Mat,int,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"goodFeaturesToTrackWithQuality(Mat, Mat, int, double, double, Mat, Mat, int, int, boolean, double)","u":"goodFeaturesToTrackWithQuality(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat,org.opencv.core.Mat,int,int,boolean,double)"},{"p":"org.opencv.core","c":"Core","l":"GpuApiCallError"},{"p":"org.opencv.core","c":"Core","l":"GpuNotSupported"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"grab()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"grabCut(Mat, Mat, Rect, Mat, Mat, int)","u":"grabCut(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"grabCut(Mat, Mat, Rect, Mat, Mat, int, int)","u":"grabCut(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"GRAY"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewFrame","l":"gray()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.RotatedCameraFrame","l":"gray()"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"GridBoard(Size, float, float, Dictionary)","u":"%3Cinit%3E(org.opencv.core.Size,float,float,org.opencv.objdetect.Dictionary)"},{"p":"org.opencv.objdetect","c":"GridBoard","l":"GridBoard(Size, float, float, Dictionary, Mat)","u":"%3Cinit%3E(org.opencv.core.Size,float,float,org.opencv.objdetect.Dictionary,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"groupRectangles(MatOfRect, MatOfInt, int)","u":"groupRectangles(org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,int)"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"groupRectangles(MatOfRect, MatOfInt, int, double)","u":"groupRectangles(org.opencv.core.MatOfRect,org.opencv.core.MatOfInt,int,double)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"HARD_MARGIN"},{"p":"org.opencv.features2d","c":"ORB","l":"HARRIS_SCORE"},{"p":"org.opencv.videoio","c":"Videoio","l":"hasBackend(int)"},{"p":"org.opencv.core","c":"Point","l":"hashCode()"},{"p":"org.opencv.core","c":"Point3","l":"hashCode()"},{"p":"org.opencv.core","c":"Range","l":"hashCode()"},{"p":"org.opencv.core","c":"Rect","l":"hashCode()"},{"p":"org.opencv.core","c":"Rect2d","l":"hashCode()"},{"p":"org.opencv.core","c":"RotatedRect","l":"hashCode()"},{"p":"org.opencv.core","c":"Scalar","l":"hashCode()"},{"p":"org.opencv.core","c":"Size","l":"hashCode()"},{"p":"org.opencv.core","c":"TermCriteria","l":"hashCode()"},{"p":"org.opencv.core","c":"Core","l":"hasNonZero(Mat)","u":"hasNonZero(org.opencv.core.Mat)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"haveImageReader(String)","u":"haveImageReader(java.lang.String)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"haveImageWriter(String)","u":"haveImageWriter(java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"hconcat(List, Mat)","u":"hconcat(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"HeaderIsNull"},{"p":"org.opencv.core","c":"Rect","l":"height"},{"p":"org.opencv.core","c":"Rect2d","l":"height"},{"p":"org.opencv.core","c":"Size","l":"height"},{"p":"org.opencv.core","c":"Mat","l":"height()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_BHATTACHARYYA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_CHISQR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_CHISQR_ALT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_CORREL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_HELLINGER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_INTERSECT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HISTCMP_KL_DIV"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double, int)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double,int)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double,int,double)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double,int,double,boolean)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean, int)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double,int,double,boolean,int)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(Size, Size, Size, Size, int, int, double, int, double, boolean, int, boolean)","u":"%3Cinit%3E(org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,org.opencv.core.Size,int,int,double,int,double,boolean,int,boolean)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"HOGDescriptor(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HOUGH_GRADIENT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HOUGH_GRADIENT_ALT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HOUGH_MULTI_SCALE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HOUGH_PROBABILISTIC"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HOUGH_STANDARD"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCircles(Mat, Mat, int, double, double)","u":"HoughCircles(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCircles(Mat, Mat, int, double, double, double)","u":"HoughCircles(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCircles(Mat, Mat, int, double, double, double, double)","u":"HoughCircles(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCircles(Mat, Mat, int, double, double, double, double, int)","u":"HoughCircles(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCircles(Mat, Mat, int, double, double, double, double, int, int)","u":"HoughCircles(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCirclesWithAccumulator(Mat, Mat, int, double, double)","u":"HoughCirclesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double)","u":"HoughCirclesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double)","u":"HoughCirclesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double, int)","u":"HoughCirclesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughCirclesWithAccumulator(Mat, Mat, int, double, double, double, double, int, int)","u":"HoughCirclesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,double,double,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int, double)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int, double, double)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int, double, double, double)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int, double, double, double, double)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLines(Mat, Mat, double, double, int, double, double, double, double, boolean)","u":"HoughLines(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double,double,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesP(Mat, Mat, double, double, int)","u":"HoughLinesP(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesP(Mat, Mat, double, double, int, double)","u":"HoughLinesP(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesP(Mat, Mat, double, double, int, double, double)","u":"HoughLinesP(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesPointSet(Mat, Mat, int, int, double, double, double, double, double, double)","u":"HoughLinesPointSet(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double,double,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int, double)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double, double)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HoughLinesWithAccumulator(Mat, Mat, double, double, int, double, double, double, double, boolean)","u":"HoughLinesWithAccumulator(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,double,double,double,double,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"HuMoments(Moments, Mat)","u":"HuMoments(org.opencv.imgproc.Moments,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"idct(Mat, Mat)","u":"idct(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"idct(Mat, Mat, int)","u":"idct(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"identify(Mat, int[], int[], double)","u":"identify(org.opencv.core.Mat,int[],int[],double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"IDENTITY"},{"p":"org.opencv.core","c":"Core","l":"idft(Mat, Mat)","u":"idft(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"idft(Mat, Mat, int)","u":"idft(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"idft(Mat, Mat, int, int)","u":"idft(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.photo","c":"Photo","l":"illuminationChange(Mat, Mat, Mat)","u":"illuminationChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"illuminationChange(Mat, Mat, Mat, float)","u":"illuminationChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"illuminationChange(Mat, Mat, Mat, float, float)","u":"illuminationChange(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMAGE_METADATA_EXIF"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMAGE_METADATA_ICCP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMAGE_METADATA_MAX"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMAGE_METADATA_UNKNOWN"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMAGE_METADATA_XMP"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams()","u":"%3Cinit%3E()"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar)","u":"%3Cinit%3E(org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size, Scalar)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size, Scalar, boolean)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size,org.opencv.core.Scalar,boolean)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size, Scalar, boolean, int)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size,org.opencv.core.Scalar,boolean,int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size, Scalar, boolean, int, int)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size,org.opencv.core.Scalar,boolean,int,int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"Image2BlobParams(Scalar, Size, Scalar, boolean, int, int, Scalar)","u":"%3Cinit%3E(org.opencv.core.Scalar,org.opencv.core.Size,org.opencv.core.Scalar,boolean,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Dnn","l":"imagesFromBlob(Mat, List)","u":"imagesFromBlob(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imcount(String)","u":"imcount(java.lang.String)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imcount(String, int)","u":"imcount(java.lang.String,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecode(Mat, int)","u":"imdecode(org.opencv.core.Mat,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodeanimation(Mat, Animation)","u":"imdecodeanimation(org.opencv.core.Mat,org.opencv.imgcodecs.Animation)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodeanimation(Mat, Animation, int)","u":"imdecodeanimation(org.opencv.core.Mat,org.opencv.imgcodecs.Animation,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodeanimation(Mat, Animation, int, int)","u":"imdecodeanimation(org.opencv.core.Mat,org.opencv.imgcodecs.Animation,int,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodemulti(Mat, int, List)","u":"imdecodemulti(org.opencv.core.Mat,int,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodemulti(Mat, int, List, Range)","u":"imdecodemulti(org.opencv.core.Mat,int,java.util.List,org.opencv.core.Range)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodeWithMetadata(Mat, MatOfInt, List)","u":"imdecodeWithMetadata(org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imdecodeWithMetadata(Mat, MatOfInt, List, int)","u":"imdecodeWithMetadata(org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencode(String, Mat, MatOfByte)","u":"imencode(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfByte)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencode(String, Mat, MatOfByte, MatOfInt)","u":"imencode(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfByte,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodeanimation(String, Animation, MatOfByte)","u":"imencodeanimation(java.lang.String,org.opencv.imgcodecs.Animation,org.opencv.core.MatOfByte)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodeanimation(String, Animation, MatOfByte, MatOfInt)","u":"imencodeanimation(java.lang.String,org.opencv.imgcodecs.Animation,org.opencv.core.MatOfByte,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodemulti(String, List, MatOfByte)","u":"imencodemulti(java.lang.String,java.util.List,org.opencv.core.MatOfByte)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodemulti(String, List, MatOfByte, MatOfInt)","u":"imencodemulti(java.lang.String,java.util.List,org.opencv.core.MatOfByte,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodeWithMetadata(String, Mat, MatOfInt, List, MatOfByte)","u":"imencodeWithMetadata(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List,org.opencv.core.MatOfByte)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imencodeWithMetadata(String, Mat, MatOfInt, List, MatOfByte, MatOfInt)","u":"imencodeWithMetadata(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List,org.opencv.core.MatOfByte,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"Imgcodecs()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"DMatch","l":"imgIdx"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Imgproc()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_ANYCOLOR"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_ANYDEPTH"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_COLOR"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_COLOR_BGR"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_COLOR_RGB"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_GRAYSCALE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_IGNORE_ORIENTATION"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_LOAD_GDAL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_COLOR_2"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_COLOR_4"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_COLOR_8"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_GRAYSCALE_2"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_GRAYSCALE_4"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_REDUCED_GRAYSCALE_8"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMREAD_UNCHANGED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imread(String)","u":"imread(java.lang.String)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imread(String, int)","u":"imread(java.lang.String,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imread(String, Mat)","u":"imread(java.lang.String,org.opencv.core.Mat)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imread(String, Mat, int)","u":"imread(java.lang.String,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadanimation(String, Animation)","u":"imreadanimation(java.lang.String,org.opencv.imgcodecs.Animation)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadanimation(String, Animation, int)","u":"imreadanimation(java.lang.String,org.opencv.imgcodecs.Animation,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadanimation(String, Animation, int, int)","u":"imreadanimation(java.lang.String,org.opencv.imgcodecs.Animation,int,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadmulti(String, List)","u":"imreadmulti(java.lang.String,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadmulti(String, List, int)","u":"imreadmulti(java.lang.String,java.util.List,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadmulti(String, List, int, int)","u":"imreadmulti(java.lang.String,java.util.List,int,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadmulti(String, List, int, int, int)","u":"imreadmulti(java.lang.String,java.util.List,int,int,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadWithMetadata(String, MatOfInt, List)","u":"imreadWithMetadata(java.lang.String,org.opencv.core.MatOfInt,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imreadWithMetadata(String, MatOfInt, List, int)","u":"imreadWithMetadata(java.lang.String,org.opencv.core.MatOfInt,java.util.List,int)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_AVIF_DEPTH"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_AVIF_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_AVIF_SPEED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_B44"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_B44A"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_DWAA"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_DWAB"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_NO"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_PIZ"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_PXR24"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_RLE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_ZIP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_COMPRESSION_ZIPS"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_DWA_COMPRESSION_LEVEL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_TYPE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_TYPE_FLOAT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_EXR_TYPE_HALF"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_128"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_16"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_256"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_32"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_64"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_COLORTABLE_SIZE_8"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_DITHER"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_FAST_FLOYD_DITHER"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_FAST_NO_DITHER"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_LOOP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_SPEED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_GIF_TRANSPARENCY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_HDR_COMPRESSION"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_HDR_COMPRESSION_NONE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_HDR_COMPRESSION_RLE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_CHROMA_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_LUMA_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_OPTIMIZE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_PROGRESSIVE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_RST_INTERVAL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR_411"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR_420"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR_422"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR_440"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG_SAMPLING_FACTOR_444"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEG2000_COMPRESSION_X1000"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEGXL_DECODING_SPEED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEGXL_DISTANCE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEGXL_EFFORT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_JPEGXL_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_BLACKANDWHITE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_GRAYSCALE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_GRAYSCALE_ALPHA"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_NULL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_RGB"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_FORMAT_RGB_ALPHA"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PAM_TUPLETYPE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_ALL_FILTERS"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_BILEVEL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_COMPRESSION"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FAST_FILTERS"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER_AVG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER_NONE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER_PAETH"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER_SUB"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_FILTER_UP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY_DEFAULT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY_FILTERED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY_FIXED"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY_HUFFMAN_ONLY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PNG_STRATEGY_RLE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_PXM_BINARY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_ADOBE_DEFLATE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITT_T4"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITT_T6"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITTFAX3"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITTFAX4"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITTRLE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_CCITTRLEW"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_DCS"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_DEFLATE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_IT8BL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_IT8CTPAD"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_IT8LW"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_IT8MP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_JBIG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_JP2000"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_JPEG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_JXL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_LERC"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_LZMA"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_LZW"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_NEXT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_NONE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_OJPEG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_PACKBITS"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_PIXARFILM"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_PIXARLOG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_SGILOG"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_SGILOG24"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_T43"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_T85"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_THUNDERSCAN"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_WEBP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_COMPRESSION_ZSTD"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_PREDICTOR"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_PREDICTOR_FLOATINGPOINT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_PREDICTOR_HORIZONTAL"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_PREDICTOR_NONE"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_RESUNIT"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_ROWSPERSTRIP"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_XDPI"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_TIFF_YDPI"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"IMWRITE_WEBP_QUALITY"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwrite(String, Mat)","u":"imwrite(java.lang.String,org.opencv.core.Mat)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwrite(String, Mat, MatOfInt)","u":"imwrite(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwriteanimation(String, Animation)","u":"imwriteanimation(java.lang.String,org.opencv.imgcodecs.Animation)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwriteanimation(String, Animation, MatOfInt)","u":"imwriteanimation(java.lang.String,org.opencv.imgcodecs.Animation,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwritemulti(String, List)","u":"imwritemulti(java.lang.String,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwritemulti(String, List, MatOfInt)","u":"imwritemulti(java.lang.String,java.util.List,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwriteWithMetadata(String, Mat, MatOfInt, List)","u":"imwriteWithMetadata(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List)"},{"p":"org.opencv.imgcodecs","c":"Imgcodecs","l":"imwriteWithMetadata(String, Mat, MatOfInt, List, MatOfInt)","u":"imwriteWithMetadata(java.lang.String,org.opencv.core.Mat,org.opencv.core.MatOfInt,java.util.List,org.opencv.core.MatOfInt)"},{"p":"org.opencv.android","c":"FpsMeter","l":"init()"},{"p":"org.opencv.osgi","c":"OpenCVNativeLoader","l":"init()"},{"p":"org.opencv.video","c":"Tracker","l":"init(Mat, Rect)","u":"init(org.opencv.core.Mat,org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"initCameraMatrix2D(List, List, Size)","u":"initCameraMatrix2D(java.util.List,java.util.List,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"initCameraMatrix2D(List, List, Size, double)","u":"initCameraMatrix2D(java.util.List,java.util.List,org.opencv.core.Size,double)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"initDelaunay(Rect)","u":"initDelaunay(org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"initInverseRectificationMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat)","u":"initInverseRectificationMap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"OpenCVLoader","l":"initLocal()"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"initUndistortRectifyMap(Mat, Mat, Mat, Mat, Size, int, Mat, Mat)","u":"initUndistortRectifyMap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"INPAINT_NS"},{"p":"org.opencv.photo","c":"Photo","l":"INPAINT_TELEA"},{"p":"org.opencv.photo","c":"Photo","l":"inpaint(Mat, Mat, Mat, double, int)","u":"inpaint(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Core","l":"inRange(Mat, Scalar, Scalar, Mat)","u":"inRange(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"insert(MatOfPoint2f)","u":"insert(org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"insert(Point)","u":"insert(org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Core","l":"insertChannel(Mat, Mat, int)","u":"insertChannel(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Point","l":"inside(Rect)","u":"inside(org.opencv.core.Rect)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral(Mat, Mat)","u":"integral(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral(Mat, Mat, int)","u":"integral(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral2(Mat, Mat, Mat)","u":"integral2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral2(Mat, Mat, Mat, int)","u":"integral2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral2(Mat, Mat, Mat, int, int)","u":"integral2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral3(Mat, Mat, Mat, Mat)","u":"integral3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral3(Mat, Mat, Mat, Mat, int)","u":"integral3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"integral3(Mat, Mat, Mat, Mat, int, int)","u":"integral3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"IntelligentScissorsMB()","u":"%3Cinit%3E()"},{"p":"org.opencv.ml","c":"SVM","l":"INTER"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_AREA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_BITS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_BITS2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_CUBIC"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_LANCZOS4"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_LINEAR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_LINEAR_EXACT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_MAX"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_NEAREST"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_NEAREST_EXACT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_TAB_SIZE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTER_TAB_SIZE2"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTERSECT_FULL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTERSECT_NONE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"INTERSECT_PARTIAL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"intersectConvexConvex(Mat, Mat, Mat)","u":"intersectConvexConvex(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"intersectConvexConvex(Mat, Mat, Mat, boolean)","u":"intersectConvexConvex(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.core","c":"Range","l":"intersection(Range)","u":"intersection(org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"inv()"},{"p":"org.opencv.core","c":"Mat","l":"inv(int)"},{"p":"org.opencv.core","c":"Core","l":"invert(Mat, Mat)","u":"invert(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"invert(Mat, Mat, int)","u":"invert(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"invertAffineTransform(Mat, Mat)","u":"invertAffineTransform(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.videoio","c":"Videoio","l":"isBackendBuiltIn(int)"},{"p":"org.opencv.ml","c":"StatModel","l":"isClassifier()"},{"p":"org.opencv.core","c":"Mat","l":"isContinuous()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"isContourConvex(MatOfPoint)","u":"isContourConvex(org.opencv.core.MatOfPoint)"},{"p":"org.opencv.dnn","c":"DictValue","l":"isInt()"},{"p":"org.opencv.core","c":"CvType","l":"isInteger(int)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"isMaskSupported()"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"isOldFormatCascade()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"isOpened()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"isOpened()"},{"p":"org.opencv.core","c":"Scalar","l":"isReal()"},{"p":"org.opencv.dnn","c":"DictValue","l":"isReal()"},{"p":"org.opencv.dnn","c":"DictValue","l":"isString()"},{"p":"org.opencv.core","c":"Mat","l":"isSubmatrix()"},{"p":"org.opencv.ml","c":"StatModel","l":"isTrained()"},{"p":"org.opencv.android","c":"JavaCamera2View","l":"JavaCamera2View(Context, AttributeSet)","u":"%3Cinit%3E(android.content.Context,android.util.AttributeSet)"},{"p":"org.opencv.android","c":"JavaCamera2View","l":"JavaCamera2View(Context, int)","u":"%3Cinit%3E(android.content.Context,int)"},{"p":"org.opencv.android","c":"JavaCamera2View.JavaCameraSizeAccessor","l":"JavaCameraSizeAccessor()","u":"%3Cinit%3E()"},{"p":"org.opencv.android","c":"JavaCameraView.JavaCameraSizeAccessor","l":"JavaCameraSizeAccessor()","u":"%3Cinit%3E()"},{"p":"org.opencv.android","c":"JavaCameraView","l":"JavaCameraView(Context, AttributeSet)","u":"%3Cinit%3E(android.content.Context,android.util.AttributeSet)"},{"p":"org.opencv.android","c":"JavaCameraView","l":"JavaCameraView(Context, int)","u":"%3Cinit%3E(android.content.Context,int)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"KalmanFilter()","u":"%3Cinit%3E()"},{"p":"org.opencv.video","c":"KalmanFilter","l":"KalmanFilter(int, int)","u":"%3Cinit%3E(int,int)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"KalmanFilter(int, int, int)","u":"%3Cinit%3E(int,int,int)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"KalmanFilter(int, int, int, int)","u":"%3Cinit%3E(int,int,int,int)"},{"p":"org.opencv.ml","c":"KNearest","l":"KDTREE"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint(float, float, float)","u":"%3Cinit%3E(float,float,float)"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint(float, float, float, float)","u":"%3Cinit%3E(float,float,float,float)"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint(float, float, float, float, float)","u":"%3Cinit%3E(float,float,float,float,float)"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint(float, float, float, float, float, int)","u":"%3Cinit%3E(float,float,float,float,float,int)"},{"p":"org.opencv.core","c":"KeyPoint","l":"KeyPoint(float, float, float, float, float, int, int)","u":"%3Cinit%3E(float,float,float,float,float,int,int)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"KeypointsModel(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"KeypointsModel(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"KeypointsModel","l":"KeypointsModel(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.core","c":"Core","l":"KMEANS_PP_CENTERS"},{"p":"org.opencv.core","c":"Core","l":"KMEANS_RANDOM_CENTERS"},{"p":"org.opencv.core","c":"Core","l":"KMEANS_USE_INITIAL_LABELS"},{"p":"org.opencv.core","c":"Core","l":"kmeans(Mat, int, Mat, TermCriteria, int, int)","u":"kmeans(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.TermCriteria,int,int)"},{"p":"org.opencv.core","c":"Core","l":"kmeans(Mat, int, Mat, TermCriteria, int, int, Mat)","u":"kmeans(org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.TermCriteria,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, List, int)","u":"knnMatch(org.opencv.core.Mat,java.util.List,int)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, List, int, List)","u":"knnMatch(org.opencv.core.Mat,java.util.List,int,java.util.List)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, List, int, List, boolean)","u":"knnMatch(org.opencv.core.Mat,java.util.List,int,java.util.List,boolean)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, Mat, List, int)","u":"knnMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,int)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, Mat, List, int, Mat)","u":"knnMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,int,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"knnMatch(Mat, Mat, List, int, Mat, boolean)","u":"knnMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,int,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"L2Hys"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Laplacian(Mat, Mat, int)","u":"Laplacian(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Laplacian(Mat, Mat, int, int)","u":"Laplacian(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Laplacian(Mat, Mat, int, int, double)","u":"Laplacian(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Laplacian(Mat, Mat, int, int, double, double)","u":"Laplacian(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Laplacian(Mat, Mat, int, int, double, double, int)","u":"Laplacian(org.opencv.core.Mat,org.opencv.core.Mat,int,int,double,double,int)"},{"p":"org.opencv.photo","c":"Photo","l":"LDR_SIZE"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"LEAKYRELU"},{"p":"org.opencv.core","c":"DMatch","l":"lessThan(DMatch)","u":"lessThan(org.opencv.core.DMatch)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LINE_4"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LINE_8"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LINE_AA"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"line(Mat, Point, Point, Scalar)","u":"line(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"line(Mat, Point, Point, Scalar, int)","u":"line(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"line(Mat, Point, Point, Scalar, int, int)","u":"line(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"line(Mat, Point, Point, Scalar, int, int, int)","u":"line(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.ml","c":"SVM","l":"LINEAR"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LMEDS"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"Boost","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"DTrees","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"EM","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"KNearest","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"RTrees","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"SVM","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.objdetect","c":"CascadeClassifier","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"load(String)","u":"load(java.lang.String)"},{"p":"org.opencv.ml","c":"Boost","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"DTrees","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"EM","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"RTrees","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"load(String, String)","u":"load(java.lang.String,java.lang.String)"},{"p":"org.opencv.android","c":"Utils","l":"loadResource(Context, int)","u":"loadResource(android.content.Context,int)"},{"p":"org.opencv.android","c":"Utils","l":"loadResource(Context, int, int)","u":"loadResource(android.content.Context,int,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LOCAL_OPTIM_GC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LOCAL_OPTIM_INNER_AND_ITER_LO"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LOCAL_OPTIM_INNER_LO"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LOCAL_OPTIM_NULL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LOCAL_OPTIM_SIGMA"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"locate(Point, int[], int[])","u":"locate(org.opencv.core.Point,int[],int[])"},{"p":"org.opencv.core","c":"Mat","l":"locateROI(Size, Point)","u":"locateROI(org.opencv.core.Size,org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Core","l":"log(Mat, Mat)","u":"log(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"Boost","l":"LOGIT"},{"p":"org.opencv.android","c":"CameraRenderer","l":"LOGTAG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LSD_REFINE_ADV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LSD_REFINE_NONE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"LSD_REFINE_STD"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"LSQ_POLISHER"},{"p":"org.opencv.core","c":"Core","l":"LUT(Mat, Mat, Mat)","u":"LUT(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Moments","l":"m00"},{"p":"org.opencv.imgproc","c":"Moments","l":"m01"},{"p":"org.opencv.imgproc","c":"Moments","l":"m02"},{"p":"org.opencv.imgproc","c":"Moments","l":"m03"},{"p":"org.opencv.imgproc","c":"Moments","l":"m10"},{"p":"org.opencv.imgproc","c":"Moments","l":"m11"},{"p":"org.opencv.imgproc","c":"Moments","l":"m12"},{"p":"org.opencv.imgproc","c":"Moments","l":"m20"},{"p":"org.opencv.imgproc","c":"Moments","l":"m21"},{"p":"org.opencv.imgproc","c":"Moments","l":"m30"},{"p":"org.opencv.core","c":"Core","l":"magnitude(Mat, Mat, Mat)","u":"magnitude(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"MAGSAC"},{"p":"org.opencv.core","c":"Core","l":"Mahalanobis(Mat, Mat, Mat)","u":"Mahalanobis(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"CvType","l":"makeType(int, int)","u":"makeType(int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_CROSS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_DIAMOND"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_SQUARE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_STAR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_TILTED_CROSS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_TRIANGLE_DOWN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MARKER_TRIANGLE_UP"},{"p":"org.opencv.core","c":"Core","l":"MaskIsTiled"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_char(Mat, List)","u":"Mat_to_vector_char(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_DMatch(Mat, List)","u":"Mat_to_vector_DMatch(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_double(Mat, List)","u":"Mat_to_vector_double(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_float(Mat, List)","u":"Mat_to_vector_float(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_int(Mat, List)","u":"Mat_to_vector_int(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_KeyPoint(Mat, List)","u":"Mat_to_vector_KeyPoint(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Mat(Mat, List)","u":"Mat_to_vector_Mat(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point(Mat, List)","u":"Mat_to_vector_Point(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point2d(Mat, List)","u":"Mat_to_vector_Point2d(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point2f(Mat, List)","u":"Mat_to_vector_Point2f(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point3(Mat, List)","u":"Mat_to_vector_Point3(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point3d(Mat, List)","u":"Mat_to_vector_Point3d(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point3f(Mat, List)","u":"Mat_to_vector_Point3f(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Point3i(Mat, List)","u":"Mat_to_vector_Point3i(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Rect(Mat, List)","u":"Mat_to_vector_Rect(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_Rect2d(Mat, List)","u":"Mat_to_vector_Rect2d(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_RotatedRect(Mat, List)","u":"Mat_to_vector_RotatedRect(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_uchar(Mat, List)","u":"Mat_to_vector_uchar(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_char(Mat, List>)","u":"Mat_to_vector_vector_char(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_DMatch(Mat, List)","u":"Mat_to_vector_vector_DMatch(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_KeyPoint(Mat, List)","u":"Mat_to_vector_vector_KeyPoint(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_Point(Mat, List)","u":"Mat_to_vector_vector_Point(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_Point2f(Mat, List)","u":"Mat_to_vector_vector_Point2f(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"Mat_to_vector_vector_Point3f(Mat, List)","u":"Mat_to_vector_vector_Point3f(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.core","c":"Mat","l":"Mat()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int, int, int)","u":"%3Cinit%3E(int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int, int, int, ByteBuffer)","u":"%3Cinit%3E(int,int,int,java.nio.ByteBuffer)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int, int, int, ByteBuffer, long)","u":"%3Cinit%3E(int,int,int,java.nio.ByteBuffer,long)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int, int, int, Scalar)","u":"%3Cinit%3E(int,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int[], int)","u":"%3Cinit%3E(int[],int)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(int[], int, Scalar)","u":"%3Cinit%3E(int[],int,org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(long)","u":"%3Cinit%3E(long)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Mat, Range)","u":"%3Cinit%3E(org.opencv.core.Mat,org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Mat, Range, Range)","u":"%3Cinit%3E(org.opencv.core.Mat,org.opencv.core.Range,org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Mat, Range[])","u":"%3Cinit%3E(org.opencv.core.Mat,org.opencv.core.Range[])"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Mat, Rect)","u":"%3Cinit%3E(org.opencv.core.Mat,org.opencv.core.Rect)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Size, int)","u":"%3Cinit%3E(org.opencv.core.Size,int)"},{"p":"org.opencv.core","c":"Mat","l":"Mat(Size, int, Scalar)","u":"%3Cinit%3E(org.opencv.core.Size,int,org.opencv.core.Scalar)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"match(Mat, Mat)","u":"match(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"FaceRecognizerSF","l":"match(Mat, Mat, int)","u":"match(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"match(Mat, Mat, MatOfDMatch)","u":"match(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfDMatch)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"match(Mat, Mat, MatOfDMatch, Mat)","u":"match(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfDMatch,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"match(Mat, MatOfDMatch)","u":"match(org.opencv.core.Mat,org.opencv.core.MatOfDMatch)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"match(Mat, MatOfDMatch, List)","u":"match(org.opencv.core.Mat,org.opencv.core.MatOfDMatch,java.util.List)"},{"p":"org.opencv.objdetect","c":"Board","l":"matchImagePoints(List, Mat, Mat, Mat)","u":"matchImagePoints(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"matchShapes(Mat, Mat, int, double)","u":"matchShapes(org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"matchTemplate(Mat, Mat, Mat, int)","u":"matchTemplate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"matchTemplate(Mat, Mat, Mat, int, Mat)","u":"matchTemplate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"matMul(Mat)","u":"matMul(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"matMulDeriv(Mat, Mat, Mat, Mat)","u":"matMulDeriv(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfByte","l":"MatOfByte()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfByte","l":"MatOfByte(byte...)","u":"%3Cinit%3E(byte...)"},{"p":"org.opencv.core","c":"MatOfByte","l":"MatOfByte(int, int, byte...)","u":"%3Cinit%3E(int,int,byte...)"},{"p":"org.opencv.core","c":"MatOfByte","l":"MatOfByte(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"MatOfDMatch()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"MatOfDMatch(DMatch...)","u":"%3Cinit%3E(org.opencv.core.DMatch...)"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"MatOfDMatch(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"MatOfDouble()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfDouble","l":"MatOfDouble(double...)","u":"%3Cinit%3E(double...)"},{"p":"org.opencv.core","c":"MatOfDouble","l":"MatOfDouble(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"MatOfFloat()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfFloat","l":"MatOfFloat(float...)","u":"%3Cinit%3E(float...)"},{"p":"org.opencv.core","c":"MatOfFloat","l":"MatOfFloat(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"MatOfFloat4()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"MatOfFloat4(float...)","u":"%3Cinit%3E(float...)"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"MatOfFloat4(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"MatOfFloat6()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"MatOfFloat6(float...)","u":"%3Cinit%3E(float...)"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"MatOfFloat6(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfInt","l":"MatOfInt()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfInt","l":"MatOfInt(int...)","u":"%3Cinit%3E(int...)"},{"p":"org.opencv.core","c":"MatOfInt","l":"MatOfInt(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"MatOfInt4()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfInt4","l":"MatOfInt4(int...)","u":"%3Cinit%3E(int...)"},{"p":"org.opencv.core","c":"MatOfInt4","l":"MatOfInt4(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"MatOfKeyPoint()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"MatOfKeyPoint(KeyPoint...)","u":"%3Cinit%3E(org.opencv.core.KeyPoint...)"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"MatOfKeyPoint(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"MatOfPoint()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfPoint","l":"MatOfPoint(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfPoint","l":"MatOfPoint(Point...)","u":"%3Cinit%3E(org.opencv.core.Point...)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"MatOfPoint2f()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"MatOfPoint2f(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"MatOfPoint2f(Point...)","u":"%3Cinit%3E(org.opencv.core.Point...)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"MatOfPoint3()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"MatOfPoint3(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"MatOfPoint3(Point3...)","u":"%3Cinit%3E(org.opencv.core.Point3...)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"MatOfPoint3f()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"MatOfPoint3f(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"MatOfPoint3f(Point3...)","u":"%3Cinit%3E(org.opencv.core.Point3...)"},{"p":"org.opencv.core","c":"MatOfRect","l":"MatOfRect()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfRect","l":"MatOfRect(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfRect","l":"MatOfRect(Rect...)","u":"%3Cinit%3E(org.opencv.core.Rect...)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"MatOfRect2d()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"MatOfRect2d(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"MatOfRect2d(Rect2d...)","u":"%3Cinit%3E(org.opencv.core.Rect2d...)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"MatOfRotatedRect()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"MatOfRotatedRect(Mat)","u":"%3Cinit%3E(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"MatOfRotatedRect(RotatedRect...)","u":"%3Cinit%3E(org.opencv.core.RotatedRect...)"},{"p":"org.opencv.android","c":"Utils","l":"matToBitmap(Mat, Bitmap)","u":"matToBitmap(org.opencv.core.Mat,android.graphics.Bitmap)"},{"p":"org.opencv.android","c":"Utils","l":"matToBitmap(Mat, Bitmap, boolean)","u":"matToBitmap(org.opencv.core.Mat,android.graphics.Bitmap,boolean)"},{"p":"org.opencv.core","c":"TermCriteria","l":"MAX_ITER"},{"p":"org.opencv.core","c":"Core","l":"max(Mat, Mat, Mat)","u":"max(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"max(Mat, Scalar, Mat)","u":"max(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"TermCriteria","l":"maxCount"},{"p":"org.opencv.core","c":"Core.MinMaxLocResult","l":"maxLoc"},{"p":"org.opencv.core","c":"Core.MinMaxLocResult","l":"maxVal"},{"p":"org.opencv.core","c":"Core","l":"mean(Mat)","u":"mean(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"mean(Mat, Mat)","u":"mean(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"Video","l":"meanShift(Mat, Rect, TermCriteria)","u":"meanShift(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.TermCriteria)"},{"p":"org.opencv.core","c":"Core","l":"meanStdDev(Mat, MatOfDouble, MatOfDouble)","u":"meanStdDev(org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.MatOfDouble)"},{"p":"org.opencv.core","c":"Core","l":"meanStdDev(Mat, MatOfDouble, MatOfDouble, Mat)","u":"meanStdDev(org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.MatOfDouble,org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"FpsMeter","l":"measure()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"medianBlur(Mat, Mat, int)","u":"medianBlur(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"merge(List, Mat)","u":"merge(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.RotatedCameraFrame","l":"mFrame"},{"p":"org.opencv.core","c":"Core","l":"min(Mat, Mat, Mat)","u":"min(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"min(Mat, Scalar, Mat)","u":"min(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"minAreaRect(MatOfPoint2f)","u":"minAreaRect(org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"minEnclosingCircle(MatOfPoint2f, Point, float[])","u":"minEnclosingCircle(org.opencv.core.MatOfPoint2f,org.opencv.core.Point,float[])"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"minEnclosingTriangle(Mat, Mat)","u":"minEnclosingTriangle(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"MINI_BATCH"},{"p":"org.opencv.core","c":"Core.MinMaxLocResult","l":"minLoc"},{"p":"org.opencv.core","c":"Core","l":"minMaxLoc(Mat)","u":"minMaxLoc(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"minMaxLoc(Mat, Mat)","u":"minMaxLoc(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core.MinMaxLocResult","l":"MinMaxLocResult()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Core.MinMaxLocResult","l":"minVal"},{"p":"org.opencv.core","c":"Core","l":"mixChannels(List, List, MatOfInt)","u":"mixChannels(java.util.List,java.util.List,org.opencv.core.MatOfInt)"},{"p":"org.opencv.photo","c":"Photo","l":"MIXED_CLONE"},{"p":"org.opencv.photo","c":"Photo","l":"MIXED_CLONE_WIDE"},{"p":"org.opencv.ml","c":"Ml","l":"Ml()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_ALPHANUMERIC"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_AUTO"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_BYTE"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_ECI"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"MODE_HH"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"MODE_HH4"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_KANJI"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_NUMERIC"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"MODE_SGBM"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"MODE_SGBM_3WAY"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder","l":"MODE_STRUCTURED_APPEND"},{"p":"org.opencv.dnn","c":"Model","l":"Model(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"Model","l":"Model(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"Model","l":"Model(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.imgproc","c":"Moments","l":"Moments()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"Moments","l":"Moments(double, double, double, double, double, double, double, double, double, double)","u":"%3Cinit%3E(double,double,double,double,double,double,double,double,double,double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"Moments(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"moments(Mat)","u":"moments(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"moments(Mat, boolean)","u":"moments(org.opencv.core.Mat,boolean)"},{"p":"org.opencv.photo","c":"Photo","l":"MONOCHROME_TRANSFER"},{"p":"org.opencv.photo","c":"Photo","l":"MONOCHROME_TRANSFER_WIDE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_BLACKHAT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_CLOSE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_CROSS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_DIAMOND"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_DILATE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_ELLIPSE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_ERODE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_GRADIENT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_HITMISS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_OPEN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_RECT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"MORPH_TOPHAT"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"morphologyEx(Mat, Mat, int, Mat)","u":"morphologyEx(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"morphologyEx(Mat, Mat, int, Mat, Point)","u":"morphologyEx(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"morphologyEx(Mat, Mat, int, Mat, Point, int)","u":"morphologyEx(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"morphologyEx(Mat, Mat, int, Mat, Point, int, int)","u":"morphologyEx(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"morphologyEx(Mat, Mat, int, Mat, Point, int, int, Scalar)","u":"morphologyEx(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Point,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.video","c":"Video","l":"MOTION_AFFINE"},{"p":"org.opencv.video","c":"Video","l":"MOTION_EUCLIDEAN"},{"p":"org.opencv.video","c":"Video","l":"MOTION_HOMOGRAPHY"},{"p":"org.opencv.video","c":"Video","l":"MOTION_TRANSLATION"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu02"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu03"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu11"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu12"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu20"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu21"},{"p":"org.opencv.imgproc","c":"Moments","l":"mu30"},{"p":"org.opencv.core","c":"Mat","l":"mul(Mat)","u":"mul(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"mul(Mat, double)","u":"mul(org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Scalar","l":"mul(Scalar)","u":"mul(org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Scalar","l":"mul(Scalar, double)","u":"mul(org.opencv.core.Scalar,double)"},{"p":"org.opencv.core","c":"Core","l":"mulSpectrums(Mat, Mat, Mat, int)","u":"mulSpectrums(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"mulSpectrums(Mat, Mat, Mat, int, boolean)","u":"mulSpectrums(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Mat, Mat)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Mat, Mat, double)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Mat, Mat, double, int)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Scalar, Mat)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Scalar, Mat, double)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"multiply(Mat, Scalar, Mat, double, int)","u":"multiply(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Core","l":"mulTransposed(Mat, Mat, boolean)","u":"mulTransposed(org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.core","c":"Core","l":"mulTransposed(Mat, Mat, boolean, Mat)","u":"mulTransposed(org.opencv.core.Mat,org.opencv.core.Mat,boolean,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"mulTransposed(Mat, Mat, boolean, Mat, double)","u":"mulTransposed(org.opencv.core.Mat,org.opencv.core.Mat,boolean,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"mulTransposed(Mat, Mat, boolean, Mat, double, int)","u":"mulTransposed(org.opencv.core.Mat,org.opencv.core.Mat,boolean,org.opencv.core.Mat,double,int)"},{"p":"org.opencv.core","c":"Core","l":"NATIVE_LIBRARY_NAME"},{"p":"org.opencv.android","c":"NativeCameraView","l":"NativeCameraView(Context, AttributeSet)","u":"%3Cinit%3E(android.content.Context,android.util.AttributeSet)"},{"p":"org.opencv.android","c":"NativeCameraView","l":"NativeCameraView(Context, int)","u":"%3Cinit%3E(android.content.Context,int)"},{"p":"org.opencv.core","c":"Mat","l":"nativeObj"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"NEIGH_FLANN_KNN"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"NEIGH_FLANN_RADIUS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"NEIGH_GRID"},{"p":"org.opencv.dnn","c":"Net","l":"Net()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"NEXT_AROUND_DST"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"NEXT_AROUND_LEFT"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"NEXT_AROUND_ORG"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"NEXT_AROUND_RIGHT"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"nextEdge(int)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt)","u":"NMSBoxes(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt, float)","u":"NMSBoxes(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,float)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxes(MatOfRect2d, MatOfFloat, float, float, MatOfInt, float, int)","u":"NMSBoxes(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,float,int)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt)","u":"NMSBoxesBatched(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt, float)","u":"NMSBoxesBatched(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float,org.opencv.core.MatOfInt,float)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesBatched(MatOfRect2d, MatOfFloat, MatOfInt, float, float, MatOfInt, float, int)","u":"NMSBoxesBatched(org.opencv.core.MatOfRect2d,org.opencv.core.MatOfFloat,org.opencv.core.MatOfInt,float,float,org.opencv.core.MatOfInt,float,int)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt)","u":"NMSBoxesRotated(org.opencv.core.MatOfRotatedRect,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt, float)","u":"NMSBoxesRotated(org.opencv.core.MatOfRotatedRect,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,float)"},{"p":"org.opencv.dnn","c":"Dnn","l":"NMSBoxesRotated(MatOfRotatedRect, MatOfFloat, float, float, MatOfInt, float, int)","u":"NMSBoxesRotated(org.opencv.core.MatOfRotatedRect,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,float,int)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"NO_INPUT_SCALE"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"NO_OUTPUT_SCALE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"NONE_POLISHER"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"NONMAX_SUPPRESSION"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"NONMAX_SUPPRESSION"},{"p":"org.opencv.core","c":"Core","l":"NORM_HAMMING"},{"p":"org.opencv.core","c":"Core","l":"NORM_HAMMING2"},{"p":"org.opencv.core","c":"Core","l":"NORM_INF"},{"p":"org.opencv.core","c":"Core","l":"NORM_L1"},{"p":"org.opencv.core","c":"Core","l":"NORM_L2"},{"p":"org.opencv.core","c":"Core","l":"NORM_L2SQR"},{"p":"org.opencv.core","c":"Core","l":"NORM_MINMAX"},{"p":"org.opencv.core","c":"Core","l":"NORM_RELATIVE"},{"p":"org.opencv.core","c":"Core","l":"NORM_TYPE_MASK"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat)","u":"norm(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat, int)","u":"norm(org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat, int, Mat)","u":"norm(org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat, Mat)","u":"norm(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat, Mat, int)","u":"norm(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"norm(Mat, Mat, int, Mat)","u":"norm(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"NORMAL_CLONE"},{"p":"org.opencv.photo","c":"Photo","l":"NORMAL_CLONE_WIDE"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat, double)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat, double, double)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat, double, double, int)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat, double, double, int, int)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,int)"},{"p":"org.opencv.core","c":"Core","l":"normalize(Mat, Mat, double, double, int, int, Mat)","u":"normalize(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"NORMCONV_FILTER"},{"p":"org.opencv.ml","c":"SVM","l":"NU"},{"p":"org.opencv.ml","c":"SVM","l":"NU_SVC"},{"p":"org.opencv.ml","c":"SVM","l":"NU_SVR"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu02"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu03"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu11"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu12"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu20"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu21"},{"p":"org.opencv.imgproc","c":"Moments","l":"nu30"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"OAST_9_16"},{"p":"org.opencv.objdetect","c":"Objdetect","l":"Objdetect()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"KeyPoint","l":"octave"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener2","l":"onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame)","u":"onCameraFrame(org.opencv.android.CameraBridgeViewBase.CvCameraViewFrame)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener","l":"onCameraFrame(Mat)","u":"onCameraFrame(org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView.CameraTextureListener","l":"onCameraTexture(int, int, int, int)","u":"onCameraTexture(int,int,int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener","l":"onCameraViewStarted(int, int)","u":"onCameraViewStarted(int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener2","l":"onCameraViewStarted(int, int)","u":"onCameraViewStarted(int,int)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView.CameraTextureListener","l":"onCameraViewStarted(int, int)","u":"onCameraViewStarted(int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener","l":"onCameraViewStopped()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewListener2","l":"onCameraViewStopped()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView.CameraTextureListener","l":"onCameraViewStopped()"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onDrawFrame(GL10)","u":"onDrawFrame(javax.microedition.khronos.opengles.GL10)"},{"p":"org.opencv.ml","c":"SVM","l":"ONE_CLASS"},{"p":"org.opencv.core","c":"Mat","l":"ones(int, int, int)","u":"ones(int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"ones(int[], int)","u":"ones(int[],int)"},{"p":"org.opencv.core","c":"Mat","l":"ones(Size, int)","u":"ones(org.opencv.core.Size,int)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onFrameAvailable(SurfaceTexture)","u":"onFrameAvailable(android.graphics.SurfaceTexture)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onPause()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"onPause()"},{"p":"org.opencv.android","c":"JavaCameraView","l":"onPreviewFrame(byte[], Camera)","u":"onPreviewFrame(byte[],android.hardware.Camera)"},{"p":"org.opencv.android","c":"CameraActivity","l":"onRequestPermissionsResult(int, String[], int[])","u":"onRequestPermissionsResult(int,java.lang.String[],int[])"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onResume()"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"onResume()"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onSurfaceChanged(GL10, int, int)","u":"onSurfaceChanged(javax.microedition.khronos.opengles.GL10,int,int)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"onSurfaceCreated(GL10, EGLConfig)","u":"onSurfaceCreated(javax.microedition.khronos.opengles.GL10,javax.microedition.khronos.egl.EGLConfig)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(int)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(int, int)","u":"open(int,int)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(int, int, MatOfInt)","u":"open(int,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(IStreamReader, int, MatOfInt)","u":"open(org.opencv.videoio.IStreamReader,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(String)","u":"open(java.lang.String)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(String, int)","u":"open(java.lang.String,int)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, double, Size)","u":"open(java.lang.String,int,double,org.opencv.core.Size)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, double, Size, boolean)","u":"open(java.lang.String,int,double,org.opencv.core.Size,boolean)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, double, Size, MatOfInt)","u":"open(java.lang.String,int,double,org.opencv.core.Size,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, int, double, Size)","u":"open(java.lang.String,int,int,double,org.opencv.core.Size)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, int, double, Size, boolean)","u":"open(java.lang.String,int,int,double,org.opencv.core.Size,boolean)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"open(String, int, int, double, Size, MatOfInt)","u":"open(java.lang.String,int,int,double,org.opencv.core.Size,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"open(String, int, MatOfInt)","u":"open(java.lang.String,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.core","c":"Core","l":"OpenCLApiCallError"},{"p":"org.opencv.core","c":"Core","l":"OpenCLDoubleNotSupported"},{"p":"org.opencv.core","c":"Core","l":"OpenCLInitError"},{"p":"org.opencv.core","c":"Core","l":"OpenCLNoAMDBlasFft"},{"p":"org.opencv.android","c":"OpenCVLoader","l":"OPENCV_VERSION"},{"p":"org.opencv.android","c":"OpenCVLoader","l":"OpenCVLoader()","u":"%3Cinit%3E()"},{"p":"org.opencv.osgi","c":"OpenCVNativeLoader","l":"OpenCVNativeLoader()","u":"%3Cinit%3E()"},{"p":"org.opencv.android","c":"NativeCameraView.OpenCvSizeAccessor","l":"OpenCvSizeAccessor()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Core","l":"OpenGlApiCallError"},{"p":"org.opencv.core","c":"Core","l":"OpenGlNotSupported"},{"p":"org.opencv.video","c":"Video","l":"OPTFLOW_FARNEBACK_GAUSSIAN"},{"p":"org.opencv.video","c":"Video","l":"OPTFLOW_LK_GET_MIN_EIGENVALS"},{"p":"org.opencv.video","c":"Video","l":"OPTFLOW_USE_INITIAL_FLOW"},{"p":"org.opencv.dnn","c":"Layer","l":"outputNameToIndex(String)","u":"outputNameToIndex(java.lang.String)"},{"p":"org.opencv.ml","c":"SVM","l":"P"},{"p":"org.opencv.core","c":"Core","l":"Param_ALGORITHM"},{"p":"org.opencv.core","c":"Core","l":"Param_BOOLEAN"},{"p":"org.opencv.core","c":"Core","l":"Param_FLOAT"},{"p":"org.opencv.core","c":"Core","l":"Param_INT"},{"p":"org.opencv.core","c":"Core","l":"Param_MAT"},{"p":"org.opencv.core","c":"Core","l":"Param_MAT_VECTOR"},{"p":"org.opencv.core","c":"Core","l":"Param_REAL"},{"p":"org.opencv.core","c":"Core","l":"Param_SCALAR"},{"p":"org.opencv.core","c":"Core","l":"Param_STRING"},{"p":"org.opencv.core","c":"Core","l":"Param_UCHAR"},{"p":"org.opencv.core","c":"Core","l":"Param_UINT64"},{"p":"org.opencv.core","c":"Core","l":"Param_UNSIGNED_INT"},{"p":"org.opencv.core","c":"Core","l":"patchNaNs(Mat)","u":"patchNaNs(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"patchNaNs(Mat, double)","u":"patchNaNs(org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"PCA_DATA_AS_COL"},{"p":"org.opencv.core","c":"Core","l":"PCA_DATA_AS_ROW"},{"p":"org.opencv.core","c":"Core","l":"PCA_USE_AVG"},{"p":"org.opencv.core","c":"Core","l":"PCABackProject(Mat, Mat, Mat, Mat)","u":"PCABackProject(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute(Mat, Mat, Mat)","u":"PCACompute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute(Mat, Mat, Mat, double)","u":"PCACompute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute(Mat, Mat, Mat, int)","u":"PCACompute(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute2(Mat, Mat, Mat, Mat)","u":"PCACompute2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute2(Mat, Mat, Mat, Mat, double)","u":"PCACompute2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"PCACompute2(Mat, Mat, Mat, Mat, int)","u":"PCACompute2(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"PCAProject(Mat, Mat, Mat, Mat)","u":"PCAProject(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"pencilSketch(Mat, Mat, Mat)","u":"pencilSketch(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"pencilSketch(Mat, Mat, Mat, float)","u":"pencilSketch(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"pencilSketch(Mat, Mat, Mat, float, float)","u":"pencilSketch(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"pencilSketch(Mat, Mat, Mat, float, float, float)","u":"pencilSketch(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float,float)"},{"p":"org.opencv.core","c":"Core","l":"perspectiveTransform(Mat, Mat, Mat)","u":"perspectiveTransform(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"phase(Mat, Mat, Mat)","u":"phase(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"phase(Mat, Mat, Mat, boolean)","u":"phase(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"phaseCorrelate(Mat, Mat)","u":"phaseCorrelate(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"phaseCorrelate(Mat, Mat, Mat)","u":"phaseCorrelate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"phaseCorrelate(Mat, Mat, Mat, double[])","u":"phaseCorrelate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double[])"},{"p":"org.opencv.photo","c":"Photo","l":"Photo()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Point","l":"Point()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Point","l":"Point(double, double)","u":"%3Cinit%3E(double,double)"},{"p":"org.opencv.core","c":"Point","l":"Point(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Point3","l":"Point3()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Point3","l":"Point3(double, double, double)","u":"%3Cinit%3E(double,double,double)"},{"p":"org.opencv.core","c":"Point3","l":"Point3(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Point3","l":"Point3(Point)","u":"%3Cinit%3E(org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pointPolygonTest(MatOfPoint2f, Point, boolean)","u":"pointPolygonTest(org.opencv.core.MatOfPoint2f,org.opencv.core.Point,boolean)"},{"p":"org.opencv.core","c":"RotatedRect","l":"points(Point[])","u":"points(org.opencv.core.Point[])"},{"p":"org.opencv.core","c":"Core","l":"polarToCart(Mat, Mat, Mat, Mat)","u":"polarToCart(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"polarToCart(Mat, Mat, Mat, Mat, boolean)","u":"polarToCart(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.ml","c":"SVM","l":"POLY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"polylines(Mat, List, boolean, Scalar)","u":"polylines(org.opencv.core.Mat,java.util.List,boolean,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"polylines(Mat, List, boolean, Scalar, int)","u":"polylines(org.opencv.core.Mat,java.util.List,boolean,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"polylines(Mat, List, boolean, Scalar, int, int)","u":"polylines(org.opencv.core.Mat,java.util.List,boolean,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"polylines(Mat, List, boolean, Scalar, int, int, int)","u":"polylines(org.opencv.core.Mat,java.util.List,boolean,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.core","c":"Core","l":"pow(Mat, double, Mat)","u":"pow(org.opencv.core.Mat,double,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"preCornerDetect(Mat, Mat, int)","u":"preCornerDetect(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"preCornerDetect(Mat, Mat, int, int)","u":"preCornerDetect(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.ml","c":"DTrees","l":"PREDICT_AUTO"},{"p":"org.opencv.ml","c":"DTrees","l":"PREDICT_MASK"},{"p":"org.opencv.ml","c":"DTrees","l":"PREDICT_MAX_VOTE"},{"p":"org.opencv.ml","c":"DTrees","l":"PREDICT_SUM"},{"p":"org.opencv.video","c":"KalmanFilter","l":"predict()"},{"p":"org.opencv.ml","c":"EM","l":"predict(Mat)","u":"predict(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"predict(Mat)","u":"predict(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"StatModel","l":"predict(Mat)","u":"predict(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"predict(Mat)","u":"predict(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Model","l":"predict(Mat, List)","u":"predict(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.ml","c":"EM","l":"predict(Mat, Mat)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"predict(Mat, Mat)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"StatModel","l":"predict(Mat, Mat)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"predict(Mat, Mat, int)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"predict(Mat, Mat, int)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"StatModel","l":"predict(Mat, Mat, int)","u":"predict(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"EM","l":"predict2(Mat, Mat)","u":"predict2(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"predictProb(Mat, Mat, Mat)","u":"predictProb(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"NormalBayesClassifier","l":"predictProb(Mat, Mat, Mat, int)","u":"predictProb(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"PREFILTER_NORMALIZED_RESPONSE"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"PREFILTER_XSOBEL"},{"p":"org.opencv.ml","c":"StatModel","l":"PREPROCESSED_INPUT"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"PRESET_FAST"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"PRESET_MEDIUM"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"PRESET_ULTRAFAST"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PREV_AROUND_DST"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PREV_AROUND_LEFT"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PREV_AROUND_ORG"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PREV_AROUND_RIGHT"},{"p":"org.opencv.photo","c":"AlignMTB","l":"process(List, List)","u":"process(java.util.List,java.util.List)"},{"p":"org.opencv.photo","c":"AlignExposures","l":"process(List, List, Mat, Mat)","u":"process(java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"process(List, List, Mat, Mat)","u":"process(java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"process(List, Mat)","u":"process(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"CalibrateCRF","l":"process(List, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeDebevec","l":"process(List, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeRobertson","l":"process(List, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeDebevec","l":"process(List, Mat, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeExposures","l":"process(List, Mat, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"process(List, Mat, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"MergeRobertson","l":"process(List, Mat, Mat, Mat)","u":"process(java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Tonemap","l":"process(Mat, Mat)","u":"process(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"PROJ_SPHERICAL_EQRECT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"PROJ_SPHERICAL_ORTHO"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f)","u":"projectPoints(org.opencv.core.MatOfPoint3f,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.MatOfPoint2f)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f, Mat)","u":"projectPoints(org.opencv.core.MatOfPoint3f,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"projectPoints(MatOfPoint3f, Mat, Mat, Mat, MatOfDouble, MatOfPoint2f, Mat, double)","u":"projectPoints(org.opencv.core.MatOfPoint3f,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"PSNR(Mat, Mat)","u":"PSNR(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"PSNR(Mat, Mat, double)","u":"PSNR(org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"KeyPoint","l":"pt"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PTLOC_ERROR"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PTLOC_INSIDE"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PTLOC_ON_EDGE"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PTLOC_OUTSIDE_RECT"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"PTLOC_VERTEX"},{"p":"org.opencv.core","c":"Mat","l":"push_back(Mat)","u":"push_back(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, byte[])","u":"put(int,int,byte[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, byte[], int, int)","u":"put(int,int,byte[],int,int)"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, double...)","u":"put(int,int,double...)"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, float[])","u":"put(int,int,float[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, int[])","u":"put(int,int,int[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int, int, short[])","u":"put(int,int,short[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], byte[])","u":"put(int[],byte[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], byte[], int, int)","u":"put(int[],byte[],int,int)"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], double...)","u":"put(int[],double...)"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], float[])","u":"put(int[],float[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], int[])","u":"put(int[],int[])"},{"p":"org.opencv.core","c":"Mat","l":"put(int[], short[])","u":"put(int[],short[])"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"putText(Mat, String, Point, int, double, Scalar)","u":"putText(org.opencv.core.Mat,java.lang.String,org.opencv.core.Point,int,double,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"putText(Mat, String, Point, int, double, Scalar, int)","u":"putText(org.opencv.core.Mat,java.lang.String,org.opencv.core.Point,int,double,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"putText(Mat, String, Point, int, double, Scalar, int, int)","u":"putText(org.opencv.core.Mat,java.lang.String,org.opencv.core.Point,int,double,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"putText(Mat, String, Point, int, double, Scalar, int, int, boolean)","u":"putText(org.opencv.core.Mat,java.lang.String,org.opencv.core.Point,int,double,org.opencv.core.Scalar,int,int,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrDown(Mat, Mat)","u":"pyrDown(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrDown(Mat, Mat, Size)","u":"pyrDown(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrDown(Mat, Mat, Size, int)","u":"pyrDown(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrMeanShiftFiltering(Mat, Mat, double, double)","u":"pyrMeanShiftFiltering(org.opencv.core.Mat,org.opencv.core.Mat,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrMeanShiftFiltering(Mat, Mat, double, double, int)","u":"pyrMeanShiftFiltering(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrMeanShiftFiltering(Mat, Mat, double, double, int, TermCriteria)","u":"pyrMeanShiftFiltering(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrUp(Mat, Mat)","u":"pyrUp(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrUp(Mat, Mat, Size)","u":"pyrUp(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"pyrUp(Mat, Mat, Size, int)","u":"pyrUp(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"QRCodeDetector()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"QRCodeDetectorAruco_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco","l":"QRCodeDetectorAruco()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco","l":"QRCodeDetectorAruco(QRCodeDetectorAruco_Params)","u":"%3Cinit%3E(org.opencv.objdetect.QRCodeDetectorAruco_Params)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"QRCodeEncoder_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.dnn","c":"Net","l":"quantize(List, int, int)","u":"quantize(java.util.List,int,int)"},{"p":"org.opencv.dnn","c":"Net","l":"quantize(List, int, int, boolean)","u":"quantize(java.util.List,int,int,boolean)"},{"p":"org.opencv.core","c":"DMatch","l":"queryIdx"},{"p":"org.opencv","c":"R","l":"R()","u":"%3Cinit%3E()"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, List, float)","u":"radiusMatch(org.opencv.core.Mat,java.util.List,float)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, List, float, List)","u":"radiusMatch(org.opencv.core.Mat,java.util.List,float,java.util.List)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, List, float, List, boolean)","u":"radiusMatch(org.opencv.core.Mat,java.util.List,float,java.util.List,boolean)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, Mat, List, float)","u":"radiusMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,float)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, Mat, List, float, Mat)","u":"radiusMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,float,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"radiusMatch(Mat, Mat, List, float, Mat, boolean)","u":"radiusMatch(org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,float,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.core","c":"Core","l":"randn(Mat, double, double)","u":"randn(org.opencv.core.Mat,double,double)"},{"p":"org.opencv.core","c":"Core","l":"randShuffle(Mat)","u":"randShuffle(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"randShuffle(Mat, double)","u":"randShuffle(org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"Core","l":"randu(Mat, double, double)","u":"randu(org.opencv.core.Mat,double,double)"},{"p":"org.opencv.core","c":"Range","l":"Range()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Range","l":"Range(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Range","l":"Range(int, int)","u":"%3Cinit%3E(int,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RANSAC"},{"p":"org.opencv.ml","c":"StatModel","l":"RAW_OUTPUT"},{"p":"org.opencv.ml","c":"SVM","l":"RBF"},{"p":"org.opencv.videoio","c":"IStreamReader","l":"read(byte[], long)","u":"read(byte[],long)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"read(Mat)","u":"read(org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"read(String)","u":"read(java.lang.String)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"read(String)","u":"read(java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"readFromModelOptimizer(MatOfByte, MatOfByte)","u":"readFromModelOptimizer(org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Net","l":"readFromModelOptimizer(String, String)","u":"readFromModelOptimizer(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNet(String)","u":"readNet(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNet(String, MatOfByte)","u":"readNet(java.lang.String,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNet(String, MatOfByte, MatOfByte)","u":"readNet(java.lang.String,org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNet(String, String)","u":"readNet(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNet(String, String, String)","u":"readNet(java.lang.String,java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromCaffe(MatOfByte)","u":"readNetFromCaffe(org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromCaffe(MatOfByte, MatOfByte)","u":"readNetFromCaffe(org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromCaffe(String)","u":"readNetFromCaffe(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromCaffe(String, String)","u":"readNetFromCaffe(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromDarknet(MatOfByte)","u":"readNetFromDarknet(org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromDarknet(MatOfByte, MatOfByte)","u":"readNetFromDarknet(org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromDarknet(String)","u":"readNetFromDarknet(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromDarknet(String, String)","u":"readNetFromDarknet(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromModelOptimizer(MatOfByte, MatOfByte)","u":"readNetFromModelOptimizer(org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromModelOptimizer(String)","u":"readNetFromModelOptimizer(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromModelOptimizer(String, String)","u":"readNetFromModelOptimizer(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromONNX(MatOfByte)","u":"readNetFromONNX(org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromONNX(String)","u":"readNetFromONNX(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTensorflow(MatOfByte)","u":"readNetFromTensorflow(org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTensorflow(MatOfByte, MatOfByte)","u":"readNetFromTensorflow(org.opencv.core.MatOfByte,org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTensorflow(String)","u":"readNetFromTensorflow(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTensorflow(String, String)","u":"readNetFromTensorflow(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTFLite(MatOfByte)","u":"readNetFromTFLite(org.opencv.core.MatOfByte)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTFLite(String)","u":"readNetFromTFLite(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTorch(String)","u":"readNetFromTorch(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTorch(String, boolean)","u":"readNetFromTorch(java.lang.String,boolean)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readNetFromTorch(String, boolean, boolean)","u":"readNetFromTorch(java.lang.String,boolean,boolean)"},{"p":"org.opencv.video","c":"Video","l":"readOpticalFlow(String)","u":"readOpticalFlow(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readTensorFromONNX(String)","u":"readTensorFromONNX(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readTorchBlob(String)","u":"readTorchBlob(java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"readTorchBlob(String, boolean)","u":"readTorchBlob(java.lang.String,boolean)"},{"p":"org.opencv.ml","c":"Boost","l":"REAL"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"recognize(Mat)","u":"recognize(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"recognize(Mat, List, List)","u":"recognize(org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, double)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, double, Point)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, double, Point, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Point,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, double, Mat, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, double)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"recoverPose(Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, double, Mat)","u":"recoverPose(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,double,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Rect","l":"Rect()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Rect","l":"Rect(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Rect","l":"Rect(int, int, int, int)","u":"%3Cinit%3E(int,int,int,int)"},{"p":"org.opencv.core","c":"Rect","l":"Rect(Point, Point)","u":"%3Cinit%3E(org.opencv.core.Point,org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Rect","l":"Rect(Point, Size)","u":"%3Cinit%3E(org.opencv.core.Point,org.opencv.core.Size)"},{"p":"org.opencv.core","c":"Rect2d","l":"Rect2d()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Rect2d","l":"Rect2d(double, double, double, double)","u":"%3Cinit%3E(double,double,double,double)"},{"p":"org.opencv.core","c":"Rect2d","l":"Rect2d(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Rect2d","l":"Rect2d(Point, Point)","u":"%3Cinit%3E(org.opencv.core.Point,org.opencv.core.Point)"},{"p":"org.opencv.core","c":"Rect2d","l":"Rect2d(Point, Size)","u":"%3Cinit%3E(org.opencv.core.Point,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Point, Point, Scalar)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Point, Point, Scalar, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Point, Point, Scalar, int, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Point, Point, Scalar, int, int, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Point,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Rect, Scalar)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Rect, Scalar, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Scalar,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Rect, Scalar, int, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Scalar,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rectangle(Mat, Rect, Scalar, int, int, int)","u":"rectangle(org.opencv.core.Mat,org.opencv.core.Rect,org.opencv.core.Scalar,int,int,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"rectify3Collinear(Mat, Mat, Mat, Mat, Mat, Mat, List, List, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, Mat, double, Size, Rect, Rect, int)","u":"rectify3Collinear(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,org.opencv.core.Size,org.opencv.core.Rect,org.opencv.core.Rect,int)"},{"p":"org.opencv.photo","c":"Photo","l":"RECURS_FILTER"},{"p":"org.opencv.core","c":"Core","l":"REDUCE_AVG"},{"p":"org.opencv.core","c":"Core","l":"REDUCE_MAX"},{"p":"org.opencv.core","c":"Core","l":"REDUCE_MIN"},{"p":"org.opencv.core","c":"Core","l":"REDUCE_SUM"},{"p":"org.opencv.core","c":"Core","l":"REDUCE_SUM2"},{"p":"org.opencv.core","c":"Core","l":"reduce(Mat, Mat, int, int)","u":"reduce(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.core","c":"Core","l":"reduce(Mat, Mat, int, int, int)","u":"reduce(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.core","c":"Core","l":"reduceArgMax(Mat, Mat, int)","u":"reduceArgMax(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"reduceArgMax(Mat, Mat, int, boolean)","u":"reduceArgMax(org.opencv.core.Mat,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.core","c":"Core","l":"reduceArgMin(Mat, Mat, int)","u":"reduceArgMin(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"reduceArgMin(Mat, Mat, int, boolean)","u":"reduceArgMin(org.opencv.core.Mat,org.opencv.core.Mat,int,boolean)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"refineDetectedMarkers(Mat, Board, List, Mat, List)","u":"refineDetectedMarkers(org.opencv.core.Mat,org.opencv.objdetect.Board,java.util.List,org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"refineDetectedMarkers(Mat, Board, List, Mat, List, Mat)","u":"refineDetectedMarkers(org.opencv.core.Mat,org.opencv.objdetect.Board,java.util.List,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"refineDetectedMarkers(Mat, Board, List, Mat, List, Mat, Mat)","u":"refineDetectedMarkers(org.opencv.core.Mat,org.opencv.objdetect.Board,java.util.List,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"refineDetectedMarkers(Mat, Board, List, Mat, List, Mat, Mat, Mat)","u":"refineDetectedMarkers(org.opencv.core.Mat,org.opencv.objdetect.Board,java.util.List,org.opencv.core.Mat,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"RefineParameters()","u":"%3Cinit%3E()"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"RefineParameters(float)","u":"%3Cinit%3E(float)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"RefineParameters(float, float)","u":"%3Cinit%3E(float,float)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"RefineParameters(float, float, boolean)","u":"%3Cinit%3E(float,float,boolean)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"REG_DISABLE"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"REG_L1"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"REG_L2"},{"p":"org.opencv.dnn","c":"Net","l":"registerOutput(String, int, int)","u":"registerOutput(java.lang.String,int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewFrame","l":"release()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.RotatedCameraFrame","l":"release()"},{"p":"org.opencv.core","c":"Mat","l":"release()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"release()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"release()"},{"p":"org.opencv.dnn","c":"Dnn","l":"releaseHDDLPlugin()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"RELU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"remap(Mat, Mat, Mat, Mat, int)","u":"remap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"remap(Mat, Mat, Mat, Mat, int, int)","u":"remap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"remap(Mat, Mat, Mat, Mat, int, int, Scalar)","u":"remap(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Core","l":"repeat(Mat, int, int, Mat)","u":"repeat(org.opencv.core.Mat,int,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"reprojectImageTo3D(Mat, Mat, Mat)","u":"reprojectImageTo3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"reprojectImageTo3D(Mat, Mat, Mat, boolean)","u":"reprojectImageTo3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"reprojectImageTo3D(Mat, Mat, Mat, boolean, int)","u":"reprojectImageTo3D(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int)"},{"p":"org.opencv.core","c":"TickMeter","l":"reset()"},{"p":"org.opencv.dnn","c":"Dnn","l":"resetMyriadDevice()"},{"p":"org.opencv.core","c":"Mat","l":"reshape(int)"},{"p":"org.opencv.core","c":"Mat","l":"reshape(int, int)","u":"reshape(int,int)"},{"p":"org.opencv.core","c":"Mat","l":"reshape(int, int[])","u":"reshape(int,int[])"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"resize(Mat, Mat, Size)","u":"resize(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"resize(Mat, Mat, Size, double)","u":"resize(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"resize(Mat, Mat, Size, double, double)","u":"resize(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"resize(Mat, Mat, Size, double, double, int)","u":"resize(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,double,double,int)"},{"p":"org.opencv.core","c":"KeyPoint","l":"response"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"RETR_CCOMP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"RETR_EXTERNAL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"RETR_FLOODFILL"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"RETR_LIST"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"RETR_TREE"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"retrieve(Mat)","u":"retrieve(org.opencv.core.Mat)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"retrieve(Mat, int)","u":"retrieve(org.opencv.core.Mat,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"RGBA"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.CvCameraViewFrame","l":"rgba()"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.RotatedCameraFrame","l":"rgba()"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RHO"},{"p":"org.opencv.core","c":"Core","l":"RNG_NORMAL"},{"p":"org.opencv.core","c":"Core","l":"RNG_UNIFORM"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"Rodrigues(Mat, Mat)","u":"Rodrigues(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"Rodrigues(Mat, Mat, Mat)","u":"Rodrigues(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"ROTATE_180"},{"p":"org.opencv.core","c":"Core","l":"ROTATE_90_CLOCKWISE"},{"p":"org.opencv.core","c":"Core","l":"ROTATE_90_COUNTERCLOCKWISE"},{"p":"org.opencv.core","c":"Core","l":"rotate(Mat, Mat, int)","u":"rotate(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase.RotatedCameraFrame","l":"RotatedCameraFrame(CameraBridgeViewBase.CvCameraViewFrame, int)","u":"%3Cinit%3E(org.opencv.android.CameraBridgeViewBase.CvCameraViewFrame,int)"},{"p":"org.opencv.core","c":"RotatedRect","l":"RotatedRect()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"RotatedRect","l":"RotatedRect(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"RotatedRect","l":"RotatedRect(Point, Size, double)","u":"%3Cinit%3E(org.opencv.core.Point,org.opencv.core.Size,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"rotatedRectangleIntersection(RotatedRect, RotatedRect, Mat)","u":"rotatedRectangleIntersection(org.opencv.core.RotatedRect,org.opencv.core.RotatedRect,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"rotateEdge(int, int)","u":"rotateEdge(int,int)"},{"p":"org.opencv.ml","c":"Ml","l":"ROW_SAMPLE"},{"p":"org.opencv.core","c":"Mat","l":"row(int)"},{"p":"org.opencv.core","c":"Mat","l":"rowRange(int, int)","u":"rowRange(int,int)"},{"p":"org.opencv.core","c":"Mat","l":"rowRange(Range)","u":"rowRange(org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"rows()"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"RPROP"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RQDecomp3x3(Mat, Mat, Mat)","u":"RQDecomp3x3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RQDecomp3x3(Mat, Mat, Mat, Mat)","u":"RQDecomp3x3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RQDecomp3x3(Mat, Mat, Mat, Mat, Mat)","u":"RQDecomp3x3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"RQDecomp3x3(Mat, Mat, Mat, Mat, Mat, Mat)","u":"RQDecomp3x3(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SAMPLING_NAPSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SAMPLING_PROGRESSIVE_NAPSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SAMPLING_PROSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SAMPLING_UNIFORM"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"sampsonDistance(Mat, Mat, Mat)","u":"sampsonDistance(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Algorithm","l":"save(String)","u":"save(java.lang.String)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"save(String)","u":"save(java.lang.String)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"save(String, String)","u":"save(java.lang.String,java.lang.String)"},{"p":"org.opencv.core","c":"Scalar","l":"Scalar(double)","u":"%3Cinit%3E(double)"},{"p":"org.opencv.core","c":"Scalar","l":"Scalar(double, double)","u":"%3Cinit%3E(double,double)"},{"p":"org.opencv.core","c":"Scalar","l":"Scalar(double, double, double)","u":"%3Cinit%3E(double,double,double)"},{"p":"org.opencv.core","c":"Scalar","l":"Scalar(double, double, double, double)","u":"%3Cinit%3E(double,double,double,double)"},{"p":"org.opencv.core","c":"Scalar","l":"Scalar(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Core","l":"scaleAdd(Mat, double, Mat, Mat)","u":"scaleAdd(org.opencv.core.Mat,double,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Scharr(Mat, Mat, int, int, int)","u":"Scharr(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Scharr(Mat, Mat, int, int, int, double)","u":"Scharr(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Scharr(Mat, Mat, int, int, int, double, double)","u":"Scharr(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Scharr(Mat, Mat, int, int, int, double, double, int)","u":"Scharr(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,double,double,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SCORE_METHOD_LMEDS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SCORE_METHOD_MAGSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SCORE_METHOD_MSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SCORE_METHOD_RANSAC"},{"p":"org.opencv.photo","c":"Photo","l":"seamlessClone(Mat, Mat, Mat, Point, Mat, int)","u":"seamlessClone(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,org.opencv.core.Mat,int)"},{"p":"org.opencv.videoio","c":"IStreamReader","l":"seek(long, int)","u":"seek(long,int)"},{"p":"org.opencv.dnn","c":"SegmentationModel","l":"segment(Mat, Mat)","u":"segment(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"SegmentationModel","l":"SegmentationModel(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"SegmentationModel","l":"SegmentationModel(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"SegmentationModel","l":"SegmentationModel(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sepFilter2D(Mat, Mat, int, Mat, Mat)","u":"sepFilter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sepFilter2D(Mat, Mat, int, Mat, Mat, Point)","u":"sepFilter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sepFilter2D(Mat, Mat, int, Mat, Mat, Point, double)","u":"sepFilter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sepFilter2D(Mat, Mat, int, Mat, Mat, Point, double, int)","u":"sepFilter2D(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point,double,int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_adaptiveThreshConstant(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_adaptiveThreshWinSizeMax(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_adaptiveThreshWinSizeMin(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_adaptiveThreshWinSizeStep(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagCriticalRad(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagDeglitch(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagMaxLineFitMse(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagMaxNmaxima(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagMinClusterPixels(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagMinWhiteBlackDiff(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagQuadDecimate(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_aprilTagQuadSigma(float)"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"set_backbone(String)","u":"set_backbone(java.lang.String)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"set_backend(int)"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"set_backend(int)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_backend(int)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"set_bgcolor(Scalar)","u":"set_bgcolor(org.opencv.core.Scalar)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_blobColor(byte)"},{"p":"org.opencv.dnn","c":"Layer","l":"set_blobs(List)","u":"set_blobs(java.util.List)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_borderValue(Scalar)","u":"set_borderValue(org.opencv.core.Scalar)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"set_bytesList(Mat)","u":"set_bytesList(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"set_cameraMatrix(Mat)","u":"set_cameraMatrix(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"set_checkAllOrders(boolean)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"set_checkMarkers(boolean)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_collectContours(boolean)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_confidence(double)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_controlMatrix(Mat)","u":"set_controlMatrix(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_cornerRefinementMaxIterations(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_cornerRefinementMethod(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_cornerRefinementMinAccuracy(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_cornerRefinementWinSize(int)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"set_correction_level(int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_datalayout(int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_ddepth(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_detectInvertedMarker(boolean)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"set_distCoeffs(Mat)","u":"set_distCoeffs(org.opencv.core.Mat)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"set_durations(MatOfInt)","u":"set_durations(org.opencv.core.MatOfInt)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_errorCorrectionRate(double)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"set_errorCorrectionRate(float)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_errorCovPost(Mat)","u":"set_errorCovPost(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_errorCovPre(Mat)","u":"set_errorCovPre(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_featureSetNumFeatures(int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_filterByArea(boolean)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_filterByCircularity(boolean)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_filterByColor(boolean)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_filterByConvexity(boolean)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_filterByInertia(boolean)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_final_polisher_iterations(int)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_final_polisher(int)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"set_frames(List)","u":"set_frames(java.util.List)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_gain(Mat)","u":"set_gain(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_isParallel(boolean)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"set_kernel_cls1(String)","u":"set_kernel_cls1(java.lang.String)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"set_kernel_r1(String)","u":"set_kernel_r1(java.lang.String)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"set_logStep(double)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_loIterations(int)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_loMethod(int)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"set_loop_count(int)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_loSampleSize(int)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m00(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m01(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m02(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m03(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m10(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m11(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m12(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m20(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m21(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_m30(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_markerBorderBits(int)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"set_markerSize(int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_maxArea(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_maxCircularity(float)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_maxColorsMismatch(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_maxConvexity(float)"},{"p":"org.opencv.objdetect","c":"Dictionary","l":"set_maxCorrectionBits(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_maxErroneousBitsInBorderRate(double)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_maxInertiaRatio(float)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_maxIterations(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_maxMarkerPerimeterRate(double)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_maxModuleSizeMismatch(float)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_maxPenalties(float)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_maxRotation(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_maxThreshold(float)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_maxTimingPatternMismatch(float)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"set_maxVal(double)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_mean(Scalar)","u":"set_mean(org.opencv.core.Scalar)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_meanvalue(Scalar)","u":"set_meanvalue(org.opencv.core.Scalar)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_measurementMatrix(Mat)","u":"set_measurementMatrix(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_measurementNoiseCov(Mat)","u":"set_measurementNoiseCov(org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minArea(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minCircularity(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minConvexity(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minCornerDistanceRate(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minDistanceToBorder(int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minDistBetweenBlobs(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minGroupDistance(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minInertiaRatio(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minMarkerDistanceRate(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minMarkerLengthRatioOriginalImg(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minMarkerPerimeterRate(double)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"set_minMarkers(int)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_minModuleSizeInPyramid(float)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minOtsuStdDev(double)"},{"p":"org.opencv.objdetect","c":"RefineParameters","l":"set_minRepDistance(float)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minRepeatability(long)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_minSideLengthCanonicalImg(int)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_minThreshold(float)"},{"p":"org.opencv.ml","c":"ParamGrid","l":"set_minVal(double)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"set_mode(int)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"set_model(String)","u":"set_model(java.lang.String)"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"set_modelBin(String)","u":"set_modelBin(java.lang.String)"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"set_modelTxt(String)","u":"set_modelTxt(java.lang.String)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu02(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu03(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu11(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu12(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu20(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu21(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_mu30(double)"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"set_neckhead(String)","u":"set_neckhead(java.lang.String)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_neighborsSearch(int)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_net(String)","u":"set_net(java.lang.String)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu02(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu03(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu11(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu12(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu20(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu21(double)"},{"p":"org.opencv.imgproc","c":"Moments","l":"set_nu30(double)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_paddingmode(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_perspectiveRemoveIgnoredMarginPerCell(double)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_perspectiveRemovePixelPerCell(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_polygonalApproxAccuracyRate(double)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_processNoiseCov(Mat)","u":"set_processNoiseCov(org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_randomGeneratorState(int)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_relativeCornerRefinmentWinSize(float)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_sampler(int)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerInitInRadius(float)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerInitMaxNegNum(int)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerSearchWinSize(float)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerTrackInRadius(float)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerTrackMaxNegNum(int)"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"set_samplerTrackMaxPosNum(int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_scalefactor(Scalar)","u":"set_scalefactor(org.opencv.core.Scalar)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco_Params","l":"set_scaleTimingPatternScore(float)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_score(int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_size(Size)","u":"set_size(org.opencv.core.Size)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_statePost(Mat)","u":"set_statePost(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_statePre(Mat)","u":"set_statePre(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_stdvalue(Scalar)","u":"set_stdvalue(org.opencv.core.Scalar)"},{"p":"org.opencv.imgcodecs","c":"Animation","l":"set_still_image(Mat)","u":"set_still_image(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"set_structure_number(int)"},{"p":"org.opencv.dnn","c":"Image2BlobParams","l":"set_swapRB(boolean)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"set_target(int)"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"set_target(int)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_target(int)"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"set_threshold(double)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"set_thresholdStep(float)"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"set_tracking_score_threshold(float)"},{"p":"org.opencv.video","c":"KalmanFilter","l":"set_transitionMatrix(Mat)","u":"set_transitionMatrix(org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"CharucoParameters","l":"set_tryRefineMarkers(boolean)"},{"p":"org.opencv.objdetect","c":"DetectorParameters","l":"set_useAruco3Detection(boolean)"},{"p":"org.opencv.objdetect","c":"QRCodeEncoder_Params","l":"set_version(int)"},{"p":"org.opencv.core","c":"Point","l":"set(double[])"},{"p":"org.opencv.core","c":"Point3","l":"set(double[])"},{"p":"org.opencv.core","c":"Range","l":"set(double[])"},{"p":"org.opencv.core","c":"Rect","l":"set(double[])"},{"p":"org.opencv.core","c":"Rect2d","l":"set(double[])"},{"p":"org.opencv.core","c":"RotatedRect","l":"set(double[])"},{"p":"org.opencv.core","c":"Scalar","l":"set(double[])"},{"p":"org.opencv.core","c":"Size","l":"set(double[])"},{"p":"org.opencv.core","c":"TermCriteria","l":"set(double[])"},{"p":"org.opencv.imgproc","c":"Moments","l":"set(double[])"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"set(int, double)","u":"set(int,double)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"set(int, double)","u":"set(int,double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setActivationFunction(int)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setActivationFunction(int, double)","u":"setActivationFunction(int,double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setActivationFunction(int, double, double)","u":"setActivationFunction(int,double,double)"},{"p":"org.opencv.ml","c":"RTrees","l":"setActiveVarCount(int)"},{"p":"org.opencv.ml","c":"KNearest","l":"setAlgorithmType(int)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setAlpha(float)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setAngleEpsilon(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setAngleStep(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setAngleThresh(int)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setAnnealCoolingRatio(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setAnnealFinalT(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setAnnealInitialT(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setAnnealItePerStep(int)"},{"p":"org.opencv.features2d","c":"MSER","l":"setAreaThreshold(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setBackgroundRatio(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setBackpropMomentumScale(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setBackpropWeightScale(double)"},{"p":"org.opencv.photo","c":"TonemapDrago","l":"setBias(float)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"setBinaryThreshold(float)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setBlockSize(int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setBlockSize(int)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"setBoard(CharucoBoard)","u":"setBoard(org.opencv.objdetect.CharucoBoard)"},{"p":"org.opencv.ml","c":"Boost","l":"setBoostType(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setC(double)"},{"p":"org.opencv.ml","c":"RTrees","l":"setCalculateVarImportance(boolean)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"setCameraIndex(int)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"setCameraIndex(int)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"setCameraIndex(int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"setCameraPermissionGranted()"},{"p":"org.opencv.android","c":"CameraRenderer","l":"setCameraPreviewSize(int, int)","u":"setCameraPreviewSize(int,int)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"setCameraTextureListener(CameraGLSurfaceView.CameraTextureListener)","u":"setCameraTextureListener(org.opencv.android.CameraGLSurfaceView.CameraTextureListener)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setCannyHighThresh(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setCannyLowThresh(int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"SetCaptureFormat(int)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"setCharucoParameters(CharucoParameters)","u":"setCharucoParameters(org.opencv.objdetect.CharucoParameters)"},{"p":"org.opencv.ml","c":"SVM","l":"setClassWeights(Mat)","u":"setClassWeights(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"setClipLimit(double)"},{"p":"org.opencv.ml","c":"EM","l":"setClustersNumber(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setCoef0(double)"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"setColorAdaptation(float)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setComplexityReductionThreshold(double)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"setConfidenceThreshold(float)"},{"p":"org.opencv.features2d","c":"SIFT","l":"setContrastThreshold(double)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"setContrastWeight(float)"},{"p":"org.opencv.ml","c":"EM","l":"setCovarianceMatrixType(int)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"setCut(boolean)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener)","u":"setCvCameraViewListener(org.opencv.android.CameraBridgeViewBase.CvCameraViewListener)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener2)","u":"setCvCameraViewListener(org.opencv.android.CameraBridgeViewBase.CvCameraViewListener2)"},{"p":"org.opencv.ml","c":"DTrees","l":"setCVFolds(int)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"setDecodeOptsCTCPrefixBeamSearch(int)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"setDecodeOptsCTCPrefixBeamSearch(int, int)","u":"setDecodeOptsCTCPrefixBeamSearch(int,int)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"setDecodeType(String)","u":"setDecodeType(java.lang.String)"},{"p":"org.opencv.ml","c":"KNearest","l":"setDefaultK(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setDegree(double)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setDelta(float)"},{"p":"org.opencv.features2d","c":"MSER","l":"setDelta(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setDescriptorChannels(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setDescriptorSize(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setDescriptorType(int)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"setDetectorParameters(DetectorParameters)","u":"setDetectorParameters(org.opencv.objdetect.DetectorParameters)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"setDetectorParameters(DetectorParameters)","u":"setDetectorParameters(org.opencv.objdetect.DetectorParameters)"},{"p":"org.opencv.objdetect","c":"QRCodeDetectorAruco","l":"setDetectorParameters(QRCodeDetectorAruco_Params)","u":"setDetectorParameters(org.opencv.objdetect.QRCodeDetectorAruco_Params)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"setDetectorScales(MatOfFloat)","u":"setDetectorScales(org.opencv.core.MatOfFloat)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setDetectShadows(boolean)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setDetectShadows(boolean)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"setDictionary(Dictionary)","u":"setDictionary(org.opencv.objdetect.Dictionary)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setDiffusivity(int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setDiffusivity(int)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setDisp12MaxDiff(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setDist2Threshold(double)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"setDownsamplingThreshold(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setDp(double)"},{"p":"org.opencv.features2d","c":"MSER","l":"setEdgeBlurSize(int)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setEdgeFeatureCannyParameters(double, double)","u":"setEdgeFeatureCannyParameters(double,double)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setEdgeFeatureCannyParameters(double, double, int)","u":"setEdgeFeatureCannyParameters(double,double,int)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setEdgeFeatureCannyParameters(double, double, int, boolean)","u":"setEdgeFeatureCannyParameters(double,double,int,boolean)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setEdgeFeatureZeroCrossingParameters()"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setEdgeFeatureZeroCrossingParameters(float)"},{"p":"org.opencv.features2d","c":"SIFT","l":"setEdgeThreshold(double)"},{"p":"org.opencv.features2d","c":"ORB","l":"setEdgeThreshold(int)"},{"p":"org.opencv.ml","c":"KNearest","l":"setEmax(int)"},{"p":"org.opencv.dnn","c":"ClassificationModel","l":"setEnableSoftmaxPostProcessing(boolean)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setEpsilon(float)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"setEpsX(double)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"setEpsY(double)"},{"p":"org.opencv.core","c":"Core","l":"setErrorVerbosity(boolean)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"setExceptionMode(boolean)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"setExcludeRange(int)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"setExposureWeight(float)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setExtended(boolean)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setFastPyramids(boolean)"},{"p":"org.opencv.features2d","c":"ORB","l":"setFastThreshold(int)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setFinestScale(int)"},{"p":"org.opencv.features2d","c":"ORB","l":"setFirstLevel(int)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setFixedPointIterations(int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setFlags(int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"setFlags(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setGamma(double)"},{"p":"org.opencv.photo","c":"Tonemap","l":"setGamma(float)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setGamma(float)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setGradientDescentIterations(int)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setGradientMagnitudeMaxLimit()"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setGradientMagnitudeMaxLimit(float)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setGradientSize(int)"},{"p":"org.opencv.objdetect","c":"BarcodeDetector","l":"setGradientThreshold(double)"},{"p":"org.opencv.dnn","c":"Net","l":"setHalideScheduler(String)","u":"setHalideScheduler(java.lang.String)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setHarrisDetector(boolean)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setHistory(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setHistory(int)"},{"p":"org.opencv.core","c":"Core","l":"setIdentity(Mat)","u":"setIdentity(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"setIdentity(Mat, Scalar)","u":"setIdentity(org.opencv.core.Mat,org.opencv.core.Scalar)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setInitialStepSize(float)"},{"p":"org.opencv.dnn","c":"Net","l":"setInput(Mat)","u":"setInput(org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Net","l":"setInput(Mat, String)","u":"setInput(org.opencv.core.Mat,java.lang.String)"},{"p":"org.opencv.dnn","c":"Net","l":"setInput(Mat, String, double)","u":"setInput(org.opencv.core.Mat,java.lang.String,double)"},{"p":"org.opencv.dnn","c":"Net","l":"setInput(Mat, String, double, Scalar)","u":"setInput(org.opencv.core.Mat,java.lang.String,double,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputCrop(boolean)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputMean(Scalar)","u":"setInputMean(org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams()"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams(double)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams(double, Size)","u":"setInputParams(double,org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams(double, Size, Scalar)","u":"setInputParams(double,org.opencv.core.Size,org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams(double, Size, Scalar, boolean)","u":"setInputParams(double,org.opencv.core.Size,org.opencv.core.Scalar,boolean)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputParams(double, Size, Scalar, boolean, boolean)","u":"setInputParams(double,org.opencv.core.Size,org.opencv.core.Scalar,boolean,boolean)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputScale(Scalar)","u":"setInputScale(org.opencv.core.Scalar)"},{"p":"org.opencv.dnn","c":"Net","l":"setInputShape(String, MatOfInt)","u":"setInputShape(java.lang.String,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputSize(int, int)","u":"setInputSize(int,int)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputSize(Size)","u":"setInputSize(org.opencv.core.Size)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"setInputSize(Size)","u":"setInputSize(org.opencv.core.Size)"},{"p":"org.opencv.dnn","c":"Net","l":"setInputsNames(List)","u":"setInputsNames(java.util.List)"},{"p":"org.opencv.dnn","c":"Model","l":"setInputSwapRB(boolean)"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"setIntensity(float)"},{"p":"org.opencv.ml","c":"KNearest","l":"setIsClassifier(boolean)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setIterations(int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setK(double)"},{"p":"org.opencv.ml","c":"SVM","l":"setKernel(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setkNNSamples(int)"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"setLambda(float)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setLayerSizes(Mat)","u":"setLayerSizes(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setLearningRate(double)"},{"p":"org.opencv.objdetect","c":"CharucoBoard","l":"setLegacyPattern(boolean)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughBallard","l":"setLevels(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setLevels(int)"},{"p":"org.opencv.photo","c":"TonemapReinhard","l":"setLightAdaptation(float)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setMarginRegularization(float)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setMarginType(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setMaxAngle(double)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMaxArea(int)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"setMaxBits(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setMaxBufferSize(int)"},{"p":"org.opencv.android","c":"CameraGLRendererBase","l":"setMaxCameraPreviewSize(int, int)","u":"setMaxCameraPreviewSize(int,int)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"setMaxCameraPreviewSize(int, int)","u":"setMaxCameraPreviewSize(int,int)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"setMaxCandidates(int)"},{"p":"org.opencv.ml","c":"DTrees","l":"setMaxCategories(int)"},{"p":"org.opencv.ml","c":"DTrees","l":"setMaxDepth(int)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMaxEvolution(int)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setMaxFeatures(int)"},{"p":"org.opencv.features2d","c":"ORB","l":"setMaxFeatures(int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"setMaxFrameSize(int, int)","u":"setMaxFrameSize(int,int)"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"setMaxIter(int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"setMaxLevel(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setMaxPoints(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setMaxScale(double)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMaxVariation(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setMinAngle(double)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMinArea(int)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setMinDisparity(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setMinDist(double)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setMinDistance(double)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMinDiversity(double)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"setMinEigThreshold(double)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setMiniBatchSize(int)"},{"p":"org.opencv.features2d","c":"MSER","l":"setMinMargin(double)"},{"p":"org.opencv.ml","c":"DTrees","l":"setMinSampleCount(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setMinScale(double)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"setMode(int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"setNFeatures(int)"},{"p":"org.opencv.features2d","c":"ORB","l":"setNLevels(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setNMixtures(int)"},{"p":"org.opencv.dnn","c":"DetectionModel","l":"setNmsAcrossClasses(boolean)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"setNMSThreshold(float)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"setNMSThreshold(float)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setNOctaveLayers(int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setNOctaveLayers(int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"setNOctaveLayers(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setNOctaves(int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setNOctaves(int)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"setNonmaxSuppression(boolean)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"setNonmaxSuppression(boolean)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setNSamples(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setNu(double)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setNumDisparities(int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setNumIters(int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setNumLevels(int)"},{"p":"org.opencv.core","c":"Core","l":"setNumThreads(int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"setOctaves(int)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setOmega(float)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setOptimalParameters()"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setOptimalParameters(int)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setOptimalParameters(int, int)","u":"setOptimalParameters(int,int)"},{"p":"org.opencv.dnn","c":"Model","l":"setOutputNames(List)","u":"setOutputNames(java.util.List)"},{"p":"org.opencv.ml","c":"SVM","l":"setP(double)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"setP1(int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"setP2(int)"},{"p":"org.opencv.dnn","c":"Net","l":"setParam(int, int, Mat)","u":"setParam(int,int,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Net","l":"setParam(String, int, Mat)","u":"setParam(java.lang.String,int,org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector","l":"setParams(SimpleBlobDetector_Params)","u":"setParams(org.opencv.features2d.SimpleBlobDetector_Params)"},{"p":"org.opencv.features2d","c":"MSER","l":"setPass2Only(boolean)"},{"p":"org.opencv.features2d","c":"ORB","l":"setPatchSize(int)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setPatchSize(int)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setPatchStride(int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"setPatternScale(float)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"setPolygonThreshold(float)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setPolyN(int)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setPolySigma(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setPosThresh(int)"},{"p":"org.opencv.dnn","c":"Model","l":"setPreferableBackend(int)"},{"p":"org.opencv.dnn","c":"Net","l":"setPreferableBackend(int)"},{"p":"org.opencv.dnn","c":"Model","l":"setPreferableTarget(int)"},{"p":"org.opencv.dnn","c":"Net","l":"setPreferableTarget(int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setPreFilterCap(int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"setPreFilterCap(int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setPreFilterSize(int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setPreFilterType(int)"},{"p":"org.opencv.ml","c":"DTrees","l":"setPriors(Mat)","u":"setPriors(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setPyrScale(double)"},{"p":"org.opencv.features2d","c":"GFTTDetector","l":"setQualityLevel(double)"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"setRandom(boolean)"},{"p":"org.opencv.objdetect","c":"ArucoDetector","l":"setRefineParameters(RefineParameters)","u":"setRefineParameters(org.opencv.objdetect.RefineParameters)"},{"p":"org.opencv.objdetect","c":"CharucoDetector","l":"setRefineParameters(RefineParameters)","u":"setRefineParameters(org.opencv.objdetect.RefineParameters)"},{"p":"org.opencv.ml","c":"DTrees","l":"setRegressionAccuracy(float)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setRegularization(int)"},{"p":"org.opencv.android","c":"FpsMeter","l":"setResolution(int, int)","u":"setResolution(int,int)"},{"p":"org.opencv.core","c":"Core","l":"setRNGSeed(int)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setROI1(Rect)","u":"setROI1(org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setROI2(Rect)","u":"setROI2(org.opencv.core.Rect)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setRpropDW0(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setRpropDWMax(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setRpropDWMin(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setRpropDWMinus(double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setRpropDWPlus(double)"},{"p":"org.opencv.photo","c":"CalibrateDebevec","l":"setSamples(int)"},{"p":"org.opencv.photo","c":"TonemapDrago","l":"setSaturation(float)"},{"p":"org.opencv.photo","c":"TonemapMantiuk","l":"setSaturation(float)"},{"p":"org.opencv.photo","c":"MergeMertens","l":"setSaturationWeight(float)"},{"p":"org.opencv.photo","c":"TonemapMantiuk","l":"setScale(float)"},{"p":"org.opencv.features2d","c":"ORB","l":"setScaleFactor(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setScaleStep(double)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setScaleThresh(int)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"setScoreThreshold(float)"},{"p":"org.opencv.features2d","c":"ORB","l":"setScoreType(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setShadowThreshold(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setShadowThreshold(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorKNN","l":"setShadowValue(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setShadowValue(int)"},{"p":"org.opencv.features2d","c":"SIFT","l":"setSigma(double)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setSmallerBlockSize(int)"},{"p":"org.opencv.video","c":"VariationalRefinement","l":"setSorIterations(int)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setSpeckleRange(int)"},{"p":"org.opencv.calib3d","c":"StereoMatcher","l":"setSpeckleWindowSize(int)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setStepDecreasingPower(float)"},{"p":"org.opencv.objdetect","c":"HOGDescriptor","l":"setSVMDetector(Mat)","u":"setSVMDetector(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setSvmsgdType(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setTemplate(Mat)","u":"setTemplate(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setTemplate(Mat, Mat, Mat)","u":"setTemplate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setTemplate(Mat, Mat, Mat, Point)","u":"setTemplate(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"GeneralizedHough","l":"setTemplate(Mat, Point)","u":"setTemplate(org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"EM","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"RTrees","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"SVM","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"setTermCriteria(TermCriteria)","u":"setTermCriteria(org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setTextureThreshold(int)"},{"p":"org.opencv.features2d","c":"AKAZE","l":"setThreshold(double)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setThreshold(double)"},{"p":"org.opencv.photo","c":"CalibrateRobertson","l":"setThreshold(float)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"setThreshold(int)"},{"p":"org.opencv.features2d","c":"BRISK","l":"setThreshold(int)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"setThreshold(int)"},{"p":"org.opencv.imgproc","c":"CLAHE","l":"setTilesGridSize(Size)","u":"setTilesGridSize(org.opencv.core.Size)"},{"p":"org.opencv.core","c":"Mat","l":"setTo(Mat)","u":"setTo(org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"setTo(Mat, Mat)","u":"setTo(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat","l":"setTo(Scalar)","u":"setTo(org.opencv.core.Scalar)"},{"p":"org.opencv.core","c":"Mat","l":"setTo(Scalar, Mat)","u":"setTo(org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.objdetect","c":"FaceDetectorYN","l":"setTopK(int)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setTrainMethod(int)"},{"p":"org.opencv.ml","c":"LogisticRegression","l":"setTrainMethod(int)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setTrainMethod(int, double)","u":"setTrainMethod(int,double)"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"setTrainMethod(int, double, double)","u":"setTrainMethod(int,double,double)"},{"p":"org.opencv.ml","c":"TrainData","l":"setTrainTestSplit(int)"},{"p":"org.opencv.ml","c":"TrainData","l":"setTrainTestSplit(int, boolean)","u":"setTrainTestSplit(int,boolean)"},{"p":"org.opencv.ml","c":"TrainData","l":"setTrainTestSplitRatio(double)"},{"p":"org.opencv.ml","c":"TrainData","l":"setTrainTestSplitRatio(double, boolean)","u":"setTrainTestSplitRatio(double,boolean)"},{"p":"org.opencv.ml","c":"DTrees","l":"setTruncatePrunedTree(boolean)"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"setType(int)"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"setType(int)"},{"p":"org.opencv.ml","c":"SVM","l":"setType(int)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"setUnclipRatio(double)"},{"p":"org.opencv.calib3d","c":"StereoBM","l":"setUniquenessRatio(int)"},{"p":"org.opencv.calib3d","c":"StereoSGBM","l":"setUniquenessRatio(int)"},{"p":"org.opencv.features2d","c":"KAZE","l":"setUpright(boolean)"},{"p":"org.opencv.ml","c":"DTrees","l":"setUse1SERule(boolean)"},{"p":"org.opencv.objdetect","c":"QRCodeDetector","l":"setUseAlignmentMarkers(boolean)"},{"p":"org.opencv.core","c":"Core","l":"setUseIPP_NotExact(boolean)"},{"p":"org.opencv.core","c":"Core","l":"setUseIPP(boolean)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setUseMeanNormalization(boolean)"},{"p":"org.opencv.core","c":"Core","l":"setUseOptimized(boolean)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setUseSpatialPropagation(boolean)"},{"p":"org.opencv.ml","c":"DTrees","l":"setUseSurrogates(boolean)"},{"p":"org.opencv.core","c":"Mat.Atable","l":"setV(T)"},{"p":"org.opencv.core","c":"Mat.Atable","l":"setV2c(Mat.Tuple2)","u":"setV2c(org.opencv.core.Mat.Tuple2)"},{"p":"org.opencv.core","c":"Mat.Atable","l":"setV3c(Mat.Tuple3)","u":"setV3c(org.opencv.core.Mat.Tuple3)"},{"p":"org.opencv.core","c":"Mat.Atable","l":"setV4c(Mat.Tuple4)","u":"setV4c(org.opencv.core.Mat.Tuple4)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setVariationalRefinementAlpha(float)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setVariationalRefinementDelta(float)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setVariationalRefinementEpsilon(float)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setVariationalRefinementGamma(float)"},{"p":"org.opencv.video","c":"DISOpticalFlow","l":"setVariationalRefinementIterations(int)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setVarInit(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setVarMax(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setVarMin(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setVarThreshold(double)"},{"p":"org.opencv.video","c":"BackgroundSubtractorMOG2","l":"setVarThresholdGen(double)"},{"p":"org.opencv.features2d","c":"AffineFeature","l":"setViewParams(MatOfFloat, MatOfFloat)","u":"setViewParams(org.opencv.core.MatOfFloat,org.opencv.core.MatOfFloat)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"setVocabulary(List)","u":"setVocabulary(java.util.List)"},{"p":"org.opencv.features2d","c":"BOWImgDescriptorExtractor","l":"setVocabulary(Mat)","u":"setVocabulary(org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughBallard","l":"setVotesThreshold(int)"},{"p":"org.opencv.ml","c":"Boost","l":"setWeakCount(int)"},{"p":"org.opencv.imgproc","c":"IntelligentScissorsMB","l":"setWeights(float, float, float)","u":"setWeights(float,float,float)"},{"p":"org.opencv.ml","c":"Boost","l":"setWeightTrimRate(double)"},{"p":"org.opencv.video","c":"FarnebackOpticalFlow","l":"setWinSize(int)"},{"p":"org.opencv.video","c":"SparsePyrLKOpticalFlow","l":"setWinSize(Size)","u":"setWinSize(org.opencv.core.Size)"},{"p":"org.opencv.features2d","c":"ORB","l":"setWTA_K(int)"},{"p":"org.opencv.imgproc","c":"GeneralizedHoughGuil","l":"setXi(double)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"SGD"},{"p":"org.opencv.core","c":"Range","l":"shift(int)"},{"p":"org.opencv.photo","c":"AlignMTB","l":"shiftMat(Mat, Mat, Point)","u":"shiftMat(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Point)"},{"p":"org.opencv.dnn","c":"Dnn","l":"shrinkCaffeModel(String, String)","u":"shrinkCaffeModel(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"Dnn","l":"shrinkCaffeModel(String, String, List)","u":"shrinkCaffeModel(java.lang.String,java.lang.String,java.util.List)"},{"p":"org.opencv.ml","c":"TrainData","l":"shuffleTrainTest()"},{"p":"org.opencv.ml","c":"SVM","l":"SIGMOID"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"SIGMOID_SYM"},{"p":"org.opencv.features2d","c":"SimpleBlobDetector_Params","l":"SimpleBlobDetector_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"KeyPoint","l":"size"},{"p":"org.opencv.core","c":"RotatedRect","l":"size"},{"p":"org.opencv.core","c":"Mat","l":"size()"},{"p":"org.opencv.core","c":"Range","l":"size()"},{"p":"org.opencv.core","c":"Rect","l":"size()"},{"p":"org.opencv.core","c":"Rect2d","l":"size()"},{"p":"org.opencv.core","c":"Size","l":"Size()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Size","l":"Size(double, double)","u":"%3Cinit%3E(double,double)"},{"p":"org.opencv.core","c":"Size","l":"Size(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"Mat","l":"size(int)"},{"p":"org.opencv.core","c":"Size","l":"Size(Point)","u":"%3Cinit%3E(org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Sobel(Mat, Mat, int, int, int)","u":"Sobel(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Sobel(Mat, Mat, int, int, int, int)","u":"Sobel(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Sobel(Mat, Mat, int, int, int, int, double)","u":"Sobel(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Sobel(Mat, Mat, int, int, int, int, double, double)","u":"Sobel(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int,double,double)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"Sobel(Mat, Mat, int, int, int, int, double, double, int)","u":"Sobel(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int,int,double,double,int)"},{"p":"org.opencv.ml","c":"SVMSGD","l":"SOFT_MARGIN"},{"p":"org.opencv.dnn","c":"Dnn","l":"softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt)","u":"softNMSBoxes(org.opencv.core.MatOfRect,org.opencv.core.MatOfFloat,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt)"},{"p":"org.opencv.dnn","c":"Dnn","l":"softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt, long)","u":"softNMSBoxes(org.opencv.core.MatOfRect,org.opencv.core.MatOfFloat,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,long)"},{"p":"org.opencv.dnn","c":"Dnn","l":"softNMSBoxes(MatOfRect, MatOfFloat, MatOfFloat, float, float, MatOfInt, long, float)","u":"softNMSBoxes(org.opencv.core.MatOfRect,org.opencv.core.MatOfFloat,org.opencv.core.MatOfFloat,float,float,org.opencv.core.MatOfInt,long,float)"},{"p":"org.opencv.dnn","c":"Dnn","l":"SoftNMSMethod_SOFTNMS_GAUSSIAN"},{"p":"org.opencv.dnn","c":"Dnn","l":"SoftNMSMethod_SOFTNMS_LINEAR"},{"p":"org.opencv.core","c":"Core","l":"solve(Mat, Mat, Mat)","u":"solve(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"solve(Mat, Mat, Mat, int)","u":"solve(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"solveCubic(Mat, Mat)","u":"solveCubic(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solveP3P(Mat, Mat, Mat, Mat, List, List, int)","u":"solveP3P(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_AP3P"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_DLS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_EPNP"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_IPPE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_IPPE_SQUARE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_ITERATIVE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_MAX_COUNT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_P3P"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_SQPNP"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"SOLVEPNP_UPNP"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat)","u":"solvePnP(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean)","u":"solvePnP(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnP(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int)","u":"solvePnP(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List, boolean)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List, boolean, int)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,boolean,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List, boolean, int, Mat)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,boolean,int,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List, boolean, int, Mat, Mat)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,boolean,int,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPGeneric(Mat, Mat, Mat, Mat, List, List, boolean, int, Mat, Mat, Mat)","u":"solvePnPGeneric(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,boolean,int,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double, Mat)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, boolean, int, float, double, Mat, int)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,boolean,int,float,double,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, Mat)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRansac(MatOfPoint3f, MatOfPoint2f, Mat, MatOfDouble, Mat, Mat, Mat, UsacParams)","u":"solvePnPRansac(org.opencv.core.MatOfPoint3f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.MatOfDouble,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.calib3d.UsacParams)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRefineLM(Mat, Mat, Mat, Mat, Mat, Mat)","u":"solvePnPRefineLM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRefineLM(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria)","u":"solvePnPRefineLM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat)","u":"solvePnPRefineVVS(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria)","u":"solvePnPRefineVVS(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"solvePnPRefineVVS(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria, double)","u":"solvePnPRefineVVS(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria,double)"},{"p":"org.opencv.core","c":"Core","l":"solvePoly(Mat, Mat)","u":"solvePoly(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"solvePoly(Mat, Mat, int)","u":"solvePoly(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"SORT_ASCENDING"},{"p":"org.opencv.core","c":"Core","l":"SORT_DESCENDING"},{"p":"org.opencv.core","c":"Core","l":"SORT_EVERY_COLUMN"},{"p":"org.opencv.core","c":"Core","l":"SORT_EVERY_ROW"},{"p":"org.opencv.core","c":"Core","l":"sort(Mat, Mat, int)","u":"sort(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"sortIdx(Mat, Mat, int)","u":"sortIdx(org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"spatialGradient(Mat, Mat, Mat)","u":"spatialGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"spatialGradient(Mat, Mat, Mat, int)","u":"spatialGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"spatialGradient(Mat, Mat, Mat, int, int)","u":"spatialGradient(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.core","c":"Core","l":"split(Mat, List)","u":"split(org.opencv.core.Mat,java.util.List)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sqrBoxFilter(Mat, Mat, int, Size)","u":"sqrBoxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sqrBoxFilter(Mat, Mat, int, Size, Point)","u":"sqrBoxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sqrBoxFilter(Mat, Mat, int, Size, Point, boolean)","u":"sqrBoxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point,boolean)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"sqrBoxFilter(Mat, Mat, int, Size, Point, boolean, int)","u":"sqrBoxFilter(org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.Size,org.opencv.core.Point,boolean,int)"},{"p":"org.opencv.core","c":"Core","l":"sqrt(Mat, Mat)","u":"sqrt(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"stackBlur(Mat, Mat, Size)","u":"stackBlur(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.core","c":"Range","l":"start"},{"p":"org.opencv.ml","c":"EM","l":"START_AUTO_STEP"},{"p":"org.opencv.ml","c":"EM","l":"START_E_STEP"},{"p":"org.opencv.ml","c":"EM","l":"START_M_STEP"},{"p":"org.opencv.core","c":"TickMeter","l":"start()"},{"p":"org.opencv.core","c":"Mat","l":"step1()"},{"p":"org.opencv.core","c":"Mat","l":"step1(int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, int)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, int, TermCriteria)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, int)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrate(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, int, TermCriteria)","u":"stereoCalibrate(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrateExtended(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List, List, Mat)","u":"stereoCalibrateExtended(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrateExtended(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List, List, Mat, int)","u":"stereoCalibrateExtended(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoCalibrateExtended(List, List, List, Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, List, List, Mat, int, TermCriteria)","u":"stereoCalibrateExtended(java.util.List,java.util.List,java.util.List,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,java.util.List,java.util.List,org.opencv.core.Mat,int,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,org.opencv.core.Size)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size, Rect)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,org.opencv.core.Size,org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectify(Mat, Mat, Mat, Mat, Size, Mat, Mat, Mat, Mat, Mat, Mat, Mat, int, double, Size, Rect, Rect)","u":"stereoRectify(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int,double,org.opencv.core.Size,org.opencv.core.Rect,org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectifyUncalibrated(Mat, Mat, Mat, Size, Mat, Mat)","u":"stereoRectifyUncalibrated(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"stereoRectifyUncalibrated(Mat, Mat, Mat, Size, Mat, Mat, double)","u":"stereoRectifyUncalibrated(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Mat,org.opencv.core.Mat,double)"},{"p":"org.opencv.core","c":"TickMeter","l":"stop()"},{"p":"org.opencv.core","c":"Core","l":"StsAssert"},{"p":"org.opencv.core","c":"Core","l":"StsAutoTrace"},{"p":"org.opencv.core","c":"Core","l":"StsBackTrace"},{"p":"org.opencv.core","c":"Core","l":"StsBadArg"},{"p":"org.opencv.core","c":"Core","l":"StsBadFlag"},{"p":"org.opencv.core","c":"Core","l":"StsBadFunc"},{"p":"org.opencv.core","c":"Core","l":"StsBadMask"},{"p":"org.opencv.core","c":"Core","l":"StsBadMemBlock"},{"p":"org.opencv.core","c":"Core","l":"StsBadPoint"},{"p":"org.opencv.core","c":"Core","l":"StsBadSize"},{"p":"org.opencv.core","c":"Core","l":"StsDivByZero"},{"p":"org.opencv.core","c":"Core","l":"StsError"},{"p":"org.opencv.core","c":"Core","l":"StsFilterOffsetErr"},{"p":"org.opencv.core","c":"Core","l":"StsFilterStructContentErr"},{"p":"org.opencv.core","c":"Core","l":"StsInplaceNotSupported"},{"p":"org.opencv.core","c":"Core","l":"StsInternal"},{"p":"org.opencv.core","c":"Core","l":"StsKernelStructContentErr"},{"p":"org.opencv.core","c":"Core","l":"StsNoConv"},{"p":"org.opencv.core","c":"Core","l":"StsNoMem"},{"p":"org.opencv.core","c":"Core","l":"StsNotImplemented"},{"p":"org.opencv.core","c":"Core","l":"StsNullPtr"},{"p":"org.opencv.core","c":"Core","l":"StsObjectNotFound"},{"p":"org.opencv.core","c":"Core","l":"StsOk"},{"p":"org.opencv.core","c":"Core","l":"StsOutOfRange"},{"p":"org.opencv.core","c":"Core","l":"StsParseError"},{"p":"org.opencv.core","c":"Core","l":"StsUnmatchedFormats"},{"p":"org.opencv.core","c":"Core","l":"StsUnmatchedSizes"},{"p":"org.opencv.core","c":"Core","l":"StsUnsupportedFormat"},{"p":"org.opencv.core","c":"Core","l":"StsVecLengthErr"},{"p":"org.opencv.photo","c":"Photo","l":"stylization(Mat, Mat)","u":"stylization(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"stylization(Mat, Mat, float)","u":"stylization(org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"stylization(Mat, Mat, float, float)","u":"stylization(org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"Subdiv2D()","u":"%3Cinit%3E()"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"Subdiv2D(Rect)","u":"%3Cinit%3E(org.opencv.core.Rect)"},{"p":"org.opencv.core","c":"Mat","l":"submat(int, int, int, int)","u":"submat(int,int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"submat(Range, Range)","u":"submat(org.opencv.core.Range,org.opencv.core.Range)"},{"p":"org.opencv.core","c":"Mat","l":"submat(Range[])","u":"submat(org.opencv.core.Range[])"},{"p":"org.opencv.core","c":"Mat","l":"submat(Rect)","u":"submat(org.opencv.core.Rect)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Mat, Mat)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Mat, Mat, Mat)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Mat, Mat, Mat, int)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Scalar, Mat)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Scalar, Mat, Mat)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"subtract(Mat, Scalar, Mat, Mat, int)","u":"subtract(org.opencv.core.Mat,org.opencv.core.Scalar,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.core","c":"Core","l":"sumElems(Mat)","u":"sumElems(org.opencv.core.Mat)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"surfaceChanged(SurfaceHolder, int, int, int)","u":"surfaceChanged(android.view.SurfaceHolder,int,int,int)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"surfaceChanged(SurfaceHolder, int, int, int)","u":"surfaceChanged(android.view.SurfaceHolder,int,int,int)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"surfaceCreated(SurfaceHolder)","u":"surfaceCreated(android.view.SurfaceHolder)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"surfaceCreated(SurfaceHolder)","u":"surfaceCreated(android.view.SurfaceHolder)"},{"p":"org.opencv.android","c":"CameraBridgeViewBase","l":"surfaceDestroyed(SurfaceHolder)","u":"surfaceDestroyed(android.view.SurfaceHolder)"},{"p":"org.opencv.android","c":"CameraGLSurfaceView","l":"surfaceDestroyed(SurfaceHolder)","u":"surfaceDestroyed(android.view.SurfaceHolder)"},{"p":"org.opencv.core","c":"Core","l":"SVBackSubst(Mat, Mat, Mat, Mat, Mat)","u":"SVBackSubst(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"SVD_FULL_UV"},{"p":"org.opencv.core","c":"Core","l":"SVD_MODIFY_A"},{"p":"org.opencv.core","c":"Core","l":"SVD_NO_UV"},{"p":"org.opencv.core","c":"Core","l":"SVDecomp(Mat, Mat, Mat, Mat)","u":"SVDecomp(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"SVDecomp(Mat, Mat, Mat, Mat, int)","u":"SVDecomp(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,int)"},{"p":"org.opencv.imgproc","c":"Subdiv2D","l":"symEdge(int)"},{"p":"org.opencv.core","c":"Mat","l":"t()"},{"p":"org.opencv.android","c":"NativeCameraView","l":"TAG"},{"p":"org.opencv.core","c":"TermCriteria","l":"TermCriteria()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"TermCriteria","l":"TermCriteria(double[])","u":"%3Cinit%3E(double[])"},{"p":"org.opencv.core","c":"TermCriteria","l":"TermCriteria(int, int, double)","u":"%3Cinit%3E(int,int,double)"},{"p":"org.opencv.ml","c":"Ml","l":"TEST_ERROR"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"TextDetectionModel_DB(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"TextDetectionModel_DB(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_DB","l":"TextDetectionModel_DB(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"TextDetectionModel_EAST(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"TextDetectionModel_EAST(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"TextDetectionModel_EAST","l":"TextDetectionModel_EAST(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"TextRecognitionModel(Net)","u":"%3Cinit%3E(org.opencv.dnn.Net)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"TextRecognitionModel(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.dnn","c":"TextRecognitionModel","l":"TextRecognitionModel(String, String)","u":"%3Cinit%3E(java.lang.String,java.lang.String)"},{"p":"org.opencv.photo","c":"Photo","l":"textureFlattening(Mat, Mat, Mat)","u":"textureFlattening(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.photo","c":"Photo","l":"textureFlattening(Mat, Mat, Mat, float)","u":"textureFlattening(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float)"},{"p":"org.opencv.photo","c":"Photo","l":"textureFlattening(Mat, Mat, Mat, float, float)","u":"textureFlattening(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float)"},{"p":"org.opencv.photo","c":"Photo","l":"textureFlattening(Mat, Mat, Mat, float, float, int)","u":"textureFlattening(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,float,float,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_BINARY"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_BINARY_INV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_DRYRUN"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_MASK"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_OTSU"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_TOZERO"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_TOZERO_INV"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_TRIANGLE"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"THRESH_TRUNC"},{"p":"org.opencv.features2d","c":"AgastFeatureDetector","l":"THRESHOLD"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"THRESHOLD"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"threshold(Mat, Mat, double, double, int)","u":"threshold(org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"thresholdWithMask(Mat, Mat, Mat, double, double, int)","u":"thresholdWithMask(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,double,double,int)"},{"p":"org.opencv.core","c":"TickMeter","l":"TickMeter()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Rect","l":"tl()"},{"p":"org.opencv.core","c":"Rect2d","l":"tl()"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_CCOEFF"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_CCOEFF_NORMED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_CCORR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_CCORR_NORMED"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_SQDIFF"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"TM_SQDIFF_NORMED"},{"p":"org.opencv.core","c":"MatOfByte","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfDouble","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfFloat","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfInt","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfInt4","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfPoint","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfRect","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"toArray()"},{"p":"org.opencv.core","c":"MatOfByte","l":"toList()"},{"p":"org.opencv.core","c":"MatOfDMatch","l":"toList()"},{"p":"org.opencv.core","c":"MatOfDouble","l":"toList()"},{"p":"org.opencv.core","c":"MatOfFloat","l":"toList()"},{"p":"org.opencv.core","c":"MatOfFloat4","l":"toList()"},{"p":"org.opencv.core","c":"MatOfFloat6","l":"toList()"},{"p":"org.opencv.core","c":"MatOfInt","l":"toList()"},{"p":"org.opencv.core","c":"MatOfInt4","l":"toList()"},{"p":"org.opencv.core","c":"MatOfKeyPoint","l":"toList()"},{"p":"org.opencv.core","c":"MatOfPoint","l":"toList()"},{"p":"org.opencv.core","c":"MatOfPoint2f","l":"toList()"},{"p":"org.opencv.core","c":"MatOfPoint3","l":"toList()"},{"p":"org.opencv.core","c":"MatOfPoint3f","l":"toList()"},{"p":"org.opencv.core","c":"MatOfRect","l":"toList()"},{"p":"org.opencv.core","c":"MatOfRect2d","l":"toList()"},{"p":"org.opencv.core","c":"MatOfRotatedRect","l":"toList()"},{"p":"org.opencv.core","c":"CvException","l":"toString()"},{"p":"org.opencv.core","c":"DMatch","l":"toString()"},{"p":"org.opencv.core","c":"KeyPoint","l":"toString()"},{"p":"org.opencv.core","c":"Mat","l":"toString()"},{"p":"org.opencv.core","c":"Point","l":"toString()"},{"p":"org.opencv.core","c":"Point3","l":"toString()"},{"p":"org.opencv.core","c":"Range","l":"toString()"},{"p":"org.opencv.core","c":"Rect","l":"toString()"},{"p":"org.opencv.core","c":"Rect2d","l":"toString()"},{"p":"org.opencv.core","c":"RotatedRect","l":"toString()"},{"p":"org.opencv.core","c":"Scalar","l":"toString()"},{"p":"org.opencv.core","c":"Size","l":"toString()"},{"p":"org.opencv.core","c":"TermCriteria","l":"toString()"},{"p":"org.opencv.imgproc","c":"Moments","l":"toString()"},{"p":"org.opencv.core","c":"Mat","l":"total()"},{"p":"org.opencv.core","c":"Core","l":"trace(Mat)","u":"trace(org.opencv.core.Mat)"},{"p":"org.opencv.video","c":"TrackerDaSiamRPN_Params","l":"TrackerDaSiamRPN_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.video","c":"TrackerGOTURN_Params","l":"TrackerGOTURN_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.video","c":"TrackerMIL_Params","l":"TrackerMIL_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.video","c":"TrackerNano_Params","l":"TrackerNano_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.video","c":"Video","l":"TrackerSamplerCSC_MODE_DETECT"},{"p":"org.opencv.video","c":"Video","l":"TrackerSamplerCSC_MODE_INIT_NEG"},{"p":"org.opencv.video","c":"Video","l":"TrackerSamplerCSC_MODE_INIT_POS"},{"p":"org.opencv.video","c":"Video","l":"TrackerSamplerCSC_MODE_TRACK_NEG"},{"p":"org.opencv.video","c":"Video","l":"TrackerSamplerCSC_MODE_TRACK_POS"},{"p":"org.opencv.video","c":"TrackerVit_Params","l":"TrackerVit_Params()","u":"%3Cinit%3E()"},{"p":"org.opencv.ml","c":"Ml","l":"TRAIN_ERROR"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"train()"},{"p":"org.opencv.ml","c":"StatModel","l":"train(Mat, int, Mat)","u":"train(org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"StatModel","l":"train(TrainData)","u":"train(org.opencv.ml.TrainData)"},{"p":"org.opencv.ml","c":"StatModel","l":"train(TrainData, int)","u":"train(org.opencv.ml.TrainData,int)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid)"},{"p":"org.opencv.ml","c":"SVM","l":"trainAuto(Mat, int, Mat, int, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, ParamGrid, boolean)","u":"trainAuto(org.opencv.core.Mat,int,org.opencv.core.Mat,int,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,org.opencv.ml.ParamGrid,boolean)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat, Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat, Mat, Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat, Mat, Mat, Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainE(Mat, Mat, Mat, Mat, Mat, Mat, Mat)","u":"trainE(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainEM(Mat)","u":"trainEM(org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainEM(Mat, Mat)","u":"trainEM(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainEM(Mat, Mat, Mat)","u":"trainEM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainEM(Mat, Mat, Mat, Mat)","u":"trainEM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"DMatch","l":"trainIdx"},{"p":"org.opencv.ml","c":"EM","l":"trainM(Mat, Mat)","u":"trainM(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainM(Mat, Mat, Mat)","u":"trainM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainM(Mat, Mat, Mat, Mat)","u":"trainM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.ml","c":"EM","l":"trainM(Mat, Mat, Mat, Mat, Mat)","u":"trainM(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"transform(Mat, Mat, Mat)","u":"transform(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"transpose(Mat, Mat)","u":"transpose(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Core","l":"transposeND(Mat, MatOfInt, Mat)","u":"transposeND(org.opencv.core.Mat,org.opencv.core.MatOfInt,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"triangulatePoints(Mat, Mat, Mat, Mat, Mat)","u":"triangulatePoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Mat.Tuple2","l":"Tuple2(T, T)","u":"%3Cinit%3E(T,T)"},{"p":"org.opencv.core","c":"Mat.Tuple3","l":"Tuple3(T, T, T)","u":"%3Cinit%3E(T,T,T)"},{"p":"org.opencv.core","c":"Mat.Tuple4","l":"Tuple4(T, T, T, T)","u":"%3Cinit%3E(T,T,T,T)"},{"p":"org.opencv.core","c":"TermCriteria","l":"type"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"TYPE_5_8"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"TYPE_7_12"},{"p":"org.opencv.features2d","c":"FastFeatureDetector","l":"TYPE_9_16"},{"p":"org.opencv.core","c":"Mat","l":"type()"},{"p":"org.opencv.core","c":"CvType","l":"typeToString(int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistort(Mat, Mat, Mat, Mat)","u":"undistort(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistort(Mat, Mat, Mat, Mat, Mat)","u":"undistort(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortImagePoints(Mat, Mat, Mat, Mat)","u":"undistortImagePoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortImagePoints(Mat, Mat, Mat, Mat, TermCriteria)","u":"undistortImagePoints(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat)","u":"undistortPoints(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat, Mat)","u":"undistortPoints(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortPoints(MatOfPoint2f, MatOfPoint2f, Mat, Mat, Mat, Mat)","u":"undistortPoints(org.opencv.core.MatOfPoint2f,org.opencv.core.MatOfPoint2f,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"undistortPointsIter(Mat, Mat, Mat, Mat, Mat, Mat, TermCriteria)","u":"undistortPointsIter(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.TermCriteria)"},{"p":"org.opencv.ml","c":"StatModel","l":"UPDATE_MODEL"},{"p":"org.opencv.ml","c":"ANN_MLP","l":"UPDATE_WEIGHTS"},{"p":"org.opencv.video","c":"Tracker","l":"update(Mat, Rect)","u":"update(org.opencv.core.Mat,org.opencv.core.Rect)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_ACCURATE"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_DEFAULT"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_FAST"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_FM_8PTS"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_MAGSAC"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_PARALLEL"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"USAC_PROSAC"},{"p":"org.opencv.calib3d","c":"UsacParams","l":"UsacParams()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Core","l":"useIPP_NotExact()"},{"p":"org.opencv.core","c":"Core","l":"useIPP()"},{"p":"org.opencv.core","c":"Core","l":"useOptimized()"},{"p":"org.opencv.android","c":"Utils","l":"Utils()","u":"%3Cinit%3E()"},{"p":"org.opencv.core","c":"Scalar","l":"val"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"validateDisparity(Mat, Mat, int, int)","u":"validateDisparity(org.opencv.core.Mat,org.opencv.core.Mat,int,int)"},{"p":"org.opencv.calib3d","c":"Calib3d","l":"validateDisparity(Mat, Mat, int, int, int)","u":"validateDisparity(org.opencv.core.Mat,org.opencv.core.Mat,int,int,int)"},{"p":"org.opencv.ml","c":"Ml","l":"VAR_CATEGORICAL"},{"p":"org.opencv.ml","c":"Ml","l":"VAR_NUMERICAL"},{"p":"org.opencv.ml","c":"Ml","l":"VAR_ORDERED"},{"p":"org.opencv.core","c":"Core","l":"vconcat(List, Mat)","u":"vconcat(java.util.List,org.opencv.core.Mat)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_char_to_Mat(List)","u":"vector_char_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_DMatch_to_Mat(List)","u":"vector_DMatch_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_double_to_Mat(List)","u":"vector_double_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_float_to_Mat(List)","u":"vector_float_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_int_to_Mat(List)","u":"vector_int_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_KeyPoint_to_Mat(List)","u":"vector_KeyPoint_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Mat_to_Mat(List)","u":"vector_Mat_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point_to_Mat(List)","u":"vector_Point_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point_to_Mat(List, int)","u":"vector_Point_to_Mat(java.util.List,int)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point2d_to_Mat(List)","u":"vector_Point2d_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point2f_to_Mat(List)","u":"vector_Point2f_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point3_to_Mat(List, int)","u":"vector_Point3_to_Mat(java.util.List,int)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point3d_to_Mat(List)","u":"vector_Point3d_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point3f_to_Mat(List)","u":"vector_Point3f_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Point3i_to_Mat(List)","u":"vector_Point3i_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Rect_to_Mat(List)","u":"vector_Rect_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_Rect2d_to_Mat(List)","u":"vector_Rect2d_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_RotatedRect_to_Mat(List)","u":"vector_RotatedRect_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_uchar_to_Mat(List)","u":"vector_uchar_to_Mat(java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_char_to_Mat(List, List)","u":"vector_vector_char_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_DMatch_to_Mat(List, List)","u":"vector_vector_DMatch_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_KeyPoint_to_Mat(List, List)","u":"vector_vector_KeyPoint_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_Point_to_Mat(List, List)","u":"vector_vector_Point_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_Point2f_to_Mat(List, List)","u":"vector_vector_Point2f_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.utils","c":"Converters","l":"vector_vector_Point3f_to_Mat(List, List)","u":"vector_vector_Point3f_to_Mat(java.util.List,java.util.List)"},{"p":"org.opencv.core","c":"Core","l":"VERSION"},{"p":"org.opencv.core","c":"Core","l":"VERSION_MAJOR"},{"p":"org.opencv.core","c":"Core","l":"VERSION_MINOR"},{"p":"org.opencv.core","c":"Core","l":"VERSION_REVISION"},{"p":"org.opencv.core","c":"Core","l":"VERSION_STATUS"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEO_ACCELERATION_ANY"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEO_ACCELERATION_D3D11"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEO_ACCELERATION_MFX"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEO_ACCELERATION_NONE"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEO_ACCELERATION_VAAPI"},{"p":"org.opencv.video","c":"Video","l":"Video()","u":"%3Cinit%3E()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture()","u":"%3Cinit%3E()"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(int)","u":"%3Cinit%3E(int)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(int, int)","u":"%3Cinit%3E(int,int)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(int, int, MatOfInt)","u":"%3Cinit%3E(int,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(IStreamReader, int, MatOfInt)","u":"%3Cinit%3E(org.opencv.videoio.IStreamReader,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(String)","u":"%3Cinit%3E(java.lang.String)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(String, int)","u":"%3Cinit%3E(java.lang.String,int)"},{"p":"org.opencv.videoio","c":"VideoCapture","l":"VideoCapture(String, int, MatOfInt)","u":"%3Cinit%3E(java.lang.String,int,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"Videoio","l":"Videoio()","u":"%3Cinit%3E()"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_DEPTH"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_DTS_DELAY"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_FRAMEBYTES"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_HW_ACCELERATION"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_HW_ACCELERATION_USE_OPENCL"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_HW_DEVICE"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_IS_COLOR"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_KEY_FLAG"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_KEY_INTERVAL"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_NSTRIPES"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_PTS"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_QUALITY"},{"p":"org.opencv.videoio","c":"Videoio","l":"VIDEOWRITER_PROP_RAW_VIDEO"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter()","u":"%3Cinit%3E()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, double, Size)","u":"%3Cinit%3E(java.lang.String,int,double,org.opencv.core.Size)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, double, Size, boolean)","u":"%3Cinit%3E(java.lang.String,int,double,org.opencv.core.Size,boolean)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, double, Size, MatOfInt)","u":"%3Cinit%3E(java.lang.String,int,double,org.opencv.core.Size,org.opencv.core.MatOfInt)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, int, double, Size)","u":"%3Cinit%3E(java.lang.String,int,int,double,org.opencv.core.Size)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, int, double, Size, boolean)","u":"%3Cinit%3E(java.lang.String,int,int,double,org.opencv.core.Size,boolean)"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"VideoWriter(String, int, int, double, Size, MatOfInt)","u":"%3Cinit%3E(java.lang.String,int,int,double,org.opencv.core.Size,org.opencv.core.MatOfInt)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"WARP_FILL_OUTLIERS"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"WARP_INVERSE_MAP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"WARP_POLAR_LINEAR"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"WARP_POLAR_LOG"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"WARP_RELATIVE_MAP"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpAffine(Mat, Mat, Mat, Size)","u":"warpAffine(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpAffine(Mat, Mat, Mat, Size, int)","u":"warpAffine(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpAffine(Mat, Mat, Mat, Size, int, int)","u":"warpAffine(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpAffine(Mat, Mat, Mat, Size, int, int, Scalar)","u":"warpAffine(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpPerspective(Mat, Mat, Mat, Size)","u":"warpPerspective(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpPerspective(Mat, Mat, Mat, Size, int)","u":"warpPerspective(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpPerspective(Mat, Mat, Mat, Size, int, int)","u":"warpPerspective(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpPerspective(Mat, Mat, Mat, Size, int, int, Scalar)","u":"warpPerspective(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,int,int,org.opencv.core.Scalar)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"warpPolar(Mat, Mat, Size, Point, double, int)","u":"warpPolar(org.opencv.core.Mat,org.opencv.core.Mat,org.opencv.core.Size,org.opencv.core.Point,double,int)"},{"p":"org.opencv.imgproc","c":"Imgproc","l":"watershed(Mat, Mat)","u":"watershed(org.opencv.core.Mat,org.opencv.core.Mat)"},{"p":"org.opencv.core","c":"Rect","l":"width"},{"p":"org.opencv.core","c":"Rect2d","l":"width"},{"p":"org.opencv.core","c":"Size","l":"width"},{"p":"org.opencv.core","c":"Mat","l":"width()"},{"p":"org.opencv.videoio","c":"VideoWriter","l":"write(Mat)","u":"write(org.opencv.core.Mat)"},{"p":"org.opencv.features2d","c":"DescriptorMatcher","l":"write(String)","u":"write(java.lang.String)"},{"p":"org.opencv.features2d","c":"Feature2D","l":"write(String)","u":"write(java.lang.String)"},{"p":"org.opencv.video","c":"Video","l":"writeOpticalFlow(String, Mat)","u":"writeOpticalFlow(java.lang.String,org.opencv.core.Mat)"},{"p":"org.opencv.dnn","c":"Dnn","l":"writeTextGraph(String, String)","u":"writeTextGraph(java.lang.String,java.lang.String)"},{"p":"org.opencv.core","c":"Point","l":"x"},{"p":"org.opencv.core","c":"Point3","l":"x"},{"p":"org.opencv.core","c":"Rect","l":"x"},{"p":"org.opencv.core","c":"Rect2d","l":"x"},{"p":"org.opencv.core","c":"Point","l":"y"},{"p":"org.opencv.core","c":"Point3","l":"y"},{"p":"org.opencv.core","c":"Rect","l":"y"},{"p":"org.opencv.core","c":"Rect2d","l":"y"},{"p":"org.opencv.core","c":"Point3","l":"z"},{"p":"org.opencv.core","c":"Mat","l":"zeros(int, int, int)","u":"zeros(int,int,int)"},{"p":"org.opencv.core","c":"Mat","l":"zeros(int[], int)","u":"zeros(int[],int)"},{"p":"org.opencv.core","c":"Mat","l":"zeros(Size, int)","u":"zeros(org.opencv.core.Size,int)"}];updateSearchResults(); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/javadoc/module-search-index.js b/vendor/opencv/sdk/java/javadoc/module-search-index.js deleted file mode 100644 index 0d59754fc4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/module-search-index.js +++ /dev/null @@ -1 +0,0 @@ -moduleSearchIndex = [];updateSearchResults(); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/javadoc/mymath.js b/vendor/opencv/sdk/java/javadoc/mymath.js deleted file mode 100644 index 028fa41cd2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/mymath.js +++ /dev/null @@ -1,23 +0,0 @@ -// diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/BuildConfig.html b/vendor/opencv/sdk/java/javadoc/org/opencv/BuildConfig.html deleted file mode 100644 index 112c10bd1d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/BuildConfig.html +++ /dev/null @@ -1,141 +0,0 @@ - - - - -BuildConfig (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv
-

Class BuildConfig

-
-
java.lang.Object -
org.opencv.BuildConfig
-
-
-
-
public class BuildConfig -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      BuildConfig

      -
      public BuildConfig()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/R.html b/vendor/opencv/sdk/java/javadoc/org/opencv/R.html deleted file mode 100644 index a6332013f6..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/R.html +++ /dev/null @@ -1,141 +0,0 @@ - - - - -R (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv
-

Class R

-
-
java.lang.Object -
org.opencv.R
-
-
-
-
public class R -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      R

      -
      public R()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/Camera2Renderer.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/Camera2Renderer.html deleted file mode 100644 index e5c280d3dd..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/Camera2Renderer.html +++ /dev/null @@ -1,119 +0,0 @@ - - - - -Camera2Renderer (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class Camera2Renderer

-
-
java.lang.Object -
org.opencv.android.CameraGLRendererBase -
org.opencv.android.Camera2Renderer
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.SurfaceTexture.OnFrameAvailableListener, android.opengl.GLSurfaceView.Renderer
-
-
-
public class Camera2Renderer -extends CameraGLRendererBase
-
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraActivity.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraActivity.html deleted file mode 100644 index 8ab29b1aaf..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraActivity.html +++ /dev/null @@ -1,234 +0,0 @@ - - - - -CameraActivity (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraActivity

-
-
java.lang.Object -
android.content.Context -
android.content.ContextWrapper -
android.view.ContextThemeWrapper -
android.app.Activity -
org.opencv.android.CameraActivity
-
-
-
-
-
-
-
-
All Implemented Interfaces:
-
android.content.ComponentCallbacks, android.content.ComponentCallbacks2, android.view.KeyEvent.Callback, android.view.LayoutInflater.Factory, android.view.LayoutInflater.Factory2, android.view.View.OnCreateContextMenuListener, android.view.Window.Callback
-
-
-
public class CameraActivity -extends android.app.Activity
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    -

    Nested classes/interfaces inherited from class android.app.Activity

    -android.app.Activity.ScreenCaptureCallback
    -
    -

    Nested classes/interfaces inherited from class android.content.Context

    -android.content.Context.BindServiceFlags
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    -

    Fields inherited from class android.app.Activity

    -DEFAULT_KEYS_DIALER, DEFAULT_KEYS_DISABLE, DEFAULT_KEYS_SEARCH_GLOBAL, DEFAULT_KEYS_SEARCH_LOCAL, DEFAULT_KEYS_SHORTCUT, FULLSCREEN_MODE_REQUEST_ENTER, FULLSCREEN_MODE_REQUEST_EXIT, OVERRIDE_TRANSITION_CLOSE, OVERRIDE_TRANSITION_OPEN, RESULT_CANCELED, RESULT_FIRST_USER, RESULT_OK
    -
    -

    Fields inherited from class android.content.Context

    -ACCESSIBILITY_SERVICE, ACCOUNT_SERVICE, ACTIVITY_SERVICE, ALARM_SERVICE, APP_OPS_SERVICE, APP_SEARCH_SERVICE, APPWIDGET_SERVICE, AUDIO_SERVICE, BATTERY_SERVICE, BIND_ABOVE_CLIENT, BIND_ADJUST_WITH_ACTIVITY, BIND_ALLOW_ACTIVITY_STARTS, BIND_ALLOW_OOM_MANAGEMENT, BIND_AUTO_CREATE, BIND_DEBUG_UNBIND, BIND_EXTERNAL_SERVICE, BIND_EXTERNAL_SERVICE_LONG, BIND_IMPORTANT, BIND_INCLUDE_CAPABILITIES, BIND_NOT_FOREGROUND, BIND_NOT_PERCEPTIBLE, BIND_SHARED_ISOLATED_PROCESS, BIND_WAIVE_PRIORITY, BIOMETRIC_SERVICE, BLOB_STORE_SERVICE, BLUETOOTH_SERVICE, BUGREPORT_SERVICE, CAMERA_SERVICE, CAPTIONING_SERVICE, CARRIER_CONFIG_SERVICE, CLIPBOARD_SERVICE, COMPANION_DEVICE_SERVICE, CONNECTIVITY_DIAGNOSTICS_SERVICE, CONNECTIVITY_SERVICE, CONSUMER_IR_SERVICE, CONTEXT_IGNORE_SECURITY, CONTEXT_INCLUDE_CODE, CONTEXT_RESTRICTED, CREDENTIAL_SERVICE, CROSS_PROFILE_APPS_SERVICE, DEVICE_ID_DEFAULT, DEVICE_ID_INVALID, DEVICE_LOCK_SERVICE, DEVICE_POLICY_SERVICE, DISPLAY_HASH_SERVICE, DISPLAY_SERVICE, DOMAIN_VERIFICATION_SERVICE, DOWNLOAD_SERVICE, DROPBOX_SERVICE, EUICC_SERVICE, FILE_INTEGRITY_SERVICE, FINGERPRINT_SERVICE, GAME_SERVICE, GRAMMATICAL_INFLECTION_SERVICE, HARDWARE_PROPERTIES_SERVICE, HEALTHCONNECT_SERVICE, INPUT_METHOD_SERVICE, INPUT_SERVICE, IPSEC_SERVICE, JOB_SCHEDULER_SERVICE, KEYGUARD_SERVICE, LAUNCHER_APPS_SERVICE, LAYOUT_INFLATER_SERVICE, LOCALE_SERVICE, LOCATION_SERVICE, MEDIA_COMMUNICATION_SERVICE, MEDIA_METRICS_SERVICE, MEDIA_PROJECTION_SERVICE, MEDIA_ROUTER_SERVICE, MEDIA_SESSION_SERVICE, MIDI_SERVICE, MODE_APPEND, MODE_ENABLE_WRITE_AHEAD_LOGGING, MODE_NO_LOCALIZED_COLLATORS, MODE_PRIVATE, NETWORK_STATS_SERVICE, NFC_SERVICE, NOTIFICATION_SERVICE, NSD_SERVICE, OVERLAY_SERVICE, PEOPLE_SERVICE, PERFORMANCE_HINT_SERVICE, POWER_SERVICE, PRINT_SERVICE, RECEIVER_EXPORTED, RECEIVER_NOT_EXPORTED, RECEIVER_VISIBLE_TO_INSTANT_APPS, RESTRICTIONS_SERVICE, ROLE_SERVICE, SEARCH_SERVICE, SENSOR_SERVICE, SHORTCUT_SERVICE, STATUS_BAR_SERVICE, STORAGE_SERVICE, STORAGE_STATS_SERVICE, SYSTEM_HEALTH_SERVICE, TELECOM_SERVICE, TELEPHONY_IMS_SERVICE, TELEPHONY_SERVICE, TELEPHONY_SUBSCRIPTION_SERVICE, TEXT_CLASSIFICATION_SERVICE, TEXT_SERVICES_MANAGER_SERVICE, TV_INPUT_SERVICE, TV_INTERACTIVE_APP_SERVICE, UI_MODE_SERVICE, USAGE_STATS_SERVICE, USB_SERVICE, USER_SERVICE, VIBRATOR_MANAGER_SERVICE, VIRTUAL_DEVICE_SERVICE, VPN_MANAGEMENT_SERVICE, WALLPAPER_SERVICE, WIFI_AWARE_SERVICE, WIFI_P2P_SERVICE, WIFI_RTT_RANGING_SERVICE, WIFI_SERVICE, WINDOW_SERVICE
    -
    -

    Fields inherited from interface android.content.ComponentCallbacks2

    -TRIM_MEMORY_BACKGROUND, TRIM_MEMORY_COMPLETE, TRIM_MEMORY_MODERATE, TRIM_MEMORY_RUNNING_CRITICAL, TRIM_MEMORY_RUNNING_LOW, TRIM_MEMORY_RUNNING_MODERATE, TRIM_MEMORY_UI_HIDDEN
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    CameraActivity()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    void
    -
    onRequestPermissionsResult(int requestCode, - String[] permissions, - int[] grantResults)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class android.app.Activity

    -addContentView, clearOverrideActivityTransition, closeContextMenu, closeOptionsMenu, createPendingResult, dismissKeyboardShortcutsHelper, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyShortcutEvent, dispatchPopulateAccessibilityEvent, dispatchTouchEvent, dispatchTrackballEvent, dump, enterPictureInPictureMode, findViewById, finish, finishActivity, finishAffinity, finishAfterTransition, finishAndRemoveTask, getActionBar, getApplication, getCallingActivity, getCallingPackage, getChangingConfigurations, getComponentName, getContentScene, getContentTransitionManager, getCurrentFocus, getIntent, getLastNonConfigurationInstance, getLaunchedFromPackage, getLaunchedFromUid, getLayoutInflater, getLocalClassName, getMaxNumPictureInPictureActions, getMediaController, getMenuInflater, getOnBackInvokedDispatcher, getParent, getParentActivityIntent, getPreferences, getReferrer, getRequestedOrientation, getSearchEvent, getSplashScreen, getSystemService, getTaskId, getTitle, getTitleColor, getVoiceInteractor, getVolumeControlStream, getWindow, getWindowManager, hasWindowFocus, invalidateOptionsMenu, isActivityTransitionRunning, isChangingConfigurations, isChild, isDestroyed, isFinishing, isImmersive, isInMultiWindowMode, isInPictureInPictureMode, isLaunchedFromBubble, isLocalVoiceInteractionSupported, isTaskRoot, isVoiceInteraction, isVoiceInteractionRoot, moveTaskToBack, navigateUpTo, onActionModeFinished, onActionModeStarted, onActivityReenter, onAttachedToWindow, onConfigurationChanged, onContentChanged, onContextItemSelected, onContextMenuClosed, onCreate, onCreateContextMenu, onCreateDescription, onCreateNavigateUpTaskStack, onCreateOptionsMenu, onCreatePanelMenu, onCreatePanelView, onCreateView, onCreateView, onDetachedFromWindow, onEnterAnimationComplete, onGenericMotionEvent, onGetDirectActions, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyShortcut, onKeyUp, onLocalVoiceInteractionStarted, onLocalVoiceInteractionStopped, onLowMemory, onMenuItemSelected, onMenuOpened, onMultiWindowModeChanged, onNavigateUp, onOptionsItemSelected, onOptionsMenuClosed, onPanelClosed, onPerformDirectAction, onPictureInPictureModeChanged, onPictureInPictureRequested, onPictureInPictureUiStateChanged, onPostCreate, onPrepareNavigateUpTaskStack, onPrepareOptionsMenu, onPreparePanel, onProvideAssistContent, onProvideAssistData, onProvideKeyboardShortcuts, onProvideReferrer, onRestoreInstanceState, onRetainNonConfigurationInstance, onSaveInstanceState, onSearchRequested, onSearchRequested, onTopResumedActivityChanged, onTouchEvent, onTrackballEvent, onTrimMemory, onUserInteraction, onWindowAttributesChanged, onWindowFocusChanged, onWindowStartingActionMode, onWindowStartingActionMode, openContextMenu, openOptionsMenu, overrideActivityTransition, overrideActivityTransition, postponeEnterTransition, recreate, registerActivityLifecycleCallbacks, registerComponentCallbacks, registerForContextMenu, registerScreenCaptureCallback, releaseInstance, reportFullyDrawn, requestDragAndDropPermissions, requestFullscreenMode, requestPermissions, requestShowKeyboardShortcuts, requestWindowFeature, requireViewById, runOnUiThread, setActionBar, setContentTransitionManager, setContentView, setContentView, setContentView, setDefaultKeyMode, setEnterSharedElementCallback, setExitSharedElementCallback, setFeatureDrawable, setFeatureDrawableAlpha, setFeatureDrawableResource, setFeatureDrawableUri, setFinishOnTouchOutside, setImmersive, setInheritShowWhenLocked, setIntent, setLocusContext, setMediaController, setPictureInPictureParams, setRecentsScreenshotEnabled, setRequestedOrientation, setResult, setResult, setShouldDockBigOverlays, setShowWhenLocked, setTaskDescription, setTheme, setTitle, setTitle, setTranslucent, setTurnScreenOn, setVisible, setVolumeControlStream, setVrModeEnabled, shouldDockBigOverlays, shouldShowRequestPermissionRationale, shouldUpRecreateTask, showAssist, showLockTaskEscapeMessage, startActionMode, startActionMode, startActivities, startActivities, startActivity, startActivity, startActivityForResult, startActivityForResult, startActivityIfNeeded, startActivityIfNeeded, startIntentSender, startIntentSender, startIntentSenderForResult, startIntentSenderForResult, startLocalVoiceInteraction, startLockTask, startNextMatchingActivity, startNextMatchingActivity, startPostponedEnterTransition, startSearch, stopLocalVoiceInteraction, stopLockTask, takeKeyEvents, triggerSearch, unregisterActivityLifecycleCallbacks, unregisterComponentCallbacks, unregisterForContextMenu, unregisterScreenCaptureCallback
    -
    -

    Methods inherited from class android.view.ContextThemeWrapper

    -applyOverrideConfiguration, getAssets, getResources, getTheme, setTheme
    -
    -

    Methods inherited from class android.content.ContextWrapper

    -bindIsolatedService, bindService, bindService, bindService, bindService, bindServiceAsUser, bindServiceAsUser, checkCallingOrSelfPermission, checkCallingOrSelfUriPermission, checkCallingOrSelfUriPermissions, checkCallingPermission, checkCallingUriPermission, checkCallingUriPermissions, checkPermission, checkSelfPermission, checkUriPermission, checkUriPermission, checkUriPermissions, createAttributionContext, createConfigurationContext, createContext, createContextForSplit, createDeviceContext, createDeviceProtectedStorageContext, createDisplayContext, createPackageContext, createWindowContext, createWindowContext, databaseList, deleteDatabase, deleteFile, deleteSharedPreferences, enforceCallingOrSelfPermission, enforceCallingOrSelfUriPermission, enforceCallingPermission, enforceCallingUriPermission, enforcePermission, enforceUriPermission, enforceUriPermission, fileList, getApplicationContext, getApplicationInfo, getAttributionSource, getAttributionTag, getBaseContext, getCacheDir, getClassLoader, getCodeCacheDir, getContentResolver, getDatabasePath, getDataDir, getDeviceId, getDir, getDisplay, getExternalCacheDir, getExternalCacheDirs, getExternalFilesDir, getExternalFilesDirs, getExternalMediaDirs, getFilesDir, getFileStreamPath, getMainExecutor, getMainLooper, getNoBackupFilesDir, getObbDir, getObbDirs, getOpPackageName, getPackageCodePath, getPackageManager, getPackageName, getPackageResourcePath, getParams, getSharedPreferences, getSystemServiceName, grantUriPermission, isDeviceProtectedStorage, isRestricted, isUiContext, moveDatabaseFrom, moveSharedPreferencesFrom, openFileInput, openFileOutput, openOrCreateDatabase, openOrCreateDatabase, registerDeviceIdChangeListener, registerReceiver, registerReceiver, registerReceiver, registerReceiver, revokeSelfPermissionsOnKill, revokeUriPermission, revokeUriPermission, sendBroadcast, sendBroadcast, sendBroadcast, sendBroadcastAsUser, sendBroadcastAsUser, sendOrderedBroadcast, sendOrderedBroadcast, sendOrderedBroadcast, sendOrderedBroadcast, sendOrderedBroadcast, sendOrderedBroadcast, sendOrderedBroadcastAsUser, startForegroundService, startInstrumentation, startService, stopService, unbindService, unregisterDeviceIdChangeListener, unregisterReceiver, updateServiceGroup
    -
    -

    Methods inherited from class android.content.Context

    -bindIsolatedService, getColor, getColorStateList, getDrawable, getString, getString, getSystemService, getText, obtainStyledAttributes, obtainStyledAttributes, obtainStyledAttributes, obtainStyledAttributes, revokeSelfPermissionOnKill, sendBroadcastWithMultiplePermissions
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -

    Methods inherited from interface android.view.Window.Callback

    -onPointerCaptureChanged
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CameraActivity

      -
      public CameraActivity()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onRequestPermissionsResult

      -
      public void onRequestPermissionsResult(int requestCode, - String[] permissions, - int[] grantResults)
      -
      -
      Overrides:
      -
      onRequestPermissionsResult in class android.app.Activity
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewFrame.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewFrame.html deleted file mode 100644 index 700704340b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewFrame.html +++ /dev/null @@ -1,172 +0,0 @@ - - - - -CameraBridgeViewBase.CvCameraViewFrame (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Interface CameraBridgeViewBase.CvCameraViewFrame

-
-
-
-
All Known Implementing Classes:
-
CameraBridgeViewBase.RotatedCameraFrame
-
-
-
Enclosing class:
-
CameraBridgeViewBase
-
-
-
public static interface CameraBridgeViewBase.CvCameraViewFrame
-
This class interface is abstract representation of single frame from camera for onCameraFrame callback - Attention: Do not use objects, that represents this interface out of onCameraFrame callback!
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    Mat
    -
    gray()
    -
    -
    This method returns single channel gray scale Mat with frame
    -
    -
    void
    -
    release()
    -
     
    -
    Mat
    -
    rgba()
    -
    -
    This method returns RGBA Mat with frame
    -
    -
    -
    -
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      rgba

      -
      Mat rgba()
      -
      This method returns RGBA Mat with frame
      -
      -
      • -
    • -
      -

      gray

      -
      Mat gray()
      -
      This method returns single channel gray scale Mat with frame
      -
      -
      • -
    • -
      -

      release

      -
      void release()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener.html deleted file mode 100644 index 0c4c00324a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener.html +++ /dev/null @@ -1,180 +0,0 @@ - - - - -CameraBridgeViewBase.CvCameraViewListener (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Interface CameraBridgeViewBase.CvCameraViewListener

-
-
-
-
Enclosing class:
-
CameraBridgeViewBase
-
-
-
public static interface CameraBridgeViewBase.CvCameraViewListener
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    Mat
    -
    onCameraFrame(Mat inputFrame)
    -
    -
    This method is invoked when delivery of the frame needs to be done.
    -
    -
    void
    -
    onCameraViewStarted(int width, - int height)
    -
    -
    This method is invoked when camera preview has started.
    -
    -
    void
    -
    onCameraViewStopped()
    -
    -
    This method is invoked when camera preview has been stopped for some reason.
    -
    -
    -
    -
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onCameraViewStarted

      -
      void onCameraViewStarted(int width, - int height)
      -
      This method is invoked when camera preview has started. After this method is invoked - the frames will start to be delivered to client via the onCameraFrame() callback.
      -
      -
      Parameters:
      -
      width - - the width of the frames that will be delivered
      -
      height - - the height of the frames that will be delivered
      -
      -
      -
      • -
    • -
      -

      onCameraViewStopped

      -
      void onCameraViewStopped()
      -
      This method is invoked when camera preview has been stopped for some reason. - No frames will be delivered via onCameraFrame() callback after this method is called.
      -
      -
      • -
    • -
      -

      onCameraFrame

      -
      Mat onCameraFrame(Mat inputFrame)
      -
      This method is invoked when delivery of the frame needs to be done. - The returned values - is a modified frame which needs to be displayed on the screen. - TODO: pass the parameters specifying the format of the frame (BPP, YUV or RGB and etc)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener2.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener2.html deleted file mode 100644 index d2948ba9a3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.CvCameraViewListener2.html +++ /dev/null @@ -1,180 +0,0 @@ - - - - -CameraBridgeViewBase.CvCameraViewListener2 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Interface CameraBridgeViewBase.CvCameraViewListener2

-
-
-
-
Enclosing class:
-
CameraBridgeViewBase
-
-
-
public static interface CameraBridgeViewBase.CvCameraViewListener2
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    Mat
    -
    onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame)
    -
    -
    This method is invoked when delivery of the frame needs to be done.
    -
    -
    void
    -
    onCameraViewStarted(int width, - int height)
    -
    -
    This method is invoked when camera preview has started.
    -
    -
    void
    -
    onCameraViewStopped()
    -
    -
    This method is invoked when camera preview has been stopped for some reason.
    -
    -
    -
    -
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onCameraViewStarted

      -
      void onCameraViewStarted(int width, - int height)
      -
      This method is invoked when camera preview has started. After this method is invoked - the frames will start to be delivered to client via the onCameraFrame() callback.
      -
      -
      Parameters:
      -
      width - - the width of the frames that will be delivered
      -
      height - - the height of the frames that will be delivered
      -
      -
      -
      • -
    • -
      -

      onCameraViewStopped

      -
      void onCameraViewStopped()
      -
      This method is invoked when camera preview has been stopped for some reason. - No frames will be delivered via onCameraFrame() callback after this method is called.
      -
      -
      • -
    • -
      -

      onCameraFrame

      -
      Mat onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame)
      -
      This method is invoked when delivery of the frame needs to be done. - The returned values - is a modified frame which needs to be displayed on the screen. - TODO: pass the parameters specifying the format of the frame (BPP, YUV or RGB and etc)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.ListItemAccessor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.ListItemAccessor.html deleted file mode 100644 index e8caa488b2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.ListItemAccessor.html +++ /dev/null @@ -1,155 +0,0 @@ - - - - -CameraBridgeViewBase.ListItemAccessor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Interface CameraBridgeViewBase.ListItemAccessor

-
-
-
-
All Known Implementing Classes:
-
JavaCamera2View.JavaCameraSizeAccessor, JavaCameraView.JavaCameraSizeAccessor, NativeCameraView.OpenCvSizeAccessor
-
-
-
Enclosing class:
-
CameraBridgeViewBase
-
-
-
public static interface CameraBridgeViewBase.ListItemAccessor
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    int
    -
    getHeight(Object obj)
    -
     
    -
    int
    -
    getWidth(Object obj)
    -
     
    -
    -
    -
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getWidth

      -
      int getWidth(Object obj)
      -
      -
      • -
    • -
      -

      getHeight

      -
      int getHeight(Object obj)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.RotatedCameraFrame.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.RotatedCameraFrame.html deleted file mode 100644 index 383e0f66b9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.RotatedCameraFrame.html +++ /dev/null @@ -1,250 +0,0 @@ - - - - -CameraBridgeViewBase.RotatedCameraFrame (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraBridgeViewBase.RotatedCameraFrame

-
-
java.lang.Object -
org.opencv.android.CameraBridgeViewBase.RotatedCameraFrame
-
-
-
-
All Implemented Interfaces:
-
CameraBridgeViewBase.CvCameraViewFrame
-
-
-
Enclosing class:
-
CameraBridgeViewBase
-
-
-
public class CameraBridgeViewBase.RotatedCameraFrame -extends Object -implements CameraBridgeViewBase.CvCameraViewFrame
-
-
- -
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.html deleted file mode 100644 index c366476c42..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraBridgeViewBase.html +++ /dev/null @@ -1,521 +0,0 @@ - - - - -CameraBridgeViewBase (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraBridgeViewBase

-
-
java.lang.Object -
android.view.View -
android.view.SurfaceView -
org.opencv.android.CameraBridgeViewBase
-
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.drawable.Drawable.Callback, android.view.accessibility.AccessibilityEventSource, android.view.KeyEvent.Callback, android.view.SurfaceHolder.Callback
-
-
-
Direct Known Subclasses:
-
JavaCamera2View, JavaCameraView, NativeCameraView
-
-
-
public abstract class CameraBridgeViewBase -extends android.view.SurfaceView -implements android.view.SurfaceHolder.Callback
-
This is a basic class, implementing the interaction with Camera and OpenCV library. - The main responsibility of it - is to control when camera can be enabled, process the frame, - call external listener to make any adjustments to the frame and then draw the resulting - frame to the screen. - The clients shall implement CvCameraViewListener.
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static interface 
    -
    CameraBridgeViewBase.CvCameraViewFrame
    -
    -
    This class interface is abstract representation of single frame from camera for onCameraFrame callback - Attention: Do not use objects, that represents this interface out of onCameraFrame callback!
    -
    -
    static interface 
    -
    CameraBridgeViewBase.CvCameraViewListener
    -
     
    -
    static interface 
    -
    CameraBridgeViewBase.CvCameraViewListener2
    -
     
    -
    static interface 
    -
    CameraBridgeViewBase.ListItemAccessor
    -
     
    -
    class 
    -
    CameraBridgeViewBase.RotatedCameraFrame
    -
     
    -
    -
    -

    Nested classes/interfaces inherited from class android.view.View

    -android.view.View.AccessibilityDelegate, android.view.View.BaseSavedState, android.view.View.DragShadowBuilder, android.view.View.MeasureSpec, android.view.View.OnApplyWindowInsetsListener, android.view.View.OnAttachStateChangeListener, android.view.View.OnCapturedPointerListener, android.view.View.OnClickListener, android.view.View.OnContextClickListener, android.view.View.OnCreateContextMenuListener, android.view.View.OnDragListener, android.view.View.OnFocusChangeListener, android.view.View.OnGenericMotionListener, android.view.View.OnHoverListener, android.view.View.OnKeyListener, android.view.View.OnLayoutChangeListener, android.view.View.OnLongClickListener, android.view.View.OnScrollChangeListener, android.view.View.OnTouchListener, android.view.View.OnUnhandledKeyEventListener
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final int
    -
    CAMERA_ID_ANY
    -
     
    -
    static final int
    -
    CAMERA_ID_BACK
    -
     
    -
    static final int
    -
    CAMERA_ID_FRONT
    -
     
    -
    static final int
    -
    GRAY
    -
     
    -
    static final int
    -
    RGBA
    -
     
    -
    -
    -

    Fields inherited from class android.view.SurfaceView

    -SURFACE_LIFECYCLE_DEFAULT, SURFACE_LIFECYCLE_FOLLOWS_ATTACHMENT, SURFACE_LIFECYCLE_FOLLOWS_VISIBILITY
    -
    -

    Fields inherited from class android.view.View

    -ACCESSIBILITY_DATA_SENSITIVE_AUTO, ACCESSIBILITY_DATA_SENSITIVE_NO, ACCESSIBILITY_DATA_SENSITIVE_YES, ACCESSIBILITY_LIVE_REGION_ASSERTIVE, ACCESSIBILITY_LIVE_REGION_NONE, ACCESSIBILITY_LIVE_REGION_POLITE, ALPHA, AUTOFILL_FLAG_INCLUDE_NOT_IMPORTANT_VIEWS, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DATE, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DAY, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_MONTH, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_YEAR, AUTOFILL_HINT_CREDIT_CARD_NUMBER, AUTOFILL_HINT_CREDIT_CARD_SECURITY_CODE, AUTOFILL_HINT_EMAIL_ADDRESS, AUTOFILL_HINT_NAME, AUTOFILL_HINT_PASSWORD, AUTOFILL_HINT_PHONE, AUTOFILL_HINT_POSTAL_ADDRESS, AUTOFILL_HINT_POSTAL_CODE, AUTOFILL_HINT_USERNAME, AUTOFILL_TYPE_DATE, AUTOFILL_TYPE_LIST, AUTOFILL_TYPE_NONE, AUTOFILL_TYPE_TEXT, AUTOFILL_TYPE_TOGGLE, DRAG_FLAG_ACCESSIBILITY_ACTION, DRAG_FLAG_GLOBAL, DRAG_FLAG_GLOBAL_PERSISTABLE_URI_PERMISSION, DRAG_FLAG_GLOBAL_PREFIX_URI_PERMISSION, DRAG_FLAG_GLOBAL_URI_READ, DRAG_FLAG_GLOBAL_URI_WRITE, DRAG_FLAG_OPAQUE, FIND_VIEWS_WITH_CONTENT_DESCRIPTION, FIND_VIEWS_WITH_TEXT, FOCUS_BACKWARD, FOCUS_DOWN, FOCUS_FORWARD, FOCUS_LEFT, FOCUS_RIGHT, FOCUS_UP, FOCUSABLE, FOCUSABLE_AUTO, FOCUSABLES_ALL, FOCUSABLES_TOUCH_MODE, GONE, HAPTIC_FEEDBACK_ENABLED, IMPORTANT_FOR_ACCESSIBILITY_AUTO, IMPORTANT_FOR_ACCESSIBILITY_NO, IMPORTANT_FOR_ACCESSIBILITY_NO_HIDE_DESCENDANTS, IMPORTANT_FOR_ACCESSIBILITY_YES, IMPORTANT_FOR_AUTOFILL_AUTO, IMPORTANT_FOR_AUTOFILL_NO, IMPORTANT_FOR_AUTOFILL_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_AUTOFILL_YES, IMPORTANT_FOR_AUTOFILL_YES_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_AUTO, IMPORTANT_FOR_CONTENT_CAPTURE_NO, IMPORTANT_FOR_CONTENT_CAPTURE_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_YES, IMPORTANT_FOR_CONTENT_CAPTURE_YES_EXCLUDE_DESCENDANTS, INVISIBLE, KEEP_SCREEN_ON, LAYER_TYPE_HARDWARE, LAYER_TYPE_NONE, LAYER_TYPE_SOFTWARE, LAYOUT_DIRECTION_INHERIT, LAYOUT_DIRECTION_LOCALE, LAYOUT_DIRECTION_LTR, LAYOUT_DIRECTION_RTL, MEASURED_HEIGHT_STATE_SHIFT, MEASURED_SIZE_MASK, MEASURED_STATE_MASK, MEASURED_STATE_TOO_SMALL, NO_ID, NOT_FOCUSABLE, OVER_SCROLL_ALWAYS, OVER_SCROLL_IF_CONTENT_SCROLLS, OVER_SCROLL_NEVER, ROTATION, ROTATION_X, ROTATION_Y, SCALE_X, SCALE_Y, SCREEN_STATE_OFF, SCREEN_STATE_ON, SCROLL_AXIS_HORIZONTAL, SCROLL_AXIS_NONE, SCROLL_AXIS_VERTICAL, SCROLL_CAPTURE_HINT_AUTO, SCROLL_CAPTURE_HINT_EXCLUDE, SCROLL_CAPTURE_HINT_EXCLUDE_DESCENDANTS, SCROLL_CAPTURE_HINT_INCLUDE, SCROLL_INDICATOR_BOTTOM, SCROLL_INDICATOR_END, SCROLL_INDICATOR_LEFT, SCROLL_INDICATOR_RIGHT, SCROLL_INDICATOR_START, SCROLL_INDICATOR_TOP, SCROLLBAR_POSITION_DEFAULT, SCROLLBAR_POSITION_LEFT, SCROLLBAR_POSITION_RIGHT, SCROLLBARS_INSIDE_INSET, SCROLLBARS_INSIDE_OVERLAY, SCROLLBARS_OUTSIDE_INSET, SCROLLBARS_OUTSIDE_OVERLAY, SOUND_EFFECTS_ENABLED, TEXT_ALIGNMENT_CENTER, TEXT_ALIGNMENT_GRAVITY, TEXT_ALIGNMENT_INHERIT, TEXT_ALIGNMENT_TEXT_END, TEXT_ALIGNMENT_TEXT_START, TEXT_ALIGNMENT_VIEW_END, TEXT_ALIGNMENT_VIEW_START, TEXT_DIRECTION_ANY_RTL, TEXT_DIRECTION_FIRST_STRONG, TEXT_DIRECTION_FIRST_STRONG_LTR, TEXT_DIRECTION_FIRST_STRONG_RTL, TEXT_DIRECTION_INHERIT, TEXT_DIRECTION_LOCALE, TEXT_DIRECTION_LTR, TEXT_DIRECTION_RTL, TRANSLATION_X, TRANSLATION_Y, TRANSLATION_Z, VISIBLE, X, Y, Z
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    CameraBridgeViewBase(android.content.Context context, - int cameraId)
    -
     
    -
    CameraBridgeViewBase(android.content.Context context, - android.util.AttributeSet attrs)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    void
    -
    disableFpsMeter()
    -
     
    -
    void
    -
    disableView()
    -
    -
    This method is provided for clients, so they can disable camera connection and stop - the delivery of frames even though the surface view itself is not destroyed and still stays on the screen
    -
    -
    void
    -
    enableFpsMeter()
    -
    -
    This method enables label with fps value on the screen
    -
    -
    void
    -
    enableView()
    -
    -
    This method is provided for clients, so they can enable the camera connection.
    -
    -
    void
    -
    setCameraIndex(int cameraIndex)
    -
    -
    Sets the camera index
    -
    -
    void
    -
    setCameraPermissionGranted()
    -
    -
    This method is provided for clients, so they can signal camera permission has been granted.
    -
    -
    void
    -
    SetCaptureFormat(int format)
    -
     
    -
    void
    -
    setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener listener)
    -
     
    -
    void
    -
    setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener2 listener)
    -
     
    -
    void
    -
    setMaxFrameSize(int maxWidth, - int maxHeight)
    -
    -
    This method sets the maximum size that camera frame is allowed to be.
    -
    -
    void
    -
    surfaceChanged(android.view.SurfaceHolder arg0, - int arg1, - int arg2, - int arg3)
    -
     
    -
    void
    -
    surfaceCreated(android.view.SurfaceHolder holder)
    -
     
    -
    void
    -
    surfaceDestroyed(android.view.SurfaceHolder holder)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class android.view.SurfaceView

    -applyTransactionToFrame, draw, gatherTransparentRegion, getHolder, getHostToken, getImportantForAccessibility, getSurfaceControl, hasOverlappingRendering, setAlpha, setChildSurfacePackage, setClipBounds, setSecure, setSurfaceLifecycle, setVisibility, setZOrderMediaOverlay, setZOrderOnTop
    -
    -

    Methods inherited from class android.view.View

    -addChildrenForAccessibility, addExtraDataToAccessibilityNodeInfo, addFocusables, addFocusables, addKeyboardNavigationClusters, addOnAttachStateChangeListener, addOnLayoutChangeListener, addOnUnhandledKeyEventListener, addTouchables, animate, announceForAccessibility, autofill, autofill, bringToFront, buildLayer, callOnClick, cancelDragAndDrop, cancelLongPress, cancelPendingInputEvents, canResolveLayoutDirection, canResolveTextAlignment, canResolveTextDirection, canScrollHorizontally, canScrollVertically, checkInputConnectionProxy, clearAnimation, clearFocus, clearViewTranslationCallback, combineMeasuredStates, computeScroll, computeSystemWindowInsets, createAccessibilityNodeInfo, createContextMenu, dispatchApplyWindowInsets, dispatchCapturedPointerEvent, dispatchConfigurationChanged, dispatchCreateViewTranslationRequest, dispatchDisplayHint, dispatchDragEvent, dispatchDrawableHotspotChanged, dispatchFinishTemporaryDetach, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyEventPreIme, dispatchKeyShortcutEvent, dispatchNestedFling, dispatchNestedPreFling, dispatchNestedPrePerformAccessibilityAction, dispatchNestedPreScroll, dispatchNestedScroll, dispatchPointerCaptureChanged, dispatchPopulateAccessibilityEvent, dispatchProvideAutofillStructure, dispatchProvideStructure, dispatchScrollCaptureSearch, dispatchStartTemporaryDetach, dispatchTouchEvent, dispatchTrackballEvent, dispatchUnhandledMove, dispatchWindowFocusChanged, dispatchWindowInsetsAnimationEnd, dispatchWindowInsetsAnimationPrepare, dispatchWindowInsetsAnimationProgress, dispatchWindowInsetsAnimationStart, dispatchWindowVisibilityChanged, drawableHotspotChanged, findFocus, findOnBackInvokedDispatcher, findViewById, findViewsWithText, findViewWithTag, focusSearch, forceHasOverlappingRendering, forceLayout, generateDisplayHash, generateViewId, getAccessibilityClassName, getAccessibilityDelegate, getAccessibilityLiveRegion, getAccessibilityNodeProvider, getAccessibilityPaneTitle, getAccessibilityTraversalAfter, getAccessibilityTraversalBefore, getAllowedHandwritingDelegatePackageName, getAllowedHandwritingDelegatorPackageName, getAlpha, getAnimation, getAnimationMatrix, getApplicationWindowToken, getAttributeResolutionStack, getAttributeSourceResourceMap, getAutofillHints, getAutofillId, getAutofillType, getAutofillValue, getBackground, getBackgroundTintBlendMode, getBackgroundTintList, getBackgroundTintMode, getBaseline, getBottom, getCameraDistance, getClipBounds, getClipBounds, getClipToOutline, getContentCaptureSession, getContentDescription, getContext, getDefaultFocusHighlightEnabled, getDefaultSize, getDisplay, getDrawableState, getDrawingRect, getDrawingTime, getElevation, getExplicitStyle, getFilterTouchesWhenObscured, getFitsSystemWindows, getFocusable, getFocusables, getFocusedRect, getForeground, getForegroundGravity, getForegroundTintBlendMode, getForegroundTintList, getForegroundTintMode, getGlobalVisibleRect, getGlobalVisibleRect, getHandler, getHandwritingBoundsOffsetBottom, getHandwritingBoundsOffsetLeft, getHandwritingBoundsOffsetRight, getHandwritingBoundsOffsetTop, getHandwritingDelegatorCallback, getHasOverlappingRendering, getHeight, getHitRect, getHorizontalFadingEdgeLength, getHorizontalScrollbarThumbDrawable, getHorizontalScrollbarTrackDrawable, getId, getImportantForAutofill, getImportantForContentCapture, getKeepScreenOn, getKeyDispatcherState, getLabelFor, getLayerType, getLayoutDirection, getLayoutParams, getLeft, getLocalVisibleRect, getLocationInSurface, getLocationInWindow, getLocationOnScreen, getMatrix, getMeasuredHeight, getMeasuredHeightAndState, getMeasuredState, getMeasuredWidth, getMeasuredWidthAndState, getMinimumHeight, getMinimumWidth, getNextClusterForwardId, getNextFocusDownId, getNextFocusForwardId, getNextFocusLeftId, getNextFocusRightId, getNextFocusUpId, getOnFocusChangeListener, getOutlineAmbientShadowColor, getOutlineProvider, getOutlineSpotShadowColor, getOverlay, getOverScrollMode, getPaddingBottom, getPaddingEnd, getPaddingLeft, getPaddingRight, getPaddingStart, getPaddingTop, getParent, getParentForAccessibility, getPivotX, getPivotY, getPointerIcon, getPreferKeepClearRects, getReceiveContentMimeTypes, getResources, getRevealOnFocusHint, getRight, getRootSurfaceControl, getRootView, getRootWindowInsets, getRotation, getRotationX, getRotationY, getScaleX, getScaleY, getScrollBarDefaultDelayBeforeFade, getScrollBarFadeDuration, getScrollBarSize, getScrollBarStyle, getScrollCaptureHint, getScrollIndicators, getScrollX, getScrollY, getSolidColor, getSourceLayoutResId, getStateDescription, getStateListAnimator, getSystemGestureExclusionRects, getTag, getTag, getTextAlignment, getTextDirection, getTooltipText, getTop, getTouchables, getTouchDelegate, getTransitionAlpha, getTransitionName, getTranslationX, getTranslationY, getTranslationZ, getUniqueDrawingId, getVerticalFadingEdgeLength, getVerticalScrollbarPosition, getVerticalScrollbarThumbDrawable, getVerticalScrollbarTrackDrawable, getVerticalScrollbarWidth, getViewTranslationResponse, getViewTreeObserver, getVisibility, getWidth, getWindowId, getWindowInsetsController, getWindowToken, getWindowVisibility, getWindowVisibleDisplayFrame, getX, getY, getZ, hasExplicitFocusable, hasFocus, hasFocusable, hasNestedScrollingParent, hasOnClickListeners, hasOnLongClickListeners, hasPointerCapture, hasTransientState, hasWindowFocus, inflate, invalidate, invalidateDrawable, invalidateOutline, isAccessibilityDataSensitive, isAccessibilityFocused, isAccessibilityHeading, isActivated, isAttachedToWindow, isAutoHandwritingEnabled, isClickable, isContextClickable, isCredential, isDirty, isDuplicateParentStateEnabled, isEnabled, isFocusable, isFocusableInTouchMode, isFocused, isFocusedByDefault, isForceDarkAllowed, isHandwritingDelegate, isHapticFeedbackEnabled, isHardwareAccelerated, isHorizontalFadingEdgeEnabled, isHorizontalScrollBarEnabled, isHovered, isImportantForAccessibility, isImportantForAutofill, isImportantForContentCapture, isInEditMode, isInLayout, isInTouchMode, isKeyboardNavigationCluster, isLaidOut, isLayoutDirectionResolved, isLayoutRequested, isLongClickable, isNestedScrollingEnabled, isOpaque, isPaddingRelative, isPivotSet, isPreferKeepClear, isPressed, isSaveEnabled, isSaveFromParentEnabled, isScreenReaderFocusable, isScrollbarFadingEnabled, isScrollContainer, isSelected, isShowingLayoutBounds, isShown, isSoundEffectsEnabled, isTemporarilyDetached, isTextAlignmentResolved, isTextDirectionResolved, isVerticalFadingEdgeEnabled, isVerticalScrollBarEnabled, isVisibleToUserForAutofill, jumpDrawablesToCurrentState, keyboardNavigationClusterSearch, layout, measure, offsetLeftAndRight, offsetTopAndBottom, onApplyWindowInsets, onCancelPendingInputEvents, onCapturedPointerEvent, onCheckIsTextEditor, onCreateInputConnection, onCreateViewTranslationRequest, onCreateVirtualViewTranslationRequests, onDragEvent, onDrawForeground, onFilterTouchEventForSecurity, onFinishTemporaryDetach, onGenericMotionEvent, onHoverChanged, onHoverEvent, onInitializeAccessibilityEvent, onInitializeAccessibilityNodeInfo, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyPreIme, onKeyShortcut, onKeyUp, onPointerCaptureChange, onPopulateAccessibilityEvent, onProvideAutofillStructure, onProvideAutofillVirtualStructure, onProvideContentCaptureStructure, onProvideStructure, onProvideVirtualStructure, onReceiveContent, onResolvePointerIcon, onRtlPropertiesChanged, onScreenStateChanged, onScrollCaptureSearch, onStartTemporaryDetach, onTouchEvent, onTrackballEvent, onViewTranslationResponse, onVirtualViewTranslationResponses, onVisibilityAggregated, onWindowFocusChanged, performAccessibilityAction, performClick, performContextClick, performContextClick, performHapticFeedback, performHapticFeedback, performLongClick, performLongClick, performReceiveContent, playSoundEffect, post, postDelayed, postInvalidate, postInvalidate, postInvalidateDelayed, postInvalidateDelayed, postInvalidateOnAnimation, postInvalidateOnAnimation, postOnAnimation, postOnAnimationDelayed, refreshDrawableState, releasePointerCapture, removeCallbacks, removeOnAttachStateChangeListener, removeOnLayoutChangeListener, removeOnUnhandledKeyEventListener, requestApplyInsets, requestFocus, requestFocus, requestFocus, requestFocusFromTouch, requestLayout, requestPointerCapture, requestRectangleOnScreen, requestRectangleOnScreen, requestUnbufferedDispatch, requestUnbufferedDispatch, requireViewById, resetPivot, resolveSize, resolveSizeAndState, restoreDefaultFocus, restoreHierarchyState, saveAttributeDataForStyleable, saveHierarchyState, scheduleDrawable, scrollBy, scrollTo, sendAccessibilityEvent, sendAccessibilityEventUnchecked, setAccessibilityDataSensitive, setAccessibilityDelegate, setAccessibilityHeading, setAccessibilityLiveRegion, setAccessibilityPaneTitle, setAccessibilityTraversalAfter, setAccessibilityTraversalBefore, setActivated, setAllowClickWhenDisabled, setAllowedHandwritingDelegatePackage, setAllowedHandwritingDelegatorPackage, setAnimation, setAnimationMatrix, setAutofillHints, setAutofillId, setAutoHandwritingEnabled, setBackground, setBackgroundColor, setBackgroundResource, setBackgroundTintBlendMode, setBackgroundTintList, setBackgroundTintMode, setBottom, setCameraDistance, setClickable, setClipToOutline, setContentCaptureSession, setContentDescription, setContextClickable, setDefaultFocusHighlightEnabled, setDuplicateParentStateEnabled, setElevation, setEnabled, setFadingEdgeLength, setFilterTouchesWhenObscured, setFitsSystemWindows, setFocusable, setFocusable, setFocusableInTouchMode, setFocusedByDefault, setForceDarkAllowed, setForeground, setForegroundGravity, setForegroundTintBlendMode, setForegroundTintList, setForegroundTintMode, setHandwritingBoundsOffsets, setHandwritingDelegatorCallback, setHapticFeedbackEnabled, setHasTransientState, setHorizontalFadingEdgeEnabled, setHorizontalScrollBarEnabled, setHorizontalScrollbarThumbDrawable, setHorizontalScrollbarTrackDrawable, setHovered, setId, setImportantForAccessibility, setImportantForAutofill, setImportantForContentCapture, setIsCredential, setIsHandwritingDelegate, setKeepScreenOn, setKeyboardNavigationCluster, setLabelFor, setLayerPaint, setLayerType, setLayoutDirection, setLayoutParams, setLeft, setLeftTopRightBottom, setLongClickable, setMinimumHeight, setMinimumWidth, setNestedScrollingEnabled, setNextClusterForwardId, setNextFocusDownId, setNextFocusForwardId, setNextFocusLeftId, setNextFocusRightId, setNextFocusUpId, setOnApplyWindowInsetsListener, setOnCapturedPointerListener, setOnClickListener, setOnContextClickListener, setOnCreateContextMenuListener, setOnDragListener, setOnFocusChangeListener, setOnGenericMotionListener, setOnHoverListener, setOnKeyListener, setOnLongClickListener, setOnReceiveContentListener, setOnScrollChangeListener, setOnTouchListener, setOutlineAmbientShadowColor, setOutlineProvider, setOutlineSpotShadowColor, setOverScrollMode, setPadding, setPaddingRelative, setPivotX, setPivotY, setPointerIcon, setPreferKeepClear, setPreferKeepClearRects, setPressed, setRenderEffect, setRevealOnFocusHint, setRight, setRotation, setRotationX, setRotationY, setSaveEnabled, setSaveFromParentEnabled, setScaleX, setScaleY, setScreenReaderFocusable, setScrollBarDefaultDelayBeforeFade, setScrollBarFadeDuration, setScrollbarFadingEnabled, setScrollBarSize, setScrollBarStyle, setScrollCaptureCallback, setScrollCaptureHint, setScrollContainer, setScrollIndicators, setScrollIndicators, setScrollX, setScrollY, setSelected, setSoundEffectsEnabled, setStateDescription, setStateListAnimator, setSystemGestureExclusionRects, setTag, setTag, setTextAlignment, setTextDirection, setTooltipText, setTop, setTouchDelegate, setTransitionAlpha, setTransitionName, setTransitionVisibility, setTranslationX, setTranslationY, setTranslationZ, setVerticalFadingEdgeEnabled, setVerticalScrollBarEnabled, setVerticalScrollbarPosition, setVerticalScrollbarThumbDrawable, setVerticalScrollbarTrackDrawable, setViewTranslationCallback, setWillNotDraw, setWindowInsetsAnimationCallback, setX, setY, setZ, showContextMenu, showContextMenu, startActionMode, startActionMode, startAnimation, startDragAndDrop, startNestedScroll, stopNestedScroll, toString, transformMatrixToGlobal, transformMatrixToLocal, unscheduleDrawable, unscheduleDrawable, updateDragShadow, willNotDraw
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CameraBridgeViewBase

      -
      public CameraBridgeViewBase(android.content.Context context, - int cameraId)
      -
      -
      • -
    • -
      -

      CameraBridgeViewBase

      -
      public CameraBridgeViewBase(android.content.Context context, - android.util.AttributeSet attrs)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      setCameraIndex

      -
      public void setCameraIndex(int cameraIndex)
      -
      Sets the camera index
      -
      -
      Parameters:
      -
      cameraIndex - new camera index
      -
      -
      -
      • -
    • -
      -

      surfaceChanged

      -
      public void surfaceChanged(android.view.SurfaceHolder arg0, - int arg1, - int arg2, - int arg3)
      -
      -
      Specified by:
      -
      surfaceChanged in interface android.view.SurfaceHolder.Callback
      -
      -
      -
      • -
    • -
      -

      surfaceCreated

      -
      public void surfaceCreated(android.view.SurfaceHolder holder)
      -
      -
      Specified by:
      -
      surfaceCreated in interface android.view.SurfaceHolder.Callback
      -
      -
      -
      • -
    • -
      -

      surfaceDestroyed

      -
      public void surfaceDestroyed(android.view.SurfaceHolder holder)
      -
      -
      Specified by:
      -
      surfaceDestroyed in interface android.view.SurfaceHolder.Callback
      -
      -
      -
      • -
    • -
      -

      setCameraPermissionGranted

      -
      public void setCameraPermissionGranted()
      -
      This method is provided for clients, so they can signal camera permission has been granted. - The actual onCameraViewStarted callback will be delivered only after setCameraPermissionGranted - and enableView have been called and surface is available
      -
      -
      • -
    • -
      -

      enableView

      -
      public void enableView()
      -
      This method is provided for clients, so they can enable the camera connection. - The actual onCameraViewStarted callback will be delivered only after setCameraPermissionGranted - and enableView have been called and surface is available
      -
      -
      • -
    • -
      -

      disableView

      -
      public void disableView()
      -
      This method is provided for clients, so they can disable camera connection and stop - the delivery of frames even though the surface view itself is not destroyed and still stays on the screen
      -
      -
      • -
    • -
      -

      enableFpsMeter

      -
      public void enableFpsMeter()
      -
      This method enables label with fps value on the screen
      -
      -
      • -
    • -
      -

      disableFpsMeter

      -
      public void disableFpsMeter()
      -
      -
      • -
    • -
      -

      setCvCameraViewListener

      -
      public void setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener2 listener)
      -
      -
      Parameters:
      -
      listener -
      -
      -
      -
      • -
    • -
      -

      setCvCameraViewListener

      -
      public void setCvCameraViewListener(CameraBridgeViewBase.CvCameraViewListener listener)
      -
      -
      • -
    • -
      -

      setMaxFrameSize

      -
      public void setMaxFrameSize(int maxWidth, - int maxHeight)
      -
      This method sets the maximum size that camera frame is allowed to be. When selecting - size - the biggest size which less or equal the size set will be selected. - As an example - we set setMaxFrameSize(200,200) and we have 176x152 and 320x240 sizes. The - preview frame will be selected with 176x152 size. - This method is useful when need to restrict the size of preview frame for some reason (for example for video recording)
      -
      -
      Parameters:
      -
      maxWidth - - the maximum width allowed for camera frame.
      -
      maxHeight - - the maximum height allowed for camera frame
      -
      -
      -
      • -
    • -
      -

      SetCaptureFormat

      -
      public void SetCaptureFormat(int format)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLRendererBase.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLRendererBase.html deleted file mode 100644 index a812165d49..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLRendererBase.html +++ /dev/null @@ -1,286 +0,0 @@ - - - - -CameraGLRendererBase (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraGLRendererBase

-
-
java.lang.Object -
org.opencv.android.CameraGLRendererBase
-
-
-
-
All Implemented Interfaces:
-
android.graphics.SurfaceTexture.OnFrameAvailableListener, android.opengl.GLSurfaceView.Renderer
-
-
-
Direct Known Subclasses:
-
Camera2Renderer, CameraRenderer
-
-
-
public abstract class CameraGLRendererBase -extends Object -implements android.opengl.GLSurfaceView.Renderer, android.graphics.SurfaceTexture.OnFrameAvailableListener
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onFrameAvailable

      -
      public void onFrameAvailable(android.graphics.SurfaceTexture surfaceTexture)
      -
      -
      Specified by:
      -
      onFrameAvailable in interface android.graphics.SurfaceTexture.OnFrameAvailableListener
      -
      -
      -
      • -
    • -
      -

      onDrawFrame

      -
      public void onDrawFrame(javax.microedition.khronos.opengles.GL10 gl)
      -
      -
      Specified by:
      -
      onDrawFrame in interface android.opengl.GLSurfaceView.Renderer
      -
      -
      -
      • -
    • -
      -

      onSurfaceChanged

      -
      public void onSurfaceChanged(javax.microedition.khronos.opengles.GL10 gl, - int surfaceWidth, - int surfaceHeight)
      -
      -
      Specified by:
      -
      onSurfaceChanged in interface android.opengl.GLSurfaceView.Renderer
      -
      -
      -
      • -
    • -
      -

      onSurfaceCreated

      -
      public void onSurfaceCreated(javax.microedition.khronos.opengles.GL10 gl, - javax.microedition.khronos.egl.EGLConfig config)
      -
      -
      Specified by:
      -
      onSurfaceCreated in interface android.opengl.GLSurfaceView.Renderer
      -
      -
      -
      • -
    • -
      -

      enableView

      -
      public void enableView()
      -
      -
      • -
    • -
      -

      disableView

      -
      public void disableView()
      -
      -
      • -
    • -
      -

      setCameraIndex

      -
      public void setCameraIndex(int cameraIndex)
      -
      -
      • -
    • -
      -

      setMaxCameraPreviewSize

      -
      public void setMaxCameraPreviewSize(int maxWidth, - int maxHeight)
      -
      -
      • -
    • -
      -

      onResume

      -
      public void onResume()
      -
      -
      • -
    • -
      -

      onPause

      -
      public void onPause()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.CameraTextureListener.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.CameraTextureListener.html deleted file mode 100644 index 3c9b4c1496..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.CameraTextureListener.html +++ /dev/null @@ -1,193 +0,0 @@ - - - - -CameraGLSurfaceView.CameraTextureListener (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Interface CameraGLSurfaceView.CameraTextureListener

-
-
-
-
Enclosing class:
-
CameraGLSurfaceView
-
-
-
public static interface CameraGLSurfaceView.CameraTextureListener
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    boolean
    -
    onCameraTexture(int texIn, - int texOut, - int width, - int height)
    -
    -
    This method is invoked when a new preview frame from Camera is ready.
    -
    -
    void
    -
    onCameraViewStarted(int width, - int height)
    -
    -
    This method is invoked when camera preview has started.
    -
    -
    void
    -
    onCameraViewStopped()
    -
    -
    This method is invoked when camera preview has been stopped for some reason.
    -
    -
    -
    -
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onCameraViewStarted

      -
      void onCameraViewStarted(int width, - int height)
      -
      This method is invoked when camera preview has started. After this method is invoked - the frames will start to be delivered to client via the onCameraFrame() callback.
      -
      -
      Parameters:
      -
      width - - the width of the frames that will be delivered
      -
      height - - the height of the frames that will be delivered
      -
      -
      -
      • -
    • -
      -

      onCameraViewStopped

      -
      void onCameraViewStopped()
      -
      This method is invoked when camera preview has been stopped for some reason. - No frames will be delivered via onCameraFrame() callback after this method is called.
      -
      -
      • -
    • -
      -

      onCameraTexture

      -
      boolean onCameraTexture(int texIn, - int texOut, - int width, - int height)
      -
      This method is invoked when a new preview frame from Camera is ready.
      -
      -
      Parameters:
      -
      texIn - - the OpenGL texture ID that contains frame in RGBA format
      -
      texOut - - the OpenGL texture ID that can be used to store modified frame image t display
      -
      width - - the width of the frame
      -
      height - - the height of the frame
      -
      Returns:
      -
      `true` if `texOut` should be displayed, `false` - to show `texIn`
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.html deleted file mode 100644 index b06b141a15..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraGLSurfaceView.html +++ /dev/null @@ -1,356 +0,0 @@ - - - - -CameraGLSurfaceView (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraGLSurfaceView

-
-
java.lang.Object -
android.view.View -
android.view.SurfaceView -
android.opengl.GLSurfaceView -
org.opencv.android.CameraGLSurfaceView
-
-
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.drawable.Drawable.Callback, android.view.accessibility.AccessibilityEventSource, android.view.KeyEvent.Callback, android.view.SurfaceHolder.Callback, android.view.SurfaceHolder.Callback2
-
-
-
public class CameraGLSurfaceView -extends android.opengl.GLSurfaceView
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static interface 
    -
    CameraGLSurfaceView.CameraTextureListener
    -
     
    -
    -
    -

    Nested classes/interfaces inherited from class android.opengl.GLSurfaceView

    -android.opengl.GLSurfaceView.EGLConfigChooser, android.opengl.GLSurfaceView.EGLContextFactory, android.opengl.GLSurfaceView.EGLWindowSurfaceFactory, android.opengl.GLSurfaceView.GLWrapper, android.opengl.GLSurfaceView.Renderer
    -
    -

    Nested classes/interfaces inherited from class android.view.View

    -android.view.View.AccessibilityDelegate, android.view.View.BaseSavedState, android.view.View.DragShadowBuilder, android.view.View.MeasureSpec, android.view.View.OnApplyWindowInsetsListener, android.view.View.OnAttachStateChangeListener, android.view.View.OnCapturedPointerListener, android.view.View.OnClickListener, android.view.View.OnContextClickListener, android.view.View.OnCreateContextMenuListener, android.view.View.OnDragListener, android.view.View.OnFocusChangeListener, android.view.View.OnGenericMotionListener, android.view.View.OnHoverListener, android.view.View.OnKeyListener, android.view.View.OnLayoutChangeListener, android.view.View.OnLongClickListener, android.view.View.OnScrollChangeListener, android.view.View.OnTouchListener, android.view.View.OnUnhandledKeyEventListener
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    -

    Fields inherited from class android.opengl.GLSurfaceView

    -DEBUG_CHECK_GL_ERROR, DEBUG_LOG_GL_CALLS, RENDERMODE_CONTINUOUSLY, RENDERMODE_WHEN_DIRTY
    -
    -

    Fields inherited from class android.view.SurfaceView

    -SURFACE_LIFECYCLE_DEFAULT, SURFACE_LIFECYCLE_FOLLOWS_ATTACHMENT, SURFACE_LIFECYCLE_FOLLOWS_VISIBILITY
    -
    -

    Fields inherited from class android.view.View

    -ACCESSIBILITY_DATA_SENSITIVE_AUTO, ACCESSIBILITY_DATA_SENSITIVE_NO, ACCESSIBILITY_DATA_SENSITIVE_YES, ACCESSIBILITY_LIVE_REGION_ASSERTIVE, ACCESSIBILITY_LIVE_REGION_NONE, ACCESSIBILITY_LIVE_REGION_POLITE, ALPHA, AUTOFILL_FLAG_INCLUDE_NOT_IMPORTANT_VIEWS, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DATE, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DAY, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_MONTH, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_YEAR, AUTOFILL_HINT_CREDIT_CARD_NUMBER, AUTOFILL_HINT_CREDIT_CARD_SECURITY_CODE, AUTOFILL_HINT_EMAIL_ADDRESS, AUTOFILL_HINT_NAME, AUTOFILL_HINT_PASSWORD, AUTOFILL_HINT_PHONE, AUTOFILL_HINT_POSTAL_ADDRESS, AUTOFILL_HINT_POSTAL_CODE, AUTOFILL_HINT_USERNAME, AUTOFILL_TYPE_DATE, AUTOFILL_TYPE_LIST, AUTOFILL_TYPE_NONE, AUTOFILL_TYPE_TEXT, AUTOFILL_TYPE_TOGGLE, DRAG_FLAG_ACCESSIBILITY_ACTION, DRAG_FLAG_GLOBAL, DRAG_FLAG_GLOBAL_PERSISTABLE_URI_PERMISSION, DRAG_FLAG_GLOBAL_PREFIX_URI_PERMISSION, DRAG_FLAG_GLOBAL_URI_READ, DRAG_FLAG_GLOBAL_URI_WRITE, DRAG_FLAG_OPAQUE, FIND_VIEWS_WITH_CONTENT_DESCRIPTION, FIND_VIEWS_WITH_TEXT, FOCUS_BACKWARD, FOCUS_DOWN, FOCUS_FORWARD, FOCUS_LEFT, FOCUS_RIGHT, FOCUS_UP, FOCUSABLE, FOCUSABLE_AUTO, FOCUSABLES_ALL, FOCUSABLES_TOUCH_MODE, GONE, HAPTIC_FEEDBACK_ENABLED, IMPORTANT_FOR_ACCESSIBILITY_AUTO, IMPORTANT_FOR_ACCESSIBILITY_NO, IMPORTANT_FOR_ACCESSIBILITY_NO_HIDE_DESCENDANTS, IMPORTANT_FOR_ACCESSIBILITY_YES, IMPORTANT_FOR_AUTOFILL_AUTO, IMPORTANT_FOR_AUTOFILL_NO, IMPORTANT_FOR_AUTOFILL_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_AUTOFILL_YES, IMPORTANT_FOR_AUTOFILL_YES_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_AUTO, IMPORTANT_FOR_CONTENT_CAPTURE_NO, IMPORTANT_FOR_CONTENT_CAPTURE_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_YES, IMPORTANT_FOR_CONTENT_CAPTURE_YES_EXCLUDE_DESCENDANTS, INVISIBLE, KEEP_SCREEN_ON, LAYER_TYPE_HARDWARE, LAYER_TYPE_NONE, LAYER_TYPE_SOFTWARE, LAYOUT_DIRECTION_INHERIT, LAYOUT_DIRECTION_LOCALE, LAYOUT_DIRECTION_LTR, LAYOUT_DIRECTION_RTL, MEASURED_HEIGHT_STATE_SHIFT, MEASURED_SIZE_MASK, MEASURED_STATE_MASK, MEASURED_STATE_TOO_SMALL, NO_ID, NOT_FOCUSABLE, OVER_SCROLL_ALWAYS, OVER_SCROLL_IF_CONTENT_SCROLLS, OVER_SCROLL_NEVER, ROTATION, ROTATION_X, ROTATION_Y, SCALE_X, SCALE_Y, SCREEN_STATE_OFF, SCREEN_STATE_ON, SCROLL_AXIS_HORIZONTAL, SCROLL_AXIS_NONE, SCROLL_AXIS_VERTICAL, SCROLL_CAPTURE_HINT_AUTO, SCROLL_CAPTURE_HINT_EXCLUDE, SCROLL_CAPTURE_HINT_EXCLUDE_DESCENDANTS, SCROLL_CAPTURE_HINT_INCLUDE, SCROLL_INDICATOR_BOTTOM, SCROLL_INDICATOR_END, SCROLL_INDICATOR_LEFT, SCROLL_INDICATOR_RIGHT, SCROLL_INDICATOR_START, SCROLL_INDICATOR_TOP, SCROLLBAR_POSITION_DEFAULT, SCROLLBAR_POSITION_LEFT, SCROLLBAR_POSITION_RIGHT, SCROLLBARS_INSIDE_INSET, SCROLLBARS_INSIDE_OVERLAY, SCROLLBARS_OUTSIDE_INSET, SCROLLBARS_OUTSIDE_OVERLAY, SOUND_EFFECTS_ENABLED, TEXT_ALIGNMENT_CENTER, TEXT_ALIGNMENT_GRAVITY, TEXT_ALIGNMENT_INHERIT, TEXT_ALIGNMENT_TEXT_END, TEXT_ALIGNMENT_TEXT_START, TEXT_ALIGNMENT_VIEW_END, TEXT_ALIGNMENT_VIEW_START, TEXT_DIRECTION_ANY_RTL, TEXT_DIRECTION_FIRST_STRONG, TEXT_DIRECTION_FIRST_STRONG_LTR, TEXT_DIRECTION_FIRST_STRONG_RTL, TEXT_DIRECTION_INHERIT, TEXT_DIRECTION_LOCALE, TEXT_DIRECTION_LTR, TEXT_DIRECTION_RTL, TRANSLATION_X, TRANSLATION_Y, TRANSLATION_Z, VISIBLE, X, Y, Z
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    CameraGLSurfaceView(android.content.Context context, - android.util.AttributeSet attrs)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    void
    -
    disableView()
    -
     
    -
    void
    -
    enableView()
    -
     
    -
    CameraGLSurfaceView.CameraTextureListener
    -
    getCameraTextureListener()
    -
     
    -
    void
    -
    onPause()
    -
     
    -
    void
    -
    onResume()
    -
     
    -
    void
    -
    setCameraIndex(int cameraIndex)
    -
     
    -
    void
    -
    setCameraTextureListener(CameraGLSurfaceView.CameraTextureListener texListener)
    -
     
    -
    void
    -
    setMaxCameraPreviewSize(int maxWidth, - int maxHeight)
    -
     
    -
    void
    -
    surfaceChanged(android.view.SurfaceHolder holder, - int format, - int w, - int h)
    -
     
    -
    void
    -
    surfaceCreated(android.view.SurfaceHolder holder)
    -
     
    -
    void
    -
    surfaceDestroyed(android.view.SurfaceHolder holder)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class android.opengl.GLSurfaceView

    -getDebugFlags, getPreserveEGLContextOnPause, getRenderMode, queueEvent, requestRender, setDebugFlags, setEGLConfigChooser, setEGLConfigChooser, setEGLConfigChooser, setEGLContextClientVersion, setEGLContextFactory, setEGLWindowSurfaceFactory, setGLWrapper, setPreserveEGLContextOnPause, setRenderer, setRenderMode, surfaceRedrawNeededAsync
    -
    -

    Methods inherited from class android.view.SurfaceView

    -applyTransactionToFrame, draw, gatherTransparentRegion, getHolder, getHostToken, getImportantForAccessibility, getSurfaceControl, hasOverlappingRendering, setAlpha, setChildSurfacePackage, setClipBounds, setSecure, setSurfaceLifecycle, setVisibility, setZOrderMediaOverlay, setZOrderOnTop
    -
    -

    Methods inherited from class android.view.View

    -addChildrenForAccessibility, addExtraDataToAccessibilityNodeInfo, addFocusables, addFocusables, addKeyboardNavigationClusters, addOnAttachStateChangeListener, addOnLayoutChangeListener, addOnUnhandledKeyEventListener, addTouchables, animate, announceForAccessibility, autofill, autofill, bringToFront, buildLayer, callOnClick, cancelDragAndDrop, cancelLongPress, cancelPendingInputEvents, canResolveLayoutDirection, canResolveTextAlignment, canResolveTextDirection, canScrollHorizontally, canScrollVertically, checkInputConnectionProxy, clearAnimation, clearFocus, clearViewTranslationCallback, combineMeasuredStates, computeScroll, computeSystemWindowInsets, createAccessibilityNodeInfo, createContextMenu, dispatchApplyWindowInsets, dispatchCapturedPointerEvent, dispatchConfigurationChanged, dispatchCreateViewTranslationRequest, dispatchDisplayHint, dispatchDragEvent, dispatchDrawableHotspotChanged, dispatchFinishTemporaryDetach, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyEventPreIme, dispatchKeyShortcutEvent, dispatchNestedFling, dispatchNestedPreFling, dispatchNestedPrePerformAccessibilityAction, dispatchNestedPreScroll, dispatchNestedScroll, dispatchPointerCaptureChanged, dispatchPopulateAccessibilityEvent, dispatchProvideAutofillStructure, dispatchProvideStructure, dispatchScrollCaptureSearch, dispatchStartTemporaryDetach, dispatchTouchEvent, dispatchTrackballEvent, dispatchUnhandledMove, dispatchWindowFocusChanged, dispatchWindowInsetsAnimationEnd, dispatchWindowInsetsAnimationPrepare, dispatchWindowInsetsAnimationProgress, dispatchWindowInsetsAnimationStart, dispatchWindowVisibilityChanged, drawableHotspotChanged, findFocus, findOnBackInvokedDispatcher, findViewById, findViewsWithText, findViewWithTag, focusSearch, forceHasOverlappingRendering, forceLayout, generateDisplayHash, generateViewId, getAccessibilityClassName, getAccessibilityDelegate, getAccessibilityLiveRegion, getAccessibilityNodeProvider, getAccessibilityPaneTitle, getAccessibilityTraversalAfter, getAccessibilityTraversalBefore, getAllowedHandwritingDelegatePackageName, getAllowedHandwritingDelegatorPackageName, getAlpha, getAnimation, getAnimationMatrix, getApplicationWindowToken, getAttributeResolutionStack, getAttributeSourceResourceMap, getAutofillHints, getAutofillId, getAutofillType, getAutofillValue, getBackground, getBackgroundTintBlendMode, getBackgroundTintList, getBackgroundTintMode, getBaseline, getBottom, getCameraDistance, getClipBounds, getClipBounds, getClipToOutline, getContentCaptureSession, getContentDescription, getContext, getDefaultFocusHighlightEnabled, getDefaultSize, getDisplay, getDrawableState, getDrawingRect, getDrawingTime, getElevation, getExplicitStyle, getFilterTouchesWhenObscured, getFitsSystemWindows, getFocusable, getFocusables, getFocusedRect, getForeground, getForegroundGravity, getForegroundTintBlendMode, getForegroundTintList, getForegroundTintMode, getGlobalVisibleRect, getGlobalVisibleRect, getHandler, getHandwritingBoundsOffsetBottom, getHandwritingBoundsOffsetLeft, getHandwritingBoundsOffsetRight, getHandwritingBoundsOffsetTop, getHandwritingDelegatorCallback, getHasOverlappingRendering, getHeight, getHitRect, getHorizontalFadingEdgeLength, getHorizontalScrollbarThumbDrawable, getHorizontalScrollbarTrackDrawable, getId, getImportantForAutofill, getImportantForContentCapture, getKeepScreenOn, getKeyDispatcherState, getLabelFor, getLayerType, getLayoutDirection, getLayoutParams, getLeft, getLocalVisibleRect, getLocationInSurface, getLocationInWindow, getLocationOnScreen, getMatrix, getMeasuredHeight, getMeasuredHeightAndState, getMeasuredState, getMeasuredWidth, getMeasuredWidthAndState, getMinimumHeight, getMinimumWidth, getNextClusterForwardId, getNextFocusDownId, getNextFocusForwardId, getNextFocusLeftId, getNextFocusRightId, getNextFocusUpId, getOnFocusChangeListener, getOutlineAmbientShadowColor, getOutlineProvider, getOutlineSpotShadowColor, getOverlay, getOverScrollMode, getPaddingBottom, getPaddingEnd, getPaddingLeft, getPaddingRight, getPaddingStart, getPaddingTop, getParent, getParentForAccessibility, getPivotX, getPivotY, getPointerIcon, getPreferKeepClearRects, getReceiveContentMimeTypes, getResources, getRevealOnFocusHint, getRight, getRootSurfaceControl, getRootView, getRootWindowInsets, getRotation, getRotationX, getRotationY, getScaleX, getScaleY, getScrollBarDefaultDelayBeforeFade, getScrollBarFadeDuration, getScrollBarSize, getScrollBarStyle, getScrollCaptureHint, getScrollIndicators, getScrollX, getScrollY, getSolidColor, getSourceLayoutResId, getStateDescription, getStateListAnimator, getSystemGestureExclusionRects, getTag, getTag, getTextAlignment, getTextDirection, getTooltipText, getTop, getTouchables, getTouchDelegate, getTransitionAlpha, getTransitionName, getTranslationX, getTranslationY, getTranslationZ, getUniqueDrawingId, getVerticalFadingEdgeLength, getVerticalScrollbarPosition, getVerticalScrollbarThumbDrawable, getVerticalScrollbarTrackDrawable, getVerticalScrollbarWidth, getViewTranslationResponse, getViewTreeObserver, getVisibility, getWidth, getWindowId, getWindowInsetsController, getWindowToken, getWindowVisibility, getWindowVisibleDisplayFrame, getX, getY, getZ, hasExplicitFocusable, hasFocus, hasFocusable, hasNestedScrollingParent, hasOnClickListeners, hasOnLongClickListeners, hasPointerCapture, hasTransientState, hasWindowFocus, inflate, invalidate, invalidateDrawable, invalidateOutline, isAccessibilityDataSensitive, isAccessibilityFocused, isAccessibilityHeading, isActivated, isAttachedToWindow, isAutoHandwritingEnabled, isClickable, isContextClickable, isCredential, isDirty, isDuplicateParentStateEnabled, isEnabled, isFocusable, isFocusableInTouchMode, isFocused, isFocusedByDefault, isForceDarkAllowed, isHandwritingDelegate, isHapticFeedbackEnabled, isHardwareAccelerated, isHorizontalFadingEdgeEnabled, isHorizontalScrollBarEnabled, isHovered, isImportantForAccessibility, isImportantForAutofill, isImportantForContentCapture, isInEditMode, isInLayout, isInTouchMode, isKeyboardNavigationCluster, isLaidOut, isLayoutDirectionResolved, isLayoutRequested, isLongClickable, isNestedScrollingEnabled, isOpaque, isPaddingRelative, isPivotSet, isPreferKeepClear, isPressed, isSaveEnabled, isSaveFromParentEnabled, isScreenReaderFocusable, isScrollbarFadingEnabled, isScrollContainer, isSelected, isShowingLayoutBounds, isShown, isSoundEffectsEnabled, isTemporarilyDetached, isTextAlignmentResolved, isTextDirectionResolved, isVerticalFadingEdgeEnabled, isVerticalScrollBarEnabled, isVisibleToUserForAutofill, jumpDrawablesToCurrentState, keyboardNavigationClusterSearch, layout, measure, offsetLeftAndRight, offsetTopAndBottom, onApplyWindowInsets, onCancelPendingInputEvents, onCapturedPointerEvent, onCheckIsTextEditor, onCreateInputConnection, onCreateViewTranslationRequest, onCreateVirtualViewTranslationRequests, onDragEvent, onDrawForeground, onFilterTouchEventForSecurity, onFinishTemporaryDetach, onGenericMotionEvent, onHoverChanged, onHoverEvent, onInitializeAccessibilityEvent, onInitializeAccessibilityNodeInfo, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyPreIme, onKeyShortcut, onKeyUp, onPointerCaptureChange, onPopulateAccessibilityEvent, onProvideAutofillStructure, onProvideAutofillVirtualStructure, onProvideContentCaptureStructure, onProvideStructure, onProvideVirtualStructure, onReceiveContent, onResolvePointerIcon, onRtlPropertiesChanged, onScreenStateChanged, onScrollCaptureSearch, onStartTemporaryDetach, onTouchEvent, onTrackballEvent, onViewTranslationResponse, onVirtualViewTranslationResponses, onVisibilityAggregated, onWindowFocusChanged, performAccessibilityAction, performClick, performContextClick, performContextClick, performHapticFeedback, performHapticFeedback, performLongClick, performLongClick, performReceiveContent, playSoundEffect, post, postDelayed, postInvalidate, postInvalidate, postInvalidateDelayed, postInvalidateDelayed, postInvalidateOnAnimation, postInvalidateOnAnimation, postOnAnimation, postOnAnimationDelayed, refreshDrawableState, releasePointerCapture, removeCallbacks, removeOnAttachStateChangeListener, removeOnLayoutChangeListener, removeOnUnhandledKeyEventListener, requestApplyInsets, requestFocus, requestFocus, requestFocus, requestFocusFromTouch, requestLayout, requestPointerCapture, requestRectangleOnScreen, requestRectangleOnScreen, requestUnbufferedDispatch, requestUnbufferedDispatch, requireViewById, resetPivot, resolveSize, resolveSizeAndState, restoreDefaultFocus, restoreHierarchyState, saveAttributeDataForStyleable, saveHierarchyState, scheduleDrawable, scrollBy, scrollTo, sendAccessibilityEvent, sendAccessibilityEventUnchecked, setAccessibilityDataSensitive, setAccessibilityDelegate, setAccessibilityHeading, setAccessibilityLiveRegion, setAccessibilityPaneTitle, setAccessibilityTraversalAfter, setAccessibilityTraversalBefore, setActivated, setAllowClickWhenDisabled, setAllowedHandwritingDelegatePackage, setAllowedHandwritingDelegatorPackage, setAnimation, setAnimationMatrix, setAutofillHints, setAutofillId, setAutoHandwritingEnabled, setBackground, setBackgroundColor, setBackgroundResource, setBackgroundTintBlendMode, setBackgroundTintList, setBackgroundTintMode, setBottom, setCameraDistance, setClickable, setClipToOutline, setContentCaptureSession, setContentDescription, setContextClickable, setDefaultFocusHighlightEnabled, setDuplicateParentStateEnabled, setElevation, setEnabled, setFadingEdgeLength, setFilterTouchesWhenObscured, setFitsSystemWindows, setFocusable, setFocusable, setFocusableInTouchMode, setFocusedByDefault, setForceDarkAllowed, setForeground, setForegroundGravity, setForegroundTintBlendMode, setForegroundTintList, setForegroundTintMode, setHandwritingBoundsOffsets, setHandwritingDelegatorCallback, setHapticFeedbackEnabled, setHasTransientState, setHorizontalFadingEdgeEnabled, setHorizontalScrollBarEnabled, setHorizontalScrollbarThumbDrawable, setHorizontalScrollbarTrackDrawable, setHovered, setId, setImportantForAccessibility, setImportantForAutofill, setImportantForContentCapture, setIsCredential, setIsHandwritingDelegate, setKeepScreenOn, setKeyboardNavigationCluster, setLabelFor, setLayerPaint, setLayerType, setLayoutDirection, setLayoutParams, setLeft, setLeftTopRightBottom, setLongClickable, setMinimumHeight, setMinimumWidth, setNestedScrollingEnabled, setNextClusterForwardId, setNextFocusDownId, setNextFocusForwardId, setNextFocusLeftId, setNextFocusRightId, setNextFocusUpId, setOnApplyWindowInsetsListener, setOnCapturedPointerListener, setOnClickListener, setOnContextClickListener, setOnCreateContextMenuListener, setOnDragListener, setOnFocusChangeListener, setOnGenericMotionListener, setOnHoverListener, setOnKeyListener, setOnLongClickListener, setOnReceiveContentListener, setOnScrollChangeListener, setOnTouchListener, setOutlineAmbientShadowColor, setOutlineProvider, setOutlineSpotShadowColor, setOverScrollMode, setPadding, setPaddingRelative, setPivotX, setPivotY, setPointerIcon, setPreferKeepClear, setPreferKeepClearRects, setPressed, setRenderEffect, setRevealOnFocusHint, setRight, setRotation, setRotationX, setRotationY, setSaveEnabled, setSaveFromParentEnabled, setScaleX, setScaleY, setScreenReaderFocusable, setScrollBarDefaultDelayBeforeFade, setScrollBarFadeDuration, setScrollbarFadingEnabled, setScrollBarSize, setScrollBarStyle, setScrollCaptureCallback, setScrollCaptureHint, setScrollContainer, setScrollIndicators, setScrollIndicators, setScrollX, setScrollY, setSelected, setSoundEffectsEnabled, setStateDescription, setStateListAnimator, setSystemGestureExclusionRects, setTag, setTag, setTextAlignment, setTextDirection, setTooltipText, setTop, setTouchDelegate, setTransitionAlpha, setTransitionName, setTransitionVisibility, setTranslationX, setTranslationY, setTranslationZ, setVerticalFadingEdgeEnabled, setVerticalScrollBarEnabled, setVerticalScrollbarPosition, setVerticalScrollbarThumbDrawable, setVerticalScrollbarTrackDrawable, setViewTranslationCallback, setWillNotDraw, setWindowInsetsAnimationCallback, setX, setY, setZ, showContextMenu, showContextMenu, startActionMode, startActionMode, startAnimation, startDragAndDrop, startNestedScroll, stopNestedScroll, toString, transformMatrixToGlobal, transformMatrixToLocal, unscheduleDrawable, unscheduleDrawable, updateDragShadow, willNotDraw
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -

    Methods inherited from interface android.view.SurfaceHolder.Callback2

    -surfaceRedrawNeeded
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CameraGLSurfaceView

      -
      public CameraGLSurfaceView(android.content.Context context, - android.util.AttributeSet attrs)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      setCameraTextureListener

      -
      public void setCameraTextureListener(CameraGLSurfaceView.CameraTextureListener texListener)
      -
      -
      • -
    • -
      -

      getCameraTextureListener

      -
      public CameraGLSurfaceView.CameraTextureListener getCameraTextureListener()
      -
      -
      • -
    • -
      -

      setCameraIndex

      -
      public void setCameraIndex(int cameraIndex)
      -
      -
      • -
    • -
      -

      setMaxCameraPreviewSize

      -
      public void setMaxCameraPreviewSize(int maxWidth, - int maxHeight)
      -
      -
      • -
    • -
      -

      surfaceCreated

      -
      public void surfaceCreated(android.view.SurfaceHolder holder)
      -
      -
      Specified by:
      -
      surfaceCreated in interface android.view.SurfaceHolder.Callback
      -
      Overrides:
      -
      surfaceCreated in class android.opengl.GLSurfaceView
      -
      -
      -
      • -
    • -
      -

      surfaceDestroyed

      -
      public void surfaceDestroyed(android.view.SurfaceHolder holder)
      -
      -
      Specified by:
      -
      surfaceDestroyed in interface android.view.SurfaceHolder.Callback
      -
      Overrides:
      -
      surfaceDestroyed in class android.opengl.GLSurfaceView
      -
      -
      -
      • -
    • -
      -

      surfaceChanged

      -
      public void surfaceChanged(android.view.SurfaceHolder holder, - int format, - int w, - int h)
      -
      -
      Specified by:
      -
      surfaceChanged in interface android.view.SurfaceHolder.Callback
      -
      Overrides:
      -
      surfaceChanged in class android.opengl.GLSurfaceView
      -
      -
      -
      • -
    • -
      -

      onResume

      -
      public void onResume()
      -
      -
      Overrides:
      -
      onResume in class android.opengl.GLSurfaceView
      -
      -
      -
      • -
    • -
      -

      onPause

      -
      public void onPause()
      -
      -
      Overrides:
      -
      onPause in class android.opengl.GLSurfaceView
      -
      -
      -
      • -
    • -
      -

      enableView

      -
      public void enableView()
      -
      -
      • -
    • -
      -

      disableView

      -
      public void disableView()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraRenderer.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraRenderer.html deleted file mode 100644 index 379ed616be..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/CameraRenderer.html +++ /dev/null @@ -1,193 +0,0 @@ - - - - -CameraRenderer (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class CameraRenderer

-
-
java.lang.Object -
org.opencv.android.CameraGLRendererBase -
org.opencv.android.CameraRenderer
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.SurfaceTexture.OnFrameAvailableListener, android.opengl.GLSurfaceView.Renderer
-
-
-
public class CameraRenderer -extends CameraGLRendererBase
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      setCameraPreviewSize

      -
      public void setCameraPreviewSize(int width, - int height)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/FpsMeter.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/FpsMeter.html deleted file mode 100644 index e5964342cb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/FpsMeter.html +++ /dev/null @@ -1,205 +0,0 @@ - - - - -FpsMeter (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class FpsMeter

-
-
java.lang.Object -
org.opencv.android.FpsMeter
-
-
-
-
public class FpsMeter -extends Object
-
-
-
    - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    FpsMeter()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    void
    -
    draw(android.graphics.Canvas canvas, - float offsetx, - float offsety)
    -
     
    -
    void
    -
    init()
    -
     
    -
    void
    -
    measure()
    -
     
    -
    void
    -
    setResolution(int width, - int height)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      FpsMeter

      -
      public FpsMeter()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      init

      -
      public void init()
      -
      -
      • -
    • -
      -

      measure

      -
      public void measure()
      -
      -
      • -
    • -
      -

      setResolution

      -
      public void setResolution(int width, - int height)
      -
      -
      • -
    • -
      -

      draw

      -
      public void draw(android.graphics.Canvas canvas, - float offsetx, - float offsety)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.JavaCameraSizeAccessor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.JavaCameraSizeAccessor.html deleted file mode 100644 index cd1155029c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.JavaCameraSizeAccessor.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -JavaCamera2View.JavaCameraSizeAccessor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class JavaCamera2View.JavaCameraSizeAccessor

-
-
java.lang.Object -
org.opencv.android.JavaCamera2View.JavaCameraSizeAccessor
-
-
-
-
All Implemented Interfaces:
-
CameraBridgeViewBase.ListItemAccessor
-
-
-
Enclosing class:
-
JavaCamera2View
-
-
-
public static class JavaCamera2View.JavaCameraSizeAccessor -extends Object -implements CameraBridgeViewBase.ListItemAccessor
-
-
- -
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.html deleted file mode 100644 index 1b6c3593b9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCamera2View.html +++ /dev/null @@ -1,215 +0,0 @@ - - - - -JavaCamera2View (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class JavaCamera2View

-
-
java.lang.Object -
android.view.View -
android.view.SurfaceView -
org.opencv.android.CameraBridgeViewBase -
org.opencv.android.JavaCamera2View
-
-
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.drawable.Drawable.Callback, android.view.accessibility.AccessibilityEventSource, android.view.KeyEvent.Callback, android.view.SurfaceHolder.Callback
-
-
-
public class JavaCamera2View -extends CameraBridgeViewBase
-
This class is an implementation of the Bridge View between OpenCV and Java Camera. - This class relays on the functionality available in base class and only implements - required functions: - connectCamera - opens Java camera and sets the PreviewCallback to be delivered. - disconnectCamera - closes the camera and stops preview. - When frame is delivered via callback from Camera - it processed via OpenCV to be - converted to RGBA32 and then passed to the external callback for modifications if required.
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static class 
    -
    JavaCamera2View.JavaCameraSizeAccessor
    -
     
    -
    -
    -

    Nested classes/interfaces inherited from class org.opencv.android.CameraBridgeViewBase

    -CameraBridgeViewBase.CvCameraViewFrame, CameraBridgeViewBase.CvCameraViewListener, CameraBridgeViewBase.CvCameraViewListener2, CameraBridgeViewBase.ListItemAccessor, CameraBridgeViewBase.RotatedCameraFrame
    -
    -

    Nested classes/interfaces inherited from class android.view.View

    -android.view.View.AccessibilityDelegate, android.view.View.BaseSavedState, android.view.View.DragShadowBuilder, android.view.View.MeasureSpec, android.view.View.OnApplyWindowInsetsListener, android.view.View.OnAttachStateChangeListener, android.view.View.OnCapturedPointerListener, android.view.View.OnClickListener, android.view.View.OnContextClickListener, android.view.View.OnCreateContextMenuListener, android.view.View.OnDragListener, android.view.View.OnFocusChangeListener, android.view.View.OnGenericMotionListener, android.view.View.OnHoverListener, android.view.View.OnKeyListener, android.view.View.OnLayoutChangeListener, android.view.View.OnLongClickListener, android.view.View.OnScrollChangeListener, android.view.View.OnTouchListener, android.view.View.OnUnhandledKeyEventListener
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    -

    Fields inherited from class org.opencv.android.CameraBridgeViewBase

    -CAMERA_ID_ANY, CAMERA_ID_BACK, CAMERA_ID_FRONT, GRAY, RGBA
    -
    -

    Fields inherited from class android.view.SurfaceView

    -SURFACE_LIFECYCLE_DEFAULT, SURFACE_LIFECYCLE_FOLLOWS_ATTACHMENT, SURFACE_LIFECYCLE_FOLLOWS_VISIBILITY
    -
    -

    Fields inherited from class android.view.View

    -ACCESSIBILITY_DATA_SENSITIVE_AUTO, ACCESSIBILITY_DATA_SENSITIVE_NO, ACCESSIBILITY_DATA_SENSITIVE_YES, ACCESSIBILITY_LIVE_REGION_ASSERTIVE, ACCESSIBILITY_LIVE_REGION_NONE, ACCESSIBILITY_LIVE_REGION_POLITE, ALPHA, AUTOFILL_FLAG_INCLUDE_NOT_IMPORTANT_VIEWS, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DATE, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DAY, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_MONTH, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_YEAR, AUTOFILL_HINT_CREDIT_CARD_NUMBER, AUTOFILL_HINT_CREDIT_CARD_SECURITY_CODE, AUTOFILL_HINT_EMAIL_ADDRESS, AUTOFILL_HINT_NAME, AUTOFILL_HINT_PASSWORD, AUTOFILL_HINT_PHONE, AUTOFILL_HINT_POSTAL_ADDRESS, AUTOFILL_HINT_POSTAL_CODE, AUTOFILL_HINT_USERNAME, AUTOFILL_TYPE_DATE, AUTOFILL_TYPE_LIST, AUTOFILL_TYPE_NONE, AUTOFILL_TYPE_TEXT, AUTOFILL_TYPE_TOGGLE, DRAG_FLAG_ACCESSIBILITY_ACTION, DRAG_FLAG_GLOBAL, DRAG_FLAG_GLOBAL_PERSISTABLE_URI_PERMISSION, DRAG_FLAG_GLOBAL_PREFIX_URI_PERMISSION, DRAG_FLAG_GLOBAL_URI_READ, DRAG_FLAG_GLOBAL_URI_WRITE, DRAG_FLAG_OPAQUE, FIND_VIEWS_WITH_CONTENT_DESCRIPTION, FIND_VIEWS_WITH_TEXT, FOCUS_BACKWARD, FOCUS_DOWN, FOCUS_FORWARD, FOCUS_LEFT, FOCUS_RIGHT, FOCUS_UP, FOCUSABLE, FOCUSABLE_AUTO, FOCUSABLES_ALL, FOCUSABLES_TOUCH_MODE, GONE, HAPTIC_FEEDBACK_ENABLED, IMPORTANT_FOR_ACCESSIBILITY_AUTO, IMPORTANT_FOR_ACCESSIBILITY_NO, IMPORTANT_FOR_ACCESSIBILITY_NO_HIDE_DESCENDANTS, IMPORTANT_FOR_ACCESSIBILITY_YES, IMPORTANT_FOR_AUTOFILL_AUTO, IMPORTANT_FOR_AUTOFILL_NO, IMPORTANT_FOR_AUTOFILL_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_AUTOFILL_YES, IMPORTANT_FOR_AUTOFILL_YES_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_AUTO, IMPORTANT_FOR_CONTENT_CAPTURE_NO, IMPORTANT_FOR_CONTENT_CAPTURE_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_YES, IMPORTANT_FOR_CONTENT_CAPTURE_YES_EXCLUDE_DESCENDANTS, INVISIBLE, KEEP_SCREEN_ON, LAYER_TYPE_HARDWARE, LAYER_TYPE_NONE, LAYER_TYPE_SOFTWARE, LAYOUT_DIRECTION_INHERIT, LAYOUT_DIRECTION_LOCALE, LAYOUT_DIRECTION_LTR, LAYOUT_DIRECTION_RTL, MEASURED_HEIGHT_STATE_SHIFT, MEASURED_SIZE_MASK, MEASURED_STATE_MASK, MEASURED_STATE_TOO_SMALL, NO_ID, NOT_FOCUSABLE, OVER_SCROLL_ALWAYS, OVER_SCROLL_IF_CONTENT_SCROLLS, OVER_SCROLL_NEVER, ROTATION, ROTATION_X, ROTATION_Y, SCALE_X, SCALE_Y, SCREEN_STATE_OFF, SCREEN_STATE_ON, SCROLL_AXIS_HORIZONTAL, SCROLL_AXIS_NONE, SCROLL_AXIS_VERTICAL, SCROLL_CAPTURE_HINT_AUTO, SCROLL_CAPTURE_HINT_EXCLUDE, SCROLL_CAPTURE_HINT_EXCLUDE_DESCENDANTS, SCROLL_CAPTURE_HINT_INCLUDE, SCROLL_INDICATOR_BOTTOM, SCROLL_INDICATOR_END, SCROLL_INDICATOR_LEFT, SCROLL_INDICATOR_RIGHT, SCROLL_INDICATOR_START, SCROLL_INDICATOR_TOP, SCROLLBAR_POSITION_DEFAULT, SCROLLBAR_POSITION_LEFT, SCROLLBAR_POSITION_RIGHT, SCROLLBARS_INSIDE_INSET, SCROLLBARS_INSIDE_OVERLAY, SCROLLBARS_OUTSIDE_INSET, SCROLLBARS_OUTSIDE_OVERLAY, SOUND_EFFECTS_ENABLED, TEXT_ALIGNMENT_CENTER, TEXT_ALIGNMENT_GRAVITY, TEXT_ALIGNMENT_INHERIT, TEXT_ALIGNMENT_TEXT_END, TEXT_ALIGNMENT_TEXT_START, TEXT_ALIGNMENT_VIEW_END, TEXT_ALIGNMENT_VIEW_START, TEXT_DIRECTION_ANY_RTL, TEXT_DIRECTION_FIRST_STRONG, TEXT_DIRECTION_FIRST_STRONG_LTR, TEXT_DIRECTION_FIRST_STRONG_RTL, TEXT_DIRECTION_INHERIT, TEXT_DIRECTION_LOCALE, TEXT_DIRECTION_LTR, TEXT_DIRECTION_RTL, TRANSLATION_X, TRANSLATION_Y, TRANSLATION_Z, VISIBLE, X, Y, Z
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    JavaCamera2View(android.content.Context context, - int cameraId)
    -
     
    -
    JavaCamera2View(android.content.Context context, - android.util.AttributeSet attrs)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -

    Methods inherited from class org.opencv.android.CameraBridgeViewBase

    -disableFpsMeter, disableView, enableFpsMeter, enableView, setCameraIndex, setCameraPermissionGranted, SetCaptureFormat, setCvCameraViewListener, setCvCameraViewListener, setMaxFrameSize, surfaceChanged, surfaceCreated, surfaceDestroyed
    -
    -

    Methods inherited from class android.view.SurfaceView

    -applyTransactionToFrame, draw, gatherTransparentRegion, getHolder, getHostToken, getImportantForAccessibility, getSurfaceControl, hasOverlappingRendering, setAlpha, setChildSurfacePackage, setClipBounds, setSecure, setSurfaceLifecycle, setVisibility, setZOrderMediaOverlay, setZOrderOnTop
    -
    -

    Methods inherited from class android.view.View

    -addChildrenForAccessibility, addExtraDataToAccessibilityNodeInfo, addFocusables, addFocusables, addKeyboardNavigationClusters, addOnAttachStateChangeListener, addOnLayoutChangeListener, addOnUnhandledKeyEventListener, addTouchables, animate, announceForAccessibility, autofill, autofill, bringToFront, buildLayer, callOnClick, cancelDragAndDrop, cancelLongPress, cancelPendingInputEvents, canResolveLayoutDirection, canResolveTextAlignment, canResolveTextDirection, canScrollHorizontally, canScrollVertically, checkInputConnectionProxy, clearAnimation, clearFocus, clearViewTranslationCallback, combineMeasuredStates, computeScroll, computeSystemWindowInsets, createAccessibilityNodeInfo, createContextMenu, dispatchApplyWindowInsets, dispatchCapturedPointerEvent, dispatchConfigurationChanged, dispatchCreateViewTranslationRequest, dispatchDisplayHint, dispatchDragEvent, dispatchDrawableHotspotChanged, dispatchFinishTemporaryDetach, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyEventPreIme, dispatchKeyShortcutEvent, dispatchNestedFling, dispatchNestedPreFling, dispatchNestedPrePerformAccessibilityAction, dispatchNestedPreScroll, dispatchNestedScroll, dispatchPointerCaptureChanged, dispatchPopulateAccessibilityEvent, dispatchProvideAutofillStructure, dispatchProvideStructure, dispatchScrollCaptureSearch, dispatchStartTemporaryDetach, dispatchTouchEvent, dispatchTrackballEvent, dispatchUnhandledMove, dispatchWindowFocusChanged, dispatchWindowInsetsAnimationEnd, dispatchWindowInsetsAnimationPrepare, dispatchWindowInsetsAnimationProgress, dispatchWindowInsetsAnimationStart, dispatchWindowVisibilityChanged, drawableHotspotChanged, findFocus, findOnBackInvokedDispatcher, findViewById, findViewsWithText, findViewWithTag, focusSearch, forceHasOverlappingRendering, forceLayout, generateDisplayHash, generateViewId, getAccessibilityClassName, getAccessibilityDelegate, getAccessibilityLiveRegion, getAccessibilityNodeProvider, getAccessibilityPaneTitle, getAccessibilityTraversalAfter, getAccessibilityTraversalBefore, getAllowedHandwritingDelegatePackageName, getAllowedHandwritingDelegatorPackageName, getAlpha, getAnimation, getAnimationMatrix, getApplicationWindowToken, getAttributeResolutionStack, getAttributeSourceResourceMap, getAutofillHints, getAutofillId, getAutofillType, getAutofillValue, getBackground, getBackgroundTintBlendMode, getBackgroundTintList, getBackgroundTintMode, getBaseline, getBottom, getCameraDistance, getClipBounds, getClipBounds, getClipToOutline, getContentCaptureSession, getContentDescription, getContext, getDefaultFocusHighlightEnabled, getDefaultSize, getDisplay, getDrawableState, getDrawingRect, getDrawingTime, getElevation, getExplicitStyle, getFilterTouchesWhenObscured, getFitsSystemWindows, getFocusable, getFocusables, getFocusedRect, getForeground, getForegroundGravity, getForegroundTintBlendMode, getForegroundTintList, getForegroundTintMode, getGlobalVisibleRect, getGlobalVisibleRect, getHandler, getHandwritingBoundsOffsetBottom, getHandwritingBoundsOffsetLeft, getHandwritingBoundsOffsetRight, getHandwritingBoundsOffsetTop, getHandwritingDelegatorCallback, getHasOverlappingRendering, getHeight, getHitRect, getHorizontalFadingEdgeLength, getHorizontalScrollbarThumbDrawable, getHorizontalScrollbarTrackDrawable, getId, getImportantForAutofill, getImportantForContentCapture, getKeepScreenOn, getKeyDispatcherState, getLabelFor, getLayerType, getLayoutDirection, getLayoutParams, getLeft, getLocalVisibleRect, getLocationInSurface, getLocationInWindow, getLocationOnScreen, getMatrix, getMeasuredHeight, getMeasuredHeightAndState, getMeasuredState, getMeasuredWidth, getMeasuredWidthAndState, getMinimumHeight, getMinimumWidth, getNextClusterForwardId, getNextFocusDownId, getNextFocusForwardId, getNextFocusLeftId, getNextFocusRightId, getNextFocusUpId, getOnFocusChangeListener, getOutlineAmbientShadowColor, getOutlineProvider, getOutlineSpotShadowColor, getOverlay, getOverScrollMode, getPaddingBottom, getPaddingEnd, getPaddingLeft, getPaddingRight, getPaddingStart, getPaddingTop, getParent, getParentForAccessibility, getPivotX, getPivotY, getPointerIcon, getPreferKeepClearRects, getReceiveContentMimeTypes, getResources, getRevealOnFocusHint, getRight, getRootSurfaceControl, getRootView, getRootWindowInsets, getRotation, getRotationX, getRotationY, getScaleX, getScaleY, getScrollBarDefaultDelayBeforeFade, getScrollBarFadeDuration, getScrollBarSize, getScrollBarStyle, getScrollCaptureHint, getScrollIndicators, getScrollX, getScrollY, getSolidColor, getSourceLayoutResId, getStateDescription, getStateListAnimator, getSystemGestureExclusionRects, getTag, getTag, getTextAlignment, getTextDirection, getTooltipText, getTop, getTouchables, getTouchDelegate, getTransitionAlpha, getTransitionName, getTranslationX, getTranslationY, getTranslationZ, getUniqueDrawingId, getVerticalFadingEdgeLength, getVerticalScrollbarPosition, getVerticalScrollbarThumbDrawable, getVerticalScrollbarTrackDrawable, getVerticalScrollbarWidth, getViewTranslationResponse, getViewTreeObserver, getVisibility, getWidth, getWindowId, getWindowInsetsController, getWindowToken, getWindowVisibility, getWindowVisibleDisplayFrame, getX, getY, getZ, hasExplicitFocusable, hasFocus, hasFocusable, hasNestedScrollingParent, hasOnClickListeners, hasOnLongClickListeners, hasPointerCapture, hasTransientState, hasWindowFocus, inflate, invalidate, invalidateDrawable, invalidateOutline, isAccessibilityDataSensitive, isAccessibilityFocused, isAccessibilityHeading, isActivated, isAttachedToWindow, isAutoHandwritingEnabled, isClickable, isContextClickable, isCredential, isDirty, isDuplicateParentStateEnabled, isEnabled, isFocusable, isFocusableInTouchMode, isFocused, isFocusedByDefault, isForceDarkAllowed, isHandwritingDelegate, isHapticFeedbackEnabled, isHardwareAccelerated, isHorizontalFadingEdgeEnabled, isHorizontalScrollBarEnabled, isHovered, isImportantForAccessibility, isImportantForAutofill, isImportantForContentCapture, isInEditMode, isInLayout, isInTouchMode, isKeyboardNavigationCluster, isLaidOut, isLayoutDirectionResolved, isLayoutRequested, isLongClickable, isNestedScrollingEnabled, isOpaque, isPaddingRelative, isPivotSet, isPreferKeepClear, isPressed, isSaveEnabled, isSaveFromParentEnabled, isScreenReaderFocusable, isScrollbarFadingEnabled, isScrollContainer, isSelected, isShowingLayoutBounds, isShown, isSoundEffectsEnabled, isTemporarilyDetached, isTextAlignmentResolved, isTextDirectionResolved, isVerticalFadingEdgeEnabled, isVerticalScrollBarEnabled, isVisibleToUserForAutofill, jumpDrawablesToCurrentState, keyboardNavigationClusterSearch, layout, measure, offsetLeftAndRight, offsetTopAndBottom, onApplyWindowInsets, onCancelPendingInputEvents, onCapturedPointerEvent, onCheckIsTextEditor, onCreateInputConnection, onCreateViewTranslationRequest, onCreateVirtualViewTranslationRequests, onDragEvent, onDrawForeground, onFilterTouchEventForSecurity, onFinishTemporaryDetach, onGenericMotionEvent, onHoverChanged, onHoverEvent, onInitializeAccessibilityEvent, onInitializeAccessibilityNodeInfo, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyPreIme, onKeyShortcut, onKeyUp, onPointerCaptureChange, onPopulateAccessibilityEvent, onProvideAutofillStructure, onProvideAutofillVirtualStructure, onProvideContentCaptureStructure, onProvideStructure, onProvideVirtualStructure, onReceiveContent, onResolvePointerIcon, onRtlPropertiesChanged, onScreenStateChanged, onScrollCaptureSearch, onStartTemporaryDetach, onTouchEvent, onTrackballEvent, onViewTranslationResponse, onVirtualViewTranslationResponses, onVisibilityAggregated, onWindowFocusChanged, performAccessibilityAction, performClick, performContextClick, performContextClick, performHapticFeedback, performHapticFeedback, performLongClick, performLongClick, performReceiveContent, playSoundEffect, post, postDelayed, postInvalidate, postInvalidate, postInvalidateDelayed, postInvalidateDelayed, postInvalidateOnAnimation, postInvalidateOnAnimation, postOnAnimation, postOnAnimationDelayed, refreshDrawableState, releasePointerCapture, removeCallbacks, removeOnAttachStateChangeListener, removeOnLayoutChangeListener, removeOnUnhandledKeyEventListener, requestApplyInsets, requestFocus, requestFocus, requestFocus, requestFocusFromTouch, requestLayout, requestPointerCapture, requestRectangleOnScreen, requestRectangleOnScreen, requestUnbufferedDispatch, requestUnbufferedDispatch, requireViewById, resetPivot, resolveSize, resolveSizeAndState, restoreDefaultFocus, restoreHierarchyState, saveAttributeDataForStyleable, saveHierarchyState, scheduleDrawable, scrollBy, scrollTo, sendAccessibilityEvent, sendAccessibilityEventUnchecked, setAccessibilityDataSensitive, setAccessibilityDelegate, setAccessibilityHeading, setAccessibilityLiveRegion, setAccessibilityPaneTitle, setAccessibilityTraversalAfter, setAccessibilityTraversalBefore, setActivated, setAllowClickWhenDisabled, setAllowedHandwritingDelegatePackage, setAllowedHandwritingDelegatorPackage, setAnimation, setAnimationMatrix, setAutofillHints, setAutofillId, setAutoHandwritingEnabled, setBackground, setBackgroundColor, setBackgroundResource, setBackgroundTintBlendMode, setBackgroundTintList, setBackgroundTintMode, setBottom, setCameraDistance, setClickable, setClipToOutline, setContentCaptureSession, setContentDescription, setContextClickable, setDefaultFocusHighlightEnabled, setDuplicateParentStateEnabled, setElevation, setEnabled, setFadingEdgeLength, setFilterTouchesWhenObscured, setFitsSystemWindows, setFocusable, setFocusable, setFocusableInTouchMode, setFocusedByDefault, setForceDarkAllowed, setForeground, setForegroundGravity, setForegroundTintBlendMode, setForegroundTintList, setForegroundTintMode, setHandwritingBoundsOffsets, setHandwritingDelegatorCallback, setHapticFeedbackEnabled, setHasTransientState, setHorizontalFadingEdgeEnabled, setHorizontalScrollBarEnabled, setHorizontalScrollbarThumbDrawable, setHorizontalScrollbarTrackDrawable, setHovered, setId, setImportantForAccessibility, setImportantForAutofill, setImportantForContentCapture, setIsCredential, setIsHandwritingDelegate, setKeepScreenOn, setKeyboardNavigationCluster, setLabelFor, setLayerPaint, setLayerType, setLayoutDirection, setLayoutParams, setLeft, setLeftTopRightBottom, setLongClickable, setMinimumHeight, setMinimumWidth, setNestedScrollingEnabled, setNextClusterForwardId, setNextFocusDownId, setNextFocusForwardId, setNextFocusLeftId, setNextFocusRightId, setNextFocusUpId, setOnApplyWindowInsetsListener, setOnCapturedPointerListener, setOnClickListener, setOnContextClickListener, setOnCreateContextMenuListener, setOnDragListener, setOnFocusChangeListener, setOnGenericMotionListener, setOnHoverListener, setOnKeyListener, setOnLongClickListener, setOnReceiveContentListener, setOnScrollChangeListener, setOnTouchListener, setOutlineAmbientShadowColor, setOutlineProvider, setOutlineSpotShadowColor, setOverScrollMode, setPadding, setPaddingRelative, setPivotX, setPivotY, setPointerIcon, setPreferKeepClear, setPreferKeepClearRects, setPressed, setRenderEffect, setRevealOnFocusHint, setRight, setRotation, setRotationX, setRotationY, setSaveEnabled, setSaveFromParentEnabled, setScaleX, setScaleY, setScreenReaderFocusable, setScrollBarDefaultDelayBeforeFade, setScrollBarFadeDuration, setScrollbarFadingEnabled, setScrollBarSize, setScrollBarStyle, setScrollCaptureCallback, setScrollCaptureHint, setScrollContainer, setScrollIndicators, setScrollIndicators, setScrollX, setScrollY, setSelected, setSoundEffectsEnabled, setStateDescription, setStateListAnimator, setSystemGestureExclusionRects, setTag, setTag, setTextAlignment, setTextDirection, setTooltipText, setTop, setTouchDelegate, setTransitionAlpha, setTransitionName, setTransitionVisibility, setTranslationX, setTranslationY, setTranslationZ, setVerticalFadingEdgeEnabled, setVerticalScrollBarEnabled, setVerticalScrollbarPosition, setVerticalScrollbarThumbDrawable, setVerticalScrollbarTrackDrawable, setViewTranslationCallback, setWillNotDraw, setWindowInsetsAnimationCallback, setX, setY, setZ, showContextMenu, showContextMenu, startActionMode, startActionMode, startAnimation, startDragAndDrop, startNestedScroll, stopNestedScroll, toString, transformMatrixToGlobal, transformMatrixToLocal, unscheduleDrawable, unscheduleDrawable, updateDragShadow, willNotDraw
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      JavaCamera2View

      -
      public JavaCamera2View(android.content.Context context, - int cameraId)
      -
      -
      • -
    • -
      -

      JavaCamera2View

      -
      public JavaCamera2View(android.content.Context context, - android.util.AttributeSet attrs)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.JavaCameraSizeAccessor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.JavaCameraSizeAccessor.html deleted file mode 100644 index 9ce6aaaf85..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.JavaCameraSizeAccessor.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -JavaCameraView.JavaCameraSizeAccessor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class JavaCameraView.JavaCameraSizeAccessor

-
-
java.lang.Object -
org.opencv.android.JavaCameraView.JavaCameraSizeAccessor
-
-
-
-
All Implemented Interfaces:
-
CameraBridgeViewBase.ListItemAccessor
-
-
-
Enclosing class:
-
JavaCameraView
-
-
-
public static class JavaCameraView.JavaCameraSizeAccessor -extends Object -implements CameraBridgeViewBase.ListItemAccessor
-
-
- -
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.html deleted file mode 100644 index aa9ccb8d1d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/JavaCameraView.html +++ /dev/null @@ -1,253 +0,0 @@ - - - - -JavaCameraView (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class JavaCameraView

-
-
java.lang.Object -
android.view.View -
android.view.SurfaceView -
org.opencv.android.CameraBridgeViewBase -
org.opencv.android.JavaCameraView
-
-
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.drawable.Drawable.Callback, android.hardware.Camera.PreviewCallback, android.view.accessibility.AccessibilityEventSource, android.view.KeyEvent.Callback, android.view.SurfaceHolder.Callback
-
-
-
public class JavaCameraView -extends CameraBridgeViewBase -implements android.hardware.Camera.PreviewCallback
-
This class is an implementation of the Bridge View between OpenCV and Java Camera. - This class relays on the functionality available in base class and only implements - required functions: - connectCamera - opens Java camera and sets the PreviewCallback to be delivered. - disconnectCamera - closes the camera and stops preview. - When frame is delivered via callback from Camera - it processed via OpenCV to be - converted to RGBA32 and then passed to the external callback for modifications if required.
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static class 
    -
    JavaCameraView.JavaCameraSizeAccessor
    -
     
    -
    -
    -

    Nested classes/interfaces inherited from class org.opencv.android.CameraBridgeViewBase

    -CameraBridgeViewBase.CvCameraViewFrame, CameraBridgeViewBase.CvCameraViewListener, CameraBridgeViewBase.CvCameraViewListener2, CameraBridgeViewBase.ListItemAccessor, CameraBridgeViewBase.RotatedCameraFrame
    -
    -

    Nested classes/interfaces inherited from class android.view.View

    -android.view.View.AccessibilityDelegate, android.view.View.BaseSavedState, android.view.View.DragShadowBuilder, android.view.View.MeasureSpec, android.view.View.OnApplyWindowInsetsListener, android.view.View.OnAttachStateChangeListener, android.view.View.OnCapturedPointerListener, android.view.View.OnClickListener, android.view.View.OnContextClickListener, android.view.View.OnCreateContextMenuListener, android.view.View.OnDragListener, android.view.View.OnFocusChangeListener, android.view.View.OnGenericMotionListener, android.view.View.OnHoverListener, android.view.View.OnKeyListener, android.view.View.OnLayoutChangeListener, android.view.View.OnLongClickListener, android.view.View.OnScrollChangeListener, android.view.View.OnTouchListener, android.view.View.OnUnhandledKeyEventListener
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    -

    Fields inherited from class org.opencv.android.CameraBridgeViewBase

    -CAMERA_ID_ANY, CAMERA_ID_BACK, CAMERA_ID_FRONT, GRAY, RGBA
    -
    -

    Fields inherited from class android.view.SurfaceView

    -SURFACE_LIFECYCLE_DEFAULT, SURFACE_LIFECYCLE_FOLLOWS_ATTACHMENT, SURFACE_LIFECYCLE_FOLLOWS_VISIBILITY
    -
    -

    Fields inherited from class android.view.View

    -ACCESSIBILITY_DATA_SENSITIVE_AUTO, ACCESSIBILITY_DATA_SENSITIVE_NO, ACCESSIBILITY_DATA_SENSITIVE_YES, ACCESSIBILITY_LIVE_REGION_ASSERTIVE, ACCESSIBILITY_LIVE_REGION_NONE, ACCESSIBILITY_LIVE_REGION_POLITE, ALPHA, AUTOFILL_FLAG_INCLUDE_NOT_IMPORTANT_VIEWS, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DATE, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DAY, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_MONTH, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_YEAR, AUTOFILL_HINT_CREDIT_CARD_NUMBER, AUTOFILL_HINT_CREDIT_CARD_SECURITY_CODE, AUTOFILL_HINT_EMAIL_ADDRESS, AUTOFILL_HINT_NAME, AUTOFILL_HINT_PASSWORD, AUTOFILL_HINT_PHONE, AUTOFILL_HINT_POSTAL_ADDRESS, AUTOFILL_HINT_POSTAL_CODE, AUTOFILL_HINT_USERNAME, AUTOFILL_TYPE_DATE, AUTOFILL_TYPE_LIST, AUTOFILL_TYPE_NONE, AUTOFILL_TYPE_TEXT, AUTOFILL_TYPE_TOGGLE, DRAG_FLAG_ACCESSIBILITY_ACTION, DRAG_FLAG_GLOBAL, DRAG_FLAG_GLOBAL_PERSISTABLE_URI_PERMISSION, DRAG_FLAG_GLOBAL_PREFIX_URI_PERMISSION, DRAG_FLAG_GLOBAL_URI_READ, DRAG_FLAG_GLOBAL_URI_WRITE, DRAG_FLAG_OPAQUE, FIND_VIEWS_WITH_CONTENT_DESCRIPTION, FIND_VIEWS_WITH_TEXT, FOCUS_BACKWARD, FOCUS_DOWN, FOCUS_FORWARD, FOCUS_LEFT, FOCUS_RIGHT, FOCUS_UP, FOCUSABLE, FOCUSABLE_AUTO, FOCUSABLES_ALL, FOCUSABLES_TOUCH_MODE, GONE, HAPTIC_FEEDBACK_ENABLED, IMPORTANT_FOR_ACCESSIBILITY_AUTO, IMPORTANT_FOR_ACCESSIBILITY_NO, IMPORTANT_FOR_ACCESSIBILITY_NO_HIDE_DESCENDANTS, IMPORTANT_FOR_ACCESSIBILITY_YES, IMPORTANT_FOR_AUTOFILL_AUTO, IMPORTANT_FOR_AUTOFILL_NO, IMPORTANT_FOR_AUTOFILL_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_AUTOFILL_YES, IMPORTANT_FOR_AUTOFILL_YES_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_AUTO, IMPORTANT_FOR_CONTENT_CAPTURE_NO, IMPORTANT_FOR_CONTENT_CAPTURE_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_YES, IMPORTANT_FOR_CONTENT_CAPTURE_YES_EXCLUDE_DESCENDANTS, INVISIBLE, KEEP_SCREEN_ON, LAYER_TYPE_HARDWARE, LAYER_TYPE_NONE, LAYER_TYPE_SOFTWARE, LAYOUT_DIRECTION_INHERIT, LAYOUT_DIRECTION_LOCALE, LAYOUT_DIRECTION_LTR, LAYOUT_DIRECTION_RTL, MEASURED_HEIGHT_STATE_SHIFT, MEASURED_SIZE_MASK, MEASURED_STATE_MASK, MEASURED_STATE_TOO_SMALL, NO_ID, NOT_FOCUSABLE, OVER_SCROLL_ALWAYS, OVER_SCROLL_IF_CONTENT_SCROLLS, OVER_SCROLL_NEVER, ROTATION, ROTATION_X, ROTATION_Y, SCALE_X, SCALE_Y, SCREEN_STATE_OFF, SCREEN_STATE_ON, SCROLL_AXIS_HORIZONTAL, SCROLL_AXIS_NONE, SCROLL_AXIS_VERTICAL, SCROLL_CAPTURE_HINT_AUTO, SCROLL_CAPTURE_HINT_EXCLUDE, SCROLL_CAPTURE_HINT_EXCLUDE_DESCENDANTS, SCROLL_CAPTURE_HINT_INCLUDE, SCROLL_INDICATOR_BOTTOM, SCROLL_INDICATOR_END, SCROLL_INDICATOR_LEFT, SCROLL_INDICATOR_RIGHT, SCROLL_INDICATOR_START, SCROLL_INDICATOR_TOP, SCROLLBAR_POSITION_DEFAULT, SCROLLBAR_POSITION_LEFT, SCROLLBAR_POSITION_RIGHT, SCROLLBARS_INSIDE_INSET, SCROLLBARS_INSIDE_OVERLAY, SCROLLBARS_OUTSIDE_INSET, SCROLLBARS_OUTSIDE_OVERLAY, SOUND_EFFECTS_ENABLED, TEXT_ALIGNMENT_CENTER, TEXT_ALIGNMENT_GRAVITY, TEXT_ALIGNMENT_INHERIT, TEXT_ALIGNMENT_TEXT_END, TEXT_ALIGNMENT_TEXT_START, TEXT_ALIGNMENT_VIEW_END, TEXT_ALIGNMENT_VIEW_START, TEXT_DIRECTION_ANY_RTL, TEXT_DIRECTION_FIRST_STRONG, TEXT_DIRECTION_FIRST_STRONG_LTR, TEXT_DIRECTION_FIRST_STRONG_RTL, TEXT_DIRECTION_INHERIT, TEXT_DIRECTION_LOCALE, TEXT_DIRECTION_LTR, TEXT_DIRECTION_RTL, TRANSLATION_X, TRANSLATION_Y, TRANSLATION_Z, VISIBLE, X, Y, Z
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    JavaCameraView(android.content.Context context, - int cameraId)
    -
     
    -
    JavaCameraView(android.content.Context context, - android.util.AttributeSet attrs)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    void
    -
    onPreviewFrame(byte[] frame, - android.hardware.Camera arg1)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class org.opencv.android.CameraBridgeViewBase

    -disableFpsMeter, disableView, enableFpsMeter, enableView, setCameraIndex, setCameraPermissionGranted, SetCaptureFormat, setCvCameraViewListener, setCvCameraViewListener, setMaxFrameSize, surfaceChanged, surfaceCreated, surfaceDestroyed
    -
    -

    Methods inherited from class android.view.SurfaceView

    -applyTransactionToFrame, draw, gatherTransparentRegion, getHolder, getHostToken, getImportantForAccessibility, getSurfaceControl, hasOverlappingRendering, setAlpha, setChildSurfacePackage, setClipBounds, setSecure, setSurfaceLifecycle, setVisibility, setZOrderMediaOverlay, setZOrderOnTop
    -
    -

    Methods inherited from class android.view.View

    -addChildrenForAccessibility, addExtraDataToAccessibilityNodeInfo, addFocusables, addFocusables, addKeyboardNavigationClusters, addOnAttachStateChangeListener, addOnLayoutChangeListener, addOnUnhandledKeyEventListener, addTouchables, animate, announceForAccessibility, autofill, autofill, bringToFront, buildLayer, callOnClick, cancelDragAndDrop, cancelLongPress, cancelPendingInputEvents, canResolveLayoutDirection, canResolveTextAlignment, canResolveTextDirection, canScrollHorizontally, canScrollVertically, checkInputConnectionProxy, clearAnimation, clearFocus, clearViewTranslationCallback, combineMeasuredStates, computeScroll, computeSystemWindowInsets, createAccessibilityNodeInfo, createContextMenu, dispatchApplyWindowInsets, dispatchCapturedPointerEvent, dispatchConfigurationChanged, dispatchCreateViewTranslationRequest, dispatchDisplayHint, dispatchDragEvent, dispatchDrawableHotspotChanged, dispatchFinishTemporaryDetach, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyEventPreIme, dispatchKeyShortcutEvent, dispatchNestedFling, dispatchNestedPreFling, dispatchNestedPrePerformAccessibilityAction, dispatchNestedPreScroll, dispatchNestedScroll, dispatchPointerCaptureChanged, dispatchPopulateAccessibilityEvent, dispatchProvideAutofillStructure, dispatchProvideStructure, dispatchScrollCaptureSearch, dispatchStartTemporaryDetach, dispatchTouchEvent, dispatchTrackballEvent, dispatchUnhandledMove, dispatchWindowFocusChanged, dispatchWindowInsetsAnimationEnd, dispatchWindowInsetsAnimationPrepare, dispatchWindowInsetsAnimationProgress, dispatchWindowInsetsAnimationStart, dispatchWindowVisibilityChanged, drawableHotspotChanged, findFocus, findOnBackInvokedDispatcher, findViewById, findViewsWithText, findViewWithTag, focusSearch, forceHasOverlappingRendering, forceLayout, generateDisplayHash, generateViewId, getAccessibilityClassName, getAccessibilityDelegate, getAccessibilityLiveRegion, getAccessibilityNodeProvider, getAccessibilityPaneTitle, getAccessibilityTraversalAfter, getAccessibilityTraversalBefore, getAllowedHandwritingDelegatePackageName, getAllowedHandwritingDelegatorPackageName, getAlpha, getAnimation, getAnimationMatrix, getApplicationWindowToken, getAttributeResolutionStack, getAttributeSourceResourceMap, getAutofillHints, getAutofillId, getAutofillType, getAutofillValue, getBackground, getBackgroundTintBlendMode, getBackgroundTintList, getBackgroundTintMode, getBaseline, getBottom, getCameraDistance, getClipBounds, getClipBounds, getClipToOutline, getContentCaptureSession, getContentDescription, getContext, getDefaultFocusHighlightEnabled, getDefaultSize, getDisplay, getDrawableState, getDrawingRect, getDrawingTime, getElevation, getExplicitStyle, getFilterTouchesWhenObscured, getFitsSystemWindows, getFocusable, getFocusables, getFocusedRect, getForeground, getForegroundGravity, getForegroundTintBlendMode, getForegroundTintList, getForegroundTintMode, getGlobalVisibleRect, getGlobalVisibleRect, getHandler, getHandwritingBoundsOffsetBottom, getHandwritingBoundsOffsetLeft, getHandwritingBoundsOffsetRight, getHandwritingBoundsOffsetTop, getHandwritingDelegatorCallback, getHasOverlappingRendering, getHeight, getHitRect, getHorizontalFadingEdgeLength, getHorizontalScrollbarThumbDrawable, getHorizontalScrollbarTrackDrawable, getId, getImportantForAutofill, getImportantForContentCapture, getKeepScreenOn, getKeyDispatcherState, getLabelFor, getLayerType, getLayoutDirection, getLayoutParams, getLeft, getLocalVisibleRect, getLocationInSurface, getLocationInWindow, getLocationOnScreen, getMatrix, getMeasuredHeight, getMeasuredHeightAndState, getMeasuredState, getMeasuredWidth, getMeasuredWidthAndState, getMinimumHeight, getMinimumWidth, getNextClusterForwardId, getNextFocusDownId, getNextFocusForwardId, getNextFocusLeftId, getNextFocusRightId, getNextFocusUpId, getOnFocusChangeListener, getOutlineAmbientShadowColor, getOutlineProvider, getOutlineSpotShadowColor, getOverlay, getOverScrollMode, getPaddingBottom, getPaddingEnd, getPaddingLeft, getPaddingRight, getPaddingStart, getPaddingTop, getParent, getParentForAccessibility, getPivotX, getPivotY, getPointerIcon, getPreferKeepClearRects, getReceiveContentMimeTypes, getResources, getRevealOnFocusHint, getRight, getRootSurfaceControl, getRootView, getRootWindowInsets, getRotation, getRotationX, getRotationY, getScaleX, getScaleY, getScrollBarDefaultDelayBeforeFade, getScrollBarFadeDuration, getScrollBarSize, getScrollBarStyle, getScrollCaptureHint, getScrollIndicators, getScrollX, getScrollY, getSolidColor, getSourceLayoutResId, getStateDescription, getStateListAnimator, getSystemGestureExclusionRects, getTag, getTag, getTextAlignment, getTextDirection, getTooltipText, getTop, getTouchables, getTouchDelegate, getTransitionAlpha, getTransitionName, getTranslationX, getTranslationY, getTranslationZ, getUniqueDrawingId, getVerticalFadingEdgeLength, getVerticalScrollbarPosition, getVerticalScrollbarThumbDrawable, getVerticalScrollbarTrackDrawable, getVerticalScrollbarWidth, getViewTranslationResponse, getViewTreeObserver, getVisibility, getWidth, getWindowId, getWindowInsetsController, getWindowToken, getWindowVisibility, getWindowVisibleDisplayFrame, getX, getY, getZ, hasExplicitFocusable, hasFocus, hasFocusable, hasNestedScrollingParent, hasOnClickListeners, hasOnLongClickListeners, hasPointerCapture, hasTransientState, hasWindowFocus, inflate, invalidate, invalidateDrawable, invalidateOutline, isAccessibilityDataSensitive, isAccessibilityFocused, isAccessibilityHeading, isActivated, isAttachedToWindow, isAutoHandwritingEnabled, isClickable, isContextClickable, isCredential, isDirty, isDuplicateParentStateEnabled, isEnabled, isFocusable, isFocusableInTouchMode, isFocused, isFocusedByDefault, isForceDarkAllowed, isHandwritingDelegate, isHapticFeedbackEnabled, isHardwareAccelerated, isHorizontalFadingEdgeEnabled, isHorizontalScrollBarEnabled, isHovered, isImportantForAccessibility, isImportantForAutofill, isImportantForContentCapture, isInEditMode, isInLayout, isInTouchMode, isKeyboardNavigationCluster, isLaidOut, isLayoutDirectionResolved, isLayoutRequested, isLongClickable, isNestedScrollingEnabled, isOpaque, isPaddingRelative, isPivotSet, isPreferKeepClear, isPressed, isSaveEnabled, isSaveFromParentEnabled, isScreenReaderFocusable, isScrollbarFadingEnabled, isScrollContainer, isSelected, isShowingLayoutBounds, isShown, isSoundEffectsEnabled, isTemporarilyDetached, isTextAlignmentResolved, isTextDirectionResolved, isVerticalFadingEdgeEnabled, isVerticalScrollBarEnabled, isVisibleToUserForAutofill, jumpDrawablesToCurrentState, keyboardNavigationClusterSearch, layout, measure, offsetLeftAndRight, offsetTopAndBottom, onApplyWindowInsets, onCancelPendingInputEvents, onCapturedPointerEvent, onCheckIsTextEditor, onCreateInputConnection, onCreateViewTranslationRequest, onCreateVirtualViewTranslationRequests, onDragEvent, onDrawForeground, onFilterTouchEventForSecurity, onFinishTemporaryDetach, onGenericMotionEvent, onHoverChanged, onHoverEvent, onInitializeAccessibilityEvent, onInitializeAccessibilityNodeInfo, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyPreIme, onKeyShortcut, onKeyUp, onPointerCaptureChange, onPopulateAccessibilityEvent, onProvideAutofillStructure, onProvideAutofillVirtualStructure, onProvideContentCaptureStructure, onProvideStructure, onProvideVirtualStructure, onReceiveContent, onResolvePointerIcon, onRtlPropertiesChanged, onScreenStateChanged, onScrollCaptureSearch, onStartTemporaryDetach, onTouchEvent, onTrackballEvent, onViewTranslationResponse, onVirtualViewTranslationResponses, onVisibilityAggregated, onWindowFocusChanged, performAccessibilityAction, performClick, performContextClick, performContextClick, performHapticFeedback, performHapticFeedback, performLongClick, performLongClick, performReceiveContent, playSoundEffect, post, postDelayed, postInvalidate, postInvalidate, postInvalidateDelayed, postInvalidateDelayed, postInvalidateOnAnimation, postInvalidateOnAnimation, postOnAnimation, postOnAnimationDelayed, refreshDrawableState, releasePointerCapture, removeCallbacks, removeOnAttachStateChangeListener, removeOnLayoutChangeListener, removeOnUnhandledKeyEventListener, requestApplyInsets, requestFocus, requestFocus, requestFocus, requestFocusFromTouch, requestLayout, requestPointerCapture, requestRectangleOnScreen, requestRectangleOnScreen, requestUnbufferedDispatch, requestUnbufferedDispatch, requireViewById, resetPivot, resolveSize, resolveSizeAndState, restoreDefaultFocus, restoreHierarchyState, saveAttributeDataForStyleable, saveHierarchyState, scheduleDrawable, scrollBy, scrollTo, sendAccessibilityEvent, sendAccessibilityEventUnchecked, setAccessibilityDataSensitive, setAccessibilityDelegate, setAccessibilityHeading, setAccessibilityLiveRegion, setAccessibilityPaneTitle, setAccessibilityTraversalAfter, setAccessibilityTraversalBefore, setActivated, setAllowClickWhenDisabled, setAllowedHandwritingDelegatePackage, setAllowedHandwritingDelegatorPackage, setAnimation, setAnimationMatrix, setAutofillHints, setAutofillId, setAutoHandwritingEnabled, setBackground, setBackgroundColor, setBackgroundResource, setBackgroundTintBlendMode, setBackgroundTintList, setBackgroundTintMode, setBottom, setCameraDistance, setClickable, setClipToOutline, setContentCaptureSession, setContentDescription, setContextClickable, setDefaultFocusHighlightEnabled, setDuplicateParentStateEnabled, setElevation, setEnabled, setFadingEdgeLength, setFilterTouchesWhenObscured, setFitsSystemWindows, setFocusable, setFocusable, setFocusableInTouchMode, setFocusedByDefault, setForceDarkAllowed, setForeground, setForegroundGravity, setForegroundTintBlendMode, setForegroundTintList, setForegroundTintMode, setHandwritingBoundsOffsets, setHandwritingDelegatorCallback, setHapticFeedbackEnabled, setHasTransientState, setHorizontalFadingEdgeEnabled, setHorizontalScrollBarEnabled, setHorizontalScrollbarThumbDrawable, setHorizontalScrollbarTrackDrawable, setHovered, setId, setImportantForAccessibility, setImportantForAutofill, setImportantForContentCapture, setIsCredential, setIsHandwritingDelegate, setKeepScreenOn, setKeyboardNavigationCluster, setLabelFor, setLayerPaint, setLayerType, setLayoutDirection, setLayoutParams, setLeft, setLeftTopRightBottom, setLongClickable, setMinimumHeight, setMinimumWidth, setNestedScrollingEnabled, setNextClusterForwardId, setNextFocusDownId, setNextFocusForwardId, setNextFocusLeftId, setNextFocusRightId, setNextFocusUpId, setOnApplyWindowInsetsListener, setOnCapturedPointerListener, setOnClickListener, setOnContextClickListener, setOnCreateContextMenuListener, setOnDragListener, setOnFocusChangeListener, setOnGenericMotionListener, setOnHoverListener, setOnKeyListener, setOnLongClickListener, setOnReceiveContentListener, setOnScrollChangeListener, setOnTouchListener, setOutlineAmbientShadowColor, setOutlineProvider, setOutlineSpotShadowColor, setOverScrollMode, setPadding, setPaddingRelative, setPivotX, setPivotY, setPointerIcon, setPreferKeepClear, setPreferKeepClearRects, setPressed, setRenderEffect, setRevealOnFocusHint, setRight, setRotation, setRotationX, setRotationY, setSaveEnabled, setSaveFromParentEnabled, setScaleX, setScaleY, setScreenReaderFocusable, setScrollBarDefaultDelayBeforeFade, setScrollBarFadeDuration, setScrollbarFadingEnabled, setScrollBarSize, setScrollBarStyle, setScrollCaptureCallback, setScrollCaptureHint, setScrollContainer, setScrollIndicators, setScrollIndicators, setScrollX, setScrollY, setSelected, setSoundEffectsEnabled, setStateDescription, setStateListAnimator, setSystemGestureExclusionRects, setTag, setTag, setTextAlignment, setTextDirection, setTooltipText, setTop, setTouchDelegate, setTransitionAlpha, setTransitionName, setTransitionVisibility, setTranslationX, setTranslationY, setTranslationZ, setVerticalFadingEdgeEnabled, setVerticalScrollBarEnabled, setVerticalScrollbarPosition, setVerticalScrollbarThumbDrawable, setVerticalScrollbarTrackDrawable, setViewTranslationCallback, setWillNotDraw, setWindowInsetsAnimationCallback, setX, setY, setZ, showContextMenu, showContextMenu, startActionMode, startActionMode, startAnimation, startDragAndDrop, startNestedScroll, stopNestedScroll, toString, transformMatrixToGlobal, transformMatrixToLocal, unscheduleDrawable, unscheduleDrawable, updateDragShadow, willNotDraw
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      JavaCameraView

      -
      public JavaCameraView(android.content.Context context, - int cameraId)
      -
      -
      • -
    • -
      -

      JavaCameraView

      -
      public JavaCameraView(android.content.Context context, - android.util.AttributeSet attrs)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      onPreviewFrame

      -
      public void onPreviewFrame(byte[] frame, - android.hardware.Camera arg1)
      -
      -
      Specified by:
      -
      onPreviewFrame in interface android.hardware.Camera.PreviewCallback
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.OpenCvSizeAccessor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.OpenCvSizeAccessor.html deleted file mode 100644 index 0ad0d70ad4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.OpenCvSizeAccessor.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -NativeCameraView.OpenCvSizeAccessor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class NativeCameraView.OpenCvSizeAccessor

-
-
java.lang.Object -
org.opencv.android.NativeCameraView.OpenCvSizeAccessor
-
-
-
-
All Implemented Interfaces:
-
CameraBridgeViewBase.ListItemAccessor
-
-
-
Enclosing class:
-
NativeCameraView
-
-
-
public static class NativeCameraView.OpenCvSizeAccessor -extends Object -implements CameraBridgeViewBase.ListItemAccessor
-
-
- -
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.html deleted file mode 100644 index 6e6552e656..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/NativeCameraView.html +++ /dev/null @@ -1,241 +0,0 @@ - - - - -NativeCameraView (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class NativeCameraView

-
-
java.lang.Object -
android.view.View -
android.view.SurfaceView -
org.opencv.android.CameraBridgeViewBase -
org.opencv.android.NativeCameraView
-
-
-
-
-
-
-
All Implemented Interfaces:
-
android.graphics.drawable.Drawable.Callback, android.view.accessibility.AccessibilityEventSource, android.view.KeyEvent.Callback, android.view.SurfaceHolder.Callback
-
-
-
public class NativeCameraView -extends CameraBridgeViewBase
-
This class is an implementation of a bridge between SurfaceView and OpenCV VideoCapture. - The class is experimental implementation and not recoomended for production usage.
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static class 
    -
    NativeCameraView.OpenCvSizeAccessor
    -
     
    -
    -
    -

    Nested classes/interfaces inherited from class org.opencv.android.CameraBridgeViewBase

    -CameraBridgeViewBase.CvCameraViewFrame, CameraBridgeViewBase.CvCameraViewListener, CameraBridgeViewBase.CvCameraViewListener2, CameraBridgeViewBase.ListItemAccessor, CameraBridgeViewBase.RotatedCameraFrame
    -
    -

    Nested classes/interfaces inherited from class android.view.View

    -android.view.View.AccessibilityDelegate, android.view.View.BaseSavedState, android.view.View.DragShadowBuilder, android.view.View.MeasureSpec, android.view.View.OnApplyWindowInsetsListener, android.view.View.OnAttachStateChangeListener, android.view.View.OnCapturedPointerListener, android.view.View.OnClickListener, android.view.View.OnContextClickListener, android.view.View.OnCreateContextMenuListener, android.view.View.OnDragListener, android.view.View.OnFocusChangeListener, android.view.View.OnGenericMotionListener, android.view.View.OnHoverListener, android.view.View.OnKeyListener, android.view.View.OnLayoutChangeListener, android.view.View.OnLongClickListener, android.view.View.OnScrollChangeListener, android.view.View.OnTouchListener, android.view.View.OnUnhandledKeyEventListener
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final String
    -
    TAG
    -
     
    -
    -
    -

    Fields inherited from class org.opencv.android.CameraBridgeViewBase

    -CAMERA_ID_ANY, CAMERA_ID_BACK, CAMERA_ID_FRONT, GRAY, RGBA
    -
    -

    Fields inherited from class android.view.SurfaceView

    -SURFACE_LIFECYCLE_DEFAULT, SURFACE_LIFECYCLE_FOLLOWS_ATTACHMENT, SURFACE_LIFECYCLE_FOLLOWS_VISIBILITY
    -
    -

    Fields inherited from class android.view.View

    -ACCESSIBILITY_DATA_SENSITIVE_AUTO, ACCESSIBILITY_DATA_SENSITIVE_NO, ACCESSIBILITY_DATA_SENSITIVE_YES, ACCESSIBILITY_LIVE_REGION_ASSERTIVE, ACCESSIBILITY_LIVE_REGION_NONE, ACCESSIBILITY_LIVE_REGION_POLITE, ALPHA, AUTOFILL_FLAG_INCLUDE_NOT_IMPORTANT_VIEWS, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DATE, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_DAY, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_MONTH, AUTOFILL_HINT_CREDIT_CARD_EXPIRATION_YEAR, AUTOFILL_HINT_CREDIT_CARD_NUMBER, AUTOFILL_HINT_CREDIT_CARD_SECURITY_CODE, AUTOFILL_HINT_EMAIL_ADDRESS, AUTOFILL_HINT_NAME, AUTOFILL_HINT_PASSWORD, AUTOFILL_HINT_PHONE, AUTOFILL_HINT_POSTAL_ADDRESS, AUTOFILL_HINT_POSTAL_CODE, AUTOFILL_HINT_USERNAME, AUTOFILL_TYPE_DATE, AUTOFILL_TYPE_LIST, AUTOFILL_TYPE_NONE, AUTOFILL_TYPE_TEXT, AUTOFILL_TYPE_TOGGLE, DRAG_FLAG_ACCESSIBILITY_ACTION, DRAG_FLAG_GLOBAL, DRAG_FLAG_GLOBAL_PERSISTABLE_URI_PERMISSION, DRAG_FLAG_GLOBAL_PREFIX_URI_PERMISSION, DRAG_FLAG_GLOBAL_URI_READ, DRAG_FLAG_GLOBAL_URI_WRITE, DRAG_FLAG_OPAQUE, FIND_VIEWS_WITH_CONTENT_DESCRIPTION, FIND_VIEWS_WITH_TEXT, FOCUS_BACKWARD, FOCUS_DOWN, FOCUS_FORWARD, FOCUS_LEFT, FOCUS_RIGHT, FOCUS_UP, FOCUSABLE, FOCUSABLE_AUTO, FOCUSABLES_ALL, FOCUSABLES_TOUCH_MODE, GONE, HAPTIC_FEEDBACK_ENABLED, IMPORTANT_FOR_ACCESSIBILITY_AUTO, IMPORTANT_FOR_ACCESSIBILITY_NO, IMPORTANT_FOR_ACCESSIBILITY_NO_HIDE_DESCENDANTS, IMPORTANT_FOR_ACCESSIBILITY_YES, IMPORTANT_FOR_AUTOFILL_AUTO, IMPORTANT_FOR_AUTOFILL_NO, IMPORTANT_FOR_AUTOFILL_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_AUTOFILL_YES, IMPORTANT_FOR_AUTOFILL_YES_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_AUTO, IMPORTANT_FOR_CONTENT_CAPTURE_NO, IMPORTANT_FOR_CONTENT_CAPTURE_NO_EXCLUDE_DESCENDANTS, IMPORTANT_FOR_CONTENT_CAPTURE_YES, IMPORTANT_FOR_CONTENT_CAPTURE_YES_EXCLUDE_DESCENDANTS, INVISIBLE, KEEP_SCREEN_ON, LAYER_TYPE_HARDWARE, LAYER_TYPE_NONE, LAYER_TYPE_SOFTWARE, LAYOUT_DIRECTION_INHERIT, LAYOUT_DIRECTION_LOCALE, LAYOUT_DIRECTION_LTR, LAYOUT_DIRECTION_RTL, MEASURED_HEIGHT_STATE_SHIFT, MEASURED_SIZE_MASK, MEASURED_STATE_MASK, MEASURED_STATE_TOO_SMALL, NO_ID, NOT_FOCUSABLE, OVER_SCROLL_ALWAYS, OVER_SCROLL_IF_CONTENT_SCROLLS, OVER_SCROLL_NEVER, ROTATION, ROTATION_X, ROTATION_Y, SCALE_X, SCALE_Y, SCREEN_STATE_OFF, SCREEN_STATE_ON, SCROLL_AXIS_HORIZONTAL, SCROLL_AXIS_NONE, SCROLL_AXIS_VERTICAL, SCROLL_CAPTURE_HINT_AUTO, SCROLL_CAPTURE_HINT_EXCLUDE, SCROLL_CAPTURE_HINT_EXCLUDE_DESCENDANTS, SCROLL_CAPTURE_HINT_INCLUDE, SCROLL_INDICATOR_BOTTOM, SCROLL_INDICATOR_END, SCROLL_INDICATOR_LEFT, SCROLL_INDICATOR_RIGHT, SCROLL_INDICATOR_START, SCROLL_INDICATOR_TOP, SCROLLBAR_POSITION_DEFAULT, SCROLLBAR_POSITION_LEFT, SCROLLBAR_POSITION_RIGHT, SCROLLBARS_INSIDE_INSET, SCROLLBARS_INSIDE_OVERLAY, SCROLLBARS_OUTSIDE_INSET, SCROLLBARS_OUTSIDE_OVERLAY, SOUND_EFFECTS_ENABLED, TEXT_ALIGNMENT_CENTER, TEXT_ALIGNMENT_GRAVITY, TEXT_ALIGNMENT_INHERIT, TEXT_ALIGNMENT_TEXT_END, TEXT_ALIGNMENT_TEXT_START, TEXT_ALIGNMENT_VIEW_END, TEXT_ALIGNMENT_VIEW_START, TEXT_DIRECTION_ANY_RTL, TEXT_DIRECTION_FIRST_STRONG, TEXT_DIRECTION_FIRST_STRONG_LTR, TEXT_DIRECTION_FIRST_STRONG_RTL, TEXT_DIRECTION_INHERIT, TEXT_DIRECTION_LOCALE, TEXT_DIRECTION_LTR, TEXT_DIRECTION_RTL, TRANSLATION_X, TRANSLATION_Y, TRANSLATION_Z, VISIBLE, X, Y, Z
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    NativeCameraView(android.content.Context context, - int cameraId)
    -
     
    -
    NativeCameraView(android.content.Context context, - android.util.AttributeSet attrs)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -

    Methods inherited from class org.opencv.android.CameraBridgeViewBase

    -disableFpsMeter, disableView, enableFpsMeter, enableView, setCameraIndex, setCameraPermissionGranted, SetCaptureFormat, setCvCameraViewListener, setCvCameraViewListener, setMaxFrameSize, surfaceChanged, surfaceCreated, surfaceDestroyed
    -
    -

    Methods inherited from class android.view.SurfaceView

    -applyTransactionToFrame, draw, gatherTransparentRegion, getHolder, getHostToken, getImportantForAccessibility, getSurfaceControl, hasOverlappingRendering, setAlpha, setChildSurfacePackage, setClipBounds, setSecure, setSurfaceLifecycle, setVisibility, setZOrderMediaOverlay, setZOrderOnTop
    -
    -

    Methods inherited from class android.view.View

    -addChildrenForAccessibility, addExtraDataToAccessibilityNodeInfo, addFocusables, addFocusables, addKeyboardNavigationClusters, addOnAttachStateChangeListener, addOnLayoutChangeListener, addOnUnhandledKeyEventListener, addTouchables, animate, announceForAccessibility, autofill, autofill, bringToFront, buildLayer, callOnClick, cancelDragAndDrop, cancelLongPress, cancelPendingInputEvents, canResolveLayoutDirection, canResolveTextAlignment, canResolveTextDirection, canScrollHorizontally, canScrollVertically, checkInputConnectionProxy, clearAnimation, clearFocus, clearViewTranslationCallback, combineMeasuredStates, computeScroll, computeSystemWindowInsets, createAccessibilityNodeInfo, createContextMenu, dispatchApplyWindowInsets, dispatchCapturedPointerEvent, dispatchConfigurationChanged, dispatchCreateViewTranslationRequest, dispatchDisplayHint, dispatchDragEvent, dispatchDrawableHotspotChanged, dispatchFinishTemporaryDetach, dispatchGenericMotionEvent, dispatchKeyEvent, dispatchKeyEventPreIme, dispatchKeyShortcutEvent, dispatchNestedFling, dispatchNestedPreFling, dispatchNestedPrePerformAccessibilityAction, dispatchNestedPreScroll, dispatchNestedScroll, dispatchPointerCaptureChanged, dispatchPopulateAccessibilityEvent, dispatchProvideAutofillStructure, dispatchProvideStructure, dispatchScrollCaptureSearch, dispatchStartTemporaryDetach, dispatchTouchEvent, dispatchTrackballEvent, dispatchUnhandledMove, dispatchWindowFocusChanged, dispatchWindowInsetsAnimationEnd, dispatchWindowInsetsAnimationPrepare, dispatchWindowInsetsAnimationProgress, dispatchWindowInsetsAnimationStart, dispatchWindowVisibilityChanged, drawableHotspotChanged, findFocus, findOnBackInvokedDispatcher, findViewById, findViewsWithText, findViewWithTag, focusSearch, forceHasOverlappingRendering, forceLayout, generateDisplayHash, generateViewId, getAccessibilityClassName, getAccessibilityDelegate, getAccessibilityLiveRegion, getAccessibilityNodeProvider, getAccessibilityPaneTitle, getAccessibilityTraversalAfter, getAccessibilityTraversalBefore, getAllowedHandwritingDelegatePackageName, getAllowedHandwritingDelegatorPackageName, getAlpha, getAnimation, getAnimationMatrix, getApplicationWindowToken, getAttributeResolutionStack, getAttributeSourceResourceMap, getAutofillHints, getAutofillId, getAutofillType, getAutofillValue, getBackground, getBackgroundTintBlendMode, getBackgroundTintList, getBackgroundTintMode, getBaseline, getBottom, getCameraDistance, getClipBounds, getClipBounds, getClipToOutline, getContentCaptureSession, getContentDescription, getContext, getDefaultFocusHighlightEnabled, getDefaultSize, getDisplay, getDrawableState, getDrawingRect, getDrawingTime, getElevation, getExplicitStyle, getFilterTouchesWhenObscured, getFitsSystemWindows, getFocusable, getFocusables, getFocusedRect, getForeground, getForegroundGravity, getForegroundTintBlendMode, getForegroundTintList, getForegroundTintMode, getGlobalVisibleRect, getGlobalVisibleRect, getHandler, getHandwritingBoundsOffsetBottom, getHandwritingBoundsOffsetLeft, getHandwritingBoundsOffsetRight, getHandwritingBoundsOffsetTop, getHandwritingDelegatorCallback, getHasOverlappingRendering, getHeight, getHitRect, getHorizontalFadingEdgeLength, getHorizontalScrollbarThumbDrawable, getHorizontalScrollbarTrackDrawable, getId, getImportantForAutofill, getImportantForContentCapture, getKeepScreenOn, getKeyDispatcherState, getLabelFor, getLayerType, getLayoutDirection, getLayoutParams, getLeft, getLocalVisibleRect, getLocationInSurface, getLocationInWindow, getLocationOnScreen, getMatrix, getMeasuredHeight, getMeasuredHeightAndState, getMeasuredState, getMeasuredWidth, getMeasuredWidthAndState, getMinimumHeight, getMinimumWidth, getNextClusterForwardId, getNextFocusDownId, getNextFocusForwardId, getNextFocusLeftId, getNextFocusRightId, getNextFocusUpId, getOnFocusChangeListener, getOutlineAmbientShadowColor, getOutlineProvider, getOutlineSpotShadowColor, getOverlay, getOverScrollMode, getPaddingBottom, getPaddingEnd, getPaddingLeft, getPaddingRight, getPaddingStart, getPaddingTop, getParent, getParentForAccessibility, getPivotX, getPivotY, getPointerIcon, getPreferKeepClearRects, getReceiveContentMimeTypes, getResources, getRevealOnFocusHint, getRight, getRootSurfaceControl, getRootView, getRootWindowInsets, getRotation, getRotationX, getRotationY, getScaleX, getScaleY, getScrollBarDefaultDelayBeforeFade, getScrollBarFadeDuration, getScrollBarSize, getScrollBarStyle, getScrollCaptureHint, getScrollIndicators, getScrollX, getScrollY, getSolidColor, getSourceLayoutResId, getStateDescription, getStateListAnimator, getSystemGestureExclusionRects, getTag, getTag, getTextAlignment, getTextDirection, getTooltipText, getTop, getTouchables, getTouchDelegate, getTransitionAlpha, getTransitionName, getTranslationX, getTranslationY, getTranslationZ, getUniqueDrawingId, getVerticalFadingEdgeLength, getVerticalScrollbarPosition, getVerticalScrollbarThumbDrawable, getVerticalScrollbarTrackDrawable, getVerticalScrollbarWidth, getViewTranslationResponse, getViewTreeObserver, getVisibility, getWidth, getWindowId, getWindowInsetsController, getWindowToken, getWindowVisibility, getWindowVisibleDisplayFrame, getX, getY, getZ, hasExplicitFocusable, hasFocus, hasFocusable, hasNestedScrollingParent, hasOnClickListeners, hasOnLongClickListeners, hasPointerCapture, hasTransientState, hasWindowFocus, inflate, invalidate, invalidateDrawable, invalidateOutline, isAccessibilityDataSensitive, isAccessibilityFocused, isAccessibilityHeading, isActivated, isAttachedToWindow, isAutoHandwritingEnabled, isClickable, isContextClickable, isCredential, isDirty, isDuplicateParentStateEnabled, isEnabled, isFocusable, isFocusableInTouchMode, isFocused, isFocusedByDefault, isForceDarkAllowed, isHandwritingDelegate, isHapticFeedbackEnabled, isHardwareAccelerated, isHorizontalFadingEdgeEnabled, isHorizontalScrollBarEnabled, isHovered, isImportantForAccessibility, isImportantForAutofill, isImportantForContentCapture, isInEditMode, isInLayout, isInTouchMode, isKeyboardNavigationCluster, isLaidOut, isLayoutDirectionResolved, isLayoutRequested, isLongClickable, isNestedScrollingEnabled, isOpaque, isPaddingRelative, isPivotSet, isPreferKeepClear, isPressed, isSaveEnabled, isSaveFromParentEnabled, isScreenReaderFocusable, isScrollbarFadingEnabled, isScrollContainer, isSelected, isShowingLayoutBounds, isShown, isSoundEffectsEnabled, isTemporarilyDetached, isTextAlignmentResolved, isTextDirectionResolved, isVerticalFadingEdgeEnabled, isVerticalScrollBarEnabled, isVisibleToUserForAutofill, jumpDrawablesToCurrentState, keyboardNavigationClusterSearch, layout, measure, offsetLeftAndRight, offsetTopAndBottom, onApplyWindowInsets, onCancelPendingInputEvents, onCapturedPointerEvent, onCheckIsTextEditor, onCreateInputConnection, onCreateViewTranslationRequest, onCreateVirtualViewTranslationRequests, onDragEvent, onDrawForeground, onFilterTouchEventForSecurity, onFinishTemporaryDetach, onGenericMotionEvent, onHoverChanged, onHoverEvent, onInitializeAccessibilityEvent, onInitializeAccessibilityNodeInfo, onKeyDown, onKeyLongPress, onKeyMultiple, onKeyPreIme, onKeyShortcut, onKeyUp, onPointerCaptureChange, onPopulateAccessibilityEvent, onProvideAutofillStructure, onProvideAutofillVirtualStructure, onProvideContentCaptureStructure, onProvideStructure, onProvideVirtualStructure, onReceiveContent, onResolvePointerIcon, onRtlPropertiesChanged, onScreenStateChanged, onScrollCaptureSearch, onStartTemporaryDetach, onTouchEvent, onTrackballEvent, onViewTranslationResponse, onVirtualViewTranslationResponses, onVisibilityAggregated, onWindowFocusChanged, performAccessibilityAction, performClick, performContextClick, performContextClick, performHapticFeedback, performHapticFeedback, performLongClick, performLongClick, performReceiveContent, playSoundEffect, post, postDelayed, postInvalidate, postInvalidate, postInvalidateDelayed, postInvalidateDelayed, postInvalidateOnAnimation, postInvalidateOnAnimation, postOnAnimation, postOnAnimationDelayed, refreshDrawableState, releasePointerCapture, removeCallbacks, removeOnAttachStateChangeListener, removeOnLayoutChangeListener, removeOnUnhandledKeyEventListener, requestApplyInsets, requestFocus, requestFocus, requestFocus, requestFocusFromTouch, requestLayout, requestPointerCapture, requestRectangleOnScreen, requestRectangleOnScreen, requestUnbufferedDispatch, requestUnbufferedDispatch, requireViewById, resetPivot, resolveSize, resolveSizeAndState, restoreDefaultFocus, restoreHierarchyState, saveAttributeDataForStyleable, saveHierarchyState, scheduleDrawable, scrollBy, scrollTo, sendAccessibilityEvent, sendAccessibilityEventUnchecked, setAccessibilityDataSensitive, setAccessibilityDelegate, setAccessibilityHeading, setAccessibilityLiveRegion, setAccessibilityPaneTitle, setAccessibilityTraversalAfter, setAccessibilityTraversalBefore, setActivated, setAllowClickWhenDisabled, setAllowedHandwritingDelegatePackage, setAllowedHandwritingDelegatorPackage, setAnimation, setAnimationMatrix, setAutofillHints, setAutofillId, setAutoHandwritingEnabled, setBackground, setBackgroundColor, setBackgroundResource, setBackgroundTintBlendMode, setBackgroundTintList, setBackgroundTintMode, setBottom, setCameraDistance, setClickable, setClipToOutline, setContentCaptureSession, setContentDescription, setContextClickable, setDefaultFocusHighlightEnabled, setDuplicateParentStateEnabled, setElevation, setEnabled, setFadingEdgeLength, setFilterTouchesWhenObscured, setFitsSystemWindows, setFocusable, setFocusable, setFocusableInTouchMode, setFocusedByDefault, setForceDarkAllowed, setForeground, setForegroundGravity, setForegroundTintBlendMode, setForegroundTintList, setForegroundTintMode, setHandwritingBoundsOffsets, setHandwritingDelegatorCallback, setHapticFeedbackEnabled, setHasTransientState, setHorizontalFadingEdgeEnabled, setHorizontalScrollBarEnabled, setHorizontalScrollbarThumbDrawable, setHorizontalScrollbarTrackDrawable, setHovered, setId, setImportantForAccessibility, setImportantForAutofill, setImportantForContentCapture, setIsCredential, setIsHandwritingDelegate, setKeepScreenOn, setKeyboardNavigationCluster, setLabelFor, setLayerPaint, setLayerType, setLayoutDirection, setLayoutParams, setLeft, setLeftTopRightBottom, setLongClickable, setMinimumHeight, setMinimumWidth, setNestedScrollingEnabled, setNextClusterForwardId, setNextFocusDownId, setNextFocusForwardId, setNextFocusLeftId, setNextFocusRightId, setNextFocusUpId, setOnApplyWindowInsetsListener, setOnCapturedPointerListener, setOnClickListener, setOnContextClickListener, setOnCreateContextMenuListener, setOnDragListener, setOnFocusChangeListener, setOnGenericMotionListener, setOnHoverListener, setOnKeyListener, setOnLongClickListener, setOnReceiveContentListener, setOnScrollChangeListener, setOnTouchListener, setOutlineAmbientShadowColor, setOutlineProvider, setOutlineSpotShadowColor, setOverScrollMode, setPadding, setPaddingRelative, setPivotX, setPivotY, setPointerIcon, setPreferKeepClear, setPreferKeepClearRects, setPressed, setRenderEffect, setRevealOnFocusHint, setRight, setRotation, setRotationX, setRotationY, setSaveEnabled, setSaveFromParentEnabled, setScaleX, setScaleY, setScreenReaderFocusable, setScrollBarDefaultDelayBeforeFade, setScrollBarFadeDuration, setScrollbarFadingEnabled, setScrollBarSize, setScrollBarStyle, setScrollCaptureCallback, setScrollCaptureHint, setScrollContainer, setScrollIndicators, setScrollIndicators, setScrollX, setScrollY, setSelected, setSoundEffectsEnabled, setStateDescription, setStateListAnimator, setSystemGestureExclusionRects, setTag, setTag, setTextAlignment, setTextDirection, setTooltipText, setTop, setTouchDelegate, setTransitionAlpha, setTransitionName, setTransitionVisibility, setTranslationX, setTranslationY, setTranslationZ, setVerticalFadingEdgeEnabled, setVerticalScrollBarEnabled, setVerticalScrollbarPosition, setVerticalScrollbarThumbDrawable, setVerticalScrollbarTrackDrawable, setViewTranslationCallback, setWillNotDraw, setWindowInsetsAnimationCallback, setX, setY, setZ, showContextMenu, showContextMenu, startActionMode, startActionMode, startAnimation, startDragAndDrop, startNestedScroll, stopNestedScroll, toString, transformMatrixToGlobal, transformMatrixToLocal, unscheduleDrawable, unscheduleDrawable, updateDragShadow, willNotDraw
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      NativeCameraView

      -
      public NativeCameraView(android.content.Context context, - int cameraId)
      -
      -
      • -
    • -
      -

      NativeCameraView

      -
      public NativeCameraView(android.content.Context context, - android.util.AttributeSet attrs)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/OpenCVLoader.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/OpenCVLoader.html deleted file mode 100644 index 1b50ddb2ff..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/OpenCVLoader.html +++ /dev/null @@ -1,220 +0,0 @@ - - - - -OpenCVLoader (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class OpenCVLoader

-
-
java.lang.Object -
org.opencv.android.OpenCVLoader
-
-
-
-
public class OpenCVLoader -extends Object
-
Helper class provides common initialization methods for OpenCV library.
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final String
    -
    OPENCV_VERSION
    -
    -
    Current OpenCV Library version
    -
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    OpenCVLoader()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static boolean
    -
    initLocal()
    -
    -
    Loads and initializes OpenCV library from current application package.
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      OPENCV_VERSION

      -
      public static final String OPENCV_VERSION
      -
      Current OpenCV Library version
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      OpenCVLoader

      -
      public OpenCVLoader()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      initLocal

      -
      public static boolean initLocal()
      -
      Loads and initializes OpenCV library from current application package. Roughly, it's an analog of system.loadLibrary("opencv_java").
      -
      -
      Returns:
      -
      Returns true is initialization of OpenCV was successful.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/Utils.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/Utils.html deleted file mode 100644 index 5b3a89866b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/Utils.html +++ /dev/null @@ -1,314 +0,0 @@ - - - - -Utils (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.android
-

Class Utils

-
-
java.lang.Object -
org.opencv.android.Utils
-
-
-
-
public class Utils -extends Object
-
-
-
    - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Utils()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static void
    -
    bitmapToMat(android.graphics.Bitmap bmp, - Mat mat)
    -
    -
    Short form of the bitmapToMat(bmp, mat, unPremultiplyAlpha=false).
    -
    -
    static void
    -
    bitmapToMat(android.graphics.Bitmap bmp, - Mat mat, - boolean unPremultiplyAlpha)
    -
    -
    Converts Android Bitmap to OpenCV Mat.
    -
    -
    static String
    -
    exportResource(android.content.Context context, - int resourceId)
    -
     
    -
    static String
    -
    exportResource(android.content.Context context, - int resourceId, - String dirname)
    -
     
    -
    static Mat
    -
    loadResource(android.content.Context context, - int resourceId)
    -
     
    -
    static Mat
    -
    loadResource(android.content.Context context, - int resourceId, - int flags)
    -
     
    -
    static void
    -
    matToBitmap(Mat mat, - android.graphics.Bitmap bmp)
    -
    -
    Short form of the matToBitmap(mat, bmp, premultiplyAlpha=false)
    -
    -
    static void
    -
    matToBitmap(Mat mat, - android.graphics.Bitmap bmp, - boolean premultiplyAlpha)
    -
    -
    Converts OpenCV Mat to Android Bitmap.
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Utils

      -
      public Utils()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      exportResource

      -
      public static String exportResource(android.content.Context context, - int resourceId)
      -
      -
      • -
    • -
      -

      exportResource

      -
      public static String exportResource(android.content.Context context, - int resourceId, - String dirname)
      -
      -
      • -
    • -
      -

      loadResource

      -
      public static Mat loadResource(android.content.Context context, - int resourceId) - throws IOException
      -
      -
      Throws:
      -
      IOException
      -
      -
      -
      • -
    • -
      -

      loadResource

      -
      public static Mat loadResource(android.content.Context context, - int resourceId, - int flags) - throws IOException
      -
      -
      Throws:
      -
      IOException
      -
      -
      -
      • -
    • -
      -

      bitmapToMat

      -
      public static void bitmapToMat(android.graphics.Bitmap bmp, - Mat mat, - boolean unPremultiplyAlpha)
      -
      Converts Android Bitmap to OpenCV Mat. -

      - This function converts an Android Bitmap image to the OpenCV Mat. -
      'ARGB_8888' and 'RGB_565' input Bitmap formats are supported. -
      The output Mat is always created of the same size as the input Bitmap and of the 'CV_8UC4' type, - it keeps the image in RGBA format. -
      This function throws an exception if the conversion fails.

      -
      -
      Parameters:
      -
      bmp - is a valid input Bitmap object of the type 'ARGB_8888' or 'RGB_565'.
      -
      mat - is a valid output Mat object, it will be reallocated if needed, so it may be empty.
      -
      unPremultiplyAlpha - is a flag, that determines, whether the bitmap needs to be converted from alpha premultiplied format (like Android keeps 'ARGB_8888' ones) to regular one; this flag is ignored for 'RGB_565' bitmaps.
      -
      -
      -
      • -
    • -
      -

      bitmapToMat

      -
      public static void bitmapToMat(android.graphics.Bitmap bmp, - Mat mat)
      -
      Short form of the bitmapToMat(bmp, mat, unPremultiplyAlpha=false).
      -
      -
      Parameters:
      -
      bmp - is a valid input Bitmap object of the type 'ARGB_8888' or 'RGB_565'.
      -
      mat - is a valid output Mat object, it will be reallocated if needed, so Mat may be empty.
      -
      -
      -
      • -
    • -
      -

      matToBitmap

      -
      public static void matToBitmap(Mat mat, - android.graphics.Bitmap bmp, - boolean premultiplyAlpha)
      -
      Converts OpenCV Mat to Android Bitmap. -

      -
      This function converts an image in the OpenCV Mat representation to the Android Bitmap. -
      The input Mat object has to be of the types 'CV_8UC1' (gray-scale), 'CV_8UC3' (RGB) or 'CV_8UC4' (RGBA). -
      The output Bitmap object has to be of the same size as the input Mat and of the types 'ARGB_8888' or 'RGB_565'. -
      This function throws an exception if the conversion fails.

      -
      -
      Parameters:
      -
      mat - is a valid input Mat object of types 'CV_8UC1', 'CV_8UC3' or 'CV_8UC4'.
      -
      bmp - is a valid Bitmap object of the same size as the Mat and of type 'ARGB_8888' or 'RGB_565'.
      -
      premultiplyAlpha - is a flag, that determines, whether the Mat needs to be converted to alpha premultiplied format (like Android keeps 'ARGB_8888' bitmaps); the flag is ignored for 'RGB_565' bitmaps.
      -
      -
      -
      • -
    • -
      -

      matToBitmap

      -
      public static void matToBitmap(Mat mat, - android.graphics.Bitmap bmp)
      -
      Short form of the matToBitmap(mat, bmp, premultiplyAlpha=false)
      -
      -
      Parameters:
      -
      mat - is a valid input Mat object of the types 'CV_8UC1', 'CV_8UC3' or 'CV_8UC4'.
      -
      bmp - is a valid Bitmap object of the same size as the Mat and of type 'ARGB_8888' or 'RGB_565'.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-summary.html deleted file mode 100644 index d9d0c19956..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-summary.html +++ /dev/null @@ -1,164 +0,0 @@ - - - - -org.opencv.android (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.android

-
-
-
package org.opencv.android
-
- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-tree.html deleted file mode 100644 index 952f73a1c9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/android/package-tree.html +++ /dev/null @@ -1,144 +0,0 @@ - - - - -org.opencv.android Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.android

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-

Interface Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/Calib3d.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/Calib3d.html deleted file mode 100644 index 6a6ad107cf..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/Calib3d.html +++ /dev/null @@ -1,18453 +0,0 @@ - - - - -Calib3d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.calib3d
-

Class Calib3d

-
-
java.lang.Object -
org.opencv.calib3d.Calib3d
-
-
-
-
public class Calib3d -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CV_ITERATIVE

      -
      public static final int CV_ITERATIVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_EPNP

      -
      public static final int CV_EPNP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_P3P

      -
      public static final int CV_P3P
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DLS

      -
      public static final int CV_DLS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CvLevMarq_DONE

      -
      public static final int CvLevMarq_DONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CvLevMarq_STARTED

      -
      public static final int CvLevMarq_STARTED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CvLevMarq_CALC_J

      -
      public static final int CvLevMarq_CALC_J
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CvLevMarq_CHECK_ERR

      -
      public static final int CvLevMarq_CHECK_ERR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LMEDS

      -
      public static final int LMEDS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RANSAC

      -
      public static final int RANSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RHO

      -
      public static final int RHO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_DEFAULT

      -
      public static final int USAC_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_PARALLEL

      -
      public static final int USAC_PARALLEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_FM_8PTS

      -
      public static final int USAC_FM_8PTS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_FAST

      -
      public static final int USAC_FAST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_ACCURATE

      -
      public static final int USAC_ACCURATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_PROSAC

      -
      public static final int USAC_PROSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      USAC_MAGSAC

      -
      public static final int USAC_MAGSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_ADAPTIVE_THRESH

      -
      public static final int CALIB_CB_ADAPTIVE_THRESH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_NORMALIZE_IMAGE

      -
      public static final int CALIB_CB_NORMALIZE_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_FILTER_QUADS

      -
      public static final int CALIB_CB_FILTER_QUADS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_FAST_CHECK

      -
      public static final int CALIB_CB_FAST_CHECK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_EXHAUSTIVE

      -
      public static final int CALIB_CB_EXHAUSTIVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_ACCURACY

      -
      public static final int CALIB_CB_ACCURACY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_LARGER

      -
      public static final int CALIB_CB_LARGER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_MARKER

      -
      public static final int CALIB_CB_MARKER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_PLAIN

      -
      public static final int CALIB_CB_PLAIN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_SYMMETRIC_GRID

      -
      public static final int CALIB_CB_SYMMETRIC_GRID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_ASYMMETRIC_GRID

      -
      public static final int CALIB_CB_ASYMMETRIC_GRID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_CB_CLUSTERING

      -
      public static final int CALIB_CB_CLUSTERING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_NINTRINSIC

      -
      public static final int CALIB_NINTRINSIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_USE_INTRINSIC_GUESS

      -
      public static final int CALIB_USE_INTRINSIC_GUESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_ASPECT_RATIO

      -
      public static final int CALIB_FIX_ASPECT_RATIO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_PRINCIPAL_POINT

      -
      public static final int CALIB_FIX_PRINCIPAL_POINT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_ZERO_TANGENT_DIST

      -
      public static final int CALIB_ZERO_TANGENT_DIST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_FOCAL_LENGTH

      -
      public static final int CALIB_FIX_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K1

      -
      public static final int CALIB_FIX_K1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K2

      -
      public static final int CALIB_FIX_K2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K3

      -
      public static final int CALIB_FIX_K3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K4

      -
      public static final int CALIB_FIX_K4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K5

      -
      public static final int CALIB_FIX_K5
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_K6

      -
      public static final int CALIB_FIX_K6
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_RATIONAL_MODEL

      -
      public static final int CALIB_RATIONAL_MODEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_THIN_PRISM_MODEL

      -
      public static final int CALIB_THIN_PRISM_MODEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_S1_S2_S3_S4

      -
      public static final int CALIB_FIX_S1_S2_S3_S4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_TILTED_MODEL

      -
      public static final int CALIB_TILTED_MODEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_TAUX_TAUY

      -
      public static final int CALIB_FIX_TAUX_TAUY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_USE_QR

      -
      public static final int CALIB_USE_QR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_TANGENT_DIST

      -
      public static final int CALIB_FIX_TANGENT_DIST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_FIX_INTRINSIC

      -
      public static final int CALIB_FIX_INTRINSIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_SAME_FOCAL_LENGTH

      -
      public static final int CALIB_SAME_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_ZERO_DISPARITY

      -
      public static final int CALIB_ZERO_DISPARITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_USE_LU

      -
      public static final int CALIB_USE_LU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_USE_EXTRINSIC_GUESS

      -
      public static final int CALIB_USE_EXTRINSIC_GUESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FM_7POINT

      -
      public static final int FM_7POINT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FM_8POINT

      -
      public static final int FM_8POINT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FM_LMEDS

      -
      public static final int FM_LMEDS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FM_RANSAC

      -
      public static final int FM_RANSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_USE_INTRINSIC_GUESS

      -
      public static final int fisheye_CALIB_USE_INTRINSIC_GUESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_RECOMPUTE_EXTRINSIC

      -
      public static final int fisheye_CALIB_RECOMPUTE_EXTRINSIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_CHECK_COND

      -
      public static final int fisheye_CALIB_CHECK_COND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_SKEW

      -
      public static final int fisheye_CALIB_FIX_SKEW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_K1

      -
      public static final int fisheye_CALIB_FIX_K1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_K2

      -
      public static final int fisheye_CALIB_FIX_K2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_K3

      -
      public static final int fisheye_CALIB_FIX_K3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_K4

      -
      public static final int fisheye_CALIB_FIX_K4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_INTRINSIC

      -
      public static final int fisheye_CALIB_FIX_INTRINSIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_PRINCIPAL_POINT

      -
      public static final int fisheye_CALIB_FIX_PRINCIPAL_POINT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_ZERO_DISPARITY

      -
      public static final int fisheye_CALIB_ZERO_DISPARITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      fisheye_CALIB_FIX_FOCAL_LENGTH

      -
      public static final int fisheye_CALIB_FIX_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CirclesGridFinderParameters_SYMMETRIC_GRID

      -
      public static final int CirclesGridFinderParameters_SYMMETRIC_GRID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CirclesGridFinderParameters_ASYMMETRIC_GRID

      -
      public static final int CirclesGridFinderParameters_ASYMMETRIC_GRID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_HAND_EYE_TSAI

      -
      public static final int CALIB_HAND_EYE_TSAI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_HAND_EYE_PARK

      -
      public static final int CALIB_HAND_EYE_PARK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_HAND_EYE_HORAUD

      -
      public static final int CALIB_HAND_EYE_HORAUD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_HAND_EYE_ANDREFF

      -
      public static final int CALIB_HAND_EYE_ANDREFF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_HAND_EYE_DANIILIDIS

      -
      public static final int CALIB_HAND_EYE_DANIILIDIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LOCAL_OPTIM_NULL

      -
      public static final int LOCAL_OPTIM_NULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LOCAL_OPTIM_INNER_LO

      -
      public static final int LOCAL_OPTIM_INNER_LO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LOCAL_OPTIM_INNER_AND_ITER_LO

      -
      public static final int LOCAL_OPTIM_INNER_AND_ITER_LO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LOCAL_OPTIM_GC

      -
      public static final int LOCAL_OPTIM_GC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LOCAL_OPTIM_SIGMA

      -
      public static final int LOCAL_OPTIM_SIGMA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEIGH_FLANN_KNN

      -
      public static final int NEIGH_FLANN_KNN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEIGH_GRID

      -
      public static final int NEIGH_GRID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEIGH_FLANN_RADIUS

      -
      public static final int NEIGH_FLANN_RADIUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NONE_POLISHER

      -
      public static final int NONE_POLISHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LSQ_POLISHER

      -
      public static final int LSQ_POLISHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MAGSAC

      -
      public static final int MAGSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COV_POLISHER

      -
      public static final int COV_POLISHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_ROBOT_WORLD_HAND_EYE_SHAH

      -
      public static final int CALIB_ROBOT_WORLD_HAND_EYE_SHAH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CALIB_ROBOT_WORLD_HAND_EYE_LI

      -
      public static final int CALIB_ROBOT_WORLD_HAND_EYE_LI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SAMPLING_UNIFORM

      -
      public static final int SAMPLING_UNIFORM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SAMPLING_PROGRESSIVE_NAPSAC

      -
      public static final int SAMPLING_PROGRESSIVE_NAPSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SAMPLING_NAPSAC

      -
      public static final int SAMPLING_NAPSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SAMPLING_PROSAC

      -
      public static final int SAMPLING_PROSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SCORE_METHOD_RANSAC

      -
      public static final int SCORE_METHOD_RANSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SCORE_METHOD_MSAC

      -
      public static final int SCORE_METHOD_MSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SCORE_METHOD_MAGSAC

      -
      public static final int SCORE_METHOD_MAGSAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SCORE_METHOD_LMEDS

      -
      public static final int SCORE_METHOD_LMEDS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_ITERATIVE

      -
      public static final int SOLVEPNP_ITERATIVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_EPNP

      -
      public static final int SOLVEPNP_EPNP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_P3P

      -
      public static final int SOLVEPNP_P3P
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_DLS

      -
      public static final int SOLVEPNP_DLS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_UPNP

      -
      public static final int SOLVEPNP_UPNP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_AP3P

      -
      public static final int SOLVEPNP_AP3P
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_IPPE

      -
      public static final int SOLVEPNP_IPPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_IPPE_SQUARE

      -
      public static final int SOLVEPNP_IPPE_SQUARE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_SQPNP

      -
      public static final int SOLVEPNP_SQPNP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SOLVEPNP_MAX_COUNT

      -
      public static final int SOLVEPNP_MAX_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PROJ_SPHERICAL_ORTHO

      -
      public static final int PROJ_SPHERICAL_ORTHO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PROJ_SPHERICAL_EQRECT

      -
      public static final int PROJ_SPHERICAL_EQRECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Calib3d

      -
      public Calib3d()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      Rodrigues

      -
      public static void Rodrigues(Mat src, - Mat dst, - Mat jacobian)
      -
      Converts a rotation matrix to a rotation vector or vice versa.
      -
      -
      Parameters:
      -
      src - Input rotation vector (3x1 or 1x3) or rotation matrix (3x3).
      -
      dst - Output rotation matrix (3x3) or rotation vector (3x1 or 1x3), respectively.
      -
      jacobian - Optional output Jacobian matrix, 3x9 or 9x3, which is a matrix of partial - derivatives of the output array components with respect to the input array components. - - \(\begin{array}{l} \theta \leftarrow norm(r) \\ r \leftarrow r/ \theta \\ R = \cos(\theta) I + (1- \cos{\theta} ) r r^T + \sin(\theta) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} \end{array}\) - - Inverse transformation can be also done easily, since - - \(\sin ( \theta ) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} = \frac{R - R^T}{2}\) - - A rotation vector is a convenient and most compact representation of a rotation matrix (since any - rotation matrix has just 3 degrees of freedom). The representation is used in the global 3D geometry - optimization procedures like REF: calibrateCamera, REF: stereoCalibrate, or REF: solvePnP . - - Note: More information about the computation of the derivative of a 3D rotation matrix with respect to its exponential coordinate - can be found in: -
        -
      • - A Compact Formula for the Derivative of a 3-D Rotation in Exponential Coordinates, Guillermo Gallego, Anthony J. Yezzi CITE: Gallego2014ACF -
        • -
      - - Note: Useful information on SE(3) and Lie Groups can be found in: -
        -
      • - A tutorial on SE(3) transformation parameterizations and on-manifold optimization, Jose-Luis Blanco CITE: blanco2010tutorial -
        • -
      • - Lie Groups for 2D and 3D Transformation, Ethan Eade CITE: Eade17 -
        • -
      • - A micro Lie theory for state estimation in robotics, Joan Solà, Jérémie Deray, Dinesh Atchuthan CITE: Sol2018AML -
        • -
      -
      -
      -
      • -
    • -
      -

      Rodrigues

      -
      public static void Rodrigues(Mat src, - Mat dst)
      -
      Converts a rotation matrix to a rotation vector or vice versa.
      -
      -
      Parameters:
      -
      src - Input rotation vector (3x1 or 1x3) or rotation matrix (3x3).
      -
      dst - Output rotation matrix (3x3) or rotation vector (3x1 or 1x3), respectively. - derivatives of the output array components with respect to the input array components. - - \(\begin{array}{l} \theta \leftarrow norm(r) \\ r \leftarrow r/ \theta \\ R = \cos(\theta) I + (1- \cos{\theta} ) r r^T + \sin(\theta) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} \end{array}\) - - Inverse transformation can be also done easily, since - - \(\sin ( \theta ) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} = \frac{R - R^T}{2}\) - - A rotation vector is a convenient and most compact representation of a rotation matrix (since any - rotation matrix has just 3 degrees of freedom). The representation is used in the global 3D geometry - optimization procedures like REF: calibrateCamera, REF: stereoCalibrate, or REF: solvePnP . - - Note: More information about the computation of the derivative of a 3D rotation matrix with respect to its exponential coordinate - can be found in: -
        -
      • - A Compact Formula for the Derivative of a 3-D Rotation in Exponential Coordinates, Guillermo Gallego, Anthony J. Yezzi CITE: Gallego2014ACF -
        • -
      - - Note: Useful information on SE(3) and Lie Groups can be found in: -
        -
      • - A tutorial on SE(3) transformation parameterizations and on-manifold optimization, Jose-Luis Blanco CITE: blanco2010tutorial -
        • -
      • - Lie Groups for 2D and 3D Transformation, Ethan Eade CITE: Eade17 -
        • -
      • - A micro Lie theory for state estimation in robotics, Joan Solà, Jérémie Deray, Dinesh Atchuthan CITE: Sol2018AML -
        • -
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - int method, - double ransacReprojThreshold, - Mat mask, - int maxIters, - double confidence)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> .
      -
      method - Method used to compute a homography matrix. The following methods are possible: -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      -
      ransacReprojThreshold - Maximum allowed reprojection error to treat a point pair as an inlier - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10.
      -
      mask - Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - mask values are ignored.
      -
      maxIters - The maximum number of RANSAC iterations.
      -
      confidence - Confidence level, between 0 and 1. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - int method, - double ransacReprojThreshold, - Mat mask, - int maxIters)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> .
      -
      method - Method used to compute a homography matrix. The following methods are possible: -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      -
      ransacReprojThreshold - Maximum allowed reprojection error to treat a point pair as an inlier - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10.
      -
      mask - Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - mask values are ignored.
      -
      maxIters - The maximum number of RANSAC iterations. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - int method, - double ransacReprojThreshold, - Mat mask)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> .
      -
      method - Method used to compute a homography matrix. The following methods are possible: -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      -
      ransacReprojThreshold - Maximum allowed reprojection error to treat a point pair as an inlier - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10.
      -
      mask - Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - mask values are ignored. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - int method, - double ransacReprojThreshold)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> .
      -
      method - Method used to compute a homography matrix. The following methods are possible: -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      -
      ransacReprojThreshold - Maximum allowed reprojection error to treat a point pair as an inlier - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10. - mask values are ignored. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - int method)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> .
      -
      method - Method used to compute a homography matrix. The following methods are possible: -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10. - mask values are ignored. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints)
      -
      Finds a perspective transformation between two planes.
      -
      -
      Parameters:
      -
      srcPoints - Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - or vector<Point2f> .
      -
      dstPoints - Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - a vector<Point2f> . -
        -
      • - 0 - a regular method using all the points, i.e., the least squares method -
        • -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method -
        • -
      • - REF: RHO - PROSAC-based robust method -
        • -
      - (used in the RANSAC and RHO methods only). That is, if - \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - it usually makes sense to set this parameter somewhere in the range of 1 to 10. - mask values are ignored. - - The function finds and returns the perspective transformation \(H\) between the source and the - destination planes: - - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - - so that the back-projection error - - \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - - is minimized. If the parameter method is set to the default value 0, the function uses all the point - pairs to compute an initial homography estimate with a simple least-squares scheme. - - However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - the mask of inliers/outliers. - - Regardless of the method, robust or not, the computed homography matrix is refined further (using - inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - re-projection error even more. - - The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - noise is rather small, use the default method (method=0). - - The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - - SEE: - getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findHomography

      -
      public static Mat findHomography(MatOfPoint2f srcPoints, - MatOfPoint2f dstPoints, - Mat mask, - UsacParams params)
      -
      -
      • -
    • -
      -

      RQDecomp3x3

      -
      public static double[] RQDecomp3x3(Mat src, - Mat mtxR, - Mat mtxQ, - Mat Qx, - Mat Qy, - Mat Qz)
      -
      Computes an RQ decomposition of 3x3 matrices.
      -
      -
      Parameters:
      -
      src - 3x3 input matrix.
      -
      mtxR - Output 3x3 upper-triangular matrix.
      -
      mtxQ - Output 3x3 orthogonal matrix.
      -
      Qx - Optional output 3x3 rotation matrix around x-axis.
      -
      Qy - Optional output 3x3 rotation matrix around y-axis.
      -
      Qz - Optional output 3x3 rotation matrix around z-axis. - - The function computes a RQ decomposition using the given rotations. This function is used in - #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - and a rotation matrix. - - It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - sequence of rotations about the three principal axes that results in the same orientation of an - object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - are only one of the possible solutions.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      RQDecomp3x3

      -
      public static double[] RQDecomp3x3(Mat src, - Mat mtxR, - Mat mtxQ, - Mat Qx, - Mat Qy)
      -
      Computes an RQ decomposition of 3x3 matrices.
      -
      -
      Parameters:
      -
      src - 3x3 input matrix.
      -
      mtxR - Output 3x3 upper-triangular matrix.
      -
      mtxQ - Output 3x3 orthogonal matrix.
      -
      Qx - Optional output 3x3 rotation matrix around x-axis.
      -
      Qy - Optional output 3x3 rotation matrix around y-axis. - - The function computes a RQ decomposition using the given rotations. This function is used in - #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - and a rotation matrix. - - It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - sequence of rotations about the three principal axes that results in the same orientation of an - object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - are only one of the possible solutions.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      RQDecomp3x3

      -
      public static double[] RQDecomp3x3(Mat src, - Mat mtxR, - Mat mtxQ, - Mat Qx)
      -
      Computes an RQ decomposition of 3x3 matrices.
      -
      -
      Parameters:
      -
      src - 3x3 input matrix.
      -
      mtxR - Output 3x3 upper-triangular matrix.
      -
      mtxQ - Output 3x3 orthogonal matrix.
      -
      Qx - Optional output 3x3 rotation matrix around x-axis. - - The function computes a RQ decomposition using the given rotations. This function is used in - #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - and a rotation matrix. - - It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - sequence of rotations about the three principal axes that results in the same orientation of an - object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - are only one of the possible solutions.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      RQDecomp3x3

      -
      public static double[] RQDecomp3x3(Mat src, - Mat mtxR, - Mat mtxQ)
      -
      Computes an RQ decomposition of 3x3 matrices.
      -
      -
      Parameters:
      -
      src - 3x3 input matrix.
      -
      mtxR - Output 3x3 upper-triangular matrix.
      -
      mtxQ - Output 3x3 orthogonal matrix. - - The function computes a RQ decomposition using the given rotations. This function is used in - #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - and a rotation matrix. - - It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - sequence of rotations about the three principal axes that results in the same orientation of an - object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - are only one of the possible solutions.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decomposeProjectionMatrix

      -
      public static void decomposeProjectionMatrix(Mat projMatrix, - Mat cameraMatrix, - Mat rotMatrix, - Mat transVect, - Mat rotMatrixX, - Mat rotMatrixY, - Mat rotMatrixZ, - Mat eulerAngles)
      -
      Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
      -
      -
      Parameters:
      -
      projMatrix - 3x4 input projection matrix P.
      -
      cameraMatrix - Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\).
      -
      rotMatrix - Output 3x3 external rotation matrix R.
      -
      transVect - Output 4x1 translation vector T.
      -
      rotMatrixX - Optional 3x3 rotation matrix around x-axis.
      -
      rotMatrixY - Optional 3x3 rotation matrix around y-axis.
      -
      rotMatrixZ - Optional 3x3 rotation matrix around z-axis.
      -
      eulerAngles - Optional three-element vector containing three Euler angles of rotation in - degrees. - - The function computes a decomposition of a projection matrix into a calibration and a rotation - matrix and the position of a camera. - - It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - be used in OpenGL. Note, there is always more than one sequence of rotations about the three - principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - - The function is based on #RQDecomp3x3 .
      -
      -
      -
      • -
    • -
      -

      decomposeProjectionMatrix

      -
      public static void decomposeProjectionMatrix(Mat projMatrix, - Mat cameraMatrix, - Mat rotMatrix, - Mat transVect, - Mat rotMatrixX, - Mat rotMatrixY, - Mat rotMatrixZ)
      -
      Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
      -
      -
      Parameters:
      -
      projMatrix - 3x4 input projection matrix P.
      -
      cameraMatrix - Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\).
      -
      rotMatrix - Output 3x3 external rotation matrix R.
      -
      transVect - Output 4x1 translation vector T.
      -
      rotMatrixX - Optional 3x3 rotation matrix around x-axis.
      -
      rotMatrixY - Optional 3x3 rotation matrix around y-axis.
      -
      rotMatrixZ - Optional 3x3 rotation matrix around z-axis. - degrees. - - The function computes a decomposition of a projection matrix into a calibration and a rotation - matrix and the position of a camera. - - It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - be used in OpenGL. Note, there is always more than one sequence of rotations about the three - principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - - The function is based on #RQDecomp3x3 .
      -
      -
      -
      • -
    • -
      -

      decomposeProjectionMatrix

      -
      public static void decomposeProjectionMatrix(Mat projMatrix, - Mat cameraMatrix, - Mat rotMatrix, - Mat transVect, - Mat rotMatrixX, - Mat rotMatrixY)
      -
      Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
      -
      -
      Parameters:
      -
      projMatrix - 3x4 input projection matrix P.
      -
      cameraMatrix - Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\).
      -
      rotMatrix - Output 3x3 external rotation matrix R.
      -
      transVect - Output 4x1 translation vector T.
      -
      rotMatrixX - Optional 3x3 rotation matrix around x-axis.
      -
      rotMatrixY - Optional 3x3 rotation matrix around y-axis. - degrees. - - The function computes a decomposition of a projection matrix into a calibration and a rotation - matrix and the position of a camera. - - It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - be used in OpenGL. Note, there is always more than one sequence of rotations about the three - principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - - The function is based on #RQDecomp3x3 .
      -
      -
      -
      • -
    • -
      -

      decomposeProjectionMatrix

      -
      public static void decomposeProjectionMatrix(Mat projMatrix, - Mat cameraMatrix, - Mat rotMatrix, - Mat transVect, - Mat rotMatrixX)
      -
      Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
      -
      -
      Parameters:
      -
      projMatrix - 3x4 input projection matrix P.
      -
      cameraMatrix - Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\).
      -
      rotMatrix - Output 3x3 external rotation matrix R.
      -
      transVect - Output 4x1 translation vector T.
      -
      rotMatrixX - Optional 3x3 rotation matrix around x-axis. - degrees. - - The function computes a decomposition of a projection matrix into a calibration and a rotation - matrix and the position of a camera. - - It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - be used in OpenGL. Note, there is always more than one sequence of rotations about the three - principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - - The function is based on #RQDecomp3x3 .
      -
      -
      -
      • -
    • -
      -

      decomposeProjectionMatrix

      -
      public static void decomposeProjectionMatrix(Mat projMatrix, - Mat cameraMatrix, - Mat rotMatrix, - Mat transVect)
      -
      Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix.
      -
      -
      Parameters:
      -
      projMatrix - 3x4 input projection matrix P.
      -
      cameraMatrix - Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\).
      -
      rotMatrix - Output 3x3 external rotation matrix R.
      -
      transVect - Output 4x1 translation vector T. - degrees. - - The function computes a decomposition of a projection matrix into a calibration and a rotation - matrix and the position of a camera. - - It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - be used in OpenGL. Note, there is always more than one sequence of rotations about the three - principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - - The function is based on #RQDecomp3x3 .
      -
      -
      -
      • -
    • -
      -

      matMulDeriv

      -
      public static void matMulDeriv(Mat A, - Mat B, - Mat dABdA, - Mat dABdB)
      -
      Computes partial derivatives of the matrix product for each multiplied matrix.
      -
      -
      Parameters:
      -
      A - First multiplied matrix.
      -
      B - Second multiplied matrix.
      -
      dABdA - First output derivative matrix d(A\*B)/dA of size - \(\texttt{A.rows*B.cols} \times {A.rows*A.cols}\) .
      -
      dABdB - Second output derivative matrix d(A\*B)/dB of size - \(\texttt{A.rows*B.cols} \times {B.rows*B.cols}\) . - - The function computes partial derivatives of the elements of the matrix product \(A*B\) with regard to - the elements of each of the two input matrices. The function is used to compute the Jacobian - matrices in #stereoCalibrate but can also be used in any other similar optimization function.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2, - Mat dr3dt2, - Mat dt3dr1, - Mat dt3dt1, - Mat dt3dr2, - Mat dt3dt2)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2
      -
      dr3dt2 - Optional output derivative of rvec3 with regard to tvec2
      -
      dt3dr1 - Optional output derivative of tvec3 with regard to rvec1
      -
      dt3dt1 - Optional output derivative of tvec3 with regard to tvec1
      -
      dt3dr2 - Optional output derivative of tvec3 with regard to rvec2
      -
      dt3dt2 - Optional output derivative of tvec3 with regard to tvec2 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2, - Mat dr3dt2, - Mat dt3dr1, - Mat dt3dt1, - Mat dt3dr2)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2
      -
      dr3dt2 - Optional output derivative of rvec3 with regard to tvec2
      -
      dt3dr1 - Optional output derivative of tvec3 with regard to rvec1
      -
      dt3dt1 - Optional output derivative of tvec3 with regard to tvec1
      -
      dt3dr2 - Optional output derivative of tvec3 with regard to rvec2 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2, - Mat dr3dt2, - Mat dt3dr1, - Mat dt3dt1)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2
      -
      dr3dt2 - Optional output derivative of rvec3 with regard to tvec2
      -
      dt3dr1 - Optional output derivative of tvec3 with regard to rvec1
      -
      dt3dt1 - Optional output derivative of tvec3 with regard to tvec1 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2, - Mat dr3dt2, - Mat dt3dr1)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2
      -
      dr3dt2 - Optional output derivative of rvec3 with regard to tvec2
      -
      dt3dr1 - Optional output derivative of tvec3 with regard to rvec1 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2, - Mat dr3dt2)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2
      -
      dr3dt2 - Optional output derivative of rvec3 with regard to tvec2 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1, - Mat dr3dr2)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1
      -
      dr3dr2 - Optional output derivative of rvec3 with regard to rvec2 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1, - Mat dr3dt1)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1
      -
      dr3dt1 - Optional output derivative of rvec3 with regard to tvec1 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3, - Mat dr3dr1)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition.
      -
      dr3dr1 - Optional output derivative of rvec3 with regard to rvec1 - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      composeRT

      -
      public static void composeRT(Mat rvec1, - Mat tvec1, - Mat rvec2, - Mat tvec2, - Mat rvec3, - Mat tvec3)
      -
      Combines two rotation-and-shift transformations.
      -
      -
      Parameters:
      -
      rvec1 - First rotation vector.
      -
      tvec1 - First translation vector.
      -
      rvec2 - Second rotation vector.
      -
      tvec2 - Second translation vector.
      -
      rvec3 - Output rotation vector of the superposition.
      -
      tvec3 - Output translation vector of the superposition. - - The functions compute: - - \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - - where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - - Also, the functions can compute the derivatives of the output vectors with regards to the input - vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - function that contains a matrix multiplication.
      -
      -
      -
      • -
    • -
      -

      projectPoints

      -
      public static void projectPoints(MatOfPoint3f objectPoints, - Mat rvec, - Mat tvec, - Mat cameraMatrix, - MatOfDouble distCoeffs, - MatOfPoint2f imagePoints, - Mat jacobian, - double aspectRatio)
      -
      Projects 3D points to an image plane.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view.
      -
      rvec - The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - basis from world to camera coordinate system, see REF: calibrateCamera for details.
      -
      tvec - The translation vector, see parameter description above.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed.
      -
      imagePoints - Output array of image points, 1xN/Nx1 2-channel, or - vector<Point2f> .
      -
      jacobian - Optional output 2Nx(10+<numDistCoeffs>) jacobian matrix of derivatives of image - points with respect to components of the rotation vector, translation vector, focal lengths, - coordinates of the principal point and the distortion coefficients. In the old interface different - components of the jacobian are returned via different output parameters.
      -
      aspectRatio - Optional "fixed aspect ratio" parameter. If the parameter is not 0, the - function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - jacobian matrix. - - The function computes the 2D projections of 3D points to the image plane, given intrinsic and - extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - derivatives of image points coordinates (as functions of all the input parameters) with respect to - the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - can also be used to compute a re-projection error, given the current intrinsic and extrinsic - parameters. - - Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - or by passing zero distortion coefficients, one can get various useful partial cases of the - function. This means, one can compute the distorted coordinates for a sparse set of points or apply - a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup.
      -
      -
      -
      • -
    • -
      -

      projectPoints

      -
      public static void projectPoints(MatOfPoint3f objectPoints, - Mat rvec, - Mat tvec, - Mat cameraMatrix, - MatOfDouble distCoeffs, - MatOfPoint2f imagePoints, - Mat jacobian)
      -
      Projects 3D points to an image plane.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view.
      -
      rvec - The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - basis from world to camera coordinate system, see REF: calibrateCamera for details.
      -
      tvec - The translation vector, see parameter description above.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed.
      -
      imagePoints - Output array of image points, 1xN/Nx1 2-channel, or - vector<Point2f> .
      -
      jacobian - Optional output 2Nx(10+<numDistCoeffs>) jacobian matrix of derivatives of image - points with respect to components of the rotation vector, translation vector, focal lengths, - coordinates of the principal point and the distortion coefficients. In the old interface different - components of the jacobian are returned via different output parameters. - function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - jacobian matrix. - - The function computes the 2D projections of 3D points to the image plane, given intrinsic and - extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - derivatives of image points coordinates (as functions of all the input parameters) with respect to - the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - can also be used to compute a re-projection error, given the current intrinsic and extrinsic - parameters. - - Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - or by passing zero distortion coefficients, one can get various useful partial cases of the - function. This means, one can compute the distorted coordinates for a sparse set of points or apply - a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup.
      -
      -
      -
      • -
    • -
      -

      projectPoints

      -
      public static void projectPoints(MatOfPoint3f objectPoints, - Mat rvec, - Mat tvec, - Mat cameraMatrix, - MatOfDouble distCoeffs, - MatOfPoint2f imagePoints)
      -
      Projects 3D points to an image plane.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view.
      -
      rvec - The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - basis from world to camera coordinate system, see REF: calibrateCamera for details.
      -
      tvec - The translation vector, see parameter description above.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed.
      -
      imagePoints - Output array of image points, 1xN/Nx1 2-channel, or - vector<Point2f> . - points with respect to components of the rotation vector, translation vector, focal lengths, - coordinates of the principal point and the distortion coefficients. In the old interface different - components of the jacobian are returned via different output parameters. - function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - jacobian matrix. - - The function computes the 2D projections of 3D points to the image plane, given intrinsic and - extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - derivatives of image points coordinates (as functions of all the input parameters) with respect to - the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - can also be used to compute a re-projection error, given the current intrinsic and extrinsic - parameters. - - Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - or by passing zero distortion coefficients, one can get various useful partial cases of the - function. This means, one can compute the distorted coordinates for a sparse set of points or apply - a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup.
      -
      -
      -
      • -
    • -
      -

      solvePnP

      -
      public static boolean solvePnP(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int flags)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - - More information about Perspective-n-Points is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnP

      -
      public static boolean solvePnP(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - - More information about Perspective-n-Points is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnP

      -
      public static boolean solvePnP(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector. - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - - More information about Perspective-n-Points is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence, - Mat inliers, - int flags)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result.
      -
      inliers - Output vector that contains indices of inliers in objectPoints and imagePoints .
      -
      flags - Method for solving a PnP problem (see REF: solvePnP ). - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence, - Mat inliers)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result.
      -
      inliers - Output vector that contains indices of inliers in objectPoints and imagePoints . - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result. - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector. - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - - The function estimates an object pose given a set of object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - makes the function resistant to outliers. - - Note: -
        -
      • - An example of how to use solvePnPRansac for object detection can be found at - REF: tutorial_real_time_pose -
        • -
      • - The default method used to estimate the camera pose for the Minimal Sample Sets step - is #SOLVEPNP_EPNP. Exceptions are: -
          -
        • - if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. -
          • -
        • - if the number of input points is equal to 4, #SOLVEPNP_P3P is used. -
          • -
        -
      • - The method used to estimate the camera pose using all the inliers is defined by the - flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - the method #SOLVEPNP_EPNP will be used instead. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - Mat inliers, - UsacParams params)
      -
      -
      • -
    • -
      -

      solvePnPRansac

      -
      public static boolean solvePnPRansac(MatOfPoint3f objectPoints, - MatOfPoint2f imagePoints, - Mat cameraMatrix, - MatOfDouble distCoeffs, - Mat rvec, - Mat tvec, - Mat inliers)
      -
      -
      • -
    • -
      -

      solveP3P

      -
      public static int solveP3P(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - int flags)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, 3x3 1-channel or - 1x3/3x1 3-channel. vector<Point3f> can be also passed here.
      -
      imagePoints - Array of corresponding image points, 3x2 1-channel or 1x3/3x1 2-channel. - vector<Point2f> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system. A P3P problem has up to 4 solutions.
      -
      tvecs - Output translation vectors.
      -
      flags - Method for solving a P3P problem: -
        -
      • - REF: SOLVEPNP_P3P Method is based on the paper of X.S. Gao, X.-R. Hou, J. Tang, H.-F. Chang - "Complete Solution Classification for the Perspective-Three-Point Problem" (CITE: gao2003complete). -
        • -
      • - REF: SOLVEPNP_AP3P Method is based on the paper of T. Ke and S. Roumeliotis. - "An Efficient Algebraic Solution to the Perspective-Three-Point Problem" (CITE: Ke17). -
        • -
      - - The function estimates the object pose given 3 object points, their corresponding image - projections, as well as the camera intrinsic matrix and the distortion coefficients. - - Note: - The solutions are sorted by reprojection errors (lowest to highest).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPRefineLM

      -
      public static void solvePnPRefineLM(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - TermCriteria criteria)
      -
      Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system. Input values are used as an initial solution.
      -
      tvec - Input/Output translation vector. Input values are used as an initial solution.
      -
      criteria - Criteria when to stop the Levenberg-Marquard iterative algorithm. - - The function refines the object pose given at least 3 object points, their corresponding image - projections, an initial solution for the rotation and translation vector, - as well as the camera intrinsic matrix and the distortion coefficients. - The function minimizes the projection error with respect to the rotation and the translation vectors, according - to a Levenberg-Marquardt iterative minimization CITE: Madsen04 CITE: Eade13 process.
      -
      -
      -
      • -
    • -
      -

      solvePnPRefineLM

      -
      public static void solvePnPRefineLM(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec)
      -
      Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system. Input values are used as an initial solution.
      -
      tvec - Input/Output translation vector. Input values are used as an initial solution. - - The function refines the object pose given at least 3 object points, their corresponding image - projections, an initial solution for the rotation and translation vector, - as well as the camera intrinsic matrix and the distortion coefficients. - The function minimizes the projection error with respect to the rotation and the translation vectors, according - to a Levenberg-Marquardt iterative minimization CITE: Madsen04 CITE: Eade13 process.
      -
      -
      -
      • -
    • -
      -

      solvePnPRefineVVS

      -
      public static void solvePnPRefineVVS(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - TermCriteria criteria, - double VVSlambda)
      -
      Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system. Input values are used as an initial solution.
      -
      tvec - Input/Output translation vector. Input values are used as an initial solution.
      -
      criteria - Criteria when to stop the Levenberg-Marquard iterative algorithm.
      -
      VVSlambda - Gain for the virtual visual servoing control law, equivalent to the \(\alpha\) - gain in the Damped Gauss-Newton formulation. - - The function refines the object pose given at least 3 object points, their corresponding image - projections, an initial solution for the rotation and translation vector, - as well as the camera intrinsic matrix and the distortion coefficients. - The function minimizes the projection error with respect to the rotation and the translation vectors, using a - virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme.
      -
      -
      -
      • -
    • -
      -

      solvePnPRefineVVS

      -
      public static void solvePnPRefineVVS(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - TermCriteria criteria)
      -
      Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system. Input values are used as an initial solution.
      -
      tvec - Input/Output translation vector. Input values are used as an initial solution.
      -
      criteria - Criteria when to stop the Levenberg-Marquard iterative algorithm. - gain in the Damped Gauss-Newton formulation. - - The function refines the object pose given at least 3 object points, their corresponding image - projections, an initial solution for the rotation and translation vector, - as well as the camera intrinsic matrix and the distortion coefficients. - The function minimizes the projection error with respect to the rotation and the translation vectors, using a - virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme.
      -
      -
      -
      • -
    • -
      -

      solvePnPRefineVVS

      -
      public static void solvePnPRefineVVS(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec)
      -
      Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - - SEE: REF: calib3d_solvePnP
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvec - Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system. Input values are used as an initial solution.
      -
      tvec - Input/Output translation vector. Input values are used as an initial solution. - gain in the Damped Gauss-Newton formulation. - - The function refines the object pose given at least 3 object points, their corresponding image - projections, an initial solution for the rotation and translation vector, - as well as the camera intrinsic matrix and the distortion coefficients. - The function minimizes the projection error with respect to the rotation and the translation vectors, using a - virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme.
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - boolean useExtrinsicGuess, - int flags, - Mat rvec, - Mat tvec, - Mat reprojectionError)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags
      -
      rvec - Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - and useExtrinsicGuess is set to true.
      -
      tvec - Translation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - and useExtrinsicGuess is set to true.
      -
      reprojectionError - Optional vector of reprojection error, that is the RMS error - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - boolean useExtrinsicGuess, - int flags, - Mat rvec, - Mat tvec)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags
      -
      rvec - Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - and useExtrinsicGuess is set to true.
      -
      tvec - Translation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - and useExtrinsicGuess is set to true. - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - boolean useExtrinsicGuess, - int flags, - Mat rvec)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags
      -
      rvec - Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - and useExtrinsicGuess is set to true. - and useExtrinsicGuess is set to true. - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - boolean useExtrinsicGuess, - int flags)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - and useExtrinsicGuess is set to true. - and useExtrinsicGuess is set to true. - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - boolean useExtrinsicGuess)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - and useExtrinsicGuess is set to true. - and useExtrinsicGuess is set to true. - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePnPGeneric

      -
      public static int solvePnPGeneric(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs)
      -
      Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - - ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - - SEE: REF: calib3d_solvePnP - - This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - couple), depending on the number of input points and the chosen method: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - Only 1 solution is returned. -
        • -
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      rvecs - Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvecs - Vector of output translation vectors. - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - and useExtrinsicGuess is set to true. - and useExtrinsicGuess is set to true. - (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - and the 3D object points projected with the estimated pose. - - More information is described in REF: calib3d_solvePnP - - Note: -
        -
      • - An example of how to use solvePnP for planar augmented reality can be found at - opencv_source_code/samples/python/plane_ar.py -
        • -
      • - If you are using Python: -
          -
        • - Numpy array slices won't work as input because solvePnP requires contiguous - arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - modules/calib3d/src/solvepnp.cpp version 2.4.9) -
          • -
        • - The P3P algorithm requires image points to be in an array of shape (N,1,2) due - to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - which requires 2-channel information. -
          • -
        • - Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) -
          • -
        -
      • - The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - unstable and sometimes give completely wrong results. If you pass one of these two - flags, REF: SOLVEPNP_EPNP method will be used instead. -
        • -
      • - The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). -
        • -
      • - With REF: SOLVEPNP_ITERATIVE method and useExtrinsicGuess=true, the minimum number of points is 3 (3 points - are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - global solution to converge. -
        • -
      • - With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. -
        • -
      • - With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
          -
        • - point 0: [-squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 1: [ squareLength / 2, squareLength / 2, 0] -
          • -
        • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
          • -
        • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
          • -
        -
      • - With REF: SOLVEPNP_SQPNP input points must be >= 3 -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      initCameraMatrix2D

      -
      public static Mat initCameraMatrix2D(List<MatOfPoint3f> objectPoints, - List<MatOfPoint2f> imagePoints, - Size imageSize, - double aspectRatio)
      -
      Finds an initial camera intrinsic matrix from 3D-2D point correspondences.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points in the calibration pattern - coordinate space. In the old interface all the per-view vectors are concatenated. See - #calibrateCamera for details.
      -
      imagePoints - Vector of vectors of the projections of the calibration pattern points. In the - old interface all the per-view vectors are concatenated.
      -
      imageSize - Image size in pixels used to initialize the principal point.
      -
      aspectRatio - If it is zero or negative, both \(f_x\) and \(f_y\) are estimated independently. - Otherwise, \(f_x = f_y \cdot \texttt{aspectRatio}\) . - - The function estimates and returns an initial camera intrinsic matrix for the camera calibration process. - Currently, the function only supports planar calibration patterns, which are patterns where each - object point has z-coordinate =0.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      initCameraMatrix2D

      -
      public static Mat initCameraMatrix2D(List<MatOfPoint3f> objectPoints, - List<MatOfPoint2f> imagePoints, - Size imageSize)
      -
      Finds an initial camera intrinsic matrix from 3D-2D point correspondences.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points in the calibration pattern - coordinate space. In the old interface all the per-view vectors are concatenated. See - #calibrateCamera for details.
      -
      imagePoints - Vector of vectors of the projections of the calibration pattern points. In the - old interface all the per-view vectors are concatenated.
      -
      imageSize - Image size in pixels used to initialize the principal point. - Otherwise, \(f_x = f_y \cdot \texttt{aspectRatio}\) . - - The function estimates and returns an initial camera intrinsic matrix for the camera calibration process. - Currently, the function only supports planar calibration patterns, which are patterns where each - object point has z-coordinate =0.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findChessboardCorners

      -
      public static boolean findChessboardCorners(Mat image, - Size patternSize, - MatOfPoint2f corners, - int flags)
      -
      Finds the positions of internal corners of the chessboard.
      -
      -
      Parameters:
      -
      image - Source chessboard view. It must be an 8-bit grayscale or color image.
      -
      patternSize - Number of inner corners per a chessboard row and column - ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ).
      -
      corners - Output array of detected corners.
      -
      flags - Various operation flags that can be zero or a combination of the following values: -
        -
      • - REF: CALIB_CB_ADAPTIVE_THRESH Use adaptive thresholding to convert the image to black - and white, rather than a fixed threshold level (computed from the average image brightness). -
        • -
      • - REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with #equalizeHist before - applying fixed or adaptive thresholding. -
        • -
      • - REF: CALIB_CB_FILTER_QUADS Use additional criteria (like contour area, perimeter, - square-like shape) to filter out false quads extracted at the contour retrieval stage. -
        • -
      • - REF: CALIB_CB_FAST_CHECK Run a fast check on the image that looks for chessboard corners, - and shortcut the call if none is found. This can drastically speed up the call in the - degenerate condition when no chessboard is observed. -
        • -
      • - REF: CALIB_CB_PLAIN All other flags are ignored. The input image is taken as is. - No image processing is done to improve to find the checkerboard. This has the effect of speeding up the - execution of the function but could lead to not recognizing the checkerboard if the image - is not previously binarized in the appropriate manner. -
        • -
      - - The function attempts to determine whether the input image is a view of the chessboard pattern and - locate the internal chessboard corners. The function returns a non-zero value if all of the corners - are found and they are placed in a certain order (row by row, left to right in every row). - Otherwise, if the function fails to find all the corners or reorder them, it returns 0. For example, - a regular chessboard has 8 x 8 squares and 7 x 7 internal corners, that is, points where the black - squares touch each other. The detected coordinates are approximate, and to determine their positions - more accurately, the function calls #cornerSubPix. You also may use the function #cornerSubPix with - different parameters if returned coordinates are not accurate enough. - - Sample usage of detecting and drawing chessboard corners: : - - Size patternsize(8,6); //interior number of corners - Mat gray = ....; //source image - vector<Point2f> corners; //this will be filled by the detected corners - - //CALIB_CB_FAST_CHECK saves a lot of time on images - //that do not contain any chessboard corners - bool patternfound = findChessboardCorners(gray, patternsize, corners, - CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE - + CALIB_CB_FAST_CHECK); - - if(patternfound) - cornerSubPix(gray, corners, Size(11, 11), Size(-1, -1), - TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1)); - - drawChessboardCorners(img, patternsize, Mat(corners), patternfound); - - Note: The function requires white space (like a square-thick border, the wider the better) around - the board to make the detection more robust in various environments. Otherwise, if there is no - border and the background is dark, the outer black squares cannot be segmented properly and so the - square grouping and ordering algorithm fails. - - Use the gen_pattern.py Python script (REF: tutorial_camera_calibration_pattern) - to create the desired checkerboard pattern.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findChessboardCorners

      -
      public static boolean findChessboardCorners(Mat image, - Size patternSize, - MatOfPoint2f corners)
      -
      Finds the positions of internal corners of the chessboard.
      -
      -
      Parameters:
      -
      image - Source chessboard view. It must be an 8-bit grayscale or color image.
      -
      patternSize - Number of inner corners per a chessboard row and column - ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ).
      -
      corners - Output array of detected corners. -
        -
      • - REF: CALIB_CB_ADAPTIVE_THRESH Use adaptive thresholding to convert the image to black - and white, rather than a fixed threshold level (computed from the average image brightness). -
        • -
      • - REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with #equalizeHist before - applying fixed or adaptive thresholding. -
        • -
      • - REF: CALIB_CB_FILTER_QUADS Use additional criteria (like contour area, perimeter, - square-like shape) to filter out false quads extracted at the contour retrieval stage. -
        • -
      • - REF: CALIB_CB_FAST_CHECK Run a fast check on the image that looks for chessboard corners, - and shortcut the call if none is found. This can drastically speed up the call in the - degenerate condition when no chessboard is observed. -
        • -
      • - REF: CALIB_CB_PLAIN All other flags are ignored. The input image is taken as is. - No image processing is done to improve to find the checkerboard. This has the effect of speeding up the - execution of the function but could lead to not recognizing the checkerboard if the image - is not previously binarized in the appropriate manner. -
        • -
      - - The function attempts to determine whether the input image is a view of the chessboard pattern and - locate the internal chessboard corners. The function returns a non-zero value if all of the corners - are found and they are placed in a certain order (row by row, left to right in every row). - Otherwise, if the function fails to find all the corners or reorder them, it returns 0. For example, - a regular chessboard has 8 x 8 squares and 7 x 7 internal corners, that is, points where the black - squares touch each other. The detected coordinates are approximate, and to determine their positions - more accurately, the function calls #cornerSubPix. You also may use the function #cornerSubPix with - different parameters if returned coordinates are not accurate enough. - - Sample usage of detecting and drawing chessboard corners: : - - Size patternsize(8,6); //interior number of corners - Mat gray = ....; //source image - vector<Point2f> corners; //this will be filled by the detected corners - - //CALIB_CB_FAST_CHECK saves a lot of time on images - //that do not contain any chessboard corners - bool patternfound = findChessboardCorners(gray, patternsize, corners, - CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE - + CALIB_CB_FAST_CHECK); - - if(patternfound) - cornerSubPix(gray, corners, Size(11, 11), Size(-1, -1), - TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1)); - - drawChessboardCorners(img, patternsize, Mat(corners), patternfound); - - Note: The function requires white space (like a square-thick border, the wider the better) around - the board to make the detection more robust in various environments. Otherwise, if there is no - border and the background is dark, the outer black squares cannot be segmented properly and so the - square grouping and ordering algorithm fails. - - Use the gen_pattern.py Python script (REF: tutorial_camera_calibration_pattern) - to create the desired checkerboard pattern.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkChessboard

      -
      public static boolean checkChessboard(Mat img, - Size size)
      -
      -
      • -
    • -
      -

      findChessboardCornersSBWithMeta

      -
      public static boolean findChessboardCornersSBWithMeta(Mat image, - Size patternSize, - Mat corners, - int flags, - Mat meta)
      -
      Finds the positions of internal corners of the chessboard using a sector based approach.
      -
      -
      Parameters:
      -
      image - Source chessboard view. It must be an 8-bit grayscale or color image.
      -
      patternSize - Number of inner corners per a chessboard row and column - ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ).
      -
      corners - Output array of detected corners.
      -
      flags - Various operation flags that can be zero or a combination of the following values: -
        -
      • - REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with equalizeHist before detection. -
        • -
      • - REF: CALIB_CB_EXHAUSTIVE Run an exhaustive search to improve detection rate. -
        • -
      • - REF: CALIB_CB_ACCURACY Up sample input image to improve sub-pixel accuracy due to aliasing effects. -
        • -
      • - REF: CALIB_CB_LARGER The detected pattern is allowed to be larger than patternSize (see description). -
        • -
      • - REF: CALIB_CB_MARKER The detected pattern must have a marker (see description). - This should be used if an accurate camera calibration is required. -
        • -
      -
      meta - Optional output arrray of detected corners (CV_8UC1 and size = cv::Size(columns,rows)). - Each entry stands for one corner of the pattern and can have one of the following values: -
        -
      • - 0 = no meta data attached -
        • -
      • - 1 = left-top corner of a black cell -
        • -
      • - 2 = left-top corner of a white cell -
        • -
      • - 3 = left-top corner of a black cell with a white marker dot -
        • -
      • - 4 = left-top corner of a white cell with a black marker dot (pattern origin in case of markers otherwise first corner) -
        • -
      - - The function is analog to #findChessboardCorners but uses a localized radon - transformation approximated by box filters being more robust to all sort of - noise, faster on larger images and is able to directly return the sub-pixel - position of the internal chessboard corners. The Method is based on the paper - CITE: duda2018 "Accurate Detection and Localization of Checkerboard Corners for - Calibration" demonstrating that the returned sub-pixel positions are more - accurate than the one returned by cornerSubPix allowing a precise camera - calibration for demanding applications. - - In the case, the flags REF: CALIB_CB_LARGER or REF: CALIB_CB_MARKER are given, - the result can be recovered from the optional meta array. Both flags are - helpful to use calibration patterns exceeding the field of view of the camera. - These oversized patterns allow more accurate calibrations as corners can be - utilized, which are as close as possible to the image borders. For a - consistent coordinate system across all images, the optional marker (see image - below) can be used to move the origin of the board to the location where the - black circle is located. - - Note: The function requires a white boarder with roughly the same width as one - of the checkerboard fields around the whole board to improve the detection in - various environments. In addition, because of the localized radon - transformation it is beneficial to use round corners for the field corners - which are located on the outside of the board. The following figure illustrates - a sample checkerboard optimized for the detection. However, any other checkerboard - can be used as well. - - Use the gen_pattern.py Python script (REF: tutorial_camera_calibration_pattern) - to create the corresponding checkerboard pattern: - \image html pics/checkerboard_radon.png width=60%
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findChessboardCornersSB

      -
      public static boolean findChessboardCornersSB(Mat image, - Size patternSize, - Mat corners, - int flags)
      -
      -
      • -
    • -
      -

      findChessboardCornersSB

      -
      public static boolean findChessboardCornersSB(Mat image, - Size patternSize, - Mat corners)
      -
      -
      • -
    • -
      -

      estimateChessboardSharpness

      -
      public static Scalar estimateChessboardSharpness(Mat image, - Size patternSize, - Mat corners, - float rise_distance, - boolean vertical, - Mat sharpness)
      -
      Estimates the sharpness of a detected chessboard. - - Image sharpness, as well as brightness, are a critical parameter for accuracte - camera calibration. For accessing these parameters for filtering out - problematic calibraiton images, this method calculates edge profiles by traveling from - black to white chessboard cell centers. Based on this, the number of pixels is - calculated required to transit from black to white. This width of the - transition area is a good indication of how sharp the chessboard is imaged - and should be below ~3.0 pixels.
      -
      -
      Parameters:
      -
      image - Gray image used to find chessboard corners
      -
      patternSize - Size of a found chessboard pattern
      -
      corners - Corners found by #findChessboardCornersSB
      -
      rise_distance - Rise distance 0.8 means 10% ... 90% of the final signal strength
      -
      vertical - By default edge responses for horizontal lines are calculated
      -
      sharpness - Optional output array with a sharpness value for calculated edge responses (see description) - - The optional sharpness array is of type CV_32FC1 and has for each calculated - profile one row with the following five entries: - 0 = x coordinate of the underlying edge in the image - 1 = y coordinate of the underlying edge in the image - 2 = width of the transition area (sharpness) - 3 = signal strength in the black cell (min brightness) - 4 = signal strength in the white cell (max brightness)
      -
      Returns:
      -
      Scalar(average sharpness, average min brightness, average max brightness,0)
      -
      -
      -
      • -
    • -
      -

      estimateChessboardSharpness

      -
      public static Scalar estimateChessboardSharpness(Mat image, - Size patternSize, - Mat corners, - float rise_distance, - boolean vertical)
      -
      Estimates the sharpness of a detected chessboard. - - Image sharpness, as well as brightness, are a critical parameter for accuracte - camera calibration. For accessing these parameters for filtering out - problematic calibraiton images, this method calculates edge profiles by traveling from - black to white chessboard cell centers. Based on this, the number of pixels is - calculated required to transit from black to white. This width of the - transition area is a good indication of how sharp the chessboard is imaged - and should be below ~3.0 pixels.
      -
      -
      Parameters:
      -
      image - Gray image used to find chessboard corners
      -
      patternSize - Size of a found chessboard pattern
      -
      corners - Corners found by #findChessboardCornersSB
      -
      rise_distance - Rise distance 0.8 means 10% ... 90% of the final signal strength
      -
      vertical - By default edge responses for horizontal lines are calculated - - The optional sharpness array is of type CV_32FC1 and has for each calculated - profile one row with the following five entries: - 0 = x coordinate of the underlying edge in the image - 1 = y coordinate of the underlying edge in the image - 2 = width of the transition area (sharpness) - 3 = signal strength in the black cell (min brightness) - 4 = signal strength in the white cell (max brightness)
      -
      Returns:
      -
      Scalar(average sharpness, average min brightness, average max brightness,0)
      -
      -
      -
      • -
    • -
      -

      estimateChessboardSharpness

      -
      public static Scalar estimateChessboardSharpness(Mat image, - Size patternSize, - Mat corners, - float rise_distance)
      -
      Estimates the sharpness of a detected chessboard. - - Image sharpness, as well as brightness, are a critical parameter for accuracte - camera calibration. For accessing these parameters for filtering out - problematic calibraiton images, this method calculates edge profiles by traveling from - black to white chessboard cell centers. Based on this, the number of pixels is - calculated required to transit from black to white. This width of the - transition area is a good indication of how sharp the chessboard is imaged - and should be below ~3.0 pixels.
      -
      -
      Parameters:
      -
      image - Gray image used to find chessboard corners
      -
      patternSize - Size of a found chessboard pattern
      -
      corners - Corners found by #findChessboardCornersSB
      -
      rise_distance - Rise distance 0.8 means 10% ... 90% of the final signal strength - - The optional sharpness array is of type CV_32FC1 and has for each calculated - profile one row with the following five entries: - 0 = x coordinate of the underlying edge in the image - 1 = y coordinate of the underlying edge in the image - 2 = width of the transition area (sharpness) - 3 = signal strength in the black cell (min brightness) - 4 = signal strength in the white cell (max brightness)
      -
      Returns:
      -
      Scalar(average sharpness, average min brightness, average max brightness,0)
      -
      -
      -
      • -
    • -
      -

      estimateChessboardSharpness

      -
      public static Scalar estimateChessboardSharpness(Mat image, - Size patternSize, - Mat corners)
      -
      Estimates the sharpness of a detected chessboard. - - Image sharpness, as well as brightness, are a critical parameter for accuracte - camera calibration. For accessing these parameters for filtering out - problematic calibraiton images, this method calculates edge profiles by traveling from - black to white chessboard cell centers. Based on this, the number of pixels is - calculated required to transit from black to white. This width of the - transition area is a good indication of how sharp the chessboard is imaged - and should be below ~3.0 pixels.
      -
      -
      Parameters:
      -
      image - Gray image used to find chessboard corners
      -
      patternSize - Size of a found chessboard pattern
      -
      corners - Corners found by #findChessboardCornersSB - - The optional sharpness array is of type CV_32FC1 and has for each calculated - profile one row with the following five entries: - 0 = x coordinate of the underlying edge in the image - 1 = y coordinate of the underlying edge in the image - 2 = width of the transition area (sharpness) - 3 = signal strength in the black cell (min brightness) - 4 = signal strength in the white cell (max brightness)
      -
      Returns:
      -
      Scalar(average sharpness, average min brightness, average max brightness,0)
      -
      -
      -
      • -
    • -
      -

      find4QuadCornerSubpix

      -
      public static boolean find4QuadCornerSubpix(Mat img, - Mat corners, - Size region_size)
      -
      -
      • -
    • -
      -

      drawChessboardCorners

      -
      public static void drawChessboardCorners(Mat image, - Size patternSize, - MatOfPoint2f corners, - boolean patternWasFound)
      -
      Renders the detected chessboard corners.
      -
      -
      Parameters:
      -
      image - Destination image. It must be an 8-bit color image.
      -
      patternSize - Number of inner corners per a chessboard row and column - (patternSize = cv::Size(points_per_row,points_per_column)).
      -
      corners - Array of detected corners, the output of #findChessboardCorners.
      -
      patternWasFound - Parameter indicating whether the complete board was found or not. The - return value of #findChessboardCorners should be passed here. - - The function draws individual chessboard corners detected either as red circles if the board was not - found, or as colored corners connected with lines if the board was found.
      -
      -
      -
      • -
    • -
      -

      drawFrameAxes

      -
      public static void drawFrameAxes(Mat image, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - float length, - int thickness)
      -
      Draw axes of the world/object coordinate system from pose estimation. SEE: solvePnP
      -
      -
      Parameters:
      -
      image - Input/output image. It must have 1 or 3 channels. The number of channels is not altered.
      -
      cameraMatrix - Input 3x3 floating-point matrix of camera intrinsic parameters. - \(\cameramatrix{A}\)
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is empty, the zero distortion coefficients are assumed.
      -
      rvec - Rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Translation vector.
      -
      length - Length of the painted axes in the same unit than tvec (usually in meters).
      -
      thickness - Line thickness of the painted axes. - - This function draws the axes of the world/object coordinate system w.r.t. to the camera frame. - OX is drawn in red, OY in green and OZ in blue.
      -
      -
      -
      • -
    • -
      -

      drawFrameAxes

      -
      public static void drawFrameAxes(Mat image, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - float length)
      -
      Draw axes of the world/object coordinate system from pose estimation. SEE: solvePnP
      -
      -
      Parameters:
      -
      image - Input/output image. It must have 1 or 3 channels. The number of channels is not altered.
      -
      cameraMatrix - Input 3x3 floating-point matrix of camera intrinsic parameters. - \(\cameramatrix{A}\)
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is empty, the zero distortion coefficients are assumed.
      -
      rvec - Rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Translation vector.
      -
      length - Length of the painted axes in the same unit than tvec (usually in meters). - - This function draws the axes of the world/object coordinate system w.r.t. to the camera frame. - OX is drawn in red, OY in green and OZ in blue.
      -
      -
      -
      • -
    • -
      -

      findCirclesGrid

      -
      public static boolean findCirclesGrid(Mat image, - Size patternSize, - Mat centers, - int flags)
      -
      -
      • -
    • -
      -

      findCirclesGrid

      -
      public static boolean findCirclesGrid(Mat image, - Size patternSize, - Mat centers)
      -
      -
      • -
    • -
      -

      calibrateCameraExtended

      -
      public static double calibrateCameraExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat perViewErrors, - int flags, - TermCriteria criteria)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
      -
      -
      Parameters:
      -
      objectPoints - In the new interface it is a vector of vectors of calibration pattern points in - the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - vector contains as many elements as the number of pattern views. If the same calibration pattern - is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - possible to use partially occluded patterns or even different patterns in different views. Then, - the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - In the old interface all the vectors of object points from different views are concatenated - together.
      -
      imagePoints - In the new interface it is a vector of vectors of the projections of calibration - pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - respectively. In the old interface all the vectors of object points from different views are - concatenated together.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrix.
      -
      cameraMatrix - Input/output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - are specified, some or all of fx, fy, cx, cy must be initialized before calling the function.
      -
      distCoeffs - Input/output vector of distortion coefficients - \(\distcoeffs\).
      -
      rvecs - Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - i-th translation vector (see the next output parameter description) brings the calibration pattern - from the object coordinate space (in which object points are specified) to the camera coordinate - space. In more technical terms, the tuple of the i-th rotation and translation vector performs - a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - space.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter - describtion above.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic - parameters. Order of deviations values: - \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic - parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. - Note, that if intrinsic parameters are known, there is no need to use this function just to - estimate extrinsic parameters. Use REF: solvePnP instead. -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when - REF: CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - ratio fx/fy stays the same as in the input cameraMatrix . When - REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - ignored, only their ratio is computed and used further. -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - to zeros and stay zero. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - REF: CALIB_USE_INTRINSIC_GUESS is set. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the rational model and return 8 coefficients or more. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients or more. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      -
      criteria - Termination criteria for the iterative optimization algorithm.
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - points and their corresponding 2D projections in each view must be specified. That may be achieved - by using an object with known geometry and easily detectable feature points. Such an object is - called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - be used as long as initial cameraMatrix is provided. - - The algorithm performs the following steps: - -
        -
      • - Compute the initial intrinsic parameters (the option only available for planar calibration - patterns) or read them from the input parameters. The distortion coefficients are all set to - zeros initially unless some of CALIB_FIX_K? are specified. -
        • -
      - -
        -
      • - Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - done using REF: solvePnP . -
        • -
      - -
        -
      • - Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - that is, the total sum of squared distances between the observed feature points imagePoints and - the projected (using the current estimates for camera parameters and the poses) object points - objectPoints. See REF: projectPoints for details. -
        • -
      - - Note: - If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - - Note: - The function may throw exceptions, if unsupported combination of parameters is provided or - the system is underconstrained. - - SEE: - calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCameraExtended

      -
      public static double calibrateCameraExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat perViewErrors, - int flags)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
      -
      -
      Parameters:
      -
      objectPoints - In the new interface it is a vector of vectors of calibration pattern points in - the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - vector contains as many elements as the number of pattern views. If the same calibration pattern - is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - possible to use partially occluded patterns or even different patterns in different views. Then, - the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - In the old interface all the vectors of object points from different views are concatenated - together.
      -
      imagePoints - In the new interface it is a vector of vectors of the projections of calibration - pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - respectively. In the old interface all the vectors of object points from different views are - concatenated together.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrix.
      -
      cameraMatrix - Input/output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - are specified, some or all of fx, fy, cx, cy must be initialized before calling the function.
      -
      distCoeffs - Input/output vector of distortion coefficients - \(\distcoeffs\).
      -
      rvecs - Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - i-th translation vector (see the next output parameter description) brings the calibration pattern - from the object coordinate space (in which object points are specified) to the camera coordinate - space. In more technical terms, the tuple of the i-th rotation and translation vector performs - a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - space.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter - describtion above.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic - parameters. Order of deviations values: - \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic - parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. - Note, that if intrinsic parameters are known, there is no need to use this function just to - estimate extrinsic parameters. Use REF: solvePnP instead. -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when - REF: CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - ratio fx/fy stays the same as in the input cameraMatrix . When - REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - ignored, only their ratio is computed and used further. -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - to zeros and stay zero. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - REF: CALIB_USE_INTRINSIC_GUESS is set. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the rational model and return 8 coefficients or more. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients or more. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - points and their corresponding 2D projections in each view must be specified. That may be achieved - by using an object with known geometry and easily detectable feature points. Such an object is - called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - be used as long as initial cameraMatrix is provided. - - The algorithm performs the following steps: - -
        -
      • - Compute the initial intrinsic parameters (the option only available for planar calibration - patterns) or read them from the input parameters. The distortion coefficients are all set to - zeros initially unless some of CALIB_FIX_K? are specified. -
        • -
      - -
        -
      • - Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - done using REF: solvePnP . -
        • -
      - -
        -
      • - Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - that is, the total sum of squared distances between the observed feature points imagePoints and - the projected (using the current estimates for camera parameters and the poses) object points - objectPoints. See REF: projectPoints for details. -
        • -
      - - Note: - If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - - Note: - The function may throw exceptions, if unsupported combination of parameters is provided or - the system is underconstrained. - - SEE: - calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCameraExtended

      -
      public static double calibrateCameraExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat perViewErrors)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration - pattern.
      -
      -
      Parameters:
      -
      objectPoints - In the new interface it is a vector of vectors of calibration pattern points in - the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - vector contains as many elements as the number of pattern views. If the same calibration pattern - is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - possible to use partially occluded patterns or even different patterns in different views. Then, - the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - In the old interface all the vectors of object points from different views are concatenated - together.
      -
      imagePoints - In the new interface it is a vector of vectors of the projections of calibration - pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - respectively. In the old interface all the vectors of object points from different views are - concatenated together.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrix.
      -
      cameraMatrix - Input/output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - are specified, some or all of fx, fy, cx, cy must be initialized before calling the function.
      -
      distCoeffs - Input/output vector of distortion coefficients - \(\distcoeffs\).
      -
      rvecs - Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - i-th translation vector (see the next output parameter description) brings the calibration pattern - from the object coordinate space (in which object points are specified) to the camera coordinate - space. In more technical terms, the tuple of the i-th rotation and translation vector performs - a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - space.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter - describtion above.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic - parameters. Order of deviations values: - \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic - parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view. -
        -
      • - REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. - Note, that if intrinsic parameters are known, there is no need to use this function just to - estimate extrinsic parameters. Use REF: solvePnP instead. -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when - REF: CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - ratio fx/fy stays the same as in the input cameraMatrix . When - REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - ignored, only their ratio is computed and used further. -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - to zeros and stay zero. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - REF: CALIB_USE_INTRINSIC_GUESS is set. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the rational model and return 8 coefficients or more. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients or more. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - points and their corresponding 2D projections in each view must be specified. That may be achieved - by using an object with known geometry and easily detectable feature points. Such an object is - called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - be used as long as initial cameraMatrix is provided. - - The algorithm performs the following steps: - -
        -
      • - Compute the initial intrinsic parameters (the option only available for planar calibration - patterns) or read them from the input parameters. The distortion coefficients are all set to - zeros initially unless some of CALIB_FIX_K? are specified. -
        • -
      - -
        -
      • - Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - done using REF: solvePnP . -
        • -
      - -
        -
      • - Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - that is, the total sum of squared distances between the observed feature points imagePoints and - the projected (using the current estimates for camera parameters and the poses) object points - objectPoints. See REF: projectPoints for details. -
        • -
      - - Note: - If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - - Note: - The function may throw exceptions, if unsupported combination of parameters is provided or - the system is underconstrained. - - SEE: - calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCamera

      -
      public static double calibrateCamera(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - int flags, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      calibrateCamera

      -
      public static double calibrateCamera(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - int flags)
      -
      -
      • -
    • -
      -

      calibrateCamera

      -
      public static double calibrateCamera(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs)
      -
      -
      • -
    • -
      -

      calibrateCameraROExtended

      -
      public static double calibrateCameraROExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat stdDeviationsObjPoints, - Mat perViewErrors, - int flags, - TermCriteria criteria)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - - This function is an extension of #calibrateCamera with the method of releasing object which was - proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - targets (calibration plates), this method can dramatically improve the precision of the estimated - camera parameters. Both the object-releasing method and standard method are supported by this - function. Use the parameter iFixedPoint for method selection. In the internal implementation, - #calibrateCamera is a wrapper for this function.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of calibration pattern points in the calibration pattern - coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - the identical calibration board must be used in each view and it must be fully visible, and all - objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - target has to be rigid, or at least static if the camera (rather than the calibration target) is - shifted for grabbing images.
      -
      imagePoints - Vector of vectors of the projections of calibration pattern points. See - #calibrateCamera for details.
      -
      imageSize - Size of the image used only to initialize the intrinsic camera matrix.
      -
      iFixedPoint - The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - a switch for calibration method selection. If object-releasing method to be used, pass in the - parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - make standard calibration method selected. Usually the top-right corner point of the calibration - board grid is recommended to be fixed when object-releasing method being utilized. According to - \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - newObjPoints are only possible if coordinates of these three fixed points are accurate enough.
      -
      cameraMatrix - Output 3x3 floating-point camera matrix. See #calibrateCamera for details.
      -
      distCoeffs - Output vector of distortion coefficients. See #calibrateCamera for details.
      -
      rvecs - Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - for details.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view.
      -
      newObjPoints - The updated output vector of calibration pattern points. The coordinates might - be scaled based on three fixed points. The returned coordinates are accurate only if the above - mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - is ignored with standard calibration method.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsObjPoints - Output vector of standard deviations estimated for refined coordinates - of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - parameter is ignored with standard calibration method.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of some predefined values. See - #calibrateCamera for details. If the method of releasing object is used, the calibration time may - be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - less precise and less stable in some rare cases.
      -
      criteria - Termination criteria for the iterative optimization algorithm.
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - #calibrateCamera for other detailed explanations. - SEE: - calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCameraROExtended

      -
      public static double calibrateCameraROExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat stdDeviationsObjPoints, - Mat perViewErrors, - int flags)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - - This function is an extension of #calibrateCamera with the method of releasing object which was - proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - targets (calibration plates), this method can dramatically improve the precision of the estimated - camera parameters. Both the object-releasing method and standard method are supported by this - function. Use the parameter iFixedPoint for method selection. In the internal implementation, - #calibrateCamera is a wrapper for this function.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of calibration pattern points in the calibration pattern - coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - the identical calibration board must be used in each view and it must be fully visible, and all - objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - target has to be rigid, or at least static if the camera (rather than the calibration target) is - shifted for grabbing images.
      -
      imagePoints - Vector of vectors of the projections of calibration pattern points. See - #calibrateCamera for details.
      -
      imageSize - Size of the image used only to initialize the intrinsic camera matrix.
      -
      iFixedPoint - The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - a switch for calibration method selection. If object-releasing method to be used, pass in the - parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - make standard calibration method selected. Usually the top-right corner point of the calibration - board grid is recommended to be fixed when object-releasing method being utilized. According to - \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - newObjPoints are only possible if coordinates of these three fixed points are accurate enough.
      -
      cameraMatrix - Output 3x3 floating-point camera matrix. See #calibrateCamera for details.
      -
      distCoeffs - Output vector of distortion coefficients. See #calibrateCamera for details.
      -
      rvecs - Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - for details.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view.
      -
      newObjPoints - The updated output vector of calibration pattern points. The coordinates might - be scaled based on three fixed points. The returned coordinates are accurate only if the above - mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - is ignored with standard calibration method.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsObjPoints - Output vector of standard deviations estimated for refined coordinates - of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - parameter is ignored with standard calibration method.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of some predefined values. See - #calibrateCamera for details. If the method of releasing object is used, the calibration time may - be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - less precise and less stable in some rare cases.
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - #calibrateCamera for other detailed explanations. - SEE: - calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCameraROExtended

      -
      public static double calibrateCameraROExtended(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints, - Mat stdDeviationsIntrinsics, - Mat stdDeviationsExtrinsics, - Mat stdDeviationsObjPoints, - Mat perViewErrors)
      -
      Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - - This function is an extension of #calibrateCamera with the method of releasing object which was - proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - targets (calibration plates), this method can dramatically improve the precision of the estimated - camera parameters. Both the object-releasing method and standard method are supported by this - function. Use the parameter iFixedPoint for method selection. In the internal implementation, - #calibrateCamera is a wrapper for this function.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of calibration pattern points in the calibration pattern - coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - the identical calibration board must be used in each view and it must be fully visible, and all - objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - target has to be rigid, or at least static if the camera (rather than the calibration target) is - shifted for grabbing images.
      -
      imagePoints - Vector of vectors of the projections of calibration pattern points. See - #calibrateCamera for details.
      -
      imageSize - Size of the image used only to initialize the intrinsic camera matrix.
      -
      iFixedPoint - The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - a switch for calibration method selection. If object-releasing method to be used, pass in the - parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - make standard calibration method selected. Usually the top-right corner point of the calibration - board grid is recommended to be fixed when object-releasing method being utilized. According to - \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - newObjPoints are only possible if coordinates of these three fixed points are accurate enough.
      -
      cameraMatrix - Output 3x3 floating-point camera matrix. See #calibrateCamera for details.
      -
      distCoeffs - Output vector of distortion coefficients. See #calibrateCamera for details.
      -
      rvecs - Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - for details.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view.
      -
      newObjPoints - The updated output vector of calibration pattern points. The coordinates might - be scaled based on three fixed points. The returned coordinates are accurate only if the above - mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - is ignored with standard calibration method.
      -
      stdDeviationsIntrinsics - Output vector of standard deviations estimated for intrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsExtrinsics - Output vector of standard deviations estimated for extrinsic parameters. - See #calibrateCamera for details.
      -
      stdDeviationsObjPoints - Output vector of standard deviations estimated for refined coordinates - of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - parameter is ignored with standard calibration method.
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view. - #calibrateCamera for details. If the method of releasing object is used, the calibration time may - be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - less precise and less stable in some rare cases.
      -
      Returns:
      -
      the overall RMS re-projection error. - - The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - #calibrateCamera for other detailed explanations. - SEE: - calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort
      -
      -
      -
      • -
    • -
      -

      calibrateCameraRO

      -
      public static double calibrateCameraRO(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints, - int flags, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      calibrateCameraRO

      -
      public static double calibrateCameraRO(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints, - int flags)
      -
      -
      • -
    • -
      -

      calibrateCameraRO

      -
      public static double calibrateCameraRO(List<Mat> objectPoints, - List<Mat> imagePoints, - Size imageSize, - int iFixedPoint, - Mat cameraMatrix, - Mat distCoeffs, - List<Mat> rvecs, - List<Mat> tvecs, - Mat newObjPoints)
      -
      -
      • -
    • -
      -

      calibrationMatrixValues

      -
      public static void calibrationMatrixValues(Mat cameraMatrix, - Size imageSize, - double apertureWidth, - double apertureHeight, - double[] fovx, - double[] fovy, - double[] focalLength, - Point principalPoint, - double[] aspectRatio)
      -
      Computes useful camera characteristics from the camera intrinsic matrix.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera intrinsic matrix that can be estimated by #calibrateCamera or - #stereoCalibrate .
      -
      imageSize - Input image size in pixels.
      -
      apertureWidth - Physical width in mm of the sensor.
      -
      apertureHeight - Physical height in mm of the sensor.
      -
      fovx - Output field of view in degrees along the horizontal sensor axis.
      -
      fovy - Output field of view in degrees along the vertical sensor axis.
      -
      focalLength - Focal length of the lens in mm.
      -
      principalPoint - Principal point in mm.
      -
      aspectRatio - \(f_y/f_x\) - - The function computes various useful camera characteristics from the previously estimated camera - matrix. - - Note: - Do keep in mind that the unity measure 'mm' stands for whatever unit of measure one chooses for - the chessboard pitch (it can thus be any value).
      -
      -
      -
      • -
    • -
      -

      stereoCalibrateExtended

      -
      public static double stereoCalibrateExtended(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - List<Mat> rvecs, - List<Mat> tvecs, - Mat perViewErrors, - int flags, - TermCriteria criteria)
      -
      Calibrates a stereo camera set up. This function finds the intrinsic parameters - for each of the two cameras and the extrinsic parameters between the two cameras.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points. The same structure as - in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - be equal for each i.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera. The same structure as in REF: calibrateCamera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera. The same structure as in REF: calibrateCamera.
      -
      cameraMatrix1 - Input/output camera intrinsic matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output second camera intrinsic matrix for the second camera. See description for - cameraMatrix1.
      -
      distCoeffs2 - Input/output lens distortion coefficients for the second camera. See - description for distCoeffs1.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrices.
      -
      R - Output rotation matrix. Together with the translation vector T, this matrix brings - points given in the first camera's coordinate system to points in the second camera's - coordinate system. In more technical terms, the tuple of R and T performs a change of basis - from the first camera's coordinate system to the second camera's coordinate system. Due to its - duality, this tuple is equivalent to the position of the first camera with respect to the - second camera coordinate system.
      -
      T - Output translation vector, see description above.
      -
      E - Output essential matrix.
      -
      F - Output fundamental matrix.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ).
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - matrices are estimated. -
        • -
      • - REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - according to the specified flags. Initial values are provided by the user. -
        • -
      • - REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - . -
        • -
      • - REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - zeros and fix there. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - compatibility, this extra flag should be explicitly specified to make the calibration - function use the rational model and return 8 coefficients. If the flag is not set, the - function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      -
      criteria - Termination criteria for the iterative optimization algorithm. - - The function estimates the transformation between two cameras making a stereo pair. If one computes - the poses of an object relative to the first camera and to the second camera, - ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - relative position and orientation between the two cameras are fixed, then those poses definitely - relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - given. This is what the described function does. It computes (\(R\),\(T\)) such that: - - \(R_2=R R_1\) - \(T_2=R T_1 + T.\) - - Therefore, one can compute the coordinate representation of a 3D point for the second camera's - coordinate system when given the point's coordinate representation in the first camera's coordinate - system: - - \(\begin{bmatrix} - X_2 \\ - Y_2 \\ - Z_2 \\ - 1 - \end{bmatrix} = \begin{bmatrix} - R & T \\ - 0 & 1 - \end{bmatrix} \begin{bmatrix} - X_1 \\ - Y_1 \\ - Z_1 \\ - 1 - \end{bmatrix}.\) - - - Optionally, it computes the essential matrix E: - - \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - - where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - And the function can also compute the fundamental matrix F: - - \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - - Besides the stereo-related information, the function can also perform a full calibration of each of - the two cameras. However, due to the high dimensionality of the parameter space and noise in the - input data, the function can diverge from the correct solution. If the intrinsic parameters can be - estimated with high accuracy for each of the cameras individually (for example, using - #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - function along with the computed intrinsic parameters. Otherwise, if all the parameters are - estimated at once, it makes sense to restrict some parameters, for example, pass - REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - reasonable assumption. - - Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - points in all the available views from both cameras. The function returns the final value of the - re-projection error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      stereoCalibrateExtended

      -
      public static double stereoCalibrateExtended(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - List<Mat> rvecs, - List<Mat> tvecs, - Mat perViewErrors, - int flags)
      -
      Calibrates a stereo camera set up. This function finds the intrinsic parameters - for each of the two cameras and the extrinsic parameters between the two cameras.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points. The same structure as - in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - be equal for each i.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera. The same structure as in REF: calibrateCamera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera. The same structure as in REF: calibrateCamera.
      -
      cameraMatrix1 - Input/output camera intrinsic matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output second camera intrinsic matrix for the second camera. See description for - cameraMatrix1.
      -
      distCoeffs2 - Input/output lens distortion coefficients for the second camera. See - description for distCoeffs1.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrices.
      -
      R - Output rotation matrix. Together with the translation vector T, this matrix brings - points given in the first camera's coordinate system to points in the second camera's - coordinate system. In more technical terms, the tuple of R and T performs a change of basis - from the first camera's coordinate system to the second camera's coordinate system. Due to its - duality, this tuple is equivalent to the position of the first camera with respect to the - second camera coordinate system.
      -
      T - Output translation vector, see description above.
      -
      E - Output essential matrix.
      -
      F - Output fundamental matrix.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ).
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - matrices are estimated. -
        • -
      • - REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - according to the specified flags. Initial values are provided by the user. -
        • -
      • - REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - . -
        • -
      • - REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - zeros and fix there. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - compatibility, this extra flag should be explicitly specified to make the calibration - function use the rational model and return 8 coefficients. If the flag is not set, the - function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      - - The function estimates the transformation between two cameras making a stereo pair. If one computes - the poses of an object relative to the first camera and to the second camera, - ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - relative position and orientation between the two cameras are fixed, then those poses definitely - relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - given. This is what the described function does. It computes (\(R\),\(T\)) such that: - - \(R_2=R R_1\) - \(T_2=R T_1 + T.\) - - Therefore, one can compute the coordinate representation of a 3D point for the second camera's - coordinate system when given the point's coordinate representation in the first camera's coordinate - system: - - \(\begin{bmatrix} - X_2 \\ - Y_2 \\ - Z_2 \\ - 1 - \end{bmatrix} = \begin{bmatrix} - R & T \\ - 0 & 1 - \end{bmatrix} \begin{bmatrix} - X_1 \\ - Y_1 \\ - Z_1 \\ - 1 - \end{bmatrix}.\) - - - Optionally, it computes the essential matrix E: - - \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - - where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - And the function can also compute the fundamental matrix F: - - \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - - Besides the stereo-related information, the function can also perform a full calibration of each of - the two cameras. However, due to the high dimensionality of the parameter space and noise in the - input data, the function can diverge from the correct solution. If the intrinsic parameters can be - estimated with high accuracy for each of the cameras individually (for example, using - #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - function along with the computed intrinsic parameters. Otherwise, if all the parameters are - estimated at once, it makes sense to restrict some parameters, for example, pass - REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - reasonable assumption. - - Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - points in all the available views from both cameras. The function returns the final value of the - re-projection error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      stereoCalibrateExtended

      -
      public static double stereoCalibrateExtended(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - List<Mat> rvecs, - List<Mat> tvecs, - Mat perViewErrors)
      -
      Calibrates a stereo camera set up. This function finds the intrinsic parameters - for each of the two cameras and the extrinsic parameters between the two cameras.
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points. The same structure as - in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - be equal for each i.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera. The same structure as in REF: calibrateCamera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera. The same structure as in REF: calibrateCamera.
      -
      cameraMatrix1 - Input/output camera intrinsic matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output second camera intrinsic matrix for the second camera. See description for - cameraMatrix1.
      -
      distCoeffs2 - Input/output lens distortion coefficients for the second camera. See - description for distCoeffs1.
      -
      imageSize - Size of the image used only to initialize the camera intrinsic matrices.
      -
      R - Output rotation matrix. Together with the translation vector T, this matrix brings - points given in the first camera's coordinate system to points in the second camera's - coordinate system. In more technical terms, the tuple of R and T performs a change of basis - from the first camera's coordinate system to the second camera's coordinate system. Due to its - duality, this tuple is equivalent to the position of the first camera with respect to the - second camera coordinate system.
      -
      T - Output translation vector, see description above.
      -
      E - Output essential matrix.
      -
      F - Output fundamental matrix.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ).
      -
      perViewErrors - Output vector of the RMS re-projection error estimated for each pattern view. -
        -
      • - REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - matrices are estimated. -
        • -
      • - REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - according to the specified flags. Initial values are provided by the user. -
        • -
      • - REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). -
        • -
      • - REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. -
        • -
      • - REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . -
        • -
      • - REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - . -
        • -
      • - REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . -
        • -
      • - REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - zeros and fix there. -
        • -
      • - REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - compatibility, this extra flag should be explicitly specified to make the calibration - function use the rational model and return 8 coefficients. If the flag is not set, the - function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the thin prism model and return 12 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      • - REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - backward compatibility, this extra flag should be explicitly specified to make the - calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - set, the function computes and returns only 5 distortion coefficients. -
        • -
      • - REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - supplied distCoeffs matrix is used. Otherwise, it is set to 0. -
        • -
      - - The function estimates the transformation between two cameras making a stereo pair. If one computes - the poses of an object relative to the first camera and to the second camera, - ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - relative position and orientation between the two cameras are fixed, then those poses definitely - relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - given. This is what the described function does. It computes (\(R\),\(T\)) such that: - - \(R_2=R R_1\) - \(T_2=R T_1 + T.\) - - Therefore, one can compute the coordinate representation of a 3D point for the second camera's - coordinate system when given the point's coordinate representation in the first camera's coordinate - system: - - \(\begin{bmatrix} - X_2 \\ - Y_2 \\ - Z_2 \\ - 1 - \end{bmatrix} = \begin{bmatrix} - R & T \\ - 0 & 1 - \end{bmatrix} \begin{bmatrix} - X_1 \\ - Y_1 \\ - Z_1 \\ - 1 - \end{bmatrix}.\) - - - Optionally, it computes the essential matrix E: - - \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - - where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - And the function can also compute the fundamental matrix F: - - \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - - Besides the stereo-related information, the function can also perform a full calibration of each of - the two cameras. However, due to the high dimensionality of the parameter space and noise in the - input data, the function can diverge from the correct solution. If the intrinsic parameters can be - estimated with high accuracy for each of the cameras individually (for example, using - #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - function along with the computed intrinsic parameters. Otherwise, if all the parameters are - estimated at once, it makes sense to restrict some parameters, for example, pass - REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - reasonable assumption. - - Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - points in all the available views from both cameras. The function returns the final value of the - re-projection error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - int flags, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - int flags)
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F)
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - Mat perViewErrors, - int flags, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - Mat perViewErrors, - int flags)
      -
      -
      • -
    • -
      -

      stereoCalibrate

      -
      public static double stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat E, - Mat F, - Mat perViewErrors)
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - double alpha, - Size newImageSize, - Rect validPixROI1, - Rect validPixROI2)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D).
      -
      flags - Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      alpha - Free scaling parameter. If it is -1 or absent, the function performs the default - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion.
      -
      validPixROI1 - Optional output rectangles inside the rectified images where all the pixels - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below).
      -
      validPixROI2 - Optional output rectangles inside the rectified images where all the pixels - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - double alpha, - Size newImageSize, - Rect validPixROI1)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D).
      -
      flags - Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      alpha - Free scaling parameter. If it is -1 or absent, the function performs the default - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion.
      -
      validPixROI1 - Optional output rectangles inside the rectified images where all the pixels - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - double alpha, - Size newImageSize)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D).
      -
      flags - Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      alpha - Free scaling parameter. If it is -1 or absent, the function performs the default - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - double alpha)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D).
      -
      flags - Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      alpha - Free scaling parameter. If it is -1 or absent, the function performs the default - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases. - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D).
      -
      flags - Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area. - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases. - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectify

      -
      public static void stereoRectify(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Size imageSize, - Mat R, - Mat T, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q)
      -
      Computes rectification transforms for each head of a calibrated stereo camera.
      -
      -
      Parameters:
      -
      cameraMatrix1 - First camera intrinsic matrix.
      -
      distCoeffs1 - First camera distortion parameters.
      -
      cameraMatrix2 - Second camera intrinsic matrix.
      -
      distCoeffs2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      T - Translation vector from the coordinate system of the first camera to the second camera, - see REF: stereoCalibrate.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - brings points given in the unrectified first camera's coordinate system to points in the rectified - first camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified first camera's coordinate system to the rectified first camera's coordinate system.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - brings points given in the unrectified second camera's coordinate system to points in the rectified - second camera's coordinate system. In more technical terms, it performs a change of basis from the - unrectified second camera's coordinate system to the rectified second camera's coordinate system.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified first camera's image.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera, i.e. it projects points given in the rectified first camera coordinate system into the - rectified second camera's image.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area. - scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - images are zoomed and shifted so that only valid pixels are visible (no black areas after - rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - pixels from the original images from the cameras are retained in the rectified images (no source - image pixels are lost). Any intermediate value yields an intermediate result between - those two extreme cases. - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - (see the picture below). - - The function computes the rotation matrices for each camera that (virtually) make both camera image - planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - as input. As output, it provides two rotation matrices and also two projection matrices in the new - coordinates. The function distinguishes the following two cases: - -
        -
      • - Horizontal stereo: the first and the second camera views are shifted relative to each other - mainly along the x-axis (with possible small vertical shift). In the rectified images, the - corresponding epipolar lines in the left and right cameras are horizontal and have the same - y-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx_1 & 0 \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx_2 & T_x \cdot f \\ - 0 & f & cy & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix} ,\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx_1 \\ - 0 & 1 & 0 & -cy \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - \end{bmatrix} \) - - where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - REF: CALIB_ZERO_DISPARITY is set. - -
        -
      • - Vertical stereo: the first and the second camera views are shifted relative to each other - mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: -
        • -
      - - \(\texttt{P1} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_1 & 0 \\ - 0 & 0 & 1 & 0 - \end{bmatrix}\) - - \(\texttt{P2} = \begin{bmatrix} - f & 0 & cx & 0 \\ - 0 & f & cy_2 & T_y \cdot f \\ - 0 & 0 & 1 & 0 - \end{bmatrix},\) - - \(\texttt{Q} = \begin{bmatrix} - 1 & 0 & 0 & -cx \\ - 0 & 1 & 0 & -cy_1 \\ - 0 & 0 & 0 & f \\ - 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - \end{bmatrix} \) - - where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - REF: CALIB_ZERO_DISPARITY is set. - - As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - initialize the rectification map for each camera. - - See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - the corresponding image regions. This means that the images are well rectified, which is what most - stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - their interiors are all valid pixels. - - ![image](pics/stereo_undistort.jpg)
      -
      -
      -
      • -
    • -
      -

      stereoRectifyUncalibrated

      -
      public static boolean stereoRectifyUncalibrated(Mat points1, - Mat points2, - Mat F, - Size imgSize, - Mat H1, - Mat H2, - double threshold)
      -
      Computes a rectification transform for an uncalibrated stereo camera.
      -
      -
      Parameters:
      -
      points1 - Array of feature points in the first image.
      -
      points2 - The corresponding points in the second image. The same formats as in - #findFundamentalMat are supported.
      -
      F - Input fundamental matrix. It can be computed from the same set of point pairs using - #findFundamentalMat .
      -
      imgSize - Size of the image.
      -
      H1 - Output rectification homography matrix for the first image.
      -
      H2 - Output rectification homography matrix for the second image.
      -
      threshold - Optional threshold used to filter out the outliers. If the parameter is greater - than zero, all the point pairs that do not comply with the epipolar geometry (that is, the points - for which \(|\texttt{points2[i]}^T \cdot \texttt{F} \cdot \texttt{points1[i]}|>\texttt{threshold}\) ) - are rejected prior to computing the homographies. Otherwise, all the points are considered inliers. - - The function computes the rectification transformations without knowing intrinsic parameters of the - cameras and their relative position in the space, which explains the suffix "uncalibrated". Another - related difference from #stereoRectify is that the function outputs not the rectification - transformations in the object (3D) space, but the planar perspective transformations encoded by the - homography matrices H1 and H2 . The function implements the algorithm CITE: Hartley99 . - - Note: - While the algorithm does not need to know the intrinsic parameters of the cameras, it heavily - depends on the epipolar geometry. Therefore, if the camera lenses have a significant distortion, - it would be better to correct it before computing the fundamental matrix and calling this - function. For example, distortion coefficients can be estimated for each head of stereo camera - separately by using #calibrateCamera . Then, the images can be corrected using #undistort , or - just the point coordinates can be corrected with #undistortPoints .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      stereoRectifyUncalibrated

      -
      public static boolean stereoRectifyUncalibrated(Mat points1, - Mat points2, - Mat F, - Size imgSize, - Mat H1, - Mat H2)
      -
      Computes a rectification transform for an uncalibrated stereo camera.
      -
      -
      Parameters:
      -
      points1 - Array of feature points in the first image.
      -
      points2 - The corresponding points in the second image. The same formats as in - #findFundamentalMat are supported.
      -
      F - Input fundamental matrix. It can be computed from the same set of point pairs using - #findFundamentalMat .
      -
      imgSize - Size of the image.
      -
      H1 - Output rectification homography matrix for the first image.
      -
      H2 - Output rectification homography matrix for the second image. - than zero, all the point pairs that do not comply with the epipolar geometry (that is, the points - for which \(|\texttt{points2[i]}^T \cdot \texttt{F} \cdot \texttt{points1[i]}|>\texttt{threshold}\) ) - are rejected prior to computing the homographies. Otherwise, all the points are considered inliers. - - The function computes the rectification transformations without knowing intrinsic parameters of the - cameras and their relative position in the space, which explains the suffix "uncalibrated". Another - related difference from #stereoRectify is that the function outputs not the rectification - transformations in the object (3D) space, but the planar perspective transformations encoded by the - homography matrices H1 and H2 . The function implements the algorithm CITE: Hartley99 . - - Note: - While the algorithm does not need to know the intrinsic parameters of the cameras, it heavily - depends on the epipolar geometry. Therefore, if the camera lenses have a significant distortion, - it would be better to correct it before computing the fundamental matrix and calling this - function. For example, distortion coefficients can be estimated for each head of stereo camera - separately by using #calibrateCamera . Then, the images can be corrected using #undistort , or - just the point coordinates can be corrected with #undistortPoints .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      rectify3Collinear

      -
      public static float rectify3Collinear(Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat cameraMatrix3, - Mat distCoeffs3, - List<Mat> imgpt1, - List<Mat> imgpt3, - Size imageSize, - Mat R12, - Mat T12, - Mat R13, - Mat T13, - Mat R1, - Mat R2, - Mat R3, - Mat P1, - Mat P2, - Mat P3, - Mat Q, - double alpha, - Size newImgSize, - Rect roi1, - Rect roi2, - int flags)
      -
      -
      • -
    • -
      -

      getOptimalNewCameraMatrix

      -
      public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, - Mat distCoeffs, - Size imageSize, - double alpha, - Size newImgSize, - Rect validPixROI, - boolean centerPrincipalPoint)
      -
      Returns the new camera intrinsic matrix based on the free scaling parameter.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera intrinsic matrix.
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      imageSize - Original image size.
      -
      alpha - Free scaling parameter between 0 (when all the pixels in the undistorted image are - valid) and 1 (when all the source image pixels are retained in the undistorted image). See - #stereoRectify for details.
      -
      newImgSize - Image size after rectification. By default, it is set to imageSize .
      -
      validPixROI - Optional output rectangle that outlines all-good-pixels region in the - undistorted image. See roi1, roi2 description in #stereoRectify .
      -
      centerPrincipalPoint - Optional flag that indicates whether in the new camera intrinsic matrix the - principal point should be at the image center or not. By default, the principal point is chosen to - best fit a subset of the source image (determined by alpha) to the corrected image.
      -
      Returns:
      -
      new_camera_matrix Output new camera intrinsic matrix. - - The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - image pixels if there is valuable information in the corners alpha=1 , or get something in between. - When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - #initUndistortRectifyMap to produce the maps for #remap .
      -
      -
      -
      • -
    • -
      -

      getOptimalNewCameraMatrix

      -
      public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, - Mat distCoeffs, - Size imageSize, - double alpha, - Size newImgSize, - Rect validPixROI)
      -
      Returns the new camera intrinsic matrix based on the free scaling parameter.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera intrinsic matrix.
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      imageSize - Original image size.
      -
      alpha - Free scaling parameter between 0 (when all the pixels in the undistorted image are - valid) and 1 (when all the source image pixels are retained in the undistorted image). See - #stereoRectify for details.
      -
      newImgSize - Image size after rectification. By default, it is set to imageSize .
      -
      validPixROI - Optional output rectangle that outlines all-good-pixels region in the - undistorted image. See roi1, roi2 description in #stereoRectify . - principal point should be at the image center or not. By default, the principal point is chosen to - best fit a subset of the source image (determined by alpha) to the corrected image.
      -
      Returns:
      -
      new_camera_matrix Output new camera intrinsic matrix. - - The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - image pixels if there is valuable information in the corners alpha=1 , or get something in between. - When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - #initUndistortRectifyMap to produce the maps for #remap .
      -
      -
      -
      • -
    • -
      -

      getOptimalNewCameraMatrix

      -
      public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, - Mat distCoeffs, - Size imageSize, - double alpha, - Size newImgSize)
      -
      Returns the new camera intrinsic matrix based on the free scaling parameter.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera intrinsic matrix.
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      imageSize - Original image size.
      -
      alpha - Free scaling parameter between 0 (when all the pixels in the undistorted image are - valid) and 1 (when all the source image pixels are retained in the undistorted image). See - #stereoRectify for details.
      -
      newImgSize - Image size after rectification. By default, it is set to imageSize . - undistorted image. See roi1, roi2 description in #stereoRectify . - principal point should be at the image center or not. By default, the principal point is chosen to - best fit a subset of the source image (determined by alpha) to the corrected image.
      -
      Returns:
      -
      new_camera_matrix Output new camera intrinsic matrix. - - The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - image pixels if there is valuable information in the corners alpha=1 , or get something in between. - When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - #initUndistortRectifyMap to produce the maps for #remap .
      -
      -
      -
      • -
    • -
      -

      getOptimalNewCameraMatrix

      -
      public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, - Mat distCoeffs, - Size imageSize, - double alpha)
      -
      Returns the new camera intrinsic matrix based on the free scaling parameter.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera intrinsic matrix.
      -
      distCoeffs - Input vector of distortion coefficients - \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - assumed.
      -
      imageSize - Original image size.
      -
      alpha - Free scaling parameter between 0 (when all the pixels in the undistorted image are - valid) and 1 (when all the source image pixels are retained in the undistorted image). See - #stereoRectify for details. - undistorted image. See roi1, roi2 description in #stereoRectify . - principal point should be at the image center or not. By default, the principal point is chosen to - best fit a subset of the source image (determined by alpha) to the corrected image.
      -
      Returns:
      -
      new_camera_matrix Output new camera intrinsic matrix. - - The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - image pixels if there is valuable information in the corners alpha=1 , or get something in between. - When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - #initUndistortRectifyMap to produce the maps for #remap .
      -
      -
      -
      • -
    • -
      -

      calibrateHandEye

      -
      public static void calibrateHandEye(List<Mat> R_gripper2base, - List<Mat> t_gripper2base, - List<Mat> R_target2cam, - List<Mat> t_target2cam, - Mat R_cam2gripper, - Mat t_cam2gripper, - int method)
      -
      Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\)
      -
      -
      Parameters:
      -
      R_gripper2base - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from gripper frame to robot base frame.
      -
      t_gripper2base - Translation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from gripper frame to robot base frame.
      -
      R_target2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from calibration target frame to camera frame.
      -
      t_target2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from calibration target frame to camera frame.
      -
      R_cam2gripper - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)).
      -
      t_cam2gripper - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)).
      -
      method - One of the implemented Hand-Eye calibration method, see cv::HandEyeCalibrationMethod - - The function performs the Hand-Eye calibration using various methods. One approach consists in estimating the - rotation then the translation (separable solutions) and the following methods are implemented: -
        -
      • - R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/EyeCalibration \cite Tsai89 -
        • -
      • - F. Park, B. Martin Robot Sensor Calibration: Solving AX = XB on the Euclidean Group \cite Park94 -
        • -
      • - R. Horaud, F. Dornaika Hand-Eye Calibration \cite Horaud95 -
        • -
      - - Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - with the following implemented methods: -
        -
      • - N. Andreff, R. Horaud, B. Espiau On-line Hand-Eye Calibration \cite Andreff99 -
        • -
      • - K. Daniilidis Hand-Eye Calibration Using Dual Quaternions \cite Daniilidis98 -
        • -
      - - The following picture describes the Hand-Eye calibration problem where the transformation between a camera ("eye") - mounted on a robot gripper ("hand") has to be estimated. This configuration is called eye-in-hand. - - The eye-to-hand configuration consists in a static camera observing a calibration pattern mounted on the robot - end-effector. The transformation from the camera to the robot base frame can then be estimated by inputting - the suitable transformations to the function, see below. - - ![](pics/hand-eye_figure.png) - - The calibration procedure is the following: -
        -
      • - a static calibration pattern is used to estimate the transformation between the target frame - and the camera frame -
        • -
      • - the robot gripper is moved in order to acquire several poses -
        • -
      • - for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - instance the robot kinematics - \( - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{b}\textrm{R}_g & _{}^{b}\textrm{t}_g \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - \) -
        • -
      • - for each pose, the homogeneous transformation between the calibration target frame and the camera frame is recorded using - for instance a pose estimation method (PnP) from 2D-3D point correspondences - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_t & _{}^{c}\textrm{t}_t \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_t\\ - Y_t\\ - Z_t\\ - 1 - \end{bmatrix} - \) -
        • -
      - - The Hand-Eye calibration procedure returns the following homogeneous transformation - \( - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{g}\textrm{R}_c & _{}^{g}\textrm{t}_c \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - \) - - This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{X}\mathbf{B}\) equation: -
        -
      • - for an eye-in-hand configuration - \( - \begin{align*} - ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - \hspace{0.1em} ^{b}{\textrm{T}_g}^{(2)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ -
        • -
      - - (^{b}{\textrm{T}_g}^{(2)})^{-1} \hspace{0.2em} ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c &= - \hspace{0.1em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - - \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - \end{align*} - \) - -
        -
      • - for an eye-to-hand configuration - \( - \begin{align*} - ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - \hspace{0.1em} ^{g}{\textrm{T}_b}^{(2)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ -
        • -
      - - (^{g}{\textrm{T}_b}^{(2)})^{-1} \hspace{0.2em} ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c &= - \hspace{0.1em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - - \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - \end{align*} - \) - - \note - Additional information can be found on this [website](http://campar.in.tum.de/Chair/HandEyeCalibration). - \note - A minimum of 2 motions with non parallel rotation axes are necessary to determine the hand-eye transformation. - So at least 3 different poses are required, but it is strongly recommended to use many more poses.
      -
      -
      -
      • -
    • -
      -

      calibrateHandEye

      -
      public static void calibrateHandEye(List<Mat> R_gripper2base, - List<Mat> t_gripper2base, - List<Mat> R_target2cam, - List<Mat> t_target2cam, - Mat R_cam2gripper, - Mat t_cam2gripper)
      -
      Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\)
      -
      -
      Parameters:
      -
      R_gripper2base - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from gripper frame to robot base frame.
      -
      t_gripper2base - Translation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from gripper frame to robot base frame.
      -
      R_target2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from calibration target frame to camera frame.
      -
      t_target2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from calibration target frame to camera frame.
      -
      R_cam2gripper - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)).
      -
      t_cam2gripper - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)). - - The function performs the Hand-Eye calibration using various methods. One approach consists in estimating the - rotation then the translation (separable solutions) and the following methods are implemented: -
        -
      • - R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/EyeCalibration \cite Tsai89 -
        • -
      • - F. Park, B. Martin Robot Sensor Calibration: Solving AX = XB on the Euclidean Group \cite Park94 -
        • -
      • - R. Horaud, F. Dornaika Hand-Eye Calibration \cite Horaud95 -
        • -
      - - Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - with the following implemented methods: -
        -
      • - N. Andreff, R. Horaud, B. Espiau On-line Hand-Eye Calibration \cite Andreff99 -
        • -
      • - K. Daniilidis Hand-Eye Calibration Using Dual Quaternions \cite Daniilidis98 -
        • -
      - - The following picture describes the Hand-Eye calibration problem where the transformation between a camera ("eye") - mounted on a robot gripper ("hand") has to be estimated. This configuration is called eye-in-hand. - - The eye-to-hand configuration consists in a static camera observing a calibration pattern mounted on the robot - end-effector. The transformation from the camera to the robot base frame can then be estimated by inputting - the suitable transformations to the function, see below. - - ![](pics/hand-eye_figure.png) - - The calibration procedure is the following: -
        -
      • - a static calibration pattern is used to estimate the transformation between the target frame - and the camera frame -
        • -
      • - the robot gripper is moved in order to acquire several poses -
        • -
      • - for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - instance the robot kinematics - \( - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{b}\textrm{R}_g & _{}^{b}\textrm{t}_g \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - \) -
        • -
      • - for each pose, the homogeneous transformation between the calibration target frame and the camera frame is recorded using - for instance a pose estimation method (PnP) from 2D-3D point correspondences - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_t & _{}^{c}\textrm{t}_t \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_t\\ - Y_t\\ - Z_t\\ - 1 - \end{bmatrix} - \) -
        • -
      - - The Hand-Eye calibration procedure returns the following homogeneous transformation - \( - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{g}\textrm{R}_c & _{}^{g}\textrm{t}_c \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - \) - - This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{X}\mathbf{B}\) equation: -
        -
      • - for an eye-in-hand configuration - \( - \begin{align*} - ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - \hspace{0.1em} ^{b}{\textrm{T}_g}^{(2)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ -
        • -
      - - (^{b}{\textrm{T}_g}^{(2)})^{-1} \hspace{0.2em} ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c &= - \hspace{0.1em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - - \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - \end{align*} - \) - -
        -
      • - for an eye-to-hand configuration - \( - \begin{align*} - ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - \hspace{0.1em} ^{g}{\textrm{T}_b}^{(2)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ -
        • -
      - - (^{g}{\textrm{T}_b}^{(2)})^{-1} \hspace{0.2em} ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c &= - \hspace{0.1em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - - \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - \end{align*} - \) - - \note - Additional information can be found on this [website](http://campar.in.tum.de/Chair/HandEyeCalibration). - \note - A minimum of 2 motions with non parallel rotation axes are necessary to determine the hand-eye transformation. - So at least 3 different poses are required, but it is strongly recommended to use many more poses.
      -
      -
      -
      • -
    • -
      -

      calibrateRobotWorldHandEye

      -
      public static void calibrateRobotWorldHandEye(List<Mat> R_world2cam, - List<Mat> t_world2cam, - List<Mat> R_base2gripper, - List<Mat> t_base2gripper, - Mat R_base2world, - Mat t_base2world, - Mat R_gripper2cam, - Mat t_gripper2cam, - int method)
      -
      Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\)
      -
      -
      Parameters:
      -
      R_world2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from world frame to the camera frame.
      -
      t_world2cam - Translation part extracted from the homogeneous matrix that transforms a point - expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from world frame to the camera frame.
      -
      R_base2gripper - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from robot base frame to the gripper frame.
      -
      t_base2gripper - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from robot base frame to the gripper frame.
      -
      R_base2world - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)).
      -
      t_base2world - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)).
      -
      R_gripper2cam - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)).
      -
      t_gripper2cam - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)).
      -
      method - One of the implemented Robot-World/Hand-Eye calibration method, see cv::RobotWorldHandEyeCalibrationMethod - - The function performs the Robot-World/Hand-Eye calibration using various methods. One approach consists in estimating the - rotation then the translation (separable solutions): -
        -
      • - M. Shah, Solving the robot-world/hand-eye calibration problem using the kronecker product \cite Shah2013SolvingTR -
        • -
      - - Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - with the following implemented method: -
        -
      • - A. Li, L. Wang, and D. Wu, Simultaneous robot-world and hand-eye calibration using dual-quaternions and kronecker product \cite Li2010SimultaneousRA -
        • -
      - - The following picture describes the Robot-World/Hand-Eye calibration problem where the transformations between a robot and a world frame - and between a robot gripper ("hand") and a camera ("eye") mounted at the robot end-effector have to be estimated. - - ![](pics/robot-world_hand-eye_figure.png) - - The calibration procedure is the following: -
        -
      • - a static calibration pattern is used to estimate the transformation between the target frame - and the camera frame -
        • -
      • - the robot gripper is moved in order to acquire several poses -
        • -
      • - for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - instance the robot kinematics - \( - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{g}\textrm{R}_b & _{}^{g}\textrm{t}_b \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - \) -
        • -
      • - for each pose, the homogeneous transformation between the calibration target frame (the world frame) and the camera frame is recorded using - for instance a pose estimation method (PnP) from 2D-3D point correspondences - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_w & _{}^{c}\textrm{t}_w \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_w\\ - Y_w\\ - Z_w\\ - 1 - \end{bmatrix} - \) -
        • -
      - - The Robot-World/Hand-Eye calibration procedure returns the following homogeneous transformations - \( - \begin{bmatrix} - X_w\\ - Y_w\\ - Z_w\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{w}\textrm{R}_b & _{}^{w}\textrm{t}_b \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - \) - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_g & _{}^{c}\textrm{t}_g \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - \) - - This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{Z}\mathbf{B}\) equation, with: -
        -
      • - \(\mathbf{A} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_w\) -
        • -
      • - \(\mathbf{X} \Leftrightarrow \hspace{0.1em} _{}^{w}\textrm{T}_b\) -
        • -
      • - \(\mathbf{Z} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_g\) -
        • -
      • - \(\mathbf{B} \Leftrightarrow \hspace{0.1em} _{}^{g}\textrm{T}_b\) -
        • -
      - - \note - At least 3 measurements are required (input vectors size must be greater or equal to 3).
      -
      -
      -
      • -
    • -
      -

      calibrateRobotWorldHandEye

      -
      public static void calibrateRobotWorldHandEye(List<Mat> R_world2cam, - List<Mat> t_world2cam, - List<Mat> R_base2gripper, - List<Mat> t_base2gripper, - Mat R_base2world, - Mat t_base2world, - Mat R_gripper2cam, - Mat t_gripper2cam)
      -
      Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\)
      -
      -
      Parameters:
      -
      R_world2cam - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from world frame to the camera frame.
      -
      t_world2cam - Translation part extracted from the homogeneous matrix that transforms a point - expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from world frame to the camera frame.
      -
      R_base2gripper - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - This is a vector (vector&lt;Mat&gt;) that contains the rotation, (3x3) rotation matrices or (3x1) rotation vectors, - for all the transformations from robot base frame to the gripper frame.
      -
      t_base2gripper - Rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - This is a vector (vector&lt;Mat&gt;) that contains the (3x1) translation vectors for all the transformations - from robot base frame to the gripper frame.
      -
      R_base2world - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)).
      -
      t_base2world - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)).
      -
      R_gripper2cam - Estimated (3x3) rotation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)).
      -
      t_gripper2cam - Estimated (3x1) translation part extracted from the homogeneous matrix that transforms a point - expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)). - - The function performs the Robot-World/Hand-Eye calibration using various methods. One approach consists in estimating the - rotation then the translation (separable solutions): -
        -
      • - M. Shah, Solving the robot-world/hand-eye calibration problem using the kronecker product \cite Shah2013SolvingTR -
        • -
      - - Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - with the following implemented method: -
        -
      • - A. Li, L. Wang, and D. Wu, Simultaneous robot-world and hand-eye calibration using dual-quaternions and kronecker product \cite Li2010SimultaneousRA -
        • -
      - - The following picture describes the Robot-World/Hand-Eye calibration problem where the transformations between a robot and a world frame - and between a robot gripper ("hand") and a camera ("eye") mounted at the robot end-effector have to be estimated. - - ![](pics/robot-world_hand-eye_figure.png) - - The calibration procedure is the following: -
        -
      • - a static calibration pattern is used to estimate the transformation between the target frame - and the camera frame -
        • -
      • - the robot gripper is moved in order to acquire several poses -
        • -
      • - for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - instance the robot kinematics - \( - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{g}\textrm{R}_b & _{}^{g}\textrm{t}_b \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - \) -
        • -
      • - for each pose, the homogeneous transformation between the calibration target frame (the world frame) and the camera frame is recorded using - for instance a pose estimation method (PnP) from 2D-3D point correspondences - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_w & _{}^{c}\textrm{t}_w \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_w\\ - Y_w\\ - Z_w\\ - 1 - \end{bmatrix} - \) -
        • -
      - - The Robot-World/Hand-Eye calibration procedure returns the following homogeneous transformations - \( - \begin{bmatrix} - X_w\\ - Y_w\\ - Z_w\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{w}\textrm{R}_b & _{}^{w}\textrm{t}_b \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_b\\ - Y_b\\ - Z_b\\ - 1 - \end{bmatrix} - \) - \( - \begin{bmatrix} - X_c\\ - Y_c\\ - Z_c\\ - 1 - \end{bmatrix} - = - \begin{bmatrix} - _{}^{c}\textrm{R}_g & _{}^{c}\textrm{t}_g \\ - 0_{1 \times 3} & 1 - \end{bmatrix} - \begin{bmatrix} - X_g\\ - Y_g\\ - Z_g\\ - 1 - \end{bmatrix} - \) - - This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{Z}\mathbf{B}\) equation, with: -
        -
      • - \(\mathbf{A} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_w\) -
        • -
      • - \(\mathbf{X} \Leftrightarrow \hspace{0.1em} _{}^{w}\textrm{T}_b\) -
        • -
      • - \(\mathbf{Z} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_g\) -
        • -
      • - \(\mathbf{B} \Leftrightarrow \hspace{0.1em} _{}^{g}\textrm{T}_b\) -
        • -
      - - \note - At least 3 measurements are required (input vectors size must be greater or equal to 3).
      -
      -
      -
      • -
    • -
      -

      convertPointsToHomogeneous

      -
      public static void convertPointsToHomogeneous(Mat src, - Mat dst)
      -
      Converts points from Euclidean to homogeneous space.
      -
      -
      Parameters:
      -
      src - Input vector of N-dimensional points.
      -
      dst - Output vector of N+1-dimensional points. - - The function converts points from Euclidean to homogeneous space by appending 1's to the tuple of - point coordinates. That is, each point (x1, x2, ..., xn) is converted to (x1, x2, ..., xn, 1).
      -
      -
      -
      • -
    • -
      -

      convertPointsFromHomogeneous

      -
      public static void convertPointsFromHomogeneous(Mat src, - Mat dst)
      -
      Converts points from homogeneous to Euclidean space.
      -
      -
      Parameters:
      -
      src - Input vector of N-dimensional points.
      -
      dst - Output vector of N-1-dimensional points. - - The function converts points homogeneous to Euclidean space using perspective projection. That is, - each point (x1, x2, ... x(n-1), xn) is converted to (x1/xn, x2/xn, ..., x(n-1)/xn). When xn=0, the - output point coordinates will be (0,0,0,...).
      -
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method, - double ransacReprojThreshold, - double confidence, - int maxIters, - Mat mask)
      -
      Calculates a fundamental matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: FM_7POINT for a 7-point algorithm. \(N = 7\) -
        • -
      • - REF: FM_8POINT for an 8-point algorithm. \(N \ge 8\) -
        • -
      • - REF: FM_RANSAC for the RANSAC algorithm. \(N \ge 8\) -
        • -
      • - REF: FM_LMEDS for the LMedS algorithm. \(N \ge 8\) -
        • -
      -
      ransacReprojThreshold - Parameter used only for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      confidence - Parameter used for the RANSAC and LMedS methods only. It specifies a desirable level - of confidence (probability) that the estimated matrix is correct.
      -
      mask - optional output mask
      -
      maxIters - The maximum number of robust method iterations. - - The epipolar geometry is described by the following equation: - - \([p_2; 1]^T F [p_1; 1] = 0\) - - where \(F\) is a fundamental matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. - - The function calculates the fundamental matrix using one of four methods listed above and returns - the found fundamental matrix. Normally just one matrix is found. But in case of the 7-point - algorithm, the function may return up to 3 solutions ( \(9 \times 3\) matrix that stores all 3 - matrices sequentially). - - The calculated fundamental matrix may be passed further to #computeCorrespondEpilines that finds the - epipolar lines corresponding to the specified points. It can also be passed to - #stereoRectifyUncalibrated to compute the rectification transformation. : - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - Mat fundamental_matrix = - findFundamentalMat(points1, points2, FM_RANSAC, 3, 0.99); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method, - double ransacReprojThreshold, - double confidence, - int maxIters)
      -
      Calculates a fundamental matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: FM_7POINT for a 7-point algorithm. \(N = 7\) -
        • -
      • - REF: FM_8POINT for an 8-point algorithm. \(N \ge 8\) -
        • -
      • - REF: FM_RANSAC for the RANSAC algorithm. \(N \ge 8\) -
        • -
      • - REF: FM_LMEDS for the LMedS algorithm. \(N \ge 8\) -
        • -
      -
      ransacReprojThreshold - Parameter used only for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      confidence - Parameter used for the RANSAC and LMedS methods only. It specifies a desirable level - of confidence (probability) that the estimated matrix is correct.
      -
      maxIters - The maximum number of robust method iterations. - - The epipolar geometry is described by the following equation: - - \([p_2; 1]^T F [p_1; 1] = 0\) - - where \(F\) is a fundamental matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. - - The function calculates the fundamental matrix using one of four methods listed above and returns - the found fundamental matrix. Normally just one matrix is found. But in case of the 7-point - algorithm, the function may return up to 3 solutions ( \(9 \times 3\) matrix that stores all 3 - matrices sequentially). - - The calculated fundamental matrix may be passed further to #computeCorrespondEpilines that finds the - epipolar lines corresponding to the specified points. It can also be passed to - #stereoRectifyUncalibrated to compute the rectification transformation. : - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - Mat fundamental_matrix = - findFundamentalMat(points1, points2, FM_RANSAC, 3, 0.99); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method, - double ransacReprojThreshold, - double confidence, - Mat mask)
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method, - double ransacReprojThreshold, - double confidence)
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method, - double ransacReprojThreshold)
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - int method)
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2)
      -
      -
      • -
    • -
      -

      findFundamentalMat

      -
      public static Mat findFundamentalMat(MatOfPoint2f points1, - MatOfPoint2f points2, - Mat mask, - UsacParams params)
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix, - int method, - double prob, - double threshold, - int maxIters, - Mat mask)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      mask - Output array of N elements, every element of which is set to 0 for outliers and to 1 - for the other points. The array is computed only in the RANSAC and LMedS methods.
      -
      maxIters - The maximum number of robust method iterations. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix, - int method, - double prob, - double threshold, - int maxIters)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods.
      -
      maxIters - The maximum number of robust method iterations. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix, - int method, - double prob, - double threshold)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix, - int method, - double prob)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix, - int method)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix)
      -
      Calculates an essential matrix from the corresponding points in two images.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix. If this assumption does not hold for your use case, use another - function overload or #undistortPoints with P = cv::NoArray() for both cameras to transform image - points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - When passing these coordinates, pass the identity matrix for this parameter. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp, - int method, - double prob, - double threshold, - int maxIters, - Mat mask)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      mask - Output array of N elements, every element of which is set to 0 for outliers and to 1 - for the other points. The array is computed only in the RANSAC and LMedS methods.
      -
      maxIters - The maximum number of robust method iterations. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp, - int method, - double prob, - double threshold, - int maxIters)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods.
      -
      maxIters - The maximum number of robust method iterations. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp, - int method, - double prob, - double threshold)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp, - int method, - double prob)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp, - int method)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      method - Method for computing a fundamental matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal, - Point pp)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - double focal)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      focal - focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2)
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 . - are feature points from cameras with same focal length and principal point. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - confidence (probability) that the estimated matrix is correct. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - int method, - double prob, - double threshold, - Mat mask)
      -
      Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix1 - Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      cameraMatrix2 - Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs1 - Input vector of distortion coefficients for the first camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      distCoeffs2 - Input vector of distortion coefficients for the second camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      mask - Output array of N elements, every element of which is set to 0 for outliers and to 1 - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - int method, - double prob, - double threshold)
      -
      Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix1 - Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      cameraMatrix2 - Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs1 - Input vector of distortion coefficients for the first camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      distCoeffs2 - Input vector of distortion coefficients for the second camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - int method, - double prob)
      -
      Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix1 - Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      cameraMatrix2 - Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs1 - Input vector of distortion coefficients for the first camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      distCoeffs2 - Input vector of distortion coefficients for the second camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - int method)
      -
      Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix1 - Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      cameraMatrix2 - Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs1 - Input vector of distortion coefficients for the first camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      distCoeffs2 - Input vector of distortion coefficients for the second camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2)
      -
      Calculates an essential matrix from the corresponding points in two images from potentially two different cameras.
      -
      -
      Parameters:
      -
      points1 - Array of N (N >= 5) 2D points from the first image. The point coordinates should - be floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix1 - Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      cameraMatrix2 - Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs1 - Input vector of distortion coefficients for the first camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      distCoeffs2 - Input vector of distortion coefficients for the second camera - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - for the other points. The array is computed only in the RANSAC and LMedS methods. - - This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - - \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - - where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - second images, respectively. The result of this function may be passed further to - #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findEssentialMat

      -
      public static Mat findEssentialMat(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat cameraMatrix2, - Mat dist_coeff1, - Mat dist_coeff2, - Mat mask, - UsacParams params)
      -
      -
      • -
    • -
      -

      decomposeEssentialMat

      -
      public static void decomposeEssentialMat(Mat E, - Mat R1, - Mat R2, - Mat t)
      -
      Decompose an essential matrix to possible rotations and translation.
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      R1 - One possible rotation matrix.
      -
      R2 - Another possible rotation matrix.
      -
      t - One possible translation. - - This function decomposes the essential matrix E using svd decomposition CITE: HartleyZ00. In - general, four possible poses exist for the decomposition of E. They are \([R_1, t]\), - \([R_1, -t]\), \([R_2, t]\), \([R_2, -t]\). - - If E gives the epipolar constraint \([p_2; 1]^T A^{-T} E A^{-1} [p_1; 1] = 0\) between the image - points \(p_1\) in the first image and \(p_2\) in second image, then any of the tuples - \([R_1, t]\), \([R_1, -t]\), \([R_2, t]\), \([R_2, -t]\) is a change of basis from the first - camera's coordinate system to the second camera's coordinate system. However, by decomposing E, one - can only get the direction of the translation. For this reason, the translation t is returned with - unit length.
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat E, - Mat R, - Mat t, - int method, - double prob, - double threshold, - Mat mask)
      -
      Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix1 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs2 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      E - The output essential matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise.
      -
      mask - Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the cheirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing cheirality check. The cheirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for findEssentialMat.: - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - - // Output: Essential matrix, relative rotation and relative translation. - Mat E, R, t, mask; - - recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat E, - Mat R, - Mat t, - int method, - double prob, - double threshold)
      -
      Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix1 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs2 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      E - The output essential matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct.
      -
      threshold - Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the cheirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing cheirality check. The cheirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for findEssentialMat.: - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - - // Output: Essential matrix, relative rotation and relative translation. - Mat E, R, t, mask; - - recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat E, - Mat R, - Mat t, - int method, - double prob)
      -
      Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix1 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs2 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      E - The output essential matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      -
      prob - Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the cheirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing cheirality check. The cheirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for findEssentialMat.: - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - - // Output: Essential matrix, relative rotation and relative translation. - Mat E, R, t, mask; - - recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat E, - Mat R, - Mat t, - int method)
      -
      Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix1 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs2 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      E - The output essential matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      method - Method for computing an essential matrix. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the cheirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing cheirality check. The cheirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for findEssentialMat.: - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - - // Output: Essential matrix, relative rotation and relative translation. - Mat E, R, t, mask; - - recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat points1, - Mat points2, - Mat cameraMatrix1, - Mat distCoeffs1, - Mat cameraMatrix2, - Mat distCoeffs2, - Mat E, - Mat R, - Mat t)
      -
      Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix1 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs1 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      cameraMatrix2 - Input/output camera matrix for the first camera, the same as in - REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below.
      -
      distCoeffs2 - Input/output vector of distortion coefficients, the same as in - REF: calibrateCamera.
      -
      E - The output essential matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length. -
        -
      • - REF: RANSAC for the RANSAC algorithm. -
        • -
      • - REF: LMEDS for the LMedS algorithm. -
        • -
      - confidence (probability) that the estimated matrix is correct. - line in pixels, beyond which the point is considered an outlier and is not used for computing the - final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - point localization, image resolution, and the image noise. - inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the cheirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing cheirality check. The cheirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for findEssentialMat.: - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - - // Output: Essential matrix, relative rotation and relative translation. - Mat E, R, t, mask; - - recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat cameraMatrix, - Mat R, - Mat t, - Mat mask)
      -
      Recovers the relative camera rotation and the translation from an estimated essential - matrix and the corresponding points in two images, using chirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      mask - Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing chirality check. The chirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for #findEssentialMat : - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // cametra matrix with both focal lengths = 1, and principal point = (0, 0) - Mat cameraMatrix = Mat::eye(3, 3, CV_64F); - - Mat E, R, t, mask; - - E = findEssentialMat(points1, points2, cameraMatrix, RANSAC, 0.999, 1.0, mask); - recoverPose(E, points1, points2, cameraMatrix, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat cameraMatrix, - Mat R, - Mat t)
      -
      Recovers the relative camera rotation and the translation from an estimated essential - matrix and the corresponding points in two images, using chirality check. Returns the number of - inliers that pass the check.
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - described below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length. - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - possible pose hypotheses by doing chirality check. The chirality check means that the - triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - - This function can be used to process the output E and mask from REF: findEssentialMat. In this - scenario, points1 and points2 are the same input for #findEssentialMat : - - // Example. Estimation of fundamental matrix using the RANSAC algorithm - int point_count = 100; - vector<Point2f> points1(point_count); - vector<Point2f> points2(point_count); - - // initialize the points here ... - for( int i = 0; i < point_count; i++ ) - { - points1[i] = ...; - points2[i] = ...; - } - - // cametra matrix with both focal lengths = 1, and principal point = (0, 0) - Mat cameraMatrix = Mat::eye(3, 3, CV_64F); - - Mat E, R, t, mask; - - E = findEssentialMat(points1, points2, cameraMatrix, RANSAC, 0.999, 1.0, mask); - recoverPose(E, points1, points2, cameraMatrix, R, t, mask); -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat R, - Mat t, - double focal, - Point pp, - Mat mask)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      focal - Focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera.
      -
      mask - Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat R, - Mat t, - double focal, - Point pp)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      focal - Focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point.
      -
      pp - principal point of the camera. - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat R, - Mat t, - double focal)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      focal - Focal length of the camera. Note that this function assumes that points1 and points2 - are feature points from cameras with same focal length and principal point. - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat R, - Mat t)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1 .
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length. - are feature points from cameras with same focal length and principal point. - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it computes camera intrinsic matrix from focal length and - principal point: - - \(A = - \begin{bmatrix} - f & 0 & x_{pp} \\ - 0 & f & y_{pp} \\ - 0 & 0 & 1 - \end{bmatrix}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat cameraMatrix, - Mat R, - Mat t, - double distanceThresh, - Mat mask, - Mat triangulatedPoints)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      distanceThresh - threshold distance which is used to filter out far away points (i.e. infinite - points).
      -
      mask - Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check.
      -
      triangulatedPoints - 3D points which were reconstructed by triangulation. - - This function differs from the one above that it outputs the triangulated 3D point that are used for - the chirality check.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat cameraMatrix, - Mat R, - Mat t, - double distanceThresh, - Mat mask)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      distanceThresh - threshold distance which is used to filter out far away points (i.e. infinite - points).
      -
      mask - Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it outputs the triangulated 3D point that are used for - the chirality check.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      recoverPose

      -
      public static int recoverPose(Mat E, - Mat points1, - Mat points2, - Mat cameraMatrix, - Mat R, - Mat t, - double distanceThresh)
      -
      -
      Parameters:
      -
      E - The input essential matrix.
      -
      points1 - Array of N 2D points from the first image. The point coordinates should be - floating-point (single or double precision).
      -
      points2 - Array of the second image points of the same size and format as points1.
      -
      cameraMatrix - Camera intrinsic matrix \(\cameramatrix{A}\) . - Note that this function assumes that points1 and points2 are feature points from cameras with the - same camera intrinsic matrix.
      -
      R - Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - that performs a change of basis from the first camera's coordinate system to the second camera's - coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - description below.
      -
      t - Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - length.
      -
      distanceThresh - threshold distance which is used to filter out far away points (i.e. infinite - points). - inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - recover pose. In the output mask only inliers which pass the chirality check. - - This function differs from the one above that it outputs the triangulated 3D point that are used for - the chirality check.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      computeCorrespondEpilines

      -
      public static void computeCorrespondEpilines(Mat points, - int whichImage, - Mat F, - Mat lines)
      -
      For points in an image of a stereo pair, computes the corresponding epilines in the other image.
      -
      -
      Parameters:
      -
      points - Input points. \(N \times 1\) or \(1 \times N\) matrix of type CV_32FC2 or - vector<Point2f> .
      -
      whichImage - Index of the image (1 or 2) that contains the points .
      -
      F - Fundamental matrix that can be estimated using #findFundamentalMat or #stereoRectify .
      -
      lines - Output vector of the epipolar lines corresponding to the points in the other image. - Each line \(ax + by + c=0\) is encoded by 3 numbers \((a, b, c)\) . - - For every point in one of the two images of a stereo pair, the function finds the equation of the - corresponding epipolar line in the other image. - - From the fundamental matrix definition (see #findFundamentalMat ), line \(l^{(2)}_i\) in the second - image for the point \(p^{(1)}_i\) in the first image (when whichImage=1 ) is computed as: - - \(l^{(2)}_i = F p^{(1)}_i\) - - And vice versa, when whichImage=2, \(l^{(1)}_i\) is computed from \(p^{(2)}_i\) as: - - \(l^{(1)}_i = F^T p^{(2)}_i\) - - Line coefficients are defined up to a scale. They are normalized so that \(a_i^2+b_i^2=1\) .
      -
      -
      -
      • -
    • -
      -

      triangulatePoints

      -
      public static void triangulatePoints(Mat projMatr1, - Mat projMatr2, - Mat projPoints1, - Mat projPoints2, - Mat points4D)
      -
      This function reconstructs 3-dimensional points (in homogeneous coordinates) by using - their observations with a stereo camera.
      -
      -
      Parameters:
      -
      projMatr1 - 3x4 projection matrix of the first camera, i.e. this matrix projects 3D points - given in the world's coordinate system into the first image.
      -
      projMatr2 - 3x4 projection matrix of the second camera, i.e. this matrix projects 3D points - given in the world's coordinate system into the second image.
      -
      projPoints1 - 2xN array of feature points in the first image. In the case of the c++ version, - it can be also a vector of feature points or two-channel matrix of size 1xN or Nx1.
      -
      projPoints2 - 2xN array of corresponding points in the second image. In the case of the c++ - version, it can be also a vector of feature points or two-channel matrix of size 1xN or Nx1.
      -
      points4D - 4xN array of reconstructed points in homogeneous coordinates. These points are - returned in the world's coordinate system. - - Note: - Keep in mind that all input data should be of float type in order for this function to work. - - Note: - If the projection matrices from REF: stereoRectify are used, then the returned points are - represented in the first camera's rectified coordinate system. - - SEE: - reprojectImageTo3D
      -
      -
      -
      • -
    • -
      -

      correctMatches

      -
      public static void correctMatches(Mat F, - Mat points1, - Mat points2, - Mat newPoints1, - Mat newPoints2)
      -
      Refines coordinates of corresponding points.
      -
      -
      Parameters:
      -
      F - 3x3 fundamental matrix.
      -
      points1 - 1xN array containing the first set of points.
      -
      points2 - 1xN array containing the second set of points.
      -
      newPoints1 - The optimized points1.
      -
      newPoints2 - The optimized points2. - - The function implements the Optimal Triangulation Method (see Multiple View Geometry CITE: HartleyZ00 for details). - For each given point correspondence points1[i] <-> points2[i], and a fundamental matrix F, it - computes the corrected correspondences newPoints1[i] <-> newPoints2[i] that minimize the geometric - error \(d(points1[i], newPoints1[i])^2 + d(points2[i],newPoints2[i])^2\) (where \(d(a,b)\) is the - geometric distance between points \(a\) and \(b\) ) subject to the epipolar constraint - \(newPoints2^T \cdot F \cdot newPoints1 = 0\) .
      -
      -
      -
      • -
    • -
      -

      filterSpeckles

      -
      public static void filterSpeckles(Mat img, - double newVal, - int maxSpeckleSize, - double maxDiff, - Mat buf)
      -
      Filters off small noise blobs (speckles) in the disparity map
      -
      -
      Parameters:
      -
      img - The input 16-bit signed disparity image
      -
      newVal - The disparity value used to paint-off the speckles
      -
      maxSpeckleSize - The maximum speckle size to consider it a speckle. Larger blobs are not - affected by the algorithm
      -
      maxDiff - Maximum difference between neighbor disparity pixels to put them into the same - blob. Note that since StereoBM, StereoSGBM and may be other algorithms return a fixed-point - disparity map, where disparity values are multiplied by 16, this scale factor should be taken into - account when specifying this parameter value.
      -
      buf - The optional temporary buffer to avoid memory allocation within the function.
      -
      -
      -
      • -
    • -
      -

      filterSpeckles

      -
      public static void filterSpeckles(Mat img, - double newVal, - int maxSpeckleSize, - double maxDiff)
      -
      Filters off small noise blobs (speckles) in the disparity map
      -
      -
      Parameters:
      -
      img - The input 16-bit signed disparity image
      -
      newVal - The disparity value used to paint-off the speckles
      -
      maxSpeckleSize - The maximum speckle size to consider it a speckle. Larger blobs are not - affected by the algorithm
      -
      maxDiff - Maximum difference between neighbor disparity pixels to put them into the same - blob. Note that since StereoBM, StereoSGBM and may be other algorithms return a fixed-point - disparity map, where disparity values are multiplied by 16, this scale factor should be taken into - account when specifying this parameter value.
      -
      -
      -
      • -
    • -
      -

      getValidDisparityROI

      -
      public static Rect getValidDisparityROI(Rect roi1, - Rect roi2, - int minDisparity, - int numberOfDisparities, - int blockSize)
      -
      -
      • -
    • -
      -

      validateDisparity

      -
      public static void validateDisparity(Mat disparity, - Mat cost, - int minDisparity, - int numberOfDisparities, - int disp12MaxDisp)
      -
      -
      • -
    • -
      -

      validateDisparity

      -
      public static void validateDisparity(Mat disparity, - Mat cost, - int minDisparity, - int numberOfDisparities)
      -
      -
      • -
    • -
      -

      reprojectImageTo3D

      -
      public static void reprojectImageTo3D(Mat disparity, - Mat _3dImage, - Mat Q, - boolean handleMissingValues, - int ddepth)
      -
      Reprojects a disparity image to 3D space.
      -
      -
      Parameters:
      -
      disparity - Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - being used here.
      -
      _3dImage - Output 3-channel floating-point image of the same size as disparity. Each element of - _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - camera's rectified coordinate system.
      -
      Q - \(4 \times 4\) perspective transformation matrix that can be obtained with - REF: stereoRectify.
      -
      handleMissingValues - Indicates, whether the function should handle missing values (i.e. - points where the disparity was not computed). If handleMissingValues=true, then pixels with the - minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - to 3D points with a very large Z value (currently set to 10000).
      -
      ddepth - The optional output array depth. If it is -1, the output image will have CV_32F - depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - - The function transforms a single-channel disparity map to a 3-channel image representing a 3D - surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - computes: - - \(\begin{bmatrix} - X \\ - Y \\ - Z \\ - W - \end{bmatrix} = Q \begin{bmatrix} - x \\ - y \\ - \texttt{disparity} (x,y) \\ - 1 - \end{bmatrix}.\) - - SEE: - To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform.
      -
      -
      -
      • -
    • -
      -

      reprojectImageTo3D

      -
      public static void reprojectImageTo3D(Mat disparity, - Mat _3dImage, - Mat Q, - boolean handleMissingValues)
      -
      Reprojects a disparity image to 3D space.
      -
      -
      Parameters:
      -
      disparity - Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - being used here.
      -
      _3dImage - Output 3-channel floating-point image of the same size as disparity. Each element of - _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - camera's rectified coordinate system.
      -
      Q - \(4 \times 4\) perspective transformation matrix that can be obtained with - REF: stereoRectify.
      -
      handleMissingValues - Indicates, whether the function should handle missing values (i.e. - points where the disparity was not computed). If handleMissingValues=true, then pixels with the - minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - to 3D points with a very large Z value (currently set to 10000). - depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - - The function transforms a single-channel disparity map to a 3-channel image representing a 3D - surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - computes: - - \(\begin{bmatrix} - X \\ - Y \\ - Z \\ - W - \end{bmatrix} = Q \begin{bmatrix} - x \\ - y \\ - \texttt{disparity} (x,y) \\ - 1 - \end{bmatrix}.\) - - SEE: - To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform.
      -
      -
      -
      • -
    • -
      -

      reprojectImageTo3D

      -
      public static void reprojectImageTo3D(Mat disparity, - Mat _3dImage, - Mat Q)
      -
      Reprojects a disparity image to 3D space.
      -
      -
      Parameters:
      -
      disparity - Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - being used here.
      -
      _3dImage - Output 3-channel floating-point image of the same size as disparity. Each element of - _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - camera's rectified coordinate system.
      -
      Q - \(4 \times 4\) perspective transformation matrix that can be obtained with - REF: stereoRectify. - points where the disparity was not computed). If handleMissingValues=true, then pixels with the - minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - to 3D points with a very large Z value (currently set to 10000). - depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - - The function transforms a single-channel disparity map to a 3-channel image representing a 3D - surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - computes: - - \(\begin{bmatrix} - X \\ - Y \\ - Z \\ - W - \end{bmatrix} = Q \begin{bmatrix} - x \\ - y \\ - \texttt{disparity} (x,y) \\ - 1 - \end{bmatrix}.\) - - SEE: - To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform.
      -
      -
      -
      • -
    • -
      -

      sampsonDistance

      -
      public static double sampsonDistance(Mat pt1, - Mat pt2, - Mat F)
      -
      Calculates the Sampson Distance between two points. - - The function cv::sampsonDistance calculates and returns the first order approximation of the geometric error as: - \( - sd( \texttt{pt1} , \texttt{pt2} )= - \frac{(\texttt{pt2}^t \cdot \texttt{F} \cdot \texttt{pt1})^2} - {((\texttt{F} \cdot \texttt{pt1})(0))^2 + - ((\texttt{F} \cdot \texttt{pt1})(1))^2 + - ((\texttt{F}^t \cdot \texttt{pt2})(0))^2 + - ((\texttt{F}^t \cdot \texttt{pt2})(1))^2} - \) - The fundamental matrix may be calculated using the #findFundamentalMat function. See CITE: HartleyZ00 11.4.3 for details.
      -
      -
      Parameters:
      -
      pt1 - first homogeneous 2d point
      -
      pt2 - second homogeneous 2d point
      -
      F - fundamental matrix
      -
      Returns:
      -
      The computed Sampson distance.
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static int estimateAffine3D(Mat src, - Mat dst, - Mat out, - Mat inliers, - double ransacThreshold, - double confidence)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12} & a_{13}\\ - a_{21} & a_{22} & a_{23}\\ - a_{31} & a_{32} & a_{33}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D affine transformation matrix \(3 \times 4\) of the form - \( - \begin{bmatrix} - a_{11} & a_{12} & a_{13} & b_1\\ - a_{21} & a_{22} & a_{23} & b_2\\ - a_{31} & a_{32} & a_{33} & b_3\\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      ransacThreshold - Maximum reprojection error in the RANSAC algorithm to consider a point as - an inlier.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D affine transformation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static int estimateAffine3D(Mat src, - Mat dst, - Mat out, - Mat inliers, - double ransacThreshold)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12} & a_{13}\\ - a_{21} & a_{22} & a_{23}\\ - a_{31} & a_{32} & a_{33}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D affine transformation matrix \(3 \times 4\) of the form - \( - \begin{bmatrix} - a_{11} & a_{12} & a_{13} & b_1\\ - a_{21} & a_{22} & a_{23} & b_2\\ - a_{31} & a_{32} & a_{33} & b_3\\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      ransacThreshold - Maximum reprojection error in the RANSAC algorithm to consider a point as - an inlier. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D affine transformation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static int estimateAffine3D(Mat src, - Mat dst, - Mat out, - Mat inliers)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12} & a_{13}\\ - a_{21} & a_{22} & a_{23}\\ - a_{31} & a_{32} & a_{33}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D affine transformation matrix \(3 \times 4\) of the form - \( - \begin{bmatrix} - a_{11} & a_{12} & a_{13} & b_1\\ - a_{21} & a_{22} & a_{23} & b_2\\ - a_{31} & a_{32} & a_{33} & b_3\\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier). - an inlier. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D affine transformation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static Mat estimateAffine3D(Mat src, - Mat dst, - double[] scale, - boolean force_rotation)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - The estimated affine transform has a homogeneous scale which is a subclass of affine - transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - points each.
      -
      -
      Parameters:
      -
      src - First input 3D point set.
      -
      dst - Second input 3D point set.
      -
      scale - If null is passed, the scale parameter c will be assumed to be 1.0. - Else the pointed-to variable will be set to the optimal scale.
      -
      force_rotation - If true, the returned rotation will never be a reflection. - This might be unwanted, e.g. when optimizing a transform between a right- and a - left-handed coordinate system.
      -
      Returns:
      -
      3D affine transformation matrix \(3 \times 4\) of the form - \(T = - \begin{bmatrix} - R & t\\ - \end{bmatrix} - \)
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static Mat estimateAffine3D(Mat src, - Mat dst, - double[] scale)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - The estimated affine transform has a homogeneous scale which is a subclass of affine - transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - points each.
      -
      -
      Parameters:
      -
      src - First input 3D point set.
      -
      dst - Second input 3D point set.
      -
      scale - If null is passed, the scale parameter c will be assumed to be 1.0. - Else the pointed-to variable will be set to the optimal scale. - This might be unwanted, e.g. when optimizing a transform between a right- and a - left-handed coordinate system.
      -
      Returns:
      -
      3D affine transformation matrix \(3 \times 4\) of the form - \(T = - \begin{bmatrix} - R & t\\ - \end{bmatrix} - \)
      -
      -
      -
      • -
    • -
      -

      estimateAffine3D

      -
      public static Mat estimateAffine3D(Mat src, - Mat dst)
      -
      Computes an optimal affine transformation between two 3D point sets. - - It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - The estimated affine transform has a homogeneous scale which is a subclass of affine - transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - points each.
      -
      -
      Parameters:
      -
      src - First input 3D point set.
      -
      dst - Second input 3D point set. - Else the pointed-to variable will be set to the optimal scale. - This might be unwanted, e.g. when optimizing a transform between a right- and a - left-handed coordinate system.
      -
      Returns:
      -
      3D affine transformation matrix \(3 \times 4\) of the form - \(T = - \begin{bmatrix} - R & t\\ - \end{bmatrix} - \)
      -
      -
      -
      • -
    • -
      -

      estimateTranslation3D

      -
      public static int estimateTranslation3D(Mat src, - Mat dst, - Mat out, - Mat inliers, - double ransacThreshold, - double confidence)
      -
      Computes an optimal translation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D translation vector \(3 \times 1\) of the form - \( - \begin{bmatrix} - b_1 \\ - b_2 \\ - b_3 \\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      ransacThreshold - Maximum reprojection error in the RANSAC algorithm to consider a point as - an inlier.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D translation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateTranslation3D

      -
      public static int estimateTranslation3D(Mat src, - Mat dst, - Mat out, - Mat inliers, - double ransacThreshold)
      -
      Computes an optimal translation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D translation vector \(3 \times 1\) of the form - \( - \begin{bmatrix} - b_1 \\ - b_2 \\ - b_3 \\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      ransacThreshold - Maximum reprojection error in the RANSAC algorithm to consider a point as - an inlier. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D translation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateTranslation3D

      -
      public static int estimateTranslation3D(Mat src, - Mat dst, - Mat out, - Mat inliers)
      -
      Computes an optimal translation between two 3D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - z\\ - \end{bmatrix} - = - \begin{bmatrix} - X\\ - Y\\ - Z\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - b_3\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      src - First input 3D point set containing \((X,Y,Z)\).
      -
      dst - Second input 3D point set containing \((x,y,z)\).
      -
      out - Output 3D translation vector \(3 \times 1\) of the form - \( - \begin{bmatrix} - b_1 \\ - b_2 \\ - b_3 \\ - \end{bmatrix} - \)
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier). - an inlier. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - - The function estimates an optimal 3D translation between two 3D point sets using the - RANSAC algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters, - double confidence, - long refineIters)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation.
      -
      refineIters - Maximum number of iterations of refining algorithm (Levenberg-Marquardt). - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters, - double confidence)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers, - int method)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier).
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to, - Mat inliers)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\).
      -
      inliers - Output vector indicating which points are inliers (1-inlier, 0-outlier). -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat from, - Mat to)
      -
      Computes an optimal affine transformation between two 2D point sets. - - It computes - \( - \begin{bmatrix} - x\\ - y\\ - \end{bmatrix} - = - \begin{bmatrix} - a_{11} & a_{12}\\ - a_{21} & a_{22}\\ - \end{bmatrix} - \begin{bmatrix} - X\\ - Y\\ - \end{bmatrix} - + - \begin{bmatrix} - b_1\\ - b_2\\ - \end{bmatrix} - \)
      -
      -
      Parameters:
      -
      from - First input 2D point set containing \((X,Y)\).
      -
      to - Second input 2D point set containing \((x,y)\). -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - could not be estimated. The returned matrix has the following form: - \( - \begin{bmatrix} - a_{11} & a_{12} & b_1\\ - a_{21} & a_{22} & b_2\\ - \end{bmatrix} - \) - - The function estimates an optimal 2D affine transformation between two 2D point sets using the - selected robust algorithm. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Note: - The RANSAC method can handle practically any ratio of outliers but needs a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffinePartial2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffine2D

      -
      public static Mat estimateAffine2D(Mat pts1, - Mat pts2, - Mat inliers, - UsacParams params)
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters, - double confidence, - long refineIters)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers.
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation.
      -
      refineIters - Maximum number of iterations of refining algorithm (Levenberg-Marquardt). - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters, - double confidence)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers.
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations.
      -
      confidence - Confidence level, between 0 and 1, for the estimated transformation. Anything - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold, - long maxIters)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers.
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC.
      -
      maxIters - The maximum number of robust method iterations. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers, - int method, - double ransacReprojThreshold)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers.
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      -
      ransacReprojThreshold - Maximum reprojection error in the RANSAC algorithm to consider - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers, - int method)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers.
      -
      method - Robust method used to compute transformation. The following methods are possible: -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to, - Mat inliers)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set.
      -
      inliers - Output vector indicating which points are inliers. -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      estimateAffinePartial2D

      -
      public static Mat estimateAffinePartial2D(Mat from, - Mat to)
      -
      Computes an optimal limited affine transformation with 4 degrees of freedom between - two 2D point sets.
      -
      -
      Parameters:
      -
      from - First input 2D point set.
      -
      to - Second input 2D point set. -
        -
      • - REF: RANSAC - RANSAC-based robust method -
        • -
      • - REF: LMEDS - Least-Median robust method - RANSAC is the default method. -
        • -
      - a point as an inlier. Applies only to RANSAC. - between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - Passing 0 will disable refining, so the output matrix will be output of robust method.
      -
      Returns:
      -
      Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - empty matrix if transformation could not be estimated. - - The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - estimation. - - The computed transformation is then refined further (using only inliers) with the - Levenberg-Marquardt method to reduce the re-projection error even more. - - Estimated transformation matrix is: - \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - \end{bmatrix} \) - Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - translations in \( x, y \) axes respectively. - - Note: - The RANSAC method can handle practically any ratio of outliers but need a threshold to - distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - correctly only when there are more than 50% of inliers. - - SEE: estimateAffine2D, getAffineTransform
      -
      -
      -
      • -
    • -
      -

      decomposeHomographyMat

      -
      public static int decomposeHomographyMat(Mat H, - Mat K, - List<Mat> rotations, - List<Mat> translations, - List<Mat> normals)
      -
      Decompose a homography matrix to rotation(s), translation(s) and plane normal(s).
      -
      -
      Parameters:
      -
      H - The input homography matrix between two images.
      -
      K - The input camera intrinsic matrix.
      -
      rotations - Array of rotation matrices.
      -
      translations - Array of translation matrices.
      -
      normals - Array of plane normal matrices. - - This function extracts relative camera motion between two views of a planar object and returns up to - four mathematical solution tuples of rotation, translation, and plane normal. The decomposition of - the homography matrix H is described in detail in CITE: Malis2007. - - If the homography H, induced by the plane, gives the constraint - \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) on the source image points - \(p_i\) and the destination image points \(p'_i\), then the tuple of rotations[k] and - translations[k] is a change of basis from the source camera's coordinate system to the destination - camera's coordinate system. However, by decomposing H, one can only get the translation normalized - by the (typically unknown) depth of the scene, i.e. its direction but with normalized length. - - If point correspondences are available, at least two solutions may further be invalidated, by - applying positive depth constraint, i.e. all points must be in front of the camera.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      filterHomographyDecompByVisibleRefpoints

      -
      public static void filterHomographyDecompByVisibleRefpoints(List<Mat> rotations, - List<Mat> normals, - Mat beforePoints, - Mat afterPoints, - Mat possibleSolutions, - Mat pointsMask)
      -
      Filters homography decompositions based on additional information.
      -
      -
      Parameters:
      -
      rotations - Vector of rotation matrices.
      -
      normals - Vector of plane normal matrices.
      -
      beforePoints - Vector of (rectified) visible reference points before the homography is applied
      -
      afterPoints - Vector of (rectified) visible reference points after the homography is applied
      -
      possibleSolutions - Vector of int indices representing the viable solution set after filtering
      -
      pointsMask - optional Mat/Vector of 8u type representing the mask for the inliers as given by the #findHomography function - - This function is intended to filter the output of the #decomposeHomographyMat based on additional - information as described in CITE: Malis2007 . The summary of the method: the #decomposeHomographyMat function - returns 2 unique solutions and their "opposites" for a total of 4 solutions. If we have access to the - sets of points visible in the camera frame before and after the homography transformation is applied, - we can determine which are the true potential solutions and which are the opposites by verifying which - homographies are consistent with all visible reference points being in front of the camera. The inputs - are left unchanged; the filtered solution set is returned as indices into the existing one.
      -
      -
      -
      • -
    • -
      -

      filterHomographyDecompByVisibleRefpoints

      -
      public static void filterHomographyDecompByVisibleRefpoints(List<Mat> rotations, - List<Mat> normals, - Mat beforePoints, - Mat afterPoints, - Mat possibleSolutions)
      -
      Filters homography decompositions based on additional information.
      -
      -
      Parameters:
      -
      rotations - Vector of rotation matrices.
      -
      normals - Vector of plane normal matrices.
      -
      beforePoints - Vector of (rectified) visible reference points before the homography is applied
      -
      afterPoints - Vector of (rectified) visible reference points after the homography is applied
      -
      possibleSolutions - Vector of int indices representing the viable solution set after filtering - - This function is intended to filter the output of the #decomposeHomographyMat based on additional - information as described in CITE: Malis2007 . The summary of the method: the #decomposeHomographyMat function - returns 2 unique solutions and their "opposites" for a total of 4 solutions. If we have access to the - sets of points visible in the camera frame before and after the homography transformation is applied, - we can determine which are the true potential solutions and which are the opposites by verifying which - homographies are consistent with all visible reference points being in front of the camera. The inputs - are left unchanged; the filtered solution set is returned as indices into the existing one.
      -
      -
      -
      • -
    • -
      -

      undistort

      -
      public static void undistort(Mat src, - Mat dst, - Mat cameraMatrix, - Mat distCoeffs, - Mat newCameraMatrix)
      -
      Transforms an image to compensate for lens distortion. - - The function transforms an image to compensate radial and tangential lens distortion. - - The function is simply a combination of #initUndistortRectifyMap (with unity R ) and #remap - (with bilinear interpolation). See the former function for details of the transformation being - performed. - - Those pixels in the destination image, for which there is no correspondent pixels in the source - image, are filled with zeros (black color). - - A particular subset of the source image that will be visible in the corrected image can be regulated - by newCameraMatrix. You can use #getOptimalNewCameraMatrix to compute the appropriate - newCameraMatrix depending on your requirements. - - The camera matrix and the distortion parameters can be determined using #calibrateCamera. If - the resolution of images is different from the resolution used at the calibration stage, \(f_x, - f_y, c_x\) and \(c_y\) need to be scaled accordingly, while the distortion coefficients remain - the same.
      -
      -
      Parameters:
      -
      src - Input (distorted) image.
      -
      dst - Output (corrected) image that has the same size and type as src .
      -
      cameraMatrix - Input camera matrix \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      newCameraMatrix - Camera matrix of the distorted image. By default, it is the same as - cameraMatrix but you may additionally scale and shift the result by using a different matrix.
      -
      -
      -
      • -
    • -
      -

      undistort

      -
      public static void undistort(Mat src, - Mat dst, - Mat cameraMatrix, - Mat distCoeffs)
      -
      Transforms an image to compensate for lens distortion. - - The function transforms an image to compensate radial and tangential lens distortion. - - The function is simply a combination of #initUndistortRectifyMap (with unity R ) and #remap - (with bilinear interpolation). See the former function for details of the transformation being - performed. - - Those pixels in the destination image, for which there is no correspondent pixels in the source - image, are filled with zeros (black color). - - A particular subset of the source image that will be visible in the corrected image can be regulated - by newCameraMatrix. You can use #getOptimalNewCameraMatrix to compute the appropriate - newCameraMatrix depending on your requirements. - - The camera matrix and the distortion parameters can be determined using #calibrateCamera. If - the resolution of images is different from the resolution used at the calibration stage, \(f_x, - f_y, c_x\) and \(c_y\) need to be scaled accordingly, while the distortion coefficients remain - the same.
      -
      -
      Parameters:
      -
      src - Input (distorted) image.
      -
      dst - Output (corrected) image that has the same size and type as src .
      -
      cameraMatrix - Input camera matrix \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - cameraMatrix but you may additionally scale and shift the result by using a different matrix.
      -
      -
      -
      • -
    • -
      -

      initUndistortRectifyMap

      -
      public static void initUndistortRectifyMap(Mat cameraMatrix, - Mat distCoeffs, - Mat R, - Mat newCameraMatrix, - Size size, - int m1type, - Mat map1, - Mat map2)
      -
      Computes the undistortion and rectification transformation map. - - The function computes the joint undistortion and rectification transformation and represents the - result in the form of maps for #remap. The undistorted image looks like original, as if it is - captured with a camera using the camera matrix =newCameraMatrix and zero distortion. In case of a - monocular camera, newCameraMatrix is usually equal to cameraMatrix, or it can be computed by - #getOptimalNewCameraMatrix for a better control over scaling. In case of a stereo camera, - newCameraMatrix is normally set to P1 or P2 computed by #stereoRectify . - - Also, this new camera is oriented differently in the coordinate space, according to R. That, for - example, helps to align two heads of a stereo camera so that the epipolar lines on both images - become horizontal and have the same y- coordinate (in case of a horizontally aligned stereo camera). - - The function actually builds the maps for the inverse mapping algorithm that is used by #remap. That - is, for each pixel \((u, v)\) in the destination (corrected and rectified) image, the function - computes the corresponding coordinates in the source image (that is, in the original image from - camera). The following process is applied: - \( - \begin{array}{l} - x \leftarrow (u - {c'}_x)/{f'}_x \\ - y \leftarrow (v - {c'}_y)/{f'}_y \\ - {[X\,Y\,W]} ^T \leftarrow R^{-1}*[x \, y \, 1]^T \\ - x' \leftarrow X/W \\ - y' \leftarrow Y/W \\ - r^2 \leftarrow x'^2 + y'^2 \\ - x'' \leftarrow x' \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6} - + 2p_1 x' y' + p_2(r^2 + 2 x'^2) + s_1 r^2 + s_2 r^4\\ - y'' \leftarrow y' \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6} - + p_1 (r^2 + 2 y'^2) + 2 p_2 x' y' + s_3 r^2 + s_4 r^4 \\ - s\vecthree{x'''}{y'''}{1} = - \vecthreethree{R_{33}(\tau_x, \tau_y)}{0}{-R_{13}((\tau_x, \tau_y)} - {0}{R_{33}(\tau_x, \tau_y)}{-R_{23}(\tau_x, \tau_y)} - {0}{0}{1} R(\tau_x, \tau_y) \vecthree{x''}{y''}{1}\\ - map_x(u,v) \leftarrow x''' f_x + c_x \\ - map_y(u,v) \leftarrow y''' f_y + c_y - \end{array} - \) - where \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - are the distortion coefficients. - - In case of a stereo camera, this function is called twice: once for each camera head, after - #stereoRectify, which in its turn is called after #stereoCalibrate. But if the stereo camera - was not calibrated, it is still possible to compute the rectification transformations directly from - the fundamental matrix using #stereoRectifyUncalibrated. For each camera, the function computes - homography H as the rectification transformation in a pixel domain, not a rotation matrix R in 3D - space. R can be computed from H as - \(\texttt{R} = \texttt{cameraMatrix} ^{-1} \cdot \texttt{H} \cdot \texttt{cameraMatrix}\) - where cameraMatrix can be chosen arbitrarily.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera matrix \(A=\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      R - Optional rectification transformation in the object space (3x3 matrix). R1 or R2 , - computed by #stereoRectify can be passed here. If the matrix is empty, the identity transformation - is assumed. In #initUndistortRectifyMap R assumed to be an identity matrix.
      -
      newCameraMatrix - New camera matrix \(A'=\vecthreethree{f_x'}{0}{c_x'}{0}{f_y'}{c_y'}{0}{0}{1}\).
      -
      size - Undistorted image size.
      -
      m1type - Type of the first output map that can be CV_32FC1, CV_32FC2 or CV_16SC2, see #convertMaps
      -
      map1 - The first output map.
      -
      map2 - The second output map.
      -
      -
      -
      • -
    • -
      -

      initInverseRectificationMap

      -
      public static void initInverseRectificationMap(Mat cameraMatrix, - Mat distCoeffs, - Mat R, - Mat newCameraMatrix, - Size size, - int m1type, - Mat map1, - Mat map2)
      -
      Computes the projection and inverse-rectification transformation map. In essense, this is the inverse of - #initUndistortRectifyMap to accomodate stereo-rectification of projectors ('inverse-cameras') in projector-camera pairs. - - The function computes the joint projection and inverse rectification transformation and represents the - result in the form of maps for #remap. The projected image looks like a distorted version of the original which, - once projected by a projector, should visually match the original. In case of a monocular camera, newCameraMatrix - is usually equal to cameraMatrix, or it can be computed by - #getOptimalNewCameraMatrix for a better control over scaling. In case of a projector-camera pair, - newCameraMatrix is normally set to P1 or P2 computed by #stereoRectify . - - The projector is oriented differently in the coordinate space, according to R. In case of projector-camera pairs, - this helps align the projector (in the same manner as #initUndistortRectifyMap for the camera) to create a stereo-rectified pair. This - allows epipolar lines on both images to become horizontal and have the same y-coordinate (in case of a horizontally aligned projector-camera pair). - - The function builds the maps for the inverse mapping algorithm that is used by #remap. That - is, for each pixel \((u, v)\) in the destination (projected and inverse-rectified) image, the function - computes the corresponding coordinates in the source image (that is, in the original digital image). The following process is applied: - - \( - \begin{array}{l} - \text{newCameraMatrix}\\ - x \leftarrow (u - {c'}_x)/{f'}_x \\ - y \leftarrow (v - {c'}_y)/{f'}_y \\ - - \\\text{Undistortion} - \\\scriptsize{\textit{though equation shown is for radial undistortion, function implements cv::undistortPoints()}}\\ - r^2 \leftarrow x^2 + y^2 \\ - \theta \leftarrow \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6}\\ - x' \leftarrow \frac{x}{\theta} \\ - y' \leftarrow \frac{y}{\theta} \\ - - \\\text{Rectification}\\ - {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - x'' \leftarrow X/W \\ - y'' \leftarrow Y/W \\ - - \\\text{cameraMatrix}\\ - map_x(u,v) \leftarrow x'' f_x + c_x \\ - map_y(u,v) \leftarrow y'' f_y + c_y - \end{array} - \) - where \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - are the distortion coefficients vector distCoeffs. - - In case of a stereo-rectified projector-camera pair, this function is called for the projector while #initUndistortRectifyMap is called for the camera head. - This is done after #stereoRectify, which in turn is called after #stereoCalibrate. If the projector-camera pair - is not calibrated, it is still possible to compute the rectification transformations directly from - the fundamental matrix using #stereoRectifyUncalibrated. For the projector and camera, the function computes - homography H as the rectification transformation in a pixel domain, not a rotation matrix R in 3D - space. R can be computed from H as - \(\texttt{R} = \texttt{cameraMatrix} ^{-1} \cdot \texttt{H} \cdot \texttt{cameraMatrix}\) - where cameraMatrix can be chosen arbitrarily.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera matrix \(A=\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      R - Optional rectification transformation in the object space (3x3 matrix). R1 or R2, - computed by #stereoRectify can be passed here. If the matrix is empty, the identity transformation - is assumed.
      -
      newCameraMatrix - New camera matrix \(A'=\vecthreethree{f_x'}{0}{c_x'}{0}{f_y'}{c_y'}{0}{0}{1}\).
      -
      size - Distorted image size.
      -
      m1type - Type of the first output map. Can be CV_32FC1, CV_32FC2 or CV_16SC2, see #convertMaps
      -
      map1 - The first output map for #remap.
      -
      map2 - The second output map for #remap.
      -
      -
      -
      • -
    • -
      -

      getDefaultNewCameraMatrix

      -
      public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix, - Size imgsize, - boolean centerPrincipalPoint)
      -
      Returns the default new camera matrix. - - The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - - In the latter case, the new camera matrix will be: - - \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - - where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - - By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - move the principal point. However, when you work with stereo, it is important to move the principal - points in both views to the same y-coordinate (which is required by most of stereo correspondence - algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - each view where the principal points are located at the center.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera matrix.
      -
      imgsize - Camera view image size in pixels.
      -
      centerPrincipalPoint - Location of the principal point in the new camera matrix. The - parameter indicates whether this location should be at the image center or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultNewCameraMatrix

      -
      public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix, - Size imgsize)
      -
      Returns the default new camera matrix. - - The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - - In the latter case, the new camera matrix will be: - - \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - - where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - - By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - move the principal point. However, when you work with stereo, it is important to move the principal - points in both views to the same y-coordinate (which is required by most of stereo correspondence - algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - each view where the principal points are located at the center.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera matrix.
      -
      imgsize - Camera view image size in pixels. - parameter indicates whether this location should be at the image center or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultNewCameraMatrix

      -
      public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix)
      -
      Returns the default new camera matrix. - - The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - - In the latter case, the new camera matrix will be: - - \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - - where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - - By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - move the principal point. However, when you work with stereo, it is important to move the principal - points in both views to the same y-coordinate (which is required by most of stereo correspondence - algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - each view where the principal points are located at the center.
      -
      -
      Parameters:
      -
      cameraMatrix - Input camera matrix. - parameter indicates whether this location should be at the image center or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      undistortPoints

      -
      public static void undistortPoints(MatOfPoint2f src, - MatOfPoint2f dst, - Mat cameraMatrix, - Mat distCoeffs, - Mat R, - Mat P)
      -
      Computes the ideal point coordinates from the observed point coordinates. - - The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - sparse set of points instead of a raster image. Also the function performs a reverse transformation - to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - planar object, it does, up to a translation vector, if the proper R is specified. - - For each observed point coordinate \((u, v)\) the function computes: - \( - \begin{array}{l} - x^{"} \leftarrow (u - c_x)/f_x \\ - y^{"} \leftarrow (v - c_y)/f_y \\ - (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - x \leftarrow X/W \\ - y \leftarrow Y/W \\ - \text{only performed if P is specified:} \\ - u' \leftarrow x {f'}_x + {c'}_x \\ - v' \leftarrow y {f'}_y + {c'}_y - \end{array} - \) - - where *undistort* is an approximate iterative algorithm that estimates the normalized original - point coordinates out of the normalized distorted point coordinates ("normalized" means that the - coordinates do not depend on the camera matrix). - - The function can be used for both a stereo camera head or a monocular camera (when R is empty).
      -
      -
      Parameters:
      -
      src - Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - vector<Point2f> ).
      -
      dst - Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates.
      -
      cameraMatrix - Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      R - Rectification transformation in the object space (3x3 matrix). R1 or R2 computed by - #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used.
      -
      P - New camera matrix (3x3) or new projection matrix (3x4) \(\begin{bmatrix} {f'}_x & 0 & {c'}_x & t_x \\ 0 & {f'}_y & {c'}_y & t_y \\ 0 & 0 & 1 & t_z \end{bmatrix}\). P1 or P2 computed by - #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used.
      -
      -
      -
      • -
    • -
      -

      undistortPoints

      -
      public static void undistortPoints(MatOfPoint2f src, - MatOfPoint2f dst, - Mat cameraMatrix, - Mat distCoeffs, - Mat R)
      -
      Computes the ideal point coordinates from the observed point coordinates. - - The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - sparse set of points instead of a raster image. Also the function performs a reverse transformation - to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - planar object, it does, up to a translation vector, if the proper R is specified. - - For each observed point coordinate \((u, v)\) the function computes: - \( - \begin{array}{l} - x^{"} \leftarrow (u - c_x)/f_x \\ - y^{"} \leftarrow (v - c_y)/f_y \\ - (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - x \leftarrow X/W \\ - y \leftarrow Y/W \\ - \text{only performed if P is specified:} \\ - u' \leftarrow x {f'}_x + {c'}_x \\ - v' \leftarrow y {f'}_y + {c'}_y - \end{array} - \) - - where *undistort* is an approximate iterative algorithm that estimates the normalized original - point coordinates out of the normalized distorted point coordinates ("normalized" means that the - coordinates do not depend on the camera matrix). - - The function can be used for both a stereo camera head or a monocular camera (when R is empty).
      -
      -
      Parameters:
      -
      src - Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - vector<Point2f> ).
      -
      dst - Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates.
      -
      cameraMatrix - Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed.
      -
      R - Rectification transformation in the object space (3x3 matrix). R1 or R2 computed by - #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used. - #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used.
      -
      -
      -
      • -
    • -
      -

      undistortPoints

      -
      public static void undistortPoints(MatOfPoint2f src, - MatOfPoint2f dst, - Mat cameraMatrix, - Mat distCoeffs)
      -
      Computes the ideal point coordinates from the observed point coordinates. - - The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - sparse set of points instead of a raster image. Also the function performs a reverse transformation - to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - planar object, it does, up to a translation vector, if the proper R is specified. - - For each observed point coordinate \((u, v)\) the function computes: - \( - \begin{array}{l} - x^{"} \leftarrow (u - c_x)/f_x \\ - y^{"} \leftarrow (v - c_y)/f_y \\ - (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - x \leftarrow X/W \\ - y \leftarrow Y/W \\ - \text{only performed if P is specified:} \\ - u' \leftarrow x {f'}_x + {c'}_x \\ - v' \leftarrow y {f'}_y + {c'}_y - \end{array} - \) - - where *undistort* is an approximate iterative algorithm that estimates the normalized original - point coordinates out of the normalized distorted point coordinates ("normalized" means that the - coordinates do not depend on the camera matrix). - - The function can be used for both a stereo camera head or a monocular camera (when R is empty).
      -
      -
      Parameters:
      -
      src - Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - vector<Point2f> ).
      -
      dst - Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates.
      -
      cameraMatrix - Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Input vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used. - #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used.
      -
      -
      -
      • -
    • -
      -

      undistortPointsIter

      -
      public static void undistortPointsIter(Mat src, - Mat dst, - Mat cameraMatrix, - Mat distCoeffs, - Mat R, - Mat P, - TermCriteria criteria)
      -
      Note: Default version of #undistortPoints does 5 iterations to compute undistorted points.
      -
      -
      Parameters:
      -
      src - automatically generated
      -
      dst - automatically generated
      -
      cameraMatrix - automatically generated
      -
      distCoeffs - automatically generated
      -
      R - automatically generated
      -
      P - automatically generated
      -
      criteria - automatically generated
      -
      -
      -
      • -
    • -
      -

      undistortImagePoints

      -
      public static void undistortImagePoints(Mat src, - Mat dst, - Mat cameraMatrix, - Mat distCoeffs, - TermCriteria arg1)
      -
      Compute undistorted image points position
      -
      -
      Parameters:
      -
      src - Observed points position, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or - CV_64FC2) (or vector<Point2f> ).
      -
      dst - Output undistorted points position (1xN/Nx1 2-channel or vector<Point2f> ).
      -
      cameraMatrix - Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Distortion coefficients
      -
      arg1 - automatically generated
      -
      -
      -
      • -
    • -
      -

      undistortImagePoints

      -
      public static void undistortImagePoints(Mat src, - Mat dst, - Mat cameraMatrix, - Mat distCoeffs)
      -
      Compute undistorted image points position
      -
      -
      Parameters:
      -
      src - Observed points position, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or - CV_64FC2) (or vector<Point2f> ).
      -
      dst - Output undistorted points position (1xN/Nx1 2-channel or vector<Point2f> ).
      -
      cameraMatrix - Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) .
      -
      distCoeffs - Distortion coefficients
      -
      -
      -
      • -
    • -
      -

      fisheye_projectPoints

      -
      public static void fisheye_projectPoints(Mat objectPoints, - Mat imagePoints, - Mat rvec, - Mat tvec, - Mat K, - Mat D, - double alpha, - Mat jacobian)
      -
      -
      • -
    • -
      -

      fisheye_projectPoints

      -
      public static void fisheye_projectPoints(Mat objectPoints, - Mat imagePoints, - Mat rvec, - Mat tvec, - Mat K, - Mat D, - double alpha)
      -
      -
      • -
    • -
      -

      fisheye_projectPoints

      -
      public static void fisheye_projectPoints(Mat objectPoints, - Mat imagePoints, - Mat rvec, - Mat tvec, - Mat K, - Mat D)
      -
      -
      • -
    • -
      -

      fisheye_distortPoints

      -
      public static void fisheye_distortPoints(Mat undistorted, - Mat distorted, - Mat K, - Mat D, - double alpha)
      -
      Distorts 2D points using fisheye model.
      -
      -
      Parameters:
      -
      undistorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - the number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      alpha - The skew coefficient.
      -
      distorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - - Note that the function assumes the camera intrinsic matrix of the undistorted points to be identity. - This means if you want to distort image points you have to multiply them with \(K^{-1}\) or - use another function overload.
      -
      -
      -
      • -
    • -
      -

      fisheye_distortPoints

      -
      public static void fisheye_distortPoints(Mat undistorted, - Mat distorted, - Mat K, - Mat D)
      -
      Distorts 2D points using fisheye model.
      -
      -
      Parameters:
      -
      undistorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - the number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      distorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - - Note that the function assumes the camera intrinsic matrix of the undistorted points to be identity. - This means if you want to distort image points you have to multiply them with \(K^{-1}\) or - use another function overload.
      -
      -
      -
      • -
    • -
      -

      fisheye_distortPoints

      -
      public static void fisheye_distortPoints(Mat undistorted, - Mat distorted, - Mat Kundistorted, - Mat K, - Mat D, - double alpha)
      -
      Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - camera matrix, e.g. output of #estimateNewCameraMatrixForUndistortRectify.
      -
      -
      Parameters:
      -
      undistorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - the number of points in the view.
      -
      Kundistorted - Camera intrinsic matrix used as new camera matrix for undistortion.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      alpha - The skew coefficient.
      -
      distorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - SEE: estimateNewCameraMatrixForUndistortRectify
      -
      -
      -
      • -
    • -
      -

      fisheye_distortPoints

      -
      public static void fisheye_distortPoints(Mat undistorted, - Mat distorted, - Mat Kundistorted, - Mat K, - Mat D)
      -
      Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - camera matrix, e.g. output of #estimateNewCameraMatrixForUndistortRectify.
      -
      -
      Parameters:
      -
      undistorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - the number of points in the view.
      -
      Kundistorted - Camera intrinsic matrix used as new camera matrix for undistortion.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      distorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - SEE: estimateNewCameraMatrixForUndistortRectify
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortPoints

      -
      public static void fisheye_undistortPoints(Mat distorted, - Mat undistorted, - Mat K, - Mat D, - Mat R, - Mat P, - TermCriteria criteria)
      -
      Undistorts 2D points using fisheye model
      -
      -
      Parameters:
      -
      distorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      criteria - Termination criteria
      -
      undistorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> .
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortPoints

      -
      public static void fisheye_undistortPoints(Mat distorted, - Mat undistorted, - Mat K, - Mat D, - Mat R, - Mat P)
      -
      Undistorts 2D points using fisheye model
      -
      -
      Parameters:
      -
      distorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      undistorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> .
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortPoints

      -
      public static void fisheye_undistortPoints(Mat distorted, - Mat undistorted, - Mat K, - Mat D, - Mat R)
      -
      Undistorts 2D points using fisheye model
      -
      -
      Parameters:
      -
      distorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      undistorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> .
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortPoints

      -
      public static void fisheye_undistortPoints(Mat distorted, - Mat undistorted, - Mat K, - Mat D)
      -
      Undistorts 2D points using fisheye model
      -
      -
      Parameters:
      -
      distorted - Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - number of points in the view.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\). - 1-channel or 1x1 3-channel
      -
      undistorted - Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> .
      -
      -
      -
      • -
    • -
      -

      fisheye_initUndistortRectifyMap

      -
      public static void fisheye_initUndistortRectifyMap(Mat K, - Mat D, - Mat R, - Mat P, - Size size, - int m1type, - Mat map1, - Mat map2)
      -
      Computes undistortion and rectification maps for image transform by #remap. If D is empty zero - distortion is used, if R or P is empty identity matrixes are used.
      -
      -
      Parameters:
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      size - Undistorted image size.
      -
      m1type - Type of the first output map that can be CV_32FC1 or CV_16SC2 . See #convertMaps - for details.
      -
      map1 - The first output map.
      -
      map2 - The second output map.
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortImage

      -
      public static void fisheye_undistortImage(Mat distorted, - Mat undistorted, - Mat K, - Mat D, - Mat Knew, - Size new_size)
      -
      Transforms an image to compensate for fisheye lens distortion.
      -
      -
      Parameters:
      -
      distorted - image with fisheye lens distortion.
      -
      undistorted - Output image with compensated fisheye lens distortion.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      Knew - Camera intrinsic matrix of the distorted image. By default, it is the identity matrix but you - may additionally scale and shift the result by using a different matrix.
      -
      new_size - the new size - - The function transforms an image to compensate radial and tangential lens distortion. - - The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - (with bilinear interpolation). See the former function for details of the transformation being - performed. - - See below the results of undistortImage. -
        -
      • - a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - k_4, k_5, k_6) of distortion were optimized under calibration) -
          -
        • - b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - k_3, k_4) of fisheye distortion were optimized under calibration) -
          • -
        • - c\) original image was captured with fisheye lens -
          • -
        - - Pictures a) and b) almost the same. But if we consider points of image located far from the center - of image, we can notice that on image a) these points are distorted. -
        • -
      - - ![image](pics/fisheye_undistorted.jpg)
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortImage

      -
      public static void fisheye_undistortImage(Mat distorted, - Mat undistorted, - Mat K, - Mat D, - Mat Knew)
      -
      Transforms an image to compensate for fisheye lens distortion.
      -
      -
      Parameters:
      -
      distorted - image with fisheye lens distortion.
      -
      undistorted - Output image with compensated fisheye lens distortion.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      Knew - Camera intrinsic matrix of the distorted image. By default, it is the identity matrix but you - may additionally scale and shift the result by using a different matrix. - - The function transforms an image to compensate radial and tangential lens distortion. - - The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - (with bilinear interpolation). See the former function for details of the transformation being - performed. - - See below the results of undistortImage. -
        -
      • - a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - k_4, k_5, k_6) of distortion were optimized under calibration) -
          -
        • - b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - k_3, k_4) of fisheye distortion were optimized under calibration) -
          • -
        • - c\) original image was captured with fisheye lens -
          • -
        - - Pictures a) and b) almost the same. But if we consider points of image located far from the center - of image, we can notice that on image a) these points are distorted. -
        • -
      - - ![image](pics/fisheye_undistorted.jpg)
      -
      -
      -
      • -
    • -
      -

      fisheye_undistortImage

      -
      public static void fisheye_undistortImage(Mat distorted, - Mat undistorted, - Mat K, - Mat D)
      -
      Transforms an image to compensate for fisheye lens distortion.
      -
      -
      Parameters:
      -
      distorted - image with fisheye lens distortion.
      -
      undistorted - Output image with compensated fisheye lens distortion.
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\). - may additionally scale and shift the result by using a different matrix. - - The function transforms an image to compensate radial and tangential lens distortion. - - The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - (with bilinear interpolation). See the former function for details of the transformation being - performed. - - See below the results of undistortImage. -
        -
      • - a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - k_4, k_5, k_6) of distortion were optimized under calibration) -
          -
        • - b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - k_3, k_4) of fisheye distortion were optimized under calibration) -
          • -
        • - c\) original image was captured with fisheye lens -
          • -
        - - Pictures a) and b) almost the same. But if we consider points of image located far from the center - of image, we can notice that on image a) these points are distorted. -
        • -
      - - ![image](pics/fisheye_undistorted.jpg)
      -
      -
      -
      • -
    • -
      -

      fisheye_estimateNewCameraMatrixForUndistortRectify

      -
      public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, - Mat D, - Size image_size, - Mat R, - Mat P, - double balance, - Size new_size, - double fov_scale)
      -
      Estimates new camera intrinsic matrix for undistortion or rectification.
      -
      -
      Parameters:
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      image_size - Size of the image
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      balance - Sets the new focal length in range between the min focal length and the max focal - length. Balance is in range of [0, 1].
      -
      new_size - the new size
      -
      fov_scale - Divisor for new focal length.
      -
      -
      -
      • -
    • -
      -

      fisheye_estimateNewCameraMatrixForUndistortRectify

      -
      public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, - Mat D, - Size image_size, - Mat R, - Mat P, - double balance, - Size new_size)
      -
      Estimates new camera intrinsic matrix for undistortion or rectification.
      -
      -
      Parameters:
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      image_size - Size of the image
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      balance - Sets the new focal length in range between the min focal length and the max focal - length. Balance is in range of [0, 1].
      -
      new_size - the new size
      -
      -
      -
      • -
    • -
      -

      fisheye_estimateNewCameraMatrixForUndistortRectify

      -
      public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, - Mat D, - Size image_size, - Mat R, - Mat P, - double balance)
      -
      Estimates new camera intrinsic matrix for undistortion or rectification.
      -
      -
      Parameters:
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      image_size - Size of the image
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4)
      -
      balance - Sets the new focal length in range between the min focal length and the max focal - length. Balance is in range of [0, 1].
      -
      -
      -
      • -
    • -
      -

      fisheye_estimateNewCameraMatrixForUndistortRectify

      -
      public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, - Mat D, - Size image_size, - Mat R, - Mat P)
      -
      Estimates new camera intrinsic matrix for undistortion or rectification.
      -
      -
      Parameters:
      -
      K - Camera intrinsic matrix \(\cameramatrix{K}\).
      -
      image_size - Size of the image
      -
      D - Input vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      R - Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - 1-channel or 1x1 3-channel
      -
      P - New camera intrinsic matrix (3x3) or new projection matrix (3x4) - length. Balance is in range of [0, 1].
      -
      -
      -
      • -
    • -
      -

      fisheye_calibrate

      -
      public static double fisheye_calibrate(List<Mat> objectPoints, - List<Mat> imagePoints, - Size image_size, - Mat K, - Mat D, - List<Mat> rvecs, - List<Mat> tvecs, - int flags, - TermCriteria criteria)
      -
      Performs camera calibration
      -
      -
      Parameters:
      -
      objectPoints - vector of vectors of calibration pattern points in the calibration pattern - coordinate space.
      -
      imagePoints - vector of vectors of the projections of calibration pattern points. - imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - objectPoints[i].size() for each i.
      -
      image_size - Size of the image used only to initialize the camera intrinsic matrix.
      -
      K - Output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If - REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - initialized before calling the function.
      -
      D - Output vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      rvecs - Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - That is, each k-th rotation vector together with the corresponding k-th translation vector (see - the next output parameter description) brings the calibration pattern from the model coordinate - space (in which object points are specified) to the world coordinate space, that is, a real - position of the calibration pattern in the k-th pattern view (k=0.. *M* -1).
      -
      tvecs - Output vector of translation vectors estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - are set to zeros and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      -
      criteria - Termination criteria for the iterative optimization algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_calibrate

      -
      public static double fisheye_calibrate(List<Mat> objectPoints, - List<Mat> imagePoints, - Size image_size, - Mat K, - Mat D, - List<Mat> rvecs, - List<Mat> tvecs, - int flags)
      -
      Performs camera calibration
      -
      -
      Parameters:
      -
      objectPoints - vector of vectors of calibration pattern points in the calibration pattern - coordinate space.
      -
      imagePoints - vector of vectors of the projections of calibration pattern points. - imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - objectPoints[i].size() for each i.
      -
      image_size - Size of the image used only to initialize the camera intrinsic matrix.
      -
      K - Output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If - REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - initialized before calling the function.
      -
      D - Output vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      rvecs - Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - That is, each k-th rotation vector together with the corresponding k-th translation vector (see - the next output parameter description) brings the calibration pattern from the model coordinate - space (in which object points are specified) to the world coordinate space, that is, a real - position of the calibration pattern in the k-th pattern view (k=0.. *M* -1).
      -
      tvecs - Output vector of translation vectors estimated for each pattern view.
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - are set to zeros and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_calibrate

      -
      public static double fisheye_calibrate(List<Mat> objectPoints, - List<Mat> imagePoints, - Size image_size, - Mat K, - Mat D, - List<Mat> rvecs, - List<Mat> tvecs)
      -
      Performs camera calibration
      -
      -
      Parameters:
      -
      objectPoints - vector of vectors of calibration pattern points in the calibration pattern - coordinate space.
      -
      imagePoints - vector of vectors of the projections of calibration pattern points. - imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - objectPoints[i].size() for each i.
      -
      image_size - Size of the image used only to initialize the camera intrinsic matrix.
      -
      K - Output 3x3 floating-point camera intrinsic matrix - \(\cameramatrix{A}\) . If - REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - initialized before calling the function.
      -
      D - Output vector of distortion coefficients \(\distcoeffsfisheye\).
      -
      rvecs - Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - That is, each k-th rotation vector together with the corresponding k-th translation vector (see - the next output parameter description) brings the calibration pattern from the model coordinate - space (in which object points are specified) to the world coordinate space, that is, a real - position of the calibration pattern in the k-th pattern view (k=0.. *M* -1).
      -
      tvecs - Output vector of translation vectors estimated for each pattern view. -
        -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center ( imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - are set to zeros and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      • - REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoRectify

      -
      public static void fisheye_stereoRectify(Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat tvec, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - Size newImageSize, - double balance, - double fov_scale)
      -
      Stereo rectification for fisheye camera model
      -
      -
      Parameters:
      -
      K1 - First camera intrinsic matrix.
      -
      D1 - First camera distortion parameters.
      -
      K2 - Second camera intrinsic matrix.
      -
      D2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix between the coordinate systems of the first and the second - cameras.
      -
      tvec - Translation vector between coordinate systems of the cameras.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ).
      -
      flags - Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to larger value can help you - preserve details in the original image, especially when there is a big radial distortion.
      -
      balance - Sets the new focal length in range between the min focal length and the max focal - length. Balance is in range of [0, 1].
      -
      fov_scale - Divisor for new focal length.
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoRectify

      -
      public static void fisheye_stereoRectify(Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat tvec, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - Size newImageSize, - double balance)
      -
      Stereo rectification for fisheye camera model
      -
      -
      Parameters:
      -
      K1 - First camera intrinsic matrix.
      -
      D1 - First camera distortion parameters.
      -
      K2 - Second camera intrinsic matrix.
      -
      D2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix between the coordinate systems of the first and the second - cameras.
      -
      tvec - Translation vector between coordinate systems of the cameras.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ).
      -
      flags - Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to larger value can help you - preserve details in the original image, especially when there is a big radial distortion.
      -
      balance - Sets the new focal length in range between the min focal length and the max focal - length. Balance is in range of [0, 1].
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoRectify

      -
      public static void fisheye_stereoRectify(Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat tvec, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags, - Size newImageSize)
      -
      Stereo rectification for fisheye camera model
      -
      -
      Parameters:
      -
      K1 - First camera intrinsic matrix.
      -
      D1 - First camera distortion parameters.
      -
      K2 - Second camera intrinsic matrix.
      -
      D2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix between the coordinate systems of the first and the second - cameras.
      -
      tvec - Translation vector between coordinate systems of the cameras.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ).
      -
      flags - Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area.
      -
      newImageSize - New image resolution after rectification. The same size should be passed to - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - length. Balance is in range of [0, 1].
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoRectify

      -
      public static void fisheye_stereoRectify(Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat tvec, - Mat R1, - Mat R2, - Mat P1, - Mat P2, - Mat Q, - int flags)
      -
      Stereo rectification for fisheye camera model
      -
      -
      Parameters:
      -
      K1 - First camera intrinsic matrix.
      -
      D1 - First camera distortion parameters.
      -
      K2 - Second camera intrinsic matrix.
      -
      D2 - Second camera distortion parameters.
      -
      imageSize - Size of the image used for stereo calibration.
      -
      R - Rotation matrix between the coordinate systems of the first and the second - cameras.
      -
      tvec - Translation vector between coordinate systems of the cameras.
      -
      R1 - Output 3x3 rectification transform (rotation matrix) for the first camera.
      -
      R2 - Output 3x3 rectification transform (rotation matrix) for the second camera.
      -
      P1 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - camera.
      -
      P2 - Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - camera.
      -
      Q - Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ).
      -
      flags - Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - the function makes the principal points of each camera have the same pixel coordinates in the - rectified views. And if the flag is not set, the function may still shift the images in the - horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - useful image area. - #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - is passed (default), it is set to the original imageSize . Setting it to larger value can help you - preserve details in the original image, especially when there is a big radial distortion. - length. Balance is in range of [0, 1].
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T, - List<Mat> rvecs, - List<Mat> tvecs, - int flags, - TermCriteria criteria)
      -
      Performs stereo calibration
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera.
      -
      K1 - Input/output first camera intrinsic matrix: - \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - some or all of the matrix components must be initialized.
      -
      D1 - Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements.
      -
      K2 - Input/output second camera intrinsic matrix. The parameter is similar to K1 .
      -
      D2 - Input/output lens distortion coefficients for the second camera. The parameter is - similar to D1 .
      -
      imageSize - Size of the image used only to initialize camera intrinsic matrix.
      -
      R - Output rotation matrix between the 1st and the 2nd camera coordinate systems.
      -
      T - Output translation vector between the coordinate systems of the cameras.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ).
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - are estimated. -
        • -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center (imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - zero. -
        • -
      -
      criteria - Termination criteria for the iterative optimization algorithm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T, - List<Mat> rvecs, - List<Mat> tvecs, - int flags)
      -
      Performs stereo calibration
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera.
      -
      K1 - Input/output first camera intrinsic matrix: - \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - some or all of the matrix components must be initialized.
      -
      D1 - Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements.
      -
      K2 - Input/output second camera intrinsic matrix. The parameter is similar to K1 .
      -
      D2 - Input/output lens distortion coefficients for the second camera. The parameter is - similar to D1 .
      -
      imageSize - Size of the image used only to initialize camera intrinsic matrix.
      -
      R - Output rotation matrix between the 1st and the 2nd camera coordinate systems.
      -
      T - Output translation vector between the coordinate systems of the cameras.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ).
      -
      flags - Different flags that may be zero or a combination of the following values: -
        -
      • - REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - are estimated. -
        • -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center (imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - zero. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T, - List<Mat> rvecs, - List<Mat> tvecs)
      -
      Performs stereo calibration
      -
      -
      Parameters:
      -
      objectPoints - Vector of vectors of the calibration pattern points.
      -
      imagePoints1 - Vector of vectors of the projections of the calibration pattern points, - observed by the first camera.
      -
      imagePoints2 - Vector of vectors of the projections of the calibration pattern points, - observed by the second camera.
      -
      K1 - Input/output first camera intrinsic matrix: - \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - some or all of the matrix components must be initialized.
      -
      D1 - Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements.
      -
      K2 - Input/output second camera intrinsic matrix. The parameter is similar to K1 .
      -
      D2 - Input/output lens distortion coefficients for the second camera. The parameter is - similar to D1 .
      -
      imageSize - Size of the image used only to initialize camera intrinsic matrix.
      -
      R - Output rotation matrix between the 1st and the 2nd camera coordinate systems.
      -
      T - Output translation vector between the coordinate systems of the cameras.
      -
      rvecs - Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - description) brings the calibration pattern from the object coordinate space (in which object points are - specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - to camera coordinate space of the first camera of the stereo pair.
      -
      tvecs - Output vector of translation vectors estimated for each pattern view, see parameter description - of previous output parameter ( rvecs ). -
        -
      • - REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - are estimated. -
        • -
      • - REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - center (imageSize is used), and focal distances are computed in a least-squares fashion. -
        • -
      • - REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - of intrinsic optimization. -
        • -
      • - REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. -
        • -
      • - REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. -
        • -
      • - REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - zero. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T, - int flags, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T, - int flags)
      -
      -
      • -
    • -
      -

      fisheye_stereoCalibrate

      -
      public static double fisheye_stereoCalibrate(List<Mat> objectPoints, - List<Mat> imagePoints1, - List<Mat> imagePoints2, - Mat K1, - Mat D1, - Mat K2, - Mat D2, - Size imageSize, - Mat R, - Mat T)
      -
      -
      • -
    • -
      -

      fisheye_solvePnP

      -
      public static boolean fisheye_solvePnP(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int flags, - TermCriteria criteria)
      -
      Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags
      -
      criteria - Termination criteria for internal undistortPoints call. - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnP

      -
      public static boolean fisheye_solvePnP(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int flags)
      -
      Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnP

      -
      public static boolean fisheye_solvePnP(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess)
      -
      Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnP

      -
      public static boolean fisheye_solvePnP(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec)
      -
      Finds an object pose from 3D-2D point correspondences for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can also be passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector. - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence, - Mat inliers, - int flags, - TermCriteria criteria)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result.
      -
      inliers - Output vector that contains indices of inliers in objectPoints and imagePoints .
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      -
      criteria - Termination criteria for internal undistortPoints call. - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence, - Mat inliers, - int flags)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result.
      -
      inliers - Output vector that contains indices of inliers in objectPoints and imagePoints .
      -
      flags - Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence, - Mat inliers)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result.
      -
      inliers - Output vector that contains indices of inliers in objectPoints and imagePoints . - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError, - double confidence)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier.
      -
      confidence - The probability that the algorithm produces a useful result. - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount, - float reprojectionError)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations.
      -
      reprojectionError - Inlier threshold value used by the RANSAC procedure. The parameter value - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess, - int iterationsCount)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them.
      -
      iterationsCount - Number of iterations. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec, - boolean useExtrinsicGuess)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector.
      -
      useExtrinsicGuess - Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fisheye_solvePnPRansac

      -
      public static boolean fisheye_solvePnPRansac(Mat objectPoints, - Mat imagePoints, - Mat cameraMatrix, - Mat distCoeffs, - Mat rvec, - Mat tvec)
      -
      Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel.
      -
      -
      Parameters:
      -
      objectPoints - Array of object points in the object coordinate space, Nx3 1-channel or - 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here.
      -
      imagePoints - Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - where N is the number of points. vector<Point2d> can be also passed here.
      -
      cameraMatrix - Input camera intrinsic matrix \(\cameramatrix{A}\) .
      -
      distCoeffs - Input vector of distortion coefficients (4x1/1x4).
      -
      rvec - Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - the model coordinate system to the camera coordinate system.
      -
      tvec - Output translation vector. - the provided rvec and tvec values as initial approximations of the rotation and translation - vectors, respectively, and further optimizes them. - is the maximum allowed distance between the observed and computed point projections to consider it - an inlier. - This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - coordinate frame to the camera coordinate frame, using different methods: -
        -
      • - P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. -
        • -
      • - REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. -
        • -
      • - REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - Number of input points must be 4. Object points must be defined in the following order: -
        • -
      • - point 0: [-squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 1: [ squareLength / 2, squareLength / 2, 0] -
        • -
      • - point 2: [ squareLength / 2, -squareLength / 2, 0] -
        • -
      • - point 3: [-squareLength / 2, -squareLength / 2, 0] -
        • -
      • - for all the other flags, number of input points must be >= 4 and object points can be in any configuration. -
        • -
      - The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - for more information.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoBM.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoBM.html deleted file mode 100644 index 766d96ac72..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoBM.html +++ /dev/null @@ -1,538 +0,0 @@ - - - - -StereoBM (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.calib3d
-

Class StereoBM

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.calib3d.StereoMatcher -
org.opencv.calib3d.StereoBM
-
-
-
-
-
-
public class StereoBM -extends StereoMatcher
-
Class for computing stereo correspondence using the block matching algorithm, introduced and contributed to OpenCV by K. Konolige. - This class implements a block matching algorithm for stereo correspondence, which is used to compute disparity maps from stereo image pairs. It provides methods to fine-tune parameters such as pre-filtering, texture thresholds, uniqueness ratios, and regions of interest (ROIs) to optimize performance and accuracy.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      PREFILTER_NORMALIZED_RESPONSE

      -
      public static final int PREFILTER_NORMALIZED_RESPONSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREFILTER_XSOBEL

      -
      public static final int PREFILTER_XSOBEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static StereoBM __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getPreFilterType

      -
      public int getPreFilterType()
      -
      Gets the type of pre-filtering currently used in the algorithm.
      -
      -
      Returns:
      -
      The current pre-filter type: 0 for PREFILTER_NORMALIZED_RESPONSE or 1 for PREFILTER_XSOBEL.
      -
      -
      -
      • -
    • -
      -

      setPreFilterType

      -
      public void setPreFilterType(int preFilterType)
      -
      Sets the type of pre-filtering used in the algorithm.
      -
      -
      Parameters:
      -
      preFilterType - The type of pre-filter to use. Possible values are: - - PREFILTER_NORMALIZED_RESPONSE (0): Uses normalized response for pre-filtering. - - PREFILTER_XSOBEL (1): Uses the X-Sobel operator for pre-filtering. - The pre-filter type affects how the images are prepared before computing the disparity map. Different pre-filtering methods can enhance specific image features or reduce noise, influencing the quality of the disparity map.
      -
      -
      -
      • -
    • -
      -

      getPreFilterSize

      -
      public int getPreFilterSize()
      -
      Gets the current size of the pre-filter kernel.
      -
      -
      Returns:
      -
      The current pre-filter size.
      -
      -
      -
      • -
    • -
      -

      setPreFilterSize

      -
      public void setPreFilterSize(int preFilterSize)
      -
      Sets the size of the pre-filter kernel.
      -
      -
      Parameters:
      -
      preFilterSize - The size of the pre-filter kernel. Must be an odd integer, typically between 5 and 255. - The pre-filter size determines the spatial extent of the pre-filtering operation, which prepares the images for disparity computation by normalizing brightness and enhancing texture. Larger sizes reduce noise but may blur details, while smaller sizes preserve details but are more susceptible to noise.
      -
      -
      -
      • -
    • -
      -

      getPreFilterCap

      -
      public int getPreFilterCap()
      -
      Gets the current truncation value for prefiltered pixels.
      -
      -
      Returns:
      -
      The current pre-filter cap value.
      -
      -
      -
      • -
    • -
      -

      setPreFilterCap

      -
      public void setPreFilterCap(int preFilterCap)
      -
      Sets the truncation value for prefiltered pixels.
      -
      -
      Parameters:
      -
      preFilterCap - The truncation value. Typically in the range [1, 63]. - This value caps the output of the pre-filter to [-preFilterCap, preFilterCap], helping to reduce the impact of noise and outliers in the pre-filtered image.
      -
      -
      -
      • -
    • -
      -

      getTextureThreshold

      -
      public int getTextureThreshold()
      -
      Gets the current texture threshold value.
      -
      -
      Returns:
      -
      The current texture threshold.
      -
      -
      -
      • -
    • -
      -

      setTextureThreshold

      -
      public void setTextureThreshold(int textureThreshold)
      -
      Sets the threshold for filtering low-texture regions.
      -
      -
      Parameters:
      -
      textureThreshold - The threshold value. Must be non-negative. - This parameter filters out regions with low texture, where establishing correspondences is difficult, thus reducing noise in the disparity map. Higher values filter more aggressively but may discard valid information.
      -
      -
      -
      • -
    • -
      -

      getUniquenessRatio

      -
      public int getUniquenessRatio()
      -
      Gets the current uniqueness ratio value.
      -
      -
      Returns:
      -
      The current uniqueness ratio.
      -
      -
      -
      • -
    • -
      -

      setUniquenessRatio

      -
      public void setUniquenessRatio(int uniquenessRatio)
      -
      Sets the uniqueness ratio for filtering ambiguous matches.
      -
      -
      Parameters:
      -
      uniquenessRatio - The uniqueness ratio value. Typically in the range [5, 15], but can be from 0 to 100. - This parameter ensures that the best match is sufficiently better than the next best match, reducing false positives. Higher values are stricter but may filter out valid matches in difficult regions.
      -
      -
      -
      • -
    • -
      -

      getSmallerBlockSize

      -
      public int getSmallerBlockSize()
      -
      Gets the current size of the smaller block used for texture check.
      -
      -
      Returns:
      -
      The current smaller block size.
      -
      -
      -
      • -
    • -
      -

      setSmallerBlockSize

      -
      public void setSmallerBlockSize(int blockSize)
      -
      Sets the size of the smaller block used for texture check.
      -
      -
      Parameters:
      -
      blockSize - The size of the smaller block. Must be an odd integer between 5 and 255. - This parameter determines the size of the block used to compute texture variance. Smaller blocks capture finer details but are more sensitive to noise, while larger blocks are more robust but may miss fine details.
      -
      -
      -
      • -
    • -
      -

      getROI1

      -
      public Rect getROI1()
      -
      Gets the current Region of Interest (ROI) for the left image.
      -
      -
      Returns:
      -
      The current ROI for the left image.
      -
      -
      -
      • -
    • -
      -

      setROI1

      -
      public void setROI1(Rect roi1)
      -
      Sets the Region of Interest (ROI) for the left image.
      -
      -
      Parameters:
      -
      roi1 - The ROI rectangle for the left image. - By setting the ROI, the stereo matching computation is limited to the specified region, improving performance and potentially accuracy by focusing on relevant parts of the image.
      -
      -
      -
      • -
    • -
      -

      getROI2

      -
      public Rect getROI2()
      -
      Gets the current Region of Interest (ROI) for the right image.
      -
      -
      Returns:
      -
      The current ROI for the right image.
      -
      -
      -
      • -
    • -
      -

      setROI2

      -
      public void setROI2(Rect roi2)
      -
      Sets the Region of Interest (ROI) for the right image.
      -
      -
      Parameters:
      -
      roi2 - The ROI rectangle for the right image. - Similar to setROI1, this limits the computation to the specified region in the right image.
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoBM create(int numDisparities, - int blockSize)
      -
      Creates StereoBM object
      -
      -
      Parameters:
      -
      numDisparities - The disparity search range. For each pixel, the algorithm will find the best disparity from 0 (default minimum disparity) to numDisparities. The search range can be shifted by changing the minimum disparity.
      -
      blockSize - The linear size of the blocks compared by the algorithm. The size should be odd (as the block is centered at the current pixel). Larger block size implies smoother, though less accurate disparity map. Smaller block size gives more detailed disparity map, but there is a higher chance for the algorithm to find a wrong correspondence.
      -
      Returns:
      -
      A pointer to the created StereoBM object. - The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair.
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoBM create(int numDisparities)
      -
      Creates StereoBM object
      -
      -
      Parameters:
      -
      numDisparities - The disparity search range. For each pixel, the algorithm will find the best disparity from 0 (default minimum disparity) to numDisparities. The search range can be shifted by changing the minimum disparity.
      -
      Returns:
      -
      A pointer to the created StereoBM object. - The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair.
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoBM create()
      -
      Creates StereoBM object
      -
      -
      Returns:
      -
      A pointer to the created StereoBM object. - The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoMatcher.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoMatcher.html deleted file mode 100644 index 6a71901f61..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoMatcher.html +++ /dev/null @@ -1,341 +0,0 @@ - - - - -StereoMatcher (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.calib3d
-

Class StereoMatcher

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.calib3d.StereoMatcher
-
-
-
-
-
Direct Known Subclasses:
-
StereoBM, StereoSGBM
-
-
-
public class StereoMatcher -extends Algorithm
-
The base class for stereo correspondence algorithms.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DISP_SHIFT

      -
      public static final int DISP_SHIFT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DISP_SCALE

      -
      public static final int DISP_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static StereoMatcher __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat left, - Mat right, - Mat disparity)
      -
      Computes disparity map for the specified stereo pair
      -
      -
      Parameters:
      -
      left - Left 8-bit single-channel image.
      -
      right - Right image of the same size and the same type as the left one.
      -
      disparity - Output disparity map. It has the same size as the input images. Some algorithms, - like StereoBM or StereoSGBM compute 16-bit fixed-point disparity map (where each disparity value - has 4 fractional bits), whereas other algorithms output 32-bit floating-point disparity map.
      -
      -
      -
      • -
    • -
      -

      getMinDisparity

      -
      public int getMinDisparity()
      -
      -
      • -
    • -
      -

      setMinDisparity

      -
      public void setMinDisparity(int minDisparity)
      -
      -
      • -
    • -
      -

      getNumDisparities

      -
      public int getNumDisparities()
      -
      -
      • -
    • -
      -

      setNumDisparities

      -
      public void setNumDisparities(int numDisparities)
      -
      -
      • -
    • -
      -

      getBlockSize

      -
      public int getBlockSize()
      -
      -
      • -
    • -
      -

      setBlockSize

      -
      public void setBlockSize(int blockSize)
      -
      -
      • -
    • -
      -

      getSpeckleWindowSize

      -
      public int getSpeckleWindowSize()
      -
      -
      • -
    • -
      -

      setSpeckleWindowSize

      -
      public void setSpeckleWindowSize(int speckleWindowSize)
      -
      -
      • -
    • -
      -

      getSpeckleRange

      -
      public int getSpeckleRange()
      -
      -
      • -
    • -
      -

      setSpeckleRange

      -
      public void setSpeckleRange(int speckleRange)
      -
      -
      • -
    • -
      -

      getDisp12MaxDiff

      -
      public int getDisp12MaxDiff()
      -
      -
      • -
    • -
      -

      setDisp12MaxDiff

      -
      public void setDisp12MaxDiff(int disp12MaxDiff)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoSGBM.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoSGBM.html deleted file mode 100644 index 6487f3dd1b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/StereoSGBM.html +++ /dev/null @@ -1,1025 +0,0 @@ - - - - -StereoSGBM (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.calib3d
-

Class StereoSGBM

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.calib3d.StereoMatcher -
org.opencv.calib3d.StereoSGBM
-
-
-
-
-
-
public class StereoSGBM -extends StereoMatcher
-
The class implements the modified H. Hirschmuller algorithm CITE: HH08 that differs from the original - one as follows: - -
    -
  • - By default, the algorithm is single-pass, which means that you consider only 5 directions - instead of 8. Set mode=StereoSGBM::MODE_HH in createStereoSGBM to run the full variant of the - algorithm but beware that it may consume a lot of memory. -
    • -
  • - The algorithm matches blocks, not individual pixels. Though, setting blockSize=1 reduces the - blocks to single pixels. -
    • -
  • - Mutual information cost function is not implemented. Instead, a simpler Birchfield-Tomasi - sub-pixel metric from CITE: BT98 is used. Though, the color images are supported as well. -
    • -
  • - Some pre- and post- processing steps from K. Konolige algorithm StereoBM are included, for - example: pre-filtering (StereoBM::PREFILTER_XSOBEL type) and post-filtering (uniqueness - check, quadratic interpolation and speckle filtering). -
    • -
- - Note: -
    -
  • - (Python) An example illustrating the use of the StereoSGBM matching algorithm can be found - at opencv_source_code/samples/python/stereo_match.py -
    • -
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static StereoSGBM __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getPreFilterCap

      -
      public int getPreFilterCap()
      -
      -
      • -
    • -
      -

      setPreFilterCap

      -
      public void setPreFilterCap(int preFilterCap)
      -
      -
      • -
    • -
      -

      getUniquenessRatio

      -
      public int getUniquenessRatio()
      -
      -
      • -
    • -
      -

      setUniquenessRatio

      -
      public void setUniquenessRatio(int uniquenessRatio)
      -
      -
      • -
    • -
      -

      getP1

      -
      public int getP1()
      -
      -
      • -
    • -
      -

      setP1

      -
      public void setP1(int P1)
      -
      -
      • -
    • -
      -

      getP2

      -
      public int getP2()
      -
      -
      • -
    • -
      -

      setP2

      -
      public void setP2(int P2)
      -
      -
      • -
    • -
      -

      getMode

      -
      public int getMode()
      -
      -
      • -
    • -
      -

      setMode

      -
      public void setMode(int mode)
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff, - int preFilterCap, - int uniquenessRatio, - int speckleWindowSize, - int speckleRange, - int mode)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check.
      -
      preFilterCap - Truncation value for the prefiltered image pixels. The algorithm first - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function.
      -
      uniquenessRatio - Margin in percentage by which the best (minimum) computed cost function - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough.
      -
      speckleWindowSize - Maximum size of smooth disparity regions to consider their noise speckles - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range.
      -
      speckleRange - Maximum disparity variation within each connected component. If you do speckle - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough.
      -
      mode - Set it to StereoSGBM::MODE_HH to run the full-scale two-pass dynamic programming - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff, - int preFilterCap, - int uniquenessRatio, - int speckleWindowSize, - int speckleRange)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check.
      -
      preFilterCap - Truncation value for the prefiltered image pixels. The algorithm first - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function.
      -
      uniquenessRatio - Margin in percentage by which the best (minimum) computed cost function - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough.
      -
      speckleWindowSize - Maximum size of smooth disparity regions to consider their noise speckles - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range.
      -
      speckleRange - Maximum disparity variation within each connected component. If you do speckle - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff, - int preFilterCap, - int uniquenessRatio, - int speckleWindowSize)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check.
      -
      preFilterCap - Truncation value for the prefiltered image pixels. The algorithm first - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function.
      -
      uniquenessRatio - Margin in percentage by which the best (minimum) computed cost function - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough.
      -
      speckleWindowSize - Maximum size of smooth disparity regions to consider their noise speckles - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff, - int preFilterCap, - int uniquenessRatio)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check.
      -
      preFilterCap - Truncation value for the prefiltered image pixels. The algorithm first - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function.
      -
      uniquenessRatio - Margin in percentage by which the best (minimum) computed cost function - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff, - int preFilterCap)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check.
      -
      preFilterCap - Truncation value for the prefiltered image pixels. The algorithm first - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2, - int disp12MaxDiff)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively).
      -
      disp12MaxDiff - Maximum allowed difference (in integer pixel units) in the left-right - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1, - int P2)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below.
      -
      P2 - The second parameter controlling the disparity smoothness. The larger the values are, - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize, - int P1)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range.
      -
      P1 - The first parameter controlling the disparity smoothness. See below. - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities, - int blockSize)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16.
      -
      blockSize - Matched block size. It must be an odd number >=1 . Normally, it should be - somewhere in the 3..11 range. - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity, - int numDisparities)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly.
      -
      numDisparities - Maximum disparity minus minimum disparity. The value is always greater than - zero. In the current implementation, this parameter must be divisible by 16. - somewhere in the 3..11 range. - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create(int minDisparity)
      -
      Creates StereoSGBM object
      -
      -
      Parameters:
      -
      minDisparity - Minimum possible disparity value. Normally, it is zero but sometimes - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - zero. In the current implementation, this parameter must be divisible by 16. - somewhere in the 3..11 range. - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static StereoSGBM create()
      -
      Creates StereoSGBM object - - rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - zero. In the current implementation, this parameter must be divisible by 16. - somewhere in the 3..11 range. - the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - disparity check. Set it to a non-positive value to disable the check. - computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - The result values are passed to the Birchfield-Tomasi pixel cost function. - value should "win" the second best value to consider the found match correct. Normally, a value - within the 5-15 range is good enough. - and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - 50-200 range. - filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - Normally, 1 or 2 is good enough. - algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - huge for HD-size pictures. By default, it is set to false . - - The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - to a custom value.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/UsacParams.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/UsacParams.html deleted file mode 100644 index b89ea26f92..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/UsacParams.html +++ /dev/null @@ -1,415 +0,0 @@ - - - - -UsacParams (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.calib3d
-

Class UsacParams

-
-
java.lang.Object -
org.opencv.calib3d.UsacParams
-
-
-
-
public class UsacParams -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      UsacParams

      -
      public UsacParams()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static UsacParams __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_confidence

      -
      public double get_confidence()
      -
      -
      • -
    • -
      -

      set_confidence

      -
      public void set_confidence(double confidence)
      -
      -
      • -
    • -
      -

      get_isParallel

      -
      public boolean get_isParallel()
      -
      -
      • -
    • -
      -

      set_isParallel

      -
      public void set_isParallel(boolean isParallel)
      -
      -
      • -
    • -
      -

      get_loIterations

      -
      public int get_loIterations()
      -
      -
      • -
    • -
      -

      set_loIterations

      -
      public void set_loIterations(int loIterations)
      -
      -
      • -
    • -
      -

      get_loMethod

      -
      public int get_loMethod()
      -
      -
      • -
    • -
      -

      set_loMethod

      -
      public void set_loMethod(int loMethod)
      -
      -
      • -
    • -
      -

      get_loSampleSize

      -
      public int get_loSampleSize()
      -
      -
      • -
    • -
      -

      set_loSampleSize

      -
      public void set_loSampleSize(int loSampleSize)
      -
      -
      • -
    • -
      -

      get_maxIterations

      -
      public int get_maxIterations()
      -
      -
      • -
    • -
      -

      set_maxIterations

      -
      public void set_maxIterations(int maxIterations)
      -
      -
      • -
    • -
      -

      get_neighborsSearch

      -
      public int get_neighborsSearch()
      -
      -
      • -
    • -
      -

      set_neighborsSearch

      -
      public void set_neighborsSearch(int neighborsSearch)
      -
      -
      • -
    • -
      -

      get_randomGeneratorState

      -
      public int get_randomGeneratorState()
      -
      -
      • -
    • -
      -

      set_randomGeneratorState

      -
      public void set_randomGeneratorState(int randomGeneratorState)
      -
      -
      • -
    • -
      -

      get_sampler

      -
      public int get_sampler()
      -
      -
      • -
    • -
      -

      set_sampler

      -
      public void set_sampler(int sampler)
      -
      -
      • -
    • -
      -

      get_score

      -
      public int get_score()
      -
      -
      • -
    • -
      -

      set_score

      -
      public void set_score(int score)
      -
      -
      • -
    • -
      -

      get_threshold

      -
      public double get_threshold()
      -
      -
      • -
    • -
      -

      set_threshold

      -
      public void set_threshold(double threshold)
      -
      -
      • -
    • -
      -

      get_final_polisher

      -
      public int get_final_polisher()
      -
      -
      • -
    • -
      -

      set_final_polisher

      -
      public void set_final_polisher(int final_polisher)
      -
      -
      • -
    • -
      -

      get_final_polisher_iterations

      -
      public int get_final_polisher_iterations()
      -
      -
      • -
    • -
      -

      set_final_polisher_iterations

      -
      public void set_final_polisher_iterations(int final_polisher_iterations)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-summary.html deleted file mode 100644 index 2fbefc2b48..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-summary.html +++ /dev/null @@ -1,121 +0,0 @@ - - - - -org.opencv.calib3d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.calib3d

-
-
-
package org.opencv.calib3d
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    Calib3d
    -
     
    -
    StereoBM
    -
    -
    Class for computing stereo correspondence using the block matching algorithm, introduced and contributed to OpenCV by K.
    -
    -
    StereoMatcher
    -
    -
    The base class for stereo correspondence algorithms.
    -
    -
    StereoSGBM
    -
    -
    The class implements the modified H.
    -
    -
    UsacParams
    -
     
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-tree.html deleted file mode 100644 index cc496e922d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/calib3d/package-tree.html +++ /dev/null @@ -1,96 +0,0 @@ - - - - -org.opencv.calib3d Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.calib3d

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Algorithm.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Algorithm.html deleted file mode 100644 index 610bfee6cd..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Algorithm.html +++ /dev/null @@ -1,230 +0,0 @@ - - - - -Algorithm (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Algorithm

-
-
java.lang.Object -
org.opencv.core.Algorithm
-
-
-
-
Direct Known Subclasses:
-
AlignExposures, ArucoDetector, BackgroundSubtractor, BaseCascadeClassifier, CalibrateCRF, CharucoDetector, CLAHE, DenseOpticalFlow, DescriptorMatcher, Feature2D, GeneralizedHough, Layer, LineSegmentDetector, MergeExposures, SparseOpticalFlow, StatModel, StereoMatcher, Tonemap
-
-
-
public class Algorithm -extends Object
-
This is a base class for all more or less complex algorithms in OpenCV - - especially for classes of algorithms, for which there can be multiple implementations. The examples - are stereo correspondence (for which there are algorithms like block matching, semi-global block - matching, graph-cut etc.), background subtraction (which can be done using mixture-of-gaussians - models, codebook-based algorithm etc.), optical flow (block matching, Lucas-Kanade, Horn-Schunck - etc.). - - Here is example of SimpleBlobDetector use in your application via Algorithm interface: - SNIPPET: snippets/core_various.cpp Algorithm
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Algorithm __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      clear

      -
      public void clear()
      -
      Clears the algorithm state
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Returns true if the Algorithm is empty (e.g. in the very beginning or after unsuccessful read
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      save

      -
      public void save(String filename)
      -
      Saves the algorithm to a file. - In order to make this method work, the derived class must implement Algorithm::write(FileStorage& fs).
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.MinMaxLocResult.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.MinMaxLocResult.html deleted file mode 100644 index 068f5bd404..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.MinMaxLocResult.html +++ /dev/null @@ -1,201 +0,0 @@ - - - - -Core.MinMaxLocResult (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Core.MinMaxLocResult

-
-
java.lang.Object -
org.opencv.core.Core.MinMaxLocResult
-
-
-
-
Enclosing class:
-
Core
-
-
-
public static class Core.MinMaxLocResult -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      minVal

      -
      public double minVal
      -
      -
      • -
    • -
      -

      maxVal

      -
      public double maxVal
      -
      -
      • -
    • -
      -

      minLoc

      -
      public Point minLoc
      -
      -
      • -
    • -
      -

      maxLoc

      -
      public Point maxLoc
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MinMaxLocResult

      -
      public MinMaxLocResult()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.html deleted file mode 100644 index f630164318..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Core.html +++ /dev/null @@ -1,10449 +0,0 @@ - - - - -Core (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Core

-
-
java.lang.Object -
org.opencv.core.Core
-
-
-
-
public class Core -extends Object
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static class 
    -
    Core.MinMaxLocResult
    -
     
    -
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final int
    -
    ALGO_HINT_ACCURATE
    -
     
    -
    static final int
    -
    ALGO_HINT_APPROX
    -
     
    -
    static final int
    -
    ALGO_HINT_DEFAULT
    -
     
    -
    static final int
    -
    BadAlign
    -
     
    -
    static final int
    -
    BadAlphaChannel
    -
     
    -
    static final int
    -
    BadCallBack
    -
     
    -
    static final int
    -
    BadCOI
    -
     
    -
    static final int
    -
    BadDataPtr
    -
     
    -
    static final int
    -
    BadDepth
    -
     
    -
    static final int
    -
    BadImageSize
    -
     
    -
    static final int
    -
    BadModelOrChSeq
    -
     
    -
    static final int
    -
    BadNumChannel1U
    -
     
    -
    static final int
    -
    BadNumChannels
    -
     
    -
    static final int
    -
    BadOffset
    -
     
    -
    static final int
    -
    BadOrder
    -
     
    -
    static final int
    -
    BadOrigin
    -
     
    -
    static final int
    -
    BadROISize
    -
     
    -
    static final int
    -
    BadStep
    -
     
    -
    static final int
    -
    BadTileSize
    -
     
    -
    static final int
    -
    BORDER_CONSTANT
    -
     
    -
    static final int
    -
    BORDER_DEFAULT
    -
     
    -
    static final int
    -
    BORDER_ISOLATED
    -
     
    -
    static final int
    -
    BORDER_REFLECT
    -
     
    -
    static final int
    -
    BORDER_REFLECT_101
    -
     
    -
    static final int
    -
    BORDER_REFLECT101
    -
     
    -
    static final int
    -
    BORDER_REPLICATE
    -
     
    -
    static final int
    -
    BORDER_TRANSPARENT
    -
     
    -
    static final int
    -
    BORDER_WRAP
    -
     
    -
    static final int
    -
    CMP_EQ
    -
     
    -
    static final int
    -
    CMP_GE
    -
     
    -
    static final int
    -
    CMP_GT
    -
     
    -
    static final int
    -
    CMP_LE
    -
     
    -
    static final int
    -
    CMP_LT
    -
     
    -
    static final int
    -
    CMP_NE
    -
     
    -
    static final int
    -
    COVAR_COLS
    -
     
    -
    static final int
    -
    COVAR_NORMAL
    -
     
    -
    static final int
    -
    COVAR_ROWS
    -
     
    -
    static final int
    -
    COVAR_SCALE
    -
     
    -
    static final int
    -
    COVAR_SCRAMBLED
    -
     
    -
    static final int
    -
    COVAR_USE_AVG
    -
     
    -
    static final int
    -
    DCT_INVERSE
    -
     
    -
    static final int
    -
    DCT_ROWS
    -
     
    -
    static final int
    -
    DECOMP_CHOLESKY
    -
     
    -
    static final int
    -
    DECOMP_EIG
    -
     
    -
    static final int
    -
    DECOMP_LU
    -
     
    -
    static final int
    -
    DECOMP_NORMAL
    -
     
    -
    static final int
    -
    DECOMP_QR
    -
     
    -
    static final int
    -
    DECOMP_SVD
    -
     
    -
    static final int
    -
    DFT_COMPLEX_INPUT
    -
     
    -
    static final int
    -
    DFT_COMPLEX_OUTPUT
    -
     
    -
    static final int
    -
    DFT_INVERSE
    -
     
    -
    static final int
    -
    DFT_REAL_OUTPUT
    -
     
    -
    static final int
    -
    DFT_ROWS
    -
     
    -
    static final int
    -
    DFT_SCALE
    -
     
    -
    static final int
    -
    FILLED
    -
     
    -
    static final int
    -
    Formatter_FMT_C
    -
     
    -
    static final int
    -
    Formatter_FMT_CSV
    -
     
    -
    static final int
    -
    Formatter_FMT_DEFAULT
    -
     
    -
    static final int
    -
    Formatter_FMT_MATLAB
    -
     
    -
    static final int
    -
    Formatter_FMT_NUMPY
    -
     
    -
    static final int
    -
    Formatter_FMT_PYTHON
    -
     
    -
    static final int
    -
    GEMM_1_T
    -
     
    -
    static final int
    -
    GEMM_2_T
    -
     
    -
    static final int
    -
    GEMM_3_T
    -
     
    -
    static final int
    -
    GpuApiCallError
    -
     
    -
    static final int
    -
    GpuNotSupported
    -
     
    -
    static final int
    -
    HeaderIsNull
    -
     
    -
    static final int
    -
    KMEANS_PP_CENTERS
    -
     
    -
    static final int
    -
    KMEANS_RANDOM_CENTERS
    -
     
    -
    static final int
    -
    KMEANS_USE_INITIAL_LABELS
    -
     
    -
    static final int
    -
    MaskIsTiled
    -
     
    -
    static final String
    -
    NATIVE_LIBRARY_NAME
    -
     
    -
    static final int
    -
    NORM_HAMMING
    -
     
    -
    static final int
    -
    NORM_HAMMING2
    -
     
    -
    static final int
    -
    NORM_INF
    -
     
    -
    static final int
    -
    NORM_L1
    -
     
    -
    static final int
    -
    NORM_L2
    -
     
    -
    static final int
    -
    NORM_L2SQR
    -
     
    -
    static final int
    -
    NORM_MINMAX
    -
     
    -
    static final int
    -
    NORM_RELATIVE
    -
     
    -
    static final int
    -
    NORM_TYPE_MASK
    -
     
    -
    static final int
    -
    OpenCLApiCallError
    -
     
    -
    static final int
    -
    OpenCLDoubleNotSupported
    -
     
    -
    static final int
    -
    OpenCLInitError
    -
     
    -
    static final int
    -
    OpenCLNoAMDBlasFft
    -
     
    -
    static final int
    -
    OpenGlApiCallError
    -
     
    -
    static final int
    -
    OpenGlNotSupported
    -
     
    -
    static final int
    -
    Param_ALGORITHM
    -
     
    -
    static final int
    -
    Param_BOOLEAN
    -
     
    -
    static final int
    -
    Param_FLOAT
    -
     
    -
    static final int
    -
    Param_INT
    -
     
    -
    static final int
    -
    Param_MAT
    -
     
    -
    static final int
    -
    Param_MAT_VECTOR
    -
     
    -
    static final int
    -
    Param_REAL
    -
     
    -
    static final int
    -
    Param_SCALAR
    -
     
    -
    static final int
    -
    Param_STRING
    -
     
    -
    static final int
    -
    Param_UCHAR
    -
     
    -
    static final int
    -
    Param_UINT64
    -
     
    -
    static final int
    -
    Param_UNSIGNED_INT
    -
     
    -
    static final int
    -
    PCA_DATA_AS_COL
    -
     
    -
    static final int
    -
    PCA_DATA_AS_ROW
    -
     
    -
    static final int
    -
    PCA_USE_AVG
    -
     
    -
    static final int
    -
    REDUCE_AVG
    -
     
    -
    static final int
    -
    REDUCE_MAX
    -
     
    -
    static final int
    -
    REDUCE_MIN
    -
     
    -
    static final int
    -
    REDUCE_SUM
    -
     
    -
    static final int
    -
    REDUCE_SUM2
    -
     
    -
    static final int
    -
    RNG_NORMAL
    -
     
    -
    static final int
    -
    RNG_UNIFORM
    -
     
    -
    static final int
    -
    ROTATE_180
    -
     
    -
    static final int
    -
    ROTATE_90_CLOCKWISE
    -
     
    -
    static final int
    -
    ROTATE_90_COUNTERCLOCKWISE
    -
     
    -
    static final int
    -
    SORT_ASCENDING
    -
     
    -
    static final int
    -
    SORT_DESCENDING
    -
     
    -
    static final int
    -
    SORT_EVERY_COLUMN
    -
     
    -
    static final int
    -
    SORT_EVERY_ROW
    -
     
    -
    static final int
    -
    StsAssert
    -
     
    -
    static final int
    -
    StsAutoTrace
    -
     
    -
    static final int
    -
    StsBackTrace
    -
     
    -
    static final int
    -
    StsBadArg
    -
     
    -
    static final int
    -
    StsBadFlag
    -
     
    -
    static final int
    -
    StsBadFunc
    -
     
    -
    static final int
    -
    StsBadMask
    -
     
    -
    static final int
    -
    StsBadMemBlock
    -
     
    -
    static final int
    -
    StsBadPoint
    -
     
    -
    static final int
    -
    StsBadSize
    -
     
    -
    static final int
    -
    StsDivByZero
    -
     
    -
    static final int
    -
    StsError
    -
     
    -
    static final int
    -
    StsFilterOffsetErr
    -
     
    -
    static final int
    -
    StsFilterStructContentErr
    -
     
    -
    static final int
    -
    StsInplaceNotSupported
    -
     
    -
    static final int
    -
    StsInternal
    -
     
    -
    static final int
    -
    StsKernelStructContentErr
    -
     
    -
    static final int
    -
    StsNoConv
    -
     
    -
    static final int
    -
    StsNoMem
    -
     
    -
    static final int
    -
    StsNotImplemented
    -
     
    -
    static final int
    -
    StsNullPtr
    -
     
    -
    static final int
    -
    StsObjectNotFound
    -
     
    -
    static final int
    -
    StsOk
    -
     
    -
    static final int
    -
    StsOutOfRange
    -
     
    -
    static final int
    -
    StsParseError
    -
     
    -
    static final int
    -
    StsUnmatchedFormats
    -
     
    -
    static final int
    -
    StsUnmatchedSizes
    -
     
    -
    static final int
    -
    StsUnsupportedFormat
    -
     
    -
    static final int
    -
    StsVecLengthErr
    -
     
    -
    static final int
    -
    SVD_FULL_UV
    -
     
    -
    static final int
    -
    SVD_MODIFY_A
    -
     
    -
    static final int
    -
    SVD_NO_UV
    -
     
    -
    static final String
    -
    VERSION
    -
     
    -
    static final int
    -
    VERSION_MAJOR
    -
     
    -
    static final int
    -
    VERSION_MINOR
    -
     
    -
    static final int
    -
    VERSION_REVISION
    -
     
    -
    static final String
    -
    VERSION_STATUS
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Core()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static void
    -
    absdiff(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element absolute difference between two arrays or between an array and a scalar.
    -
    -
    static void
    -
    absdiff(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static void
    -
    add(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element sum of two arrays or an array and a scalar.
    -
    -
    static void
    -
    add(Mat src1, - Mat src2, - Mat dst, - Mat mask)
    -
    -
    Calculates the per-element sum of two arrays or an array and a scalar.
    -
    -
    static void
    -
    add(Mat src1, - Mat src2, - Mat dst, - Mat mask, - int dtype)
    -
    -
    Calculates the per-element sum of two arrays or an array and a scalar.
    -
    -
    static void
    -
    add(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static void
    -
    add(Mat src1, - Scalar src2, - Mat dst, - Mat mask)
    -
     
    -
    static void
    -
    add(Mat src1, - Scalar src2, - Mat dst, - Mat mask, - int dtype)
    -
     
    -
    static void
    -
    addSamplesDataSearchPath(String path)
    -
    -
    Override search data path by adding new search location - - Use this only to override default behavior - Passed paths are used in LIFO order.
    -
    -
    static void
    -
    addSamplesDataSearchSubDirectory(String subdir)
    -
    -
    Append samples search data sub directory - - General usage is to add OpenCV modules name (&lt;opencv_contrib&gt;/modules/&lt;name&gt;/samples/data -> &lt;name&gt;/samples/data + modules/&lt;name&gt;/samples/data).
    -
    -
    static void
    -
    addWeighted(Mat src1, - double alpha, - Mat src2, - double beta, - double gamma, - Mat dst)
    -
    -
    Calculates the weighted sum of two arrays.
    -
    -
    static void
    -
    addWeighted(Mat src1, - double alpha, - Mat src2, - double beta, - double gamma, - Mat dst, - int dtype)
    -
    -
    Calculates the weighted sum of two arrays.
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask, - int update)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask, - int update, - boolean crosscheck)
    -
    -
    naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
    -
    -
    static void
    -
    bitwise_and(Mat src1, - Mat src2, - Mat dst)
    -
    -
    computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar.
    -
    -
    static void
    -
    bitwise_and(Mat src1, - Mat src2, - Mat dst, - Mat mask)
    -
    -
    computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar.
    -
    -
    static void
    -
    bitwise_not(Mat src, - Mat dst)
    -
    -
    Inverts every bit of an array.
    -
    -
    static void
    -
    bitwise_not(Mat src, - Mat dst, - Mat mask)
    -
    -
    Inverts every bit of an array.
    -
    -
    static void
    -
    bitwise_or(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar.
    -
    -
    static void
    -
    bitwise_or(Mat src1, - Mat src2, - Mat dst, - Mat mask)
    -
    -
    Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar.
    -
    -
    static void
    -
    bitwise_xor(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar.
    -
    -
    static void
    -
    bitwise_xor(Mat src1, - Mat src2, - Mat dst, - Mat mask)
    -
    -
    Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar.
    -
    -
    static int
    -
    borderInterpolate(int p, - int len, - int borderType)
    -
    -
    Computes the source location of an extrapolated pixel.
    -
    -
    static void
    -
    broadcast(Mat src, - Mat shape, - Mat dst)
    -
    -
    Broadcast the given Mat to the given shape.
    -
    -
    static void
    -
    calcCovarMatrix(Mat samples, - Mat covar, - Mat mean, - int flags)
    -
    -
    Note: use #COVAR_ROWS or #COVAR_COLS flag
    -
    -
    static void
    -
    calcCovarMatrix(Mat samples, - Mat covar, - Mat mean, - int flags, - int ctype)
    -
    -
    Note: use #COVAR_ROWS or #COVAR_COLS flag
    -
    -
    static void
    -
    cartToPolar(Mat x, - Mat y, - Mat magnitude, - Mat angle)
    -
    -
    Calculates the magnitude and angle of 2D vectors.
    -
    -
    static void
    -
    cartToPolar(Mat x, - Mat y, - Mat magnitude, - Mat angle, - boolean angleInDegrees)
    -
    -
    Calculates the magnitude and angle of 2D vectors.
    -
    -
    static boolean
    -
    checkHardwareSupport(int feature)
    -
    -
    Returns true if the specified feature is supported by the host hardware.
    -
    -
    static boolean
    -
    checkRange(Mat a)
    -
    -
    Checks every element of an input array for invalid values.
    -
    -
    static boolean
    -
    checkRange(Mat a, - boolean quiet)
    -
    -
    Checks every element of an input array for invalid values.
    -
    -
    static boolean
    -
    checkRange(Mat a, - boolean quiet, - double minVal)
    -
    -
    Checks every element of an input array for invalid values.
    -
    -
    static boolean
    -
    checkRange(Mat a, - boolean quiet, - double minVal, - double maxVal)
    -
    -
    Checks every element of an input array for invalid values.
    -
    -
    static void
    -
    compare(Mat src1, - Mat src2, - Mat dst, - int cmpop)
    -
    -
    Performs the per-element comparison of two arrays or an array and scalar value.
    -
    -
    static void
    -
    compare(Mat src1, - Scalar src2, - Mat dst, - int cmpop)
    -
     
    -
    static void
    -
    completeSymm(Mat m)
    -
    -
    Copies the lower or the upper half of a square matrix to its another half.
    -
    -
    static void
    -
    completeSymm(Mat m, - boolean lowerToUpper)
    -
    -
    Copies the lower or the upper half of a square matrix to its another half.
    -
    -
    static void
    -
    convertScaleAbs(Mat src, - Mat dst)
    -
    -
    Scales, calculates absolute values, and converts the result to 8-bit.
    -
    -
    static void
    -
    convertScaleAbs(Mat src, - Mat dst, - double alpha)
    -
    -
    Scales, calculates absolute values, and converts the result to 8-bit.
    -
    -
    static void
    -
    convertScaleAbs(Mat src, - Mat dst, - double alpha, - double beta)
    -
    -
    Scales, calculates absolute values, and converts the result to 8-bit.
    -
    -
    static void
    -
    copyMakeBorder(Mat src, - Mat dst, - int top, - int bottom, - int left, - int right, - int borderType)
    -
    -
    Forms a border around an image.
    -
    -
    static void
    -
    copyMakeBorder(Mat src, - Mat dst, - int top, - int bottom, - int left, - int right, - int borderType, - Scalar value)
    -
    -
    Forms a border around an image.
    -
    -
    static void
    -
    copyTo(Mat src, - Mat dst, - Mat mask)
    -
    -
    This is an overloaded member function, provided for convenience (python) - Copies the matrix to another one.
    -
    -
    static int
    -
    countNonZero(Mat src)
    -
    -
    Counts non-zero array elements.
    -
    -
    static float
    -
    cubeRoot(float val)
    -
    -
    Computes the cube root of an argument.
    -
    -
    static void
    -
    dct(Mat src, - Mat dst)
    -
    -
    Performs a forward or inverse discrete Cosine transform of 1D or 2D array.
    -
    -
    static void
    -
    dct(Mat src, - Mat dst, - int flags)
    -
    -
    Performs a forward or inverse discrete Cosine transform of 1D or 2D array.
    -
    -
    static double
    -
    determinant(Mat mtx)
    -
    -
    Returns the determinant of a square floating-point matrix.
    -
    -
    static void
    -
    dft(Mat src, - Mat dst)
    -
    -
    Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
    -
    -
    static void
    -
    dft(Mat src, - Mat dst, - int flags)
    -
    -
    Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
    -
    -
    static void
    -
    dft(Mat src, - Mat dst, - int flags, - int nonzeroRows)
    -
    -
    Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array.
    -
    -
    static void
    -
    divide(double scale, - Mat src2, - Mat dst)
    -
     
    -
    static void
    -
    divide(double scale, - Mat src2, - Mat dst, - int dtype)
    -
     
    -
    static void
    -
    divide(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Performs per-element division of two arrays or a scalar by an array.
    -
    -
    static void
    -
    divide(Mat src1, - Mat src2, - Mat dst, - double scale)
    -
    -
    Performs per-element division of two arrays or a scalar by an array.
    -
    -
    static void
    -
    divide(Mat src1, - Mat src2, - Mat dst, - double scale, - int dtype)
    -
    -
    Performs per-element division of two arrays or a scalar by an array.
    -
    -
    static void
    -
    divide(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static void
    -
    divide(Mat src1, - Scalar src2, - Mat dst, - double scale)
    -
     
    -
    static void
    -
    divide(Mat src1, - Scalar src2, - Mat dst, - double scale, - int dtype)
    -
     
    -
    static boolean
    -
    eigen(Mat src, - Mat eigenvalues)
    -
    -
    Calculates eigenvalues and eigenvectors of a symmetric matrix.
    -
    -
    static boolean
    -
    eigen(Mat src, - Mat eigenvalues, - Mat eigenvectors)
    -
    -
    Calculates eigenvalues and eigenvectors of a symmetric matrix.
    -
    -
    static void
    -
    eigenNonSymmetric(Mat src, - Mat eigenvalues, - Mat eigenvectors)
    -
    -
    Calculates eigenvalues and eigenvectors of a non-symmetric matrix (real eigenvalues only).
    -
    -
    static void
    -
    exp(Mat src, - Mat dst)
    -
    -
    Calculates the exponent of every array element.
    -
    -
    static void
    -
    extractChannel(Mat src, - Mat dst, - int coi)
    -
    -
    Extracts a single channel from src (coi is 0-based index)
    -
    -
    static float
    -
    fastAtan2(float y, - float x)
    -
    -
    Calculates the angle of a 2D vector in degrees.
    -
    -
    static String
    -
    findFile(String relative_path)
    -
    -
    Try to find requested data file - - Search directories: - - 1.
    -
    -
    static String
    -
    findFile(String relative_path, - boolean required)
    -
    -
    Try to find requested data file - - Search directories: - - 1.
    -
    -
    static String
    -
    findFile(String relative_path, - boolean required, - boolean silentMode)
    -
    -
    Try to find requested data file - - Search directories: - - 1.
    -
    -
    static String
    -
    findFileOrKeep(String relative_path)
    -
     
    -
    static String
    -
    findFileOrKeep(String relative_path, - boolean silentMode)
    -
     
    -
    static void
    -
    findNonZero(Mat src, - Mat idx)
    -
    -
    Returns the list of locations of non-zero pixels - - Given a binary matrix (likely returned from an operation such - as threshold(), compare(), >, ==, etc, return all of - the non-zero indices as a cv::Mat or std::vector<cv::Point> (x,y) - For example: - - cv::Mat binaryImage; // input, binary image - cv::Mat locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations.at<Point>(i); - - or - - cv::Mat binaryImage; // input, binary image - vector<Point> locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations[i]; - - - The function do not work with multi-channel arrays.
    -
    -
    static void
    -
    flip(Mat src, - Mat dst, - int flipCode)
    -
    -
    Flips a 2D array around vertical, horizontal, or both axes.
    -
    -
    static void
    -
    flipND(Mat src, - Mat dst, - int axis)
    -
    -
    Flips a n-dimensional at given axis
    -
    -
    static void
    -
    gemm(Mat src1, - Mat src2, - double alpha, - Mat src3, - double beta, - Mat dst)
    -
    -
    Performs generalized matrix multiplication.
    -
    -
    static void
    -
    gemm(Mat src1, - Mat src2, - double alpha, - Mat src3, - double beta, - Mat dst, - int flags)
    -
    -
    Performs generalized matrix multiplication.
    -
    -
    static String
    -
    getBuildInformation()
    -
    -
    Returns full configuration time cmake output.
    -
    -
    static String
    -
    getCPUFeaturesLine()
    -
    -
    Returns list of CPU features enabled during compilation.
    -
    -
    static long
    -
    getCPUTickCount()
    -
    -
    Returns the number of CPU ticks.
    -
    -
    static int
    -
    getDefaultAlgorithmHint()
    -
     
    -
    static String
    -
    getHardwareFeatureName(int feature)
    -
    -
    Returns feature name by ID - - Returns empty string if feature is not defined
    -
    -
    static String
    -
    getIppVersion()
    -
     
    -
    static int
    -
    getNumberOfCPUs()
    -
    -
    Returns the number of logical CPUs available for the process.
    -
    -
    static int
    -
    getNumThreads()
    -
    -
    Returns the number of threads used by OpenCV for parallel regions.
    -
    -
    static int
    -
    getOptimalDFTSize(int vecsize)
    -
    -
    Returns the optimal DFT size for a given vector size.
    -
    -
    static long
    -
    getTickCount()
    -
    -
    Returns the number of ticks.
    -
    -
    static double
    -
    getTickFrequency()
    -
    -
    Returns the number of ticks per second.
    -
    -
    static int
    -
    getVersionMajor()
    -
    -
    Returns major library version
    -
    -
    static int
    -
    getVersionMinor()
    -
    -
    Returns minor library version
    -
    -
    static int
    -
    getVersionRevision()
    -
    -
    Returns revision field of the library version
    -
    -
    static String
    -
    getVersionString()
    -
    -
    Returns library version string - - For example "3.4.1-dev".
    -
    -
    static boolean
    -
    hasNonZero(Mat src)
    -
    -
    Checks for the presence of at least one non-zero array element.
    -
    -
    static void
    -
    hconcat(List<Mat> src, - Mat dst)
    -
    -
    - std::vector<cv::Mat> matrices = { cv::Mat(4, 1, CV_8UC1, cv::Scalar(1)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(2)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::hconcat( matrices, out ); - //out: - //[1, 2, 3; - // 1, 2, 3; - // 1, 2, 3; - // 1, 2, 3] -
    -
    -
    static void
    -
    idct(Mat src, - Mat dst)
    -
    -
    Calculates the inverse Discrete Cosine Transform of a 1D or 2D array.
    -
    -
    static void
    -
    idct(Mat src, - Mat dst, - int flags)
    -
    -
    Calculates the inverse Discrete Cosine Transform of a 1D or 2D array.
    -
    -
    static void
    -
    idft(Mat src, - Mat dst)
    -
    -
    Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
    -
    -
    static void
    -
    idft(Mat src, - Mat dst, - int flags)
    -
    -
    Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
    -
    -
    static void
    -
    idft(Mat src, - Mat dst, - int flags, - int nonzeroRows)
    -
    -
    Calculates the inverse Discrete Fourier Transform of a 1D or 2D array.
    -
    -
    static void
    -
    inRange(Mat src, - Scalar lowerb, - Scalar upperb, - Mat dst)
    -
    -
    Checks if array elements lie between the elements of two other arrays.
    -
    -
    static void
    -
    insertChannel(Mat src, - Mat dst, - int coi)
    -
    -
    Inserts a single channel to dst (coi is 0-based index)
    -
    -
    static double
    -
    invert(Mat src, - Mat dst)
    -
    -
    Finds the inverse or pseudo-inverse of a matrix.
    -
    -
    static double
    -
    invert(Mat src, - Mat dst, - int flags)
    -
    -
    Finds the inverse or pseudo-inverse of a matrix.
    -
    -
    static double
    -
    kmeans(Mat data, - int K, - Mat bestLabels, - TermCriteria criteria, - int attempts, - int flags)
    -
    -
    Finds centers of clusters and groups input samples around the clusters.
    -
    -
    static double
    -
    kmeans(Mat data, - int K, - Mat bestLabels, - TermCriteria criteria, - int attempts, - int flags, - Mat centers)
    -
    -
    Finds centers of clusters and groups input samples around the clusters.
    -
    -
    static void
    -
    log(Mat src, - Mat dst)
    -
    -
    Calculates the natural logarithm of every array element.
    -
    -
    static void
    -
    LUT(Mat src, - Mat lut, - Mat dst)
    -
    -
    Performs a look-up table transform of an array.
    -
    -
    static void
    -
    magnitude(Mat x, - Mat y, - Mat magnitude)
    -
    -
    Calculates the magnitude of 2D vectors.
    -
    -
    static double
    -
    Mahalanobis(Mat v1, - Mat v2, - Mat icovar)
    -
    -
    Calculates the Mahalanobis distance between two vectors.
    -
    -
    static void
    -
    max(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates per-element maximum of two arrays or an array and a scalar.
    -
    -
    static void
    -
    max(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static Scalar
    -
    mean(Mat src)
    -
    -
    Calculates an average (mean) of array elements.
    -
    -
    static Scalar
    -
    mean(Mat src, - Mat mask)
    -
    -
    Calculates an average (mean) of array elements.
    -
    -
    static void
    -
    meanStdDev(Mat src, - MatOfDouble mean, - MatOfDouble stddev)
    -
    -
    Calculates a mean and standard deviation of array elements.
    -
    -
    static void
    -
    meanStdDev(Mat src, - MatOfDouble mean, - MatOfDouble stddev, - Mat mask)
    -
    -
    Calculates a mean and standard deviation of array elements.
    -
    -
    static void
    -
    merge(List<Mat> mv, - Mat dst)
    -
     
    -
    static void
    -
    min(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates per-element minimum of two arrays or an array and a scalar.
    -
    -
    static void
    -
    min(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static Core.MinMaxLocResult
    -
    minMaxLoc(Mat src)
    -
     
    -
    static Core.MinMaxLocResult
    -
    minMaxLoc(Mat src, - Mat mask)
    -
     
    -
    static void
    -
    mixChannels(List<Mat> src, - List<Mat> dst, - MatOfInt fromTo)
    -
     
    -
    static void
    -
    mulSpectrums(Mat a, - Mat b, - Mat c, - int flags)
    -
    -
    Performs the per-element multiplication of two Fourier spectrums.
    -
    -
    static void
    -
    mulSpectrums(Mat a, - Mat b, - Mat c, - int flags, - boolean conjB)
    -
    -
    Performs the per-element multiplication of two Fourier spectrums.
    -
    -
    static void
    -
    multiply(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element scaled product of two arrays.
    -
    -
    static void
    -
    multiply(Mat src1, - Mat src2, - Mat dst, - double scale)
    -
    -
    Calculates the per-element scaled product of two arrays.
    -
    -
    static void
    -
    multiply(Mat src1, - Mat src2, - Mat dst, - double scale, - int dtype)
    -
    -
    Calculates the per-element scaled product of two arrays.
    -
    -
    static void
    -
    multiply(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static void
    -
    multiply(Mat src1, - Scalar src2, - Mat dst, - double scale)
    -
     
    -
    static void
    -
    multiply(Mat src1, - Scalar src2, - Mat dst, - double scale, - int dtype)
    -
     
    -
    static void
    -
    mulTransposed(Mat src, - Mat dst, - boolean aTa)
    -
    -
    Calculates the product of a matrix and its transposition.
    -
    -
    static void
    -
    mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta)
    -
    -
    Calculates the product of a matrix and its transposition.
    -
    -
    static void
    -
    mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta, - double scale)
    -
    -
    Calculates the product of a matrix and its transposition.
    -
    -
    static void
    -
    mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta, - double scale, - int dtype)
    -
    -
    Calculates the product of a matrix and its transposition.
    -
    -
    static double
    -
    norm(Mat src1)
    -
    -
    Calculates the absolute norm of an array.
    -
    -
    static double
    -
    norm(Mat src1, - int normType)
    -
    -
    Calculates the absolute norm of an array.
    -
    -
    static double
    -
    norm(Mat src1, - int normType, - Mat mask)
    -
    -
    Calculates the absolute norm of an array.
    -
    -
    static double
    -
    norm(Mat src1, - Mat src2)
    -
    -
    Calculates an absolute difference norm or a relative difference norm.
    -
    -
    static double
    -
    norm(Mat src1, - Mat src2, - int normType)
    -
    -
    Calculates an absolute difference norm or a relative difference norm.
    -
    -
    static double
    -
    norm(Mat src1, - Mat src2, - int normType, - Mat mask)
    -
    -
    Calculates an absolute difference norm or a relative difference norm.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst, - double alpha)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst, - double alpha, - double beta)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type, - int dtype)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type, - int dtype, - Mat mask)
    -
    -
    Normalizes the norm or value range of an array.
    -
    -
    static void
    -
    patchNaNs(Mat a)
    -
    -
    Replaces NaNs by given number
    -
    -
    static void
    -
    patchNaNs(Mat a, - double val)
    -
    -
    Replaces NaNs by given number
    -
    -
    static void
    -
    PCABackProject(Mat data, - Mat mean, - Mat eigenvectors, - Mat result)
    -
    -
    wrap PCA::backProject
    -
    -
    static void
    -
    PCACompute(Mat data, - Mat mean, - Mat eigenvectors)
    -
    -
    wrap PCA::operator()
    -
    -
    static void
    -
    PCACompute(Mat data, - Mat mean, - Mat eigenvectors, - double retainedVariance)
    -
    -
    wrap PCA::operator()
    -
    -
    static void
    -
    PCACompute(Mat data, - Mat mean, - Mat eigenvectors, - int maxComponents)
    -
    -
    wrap PCA::operator()
    -
    -
    static void
    -
    PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues)
    -
    -
    wrap PCA::operator() and add eigenvalues output parameter
    -
    -
    static void
    -
    PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues, - double retainedVariance)
    -
    -
    wrap PCA::operator() and add eigenvalues output parameter
    -
    -
    static void
    -
    PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues, - int maxComponents)
    -
    -
    wrap PCA::operator() and add eigenvalues output parameter
    -
    -
    static void
    -
    PCAProject(Mat data, - Mat mean, - Mat eigenvectors, - Mat result)
    -
    -
    wrap PCA::project
    -
    -
    static void
    -
    perspectiveTransform(Mat src, - Mat dst, - Mat m)
    -
    -
    Performs the perspective matrix transformation of vectors.
    -
    -
    static void
    -
    phase(Mat x, - Mat y, - Mat angle)
    -
    -
    Calculates the rotation angle of 2D vectors.
    -
    -
    static void
    -
    phase(Mat x, - Mat y, - Mat angle, - boolean angleInDegrees)
    -
    -
    Calculates the rotation angle of 2D vectors.
    -
    -
    static void
    -
    polarToCart(Mat magnitude, - Mat angle, - Mat x, - Mat y)
    -
    -
    Calculates x and y coordinates of 2D vectors from their magnitude and angle.
    -
    -
    static void
    -
    polarToCart(Mat magnitude, - Mat angle, - Mat x, - Mat y, - boolean angleInDegrees)
    -
    -
    Calculates x and y coordinates of 2D vectors from their magnitude and angle.
    -
    -
    static void
    -
    pow(Mat src, - double power, - Mat dst)
    -
    -
    Raises every array element to a power.
    -
    -
    static double
    -
    PSNR(Mat src1, - Mat src2)
    -
    -
    Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric.
    -
    -
    static double
    -
    PSNR(Mat src1, - Mat src2, - double R)
    -
    -
    Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric.
    -
    -
    static void
    -
    randn(Mat dst, - double mean, - double stddev)
    -
    -
    Fills the array with normally distributed random numbers.
    -
    -
    static void
    -
    randShuffle(Mat dst)
    -
    -
    Shuffles the array elements randomly.
    -
    -
    static void
    -
    randShuffle(Mat dst, - double iterFactor)
    -
    -
    Shuffles the array elements randomly.
    -
    -
    static void
    -
    randu(Mat dst, - double low, - double high)
    -
    -
    Generates a single uniformly-distributed random number or an array of random numbers.
    -
    -
    static void
    -
    reduce(Mat src, - Mat dst, - int dim, - int rtype)
    -
    -
    Reduces a matrix to a vector.
    -
    -
    static void
    -
    reduce(Mat src, - Mat dst, - int dim, - int rtype, - int dtype)
    -
    -
    Reduces a matrix to a vector.
    -
    -
    static void
    -
    reduceArgMax(Mat src, - Mat dst, - int axis)
    -
    -
    Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
    -
    -
    static void
    -
    reduceArgMax(Mat src, - Mat dst, - int axis, - boolean lastIndex)
    -
    -
    Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
    -
    -
    static void
    -
    reduceArgMin(Mat src, - Mat dst, - int axis)
    -
    -
    Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
    -
    -
    static void
    -
    reduceArgMin(Mat src, - Mat dst, - int axis, - boolean lastIndex)
    -
    -
    Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy.
    -
    -
    static void
    -
    repeat(Mat src, - int ny, - int nx, - Mat dst)
    -
    -
    Fills the output array with repeated copies of the input array.
    -
    -
    static void
    -
    rotate(Mat src, - Mat dst, - int rotateCode)
    -
    -
    Rotates a 2D array in multiples of 90 degrees.
    -
    -
    static void
    -
    scaleAdd(Mat src1, - double alpha, - Mat src2, - Mat dst)
    -
    -
    Calculates the sum of a scaled array and another array.
    -
    -
    static void
    -
    setErrorVerbosity(boolean verbose)
    -
     
    -
    static void
    -
    setIdentity(Mat mtx)
    -
    -
    Initializes a scaled identity matrix.
    -
    -
    static void
    -
    setIdentity(Mat mtx, - Scalar s)
    -
    -
    Initializes a scaled identity matrix.
    -
    -
    static void
    -
    setNumThreads(int nthreads)
    -
    -
    OpenCV will try to set the number of threads for subsequent parallel regions.
    -
    -
    static void
    -
    setRNGSeed(int seed)
    -
    -
    Sets state of default random number generator.
    -
    -
    static void
    -
    setUseIPP(boolean flag)
    -
     
    -
    static void
    -
    setUseIPP_NotExact(boolean flag)
    -
     
    -
    static void
    -
    setUseOptimized(boolean onoff)
    -
    -
    Enables or disables the optimized code.
    -
    -
    static boolean
    -
    solve(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Solves one or more linear systems or least-squares problems.
    -
    -
    static boolean
    -
    solve(Mat src1, - Mat src2, - Mat dst, - int flags)
    -
    -
    Solves one or more linear systems or least-squares problems.
    -
    -
    static int
    -
    solveCubic(Mat coeffs, - Mat roots)
    -
    -
    Finds the real roots of a cubic equation.
    -
    -
    static double
    -
    solvePoly(Mat coeffs, - Mat roots)
    -
    -
    Finds the real or complex roots of a polynomial equation.
    -
    -
    static double
    -
    solvePoly(Mat coeffs, - Mat roots, - int maxIters)
    -
    -
    Finds the real or complex roots of a polynomial equation.
    -
    -
    static void
    -
    sort(Mat src, - Mat dst, - int flags)
    -
    -
    Sorts each row or each column of a matrix.
    -
    -
    static void
    -
    sortIdx(Mat src, - Mat dst, - int flags)
    -
    -
    Sorts each row or each column of a matrix.
    -
    -
    static void
    -
    split(Mat m, - List<Mat> mv)
    -
     
    -
    static void
    -
    sqrt(Mat src, - Mat dst)
    -
    -
    Calculates a square root of array elements.
    -
    -
    static void
    -
    subtract(Mat src1, - Mat src2, - Mat dst)
    -
    -
    Calculates the per-element difference between two arrays or array and a scalar.
    -
    -
    static void
    -
    subtract(Mat src1, - Mat src2, - Mat dst, - Mat mask)
    -
    -
    Calculates the per-element difference between two arrays or array and a scalar.
    -
    -
    static void
    -
    subtract(Mat src1, - Mat src2, - Mat dst, - Mat mask, - int dtype)
    -
    -
    Calculates the per-element difference between two arrays or array and a scalar.
    -
    -
    static void
    -
    subtract(Mat src1, - Scalar src2, - Mat dst)
    -
     
    -
    static void
    -
    subtract(Mat src1, - Scalar src2, - Mat dst, - Mat mask)
    -
     
    -
    static void
    -
    subtract(Mat src1, - Scalar src2, - Mat dst, - Mat mask, - int dtype)
    -
     
    -
    static Scalar
    -
    sumElems(Mat src)
    -
    -
    Calculates the sum of array elements.
    -
    -
    static void
    -
    SVBackSubst(Mat w, - Mat u, - Mat vt, - Mat rhs, - Mat dst)
    -
    -
    wrap SVD::backSubst
    -
    -
    static void
    -
    SVDecomp(Mat src, - Mat w, - Mat u, - Mat vt)
    -
    -
    wrap SVD::compute
    -
    -
    static void
    -
    SVDecomp(Mat src, - Mat w, - Mat u, - Mat vt, - int flags)
    -
    -
    wrap SVD::compute
    -
    -
    static Scalar
    -
    trace(Mat mtx)
    -
    -
    Returns the trace of a matrix.
    -
    -
    static void
    -
    transform(Mat src, - Mat dst, - Mat m)
    -
    -
    Performs the matrix transformation of every array element.
    -
    -
    static void
    -
    transpose(Mat src, - Mat dst)
    -
    -
    Transposes a matrix.
    -
    -
    static void
    -
    transposeND(Mat src, - MatOfInt order, - Mat dst)
    -
    -
    Transpose for n-dimensional matrices.
    -
    -
    static boolean
    -
    useIPP()
    -
    -
    proxy for hal::Cholesky
    -
    -
    static boolean
    -
    useIPP_NotExact()
    -
     
    -
    static boolean
    -
    useOptimized()
    -
    -
    Returns the status of optimized code usage.
    -
    -
    static void
    -
    vconcat(List<Mat> src, - Mat dst)
    -
    -
    - std::vector<cv::Mat> matrices = { cv::Mat(1, 4, CV_8UC1, cv::Scalar(1)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(2)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::vconcat( matrices, out ); - //out: - //[1, 1, 1, 1; - // 2, 2, 2, 2; - // 3, 3, 3, 3] -
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      VERSION

      -
      public static final String VERSION
      -
      -
      • -
    • -
      -

      NATIVE_LIBRARY_NAME

      -
      public static final String NATIVE_LIBRARY_NAME
      -
      -
      • -
    • -
      -

      VERSION_MAJOR

      -
      public static final int VERSION_MAJOR
      -
      -
      • -
    • -
      -

      VERSION_MINOR

      -
      public static final int VERSION_MINOR
      -
      -
      • -
    • -
      -

      VERSION_REVISION

      -
      public static final int VERSION_REVISION
      -
      -
      • -
    • -
      -

      VERSION_STATUS

      -
      public static final String VERSION_STATUS
      -
      -
      • -
    • -
      -

      SVD_MODIFY_A

      -
      public static final int SVD_MODIFY_A
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SVD_NO_UV

      -
      public static final int SVD_NO_UV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SVD_FULL_UV

      -
      public static final int SVD_FULL_UV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FILLED

      -
      public static final int FILLED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      REDUCE_SUM

      -
      public static final int REDUCE_SUM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      REDUCE_AVG

      -
      public static final int REDUCE_AVG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      REDUCE_MAX

      -
      public static final int REDUCE_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      REDUCE_MIN

      -
      public static final int REDUCE_MIN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RNG_UNIFORM

      -
      public static final int RNG_UNIFORM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RNG_NORMAL

      -
      public static final int RNG_NORMAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ALGO_HINT_DEFAULT

      -
      public static final int ALGO_HINT_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ALGO_HINT_ACCURATE

      -
      public static final int ALGO_HINT_ACCURATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ALGO_HINT_APPROX

      -
      public static final int ALGO_HINT_APPROX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_CONSTANT

      -
      public static final int BORDER_CONSTANT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_REPLICATE

      -
      public static final int BORDER_REPLICATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_REFLECT

      -
      public static final int BORDER_REFLECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_WRAP

      -
      public static final int BORDER_WRAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_REFLECT_101

      -
      public static final int BORDER_REFLECT_101
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_TRANSPARENT

      -
      public static final int BORDER_TRANSPARENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_REFLECT101

      -
      public static final int BORDER_REFLECT101
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_DEFAULT

      -
      public static final int BORDER_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BORDER_ISOLATED

      -
      public static final int BORDER_ISOLATED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_EQ

      -
      public static final int CMP_EQ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_GT

      -
      public static final int CMP_GT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_GE

      -
      public static final int CMP_GE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_LT

      -
      public static final int CMP_LT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_LE

      -
      public static final int CMP_LE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CMP_NE

      -
      public static final int CMP_NE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_SCRAMBLED

      -
      public static final int COVAR_SCRAMBLED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_NORMAL

      -
      public static final int COVAR_NORMAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_USE_AVG

      -
      public static final int COVAR_USE_AVG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_SCALE

      -
      public static final int COVAR_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_ROWS

      -
      public static final int COVAR_ROWS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COVAR_COLS

      -
      public static final int COVAR_COLS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_LU

      -
      public static final int DECOMP_LU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_SVD

      -
      public static final int DECOMP_SVD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_EIG

      -
      public static final int DECOMP_EIG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_CHOLESKY

      -
      public static final int DECOMP_CHOLESKY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_QR

      -
      public static final int DECOMP_QR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DECOMP_NORMAL

      -
      public static final int DECOMP_NORMAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_INVERSE

      -
      public static final int DFT_INVERSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_SCALE

      -
      public static final int DFT_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_ROWS

      -
      public static final int DFT_ROWS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_COMPLEX_OUTPUT

      -
      public static final int DFT_COMPLEX_OUTPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_REAL_OUTPUT

      -
      public static final int DFT_REAL_OUTPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DFT_COMPLEX_INPUT

      -
      public static final int DFT_COMPLEX_INPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DCT_INVERSE

      -
      public static final int DCT_INVERSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DCT_ROWS

      -
      public static final int DCT_ROWS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsOk

      -
      public static final int StsOk
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBackTrace

      -
      public static final int StsBackTrace
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsError

      -
      public static final int StsError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsInternal

      -
      public static final int StsInternal
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsNoMem

      -
      public static final int StsNoMem
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadArg

      -
      public static final int StsBadArg
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadFunc

      -
      public static final int StsBadFunc
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsNoConv

      -
      public static final int StsNoConv
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsAutoTrace

      -
      public static final int StsAutoTrace
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HeaderIsNull

      -
      public static final int HeaderIsNull
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadImageSize

      -
      public static final int BadImageSize
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadOffset

      -
      public static final int BadOffset
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadDataPtr

      -
      public static final int BadDataPtr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadStep

      -
      public static final int BadStep
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadModelOrChSeq

      -
      public static final int BadModelOrChSeq
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadNumChannels

      -
      public static final int BadNumChannels
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadNumChannel1U

      -
      public static final int BadNumChannel1U
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadDepth

      -
      public static final int BadDepth
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadAlphaChannel

      -
      public static final int BadAlphaChannel
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadOrder

      -
      public static final int BadOrder
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadOrigin

      -
      public static final int BadOrigin
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadAlign

      -
      public static final int BadAlign
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadCallBack

      -
      public static final int BadCallBack
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadTileSize

      -
      public static final int BadTileSize
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadCOI

      -
      public static final int BadCOI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BadROISize

      -
      public static final int BadROISize
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MaskIsTiled

      -
      public static final int MaskIsTiled
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsNullPtr

      -
      public static final int StsNullPtr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsVecLengthErr

      -
      public static final int StsVecLengthErr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsFilterStructContentErr

      -
      public static final int StsFilterStructContentErr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsKernelStructContentErr

      -
      public static final int StsKernelStructContentErr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsFilterOffsetErr

      -
      public static final int StsFilterOffsetErr
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadSize

      -
      public static final int StsBadSize
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsDivByZero

      -
      public static final int StsDivByZero
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsInplaceNotSupported

      -
      public static final int StsInplaceNotSupported
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsObjectNotFound

      -
      public static final int StsObjectNotFound
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsUnmatchedFormats

      -
      public static final int StsUnmatchedFormats
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadFlag

      -
      public static final int StsBadFlag
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadPoint

      -
      public static final int StsBadPoint
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadMask

      -
      public static final int StsBadMask
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsUnmatchedSizes

      -
      public static final int StsUnmatchedSizes
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsUnsupportedFormat

      -
      public static final int StsUnsupportedFormat
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsOutOfRange

      -
      public static final int StsOutOfRange
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsParseError

      -
      public static final int StsParseError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsNotImplemented

      -
      public static final int StsNotImplemented
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsBadMemBlock

      -
      public static final int StsBadMemBlock
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      StsAssert

      -
      public static final int StsAssert
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GpuNotSupported

      -
      public static final int GpuNotSupported
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GpuApiCallError

      -
      public static final int GpuApiCallError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenGlNotSupported

      -
      public static final int OpenGlNotSupported
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenGlApiCallError

      -
      public static final int OpenGlApiCallError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenCLApiCallError

      -
      public static final int OpenCLApiCallError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenCLDoubleNotSupported

      -
      public static final int OpenCLDoubleNotSupported
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenCLInitError

      -
      public static final int OpenCLInitError
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OpenCLNoAMDBlasFft

      -
      public static final int OpenCLNoAMDBlasFft
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_DEFAULT

      -
      public static final int Formatter_FMT_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_MATLAB

      -
      public static final int Formatter_FMT_MATLAB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_CSV

      -
      public static final int Formatter_FMT_CSV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_PYTHON

      -
      public static final int Formatter_FMT_PYTHON
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_NUMPY

      -
      public static final int Formatter_FMT_NUMPY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Formatter_FMT_C

      -
      public static final int Formatter_FMT_C
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GEMM_1_T

      -
      public static final int GEMM_1_T
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GEMM_2_T

      -
      public static final int GEMM_2_T
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GEMM_3_T

      -
      public static final int GEMM_3_T
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      KMEANS_RANDOM_CENTERS

      -
      public static final int KMEANS_RANDOM_CENTERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      KMEANS_PP_CENTERS

      -
      public static final int KMEANS_PP_CENTERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      KMEANS_USE_INITIAL_LABELS

      -
      public static final int KMEANS_USE_INITIAL_LABELS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_INF

      -
      public static final int NORM_INF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_L1

      -
      public static final int NORM_L1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_L2

      -
      public static final int NORM_L2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_L2SQR

      -
      public static final int NORM_L2SQR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_HAMMING

      -
      public static final int NORM_HAMMING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_HAMMING2

      -
      public static final int NORM_HAMMING2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_TYPE_MASK

      -
      public static final int NORM_TYPE_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_RELATIVE

      -
      public static final int NORM_RELATIVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORM_MINMAX

      -
      public static final int NORM_MINMAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PCA_DATA_AS_ROW

      -
      public static final int PCA_DATA_AS_ROW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PCA_DATA_AS_COL

      -
      public static final int PCA_DATA_AS_COL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PCA_USE_AVG

      -
      public static final int PCA_USE_AVG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_INT

      -
      public static final int Param_INT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_BOOLEAN

      -
      public static final int Param_BOOLEAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_REAL

      -
      public static final int Param_REAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_STRING

      -
      public static final int Param_STRING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_MAT

      -
      public static final int Param_MAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_MAT_VECTOR

      -
      public static final int Param_MAT_VECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_ALGORITHM

      -
      public static final int Param_ALGORITHM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_FLOAT

      -
      public static final int Param_FLOAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_UNSIGNED_INT

      -
      public static final int Param_UNSIGNED_INT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_UINT64

      -
      public static final int Param_UINT64
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_UCHAR

      -
      public static final int Param_UCHAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      Param_SCALAR

      -
      public static final int Param_SCALAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      REDUCE_SUM2

      -
      public static final int REDUCE_SUM2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ROTATE_90_CLOCKWISE

      -
      public static final int ROTATE_90_CLOCKWISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ROTATE_180

      -
      public static final int ROTATE_180
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ROTATE_90_COUNTERCLOCKWISE

      -
      public static final int ROTATE_90_COUNTERCLOCKWISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SORT_EVERY_ROW

      -
      public static final int SORT_EVERY_ROW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SORT_EVERY_COLUMN

      -
      public static final int SORT_EVERY_COLUMN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SORT_ASCENDING

      -
      public static final int SORT_ASCENDING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SORT_DESCENDING

      -
      public static final int SORT_DESCENDING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Core

      -
      public Core()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      cubeRoot

      -
      public static float cubeRoot(float val)
      -
      Computes the cube root of an argument. - - The function cubeRoot computes \(\sqrt[3]{\texttt{val}}\). Negative arguments are handled correctly. - NaN and Inf are not handled. The accuracy approaches the maximum possible accuracy for - single-precision data.
      -
      -
      Parameters:
      -
      val - A function argument.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fastAtan2

      -
      public static float fastAtan2(float y, - float x)
      -
      Calculates the angle of a 2D vector in degrees. - - The function fastAtan2 calculates the full-range angle of an input 2D vector. The angle is measured - in degrees and varies from 0 to 360 degrees. The accuracy is about 0.3 degrees.
      -
      -
      Parameters:
      -
      x - x-coordinate of the vector.
      -
      y - y-coordinate of the vector.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      useIPP

      -
      public static boolean useIPP()
      -
      proxy for hal::Cholesky
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUseIPP

      -
      public static void setUseIPP(boolean flag)
      -
      -
      • -
    • -
      -

      getIppVersion

      -
      public static String getIppVersion()
      -
      -
      • -
    • -
      -

      useIPP_NotExact

      -
      public static boolean useIPP_NotExact()
      -
      -
      • -
    • -
      -

      setUseIPP_NotExact

      -
      public static void setUseIPP_NotExact(boolean flag)
      -
      -
      • -
    • -
      -

      borderInterpolate

      -
      public static int borderInterpolate(int p, - int len, - int borderType)
      -
      Computes the source location of an extrapolated pixel. - - The function computes and returns the coordinate of a donor pixel corresponding to the specified - extrapolated pixel when using the specified extrapolation border mode. For example, if you use - cv::BORDER_WRAP mode in the horizontal direction, cv::BORDER_REFLECT_101 in the vertical direction and - want to compute value of the "virtual" pixel Point(-5, 100) in a floating-point image img, it - looks like: - - float val = img.at<float>(borderInterpolate(100, img.rows, cv::BORDER_REFLECT_101), - borderInterpolate(-5, img.cols, cv::BORDER_WRAP)); - - Normally, the function is not called directly. It is used inside filtering functions and also in - copyMakeBorder.
      -
      -
      Parameters:
      -
      p - 0-based coordinate of the extrapolated pixel along one of the axes, likely <0 or >= len
      -
      len - Length of the array along the corresponding axis.
      -
      borderType - Border type, one of the #BorderTypes, except for #BORDER_TRANSPARENT and - #BORDER_ISOLATED. When borderType==#BORDER_CONSTANT, the function always returns -1, regardless - of p and len. - - SEE: copyMakeBorder
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      copyMakeBorder

      -
      public static void copyMakeBorder(Mat src, - Mat dst, - int top, - int bottom, - int left, - int right, - int borderType, - Scalar value)
      -
      Forms a border around an image. - - The function copies the source image into the middle of the destination image. The areas to the - left, to the right, above and below the copied source image will be filled with extrapolated - pixels. This is not what filtering functions based on it do (they extrapolate pixels on-fly), but - what other more complex functions, including your own, may do to simplify image boundary handling. - - The function supports the mode when src is already in the middle of dst . In this case, the - function does not copy src itself but simply constructs the border, for example: - - - // let border be the same in all directions - int border=2; - // constructs a larger image to fit both the image and the border - Mat gray_buf(rgb.rows + border*2, rgb.cols + border*2, rgb.depth()); - // select the middle part of it w/o copying data - Mat gray(gray_canvas, Rect(border, border, rgb.cols, rgb.rows)); - // convert image from RGB to grayscale - cvtColor(rgb, gray, COLOR_RGB2GRAY); - // form a border in-place - copyMakeBorder(gray, gray_buf, border, border, - border, border, BORDER_REPLICATE); - // now do some custom filtering ... - ... - - Note: When the source image is a part (ROI) of a bigger image, the function will try to use the - pixels outside of the ROI to form a border. To disable this feature and always do extrapolation, as - if src was not a ROI, use borderType | #BORDER_ISOLATED.
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same type as src and the size Size(src.cols+left+right, - src.rows+top+bottom) .
      -
      top - the top pixels
      -
      bottom - the bottom pixels
      -
      left - the left pixels
      -
      right - Parameter specifying how many pixels in each direction from the source image rectangle - to extrapolate. For example, top=1, bottom=1, left=1, right=1 mean that 1 pixel-wide border needs - to be built.
      -
      borderType - Border type. See borderInterpolate for details.
      -
      value - Border value if borderType==BORDER_CONSTANT . - - SEE: borderInterpolate
      -
      -
      -
      • -
    • -
      -

      copyMakeBorder

      -
      public static void copyMakeBorder(Mat src, - Mat dst, - int top, - int bottom, - int left, - int right, - int borderType)
      -
      Forms a border around an image. - - The function copies the source image into the middle of the destination image. The areas to the - left, to the right, above and below the copied source image will be filled with extrapolated - pixels. This is not what filtering functions based on it do (they extrapolate pixels on-fly), but - what other more complex functions, including your own, may do to simplify image boundary handling. - - The function supports the mode when src is already in the middle of dst . In this case, the - function does not copy src itself but simply constructs the border, for example: - - - // let border be the same in all directions - int border=2; - // constructs a larger image to fit both the image and the border - Mat gray_buf(rgb.rows + border*2, rgb.cols + border*2, rgb.depth()); - // select the middle part of it w/o copying data - Mat gray(gray_canvas, Rect(border, border, rgb.cols, rgb.rows)); - // convert image from RGB to grayscale - cvtColor(rgb, gray, COLOR_RGB2GRAY); - // form a border in-place - copyMakeBorder(gray, gray_buf, border, border, - border, border, BORDER_REPLICATE); - // now do some custom filtering ... - ... - - Note: When the source image is a part (ROI) of a bigger image, the function will try to use the - pixels outside of the ROI to form a border. To disable this feature and always do extrapolation, as - if src was not a ROI, use borderType | #BORDER_ISOLATED.
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same type as src and the size Size(src.cols+left+right, - src.rows+top+bottom) .
      -
      top - the top pixels
      -
      bottom - the bottom pixels
      -
      left - the left pixels
      -
      right - Parameter specifying how many pixels in each direction from the source image rectangle - to extrapolate. For example, top=1, bottom=1, left=1, right=1 mean that 1 pixel-wide border needs - to be built.
      -
      borderType - Border type. See borderInterpolate for details. - - SEE: borderInterpolate
      -
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Mat src2, - Mat dst, - Mat mask, - int dtype)
      -
      Calculates the per-element sum of two arrays or an array and a scalar. - - The function add calculates: -
        -
      • - Sum of two arrays when both input arrays have the same size and the same number of channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 + src2; - dst += src1; // equivalent to add(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - floating-point array. Depth of the output array is determined by the dtype parameter. In the second - and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - be set to the default -1. In this case, the output array will have the same depth as the input - array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - add(src,X) means add(src,(X,X,X,X)). - add(src,(X,)) means add(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and number of channels as the input array(s); the - depth is defined by dtype or src1/src2.
      -
      mask - optional operation mask - 8-bit single channel array, that specifies elements of the - output array to be changed.
      -
      dtype - optional depth of the output array (see the discussion below). - SEE: subtract, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      Calculates the per-element sum of two arrays or an array and a scalar. - - The function add calculates: -
        -
      • - Sum of two arrays when both input arrays have the same size and the same number of channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 + src2; - dst += src1; // equivalent to add(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - floating-point array. Depth of the output array is determined by the dtype parameter. In the second - and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - be set to the default -1. In this case, the output array will have the same depth as the input - array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - add(src,X) means add(src,(X,X,X,X)). - add(src,(X,)) means add(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and number of channels as the input array(s); the - depth is defined by dtype or src1/src2.
      -
      mask - optional operation mask - 8-bit single channel array, that specifies elements of the - output array to be changed. - SEE: subtract, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element sum of two arrays or an array and a scalar. - - The function add calculates: -
        -
      • - Sum of two arrays when both input arrays have the same size and the same number of channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 + src2; - dst += src1; // equivalent to add(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - floating-point array. Depth of the output array is determined by the dtype parameter. In the second - and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - be set to the default -1. In this case, the output array will have the same depth as the input - array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - add(src,X) means add(src,(X,X,X,X)). - add(src,(X,)) means add(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and number of channels as the input array(s); the - depth is defined by dtype or src1/src2. - output array to be changed. - SEE: subtract, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Mat src2, - Mat dst, - Mat mask, - int dtype)
      -
      Calculates the per-element difference between two arrays or array and a scalar. - - The function subtract calculates: -
        -
      • - Difference between two arrays, when both input arrays have the same size and the same number of - channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - number of elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - number of elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - The reverse difference between a scalar and an array in the case of SubRS: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 - src2; - dst -= src1; // equivalent to subtract(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - the output array is determined by dtype parameter. In the second and third cases above, as well as - in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - case the output array will have the same depth as the input array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - subtract(src,X) means subtract(src,(X,X,X,X)). - subtract(src,(X,)) means subtract(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array of the same size and the same number of channels as the input array.
      -
      mask - optional operation mask; this is an 8-bit single channel array that specifies elements - of the output array to be changed.
      -
      dtype - optional depth of the output array - SEE: add, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      Calculates the per-element difference between two arrays or array and a scalar. - - The function subtract calculates: -
        -
      • - Difference between two arrays, when both input arrays have the same size and the same number of - channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - number of elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - number of elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - The reverse difference between a scalar and an array in the case of SubRS: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 - src2; - dst -= src1; // equivalent to subtract(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - the output array is determined by dtype parameter. In the second and third cases above, as well as - in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - case the output array will have the same depth as the input array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - subtract(src,X) means subtract(src,(X,X,X,X)). - subtract(src,(X,)) means subtract(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array of the same size and the same number of channels as the input array.
      -
      mask - optional operation mask; this is an 8-bit single channel array that specifies elements - of the output array to be changed. - SEE: add, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element difference between two arrays or array and a scalar. - - The function subtract calculates: -
        -
      • - Difference between two arrays, when both input arrays have the same size and the same number of - channels: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - number of elements as src1.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - number of elements as src2.channels(): - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) -
        • -
      • - The reverse difference between a scalar and an array in the case of SubRS: - \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. -
        • -
      - - The first function in the list above can be replaced with matrix expressions: - - dst = src1 - src2; - dst -= src1; // equivalent to subtract(dst, src1, dst); - - The input arrays and the output array can all have the same or different depths. For example, you - can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - the output array is determined by dtype parameter. In the second and third cases above, as well as - in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - case the output array will have the same depth as the input array, be it src1, src2 or both. - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - subtract(src,X) means subtract(src,(X,X,X,X)). - subtract(src,(X,)) means subtract(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array of the same size and the same number of channels as the input array. - of the output array to be changed. - SEE: add, addWeighted, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Mat src2, - Mat dst, - double scale, - int dtype)
      -
      Calculates the per-element scaled product of two arrays. - - The function multiply calculates the per-element product of two arrays: - - \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - - There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - - For a not-per-element matrix product, see gemm . - - Note: Saturation is not applied when the output array has the depth - CV_32S. You may even get result of an incorrect sign in the case of - overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - multiply(src,X) means multiply(src,(X,X,X,X)). - multiply(src,(X,)) means multiply(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      dst - output array of the same size and type as src1.
      -
      scale - optional scale factor.
      -
      dtype - optional depth of the output array - SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Mat src2, - Mat dst, - double scale)
      -
      Calculates the per-element scaled product of two arrays. - - The function multiply calculates the per-element product of two arrays: - - \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - - There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - - For a not-per-element matrix product, see gemm . - - Note: Saturation is not applied when the output array has the depth - CV_32S. You may even get result of an incorrect sign in the case of - overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - multiply(src,X) means multiply(src,(X,X,X,X)). - multiply(src,(X,)) means multiply(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      dst - output array of the same size and type as src1.
      -
      scale - optional scale factor. - SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element scaled product of two arrays. - - The function multiply calculates the per-element product of two arrays: - - \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - - There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - - For a not-per-element matrix product, see gemm . - - Note: Saturation is not applied when the output array has the depth - CV_32S. You may even get result of an incorrect sign in the case of - overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - multiply(src,X) means multiply(src,(X,X,X,X)). - multiply(src,(X,)) means multiply(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      dst - output array of the same size and type as src1. - SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Mat src2, - Mat dst, - double scale, - int dtype)
      -
      Performs per-element division of two arrays or a scalar by an array. - - The function cv::divide divides one array by another: - \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - or a scalar by an array when there is no src1 : - \(\texttt{dst(I) = saturate(scale/src2(I))}\) - - Different channels of multi-channel arrays are processed independently. - - For integer types when src2(I) is zero, dst(I) will also be zero. - - Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - Regular floating-point division is used. - Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - divide(src,X) means divide(src,(X,X,X,X)). - divide(src,(X,)) means divide(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and type as src1.
      -
      scale - scalar factor.
      -
      dst - output array of the same size and type as src2.
      -
      dtype - optional depth of the output array; if -1, dst will have depth src2.depth(), but in - case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - SEE: multiply, add, subtract
      -
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Mat src2, - Mat dst, - double scale)
      -
      Performs per-element division of two arrays or a scalar by an array. - - The function cv::divide divides one array by another: - \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - or a scalar by an array when there is no src1 : - \(\texttt{dst(I) = saturate(scale/src2(I))}\) - - Different channels of multi-channel arrays are processed independently. - - For integer types when src2(I) is zero, dst(I) will also be zero. - - Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - Regular floating-point division is used. - Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - divide(src,X) means divide(src,(X,X,X,X)). - divide(src,(X,)) means divide(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and type as src1.
      -
      scale - scalar factor.
      -
      dst - output array of the same size and type as src2. - case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - SEE: multiply, add, subtract
      -
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Mat src2, - Mat dst)
      -
      Performs per-element division of two arrays or a scalar by an array. - - The function cv::divide divides one array by another: - \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - or a scalar by an array when there is no src1 : - \(\texttt{dst(I) = saturate(scale/src2(I))}\) - - Different channels of multi-channel arrays are processed independently. - - For integer types when src2(I) is zero, dst(I) will also be zero. - - Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - Regular floating-point division is used. - Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - divide(src,X) means divide(src,(X,X,X,X)). - divide(src,(X,)) means divide(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and type as src1.
      -
      dst - output array of the same size and type as src2. - case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - SEE: multiply, add, subtract
      -
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(double scale, - Mat src2, - Mat dst, - int dtype)
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(double scale, - Mat src2, - Mat dst)
      -
      -
      • -
    • -
      -

      scaleAdd

      -
      public static void scaleAdd(Mat src1, - double alpha, - Mat src2, - Mat dst)
      -
      Calculates the sum of a scaled array and another array. - - The function scaleAdd is one of the classical primitive linear algebra operations, known as DAXPY - or SAXPY in [BLAS](http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms). It calculates - the sum of a scaled array and another array: - \(\texttt{dst} (I)= \texttt{scale} \cdot \texttt{src1} (I) + \texttt{src2} (I)\) - The function can also be emulated with a matrix expression, for example: - - Mat A(3, 3, CV_64F); - ... - A.row(0) = A.row(1)*2 + A.row(2); -
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      alpha - scale factor for the first array.
      -
      src2 - second input array of the same size and type as src1.
      -
      dst - output array of the same size and type as src1. - SEE: add, addWeighted, subtract, Mat::dot, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      addWeighted

      -
      public static void addWeighted(Mat src1, - double alpha, - Mat src2, - double beta, - double gamma, - Mat dst, - int dtype)
      -
      Calculates the weighted sum of two arrays. - - The function addWeighted calculates the weighted sum of two arrays as follows: - \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I)* \texttt{alpha} + \texttt{src2} (I)* \texttt{beta} + \texttt{gamma} )\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. - The function can be replaced with a matrix expression: - - dst = src1*alpha + src2*beta + gamma; - - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      alpha - weight of the first array elements.
      -
      src2 - second input array of the same size and channel number as src1.
      -
      beta - weight of the second array elements.
      -
      gamma - scalar added to each sum.
      -
      dst - output array that has the same size and number of channels as the input arrays.
      -
      dtype - optional depth of the output array; when both input arrays have the same depth, dtype - can be set to -1, which will be equivalent to src1.depth(). - SEE: add, subtract, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      addWeighted

      -
      public static void addWeighted(Mat src1, - double alpha, - Mat src2, - double beta, - double gamma, - Mat dst)
      -
      Calculates the weighted sum of two arrays. - - The function addWeighted calculates the weighted sum of two arrays as follows: - \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I)* \texttt{alpha} + \texttt{src2} (I)* \texttt{beta} + \texttt{gamma} )\) - where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - channel is processed independently. - The function can be replaced with a matrix expression: - - dst = src1*alpha + src2*beta + gamma; - - Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - result of an incorrect sign in the case of overflow.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      alpha - weight of the first array elements.
      -
      src2 - second input array of the same size and channel number as src1.
      -
      beta - weight of the second array elements.
      -
      gamma - scalar added to each sum.
      -
      dst - output array that has the same size and number of channels as the input arrays. - can be set to -1, which will be equivalent to src1.depth(). - SEE: add, subtract, scaleAdd, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      convertScaleAbs

      -
      public static void convertScaleAbs(Mat src, - Mat dst, - double alpha, - double beta)
      -
      Scales, calculates absolute values, and converts the result to 8-bit. - - On each element of the input array, the function convertScaleAbs - performs three operations sequentially: scaling, taking an absolute - value, conversion to an unsigned 8-bit type: - \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - In case of multi-channel arrays, the function processes each channel - independently. When the output is not 8-bit, the operation can be - emulated by calling the Mat::convertTo method (or by using matrix - expressions) and then by calculating an absolute value of the result. - For example: - - Mat_<float> A(30,30); - randu(A, Scalar(-100), Scalar(100)); - Mat_<float> B = A*5 + 3; - B = abs(B); - // Mat_<float> B = abs(A*5+3) will also do the job, - // but it will allocate a temporary matrix -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array.
      -
      alpha - optional scale factor.
      -
      beta - optional delta added to the scaled values. - SEE: Mat::convertTo, cv::abs(const Mat&)
      -
      -
      -
      • -
    • -
      -

      convertScaleAbs

      -
      public static void convertScaleAbs(Mat src, - Mat dst, - double alpha)
      -
      Scales, calculates absolute values, and converts the result to 8-bit. - - On each element of the input array, the function convertScaleAbs - performs three operations sequentially: scaling, taking an absolute - value, conversion to an unsigned 8-bit type: - \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - In case of multi-channel arrays, the function processes each channel - independently. When the output is not 8-bit, the operation can be - emulated by calling the Mat::convertTo method (or by using matrix - expressions) and then by calculating an absolute value of the result. - For example: - - Mat_<float> A(30,30); - randu(A, Scalar(-100), Scalar(100)); - Mat_<float> B = A*5 + 3; - B = abs(B); - // Mat_<float> B = abs(A*5+3) will also do the job, - // but it will allocate a temporary matrix -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array.
      -
      alpha - optional scale factor. - SEE: Mat::convertTo, cv::abs(const Mat&)
      -
      -
      -
      • -
    • -
      -

      convertScaleAbs

      -
      public static void convertScaleAbs(Mat src, - Mat dst)
      -
      Scales, calculates absolute values, and converts the result to 8-bit. - - On each element of the input array, the function convertScaleAbs - performs three operations sequentially: scaling, taking an absolute - value, conversion to an unsigned 8-bit type: - \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - In case of multi-channel arrays, the function processes each channel - independently. When the output is not 8-bit, the operation can be - emulated by calling the Mat::convertTo method (or by using matrix - expressions) and then by calculating an absolute value of the result. - For example: - - Mat_<float> A(30,30); - randu(A, Scalar(-100), Scalar(100)); - Mat_<float> B = A*5 + 3; - B = abs(B); - // Mat_<float> B = abs(A*5+3) will also do the job, - // but it will allocate a temporary matrix -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array. - SEE: Mat::convertTo, cv::abs(const Mat&)
      -
      -
      -
      • -
    • -
      -

      LUT

      -
      public static void LUT(Mat src, - Mat lut, - Mat dst)
      -
      Performs a look-up table transform of an array. - - The function LUT fills the output array with values from the look-up table. Indices of the entries - are taken from the input array. That is, the function processes each element of src as follows: - \(\texttt{dst} (I) \leftarrow \texttt{lut(src(I) + d)}\) - where - \(d = \fork{0}{if \(\texttt{src}\) has depth \(\texttt{CV_8U}\)}{128}{if \(\texttt{src}\) has depth \(\texttt{CV_8S}\)}\)
      -
      -
      Parameters:
      -
      src - input array of 8-bit elements.
      -
      lut - look-up table of 256 elements; in case of multi-channel input array, the table should - either have a single channel (in this case the same table is used for all channels) or the same - number of channels as in the input array.
      -
      dst - output array of the same size and number of channels as src, and the same depth as lut. - SEE: convertScaleAbs, Mat::convertTo
      -
      -
      -
      • -
    • -
      -

      sumElems

      -
      public static Scalar sumElems(Mat src)
      -
      Calculates the sum of array elements. - - The function cv::sum calculates and returns the sum of array elements, - independently for each channel.
      -
      -
      Parameters:
      -
      src - input array that must have from 1 to 4 channels. - SEE: countNonZero, mean, meanStdDev, norm, minMaxLoc, reduce
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      hasNonZero

      -
      public static boolean hasNonZero(Mat src)
      -
      Checks for the presence of at least one non-zero array element. - - The function returns whether there are non-zero elements in src - - The function do not work with multi-channel arrays. If you need to check non-zero array - elements across all the channels, use Mat::reshape first to reinterpret the array as - single-channel. Or you may extract the particular channel using either extractImageCOI, or - mixChannels, or split. - - Note: -
        -
      • - If the location of non-zero array elements is important, REF: findNonZero is helpful. -
        • -
      • - If the count of non-zero array elements is important, REF: countNonZero is helpful. -
        • -
      -
      -
      Parameters:
      -
      src - single-channel array. - SEE: mean, meanStdDev, norm, minMaxLoc, calcCovarMatrix - SEE: findNonZero, countNonZero
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      countNonZero

      -
      public static int countNonZero(Mat src)
      -
      Counts non-zero array elements. - - The function returns the number of non-zero elements in src : - \(\sum _{I: \; \texttt{src} (I) \ne0 } 1\) - - The function do not work with multi-channel arrays. If you need to count non-zero array - elements across all the channels, use Mat::reshape first to reinterpret the array as - single-channel. Or you may extract the particular channel using either extractImageCOI, or - mixChannels, or split. - - Note: -
        -
      • - If only whether there are non-zero elements is important, REF: hasNonZero is helpful. -
        • -
      • - If the location of non-zero array elements is important, REF: findNonZero is helpful. -
        • -
      -
      -
      Parameters:
      -
      src - single-channel array. - SEE: mean, meanStdDev, norm, minMaxLoc, calcCovarMatrix - SEE: findNonZero, hasNonZero
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findNonZero

      -
      public static void findNonZero(Mat src, - Mat idx)
      -
      Returns the list of locations of non-zero pixels - - Given a binary matrix (likely returned from an operation such - as threshold(), compare(), >, ==, etc, return all of - the non-zero indices as a cv::Mat or std::vector<cv::Point> (x,y) - For example: - - cv::Mat binaryImage; // input, binary image - cv::Mat locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations.at<Point>(i); - - or - - cv::Mat binaryImage; // input, binary image - vector<Point> locations; // output, locations of non-zero pixels - cv::findNonZero(binaryImage, locations); - - // access pixel coordinates - Point pnt = locations[i]; - - - The function do not work with multi-channel arrays. If you need to find non-zero - elements across all the channels, use Mat::reshape first to reinterpret the array as - single-channel. Or you may extract the particular channel using either extractImageCOI, or - mixChannels, or split. - - Note: -
        -
      • - If only count of non-zero array elements is important, REF: countNonZero is helpful. -
        • -
      • - If only whether there are non-zero elements is important, REF: hasNonZero is helpful. -
        • -
      -
      -
      Parameters:
      -
      src - single-channel array
      -
      idx - the output array, type of cv::Mat or std::vector<Point>, corresponding to non-zero indices in the input - SEE: countNonZero, hasNonZero
      -
      -
      -
      • -
    • -
      -

      mean

      -
      public static Scalar mean(Mat src, - Mat mask)
      -
      Calculates an average (mean) of array elements. - - The function cv::mean calculates the mean value M of array elements, - independently for each channel, and return it: - \(\begin{array}{l} N = \sum _{I: \; \texttt{mask} (I) \ne 0} 1 \\ M_c = \left ( \sum _{I: \; \texttt{mask} (I) \ne 0}{ \texttt{mtx} (I)_c} \right )/N \end{array}\) - When all the mask elements are 0's, the function returns Scalar::all(0)
      -
      -
      Parameters:
      -
      src - input array that should have from 1 to 4 channels so that the result can be stored in - Scalar_ .
      -
      mask - optional operation mask. - SEE: countNonZero, meanStdDev, norm, minMaxLoc
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      mean

      -
      public static Scalar mean(Mat src)
      -
      Calculates an average (mean) of array elements. - - The function cv::mean calculates the mean value M of array elements, - independently for each channel, and return it: - \(\begin{array}{l} N = \sum _{I: \; \texttt{mask} (I) \ne 0} 1 \\ M_c = \left ( \sum _{I: \; \texttt{mask} (I) \ne 0}{ \texttt{mtx} (I)_c} \right )/N \end{array}\) - When all the mask elements are 0's, the function returns Scalar::all(0)
      -
      -
      Parameters:
      -
      src - input array that should have from 1 to 4 channels so that the result can be stored in - Scalar_ . - SEE: countNonZero, meanStdDev, norm, minMaxLoc
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      meanStdDev

      -
      public static void meanStdDev(Mat src, - MatOfDouble mean, - MatOfDouble stddev, - Mat mask)
      -
      Calculates a mean and standard deviation of array elements. - - The function cv::meanStdDev calculates the mean and the standard deviation M - of array elements independently for each channel and returns it via the - output parameters: - \(\begin{array}{l} N = \sum _{I, \texttt{mask} (I) \ne 0} 1 \\ \texttt{mean} _c = \frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \texttt{src} (I)_c}{N} \\ \texttt{stddev} _c = \sqrt{\frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \left ( \texttt{src} (I)_c - \texttt{mean} _c \right )^2}{N}} \end{array}\) - When all the mask elements are 0's, the function returns - mean=stddev=Scalar::all(0). - Note: The calculated standard deviation is only the diagonal of the - complete normalized covariance matrix. If the full matrix is needed, you - can reshape the multi-channel array M x N to the single-channel array - M\*N x mtx.channels() (only possible when the matrix is continuous) and - then pass the matrix to calcCovarMatrix .
      -
      -
      Parameters:
      -
      src - input array that should have from 1 to 4 channels so that the results can be stored in - Scalar_ 's.
      -
      mean - output parameter: calculated mean value.
      -
      stddev - output parameter: calculated standard deviation.
      -
      mask - optional operation mask. - SEE: countNonZero, mean, norm, minMaxLoc, calcCovarMatrix
      -
      -
      -
      • -
    • -
      -

      meanStdDev

      -
      public static void meanStdDev(Mat src, - MatOfDouble mean, - MatOfDouble stddev)
      -
      Calculates a mean and standard deviation of array elements. - - The function cv::meanStdDev calculates the mean and the standard deviation M - of array elements independently for each channel and returns it via the - output parameters: - \(\begin{array}{l} N = \sum _{I, \texttt{mask} (I) \ne 0} 1 \\ \texttt{mean} _c = \frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \texttt{src} (I)_c}{N} \\ \texttt{stddev} _c = \sqrt{\frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \left ( \texttt{src} (I)_c - \texttt{mean} _c \right )^2}{N}} \end{array}\) - When all the mask elements are 0's, the function returns - mean=stddev=Scalar::all(0). - Note: The calculated standard deviation is only the diagonal of the - complete normalized covariance matrix. If the full matrix is needed, you - can reshape the multi-channel array M x N to the single-channel array - M\*N x mtx.channels() (only possible when the matrix is continuous) and - then pass the matrix to calcCovarMatrix .
      -
      -
      Parameters:
      -
      src - input array that should have from 1 to 4 channels so that the results can be stored in - Scalar_ 's.
      -
      mean - output parameter: calculated mean value.
      -
      stddev - output parameter: calculated standard deviation. - SEE: countNonZero, mean, norm, minMaxLoc, calcCovarMatrix
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1, - int normType, - Mat mask)
      -
      Calculates the absolute norm of an array. - - This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - - As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - is calculated as follows - \(align*} - \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - \) - and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - \(align*} - \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - \) - The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - - When the mask parameter is specified and it is not empty, the norm is - - If normType is not specified, #NORM_L2 is used. - calculated only over the region specified by the mask. - - Multi-channel input arrays are treated as single-channel arrays, that is, - the results for all channels are combined. - - Hamming norms can only be calculated with CV_8U depth arrays.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      normType - type of the norm (see #NormTypes).
      -
      mask - optional operation mask; it must have the same size as src1 and CV_8UC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1, - int normType)
      -
      Calculates the absolute norm of an array. - - This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - - As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - is calculated as follows - \(align*} - \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - \) - and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - \(align*} - \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - \) - The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - - When the mask parameter is specified and it is not empty, the norm is - - If normType is not specified, #NORM_L2 is used. - calculated only over the region specified by the mask. - - Multi-channel input arrays are treated as single-channel arrays, that is, - the results for all channels are combined. - - Hamming norms can only be calculated with CV_8U depth arrays.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      normType - type of the norm (see #NormTypes).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1)
      -
      Calculates the absolute norm of an array. - - This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - - As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - is calculated as follows - \(align*} - \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - \) - and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - \(align*} - \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - \) - The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - - When the mask parameter is specified and it is not empty, the norm is - - If normType is not specified, #NORM_L2 is used. - calculated only over the region specified by the mask. - - Multi-channel input arrays are treated as single-channel arrays, that is, - the results for all channels are combined. - - Hamming norms can only be calculated with CV_8U depth arrays.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1, - Mat src2, - int normType, - Mat mask)
      -
      Calculates an absolute difference norm or a relative difference norm. - - This version of cv::norm calculates the absolute difference norm - or the relative difference norm of arrays src1 and src2. - The type of norm to calculate is specified using #NormTypes.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      normType - type of the norm (see #NormTypes).
      -
      mask - optional operation mask; it must have the same size as src1 and CV_8UC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1, - Mat src2, - int normType)
      -
      Calculates an absolute difference norm or a relative difference norm. - - This version of cv::norm calculates the absolute difference norm - or the relative difference norm of arrays src1 and src2. - The type of norm to calculate is specified using #NormTypes.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      normType - type of the norm (see #NormTypes).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      norm

      -
      public static double norm(Mat src1, - Mat src2)
      -
      Calculates an absolute difference norm or a relative difference norm. - - This version of cv::norm calculates the absolute difference norm - or the relative difference norm of arrays src1 and src2. - The type of norm to calculate is specified using #NormTypes.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and the same type as src1.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      PSNR

      -
      public static double PSNR(Mat src1, - Mat src2, - double R)
      -
      Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric. - - This function calculates the Peak Signal-to-Noise Ratio (PSNR) image quality metric in decibels (dB), - between two input arrays src1 and src2. The arrays must have the same type. - - The PSNR is calculated as follows: - - \( - \texttt{PSNR} = 10 \cdot \log_{10}{\left( \frac{R^2}{MSE} \right) } - \) - - where R is the maximum integer value of depth (e.g. 255 in the case of CV_8U data) - and MSE is the mean squared error between the two arrays.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size as src1.
      -
      R - the maximum pixel value (255 by default)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      PSNR

      -
      public static double PSNR(Mat src1, - Mat src2)
      -
      Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric. - - This function calculates the Peak Signal-to-Noise Ratio (PSNR) image quality metric in decibels (dB), - between two input arrays src1 and src2. The arrays must have the same type. - - The PSNR is calculated as follows: - - \( - \texttt{PSNR} = 10 \cdot \log_{10}{\left( \frac{R^2}{MSE} \right) } - \) - - where R is the maximum integer value of depth (e.g. 255 in the case of CV_8U data) - and MSE is the mean squared error between the two arrays.
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size as src1.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask, - int update, - boolean crosscheck)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      normType - automatically generated
      -
      K - automatically generated
      -
      mask - automatically generated
      -
      update - automatically generated
      -
      crosscheck - automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask, - int update)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      normType - automatically generated
      -
      K - automatically generated
      -
      mask - automatically generated
      -
      update - automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K, - Mat mask)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      normType - automatically generated
      -
      K - automatically generated
      -
      mask - automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType, - int K)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      normType - automatically generated
      -
      K - automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx, - int normType)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      normType - automatically generated
      -
      -
      -
      • -
    • -
      -

      batchDistance

      -
      public static void batchDistance(Mat src1, - Mat src2, - Mat dist, - int dtype, - Mat nidx)
      -
      naive nearest neighbor finder - - see http://en.wikipedia.org/wiki/Nearest_neighbor_search - TODO: document
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      dist - automatically generated
      -
      dtype - automatically generated
      -
      nidx - automatically generated
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type, - int dtype, - Mat mask)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src .
      -
      alpha - norm value to normalize to or the lower range boundary in case of the range - normalization.
      -
      beta - upper range boundary in case of the range normalization; it is not used for the norm - normalization.
      -
      norm_type - normalization type (see cv::NormTypes).
      -
      dtype - when negative, the output array has the same type as src; otherwise, it has the same - number of channels as src and the depth =CV_MAT_DEPTH(dtype).
      -
      mask - optional operation mask. - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type, - int dtype)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src .
      -
      alpha - norm value to normalize to or the lower range boundary in case of the range - normalization.
      -
      beta - upper range boundary in case of the range normalization; it is not used for the norm - normalization.
      -
      norm_type - normalization type (see cv::NormTypes).
      -
      dtype - when negative, the output array has the same type as src; otherwise, it has the same - number of channels as src and the depth =CV_MAT_DEPTH(dtype). - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst, - double alpha, - double beta, - int norm_type)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src .
      -
      alpha - norm value to normalize to or the lower range boundary in case of the range - normalization.
      -
      beta - upper range boundary in case of the range normalization; it is not used for the norm - normalization.
      -
      norm_type - normalization type (see cv::NormTypes). - number of channels as src and the depth =CV_MAT_DEPTH(dtype). - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst, - double alpha, - double beta)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src .
      -
      alpha - norm value to normalize to or the lower range boundary in case of the range - normalization.
      -
      beta - upper range boundary in case of the range normalization; it is not used for the norm - normalization. - number of channels as src and the depth =CV_MAT_DEPTH(dtype). - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst, - double alpha)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src .
      -
      alpha - norm value to normalize to or the lower range boundary in case of the range - normalization. - normalization. - number of channels as src and the depth =CV_MAT_DEPTH(dtype). - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      normalize

      -
      public static void normalize(Mat src, - Mat dst)
      -
      Normalizes the norm or value range of an array. - - The function cv::normalize normalizes scale and shift the input array elements so that - \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - - when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - min-max but modify the whole array, you can use norm and Mat::convertTo. - - In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - the range transformation for sparse matrices is not allowed since it can shift the zero level. - - Possible usage with some positive example data: - - vector<double> positiveData = { 2.0, 8.0, 10.0 }; - vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - - // Norm to probability (total count) - // sum(numbers) = 20.0 - // 2.0 0.1 (2.0/20.0) - // 8.0 0.4 (8.0/20.0) - // 10.0 0.5 (10.0/20.0) - normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - - // Norm to unit vector: ||positiveData|| = 1.0 - // 2.0 0.15 - // 8.0 0.62 - // 10.0 0.77 - normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - - // Norm to max element - // 2.0 0.2 (2.0/10.0) - // 8.0 0.8 (8.0/10.0) - // 10.0 1.0 (10.0/10.0) - normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - - // Norm to range [0.0;1.0] - // 2.0 0.0 (shift to left border) - // 8.0 0.75 (6.0/8.0) - // 10.0 1.0 (shift to right border) - normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - - - Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - If exact range conformity is needed, following workarounds can be used: -
        -
      • - use double floating point precision (dtype = CV_64F) -
        • -
      • - manually clip values (cv::max(res, left_bound, res), cv::min(res, right_bound, res) or np.clip) -
        • -
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size as src . - normalization. - normalization. - number of channels as src and the depth =CV_MAT_DEPTH(dtype). - SEE: norm, Mat::convertTo, SparseMat::convertTo
      -
      -
      -
      • -
    • -
      -

      reduceArgMin

      -
      public static void reduceArgMin(Mat src, - Mat dst, - int axis, - boolean lastIndex)
      -
      Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy. - - NaN handling is left unspecified, see patchNaNs(). - - The returned index is always in bounds of input matrix.
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output array of type CV_32SC1 with the same dimensionality as src, - except for axis being reduced - it should be set to 1.
      -
      lastIndex - whether to get the index of first or last occurrence of min.
      -
      axis - axis to reduce along. - SEE: reduceArgMax, minMaxLoc, min, max, compare, reduce
      -
      -
      -
      • -
    • -
      -

      reduceArgMin

      -
      public static void reduceArgMin(Mat src, - Mat dst, - int axis)
      -
      Finds indices of min elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy. - - NaN handling is left unspecified, see patchNaNs(). - - The returned index is always in bounds of input matrix.
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output array of type CV_32SC1 with the same dimensionality as src, - except for axis being reduced - it should be set to 1.
      -
      axis - axis to reduce along. - SEE: reduceArgMax, minMaxLoc, min, max, compare, reduce
      -
      -
      -
      • -
    • -
      -

      reduceArgMax

      -
      public static void reduceArgMax(Mat src, - Mat dst, - int axis, - boolean lastIndex)
      -
      Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy. - - NaN handling is left unspecified, see patchNaNs(). - - The returned index is always in bounds of input matrix.
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output array of type CV_32SC1 with the same dimensionality as src, - except for axis being reduced - it should be set to 1.
      -
      lastIndex - whether to get the index of first or last occurrence of max.
      -
      axis - axis to reduce along. - SEE: reduceArgMin, minMaxLoc, min, max, compare, reduce
      -
      -
      -
      • -
    • -
      -

      reduceArgMax

      -
      public static void reduceArgMax(Mat src, - Mat dst, - int axis)
      -
      Finds indices of max elements along provided axis - - Note: - - If input or output array is not continuous, this function will create an internal copy. - - NaN handling is left unspecified, see patchNaNs(). - - The returned index is always in bounds of input matrix.
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output array of type CV_32SC1 with the same dimensionality as src, - except for axis being reduced - it should be set to 1.
      -
      axis - axis to reduce along. - SEE: reduceArgMin, minMaxLoc, min, max, compare, reduce
      -
      -
      -
      • -
    • -
      -

      reduce

      -
      public static void reduce(Mat src, - Mat dst, - int dim, - int rtype, - int dtype)
      -
      Reduces a matrix to a vector. - - The function #reduce reduces the matrix to a vector by treating the matrix rows/columns as a set of - 1D vectors and performing the specified operation on the vectors until a single row/column is - obtained. For example, the function can be used to compute horizontal and vertical projections of a - raster image. In case of #REDUCE_MAX and #REDUCE_MIN, the output image should have the same type as the source one. - In case of #REDUCE_SUM, #REDUCE_SUM2 and #REDUCE_AVG, the output may have a larger element bit-depth to preserve accuracy. - And multi-channel arrays are also supported in these two reduction modes. - - The following code demonstrates its usage for a single channel matrix. - SNIPPET: snippets/core_reduce.cpp example - - And the following code demonstrates its usage for a two-channel matrix. - SNIPPET: snippets/core_reduce.cpp example2
      -
      -
      Parameters:
      -
      src - input 2D matrix.
      -
      dst - output vector. Its size and type is defined by dim and dtype parameters.
      -
      dim - dimension index along which the matrix is reduced. 0 means that the matrix is reduced to - a single row. 1 means that the matrix is reduced to a single column.
      -
      rtype - reduction operation that could be one of #ReduceTypes
      -
      dtype - when negative, the output vector will have the same type as the input matrix, - otherwise, its type will be CV_MAKE_TYPE(CV_MAT_DEPTH(dtype), src.channels()). - SEE: repeat, reduceArgMin, reduceArgMax
      -
      -
      -
      • -
    • -
      -

      reduce

      -
      public static void reduce(Mat src, - Mat dst, - int dim, - int rtype)
      -
      Reduces a matrix to a vector. - - The function #reduce reduces the matrix to a vector by treating the matrix rows/columns as a set of - 1D vectors and performing the specified operation on the vectors until a single row/column is - obtained. For example, the function can be used to compute horizontal and vertical projections of a - raster image. In case of #REDUCE_MAX and #REDUCE_MIN, the output image should have the same type as the source one. - In case of #REDUCE_SUM, #REDUCE_SUM2 and #REDUCE_AVG, the output may have a larger element bit-depth to preserve accuracy. - And multi-channel arrays are also supported in these two reduction modes. - - The following code demonstrates its usage for a single channel matrix. - SNIPPET: snippets/core_reduce.cpp example - - And the following code demonstrates its usage for a two-channel matrix. - SNIPPET: snippets/core_reduce.cpp example2
      -
      -
      Parameters:
      -
      src - input 2D matrix.
      -
      dst - output vector. Its size and type is defined by dim and dtype parameters.
      -
      dim - dimension index along which the matrix is reduced. 0 means that the matrix is reduced to - a single row. 1 means that the matrix is reduced to a single column.
      -
      rtype - reduction operation that could be one of #ReduceTypes - otherwise, its type will be CV_MAKE_TYPE(CV_MAT_DEPTH(dtype), src.channels()). - SEE: repeat, reduceArgMin, reduceArgMax
      -
      -
      -
      • -
    • -
      -

      merge

      -
      public static void merge(List<Mat> mv, - Mat dst)
      -
      -
      Parameters:
      -
      mv - input vector of matrices to be merged; all the matrices in mv must have the same - size and the same depth.
      -
      dst - output array of the same size and the same depth as mv[0]; The number of channels will - be the total number of channels in the matrix array.
      -
      -
      -
      • -
    • -
      -

      split

      -
      public static void split(Mat m, - List<Mat> mv)
      -
      -
      Parameters:
      -
      m - input multi-channel array.
      -
      mv - output vector of arrays; the arrays themselves are reallocated, if needed.
      -
      -
      -
      • -
    • -
      -

      mixChannels

      -
      public static void mixChannels(List<Mat> src, - List<Mat> dst, - MatOfInt fromTo)
      -
      -
      Parameters:
      -
      src - input array or vector of matrices; all of the matrices must have the same size and the - same depth.
      -
      dst - output array or vector of matrices; all the matrices must be allocated; their size and - depth must be the same as in src[0].
      -
      fromTo - array of index pairs specifying which channels are copied and where; fromTo[k\*2] is - a 0-based index of the input channel in src, fromTo[k\*2+1] is an index of the output channel in - dst; the continuous channel numbering is used: the first input image channels are indexed from 0 to - src[0].channels()-1, the second input image channels are indexed from src[0].channels() to - src[0].channels() + src[1].channels()-1, and so on, the same scheme is used for the output image - channels; as a special case, when fromTo[k\*2] is negative, the corresponding output channel is - filled with zero .
      -
      -
      -
      • -
    • -
      -

      extractChannel

      -
      public static void extractChannel(Mat src, - Mat dst, - int coi)
      -
      Extracts a single channel from src (coi is 0-based index)
      -
      -
      Parameters:
      -
      src - input array
      -
      dst - output array
      -
      coi - index of channel to extract - SEE: mixChannels, split
      -
      -
      -
      • -
    • -
      -

      insertChannel

      -
      public static void insertChannel(Mat src, - Mat dst, - int coi)
      -
      Inserts a single channel to dst (coi is 0-based index)
      -
      -
      Parameters:
      -
      src - input array
      -
      dst - output array
      -
      coi - index of channel for insertion - SEE: mixChannels, merge
      -
      -
      -
      • -
    • -
      -

      flip

      -
      public static void flip(Mat src, - Mat dst, - int flipCode)
      -
      Flips a 2D array around vertical, horizontal, or both axes. - - The function cv::flip flips the array in one of three different ways (row - and column indices are 0-based): - \(\texttt{dst} _{ij} = - \left\{ - \begin{array}{l l} - \texttt{src} _{\texttt{src.rows}-i-1,j} & if\; \texttt{flipCode} = 0 \\ - \texttt{src} _{i, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} > 0 \\ - \texttt{src} _{ \texttt{src.rows} -i-1, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} < 0 \\ - \end{array} - \right.\) - The example scenarios of using the function are the following: - Vertical flipping of the image (flipCode == 0) to switch between - top-left and bottom-left image origin. This is a typical operation - in video processing on Microsoft Windows\* OS. - Horizontal flipping of the image with the subsequent horizontal - shift and absolute difference calculation to check for a - vertical-axis symmetry (flipCode > 0). - Simultaneous horizontal and vertical flipping of the image with - the subsequent shift and absolute difference calculation to check - for a central symmetry (flipCode < 0). - Reversing the order of point arrays (flipCode > 0 or - flipCode == 0).
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size and type as src.
      -
      flipCode - a flag to specify how to flip the array; 0 means - flipping around the x-axis and positive value (for example, 1) means - flipping around y-axis. Negative value (for example, -1) means flipping - around both axes. - SEE: transpose, repeat, completeSymm
      -
      -
      -
      • -
    • -
      -

      flipND

      -
      public static void flipND(Mat src, - Mat dst, - int axis)
      -
      Flips a n-dimensional at given axis
      -
      -
      Parameters:
      -
      src - input array
      -
      dst - output array that has the same shape of src
      -
      axis - axis that performs a flip on. 0 <= axis < src.dims.
      -
      -
      -
      • -
    • -
      -

      broadcast

      -
      public static void broadcast(Mat src, - Mat shape, - Mat dst)
      -
      Broadcast the given Mat to the given shape.
      -
      -
      Parameters:
      -
      src - input array
      -
      shape - target shape. Should be a list of CV_32S numbers. Note that negative values are not supported.
      -
      dst - output array that has the given shape
      -
      -
      -
      • -
    • -
      -

      rotate

      -
      public static void rotate(Mat src, - Mat dst, - int rotateCode)
      -
      Rotates a 2D array in multiples of 90 degrees. - The function cv::rotate rotates the array in one of three different ways: - Rotate by 90 degrees clockwise (rotateCode = ROTATE_90_CLOCKWISE). - Rotate by 180 degrees clockwise (rotateCode = ROTATE_180). - Rotate by 270 degrees clockwise (rotateCode = ROTATE_90_COUNTERCLOCKWISE).
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same type as src. The size is the same with ROTATE_180, - and the rows and cols are switched for ROTATE_90_CLOCKWISE and ROTATE_90_COUNTERCLOCKWISE.
      -
      rotateCode - an enum to specify how to rotate the array; see the enum #RotateFlags - SEE: transpose, repeat, completeSymm, flip, RotateFlags
      -
      -
      -
      • -
    • -
      -

      repeat

      -
      public static void repeat(Mat src, - int ny, - int nx, - Mat dst)
      -
      Fills the output array with repeated copies of the input array. - - The function cv::repeat duplicates the input array one or more times along each of the two axes: - \(\texttt{dst} _{ij}= \texttt{src} _{i\mod src.rows, \; j\mod src.cols }\) - The second variant of the function is more convenient to use with REF: MatrixExpressions.
      -
      -
      Parameters:
      -
      src - input array to replicate.
      -
      ny - Flag to specify how many times the src is repeated along the - vertical axis.
      -
      nx - Flag to specify how many times the src is repeated along the - horizontal axis.
      -
      dst - output array of the same type as src. - SEE: cv::reduce
      -
      -
      -
      • -
    • -
      -

      hconcat

      -
      public static void hconcat(List<Mat> src, - Mat dst)
      -
      - std::vector<cv::Mat> matrices = { cv::Mat(4, 1, CV_8UC1, cv::Scalar(1)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(2)), - cv::Mat(4, 1, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::hconcat( matrices, out ); - //out: - //[1, 2, 3; - // 1, 2, 3; - // 1, 2, 3; - // 1, 2, 3] -
      -
      -
      Parameters:
      -
      src - input array or vector of matrices. all of the matrices must have the same number of rows and the same depth.
      -
      dst - output array. It has the same number of rows and depth as the src, and the sum of cols of the src. - same depth.
      -
      -
      -
      • -
    • -
      -

      vconcat

      -
      public static void vconcat(List<Mat> src, - Mat dst)
      -
      - std::vector<cv::Mat> matrices = { cv::Mat(1, 4, CV_8UC1, cv::Scalar(1)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(2)), - cv::Mat(1, 4, CV_8UC1, cv::Scalar(3)),}; - - cv::Mat out; - cv::vconcat( matrices, out ); - //out: - //[1, 1, 1, 1; - // 2, 2, 2, 2; - // 3, 3, 3, 3] -
      -
      -
      Parameters:
      -
      src - input array or vector of matrices. all of the matrices must have the same number of cols and the same depth
      -
      dst - output array. It has the same number of cols and depth as the src, and the sum of rows of the src. - same depth.
      -
      -
      -
      • -
    • -
      -

      bitwise_and

      -
      public static void bitwise_and(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar. - - The function cv::bitwise_and calculates the per-element bit-wise logical conjunction for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the second and third cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays.
      -
      mask - optional operation mask, 8-bit single channel array, that - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_and

      -
      public static void bitwise_and(Mat src1, - Mat src2, - Mat dst)
      -
      computes bitwise conjunction of the two arrays (dst = src1 & src2) - Calculates the per-element bit-wise conjunction of two arrays or an - array and a scalar. - - The function cv::bitwise_and calculates the per-element bit-wise logical conjunction for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the second and third cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays. - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_or

      -
      public static void bitwise_or(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar. - - The function cv::bitwise_or calculates the per-element bit-wise logical disjunction for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the second and third cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays.
      -
      mask - optional operation mask, 8-bit single channel array, that - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_or

      -
      public static void bitwise_or(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element bit-wise disjunction of two arrays or an - array and a scalar. - - The function cv::bitwise_or calculates the per-element bit-wise logical disjunction for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the second and third cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays. - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_xor

      -
      public static void bitwise_xor(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar. - - The function cv::bitwise_xor calculates the per-element bit-wise logical "exclusive-or" - operation for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the 2nd and 3rd cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays.
      -
      mask - optional operation mask, 8-bit single channel array, that - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_xor

      -
      public static void bitwise_xor(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element bit-wise "exclusive or" operation on two - arrays or an array and a scalar. - - The function cv::bitwise_xor calculates the per-element bit-wise logical "exclusive-or" - operation for: - Two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - An array and a scalar when src2 is constructed from Scalar or has - the same number of elements as src1.channels(): - \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - A scalar and an array when src1 is constructed from Scalar or has - the same number of elements as src2.channels(): - \(\texttt{dst} (I) = \texttt{src1} \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - In case of floating-point arrays, their machine-specific bit - representations (usually IEEE754-compliant) are used for the operation. - In case of multi-channel arrays, each channel is processed - independently. In the 2nd and 3rd cases above, the scalar is first - converted to the array type.
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as the input - arrays. - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_not

      -
      public static void bitwise_not(Mat src, - Mat dst, - Mat mask)
      -
      Inverts every bit of an array. - - The function cv::bitwise_not calculates per-element bit-wise inversion of the input - array: - \(\texttt{dst} (I) = \neg \texttt{src} (I)\) - In case of a floating-point input array, its machine-specific bit - representation (usually IEEE754-compliant) is used for the operation. In - case of multi-channel arrays, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array that has the same size and type as the input - array.
      -
      mask - optional operation mask, 8-bit single channel array, that - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      bitwise_not

      -
      public static void bitwise_not(Mat src, - Mat dst)
      -
      Inverts every bit of an array. - - The function cv::bitwise_not calculates per-element bit-wise inversion of the input - array: - \(\texttt{dst} (I) = \neg \texttt{src} (I)\) - In case of a floating-point input array, its machine-specific bit - representation (usually IEEE754-compliant) is used for the operation. In - case of multi-channel arrays, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array that has the same size and type as the input - array. - specifies elements of the output array to be changed.
      -
      -
      -
      • -
    • -
      -

      absdiff

      -
      public static void absdiff(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates the per-element absolute difference between two arrays or between an array and a scalar. - - The function cv::absdiff calculates: - Absolute difference between two arrays when they have the same - size and type: - \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1}(I) - \texttt{src2}(I)|)\) - Absolute difference between an array and a scalar when the second - array is constructed from Scalar or has as many elements as the - number of channels in src1: - \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1}(I) - \texttt{src2} |)\) - Absolute difference between a scalar and an array when the first - array is constructed from Scalar or has as many elements as the - number of channels in src2: - \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1} - \texttt{src2}(I) |)\) - where I is a multi-dimensional index of array elements. In case of - multi-channel arrays, each channel is processed independently. - Note: Saturation is not applied when the arrays have the depth CV_32S. - You may even get a negative value in the case of overflow. - Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - absdiff(src,X) means absdiff(src,(X,X,X,X)). - absdiff(src,(X,)) means absdiff(src,(X,0,0,0)).
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar.
      -
      src2 - second input array or a scalar.
      -
      dst - output array that has the same size and type as input arrays. - SEE: cv::abs(const Mat&)
      -
      -
      -
      • -
    • -
      -

      copyTo

      -
      public static void copyTo(Mat src, - Mat dst, - Mat mask)
      -
      This is an overloaded member function, provided for convenience (python) - Copies the matrix to another one. - When the operation mask is specified, if the Mat::create call shown above reallocates the matrix, the newly allocated matrix is initialized with all zeros before copying the data.
      -
      -
      Parameters:
      -
      src - source matrix.
      -
      dst - Destination matrix. If it does not have a proper size or type before the operation, it is - reallocated.
      -
      mask - Operation mask of the same size as \*this. Its non-zero elements indicate which matrix - elements need to be copied. The mask has to be of type CV_8U and can have 1 or multiple channels.
      -
      -
      -
      • -
    • -
      -

      inRange

      -
      public static void inRange(Mat src, - Scalar lowerb, - Scalar upperb, - Mat dst)
      -
      Checks if array elements lie between the elements of two other arrays. - - The function checks the range as follows: -
        -
      • - For every element of a single-channel input array: - \(\texttt{dst} (I)= \texttt{lowerb} (I)_0 \leq \texttt{src} (I)_0 \leq \texttt{upperb} (I)_0\) -
        • -
      • - For two-channel arrays: - \(\texttt{dst} (I)= \texttt{lowerb} (I)_0 \leq \texttt{src} (I)_0 \leq \texttt{upperb} (I)_0 \land \texttt{lowerb} (I)_1 \leq \texttt{src} (I)_1 \leq \texttt{upperb} (I)_1\) -
        • -
      • - and so forth. -
        • -
      - - That is, dst (I) is set to 255 (all 1 -bits) if src (I) is within the - specified 1D, 2D, 3D, ... box and 0 otherwise. - - When the lower and/or upper boundary parameters are scalars, the indexes - (I) at lowerb and upperb in the above formulas should be omitted.
      -
      -
      Parameters:
      -
      src - first input array.
      -
      lowerb - inclusive lower boundary array or a scalar.
      -
      upperb - inclusive upper boundary array or a scalar.
      -
      dst - output array of the same size as src and CV_8U type.
      -
      -
      -
      • -
    • -
      -

      compare

      -
      public static void compare(Mat src1, - Mat src2, - Mat dst, - int cmpop)
      -
      Performs the per-element comparison of two arrays or an array and scalar value. - - The function compares: - Elements of two arrays when src1 and src2 have the same size: - \(\texttt{dst} (I) = \texttt{src1} (I) \,\texttt{cmpop}\, \texttt{src2} (I)\) - Elements of src1 with a scalar src2 when src2 is constructed from - Scalar or has a single element: - \(\texttt{dst} (I) = \texttt{src1}(I) \,\texttt{cmpop}\, \texttt{src2}\) - src1 with elements of src2 when src1 is constructed from Scalar or - has a single element: - \(\texttt{dst} (I) = \texttt{src1} \,\texttt{cmpop}\, \texttt{src2} (I)\) - When the comparison result is true, the corresponding element of output - array is set to 255. The comparison operations can be replaced with the - equivalent matrix expressions: - - Mat dst1 = src1 >= src2; - Mat dst2 = src1 < 8; - ... -
      -
      -
      Parameters:
      -
      src1 - first input array or a scalar; when it is an array, it must have a single channel.
      -
      src2 - second input array or a scalar; when it is an array, it must have a single channel.
      -
      dst - output array of type ref CV_8U that has the same size and the same number of channels as - the input arrays.
      -
      cmpop - a flag, that specifies correspondence between the arrays (cv::CmpTypes) - SEE: checkRange, min, max, threshold
      -
      -
      -
      • -
    • -
      -

      min

      -
      public static void min(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates per-element minimum of two arrays or an array and a scalar. - - The function cv::min calculates the per-element minimum of two arrays: - \(\texttt{dst} (I)= \min ( \texttt{src1} (I), \texttt{src2} (I))\) - or array and a scalar: - \(\texttt{dst} (I)= \min ( \texttt{src1} (I), \texttt{value} )\)
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and type as src1.
      -
      dst - output array of the same size and type as src1. - SEE: max, compare, inRange, minMaxLoc
      -
      -
      -
      • -
    • -
      -

      max

      -
      public static void max(Mat src1, - Mat src2, - Mat dst)
      -
      Calculates per-element maximum of two arrays or an array and a scalar. - - The function cv::max calculates the per-element maximum of two arrays: - \(\texttt{dst} (I)= \max ( \texttt{src1} (I), \texttt{src2} (I))\) - or array and a scalar: - \(\texttt{dst} (I)= \max ( \texttt{src1} (I), \texttt{value} )\)
      -
      -
      Parameters:
      -
      src1 - first input array.
      -
      src2 - second input array of the same size and type as src1 .
      -
      dst - output array of the same size and type as src1. - SEE: min, compare, inRange, minMaxLoc, REF: MatrixExpressions
      -
      -
      -
      • -
    • -
      -

      sqrt

      -
      public static void sqrt(Mat src, - Mat dst)
      -
      Calculates a square root of array elements. - - The function cv::sqrt calculates a square root of each input array element. - In case of multi-channel arrays, each channel is processed - independently. The accuracy is approximately the same as of the built-in - std::sqrt .
      -
      -
      Parameters:
      -
      src - input floating-point array.
      -
      dst - output array of the same size and type as src.
      -
      -
      -
      • -
    • -
      -

      pow

      -
      public static void pow(Mat src, - double power, - Mat dst)
      -
      Raises every array element to a power. - - The function cv::pow raises every element of the input array to power : - \(\texttt{dst} (I) = \fork{\texttt{src}(I)^{power}}{if \(\texttt{power}\) is integer}{|\texttt{src}(I)|^{power}}{otherwise}\) - - So, for a non-integer power exponent, the absolute values of input array - elements are used. However, it is possible to get true values for - negative values using some extra operations. In the example below, - computing the 5th root of array src shows: - - Mat mask = src < 0; - pow(src, 1./5, dst); - subtract(Scalar::all(0), dst, dst, mask); - - For some values of power, such as integer values, 0.5 and -0.5, - specialized faster algorithms are used. - - Special values (NaN, Inf) are not handled.
      -
      -
      Parameters:
      -
      src - input array.
      -
      power - exponent of power.
      -
      dst - output array of the same size and type as src. - SEE: sqrt, exp, log, cartToPolar, polarToCart
      -
      -
      -
      • -
    • -
      -

      exp

      -
      public static void exp(Mat src, - Mat dst)
      -
      Calculates the exponent of every array element. - - The function cv::exp calculates the exponent of every element of the input - array: - \(\texttt{dst} [I] = e^{ src(I) }\) - - The maximum relative error is about 7e-6 for single-precision input and - less than 1e-10 for double-precision input. Currently, the function - converts denormalized values to zeros on output. Special values (NaN, - Inf) are not handled.
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size and type as src. - SEE: log, cartToPolar, polarToCart, phase, pow, sqrt, magnitude
      -
      -
      -
      • -
    • -
      -

      log

      -
      public static void log(Mat src, - Mat dst)
      -
      Calculates the natural logarithm of every array element. - - The function cv::log calculates the natural logarithm of every element of the input array: - \(\texttt{dst} (I) = \log (\texttt{src}(I)) \) - - Output on zero, negative and special (NaN, Inf) values is undefined.
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same size and type as src . - SEE: exp, cartToPolar, polarToCart, phase, pow, sqrt, magnitude
      -
      -
      -
      • -
    • -
      -

      polarToCart

      -
      public static void polarToCart(Mat magnitude, - Mat angle, - Mat x, - Mat y, - boolean angleInDegrees)
      -
      Calculates x and y coordinates of 2D vectors from their magnitude and angle. - - The function cv::polarToCart calculates the Cartesian coordinates of each 2D - vector represented by the corresponding elements of magnitude and angle: - \(\begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array}\) - - The relative accuracy of the estimated coordinates is about 1e-6.
      -
      -
      Parameters:
      -
      magnitude - input floating-point array of magnitudes of 2D vectors; - it can be an empty matrix (=Mat()), in this case, the function assumes - that all the magnitudes are =1; if it is not empty, it must have the - same size and type as angle.
      -
      angle - input floating-point array of angles of 2D vectors.
      -
      x - output array of x-coordinates of 2D vectors; it has the same - size and type as angle.
      -
      y - output array of y-coordinates of 2D vectors; it has the same - size and type as angle.
      -
      angleInDegrees - when true, the input angles are measured in - degrees, otherwise, they are measured in radians. - SEE: cartToPolar, magnitude, phase, exp, log, pow, sqrt
      -
      -
      -
      • -
    • -
      -

      polarToCart

      -
      public static void polarToCart(Mat magnitude, - Mat angle, - Mat x, - Mat y)
      -
      Calculates x and y coordinates of 2D vectors from their magnitude and angle. - - The function cv::polarToCart calculates the Cartesian coordinates of each 2D - vector represented by the corresponding elements of magnitude and angle: - \(\begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array}\) - - The relative accuracy of the estimated coordinates is about 1e-6.
      -
      -
      Parameters:
      -
      magnitude - input floating-point array of magnitudes of 2D vectors; - it can be an empty matrix (=Mat()), in this case, the function assumes - that all the magnitudes are =1; if it is not empty, it must have the - same size and type as angle.
      -
      angle - input floating-point array of angles of 2D vectors.
      -
      x - output array of x-coordinates of 2D vectors; it has the same - size and type as angle.
      -
      y - output array of y-coordinates of 2D vectors; it has the same - size and type as angle. - degrees, otherwise, they are measured in radians. - SEE: cartToPolar, magnitude, phase, exp, log, pow, sqrt
      -
      -
      -
      • -
    • -
      -

      cartToPolar

      -
      public static void cartToPolar(Mat x, - Mat y, - Mat magnitude, - Mat angle, - boolean angleInDegrees)
      -
      Calculates the magnitude and angle of 2D vectors. - - The function cv::cartToPolar calculates either the magnitude, angle, or both - for every 2D vector (x(I),y(I)): - \(\begin{array}{l} \texttt{magnitude} (I)= \sqrt{\texttt{x}(I)^2+\texttt{y}(I)^2} , \\ \texttt{angle} (I)= \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))[ \cdot180 / \pi ] \end{array}\) - - The angles are calculated with accuracy about 0.3 degrees. For the point - (0,0), the angle is set to 0.
      -
      -
      Parameters:
      -
      x - array of x-coordinates; this must be a single-precision or - double-precision floating-point array.
      -
      y - array of y-coordinates, that must have the same size and same type as x.
      -
      magnitude - output array of magnitudes of the same size and type as x.
      -
      angle - output array of angles that has the same size and type as - x; the angles are measured in radians (from 0 to 2\*Pi) or in degrees (0 to 360 degrees).
      -
      angleInDegrees - a flag, indicating whether the angles are measured - in radians (which is by default), or in degrees. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      cartToPolar

      -
      public static void cartToPolar(Mat x, - Mat y, - Mat magnitude, - Mat angle)
      -
      Calculates the magnitude and angle of 2D vectors. - - The function cv::cartToPolar calculates either the magnitude, angle, or both - for every 2D vector (x(I),y(I)): - \(\begin{array}{l} \texttt{magnitude} (I)= \sqrt{\texttt{x}(I)^2+\texttt{y}(I)^2} , \\ \texttt{angle} (I)= \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))[ \cdot180 / \pi ] \end{array}\) - - The angles are calculated with accuracy about 0.3 degrees. For the point - (0,0), the angle is set to 0.
      -
      -
      Parameters:
      -
      x - array of x-coordinates; this must be a single-precision or - double-precision floating-point array.
      -
      y - array of y-coordinates, that must have the same size and same type as x.
      -
      magnitude - output array of magnitudes of the same size and type as x.
      -
      angle - output array of angles that has the same size and type as - x; the angles are measured in radians (from 0 to 2\*Pi) or in degrees (0 to 360 degrees). - in radians (which is by default), or in degrees. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      phase

      -
      public static void phase(Mat x, - Mat y, - Mat angle, - boolean angleInDegrees)
      -
      Calculates the rotation angle of 2D vectors. - - The function cv::phase calculates the rotation angle of each 2D vector that - is formed from the corresponding elements of x and y : - \(\texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))\) - - The angle estimation accuracy is about 0.3 degrees. When x(I)=y(I)=0 , - the corresponding angle(I) is set to 0.
      -
      -
      Parameters:
      -
      x - input floating-point array of x-coordinates of 2D vectors.
      -
      y - input array of y-coordinates of 2D vectors; it must have the - same size and the same type as x.
      -
      angle - output array of vector angles; it has the same size and - same type as x .
      -
      angleInDegrees - when true, the function calculates the angle in - degrees, otherwise, they are measured in radians.
      -
      -
      -
      • -
    • -
      -

      phase

      -
      public static void phase(Mat x, - Mat y, - Mat angle)
      -
      Calculates the rotation angle of 2D vectors. - - The function cv::phase calculates the rotation angle of each 2D vector that - is formed from the corresponding elements of x and y : - \(\texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))\) - - The angle estimation accuracy is about 0.3 degrees. When x(I)=y(I)=0 , - the corresponding angle(I) is set to 0.
      -
      -
      Parameters:
      -
      x - input floating-point array of x-coordinates of 2D vectors.
      -
      y - input array of y-coordinates of 2D vectors; it must have the - same size and the same type as x.
      -
      angle - output array of vector angles; it has the same size and - same type as x . - degrees, otherwise, they are measured in radians.
      -
      -
      -
      • -
    • -
      -

      magnitude

      -
      public static void magnitude(Mat x, - Mat y, - Mat magnitude)
      -
      Calculates the magnitude of 2D vectors. - - The function cv::magnitude calculates the magnitude of 2D vectors formed - from the corresponding elements of x and y arrays: - \(\texttt{dst} (I) = \sqrt{\texttt{x}(I)^2 + \texttt{y}(I)^2}\)
      -
      -
      Parameters:
      -
      x - floating-point array of x-coordinates of the vectors.
      -
      y - floating-point array of y-coordinates of the vectors; it must - have the same size as x.
      -
      magnitude - output array of the same size and type as x. - SEE: cartToPolar, polarToCart, phase, sqrt
      -
      -
      -
      • -
    • -
      -

      checkRange

      -
      public static boolean checkRange(Mat a, - boolean quiet, - double minVal, - double maxVal)
      -
      Checks every element of an input array for invalid values. - - The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > -
        -
      • - DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - function either returns false (when quiet=true) or throws an exception. -
        • -
      -
      -
      Parameters:
      -
      a - input array.
      -
      quiet - a flag, indicating whether the functions quietly return false when the array elements - are out of range or they throw an exception. - elements.
      -
      minVal - inclusive lower boundary of valid values range.
      -
      maxVal - exclusive upper boundary of valid values range.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkRange

      -
      public static boolean checkRange(Mat a, - boolean quiet, - double minVal)
      -
      Checks every element of an input array for invalid values. - - The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > -
        -
      • - DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - function either returns false (when quiet=true) or throws an exception. -
        • -
      -
      -
      Parameters:
      -
      a - input array.
      -
      quiet - a flag, indicating whether the functions quietly return false when the array elements - are out of range or they throw an exception. - elements.
      -
      minVal - inclusive lower boundary of valid values range.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkRange

      -
      public static boolean checkRange(Mat a, - boolean quiet)
      -
      Checks every element of an input array for invalid values. - - The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > -
        -
      • - DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - function either returns false (when quiet=true) or throws an exception. -
        • -
      -
      -
      Parameters:
      -
      a - input array.
      -
      quiet - a flag, indicating whether the functions quietly return false when the array elements - are out of range or they throw an exception. - elements.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkRange

      -
      public static boolean checkRange(Mat a)
      -
      Checks every element of an input array for invalid values. - - The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > -
        -
      • - DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - function either returns false (when quiet=true) or throws an exception. -
        • -
      -
      -
      Parameters:
      -
      a - input array. - are out of range or they throw an exception. - elements.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      patchNaNs

      -
      public static void patchNaNs(Mat a, - double val)
      -
      Replaces NaNs by given number
      -
      -
      Parameters:
      -
      a - input/output matrix (CV_32F type).
      -
      val - value to convert the NaNs
      -
      -
      -
      • -
    • -
      -

      patchNaNs

      -
      public static void patchNaNs(Mat a)
      -
      Replaces NaNs by given number
      -
      -
      Parameters:
      -
      a - input/output matrix (CV_32F type).
      -
      -
      -
      • -
    • -
      -

      gemm

      -
      public static void gemm(Mat src1, - Mat src2, - double alpha, - Mat src3, - double beta, - Mat dst, - int flags)
      -
      Performs generalized matrix multiplication. - - The function cv::gemm performs generalized matrix multiplication similar to the - gemm functions in BLAS level 3. For example, - gemm(src1, src2, alpha, src3, beta, dst, GEMM_1_T + GEMM_3_T) - corresponds to - \(\texttt{dst} = \texttt{alpha} \cdot \texttt{src1} ^T \cdot \texttt{src2} + \texttt{beta} \cdot \texttt{src3} ^T\) - - In case of complex (two-channel) data, performed a complex matrix - multiplication. - - The function can be replaced with a matrix expression. For example, the - above call can be replaced with: - - dst = alpha*src1.t()*src2 + beta*src3.t(); -
      -
      -
      Parameters:
      -
      src1 - first multiplied input matrix that could be real(CV_32FC1, - CV_64FC1) or complex(CV_32FC2, CV_64FC2).
      -
      src2 - second multiplied input matrix of the same type as src1.
      -
      alpha - weight of the matrix product.
      -
      src3 - third optional delta matrix added to the matrix product; it - should have the same type as src1 and src2.
      -
      beta - weight of src3.
      -
      dst - output matrix; it has the proper size and the same type as - input matrices.
      -
      flags - operation flags (cv::GemmFlags) - SEE: mulTransposed, transform
      -
      -
      -
      • -
    • -
      -

      gemm

      -
      public static void gemm(Mat src1, - Mat src2, - double alpha, - Mat src3, - double beta, - Mat dst)
      -
      Performs generalized matrix multiplication. - - The function cv::gemm performs generalized matrix multiplication similar to the - gemm functions in BLAS level 3. For example, - gemm(src1, src2, alpha, src3, beta, dst, GEMM_1_T + GEMM_3_T) - corresponds to - \(\texttt{dst} = \texttt{alpha} \cdot \texttt{src1} ^T \cdot \texttt{src2} + \texttt{beta} \cdot \texttt{src3} ^T\) - - In case of complex (two-channel) data, performed a complex matrix - multiplication. - - The function can be replaced with a matrix expression. For example, the - above call can be replaced with: - - dst = alpha*src1.t()*src2 + beta*src3.t(); -
      -
      -
      Parameters:
      -
      src1 - first multiplied input matrix that could be real(CV_32FC1, - CV_64FC1) or complex(CV_32FC2, CV_64FC2).
      -
      src2 - second multiplied input matrix of the same type as src1.
      -
      alpha - weight of the matrix product.
      -
      src3 - third optional delta matrix added to the matrix product; it - should have the same type as src1 and src2.
      -
      beta - weight of src3.
      -
      dst - output matrix; it has the proper size and the same type as - input matrices. - SEE: mulTransposed, transform
      -
      -
      -
      • -
    • -
      -

      mulTransposed

      -
      public static void mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta, - double scale, - int dtype)
      -
      Calculates the product of a matrix and its transposition. - - The function cv::mulTransposed calculates the product of src and its - transposition: - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - if aTa=true, and - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - otherwise. The function is used to calculate the covariance matrix. With - zero delta, it can be used as a faster substitute for general matrix - product A\*B when B=A'
      -
      -
      Parameters:
      -
      src - input single-channel matrix. Note that unlike gemm, the - function can multiply not only floating-point matrices.
      -
      dst - output square matrix.
      -
      aTa - Flag specifying the multiplication ordering. See the - description below.
      -
      delta - Optional delta matrix subtracted from src before the - multiplication. When the matrix is empty ( delta=noArray() ), it is - assumed to be zero, that is, nothing is subtracted. If it has the same - size as src, it is simply subtracted. Otherwise, it is "repeated" (see - repeat ) to cover the full src and then subtracted. Type of the delta - matrix, when it is not empty, must be the same as the type of created - output matrix. See the dtype parameter description below.
      -
      scale - Optional scale factor for the matrix product.
      -
      dtype - Optional type of the output matrix. When it is negative, - the output matrix will have the same type as src . Otherwise, it will be - type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - SEE: calcCovarMatrix, gemm, repeat, reduce
      -
      -
      -
      • -
    • -
      -

      mulTransposed

      -
      public static void mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta, - double scale)
      -
      Calculates the product of a matrix and its transposition. - - The function cv::mulTransposed calculates the product of src and its - transposition: - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - if aTa=true, and - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - otherwise. The function is used to calculate the covariance matrix. With - zero delta, it can be used as a faster substitute for general matrix - product A\*B when B=A'
      -
      -
      Parameters:
      -
      src - input single-channel matrix. Note that unlike gemm, the - function can multiply not only floating-point matrices.
      -
      dst - output square matrix.
      -
      aTa - Flag specifying the multiplication ordering. See the - description below.
      -
      delta - Optional delta matrix subtracted from src before the - multiplication. When the matrix is empty ( delta=noArray() ), it is - assumed to be zero, that is, nothing is subtracted. If it has the same - size as src, it is simply subtracted. Otherwise, it is "repeated" (see - repeat ) to cover the full src and then subtracted. Type of the delta - matrix, when it is not empty, must be the same as the type of created - output matrix. See the dtype parameter description below.
      -
      scale - Optional scale factor for the matrix product. - the output matrix will have the same type as src . Otherwise, it will be - type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - SEE: calcCovarMatrix, gemm, repeat, reduce
      -
      -
      -
      • -
    • -
      -

      mulTransposed

      -
      public static void mulTransposed(Mat src, - Mat dst, - boolean aTa, - Mat delta)
      -
      Calculates the product of a matrix and its transposition. - - The function cv::mulTransposed calculates the product of src and its - transposition: - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - if aTa=true, and - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - otherwise. The function is used to calculate the covariance matrix. With - zero delta, it can be used as a faster substitute for general matrix - product A\*B when B=A'
      -
      -
      Parameters:
      -
      src - input single-channel matrix. Note that unlike gemm, the - function can multiply not only floating-point matrices.
      -
      dst - output square matrix.
      -
      aTa - Flag specifying the multiplication ordering. See the - description below.
      -
      delta - Optional delta matrix subtracted from src before the - multiplication. When the matrix is empty ( delta=noArray() ), it is - assumed to be zero, that is, nothing is subtracted. If it has the same - size as src, it is simply subtracted. Otherwise, it is "repeated" (see - repeat ) to cover the full src and then subtracted. Type of the delta - matrix, when it is not empty, must be the same as the type of created - output matrix. See the dtype parameter description below. - the output matrix will have the same type as src . Otherwise, it will be - type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - SEE: calcCovarMatrix, gemm, repeat, reduce
      -
      -
      -
      • -
    • -
      -

      mulTransposed

      -
      public static void mulTransposed(Mat src, - Mat dst, - boolean aTa)
      -
      Calculates the product of a matrix and its transposition. - - The function cv::mulTransposed calculates the product of src and its - transposition: - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - if aTa=true, and - \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - otherwise. The function is used to calculate the covariance matrix. With - zero delta, it can be used as a faster substitute for general matrix - product A\*B when B=A'
      -
      -
      Parameters:
      -
      src - input single-channel matrix. Note that unlike gemm, the - function can multiply not only floating-point matrices.
      -
      dst - output square matrix.
      -
      aTa - Flag specifying the multiplication ordering. See the - description below. - multiplication. When the matrix is empty ( delta=noArray() ), it is - assumed to be zero, that is, nothing is subtracted. If it has the same - size as src, it is simply subtracted. Otherwise, it is "repeated" (see - repeat ) to cover the full src and then subtracted. Type of the delta - matrix, when it is not empty, must be the same as the type of created - output matrix. See the dtype parameter description below. - the output matrix will have the same type as src . Otherwise, it will be - type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - SEE: calcCovarMatrix, gemm, repeat, reduce
      -
      -
      -
      • -
    • -
      -

      transpose

      -
      public static void transpose(Mat src, - Mat dst)
      -
      Transposes a matrix. - - The function cv::transpose transposes the matrix src : - \(\texttt{dst} (i,j) = \texttt{src} (j,i)\) - Note: No complex conjugation is done in case of a complex matrix. It - should be done separately if needed.
      -
      -
      Parameters:
      -
      src - input array.
      -
      dst - output array of the same type as src.
      -
      -
      -
      • -
    • -
      -

      transposeND

      -
      public static void transposeND(Mat src, - MatOfInt order, - Mat dst)
      -
      Transpose for n-dimensional matrices. - - Note: Input should be continuous single-channel matrix.
      -
      -
      Parameters:
      -
      src - input array.
      -
      order - a permutation of [0,1,..,N-1] where N is the number of axes of src. - The i'th axis of dst will correspond to the axis numbered order[i] of the input.
      -
      dst - output array of the same type as src.
      -
      -
      -
      • -
    • -
      -

      transform

      -
      public static void transform(Mat src, - Mat dst, - Mat m)
      -
      Performs the matrix transformation of every array element. - - The function cv::transform performs the matrix transformation of every - element of the array src and stores the results in dst : - \(\texttt{dst} (I) = \texttt{m} \cdot \texttt{src} (I)\) - (when m.cols=src.channels() ), or - \(\texttt{dst} (I) = \texttt{m} \cdot [ \texttt{src} (I); 1]\) - (when m.cols=src.channels()+1 ) - - Every element of the N -channel array src is interpreted as N -element - vector that is transformed using the M x N or M x (N+1) matrix m to - M-element vector - the corresponding element of the output array dst . - - The function may be used for geometrical transformation of - N -dimensional points, arbitrary linear color space transformation (such - as various kinds of RGB to YUV transforms), shuffling the image - channels, and so forth.
      -
      -
      Parameters:
      -
      src - input array that must have as many channels (1 to 4) as - m.cols or m.cols-1.
      -
      dst - output array of the same size and depth as src; it has as - many channels as m.rows.
      -
      m - transformation 2x2 or 2x3 floating-point matrix. - SEE: perspectiveTransform, getAffineTransform, estimateAffine2D, warpAffine, warpPerspective
      -
      -
      -
      • -
    • -
      -

      perspectiveTransform

      -
      public static void perspectiveTransform(Mat src, - Mat dst, - Mat m)
      -
      Performs the perspective matrix transformation of vectors. - - The function cv::perspectiveTransform transforms every element of src by - treating it as a 2D or 3D vector, in the following way: - \((x, y, z) \rightarrow (x'/w, y'/w, z'/w)\) - where - \((x', y', z', w') = \texttt{mat} \cdot \begin{bmatrix} x & y & z & 1 \end{bmatrix}\) - and - \(w = \fork{w'}{if \(w' \ne 0\)}{\infty}{otherwise}\) - - Here a 3D vector transformation is shown. In case of a 2D vector - transformation, the z component is omitted. - - Note: The function transforms a sparse set of 2D or 3D vectors. If you - want to transform an image using perspective transformation, use - warpPerspective . If you have an inverse problem, that is, you want to - compute the most probable perspective transformation out of several - pairs of corresponding points, you can use getPerspectiveTransform or - findHomography .
      -
      -
      Parameters:
      -
      src - input two-channel or three-channel floating-point array; each - element is a 2D/3D vector to be transformed.
      -
      dst - output array of the same size and type as src.
      -
      m - 3x3 or 4x4 floating-point transformation matrix. - SEE: transform, warpPerspective, getPerspectiveTransform, findHomography
      -
      -
      -
      • -
    • -
      -

      completeSymm

      -
      public static void completeSymm(Mat m, - boolean lowerToUpper)
      -
      Copies the lower or the upper half of a square matrix to its another half. - - The function cv::completeSymm copies the lower or the upper half of a square matrix to - its another half. The matrix diagonal remains unchanged: -
        -
      • - \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i > j\) if - lowerToUpper=false -
        • -
      • - \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i < j\) if - lowerToUpper=true -
        • -
      -
      -
      Parameters:
      -
      m - input-output floating-point square matrix.
      -
      lowerToUpper - operation flag; if true, the lower half is copied to - the upper half. Otherwise, the upper half is copied to the lower half. - SEE: flip, transpose
      -
      -
      -
      • -
    • -
      -

      completeSymm

      -
      public static void completeSymm(Mat m)
      -
      Copies the lower or the upper half of a square matrix to its another half. - - The function cv::completeSymm copies the lower or the upper half of a square matrix to - its another half. The matrix diagonal remains unchanged: -
        -
      • - \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i > j\) if - lowerToUpper=false -
        • -
      • - \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i < j\) if - lowerToUpper=true -
        • -
      -
      -
      Parameters:
      -
      m - input-output floating-point square matrix. - the upper half. Otherwise, the upper half is copied to the lower half. - SEE: flip, transpose
      -
      -
      -
      • -
    • -
      -

      setIdentity

      -
      public static void setIdentity(Mat mtx, - Scalar s)
      -
      Initializes a scaled identity matrix. - - The function cv::setIdentity initializes a scaled identity matrix: - \(\texttt{mtx} (i,j)= \fork{\texttt{value}}{ if \(i=j\)}{0}{otherwise}\) - - The function can also be emulated using the matrix initializers and the - matrix expressions: - - Mat A = Mat::eye(4, 3, CV_32F)*5; - // A will be set to [[5, 0, 0], [0, 5, 0], [0, 0, 5], [0, 0, 0]] -
      -
      -
      Parameters:
      -
      mtx - matrix to initialize (not necessarily square).
      -
      s - value to assign to diagonal elements. - SEE: Mat::zeros, Mat::ones, Mat::setTo, Mat::operator=
      -
      -
      -
      • -
    • -
      -

      setIdentity

      -
      public static void setIdentity(Mat mtx)
      -
      Initializes a scaled identity matrix. - - The function cv::setIdentity initializes a scaled identity matrix: - \(\texttt{mtx} (i,j)= \fork{\texttt{value}}{ if \(i=j\)}{0}{otherwise}\) - - The function can also be emulated using the matrix initializers and the - matrix expressions: - - Mat A = Mat::eye(4, 3, CV_32F)*5; - // A will be set to [[5, 0, 0], [0, 5, 0], [0, 0, 5], [0, 0, 0]] -
      -
      -
      Parameters:
      -
      mtx - matrix to initialize (not necessarily square). - SEE: Mat::zeros, Mat::ones, Mat::setTo, Mat::operator=
      -
      -
      -
      • -
    • -
      -

      determinant

      -
      public static double determinant(Mat mtx)
      -
      Returns the determinant of a square floating-point matrix. - - The function cv::determinant calculates and returns the determinant of the - specified matrix. For small matrices ( mtx.cols=mtx.rows<=3 ), the - direct method is used. For larger matrices, the function uses LU - factorization with partial pivoting. - - For symmetric positively-determined matrices, it is also possible to use - eigen decomposition to calculate the determinant.
      -
      -
      Parameters:
      -
      mtx - input matrix that must have CV_32FC1 or CV_64FC1 type and - square size. - SEE: trace, invert, solve, eigen, REF: MatrixExpressions
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trace

      -
      public static Scalar trace(Mat mtx)
      -
      Returns the trace of a matrix. - - The function cv::trace returns the sum of the diagonal elements of the - matrix mtx . - \(\mathrm{tr} ( \texttt{mtx} ) = \sum _i \texttt{mtx} (i,i)\)
      -
      -
      Parameters:
      -
      mtx - input matrix.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      invert

      -
      public static double invert(Mat src, - Mat dst, - int flags)
      -
      Finds the inverse or pseudo-inverse of a matrix. - - The function cv::invert inverts the matrix src and stores the result in dst - . When the matrix src is singular or non-square, the function calculates - the pseudo-inverse matrix (the dst matrix) so that norm(src\*dst - I) is - minimal, where I is an identity matrix. - - In case of the #DECOMP_LU method, the function returns non-zero value if - the inverse has been successfully calculated and 0 if src is singular. - - In case of the #DECOMP_SVD method, the function returns the inverse - condition number of src (the ratio of the smallest singular value to the - largest singular value) and 0 if src is singular. The SVD method - calculates a pseudo-inverse matrix if src is singular. - - Similarly to #DECOMP_LU, the method #DECOMP_CHOLESKY works only with - non-singular square matrices that should also be symmetrical and - positively defined. In this case, the function stores the inverted - matrix in dst and returns non-zero. Otherwise, it returns 0.
      -
      -
      Parameters:
      -
      src - input floating-point M x N matrix.
      -
      dst - output matrix of N x M size and the same type as src.
      -
      flags - inversion method (cv::DecompTypes) - SEE: solve, SVD
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      invert

      -
      public static double invert(Mat src, - Mat dst)
      -
      Finds the inverse or pseudo-inverse of a matrix. - - The function cv::invert inverts the matrix src and stores the result in dst - . When the matrix src is singular or non-square, the function calculates - the pseudo-inverse matrix (the dst matrix) so that norm(src\*dst - I) is - minimal, where I is an identity matrix. - - In case of the #DECOMP_LU method, the function returns non-zero value if - the inverse has been successfully calculated and 0 if src is singular. - - In case of the #DECOMP_SVD method, the function returns the inverse - condition number of src (the ratio of the smallest singular value to the - largest singular value) and 0 if src is singular. The SVD method - calculates a pseudo-inverse matrix if src is singular. - - Similarly to #DECOMP_LU, the method #DECOMP_CHOLESKY works only with - non-singular square matrices that should also be symmetrical and - positively defined. In this case, the function stores the inverted - matrix in dst and returns non-zero. Otherwise, it returns 0.
      -
      -
      Parameters:
      -
      src - input floating-point M x N matrix.
      -
      dst - output matrix of N x M size and the same type as src. - SEE: solve, SVD
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solve

      -
      public static boolean solve(Mat src1, - Mat src2, - Mat dst, - int flags)
      -
      Solves one or more linear systems or least-squares problems. - - The function cv::solve solves a linear system or least-squares problem (the - latter is possible with SVD or QR methods, or by specifying the flag - #DECOMP_NORMAL ): - \(\texttt{dst} = \arg \min _X \| \texttt{src1} \cdot \texttt{X} - \texttt{src2} \|\) - - If #DECOMP_LU or #DECOMP_CHOLESKY method is used, the function returns 1 - if src1 (or \(\texttt{src1}^T\texttt{src1}\) ) is non-singular. Otherwise, - it returns 0. In the latter case, dst is not valid. Other methods find a - pseudo-solution in case of a singular left-hand side part. - - Note: If you want to find a unity-norm solution of an under-defined - singular system \(\texttt{src1}\cdot\texttt{dst}=0\) , the function solve - will not do the work. Use SVD::solveZ instead.
      -
      -
      Parameters:
      -
      src1 - input matrix on the left-hand side of the system.
      -
      src2 - input matrix on the right-hand side of the system.
      -
      dst - output solution.
      -
      flags - solution (matrix inversion) method (#DecompTypes) - SEE: invert, SVD, eigen
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solve

      -
      public static boolean solve(Mat src1, - Mat src2, - Mat dst)
      -
      Solves one or more linear systems or least-squares problems. - - The function cv::solve solves a linear system or least-squares problem (the - latter is possible with SVD or QR methods, or by specifying the flag - #DECOMP_NORMAL ): - \(\texttt{dst} = \arg \min _X \| \texttt{src1} \cdot \texttt{X} - \texttt{src2} \|\) - - If #DECOMP_LU or #DECOMP_CHOLESKY method is used, the function returns 1 - if src1 (or \(\texttt{src1}^T\texttt{src1}\) ) is non-singular. Otherwise, - it returns 0. In the latter case, dst is not valid. Other methods find a - pseudo-solution in case of a singular left-hand side part. - - Note: If you want to find a unity-norm solution of an under-defined - singular system \(\texttt{src1}\cdot\texttt{dst}=0\) , the function solve - will not do the work. Use SVD::solveZ instead.
      -
      -
      Parameters:
      -
      src1 - input matrix on the left-hand side of the system.
      -
      src2 - input matrix on the right-hand side of the system.
      -
      dst - output solution. - SEE: invert, SVD, eigen
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      sort

      -
      public static void sort(Mat src, - Mat dst, - int flags)
      -
      Sorts each row or each column of a matrix. - - The function cv::sort sorts each matrix row or each matrix column in - ascending or descending order. So you should pass two operation flags to - get desired behaviour. If you want to sort matrix rows or columns - lexicographically, you can use STL std::sort generic function with the - proper comparison predicate.
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output array of the same size and type as src.
      -
      flags - operation flags, a combination of #SortFlags - SEE: sortIdx, randShuffle
      -
      -
      -
      • -
    • -
      -

      sortIdx

      -
      public static void sortIdx(Mat src, - Mat dst, - int flags)
      -
      Sorts each row or each column of a matrix. - - The function cv::sortIdx sorts each matrix row or each matrix column in the - ascending or descending order. So you should pass two operation flags to - get desired behaviour. Instead of reordering the elements themselves, it - stores the indices of sorted elements in the output array. For example: - - Mat A = Mat::eye(3,3,CV_32F), B; - sortIdx(A, B, SORT_EVERY_ROW + SORT_ASCENDING); - // B will probably contain - // (because of equal elements in A some permutations are possible): - // [[1, 2, 0], [0, 2, 1], [0, 1, 2]] -
      -
      -
      Parameters:
      -
      src - input single-channel array.
      -
      dst - output integer array of the same size as src.
      -
      flags - operation flags that could be a combination of cv::SortFlags - SEE: sort, randShuffle
      -
      -
      -
      • -
    • -
      -

      solveCubic

      -
      public static int solveCubic(Mat coeffs, - Mat roots)
      -
      Finds the real roots of a cubic equation. - - The function solveCubic finds the real roots of a cubic equation: -
        -
      • - if coeffs is a 4-element vector: - \(\texttt{coeffs} [0] x^3 + \texttt{coeffs} [1] x^2 + \texttt{coeffs} [2] x + \texttt{coeffs} [3] = 0\) -
        • -
      • - if coeffs is a 3-element vector: - \(x^3 + \texttt{coeffs} [0] x^2 + \texttt{coeffs} [1] x + \texttt{coeffs} [2] = 0\) -
        • -
      - - The roots are stored in the roots array.
      -
      -
      Parameters:
      -
      coeffs - equation coefficients, an array of 3 or 4 elements.
      -
      roots - output array of real roots that has 0, 1, 2 or 3 elements.
      -
      Returns:
      -
      number of real roots. It can be -1 (all real numbers), 0, 1, 2 or 3.
      -
      -
      -
      • -
    • -
      -

      solvePoly

      -
      public static double solvePoly(Mat coeffs, - Mat roots, - int maxIters)
      -
      Finds the real or complex roots of a polynomial equation. - - The function cv::solvePoly finds real and complex roots of a polynomial equation: - \(\texttt{coeffs} [n] x^{n} + \texttt{coeffs} [n-1] x^{n-1} + ... + \texttt{coeffs} [1] x + \texttt{coeffs} [0] = 0\)
      -
      -
      Parameters:
      -
      coeffs - array of polynomial coefficients.
      -
      roots - output (complex) array of roots.
      -
      maxIters - maximum number of iterations the algorithm does.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      solvePoly

      -
      public static double solvePoly(Mat coeffs, - Mat roots)
      -
      Finds the real or complex roots of a polynomial equation. - - The function cv::solvePoly finds real and complex roots of a polynomial equation: - \(\texttt{coeffs} [n] x^{n} + \texttt{coeffs} [n-1] x^{n-1} + ... + \texttt{coeffs} [1] x + \texttt{coeffs} [0] = 0\)
      -
      -
      Parameters:
      -
      coeffs - array of polynomial coefficients.
      -
      roots - output (complex) array of roots.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      eigen

      -
      public static boolean eigen(Mat src, - Mat eigenvalues, - Mat eigenvectors)
      -
      Calculates eigenvalues and eigenvectors of a symmetric matrix. - - The function cv::eigen calculates just eigenvalues, or eigenvalues and eigenvectors of the symmetric - matrix src: - - src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() - - - Note: Use cv::eigenNonSymmetric for calculation of real eigenvalues and eigenvectors of non-symmetric matrix.
      -
      -
      Parameters:
      -
      src - input matrix that must have CV_32FC1 or CV_64FC1 type, square size and be symmetrical - (src ^T^ == src).
      -
      eigenvalues - output vector of eigenvalues of the same type as src; the eigenvalues are stored - in the descending order.
      -
      eigenvectors - output matrix of eigenvectors; it has the same size and type as src; the - eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding - eigenvalues. - SEE: eigenNonSymmetric, completeSymm, PCA
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      eigen

      -
      public static boolean eigen(Mat src, - Mat eigenvalues)
      -
      Calculates eigenvalues and eigenvectors of a symmetric matrix. - - The function cv::eigen calculates just eigenvalues, or eigenvalues and eigenvectors of the symmetric - matrix src: - - src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() - - - Note: Use cv::eigenNonSymmetric for calculation of real eigenvalues and eigenvectors of non-symmetric matrix.
      -
      -
      Parameters:
      -
      src - input matrix that must have CV_32FC1 or CV_64FC1 type, square size and be symmetrical - (src ^T^ == src).
      -
      eigenvalues - output vector of eigenvalues of the same type as src; the eigenvalues are stored - in the descending order. - eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding - eigenvalues. - SEE: eigenNonSymmetric, completeSymm, PCA
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      eigenNonSymmetric

      -
      public static void eigenNonSymmetric(Mat src, - Mat eigenvalues, - Mat eigenvectors)
      -
      Calculates eigenvalues and eigenvectors of a non-symmetric matrix (real eigenvalues only). - - Note: Assumes real eigenvalues. - - The function calculates eigenvalues and eigenvectors (optional) of the square matrix src: - - src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() -
      -
      -
      Parameters:
      -
      src - input matrix (CV_32FC1 or CV_64FC1 type).
      -
      eigenvalues - output vector of eigenvalues (type is the same type as src).
      -
      eigenvectors - output matrix of eigenvectors (type is the same type as src). The eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding eigenvalues. - SEE: eigen
      -
      -
      -
      • -
    • -
      -

      calcCovarMatrix

      -
      public static void calcCovarMatrix(Mat samples, - Mat covar, - Mat mean, - int flags, - int ctype)
      -
      Note: use #COVAR_ROWS or #COVAR_COLS flag
      -
      -
      Parameters:
      -
      samples - samples stored as rows/columns of a single matrix.
      -
      covar - output covariance matrix of the type ctype and square size.
      -
      mean - input or output (depending on the flags) array as the average value of the input vectors.
      -
      flags - operation flags as a combination of #CovarFlags
      -
      ctype - type of the matrixl; it equals 'CV_64F' by default.
      -
      -
      -
      • -
    • -
      -

      calcCovarMatrix

      -
      public static void calcCovarMatrix(Mat samples, - Mat covar, - Mat mean, - int flags)
      -
      Note: use #COVAR_ROWS or #COVAR_COLS flag
      -
      -
      Parameters:
      -
      samples - samples stored as rows/columns of a single matrix.
      -
      covar - output covariance matrix of the type ctype and square size.
      -
      mean - input or output (depending on the flags) array as the average value of the input vectors.
      -
      flags - operation flags as a combination of #CovarFlags
      -
      -
      -
      • -
    • -
      -

      PCACompute

      -
      public static void PCACompute(Mat data, - Mat mean, - Mat eigenvectors, - int maxComponents)
      -
      wrap PCA::operator()
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      maxComponents - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCACompute

      -
      public static void PCACompute(Mat data, - Mat mean, - Mat eigenvectors)
      -
      wrap PCA::operator()
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCACompute2

      -
      public static void PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues, - int maxComponents)
      -
      wrap PCA::operator() and add eigenvalues output parameter
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      eigenvalues - automatically generated
      -
      maxComponents - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCACompute2

      -
      public static void PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues)
      -
      wrap PCA::operator() and add eigenvalues output parameter
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      eigenvalues - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCACompute

      -
      public static void PCACompute(Mat data, - Mat mean, - Mat eigenvectors, - double retainedVariance)
      -
      wrap PCA::operator()
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      retainedVariance - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCACompute2

      -
      public static void PCACompute2(Mat data, - Mat mean, - Mat eigenvectors, - Mat eigenvalues, - double retainedVariance)
      -
      wrap PCA::operator() and add eigenvalues output parameter
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      eigenvalues - automatically generated
      -
      retainedVariance - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCAProject

      -
      public static void PCAProject(Mat data, - Mat mean, - Mat eigenvectors, - Mat result)
      -
      wrap PCA::project
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      result - automatically generated
      -
      -
      -
      • -
    • -
      -

      PCABackProject

      -
      public static void PCABackProject(Mat data, - Mat mean, - Mat eigenvectors, - Mat result)
      -
      wrap PCA::backProject
      -
      -
      Parameters:
      -
      data - automatically generated
      -
      mean - automatically generated
      -
      eigenvectors - automatically generated
      -
      result - automatically generated
      -
      -
      -
      • -
    • -
      -

      SVDecomp

      -
      public static void SVDecomp(Mat src, - Mat w, - Mat u, - Mat vt, - int flags)
      -
      wrap SVD::compute
      -
      -
      Parameters:
      -
      src - automatically generated
      -
      w - automatically generated
      -
      u - automatically generated
      -
      vt - automatically generated
      -
      flags - automatically generated
      -
      -
      -
      • -
    • -
      -

      SVDecomp

      -
      public static void SVDecomp(Mat src, - Mat w, - Mat u, - Mat vt)
      -
      wrap SVD::compute
      -
      -
      Parameters:
      -
      src - automatically generated
      -
      w - automatically generated
      -
      u - automatically generated
      -
      vt - automatically generated
      -
      -
      -
      • -
    • -
      -

      SVBackSubst

      -
      public static void SVBackSubst(Mat w, - Mat u, - Mat vt, - Mat rhs, - Mat dst)
      -
      wrap SVD::backSubst
      -
      -
      Parameters:
      -
      w - automatically generated
      -
      u - automatically generated
      -
      vt - automatically generated
      -
      rhs - automatically generated
      -
      dst - automatically generated
      -
      -
      -
      • -
    • -
      -

      Mahalanobis

      -
      public static double Mahalanobis(Mat v1, - Mat v2, - Mat icovar)
      -
      Calculates the Mahalanobis distance between two vectors. - - The function cv::Mahalanobis calculates and returns the weighted distance between two vectors: - \(d( \texttt{vec1} , \texttt{vec2} )= \sqrt{\sum_{i,j}{\texttt{icovar(i,j)}\cdot(\texttt{vec1}(I)-\texttt{vec2}(I))\cdot(\texttt{vec1(j)}-\texttt{vec2(j)})} }\) - The covariance matrix may be calculated using the #calcCovarMatrix function and then inverted using - the invert function (preferably using the #DECOMP_SVD method, as the most accurate).
      -
      -
      Parameters:
      -
      v1 - first 1D input vector.
      -
      v2 - second 1D input vector.
      -
      icovar - inverse covariance matrix.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      dft

      -
      public static void dft(Mat src, - Mat dst, - int flags, - int nonzeroRows)
      -
      Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - - The function cv::dft performs one of the following: -
        -
      • - Forward the Fourier transform of a 1D vector of N elements: - \(Y = F^{(N)} \cdot X,\) - where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) -
        • -
      • - Inverse the Fourier transform of a 1D vector of N elements: - \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) -
        • -
      • - Forward the 2D Fourier transform of a M x N matrix: - \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) -
        • -
      • - Inverse the 2D Fourier transform of a M x N matrix: - \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) -
        • -
      - - In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - is how 2D *CCS* spectrum looks: - \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - - In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - - So, the function chooses an operation mode depending on the flags and size of the input array: -
        -
      • - If #DFT_ROWS is set or the input array has a single row or single column, the function - performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - Otherwise, it performs a 2D transform. -
        • -
      • - If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - 2D transform: -
          -
        • - When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - input. -
          • -
        • - When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - input. In case of 2D transform, it uses the packed format as shown above. In case of a - single 1D transform, it looks like the first row of the matrix above. In case of - multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - looks like the first row of the matrix above. -
          • -
        -
      • - If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - output is a complex array of the same size as input. The function performs a forward or - inverse 1D or 2D transform of the whole input array or each row of the input array - independently, depending on the flags DFT_INVERSE and DFT_ROWS. -
        • -
      • - When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - is set, the output is a real array of the same size as input. The function performs a 1D or 2D - inverse transformation of the whole input array or each individual row, depending on the flags - #DFT_INVERSE and #DFT_ROWS. -
        • -
      - - If #DFT_SCALE is set, the scaling is done after the transformation. - - Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - method. - - The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - - void convolveDFT(InputArray A, InputArray B, OutputArray C) - { - // reallocate the output array if needed - C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - Size dftSize; - // calculate the size of DFT transform - dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - - // allocate temporary buffers and initialize them with 0's - Mat tempA(dftSize, A.type(), Scalar::all(0)); - Mat tempB(dftSize, B.type(), Scalar::all(0)); - - // copy A and B to the top-left corners of tempA and tempB, respectively - Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - A.copyTo(roiA); - Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - B.copyTo(roiB); - - // now transform the padded A & B in-place; - // use "nonzeroRows" hint for faster processing - dft(tempA, tempA, 0, A.rows); - dft(tempB, tempB, 0, B.rows); - - // multiply the spectrums; - // the function handles packed spectrum representations well - mulSpectrums(tempA, tempB, tempA); - - // transform the product back from the frequency domain. - // Even though all the result rows will be non-zero, - // you need only the first C.rows of them, and thus you - // pass nonzeroRows == C.rows - dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - - // now copy the result back to C. - tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - - // all the temporary buffers will be deallocated automatically - } - - To optimize this sample, consider the following approaches: -
        -
      • - Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - rightmost columns of the matrices. -
        • -
      • - This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - To do this, you need to split the output array C into multiple tiles. For each tile, estimate - which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - there is also a slowdown because of bad cache locality. So, there is an optimal tile size - somewhere in the middle. -
        • -
      • - If different tiles in C can be calculated in parallel and, thus, the convolution is done by - parts, the loop can be threaded. -
        • -
      - - All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - using them, you can get the performance even better than with the above theoretically optimal - implementation. Though, those two functions actually calculate cross-correlation, not convolution, - so you need to "flip" the second convolution operand B vertically and horizontally using flip . - Note: -
        -
      • - An example using the discrete fourier transform can be found at - opencv_source_code/samples/cpp/dft.cpp -
        • -
      • - (Python) An example using the dft functionality to perform Wiener deconvolution can be found - at opencv_source/samples/python/deconvolution.py -
        • -
      • - (Python) An example rearranging the quadrants of a Fourier image can be found at - opencv_source/samples/python/dft.py -
        • -
      -
      -
      Parameters:
      -
      src - input array that could be real or complex.
      -
      dst - output array whose size and type depends on the flags .
      -
      flags - transformation flags, representing a combination of the #DftFlags
      -
      nonzeroRows - when the parameter is not zero, the function assumes that only the first - nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - rows more efficiently and save some time; this technique is very useful for calculating array - cross-correlation or convolution using DFT. - SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - magnitude, phase
      -
      -
      -
      • -
    • -
      -

      dft

      -
      public static void dft(Mat src, - Mat dst, - int flags)
      -
      Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - - The function cv::dft performs one of the following: -
        -
      • - Forward the Fourier transform of a 1D vector of N elements: - \(Y = F^{(N)} \cdot X,\) - where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) -
        • -
      • - Inverse the Fourier transform of a 1D vector of N elements: - \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) -
        • -
      • - Forward the 2D Fourier transform of a M x N matrix: - \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) -
        • -
      • - Inverse the 2D Fourier transform of a M x N matrix: - \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) -
        • -
      - - In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - is how 2D *CCS* spectrum looks: - \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - - In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - - So, the function chooses an operation mode depending on the flags and size of the input array: -
        -
      • - If #DFT_ROWS is set or the input array has a single row or single column, the function - performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - Otherwise, it performs a 2D transform. -
        • -
      • - If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - 2D transform: -
          -
        • - When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - input. -
          • -
        • - When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - input. In case of 2D transform, it uses the packed format as shown above. In case of a - single 1D transform, it looks like the first row of the matrix above. In case of - multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - looks like the first row of the matrix above. -
          • -
        -
      • - If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - output is a complex array of the same size as input. The function performs a forward or - inverse 1D or 2D transform of the whole input array or each row of the input array - independently, depending on the flags DFT_INVERSE and DFT_ROWS. -
        • -
      • - When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - is set, the output is a real array of the same size as input. The function performs a 1D or 2D - inverse transformation of the whole input array or each individual row, depending on the flags - #DFT_INVERSE and #DFT_ROWS. -
        • -
      - - If #DFT_SCALE is set, the scaling is done after the transformation. - - Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - method. - - The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - - void convolveDFT(InputArray A, InputArray B, OutputArray C) - { - // reallocate the output array if needed - C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - Size dftSize; - // calculate the size of DFT transform - dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - - // allocate temporary buffers and initialize them with 0's - Mat tempA(dftSize, A.type(), Scalar::all(0)); - Mat tempB(dftSize, B.type(), Scalar::all(0)); - - // copy A and B to the top-left corners of tempA and tempB, respectively - Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - A.copyTo(roiA); - Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - B.copyTo(roiB); - - // now transform the padded A & B in-place; - // use "nonzeroRows" hint for faster processing - dft(tempA, tempA, 0, A.rows); - dft(tempB, tempB, 0, B.rows); - - // multiply the spectrums; - // the function handles packed spectrum representations well - mulSpectrums(tempA, tempB, tempA); - - // transform the product back from the frequency domain. - // Even though all the result rows will be non-zero, - // you need only the first C.rows of them, and thus you - // pass nonzeroRows == C.rows - dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - - // now copy the result back to C. - tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - - // all the temporary buffers will be deallocated automatically - } - - To optimize this sample, consider the following approaches: -
        -
      • - Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - rightmost columns of the matrices. -
        • -
      • - This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - To do this, you need to split the output array C into multiple tiles. For each tile, estimate - which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - there is also a slowdown because of bad cache locality. So, there is an optimal tile size - somewhere in the middle. -
        • -
      • - If different tiles in C can be calculated in parallel and, thus, the convolution is done by - parts, the loop can be threaded. -
        • -
      - - All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - using them, you can get the performance even better than with the above theoretically optimal - implementation. Though, those two functions actually calculate cross-correlation, not convolution, - so you need to "flip" the second convolution operand B vertically and horizontally using flip . - Note: -
        -
      • - An example using the discrete fourier transform can be found at - opencv_source_code/samples/cpp/dft.cpp -
        • -
      • - (Python) An example using the dft functionality to perform Wiener deconvolution can be found - at opencv_source/samples/python/deconvolution.py -
        • -
      • - (Python) An example rearranging the quadrants of a Fourier image can be found at - opencv_source/samples/python/dft.py -
        • -
      -
      -
      Parameters:
      -
      src - input array that could be real or complex.
      -
      dst - output array whose size and type depends on the flags .
      -
      flags - transformation flags, representing a combination of the #DftFlags - nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - rows more efficiently and save some time; this technique is very useful for calculating array - cross-correlation or convolution using DFT. - SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - magnitude, phase
      -
      -
      -
      • -
    • -
      -

      dft

      -
      public static void dft(Mat src, - Mat dst)
      -
      Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - - The function cv::dft performs one of the following: -
        -
      • - Forward the Fourier transform of a 1D vector of N elements: - \(Y = F^{(N)} \cdot X,\) - where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) -
        • -
      • - Inverse the Fourier transform of a 1D vector of N elements: - \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) -
        • -
      • - Forward the 2D Fourier transform of a M x N matrix: - \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) -
        • -
      • - Inverse the 2D Fourier transform of a M x N matrix: - \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) -
        • -
      - - In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - is how 2D *CCS* spectrum looks: - \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - - In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - - So, the function chooses an operation mode depending on the flags and size of the input array: -
        -
      • - If #DFT_ROWS is set or the input array has a single row or single column, the function - performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - Otherwise, it performs a 2D transform. -
        • -
      • - If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - 2D transform: -
          -
        • - When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - input. -
          • -
        • - When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - input. In case of 2D transform, it uses the packed format as shown above. In case of a - single 1D transform, it looks like the first row of the matrix above. In case of - multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - looks like the first row of the matrix above. -
          • -
        -
      • - If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - output is a complex array of the same size as input. The function performs a forward or - inverse 1D or 2D transform of the whole input array or each row of the input array - independently, depending on the flags DFT_INVERSE and DFT_ROWS. -
        • -
      • - When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - is set, the output is a real array of the same size as input. The function performs a 1D or 2D - inverse transformation of the whole input array or each individual row, depending on the flags - #DFT_INVERSE and #DFT_ROWS. -
        • -
      - - If #DFT_SCALE is set, the scaling is done after the transformation. - - Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - method. - - The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - - void convolveDFT(InputArray A, InputArray B, OutputArray C) - { - // reallocate the output array if needed - C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - Size dftSize; - // calculate the size of DFT transform - dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - - // allocate temporary buffers and initialize them with 0's - Mat tempA(dftSize, A.type(), Scalar::all(0)); - Mat tempB(dftSize, B.type(), Scalar::all(0)); - - // copy A and B to the top-left corners of tempA and tempB, respectively - Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - A.copyTo(roiA); - Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - B.copyTo(roiB); - - // now transform the padded A & B in-place; - // use "nonzeroRows" hint for faster processing - dft(tempA, tempA, 0, A.rows); - dft(tempB, tempB, 0, B.rows); - - // multiply the spectrums; - // the function handles packed spectrum representations well - mulSpectrums(tempA, tempB, tempA); - - // transform the product back from the frequency domain. - // Even though all the result rows will be non-zero, - // you need only the first C.rows of them, and thus you - // pass nonzeroRows == C.rows - dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - - // now copy the result back to C. - tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - - // all the temporary buffers will be deallocated automatically - } - - To optimize this sample, consider the following approaches: -
        -
      • - Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - rightmost columns of the matrices. -
        • -
      • - This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - To do this, you need to split the output array C into multiple tiles. For each tile, estimate - which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - there is also a slowdown because of bad cache locality. So, there is an optimal tile size - somewhere in the middle. -
        • -
      • - If different tiles in C can be calculated in parallel and, thus, the convolution is done by - parts, the loop can be threaded. -
        • -
      - - All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - using them, you can get the performance even better than with the above theoretically optimal - implementation. Though, those two functions actually calculate cross-correlation, not convolution, - so you need to "flip" the second convolution operand B vertically and horizontally using flip . - Note: -
        -
      • - An example using the discrete fourier transform can be found at - opencv_source_code/samples/cpp/dft.cpp -
        • -
      • - (Python) An example using the dft functionality to perform Wiener deconvolution can be found - at opencv_source/samples/python/deconvolution.py -
        • -
      • - (Python) An example rearranging the quadrants of a Fourier image can be found at - opencv_source/samples/python/dft.py -
        • -
      -
      -
      Parameters:
      -
      src - input array that could be real or complex.
      -
      dst - output array whose size and type depends on the flags . - nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - rows more efficiently and save some time; this technique is very useful for calculating array - cross-correlation or convolution using DFT. - SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - magnitude, phase
      -
      -
      -
      • -
    • -
      -

      idft

      -
      public static void idft(Mat src, - Mat dst, - int flags, - int nonzeroRows)
      -
      Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - - idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - dft or idft explicitly to make these transforms mutually inverse. - SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize
      -
      -
      Parameters:
      -
      src - input floating-point real or complex array.
      -
      dst - output array whose size and type depend on the flags.
      -
      flags - operation flags (see dft and #DftFlags).
      -
      nonzeroRows - number of dst rows to process; the rest of the rows have undefined content (see - the convolution sample in dft description.
      -
      -
      -
      • -
    • -
      -

      idft

      -
      public static void idft(Mat src, - Mat dst, - int flags)
      -
      Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - - idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - dft or idft explicitly to make these transforms mutually inverse. - SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize
      -
      -
      Parameters:
      -
      src - input floating-point real or complex array.
      -
      dst - output array whose size and type depend on the flags.
      -
      flags - operation flags (see dft and #DftFlags). - the convolution sample in dft description.
      -
      -
      -
      • -
    • -
      -

      idft

      -
      public static void idft(Mat src, - Mat dst)
      -
      Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - - idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - dft or idft explicitly to make these transforms mutually inverse. - SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize
      -
      -
      Parameters:
      -
      src - input floating-point real or complex array.
      -
      dst - output array whose size and type depend on the flags. - the convolution sample in dft description.
      -
      -
      -
      • -
    • -
      -

      dct

      -
      public static void dct(Mat src, - Mat dst, - int flags)
      -
      Performs a forward or inverse discrete Cosine transform of 1D or 2D array. - - The function cv::dct performs a forward or inverse discrete Cosine transform (DCT) of a 1D or 2D - floating-point array: -
        -
      • - Forward Cosine transform of a 1D vector of N elements: - \(Y = C^{(N)} \cdot X\) - where - \(C^{(N)}_{jk}= \sqrt{\alpha_j/N} \cos \left ( \frac{\pi(2k+1)j}{2N} \right )\) - and - \(\alpha_0=1\), \(\alpha_j=2\) for *j > 0*. -
        • -
      • - Inverse Cosine transform of a 1D vector of N elements: - \(X = \left (C^{(N)} \right )^{-1} \cdot Y = \left (C^{(N)} \right )^T \cdot Y\) - (since \(C^{(N)}\) is an orthogonal matrix, \(C^{(N)} \cdot \left(C^{(N)}\right)^T = I\) ) -
        • -
      • - Forward 2D Cosine transform of M x N matrix: - \(Y = C^{(N)} \cdot X \cdot \left (C^{(N)} \right )^T\) -
        • -
      • - Inverse 2D Cosine transform of M x N matrix: - \(X = \left (C^{(N)} \right )^T \cdot X \cdot C^{(N)}\) -
        • -
      - - The function chooses the mode of operation by looking at the flags and size of the input array: -
        -
      • - If (flags & #DCT_INVERSE) == 0, the function does a forward 1D or 2D transform. Otherwise, it - is an inverse 1D or 2D transform. -
        • -
      • - If (flags & #DCT_ROWS) != 0, the function performs a 1D transform of each row. -
        • -
      • - If the array is a single column or a single row, the function performs a 1D transform. -
        • -
      • - If none of the above is true, the function performs a 2D transform. -
        • -
      - - Note: Currently dct supports even-size arrays (2, 4, 6 ...). For data analysis and approximation, you - can pad the array when necessary. - Also, the function performance depends very much, and not monotonically, on the array size (see - getOptimalDFTSize ). In the current implementation DCT of a vector of size N is calculated via DFT - of a vector of size N/2 . Thus, the optimal DCT size N1 >= N can be calculated as: - - size_t getOptimalDCTSize(size_t N) { return 2*getOptimalDFTSize((N+1)/2); } - N1 = getOptimalDCTSize(N); -
      -
      -
      Parameters:
      -
      src - input floating-point array.
      -
      dst - output array of the same size and type as src .
      -
      flags - transformation flags as a combination of cv::DftFlags (DCT_*) - SEE: dft, getOptimalDFTSize, idct
      -
      -
      -
      • -
    • -
      -

      dct

      -
      public static void dct(Mat src, - Mat dst)
      -
      Performs a forward or inverse discrete Cosine transform of 1D or 2D array. - - The function cv::dct performs a forward or inverse discrete Cosine transform (DCT) of a 1D or 2D - floating-point array: -
        -
      • - Forward Cosine transform of a 1D vector of N elements: - \(Y = C^{(N)} \cdot X\) - where - \(C^{(N)}_{jk}= \sqrt{\alpha_j/N} \cos \left ( \frac{\pi(2k+1)j}{2N} \right )\) - and - \(\alpha_0=1\), \(\alpha_j=2\) for *j > 0*. -
        • -
      • - Inverse Cosine transform of a 1D vector of N elements: - \(X = \left (C^{(N)} \right )^{-1} \cdot Y = \left (C^{(N)} \right )^T \cdot Y\) - (since \(C^{(N)}\) is an orthogonal matrix, \(C^{(N)} \cdot \left(C^{(N)}\right)^T = I\) ) -
        • -
      • - Forward 2D Cosine transform of M x N matrix: - \(Y = C^{(N)} \cdot X \cdot \left (C^{(N)} \right )^T\) -
        • -
      • - Inverse 2D Cosine transform of M x N matrix: - \(X = \left (C^{(N)} \right )^T \cdot X \cdot C^{(N)}\) -
        • -
      - - The function chooses the mode of operation by looking at the flags and size of the input array: -
        -
      • - If (flags & #DCT_INVERSE) == 0, the function does a forward 1D or 2D transform. Otherwise, it - is an inverse 1D or 2D transform. -
        • -
      • - If (flags & #DCT_ROWS) != 0, the function performs a 1D transform of each row. -
        • -
      • - If the array is a single column or a single row, the function performs a 1D transform. -
        • -
      • - If none of the above is true, the function performs a 2D transform. -
        • -
      - - Note: Currently dct supports even-size arrays (2, 4, 6 ...). For data analysis and approximation, you - can pad the array when necessary. - Also, the function performance depends very much, and not monotonically, on the array size (see - getOptimalDFTSize ). In the current implementation DCT of a vector of size N is calculated via DFT - of a vector of size N/2 . Thus, the optimal DCT size N1 >= N can be calculated as: - - size_t getOptimalDCTSize(size_t N) { return 2*getOptimalDFTSize((N+1)/2); } - N1 = getOptimalDCTSize(N); -
      -
      -
      Parameters:
      -
      src - input floating-point array.
      -
      dst - output array of the same size and type as src . - SEE: dft, getOptimalDFTSize, idct
      -
      -
      -
      • -
    • -
      -

      idct

      -
      public static void idct(Mat src, - Mat dst, - int flags)
      -
      Calculates the inverse Discrete Cosine Transform of a 1D or 2D array. - - idct(src, dst, flags) is equivalent to dct(src, dst, flags | DCT_INVERSE).
      -
      -
      Parameters:
      -
      src - input floating-point single-channel array.
      -
      dst - output array of the same size and type as src.
      -
      flags - operation flags. - SEE: dct, dft, idft, getOptimalDFTSize
      -
      -
      -
      • -
    • -
      -

      idct

      -
      public static void idct(Mat src, - Mat dst)
      -
      Calculates the inverse Discrete Cosine Transform of a 1D or 2D array. - - idct(src, dst, flags) is equivalent to dct(src, dst, flags | DCT_INVERSE).
      -
      -
      Parameters:
      -
      src - input floating-point single-channel array.
      -
      dst - output array of the same size and type as src. - SEE: dct, dft, idft, getOptimalDFTSize
      -
      -
      -
      • -
    • -
      -

      mulSpectrums

      -
      public static void mulSpectrums(Mat a, - Mat b, - Mat c, - int flags, - boolean conjB)
      -
      Performs the per-element multiplication of two Fourier spectrums. - - The function cv::mulSpectrums performs the per-element multiplication of the two CCS-packed or complex - matrices that are results of a real or complex Fourier transform. - - The function, together with dft and idft, may be used to calculate convolution (pass conjB=false ) - or correlation (pass conjB=true ) of two arrays rapidly. When the arrays are complex, they are - simply multiplied (per element) with an optional conjugation of the second-array elements. When the - arrays are real, they are assumed to be CCS-packed (see dft for details).
      -
      -
      Parameters:
      -
      a - first input array.
      -
      b - second input array of the same size and type as src1 .
      -
      c - output array of the same size and type as src1 .
      -
      flags - operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a 0 as value.
      -
      conjB - optional flag that conjugates the second input array before the multiplication (true) - or not (false).
      -
      -
      -
      • -
    • -
      -

      mulSpectrums

      -
      public static void mulSpectrums(Mat a, - Mat b, - Mat c, - int flags)
      -
      Performs the per-element multiplication of two Fourier spectrums. - - The function cv::mulSpectrums performs the per-element multiplication of the two CCS-packed or complex - matrices that are results of a real or complex Fourier transform. - - The function, together with dft and idft, may be used to calculate convolution (pass conjB=false ) - or correlation (pass conjB=true ) of two arrays rapidly. When the arrays are complex, they are - simply multiplied (per element) with an optional conjugation of the second-array elements. When the - arrays are real, they are assumed to be CCS-packed (see dft for details).
      -
      -
      Parameters:
      -
      a - first input array.
      -
      b - second input array of the same size and type as src1 .
      -
      c - output array of the same size and type as src1 .
      -
      flags - operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a 0 as value. - or not (false).
      -
      -
      -
      • -
    • -
      -

      getOptimalDFTSize

      -
      public static int getOptimalDFTSize(int vecsize)
      -
      Returns the optimal DFT size for a given vector size. - - DFT performance is not a monotonic function of a vector size. Therefore, when you calculate - convolution of two arrays or perform the spectral analysis of an array, it usually makes sense to - pad the input data with zeros to get a bit larger array that can be transformed much faster than the - original one. Arrays whose size is a power-of-two (2, 4, 8, 16, 32, ...) are the fastest to process. - Though, the arrays whose size is a product of 2's, 3's, and 5's (for example, 300 = 5\*5\*3\*2\*2) - are also processed quite efficiently. - - The function cv::getOptimalDFTSize returns the minimum number N that is greater than or equal to vecsize - so that the DFT of a vector of size N can be processed efficiently. In the current implementation N - = 2 ^p^ \* 3 ^q^ \* 5 ^r^ for some integer p, q, r. - - The function returns a negative number if vecsize is too large (very close to INT_MAX ). - - While the function cannot be used directly to estimate the optimal vector size for DCT transform - (since the current DCT implementation supports only even-size vectors), it can be easily processed - as getOptimalDFTSize((vecsize+1)/2)\*2.
      -
      -
      Parameters:
      -
      vecsize - vector size. - SEE: dft, dct, idft, idct, mulSpectrums
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRNGSeed

      -
      public static void setRNGSeed(int seed)
      -
      Sets state of default random number generator. - - The function cv::setRNGSeed sets state of default random number generator to custom value.
      -
      -
      Parameters:
      -
      seed - new state for default random number generator - SEE: RNG, randu, randn
      -
      -
      -
      • -
    • -
      -

      randu

      -
      public static void randu(Mat dst, - double low, - double high)
      -
      Generates a single uniformly-distributed random number or an array of random numbers. - - Non-template variant of the function fills the matrix dst with uniformly-distributed - random numbers from the specified range: - \(\texttt{low} _c \leq \texttt{dst} (I)_c < \texttt{high} _c\)
      -
      -
      Parameters:
      -
      dst - output array of random numbers; the array must be pre-allocated.
      -
      low - inclusive lower boundary of the generated random numbers.
      -
      high - exclusive upper boundary of the generated random numbers. - SEE: RNG, randn, theRNG
      -
      -
      -
      • -
    • -
      -

      randn

      -
      public static void randn(Mat dst, - double mean, - double stddev)
      -
      Fills the array with normally distributed random numbers. - - The function cv::randn fills the matrix dst with normally distributed random numbers with the specified - mean vector and the standard deviation matrix. The generated random numbers are clipped to fit the - value range of the output array data type.
      -
      -
      Parameters:
      -
      dst - output array of random numbers; the array must be pre-allocated and have 1 to 4 channels.
      -
      mean - mean value (expectation) of the generated random numbers.
      -
      stddev - standard deviation of the generated random numbers; it can be either a vector (in - which case a diagonal standard deviation matrix is assumed) or a square matrix. - SEE: RNG, randu
      -
      -
      -
      • -
    • -
      -

      randShuffle

      -
      public static void randShuffle(Mat dst, - double iterFactor)
      -
      Shuffles the array elements randomly. - - The function cv::randShuffle shuffles the specified 1D array by randomly choosing pairs of elements and - swapping them. The number of such swap operations will be dst.rows\*dst.cols\*iterFactor .
      -
      -
      Parameters:
      -
      dst - input/output numerical 1D array.
      -
      iterFactor - scale factor that determines the number of random swap operations (see the details - below). - instead. - SEE: RNG, sort
      -
      -
      -
      • -
    • -
      -

      randShuffle

      -
      public static void randShuffle(Mat dst)
      -
      Shuffles the array elements randomly. - - The function cv::randShuffle shuffles the specified 1D array by randomly choosing pairs of elements and - swapping them. The number of such swap operations will be dst.rows\*dst.cols\*iterFactor .
      -
      -
      Parameters:
      -
      dst - input/output numerical 1D array. - below). - instead. - SEE: RNG, sort
      -
      -
      -
      • -
    • -
      -

      kmeans

      -
      public static double kmeans(Mat data, - int K, - Mat bestLabels, - TermCriteria criteria, - int attempts, - int flags, - Mat centers)
      -
      Finds centers of clusters and groups input samples around the clusters. - - The function kmeans implements a k-means algorithm that finds the centers of cluster_count clusters - and groups the input samples around the clusters. As an output, \(\texttt{bestLabels}_i\) contains a - 0-based cluster index for the sample stored in the \(i^{th}\) row of the samples matrix. - - Note: -
        -
      • - (Python) An example on k-means clustering can be found at - opencv_source_code/samples/python/kmeans.py -
        • -
      -
      -
      Parameters:
      -
      data - Data for clustering. An array of N-Dimensional points with float coordinates is needed. - Examples of this array can be: -
        -
      • - Mat points(count, 2, CV_32F); -
        • -
      • - Mat points(count, 1, CV_32FC2); -
        • -
      • - Mat points(1, count, CV_32FC2); -
        • -
      • - std::vector<cv::Point2f> points(sampleCount); -
        • -
      -
      K - Number of clusters to split the set by.
      -
      bestLabels - Input/output integer array that stores the cluster indices for every sample.
      -
      criteria - The algorithm termination criteria, that is, the maximum number of iterations and/or - the desired accuracy. The accuracy is specified as criteria.epsilon. As soon as each of the cluster - centers moves by less than criteria.epsilon on some iteration, the algorithm stops.
      -
      attempts - Flag to specify the number of times the algorithm is executed using different - initial labellings. The algorithm returns the labels that yield the best compactness (see the last - function parameter).
      -
      flags - Flag that can take values of cv::KmeansFlags
      -
      centers - Output matrix of the cluster centers, one row per each cluster center.
      -
      Returns:
      -
      The function returns the compactness measure that is computed as - \(\sum _i \| \texttt{samples} _i - \texttt{centers} _{ \texttt{labels} _i} \| ^2\) - after every attempt. The best (minimum) value is chosen and the corresponding labels and the - compactness value are returned by the function. Basically, you can use only the core of the - function, set the number of attempts to 1, initialize labels each time using a custom algorithm, - pass them with the ( flags = #KMEANS_USE_INITIAL_LABELS ) flag, and then choose the best - (most-compact) clustering.
      -
      -
      -
      • -
    • -
      -

      kmeans

      -
      public static double kmeans(Mat data, - int K, - Mat bestLabels, - TermCriteria criteria, - int attempts, - int flags)
      -
      Finds centers of clusters and groups input samples around the clusters. - - The function kmeans implements a k-means algorithm that finds the centers of cluster_count clusters - and groups the input samples around the clusters. As an output, \(\texttt{bestLabels}_i\) contains a - 0-based cluster index for the sample stored in the \(i^{th}\) row of the samples matrix. - - Note: -
        -
      • - (Python) An example on k-means clustering can be found at - opencv_source_code/samples/python/kmeans.py -
        • -
      -
      -
      Parameters:
      -
      data - Data for clustering. An array of N-Dimensional points with float coordinates is needed. - Examples of this array can be: -
        -
      • - Mat points(count, 2, CV_32F); -
        • -
      • - Mat points(count, 1, CV_32FC2); -
        • -
      • - Mat points(1, count, CV_32FC2); -
        • -
      • - std::vector<cv::Point2f> points(sampleCount); -
        • -
      -
      K - Number of clusters to split the set by.
      -
      bestLabels - Input/output integer array that stores the cluster indices for every sample.
      -
      criteria - The algorithm termination criteria, that is, the maximum number of iterations and/or - the desired accuracy. The accuracy is specified as criteria.epsilon. As soon as each of the cluster - centers moves by less than criteria.epsilon on some iteration, the algorithm stops.
      -
      attempts - Flag to specify the number of times the algorithm is executed using different - initial labellings. The algorithm returns the labels that yield the best compactness (see the last - function parameter).
      -
      flags - Flag that can take values of cv::KmeansFlags
      -
      Returns:
      -
      The function returns the compactness measure that is computed as - \(\sum _i \| \texttt{samples} _i - \texttt{centers} _{ \texttt{labels} _i} \| ^2\) - after every attempt. The best (minimum) value is chosen and the corresponding labels and the - compactness value are returned by the function. Basically, you can use only the core of the - function, set the number of attempts to 1, initialize labels each time using a custom algorithm, - pass them with the ( flags = #KMEANS_USE_INITIAL_LABELS ) flag, and then choose the best - (most-compact) clustering.
      -
      -
      -
      • -
    • -
      -

      setNumThreads

      -
      public static void setNumThreads(int nthreads)
      -
      OpenCV will try to set the number of threads for subsequent parallel regions. - - If threads == 1, OpenCV will disable threading optimizations and run all it's functions - sequentially. Passing threads < 0 will reset threads number to system default. - The function is not thread-safe. It must not be called in parallel region or concurrent threads. - - OpenCV will try to run its functions with specified threads number, but some behaviour differs from - framework: -
        -
      • - TBB - User-defined parallel constructions will run with the same threads number, if - another is not specified. If later on user creates his own scheduler, OpenCV will use it. -
        • -
      • - OpenMP - No special defined behaviour. -
        • -
      • - Concurrency - If threads == 1, OpenCV will disable threading optimizations and run its - functions sequentially. -
        • -
      • - GCD - Supports only values <= 0. -
        • -
      • - C= - No special defined behaviour. -
        • -
      -
      -
      Parameters:
      -
      nthreads - Number of threads used by OpenCV. - SEE: getNumThreads, getThreadNum
      -
      -
      -
      • -
    • -
      -

      getNumThreads

      -
      public static int getNumThreads()
      -
      Returns the number of threads used by OpenCV for parallel regions. - - Always returns 1 if OpenCV is built without threading support. - - The exact meaning of return value depends on the threading framework used by OpenCV library: -
        -
      • - TBB - The number of threads, that OpenCV will try to use for parallel regions. If there is - any tbb::thread_scheduler_init in user code conflicting with OpenCV, then function returns - default number of threads used by TBB library. -
        • -
      • - OpenMP - An upper bound on the number of threads that could be used to form a new team. -
        • -
      • - Concurrency - The number of threads, that OpenCV will try to use for parallel regions. -
        • -
      • - GCD - Unsupported; returns the GCD thread pool limit (512) for compatibility. -
        • -
      • - C= - The number of threads, that OpenCV will try to use for parallel regions, if before - called setNumThreads with threads > 0, otherwise returns the number of logical CPUs, - available for the process. - SEE: setNumThreads, getThreadNum -
        • -
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getBuildInformation

      -
      public static String getBuildInformation()
      -
      Returns full configuration time cmake output. - - Returned value is raw cmake output including version control system revision, compiler version, - compiler flags, enabled modules and third party libraries, etc. Output format depends on target - architecture.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVersionString

      -
      public static String getVersionString()
      -
      Returns library version string - - For example "3.4.1-dev". - - SEE: getMajorVersion, getMinorVersion, getRevisionVersion
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVersionMajor

      -
      public static int getVersionMajor()
      -
      Returns major library version
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVersionMinor

      -
      public static int getVersionMinor()
      -
      Returns minor library version
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVersionRevision

      -
      public static int getVersionRevision()
      -
      Returns revision field of the library version
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTickCount

      -
      public static long getTickCount()
      -
      Returns the number of ticks. - - The function returns the number of ticks after the certain event (for example, when the machine was - turned on). It can be used to initialize RNG or to measure a function execution time by reading the - tick count before and after the function call. - SEE: getTickFrequency, TickMeter
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTickFrequency

      -
      public static double getTickFrequency()
      -
      Returns the number of ticks per second. - - The function returns the number of ticks per second. That is, the following code computes the - execution time in seconds: - - double t = (double)getTickCount(); - // do something ... - t = ((double)getTickCount() - t)/getTickFrequency(); - - SEE: getTickCount, TickMeter
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCPUTickCount

      -
      public static long getCPUTickCount()
      -
      Returns the number of CPU ticks. - - The function returns the current number of CPU ticks on some architectures (such as x86, x64, - PowerPC). On other platforms the function is equivalent to getTickCount. It can also be used for - very accurate time measurements, as well as for RNG initialization. Note that in case of multi-CPU - systems a thread, from which getCPUTickCount is called, can be suspended and resumed at another CPU - with its own counter. So, theoretically (and practically) the subsequent calls to the function do - not necessary return the monotonously increasing values. Also, since a modern CPU varies the CPU - frequency depending on the load, the number of CPU clocks spent in some code cannot be directly - converted to time units. Therefore, getTickCount is generally a preferable solution for measuring - execution time.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkHardwareSupport

      -
      public static boolean checkHardwareSupport(int feature)
      -
      Returns true if the specified feature is supported by the host hardware. - - The function returns true if the host hardware supports the specified feature. When user calls - setUseOptimized(false), the subsequent calls to checkHardwareSupport() will return false until - setUseOptimized(true) is called. This way user can dynamically switch on and off the optimized code - in OpenCV.
      -
      -
      Parameters:
      -
      feature - The feature of interest, one of cv::CpuFeatures
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getHardwareFeatureName

      -
      public static String getHardwareFeatureName(int feature)
      -
      Returns feature name by ID - - Returns empty string if feature is not defined
      -
      -
      Parameters:
      -
      feature - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCPUFeaturesLine

      -
      public static String getCPUFeaturesLine()
      -
      Returns list of CPU features enabled during compilation. - - Returned value is a string containing space separated list of CPU features with following markers: - -
        -
      • - no markers - baseline features -
        • -
      • - prefix * - features enabled in dispatcher -
        • -
      • - suffix ? - features enabled but not available in HW -
        • -
      - - Example: SSE SSE2 SSE3 *SSE4.1 *SSE4.2 *FP16 *AVX *AVX2 *AVX512-SKX?
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getNumberOfCPUs

      -
      public static int getNumberOfCPUs()
      -
      Returns the number of logical CPUs available for the process.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultAlgorithmHint

      -
      public static int getDefaultAlgorithmHint()
      -
      -
      • -
    • -
      -

      setUseOptimized

      -
      public static void setUseOptimized(boolean onoff)
      -
      Enables or disables the optimized code. - - The function can be used to dynamically turn on and off optimized dispatched code (code that uses SSE4.2, AVX/AVX2, - and other instructions on the platforms that support it). It sets a global flag that is further - checked by OpenCV functions. Since the flag is not checked in the inner OpenCV loops, it is only - safe to call the function on the very top level in your application where you can be sure that no - other OpenCV function is currently executed. - - By default, the optimized code is enabled unless you disable it in CMake. The current status can be - retrieved using useOptimized.
      -
      -
      Parameters:
      -
      onoff - The boolean flag specifying whether the optimized code should be used (onoff=true) - or not (onoff=false).
      -
      -
      -
      • -
    • -
      -

      useOptimized

      -
      public static boolean useOptimized()
      -
      Returns the status of optimized code usage. - - The function returns true if the optimized code is enabled. Otherwise, it returns false.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findFile

      -
      public static String findFile(String relative_path, - boolean required, - boolean silentMode)
      -
      Try to find requested data file - - Search directories: - - 1. Directories passed via addSamplesDataSearchPath() - 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - 3. OPENCV_SAMPLES_DATA_PATH environment variable - If parameter value is not empty and nothing is found then stop searching. - 4. Detects build/install path based on: - a. current working directory (CWD) - b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - 5. Scan &lt;source&gt;/{,data,samples/data} directories if build directory is detected or the current directory is in source tree. - 6. Scan &lt;install&gt;/share/OpenCV directory if install directory is detected. - - SEE: cv::utils::findDataFile
      -
      -
      Parameters:
      -
      relative_path - Relative path to data file
      -
      required - Specify "file not found" handling. - If true, function prints information message and raises cv::Exception. - If false, function returns empty result
      -
      silentMode - Disables messages
      -
      Returns:
      -
      Returns path (absolute or relative to the current directory) or empty string if file is not found
      -
      -
      -
      • -
    • -
      -

      findFile

      -
      public static String findFile(String relative_path, - boolean required)
      -
      Try to find requested data file - - Search directories: - - 1. Directories passed via addSamplesDataSearchPath() - 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - 3. OPENCV_SAMPLES_DATA_PATH environment variable - If parameter value is not empty and nothing is found then stop searching. - 4. Detects build/install path based on: - a. current working directory (CWD) - b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - 5. Scan &lt;source&gt;/{,data,samples/data} directories if build directory is detected or the current directory is in source tree. - 6. Scan &lt;install&gt;/share/OpenCV directory if install directory is detected. - - SEE: cv::utils::findDataFile
      -
      -
      Parameters:
      -
      relative_path - Relative path to data file
      -
      required - Specify "file not found" handling. - If true, function prints information message and raises cv::Exception. - If false, function returns empty result
      -
      Returns:
      -
      Returns path (absolute or relative to the current directory) or empty string if file is not found
      -
      -
      -
      • -
    • -
      -

      findFile

      -
      public static String findFile(String relative_path)
      -
      Try to find requested data file - - Search directories: - - 1. Directories passed via addSamplesDataSearchPath() - 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - 3. OPENCV_SAMPLES_DATA_PATH environment variable - If parameter value is not empty and nothing is found then stop searching. - 4. Detects build/install path based on: - a. current working directory (CWD) - b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - 5. Scan &lt;source&gt;/{,data,samples/data} directories if build directory is detected or the current directory is in source tree. - 6. Scan &lt;install&gt;/share/OpenCV directory if install directory is detected. - - SEE: cv::utils::findDataFile
      -
      -
      Parameters:
      -
      relative_path - Relative path to data file - If true, function prints information message and raises cv::Exception. - If false, function returns empty result
      -
      Returns:
      -
      Returns path (absolute or relative to the current directory) or empty string if file is not found
      -
      -
      -
      • -
    • -
      -

      findFileOrKeep

      -
      public static String findFileOrKeep(String relative_path, - boolean silentMode)
      -
      -
      • -
    • -
      -

      findFileOrKeep

      -
      public static String findFileOrKeep(String relative_path)
      -
      -
      • -
    • -
      -

      addSamplesDataSearchPath

      -
      public static void addSamplesDataSearchPath(String path)
      -
      Override search data path by adding new search location - - Use this only to override default behavior - Passed paths are used in LIFO order.
      -
      -
      Parameters:
      -
      path - Path to used samples data
      -
      -
      -
      • -
    • -
      -

      addSamplesDataSearchSubDirectory

      -
      public static void addSamplesDataSearchSubDirectory(String subdir)
      -
      Append samples search data sub directory - - General usage is to add OpenCV modules name (&lt;opencv_contrib&gt;/modules/&lt;name&gt;/samples/data -> &lt;name&gt;/samples/data + modules/&lt;name&gt;/samples/data). - Passed subdirectories are used in LIFO order.
      -
      -
      Parameters:
      -
      subdir - samples data sub directory
      -
      -
      -
      • -
    • -
      -

      setErrorVerbosity

      -
      public static void setErrorVerbosity(boolean verbose)
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Scalar src2, - Mat dst, - Mat mask, - int dtype)
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Scalar src2, - Mat dst, - Mat mask)
      -
      -
      • -
    • -
      -

      add

      -
      public static void add(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Scalar src2, - Mat dst, - Mat mask, - int dtype)
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Scalar src2, - Mat dst, - Mat mask)
      -
      -
      • -
    • -
      -

      subtract

      -
      public static void subtract(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Scalar src2, - Mat dst, - double scale, - int dtype)
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Scalar src2, - Mat dst, - double scale)
      -
      -
      • -
    • -
      -

      multiply

      -
      public static void multiply(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Scalar src2, - Mat dst, - double scale, - int dtype)
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Scalar src2, - Mat dst, - double scale)
      -
      -
      • -
    • -
      -

      divide

      -
      public static void divide(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      absdiff

      -
      public static void absdiff(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      compare

      -
      public static void compare(Mat src1, - Scalar src2, - Mat dst, - int cmpop)
      -
      -
      • -
    • -
      -

      min

      -
      public static void min(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      max

      -
      public static void max(Mat src1, - Scalar src2, - Mat dst)
      -
      -
      • -
    • -
      -

      minMaxLoc

      -
      public static Core.MinMaxLocResult minMaxLoc(Mat src, - Mat mask)
      -
      -
      • -
    • -
      -

      minMaxLoc

      -
      public static Core.MinMaxLocResult minMaxLoc(Mat src)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvException.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvException.html deleted file mode 100644 index 5acadb8f5b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvException.html +++ /dev/null @@ -1,197 +0,0 @@ - - - - -CvException (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class CvException

-
-
java.lang.Object -
java.lang.Throwable -
java.lang.Exception -
java.lang.RuntimeException -
org.opencv.core.CvException
-
-
-
-
-
-
-
All Implemented Interfaces:
-
Serializable
-
-
-
public class CvException -extends RuntimeException
-
-
See Also:
-
- -
-
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CvException

      -
      public CvException(String msg)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    - -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvType.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvType.html deleted file mode 100644 index a2db89a383..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/CvType.html +++ /dev/null @@ -1,735 +0,0 @@ - - - - -CvType (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class CvType

-
-
java.lang.Object -
org.opencv.core.CvType
-
-
-
-
public final class CvType -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CV_8U

      -
      public static final int CV_8U
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_8S

      -
      public static final int CV_8S
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_16U

      -
      public static final int CV_16U
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_16S

      -
      public static final int CV_16S
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_32S

      -
      public static final int CV_32S
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_32F

      -
      public static final int CV_32F
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_64F

      -
      public static final int CV_64F
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_16F

      -
      public static final int CV_16F
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_8UC1

      -
      public static final int CV_8UC1
      -
      -
      • -
    • -
      -

      CV_8UC2

      -
      public static final int CV_8UC2
      -
      -
      • -
    • -
      -

      CV_8UC3

      -
      public static final int CV_8UC3
      -
      -
      • -
    • -
      -

      CV_8UC4

      -
      public static final int CV_8UC4
      -
      -
      • -
    • -
      -

      CV_8SC1

      -
      public static final int CV_8SC1
      -
      -
      • -
    • -
      -

      CV_8SC2

      -
      public static final int CV_8SC2
      -
      -
      • -
    • -
      -

      CV_8SC3

      -
      public static final int CV_8SC3
      -
      -
      • -
    • -
      -

      CV_8SC4

      -
      public static final int CV_8SC4
      -
      -
      • -
    • -
      -

      CV_16UC1

      -
      public static final int CV_16UC1
      -
      -
      • -
    • -
      -

      CV_16UC2

      -
      public static final int CV_16UC2
      -
      -
      • -
    • -
      -

      CV_16UC3

      -
      public static final int CV_16UC3
      -
      -
      • -
    • -
      -

      CV_16UC4

      -
      public static final int CV_16UC4
      -
      -
      • -
    • -
      -

      CV_16SC1

      -
      public static final int CV_16SC1
      -
      -
      • -
    • -
      -

      CV_16SC2

      -
      public static final int CV_16SC2
      -
      -
      • -
    • -
      -

      CV_16SC3

      -
      public static final int CV_16SC3
      -
      -
      • -
    • -
      -

      CV_16SC4

      -
      public static final int CV_16SC4
      -
      -
      • -
    • -
      -

      CV_32SC1

      -
      public static final int CV_32SC1
      -
      -
      • -
    • -
      -

      CV_32SC2

      -
      public static final int CV_32SC2
      -
      -
      • -
    • -
      -

      CV_32SC3

      -
      public static final int CV_32SC3
      -
      -
      • -
    • -
      -

      CV_32SC4

      -
      public static final int CV_32SC4
      -
      -
      • -
    • -
      -

      CV_32FC1

      -
      public static final int CV_32FC1
      -
      -
      • -
    • -
      -

      CV_32FC2

      -
      public static final int CV_32FC2
      -
      -
      • -
    • -
      -

      CV_32FC3

      -
      public static final int CV_32FC3
      -
      -
      • -
    • -
      -

      CV_32FC4

      -
      public static final int CV_32FC4
      -
      -
      • -
    • -
      -

      CV_64FC1

      -
      public static final int CV_64FC1
      -
      -
      • -
    • -
      -

      CV_64FC2

      -
      public static final int CV_64FC2
      -
      -
      • -
    • -
      -

      CV_64FC3

      -
      public static final int CV_64FC3
      -
      -
      • -
    • -
      -

      CV_64FC4

      -
      public static final int CV_64FC4
      -
      -
      • -
    • -
      -

      CV_16FC1

      -
      public static final int CV_16FC1
      -
      -
      • -
    • -
      -

      CV_16FC2

      -
      public static final int CV_16FC2
      -
      -
      • -
    • -
      -

      CV_16FC3

      -
      public static final int CV_16FC3
      -
      -
      • -
    • -
      -

      CV_16FC4

      -
      public static final int CV_16FC4
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CvType

      -
      public CvType()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      makeType

      -
      public static final int makeType(int depth, - int channels)
      -
      -
      • -
    • -
      -

      CV_8UC

      -
      public static final int CV_8UC(int ch)
      -
      -
      • -
    • -
      -

      CV_8SC

      -
      public static final int CV_8SC(int ch)
      -
      -
      • -
    • -
      -

      CV_16UC

      -
      public static final int CV_16UC(int ch)
      -
      -
      • -
    • -
      -

      CV_16SC

      -
      public static final int CV_16SC(int ch)
      -
      -
      • -
    • -
      -

      CV_32SC

      -
      public static final int CV_32SC(int ch)
      -
      -
      • -
    • -
      -

      CV_32FC

      -
      public static final int CV_32FC(int ch)
      -
      -
      • -
    • -
      -

      CV_64FC

      -
      public static final int CV_64FC(int ch)
      -
      -
      • -
    • -
      -

      CV_16FC

      -
      public static final int CV_16FC(int ch)
      -
      -
      • -
    • -
      -

      channels

      -
      public static final int channels(int type)
      -
      -
      • -
    • -
      -

      depth

      -
      public static final int depth(int type)
      -
      -
      • -
    • -
      -

      isInteger

      -
      public static final boolean isInteger(int type)
      -
      -
      • -
    • -
      -

      ELEM_SIZE

      -
      public static final int ELEM_SIZE(int type)
      -
      -
      • -
    • -
      -

      typeToString

      -
      public static final String typeToString(int type)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/DMatch.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/DMatch.html deleted file mode 100644 index fa0cdd6db6..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/DMatch.html +++ /dev/null @@ -1,278 +0,0 @@ - - - - -DMatch (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class DMatch

-
-
java.lang.Object -
org.opencv.core.DMatch
-
-
-
-
public class DMatch -extends Object
-
Structure for matching: query descriptor index, train descriptor index, train - image index and distance between descriptors.
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    float
    -
    distance
    -
     
    -
    int
    -
    imgIdx
    -
    -
    Train image index.
    -
    -
    int
    -
    queryIdx
    -
    -
    Query descriptor index.
    -
    -
    int
    -
    trainIdx
    -
    -
    Train descriptor index.
    -
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    DMatch()
    -
     
    -
    DMatch(int _queryIdx, - int _trainIdx, - float _distance)
    -
     
    -
    DMatch(int _queryIdx, - int _trainIdx, - int _imgIdx, - float _distance)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    boolean
    -
    lessThan(DMatch it)
    -
     
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      queryIdx

      -
      public int queryIdx
      -
      Query descriptor index.
      -
      -
      • -
    • -
      -

      trainIdx

      -
      public int trainIdx
      -
      Train descriptor index.
      -
      -
      • -
    • -
      -

      imgIdx

      -
      public int imgIdx
      -
      Train image index.
      -
      -
      • -
    • -
      -

      distance

      -
      public float distance
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      DMatch

      -
      public DMatch()
      -
      -
      • -
    • -
      -

      DMatch

      -
      public DMatch(int _queryIdx, - int _trainIdx, - float _distance)
      -
      -
      • -
    • -
      -

      DMatch

      -
      public DMatch(int _queryIdx, - int _trainIdx, - int _imgIdx, - float _distance)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      lessThan

      -
      public boolean lessThan(DMatch it)
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/KeyPoint.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/KeyPoint.html deleted file mode 100644 index 8d1e6d225f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/KeyPoint.html +++ /dev/null @@ -1,351 +0,0 @@ - - - - -KeyPoint (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class KeyPoint

-
-
java.lang.Object -
org.opencv.core.KeyPoint
-
-
-
-
public class KeyPoint -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    float
    -
    angle
    -
    -
    Computed orientation of the keypoint (-1 if not applicable).
    -
    -
    int
    -
    class_id
    -
    -
    Object ID, that can be used to cluster keypoints by an object they - belong to.
    -
    -
    int
    -
    octave
    -
    -
    Octave (pyramid layer), from which the keypoint has been extracted.
    -
    -
    Point
    -
    pt
    -
    -
    Coordinates of the keypoint.
    -
    -
    float
    -
    response
    -
    -
    The response, by which the strongest keypoints have been selected.
    -
    -
    float
    -
    size
    -
    -
    Diameter of the useful keypoint adjacent area.
    -
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    KeyPoint()
    -
     
    -
    KeyPoint(float x, - float y, - float _size)
    -
     
    -
    KeyPoint(float x, - float y, - float _size, - float _angle)
    -
     
    -
    KeyPoint(float x, - float y, - float _size, - float _angle, - float _response)
    -
     
    -
    KeyPoint(float x, - float y, - float _size, - float _angle, - float _response, - int _octave)
    -
     
    -
    KeyPoint(float x, - float y, - float _size, - float _angle, - float _response, - int _octave, - int _class_id)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      pt

      -
      public Point pt
      -
      Coordinates of the keypoint.
      -
      -
      • -
    • -
      -

      size

      -
      public float size
      -
      Diameter of the useful keypoint adjacent area.
      -
      -
      • -
    • -
      -

      angle

      -
      public float angle
      -
      Computed orientation of the keypoint (-1 if not applicable).
      -
      -
      • -
    • -
      -

      response

      -
      public float response
      -
      The response, by which the strongest keypoints have been selected. Can - be used for further sorting or subsampling.
      -
      -
      • -
    • -
      -

      octave

      -
      public int octave
      -
      Octave (pyramid layer), from which the keypoint has been extracted.
      -
      -
      • -
    • -
      -

      class_id

      -
      public int class_id
      -
      Object ID, that can be used to cluster keypoints by an object they - belong to.
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      KeyPoint

      -
      public KeyPoint(float x, - float y, - float _size, - float _angle, - float _response, - int _octave, - int _class_id)
      -
      -
      • -
    • -
      -

      KeyPoint

      -
      public KeyPoint()
      -
      -
      • -
    • -
      -

      KeyPoint

      -
      public KeyPoint(float x, - float y, - float _size, - float _angle, - float _response, - int _octave)
      -
      -
      • -
    • -
      -

      KeyPoint

      -
      public KeyPoint(float x, - float y, - float _size, - float _angle, - float _response)
      -
      -
      • -
    • -
      -

      KeyPoint

      -
      public KeyPoint(float x, - float y, - float _size, - float _angle)
      -
      -
      • -
    • -
      -

      KeyPoint

      -
      public KeyPoint(float x, - float y, - float _size)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    - -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Atable.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Atable.html deleted file mode 100644 index e3b689d49d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Atable.html +++ /dev/null @@ -1,205 +0,0 @@ - - - - -Mat.Atable (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Interface Mat.Atable<T>

-
-
-
-
Enclosing class:
-
Mat
-
-
-
public static interface Mat.Atable<T>
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    - -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple2.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple2.html deleted file mode 100644 index 8dfcf3205b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple2.html +++ /dev/null @@ -1,187 +0,0 @@ - - - - -Mat.Tuple2 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Mat.Tuple2<T>

-
-
java.lang.Object -
org.opencv.core.Mat.Tuple2<T>
-
-
-
-
Enclosing class:
-
Mat
-
-
-
public static class Mat.Tuple2<T> -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Tuple2

      -
      public Tuple2(T _0, - T _1)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      get_0

      -
      public T get_0()
      -
      -
      • -
    • -
      -

      get_1

      -
      public T get_1()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple3.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple3.html deleted file mode 100644 index 04e60cb897..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple3.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -Mat.Tuple3 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Mat.Tuple3<T>

-
-
java.lang.Object -
org.opencv.core.Mat.Tuple3<T>
-
-
-
-
Enclosing class:
-
Mat
-
-
-
public static class Mat.Tuple3<T> -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Tuple3

      -
      public Tuple3(T _0, - T _1, - T _2)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      get_0

      -
      public T get_0()
      -
      -
      • -
    • -
      -

      get_1

      -
      public T get_1()
      -
      -
      • -
    • -
      -

      get_2

      -
      public T get_2()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple4.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple4.html deleted file mode 100644 index 8c442ccd61..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.Tuple4.html +++ /dev/null @@ -1,209 +0,0 @@ - - - - -Mat.Tuple4 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Mat.Tuple4<T>

-
-
java.lang.Object -
org.opencv.core.Mat.Tuple4<T>
-
-
-
-
Enclosing class:
-
Mat
-
-
-
public static class Mat.Tuple4<T> -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Tuple4

      -
      public Tuple4(T _0, - T _1, - T _2, - T _3)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      get_0

      -
      public T get_0()
      -
      -
      • -
    • -
      -

      get_1

      -
      public T get_1()
      -
      -
      • -
    • -
      -

      get_2

      -
      public T get_2()
      -
      -
      • -
    • -
      -

      get_3

      -
      public T get_3()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.html deleted file mode 100644 index 348cbf0619..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Mat.html +++ /dev/null @@ -1,1499 +0,0 @@ - - - - -Mat (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Mat

-
-
java.lang.Object -
org.opencv.core.Mat
-
-
-
-
Direct Known Subclasses:
-
MatOfByte, MatOfDMatch, MatOfDouble, MatOfFloat, MatOfFloat4, MatOfFloat6, MatOfInt, MatOfInt4, MatOfKeyPoint, MatOfPoint, MatOfPoint2f, MatOfPoint3, MatOfPoint3f, MatOfRect, MatOfRect2d, MatOfRotatedRect
-
-
-
public class Mat -extends Object
-
-
-
    - -
  • -
    -

    Nested Class Summary

    -
    Nested Classes
    -
    -
    Modifier and Type
    -
    Class
    -
    Description
    -
    static interface 
    -
    Mat.Atable<T>
    -
     
    -
    static class 
    -
    Mat.Tuple2<T>
    -
     
    -
    static class 
    -
    Mat.Tuple3<T>
    -
     
    -
    static class 
    -
    Mat.Tuple4<T>
    -
     
    -
    -
    -
    • - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    final long
    -
    nativeObj
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Mat()
    -
     
    -
    Mat(int[] sizes, - int type)
    -
     
    -
    Mat(int[] sizes, - int type, - Scalar s)
    -
     
    -
    Mat(int rows, - int cols, - int type)
    -
     
    -
    Mat(int rows, - int cols, - int type, - ByteBuffer data)
    -
     
    -
    Mat(int rows, - int cols, - int type, - ByteBuffer data, - long step)
    -
     
    -
    Mat(int rows, - int cols, - int type, - Scalar s)
    -
     
    -
    Mat(long addr)
    -
     
    -
    Mat(Mat m, - Range rowRange)
    -
     
    -
    Mat(Mat m, - Range[] ranges)
    -
     
    -
    Mat(Mat m, - Range rowRange, - Range colRange)
    -
     
    -
    Mat(Mat m, - Rect roi)
    -
     
    -
    Mat(Size size, - int type)
    -
     
    -
    Mat(Size size, - int type, - Scalar s)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    Mat
    -
    adjustROI(int dtop, - int dbottom, - int dleft, - int dright)
    -
     
    -
    void
    -
    assignTo(Mat m)
    -
     
    -
    void
    -
    assignTo(Mat m, - int type)
    -
     
    -
    <T> Mat.Atable<T>
    -
    at(Class<T> clazz, - int[] idx)
    -
     
    -
    <T> Mat.Atable<T>
    -
    at(Class<T> clazz, - int row, - int col)
    -
     
    -
    int
    -
    channels()
    -
     
    -
    int
    -
    checkVector(int elemChannels)
    -
     
    -
    int
    -
    checkVector(int elemChannels, - int depth)
    -
     
    -
    int
    -
    checkVector(int elemChannels, - int depth, - boolean requireContinuous)
    -
     
    -
    Mat
    -
    clone()
    -
     
    -
    Mat
    -
    col(int x)
    -
     
    -
    Mat
    -
    colRange(int startcol, - int endcol)
    -
     
    -
    Mat
    -
    colRange(Range r)
    -
     
    -
    int
    -
    cols()
    -
     
    -
    void
    -
    convertTo(Mat m, - int rtype)
    -
     
    -
    void
    -
    convertTo(Mat m, - int rtype, - double alpha)
    -
     
    -
    void
    -
    convertTo(Mat m, - int rtype, - double alpha, - double beta)
    -
     
    -
    void
    -
    copySize(Mat m)
    -
     
    -
    void
    -
    copyTo(Mat m)
    -
     
    -
    void
    -
    copyTo(Mat m, - Mat mask)
    -
     
    -
    void
    -
    create(int[] sizes, - int type)
    -
     
    -
    void
    -
    create(int rows, - int cols, - int type)
    -
     
    -
    void
    -
    create(Size size, - int type)
    -
     
    -
    Mat
    -
    cross(Mat m)
    -
     
    -
    long
    -
    dataAddr()
    -
     
    -
    int
    -
    depth()
    -
     
    -
    Mat
    -
    diag()
    -
     
    -
    Mat
    -
    diag(int d)
    -
     
    -
    static Mat
    -
    diag(Mat d)
    -
     
    -
    int
    -
    dims()
    -
     
    -
    double
    -
    dot(Mat m)
    -
     
    -
    String
    -
    dump()
    -
     
    -
    long
    -
    elemSize()
    -
     
    -
    long
    -
    elemSize1()
    -
     
    -
    boolean
    -
    empty()
    -
     
    -
    static Mat
    -
    eye(int rows, - int cols, - int type)
    -
     
    -
    static Mat
    -
    eye(Size size, - int type)
    -
     
    -
    double[]
    -
    get(int[] idx)
    -
     
    -
    int
    -
    get(int[] idx, - byte[] data)
    -
     
    -
    int
    -
    get(int[] idx, - double[] data)
    -
     
    -
    int
    -
    get(int[] idx, - float[] data)
    -
     
    -
    int
    -
    get(int[] idx, - int[] data)
    -
     
    -
    int
    -
    get(int[] idx, - short[] data)
    -
     
    -
    double[]
    -
    get(int row, - int col)
    -
     
    -
    int
    -
    get(int row, - int col, - byte[] data)
    -
     
    -
    int
    -
    get(int row, - int col, - double[] data)
    -
     
    -
    int
    -
    get(int row, - int col, - float[] data)
    -
     
    -
    int
    -
    get(int row, - int col, - int[] data)
    -
     
    -
    int
    -
    get(int row, - int col, - short[] data)
    -
     
    -
    long
    -
    getNativeObjAddr()
    -
     
    -
    int
    -
    height()
    -
     
    -
    Mat
    -
    inv()
    -
     
    -
    Mat
    -
    inv(int method)
    -
     
    -
    boolean
    -
    isContinuous()
    -
     
    -
    boolean
    -
    isSubmatrix()
    -
     
    -
    void
    -
    locateROI(Size wholeSize, - Point ofs)
    -
     
    -
    Mat
    -
    matMul(Mat m)
    -
    -
    Matrix multiplication
    -
    -
    Mat
    -
    mul(Mat m)
    -
    -
    Element-wise multiplication
    -
    -
    Mat
    -
    mul(Mat m, - double scale)
    -
    -
    Element-wise multiplication with scale factor
    -
    -
    static Mat
    -
    ones(int[] sizes, - int type)
    -
     
    -
    static Mat
    -
    ones(int rows, - int cols, - int type)
    -
     
    -
    static Mat
    -
    ones(Size size, - int type)
    -
     
    -
    void
    -
    push_back(Mat m)
    -
     
    -
    int
    -
    put(int[] idx, - byte[] data)
    -
     
    -
    int
    -
    put(int[] idx, - byte[] data, - int offset, - int length)
    -
     
    -
    int
    -
    put(int[] idx, - double... data)
    -
     
    -
    int
    -
    put(int[] idx, - float[] data)
    -
     
    -
    int
    -
    put(int[] idx, - int[] data)
    -
     
    -
    int
    -
    put(int[] idx, - short[] data)
    -
     
    -
    int
    -
    put(int row, - int col, - byte[] data)
    -
     
    -
    int
    -
    put(int row, - int col, - byte[] data, - int offset, - int length)
    -
     
    -
    int
    -
    put(int row, - int col, - double... data)
    -
     
    -
    int
    -
    put(int row, - int col, - float[] data)
    -
     
    -
    int
    -
    put(int row, - int col, - int[] data)
    -
     
    -
    int
    -
    put(int row, - int col, - short[] data)
    -
     
    -
    void
    -
    release()
    -
     
    -
    Mat
    -
    reshape(int cn)
    -
     
    -
    Mat
    -
    reshape(int cn, - int rows)
    -
     
    -
    Mat
    -
    reshape(int cn, - int[] newshape)
    -
     
    -
    Mat
    -
    row(int y)
    -
     
    -
    Mat
    -
    rowRange(int startrow, - int endrow)
    -
     
    -
    Mat
    -
    rowRange(Range r)
    -
     
    -
    int
    -
    rows()
    -
     
    -
    Mat
    -
    setTo(Mat value)
    -
     
    -
    Mat
    -
    setTo(Mat value, - Mat mask)
    -
     
    -
    Mat
    -
    setTo(Scalar s)
    -
     
    -
    Mat
    -
    setTo(Scalar value, - Mat mask)
    -
     
    -
    Size
    -
    size()
    -
     
    -
    int
    -
    size(int i)
    -
     
    -
    long
    -
    step1()
    -
     
    -
    long
    -
    step1(int i)
    -
     
    -
    Mat
    -
    submat(int rowStart, - int rowEnd, - int colStart, - int colEnd)
    -
     
    -
    Mat
    -
    submat(Range[] ranges)
    -
     
    -
    Mat
    -
    submat(Range rowRange, - Range colRange)
    -
     
    -
    Mat
    -
    submat(Rect roi)
    -
     
    -
    Mat
    -
    t()
    -
     
    -
    String
    -
    toString()
    -
     
    -
    long
    -
    total()
    -
     
    -
    int
    -
    type()
    -
     
    -
    int
    -
    width()
    -
     
    -
    static Mat
    -
    zeros(int[] sizes, - int type)
    -
     
    -
    static Mat
    -
    zeros(int rows, - int cols, - int type)
    -
     
    -
    static Mat
    -
    zeros(Size size, - int type)
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      nativeObj

      -
      public final long nativeObj
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Mat

      -
      public Mat(long addr)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat()
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int rows, - int cols, - int type)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int rows, - int cols, - int type, - ByteBuffer data)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int rows, - int cols, - int type, - ByteBuffer data, - long step)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Size size, - int type)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int[] sizes, - int type)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int rows, - int cols, - int type, - Scalar s)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Size size, - int type, - Scalar s)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(int[] sizes, - int type, - Scalar s)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Mat m, - Range rowRange, - Range colRange)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Mat m, - Range rowRange)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Mat m, - Range[] ranges)
      -
      -
      • -
    • -
      -

      Mat

      -
      public Mat(Mat m, - Rect roi)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      adjustROI

      -
      public Mat adjustROI(int dtop, - int dbottom, - int dleft, - int dright)
      -
      -
      • -
    • -
      -

      assignTo

      -
      public void assignTo(Mat m, - int type)
      -
      -
      • -
    • -
      -

      assignTo

      -
      public void assignTo(Mat m)
      -
      -
      • -
    • -
      -

      channels

      -
      public int channels()
      -
      -
      • -
    • -
      -

      checkVector

      -
      public int checkVector(int elemChannels, - int depth, - boolean requireContinuous)
      -
      -
      • -
    • -
      -

      checkVector

      -
      public int checkVector(int elemChannels, - int depth)
      -
      -
      • -
    • -
      -

      checkVector

      -
      public int checkVector(int elemChannels)
      -
      -
      • -
    • -
      -

      clone

      -
      public Mat clone()
      -
      -
      • -
    • -
      -

      col

      -
      public Mat col(int x)
      -
      -
      • -
    • -
      -

      colRange

      -
      public Mat colRange(int startcol, - int endcol)
      -
      -
      • -
    • -
      -

      colRange

      -
      public Mat colRange(Range r)
      -
      -
      • -
    • -
      -

      dims

      -
      public int dims()
      -
      -
      • -
    • -
      -

      cols

      -
      public int cols()
      -
      -
      • -
    • -
      -

      convertTo

      -
      public void convertTo(Mat m, - int rtype, - double alpha, - double beta)
      -
      -
      • -
    • -
      -

      convertTo

      -
      public void convertTo(Mat m, - int rtype, - double alpha)
      -
      -
      • -
    • -
      -

      convertTo

      -
      public void convertTo(Mat m, - int rtype)
      -
      -
      • -
    • -
      -

      copyTo

      -
      public void copyTo(Mat m)
      -
      -
      • -
    • -
      -

      copyTo

      -
      public void copyTo(Mat m, - Mat mask)
      -
      -
      • -
    • -
      -

      create

      -
      public void create(int rows, - int cols, - int type)
      -
      -
      • -
    • -
      -

      create

      -
      public void create(Size size, - int type)
      -
      -
      • -
    • -
      -

      create

      -
      public void create(int[] sizes, - int type)
      -
      -
      • -
    • -
      -

      copySize

      -
      public void copySize(Mat m)
      -
      -
      • -
    • -
      -

      cross

      -
      public Mat cross(Mat m)
      -
      -
      • -
    • -
      -

      dataAddr

      -
      public long dataAddr()
      -
      -
      • -
    • -
      -

      depth

      -
      public int depth()
      -
      -
      • -
    • -
      -

      diag

      -
      public Mat diag(int d)
      -
      -
      • -
    • -
      -

      diag

      -
      public Mat diag()
      -
      -
      • -
    • -
      -

      diag

      -
      public static Mat diag(Mat d)
      -
      -
      • -
    • -
      -

      dot

      -
      public double dot(Mat m)
      -
      -
      • -
    • -
      -

      elemSize

      -
      public long elemSize()
      -
      -
      • -
    • -
      -

      elemSize1

      -
      public long elemSize1()
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      -
      • -
    • -
      -

      eye

      -
      public static Mat eye(int rows, - int cols, - int type)
      -
      -
      • -
    • -
      -

      eye

      -
      public static Mat eye(Size size, - int type)
      -
      -
      • -
    • -
      -

      inv

      -
      public Mat inv(int method)
      -
      -
      • -
    • -
      -

      inv

      -
      public Mat inv()
      -
      -
      • -
    • -
      -

      isContinuous

      -
      public boolean isContinuous()
      -
      -
      • -
    • -
      -

      isSubmatrix

      -
      public boolean isSubmatrix()
      -
      -
      • -
    • -
      -

      locateROI

      -
      public void locateROI(Size wholeSize, - Point ofs)
      -
      -
      • -
    • -
      -

      mul

      -
      public Mat mul(Mat m, - double scale)
      -
      Element-wise multiplication with scale factor
      -
      -
      Parameters:
      -
      m - operand with with which to perform element-wise multiplication
      -
      scale - scale factor
      -
      Returns:
      -
      reference to a new Mat object
      -
      -
      -
      • -
    • -
      -

      mul

      -
      public Mat mul(Mat m)
      -
      Element-wise multiplication
      -
      -
      Parameters:
      -
      m - operand with with which to perform element-wise multiplication
      -
      Returns:
      -
      reference to a new Mat object
      -
      -
      -
      • -
    • -
      -

      matMul

      -
      public Mat matMul(Mat m)
      -
      Matrix multiplication
      -
      -
      Parameters:
      -
      m - operand with with which to perform matrix multiplication
      -
      Returns:
      -
      reference to a new Mat object
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ones

      -
      public static Mat ones(int rows, - int cols, - int type)
      -
      -
      • -
    • -
      -

      ones

      -
      public static Mat ones(Size size, - int type)
      -
      -
      • -
    • -
      -

      ones

      -
      public static Mat ones(int[] sizes, - int type)
      -
      -
      • -
    • -
      -

      push_back

      -
      public void push_back(Mat m)
      -
      -
      • -
    • -
      -

      release

      -
      public void release()
      -
      -
      • -
    • -
      -

      reshape

      -
      public Mat reshape(int cn, - int rows)
      -
      -
      • -
    • -
      -

      reshape

      -
      public Mat reshape(int cn)
      -
      -
      • -
    • -
      -

      reshape

      -
      public Mat reshape(int cn, - int[] newshape)
      -
      -
      • -
    • -
      -

      row

      -
      public Mat row(int y)
      -
      -
      • -
    • -
      -

      rowRange

      -
      public Mat rowRange(int startrow, - int endrow)
      -
      -
      • -
    • -
      -

      rowRange

      -
      public Mat rowRange(Range r)
      -
      -
      • -
    • -
      -

      rows

      -
      public int rows()
      -
      -
      • -
    • -
      -

      setTo

      -
      public Mat setTo(Scalar s)
      -
      -
      • -
    • -
      -

      setTo

      -
      public Mat setTo(Scalar value, - Mat mask)
      -
      -
      • -
    • -
      -

      setTo

      -
      public Mat setTo(Mat value, - Mat mask)
      -
      -
      • -
    • -
      -

      setTo

      -
      public Mat setTo(Mat value)
      -
      -
      • -
    • -
      -

      size

      -
      public Size size()
      -
      -
      • -
    • -
      -

      size

      -
      public int size(int i)
      -
      -
      • -
    • -
      -

      step1

      -
      public long step1(int i)
      -
      -
      • -
    • -
      -

      step1

      -
      public long step1()
      -
      -
      • -
    • -
      -

      submat

      -
      public Mat submat(int rowStart, - int rowEnd, - int colStart, - int colEnd)
      -
      -
      • -
    • -
      -

      submat

      -
      public Mat submat(Range rowRange, - Range colRange)
      -
      -
      • -
    • -
      -

      submat

      -
      public Mat submat(Range[] ranges)
      -
      -
      • -
    • -
      -

      submat

      -
      public Mat submat(Rect roi)
      -
      -
      • -
    • -
      -

      t

      -
      public Mat t()
      -
      -
      • -
    • -
      -

      total

      -
      public long total()
      -
      -
      • -
    • -
      -

      type

      -
      public int type()
      -
      -
      • -
    • -
      -

      zeros

      -
      public static Mat zeros(int rows, - int cols, - int type)
      -
      -
      • -
    • -
      -

      zeros

      -
      public static Mat zeros(Size size, - int type)
      -
      -
      • -
    • -
      -

      zeros

      -
      public static Mat zeros(int[] sizes, - int type)
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    • -
      -

      dump

      -
      public String dump()
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - double... data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - double... data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - float[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - float[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - int[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - int[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - short[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - short[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - byte[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - byte[] data)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int row, - int col, - byte[] data, - int offset, - int length)
      -
      -
      • -
    • -
      -

      put

      -
      public int put(int[] idx, - byte[] data, - int offset, - int length)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int row, - int col, - byte[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int[] idx, - byte[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int row, - int col, - short[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int[] idx, - short[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int row, - int col, - int[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int[] idx, - int[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int row, - int col, - float[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int[] idx, - float[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int row, - int col, - double[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public int get(int[] idx, - double[] data)
      -
      -
      • -
    • -
      -

      get

      -
      public double[] get(int row, - int col)
      -
      -
      • -
    • -
      -

      get

      -
      public double[] get(int[] idx)
      -
      -
      • -
    • -
      -

      height

      -
      public int height()
      -
      -
      • -
    • -
      -

      width

      -
      public int width()
      -
      -
      • -
    • -
      -

      at

      -
      public <T> Mat.Atable<T> at(Class<T> clazz, - int row, - int col)
      -
      -
      • -
    • -
      -

      at

      -
      public <T> Mat.Atable<T> at(Class<T> clazz, - int[] idx)
      -
      -
      • -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfByte.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfByte.html deleted file mode 100644 index 4aa07e39fb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfByte.html +++ /dev/null @@ -1,281 +0,0 @@ - - - - -MatOfByte (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfByte

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfByte
-
-
-
-
-
public class MatOfByte -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfByte

      -
      public MatOfByte()
      -
      -
      • -
    • -
      -

      MatOfByte

      -
      public MatOfByte(Mat m)
      -
      -
      • -
    • -
      -

      MatOfByte

      -
      public MatOfByte(byte... a)
      -
      -
      • -
    • -
      -

      MatOfByte

      -
      public MatOfByte(int offset, - int length, - byte... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfByte fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(byte... a)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(int offset, - int length, - byte... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public byte[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Byte> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Byte> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDMatch.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDMatch.html deleted file mode 100644 index b082e67850..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDMatch.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfDMatch (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfDMatch

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfDMatch
-
-
-
-
-
public class MatOfDMatch -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfDMatch

      -
      public MatOfDMatch()
      -
      -
      • -
    • -
      -

      MatOfDMatch

      -
      public MatOfDMatch(Mat m)
      -
      -
      • -
    • -
      -

      MatOfDMatch

      -
      public MatOfDMatch(DMatch... ap)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfDMatch fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(DMatch... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public DMatch[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<DMatch> ldm)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<DMatch> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDouble.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDouble.html deleted file mode 100644 index cd2bdc14c5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfDouble.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfDouble (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfDouble

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfDouble
-
-
-
-
-
public class MatOfDouble -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfDouble

      -
      public MatOfDouble()
      -
      -
      • -
    • -
      -

      MatOfDouble

      -
      public MatOfDouble(Mat m)
      -
      -
      • -
    • -
      -

      MatOfDouble

      -
      public MatOfDouble(double... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfDouble fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(double... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public double[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Double> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Double> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat.html deleted file mode 100644 index eac348cbe9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfFloat (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfFloat

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfFloat
-
-
-
-
-
public class MatOfFloat -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfFloat

      -
      public MatOfFloat()
      -
      -
      • -
    • -
      -

      MatOfFloat

      -
      public MatOfFloat(Mat m)
      -
      -
      • -
    • -
      -

      MatOfFloat

      -
      public MatOfFloat(float... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfFloat fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(float... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public float[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Float> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Float> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat4.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat4.html deleted file mode 100644 index f2badfc26c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat4.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfFloat4 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfFloat4

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfFloat4
-
-
-
-
-
public class MatOfFloat4 -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfFloat4

      -
      public MatOfFloat4()
      -
      -
      • -
    • -
      -

      MatOfFloat4

      -
      public MatOfFloat4(Mat m)
      -
      -
      • -
    • -
      -

      MatOfFloat4

      -
      public MatOfFloat4(float... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfFloat4 fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(float... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public float[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Float> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Float> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat6.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat6.html deleted file mode 100644 index e75bbd66e0..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfFloat6.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfFloat6 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfFloat6

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfFloat6
-
-
-
-
-
public class MatOfFloat6 -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfFloat6

      -
      public MatOfFloat6()
      -
      -
      • -
    • -
      -

      MatOfFloat6

      -
      public MatOfFloat6(Mat m)
      -
      -
      • -
    • -
      -

      MatOfFloat6

      -
      public MatOfFloat6(float... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfFloat6 fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(float... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public float[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Float> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Float> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt.html deleted file mode 100644 index 54b61247f8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfInt (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfInt

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfInt
-
-
-
-
-
public class MatOfInt -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfInt

      -
      public MatOfInt()
      -
      -
      • -
    • -
      -

      MatOfInt

      -
      public MatOfInt(Mat m)
      -
      -
      • -
    • -
      -

      MatOfInt

      -
      public MatOfInt(int... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfInt fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(int... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public int[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Integer> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Integer> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt4.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt4.html deleted file mode 100644 index 7feb99f80c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfInt4.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfInt4 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfInt4

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfInt4
-
-
-
-
-
public class MatOfInt4 -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfInt4

      -
      public MatOfInt4()
      -
      -
      • -
    • -
      -

      MatOfInt4

      -
      public MatOfInt4(Mat m)
      -
      -
      • -
    • -
      -

      MatOfInt4

      -
      public MatOfInt4(int... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfInt4 fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(int... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public int[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Integer> lb)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Integer> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfKeyPoint.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfKeyPoint.html deleted file mode 100644 index 1553ba9a79..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfKeyPoint.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfKeyPoint (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfKeyPoint

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfKeyPoint
-
-
-
-
-
public class MatOfKeyPoint -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfKeyPoint

      -
      public MatOfKeyPoint()
      -
      -
      • -
    • -
      -

      MatOfKeyPoint

      -
      public MatOfKeyPoint(Mat m)
      -
      -
      • -
    • -
      -

      MatOfKeyPoint

      -
      public MatOfKeyPoint(KeyPoint... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfKeyPoint fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(KeyPoint... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public KeyPoint[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<KeyPoint> lkp)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<KeyPoint> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint.html deleted file mode 100644 index 1883141bbb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfPoint (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfPoint

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfPoint
-
-
-
-
-
public class MatOfPoint -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfPoint

      -
      public MatOfPoint()
      -
      -
      • -
    • -
      -

      MatOfPoint

      -
      public MatOfPoint(Mat m)
      -
      -
      • -
    • -
      -

      MatOfPoint

      -
      public MatOfPoint(Point... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfPoint fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Point... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Point[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Point> lp)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Point> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint2f.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint2f.html deleted file mode 100644 index 9ada7c1ad0..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint2f.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfPoint2f (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfPoint2f

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfPoint2f
-
-
-
-
-
public class MatOfPoint2f -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfPoint2f

      -
      public MatOfPoint2f()
      -
      -
      • -
    • -
      -

      MatOfPoint2f

      -
      public MatOfPoint2f(Mat m)
      -
      -
      • -
    • -
      -

      MatOfPoint2f

      -
      public MatOfPoint2f(Point... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfPoint2f fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Point... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Point[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Point> lp)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Point> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3.html deleted file mode 100644 index d67520dcb8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfPoint3 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfPoint3

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfPoint3
-
-
-
-
-
public class MatOfPoint3 -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfPoint3

      -
      public MatOfPoint3()
      -
      -
      • -
    • -
      -

      MatOfPoint3

      -
      public MatOfPoint3(Mat m)
      -
      -
      • -
    • -
      -

      MatOfPoint3

      -
      public MatOfPoint3(Point3... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfPoint3 fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Point3... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Point3[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Point3> lp)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Point3> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3f.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3f.html deleted file mode 100644 index d326be0ba9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfPoint3f.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfPoint3f (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfPoint3f

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfPoint3f
-
-
-
-
-
public class MatOfPoint3f -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfPoint3f

      -
      public MatOfPoint3f()
      -
      -
      • -
    • -
      -

      MatOfPoint3f

      -
      public MatOfPoint3f(Mat m)
      -
      -
      • -
    • -
      -

      MatOfPoint3f

      -
      public MatOfPoint3f(Point3... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfPoint3f fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Point3... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Point3[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Point3> lp)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Point3> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect.html deleted file mode 100644 index a66e5a362f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfRect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfRect

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfRect
-
-
-
-
-
public class MatOfRect -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfRect

      -
      public MatOfRect()
      -
      -
      • -
    • -
      -

      MatOfRect

      -
      public MatOfRect(Mat m)
      -
      -
      • -
    • -
      -

      MatOfRect

      -
      public MatOfRect(Rect... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfRect fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Rect... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Rect[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Rect> lr)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Rect> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect2d.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect2d.html deleted file mode 100644 index d8c7ba98b7..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRect2d.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfRect2d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfRect2d

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfRect2d
-
-
-
-
-
public class MatOfRect2d -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfRect2d

      -
      public MatOfRect2d()
      -
      -
      • -
    • -
      -

      MatOfRect2d

      -
      public MatOfRect2d(Mat m)
      -
      -
      • -
    • -
      -

      MatOfRect2d

      -
      public MatOfRect2d(Rect2d... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfRect2d fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(Rect2d... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public Rect2d[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<Rect2d> lr)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<Rect2d> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRotatedRect.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRotatedRect.html deleted file mode 100644 index 8812d5ebd8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/MatOfRotatedRect.html +++ /dev/null @@ -1,256 +0,0 @@ - - - - -MatOfRotatedRect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class MatOfRotatedRect

-
-
java.lang.Object -
org.opencv.core.Mat -
org.opencv.core.MatOfRotatedRect
-
-
-
-
-
public class MatOfRotatedRect -extends Mat
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      MatOfRotatedRect

      -
      public MatOfRotatedRect()
      -
      -
      • -
    • -
      -

      MatOfRotatedRect

      -
      public MatOfRotatedRect(Mat m)
      -
      -
      • -
    • -
      -

      MatOfRotatedRect

      -
      public MatOfRotatedRect(RotatedRect... a)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      fromNativeAddr

      -
      public static MatOfRotatedRect fromNativeAddr(long addr)
      -
      -
      • -
    • -
      -

      alloc

      -
      public void alloc(int elemNumber)
      -
      -
      • -
    • -
      -

      fromArray

      -
      public void fromArray(RotatedRect... a)
      -
      -
      • -
    • -
      -

      toArray

      -
      public RotatedRect[] toArray()
      -
      -
      • -
    • -
      -

      fromList

      -
      public void fromList(List<RotatedRect> lr)
      -
      -
      • -
    • -
      -

      toList

      -
      public List<RotatedRect> toList()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point.html deleted file mode 100644 index 702518e876..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point.html +++ /dev/null @@ -1,294 +0,0 @@ - - - - -Point (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Point

-
-
java.lang.Object -
org.opencv.core.Point
-
-
-
-
public class Point -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    double
    -
    x
    -
     
    -
    double
    -
    y
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Point()
    -
     
    -
    Point(double[] vals)
    -
     
    -
    Point(double x, - double y)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    Point
    -
    clone()
    -
     
    -
    double
    -
    dot(Point p)
    -
     
    -
    boolean
    -
    equals(Object obj)
    -
     
    -
    int
    -
    hashCode()
    -
     
    -
    boolean
    -
    inside(Rect r)
    -
     
    -
    void
    -
    set(double[] vals)
    -
     
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -getClass, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      x

      -
      public double x
      -
      -
      • -
    • -
      -

      y

      -
      public double y
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Point

      -
      public Point(double x, - double y)
      -
      -
      • -
    • -
      -

      Point

      -
      public Point()
      -
      -
      • -
    • -
      -

      Point

      -
      public Point(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      clone

      -
      public Point clone()
      -
      -
      • -
    • -
      -

      dot

      -
      public double dot(Point p)
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      inside

      -
      public boolean inside(Rect r)
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point3.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point3.html deleted file mode 100644 index 59492e4f95..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Point3.html +++ /dev/null @@ -1,313 +0,0 @@ - - - - -Point3 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Point3

-
-
java.lang.Object -
org.opencv.core.Point3
-
-
-
-
public class Point3 -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      x

      -
      public double x
      -
      -
      • -
    • -
      -

      y

      -
      public double y
      -
      -
      • -
    • -
      -

      z

      -
      public double z
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Point3

      -
      public Point3(double x, - double y, - double z)
      -
      -
      • -
    • -
      -

      Point3

      -
      public Point3()
      -
      -
      • -
    • -
      -

      Point3

      -
      public Point3(Point p)
      -
      -
      • -
    • -
      -

      Point3

      -
      public Point3(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      clone

      -
      public Point3 clone()
      -
      -
      • -
    • -
      -

      dot

      -
      public double dot(Point3 p)
      -
      -
      • -
    • -
      -

      cross

      -
      public Point3 cross(Point3 p)
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Range.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Range.html deleted file mode 100644 index fe1bde2dd3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Range.html +++ /dev/null @@ -1,321 +0,0 @@ - - - - -Range (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Range

-
-
java.lang.Object -
org.opencv.core.Range
-
-
-
-
public class Range -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      start

      -
      public int start
      -
      -
      • -
    • -
      -

      end

      -
      public int end
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Range

      -
      public Range(int s, - int e)
      -
      -
      • -
    • -
      -

      Range

      -
      public Range()
      -
      -
      • -
    • -
      -

      Range

      -
      public Range(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      size

      -
      public int size()
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      -
      • -
    • -
      -

      all

      -
      public static Range all()
      -
      -
      • -
    • -
      -

      intersection

      -
      public Range intersection(Range r1)
      -
      -
      • -
    • -
      -

      shift

      -
      public Range shift(int delta)
      -
      -
      • -
    • -
      -

      clone

      -
      public Range clone()
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect.html deleted file mode 100644 index a8160a4c25..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect.html +++ /dev/null @@ -1,372 +0,0 @@ - - - - -Rect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Rect

-
-
java.lang.Object -
org.opencv.core.Rect
-
-
-
-
public class Rect -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      x

      -
      public int x
      -
      -
      • -
    • -
      -

      y

      -
      public int y
      -
      -
      • -
    • -
      -

      width

      -
      public int width
      -
      -
      • -
    • -
      -

      height

      -
      public int height
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Rect

      -
      public Rect(int x, - int y, - int width, - int height)
      -
      -
      • -
    • -
      -

      Rect

      -
      public Rect()
      -
      -
      • -
    • -
      -

      Rect

      -
      public Rect(Point p1, - Point p2)
      -
      -
      • -
    • -
      -

      Rect

      -
      public Rect(Point p, - Size s)
      -
      -
      • -
    • -
      -

      Rect

      -
      public Rect(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      clone

      -
      public Rect clone()
      -
      -
      • -
    • -
      -

      tl

      -
      public Point tl()
      -
      -
      • -
    • -
      -

      br

      -
      public Point br()
      -
      -
      • -
    • -
      -

      size

      -
      public Size size()
      -
      -
      • -
    • -
      -

      area

      -
      public double area()
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      -
      • -
    • -
      -

      contains

      -
      public boolean contains(Point p)
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect2d.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect2d.html deleted file mode 100644 index 35d2e48513..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Rect2d.html +++ /dev/null @@ -1,372 +0,0 @@ - - - - -Rect2d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Rect2d

-
-
java.lang.Object -
org.opencv.core.Rect2d
-
-
-
-
public class Rect2d -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      x

      -
      public double x
      -
      -
      • -
    • -
      -

      y

      -
      public double y
      -
      -
      • -
    • -
      -

      width

      -
      public double width
      -
      -
      • -
    • -
      -

      height

      -
      public double height
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Rect2d

      -
      public Rect2d(double x, - double y, - double width, - double height)
      -
      -
      • -
    • -
      -

      Rect2d

      -
      public Rect2d()
      -
      -
      • -
    • -
      -

      Rect2d

      -
      public Rect2d(Point p1, - Point p2)
      -
      -
      • -
    • -
      -

      Rect2d

      -
      public Rect2d(Point p, - Size s)
      -
      -
      • -
    • -
      -

      Rect2d

      -
      public Rect2d(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      clone

      -
      public Rect2d clone()
      -
      -
      • -
    • -
      -

      tl

      -
      public Point tl()
      -
      -
      • -
    • -
      -

      br

      -
      public Point br()
      -
      -
      • -
    • -
      -

      size

      -
      public Size size()
      -
      -
      • -
    • -
      -

      area

      -
      public double area()
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      -
      • -
    • -
      -

      contains

      -
      public boolean contains(Point p)
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/RotatedRect.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/RotatedRect.html deleted file mode 100644 index 5b0ea10e5c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/RotatedRect.html +++ /dev/null @@ -1,305 +0,0 @@ - - - - -RotatedRect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class RotatedRect

-
-
java.lang.Object -
org.opencv.core.RotatedRect
-
-
-
-
public class RotatedRect -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      center

      -
      public Point center
      -
      -
      • -
    • -
      -

      size

      -
      public Size size
      -
      -
      • -
    • -
      -

      angle

      -
      public double angle
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      RotatedRect

      -
      public RotatedRect()
      -
      -
      • -
    • -
      -

      RotatedRect

      -
      public RotatedRect(Point c, - Size s, - double a)
      -
      -
      • -
    • -
      -

      RotatedRect

      -
      public RotatedRect(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      points

      -
      public void points(Point[] pt)
      -
      -
      • -
    • -
      -

      boundingRect

      -
      public Rect boundingRect()
      -
      -
      • -
    • -
      -

      clone

      -
      public RotatedRect clone()
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Scalar.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Scalar.html deleted file mode 100644 index bf122b6f38..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Scalar.html +++ /dev/null @@ -1,340 +0,0 @@ - - - - -Scalar (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Scalar

-
-
java.lang.Object -
org.opencv.core.Scalar
-
-
-
-
public class Scalar -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    double[]
    -
    val
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Scalar(double v0)
    -
     
    -
    Scalar(double[] vals)
    -
     
    -
    Scalar(double v0, - double v1)
    -
     
    -
    Scalar(double v0, - double v1, - double v2)
    -
     
    -
    Scalar(double v0, - double v1, - double v2, - double v3)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static Scalar
    -
    all(double v)
    -
     
    -
    Scalar
    -
    clone()
    -
     
    -
    Scalar
    -
    conj()
    -
     
    -
    boolean
    -
    equals(Object obj)
    -
     
    -
    int
    -
    hashCode()
    -
     
    -
    boolean
    -
    isReal()
    -
     
    -
    Scalar
    -
    mul(Scalar it)
    -
     
    -
    Scalar
    -
    mul(Scalar it, - double scale)
    -
     
    -
    void
    -
    set(double[] vals)
    -
     
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -getClass, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      val

      -
      public double[] val
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Scalar

      -
      public Scalar(double v0, - double v1, - double v2, - double v3)
      -
      -
      • -
    • -
      -

      Scalar

      -
      public Scalar(double v0, - double v1, - double v2)
      -
      -
      • -
    • -
      -

      Scalar

      -
      public Scalar(double v0, - double v1)
      -
      -
      • -
    • -
      -

      Scalar

      -
      public Scalar(double v0)
      -
      -
      • -
    • -
      -

      Scalar

      -
      public Scalar(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      all

      -
      public static Scalar all(double v)
      -
      -
      • -
    • -
      -

      clone

      -
      public Scalar clone()
      -
      -
      • -
    • -
      -

      mul

      -
      public Scalar mul(Scalar it, - double scale)
      -
      -
      • -
    • -
      -

      mul

      -
      public Scalar mul(Scalar it)
      -
      -
      • -
    • -
      -

      conj

      -
      public Scalar conj()
      -
      -
      • -
    • -
      -

      isReal

      -
      public boolean isReal()
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Size.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/Size.html deleted file mode 100644 index e8abd71ffc..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/Size.html +++ /dev/null @@ -1,302 +0,0 @@ - - - - -Size (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class Size

-
-
java.lang.Object -
org.opencv.core.Size
-
-
-
-
public class Size -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    double
    -
    height
    -
     
    -
    double
    -
    width
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Size()
    -
     
    -
    Size(double[] vals)
    -
     
    -
    Size(double width, - double height)
    -
     
    -
    Size(Point p)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    double
    -
    area()
    -
     
    -
    Size
    -
    clone()
    -
     
    -
    boolean
    -
    empty()
    -
     
    -
    boolean
    -
    equals(Object obj)
    -
     
    -
    int
    -
    hashCode()
    -
     
    -
    void
    -
    set(double[] vals)
    -
     
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -getClass, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      width

      -
      public double width
      -
      -
      • -
    • -
      -

      height

      -
      public double height
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Size

      -
      public Size(double width, - double height)
      -
      -
      • -
    • -
      -

      Size

      -
      public Size()
      -
      -
      • -
    • -
      -

      Size

      -
      public Size(Point p)
      -
      -
      • -
    • -
      -

      Size

      -
      public Size(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      area

      -
      public double area()
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      -
      • -
    • -
      -

      clone

      -
      public Size clone()
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/TermCriteria.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/TermCriteria.html deleted file mode 100644 index 886ad66e8a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/TermCriteria.html +++ /dev/null @@ -1,359 +0,0 @@ - - - - -TermCriteria (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class TermCriteria

-
-
java.lang.Object -
org.opencv.core.TermCriteria
-
-
-
-
public class TermCriteria -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final int
    -
    COUNT
    -
    -
    The maximum number of iterations or elements to compute
    -
    -
    static final int
    -
    EPS
    -
    -
    The desired accuracy threshold or change in parameters at which the iterative algorithm is terminated.
    -
    -
    double
    -
    epsilon
    -
     
    -
    static final int
    -
    MAX_ITER
    -
    -
    The maximum number of iterations or elements to compute
    -
    -
    int
    -
    maxCount
    -
     
    -
    int
    -
    type
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    TermCriteria()
    -
    -
    Termination criteria for iterative algorithms.
    -
    -
    TermCriteria(double[] vals)
    -
     
    -
    TermCriteria(int type, - int maxCount, - double epsilon)
    -
    -
    Termination criteria for iterative algorithms.
    -
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    TermCriteria
    -
    clone()
    -
     
    -
    boolean
    -
    equals(Object obj)
    -
     
    -
    int
    -
    hashCode()
    -
     
    -
    void
    -
    set(double[] vals)
    -
     
    -
    String
    -
    toString()
    -
     
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -getClass, notify, notifyAll, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      COUNT

      -
      public static final int COUNT
      -
      The maximum number of iterations or elements to compute
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MAX_ITER

      -
      public static final int MAX_ITER
      -
      The maximum number of iterations or elements to compute
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      EPS

      -
      public static final int EPS
      -
      The desired accuracy threshold or change in parameters at which the iterative algorithm is terminated.
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      type

      -
      public int type
      -
      -
      • -
    • -
      -

      maxCount

      -
      public int maxCount
      -
      -
      • -
    • -
      -

      epsilon

      -
      public double epsilon
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TermCriteria

      -
      public TermCriteria(int type, - int maxCount, - double epsilon)
      -
      Termination criteria for iterative algorithms.
      -
      -
      Parameters:
      -
      type - the type of termination criteria: COUNT, EPS or COUNT + EPS.
      -
      maxCount - the maximum number of iterations/elements.
      -
      epsilon - the desired accuracy.
      -
      -
      -
      • -
    • -
      -

      TermCriteria

      -
      public TermCriteria()
      -
      Termination criteria for iterative algorithms.
      -
      -
      • -
    • -
      -

      TermCriteria

      -
      public TermCriteria(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      clone

      -
      public TermCriteria clone()
      -
      -
      • -
    • -
      -

      hashCode

      -
      public int hashCode()
      -
      -
      Overrides:
      -
      hashCode in class Object
      -
      -
      -
      • -
    • -
      -

      equals

      -
      public boolean equals(Object obj)
      -
      -
      Overrides:
      -
      equals in class Object
      -
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/TickMeter.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/TickMeter.html deleted file mode 100644 index 024d23ad7c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/TickMeter.html +++ /dev/null @@ -1,326 +0,0 @@ - - - - -TickMeter (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.core
-

Class TickMeter

-
-
java.lang.Object -
org.opencv.core.TickMeter
-
-
-
-
public class TickMeter -extends Object
-
a Class to measure passing time. - - The class computes passing time by counting the number of ticks per second. That is, the following code computes the - execution time in seconds: - SNIPPET: snippets/core_various.cpp TickMeter_total - - It is also possible to compute the average time over multiple runs: - SNIPPET: snippets/core_various.cpp TickMeter_average - - SEE: getTickCount, getTickFrequency
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TickMeter

      -
      public TickMeter()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TickMeter __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      start

      -
      public void start()
      -
      -
      • -
    • -
      -

      stop

      -
      public void stop()
      -
      -
      • -
    • -
      -

      getTimeTicks

      -
      public long getTimeTicks()
      -
      -
      • -
    • -
      -

      getTimeMicro

      -
      public double getTimeMicro()
      -
      -
      • -
    • -
      -

      getTimeMilli

      -
      public double getTimeMilli()
      -
      -
      • -
    • -
      -

      getTimeSec

      -
      public double getTimeSec()
      -
      -
      • -
    • -
      -

      getLastTimeTicks

      -
      public long getLastTimeTicks()
      -
      -
      • -
    • -
      -

      getLastTimeMicro

      -
      public double getLastTimeMicro()
      -
      -
      • -
    • -
      -

      getLastTimeMilli

      -
      public double getLastTimeMilli()
      -
      -
      • -
    • -
      -

      getLastTimeSec

      -
      public double getLastTimeSec()
      -
      -
      • -
    • -
      -

      getCounter

      -
      public long getCounter()
      -
      -
      • -
    • -
      -

      getFPS

      -
      public double getFPS()
      -
      -
      • -
    • -
      -

      getAvgTimeSec

      -
      public double getAvgTimeSec()
      -
      -
      • -
    • -
      -

      getAvgTimeMilli

      -
      public double getAvgTimeMilli()
      -
      -
      • -
    • -
      -

      reset

      -
      public void reset()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-summary.html deleted file mode 100644 index 2ff83c55ba..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-summary.html +++ /dev/null @@ -1,196 +0,0 @@ - - - - -org.opencv.core (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.core

-
-
-
package org.opencv.core
-
- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-tree.html deleted file mode 100644 index 71b88450ed..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/core/package-tree.html +++ /dev/null @@ -1,142 +0,0 @@ - - - - -org.opencv.core Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.core

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-

Interface Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/ClassificationModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/ClassificationModel.html deleted file mode 100644 index 1130144281..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/ClassificationModel.html +++ /dev/null @@ -1,278 +0,0 @@ - - - - -ClassificationModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class ClassificationModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.ClassificationModel
-
-
-
-
-
public class ClassificationModel -extends Model
-
This class represents high-level API for classification models. - - ClassificationModel allows to set params for preprocessing input image. - ClassificationModel creates net from file with trained weights and config, - sets preprocessing input, runs forward pass and return top-1 prediction.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      ClassificationModel

      -
      public ClassificationModel(String model, - String config)
      -
      Create classification model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      ClassificationModel

      -
      public ClassificationModel(String model)
      -
      Create classification model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    • -
      -

      ClassificationModel

      -
      public ClassificationModel(Net network)
      -
      Create model from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static ClassificationModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setEnableSoftmaxPostProcessing

      -
      public ClassificationModel setEnableSoftmaxPostProcessing(boolean enable)
      -
      Set enable/disable softmax post processing option. - - If this option is true, softmax is applied after forward inference within the classify() function - to convert the confidences range to [0.0-1.0]. - This function allows you to toggle this behavior. - Please turn true when not contain softmax layer in model.
      -
      -
      Parameters:
      -
      enable - Set enable softmax post processing within the classify() function.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getEnableSoftmaxPostProcessing

      -
      public boolean getEnableSoftmaxPostProcessing()
      -
      Get enable/disable softmax post processing option. - - This option defaults to false, softmax post processing is not applied within the classify() function.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      classify

      -
      public void classify(Mat frame, - int[] classId, - float[] conf)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DetectionModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DetectionModel.html deleted file mode 100644 index eb479c7789..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DetectionModel.html +++ /dev/null @@ -1,347 +0,0 @@ - - - - -DetectionModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class DetectionModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.DetectionModel
-
-
-
-
-
public class DetectionModel -extends Model
-
This class represents high-level API for object detection networks. - - DetectionModel allows to set params for preprocessing input image. - DetectionModel creates net from file with trained weights and config, - sets preprocessing input, runs forward pass and return result detections. - For DetectionModel SSD, Faster R-CNN, YOLO topologies are supported.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      DetectionModel

      -
      public DetectionModel(String model, - String config)
      -
      Create detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      DetectionModel

      -
      public DetectionModel(String model)
      -
      Create detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    • -
      -

      DetectionModel

      -
      public DetectionModel(Net network)
      -
      Create model from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static DetectionModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setNmsAcrossClasses

      -
      public DetectionModel setNmsAcrossClasses(boolean value)
      -
      nmsAcrossClasses defaults to false, - such that when non max suppression is used during the detect() function, it will do so per-class. - This function allows you to toggle this behaviour.
      -
      -
      Parameters:
      -
      value - The new value for nmsAcrossClasses
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getNmsAcrossClasses

      -
      public boolean getNmsAcrossClasses()
      -
      Getter for nmsAcrossClasses. This variable defaults to false, - such that when non max suppression is used during the detect() function, it will do so only per-class
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat frame, - MatOfInt classIds, - MatOfFloat confidences, - MatOfRect boxes, - float confThreshold, - float nmsThreshold)
      -
      Given the input frame, create input blob, run net and return result detections.
      -
      -
      Parameters:
      -
      classIds - Class indexes in result detection.
      -
      confidences - A set of corresponding confidences.
      -
      boxes - A set of bounding boxes.
      -
      confThreshold - A threshold used to filter boxes by confidences.
      -
      nmsThreshold - A threshold used in non maximum suppression.
      -
      frame - automatically generated
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat frame, - MatOfInt classIds, - MatOfFloat confidences, - MatOfRect boxes, - float confThreshold)
      -
      Given the input frame, create input blob, run net and return result detections.
      -
      -
      Parameters:
      -
      classIds - Class indexes in result detection.
      -
      confidences - A set of corresponding confidences.
      -
      boxes - A set of bounding boxes.
      -
      confThreshold - A threshold used to filter boxes by confidences.
      -
      frame - automatically generated
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat frame, - MatOfInt classIds, - MatOfFloat confidences, - MatOfRect boxes)
      -
      Given the input frame, create input blob, run net and return result detections.
      -
      -
      Parameters:
      -
      classIds - Class indexes in result detection.
      -
      confidences - A set of corresponding confidences.
      -
      boxes - A set of bounding boxes.
      -
      frame - automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DictValue.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DictValue.html deleted file mode 100644 index 83fd7caffb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/DictValue.html +++ /dev/null @@ -1,280 +0,0 @@ - - - - -DictValue (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class DictValue

-
-
java.lang.Object -
org.opencv.dnn.DictValue
-
-
-
-
public class DictValue -extends Object
-
This struct stores the scalar value (or array) of one of the following type: double, cv::String or int64. - TODO: Maybe int64 is useless because double type exactly stores at least 2^52 integers.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      DictValue

      -
      public DictValue(int i)
      -
      -
      • -
    • -
      -

      DictValue

      -
      public DictValue(double p)
      -
      -
      • -
    • -
      -

      DictValue

      -
      public DictValue(String s)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static DictValue __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      isInt

      -
      public boolean isInt()
      -
      -
      • -
    • -
      -

      isString

      -
      public boolean isString()
      -
      -
      • -
    • -
      -

      isReal

      -
      public boolean isReal()
      -
      -
      • -
    • -
      -

      getIntValue

      -
      public int getIntValue(int idx)
      -
      -
      • -
    • -
      -

      getIntValue

      -
      public int getIntValue()
      -
      -
      • -
    • -
      -

      getRealValue

      -
      public double getRealValue(int idx)
      -
      -
      • -
    • -
      -

      getRealValue

      -
      public double getRealValue()
      -
      -
      • -
    • -
      -

      getStringValue

      -
      public String getStringValue(int idx)
      -
      -
      • -
    • -
      -

      getStringValue

      -
      public String getStringValue()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Dnn.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Dnn.html deleted file mode 100644 index 77f4662273..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Dnn.html +++ /dev/null @@ -1,2631 +0,0 @@ - - - - -Dnn (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class Dnn

-
-
java.lang.Object -
org.opencv.dnn.Dnn
-
-
-
-
public class Dnn -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DNN_BACKEND_DEFAULT

      -
      public static final int DNN_BACKEND_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_HALIDE

      -
      public static final int DNN_BACKEND_HALIDE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_INFERENCE_ENGINE

      -
      public static final int DNN_BACKEND_INFERENCE_ENGINE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_OPENCV

      -
      public static final int DNN_BACKEND_OPENCV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_VKCOM

      -
      public static final int DNN_BACKEND_VKCOM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_CUDA

      -
      public static final int DNN_BACKEND_CUDA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_WEBNN

      -
      public static final int DNN_BACKEND_WEBNN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_TIMVX

      -
      public static final int DNN_BACKEND_TIMVX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_BACKEND_CANN

      -
      public static final int DNN_BACKEND_CANN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_UNKNOWN

      -
      public static final int DNN_LAYOUT_UNKNOWN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_ND

      -
      public static final int DNN_LAYOUT_ND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_NCHW

      -
      public static final int DNN_LAYOUT_NCHW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_NCDHW

      -
      public static final int DNN_LAYOUT_NCDHW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_NHWC

      -
      public static final int DNN_LAYOUT_NHWC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_NDHWC

      -
      public static final int DNN_LAYOUT_NDHWC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_LAYOUT_PLANAR

      -
      public static final int DNN_LAYOUT_PLANAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_PMODE_NULL

      -
      public static final int DNN_PMODE_NULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_PMODE_CROP_CENTER

      -
      public static final int DNN_PMODE_CROP_CENTER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_PMODE_LETTERBOX

      -
      public static final int DNN_PMODE_LETTERBOX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SoftNMSMethod_SOFTNMS_LINEAR

      -
      public static final int SoftNMSMethod_SOFTNMS_LINEAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      SoftNMSMethod_SOFTNMS_GAUSSIAN

      -
      public static final int SoftNMSMethod_SOFTNMS_GAUSSIAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_CPU

      -
      public static final int DNN_TARGET_CPU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_OPENCL

      -
      public static final int DNN_TARGET_OPENCL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_OPENCL_FP16

      -
      public static final int DNN_TARGET_OPENCL_FP16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_MYRIAD

      -
      public static final int DNN_TARGET_MYRIAD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_VULKAN

      -
      public static final int DNN_TARGET_VULKAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_FPGA

      -
      public static final int DNN_TARGET_FPGA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_CUDA

      -
      public static final int DNN_TARGET_CUDA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_CUDA_FP16

      -
      public static final int DNN_TARGET_CUDA_FP16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_HDDL

      -
      public static final int DNN_TARGET_HDDL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_NPU

      -
      public static final int DNN_TARGET_NPU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DNN_TARGET_CPU_FP16

      -
      public static final int DNN_TARGET_CPU_FP16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Dnn

      -
      public Dnn()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getAvailableTargets

      -
      public static List<Integer> getAvailableTargets(int be)
      -
      -
      • -
    • -
      -

      readNetFromDarknet

      -
      public static Net readNetFromDarknet(String cfgFile, - String darknetModel)
      -
      Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
      -
      -
      Parameters:
      -
      cfgFile - path to the .cfg file with text description of the network architecture.
      -
      darknetModel - path to the .weights file with learned network.
      -
      Returns:
      -
      Network object that ready to do forward, throw an exception in failure cases.
      -
      -
      -
      • -
    • -
      -

      readNetFromDarknet

      -
      public static Net readNetFromDarknet(String cfgFile)
      -
      Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
      -
      -
      Parameters:
      -
      cfgFile - path to the .cfg file with text description of the network architecture.
      -
      Returns:
      -
      Network object that ready to do forward, throw an exception in failure cases.
      -
      -
      -
      • -
    • -
      -

      readNetFromDarknet

      -
      public static Net readNetFromDarknet(MatOfByte bufferCfg, - MatOfByte bufferModel)
      -
      Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
      -
      -
      Parameters:
      -
      bufferCfg - A buffer contains a content of .cfg file with text description of the network architecture.
      -
      bufferModel - A buffer contains a content of .weights file with learned network.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromDarknet

      -
      public static Net readNetFromDarknet(MatOfByte bufferCfg)
      -
      Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files.
      -
      -
      Parameters:
      -
      bufferCfg - A buffer contains a content of .cfg file with text description of the network architecture.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromCaffe

      -
      public static Net readNetFromCaffe(String prototxt, - String caffeModel)
      -
      Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format.
      -
      -
      Parameters:
      -
      prototxt - path to the .prototxt file with text description of the network architecture.
      -
      caffeModel - path to the .caffemodel file with learned network.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromCaffe

      -
      public static Net readNetFromCaffe(String prototxt)
      -
      Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format.
      -
      -
      Parameters:
      -
      prototxt - path to the .prototxt file with text description of the network architecture.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromCaffe

      -
      public static Net readNetFromCaffe(MatOfByte bufferProto, - MatOfByte bufferModel)
      -
      Reads a network model stored in Caffe model in memory.
      -
      -
      Parameters:
      -
      bufferProto - buffer containing the content of the .prototxt file
      -
      bufferModel - buffer containing the content of the .caffemodel file
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromCaffe

      -
      public static Net readNetFromCaffe(MatOfByte bufferProto)
      -
      Reads a network model stored in Caffe model in memory.
      -
      -
      Parameters:
      -
      bufferProto - buffer containing the content of the .prototxt file
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTensorflow

      -
      public static Net readNetFromTensorflow(String model, - String config)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the .pb file with binary protobuf description of the network architecture
      -
      config - path to the .pbtxt file that contains text graph definition in protobuf format. - Resulting Net object is built by text graph using weights from a binary one that - let us make it more flexible.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTensorflow

      -
      public static Net readNetFromTensorflow(String model)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the .pb file with binary protobuf description of the network architecture - Resulting Net object is built by text graph using weights from a binary one that - let us make it more flexible.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTensorflow

      -
      public static Net readNetFromTensorflow(MatOfByte bufferModel, - MatOfByte bufferConfig)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
      -
      -
      Parameters:
      -
      bufferModel - buffer containing the content of the pb file
      -
      bufferConfig - buffer containing the content of the pbtxt file
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTensorflow

      -
      public static Net readNetFromTensorflow(MatOfByte bufferModel)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format.
      -
      -
      Parameters:
      -
      bufferModel - buffer containing the content of the pb file
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTFLite

      -
      public static Net readNetFromTFLite(String model)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the .tflite file with binary flatbuffers description of the network architecture
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTFLite

      -
      public static Net readNetFromTFLite(MatOfByte bufferModel)
      -
      Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format.
      -
      -
      Parameters:
      -
      bufferModel - buffer containing the content of the tflite file
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNetFromTorch

      -
      public static Net readNetFromTorch(String model, - boolean isBinary, - boolean evaluate)
      -
      Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the file, dumped from Torch by using torch.save() function.
      -
      isBinary - specifies whether the network was serialized in ascii mode or binary.
      -
      evaluate - specifies testing phase of network. If true, it's similar to evaluate() method in Torch.
      -
      Returns:
      -
      Net object. - - Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use long type of C language, - which has various bit-length on different systems. - - The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - - List of supported layers (i.e. object instances derived from Torch nn.Module class): - - nn.Sequential - - nn.Parallel - - nn.Concat - - nn.Linear - - nn.SpatialConvolution - - nn.SpatialMaxPooling, nn.SpatialAveragePooling - - nn.ReLU, nn.TanH, nn.Sigmoid - - nn.Reshape - - nn.SoftMax, nn.LogSoftMax - - Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported.
      -
      -
      -
      • -
    • -
      -

      readNetFromTorch

      -
      public static Net readNetFromTorch(String model, - boolean isBinary)
      -
      Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the file, dumped from Torch by using torch.save() function.
      -
      isBinary - specifies whether the network was serialized in ascii mode or binary.
      -
      Returns:
      -
      Net object. - - Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use long type of C language, - which has various bit-length on different systems. - - The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - - List of supported layers (i.e. object instances derived from Torch nn.Module class): - - nn.Sequential - - nn.Parallel - - nn.Concat - - nn.Linear - - nn.SpatialConvolution - - nn.SpatialMaxPooling, nn.SpatialAveragePooling - - nn.ReLU, nn.TanH, nn.Sigmoid - - nn.Reshape - - nn.SoftMax, nn.LogSoftMax - - Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported.
      -
      -
      -
      • -
    • -
      -

      readNetFromTorch

      -
      public static Net readNetFromTorch(String model)
      -
      Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format.
      -
      -
      Parameters:
      -
      model - path to the file, dumped from Torch by using torch.save() function.
      -
      Returns:
      -
      Net object. - - Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use long type of C language, - which has various bit-length on different systems. - - The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - - List of supported layers (i.e. object instances derived from Torch nn.Module class): - - nn.Sequential - - nn.Parallel - - nn.Concat - - nn.Linear - - nn.SpatialConvolution - - nn.SpatialMaxPooling, nn.SpatialAveragePooling - - nn.ReLU, nn.TanH, nn.Sigmoid - - nn.Reshape - - nn.SoftMax, nn.LogSoftMax - - Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported.
      -
      -
      -
      • -
    • -
      -

      readNet

      -
      public static Net readNet(String model, - String config, - String framework)
      -
      Read deep learning network represented in one of the supported formats.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights. The following file - extensions are expected for models from different frameworks: - * *.caffemodel (Caffe, http://caffe.berkeleyvision.org/) - * *.pb (TensorFlow, https://www.tensorflow.org/) - * *.t7 | *.net (Torch, http://torch.ch/) - * *.weights (Darknet, https://pjreddie.com/darknet/) - * *.bin | *.onnx (OpenVINO, https://software.intel.com/openvino-toolkit) - * *.onnx (ONNX, https://onnx.ai/)
      -
      config - Text file contains network configuration. It could be a - file with the following extensions: - * *.prototxt (Caffe, http://caffe.berkeleyvision.org/) - * *.pbtxt (TensorFlow, https://www.tensorflow.org/) - * *.cfg (Darknet, https://pjreddie.com/darknet/) - * *.xml (OpenVINO, https://software.intel.com/openvino-toolkit)
      -
      framework - Explicit framework name tag to determine a format.
      -
      Returns:
      -
      Net object. - - This function automatically detects an origin framework of trained model - and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - REF: readNetFromTorch or REF: readNetFromDarknet. An order of model and config - arguments does not matter.
      -
      -
      -
      • -
    • -
      -

      readNet

      -
      public static Net readNet(String model, - String config)
      -
      Read deep learning network represented in one of the supported formats.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights. The following file - extensions are expected for models from different frameworks: - * *.caffemodel (Caffe, http://caffe.berkeleyvision.org/) - * *.pb (TensorFlow, https://www.tensorflow.org/) - * *.t7 | *.net (Torch, http://torch.ch/) - * *.weights (Darknet, https://pjreddie.com/darknet/) - * *.bin | *.onnx (OpenVINO, https://software.intel.com/openvino-toolkit) - * *.onnx (ONNX, https://onnx.ai/)
      -
      config - Text file contains network configuration. It could be a - file with the following extensions: - * *.prototxt (Caffe, http://caffe.berkeleyvision.org/) - * *.pbtxt (TensorFlow, https://www.tensorflow.org/) - * *.cfg (Darknet, https://pjreddie.com/darknet/) - * *.xml (OpenVINO, https://software.intel.com/openvino-toolkit)
      -
      Returns:
      -
      Net object. - - This function automatically detects an origin framework of trained model - and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - REF: readNetFromTorch or REF: readNetFromDarknet. An order of model and config - arguments does not matter.
      -
      -
      -
      • -
    • -
      -

      readNet

      -
      public static Net readNet(String model)
      -
      Read deep learning network represented in one of the supported formats.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights. The following file - extensions are expected for models from different frameworks: - * *.caffemodel (Caffe, http://caffe.berkeleyvision.org/) - * *.pb (TensorFlow, https://www.tensorflow.org/) - * *.t7 | *.net (Torch, http://torch.ch/) - * *.weights (Darknet, https://pjreddie.com/darknet/) - * *.bin | *.onnx (OpenVINO, https://software.intel.com/openvino-toolkit) - * *.onnx (ONNX, https://onnx.ai/) - file with the following extensions: - * *.prototxt (Caffe, http://caffe.berkeleyvision.org/) - * *.pbtxt (TensorFlow, https://www.tensorflow.org/) - * *.cfg (Darknet, https://pjreddie.com/darknet/) - * *.xml (OpenVINO, https://software.intel.com/openvino-toolkit)
      -
      Returns:
      -
      Net object. - - This function automatically detects an origin framework of trained model - and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - REF: readNetFromTorch or REF: readNetFromDarknet. An order of model and config - arguments does not matter.
      -
      -
      -
      • -
    • -
      -

      readNet

      -
      public static Net readNet(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig)
      -
      Read deep learning network represented in one of the supported formats. - This is an overloaded member function, provided for convenience. - It differs from the above function only in what argument(s) it accepts.
      -
      -
      Parameters:
      -
      framework - Name of origin framework.
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readNet

      -
      public static Net readNet(String framework, - MatOfByte bufferModel)
      -
      Read deep learning network represented in one of the supported formats. - This is an overloaded member function, provided for convenience. - It differs from the above function only in what argument(s) it accepts.
      -
      -
      Parameters:
      -
      framework - Name of origin framework.
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      readTorchBlob

      -
      public static Mat readTorchBlob(String filename, - boolean isBinary)
      -
      Loads blob which was serialized as torch.Tensor object of Torch7 framework. - WARNING: This function has the same limitations as readNetFromTorch().
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      isBinary - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      readTorchBlob

      -
      public static Mat readTorchBlob(String filename)
      -
      Loads blob which was serialized as torch.Tensor object of Torch7 framework. - WARNING: This function has the same limitations as readNetFromTorch().
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      readNetFromModelOptimizer

      -
      public static Net readNetFromModelOptimizer(String xml, - String bin)
      -
      Load a network from Intel's Model Optimizer intermediate representation.
      -
      -
      Parameters:
      -
      xml - XML configuration file with network's topology.
      -
      bin - Binary file with trained weights.
      -
      Returns:
      -
      Net object. - Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - backend.
      -
      -
      -
      • -
    • -
      -

      readNetFromModelOptimizer

      -
      public static Net readNetFromModelOptimizer(String xml)
      -
      Load a network from Intel's Model Optimizer intermediate representation.
      -
      -
      Parameters:
      -
      xml - XML configuration file with network's topology.
      -
      Returns:
      -
      Net object. - Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - backend.
      -
      -
      -
      • -
    • -
      -

      readNetFromModelOptimizer

      -
      public static Net readNetFromModelOptimizer(MatOfByte bufferModelConfig, - MatOfByte bufferWeights)
      -
      Load a network from Intel's Model Optimizer intermediate representation.
      -
      -
      Parameters:
      -
      bufferModelConfig - Buffer contains XML configuration with network's topology.
      -
      bufferWeights - Buffer contains binary data with trained weights.
      -
      Returns:
      -
      Net object. - Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - backend.
      -
      -
      -
      • -
    • -
      -

      readNetFromONNX

      -
      public static Net readNetFromONNX(String onnxFile)
      -
      Reads a network model <a href="https://onnx.ai/">ONNX</a>.
      -
      -
      Parameters:
      -
      onnxFile - path to the .onnx file with text description of the network architecture.
      -
      Returns:
      -
      Network object that ready to do forward, throw an exception in failure cases.
      -
      -
      -
      • -
    • -
      -

      readNetFromONNX

      -
      public static Net readNetFromONNX(MatOfByte buffer)
      -
      Reads a network model from <a href="https://onnx.ai/">ONNX</a> - in-memory buffer.
      -
      -
      Parameters:
      -
      buffer - in-memory buffer that stores the ONNX model bytes.
      -
      Returns:
      -
      Network object that ready to do forward, throw an exception - in failure cases.
      -
      -
      -
      • -
    • -
      -

      readTensorFromONNX

      -
      public static Mat readTensorFromONNX(String path)
      -
      Creates blob from .pb file.
      -
      -
      Parameters:
      -
      path - to the .pb file with input tensor.
      -
      Returns:
      -
      Mat.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB, - boolean crop, - int ddepth)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values.
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary.
      -
      crop - flag which indicates whether image will be cropped after resize or not
      -
      ddepth - Depth of output blob. Choose CV_32F or CV_8U. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB, - boolean crop)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values.
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary.
      -
      crop - flag which indicates whether image will be cropped after resize or not - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values.
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor, - Size size, - Scalar mean)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values.
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor, - Size size)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values.
      -
      size - spatial size for output image - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image, - double scalefactor)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels).
      -
      scalefactor - multiplier for images values. - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImage

      -
      public static Mat blobFromImage(Mat image)
      -
      Creates 4-dimensional blob from image. Optionally resizes and crops image from center, - subtract mean values, scales values by scalefactor, swap Blue and Red channels.
      -
      -
      Parameters:
      -
      image - input image (with 1-, 3- or 4-channels). - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB, - boolean crop, - int ddepth)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels).
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary.
      -
      crop - flag which indicates whether image will be cropped after resize or not
      -
      ddepth - Depth of output blob. Choose CV_32F or CV_8U. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB, - boolean crop)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels).
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary.
      -
      crop - flag which indicates whether image will be cropped after resize or not - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor, - Size size, - Scalar mean, - boolean swapRB)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels).
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values.
      -
      swapRB - flag which indicates that swap first and last channels - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor, - Size size, - Scalar mean)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels).
      -
      size - spatial size for output image
      -
      mean - scalar with mean values which are subtracted from channels. Values are intended - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor, - Size size)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels).
      -
      size - spatial size for output image - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images, - double scalefactor)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels). - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true.
      -
      scalefactor - multiplier for images values. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImages

      -
      public static Mat blobFromImages(List<Mat> images)
      -
      Creates 4-dimensional blob from series of images. Optionally resizes and - crops images from center, subtract mean values, scales values by scalefactor, - swap Blue and Red channels.
      -
      -
      Parameters:
      -
      images - input images (all with 1-, 3- or 4-channels). - to be in (mean-R, mean-G, mean-B) order if image has BGR ordering and swapRB is true. - in 3-channel image is necessary. - if crop is true, input image is resized so one side after resize is equal to corresponding - dimension in size and another one is equal or larger. Then, crop from the center is performed. - If crop is false, direct resize without cropping and preserving aspect ratio is performed.
      -
      Returns:
      -
      4-dimensional Mat with NCHW dimensions order. - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor.
      -
      -
      -
      • -
    • -
      -

      blobFromImageWithParams

      -
      public static Mat blobFromImageWithParams(Mat image, - Image2BlobParams param)
      -
      Creates 4-dimensional blob from image with given params. - - This function is an extension of REF: blobFromImage to meet more image preprocess needs. - Given input image and preprocessing parameters, and function outputs the blob.
      -
      -
      Parameters:
      -
      image - input image (all with 1-, 3- or 4-channels).
      -
      param - struct of Image2BlobParams, contains all parameters needed by processing of image to blob.
      -
      Returns:
      -
      4-dimensional Mat.
      -
      -
      -
      • -
    • -
      -

      blobFromImageWithParams

      -
      public static Mat blobFromImageWithParams(Mat image)
      -
      Creates 4-dimensional blob from image with given params. - - This function is an extension of REF: blobFromImage to meet more image preprocess needs. - Given input image and preprocessing parameters, and function outputs the blob.
      -
      -
      Parameters:
      -
      image - input image (all with 1-, 3- or 4-channels).
      -
      Returns:
      -
      4-dimensional Mat.
      -
      -
      -
      • -
    • -
      -

      blobFromImageWithParams

      -
      public static void blobFromImageWithParams(Mat image, - Mat blob, - Image2BlobParams param)
      -
      -
      • -
    • -
      -

      blobFromImageWithParams

      -
      public static void blobFromImageWithParams(Mat image, - Mat blob)
      -
      -
      • -
    • -
      -

      blobFromImagesWithParams

      -
      public static Mat blobFromImagesWithParams(List<Mat> images, - Image2BlobParams param)
      -
      Creates 4-dimensional blob from series of images with given params. - - This function is an extension of REF: blobFromImages to meet more image preprocess needs. - Given input image and preprocessing parameters, and function outputs the blob.
      -
      -
      Parameters:
      -
      images - input image (all with 1-, 3- or 4-channels).
      -
      param - struct of Image2BlobParams, contains all parameters needed by processing of image to blob.
      -
      Returns:
      -
      4-dimensional Mat.
      -
      -
      -
      • -
    • -
      -

      blobFromImagesWithParams

      -
      public static Mat blobFromImagesWithParams(List<Mat> images)
      -
      Creates 4-dimensional blob from series of images with given params. - - This function is an extension of REF: blobFromImages to meet more image preprocess needs. - Given input image and preprocessing parameters, and function outputs the blob.
      -
      -
      Parameters:
      -
      images - input image (all with 1-, 3- or 4-channels).
      -
      Returns:
      -
      4-dimensional Mat.
      -
      -
      -
      • -
    • -
      -

      blobFromImagesWithParams

      -
      public static void blobFromImagesWithParams(List<Mat> images, - Mat blob, - Image2BlobParams param)
      -
      -
      • -
    • -
      -

      blobFromImagesWithParams

      -
      public static void blobFromImagesWithParams(List<Mat> images, - Mat blob)
      -
      -
      • -
    • -
      -

      imagesFromBlob

      -
      public static void imagesFromBlob(Mat blob_, - List<Mat> images_)
      -
      Parse a 4D blob and output the images it contains as 2D arrays through a simpler data structure - (std::vector<cv::Mat>).
      -
      -
      Parameters:
      -
      blob_ - 4 dimensional array (images, channels, height, width) in floating point precision (CV_32F) from - which you would like to extract the images.
      -
      images_ - array of 2D Mat containing the images extracted from the blob in floating point precision - (CV_32F). They are non normalized neither mean added. The number of returned images equals the first dimension - of the blob (batch size). Every image has a number of channels equals to the second dimension of the blob (depth).
      -
      -
      -
      • -
    • -
      -

      shrinkCaffeModel

      -
      public static void shrinkCaffeModel(String src, - String dst, - List<String> layersTypes)
      -
      Convert all weights of Caffe network to half precision floating point.
      -
      -
      Parameters:
      -
      src - Path to origin model from Caffe framework contains single - precision floating point weights (usually has .caffemodel extension).
      -
      dst - Path to destination model with updated weights.
      -
      layersTypes - Set of layers types which parameters will be converted. - By default, converts only Convolutional and Fully-Connected layers' - weights. - - Note: Shrinked model has no origin float32 weights so it can't be used - in origin Caffe framework anymore. However the structure of data - is taken from NVidia's Caffe fork: https://github.com/NVIDIA/caffe. - So the resulting model may be used there.
      -
      -
      -
      • -
    • -
      -

      shrinkCaffeModel

      -
      public static void shrinkCaffeModel(String src, - String dst)
      -
      Convert all weights of Caffe network to half precision floating point.
      -
      -
      Parameters:
      -
      src - Path to origin model from Caffe framework contains single - precision floating point weights (usually has .caffemodel extension).
      -
      dst - Path to destination model with updated weights. - By default, converts only Convolutional and Fully-Connected layers' - weights. - - Note: Shrinked model has no origin float32 weights so it can't be used - in origin Caffe framework anymore. However the structure of data - is taken from NVidia's Caffe fork: https://github.com/NVIDIA/caffe. - So the resulting model may be used there.
      -
      -
      -
      • -
    • -
      -

      writeTextGraph

      -
      public static void writeTextGraph(String model, - String output)
      -
      Create a text representation for a binary network stored in protocol buffer format.
      -
      -
      Parameters:
      -
      model - A path to binary network.
      -
      output - A path to output text file to be created. - - Note: To reduce output file size, trained weights are not included.
      -
      -
      -
      • -
    • -
      -

      NMSBoxes

      -
      public static void NMSBoxes(MatOfRect2d bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta, - int top_k)
      -
      Performs non maximum suppression given boxes and corresponding scores.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      eta - a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\).
      -
      top_k - if &gt;0, keep at most top_k picked indices.
      -
      -
      -
      • -
    • -
      -

      NMSBoxes

      -
      public static void NMSBoxes(MatOfRect2d bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta)
      -
      Performs non maximum suppression given boxes and corresponding scores.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      eta - a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\).
      -
      -
      -
      • -
    • -
      -

      NMSBoxes

      -
      public static void NMSBoxes(MatOfRect2d bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices)
      -
      Performs non maximum suppression given boxes and corresponding scores.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      -
      -
      • -
    • -
      -

      NMSBoxesRotated

      -
      public static void NMSBoxesRotated(MatOfRotatedRect bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta, - int top_k)
      -
      -
      • -
    • -
      -

      NMSBoxesRotated

      -
      public static void NMSBoxesRotated(MatOfRotatedRect bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta)
      -
      -
      • -
    • -
      -

      NMSBoxesRotated

      -
      public static void NMSBoxesRotated(MatOfRotatedRect bboxes, - MatOfFloat scores, - float score_threshold, - float nms_threshold, - MatOfInt indices)
      -
      -
      • -
    • -
      -

      NMSBoxesBatched

      -
      public static void NMSBoxesBatched(MatOfRect2d bboxes, - MatOfFloat scores, - MatOfInt class_ids, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta, - int top_k)
      -
      Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      class_ids - a set of corresponding class ids. Ids are integer and usually start from 0.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      eta - a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\).
      -
      top_k - if &gt;0, keep at most top_k picked indices.
      -
      -
      -
      • -
    • -
      -

      NMSBoxesBatched

      -
      public static void NMSBoxesBatched(MatOfRect2d bboxes, - MatOfFloat scores, - MatOfInt class_ids, - float score_threshold, - float nms_threshold, - MatOfInt indices, - float eta)
      -
      Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      class_ids - a set of corresponding class ids. Ids are integer and usually start from 0.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      eta - a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\).
      -
      -
      -
      • -
    • -
      -

      NMSBoxesBatched

      -
      public static void NMSBoxesBatched(MatOfRect2d bboxes, - MatOfFloat scores, - MatOfInt class_ids, - float score_threshold, - float nms_threshold, - MatOfInt indices)
      -
      Performs batched non maximum suppression on given boxes and corresponding scores across different classes.
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply NMS.
      -
      scores - a set of corresponding confidences.
      -
      class_ids - a set of corresponding class ids. Ids are integer and usually start from 0.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      -
      -
      • -
    • -
      -

      softNMSBoxes

      -
      public static void softNMSBoxes(MatOfRect bboxes, - MatOfFloat scores, - MatOfFloat updated_scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - long top_k, - float sigma)
      -
      Performs soft non maximum suppression given boxes and corresponding scores. - Reference: https://arxiv.org/abs/1704.04503
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply Soft NMS.
      -
      scores - a set of corresponding confidences.
      -
      updated_scores - a set of corresponding updated confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      top_k - keep at most top_k picked indices.
      -
      sigma - parameter of Gaussian weighting. - SEE: SoftNMSMethod
      -
      -
      -
      • -
    • -
      -

      softNMSBoxes

      -
      public static void softNMSBoxes(MatOfRect bboxes, - MatOfFloat scores, - MatOfFloat updated_scores, - float score_threshold, - float nms_threshold, - MatOfInt indices, - long top_k)
      -
      Performs soft non maximum suppression given boxes and corresponding scores. - Reference: https://arxiv.org/abs/1704.04503
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply Soft NMS.
      -
      scores - a set of corresponding confidences.
      -
      updated_scores - a set of corresponding updated confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS.
      -
      top_k - keep at most top_k picked indices. - SEE: SoftNMSMethod
      -
      -
      -
      • -
    • -
      -

      softNMSBoxes

      -
      public static void softNMSBoxes(MatOfRect bboxes, - MatOfFloat scores, - MatOfFloat updated_scores, - float score_threshold, - float nms_threshold, - MatOfInt indices)
      -
      Performs soft non maximum suppression given boxes and corresponding scores. - Reference: https://arxiv.org/abs/1704.04503
      -
      -
      Parameters:
      -
      bboxes - a set of bounding boxes to apply Soft NMS.
      -
      scores - a set of corresponding confidences.
      -
      updated_scores - a set of corresponding updated confidences.
      -
      score_threshold - a threshold used to filter boxes by score.
      -
      nms_threshold - a threshold used in non maximum suppression.
      -
      indices - the kept indices of bboxes after NMS. - SEE: SoftNMSMethod
      -
      -
      -
      • -
    • -
      -

      resetMyriadDevice

      -
      public static void resetMyriadDevice()
      -
      Release a Myriad device (binded by OpenCV). - - Single Myriad device cannot be shared across multiple processes which uses - Inference Engine's Myriad plugin.
      -
      -
      • -
    • -
      -

      getInferenceEngineVPUType

      -
      public static String getInferenceEngineVPUType()
      -
      Returns Inference Engine VPU type. - - See values of CV_DNN_INFERENCE_ENGINE_VPU_TYPE_* macros.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getInferenceEngineCPUType

      -
      public static String getInferenceEngineCPUType()
      -
      Returns Inference Engine CPU type. - - Specify OpenVINO plugin: CPU or ARM.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      releaseHDDLPlugin

      -
      public static void releaseHDDLPlugin()
      -
      Release a HDDL plugin.
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Image2BlobParams.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Image2BlobParams.html deleted file mode 100644 index f4f7ef8f1d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Image2BlobParams.html +++ /dev/null @@ -1,476 +0,0 @@ - - - - -Image2BlobParams (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class Image2BlobParams

-
-
java.lang.Object -
org.opencv.dnn.Image2BlobParams
-
-
-
-
public class Image2BlobParams -extends Object
-
Processing params of image to blob. - - It includes all possible image processing operations and corresponding parameters. - - SEE: blobFromImageWithParams - - Note: - The order and usage of scalefactor and mean are (input - mean) * scalefactor. - The order and usage of scalefactor, size, mean, swapRB, and ddepth are consistent - with the function of REF: blobFromImage.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams()
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size, - Scalar mean, - boolean swapRB, - int ddepth, - int datalayout, - Scalar borderValue)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size, - Scalar mean, - boolean swapRB, - int ddepth, - int datalayout)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size, - Scalar mean, - boolean swapRB, - int ddepth)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size, - Scalar mean, - boolean swapRB)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size, - Scalar mean)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor, - Size size)
      -
      -
      • -
    • -
      -

      Image2BlobParams

      -
      public Image2BlobParams(Scalar scalefactor)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Image2BlobParams __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      blobRectToImageRect

      -
      public Rect blobRectToImageRect(Rect rBlob, - Size size)
      -
      Get rectangle coordinates in original image system from rectangle in blob coordinates.
      -
      -
      Parameters:
      -
      rBlob - rect in blob coordinates.
      -
      size - original input image size.
      -
      Returns:
      -
      rectangle in original image coordinates.
      -
      -
      -
      • -
    • -
      -

      blobRectsToImageRects

      -
      public void blobRectsToImageRects(MatOfRect rBlob, - MatOfRect rImg, - Size size)
      -
      Get rectangle coordinates in original image system from rectangle in blob coordinates.
      -
      -
      Parameters:
      -
      rBlob - rect in blob coordinates.
      -
      rImg - result rect in image coordinates.
      -
      size - original input image size.
      -
      -
      -
      • -
    • -
      -

      get_scalefactor

      -
      public Scalar get_scalefactor()
      -
      -
      • -
    • -
      -

      set_scalefactor

      -
      public void set_scalefactor(Scalar scalefactor)
      -
      -
      • -
    • -
      -

      get_size

      -
      public Size get_size()
      -
      -
      • -
    • -
      -

      set_size

      -
      public void set_size(Size size)
      -
      -
      • -
    • -
      -

      get_mean

      -
      public Scalar get_mean()
      -
      -
      • -
    • -
      -

      set_mean

      -
      public void set_mean(Scalar mean)
      -
      -
      • -
    • -
      -

      get_swapRB

      -
      public boolean get_swapRB()
      -
      -
      • -
    • -
      -

      set_swapRB

      -
      public void set_swapRB(boolean swapRB)
      -
      -
      • -
    • -
      -

      get_ddepth

      -
      public int get_ddepth()
      -
      -
      • -
    • -
      -

      set_ddepth

      -
      public void set_ddepth(int ddepth)
      -
      -
      • -
    • -
      -

      get_datalayout

      -
      public int get_datalayout()
      -
      -
      • -
    • -
      -

      set_datalayout

      -
      public void set_datalayout(int datalayout)
      -
      -
      • -
    • -
      -

      get_paddingmode

      -
      public int get_paddingmode()
      -
      -
      • -
    • -
      -

      set_paddingmode

      -
      public void set_paddingmode(int paddingmode)
      -
      -
      • -
    • -
      -

      get_borderValue

      -
      public Scalar get_borderValue()
      -
      -
      • -
    • -
      -

      set_borderValue

      -
      public void set_borderValue(Scalar borderValue)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/KeypointsModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/KeypointsModel.html deleted file mode 100644 index 4b624b253c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/KeypointsModel.html +++ /dev/null @@ -1,263 +0,0 @@ - - - - -KeypointsModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class KeypointsModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.KeypointsModel
-
-
-
-
-
public class KeypointsModel -extends Model
-
This class represents high-level API for keypoints models - - KeypointsModel allows to set params for preprocessing input image. - KeypointsModel creates net from file with trained weights and config, - sets preprocessing input, runs forward pass and returns the x and y coordinates of each detected keypoint
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      KeypointsModel

      -
      public KeypointsModel(String model, - String config)
      -
      Create keypoints model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      KeypointsModel

      -
      public KeypointsModel(String model)
      -
      Create keypoints model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    • -
      -

      KeypointsModel

      -
      public KeypointsModel(Net network)
      -
      Create model from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static KeypointsModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      estimate

      -
      public MatOfPoint2f estimate(Mat frame, - float thresh)
      -
      Given the input frame, create input blob, run net
      -
      -
      Parameters:
      -
      thresh - minimum confidence threshold to select a keypoint
      -
      frame - automatically generated
      -
      Returns:
      -
      a vector holding the x and y coordinates of each detected keypoint
      -
      -
      -
      • -
    • -
      -

      estimate

      -
      public MatOfPoint2f estimate(Mat frame)
      -
      Given the input frame, create input blob, run net
      -
      -
      Parameters:
      -
      frame - automatically generated
      -
      Returns:
      -
      a vector holding the x and y coordinates of each detected keypoint
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Layer.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Layer.html deleted file mode 100644 index 544ede503a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Layer.html +++ /dev/null @@ -1,240 +0,0 @@ - - - - -Layer (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class Layer

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.dnn.Layer
-
-
-
-
-
public class Layer -extends Algorithm
-
This interface class allows to build new Layers - are building blocks of networks. - - Each class, derived from Layer, must implement forward() method to compute outputs. - Also before using the new layer into networks you must register your layer by using one of REF: dnnLayerFactory "LayerFactory" macros.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static Layer __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      finalize

      -
      public void finalize(List<Mat> inputs, - List<Mat> outputs)
      -
      Computes and sets internal parameters according to inputs, outputs and blobs.
      -
      -
      Parameters:
      -
      outputs - vector of already allocated output blobs - - This method is called after network has allocated all memory for input and output blobs - and before inferencing.
      -
      inputs - automatically generated
      -
      -
      -
      • -
    • -
      -

      outputNameToIndex

      -
      public int outputNameToIndex(String outputName)
      -
      Returns index of output blob in output array. - SEE: inputNameToIndex()
      -
      -
      Parameters:
      -
      outputName - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_blobs

      -
      public List<Mat> get_blobs()
      -
      -
      • -
    • -
      -

      set_blobs

      -
      public void set_blobs(List<Mat> blobs)
      -
      -
      • -
    • -
      -

      get_name

      -
      public String get_name()
      -
      -
      • -
    • -
      -

      get_type

      -
      public String get_type()
      -
      -
      • -
    • -
      -

      get_preferableTarget

      -
      public int get_preferableTarget()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Model.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Model.html deleted file mode 100644 index 1af02a7280..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Model.html +++ /dev/null @@ -1,533 +0,0 @@ - - - - -Model (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class Model

-
-
java.lang.Object -
org.opencv.dnn.Model
-
-
-
-
Direct Known Subclasses:
-
ClassificationModel, DetectionModel, KeypointsModel, SegmentationModel, TextDetectionModel, TextRecognitionModel
-
-
-
public class Model -extends Object
-
This class is presented high-level API for neural networks. - - Model allows to set params for preprocessing input image. - Model creates net from file with trained weights and config, - sets preprocessing input and runs forward pass.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Model

      -
      public Model(String model, - String config)
      -
      Create model from deep learning network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      Model

      -
      public Model(String model)
      -
      Create model from deep learning network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    • -
      -

      Model

      -
      public Model(Net network)
      -
      Create model from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Model __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setInputSize

      -
      public Model setInputSize(Size size)
      -
      Set input size for frame.
      -
      -
      Parameters:
      -
      size - New input size. - Note: If shape of the new blob less than 0, then frame size not change.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputSize

      -
      public Model setInputSize(int width, - int height)
      -
      -
      Parameters:
      -
      width - New input width.
      -
      height - New input height.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputMean

      -
      public Model setInputMean(Scalar mean)
      -
      Set mean value for frame.
      -
      -
      Parameters:
      -
      mean - Scalar with mean values which are subtracted from channels.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputScale

      -
      public Model setInputScale(Scalar scale)
      -
      Set scalefactor value for frame.
      -
      -
      Parameters:
      -
      scale - Multiplier for frame values.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputCrop

      -
      public Model setInputCrop(boolean crop)
      -
      Set flag crop for frame.
      -
      -
      Parameters:
      -
      crop - Flag which indicates whether image will be cropped after resize or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputSwapRB

      -
      public Model setInputSwapRB(boolean swapRB)
      -
      Set flag swapRB for frame.
      -
      -
      Parameters:
      -
      swapRB - Flag which indicates that swap first and last channels.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setOutputNames

      -
      public Model setOutputNames(List<String> outNames)
      -
      Set output names for frame.
      -
      -
      Parameters:
      -
      outNames - Names for output layers.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams(double scale, - Size size, - Scalar mean, - boolean swapRB, - boolean crop)
      -
      Set preprocessing parameters for frame.
      -
      -
      Parameters:
      -
      size - New input size.
      -
      mean - Scalar with mean values which are subtracted from channels.
      -
      scale - Multiplier for frame values.
      -
      swapRB - Flag which indicates that swap first and last channels.
      -
      crop - Flag which indicates whether image will be cropped after resize or not. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams(double scale, - Size size, - Scalar mean, - boolean swapRB)
      -
      Set preprocessing parameters for frame.
      -
      -
      Parameters:
      -
      size - New input size.
      -
      mean - Scalar with mean values which are subtracted from channels.
      -
      scale - Multiplier for frame values.
      -
      swapRB - Flag which indicates that swap first and last channels. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams(double scale, - Size size, - Scalar mean)
      -
      Set preprocessing parameters for frame.
      -
      -
      Parameters:
      -
      size - New input size.
      -
      mean - Scalar with mean values which are subtracted from channels.
      -
      scale - Multiplier for frame values. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams(double scale, - Size size)
      -
      Set preprocessing parameters for frame.
      -
      -
      Parameters:
      -
      size - New input size.
      -
      scale - Multiplier for frame values. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams(double scale)
      -
      Set preprocessing parameters for frame.
      -
      -
      Parameters:
      -
      scale - Multiplier for frame values. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      -
      • -
    • -
      -

      setInputParams

      -
      public void setInputParams()
      -
      Set preprocessing parameters for frame. - blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )
      -
      -
      • -
    • -
      -

      predict

      -
      public void predict(Mat frame, - List<Mat> outs)
      -
      Given the input frame, create input blob, run net and return the output blobs.
      -
      -
      Parameters:
      -
      outs - Allocated output blobs, which will store results of the computation.
      -
      frame - automatically generated
      -
      -
      -
      • -
    • -
      -

      setPreferableBackend

      -
      public Model setPreferableBackend(int backendId)
      -
      -
      • -
    • -
      -

      setPreferableTarget

      -
      public Model setPreferableTarget(int targetId)
      -
      -
      • -
    • -
      -

      enableWinograd

      -
      public Model enableWinograd(boolean useWinograd)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Net.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Net.html deleted file mode 100644 index 3920c785cf..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/Net.html +++ /dev/null @@ -1,1111 +0,0 @@ - - - - -Net (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class Net

-
-
java.lang.Object -
org.opencv.dnn.Net
-
-
-
-
public class Net -extends Object
-
This class allows to create and manipulate comprehensive artificial neural networks. - - Neural network is presented as directed acyclic graph (DAG), where vertices are Layer instances, - and edges specify relationships between layers inputs and outputs. - - Each network layer has unique integer id and unique string name inside its network. - LayerId can store either layer name or layer id. - - This class supports reference counting of its instances, i. e. copies point to the same instance.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Net

      -
      public Net()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Net __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      readFromModelOptimizer

      -
      public static Net readFromModelOptimizer(String xml, - String bin)
      -
      Create a network from Intel's Model Optimizer intermediate representation (IR).
      -
      -
      Parameters:
      -
      xml - XML configuration file with network's topology.
      -
      bin - Binary file with trained weights. - Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - backend.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      readFromModelOptimizer

      -
      public static Net readFromModelOptimizer(MatOfByte bufferModelConfig, - MatOfByte bufferWeights)
      -
      Create a network from Intel's Model Optimizer in-memory buffers with intermediate representation (IR).
      -
      -
      Parameters:
      -
      bufferModelConfig - buffer with model's configuration.
      -
      bufferWeights - buffer with model's trained weights.
      -
      Returns:
      -
      Net object.
      -
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Returns true if there are no layers in the network.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      dump

      -
      public String dump()
      -
      Dump net to String
      -
      -
      Returns:
      -
      String with structure, hyperparameters, backend, target and fusion - Call method after setInput(). To see correct backend, target and fusion run after forward().
      -
      -
      -
      • -
    • -
      -

      dumpToFile

      -
      public void dumpToFile(String path)
      -
      Dump net structure, hyperparameters, backend, target and fusion to dot file
      -
      -
      Parameters:
      -
      path - path to output file with .dot extension - SEE: dump()
      -
      -
      -
      • -
    • -
      -

      dumpToPbtxt

      -
      public void dumpToPbtxt(String path)
      -
      Dump net structure, hyperparameters, backend, target and fusion to pbtxt file
      -
      -
      Parameters:
      -
      path - path to output file with .pbtxt extension - - Use Netron (https://netron.app) to open the target file to visualize the model. - Call method after setInput(). To see correct backend, target and fusion run after forward().
      -
      -
      -
      • -
    • -
      -

      getLayerId

      -
      public int getLayerId(String layer)
      -
      Converts string name of the layer to the integer identifier.
      -
      -
      Parameters:
      -
      layer - automatically generated
      -
      Returns:
      -
      id of the layer, or -1 if the layer wasn't found.
      -
      -
      -
      • -
    • -
      -

      getLayerNames

      -
      public List<String> getLayerNames()
      -
      -
      • -
    • -
      -

      getLayer

      -
      public Layer getLayer(int layerId)
      -
      Returns pointer to layer with specified id or name which the network use.
      -
      -
      Parameters:
      -
      layerId - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connect

      -
      public void connect(String outPin, - String inpPin)
      -
      Connects output of the first layer to input of the second layer.
      -
      -
      Parameters:
      -
      outPin - descriptor of the first layer output.
      -
      inpPin - descriptor of the second layer input. - - Descriptors have the following template <DFN>&lt;layer_name&gt;[.input_number]</DFN>: - - the first part of the template <DFN>layer_name</DFN> is string name of the added layer. - If this part is empty then the network input pseudo layer will be used; - - the second optional part of the template <DFN>input_number</DFN> - is either number of the layer input, either label one. - If this part is omitted then the first layer input will be used. - - SEE: setNetInputs(), Layer::inputNameToIndex(), Layer::outputNameToIndex()
      -
      -
      -
      • -
    • -
      -

      registerOutput

      -
      public int registerOutput(String outputName, - int layerId, - int outputPort)
      -
      Registers network output with name - - Function may create additional 'Identity' layer.
      -
      -
      Parameters:
      -
      outputName - identifier of the output
      -
      layerId - identifier of the second layer
      -
      outputPort - number of the second layer input
      -
      Returns:
      -
      index of bound layer (the same as layerId or newly created)
      -
      -
      -
      • -
    • -
      -

      setInputsNames

      -
      public void setInputsNames(List<String> inputBlobNames)
      -
      Sets outputs names of the network input pseudo layer. - - Each net always has special own the network input pseudo layer with id=0. - This layer stores the user blobs only and don't make any computations. - In fact, this layer provides the only way to pass user data into the network. - As any other layer, this layer can label its outputs and this function provides an easy way to do this.
      -
      -
      Parameters:
      -
      inputBlobNames - automatically generated
      -
      -
      -
      • -
    • -
      -

      setInputShape

      -
      public void setInputShape(String inputName, - MatOfInt shape)
      -
      Specify shape of network input.
      -
      -
      Parameters:
      -
      inputName - automatically generated
      -
      shape - automatically generated
      -
      -
      -
      • -
    • -
      -

      forward

      -
      public Mat forward(String outputName)
      -
      Runs forward pass to compute output of layer with name outputName.
      -
      -
      Parameters:
      -
      outputName - name for layer which output is needed to get
      -
      Returns:
      -
      blob for first output of specified layer. - By default runs forward pass for the whole network.
      -
      -
      -
      • -
    • -
      -

      forward

      -
      public Mat forward()
      -
      Runs forward pass to compute output of layer with name outputName.
      -
      -
      Returns:
      -
      blob for first output of specified layer. - By default runs forward pass for the whole network.
      -
      -
      -
      • -
    • -
      -

      forward

      -
      public void forward(List<Mat> outputBlobs, - String outputName)
      -
      Runs forward pass to compute output of layer with name outputName.
      -
      -
      Parameters:
      -
      outputBlobs - contains all output blobs for specified layer.
      -
      outputName - name for layer which output is needed to get - If outputName is empty, runs forward pass for the whole network.
      -
      -
      -
      • -
    • -
      -

      forward

      -
      public void forward(List<Mat> outputBlobs)
      -
      Runs forward pass to compute output of layer with name outputName.
      -
      -
      Parameters:
      -
      outputBlobs - contains all output blobs for specified layer. - If outputName is empty, runs forward pass for the whole network.
      -
      -
      -
      • -
    • -
      -

      forward

      -
      public void forward(List<Mat> outputBlobs, - List<String> outBlobNames)
      -
      Runs forward pass to compute outputs of layers listed in outBlobNames.
      -
      -
      Parameters:
      -
      outputBlobs - contains blobs for first outputs of specified layers.
      -
      outBlobNames - names for layers which outputs are needed to get
      -
      -
      -
      • -
    • -
      -

      quantize

      -
      public Net quantize(List<Mat> calibData, - int inputsDtype, - int outputsDtype, - boolean perChannel)
      -
      Returns a quantized Net from a floating-point Net.
      -
      -
      Parameters:
      -
      calibData - Calibration data to compute the quantization parameters.
      -
      inputsDtype - Datatype of quantized net's inputs. Can be CV_32F or CV_8S.
      -
      outputsDtype - Datatype of quantized net's outputs. Can be CV_32F or CV_8S.
      -
      perChannel - Quantization granularity of quantized Net. The default is true, that means quantize model - in per-channel way (channel-wise). Set it false to quantize model in per-tensor way (or tensor-wise).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      quantize

      -
      public Net quantize(List<Mat> calibData, - int inputsDtype, - int outputsDtype)
      -
      Returns a quantized Net from a floating-point Net.
      -
      -
      Parameters:
      -
      calibData - Calibration data to compute the quantization parameters.
      -
      inputsDtype - Datatype of quantized net's inputs. Can be CV_32F or CV_8S.
      -
      outputsDtype - Datatype of quantized net's outputs. Can be CV_32F or CV_8S. - in per-channel way (channel-wise). Set it false to quantize model in per-tensor way (or tensor-wise).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getInputDetails

      -
      public void getInputDetails(MatOfFloat scales, - MatOfInt zeropoints)
      -
      Returns input scale and zeropoint for a quantized Net.
      -
      -
      Parameters:
      -
      scales - output parameter for returning input scales.
      -
      zeropoints - output parameter for returning input zeropoints.
      -
      -
      -
      • -
    • -
      -

      getOutputDetails

      -
      public void getOutputDetails(MatOfFloat scales, - MatOfInt zeropoints)
      -
      Returns output scale and zeropoint for a quantized Net.
      -
      -
      Parameters:
      -
      scales - output parameter for returning output scales.
      -
      zeropoints - output parameter for returning output zeropoints.
      -
      -
      -
      • -
    • -
      -

      setHalideScheduler

      -
      public void setHalideScheduler(String scheduler)
      -
      Compile Halide layers.
      -
      -
      Parameters:
      -
      scheduler - Path to YAML file with scheduling directives. - SEE: setPreferableBackend - - Schedule layers that support Halide backend. Then compile them for - specific target. For layers that not represented in scheduling file - or if no manual scheduling used at all, automatic scheduling will be applied.
      -
      -
      -
      • -
    • -
      -

      setPreferableBackend

      -
      public void setPreferableBackend(int backendId)
      -
      Ask network to use specific computation backend where it supported.
      -
      -
      Parameters:
      -
      backendId - backend identifier. - SEE: Backend
      -
      -
      -
      • -
    • -
      -

      setPreferableTarget

      -
      public void setPreferableTarget(int targetId)
      -
      Ask network to make computations on specific target device.
      -
      -
      Parameters:
      -
      targetId - target identifier. - SEE: Target - - List of supported combinations backend / target: - | | DNN_BACKEND_OPENCV | DNN_BACKEND_INFERENCE_ENGINE | DNN_BACKEND_HALIDE | DNN_BACKEND_CUDA | - |------------------------|--------------------|------------------------------|--------------------|-------------------| - | DNN_TARGET_CPU | + | + | + | | - | DNN_TARGET_OPENCL | + | + | + | | - | DNN_TARGET_OPENCL_FP16 | + | + | | | - | DNN_TARGET_MYRIAD | | + | | | - | DNN_TARGET_FPGA | | + | | | - | DNN_TARGET_CUDA | | | | + | - | DNN_TARGET_CUDA_FP16 | | | | + | - | DNN_TARGET_HDDL | | + | | |
      -
      -
      -
      • -
    • -
      -

      setInput

      -
      public void setInput(Mat blob, - String name, - double scalefactor, - Scalar mean)
      -
      Sets the new input value for the network
      -
      -
      Parameters:
      -
      blob - A new blob. Should have CV_32F or CV_8U depth.
      -
      name - A name of input layer.
      -
      scalefactor - An optional normalization scale.
      -
      mean - An optional mean subtraction values. - SEE: connect(String, String) to know format of the descriptor. - - If scale or mean values are specified, a final input blob is computed - as: - \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
      -
      -
      -
      • -
    • -
      -

      setInput

      -
      public void setInput(Mat blob, - String name, - double scalefactor)
      -
      Sets the new input value for the network
      -
      -
      Parameters:
      -
      blob - A new blob. Should have CV_32F or CV_8U depth.
      -
      name - A name of input layer.
      -
      scalefactor - An optional normalization scale. - SEE: connect(String, String) to know format of the descriptor. - - If scale or mean values are specified, a final input blob is computed - as: - \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
      -
      -
      -
      • -
    • -
      -

      setInput

      -
      public void setInput(Mat blob, - String name)
      -
      Sets the new input value for the network
      -
      -
      Parameters:
      -
      blob - A new blob. Should have CV_32F or CV_8U depth.
      -
      name - A name of input layer. - SEE: connect(String, String) to know format of the descriptor. - - If scale or mean values are specified, a final input blob is computed - as: - \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
      -
      -
      -
      • -
    • -
      -

      setInput

      -
      public void setInput(Mat blob)
      -
      Sets the new input value for the network
      -
      -
      Parameters:
      -
      blob - A new blob. Should have CV_32F or CV_8U depth. - SEE: connect(String, String) to know format of the descriptor. - - If scale or mean values are specified, a final input blob is computed - as: - \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
      -
      -
      -
      • -
    • -
      -

      setParam

      -
      public void setParam(int layer, - int numParam, - Mat blob)
      -
      Sets the new value for the learned param of the layer.
      -
      -
      Parameters:
      -
      layer - name or id of the layer.
      -
      numParam - index of the layer parameter in the Layer::blobs array.
      -
      blob - the new value. - SEE: Layer::blobs - Note: If shape of the new blob differs from the previous shape, - then the following forward pass may fail.
      -
      -
      -
      • -
    • -
      -

      setParam

      -
      public void setParam(String layerName, - int numParam, - Mat blob)
      -
      -
      • -
    • -
      -

      getParam

      -
      public Mat getParam(int layer, - int numParam)
      -
      Returns parameter blob of the layer.
      -
      -
      Parameters:
      -
      layer - name or id of the layer.
      -
      numParam - index of the layer parameter in the Layer::blobs array. - SEE: Layer::blobs
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getParam

      -
      public Mat getParam(int layer)
      -
      Returns parameter blob of the layer.
      -
      -
      Parameters:
      -
      layer - name or id of the layer. - SEE: Layer::blobs
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getParam

      -
      public Mat getParam(String layerName, - int numParam)
      -
      -
      • -
    • -
      -

      getParam

      -
      public Mat getParam(String layerName)
      -
      -
      • -
    • -
      -

      getUnconnectedOutLayers

      -
      public MatOfInt getUnconnectedOutLayers()
      -
      Returns indexes of layers with unconnected outputs. - - FIXIT: Rework API to registerOutput() approach, deprecate this call
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getUnconnectedOutLayersNames

      -
      public List<String> getUnconnectedOutLayersNames()
      -
      Returns names of layers with unconnected outputs. - - FIXIT: Rework API to registerOutput() approach, deprecate this call
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getFLOPS

      -
      public long getFLOPS(List<MatOfInt> netInputShapes)
      -
      Computes FLOP for whole loaded model with specified input shapes.
      -
      -
      Parameters:
      -
      netInputShapes - vector of shapes for all net inputs.
      -
      Returns:
      -
      computed FLOP.
      -
      -
      -
      • -
    • -
      -

      getFLOPS

      -
      public long getFLOPS(MatOfInt netInputShape)
      -
      -
      • -
    • -
      -

      getFLOPS

      -
      public long getFLOPS(int layerId, - List<MatOfInt> netInputShapes)
      -
      -
      • -
    • -
      -

      getFLOPS

      -
      public long getFLOPS(int layerId, - MatOfInt netInputShape)
      -
      -
      • -
    • -
      -

      getLayerTypes

      -
      public void getLayerTypes(List<String> layersTypes)
      -
      Returns list of types for layer used in model.
      -
      -
      Parameters:
      -
      layersTypes - output parameter for returning types.
      -
      -
      -
      • -
    • -
      -

      getLayersCount

      -
      public int getLayersCount(String layerType)
      -
      Returns count of layers of specified type.
      -
      -
      Parameters:
      -
      layerType - type.
      -
      Returns:
      -
      count of layers
      -
      -
      -
      • -
    • -
      -

      getMemoryConsumption

      -
      public void getMemoryConsumption(MatOfInt netInputShape, - long[] weights, - long[] blobs)
      -
      -
      • -
    • -
      -

      getMemoryConsumption

      -
      public void getMemoryConsumption(int layerId, - List<MatOfInt> netInputShapes, - long[] weights, - long[] blobs)
      -
      -
      • -
    • -
      -

      getMemoryConsumption

      -
      public void getMemoryConsumption(int layerId, - MatOfInt netInputShape, - long[] weights, - long[] blobs)
      -
      -
      • -
    • -
      -

      enableFusion

      -
      public void enableFusion(boolean fusion)
      -
      Enables or disables layer fusion in the network.
      -
      -
      Parameters:
      -
      fusion - true to enable the fusion, false to disable. The fusion is enabled by default.
      -
      -
      -
      • -
    • -
      -

      enableWinograd

      -
      public void enableWinograd(boolean useWinograd)
      -
      Enables or disables the Winograd compute branch. The Winograd compute branch can speed up - 3x3 Convolution at a small loss of accuracy.
      -
      -
      Parameters:
      -
      useWinograd - true to enable the Winograd compute branch. The default is true.
      -
      -
      -
      • -
    • -
      -

      getPerfProfile

      -
      public long getPerfProfile(MatOfDouble timings)
      -
      Returns overall time for inference and timings (in ticks) for layers. - - Indexes in returned vector correspond to layers ids. Some layers can be fused with others, - in this case zero ticks count will be return for that skipped layers. Supported by DNN_BACKEND_OPENCV on DNN_TARGET_CPU only.
      -
      -
      Parameters:
      -
      timings - vector for tick timings for all layers.
      -
      Returns:
      -
      overall ticks for model inference.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/SegmentationModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/SegmentationModel.html deleted file mode 100644 index ce92b8b40d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/SegmentationModel.html +++ /dev/null @@ -1,243 +0,0 @@ - - - - -SegmentationModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class SegmentationModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.SegmentationModel
-
-
-
-
-
public class SegmentationModel -extends Model
-
This class represents high-level API for segmentation models - - SegmentationModel allows to set params for preprocessing input image. - SegmentationModel creates net from file with trained weights and config, - sets preprocessing input, runs forward pass and returns the class prediction for each pixel.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      SegmentationModel

      -
      public SegmentationModel(String model, - String config)
      -
      Create segmentation model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      SegmentationModel

      -
      public SegmentationModel(String model)
      -
      Create segmentation model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    • -
      -

      SegmentationModel

      -
      public SegmentationModel(Net network)
      -
      Create model from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SegmentationModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      segment

      -
      public void segment(Mat frame, - Mat mask)
      -
      Given the input frame, create input blob, run net
      -
      -
      Parameters:
      -
      mask - Allocated class prediction for each pixel
      -
      frame - automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel.html deleted file mode 100644 index 1cf15a3bce..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel.html +++ /dev/null @@ -1,243 +0,0 @@ - - - - -TextDetectionModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class TextDetectionModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.TextDetectionModel
-
-
-
-
-
Direct Known Subclasses:
-
TextDetectionModel_DB, TextDetectionModel_EAST
-
-
-
public class TextDetectionModel -extends Model
-
Base class for text detection networks
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TextDetectionModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat frame, - List<MatOfPoint> detections, - MatOfFloat confidences)
      -
      Performs detection - - Given the input frame, prepare network input, run network inference, post-process network output and return result detections. - - Each result is quadrangle's 4 points in this order: - - bottom-left - - top-left - - top-right - - bottom-right - - Use cv::getPerspectiveTransform function to retrieve image region without perspective transformations. - - Note: If DL model doesn't support that kind of output then result may be derived from detectTextRectangles() output.
      -
      -
      Parameters:
      -
      frame - The input image
      -
      detections - array with detections' quadrangles (4 points per result)
      -
      confidences - array with detection confidences
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat frame, - List<MatOfPoint> detections)
      -
      -
      • -
    • -
      -

      detectTextRectangles

      -
      public void detectTextRectangles(Mat frame, - MatOfRotatedRect detections, - MatOfFloat confidences)
      -
      Performs detection - - Given the input frame, prepare network input, run network inference, post-process network output and return result detections. - - Each result is rotated rectangle. - - Note: Result may be inaccurate in case of strong perspective transformations.
      -
      -
      Parameters:
      -
      frame - the input image
      -
      detections - array with detections' RotationRect results
      -
      confidences - array with detection confidences
      -
      -
      -
      • -
    • -
      -

      detectTextRectangles

      -
      public void detectTextRectangles(Mat frame, - MatOfRotatedRect detections)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_DB.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_DB.html deleted file mode 100644 index 3884d015c9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_DB.html +++ /dev/null @@ -1,307 +0,0 @@ - - - - -TextDetectionModel_DB (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class TextDetectionModel_DB

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.TextDetectionModel -
org.opencv.dnn.TextDetectionModel_DB
-
-
-
-
-
-
public class TextDetectionModel_DB -extends TextDetectionModel
-
This class represents high-level API for text detection DL networks compatible with DB model. - - Related publications: CITE: liao2020real - Paper: https://arxiv.org/abs/1911.08947 - For more information about the hyper-parameters setting, please refer to https://github.com/MhLiao/DB - - Configurable parameters: - - (float) binaryThreshold - The threshold of the binary map. It is usually set to 0.3. - - (float) polygonThreshold - The threshold of text polygons. It is usually set to 0.5, 0.6, and 0.7. Default is 0.5f - - (double) unclipRatio - The unclip ratio of the detected text region, which determines the output size. It is usually set to 2.0. - - (int) maxCandidates - The max number of the output results.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TextDetectionModel_DB

      -
      public TextDetectionModel_DB(Net network)
      -
      Create text detection algorithm from deep learning network.
      -
      -
      Parameters:
      -
      network - Net object.
      -
      -
      -
      • -
    • -
      -

      TextDetectionModel_DB

      -
      public TextDetectionModel_DB(String model, - String config)
      -
      Create text detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      TextDetectionModel_DB

      -
      public TextDetectionModel_DB(String model)
      -
      Create text detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TextDetectionModel_DB __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setBinaryThreshold

      -
      public TextDetectionModel_DB setBinaryThreshold(float binaryThreshold)
      -
      -
      • -
    • -
      -

      getBinaryThreshold

      -
      public float getBinaryThreshold()
      -
      -
      • -
    • -
      -

      setPolygonThreshold

      -
      public TextDetectionModel_DB setPolygonThreshold(float polygonThreshold)
      -
      -
      • -
    • -
      -

      getPolygonThreshold

      -
      public float getPolygonThreshold()
      -
      -
      • -
    • -
      -

      setUnclipRatio

      -
      public TextDetectionModel_DB setUnclipRatio(double unclipRatio)
      -
      -
      • -
    • -
      -

      getUnclipRatio

      -
      public double getUnclipRatio()
      -
      -
      • -
    • -
      -

      setMaxCandidates

      -
      public TextDetectionModel_DB setMaxCandidates(int maxCandidates)
      -
      -
      • -
    • -
      -

      getMaxCandidates

      -
      public int getMaxCandidates()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_EAST.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_EAST.html deleted file mode 100644 index e9a9b3bc63..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextDetectionModel_EAST.html +++ /dev/null @@ -1,297 +0,0 @@ - - - - -TextDetectionModel_EAST (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class TextDetectionModel_EAST

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.TextDetectionModel -
org.opencv.dnn.TextDetectionModel_EAST
-
-
-
-
-
-
public class TextDetectionModel_EAST -extends TextDetectionModel
-
This class represents high-level API for text detection DL networks compatible with EAST model. - - Configurable parameters: - - (float) confThreshold - used to filter boxes by confidences, default: 0.5f - - (float) nmsThreshold - used in non maximum suppression, default: 0.0f
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TextDetectionModel_EAST

      -
      public TextDetectionModel_EAST(Net network)
      -
      Create text detection algorithm from deep learning network
      -
      -
      Parameters:
      -
      network - Net object
      -
      -
      -
      • -
    • -
      -

      TextDetectionModel_EAST

      -
      public TextDetectionModel_EAST(String model, - String config)
      -
      Create text detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      config - Text file contains network configuration.
      -
      -
      -
      • -
    • -
      -

      TextDetectionModel_EAST

      -
      public TextDetectionModel_EAST(String model)
      -
      Create text detection model from network represented in one of the supported formats. - An order of model and config arguments does not matter.
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TextDetectionModel_EAST __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setConfidenceThreshold

      -
      public TextDetectionModel_EAST setConfidenceThreshold(float confThreshold)
      -
      Set the detection confidence threshold
      -
      -
      Parameters:
      -
      confThreshold - A threshold used to filter boxes by confidences
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getConfidenceThreshold

      -
      public float getConfidenceThreshold()
      -
      Get the detection confidence threshold
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setNMSThreshold

      -
      public TextDetectionModel_EAST setNMSThreshold(float nmsThreshold)
      -
      Set the detection NMS filter threshold
      -
      -
      Parameters:
      -
      nmsThreshold - A threshold used in non maximum suppression
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getNMSThreshold

      -
      public float getNMSThreshold()
      -
      Get the detection confidence threshold
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextRecognitionModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextRecognitionModel.html deleted file mode 100644 index a79b2b2d71..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/TextRecognitionModel.html +++ /dev/null @@ -1,380 +0,0 @@ - - - - -TextRecognitionModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.dnn
-

Class TextRecognitionModel

-
-
java.lang.Object -
org.opencv.dnn.Model -
org.opencv.dnn.TextRecognitionModel
-
-
-
-
-
public class TextRecognitionModel -extends Model
-
This class represents high-level API for text recognition networks. - - TextRecognitionModel allows to set params for preprocessing input image. - TextRecognitionModel creates net from file with trained weights and config, - sets preprocessing input, runs forward pass and return recognition result. - For TextRecognitionModel, CRNN-CTC is supported.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TextRecognitionModel

      -
      public TextRecognitionModel(Net network)
      -
      Create Text Recognition model from deep learning network - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
      -
      -
      Parameters:
      -
      network - Net object
      -
      -
      -
      • -
    • -
      -

      TextRecognitionModel

      -
      public TextRecognitionModel(String model, - String config)
      -
      Create text recognition model from network represented in one of the supported formats - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights
      -
      config - Text file contains network configuration
      -
      -
      -
      • -
    • -
      -

      TextRecognitionModel

      -
      public TextRecognitionModel(String model)
      -
      Create text recognition model from network represented in one of the supported formats - Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method
      -
      -
      Parameters:
      -
      model - Binary file contains trained weights
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TextRecognitionModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setDecodeType

      -
      public TextRecognitionModel setDecodeType(String decodeType)
      -
      Set the decoding method of translating the network output into string
      -
      -
      Parameters:
      -
      decodeType - The decoding method of translating the network output into string, currently supported type: - - "CTC-greedy" greedy decoding for the output of CTC-based methods - - "CTC-prefix-beam-search" Prefix beam search decoding for the output of CTC-based methods
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDecodeType

      -
      public String getDecodeType()
      -
      Get the decoding method
      -
      -
      Returns:
      -
      the decoding method
      -
      -
      -
      • -
    • -
      -

      setDecodeOptsCTCPrefixBeamSearch

      -
      public TextRecognitionModel setDecodeOptsCTCPrefixBeamSearch(int beamSize, - int vocPruneSize)
      -
      Set the decoding method options for "CTC-prefix-beam-search" decode usage
      -
      -
      Parameters:
      -
      beamSize - Beam size for search
      -
      vocPruneSize - Parameter to optimize big vocabulary search, - only take top vocPruneSize tokens in each search step, vocPruneSize <= 0 stands for disable this prune.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDecodeOptsCTCPrefixBeamSearch

      -
      public TextRecognitionModel setDecodeOptsCTCPrefixBeamSearch(int beamSize)
      -
      Set the decoding method options for "CTC-prefix-beam-search" decode usage
      -
      -
      Parameters:
      -
      beamSize - Beam size for search - only take top vocPruneSize tokens in each search step, vocPruneSize <= 0 stands for disable this prune.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVocabulary

      -
      public TextRecognitionModel setVocabulary(List<String> vocabulary)
      -
      Set the vocabulary for recognition.
      -
      -
      Parameters:
      -
      vocabulary - the associated vocabulary of the network.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVocabulary

      -
      public List<String> getVocabulary()
      -
      Get the vocabulary for recognition.
      -
      -
      Returns:
      -
      vocabulary the associated vocabulary
      -
      -
      -
      • -
    • -
      -

      recognize

      -
      public String recognize(Mat frame)
      -
      Given the input frame, create input blob, run net and return recognition result
      -
      -
      Parameters:
      -
      frame - The input image
      -
      Returns:
      -
      The text recognition result
      -
      -
      -
      • -
    • -
      -

      recognize

      -
      public void recognize(Mat frame, - List<Mat> roiRects, - List<String> results)
      -
      Given the input frame, create input blob, run net and return recognition result
      -
      -
      Parameters:
      -
      frame - The input image
      -
      roiRects - List of text detection regions of interest (cv::Rect, CV_32SC4). ROIs is be cropped as the network inputs
      -
      results - A set of text recognition results.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-summary.html deleted file mode 100644 index db4d541c12..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-summary.html +++ /dev/null @@ -1,163 +0,0 @@ - - - - -org.opencv.dnn (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.dnn

-
-
-
package org.opencv.dnn
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    ClassificationModel
    -
    -
    This class represents high-level API for classification models.
    -
    -
    DetectionModel
    -
    -
    This class represents high-level API for object detection networks.
    -
    -
    DictValue
    -
    -
    This struct stores the scalar value (or array) of one of the following type: double, cv::String or int64.
    -
    -
    Dnn
    -
     
    -
    Image2BlobParams
    -
    -
    Processing params of image to blob.
    -
    -
    KeypointsModel
    -
    -
    This class represents high-level API for keypoints models - - KeypointsModel allows to set params for preprocessing input image.
    -
    -
    Layer
    -
    -
    This interface class allows to build new Layers - are building blocks of networks.
    -
    -
    Model
    -
    -
    This class is presented high-level API for neural networks.
    -
    -
    Net
    -
    -
    This class allows to create and manipulate comprehensive artificial neural networks.
    -
    -
    SegmentationModel
    -
    -
    This class represents high-level API for segmentation models - - SegmentationModel allows to set params for preprocessing input image.
    -
    -
    TextDetectionModel
    -
    -
    Base class for text detection networks
    -
    -
    TextDetectionModel_DB
    -
    -
    This class represents high-level API for text detection DL networks compatible with DB model.
    -
    -
    TextDetectionModel_EAST
    -
    -
    This class represents high-level API for text detection DL networks compatible with EAST model.
    -
    -
    TextRecognitionModel
    -
    -
    This class represents high-level API for text recognition networks.
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-tree.html deleted file mode 100644 index 45e87e4182..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/dnn/package-tree.html +++ /dev/null @@ -1,108 +0,0 @@ - - - - -org.opencv.dnn Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.dnn

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AKAZE.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AKAZE.html deleted file mode 100644 index eb774655a4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AKAZE.html +++ /dev/null @@ -1,704 +0,0 @@ - - - - -AKAZE (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class AKAZE

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.AKAZE
-
-
-
-
-
-
public class AKAZE -extends Feature2D
-
Class implementing the AKAZE keypoint detector and descriptor extractor, described in CITE: ANB13. - - AKAZE descriptors can only be used with KAZE or AKAZE keypoints. This class is thread-safe. - - Note: When you need descriptors use Feature2D::detectAndCompute, which - provides better performance. When using Feature2D::detect followed by - Feature2D::compute scale space pyramid is computed twice. - - Note: AKAZE implements T-API. When image is passed as UMat some parts of the algorithm - will use OpenCL. - - Note: [ANB13] Fast Explicit Diffusion for Accelerated Features in Nonlinear - Scale Spaces. Pablo F. Alcantarilla, Jesús Nuevo and Adrien Bartoli. In - British Machine Vision Conference (BMVC), Bristol, UK, September 2013.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DESCRIPTOR_KAZE_UPRIGHT

      -
      public static final int DESCRIPTOR_KAZE_UPRIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DESCRIPTOR_KAZE

      -
      public static final int DESCRIPTOR_KAZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DESCRIPTOR_MLDB_UPRIGHT

      -
      public static final int DESCRIPTOR_MLDB_UPRIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DESCRIPTOR_MLDB

      -
      public static final int DESCRIPTOR_MLDB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static AKAZE __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels, - float threshold, - int nOctaves, - int nOctaveLayers, - int diffusivity, - int max_points)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3)
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image
      -
      nOctaveLayers - Default number of sublevels per scale level
      -
      diffusivity - Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - DIFF_CHARBONNIER
      -
      max_points - Maximum amount of returned points. In case if image contains - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels, - float threshold, - int nOctaves, - int nOctaveLayers, - int diffusivity)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3)
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image
      -
      nOctaveLayers - Default number of sublevels per scale level
      -
      diffusivity - Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels, - float threshold, - int nOctaves, - int nOctaveLayers)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3)
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image
      -
      nOctaveLayers - Default number of sublevels per scale level - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels, - float threshold, - int nOctaves)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3)
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels, - float threshold)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3)
      -
      threshold - Detector response threshold to accept point - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size, - int descriptor_channels)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size
      -
      descriptor_channels - Number of channels in the descriptor (1, 2, 3) - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type, - int descriptor_size)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT.
      -
      descriptor_size - Size of the descriptor in bits. 0 -> Full size - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create(int descriptor_type)
      -
      The AKAZE constructor
      -
      -
      Parameters:
      -
      descriptor_type - Type of the extracted descriptor: DESCRIPTOR_KAZE, - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AKAZE create()
      -
      The AKAZE constructor - - DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - DIFF_CHARBONNIER - more features, then the features with highest response are returned. - Negative value means no limitation.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDescriptorType

      -
      public void setDescriptorType(int dtype)
      -
      -
      • -
    • -
      -

      getDescriptorType

      -
      public int getDescriptorType()
      -
      -
      • -
    • -
      -

      setDescriptorSize

      -
      public void setDescriptorSize(int dsize)
      -
      -
      • -
    • -
      -

      getDescriptorSize

      -
      public int getDescriptorSize()
      -
      -
      • -
    • -
      -

      setDescriptorChannels

      -
      public void setDescriptorChannels(int dch)
      -
      -
      • -
    • -
      -

      getDescriptorChannels

      -
      public int getDescriptorChannels()
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(double threshold)
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public double getThreshold()
      -
      -
      • -
    • -
      -

      setNOctaves

      -
      public void setNOctaves(int octaves)
      -
      -
      • -
    • -
      -

      getNOctaves

      -
      public int getNOctaves()
      -
      -
      • -
    • -
      -

      setNOctaveLayers

      -
      public void setNOctaveLayers(int octaveLayers)
      -
      -
      • -
    • -
      -

      getNOctaveLayers

      -
      public int getNOctaveLayers()
      -
      -
      • -
    • -
      -

      setDiffusivity

      -
      public void setDiffusivity(int diff)
      -
      -
      • -
    • -
      -

      getDiffusivity

      -
      public int getDiffusivity()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMaxPoints

      -
      public void setMaxPoints(int max_points)
      -
      -
      • -
    • -
      -

      getMaxPoints

      -
      public int getMaxPoints()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AffineFeature.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AffineFeature.html deleted file mode 100644 index 3e71cc6a39..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AffineFeature.html +++ /dev/null @@ -1,304 +0,0 @@ - - - - -AffineFeature (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class AffineFeature

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.AffineFeature
-
-
-
-
-
-
public class AffineFeature -extends Feature2D
-
Class for implementing the wrapper which makes detectors and extractors to be affine invariant, - described as ASIFT in CITE: YM11 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static AffineFeature __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static AffineFeature create(Feature2D backend, - int maxTilt, - int minTilt, - float tiltStep, - float rotateStepBase)
      -
      -
      Parameters:
      -
      backend - The detector/extractor you want to use as backend.
      -
      maxTilt - The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n.
      -
      minTilt - The lowest power index of tilt factor. 0 is used in the paper.
      -
      tiltStep - Tilt sampling step \(\delta_t\) in Algorithm 1 in the paper.
      -
      rotateStepBase - Rotation sampling step factor b in Algorithm 1 in the paper.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AffineFeature create(Feature2D backend, - int maxTilt, - int minTilt, - float tiltStep)
      -
      -
      Parameters:
      -
      backend - The detector/extractor you want to use as backend.
      -
      maxTilt - The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n.
      -
      minTilt - The lowest power index of tilt factor. 0 is used in the paper.
      -
      tiltStep - Tilt sampling step \(\delta_t\) in Algorithm 1 in the paper.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AffineFeature create(Feature2D backend, - int maxTilt, - int minTilt)
      -
      -
      Parameters:
      -
      backend - The detector/extractor you want to use as backend.
      -
      maxTilt - The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n.
      -
      minTilt - The lowest power index of tilt factor. 0 is used in the paper.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AffineFeature create(Feature2D backend, - int maxTilt)
      -
      -
      Parameters:
      -
      backend - The detector/extractor you want to use as backend.
      -
      maxTilt - The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static AffineFeature create(Feature2D backend)
      -
      -
      Parameters:
      -
      backend - The detector/extractor you want to use as backend.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setViewParams

      -
      public void setViewParams(MatOfFloat tilts, - MatOfFloat rolls)
      -
      -
      • -
    • -
      -

      getViewParams

      -
      public void getViewParams(MatOfFloat tilts, - MatOfFloat rolls)
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AgastFeatureDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AgastFeatureDetector.html deleted file mode 100644 index 54b3a20d8f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/AgastFeatureDetector.html +++ /dev/null @@ -1,394 +0,0 @@ - - - - -AgastFeatureDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class AgastFeatureDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.AgastFeatureDetector
-
-
-
-
-
-
public class AgastFeatureDetector -extends Feature2D
-
Wrapping class for feature detection using the AGAST method. :
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      THRESHOLD

      -
      public static final int THRESHOLD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NONMAX_SUPPRESSION

      -
      public static final int NONMAX_SUPPRESSION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      AGAST_5_8

      -
      public static final int AGAST_5_8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      AGAST_7_12d

      -
      public static final int AGAST_7_12d
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      AGAST_7_12s

      -
      public static final int AGAST_7_12s
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OAST_9_16

      -
      public static final int OAST_9_16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static AgastFeatureDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static AgastFeatureDetector create(int threshold, - boolean nonmaxSuppression, - int type)
      -
      -
      • -
    • -
      -

      create

      -
      public static AgastFeatureDetector create(int threshold, - boolean nonmaxSuppression)
      -
      -
      • -
    • -
      -

      create

      -
      public static AgastFeatureDetector create(int threshold)
      -
      -
      • -
    • -
      -

      create

      -
      public static AgastFeatureDetector create()
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(int threshold)
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public int getThreshold()
      -
      -
      • -
    • -
      -

      setNonmaxSuppression

      -
      public void setNonmaxSuppression(boolean f)
      -
      -
      • -
    • -
      -

      getNonmaxSuppression

      -
      public boolean getNonmaxSuppression()
      -
      -
      • -
    • -
      -

      setType

      -
      public void setType(int type)
      -
      -
      • -
    • -
      -

      getType

      -
      public int getType()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BFMatcher.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BFMatcher.html deleted file mode 100644 index 40b1a64280..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BFMatcher.html +++ /dev/null @@ -1,311 +0,0 @@ - - - - -BFMatcher (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class BFMatcher

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.DescriptorMatcher -
org.opencv.features2d.BFMatcher
-
-
-
-
-
-
public class BFMatcher -extends DescriptorMatcher
-
Brute-force descriptor matcher. - - For each descriptor in the first set, this matcher finds the closest descriptor in the second set - by trying each one. This descriptor matcher supports masking permissible matches of descriptor - sets.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      BFMatcher

      -
      public BFMatcher(int normType, - boolean crossCheck)
      -
      Brute-force matcher constructor (obsolete). Please use BFMatcher.create()
      -
      -
      Parameters:
      -
      normType - automatically generated
      -
      crossCheck - automatically generated
      -
      -
      -
      • -
    • -
      -

      BFMatcher

      -
      public BFMatcher(int normType)
      -
      Brute-force matcher constructor (obsolete). Please use BFMatcher.create()
      -
      -
      Parameters:
      -
      normType - automatically generated
      -
      -
      -
      • -
    • -
      -

      BFMatcher

      -
      public BFMatcher()
      -
      Brute-force matcher constructor (obsolete). Please use BFMatcher.create()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BFMatcher __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static BFMatcher create(int normType, - boolean crossCheck)
      -
      Brute-force matcher create method.
      -
      -
      Parameters:
      -
      normType - One of NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. L1 and L2 norms are - preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - description).
      -
      crossCheck - If it is false, this is will be default BFMatcher behaviour when it finds the k - nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - pairs. Such technique usually produces best results with minimal number of outliers when there are - enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BFMatcher create(int normType)
      -
      Brute-force matcher create method.
      -
      -
      Parameters:
      -
      normType - One of NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. L1 and L2 norms are - preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - description). - nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - pairs. Such technique usually produces best results with minimal number of outliers when there are - enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BFMatcher create()
      -
      Brute-force matcher create method. - preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - description). - nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - pairs. Such technique usually produces best results with minimal number of outliers when there are - enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWImgDescriptorExtractor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWImgDescriptorExtractor.html deleted file mode 100644 index 0cd240e9ec..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWImgDescriptorExtractor.html +++ /dev/null @@ -1,288 +0,0 @@ - - - - -BOWImgDescriptorExtractor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class BOWImgDescriptorExtractor

-
-
java.lang.Object -
org.opencv.features2d.BOWImgDescriptorExtractor
-
-
-
-
public class BOWImgDescriptorExtractor -extends Object
-
Class to compute an image descriptor using the *bag of visual words*. - - Such a computation consists of the following steps: - - 1. Compute descriptors for a given image and its keypoints set. - 2. Find the nearest visual words from the vocabulary for each keypoint descriptor. - 3. Compute the bag-of-words image descriptor as is a normalized histogram of vocabulary words - encountered in the image. The i-th bin of the histogram is a frequency of i-th word of the - vocabulary in the given image.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      BOWImgDescriptorExtractor

      -
      public BOWImgDescriptorExtractor(Feature2D dextractor, - DescriptorMatcher dmatcher)
      -
      The constructor.
      -
      -
      Parameters:
      -
      dextractor - Descriptor extractor that is used to compute descriptors for an input image and - its keypoints.
      -
      dmatcher - Descriptor matcher that is used to find the nearest word of the trained vocabulary - for each keypoint descriptor of the image.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static BOWImgDescriptorExtractor __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setVocabulary

      -
      public void setVocabulary(Mat vocabulary)
      -
      Sets a visual vocabulary.
      -
      -
      Parameters:
      -
      vocabulary - Vocabulary (can be trained using the inheritor of BOWTrainer ). Each row of the - vocabulary is a visual word (cluster center).
      -
      -
      -
      • -
    • -
      -

      getVocabulary

      -
      public Mat getVocabulary()
      -
      Returns the set vocabulary.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat image, - MatOfKeyPoint keypoints, - Mat imgDescriptor)
      -
      -
      Parameters:
      -
      imgDescriptor - Computed output image descriptor. - pointIdxsOfClusters[i] are keypoint indices that belong to the i -th cluster (word of vocabulary) - returned if it is non-zero.
      -
      image - automatically generated
      -
      keypoints - automatically generated
      -
      -
      -
      • -
    • -
      -

      descriptorSize

      -
      public int descriptorSize()
      -
      Returns an image descriptor size if the vocabulary is set. Otherwise, it returns 0.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      descriptorType

      -
      public int descriptorType()
      -
      Returns an image descriptor type.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWKMeansTrainer.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWKMeansTrainer.html deleted file mode 100644 index 3c1327d1a3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWKMeansTrainer.html +++ /dev/null @@ -1,295 +0,0 @@ - - - - -BOWKMeansTrainer (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class BOWKMeansTrainer

-
-
java.lang.Object -
org.opencv.features2d.BOWTrainer -
org.opencv.features2d.BOWKMeansTrainer
-
-
-
-
-
public class BOWKMeansTrainer -extends BOWTrainer
-
kmeans -based class to train visual vocabulary using the *bag of visual words* approach. :
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      BOWKMeansTrainer

      -
      public BOWKMeansTrainer(int clusterCount, - TermCriteria termcrit, - int attempts, - int flags)
      -
      The constructor. - - SEE: cv::kmeans
      -
      -
      Parameters:
      -
      clusterCount - automatically generated
      -
      termcrit - automatically generated
      -
      attempts - automatically generated
      -
      flags - automatically generated
      -
      -
      -
      • -
    • -
      -

      BOWKMeansTrainer

      -
      public BOWKMeansTrainer(int clusterCount, - TermCriteria termcrit, - int attempts)
      -
      The constructor. - - SEE: cv::kmeans
      -
      -
      Parameters:
      -
      clusterCount - automatically generated
      -
      termcrit - automatically generated
      -
      attempts - automatically generated
      -
      -
      -
      • -
    • -
      -

      BOWKMeansTrainer

      -
      public BOWKMeansTrainer(int clusterCount, - TermCriteria termcrit)
      -
      The constructor. - - SEE: cv::kmeans
      -
      -
      Parameters:
      -
      clusterCount - automatically generated
      -
      termcrit - automatically generated
      -
      -
      -
      • -
    • -
      -

      BOWKMeansTrainer

      -
      public BOWKMeansTrainer(int clusterCount)
      -
      The constructor. - - SEE: cv::kmeans
      -
      -
      Parameters:
      -
      clusterCount - automatically generated
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BOWKMeansTrainer __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      cluster

      -
      public Mat cluster()
      -
      -
      Overrides:
      -
      cluster in class BOWTrainer
      -
      -
      -
      • -
    • -
      -

      cluster

      -
      public Mat cluster(Mat descriptors)
      -
      Description copied from class: BOWTrainer
      -
      Clusters train descriptors.
      -
      -
      Overrides:
      -
      cluster in class BOWTrainer
      -
      Parameters:
      -
      descriptors - Descriptors to cluster. Each row of the descriptors matrix is a descriptor. - Descriptors are not added to the inner train descriptor set. - - The vocabulary consists of cluster centers. So, this method returns the vocabulary. In the first - variant of the method, train descriptors stored in the object are clustered. In the second variant, - input descriptors are clustered.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWTrainer.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWTrainer.html deleted file mode 100644 index 7adbf71eb9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BOWTrainer.html +++ /dev/null @@ -1,254 +0,0 @@ - - - - -BOWTrainer (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class BOWTrainer

-
-
java.lang.Object -
org.opencv.features2d.BOWTrainer
-
-
-
-
Direct Known Subclasses:
-
BOWKMeansTrainer
-
-
-
public class BOWTrainer -extends Object
-
Abstract base class for training the *bag of visual words* vocabulary from a set of descriptors. - - For details, see, for example, *Visual Categorization with Bags of Keypoints* by Gabriella Csurka, - Christopher R. Dance, Lixin Fan, Jutta Willamowski, Cedric Bray, 2004. :
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static BOWTrainer __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      add

      -
      public void add(Mat descriptors)
      -
      Adds descriptors to a training set.
      -
      -
      Parameters:
      -
      descriptors - Descriptors to add to a training set. Each row of the descriptors matrix is a - descriptor. - - The training set is clustered using clustermethod to construct the vocabulary.
      -
      -
      -
      • -
    • -
      -

      getDescriptors

      -
      public List<Mat> getDescriptors()
      -
      Returns a training set of descriptors.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      descriptorsCount

      -
      public int descriptorsCount()
      -
      Returns the count of all descriptors stored in the training set.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      clear

      -
      public void clear()
      -
      -
      • -
    • -
      -

      cluster

      -
      public Mat cluster()
      -
      -
      • -
    • -
      -

      cluster

      -
      public Mat cluster(Mat descriptors)
      -
      Clusters train descriptors.
      -
      -
      Parameters:
      -
      descriptors - Descriptors to cluster. Each row of the descriptors matrix is a descriptor. - Descriptors are not added to the inner train descriptor set. - - The vocabulary consists of cluster centers. So, this method returns the vocabulary. In the first - variant of the method, train descriptors stored in the object are clustered. In the second variant, - input descriptors are clustered.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BRISK.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BRISK.html deleted file mode 100644 index 0d6f7245e3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/BRISK.html +++ /dev/null @@ -1,598 +0,0 @@ - - - - -BRISK (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class BRISK

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.BRISK
-
-
-
-
-
-
public class BRISK -extends Feature2D
-
Class implementing the BRISK keypoint detector and descriptor extractor, described in CITE: LCS11 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BRISK __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves, - float patternScale)
      -
      The BRISK constructor
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      patternScale - apply this scale to the pattern used for sampling the neighbourhood of a - keypoint.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves)
      -
      The BRISK constructor
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale. - keypoint.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh)
      -
      The BRISK constructor
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score. - keypoint.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create()
      -
      The BRISK constructor - - keypoint.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(MatOfFloat radiusList, - MatOfInt numberList, - float dMax, - float dMin, - MatOfInt indexChange)
      -
      The BRISK constructor for a custom pattern
      -
      -
      Parameters:
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1).
      -
      dMin - threshold for the long pairings used for orientation determination (in pixels for - keypoint scale 1).
      -
      indexChange - index remapping of the bits.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(MatOfFloat radiusList, - MatOfInt numberList, - float dMax, - float dMin)
      -
      The BRISK constructor for a custom pattern
      -
      -
      Parameters:
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1).
      -
      dMin - threshold for the long pairings used for orientation determination (in pixels for - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(MatOfFloat radiusList, - MatOfInt numberList, - float dMax)
      -
      The BRISK constructor for a custom pattern
      -
      -
      Parameters:
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1). - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(MatOfFloat radiusList, - MatOfInt numberList)
      -
      The BRISK constructor for a custom pattern
      -
      -
      Parameters:
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList.. - scale 1). - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves, - MatOfFloat radiusList, - MatOfInt numberList, - float dMax, - float dMin, - MatOfInt indexChange)
      -
      The BRISK constructor for a custom pattern, detection threshold and octaves
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1).
      -
      dMin - threshold for the long pairings used for orientation determination (in pixels for - keypoint scale 1).
      -
      indexChange - index remapping of the bits.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves, - MatOfFloat radiusList, - MatOfInt numberList, - float dMax, - float dMin)
      -
      The BRISK constructor for a custom pattern, detection threshold and octaves
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1).
      -
      dMin - threshold for the long pairings used for orientation determination (in pixels for - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves, - MatOfFloat radiusList, - MatOfInt numberList, - float dMax)
      -
      The BRISK constructor for a custom pattern, detection threshold and octaves
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList..
      -
      dMax - threshold for the short pairings used for descriptor formation (in pixels for keypoint - scale 1). - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static BRISK create(int thresh, - int octaves, - MatOfFloat radiusList, - MatOfInt numberList)
      -
      The BRISK constructor for a custom pattern, detection threshold and octaves
      -
      -
      Parameters:
      -
      thresh - AGAST detection threshold score.
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      radiusList - defines the radii (in pixels) where the samples around a keypoint are taken (for - keypoint scale 1).
      -
      numberList - defines the number of sampling points on the sampling circle. Must be the same - size as radiusList.. - scale 1). - keypoint scale 1).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(int threshold)
      -
      Set detection threshold.
      -
      -
      Parameters:
      -
      threshold - AGAST detection threshold score.
      -
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public int getThreshold()
      -
      -
      • -
    • -
      -

      setOctaves

      -
      public void setOctaves(int octaves)
      -
      Set detection octaves.
      -
      -
      Parameters:
      -
      octaves - detection octaves. Use 0 to do single scale.
      -
      -
      -
      • -
    • -
      -

      getOctaves

      -
      public int getOctaves()
      -
      -
      • -
    • -
      -

      setPatternScale

      -
      public void setPatternScale(float patternScale)
      -
      Set detection patternScale.
      -
      -
      Parameters:
      -
      patternScale - apply this scale to the pattern used for sampling the neighbourhood of a - keypoint.
      -
      -
      -
      • -
    • -
      -

      getPatternScale

      -
      public float getPatternScale()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/DescriptorMatcher.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/DescriptorMatcher.html deleted file mode 100644 index 32ad6f5617..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/DescriptorMatcher.html +++ /dev/null @@ -1,978 +0,0 @@ - - - - -DescriptorMatcher (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class DescriptorMatcher

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.DescriptorMatcher
-
-
-
-
-
Direct Known Subclasses:
-
BFMatcher, FlannBasedMatcher
-
-
-
public class DescriptorMatcher -extends Algorithm
-
Abstract base class for matching keypoint descriptors. - - It has two groups of match methods: for matching descriptors of an image with another image or with - an image set.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      FLANNBASED

      -
      public static final int FLANNBASED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BRUTEFORCE

      -
      public static final int BRUTEFORCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BRUTEFORCE_L1

      -
      public static final int BRUTEFORCE_L1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BRUTEFORCE_HAMMING

      -
      public static final int BRUTEFORCE_HAMMING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BRUTEFORCE_HAMMINGLUT

      -
      public static final int BRUTEFORCE_HAMMINGLUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      BRUTEFORCE_SL2

      -
      public static final int BRUTEFORCE_SL2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static DescriptorMatcher __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      add

      -
      public void add(List<Mat> descriptors)
      -
      Adds descriptors to train a CPU(trainDescCollectionis) or GPU(utrainDescCollectionis) descriptor - collection. - - If the collection is not empty, the new descriptors are added to existing train descriptors.
      -
      -
      Parameters:
      -
      descriptors - Descriptors to add. Each descriptors[i] is a set of descriptors from the same - train image.
      -
      -
      -
      • -
    • -
      -

      getTrainDescriptors

      -
      public List<Mat> getTrainDescriptors()
      -
      Returns a constant link to the train descriptor collection trainDescCollection .
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      clear

      -
      public void clear()
      -
      Clears the train descriptor collections.
      -
      -
      Overrides:
      -
      clear in class Algorithm
      -
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Returns true if there are no train descriptors in the both collections.
      -
      -
      Overrides:
      -
      empty in class Algorithm
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      isMaskSupported

      -
      public boolean isMaskSupported()
      -
      Returns true if the descriptor matcher supports masking permissible matches.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      train

      -
      public void train()
      -
      Trains a descriptor matcher - - Trains a descriptor matcher (for example, the flann index). In all methods to match, the method - train() is run every time before matching. Some descriptor matchers (for example, BruteForceMatcher) - have an empty implementation of this method. Other matchers really train their inner structures (for - example, FlannBasedMatcher trains flann::Index ).
      -
      -
      • -
    • -
      -

      match

      -
      public void match(Mat queryDescriptors, - Mat trainDescriptors, - MatOfDMatch matches, - Mat mask)
      -
      Finds the best match for each descriptor from a query set.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      matches - Matches. If a query descriptor is masked out in mask , no match is added for this - descriptor. So, matches size may be smaller than the query descriptors count.
      -
      mask - Mask specifying permissible matches between an input query and train matrices of - descriptors. - - In the first variant of this method, the train descriptors are passed as an input argument. In the - second variant of the method, train descriptors collection that was set by DescriptorMatcher::add is - used. Optional mask (or masks) can be passed to specify which query and training descriptors can be - matched. Namely, queryDescriptors[i] can be matched with trainDescriptors[j] only if - mask.at<uchar>(i,j) is non-zero.
      -
      -
      -
      • -
    • -
      -

      match

      -
      public void match(Mat queryDescriptors, - Mat trainDescriptors, - MatOfDMatch matches)
      -
      Finds the best match for each descriptor from a query set.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      matches - Matches. If a query descriptor is masked out in mask , no match is added for this - descriptor. So, matches size may be smaller than the query descriptors count. - descriptors. - - In the first variant of this method, the train descriptors are passed as an input argument. In the - second variant of the method, train descriptors collection that was set by DescriptorMatcher::add is - used. Optional mask (or masks) can be passed to specify which query and training descriptors can be - matched. Namely, queryDescriptors[i] can be matched with trainDescriptors[j] only if - mask.at<uchar>(i,j) is non-zero.
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - int k, - Mat mask, - boolean compactResult)
      -
      Finds the k best matches for each descriptor from a query set.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      mask - Mask specifying permissible matches between an input query and train matrices of - descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total.
      -
      compactResult - Parameter used when the mask (or masks) is not empty. If compactResult is - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors. - - These extended variants of DescriptorMatcher::match methods find several best matches for each query - descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - for the details about query and train descriptors.
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - int k, - Mat mask)
      -
      Finds the k best matches for each descriptor from a query set.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      mask - Mask specifying permissible matches between an input query and train matrices of - descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors. - - These extended variants of DescriptorMatcher::match methods find several best matches for each query - descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - for the details about query and train descriptors.
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - int k)
      -
      Finds the k best matches for each descriptor from a query set.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object. - descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors. - - These extended variants of DescriptorMatcher::match methods find several best matches for each query - descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - for the details about query and train descriptors.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - float maxDistance, - Mat mask, - boolean compactResult)
      -
      For each query descriptor, finds the training descriptors not farther than the specified distance.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      matches - Found matches.
      -
      compactResult - Parameter used when the mask (or masks) is not empty. If compactResult is - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)!
      -
      mask - Mask specifying permissible matches between an input query and train matrices of - descriptors. - - For each query descriptor, the methods find such training descriptors that the distance between the - query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - returned in the distance increasing order.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - float maxDistance, - Mat mask)
      -
      For each query descriptor, finds the training descriptors not farther than the specified distance.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      matches - Found matches. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)!
      -
      mask - Mask specifying permissible matches between an input query and train matrices of - descriptors. - - For each query descriptor, the methods find such training descriptors that the distance between the - query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - returned in the distance increasing order.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - Mat trainDescriptors, - List<MatOfDMatch> matches, - float maxDistance)
      -
      For each query descriptor, finds the training descriptors not farther than the specified distance.
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      trainDescriptors - Train set of descriptors. This set is not added to the train descriptors - collection stored in the class object.
      -
      matches - Found matches. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)! - descriptors. - - For each query descriptor, the methods find such training descriptors that the distance between the - query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - returned in the distance increasing order.
      -
      -
      -
      • -
    • -
      -

      match

      -
      public void match(Mat queryDescriptors, - MatOfDMatch matches, - List<Mat> masks)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Matches. If a query descriptor is masked out in mask , no match is added for this - descriptor. So, matches size may be smaller than the query descriptors count.
      -
      masks - Set of masks. Each masks[i] specifies permissible matches between the input query - descriptors and stored train descriptors from the i-th image trainDescCollection[i].
      -
      -
      -
      • -
    • -
      -

      match

      -
      public void match(Mat queryDescriptors, - MatOfDMatch matches)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Matches. If a query descriptor is masked out in mask , no match is added for this - descriptor. So, matches size may be smaller than the query descriptors count. - descriptors and stored train descriptors from the i-th image trainDescCollection[i].
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - int k, - List<Mat> masks, - boolean compactResult)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total.
      -
      masks - Set of masks. Each masks[i] specifies permissible matches between the input query - descriptors and stored train descriptors from the i-th image trainDescCollection[i].
      -
      compactResult - Parameter used when the mask (or masks) is not empty. If compactResult is - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - int k, - List<Mat> masks)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total.
      -
      masks - Set of masks. Each masks[i] specifies permissible matches between the input query - descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      knnMatch

      -
      public void knnMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - int k)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Matches. Each matches[i] is k or less matches for the same query descriptor.
      -
      k - Count of best matches found per each query descriptor or less if a query descriptor has - less than k possible matches in total. - descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - float maxDistance, - List<Mat> masks, - boolean compactResult)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Found matches.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)!
      -
      masks - Set of masks. Each masks[i] specifies permissible matches between the input query - descriptors and stored train descriptors from the i-th image trainDescCollection[i].
      -
      compactResult - Parameter used when the mask (or masks) is not empty. If compactResult is - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - float maxDistance, - List<Mat> masks)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Found matches.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)!
      -
      masks - Set of masks. Each masks[i] specifies permissible matches between the input query - descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      radiusMatch

      -
      public void radiusMatch(Mat queryDescriptors, - List<MatOfDMatch> matches, - float maxDistance)
      -
      -
      Parameters:
      -
      queryDescriptors - Query set of descriptors.
      -
      matches - Found matches.
      -
      maxDistance - Threshold for the distance between matched descriptors. Distance means here - metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - in Pixels)! - descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - the matches vector does not contain matches for fully masked-out query descriptors.
      -
      -
      -
      • -
    • -
      -

      write

      -
      public void write(String fileName)
      -
      -
      • -
    • -
      -

      read

      -
      public void read(String fileName)
      -
      -
      • -
    • -
      -

      clone

      -
      public DescriptorMatcher clone(boolean emptyTrainData)
      -
      Clones the matcher.
      -
      -
      Parameters:
      -
      emptyTrainData - If emptyTrainData is false, the method creates a deep copy of the object, - that is, copies both parameters and train data. If emptyTrainData is true, the method creates an - object copy with the current parameters but with empty train data.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      clone

      -
      public DescriptorMatcher clone()
      -
      Clones the matcher. - - that is, copies both parameters and train data. If emptyTrainData is true, the method creates an - object copy with the current parameters but with empty train data.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static DescriptorMatcher create(String descriptorMatcherType)
      -
      Creates a descriptor matcher of a given type with the default parameters (using default - constructor).
      -
      -
      Parameters:
      -
      descriptorMatcherType - Descriptor matcher type. Now the following matcher types are - supported: -
        -
      • - BruteForce (it uses L2 ) -
        • -
      • - BruteForce-L1 -
        • -
      • - BruteForce-Hamming -
        • -
      • - BruteForce-Hamming(2) -
        • -
      • - FlannBased -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static DescriptorMatcher create(int matcherType)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FastFeatureDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FastFeatureDetector.html deleted file mode 100644 index b401ef8712..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FastFeatureDetector.html +++ /dev/null @@ -1,394 +0,0 @@ - - - - -FastFeatureDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class FastFeatureDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.FastFeatureDetector
-
-
-
-
-
-
public class FastFeatureDetector -extends Feature2D
-
Wrapping class for feature detection using the FAST method. :
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static FastFeatureDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static FastFeatureDetector create(int threshold, - boolean nonmaxSuppression, - int type)
      -
      -
      • -
    • -
      -

      create

      -
      public static FastFeatureDetector create(int threshold, - boolean nonmaxSuppression)
      -
      -
      • -
    • -
      -

      create

      -
      public static FastFeatureDetector create(int threshold)
      -
      -
      • -
    • -
      -

      create

      -
      public static FastFeatureDetector create()
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(int threshold)
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public int getThreshold()
      -
      -
      • -
    • -
      -

      setNonmaxSuppression

      -
      public void setNonmaxSuppression(boolean f)
      -
      -
      • -
    • -
      -

      getNonmaxSuppression

      -
      public boolean getNonmaxSuppression()
      -
      -
      • -
    • -
      -

      setType

      -
      public void setType(int type)
      -
      -
      • -
    • -
      -

      getType

      -
      public int getType()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Feature2D.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Feature2D.html deleted file mode 100644 index efc390419f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Feature2D.html +++ /dev/null @@ -1,427 +0,0 @@ - - - - -Feature2D (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class Feature2D

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D
-
-
-
-
-
Direct Known Subclasses:
-
AffineFeature, AgastFeatureDetector, AKAZE, BRISK, FastFeatureDetector, GFTTDetector, KAZE, MSER, ORB, SIFT, SimpleBlobDetector
-
-
-
public class Feature2D -extends Algorithm
-
Abstract base class for 2D image feature detectors and descriptor extractors
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static Feature2D __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - MatOfKeyPoint keypoints, - Mat mask)
      -
      Detects keypoints in an image (first variant) or image set (second variant).
      -
      -
      Parameters:
      -
      image - Image.
      -
      keypoints - The detected keypoints. In the second variant of the method keypoints[i] is a set - of keypoints detected in images[i] .
      -
      mask - Mask specifying where to look for keypoints (optional). It must be a 8-bit integer - matrix with non-zero values in the region of interest.
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - MatOfKeyPoint keypoints)
      -
      Detects keypoints in an image (first variant) or image set (second variant).
      -
      -
      Parameters:
      -
      image - Image.
      -
      keypoints - The detected keypoints. In the second variant of the method keypoints[i] is a set - of keypoints detected in images[i] . - matrix with non-zero values in the region of interest.
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(List<Mat> images, - List<MatOfKeyPoint> keypoints, - List<Mat> masks)
      -
      -
      Parameters:
      -
      images - Image set.
      -
      keypoints - The detected keypoints. In the second variant of the method keypoints[i] is a set - of keypoints detected in images[i] .
      -
      masks - Masks for each input image specifying where to look for keypoints (optional). - masks[i] is a mask for images[i].
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(List<Mat> images, - List<MatOfKeyPoint> keypoints)
      -
      -
      Parameters:
      -
      images - Image set.
      -
      keypoints - The detected keypoints. In the second variant of the method keypoints[i] is a set - of keypoints detected in images[i] . - masks[i] is a mask for images[i].
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat image, - MatOfKeyPoint keypoints, - Mat descriptors)
      -
      Computes the descriptors for a set of keypoints detected in an image (first variant) or image set - (second variant).
      -
      -
      Parameters:
      -
      image - Image.
      -
      keypoints - Input collection of keypoints. Keypoints for which a descriptor cannot be - computed are removed. Sometimes new keypoints can be added, for example: SIFT duplicates keypoint - with several dominant orientations (for each orientation).
      -
      descriptors - Computed descriptors. In the second variant of the method descriptors[i] are - descriptors computed for a keypoints[i]. Row j is the keypoints (or keypoints[i]) is the - descriptor for keypoint j-th keypoint.
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(List<Mat> images, - List<MatOfKeyPoint> keypoints, - List<Mat> descriptors)
      -
      -
      Parameters:
      -
      images - Image set.
      -
      keypoints - Input collection of keypoints. Keypoints for which a descriptor cannot be - computed are removed. Sometimes new keypoints can be added, for example: SIFT duplicates keypoint - with several dominant orientations (for each orientation).
      -
      descriptors - Computed descriptors. In the second variant of the method descriptors[i] are - descriptors computed for a keypoints[i]. Row j is the keypoints (or keypoints[i]) is the - descriptor for keypoint j-th keypoint.
      -
      -
      -
      • -
    • -
      -

      detectAndCompute

      -
      public void detectAndCompute(Mat image, - Mat mask, - MatOfKeyPoint keypoints, - Mat descriptors, - boolean useProvidedKeypoints)
      -
      Detects keypoints and computes the descriptors
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      mask - automatically generated
      -
      keypoints - automatically generated
      -
      descriptors - automatically generated
      -
      useProvidedKeypoints - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndCompute

      -
      public void detectAndCompute(Mat image, - Mat mask, - MatOfKeyPoint keypoints, - Mat descriptors)
      -
      Detects keypoints and computes the descriptors
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      mask - automatically generated
      -
      keypoints - automatically generated
      -
      descriptors - automatically generated
      -
      -
      -
      • -
    • -
      -

      descriptorSize

      -
      public int descriptorSize()
      -
      -
      • -
    • -
      -

      descriptorType

      -
      public int descriptorType()
      -
      -
      • -
    • -
      -

      defaultNorm

      -
      public int defaultNorm()
      -
      -
      • -
    • -
      -

      write

      -
      public void write(String fileName)
      -
      -
      • -
    • -
      -

      read

      -
      public void read(String fileName)
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Description copied from class: Algorithm
      -
      Returns true if the Algorithm is empty (e.g. in the very beginning or after unsuccessful read
      -
      -
      Overrides:
      -
      empty in class Algorithm
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Algorithm
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Features2d.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Features2d.html deleted file mode 100644 index 3a4eb05571..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/Features2d.html +++ /dev/null @@ -1,817 +0,0 @@ - - - - -Features2d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class Features2d

-
-
java.lang.Object -
org.opencv.features2d.Features2d
-
-
-
-
public class Features2d -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DrawMatchesFlags_DEFAULT

      -
      public static final int DrawMatchesFlags_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DrawMatchesFlags_DRAW_OVER_OUTIMG

      -
      public static final int DrawMatchesFlags_DRAW_OVER_OUTIMG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS

      -
      public static final int DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DrawMatchesFlags_DRAW_RICH_KEYPOINTS

      -
      public static final int DrawMatchesFlags_DRAW_RICH_KEYPOINTS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Features2d

      -
      public Features2d()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      drawKeypoints

      -
      public static void drawKeypoints(Mat image, - MatOfKeyPoint keypoints, - Mat outImage, - Scalar color, - int flags)
      -
      Draws keypoints.
      -
      -
      Parameters:
      -
      image - Source image.
      -
      keypoints - Keypoints from the source image.
      -
      outImage - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      color - Color of keypoints.
      -
      flags - Flags setting drawing features. Possible flags bit values are defined by - DrawMatchesFlags. See details above in drawMatches . - - Note: - For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS
      -
      -
      -
      • -
    • -
      -

      drawKeypoints

      -
      public static void drawKeypoints(Mat image, - MatOfKeyPoint keypoints, - Mat outImage, - Scalar color)
      -
      Draws keypoints.
      -
      -
      Parameters:
      -
      image - Source image.
      -
      keypoints - Keypoints from the source image.
      -
      outImage - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      color - Color of keypoints. - DrawMatchesFlags. See details above in drawMatches . - - Note: - For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS
      -
      -
      -
      • -
    • -
      -

      drawKeypoints

      -
      public static void drawKeypoints(Mat image, - MatOfKeyPoint keypoints, - Mat outImage)
      -
      Draws keypoints.
      -
      -
      Parameters:
      -
      image - Source image.
      -
      keypoints - Keypoints from the source image.
      -
      outImage - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below. - DrawMatchesFlags. See details above in drawMatches . - - Note: - For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor, - MatOfByte matchesMask, - int flags)
      -
      Draws the found matches of keypoints from two images.
      -
      -
      Parameters:
      -
      img1 - First source image.
      -
      keypoints1 - Keypoints from the first source image.
      -
      img2 - Second source image.
      -
      keypoints2 - Keypoints from the second source image.
      -
      matches1to2 - Matches from the first image to the second one, which means that keypoints1[i] - has a corresponding point in keypoints2[matches[i]] .
      -
      outImg - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      matchColor - Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - , the color is generated randomly.
      -
      singlePointColor - Color of single keypoints (circles), which means that keypoints do not - have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly.
      -
      matchesMask - Mask determining which matches are drawn. If the mask is empty, all matches are - drawn.
      -
      flags - Flags setting drawing features. Possible flags bit values are defined by - DrawMatchesFlags. - - This function draws matches of keypoints from two images in the output image. Match is a line - connecting two keypoints (circles). See cv::DrawMatchesFlags.
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor, - MatOfByte matchesMask)
      -
      Draws the found matches of keypoints from two images.
      -
      -
      Parameters:
      -
      img1 - First source image.
      -
      keypoints1 - Keypoints from the first source image.
      -
      img2 - Second source image.
      -
      keypoints2 - Keypoints from the second source image.
      -
      matches1to2 - Matches from the first image to the second one, which means that keypoints1[i] - has a corresponding point in keypoints2[matches[i]] .
      -
      outImg - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      matchColor - Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - , the color is generated randomly.
      -
      singlePointColor - Color of single keypoints (circles), which means that keypoints do not - have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly.
      -
      matchesMask - Mask determining which matches are drawn. If the mask is empty, all matches are - drawn. - DrawMatchesFlags. - - This function draws matches of keypoints from two images in the output image. Match is a line - connecting two keypoints (circles). See cv::DrawMatchesFlags.
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor)
      -
      Draws the found matches of keypoints from two images.
      -
      -
      Parameters:
      -
      img1 - First source image.
      -
      keypoints1 - Keypoints from the first source image.
      -
      img2 - Second source image.
      -
      keypoints2 - Keypoints from the second source image.
      -
      matches1to2 - Matches from the first image to the second one, which means that keypoints1[i] - has a corresponding point in keypoints2[matches[i]] .
      -
      outImg - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      matchColor - Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - , the color is generated randomly.
      -
      singlePointColor - Color of single keypoints (circles), which means that keypoints do not - have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - drawn. - DrawMatchesFlags. - - This function draws matches of keypoints from two images in the output image. Match is a line - connecting two keypoints (circles). See cv::DrawMatchesFlags.
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - Scalar matchColor)
      -
      Draws the found matches of keypoints from two images.
      -
      -
      Parameters:
      -
      img1 - First source image.
      -
      keypoints1 - Keypoints from the first source image.
      -
      img2 - Second source image.
      -
      keypoints2 - Keypoints from the second source image.
      -
      matches1to2 - Matches from the first image to the second one, which means that keypoints1[i] - has a corresponding point in keypoints2[matches[i]] .
      -
      outImg - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below.
      -
      matchColor - Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - , the color is generated randomly. - have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - drawn. - DrawMatchesFlags. - - This function draws matches of keypoints from two images in the output image. Match is a line - connecting two keypoints (circles). See cv::DrawMatchesFlags.
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg)
      -
      Draws the found matches of keypoints from two images.
      -
      -
      Parameters:
      -
      img1 - First source image.
      -
      keypoints1 - Keypoints from the first source image.
      -
      img2 - Second source image.
      -
      keypoints2 - Keypoints from the second source image.
      -
      matches1to2 - Matches from the first image to the second one, which means that keypoints1[i] - has a corresponding point in keypoints2[matches[i]] .
      -
      outImg - Output image. Its content depends on the flags value defining what is drawn in the - output image. See possible flags bit values below. - , the color is generated randomly. - have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - drawn. - DrawMatchesFlags. - - This function draws matches of keypoints from two images in the output image. Match is a line - connecting two keypoints (circles). See cv::DrawMatchesFlags.
      -
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - int matchesThickness, - Scalar matchColor, - Scalar singlePointColor, - MatOfByte matchesMask, - int flags)
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - int matchesThickness, - Scalar matchColor, - Scalar singlePointColor, - MatOfByte matchesMask)
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - int matchesThickness, - Scalar matchColor, - Scalar singlePointColor)
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - int matchesThickness, - Scalar matchColor)
      -
      -
      • -
    • -
      -

      drawMatches

      -
      public static void drawMatches(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - MatOfDMatch matches1to2, - Mat outImg, - int matchesThickness)
      -
      -
      • -
    • -
      -

      drawMatchesKnn

      -
      public static void drawMatchesKnn(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - List<MatOfDMatch> matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor, - List<MatOfByte> matchesMask, - int flags)
      -
      -
      • -
    • -
      -

      drawMatchesKnn

      -
      public static void drawMatchesKnn(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - List<MatOfDMatch> matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor, - List<MatOfByte> matchesMask)
      -
      -
      • -
    • -
      -

      drawMatchesKnn

      -
      public static void drawMatchesKnn(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - List<MatOfDMatch> matches1to2, - Mat outImg, - Scalar matchColor, - Scalar singlePointColor)
      -
      -
      • -
    • -
      -

      drawMatchesKnn

      -
      public static void drawMatchesKnn(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - List<MatOfDMatch> matches1to2, - Mat outImg, - Scalar matchColor)
      -
      -
      • -
    • -
      -

      drawMatchesKnn

      -
      public static void drawMatchesKnn(Mat img1, - MatOfKeyPoint keypoints1, - Mat img2, - MatOfKeyPoint keypoints2, - List<MatOfDMatch> matches1to2, - Mat outImg)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FlannBasedMatcher.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FlannBasedMatcher.html deleted file mode 100644 index de2d56858d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/FlannBasedMatcher.html +++ /dev/null @@ -1,206 +0,0 @@ - - - - -FlannBasedMatcher (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class FlannBasedMatcher

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.DescriptorMatcher -
org.opencv.features2d.FlannBasedMatcher
-
-
-
-
-
-
public class FlannBasedMatcher -extends DescriptorMatcher
-
Flann-based descriptor matcher. - - This matcher trains cv::flann::Index on a train descriptor collection and calls its nearest search - methods to find the best matches. So, this matcher may be faster when matching a large train - collection than the brute force matcher. FlannBasedMatcher does not support masking permissible - matches of descriptor sets because flann::Index does not support this. :
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      FlannBasedMatcher

      -
      public FlannBasedMatcher()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    - -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/GFTTDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/GFTTDetector.html deleted file mode 100644 index 785ec724fb..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/GFTTDetector.html +++ /dev/null @@ -1,452 +0,0 @@ - - - - -GFTTDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class GFTTDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.GFTTDetector
-
-
-
-
-
-
public class GFTTDetector -extends Feature2D
-
Wrapping class for feature detection using the goodFeaturesToTrack function. :
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static GFTTDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize, - boolean useHarrisDetector, - double k)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize, - boolean useHarrisDetector)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create()
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize, - int gradiantSize, - boolean useHarrisDetector, - double k)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize, - int gradiantSize, - boolean useHarrisDetector)
      -
      -
      • -
    • -
      -

      create

      -
      public static GFTTDetector create(int maxCorners, - double qualityLevel, - double minDistance, - int blockSize, - int gradiantSize)
      -
      -
      • -
    • -
      -

      setMaxFeatures

      -
      public void setMaxFeatures(int maxFeatures)
      -
      -
      • -
    • -
      -

      getMaxFeatures

      -
      public int getMaxFeatures()
      -
      -
      • -
    • -
      -

      setQualityLevel

      -
      public void setQualityLevel(double qlevel)
      -
      -
      • -
    • -
      -

      getQualityLevel

      -
      public double getQualityLevel()
      -
      -
      • -
    • -
      -

      setMinDistance

      -
      public void setMinDistance(double minDistance)
      -
      -
      • -
    • -
      -

      getMinDistance

      -
      public double getMinDistance()
      -
      -
      • -
    • -
      -

      setBlockSize

      -
      public void setBlockSize(int blockSize)
      -
      -
      • -
    • -
      -

      getBlockSize

      -
      public int getBlockSize()
      -
      -
      • -
    • -
      -

      setGradientSize

      -
      public void setGradientSize(int gradientSize_)
      -
      -
      • -
    • -
      -

      getGradientSize

      -
      public int getGradientSize()
      -
      -
      • -
    • -
      -

      setHarrisDetector

      -
      public void setHarrisDetector(boolean val)
      -
      -
      • -
    • -
      -

      getHarrisDetector

      -
      public boolean getHarrisDetector()
      -
      -
      • -
    • -
      -

      setK

      -
      public void setK(double k)
      -
      -
      • -
    • -
      -

      getK

      -
      public double getK()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/KAZE.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/KAZE.html deleted file mode 100644 index f19d48c1b5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/KAZE.html +++ /dev/null @@ -1,555 +0,0 @@ - - - - -KAZE (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class KAZE

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.KAZE
-
-
-
-
-
-
public class KAZE -extends Feature2D
-
Class implementing the KAZE keypoint detector and descriptor extractor, described in CITE: ABD12 . - - Note: AKAZE descriptor can only be used with KAZE or AKAZE keypoints .. [ABD12] KAZE Features. Pablo - F. Alcantarilla, Adrien Bartoli and Andrew J. Davison. In European Conference on Computer Vision - (ECCV), Fiorenze, Italy, October 2012.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DIFF_PM_G1

      -
      public static final int DIFF_PM_G1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIFF_PM_G2

      -
      public static final int DIFF_PM_G2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIFF_WEICKERT

      -
      public static final int DIFF_WEICKERT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIFF_CHARBONNIER

      -
      public static final int DIFF_CHARBONNIER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static KAZE __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended, - boolean upright, - float threshold, - int nOctaves, - int nOctaveLayers, - int diffusivity)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor.
      -
      upright - Set to enable use of upright descriptors (non rotation-invariant).
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image
      -
      nOctaveLayers - Default number of sublevels per scale level
      -
      diffusivity - Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended, - boolean upright, - float threshold, - int nOctaves, - int nOctaveLayers)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor.
      -
      upright - Set to enable use of upright descriptors (non rotation-invariant).
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image
      -
      nOctaveLayers - Default number of sublevels per scale level - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended, - boolean upright, - float threshold, - int nOctaves)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor.
      -
      upright - Set to enable use of upright descriptors (non rotation-invariant).
      -
      threshold - Detector response threshold to accept point
      -
      nOctaves - Maximum octave evolution of the image - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended, - boolean upright, - float threshold)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor.
      -
      upright - Set to enable use of upright descriptors (non rotation-invariant).
      -
      threshold - Detector response threshold to accept point - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended, - boolean upright)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor.
      -
      upright - Set to enable use of upright descriptors (non rotation-invariant). - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create(boolean extended)
      -
      The KAZE constructor
      -
      -
      Parameters:
      -
      extended - Set to enable extraction of extended (128-byte) descriptor. - DIFF_CHARBONNIER
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KAZE create()
      -
      The KAZE constructor - - DIFF_CHARBONNIER
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setExtended

      -
      public void setExtended(boolean extended)
      -
      -
      • -
    • -
      -

      getExtended

      -
      public boolean getExtended()
      -
      -
      • -
    • -
      -

      setUpright

      -
      public void setUpright(boolean upright)
      -
      -
      • -
    • -
      -

      getUpright

      -
      public boolean getUpright()
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(double threshold)
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public double getThreshold()
      -
      -
      • -
    • -
      -

      setNOctaves

      -
      public void setNOctaves(int octaves)
      -
      -
      • -
    • -
      -

      getNOctaves

      -
      public int getNOctaves()
      -
      -
      • -
    • -
      -

      setNOctaveLayers

      -
      public void setNOctaveLayers(int octaveLayers)
      -
      -
      • -
    • -
      -

      getNOctaveLayers

      -
      public int getNOctaveLayers()
      -
      -
      • -
    • -
      -

      setDiffusivity

      -
      public void setDiffusivity(int diff)
      -
      -
      • -
    • -
      -

      getDiffusivity

      -
      public int getDiffusivity()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/MSER.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/MSER.html deleted file mode 100644 index 8edcdc7d64..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/MSER.html +++ /dev/null @@ -1,693 +0,0 @@ - - - - -MSER (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class MSER

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.MSER
-
-
-
-
-
-
public class MSER -extends Feature2D
-
Maximally stable extremal region extractor - - The class encapsulates all the parameters of the %MSER extraction algorithm (see [wiki - article](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)). - -
    -
  • - there are two different implementation of %MSER: one for grey image, one for color image -
    • -
- -
    -
  • - the grey image algorithm is taken from: CITE: nister2008linear ; the paper claims to be faster - than union-find method; it actually get 1.5~2m/s on my centrino L7200 1.2GHz laptop. -
    • -
- -
    -
  • - the color image algorithm is taken from: CITE: forssen2007maximally ; it should be much slower - than grey image method ( 3~4 times ) -
    • -
- -
    -
  • - (Python) A complete example showing the use of the %MSER detector can be found at samples/python/mser.py -
    • -
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static MSER __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation, - double min_diversity, - int max_evolution, - double area_threshold, - double min_margin, - int edge_blur_size)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      min_diversity - for color image, trace back to cut off mser with diversity less than min_diversity
      -
      max_evolution - for color image, the evolution steps
      -
      area_threshold - for color image, the area threshold to cause re-initialize
      -
      min_margin - for color image, ignore too small margin
      -
      edge_blur_size - for color image, the aperture size for edge blur
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation, - double min_diversity, - int max_evolution, - double area_threshold, - double min_margin)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      min_diversity - for color image, trace back to cut off mser with diversity less than min_diversity
      -
      max_evolution - for color image, the evolution steps
      -
      area_threshold - for color image, the area threshold to cause re-initialize
      -
      min_margin - for color image, ignore too small margin
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation, - double min_diversity, - int max_evolution, - double area_threshold)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      min_diversity - for color image, trace back to cut off mser with diversity less than min_diversity
      -
      max_evolution - for color image, the evolution steps
      -
      area_threshold - for color image, the area threshold to cause re-initialize
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation, - double min_diversity, - int max_evolution)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      min_diversity - for color image, trace back to cut off mser with diversity less than min_diversity
      -
      max_evolution - for color image, the evolution steps
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation, - double min_diversity)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      min_diversity - for color image, trace back to cut off mser with diversity less than min_diversity
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area, - double max_variation)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      max_variation - prune the area have similar size to its children
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area, - int max_area)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      max_area - prune the area which bigger than maxArea
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta, - int min_area)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      min_area - prune the area which smaller than minArea
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create(int delta)
      -
      Full constructor for %MSER detector
      -
      -
      Parameters:
      -
      delta - it compares \((size_{i}-size_{i-delta})/size_{i-delta}\)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static MSER create()
      -
      Full constructor for %MSER detector
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectRegions

      -
      public void detectRegions(Mat image, - List<MatOfPoint> msers, - MatOfRect bboxes)
      -
      Detect %MSER regions
      -
      -
      Parameters:
      -
      image - input image (8UC1, 8UC3 or 8UC4, must be greater or equal than 3x3)
      -
      msers - resulting list of point sets
      -
      bboxes - resulting bounding boxes
      -
      -
      -
      • -
    • -
      -

      setDelta

      -
      public void setDelta(int delta)
      -
      -
      • -
    • -
      -

      getDelta

      -
      public int getDelta()
      -
      -
      • -
    • -
      -

      setMinArea

      -
      public void setMinArea(int minArea)
      -
      -
      • -
    • -
      -

      getMinArea

      -
      public int getMinArea()
      -
      -
      • -
    • -
      -

      setMaxArea

      -
      public void setMaxArea(int maxArea)
      -
      -
      • -
    • -
      -

      getMaxArea

      -
      public int getMaxArea()
      -
      -
      • -
    • -
      -

      setMaxVariation

      -
      public void setMaxVariation(double maxVariation)
      -
      -
      • -
    • -
      -

      getMaxVariation

      -
      public double getMaxVariation()
      -
      -
      • -
    • -
      -

      setMinDiversity

      -
      public void setMinDiversity(double minDiversity)
      -
      -
      • -
    • -
      -

      getMinDiversity

      -
      public double getMinDiversity()
      -
      -
      • -
    • -
      -

      setMaxEvolution

      -
      public void setMaxEvolution(int maxEvolution)
      -
      -
      • -
    • -
      -

      getMaxEvolution

      -
      public int getMaxEvolution()
      -
      -
      • -
    • -
      -

      setAreaThreshold

      -
      public void setAreaThreshold(double areaThreshold)
      -
      -
      • -
    • -
      -

      getAreaThreshold

      -
      public double getAreaThreshold()
      -
      -
      • -
    • -
      -

      setMinMargin

      -
      public void setMinMargin(double min_margin)
      -
      -
      • -
    • -
      -

      getMinMargin

      -
      public double getMinMargin()
      -
      -
      • -
    • -
      -

      setEdgeBlurSize

      -
      public void setEdgeBlurSize(int edge_blur_size)
      -
      -
      • -
    • -
      -

      getEdgeBlurSize

      -
      public int getEdgeBlurSize()
      -
      -
      • -
    • -
      -

      setPass2Only

      -
      public void setPass2Only(boolean f)
      -
      -
      • -
    • -
      -

      getPass2Only

      -
      public boolean getPass2Only()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/ORB.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/ORB.html deleted file mode 100644 index c45aba624b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/ORB.html +++ /dev/null @@ -1,877 +0,0 @@ - - - - -ORB (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class ORB

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.ORB
-
-
-
-
-
-
public class ORB -extends Feature2D
-
Class implementing the ORB (*oriented BRIEF*) keypoint detector and descriptor extractor - - described in CITE: RRKB11 . The algorithm uses FAST in pyramids to detect stable keypoints, selects - the strongest features using FAST or Harris response, finds their orientation using first-order - moments and computes the descriptors using BRIEF (where the coordinates of random point pairs (or - k-tuples) are rotated according to the measured orientation).
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      HARRIS_SCORE

      -
      public static final int HARRIS_SCORE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FAST_SCORE

      -
      public static final int FAST_SCORE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static ORB __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold, - int firstLevel, - int WTA_K, - int scoreType, - int patchSize, - int fastThreshold)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter.
      -
      firstLevel - The level of pyramid to put source image to. Previous layers are filled - with upscaled source image.
      -
      WTA_K - The number of points that produce each element of the oriented BRIEF descriptor. The - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3).
      -
      scoreType - The default HARRIS_SCORE means that Harris algorithm is used to rank features - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute.
      -
      patchSize - size of the patch used by the oriented BRIEF descriptor. Of course, on smaller - pyramid layers the perceived image area covered by a feature will be larger.
      -
      fastThreshold - the fast threshold
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold, - int firstLevel, - int WTA_K, - int scoreType, - int patchSize)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter.
      -
      firstLevel - The level of pyramid to put source image to. Previous layers are filled - with upscaled source image.
      -
      WTA_K - The number of points that produce each element of the oriented BRIEF descriptor. The - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3).
      -
      scoreType - The default HARRIS_SCORE means that Harris algorithm is used to rank features - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute.
      -
      patchSize - size of the patch used by the oriented BRIEF descriptor. Of course, on smaller - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold, - int firstLevel, - int WTA_K, - int scoreType)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter.
      -
      firstLevel - The level of pyramid to put source image to. Previous layers are filled - with upscaled source image.
      -
      WTA_K - The number of points that produce each element of the oriented BRIEF descriptor. The - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3).
      -
      scoreType - The default HARRIS_SCORE means that Harris algorithm is used to rank features - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold, - int firstLevel, - int WTA_K)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter.
      -
      firstLevel - The level of pyramid to put source image to. Previous layers are filled - with upscaled source image.
      -
      WTA_K - The number of points that produce each element of the oriented BRIEF descriptor. The - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold, - int firstLevel)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter.
      -
      firstLevel - The level of pyramid to put source image to. Previous layers are filled - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels, - int edgeThreshold)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel).
      -
      edgeThreshold - This is size of the border where the features are not detected. It should - roughly match the patchSize parameter. - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor, - int nlevels)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer.
      -
      nlevels - The number of pyramid levels. The smallest level will have linear size equal to - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - roughly match the patchSize parameter. - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures, - float scaleFactor)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain.
      -
      scaleFactor - Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer. - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - roughly match the patchSize parameter. - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create(int nfeatures)
      -
      The ORB constructor
      -
      -
      Parameters:
      -
      nfeatures - The maximum number of features to retain. - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer. - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - roughly match the patchSize parameter. - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ORB create()
      -
      The ORB constructor - - pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - will mean that to cover certain scale range you will need more pyramid levels and so the speed - will suffer. - input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - roughly match the patchSize parameter. - with upscaled source image. - default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - random points (of course, those point coordinates are random, but they are generated from the - pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - (the score is written to KeyPoint::score and is used to retain best nfeatures features); - FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - but it is a little faster to compute. - pyramid layers the perceived image area covered by a feature will be larger.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMaxFeatures

      -
      public void setMaxFeatures(int maxFeatures)
      -
      -
      • -
    • -
      -

      getMaxFeatures

      -
      public int getMaxFeatures()
      -
      -
      • -
    • -
      -

      setScaleFactor

      -
      public void setScaleFactor(double scaleFactor)
      -
      -
      • -
    • -
      -

      getScaleFactor

      -
      public double getScaleFactor()
      -
      -
      • -
    • -
      -

      setNLevels

      -
      public void setNLevels(int nlevels)
      -
      -
      • -
    • -
      -

      getNLevels

      -
      public int getNLevels()
      -
      -
      • -
    • -
      -

      setEdgeThreshold

      -
      public void setEdgeThreshold(int edgeThreshold)
      -
      -
      • -
    • -
      -

      getEdgeThreshold

      -
      public int getEdgeThreshold()
      -
      -
      • -
    • -
      -

      setFirstLevel

      -
      public void setFirstLevel(int firstLevel)
      -
      -
      • -
    • -
      -

      getFirstLevel

      -
      public int getFirstLevel()
      -
      -
      • -
    • -
      -

      setWTA_K

      -
      public void setWTA_K(int wta_k)
      -
      -
      • -
    • -
      -

      getWTA_K

      -
      public int getWTA_K()
      -
      -
      • -
    • -
      -

      setScoreType

      -
      public void setScoreType(int scoreType)
      -
      -
      • -
    • -
      -

      getScoreType

      -
      public int getScoreType()
      -
      -
      • -
    • -
      -

      setPatchSize

      -
      public void setPatchSize(int patchSize)
      -
      -
      • -
    • -
      -

      getPatchSize

      -
      public int getPatchSize()
      -
      -
      • -
    • -
      -

      setFastThreshold

      -
      public void setFastThreshold(int fastThreshold)
      -
      -
      • -
    • -
      -

      getFastThreshold

      -
      public int getFastThreshold()
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SIFT.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SIFT.html deleted file mode 100644 index 82b4230f5e..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SIFT.html +++ /dev/null @@ -1,617 +0,0 @@ - - - - -SIFT (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class SIFT

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.SIFT
-
-
-
-
-
-
public class SIFT -extends Feature2D
-
Class for extracting keypoints and computing descriptors using the Scale Invariant Feature Transform - (SIFT) algorithm by D. Lowe CITE: Lowe04 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SIFT __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold, - double edgeThreshold, - double sigma, - boolean enable_precise_upscale)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09.
      -
      edgeThreshold - The threshold used to filter out edge-like features. Note that the its meaning - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained).
      -
      sigma - The sigma of the Gaussian applied to the input image at the octave \#0. If your image - is captured with a weak camera with soft lenses, you might want to reduce the number.
      -
      enable_precise_upscale - Whether to enable precise upscaling in the scale pyramid, which maps - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold, - double edgeThreshold, - double sigma)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09.
      -
      edgeThreshold - The threshold used to filter out edge-like features. Note that the its meaning - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained).
      -
      sigma - The sigma of the Gaussian applied to the input image at the octave \#0. If your image - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold, - double edgeThreshold)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09.
      -
      edgeThreshold - The threshold used to filter out edge-like features. Note that the its meaning - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained). - - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09. - - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained). - - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution. - - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09. - - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained). - - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures)
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast) - - number of octaves is computed automatically from the image resolution. - - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09. - - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained). - - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create()
      -
      (measured in SIFT algorithm as the local contrast) - - number of octaves is computed automatically from the image resolution. - - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09. - - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained). - - is captured with a weak camera with soft lenses, you might want to reduce the number. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold, - double edgeThreshold, - double sigma, - int descriptorType, - boolean enable_precise_upscale)
      -
      Create SIFT with specified descriptorType.
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09.
      -
      edgeThreshold - The threshold used to filter out edge-like features. Note that the its meaning - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained).
      -
      sigma - The sigma of the Gaussian applied to the input image at the octave \#0. If your image - is captured with a weak camera with soft lenses, you might want to reduce the number.
      -
      descriptorType - The type of descriptors. Only CV_32F and CV_8U are supported.
      -
      enable_precise_upscale - Whether to enable precise upscaling in the scale pyramid, which maps - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SIFT create(int nfeatures, - int nOctaveLayers, - double contrastThreshold, - double edgeThreshold, - double sigma, - int descriptorType)
      -
      Create SIFT with specified descriptorType.
      -
      -
      Parameters:
      -
      nfeatures - The number of best features to retain. The features are ranked by their scores - (measured in SIFT algorithm as the local contrast)
      -
      nOctaveLayers - The number of layers in each octave. 3 is the value used in D. Lowe paper. The - number of octaves is computed automatically from the image resolution.
      -
      contrastThreshold - The contrast threshold used to filter out weak features in semi-uniform - (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - - Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - this argument to 0.09.
      -
      edgeThreshold - The threshold used to filter out edge-like features. Note that the its meaning - is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - filtered out (more features are retained).
      -
      sigma - The sigma of the Gaussian applied to the input image at the octave \#0. If your image - is captured with a weak camera with soft lenses, you might want to reduce the number.
      -
      descriptorType - The type of descriptors. Only CV_32F and CV_8U are supported. - - index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - is disabled by default.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultName

      -
      public String getDefaultName()
      -
      Description copied from class: Algorithm
      -
      Returns the algorithm string identifier. - This string is used as top level xml/yml node tag when the object is saved to a file or string.
      -
      -
      Overrides:
      -
      getDefaultName in class Feature2D
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setNFeatures

      -
      public void setNFeatures(int maxFeatures)
      -
      -
      • -
    • -
      -

      getNFeatures

      -
      public int getNFeatures()
      -
      -
      • -
    • -
      -

      setNOctaveLayers

      -
      public void setNOctaveLayers(int nOctaveLayers)
      -
      -
      • -
    • -
      -

      getNOctaveLayers

      -
      public int getNOctaveLayers()
      -
      -
      • -
    • -
      -

      setContrastThreshold

      -
      public void setContrastThreshold(double contrastThreshold)
      -
      -
      • -
    • -
      -

      getContrastThreshold

      -
      public double getContrastThreshold()
      -
      -
      • -
    • -
      -

      setEdgeThreshold

      -
      public void setEdgeThreshold(double edgeThreshold)
      -
      -
      • -
    • -
      -

      getEdgeThreshold

      -
      public double getEdgeThreshold()
      -
      -
      • -
    • -
      -

      setSigma

      -
      public void setSigma(double sigma)
      -
      -
      • -
    • -
      -

      getSigma

      -
      public double getSigma()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector.html deleted file mode 100644 index bb492914a8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector.html +++ /dev/null @@ -1,262 +0,0 @@ - - - - -SimpleBlobDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class SimpleBlobDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.features2d.Feature2D -
org.opencv.features2d.SimpleBlobDetector
-
-
-
-
-
-
public class SimpleBlobDetector -extends Feature2D
-
Class for extracting blobs from an image. : - - The class implements a simple algorithm for extracting blobs from an image: - - 1. Convert the source image to binary images by applying thresholding with several thresholds from - minThreshold (inclusive) to maxThreshold (exclusive) with distance thresholdStep between - neighboring thresholds. - 2. Extract connected components from every binary image by findContours and calculate their - centers. - 3. Group centers from several binary images by their coordinates. Close centers form one group that - corresponds to one blob, which is controlled by the minDistBetweenBlobs parameter. - 4. From the groups, estimate final centers of blobs and their radiuses and return as locations and - sizes of keypoints. - - This class performs several filtrations of returned blobs. You should set filterBy\* to true/false - to turn on/off corresponding filtration. Available filtrations: - -
    -
  • - By color. This filter compares the intensity of a binary image at the center of a blob to - blobColor. If they differ, the blob is filtered out. Use blobColor = 0 to extract dark blobs - and blobColor = 255 to extract light blobs. -
    • -
  • - By area. Extracted blobs have an area between minArea (inclusive) and maxArea (exclusive). -
    • -
  • - By circularity. Extracted blobs have circularity - (\(\frac{4*\pi*Area}{perimeter * perimeter}\)) between minCircularity (inclusive) and - maxCircularity (exclusive). -
    • -
  • - By ratio of the minimum inertia to maximum inertia. Extracted blobs have this ratio - between minInertiaRatio (inclusive) and maxInertiaRatio (exclusive). -
    • -
  • - By convexity. Extracted blobs have convexity (area / area of blob convex hull) between - minConvexity (inclusive) and maxConvexity (exclusive). -
    • -
- - Default values of parameters are tuned to extract dark circular blobs.
-
-
- -
-
- -
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector_Params.html deleted file mode 100644 index 9e9b9ec8a7..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/SimpleBlobDetector_Params.html +++ /dev/null @@ -1,541 +0,0 @@ - - - - -SimpleBlobDetector_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.features2d
-

Class SimpleBlobDetector_Params

-
-
java.lang.Object -
org.opencv.features2d.SimpleBlobDetector_Params
-
-
-
-
public class SimpleBlobDetector_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      SimpleBlobDetector_Params

      -
      public SimpleBlobDetector_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static SimpleBlobDetector_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_thresholdStep

      -
      public float get_thresholdStep()
      -
      -
      • -
    • -
      -

      set_thresholdStep

      -
      public void set_thresholdStep(float thresholdStep)
      -
      -
      • -
    • -
      -

      get_minThreshold

      -
      public float get_minThreshold()
      -
      -
      • -
    • -
      -

      set_minThreshold

      -
      public void set_minThreshold(float minThreshold)
      -
      -
      • -
    • -
      -

      get_maxThreshold

      -
      public float get_maxThreshold()
      -
      -
      • -
    • -
      -

      set_maxThreshold

      -
      public void set_maxThreshold(float maxThreshold)
      -
      -
      • -
    • -
      -

      get_minRepeatability

      -
      public long get_minRepeatability()
      -
      -
      • -
    • -
      -

      set_minRepeatability

      -
      public void set_minRepeatability(long minRepeatability)
      -
      -
      • -
    • -
      -

      get_minDistBetweenBlobs

      -
      public float get_minDistBetweenBlobs()
      -
      -
      • -
    • -
      -

      set_minDistBetweenBlobs

      -
      public void set_minDistBetweenBlobs(float minDistBetweenBlobs)
      -
      -
      • -
    • -
      -

      get_filterByColor

      -
      public boolean get_filterByColor()
      -
      -
      • -
    • -
      -

      set_filterByColor

      -
      public void set_filterByColor(boolean filterByColor)
      -
      -
      • -
    • -
      -

      get_blobColor

      -
      public byte get_blobColor()
      -
      -
      • -
    • -
      -

      set_blobColor

      -
      public void set_blobColor(byte blobColor)
      -
      -
      • -
    • -
      -

      get_filterByArea

      -
      public boolean get_filterByArea()
      -
      -
      • -
    • -
      -

      set_filterByArea

      -
      public void set_filterByArea(boolean filterByArea)
      -
      -
      • -
    • -
      -

      get_minArea

      -
      public float get_minArea()
      -
      -
      • -
    • -
      -

      set_minArea

      -
      public void set_minArea(float minArea)
      -
      -
      • -
    • -
      -

      get_maxArea

      -
      public float get_maxArea()
      -
      -
      • -
    • -
      -

      set_maxArea

      -
      public void set_maxArea(float maxArea)
      -
      -
      • -
    • -
      -

      get_filterByCircularity

      -
      public boolean get_filterByCircularity()
      -
      -
      • -
    • -
      -

      set_filterByCircularity

      -
      public void set_filterByCircularity(boolean filterByCircularity)
      -
      -
      • -
    • -
      -

      get_minCircularity

      -
      public float get_minCircularity()
      -
      -
      • -
    • -
      -

      set_minCircularity

      -
      public void set_minCircularity(float minCircularity)
      -
      -
      • -
    • -
      -

      get_maxCircularity

      -
      public float get_maxCircularity()
      -
      -
      • -
    • -
      -

      set_maxCircularity

      -
      public void set_maxCircularity(float maxCircularity)
      -
      -
      • -
    • -
      -

      get_filterByInertia

      -
      public boolean get_filterByInertia()
      -
      -
      • -
    • -
      -

      set_filterByInertia

      -
      public void set_filterByInertia(boolean filterByInertia)
      -
      -
      • -
    • -
      -

      get_minInertiaRatio

      -
      public float get_minInertiaRatio()
      -
      -
      • -
    • -
      -

      set_minInertiaRatio

      -
      public void set_minInertiaRatio(float minInertiaRatio)
      -
      -
      • -
    • -
      -

      get_maxInertiaRatio

      -
      public float get_maxInertiaRatio()
      -
      -
      • -
    • -
      -

      set_maxInertiaRatio

      -
      public void set_maxInertiaRatio(float maxInertiaRatio)
      -
      -
      • -
    • -
      -

      get_filterByConvexity

      -
      public boolean get_filterByConvexity()
      -
      -
      • -
    • -
      -

      set_filterByConvexity

      -
      public void set_filterByConvexity(boolean filterByConvexity)
      -
      -
      • -
    • -
      -

      get_minConvexity

      -
      public float get_minConvexity()
      -
      -
      • -
    • -
      -

      set_minConvexity

      -
      public void set_minConvexity(float minConvexity)
      -
      -
      • -
    • -
      -

      get_maxConvexity

      -
      public float get_maxConvexity()
      -
      -
      • -
    • -
      -

      set_maxConvexity

      -
      public void set_maxConvexity(float maxConvexity)
      -
      -
      • -
    • -
      -

      get_collectContours

      -
      public boolean get_collectContours()
      -
      -
      • -
    • -
      -

      set_collectContours

      -
      public void set_collectContours(boolean collectContours)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-summary.html deleted file mode 100644 index 07fde0aa9a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-summary.html +++ /dev/null @@ -1,188 +0,0 @@ - - - - -org.opencv.features2d (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.features2d

-
-
-
package org.opencv.features2d
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    AffineFeature
    -
    -
    Class for implementing the wrapper which makes detectors and extractors to be affine invariant, - described as ASIFT in CITE: YM11 .
    -
    -
    AgastFeatureDetector
    -
    -
    Wrapping class for feature detection using the AGAST method.
    -
    -
    AKAZE
    -
    -
    Class implementing the AKAZE keypoint detector and descriptor extractor, described in CITE: ANB13.
    -
    -
    BFMatcher
    -
    -
    Brute-force descriptor matcher.
    -
    -
    BOWImgDescriptorExtractor
    -
    -
    Class to compute an image descriptor using the *bag of visual words*.
    -
    -
    BOWKMeansTrainer
    -
    -
    kmeans -based class to train visual vocabulary using the *bag of visual words* approach.
    -
    -
    BOWTrainer
    -
    -
    Abstract base class for training the *bag of visual words* vocabulary from a set of descriptors.
    -
    -
    BRISK
    -
    -
    Class implementing the BRISK keypoint detector and descriptor extractor, described in CITE: LCS11 .
    -
    -
    DescriptorMatcher
    -
    -
    Abstract base class for matching keypoint descriptors.
    -
    -
    FastFeatureDetector
    -
    -
    Wrapping class for feature detection using the FAST method.
    -
    -
    Feature2D
    -
    -
    Abstract base class for 2D image feature detectors and descriptor extractors
    -
    -
    Features2d
    -
     
    -
    FlannBasedMatcher
    -
    -
    Flann-based descriptor matcher.
    -
    -
    GFTTDetector
    -
    -
    Wrapping class for feature detection using the goodFeaturesToTrack function.
    -
    -
    KAZE
    -
    -
    Class implementing the KAZE keypoint detector and descriptor extractor, described in CITE: ABD12 .
    -
    -
    MSER
    -
    -
    Maximally stable extremal region extractor - - The class encapsulates all the parameters of the %MSER extraction algorithm (see [wiki - article](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)).
    -
    -
    ORB
    -
    -
    Class implementing the ORB (*oriented BRIEF*) keypoint detector and descriptor extractor - - described in CITE: RRKB11 .
    -
    -
    SIFT
    -
    -
    Class for extracting keypoints and computing descriptors using the Scale Invariant Feature Transform - (SIFT) algorithm by D.
    -
    -
    SimpleBlobDetector
    -
    -
    Class for extracting blobs from an image.
    -
    -
    SimpleBlobDetector_Params
    -
     
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-tree.html deleted file mode 100644 index 9ac71bfce2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/features2d/package-tree.html +++ /dev/null @@ -1,117 +0,0 @@ - - - - -org.opencv.features2d Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.features2d

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Animation.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Animation.html deleted file mode 100644 index b6016d14aa..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Animation.html +++ /dev/null @@ -1,373 +0,0 @@ - - - - -Animation (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgcodecs
-

Class Animation

-
-
java.lang.Object -
org.opencv.imgcodecs.Animation
-
-
-
-
public class Animation -extends Object
-
Represents an animation with multiple frames. - The Animation struct is designed to store and manage data for animated sequences such as those from animated formats (e.g., GIF, AVIF, APNG, WebP). - It provides support for looping, background color settings, frame timing, and frame storage.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Animation

      -
      public Animation(int loopCount, - Scalar bgColor)
      -
      Constructs an Animation object with optional loop count and background color.
      -
      -
      Parameters:
      -
      loopCount - An integer representing the number of times the animation should loop: -
        -
      • - 0 (default) indicates infinite looping, meaning the animation will replay continuously. -
        • -
      • - Positive values denote finite repeat counts, allowing the animation to play a limited number of times. -
        • -
      • - If a negative value or a value beyond the maximum of 0xffff (65535) is provided, it is reset to 0 - (infinite looping) to maintain valid bounds. -
        • -
      -
      bgColor - A Scalar object representing the background color in BGR format: -
        -
      • - Defaults to Scalar(), indicating an empty color (usually transparent if supported). -
        • -
      • - This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. -
        • -
      -
      -
      -
      • -
    • -
      -

      Animation

      -
      public Animation(int loopCount)
      -
      Constructs an Animation object with optional loop count and background color.
      -
      -
      Parameters:
      -
      loopCount - An integer representing the number of times the animation should loop: -
        -
      • - 0 (default) indicates infinite looping, meaning the animation will replay continuously. -
        • -
      • - Positive values denote finite repeat counts, allowing the animation to play a limited number of times. -
        • -
      • - If a negative value or a value beyond the maximum of 0xffff (65535) is provided, it is reset to 0 - (infinite looping) to maintain valid bounds. -
        • -
      - -
        -
      • - Defaults to Scalar(), indicating an empty color (usually transparent if supported). -
        • -
      • - This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. -
        • -
      -
      -
      -
      • -
    • -
      -

      Animation

      -
      public Animation()
      -
      Constructs an Animation object with optional loop count and background color. - -
        -
      • - 0 (default) indicates infinite looping, meaning the animation will replay continuously. -
        • -
      • - Positive values denote finite repeat counts, allowing the animation to play a limited number of times. -
        • -
      • - If a negative value or a value beyond the maximum of 0xffff (65535) is provided, it is reset to 0 - (infinite looping) to maintain valid bounds. -
        • -
      - -
        -
      • - Defaults to Scalar(), indicating an empty color (usually transparent if supported). -
        • -
      • - This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. -
        • -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Animation __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_loop_count

      -
      public int get_loop_count()
      -
      -
      • -
    • -
      -

      set_loop_count

      -
      public void set_loop_count(int loop_count)
      -
      -
      • -
    • -
      -

      get_bgcolor

      -
      public Scalar get_bgcolor()
      -
      -
      • -
    • -
      -

      set_bgcolor

      -
      public void set_bgcolor(Scalar bgcolor)
      -
      -
      • -
    • -
      -

      get_durations

      -
      public MatOfInt get_durations()
      -
      -
      • -
    • -
      -

      set_durations

      -
      public void set_durations(MatOfInt durations)
      -
      -
      • -
    • -
      -

      get_frames

      -
      public List<Mat> get_frames()
      -
      -
      • -
    • -
      -

      set_frames

      -
      public void set_frames(List<Mat> frames)
      -
      -
      • -
    • -
      -

      get_still_image

      -
      public Mat get_still_image()
      -
      -
      • -
    • -
      -

      set_still_image

      -
      public void set_still_image(Mat still_image)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Imgcodecs.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Imgcodecs.html deleted file mode 100644 index 21fa6d6191..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/Imgcodecs.html +++ /dev/null @@ -1,4027 +0,0 @@ - - - - -Imgcodecs (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgcodecs
-

Class Imgcodecs

-
-
java.lang.Object -
org.opencv.imgcodecs.Imgcodecs
-
-
-
-
public class Imgcodecs -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      IMAGE_METADATA_UNKNOWN

      -
      public static final int IMAGE_METADATA_UNKNOWN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMAGE_METADATA_EXIF

      -
      public static final int IMAGE_METADATA_EXIF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMAGE_METADATA_XMP

      -
      public static final int IMAGE_METADATA_XMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMAGE_METADATA_ICCP

      -
      public static final int IMAGE_METADATA_ICCP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMAGE_METADATA_MAX

      -
      public static final int IMAGE_METADATA_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_UNCHANGED

      -
      public static final int IMREAD_UNCHANGED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_GRAYSCALE

      -
      public static final int IMREAD_GRAYSCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_COLOR_BGR

      -
      public static final int IMREAD_COLOR_BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_COLOR

      -
      public static final int IMREAD_COLOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_ANYDEPTH

      -
      public static final int IMREAD_ANYDEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_ANYCOLOR

      -
      public static final int IMREAD_ANYCOLOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_LOAD_GDAL

      -
      public static final int IMREAD_LOAD_GDAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_GRAYSCALE_2

      -
      public static final int IMREAD_REDUCED_GRAYSCALE_2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_COLOR_2

      -
      public static final int IMREAD_REDUCED_COLOR_2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_GRAYSCALE_4

      -
      public static final int IMREAD_REDUCED_GRAYSCALE_4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_COLOR_4

      -
      public static final int IMREAD_REDUCED_COLOR_4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_GRAYSCALE_8

      -
      public static final int IMREAD_REDUCED_GRAYSCALE_8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_REDUCED_COLOR_8

      -
      public static final int IMREAD_REDUCED_COLOR_8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_IGNORE_ORIENTATION

      -
      public static final int IMREAD_IGNORE_ORIENTATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMREAD_COLOR_RGB

      -
      public static final int IMREAD_COLOR_RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_NO

      -
      public static final int IMWRITE_EXR_COMPRESSION_NO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_RLE

      -
      public static final int IMWRITE_EXR_COMPRESSION_RLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_ZIPS

      -
      public static final int IMWRITE_EXR_COMPRESSION_ZIPS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_ZIP

      -
      public static final int IMWRITE_EXR_COMPRESSION_ZIP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_PIZ

      -
      public static final int IMWRITE_EXR_COMPRESSION_PIZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_PXR24

      -
      public static final int IMWRITE_EXR_COMPRESSION_PXR24
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_B44

      -
      public static final int IMWRITE_EXR_COMPRESSION_B44
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_B44A

      -
      public static final int IMWRITE_EXR_COMPRESSION_B44A
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_DWAA

      -
      public static final int IMWRITE_EXR_COMPRESSION_DWAA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION_DWAB

      -
      public static final int IMWRITE_EXR_COMPRESSION_DWAB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_TYPE_HALF

      -
      public static final int IMWRITE_EXR_TYPE_HALF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_TYPE_FLOAT

      -
      public static final int IMWRITE_EXR_TYPE_FLOAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_QUALITY

      -
      public static final int IMWRITE_JPEG_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_PROGRESSIVE

      -
      public static final int IMWRITE_JPEG_PROGRESSIVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_OPTIMIZE

      -
      public static final int IMWRITE_JPEG_OPTIMIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_RST_INTERVAL

      -
      public static final int IMWRITE_JPEG_RST_INTERVAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_LUMA_QUALITY

      -
      public static final int IMWRITE_JPEG_LUMA_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_CHROMA_QUALITY

      -
      public static final int IMWRITE_JPEG_CHROMA_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_COMPRESSION

      -
      public static final int IMWRITE_PNG_COMPRESSION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY

      -
      public static final int IMWRITE_PNG_STRATEGY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_BILEVEL

      -
      public static final int IMWRITE_PNG_BILEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER

      -
      public static final int IMWRITE_PNG_FILTER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PXM_BINARY

      -
      public static final int IMWRITE_PXM_BINARY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_TYPE

      -
      public static final int IMWRITE_EXR_TYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_COMPRESSION

      -
      public static final int IMWRITE_EXR_COMPRESSION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_EXR_DWA_COMPRESSION_LEVEL

      -
      public static final int IMWRITE_EXR_DWA_COMPRESSION_LEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_WEBP_QUALITY

      -
      public static final int IMWRITE_WEBP_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_HDR_COMPRESSION

      -
      public static final int IMWRITE_HDR_COMPRESSION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_TUPLETYPE

      -
      public static final int IMWRITE_PAM_TUPLETYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_RESUNIT

      -
      public static final int IMWRITE_TIFF_RESUNIT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_XDPI

      -
      public static final int IMWRITE_TIFF_XDPI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_YDPI

      -
      public static final int IMWRITE_TIFF_YDPI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION

      -
      public static final int IMWRITE_TIFF_COMPRESSION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_ROWSPERSTRIP

      -
      public static final int IMWRITE_TIFF_ROWSPERSTRIP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_PREDICTOR

      -
      public static final int IMWRITE_TIFF_PREDICTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG2000_COMPRESSION_X1000

      -
      public static final int IMWRITE_JPEG2000_COMPRESSION_X1000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_AVIF_QUALITY

      -
      public static final int IMWRITE_AVIF_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_AVIF_DEPTH

      -
      public static final int IMWRITE_AVIF_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_AVIF_SPEED

      -
      public static final int IMWRITE_AVIF_SPEED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEGXL_QUALITY

      -
      public static final int IMWRITE_JPEGXL_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEGXL_EFFORT

      -
      public static final int IMWRITE_JPEGXL_EFFORT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEGXL_DISTANCE

      -
      public static final int IMWRITE_JPEGXL_DISTANCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEGXL_DECODING_SPEED

      -
      public static final int IMWRITE_JPEGXL_DECODING_SPEED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_LOOP

      -
      public static final int IMWRITE_GIF_LOOP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_SPEED

      -
      public static final int IMWRITE_GIF_SPEED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_QUALITY

      -
      public static final int IMWRITE_GIF_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_DITHER

      -
      public static final int IMWRITE_GIF_DITHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_TRANSPARENCY

      -
      public static final int IMWRITE_GIF_TRANSPARENCY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE

      -
      public static final int IMWRITE_GIF_COLORTABLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_FAST_NO_DITHER

      -
      public static final int IMWRITE_GIF_FAST_NO_DITHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_FAST_FLOYD_DITHER

      -
      public static final int IMWRITE_GIF_FAST_FLOYD_DITHER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_8

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_16

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_32

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_32
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_64

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_64
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_128

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_128
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_GIF_COLORTABLE_SIZE_256

      -
      public static final int IMWRITE_GIF_COLORTABLE_SIZE_256
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_HDR_COMPRESSION_NONE

      -
      public static final int IMWRITE_HDR_COMPRESSION_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_HDR_COMPRESSION_RLE

      -
      public static final int IMWRITE_HDR_COMPRESSION_RLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR_411

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR_411
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR_420

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR_420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR_422

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR_422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR_440

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR_440
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_JPEG_SAMPLING_FACTOR_444

      -
      public static final int IMWRITE_JPEG_SAMPLING_FACTOR_444
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_NULL

      -
      public static final int IMWRITE_PAM_FORMAT_NULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_BLACKANDWHITE

      -
      public static final int IMWRITE_PAM_FORMAT_BLACKANDWHITE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_GRAYSCALE

      -
      public static final int IMWRITE_PAM_FORMAT_GRAYSCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_GRAYSCALE_ALPHA

      -
      public static final int IMWRITE_PAM_FORMAT_GRAYSCALE_ALPHA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_RGB

      -
      public static final int IMWRITE_PAM_FORMAT_RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PAM_FORMAT_RGB_ALPHA

      -
      public static final int IMWRITE_PAM_FORMAT_RGB_ALPHA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER_NONE

      -
      public static final int IMWRITE_PNG_FILTER_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER_SUB

      -
      public static final int IMWRITE_PNG_FILTER_SUB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER_UP

      -
      public static final int IMWRITE_PNG_FILTER_UP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER_AVG

      -
      public static final int IMWRITE_PNG_FILTER_AVG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FILTER_PAETH

      -
      public static final int IMWRITE_PNG_FILTER_PAETH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_FAST_FILTERS

      -
      public static final int IMWRITE_PNG_FAST_FILTERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_ALL_FILTERS

      -
      public static final int IMWRITE_PNG_ALL_FILTERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY_DEFAULT

      -
      public static final int IMWRITE_PNG_STRATEGY_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY_FILTERED

      -
      public static final int IMWRITE_PNG_STRATEGY_FILTERED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY_HUFFMAN_ONLY

      -
      public static final int IMWRITE_PNG_STRATEGY_HUFFMAN_ONLY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY_RLE

      -
      public static final int IMWRITE_PNG_STRATEGY_RLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_PNG_STRATEGY_FIXED

      -
      public static final int IMWRITE_PNG_STRATEGY_FIXED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_NONE

      -
      public static final int IMWRITE_TIFF_COMPRESSION_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITTRLE

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITTRLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITTFAX3

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITTFAX3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITT_T4

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITT_T4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITTFAX4

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITTFAX4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITT_T6

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITT_T6
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_LZW

      -
      public static final int IMWRITE_TIFF_COMPRESSION_LZW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_OJPEG

      -
      public static final int IMWRITE_TIFF_COMPRESSION_OJPEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_JPEG

      -
      public static final int IMWRITE_TIFF_COMPRESSION_JPEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_T85

      -
      public static final int IMWRITE_TIFF_COMPRESSION_T85
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_T43

      -
      public static final int IMWRITE_TIFF_COMPRESSION_T43
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_NEXT

      -
      public static final int IMWRITE_TIFF_COMPRESSION_NEXT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_CCITTRLEW

      -
      public static final int IMWRITE_TIFF_COMPRESSION_CCITTRLEW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_PACKBITS

      -
      public static final int IMWRITE_TIFF_COMPRESSION_PACKBITS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_THUNDERSCAN

      -
      public static final int IMWRITE_TIFF_COMPRESSION_THUNDERSCAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_IT8CTPAD

      -
      public static final int IMWRITE_TIFF_COMPRESSION_IT8CTPAD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_IT8LW

      -
      public static final int IMWRITE_TIFF_COMPRESSION_IT8LW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_IT8MP

      -
      public static final int IMWRITE_TIFF_COMPRESSION_IT8MP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_IT8BL

      -
      public static final int IMWRITE_TIFF_COMPRESSION_IT8BL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_PIXARFILM

      -
      public static final int IMWRITE_TIFF_COMPRESSION_PIXARFILM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_PIXARLOG

      -
      public static final int IMWRITE_TIFF_COMPRESSION_PIXARLOG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_DEFLATE

      -
      public static final int IMWRITE_TIFF_COMPRESSION_DEFLATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_ADOBE_DEFLATE

      -
      public static final int IMWRITE_TIFF_COMPRESSION_ADOBE_DEFLATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_DCS

      -
      public static final int IMWRITE_TIFF_COMPRESSION_DCS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_JBIG

      -
      public static final int IMWRITE_TIFF_COMPRESSION_JBIG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_SGILOG

      -
      public static final int IMWRITE_TIFF_COMPRESSION_SGILOG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_SGILOG24

      -
      public static final int IMWRITE_TIFF_COMPRESSION_SGILOG24
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_JP2000

      -
      public static final int IMWRITE_TIFF_COMPRESSION_JP2000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_LERC

      -
      public static final int IMWRITE_TIFF_COMPRESSION_LERC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_LZMA

      -
      public static final int IMWRITE_TIFF_COMPRESSION_LZMA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_ZSTD

      -
      public static final int IMWRITE_TIFF_COMPRESSION_ZSTD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_WEBP

      -
      public static final int IMWRITE_TIFF_COMPRESSION_WEBP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_COMPRESSION_JXL

      -
      public static final int IMWRITE_TIFF_COMPRESSION_JXL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_PREDICTOR_NONE

      -
      public static final int IMWRITE_TIFF_PREDICTOR_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_PREDICTOR_HORIZONTAL

      -
      public static final int IMWRITE_TIFF_PREDICTOR_HORIZONTAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      IMWRITE_TIFF_PREDICTOR_FLOATINGPOINT

      -
      public static final int IMWRITE_TIFF_PREDICTOR_FLOATINGPOINT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Imgcodecs

      -
      public Imgcodecs()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      imread

      -
      public static Mat imread(String filename, - int flags)
      -
      Loads an image from a file. - - imread - - The imread function loads an image from the specified file and returns OpenCV matrix. If the image cannot be - read (because of a missing file, improper permissions, or unsupported/invalid format), the function - returns an empty matrix. - - Currently, the following file formats are supported: - -
        -
      • - Windows bitmaps - \*.bmp, \*.dib (always supported) -
        • -
      • - GIF files - \*.gif (always supported) -
        • -
      • - JPEG files - \*.jpeg, \*.jpg, \*.jpe (see the *Note* section) -
        • -
      • - JPEG 2000 files - \*.jp2 (see the *Note* section) -
        • -
      • - Portable Network Graphics - \*.png (see the *Note* section) -
        • -
      • - WebP - \*.webp (see the *Note* section) -
        • -
      • - AVIF - \*.avif (see the *Note* section) -
        • -
      • - Portable image format - \*.pbm, \*.pgm, \*.ppm, \*.pxm, \*.pnm (always supported) -
        • -
      • - PFM files - \*.pfm (see the *Note* section) -
        • -
      • - Sun rasters - \*.sr, \*.ras (always supported) -
        • -
      • - TIFF files - \*.tiff, \*.tif (see the *Note* section) -
        • -
      • - OpenEXR Image files - \*.exr (see the *Note* section) -
        • -
      • - Radiance HDR - \*.hdr, \*.pic (always supported) -
        • -
      • - Raster and Vector geospatial data supported by GDAL (see the *Note* section) -
        • -
      - - Note: -
        -
      • - The function determines the type of an image by its content, not by the file extension. -
        • -
      • - In the case of color images, the decoded images will have the channels stored in B G R order. -
        • -
      • - When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available. - Results may differ from the output of cvtColor(). -
        • -
      • - On Microsoft Windows\* and Mac OS\*, the codecs shipped with OpenCV (libjpeg, libpng, libtiff, - and libjasper) are used by default. So, OpenCV can always read JPEGs, PNGs, and TIFFs. On Mac OS, - there is also an option to use native Mac OS image readers. However, beware that currently these - native image loaders give images with different pixel values because of the color management embedded - into Mac OS. -
        • -
      • - On Linux\*, BSD flavors, and other Unix-like open-source operating systems, OpenCV looks for - codecs supplied with the OS. Ensure the relevant packages are installed (including development - files, such as "libjpeg-dev" in Debian\* and Ubuntu\*) to get codec support, or turn - on the OPENCV_BUILD_3RDPARTY_LIBS flag in CMake. -
        • -
      • - If the *WITH_GDAL* flag is set to true in CMake and REF: IMREAD_LOAD_GDAL is used to load the image, - the [GDAL](http://www.gdal.org) driver will be used to decode the image, supporting - [Raster](http://www.gdal.org/formats_list.html) and [Vector](http://www.gdal.org/ogr_formats.html) formats. -
        • -
      • - If EXIF information is embedded in the image file, the EXIF orientation will be taken into account, - and thus the image will be rotated accordingly unless the flags REF: IMREAD_IGNORE_ORIENTATION - or REF: IMREAD_UNCHANGED are passed. -
        • -
      • - Use the IMREAD_UNCHANGED flag to preserve the floating-point values from PFM images. -
        • -
      • - By default, the number of pixels must be less than 2^30. This limit can be changed by setting - the environment variable OPENCV_IO_MAX_IMAGE_PIXELS. See REF: tutorial_env_reference. -
        • -
      -
      -
      Parameters:
      -
      filename - Name of the file to be loaded.
      -
      flags - Flag that can take values of cv::ImreadModes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imread

      -
      public static Mat imread(String filename)
      -
      Loads an image from a file. - - imread - - The imread function loads an image from the specified file and returns OpenCV matrix. If the image cannot be - read (because of a missing file, improper permissions, or unsupported/invalid format), the function - returns an empty matrix. - - Currently, the following file formats are supported: - -
        -
      • - Windows bitmaps - \*.bmp, \*.dib (always supported) -
        • -
      • - GIF files - \*.gif (always supported) -
        • -
      • - JPEG files - \*.jpeg, \*.jpg, \*.jpe (see the *Note* section) -
        • -
      • - JPEG 2000 files - \*.jp2 (see the *Note* section) -
        • -
      • - Portable Network Graphics - \*.png (see the *Note* section) -
        • -
      • - WebP - \*.webp (see the *Note* section) -
        • -
      • - AVIF - \*.avif (see the *Note* section) -
        • -
      • - Portable image format - \*.pbm, \*.pgm, \*.ppm, \*.pxm, \*.pnm (always supported) -
        • -
      • - PFM files - \*.pfm (see the *Note* section) -
        • -
      • - Sun rasters - \*.sr, \*.ras (always supported) -
        • -
      • - TIFF files - \*.tiff, \*.tif (see the *Note* section) -
        • -
      • - OpenEXR Image files - \*.exr (see the *Note* section) -
        • -
      • - Radiance HDR - \*.hdr, \*.pic (always supported) -
        • -
      • - Raster and Vector geospatial data supported by GDAL (see the *Note* section) -
        • -
      - - Note: -
        -
      • - The function determines the type of an image by its content, not by the file extension. -
        • -
      • - In the case of color images, the decoded images will have the channels stored in B G R order. -
        • -
      • - When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available. - Results may differ from the output of cvtColor(). -
        • -
      • - On Microsoft Windows\* and Mac OS\*, the codecs shipped with OpenCV (libjpeg, libpng, libtiff, - and libjasper) are used by default. So, OpenCV can always read JPEGs, PNGs, and TIFFs. On Mac OS, - there is also an option to use native Mac OS image readers. However, beware that currently these - native image loaders give images with different pixel values because of the color management embedded - into Mac OS. -
        • -
      • - On Linux\*, BSD flavors, and other Unix-like open-source operating systems, OpenCV looks for - codecs supplied with the OS. Ensure the relevant packages are installed (including development - files, such as "libjpeg-dev" in Debian\* and Ubuntu\*) to get codec support, or turn - on the OPENCV_BUILD_3RDPARTY_LIBS flag in CMake. -
        • -
      • - If the *WITH_GDAL* flag is set to true in CMake and REF: IMREAD_LOAD_GDAL is used to load the image, - the [GDAL](http://www.gdal.org) driver will be used to decode the image, supporting - [Raster](http://www.gdal.org/formats_list.html) and [Vector](http://www.gdal.org/ogr_formats.html) formats. -
        • -
      • - If EXIF information is embedded in the image file, the EXIF orientation will be taken into account, - and thus the image will be rotated accordingly unless the flags REF: IMREAD_IGNORE_ORIENTATION - or REF: IMREAD_UNCHANGED are passed. -
        • -
      • - Use the IMREAD_UNCHANGED flag to preserve the floating-point values from PFM images. -
        • -
      • - By default, the number of pixels must be less than 2^30. This limit can be changed by setting - the environment variable OPENCV_IO_MAX_IMAGE_PIXELS. See REF: tutorial_env_reference. -
        • -
      -
      -
      Parameters:
      -
      filename - Name of the file to be loaded.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imread

      -
      public static void imread(String filename, - Mat dst, - int flags)
      -
      Loads an image from a file. - - This is an overloaded member function, provided for convenience. It differs from the above function only in what argument(s) it accepts and the return value.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      dst - object in which the image will be loaded.
      -
      flags - Flag that can take values of cv::ImreadModes - Note: - The image passing through the img parameter can be pre-allocated. The memory is reused if the shape and the type match with the load image.
      -
      -
      -
      • -
    • -
      -

      imread

      -
      public static void imread(String filename, - Mat dst)
      -
      Loads an image from a file. - - This is an overloaded member function, provided for convenience. It differs from the above function only in what argument(s) it accepts and the return value.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      dst - object in which the image will be loaded. - Note: - The image passing through the img parameter can be pre-allocated. The memory is reused if the shape and the type match with the load image.
      -
      -
      -
      • -
    • -
      -

      imreadWithMetadata

      -
      public static Mat imreadWithMetadata(String filename, - MatOfInt metadataTypes, - List<Mat> metadata, - int flags)
      -
      Reads an image from a file together with associated metadata. - - The function imreadWithMetadata reads image from the specified file. It does the same thing as imread, but additionally reads metadata if the corresponding file contains any.
      -
      -
      Parameters:
      -
      filename - Name of the file to be loaded.
      -
      metadataTypes - Output vector with types of metadata chucks returned in metadata, see ImageMetadataType.
      -
      metadata - Output vector of vectors or vector of matrices to store the retrieved metadata
      -
      flags - Flag that can take values of cv::ImreadModes
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadWithMetadata

      -
      public static Mat imreadWithMetadata(String filename, - MatOfInt metadataTypes, - List<Mat> metadata)
      -
      Reads an image from a file together with associated metadata. - - The function imreadWithMetadata reads image from the specified file. It does the same thing as imread, but additionally reads metadata if the corresponding file contains any.
      -
      -
      Parameters:
      -
      filename - Name of the file to be loaded.
      -
      metadataTypes - Output vector with types of metadata chucks returned in metadata, see ImageMetadataType.
      -
      metadata - Output vector of vectors or vector of matrices to store the retrieved metadata
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadmulti

      -
      public static boolean imreadmulti(String filename, - List<Mat> mats, - int flags)
      -
      Loads a multi-page image from a file. - - The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      mats - A vector of Mat objects holding each page.
      -
      flags - Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - SEE: cv::imread
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadmulti

      -
      public static boolean imreadmulti(String filename, - List<Mat> mats)
      -
      Loads a multi-page image from a file. - - The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      mats - A vector of Mat objects holding each page. - SEE: cv::imread
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadmulti

      -
      public static boolean imreadmulti(String filename, - List<Mat> mats, - int start, - int count, - int flags)
      -
      Loads images of a multi-page image from a file. - - The function imreadmulti loads a specified range from a multi-page image from the specified file into a vector of Mat objects.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      mats - A vector of Mat objects holding each page.
      -
      start - Start index of the image to load
      -
      count - Count number of images to load
      -
      flags - Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - SEE: cv::imread
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadmulti

      -
      public static boolean imreadmulti(String filename, - List<Mat> mats, - int start, - int count)
      -
      Loads images of a multi-page image from a file. - - The function imreadmulti loads a specified range from a multi-page image from the specified file into a vector of Mat objects.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      mats - A vector of Mat objects holding each page.
      -
      start - Start index of the image to load
      -
      count - Count number of images to load - SEE: cv::imread
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imreadanimation

      -
      public static boolean imreadanimation(String filename, - Animation animation, - int start, - int count)
      -
      Loads frames from an animated image file into an Animation structure. - - The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      filename - A string containing the path to the file.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      start - The index of the first frame to load. This is optional and defaults to 0.
      -
      count - The number of frames to load. This is optional and defaults to 32767.
      -
      Returns:
      -
      Returns true if the file was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imreadanimation

      -
      public static boolean imreadanimation(String filename, - Animation animation, - int start)
      -
      Loads frames from an animated image file into an Animation structure. - - The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      filename - A string containing the path to the file.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      start - The index of the first frame to load. This is optional and defaults to 0.
      -
      Returns:
      -
      Returns true if the file was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imreadanimation

      -
      public static boolean imreadanimation(String filename, - Animation animation)
      -
      Loads frames from an animated image file into an Animation structure. - - The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      filename - A string containing the path to the file.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      Returns:
      -
      Returns true if the file was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imdecodeanimation

      -
      public static boolean imdecodeanimation(Mat buf, - Animation animation, - int start, - int count)
      -
      Loads frames from an animated image buffer into an Animation structure. - - The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      buf - A reference to an InputArray containing the image buffer.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      start - The index of the first frame to load. This is optional and defaults to 0.
      -
      count - The number of frames to load. This is optional and defaults to 32767.
      -
      Returns:
      -
      Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imdecodeanimation

      -
      public static boolean imdecodeanimation(Mat buf, - Animation animation, - int start)
      -
      Loads frames from an animated image buffer into an Animation structure. - - The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      buf - A reference to an InputArray containing the image buffer.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      start - The index of the first frame to load. This is optional and defaults to 0.
      -
      Returns:
      -
      Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imdecodeanimation

      -
      public static boolean imdecodeanimation(Mat buf, - Animation animation)
      -
      Loads frames from an animated image buffer into an Animation structure. - - The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct.
      -
      -
      Parameters:
      -
      buf - A reference to an InputArray containing the image buffer.
      -
      animation - A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called.
      -
      Returns:
      -
      Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imwriteanimation

      -
      public static boolean imwriteanimation(String filename, - Animation animation, - MatOfInt params)
      -
      Saves an Animation to a specified file. - - The function imwriteanimation saves the provided Animation data to the specified file in an animated format. - Supported formats depend on the implementation and may include formats like GIF, AVIF, APNG, or WEBP.
      -
      -
      Parameters:
      -
      filename - The name of the file where the animation will be saved. The file extension determines the format.
      -
      animation - A constant reference to an Animation struct containing the frames and metadata to be saved.
      -
      params - Optional format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - These parameters are used to specify additional options for the encoding process. Refer to cv::ImwriteFlags for details on possible parameters.
      -
      Returns:
      -
      Returns true if the animation was successfully saved; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imwriteanimation

      -
      public static boolean imwriteanimation(String filename, - Animation animation)
      -
      Saves an Animation to a specified file. - - The function imwriteanimation saves the provided Animation data to the specified file in an animated format. - Supported formats depend on the implementation and may include formats like GIF, AVIF, APNG, or WEBP.
      -
      -
      Parameters:
      -
      filename - The name of the file where the animation will be saved. The file extension determines the format.
      -
      animation - A constant reference to an Animation struct containing the frames and metadata to be saved. - These parameters are used to specify additional options for the encoding process. Refer to cv::ImwriteFlags for details on possible parameters.
      -
      Returns:
      -
      Returns true if the animation was successfully saved; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imencodeanimation

      -
      public static boolean imencodeanimation(String ext, - Animation animation, - MatOfByte buf, - MatOfInt params)
      -
      Encodes an Animation to a memory buffer. - - The function imencodeanimation encodes the provided Animation data into a memory - buffer in an animated format. Supported formats depend on the implementation and - may include formats like GIF, AVIF, APNG, or WEBP.
      -
      -
      Parameters:
      -
      ext - The file extension that determines the format of the encoded data.
      -
      animation - A constant reference to an Animation struct containing the - frames and metadata to be encoded.
      -
      buf - A reference to a vector of unsigned chars where the encoded data will - be stored.
      -
      params - Optional format-specific parameters encoded as pairs (paramId_1, - paramValue_1, paramId_2, paramValue_2, ...). These parameters are used to - specify additional options for the encoding process. Refer to cv::ImwriteFlags - for details on possible parameters.
      -
      Returns:
      -
      Returns true if the animation was successfully encoded; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imencodeanimation

      -
      public static boolean imencodeanimation(String ext, - Animation animation, - MatOfByte buf)
      -
      Encodes an Animation to a memory buffer. - - The function imencodeanimation encodes the provided Animation data into a memory - buffer in an animated format. Supported formats depend on the implementation and - may include formats like GIF, AVIF, APNG, or WEBP.
      -
      -
      Parameters:
      -
      ext - The file extension that determines the format of the encoded data.
      -
      animation - A constant reference to an Animation struct containing the - frames and metadata to be encoded.
      -
      buf - A reference to a vector of unsigned chars where the encoded data will - be stored. - paramValue_1, paramId_2, paramValue_2, ...). These parameters are used to - specify additional options for the encoding process. Refer to cv::ImwriteFlags - for details on possible parameters.
      -
      Returns:
      -
      Returns true if the animation was successfully encoded; returns false otherwise.
      -
      -
      -
      • -
    • -
      -

      imcount

      -
      public static long imcount(String filename, - int flags)
      -
      Returns the number of images inside the given file - - The function imcount returns the number of pages in a multi-page image (e.g. TIFF), the number of frames in an animation (e.g. AVIF), and 1 otherwise. - If the image cannot be decoded, 0 is returned.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded.
      -
      flags - Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - TODO: when cv::IMREAD_LOAD_GDAL flag used the return value will be 0 or 1 because OpenCV's GDAL decoder doesn't support multi-page reading yet.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imcount

      -
      public static long imcount(String filename)
      -
      Returns the number of images inside the given file - - The function imcount returns the number of pages in a multi-page image (e.g. TIFF), the number of frames in an animation (e.g. AVIF), and 1 otherwise. - If the image cannot be decoded, 0 is returned.
      -
      -
      Parameters:
      -
      filename - Name of file to be loaded. - TODO: when cv::IMREAD_LOAD_GDAL flag used the return value will be 0 or 1 because OpenCV's GDAL decoder doesn't support multi-page reading yet.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imwrite

      -
      public static boolean imwrite(String filename, - Mat img, - MatOfInt params)
      -
      Saves an image to a specified file. - - The function imwrite saves the image to the specified file. The image format is chosen based on the - filename extension (see cv::imread for the list of extensions). In general, only 8-bit unsigned (CV_8U) - single-channel or 3-channel (with 'BGR' channel order) images - can be saved using this function, with these exceptions: - -
        -
      • - With OpenEXR encoder, only 32-bit float (CV_32F) images can be saved. -
          -
        • - 8-bit unsigned (CV_8U) images are not supported. -
          • -
        -
      • - With Radiance HDR encoder, non 64-bit float (CV_64F) images can be saved. -
          -
        • - All images will be converted to 32-bit float (CV_32F). -
          • -
        -
      • - With JPEG 2000 encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With JPEG XL encoder, 8-bit unsigned (CV_8U), 16-bit unsigned (CV_16U) and 32-bit float(CV_32F) images can be saved. -
          -
        • - JPEG XL images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) / 32-bit float 4-channel (CV_32FC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535/1.0. -
          • -
        -
      • - With PAM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With PNG encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
          -
        • - PNG images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535(see the code sample below). -
          • -
        -
      • - With PGM/PPM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With TIFF encoder, 8-bit unsigned (CV_8U), 8-bit signed (CV_8S), - 16-bit unsigned (CV_16U), 16-bit signed (CV_16S), - 32-bit signed (CV_32S), - 32-bit float (CV_32F) and 64-bit float (CV_64F) images can be saved. -
          -
        • - Multiple images (vector of Mat) can be saved in TIFF format (see the code sample below). -
          • -
        • - 32-bit float 3-channel (CV_32FC3) TIFF images will be saved - using the LogLuv high dynamic range encoding (4 bytes per pixel) -
          • -
        -
      • - With GIF encoder, 8-bit unsigned (CV_8U) images can be saved. -
          -
        • - GIF images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255. -
          • -
        • - 8-bit single-channel images (CV_8UC1) are not supported due to GIF's limitation to indexed color formats. -
          • -
        - - If the image format is not supported, the image will be converted to 8-bit unsigned (CV_8U) and saved that way. -
        • -
      - - If the format, depth or channel order is different, use - Mat::convertTo and cv::cvtColor to convert it before saving. Or, use the universal FileStorage I/O - functions to save the image to XML or YAML format. - - The sample below shows how to create a BGRA image, how to set custom compression parameters and save it to a PNG file. - It also demonstrates how to save multiple images in a TIFF file: - INCLUDE: snippets/imgcodecs_imwrite.cpp
      -
      -
      Parameters:
      -
      filename - Name of the file.
      -
      img - (Mat or vector of Mat) Image or Images to be saved.
      -
      params - Format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) see cv::ImwriteFlags
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imwrite

      -
      public static boolean imwrite(String filename, - Mat img)
      -
      Saves an image to a specified file. - - The function imwrite saves the image to the specified file. The image format is chosen based on the - filename extension (see cv::imread for the list of extensions). In general, only 8-bit unsigned (CV_8U) - single-channel or 3-channel (with 'BGR' channel order) images - can be saved using this function, with these exceptions: - -
        -
      • - With OpenEXR encoder, only 32-bit float (CV_32F) images can be saved. -
          -
        • - 8-bit unsigned (CV_8U) images are not supported. -
          • -
        -
      • - With Radiance HDR encoder, non 64-bit float (CV_64F) images can be saved. -
          -
        • - All images will be converted to 32-bit float (CV_32F). -
          • -
        -
      • - With JPEG 2000 encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With JPEG XL encoder, 8-bit unsigned (CV_8U), 16-bit unsigned (CV_16U) and 32-bit float(CV_32F) images can be saved. -
          -
        • - JPEG XL images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) / 32-bit float 4-channel (CV_32FC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535/1.0. -
          • -
        -
      • - With PAM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With PNG encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
          -
        • - PNG images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535(see the code sample below). -
          • -
        -
      • - With PGM/PPM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. -
        • -
      • - With TIFF encoder, 8-bit unsigned (CV_8U), 8-bit signed (CV_8S), - 16-bit unsigned (CV_16U), 16-bit signed (CV_16S), - 32-bit signed (CV_32S), - 32-bit float (CV_32F) and 64-bit float (CV_64F) images can be saved. -
          -
        • - Multiple images (vector of Mat) can be saved in TIFF format (see the code sample below). -
          • -
        • - 32-bit float 3-channel (CV_32FC3) TIFF images will be saved - using the LogLuv high dynamic range encoding (4 bytes per pixel) -
          • -
        -
      • - With GIF encoder, 8-bit unsigned (CV_8U) images can be saved. -
          -
        • - GIF images with an alpha channel can be saved using this function. - To achieve this, create an 8-bit 4-channel (CV_8UC4) BGRA image, ensuring the alpha channel is the last component. - Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255. -
          • -
        • - 8-bit single-channel images (CV_8UC1) are not supported due to GIF's limitation to indexed color formats. -
          • -
        - - If the image format is not supported, the image will be converted to 8-bit unsigned (CV_8U) and saved that way. -
        • -
      - - If the format, depth or channel order is different, use - Mat::convertTo and cv::cvtColor to convert it before saving. Or, use the universal FileStorage I/O - functions to save the image to XML or YAML format. - - The sample below shows how to create a BGRA image, how to set custom compression parameters and save it to a PNG file. - It also demonstrates how to save multiple images in a TIFF file: - INCLUDE: snippets/imgcodecs_imwrite.cpp
      -
      -
      Parameters:
      -
      filename - Name of the file.
      -
      img - (Mat or vector of Mat) Image or Images to be saved.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imwriteWithMetadata

      -
      public static boolean imwriteWithMetadata(String filename, - Mat img, - MatOfInt metadataTypes, - List<Mat> metadata, - MatOfInt params)
      -
      Saves an image to a specified file with metadata - - The function imwriteWithMetadata saves the image to the specified file. It does the same thing as imwrite, but additionally writes metadata if the corresponding format supports it.
      -
      -
      Parameters:
      -
      filename - Name of the file. As with imwrite, image format is determined by the file extension.
      -
      img - (Mat or vector of Mat) Image or Images to be saved.
      -
      metadataTypes - Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType.
      -
      metadata - Vector of vectors or vector of matrices with chunks of metadata to store into the file
      -
      params - Format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) see cv::ImwriteFlags
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imwriteWithMetadata

      -
      public static boolean imwriteWithMetadata(String filename, - Mat img, - MatOfInt metadataTypes, - List<Mat> metadata)
      -
      Saves an image to a specified file with metadata - - The function imwriteWithMetadata saves the image to the specified file. It does the same thing as imwrite, but additionally writes metadata if the corresponding format supports it.
      -
      -
      Parameters:
      -
      filename - Name of the file. As with imwrite, image format is determined by the file extension.
      -
      img - (Mat or vector of Mat) Image or Images to be saved.
      -
      metadataTypes - Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType.
      -
      metadata - Vector of vectors or vector of matrices with chunks of metadata to store into the file
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imwritemulti

      -
      public static boolean imwritemulti(String filename, - List<Mat> img, - MatOfInt params)
      -
      -
      • -
    • -
      -

      imwritemulti

      -
      public static boolean imwritemulti(String filename, - List<Mat> img)
      -
      -
      • -
    • -
      -

      imdecode

      -
      public static Mat imdecode(Mat buf, - int flags)
      -
      Reads an image from a buffer in memory. - - The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - - See cv::imread for the list of supported formats and flags description. - - Note: In the case of color images, the decoded images will have the channels stored in B G R order.
      -
      -
      Parameters:
      -
      buf - Input array or vector of bytes.
      -
      flags - The same flags as in cv::imread, see cv::ImreadModes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imdecodeWithMetadata

      -
      public static Mat imdecodeWithMetadata(Mat buf, - MatOfInt metadataTypes, - List<Mat> metadata, - int flags)
      -
      Reads an image from a buffer in memory together with associated metadata. - - The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - - See cv::imread for the list of supported formats and flags description. - - Note: In the case of color images, the decoded images will have the channels stored in B G R order.
      -
      -
      Parameters:
      -
      buf - Input array or vector of bytes.
      -
      metadataTypes - Output vector with types of metadata chucks returned in metadata, see ImageMetadataType.
      -
      metadata - Output vector of vectors or vector of matrices to store the retrieved metadata
      -
      flags - The same flags as in cv::imread, see cv::ImreadModes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imdecodeWithMetadata

      -
      public static Mat imdecodeWithMetadata(Mat buf, - MatOfInt metadataTypes, - List<Mat> metadata)
      -
      Reads an image from a buffer in memory together with associated metadata. - - The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - - See cv::imread for the list of supported formats and flags description. - - Note: In the case of color images, the decoded images will have the channels stored in B G R order.
      -
      -
      Parameters:
      -
      buf - Input array or vector of bytes.
      -
      metadataTypes - Output vector with types of metadata chucks returned in metadata, see ImageMetadataType.
      -
      metadata - Output vector of vectors or vector of matrices to store the retrieved metadata
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imdecodemulti

      -
      public static boolean imdecodemulti(Mat buf, - int flags, - List<Mat> mats, - Range range)
      -
      Reads a multi-page image from a buffer in memory. - - The function imdecodemulti reads a multi-page image from the specified buffer in the memory. If the buffer is too short or - contains invalid data, the function returns false. - - See cv::imreadmulti for the list of supported formats and flags description. - - Note: In the case of color images, the decoded images will have the channels stored in B G R order.
      -
      -
      Parameters:
      -
      buf - Input array or vector of bytes.
      -
      flags - The same flags as in cv::imread, see cv::ImreadModes.
      -
      mats - A vector of Mat objects holding each page, if more than one.
      -
      range - A continuous selection of pages.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imdecodemulti

      -
      public static boolean imdecodemulti(Mat buf, - int flags, - List<Mat> mats)
      -
      Reads a multi-page image from a buffer in memory. - - The function imdecodemulti reads a multi-page image from the specified buffer in the memory. If the buffer is too short or - contains invalid data, the function returns false. - - See cv::imreadmulti for the list of supported formats and flags description. - - Note: In the case of color images, the decoded images will have the channels stored in B G R order.
      -
      -
      Parameters:
      -
      buf - Input array or vector of bytes.
      -
      flags - The same flags as in cv::imread, see cv::ImreadModes.
      -
      mats - A vector of Mat objects holding each page, if more than one.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencode

      -
      public static boolean imencode(String ext, - Mat img, - MatOfByte buf, - MatOfInt params)
      -
      Encodes an image into a memory buffer. - - The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - result. See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      img - Image to be compressed.
      -
      buf - Output buffer resized to fit the compressed image.
      -
      params - Format-specific parameters. See cv::imwrite and cv::ImwriteFlags.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencode

      -
      public static boolean imencode(String ext, - Mat img, - MatOfByte buf)
      -
      Encodes an image into a memory buffer. - - The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - result. See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      img - Image to be compressed.
      -
      buf - Output buffer resized to fit the compressed image.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencodeWithMetadata

      -
      public static boolean imencodeWithMetadata(String ext, - Mat img, - MatOfInt metadataTypes, - List<Mat> metadata, - MatOfByte buf, - MatOfInt params)
      -
      Encodes an image into a memory buffer. - - The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - result. See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      img - Image to be compressed.
      -
      metadataTypes - Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType.
      -
      metadata - Vector of vectors or vector of matrices with chunks of metadata to store into the file
      -
      buf - Output buffer resized to fit the compressed image.
      -
      params - Format-specific parameters. See cv::imwrite and cv::ImwriteFlags.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencodeWithMetadata

      -
      public static boolean imencodeWithMetadata(String ext, - Mat img, - MatOfInt metadataTypes, - List<Mat> metadata, - MatOfByte buf)
      -
      Encodes an image into a memory buffer. - - The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - result. See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      img - Image to be compressed.
      -
      metadataTypes - Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType.
      -
      metadata - Vector of vectors or vector of matrices with chunks of metadata to store into the file
      -
      buf - Output buffer resized to fit the compressed image.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencodemulti

      -
      public static boolean imencodemulti(String ext, - List<Mat> imgs, - MatOfByte buf, - MatOfInt params)
      -
      Encodes array of images into a memory buffer. - - The function is analog to cv::imencode for in-memory multi-page image compression. - See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      imgs - Vector of images to be written.
      -
      buf - Output buffer resized to fit the compressed data.
      -
      params - Format-specific parameters. See cv::imwrite and cv::ImwriteFlags.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      imencodemulti

      -
      public static boolean imencodemulti(String ext, - List<Mat> imgs, - MatOfByte buf)
      -
      Encodes array of images into a memory buffer. - - The function is analog to cv::imencode for in-memory multi-page image compression. - See cv::imwrite for the list of supported formats and flags description.
      -
      -
      Parameters:
      -
      ext - File extension that defines the output format. Must include a leading period.
      -
      imgs - Vector of images to be written.
      -
      buf - Output buffer resized to fit the compressed data.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      haveImageReader

      -
      public static boolean haveImageReader(String filename)
      -
      Checks if the specified image file can be decoded by OpenCV. - - The function haveImageReader checks if OpenCV is capable of reading the specified file. - This can be useful for verifying support for a given image format before attempting to load an image.
      -
      -
      Parameters:
      -
      filename - The name of the file to be checked.
      -
      Returns:
      -
      true if an image reader for the specified file is available and the file can be opened, false otherwise. - - Note: The function checks the availability of image codecs that are either built into OpenCV or dynamically loaded. - It does not load the image codec implementation and decode data, but uses signature check. - If the file cannot be opened or the format is unsupported, the function will return false. - - SEE: cv::haveImageWriter, cv::imread, cv::imdecode
      -
      -
      -
      • -
    • -
      -

      haveImageWriter

      -
      public static boolean haveImageWriter(String filename)
      -
      Checks if the specified image file or specified file extension can be encoded by OpenCV. - - The function haveImageWriter checks if OpenCV is capable of writing images with the specified file extension. - This can be useful for verifying support for a given image format before attempting to save an image.
      -
      -
      Parameters:
      -
      filename - The name of the file or the file extension (e.g., ".jpg", ".png"). - It is recommended to provide the file extension rather than the full file name.
      -
      Returns:
      -
      true if an image writer for the specified extension is available, false otherwise. - - Note: The function checks the availability of image codecs that are either built into OpenCV or dynamically loaded. - It does not check for the actual existence of the file but rather the ability to write files of the given type. - - SEE: cv::haveImageReader, cv::imwrite, cv::imencode
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-summary.html deleted file mode 100644 index 1f1290366d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-summary.html +++ /dev/null @@ -1,111 +0,0 @@ - - - - -org.opencv.imgcodecs (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.imgcodecs

-
-
-
package org.opencv.imgcodecs
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    Animation
    -
    -
    Represents an animation with multiple frames.
    -
    -
    Imgcodecs
    -
     
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-tree.html deleted file mode 100644 index 7476c0a7df..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgcodecs/package-tree.html +++ /dev/null @@ -1,86 +0,0 @@ - - - - -org.opencv.imgcodecs Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.imgcodecs

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/CLAHE.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/CLAHE.html deleted file mode 100644 index b96817e8aa..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/CLAHE.html +++ /dev/null @@ -1,230 +0,0 @@ - - - - -CLAHE (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class CLAHE

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.imgproc.CLAHE
-
-
-
-
-
public class CLAHE -extends Algorithm
-
Base class for Contrast Limited Adaptive Histogram Equalization.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CLAHE __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      apply

      -
      public void apply(Mat src, - Mat dst)
      -
      Equalizes the histogram of a grayscale image using Contrast Limited Adaptive Histogram Equalization.
      -
      -
      Parameters:
      -
      src - Source image of type CV_8UC1 or CV_16UC1.
      -
      dst - Destination image.
      -
      -
      -
      • -
    • -
      -

      setClipLimit

      -
      public void setClipLimit(double clipLimit)
      -
      Sets threshold for contrast limiting.
      -
      -
      Parameters:
      -
      clipLimit - threshold value.
      -
      -
      -
      • -
    • -
      -

      getClipLimit

      -
      public double getClipLimit()
      -
      -
      • -
    • -
      -

      setTilesGridSize

      -
      public void setTilesGridSize(Size tileGridSize)
      -
      Sets size of grid for histogram equalization. Input image will be divided into - equally sized rectangular tiles.
      -
      -
      Parameters:
      -
      tileGridSize - defines the number of tiles in row and column.
      -
      -
      -
      • -
    • -
      -

      getTilesGridSize

      -
      public Size getTilesGridSize()
      -
      -
      • -
    • -
      -

      collectGarbage

      -
      public void collectGarbage()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHough.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHough.html deleted file mode 100644 index ac904a2ca2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHough.html +++ /dev/null @@ -1,349 +0,0 @@ - - - - -GeneralizedHough (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class GeneralizedHough

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.imgproc.GeneralizedHough
-
-
-
-
-
Direct Known Subclasses:
-
GeneralizedHoughBallard, GeneralizedHoughGuil
-
-
-
public class GeneralizedHough -extends Algorithm
-
finds arbitrary template in the grayscale image using Generalized Hough Transform
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static GeneralizedHough __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setTemplate

      -
      public void setTemplate(Mat templ, - Point templCenter)
      -
      -
      • -
    • -
      -

      setTemplate

      -
      public void setTemplate(Mat templ)
      -
      -
      • -
    • -
      -

      setTemplate

      -
      public void setTemplate(Mat edges, - Mat dx, - Mat dy, - Point templCenter)
      -
      -
      • -
    • -
      -

      setTemplate

      -
      public void setTemplate(Mat edges, - Mat dx, - Mat dy)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat positions, - Mat votes)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat positions)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat edges, - Mat dx, - Mat dy, - Mat positions, - Mat votes)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat edges, - Mat dx, - Mat dy, - Mat positions)
      -
      -
      • -
    • -
      -

      setCannyLowThresh

      -
      public void setCannyLowThresh(int cannyLowThresh)
      -
      -
      • -
    • -
      -

      getCannyLowThresh

      -
      public int getCannyLowThresh()
      -
      -
      • -
    • -
      -

      setCannyHighThresh

      -
      public void setCannyHighThresh(int cannyHighThresh)
      -
      -
      • -
    • -
      -

      getCannyHighThresh

      -
      public int getCannyHighThresh()
      -
      -
      • -
    • -
      -

      setMinDist

      -
      public void setMinDist(double minDist)
      -
      -
      • -
    • -
      -

      getMinDist

      -
      public double getMinDist()
      -
      -
      • -
    • -
      -

      setDp

      -
      public void setDp(double dp)
      -
      -
      • -
    • -
      -

      getDp

      -
      public double getDp()
      -
      -
      • -
    • -
      -

      setMaxBufferSize

      -
      public void setMaxBufferSize(int maxBufferSize)
      -
      -
      • -
    • -
      -

      getMaxBufferSize

      -
      public int getMaxBufferSize()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughBallard.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughBallard.html deleted file mode 100644 index 3a2b9adb53..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughBallard.html +++ /dev/null @@ -1,194 +0,0 @@ - - - - -GeneralizedHoughBallard (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class GeneralizedHoughBallard

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.imgproc.GeneralizedHough -
org.opencv.imgproc.GeneralizedHoughBallard
-
-
-
-
-
-
public class GeneralizedHoughBallard -extends GeneralizedHough
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position only without translation and rotation CITE: Ballard1981 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static GeneralizedHoughBallard __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setLevels

      -
      public void setLevels(int levels)
      -
      -
      • -
    • -
      -

      getLevels

      -
      public int getLevels()
      -
      -
      • -
    • -
      -

      setVotesThreshold

      -
      public void setVotesThreshold(int votesThreshold)
      -
      -
      • -
    • -
      -

      getVotesThreshold

      -
      public int getVotesThreshold()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughGuil.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughGuil.html deleted file mode 100644 index a34ba2371e..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/GeneralizedHoughGuil.html +++ /dev/null @@ -1,374 +0,0 @@ - - - - -GeneralizedHoughGuil (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class GeneralizedHoughGuil

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.imgproc.GeneralizedHough -
org.opencv.imgproc.GeneralizedHoughGuil
-
-
-
-
-
-
public class GeneralizedHoughGuil -extends GeneralizedHough
-
finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position, translation and rotation CITE: Guil1999 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static GeneralizedHoughGuil __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setXi

      -
      public void setXi(double xi)
      -
      -
      • -
    • -
      -

      getXi

      -
      public double getXi()
      -
      -
      • -
    • -
      -

      setLevels

      -
      public void setLevels(int levels)
      -
      -
      • -
    • -
      -

      getLevels

      -
      public int getLevels()
      -
      -
      • -
    • -
      -

      setAngleEpsilon

      -
      public void setAngleEpsilon(double angleEpsilon)
      -
      -
      • -
    • -
      -

      getAngleEpsilon

      -
      public double getAngleEpsilon()
      -
      -
      • -
    • -
      -

      setMinAngle

      -
      public void setMinAngle(double minAngle)
      -
      -
      • -
    • -
      -

      getMinAngle

      -
      public double getMinAngle()
      -
      -
      • -
    • -
      -

      setMaxAngle

      -
      public void setMaxAngle(double maxAngle)
      -
      -
      • -
    • -
      -

      getMaxAngle

      -
      public double getMaxAngle()
      -
      -
      • -
    • -
      -

      setAngleStep

      -
      public void setAngleStep(double angleStep)
      -
      -
      • -
    • -
      -

      getAngleStep

      -
      public double getAngleStep()
      -
      -
      • -
    • -
      -

      setAngleThresh

      -
      public void setAngleThresh(int angleThresh)
      -
      -
      • -
    • -
      -

      getAngleThresh

      -
      public int getAngleThresh()
      -
      -
      • -
    • -
      -

      setMinScale

      -
      public void setMinScale(double minScale)
      -
      -
      • -
    • -
      -

      getMinScale

      -
      public double getMinScale()
      -
      -
      • -
    • -
      -

      setMaxScale

      -
      public void setMaxScale(double maxScale)
      -
      -
      • -
    • -
      -

      getMaxScale

      -
      public double getMaxScale()
      -
      -
      • -
    • -
      -

      setScaleStep

      -
      public void setScaleStep(double scaleStep)
      -
      -
      • -
    • -
      -

      getScaleStep

      -
      public double getScaleStep()
      -
      -
      • -
    • -
      -

      setScaleThresh

      -
      public void setScaleThresh(int scaleThresh)
      -
      -
      • -
    • -
      -

      getScaleThresh

      -
      public int getScaleThresh()
      -
      -
      • -
    • -
      -

      setPosThresh

      -
      public void setPosThresh(int posThresh)
      -
      -
      • -
    • -
      -

      getPosThresh

      -
      public int getPosThresh()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Imgproc.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Imgproc.html deleted file mode 100644 index 310c02c2c4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Imgproc.html +++ /dev/null @@ -1,21869 +0,0 @@ - - - - -Imgproc (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class Imgproc

-
-
java.lang.Object -
org.opencv.imgproc.Imgproc
-
-
-
-
public class Imgproc -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CV_GAUSSIAN_5x5

      -
      public static final int CV_GAUSSIAN_5x5
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SCHARR

      -
      public static final int CV_SCHARR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_MAX_SOBEL_KSIZE

      -
      public static final int CV_MAX_SOBEL_KSIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_RGBA2mRGBA

      -
      public static final int CV_RGBA2mRGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_mRGBA2RGBA

      -
      public static final int CV_mRGBA2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_WARP_FILL_OUTLIERS

      -
      public static final int CV_WARP_FILL_OUTLIERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_WARP_INVERSE_MAP

      -
      public static final int CV_WARP_INVERSE_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_WARP_RELATIVE_MAP

      -
      public static final int CV_WARP_RELATIVE_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CHAIN_CODE

      -
      public static final int CV_CHAIN_CODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • - -
      • -
    • -
      -

      CV_POLY_APPROX_DP

      -
      public static final int CV_POLY_APPROX_DP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CONTOURS_MATCH_I1

      -
      public static final int CV_CONTOURS_MATCH_I1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CONTOURS_MATCH_I2

      -
      public static final int CV_CONTOURS_MATCH_I2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CONTOURS_MATCH_I3

      -
      public static final int CV_CONTOURS_MATCH_I3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CLOCKWISE

      -
      public static final int CV_CLOCKWISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COUNTER_CLOCKWISE

      -
      public static final int CV_COUNTER_CLOCKWISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_CORREL

      -
      public static final int CV_COMP_CORREL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_CHISQR

      -
      public static final int CV_COMP_CHISQR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_INTERSECT

      -
      public static final int CV_COMP_INTERSECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_BHATTACHARYYA

      -
      public static final int CV_COMP_BHATTACHARYYA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_HELLINGER

      -
      public static final int CV_COMP_HELLINGER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_CHISQR_ALT

      -
      public static final int CV_COMP_CHISQR_ALT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_COMP_KL_DIV

      -
      public static final int CV_COMP_KL_DIV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_MASK_3

      -
      public static final int CV_DIST_MASK_3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_MASK_5

      -
      public static final int CV_DIST_MASK_5
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_MASK_PRECISE

      -
      public static final int CV_DIST_MASK_PRECISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_LABEL_CCOMP

      -
      public static final int CV_DIST_LABEL_CCOMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_LABEL_PIXEL

      -
      public static final int CV_DIST_LABEL_PIXEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_USER

      -
      public static final int CV_DIST_USER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_L1

      -
      public static final int CV_DIST_L1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_L2

      -
      public static final int CV_DIST_L2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_C

      -
      public static final int CV_DIST_C
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_L12

      -
      public static final int CV_DIST_L12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_FAIR

      -
      public static final int CV_DIST_FAIR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_WELSCH

      -
      public static final int CV_DIST_WELSCH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_DIST_HUBER

      -
      public static final int CV_DIST_HUBER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_CANNY_L2_GRADIENT

      -
      public static final int CV_CANNY_L2_GRADIENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_HOUGH_STANDARD

      -
      public static final int CV_HOUGH_STANDARD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_HOUGH_PROBABILISTIC

      -
      public static final int CV_HOUGH_PROBABILISTIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_HOUGH_MULTI_SCALE

      -
      public static final int CV_HOUGH_MULTI_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_HOUGH_GRADIENT

      -
      public static final int CV_HOUGH_GRADIENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SHAPE_RECT

      -
      public static final int CV_SHAPE_RECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SHAPE_CROSS

      -
      public static final int CV_SHAPE_CROSS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SHAPE_ELLIPSE

      -
      public static final int CV_SHAPE_ELLIPSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SHAPE_DIAMOND

      -
      public static final int CV_SHAPE_DIAMOND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_SHAPE_CUSTOM

      -
      public static final int CV_SHAPE_CUSTOM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_BLUR_NO_SCALE

      -
      public static final int CV_BLUR_NO_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_BLUR

      -
      public static final int CV_BLUR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_GAUSSIAN

      -
      public static final int CV_GAUSSIAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_MEDIAN

      -
      public static final int CV_MEDIAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CV_BILATERAL

      -
      public static final int CV_BILATERAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ADAPTIVE_THRESH_MEAN_C

      -
      public static final int ADAPTIVE_THRESH_MEAN_C
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ADAPTIVE_THRESH_GAUSSIAN_C

      -
      public static final int ADAPTIVE_THRESH_GAUSSIAN_C
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2BGRA

      -
      public static final int COLOR_BGR2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2RGBA

      -
      public static final int COLOR_RGB2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2BGR

      -
      public static final int COLOR_BGRA2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2RGB

      -
      public static final int COLOR_RGBA2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2RGBA

      -
      public static final int COLOR_BGR2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2BGRA

      -
      public static final int COLOR_RGB2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2BGR

      -
      public static final int COLOR_RGBA2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2RGB

      -
      public static final int COLOR_BGRA2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2RGB

      -
      public static final int COLOR_BGR2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2BGR

      -
      public static final int COLOR_RGB2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2RGBA

      -
      public static final int COLOR_BGRA2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2BGRA

      -
      public static final int COLOR_RGBA2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2GRAY

      -
      public static final int COLOR_BGR2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2GRAY

      -
      public static final int COLOR_RGB2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2BGR

      -
      public static final int COLOR_GRAY2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2RGB

      -
      public static final int COLOR_GRAY2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2BGRA

      -
      public static final int COLOR_GRAY2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2RGBA

      -
      public static final int COLOR_GRAY2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2GRAY

      -
      public static final int COLOR_BGRA2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2GRAY

      -
      public static final int COLOR_RGBA2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2BGR565

      -
      public static final int COLOR_BGR2BGR565
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2BGR565

      -
      public static final int COLOR_RGB2BGR565
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5652BGR

      -
      public static final int COLOR_BGR5652BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5652RGB

      -
      public static final int COLOR_BGR5652RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2BGR565

      -
      public static final int COLOR_BGRA2BGR565
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2BGR565

      -
      public static final int COLOR_RGBA2BGR565
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5652BGRA

      -
      public static final int COLOR_BGR5652BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5652RGBA

      -
      public static final int COLOR_BGR5652RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2BGR565

      -
      public static final int COLOR_GRAY2BGR565
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5652GRAY

      -
      public static final int COLOR_BGR5652GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2BGR555

      -
      public static final int COLOR_BGR2BGR555
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2BGR555

      -
      public static final int COLOR_RGB2BGR555
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5552BGR

      -
      public static final int COLOR_BGR5552BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5552RGB

      -
      public static final int COLOR_BGR5552RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2BGR555

      -
      public static final int COLOR_BGRA2BGR555
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2BGR555

      -
      public static final int COLOR_RGBA2BGR555
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5552BGRA

      -
      public static final int COLOR_BGR5552BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5552RGBA

      -
      public static final int COLOR_BGR5552RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_GRAY2BGR555

      -
      public static final int COLOR_GRAY2BGR555
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR5552GRAY

      -
      public static final int COLOR_BGR5552GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2XYZ

      -
      public static final int COLOR_BGR2XYZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2XYZ

      -
      public static final int COLOR_RGB2XYZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_XYZ2BGR

      -
      public static final int COLOR_XYZ2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_XYZ2RGB

      -
      public static final int COLOR_XYZ2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YCrCb

      -
      public static final int COLOR_BGR2YCrCb
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YCrCb

      -
      public static final int COLOR_RGB2YCrCb
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YCrCb2BGR

      -
      public static final int COLOR_YCrCb2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YCrCb2RGB

      -
      public static final int COLOR_YCrCb2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2HSV

      -
      public static final int COLOR_BGR2HSV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2HSV

      -
      public static final int COLOR_RGB2HSV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2Lab

      -
      public static final int COLOR_BGR2Lab
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2Lab

      -
      public static final int COLOR_RGB2Lab
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2Luv

      -
      public static final int COLOR_BGR2Luv
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2Luv

      -
      public static final int COLOR_RGB2Luv
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2HLS

      -
      public static final int COLOR_BGR2HLS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2HLS

      -
      public static final int COLOR_RGB2HLS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HSV2BGR

      -
      public static final int COLOR_HSV2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HSV2RGB

      -
      public static final int COLOR_HSV2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Lab2BGR

      -
      public static final int COLOR_Lab2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Lab2RGB

      -
      public static final int COLOR_Lab2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Luv2BGR

      -
      public static final int COLOR_Luv2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Luv2RGB

      -
      public static final int COLOR_Luv2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HLS2BGR

      -
      public static final int COLOR_HLS2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HLS2RGB

      -
      public static final int COLOR_HLS2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2HSV_FULL

      -
      public static final int COLOR_BGR2HSV_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2HSV_FULL

      -
      public static final int COLOR_RGB2HSV_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2HLS_FULL

      -
      public static final int COLOR_BGR2HLS_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2HLS_FULL

      -
      public static final int COLOR_RGB2HLS_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HSV2BGR_FULL

      -
      public static final int COLOR_HSV2BGR_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HSV2RGB_FULL

      -
      public static final int COLOR_HSV2RGB_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HLS2BGR_FULL

      -
      public static final int COLOR_HLS2BGR_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_HLS2RGB_FULL

      -
      public static final int COLOR_HLS2RGB_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_LBGR2Lab

      -
      public static final int COLOR_LBGR2Lab
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_LRGB2Lab

      -
      public static final int COLOR_LRGB2Lab
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_LBGR2Luv

      -
      public static final int COLOR_LBGR2Luv
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_LRGB2Luv

      -
      public static final int COLOR_LRGB2Luv
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Lab2LBGR

      -
      public static final int COLOR_Lab2LBGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Lab2LRGB

      -
      public static final int COLOR_Lab2LRGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Luv2LBGR

      -
      public static final int COLOR_Luv2LBGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_Luv2LRGB

      -
      public static final int COLOR_Luv2LRGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV

      -
      public static final int COLOR_BGR2YUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV

      -
      public static final int COLOR_RGB2YUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR

      -
      public static final int COLOR_YUV2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB

      -
      public static final int COLOR_YUV2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_NV12

      -
      public static final int COLOR_YUV2RGB_NV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_NV12

      -
      public static final int COLOR_YUV2BGR_NV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_NV21

      -
      public static final int COLOR_YUV2RGB_NV21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_NV21

      -
      public static final int COLOR_YUV2BGR_NV21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420sp2RGB

      -
      public static final int COLOR_YUV420sp2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420sp2BGR

      -
      public static final int COLOR_YUV420sp2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_NV12

      -
      public static final int COLOR_YUV2RGBA_NV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_NV12

      -
      public static final int COLOR_YUV2BGRA_NV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_NV21

      -
      public static final int COLOR_YUV2RGBA_NV21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_NV21

      -
      public static final int COLOR_YUV2BGRA_NV21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420sp2RGBA

      -
      public static final int COLOR_YUV420sp2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420sp2BGRA

      -
      public static final int COLOR_YUV420sp2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_YV12

      -
      public static final int COLOR_YUV2RGB_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_YV12

      -
      public static final int COLOR_YUV2BGR_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_IYUV

      -
      public static final int COLOR_YUV2RGB_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_IYUV

      -
      public static final int COLOR_YUV2BGR_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_I420

      -
      public static final int COLOR_YUV2RGB_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_I420

      -
      public static final int COLOR_YUV2BGR_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420p2RGB

      -
      public static final int COLOR_YUV420p2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420p2BGR

      -
      public static final int COLOR_YUV420p2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_YV12

      -
      public static final int COLOR_YUV2RGBA_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_YV12

      -
      public static final int COLOR_YUV2BGRA_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_IYUV

      -
      public static final int COLOR_YUV2RGBA_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_IYUV

      -
      public static final int COLOR_YUV2BGRA_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_I420

      -
      public static final int COLOR_YUV2RGBA_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_I420

      -
      public static final int COLOR_YUV2BGRA_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420p2RGBA

      -
      public static final int COLOR_YUV420p2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420p2BGRA

      -
      public static final int COLOR_YUV420p2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_420

      -
      public static final int COLOR_YUV2GRAY_420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_NV21

      -
      public static final int COLOR_YUV2GRAY_NV21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_NV12

      -
      public static final int COLOR_YUV2GRAY_NV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_YV12

      -
      public static final int COLOR_YUV2GRAY_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_IYUV

      -
      public static final int COLOR_YUV2GRAY_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_I420

      -
      public static final int COLOR_YUV2GRAY_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420sp2GRAY

      -
      public static final int COLOR_YUV420sp2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV420p2GRAY

      -
      public static final int COLOR_YUV420p2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_UYVY

      -
      public static final int COLOR_YUV2RGB_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_UYVY

      -
      public static final int COLOR_YUV2BGR_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_Y422

      -
      public static final int COLOR_YUV2RGB_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_Y422

      -
      public static final int COLOR_YUV2BGR_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_UYNV

      -
      public static final int COLOR_YUV2RGB_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_UYNV

      -
      public static final int COLOR_YUV2BGR_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_UYVY

      -
      public static final int COLOR_YUV2RGBA_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_UYVY

      -
      public static final int COLOR_YUV2BGRA_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_Y422

      -
      public static final int COLOR_YUV2RGBA_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_Y422

      -
      public static final int COLOR_YUV2BGRA_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_UYNV

      -
      public static final int COLOR_YUV2RGBA_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_UYNV

      -
      public static final int COLOR_YUV2BGRA_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_YUY2

      -
      public static final int COLOR_YUV2RGB_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_YUY2

      -
      public static final int COLOR_YUV2BGR_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_YVYU

      -
      public static final int COLOR_YUV2RGB_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_YVYU

      -
      public static final int COLOR_YUV2BGR_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_YUYV

      -
      public static final int COLOR_YUV2RGB_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_YUYV

      -
      public static final int COLOR_YUV2BGR_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGB_YUNV

      -
      public static final int COLOR_YUV2RGB_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGR_YUNV

      -
      public static final int COLOR_YUV2BGR_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_YUY2

      -
      public static final int COLOR_YUV2RGBA_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_YUY2

      -
      public static final int COLOR_YUV2BGRA_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_YVYU

      -
      public static final int COLOR_YUV2RGBA_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_YVYU

      -
      public static final int COLOR_YUV2BGRA_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_YUYV

      -
      public static final int COLOR_YUV2RGBA_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_YUYV

      -
      public static final int COLOR_YUV2BGRA_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2RGBA_YUNV

      -
      public static final int COLOR_YUV2RGBA_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2BGRA_YUNV

      -
      public static final int COLOR_YUV2BGRA_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_UYVY

      -
      public static final int COLOR_YUV2GRAY_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_YUY2

      -
      public static final int COLOR_YUV2GRAY_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_Y422

      -
      public static final int COLOR_YUV2GRAY_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_UYNV

      -
      public static final int COLOR_YUV2GRAY_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_YVYU

      -
      public static final int COLOR_YUV2GRAY_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_YUYV

      -
      public static final int COLOR_YUV2GRAY_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_YUV2GRAY_YUNV

      -
      public static final int COLOR_YUV2GRAY_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2mRGBA

      -
      public static final int COLOR_RGBA2mRGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_mRGBA2RGBA

      -
      public static final int COLOR_mRGBA2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_I420

      -
      public static final int COLOR_RGB2YUV_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_I420

      -
      public static final int COLOR_BGR2YUV_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_IYUV

      -
      public static final int COLOR_RGB2YUV_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_IYUV

      -
      public static final int COLOR_BGR2YUV_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_I420

      -
      public static final int COLOR_RGBA2YUV_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_I420

      -
      public static final int COLOR_BGRA2YUV_I420
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_IYUV

      -
      public static final int COLOR_RGBA2YUV_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_IYUV

      -
      public static final int COLOR_BGRA2YUV_IYUV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_YV12

      -
      public static final int COLOR_RGB2YUV_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_YV12

      -
      public static final int COLOR_BGR2YUV_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_YV12

      -
      public static final int COLOR_RGBA2YUV_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_YV12

      -
      public static final int COLOR_BGRA2YUV_YV12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2BGR

      -
      public static final int COLOR_BayerBG2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2BGR

      -
      public static final int COLOR_BayerGB2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2BGR

      -
      public static final int COLOR_BayerRG2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2BGR

      -
      public static final int COLOR_BayerGR2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2BGR

      -
      public static final int COLOR_BayerRGGB2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2BGR

      -
      public static final int COLOR_BayerGRBG2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2BGR

      -
      public static final int COLOR_BayerBGGR2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2BGR

      -
      public static final int COLOR_BayerGBRG2BGR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2RGB

      -
      public static final int COLOR_BayerRGGB2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2RGB

      -
      public static final int COLOR_BayerGRBG2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2RGB

      -
      public static final int COLOR_BayerBGGR2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2RGB

      -
      public static final int COLOR_BayerGBRG2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2RGB

      -
      public static final int COLOR_BayerBG2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2RGB

      -
      public static final int COLOR_BayerGB2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2RGB

      -
      public static final int COLOR_BayerRG2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2RGB

      -
      public static final int COLOR_BayerGR2RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2GRAY

      -
      public static final int COLOR_BayerBG2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2GRAY

      -
      public static final int COLOR_BayerGB2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2GRAY

      -
      public static final int COLOR_BayerRG2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2GRAY

      -
      public static final int COLOR_BayerGR2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2GRAY

      -
      public static final int COLOR_BayerRGGB2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2GRAY

      -
      public static final int COLOR_BayerGRBG2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2GRAY

      -
      public static final int COLOR_BayerBGGR2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2GRAY

      -
      public static final int COLOR_BayerGBRG2GRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2BGR_VNG

      -
      public static final int COLOR_BayerBG2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2BGR_VNG

      -
      public static final int COLOR_BayerGB2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2BGR_VNG

      -
      public static final int COLOR_BayerRG2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2BGR_VNG

      -
      public static final int COLOR_BayerGR2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2BGR_VNG

      -
      public static final int COLOR_BayerRGGB2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2BGR_VNG

      -
      public static final int COLOR_BayerGRBG2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2BGR_VNG

      -
      public static final int COLOR_BayerBGGR2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2BGR_VNG

      -
      public static final int COLOR_BayerGBRG2BGR_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2RGB_VNG

      -
      public static final int COLOR_BayerRGGB2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2RGB_VNG

      -
      public static final int COLOR_BayerGRBG2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2RGB_VNG

      -
      public static final int COLOR_BayerBGGR2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2RGB_VNG

      -
      public static final int COLOR_BayerGBRG2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2RGB_VNG

      -
      public static final int COLOR_BayerBG2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2RGB_VNG

      -
      public static final int COLOR_BayerGB2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2RGB_VNG

      -
      public static final int COLOR_BayerRG2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2RGB_VNG

      -
      public static final int COLOR_BayerGR2RGB_VNG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2BGR_EA

      -
      public static final int COLOR_BayerBG2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2BGR_EA

      -
      public static final int COLOR_BayerGB2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2BGR_EA

      -
      public static final int COLOR_BayerRG2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2BGR_EA

      -
      public static final int COLOR_BayerGR2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2BGR_EA

      -
      public static final int COLOR_BayerRGGB2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2BGR_EA

      -
      public static final int COLOR_BayerGRBG2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2BGR_EA

      -
      public static final int COLOR_BayerBGGR2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2BGR_EA

      -
      public static final int COLOR_BayerGBRG2BGR_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2RGB_EA

      -
      public static final int COLOR_BayerRGGB2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2RGB_EA

      -
      public static final int COLOR_BayerGRBG2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2RGB_EA

      -
      public static final int COLOR_BayerBGGR2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2RGB_EA

      -
      public static final int COLOR_BayerGBRG2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2RGB_EA

      -
      public static final int COLOR_BayerBG2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2RGB_EA

      -
      public static final int COLOR_BayerGB2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2RGB_EA

      -
      public static final int COLOR_BayerRG2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2RGB_EA

      -
      public static final int COLOR_BayerGR2RGB_EA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2BGRA

      -
      public static final int COLOR_BayerBG2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2BGRA

      -
      public static final int COLOR_BayerGB2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2BGRA

      -
      public static final int COLOR_BayerRG2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2BGRA

      -
      public static final int COLOR_BayerGR2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2BGRA

      -
      public static final int COLOR_BayerRGGB2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2BGRA

      -
      public static final int COLOR_BayerGRBG2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2BGRA

      -
      public static final int COLOR_BayerBGGR2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2BGRA

      -
      public static final int COLOR_BayerGBRG2BGRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRGGB2RGBA

      -
      public static final int COLOR_BayerRGGB2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGRBG2RGBA

      -
      public static final int COLOR_BayerGRBG2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBGGR2RGBA

      -
      public static final int COLOR_BayerBGGR2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGBRG2RGBA

      -
      public static final int COLOR_BayerGBRG2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerBG2RGBA

      -
      public static final int COLOR_BayerBG2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGB2RGBA

      -
      public static final int COLOR_BayerGB2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerRG2RGBA

      -
      public static final int COLOR_BayerRG2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BayerGR2RGBA

      -
      public static final int COLOR_BayerGR2RGBA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_UYVY

      -
      public static final int COLOR_RGB2YUV_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_UYVY

      -
      public static final int COLOR_BGR2YUV_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_Y422

      -
      public static final int COLOR_RGB2YUV_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_Y422

      -
      public static final int COLOR_BGR2YUV_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_UYNV

      -
      public static final int COLOR_RGB2YUV_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_UYNV

      -
      public static final int COLOR_BGR2YUV_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_UYVY

      -
      public static final int COLOR_RGBA2YUV_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_UYVY

      -
      public static final int COLOR_BGRA2YUV_UYVY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_Y422

      -
      public static final int COLOR_RGBA2YUV_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_Y422

      -
      public static final int COLOR_BGRA2YUV_Y422
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_UYNV

      -
      public static final int COLOR_RGBA2YUV_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_UYNV

      -
      public static final int COLOR_BGRA2YUV_UYNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_YUY2

      -
      public static final int COLOR_RGB2YUV_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_YUY2

      -
      public static final int COLOR_BGR2YUV_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_YVYU

      -
      public static final int COLOR_RGB2YUV_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_YVYU

      -
      public static final int COLOR_BGR2YUV_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_YUYV

      -
      public static final int COLOR_RGB2YUV_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_YUYV

      -
      public static final int COLOR_BGR2YUV_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGB2YUV_YUNV

      -
      public static final int COLOR_RGB2YUV_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGR2YUV_YUNV

      -
      public static final int COLOR_BGR2YUV_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_YUY2

      -
      public static final int COLOR_RGBA2YUV_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_YUY2

      -
      public static final int COLOR_BGRA2YUV_YUY2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_YVYU

      -
      public static final int COLOR_RGBA2YUV_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_YVYU

      -
      public static final int COLOR_BGRA2YUV_YVYU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_YUYV

      -
      public static final int COLOR_RGBA2YUV_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_YUYV

      -
      public static final int COLOR_BGRA2YUV_YUYV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_RGBA2YUV_YUNV

      -
      public static final int COLOR_RGBA2YUV_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_BGRA2YUV_YUNV

      -
      public static final int COLOR_BGRA2YUV_YUNV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLOR_COLORCVT_MAX

      -
      public static final int COLOR_COLORCVT_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_AUTUMN

      -
      public static final int COLORMAP_AUTUMN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_BONE

      -
      public static final int COLORMAP_BONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_JET

      -
      public static final int COLORMAP_JET
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_WINTER

      -
      public static final int COLORMAP_WINTER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_RAINBOW

      -
      public static final int COLORMAP_RAINBOW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_OCEAN

      -
      public static final int COLORMAP_OCEAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_SUMMER

      -
      public static final int COLORMAP_SUMMER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_SPRING

      -
      public static final int COLORMAP_SPRING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_COOL

      -
      public static final int COLORMAP_COOL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_HSV

      -
      public static final int COLORMAP_HSV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_PINK

      -
      public static final int COLORMAP_PINK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_HOT

      -
      public static final int COLORMAP_HOT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_PARULA

      -
      public static final int COLORMAP_PARULA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_MAGMA

      -
      public static final int COLORMAP_MAGMA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_INFERNO

      -
      public static final int COLORMAP_INFERNO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_PLASMA

      -
      public static final int COLORMAP_PLASMA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_VIRIDIS

      -
      public static final int COLORMAP_VIRIDIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_CIVIDIS

      -
      public static final int COLORMAP_CIVIDIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_TWILIGHT

      -
      public static final int COLORMAP_TWILIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_TWILIGHT_SHIFTED

      -
      public static final int COLORMAP_TWILIGHT_SHIFTED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_TURBO

      -
      public static final int COLORMAP_TURBO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COLORMAP_DEEPGREEN

      -
      public static final int COLORMAP_DEEPGREEN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_DEFAULT

      -
      public static final int CCL_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_WU

      -
      public static final int CCL_WU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_GRANA

      -
      public static final int CCL_GRANA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_BOLELLI

      -
      public static final int CCL_BOLELLI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_SAUF

      -
      public static final int CCL_SAUF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_BBDT

      -
      public static final int CCL_BBDT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CCL_SPAGHETTI

      -
      public static final int CCL_SPAGHETTI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_LEFT

      -
      public static final int CC_STAT_LEFT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_TOP

      -
      public static final int CC_STAT_TOP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_WIDTH

      -
      public static final int CC_STAT_WIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_HEIGHT

      -
      public static final int CC_STAT_HEIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_AREA

      -
      public static final int CC_STAT_AREA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CC_STAT_MAX

      -
      public static final int CC_STAT_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CHAIN_APPROX_NONE

      -
      public static final int CHAIN_APPROX_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CHAIN_APPROX_SIMPLE

      -
      public static final int CHAIN_APPROX_SIMPLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CHAIN_APPROX_TC89_L1

      -
      public static final int CHAIN_APPROX_TC89_L1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CHAIN_APPROX_TC89_KCOS

      -
      public static final int CHAIN_APPROX_TC89_KCOS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_LABEL_CCOMP

      -
      public static final int DIST_LABEL_CCOMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_LABEL_PIXEL

      -
      public static final int DIST_LABEL_PIXEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_MASK_3

      -
      public static final int DIST_MASK_3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_MASK_5

      -
      public static final int DIST_MASK_5
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_MASK_PRECISE

      -
      public static final int DIST_MASK_PRECISE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_USER

      -
      public static final int DIST_USER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_L1

      -
      public static final int DIST_L1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_L2

      -
      public static final int DIST_L2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_C

      -
      public static final int DIST_C
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_L12

      -
      public static final int DIST_L12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_FAIR

      -
      public static final int DIST_FAIR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_WELSCH

      -
      public static final int DIST_WELSCH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DIST_HUBER

      -
      public static final int DIST_HUBER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FLOODFILL_FIXED_RANGE

      -
      public static final int FLOODFILL_FIXED_RANGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FLOODFILL_MASK_ONLY

      -
      public static final int FLOODFILL_MASK_ONLY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_BGD

      -
      public static final int GC_BGD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_FGD

      -
      public static final int GC_FGD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_PR_BGD

      -
      public static final int GC_PR_BGD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_PR_FGD

      -
      public static final int GC_PR_FGD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_INIT_WITH_RECT

      -
      public static final int GC_INIT_WITH_RECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_INIT_WITH_MASK

      -
      public static final int GC_INIT_WITH_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_EVAL

      -
      public static final int GC_EVAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      GC_EVAL_FREEZE_MODEL

      -
      public static final int GC_EVAL_FREEZE_MODEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_SIMPLEX

      -
      public static final int FONT_HERSHEY_SIMPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_PLAIN

      -
      public static final int FONT_HERSHEY_PLAIN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_DUPLEX

      -
      public static final int FONT_HERSHEY_DUPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_COMPLEX

      -
      public static final int FONT_HERSHEY_COMPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_TRIPLEX

      -
      public static final int FONT_HERSHEY_TRIPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_COMPLEX_SMALL

      -
      public static final int FONT_HERSHEY_COMPLEX_SMALL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_SCRIPT_SIMPLEX

      -
      public static final int FONT_HERSHEY_SCRIPT_SIMPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_HERSHEY_SCRIPT_COMPLEX

      -
      public static final int FONT_HERSHEY_SCRIPT_COMPLEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FONT_ITALIC

      -
      public static final int FONT_ITALIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_CORREL

      -
      public static final int HISTCMP_CORREL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_CHISQR

      -
      public static final int HISTCMP_CHISQR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_INTERSECT

      -
      public static final int HISTCMP_INTERSECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_BHATTACHARYYA

      -
      public static final int HISTCMP_BHATTACHARYYA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_HELLINGER

      -
      public static final int HISTCMP_HELLINGER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_CHISQR_ALT

      -
      public static final int HISTCMP_CHISQR_ALT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HISTCMP_KL_DIV

      -
      public static final int HISTCMP_KL_DIV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HOUGH_STANDARD

      -
      public static final int HOUGH_STANDARD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HOUGH_PROBABILISTIC

      -
      public static final int HOUGH_PROBABILISTIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HOUGH_MULTI_SCALE

      -
      public static final int HOUGH_MULTI_SCALE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HOUGH_GRADIENT

      -
      public static final int HOUGH_GRADIENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      HOUGH_GRADIENT_ALT

      -
      public static final int HOUGH_GRADIENT_ALT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_NEAREST

      -
      public static final int INTER_NEAREST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_LINEAR

      -
      public static final int INTER_LINEAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_CUBIC

      -
      public static final int INTER_CUBIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_AREA

      -
      public static final int INTER_AREA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_LANCZOS4

      -
      public static final int INTER_LANCZOS4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_LINEAR_EXACT

      -
      public static final int INTER_LINEAR_EXACT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_NEAREST_EXACT

      -
      public static final int INTER_NEAREST_EXACT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_MAX

      -
      public static final int INTER_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      WARP_FILL_OUTLIERS

      -
      public static final int WARP_FILL_OUTLIERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      WARP_INVERSE_MAP

      -
      public static final int WARP_INVERSE_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      WARP_RELATIVE_MAP

      -
      public static final int WARP_RELATIVE_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_BITS

      -
      public static final int INTER_BITS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_BITS2

      -
      public static final int INTER_BITS2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_TAB_SIZE

      -
      public static final int INTER_TAB_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTER_TAB_SIZE2

      -
      public static final int INTER_TAB_SIZE2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LSD_REFINE_NONE

      -
      public static final int LSD_REFINE_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LSD_REFINE_STD

      -
      public static final int LSD_REFINE_STD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LSD_REFINE_ADV

      -
      public static final int LSD_REFINE_ADV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FILLED

      -
      public static final int FILLED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LINE_4

      -
      public static final int LINE_4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LINE_8

      -
      public static final int LINE_8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LINE_AA

      -
      public static final int LINE_AA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_CROSS

      -
      public static final int MARKER_CROSS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_TILTED_CROSS

      -
      public static final int MARKER_TILTED_CROSS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_STAR

      -
      public static final int MARKER_STAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_DIAMOND

      -
      public static final int MARKER_DIAMOND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_SQUARE

      -
      public static final int MARKER_SQUARE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_TRIANGLE_UP

      -
      public static final int MARKER_TRIANGLE_UP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MARKER_TRIANGLE_DOWN

      -
      public static final int MARKER_TRIANGLE_DOWN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_RECT

      -
      public static final int MORPH_RECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_CROSS

      -
      public static final int MORPH_CROSS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_ELLIPSE

      -
      public static final int MORPH_ELLIPSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_DIAMOND

      -
      public static final int MORPH_DIAMOND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_ERODE

      -
      public static final int MORPH_ERODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_DILATE

      -
      public static final int MORPH_DILATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_OPEN

      -
      public static final int MORPH_OPEN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_CLOSE

      -
      public static final int MORPH_CLOSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_GRADIENT

      -
      public static final int MORPH_GRADIENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_TOPHAT

      -
      public static final int MORPH_TOPHAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_BLACKHAT

      -
      public static final int MORPH_BLACKHAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MORPH_HITMISS

      -
      public static final int MORPH_HITMISS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTERSECT_NONE

      -
      public static final int INTERSECT_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTERSECT_PARTIAL

      -
      public static final int INTERSECT_PARTIAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INTERSECT_FULL

      -
      public static final int INTERSECT_FULL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RETR_EXTERNAL

      -
      public static final int RETR_EXTERNAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RETR_LIST

      -
      public static final int RETR_LIST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RETR_CCOMP

      -
      public static final int RETR_CCOMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RETR_TREE

      -
      public static final int RETR_TREE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RETR_FLOODFILL

      -
      public static final int RETR_FLOODFILL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CONTOURS_MATCH_I1

      -
      public static final int CONTOURS_MATCH_I1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CONTOURS_MATCH_I2

      -
      public static final int CONTOURS_MATCH_I2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CONTOURS_MATCH_I3

      -
      public static final int CONTOURS_MATCH_I3
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      FILTER_SCHARR

      -
      public static final int FILTER_SCHARR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_SQDIFF

      -
      public static final int TM_SQDIFF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_SQDIFF_NORMED

      -
      public static final int TM_SQDIFF_NORMED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_CCORR

      -
      public static final int TM_CCORR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_CCORR_NORMED

      -
      public static final int TM_CCORR_NORMED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_CCOEFF

      -
      public static final int TM_CCOEFF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TM_CCOEFF_NORMED

      -
      public static final int TM_CCOEFF_NORMED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_BINARY

      -
      public static final int THRESH_BINARY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_BINARY_INV

      -
      public static final int THRESH_BINARY_INV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_TRUNC

      -
      public static final int THRESH_TRUNC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_TOZERO

      -
      public static final int THRESH_TOZERO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_TOZERO_INV

      -
      public static final int THRESH_TOZERO_INV
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_MASK

      -
      public static final int THRESH_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_OTSU

      -
      public static final int THRESH_OTSU
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_TRIANGLE

      -
      public static final int THRESH_TRIANGLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      THRESH_DRYRUN

      -
      public static final int THRESH_DRYRUN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      WARP_POLAR_LINEAR

      -
      public static final int WARP_POLAR_LINEAR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      WARP_POLAR_LOG

      -
      public static final int WARP_POLAR_LOG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Imgproc

      -
      public Imgproc()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale, - double quant, - double ang_th, - double log_eps, - double density_th, - int n_bins)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      quant - Bound to the quantization error on the gradient norm.
      -
      ang_th - Gradient angle tolerance in degrees.
      -
      log_eps - Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen.
      -
      density_th - Minimal density of aligned region points in the enclosing rectangle.
      -
      n_bins - Number of bins in pseudo-ordering of gradient modulus.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale, - double quant, - double ang_th, - double log_eps, - double density_th)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      quant - Bound to the quantization error on the gradient norm.
      -
      ang_th - Gradient angle tolerance in degrees.
      -
      log_eps - Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen.
      -
      density_th - Minimal density of aligned region points in the enclosing rectangle.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale, - double quant, - double ang_th, - double log_eps)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      quant - Bound to the quantization error on the gradient norm.
      -
      ang_th - Gradient angle tolerance in degrees.
      -
      log_eps - Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale, - double quant, - double ang_th)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      quant - Bound to the quantization error on the gradient norm.
      -
      ang_th - Gradient angle tolerance in degrees.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale, - double quant)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      quant - Bound to the quantization error on the gradient norm.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale, - double sigma_scale)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      sigma_scale - Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine, - double scale)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      scale - The scale of the image that will be used to find the lines. Range (0..1].
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector(int refine)
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Parameters:
      -
      refine - The way found lines will be refined, see #LineSegmentDetectorModes
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createLineSegmentDetector

      -
      public static LineSegmentDetector createLineSegmentDetector()
      -
      Creates a smart pointer to a LineSegmentDetector object and initializes it. - - The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - to edit those, as to tailor it for their own application.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getGaussianKernel

      -
      public static Mat getGaussianKernel(int ksize, - double sigma, - int ktype)
      -
      Returns Gaussian filter coefficients. - - The function computes and returns the \(\texttt{ksize} \times 1\) matrix of Gaussian filter - coefficients: - - \(G_i= \alpha *e^{-(i-( \texttt{ksize} -1)/2)^2/(2* \texttt{sigma}^2)},\) - - where \(i=0..\texttt{ksize}-1\) and \(\alpha\) is the scale factor chosen so that \(\sum_i G_i=1\). - - Two of such generated kernels can be passed to sepFilter2D. Those functions automatically recognize - smoothing kernels (a symmetrical kernel with sum of weights equal to 1) and handle them accordingly. - You may also use the higher-level GaussianBlur.
      -
      -
      Parameters:
      -
      ksize - Aperture size. It should be odd ( \(\texttt{ksize} \mod 2 = 1\) ) and positive.
      -
      sigma - Gaussian standard deviation. If it is non-positive, it is computed from ksize as - sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8.
      -
      ktype - Type of filter coefficients. It can be CV_32F or CV_64F . - SEE: sepFilter2D, getDerivKernels, getStructuringElement, GaussianBlur
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getGaussianKernel

      -
      public static Mat getGaussianKernel(int ksize, - double sigma)
      -
      Returns Gaussian filter coefficients. - - The function computes and returns the \(\texttt{ksize} \times 1\) matrix of Gaussian filter - coefficients: - - \(G_i= \alpha *e^{-(i-( \texttt{ksize} -1)/2)^2/(2* \texttt{sigma}^2)},\) - - where \(i=0..\texttt{ksize}-1\) and \(\alpha\) is the scale factor chosen so that \(\sum_i G_i=1\). - - Two of such generated kernels can be passed to sepFilter2D. Those functions automatically recognize - smoothing kernels (a symmetrical kernel with sum of weights equal to 1) and handle them accordingly. - You may also use the higher-level GaussianBlur.
      -
      -
      Parameters:
      -
      ksize - Aperture size. It should be odd ( \(\texttt{ksize} \mod 2 = 1\) ) and positive.
      -
      sigma - Gaussian standard deviation. If it is non-positive, it is computed from ksize as - sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8. - SEE: sepFilter2D, getDerivKernels, getStructuringElement, GaussianBlur
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDerivKernels

      -
      public static void getDerivKernels(Mat kx, - Mat ky, - int dx, - int dy, - int ksize, - boolean normalize, - int ktype)
      -
      Returns filter coefficients for computing spatial image derivatives. - - The function computes and returns the filter coefficients for spatial image derivatives. When - ksize=FILTER_SCHARR, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to
      -
      -
      Parameters:
      -
      kx - Output matrix of row filter coefficients. It has the type ktype .
      -
      ky - Output matrix of column filter coefficients. It has the type ktype .
      -
      dx - Derivative order in respect of x.
      -
      dy - Derivative order in respect of y.
      -
      ksize - Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7.
      -
      normalize - Flag indicating whether to normalize (scale down) the filter coefficients or not. - Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - going to filter floating-point images, you are likely to use the normalized kernels. But if you - compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - all the fractional bits, you may want to set normalize=false .
      -
      ktype - Type of filter coefficients. It can be CV_32f or CV_64F .
      -
      -
      -
      • -
    • -
      -

      getDerivKernels

      -
      public static void getDerivKernels(Mat kx, - Mat ky, - int dx, - int dy, - int ksize, - boolean normalize)
      -
      Returns filter coefficients for computing spatial image derivatives. - - The function computes and returns the filter coefficients for spatial image derivatives. When - ksize=FILTER_SCHARR, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to
      -
      -
      Parameters:
      -
      kx - Output matrix of row filter coefficients. It has the type ktype .
      -
      ky - Output matrix of column filter coefficients. It has the type ktype .
      -
      dx - Derivative order in respect of x.
      -
      dy - Derivative order in respect of y.
      -
      ksize - Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7.
      -
      normalize - Flag indicating whether to normalize (scale down) the filter coefficients or not. - Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - going to filter floating-point images, you are likely to use the normalized kernels. But if you - compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - all the fractional bits, you may want to set normalize=false .
      -
      -
      -
      • -
    • -
      -

      getDerivKernels

      -
      public static void getDerivKernels(Mat kx, - Mat ky, - int dx, - int dy, - int ksize)
      -
      Returns filter coefficients for computing spatial image derivatives. - - The function computes and returns the filter coefficients for spatial image derivatives. When - ksize=FILTER_SCHARR, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to
      -
      -
      Parameters:
      -
      kx - Output matrix of row filter coefficients. It has the type ktype .
      -
      ky - Output matrix of column filter coefficients. It has the type ktype .
      -
      dx - Derivative order in respect of x.
      -
      dy - Derivative order in respect of y.
      -
      ksize - Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7. - Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - going to filter floating-point images, you are likely to use the normalized kernels. But if you - compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - all the fractional bits, you may want to set normalize=false .
      -
      -
      -
      • -
    • -
      -

      getGaborKernel

      -
      public static Mat getGaborKernel(Size ksize, - double sigma, - double theta, - double lambd, - double gamma, - double psi, - int ktype)
      -
      Returns Gabor filter coefficients. - - For more details about gabor filter equations and parameters, see: [Gabor - Filter](https://en.wikipedia.org/wiki/Gabor_filter).
      -
      -
      Parameters:
      -
      ksize - Size of the filter returned.
      -
      sigma - Standard deviation of the gaussian envelope.
      -
      theta - Orientation of the normal to the parallel stripes of a Gabor function.
      -
      lambd - Wavelength of the sinusoidal factor.
      -
      gamma - Spatial aspect ratio.
      -
      psi - Phase offset.
      -
      ktype - Type of filter coefficients. It can be CV_32F or CV_64F .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getGaborKernel

      -
      public static Mat getGaborKernel(Size ksize, - double sigma, - double theta, - double lambd, - double gamma, - double psi)
      -
      Returns Gabor filter coefficients. - - For more details about gabor filter equations and parameters, see: [Gabor - Filter](https://en.wikipedia.org/wiki/Gabor_filter).
      -
      -
      Parameters:
      -
      ksize - Size of the filter returned.
      -
      sigma - Standard deviation of the gaussian envelope.
      -
      theta - Orientation of the normal to the parallel stripes of a Gabor function.
      -
      lambd - Wavelength of the sinusoidal factor.
      -
      gamma - Spatial aspect ratio.
      -
      psi - Phase offset.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getGaborKernel

      -
      public static Mat getGaborKernel(Size ksize, - double sigma, - double theta, - double lambd, - double gamma)
      -
      Returns Gabor filter coefficients. - - For more details about gabor filter equations and parameters, see: [Gabor - Filter](https://en.wikipedia.org/wiki/Gabor_filter).
      -
      -
      Parameters:
      -
      ksize - Size of the filter returned.
      -
      sigma - Standard deviation of the gaussian envelope.
      -
      theta - Orientation of the normal to the parallel stripes of a Gabor function.
      -
      lambd - Wavelength of the sinusoidal factor.
      -
      gamma - Spatial aspect ratio.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStructuringElement

      -
      public static Mat getStructuringElement(int shape, - Size ksize, - Point anchor)
      -
      Returns a structuring element of the specified size and shape for morphological operations. - - The function constructs and returns the structuring element that can be further passed to #erode, - #dilate or #morphologyEx. But you can also construct an arbitrary binary mask yourself and use it as - the structuring element.
      -
      -
      Parameters:
      -
      shape - Element shape that could be one of #MorphShapes
      -
      ksize - Size of the structuring element.
      -
      anchor - Anchor position within the element. The default value \((-1, -1)\) means that the - anchor is at the center. Note that only the shape of a cross-shaped element depends on the anchor - position. In other cases the anchor just regulates how much the result of the morphological - operation is shifted.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStructuringElement

      -
      public static Mat getStructuringElement(int shape, - Size ksize)
      -
      Returns a structuring element of the specified size and shape for morphological operations. - - The function constructs and returns the structuring element that can be further passed to #erode, - #dilate or #morphologyEx. But you can also construct an arbitrary binary mask yourself and use it as - the structuring element.
      -
      -
      Parameters:
      -
      shape - Element shape that could be one of #MorphShapes
      -
      ksize - Size of the structuring element. - anchor is at the center. Note that only the shape of a cross-shaped element depends on the anchor - position. In other cases the anchor just regulates how much the result of the morphological - operation is shifted.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      medianBlur

      -
      public static void medianBlur(Mat src, - Mat dst, - int ksize)
      -
      Blurs an image using the median filter. - - The function smoothes an image using the median filter with the \(\texttt{ksize} \times - \texttt{ksize}\) aperture. Each channel of a multi-channel image is processed independently. - In-place operation is supported. - - Note: The median filter uses #BORDER_REPLICATE internally to cope with border pixels, see #BorderTypes
      -
      -
      Parameters:
      -
      src - input 1-, 3-, or 4-channel image; when ksize is 3 or 5, the image depth should be - CV_8U, CV_16U, or CV_32F, for larger aperture sizes, it can only be CV_8U.
      -
      dst - destination array of the same size and type as src.
      -
      ksize - aperture linear size; it must be odd and greater than 1, for example: 3, 5, 7 ... - SEE: bilateralFilter, blur, boxFilter, GaussianBlur
      -
      -
      -
      • -
    • -
      -

      GaussianBlur

      -
      public static void GaussianBlur(Mat src, - Mat dst, - Size ksize, - double sigmaX, - double sigmaY, - int borderType, - int hint)
      -
      Blurs an image using a Gaussian filter. - - The function convolves the source image with the specified Gaussian kernel. In-place filtering is - supported.
      -
      -
      Parameters:
      -
      src - input image; the image can have any number of channels, which are processed - independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - positive and odd. Or, they can be zero's and then they are computed from sigma.
      -
      sigmaX - Gaussian kernel standard deviation in X direction.
      -
      sigmaY - Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - respectively (see #getGaussianKernel for details); to fully control the result regardless of - possible future modifications of all this semantics, it is recommended to specify all of ksize, - sigmaX, and sigmaY.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported.
      -
      hint - Implementation modfication flags. See #AlgorithmHint - - SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur
      -
      -
      -
      • -
    • -
      -

      GaussianBlur

      -
      public static void GaussianBlur(Mat src, - Mat dst, - Size ksize, - double sigmaX, - double sigmaY, - int borderType)
      -
      Blurs an image using a Gaussian filter. - - The function convolves the source image with the specified Gaussian kernel. In-place filtering is - supported.
      -
      -
      Parameters:
      -
      src - input image; the image can have any number of channels, which are processed - independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - positive and odd. Or, they can be zero's and then they are computed from sigma.
      -
      sigmaX - Gaussian kernel standard deviation in X direction.
      -
      sigmaY - Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - respectively (see #getGaussianKernel for details); to fully control the result regardless of - possible future modifications of all this semantics, it is recommended to specify all of ksize, - sigmaX, and sigmaY.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - - SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur
      -
      -
      -
      • -
    • -
      -

      GaussianBlur

      -
      public static void GaussianBlur(Mat src, - Mat dst, - Size ksize, - double sigmaX, - double sigmaY)
      -
      Blurs an image using a Gaussian filter. - - The function convolves the source image with the specified Gaussian kernel. In-place filtering is - supported.
      -
      -
      Parameters:
      -
      src - input image; the image can have any number of channels, which are processed - independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - positive and odd. Or, they can be zero's and then they are computed from sigma.
      -
      sigmaX - Gaussian kernel standard deviation in X direction.
      -
      sigmaY - Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - respectively (see #getGaussianKernel for details); to fully control the result regardless of - possible future modifications of all this semantics, it is recommended to specify all of ksize, - sigmaX, and sigmaY. - - SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur
      -
      -
      -
      • -
    • -
      -

      GaussianBlur

      -
      public static void GaussianBlur(Mat src, - Mat dst, - Size ksize, - double sigmaX)
      -
      Blurs an image using a Gaussian filter. - - The function convolves the source image with the specified Gaussian kernel. In-place filtering is - supported.
      -
      -
      Parameters:
      -
      src - input image; the image can have any number of channels, which are processed - independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - positive and odd. Or, they can be zero's and then they are computed from sigma.
      -
      sigmaX - Gaussian kernel standard deviation in X direction. - equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - respectively (see #getGaussianKernel for details); to fully control the result regardless of - possible future modifications of all this semantics, it is recommended to specify all of ksize, - sigmaX, and sigmaY. - - SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur
      -
      -
      -
      • -
    • -
      -

      bilateralFilter

      -
      public static void bilateralFilter(Mat src, - Mat dst, - int d, - double sigmaColor, - double sigmaSpace, - int borderType)
      -
      Applies the bilateral filter to an image. - - The function applies bilateral filtering to the input image, as described in - https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html - bilateralFilter can reduce unwanted noise very well while keeping edges fairly sharp. However, it is - very slow compared to most filters. - - _Sigma values_: For simplicity, you can set the 2 sigma values to be the same. If they are small (< - 10), the filter will not have much effect, whereas if they are large (> 150), they will have a very - strong effect, making the image look "cartoonish". - - _Filter size_: Large filters (d > 5) are very slow, so it is recommended to use d=5 for real-time - applications, and perhaps d=9 for offline applications that need heavy noise filtering. - - This filter does not work inplace.
      -
      -
      Parameters:
      -
      src - Source 8-bit or floating-point, 1-channel or 3-channel image.
      -
      dst - Destination image of the same size and type as src .
      -
      d - Diameter of each pixel neighborhood that is used during filtering. If it is non-positive, - it is computed from sigmaSpace.
      -
      sigmaColor - Filter sigma in the color space. A larger value of the parameter means that - farther colors within the pixel neighborhood (see sigmaSpace) will be mixed together, resulting - in larger areas of semi-equal color.
      -
      sigmaSpace - Filter sigma in the coordinate space. A larger value of the parameter means that - farther pixels will influence each other as long as their colors are close enough (see sigmaColor - ). When d>0, it specifies the neighborhood size regardless of sigmaSpace. Otherwise, d is - proportional to sigmaSpace.
      -
      borderType - border mode used to extrapolate pixels outside of the image, see #BorderTypes
      -
      -
      -
      • -
    • -
      -

      bilateralFilter

      -
      public static void bilateralFilter(Mat src, - Mat dst, - int d, - double sigmaColor, - double sigmaSpace)
      -
      Applies the bilateral filter to an image. - - The function applies bilateral filtering to the input image, as described in - https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html - bilateralFilter can reduce unwanted noise very well while keeping edges fairly sharp. However, it is - very slow compared to most filters. - - _Sigma values_: For simplicity, you can set the 2 sigma values to be the same. If they are small (< - 10), the filter will not have much effect, whereas if they are large (> 150), they will have a very - strong effect, making the image look "cartoonish". - - _Filter size_: Large filters (d > 5) are very slow, so it is recommended to use d=5 for real-time - applications, and perhaps d=9 for offline applications that need heavy noise filtering. - - This filter does not work inplace.
      -
      -
      Parameters:
      -
      src - Source 8-bit or floating-point, 1-channel or 3-channel image.
      -
      dst - Destination image of the same size and type as src .
      -
      d - Diameter of each pixel neighborhood that is used during filtering. If it is non-positive, - it is computed from sigmaSpace.
      -
      sigmaColor - Filter sigma in the color space. A larger value of the parameter means that - farther colors within the pixel neighborhood (see sigmaSpace) will be mixed together, resulting - in larger areas of semi-equal color.
      -
      sigmaSpace - Filter sigma in the coordinate space. A larger value of the parameter means that - farther pixels will influence each other as long as their colors are close enough (see sigmaColor - ). When d>0, it specifies the neighborhood size regardless of sigmaSpace. Otherwise, d is - proportional to sigmaSpace.
      -
      -
      -
      • -
    • -
      -

      boxFilter

      -
      public static void boxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor, - boolean normalize, - int borderType)
      -
      Blurs an image using the box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - - where - - \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - - Unnormalized box filter is useful for computing various integral characteristics over each pixel - neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and type as src.
      -
      ddepth - the output image depth (-1 to use src.depth()).
      -
      ksize - blurring kernel size.
      -
      anchor - anchor point; default value Point(-1,-1) means that the anchor is at the kernel - center.
      -
      normalize - flag, specifying whether the kernel is normalized by its area or not.
      -
      borderType - border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral
      -
      -
      -
      • -
    • -
      -

      boxFilter

      -
      public static void boxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor, - boolean normalize)
      -
      Blurs an image using the box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - - where - - \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - - Unnormalized box filter is useful for computing various integral characteristics over each pixel - neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and type as src.
      -
      ddepth - the output image depth (-1 to use src.depth()).
      -
      ksize - blurring kernel size.
      -
      anchor - anchor point; default value Point(-1,-1) means that the anchor is at the kernel - center.
      -
      normalize - flag, specifying whether the kernel is normalized by its area or not. - SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral
      -
      -
      -
      • -
    • -
      -

      boxFilter

      -
      public static void boxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor)
      -
      Blurs an image using the box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - - where - - \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - - Unnormalized box filter is useful for computing various integral characteristics over each pixel - neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and type as src.
      -
      ddepth - the output image depth (-1 to use src.depth()).
      -
      ksize - blurring kernel size.
      -
      anchor - anchor point; default value Point(-1,-1) means that the anchor is at the kernel - center. - SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral
      -
      -
      -
      • -
    • -
      -

      boxFilter

      -
      public static void boxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize)
      -
      Blurs an image using the box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - - where - - \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - - Unnormalized box filter is useful for computing various integral characteristics over each pixel - neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and type as src.
      -
      ddepth - the output image depth (-1 to use src.depth()).
      -
      ksize - blurring kernel size. - center. - SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral
      -
      -
      -
      • -
    • -
      -

      sqrBoxFilter

      -
      public static void sqrBoxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor, - boolean normalize, - int borderType)
      -
      Calculates the normalized sum of squares of the pixel values overlapping the filter. - - For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - pixel values which overlap the filter placed over the pixel \( (x, y) \). - - The unnormalized square box filter can be useful in computing local image statistics such as the local - variance and standard deviation around the neighborhood of a pixel.
      -
      -
      Parameters:
      -
      src - input image
      -
      dst - output image of the same size and type as src
      -
      ddepth - the output image depth (-1 to use src.depth())
      -
      ksize - kernel size
      -
      anchor - kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - center.
      -
      normalize - flag, specifying whether the kernel is to be normalized by it's area or not.
      -
      borderType - border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: boxFilter
      -
      -
      -
      • -
    • -
      -

      sqrBoxFilter

      -
      public static void sqrBoxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor, - boolean normalize)
      -
      Calculates the normalized sum of squares of the pixel values overlapping the filter. - - For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - pixel values which overlap the filter placed over the pixel \( (x, y) \). - - The unnormalized square box filter can be useful in computing local image statistics such as the local - variance and standard deviation around the neighborhood of a pixel.
      -
      -
      Parameters:
      -
      src - input image
      -
      dst - output image of the same size and type as src
      -
      ddepth - the output image depth (-1 to use src.depth())
      -
      ksize - kernel size
      -
      anchor - kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - center.
      -
      normalize - flag, specifying whether the kernel is to be normalized by it's area or not. - SEE: boxFilter
      -
      -
      -
      • -
    • -
      -

      sqrBoxFilter

      -
      public static void sqrBoxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize, - Point anchor)
      -
      Calculates the normalized sum of squares of the pixel values overlapping the filter. - - For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - pixel values which overlap the filter placed over the pixel \( (x, y) \). - - The unnormalized square box filter can be useful in computing local image statistics such as the local - variance and standard deviation around the neighborhood of a pixel.
      -
      -
      Parameters:
      -
      src - input image
      -
      dst - output image of the same size and type as src
      -
      ddepth - the output image depth (-1 to use src.depth())
      -
      ksize - kernel size
      -
      anchor - kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - center. - SEE: boxFilter
      -
      -
      -
      • -
    • -
      -

      sqrBoxFilter

      -
      public static void sqrBoxFilter(Mat src, - Mat dst, - int ddepth, - Size ksize)
      -
      Calculates the normalized sum of squares of the pixel values overlapping the filter. - - For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - pixel values which overlap the filter placed over the pixel \( (x, y) \). - - The unnormalized square box filter can be useful in computing local image statistics such as the local - variance and standard deviation around the neighborhood of a pixel.
      -
      -
      Parameters:
      -
      src - input image
      -
      dst - output image of the same size and type as src
      -
      ddepth - the output image depth (-1 to use src.depth())
      -
      ksize - kernel size - center. - SEE: boxFilter
      -
      -
      -
      • -
    • -
      -

      blur

      -
      public static void blur(Mat src, - Mat dst, - Size ksize, - Point anchor, - int borderType)
      -
      Blurs an image using the normalized box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - - The call blur(src, dst, ksize, anchor, borderType) is equivalent to `boxFilter(src, dst, src.type(), ksize, - anchor, true, borderType)`.
      -
      -
      Parameters:
      -
      src - input image; it can have any number of channels, which are processed independently, but - the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - blurring kernel size.
      -
      anchor - anchor point; default value Point(-1,-1) means that the anchor is at the kernel - center.
      -
      borderType - border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur
      -
      -
      -
      • -
    • -
      -

      blur

      -
      public static void blur(Mat src, - Mat dst, - Size ksize, - Point anchor)
      -
      Blurs an image using the normalized box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - - The call blur(src, dst, ksize, anchor, borderType) is equivalent to `boxFilter(src, dst, src.type(), ksize, - anchor, true, borderType)`.
      -
      -
      Parameters:
      -
      src - input image; it can have any number of channels, which are processed independently, but - the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - blurring kernel size.
      -
      anchor - anchor point; default value Point(-1,-1) means that the anchor is at the kernel - center. - SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur
      -
      -
      -
      • -
    • -
      -

      blur

      -
      public static void blur(Mat src, - Mat dst, - Size ksize)
      -
      Blurs an image using the normalized box filter. - - The function smooths an image using the kernel: - - \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - - The call blur(src, dst, ksize, anchor, borderType) is equivalent to `boxFilter(src, dst, src.type(), ksize, - anchor, true, borderType)`.
      -
      -
      Parameters:
      -
      src - input image; it can have any number of channels, which are processed independently, but - the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - blurring kernel size. - center. - SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur
      -
      -
      -
      • -
    • -
      -

      stackBlur

      -
      public static void stackBlur(Mat src, - Mat dst, - Size ksize)
      -
      Blurs an image using the stackBlur. - - The function applies and stackBlur to an image. - stackBlur can generate similar results as Gaussian blur, and the time consumption does not increase with the increase of kernel size. - It creates a kind of moving stack of colors whilst scanning through the image. Thereby it just has to add one new block of color to the right side - of the stack and remove the leftmost color. The remaining colors on the topmost layer of the stack are either added on or reduced by one, - depending on if they are on the right or on the left side of the stack. The only supported borderType is BORDER_REPLICATE. - Original paper was proposed by Mario Klingemann, which can be found https://underdestruction.com/2004/02/25/stackblur-2004.
      -
      -
      Parameters:
      -
      src - input image. The number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S or CV_32F.
      -
      dst - output image of the same size and type as src.
      -
      ksize - stack-blurring kernel size. The ksize.width and ksize.height can differ but they both must be - positive and odd.
      -
      -
      -
      • -
    • -
      -

      filter2D

      -
      public static void filter2D(Mat src, - Mat dst, - int ddepth, - Mat kernel, - Point anchor, - double delta, - int borderType)
      -
      Convolves an image with the kernel. - - The function applies an arbitrary linear filter to an image. In-place operation is supported. When - the aperture is partially outside the image, the function interpolates outlier pixel values - according to the specified border mode. - - The function does actually compute correlation, not the convolution: - - \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - - That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - anchor.y - 1)`. - - The function uses the DFT-based algorithm in case of sufficiently large kernels (~11 x 11 or - larger) and the direct algorithm for small kernels.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - desired depth of the destination image, see REF: filter_depths "combinations"
      -
      kernel - convolution kernel (or rather a correlation kernel), a single-channel floating point - matrix; if you want to apply different kernels to different channels, split the image into - separate color planes using split and process them individually.
      -
      anchor - anchor of the kernel that indicates the relative position of a filtered point within - the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - is at the kernel center.
      -
      delta - optional value added to the filtered pixels before storing them in dst.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: sepFilter2D, dft, matchTemplate
      -
      -
      -
      • -
    • -
      -

      filter2D

      -
      public static void filter2D(Mat src, - Mat dst, - int ddepth, - Mat kernel, - Point anchor, - double delta)
      -
      Convolves an image with the kernel. - - The function applies an arbitrary linear filter to an image. In-place operation is supported. When - the aperture is partially outside the image, the function interpolates outlier pixel values - according to the specified border mode. - - The function does actually compute correlation, not the convolution: - - \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - - That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - anchor.y - 1)`. - - The function uses the DFT-based algorithm in case of sufficiently large kernels (~11 x 11 or - larger) and the direct algorithm for small kernels.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - desired depth of the destination image, see REF: filter_depths "combinations"
      -
      kernel - convolution kernel (or rather a correlation kernel), a single-channel floating point - matrix; if you want to apply different kernels to different channels, split the image into - separate color planes using split and process them individually.
      -
      anchor - anchor of the kernel that indicates the relative position of a filtered point within - the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - is at the kernel center.
      -
      delta - optional value added to the filtered pixels before storing them in dst. - SEE: sepFilter2D, dft, matchTemplate
      -
      -
      -
      • -
    • -
      -

      filter2D

      -
      public static void filter2D(Mat src, - Mat dst, - int ddepth, - Mat kernel, - Point anchor)
      -
      Convolves an image with the kernel. - - The function applies an arbitrary linear filter to an image. In-place operation is supported. When - the aperture is partially outside the image, the function interpolates outlier pixel values - according to the specified border mode. - - The function does actually compute correlation, not the convolution: - - \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - - That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - anchor.y - 1)`. - - The function uses the DFT-based algorithm in case of sufficiently large kernels (~11 x 11 or - larger) and the direct algorithm for small kernels.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - desired depth of the destination image, see REF: filter_depths "combinations"
      -
      kernel - convolution kernel (or rather a correlation kernel), a single-channel floating point - matrix; if you want to apply different kernels to different channels, split the image into - separate color planes using split and process them individually.
      -
      anchor - anchor of the kernel that indicates the relative position of a filtered point within - the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - is at the kernel center. - SEE: sepFilter2D, dft, matchTemplate
      -
      -
      -
      • -
    • -
      -

      filter2D

      -
      public static void filter2D(Mat src, - Mat dst, - int ddepth, - Mat kernel)
      -
      Convolves an image with the kernel. - - The function applies an arbitrary linear filter to an image. In-place operation is supported. When - the aperture is partially outside the image, the function interpolates outlier pixel values - according to the specified border mode. - - The function does actually compute correlation, not the convolution: - - \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - - That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - anchor.y - 1)`. - - The function uses the DFT-based algorithm in case of sufficiently large kernels (~11 x 11 or - larger) and the direct algorithm for small kernels.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - desired depth of the destination image, see REF: filter_depths "combinations"
      -
      kernel - convolution kernel (or rather a correlation kernel), a single-channel floating point - matrix; if you want to apply different kernels to different channels, split the image into - separate color planes using split and process them individually. - the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - is at the kernel center. - SEE: sepFilter2D, dft, matchTemplate
      -
      -
      -
      • -
    • -
      -

      sepFilter2D

      -
      public static void sepFilter2D(Mat src, - Mat dst, - int ddepth, - Mat kernelX, - Mat kernelY, - Point anchor, - double delta, - int borderType)
      -
      Applies a separable linear filter to an image. - - The function applies a separable linear filter to the image. That is, first, every row of src is - filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - kernel kernelY. The final result shifted by delta is stored in dst .
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Destination image depth, see REF: filter_depths "combinations"
      -
      kernelX - Coefficients for filtering each row.
      -
      kernelY - Coefficients for filtering each column.
      -
      anchor - Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - is at the kernel center.
      -
      delta - Value added to the filtered results before storing them.
      -
      borderType - Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur
      -
      -
      -
      • -
    • -
      -

      sepFilter2D

      -
      public static void sepFilter2D(Mat src, - Mat dst, - int ddepth, - Mat kernelX, - Mat kernelY, - Point anchor, - double delta)
      -
      Applies a separable linear filter to an image. - - The function applies a separable linear filter to the image. That is, first, every row of src is - filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - kernel kernelY. The final result shifted by delta is stored in dst .
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Destination image depth, see REF: filter_depths "combinations"
      -
      kernelX - Coefficients for filtering each row.
      -
      kernelY - Coefficients for filtering each column.
      -
      anchor - Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - is at the kernel center.
      -
      delta - Value added to the filtered results before storing them. - SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur
      -
      -
      -
      • -
    • -
      -

      sepFilter2D

      -
      public static void sepFilter2D(Mat src, - Mat dst, - int ddepth, - Mat kernelX, - Mat kernelY, - Point anchor)
      -
      Applies a separable linear filter to an image. - - The function applies a separable linear filter to the image. That is, first, every row of src is - filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - kernel kernelY. The final result shifted by delta is stored in dst .
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Destination image depth, see REF: filter_depths "combinations"
      -
      kernelX - Coefficients for filtering each row.
      -
      kernelY - Coefficients for filtering each column.
      -
      anchor - Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - is at the kernel center. - SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur
      -
      -
      -
      • -
    • -
      -

      sepFilter2D

      -
      public static void sepFilter2D(Mat src, - Mat dst, - int ddepth, - Mat kernelX, - Mat kernelY)
      -
      Applies a separable linear filter to an image. - - The function applies a separable linear filter to the image. That is, first, every row of src is - filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - kernel kernelY. The final result shifted by delta is stored in dst .
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Destination image depth, see REF: filter_depths "combinations"
      -
      kernelX - Coefficients for filtering each row.
      -
      kernelY - Coefficients for filtering each column. - is at the kernel center. - SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur
      -
      -
      -
      • -
    • -
      -

      Sobel

      -
      public static void Sobel(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - int ksize, - double scale, - double delta, - int borderType)
      -
      Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - - In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - kernel is used (that is, no Gaussian smoothing is done). ksize = 1 can only be used for the first - or the second x- or y- derivatives. - - There is also the special value ksize = #FILTER_SCHARR (-1) that corresponds to the \(3\times3\) Scharr - filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - - \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - - for the x-derivative, or transposed for the y-derivative. - - The function calculates an image derivative by convolving the image with the appropriate kernel: - - \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - - The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - case corresponds to a kernel of: - - \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - - The second case corresponds to a kernel of: - - \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src .
      -
      ddepth - output image depth, see REF: filter_depths "combinations"; in the case of - 8-bit input images it will result in truncated derivatives.
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      ksize - size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details).
      -
      delta - optional delta value that is added to the results prior to storing them in dst.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar
      -
      -
      -
      • -
    • -
      -

      Sobel

      -
      public static void Sobel(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - int ksize, - double scale, - double delta)
      -
      Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - - In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - kernel is used (that is, no Gaussian smoothing is done). ksize = 1 can only be used for the first - or the second x- or y- derivatives. - - There is also the special value ksize = #FILTER_SCHARR (-1) that corresponds to the \(3\times3\) Scharr - filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - - \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - - for the x-derivative, or transposed for the y-derivative. - - The function calculates an image derivative by convolving the image with the appropriate kernel: - - \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - - The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - case corresponds to a kernel of: - - \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - - The second case corresponds to a kernel of: - - \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src .
      -
      ddepth - output image depth, see REF: filter_depths "combinations"; in the case of - 8-bit input images it will result in truncated derivatives.
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      ksize - size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details).
      -
      delta - optional delta value that is added to the results prior to storing them in dst. - SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar
      -
      -
      -
      • -
    • -
      -

      Sobel

      -
      public static void Sobel(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - int ksize, - double scale)
      -
      Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - - In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - kernel is used (that is, no Gaussian smoothing is done). ksize = 1 can only be used for the first - or the second x- or y- derivatives. - - There is also the special value ksize = #FILTER_SCHARR (-1) that corresponds to the \(3\times3\) Scharr - filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - - \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - - for the x-derivative, or transposed for the y-derivative. - - The function calculates an image derivative by convolving the image with the appropriate kernel: - - \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - - The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - case corresponds to a kernel of: - - \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - - The second case corresponds to a kernel of: - - \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src .
      -
      ddepth - output image depth, see REF: filter_depths "combinations"; in the case of - 8-bit input images it will result in truncated derivatives.
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      ksize - size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details). - SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar
      -
      -
      -
      • -
    • -
      -

      Sobel

      -
      public static void Sobel(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - int ksize)
      -
      Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - - In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - kernel is used (that is, no Gaussian smoothing is done). ksize = 1 can only be used for the first - or the second x- or y- derivatives. - - There is also the special value ksize = #FILTER_SCHARR (-1) that corresponds to the \(3\times3\) Scharr - filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - - \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - - for the x-derivative, or transposed for the y-derivative. - - The function calculates an image derivative by convolving the image with the appropriate kernel: - - \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - - The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - case corresponds to a kernel of: - - \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - - The second case corresponds to a kernel of: - - \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src .
      -
      ddepth - output image depth, see REF: filter_depths "combinations"; in the case of - 8-bit input images it will result in truncated derivatives.
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      ksize - size of the extended Sobel kernel; it must be 1, 3, 5, or 7. - applied (see #getDerivKernels for details). - SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar
      -
      -
      -
      • -
    • -
      -

      Sobel

      -
      public static void Sobel(Mat src, - Mat dst, - int ddepth, - int dx, - int dy)
      -
      Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - - In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - kernel is used (that is, no Gaussian smoothing is done). ksize = 1 can only be used for the first - or the second x- or y- derivatives. - - There is also the special value ksize = #FILTER_SCHARR (-1) that corresponds to the \(3\times3\) Scharr - filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - - \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - - for the x-derivative, or transposed for the y-derivative. - - The function calculates an image derivative by convolving the image with the appropriate kernel: - - \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - - The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - case corresponds to a kernel of: - - \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - - The second case corresponds to a kernel of: - - \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src .
      -
      ddepth - output image depth, see REF: filter_depths "combinations"; in the case of - 8-bit input images it will result in truncated derivatives.
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y. - applied (see #getDerivKernels for details). - SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar
      -
      -
      -
      • -
    • -
      -

      spatialGradient

      -
      public static void spatialGradient(Mat src, - Mat dx, - Mat dy, - int ksize, - int borderType)
      -
      Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
      -
      -
      Parameters:
      -
      src - input image.
      -
      dx - output image with first-order derivative in x.
      -
      dy - output image with first-order derivative in y.
      -
      ksize - size of Sobel kernel. It must be 3.
      -
      borderType - pixel extrapolation method, see #BorderTypes. - Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - - SEE: Sobel
      -
      -
      -
      • -
    • -
      -

      spatialGradient

      -
      public static void spatialGradient(Mat src, - Mat dx, - Mat dy, - int ksize)
      -
      Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
      -
      -
      Parameters:
      -
      src - input image.
      -
      dx - output image with first-order derivative in x.
      -
      dy - output image with first-order derivative in y.
      -
      ksize - size of Sobel kernel. It must be 3. - Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - - SEE: Sobel
      -
      -
      -
      • -
    • -
      -

      spatialGradient

      -
      public static void spatialGradient(Mat src, - Mat dx, - Mat dy)
      -
      Calculates the first order image derivative in both x and y using a Sobel operator - - Equivalent to calling: - - - Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - Sobel( src, dy, CV_16SC1, 0, 1, 3 ); -
      -
      -
      Parameters:
      -
      src - input image.
      -
      dx - output image with first-order derivative in x.
      -
      dy - output image with first-order derivative in y. - Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - - SEE: Sobel
      -
      -
      -
      • -
    • -
      -

      Scharr

      -
      public static void Scharr(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - double scale, - double delta, - int borderType)
      -
      Calculates the first x- or y- image derivative using Scharr operator. - - The function computes the first x- or y- spatial image derivative using the Scharr operator. The - call - - \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - - is equivalent to - - \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - output image depth, see REF: filter_depths "combinations"
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details).
      -
      delta - optional delta value that is added to the results prior to storing them in dst.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: cartToPolar
      -
      -
      -
      • -
    • -
      -

      Scharr

      -
      public static void Scharr(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - double scale, - double delta)
      -
      Calculates the first x- or y- image derivative using Scharr operator. - - The function computes the first x- or y- spatial image derivative using the Scharr operator. The - call - - \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - - is equivalent to - - \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - output image depth, see REF: filter_depths "combinations"
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details).
      -
      delta - optional delta value that is added to the results prior to storing them in dst. - SEE: cartToPolar
      -
      -
      -
      • -
    • -
      -

      Scharr

      -
      public static void Scharr(Mat src, - Mat dst, - int ddepth, - int dx, - int dy, - double scale)
      -
      Calculates the first x- or y- image derivative using Scharr operator. - - The function computes the first x- or y- spatial image derivative using the Scharr operator. The - call - - \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - - is equivalent to - - \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - output image depth, see REF: filter_depths "combinations"
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y.
      -
      scale - optional scale factor for the computed derivative values; by default, no scaling is - applied (see #getDerivKernels for details). - SEE: cartToPolar
      -
      -
      -
      • -
    • -
      -

      Scharr

      -
      public static void Scharr(Mat src, - Mat dst, - int ddepth, - int dx, - int dy)
      -
      Calculates the first x- or y- image derivative using Scharr operator. - - The function computes the first x- or y- spatial image derivative using the Scharr operator. The - call - - \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - - is equivalent to - - \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\)
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image of the same size and the same number of channels as src.
      -
      ddepth - output image depth, see REF: filter_depths "combinations"
      -
      dx - order of the derivative x.
      -
      dy - order of the derivative y. - applied (see #getDerivKernels for details). - SEE: cartToPolar
      -
      -
      -
      • -
    • -
      -

      Laplacian

      -
      public static void Laplacian(Mat src, - Mat dst, - int ddepth, - int ksize, - double scale, - double delta, - int borderType)
      -
      Calculates the Laplacian of an image. - - The function calculates the Laplacian of the source image by adding up the second x and y - derivatives calculated using the Sobel operator: - - \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - - This is done when ksize &gt; 1. When ksize == 1, the Laplacian is computed by filtering the image - with the following \(3 \times 3\) aperture: - - \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\)
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Desired depth of the destination image, see REF: filter_depths "combinations".
      -
      ksize - Aperture size used to compute the second-derivative filters. See #getDerivKernels for - details. The size must be positive and odd.
      -
      scale - Optional scale factor for the computed Laplacian values. By default, no scaling is - applied. See #getDerivKernels for details.
      -
      delta - Optional delta value that is added to the results prior to storing them in dst .
      -
      borderType - Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      Laplacian

      -
      public static void Laplacian(Mat src, - Mat dst, - int ddepth, - int ksize, - double scale, - double delta)
      -
      Calculates the Laplacian of an image. - - The function calculates the Laplacian of the source image by adding up the second x and y - derivatives calculated using the Sobel operator: - - \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - - This is done when ksize &gt; 1. When ksize == 1, the Laplacian is computed by filtering the image - with the following \(3 \times 3\) aperture: - - \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\)
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Desired depth of the destination image, see REF: filter_depths "combinations".
      -
      ksize - Aperture size used to compute the second-derivative filters. See #getDerivKernels for - details. The size must be positive and odd.
      -
      scale - Optional scale factor for the computed Laplacian values. By default, no scaling is - applied. See #getDerivKernels for details.
      -
      delta - Optional delta value that is added to the results prior to storing them in dst . - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      Laplacian

      -
      public static void Laplacian(Mat src, - Mat dst, - int ddepth, - int ksize, - double scale)
      -
      Calculates the Laplacian of an image. - - The function calculates the Laplacian of the source image by adding up the second x and y - derivatives calculated using the Sobel operator: - - \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - - This is done when ksize &gt; 1. When ksize == 1, the Laplacian is computed by filtering the image - with the following \(3 \times 3\) aperture: - - \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\)
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Desired depth of the destination image, see REF: filter_depths "combinations".
      -
      ksize - Aperture size used to compute the second-derivative filters. See #getDerivKernels for - details. The size must be positive and odd.
      -
      scale - Optional scale factor for the computed Laplacian values. By default, no scaling is - applied. See #getDerivKernels for details. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      Laplacian

      -
      public static void Laplacian(Mat src, - Mat dst, - int ddepth, - int ksize)
      -
      Calculates the Laplacian of an image. - - The function calculates the Laplacian of the source image by adding up the second x and y - derivatives calculated using the Sobel operator: - - \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - - This is done when ksize &gt; 1. When ksize == 1, the Laplacian is computed by filtering the image - with the following \(3 \times 3\) aperture: - - \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\)
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Desired depth of the destination image, see REF: filter_depths "combinations".
      -
      ksize - Aperture size used to compute the second-derivative filters. See #getDerivKernels for - details. The size must be positive and odd. - applied. See #getDerivKernels for details. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      Laplacian

      -
      public static void Laplacian(Mat src, - Mat dst, - int ddepth)
      -
      Calculates the Laplacian of an image. - - The function calculates the Laplacian of the source image by adding up the second x and y - derivatives calculated using the Sobel operator: - - \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - - This is done when ksize &gt; 1. When ksize == 1, the Laplacian is computed by filtering the image - with the following \(3 \times 3\) aperture: - - \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\)
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image of the same size and the same number of channels as src .
      -
      ddepth - Desired depth of the destination image, see REF: filter_depths "combinations". - details. The size must be positive and odd. - applied. See #getDerivKernels for details. - SEE: Sobel, Scharr
      -
      -
      -
      • -
    • -
      -

      Canny

      -
      public static void Canny(Mat image, - Mat edges, - double threshold1, - double threshold2, - int apertureSize, - boolean L2gradient)
      -
      Finds edges in an image using the Canny algorithm CITE: Canny86 . - - The function finds edges in the input image and marks them in the output map edges using the - Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - largest value is used to find initial segments of strong edges. See - <https://en.wikipedia.org/wiki/Canny_edge_detector>
      -
      -
      Parameters:
      -
      image - 8-bit input image.
      -
      edges - output edge map; single channels 8-bit image, which has the same size as image .
      -
      threshold1 - first threshold for the hysteresis procedure.
      -
      threshold2 - second threshold for the hysteresis procedure.
      -
      apertureSize - aperture size for the Sobel operator.
      -
      L2gradient - a flag, indicating whether a more accurate \(L_2\) norm - \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - L2gradient=false ).
      -
      -
      -
      • -
    • -
      -

      Canny

      -
      public static void Canny(Mat image, - Mat edges, - double threshold1, - double threshold2, - int apertureSize)
      -
      Finds edges in an image using the Canny algorithm CITE: Canny86 . - - The function finds edges in the input image and marks them in the output map edges using the - Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - largest value is used to find initial segments of strong edges. See - <https://en.wikipedia.org/wiki/Canny_edge_detector>
      -
      -
      Parameters:
      -
      image - 8-bit input image.
      -
      edges - output edge map; single channels 8-bit image, which has the same size as image .
      -
      threshold1 - first threshold for the hysteresis procedure.
      -
      threshold2 - second threshold for the hysteresis procedure.
      -
      apertureSize - aperture size for the Sobel operator. - \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - L2gradient=false ).
      -
      -
      -
      • -
    • -
      -

      Canny

      -
      public static void Canny(Mat image, - Mat edges, - double threshold1, - double threshold2)
      -
      Finds edges in an image using the Canny algorithm CITE: Canny86 . - - The function finds edges in the input image and marks them in the output map edges using the - Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - largest value is used to find initial segments of strong edges. See - <https://en.wikipedia.org/wiki/Canny_edge_detector>
      -
      -
      Parameters:
      -
      image - 8-bit input image.
      -
      edges - output edge map; single channels 8-bit image, which has the same size as image .
      -
      threshold1 - first threshold for the hysteresis procedure.
      -
      threshold2 - second threshold for the hysteresis procedure. - \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - L2gradient=false ).
      -
      -
      -
      • -
    • -
      -

      Canny

      -
      public static void Canny(Mat dx, - Mat dy, - Mat edges, - double threshold1, - double threshold2, - boolean L2gradient)
      -
      \overload - - Finds edges in an image using the Canny algorithm with custom image gradient.
      -
      -
      Parameters:
      -
      dx - 16-bit x derivative of input image (CV_16SC1 or CV_16SC3).
      -
      dy - 16-bit y derivative of input image (same type as dx).
      -
      edges - output edge map; single channels 8-bit image, which has the same size as image .
      -
      threshold1 - first threshold for the hysteresis procedure.
      -
      threshold2 - second threshold for the hysteresis procedure.
      -
      L2gradient - a flag, indicating whether a more accurate \(L_2\) norm - \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - L2gradient=false ).
      -
      -
      -
      • -
    • -
      -

      Canny

      -
      public static void Canny(Mat dx, - Mat dy, - Mat edges, - double threshold1, - double threshold2)
      -
      \overload - - Finds edges in an image using the Canny algorithm with custom image gradient.
      -
      -
      Parameters:
      -
      dx - 16-bit x derivative of input image (CV_16SC1 or CV_16SC3).
      -
      dy - 16-bit y derivative of input image (same type as dx).
      -
      edges - output edge map; single channels 8-bit image, which has the same size as image .
      -
      threshold1 - first threshold for the hysteresis procedure.
      -
      threshold2 - second threshold for the hysteresis procedure. - \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - L2gradient=false ).
      -
      -
      -
      • -
    • -
      -

      cornerMinEigenVal

      -
      public static void cornerMinEigenVal(Mat src, - Mat dst, - int blockSize, - int ksize, - int borderType)
      -
      Calculates the minimal eigenvalue of gradient matrices for corner detection. - - The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - of the formulae in the cornerEigenValsAndVecs description.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - src .
      -
      blockSize - Neighborhood size (see the details on #cornerEigenValsAndVecs ).
      -
      ksize - Aperture parameter for the Sobel operator.
      -
      borderType - Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported.
      -
      -
      -
      • -
    • -
      -

      cornerMinEigenVal

      -
      public static void cornerMinEigenVal(Mat src, - Mat dst, - int blockSize, - int ksize)
      -
      Calculates the minimal eigenvalue of gradient matrices for corner detection. - - The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - of the formulae in the cornerEigenValsAndVecs description.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - src .
      -
      blockSize - Neighborhood size (see the details on #cornerEigenValsAndVecs ).
      -
      ksize - Aperture parameter for the Sobel operator.
      -
      -
      -
      • -
    • -
      -

      cornerMinEigenVal

      -
      public static void cornerMinEigenVal(Mat src, - Mat dst, - int blockSize)
      -
      Calculates the minimal eigenvalue of gradient matrices for corner detection. - - The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - of the formulae in the cornerEigenValsAndVecs description.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - src .
      -
      blockSize - Neighborhood size (see the details on #cornerEigenValsAndVecs ).
      -
      -
      -
      • -
    • -
      -

      cornerHarris

      -
      public static void cornerHarris(Mat src, - Mat dst, - int blockSize, - int ksize, - double k, - int borderType)
      -
      Harris corner detector. - - The function runs the Harris corner detector on the image. Similarly to cornerMinEigenVal and - cornerEigenValsAndVecs , for each pixel \((x, y)\) it calculates a \(2\times2\) gradient covariance - matrix \(M^{(x,y)}\) over a \(\texttt{blockSize} \times \texttt{blockSize}\) neighborhood. Then, it - computes the following characteristic: - - \(\texttt{dst} (x,y) = \mathrm{det} M^{(x,y)} - k \cdot \left ( \mathrm{tr} M^{(x,y)} \right )^2\) - - Corners in the image can be found as the local maxima of this response map.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the Harris detector responses. It has the type CV_32FC1 and the same - size as src .
      -
      blockSize - Neighborhood size (see the details on #cornerEigenValsAndVecs ).
      -
      ksize - Aperture parameter for the Sobel operator.
      -
      k - Harris detector free parameter. See the formula above.
      -
      borderType - Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported.
      -
      -
      -
      • -
    • -
      -

      cornerHarris

      -
      public static void cornerHarris(Mat src, - Mat dst, - int blockSize, - int ksize, - double k)
      -
      Harris corner detector. - - The function runs the Harris corner detector on the image. Similarly to cornerMinEigenVal and - cornerEigenValsAndVecs , for each pixel \((x, y)\) it calculates a \(2\times2\) gradient covariance - matrix \(M^{(x,y)}\) over a \(\texttt{blockSize} \times \texttt{blockSize}\) neighborhood. Then, it - computes the following characteristic: - - \(\texttt{dst} (x,y) = \mathrm{det} M^{(x,y)} - k \cdot \left ( \mathrm{tr} M^{(x,y)} \right )^2\) - - Corners in the image can be found as the local maxima of this response map.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the Harris detector responses. It has the type CV_32FC1 and the same - size as src .
      -
      blockSize - Neighborhood size (see the details on #cornerEigenValsAndVecs ).
      -
      ksize - Aperture parameter for the Sobel operator.
      -
      k - Harris detector free parameter. See the formula above.
      -
      -
      -
      • -
    • -
      -

      cornerEigenValsAndVecs

      -
      public static void cornerEigenValsAndVecs(Mat src, - Mat dst, - int blockSize, - int ksize, - int borderType)
      -
      Calculates eigenvalues and eigenvectors of image blocks for corner detection. - - For every pixel \(p\) , the function cornerEigenValsAndVecs considers a blockSize \(\times\) blockSize - neighborhood \(S(p)\) . It calculates the covariation matrix of derivatives over the neighborhood as: - - \(M = \begin{bmatrix} \sum _{S(p)}(dI/dx)^2 & \sum _{S(p)}dI/dx dI/dy \\ \sum _{S(p)}dI/dx dI/dy & \sum _{S(p)}(dI/dy)^2 \end{bmatrix}\) - - where the derivatives are computed using the Sobel operator. - - After that, it finds eigenvectors and eigenvalues of \(M\) and stores them in the destination image as - \((\lambda_1, \lambda_2, x_1, y_1, x_2, y_2)\) where - -
        -
      • - \(\lambda_1, \lambda_2\) are the non-sorted eigenvalues of \(M\) -
        • -
      • - \(x_1, y_1\) are the eigenvectors corresponding to \(\lambda_1\) -
        • -
      • - \(x_2, y_2\) are the eigenvectors corresponding to \(\lambda_2\) -
        • -
      - - The output of the function can be used for robust edge or corner detection.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the results. It has the same size as src and the type CV_32FC(6) .
      -
      blockSize - Neighborhood size (see details below).
      -
      ksize - Aperture parameter for the Sobel operator.
      -
      borderType - Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported. - - SEE: cornerMinEigenVal, cornerHarris, preCornerDetect
      -
      -
      -
      • -
    • -
      -

      cornerEigenValsAndVecs

      -
      public static void cornerEigenValsAndVecs(Mat src, - Mat dst, - int blockSize, - int ksize)
      -
      Calculates eigenvalues and eigenvectors of image blocks for corner detection. - - For every pixel \(p\) , the function cornerEigenValsAndVecs considers a blockSize \(\times\) blockSize - neighborhood \(S(p)\) . It calculates the covariation matrix of derivatives over the neighborhood as: - - \(M = \begin{bmatrix} \sum _{S(p)}(dI/dx)^2 & \sum _{S(p)}dI/dx dI/dy \\ \sum _{S(p)}dI/dx dI/dy & \sum _{S(p)}(dI/dy)^2 \end{bmatrix}\) - - where the derivatives are computed using the Sobel operator. - - After that, it finds eigenvectors and eigenvalues of \(M\) and stores them in the destination image as - \((\lambda_1, \lambda_2, x_1, y_1, x_2, y_2)\) where - -
        -
      • - \(\lambda_1, \lambda_2\) are the non-sorted eigenvalues of \(M\) -
        • -
      • - \(x_1, y_1\) are the eigenvectors corresponding to \(\lambda_1\) -
        • -
      • - \(x_2, y_2\) are the eigenvectors corresponding to \(\lambda_2\) -
        • -
      - - The output of the function can be used for robust edge or corner detection.
      -
      -
      Parameters:
      -
      src - Input single-channel 8-bit or floating-point image.
      -
      dst - Image to store the results. It has the same size as src and the type CV_32FC(6) .
      -
      blockSize - Neighborhood size (see details below).
      -
      ksize - Aperture parameter for the Sobel operator. - - SEE: cornerMinEigenVal, cornerHarris, preCornerDetect
      -
      -
      -
      • -
    • -
      -

      preCornerDetect

      -
      public static void preCornerDetect(Mat src, - Mat dst, - int ksize, - int borderType)
      -
      Calculates a feature map for corner detection. - - The function calculates the complex spatial derivative-based function of the source image - - \(\texttt{dst} = (D_x \texttt{src} )^2 \cdot D_{yy} \texttt{src} + (D_y \texttt{src} )^2 \cdot D_{xx} \texttt{src} - 2 D_x \texttt{src} \cdot D_y \texttt{src} \cdot D_{xy} \texttt{src}\) - - where \(D_x\),\(D_y\) are the first image derivatives, \(D_{xx}\),\(D_{yy}\) are the second image - derivatives, and \(D_{xy}\) is the mixed derivative. - - The corners can be found as local maximums of the functions, as shown below: - - Mat corners, dilated_corners; - preCornerDetect(image, corners, 3); - // dilation with 3x3 rectangular structuring element - dilate(corners, dilated_corners, Mat(), 1); - Mat corner_mask = corners == dilated_corners; -
      -
      -
      Parameters:
      -
      src - Source single-channel 8-bit of floating-point image.
      -
      dst - Output image that has the type CV_32F and the same size as src .
      -
      ksize - %Aperture size of the Sobel .
      -
      borderType - Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported.
      -
      -
      -
      • -
    • -
      -

      preCornerDetect

      -
      public static void preCornerDetect(Mat src, - Mat dst, - int ksize)
      -
      Calculates a feature map for corner detection. - - The function calculates the complex spatial derivative-based function of the source image - - \(\texttt{dst} = (D_x \texttt{src} )^2 \cdot D_{yy} \texttt{src} + (D_y \texttt{src} )^2 \cdot D_{xx} \texttt{src} - 2 D_x \texttt{src} \cdot D_y \texttt{src} \cdot D_{xy} \texttt{src}\) - - where \(D_x\),\(D_y\) are the first image derivatives, \(D_{xx}\),\(D_{yy}\) are the second image - derivatives, and \(D_{xy}\) is the mixed derivative. - - The corners can be found as local maximums of the functions, as shown below: - - Mat corners, dilated_corners; - preCornerDetect(image, corners, 3); - // dilation with 3x3 rectangular structuring element - dilate(corners, dilated_corners, Mat(), 1); - Mat corner_mask = corners == dilated_corners; -
      -
      -
      Parameters:
      -
      src - Source single-channel 8-bit of floating-point image.
      -
      dst - Output image that has the type CV_32F and the same size as src .
      -
      ksize - %Aperture size of the Sobel .
      -
      -
      -
      • -
    • -
      -

      cornerSubPix

      -
      public static void cornerSubPix(Mat image, - Mat corners, - Size winSize, - Size zeroZone, - TermCriteria criteria)
      -
      Refines the corner locations. - - The function iterates to find the sub-pixel accurate location of corners or radial saddle - points as described in CITE: forstner1987fast, and as shown on the figure below. - - ![image](pics/cornersubpix.png) - - Sub-pixel accurate corner locator is based on the observation that every vector from the center \(q\) - to a point \(p\) located within a neighborhood of \(q\) is orthogonal to the image gradient at \(p\) - subject to image and measurement noise. Consider the expression: - - \(\epsilon _i = {DI_{p_i}}^T \cdot (q - p_i)\) - - where \({DI_{p_i}}\) is an image gradient at one of the points \(p_i\) in a neighborhood of \(q\) . The - value of \(q\) is to be found so that \(\epsilon_i\) is minimized. A system of equations may be set up - with \(\epsilon_i\) set to zero: - - \(\sum _i(DI_{p_i} \cdot {DI_{p_i}}^T) \cdot q - \sum _i(DI_{p_i} \cdot {DI_{p_i}}^T \cdot p_i)\) - - where the gradients are summed within a neighborhood ("search window") of \(q\) . Calling the first - gradient term \(G\) and the second gradient term \(b\) gives: - - \(q = G^{-1} \cdot b\) - - The algorithm sets the center of the neighborhood window at this new center \(q\) and then iterates - until the center stays within a set threshold.
      -
      -
      Parameters:
      -
      image - Input single-channel, 8-bit or float image.
      -
      corners - Initial coordinates of the input corners and refined coordinates provided for - output.
      -
      winSize - Half of the side length of the search window. For example, if winSize=Size(5,5) , - then a \((5*2+1) \times (5*2+1) = 11 \times 11\) search window is used.
      -
      zeroZone - Half of the size of the dead region in the middle of the search zone over which - the summation in the formula below is not done. It is used sometimes to avoid possible - singularities of the autocorrelation matrix. The value of (-1,-1) indicates that there is no such - a size.
      -
      criteria - Criteria for termination of the iterative process of corner refinement. That is, - the process of corner position refinement stops either after criteria.maxCount iterations or when - the corner position moves by less than criteria.epsilon on some iteration.
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize, - boolean useHarrisDetector, - double k)
      -
      Determines strong corners on an image. - - The function finds the most prominent corners in the image or in the specified image region, as - described in CITE: Shi94 - -
        -
      • - Function calculates the corner quality measure at every source image pixel using the - #cornerMinEigenVal or #cornerHarris . -
        • -
      • - Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - retained). -
        • -
      • - The corners with the minimal eigenvalue less than - \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. -
        • -
      • - The remaining corners are sorted by the quality measure in the descending order. -
        • -
      • - Function throws away each corner for which there is a stronger corner at a distance less than - maxDistance. -
        • -
      - - The function can be used to initialize a point-based tracker of an object. - - Note: If the function is called with different values A and B of the parameter qualityLevel , and - A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - with qualityLevel=B .
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Optional region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs .
      -
      useHarrisDetector - Parameter indicating whether to use a Harris detector (see #cornerHarris) - or #cornerMinEigenVal.
      -
      k - Free parameter of the Harris detector. - - SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize, - boolean useHarrisDetector)
      -
      Determines strong corners on an image. - - The function finds the most prominent corners in the image or in the specified image region, as - described in CITE: Shi94 - -
        -
      • - Function calculates the corner quality measure at every source image pixel using the - #cornerMinEigenVal or #cornerHarris . -
        • -
      • - Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - retained). -
        • -
      • - The corners with the minimal eigenvalue less than - \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. -
        • -
      • - The remaining corners are sorted by the quality measure in the descending order. -
        • -
      • - Function throws away each corner for which there is a stronger corner at a distance less than - maxDistance. -
        • -
      - - The function can be used to initialize a point-based tracker of an object. - - Note: If the function is called with different values A and B of the parameter qualityLevel , and - A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - with qualityLevel=B .
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Optional region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs .
      -
      useHarrisDetector - Parameter indicating whether to use a Harris detector (see #cornerHarris) - or #cornerMinEigenVal. - - SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize)
      -
      Determines strong corners on an image. - - The function finds the most prominent corners in the image or in the specified image region, as - described in CITE: Shi94 - -
        -
      • - Function calculates the corner quality measure at every source image pixel using the - #cornerMinEigenVal or #cornerHarris . -
        • -
      • - Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - retained). -
        • -
      • - The corners with the minimal eigenvalue less than - \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. -
        • -
      • - The remaining corners are sorted by the quality measure in the descending order. -
        • -
      • - Function throws away each corner for which there is a stronger corner at a distance less than - maxDistance. -
        • -
      - - The function can be used to initialize a point-based tracker of an object. - - Note: If the function is called with different values A and B of the parameter qualityLevel , and - A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - with qualityLevel=B .
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Optional region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs . - or #cornerMinEigenVal. - - SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask)
      -
      Determines strong corners on an image. - - The function finds the most prominent corners in the image or in the specified image region, as - described in CITE: Shi94 - -
        -
      • - Function calculates the corner quality measure at every source image pixel using the - #cornerMinEigenVal or #cornerHarris . -
        • -
      • - Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - retained). -
        • -
      • - The corners with the minimal eigenvalue less than - \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. -
        • -
      • - The remaining corners are sorted by the quality measure in the descending order. -
        • -
      • - Function throws away each corner for which there is a stronger corner at a distance less than - maxDistance. -
        • -
      - - The function can be used to initialize a point-based tracker of an object. - - Note: If the function is called with different values A and B of the parameter qualityLevel , and - A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - with qualityLevel=B .
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Optional region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - pixel neighborhood. See cornerEigenValsAndVecs . - or #cornerMinEigenVal. - - SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance)
      -
      Determines strong corners on an image. - - The function finds the most prominent corners in the image or in the specified image region, as - described in CITE: Shi94 - -
        -
      • - Function calculates the corner quality measure at every source image pixel using the - #cornerMinEigenVal or #cornerHarris . -
        • -
      • - Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - retained). -
        • -
      • - The corners with the minimal eigenvalue less than - \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. -
        • -
      • - The remaining corners are sorted by the quality measure in the descending order. -
        • -
      • - Function throws away each corner for which there is a stronger corner at a distance less than - maxDistance. -
        • -
      - - The function can be used to initialize a point-based tracker of an object. - - Note: If the function is called with different values A and B of the parameter qualityLevel , and - A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - with qualityLevel=B .
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners. - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - pixel neighborhood. See cornerEigenValsAndVecs . - or #cornerMinEigenVal. - - SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize, - int gradientSize, - boolean useHarrisDetector, - double k)
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize, - int gradientSize, - boolean useHarrisDetector)
      -
      -
      • -
    • -
      -

      goodFeaturesToTrack

      -
      public static void goodFeaturesToTrack(Mat image, - MatOfPoint corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - int blockSize, - int gradientSize)
      -
      -
      • -
    • -
      -

      goodFeaturesToTrackWithQuality

      -
      public static void goodFeaturesToTrackWithQuality(Mat image, - Mat corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - Mat cornersQuality, - int blockSize, - int gradientSize, - boolean useHarrisDetector, - double k)
      -
      Same as above, but returns also quality measure of the detected corners.
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      cornersQuality - Output vector of quality measure of the detected corners.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs .
      -
      gradientSize - Aperture parameter for the Sobel operator used for derivatives computation. - See cornerEigenValsAndVecs .
      -
      useHarrisDetector - Parameter indicating whether to use a Harris detector (see #cornerHarris) - or #cornerMinEigenVal.
      -
      k - Free parameter of the Harris detector.
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrackWithQuality

      -
      public static void goodFeaturesToTrackWithQuality(Mat image, - Mat corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - Mat cornersQuality, - int blockSize, - int gradientSize, - boolean useHarrisDetector)
      -
      Same as above, but returns also quality measure of the detected corners.
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      cornersQuality - Output vector of quality measure of the detected corners.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs .
      -
      gradientSize - Aperture parameter for the Sobel operator used for derivatives computation. - See cornerEigenValsAndVecs .
      -
      useHarrisDetector - Parameter indicating whether to use a Harris detector (see #cornerHarris) - or #cornerMinEigenVal.
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrackWithQuality

      -
      public static void goodFeaturesToTrackWithQuality(Mat image, - Mat corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - Mat cornersQuality, - int blockSize, - int gradientSize)
      -
      Same as above, but returns also quality measure of the detected corners.
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      cornersQuality - Output vector of quality measure of the detected corners.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs .
      -
      gradientSize - Aperture parameter for the Sobel operator used for derivatives computation. - See cornerEigenValsAndVecs . - or #cornerMinEigenVal.
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrackWithQuality

      -
      public static void goodFeaturesToTrackWithQuality(Mat image, - Mat corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - Mat cornersQuality, - int blockSize)
      -
      Same as above, but returns also quality measure of the detected corners.
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      cornersQuality - Output vector of quality measure of the detected corners.
      -
      blockSize - Size of an average block for computing a derivative covariation matrix over each - pixel neighborhood. See cornerEigenValsAndVecs . - See cornerEigenValsAndVecs . - or #cornerMinEigenVal.
      -
      -
      -
      • -
    • -
      -

      goodFeaturesToTrackWithQuality

      -
      public static void goodFeaturesToTrackWithQuality(Mat image, - Mat corners, - int maxCorners, - double qualityLevel, - double minDistance, - Mat mask, - Mat cornersQuality)
      -
      Same as above, but returns also quality measure of the detected corners.
      -
      -
      Parameters:
      -
      image - Input 8-bit or floating-point 32-bit, single-channel image.
      -
      corners - Output vector of detected corners.
      -
      maxCorners - Maximum number of corners to return. If there are more corners than are found, - the strongest of them is returned. maxCorners &lt;= 0 implies that no limit on the maximum is set - and all detected corners are returned.
      -
      qualityLevel - Parameter characterizing the minimal accepted quality of image corners. The - parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - quality measure less than the product are rejected. For example, if the best corner has the - quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - less than 15 are rejected.
      -
      minDistance - Minimum possible Euclidean distance between the returned corners.
      -
      mask - Region of interest. If the image is not empty (it needs to have the type - CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected.
      -
      cornersQuality - Output vector of quality measure of the detected corners. - pixel neighborhood. See cornerEigenValsAndVecs . - See cornerEigenValsAndVecs . - or #cornerMinEigenVal.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta, - double max_theta, - boolean use_edgeval)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      srn - For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive.
      -
      stn - For the multi-scale Hough transform, it is a divisor for the distance resolution theta.
      -
      min_theta - For standard and multi-scale Hough transform, minimum angle to check for lines. - Must fall between 0 and max_theta.
      -
      max_theta - For standard and multi-scale Hough transform, an upper bound for the angle. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      use_edgeval - True if you want to use weighted Hough transform.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta, - double max_theta)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      srn - For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive.
      -
      stn - For the multi-scale Hough transform, it is a divisor for the distance resolution theta.
      -
      min_theta - For standard and multi-scale Hough transform, minimum angle to check for lines. - Must fall between 0 and max_theta.
      -
      max_theta - For standard and multi-scale Hough transform, an upper bound for the angle. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      srn - For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive.
      -
      stn - For the multi-scale Hough transform, it is a divisor for the distance resolution theta.
      -
      min_theta - For standard and multi-scale Hough transform, minimum angle to check for lines. - Must fall between 0 and max_theta. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      srn - For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive.
      -
      stn - For the multi-scale Hough transform, it is a divisor for the distance resolution theta. - Must fall between 0 and max_theta. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      srn - For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive. - Must fall between 0 and max_theta. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      -
      -
      • -
    • -
      -

      HoughLines

      -
      public static void HoughLines(Mat image, - Mat lines, - double rho, - double theta, - int threshold)
      -
      Finds lines in a binary image using the standard Hough transform. - - The function implements the standard or standard multi-scale Hough transform algorithm for line - detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - transform.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 2 or 3 element vector - \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - \(\textrm{votes}\) is the value of accumulator.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ). - The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - parameters should be positive. - Must fall between 0 and max_theta. - Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - less than max_theta, depending on the parameters min_theta and theta.
      -
      -
      -
      • -
    • -
      -

      HoughLinesP

      -
      public static void HoughLinesP(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double minLineLength, - double maxLineGap)
      -
      Finds line segments in a binary image using the probabilistic Hough transform. - - The function implements the probabilistic Hough transform algorithm for line detection, described - in CITE: Matas00 - - See the line detection example below: - INCLUDE: snippets/imgproc_HoughLinesP.cpp - This is a sample picture the function parameters have been tuned for: - - ![image](pics/building.jpg) - - And this is the output of the above program in case of the probabilistic Hough transform: - - ![image](pics/houghp.png)
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 4-element vector - \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - line segment.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      minLineLength - Minimum line length. Line segments shorter than that are rejected.
      -
      maxLineGap - Maximum allowed gap between points on the same line to link them. - - SEE: LineSegmentDetector
      -
      -
      -
      • -
    • -
      -

      HoughLinesP

      -
      public static void HoughLinesP(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double minLineLength)
      -
      Finds line segments in a binary image using the probabilistic Hough transform. - - The function implements the probabilistic Hough transform algorithm for line detection, described - in CITE: Matas00 - - See the line detection example below: - INCLUDE: snippets/imgproc_HoughLinesP.cpp - This is a sample picture the function parameters have been tuned for: - - ![image](pics/building.jpg) - - And this is the output of the above program in case of the probabilistic Hough transform: - - ![image](pics/houghp.png)
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 4-element vector - \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - line segment.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      minLineLength - Minimum line length. Line segments shorter than that are rejected. - - SEE: LineSegmentDetector
      -
      -
      -
      • -
    • -
      -

      HoughLinesP

      -
      public static void HoughLinesP(Mat image, - Mat lines, - double rho, - double theta, - int threshold)
      -
      Finds line segments in a binary image using the probabilistic Hough transform. - - The function implements the probabilistic Hough transform algorithm for line detection, described - in CITE: Matas00 - - See the line detection example below: - INCLUDE: snippets/imgproc_HoughLinesP.cpp - This is a sample picture the function parameters have been tuned for: - - ![image](pics/building.jpg) - - And this is the output of the above program in case of the probabilistic Hough transform: - - ![image](pics/houghp.png)
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel binary source image. The image may be modified by the function.
      -
      lines - Output vector of lines. Each line is represented by a 4-element vector - \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - line segment.
      -
      rho - Distance resolution of the accumulator in pixels.
      -
      theta - Angle resolution of the accumulator in radians.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ). - - SEE: LineSegmentDetector
      -
      -
      -
      • -
    • -
      -

      HoughLinesPointSet

      -
      public static void HoughLinesPointSet(Mat point, - Mat lines, - int lines_max, - int threshold, - double min_rho, - double max_rho, - double rho_step, - double min_theta, - double max_theta, - double theta_step)
      -
      Finds lines in a set of points using the standard Hough transform. - - The function finds lines in a set of points using a modification of the Hough transform. - INCLUDE: snippets/imgproc_HoughLinesPointSet.cpp
      -
      -
      Parameters:
      -
      point - Input vector of points. Each vector must be encoded as a Point vector \((x,y)\). Type must be CV_32FC2 or CV_32SC2.
      -
      lines - Output vector of found lines. Each vector is encoded as a vector<Vec3d> \((votes, rho, theta)\). - The larger the value of 'votes', the higher the reliability of the Hough line.
      -
      lines_max - Max count of Hough lines.
      -
      threshold - %Accumulator threshold parameter. Only those lines are returned that get enough - votes ( \(>\texttt{threshold}\) ).
      -
      min_rho - Minimum value for \(\rho\) for the accumulator (Note: \(\rho\) can be negative. The absolute value \(|\rho|\) is the distance of a line to the origin.).
      -
      max_rho - Maximum value for \(\rho\) for the accumulator.
      -
      rho_step - Distance resolution of the accumulator.
      -
      min_theta - Minimum angle value of the accumulator in radians.
      -
      max_theta - Upper bound for the angle value of the accumulator in radians. The actual maximum - angle may be slightly less than max_theta, depending on the parameters min_theta and theta_step.
      -
      theta_step - Angle resolution of the accumulator in radians.
      -
      -
      -
      • -
    • -
      -

      HoughCircles

      -
      public static void HoughCircles(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2, - int minRadius, - int maxRadius)
      -
      Finds circles in a grayscale image using the Hough transform. - - The function finds circles in a grayscale image using a modification of the Hough transform. - - Example: : - INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - - Note: Usually the function detects the centers of circles well. However, it may fail to find correct - radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - to return centers only without radius search, and find the correct radius using an additional procedure. - - It also helps to smooth image a bit unless it's already soft. For example, - GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel, grayscale input image.
      -
      circles - Output vector of found circles. Each vector is encoded as 3 or 4 element - floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) .
      -
      method - Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT.
      -
      dp - Inverse ratio of the accumulator resolution to the image resolution. For example, if - dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - unless some small very circles need to be detected.
      -
      minDist - Minimum distance between the centers of the detected circles. If the parameter is - too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - too large, some circles may be missed.
      -
      param1 - First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - should normally be higher, such as 300 or normally exposed and contrasty images.
      -
      param2 - Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - false circles may be detected. Circles, corresponding to the larger accumulator values, will be - returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles.
      -
      minRadius - Minimum circle radius.
      -
      maxRadius - Maximum circle radius. If <= 0, uses the maximum image dimension. If < 0, #HOUGH_GRADIENT returns - centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - - SEE: fitEllipse, minEnclosingCircle
      -
      -
      -
      • -
    • -
      -

      HoughCircles

      -
      public static void HoughCircles(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2, - int minRadius)
      -
      Finds circles in a grayscale image using the Hough transform. - - The function finds circles in a grayscale image using a modification of the Hough transform. - - Example: : - INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - - Note: Usually the function detects the centers of circles well. However, it may fail to find correct - radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - to return centers only without radius search, and find the correct radius using an additional procedure. - - It also helps to smooth image a bit unless it's already soft. For example, - GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel, grayscale input image.
      -
      circles - Output vector of found circles. Each vector is encoded as 3 or 4 element - floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) .
      -
      method - Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT.
      -
      dp - Inverse ratio of the accumulator resolution to the image resolution. For example, if - dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - unless some small very circles need to be detected.
      -
      minDist - Minimum distance between the centers of the detected circles. If the parameter is - too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - too large, some circles may be missed.
      -
      param1 - First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - should normally be higher, such as 300 or normally exposed and contrasty images.
      -
      param2 - Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - false circles may be detected. Circles, corresponding to the larger accumulator values, will be - returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles.
      -
      minRadius - Minimum circle radius. - centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - - SEE: fitEllipse, minEnclosingCircle
      -
      -
      -
      • -
    • -
      -

      HoughCircles

      -
      public static void HoughCircles(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2)
      -
      Finds circles in a grayscale image using the Hough transform. - - The function finds circles in a grayscale image using a modification of the Hough transform. - - Example: : - INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - - Note: Usually the function detects the centers of circles well. However, it may fail to find correct - radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - to return centers only without radius search, and find the correct radius using an additional procedure. - - It also helps to smooth image a bit unless it's already soft. For example, - GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel, grayscale input image.
      -
      circles - Output vector of found circles. Each vector is encoded as 3 or 4 element - floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) .
      -
      method - Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT.
      -
      dp - Inverse ratio of the accumulator resolution to the image resolution. For example, if - dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - unless some small very circles need to be detected.
      -
      minDist - Minimum distance between the centers of the detected circles. If the parameter is - too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - too large, some circles may be missed.
      -
      param1 - First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - should normally be higher, such as 300 or normally exposed and contrasty images.
      -
      param2 - Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - false circles may be detected. Circles, corresponding to the larger accumulator values, will be - returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - - SEE: fitEllipse, minEnclosingCircle
      -
      -
      -
      • -
    • -
      -

      HoughCircles

      -
      public static void HoughCircles(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1)
      -
      Finds circles in a grayscale image using the Hough transform. - - The function finds circles in a grayscale image using a modification of the Hough transform. - - Example: : - INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - - Note: Usually the function detects the centers of circles well. However, it may fail to find correct - radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - to return centers only without radius search, and find the correct radius using an additional procedure. - - It also helps to smooth image a bit unless it's already soft. For example, - GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel, grayscale input image.
      -
      circles - Output vector of found circles. Each vector is encoded as 3 or 4 element - floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) .
      -
      method - Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT.
      -
      dp - Inverse ratio of the accumulator resolution to the image resolution. For example, if - dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - unless some small very circles need to be detected.
      -
      minDist - Minimum distance between the centers of the detected circles. If the parameter is - too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - too large, some circles may be missed.
      -
      param1 - First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - should normally be higher, such as 300 or normally exposed and contrasty images. - accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - false circles may be detected. Circles, corresponding to the larger accumulator values, will be - returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - - SEE: fitEllipse, minEnclosingCircle
      -
      -
      -
      • -
    • -
      -

      HoughCircles

      -
      public static void HoughCircles(Mat image, - Mat circles, - int method, - double dp, - double minDist)
      -
      Finds circles in a grayscale image using the Hough transform. - - The function finds circles in a grayscale image using a modification of the Hough transform. - - Example: : - INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - - Note: Usually the function detects the centers of circles well. However, it may fail to find correct - radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - to return centers only without radius search, and find the correct radius using an additional procedure. - - It also helps to smooth image a bit unless it's already soft. For example, - GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help.
      -
      -
      Parameters:
      -
      image - 8-bit, single-channel, grayscale input image.
      -
      circles - Output vector of found circles. Each vector is encoded as 3 or 4 element - floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) .
      -
      method - Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT.
      -
      dp - Inverse ratio of the accumulator resolution to the image resolution. For example, if - dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - unless some small very circles need to be detected.
      -
      minDist - Minimum distance between the centers of the detected circles. If the parameter is - too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - too large, some circles may be missed. - it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - should normally be higher, such as 300 or normally exposed and contrasty images. - accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - false circles may be detected. Circles, corresponding to the larger accumulator values, will be - returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - - SEE: fitEllipse, minEnclosingCircle
      -
      -
      -
      • -
    • -
      -

      erode

      -
      public static void erode(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations, - int borderType, - Scalar borderValue)
      -
      Erodes an image by using a specific structuring element. - - The function erodes the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the minimum is taken: - - \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for erosion; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement.
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times erosion is applied.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported.
      -
      borderValue - border value in case of a constant border - SEE: dilate, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      erode

      -
      public static void erode(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations, - int borderType)
      -
      Erodes an image by using a specific structuring element. - - The function erodes the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the minimum is taken: - - \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for erosion; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement.
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times erosion is applied.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - SEE: dilate, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      erode

      -
      public static void erode(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations)
      -
      Erodes an image by using a specific structuring element. - - The function erodes the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the minimum is taken: - - \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for erosion; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement.
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times erosion is applied. - SEE: dilate, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      erode

      -
      public static void erode(Mat src, - Mat dst, - Mat kernel, - Point anchor)
      -
      Erodes an image by using a specific structuring element. - - The function erodes the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the minimum is taken: - - \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for erosion; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement.
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center. - SEE: dilate, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      erode

      -
      public static void erode(Mat src, - Mat dst, - Mat kernel)
      -
      Erodes an image by using a specific structuring element. - - The function erodes the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the minimum is taken: - - \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for erosion; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement. - anchor is at the element center. - SEE: dilate, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      dilate

      -
      public static void dilate(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations, - int borderType, - Scalar borderValue)
      -
      Dilates an image by using a specific structuring element. - - The function dilates the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the maximum is taken: - \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times dilation is applied.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not suported.
      -
      borderValue - border value in case of a constant border - SEE: erode, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      dilate

      -
      public static void dilate(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations, - int borderType)
      -
      Dilates an image by using a specific structuring element. - - The function dilates the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the maximum is taken: - \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times dilation is applied.
      -
      borderType - pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not suported. - SEE: erode, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      dilate

      -
      public static void dilate(Mat src, - Mat dst, - Mat kernel, - Point anchor, - int iterations)
      -
      Dilates an image by using a specific structuring element. - - The function dilates the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the maximum is taken: - \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center.
      -
      iterations - number of times dilation is applied. - SEE: erode, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      dilate

      -
      public static void dilate(Mat src, - Mat dst, - Mat kernel, - Point anchor)
      -
      Dilates an image by using a specific structuring element. - - The function dilates the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the maximum is taken: - \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement
      -
      anchor - position of the anchor within the element; default value (-1, -1) means that the - anchor is at the element center. - SEE: erode, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      dilate

      -
      public static void dilate(Mat src, - Mat dst, - Mat kernel)
      -
      Dilates an image by using a specific structuring element. - - The function dilates the source image using the specified structuring element that determines the - shape of a pixel neighborhood over which the maximum is taken: - \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - - The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - case of multi-channel images, each channel is processed independently.
      -
      -
      Parameters:
      -
      src - input image; the number of channels can be arbitrary, but the depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - output image of the same size and type as src.
      -
      kernel - structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - structuring element is used. Kernel can be created using #getStructuringElement - anchor is at the element center. - SEE: erode, morphologyEx, getStructuringElement
      -
      -
      -
      • -
    • -
      -

      morphologyEx

      -
      public static void morphologyEx(Mat src, - Mat dst, - int op, - Mat kernel, - Point anchor, - int iterations, - int borderType, - Scalar borderValue)
      -
      Performs advanced morphological transformations. - - The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - basic operations. - - Any of the operations can be done in-place. In case of multi-channel images, each channel is - processed independently.
      -
      -
      Parameters:
      -
      src - Source image. The number of channels can be arbitrary. The depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - Destination image of the same size and type as source image.
      -
      op - Type of a morphological operation, see #MorphTypes
      -
      kernel - Structuring element. It can be created using #getStructuringElement.
      -
      anchor - Anchor position with the kernel. Negative values mean that the anchor is at the - kernel center.
      -
      iterations - Number of times erosion and dilation are applied.
      -
      borderType - Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported.
      -
      borderValue - Border value in case of a constant border. The default value has a special - meaning. - SEE: dilate, erode, getStructuringElement - Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate).
      -
      -
      -
      • -
    • -
      -

      morphologyEx

      -
      public static void morphologyEx(Mat src, - Mat dst, - int op, - Mat kernel, - Point anchor, - int iterations, - int borderType)
      -
      Performs advanced morphological transformations. - - The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - basic operations. - - Any of the operations can be done in-place. In case of multi-channel images, each channel is - processed independently.
      -
      -
      Parameters:
      -
      src - Source image. The number of channels can be arbitrary. The depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - Destination image of the same size and type as source image.
      -
      op - Type of a morphological operation, see #MorphTypes
      -
      kernel - Structuring element. It can be created using #getStructuringElement.
      -
      anchor - Anchor position with the kernel. Negative values mean that the anchor is at the - kernel center.
      -
      iterations - Number of times erosion and dilation are applied.
      -
      borderType - Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - meaning. - SEE: dilate, erode, getStructuringElement - Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate).
      -
      -
      -
      • -
    • -
      -

      morphologyEx

      -
      public static void morphologyEx(Mat src, - Mat dst, - int op, - Mat kernel, - Point anchor, - int iterations)
      -
      Performs advanced morphological transformations. - - The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - basic operations. - - Any of the operations can be done in-place. In case of multi-channel images, each channel is - processed independently.
      -
      -
      Parameters:
      -
      src - Source image. The number of channels can be arbitrary. The depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - Destination image of the same size and type as source image.
      -
      op - Type of a morphological operation, see #MorphTypes
      -
      kernel - Structuring element. It can be created using #getStructuringElement.
      -
      anchor - Anchor position with the kernel. Negative values mean that the anchor is at the - kernel center.
      -
      iterations - Number of times erosion and dilation are applied. - meaning. - SEE: dilate, erode, getStructuringElement - Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate).
      -
      -
      -
      • -
    • -
      -

      morphologyEx

      -
      public static void morphologyEx(Mat src, - Mat dst, - int op, - Mat kernel, - Point anchor)
      -
      Performs advanced morphological transformations. - - The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - basic operations. - - Any of the operations can be done in-place. In case of multi-channel images, each channel is - processed independently.
      -
      -
      Parameters:
      -
      src - Source image. The number of channels can be arbitrary. The depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - Destination image of the same size and type as source image.
      -
      op - Type of a morphological operation, see #MorphTypes
      -
      kernel - Structuring element. It can be created using #getStructuringElement.
      -
      anchor - Anchor position with the kernel. Negative values mean that the anchor is at the - kernel center. - meaning. - SEE: dilate, erode, getStructuringElement - Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate).
      -
      -
      -
      • -
    • -
      -

      morphologyEx

      -
      public static void morphologyEx(Mat src, - Mat dst, - int op, - Mat kernel)
      -
      Performs advanced morphological transformations. - - The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - basic operations. - - Any of the operations can be done in-place. In case of multi-channel images, each channel is - processed independently.
      -
      -
      Parameters:
      -
      src - Source image. The number of channels can be arbitrary. The depth should be one of - CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
      -
      dst - Destination image of the same size and type as source image.
      -
      op - Type of a morphological operation, see #MorphTypes
      -
      kernel - Structuring element. It can be created using #getStructuringElement. - kernel center. - meaning. - SEE: dilate, erode, getStructuringElement - Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate).
      -
      -
      -
      • -
    • -
      -

      resize

      -
      public static void resize(Mat src, - Mat dst, - Size dsize, - double fx, - double fy, - int interpolation)
      -
      Resizes an image. - - The function resize resizes the image src down to or up to the specified size. Note that the - initial dst type or size are not taken into account. Instead, the size and type are derived from - the src,dsize,fx, and fy. If you want to resize src so that it fits the pre-created dst, - you may call the function as follows: - - // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - resize(src, dst, dst.size(), 0, 0, interpolation); - - If you want to decimate the image by factor of 2 in each direction, you can call the function this - way: - - // specify fx and fy and let the function compute the destination image size. - resize(src, dst, Size(), 0.5, 0.5, interpolation); - - To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - (faster but still looks OK).
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the size dsize (when it is non-zero) or the size computed from - src.size(), fx, and fy; the type of dst is the same as of src.
      -
      dsize - output image size; if it equals zero (None in Python), it is computed as: - \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - Either dsize or both fx and fy must be non-zero.
      -
      fx - scale factor along the horizontal axis; when it equals 0, it is computed as - \(\texttt{(double)dsize.width/src.cols}\)
      -
      fy - scale factor along the vertical axis; when it equals 0, it is computed as - \(\texttt{(double)dsize.height/src.rows}\)
      -
      interpolation - interpolation method, see #InterpolationFlags - - SEE: warpAffine, warpPerspective, remap
      -
      -
      -
      • -
    • -
      -

      resize

      -
      public static void resize(Mat src, - Mat dst, - Size dsize, - double fx, - double fy)
      -
      Resizes an image. - - The function resize resizes the image src down to or up to the specified size. Note that the - initial dst type or size are not taken into account. Instead, the size and type are derived from - the src,dsize,fx, and fy. If you want to resize src so that it fits the pre-created dst, - you may call the function as follows: - - // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - resize(src, dst, dst.size(), 0, 0, interpolation); - - If you want to decimate the image by factor of 2 in each direction, you can call the function this - way: - - // specify fx and fy and let the function compute the destination image size. - resize(src, dst, Size(), 0.5, 0.5, interpolation); - - To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - (faster but still looks OK).
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the size dsize (when it is non-zero) or the size computed from - src.size(), fx, and fy; the type of dst is the same as of src.
      -
      dsize - output image size; if it equals zero (None in Python), it is computed as: - \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - Either dsize or both fx and fy must be non-zero.
      -
      fx - scale factor along the horizontal axis; when it equals 0, it is computed as - \(\texttt{(double)dsize.width/src.cols}\)
      -
      fy - scale factor along the vertical axis; when it equals 0, it is computed as - \(\texttt{(double)dsize.height/src.rows}\) - - SEE: warpAffine, warpPerspective, remap
      -
      -
      -
      • -
    • -
      -

      resize

      -
      public static void resize(Mat src, - Mat dst, - Size dsize, - double fx)
      -
      Resizes an image. - - The function resize resizes the image src down to or up to the specified size. Note that the - initial dst type or size are not taken into account. Instead, the size and type are derived from - the src,dsize,fx, and fy. If you want to resize src so that it fits the pre-created dst, - you may call the function as follows: - - // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - resize(src, dst, dst.size(), 0, 0, interpolation); - - If you want to decimate the image by factor of 2 in each direction, you can call the function this - way: - - // specify fx and fy and let the function compute the destination image size. - resize(src, dst, Size(), 0.5, 0.5, interpolation); - - To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - (faster but still looks OK).
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the size dsize (when it is non-zero) or the size computed from - src.size(), fx, and fy; the type of dst is the same as of src.
      -
      dsize - output image size; if it equals zero (None in Python), it is computed as: - \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - Either dsize or both fx and fy must be non-zero.
      -
      fx - scale factor along the horizontal axis; when it equals 0, it is computed as - \(\texttt{(double)dsize.width/src.cols}\) - \(\texttt{(double)dsize.height/src.rows}\) - - SEE: warpAffine, warpPerspective, remap
      -
      -
      -
      • -
    • -
      -

      resize

      -
      public static void resize(Mat src, - Mat dst, - Size dsize)
      -
      Resizes an image. - - The function resize resizes the image src down to or up to the specified size. Note that the - initial dst type or size are not taken into account. Instead, the size and type are derived from - the src,dsize,fx, and fy. If you want to resize src so that it fits the pre-created dst, - you may call the function as follows: - - // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - resize(src, dst, dst.size(), 0, 0, interpolation); - - If you want to decimate the image by factor of 2 in each direction, you can call the function this - way: - - // specify fx and fy and let the function compute the destination image size. - resize(src, dst, Size(), 0.5, 0.5, interpolation); - - To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - (faster but still looks OK).
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the size dsize (when it is non-zero) or the size computed from - src.size(), fx, and fy; the type of dst is the same as of src.
      -
      dsize - output image size; if it equals zero (None in Python), it is computed as: - \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - Either dsize or both fx and fy must be non-zero. - \(\texttt{(double)dsize.width/src.cols}\) - \(\texttt{(double)dsize.height/src.rows}\) - - SEE: warpAffine, warpPerspective, remap
      -
      -
      -
      • -
    • -
      -

      warpAffine

      -
      public static void warpAffine(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags, - int borderMode, - Scalar borderValue)
      -
      Applies an affine transformation to an image. - - The function warpAffine transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - with #invertAffineTransform and then put in the formula above instead of M. The function cannot - operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(2\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (see #InterpolationFlags) and the optional - flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ).
      -
      borderMode - pixel extrapolation method (see #BorderTypes); when - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - the "outliers" in the source image are not modified by the function.
      -
      borderValue - value used in case of a constant border; by default, it is 0. - - SEE: warpPerspective, resize, remap, getRectSubPix, transform
      -
      -
      -
      • -
    • -
      -

      warpAffine

      -
      public static void warpAffine(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags, - int borderMode)
      -
      Applies an affine transformation to an image. - - The function warpAffine transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - with #invertAffineTransform and then put in the formula above instead of M. The function cannot - operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(2\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (see #InterpolationFlags) and the optional - flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ).
      -
      borderMode - pixel extrapolation method (see #BorderTypes); when - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - the "outliers" in the source image are not modified by the function. - - SEE: warpPerspective, resize, remap, getRectSubPix, transform
      -
      -
      -
      • -
    • -
      -

      warpAffine

      -
      public static void warpAffine(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags)
      -
      Applies an affine transformation to an image. - - The function warpAffine transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - with #invertAffineTransform and then put in the formula above instead of M. The function cannot - operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(2\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (see #InterpolationFlags) and the optional - flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ). - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - the "outliers" in the source image are not modified by the function. - - SEE: warpPerspective, resize, remap, getRectSubPix, transform
      -
      -
      -
      • -
    • -
      -

      warpAffine

      -
      public static void warpAffine(Mat src, - Mat dst, - Mat M, - Size dsize)
      -
      Applies an affine transformation to an image. - - The function warpAffine transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - with #invertAffineTransform and then put in the formula above instead of M. The function cannot - operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(2\times 3\) transformation matrix.
      -
      dsize - size of the output image. - flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ). - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - the "outliers" in the source image are not modified by the function. - - SEE: warpPerspective, resize, remap, getRectSubPix, transform
      -
      -
      -
      • -
    • -
      -

      warpPerspective

      -
      public static void warpPerspective(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags, - int borderMode, - Scalar borderValue)
      -
      Applies a perspective transformation to an image. - - The function warpPerspective transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - and then put in the formula above instead of M. The function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(3\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ).
      -
      borderMode - pixel extrapolation method (#BORDER_CONSTANT or #BORDER_REPLICATE).
      -
      borderValue - value used in case of a constant border; by default, it equals 0. - - SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform
      -
      -
      -
      • -
    • -
      -

      warpPerspective

      -
      public static void warpPerspective(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags, - int borderMode)
      -
      Applies a perspective transformation to an image. - - The function warpPerspective transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - and then put in the formula above instead of M. The function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(3\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ).
      -
      borderMode - pixel extrapolation method (#BORDER_CONSTANT or #BORDER_REPLICATE). - - SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform
      -
      -
      -
      • -
    • -
      -

      warpPerspective

      -
      public static void warpPerspective(Mat src, - Mat dst, - Mat M, - Size dsize, - int flags)
      -
      Applies a perspective transformation to an image. - - The function warpPerspective transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - and then put in the formula above instead of M. The function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(3\times 3\) transformation matrix.
      -
      dsize - size of the output image.
      -
      flags - combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ). - - SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform
      -
      -
      -
      • -
    • -
      -

      warpPerspective

      -
      public static void warpPerspective(Mat src, - Mat dst, - Mat M, - Size dsize)
      -
      Applies a perspective transformation to an image. - - The function warpPerspective transforms the source image using the specified matrix: - - \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - - when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - and then put in the formula above instead of M. The function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image that has the size dsize and the same type as src .
      -
      M - \(3\times 3\) transformation matrix.
      -
      dsize - size of the output image. - optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - \(\texttt{dst}\rightarrow\texttt{src}\) ). - - SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform
      -
      -
      -
      • -
    • -
      -

      remap

      -
      public static void remap(Mat src, - Mat dst, - Mat map1, - Mat map2, - int interpolation, - int borderMode, - Scalar borderValue)
      -
      Applies a generic geometrical transformation to an image. - - The function remap transforms the source image using the specified map: - - \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - - with the WARP_RELATIVE_MAP flag : - - \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - - where values of pixels with non-integer coordinates are computed using one of available - interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - convert from floating to fixed-point representations of a map is that they can yield much faster - (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - - This function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image. It has the same size as map1 and the same type as src .
      -
      map1 - The first map of either (x,y) points or just x values having the type CV_16SC2 , - CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - representation to fixed-point for speed.
      -
      map2 - The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - if map1 is (x,y) points), respectively.
      -
      interpolation - Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - (e.g. INTER_LINEAR | WARP_RELATIVE_MAP)
      -
      borderMode - Pixel extrapolation method (see #BorderTypes). When - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - corresponds to the "outliers" in the source image are not modified by the function.
      -
      borderValue - Value used in case of a constant border. By default, it is 0. - Note: - Due to current implementation limitations the size of an input and output images should be less than 32767x32767.
      -
      -
      -
      • -
    • -
      -

      remap

      -
      public static void remap(Mat src, - Mat dst, - Mat map1, - Mat map2, - int interpolation, - int borderMode)
      -
      Applies a generic geometrical transformation to an image. - - The function remap transforms the source image using the specified map: - - \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - - with the WARP_RELATIVE_MAP flag : - - \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - - where values of pixels with non-integer coordinates are computed using one of available - interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - convert from floating to fixed-point representations of a map is that they can yield much faster - (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - - This function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image. It has the same size as map1 and the same type as src .
      -
      map1 - The first map of either (x,y) points or just x values having the type CV_16SC2 , - CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - representation to fixed-point for speed.
      -
      map2 - The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - if map1 is (x,y) points), respectively.
      -
      interpolation - Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - (e.g. INTER_LINEAR | WARP_RELATIVE_MAP)
      -
      borderMode - Pixel extrapolation method (see #BorderTypes). When - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - corresponds to the "outliers" in the source image are not modified by the function. - Note: - Due to current implementation limitations the size of an input and output images should be less than 32767x32767.
      -
      -
      -
      • -
    • -
      -

      remap

      -
      public static void remap(Mat src, - Mat dst, - Mat map1, - Mat map2, - int interpolation)
      -
      Applies a generic geometrical transformation to an image. - - The function remap transforms the source image using the specified map: - - \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - - with the WARP_RELATIVE_MAP flag : - - \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - - where values of pixels with non-integer coordinates are computed using one of available - interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - convert from floating to fixed-point representations of a map is that they can yield much faster - (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - - This function cannot operate in-place.
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image. It has the same size as map1 and the same type as src .
      -
      map1 - The first map of either (x,y) points or just x values having the type CV_16SC2 , - CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - representation to fixed-point for speed.
      -
      map2 - The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - if map1 is (x,y) points), respectively.
      -
      interpolation - Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - (e.g. INTER_LINEAR | WARP_RELATIVE_MAP) - borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - corresponds to the "outliers" in the source image are not modified by the function. - Note: - Due to current implementation limitations the size of an input and output images should be less than 32767x32767.
      -
      -
      -
      • -
    • -
      -

      convertMaps

      -
      public static void convertMaps(Mat map1, - Mat map2, - Mat dstmap1, - Mat dstmap2, - int dstmap1type, - boolean nninterpolation)
      -
      Converts image transformation maps from one representation to another. - - The function converts a pair of maps for remap from one representation to another. The following - options ( (map1.type(), map2.type()) \(\rightarrow\) (dstmap1.type(), dstmap2.type()) ) are - supported: - -
        -
      • - \(\texttt{(CV_32FC1, CV_32FC1)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). This is the - most frequently used conversion operation, in which the original floating-point maps (see #remap) - are converted to a more compact and much faster fixed-point representation. The first output array - contains the rounded coordinates and the second array (created only when nninterpolation=false ) - contains indices in the interpolation tables. -
        • -
      - -
        -
      • - \(\texttt{(CV_32FC2)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). The same as above but - the original maps are stored in one 2-channel matrix. -
        • -
      - -
        -
      • - Reverse conversion. Obviously, the reconstructed floating-point maps will not be exactly the same - as the originals. -
        • -
      -
      -
      Parameters:
      -
      map1 - The first input map of type CV_16SC2, CV_32FC1, or CV_32FC2 .
      -
      map2 - The second input map of type CV_16UC1, CV_32FC1, or none (empty matrix), - respectively.
      -
      dstmap1 - The first output map that has the type dstmap1type and the same size as src .
      -
      dstmap2 - The second output map.
      -
      dstmap1type - Type of the first output map that should be CV_16SC2, CV_32FC1, or - CV_32FC2 .
      -
      nninterpolation - Flag indicating whether the fixed-point maps are used for the - nearest-neighbor or for a more complex interpolation. - - SEE: remap, undistort, initUndistortRectifyMap
      -
      -
      -
      • -
    • -
      -

      convertMaps

      -
      public static void convertMaps(Mat map1, - Mat map2, - Mat dstmap1, - Mat dstmap2, - int dstmap1type)
      -
      Converts image transformation maps from one representation to another. - - The function converts a pair of maps for remap from one representation to another. The following - options ( (map1.type(), map2.type()) \(\rightarrow\) (dstmap1.type(), dstmap2.type()) ) are - supported: - -
        -
      • - \(\texttt{(CV_32FC1, CV_32FC1)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). This is the - most frequently used conversion operation, in which the original floating-point maps (see #remap) - are converted to a more compact and much faster fixed-point representation. The first output array - contains the rounded coordinates and the second array (created only when nninterpolation=false ) - contains indices in the interpolation tables. -
        • -
      - -
        -
      • - \(\texttt{(CV_32FC2)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). The same as above but - the original maps are stored in one 2-channel matrix. -
        • -
      - -
        -
      • - Reverse conversion. Obviously, the reconstructed floating-point maps will not be exactly the same - as the originals. -
        • -
      -
      -
      Parameters:
      -
      map1 - The first input map of type CV_16SC2, CV_32FC1, or CV_32FC2 .
      -
      map2 - The second input map of type CV_16UC1, CV_32FC1, or none (empty matrix), - respectively.
      -
      dstmap1 - The first output map that has the type dstmap1type and the same size as src .
      -
      dstmap2 - The second output map.
      -
      dstmap1type - Type of the first output map that should be CV_16SC2, CV_32FC1, or - CV_32FC2 . - nearest-neighbor or for a more complex interpolation. - - SEE: remap, undistort, initUndistortRectifyMap
      -
      -
      -
      • -
    • -
      -

      getRotationMatrix2D

      -
      public static Mat getRotationMatrix2D(Point center, - double angle, - double scale)
      -
      Calculates an affine matrix of 2D rotation. - - The function calculates the following matrix: - - \(\begin{bmatrix} \alpha & \beta & (1- \alpha ) \cdot \texttt{center.x} - \beta \cdot \texttt{center.y} \\ - \beta & \alpha & \beta \cdot \texttt{center.x} + (1- \alpha ) \cdot \texttt{center.y} \end{bmatrix}\) - - where - - \(\begin{array}{l} \alpha = \texttt{scale} \cdot \cos \texttt{angle} , \\ \beta = \texttt{scale} \cdot \sin \texttt{angle} \end{array}\) - - The transformation maps the rotation center to itself. If this is not the target, adjust the shift.
      -
      -
      Parameters:
      -
      center - Center of the rotation in the source image.
      -
      angle - Rotation angle in degrees. Positive values mean counter-clockwise rotation (the - coordinate origin is assumed to be the top-left corner).
      -
      scale - Isotropic scale factor. - - SEE: getAffineTransform, warpAffine, transform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      invertAffineTransform

      -
      public static void invertAffineTransform(Mat M, - Mat iM)
      -
      Inverts an affine transformation. - - The function computes an inverse affine transformation represented by \(2 \times 3\) matrix M: - - \(\begin{bmatrix} a_{11} & a_{12} & b_1 \\ a_{21} & a_{22} & b_2 \end{bmatrix}\) - - The result is also a \(2 \times 3\) matrix of the same type as M.
      -
      -
      Parameters:
      -
      M - Original affine transformation.
      -
      iM - Output reverse affine transformation.
      -
      -
      -
      • -
    • -
      -

      getPerspectiveTransform

      -
      public static Mat getPerspectiveTransform(Mat src, - Mat dst, - int solveMethod)
      -
      Calculates a perspective transform from four pairs of the corresponding points. - - The function calculates the \(3 \times 3\) matrix of a perspective transform so that: - - \(\begin{bmatrix} t_i x'_i \\ t_i y'_i \\ t_i \end{bmatrix} = \texttt{map_matrix} \cdot \begin{bmatrix} x_i \\ y_i \\ 1 \end{bmatrix}\) - - where - - \(dst(i)=(x'_i,y'_i), src(i)=(x_i, y_i), i=0,1,2,3\)
      -
      -
      Parameters:
      -
      src - Coordinates of quadrangle vertices in the source image.
      -
      dst - Coordinates of the corresponding quadrangle vertices in the destination image.
      -
      solveMethod - method passed to cv::solve (#DecompTypes) - - SEE: findHomography, warpPerspective, perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getPerspectiveTransform

      -
      public static Mat getPerspectiveTransform(Mat src, - Mat dst)
      -
      Calculates a perspective transform from four pairs of the corresponding points. - - The function calculates the \(3 \times 3\) matrix of a perspective transform so that: - - \(\begin{bmatrix} t_i x'_i \\ t_i y'_i \\ t_i \end{bmatrix} = \texttt{map_matrix} \cdot \begin{bmatrix} x_i \\ y_i \\ 1 \end{bmatrix}\) - - where - - \(dst(i)=(x'_i,y'_i), src(i)=(x_i, y_i), i=0,1,2,3\)
      -
      -
      Parameters:
      -
      src - Coordinates of quadrangle vertices in the source image.
      -
      dst - Coordinates of the corresponding quadrangle vertices in the destination image. - - SEE: findHomography, warpPerspective, perspectiveTransform
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getAffineTransform

      -
      public static Mat getAffineTransform(MatOfPoint2f src, - MatOfPoint2f dst)
      -
      -
      • -
    • -
      -

      getRectSubPix

      -
      public static void getRectSubPix(Mat image, - Size patchSize, - Point center, - Mat patch, - int patchType)
      -
      Retrieves a pixel rectangle from an image with sub-pixel accuracy. - - The function getRectSubPix extracts pixels from src: - - \(patch(x, y) = src(x + \texttt{center.x} - ( \texttt{dst.cols} -1)*0.5, y + \texttt{center.y} - ( \texttt{dst.rows} -1)*0.5)\) - - where the values of the pixels at non-integer coordinates are retrieved using bilinear - interpolation. Every channel of multi-channel images is processed independently. Also - the image should be a single channel or three channel image. While the center of the - rectangle must be inside the image, parts of the rectangle may be outside.
      -
      -
      Parameters:
      -
      image - Source image.
      -
      patchSize - Size of the extracted patch.
      -
      center - Floating point coordinates of the center of the extracted rectangle within the - source image. The center must be inside the image.
      -
      patch - Extracted patch that has the size patchSize and the same number of channels as src .
      -
      patchType - Depth of the extracted pixels. By default, they have the same depth as src . - - SEE: warpAffine, warpPerspective
      -
      -
      -
      • -
    • -
      -

      getRectSubPix

      -
      public static void getRectSubPix(Mat image, - Size patchSize, - Point center, - Mat patch)
      -
      Retrieves a pixel rectangle from an image with sub-pixel accuracy. - - The function getRectSubPix extracts pixels from src: - - \(patch(x, y) = src(x + \texttt{center.x} - ( \texttt{dst.cols} -1)*0.5, y + \texttt{center.y} - ( \texttt{dst.rows} -1)*0.5)\) - - where the values of the pixels at non-integer coordinates are retrieved using bilinear - interpolation. Every channel of multi-channel images is processed independently. Also - the image should be a single channel or three channel image. While the center of the - rectangle must be inside the image, parts of the rectangle may be outside.
      -
      -
      Parameters:
      -
      image - Source image.
      -
      patchSize - Size of the extracted patch.
      -
      center - Floating point coordinates of the center of the extracted rectangle within the - source image. The center must be inside the image.
      -
      patch - Extracted patch that has the size patchSize and the same number of channels as src . - - SEE: warpAffine, warpPerspective
      -
      -
      -
      • -
    • -
      -

      warpPolar

      -
      public static void warpPolar(Mat src, - Mat dst, - Size dsize, - Point center, - double maxRadius, - int flags)
      -
      Remaps an image to polar or semilog-polar coordinates space - - polar_remaps_reference_image - ![Polar remaps reference](pics/polar_remap_doc.png) - - Transform the source image using the following transformation: - \( - dst(\rho , \phi ) = src(x,y) - \) - - where - \( - \begin{array}{l} - \vec{I} = (x - center.x, \;y - center.y) \\ - \phi = Kangle \cdot \texttt{angle} (\vec{I}) \\ - \rho = \left\{\begin{matrix} - Klin \cdot \texttt{magnitude} (\vec{I}) & default \\ - Klog \cdot log_e(\texttt{magnitude} (\vec{I})) & if \; semilog \\ - \end{matrix}\right. - \end{array} - \) - - and - \( - \begin{array}{l} - Kangle = dsize.height / 2\Pi \\ - Klin = dsize.width / maxRadius \\ - Klog = dsize.width / log_e(maxRadius) \\ - \end{array} - \) - - - \par Linear vs semilog mapping - - Polar mapping can be linear or semi-log. Add one of #WarpPolarMode to flags to specify the polar mapping mode. - - Linear is the default mode. - - The semilog mapping emulates the human "foveal" vision that permit very high acuity on the line of sight (central vision) - in contrast to peripheral vision where acuity is minor. - - \par Option on dsize: - -
        -
      • - if both values in dsize &lt;=0 (default), - the destination image will have (almost) same area of source bounding circle: - \(\begin{array}{l} - dsize.area \leftarrow (maxRadius^2 \cdot \Pi) \\ - dsize.width = \texttt{cvRound}(maxRadius) \\ - dsize.height = \texttt{cvRound}(maxRadius \cdot \Pi) \\ - \end{array}\) -
        • -
      - - -
        -
      • - if only dsize.height &lt;= 0, - the destination image area will be proportional to the bounding circle area but scaled by Kx * Kx: - \(\begin{array}{l} - dsize.height = \texttt{cvRound}(dsize.width \cdot \Pi) \\ - \end{array} - \) -
        • -
      - -
        -
      • - if both values in dsize &gt; 0 , - the destination image will have the given size therefore the area of the bounding circle will be scaled to dsize. -
        • -
      - - - \par Reverse mapping - - You can get reverse mapping adding #WARP_INVERSE_MAP to flags - \snippet polar_transforms.cpp InverseMap - - In addiction, to calculate the original coordinate from a polar mapped coordinate \((rho, phi)->(x, y)\): - \snippet polar_transforms.cpp InverseCoordinate
      -
      -
      Parameters:
      -
      src - Source image.
      -
      dst - Destination image. It will have same type as src.
      -
      dsize - The destination image size (see description for valid options).
      -
      center - The transformation center.
      -
      maxRadius - The radius of the bounding circle to transform. It determines the inverse magnitude scale parameter too.
      -
      flags - A combination of interpolation methods, #InterpolationFlags + #WarpPolarMode. -
        -
      • - Add #WARP_POLAR_LINEAR to select linear polar mapping (default) -
        • -
      • - Add #WARP_POLAR_LOG to select semilog polar mapping -
        • -
      • - Add #WARP_INVERSE_MAP for reverse mapping. -
        • -
      - Note: -
        -
      • - The function can not operate in-place. -
        • -
      • - To calculate magnitude and angle in degrees #cartToPolar is used internally thus angles are measured from 0 to 360 with accuracy about 0.3 degrees. -
        • -
      • - This function uses #remap. Due to current implementation limitations the size of an input and output images should be less than 32767x32767. -
        • -
      - - SEE: cv::remap
      -
      -
      -
      • -
    • -
      -

      integral3

      -
      public static void integral3(Mat src, - Mat sum, - Mat sqsum, - Mat tilted, - int sdepth, - int sqdepth)
      -
      Calculates the integral of an image. - - The function calculates one or more integral images for the source image as follows: - - \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - - \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - - \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - - Using these integral images, you can calculate sum, mean, and standard deviation over a specific - up-right or rotated rectangular region of the image in a constant time, for example: - - \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - - It makes possible to do a fast blurring or fast block correlation with a variable window size, for - example. In case of multi-channel images, sums for each channel are accumulated independently. - - As a practical example, the next figure shows the calculation of the integral of a straight - rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - original image are shown, as well as the relative pixels in the integral images sum and tilted . - - ![integral calculation example](pics/integral.png)
      -
      -
      Parameters:
      -
      src - input image as \(W \times H\), 8-bit or floating-point (32f or 64f).
      -
      sum - integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f).
      -
      sqsum - integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - floating-point (64f) array.
      -
      tilted - integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - the same data type as sum.
      -
      sdepth - desired depth of the integral and the tilted integral images, CV_32S, CV_32F, or - CV_64F.
      -
      sqdepth - desired depth of the integral image of squared pixel values, CV_32F or CV_64F.
      -
      -
      -
      • -
    • -
      -

      integral3

      -
      public static void integral3(Mat src, - Mat sum, - Mat sqsum, - Mat tilted, - int sdepth)
      -
      Calculates the integral of an image. - - The function calculates one or more integral images for the source image as follows: - - \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - - \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - - \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - - Using these integral images, you can calculate sum, mean, and standard deviation over a specific - up-right or rotated rectangular region of the image in a constant time, for example: - - \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - - It makes possible to do a fast blurring or fast block correlation with a variable window size, for - example. In case of multi-channel images, sums for each channel are accumulated independently. - - As a practical example, the next figure shows the calculation of the integral of a straight - rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - original image are shown, as well as the relative pixels in the integral images sum and tilted . - - ![integral calculation example](pics/integral.png)
      -
      -
      Parameters:
      -
      src - input image as \(W \times H\), 8-bit or floating-point (32f or 64f).
      -
      sum - integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f).
      -
      sqsum - integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - floating-point (64f) array.
      -
      tilted - integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - the same data type as sum.
      -
      sdepth - desired depth of the integral and the tilted integral images, CV_32S, CV_32F, or - CV_64F.
      -
      -
      -
      • -
    • -
      -

      integral3

      -
      public static void integral3(Mat src, - Mat sum, - Mat sqsum, - Mat tilted)
      -
      Calculates the integral of an image. - - The function calculates one or more integral images for the source image as follows: - - \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - - \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - - \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - - Using these integral images, you can calculate sum, mean, and standard deviation over a specific - up-right or rotated rectangular region of the image in a constant time, for example: - - \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - - It makes possible to do a fast blurring or fast block correlation with a variable window size, for - example. In case of multi-channel images, sums for each channel are accumulated independently. - - As a practical example, the next figure shows the calculation of the integral of a straight - rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - original image are shown, as well as the relative pixels in the integral images sum and tilted . - - ![integral calculation example](pics/integral.png)
      -
      -
      Parameters:
      -
      src - input image as \(W \times H\), 8-bit or floating-point (32f or 64f).
      -
      sum - integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f).
      -
      sqsum - integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - floating-point (64f) array.
      -
      tilted - integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - the same data type as sum. - CV_64F.
      -
      -
      -
      • -
    • -
      -

      integral

      -
      public static void integral(Mat src, - Mat sum, - int sdepth)
      -
      -
      • -
    • -
      -

      integral

      -
      public static void integral(Mat src, - Mat sum)
      -
      -
      • -
    • -
      -

      integral2

      -
      public static void integral2(Mat src, - Mat sum, - Mat sqsum, - int sdepth, - int sqdepth)
      -
      -
      • -
    • -
      -

      integral2

      -
      public static void integral2(Mat src, - Mat sum, - Mat sqsum, - int sdepth)
      -
      -
      • -
    • -
      -

      integral2

      -
      public static void integral2(Mat src, - Mat sum, - Mat sqsum)
      -
      -
      • -
    • -
      -

      accumulate

      -
      public static void accumulate(Mat src, - Mat dst, - Mat mask)
      -
      Adds an image to the accumulator image. - - The function adds src or some of its elements to dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently. - - The function cv::accumulate can be used, for example, to collect statistics of a scene background - viewed by a still camera and for the further foreground-background segmentation.
      -
      -
      Parameters:
      -
      src - Input image of type CV_8UC(n), CV_16UC(n), CV_32FC(n) or CV_64FC(n), where n is a positive integer.
      -
      dst - %Accumulator image with the same number of channels as input image, and a depth of CV_32F or CV_64F.
      -
      mask - Optional operation mask. - - SEE: accumulateSquare, accumulateProduct, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulate

      -
      public static void accumulate(Mat src, - Mat dst)
      -
      Adds an image to the accumulator image. - - The function adds src or some of its elements to dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently. - - The function cv::accumulate can be used, for example, to collect statistics of a scene background - viewed by a still camera and for the further foreground-background segmentation.
      -
      -
      Parameters:
      -
      src - Input image of type CV_8UC(n), CV_16UC(n), CV_32FC(n) or CV_64FC(n), where n is a positive integer.
      -
      dst - %Accumulator image with the same number of channels as input image, and a depth of CV_32F or CV_64F. - - SEE: accumulateSquare, accumulateProduct, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulateSquare

      -
      public static void accumulateSquare(Mat src, - Mat dst, - Mat mask)
      -
      Adds the square of a source image to the accumulator image. - - The function adds the input image src or its selected region, raised to a power of 2, to the - accumulator dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src - Input image as 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      dst - %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - floating-point.
      -
      mask - Optional operation mask. - - SEE: accumulateSquare, accumulateProduct, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulateSquare

      -
      public static void accumulateSquare(Mat src, - Mat dst)
      -
      Adds the square of a source image to the accumulator image. - - The function adds the input image src or its selected region, raised to a power of 2, to the - accumulator dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src - Input image as 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      dst - %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - floating-point. - - SEE: accumulateSquare, accumulateProduct, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulateProduct

      -
      public static void accumulateProduct(Mat src1, - Mat src2, - Mat dst, - Mat mask)
      -
      Adds the per-element product of two input images to the accumulator image. - - The function adds the product of two images or their selected regions to the accumulator dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src1 - First input image, 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      src2 - Second input image of the same type and the same size as src1 .
      -
      dst - %Accumulator image with the same number of channels as input images, 32-bit or 64-bit - floating-point.
      -
      mask - Optional operation mask. - - SEE: accumulate, accumulateSquare, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulateProduct

      -
      public static void accumulateProduct(Mat src1, - Mat src2, - Mat dst)
      -
      Adds the per-element product of two input images to the accumulator image. - - The function adds the product of two images or their selected regions to the accumulator dst : - - \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src1 - First input image, 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      src2 - Second input image of the same type and the same size as src1 .
      -
      dst - %Accumulator image with the same number of channels as input images, 32-bit or 64-bit - floating-point. - - SEE: accumulate, accumulateSquare, accumulateWeighted
      -
      -
      -
      • -
    • -
      -

      accumulateWeighted

      -
      public static void accumulateWeighted(Mat src, - Mat dst, - double alpha, - Mat mask)
      -
      Updates a running average. - - The function calculates the weighted sum of the input image src and the accumulator dst so that dst - becomes a running average of a frame sequence: - - \(\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - That is, alpha regulates the update speed (how fast the accumulator "forgets" about earlier images). - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src - Input image as 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      dst - %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - floating-point.
      -
      alpha - Weight of the input image.
      -
      mask - Optional operation mask. - - SEE: accumulate, accumulateSquare, accumulateProduct
      -
      -
      -
      • -
    • -
      -

      accumulateWeighted

      -
      public static void accumulateWeighted(Mat src, - Mat dst, - double alpha)
      -
      Updates a running average. - - The function calculates the weighted sum of the input image src and the accumulator dst so that dst - becomes a running average of a frame sequence: - - \(\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - - That is, alpha regulates the update speed (how fast the accumulator "forgets" about earlier images). - The function supports multi-channel images. Each channel is processed independently.
      -
      -
      Parameters:
      -
      src - Input image as 1- or 3-channel, 8-bit or 32-bit floating point.
      -
      dst - %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - floating-point.
      -
      alpha - Weight of the input image. - - SEE: accumulate, accumulateSquare, accumulateProduct
      -
      -
      -
      • -
    • -
      -

      phaseCorrelate

      -
      public static Point phaseCorrelate(Mat src1, - Mat src2, - Mat window, - double[] response)
      -
      The function is used to detect translational shifts that occur between two images. - - The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - the frequency domain. It can be used for fast image registration as well as motion estimation. For - more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - - Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - with getOptimalDFTSize. - - The function performs the following equations: -
        -
      • - First it applies a Hanning window to each image to remove possible edge effects, if it's provided - by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - be cached until the array size changes to speed up processing time. -
        • -
      • - Next it computes the forward DFTs of each source array: - \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - where \(\mathcal{F}\) is the forward DFT. -
        • -
      • - It then computes the cross-power spectrum of each frequency domain array: - \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) -
        • -
      • - Next the cross-correlation is converted back into the time domain via the inverse DFT: - \(r = \mathcal{F}^{-1}\{R\}\) -
        • -
      • - Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - achieve sub-pixel accuracy. - \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) -
        • -
      • - If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - peak) and will be smaller when there are multiple peaks. -
        • -
      -
      -
      Parameters:
      -
      src1 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      src2 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      window - Floating point array with windowing coefficients to reduce edge effects (optional).
      -
      response - Signal power within the 5x5 centroid around the peak, between 0 and 1 (optional).
      -
      Returns:
      -
      detected phase shift (sub-pixel) between the two arrays. - - SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow
      -
      -
      -
      • -
    • -
      -

      phaseCorrelate

      -
      public static Point phaseCorrelate(Mat src1, - Mat src2, - Mat window)
      -
      The function is used to detect translational shifts that occur between two images. - - The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - the frequency domain. It can be used for fast image registration as well as motion estimation. For - more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - - Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - with getOptimalDFTSize. - - The function performs the following equations: -
        -
      • - First it applies a Hanning window to each image to remove possible edge effects, if it's provided - by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - be cached until the array size changes to speed up processing time. -
        • -
      • - Next it computes the forward DFTs of each source array: - \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - where \(\mathcal{F}\) is the forward DFT. -
        • -
      • - It then computes the cross-power spectrum of each frequency domain array: - \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) -
        • -
      • - Next the cross-correlation is converted back into the time domain via the inverse DFT: - \(r = \mathcal{F}^{-1}\{R\}\) -
        • -
      • - Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - achieve sub-pixel accuracy. - \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) -
        • -
      • - If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - peak) and will be smaller when there are multiple peaks. -
        • -
      -
      -
      Parameters:
      -
      src1 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      src2 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      window - Floating point array with windowing coefficients to reduce edge effects (optional).
      -
      Returns:
      -
      detected phase shift (sub-pixel) between the two arrays. - - SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow
      -
      -
      -
      • -
    • -
      -

      phaseCorrelate

      -
      public static Point phaseCorrelate(Mat src1, - Mat src2)
      -
      The function is used to detect translational shifts that occur between two images. - - The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - the frequency domain. It can be used for fast image registration as well as motion estimation. For - more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - - Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - with getOptimalDFTSize. - - The function performs the following equations: -
        -
      • - First it applies a Hanning window to each image to remove possible edge effects, if it's provided - by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - be cached until the array size changes to speed up processing time. -
        • -
      • - Next it computes the forward DFTs of each source array: - \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - where \(\mathcal{F}\) is the forward DFT. -
        • -
      • - It then computes the cross-power spectrum of each frequency domain array: - \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) -
        • -
      • - Next the cross-correlation is converted back into the time domain via the inverse DFT: - \(r = \mathcal{F}^{-1}\{R\}\) -
        • -
      • - Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - achieve sub-pixel accuracy. - \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) -
        • -
      • - If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - peak) and will be smaller when there are multiple peaks. -
        • -
      -
      -
      Parameters:
      -
      src1 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      src2 - Source floating point array (CV_32FC1 or CV_64FC1)
      -
      Returns:
      -
      detected phase shift (sub-pixel) between the two arrays. - - SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow
      -
      -
      -
      • -
    • -
      -

      createHanningWindow

      -
      public static void createHanningWindow(Mat dst, - Size winSize, - int type)
      -
      This function computes a Hanning window coefficients in two dimensions. - - See (https://en.wikipedia.org/wiki/Hann_function) and (https://en.wikipedia.org/wiki/Window_function) - for more information. - - An example is shown below: - - // create hanning window of size 100x100 and type CV_32F - Mat hann; - createHanningWindow(hann, Size(100, 100), CV_32F); -
      -
      -
      Parameters:
      -
      dst - Destination array to place Hann coefficients in
      -
      winSize - The window size specifications (both width and height must be > 1)
      -
      type - Created array type
      -
      -
      -
      • -
    • -
      -

      divSpectrums

      -
      public static void divSpectrums(Mat a, - Mat b, - Mat c, - int flags, - boolean conjB)
      -
      Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum. - - The function cv::divSpectrums performs the per-element division of the first array by the second array. - The arrays are CCS-packed or complex matrices that are results of a real or complex Fourier transform.
      -
      -
      Parameters:
      -
      a - first input array.
      -
      b - second input array of the same size and type as src1 .
      -
      c - output array of the same size and type as src1 .
      -
      flags - operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a 0 as value.
      -
      conjB - optional flag that conjugates the second input array before the multiplication (true) - or not (false).
      -
      -
      -
      • -
    • -
      -

      divSpectrums

      -
      public static void divSpectrums(Mat a, - Mat b, - Mat c, - int flags)
      -
      Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum. - - The function cv::divSpectrums performs the per-element division of the first array by the second array. - The arrays are CCS-packed or complex matrices that are results of a real or complex Fourier transform.
      -
      -
      Parameters:
      -
      a - first input array.
      -
      b - second input array of the same size and type as src1 .
      -
      c - output array of the same size and type as src1 .
      -
      flags - operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a 0 as value. - or not (false).
      -
      -
      -
      • -
    • -
      -

      threshold

      -
      public static double threshold(Mat src, - Mat dst, - double thresh, - double maxval, - int type)
      -
      Applies a fixed-level threshold to each array element. - - The function applies fixed-level thresholding to a multiple-channel array. The function is typically - used to get a bi-level (binary) image out of a grayscale image ( #compare could be also used for - this purpose) or for removing a noise, that is, filtering out pixels with too small or too large - values. There are several types of thresholding supported by the function. They are determined by - type parameter. - - Also, the special values #THRESH_OTSU or #THRESH_TRIANGLE may be combined with one of the - above values. In these cases, the function determines the optimal threshold value using the Otsu's - or Triangle algorithm and uses it instead of the specified thresh. - - Note: Currently, the Otsu's method is implemented only for CV_8UC1 and CV_16UC1 images, - and the Triangle's method is implemented only for CV_8UC1 images.
      -
      -
      Parameters:
      -
      src - input array (multiple-channel, CV_8U, CV_16S, CV_16U, CV_32F or CV_64F).
      -
      dst - output array of the same size and type and the same number of channels as src.
      -
      thresh - threshold value.
      -
      maxval - maximum value to use with the #THRESH_BINARY and #THRESH_BINARY_INV thresholding - types.
      -
      type - thresholding type (see #ThresholdTypes).
      -
      Returns:
      -
      the computed threshold value if Otsu's or Triangle methods used. - - SEE: thresholdWithMask, adaptiveThreshold, findContours, compare, min, max
      -
      -
      -
      • -
    • -
      -

      thresholdWithMask

      -
      public static double thresholdWithMask(Mat src, - Mat dst, - Mat mask, - double thresh, - double maxval, - int type)
      -
      Same as #threshold, but with an optional mask - - Note: If the mask is empty, #thresholdWithMask is equivalent to #threshold. - If the mask is not empty, dst *must* be of the same size and type as src, so that - outliers pixels are left as-is
      -
      -
      Parameters:
      -
      src - input array (multiple-channel, 8-bit or 32-bit floating point).
      -
      dst - output array of the same size and type and the same number of channels as src.
      -
      mask - optional mask (same size as src, 8-bit).
      -
      thresh - threshold value.
      -
      maxval - maximum value to use with the #THRESH_BINARY and #THRESH_BINARY_INV thresholding - types.
      -
      type - thresholding type (see #ThresholdTypes).
      -
      Returns:
      -
      the computed threshold value if Otsu's or Triangle methods used. - - SEE: threshold, adaptiveThreshold, findContours, compare, min, max
      -
      -
      -
      • -
    • -
      -

      adaptiveThreshold

      -
      public static void adaptiveThreshold(Mat src, - Mat dst, - double maxValue, - int adaptiveMethod, - int thresholdType, - int blockSize, - double C)
      -
      Applies an adaptive threshold to an array. - - The function transforms a grayscale image to a binary image according to the formulae: -
        -
      • - THRESH_BINARY - \(dst(x,y) = \fork{\texttt{maxValue}}{if \(src(x,y) > T(x,y)\)}{0}{otherwise}\) -
        • -
      • - THRESH_BINARY_INV - \(dst(x,y) = \fork{0}{if \(src(x,y) > T(x,y)\)}{\texttt{maxValue}}{otherwise}\) - where \(T(x,y)\) is a threshold calculated individually for each pixel (see adaptiveMethod parameter). -
        • -
      - - The function can process the image in-place.
      -
      -
      Parameters:
      -
      src - Source 8-bit single-channel image.
      -
      dst - Destination image of the same size and the same type as src.
      -
      maxValue - Non-zero value assigned to the pixels for which the condition is satisfied
      -
      adaptiveMethod - Adaptive thresholding algorithm to use, see #AdaptiveThresholdTypes. - The #BORDER_REPLICATE | #BORDER_ISOLATED is used to process boundaries.
      -
      thresholdType - Thresholding type that must be either #THRESH_BINARY or #THRESH_BINARY_INV, - see #ThresholdTypes.
      -
      blockSize - Size of a pixel neighborhood that is used to calculate a threshold value for the - pixel: 3, 5, 7, and so on.
      -
      C - Constant subtracted from the mean or weighted mean (see the details below). Normally, it - is positive but may be zero or negative as well. - - SEE: threshold, blur, GaussianBlur
      -
      -
      -
      • -
    • -
      -

      pyrDown

      -
      public static void pyrDown(Mat src, - Mat dst, - Size dstsize, - int borderType)
      -
      Blurs an image and downsamples it. - - By default, size of the output image is computed as Size((src.cols+1)/2, (src.rows+1)/2), but in - any case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - - The function performs the downsampling step of the Gaussian pyramid construction. First, it - convolves the source image with the kernel: - - \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - - Then, it downsamples the image by rejecting even rows and columns.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the specified size and the same type as src.
      -
      dstsize - size of the output image.
      -
      borderType - Pixel extrapolation method, see #BorderTypes (#BORDER_CONSTANT isn't supported)
      -
      -
      -
      • -
    • -
      -

      pyrDown

      -
      public static void pyrDown(Mat src, - Mat dst, - Size dstsize)
      -
      Blurs an image and downsamples it. - - By default, size of the output image is computed as Size((src.cols+1)/2, (src.rows+1)/2), but in - any case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - - The function performs the downsampling step of the Gaussian pyramid construction. First, it - convolves the source image with the kernel: - - \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - - Then, it downsamples the image by rejecting even rows and columns.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the specified size and the same type as src.
      -
      dstsize - size of the output image.
      -
      -
      -
      • -
    • -
      -

      pyrDown

      -
      public static void pyrDown(Mat src, - Mat dst)
      -
      Blurs an image and downsamples it. - - By default, size of the output image is computed as Size((src.cols+1)/2, (src.rows+1)/2), but in - any case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - - The function performs the downsampling step of the Gaussian pyramid construction. First, it - convolves the source image with the kernel: - - \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - - Then, it downsamples the image by rejecting even rows and columns.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image; it has the specified size and the same type as src.
      -
      -
      -
      • -
    • -
      -

      pyrUp

      -
      public static void pyrUp(Mat src, - Mat dst, - Size dstsize, - int borderType)
      -
      Upsamples an image and then blurs it. - - By default, size of the output image is computed as Size(src.cols\*2, (src.rows\*2), but in any - case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - - The function performs the upsampling step of the Gaussian pyramid construction, though it can - actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - injecting even zero rows and columns and then convolves the result with the same kernel as in - pyrDown multiplied by 4.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image. It has the specified size and the same type as src .
      -
      dstsize - size of the output image.
      -
      borderType - Pixel extrapolation method, see #BorderTypes (only #BORDER_DEFAULT is supported)
      -
      -
      -
      • -
    • -
      -

      pyrUp

      -
      public static void pyrUp(Mat src, - Mat dst, - Size dstsize)
      -
      Upsamples an image and then blurs it. - - By default, size of the output image is computed as Size(src.cols\*2, (src.rows\*2), but in any - case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - - The function performs the upsampling step of the Gaussian pyramid construction, though it can - actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - injecting even zero rows and columns and then convolves the result with the same kernel as in - pyrDown multiplied by 4.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image. It has the specified size and the same type as src .
      -
      dstsize - size of the output image.
      -
      -
      -
      • -
    • -
      -

      pyrUp

      -
      public static void pyrUp(Mat src, - Mat dst)
      -
      Upsamples an image and then blurs it. - - By default, size of the output image is computed as Size(src.cols\*2, (src.rows\*2), but in any - case, the following conditions should be satisfied: - - \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - - The function performs the upsampling step of the Gaussian pyramid construction, though it can - actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - injecting even zero rows and columns and then convolves the result with the same kernel as in - pyrDown multiplied by 4.
      -
      -
      Parameters:
      -
      src - input image.
      -
      dst - output image. It has the specified size and the same type as src .
      -
      -
      -
      • -
    • -
      -

      calcHist

      -
      public static void calcHist(List<Mat> images, - MatOfInt channels, - Mat mask, - Mat hist, - MatOfInt histSize, - MatOfFloat ranges, - boolean accumulate)
      -
      this variant supports only uniform histograms. - - ranges argument is either empty vector or a flattened vector of histSize.size()*2 elements - (histSize.size() element pairs). The first and second elements of each pair specify the lower and - upper boundaries.
      -
      -
      Parameters:
      -
      images - automatically generated
      -
      channels - automatically generated
      -
      mask - automatically generated
      -
      hist - automatically generated
      -
      histSize - automatically generated
      -
      ranges - automatically generated
      -
      accumulate - automatically generated
      -
      -
      -
      • -
    • -
      -

      calcHist

      -
      public static void calcHist(List<Mat> images, - MatOfInt channels, - Mat mask, - Mat hist, - MatOfInt histSize, - MatOfFloat ranges)
      -
      this variant supports only uniform histograms. - - ranges argument is either empty vector or a flattened vector of histSize.size()*2 elements - (histSize.size() element pairs). The first and second elements of each pair specify the lower and - upper boundaries.
      -
      -
      Parameters:
      -
      images - automatically generated
      -
      channels - automatically generated
      -
      mask - automatically generated
      -
      hist - automatically generated
      -
      histSize - automatically generated
      -
      ranges - automatically generated
      -
      -
      -
      • -
    • -
      -

      calcBackProject

      -
      public static void calcBackProject(List<Mat> images, - MatOfInt channels, - Mat hist, - Mat dst, - MatOfFloat ranges, - double scale)
      -
      -
      • -
    • -
      -

      compareHist

      -
      public static double compareHist(Mat H1, - Mat H2, - int method)
      -
      Compares two histograms. - - The function cv::compareHist compares two dense or two sparse histograms using the specified method. - - The function returns \(d(H_1, H_2)\) . - - While the function works well with 1-, 2-, 3-dimensional dense histograms, it may not be suitable - for high-dimensional sparse histograms. In such histograms, because of aliasing and sampling - problems, the coordinates of non-zero histogram bins can slightly shift. To compare such histograms - or more general sparse configurations of weighted points, consider using the #EMD function.
      -
      -
      Parameters:
      -
      H1 - First compared histogram.
      -
      H2 - Second compared histogram of the same size as H1 .
      -
      method - Comparison method, see #HistCompMethods
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      equalizeHist

      -
      public static void equalizeHist(Mat src, - Mat dst)
      -
      Equalizes the histogram of a grayscale image. - - The function equalizes the histogram of the input image using the following algorithm: - -
        -
      • - Calculate the histogram \(H\) for src . -
        • -
      • - Normalize the histogram so that the sum of histogram bins is 255. -
        • -
      • - Compute the integral of the histogram: - \(H'_i = \sum _{0 \le j < i} H(j)\) -
        • -
      • - Transform the image using \(H'\) as a look-up table: \(\texttt{dst}(x,y) = H'(\texttt{src}(x,y))\) -
        • -
      - - The algorithm normalizes the brightness and increases the contrast of the image.
      -
      -
      Parameters:
      -
      src - Source 8-bit single channel image.
      -
      dst - Destination image of the same size and type as src .
      -
      -
      -
      • -
    • -
      -

      createCLAHE

      -
      public static CLAHE createCLAHE(double clipLimit, - Size tileGridSize)
      -
      Creates a smart pointer to a cv::CLAHE class and initializes it.
      -
      -
      Parameters:
      -
      clipLimit - Threshold for contrast limiting.
      -
      tileGridSize - Size of grid for histogram equalization. Input image will be divided into - equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCLAHE

      -
      public static CLAHE createCLAHE(double clipLimit)
      -
      Creates a smart pointer to a cv::CLAHE class and initializes it.
      -
      -
      Parameters:
      -
      clipLimit - Threshold for contrast limiting. - equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCLAHE

      -
      public static CLAHE createCLAHE()
      -
      Creates a smart pointer to a cv::CLAHE class and initializes it. - - equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      EMD

      -
      public static float EMD(Mat signature1, - Mat signature2, - int distType, - Mat cost, - Mat flow)
      -
      Computes the "minimal work" distance between two weighted point configurations. - - The function computes the earth mover distance and/or a lower boundary of the distance between the - two weighted point configurations. One of the applications described in CITE: RubnerSept98, - CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - problem that is solved using some modification of a simplex algorithm, thus the complexity is - exponential in the worst case, though, on average it is much faster. In the case of a real metric - the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - to determine roughly whether the two signatures are far enough so that they cannot relate to the - same object.
      -
      -
      Parameters:
      -
      signature1 - First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - a single column (weights only) if the user-defined cost matrix is used. The weights must be - non-negative and have at least one non-zero value.
      -
      signature2 - Second signature of the same format as signature1 , though the number of rows - may be different. The total weights may be different. In this case an extra "dummy" point is added - to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - value.
      -
      distType - Used metric. See #DistanceTypes.
      -
      cost - User-defined \(\texttt{size1}\times \texttt{size2}\) cost matrix. Also, if a cost matrix - is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - signatures that is a distance between mass centers. The lower boundary may not be calculated if - the user-defined cost matrix is used, the total weights of point configurations are not equal, or - if the signatures consist of weights only (the signature matrices have a single column). You - must initialize \*lowerBound . If the calculated distance between mass centers is greater or - equal to \*lowerBound (it means that the signatures are far enough), the function does not - calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - should be set to 0.
      -
      flow - Resultant \(\texttt{size1} \times \texttt{size2}\) flow matrix: \(\texttt{flow}_{i,j}\) is - a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      EMD

      -
      public static float EMD(Mat signature1, - Mat signature2, - int distType, - Mat cost)
      -
      Computes the "minimal work" distance between two weighted point configurations. - - The function computes the earth mover distance and/or a lower boundary of the distance between the - two weighted point configurations. One of the applications described in CITE: RubnerSept98, - CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - problem that is solved using some modification of a simplex algorithm, thus the complexity is - exponential in the worst case, though, on average it is much faster. In the case of a real metric - the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - to determine roughly whether the two signatures are far enough so that they cannot relate to the - same object.
      -
      -
      Parameters:
      -
      signature1 - First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - a single column (weights only) if the user-defined cost matrix is used. The weights must be - non-negative and have at least one non-zero value.
      -
      signature2 - Second signature of the same format as signature1 , though the number of rows - may be different. The total weights may be different. In this case an extra "dummy" point is added - to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - value.
      -
      distType - Used metric. See #DistanceTypes.
      -
      cost - User-defined \(\texttt{size1}\times \texttt{size2}\) cost matrix. Also, if a cost matrix - is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - signatures that is a distance between mass centers. The lower boundary may not be calculated if - the user-defined cost matrix is used, the total weights of point configurations are not equal, or - if the signatures consist of weights only (the signature matrices have a single column). You - must initialize \*lowerBound . If the calculated distance between mass centers is greater or - equal to \*lowerBound (it means that the signatures are far enough), the function does not - calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - should be set to 0. - a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      EMD

      -
      public static float EMD(Mat signature1, - Mat signature2, - int distType)
      -
      Computes the "minimal work" distance between two weighted point configurations. - - The function computes the earth mover distance and/or a lower boundary of the distance between the - two weighted point configurations. One of the applications described in CITE: RubnerSept98, - CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - problem that is solved using some modification of a simplex algorithm, thus the complexity is - exponential in the worst case, though, on average it is much faster. In the case of a real metric - the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - to determine roughly whether the two signatures are far enough so that they cannot relate to the - same object.
      -
      -
      Parameters:
      -
      signature1 - First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - a single column (weights only) if the user-defined cost matrix is used. The weights must be - non-negative and have at least one non-zero value.
      -
      signature2 - Second signature of the same format as signature1 , though the number of rows - may be different. The total weights may be different. In this case an extra "dummy" point is added - to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - value.
      -
      distType - Used metric. See #DistanceTypes. - is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - signatures that is a distance between mass centers. The lower boundary may not be calculated if - the user-defined cost matrix is used, the total weights of point configurations are not equal, or - if the signatures consist of weights only (the signature matrices have a single column). You - must initialize \*lowerBound . If the calculated distance between mass centers is greater or - equal to \*lowerBound (it means that the signatures are far enough), the function does not - calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - should be set to 0. - a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 .
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      watershed

      -
      public static void watershed(Mat image, - Mat markers)
      -
      Performs a marker-based image segmentation using the watershed algorithm. - - The function implements one of the variants of watershed, non-parametric marker-based segmentation - algorithm, described in CITE: Meyer92 . - - Before passing the image to the function, you have to roughly outline the desired regions in the - image markers with positive (>0) indices. So, every region is represented as one or more connected - components with the pixel values 1, 2, 3, and so on. Such markers can be retrieved from a binary - mask using #findContours and #drawContours (see the watershed.cpp demo). The markers are "seeds" of - the future image regions. All the other pixels in markers , whose relation to the outlined regions - is not known and should be defined by the algorithm, should be set to 0's. In the function output, - each pixel in markers is set to a value of the "seed" components or to -1 at boundaries between the - regions. - - Note: Any two neighbor connected components are not necessarily separated by a watershed boundary - (-1's pixels); for example, they can touch each other in the initial marker image passed to the - function.
      -
      -
      Parameters:
      -
      image - Input 8-bit 3-channel image.
      -
      markers - Input/output 32-bit single-channel image (map) of markers. It should have the same - size as image . - - SEE: findContours
      -
      -
      -
      • -
    • -
      -

      pyrMeanShiftFiltering

      -
      public static void pyrMeanShiftFiltering(Mat src, - Mat dst, - double sp, - double sr, - int maxLevel, - TermCriteria termcrit)
      -
      Performs initial step of meanshift segmentation of an image. - - The function implements the filtering stage of meanshift segmentation, that is, the output of the - function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - considered: - - \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - - where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - (though, the algorithm does not depend on the color space used, so any 3-component color space can - be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - (R',G',B') are found and they act as the neighborhood center on the next iteration: - - \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - - After the iterations over, the color components of the initial pixel (that is, the pixel from where - the iterations started) are set to the final value (average color at the last iteration): - - \(I(X,Y) <- (R*,G*,B*)\) - - When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - run on the smallest layer first. After that, the results are propagated to the larger layer and the - iterations are run again only on those pixels where the layer colors differ by more than sr from the - lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - results will be actually different from the ones obtained by running the meanshift procedure on the - whole original image (i.e. when maxLevel==0).
      -
      -
      Parameters:
      -
      src - The source 8-bit, 3-channel image.
      -
      dst - The destination image of the same format and the same size as the source.
      -
      sp - The spatial window radius.
      -
      sr - The color window radius.
      -
      maxLevel - Maximum level of the pyramid for the segmentation.
      -
      termcrit - Termination criteria: when to stop meanshift iterations.
      -
      -
      -
      • -
    • -
      -

      pyrMeanShiftFiltering

      -
      public static void pyrMeanShiftFiltering(Mat src, - Mat dst, - double sp, - double sr, - int maxLevel)
      -
      Performs initial step of meanshift segmentation of an image. - - The function implements the filtering stage of meanshift segmentation, that is, the output of the - function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - considered: - - \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - - where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - (though, the algorithm does not depend on the color space used, so any 3-component color space can - be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - (R',G',B') are found and they act as the neighborhood center on the next iteration: - - \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - - After the iterations over, the color components of the initial pixel (that is, the pixel from where - the iterations started) are set to the final value (average color at the last iteration): - - \(I(X,Y) <- (R*,G*,B*)\) - - When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - run on the smallest layer first. After that, the results are propagated to the larger layer and the - iterations are run again only on those pixels where the layer colors differ by more than sr from the - lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - results will be actually different from the ones obtained by running the meanshift procedure on the - whole original image (i.e. when maxLevel==0).
      -
      -
      Parameters:
      -
      src - The source 8-bit, 3-channel image.
      -
      dst - The destination image of the same format and the same size as the source.
      -
      sp - The spatial window radius.
      -
      sr - The color window radius.
      -
      maxLevel - Maximum level of the pyramid for the segmentation.
      -
      -
      -
      • -
    • -
      -

      pyrMeanShiftFiltering

      -
      public static void pyrMeanShiftFiltering(Mat src, - Mat dst, - double sp, - double sr)
      -
      Performs initial step of meanshift segmentation of an image. - - The function implements the filtering stage of meanshift segmentation, that is, the output of the - function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - considered: - - \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - - where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - (though, the algorithm does not depend on the color space used, so any 3-component color space can - be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - (R',G',B') are found and they act as the neighborhood center on the next iteration: - - \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - - After the iterations over, the color components of the initial pixel (that is, the pixel from where - the iterations started) are set to the final value (average color at the last iteration): - - \(I(X,Y) <- (R*,G*,B*)\) - - When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - run on the smallest layer first. After that, the results are propagated to the larger layer and the - iterations are run again only on those pixels where the layer colors differ by more than sr from the - lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - results will be actually different from the ones obtained by running the meanshift procedure on the - whole original image (i.e. when maxLevel==0).
      -
      -
      Parameters:
      -
      src - The source 8-bit, 3-channel image.
      -
      dst - The destination image of the same format and the same size as the source.
      -
      sp - The spatial window radius.
      -
      sr - The color window radius.
      -
      -
      -
      • -
    • -
      -

      grabCut

      -
      public static void grabCut(Mat img, - Mat mask, - Rect rect, - Mat bgdModel, - Mat fgdModel, - int iterCount, - int mode)
      -
      Runs the GrabCut algorithm. - - The function implements the [GrabCut image segmentation algorithm](https://en.wikipedia.org/wiki/GrabCut).
      -
      -
      Parameters:
      -
      img - Input 8-bit 3-channel image.
      -
      mask - Input/output 8-bit single-channel mask. The mask is initialized by the function when - mode is set to #GC_INIT_WITH_RECT. Its elements may have one of the #GrabCutClasses.
      -
      rect - ROI containing a segmented object. The pixels outside of the ROI are marked as - "obvious background". The parameter is only used when mode==#GC_INIT_WITH_RECT .
      -
      bgdModel - Temporary array for the background model. Do not modify it while you are - processing the same image.
      -
      fgdModel - Temporary arrays for the foreground model. Do not modify it while you are - processing the same image.
      -
      iterCount - Number of iterations the algorithm should make before returning the result. Note - that the result can be refined with further calls with mode==#GC_INIT_WITH_MASK or - mode==GC_EVAL .
      -
      mode - Operation mode that could be one of the #GrabCutModes
      -
      -
      -
      • -
    • -
      -

      grabCut

      -
      public static void grabCut(Mat img, - Mat mask, - Rect rect, - Mat bgdModel, - Mat fgdModel, - int iterCount)
      -
      Runs the GrabCut algorithm. - - The function implements the [GrabCut image segmentation algorithm](https://en.wikipedia.org/wiki/GrabCut).
      -
      -
      Parameters:
      -
      img - Input 8-bit 3-channel image.
      -
      mask - Input/output 8-bit single-channel mask. The mask is initialized by the function when - mode is set to #GC_INIT_WITH_RECT. Its elements may have one of the #GrabCutClasses.
      -
      rect - ROI containing a segmented object. The pixels outside of the ROI are marked as - "obvious background". The parameter is only used when mode==#GC_INIT_WITH_RECT .
      -
      bgdModel - Temporary array for the background model. Do not modify it while you are - processing the same image.
      -
      fgdModel - Temporary arrays for the foreground model. Do not modify it while you are - processing the same image.
      -
      iterCount - Number of iterations the algorithm should make before returning the result. Note - that the result can be refined with further calls with mode==#GC_INIT_WITH_MASK or - mode==GC_EVAL .
      -
      -
      -
      • -
    • -
      -

      distanceTransformWithLabels

      -
      public static void distanceTransformWithLabels(Mat src, - Mat dst, - Mat labels, - int distanceType, - int maskSize, - int labelType)
      -
      Calculates the distance to the closest zero pixel for each pixel of the source image. - - The function cv::distanceTransform calculates the approximate or precise distance from every binary - image pixel to the nearest zero pixel. For zero image pixels, the distance will obviously be zero. - - When maskSize == #DIST_MASK_PRECISE and distanceType == #DIST_L2 , the function runs the - algorithm described in CITE: Felzenszwalb04 . This algorithm is parallelized with the TBB library. - - In other cases, the algorithm CITE: Borgefors86 is used. This means that for a pixel the function - finds the shortest path to the nearest zero pixel consisting of basic shifts: horizontal, vertical, - diagonal, or knight's move (the latest is available for a \(5\times 5\) mask). The overall - distance is calculated as a sum of these basic distances. Since the distance function should be - symmetric, all of the horizontal and vertical shifts must have the same cost (denoted as a ), all - the diagonal shifts must have the same cost (denoted as b), and all knight's moves must have the - same cost (denoted as c). For the #DIST_C and #DIST_L1 types, the distance is calculated - precisely, whereas for #DIST_L2 (Euclidean distance) the distance can be calculated only with a - relative error (a \(5\times 5\) mask gives more accurate results). For a,b, and c, OpenCV - uses the values suggested in the original paper: -
        -
      • - DIST_L1: a = 1, b = 2 -
        • -
      • - DIST_L2: -
          -
        • - 3 x 3: a=0.955, b=1.3693 -
          • -
        • - 5 x 5: a=1, b=1.4, c=2.1969 -
          • -
        -
      • - DIST_C: a = 1, b = 1 -
        • -
      - - Typically, for a fast, coarse distance estimation #DIST_L2, a \(3\times 3\) mask is used. For a - more accurate distance estimation #DIST_L2, a \(5\times 5\) mask or the precise algorithm is used. - Note that both the precise and the approximate algorithms are linear on the number of pixels. - - This variant of the function does not only compute the minimum distance for each pixel \((x, y)\) - but also identifies the nearest connected component consisting of zero pixels - (labelType==#DIST_LABEL_CCOMP) or the nearest zero pixel (labelType==#DIST_LABEL_PIXEL). Index of the - component/pixel is stored in labels(x, y). When labelType==#DIST_LABEL_CCOMP, the function - automatically finds connected components of zero pixels in the input image and marks them with - distinct labels. When labelType==#DIST_LABEL_PIXEL, the function scans through the input image and - marks all the zero pixels with distinct labels. - - In this mode, the complexity is still linear. That is, the function provides a very fast way to - compute the Voronoi diagram for a binary image. Currently, the second variant can use only the - approximate distance transform algorithm, i.e. maskSize=#DIST_MASK_PRECISE is not supported - yet.
      -
      -
      Parameters:
      -
      src - 8-bit, single-channel (binary) source image.
      -
      dst - Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - single-channel image of the same size as src.
      -
      labels - Output 2D array of labels (the discrete Voronoi diagram). It has the type - CV_32SC1 and the same size as src.
      -
      distanceType - Type of distance, see #DistanceTypes
      -
      maskSize - Size of the distance transform mask, see #DistanceTransformMasks. - #DIST_MASK_PRECISE is not supported by this variant. In case of the #DIST_L1 or #DIST_C distance type, - the parameter is forced to 3 because a \(3\times 3\) mask gives the same result as \(5\times - 5\) or any larger aperture.
      -
      labelType - Type of the label array to build, see #DistanceTransformLabelTypes.
      -
      -
      -
      • -
    • -
      -

      distanceTransformWithLabels

      -
      public static void distanceTransformWithLabels(Mat src, - Mat dst, - Mat labels, - int distanceType, - int maskSize)
      -
      Calculates the distance to the closest zero pixel for each pixel of the source image. - - The function cv::distanceTransform calculates the approximate or precise distance from every binary - image pixel to the nearest zero pixel. For zero image pixels, the distance will obviously be zero. - - When maskSize == #DIST_MASK_PRECISE and distanceType == #DIST_L2 , the function runs the - algorithm described in CITE: Felzenszwalb04 . This algorithm is parallelized with the TBB library. - - In other cases, the algorithm CITE: Borgefors86 is used. This means that for a pixel the function - finds the shortest path to the nearest zero pixel consisting of basic shifts: horizontal, vertical, - diagonal, or knight's move (the latest is available for a \(5\times 5\) mask). The overall - distance is calculated as a sum of these basic distances. Since the distance function should be - symmetric, all of the horizontal and vertical shifts must have the same cost (denoted as a ), all - the diagonal shifts must have the same cost (denoted as b), and all knight's moves must have the - same cost (denoted as c). For the #DIST_C and #DIST_L1 types, the distance is calculated - precisely, whereas for #DIST_L2 (Euclidean distance) the distance can be calculated only with a - relative error (a \(5\times 5\) mask gives more accurate results). For a,b, and c, OpenCV - uses the values suggested in the original paper: -
        -
      • - DIST_L1: a = 1, b = 2 -
        • -
      • - DIST_L2: -
          -
        • - 3 x 3: a=0.955, b=1.3693 -
          • -
        • - 5 x 5: a=1, b=1.4, c=2.1969 -
          • -
        -
      • - DIST_C: a = 1, b = 1 -
        • -
      - - Typically, for a fast, coarse distance estimation #DIST_L2, a \(3\times 3\) mask is used. For a - more accurate distance estimation #DIST_L2, a \(5\times 5\) mask or the precise algorithm is used. - Note that both the precise and the approximate algorithms are linear on the number of pixels. - - This variant of the function does not only compute the minimum distance for each pixel \((x, y)\) - but also identifies the nearest connected component consisting of zero pixels - (labelType==#DIST_LABEL_CCOMP) or the nearest zero pixel (labelType==#DIST_LABEL_PIXEL). Index of the - component/pixel is stored in labels(x, y). When labelType==#DIST_LABEL_CCOMP, the function - automatically finds connected components of zero pixels in the input image and marks them with - distinct labels. When labelType==#DIST_LABEL_PIXEL, the function scans through the input image and - marks all the zero pixels with distinct labels. - - In this mode, the complexity is still linear. That is, the function provides a very fast way to - compute the Voronoi diagram for a binary image. Currently, the second variant can use only the - approximate distance transform algorithm, i.e. maskSize=#DIST_MASK_PRECISE is not supported - yet.
      -
      -
      Parameters:
      -
      src - 8-bit, single-channel (binary) source image.
      -
      dst - Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - single-channel image of the same size as src.
      -
      labels - Output 2D array of labels (the discrete Voronoi diagram). It has the type - CV_32SC1 and the same size as src.
      -
      distanceType - Type of distance, see #DistanceTypes
      -
      maskSize - Size of the distance transform mask, see #DistanceTransformMasks. - #DIST_MASK_PRECISE is not supported by this variant. In case of the #DIST_L1 or #DIST_C distance type, - the parameter is forced to 3 because a \(3\times 3\) mask gives the same result as \(5\times - 5\) or any larger aperture.
      -
      -
      -
      • -
    • -
      -

      distanceTransform

      -
      public static void distanceTransform(Mat src, - Mat dst, - int distanceType, - int maskSize, - int dstType)
      -
      -
      Parameters:
      -
      src - 8-bit, single-channel (binary) source image.
      -
      dst - Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - single-channel image of the same size as src .
      -
      distanceType - Type of distance, see #DistanceTypes
      -
      maskSize - Size of the distance transform mask, see #DistanceTransformMasks. In case of the - #DIST_L1 or #DIST_C distance type, the parameter is forced to 3 because a \(3\times 3\) mask gives - the same result as \(5\times 5\) or any larger aperture.
      -
      dstType - Type of output image. It can be CV_8U or CV_32F. Type CV_8U can be used only for - the first variant of the function and distanceType == #DIST_L1.
      -
      -
      -
      • -
    • -
      -

      distanceTransform

      -
      public static void distanceTransform(Mat src, - Mat dst, - int distanceType, - int maskSize)
      -
      -
      Parameters:
      -
      src - 8-bit, single-channel (binary) source image.
      -
      dst - Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - single-channel image of the same size as src .
      -
      distanceType - Type of distance, see #DistanceTypes
      -
      maskSize - Size of the distance transform mask, see #DistanceTransformMasks. In case of the - #DIST_L1 or #DIST_C distance type, the parameter is forced to 3 because a \(3\times 3\) mask gives - the same result as \(5\times 5\) or any larger aperture. - the first variant of the function and distanceType == #DIST_L1.
      -
      -
      -
      • -
    • -
      -

      floodFill

      -
      public static int floodFill(Mat image, - Mat mask, - Point seedPoint, - Scalar newVal, - Rect rect, - Scalar loDiff, - Scalar upDiff, - int flags)
      -
      Fills a connected component with the given color. - - The function cv::floodFill fills a connected component starting from the seed point with the specified - color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - pixel at \((x,y)\) is considered to belong to the repainted domain if: - -
        -
      • - in case of a grayscale image and floating range - \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a grayscale image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a color image and floating range - \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) -
        • -
      - - -
        -
      • - in case of a color image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) -
        • -
      - - - where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - component. That is, to be added to the connected component, a color/brightness of the pixel should - be close enough to: -
        -
      • - Color/brightness of one of its neighbors that already belong to the connected component in case - of a floating range. -
        • -
      • - Color/brightness of the seed point in case of a fixed range. -
        • -
      - - Use these functions to either mark a connected component with the specified color in-place, or build - a mask and then extract the contour, or copy the region to another image, and so on.
      -
      -
      Parameters:
      -
      image - Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - the details below.
      -
      mask - Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - input and output parameter, you must take responsibility of initializing it. - Flood-filling cannot go across non-zero pixels in the input mask. For example, - an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - as described below. Additionally, the function fills the border of the mask with ones to simplify - internal processing. It is therefore possible to use the same mask in multiple calls to the function - to make sure the filled areas do not overlap.
      -
      seedPoint - Starting point.
      -
      newVal - New value of the repainted domain pixels.
      -
      loDiff - Maximal lower brightness/color difference between the currently observed pixel and - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      upDiff - Maximal upper brightness/color difference between the currently observed pixel and - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      rect - Optional output parameter set by the function to the minimum bounding rectangle of the - repainted domain.
      -
      flags - Operation flags. The first 8 bits contain a connectivity value. The default value of - 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - neighbours and fill the mask with a value of 255. The following additional options occupy higher - bits and therefore may be further combined with the connectivity and mask fill values using - bit-wise or (|), see #FloodFillFlags. - - Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - pixel \((x+1, y+1)\) in the mask . - - SEE: findContours
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      floodFill

      -
      public static int floodFill(Mat image, - Mat mask, - Point seedPoint, - Scalar newVal, - Rect rect, - Scalar loDiff, - Scalar upDiff)
      -
      Fills a connected component with the given color. - - The function cv::floodFill fills a connected component starting from the seed point with the specified - color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - pixel at \((x,y)\) is considered to belong to the repainted domain if: - -
        -
      • - in case of a grayscale image and floating range - \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a grayscale image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a color image and floating range - \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) -
        • -
      - - -
        -
      • - in case of a color image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) -
        • -
      - - - where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - component. That is, to be added to the connected component, a color/brightness of the pixel should - be close enough to: -
        -
      • - Color/brightness of one of its neighbors that already belong to the connected component in case - of a floating range. -
        • -
      • - Color/brightness of the seed point in case of a fixed range. -
        • -
      - - Use these functions to either mark a connected component with the specified color in-place, or build - a mask and then extract the contour, or copy the region to another image, and so on.
      -
      -
      Parameters:
      -
      image - Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - the details below.
      -
      mask - Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - input and output parameter, you must take responsibility of initializing it. - Flood-filling cannot go across non-zero pixels in the input mask. For example, - an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - as described below. Additionally, the function fills the border of the mask with ones to simplify - internal processing. It is therefore possible to use the same mask in multiple calls to the function - to make sure the filled areas do not overlap.
      -
      seedPoint - Starting point.
      -
      newVal - New value of the repainted domain pixels.
      -
      loDiff - Maximal lower brightness/color difference between the currently observed pixel and - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      upDiff - Maximal upper brightness/color difference between the currently observed pixel and - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      rect - Optional output parameter set by the function to the minimum bounding rectangle of the - repainted domain. - 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - neighbours and fill the mask with a value of 255. The following additional options occupy higher - bits and therefore may be further combined with the connectivity and mask fill values using - bit-wise or (|), see #FloodFillFlags. - - Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - pixel \((x+1, y+1)\) in the mask . - - SEE: findContours
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      floodFill

      -
      public static int floodFill(Mat image, - Mat mask, - Point seedPoint, - Scalar newVal, - Rect rect, - Scalar loDiff)
      -
      Fills a connected component with the given color. - - The function cv::floodFill fills a connected component starting from the seed point with the specified - color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - pixel at \((x,y)\) is considered to belong to the repainted domain if: - -
        -
      • - in case of a grayscale image and floating range - \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a grayscale image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a color image and floating range - \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) -
        • -
      - - -
        -
      • - in case of a color image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) -
        • -
      - - - where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - component. That is, to be added to the connected component, a color/brightness of the pixel should - be close enough to: -
        -
      • - Color/brightness of one of its neighbors that already belong to the connected component in case - of a floating range. -
        • -
      • - Color/brightness of the seed point in case of a fixed range. -
        • -
      - - Use these functions to either mark a connected component with the specified color in-place, or build - a mask and then extract the contour, or copy the region to another image, and so on.
      -
      -
      Parameters:
      -
      image - Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - the details below.
      -
      mask - Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - input and output parameter, you must take responsibility of initializing it. - Flood-filling cannot go across non-zero pixels in the input mask. For example, - an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - as described below. Additionally, the function fills the border of the mask with ones to simplify - internal processing. It is therefore possible to use the same mask in multiple calls to the function - to make sure the filled areas do not overlap.
      -
      seedPoint - Starting point.
      -
      newVal - New value of the repainted domain pixels.
      -
      loDiff - Maximal lower brightness/color difference between the currently observed pixel and - one of its neighbors belonging to the component, or a seed pixel being added to the component. - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      rect - Optional output parameter set by the function to the minimum bounding rectangle of the - repainted domain. - 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - neighbours and fill the mask with a value of 255. The following additional options occupy higher - bits and therefore may be further combined with the connectivity and mask fill values using - bit-wise or (|), see #FloodFillFlags. - - Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - pixel \((x+1, y+1)\) in the mask . - - SEE: findContours
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      floodFill

      -
      public static int floodFill(Mat image, - Mat mask, - Point seedPoint, - Scalar newVal, - Rect rect)
      -
      Fills a connected component with the given color. - - The function cv::floodFill fills a connected component starting from the seed point with the specified - color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - pixel at \((x,y)\) is considered to belong to the repainted domain if: - -
        -
      • - in case of a grayscale image and floating range - \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a grayscale image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a color image and floating range - \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) -
        • -
      - - -
        -
      • - in case of a color image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) -
        • -
      - - - where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - component. That is, to be added to the connected component, a color/brightness of the pixel should - be close enough to: -
        -
      • - Color/brightness of one of its neighbors that already belong to the connected component in case - of a floating range. -
        • -
      • - Color/brightness of the seed point in case of a fixed range. -
        • -
      - - Use these functions to either mark a connected component with the specified color in-place, or build - a mask and then extract the contour, or copy the region to another image, and so on.
      -
      -
      Parameters:
      -
      image - Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - the details below.
      -
      mask - Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - input and output parameter, you must take responsibility of initializing it. - Flood-filling cannot go across non-zero pixels in the input mask. For example, - an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - as described below. Additionally, the function fills the border of the mask with ones to simplify - internal processing. It is therefore possible to use the same mask in multiple calls to the function - to make sure the filled areas do not overlap.
      -
      seedPoint - Starting point.
      -
      newVal - New value of the repainted domain pixels. - one of its neighbors belonging to the component, or a seed pixel being added to the component. - one of its neighbors belonging to the component, or a seed pixel being added to the component.
      -
      rect - Optional output parameter set by the function to the minimum bounding rectangle of the - repainted domain. - 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - neighbours and fill the mask with a value of 255. The following additional options occupy higher - bits and therefore may be further combined with the connectivity and mask fill values using - bit-wise or (|), see #FloodFillFlags. - - Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - pixel \((x+1, y+1)\) in the mask . - - SEE: findContours
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      floodFill

      -
      public static int floodFill(Mat image, - Mat mask, - Point seedPoint, - Scalar newVal)
      -
      Fills a connected component with the given color. - - The function cv::floodFill fills a connected component starting from the seed point with the specified - color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - pixel at \((x,y)\) is considered to belong to the repainted domain if: - -
        -
      • - in case of a grayscale image and floating range - \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a grayscale image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) -
        • -
      - - -
        -
      • - in case of a color image and floating range - \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) -
        • -
      - - -
        -
      • - in case of a color image and fixed range - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - and - \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) -
        • -
      - - - where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - component. That is, to be added to the connected component, a color/brightness of the pixel should - be close enough to: -
        -
      • - Color/brightness of one of its neighbors that already belong to the connected component in case - of a floating range. -
        • -
      • - Color/brightness of the seed point in case of a fixed range. -
        • -
      - - Use these functions to either mark a connected component with the specified color in-place, or build - a mask and then extract the contour, or copy the region to another image, and so on.
      -
      -
      Parameters:
      -
      image - Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - the details below.
      -
      mask - Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - input and output parameter, you must take responsibility of initializing it. - Flood-filling cannot go across non-zero pixels in the input mask. For example, - an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - as described below. Additionally, the function fills the border of the mask with ones to simplify - internal processing. It is therefore possible to use the same mask in multiple calls to the function - to make sure the filled areas do not overlap.
      -
      seedPoint - Starting point.
      -
      newVal - New value of the repainted domain pixels. - one of its neighbors belonging to the component, or a seed pixel being added to the component. - one of its neighbors belonging to the component, or a seed pixel being added to the component. - repainted domain. - 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - neighbours and fill the mask with a value of 255. The following additional options occupy higher - bits and therefore may be further combined with the connectivity and mask fill values using - bit-wise or (|), see #FloodFillFlags. - - Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - pixel \((x+1, y+1)\) in the mask . - - SEE: findContours
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      blendLinear

      -
      public static void blendLinear(Mat src1, - Mat src2, - Mat weights1, - Mat weights2, - Mat dst)
      -
      variant without mask parameter
      -
      -
      Parameters:
      -
      src1 - automatically generated
      -
      src2 - automatically generated
      -
      weights1 - automatically generated
      -
      weights2 - automatically generated
      -
      dst - automatically generated
      -
      -
      -
      • -
    • -
      -

      cvtColor

      -
      public static void cvtColor(Mat src, - Mat dst, - int code, - int dstCn, - int hint)
      -
      Converts an image from one color space to another. - - The function converts an input image from one color space to another. In case of a transformation - to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - - The conventional ranges for R, G, and B channel values are: -
        -
      • - 0 to 255 for CV_8U images -
        • -
      • - 0 to 65535 for CV_16U images -
        • -
      • - 0 to 1 for CV_32F images -
        • -
      - - In case of linear transformations, the range does not matter. But in case of a non-linear - transformation, an input RGB image should be normalized to the proper value range to get the correct - results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - you need first to scale the image down: - - img *= 1./255; - cvtColor(img, img, COLOR_BGR2Luv); - - If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - applications, this will not be noticeable but it is recommended to use 32-bit images in applications - that need the full range of colors or that convert an image before an operation and then convert - back. - - If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F.
      -
      -
      Parameters:
      -
      src - input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - floating-point.
      -
      dst - output image of the same size and depth as src.
      -
      code - color space conversion code (see #ColorConversionCodes).
      -
      dstCn - number of channels in the destination image; if the parameter is 0, the number of the - channels is derived automatically from src and code.
      -
      hint - Implementation modfication flags. See #AlgorithmHint - - SEE: REF: imgproc_color_conversions
      -
      -
      -
      • -
    • -
      -

      cvtColor

      -
      public static void cvtColor(Mat src, - Mat dst, - int code, - int dstCn)
      -
      Converts an image from one color space to another. - - The function converts an input image from one color space to another. In case of a transformation - to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - - The conventional ranges for R, G, and B channel values are: -
        -
      • - 0 to 255 for CV_8U images -
        • -
      • - 0 to 65535 for CV_16U images -
        • -
      • - 0 to 1 for CV_32F images -
        • -
      - - In case of linear transformations, the range does not matter. But in case of a non-linear - transformation, an input RGB image should be normalized to the proper value range to get the correct - results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - you need first to scale the image down: - - img *= 1./255; - cvtColor(img, img, COLOR_BGR2Luv); - - If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - applications, this will not be noticeable but it is recommended to use 32-bit images in applications - that need the full range of colors or that convert an image before an operation and then convert - back. - - If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F.
      -
      -
      Parameters:
      -
      src - input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - floating-point.
      -
      dst - output image of the same size and depth as src.
      -
      code - color space conversion code (see #ColorConversionCodes).
      -
      dstCn - number of channels in the destination image; if the parameter is 0, the number of the - channels is derived automatically from src and code. - - SEE: REF: imgproc_color_conversions
      -
      -
      -
      • -
    • -
      -

      cvtColor

      -
      public static void cvtColor(Mat src, - Mat dst, - int code)
      -
      Converts an image from one color space to another. - - The function converts an input image from one color space to another. In case of a transformation - to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - - The conventional ranges for R, G, and B channel values are: -
        -
      • - 0 to 255 for CV_8U images -
        • -
      • - 0 to 65535 for CV_16U images -
        • -
      • - 0 to 1 for CV_32F images -
        • -
      - - In case of linear transformations, the range does not matter. But in case of a non-linear - transformation, an input RGB image should be normalized to the proper value range to get the correct - results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - you need first to scale the image down: - - img *= 1./255; - cvtColor(img, img, COLOR_BGR2Luv); - - If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - applications, this will not be noticeable but it is recommended to use 32-bit images in applications - that need the full range of colors or that convert an image before an operation and then convert - back. - - If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F.
      -
      -
      Parameters:
      -
      src - input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - floating-point.
      -
      dst - output image of the same size and depth as src.
      -
      code - color space conversion code (see #ColorConversionCodes). - channels is derived automatically from src and code. - - SEE: REF: imgproc_color_conversions
      -
      -
      -
      • -
    • -
      -

      cvtColorTwoPlane

      -
      public static void cvtColorTwoPlane(Mat src1, - Mat src2, - Mat dst, - int code, - int hint)
      -
      Converts an image from one color space to another where the source image is - stored in two planes. - - This function only supports YUV420 to RGB conversion as of now.
      -
      -
      Parameters:
      -
      src1 - 8-bit image (#CV_8U) of the Y plane.
      -
      src2 - image containing interleaved U/V plane.
      -
      dst - output image.
      -
      code - Specifies the type of conversion. It can take any of the following values: -
        -
      • - #COLOR_YUV2BGR_NV12 -
        • -
      • - #COLOR_YUV2RGB_NV12 -
        • -
      • - #COLOR_YUV2BGRA_NV12 -
        • -
      • - #COLOR_YUV2RGBA_NV12 -
        • -
      • - #COLOR_YUV2BGR_NV21 -
        • -
      • - #COLOR_YUV2RGB_NV21 -
        • -
      • - #COLOR_YUV2BGRA_NV21 -
        • -
      • - #COLOR_YUV2RGBA_NV21 -
        • -
      -
      hint - Implementation modfication flags. See #AlgorithmHint
      -
      -
      -
      • -
    • -
      -

      cvtColorTwoPlane

      -
      public static void cvtColorTwoPlane(Mat src1, - Mat src2, - Mat dst, - int code)
      -
      Converts an image from one color space to another where the source image is - stored in two planes. - - This function only supports YUV420 to RGB conversion as of now.
      -
      -
      Parameters:
      -
      src1 - 8-bit image (#CV_8U) of the Y plane.
      -
      src2 - image containing interleaved U/V plane.
      -
      dst - output image.
      -
      code - Specifies the type of conversion. It can take any of the following values: -
        -
      • - #COLOR_YUV2BGR_NV12 -
        • -
      • - #COLOR_YUV2RGB_NV12 -
        • -
      • - #COLOR_YUV2BGRA_NV12 -
        • -
      • - #COLOR_YUV2RGBA_NV12 -
        • -
      • - #COLOR_YUV2BGR_NV21 -
        • -
      • - #COLOR_YUV2RGB_NV21 -
        • -
      • - #COLOR_YUV2BGRA_NV21 -
        • -
      • - #COLOR_YUV2RGBA_NV21 -
        • -
      -
      -
      -
      • -
    • -
      -

      demosaicing

      -
      public static void demosaicing(Mat src, - Mat dst, - int code, - int dstCn)
      -
      main function for all demosaicing processes
      -
      -
      Parameters:
      -
      src - input image: 8-bit unsigned or 16-bit unsigned.
      -
      dst - output image of the same size and depth as src.
      -
      code - Color space conversion code (see the description below).
      -
      dstCn - number of channels in the destination image; if the parameter is 0, the number of the - channels is derived automatically from src and code. - - The function can do the following transformations: - -
        -
      • - Demosaicing using bilinear interpolation -
        • -
      - - #COLOR_BayerBG2BGR , #COLOR_BayerGB2BGR , #COLOR_BayerRG2BGR , #COLOR_BayerGR2BGR - - #COLOR_BayerBG2GRAY , #COLOR_BayerGB2GRAY , #COLOR_BayerRG2GRAY , #COLOR_BayerGR2GRAY - -
        -
      • - Demosaicing using Variable Number of Gradients. -
        • -
      - - #COLOR_BayerBG2BGR_VNG , #COLOR_BayerGB2BGR_VNG , #COLOR_BayerRG2BGR_VNG , #COLOR_BayerGR2BGR_VNG - -
        -
      • - Edge-Aware Demosaicing. -
        • -
      - - #COLOR_BayerBG2BGR_EA , #COLOR_BayerGB2BGR_EA , #COLOR_BayerRG2BGR_EA , #COLOR_BayerGR2BGR_EA - -
        -
      • - Demosaicing with alpha channel -
        • -
      - - #COLOR_BayerBG2BGRA , #COLOR_BayerGB2BGRA , #COLOR_BayerRG2BGRA , #COLOR_BayerGR2BGRA - - SEE: cvtColor
      -
      -
      -
      • -
    • -
      -

      demosaicing

      -
      public static void demosaicing(Mat src, - Mat dst, - int code)
      -
      main function for all demosaicing processes
      -
      -
      Parameters:
      -
      src - input image: 8-bit unsigned or 16-bit unsigned.
      -
      dst - output image of the same size and depth as src.
      -
      code - Color space conversion code (see the description below). - channels is derived automatically from src and code. - - The function can do the following transformations: - -
        -
      • - Demosaicing using bilinear interpolation -
        • -
      - - #COLOR_BayerBG2BGR , #COLOR_BayerGB2BGR , #COLOR_BayerRG2BGR , #COLOR_BayerGR2BGR - - #COLOR_BayerBG2GRAY , #COLOR_BayerGB2GRAY , #COLOR_BayerRG2GRAY , #COLOR_BayerGR2GRAY - -
        -
      • - Demosaicing using Variable Number of Gradients. -
        • -
      - - #COLOR_BayerBG2BGR_VNG , #COLOR_BayerGB2BGR_VNG , #COLOR_BayerRG2BGR_VNG , #COLOR_BayerGR2BGR_VNG - -
        -
      • - Edge-Aware Demosaicing. -
        • -
      - - #COLOR_BayerBG2BGR_EA , #COLOR_BayerGB2BGR_EA , #COLOR_BayerRG2BGR_EA , #COLOR_BayerGR2BGR_EA - -
        -
      • - Demosaicing with alpha channel -
        • -
      - - #COLOR_BayerBG2BGRA , #COLOR_BayerGB2BGRA , #COLOR_BayerRG2BGRA , #COLOR_BayerGR2BGRA - - SEE: cvtColor
      -
      -
      -
      • -
    • -
      -

      moments

      -
      public static Moments moments(Mat array, - boolean binaryImage)
      -
      Calculates all of the moments up to the third order of a polygon or rasterized shape. - - The function computes moments, up to the 3rd order, of a vector shape or a rasterized shape. The - results are returned in the structure cv::Moments.
      -
      -
      Parameters:
      -
      array - Single chanel raster image (CV_8U, CV_16U, CV_16S, CV_32F, CV_64F) or an array ( - \(1 \times N\) or \(N \times 1\) ) of 2D points (Point or Point2f).
      -
      binaryImage - If it is true, all non-zero image pixels are treated as 1's. The parameter is - used for images only.
      -
      Returns:
      -
      moments. - - Note: Only applicable to contour moments calculations from Python bindings: Note that the numpy - type for the input array should be either np.int32 or np.float32. - - SEE: contourArea, arcLength
      -
      -
      -
      • -
    • -
      -

      moments

      -
      public static Moments moments(Mat array)
      -
      Calculates all of the moments up to the third order of a polygon or rasterized shape. - - The function computes moments, up to the 3rd order, of a vector shape or a rasterized shape. The - results are returned in the structure cv::Moments.
      -
      -
      Parameters:
      -
      array - Single chanel raster image (CV_8U, CV_16U, CV_16S, CV_32F, CV_64F) or an array ( - \(1 \times N\) or \(N \times 1\) ) of 2D points (Point or Point2f). - used for images only.
      -
      Returns:
      -
      moments. - - Note: Only applicable to contour moments calculations from Python bindings: Note that the numpy - type for the input array should be either np.int32 or np.float32. - - SEE: contourArea, arcLength
      -
      -
      -
      • -
    • -
      -

      HuMoments

      -
      public static void HuMoments(Moments m, - Mat hu)
      -
      -
      • -
    • -
      -

      matchTemplate

      -
      public static void matchTemplate(Mat image, - Mat templ, - Mat result, - int method, - Mat mask)
      -
      Compares a template against overlapped image regions. - - The function slides through image , compares the overlapped patches of size \(w \times h\) against - templ using the specified method and stores the comparison results in result . #TemplateMatchModes - describes the formulae for the available comparison methods ( \(I\) denotes image, \(T\) - template, \(R\) result, \(M\) the optional mask ). The summation is done over template and/or - the image patch: \(x' = 0...w-1, y' = 0...h-1\) - - After the function finishes the comparison, the best matches can be found as global minimums (when - #TM_SQDIFF was used) or maximums (when #TM_CCORR or #TM_CCOEFF was used) using the - #minMaxLoc function. In case of a color image, template summation in the numerator and each sum in - the denominator is done over all of the channels and separate mean values are used for each channel. - That is, the function can take a color template and a color image. The result will still be a - single-channel image, which is easier to analyze.
      -
      -
      Parameters:
      -
      image - Image where the search is running. It must be 8-bit or 32-bit floating-point.
      -
      templ - Searched template. It must be not greater than the source image and have the same - data type.
      -
      result - Map of comparison results. It must be single-channel 32-bit floating-point. If image - is \(W \times H\) and templ is \(w \times h\) , then result is \((W-w+1) \times (H-h+1)\) .
      -
      method - Parameter specifying the comparison method, see #TemplateMatchModes
      -
      mask - Optional mask. It must have the same size as templ. It must either have the same number - of channels as template or only one channel, which is then used for all template and - image channels. If the data type is #CV_8U, the mask is interpreted as a binary mask, - meaning only elements where mask is nonzero are used and are kept unchanged independent - of the actual mask value (weight equals 1). For data type #CV_32F, the mask values are - used as weights. The exact formulas are documented in #TemplateMatchModes.
      -
      -
      -
      • -
    • -
      -

      matchTemplate

      -
      public static void matchTemplate(Mat image, - Mat templ, - Mat result, - int method)
      -
      Compares a template against overlapped image regions. - - The function slides through image , compares the overlapped patches of size \(w \times h\) against - templ using the specified method and stores the comparison results in result . #TemplateMatchModes - describes the formulae for the available comparison methods ( \(I\) denotes image, \(T\) - template, \(R\) result, \(M\) the optional mask ). The summation is done over template and/or - the image patch: \(x' = 0...w-1, y' = 0...h-1\) - - After the function finishes the comparison, the best matches can be found as global minimums (when - #TM_SQDIFF was used) or maximums (when #TM_CCORR or #TM_CCOEFF was used) using the - #minMaxLoc function. In case of a color image, template summation in the numerator and each sum in - the denominator is done over all of the channels and separate mean values are used for each channel. - That is, the function can take a color template and a color image. The result will still be a - single-channel image, which is easier to analyze.
      -
      -
      Parameters:
      -
      image - Image where the search is running. It must be 8-bit or 32-bit floating-point.
      -
      templ - Searched template. It must be not greater than the source image and have the same - data type.
      -
      result - Map of comparison results. It must be single-channel 32-bit floating-point. If image - is \(W \times H\) and templ is \(w \times h\) , then result is \((W-w+1) \times (H-h+1)\) .
      -
      method - Parameter specifying the comparison method, see #TemplateMatchModes - of channels as template or only one channel, which is then used for all template and - image channels. If the data type is #CV_8U, the mask is interpreted as a binary mask, - meaning only elements where mask is nonzero are used and are kept unchanged independent - of the actual mask value (weight equals 1). For data type #CV_32F, the mask values are - used as weights. The exact formulas are documented in #TemplateMatchModes.
      -
      -
      -
      • -
    • -
      -

      connectedComponentsWithAlgorithm

      -
      public static int connectedComponentsWithAlgorithm(Mat image, - Mat labels, - int connectivity, - int ltype, - int ccltype)
      -
      computes the connected components labeled image of boolean image - - image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - represents the background label. ltype specifies the output label image type, an important - consideration based on the total number of labels or alternatively the total number of pixels in - the source image. ccltype specifies the connected components labeling algorithm to use, currently - Bolelli (Spaghetti) CITE: Bolelli2019, Grana (BBDT) CITE: Grana2010 and Wu's (SAUF) CITE: Wu2009 algorithms - are supported, see the #ConnectedComponentsAlgorithmsTypes for details. Note that SAUF algorithm forces - a row major ordering of labels while Spaghetti and BBDT do not. - This function uses parallel version of the algorithms if at least one allowed - parallel framework is enabled and if the rows of the image are at least twice the number returned by #getNumberOfCPUs.
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      ltype - output image label type. Currently CV_32S and CV_16U are supported.
      -
      ccltype - connected components algorithm type (see the #ConnectedComponentsAlgorithmsTypes).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponents

      -
      public static int connectedComponents(Mat image, - Mat labels, - int connectivity, - int ltype)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      ltype - output image label type. Currently CV_32S and CV_16U are supported.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponents

      -
      public static int connectedComponents(Mat image, - Mat labels, - int connectivity)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponents

      -
      public static int connectedComponents(Mat image, - Mat labels)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponentsWithStatsWithAlgorithm

      -
      public static int connectedComponentsWithStatsWithAlgorithm(Mat image, - Mat labels, - Mat stats, - Mat centroids, - int connectivity, - int ltype, - int ccltype)
      -
      computes the connected components labeled image of boolean image and also produces a statistics output for each label - - image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - represents the background label. ltype specifies the output label image type, an important - consideration based on the total number of labels or alternatively the total number of pixels in - the source image. ccltype specifies the connected components labeling algorithm to use, currently - Bolelli (Spaghetti) CITE: Bolelli2019, Grana (BBDT) CITE: Grana2010 and Wu's (SAUF) CITE: Wu2009 algorithms - are supported, see the #ConnectedComponentsAlgorithmsTypes for details. Note that SAUF algorithm forces - a row major ordering of labels while Spaghetti and BBDT do not. - This function uses parallel version of the algorithms (statistics included) if at least one allowed - parallel framework is enabled and if the rows of the image are at least twice the number returned by #getNumberOfCPUs.
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      stats - statistics output for each label, including the background label. - Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S.
      -
      centroids - centroid output for each label, including the background label. Centroids are - accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F.
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      ltype - output image label type. Currently CV_32S and CV_16U are supported.
      -
      ccltype - connected components algorithm type (see #ConnectedComponentsAlgorithmsTypes).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponentsWithStats

      -
      public static int connectedComponentsWithStats(Mat image, - Mat labels, - Mat stats, - Mat centroids, - int connectivity, - int ltype)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      stats - statistics output for each label, including the background label. - Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S.
      -
      centroids - centroid output for each label, including the background label. Centroids are - accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F.
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      ltype - output image label type. Currently CV_32S and CV_16U are supported.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponentsWithStats

      -
      public static int connectedComponentsWithStats(Mat image, - Mat labels, - Mat stats, - Mat centroids, - int connectivity)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      stats - statistics output for each label, including the background label. - Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S.
      -
      centroids - centroid output for each label, including the background label. Centroids are - accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F.
      -
      connectivity - 8 or 4 for 8-way or 4-way connectivity respectively
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      connectedComponentsWithStats

      -
      public static int connectedComponentsWithStats(Mat image, - Mat labels, - Mat stats, - Mat centroids)
      -
      -
      Parameters:
      -
      image - the 8-bit single-channel image to be labeled
      -
      labels - destination labeled image
      -
      stats - statistics output for each label, including the background label. - Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S.
      -
      centroids - centroid output for each label, including the background label. Centroids are - accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findContours

      -
      public static void findContours(Mat image, - List<MatOfPoint> contours, - Mat hierarchy, - int mode, - int method, - Point offset)
      -
      Finds contours in a binary image. - - The function retrieves contours from the binary image using the algorithm CITE: Suzuki85 . The contours - are a useful tool for shape analysis and object detection and recognition. See squares.cpp in the - OpenCV sample directory. - Note: Since opencv 3.2 source image is not modified by this function.
      -
      -
      Parameters:
      -
      image - Source, an 8-bit single-channel image. Non-zero pixels are treated as 1's. Zero - pixels remain 0's, so the image is treated as binary . You can use #compare, #inRange, #threshold , - #adaptiveThreshold, #Canny, and others to create a binary image out of a grayscale or color one. - If mode equals to #RETR_CCOMP or #RETR_FLOODFILL, the input can also be a 32-bit integer image of labels (CV_32SC1).
      -
      contours - Detected contours. Each contour is stored as a vector of points (e.g. - std::vector<std::vector<cv::Point> >).
      -
      hierarchy - Optional output vector (e.g. std::vector<cv::Vec4i>), containing information about the image topology. It has - as many elements as the number of contours. For each i-th contour contours[i], the elements - hierarchy[i][0] , hierarchy[i][1] , hierarchy[i][2] , and hierarchy[i][3] are set to 0-based indices - in contours of the next and previous contours at the same hierarchical level, the first child - contour and the parent contour, respectively. If for the contour i there are no next, previous, - parent, or nested contours, the corresponding elements of hierarchy[i] will be negative. - Note: In Python, hierarchy is nested inside a top level array. Use hierarchy[0][i] to access hierarchical elements of i-th contour.
      -
      mode - Contour retrieval mode, see #RetrievalModes
      -
      method - Contour approximation method, see #ContourApproximationModes
      -
      offset - Optional offset by which every contour point is shifted. This is useful if the - contours are extracted from the image ROI and then they should be analyzed in the whole image - context.
      -
      -
      -
      • -
    • -
      -

      findContours

      -
      public static void findContours(Mat image, - List<MatOfPoint> contours, - Mat hierarchy, - int mode, - int method)
      -
      Finds contours in a binary image. - - The function retrieves contours from the binary image using the algorithm CITE: Suzuki85 . The contours - are a useful tool for shape analysis and object detection and recognition. See squares.cpp in the - OpenCV sample directory. - Note: Since opencv 3.2 source image is not modified by this function.
      -
      -
      Parameters:
      -
      image - Source, an 8-bit single-channel image. Non-zero pixels are treated as 1's. Zero - pixels remain 0's, so the image is treated as binary . You can use #compare, #inRange, #threshold , - #adaptiveThreshold, #Canny, and others to create a binary image out of a grayscale or color one. - If mode equals to #RETR_CCOMP or #RETR_FLOODFILL, the input can also be a 32-bit integer image of labels (CV_32SC1).
      -
      contours - Detected contours. Each contour is stored as a vector of points (e.g. - std::vector<std::vector<cv::Point> >).
      -
      hierarchy - Optional output vector (e.g. std::vector<cv::Vec4i>), containing information about the image topology. It has - as many elements as the number of contours. For each i-th contour contours[i], the elements - hierarchy[i][0] , hierarchy[i][1] , hierarchy[i][2] , and hierarchy[i][3] are set to 0-based indices - in contours of the next and previous contours at the same hierarchical level, the first child - contour and the parent contour, respectively. If for the contour i there are no next, previous, - parent, or nested contours, the corresponding elements of hierarchy[i] will be negative. - Note: In Python, hierarchy is nested inside a top level array. Use hierarchy[0][i] to access hierarchical elements of i-th contour.
      -
      mode - Contour retrieval mode, see #RetrievalModes
      -
      method - Contour approximation method, see #ContourApproximationModes - contours are extracted from the image ROI and then they should be analyzed in the whole image - context.
      -
      -
      -
      • -
    • -
      -

      findContoursLinkRuns

      -
      public static void findContoursLinkRuns(Mat image, - List<Mat> contours, - Mat hierarchy)
      -
      -
      • -
    • -
      -

      findContoursLinkRuns

      -
      public static void findContoursLinkRuns(Mat image, - List<Mat> contours)
      -
      -
      • -
    • -
      -

      approxPolyDP

      -
      public static void approxPolyDP(MatOfPoint2f curve, - MatOfPoint2f approxCurve, - double epsilon, - boolean closed)
      -
      Approximates a polygonal curve(s) with the specified precision. - - The function cv::approxPolyDP approximates a curve or a polygon with another curve/polygon with less - vertices so that the distance between them is less or equal to the specified precision. It uses the - Douglas-Peucker algorithm <https://en.wikipedia.org/wiki/Ramer-Douglas-Peucker_algorithm>
      -
      -
      Parameters:
      -
      curve - Input vector of a 2D point stored in std::vector or Mat
      -
      approxCurve - Result of the approximation. The type should match the type of the input curve.
      -
      epsilon - Parameter specifying the approximation accuracy. This is the maximum distance - between the original curve and its approximation.
      -
      closed - If true, the approximated curve is closed (its first and last vertices are - connected). Otherwise, it is not closed.
      -
      -
      -
      • -
    • -
      -

      approxPolyN

      -
      public static void approxPolyN(Mat curve, - Mat approxCurve, - int nsides, - float epsilon_percentage, - boolean ensure_convex)
      -
      Approximates a polygon with a convex hull with a specified accuracy and number of sides. - - The cv::approxPolyN function approximates a polygon with a convex hull - so that the difference between the contour area of the original contour and the new polygon is minimal. - It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - Each vertex will lie either on the original contour or outside it. - - The algorithm based on the paper CITE: LowIlie2003 .
      -
      -
      Parameters:
      -
      curve - Input vector of a 2D points stored in std::vector or Mat, points must be float or integer.
      -
      approxCurve - Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat.
      -
      nsides - The parameter defines the number of sides of the result polygon.
      -
      epsilon_percentage - defines the percentage of the maximum of additional area. - If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded.
      -
      ensure_convex - If it is true, algorithm creates a convex hull of input contour. Otherwise input vector should be convex.
      -
      -
      -
      • -
    • -
      -

      approxPolyN

      -
      public static void approxPolyN(Mat curve, - Mat approxCurve, - int nsides, - float epsilon_percentage)
      -
      Approximates a polygon with a convex hull with a specified accuracy and number of sides. - - The cv::approxPolyN function approximates a polygon with a convex hull - so that the difference between the contour area of the original contour and the new polygon is minimal. - It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - Each vertex will lie either on the original contour or outside it. - - The algorithm based on the paper CITE: LowIlie2003 .
      -
      -
      Parameters:
      -
      curve - Input vector of a 2D points stored in std::vector or Mat, points must be float or integer.
      -
      approxCurve - Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat.
      -
      nsides - The parameter defines the number of sides of the result polygon.
      -
      epsilon_percentage - defines the percentage of the maximum of additional area. - If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded.
      -
      -
      -
      • -
    • -
      -

      approxPolyN

      -
      public static void approxPolyN(Mat curve, - Mat approxCurve, - int nsides)
      -
      Approximates a polygon with a convex hull with a specified accuracy and number of sides. - - The cv::approxPolyN function approximates a polygon with a convex hull - so that the difference between the contour area of the original contour and the new polygon is minimal. - It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - Each vertex will lie either on the original contour or outside it. - - The algorithm based on the paper CITE: LowIlie2003 .
      -
      -
      Parameters:
      -
      curve - Input vector of a 2D points stored in std::vector or Mat, points must be float or integer.
      -
      approxCurve - Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat.
      -
      nsides - The parameter defines the number of sides of the result polygon. - If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded.
      -
      -
      -
      • -
    • -
      -

      arcLength

      -
      public static double arcLength(MatOfPoint2f curve, - boolean closed)
      -
      Calculates a contour perimeter or a curve length. - - The function computes a curve length or a closed contour perimeter.
      -
      -
      Parameters:
      -
      curve - Input vector of 2D points, stored in std::vector or Mat.
      -
      closed - Flag indicating whether the curve is closed or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      boundingRect

      -
      public static Rect boundingRect(Mat array)
      -
      Calculates the up-right bounding rectangle of a point set or non-zero pixels of gray-scale image. - - The function calculates and returns the minimal up-right bounding rectangle for the specified point set or - non-zero pixels of gray-scale image.
      -
      -
      Parameters:
      -
      array - Input gray-scale image or 2D point set, stored in std::vector or Mat.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      contourArea

      -
      public static double contourArea(Mat contour, - boolean oriented)
      -
      Calculates a contour area. - - The function computes a contour area. Similarly to moments , the area is computed using the Green - formula. Thus, the returned area and the number of non-zero pixels, if you draw the contour using - #drawContours or #fillPoly , can be different. Also, the function will most certainly give a wrong - results for contours with self-intersections. - - Example: - - vector<Point> contour; - contour.push_back(Point2f(0, 0)); - contour.push_back(Point2f(10, 0)); - contour.push_back(Point2f(10, 10)); - contour.push_back(Point2f(5, 4)); - - double area0 = contourArea(contour); - vector<Point> approx; - approxPolyDP(contour, approx, 5, true); - double area1 = contourArea(approx); - - cout << "area0 =" << area0 << endl << - "area1 =" << area1 << endl << - "approx poly vertices" << approx.size() << endl; -
      -
      -
      Parameters:
      -
      contour - Input vector of 2D points (contour vertices), stored in std::vector or Mat.
      -
      oriented - Oriented area flag. If it is true, the function returns a signed area value, - depending on the contour orientation (clockwise or counter-clockwise). Using this feature you can - determine orientation of a contour by taking the sign of an area. By default, the parameter is - false, which means that the absolute value is returned.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      contourArea

      -
      public static double contourArea(Mat contour)
      -
      Calculates a contour area. - - The function computes a contour area. Similarly to moments , the area is computed using the Green - formula. Thus, the returned area and the number of non-zero pixels, if you draw the contour using - #drawContours or #fillPoly , can be different. Also, the function will most certainly give a wrong - results for contours with self-intersections. - - Example: - - vector<Point> contour; - contour.push_back(Point2f(0, 0)); - contour.push_back(Point2f(10, 0)); - contour.push_back(Point2f(10, 10)); - contour.push_back(Point2f(5, 4)); - - double area0 = contourArea(contour); - vector<Point> approx; - approxPolyDP(contour, approx, 5, true); - double area1 = contourArea(approx); - - cout << "area0 =" << area0 << endl << - "area1 =" << area1 << endl << - "approx poly vertices" << approx.size() << endl; -
      -
      -
      Parameters:
      -
      contour - Input vector of 2D points (contour vertices), stored in std::vector or Mat. - depending on the contour orientation (clockwise or counter-clockwise). Using this feature you can - determine orientation of a contour by taking the sign of an area. By default, the parameter is - false, which means that the absolute value is returned.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      minAreaRect

      -
      public static RotatedRect minAreaRect(MatOfPoint2f points)
      -
      Finds a rotated rectangle of the minimum area enclosing the input 2D point set. - - The function calculates and returns the minimum-area bounding rectangle (possibly rotated) for a - specified point set. The angle of rotation represents the angle between the line connecting the starting - and ending points (based on the clockwise order with greatest index for the corner with greatest \(y\)) - and the horizontal axis. This angle always falls between \([-90, 0)\) because, if the object - rotates more than a rect angle, the next edge is used to measure the angle. The starting and ending points change - as the object rotates.Developer should keep in mind that the returned RotatedRect can contain negative - indices when data is close to the containing Mat element boundary.
      -
      -
      Parameters:
      -
      points - Input vector of 2D points, stored in std::vector<> or Mat
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      boxPoints

      -
      public static void boxPoints(RotatedRect box, - Mat points)
      -
      Finds the four vertices of a rotated rect. Useful to draw the rotated rectangle. - - The function finds the four vertices of a rotated rectangle. The four vertices are returned - in clockwise order starting from the point with greatest \(y\). If two points have the - same \(y\) coordinate the rightmost is the starting point. This function is useful to draw the - rectangle. In C++, instead of using this function, you can directly use RotatedRect::points method. Please - visit the REF: tutorial_bounding_rotated_ellipses "tutorial on Creating Bounding rotated boxes and ellipses for contours" for more information.
      -
      -
      Parameters:
      -
      box - The input rotated rectangle. It may be the output of REF: minAreaRect.
      -
      points - The output array of four vertices of rectangles.
      -
      -
      -
      • -
    • -
      -

      minEnclosingCircle

      -
      public static void minEnclosingCircle(MatOfPoint2f points, - Point center, - float[] radius)
      -
      Finds a circle of the minimum area enclosing a 2D point set. - - The function finds the minimal enclosing circle of a 2D point set using an iterative algorithm.
      -
      -
      Parameters:
      -
      points - Input vector of 2D points, stored in std::vector<> or Mat
      -
      center - Output center of the circle.
      -
      radius - Output radius of the circle.
      -
      -
      -
      • -
    • -
      -

      minEnclosingTriangle

      -
      public static double minEnclosingTriangle(Mat points, - Mat triangle)
      -
      Finds a triangle of minimum area enclosing a 2D point set and returns its area. - - The function finds a triangle of minimum area enclosing the given set of 2D points and returns its - area. The output for a given 2D point set is shown in the image below. 2D points are depicted in - red* and the enclosing triangle in *yellow*. - - ![Sample output of the minimum enclosing triangle function](pics/minenclosingtriangle.png) - - The implementation of the algorithm is based on O'Rourke's CITE: ORourke86 and Klee and Laskowski's - CITE: KleeLaskowski85 papers. O'Rourke provides a \(\theta(n)\) algorithm for finding the minimal - enclosing triangle of a 2D convex polygon with n vertices. Since the #minEnclosingTriangle function - takes a 2D point set as input an additional preprocessing step of computing the convex hull of the - 2D point set is required. The complexity of the #convexHull function is \(O(n log(n))\) which is higher - than \(\theta(n)\). Thus the overall complexity of the function is \(O(n log(n))\).
      -
      -
      Parameters:
      -
      points - Input vector of 2D points with depth CV_32S or CV_32F, stored in std::vector<> or Mat
      -
      triangle - Output vector of three 2D points defining the vertices of the triangle. The depth - of the OutputArray must be CV_32F.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      matchShapes

      -
      public static double matchShapes(Mat contour1, - Mat contour2, - int method, - double parameter)
      -
      Compares two shapes. - - The function compares two shapes. All three implemented methods use the Hu invariants (see #HuMoments)
      -
      -
      Parameters:
      -
      contour1 - First contour or grayscale image.
      -
      contour2 - Second contour or grayscale image.
      -
      method - Comparison method, see #ShapeMatchModes
      -
      parameter - Method-specific parameter (not supported now).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      convexHull

      -
      public static void convexHull(MatOfPoint points, - MatOfInt hull, - boolean clockwise)
      -
      Finds the convex hull of a point set. - - The function cv::convexHull finds the convex hull of a 2D point set using the Sklansky's algorithm CITE: Sklansky82 - that has *O(N logN)* complexity in the current implementation.
      -
      -
      Parameters:
      -
      points - Input 2D point set, stored in std::vector or Mat.
      -
      hull - Output convex hull. It is either an integer vector of indices or vector of points. In - the first case, the hull elements are 0-based indices of the convex hull points in the original - array (since the set of convex hull points is a subset of the original point set). In the second - case, hull elements are the convex hull points themselves.
      -
      clockwise - Orientation flag. If it is true, the output convex hull is oriented clockwise. - Otherwise, it is oriented counter-clockwise. The assumed coordinate system has its X axis pointing - to the right, and its Y axis pointing upwards. - returns convex hull points. Otherwise, it returns indices of the convex hull points. When the - output array is std::vector, the flag is ignored, and the output depends on the type of the - vector: std::vector<int> implies returnPoints=false, std::vector<Point> implies - returnPoints=true. - - Note: points and hull should be different arrays, inplace processing isn't supported. - - Check REF: tutorial_hull "the corresponding tutorial" for more details. - - useful links: - - https://www.learnopencv.com/convex-hull-using-opencv-in-python-and-c/
      -
      -
      -
      • -
    • -
      -

      convexHull

      -
      public static void convexHull(MatOfPoint points, - MatOfInt hull)
      -
      Finds the convex hull of a point set. - - The function cv::convexHull finds the convex hull of a 2D point set using the Sklansky's algorithm CITE: Sklansky82 - that has *O(N logN)* complexity in the current implementation.
      -
      -
      Parameters:
      -
      points - Input 2D point set, stored in std::vector or Mat.
      -
      hull - Output convex hull. It is either an integer vector of indices or vector of points. In - the first case, the hull elements are 0-based indices of the convex hull points in the original - array (since the set of convex hull points is a subset of the original point set). In the second - case, hull elements are the convex hull points themselves. - Otherwise, it is oriented counter-clockwise. The assumed coordinate system has its X axis pointing - to the right, and its Y axis pointing upwards. - returns convex hull points. Otherwise, it returns indices of the convex hull points. When the - output array is std::vector, the flag is ignored, and the output depends on the type of the - vector: std::vector<int> implies returnPoints=false, std::vector<Point> implies - returnPoints=true. - - Note: points and hull should be different arrays, inplace processing isn't supported. - - Check REF: tutorial_hull "the corresponding tutorial" for more details. - - useful links: - - https://www.learnopencv.com/convex-hull-using-opencv-in-python-and-c/
      -
      -
      -
      • -
    • -
      -

      convexityDefects

      -
      public static void convexityDefects(MatOfPoint contour, - MatOfInt convexhull, - MatOfInt4 convexityDefects)
      -
      Finds the convexity defects of a contour. - - The figure below displays convexity defects of a hand contour: - - ![image](pics/defects.png)
      -
      -
      Parameters:
      -
      contour - Input contour.
      -
      convexhull - Convex hull obtained using convexHull that should contain indices of the contour - points that make the hull.
      -
      convexityDefects - The output vector of convexity defects. In C++ and the new Python/Java - interface each convexity defect is represented as 4-element integer vector (a.k.a. #Vec4i): - (start_index, end_index, farthest_pt_index, fixpt_depth), where indices are 0-based indices - in the original contour of the convexity defect beginning, end and the farthest point, and - fixpt_depth is fixed-point approximation (with 8 fractional bits) of the distance between the - farthest contour point and the hull. That is, to get the floating-point value of the depth will be - fixpt_depth/256.0.
      -
      -
      -
      • -
    • -
      -

      isContourConvex

      -
      public static boolean isContourConvex(MatOfPoint contour)
      -
      Tests a contour convexity. - - The function tests whether the input contour is convex or not. The contour must be simple, that is, - without self-intersections. Otherwise, the function output is undefined.
      -
      -
      Parameters:
      -
      contour - Input vector of 2D points, stored in std::vector<> or Mat
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      intersectConvexConvex

      -
      public static float intersectConvexConvex(Mat p1, - Mat p2, - Mat p12, - boolean handleNested)
      -
      Finds intersection of two convex polygons
      -
      -
      Parameters:
      -
      p1 - First polygon
      -
      p2 - Second polygon
      -
      p12 - Output polygon describing the intersecting area
      -
      handleNested - When true, an intersection is found if one of the polygons is fully enclosed in the other. - When false, no intersection is found. If the polygons share a side or the vertex of one polygon lies on an edge - of the other, they are not considered nested and an intersection will be found regardless of the value of handleNested.
      -
      Returns:
      -
      Area of intersecting polygon. May be negative, if algorithm has not converged, e.g. non-convex input. - - Note: intersectConvexConvex doesn't confirm that both polygons are convex and will return invalid results if they aren't.
      -
      -
      -
      • -
    • -
      -

      intersectConvexConvex

      -
      public static float intersectConvexConvex(Mat p1, - Mat p2, - Mat p12)
      -
      Finds intersection of two convex polygons
      -
      -
      Parameters:
      -
      p1 - First polygon
      -
      p2 - Second polygon
      -
      p12 - Output polygon describing the intersecting area - When false, no intersection is found. If the polygons share a side or the vertex of one polygon lies on an edge - of the other, they are not considered nested and an intersection will be found regardless of the value of handleNested.
      -
      Returns:
      -
      Area of intersecting polygon. May be negative, if algorithm has not converged, e.g. non-convex input. - - Note: intersectConvexConvex doesn't confirm that both polygons are convex and will return invalid results if they aren't.
      -
      -
      -
      • -
    • -
      -

      fitEllipse

      -
      public static RotatedRect fitEllipse(MatOfPoint2f points)
      -
      Fits an ellipse around a set of 2D points. - - The function calculates the ellipse that fits (in a least-squares sense) a set of 2D points best of - all. It returns the rotated rectangle in which the ellipse is inscribed. The first algorithm described by CITE: Fitzgibbon95 - is used. Developer should keep in mind that it is possible that the returned - ellipse/rotatedRect data contains negative indices, due to the data points being close to the - border of the containing Mat element.
      -
      -
      Parameters:
      -
      points - Input 2D point set, stored in std::vector<> or Mat - - Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fitEllipseAMS

      -
      public static RotatedRect fitEllipseAMS(Mat points)
      -
      Fits an ellipse around a set of 2D points. - - The function calculates the ellipse that fits a set of 2D points. - It returns the rotated rectangle in which the ellipse is inscribed. - The Approximate Mean Square (AMS) proposed by CITE: Taubin1991 is used. - - For an ellipse, this basis set is \( \chi= \left(x^2, x y, y^2, x, y, 1\right) \), - which is a set of six free coefficients \( A^T=\left\{A_{\text{xx}},A_{\text{xy}},A_{\text{yy}},A_x,A_y,A_0\right\} \). - However, to specify an ellipse, all that is needed is five numbers; the major and minor axes lengths \( (a,b) \), - the position \( (x_0,y_0) \), and the orientation \( \theta \). This is because the basis set includes lines, - quadratics, parabolic and hyperbolic functions as well as elliptical functions as possible fits. - If the fit is found to be a parabolic or hyperbolic function then the standard #fitEllipse method is used. - The AMS method restricts the fit to parabolic, hyperbolic and elliptical curves - by imposing the condition that \( A^T ( D_x^T D_x + D_y^T D_y) A = 1 \) where - the matrices \( Dx \) and \( Dy \) are the partial derivatives of the design matrix \( D \) with - respect to x and y. The matrices are formed row by row applying the following to - each of the points in the set: - \(align*}{ - D(i,:)&=\left\{x_i^2, x_i y_i, y_i^2, x_i, y_i, 1\right\} & - D_x(i,:)&=\left\{2 x_i,y_i,0,1,0,0\right\} & - D_y(i,:)&=\left\{0,x_i,2 y_i,0,1,0\right\} - \) - The AMS method minimizes the cost function - \(equation*}{ - \epsilon ^2=\frac{ A^T D^T D A }{ A^T (D_x^T D_x + D_y^T D_y) A^T } - \) - - The minimum cost is found by solving the generalized eigenvalue problem. - - \(equation*}{ - D^T D A = \lambda \left( D_x^T D_x + D_y^T D_y\right) A - \)
      -
      -
      Parameters:
      -
      points - Input 2D point set, stored in std::vector<> or Mat - - Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      fitEllipseDirect

      -
      public static RotatedRect fitEllipseDirect(Mat points)
      -
      Fits an ellipse around a set of 2D points. - - The function calculates the ellipse that fits a set of 2D points. - It returns the rotated rectangle in which the ellipse is inscribed. - The Direct least square (Direct) method by CITE: oy1998NumericallySD is used. - - For an ellipse, this basis set is \( \chi= \left(x^2, x y, y^2, x, y, 1\right) \), - which is a set of six free coefficients \( A^T=\left\{A_{\text{xx}},A_{\text{xy}},A_{\text{yy}},A_x,A_y,A_0\right\} \). - However, to specify an ellipse, all that is needed is five numbers; the major and minor axes lengths \( (a,b) \), - the position \( (x_0,y_0) \), and the orientation \( \theta \). This is because the basis set includes lines, - quadratics, parabolic and hyperbolic functions as well as elliptical functions as possible fits. - The Direct method confines the fit to ellipses by ensuring that \( 4 A_{xx} A_{yy}- A_{xy}^2 > 0 \). - The condition imposed is that \( 4 A_{xx} A_{yy}- A_{xy}^2=1 \) which satisfies the inequality - and as the coefficients can be arbitrarily scaled is not overly restrictive. - - \(equation*}{ - \epsilon ^2= A^T D^T D A \quad \text{with} \quad A^T C A =1 \quad \text{and} \quad C=\left(\begin{matrix} - 0 & 0 & 2 & 0 & 0 & 0 \\ - 0 & -1 & 0 & 0 & 0 & 0 \\ - 2 & 0 & 0 & 0 & 0 & 0 \\ - 0 & 0 & 0 & 0 & 0 & 0 \\ - 0 & 0 & 0 & 0 & 0 & 0 \\ - 0 & 0 & 0 & 0 & 0 & 0 - \end{matrix} \right) - \) - - The minimum cost is found by solving the generalized eigenvalue problem. - - \(equation*}{ - D^T D A = \lambda \left( C\right) A - \) - - The system produces only one positive eigenvalue \( \lambda\) which is chosen as the solution - with its eigenvector \(\mathbf{u}\). These are used to find the coefficients - - \(equation*}{ - A = \sqrt{\frac{1}{\mathbf{u}^T C \mathbf{u}}} \mathbf{u} - \) - The scaling factor guarantees that \(A^T C A =1\).
      -
      -
      Parameters:
      -
      points - Input 2D point set, stored in std::vector<> or Mat - - Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getClosestEllipsePoints

      -
      public static void getClosestEllipsePoints(RotatedRect ellipse_params, - Mat points, - Mat closest_pts)
      -
      Compute for each 2d point the nearest 2d point located on a given ellipse. - - The function computes the nearest 2d location on a given ellipse for a vector of 2d points and is based on CITE: Chatfield2017 code. - This function can be used to compute for instance the ellipse fitting error.
      -
      -
      Parameters:
      -
      ellipse_params - Ellipse parameters
      -
      points - Input 2d points
      -
      closest_pts - For each 2d point, their corresponding closest 2d point located on a given ellipse - - Note: Input point types are REF: Point2i or REF: Point2f - SEE: fitEllipse, fitEllipseAMS, fitEllipseDirect
      -
      -
      -
      • -
    • -
      -

      fitLine

      -
      public static void fitLine(Mat points, - Mat line, - int distType, - double param, - double reps, - double aeps)
      -
      Fits a line to a 2D or 3D point set. - - The function fitLine fits a line to a 2D or 3D point set by minimizing \(\sum_i \rho(r_i)\) where - \(r_i\) is a distance between the \(i^{th}\) point, the line and \(\rho(r)\) is a distance function, one - of the following: -
        -
      • - DIST_L2 - \(\rho (r) = r^2/2 \quad \text{(the simplest and the fastest least-squares method)}\) -
        • -
      • - DIST_L1 - \(\rho (r) = r\) -
        • -
      • - DIST_L12 - \(\rho (r) = 2 \cdot ( \sqrt{1 + \frac{r^2}{2}} - 1)\) -
        • -
      • - DIST_FAIR - \(\rho \left (r \right ) = C^2 \cdot \left ( \frac{r}{C} - \log{\left(1 + \frac{r}{C}\right)} \right ) \quad \text{where} \quad C=1.3998\) -
        • -
      • - DIST_WELSCH - \(\rho \left (r \right ) = \frac{C^2}{2} \cdot \left ( 1 - \exp{\left(-\left(\frac{r}{C}\right)^2\right)} \right ) \quad \text{where} \quad C=2.9846\) -
        • -
      • - DIST_HUBER - \(\rho (r) = \fork{r^2/2}{if \(r < C\)}{C \cdot (r-C/2)}{otherwise} \quad \text{where} \quad C=1.345\) -
        • -
      - - The algorithm is based on the M-estimator ( <https://en.wikipedia.org/wiki/M-estimator> ) technique - that iteratively fits the line using the weighted least-squares algorithm. After each iteration the - weights \(w_i\) are adjusted to be inversely proportional to \(\rho(r_i)\) .
      -
      -
      Parameters:
      -
      points - Input vector of 2D or 3D points, stored in std::vector<> or Mat.
      -
      line - Output line parameters. In case of 2D fitting, it should be a vector of 4 elements - (like Vec4f) - (vx, vy, x0, y0), where (vx, vy) is a normalized vector collinear to the line and - (x0, y0) is a point on the line. In case of 3D fitting, it should be a vector of 6 elements (like - Vec6f) - (vx, vy, vz, x0, y0, z0), where (vx, vy, vz) is a normalized vector collinear to the line - and (x0, y0, z0) is a point on the line.
      -
      distType - Distance used by the M-estimator, see #DistanceTypes
      -
      param - Numerical parameter ( C ) for some types of distances. If it is 0, an optimal value - is chosen.
      -
      reps - Sufficient accuracy for the radius (distance between the coordinate origin and the line).
      -
      aeps - Sufficient accuracy for the angle. 0.01 would be a good default value for reps and aeps.
      -
      -
      -
      • -
    • -
      -

      pointPolygonTest

      -
      public static double pointPolygonTest(MatOfPoint2f contour, - Point pt, - boolean measureDist)
      -
      Performs a point-in-contour test. - - The function determines whether the point is inside a contour, outside, or lies on an edge (or - coincides with a vertex). It returns positive (inside), negative (outside), or zero (on an edge) - value, correspondingly. When measureDist=false , the return value is +1, -1, and 0, respectively. - Otherwise, the return value is a signed distance between the point and the nearest contour edge. - - See below a sample output of the function where each image pixel is tested against the contour: - - ![sample output](pics/pointpolygon.png)
      -
      -
      Parameters:
      -
      contour - Input contour.
      -
      pt - Point tested against the contour.
      -
      measureDist - If true, the function estimates the signed distance from the point to the - nearest contour edge. Otherwise, the function only checks if the point is inside a contour or not.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      rotatedRectangleIntersection

      -
      public static int rotatedRectangleIntersection(RotatedRect rect1, - RotatedRect rect2, - Mat intersectingRegion)
      -
      Finds out if there is any intersection between two rotated rectangles. - - If there is then the vertices of the intersecting region are returned as well. - - Below are some examples of intersection configurations. The hatched pattern indicates the - intersecting region and the red vertices are returned by the function. - - ![intersection examples](pics/intersection.png)
      -
      -
      Parameters:
      -
      rect1 - First rectangle
      -
      rect2 - Second rectangle
      -
      intersectingRegion - The output array of the vertices of the intersecting region. It returns - at most 8 vertices. Stored as std::vector<cv::Point2f> or cv::Mat as Mx1 of type CV_32FC2.
      -
      Returns:
      -
      One of #RectanglesIntersectTypes
      -
      -
      -
      • -
    • -
      -

      createGeneralizedHoughBallard

      -
      public static GeneralizedHoughBallard createGeneralizedHoughBallard()
      -
      Creates a smart pointer to a cv::GeneralizedHoughBallard class and initializes it.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createGeneralizedHoughGuil

      -
      public static GeneralizedHoughGuil createGeneralizedHoughGuil()
      -
      Creates a smart pointer to a cv::GeneralizedHoughGuil class and initializes it.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      applyColorMap

      -
      public static void applyColorMap(Mat src, - Mat dst, - int colormap)
      -
      Applies a GNU Octave/MATLAB equivalent colormap on a given image.
      -
      -
      Parameters:
      -
      src - The source image, grayscale or colored of type CV_8UC1 or CV_8UC3. If CV_8UC3, then the CV_8UC1 image is generated internally using cv::COLOR_BGR2GRAY.
      -
      dst - The result is the colormapped source image. Note: Mat::create is called on dst.
      -
      colormap - The colormap to apply, see #ColormapTypes
      -
      -
      -
      • -
    • -
      -

      applyColorMap

      -
      public static void applyColorMap(Mat src, - Mat dst, - Mat userColor)
      -
      Applies a user colormap on a given image.
      -
      -
      Parameters:
      -
      src - The source image, grayscale or colored of type CV_8UC1 or CV_8UC3. If CV_8UC3, then the CV_8UC1 image is generated internally using cv::COLOR_BGR2GRAY.
      -
      dst - The result is the colormapped source image of the same number of channels as userColor. Note: Mat::create is called on dst.
      -
      userColor - The colormap to apply of type CV_8UC1 or CV_8UC3 and size 256
      -
      -
      -
      • -
    • -
      -

      line

      -
      public static void line(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      Draws a line segment connecting two points. - - The function line draws the line segment between pt1 and pt2 points in the image. The line is - clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - lines are drawn using Gaussian filtering.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - First point of the line segment.
      -
      pt2 - Second point of the line segment.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      lineType - Type of the line. See #LineTypes.
      -
      shift - Number of fractional bits in the point coordinates.
      -
      -
      -
      • -
    • -
      -

      line

      -
      public static void line(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int lineType)
      -
      Draws a line segment connecting two points. - - The function line draws the line segment between pt1 and pt2 points in the image. The line is - clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - lines are drawn using Gaussian filtering.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - First point of the line segment.
      -
      pt2 - Second point of the line segment.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      lineType - Type of the line. See #LineTypes.
      -
      -
      -
      • -
    • -
      -

      line

      -
      public static void line(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness)
      -
      Draws a line segment connecting two points. - - The function line draws the line segment between pt1 and pt2 points in the image. The line is - clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - lines are drawn using Gaussian filtering.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - First point of the line segment.
      -
      pt2 - Second point of the line segment.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      -
      -
      • -
    • -
      -

      line

      -
      public static void line(Mat img, - Point pt1, - Point pt2, - Scalar color)
      -
      Draws a line segment connecting two points. - - The function line draws the line segment between pt1 and pt2 points in the image. The line is - clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - lines are drawn using Gaussian filtering.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - First point of the line segment.
      -
      pt2 - Second point of the line segment.
      -
      color - Line color.
      -
      -
      -
      • -
    • -
      -

      arrowedLine

      -
      public static void arrowedLine(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int line_type, - int shift, - double tipLength)
      -
      Draws an arrow segment pointing from the first point to the second one. - - The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - The point the arrow starts from.
      -
      pt2 - The point the arrow points to.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      line_type - Type of the line. See #LineTypes
      -
      shift - Number of fractional bits in the point coordinates.
      -
      tipLength - The length of the arrow tip in relation to the arrow length
      -
      -
      -
      • -
    • -
      -

      arrowedLine

      -
      public static void arrowedLine(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int line_type, - int shift)
      -
      Draws an arrow segment pointing from the first point to the second one. - - The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - The point the arrow starts from.
      -
      pt2 - The point the arrow points to.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      line_type - Type of the line. See #LineTypes
      -
      shift - Number of fractional bits in the point coordinates.
      -
      -
      -
      • -
    • -
      -

      arrowedLine

      -
      public static void arrowedLine(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int line_type)
      -
      Draws an arrow segment pointing from the first point to the second one. - - The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - The point the arrow starts from.
      -
      pt2 - The point the arrow points to.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      line_type - Type of the line. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      arrowedLine

      -
      public static void arrowedLine(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness)
      -
      Draws an arrow segment pointing from the first point to the second one. - - The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - The point the arrow starts from.
      -
      pt2 - The point the arrow points to.
      -
      color - Line color.
      -
      thickness - Line thickness.
      -
      -
      -
      • -
    • -
      -

      arrowedLine

      -
      public static void arrowedLine(Mat img, - Point pt1, - Point pt2, - Scalar color)
      -
      Draws an arrow segment pointing from the first point to the second one. - - The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - The point the arrow starts from.
      -
      pt2 - The point the arrow points to.
      -
      color - Line color.
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      Draws a simple, thick, or filled up-right rectangle. - - The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - are pt1 and pt2.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - Vertex of the rectangle.
      -
      pt2 - Vertex of the rectangle opposite to pt1 .
      -
      color - Rectangle color or brightness (grayscale image).
      -
      thickness - Thickness of lines that make up the rectangle. Negative values, like #FILLED, - mean that the function has to draw a filled rectangle.
      -
      lineType - Type of the line. See #LineTypes
      -
      shift - Number of fractional bits in the point coordinates.
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness, - int lineType)
      -
      Draws a simple, thick, or filled up-right rectangle. - - The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - are pt1 and pt2.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - Vertex of the rectangle.
      -
      pt2 - Vertex of the rectangle opposite to pt1 .
      -
      color - Rectangle color or brightness (grayscale image).
      -
      thickness - Thickness of lines that make up the rectangle. Negative values, like #FILLED, - mean that the function has to draw a filled rectangle.
      -
      lineType - Type of the line. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Point pt1, - Point pt2, - Scalar color, - int thickness)
      -
      Draws a simple, thick, or filled up-right rectangle. - - The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - are pt1 and pt2.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - Vertex of the rectangle.
      -
      pt2 - Vertex of the rectangle opposite to pt1 .
      -
      color - Rectangle color or brightness (grayscale image).
      -
      thickness - Thickness of lines that make up the rectangle. Negative values, like #FILLED, - mean that the function has to draw a filled rectangle.
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Point pt1, - Point pt2, - Scalar color)
      -
      Draws a simple, thick, or filled up-right rectangle. - - The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - are pt1 and pt2.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pt1 - Vertex of the rectangle.
      -
      pt2 - Vertex of the rectangle opposite to pt1 .
      -
      color - Rectangle color or brightness (grayscale image). - mean that the function has to draw a filled rectangle.
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Rect rec, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
      -
      -
      Parameters:
      -
      img - automatically generated
      -
      rec - automatically generated
      -
      color - automatically generated
      -
      thickness - automatically generated
      -
      lineType - automatically generated
      -
      shift - automatically generated
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Rect rec, - Scalar color, - int thickness, - int lineType)
      -
      use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
      -
      -
      Parameters:
      -
      img - automatically generated
      -
      rec - automatically generated
      -
      color - automatically generated
      -
      thickness - automatically generated
      -
      lineType - automatically generated
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Rect rec, - Scalar color, - int thickness)
      -
      use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
      -
      -
      Parameters:
      -
      img - automatically generated
      -
      rec - automatically generated
      -
      color - automatically generated
      -
      thickness - automatically generated
      -
      -
      -
      • -
    • -
      -

      rectangle

      -
      public static void rectangle(Mat img, - Rect rec, - Scalar color)
      -
      use rec parameter as alternative specification of the drawn rectangle: `r.tl() and - r.br()-Point(1,1)` are opposite corners
      -
      -
      Parameters:
      -
      img - automatically generated
      -
      rec - automatically generated
      -
      color - automatically generated
      -
      -
      -
      • -
    • -
      -

      circle

      -
      public static void circle(Mat img, - Point center, - int radius, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      Draws a circle. - - The function cv::circle draws a simple or filled circle with a given center and radius.
      -
      -
      Parameters:
      -
      img - Image where the circle is drawn.
      -
      center - Center of the circle.
      -
      radius - Radius of the circle.
      -
      color - Circle color.
      -
      thickness - Thickness of the circle outline, if positive. Negative values, like #FILLED, - mean that a filled circle is to be drawn.
      -
      lineType - Type of the circle boundary. See #LineTypes
      -
      shift - Number of fractional bits in the coordinates of the center and in the radius value.
      -
      -
      -
      • -
    • -
      -

      circle

      -
      public static void circle(Mat img, - Point center, - int radius, - Scalar color, - int thickness, - int lineType)
      -
      Draws a circle. - - The function cv::circle draws a simple or filled circle with a given center and radius.
      -
      -
      Parameters:
      -
      img - Image where the circle is drawn.
      -
      center - Center of the circle.
      -
      radius - Radius of the circle.
      -
      color - Circle color.
      -
      thickness - Thickness of the circle outline, if positive. Negative values, like #FILLED, - mean that a filled circle is to be drawn.
      -
      lineType - Type of the circle boundary. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      circle

      -
      public static void circle(Mat img, - Point center, - int radius, - Scalar color, - int thickness)
      -
      Draws a circle. - - The function cv::circle draws a simple or filled circle with a given center and radius.
      -
      -
      Parameters:
      -
      img - Image where the circle is drawn.
      -
      center - Center of the circle.
      -
      radius - Radius of the circle.
      -
      color - Circle color.
      -
      thickness - Thickness of the circle outline, if positive. Negative values, like #FILLED, - mean that a filled circle is to be drawn.
      -
      -
      -
      • -
    • -
      -

      circle

      -
      public static void circle(Mat img, - Point center, - int radius, - Scalar color)
      -
      Draws a circle. - - The function cv::circle draws a simple or filled circle with a given center and radius.
      -
      -
      Parameters:
      -
      img - Image where the circle is drawn.
      -
      center - Center of the circle.
      -
      radius - Radius of the circle.
      -
      color - Circle color. - mean that a filled circle is to be drawn.
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - Point center, - Size axes, - double angle, - double startAngle, - double endAngle, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      Draws a simple or thick elliptic arc or fills an ellipse sector. - - The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - arc, or a filled ellipse sector. The drawing code uses general parametric form. - A piecewise-linear curve is used to approximate the elliptic arc - boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - variant of the function and want to draw the whole ellipse, not an arc, pass startAngle=0 and - endAngle=360. If startAngle is greater than endAngle, they are swapped. The figure below explains - the meaning of the parameters to draw the blue arc. - - ![Parameters of Elliptic Arc](pics/ellipse.svg)
      -
      -
      Parameters:
      -
      img - Image.
      -
      center - Center of the ellipse.
      -
      axes - Half of the size of the ellipse main axes.
      -
      angle - Ellipse rotation angle in degrees.
      -
      startAngle - Starting angle of the elliptic arc in degrees.
      -
      endAngle - Ending angle of the elliptic arc in degrees.
      -
      color - Ellipse color.
      -
      thickness - Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - a filled ellipse sector is to be drawn.
      -
      lineType - Type of the ellipse boundary. See #LineTypes
      -
      shift - Number of fractional bits in the coordinates of the center and values of axes.
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - Point center, - Size axes, - double angle, - double startAngle, - double endAngle, - Scalar color, - int thickness, - int lineType)
      -
      Draws a simple or thick elliptic arc or fills an ellipse sector. - - The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - arc, or a filled ellipse sector. The drawing code uses general parametric form. - A piecewise-linear curve is used to approximate the elliptic arc - boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - variant of the function and want to draw the whole ellipse, not an arc, pass startAngle=0 and - endAngle=360. If startAngle is greater than endAngle, they are swapped. The figure below explains - the meaning of the parameters to draw the blue arc. - - ![Parameters of Elliptic Arc](pics/ellipse.svg)
      -
      -
      Parameters:
      -
      img - Image.
      -
      center - Center of the ellipse.
      -
      axes - Half of the size of the ellipse main axes.
      -
      angle - Ellipse rotation angle in degrees.
      -
      startAngle - Starting angle of the elliptic arc in degrees.
      -
      endAngle - Ending angle of the elliptic arc in degrees.
      -
      color - Ellipse color.
      -
      thickness - Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - a filled ellipse sector is to be drawn.
      -
      lineType - Type of the ellipse boundary. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - Point center, - Size axes, - double angle, - double startAngle, - double endAngle, - Scalar color, - int thickness)
      -
      Draws a simple or thick elliptic arc or fills an ellipse sector. - - The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - arc, or a filled ellipse sector. The drawing code uses general parametric form. - A piecewise-linear curve is used to approximate the elliptic arc - boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - variant of the function and want to draw the whole ellipse, not an arc, pass startAngle=0 and - endAngle=360. If startAngle is greater than endAngle, they are swapped. The figure below explains - the meaning of the parameters to draw the blue arc. - - ![Parameters of Elliptic Arc](pics/ellipse.svg)
      -
      -
      Parameters:
      -
      img - Image.
      -
      center - Center of the ellipse.
      -
      axes - Half of the size of the ellipse main axes.
      -
      angle - Ellipse rotation angle in degrees.
      -
      startAngle - Starting angle of the elliptic arc in degrees.
      -
      endAngle - Ending angle of the elliptic arc in degrees.
      -
      color - Ellipse color.
      -
      thickness - Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - a filled ellipse sector is to be drawn.
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - Point center, - Size axes, - double angle, - double startAngle, - double endAngle, - Scalar color)
      -
      Draws a simple or thick elliptic arc or fills an ellipse sector. - - The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - arc, or a filled ellipse sector. The drawing code uses general parametric form. - A piecewise-linear curve is used to approximate the elliptic arc - boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - variant of the function and want to draw the whole ellipse, not an arc, pass startAngle=0 and - endAngle=360. If startAngle is greater than endAngle, they are swapped. The figure below explains - the meaning of the parameters to draw the blue arc. - - ![Parameters of Elliptic Arc](pics/ellipse.svg)
      -
      -
      Parameters:
      -
      img - Image.
      -
      center - Center of the ellipse.
      -
      axes - Half of the size of the ellipse main axes.
      -
      angle - Ellipse rotation angle in degrees.
      -
      startAngle - Starting angle of the elliptic arc in degrees.
      -
      endAngle - Ending angle of the elliptic arc in degrees.
      -
      color - Ellipse color. - a filled ellipse sector is to be drawn.
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - RotatedRect box, - Scalar color, - int thickness, - int lineType)
      -
      -
      Parameters:
      -
      img - Image.
      -
      box - Alternative ellipse representation via RotatedRect. This means that the function draws - an ellipse inscribed in the rotated rectangle.
      -
      color - Ellipse color.
      -
      thickness - Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - a filled ellipse sector is to be drawn.
      -
      lineType - Type of the ellipse boundary. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - RotatedRect box, - Scalar color, - int thickness)
      -
      -
      Parameters:
      -
      img - Image.
      -
      box - Alternative ellipse representation via RotatedRect. This means that the function draws - an ellipse inscribed in the rotated rectangle.
      -
      color - Ellipse color.
      -
      thickness - Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - a filled ellipse sector is to be drawn.
      -
      -
      -
      • -
    • -
      -

      ellipse

      -
      public static void ellipse(Mat img, - RotatedRect box, - Scalar color)
      -
      -
      Parameters:
      -
      img - Image.
      -
      box - Alternative ellipse representation via RotatedRect. This means that the function draws - an ellipse inscribed in the rotated rectangle.
      -
      color - Ellipse color. - a filled ellipse sector is to be drawn.
      -
      -
      -
      • -
    • -
      -

      drawMarker

      -
      public static void drawMarker(Mat img, - Point position, - Scalar color, - int markerType, - int markerSize, - int thickness, - int line_type)
      -
      Draws a marker on a predefined position in an image. - - The function cv::drawMarker draws a marker on a given position in the image. For the moment several - marker types are supported, see #MarkerTypes for more information.
      -
      -
      Parameters:
      -
      img - Image.
      -
      position - The point where the crosshair is positioned.
      -
      color - Line color.
      -
      markerType - The specific type of marker you want to use, see #MarkerTypes
      -
      thickness - Line thickness.
      -
      line_type - Type of the line, See #LineTypes
      -
      markerSize - The length of the marker axis [default = 20 pixels]
      -
      -
      -
      • -
    • -
      -

      drawMarker

      -
      public static void drawMarker(Mat img, - Point position, - Scalar color, - int markerType, - int markerSize, - int thickness)
      -
      Draws a marker on a predefined position in an image. - - The function cv::drawMarker draws a marker on a given position in the image. For the moment several - marker types are supported, see #MarkerTypes for more information.
      -
      -
      Parameters:
      -
      img - Image.
      -
      position - The point where the crosshair is positioned.
      -
      color - Line color.
      -
      markerType - The specific type of marker you want to use, see #MarkerTypes
      -
      thickness - Line thickness.
      -
      markerSize - The length of the marker axis [default = 20 pixels]
      -
      -
      -
      • -
    • -
      -

      drawMarker

      -
      public static void drawMarker(Mat img, - Point position, - Scalar color, - int markerType, - int markerSize)
      -
      Draws a marker on a predefined position in an image. - - The function cv::drawMarker draws a marker on a given position in the image. For the moment several - marker types are supported, see #MarkerTypes for more information.
      -
      -
      Parameters:
      -
      img - Image.
      -
      position - The point where the crosshair is positioned.
      -
      color - Line color.
      -
      markerType - The specific type of marker you want to use, see #MarkerTypes
      -
      markerSize - The length of the marker axis [default = 20 pixels]
      -
      -
      -
      • -
    • -
      -

      drawMarker

      -
      public static void drawMarker(Mat img, - Point position, - Scalar color, - int markerType)
      -
      Draws a marker on a predefined position in an image. - - The function cv::drawMarker draws a marker on a given position in the image. For the moment several - marker types are supported, see #MarkerTypes for more information.
      -
      -
      Parameters:
      -
      img - Image.
      -
      position - The point where the crosshair is positioned.
      -
      color - Line color.
      -
      markerType - The specific type of marker you want to use, see #MarkerTypes
      -
      -
      -
      • -
    • -
      -

      drawMarker

      -
      public static void drawMarker(Mat img, - Point position, - Scalar color)
      -
      Draws a marker on a predefined position in an image. - - The function cv::drawMarker draws a marker on a given position in the image. For the moment several - marker types are supported, see #MarkerTypes for more information.
      -
      -
      Parameters:
      -
      img - Image.
      -
      position - The point where the crosshair is positioned.
      -
      color - Line color.
      -
      -
      -
      • -
    • -
      -

      fillConvexPoly

      -
      public static void fillConvexPoly(Mat img, - MatOfPoint points, - Scalar color, - int lineType, - int shift)
      -
      Fills a convex polygon. - - The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - twice at the most (though, its top-most and/or the bottom edge could be horizontal).
      -
      -
      Parameters:
      -
      img - Image.
      -
      points - Polygon vertices.
      -
      color - Polygon color.
      -
      lineType - Type of the polygon boundaries. See #LineTypes
      -
      shift - Number of fractional bits in the vertex coordinates.
      -
      -
      -
      • -
    • -
      -

      fillConvexPoly

      -
      public static void fillConvexPoly(Mat img, - MatOfPoint points, - Scalar color, - int lineType)
      -
      Fills a convex polygon. - - The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - twice at the most (though, its top-most and/or the bottom edge could be horizontal).
      -
      -
      Parameters:
      -
      img - Image.
      -
      points - Polygon vertices.
      -
      color - Polygon color.
      -
      lineType - Type of the polygon boundaries. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      fillConvexPoly

      -
      public static void fillConvexPoly(Mat img, - MatOfPoint points, - Scalar color)
      -
      Fills a convex polygon. - - The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - twice at the most (though, its top-most and/or the bottom edge could be horizontal).
      -
      -
      Parameters:
      -
      img - Image.
      -
      points - Polygon vertices.
      -
      color - Polygon color.
      -
      -
      -
      • -
    • -
      -

      fillPoly

      -
      public static void fillPoly(Mat img, - List<MatOfPoint> pts, - Scalar color, - int lineType, - int shift, - Point offset)
      -
      Fills the area bounded by one or more polygons. - - The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - complex areas, for example, areas with holes, contours with self-intersections (some of their - parts), and so forth.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygons where each polygon is represented as an array of points.
      -
      color - Polygon color.
      -
      lineType - Type of the polygon boundaries. See #LineTypes
      -
      shift - Number of fractional bits in the vertex coordinates.
      -
      offset - Optional offset of all points of the contours.
      -
      -
      -
      • -
    • -
      -

      fillPoly

      -
      public static void fillPoly(Mat img, - List<MatOfPoint> pts, - Scalar color, - int lineType, - int shift)
      -
      Fills the area bounded by one or more polygons. - - The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - complex areas, for example, areas with holes, contours with self-intersections (some of their - parts), and so forth.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygons where each polygon is represented as an array of points.
      -
      color - Polygon color.
      -
      lineType - Type of the polygon boundaries. See #LineTypes
      -
      shift - Number of fractional bits in the vertex coordinates.
      -
      -
      -
      • -
    • -
      -

      fillPoly

      -
      public static void fillPoly(Mat img, - List<MatOfPoint> pts, - Scalar color, - int lineType)
      -
      Fills the area bounded by one or more polygons. - - The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - complex areas, for example, areas with holes, contours with self-intersections (some of their - parts), and so forth.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygons where each polygon is represented as an array of points.
      -
      color - Polygon color.
      -
      lineType - Type of the polygon boundaries. See #LineTypes
      -
      -
      -
      • -
    • -
      -

      fillPoly

      -
      public static void fillPoly(Mat img, - List<MatOfPoint> pts, - Scalar color)
      -
      Fills the area bounded by one or more polygons. - - The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - complex areas, for example, areas with holes, contours with self-intersections (some of their - parts), and so forth.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygons where each polygon is represented as an array of points.
      -
      color - Polygon color.
      -
      -
      -
      • -
    • -
      -

      polylines

      -
      public static void polylines(Mat img, - List<MatOfPoint> pts, - boolean isClosed, - Scalar color, - int thickness, - int lineType, - int shift)
      -
      Draws several polygonal curves.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygonal curves.
      -
      isClosed - Flag indicating whether the drawn polylines are closed or not. If they are closed, - the function draws a line from the last vertex of each curve to its first vertex.
      -
      color - Polyline color.
      -
      thickness - Thickness of the polyline edges.
      -
      lineType - Type of the line segments. See #LineTypes
      -
      shift - Number of fractional bits in the vertex coordinates. - - The function cv::polylines draws one or more polygonal curves.
      -
      -
      -
      • -
    • -
      -

      polylines

      -
      public static void polylines(Mat img, - List<MatOfPoint> pts, - boolean isClosed, - Scalar color, - int thickness, - int lineType)
      -
      Draws several polygonal curves.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygonal curves.
      -
      isClosed - Flag indicating whether the drawn polylines are closed or not. If they are closed, - the function draws a line from the last vertex of each curve to its first vertex.
      -
      color - Polyline color.
      -
      thickness - Thickness of the polyline edges.
      -
      lineType - Type of the line segments. See #LineTypes - - The function cv::polylines draws one or more polygonal curves.
      -
      -
      -
      • -
    • -
      -

      polylines

      -
      public static void polylines(Mat img, - List<MatOfPoint> pts, - boolean isClosed, - Scalar color, - int thickness)
      -
      Draws several polygonal curves.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygonal curves.
      -
      isClosed - Flag indicating whether the drawn polylines are closed or not. If they are closed, - the function draws a line from the last vertex of each curve to its first vertex.
      -
      color - Polyline color.
      -
      thickness - Thickness of the polyline edges. - - The function cv::polylines draws one or more polygonal curves.
      -
      -
      -
      • -
    • -
      -

      polylines

      -
      public static void polylines(Mat img, - List<MatOfPoint> pts, - boolean isClosed, - Scalar color)
      -
      Draws several polygonal curves.
      -
      -
      Parameters:
      -
      img - Image.
      -
      pts - Array of polygonal curves.
      -
      isClosed - Flag indicating whether the drawn polylines are closed or not. If they are closed, - the function draws a line from the last vertex of each curve to its first vertex.
      -
      color - Polyline color. - - The function cv::polylines draws one or more polygonal curves.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color, - int thickness, - int lineType, - Mat hierarchy, - int maxLevel, - Point offset)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours.
      -
      thickness - Thickness of lines the contours are drawn with. If it is negative (for example, - thickness=#FILLED ), the contour interiors are drawn.
      -
      lineType - Line connectivity. See #LineTypes
      -
      hierarchy - Optional information about hierarchy. It is only needed if you want to draw only - some of the contours (see maxLevel ).
      -
      maxLevel - Maximal level for drawn contours. If it is 0, only the specified contour is drawn. - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available.
      -
      offset - Optional contour shift parameter. Shift all the drawn contours by the specified - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color, - int thickness, - int lineType, - Mat hierarchy, - int maxLevel)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours.
      -
      thickness - Thickness of lines the contours are drawn with. If it is negative (for example, - thickness=#FILLED ), the contour interiors are drawn.
      -
      lineType - Line connectivity. See #LineTypes
      -
      hierarchy - Optional information about hierarchy. It is only needed if you want to draw only - some of the contours (see maxLevel ).
      -
      maxLevel - Maximal level for drawn contours. If it is 0, only the specified contour is drawn. - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available. - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color, - int thickness, - int lineType, - Mat hierarchy)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours.
      -
      thickness - Thickness of lines the contours are drawn with. If it is negative (for example, - thickness=#FILLED ), the contour interiors are drawn.
      -
      lineType - Line connectivity. See #LineTypes
      -
      hierarchy - Optional information about hierarchy. It is only needed if you want to draw only - some of the contours (see maxLevel ). - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available. - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color, - int thickness, - int lineType)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours.
      -
      thickness - Thickness of lines the contours are drawn with. If it is negative (for example, - thickness=#FILLED ), the contour interiors are drawn.
      -
      lineType - Line connectivity. See #LineTypes - some of the contours (see maxLevel ). - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available. - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color, - int thickness)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours.
      -
      thickness - Thickness of lines the contours are drawn with. If it is negative (for example, - thickness=#FILLED ), the contour interiors are drawn. - some of the contours (see maxLevel ). - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available. - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      drawContours

      -
      public static void drawContours(Mat image, - List<MatOfPoint> contours, - int contourIdx, - Scalar color)
      -
      Draws contours outlines or filled contours. - - The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - connected components from the binary image and label them: : - INCLUDE: snippets/imgproc_drawContours.cpp
      -
      -
      Parameters:
      -
      image - Destination image.
      -
      contours - All the input contours. Each contour is stored as a point vector.
      -
      contourIdx - Parameter indicating a contour to draw. If it is negative, all the contours are drawn.
      -
      color - Color of the contours. - thickness=#FILLED ), the contour interiors are drawn. - some of the contours (see maxLevel ). - If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - parameter is only taken into account when there is hierarchy available. - \(\texttt{offset}=(dx,dy)\) . - Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - even when no hierarchy data is provided. This is done by analyzing all the outlines together - using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - of contours, or iterate over the collection using contourIdx parameter.
      -
      -
      -
      • -
    • -
      -

      clipLine

      -
      public static boolean clipLine(Rect imgRect, - Point pt1, - Point pt2)
      -
      -
      Parameters:
      -
      imgRect - Image rectangle.
      -
      pt1 - First line point.
      -
      pt2 - Second line point.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      ellipse2Poly

      -
      public static void ellipse2Poly(Point center, - Size axes, - int angle, - int arcStart, - int arcEnd, - int delta, - MatOfPoint pts)
      -
      Approximates an elliptic arc with a polyline. - - The function ellipse2Poly computes the vertices of a polyline that approximates the specified - elliptic arc. It is used by #ellipse. If arcStart is greater than arcEnd, they are swapped.
      -
      -
      Parameters:
      -
      center - Center of the arc.
      -
      axes - Half of the size of the ellipse main axes. See #ellipse for details.
      -
      angle - Rotation angle of the ellipse in degrees. See #ellipse for details.
      -
      arcStart - Starting angle of the elliptic arc in degrees.
      -
      arcEnd - Ending angle of the elliptic arc in degrees.
      -
      delta - Angle between the subsequent polyline vertices. It defines the approximation - accuracy.
      -
      pts - Output vector of polyline vertices.
      -
      -
      -
      • -
    • -
      -

      putText

      -
      public static void putText(Mat img, - String text, - Point org, - int fontFace, - double fontScale, - Scalar color, - int thickness, - int lineType, - boolean bottomLeftOrigin)
      -
      Draws a text string. - - The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - using the specified font are replaced by question marks. See #getTextSize for a text rendering code - example. - - The fontScale parameter is a scale factor that is multiplied by the base font size: -
        -
      • - When scale > 1, the text is magnified. -
        • -
      • - When 0 < scale < 1, the text is minimized. -
        • -
      • - When scale < 0, the text is mirrored or reversed. -
        • -
      -
      -
      Parameters:
      -
      img - Image.
      -
      text - Text string to be drawn.
      -
      org - Bottom-left corner of the text string in the image.
      -
      fontFace - Font type, see #HersheyFonts.
      -
      fontScale - Font scale factor that is multiplied by the font-specific base size.
      -
      color - Text color.
      -
      thickness - Thickness of the lines used to draw a text.
      -
      lineType - Line type. See #LineTypes
      -
      bottomLeftOrigin - When true, the image data origin is at the bottom-left corner. Otherwise, - it is at the top-left corner.
      -
      -
      -
      • -
    • -
      -

      putText

      -
      public static void putText(Mat img, - String text, - Point org, - int fontFace, - double fontScale, - Scalar color, - int thickness, - int lineType)
      -
      Draws a text string. - - The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - using the specified font are replaced by question marks. See #getTextSize for a text rendering code - example. - - The fontScale parameter is a scale factor that is multiplied by the base font size: -
        -
      • - When scale > 1, the text is magnified. -
        • -
      • - When 0 < scale < 1, the text is minimized. -
        • -
      • - When scale < 0, the text is mirrored or reversed. -
        • -
      -
      -
      Parameters:
      -
      img - Image.
      -
      text - Text string to be drawn.
      -
      org - Bottom-left corner of the text string in the image.
      -
      fontFace - Font type, see #HersheyFonts.
      -
      fontScale - Font scale factor that is multiplied by the font-specific base size.
      -
      color - Text color.
      -
      thickness - Thickness of the lines used to draw a text.
      -
      lineType - Line type. See #LineTypes - it is at the top-left corner.
      -
      -
      -
      • -
    • -
      -

      putText

      -
      public static void putText(Mat img, - String text, - Point org, - int fontFace, - double fontScale, - Scalar color, - int thickness)
      -
      Draws a text string. - - The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - using the specified font are replaced by question marks. See #getTextSize for a text rendering code - example. - - The fontScale parameter is a scale factor that is multiplied by the base font size: -
        -
      • - When scale > 1, the text is magnified. -
        • -
      • - When 0 < scale < 1, the text is minimized. -
        • -
      • - When scale < 0, the text is mirrored or reversed. -
        • -
      -
      -
      Parameters:
      -
      img - Image.
      -
      text - Text string to be drawn.
      -
      org - Bottom-left corner of the text string in the image.
      -
      fontFace - Font type, see #HersheyFonts.
      -
      fontScale - Font scale factor that is multiplied by the font-specific base size.
      -
      color - Text color.
      -
      thickness - Thickness of the lines used to draw a text. - it is at the top-left corner.
      -
      -
      -
      • -
    • -
      -

      putText

      -
      public static void putText(Mat img, - String text, - Point org, - int fontFace, - double fontScale, - Scalar color)
      -
      Draws a text string. - - The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - using the specified font are replaced by question marks. See #getTextSize for a text rendering code - example. - - The fontScale parameter is a scale factor that is multiplied by the base font size: -
        -
      • - When scale > 1, the text is magnified. -
        • -
      • - When 0 < scale < 1, the text is minimized. -
        • -
      • - When scale < 0, the text is mirrored or reversed. -
        • -
      -
      -
      Parameters:
      -
      img - Image.
      -
      text - Text string to be drawn.
      -
      org - Bottom-left corner of the text string in the image.
      -
      fontFace - Font type, see #HersheyFonts.
      -
      fontScale - Font scale factor that is multiplied by the font-specific base size.
      -
      color - Text color. - it is at the top-left corner.
      -
      -
      -
      • -
    • -
      -

      getFontScaleFromHeight

      -
      public static double getFontScaleFromHeight(int fontFace, - int pixelHeight, - int thickness)
      -
      Calculates the font-specific size to use to achieve a given height in pixels.
      -
      -
      Parameters:
      -
      fontFace - Font to use, see cv::HersheyFonts.
      -
      pixelHeight - Pixel height to compute the fontScale for
      -
      thickness - Thickness of lines used to render the text.See putText for details.
      -
      Returns:
      -
      The fontSize to use for cv::putText - - SEE: cv::putText
      -
      -
      -
      • -
    • -
      -

      getFontScaleFromHeight

      -
      public static double getFontScaleFromHeight(int fontFace, - int pixelHeight)
      -
      Calculates the font-specific size to use to achieve a given height in pixels.
      -
      -
      Parameters:
      -
      fontFace - Font to use, see cv::HersheyFonts.
      -
      pixelHeight - Pixel height to compute the fontScale for
      -
      Returns:
      -
      The fontSize to use for cv::putText - - SEE: cv::putText
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta, - double max_theta, - boolean use_edgeval)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      srn - automatically generated
      -
      stn - automatically generated
      -
      min_theta - automatically generated
      -
      max_theta - automatically generated
      -
      use_edgeval - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta, - double max_theta)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      srn - automatically generated
      -
      stn - automatically generated
      -
      min_theta - automatically generated
      -
      max_theta - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn, - double min_theta)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      srn - automatically generated
      -
      stn - automatically generated
      -
      min_theta - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn, - double stn)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      srn - automatically generated
      -
      stn - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold, - double srn)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      srn - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughLinesWithAccumulator

      -
      public static void HoughLinesWithAccumulator(Mat image, - Mat lines, - double rho, - double theta, - int threshold)
      -
      Finds lines in a binary image using the standard Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughLines
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      lines - automatically generated
      -
      rho - automatically generated
      -
      theta - automatically generated
      -
      threshold - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughCirclesWithAccumulator

      -
      public static void HoughCirclesWithAccumulator(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2, - int minRadius, - int maxRadius)
      -
      Finds circles in a grayscale image using the Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughCircles
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      circles - automatically generated
      -
      method - automatically generated
      -
      dp - automatically generated
      -
      minDist - automatically generated
      -
      param1 - automatically generated
      -
      param2 - automatically generated
      -
      minRadius - automatically generated
      -
      maxRadius - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughCirclesWithAccumulator

      -
      public static void HoughCirclesWithAccumulator(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2, - int minRadius)
      -
      Finds circles in a grayscale image using the Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughCircles
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      circles - automatically generated
      -
      method - automatically generated
      -
      dp - automatically generated
      -
      minDist - automatically generated
      -
      param1 - automatically generated
      -
      param2 - automatically generated
      -
      minRadius - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughCirclesWithAccumulator

      -
      public static void HoughCirclesWithAccumulator(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1, - double param2)
      -
      Finds circles in a grayscale image using the Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughCircles
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      circles - automatically generated
      -
      method - automatically generated
      -
      dp - automatically generated
      -
      minDist - automatically generated
      -
      param1 - automatically generated
      -
      param2 - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughCirclesWithAccumulator

      -
      public static void HoughCirclesWithAccumulator(Mat image, - Mat circles, - int method, - double dp, - double minDist, - double param1)
      -
      Finds circles in a grayscale image using the Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughCircles
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      circles - automatically generated
      -
      method - automatically generated
      -
      dp - automatically generated
      -
      minDist - automatically generated
      -
      param1 - automatically generated
      -
      -
      -
      • -
    • -
      -

      HoughCirclesWithAccumulator

      -
      public static void HoughCirclesWithAccumulator(Mat image, - Mat circles, - int method, - double dp, - double minDist)
      -
      Finds circles in a grayscale image using the Hough transform and get accumulator. - - Note: This function is for bindings use only. Use original function in C++ code - - SEE: HoughCircles
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      circles - automatically generated
      -
      method - automatically generated
      -
      dp - automatically generated
      -
      minDist - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTextSize

      -
      public static Size getTextSize(String text, - int fontFace, - double fontScale, - int thickness, - int[] baseLine)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/IntelligentScissorsMB.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/IntelligentScissorsMB.html deleted file mode 100644 index a7edd7f247..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/IntelligentScissorsMB.html +++ /dev/null @@ -1,568 +0,0 @@ - - - - -IntelligentScissorsMB (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class IntelligentScissorsMB

-
-
java.lang.Object -
org.opencv.imgproc.IntelligentScissorsMB
-
-
-
-
public class IntelligentScissorsMB -extends Object
-
Intelligent Scissors image segmentation - - This class is used to find the path (contour) between two points - which can be used for image segmentation. - - Usage example: - SNIPPET: snippets/imgproc_segmentation.cpp usage_example_intelligent_scissors - - Reference: <a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.138.3811&rep=rep1&type=pdf">"Intelligent Scissors for Image Composition"</a> - algorithm designed by Eric N. Mortensen and William A. Barrett, Brigham Young University - CITE: Mortensen95intelligentscissors
-
-
-
    - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    IntelligentScissorsMB()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static IntelligentScissorsMB
    -
    __fromPtr__(long addr)
    -
     
    -
    IntelligentScissorsMB
    -
    applyImage(Mat image)
    -
    -
    Specify input image and extract image features
    -
    -
    IntelligentScissorsMB
    -
    applyImageFeatures(Mat non_edge, - Mat gradient_direction, - Mat gradient_magnitude)
    -
    -
    Specify custom features of input image - - Customized advanced variant of applyImage() call.
    -
    -
    IntelligentScissorsMB
    -
    applyImageFeatures(Mat non_edge, - Mat gradient_direction, - Mat gradient_magnitude, - Mat image)
    -
    -
    Specify custom features of input image - - Customized advanced variant of applyImage() call.
    -
    -
    void
    -
    buildMap(Point sourcePt)
    -
    -
    Prepares a map of optimal paths for the given source point on the image - - Note: applyImage() / applyImageFeatures() must be called before this call
    -
    -
    void
    -
    getContour(Point targetPt, - Mat contour)
    -
    -
    Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
    -
    -
    void
    -
    getContour(Point targetPt, - Mat contour, - boolean backward)
    -
    -
    Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
    -
    -
    long
    -
    getNativeObjAddr()
    -
     
    -
    IntelligentScissorsMB
    -
    setEdgeFeatureCannyParameters(double threshold1, - double threshold2)
    -
    -
    Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
    -
    -
    IntelligentScissorsMB
    -
    setEdgeFeatureCannyParameters(double threshold1, - double threshold2, - int apertureSize)
    -
    -
    Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
    -
    -
    IntelligentScissorsMB
    -
    setEdgeFeatureCannyParameters(double threshold1, - double threshold2, - int apertureSize, - boolean L2gradient)
    -
    -
    Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
    -
    -
    IntelligentScissorsMB
    -
    setEdgeFeatureZeroCrossingParameters()
    -
    -
    Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article.
    -
    -
    IntelligentScissorsMB
    -
    setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value)
    -
    -
    Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article.
    -
    -
    IntelligentScissorsMB
    -
    setGradientMagnitudeMaxLimit()
    -
    -
    Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article).
    -
    -
    IntelligentScissorsMB
    -
    setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max)
    -
    -
    Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article).
    -
    -
    IntelligentScissorsMB
    -
    setWeights(float weight_non_edge, - float weight_gradient_direction, - float weight_gradient_magnitude)
    -
    -
    Specify weights of feature functions - - Consider keeping weights normalized (sum of weights equals to 1.0) - Discrete dynamic programming (DP) goal is minimization of costs between pixels.
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      IntelligentScissorsMB

      -
      public IntelligentScissorsMB()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static IntelligentScissorsMB __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setWeights

      -
      public IntelligentScissorsMB setWeights(float weight_non_edge, - float weight_gradient_direction, - float weight_gradient_magnitude)
      -
      Specify weights of feature functions - - Consider keeping weights normalized (sum of weights equals to 1.0) - Discrete dynamic programming (DP) goal is minimization of costs between pixels.
      -
      -
      Parameters:
      -
      weight_non_edge - Specify cost of non-edge pixels (default: 0.43f)
      -
      weight_gradient_direction - Specify cost of gradient direction function (default: 0.43f)
      -
      weight_gradient_magnitude - Specify cost of gradient magnitude function (default: 0.14f)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setGradientMagnitudeMaxLimit

      -
      public IntelligentScissorsMB setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max)
      -
      Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article). - Otherwize pixels with gradient magnitude &gt;= threshold have zero cost. - - Note: Thresholding should be used for images with irregular regions (to avoid stuck on parameters from high-contract areas, like embedded logos).
      -
      -
      Parameters:
      -
      gradient_magnitude_threshold_max - Specify gradient magnitude max value threshold (default: 0, disabled)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setGradientMagnitudeMaxLimit

      -
      public IntelligentScissorsMB setGradientMagnitudeMaxLimit()
      -
      Specify gradient magnitude max value threshold - - Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article). - Otherwize pixels with gradient magnitude &gt;= threshold have zero cost. - - Note: Thresholding should be used for images with irregular regions (to avoid stuck on parameters from high-contract areas, like embedded logos).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEdgeFeatureZeroCrossingParameters

      -
      public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value)
      -
      Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article. - - Implementation has additional filtering for regions with low-amplitude noise. - This filtering is enabled through parameter of minimal gradient amplitude (use some small value 4, 8, 16). - - Note: Current implementation of this feature extractor is based on processing of grayscale images (color image is converted to grayscale image first). - - Note: Canny edge detector is a bit slower, but provides better results (especially on color images): use setEdgeFeatureCannyParameters().
      -
      -
      Parameters:
      -
      gradient_magnitude_min_value - Minimal gradient magnitude value for edge pixels (default: 0, check is disabled)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEdgeFeatureZeroCrossingParameters

      -
      public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters()
      -
      Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - - This feature extractor is used by default according to article. - - Implementation has additional filtering for regions with low-amplitude noise. - This filtering is enabled through parameter of minimal gradient amplitude (use some small value 4, 8, 16). - - Note: Current implementation of this feature extractor is based on processing of grayscale images (color image is converted to grayscale image first). - - Note: Canny edge detector is a bit slower, but provides better results (especially on color images): use setEdgeFeatureCannyParameters().
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEdgeFeatureCannyParameters

      -
      public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, - double threshold2, - int apertureSize, - boolean L2gradient)
      -
      Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
      -
      -
      Parameters:
      -
      threshold1 - automatically generated
      -
      threshold2 - automatically generated
      -
      apertureSize - automatically generated
      -
      L2gradient - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEdgeFeatureCannyParameters

      -
      public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, - double threshold2, - int apertureSize)
      -
      Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
      -
      -
      Parameters:
      -
      threshold1 - automatically generated
      -
      threshold2 - automatically generated
      -
      apertureSize - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEdgeFeatureCannyParameters

      -
      public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, - double threshold2)
      -
      Switch edge feature extractor to use Canny edge detector - - Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - - SEE: Canny
      -
      -
      Parameters:
      -
      threshold1 - automatically generated
      -
      threshold2 - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      applyImage

      -
      public IntelligentScissorsMB applyImage(Mat image)
      -
      Specify input image and extract image features
      -
      -
      Parameters:
      -
      image - input image. Type is #CV_8UC1 / #CV_8UC3
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      applyImageFeatures

      -
      public IntelligentScissorsMB applyImageFeatures(Mat non_edge, - Mat gradient_direction, - Mat gradient_magnitude, - Mat image)
      -
      Specify custom features of input image - - Customized advanced variant of applyImage() call.
      -
      -
      Parameters:
      -
      non_edge - Specify cost of non-edge pixels. Type is CV_8UC1. Expected values are {0, 1}.
      -
      gradient_direction - Specify gradient direction feature. Type is CV_32FC2. Values are expected to be normalized: x^2 + y^2 == 1
      -
      gradient_magnitude - Specify cost of gradient magnitude function: Type is CV_32FC1. Values should be in range [0, 1].
      -
      image - Optional parameter. Must be specified if subset of features is specified (non-specified features are calculated internally)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      applyImageFeatures

      -
      public IntelligentScissorsMB applyImageFeatures(Mat non_edge, - Mat gradient_direction, - Mat gradient_magnitude)
      -
      Specify custom features of input image - - Customized advanced variant of applyImage() call.
      -
      -
      Parameters:
      -
      non_edge - Specify cost of non-edge pixels. Type is CV_8UC1. Expected values are {0, 1}.
      -
      gradient_direction - Specify gradient direction feature. Type is CV_32FC2. Values are expected to be normalized: x^2 + y^2 == 1
      -
      gradient_magnitude - Specify cost of gradient magnitude function: Type is CV_32FC1. Values should be in range [0, 1].
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      buildMap

      -
      public void buildMap(Point sourcePt)
      -
      Prepares a map of optimal paths for the given source point on the image - - Note: applyImage() / applyImageFeatures() must be called before this call
      -
      -
      Parameters:
      -
      sourcePt - The source point used to find the paths
      -
      -
      -
      • -
    • -
      -

      getContour

      -
      public void getContour(Point targetPt, - Mat contour, - boolean backward)
      -
      Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
      -
      -
      Parameters:
      -
      targetPt - The target point
      -
      contour - The list of pixels which contains optimal path between the source and the target points of the image. Type is CV_32SC2 (compatible with std::vector&lt;Point&gt;)
      -
      backward - Flag to indicate reverse order of retrieved pixels (use "true" value to fetch points from the target to the source point)
      -
      -
      -
      • -
    • -
      -

      getContour

      -
      public void getContour(Point targetPt, - Mat contour)
      -
      Extracts optimal contour for the given target point on the image - - Note: buildMap() must be called before this call
      -
      -
      Parameters:
      -
      targetPt - The target point
      -
      contour - The list of pixels which contains optimal path between the source and the target points of the image. Type is CV_32SC2 (compatible with std::vector&lt;Point&gt;)
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/LineSegmentDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/LineSegmentDetector.html deleted file mode 100644 index 4f93fbb0ef..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/LineSegmentDetector.html +++ /dev/null @@ -1,403 +0,0 @@ - - - - -LineSegmentDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class LineSegmentDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.imgproc.LineSegmentDetector
-
-
-
-
-
public class LineSegmentDetector -extends Algorithm
-
Line segment detector class - - following the algorithm described at CITE: Rafael12 . - - Note: Implementation has been removed from OpenCV version 3.4.6 to 3.4.15 and version 4.1.0 to 4.5.3 due original code license conflict. - restored again after [Computation of a NFA](https://github.com/rafael-grompone-von-gioi/binomial_nfa) code published under the MIT license.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static LineSegmentDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat lines, - Mat width, - Mat prec, - Mat nfa)
      -
      Finds lines in the input image. - - This is the output of the default parameters of the algorithm on the above shown image. - - ![image](pics/building_lsd.png)
      -
      -
      Parameters:
      -
      image - A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - lsd_ptr-&gt;detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
      -
      lines - A vector of Vec4f elements specifying the beginning and ending point of a line. Where - Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - oriented depending on the gradient.
      -
      width - Vector of widths of the regions, where the lines are found. E.g. Width of line.
      -
      prec - Vector of precisions with which the lines are found.
      -
      nfa - Vector containing number of false alarms in the line region, with precision of 10%. The - bigger the value, logarithmically better the detection. -
        -
      • - -1 corresponds to 10 mean false alarms -
        • -
      • - 0 corresponds to 1 mean false alarm -
        • -
      • - 1 corresponds to 0.1 mean false alarms - This vector will be calculated only when the objects type is #LSD_REFINE_ADV. -
        • -
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat lines, - Mat width, - Mat prec)
      -
      Finds lines in the input image. - - This is the output of the default parameters of the algorithm on the above shown image. - - ![image](pics/building_lsd.png)
      -
      -
      Parameters:
      -
      image - A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - lsd_ptr-&gt;detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
      -
      lines - A vector of Vec4f elements specifying the beginning and ending point of a line. Where - Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - oriented depending on the gradient.
      -
      width - Vector of widths of the regions, where the lines are found. E.g. Width of line.
      -
      prec - Vector of precisions with which the lines are found. - bigger the value, logarithmically better the detection. -
        -
      • - -1 corresponds to 10 mean false alarms -
        • -
      • - 0 corresponds to 1 mean false alarm -
        • -
      • - 1 corresponds to 0.1 mean false alarms - This vector will be calculated only when the objects type is #LSD_REFINE_ADV. -
        • -
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat lines, - Mat width)
      -
      Finds lines in the input image. - - This is the output of the default parameters of the algorithm on the above shown image. - - ![image](pics/building_lsd.png)
      -
      -
      Parameters:
      -
      image - A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - lsd_ptr-&gt;detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
      -
      lines - A vector of Vec4f elements specifying the beginning and ending point of a line. Where - Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - oriented depending on the gradient.
      -
      width - Vector of widths of the regions, where the lines are found. E.g. Width of line. - bigger the value, logarithmically better the detection. -
        -
      • - -1 corresponds to 10 mean false alarms -
        • -
      • - 0 corresponds to 1 mean false alarm -
        • -
      • - 1 corresponds to 0.1 mean false alarms - This vector will be calculated only when the objects type is #LSD_REFINE_ADV. -
        • -
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat image, - Mat lines)
      -
      Finds lines in the input image. - - This is the output of the default parameters of the algorithm on the above shown image. - - ![image](pics/building_lsd.png)
      -
      -
      Parameters:
      -
      image - A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - lsd_ptr-&gt;detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
      -
      lines - A vector of Vec4f elements specifying the beginning and ending point of a line. Where - Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - oriented depending on the gradient. - bigger the value, logarithmically better the detection. -
        -
      • - -1 corresponds to 10 mean false alarms -
        • -
      • - 0 corresponds to 1 mean false alarm -
        • -
      • - 1 corresponds to 0.1 mean false alarms - This vector will be calculated only when the objects type is #LSD_REFINE_ADV. -
        • -
      -
      -
      -
      • -
    • -
      -

      drawSegments

      -
      public void drawSegments(Mat image, - Mat lines)
      -
      Draws the line segments on a given image.
      -
      -
      Parameters:
      -
      image - The image, where the lines will be drawn. Should be bigger or equal to the image, - where the lines were found.
      -
      lines - A vector of the lines that needed to be drawn.
      -
      -
      -
      • -
    • -
      -

      compareSegments

      -
      public int compareSegments(Size size, - Mat lines1, - Mat lines2, - Mat image)
      -
      Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels.
      -
      -
      Parameters:
      -
      size - The size of the image, where lines1 and lines2 were found.
      -
      lines1 - The first group of lines that needs to be drawn. It is visualized in blue color.
      -
      lines2 - The second group of lines. They visualized in red color.
      -
      image - Optional image, where the lines will be drawn. The image should be color(3-channel) - in order for lines1 and lines2 to be drawn in the above mentioned colors.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      compareSegments

      -
      public int compareSegments(Size size, - Mat lines1, - Mat lines2)
      -
      Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels.
      -
      -
      Parameters:
      -
      size - The size of the image, where lines1 and lines2 were found.
      -
      lines1 - The first group of lines that needs to be drawn. It is visualized in blue color.
      -
      lines2 - The second group of lines. They visualized in red color. - in order for lines1 and lines2 to be drawn in the above mentioned colors.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Moments.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Moments.html deleted file mode 100644 index 7b5493bd48..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Moments.html +++ /dev/null @@ -1,887 +0,0 @@ - - - - -Moments (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class Moments

-
-
java.lang.Object -
org.opencv.imgproc.Moments
-
-
-
-
public class Moments -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      m00

      -
      public double m00
      -
      -
      • -
    • -
      -

      m10

      -
      public double m10
      -
      -
      • -
    • -
      -

      m01

      -
      public double m01
      -
      -
      • -
    • -
      -

      m20

      -
      public double m20
      -
      -
      • -
    • -
      -

      m11

      -
      public double m11
      -
      -
      • -
    • -
      -

      m02

      -
      public double m02
      -
      -
      • -
    • -
      -

      m30

      -
      public double m30
      -
      -
      • -
    • -
      -

      m21

      -
      public double m21
      -
      -
      • -
    • -
      -

      m12

      -
      public double m12
      -
      -
      • -
    • -
      -

      m03

      -
      public double m03
      -
      -
      • -
    • -
      -

      mu20

      -
      public double mu20
      -
      -
      • -
    • -
      -

      mu11

      -
      public double mu11
      -
      -
      • -
    • -
      -

      mu02

      -
      public double mu02
      -
      -
      • -
    • -
      -

      mu30

      -
      public double mu30
      -
      -
      • -
    • -
      -

      mu21

      -
      public double mu21
      -
      -
      • -
    • -
      -

      mu12

      -
      public double mu12
      -
      -
      • -
    • -
      -

      mu03

      -
      public double mu03
      -
      -
      • -
    • -
      -

      nu20

      -
      public double nu20
      -
      -
      • -
    • -
      -

      nu11

      -
      public double nu11
      -
      -
      • -
    • -
      -

      nu02

      -
      public double nu02
      -
      -
      • -
    • -
      -

      nu30

      -
      public double nu30
      -
      -
      • -
    • -
      -

      nu21

      -
      public double nu21
      -
      -
      • -
    • -
      -

      nu12

      -
      public double nu12
      -
      -
      • -
    • -
      -

      nu03

      -
      public double nu03
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Moments

      -
      public Moments(double m00, - double m10, - double m01, - double m20, - double m11, - double m02, - double m30, - double m21, - double m12, - double m03)
      -
      -
      • -
    • -
      -

      Moments

      -
      public Moments()
      -
      -
      • -
    • -
      -

      Moments

      -
      public Moments(double[] vals)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      set

      -
      public void set(double[] vals)
      -
      -
      • -
    • -
      -

      toString

      -
      public String toString()
      -
      -
      Overrides:
      -
      toString in class Object
      -
      -
      -
      • -
    • -
      -

      get_m00

      -
      public double get_m00()
      -
      -
      • -
    • -
      -

      get_m10

      -
      public double get_m10()
      -
      -
      • -
    • -
      -

      get_m01

      -
      public double get_m01()
      -
      -
      • -
    • -
      -

      get_m20

      -
      public double get_m20()
      -
      -
      • -
    • -
      -

      get_m11

      -
      public double get_m11()
      -
      -
      • -
    • -
      -

      get_m02

      -
      public double get_m02()
      -
      -
      • -
    • -
      -

      get_m30

      -
      public double get_m30()
      -
      -
      • -
    • -
      -

      get_m21

      -
      public double get_m21()
      -
      -
      • -
    • -
      -

      get_m12

      -
      public double get_m12()
      -
      -
      • -
    • -
      -

      get_m03

      -
      public double get_m03()
      -
      -
      • -
    • -
      -

      get_mu20

      -
      public double get_mu20()
      -
      -
      • -
    • -
      -

      get_mu11

      -
      public double get_mu11()
      -
      -
      • -
    • -
      -

      get_mu02

      -
      public double get_mu02()
      -
      -
      • -
    • -
      -

      get_mu30

      -
      public double get_mu30()
      -
      -
      • -
    • -
      -

      get_mu21

      -
      public double get_mu21()
      -
      -
      • -
    • -
      -

      get_mu12

      -
      public double get_mu12()
      -
      -
      • -
    • -
      -

      get_mu03

      -
      public double get_mu03()
      -
      -
      • -
    • -
      -

      get_nu20

      -
      public double get_nu20()
      -
      -
      • -
    • -
      -

      get_nu11

      -
      public double get_nu11()
      -
      -
      • -
    • -
      -

      get_nu02

      -
      public double get_nu02()
      -
      -
      • -
    • -
      -

      get_nu30

      -
      public double get_nu30()
      -
      -
      • -
    • -
      -

      get_nu21

      -
      public double get_nu21()
      -
      -
      • -
    • -
      -

      get_nu12

      -
      public double get_nu12()
      -
      -
      • -
    • -
      -

      get_nu03

      -
      public double get_nu03()
      -
      -
      • -
    • -
      -

      set_m00

      -
      public void set_m00(double m00)
      -
      -
      • -
    • -
      -

      set_m10

      -
      public void set_m10(double m10)
      -
      -
      • -
    • -
      -

      set_m01

      -
      public void set_m01(double m01)
      -
      -
      • -
    • -
      -

      set_m20

      -
      public void set_m20(double m20)
      -
      -
      • -
    • -
      -

      set_m11

      -
      public void set_m11(double m11)
      -
      -
      • -
    • -
      -

      set_m02

      -
      public void set_m02(double m02)
      -
      -
      • -
    • -
      -

      set_m30

      -
      public void set_m30(double m30)
      -
      -
      • -
    • -
      -

      set_m21

      -
      public void set_m21(double m21)
      -
      -
      • -
    • -
      -

      set_m12

      -
      public void set_m12(double m12)
      -
      -
      • -
    • -
      -

      set_m03

      -
      public void set_m03(double m03)
      -
      -
      • -
    • -
      -

      set_mu20

      -
      public void set_mu20(double mu20)
      -
      -
      • -
    • -
      -

      set_mu11

      -
      public void set_mu11(double mu11)
      -
      -
      • -
    • -
      -

      set_mu02

      -
      public void set_mu02(double mu02)
      -
      -
      • -
    • -
      -

      set_mu30

      -
      public void set_mu30(double mu30)
      -
      -
      • -
    • -
      -

      set_mu21

      -
      public void set_mu21(double mu21)
      -
      -
      • -
    • -
      -

      set_mu12

      -
      public void set_mu12(double mu12)
      -
      -
      • -
    • -
      -

      set_mu03

      -
      public void set_mu03(double mu03)
      -
      -
      • -
    • -
      -

      set_nu20

      -
      public void set_nu20(double nu20)
      -
      -
      • -
    • -
      -

      set_nu11

      -
      public void set_nu11(double nu11)
      -
      -
      • -
    • -
      -

      set_nu02

      -
      public void set_nu02(double nu02)
      -
      -
      • -
    • -
      -

      set_nu30

      -
      public void set_nu30(double nu30)
      -
      -
      • -
    • -
      -

      set_nu21

      -
      public void set_nu21(double nu21)
      -
      -
      • -
    • -
      -

      set_nu12

      -
      public void set_nu12(double nu12)
      -
      -
      • -
    • -
      -

      set_nu03

      -
      public void set_nu03(double nu03)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Subdiv2D.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Subdiv2D.html deleted file mode 100644 index 7082bb2c87..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/Subdiv2D.html +++ /dev/null @@ -1,906 +0,0 @@ - - - - -Subdiv2D (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.imgproc
-

Class Subdiv2D

-
-
java.lang.Object -
org.opencv.imgproc.Subdiv2D
-
-
-
-
public class Subdiv2D -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      PTLOC_ERROR

      -
      public static final int PTLOC_ERROR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PTLOC_OUTSIDE_RECT

      -
      public static final int PTLOC_OUTSIDE_RECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PTLOC_INSIDE

      -
      public static final int PTLOC_INSIDE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PTLOC_VERTEX

      -
      public static final int PTLOC_VERTEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PTLOC_ON_EDGE

      -
      public static final int PTLOC_ON_EDGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEXT_AROUND_ORG

      -
      public static final int NEXT_AROUND_ORG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEXT_AROUND_DST

      -
      public static final int NEXT_AROUND_DST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREV_AROUND_ORG

      -
      public static final int PREV_AROUND_ORG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREV_AROUND_DST

      -
      public static final int PREV_AROUND_DST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEXT_AROUND_LEFT

      -
      public static final int NEXT_AROUND_LEFT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NEXT_AROUND_RIGHT

      -
      public static final int NEXT_AROUND_RIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREV_AROUND_LEFT

      -
      public static final int PREV_AROUND_LEFT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREV_AROUND_RIGHT

      -
      public static final int PREV_AROUND_RIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Subdiv2D

      -
      public Subdiv2D()
      -
      creates an empty Subdiv2D object. - To create a new empty Delaunay subdivision you need to use the #initDelaunay function.
      -
      -
      • -
    • -
      -

      Subdiv2D

      -
      public Subdiv2D(Rect rect)
      -
      -
      Parameters:
      -
      rect - Rectangle that includes all of the 2D points that are to be added to the subdivision. - - The function creates an empty Delaunay subdivision where 2D points can be added using the function - insert() . All of the points to be added must be within the specified rectangle, otherwise a runtime - error is raised.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Subdiv2D __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      initDelaunay

      -
      public void initDelaunay(Rect rect)
      -
      Creates a new empty Delaunay subdivision
      -
      -
      Parameters:
      -
      rect - Rectangle that includes all of the 2D points that are to be added to the subdivision.
      -
      -
      -
      • -
    • -
      -

      insert

      -
      public int insert(Point pt)
      -
      Insert a single point into a Delaunay triangulation.
      -
      -
      Parameters:
      -
      pt - Point to insert. - - The function inserts a single point into a subdivision and modifies the subdivision topology - appropriately. If a point with the same coordinates exists already, no new point is added.
      -
      Returns:
      -
      the ID of the point. - - Note: If the point is outside of the triangulation specified rect a runtime error is raised.
      -
      -
      -
      • -
    • -
      -

      insert

      -
      public void insert(MatOfPoint2f ptvec)
      -
      Insert multiple points into a Delaunay triangulation.
      -
      -
      Parameters:
      -
      ptvec - Points to insert. - - The function inserts a vector of points into a subdivision and modifies the subdivision topology - appropriately.
      -
      -
      -
      • -
    • -
      -

      locate

      -
      public int locate(Point pt, - int[] edge, - int[] vertex)
      -
      Returns the location of a point within a Delaunay triangulation.
      -
      -
      Parameters:
      -
      pt - Point to locate.
      -
      edge - Output edge that the point belongs to or is located to the right of it.
      -
      vertex - Optional output vertex the input point coincides with. - - The function locates the input point within the subdivision and gives one of the triangle edges - or vertices.
      -
      Returns:
      -
      an integer which specify one of the following five cases for point location: -
        -
      • - The point falls into some facet. The function returns #PTLOC_INSIDE and edge will contain one of - edges of the facet. -
        • -
      • - The point falls onto the edge. The function returns #PTLOC_ON_EDGE and edge will contain this edge. -
        • -
      • - The point coincides with one of the subdivision vertices. The function returns #PTLOC_VERTEX and - vertex will contain a pointer to the vertex. -
        • -
      • - The point is outside the subdivision reference rectangle. The function returns #PTLOC_OUTSIDE_RECT - and no pointers are filled. -
        • -
      • - One of input arguments is invalid. A runtime error is raised or, if silent or "parent" error - processing mode is selected, #PTLOC_ERROR is returned. -
        • -
      -
      -
      -
      • -
    • -
      -

      findNearest

      -
      public int findNearest(Point pt, - Point nearestPt)
      -
      Finds the subdivision vertex closest to the given point.
      -
      -
      Parameters:
      -
      pt - Input point.
      -
      nearestPt - Output subdivision vertex point. - - The function is another function that locates the input point within the subdivision. It finds the - subdivision vertex that is the closest to the input point. It is not necessarily one of vertices - of the facet containing the input point, though the facet (located using locate() ) is used as a - starting point.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    • -
      -

      findNearest

      -
      public int findNearest(Point pt)
      -
      Finds the subdivision vertex closest to the given point.
      -
      -
      Parameters:
      -
      pt - Input point. - - The function is another function that locates the input point within the subdivision. It finds the - subdivision vertex that is the closest to the input point. It is not necessarily one of vertices - of the facet containing the input point, though the facet (located using locate() ) is used as a - starting point.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    • -
      -

      getEdgeList

      -
      public void getEdgeList(MatOfFloat4 edgeList)
      -
      Returns a list of all edges.
      -
      -
      Parameters:
      -
      edgeList - Output vector. - - The function gives each edge as a 4 numbers vector, where each two are one of the edge - vertices. i.e. org_x = v[0], org_y = v[1], dst_x = v[2], dst_y = v[3].
      -
      -
      -
      • -
    • -
      -

      getLeadingEdgeList

      -
      public void getLeadingEdgeList(MatOfInt leadingEdgeList)
      -
      Returns a list of the leading edge ID connected to each triangle.
      -
      -
      Parameters:
      -
      leadingEdgeList - Output vector. - - The function gives one edge ID for each triangle.
      -
      -
      -
      • -
    • -
      -

      getTriangleList

      -
      public void getTriangleList(MatOfFloat6 triangleList)
      -
      Returns a list of all triangles.
      -
      -
      Parameters:
      -
      triangleList - Output vector. - - The function gives each triangle as a 6 numbers vector, where each two are one of the triangle - vertices. i.e. p1_x = v[0], p1_y = v[1], p2_x = v[2], p2_y = v[3], p3_x = v[4], p3_y = v[5].
      -
      -
      -
      • -
    • -
      -

      getVoronoiFacetList

      -
      public void getVoronoiFacetList(MatOfInt idx, - List<MatOfPoint2f> facetList, - MatOfPoint2f facetCenters)
      -
      Returns a list of all Voronoi facets.
      -
      -
      Parameters:
      -
      idx - Vector of vertices IDs to consider. For all vertices you can pass empty vector.
      -
      facetList - Output vector of the Voronoi facets.
      -
      facetCenters - Output vector of the Voronoi facets center points.
      -
      -
      -
      • -
    • -
      -

      getVertex

      -
      public Point getVertex(int vertex, - int[] firstEdge)
      -
      Returns vertex location from vertex ID.
      -
      -
      Parameters:
      -
      vertex - vertex ID.
      -
      firstEdge - Optional. The first edge ID which is connected to the vertex.
      -
      Returns:
      -
      vertex (x,y)
      -
      -
      -
      • -
    • -
      -

      getVertex

      -
      public Point getVertex(int vertex)
      -
      Returns vertex location from vertex ID.
      -
      -
      Parameters:
      -
      vertex - vertex ID.
      -
      Returns:
      -
      vertex (x,y)
      -
      -
      -
      • -
    • -
      -

      getEdge

      -
      public int getEdge(int edge, - int nextEdgeType)
      -
      Returns one of the edges related to the given edge.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      nextEdgeType - Parameter specifying which of the related edges to return. - The following values are possible: -
        -
      • - NEXT_AROUND_ORG next around the edge origin ( eOnext on the picture below if e is the input edge) -
        • -
      • - NEXT_AROUND_DST next around the edge vertex ( eDnext ) -
        • -
      • - PREV_AROUND_ORG previous around the edge origin (reversed eRnext ) -
        • -
      • - PREV_AROUND_DST previous around the edge destination (reversed eLnext ) -
        • -
      • - NEXT_AROUND_LEFT next around the left facet ( eLnext ) -
        • -
      • - NEXT_AROUND_RIGHT next around the right facet ( eRnext ) -
        • -
      • - PREV_AROUND_LEFT previous around the left facet (reversed eOnext ) -
        • -
      • - PREV_AROUND_RIGHT previous around the right facet (reversed eDnext ) -
        • -
      - - ![sample output](pics/quadedge.png)
      -
      Returns:
      -
      edge ID related to the input edge.
      -
      -
      -
      • -
    • -
      -

      nextEdge

      -
      public int nextEdge(int edge)
      -
      Returns next edge around the edge origin.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      Returns:
      -
      an integer which is next edge ID around the edge origin: eOnext on the - picture above if e is the input edge).
      -
      -
      -
      • -
    • -
      -

      rotateEdge

      -
      public int rotateEdge(int edge, - int rotate)
      -
      Returns another edge of the same quad-edge.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      rotate - Parameter specifying which of the edges of the same quad-edge as the input - one to return. The following values are possible: -
        -
      • - 0 - the input edge ( e on the picture below if e is the input edge) -
        • -
      • - 1 - the rotated edge ( eRot ) -
        • -
      • - 2 - the reversed edge (reversed e (in green)) -
        • -
      • - 3 - the reversed rotated edge (reversed eRot (in green)) -
        • -
      -
      Returns:
      -
      one of the edges ID of the same quad-edge as the input edge.
      -
      -
      -
      • -
    • -
      -

      symEdge

      -
      public int symEdge(int edge)
      -
      -
      • -
    • -
      -

      edgeOrg

      -
      public int edgeOrg(int edge, - Point orgpt)
      -
      Returns the edge origin.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      orgpt - Output vertex location.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    • -
      -

      edgeOrg

      -
      public int edgeOrg(int edge)
      -
      Returns the edge origin.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    • -
      -

      edgeDst

      -
      public int edgeDst(int edge, - Point dstpt)
      -
      Returns the edge destination.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      dstpt - Output vertex location.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    • -
      -

      edgeDst

      -
      public int edgeDst(int edge)
      -
      Returns the edge destination.
      -
      -
      Parameters:
      -
      edge - Subdivision edge ID.
      -
      Returns:
      -
      vertex ID.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-summary.html deleted file mode 100644 index 650cd43291..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-summary.html +++ /dev/null @@ -1,144 +0,0 @@ - - - - -org.opencv.imgproc (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.imgproc

-
-
-
package org.opencv.imgproc
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    CLAHE
    -
    -
    Base class for Contrast Limited Adaptive Histogram Equalization.
    -
    -
    GeneralizedHough
    -
    -
    finds arbitrary template in the grayscale image using Generalized Hough Transform
    -
    -
    GeneralizedHoughBallard
    -
    -
    finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position only without translation and rotation CITE: Ballard1981 .
    -
    -
    GeneralizedHoughGuil
    -
    -
    finds arbitrary template in the grayscale image using Generalized Hough Transform - - Detects position, translation and rotation CITE: Guil1999 .
    -
    -
    Imgproc
    -
     
    -
    IntelligentScissorsMB
    -
    -
    Intelligent Scissors image segmentation - - This class is used to find the path (contour) between two points - which can be used for image segmentation.
    -
    -
    LineSegmentDetector
    -
    -
    Line segment detector class - - following the algorithm described at CITE: Rafael12 .
    -
    -
    Moments
    -
     
    -
    Subdiv2D
    -
     
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-tree.html deleted file mode 100644 index 881bf69a96..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/imgproc/package-tree.html +++ /dev/null @@ -1,100 +0,0 @@ - - - - -org.opencv.imgproc Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.imgproc

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ANN_MLP.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ANN_MLP.html deleted file mode 100644 index 56a4512c1e..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ANN_MLP.html +++ /dev/null @@ -1,984 +0,0 @@ - - - - -ANN_MLP (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class ANN_MLP

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.ANN_MLP
-
-
-
-
-
-
public class ANN_MLP -extends StatModel
-
Artificial Neural Networks - Multi-Layer Perceptrons. - - Unlike many other models in ML that are constructed and trained at once, in the MLP model these - steps are separated. First, a network with the specified topology is created using the non-default - constructor or the method ANN_MLP::create. All the weights are set to zeros. Then, the network is - trained using a set of input and output vectors. The training procedure can be repeated more than - once, that is, the weights can be adjusted based on the new training data. - - Additional flags for StatModel::train are available: ANN_MLP::TrainFlags. - - SEE: REF: ml_intro_ann
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static ANN_MLP __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setTrainMethod

      -
      public void setTrainMethod(int method, - double param1, - double param2)
      -
      Sets training method and common parameters.
      -
      -
      Parameters:
      -
      method - Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods.
      -
      param1 - passed to setRpropDW0 for ANN_MLP::RPROP and to setBackpropWeightScale for ANN_MLP::BACKPROP and to initialT for ANN_MLP::ANNEAL.
      -
      param2 - passed to setRpropDWMin for ANN_MLP::RPROP and to setBackpropMomentumScale for ANN_MLP::BACKPROP and to finalT for ANN_MLP::ANNEAL.
      -
      -
      -
      • -
    • -
      -

      setTrainMethod

      -
      public void setTrainMethod(int method, - double param1)
      -
      Sets training method and common parameters.
      -
      -
      Parameters:
      -
      method - Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods.
      -
      param1 - passed to setRpropDW0 for ANN_MLP::RPROP and to setBackpropWeightScale for ANN_MLP::BACKPROP and to initialT for ANN_MLP::ANNEAL.
      -
      -
      -
      • -
    • -
      -

      setTrainMethod

      -
      public void setTrainMethod(int method)
      -
      Sets training method and common parameters.
      -
      -
      Parameters:
      -
      method - Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods.
      -
      -
      -
      • -
    • -
      -

      getTrainMethod

      -
      public int getTrainMethod()
      -
      Returns current training method
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setActivationFunction

      -
      public void setActivationFunction(int type, - double param1, - double param2)
      -
      Initialize the activation function for each neuron. - Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM.
      -
      -
      Parameters:
      -
      type - The type of activation function. See ANN_MLP::ActivationFunctions.
      -
      param1 - The first parameter of the activation function, \(\alpha\). Default value is 0.
      -
      param2 - The second parameter of the activation function, \(\beta\). Default value is 0.
      -
      -
      -
      • -
    • -
      -

      setActivationFunction

      -
      public void setActivationFunction(int type, - double param1)
      -
      Initialize the activation function for each neuron. - Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM.
      -
      -
      Parameters:
      -
      type - The type of activation function. See ANN_MLP::ActivationFunctions.
      -
      param1 - The first parameter of the activation function, \(\alpha\). Default value is 0.
      -
      -
      -
      • -
    • -
      -

      setActivationFunction

      -
      public void setActivationFunction(int type)
      -
      Initialize the activation function for each neuron. - Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM.
      -
      -
      Parameters:
      -
      type - The type of activation function. See ANN_MLP::ActivationFunctions.
      -
      -
      -
      • -
    • -
      -

      setLayerSizes

      -
      public void setLayerSizes(Mat _layer_sizes)
      -
      Integer vector specifying the number of neurons in each layer including the input and output layers. - The very first element specifies the number of elements in the input layer. - The last element - number of elements in the output layer. Default value is empty Mat. - SEE: getLayerSizes
      -
      -
      Parameters:
      -
      _layer_sizes - automatically generated
      -
      -
      -
      • -
    • -
      -

      getLayerSizes

      -
      public Mat getLayerSizes()
      -
      Integer vector specifying the number of neurons in each layer including the input and output layers. - The very first element specifies the number of elements in the input layer. - The last element - number of elements in the output layer. - SEE: setLayerSizes
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getBackpropWeightScale

      -
      public double getBackpropWeightScale()
      -
      SEE: setBackpropWeightScale
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setBackpropWeightScale

      -
      public void setBackpropWeightScale(double val)
      -
      getBackpropWeightScale SEE: getBackpropWeightScale
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getBackpropMomentumScale

      -
      public double getBackpropMomentumScale()
      -
      SEE: setBackpropMomentumScale
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setBackpropMomentumScale

      -
      public void setBackpropMomentumScale(double val)
      -
      getBackpropMomentumScale SEE: getBackpropMomentumScale
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRpropDW0

      -
      public double getRpropDW0()
      -
      SEE: setRpropDW0
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRpropDW0

      -
      public void setRpropDW0(double val)
      -
      getRpropDW0 SEE: getRpropDW0
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRpropDWPlus

      -
      public double getRpropDWPlus()
      -
      SEE: setRpropDWPlus
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRpropDWPlus

      -
      public void setRpropDWPlus(double val)
      -
      getRpropDWPlus SEE: getRpropDWPlus
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRpropDWMinus

      -
      public double getRpropDWMinus()
      -
      SEE: setRpropDWMinus
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRpropDWMinus

      -
      public void setRpropDWMinus(double val)
      -
      getRpropDWMinus SEE: getRpropDWMinus
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRpropDWMin

      -
      public double getRpropDWMin()
      -
      SEE: setRpropDWMin
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRpropDWMin

      -
      public void setRpropDWMin(double val)
      -
      getRpropDWMin SEE: getRpropDWMin
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRpropDWMax

      -
      public double getRpropDWMax()
      -
      SEE: setRpropDWMax
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRpropDWMax

      -
      public void setRpropDWMax(double val)
      -
      getRpropDWMax SEE: getRpropDWMax
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAnnealInitialT

      -
      public double getAnnealInitialT()
      -
      SEE: setAnnealInitialT
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAnnealInitialT

      -
      public void setAnnealInitialT(double val)
      -
      getAnnealInitialT SEE: getAnnealInitialT
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAnnealFinalT

      -
      public double getAnnealFinalT()
      -
      SEE: setAnnealFinalT
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAnnealFinalT

      -
      public void setAnnealFinalT(double val)
      -
      getAnnealFinalT SEE: getAnnealFinalT
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAnnealCoolingRatio

      -
      public double getAnnealCoolingRatio()
      -
      SEE: setAnnealCoolingRatio
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAnnealCoolingRatio

      -
      public void setAnnealCoolingRatio(double val)
      -
      getAnnealCoolingRatio SEE: getAnnealCoolingRatio
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAnnealItePerStep

      -
      public int getAnnealItePerStep()
      -
      SEE: setAnnealItePerStep
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAnnealItePerStep

      -
      public void setAnnealItePerStep(int val)
      -
      getAnnealItePerStep SEE: getAnnealItePerStep
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getWeights

      -
      public Mat getWeights(int layerIdx)
      -
      -
      • -
    • -
      -

      create

      -
      public static ANN_MLP create()
      -
      Creates empty model - - Use StatModel::train to train the model, Algorithm::load<ANN_MLP>(filename) to load the pre-trained model. - Note that the train method has optional flags: ANN_MLP::TrainFlags.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static ANN_MLP load(String filepath)
      -
      Loads and creates a serialized ANN from a file - - Use ANN::save to serialize and store an ANN to disk. - Load the ANN from this file again, by calling this function with the path to the file.
      -
      -
      Parameters:
      -
      filepath - path to serialized ANN
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Boost.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Boost.html deleted file mode 100644 index 3fc673d8e0..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Boost.html +++ /dev/null @@ -1,421 +0,0 @@ - - - - -Boost (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class Boost

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.DTrees -
org.opencv.ml.Boost
-
-
-
-
-
-
-
public class Boost -extends DTrees
-
Boosted tree classifier derived from DTrees - - SEE: REF: ml_intro_boost
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static Boost __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getBoostType

      -
      public int getBoostType()
      -
      SEE: setBoostType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setBoostType

      -
      public void setBoostType(int val)
      -
      getBoostType SEE: getBoostType
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getWeakCount

      -
      public int getWeakCount()
      -
      SEE: setWeakCount
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setWeakCount

      -
      public void setWeakCount(int val)
      -
      getWeakCount SEE: getWeakCount
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getWeightTrimRate

      -
      public double getWeightTrimRate()
      -
      SEE: setWeightTrimRate
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setWeightTrimRate

      -
      public void setWeightTrimRate(double val)
      -
      getWeightTrimRate SEE: getWeightTrimRate
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static Boost create()
      -
      Creates the empty model. - Use StatModel::train to train the model, Algorithm::load<Boost>(filename) to load the pre-trained model.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static Boost load(String filepath, - String nodeName)
      -
      Loads and creates a serialized Boost from a file - - Use Boost::save to serialize and store an RTree to disk. - Load the Boost from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized Boost
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static Boost load(String filepath)
      -
      Loads and creates a serialized Boost from a file - - Use Boost::save to serialize and store an RTree to disk. - Load the Boost from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized Boost
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/DTrees.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/DTrees.html deleted file mode 100644 index 8ee2c96962..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/DTrees.html +++ /dev/null @@ -1,619 +0,0 @@ - - - - -DTrees (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class DTrees

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.DTrees
-
-
-
-
-
-
Direct Known Subclasses:
-
Boost, RTrees
-
-
-
public class DTrees -extends StatModel
-
The class represents a single decision tree or a collection of decision trees. - - The current public interface of the class allows user to train only a single decision tree, however - the class is capable of storing multiple decision trees and using them for prediction (by summing - responses or using a voting schemes), and the derived from DTrees classes (such as RTrees and Boost) - use this capability to implement decision tree ensembles. - - SEE: REF: ml_intro_trees
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      PREDICT_AUTO

      -
      public static final int PREDICT_AUTO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREDICT_SUM

      -
      public static final int PREDICT_SUM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREDICT_MAX_VOTE

      -
      public static final int PREDICT_MAX_VOTE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREDICT_MASK

      -
      public static final int PREDICT_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static DTrees __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getMaxCategories

      -
      public int getMaxCategories()
      -
      SEE: setMaxCategories
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMaxCategories

      -
      public void setMaxCategories(int val)
      -
      getMaxCategories SEE: getMaxCategories
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getMaxDepth

      -
      public int getMaxDepth()
      -
      SEE: setMaxDepth
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMaxDepth

      -
      public void setMaxDepth(int val)
      -
      getMaxDepth SEE: getMaxDepth
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getMinSampleCount

      -
      public int getMinSampleCount()
      -
      SEE: setMinSampleCount
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMinSampleCount

      -
      public void setMinSampleCount(int val)
      -
      getMinSampleCount SEE: getMinSampleCount
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getCVFolds

      -
      public int getCVFolds()
      -
      SEE: setCVFolds
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setCVFolds

      -
      public void setCVFolds(int val)
      -
      getCVFolds SEE: getCVFolds
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getUseSurrogates

      -
      public boolean getUseSurrogates()
      -
      SEE: setUseSurrogates
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUseSurrogates

      -
      public void setUseSurrogates(boolean val)
      -
      getUseSurrogates SEE: getUseSurrogates
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getUse1SERule

      -
      public boolean getUse1SERule()
      -
      SEE: setUse1SERule
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUse1SERule

      -
      public void setUse1SERule(boolean val)
      -
      getUse1SERule SEE: getUse1SERule
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTruncatePrunedTree

      -
      public boolean getTruncatePrunedTree()
      -
      SEE: setTruncatePrunedTree
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTruncatePrunedTree

      -
      public void setTruncatePrunedTree(boolean val)
      -
      getTruncatePrunedTree SEE: getTruncatePrunedTree
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRegressionAccuracy

      -
      public float getRegressionAccuracy()
      -
      SEE: setRegressionAccuracy
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRegressionAccuracy

      -
      public void setRegressionAccuracy(float val)
      -
      getRegressionAccuracy SEE: getRegressionAccuracy
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getPriors

      -
      public Mat getPriors()
      -
      SEE: setPriors
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setPriors

      -
      public void setPriors(Mat val)
      -
      getPriors SEE: getPriors
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static DTrees create()
      -
      Creates the empty model - - The static method creates empty decision tree with the specified parameters. It should be then - trained using train method (see StatModel::train). Alternatively, you can load the model from - file using Algorithm::load<DTrees>(filename).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static DTrees load(String filepath, - String nodeName)
      -
      Loads and creates a serialized DTrees from a file - - Use DTree::save to serialize and store an DTree to disk. - Load the DTree from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized DTree
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static DTrees load(String filepath)
      -
      Loads and creates a serialized DTrees from a file - - Use DTree::save to serialize and store an DTree to disk. - Load the DTree from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized DTree
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/EM.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/EM.html deleted file mode 100644 index 20579eccb5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/EM.html +++ /dev/null @@ -1,1252 +0,0 @@ - - - - -EM (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class EM

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.EM
-
-
-
-
-
-
public class EM -extends StatModel
-
The class implements the Expectation Maximization algorithm. - - SEE: REF: ml_intro_em
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final int
    -
    COV_MAT_DEFAULT
    -
     
    -
    static final int
    -
    COV_MAT_DIAGONAL
    -
     
    -
    static final int
    -
    COV_MAT_GENERIC
    -
     
    -
    static final int
    -
    COV_MAT_SPHERICAL
    -
     
    -
    static final int
    -
    DEFAULT_MAX_ITERS
    -
     
    -
    static final int
    -
    DEFAULT_NCLUSTERS
    -
     
    -
    static final int
    -
    START_AUTO_STEP
    -
     
    -
    static final int
    -
    START_E_STEP
    -
     
    -
    static final int
    -
    START_M_STEP
    -
     
    -
    -
    -

    Fields inherited from class org.opencv.ml.StatModel

    -COMPRESSED_INPUT, PREPROCESSED_INPUT, RAW_OUTPUT, UPDATE_MODEL
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static EM
    -
    __fromPtr__(long addr)
    -
     
    -
    static EM
    -
    create()
    -
    -
    Creates empty %EM model.
    -
    -
    int
    -
    getClustersNumber()
    -
    -
    SEE: setClustersNumber
    -
    -
    int
    -
    getCovarianceMatrixType()
    -
    -
    SEE: setCovarianceMatrixType
    -
    -
    void
    -
    getCovs(List<Mat> covs)
    -
    -
    Returns covariation matrices - - Returns vector of covariation matrices.
    -
    -
    Mat
    -
    getMeans()
    -
    -
    Returns the cluster centers (means of the Gaussian mixture) - - Returns matrix with the number of rows equal to the number of mixtures and number of columns - equal to the space dimensionality.
    -
    -
    TermCriteria
    -
    getTermCriteria()
    -
    -
    SEE: setTermCriteria
    -
    -
    Mat
    -
    getWeights()
    -
    -
    Returns weights of the mixtures - - Returns vector with the number of elements equal to the number of mixtures.
    -
    -
    static EM
    -
    load(String filepath)
    -
    -
    Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk.
    -
    -
    static EM
    -
    load(String filepath, - String nodeName)
    -
    -
    Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk.
    -
    -
    float
    -
    predict(Mat samples)
    -
    -
    Returns posterior probabilities for the provided samples
    -
    -
    float
    -
    predict(Mat samples, - Mat results)
    -
    -
    Returns posterior probabilities for the provided samples
    -
    -
    float
    -
    predict(Mat samples, - Mat results, - int flags)
    -
    -
    Returns posterior probabilities for the provided samples
    -
    -
    double[]
    -
    predict2(Mat sample, - Mat probs)
    -
    -
    Returns a likelihood logarithm value and an index of the most probable mixture component - for the given sample.
    -
    -
    void
    -
    setClustersNumber(int val)
    -
    -
    getClustersNumber SEE: getClustersNumber
    -
    -
    void
    -
    setCovarianceMatrixType(int val)
    -
    -
    getCovarianceMatrixType SEE: getCovarianceMatrixType
    -
    -
    void
    -
    setTermCriteria(TermCriteria val)
    -
    -
    getTermCriteria SEE: getTermCriteria
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0, - Mat covs0)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods, - Mat labels)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods, - Mat labels, - Mat probs)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainEM(Mat samples)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainEM(Mat samples, - Mat logLikelihoods)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainEM(Mat samples, - Mat logLikelihoods, - Mat labels)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainEM(Mat samples, - Mat logLikelihoods, - Mat labels, - Mat probs)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainM(Mat samples, - Mat probs0)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainM(Mat samples, - Mat probs0, - Mat logLikelihoods)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainM(Mat samples, - Mat probs0, - Mat logLikelihoods, - Mat labels)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    boolean
    -
    trainM(Mat samples, - Mat probs0, - Mat logLikelihoods, - Mat labels, - Mat probs)
    -
    -
    Estimate the Gaussian mixture parameters from a samples set.
    -
    -
    -
    -
    -
    -

    Methods inherited from class org.opencv.ml.StatModel

    -calcError, empty, getVarCount, isClassifier, isTrained, train, train, train
    -
    -

    Methods inherited from class org.opencv.core.Algorithm

    -clear, getDefaultName, getNativeObjAddr, save
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DEFAULT_NCLUSTERS

      -
      public static final int DEFAULT_NCLUSTERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DEFAULT_MAX_ITERS

      -
      public static final int DEFAULT_MAX_ITERS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      START_E_STEP

      -
      public static final int START_E_STEP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      START_M_STEP

      -
      public static final int START_M_STEP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      START_AUTO_STEP

      -
      public static final int START_AUTO_STEP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COV_MAT_SPHERICAL

      -
      public static final int COV_MAT_SPHERICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COV_MAT_DIAGONAL

      -
      public static final int COV_MAT_DIAGONAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COV_MAT_GENERIC

      -
      public static final int COV_MAT_GENERIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COV_MAT_DEFAULT

      -
      public static final int COV_MAT_DEFAULT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static EM __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getClustersNumber

      -
      public int getClustersNumber()
      -
      SEE: setClustersNumber
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setClustersNumber

      -
      public void setClustersNumber(int val)
      -
      getClustersNumber SEE: getClustersNumber
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getCovarianceMatrixType

      -
      public int getCovarianceMatrixType()
      -
      SEE: setCovarianceMatrixType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setCovarianceMatrixType

      -
      public void setCovarianceMatrixType(int val)
      -
      getCovarianceMatrixType SEE: getCovarianceMatrixType
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getWeights

      -
      public Mat getWeights()
      -
      Returns weights of the mixtures - - Returns vector with the number of elements equal to the number of mixtures.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getMeans

      -
      public Mat getMeans()
      -
      Returns the cluster centers (means of the Gaussian mixture) - - Returns matrix with the number of rows equal to the number of mixtures and number of columns - equal to the space dimensionality.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCovs

      -
      public void getCovs(List<Mat> covs)
      -
      Returns covariation matrices - - Returns vector of covariation matrices. Number of matrices is the number of gaussian mixtures, - each matrix is a square floating-point matrix NxN, where N is the space dimensionality.
      -
      -
      Parameters:
      -
      covs - automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results, - int flags)
      -
      Returns posterior probabilities for the provided samples
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix
      -
      results - The optional output \( nSamples \times nClusters\) matrix of results. It contains - posterior probabilities for each sample from the input
      -
      flags - This parameter will be ignored
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results)
      -
      Returns posterior probabilities for the provided samples
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix
      -
      results - The optional output \( nSamples \times nClusters\) matrix of results. It contains - posterior probabilities for each sample from the input
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples)
      -
      Returns posterior probabilities for the provided samples
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix - posterior probabilities for each sample from the input
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict2

      -
      public double[] predict2(Mat sample, - Mat probs)
      -
      Returns a likelihood logarithm value and an index of the most probable mixture component - for the given sample.
      -
      -
      Parameters:
      -
      sample - A sample for classification. It should be a one-channel matrix of - \(1 \times dims\) or \(dims \times 1\) size.
      -
      probs - Optional output matrix that contains posterior probabilities of each component - given the sample. It has \(1 \times nclusters\) size and CV_64FC1 type. - - The method returns a two-element double vector. Zero element is a likelihood logarithm value for - the sample. First element is an index of the most probable mixture component for the given - sample.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainEM

      -
      public boolean trainEM(Mat samples, - Mat logLikelihoods, - Mat labels, - Mat probs)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. Initial values of the model parameters will be - estimated by the k-means algorithm. - - Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - responses (class labels or function values) as input. Instead, it computes the *Maximum - Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - probable mixture component for each sample). - - The trained model can be used further for prediction, just like any other classifier. The - trained model is similar to the NormalBayesClassifier.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type.
      -
      probs - The optional output matrix that contains posterior probabilities of each Gaussian - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainEM

      -
      public boolean trainEM(Mat samples, - Mat logLikelihoods, - Mat labels)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. Initial values of the model parameters will be - estimated by the k-means algorithm. - - Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - responses (class labels or function values) as input. Instead, it computes the *Maximum - Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - probable mixture component for each sample). - - The trained model can be used further for prediction, just like any other classifier. The - trained model is similar to the NormalBayesClassifier.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainEM

      -
      public boolean trainEM(Mat samples, - Mat logLikelihoods)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. Initial values of the model parameters will be - estimated by the k-means algorithm. - - Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - responses (class labels or function values) as input. Instead, it computes the *Maximum - Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - probable mixture component for each sample). - - The trained model can be used further for prediction, just like any other classifier. The - trained model is similar to the NormalBayesClassifier.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainEM

      -
      public boolean trainEM(Mat samples)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. Initial values of the model parameters will be - estimated by the k-means algorithm. - - Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - responses (class labels or function values) as input. Instead, it computes the *Maximum - Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - probable mixture component for each sample). - - The trained model can be used further for prediction, just like any other classifier. The - trained model is similar to the NormalBayesClassifier.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing. - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods, - Mat labels, - Mat probs)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing.
      -
      covs0 - The vector of initial covariance matrices \(S_k\) of mixture components. Each of - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing.
      -
      weights0 - Initial weights \(\pi_k\) of mixture components. It should be a one-channel - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type.
      -
      probs - The optional output matrix that contains posterior probabilities of each Gaussian - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods, - Mat labels)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing.
      -
      covs0 - The vector of initial covariance matrices \(S_k\) of mixture components. Each of - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing.
      -
      weights0 - Initial weights \(\pi_k\) of mixture components. It should be a one-channel - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0, - Mat logLikelihoods)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing.
      -
      covs0 - The vector of initial covariance matrices \(S_k\) of mixture components. Each of - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing.
      -
      weights0 - Initial weights \(\pi_k\) of mixture components. It should be a one-channel - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size.
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0, - Mat covs0, - Mat weights0)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing.
      -
      covs0 - The vector of initial covariance matrices \(S_k\) of mixture components. Each of - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing.
      -
      weights0 - Initial weights \(\pi_k\) of mixture components. It should be a one-channel - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0, - Mat covs0)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing.
      -
      covs0 - The vector of initial covariance matrices \(S_k\) of mixture components. Each of - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing. - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainE

      -
      public boolean trainE(Mat samples, - Mat means0)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Expectation step. You need to provide initial means \(a_k\) of - mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - \(S_k\) of mixture components.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      means0 - Initial means \(a_k\) of mixture components. It is a one-channel matrix of - \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - converted to the inner matrix of such type for the further computing. - covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - do not have CV_64F type they will be converted to the inner matrices of such type for the - further computing. - floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainM

      -
      public boolean trainM(Mat samples, - Mat probs0, - Mat logLikelihoods, - Mat labels, - Mat probs)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Maximization step. You need to provide initial probabilities - \(p_{i,k}\) to use this option.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      probs0 - the probabilities
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type.
      -
      probs - The optional output matrix that contains posterior probabilities of each Gaussian - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainM

      -
      public boolean trainM(Mat samples, - Mat probs0, - Mat logLikelihoods, - Mat labels)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Maximization step. You need to provide initial probabilities - \(p_{i,k}\) to use this option.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      probs0 - the probabilities
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type.
      -
      labels - The optional output "class label" for each sample: - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainM

      -
      public boolean trainM(Mat samples, - Mat probs0, - Mat logLikelihoods)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Maximization step. You need to provide initial probabilities - \(p_{i,k}\) to use this option.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      probs0 - the probabilities
      -
      logLikelihoods - The optional output matrix that contains a likelihood logarithm value for - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainM

      -
      public boolean trainM(Mat samples, - Mat probs0)
      -
      Estimate the Gaussian mixture parameters from a samples set. - - This variation starts with Maximization step. You need to provide initial probabilities - \(p_{i,k}\) to use this option.
      -
      -
      Parameters:
      -
      samples - Samples from which the Gaussian mixture model will be estimated. It should be a - one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - it will be converted to the inner matrix of such type for the further computing.
      -
      probs0 - the probabilities - each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - mixture component given the each sample. It has \(nsamples \times nclusters\) size and - CV_64FC1 type.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static EM create()
      -
      Creates empty %EM model. - The model should be trained then using StatModel::train(traindata, flags) method. Alternatively, you - can use one of the EM::train\* methods or load it from file using Algorithm::load<EM>(filename).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static EM load(String filepath, - String nodeName)
      -
      Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk. - Load the EM from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized EM
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static EM load(String filepath)
      -
      Loads and creates a serialized EM from a file - - Use EM::save to serialize and store an EM to disk. - Load the EM from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized EM
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/KNearest.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/KNearest.html deleted file mode 100644 index ba1da5a93c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/KNearest.html +++ /dev/null @@ -1,521 +0,0 @@ - - - - -KNearest (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class KNearest

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.KNearest
-
-
-
-
-
-
public class KNearest -extends StatModel
-
The class implements K-Nearest Neighbors model - - SEE: REF: ml_intro_knn
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static KNearest __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getDefaultK

      -
      public int getDefaultK()
      -
      SEE: setDefaultK
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDefaultK

      -
      public void setDefaultK(int val)
      -
      getDefaultK SEE: getDefaultK
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getIsClassifier

      -
      public boolean getIsClassifier()
      -
      SEE: setIsClassifier
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setIsClassifier

      -
      public void setIsClassifier(boolean val)
      -
      getIsClassifier SEE: getIsClassifier
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getEmax

      -
      public int getEmax()
      -
      SEE: setEmax
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEmax

      -
      public void setEmax(int val)
      -
      getEmax SEE: getEmax
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAlgorithmType

      -
      public int getAlgorithmType()
      -
      SEE: setAlgorithmType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAlgorithmType

      -
      public void setAlgorithmType(int val)
      -
      getAlgorithmType SEE: getAlgorithmType
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      findNearest

      -
      public float findNearest(Mat samples, - int k, - Mat results, - Mat neighborResponses, - Mat dist)
      -
      Finds the neighbors and predicts responses for input vectors.
      -
      -
      Parameters:
      -
      samples - Input samples stored by rows. It is a single-precision floating-point matrix of - &lt;number_of_samples&gt; * k size.
      -
      k - Number of used nearest neighbors. Should be greater than 1.
      -
      results - Vector with results of prediction (regression or classification) for each input - sample. It is a single-precision floating-point vector with &lt;number_of_samples&gt; elements.
      -
      neighborResponses - Optional output values for corresponding neighbors. It is a single- - precision floating-point matrix of &lt;number_of_samples&gt; * k size.
      -
      dist - Optional output distances from the input vectors to the corresponding neighbors. It - is a single-precision floating-point matrix of &lt;number_of_samples&gt; * k size. - - For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - In case of regression, the predicted result is a mean value of the particular vector's neighbor - responses. In case of classification, the class is determined by voting. - - For each input vector, the neighbors are sorted by their distances to the vector. - - In case of C++ interface you can use output pointers to empty matrices and the function will - allocate memory itself. - - If only a single input vector is passed, all output matrices are optional and the predicted - value is returned by the method. - - The function is parallelized with the TBB library.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findNearest

      -
      public float findNearest(Mat samples, - int k, - Mat results, - Mat neighborResponses)
      -
      Finds the neighbors and predicts responses for input vectors.
      -
      -
      Parameters:
      -
      samples - Input samples stored by rows. It is a single-precision floating-point matrix of - &lt;number_of_samples&gt; * k size.
      -
      k - Number of used nearest neighbors. Should be greater than 1.
      -
      results - Vector with results of prediction (regression or classification) for each input - sample. It is a single-precision floating-point vector with &lt;number_of_samples&gt; elements.
      -
      neighborResponses - Optional output values for corresponding neighbors. It is a single- - precision floating-point matrix of &lt;number_of_samples&gt; * k size. - is a single-precision floating-point matrix of &lt;number_of_samples&gt; * k size. - - For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - In case of regression, the predicted result is a mean value of the particular vector's neighbor - responses. In case of classification, the class is determined by voting. - - For each input vector, the neighbors are sorted by their distances to the vector. - - In case of C++ interface you can use output pointers to empty matrices and the function will - allocate memory itself. - - If only a single input vector is passed, all output matrices are optional and the predicted - value is returned by the method. - - The function is parallelized with the TBB library.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findNearest

      -
      public float findNearest(Mat samples, - int k, - Mat results)
      -
      Finds the neighbors and predicts responses for input vectors.
      -
      -
      Parameters:
      -
      samples - Input samples stored by rows. It is a single-precision floating-point matrix of - &lt;number_of_samples&gt; * k size.
      -
      k - Number of used nearest neighbors. Should be greater than 1.
      -
      results - Vector with results of prediction (regression or classification) for each input - sample. It is a single-precision floating-point vector with &lt;number_of_samples&gt; elements. - precision floating-point matrix of &lt;number_of_samples&gt; * k size. - is a single-precision floating-point matrix of &lt;number_of_samples&gt; * k size. - - For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - In case of regression, the predicted result is a mean value of the particular vector's neighbor - responses. In case of classification, the class is determined by voting. - - For each input vector, the neighbors are sorted by their distances to the vector. - - In case of C++ interface you can use output pointers to empty matrices and the function will - allocate memory itself. - - If only a single input vector is passed, all output matrices are optional and the predicted - value is returned by the method. - - The function is parallelized with the TBB library.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static KNearest create()
      -
      Creates the empty model - - The static method creates empty %KNearest classifier. It should be then trained using StatModel::train method.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static KNearest load(String filepath)
      -
      Loads and creates a serialized knearest from a file - - Use KNearest::save to serialize and store an KNearest to disk. - Load the KNearest from this file again, by calling this function with the path to the file.
      -
      -
      Parameters:
      -
      filepath - path to serialized KNearest
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/LogisticRegression.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/LogisticRegression.html deleted file mode 100644 index bc834fa33c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/LogisticRegression.html +++ /dev/null @@ -1,618 +0,0 @@ - - - - -LogisticRegression (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class LogisticRegression

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.LogisticRegression
-
-
-
-
-
-
public class LogisticRegression -extends StatModel
-
Implements Logistic Regression classifier. - - SEE: REF: ml_intro_lr
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static LogisticRegression __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getLearningRate

      -
      public double getLearningRate()
      -
      SEE: setLearningRate
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setLearningRate

      -
      public void setLearningRate(double val)
      -
      getLearningRate SEE: getLearningRate
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getIterations

      -
      public int getIterations()
      -
      SEE: setIterations
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setIterations

      -
      public void setIterations(int val)
      -
      getIterations SEE: getIterations
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getRegularization

      -
      public int getRegularization()
      -
      SEE: setRegularization
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setRegularization

      -
      public void setRegularization(int val)
      -
      getRegularization SEE: getRegularization
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainMethod

      -
      public int getTrainMethod()
      -
      SEE: setTrainMethod
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTrainMethod

      -
      public void setTrainMethod(int val)
      -
      getTrainMethod SEE: getTrainMethod
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getMiniBatchSize

      -
      public int getMiniBatchSize()
      -
      SEE: setMiniBatchSize
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMiniBatchSize

      -
      public void setMiniBatchSize(int val)
      -
      getMiniBatchSize SEE: getMiniBatchSize
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results, - int flags)
      -
      Predicts responses for input samples and returns a float type.
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input data for the prediction algorithm. Matrix [m x n], where each row - contains variables (features) of one object being classified. Should have data type CV_32F.
      -
      results - Predicted labels as a column matrix of type CV_32S.
      -
      flags - Not used.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results)
      -
      Predicts responses for input samples and returns a float type.
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input data for the prediction algorithm. Matrix [m x n], where each row - contains variables (features) of one object being classified. Should have data type CV_32F.
      -
      results - Predicted labels as a column matrix of type CV_32S.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples)
      -
      Predicts responses for input samples and returns a float type.
      -
      -
      Overrides:
      -
      predict in class StatModel
      -
      Parameters:
      -
      samples - The input data for the prediction algorithm. Matrix [m x n], where each row - contains variables (features) of one object being classified. Should have data type CV_32F.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_learnt_thetas

      -
      public Mat get_learnt_thetas()
      -
      This function returns the trained parameters arranged across rows. - - For a two class classification problem, it returns a row matrix. It returns learnt parameters of - the Logistic Regression as a matrix of type CV_32F.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static LogisticRegression create()
      -
      Creates empty model. - - Creates Logistic Regression model with parameters given.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static LogisticRegression load(String filepath, - String nodeName)
      -
      Loads and creates a serialized LogisticRegression from a file - - Use LogisticRegression::save to serialize and store an LogisticRegression to disk. - Load the LogisticRegression from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized LogisticRegression
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static LogisticRegression load(String filepath)
      -
      Loads and creates a serialized LogisticRegression from a file - - Use LogisticRegression::save to serialize and store an LogisticRegression to disk. - Load the LogisticRegression from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized LogisticRegression
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Ml.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Ml.html deleted file mode 100644 index 4816710fa3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/Ml.html +++ /dev/null @@ -1,280 +0,0 @@ - - - - -Ml (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class Ml

-
-
java.lang.Object -
org.opencv.ml.Ml
-
-
-
-
public class Ml -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      TEST_ERROR

      -
      public static final int TEST_ERROR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TRAIN_ERROR

      -
      public static final int TRAIN_ERROR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ROW_SAMPLE

      -
      public static final int ROW_SAMPLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COL_SAMPLE

      -
      public static final int COL_SAMPLE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VAR_NUMERICAL

      -
      public static final int VAR_NUMERICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VAR_ORDERED

      -
      public static final int VAR_ORDERED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VAR_CATEGORICAL

      -
      public static final int VAR_CATEGORICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Ml

      -
      public Ml()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/NormalBayesClassifier.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/NormalBayesClassifier.html deleted file mode 100644 index a1e208628a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/NormalBayesClassifier.html +++ /dev/null @@ -1,299 +0,0 @@ - - - - -NormalBayesClassifier (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class NormalBayesClassifier

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.NormalBayesClassifier
-
-
-
-
-
-
public class NormalBayesClassifier -extends StatModel
-
Bayes classifier for normally distributed data. - - SEE: REF: ml_intro_bayes
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static NormalBayesClassifier __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      predictProb

      -
      public float predictProb(Mat inputs, - Mat outputs, - Mat outputProbs, - int flags)
      -
      Predicts the response for sample(s). - - The method estimates the most probable classes for input vectors. Input vectors (one or more) - are stored as rows of the matrix inputs. In case of multiple input vectors, there should be one - output vector outputs. The predicted class for a single input vector is returned by the method. - The vector outputProbs contains the output probabilities corresponding to each element of - result.
      -
      -
      Parameters:
      -
      inputs - automatically generated
      -
      outputs - automatically generated
      -
      outputProbs - automatically generated
      -
      flags - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predictProb

      -
      public float predictProb(Mat inputs, - Mat outputs, - Mat outputProbs)
      -
      Predicts the response for sample(s). - - The method estimates the most probable classes for input vectors. Input vectors (one or more) - are stored as rows of the matrix inputs. In case of multiple input vectors, there should be one - output vector outputs. The predicted class for a single input vector is returned by the method. - The vector outputProbs contains the output probabilities corresponding to each element of - result.
      -
      -
      Parameters:
      -
      inputs - automatically generated
      -
      outputs - automatically generated
      -
      outputProbs - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static NormalBayesClassifier create()
      -
      Creates empty model - Use StatModel::train to train the model after creation.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static NormalBayesClassifier load(String filepath, - String nodeName)
      -
      Loads and creates a serialized NormalBayesClassifier from a file - - Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk. - Load the NormalBayesClassifier from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized NormalBayesClassifier
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static NormalBayesClassifier load(String filepath)
      -
      Loads and creates a serialized NormalBayesClassifier from a file - - Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk. - Load the NormalBayesClassifier from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized NormalBayesClassifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ParamGrid.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ParamGrid.html deleted file mode 100644 index f8df08f03a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/ParamGrid.html +++ /dev/null @@ -1,291 +0,0 @@ - - - - -ParamGrid (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class ParamGrid

-
-
java.lang.Object -
org.opencv.ml.ParamGrid
-
-
-
-
public class ParamGrid -extends Object
-
The structure represents the logarithmic grid range of statmodel parameters. - - It is used for optimizing statmodel accuracy by varying model parameters, the accuracy estimate - being computed by cross-validation.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static ParamGrid __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static ParamGrid create(double minVal, - double maxVal, - double logstep)
      -
      Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
      -
      -
      Parameters:
      -
      minVal - minimum value of the parameter grid
      -
      maxVal - maximum value of the parameter grid
      -
      logstep - Logarithmic step for iterating the statmodel parameter
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ParamGrid create(double minVal, - double maxVal)
      -
      Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
      -
      -
      Parameters:
      -
      minVal - minimum value of the parameter grid
      -
      maxVal - maximum value of the parameter grid
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ParamGrid create(double minVal)
      -
      Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
      -
      -
      Parameters:
      -
      minVal - minimum value of the parameter grid
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static ParamGrid create()
      -
      Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_minVal

      -
      public double get_minVal()
      -
      -
      • -
    • -
      -

      set_minVal

      -
      public void set_minVal(double minVal)
      -
      -
      • -
    • -
      -

      get_maxVal

      -
      public double get_maxVal()
      -
      -
      • -
    • -
      -

      set_maxVal

      -
      public void set_maxVal(double maxVal)
      -
      -
      • -
    • -
      -

      get_logStep

      -
      public double get_logStep()
      -
      -
      • -
    • -
      -

      set_logStep

      -
      public void set_logStep(double logStep)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/RTrees.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/RTrees.html deleted file mode 100644 index eb1a6a3e02..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/RTrees.html +++ /dev/null @@ -1,402 +0,0 @@ - - - - -RTrees (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class RTrees

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.DTrees -
org.opencv.ml.RTrees
-
-
-
-
-
-
-
public class RTrees -extends DTrees
-
The class implements the random forest predictor. - - SEE: REF: ml_intro_rtrees
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static RTrees __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getCalculateVarImportance

      -
      public boolean getCalculateVarImportance()
      -
      SEE: setCalculateVarImportance
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setCalculateVarImportance

      -
      public void setCalculateVarImportance(boolean val)
      -
      getCalculateVarImportance SEE: getCalculateVarImportance
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getActiveVarCount

      -
      public int getActiveVarCount()
      -
      SEE: setActiveVarCount
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setActiveVarCount

      -
      public void setActiveVarCount(int val)
      -
      getActiveVarCount SEE: getActiveVarCount
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVarImportance

      -
      public Mat getVarImportance()
      -
      Returns the variable importance array. - The method returns the variable importance vector, computed at the training stage when - CalculateVarImportance is set to true. If this flag was set to false, the empty matrix is - returned.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getVotes

      -
      public void getVotes(Mat samples, - Mat results, - int flags)
      -
      Returns the result of each individual tree in the forest. - In case the model is a regression problem, the method will return each of the trees' - results for each of the sample cases. If the model is a classifier, it will return - a Mat with samples + 1 rows, where the first row gives the class number and the - following rows return the votes each class had for each sample.
      -
      -
      Parameters:
      -
      samples - Array containing the samples for which votes will be calculated.
      -
      results - Array where the result of the calculation will be written.
      -
      flags - Flags for defining the type of RTrees.
      -
      -
      -
      • -
    • -
      -

      getOOBError

      -
      public double getOOBError()
      -
      Returns the OOB error value, computed at the training stage when calcOOBError is set to true. - If this flag was set to false, 0 is returned. The OOB error is also scaled by sample weighting.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static RTrees create()
      -
      Creates the empty model. - Use StatModel::train to train the model, StatModel::train to create and train the model, - Algorithm::load to load the pre-trained model.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static RTrees load(String filepath, - String nodeName)
      -
      Loads and creates a serialized RTree from a file - - Use RTree::save to serialize and store an RTree to disk. - Load the RTree from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized RTree
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static RTrees load(String filepath)
      -
      Loads and creates a serialized RTree from a file - - Use RTree::save to serialize and store an RTree to disk. - Load the RTree from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized RTree
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVM.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVM.html deleted file mode 100644 index 4af6258ed0..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVM.html +++ /dev/null @@ -1,1400 +0,0 @@ - - - - -SVM (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class SVM

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.SVM
-
-
-
-
-
-
public class SVM -extends StatModel
-
Support Vector Machines. - - SEE: REF: ml_intro_svm
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SVM __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getType

      -
      public int getType()
      -
      SEE: setType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setType

      -
      public void setType(int val)
      -
      getType SEE: getType
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getGamma

      -
      public double getGamma()
      -
      SEE: setGamma
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setGamma

      -
      public void setGamma(double val)
      -
      getGamma SEE: getGamma
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getCoef0

      -
      public double getCoef0()
      -
      SEE: setCoef0
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setCoef0

      -
      public void setCoef0(double val)
      -
      getCoef0 SEE: getCoef0
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDegree

      -
      public double getDegree()
      -
      SEE: setDegree
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDegree

      -
      public void setDegree(double val)
      -
      getDegree SEE: getDegree
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getC

      -
      public double getC()
      -
      SEE: setC
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setC

      -
      public void setC(double val)
      -
      getC SEE: getC
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getNu

      -
      public double getNu()
      -
      SEE: setNu
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setNu

      -
      public void setNu(double val)
      -
      getNu SEE: getNu
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getP

      -
      public double getP()
      -
      SEE: setP
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setP

      -
      public void setP(double val)
      -
      getP SEE: getP
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getClassWeights

      -
      public Mat getClassWeights()
      -
      SEE: setClassWeights
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setClassWeights

      -
      public void setClassWeights(Mat val)
      -
      getClassWeights SEE: getClassWeights
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getKernelType

      -
      public int getKernelType()
      -
      Type of a %SVM kernel. - See SVM::KernelTypes. Default value is SVM::RBF.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setKernel

      -
      public void setKernel(int kernelType)
      -
      Initialize with one of predefined kernels. - See SVM::KernelTypes.
      -
      -
      Parameters:
      -
      kernelType - automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid, - ParamGrid pGrid, - ParamGrid nuGrid, - ParamGrid coeffGrid, - ParamGrid degreeGrid, - boolean balanced)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma
      -
      pGrid - grid for p
      -
      nuGrid - grid for nu
      -
      coeffGrid - grid for coeff
      -
      degreeGrid - grid for degree
      -
      balanced - If true and the problem is 2-class classification then the method creates more - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid, - ParamGrid pGrid, - ParamGrid nuGrid, - ParamGrid coeffGrid, - ParamGrid degreeGrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma
      -
      pGrid - grid for p
      -
      nuGrid - grid for nu
      -
      coeffGrid - grid for coeff
      -
      degreeGrid - grid for degree - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid, - ParamGrid pGrid, - ParamGrid nuGrid, - ParamGrid coeffGrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma
      -
      pGrid - grid for p
      -
      nuGrid - grid for nu
      -
      coeffGrid - grid for coeff - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid, - ParamGrid pGrid, - ParamGrid nuGrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma
      -
      pGrid - grid for p
      -
      nuGrid - grid for nu - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid, - ParamGrid pGrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma
      -
      pGrid - grid for p - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid, - ParamGrid gammaGrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C
      -
      gammaGrid - grid for gamma - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold, - ParamGrid Cgrid)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is
      -
      Cgrid - grid for C - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses, - int kFold)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      kFold - Cross-validation parameter. The training set is divided into kFold subsets. One - subset is used to test the model, the others form the train set. So, the %SVM algorithm is - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      trainAuto

      -
      public boolean trainAuto(Mat samples, - int layout, - Mat responses)
      -
      Trains an %SVM with optimal parameters
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples. - subset is used to test the model, the others form the train set. So, the %SVM algorithm is - balanced cross-validation subsets that is proportions between classes in subsets are close - to such proportion in the whole train dataset. - - The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - nu, coef0, degree. Parameters are considered optimal when the cross-validation - estimate of the test set error is minimal. - - This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - offers rudimentary parameter options. - - This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - the usual %SVM with parameters specified in params is executed.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getSupportVectors

      -
      public Mat getSupportVectors()
      -
      Retrieves all the support vectors - - The method returns all the support vectors as a floating-point matrix, where support vectors are - stored as matrix rows.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getUncompressedSupportVectors

      -
      public Mat getUncompressedSupportVectors()
      -
      Retrieves all the uncompressed support vectors of a linear %SVM - - The method returns all the uncompressed support vectors of a linear %SVM that the compressed - support vector, used for prediction, was derived from. They are returned in a floating-point - matrix, where the support vectors are stored as matrix rows.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDecisionFunction

      -
      public double getDecisionFunction(int i, - Mat alpha, - Mat svidx)
      -
      Retrieves the decision function
      -
      -
      Parameters:
      -
      i - the index of the decision function. If the problem solved is regression, 1-class or - 2-class classification, then there will be just one decision function and the index should - always be 0. Otherwise, in the case of N-class classification, there will be \(N(N-1)/2\) - decision functions.
      -
      alpha - the optional output vector for weights, corresponding to different support vectors. - In the case of linear %SVM all the alpha's will be 1's.
      -
      svidx - the optional output vector of indices of support vectors within the matrix of - support vectors (which can be retrieved by SVM::getSupportVectors). In the case of linear - %SVM each decision function consists of a single "compressed" support vector. - - The method returns rho parameter of the decision function, a scalar subtracted from the weighted - sum of kernel responses.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDefaultGridPtr

      -
      public static ParamGrid getDefaultGridPtr(int param_id)
      -
      Generates a grid for %SVM parameters.
      -
      -
      Parameters:
      -
      param_id - %SVM parameters IDs that must be one of the SVM::ParamTypes. The grid is - generated for the parameter with this ID. - - The function generates a grid pointer for the specified parameter of the %SVM algorithm. - The grid may be passed to the function SVM::trainAuto.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SVM create()
      -
      Creates empty model. - Use StatModel::train to train the model. Since %SVM has several parameters, you may want to - find the best parameters for your problem, it can be done with SVM::trainAuto.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static SVM load(String filepath)
      -
      Loads and creates a serialized svm from a file - - Use SVM::save to serialize and store an SVM to disk. - Load the SVM from this file again, by calling this function with the path to the file.
      -
      -
      Parameters:
      -
      filepath - path to serialized svm
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVMSGD.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVMSGD.html deleted file mode 100644 index 4320e0e2e4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/SVMSGD.html +++ /dev/null @@ -1,583 +0,0 @@ - - - - -SVMSGD (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class SVMSGD

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel -
org.opencv.ml.SVMSGD
-
-
-
-
-
-
public class SVMSGD -extends StatModel
-
*************************************************************************************\ - Stochastic Gradient Descent SVM Classifier * - \***************************************************************************************
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SVMSGD __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getWeights

      -
      public Mat getWeights()
      -
      -
      Returns:
      -
      the weights of the trained model (decision function f(x) = weights * x + shift).
      -
      -
      -
      • -
    • -
      -

      getShift

      -
      public float getShift()
      -
      -
      Returns:
      -
      the shift of the trained model (decision function f(x) = weights * x + shift).
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static SVMSGD create()
      -
      Creates empty model. - Use StatModel::train to train the model. Since %SVMSGD has several parameters, you may want to - find the best parameters for your problem or use setOptimalParameters() to set some default parameters.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static SVMSGD load(String filepath, - String nodeName)
      -
      Loads and creates a serialized SVMSGD from a file - - Use SVMSGD::save to serialize and store an SVMSGD to disk. - Load the SVMSGD from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized SVMSGD
      -
      nodeName - name of node containing the classifier
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public static SVMSGD load(String filepath)
      -
      Loads and creates a serialized SVMSGD from a file - - Use SVMSGD::save to serialize and store an SVMSGD to disk. - Load the SVMSGD from this file again, by calling this function with the path to the file. - Optionally specify the node for the file containing the classifier
      -
      -
      Parameters:
      -
      filepath - path to serialized SVMSGD
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setOptimalParameters

      -
      public void setOptimalParameters(int svmsgdType, - int marginType)
      -
      Function sets optimal parameters values for chosen SVM SGD model.
      -
      -
      Parameters:
      -
      svmsgdType - is the type of SVMSGD classifier.
      -
      marginType - is the type of margin constraint.
      -
      -
      -
      • -
    • -
      -

      setOptimalParameters

      -
      public void setOptimalParameters(int svmsgdType)
      -
      Function sets optimal parameters values for chosen SVM SGD model.
      -
      -
      Parameters:
      -
      svmsgdType - is the type of SVMSGD classifier.
      -
      -
      -
      • -
    • -
      -

      setOptimalParameters

      -
      public void setOptimalParameters()
      -
      Function sets optimal parameters values for chosen SVM SGD model.
      -
      -
      • -
    • -
      -

      getSvmsgdType

      -
      public int getSvmsgdType()
      -
      SEE: setSvmsgdType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setSvmsgdType

      -
      public void setSvmsgdType(int svmsgdType)
      -
      getSvmsgdType SEE: getSvmsgdType
      -
      -
      Parameters:
      -
      svmsgdType - automatically generated
      -
      -
      -
      • -
    • -
      -

      getMarginType

      -
      public int getMarginType()
      -
      SEE: setMarginType
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMarginType

      -
      public void setMarginType(int marginType)
      -
      getMarginType SEE: getMarginType
      -
      -
      Parameters:
      -
      marginType - automatically generated
      -
      -
      -
      • -
    • -
      -

      getMarginRegularization

      -
      public float getMarginRegularization()
      -
      SEE: setMarginRegularization
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setMarginRegularization

      -
      public void setMarginRegularization(float marginRegularization)
      -
      getMarginRegularization SEE: getMarginRegularization
      -
      -
      Parameters:
      -
      marginRegularization - automatically generated
      -
      -
      -
      • -
    • -
      -

      getInitialStepSize

      -
      public float getInitialStepSize()
      -
      SEE: setInitialStepSize
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setInitialStepSize

      -
      public void setInitialStepSize(float InitialStepSize)
      -
      getInitialStepSize SEE: getInitialStepSize
      -
      -
      Parameters:
      -
      InitialStepSize - automatically generated
      -
      -
      -
      • -
    • -
      -

      getStepDecreasingPower

      -
      public float getStepDecreasingPower()
      -
      SEE: setStepDecreasingPower
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setStepDecreasingPower

      -
      public void setStepDecreasingPower(float stepDecreasingPower)
      -
      getStepDecreasingPower SEE: getStepDecreasingPower
      -
      -
      Parameters:
      -
      stepDecreasingPower - automatically generated
      -
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      SEE: setTermCriteria
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria val)
      -
      getTermCriteria SEE: getTermCriteria
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/StatModel.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/StatModel.html deleted file mode 100644 index 3d4cb29de2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/StatModel.html +++ /dev/null @@ -1,471 +0,0 @@ - - - - -StatModel (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class StatModel

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.ml.StatModel
-
-
-
-
-
Direct Known Subclasses:
-
ANN_MLP, DTrees, EM, KNearest, LogisticRegression, NormalBayesClassifier, SVM, SVMSGD
-
-
-
public class StatModel -extends Algorithm
-
Base class for statistical models in OpenCV ML.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      UPDATE_MODEL

      -
      public static final int UPDATE_MODEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RAW_OUTPUT

      -
      public static final int RAW_OUTPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      COMPRESSED_INPUT

      -
      public static final int COMPRESSED_INPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PREPROCESSED_INPUT

      -
      public static final int PREPROCESSED_INPUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static StatModel __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getVarCount

      -
      public int getVarCount()
      -
      Returns the number of variables in training samples
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Description copied from class: Algorithm
      -
      Returns true if the Algorithm is empty (e.g. in the very beginning or after unsuccessful read
      -
      -
      Overrides:
      -
      empty in class Algorithm
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      isTrained

      -
      public boolean isTrained()
      -
      Returns true if the model is trained
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      isClassifier

      -
      public boolean isClassifier()
      -
      Returns true if the model is classifier
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      train

      -
      public boolean train(TrainData trainData, - int flags)
      -
      Trains the statistical model
      -
      -
      Parameters:
      -
      trainData - training data that can be loaded from file using TrainData::loadFromCSV or - created with TrainData::create.
      -
      flags - optional flags, depending on the model. Some of the models can be updated with the - new training samples, not completely overwritten (such as NormalBayesClassifier or ANN_MLP).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      train

      -
      public boolean train(TrainData trainData)
      -
      Trains the statistical model
      -
      -
      Parameters:
      -
      trainData - training data that can be loaded from file using TrainData::loadFromCSV or - created with TrainData::create. - new training samples, not completely overwritten (such as NormalBayesClassifier or ANN_MLP).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      train

      -
      public boolean train(Mat samples, - int layout, - Mat responses)
      -
      Trains the statistical model
      -
      -
      Parameters:
      -
      samples - training samples
      -
      layout - See ml::SampleTypes.
      -
      responses - vector of responses associated with the training samples.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      calcError

      -
      public float calcError(TrainData data, - boolean test, - Mat resp)
      -
      Computes error on the training or test dataset
      -
      -
      Parameters:
      -
      data - the training data
      -
      test - if true, the error is computed over the test subset of the data, otherwise it's - computed over the training subset of the data. Please note that if you loaded a completely - different dataset to evaluate already trained classifier, you will probably want not to set - the test subset at all with TrainData::setTrainTestSplitRatio and specify test=false, so - that the error is computed for the whole new set. Yes, this sounds a bit confusing.
      -
      resp - the optional output responses. - - The method uses StatModel::predict to compute the error. For regression models the error is - computed as RMS, for classifiers - as a percent of missclassified samples (0%-100%).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results, - int flags)
      -
      Predicts response(s) for the provided sample(s)
      -
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix
      -
      results - The optional output matrix of results.
      -
      flags - The optional flags, model-dependent. See cv::ml::StatModel::Flags.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples, - Mat results)
      -
      Predicts response(s) for the provided sample(s)
      -
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix
      -
      results - The optional output matrix of results.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public float predict(Mat samples)
      -
      Predicts response(s) for the provided sample(s)
      -
      -
      Parameters:
      -
      samples - The input samples, floating-point matrix
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/TrainData.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/TrainData.html deleted file mode 100644 index e9cfa41d87..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/TrainData.html +++ /dev/null @@ -1,955 +0,0 @@ - - - - -TrainData (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.ml
-

Class TrainData

-
-
java.lang.Object -
org.opencv.ml.TrainData
-
-
-
-
public class TrainData -extends Object
-
Class encapsulating training data. - - Please note that the class only specifies the interface of training data, but not implementation. - All the statistical model classes in _ml_ module accepts Ptr<TrainData> as parameter. In other - words, you can create your own class derived from TrainData and pass smart pointer to the instance - of this class into StatModel::train. - - SEE: REF: ml_intro_data
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrainData __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getLayout

      -
      public int getLayout()
      -
      -
      • -
    • -
      -

      getNTrainSamples

      -
      public int getNTrainSamples()
      -
      -
      • -
    • -
      -

      getNTestSamples

      -
      public int getNTestSamples()
      -
      -
      • -
    • -
      -

      getNSamples

      -
      public int getNSamples()
      -
      -
      • -
    • -
      -

      getNVars

      -
      public int getNVars()
      -
      -
      • -
    • -
      -

      getNAllVars

      -
      public int getNAllVars()
      -
      -
      • -
    • -
      -

      getSample

      -
      public void getSample(Mat varIdx, - int sidx, - float buf)
      -
      -
      • -
    • -
      -

      getSamples

      -
      public Mat getSamples()
      -
      -
      • -
    • -
      -

      getMissing

      -
      public Mat getMissing()
      -
      -
      • -
    • -
      -

      getTrainSamples

      -
      public Mat getTrainSamples(int layout, - boolean compressSamples, - boolean compressVars)
      -
      Returns matrix of train samples
      -
      -
      Parameters:
      -
      layout - The requested layout. If it's different from the initial one, the matrix is - transposed. See ml::SampleTypes.
      -
      compressSamples - if true, the function returns only the training samples (specified by - sampleIdx)
      -
      compressVars - if true, the function returns the shorter training samples, containing only - the active variables. - - In current implementation the function tries to avoid physical data copying and returns the - matrix stored inside TrainData (unless the transposition or compression is needed).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainSamples

      -
      public Mat getTrainSamples(int layout, - boolean compressSamples)
      -
      Returns matrix of train samples
      -
      -
      Parameters:
      -
      layout - The requested layout. If it's different from the initial one, the matrix is - transposed. See ml::SampleTypes.
      -
      compressSamples - if true, the function returns only the training samples (specified by - sampleIdx) - the active variables. - - In current implementation the function tries to avoid physical data copying and returns the - matrix stored inside TrainData (unless the transposition or compression is needed).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainSamples

      -
      public Mat getTrainSamples(int layout)
      -
      Returns matrix of train samples
      -
      -
      Parameters:
      -
      layout - The requested layout. If it's different from the initial one, the matrix is - transposed. See ml::SampleTypes. - sampleIdx) - the active variables. - - In current implementation the function tries to avoid physical data copying and returns the - matrix stored inside TrainData (unless the transposition or compression is needed).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainSamples

      -
      public Mat getTrainSamples()
      -
      Returns matrix of train samples - - transposed. See ml::SampleTypes. - sampleIdx) - the active variables. - - In current implementation the function tries to avoid physical data copying and returns the - matrix stored inside TrainData (unless the transposition or compression is needed).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainResponses

      -
      public Mat getTrainResponses()
      -
      Returns the vector of responses - - The function returns ordered or the original categorical responses. Usually it's used in - regression algorithms.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrainNormCatResponses

      -
      public Mat getTrainNormCatResponses()
      -
      Returns the vector of normalized categorical responses - - The function returns vector of responses. Each response is integer from 0 to `<number of - classes>-1`. The actual label value can be retrieved then from the class label vector, see - TrainData::getClassLabels.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTestResponses

      -
      public Mat getTestResponses()
      -
      -
      • -
    • -
      -

      getTestNormCatResponses

      -
      public Mat getTestNormCatResponses()
      -
      -
      • -
    • -
      -

      getResponses

      -
      public Mat getResponses()
      -
      -
      • -
    • -
      -

      getNormCatResponses

      -
      public Mat getNormCatResponses()
      -
      -
      • -
    • -
      -

      getSampleWeights

      -
      public Mat getSampleWeights()
      -
      -
      • -
    • -
      -

      getTrainSampleWeights

      -
      public Mat getTrainSampleWeights()
      -
      -
      • -
    • -
      -

      getTestSampleWeights

      -
      public Mat getTestSampleWeights()
      -
      -
      • -
    • -
      -

      getVarIdx

      -
      public Mat getVarIdx()
      -
      -
      • -
    • -
      -

      getVarType

      -
      public Mat getVarType()
      -
      -
      • -
    • -
      -

      getVarSymbolFlags

      -
      public Mat getVarSymbolFlags()
      -
      -
      • -
    • -
      -

      getResponseType

      -
      public int getResponseType()
      -
      -
      • -
    • -
      -

      getTrainSampleIdx

      -
      public Mat getTrainSampleIdx()
      -
      -
      • -
    • -
      -

      getTestSampleIdx

      -
      public Mat getTestSampleIdx()
      -
      -
      • -
    • -
      -

      getValues

      -
      public void getValues(int vi, - Mat sidx, - float values)
      -
      -
      • -
    • -
      -

      getDefaultSubstValues

      -
      public Mat getDefaultSubstValues()
      -
      -
      • -
    • -
      -

      getCatCount

      -
      public int getCatCount(int vi)
      -
      -
      • -
    • -
      -

      getClassLabels

      -
      public Mat getClassLabels()
      -
      Returns the vector of class labels - - The function returns vector of unique labels occurred in the responses.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCatOfs

      -
      public Mat getCatOfs()
      -
      -
      • -
    • -
      -

      getCatMap

      -
      public Mat getCatMap()
      -
      -
      • -
    • -
      -

      setTrainTestSplit

      -
      public void setTrainTestSplit(int count, - boolean shuffle)
      -
      Splits the training data into the training and test parts - SEE: TrainData::setTrainTestSplitRatio
      -
      -
      Parameters:
      -
      count - automatically generated
      -
      shuffle - automatically generated
      -
      -
      -
      • -
    • -
      -

      setTrainTestSplit

      -
      public void setTrainTestSplit(int count)
      -
      Splits the training data into the training and test parts - SEE: TrainData::setTrainTestSplitRatio
      -
      -
      Parameters:
      -
      count - automatically generated
      -
      -
      -
      • -
    • -
      -

      setTrainTestSplitRatio

      -
      public void setTrainTestSplitRatio(double ratio, - boolean shuffle)
      -
      Splits the training data into the training and test parts - - The function selects a subset of specified relative size and then returns it as the training - set. If the function is not called, all the data is used for training. Please, note that for - each of TrainData::getTrain\* there is corresponding TrainData::getTest\*, so that the test - subset can be retrieved and processed as well. - SEE: TrainData::setTrainTestSplit
      -
      -
      Parameters:
      -
      ratio - automatically generated
      -
      shuffle - automatically generated
      -
      -
      -
      • -
    • -
      -

      setTrainTestSplitRatio

      -
      public void setTrainTestSplitRatio(double ratio)
      -
      Splits the training data into the training and test parts - - The function selects a subset of specified relative size and then returns it as the training - set. If the function is not called, all the data is used for training. Please, note that for - each of TrainData::getTrain\* there is corresponding TrainData::getTest\*, so that the test - subset can be retrieved and processed as well. - SEE: TrainData::setTrainTestSplit
      -
      -
      Parameters:
      -
      ratio - automatically generated
      -
      -
      -
      • -
    • -
      -

      shuffleTrainTest

      -
      public void shuffleTrainTest()
      -
      -
      • -
    • -
      -

      getTestSamples

      -
      public Mat getTestSamples()
      -
      Returns matrix of test samples
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getNames

      -
      public void getNames(List<String> names)
      -
      Returns vector of symbolic names captured in loadFromCSV()
      -
      -
      Parameters:
      -
      names - automatically generated
      -
      -
      -
      • -
    • -
      -

      getSubVector

      -
      public static Mat getSubVector(Mat vec, - Mat idx)
      -
      Extract from 1D vector elements specified by passed indexes.
      -
      -
      Parameters:
      -
      vec - input vector (supported types: CV_32S, CV_32F, CV_64F)
      -
      idx - 1D index vector
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getSubMatrix

      -
      public static Mat getSubMatrix(Mat matrix, - Mat idx, - int layout)
      -
      Extract from matrix rows/cols specified by passed indexes.
      -
      -
      Parameters:
      -
      matrix - input matrix (supported types: CV_32S, CV_32F, CV_64F)
      -
      idx - 1D index vector
      -
      layout - specifies to extract rows (cv::ml::ROW_SAMPLES) or to extract columns (cv::ml::COL_SAMPLES)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrainData create(Mat samples, - int layout, - Mat responses, - Mat varIdx, - Mat sampleIdx, - Mat sampleWeights, - Mat varType)
      -
      Creates training data from in-memory arrays.
      -
      -
      Parameters:
      -
      samples - matrix of samples. It should have CV_32F type.
      -
      layout - see ml::SampleTypes.
      -
      responses - matrix of responses. If the responses are scalar, they should be stored as a - single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - former case the responses are considered as ordered by default; in the latter case - as - categorical)
      -
      varIdx - vector specifying which variables to use for training. It can be an integer vector - (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - active variables.
      -
      sampleIdx - vector specifying which samples to use for training. It can be an integer - vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - of training samples.
      -
      sampleWeights - optional vector with weights for each sample. It should have CV_32F type.
      -
      varType - optional vector of type CV_8U and size `<number_of_variables_in_samples> + - <number_of_variables_in_responses>`, containing types of each input and output variable. See - ml::VariableTypes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrainData create(Mat samples, - int layout, - Mat responses, - Mat varIdx, - Mat sampleIdx, - Mat sampleWeights)
      -
      Creates training data from in-memory arrays.
      -
      -
      Parameters:
      -
      samples - matrix of samples. It should have CV_32F type.
      -
      layout - see ml::SampleTypes.
      -
      responses - matrix of responses. If the responses are scalar, they should be stored as a - single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - former case the responses are considered as ordered by default; in the latter case - as - categorical)
      -
      varIdx - vector specifying which variables to use for training. It can be an integer vector - (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - active variables.
      -
      sampleIdx - vector specifying which samples to use for training. It can be an integer - vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - of training samples.
      -
      sampleWeights - optional vector with weights for each sample. It should have CV_32F type. - <number_of_variables_in_responses>`, containing types of each input and output variable. See - ml::VariableTypes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrainData create(Mat samples, - int layout, - Mat responses, - Mat varIdx, - Mat sampleIdx)
      -
      Creates training data from in-memory arrays.
      -
      -
      Parameters:
      -
      samples - matrix of samples. It should have CV_32F type.
      -
      layout - see ml::SampleTypes.
      -
      responses - matrix of responses. If the responses are scalar, they should be stored as a - single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - former case the responses are considered as ordered by default; in the latter case - as - categorical)
      -
      varIdx - vector specifying which variables to use for training. It can be an integer vector - (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - active variables.
      -
      sampleIdx - vector specifying which samples to use for training. It can be an integer - vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - of training samples. - <number_of_variables_in_responses>`, containing types of each input and output variable. See - ml::VariableTypes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrainData create(Mat samples, - int layout, - Mat responses, - Mat varIdx)
      -
      Creates training data from in-memory arrays.
      -
      -
      Parameters:
      -
      samples - matrix of samples. It should have CV_32F type.
      -
      layout - see ml::SampleTypes.
      -
      responses - matrix of responses. If the responses are scalar, they should be stored as a - single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - former case the responses are considered as ordered by default; in the latter case - as - categorical)
      -
      varIdx - vector specifying which variables to use for training. It can be an integer vector - (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - active variables. - vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - of training samples. - <number_of_variables_in_responses>`, containing types of each input and output variable. See - ml::VariableTypes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrainData create(Mat samples, - int layout, - Mat responses)
      -
      Creates training data from in-memory arrays.
      -
      -
      Parameters:
      -
      samples - matrix of samples. It should have CV_32F type.
      -
      layout - see ml::SampleTypes.
      -
      responses - matrix of responses. If the responses are scalar, they should be stored as a - single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - former case the responses are considered as ordered by default; in the latter case - as - categorical) - (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - active variables. - vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - of training samples. - <number_of_variables_in_responses>`, containing types of each input and output variable. See - ml::VariableTypes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-summary.html deleted file mode 100644 index 08f189e31b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-summary.html +++ /dev/null @@ -1,165 +0,0 @@ - - - - -org.opencv.ml (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.ml

-
-
-
package org.opencv.ml
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    ANN_MLP
    -
    -
    Artificial Neural Networks - Multi-Layer Perceptrons.
    -
    -
    Boost
    -
    -
    Boosted tree classifier derived from DTrees - - SEE: REF: ml_intro_boost
    -
    -
    DTrees
    -
    -
    The class represents a single decision tree or a collection of decision trees.
    -
    -
    EM
    -
    -
    The class implements the Expectation Maximization algorithm.
    -
    -
    KNearest
    -
    -
    The class implements K-Nearest Neighbors model - - SEE: REF: ml_intro_knn
    -
    -
    LogisticRegression
    -
    -
    Implements Logistic Regression classifier.
    -
    -
    Ml
    -
     
    -
    NormalBayesClassifier
    -
    -
    Bayes classifier for normally distributed data.
    -
    -
    ParamGrid
    -
    -
    The structure represents the logarithmic grid range of statmodel parameters.
    -
    -
    RTrees
    -
    -
    The class implements the random forest predictor.
    -
    -
    StatModel
    -
    -
    Base class for statistical models in OpenCV ML.
    -
    -
    SVM
    -
    -
    Support Vector Machines.
    -
    -
    SVMSGD
    -
    -
    *************************************************************************************\ - Stochastic Gradient Descent SVM Classifier * - \***************************************************************************************
    -
    -
    TrainData
    -
    -
    Class encapsulating training data.
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-tree.html deleted file mode 100644 index 6d0d5930ce..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/ml/package-tree.html +++ /dev/null @@ -1,108 +0,0 @@ - - - - -org.opencv.ml Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.ml

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/ArucoDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/ArucoDetector.html deleted file mode 100644 index 6562fe9b09..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/ArucoDetector.html +++ /dev/null @@ -1,680 +0,0 @@ - - - - -ArucoDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class ArucoDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.objdetect.ArucoDetector
-
-
-
-
-
public class ArucoDetector -extends Algorithm
-
The main functionality of ArucoDetector class is detection of markers in an image with detectMarkers() method. - - After detecting some markers in the image, you can try to find undetected markers from this dictionary with - refineDetectedMarkers() method. - - SEE: DetectorParameters, RefineParameters
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      ArucoDetector

      -
      public ArucoDetector(Dictionary dictionary, - DetectorParameters detectorParams, - RefineParameters refineParams)
      -
      Basic ArucoDetector constructor
      -
      -
      Parameters:
      -
      dictionary - indicates the type of markers that will be searched
      -
      detectorParams - marker detection parameters
      -
      refineParams - marker refine detection parameters
      -
      -
      -
      • -
    • -
      -

      ArucoDetector

      -
      public ArucoDetector(Dictionary dictionary, - DetectorParameters detectorParams)
      -
      Basic ArucoDetector constructor
      -
      -
      Parameters:
      -
      dictionary - indicates the type of markers that will be searched
      -
      detectorParams - marker detection parameters
      -
      -
      -
      • -
    • -
      -

      ArucoDetector

      -
      public ArucoDetector(Dictionary dictionary)
      -
      Basic ArucoDetector constructor
      -
      -
      Parameters:
      -
      dictionary - indicates the type of markers that will be searched
      -
      -
      -
      • -
    • -
      -

      ArucoDetector

      -
      public ArucoDetector()
      -
      Basic ArucoDetector constructor
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static ArucoDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      detectMarkers

      -
      public void detectMarkers(Mat image, - List<Mat> corners, - Mat ids, - List<Mat> rejectedImgPoints)
      -
      Basic marker detection
      -
      -
      Parameters:
      -
      image - input image
      -
      corners - vector of detected marker corners. For each marker, its four corners - are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array is Nx4. The order of the corners is clockwise.
      -
      ids - vector of identifiers of the detected markers. The identifier is of type int - (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - The identifiers have the same order than the markers in the imgPoints array.
      -
      rejectedImgPoints - contains the imgPoints of those squares whose inner code has not a - correct codification. Useful for debugging purposes. - - Performs marker detection in the input image. Only markers included in the first specified dictionary - are searched. For each detected marker, it returns the 2D position of its corner in the image - and its corresponding identifier. - Note that this function does not perform pose estimation. - Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - input image with corresponding camera model, if camera parameters are known - SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard
      -
      -
      -
      • -
    • -
      -

      detectMarkers

      -
      public void detectMarkers(Mat image, - List<Mat> corners, - Mat ids)
      -
      Basic marker detection
      -
      -
      Parameters:
      -
      image - input image
      -
      corners - vector of detected marker corners. For each marker, its four corners - are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array is Nx4. The order of the corners is clockwise.
      -
      ids - vector of identifiers of the detected markers. The identifier is of type int - (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - The identifiers have the same order than the markers in the imgPoints array. - correct codification. Useful for debugging purposes. - - Performs marker detection in the input image. Only markers included in the first specified dictionary - are searched. For each detected marker, it returns the 2D position of its corner in the image - and its corresponding identifier. - Note that this function does not perform pose estimation. - Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - input image with corresponding camera model, if camera parameters are known - SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard
      -
      -
      -
      • -
    • -
      -

      refineDetectedMarkers

      -
      public void refineDetectedMarkers(Mat image, - Board board, - List<Mat> detectedCorners, - Mat detectedIds, - List<Mat> rejectedCorners, - Mat cameraMatrix, - Mat distCoeffs, - Mat recoveredIdxs)
      -
      Refine not detected markers based on the already detected and the board layout
      -
      -
      Parameters:
      -
      image - input image
      -
      board - layout of markers in the board.
      -
      detectedCorners - vector of already detected marker corners.
      -
      detectedIds - vector of already detected marker identifiers.
      -
      rejectedCorners - vector of rejected candidates during the marker detection process.
      -
      cameraMatrix - optional input 3x3 floating-point camera matrix - \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
      -
      distCoeffs - optional vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements
      -
      recoveredIdxs - Optional array to returns the indexes of the recovered candidates in the - original rejectedCorners array. - - This function tries to find markers that were not detected in the basic detecMarkers function. - First, based on the current detected marker and the board layout, the function interpolates - the position of the missing markers. Then it tries to find correspondence between the reprojected - markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - If camera parameters and distortion coefficients are provided, missing markers are reprojected - using projectPoint function. If not, missing marker projections are interpolated using global - homography, and all the marker corners in the board must have the same Z coordinate. - Note: This function assumes that the board only contains markers from one dictionary, so only the - first configured dictionary is used. It has to match the dictionary of the board to work properly.
      -
      -
      -
      • -
    • -
      -

      refineDetectedMarkers

      -
      public void refineDetectedMarkers(Mat image, - Board board, - List<Mat> detectedCorners, - Mat detectedIds, - List<Mat> rejectedCorners, - Mat cameraMatrix, - Mat distCoeffs)
      -
      Refine not detected markers based on the already detected and the board layout
      -
      -
      Parameters:
      -
      image - input image
      -
      board - layout of markers in the board.
      -
      detectedCorners - vector of already detected marker corners.
      -
      detectedIds - vector of already detected marker identifiers.
      -
      rejectedCorners - vector of rejected candidates during the marker detection process.
      -
      cameraMatrix - optional input 3x3 floating-point camera matrix - \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
      -
      distCoeffs - optional vector of distortion coefficients - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - original rejectedCorners array. - - This function tries to find markers that were not detected in the basic detecMarkers function. - First, based on the current detected marker and the board layout, the function interpolates - the position of the missing markers. Then it tries to find correspondence between the reprojected - markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - If camera parameters and distortion coefficients are provided, missing markers are reprojected - using projectPoint function. If not, missing marker projections are interpolated using global - homography, and all the marker corners in the board must have the same Z coordinate. - Note: This function assumes that the board only contains markers from one dictionary, so only the - first configured dictionary is used. It has to match the dictionary of the board to work properly.
      -
      -
      -
      • -
    • -
      -

      refineDetectedMarkers

      -
      public void refineDetectedMarkers(Mat image, - Board board, - List<Mat> detectedCorners, - Mat detectedIds, - List<Mat> rejectedCorners, - Mat cameraMatrix)
      -
      Refine not detected markers based on the already detected and the board layout
      -
      -
      Parameters:
      -
      image - input image
      -
      board - layout of markers in the board.
      -
      detectedCorners - vector of already detected marker corners.
      -
      detectedIds - vector of already detected marker identifiers.
      -
      rejectedCorners - vector of rejected candidates during the marker detection process.
      -
      cameraMatrix - optional input 3x3 floating-point camera matrix - \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - original rejectedCorners array. - - This function tries to find markers that were not detected in the basic detecMarkers function. - First, based on the current detected marker and the board layout, the function interpolates - the position of the missing markers. Then it tries to find correspondence between the reprojected - markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - If camera parameters and distortion coefficients are provided, missing markers are reprojected - using projectPoint function. If not, missing marker projections are interpolated using global - homography, and all the marker corners in the board must have the same Z coordinate. - Note: This function assumes that the board only contains markers from one dictionary, so only the - first configured dictionary is used. It has to match the dictionary of the board to work properly.
      -
      -
      -
      • -
    • -
      -

      refineDetectedMarkers

      -
      public void refineDetectedMarkers(Mat image, - Board board, - List<Mat> detectedCorners, - Mat detectedIds, - List<Mat> rejectedCorners)
      -
      Refine not detected markers based on the already detected and the board layout
      -
      -
      Parameters:
      -
      image - input image
      -
      board - layout of markers in the board.
      -
      detectedCorners - vector of already detected marker corners.
      -
      detectedIds - vector of already detected marker identifiers.
      -
      rejectedCorners - vector of rejected candidates during the marker detection process. - \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - original rejectedCorners array. - - This function tries to find markers that were not detected in the basic detecMarkers function. - First, based on the current detected marker and the board layout, the function interpolates - the position of the missing markers. Then it tries to find correspondence between the reprojected - markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - If camera parameters and distortion coefficients are provided, missing markers are reprojected - using projectPoint function. If not, missing marker projections are interpolated using global - homography, and all the marker corners in the board must have the same Z coordinate. - Note: This function assumes that the board only contains markers from one dictionary, so only the - first configured dictionary is used. It has to match the dictionary of the board to work properly.
      -
      -
      -
      • -
    • -
      -

      detectMarkersMultiDict

      -
      public void detectMarkersMultiDict(Mat image, - List<Mat> corners, - Mat ids, - List<Mat> rejectedImgPoints, - Mat dictIndices)
      -
      Basic marker detection
      -
      -
      Parameters:
      -
      image - input image
      -
      corners - vector of detected marker corners. For each marker, its four corners - are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array is Nx4. The order of the corners is clockwise.
      -
      ids - vector of identifiers of the detected markers. The identifier is of type int - (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - The identifiers have the same order than the markers in the imgPoints array.
      -
      rejectedImgPoints - contains the imgPoints of those squares whose inner code has not a - correct codification. Useful for debugging purposes.
      -
      dictIndices - vector of dictionary indices for each detected marker. Use getDictionaries() to get the - list of corresponding dictionaries. - - Performs marker detection in the input image. Only markers included in the specific dictionaries - are searched. For each detected marker, it returns the 2D position of its corner in the image - and its corresponding identifier. - Note that this function does not perform pose estimation. - Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - input image with corresponding camera model, if camera parameters are known - SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard
      -
      -
      -
      • -
    • -
      -

      detectMarkersMultiDict

      -
      public void detectMarkersMultiDict(Mat image, - List<Mat> corners, - Mat ids, - List<Mat> rejectedImgPoints)
      -
      Basic marker detection
      -
      -
      Parameters:
      -
      image - input image
      -
      corners - vector of detected marker corners. For each marker, its four corners - are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array is Nx4. The order of the corners is clockwise.
      -
      ids - vector of identifiers of the detected markers. The identifier is of type int - (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - The identifiers have the same order than the markers in the imgPoints array.
      -
      rejectedImgPoints - contains the imgPoints of those squares whose inner code has not a - correct codification. Useful for debugging purposes. - list of corresponding dictionaries. - - Performs marker detection in the input image. Only markers included in the specific dictionaries - are searched. For each detected marker, it returns the 2D position of its corner in the image - and its corresponding identifier. - Note that this function does not perform pose estimation. - Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - input image with corresponding camera model, if camera parameters are known - SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard
      -
      -
      -
      • -
    • -
      -

      detectMarkersMultiDict

      -
      public void detectMarkersMultiDict(Mat image, - List<Mat> corners, - Mat ids)
      -
      Basic marker detection
      -
      -
      Parameters:
      -
      image - input image
      -
      corners - vector of detected marker corners. For each marker, its four corners - are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array is Nx4. The order of the corners is clockwise.
      -
      ids - vector of identifiers of the detected markers. The identifier is of type int - (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - The identifiers have the same order than the markers in the imgPoints array. - correct codification. Useful for debugging purposes. - list of corresponding dictionaries. - - Performs marker detection in the input image. Only markers included in the specific dictionaries - are searched. For each detected marker, it returns the 2D position of its corner in the image - and its corresponding identifier. - Note that this function does not perform pose estimation. - Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - input image with corresponding camera model, if camera parameters are known - SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard
      -
      -
      -
      • -
    • -
      -

      getDictionary

      -
      public Dictionary getDictionary()
      -
      Returns first dictionary from internal list used for marker detection.
      -
      -
      Returns:
      -
      The first dictionary from the configured ArucoDetector.
      -
      -
      -
      • -
    • -
      -

      setDictionary

      -
      public void setDictionary(Dictionary dictionary)
      -
      Sets and replaces the first dictionary in internal list to be used for marker detection.
      -
      -
      Parameters:
      -
      dictionary - The new dictionary that will replace the first dictionary in the internal list.
      -
      -
      -
      • -
    • -
      -

      getDetectorParameters

      -
      public DetectorParameters getDetectorParameters()
      -
      -
      • -
    • -
      -

      setDetectorParameters

      -
      public void setDetectorParameters(DetectorParameters detectorParameters)
      -
      -
      • -
    • -
      -

      getRefineParameters

      -
      public RefineParameters getRefineParameters()
      -
      -
      • -
    • -
      -

      setRefineParameters

      -
      public void setRefineParameters(RefineParameters refineParameters)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BarcodeDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BarcodeDetector.html deleted file mode 100644 index 60c49abfbe..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BarcodeDetector.html +++ /dev/null @@ -1,395 +0,0 @@ - - - - -BarcodeDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class BarcodeDetector

-
-
java.lang.Object -
org.opencv.objdetect.GraphicalCodeDetector -
org.opencv.objdetect.BarcodeDetector
-
-
-
-
-
public class BarcodeDetector -extends GraphicalCodeDetector
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      BarcodeDetector

      -
      public BarcodeDetector()
      -
      Initialize the BarcodeDetector.
      -
      -
      • -
    • -
      -

      BarcodeDetector

      -
      public BarcodeDetector(String prototxt_path, - String model_path)
      -
      Initialize the BarcodeDetector. - - Parameters allow to load _optional_ Super Resolution DNN model for better quality.
      -
      -
      Parameters:
      -
      prototxt_path - prototxt file path for the super resolution model
      -
      model_path - model file path for the super resolution model
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BarcodeDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      decodeWithType

      -
      public boolean decodeWithType(Mat img, - Mat points, - List<String> decoded_info, - List<String> decoded_type)
      -
      Decodes barcode in image once it's found by the detect() method.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing bar code.
      -
      points - vector of rotated rectangle vertices found by detect() method (or some other algorithm). - For N detected barcodes, the dimensions of this array should be [N][4]. - Order of four points in vector<Point2f> is bottomLeft, topLeft, topRight, bottomRight.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded.
      -
      decoded_type - vector strings, specifies the type of these barcodes
      -
      Returns:
      -
      true if at least one valid barcode have been found
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeWithType

      -
      public boolean detectAndDecodeWithType(Mat img, - List<String> decoded_info, - List<String> decoded_type, - Mat points)
      -
      Both detects and decodes barcode
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing barcode.
      -
      decoded_info - UTF8-encoded output vector of string(s) or empty vector of string if the codes cannot be decoded.
      -
      decoded_type - vector of strings, specifies the type of these barcodes
      -
      points - optional output vector of vertices of the found barcode rectangle. Will be empty if not found.
      -
      Returns:
      -
      true if at least one valid barcode have been found
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeWithType

      -
      public boolean detectAndDecodeWithType(Mat img, - List<String> decoded_info, - List<String> decoded_type)
      -
      Both detects and decodes barcode
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing barcode.
      -
      decoded_info - UTF8-encoded output vector of string(s) or empty vector of string if the codes cannot be decoded.
      -
      decoded_type - vector of strings, specifies the type of these barcodes
      -
      Returns:
      -
      true if at least one valid barcode have been found
      -
      -
      -
      • -
    • -
      -

      getDownsamplingThreshold

      -
      public double getDownsamplingThreshold()
      -
      Get detector downsampling threshold.
      -
      -
      Returns:
      -
      detector downsampling threshold
      -
      -
      -
      • -
    • -
      -

      setDownsamplingThreshold

      -
      public BarcodeDetector setDownsamplingThreshold(double thresh)
      -
      Set detector downsampling threshold. - - By default, the detect method resizes the input image to this limit if the smallest image size is is greater than the threshold. - Increasing this value can improve detection accuracy and the number of results at the expense of performance. - Correlates with detector scales. Setting this to a large value will disable downsampling.
      -
      -
      Parameters:
      -
      thresh - downsampling limit to apply (default 512) - SEE: setDetectorScales
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDetectorScales

      -
      public void getDetectorScales(MatOfFloat sizes)
      -
      Returns detector box filter sizes.
      -
      -
      Parameters:
      -
      sizes - output parameter for returning the sizes.
      -
      -
      -
      • -
    • -
      -

      setDetectorScales

      -
      public BarcodeDetector setDetectorScales(MatOfFloat sizes)
      -
      Set detector box filter sizes. - - Adjusts the value and the number of box filters used in the detect step. - The filter sizes directly correlate with the expected line widths for a barcode. Corresponds to expected barcode distance. - If the downsampling limit is increased, filter sizes need to be adjusted in an inversely proportional way.
      -
      -
      Parameters:
      -
      sizes - box filter sizes, relative to minimum dimension of the image (default [0.01, 0.03, 0.06, 0.08])
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getGradientThreshold

      -
      public double getGradientThreshold()
      -
      Get detector gradient magnitude threshold.
      -
      -
      Returns:
      -
      detector gradient magnitude threshold.
      -
      -
      -
      • -
    • -
      -

      setGradientThreshold

      -
      public BarcodeDetector setGradientThreshold(double thresh)
      -
      Set detector gradient magnitude threshold. - - Sets the coherence threshold for detected bounding boxes. - Increasing this value will generate a closer fitted bounding box width and can reduce false-positives. - Values between 16 and 1024 generally work, while too high of a value will remove valid detections.
      -
      -
      Parameters:
      -
      thresh - gradient magnitude threshold (default 64).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BaseCascadeClassifier.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BaseCascadeClassifier.html deleted file mode 100644 index e93481263a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/BaseCascadeClassifier.html +++ /dev/null @@ -1,150 +0,0 @@ - - - - -BaseCascadeClassifier (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class BaseCascadeClassifier

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.objdetect.BaseCascadeClassifier
-
-
-
-
-
public class BaseCascadeClassifier -extends Algorithm
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    - -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Board.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Board.html deleted file mode 100644 index 22d5119de9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Board.html +++ /dev/null @@ -1,387 +0,0 @@ - - - - -Board (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class Board

-
-
java.lang.Object -
org.opencv.objdetect.Board
-
-
-
-
Direct Known Subclasses:
-
CharucoBoard, GridBoard
-
-
-
public class Board -extends Object
-
Board of ArUco markers - - A board is a set of markers in the 3D space with a common coordinate system. - The common form of a board of marker is a planar (2D) board, however any 3D layout can be used. - A Board object is composed by: - - The object points of the marker corners, i.e. their coordinates respect to the board system. - - The dictionary which indicates the type of markers of the board - - The identifier of all the markers in the board.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Board

      -
      public Board(List<Mat> objPoints, - Dictionary dictionary, - Mat ids)
      -
      Common Board constructor
      -
      -
      Parameters:
      -
      objPoints - array of object points of all the marker corners in the board
      -
      dictionary - the dictionary of markers employed for this board
      -
      ids - vector of the identifiers of the markers in the board
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Board __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getDictionary

      -
      public Dictionary getDictionary()
      -
      return the Dictionary of markers employed for this board
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getObjPoints

      -
      public List<MatOfPoint3f> getObjPoints()
      -
      return array of object points of all the marker corners in the board. - - Each marker include its 4 corners in this order: - - objPoints[i][0] - left-top point of i-th marker - - objPoints[i][1] - right-top point of i-th marker - - objPoints[i][2] - right-bottom point of i-th marker - - objPoints[i][3] - left-bottom point of i-th marker - - Markers are placed in a certain order - row by row, left to right in every row. For M markers, the size is Mx4.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getIds

      -
      public MatOfInt getIds()
      -
      vector of the identifiers of the markers in the board (should be the same size as objPoints)
      -
      -
      Returns:
      -
      vector of the identifiers of the markers
      -
      -
      -
      • -
    • -
      -

      getRightBottomCorner

      -
      public Point3 getRightBottomCorner()
      -
      get coordinate of the bottom right corner of the board, is set when calling the function create()
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      matchImagePoints

      -
      public void matchImagePoints(List<Mat> detectedCorners, - Mat detectedIds, - Mat objPoints, - Mat imgPoints)
      -
      Given a board configuration and a set of detected markers, returns the corresponding - image points and object points, can be used in solvePnP()
      -
      -
      Parameters:
      -
      detectedCorners - List of detected marker corners of the board. - For cv::Board and cv::GridBoard the method expects std::vector<std::vector<Point2f>> or std::vector<Mat> with Aruco marker corners. - For cv::CharucoBoard the method expects std::vector<Point2f> or Mat with ChAruco corners (chess board corners matched with Aruco markers).
      -
      detectedIds - List of identifiers for each marker or charuco corner. - For any Board class the method expects std::vector<int> or Mat.
      -
      objPoints - Vector of marker points in the board coordinate space. - For any Board class the method expects std::vector<cv::Point3f> objectPoints or cv::Mat
      -
      imgPoints - Vector of marker points in the image coordinate space. - For any Board class the method expects std::vector<cv::Point2f> objectPoints or cv::Mat - - SEE: solvePnP
      -
      -
      -
      • -
    • -
      -

      generateImage

      -
      public void generateImage(Size outSize, - Mat img, - int marginSize, - int borderBits)
      -
      Draw a planar board
      -
      -
      Parameters:
      -
      outSize - size of the output image in pixels.
      -
      img - output image with the board. The size of this image will be outSize - and the board will be on the center, keeping the board proportions.
      -
      marginSize - minimum margins (in pixels) of the board in the output image
      -
      borderBits - width of the marker borders. - - This function return the image of the board, ready to be printed.
      -
      -
      -
      • -
    • -
      -

      generateImage

      -
      public void generateImage(Size outSize, - Mat img, - int marginSize)
      -
      Draw a planar board
      -
      -
      Parameters:
      -
      outSize - size of the output image in pixels.
      -
      img - output image with the board. The size of this image will be outSize - and the board will be on the center, keeping the board proportions.
      -
      marginSize - minimum margins (in pixels) of the board in the output image - - This function return the image of the board, ready to be printed.
      -
      -
      -
      • -
    • -
      -

      generateImage

      -
      public void generateImage(Size outSize, - Mat img)
      -
      Draw a planar board
      -
      -
      Parameters:
      -
      outSize - size of the output image in pixels.
      -
      img - output image with the board. The size of this image will be outSize - and the board will be on the center, keeping the board proportions. - - This function return the image of the board, ready to be printed.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CascadeClassifier.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CascadeClassifier.html deleted file mode 100644 index 61fd87f370..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CascadeClassifier.html +++ /dev/null @@ -1,979 +0,0 @@ - - - - -CascadeClassifier (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class CascadeClassifier

-
-
java.lang.Object -
org.opencv.objdetect.CascadeClassifier
-
-
-
-
public class CascadeClassifier -extends Object
-
Cascade classifier class for object detection.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CascadeClassifier

      -
      public CascadeClassifier()
      -
      -
      • -
    • -
      -

      CascadeClassifier

      -
      public CascadeClassifier(String filename)
      -
      Loads a classifier from a file.
      -
      -
      Parameters:
      -
      filename - Name of the file from which the classifier is loaded.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static CascadeClassifier __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      empty

      -
      public boolean empty()
      -
      Checks whether the classifier has been loaded.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public boolean load(String filename)
      -
      Loads a classifier from a file.
      -
      -
      Parameters:
      -
      filename - Name of the file from which the classifier is loaded. The file may contain an old - HAAR classifier trained by the haartraining application or a new cascade classifier trained by the - traincascade application.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize, - Size maxSize)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      minSize - Minimum possible object size. Objects smaller than that are ignored.
      -
      maxSize - Maximum possible object size. Objects larger than that are ignored. If maxSize == minSize model is evaluated on single scale.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      minSize - Minimum possible object size. Objects smaller than that are ignored.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects, - double scaleFactor, - int minNeighbors, - int flags)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects, - double scaleFactor, - int minNeighbors)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects, - double scaleFactor)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale. - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat image, - MatOfRect objects)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image. - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize, - Size maxSize)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      minSize - Minimum possible object size. Objects smaller than that are ignored.
      -
      maxSize - Maximum possible object size. Objects larger than that are ignored. If maxSize == minSize model is evaluated on single scale.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      minSize - Minimum possible object size. Objects smaller than that are ignored.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections, - double scaleFactor, - int minNeighbors, - int flags)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it.
      -
      flags - Parameter with the same meaning for an old cascade as in the function - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections, - double scaleFactor, - int minNeighbors)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale.
      -
      minNeighbors - Parameter specifying how many neighbors each candidate rectangle should have - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections, - double scaleFactor)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object.
      -
      scaleFactor - Parameter specifying how much the image size is reduced at each image scale. - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale2

      -
      public void detectMultiScale2(Mat image, - MatOfRect objects, - MatOfInt numDetections)
      -
      -
      Parameters:
      -
      image - Matrix of the type CV_8U containing an image where objects are detected.
      -
      objects - Vector of rectangles where each rectangle contains the detected object, the - rectangles may be partially outside the original image.
      -
      numDetections - Vector of detection numbers for the corresponding objects. An object's number - of detections is the number of neighboring positively classified rectangles that were joined - together to form the object. - to retain it. - cvHaarDetectObjects. It is not used for a new cascade.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize, - Size maxSize, - boolean outputRejectLevels)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      minNeighbors - automatically generated
      -
      flags - automatically generated
      -
      minSize - automatically generated
      -
      maxSize - automatically generated
      -
      outputRejectLevels - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize, - Size maxSize)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      minNeighbors - automatically generated
      -
      flags - automatically generated
      -
      minSize - automatically generated
      -
      maxSize - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor, - int minNeighbors, - int flags, - Size minSize)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      minNeighbors - automatically generated
      -
      flags - automatically generated
      -
      minSize - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor, - int minNeighbors, - int flags)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      minNeighbors - automatically generated
      -
      flags - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor, - int minNeighbors)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      minNeighbors - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights, - double scaleFactor)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      scaleFactor - automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMultiScale3

      -
      public void detectMultiScale3(Mat image, - MatOfRect objects, - MatOfInt rejectLevels, - MatOfDouble levelWeights)
      -
      This function allows you to retrieve the final stage decision certainty of classification. - For this, one needs to set outputRejectLevels on true and provide the rejectLevels and levelWeights parameter. - For each resulting detection, levelWeights will then contain the certainty of classification at the final stage. - This value can then be used to separate strong from weaker classifications. - - A code sample on how to use it efficiently can be found below: - - Mat img; - vector<double> weights; - vector<int> levels; - vector<Rect> detections; - CascadeClassifier model("/path/to/your/model.xml"); - model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; -
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      objects - automatically generated
      -
      rejectLevels - automatically generated
      -
      levelWeights - automatically generated
      -
      -
      -
      • -
    • -
      -

      isOldFormatCascade

      -
      public boolean isOldFormatCascade()
      -
      -
      • -
    • -
      -

      getOriginalWindowSize

      -
      public Size getOriginalWindowSize()
      -
      -
      • -
    • -
      -

      getFeatureType

      -
      public int getFeatureType()
      -
      -
      • -
    • -
      -

      convert

      -
      public static boolean convert(String oldcascade, - String newcascade)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoBoard.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoBoard.html deleted file mode 100644 index 443ad9b192..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoBoard.html +++ /dev/null @@ -1,325 +0,0 @@ - - - - -CharucoBoard (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class CharucoBoard

-
-
java.lang.Object -
org.opencv.objdetect.Board -
org.opencv.objdetect.CharucoBoard
-
-
-
-
-
public class CharucoBoard -extends Board
-
ChArUco board is a planar chessboard where the markers are placed inside the white squares of a chessboard. - - The benefits of ChArUco boards is that they provide both, ArUco markers versatility and chessboard corner precision, - which is important for calibration and pose estimation. The board image can be drawn using generateImage() method.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CharucoBoard

      -
      public CharucoBoard(Size size, - float squareLength, - float markerLength, - Dictionary dictionary, - Mat ids)
      -
      CharucoBoard constructor
      -
      -
      Parameters:
      -
      size - number of chessboard squares in x and y directions
      -
      squareLength - squareLength chessboard square side length (normally in meters)
      -
      markerLength - marker side length (same unit than squareLength)
      -
      dictionary - dictionary of markers indicating the type of markers
      -
      ids - array of id used markers - The first markers in the dictionary are used to fill the white chessboard squares.
      -
      -
      -
      • -
    • -
      -

      CharucoBoard

      -
      public CharucoBoard(Size size, - float squareLength, - float markerLength, - Dictionary dictionary)
      -
      CharucoBoard constructor
      -
      -
      Parameters:
      -
      size - number of chessboard squares in x and y directions
      -
      squareLength - squareLength chessboard square side length (normally in meters)
      -
      markerLength - marker side length (same unit than squareLength)
      -
      dictionary - dictionary of markers indicating the type of markers - The first markers in the dictionary are used to fill the white chessboard squares.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CharucoBoard __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setLegacyPattern

      -
      public void setLegacyPattern(boolean legacyPattern)
      -
      set legacy chessboard pattern. - - Legacy setting creates chessboard patterns starting with a white box in the upper left corner - if there is an even row count of chessboard boxes, otherwise it starts with a black box. - This setting ensures compatibility to patterns created with OpenCV versions prior OpenCV 4.6.0. - See https://github.com/opencv/opencv/issues/23152. - - Default value: false.
      -
      -
      Parameters:
      -
      legacyPattern - automatically generated
      -
      -
      -
      • -
    • -
      -

      getLegacyPattern

      -
      public boolean getLegacyPattern()
      -
      -
      • -
    • -
      -

      getChessboardSize

      -
      public Size getChessboardSize()
      -
      -
      • -
    • -
      -

      getSquareLength

      -
      public float getSquareLength()
      -
      -
      • -
    • -
      -

      getMarkerLength

      -
      public float getMarkerLength()
      -
      -
      • -
    • -
      -

      getChessboardCorners

      -
      public MatOfPoint3f getChessboardCorners()
      -
      get CharucoBoard::chessboardCorners
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkCharucoCornersCollinear

      -
      public boolean checkCharucoCornersCollinear(Mat charucoIds)
      -
      check whether the ChArUco markers are collinear
      -
      -
      Parameters:
      -
      charucoIds - list of identifiers for each corner in charucoCorners per frame.
      -
      Returns:
      -
      bool value, 1 (true) if detected corners form a line, 0 (false) if they do not. - solvePnP, calibration functions will fail if the corners are collinear (true). - - The number of ids in charucoIDs should be <= the number of chessboard corners in the board. - This functions checks whether the charuco corners are on a straight line (returns true, if so), or not (false). - Axis parallel, as well as diagonal and other straight lines detected. Degenerate cases: - for number of charucoIDs <= 2,the function returns true.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoDetector.html deleted file mode 100644 index 5f167d97b7..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoDetector.html +++ /dev/null @@ -1,553 +0,0 @@ - - - - -CharucoDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class CharucoDetector

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.objdetect.CharucoDetector
-
-
-
-
-
public class CharucoDetector -extends Algorithm
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CharucoDetector

      -
      public CharucoDetector(CharucoBoard board, - CharucoParameters charucoParams, - DetectorParameters detectorParams, - RefineParameters refineParams)
      -
      Basic CharucoDetector constructor
      -
      -
      Parameters:
      -
      board - ChAruco board
      -
      charucoParams - charuco detection parameters
      -
      detectorParams - marker detection parameters
      -
      refineParams - marker refine detection parameters
      -
      -
      -
      • -
    • -
      -

      CharucoDetector

      -
      public CharucoDetector(CharucoBoard board, - CharucoParameters charucoParams, - DetectorParameters detectorParams)
      -
      Basic CharucoDetector constructor
      -
      -
      Parameters:
      -
      board - ChAruco board
      -
      charucoParams - charuco detection parameters
      -
      detectorParams - marker detection parameters
      -
      -
      -
      • -
    • -
      -

      CharucoDetector

      -
      public CharucoDetector(CharucoBoard board, - CharucoParameters charucoParams)
      -
      Basic CharucoDetector constructor
      -
      -
      Parameters:
      -
      board - ChAruco board
      -
      charucoParams - charuco detection parameters
      -
      -
      -
      • -
    • -
      -

      CharucoDetector

      -
      public CharucoDetector(CharucoBoard board)
      -
      Basic CharucoDetector constructor
      -
      -
      Parameters:
      -
      board - ChAruco board
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CharucoDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getBoard

      -
      public CharucoBoard getBoard()
      -
      -
      • -
    • -
      -

      setBoard

      -
      public void setBoard(CharucoBoard board)
      -
      -
      • -
    • -
      -

      getCharucoParameters

      -
      public CharucoParameters getCharucoParameters()
      -
      -
      • -
    • -
      -

      setCharucoParameters

      -
      public void setCharucoParameters(CharucoParameters charucoParameters)
      -
      -
      • -
    • -
      -

      getDetectorParameters

      -
      public DetectorParameters getDetectorParameters()
      -
      -
      • -
    • -
      -

      setDetectorParameters

      -
      public void setDetectorParameters(DetectorParameters detectorParameters)
      -
      -
      • -
    • -
      -

      getRefineParameters

      -
      public RefineParameters getRefineParameters()
      -
      -
      • -
    • -
      -

      setRefineParameters

      -
      public void setRefineParameters(RefineParameters refineParameters)
      -
      -
      • -
    • -
      -

      detectBoard

      -
      public void detectBoard(Mat image, - Mat charucoCorners, - Mat charucoIds, - List<Mat> markerCorners, - Mat markerIds)
      -
      detect aruco markers and interpolate position of ChArUco board corners
      -
      -
      Parameters:
      -
      image - input image necesary for corner refinement. Note that markers are not detected and - should be sent in corners and ids parameters.
      -
      charucoCorners - interpolated chessboard corners.
      -
      charucoIds - interpolated chessboard corners identifiers.
      -
      markerCorners - vector of already detected markers corners. For each marker, its four - corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - dimensions of this array should be Nx4. The order of the corners should be clockwise. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids.
      -
      markerIds - list of identifiers for each marker in corners. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function receives the detected markers and returns the 2D position of the chessboard corners - from a ChArUco board using the detected Aruco markers. - - If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - - If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - SEE: findChessboardCorners - Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - For more information, see the issue: https://github.com/opencv/opencv/issues/23152
      -
      -
      -
      • -
    • -
      -

      detectBoard

      -
      public void detectBoard(Mat image, - Mat charucoCorners, - Mat charucoIds, - List<Mat> markerCorners)
      -
      detect aruco markers and interpolate position of ChArUco board corners
      -
      -
      Parameters:
      -
      image - input image necesary for corner refinement. Note that markers are not detected and - should be sent in corners and ids parameters.
      -
      charucoCorners - interpolated chessboard corners.
      -
      charucoIds - interpolated chessboard corners identifiers.
      -
      markerCorners - vector of already detected markers corners. For each marker, its four - corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - dimensions of this array should be Nx4. The order of the corners should be clockwise. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function receives the detected markers and returns the 2D position of the chessboard corners - from a ChArUco board using the detected Aruco markers. - - If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - - If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - SEE: findChessboardCorners - Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - For more information, see the issue: https://github.com/opencv/opencv/issues/23152
      -
      -
      -
      • -
    • -
      -

      detectBoard

      -
      public void detectBoard(Mat image, - Mat charucoCorners, - Mat charucoIds)
      -
      detect aruco markers and interpolate position of ChArUco board corners
      -
      -
      Parameters:
      -
      image - input image necesary for corner refinement. Note that markers are not detected and - should be sent in corners and ids parameters.
      -
      charucoCorners - interpolated chessboard corners.
      -
      charucoIds - interpolated chessboard corners identifiers. - corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - dimensions of this array should be Nx4. The order of the corners should be clockwise. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function receives the detected markers and returns the 2D position of the chessboard corners - from a ChArUco board using the detected Aruco markers. - - If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - - If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - SEE: findChessboardCorners - Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - For more information, see the issue: https://github.com/opencv/opencv/issues/23152
      -
      -
      -
      • -
    • -
      -

      detectDiamonds

      -
      public void detectDiamonds(Mat image, - List<Mat> diamondCorners, - Mat diamondIds, - List<Mat> markerCorners, - Mat markerIds)
      -
      Detect ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input image necessary for corner subpixel.
      -
      diamondCorners - output list of detected diamond corners (4 corners per diamond). The order - is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ).
      -
      diamondIds - ids of the diamonds in diamondCorners. The id of each diamond is in fact of - type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - diamond.
      -
      markerCorners - list of detected marker corners from detectMarkers function. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids.
      -
      markerIds - list of marker ids in markerCorners. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function detects Diamond markers from the previous detected ArUco markers. The diamonds - are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - are provided, the diamond search is based on reprojection. If not, diamond search is based on - homography. Homography is faster than reprojection, but less accurate.
      -
      -
      -
      • -
    • -
      -

      detectDiamonds

      -
      public void detectDiamonds(Mat image, - List<Mat> diamondCorners, - Mat diamondIds, - List<Mat> markerCorners)
      -
      Detect ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input image necessary for corner subpixel.
      -
      diamondCorners - output list of detected diamond corners (4 corners per diamond). The order - is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ).
      -
      diamondIds - ids of the diamonds in diamondCorners. The id of each diamond is in fact of - type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - diamond.
      -
      markerCorners - list of detected marker corners from detectMarkers function. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function detects Diamond markers from the previous detected ArUco markers. The diamonds - are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - are provided, the diamond search is based on reprojection. If not, diamond search is based on - homography. Homography is faster than reprojection, but less accurate.
      -
      -
      -
      • -
    • -
      -

      detectDiamonds

      -
      public void detectDiamonds(Mat image, - List<Mat> diamondCorners, - Mat diamondIds)
      -
      Detect ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input image necessary for corner subpixel.
      -
      diamondCorners - output list of detected diamond corners (4 corners per diamond). The order - is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ).
      -
      diamondIds - ids of the diamonds in diamondCorners. The id of each diamond is in fact of - type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - diamond. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - - This function detects Diamond markers from the previous detected ArUco markers. The diamonds - are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - are provided, the diamond search is based on reprojection. If not, diamond search is based on - homography. Homography is faster than reprojection, but less accurate.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoParameters.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoParameters.html deleted file mode 100644 index 5a0e79fed5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/CharucoParameters.html +++ /dev/null @@ -1,271 +0,0 @@ - - - - -CharucoParameters (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class CharucoParameters

-
-
java.lang.Object -
org.opencv.objdetect.CharucoParameters
-
-
-
-
public class CharucoParameters -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      CharucoParameters

      -
      public CharucoParameters()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static CharucoParameters __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_cameraMatrix

      -
      public Mat get_cameraMatrix()
      -
      -
      • -
    • -
      -

      set_cameraMatrix

      -
      public void set_cameraMatrix(Mat cameraMatrix)
      -
      -
      • -
    • -
      -

      get_distCoeffs

      -
      public Mat get_distCoeffs()
      -
      -
      • -
    • -
      -

      set_distCoeffs

      -
      public void set_distCoeffs(Mat distCoeffs)
      -
      -
      • -
    • -
      -

      get_minMarkers

      -
      public int get_minMarkers()
      -
      -
      • -
    • -
      -

      set_minMarkers

      -
      public void set_minMarkers(int minMarkers)
      -
      -
      • -
    • -
      -

      get_tryRefineMarkers

      -
      public boolean get_tryRefineMarkers()
      -
      -
      • -
    • -
      -

      set_tryRefineMarkers

      -
      public void set_tryRefineMarkers(boolean tryRefineMarkers)
      -
      -
      • -
    • -
      -

      get_checkMarkers

      -
      public boolean get_checkMarkers()
      -
      -
      • -
    • -
      -

      set_checkMarkers

      -
      public void set_checkMarkers(boolean checkMarkers)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/DetectorParameters.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/DetectorParameters.html deleted file mode 100644 index cd0eaa12cf..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/DetectorParameters.html +++ /dev/null @@ -1,794 +0,0 @@ - - - - -DetectorParameters (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class DetectorParameters

-
-
java.lang.Object -
org.opencv.objdetect.DetectorParameters
-
-
-
-
public class DetectorParameters -extends Object
-
struct DetectorParameters is used by ArucoDetector
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      DetectorParameters

      -
      public DetectorParameters()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static DetectorParameters __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_adaptiveThreshWinSizeMin

      -
      public int get_adaptiveThreshWinSizeMin()
      -
      -
      • -
    • -
      -

      set_adaptiveThreshWinSizeMin

      -
      public void set_adaptiveThreshWinSizeMin(int adaptiveThreshWinSizeMin)
      -
      -
      • -
    • -
      -

      get_adaptiveThreshWinSizeMax

      -
      public int get_adaptiveThreshWinSizeMax()
      -
      -
      • -
    • -
      -

      set_adaptiveThreshWinSizeMax

      -
      public void set_adaptiveThreshWinSizeMax(int adaptiveThreshWinSizeMax)
      -
      -
      • -
    • -
      -

      get_adaptiveThreshWinSizeStep

      -
      public int get_adaptiveThreshWinSizeStep()
      -
      -
      • -
    • -
      -

      set_adaptiveThreshWinSizeStep

      -
      public void set_adaptiveThreshWinSizeStep(int adaptiveThreshWinSizeStep)
      -
      -
      • -
    • -
      -

      get_adaptiveThreshConstant

      -
      public double get_adaptiveThreshConstant()
      -
      -
      • -
    • -
      -

      set_adaptiveThreshConstant

      -
      public void set_adaptiveThreshConstant(double adaptiveThreshConstant)
      -
      -
      • -
    • -
      -

      get_minMarkerPerimeterRate

      -
      public double get_minMarkerPerimeterRate()
      -
      -
      • -
    • -
      -

      set_minMarkerPerimeterRate

      -
      public void set_minMarkerPerimeterRate(double minMarkerPerimeterRate)
      -
      -
      • -
    • -
      -

      get_maxMarkerPerimeterRate

      -
      public double get_maxMarkerPerimeterRate()
      -
      -
      • -
    • -
      -

      set_maxMarkerPerimeterRate

      -
      public void set_maxMarkerPerimeterRate(double maxMarkerPerimeterRate)
      -
      -
      • -
    • -
      -

      get_polygonalApproxAccuracyRate

      -
      public double get_polygonalApproxAccuracyRate()
      -
      -
      • -
    • -
      -

      set_polygonalApproxAccuracyRate

      -
      public void set_polygonalApproxAccuracyRate(double polygonalApproxAccuracyRate)
      -
      -
      • -
    • -
      -

      get_minCornerDistanceRate

      -
      public double get_minCornerDistanceRate()
      -
      -
      • -
    • -
      -

      set_minCornerDistanceRate

      -
      public void set_minCornerDistanceRate(double minCornerDistanceRate)
      -
      -
      • -
    • -
      -

      get_minDistanceToBorder

      -
      public int get_minDistanceToBorder()
      -
      -
      • -
    • -
      -

      set_minDistanceToBorder

      -
      public void set_minDistanceToBorder(int minDistanceToBorder)
      -
      -
      • -
    • -
      -

      get_minMarkerDistanceRate

      -
      public double get_minMarkerDistanceRate()
      -
      -
      • -
    • -
      -

      set_minMarkerDistanceRate

      -
      public void set_minMarkerDistanceRate(double minMarkerDistanceRate)
      -
      -
      • -
    • -
      -

      get_minGroupDistance

      -
      public float get_minGroupDistance()
      -
      -
      • -
    • -
      -

      set_minGroupDistance

      -
      public void set_minGroupDistance(float minGroupDistance)
      -
      -
      • -
    • -
      -

      get_cornerRefinementMethod

      -
      public int get_cornerRefinementMethod()
      -
      -
      • -
    • -
      -

      set_cornerRefinementMethod

      -
      public void set_cornerRefinementMethod(int cornerRefinementMethod)
      -
      -
      • -
    • -
      -

      get_cornerRefinementWinSize

      -
      public int get_cornerRefinementWinSize()
      -
      -
      • -
    • -
      -

      set_cornerRefinementWinSize

      -
      public void set_cornerRefinementWinSize(int cornerRefinementWinSize)
      -
      -
      • -
    • -
      -

      get_relativeCornerRefinmentWinSize

      -
      public float get_relativeCornerRefinmentWinSize()
      -
      -
      • -
    • -
      -

      set_relativeCornerRefinmentWinSize

      -
      public void set_relativeCornerRefinmentWinSize(float relativeCornerRefinmentWinSize)
      -
      -
      • -
    • -
      -

      get_cornerRefinementMaxIterations

      -
      public int get_cornerRefinementMaxIterations()
      -
      -
      • -
    • -
      -

      set_cornerRefinementMaxIterations

      -
      public void set_cornerRefinementMaxIterations(int cornerRefinementMaxIterations)
      -
      -
      • -
    • -
      -

      get_cornerRefinementMinAccuracy

      -
      public double get_cornerRefinementMinAccuracy()
      -
      -
      • -
    • -
      -

      set_cornerRefinementMinAccuracy

      -
      public void set_cornerRefinementMinAccuracy(double cornerRefinementMinAccuracy)
      -
      -
      • -
    • -
      -

      get_markerBorderBits

      -
      public int get_markerBorderBits()
      -
      -
      • -
    • -
      -

      set_markerBorderBits

      -
      public void set_markerBorderBits(int markerBorderBits)
      -
      -
      • -
    • -
      -

      get_perspectiveRemovePixelPerCell

      -
      public int get_perspectiveRemovePixelPerCell()
      -
      -
      • -
    • -
      -

      set_perspectiveRemovePixelPerCell

      -
      public void set_perspectiveRemovePixelPerCell(int perspectiveRemovePixelPerCell)
      -
      -
      • -
    • -
      -

      get_perspectiveRemoveIgnoredMarginPerCell

      -
      public double get_perspectiveRemoveIgnoredMarginPerCell()
      -
      -
      • -
    • -
      -

      set_perspectiveRemoveIgnoredMarginPerCell

      -
      public void set_perspectiveRemoveIgnoredMarginPerCell(double perspectiveRemoveIgnoredMarginPerCell)
      -
      -
      • -
    • -
      -

      get_maxErroneousBitsInBorderRate

      -
      public double get_maxErroneousBitsInBorderRate()
      -
      -
      • -
    • -
      -

      set_maxErroneousBitsInBorderRate

      -
      public void set_maxErroneousBitsInBorderRate(double maxErroneousBitsInBorderRate)
      -
      -
      • -
    • -
      -

      get_minOtsuStdDev

      -
      public double get_minOtsuStdDev()
      -
      -
      • -
    • -
      -

      set_minOtsuStdDev

      -
      public void set_minOtsuStdDev(double minOtsuStdDev)
      -
      -
      • -
    • -
      -

      get_errorCorrectionRate

      -
      public double get_errorCorrectionRate()
      -
      -
      • -
    • -
      -

      set_errorCorrectionRate

      -
      public void set_errorCorrectionRate(double errorCorrectionRate)
      -
      -
      • -
    • -
      -

      get_aprilTagQuadDecimate

      -
      public float get_aprilTagQuadDecimate()
      -
      -
      • -
    • -
      -

      set_aprilTagQuadDecimate

      -
      public void set_aprilTagQuadDecimate(float aprilTagQuadDecimate)
      -
      -
      • -
    • -
      -

      get_aprilTagQuadSigma

      -
      public float get_aprilTagQuadSigma()
      -
      -
      • -
    • -
      -

      set_aprilTagQuadSigma

      -
      public void set_aprilTagQuadSigma(float aprilTagQuadSigma)
      -
      -
      • -
    • -
      -

      get_aprilTagMinClusterPixels

      -
      public int get_aprilTagMinClusterPixels()
      -
      -
      • -
    • -
      -

      set_aprilTagMinClusterPixels

      -
      public void set_aprilTagMinClusterPixels(int aprilTagMinClusterPixels)
      -
      -
      • -
    • -
      -

      get_aprilTagMaxNmaxima

      -
      public int get_aprilTagMaxNmaxima()
      -
      -
      • -
    • -
      -

      set_aprilTagMaxNmaxima

      -
      public void set_aprilTagMaxNmaxima(int aprilTagMaxNmaxima)
      -
      -
      • -
    • -
      -

      get_aprilTagCriticalRad

      -
      public float get_aprilTagCriticalRad()
      -
      -
      • -
    • -
      -

      set_aprilTagCriticalRad

      -
      public void set_aprilTagCriticalRad(float aprilTagCriticalRad)
      -
      -
      • -
    • -
      -

      get_aprilTagMaxLineFitMse

      -
      public float get_aprilTagMaxLineFitMse()
      -
      -
      • -
    • -
      -

      set_aprilTagMaxLineFitMse

      -
      public void set_aprilTagMaxLineFitMse(float aprilTagMaxLineFitMse)
      -
      -
      • -
    • -
      -

      get_aprilTagMinWhiteBlackDiff

      -
      public int get_aprilTagMinWhiteBlackDiff()
      -
      -
      • -
    • -
      -

      set_aprilTagMinWhiteBlackDiff

      -
      public void set_aprilTagMinWhiteBlackDiff(int aprilTagMinWhiteBlackDiff)
      -
      -
      • -
    • -
      -

      get_aprilTagDeglitch

      -
      public int get_aprilTagDeglitch()
      -
      -
      • -
    • -
      -

      set_aprilTagDeglitch

      -
      public void set_aprilTagDeglitch(int aprilTagDeglitch)
      -
      -
      • -
    • -
      -

      get_detectInvertedMarker

      -
      public boolean get_detectInvertedMarker()
      -
      -
      • -
    • -
      -

      set_detectInvertedMarker

      -
      public void set_detectInvertedMarker(boolean detectInvertedMarker)
      -
      -
      • -
    • -
      -

      get_useAruco3Detection

      -
      public boolean get_useAruco3Detection()
      -
      -
      • -
    • -
      -

      set_useAruco3Detection

      -
      public void set_useAruco3Detection(boolean useAruco3Detection)
      -
      -
      • -
    • -
      -

      get_minSideLengthCanonicalImg

      -
      public int get_minSideLengthCanonicalImg()
      -
      -
      • -
    • -
      -

      set_minSideLengthCanonicalImg

      -
      public void set_minSideLengthCanonicalImg(int minSideLengthCanonicalImg)
      -
      -
      • -
    • -
      -

      get_minMarkerLengthRatioOriginalImg

      -
      public float get_minMarkerLengthRatioOriginalImg()
      -
      -
      • -
    • -
      -

      set_minMarkerLengthRatioOriginalImg

      -
      public void set_minMarkerLengthRatioOriginalImg(float minMarkerLengthRatioOriginalImg)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Dictionary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Dictionary.html deleted file mode 100644 index 77c272e9fe..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Dictionary.html +++ /dev/null @@ -1,450 +0,0 @@ - - - - -Dictionary (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class Dictionary

-
-
java.lang.Object -
org.opencv.objdetect.Dictionary
-
-
-
-
public class Dictionary -extends Object
-
Dictionary is a set of unique ArUco markers of the same size - - bytesList storing as 2-dimensions Mat with 4-th channels (CV_8UC4 type was used) and contains the marker codewords where: - - bytesList.rows is the dictionary size - - each marker is encoded using nbytes = ceil(markerSize*markerSize/8.) bytes - - each row contains all 4 rotations of the marker, so its length is 4*nbytes - - the byte order in the bytesList[i] row: - //bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3// - So bytesList.ptr(i)[k*nbytes + j] is the j-th byte of i-th marker, in its k-th rotation. - Note: Python bindings generate matrix with shape of bytesList dictionary_size x nbytes x 4, - but it should be indexed like C++ version. Python example for j-th byte of i-th marker, in its k-th rotation: - aruco_dict.bytesList[id].ravel()[k*nbytes + j]
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Dictionary

      -
      public Dictionary()
      -
      -
      • -
    • -
      -

      Dictionary

      -
      public Dictionary(Mat bytesList, - int _markerSize, - int maxcorr)
      -
      Basic ArUco dictionary constructor
      -
      -
      Parameters:
      -
      bytesList - bits for all ArUco markers in dictionary see memory layout in the class description
      -
      _markerSize - ArUco marker size in units
      -
      maxcorr - maximum number of bits that can be corrected
      -
      -
      -
      • -
    • -
      -

      Dictionary

      -
      public Dictionary(Mat bytesList, - int _markerSize)
      -
      Basic ArUco dictionary constructor
      -
      -
      Parameters:
      -
      bytesList - bits for all ArUco markers in dictionary see memory layout in the class description
      -
      _markerSize - ArUco marker size in units
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Dictionary __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      identify

      -
      public boolean identify(Mat onlyBits, - int[] idx, - int[] rotation, - double maxCorrectionRate)
      -
      Given a matrix of bits. Returns whether if marker is identified or not. - - Returns reference to the marker id in the dictionary (if any) and its rotation.
      -
      -
      Parameters:
      -
      onlyBits - automatically generated
      -
      idx - automatically generated
      -
      rotation - automatically generated
      -
      maxCorrectionRate - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDistanceToId

      -
      public int getDistanceToId(Mat bits, - int id, - boolean allRotations)
      -
      Returns Hamming distance of the input bits to the specific id. - - If allRotations flag is set, the four posible marker rotations are considered
      -
      -
      Parameters:
      -
      bits - automatically generated
      -
      id - automatically generated
      -
      allRotations - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDistanceToId

      -
      public int getDistanceToId(Mat bits, - int id)
      -
      Returns Hamming distance of the input bits to the specific id. - - If allRotations flag is set, the four posible marker rotations are considered
      -
      -
      Parameters:
      -
      bits - automatically generated
      -
      id - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      generateImageMarker

      -
      public void generateImageMarker(int id, - int sidePixels, - Mat _img, - int borderBits)
      -
      Generate a canonical marker image
      -
      -
      Parameters:
      -
      id - automatically generated
      -
      sidePixels - automatically generated
      -
      _img - automatically generated
      -
      borderBits - automatically generated
      -
      -
      -
      • -
    • -
      -

      generateImageMarker

      -
      public void generateImageMarker(int id, - int sidePixels, - Mat _img)
      -
      Generate a canonical marker image
      -
      -
      Parameters:
      -
      id - automatically generated
      -
      sidePixels - automatically generated
      -
      _img - automatically generated
      -
      -
      -
      • -
    • -
      -

      getByteListFromBits

      -
      public static Mat getByteListFromBits(Mat bits)
      -
      Transform matrix of bits to list of bytes with 4 marker rotations
      -
      -
      Parameters:
      -
      bits - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getBitsFromByteList

      -
      public static Mat getBitsFromByteList(Mat byteList, - int markerSize)
      -
      Transform list of bytes to matrix of bits
      -
      -
      Parameters:
      -
      byteList - automatically generated
      -
      markerSize - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_bytesList

      -
      public Mat get_bytesList()
      -
      -
      • -
    • -
      -

      set_bytesList

      -
      public void set_bytesList(Mat bytesList)
      -
      -
      • -
    • -
      -

      get_markerSize

      -
      public int get_markerSize()
      -
      -
      • -
    • -
      -

      set_markerSize

      -
      public void set_markerSize(int markerSize)
      -
      -
      • -
    • -
      -

      get_maxCorrectionBits

      -
      public int get_maxCorrectionBits()
      -
      -
      • -
    • -
      -

      set_maxCorrectionBits

      -
      public void set_maxCorrectionBits(int maxCorrectionBits)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceDetectorYN.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceDetectorYN.html deleted file mode 100644 index 6bfafb4a13..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceDetectorYN.html +++ /dev/null @@ -1,666 +0,0 @@ - - - - -FaceDetectorYN (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class FaceDetectorYN

-
-
java.lang.Object -
org.opencv.objdetect.FaceDetectorYN
-
-
-
-
public class FaceDetectorYN -extends Object
-
DNN-based face detector - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static FaceDetectorYN __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setInputSize

      -
      public void setInputSize(Size input_size)
      -
      Set the size for the network input, which overwrites the input size of creating model. Call this method when the size of input image does not match the input size when creating model
      -
      -
      Parameters:
      -
      input_size - the size of the input image
      -
      -
      -
      • -
    • -
      -

      getInputSize

      -
      public Size getInputSize()
      -
      -
      • -
    • -
      -

      setScoreThreshold

      -
      public void setScoreThreshold(float score_threshold)
      -
      Set the score threshold to filter out bounding boxes of score less than the given value
      -
      -
      Parameters:
      -
      score_threshold - threshold for filtering out bounding boxes
      -
      -
      -
      • -
    • -
      -

      getScoreThreshold

      -
      public float getScoreThreshold()
      -
      -
      • -
    • -
      -

      setNMSThreshold

      -
      public void setNMSThreshold(float nms_threshold)
      -
      Set the Non-maximum-suppression threshold to suppress bounding boxes that have IoU greater than the given value
      -
      -
      Parameters:
      -
      nms_threshold - threshold for NMS operation
      -
      -
      -
      • -
    • -
      -

      getNMSThreshold

      -
      public float getNMSThreshold()
      -
      -
      • -
    • -
      -

      setTopK

      -
      public void setTopK(int top_k)
      -
      Set the number of bounding boxes preserved before NMS
      -
      -
      Parameters:
      -
      top_k - the number of bounding boxes to preserve from top rank based on score
      -
      -
      -
      • -
    • -
      -

      getTopK

      -
      public int getTopK()
      -
      -
      • -
    • -
      -

      detect

      -
      public int detect(Mat image, - Mat faces)
      -
      Detects faces in the input image. Following is an example output. - - ![image](pics/lena-face-detection.jpg)
      -
      -
      Parameters:
      -
      image - an image to detect
      -
      faces - detection results stored in a 2D cv::Mat of shape [num_faces, 15] - - 0-1: x, y of bbox top left corner - - 2-3: width, height of bbox - - 4-5: x, y of right eye (blue point in the example image) - - 6-7: x, y of left eye (red point in the example image) - - 8-9: x, y of nose tip (green point in the example image) - - 10-11: x, y of right corner of mouth (pink point in the example image) - - 12-13: x, y of left corner of mouth (yellow point in the example image) - - 14: face score
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k, - int backend_id, - int target_id)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      backend_id - the id of backend
      -
      target_id - the id of target device
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k, - int backend_id)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      backend_id - the id of backend
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size, - float score_threshold, - float nms_threshold)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size, - float score_threshold)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String model, - String config, - Size input_size)
      -
      Creates an instance of face detector class with given parameters
      -
      -
      Parameters:
      -
      model - the path to the requested model
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      input_size - the size of the input image
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k, - int backend_id, - int target_id)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      backend_id - the id of backend
      -
      target_id - the id of target device
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k, - int backend_id)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      backend_id - the id of backend
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size, - float score_threshold, - float nms_threshold, - int top_k)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      top_k - keep top K bboxes before NMS
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size, - float score_threshold, - float nms_threshold)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      nms_threshold - the threshold to suppress bounding boxes of IoU bigger than the given value
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size, - float score_threshold)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      score_threshold - the threshold to filter out bounding boxes of score smaller than the given value
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceDetectorYN create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - Size input_size)
      -
      -
      Parameters:
      -
      framework - Name of origin framework
      -
      bufferModel - A buffer with a content of binary file with weights
      -
      bufferConfig - A buffer with a content of text file contains network configuration
      -
      input_size - the size of the input image
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceRecognizerSF.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceRecognizerSF.html deleted file mode 100644 index 4655e5f1d5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/FaceRecognizerSF.html +++ /dev/null @@ -1,450 +0,0 @@ - - - - -FaceRecognizerSF (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class FaceRecognizerSF

-
-
java.lang.Object -
org.opencv.objdetect.FaceRecognizerSF
-
-
-
-
public class FaceRecognizerSF -extends Object
-
DNN-based face recognizer - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    - -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static FaceRecognizerSF __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      alignCrop

      -
      public void alignCrop(Mat src_img, - Mat face_box, - Mat aligned_img)
      -
      Aligns detected face with the source input image and crops it
      -
      -
      Parameters:
      -
      src_img - input image
      -
      face_box - the detected face result from the input image
      -
      aligned_img - output aligned image
      -
      -
      -
      • -
    • -
      -

      feature

      -
      public void feature(Mat aligned_img, - Mat face_feature)
      -
      Extracts face feature from aligned image
      -
      -
      Parameters:
      -
      aligned_img - input aligned image
      -
      face_feature - output face feature
      -
      -
      -
      • -
    • -
      -

      match

      -
      public double match(Mat face_feature1, - Mat face_feature2, - int dis_type)
      -
      Calculates the distance between two face features
      -
      -
      Parameters:
      -
      face_feature1 - the first input feature
      -
      face_feature2 - the second input feature of the same size and the same type as face_feature1
      -
      dis_type - defines how to calculate the distance between two face features with optional values "FR_COSINE" or "FR_NORM_L2"
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      match

      -
      public double match(Mat face_feature1, - Mat face_feature2)
      -
      Calculates the distance between two face features
      -
      -
      Parameters:
      -
      face_feature1 - the first input feature
      -
      face_feature2 - the second input feature of the same size and the same type as face_feature1
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String model, - String config, - int backend_id, - int target_id)
      -
      Creates an instance of this class with given parameters
      -
      -
      Parameters:
      -
      model - the path of the onnx model used for face recognition
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      backend_id - the id of backend
      -
      target_id - the id of target device
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String model, - String config, - int backend_id)
      -
      Creates an instance of this class with given parameters
      -
      -
      Parameters:
      -
      model - the path of the onnx model used for face recognition
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      backend_id - the id of backend
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String model, - String config)
      -
      Creates an instance of this class with given parameters
      -
      -
      Parameters:
      -
      model - the path of the onnx model used for face recognition
      -
      config - the path to the config file for compability, which is not requested for ONNX models
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - int backend_id, - int target_id)
      -
      Creates an instance of this class from a buffer containing the model weights and configuration.
      -
      -
      Parameters:
      -
      framework - Name of the framework (ONNX, etc.)
      -
      bufferModel - A buffer containing the binary model weights.
      -
      bufferConfig - A buffer containing the network configuration.
      -
      backend_id - The id of the backend.
      -
      target_id - The id of the target device.
      -
      Returns:
      -
      A pointer to the created instance of FaceRecognizerSF.
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig, - int backend_id)
      -
      Creates an instance of this class from a buffer containing the model weights and configuration.
      -
      -
      Parameters:
      -
      framework - Name of the framework (ONNX, etc.)
      -
      bufferModel - A buffer containing the binary model weights.
      -
      bufferConfig - A buffer containing the network configuration.
      -
      backend_id - The id of the backend.
      -
      Returns:
      -
      A pointer to the created instance of FaceRecognizerSF.
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static FaceRecognizerSF create(String framework, - MatOfByte bufferModel, - MatOfByte bufferConfig)
      -
      Creates an instance of this class from a buffer containing the model weights and configuration.
      -
      -
      Parameters:
      -
      framework - Name of the framework (ONNX, etc.)
      -
      bufferModel - A buffer containing the binary model weights.
      -
      bufferConfig - A buffer containing the network configuration.
      -
      Returns:
      -
      A pointer to the created instance of FaceRecognizerSF.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GraphicalCodeDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GraphicalCodeDetector.html deleted file mode 100644 index 6869fff364..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GraphicalCodeDetector.html +++ /dev/null @@ -1,583 +0,0 @@ - - - - -GraphicalCodeDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class GraphicalCodeDetector

-
-
java.lang.Object -
org.opencv.objdetect.GraphicalCodeDetector
-
-
-
-
Direct Known Subclasses:
-
BarcodeDetector, QRCodeDetector, QRCodeDetectorAruco
-
-
-
public class GraphicalCodeDetector -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static GraphicalCodeDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      detect

      -
      public boolean detect(Mat img, - Mat points)
      -
      Detects graphical code in image and returns the quadrangle containing the code.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing (or not) graphical code.
      -
      points - Output vector of vertices of the minimum-area quadrangle containing the code.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decode

      -
      public String decode(Mat img, - Mat points, - Mat straight_code)
      -
      Decodes graphical code in image once it's found by the detect() method. - - Returns UTF8-encoded output string or empty string if the code cannot be decoded.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical code.
      -
      points - Quadrangle vertices found by detect() method (or some other algorithm).
      -
      straight_code - The optional output image containing binarized code, will be empty if not found.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decode

      -
      public String decode(Mat img, - Mat points)
      -
      Decodes graphical code in image once it's found by the detect() method. - - Returns UTF8-encoded output string or empty string if the code cannot be decoded.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical code.
      -
      points - Quadrangle vertices found by detect() method (or some other algorithm).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecode

      -
      public String detectAndDecode(Mat img, - Mat points, - Mat straight_code)
      -
      Both detects and decodes graphical code
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical code.
      -
      points - optional output array of vertices of the found graphical code quadrangle, will be empty if not found.
      -
      straight_code - The optional output image containing binarized code
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecode

      -
      public String detectAndDecode(Mat img, - Mat points)
      -
      Both detects and decodes graphical code
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical code.
      -
      points - optional output array of vertices of the found graphical code quadrangle, will be empty if not found.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecode

      -
      public String detectAndDecode(Mat img)
      -
      Both detects and decodes graphical code
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical code.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectMulti

      -
      public boolean detectMulti(Mat img, - Mat points)
      -
      Detects graphical codes in image and returns the vector of the quadrangles containing the codes.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing (or not) graphical codes.
      -
      points - Output vector of vector of vertices of the minimum-area quadrangle containing the codes.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decodeMulti

      -
      public boolean decodeMulti(Mat img, - Mat points, - List<String> decoded_info, - List<Mat> straight_code)
      -
      Decodes graphical codes in image once it's found by the detect() method.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical codes.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded.
      -
      points - vector of Quadrangle vertices found by detect() method (or some other algorithm).
      -
      straight_code - The optional output vector of images containing binarized codes
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decodeMulti

      -
      public boolean decodeMulti(Mat img, - Mat points, - List<String> decoded_info)
      -
      Decodes graphical codes in image once it's found by the detect() method.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical codes.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded.
      -
      points - vector of Quadrangle vertices found by detect() method (or some other algorithm).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeMulti

      -
      public boolean detectAndDecodeMulti(Mat img, - List<String> decoded_info, - Mat points, - List<Mat> straight_code)
      -
      Both detects and decodes graphical codes
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical codes.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded.
      -
      points - optional output vector of vertices of the found graphical code quadrangles. Will be empty if not found.
      -
      straight_code - The optional vector of images containing binarized codes - -
        -
      • - If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - have empty string. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeMulti

      -
      public boolean detectAndDecodeMulti(Mat img, - List<String> decoded_info, - Mat points)
      -
      Both detects and decodes graphical codes
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical codes.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded.
      -
      points - optional output vector of vertices of the found graphical code quadrangles. Will be empty if not found. - -
        -
      • - If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - have empty string. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeMulti

      -
      public boolean detectAndDecodeMulti(Mat img, - List<String> decoded_info)
      -
      Both detects and decodes graphical codes
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing graphical codes.
      -
      decoded_info - UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - -
        -
      • - If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - have empty string. -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeBytes

      -
      public byte[] detectAndDecodeBytes(Mat img, - Mat points, - Mat straight_code)
      -
      -
      • -
    • -
      -

      detectAndDecodeBytes

      -
      public byte[] detectAndDecodeBytes(Mat img, - Mat points)
      -
      -
      • -
    • -
      -

      detectAndDecodeBytes

      -
      public byte[] detectAndDecodeBytes(Mat img)
      -
      -
      • -
    • -
      -

      decodeBytes

      -
      public byte[] decodeBytes(Mat img, - Mat points, - Mat straight_code)
      -
      -
      • -
    • -
      -

      decodeBytes

      -
      public byte[] decodeBytes(Mat img, - Mat points)
      -
      -
      • -
    • -
      -

      decodeBytesMulti

      -
      public boolean decodeBytesMulti(Mat img, - Mat points, - List<byte[]> decoded_info, - List<Mat> straight_code)
      -
      -
      • -
    • -
      -

      decodeBytesMulti

      -
      public boolean decodeBytesMulti(Mat img, - Mat points, - List<byte[]> decoded_info)
      -
      -
      • -
    • -
      -

      detectAndDecodeBytesMulti

      -
      public boolean detectAndDecodeBytesMulti(Mat img, - List<byte[]> decoded_info, - Mat points, - List<Mat> straight_code)
      -
      -
      • -
    • -
      -

      detectAndDecodeBytesMulti

      -
      public boolean detectAndDecodeBytesMulti(Mat img, - List<byte[]> decoded_info, - Mat points)
      -
      -
      • -
    • -
      -

      detectAndDecodeBytesMulti

      -
      public boolean detectAndDecodeBytesMulti(Mat img, - List<byte[]> decoded_info)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GridBoard.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GridBoard.html deleted file mode 100644 index ce2b11dce8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/GridBoard.html +++ /dev/null @@ -1,251 +0,0 @@ - - - - -GridBoard (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class GridBoard

-
-
java.lang.Object -
org.opencv.objdetect.Board -
org.opencv.objdetect.GridBoard
-
-
-
-
-
public class GridBoard -extends Board
-
Planar board with grid arrangement of markers - - More common type of board. All markers are placed in the same plane in a grid arrangement. - The board image can be drawn using generateImage() method.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      GridBoard

      -
      public GridBoard(Size size, - float markerLength, - float markerSeparation, - Dictionary dictionary, - Mat ids)
      -
      GridBoard constructor
      -
      -
      Parameters:
      -
      size - number of markers in x and y directions
      -
      markerLength - marker side length (normally in meters)
      -
      markerSeparation - separation between two markers (same unit as markerLength)
      -
      dictionary - dictionary of markers indicating the type of markers
      -
      ids - set of marker ids in dictionary to use on board.
      -
      -
      -
      • -
    • -
      -

      GridBoard

      -
      public GridBoard(Size size, - float markerLength, - float markerSeparation, - Dictionary dictionary)
      -
      GridBoard constructor
      -
      -
      Parameters:
      -
      size - number of markers in x and y directions
      -
      markerLength - marker side length (normally in meters)
      -
      markerSeparation - separation between two markers (same unit as markerLength)
      -
      dictionary - dictionary of markers indicating the type of markers
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static GridBoard __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getGridSize

      -
      public Size getGridSize()
      -
      -
      • -
    • -
      -

      getMarkerLength

      -
      public float getMarkerLength()
      -
      -
      • -
    • -
      -

      getMarkerSeparation

      -
      public float getMarkerSeparation()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/HOGDescriptor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/HOGDescriptor.html deleted file mode 100644 index bb351bc8b0..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/HOGDescriptor.html +++ /dev/null @@ -1,1431 +0,0 @@ - - - - -HOGDescriptor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class HOGDescriptor

-
-
java.lang.Object -
org.opencv.objdetect.HOGDescriptor
-
-
-
-
public class HOGDescriptor -extends Object
-
Implementation of HOG (Histogram of Oriented Gradients) descriptor and object detector. - - the HOG descriptor algorithm introduced by Navneet Dalal and Bill Triggs CITE: Dalal2005 . - - useful links: - - https://hal.inria.fr/inria-00548512/document/ - - https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients - - https://software.intel.com/en-us/ipp-dev-reference-histogram-of-oriented-gradients-hog-descriptor - - http://www.learnopencv.com/histogram-of-oriented-gradients - - http://www.learnopencv.com/handwritten-digits-classification-an-opencv-c-python-tutorial
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      DEFAULT_NLEVELS

      -
      public static final int DEFAULT_NLEVELS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DESCR_FORMAT_COL_BY_COL

      -
      public static final int DESCR_FORMAT_COL_BY_COL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DESCR_FORMAT_ROW_BY_ROW

      -
      public static final int DESCR_FORMAT_ROW_BY_ROW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      L2Hys

      -
      public static final int L2Hys
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor()
      -
      Creates the HOG descriptor and detector with default parameters. - - aqual to HOGDescriptor(Size(64,128), Size(16,16), Size(8,8), Size(8,8), 9 )
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma, - int _histogramNormType, - double _L2HysThreshold, - boolean _gammaCorrection, - int _nlevels, - boolean _signedGradient)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      _histogramNormType - sets histogramNormType with given value.
      -
      _L2HysThreshold - sets L2HysThreshold with given value.
      -
      _gammaCorrection - sets gammaCorrection with given value.
      -
      _nlevels - sets nlevels with given value.
      -
      _signedGradient - sets signedGradient with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma, - int _histogramNormType, - double _L2HysThreshold, - boolean _gammaCorrection, - int _nlevels)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      _histogramNormType - sets histogramNormType with given value.
      -
      _L2HysThreshold - sets L2HysThreshold with given value.
      -
      _gammaCorrection - sets gammaCorrection with given value.
      -
      _nlevels - sets nlevels with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma, - int _histogramNormType, - double _L2HysThreshold, - boolean _gammaCorrection)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      _histogramNormType - sets histogramNormType with given value.
      -
      _L2HysThreshold - sets L2HysThreshold with given value.
      -
      _gammaCorrection - sets gammaCorrection with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma, - int _histogramNormType, - double _L2HysThreshold)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      _histogramNormType - sets histogramNormType with given value.
      -
      _L2HysThreshold - sets L2HysThreshold with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma, - int _histogramNormType)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      _histogramNormType - sets histogramNormType with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture, - double _winSigma)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      _winSigma - sets winSigma with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins, - int _derivAperture)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      _derivAperture - sets derivAperture with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(Size _winSize, - Size _blockSize, - Size _blockStride, - Size _cellSize, - int _nbins)
      -
      -
      Parameters:
      -
      _winSize - sets winSize with given value.
      -
      _blockSize - sets blockSize with given value.
      -
      _blockStride - sets blockStride with given value.
      -
      _cellSize - sets cellSize with given value.
      -
      _nbins - sets nbins with given value.
      -
      -
      -
      • -
    • -
      -

      HOGDescriptor

      -
      public HOGDescriptor(String filename)
      -
      Creates the HOG descriptor and detector and loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file.
      -
      -
      Parameters:
      -
      filename - The file name containing HOGDescriptor properties and coefficients for the linear SVM classifier.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static HOGDescriptor __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getDescriptorSize

      -
      public long getDescriptorSize()
      -
      Returns the number of coefficients required for the classification.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      checkDetectorSize

      -
      public boolean checkDetectorSize()
      -
      Checks if detector size equal to descriptor size.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getWinSigma

      -
      public double getWinSigma()
      -
      Returns winSigma value
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setSVMDetector

      -
      public void setSVMDetector(Mat svmdetector)
      -
      Sets coefficients for the linear SVM classifier.
      -
      -
      Parameters:
      -
      svmdetector - coefficients for the linear SVM classifier.
      -
      -
      -
      • -
    • -
      -

      load

      -
      public boolean load(String filename, - String objname)
      -
      loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file
      -
      -
      Parameters:
      -
      filename - Name of the file to read.
      -
      objname - The optional name of the node to read (if empty, the first top-level node will be used).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      load

      -
      public boolean load(String filename)
      -
      loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file
      -
      -
      Parameters:
      -
      filename - Name of the file to read.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      save

      -
      public void save(String filename, - String objname)
      -
      saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file
      -
      -
      Parameters:
      -
      filename - File name
      -
      objname - Object name
      -
      -
      -
      • -
    • -
      -

      save

      -
      public void save(String filename)
      -
      saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file
      -
      -
      Parameters:
      -
      filename - File name
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat img, - MatOfFloat descriptors, - Size winStride, - Size padding, - MatOfPoint locations)
      -
      Computes HOG descriptors of given image.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U containing an image where HOG features will be calculated.
      -
      descriptors - Matrix of the type CV_32F
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      locations - Vector of Point
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat img, - MatOfFloat descriptors, - Size winStride, - Size padding)
      -
      Computes HOG descriptors of given image.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U containing an image where HOG features will be calculated.
      -
      descriptors - Matrix of the type CV_32F
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat img, - MatOfFloat descriptors, - Size winStride)
      -
      Computes HOG descriptors of given image.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U containing an image where HOG features will be calculated.
      -
      descriptors - Matrix of the type CV_32F
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      -
      -
      • -
    • -
      -

      compute

      -
      public void compute(Mat img, - MatOfFloat descriptors)
      -
      Computes HOG descriptors of given image.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U containing an image where HOG features will be calculated.
      -
      descriptors - Matrix of the type CV_32F
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat img, - MatOfPoint foundLocations, - MatOfDouble weights, - double hitThreshold, - Size winStride, - Size padding, - MatOfPoint searchLocations)
      -
      Performs object detection without a multi-scale window.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of point where each point contains left-top corner point of detected object boundaries.
      -
      weights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      searchLocations - Vector of Point includes set of requested locations to be evaluated.
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat img, - MatOfPoint foundLocations, - MatOfDouble weights, - double hitThreshold, - Size winStride, - Size padding)
      -
      Performs object detection without a multi-scale window.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of point where each point contains left-top corner point of detected object boundaries.
      -
      weights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat img, - MatOfPoint foundLocations, - MatOfDouble weights, - double hitThreshold, - Size winStride)
      -
      Performs object detection without a multi-scale window.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of point where each point contains left-top corner point of detected object boundaries.
      -
      weights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat img, - MatOfPoint foundLocations, - MatOfDouble weights, - double hitThreshold)
      -
      Performs object detection without a multi-scale window.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of point where each point contains left-top corner point of detected object boundaries.
      -
      weights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      -
      -
      • -
    • -
      -

      detect

      -
      public void detect(Mat img, - MatOfPoint foundLocations, - MatOfDouble weights)
      -
      Performs object detection without a multi-scale window.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of point where each point contains left-top corner point of detected object boundaries.
      -
      weights - Vector that will contain confidence values for each detected object. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold, - Size winStride, - Size padding, - double scale, - double groupThreshold, - boolean useMeanshiftGrouping)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      scale - Coefficient of the detection window increase.
      -
      groupThreshold - Coefficient to regulate the similarity threshold. When detected, some objects can be covered - by many rectangles. 0 means not to perform grouping.
      -
      useMeanshiftGrouping - indicates grouping algorithm
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold, - Size winStride, - Size padding, - double scale, - double groupThreshold)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      scale - Coefficient of the detection window increase.
      -
      groupThreshold - Coefficient to regulate the similarity threshold. When detected, some objects can be covered - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold, - Size winStride, - Size padding, - double scale)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding
      -
      scale - Coefficient of the detection window increase. - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold, - Size winStride, - Size padding)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride.
      -
      padding - Padding - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold, - Size winStride)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here.
      -
      winStride - Window stride. It must be a multiple of block stride. - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights, - double hitThreshold)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object.
      -
      hitThreshold - Threshold for the distance between features and SVM classifying plane. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here. - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      detectMultiScale

      -
      public void detectMultiScale(Mat img, - MatOfRect foundLocations, - MatOfDouble foundWeights)
      -
      Detects objects of different sizes in the input image. The detected objects are returned as a list - of rectangles.
      -
      -
      Parameters:
      -
      img - Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected.
      -
      foundLocations - Vector of rectangles where each rectangle contains the detected object.
      -
      foundWeights - Vector that will contain confidence values for each detected object. - Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - But if the free coefficient is omitted (which is allowed), you can specify it manually here. - by many rectangles. 0 means not to perform grouping.
      -
      -
      -
      • -
    • -
      -

      computeGradient

      -
      public void computeGradient(Mat img, - Mat grad, - Mat angleOfs, - Size paddingTL, - Size paddingBR)
      -
      Computes gradients and quantized gradient orientations.
      -
      -
      Parameters:
      -
      img - Matrix contains the image to be computed
      -
      grad - Matrix of type CV_32FC2 contains computed gradients
      -
      angleOfs - Matrix of type CV_8UC2 contains quantized gradient orientations
      -
      paddingTL - Padding from top-left
      -
      paddingBR - Padding from bottom-right
      -
      -
      -
      • -
    • -
      -

      computeGradient

      -
      public void computeGradient(Mat img, - Mat grad, - Mat angleOfs, - Size paddingTL)
      -
      Computes gradients and quantized gradient orientations.
      -
      -
      Parameters:
      -
      img - Matrix contains the image to be computed
      -
      grad - Matrix of type CV_32FC2 contains computed gradients
      -
      angleOfs - Matrix of type CV_8UC2 contains quantized gradient orientations
      -
      paddingTL - Padding from top-left
      -
      -
      -
      • -
    • -
      -

      computeGradient

      -
      public void computeGradient(Mat img, - Mat grad, - Mat angleOfs)
      -
      Computes gradients and quantized gradient orientations.
      -
      -
      Parameters:
      -
      img - Matrix contains the image to be computed
      -
      grad - Matrix of type CV_32FC2 contains computed gradients
      -
      angleOfs - Matrix of type CV_8UC2 contains quantized gradient orientations
      -
      -
      -
      • -
    • -
      -

      getDefaultPeopleDetector

      -
      public static MatOfFloat getDefaultPeopleDetector()
      -
      Returns coefficients of the classifier trained for people detection (for 64x128 windows).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getDaimlerPeopleDetector

      -
      public static MatOfFloat getDaimlerPeopleDetector()
      -
      Returns coefficients of the classifier trained for people detection (for 48x96 windows).
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_winSize

      -
      public Size get_winSize()
      -
      -
      • -
    • -
      -

      get_blockSize

      -
      public Size get_blockSize()
      -
      -
      • -
    • -
      -

      get_blockStride

      -
      public Size get_blockStride()
      -
      -
      • -
    • -
      -

      get_cellSize

      -
      public Size get_cellSize()
      -
      -
      • -
    • -
      -

      get_nbins

      -
      public int get_nbins()
      -
      -
      • -
    • -
      -

      get_derivAperture

      -
      public int get_derivAperture()
      -
      -
      • -
    • -
      -

      get_winSigma

      -
      public double get_winSigma()
      -
      -
      • -
    • -
      -

      get_histogramNormType

      -
      public int get_histogramNormType()
      -
      -
      • -
    • -
      -

      get_L2HysThreshold

      -
      public double get_L2HysThreshold()
      -
      -
      • -
    • -
      -

      get_gammaCorrection

      -
      public boolean get_gammaCorrection()
      -
      -
      • -
    • -
      -

      get_svmDetector

      -
      public MatOfFloat get_svmDetector()
      -
      -
      • -
    • -
      -

      get_nlevels

      -
      public int get_nlevels()
      -
      -
      • -
    • -
      -

      get_signedGradient

      -
      public boolean get_signedGradient()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Objdetect.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Objdetect.html deleted file mode 100644 index d039730063..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/Objdetect.html +++ /dev/null @@ -1,1215 +0,0 @@ - - - - -Objdetect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class Objdetect

-
-
java.lang.Object -
org.opencv.objdetect.Objdetect
-
-
-
-
public class Objdetect -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CASCADE_DO_CANNY_PRUNING

      -
      public static final int CASCADE_DO_CANNY_PRUNING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CASCADE_SCALE_IMAGE

      -
      public static final int CASCADE_SCALE_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CASCADE_FIND_BIGGEST_OBJECT

      -
      public static final int CASCADE_FIND_BIGGEST_OBJECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • - -
      • -
    • -
      -

      DetectionBasedTracker_DETECTED_NOT_SHOWN_YET

      -
      public static final int DetectionBasedTracker_DETECTED_NOT_SHOWN_YET
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DetectionBasedTracker_DETECTED

      -
      public static final int DetectionBasedTracker_DETECTED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DetectionBasedTracker_DETECTED_TEMPORARY_LOST

      -
      public static final int DetectionBasedTracker_DETECTED_TEMPORARY_LOST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DetectionBasedTracker_WRONG_OBJECT

      -
      public static final int DetectionBasedTracker_WRONG_OBJECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORNER_REFINE_NONE

      -
      public static final int CORNER_REFINE_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORNER_REFINE_SUBPIX

      -
      public static final int CORNER_REFINE_SUBPIX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORNER_REFINE_CONTOUR

      -
      public static final int CORNER_REFINE_CONTOUR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORNER_REFINE_APRILTAG

      -
      public static final int CORNER_REFINE_APRILTAG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_4X4_50

      -
      public static final int DICT_4X4_50
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_4X4_100

      -
      public static final int DICT_4X4_100
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_4X4_250

      -
      public static final int DICT_4X4_250
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_4X4_1000

      -
      public static final int DICT_4X4_1000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_5X5_50

      -
      public static final int DICT_5X5_50
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_5X5_100

      -
      public static final int DICT_5X5_100
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_5X5_250

      -
      public static final int DICT_5X5_250
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_5X5_1000

      -
      public static final int DICT_5X5_1000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_6X6_50

      -
      public static final int DICT_6X6_50
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_6X6_100

      -
      public static final int DICT_6X6_100
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_6X6_250

      -
      public static final int DICT_6X6_250
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_6X6_1000

      -
      public static final int DICT_6X6_1000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_7X7_50

      -
      public static final int DICT_7X7_50
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_7X7_100

      -
      public static final int DICT_7X7_100
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_7X7_250

      -
      public static final int DICT_7X7_250
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_7X7_1000

      -
      public static final int DICT_7X7_1000
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_ARUCO_ORIGINAL

      -
      public static final int DICT_ARUCO_ORIGINAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_APRILTAG_16h5

      -
      public static final int DICT_APRILTAG_16h5
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_APRILTAG_25h9

      -
      public static final int DICT_APRILTAG_25h9
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_APRILTAG_36h10

      -
      public static final int DICT_APRILTAG_36h10
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_APRILTAG_36h11

      -
      public static final int DICT_APRILTAG_36h11
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      DICT_ARUCO_MIP_36h12

      -
      public static final int DICT_ARUCO_MIP_36h12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Objdetect

      -
      public Objdetect()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      groupRectangles

      -
      public static void groupRectangles(MatOfRect rectList, - MatOfInt weights, - int groupThreshold, - double eps)
      -
      -
      • -
    • -
      -

      groupRectangles

      -
      public static void groupRectangles(MatOfRect rectList, - MatOfInt weights, - int groupThreshold)
      -
      -
      • -
    • -
      -

      drawDetectedMarkers

      -
      public static void drawDetectedMarkers(Mat image, - List<Mat> corners, - Mat ids, - Scalar borderColor)
      -
      Draw detected markers in image
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not altered.
      -
      corners - positions of marker corners on input image. - (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - this array should be Nx4. The order of the corners should be clockwise.
      -
      ids - vector of identifiers for markers in markersCorners . - Optional, if not provided, ids are not painted.
      -
      borderColor - color of marker borders. Rest of colors (text color and first corner color) - are calculated based on this one to improve visualization. - - Given an array of detected marker corners and its corresponding ids, this functions draws - the markers in the image. The marker borders are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      drawDetectedMarkers

      -
      public static void drawDetectedMarkers(Mat image, - List<Mat> corners, - Mat ids)
      -
      Draw detected markers in image
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not altered.
      -
      corners - positions of marker corners on input image. - (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - this array should be Nx4. The order of the corners should be clockwise.
      -
      ids - vector of identifiers for markers in markersCorners . - Optional, if not provided, ids are not painted. - are calculated based on this one to improve visualization. - - Given an array of detected marker corners and its corresponding ids, this functions draws - the markers in the image. The marker borders are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      drawDetectedMarkers

      -
      public static void drawDetectedMarkers(Mat image, - List<Mat> corners)
      -
      Draw detected markers in image
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not altered.
      -
      corners - positions of marker corners on input image. - (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - this array should be Nx4. The order of the corners should be clockwise. - Optional, if not provided, ids are not painted. - are calculated based on this one to improve visualization. - - Given an array of detected marker corners and its corresponding ids, this functions draws - the markers in the image. The marker borders are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      generateImageMarker

      -
      public static void generateImageMarker(Dictionary dictionary, - int id, - int sidePixels, - Mat img, - int borderBits)
      -
      Generate a canonical marker image
      -
      -
      Parameters:
      -
      dictionary - dictionary of markers indicating the type of markers
      -
      id - identifier of the marker that will be returned. It has to be a valid id in the specified dictionary.
      -
      sidePixels - size of the image in pixels
      -
      img - output image with the marker
      -
      borderBits - width of the marker border. - - This function returns a marker image in its canonical form (i.e. ready to be printed)
      -
      -
      -
      • -
    • -
      -

      generateImageMarker

      -
      public static void generateImageMarker(Dictionary dictionary, - int id, - int sidePixels, - Mat img)
      -
      Generate a canonical marker image
      -
      -
      Parameters:
      -
      dictionary - dictionary of markers indicating the type of markers
      -
      id - identifier of the marker that will be returned. It has to be a valid id in the specified dictionary.
      -
      sidePixels - size of the image in pixels
      -
      img - output image with the marker - - This function returns a marker image in its canonical form (i.e. ready to be printed)
      -
      -
      -
      • -
    • -
      -

      drawDetectedCornersCharuco

      -
      public static void drawDetectedCornersCharuco(Mat image, - Mat charucoCorners, - Mat charucoIds, - Scalar cornerColor)
      -
      Draws a set of Charuco corners
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      charucoCorners - vector of detected charuco corners
      -
      charucoIds - list of identifiers for each corner in charucoCorners
      -
      cornerColor - color of the square surrounding each corner - - This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - draws the id of each corner.
      -
      -
      -
      • -
    • -
      -

      drawDetectedCornersCharuco

      -
      public static void drawDetectedCornersCharuco(Mat image, - Mat charucoCorners, - Mat charucoIds)
      -
      Draws a set of Charuco corners
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      charucoCorners - vector of detected charuco corners
      -
      charucoIds - list of identifiers for each corner in charucoCorners - - This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - draws the id of each corner.
      -
      -
      -
      • -
    • -
      -

      drawDetectedCornersCharuco

      -
      public static void drawDetectedCornersCharuco(Mat image, - Mat charucoCorners)
      -
      Draws a set of Charuco corners
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      charucoCorners - vector of detected charuco corners - - This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - draws the id of each corner.
      -
      -
      -
      • -
    • -
      -

      drawDetectedDiamonds

      -
      public static void drawDetectedDiamonds(Mat image, - List<Mat> diamondCorners, - Mat diamondIds, - Scalar borderColor)
      -
      Draw a set of detected ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      diamondCorners - positions of diamond corners in the same format returned by - detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array should be Nx4. The order of the corners should be clockwise.
      -
      diamondIds - vector of identifiers for diamonds in diamondCorners, in the same format - returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - Optional, if not provided, ids are not painted.
      -
      borderColor - color of marker borders. Rest of colors (text color and first corner color) - are calculated based on this one. - - Given an array of detected diamonds, this functions draws them in the image. The marker borders - are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      drawDetectedDiamonds

      -
      public static void drawDetectedDiamonds(Mat image, - List<Mat> diamondCorners, - Mat diamondIds)
      -
      Draw a set of detected ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      diamondCorners - positions of diamond corners in the same format returned by - detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array should be Nx4. The order of the corners should be clockwise.
      -
      diamondIds - vector of identifiers for diamonds in diamondCorners, in the same format - returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - Optional, if not provided, ids are not painted. - are calculated based on this one. - - Given an array of detected diamonds, this functions draws them in the image. The marker borders - are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      drawDetectedDiamonds

      -
      public static void drawDetectedDiamonds(Mat image, - List<Mat> diamondCorners)
      -
      Draw a set of detected ChArUco Diamond markers
      -
      -
      Parameters:
      -
      image - input/output image. It must have 1 or 3 channels. The number of channels is not - altered.
      -
      diamondCorners - positions of diamond corners in the same format returned by - detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - the dimensions of this array should be Nx4. The order of the corners should be clockwise. - returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - Optional, if not provided, ids are not painted. - are calculated based on this one. - - Given an array of detected diamonds, this functions draws them in the image. The marker borders - are painted and the markers identifiers if provided. - Useful for debugging purposes.
      -
      -
      -
      • -
    • -
      -

      getPredefinedDictionary

      -
      public static Dictionary getPredefinedDictionary(int dict)
      -
      Returns one of the predefined dictionaries referenced by DICT_*.
      -
      -
      Parameters:
      -
      dict - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      extendDictionary

      -
      public static Dictionary extendDictionary(int nMarkers, - int markerSize, - Dictionary baseDictionary, - int randomSeed)
      -
      Extend base dictionary by new nMarkers
      -
      -
      Parameters:
      -
      nMarkers - number of markers in the dictionary
      -
      markerSize - number of bits per dimension of each markers
      -
      baseDictionary - Include the markers in this dictionary at the beginning (optional)
      -
      randomSeed - a user supplied seed for theRNG() - - This function creates a new dictionary composed by nMarkers markers and each markers composed - by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - included and the rest are generated based on them. If the size of baseDictionary is higher - than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      extendDictionary

      -
      public static Dictionary extendDictionary(int nMarkers, - int markerSize, - Dictionary baseDictionary)
      -
      Extend base dictionary by new nMarkers
      -
      -
      Parameters:
      -
      nMarkers - number of markers in the dictionary
      -
      markerSize - number of bits per dimension of each markers
      -
      baseDictionary - Include the markers in this dictionary at the beginning (optional) - - This function creates a new dictionary composed by nMarkers markers and each markers composed - by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - included and the rest are generated based on them. If the size of baseDictionary is higher - than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      extendDictionary

      -
      public static Dictionary extendDictionary(int nMarkers, - int markerSize)
      -
      Extend base dictionary by new nMarkers
      -
      -
      Parameters:
      -
      nMarkers - number of markers in the dictionary
      -
      markerSize - number of bits per dimension of each markers - - This function creates a new dictionary composed by nMarkers markers and each markers composed - by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - included and the rest are generated based on them. If the size of baseDictionary is higher - than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetector.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetector.html deleted file mode 100644 index 149476bf02..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetector.html +++ /dev/null @@ -1,388 +0,0 @@ - - - - -QRCodeDetector (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class QRCodeDetector

-
-
java.lang.Object -
org.opencv.objdetect.GraphicalCodeDetector -
org.opencv.objdetect.QRCodeDetector
-
-
-
-
-
public class QRCodeDetector -extends GraphicalCodeDetector
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      QRCodeDetector

      -
      public QRCodeDetector()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static QRCodeDetector __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      setEpsX

      -
      public QRCodeDetector setEpsX(double epsX)
      -
      sets the epsilon used during the horizontal scan of QR code stop marker detection.
      -
      -
      Parameters:
      -
      epsX - Epsilon neighborhood, which allows you to determine the horizontal pattern - of the scheme 1:1:3:1:1 according to QR code standard.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEpsY

      -
      public QRCodeDetector setEpsY(double epsY)
      -
      sets the epsilon used during the vertical scan of QR code stop marker detection.
      -
      -
      Parameters:
      -
      epsY - Epsilon neighborhood, which allows you to determine the vertical pattern - of the scheme 1:1:3:1:1 according to QR code standard.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUseAlignmentMarkers

      -
      public QRCodeDetector setUseAlignmentMarkers(boolean useAlignmentMarkers)
      -
      use markers to improve the position of the corners of the QR code - - alignmentMarkers using by default
      -
      -
      Parameters:
      -
      useAlignmentMarkers - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decodeCurved

      -
      public String decodeCurved(Mat img, - Mat points, - Mat straight_qrcode)
      -
      Decodes QR code on a curved surface in image once it's found by the detect() method. - - Returns UTF8-encoded output string or empty string if the code cannot be decoded.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing QR code.
      -
      points - Quadrangle vertices found by detect() method (or some other algorithm).
      -
      straight_qrcode - The optional output image containing rectified and binarized QR code
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decodeCurved

      -
      public String decodeCurved(Mat img, - Mat points)
      -
      Decodes QR code on a curved surface in image once it's found by the detect() method. - - Returns UTF8-encoded output string or empty string if the code cannot be decoded.
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing QR code.
      -
      points - Quadrangle vertices found by detect() method (or some other algorithm).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeCurved

      -
      public String detectAndDecodeCurved(Mat img, - Mat points, - Mat straight_qrcode)
      -
      Both detects and decodes QR code on a curved surface
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing QR code.
      -
      points - optional output array of vertices of the found QR code quadrangle. Will be empty if not found.
      -
      straight_qrcode - The optional output image containing rectified and binarized QR code
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeCurved

      -
      public String detectAndDecodeCurved(Mat img, - Mat points)
      -
      Both detects and decodes QR code on a curved surface
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing QR code.
      -
      points - optional output array of vertices of the found QR code quadrangle. Will be empty if not found.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      detectAndDecodeCurved

      -
      public String detectAndDecodeCurved(Mat img)
      -
      Both detects and decodes QR code on a curved surface
      -
      -
      Parameters:
      -
      img - grayscale or color (BGR) image containing QR code.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getEncoding

      -
      public int getEncoding(int codeIdx)
      -
      Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call
      -
      -
      Parameters:
      -
      codeIdx - an index of the previously decoded QR code. - When REF: decode or REF: detectAndDecode is used, valid value is zero. - For REF: decodeMulti or REF: detectAndDecodeMulti use indices corresponding to the output order.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getEncoding

      -
      public int getEncoding()
      -
      Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call - When REF: decode or REF: detectAndDecode is used, valid value is zero. - For REF: decodeMulti or REF: detectAndDecodeMulti use indices corresponding to the output order.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco.html deleted file mode 100644 index bf4c0d7f29..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco.html +++ /dev/null @@ -1,226 +0,0 @@ - - - - -QRCodeDetectorAruco (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class QRCodeDetectorAruco

-
-
java.lang.Object -
org.opencv.objdetect.GraphicalCodeDetector -
org.opencv.objdetect.QRCodeDetectorAruco
-
-
-
-
-
public class QRCodeDetectorAruco -extends GraphicalCodeDetector
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      QRCodeDetectorAruco

      -
      public QRCodeDetectorAruco()
      -
      -
      • -
    • -
      -

      QRCodeDetectorAruco

      -
      public QRCodeDetectorAruco(QRCodeDetectorAruco_Params params)
      -
      QR code detector constructor for Aruco-based algorithm. See cv::QRCodeDetectorAruco::Params
      -
      -
      Parameters:
      -
      params - automatically generated
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static QRCodeDetectorAruco __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getDetectorParameters

      -
      public QRCodeDetectorAruco_Params getDetectorParameters()
      -
      Detector parameters getter. See cv::QRCodeDetectorAruco::Params
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDetectorParameters

      -
      public QRCodeDetectorAruco setDetectorParameters(QRCodeDetectorAruco_Params params)
      -
      Detector parameters setter. See cv::QRCodeDetectorAruco::Params
      -
      -
      Parameters:
      -
      params - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco_Params.html deleted file mode 100644 index aff308937f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeDetectorAruco_Params.html +++ /dev/null @@ -1,307 +0,0 @@ - - - - -QRCodeDetectorAruco_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class QRCodeDetectorAruco_Params

-
-
java.lang.Object -
org.opencv.objdetect.QRCodeDetectorAruco_Params
-
-
-
-
public class QRCodeDetectorAruco_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      QRCodeDetectorAruco_Params

      -
      public QRCodeDetectorAruco_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static QRCodeDetectorAruco_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_minModuleSizeInPyramid

      -
      public float get_minModuleSizeInPyramid()
      -
      -
      • -
    • -
      -

      set_minModuleSizeInPyramid

      -
      public void set_minModuleSizeInPyramid(float minModuleSizeInPyramid)
      -
      -
      • -
    • -
      -

      get_maxRotation

      -
      public float get_maxRotation()
      -
      -
      • -
    • -
      -

      set_maxRotation

      -
      public void set_maxRotation(float maxRotation)
      -
      -
      • -
    • -
      -

      get_maxModuleSizeMismatch

      -
      public float get_maxModuleSizeMismatch()
      -
      -
      • -
    • -
      -

      set_maxModuleSizeMismatch

      -
      public void set_maxModuleSizeMismatch(float maxModuleSizeMismatch)
      -
      -
      • -
    • -
      -

      get_maxTimingPatternMismatch

      -
      public float get_maxTimingPatternMismatch()
      -
      -
      • -
    • -
      -

      set_maxTimingPatternMismatch

      -
      public void set_maxTimingPatternMismatch(float maxTimingPatternMismatch)
      -
      -
      • -
    • -
      -

      get_maxPenalties

      -
      public float get_maxPenalties()
      -
      -
      • -
    • -
      -

      set_maxPenalties

      -
      public void set_maxPenalties(float maxPenalties)
      -
      -
      • -
    • -
      -

      get_maxColorsMismatch

      -
      public float get_maxColorsMismatch()
      -
      -
      • -
    • -
      -

      set_maxColorsMismatch

      -
      public void set_maxColorsMismatch(float maxColorsMismatch)
      -
      -
      • -
    • -
      -

      get_scaleTimingPatternScore

      -
      public float get_scaleTimingPatternScore()
      -
      -
      • -
    • -
      -

      set_scaleTimingPatternScore

      -
      public void set_scaleTimingPatternScore(float scaleTimingPatternScore)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder.html deleted file mode 100644 index 2512fdaf8c..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder.html +++ /dev/null @@ -1,491 +0,0 @@ - - - - -QRCodeEncoder (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class QRCodeEncoder

-
-
java.lang.Object -
org.opencv.objdetect.QRCodeEncoder
-
-
-
-
public class QRCodeEncoder -extends Object
-
Groups the object candidate rectangles. - rectList Input/output vector of rectangles. Output vector includes retained and grouped rectangles. (The Python list is not modified in place.) - weights Input/output vector of weights of rectangles. Output vector includes weights of retained and grouped rectangles. (The Python list is not modified in place.) - groupThreshold Minimum possible number of rectangles minus 1. The threshold is used in a group of rectangles to retain it. - eps Relative difference between sides of the rectangles to merge them into a group.
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CORRECT_LEVEL_L

      -
      public static final int CORRECT_LEVEL_L
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORRECT_LEVEL_M

      -
      public static final int CORRECT_LEVEL_M
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORRECT_LEVEL_Q

      -
      public static final int CORRECT_LEVEL_Q
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CORRECT_LEVEL_H

      -
      public static final int CORRECT_LEVEL_H
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ECI_SHIFT_JIS

      -
      public static final int ECI_SHIFT_JIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      ECI_UTF8

      -
      public static final int ECI_UTF8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_AUTO

      -
      public static final int MODE_AUTO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_NUMERIC

      -
      public static final int MODE_NUMERIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_ALPHANUMERIC

      -
      public static final int MODE_ALPHANUMERIC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_BYTE

      -
      public static final int MODE_BYTE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_ECI

      -
      public static final int MODE_ECI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_KANJI

      -
      public static final int MODE_KANJI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MODE_STRUCTURED_APPEND

      -
      public static final int MODE_STRUCTURED_APPEND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static QRCodeEncoder __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static QRCodeEncoder create(QRCodeEncoder_Params parameters)
      -
      Constructor
      -
      -
      Parameters:
      -
      parameters - QR code encoder parameters QRCodeEncoder::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static QRCodeEncoder create()
      -
      Constructor
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      encode

      -
      public void encode(String encoded_info, - Mat qrcode)
      -
      Generates QR code from input string.
      -
      -
      Parameters:
      -
      encoded_info - Input string to encode.
      -
      qrcode - Generated QR code.
      -
      -
      -
      • -
    • -
      -

      encodeStructuredAppend

      -
      public void encodeStructuredAppend(String encoded_info, - List<Mat> qrcodes)
      -
      Generates QR code from input string in Structured Append mode. The encoded message is splitting over a number of QR codes.
      -
      -
      Parameters:
      -
      encoded_info - Input string to encode.
      -
      qrcodes - Vector of generated QR codes.
      -
      -
      -
      • -
    • -
      -

      encode

      -
      public void encode(byte[] encoded_info, - Mat qrcode)
      -
      Generates QR code from input string.
      -
      -
      Parameters:
      -
      encoded_info - Input bytes to encode.
      -
      qrcode - Generated QR code.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder_Params.html deleted file mode 100644 index 1fde9ab5e3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/QRCodeEncoder_Params.html +++ /dev/null @@ -1,254 +0,0 @@ - - - - -QRCodeEncoder_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class QRCodeEncoder_Params

-
-
java.lang.Object -
org.opencv.objdetect.QRCodeEncoder_Params
-
-
-
-
public class QRCodeEncoder_Params -extends Object
-
QR code encoder parameters.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      QRCodeEncoder_Params

      -
      public QRCodeEncoder_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static QRCodeEncoder_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_version

      -
      public int get_version()
      -
      -
      • -
    • -
      -

      set_version

      -
      public void set_version(int version)
      -
      -
      • -
    • -
      -

      get_correction_level

      -
      public int get_correction_level()
      -
      -
      • -
    • -
      -

      set_correction_level

      -
      public void set_correction_level(int correction_level)
      -
      -
      • -
    • -
      -

      get_mode

      -
      public int get_mode()
      -
      -
      • -
    • -
      -

      set_mode

      -
      public void set_mode(int mode)
      -
      -
      • -
    • -
      -

      get_structure_number

      -
      public int get_structure_number()
      -
      -
      • -
    • -
      -

      set_structure_number

      -
      public void set_structure_number(int structure_number)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/RefineParameters.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/RefineParameters.html deleted file mode 100644 index a6b2cb03b1..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/RefineParameters.html +++ /dev/null @@ -1,266 +0,0 @@ - - - - -RefineParameters (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.objdetect
-

Class RefineParameters

-
-
java.lang.Object -
org.opencv.objdetect.RefineParameters
-
-
-
-
public class RefineParameters -extends Object
-
struct RefineParameters is used by ArucoDetector
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      RefineParameters

      -
      public RefineParameters(float minRepDistance, - float errorCorrectionRate, - boolean checkAllOrders)
      -
      -
      • -
    • -
      -

      RefineParameters

      -
      public RefineParameters(float minRepDistance, - float errorCorrectionRate)
      -
      -
      • -
    • -
      -

      RefineParameters

      -
      public RefineParameters(float minRepDistance)
      -
      -
      • -
    • -
      -

      RefineParameters

      -
      public RefineParameters()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static RefineParameters __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_minRepDistance

      -
      public float get_minRepDistance()
      -
      -
      • -
    • -
      -

      set_minRepDistance

      -
      public void set_minRepDistance(float minRepDistance)
      -
      -
      • -
    • -
      -

      get_errorCorrectionRate

      -
      public float get_errorCorrectionRate()
      -
      -
      • -
    • -
      -

      set_errorCorrectionRate

      -
      public void set_errorCorrectionRate(float errorCorrectionRate)
      -
      -
      • -
    • -
      -

      get_checkAllOrders

      -
      public boolean get_checkAllOrders()
      -
      -
      • -
    • -
      -

      set_checkAllOrders

      -
      public void set_checkAllOrders(boolean checkAllOrders)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-summary.html deleted file mode 100644 index 624e1e6c17..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-summary.html +++ /dev/null @@ -1,191 +0,0 @@ - - - - -org.opencv.objdetect (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.objdetect

-
-
-
package org.opencv.objdetect
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    ArucoDetector
    -
    -
    The main functionality of ArucoDetector class is detection of markers in an image with detectMarkers() method.
    -
    -
    BarcodeDetector
    -
     
    -
    BaseCascadeClassifier
    -
     
    -
    Board
    -
    -
    Board of ArUco markers - - A board is a set of markers in the 3D space with a common coordinate system.
    -
    -
    CascadeClassifier
    -
    -
    Cascade classifier class for object detection.
    -
    -
    CharucoBoard
    -
    -
    ChArUco board is a planar chessboard where the markers are placed inside the white squares of a chessboard.
    -
    -
    CharucoDetector
    -
     
    -
    CharucoParameters
    -
     
    -
    DetectorParameters
    -
    -
    struct DetectorParameters is used by ArucoDetector
    -
    -
    Dictionary
    -
    -
    Dictionary is a set of unique ArUco markers of the same size - - bytesList storing as 2-dimensions Mat with 4-th channels (CV_8UC4 type was used) and contains the marker codewords where: - - bytesList.rows is the dictionary size - - each marker is encoded using nbytes = ceil(markerSize*markerSize/8.) bytes - - each row contains all 4 rotations of the marker, so its length is 4*nbytes - - the byte order in the bytesList[i] row: - //bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3// - So bytesList.ptr(i)[k*nbytes + j] is the j-th byte of i-th marker, in its k-th rotation.
    -
    -
    FaceDetectorYN
    -
    -
    DNN-based face detector - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
    -
    -
    FaceRecognizerSF
    -
    -
    DNN-based face recognizer - - model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface
    -
    -
    GraphicalCodeDetector
    -
     
    -
    GridBoard
    -
    -
    Planar board with grid arrangement of markers - - More common type of board.
    -
    -
    HOGDescriptor
    -
    -
    Implementation of HOG (Histogram of Oriented Gradients) descriptor and object detector.
    -
    -
    Objdetect
    -
     
    -
    QRCodeDetector
    -
     
    -
    QRCodeDetectorAruco
    -
     
    -
    QRCodeDetectorAruco_Params
    -
     
    -
    QRCodeEncoder
    -
    -
    Groups the object candidate rectangles.
    -
    -
    QRCodeEncoder_Params
    -
    -
    QR code encoder parameters.
    -
    -
    RefineParameters
    -
    -
    struct RefineParameters is used by ArucoDetector
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-tree.html deleted file mode 100644 index c6576456e2..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/objdetect/package-tree.html +++ /dev/null @@ -1,116 +0,0 @@ - - - - -org.opencv.objdetect Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.objdetect

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVInterface.html b/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVInterface.html deleted file mode 100644 index 1482bb17c9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVInterface.html +++ /dev/null @@ -1,98 +0,0 @@ - - - - -OpenCVInterface (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.osgi
-

Interface OpenCVInterface

-
-
-
-
All Known Implementing Classes:
-
OpenCVNativeLoader
-
-
-
public interface OpenCVInterface
-
Dummy interface to allow some integration testing within OSGi implementation.
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVNativeLoader.html b/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVNativeLoader.html deleted file mode 100644 index 499e36de29..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/OpenCVNativeLoader.html +++ /dev/null @@ -1,181 +0,0 @@ - - - - -OpenCVNativeLoader (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.osgi
-

Class OpenCVNativeLoader

-
-
java.lang.Object -
org.opencv.osgi.OpenCVNativeLoader
-
-
-
-
All Implemented Interfaces:
-
OpenCVInterface
-
-
-
public class OpenCVNativeLoader -extends Object -implements OpenCVInterface
-
This class is intended to provide a convenient way to load OpenCV's native - library from the Java bundle. If Blueprint is enabled in the OSGi container - this class will be instantiated automatically and the init() method called - loading the native library.
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      OpenCVNativeLoader

      -
      public OpenCVNativeLoader()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      init

      -
      public void init()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-summary.html deleted file mode 100644 index f986622323..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-summary.html +++ /dev/null @@ -1,120 +0,0 @@ - - - - -org.opencv.osgi (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.osgi

-
-
-
package org.opencv.osgi
-
-
    -
  • - -
    • -
  • -
    -
    -
    -
    -
    Class
    -
    Description
    -
    OpenCVInterface
    -
    -
    Dummy interface to allow some integration testing within OSGi implementation.
    -
    -
    OpenCVNativeLoader
    -
    -
    This class is intended to provide a convenient way to load OpenCV's native - library from the Java bundle.
    -
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-tree.html deleted file mode 100644 index 31cc987770..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/osgi/package-tree.html +++ /dev/null @@ -1,91 +0,0 @@ - - - - -org.opencv.osgi Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.osgi

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-

Interface Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/package-summary.html deleted file mode 100644 index 8768aeb526..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/package-summary.html +++ /dev/null @@ -1,135 +0,0 @@ - - - - -org.opencv (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv

-
-
-
package org.opencv
-
- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/package-tree.html deleted file mode 100644 index 8fea67a030..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/package-tree.html +++ /dev/null @@ -1,86 +0,0 @@ - - - - -org.opencv Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignExposures.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignExposures.html deleted file mode 100644 index 35131b2358..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignExposures.html +++ /dev/null @@ -1,181 +0,0 @@ - - - - -AlignExposures (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class AlignExposures

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.AlignExposures
-
-
-
-
-
Direct Known Subclasses:
-
AlignMTB
-
-
-
public class AlignExposures -extends Algorithm
-
The base class for algorithms that align images of the same scene with different exposures
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static AlignExposures __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - List<Mat> dst, - Mat times, - Mat response)
      -
      Aligns images
      -
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - vector of aligned images
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignMTB.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignMTB.html deleted file mode 100644 index 081ad2dc69..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/AlignMTB.html +++ /dev/null @@ -1,328 +0,0 @@ - - - - -AlignMTB (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class AlignMTB

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.AlignExposures -
org.opencv.photo.AlignMTB
-
-
-
-
-
-
public class AlignMTB -extends AlignExposures
-
This algorithm converts images to median threshold bitmaps (1 for pixels brighter than median - luminance and 0 otherwise) and than aligns the resulting bitmaps using bit operations. - - It is invariant to exposure, so exposure values and camera response are not necessary. - - In this implementation new image regions are filled with zeros. - - For more information see CITE: GW03 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static AlignMTB __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - List<Mat> dst, - Mat times, - Mat response)
      -
      Description copied from class: AlignExposures
      -
      Aligns images
      -
      -
      Overrides:
      -
      process in class AlignExposures
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - vector of aligned images
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - List<Mat> dst)
      -
      Short version of process, that doesn't take extra arguments.
      -
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - vector of aligned images
      -
      -
      -
      • -
    • -
      -

      calculateShift

      -
      public Point calculateShift(Mat img0, - Mat img1)
      -
      Calculates shift between two images, i. e. how to shift the second image to correspond it with the - first.
      -
      -
      Parameters:
      -
      img0 - first image
      -
      img1 - second image
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      shiftMat

      -
      public void shiftMat(Mat src, - Mat dst, - Point shift)
      -
      Helper function, that shift Mat filling new regions with zeros.
      -
      -
      Parameters:
      -
      src - input image
      -
      dst - result image
      -
      shift - shift value
      -
      -
      -
      • -
    • -
      -

      computeBitmaps

      -
      public void computeBitmaps(Mat img, - Mat tb, - Mat eb)
      -
      Computes median threshold and exclude bitmaps of given image.
      -
      -
      Parameters:
      -
      img - input image
      -
      tb - median threshold bitmap
      -
      eb - exclude bitmap
      -
      -
      -
      • -
    • -
      -

      getMaxBits

      -
      public int getMaxBits()
      -
      -
      • -
    • -
      -

      setMaxBits

      -
      public void setMaxBits(int max_bits)
      -
      -
      • -
    • -
      -

      getExcludeRange

      -
      public int getExcludeRange()
      -
      -
      • -
    • -
      -

      setExcludeRange

      -
      public void setExcludeRange(int exclude_range)
      -
      -
      • -
    • -
      -

      getCut

      -
      public boolean getCut()
      -
      -
      • -
    • -
      -

      setCut

      -
      public void setCut(boolean value)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateCRF.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateCRF.html deleted file mode 100644 index 9944d9e0df..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateCRF.html +++ /dev/null @@ -1,177 +0,0 @@ - - - - -CalibrateCRF (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class CalibrateCRF

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.CalibrateCRF
-
-
-
-
-
Direct Known Subclasses:
-
CalibrateDebevec, CalibrateRobertson
-
-
-
public class CalibrateCRF -extends Algorithm
-
The base class for camera response calibration algorithms.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CalibrateCRF __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times)
      -
      Recovers inverse camera response.
      -
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - 256x1 matrix with inverse camera response function
      -
      times - vector of exposure time values for each image
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateDebevec.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateDebevec.html deleted file mode 100644 index f4c82d905a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateDebevec.html +++ /dev/null @@ -1,214 +0,0 @@ - - - - -CalibrateDebevec (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class CalibrateDebevec

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.CalibrateCRF -
org.opencv.photo.CalibrateDebevec
-
-
-
-
-
-
public class CalibrateDebevec -extends CalibrateCRF
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system. Objective function is constructed using pixel values on the same position - in all images, extra term is added to make the result smoother. - - For more information see CITE: DM97 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CalibrateDebevec __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getLambda

      -
      public float getLambda()
      -
      -
      • -
    • -
      -

      setLambda

      -
      public void setLambda(float lambda)
      -
      -
      • -
    • -
      -

      getSamples

      -
      public int getSamples()
      -
      -
      • -
    • -
      -

      setSamples

      -
      public void setSamples(int samples)
      -
      -
      • -
    • -
      -

      getRandom

      -
      public boolean getRandom()
      -
      -
      • -
    • -
      -

      setRandom

      -
      public void setRandom(boolean random)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateRobertson.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateRobertson.html deleted file mode 100644 index 4f1ee2b6b7..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/CalibrateRobertson.html +++ /dev/null @@ -1,204 +0,0 @@ - - - - -CalibrateRobertson (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class CalibrateRobertson

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.CalibrateCRF -
org.opencv.photo.CalibrateRobertson
-
-
-
-
-
-
public class CalibrateRobertson -extends CalibrateCRF
-
Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system. This algorithm uses all image pixels. - - For more information see CITE: RB99 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static CalibrateRobertson __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getMaxIter

      -
      public int getMaxIter()
      -
      -
      • -
    • -
      -

      setMaxIter

      -
      public void setMaxIter(int max_iter)
      -
      -
      • -
    • -
      -

      getThreshold

      -
      public float getThreshold()
      -
      -
      • -
    • -
      -

      setThreshold

      -
      public void setThreshold(float threshold)
      -
      -
      • -
    • -
      -

      getRadiance

      -
      public Mat getRadiance()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeDebevec.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeDebevec.html deleted file mode 100644 index c0bd712ace..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeDebevec.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -MergeDebevec (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class MergeDebevec

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.MergeExposures -
org.opencv.photo.MergeDebevec
-
-
-
-
-
-
public class MergeDebevec -extends MergeExposures
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response. - - For more information see CITE: DM97 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static MergeDebevec __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times, - Mat response)
      -
      Description copied from class: MergeExposures
      -
      Merges images.
      -
      -
      Overrides:
      -
      process in class MergeExposures
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - result image
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeExposures.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeExposures.html deleted file mode 100644 index 612e2b0b3f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeExposures.html +++ /dev/null @@ -1,181 +0,0 @@ - - - - -MergeExposures (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class MergeExposures

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.MergeExposures
-
-
-
-
-
Direct Known Subclasses:
-
MergeDebevec, MergeMertens, MergeRobertson
-
-
-
public class MergeExposures -extends Algorithm
-
The base class algorithms that can merge exposure sequence to a single image.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static MergeExposures __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times, - Mat response)
      -
      Merges images.
      -
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - result image
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeMertens.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeMertens.html deleted file mode 100644 index a17d644a78..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeMertens.html +++ /dev/null @@ -1,264 +0,0 @@ - - - - -MergeMertens (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class MergeMertens

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.MergeExposures -
org.opencv.photo.MergeMertens
-
-
-
-
-
-
public class MergeMertens -extends MergeExposures
-
Pixels are weighted using contrast, saturation and well-exposedness measures, than images are - combined using laplacian pyramids. - - The resulting image weight is constructed as weighted average of contrast, saturation and - well-exposedness measures. - - The resulting image doesn't require tonemapping and can be converted to 8-bit image by multiplying - by 255, but it's recommended to apply gamma correction and/or linear tonemapping. - - For more information see CITE: MK07 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static MergeMertens __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times, - Mat response)
      -
      Description copied from class: MergeExposures
      -
      Merges images.
      -
      -
      Overrides:
      -
      process in class MergeExposures
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - result image
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst)
      -
      Short version of process, that doesn't take extra arguments.
      -
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - result image
      -
      -
      -
      • -
    • -
      -

      getContrastWeight

      -
      public float getContrastWeight()
      -
      -
      • -
    • -
      -

      setContrastWeight

      -
      public void setContrastWeight(float contrast_weiht)
      -
      -
      • -
    • -
      -

      getSaturationWeight

      -
      public float getSaturationWeight()
      -
      -
      • -
    • -
      -

      setSaturationWeight

      -
      public void setSaturationWeight(float saturation_weight)
      -
      -
      • -
    • -
      -

      getExposureWeight

      -
      public float getExposureWeight()
      -
      -
      • -
    • -
      -

      setExposureWeight

      -
      public void setExposureWeight(float exposure_weight)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeRobertson.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeRobertson.html deleted file mode 100644 index 77b8e8ac02..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/MergeRobertson.html +++ /dev/null @@ -1,198 +0,0 @@ - - - - -MergeRobertson (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class MergeRobertson

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.MergeExposures -
org.opencv.photo.MergeRobertson
-
-
-
-
-
-
public class MergeRobertson -extends MergeExposures
-
The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response. - - For more information see CITE: RB99 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static MergeRobertson __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times, - Mat response)
      -
      Description copied from class: MergeExposures
      -
      Merges images.
      -
      -
      Overrides:
      -
      process in class MergeExposures
      -
      Parameters:
      -
      src - vector of input images
      -
      dst - result image
      -
      times - vector of exposure time values for each image
      -
      response - 256x1 matrix with inverse camera response function for each pixel value, it should - have the same number of channels as images.
      -
      -
      -
      • -
    • -
      -

      process

      -
      public void process(List<Mat> src, - Mat dst, - Mat times)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Photo.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Photo.html deleted file mode 100644 index bcff69d08b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Photo.html +++ /dev/null @@ -1,3080 +0,0 @@ - - - - -Photo (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class Photo

-
-
java.lang.Object -
org.opencv.photo.Photo
-
-
-
-
public class Photo -extends Object
-
-
-
    - -
  • -
    -

    Field Summary

    -
    Fields
    -
    -
    Modifier and Type
    -
    Field
    -
    Description
    -
    static final int
    -
    INPAINT_NS
    -
     
    -
    static final int
    -
    INPAINT_TELEA
    -
     
    -
    static final int
    -
    LDR_SIZE
    -
     
    -
    static final int
    -
    MIXED_CLONE
    -
     
    -
    static final int
    -
    MIXED_CLONE_WIDE
    -
     
    -
    static final int
    -
    MONOCHROME_TRANSFER
    -
     
    -
    static final int
    -
    MONOCHROME_TRANSFER_WIDE
    -
     
    -
    static final int
    -
    NORMAL_CLONE
    -
     
    -
    static final int
    -
    NORMAL_CLONE_WIDE
    -
     
    -
    static final int
    -
    NORMCONV_FILTER
    -
     
    -
    static final int
    -
    RECURS_FILTER
    -
     
    -
    -
    -
    • - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    Photo()
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static void
    -
    colorChange(Mat src, - Mat mask, - Mat dst)
    -
    -
    Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
    -
    -
    static void
    -
    colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul)
    -
    -
    Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
    -
    -
    static void
    -
    colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul, - float green_mul)
    -
    -
    Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
    -
    -
    static void
    -
    colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul, - float green_mul, - float blue_mul)
    -
    -
    Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
    -
    -
    static AlignMTB
    -
    createAlignMTB()
    -
    -
    Creates AlignMTB object - - usually good enough (31 and 63 pixels shift respectively).
    -
    -
    static AlignMTB
    -
    createAlignMTB(int max_bits)
    -
    -
    Creates AlignMTB object
    -
    -
    static AlignMTB
    -
    createAlignMTB(int max_bits, - int exclude_range)
    -
    -
    Creates AlignMTB object
    -
    -
    static AlignMTB
    -
    createAlignMTB(int max_bits, - int exclude_range, - boolean cut)
    -
    -
    Creates AlignMTB object
    -
    -
    static CalibrateDebevec
    -
    createCalibrateDebevec()
    -
    -
    Creates CalibrateDebevec object - - response.
    -
    -
    static CalibrateDebevec
    -
    createCalibrateDebevec(int samples)
    -
    -
    Creates CalibrateDebevec object
    -
    -
    static CalibrateDebevec
    -
    createCalibrateDebevec(int samples, - float lambda)
    -
    -
    Creates CalibrateDebevec object
    -
    -
    static CalibrateDebevec
    -
    createCalibrateDebevec(int samples, - float lambda, - boolean random)
    -
    -
    Creates CalibrateDebevec object
    -
    -
    static CalibrateRobertson
    -
    createCalibrateRobertson()
    -
    -
    Creates CalibrateRobertson object
    -
    -
    static CalibrateRobertson
    -
    createCalibrateRobertson(int max_iter)
    -
    -
    Creates CalibrateRobertson object
    -
    -
    static CalibrateRobertson
    -
    createCalibrateRobertson(int max_iter, - float threshold)
    -
    -
    Creates CalibrateRobertson object
    -
    -
    static MergeDebevec
    -
    createMergeDebevec()
    -
    -
    Creates MergeDebevec object
    -
    -
    static MergeMertens
    -
    createMergeMertens()
    -
    -
    Creates MergeMertens object
    -
    -
    static MergeMertens
    -
    createMergeMertens(float contrast_weight)
    -
    -
    Creates MergeMertens object
    -
    -
    static MergeMertens
    -
    createMergeMertens(float contrast_weight, - float saturation_weight)
    -
    -
    Creates MergeMertens object
    -
    -
    static MergeMertens
    -
    createMergeMertens(float contrast_weight, - float saturation_weight, - float exposure_weight)
    -
    -
    Creates MergeMertens object
    -
    -
    static MergeRobertson
    -
    createMergeRobertson()
    -
    -
    Creates MergeRobertson object
    -
    -
    static Tonemap
    -
    createTonemap()
    -
    -
    Creates simple linear mapper with gamma correction - - equal to 2.2f is suitable for most displays.
    -
    -
    static Tonemap
    -
    createTonemap(float gamma)
    -
    -
    Creates simple linear mapper with gamma correction
    -
    -
    static TonemapDrago
    -
    createTonemapDrago()
    -
    -
    Creates TonemapDrago object - - than 1 increase saturation and values less than 1 decrease it.
    -
    -
    static TonemapDrago
    -
    createTonemapDrago(float gamma)
    -
    -
    Creates TonemapDrago object
    -
    -
    static TonemapDrago
    -
    createTonemapDrago(float gamma, - float saturation)
    -
    -
    Creates TonemapDrago object
    -
    -
    static TonemapDrago
    -
    createTonemapDrago(float gamma, - float saturation, - float bias)
    -
    -
    Creates TonemapDrago object
    -
    -
    static TonemapMantiuk
    -
    createTonemapMantiuk()
    -
    -
    Creates TonemapMantiuk object - - dynamic range.
    -
    -
    static TonemapMantiuk
    -
    createTonemapMantiuk(float gamma)
    -
    -
    Creates TonemapMantiuk object
    -
    -
    static TonemapMantiuk
    -
    createTonemapMantiuk(float gamma, - float scale)
    -
    -
    Creates TonemapMantiuk object
    -
    -
    static TonemapMantiuk
    -
    createTonemapMantiuk(float gamma, - float scale, - float saturation)
    -
    -
    Creates TonemapMantiuk object
    -
    -
    static TonemapReinhard
    -
    createTonemapReinhard()
    -
    -
    Creates TonemapReinhard object - - value, if 0 it's global, otherwise it's a weighted mean of this two cases.
    -
    -
    static TonemapReinhard
    -
    createTonemapReinhard(float gamma)
    -
    -
    Creates TonemapReinhard object
    -
    -
    static TonemapReinhard
    -
    createTonemapReinhard(float gamma, - float intensity)
    -
    -
    Creates TonemapReinhard object
    -
    -
    static TonemapReinhard
    -
    createTonemapReinhard(float gamma, - float intensity, - float light_adapt)
    -
    -
    Creates TonemapReinhard object
    -
    -
    static TonemapReinhard
    -
    createTonemapReinhard(float gamma, - float intensity, - float light_adapt, - float color_adapt)
    -
    -
    Creates TonemapReinhard object
    -
    -
    static void
    -
    decolor(Mat src, - Mat grayscale, - Mat color_boost)
    -
    -
    Transforms a color image to a grayscale image.
    -
    -
    static void
    -
    denoise_TVL1(List<Mat> observations, - Mat result)
    -
    -
    Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
    -
    -
    static void
    -
    denoise_TVL1(List<Mat> observations, - Mat result, - double lambda)
    -
    -
    Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
    -
    -
    static void
    -
    denoise_TVL1(List<Mat> observations, - Mat result, - double lambda, - int niters)
    -
    -
    Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional).
    -
    -
    static void
    -
    detailEnhance(Mat src, - Mat dst)
    -
    -
    This filter enhances the details of a particular image.
    -
    -
    static void
    -
    detailEnhance(Mat src, - Mat dst, - float sigma_s)
    -
    -
    This filter enhances the details of a particular image.
    -
    -
    static void
    -
    detailEnhance(Mat src, - Mat dst, - float sigma_s, - float sigma_r)
    -
    -
    This filter enhances the details of a particular image.
    -
    -
    static void
    -
    edgePreservingFilter(Mat src, - Mat dst)
    -
    -
    Filtering is the fundamental operation in image and video processing.
    -
    -
    static void
    -
    edgePreservingFilter(Mat src, - Mat dst, - int flags)
    -
    -
    Filtering is the fundamental operation in image and video processing.
    -
    -
    static void
    -
    edgePreservingFilter(Mat src, - Mat dst, - int flags, - float sigma_s)
    -
    -
    Filtering is the fundamental operation in image and video processing.
    -
    -
    static void
    -
    edgePreservingFilter(Mat src, - Mat dst, - int flags, - float sigma_s, - float sigma_r)
    -
    -
    Filtering is the fundamental operation in image and video processing.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - float h)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - float h, - int templateWindowSize)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - float h, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize, - int normType)
    -
    -
    Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations.
    -
    -
    static void
    -
    fastNlMeansDenoisingColored(Mat src, - Mat dst)
    -
    -
    Modification of fastNlMeansDenoising function for colored images
    -
    -
    static void
    -
    fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h)
    -
    -
    Modification of fastNlMeansDenoising function for colored images
    -
    -
    static void
    -
    fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor)
    -
    -
    Modification of fastNlMeansDenoising function for colored images
    -
    -
    static void
    -
    fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor, - int templateWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for colored images
    -
    -
    static void
    -
    fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for colored images
    -
    -
    static void
    -
    fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize)
    -
    -
    Modification of fastNlMeansDenoisingMulti function for colored images sequences
    -
    -
    static void
    -
    fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h)
    -
    -
    Modification of fastNlMeansDenoisingMulti function for colored images sequences
    -
    -
    static void
    -
    fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor)
    -
    -
    Modification of fastNlMeansDenoisingMulti function for colored images sequences
    -
    -
    static void
    -
    fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor, - int templateWindowSize)
    -
    -
    Modification of fastNlMeansDenoisingMulti function for colored images sequences
    -
    -
    static void
    -
    fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Modification of fastNlMeansDenoisingMulti function for colored images sequences
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - int templateWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize, - int normType)
    -
    -
    Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time.
    -
    -
    static void
    -
    illuminationChange(Mat src, - Mat mask, - Mat dst)
    -
    -
    Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
    -
    -
    static void
    -
    illuminationChange(Mat src, - Mat mask, - Mat dst, - float alpha)
    -
    -
    Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
    -
    -
    static void
    -
    illuminationChange(Mat src, - Mat mask, - Mat dst, - float alpha, - float beta)
    -
    -
    Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
    -
    -
    static void
    -
    inpaint(Mat src, - Mat inpaintMask, - Mat dst, - double inpaintRadius, - int flags)
    -
    -
    Restores the selected region in an image using the region neighborhood.
    -
    -
    static void
    -
    pencilSketch(Mat src, - Mat dst1, - Mat dst2)
    -
    -
    Pencil-like non-photorealistic line drawing
    -
    -
    static void
    -
    pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s)
    -
    -
    Pencil-like non-photorealistic line drawing
    -
    -
    static void
    -
    pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s, - float sigma_r)
    -
    -
    Pencil-like non-photorealistic line drawing
    -
    -
    static void
    -
    pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s, - float sigma_r, - float shade_factor)
    -
    -
    Pencil-like non-photorealistic line drawing
    -
    -
    static void
    -
    seamlessClone(Mat src, - Mat dst, - Mat mask, - Point p, - Mat blend, - int flags)
    -
    -
    Performs seamless cloning to blend a region from a source image into a destination image.
    -
    -
    static void
    -
    stylization(Mat src, - Mat dst)
    -
    -
    Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
    -
    -
    static void
    -
    stylization(Mat src, - Mat dst, - float sigma_s)
    -
    -
    Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
    -
    -
    static void
    -
    stylization(Mat src, - Mat dst, - float sigma_s, - float sigma_r)
    -
    -
    Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism.
    -
    -
    static void
    -
    textureFlattening(Mat src, - Mat mask, - Mat dst)
    -
    -
    By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
    -
    -
    static void
    -
    textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold)
    -
    -
    By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
    -
    -
    static void
    -
    textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold, - float high_threshold)
    -
    -
    By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
    -
    -
    static void
    -
    textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold, - float high_threshold, - int kernel_size)
    -
    -
    By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect.
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      INPAINT_NS

      -
      public static final int INPAINT_NS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      INPAINT_TELEA

      -
      public static final int INPAINT_TELEA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      LDR_SIZE

      -
      public static final int LDR_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      RECURS_FILTER

      -
      public static final int RECURS_FILTER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORMCONV_FILTER

      -
      public static final int NORMCONV_FILTER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORMAL_CLONE

      -
      public static final int NORMAL_CLONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MIXED_CLONE

      -
      public static final int MIXED_CLONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MONOCHROME_TRANSFER

      -
      public static final int MONOCHROME_TRANSFER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      NORMAL_CLONE_WIDE

      -
      public static final int NORMAL_CLONE_WIDE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MIXED_CLONE_WIDE

      -
      public static final int MIXED_CLONE_WIDE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MONOCHROME_TRANSFER_WIDE

      -
      public static final int MONOCHROME_TRANSFER_WIDE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Photo

      -
      public Photo()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      inpaint

      -
      public static void inpaint(Mat src, - Mat inpaintMask, - Mat dst, - double inpaintRadius, - int flags)
      -
      Restores the selected region in an image using the region neighborhood.
      -
      -
      Parameters:
      -
      src - Input 8-bit, 16-bit unsigned or 32-bit float 1-channel or 8-bit 3-channel image.
      -
      inpaintMask - Inpainting mask, 8-bit 1-channel image. Non-zero pixels indicate the area that - needs to be inpainted.
      -
      dst - Output image with the same size and type as src .
      -
      inpaintRadius - Radius of a circular neighborhood of each point inpainted that is considered - by the algorithm.
      -
      flags - Inpainting method that could be cv::INPAINT_NS or cv::INPAINT_TELEA - - The function reconstructs the selected image area from the pixel near the area boundary. The - function may be used to remove dust and scratches from a scanned photo, or to remove undesirable - objects from still images or video. See <http://en.wikipedia.org/wiki/Inpainting> for more details. - - Note: -
        -
      • - An example using the inpainting technique can be found at - opencv_source_code/samples/cpp/inpaint.cpp -
        • -
      • - (Python) An example using the inpainting technique can be found at - opencv_source_code/samples/python/inpaint.py -
        • -
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - float h, - int templateWindowSize, - int searchWindowSize)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Big h value perfectly removes noise but also - removes image details, smaller h value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - float h, - int templateWindowSize)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Big h value perfectly removes noise but also - removes image details, smaller h value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - float h)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Big h value perfectly removes noise but also - removes image details, smaller h value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels - removes image details, smaller h value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize, - int normType)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      normType - Type of norm used for weight calculation. Can be either NORM_L2 or NORM_L1 - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h, - int templateWindowSize)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoising

      -
      public static void fastNlMeansDenoising(Mat src, - Mat dst, - MatOfFloat h)
      -
      Perform image denoising using Non-local Means Denoising algorithm - <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - optimizations. Noise expected to be a gaussian white noise
      -
      -
      Parameters:
      -
      src - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise - - This function expected to be applied to grayscale images. For colored images look at - fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - image to CIELAB colorspace and then separately denoise L and AB components with different h - parameter.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColored

      -
      public static void fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor, - int templateWindowSize, - int searchWindowSize)
      -
      Modification of fastNlMeansDenoising function for colored images
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise
      -
      hColor - The same as h but for color components. For most images value equals 10 - will be enough to remove colored noise and do not distort colors - - The function converts image to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoising function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColored

      -
      public static void fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor, - int templateWindowSize)
      -
      Modification of fastNlMeansDenoising function for colored images
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise
      -
      hColor - The same as h but for color components. For most images value equals 10 - will be enough to remove colored noise and do not distort colors - - The function converts image to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoising function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColored

      -
      public static void fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h, - float hColor)
      -
      Modification of fastNlMeansDenoising function for colored images
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise
      -
      hColor - The same as h but for color components. For most images value equals 10 - will be enough to remove colored noise and do not distort colors - - The function converts image to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoising function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColored

      -
      public static void fastNlMeansDenoisingColored(Mat src, - Mat dst, - float h)
      -
      Modification of fastNlMeansDenoising function for colored images
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise - will be enough to remove colored noise and do not distort colors - - The function converts image to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoising function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColored

      -
      public static void fastNlMeansDenoisingColored(Mat src, - Mat dst)
      -
      Modification of fastNlMeansDenoising function for colored images
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src . - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise - will be enough to remove colored noise and do not distort colors - - The function converts image to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoising function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - int templateWindowSize, - int searchWindowSize)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 1-channel, 2-channel, 3-channel or - 4-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Bigger h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - int templateWindowSize)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 1-channel, 2-channel, 3-channel or - 4-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Bigger h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 1-channel, 2-channel, 3-channel or - 4-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength. Bigger h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 1-channel, 2-channel, 3-channel or - 4-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize, - int normType)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel images sequence. All images should - have the same type and size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      normType - Type of norm used for weight calculation. Can be either NORM_L2 or NORM_L1
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize, - int searchWindowSize)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel images sequence. All images should - have the same type and size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h, - int templateWindowSize)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel images sequence. All images should - have the same type and size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingMulti

      -
      public static void fastNlMeansDenoisingMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - MatOfFloat h)
      -
      Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - captured in small period of time. For example video. This version of the function is for grayscale - images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - 2-channel, 3-channel or 4-channel images sequence. All images should - have the same type and size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Array of parameters regulating filter strength, either one - parameter applied to all channels or one per channel in dst. Big h value - perfectly removes noise but also removes image details, smaller h - value preserves details but also preserves some noise
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColoredMulti

      -
      public static void fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor, - int templateWindowSize, - int searchWindowSize)
      -
      Modification of fastNlMeansDenoisingMulti function for colored images sequences
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 3-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels
      -
      searchWindowSize - Size in pixels of the window that is used to compute weighted average for - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise.
      -
      hColor - The same as h but for color components. - - The function converts images to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoisingMulti function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColoredMulti

      -
      public static void fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor, - int templateWindowSize)
      -
      Modification of fastNlMeansDenoisingMulti function for colored images sequences
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 3-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images.
      -
      templateWindowSize - Size in pixels of the template patch that is used to compute weights. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise.
      -
      hColor - The same as h but for color components. - - The function converts images to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoisingMulti function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColoredMulti

      -
      public static void fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h, - float hColor)
      -
      Modification of fastNlMeansDenoisingMulti function for colored images sequences
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 3-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise.
      -
      hColor - The same as h but for color components. - - The function converts images to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoisingMulti function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColoredMulti

      -
      public static void fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize, - float h)
      -
      Modification of fastNlMeansDenoisingMulti function for colored images sequences
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 3-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels
      -
      h - Parameter regulating filter strength for luminance component. Bigger h value perfectly - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise. - - The function converts images to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoisingMulti function.
      -
      -
      -
      • -
    • -
      -

      fastNlMeansDenoisingColoredMulti

      -
      public static void fastNlMeansDenoisingColoredMulti(List<Mat> srcImgs, - Mat dst, - int imgToDenoiseIndex, - int temporalWindowSize)
      -
      Modification of fastNlMeansDenoisingMulti function for colored images sequences
      -
      -
      Parameters:
      -
      srcImgs - Input 8-bit 3-channel images sequence. All images should have the same type and - size.
      -
      imgToDenoiseIndex - Target image to denoise index in srcImgs sequence
      -
      temporalWindowSize - Number of surrounding images to use for target image denoising. Should - be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - srcImgs[imgToDenoiseIndex] image.
      -
      dst - Output image with the same size and type as srcImgs images. - Should be odd. Recommended value 7 pixels - given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - denoising time. Recommended value 21 pixels - removes noise but also removes image details, smaller h value preserves details but also preserves - some noise. - - The function converts images to CIELAB colorspace and then separately denoise L and AB components - with given h parameters using fastNlMeansDenoisingMulti function.
      -
      -
      -
      • -
    • -
      -

      denoise_TVL1

      -
      public static void denoise_TVL1(List<Mat> observations, - Mat result, - double lambda, - int niters)
      -
      Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional). As the image denoising, in particular, may be seen - as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - exactly what is implemented. - - It should be noted, that this implementation was taken from the July 2013 blog entry - CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - of July 2013 and finally it was slightly adapted by later authors. - - Although the thorough discussion and justification of the algorithm involved may be found in - CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - pixels (it may be seen as set - \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - - \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - - \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
      -
      -
      Parameters:
      -
      observations - This array should contain one or more noised versions of the image that is to - be restored.
      -
      result - Here the denoised image will be stored. There is no need to do pre-allocation of - storage space, as it will be automatically allocated, if necessary.
      -
      lambda - Corresponds to \(\lambda\) in the formulas above. As it is enlarged, the smooth - (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - removed.
      -
      niters - Number of iterations that the algorithm will run. Of course, as more iterations as - better, but it is hard to quantitatively refine this statement, so just use the default and - increase it if the results are poor.
      -
      -
      -
      • -
    • -
      -

      denoise_TVL1

      -
      public static void denoise_TVL1(List<Mat> observations, - Mat result, - double lambda)
      -
      Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional). As the image denoising, in particular, may be seen - as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - exactly what is implemented. - - It should be noted, that this implementation was taken from the July 2013 blog entry - CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - of July 2013 and finally it was slightly adapted by later authors. - - Although the thorough discussion and justification of the algorithm involved may be found in - CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - pixels (it may be seen as set - \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - - \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - - \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
      -
      -
      Parameters:
      -
      observations - This array should contain one or more noised versions of the image that is to - be restored.
      -
      result - Here the denoised image will be stored. There is no need to do pre-allocation of - storage space, as it will be automatically allocated, if necessary.
      -
      lambda - Corresponds to \(\lambda\) in the formulas above. As it is enlarged, the smooth - (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - removed. - better, but it is hard to quantitatively refine this statement, so just use the default and - increase it if the results are poor.
      -
      -
      -
      • -
    • -
      -

      denoise_TVL1

      -
      public static void denoise_TVL1(List<Mat> observations, - Mat result)
      -
      Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - finding a function to minimize some functional). As the image denoising, in particular, may be seen - as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - exactly what is implemented. - - It should be noted, that this implementation was taken from the July 2013 blog entry - CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - of July 2013 and finally it was slightly adapted by later authors. - - Although the thorough discussion and justification of the algorithm involved may be found in - CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - pixels (it may be seen as set - \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - - \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - - \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
      -
      -
      Parameters:
      -
      observations - This array should contain one or more noised versions of the image that is to - be restored.
      -
      result - Here the denoised image will be stored. There is no need to do pre-allocation of - storage space, as it will be automatically allocated, if necessary. - (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - removed. - better, but it is hard to quantitatively refine this statement, so just use the default and - increase it if the results are poor.
      -
      -
      -
      • -
    • -
      -

      createTonemap

      -
      public static Tonemap createTonemap(float gamma)
      -
      Creates simple linear mapper with gamma correction
      -
      -
      Parameters:
      -
      gamma - positive value for gamma correction. Gamma value of 1.0 implies no correction, gamma - equal to 2.2f is suitable for most displays. - Generally gamma > 1 brightens the image and gamma < 1 darkens it.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemap

      -
      public static Tonemap createTonemap()
      -
      Creates simple linear mapper with gamma correction - - equal to 2.2f is suitable for most displays. - Generally gamma > 1 brightens the image and gamma < 1 darkens it.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapDrago

      -
      public static TonemapDrago createTonemapDrago(float gamma, - float saturation, - float bias)
      -
      Creates TonemapDrago object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      saturation - positive saturation enhancement value. 1.0 preserves saturation, values greater - than 1 increase saturation and values less than 1 decrease it.
      -
      bias - value for bias function in [0, 1] range. Values from 0.7 to 0.9 usually give best - results, default value is 0.85.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapDrago

      -
      public static TonemapDrago createTonemapDrago(float gamma, - float saturation)
      -
      Creates TonemapDrago object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      saturation - positive saturation enhancement value. 1.0 preserves saturation, values greater - than 1 increase saturation and values less than 1 decrease it. - results, default value is 0.85.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapDrago

      -
      public static TonemapDrago createTonemapDrago(float gamma)
      -
      Creates TonemapDrago object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap - than 1 increase saturation and values less than 1 decrease it. - results, default value is 0.85.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapDrago

      -
      public static TonemapDrago createTonemapDrago()
      -
      Creates TonemapDrago object - - than 1 increase saturation and values less than 1 decrease it. - results, default value is 0.85.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapReinhard

      -
      public static TonemapReinhard createTonemapReinhard(float gamma, - float intensity, - float light_adapt, - float color_adapt)
      -
      Creates TonemapReinhard object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      intensity - result intensity in [-8, 8] range. Greater intensity produces brighter results.
      -
      light_adapt - light adaptation in [0, 1] range. If 1 adaptation is based only on pixel - value, if 0 it's global, otherwise it's a weighted mean of this two cases.
      -
      color_adapt - chromatic adaptation in [0, 1] range. If 1 channels are treated independently, - if 0 adaptation level is the same for each channel.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapReinhard

      -
      public static TonemapReinhard createTonemapReinhard(float gamma, - float intensity, - float light_adapt)
      -
      Creates TonemapReinhard object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      intensity - result intensity in [-8, 8] range. Greater intensity produces brighter results.
      -
      light_adapt - light adaptation in [0, 1] range. If 1 adaptation is based only on pixel - value, if 0 it's global, otherwise it's a weighted mean of this two cases. - if 0 adaptation level is the same for each channel.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapReinhard

      -
      public static TonemapReinhard createTonemapReinhard(float gamma, - float intensity)
      -
      Creates TonemapReinhard object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      intensity - result intensity in [-8, 8] range. Greater intensity produces brighter results. - value, if 0 it's global, otherwise it's a weighted mean of this two cases. - if 0 adaptation level is the same for each channel.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapReinhard

      -
      public static TonemapReinhard createTonemapReinhard(float gamma)
      -
      Creates TonemapReinhard object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap - value, if 0 it's global, otherwise it's a weighted mean of this two cases. - if 0 adaptation level is the same for each channel.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapReinhard

      -
      public static TonemapReinhard createTonemapReinhard()
      -
      Creates TonemapReinhard object - - value, if 0 it's global, otherwise it's a weighted mean of this two cases. - if 0 adaptation level is the same for each channel.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapMantiuk

      -
      public static TonemapMantiuk createTonemapMantiuk(float gamma, - float scale, - float saturation)
      -
      Creates TonemapMantiuk object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      scale - contrast scale factor. HVS response is multiplied by this parameter, thus compressing - dynamic range. Values from 0.6 to 0.9 produce best results.
      -
      saturation - saturation enhancement value. See createTonemapDrago
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapMantiuk

      -
      public static TonemapMantiuk createTonemapMantiuk(float gamma, - float scale)
      -
      Creates TonemapMantiuk object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap
      -
      scale - contrast scale factor. HVS response is multiplied by this parameter, thus compressing - dynamic range. Values from 0.6 to 0.9 produce best results.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapMantiuk

      -
      public static TonemapMantiuk createTonemapMantiuk(float gamma)
      -
      Creates TonemapMantiuk object
      -
      -
      Parameters:
      -
      gamma - gamma value for gamma correction. See createTonemap - dynamic range. Values from 0.6 to 0.9 produce best results.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createTonemapMantiuk

      -
      public static TonemapMantiuk createTonemapMantiuk()
      -
      Creates TonemapMantiuk object - - dynamic range. Values from 0.6 to 0.9 produce best results.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createAlignMTB

      -
      public static AlignMTB createAlignMTB(int max_bits, - int exclude_range, - boolean cut)
      -
      Creates AlignMTB object
      -
      -
      Parameters:
      -
      max_bits - logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - usually good enough (31 and 63 pixels shift respectively).
      -
      exclude_range - range for exclusion bitmap that is constructed to suppress noise around the - median value.
      -
      cut - if true cuts images, otherwise fills the new regions with zeros.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createAlignMTB

      -
      public static AlignMTB createAlignMTB(int max_bits, - int exclude_range)
      -
      Creates AlignMTB object
      -
      -
      Parameters:
      -
      max_bits - logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - usually good enough (31 and 63 pixels shift respectively).
      -
      exclude_range - range for exclusion bitmap that is constructed to suppress noise around the - median value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createAlignMTB

      -
      public static AlignMTB createAlignMTB(int max_bits)
      -
      Creates AlignMTB object
      -
      -
      Parameters:
      -
      max_bits - logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - usually good enough (31 and 63 pixels shift respectively). - median value.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createAlignMTB

      -
      public static AlignMTB createAlignMTB()
      -
      Creates AlignMTB object - - usually good enough (31 and 63 pixels shift respectively). - median value.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateDebevec

      -
      public static CalibrateDebevec createCalibrateDebevec(int samples, - float lambda, - boolean random)
      -
      Creates CalibrateDebevec object
      -
      -
      Parameters:
      -
      samples - number of pixel locations to use
      -
      lambda - smoothness term weight. Greater values produce smoother results, but can alter the - response.
      -
      random - if true sample pixel locations are chosen at random, otherwise they form a - rectangular grid.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateDebevec

      -
      public static CalibrateDebevec createCalibrateDebevec(int samples, - float lambda)
      -
      Creates CalibrateDebevec object
      -
      -
      Parameters:
      -
      samples - number of pixel locations to use
      -
      lambda - smoothness term weight. Greater values produce smoother results, but can alter the - response. - rectangular grid.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateDebevec

      -
      public static CalibrateDebevec createCalibrateDebevec(int samples)
      -
      Creates CalibrateDebevec object
      -
      -
      Parameters:
      -
      samples - number of pixel locations to use - response. - rectangular grid.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateDebevec

      -
      public static CalibrateDebevec createCalibrateDebevec()
      -
      Creates CalibrateDebevec object - - response. - rectangular grid.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateRobertson

      -
      public static CalibrateRobertson createCalibrateRobertson(int max_iter, - float threshold)
      -
      Creates CalibrateRobertson object
      -
      -
      Parameters:
      -
      max_iter - maximal number of Gauss-Seidel solver iterations.
      -
      threshold - target difference between results of two successive steps of the minimization.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateRobertson

      -
      public static CalibrateRobertson createCalibrateRobertson(int max_iter)
      -
      Creates CalibrateRobertson object
      -
      -
      Parameters:
      -
      max_iter - maximal number of Gauss-Seidel solver iterations.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createCalibrateRobertson

      -
      public static CalibrateRobertson createCalibrateRobertson()
      -
      Creates CalibrateRobertson object
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeDebevec

      -
      public static MergeDebevec createMergeDebevec()
      -
      Creates MergeDebevec object
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeMertens

      -
      public static MergeMertens createMergeMertens(float contrast_weight, - float saturation_weight, - float exposure_weight)
      -
      Creates MergeMertens object
      -
      -
      Parameters:
      -
      contrast_weight - contrast measure weight. See MergeMertens.
      -
      saturation_weight - saturation measure weight
      -
      exposure_weight - well-exposedness measure weight
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeMertens

      -
      public static MergeMertens createMergeMertens(float contrast_weight, - float saturation_weight)
      -
      Creates MergeMertens object
      -
      -
      Parameters:
      -
      contrast_weight - contrast measure weight. See MergeMertens.
      -
      saturation_weight - saturation measure weight
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeMertens

      -
      public static MergeMertens createMergeMertens(float contrast_weight)
      -
      Creates MergeMertens object
      -
      -
      Parameters:
      -
      contrast_weight - contrast measure weight. See MergeMertens.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeMertens

      -
      public static MergeMertens createMergeMertens()
      -
      Creates MergeMertens object
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createMergeRobertson

      -
      public static MergeRobertson createMergeRobertson()
      -
      Creates MergeRobertson object
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      decolor

      -
      public static void decolor(Mat src, - Mat grayscale, - Mat color_boost)
      -
      Transforms a color image to a grayscale image. It is a basic tool in digital printing, stylized - black-and-white photograph rendering, and in many single channel image processing applications - CITE: CL12 .
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      grayscale - Output 8-bit 1-channel image.
      -
      color_boost - Output 8-bit 3-channel image. - - This function is to be applied on color images.
      -
      -
      -
      • -
    • -
      -

      seamlessClone

      -
      public static void seamlessClone(Mat src, - Mat dst, - Mat mask, - Point p, - Mat blend, - int flags)
      -
      Performs seamless cloning to blend a region from a source image into a destination image. - This function is designed for local image editing, allowing changes restricted to a region - (manually selected as the ROI) to be applied effortlessly and seamlessly. These changes can - range from slight distortions to complete replacement by novel content CITE: PM03.
      -
      -
      Parameters:
      -
      src - The source image (8-bit 3-channel), from which a region will be blended into the destination.
      -
      dst - The destination image (8-bit 3-channel), where the src image will be blended.
      -
      mask - A binary mask (8-bit, 1, 3, or 4-channel) specifying the region in the source image to blend. - Non-zero pixels indicate the region to be blended. If an empty Mat is provided, a mask with - all non-zero pixels is created internally.
      -
      p - The point where the center of the src image is placed in the dst image.
      -
      blend - The output image that stores the result of the seamless cloning. It has the same size and type as dst.
      -
      flags - Flags that control the type of cloning method, can take values of cv::SeamlessCloneFlags.
      -
      -
      -
      • -
    • -
      -

      colorChange

      -
      public static void colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul, - float green_mul, - float blue_mul)
      -
      Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      red_mul - R-channel multiply factor.
      -
      green_mul - G-channel multiply factor.
      -
      blue_mul - B-channel multiply factor. - - Multiplication factor is between .5 to 2.5.
      -
      -
      -
      • -
    • -
      -

      colorChange

      -
      public static void colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul, - float green_mul)
      -
      Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      red_mul - R-channel multiply factor.
      -
      green_mul - G-channel multiply factor. - - Multiplication factor is between .5 to 2.5.
      -
      -
      -
      • -
    • -
      -

      colorChange

      -
      public static void colorChange(Mat src, - Mat mask, - Mat dst, - float red_mul)
      -
      Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src .
      -
      red_mul - R-channel multiply factor. - - Multiplication factor is between .5 to 2.5.
      -
      -
      -
      • -
    • -
      -

      colorChange

      -
      public static void colorChange(Mat src, - Mat mask, - Mat dst)
      -
      Given an original color image, two differently colored versions of this image can be mixed - seamlessly.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src . - - Multiplication factor is between .5 to 2.5.
      -
      -
      -
      • -
    • -
      -

      illuminationChange

      -
      public static void illuminationChange(Mat src, - Mat mask, - Mat dst, - float alpha, - float beta)
      -
      Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      alpha - Value ranges between 0-2.
      -
      beta - Value ranges between 0-2. - - This is useful to highlight under-exposed foreground objects or to reduce specular reflections.
      -
      -
      -
      • -
    • -
      -

      illuminationChange

      -
      public static void illuminationChange(Mat src, - Mat mask, - Mat dst, - float alpha)
      -
      Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      alpha - Value ranges between 0-2. - - This is useful to highlight under-exposed foreground objects or to reduce specular reflections.
      -
      -
      -
      • -
    • -
      -

      illuminationChange

      -
      public static void illuminationChange(Mat src, - Mat mask, - Mat dst)
      -
      Applying an appropriate non-linear transformation to the gradient field inside the selection and - then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src. - - This is useful to highlight under-exposed foreground objects or to reduce specular reflections.
      -
      -
      -
      • -
    • -
      -

      textureFlattening

      -
      public static void textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold, - float high_threshold, - int kernel_size)
      -
      By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      low_threshold - %Range from 0 to 100.
      -
      high_threshold - Value > 100.
      -
      kernel_size - The size of the Sobel kernel to be used. - - Note: - The algorithm assumes that the color of the source image is close to that of the destination. This - assumption means that when the colors don't match, the source image color gets tinted toward the - color of the destination image.
      -
      -
      -
      • -
    • -
      -

      textureFlattening

      -
      public static void textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold, - float high_threshold)
      -
      By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      low_threshold - %Range from 0 to 100.
      -
      high_threshold - Value > 100. - - Note: - The algorithm assumes that the color of the source image is close to that of the destination. This - assumption means that when the colors don't match, the source image color gets tinted toward the - color of the destination image.
      -
      -
      -
      • -
    • -
      -

      textureFlattening

      -
      public static void textureFlattening(Mat src, - Mat mask, - Mat dst, - float low_threshold)
      -
      By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      low_threshold - %Range from 0 to 100. - - Note: - The algorithm assumes that the color of the source image is close to that of the destination. This - assumption means that when the colors don't match, the source image color gets tinted toward the - color of the destination image.
      -
      -
      -
      • -
    • -
      -

      textureFlattening

      -
      public static void textureFlattening(Mat src, - Mat mask, - Mat dst)
      -
      By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      mask - Input 8-bit 1 or 3-channel image.
      -
      dst - Output image with the same size and type as src. - - Note: - The algorithm assumes that the color of the source image is close to that of the destination. This - assumption means that when the colors don't match, the source image color gets tinted toward the - color of the destination image.
      -
      -
      -
      • -
    • -
      -

      edgePreservingFilter

      -
      public static void edgePreservingFilter(Mat src, - Mat dst, - int flags, - float sigma_s, - float sigma_r)
      -
      Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - filters are used in many different applications CITE: EM11 .
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output 8-bit 3-channel image.
      -
      flags - Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER
      -
      sigma_s - %Range between 0 to 200.
      -
      sigma_r - %Range between 0 to 1.
      -
      -
      -
      • -
    • -
      -

      edgePreservingFilter

      -
      public static void edgePreservingFilter(Mat src, - Mat dst, - int flags, - float sigma_s)
      -
      Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - filters are used in many different applications CITE: EM11 .
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output 8-bit 3-channel image.
      -
      flags - Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER
      -
      sigma_s - %Range between 0 to 200.
      -
      -
      -
      • -
    • -
      -

      edgePreservingFilter

      -
      public static void edgePreservingFilter(Mat src, - Mat dst, - int flags)
      -
      Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - filters are used in many different applications CITE: EM11 .
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output 8-bit 3-channel image.
      -
      flags - Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER
      -
      -
      -
      • -
    • -
      -

      edgePreservingFilter

      -
      public static void edgePreservingFilter(Mat src, - Mat dst)
      -
      Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - filters are used in many different applications CITE: EM11 .
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output 8-bit 3-channel image.
      -
      -
      -
      • -
    • -
      -

      detailEnhance

      -
      public static void detailEnhance(Mat src, - Mat dst, - float sigma_s, - float sigma_r)
      -
      This filter enhances the details of a particular image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      sigma_r - %Range between 0 to 1.
      -
      -
      -
      • -
    • -
      -

      detailEnhance

      -
      public static void detailEnhance(Mat src, - Mat dst, - float sigma_s)
      -
      This filter enhances the details of a particular image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      -
      -
      • -
    • -
      -

      detailEnhance

      -
      public static void detailEnhance(Mat src, - Mat dst)
      -
      This filter enhances the details of a particular image.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      -
      -
      • -
    • -
      -

      pencilSketch

      -
      public static void pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s, - float sigma_r, - float shade_factor)
      -
      Pencil-like non-photorealistic line drawing
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst1 - Output 8-bit 1-channel image.
      -
      dst2 - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      sigma_r - %Range between 0 to 1.
      -
      shade_factor - %Range between 0 to 0.1.
      -
      -
      -
      • -
    • -
      -

      pencilSketch

      -
      public static void pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s, - float sigma_r)
      -
      Pencil-like non-photorealistic line drawing
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst1 - Output 8-bit 1-channel image.
      -
      dst2 - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      sigma_r - %Range between 0 to 1.
      -
      -
      -
      • -
    • -
      -

      pencilSketch

      -
      public static void pencilSketch(Mat src, - Mat dst1, - Mat dst2, - float sigma_s)
      -
      Pencil-like non-photorealistic line drawing
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst1 - Output 8-bit 1-channel image.
      -
      dst2 - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      -
      -
      • -
    • -
      -

      pencilSketch

      -
      public static void pencilSketch(Mat src, - Mat dst1, - Mat dst2)
      -
      Pencil-like non-photorealistic line drawing
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst1 - Output 8-bit 1-channel image.
      -
      dst2 - Output image with the same size and type as src.
      -
      -
      -
      • -
    • -
      -

      stylization

      -
      public static void stylization(Mat src, - Mat dst, - float sigma_s, - float sigma_r)
      -
      Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - contrast while preserving, or enhancing, high-contrast features.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      sigma_r - %Range between 0 to 1.
      -
      -
      -
      • -
    • -
      -

      stylization

      -
      public static void stylization(Mat src, - Mat dst, - float sigma_s)
      -
      Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - contrast while preserving, or enhancing, high-contrast features.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      sigma_s - %Range between 0 to 200.
      -
      -
      -
      • -
    • -
      -

      stylization

      -
      public static void stylization(Mat src, - Mat dst)
      -
      Stylization aims to produce digital imagery with a wide variety of effects not focused on - photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - contrast while preserving, or enhancing, high-contrast features.
      -
      -
      Parameters:
      -
      src - Input 8-bit 3-channel image.
      -
      dst - Output image with the same size and type as src.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Tonemap.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Tonemap.html deleted file mode 100644 index 7a78172479..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/Tonemap.html +++ /dev/null @@ -1,192 +0,0 @@ - - - - -Tonemap (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class Tonemap

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.Tonemap
-
-
-
-
-
Direct Known Subclasses:
-
TonemapDrago, TonemapMantiuk, TonemapReinhard
-
-
-
public class Tonemap -extends Algorithm
-
Base class for tonemapping algorithms - tools that are used to map HDR image to 8-bit range.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static Tonemap __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      process

      -
      public void process(Mat src, - Mat dst)
      -
      Tonemaps image
      -
      -
      Parameters:
      -
      src - source image - CV_32FC3 Mat (float 32 bits 3 channels)
      -
      dst - destination image - CV_32FC3 Mat with values in [0, 1] range
      -
      -
      -
      • -
    • -
      -

      getGamma

      -
      public float getGamma()
      -
      -
      • -
    • -
      -

      setGamma

      -
      public void setGamma(float gamma)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapDrago.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapDrago.html deleted file mode 100644 index 0f4d998836..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapDrago.html +++ /dev/null @@ -1,200 +0,0 @@ - - - - -TonemapDrago (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class TonemapDrago

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.Tonemap -
org.opencv.photo.TonemapDrago
-
-
-
-
-
-
public class TonemapDrago -extends Tonemap
-
Adaptive logarithmic mapping is a fast global tonemapping algorithm that scales the image in - logarithmic domain. - - Since it's a global operator the same function is applied to all the pixels, it is controlled by the - bias parameter. - - Optional saturation enhancement is possible as described in CITE: FL02 . - - For more information see CITE: DM03 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TonemapDrago __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getSaturation

      -
      public float getSaturation()
      -
      -
      • -
    • -
      -

      setSaturation

      -
      public void setSaturation(float saturation)
      -
      -
      • -
    • -
      -

      getBias

      -
      public float getBias()
      -
      -
      • -
    • -
      -

      setBias

      -
      public void setBias(float bias)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapMantiuk.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapMantiuk.html deleted file mode 100644 index 21232c355a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapMantiuk.html +++ /dev/null @@ -1,196 +0,0 @@ - - - - -TonemapMantiuk (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class TonemapMantiuk

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.Tonemap -
org.opencv.photo.TonemapMantiuk
-
-
-
-
-
-
public class TonemapMantiuk -extends Tonemap
-
This algorithm transforms image to contrast using gradients on all levels of gaussian pyramid, - transforms contrast values to HVS response and scales the response. After this the image is - reconstructed from new contrast values. - - For more information see CITE: MM06 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TonemapMantiuk __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getScale

      -
      public float getScale()
      -
      -
      • -
    • -
      -

      setScale

      -
      public void setScale(float scale)
      -
      -
      • -
    • -
      -

      getSaturation

      -
      public float getSaturation()
      -
      -
      • -
    • -
      -

      setSaturation

      -
      public void setSaturation(float saturation)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapReinhard.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapReinhard.html deleted file mode 100644 index a3fb985a5f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/TonemapReinhard.html +++ /dev/null @@ -1,215 +0,0 @@ - - - - -TonemapReinhard (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.photo
-

Class TonemapReinhard

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.photo.Tonemap -
org.opencv.photo.TonemapReinhard
-
-
-
-
-
-
public class TonemapReinhard -extends Tonemap
-
This is a global tonemapping operator that models human visual system. - - Mapping function is controlled by adaptation parameter, that is computed using light adaptation and - color adaptation. - - For more information see CITE: RD05 .
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TonemapReinhard __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getIntensity

      -
      public float getIntensity()
      -
      -
      • -
    • -
      -

      setIntensity

      -
      public void setIntensity(float intensity)
      -
      -
      • -
    • -
      -

      getLightAdaptation

      -
      public float getLightAdaptation()
      -
      -
      • -
    • -
      -

      setLightAdaptation

      -
      public void setLightAdaptation(float light_adapt)
      -
      -
      • -
    • -
      -

      getColorAdaptation

      -
      public float getColorAdaptation()
      -
      -
      • -
    • -
      -

      setColorAdaptation

      -
      public void setColorAdaptation(float color_adapt)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-summary.html deleted file mode 100644 index bf22ef6f96..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-summary.html +++ /dev/null @@ -1,167 +0,0 @@ - - - - -org.opencv.photo (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.photo

-
-
-
package org.opencv.photo
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    AlignExposures
    -
    -
    The base class for algorithms that align images of the same scene with different exposures
    -
    -
    AlignMTB
    -
    -
    This algorithm converts images to median threshold bitmaps (1 for pixels brighter than median - luminance and 0 otherwise) and than aligns the resulting bitmaps using bit operations.
    -
    -
    CalibrateCRF
    -
    -
    The base class for camera response calibration algorithms.
    -
    -
    CalibrateDebevec
    -
    -
    Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
    -
    -
    CalibrateRobertson
    -
    -
    Inverse camera response function is extracted for each brightness value by minimizing an objective - function as linear system.
    -
    -
    MergeDebevec
    -
    -
    The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
    -
    -
    MergeExposures
    -
    -
    The base class algorithms that can merge exposure sequence to a single image.
    -
    -
    MergeMertens
    -
    -
    Pixels are weighted using contrast, saturation and well-exposedness measures, than images are - combined using laplacian pyramids.
    -
    -
    MergeRobertson
    -
    -
    The resulting HDR image is calculated as weighted average of the exposures considering exposure - values and camera response.
    -
    -
    Photo
    -
     
    -
    Tonemap
    -
    -
    Base class for tonemapping algorithms - tools that are used to map HDR image to 8-bit range.
    -
    -
    TonemapDrago
    -
    -
    Adaptive logarithmic mapping is a fast global tonemapping algorithm that scales the image in - logarithmic domain.
    -
    -
    TonemapMantiuk
    -
    -
    This algorithm transforms image to contrast using gradients on all levels of gaussian pyramid, - transforms contrast values to HVS response and scales the response.
    -
    -
    TonemapReinhard
    -
    -
    This is a global tonemapping operator that models human visual system.
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-tree.html deleted file mode 100644 index e331be9d03..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/photo/package-tree.html +++ /dev/null @@ -1,114 +0,0 @@ - - - - -org.opencv.photo Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.photo

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/Converters.html b/vendor/opencv/sdk/java/javadoc/org/opencv/utils/Converters.html deleted file mode 100644 index 27694d847a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/Converters.html +++ /dev/null @@ -1,668 +0,0 @@ - - - - -Converters (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.utils
-

Class Converters

-
-
java.lang.Object -
org.opencv.utils.Converters
-
-
-
-
public class Converters -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Converters

      -
      public Converters()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      vector_Point_to_Mat

      -
      public static Mat vector_Point_to_Mat(List<Point> pts)
      -
      -
      • -
    • -
      -

      vector_Point2f_to_Mat

      -
      public static Mat vector_Point2f_to_Mat(List<Point> pts)
      -
      -
      • -
    • -
      -

      vector_Point2d_to_Mat

      -
      public static Mat vector_Point2d_to_Mat(List<Point> pts)
      -
      -
      • -
    • -
      -

      vector_Point_to_Mat

      -
      public static Mat vector_Point_to_Mat(List<Point> pts, - int typeDepth)
      -
      -
      • -
    • -
      -

      vector_Point3i_to_Mat

      -
      public static Mat vector_Point3i_to_Mat(List<Point3> pts)
      -
      -
      • -
    • -
      -

      vector_Point3f_to_Mat

      -
      public static Mat vector_Point3f_to_Mat(List<Point3> pts)
      -
      -
      • -
    • -
      -

      vector_Point3d_to_Mat

      -
      public static Mat vector_Point3d_to_Mat(List<Point3> pts)
      -
      -
      • -
    • -
      -

      vector_Point3_to_Mat

      -
      public static Mat vector_Point3_to_Mat(List<Point3> pts, - int typeDepth)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point2f

      -
      public static void Mat_to_vector_Point2f(Mat m, - List<Point> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point2d

      -
      public static void Mat_to_vector_Point2d(Mat m, - List<Point> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point

      -
      public static void Mat_to_vector_Point(Mat m, - List<Point> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point3i

      -
      public static void Mat_to_vector_Point3i(Mat m, - List<Point3> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point3f

      -
      public static void Mat_to_vector_Point3f(Mat m, - List<Point3> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point3d

      -
      public static void Mat_to_vector_Point3d(Mat m, - List<Point3> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Point3

      -
      public static void Mat_to_vector_Point3(Mat m, - List<Point3> pts)
      -
      -
      • -
    • -
      -

      vector_Mat_to_Mat

      -
      public static Mat vector_Mat_to_Mat(List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Mat

      -
      public static void Mat_to_vector_Mat(Mat m, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      vector_float_to_Mat

      -
      public static Mat vector_float_to_Mat(List<Float> fs)
      -
      -
      • -
    • -
      -

      Mat_to_vector_float

      -
      public static void Mat_to_vector_float(Mat m, - List<Float> fs)
      -
      -
      • -
    • -
      -

      vector_uchar_to_Mat

      -
      public static Mat vector_uchar_to_Mat(List<Byte> bs)
      -
      -
      • -
    • -
      -

      Mat_to_vector_uchar

      -
      public static void Mat_to_vector_uchar(Mat m, - List<Byte> us)
      -
      -
      • -
    • -
      -

      vector_char_to_Mat

      -
      public static Mat vector_char_to_Mat(List<Byte> bs)
      -
      -
      • -
    • -
      -

      vector_int_to_Mat

      -
      public static Mat vector_int_to_Mat(List<Integer> is)
      -
      -
      • -
    • -
      -

      Mat_to_vector_int

      -
      public static void Mat_to_vector_int(Mat m, - List<Integer> is)
      -
      -
      • -
    • -
      -

      Mat_to_vector_char

      -
      public static void Mat_to_vector_char(Mat m, - List<Byte> bs)
      -
      -
      • -
    • -
      -

      vector_Rect_to_Mat

      -
      public static Mat vector_Rect_to_Mat(List<Rect> rs)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Rect

      -
      public static void Mat_to_vector_Rect(Mat m, - List<Rect> rs)
      -
      -
      • -
    • -
      -

      vector_Rect2d_to_Mat

      -
      public static Mat vector_Rect2d_to_Mat(List<Rect2d> rs)
      -
      -
      • -
    • -
      -

      Mat_to_vector_Rect2d

      -
      public static void Mat_to_vector_Rect2d(Mat m, - List<Rect2d> rs)
      -
      -
      • -
    • -
      -

      vector_KeyPoint_to_Mat

      -
      public static Mat vector_KeyPoint_to_Mat(List<KeyPoint> kps)
      -
      -
      • -
    • -
      -

      Mat_to_vector_KeyPoint

      -
      public static void Mat_to_vector_KeyPoint(Mat m, - List<KeyPoint> kps)
      -
      -
      • -
    • -
      -

      vector_vector_Point_to_Mat

      -
      public static Mat vector_vector_Point_to_Mat(List<MatOfPoint> pts, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_Point

      -
      public static void Mat_to_vector_vector_Point(Mat m, - List<MatOfPoint> pts)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_Point2f

      -
      public static void Mat_to_vector_vector_Point2f(Mat m, - List<MatOfPoint2f> pts)
      -
      -
      • -
    • -
      -

      vector_vector_Point2f_to_Mat

      -
      public static Mat vector_vector_Point2f_to_Mat(List<MatOfPoint2f> pts, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_Point3f

      -
      public static void Mat_to_vector_vector_Point3f(Mat m, - List<MatOfPoint3f> pts)
      -
      -
      • -
    • -
      -

      vector_vector_Point3f_to_Mat

      -
      public static Mat vector_vector_Point3f_to_Mat(List<MatOfPoint3f> pts, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      vector_vector_KeyPoint_to_Mat

      -
      public static Mat vector_vector_KeyPoint_to_Mat(List<MatOfKeyPoint> kps, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_KeyPoint

      -
      public static void Mat_to_vector_vector_KeyPoint(Mat m, - List<MatOfKeyPoint> kps)
      -
      -
      • -
    • -
      -

      vector_double_to_Mat

      -
      public static Mat vector_double_to_Mat(List<Double> ds)
      -
      -
      • -
    • -
      -

      Mat_to_vector_double

      -
      public static void Mat_to_vector_double(Mat m, - List<Double> ds)
      -
      -
      • -
    • -
      -

      vector_DMatch_to_Mat

      -
      public static Mat vector_DMatch_to_Mat(List<DMatch> matches)
      -
      -
      • -
    • -
      -

      Mat_to_vector_DMatch

      -
      public static void Mat_to_vector_DMatch(Mat m, - List<DMatch> matches)
      -
      -
      • -
    • -
      -

      vector_vector_DMatch_to_Mat

      -
      public static Mat vector_vector_DMatch_to_Mat(List<MatOfDMatch> lvdm, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_DMatch

      -
      public static void Mat_to_vector_vector_DMatch(Mat m, - List<MatOfDMatch> lvdm)
      -
      -
      • -
    • -
      -

      vector_vector_char_to_Mat

      -
      public static Mat vector_vector_char_to_Mat(List<MatOfByte> lvb, - List<Mat> mats)
      -
      -
      • -
    • -
      -

      Mat_to_vector_vector_char

      -
      public static void Mat_to_vector_vector_char(Mat m, - List<List<Byte>> llb)
      -
      -
      • -
    • -
      -

      vector_RotatedRect_to_Mat

      -
      public static Mat vector_RotatedRect_to_Mat(List<RotatedRect> rs)
      -
      -
      • -
    • -
      -

      Mat_to_vector_RotatedRect

      -
      public static void Mat_to_vector_RotatedRect(Mat m, - List<RotatedRect> rs)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-summary.html deleted file mode 100644 index 9921e1d6a5..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-summary.html +++ /dev/null @@ -1,107 +0,0 @@ - - - - -org.opencv.utils (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.utils

-
-
-
package org.opencv.utils
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    Converters
    -
     
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-tree.html deleted file mode 100644 index 122ab28abc..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/utils/package-tree.html +++ /dev/null @@ -1,85 +0,0 @@ - - - - -org.opencv.utils Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.utils

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractor.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractor.html deleted file mode 100644 index fd28b193c3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractor.html +++ /dev/null @@ -1,224 +0,0 @@ - - - - -BackgroundSubtractor (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class BackgroundSubtractor

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.BackgroundSubtractor
-
-
-
-
-
Direct Known Subclasses:
-
BackgroundSubtractorKNN, BackgroundSubtractorMOG2
-
-
-
public class BackgroundSubtractor -extends Algorithm
-
Base class for background/foreground segmentation. : - - The class is only used to define the common interface for the whole family of background/foreground - segmentation algorithms.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BackgroundSubtractor __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      apply

      -
      public void apply(Mat image, - Mat fgmask, - double learningRate)
      -
      Computes a foreground mask.
      -
      -
      Parameters:
      -
      image - Next video frame.
      -
      fgmask - The output foreground mask as an 8-bit binary image.
      -
      learningRate - The value between 0 and 1 that indicates how fast the background model is - learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - rate. 0 means that the background model is not updated at all, 1 means that the background model - is completely reinitialized from the last frame.
      -
      -
      -
      • -
    • -
      -

      apply

      -
      public void apply(Mat image, - Mat fgmask)
      -
      Computes a foreground mask.
      -
      -
      Parameters:
      -
      image - Next video frame.
      -
      fgmask - The output foreground mask as an 8-bit binary image. - learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - rate. 0 means that the background model is not updated at all, 1 means that the background model - is completely reinitialized from the last frame.
      -
      -
      -
      • -
    • -
      -

      getBackgroundImage

      -
      public void getBackgroundImage(Mat backgroundImage)
      -
      Computes a background image.
      -
      -
      Parameters:
      -
      backgroundImage - The output background image. - - Note: Sometimes the background image can be very blurry, as it contain the average background - statistics.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorKNN.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorKNN.html deleted file mode 100644 index 7e6cf823df..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorKNN.html +++ /dev/null @@ -1,411 +0,0 @@ - - - - -BackgroundSubtractorKNN (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class BackgroundSubtractorKNN

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.BackgroundSubtractor -
org.opencv.video.BackgroundSubtractorKNN
-
-
-
-
-
-
public class BackgroundSubtractorKNN -extends BackgroundSubtractor
-
K-nearest neighbours - based Background/Foreground Segmentation Algorithm. - - The class implements the K-nearest neighbours background subtraction described in CITE: Zivkovic2006 . - Very efficient if number of foreground pixels is low.
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static BackgroundSubtractorKNN
    -
    __fromPtr__(long addr)
    -
     
    -
    boolean
    -
    getDetectShadows()
    -
    -
    Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them.
    -
    -
    double
    -
    getDist2Threshold()
    -
    -
    Returns the threshold on the squared distance between the pixel and the sample - - The threshold on the squared distance between the pixel and the sample to decide whether a pixel is - close to a data sample.
    -
    -
    int
    -
    getHistory()
    -
    -
    Returns the number of last frames that affect the background model
    -
    -
    int
    -
    getkNNSamples()
    -
    -
    Returns the number of neighbours, the k in the kNN.
    -
    -
    int
    -
    getNSamples()
    -
    -
    Returns the number of data samples in the background model
    -
    -
    double
    -
    getShadowThreshold()
    -
    -
    Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background.
    -
    -
    int
    -
    getShadowValue()
    -
    -
    Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask.
    -
    -
    void
    -
    setDetectShadows(boolean detectShadows)
    -
    -
    Enables or disables shadow detection
    -
    -
    void
    -
    setDist2Threshold(double _dist2Threshold)
    -
    -
    Sets the threshold on the squared distance
    -
    -
    void
    -
    setHistory(int history)
    -
    -
    Sets the number of last frames that affect the background model
    -
    -
    void
    -
    setkNNSamples(int _nkNN)
    -
    -
    Sets the k in the kNN.
    -
    -
    void
    -
    setNSamples(int _nN)
    -
    -
    Sets the number of data samples in the background model.
    -
    -
    void
    -
    setShadowThreshold(double threshold)
    -
    -
    Sets the shadow threshold
    -
    -
    void
    -
    setShadowValue(int value)
    -
    -
    Sets the shadow value
    -
    -
    -
    -
    -
    -

    Methods inherited from class org.opencv.video.BackgroundSubtractor

    -apply, apply, getBackgroundImage
    -
    -

    Methods inherited from class org.opencv.core.Algorithm

    -clear, empty, getDefaultName, getNativeObjAddr, save
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BackgroundSubtractorKNN __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getHistory

      -
      public int getHistory()
      -
      Returns the number of last frames that affect the background model
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setHistory

      -
      public void setHistory(int history)
      -
      Sets the number of last frames that affect the background model
      -
      -
      Parameters:
      -
      history - automatically generated
      -
      -
      -
      • -
    • -
      -

      getNSamples

      -
      public int getNSamples()
      -
      Returns the number of data samples in the background model
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setNSamples

      -
      public void setNSamples(int _nN)
      -
      Sets the number of data samples in the background model. - - The model needs to be reinitalized to reserve memory.
      -
      -
      Parameters:
      -
      _nN - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDist2Threshold

      -
      public double getDist2Threshold()
      -
      Returns the threshold on the squared distance between the pixel and the sample - - The threshold on the squared distance between the pixel and the sample to decide whether a pixel is - close to a data sample.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDist2Threshold

      -
      public void setDist2Threshold(double _dist2Threshold)
      -
      Sets the threshold on the squared distance
      -
      -
      Parameters:
      -
      _dist2Threshold - automatically generated
      -
      -
      -
      • -
    • -
      -

      getkNNSamples

      -
      public int getkNNSamples()
      -
      Returns the number of neighbours, the k in the kNN. - - K is the number of samples that need to be within dist2Threshold in order to decide that that - pixel is matching the kNN background model.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setkNNSamples

      -
      public void setkNNSamples(int _nkNN)
      -
      Sets the k in the kNN. How many nearest neighbours need to match.
      -
      -
      Parameters:
      -
      _nkNN - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDetectShadows

      -
      public boolean getDetectShadows()
      -
      Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them. See createBackgroundSubtractorKNN for - details.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDetectShadows

      -
      public void setDetectShadows(boolean detectShadows)
      -
      Enables or disables shadow detection
      -
      -
      Parameters:
      -
      detectShadows - automatically generated
      -
      -
      -
      • -
    • -
      -

      getShadowValue

      -
      public int getShadowValue()
      -
      Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask. Default value is 127. Value 0 - in the mask always means background, 255 means foreground.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setShadowValue

      -
      public void setShadowValue(int value)
      -
      Sets the shadow value
      -
      -
      Parameters:
      -
      value - automatically generated
      -
      -
      -
      • -
    • -
      -

      getShadowThreshold

      -
      public double getShadowThreshold()
      -
      Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background. The shadow threshold (Tau in - the paper) is a threshold defining how much darker the shadow can be. Tau= 0.5 means that if a pixel - is more than twice darker then it is not shadow. See Prati, Mikic, Trivedi and Cucchiara, - Detecting Moving Shadows...*, IEEE PAMI,2003.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setShadowThreshold

      -
      public void setShadowThreshold(double threshold)
      -
      Sets the shadow threshold
      -
      -
      Parameters:
      -
      threshold - automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorMOG2.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorMOG2.html deleted file mode 100644 index 0b2dd743b3..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/BackgroundSubtractorMOG2.html +++ /dev/null @@ -1,613 +0,0 @@ - - - - -BackgroundSubtractorMOG2 (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class BackgroundSubtractorMOG2

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.BackgroundSubtractor -
org.opencv.video.BackgroundSubtractorMOG2
-
-
-
-
-
-
public class BackgroundSubtractorMOG2 -extends BackgroundSubtractor
-
Gaussian Mixture-based Background/Foreground Segmentation Algorithm. - - The class implements the Gaussian mixture model background subtraction described in CITE: Zivkovic2004 - and CITE: Zivkovic2006 .
-
-
-
    - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static BackgroundSubtractorMOG2
    -
    __fromPtr__(long addr)
    -
     
    -
    void
    -
    apply(Mat image, - Mat fgmask)
    -
    -
    Computes a foreground mask.
    -
    -
    void
    -
    apply(Mat image, - Mat fgmask, - double learningRate)
    -
    -
    Computes a foreground mask.
    -
    -
    double
    -
    getBackgroundRatio()
    -
    -
    Returns the "background ratio" parameter of the algorithm - - If a foreground pixel keeps semi-constant value for about backgroundRatio\*history frames, it's - considered background and added to the model as a center of a new component.
    -
    -
    double
    -
    getComplexityReductionThreshold()
    -
    -
    Returns the complexity reduction threshold - - This parameter defines the number of samples needed to accept to prove the component exists.
    -
    -
    boolean
    -
    getDetectShadows()
    -
    -
    Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them.
    -
    -
    int
    -
    getHistory()
    -
    -
    Returns the number of last frames that affect the background model
    -
    -
    int
    -
    getNMixtures()
    -
    -
    Returns the number of gaussian components in the background model
    -
    -
    double
    -
    getShadowThreshold()
    -
    -
    Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background.
    -
    -
    int
    -
    getShadowValue()
    -
    -
    Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask.
    -
    -
    double
    -
    getVarInit()
    -
    -
    Returns the initial variance of each gaussian component
    -
    -
    double
    -
    getVarMax()
    -
     
    -
    double
    -
    getVarMin()
    -
     
    -
    double
    -
    getVarThreshold()
    -
    -
    Returns the variance threshold for the pixel-model match - - The main threshold on the squared Mahalanobis distance to decide if the sample is well described by - the background model or not.
    -
    -
    double
    -
    getVarThresholdGen()
    -
    -
    Returns the variance threshold for the pixel-model match used for new mixture component generation - - Threshold for the squared Mahalanobis distance that helps decide when a sample is close to the - existing components (corresponds to Tg in the paper).
    -
    -
    void
    -
    setBackgroundRatio(double ratio)
    -
    -
    Sets the "background ratio" parameter of the algorithm
    -
    -
    void
    -
    setComplexityReductionThreshold(double ct)
    -
    -
    Sets the complexity reduction threshold
    -
    -
    void
    -
    setDetectShadows(boolean detectShadows)
    -
    -
    Enables or disables shadow detection
    -
    -
    void
    -
    setHistory(int history)
    -
    -
    Sets the number of last frames that affect the background model
    -
    -
    void
    -
    setNMixtures(int nmixtures)
    -
    -
    Sets the number of gaussian components in the background model.
    -
    -
    void
    -
    setShadowThreshold(double threshold)
    -
    -
    Sets the shadow threshold
    -
    -
    void
    -
    setShadowValue(int value)
    -
    -
    Sets the shadow value
    -
    -
    void
    -
    setVarInit(double varInit)
    -
    -
    Sets the initial variance of each gaussian component
    -
    -
    void
    -
    setVarMax(double varMax)
    -
     
    -
    void
    -
    setVarMin(double varMin)
    -
     
    -
    void
    -
    setVarThreshold(double varThreshold)
    -
    -
    Sets the variance threshold for the pixel-model match
    -
    -
    void
    -
    setVarThresholdGen(double varThresholdGen)
    -
    -
    Sets the variance threshold for the pixel-model match used for new mixture component generation
    -
    -
    -
    -
    -
    -

    Methods inherited from class org.opencv.video.BackgroundSubtractor

    -getBackgroundImage
    -
    -

    Methods inherited from class org.opencv.core.Algorithm

    -clear, empty, getDefaultName, getNativeObjAddr, save
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static BackgroundSubtractorMOG2 __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getHistory

      -
      public int getHistory()
      -
      Returns the number of last frames that affect the background model
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setHistory

      -
      public void setHistory(int history)
      -
      Sets the number of last frames that affect the background model
      -
      -
      Parameters:
      -
      history - automatically generated
      -
      -
      -
      • -
    • -
      -

      getNMixtures

      -
      public int getNMixtures()
      -
      Returns the number of gaussian components in the background model
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setNMixtures

      -
      public void setNMixtures(int nmixtures)
      -
      Sets the number of gaussian components in the background model. - - The model needs to be reinitalized to reserve memory.
      -
      -
      Parameters:
      -
      nmixtures - automatically generated
      -
      -
      -
      • -
    • -
      -

      getBackgroundRatio

      -
      public double getBackgroundRatio()
      -
      Returns the "background ratio" parameter of the algorithm - - If a foreground pixel keeps semi-constant value for about backgroundRatio\*history frames, it's - considered background and added to the model as a center of a new component. It corresponds to TB - parameter in the paper.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setBackgroundRatio

      -
      public void setBackgroundRatio(double ratio)
      -
      Sets the "background ratio" parameter of the algorithm
      -
      -
      Parameters:
      -
      ratio - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVarThreshold

      -
      public double getVarThreshold()
      -
      Returns the variance threshold for the pixel-model match - - The main threshold on the squared Mahalanobis distance to decide if the sample is well described by - the background model or not. Related to Cthr from the paper.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVarThreshold

      -
      public void setVarThreshold(double varThreshold)
      -
      Sets the variance threshold for the pixel-model match
      -
      -
      Parameters:
      -
      varThreshold - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVarThresholdGen

      -
      public double getVarThresholdGen()
      -
      Returns the variance threshold for the pixel-model match used for new mixture component generation - - Threshold for the squared Mahalanobis distance that helps decide when a sample is close to the - existing components (corresponds to Tg in the paper). If a pixel is not close to any component, it - is considered foreground or added as a new component. 3 sigma => Tg=3\*3=9 is default. A smaller Tg - value generates more components. A higher Tg value may result in a small number of components but - they can grow too large.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVarThresholdGen

      -
      public void setVarThresholdGen(double varThresholdGen)
      -
      Sets the variance threshold for the pixel-model match used for new mixture component generation
      -
      -
      Parameters:
      -
      varThresholdGen - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVarInit

      -
      public double getVarInit()
      -
      Returns the initial variance of each gaussian component
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVarInit

      -
      public void setVarInit(double varInit)
      -
      Sets the initial variance of each gaussian component
      -
      -
      Parameters:
      -
      varInit - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVarMin

      -
      public double getVarMin()
      -
      -
      • -
    • -
      -

      setVarMin

      -
      public void setVarMin(double varMin)
      -
      -
      • -
    • -
      -

      getVarMax

      -
      public double getVarMax()
      -
      -
      • -
    • -
      -

      setVarMax

      -
      public void setVarMax(double varMax)
      -
      -
      • -
    • -
      -

      getComplexityReductionThreshold

      -
      public double getComplexityReductionThreshold()
      -
      Returns the complexity reduction threshold - - This parameter defines the number of samples needed to accept to prove the component exists. CT=0.05 - is a default value for all the samples. By setting CT=0 you get an algorithm very similar to the - standard Stauffer&Grimson algorithm.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setComplexityReductionThreshold

      -
      public void setComplexityReductionThreshold(double ct)
      -
      Sets the complexity reduction threshold
      -
      -
      Parameters:
      -
      ct - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDetectShadows

      -
      public boolean getDetectShadows()
      -
      Returns the shadow detection flag - - If true, the algorithm detects shadows and marks them. See createBackgroundSubtractorMOG2 for - details.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDetectShadows

      -
      public void setDetectShadows(boolean detectShadows)
      -
      Enables or disables shadow detection
      -
      -
      Parameters:
      -
      detectShadows - automatically generated
      -
      -
      -
      • -
    • -
      -

      getShadowValue

      -
      public int getShadowValue()
      -
      Returns the shadow value - - Shadow value is the value used to mark shadows in the foreground mask. Default value is 127. Value 0 - in the mask always means background, 255 means foreground.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setShadowValue

      -
      public void setShadowValue(int value)
      -
      Sets the shadow value
      -
      -
      Parameters:
      -
      value - automatically generated
      -
      -
      -
      • -
    • -
      -

      getShadowThreshold

      -
      public double getShadowThreshold()
      -
      Returns the shadow threshold - - A shadow is detected if pixel is a darker version of the background. The shadow threshold (Tau in - the paper) is a threshold defining how much darker the shadow can be. Tau= 0.5 means that if a pixel - is more than twice darker then it is not shadow. See Prati, Mikic, Trivedi and Cucchiara, - Detecting Moving Shadows...*, IEEE PAMI,2003.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setShadowThreshold

      -
      public void setShadowThreshold(double threshold)
      -
      Sets the shadow threshold
      -
      -
      Parameters:
      -
      threshold - automatically generated
      -
      -
      -
      • -
    • -
      -

      apply

      -
      public void apply(Mat image, - Mat fgmask, - double learningRate)
      -
      Computes a foreground mask.
      -
      -
      Overrides:
      -
      apply in class BackgroundSubtractor
      -
      Parameters:
      -
      image - Next video frame. Floating point frame will be used without scaling and should be in range \([0,255]\).
      -
      fgmask - The output foreground mask as an 8-bit binary image.
      -
      learningRate - The value between 0 and 1 that indicates how fast the background model is - learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - rate. 0 means that the background model is not updated at all, 1 means that the background model - is completely reinitialized from the last frame.
      -
      -
      -
      • -
    • -
      -

      apply

      -
      public void apply(Mat image, - Mat fgmask)
      -
      Computes a foreground mask.
      -
      -
      Overrides:
      -
      apply in class BackgroundSubtractor
      -
      Parameters:
      -
      image - Next video frame. Floating point frame will be used without scaling and should be in range \([0,255]\).
      -
      fgmask - The output foreground mask as an 8-bit binary image. - learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - rate. 0 means that the background model is not updated at all, 1 means that the background model - is completely reinitialized from the last frame.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/DISOpticalFlow.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/DISOpticalFlow.html deleted file mode 100644 index e76ac49411..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/DISOpticalFlow.html +++ /dev/null @@ -1,651 +0,0 @@ - - - - -DISOpticalFlow (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class DISOpticalFlow

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.DenseOpticalFlow -
org.opencv.video.DISOpticalFlow
-
-
-
-
-
-
public class DISOpticalFlow -extends DenseOpticalFlow
-
DIS optical flow algorithm. - - This class implements the Dense Inverse Search (DIS) optical flow algorithm. More - details about the algorithm can be found at CITE: Kroeger2016 . Includes three presets with preselected - parameters to provide reasonable trade-off between speed and quality. However, even the slowest preset is - still relatively fast, use DeepFlow if you need better quality and don't care about speed. - - This implementation includes several additional features compared to the algorithm described in the paper, - including spatial propagation of flow vectors (REF: getUseSpatialPropagation), as well as an option to - utilize an initial flow approximation passed to REF: calc (which is, essentially, temporal propagation, - if the previous frame's flow field is passed).
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      PRESET_ULTRAFAST

      -
      public static final int PRESET_ULTRAFAST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PRESET_FAST

      -
      public static final int PRESET_FAST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      PRESET_MEDIUM

      -
      public static final int PRESET_MEDIUM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static DISOpticalFlow __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getFinestScale

      -
      public int getFinestScale()
      -
      Finest level of the Gaussian pyramid on which the flow is computed (zero level - corresponds to the original image resolution). The final flow is obtained by bilinear upscaling. - SEE: setFinestScale
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setFinestScale

      -
      public void setFinestScale(int val)
      -
      getFinestScale SEE: getFinestScale
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getPatchSize

      -
      public int getPatchSize()
      -
      Size of an image patch for matching (in pixels). Normally, default 8x8 patches work well - enough in most cases. - SEE: setPatchSize
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setPatchSize

      -
      public void setPatchSize(int val)
      -
      getPatchSize SEE: getPatchSize
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getPatchStride

      -
      public int getPatchStride()
      -
      Stride between neighbor patches. Must be less than patch size. Lower values correspond - to higher flow quality. - SEE: setPatchStride
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setPatchStride

      -
      public void setPatchStride(int val)
      -
      getPatchStride SEE: getPatchStride
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getGradientDescentIterations

      -
      public int getGradientDescentIterations()
      -
      Maximum number of gradient descent iterations in the patch inverse search stage. Higher values - may improve quality in some cases. - SEE: setGradientDescentIterations
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setGradientDescentIterations

      -
      public void setGradientDescentIterations(int val)
      -
      getGradientDescentIterations SEE: getGradientDescentIterations
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVariationalRefinementIterations

      -
      public int getVariationalRefinementIterations()
      -
      Number of fixed point iterations of variational refinement per scale. Set to zero to - disable variational refinement completely. Higher values will typically result in more smooth and - high-quality flow. - SEE: setGradientDescentIterations
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVariationalRefinementIterations

      -
      public void setVariationalRefinementIterations(int val)
      -
      getGradientDescentIterations SEE: getGradientDescentIterations
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVariationalRefinementAlpha

      -
      public float getVariationalRefinementAlpha()
      -
      Weight of the smoothness term - SEE: setVariationalRefinementAlpha
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVariationalRefinementAlpha

      -
      public void setVariationalRefinementAlpha(float val)
      -
      getVariationalRefinementAlpha SEE: getVariationalRefinementAlpha
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVariationalRefinementDelta

      -
      public float getVariationalRefinementDelta()
      -
      Weight of the color constancy term - SEE: setVariationalRefinementDelta
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVariationalRefinementDelta

      -
      public void setVariationalRefinementDelta(float val)
      -
      getVariationalRefinementDelta SEE: getVariationalRefinementDelta
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVariationalRefinementGamma

      -
      public float getVariationalRefinementGamma()
      -
      Weight of the gradient constancy term - SEE: setVariationalRefinementGamma
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVariationalRefinementGamma

      -
      public void setVariationalRefinementGamma(float val)
      -
      getVariationalRefinementGamma SEE: getVariationalRefinementGamma
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getVariationalRefinementEpsilon

      -
      public float getVariationalRefinementEpsilon()
      -
      Norm value shift for robust penalizer - SEE: setVariationalRefinementEpsilon
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setVariationalRefinementEpsilon

      -
      public void setVariationalRefinementEpsilon(float val)
      -
      getVariationalRefinementEpsilon SEE: getVariationalRefinementEpsilon
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getUseMeanNormalization

      -
      public boolean getUseMeanNormalization()
      -
      Whether to use mean-normalization of patches when computing patch distance. It is turned on - by default as it typically provides a noticeable quality boost because of increased robustness to - illumination variations. Turn it off if you are certain that your sequence doesn't contain any changes - in illumination. - SEE: setUseMeanNormalization
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUseMeanNormalization

      -
      public void setUseMeanNormalization(boolean val)
      -
      getUseMeanNormalization SEE: getUseMeanNormalization
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getUseSpatialPropagation

      -
      public boolean getUseSpatialPropagation()
      -
      Whether to use spatial propagation of good optical flow vectors. This option is turned on by - default, as it tends to work better on average and can sometimes help recover from major errors - introduced by the coarse-to-fine scheme employed by the DIS optical flow algorithm. Turning this - option off can make the output flow field a bit smoother, however. - SEE: setUseSpatialPropagation
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setUseSpatialPropagation

      -
      public void setUseSpatialPropagation(boolean val)
      -
      getUseSpatialPropagation SEE: getUseSpatialPropagation
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static DISOpticalFlow create(int preset)
      -
      Creates an instance of DISOpticalFlow
      -
      -
      Parameters:
      -
      preset - one of PRESET_ULTRAFAST, PRESET_FAST and PRESET_MEDIUM
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static DISOpticalFlow create()
      -
      Creates an instance of DISOpticalFlow
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/DenseOpticalFlow.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/DenseOpticalFlow.html deleted file mode 100644 index 3d5b911c2d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/DenseOpticalFlow.html +++ /dev/null @@ -1,189 +0,0 @@ - - - - -DenseOpticalFlow (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class DenseOpticalFlow

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.DenseOpticalFlow
-
-
-
-
-
Direct Known Subclasses:
-
DISOpticalFlow, FarnebackOpticalFlow, VariationalRefinement
-
-
-
public class DenseOpticalFlow -extends Algorithm
-
Base class for dense optical flow algorithms
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static DenseOpticalFlow __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      calc

      -
      public void calc(Mat I0, - Mat I1, - Mat flow)
      -
      Calculates an optical flow.
      -
      -
      Parameters:
      -
      I0 - first 8-bit single-channel input image.
      -
      I1 - second input image of the same size and the same type as prev.
      -
      flow - computed flow image that has the same size as prev and type CV_32FC2.
      -
      -
      -
      • -
    • -
      -

      collectGarbage

      -
      public void collectGarbage()
      -
      Releases all inner buffers.
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/FarnebackOpticalFlow.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/FarnebackOpticalFlow.html deleted file mode 100644 index cd8bf55d2d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/FarnebackOpticalFlow.html +++ /dev/null @@ -1,437 +0,0 @@ - - - - -FarnebackOpticalFlow (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class FarnebackOpticalFlow

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.DenseOpticalFlow -
org.opencv.video.FarnebackOpticalFlow
-
-
-
-
-
-
public class FarnebackOpticalFlow -extends DenseOpticalFlow
-
Class computing a dense optical flow using the Gunnar Farneback's algorithm.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static FarnebackOpticalFlow __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getNumLevels

      -
      public int getNumLevels()
      -
      -
      • -
    • -
      -

      setNumLevels

      -
      public void setNumLevels(int numLevels)
      -
      -
      • -
    • -
      -

      getPyrScale

      -
      public double getPyrScale()
      -
      -
      • -
    • -
      -

      setPyrScale

      -
      public void setPyrScale(double pyrScale)
      -
      -
      • -
    • -
      -

      getFastPyramids

      -
      public boolean getFastPyramids()
      -
      -
      • -
    • -
      -

      setFastPyramids

      -
      public void setFastPyramids(boolean fastPyramids)
      -
      -
      • -
    • -
      -

      getWinSize

      -
      public int getWinSize()
      -
      -
      • -
    • -
      -

      setWinSize

      -
      public void setWinSize(int winSize)
      -
      -
      • -
    • -
      -

      getNumIters

      -
      public int getNumIters()
      -
      -
      • -
    • -
      -

      setNumIters

      -
      public void setNumIters(int numIters)
      -
      -
      • -
    • -
      -

      getPolyN

      -
      public int getPolyN()
      -
      -
      • -
    • -
      -

      setPolyN

      -
      public void setPolyN(int polyN)
      -
      -
      • -
    • -
      -

      getPolySigma

      -
      public double getPolySigma()
      -
      -
      • -
    • -
      -

      setPolySigma

      -
      public void setPolySigma(double polySigma)
      -
      -
      • -
    • -
      -

      getFlags

      -
      public int getFlags()
      -
      -
      • -
    • -
      -

      setFlags

      -
      public void setFlags(int flags)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids, - int winSize, - int numIters, - int polyN, - double polySigma, - int flags)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids, - int winSize, - int numIters, - int polyN, - double polySigma)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids, - int winSize, - int numIters, - int polyN)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids, - int winSize, - int numIters)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids, - int winSize)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale, - boolean fastPyramids)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels, - double pyrScale)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create(int numLevels)
      -
      -
      • -
    • -
      -

      create

      -
      public static FarnebackOpticalFlow create()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/KalmanFilter.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/KalmanFilter.html deleted file mode 100644 index fb2cb7253e..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/KalmanFilter.html +++ /dev/null @@ -1,474 +0,0 @@ - - - - -KalmanFilter (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class KalmanFilter

-
-
java.lang.Object -
org.opencv.video.KalmanFilter
-
-
-
-
public class KalmanFilter -extends Object
-
Kalman filter class. - - The class implements a standard Kalman filter <http://en.wikipedia.org/wiki/Kalman_filter>, - CITE: Welch95 . However, you can modify transitionMatrix, controlMatrix, and measurementMatrix to get - an extended Kalman filter functionality. - Note: In C API when CvKalman\* kalmanFilter structure is not needed anymore, it should be released - with cvReleaseKalman(&kalmanFilter)
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      KalmanFilter

      -
      public KalmanFilter()
      -
      -
      • -
    • -
      -

      KalmanFilter

      -
      public KalmanFilter(int dynamParams, - int measureParams, - int controlParams, - int type)
      -
      -
      Parameters:
      -
      dynamParams - Dimensionality of the state.
      -
      measureParams - Dimensionality of the measurement.
      -
      controlParams - Dimensionality of the control vector.
      -
      type - Type of the created matrices that should be CV_32F or CV_64F.
      -
      -
      -
      • -
    • -
      -

      KalmanFilter

      -
      public KalmanFilter(int dynamParams, - int measureParams, - int controlParams)
      -
      -
      Parameters:
      -
      dynamParams - Dimensionality of the state.
      -
      measureParams - Dimensionality of the measurement.
      -
      controlParams - Dimensionality of the control vector.
      -
      -
      -
      • -
    • -
      -

      KalmanFilter

      -
      public KalmanFilter(int dynamParams, - int measureParams)
      -
      -
      Parameters:
      -
      dynamParams - Dimensionality of the state.
      -
      measureParams - Dimensionality of the measurement.
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static KalmanFilter __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      predict

      -
      public Mat predict(Mat control)
      -
      Computes a predicted state.
      -
      -
      Parameters:
      -
      control - The optional input control
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      predict

      -
      public Mat predict()
      -
      Computes a predicted state.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      correct

      -
      public Mat correct(Mat measurement)
      -
      Updates the predicted state from the measurement.
      -
      -
      Parameters:
      -
      measurement - The measured system parameters
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      get_statePre

      -
      public Mat get_statePre()
      -
      -
      • -
    • -
      -

      set_statePre

      -
      public void set_statePre(Mat statePre)
      -
      -
      • -
    • -
      -

      get_statePost

      -
      public Mat get_statePost()
      -
      -
      • -
    • -
      -

      set_statePost

      -
      public void set_statePost(Mat statePost)
      -
      -
      • -
    • -
      -

      get_transitionMatrix

      -
      public Mat get_transitionMatrix()
      -
      -
      • -
    • -
      -

      set_transitionMatrix

      -
      public void set_transitionMatrix(Mat transitionMatrix)
      -
      -
      • -
    • -
      -

      get_controlMatrix

      -
      public Mat get_controlMatrix()
      -
      -
      • -
    • -
      -

      set_controlMatrix

      -
      public void set_controlMatrix(Mat controlMatrix)
      -
      -
      • -
    • -
      -

      get_measurementMatrix

      -
      public Mat get_measurementMatrix()
      -
      -
      • -
    • -
      -

      set_measurementMatrix

      -
      public void set_measurementMatrix(Mat measurementMatrix)
      -
      -
      • -
    • -
      -

      get_processNoiseCov

      -
      public Mat get_processNoiseCov()
      -
      -
      • -
    • -
      -

      set_processNoiseCov

      -
      public void set_processNoiseCov(Mat processNoiseCov)
      -
      -
      • -
    • -
      -

      get_measurementNoiseCov

      -
      public Mat get_measurementNoiseCov()
      -
      -
      • -
    • -
      -

      set_measurementNoiseCov

      -
      public void set_measurementNoiseCov(Mat measurementNoiseCov)
      -
      -
      • -
    • -
      -

      get_errorCovPre

      -
      public Mat get_errorCovPre()
      -
      -
      • -
    • -
      -

      set_errorCovPre

      -
      public void set_errorCovPre(Mat errorCovPre)
      -
      -
      • -
    • -
      -

      get_gain

      -
      public Mat get_gain()
      -
      -
      • -
    • -
      -

      set_gain

      -
      public void set_gain(Mat gain)
      -
      -
      • -
    • -
      -

      get_errorCovPost

      -
      public Mat get_errorCovPost()
      -
      -
      • -
    • -
      -

      set_errorCovPost

      -
      public void set_errorCovPost(Mat errorCovPost)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparseOpticalFlow.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparseOpticalFlow.html deleted file mode 100644 index 76e81aa8a1..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparseOpticalFlow.html +++ /dev/null @@ -1,216 +0,0 @@ - - - - -SparseOpticalFlow (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class SparseOpticalFlow

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.SparseOpticalFlow
-
-
-
-
-
Direct Known Subclasses:
-
SparsePyrLKOpticalFlow
-
-
-
public class SparseOpticalFlow -extends Algorithm
-
Base interface for sparse optical flow algorithms.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SparseOpticalFlow __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      calc

      -
      public void calc(Mat prevImg, - Mat nextImg, - Mat prevPts, - Mat nextPts, - Mat status, - Mat err)
      -
      Calculates a sparse optical flow.
      -
      -
      Parameters:
      -
      prevImg - First input image.
      -
      nextImg - Second input image of the same size and the same type as prevImg.
      -
      prevPts - Vector of 2D points for which the flow needs to be found.
      -
      nextPts - Output vector of 2D points containing the calculated new positions of input features in the second image.
      -
      status - Output status vector. Each element of the vector is set to 1 if the - flow for the corresponding features has been found. Otherwise, it is set to 0.
      -
      err - Optional output vector that contains error response for each point (inverse confidence).
      -
      -
      -
      • -
    • -
      -

      calc

      -
      public void calc(Mat prevImg, - Mat nextImg, - Mat prevPts, - Mat nextPts, - Mat status)
      -
      Calculates a sparse optical flow.
      -
      -
      Parameters:
      -
      prevImg - First input image.
      -
      nextImg - Second input image of the same size and the same type as prevImg.
      -
      prevPts - Vector of 2D points for which the flow needs to be found.
      -
      nextPts - Output vector of 2D points containing the calculated new positions of input features in the second image.
      -
      status - Output status vector. Each element of the vector is set to 1 if the - flow for the corresponding features has been found. Otherwise, it is set to 0.
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparsePyrLKOpticalFlow.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparsePyrLKOpticalFlow.html deleted file mode 100644 index 1e903bfdc7..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/SparsePyrLKOpticalFlow.html +++ /dev/null @@ -1,325 +0,0 @@ - - - - -SparsePyrLKOpticalFlow (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class SparsePyrLKOpticalFlow

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.SparseOpticalFlow -
org.opencv.video.SparsePyrLKOpticalFlow
-
-
-
-
-
-
public class SparsePyrLKOpticalFlow -extends SparseOpticalFlow
-
Class used for calculating a sparse optical flow. - - The class can calculate an optical flow for a sparse feature set using the - iterative Lucas-Kanade method with pyramids. - - SEE: calcOpticalFlowPyrLK
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static SparsePyrLKOpticalFlow __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      getWinSize

      -
      public Size getWinSize()
      -
      -
      • -
    • -
      -

      setWinSize

      -
      public void setWinSize(Size winSize)
      -
      -
      • -
    • -
      -

      getMaxLevel

      -
      public int getMaxLevel()
      -
      -
      • -
    • -
      -

      setMaxLevel

      -
      public void setMaxLevel(int maxLevel)
      -
      -
      • -
    • -
      -

      getTermCriteria

      -
      public TermCriteria getTermCriteria()
      -
      -
      • -
    • -
      -

      setTermCriteria

      -
      public void setTermCriteria(TermCriteria crit)
      -
      -
      • -
    • -
      -

      getFlags

      -
      public int getFlags()
      -
      -
      • -
    • -
      -

      setFlags

      -
      public void setFlags(int flags)
      -
      -
      • -
    • -
      -

      getMinEigThreshold

      -
      public double getMinEigThreshold()
      -
      -
      • -
    • -
      -

      setMinEigThreshold

      -
      public void setMinEigThreshold(double minEigThreshold)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create(Size winSize, - int maxLevel, - TermCriteria crit, - int flags, - double minEigThreshold)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create(Size winSize, - int maxLevel, - TermCriteria crit, - int flags)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create(Size winSize, - int maxLevel, - TermCriteria crit)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create(Size winSize, - int maxLevel)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create(Size winSize)
      -
      -
      • -
    • -
      -

      create

      -
      public static SparsePyrLKOpticalFlow create()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/Tracker.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/Tracker.html deleted file mode 100644 index c4930b4001..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/Tracker.html +++ /dev/null @@ -1,202 +0,0 @@ - - - - -Tracker (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class Tracker

-
-
java.lang.Object -
org.opencv.video.Tracker
-
-
-
-
Direct Known Subclasses:
-
TrackerDaSiamRPN, TrackerGOTURN, TrackerMIL, TrackerNano, TrackerVit
-
-
-
public class Tracker -extends Object
-
Base abstract class for the long-term tracker
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static Tracker __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      init

      -
      public void init(Mat image, - Rect boundingBox)
      -
      Initialize the tracker with a known bounding box that surrounded the target
      -
      -
      Parameters:
      -
      image - The initial frame
      -
      boundingBox - The initial bounding box
      -
      -
      -
      • -
    • -
      -

      update

      -
      public boolean update(Mat image, - Rect boundingBox)
      -
      Update the tracker, find the new most likely bounding box for the target
      -
      -
      Parameters:
      -
      image - The current frame
      -
      boundingBox - The bounding box that represent the new target location, if true was returned, not - modified otherwise
      -
      Returns:
      -
      True means that target was located and false means that tracker cannot locate target in - current frame. Note, that latter *does not* imply that tracker has failed, maybe target is indeed - missing from the frame (say, out of sight)
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN.html deleted file mode 100644 index 7c23d91991..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN.html +++ /dev/null @@ -1,224 +0,0 @@ - - - - -TrackerDaSiamRPN (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerDaSiamRPN

-
-
java.lang.Object -
org.opencv.video.Tracker -
org.opencv.video.TrackerDaSiamRPN
-
-
-
-
-
public class TrackerDaSiamRPN -extends Tracker
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TrackerDaSiamRPN __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerDaSiamRPN create(TrackerDaSiamRPN_Params parameters)
      -
      Constructor
      -
      -
      Parameters:
      -
      parameters - DaSiamRPN parameters TrackerDaSiamRPN::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerDaSiamRPN create()
      -
      Constructor
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerDaSiamRPN create(Net siam_rpn, - Net kernel_cls1, - Net kernel_r1)
      -
      Constructor
      -
      -
      Parameters:
      -
      siam_rpn - pre-loaded SiamRPN model
      -
      kernel_cls1 - pre-loaded CLS model
      -
      kernel_r1 - pre-loaded R1 model
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrackingScore

      -
      public float getTrackingScore()
      -
      Return tracking score
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN_Params.html deleted file mode 100644 index 372936309a..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerDaSiamRPN_Params.html +++ /dev/null @@ -1,271 +0,0 @@ - - - - -TrackerDaSiamRPN_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerDaSiamRPN_Params

-
-
java.lang.Object -
org.opencv.video.TrackerDaSiamRPN_Params
-
-
-
-
public class TrackerDaSiamRPN_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TrackerDaSiamRPN_Params

      -
      public TrackerDaSiamRPN_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrackerDaSiamRPN_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_model

      -
      public String get_model()
      -
      -
      • -
    • -
      -

      set_model

      -
      public void set_model(String model)
      -
      -
      • -
    • -
      -

      get_kernel_cls1

      -
      public String get_kernel_cls1()
      -
      -
      • -
    • -
      -

      set_kernel_cls1

      -
      public void set_kernel_cls1(String kernel_cls1)
      -
      -
      • -
    • -
      -

      get_kernel_r1

      -
      public String get_kernel_r1()
      -
      -
      • -
    • -
      -

      set_kernel_r1

      -
      public void set_kernel_r1(String kernel_r1)
      -
      -
      • -
    • -
      -

      get_backend

      -
      public int get_backend()
      -
      -
      • -
    • -
      -

      set_backend

      -
      public void set_backend(int backend)
      -
      -
      • -
    • -
      -

      get_target

      -
      public int get_target()
      -
      -
      • -
    • -
      -

      set_target

      -
      public void set_target(int target)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN.html deleted file mode 100644 index 087e17f8cf..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN.html +++ /dev/null @@ -1,216 +0,0 @@ - - - - -TrackerGOTURN (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerGOTURN

-
-
java.lang.Object -
org.opencv.video.Tracker -
org.opencv.video.TrackerGOTURN
-
-
-
-
-
public class TrackerGOTURN -extends Tracker
-
the GOTURN (Generic Object Tracking Using Regression Networks) tracker - - GOTURN (CITE: GOTURN) is kind of trackers based on Convolutional Neural Networks (CNN). While taking all advantages of CNN trackers, - GOTURN is much faster due to offline training without online fine-tuning nature. - GOTURN tracker addresses the problem of single target tracking: given a bounding box label of an object in the first frame of the video, - we track that object through the rest of the video. NOTE: Current method of GOTURN does not handle occlusions; however, it is fairly - robust to viewpoint changes, lighting changes, and deformations. - Inputs of GOTURN are two RGB patches representing Target and Search patches resized to 227x227. - Outputs of GOTURN are predicted bounding box coordinates, relative to Search patch coordinate system, in format X1,Y1,X2,Y2. - Original paper is here: <http://davheld.github.io/GOTURN/GOTURN.pdf> - As long as original authors implementation: <https://github.com/davheld/GOTURN#train-the-tracker> - Implementation of training algorithm is placed in separately here due to 3d-party dependencies: - <https://github.com/Auron-X/GOTURN_Training_Toolkit> - GOTURN architecture goturn.prototxt and trained model goturn.caffemodel are accessible on opencv_extra GitHub repository.
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TrackerGOTURN __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerGOTURN create(TrackerGOTURN_Params parameters)
      -
      Constructor
      -
      -
      Parameters:
      -
      parameters - GOTURN parameters TrackerGOTURN::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerGOTURN create()
      -
      Constructor
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerGOTURN create(Net model)
      -
      Constructor
      -
      -
      Parameters:
      -
      model - pre-loaded GOTURN model
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN_Params.html deleted file mode 100644 index 9308a66dff..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerGOTURN_Params.html +++ /dev/null @@ -1,217 +0,0 @@ - - - - -TrackerGOTURN_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerGOTURN_Params

-
-
java.lang.Object -
org.opencv.video.TrackerGOTURN_Params
-
-
-
-
public class TrackerGOTURN_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TrackerGOTURN_Params

      -
      public TrackerGOTURN_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrackerGOTURN_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_modelTxt

      -
      public String get_modelTxt()
      -
      -
      • -
    • -
      -

      set_modelTxt

      -
      public void set_modelTxt(String modelTxt)
      -
      -
      • -
    • -
      -

      get_modelBin

      -
      public String get_modelBin()
      -
      -
      • -
    • -
      -

      set_modelBin

      -
      public void set_modelBin(String modelBin)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL.html deleted file mode 100644 index 00a9d90229..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL.html +++ /dev/null @@ -1,191 +0,0 @@ - - - - -TrackerMIL (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerMIL

-
-
java.lang.Object -
org.opencv.video.Tracker -
org.opencv.video.TrackerMIL
-
-
-
-
-
public class TrackerMIL -extends Tracker
-
The MIL algorithm trains a classifier in an online manner to separate the object from the - background. - - Multiple Instance Learning avoids the drift problem for a robust tracking. The implementation is - based on CITE: MIL . - - Original code can be found here <http://vision.ucsd.edu/~bbabenko/project_miltrack.shtml>
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TrackerMIL __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerMIL create(TrackerMIL_Params parameters)
      -
      Create MIL tracker instance
      -
      -
      Parameters:
      -
      parameters - MIL parameters TrackerMIL::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerMIL create()
      -
      Create MIL tracker instance
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL_Params.html deleted file mode 100644 index 4ccbac0b7b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerMIL_Params.html +++ /dev/null @@ -1,307 +0,0 @@ - - - - -TrackerMIL_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerMIL_Params

-
-
java.lang.Object -
org.opencv.video.TrackerMIL_Params
-
-
-
-
public class TrackerMIL_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TrackerMIL_Params

      -
      public TrackerMIL_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrackerMIL_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_samplerInitInRadius

      -
      public float get_samplerInitInRadius()
      -
      -
      • -
    • -
      -

      set_samplerInitInRadius

      -
      public void set_samplerInitInRadius(float samplerInitInRadius)
      -
      -
      • -
    • -
      -

      get_samplerInitMaxNegNum

      -
      public int get_samplerInitMaxNegNum()
      -
      -
      • -
    • -
      -

      set_samplerInitMaxNegNum

      -
      public void set_samplerInitMaxNegNum(int samplerInitMaxNegNum)
      -
      -
      • -
    • -
      -

      get_samplerSearchWinSize

      -
      public float get_samplerSearchWinSize()
      -
      -
      • -
    • -
      -

      set_samplerSearchWinSize

      -
      public void set_samplerSearchWinSize(float samplerSearchWinSize)
      -
      -
      • -
    • -
      -

      get_samplerTrackInRadius

      -
      public float get_samplerTrackInRadius()
      -
      -
      • -
    • -
      -

      set_samplerTrackInRadius

      -
      public void set_samplerTrackInRadius(float samplerTrackInRadius)
      -
      -
      • -
    • -
      -

      get_samplerTrackMaxPosNum

      -
      public int get_samplerTrackMaxPosNum()
      -
      -
      • -
    • -
      -

      set_samplerTrackMaxPosNum

      -
      public void set_samplerTrackMaxPosNum(int samplerTrackMaxPosNum)
      -
      -
      • -
    • -
      -

      get_samplerTrackMaxNegNum

      -
      public int get_samplerTrackMaxNegNum()
      -
      -
      • -
    • -
      -

      set_samplerTrackMaxNegNum

      -
      public void set_samplerTrackMaxNegNum(int samplerTrackMaxNegNum)
      -
      -
      • -
    • -
      -

      get_featureSetNumFeatures

      -
      public int get_featureSetNumFeatures()
      -
      -
      • -
    • -
      -

      set_featureSetNumFeatures

      -
      public void set_featureSetNumFeatures(int featureSetNumFeatures)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano.html deleted file mode 100644 index ac608a36fe..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano.html +++ /dev/null @@ -1,228 +0,0 @@ - - - - -TrackerNano (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerNano

-
-
java.lang.Object -
org.opencv.video.Tracker -
org.opencv.video.TrackerNano
-
-
-
-
-
public class TrackerNano -extends Tracker
-
the Nano tracker is a super lightweight dnn-based general object tracking. - - Nano tracker is much faster and extremely lightweight due to special model structure, the whole model size is about 1.9 MB. - Nano tracker needs two models: one for feature extraction (backbone) and the another for localization (neckhead). - Model download link: https://github.com/HonglinChu/SiamTrackers/tree/master/NanoTrack/models/nanotrackv2 - Original repo is here: https://github.com/HonglinChu/NanoTrack - Author: HongLinChu, 1628464345@qq.com
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TrackerNano __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerNano create(TrackerNano_Params parameters)
      -
      Constructor
      -
      -
      Parameters:
      -
      parameters - NanoTrack parameters TrackerNano::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerNano create()
      -
      Constructor
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerNano create(Net backbone, - Net neckhead)
      -
      Constructor
      -
      -
      Parameters:
      -
      backbone - pre-loaded backbone model
      -
      neckhead - pre-loaded neckhead model
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrackingScore

      -
      public float getTrackingScore()
      -
      Return tracking score
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano_Params.html deleted file mode 100644 index fbc77a611f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerNano_Params.html +++ /dev/null @@ -1,253 +0,0 @@ - - - - -TrackerNano_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerNano_Params

-
-
java.lang.Object -
org.opencv.video.TrackerNano_Params
-
-
-
-
public class TrackerNano_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TrackerNano_Params

      -
      public TrackerNano_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrackerNano_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_backbone

      -
      public String get_backbone()
      -
      -
      • -
    • -
      -

      set_backbone

      -
      public void set_backbone(String backbone)
      -
      -
      • -
    • -
      -

      get_neckhead

      -
      public String get_neckhead()
      -
      -
      • -
    • -
      -

      set_neckhead

      -
      public void set_neckhead(String neckhead)
      -
      -
      • -
    • -
      -

      get_backend

      -
      public int get_backend()
      -
      -
      • -
    • -
      -

      set_backend

      -
      public void set_backend(int backend)
      -
      -
      • -
    • -
      -

      get_target

      -
      public int get_target()
      -
      -
      • -
    • -
      -

      set_target

      -
      public void set_target(int target)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit.html deleted file mode 100644 index 3ecc16d288..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit.html +++ /dev/null @@ -1,295 +0,0 @@ - - - - -TrackerVit (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerVit

-
-
java.lang.Object -
org.opencv.video.Tracker -
org.opencv.video.TrackerVit
-
-
-
-
-
public class TrackerVit -extends Tracker
-
the VIT tracker is a super lightweight dnn-based general object tracking. - - VIT tracker is much faster and extremely lightweight due to special model structure, the model file is about 767KB. - Model download link: https://github.com/opencv/opencv_zoo/tree/main/models/object_tracking_vittrack - Author: PengyuLiu, 1872918507@qq.com
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static TrackerVit __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create(TrackerVit_Params parameters)
      -
      Constructor
      -
      -
      Parameters:
      -
      parameters - vit tracker parameters TrackerVit::Params
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create()
      -
      Constructor
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create(Net model, - Scalar meanvalue, - Scalar stdvalue, - float tracking_score_threshold)
      -
      Constructor
      -
      -
      Parameters:
      -
      model - pre-loaded DNN model
      -
      meanvalue - mean value for image preprocessing
      -
      stdvalue - std value for image preprocessing
      -
      tracking_score_threshold - threshold for tracking score
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create(Net model, - Scalar meanvalue, - Scalar stdvalue)
      -
      Constructor
      -
      -
      Parameters:
      -
      model - pre-loaded DNN model
      -
      meanvalue - mean value for image preprocessing
      -
      stdvalue - std value for image preprocessing
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create(Net model, - Scalar meanvalue)
      -
      Constructor
      -
      -
      Parameters:
      -
      model - pre-loaded DNN model
      -
      meanvalue - mean value for image preprocessing
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static TrackerVit create(Net model)
      -
      Constructor
      -
      -
      Parameters:
      -
      model - pre-loaded DNN model
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getTrackingScore

      -
      public float getTrackingScore()
      -
      Return tracking score
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit_Params.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit_Params.html deleted file mode 100644 index 3f2dfd0683..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/TrackerVit_Params.html +++ /dev/null @@ -1,289 +0,0 @@ - - - - -TrackerVit_Params (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class TrackerVit_Params

-
-
java.lang.Object -
org.opencv.video.TrackerVit_Params
-
-
-
-
public class TrackerVit_Params -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      TrackerVit_Params

      -
      public TrackerVit_Params()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static TrackerVit_Params __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      get_net

      -
      public String get_net()
      -
      -
      • -
    • -
      -

      set_net

      -
      public void set_net(String net)
      -
      -
      • -
    • -
      -

      get_backend

      -
      public int get_backend()
      -
      -
      • -
    • -
      -

      set_backend

      -
      public void set_backend(int backend)
      -
      -
      • -
    • -
      -

      get_target

      -
      public int get_target()
      -
      -
      • -
    • -
      -

      set_target

      -
      public void set_target(int target)
      -
      -
      • -
    • -
      -

      get_meanvalue

      -
      public Scalar get_meanvalue()
      -
      -
      • -
    • -
      -

      set_meanvalue

      -
      public void set_meanvalue(Scalar meanvalue)
      -
      -
      • -
    • -
      -

      get_stdvalue

      -
      public Scalar get_stdvalue()
      -
      -
      • -
    • -
      -

      set_stdvalue

      -
      public void set_stdvalue(Scalar stdvalue)
      -
      -
      • -
    • -
      -

      get_tracking_score_threshold

      -
      public float get_tracking_score_threshold()
      -
      -
      • -
    • -
      -

      set_tracking_score_threshold

      -
      public void set_tracking_score_threshold(float tracking_score_threshold)
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/VariationalRefinement.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/VariationalRefinement.html deleted file mode 100644 index b3b86e0c6b..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/VariationalRefinement.html +++ /dev/null @@ -1,445 +0,0 @@ - - - - -VariationalRefinement (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class VariationalRefinement

-
-
java.lang.Object -
org.opencv.core.Algorithm -
org.opencv.video.DenseOpticalFlow -
org.opencv.video.VariationalRefinement
-
-
-
-
-
-
public class VariationalRefinement -extends DenseOpticalFlow
-
Variational optical flow refinement - - This class implements variational refinement of the input flow field, i.e. - it uses input flow to initialize the minimization of the following functional: - \(E(U) = \int_{\Omega} \delta \Psi(E_I) + \gamma \Psi(E_G) + \alpha \Psi(E_S) \), - where \(E_I,E_G,E_S\) are color constancy, gradient constancy and smoothness terms - respectively. \(\Psi(s^2)=\sqrt{s^2+\epsilon^2}\) is a robust penalizer to limit the - influence of outliers. A complete formulation and a description of the minimization - procedure can be found in CITE: Brox2004
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      __fromPtr__

      -
      public static VariationalRefinement __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      calcUV

      -
      public void calcUV(Mat I0, - Mat I1, - Mat flow_u, - Mat flow_v)
      -
      REF: calc function overload to handle separate horizontal (u) and vertical (v) flow components - (to avoid extra splits/merges)
      -
      -
      Parameters:
      -
      I0 - automatically generated
      -
      I1 - automatically generated
      -
      flow_u - automatically generated
      -
      flow_v - automatically generated
      -
      -
      -
      • -
    • -
      -

      getFixedPointIterations

      -
      public int getFixedPointIterations()
      -
      Number of outer (fixed-point) iterations in the minimization procedure. - SEE: setFixedPointIterations
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setFixedPointIterations

      -
      public void setFixedPointIterations(int val)
      -
      getFixedPointIterations SEE: getFixedPointIterations
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getSorIterations

      -
      public int getSorIterations()
      -
      Number of inner successive over-relaxation (SOR) iterations - in the minimization procedure to solve the respective linear system. - SEE: setSorIterations
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setSorIterations

      -
      public void setSorIterations(int val)
      -
      getSorIterations SEE: getSorIterations
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getOmega

      -
      public float getOmega()
      -
      Relaxation factor in SOR - SEE: setOmega
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setOmega

      -
      public void setOmega(float val)
      -
      getOmega SEE: getOmega
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getAlpha

      -
      public float getAlpha()
      -
      Weight of the smoothness term - SEE: setAlpha
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setAlpha

      -
      public void setAlpha(float val)
      -
      getAlpha SEE: getAlpha
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getDelta

      -
      public float getDelta()
      -
      Weight of the color constancy term - SEE: setDelta
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setDelta

      -
      public void setDelta(float val)
      -
      getDelta SEE: getDelta
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getGamma

      -
      public float getGamma()
      -
      Weight of the gradient constancy term - SEE: setGamma
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setGamma

      -
      public void setGamma(float val)
      -
      getGamma SEE: getGamma
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      getEpsilon

      -
      public float getEpsilon()
      -
      Norm value shift for robust penalizer - SEE: setEpsilon
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setEpsilon

      -
      public void setEpsilon(float val)
      -
      getEpsilon SEE: getEpsilon
      -
      -
      Parameters:
      -
      val - automatically generated
      -
      -
      -
      • -
    • -
      -

      create

      -
      public static VariationalRefinement create()
      -
      Creates an instance of VariationalRefinement
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/Video.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/Video.html deleted file mode 100644 index 20c1c89c30..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/Video.html +++ /dev/null @@ -1,1677 +0,0 @@ - - - - -Video (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.video
-

Class Video

-
-
java.lang.Object -
org.opencv.video.Video
-
-
-
-
public class Video -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      OPTFLOW_USE_INITIAL_FLOW

      -
      public static final int OPTFLOW_USE_INITIAL_FLOW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OPTFLOW_LK_GET_MIN_EIGENVALS

      -
      public static final int OPTFLOW_LK_GET_MIN_EIGENVALS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      OPTFLOW_FARNEBACK_GAUSSIAN

      -
      public static final int OPTFLOW_FARNEBACK_GAUSSIAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MOTION_TRANSLATION

      -
      public static final int MOTION_TRANSLATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MOTION_EUCLIDEAN

      -
      public static final int MOTION_EUCLIDEAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MOTION_AFFINE

      -
      public static final int MOTION_AFFINE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      MOTION_HOMOGRAPHY

      -
      public static final int MOTION_HOMOGRAPHY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TrackerSamplerCSC_MODE_INIT_POS

      -
      public static final int TrackerSamplerCSC_MODE_INIT_POS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TrackerSamplerCSC_MODE_INIT_NEG

      -
      public static final int TrackerSamplerCSC_MODE_INIT_NEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TrackerSamplerCSC_MODE_TRACK_POS

      -
      public static final int TrackerSamplerCSC_MODE_TRACK_POS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TrackerSamplerCSC_MODE_TRACK_NEG

      -
      public static final int TrackerSamplerCSC_MODE_TRACK_NEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      TrackerSamplerCSC_MODE_DETECT

      -
      public static final int TrackerSamplerCSC_MODE_DETECT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Video

      -
      public Video()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      createBackgroundSubtractorMOG2

      -
      public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history, - double varThreshold, - boolean detectShadows)
      -
      Creates MOG2 Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history.
      -
      varThreshold - Threshold on the squared Mahalanobis distance between the pixel and the model - to decide whether a pixel is well described by the background model. This parameter does not - affect the background update.
      -
      detectShadows - If true, the algorithm will detect shadows and mark them. It decreases the - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorMOG2

      -
      public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history, - double varThreshold)
      -
      Creates MOG2 Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history.
      -
      varThreshold - Threshold on the squared Mahalanobis distance between the pixel and the model - to decide whether a pixel is well described by the background model. This parameter does not - affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorMOG2

      -
      public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history)
      -
      Creates MOG2 Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history. - to decide whether a pixel is well described by the background model. This parameter does not - affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorMOG2

      -
      public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2()
      -
      Creates MOG2 Background Subtractor - - to decide whether a pixel is well described by the background model. This parameter does not - affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorKNN

      -
      public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history, - double dist2Threshold, - boolean detectShadows)
      -
      Creates KNN Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history.
      -
      dist2Threshold - Threshold on the squared distance between the pixel and the sample to decide - whether a pixel is close to that sample. This parameter does not affect the background update.
      -
      detectShadows - If true, the algorithm will detect shadows and mark them. It decreases the - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorKNN

      -
      public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history, - double dist2Threshold)
      -
      Creates KNN Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history.
      -
      dist2Threshold - Threshold on the squared distance between the pixel and the sample to decide - whether a pixel is close to that sample. This parameter does not affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorKNN

      -
      public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history)
      -
      Creates KNN Background Subtractor
      -
      -
      Parameters:
      -
      history - Length of the history. - whether a pixel is close to that sample. This parameter does not affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      createBackgroundSubtractorKNN

      -
      public static BackgroundSubtractorKNN createBackgroundSubtractorKNN()
      -
      Creates KNN Background Subtractor - - whether a pixel is close to that sample. This parameter does not affect the background update. - speed a bit, so if you do not need this feature, set the parameter to false.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      CamShift

      -
      public static RotatedRect CamShift(Mat probImage, - Rect window, - TermCriteria criteria)
      -
      Finds an object center, size, and orientation.
      -
      -
      Parameters:
      -
      probImage - Back projection of the object histogram. See calcBackProject.
      -
      window - Initial search window.
      -
      criteria - Stop criteria for the underlying meanShift. - returns - (in old interfaces) Number of iterations CAMSHIFT took to converge - The function implements the CAMSHIFT object tracking algorithm CITE: Bradski98 . First, it finds an - object center using meanShift and then adjusts the window size and finds the optimal rotation. The - function returns the rotated rectangle structure that includes the object position, size, and - orientation. The next position of the search window can be obtained with RotatedRect::boundingRect() - - See the OpenCV sample camshiftdemo.c that tracks colored objects. - - Note: -
        -
      • - (Python) A sample explaining the camshift tracking algorithm can be found at - opencv_source_code/samples/python/camshift.py -
        • -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      meanShift

      -
      public static int meanShift(Mat probImage, - Rect window, - TermCriteria criteria)
      -
      Finds an object on a back projection image.
      -
      -
      Parameters:
      -
      probImage - Back projection of the object histogram. See calcBackProject for details.
      -
      window - Initial search window.
      -
      criteria - Stop criteria for the iterative search algorithm. - returns - : Number of iterations CAMSHIFT took to converge. - The function implements the iterative object search algorithm. It takes the input back projection of - an object and the initial position. The mass center in window of the back projection image is - computed and the search window center shifts to the mass center. The procedure is repeated until the - specified number of iterations criteria.maxCount is done or until the window center shifts by less - than criteria.epsilon. The algorithm is used inside CamShift and, unlike CamShift , the search - window size or orientation do not change during the search. You can simply pass the output of - calcBackProject to this function. But better results can be obtained if you pre-filter the back - projection and remove the noise. For example, you can do this by retrieving connected components - with findContours , throwing away contours with small area ( contourArea ), and rendering the - remaining contours with drawContours.
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      buildOpticalFlowPyramid

      -
      public static int buildOpticalFlowPyramid(Mat img, - List<Mat> pyramid, - Size winSize, - int maxLevel, - boolean withDerivatives, - int pyrBorder, - int derivBorder, - boolean tryReuseInputImage)
      -
      Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
      -
      -
      Parameters:
      -
      img - 8-bit input image.
      -
      pyramid - output pyramid.
      -
      winSize - window size of optical flow algorithm. Must be not less than winSize argument of - calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels.
      -
      maxLevel - 0-based maximal pyramid level number.
      -
      withDerivatives - set to precompute gradients for the every pyramid level. If pyramid is - constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally.
      -
      pyrBorder - the border mode for pyramid layers.
      -
      derivBorder - the border mode for gradients.
      -
      tryReuseInputImage - put ROI of input image into the pyramid if possible. You can pass false - to force data copying.
      -
      Returns:
      -
      number of levels in constructed pyramid. Can be less than maxLevel.
      -
      -
      -
      • -
    • -
      -

      buildOpticalFlowPyramid

      -
      public static int buildOpticalFlowPyramid(Mat img, - List<Mat> pyramid, - Size winSize, - int maxLevel, - boolean withDerivatives, - int pyrBorder, - int derivBorder)
      -
      Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
      -
      -
      Parameters:
      -
      img - 8-bit input image.
      -
      pyramid - output pyramid.
      -
      winSize - window size of optical flow algorithm. Must be not less than winSize argument of - calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels.
      -
      maxLevel - 0-based maximal pyramid level number.
      -
      withDerivatives - set to precompute gradients for the every pyramid level. If pyramid is - constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally.
      -
      pyrBorder - the border mode for pyramid layers.
      -
      derivBorder - the border mode for gradients. - to force data copying.
      -
      Returns:
      -
      number of levels in constructed pyramid. Can be less than maxLevel.
      -
      -
      -
      • -
    • -
      -

      buildOpticalFlowPyramid

      -
      public static int buildOpticalFlowPyramid(Mat img, - List<Mat> pyramid, - Size winSize, - int maxLevel, - boolean withDerivatives, - int pyrBorder)
      -
      Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
      -
      -
      Parameters:
      -
      img - 8-bit input image.
      -
      pyramid - output pyramid.
      -
      winSize - window size of optical flow algorithm. Must be not less than winSize argument of - calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels.
      -
      maxLevel - 0-based maximal pyramid level number.
      -
      withDerivatives - set to precompute gradients for the every pyramid level. If pyramid is - constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally.
      -
      pyrBorder - the border mode for pyramid layers. - to force data copying.
      -
      Returns:
      -
      number of levels in constructed pyramid. Can be less than maxLevel.
      -
      -
      -
      • -
    • -
      -

      buildOpticalFlowPyramid

      -
      public static int buildOpticalFlowPyramid(Mat img, - List<Mat> pyramid, - Size winSize, - int maxLevel, - boolean withDerivatives)
      -
      Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
      -
      -
      Parameters:
      -
      img - 8-bit input image.
      -
      pyramid - output pyramid.
      -
      winSize - window size of optical flow algorithm. Must be not less than winSize argument of - calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels.
      -
      maxLevel - 0-based maximal pyramid level number.
      -
      withDerivatives - set to precompute gradients for the every pyramid level. If pyramid is - constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - to force data copying.
      -
      Returns:
      -
      number of levels in constructed pyramid. Can be less than maxLevel.
      -
      -
      -
      • -
    • -
      -

      buildOpticalFlowPyramid

      -
      public static int buildOpticalFlowPyramid(Mat img, - List<Mat> pyramid, - Size winSize, - int maxLevel)
      -
      Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK.
      -
      -
      Parameters:
      -
      img - 8-bit input image.
      -
      pyramid - output pyramid.
      -
      winSize - window size of optical flow algorithm. Must be not less than winSize argument of - calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels.
      -
      maxLevel - 0-based maximal pyramid level number. - constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - to force data copying.
      -
      Returns:
      -
      number of levels in constructed pyramid. Can be less than maxLevel.
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err, - Size winSize, - int maxLevel, - TermCriteria criteria, - int flags, - double minEigThreshold)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases).
      -
      winSize - size of the search window at each pyramid level.
      -
      maxLevel - 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel.
      -
      criteria - parameter, specifying the termination criteria of the iterative search algorithm - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon.
      -
      flags - operation flags: -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      -
      minEigThreshold - the algorithm calculates the minimum eigen value of a 2x2 normal matrix of - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err, - Size winSize, - int maxLevel, - TermCriteria criteria, - int flags)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases).
      -
      winSize - size of the search window at each pyramid level.
      -
      maxLevel - 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel.
      -
      criteria - parameter, specifying the termination criteria of the iterative search algorithm - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon.
      -
      flags - operation flags: -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err, - Size winSize, - int maxLevel, - TermCriteria criteria)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases).
      -
      winSize - size of the search window at each pyramid level.
      -
      maxLevel - 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel.
      -
      criteria - parameter, specifying the termination criteria of the iterative search algorithm - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon. -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err, - Size winSize, - int maxLevel)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases).
      -
      winSize - size of the search window at each pyramid level.
      -
      maxLevel - 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel. - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon. -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err, - Size winSize)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases).
      -
      winSize - size of the search window at each pyramid level. - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel. - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon. -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowPyrLK

      -
      public static void calcOpticalFlowPyrLK(Mat prevImg, - Mat nextImg, - MatOfPoint2f prevPts, - MatOfPoint2f nextPts, - MatOfByte status, - MatOfFloat err)
      -
      Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - pyramids.
      -
      -
      Parameters:
      -
      prevImg - first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid.
      -
      nextImg - second input image or pyramid of the same size and the same type as prevImg.
      -
      prevPts - vector of 2D points for which the flow needs to be found; point coordinates must be - single-precision floating-point numbers.
      -
      nextPts - output vector of 2D points (with single-precision floating-point coordinates) - containing the calculated new positions of input features in the second image; when - OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input.
      -
      status - output status vector (of unsigned chars); each element of the vector is set to 1 if - the flow for the corresponding features has been found, otherwise, it is set to 0.
      -
      err - output vector of errors; each element of the vector is set to an error for the - corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - found then the error is not defined (use the status parameter to find such cases). - level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - algorithm will use as many levels as pyramids have but no more than maxLevel. - (after the specified maximum number of iterations criteria.maxCount or when the search window - moves by less than criteria.epsilon. -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - not set, then prevPts is copied to nextPts and is considered the initial estimate. -
        • -
      • - OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - minEigThreshold description); if the flag is not set, then L1 distance between patches - around the original and a moved point, divided by number of pixels in a window, is used as a - error measure. -
        • -
      - optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - performance boost. - - The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - CITE: Bouguet00 . The function is parallelized with the TBB library. - - Note: Some examples: - -
        -
      • - An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/cpp/lkdemo.cpp -
        • -
      • - (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - opencv_source_code/samples/python/lk_track.py -
        • -
      • - (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - opencv_source_code/samples/python/lk_homography.py -
        • -
      -
      -
      -
      • -
    • -
      -

      calcOpticalFlowFarneback

      -
      public static void calcOpticalFlowFarneback(Mat prev, - Mat next, - Mat flow, - double pyr_scale, - int levels, - int winsize, - int iterations, - int poly_n, - double poly_sigma, - int flags)
      -
      Computes a dense optical flow using the Gunnar Farneback's algorithm.
      -
      -
      Parameters:
      -
      prev - first 8-bit single-channel input image.
      -
      next - second input image of the same size and the same type as prev.
      -
      flow - computed flow image that has the same size as prev and type CV_32FC2.
      -
      pyr_scale - parameter, specifying the image scale (<1) to build pyramids for each image; - pyr_scale=0.5 means a classical pyramid, where each next layer is twice smaller than the previous - one.
      -
      levels - number of pyramid layers including the initial image; levels=1 means that no extra - layers are created and only the original images are used.
      -
      winsize - averaging window size; larger values increase the algorithm robustness to image - noise and give more chances for fast motion detection, but yield more blurred motion field.
      -
      iterations - number of iterations the algorithm does at each pyramid level.
      -
      poly_n - size of the pixel neighborhood used to find polynomial expansion in each pixel; - larger values mean that the image will be approximated with smoother surfaces, yielding more - robust algorithm and more blurred motion field, typically poly_n =5 or 7.
      -
      poly_sigma - standard deviation of the Gaussian that is used to smooth derivatives used as a - basis for the polynomial expansion; for poly_n=5, you can set poly_sigma=1.1, for poly_n=7, a - good value would be poly_sigma=1.5.
      -
      flags - operation flags that can be a combination of the following: -
        -
      • - OPTFLOW_USE_INITIAL_FLOW uses the input flow as an initial flow approximation. -
        • -
      • - OPTFLOW_FARNEBACK_GAUSSIAN uses the Gaussian \(\texttt{winsize}\times\texttt{winsize}\) - filter instead of a box filter of the same size for optical flow estimation; usually, this - option gives z more accurate flow than with a box filter, at the cost of lower speed; - normally, winsize for a Gaussian window should be set to a larger value to achieve the same - level of robustness. -
        • -
      - - The function finds an optical flow for each prev pixel using the CITE: Farneback2003 algorithm so that - - \(\texttt{prev} (y,x) \sim \texttt{next} ( y + \texttt{flow} (y,x)[1], x + \texttt{flow} (y,x)[0])\) - - Note: Some examples: - -
        -
      • - An example using the optical flow algorithm described by Gunnar Farneback can be found at - opencv_source_code/samples/cpp/fback.cpp -
        • -
      • - (Python) An example using the optical flow algorithm described by Gunnar Farneback can be - found at opencv_source_code/samples/python/opt_flow.py -
        • -
      -
      -
      -
      • -
    • -
      -

      computeECC

      -
      public static double computeECC(Mat templateImage, - Mat inputImage, - Mat inputMask)
      -
      Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 .
      -
      -
      Parameters:
      -
      templateImage - single-channel template image; CV_8U or CV_32F array.
      -
      inputImage - single-channel input image to be warped to provide an image similar to - templateImage, same type as templateImage.
      -
      inputMask - An optional mask to indicate valid values of inputImage. - - SEE: - findTransformECC
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      computeECC

      -
      public static double computeECC(Mat templateImage, - Mat inputImage)
      -
      Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 .
      -
      -
      Parameters:
      -
      templateImage - single-channel template image; CV_8U or CV_32F array.
      -
      inputImage - single-channel input image to be warped to provide an image similar to - templateImage, same type as templateImage. - - SEE: - findTransformECC
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findTransformECC

      -
      public static double findTransformECC(Mat templateImage, - Mat inputImage, - Mat warpMatrix, - int motionType, - TermCriteria criteria, - Mat inputMask, - int gaussFiltSize)
      -
      Finds the geometric transform (warp) between two images in terms of the ECC criterion CITE: EP08 .
      -
      -
      Parameters:
      -
      templateImage - single-channel template image; CV_8U or CV_32F array.
      -
      inputImage - single-channel input image which should be warped with the final warpMatrix in - order to provide an image similar to templateImage, same type as templateImage.
      -
      warpMatrix - floating-point \(2\times 3\) or \(3\times 3\) mapping matrix (warp).
      -
      motionType - parameter, specifying the type of motion: -
        -
      • - MOTION_TRANSLATION sets a translational motion model; warpMatrix is \(2\times 3\) with - the first \(2\times 2\) part being the unity matrix and the rest two parameters being - estimated. -
        • -
      • - MOTION_EUCLIDEAN sets a Euclidean (rigid) transformation as motion model; three - parameters are estimated; warpMatrix is \(2\times 3\). -
        • -
      • - MOTION_AFFINE sets an affine motion model (DEFAULT); six parameters are estimated; - warpMatrix is \(2\times 3\). -
        • -
      • - MOTION_HOMOGRAPHY sets a homography as a motion model; eight parameters are - estimated;\warpMatrix\ is \(3\times 3\). -
        • -
      -
      criteria - parameter, specifying the termination criteria of the ECC algorithm; - criteria.epsilon defines the threshold of the increment in the correlation coefficient between two - iterations (a negative criteria.epsilon makes criteria.maxcount the only termination criterion). - Default values are shown in the declaration above.
      -
      inputMask - An optional mask to indicate valid values of inputImage.
      -
      gaussFiltSize - An optional value indicating size of gaussian blur filter; (DEFAULT: 5) - - The function estimates the optimum transformation (warpMatrix) with respect to ECC criterion - (CITE: EP08), that is - - \(\texttt{warpMatrix} = \arg\max_{W} \texttt{ECC}(\texttt{templateImage}(x,y),\texttt{inputImage}(x',y'))\) - - where - - \(\begin{bmatrix} x' \\ y' \end{bmatrix} = W \cdot \begin{bmatrix} x \\ y \\ 1 \end{bmatrix}\) - - (the equation holds with homogeneous coordinates for homography). It returns the final enhanced - correlation coefficient, that is the correlation coefficient between the template image and the - final warped input image. When a \(3\times 3\) matrix is given with motionType =0, 1 or 2, the third - row is ignored. - - Unlike findHomography and estimateRigidTransform, the function findTransformECC implements an - area-based alignment that builds on intensity similarities. In essence, the function updates the - initial transformation that roughly aligns the images. If this information is missing, the identity - warp (unity matrix) is used as an initialization. Note that if images undergo strong - displacements/rotations, an initial transformation that roughly aligns the images is necessary - (e.g., a simple euclidean/similarity transform that allows for the images showing the same image - content approximately). Use inverse warping in the second image to take an image close to the first - one, i.e. use the flag WARP_INVERSE_MAP with warpAffine or warpPerspective. See also the OpenCV - sample image_alignment.cpp that demonstrates the use of the function. Note that the function throws - an exception if algorithm does not converges. - - SEE: - computeECC, estimateAffine2D, estimateAffinePartial2D, findHomography
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      findTransformECC

      -
      public static double findTransformECC(Mat templateImage, - Mat inputImage, - Mat warpMatrix, - int motionType, - TermCriteria criteria, - Mat inputMask)
      -
      -
      • -
    • -
      -

      findTransformECC

      -
      public static double findTransformECC(Mat templateImage, - Mat inputImage, - Mat warpMatrix, - int motionType, - TermCriteria criteria)
      -
      -
      • -
    • -
      -

      findTransformECC

      -
      public static double findTransformECC(Mat templateImage, - Mat inputImage, - Mat warpMatrix, - int motionType)
      -
      -
      • -
    • -
      -

      findTransformECC

      -
      public static double findTransformECC(Mat templateImage, - Mat inputImage, - Mat warpMatrix)
      -
      -
      • -
    • -
      -

      readOpticalFlow

      -
      public static Mat readOpticalFlow(String path)
      -
      Read a .flo file
      -
      -
      Parameters:
      -
      path - Path to the file to be loaded - - The function readOpticalFlow loads a flow field from a file and returns it as a single matrix. - Resulting Mat has a type CV_32FC2 - floating-point, 2-channel. First channel corresponds to the - flow in the horizontal direction (u), second - vertical (v).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      writeOpticalFlow

      -
      public static boolean writeOpticalFlow(String path, - Mat flow)
      -
      Write a .flo to disk
      -
      -
      Parameters:
      -
      path - Path to the file to be written
      -
      flow - Flow field to be stored - - The function stores a flow field in a file, returns true on success, false otherwise. - The flow field must be a 2-channel, floating-point matrix (CV_32FC2). First channel corresponds - to the flow in the horizontal direction (u), second - vertical (v).
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-summary.html deleted file mode 100644 index ea6470779f..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-summary.html +++ /dev/null @@ -1,184 +0,0 @@ - - - - -org.opencv.video (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.video

-
-
-
package org.opencv.video
-
- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-tree.html deleted file mode 100644 index 0f4f981e25..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/video/package-tree.html +++ /dev/null @@ -1,122 +0,0 @@ - - - - -org.opencv.video Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.video

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/IStreamReader.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/IStreamReader.html deleted file mode 100644 index 749458e407..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/IStreamReader.html +++ /dev/null @@ -1,199 +0,0 @@ - - - - -IStreamReader (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.videoio
-

Class IStreamReader

-
-
java.lang.Object -
org.opencv.videoio.IStreamReader
-
-
-
-
public class IStreamReader -extends Object
-
Read data stream interface
-
-
- -
-
-
    - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static IStreamReader __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      read

      -
      public long read(byte[] buffer, - long size)
      -
      Read bytes from stream
      -
      -
      Parameters:
      -
      buffer - already allocated buffer of at least size bytes
      -
      size - maximum number of bytes to read
      -
      Returns:
      -
      actual number of read bytes
      -
      -
      -
      • -
    • -
      -

      seek

      -
      public long seek(long offset, - int origin)
      -
      Sets the stream position
      -
      -
      Parameters:
      -
      offset - Seek offset
      -
      origin - SEEK_SET / SEEK_END / SEEK_CUR - - SEE: fseek
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoCapture.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoCapture.html deleted file mode 100644 index 5d380e94d8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoCapture.html +++ /dev/null @@ -1,871 +0,0 @@ - - - - -VideoCapture (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.videoio
-

Class VideoCapture

-
-
java.lang.Object -
org.opencv.videoio.VideoCapture
-
-
-
-
public class VideoCapture -extends Object
-
Class for video capturing from video files, image sequences or cameras. - - The class provides C++ API for capturing video from cameras or for reading video files and image sequences. - - Here is how the class can be used: - INCLUDE: samples/cpp/videocapture_basic.cpp - - Note: In REF: videoio_c "C API" the black-box structure CvCapture is used instead of %VideoCapture. - Note: -
    -
  • - (C++) A basic sample on using the %VideoCapture interface can be found at - OPENCV_SOURCE_CODE/samples/cpp/videocapture_starter.cpp -
    • -
  • - (Python) A basic sample on using the %VideoCapture interface can be found at - OPENCV_SOURCE_CODE/samples/python/video.py -
    • -
  • - (Python) A multi threaded video processing sample can be found at - OPENCV_SOURCE_CODE/samples/python/video_threaded.py -
    • -
  • - (Python) %VideoCapture sample showcasing some features of the Video4Linux2 backend - OPENCV_SOURCE_CODE/samples/python/video_v4l2.py -
    • -
-
-
-
    - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    VideoCapture()
    -
    -
    Default constructor - Note: In REF: videoio_c "C API", when you finished working with video, release CvCapture structure with - cvReleaseCapture(), or use Ptr<CvCapture> that calls cvReleaseCapture() automatically in the - destructor.
    -
    -
    VideoCapture(int index)
    -
    -
    Opens a camera for video capturing
    -
    -
    VideoCapture(int index, - int apiPreference)
    -
    -
    Opens a camera for video capturing
    -
    -
    VideoCapture(int index, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a camera for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
    -
    -
    VideoCapture(String filename)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
    -
    -
    VideoCapture(String filename, - int apiPreference)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
    -
    -
    VideoCapture(String filename, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
    -
    -
    VideoCapture(IStreamReader source, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a video using data stream.
    -
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static VideoCapture
    -
    __fromPtr__(long addr)
    -
     
    -
    double
    -
    get(int propId)
    -
    -
    Returns the specified VideoCapture property
    -
    -
    String
    -
    getBackendName()
    -
    -
    Returns used backend API name - - Note: Stream should be opened.
    -
    -
    boolean
    -
    getExceptionMode()
    -
     
    -
    long
    -
    getNativeObjAddr()
    -
     
    -
    boolean
    -
    grab()
    -
    -
    Grabs the next frame from video file or capturing device.
    -
    -
    boolean
    -
    isOpened()
    -
    -
    Returns true if video capturing has been initialized already.
    -
    -
    boolean
    -
    open(int index)
    -
    -
    Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
    -
    -
    boolean
    -
    open(int index, - int apiPreference)
    -
    -
    Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
    -
    -
    boolean
    -
    open(int index, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a camera for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
    -
    -
    boolean
    -
    open(String filename)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing.
    -
    -
    boolean
    -
    open(String filename, - int apiPreference)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing.
    -
    -
    boolean
    -
    open(String filename, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...).
    -
    -
    boolean
    -
    open(IStreamReader source, - int apiPreference, - MatOfInt params)
    -
    -
    Opens a video using data stream.
    -
    -
    boolean
    -
    read(Mat image)
    -
    -
    Grabs, decodes and returns the next video frame.
    -
    -
    void
    -
    release()
    -
    -
    Closes video file or capturing device.
    -
    -
    boolean
    -
    retrieve(Mat image)
    -
    -
    Decodes and returns the grabbed video frame.
    -
    -
    boolean
    -
    retrieve(Mat image, - int flag)
    -
    -
    Decodes and returns the grabbed video frame.
    -
    -
    boolean
    -
    set(int propId, - double value)
    -
    -
    Sets a property in the VideoCapture.
    -
    -
    void
    -
    setExceptionMode(boolean enable)
    -
    -
    Switches exceptions mode - - methods raise exceptions if not successful instead of returning an error code
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      VideoCapture

      -
      public VideoCapture()
      -
      Default constructor - Note: In REF: videoio_c "C API", when you finished working with video, release CvCapture structure with - cvReleaseCapture(), or use Ptr<CvCapture> that calls cvReleaseCapture() automatically in the - destructor.
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(String filename, - int apiPreference)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
      -
      -
      Parameters:
      -
      filename - it can be: -
        -
      • - name of video file (eg. video.avi) -
        • -
      • - or image sequence (eg. img_%02d.jpg, which will read samples like img_00.jpg, img_01.jpg, img_02.jpg, ...) -
        • -
      • - or URL of video stream (eg. protocol://host:port/script_name?script_params|auth) -
        • -
      • - or GStreamer pipeline string in gst-launch tool format in case if GStreamer is used as backend - Note that each video stream or IP camera feed has its own URL scheme. Please refer to the - documentation of source stream to know the right URL. -
        • -
      -
      apiPreference - preferred Capture API backends to use. Can be used to enforce a specific reader - implementation if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_IMAGES or cv::CAP_DSHOW. - - SEE: cv::VideoCaptureAPIs
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(String filename)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing with API Preference
      -
      -
      Parameters:
      -
      filename - it can be: -
        -
      • - name of video file (eg. video.avi) -
        • -
      • - or image sequence (eg. img_%02d.jpg, which will read samples like img_00.jpg, img_01.jpg, img_02.jpg, ...) -
        • -
      • - or URL of video stream (eg. protocol://host:port/script_name?script_params|auth) -
        • -
      • - or GStreamer pipeline string in gst-launch tool format in case if GStreamer is used as backend - Note that each video stream or IP camera feed has its own URL scheme. Please refer to the - documentation of source stream to know the right URL. -
        • -
      - implementation if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_IMAGES or cv::CAP_DSHOW. - - SEE: cv::VideoCaptureAPIs
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(String filename, - int apiPreference, - MatOfInt params)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(int index, - int apiPreference)
      -
      Opens a camera for video capturing
      -
      -
      Parameters:
      -
      index - id of the video capturing device to open. To open default camera using default backend just pass 0. - (to backward compatibility usage of camera_id + domain_offset (CAP_*) is valid when apiPreference is CAP_ANY)
      -
      apiPreference - preferred Capture API backends to use. Can be used to enforce a specific reader - implementation if multiple are available: e.g. cv::CAP_DSHOW or cv::CAP_MSMF or cv::CAP_V4L. - - SEE: cv::VideoCaptureAPIs
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(int index)
      -
      Opens a camera for video capturing
      -
      -
      Parameters:
      -
      index - id of the video capturing device to open. To open default camera using default backend just pass 0. - (to backward compatibility usage of camera_id + domain_offset (CAP_*) is valid when apiPreference is CAP_ANY) - implementation if multiple are available: e.g. cv::CAP_DSHOW or cv::CAP_MSMF or cv::CAP_V4L. - - SEE: cv::VideoCaptureAPIs
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(int index, - int apiPreference, - MatOfInt params)
      -
      Opens a camera for video capturing with API Preference and parameters - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      index - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      -
      -
      • -
    • -
      -

      VideoCapture

      -
      public VideoCapture(IStreamReader source, - int apiPreference, - MatOfInt params)
      -
      Opens a video using data stream. - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      source - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static VideoCapture __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int apiPreference)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing. - - - - Parameters are same as the constructor VideoCapture(const String& filename, int apiPreference = CAP_ANY)
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      apiPreference - automatically generated
      -
      Returns:
      -
      true if the file has been successfully opened - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing. - - - - Parameters are same as the constructor VideoCapture(const String& filename, int apiPreference = CAP_ANY)
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      Returns:
      -
      true if the file has been successfully opened - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int apiPreference, - MatOfInt params)
      -
      Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      Returns:
      -
      true if the file has been successfully opened - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(int index, - int apiPreference)
      -
      Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
      -
      -
      Parameters:
      -
      index - automatically generated
      -
      apiPreference - automatically generated
      -
      Returns:
      -
      true if the camera has been successfully opened. - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(int index)
      -
      Opens a camera for video capturing - - - - Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY)
      -
      -
      Parameters:
      -
      index - automatically generated
      -
      Returns:
      -
      true if the camera has been successfully opened. - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(int index, - int apiPreference, - MatOfInt params)
      -
      Opens a camera for video capturing with API Preference and parameters - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      index - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      Returns:
      -
      true if the camera has been successfully opened. - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(IStreamReader source, - int apiPreference, - MatOfInt params)
      -
      Opens a video using data stream. - - - - The params parameter allows to specify extra parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - See cv::VideoCaptureProperties
      -
      -
      Parameters:
      -
      source - automatically generated
      -
      apiPreference - automatically generated
      -
      params - automatically generated
      -
      Returns:
      -
      true if the file has been successfully opened - - The method first calls VideoCapture::release to close the already opened file or camera.
      -
      -
      -
      • -
    • -
      -

      isOpened

      -
      public boolean isOpened()
      -
      Returns true if video capturing has been initialized already. - - If the previous call to VideoCapture constructor or VideoCapture::open() succeeded, the method returns - true.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      release

      -
      public void release()
      -
      Closes video file or capturing device. - - The method is automatically called by subsequent VideoCapture::open and by VideoCapture - destructor. - - The C function also deallocates memory and clears \*capture pointer.
      -
      -
      • -
    • -
      -

      grab

      -
      public boolean grab()
      -
      Grabs the next frame from video file or capturing device.
      -
      -
      Returns:
      -
      true (non-zero) in the case of success. - - The method/function grabs the next frame from video file or camera and returns true (non-zero) in - the case of success. - - The primary use of the function is in multi-camera environments, especially when the cameras do not - have hardware synchronization. That is, you call VideoCapture::grab() for each camera and after that - call the slower method VideoCapture::retrieve() to decode and get frame from each camera. This way - the overhead on demosaicing or motion jpeg decompression etc. is eliminated and the retrieved frames - from different cameras will be closer in time. - - Also, when a connected camera is multi-head (for example, a stereo camera or a Kinect device), the - correct way of retrieving data from it is to call VideoCapture::grab() first and then call - VideoCapture::retrieve() one or more times with different values of the channel parameter. - - REF: tutorial_kinect_openni
      -
      -
      -
      • -
    • -
      -

      retrieve

      -
      public boolean retrieve(Mat image, - int flag)
      -
      Decodes and returns the grabbed video frame.
      -
      -
      Parameters:
      -
      flag - it could be a frame index or a driver specific flag
      -
      image - automatically generated
      -
      Returns:
      -
      false if no frames has been grabbed - - The method decodes and returns the just grabbed frame. If no frames has been grabbed - (camera has been disconnected, or there are no more frames in video file), the method returns false - and the function returns an empty image (with %cv::Mat, test it with Mat::empty()). - - SEE: read() - - Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - capturing structure. It is not allowed to modify or release the image! You can copy the frame using - cvCloneImage and then do whatever you want with the copy.
      -
      -
      -
      • -
    • -
      -

      retrieve

      -
      public boolean retrieve(Mat image)
      -
      Decodes and returns the grabbed video frame.
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      Returns:
      -
      false if no frames has been grabbed - - The method decodes and returns the just grabbed frame. If no frames has been grabbed - (camera has been disconnected, or there are no more frames in video file), the method returns false - and the function returns an empty image (with %cv::Mat, test it with Mat::empty()). - - SEE: read() - - Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - capturing structure. It is not allowed to modify or release the image! You can copy the frame using - cvCloneImage and then do whatever you want with the copy.
      -
      -
      -
      • -
    • -
      -

      read

      -
      public boolean read(Mat image)
      -
      Grabs, decodes and returns the next video frame.
      -
      -
      Parameters:
      -
      image - automatically generated
      -
      Returns:
      -
      false if no frames has been grabbed - - The method/function combines VideoCapture::grab() and VideoCapture::retrieve() in one call. This is the - most convenient method for reading video files or capturing data from decode and returns the just - grabbed frame. If no frames has been grabbed (camera has been disconnected, or there are no more - frames in video file), the method returns false and the function returns empty image (with %cv::Mat, test it with Mat::empty()). - - Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - capturing structure. It is not allowed to modify or release the image! You can copy the frame using - cvCloneImage and then do whatever you want with the copy.
      -
      -
      -
      • -
    • -
      -

      set

      -
      public boolean set(int propId, - double value)
      -
      Sets a property in the VideoCapture.
      -
      -
      Parameters:
      -
      propId - Property identifier from cv::VideoCaptureProperties (eg. cv::CAP_PROP_POS_MSEC, cv::CAP_PROP_POS_FRAMES, ...) - or one from REF: videoio_flags_others
      -
      value - Value of the property.
      -
      Returns:
      -
      true if the property is supported by backend used by the VideoCapture instance. - Note: Even if it returns true this doesn't ensure that the property - value has been accepted by the capture device. See note in VideoCapture::get()
      -
      -
      -
      • -
    • -
      -

      get

      -
      public double get(int propId)
      -
      Returns the specified VideoCapture property
      -
      -
      Parameters:
      -
      propId - Property identifier from cv::VideoCaptureProperties (eg. cv::CAP_PROP_POS_MSEC, cv::CAP_PROP_POS_FRAMES, ...) - or one from REF: videoio_flags_others
      -
      Returns:
      -
      Value for the specified property. Value 0 is returned when querying a property that is - not supported by the backend used by the VideoCapture instance. - - Note: Reading / writing properties involves many layers. Some unexpected result might happens - along this chain. - - VideoCapture -> API Backend -> Operating System -> Device Driver -> Device Hardware - - The returned value might be different from what really used by the device or it could be encoded - using device dependent rules (eg. steps or percentage). Effective behaviour depends from device - driver and API Backend
      -
      -
      -
      • -
    • -
      -

      getBackendName

      -
      public String getBackendName()
      -
      Returns used backend API name - - Note: Stream should be opened.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      setExceptionMode

      -
      public void setExceptionMode(boolean enable)
      -
      Switches exceptions mode - - methods raise exceptions if not successful instead of returning an error code
      -
      -
      Parameters:
      -
      enable - automatically generated
      -
      -
      -
      • -
    • -
      -

      getExceptionMode

      -
      public boolean getExceptionMode()
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoWriter.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoWriter.html deleted file mode 100644 index bf9c9354a8..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/VideoWriter.html +++ /dev/null @@ -1,695 +0,0 @@ - - - - -VideoWriter (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.videoio
-

Class VideoWriter

-
-
java.lang.Object -
org.opencv.videoio.VideoWriter
-
-
-
-
public class VideoWriter -extends Object
-
Video writer class. - - The class provides C++ API for writing video files or image sequences.
-
-
-
    - -
  • -
    -

    Constructor Summary

    -
    Constructors
    -
    -
    Constructor
    -
    Description
    -
    VideoWriter()
    -
    -
    Default constructors - - The constructors/functions initialize video writers.
    -
    -
    VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize)
    -
     
    -
    VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
    -
     
    -
    VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
    -
    -
    The params parameter allows to specify extra encoder parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...
    -
    -
    VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize)
    -
    -
    The apiPreference parameter allows to specify API backends to use.
    -
    -
    VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
    -
    -
    The apiPreference parameter allows to specify API backends to use.
    -
    -
    VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
    -
     
    -
    -
    -
    • - -
  • -
    -

    Method Summary

    -
    -
    -
    -
    -
    Modifier and Type
    -
    Method
    -
    Description
    -
    static VideoWriter
    -
    __fromPtr__(long addr)
    -
     
    -
    static int
    -
    fourcc(char c1, - char c2, - char c3, - char c4)
    -
    -
    Concatenates 4 chars to a fourcc code
    -
    -
    double
    -
    get(int propId)
    -
    -
    Returns the specified VideoWriter property
    -
    -
    String
    -
    getBackendName()
    -
    -
    Returns used backend API name - - Note: Stream should be opened.
    -
    -
    long
    -
    getNativeObjAddr()
    -
     
    -
    boolean
    -
    isOpened()
    -
    -
    Returns true if video writer has been successfully initialized.
    -
    -
    boolean
    -
    open(String filename, - int fourcc, - double fps, - Size frameSize)
    -
    -
    Initializes or reinitializes video writer.
    -
    -
    boolean
    -
    open(String filename, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
    -
    -
    Initializes or reinitializes video writer.
    -
    -
    boolean
    -
    open(String filename, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
    -
     
    -
    boolean
    -
    open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize)
    -
     
    -
    boolean
    -
    open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
    -
     
    -
    boolean
    -
    open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
    -
     
    -
    void
    -
    release()
    -
    -
    Closes the video writer.
    -
    -
    boolean
    -
    set(int propId, - double value)
    -
    -
    Sets a property in the VideoWriter.
    -
    -
    void
    -
    write(Mat image)
    -
    -
    Writes the next video frame
    -
    -
    -
    -
    -
    -

    Methods inherited from class java.lang.Object

    -equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait
    -
    -
    • -
-
-
-
    - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      VideoWriter

      -
      public VideoWriter()
      -
      Default constructors - - The constructors/functions initialize video writers. -
        -
      • - On Linux FFMPEG is used to write videos; -
        • -
      • - On Windows FFMPEG or MSWF or DSHOW is used; -
        • -
      • - On MacOSX AVFoundation is used. -
        • -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
      -
      -
      Parameters:
      -
      filename - Name of the output video file.
      -
      fourcc - 4-character code of codec used to compress the frames. For example, - VideoWriter::fourcc('P','I','M','1') is a MPEG-1 codec, VideoWriter::fourcc('M','J','P','G') - is a motion-jpeg codec etc. List of codes can be obtained at - [MSDN](https://docs.microsoft.com/en-us/windows/win32/medfound/video-fourccs) page - or with this [page](https://fourcc.org/codecs.php) - of the fourcc site for a more complete list). FFMPEG backend with MP4 container natively uses - other values as fourcc code: see [ObjectType](http://mp4ra.org/#/codecs), - so you may receive a warning message from OpenCV about fourcc code conversion.
      -
      fps - Framerate of the created video stream.
      -
      frameSize - Size of the video frames.
      -
      isColor - If it is not zero, the encoder will expect and encode color frames, otherwise it - will work with grayscale frames. - - Tips: -
        -
      • - With some backends fourcc=-1 pops up the codec selection dialog from the system. -
        • -
      • - To save image sequence use a proper filename (eg. img_%02d.jpg) and fourcc=0 - OR fps=0. Use uncompressed image format (eg. img_%02d.BMP) to save raw frames. -
        • -
      • - Most codecs are lossy. If you want lossless video file you need to use a lossless codecs - (eg. FFMPEG FFV1, Huffman HFYU, Lagarith LAGS, etc...) -
        • -
      • - If FFMPEG is enabled, using codec=0; fps=0; you can create an uncompressed (raw) video file. -
        • -
      • - If FFMPEG is used, we allow frames of odd width or height, but in this case we truncate - the rightmost column/the bottom row. Probably, this should be handled more elegantly, - but some internal functions inside FFMPEG swscale require even width/height. -
        • -
      -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize)
      -
      -
      Parameters:
      -
      filename - Name of the output video file.
      -
      fourcc - 4-character code of codec used to compress the frames. For example, - VideoWriter::fourcc('P','I','M','1') is a MPEG-1 codec, VideoWriter::fourcc('M','J','P','G') - is a motion-jpeg codec etc. List of codes can be obtained at - [MSDN](https://docs.microsoft.com/en-us/windows/win32/medfound/video-fourccs) page - or with this [page](https://fourcc.org/codecs.php) - of the fourcc site for a more complete list). FFMPEG backend with MP4 container natively uses - other values as fourcc code: see [ObjectType](http://mp4ra.org/#/codecs), - so you may receive a warning message from OpenCV about fourcc code conversion.
      -
      fps - Framerate of the created video stream.
      -
      frameSize - Size of the video frames. - will work with grayscale frames. - - Tips: -
        -
      • - With some backends fourcc=-1 pops up the codec selection dialog from the system. -
        • -
      • - To save image sequence use a proper filename (eg. img_%02d.jpg) and fourcc=0 - OR fps=0. Use uncompressed image format (eg. img_%02d.BMP) to save raw frames. -
        • -
      • - Most codecs are lossy. If you want lossless video file you need to use a lossless codecs - (eg. FFMPEG FFV1, Huffman HFYU, Lagarith LAGS, etc...) -
        • -
      • - If FFMPEG is enabled, using codec=0; fps=0; you can create an uncompressed (raw) video file. -
        • -
      • - If FFMPEG is used, we allow frames of odd width or height, but in this case we truncate - the rightmost column/the bottom row. Probably, this should be handled more elegantly, - but some internal functions inside FFMPEG swscale require even width/height. -
        • -
      -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
      -
      The apiPreference parameter allows to specify API backends to use. Can be used to enforce a specific reader implementation - if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_GSTREAMER.
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      apiPreference - automatically generated
      -
      fourcc - automatically generated
      -
      fps - automatically generated
      -
      frameSize - automatically generated
      -
      isColor - automatically generated
      -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize)
      -
      The apiPreference parameter allows to specify API backends to use. Can be used to enforce a specific reader implementation - if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_GSTREAMER.
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      apiPreference - automatically generated
      -
      fourcc - automatically generated
      -
      fps - automatically generated
      -
      frameSize - automatically generated
      -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
      -
      The params parameter allows to specify extra encoder parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) - see cv::VideoWriterProperties
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      fourcc - automatically generated
      -
      fps - automatically generated
      -
      frameSize - automatically generated
      -
      params - automatically generated
      -
      -
      -
      • -
    • -
      -

      VideoWriter

      -
      public VideoWriter(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getNativeObjAddr

      -
      public long getNativeObjAddr()
      -
      -
      • -
    • -
      -

      __fromPtr__

      -
      public static VideoWriter __fromPtr__(long addr)
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
      -
      Initializes or reinitializes video writer. - - The method opens video writer. Parameters are the same as in the constructor - VideoWriter::VideoWriter.
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      fourcc - automatically generated
      -
      fps - automatically generated
      -
      frameSize - automatically generated
      -
      isColor - automatically generated
      -
      Returns:
      -
      true if video writer has been successfully initialized - - The method first calls VideoWriter::release to close the already opened file.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int fourcc, - double fps, - Size frameSize)
      -
      Initializes or reinitializes video writer. - - The method opens video writer. Parameters are the same as in the constructor - VideoWriter::VideoWriter.
      -
      -
      Parameters:
      -
      filename - automatically generated
      -
      fourcc - automatically generated
      -
      fps - automatically generated
      -
      frameSize - automatically generated
      -
      Returns:
      -
      true if video writer has been successfully initialized - - The method first calls VideoWriter::release to close the already opened file.
      -
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - boolean isColor)
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize)
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
      -
      -
      • -
    • -
      -

      open

      -
      public boolean open(String filename, - int apiPreference, - int fourcc, - double fps, - Size frameSize, - MatOfInt params)
      -
      -
      • -
    • -
      -

      isOpened

      -
      public boolean isOpened()
      -
      Returns true if video writer has been successfully initialized.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      release

      -
      public void release()
      -
      Closes the video writer. - - The method is automatically called by subsequent VideoWriter::open and by the VideoWriter - destructor.
      -
      -
      • -
    • -
      -

      write

      -
      public void write(Mat image)
      -
      Writes the next video frame
      -
      -
      Parameters:
      -
      image - The written frame. In general, color images are expected in BGR format. - - The function/method writes the specified image to video file. It must have the same size as has - been specified when opening the video writer.
      -
      -
      -
      • -
    • -
      -

      set

      -
      public boolean set(int propId, - double value)
      -
      Sets a property in the VideoWriter.
      -
      -
      Parameters:
      -
      propId - Property identifier from cv::VideoWriterProperties (eg. cv::VIDEOWRITER_PROP_QUALITY) - or one of REF: videoio_flags_others
      -
      value - Value of the property.
      -
      Returns:
      -
      true if the property is supported by the backend used by the VideoWriter instance.
      -
      -
      -
      • -
    • -
      -

      get

      -
      public double get(int propId)
      -
      Returns the specified VideoWriter property
      -
      -
      Parameters:
      -
      propId - Property identifier from cv::VideoWriterProperties (eg. cv::VIDEOWRITER_PROP_QUALITY) - or one of REF: videoio_flags_others
      -
      Returns:
      -
      Value for the specified property. Value 0 is returned when querying a property that is - not supported by the backend used by the VideoWriter instance.
      -
      -
      -
      • -
    • -
      -

      fourcc

      -
      public static int fourcc(char c1, - char c2, - char c3, - char c4)
      -
      Concatenates 4 chars to a fourcc code
      -
      -
      Parameters:
      -
      c1 - automatically generated
      -
      c2 - automatically generated
      -
      c3 - automatically generated
      -
      c4 - automatically generated
      -
      Returns:
      -
      a fourcc code - - This static method constructs the fourcc code of the codec to be used in the constructor - VideoWriter::VideoWriter or VideoWriter::open.
      -
      -
      -
      • -
    • -
      -

      getBackendName

      -
      public String getBackendName()
      -
      Returns used backend API name - - Note: Stream should be opened.
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/Videoio.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/Videoio.html deleted file mode 100644 index 4e5c8324d6..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/Videoio.html +++ /dev/null @@ -1,7128 +0,0 @@ - - - - -Videoio (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
- -
-
Package org.opencv.videoio
-

Class Videoio

-
-
java.lang.Object -
org.opencv.videoio.Videoio
-
-
-
-
public class Videoio -extends Object
-
-
- -
-
-
    - -
  • -
    -

    Field Details

    -
      -
    • -
      -

      CAP_PROP_DC1394_OFF

      -
      public static final int CAP_PROP_DC1394_OFF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_DC1394_MODE_MANUAL

      -
      public static final int CAP_PROP_DC1394_MODE_MANUAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_DC1394_MODE_AUTO

      -
      public static final int CAP_PROP_DC1394_MODE_AUTO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_DC1394_MODE_ONE_PUSH_AUTO

      -
      public static final int CAP_PROP_DC1394_MODE_ONE_PUSH_AUTO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_DC1394_MAX

      -
      public static final int CAP_PROP_DC1394_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IMAGE_GENERATOR

      -
      public static final int CAP_OPENNI_IMAGE_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IR_GENERATOR

      -
      public static final int CAP_OPENNI_IR_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_GENERATORS_MASK

      -
      public static final int CAP_OPENNI_GENERATORS_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_OUTPUT_MODE

      -
      public static final int CAP_PROP_OPENNI_OUTPUT_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_FRAME_MAX_DEPTH

      -
      public static final int CAP_PROP_OPENNI_FRAME_MAX_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_BASELINE

      -
      public static final int CAP_PROP_OPENNI_BASELINE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_FOCAL_LENGTH

      -
      public static final int CAP_PROP_OPENNI_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_REGISTRATION

      -
      public static final int CAP_PROP_OPENNI_REGISTRATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_REGISTRATION_ON

      -
      public static final int CAP_PROP_OPENNI_REGISTRATION_ON
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_APPROX_FRAME_SYNC

      -
      public static final int CAP_PROP_OPENNI_APPROX_FRAME_SYNC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_MAX_BUFFER_SIZE

      -
      public static final int CAP_PROP_OPENNI_MAX_BUFFER_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_CIRCLE_BUFFER

      -
      public static final int CAP_PROP_OPENNI_CIRCLE_BUFFER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_MAX_TIME_DURATION

      -
      public static final int CAP_PROP_OPENNI_MAX_TIME_DURATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI_GENERATOR_PRESENT

      -
      public static final int CAP_PROP_OPENNI_GENERATOR_PRESENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI2_SYNC

      -
      public static final int CAP_PROP_OPENNI2_SYNC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPENNI2_MIRROR

      -
      public static final int CAP_PROP_OPENNI2_MIRROR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IMAGE_GENERATOR_PRESENT

      -
      public static final int CAP_OPENNI_IMAGE_GENERATOR_PRESENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IMAGE_GENERATOR_OUTPUT_MODE

      -
      public static final int CAP_OPENNI_IMAGE_GENERATOR_OUTPUT_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR_PRESENT

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR_PRESENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR_BASELINE

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR_BASELINE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR_FOCAL_LENGTH

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION_ON

      -
      public static final int CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION_ON
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IR_GENERATOR_PRESENT

      -
      public static final int CAP_OPENNI_IR_GENERATOR_PRESENT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DEPTH_MAP

      -
      public static final int CAP_OPENNI_DEPTH_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_POINT_CLOUD_MAP

      -
      public static final int CAP_OPENNI_POINT_CLOUD_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DISPARITY_MAP

      -
      public static final int CAP_OPENNI_DISPARITY_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_DISPARITY_MAP_32F

      -
      public static final int CAP_OPENNI_DISPARITY_MAP_32F
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_VALID_DEPTH_MASK

      -
      public static final int CAP_OPENNI_VALID_DEPTH_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_BGR_IMAGE

      -
      public static final int CAP_OPENNI_BGR_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_GRAY_IMAGE

      -
      public static final int CAP_OPENNI_GRAY_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_IR_IMAGE

      -
      public static final int CAP_OPENNI_IR_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_VGA_30HZ

      -
      public static final int CAP_OPENNI_VGA_30HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_SXGA_15HZ

      -
      public static final int CAP_OPENNI_SXGA_15HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_SXGA_30HZ

      -
      public static final int CAP_OPENNI_SXGA_30HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_QVGA_30HZ

      -
      public static final int CAP_OPENNI_QVGA_30HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_QVGA_60HZ

      -
      public static final int CAP_OPENNI_QVGA_60HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GSTREAMER_QUEUE_LENGTH

      -
      public static final int CAP_PROP_GSTREAMER_QUEUE_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_MULTICASTIP

      -
      public static final int CAP_PROP_PVAPI_MULTICASTIP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_FRAMESTARTTRIGGERMODE

      -
      public static final int CAP_PROP_PVAPI_FRAMESTARTTRIGGERMODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_DECIMATIONHORIZONTAL

      -
      public static final int CAP_PROP_PVAPI_DECIMATIONHORIZONTAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_DECIMATIONVERTICAL

      -
      public static final int CAP_PROP_PVAPI_DECIMATIONVERTICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_BINNINGX

      -
      public static final int CAP_PROP_PVAPI_BINNINGX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_BINNINGY

      -
      public static final int CAP_PROP_PVAPI_BINNINGY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PVAPI_PIXELFORMAT

      -
      public static final int CAP_PROP_PVAPI_PIXELFORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_FSTRIGMODE_FREERUN

      -
      public static final int CAP_PVAPI_FSTRIGMODE_FREERUN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_FSTRIGMODE_SYNCIN1

      -
      public static final int CAP_PVAPI_FSTRIGMODE_SYNCIN1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_FSTRIGMODE_SYNCIN2

      -
      public static final int CAP_PVAPI_FSTRIGMODE_SYNCIN2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_FSTRIGMODE_FIXEDRATE

      -
      public static final int CAP_PVAPI_FSTRIGMODE_FIXEDRATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_FSTRIGMODE_SOFTWARE

      -
      public static final int CAP_PVAPI_FSTRIGMODE_SOFTWARE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_DECIMATION_OFF

      -
      public static final int CAP_PVAPI_DECIMATION_OFF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_DECIMATION_2OUTOF4

      -
      public static final int CAP_PVAPI_DECIMATION_2OUTOF4
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_DECIMATION_2OUTOF8

      -
      public static final int CAP_PVAPI_DECIMATION_2OUTOF8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_DECIMATION_2OUTOF16

      -
      public static final int CAP_PVAPI_DECIMATION_2OUTOF16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_MONO8

      -
      public static final int CAP_PVAPI_PIXELFORMAT_MONO8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_MONO16

      -
      public static final int CAP_PVAPI_PIXELFORMAT_MONO16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_BAYER8

      -
      public static final int CAP_PVAPI_PIXELFORMAT_BAYER8
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_BAYER16

      -
      public static final int CAP_PVAPI_PIXELFORMAT_BAYER16
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_RGB24

      -
      public static final int CAP_PVAPI_PIXELFORMAT_RGB24
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_BGR24

      -
      public static final int CAP_PVAPI_PIXELFORMAT_BGR24
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_RGBA32

      -
      public static final int CAP_PVAPI_PIXELFORMAT_RGBA32
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI_PIXELFORMAT_BGRA32

      -
      public static final int CAP_PVAPI_PIXELFORMAT_BGRA32
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DOWNSAMPLING

      -
      public static final int CAP_PROP_XI_DOWNSAMPLING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DATA_FORMAT

      -
      public static final int CAP_PROP_XI_DATA_FORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_OFFSET_X

      -
      public static final int CAP_PROP_XI_OFFSET_X
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_OFFSET_Y

      -
      public static final int CAP_PROP_XI_OFFSET_Y
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TRG_SOURCE

      -
      public static final int CAP_PROP_XI_TRG_SOURCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TRG_SOFTWARE

      -
      public static final int CAP_PROP_XI_TRG_SOFTWARE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GPI_SELECTOR

      -
      public static final int CAP_PROP_XI_GPI_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GPI_MODE

      -
      public static final int CAP_PROP_XI_GPI_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GPI_LEVEL

      -
      public static final int CAP_PROP_XI_GPI_LEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GPO_SELECTOR

      -
      public static final int CAP_PROP_XI_GPO_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GPO_MODE

      -
      public static final int CAP_PROP_XI_GPO_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LED_SELECTOR

      -
      public static final int CAP_PROP_XI_LED_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LED_MODE

      -
      public static final int CAP_PROP_XI_LED_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_MANUAL_WB

      -
      public static final int CAP_PROP_XI_MANUAL_WB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AUTO_WB

      -
      public static final int CAP_PROP_XI_AUTO_WB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG

      -
      public static final int CAP_PROP_XI_AEAG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_EXP_PRIORITY

      -
      public static final int CAP_PROP_XI_EXP_PRIORITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AE_MAX_LIMIT

      -
      public static final int CAP_PROP_XI_AE_MAX_LIMIT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AG_MAX_LIMIT

      -
      public static final int CAP_PROP_XI_AG_MAX_LIMIT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG_LEVEL

      -
      public static final int CAP_PROP_XI_AEAG_LEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TIMEOUT

      -
      public static final int CAP_PROP_XI_TIMEOUT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_EXPOSURE

      -
      public static final int CAP_PROP_XI_EXPOSURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_EXPOSURE_BURST_COUNT

      -
      public static final int CAP_PROP_XI_EXPOSURE_BURST_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GAIN_SELECTOR

      -
      public static final int CAP_PROP_XI_GAIN_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GAIN

      -
      public static final int CAP_PROP_XI_GAIN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DOWNSAMPLING_TYPE

      -
      public static final int CAP_PROP_XI_DOWNSAMPLING_TYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BINNING_SELECTOR

      -
      public static final int CAP_PROP_XI_BINNING_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BINNING_VERTICAL

      -
      public static final int CAP_PROP_XI_BINNING_VERTICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BINNING_HORIZONTAL

      -
      public static final int CAP_PROP_XI_BINNING_HORIZONTAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BINNING_PATTERN

      -
      public static final int CAP_PROP_XI_BINNING_PATTERN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DECIMATION_SELECTOR

      -
      public static final int CAP_PROP_XI_DECIMATION_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DECIMATION_VERTICAL

      -
      public static final int CAP_PROP_XI_DECIMATION_VERTICAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DECIMATION_HORIZONTAL

      -
      public static final int CAP_PROP_XI_DECIMATION_HORIZONTAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DECIMATION_PATTERN

      -
      public static final int CAP_PROP_XI_DECIMATION_PATTERN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TEST_PATTERN_GENERATOR_SELECTOR

      -
      public static final int CAP_PROP_XI_TEST_PATTERN_GENERATOR_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TEST_PATTERN

      -
      public static final int CAP_PROP_XI_TEST_PATTERN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_DATA_FORMAT

      -
      public static final int CAP_PROP_XI_IMAGE_DATA_FORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SHUTTER_TYPE

      -
      public static final int CAP_PROP_XI_SHUTTER_TYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_TAPS

      -
      public static final int CAP_PROP_XI_SENSOR_TAPS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG_ROI_OFFSET_X

      -
      public static final int CAP_PROP_XI_AEAG_ROI_OFFSET_X
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG_ROI_OFFSET_Y

      -
      public static final int CAP_PROP_XI_AEAG_ROI_OFFSET_Y
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG_ROI_WIDTH

      -
      public static final int CAP_PROP_XI_AEAG_ROI_WIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AEAG_ROI_HEIGHT

      -
      public static final int CAP_PROP_XI_AEAG_ROI_HEIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BPC

      -
      public static final int CAP_PROP_XI_BPC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_WB_KR

      -
      public static final int CAP_PROP_XI_WB_KR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_WB_KG

      -
      public static final int CAP_PROP_XI_WB_KG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_WB_KB

      -
      public static final int CAP_PROP_XI_WB_KB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_WIDTH

      -
      public static final int CAP_PROP_XI_WIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HEIGHT

      -
      public static final int CAP_PROP_XI_HEIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_REGION_SELECTOR

      -
      public static final int CAP_PROP_XI_REGION_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_REGION_MODE

      -
      public static final int CAP_PROP_XI_REGION_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LIMIT_BANDWIDTH

      -
      public static final int CAP_PROP_XI_LIMIT_BANDWIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_DATA_BIT_DEPTH

      -
      public static final int CAP_PROP_XI_SENSOR_DATA_BIT_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_OUTPUT_DATA_BIT_DEPTH

      -
      public static final int CAP_PROP_XI_OUTPUT_DATA_BIT_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_DATA_BIT_DEPTH

      -
      public static final int CAP_PROP_XI_IMAGE_DATA_BIT_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_OUTPUT_DATA_PACKING

      -
      public static final int CAP_PROP_XI_OUTPUT_DATA_PACKING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_OUTPUT_DATA_PACKING_TYPE

      -
      public static final int CAP_PROP_XI_OUTPUT_DATA_PACKING_TYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IS_COOLED

      -
      public static final int CAP_PROP_XI_IS_COOLED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_COOLING

      -
      public static final int CAP_PROP_XI_COOLING
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TARGET_TEMP

      -
      public static final int CAP_PROP_XI_TARGET_TEMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CHIP_TEMP

      -
      public static final int CAP_PROP_XI_CHIP_TEMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HOUS_TEMP

      -
      public static final int CAP_PROP_XI_HOUS_TEMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HOUS_BACK_SIDE_TEMP

      -
      public static final int CAP_PROP_XI_HOUS_BACK_SIDE_TEMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_BOARD_TEMP

      -
      public static final int CAP_PROP_XI_SENSOR_BOARD_TEMP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CMS

      -
      public static final int CAP_PROP_XI_CMS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_APPLY_CMS

      -
      public static final int CAP_PROP_XI_APPLY_CMS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_IS_COLOR

      -
      public static final int CAP_PROP_XI_IMAGE_IS_COLOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_COLOR_FILTER_ARRAY

      -
      public static final int CAP_PROP_XI_COLOR_FILTER_ARRAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GAMMAY

      -
      public static final int CAP_PROP_XI_GAMMAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_GAMMAC

      -
      public static final int CAP_PROP_XI_GAMMAC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SHARPNESS

      -
      public static final int CAP_PROP_XI_SHARPNESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_00

      -
      public static final int CAP_PROP_XI_CC_MATRIX_00
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_01

      -
      public static final int CAP_PROP_XI_CC_MATRIX_01
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_02

      -
      public static final int CAP_PROP_XI_CC_MATRIX_02
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_03

      -
      public static final int CAP_PROP_XI_CC_MATRIX_03
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_10

      -
      public static final int CAP_PROP_XI_CC_MATRIX_10
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_11

      -
      public static final int CAP_PROP_XI_CC_MATRIX_11
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_12

      -
      public static final int CAP_PROP_XI_CC_MATRIX_12
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_13

      -
      public static final int CAP_PROP_XI_CC_MATRIX_13
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_20

      -
      public static final int CAP_PROP_XI_CC_MATRIX_20
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_21

      -
      public static final int CAP_PROP_XI_CC_MATRIX_21
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_22

      -
      public static final int CAP_PROP_XI_CC_MATRIX_22
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_23

      -
      public static final int CAP_PROP_XI_CC_MATRIX_23
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_30

      -
      public static final int CAP_PROP_XI_CC_MATRIX_30
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_31

      -
      public static final int CAP_PROP_XI_CC_MATRIX_31
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_32

      -
      public static final int CAP_PROP_XI_CC_MATRIX_32
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_CC_MATRIX_33

      -
      public static final int CAP_PROP_XI_CC_MATRIX_33
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEFAULT_CC_MATRIX

      -
      public static final int CAP_PROP_XI_DEFAULT_CC_MATRIX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TRG_SELECTOR

      -
      public static final int CAP_PROP_XI_TRG_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_FRAME_BURST_COUNT

      -
      public static final int CAP_PROP_XI_ACQ_FRAME_BURST_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEBOUNCE_EN

      -
      public static final int CAP_PROP_XI_DEBOUNCE_EN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEBOUNCE_T0

      -
      public static final int CAP_PROP_XI_DEBOUNCE_T0
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEBOUNCE_T1

      -
      public static final int CAP_PROP_XI_DEBOUNCE_T1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEBOUNCE_POL

      -
      public static final int CAP_PROP_XI_DEBOUNCE_POL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_MODE

      -
      public static final int CAP_PROP_XI_LENS_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_APERTURE_VALUE

      -
      public static final int CAP_PROP_XI_LENS_APERTURE_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FOCUS_MOVEMENT_VALUE

      -
      public static final int CAP_PROP_XI_LENS_FOCUS_MOVEMENT_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FOCUS_MOVE

      -
      public static final int CAP_PROP_XI_LENS_FOCUS_MOVE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FOCUS_DISTANCE

      -
      public static final int CAP_PROP_XI_LENS_FOCUS_DISTANCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FOCAL_LENGTH

      -
      public static final int CAP_PROP_XI_LENS_FOCAL_LENGTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FEATURE_SELECTOR

      -
      public static final int CAP_PROP_XI_LENS_FEATURE_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LENS_FEATURE

      -
      public static final int CAP_PROP_XI_LENS_FEATURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEVICE_MODEL_ID

      -
      public static final int CAP_PROP_XI_DEVICE_MODEL_ID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEVICE_SN

      -
      public static final int CAP_PROP_XI_DEVICE_SN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_DATA_FORMAT_RGB32_ALPHA

      -
      public static final int CAP_PROP_XI_IMAGE_DATA_FORMAT_RGB32_ALPHA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_PAYLOAD_SIZE

      -
      public static final int CAP_PROP_XI_IMAGE_PAYLOAD_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TRANSPORT_PIXEL_FORMAT

      -
      public static final int CAP_PROP_XI_TRANSPORT_PIXEL_FORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_CLOCK_FREQ_HZ

      -
      public static final int CAP_PROP_XI_SENSOR_CLOCK_FREQ_HZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_CLOCK_FREQ_INDEX

      -
      public static final int CAP_PROP_XI_SENSOR_CLOCK_FREQ_INDEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_OUTPUT_CHANNEL_COUNT

      -
      public static final int CAP_PROP_XI_SENSOR_OUTPUT_CHANNEL_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_FRAMERATE

      -
      public static final int CAP_PROP_XI_FRAMERATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_COUNTER_SELECTOR

      -
      public static final int CAP_PROP_XI_COUNTER_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_COUNTER_VALUE

      -
      public static final int CAP_PROP_XI_COUNTER_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_TIMING_MODE

      -
      public static final int CAP_PROP_XI_ACQ_TIMING_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AVAILABLE_BANDWIDTH

      -
      public static final int CAP_PROP_XI_AVAILABLE_BANDWIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BUFFER_POLICY

      -
      public static final int CAP_PROP_XI_BUFFER_POLICY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LUT_EN

      -
      public static final int CAP_PROP_XI_LUT_EN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LUT_INDEX

      -
      public static final int CAP_PROP_XI_LUT_INDEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_LUT_VALUE

      -
      public static final int CAP_PROP_XI_LUT_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TRG_DELAY

      -
      public static final int CAP_PROP_XI_TRG_DELAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TS_RST_MODE

      -
      public static final int CAP_PROP_XI_TS_RST_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_TS_RST_SOURCE

      -
      public static final int CAP_PROP_XI_TS_RST_SOURCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IS_DEVICE_EXIST

      -
      public static final int CAP_PROP_XI_IS_DEVICE_EXIST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_BUFFER_SIZE

      -
      public static final int CAP_PROP_XI_ACQ_BUFFER_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_BUFFER_SIZE_UNIT

      -
      public static final int CAP_PROP_XI_ACQ_BUFFER_SIZE_UNIT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_SIZE

      -
      public static final int CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_BUFFERS_QUEUE_SIZE

      -
      public static final int CAP_PROP_XI_BUFFERS_QUEUE_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_COMMIT

      -
      public static final int CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_COMMIT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_RECENT_FRAME

      -
      public static final int CAP_PROP_XI_RECENT_FRAME
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEVICE_RESET

      -
      public static final int CAP_PROP_XI_DEVICE_RESET
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_COLUMN_FPN_CORRECTION

      -
      public static final int CAP_PROP_XI_COLUMN_FPN_CORRECTION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_ROW_FPN_CORRECTION

      -
      public static final int CAP_PROP_XI_ROW_FPN_CORRECTION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_MODE

      -
      public static final int CAP_PROP_XI_SENSOR_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HDR

      -
      public static final int CAP_PROP_XI_HDR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HDR_KNEEPOINT_COUNT

      -
      public static final int CAP_PROP_XI_HDR_KNEEPOINT_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HDR_T1

      -
      public static final int CAP_PROP_XI_HDR_T1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HDR_T2

      -
      public static final int CAP_PROP_XI_HDR_T2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_KNEEPOINT1

      -
      public static final int CAP_PROP_XI_KNEEPOINT1
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_KNEEPOINT2

      -
      public static final int CAP_PROP_XI_KNEEPOINT2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_IMAGE_BLACK_LEVEL

      -
      public static final int CAP_PROP_XI_IMAGE_BLACK_LEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_HW_REVISION

      -
      public static final int CAP_PROP_XI_HW_REVISION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_DEBUG_LEVEL

      -
      public static final int CAP_PROP_XI_DEBUG_LEVEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_AUTO_BANDWIDTH_CALCULATION

      -
      public static final int CAP_PROP_XI_AUTO_BANDWIDTH_CALCULATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_FFS_FILE_ID

      -
      public static final int CAP_PROP_XI_FFS_FILE_ID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_FFS_FILE_SIZE

      -
      public static final int CAP_PROP_XI_FFS_FILE_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_FREE_FFS_SIZE

      -
      public static final int CAP_PROP_XI_FREE_FFS_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_USED_FFS_SIZE

      -
      public static final int CAP_PROP_XI_USED_FFS_SIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_FFS_ACCESS_KEY

      -
      public static final int CAP_PROP_XI_FFS_ACCESS_KEY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_FEATURE_SELECTOR

      -
      public static final int CAP_PROP_XI_SENSOR_FEATURE_SELECTOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_XI_SENSOR_FEATURE_VALUE

      -
      public static final int CAP_PROP_XI_SENSOR_FEATURE_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ARAVIS_AUTOTRIGGER

      -
      public static final int CAP_PROP_ARAVIS_AUTOTRIGGER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ANDROID_DEVICE_TORCH

      -
      public static final int CAP_PROP_ANDROID_DEVICE_TORCH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IOS_DEVICE_FOCUS

      -
      public static final int CAP_PROP_IOS_DEVICE_FOCUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IOS_DEVICE_EXPOSURE

      -
      public static final int CAP_PROP_IOS_DEVICE_EXPOSURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IOS_DEVICE_FLASH

      -
      public static final int CAP_PROP_IOS_DEVICE_FLASH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IOS_DEVICE_WHITEBALANCE

      -
      public static final int CAP_PROP_IOS_DEVICE_WHITEBALANCE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IOS_DEVICE_TORCH

      -
      public static final int CAP_PROP_IOS_DEVICE_TORCH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_OFFSET_X

      -
      public static final int CAP_PROP_GIGA_FRAME_OFFSET_X
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_OFFSET_Y

      -
      public static final int CAP_PROP_GIGA_FRAME_OFFSET_Y
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_WIDTH_MAX

      -
      public static final int CAP_PROP_GIGA_FRAME_WIDTH_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_HEIGH_MAX

      -
      public static final int CAP_PROP_GIGA_FRAME_HEIGH_MAX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_SENS_WIDTH

      -
      public static final int CAP_PROP_GIGA_FRAME_SENS_WIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GIGA_FRAME_SENS_HEIGH

      -
      public static final int CAP_PROP_GIGA_FRAME_SENS_HEIGH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_PROFILE_COUNT

      -
      public static final int CAP_PROP_INTELPERC_PROFILE_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_PROFILE_IDX

      -
      public static final int CAP_PROP_INTELPERC_PROFILE_IDX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_DEPTH_LOW_CONFIDENCE_VALUE

      -
      public static final int CAP_PROP_INTELPERC_DEPTH_LOW_CONFIDENCE_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_DEPTH_SATURATION_VALUE

      -
      public static final int CAP_PROP_INTELPERC_DEPTH_SATURATION_VALUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_DEPTH_CONFIDENCE_THRESHOLD

      -
      public static final int CAP_PROP_INTELPERC_DEPTH_CONFIDENCE_THRESHOLD
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_HORZ

      -
      public static final int CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_HORZ
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_VERT

      -
      public static final int CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_VERT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_DEPTH_GENERATOR

      -
      public static final int CAP_INTELPERC_DEPTH_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_IMAGE_GENERATOR

      -
      public static final int CAP_INTELPERC_IMAGE_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_IR_GENERATOR

      -
      public static final int CAP_INTELPERC_IR_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_GENERATORS_MASK

      -
      public static final int CAP_INTELPERC_GENERATORS_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_DEPTH_MAP

      -
      public static final int CAP_INTELPERC_DEPTH_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_UVDEPTH_MAP

      -
      public static final int CAP_INTELPERC_UVDEPTH_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_IR_MAP

      -
      public static final int CAP_INTELPERC_IR_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC_IMAGE

      -
      public static final int CAP_INTELPERC_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_PREVIEW

      -
      public static final int CAP_PROP_GPHOTO2_PREVIEW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_WIDGET_ENUMERATE

      -
      public static final int CAP_PROP_GPHOTO2_WIDGET_ENUMERATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_RELOAD_CONFIG

      -
      public static final int CAP_PROP_GPHOTO2_RELOAD_CONFIG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_RELOAD_ON_CHANGE

      -
      public static final int CAP_PROP_GPHOTO2_RELOAD_ON_CHANGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_COLLECT_MSGS

      -
      public static final int CAP_PROP_GPHOTO2_COLLECT_MSGS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GPHOTO2_FLUSH_MSGS

      -
      public static final int CAP_PROP_GPHOTO2_FLUSH_MSGS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SPEED

      -
      public static final int CAP_PROP_SPEED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_APERTURE

      -
      public static final int CAP_PROP_APERTURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_EXPOSUREPROGRAM

      -
      public static final int CAP_PROP_EXPOSUREPROGRAM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_VIEWFINDER

      -
      public static final int CAP_PROP_VIEWFINDER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IMAGES_BASE

      -
      public static final int CAP_PROP_IMAGES_BASE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IMAGES_LAST

      -
      public static final int CAP_PROP_IMAGES_LAST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEO_ACCELERATION_NONE

      -
      public static final int VIDEO_ACCELERATION_NONE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEO_ACCELERATION_ANY

      -
      public static final int VIDEO_ACCELERATION_ANY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEO_ACCELERATION_D3D11

      -
      public static final int VIDEO_ACCELERATION_D3D11
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEO_ACCELERATION_VAAPI

      -
      public static final int VIDEO_ACCELERATION_VAAPI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEO_ACCELERATION_MFX

      -
      public static final int VIDEO_ACCELERATION_MFX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_ANY

      -
      public static final int CAP_ANY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_VFW

      -
      public static final int CAP_VFW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_V4L

      -
      public static final int CAP_V4L
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_V4L2

      -
      public static final int CAP_V4L2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_FIREWIRE

      -
      public static final int CAP_FIREWIRE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_FIREWARE

      -
      public static final int CAP_FIREWARE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_IEEE1394

      -
      public static final int CAP_IEEE1394
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_DC1394

      -
      public static final int CAP_DC1394
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_CMU1394

      -
      public static final int CAP_CMU1394
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_QT

      -
      public static final int CAP_QT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_UNICAP

      -
      public static final int CAP_UNICAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_DSHOW

      -
      public static final int CAP_DSHOW
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PVAPI

      -
      public static final int CAP_PVAPI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI

      -
      public static final int CAP_OPENNI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI_ASUS

      -
      public static final int CAP_OPENNI_ASUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_ANDROID

      -
      public static final int CAP_ANDROID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_XIAPI

      -
      public static final int CAP_XIAPI
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_AVFOUNDATION

      -
      public static final int CAP_AVFOUNDATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_GIGANETIX

      -
      public static final int CAP_GIGANETIX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_MSMF

      -
      public static final int CAP_MSMF
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_WINRT

      -
      public static final int CAP_WINRT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTELPERC

      -
      public static final int CAP_INTELPERC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_REALSENSE

      -
      public static final int CAP_REALSENSE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI2

      -
      public static final int CAP_OPENNI2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI2_ASUS

      -
      public static final int CAP_OPENNI2_ASUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENNI2_ASTRA

      -
      public static final int CAP_OPENNI2_ASTRA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_GPHOTO2

      -
      public static final int CAP_GPHOTO2
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_GSTREAMER

      -
      public static final int CAP_GSTREAMER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_FFMPEG

      -
      public static final int CAP_FFMPEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_IMAGES

      -
      public static final int CAP_IMAGES
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_ARAVIS

      -
      public static final int CAP_ARAVIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OPENCV_MJPEG

      -
      public static final int CAP_OPENCV_MJPEG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_INTEL_MFX

      -
      public static final int CAP_INTEL_MFX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_XINE

      -
      public static final int CAP_XINE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_UEYE

      -
      public static final int CAP_UEYE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR

      -
      public static final int CAP_OBSENSOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_DEPTH_MAP

      -
      public static final int CAP_OBSENSOR_DEPTH_MAP
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_BGR_IMAGE

      -
      public static final int CAP_OBSENSOR_BGR_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_IR_IMAGE

      -
      public static final int CAP_OBSENSOR_IR_IMAGE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_DEPTH_GENERATOR

      -
      public static final int CAP_OBSENSOR_DEPTH_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_IMAGE_GENERATOR

      -
      public static final int CAP_OBSENSOR_IMAGE_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_IR_GENERATOR

      -
      public static final int CAP_OBSENSOR_IR_GENERATOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_OBSENSOR_GENERATORS_MASK

      -
      public static final int CAP_OBSENSOR_GENERATORS_MASK
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OBSENSOR_INTRINSIC_FX

      -
      public static final int CAP_PROP_OBSENSOR_INTRINSIC_FX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OBSENSOR_INTRINSIC_FY

      -
      public static final int CAP_PROP_OBSENSOR_INTRINSIC_FY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OBSENSOR_INTRINSIC_CX

      -
      public static final int CAP_PROP_OBSENSOR_INTRINSIC_CX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OBSENSOR_INTRINSIC_CY

      -
      public static final int CAP_PROP_OBSENSOR_INTRINSIC_CY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_POS_MSEC

      -
      public static final int CAP_PROP_POS_MSEC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_POS_FRAMES

      -
      public static final int CAP_PROP_POS_FRAMES
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_POS_AVI_RATIO

      -
      public static final int CAP_PROP_POS_AVI_RATIO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FRAME_WIDTH

      -
      public static final int CAP_PROP_FRAME_WIDTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FRAME_HEIGHT

      -
      public static final int CAP_PROP_FRAME_HEIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FPS

      -
      public static final int CAP_PROP_FPS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FOURCC

      -
      public static final int CAP_PROP_FOURCC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FRAME_COUNT

      -
      public static final int CAP_PROP_FRAME_COUNT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FORMAT

      -
      public static final int CAP_PROP_FORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_MODE

      -
      public static final int CAP_PROP_MODE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_BRIGHTNESS

      -
      public static final int CAP_PROP_BRIGHTNESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_CONTRAST

      -
      public static final int CAP_PROP_CONTRAST
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SATURATION

      -
      public static final int CAP_PROP_SATURATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_HUE

      -
      public static final int CAP_PROP_HUE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GAIN

      -
      public static final int CAP_PROP_GAIN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_EXPOSURE

      -
      public static final int CAP_PROP_EXPOSURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_CONVERT_RGB

      -
      public static final int CAP_PROP_CONVERT_RGB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_WHITE_BALANCE_BLUE_U

      -
      public static final int CAP_PROP_WHITE_BALANCE_BLUE_U
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_RECTIFICATION

      -
      public static final int CAP_PROP_RECTIFICATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_MONOCHROME

      -
      public static final int CAP_PROP_MONOCHROME
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SHARPNESS

      -
      public static final int CAP_PROP_SHARPNESS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUTO_EXPOSURE

      -
      public static final int CAP_PROP_AUTO_EXPOSURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GAMMA

      -
      public static final int CAP_PROP_GAMMA
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_TEMPERATURE

      -
      public static final int CAP_PROP_TEMPERATURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_TRIGGER

      -
      public static final int CAP_PROP_TRIGGER
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_TRIGGER_DELAY

      -
      public static final int CAP_PROP_TRIGGER_DELAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_WHITE_BALANCE_RED_V

      -
      public static final int CAP_PROP_WHITE_BALANCE_RED_V
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ZOOM

      -
      public static final int CAP_PROP_ZOOM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FOCUS

      -
      public static final int CAP_PROP_FOCUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_GUID

      -
      public static final int CAP_PROP_GUID
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ISO_SPEED

      -
      public static final int CAP_PROP_ISO_SPEED
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_BACKLIGHT

      -
      public static final int CAP_PROP_BACKLIGHT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PAN

      -
      public static final int CAP_PROP_PAN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_TILT

      -
      public static final int CAP_PROP_TILT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ROLL

      -
      public static final int CAP_PROP_ROLL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_IRIS

      -
      public static final int CAP_PROP_IRIS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SETTINGS

      -
      public static final int CAP_PROP_SETTINGS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_BUFFERSIZE

      -
      public static final int CAP_PROP_BUFFERSIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUTOFOCUS

      -
      public static final int CAP_PROP_AUTOFOCUS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SAR_NUM

      -
      public static final int CAP_PROP_SAR_NUM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_SAR_DEN

      -
      public static final int CAP_PROP_SAR_DEN
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_BACKEND

      -
      public static final int CAP_PROP_BACKEND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_CHANNEL

      -
      public static final int CAP_PROP_CHANNEL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUTO_WB

      -
      public static final int CAP_PROP_AUTO_WB
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_WB_TEMPERATURE

      -
      public static final int CAP_PROP_WB_TEMPERATURE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_CODEC_PIXEL_FORMAT

      -
      public static final int CAP_PROP_CODEC_PIXEL_FORMAT
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_BITRATE

      -
      public static final int CAP_PROP_BITRATE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ORIENTATION_META

      -
      public static final int CAP_PROP_ORIENTATION_META
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_ORIENTATION_AUTO

      -
      public static final int CAP_PROP_ORIENTATION_AUTO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_HW_ACCELERATION

      -
      public static final int CAP_PROP_HW_ACCELERATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_HW_DEVICE

      -
      public static final int CAP_PROP_HW_DEVICE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_HW_ACCELERATION_USE_OPENCL

      -
      public static final int CAP_PROP_HW_ACCELERATION_USE_OPENCL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_OPEN_TIMEOUT_MSEC

      -
      public static final int CAP_PROP_OPEN_TIMEOUT_MSEC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_READ_TIMEOUT_MSEC

      -
      public static final int CAP_PROP_READ_TIMEOUT_MSEC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_STREAM_OPEN_TIME_USEC

      -
      public static final int CAP_PROP_STREAM_OPEN_TIME_USEC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_VIDEO_TOTAL_CHANNELS

      -
      public static final int CAP_PROP_VIDEO_TOTAL_CHANNELS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_VIDEO_STREAM

      -
      public static final int CAP_PROP_VIDEO_STREAM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_STREAM

      -
      public static final int CAP_PROP_AUDIO_STREAM
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_POS

      -
      public static final int CAP_PROP_AUDIO_POS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_SHIFT_NSEC

      -
      public static final int CAP_PROP_AUDIO_SHIFT_NSEC
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_DATA_DEPTH

      -
      public static final int CAP_PROP_AUDIO_DATA_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_SAMPLES_PER_SECOND

      -
      public static final int CAP_PROP_AUDIO_SAMPLES_PER_SECOND
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_BASE_INDEX

      -
      public static final int CAP_PROP_AUDIO_BASE_INDEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_TOTAL_CHANNELS

      -
      public static final int CAP_PROP_AUDIO_TOTAL_CHANNELS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_TOTAL_STREAMS

      -
      public static final int CAP_PROP_AUDIO_TOTAL_STREAMS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_AUDIO_SYNCHRONIZE

      -
      public static final int CAP_PROP_AUDIO_SYNCHRONIZE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_LRF_HAS_KEY_FRAME

      -
      public static final int CAP_PROP_LRF_HAS_KEY_FRAME
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_CODEC_EXTRADATA_INDEX

      -
      public static final int CAP_PROP_CODEC_EXTRADATA_INDEX
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_FRAME_TYPE

      -
      public static final int CAP_PROP_FRAME_TYPE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_N_THREADS

      -
      public static final int CAP_PROP_N_THREADS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_PTS

      -
      public static final int CAP_PROP_PTS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      CAP_PROP_DTS_DELAY

      -
      public static final int CAP_PROP_DTS_DELAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_QUALITY

      -
      public static final int VIDEOWRITER_PROP_QUALITY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_FRAMEBYTES

      -
      public static final int VIDEOWRITER_PROP_FRAMEBYTES
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_NSTRIPES

      -
      public static final int VIDEOWRITER_PROP_NSTRIPES
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_IS_COLOR

      -
      public static final int VIDEOWRITER_PROP_IS_COLOR
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_DEPTH

      -
      public static final int VIDEOWRITER_PROP_DEPTH
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_HW_ACCELERATION

      -
      public static final int VIDEOWRITER_PROP_HW_ACCELERATION
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_HW_DEVICE

      -
      public static final int VIDEOWRITER_PROP_HW_DEVICE
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_HW_ACCELERATION_USE_OPENCL

      -
      public static final int VIDEOWRITER_PROP_HW_ACCELERATION_USE_OPENCL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_RAW_VIDEO

      -
      public static final int VIDEOWRITER_PROP_RAW_VIDEO
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_KEY_INTERVAL

      -
      public static final int VIDEOWRITER_PROP_KEY_INTERVAL
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_KEY_FLAG

      -
      public static final int VIDEOWRITER_PROP_KEY_FLAG
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_PTS

      -
      public static final int VIDEOWRITER_PROP_PTS
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    • -
      -

      VIDEOWRITER_PROP_DTS_DELAY

      -
      public static final int VIDEOWRITER_PROP_DTS_DELAY
      -
      -
      See Also:
      -
      - -
      -
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Constructor Details

    -
      -
    • -
      -

      Videoio

      -
      public Videoio()
      -
      -
      • -
    -
    -
    • - -
  • -
    -

    Method Details

    -
      -
    • -
      -

      getBackendName

      -
      public static String getBackendName(int api)
      -
      Returns backend API name or "UnknownVideoAPI(xxx)"
      -
      -
      Parameters:
      -
      api - backend ID (#VideoCaptureAPIs)
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getBackends

      -
      public static List<Integer> getBackends()
      -
      Returns list of all available backends
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCameraBackends

      -
      public static List<Integer> getCameraBackends()
      -
      Returns list of available backends which works via cv::VideoCapture(int index)
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStreamBackends

      -
      public static List<Integer> getStreamBackends()
      -
      Returns list of available backends which works via cv::VideoCapture(filename)
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStreamBufferedBackends

      -
      public static List<Integer> getStreamBufferedBackends()
      -
      Returns list of available backends which works via cv::VideoCapture(buffer)
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getWriterBackends

      -
      public static List<Integer> getWriterBackends()
      -
      Returns list of available backends which works via cv::VideoWriter()
      -
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      hasBackend

      -
      public static boolean hasBackend(int api)
      -
      Returns true if backend is available
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      isBackendBuiltIn

      -
      public static boolean isBackendBuiltIn(int api)
      -
      Returns true if backend is built in (false if backend is used as plugin)
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getCameraBackendPluginVersion

      -
      public static String getCameraBackendPluginVersion(int api, - int[] version_ABI, - int[] version_API)
      -
      Returns description and ABI/API version of videoio plugin's camera interface
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      version_ABI - automatically generated
      -
      version_API - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStreamBackendPluginVersion

      -
      public static String getStreamBackendPluginVersion(int api, - int[] version_ABI, - int[] version_API)
      -
      Returns description and ABI/API version of videoio plugin's stream capture interface
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      version_ABI - automatically generated
      -
      version_API - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getStreamBufferedBackendPluginVersion

      -
      public static String getStreamBufferedBackendPluginVersion(int api, - int[] version_ABI, - int[] version_API)
      -
      Returns description and ABI/API version of videoio plugin's buffer capture interface
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      version_ABI - automatically generated
      -
      version_API - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    • -
      -

      getWriterBackendPluginVersion

      -
      public static String getWriterBackendPluginVersion(int api, - int[] version_ABI, - int[] version_API)
      -
      Returns description and ABI/API version of videoio plugin's writer interface
      -
      -
      Parameters:
      -
      api - automatically generated
      -
      version_ABI - automatically generated
      -
      version_API - automatically generated
      -
      Returns:
      -
      automatically generated
      -
      -
      -
      • -
    -
    -
    • -
-
- -
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-summary.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-summary.html deleted file mode 100644 index 29ef4d3a69..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-summary.html +++ /dev/null @@ -1,119 +0,0 @@ - - - - -org.opencv.videoio (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Package org.opencv.videoio

-
-
-
package org.opencv.videoio
-
-
    -
  • - -
    • -
  • -
    -
    Classes
    -
    -
    Class
    -
    Description
    -
    IStreamReader
    -
    -
    Read data stream interface
    -
    -
    VideoCapture
    -
    -
    Class for video capturing from video files, image sequences or cameras.
    -
    -
    Videoio
    -
     
    -
    VideoWriter
    -
    -
    Video writer class.
    -
    -
    -
    -
    • -
-
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-tree.html b/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-tree.html deleted file mode 100644 index 4eefc1b244..0000000000 --- a/vendor/opencv/sdk/java/javadoc/org/opencv/videoio/package-tree.html +++ /dev/null @@ -1,88 +0,0 @@ - - - - -org.opencv.videoio Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For Package org.opencv.videoio

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/overview-summary.html b/vendor/opencv/sdk/java/javadoc/overview-summary.html deleted file mode 100644 index a055521710..0000000000 --- a/vendor/opencv/sdk/java/javadoc/overview-summary.html +++ /dev/null @@ -1,26 +0,0 @@ - - - - -OpenCV 4.12.0 Java documentation - - - - - - - - - - - -
- -

index.html

-
- - diff --git a/vendor/opencv/sdk/java/javadoc/overview-tree.html b/vendor/opencv/sdk/java/javadoc/overview-tree.html deleted file mode 100644 index 74d941a9ca..0000000000 --- a/vendor/opencv/sdk/java/javadoc/overview-tree.html +++ /dev/null @@ -1,402 +0,0 @@ - - - - -Class Hierarchy (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
- -
-
-
-

Hierarchy For All Packages

-Package Hierarchies: - -
-
-

Class Hierarchy

- -
-
-

Interface Hierarchy

- -
-
-
-
-

Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

-
-
-
- - diff --git a/vendor/opencv/sdk/java/javadoc/package-search-index.js b/vendor/opencv/sdk/java/javadoc/package-search-index.js deleted file mode 100644 index 59bf411738..0000000000 --- a/vendor/opencv/sdk/java/javadoc/package-search-index.js +++ /dev/null @@ -1 +0,0 @@ -packageSearchIndex = [{"l":"All Packages","u":"allpackages-index.html"},{"l":"org.opencv"},{"l":"org.opencv.android"},{"l":"org.opencv.calib3d"},{"l":"org.opencv.core"},{"l":"org.opencv.dnn"},{"l":"org.opencv.features2d"},{"l":"org.opencv.imgcodecs"},{"l":"org.opencv.imgproc"},{"l":"org.opencv.ml"},{"l":"org.opencv.objdetect"},{"l":"org.opencv.osgi"},{"l":"org.opencv.photo"},{"l":"org.opencv.utils"},{"l":"org.opencv.video"},{"l":"org.opencv.videoio"}];updateSearchResults(); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/javadoc/resources/glass.png b/vendor/opencv/sdk/java/javadoc/resources/glass.png deleted file mode 100644 index a7f591f467..0000000000 Binary files a/vendor/opencv/sdk/java/javadoc/resources/glass.png and /dev/null differ diff --git a/vendor/opencv/sdk/java/javadoc/resources/x.png b/vendor/opencv/sdk/java/javadoc/resources/x.png deleted file mode 100644 index 30548a756e..0000000000 Binary files a/vendor/opencv/sdk/java/javadoc/resources/x.png and /dev/null differ diff --git a/vendor/opencv/sdk/java/javadoc/script-dir/jquery-3.7.1.min.js b/vendor/opencv/sdk/java/javadoc/script-dir/jquery-3.7.1.min.js deleted file mode 100644 index 7f37b5d991..0000000000 --- a/vendor/opencv/sdk/java/javadoc/script-dir/jquery-3.7.1.min.js +++ /dev/null @@ -1,2 +0,0 @@ -/*! jQuery v3.7.1 | (c) OpenJS Foundation and other contributors | jquery.org/license */ -!function(e,t){"use strict";"object"==typeof module&&"object"==typeof module.exports?module.exports=e.document?t(e,!0):function(e){if(!e.document)throw new Error("jQuery requires a window with a document");return t(e)}:t(e)}("undefined"!=typeof window?window:this,function(ie,e){"use strict";var oe=[],r=Object.getPrototypeOf,ae=oe.slice,g=oe.flat?function(e){return oe.flat.call(e)}:function(e){return oe.concat.apply([],e)},s=oe.push,se=oe.indexOf,n={},i=n.toString,ue=n.hasOwnProperty,o=ue.toString,a=o.call(Object),le={},v=function(e){return"function"==typeof e&&"number"!=typeof e.nodeType&&"function"!=typeof e.item},y=function(e){return null!=e&&e===e.window},C=ie.document,u={type:!0,src:!0,nonce:!0,noModule:!0};function m(e,t,n){var r,i,o=(n=n||C).createElement("script");if(o.text=e,t)for(r in u)(i=t[r]||t.getAttribute&&t.getAttribute(r))&&o.setAttribute(r,i);n.head.appendChild(o).parentNode.removeChild(o)}function x(e){return null==e?e+"":"object"==typeof e||"function"==typeof e?n[i.call(e)]||"object":typeof e}var t="3.7.1",l=/HTML$/i,ce=function(e,t){return new ce.fn.init(e,t)};function c(e){var t=!!e&&"length"in e&&e.length,n=x(e);return!v(e)&&!y(e)&&("array"===n||0===t||"number"==typeof t&&0+~]|"+ge+")"+ge+"*"),x=new RegExp(ge+"|>"),j=new RegExp(g),A=new RegExp("^"+t+"$"),D={ID:new RegExp("^#("+t+")"),CLASS:new RegExp("^\\.("+t+")"),TAG:new RegExp("^("+t+"|[*])"),ATTR:new RegExp("^"+p),PSEUDO:new RegExp("^"+g),CHILD:new RegExp("^:(only|first|last|nth|nth-last)-(child|of-type)(?:\\("+ge+"*(even|odd|(([+-]|)(\\d*)n|)"+ge+"*(?:([+-]|)"+ge+"*(\\d+)|))"+ge+"*\\)|)","i"),bool:new RegExp("^(?:"+f+")$","i"),needsContext:new RegExp("^"+ge+"*[>+~]|:(even|odd|eq|gt|lt|nth|first|last)(?:\\("+ge+"*((?:-\\d)?\\d*)"+ge+"*\\)|)(?=[^-]|$)","i")},N=/^(?:input|select|textarea|button)$/i,q=/^h\d$/i,L=/^(?:#([\w-]+)|(\w+)|\.([\w-]+))$/,H=/[+~]/,O=new RegExp("\\\\[\\da-fA-F]{1,6}"+ge+"?|\\\\([^\\r\\n\\f])","g"),P=function(e,t){var n="0x"+e.slice(1)-65536;return t||(n<0?String.fromCharCode(n+65536):String.fromCharCode(n>>10|55296,1023&n|56320))},M=function(){V()},R=J(function(e){return!0===e.disabled&&fe(e,"fieldset")},{dir:"parentNode",next:"legend"});try{k.apply(oe=ae.call(ye.childNodes),ye.childNodes),oe[ye.childNodes.length].nodeType}catch(e){k={apply:function(e,t){me.apply(e,ae.call(t))},call:function(e){me.apply(e,ae.call(arguments,1))}}}function I(t,e,n,r){var i,o,a,s,u,l,c,f=e&&e.ownerDocument,p=e?e.nodeType:9;if(n=n||[],"string"!=typeof t||!t||1!==p&&9!==p&&11!==p)return n;if(!r&&(V(e),e=e||T,C)){if(11!==p&&(u=L.exec(t)))if(i=u[1]){if(9===p){if(!(a=e.getElementById(i)))return n;if(a.id===i)return k.call(n,a),n}else if(f&&(a=f.getElementById(i))&&I.contains(e,a)&&a.id===i)return k.call(n,a),n}else{if(u[2])return k.apply(n,e.getElementsByTagName(t)),n;if((i=u[3])&&e.getElementsByClassName)return k.apply(n,e.getElementsByClassName(i)),n}if(!(h[t+" "]||d&&d.test(t))){if(c=t,f=e,1===p&&(x.test(t)||m.test(t))){(f=H.test(t)&&U(e.parentNode)||e)==e&&le.scope||((s=e.getAttribute("id"))?s=ce.escapeSelector(s):e.setAttribute("id",s=S)),o=(l=Y(t)).length;while(o--)l[o]=(s?"#"+s:":scope")+" "+Q(l[o]);c=l.join(",")}try{return k.apply(n,f.querySelectorAll(c)),n}catch(e){h(t,!0)}finally{s===S&&e.removeAttribute("id")}}}return re(t.replace(ve,"$1"),e,n,r)}function W(){var r=[];return function e(t,n){return r.push(t+" ")>b.cacheLength&&delete e[r.shift()],e[t+" "]=n}}function F(e){return e[S]=!0,e}function $(e){var t=T.createElement("fieldset");try{return!!e(t)}catch(e){return!1}finally{t.parentNode&&t.parentNode.removeChild(t),t=null}}function B(t){return function(e){return fe(e,"input")&&e.type===t}}function _(t){return function(e){return(fe(e,"input")||fe(e,"button"))&&e.type===t}}function z(t){return function(e){return"form"in e?e.parentNode&&!1===e.disabled?"label"in e?"label"in e.parentNode?e.parentNode.disabled===t:e.disabled===t:e.isDisabled===t||e.isDisabled!==!t&&R(e)===t:e.disabled===t:"label"in e&&e.disabled===t}}function X(a){return F(function(o){return o=+o,F(function(e,t){var n,r=a([],e.length,o),i=r.length;while(i--)e[n=r[i]]&&(e[n]=!(t[n]=e[n]))})})}function U(e){return e&&"undefined"!=typeof e.getElementsByTagName&&e}function V(e){var t,n=e?e.ownerDocument||e:ye;return n!=T&&9===n.nodeType&&n.documentElement&&(r=(T=n).documentElement,C=!ce.isXMLDoc(T),i=r.matches||r.webkitMatchesSelector||r.msMatchesSelector,r.msMatchesSelector&&ye!=T&&(t=T.defaultView)&&t.top!==t&&t.addEventListener("unload",M),le.getById=$(function(e){return r.appendChild(e).id=ce.expando,!T.getElementsByName||!T.getElementsByName(ce.expando).length}),le.disconnectedMatch=$(function(e){return i.call(e,"*")}),le.scope=$(function(){return T.querySelectorAll(":scope")}),le.cssHas=$(function(){try{return T.querySelector(":has(*,:jqfake)"),!1}catch(e){return!0}}),le.getById?(b.filter.ID=function(e){var t=e.replace(O,P);return function(e){return e.getAttribute("id")===t}},b.find.ID=function(e,t){if("undefined"!=typeof t.getElementById&&C){var n=t.getElementById(e);return n?[n]:[]}}):(b.filter.ID=function(e){var n=e.replace(O,P);return function(e){var t="undefined"!=typeof e.getAttributeNode&&e.getAttributeNode("id");return t&&t.value===n}},b.find.ID=function(e,t){if("undefined"!=typeof t.getElementById&&C){var n,r,i,o=t.getElementById(e);if(o){if((n=o.getAttributeNode("id"))&&n.value===e)return[o];i=t.getElementsByName(e),r=0;while(o=i[r++])if((n=o.getAttributeNode("id"))&&n.value===e)return[o]}return[]}}),b.find.TAG=function(e,t){return"undefined"!=typeof t.getElementsByTagName?t.getElementsByTagName(e):t.querySelectorAll(e)},b.find.CLASS=function(e,t){if("undefined"!=typeof t.getElementsByClassName&&C)return t.getElementsByClassName(e)},d=[],$(function(e){var t;r.appendChild(e).innerHTML="",e.querySelectorAll("[selected]").length||d.push("\\["+ge+"*(?:value|"+f+")"),e.querySelectorAll("[id~="+S+"-]").length||d.push("~="),e.querySelectorAll("a#"+S+"+*").length||d.push(".#.+[+~]"),e.querySelectorAll(":checked").length||d.push(":checked"),(t=T.createElement("input")).setAttribute("type","hidden"),e.appendChild(t).setAttribute("name","D"),r.appendChild(e).disabled=!0,2!==e.querySelectorAll(":disabled").length&&d.push(":enabled",":disabled"),(t=T.createElement("input")).setAttribute("name",""),e.appendChild(t),e.querySelectorAll("[name='']").length||d.push("\\["+ge+"*name"+ge+"*="+ge+"*(?:''|\"\")")}),le.cssHas||d.push(":has"),d=d.length&&new RegExp(d.join("|")),l=function(e,t){if(e===t)return a=!0,0;var n=!e.compareDocumentPosition-!t.compareDocumentPosition;return n||(1&(n=(e.ownerDocument||e)==(t.ownerDocument||t)?e.compareDocumentPosition(t):1)||!le.sortDetached&&t.compareDocumentPosition(e)===n?e===T||e.ownerDocument==ye&&I.contains(ye,e)?-1:t===T||t.ownerDocument==ye&&I.contains(ye,t)?1:o?se.call(o,e)-se.call(o,t):0:4&n?-1:1)}),T}for(e in I.matches=function(e,t){return I(e,null,null,t)},I.matchesSelector=function(e,t){if(V(e),C&&!h[t+" "]&&(!d||!d.test(t)))try{var n=i.call(e,t);if(n||le.disconnectedMatch||e.document&&11!==e.document.nodeType)return n}catch(e){h(t,!0)}return 0":{dir:"parentNode",first:!0}," ":{dir:"parentNode"},"+":{dir:"previousSibling",first:!0},"~":{dir:"previousSibling"}},preFilter:{ATTR:function(e){return e[1]=e[1].replace(O,P),e[3]=(e[3]||e[4]||e[5]||"").replace(O,P),"~="===e[2]&&(e[3]=" "+e[3]+" "),e.slice(0,4)},CHILD:function(e){return e[1]=e[1].toLowerCase(),"nth"===e[1].slice(0,3)?(e[3]||I.error(e[0]),e[4]=+(e[4]?e[5]+(e[6]||1):2*("even"===e[3]||"odd"===e[3])),e[5]=+(e[7]+e[8]||"odd"===e[3])):e[3]&&I.error(e[0]),e},PSEUDO:function(e){var t,n=!e[6]&&e[2];return D.CHILD.test(e[0])?null:(e[3]?e[2]=e[4]||e[5]||"":n&&j.test(n)&&(t=Y(n,!0))&&(t=n.indexOf(")",n.length-t)-n.length)&&(e[0]=e[0].slice(0,t),e[2]=n.slice(0,t)),e.slice(0,3))}},filter:{TAG:function(e){var t=e.replace(O,P).toLowerCase();return"*"===e?function(){return!0}:function(e){return fe(e,t)}},CLASS:function(e){var t=s[e+" "];return t||(t=new RegExp("(^|"+ge+")"+e+"("+ge+"|$)"))&&s(e,function(e){return t.test("string"==typeof e.className&&e.className||"undefined"!=typeof e.getAttribute&&e.getAttribute("class")||"")})},ATTR:function(n,r,i){return function(e){var t=I.attr(e,n);return null==t?"!="===r:!r||(t+="","="===r?t===i:"!="===r?t!==i:"^="===r?i&&0===t.indexOf(i):"*="===r?i&&-1:\x20\t\r\n\f]*)[\x20\t\r\n\f]*\/?>(?:<\/\1>|)$/i;function T(e,n,r){return v(n)?ce.grep(e,function(e,t){return!!n.call(e,t,e)!==r}):n.nodeType?ce.grep(e,function(e){return e===n!==r}):"string"!=typeof n?ce.grep(e,function(e){return-1)[^>]*|#([\w-]+))$/;(ce.fn.init=function(e,t,n){var r,i;if(!e)return this;if(n=n||k,"string"==typeof e){if(!(r="<"===e[0]&&">"===e[e.length-1]&&3<=e.length?[null,e,null]:S.exec(e))||!r[1]&&t)return!t||t.jquery?(t||n).find(e):this.constructor(t).find(e);if(r[1]){if(t=t instanceof ce?t[0]:t,ce.merge(this,ce.parseHTML(r[1],t&&t.nodeType?t.ownerDocument||t:C,!0)),w.test(r[1])&&ce.isPlainObject(t))for(r in t)v(this[r])?this[r](t[r]):this.attr(r,t[r]);return this}return(i=C.getElementById(r[2]))&&(this[0]=i,this.length=1),this}return e.nodeType?(this[0]=e,this.length=1,this):v(e)?void 0!==n.ready?n.ready(e):e(ce):ce.makeArray(e,this)}).prototype=ce.fn,k=ce(C);var E=/^(?:parents|prev(?:Until|All))/,j={children:!0,contents:!0,next:!0,prev:!0};function A(e,t){while((e=e[t])&&1!==e.nodeType);return e}ce.fn.extend({has:function(e){var t=ce(e,this),n=t.length;return this.filter(function(){for(var e=0;e\x20\t\r\n\f]*)/i,Ce=/^$|^module$|\/(?:java|ecma)script/i;xe=C.createDocumentFragment().appendChild(C.createElement("div")),(be=C.createElement("input")).setAttribute("type","radio"),be.setAttribute("checked","checked"),be.setAttribute("name","t"),xe.appendChild(be),le.checkClone=xe.cloneNode(!0).cloneNode(!0).lastChild.checked,xe.innerHTML="",le.noCloneChecked=!!xe.cloneNode(!0).lastChild.defaultValue,xe.innerHTML="",le.option=!!xe.lastChild;var ke={thead:[1,"","
"],col:[2,"","
"],tr:[2,"","
"],td:[3,"","
"],_default:[0,"",""]};function Se(e,t){var n;return n="undefined"!=typeof e.getElementsByTagName?e.getElementsByTagName(t||"*"):"undefined"!=typeof e.querySelectorAll?e.querySelectorAll(t||"*"):[],void 0===t||t&&fe(e,t)?ce.merge([e],n):n}function Ee(e,t){for(var n=0,r=e.length;n",""]);var je=/<|&#?\w+;/;function Ae(e,t,n,r,i){for(var o,a,s,u,l,c,f=t.createDocumentFragment(),p=[],d=0,h=e.length;d\s*$/g;function Re(e,t){return fe(e,"table")&&fe(11!==t.nodeType?t:t.firstChild,"tr")&&ce(e).children("tbody")[0]||e}function Ie(e){return e.type=(null!==e.getAttribute("type"))+"/"+e.type,e}function We(e){return"true/"===(e.type||"").slice(0,5)?e.type=e.type.slice(5):e.removeAttribute("type"),e}function Fe(e,t){var n,r,i,o,a,s;if(1===t.nodeType){if(_.hasData(e)&&(s=_.get(e).events))for(i in _.remove(t,"handle events"),s)for(n=0,r=s[i].length;n").attr(n.scriptAttrs||{}).prop({charset:n.scriptCharset,src:n.url}).on("load error",i=function(e){r.remove(),i=null,e&&t("error"===e.type?404:200,e.type)}),C.head.appendChild(r[0])},abort:function(){i&&i()}}});var Jt,Kt=[],Zt=/(=)\?(?=&|$)|\?\?/;ce.ajaxSetup({jsonp:"callback",jsonpCallback:function(){var e=Kt.pop()||ce.expando+"_"+jt.guid++;return this[e]=!0,e}}),ce.ajaxPrefilter("json jsonp",function(e,t,n){var r,i,o,a=!1!==e.jsonp&&(Zt.test(e.url)?"url":"string"==typeof e.data&&0===(e.contentType||"").indexOf("application/x-www-form-urlencoded")&&Zt.test(e.data)&&"data");if(a||"jsonp"===e.dataTypes[0])return r=e.jsonpCallback=v(e.jsonpCallback)?e.jsonpCallback():e.jsonpCallback,a?e[a]=e[a].replace(Zt,"$1"+r):!1!==e.jsonp&&(e.url+=(At.test(e.url)?"&":"?")+e.jsonp+"="+r),e.converters["script json"]=function(){return o||ce.error(r+" was not called"),o[0]},e.dataTypes[0]="json",i=ie[r],ie[r]=function(){o=arguments},n.always(function(){void 0===i?ce(ie).removeProp(r):ie[r]=i,e[r]&&(e.jsonpCallback=t.jsonpCallback,Kt.push(r)),o&&v(i)&&i(o[0]),o=i=void 0}),"script"}),le.createHTMLDocument=((Jt=C.implementation.createHTMLDocument("").body).innerHTML="
",2===Jt.childNodes.length),ce.parseHTML=function(e,t,n){return"string"!=typeof e?[]:("boolean"==typeof t&&(n=t,t=!1),t||(le.createHTMLDocument?((r=(t=C.implementation.createHTMLDocument("")).createElement("base")).href=C.location.href,t.head.appendChild(r)):t=C),o=!n&&[],(i=w.exec(e))?[t.createElement(i[1])]:(i=Ae([e],t,o),o&&o.length&&ce(o).remove(),ce.merge([],i.childNodes)));var r,i,o},ce.fn.load=function(e,t,n){var r,i,o,a=this,s=e.indexOf(" ");return-1").append(ce.parseHTML(e)).find(r):e)}).always(n&&function(e,t){a.each(function(){n.apply(this,o||[e.responseText,t,e])})}),this},ce.expr.pseudos.animated=function(t){return ce.grep(ce.timers,function(e){return t===e.elem}).length},ce.offset={setOffset:function(e,t,n){var r,i,o,a,s,u,l=ce.css(e,"position"),c=ce(e),f={};"static"===l&&(e.style.position="relative"),s=c.offset(),o=ce.css(e,"top"),u=ce.css(e,"left"),("absolute"===l||"fixed"===l)&&-1<(o+u).indexOf("auto")?(a=(r=c.position()).top,i=r.left):(a=parseFloat(o)||0,i=parseFloat(u)||0),v(t)&&(t=t.call(e,n,ce.extend({},s))),null!=t.top&&(f.top=t.top-s.top+a),null!=t.left&&(f.left=t.left-s.left+i),"using"in t?t.using.call(e,f):c.css(f)}},ce.fn.extend({offset:function(t){if(arguments.length)return void 0===t?this:this.each(function(e){ce.offset.setOffset(this,t,e)});var e,n,r=this[0];return r?r.getClientRects().length?(e=r.getBoundingClientRect(),n=r.ownerDocument.defaultView,{top:e.top+n.pageYOffset,left:e.left+n.pageXOffset}):{top:0,left:0}:void 0},position:function(){if(this[0]){var e,t,n,r=this[0],i={top:0,left:0};if("fixed"===ce.css(r,"position"))t=r.getBoundingClientRect();else{t=this.offset(),n=r.ownerDocument,e=r.offsetParent||n.documentElement;while(e&&(e===n.body||e===n.documentElement)&&"static"===ce.css(e,"position"))e=e.parentNode;e&&e!==r&&1===e.nodeType&&((i=ce(e).offset()).top+=ce.css(e,"borderTopWidth",!0),i.left+=ce.css(e,"borderLeftWidth",!0))}return{top:t.top-i.top-ce.css(r,"marginTop",!0),left:t.left-i.left-ce.css(r,"marginLeft",!0)}}},offsetParent:function(){return this.map(function(){var e=this.offsetParent;while(e&&"static"===ce.css(e,"position"))e=e.offsetParent;return e||J})}}),ce.each({scrollLeft:"pageXOffset",scrollTop:"pageYOffset"},function(t,i){var o="pageYOffset"===i;ce.fn[t]=function(e){return M(this,function(e,t,n){var r;if(y(e)?r=e:9===e.nodeType&&(r=e.defaultView),void 0===n)return r?r[i]:e[t];r?r.scrollTo(o?r.pageXOffset:n,o?n:r.pageYOffset):e[t]=n},t,e,arguments.length)}}),ce.each(["top","left"],function(e,n){ce.cssHooks[n]=Ye(le.pixelPosition,function(e,t){if(t)return t=Ge(e,n),_e.test(t)?ce(e).position()[n]+"px":t})}),ce.each({Height:"height",Width:"width"},function(a,s){ce.each({padding:"inner"+a,content:s,"":"outer"+a},function(r,o){ce.fn[o]=function(e,t){var n=arguments.length&&(r||"boolean"!=typeof e),i=r||(!0===e||!0===t?"margin":"border");return M(this,function(e,t,n){var r;return y(e)?0===o.indexOf("outer")?e["inner"+a]:e.document.documentElement["client"+a]:9===e.nodeType?(r=e.documentElement,Math.max(e.body["scroll"+a],r["scroll"+a],e.body["offset"+a],r["offset"+a],r["client"+a])):void 0===n?ce.css(e,t,i):ce.style(e,t,n,i)},s,n?e:void 0,n)}})}),ce.each(["ajaxStart","ajaxStop","ajaxComplete","ajaxError","ajaxSuccess","ajaxSend"],function(e,t){ce.fn[t]=function(e){return this.on(t,e)}}),ce.fn.extend({bind:function(e,t,n){return this.on(e,null,t,n)},unbind:function(e,t){return this.off(e,null,t)},delegate:function(e,t,n,r){return this.on(t,e,n,r)},undelegate:function(e,t,n){return 1===arguments.length?this.off(e,"**"):this.off(t,e||"**",n)},hover:function(e,t){return this.on("mouseenter",e).on("mouseleave",t||e)}}),ce.each("blur focus focusin focusout resize scroll click dblclick mousedown mouseup mousemove mouseover mouseout mouseenter mouseleave change select submit keydown keypress keyup contextmenu".split(" "),function(e,n){ce.fn[n]=function(e,t){return 0",options:{classes:{},disabled:!1,create:null},_createWidget:function(t,e){e=x(e||this.defaultElement||this)[0],this.element=x(e),this.uuid=i++,this.eventNamespace="."+this.widgetName+this.uuid,this.bindings=x(),this.hoverable=x(),this.focusable=x(),this.classesElementLookup={},e!==this&&(x.data(e,this.widgetFullName,this),this._on(!0,this.element,{remove:function(t){t.target===e&&this.destroy()}}),this.document=x(e.style?e.ownerDocument:e.document||e),this.window=x(this.document[0].defaultView||this.document[0].parentWindow)),this.options=x.widget.extend({},this.options,this._getCreateOptions(),t),this._create(),this.options.disabled&&this._setOptionDisabled(this.options.disabled),this._trigger("create",null,this._getCreateEventData()),this._init()},_getCreateOptions:function(){return{}},_getCreateEventData:x.noop,_create:x.noop,_init:x.noop,destroy:function(){var i=this;this._destroy(),x.each(this.classesElementLookup,function(t,e){i._removeClass(e,t)}),this.element.off(this.eventNamespace).removeData(this.widgetFullName),this.widget().off(this.eventNamespace).removeAttr("aria-disabled"),this.bindings.off(this.eventNamespace)},_destroy:x.noop,widget:function(){return this.element},option:function(t,e){var i,s,n,o=t;if(0===arguments.length)return x.widget.extend({},this.options);if("string"==typeof t)if(o={},t=(i=t.split(".")).shift(),i.length){for(s=o[t]=x.widget.extend({},this.options[t]),n=0;n
"),i=e.children()[0];return x("body").append(e),t=i.offsetWidth,e.css("overflow","scroll"),t===(i=i.offsetWidth)&&(i=e[0].clientWidth),e.remove(),s=t-i},getScrollInfo:function(t){var e=t.isWindow||t.isDocument?"":t.element.css("overflow-x"),i=t.isWindow||t.isDocument?"":t.element.css("overflow-y"),e="scroll"===e||"auto"===e&&t.widthC(E(s),E(n))?o.important="horizontal":o.important="vertical",c.using.call(this,t,o)}),l.offset(x.extend(u,{using:t}))})},x.ui.position={fit:{left:function(t,e){var i=e.within,s=i.isWindow?i.scrollLeft:i.offset.left,n=i.width,o=t.left-e.collisionPosition.marginLeft,l=s-o,a=o+e.collisionWidth-n-s;e.collisionWidth>n?0n?0",delay:300,options:{icons:{submenu:"ui-icon-caret-1-e"},items:"> *",menus:"ul",position:{my:"left top",at:"right top"},role:"menu",blur:null,focus:null,select:null},_create:function(){this.activeMenu=this.element,this.mouseHandled=!1,this.lastMousePosition={x:null,y:null},this.element.uniqueId().attr({role:this.options.role,tabIndex:0}),this._addClass("ui-menu","ui-widget ui-widget-content"),this._on({"mousedown .ui-menu-item":function(t){t.preventDefault(),this._activateItem(t)},"click .ui-menu-item":function(t){var e=x(t.target),i=x(x.ui.safeActiveElement(this.document[0]));!this.mouseHandled&&e.not(".ui-state-disabled").length&&(this.select(t),t.isPropagationStopped()||(this.mouseHandled=!0),e.has(".ui-menu").length?this.expand(t):!this.element.is(":focus")&&i.closest(".ui-menu").length&&(this.element.trigger("focus",[!0]),this.active&&1===this.active.parents(".ui-menu").length&&clearTimeout(this.timer)))},"mouseenter .ui-menu-item":"_activateItem","mousemove .ui-menu-item":"_activateItem",mouseleave:"collapseAll","mouseleave .ui-menu":"collapseAll",focus:function(t,e){var i=this.active||this._menuItems().first();e||this.focus(t,i)},blur:function(t){this._delay(function(){x.contains(this.element[0],x.ui.safeActiveElement(this.document[0]))||this.collapseAll(t)})},keydown:"_keydown"}),this.refresh(),this._on(this.document,{click:function(t){this._closeOnDocumentClick(t)&&this.collapseAll(t,!0),this.mouseHandled=!1}})},_activateItem:function(t){var e,i;this.previousFilter||t.clientX===this.lastMousePosition.x&&t.clientY===this.lastMousePosition.y||(this.lastMousePosition={x:t.clientX,y:t.clientY},e=x(t.target).closest(".ui-menu-item"),i=x(t.currentTarget),e[0]===i[0]&&(i.is(".ui-state-active")||(this._removeClass(i.siblings().children(".ui-state-active"),null,"ui-state-active"),this.focus(t,i))))},_destroy:function(){var t=this.element.find(".ui-menu-item").removeAttr("role aria-disabled").children(".ui-menu-item-wrapper").removeUniqueId().removeAttr("tabIndex role aria-haspopup");this.element.removeAttr("aria-activedescendant").find(".ui-menu").addBack().removeAttr("role aria-labelledby aria-expanded aria-hidden aria-disabled tabIndex").removeUniqueId().show(),t.children().each(function(){var t=x(this);t.data("ui-menu-submenu-caret")&&t.remove()})},_keydown:function(t){var e,i,s,n=!0;switch(t.keyCode){case x.ui.keyCode.PAGE_UP:this.previousPage(t);break;case x.ui.keyCode.PAGE_DOWN:this.nextPage(t);break;case x.ui.keyCode.HOME:this._move("first","first",t);break;case x.ui.keyCode.END:this._move("last","last",t);break;case x.ui.keyCode.UP:this.previous(t);break;case x.ui.keyCode.DOWN:this.next(t);break;case x.ui.keyCode.LEFT:this.collapse(t);break;case x.ui.keyCode.RIGHT:this.active&&!this.active.is(".ui-state-disabled")&&this.expand(t);break;case x.ui.keyCode.ENTER:case x.ui.keyCode.SPACE:this._activate(t);break;case x.ui.keyCode.ESCAPE:this.collapse(t);break;default:e=this.previousFilter||"",s=n=!1,i=96<=t.keyCode&&t.keyCode<=105?(t.keyCode-96).toString():String.fromCharCode(t.keyCode),clearTimeout(this.filterTimer),i===e?s=!0:i=e+i,e=this._filterMenuItems(i),(e=s&&-1!==e.index(this.active.next())?this.active.nextAll(".ui-menu-item"):e).length||(i=String.fromCharCode(t.keyCode),e=this._filterMenuItems(i)),e.length?(this.focus(t,e),this.previousFilter=i,this.filterTimer=this._delay(function(){delete this.previousFilter},1e3)):delete this.previousFilter}n&&t.preventDefault()},_activate:function(t){this.active&&!this.active.is(".ui-state-disabled")&&(this.active.children("[aria-haspopup='true']").length?this.expand(t):this.select(t))},refresh:function(){var t,e,s=this,n=this.options.icons.submenu,i=this.element.find(this.options.menus);this._toggleClass("ui-menu-icons",null,!!this.element.find(".ui-icon").length),e=i.filter(":not(.ui-menu)").hide().attr({role:this.options.role,"aria-hidden":"true","aria-expanded":"false"}).each(function(){var t=x(this),e=t.prev(),i=x("").data("ui-menu-submenu-caret",!0);s._addClass(i,"ui-menu-icon","ui-icon "+n),e.attr("aria-haspopup","true").prepend(i),t.attr("aria-labelledby",e.attr("id"))}),this._addClass(e,"ui-menu","ui-widget ui-widget-content ui-front"),(t=i.add(this.element).find(this.options.items)).not(".ui-menu-item").each(function(){var t=x(this);s._isDivider(t)&&s._addClass(t,"ui-menu-divider","ui-widget-content")}),i=(e=t.not(".ui-menu-item, .ui-menu-divider")).children().not(".ui-menu").uniqueId().attr({tabIndex:-1,role:this._itemRole()}),this._addClass(e,"ui-menu-item")._addClass(i,"ui-menu-item-wrapper"),t.filter(".ui-state-disabled").attr("aria-disabled","true"),this.active&&!x.contains(this.element[0],this.active[0])&&this.blur()},_itemRole:function(){return{menu:"menuitem",listbox:"option"}[this.options.role]},_setOption:function(t,e){var i;"icons"===t&&(i=this.element.find(".ui-menu-icon"),this._removeClass(i,null,this.options.icons.submenu)._addClass(i,null,e.submenu)),this._super(t,e)},_setOptionDisabled:function(t){this._super(t),this.element.attr("aria-disabled",String(t)),this._toggleClass(null,"ui-state-disabled",!!t)},focus:function(t,e){var i;this.blur(t,t&&"focus"===t.type),this._scrollIntoView(e),this.active=e.first(),i=this.active.children(".ui-menu-item-wrapper"),this._addClass(i,null,"ui-state-active"),this.options.role&&this.element.attr("aria-activedescendant",i.attr("id")),i=this.active.parent().closest(".ui-menu-item").children(".ui-menu-item-wrapper"),this._addClass(i,null,"ui-state-active"),t&&"keydown"===t.type?this._close():this.timer=this._delay(function(){this._close()},this.delay),(i=e.children(".ui-menu")).length&&t&&/^mouse/.test(t.type)&&this._startOpening(i),this.activeMenu=e.parent(),this._trigger("focus",t,{item:e})},_scrollIntoView:function(t){var e,i,s;this._hasScroll()&&(i=parseFloat(x.css(this.activeMenu[0],"borderTopWidth"))||0,s=parseFloat(x.css(this.activeMenu[0],"paddingTop"))||0,e=t.offset().top-this.activeMenu.offset().top-i-s,i=this.activeMenu.scrollTop(),s=this.activeMenu.height(),t=t.outerHeight(),e<0?this.activeMenu.scrollTop(i+e):s",options:{appendTo:null,autoFocus:!1,delay:300,minLength:1,position:{my:"left top",at:"left bottom",collision:"none"},source:null,change:null,close:null,focus:null,open:null,response:null,search:null,select:null},requestIndex:0,pending:0,liveRegionTimer:null,_create:function(){var i,s,n,t=this.element[0].nodeName.toLowerCase(),e="textarea"===t,t="input"===t;this.isMultiLine=e||!t&&this._isContentEditable(this.element),this.valueMethod=this.element[e||t?"val":"text"],this.isNewMenu=!0,this._addClass("ui-autocomplete-input"),this.element.attr("autocomplete","off"),this._on(this.element,{keydown:function(t){if(this.element.prop("readOnly"))s=n=i=!0;else{s=n=i=!1;var e=x.ui.keyCode;switch(t.keyCode){case e.PAGE_UP:i=!0,this._move("previousPage",t);break;case e.PAGE_DOWN:i=!0,this._move("nextPage",t);break;case e.UP:i=!0,this._keyEvent("previous",t);break;case e.DOWN:i=!0,this._keyEvent("next",t);break;case e.ENTER:this.menu.active&&(i=!0,t.preventDefault(),this.menu.select(t));break;case e.TAB:this.menu.active&&this.menu.select(t);break;case e.ESCAPE:this.menu.element.is(":visible")&&(this.isMultiLine||this._value(this.term),this.close(t),t.preventDefault());break;default:s=!0,this._searchTimeout(t)}}},keypress:function(t){if(i)return i=!1,void(this.isMultiLine&&!this.menu.element.is(":visible")||t.preventDefault());if(!s){var e=x.ui.keyCode;switch(t.keyCode){case e.PAGE_UP:this._move("previousPage",t);break;case e.PAGE_DOWN:this._move("nextPage",t);break;case e.UP:this._keyEvent("previous",t);break;case e.DOWN:this._keyEvent("next",t)}}},input:function(t){if(n)return n=!1,void t.preventDefault();this._searchTimeout(t)},focus:function(){this.selectedItem=null,this.previous=this._value()},blur:function(t){clearTimeout(this.searching),this.close(t),this._change(t)}}),this._initSource(),this.menu=x("
    ").appendTo(this._appendTo()).menu({role:null}).hide().attr({unselectable:"on"}).menu("instance"),this._addClass(this.menu.element,"ui-autocomplete","ui-front"),this._on(this.menu.element,{mousedown:function(t){t.preventDefault()},menufocus:function(t,e){var i,s;if(this.isNewMenu&&(this.isNewMenu=!1,t.originalEvent&&/^mouse/.test(t.originalEvent.type)))return this.menu.blur(),void this.document.one("mousemove",function(){x(t.target).trigger(t.originalEvent)});s=e.item.data("ui-autocomplete-item"),!1!==this._trigger("focus",t,{item:s})&&t.originalEvent&&/^key/.test(t.originalEvent.type)&&this._value(s.value),(i=e.item.attr("aria-label")||s.value)&&String.prototype.trim.call(i).length&&(clearTimeout(this.liveRegionTimer),this.liveRegionTimer=this._delay(function(){this.liveRegion.html(x("
    ").text(i))},100))},menuselect:function(t,e){var i=e.item.data("ui-autocomplete-item"),s=this.previous;this.element[0]!==x.ui.safeActiveElement(this.document[0])&&(this.element.trigger("focus"),this.previous=s,this._delay(function(){this.previous=s,this.selectedItem=i})),!1!==this._trigger("select",t,{item:i})&&this._value(i.value),this.term=this._value(),this.close(t),this.selectedItem=i}}),this.liveRegion=x("
    ",{role:"status","aria-live":"assertive","aria-relevant":"additions"}).appendTo(this.document[0].body),this._addClass(this.liveRegion,null,"ui-helper-hidden-accessible"),this._on(this.window,{beforeunload:function(){this.element.removeAttr("autocomplete")}})},_destroy:function(){clearTimeout(this.searching),this.element.removeAttr("autocomplete"),this.menu.element.remove(),this.liveRegion.remove()},_setOption:function(t,e){this._super(t,e),"source"===t&&this._initSource(),"appendTo"===t&&this.menu.element.appendTo(this._appendTo()),"disabled"===t&&e&&this.xhr&&this.xhr.abort()},_isEventTargetInWidget:function(t){var e=this.menu.element[0];return t.target===this.element[0]||t.target===e||x.contains(e,t.target)},_closeOnClickOutside:function(t){this._isEventTargetInWidget(t)||this.close()},_appendTo:function(){var t=this.options.appendTo;return t=!(t=!(t=t&&(t.jquery||t.nodeType?x(t):this.document.find(t).eq(0)))||!t[0]?this.element.closest(".ui-front, dialog"):t).length?this.document[0].body:t},_initSource:function(){var i,s,n=this;Array.isArray(this.options.source)?(i=this.options.source,this.source=function(t,e){e(x.ui.autocomplete.filter(i,t.term))}):"string"==typeof this.options.source?(s=this.options.source,this.source=function(t,e){n.xhr&&n.xhr.abort(),n.xhr=x.ajax({url:s,data:t,dataType:"json",success:function(t){e(t)},error:function(){e([])}})}):this.source=this.options.source},_searchTimeout:function(s){clearTimeout(this.searching),this.searching=this._delay(function(){var t=this.term===this._value(),e=this.menu.element.is(":visible"),i=s.altKey||s.ctrlKey||s.metaKey||s.shiftKey;t&&(e||i)||(this.selectedItem=null,this.search(null,s))},this.options.delay)},search:function(t,e){return t=null!=t?t:this._value(),this.term=this._value(),t.length").append(x("
    ").text(e.label)).appendTo(t)},_move:function(t,e){if(this.menu.element.is(":visible"))return this.menu.isFirstItem()&&/^previous/.test(t)||this.menu.isLastItem()&&/^next/.test(t)?(this.isMultiLine||this._value(this.term),void this.menu.blur()):void this.menu[t](e);this.search(null,e)},widget:function(){return this.menu.element},_value:function(){return this.valueMethod.apply(this.element,arguments)},_keyEvent:function(t,e){this.isMultiLine&&!this.menu.element.is(":visible")||(this._move(t,e),e.preventDefault())},_isContentEditable:function(t){if(!t.length)return!1;var e=t.prop("contentEditable");return"inherit"===e?this._isContentEditable(t.parent()):"true"===e}}),x.extend(x.ui.autocomplete,{escapeRegex:function(t){return t.replace(/[\-\[\]{}()*+?.,\\\^$|#\s]/g,"\\$&")},filter:function(t,e){var i=new RegExp(x.ui.autocomplete.escapeRegex(e),"i");return x.grep(t,function(t){return i.test(t.label||t.value||t)})}}),x.widget("ui.autocomplete",x.ui.autocomplete,{options:{messages:{noResults:"No search results.",results:function(t){return t+(1").text(e))},100))}});x.ui.autocomplete}); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/javadoc/script.js b/vendor/opencv/sdk/java/javadoc/script.js deleted file mode 100644 index 73cd8faac9..0000000000 --- a/vendor/opencv/sdk/java/javadoc/script.js +++ /dev/null @@ -1,132 +0,0 @@ -/* - * Copyright (c) 2013, 2020, Oracle and/or its affiliates. All rights reserved. - * DO NOT ALTER OR REMOVE COPYRIGHT NOTICES OR THIS FILE HEADER. - * - * This code is free software; you can redistribute it and/or modify it - * under the terms of the GNU General Public License version 2 only, as - * published by the Free Software Foundation. Oracle designates this - * particular file as subject to the "Classpath" exception as provided - * by Oracle in the LICENSE file that accompanied this code. - * - * This code is distributed in the hope that it will be useful, but WITHOUT - * ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or - * FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License - * version 2 for more details (a copy is included in the LICENSE file that - * accompanied this code). - * - * You should have received a copy of the GNU General Public License version - * 2 along with this work; if not, write to the Free Software Foundation, - * Inc., 51 Franklin St, Fifth Floor, Boston, MA 02110-1301 USA. - * - * Please contact Oracle, 500 Oracle Parkway, Redwood Shores, CA 94065 USA - * or visit www.oracle.com if you need additional information or have any - * questions. - */ - -var moduleSearchIndex; -var packageSearchIndex; -var typeSearchIndex; -var memberSearchIndex; -var tagSearchIndex; -function loadScripts(doc, tag) { - createElem(doc, tag, 'search.js'); - - createElem(doc, tag, 'module-search-index.js'); - createElem(doc, tag, 'package-search-index.js'); - createElem(doc, tag, 'type-search-index.js'); - createElem(doc, tag, 'member-search-index.js'); - createElem(doc, tag, 'tag-search-index.js'); -} - -function createElem(doc, tag, path) { - var script = doc.createElement(tag); - var scriptElement = doc.getElementsByTagName(tag)[0]; - script.src = pathtoroot + path; - scriptElement.parentNode.insertBefore(script, scriptElement); -} - -function show(tableId, selected, columns) { - if (tableId !== selected) { - document.querySelectorAll('div.' + tableId + ':not(.' + selected + ')') - .forEach(function(elem) { - elem.style.display = 'none'; - }); - } - document.querySelectorAll('div.' + selected) - .forEach(function(elem, index) { - elem.style.display = ''; - var isEvenRow = index % (columns * 2) < columns; - elem.classList.remove(isEvenRow ? oddRowColor : evenRowColor); - elem.classList.add(isEvenRow ? evenRowColor : oddRowColor); - }); - updateTabs(tableId, selected); -} - -function updateTabs(tableId, selected) { - document.getElementById(tableId + '.tabpanel') - .setAttribute('aria-labelledby', selected); - document.querySelectorAll('button[id^="' + tableId + '"]') - .forEach(function(tab, index) { - if (selected === tab.id || (tableId === selected && index === 0)) { - tab.className = activeTableTab; - tab.setAttribute('aria-selected', true); - tab.setAttribute('tabindex',0); - } else { - tab.className = tableTab; - tab.setAttribute('aria-selected', false); - tab.setAttribute('tabindex',-1); - } - }); -} - -function switchTab(e) { - var selected = document.querySelector('[aria-selected=true]'); - if (selected) { - if ((e.keyCode === 37 || e.keyCode === 38) && selected.previousSibling) { - // left or up arrow key pressed: move focus to previous tab - selected.previousSibling.click(); - selected.previousSibling.focus(); - e.preventDefault(); - } else if ((e.keyCode === 39 || e.keyCode === 40) && selected.nextSibling) { - // right or down arrow key pressed: move focus to next tab - selected.nextSibling.click(); - selected.nextSibling.focus(); - e.preventDefault(); - } - } -} - -var updateSearchResults = function() {}; - -function indexFilesLoaded() { - return moduleSearchIndex - && packageSearchIndex - && typeSearchIndex - && memberSearchIndex - && tagSearchIndex; -} - -// Workaround for scroll position not being included in browser history (8249133) -document.addEventListener("DOMContentLoaded", function(e) { - var contentDiv = document.querySelector("div.flex-content"); - window.addEventListener("popstate", function(e) { - if (e.state !== null) { - contentDiv.scrollTop = e.state; - } - }); - window.addEventListener("hashchange", function(e) { - history.replaceState(contentDiv.scrollTop, document.title); - }); - contentDiv.addEventListener("scroll", function(e) { - var timeoutID; - if (!timeoutID) { - timeoutID = setTimeout(function() { - history.replaceState(contentDiv.scrollTop, document.title); - timeoutID = null; - }, 100); - } - }); - if (!location.hash) { - history.replaceState(contentDiv.scrollTop, document.title); - } -}); diff --git a/vendor/opencv/sdk/java/javadoc/search.js b/vendor/opencv/sdk/java/javadoc/search.js deleted file mode 100644 index db3b2f4a64..0000000000 --- a/vendor/opencv/sdk/java/javadoc/search.js +++ /dev/null @@ -1,354 +0,0 @@ -/* - * Copyright (c) 2015, 2020, Oracle and/or its affiliates. All rights reserved. - * DO NOT ALTER OR REMOVE COPYRIGHT NOTICES OR THIS FILE HEADER. - * - * This code is free software; you can redistribute it and/or modify it - * under the terms of the GNU General Public License version 2 only, as - * published by the Free Software Foundation. Oracle designates this - * particular file as subject to the "Classpath" exception as provided - * by Oracle in the LICENSE file that accompanied this code. - * - * This code is distributed in the hope that it will be useful, but WITHOUT - * ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or - * FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License - * version 2 for more details (a copy is included in the LICENSE file that - * accompanied this code). - * - * You should have received a copy of the GNU General Public License version - * 2 along with this work; if not, write to the Free Software Foundation, - * Inc., 51 Franklin St, Fifth Floor, Boston, MA 02110-1301 USA. - * - * Please contact Oracle, 500 Oracle Parkway, Redwood Shores, CA 94065 USA - * or visit www.oracle.com if you need additional information or have any - * questions. - */ - -var noResult = {l: "No results found"}; -var loading = {l: "Loading search index..."}; -var catModules = "Modules"; -var catPackages = "Packages"; -var catTypes = "Classes and Interfaces"; -var catMembers = "Members"; -var catSearchTags = "Search Tags"; -var highlight = "$&"; -var searchPattern = ""; -var fallbackPattern = ""; -var RANKING_THRESHOLD = 2; -var NO_MATCH = 0xffff; -var MIN_RESULTS = 3; -var MAX_RESULTS = 500; -var UNNAMED = ""; -function escapeHtml(str) { - return str.replace(//g, ">"); -} -function getHighlightedText(item, matcher, fallbackMatcher) { - var escapedItem = escapeHtml(item); - var highlighted = escapedItem.replace(matcher, highlight); - if (highlighted === escapedItem) { - highlighted = escapedItem.replace(fallbackMatcher, highlight) - } - return highlighted; -} -function getURLPrefix(ui) { - var urlPrefix=""; - var slash = "/"; - if (ui.item.category === catModules) { - return ui.item.l + slash; - } else if (ui.item.category === catPackages && ui.item.m) { - return ui.item.m + slash; - } else if (ui.item.category === catTypes || ui.item.category === catMembers) { - if (ui.item.m) { - urlPrefix = ui.item.m + slash; - } else { - $.each(packageSearchIndex, function(index, item) { - if (item.m && ui.item.p === item.l) { - urlPrefix = item.m + slash; - } - }); - } - } - return urlPrefix; -} -function createSearchPattern(term) { - var pattern = ""; - var isWordToken = false; - term.replace(/,\s*/g, ", ").trim().split(/\s+/).forEach(function(w, index) { - if (index > 0) { - // whitespace between identifiers is significant - pattern += (isWordToken && /^\w/.test(w)) ? "\\s+" : "\\s*"; - } - var tokens = w.split(/(?=[A-Z,.()<>[\/])/); - for (var i = 0; i < tokens.length; i++) { - var s = tokens[i]; - if (s === "") { - continue; - } - pattern += $.ui.autocomplete.escapeRegex(s); - isWordToken = /\w$/.test(s); - if (isWordToken) { - pattern += "([a-z0-9_$<>\\[\\]]*?)"; - } - } - }); - return pattern; -} -function createMatcher(pattern, flags) { - var isCamelCase = /[A-Z]/.test(pattern); - return new RegExp(pattern, flags + (isCamelCase ? "" : "i")); -} -var watermark = 'Search'; -$(function() { - var search = $("#search-input"); - var reset = $("#reset-button"); - search.val(''); - search.prop("disabled", false); - reset.prop("disabled", false); - search.val(watermark).addClass('watermark'); - search.blur(function() { - if ($(this).val().length === 0) { - $(this).val(watermark).addClass('watermark'); - } - }); - search.on('click keydown paste', function() { - if ($(this).val() === watermark) { - $(this).val('').removeClass('watermark'); - } - }); - reset.click(function() { - search.val('').focus(); - }); - search.focus()[0].setSelectionRange(0, 0); -}); -$.widget("custom.catcomplete", $.ui.autocomplete, { - _create: function() { - this._super(); - this.widget().menu("option", "items", "> :not(.ui-autocomplete-category)"); - }, - _renderMenu: function(ul, items) { - var rMenu = this; - var currentCategory = ""; - rMenu.menu.bindings = $(); - $.each(items, function(index, item) { - var li; - if (item.category && item.category !== currentCategory) { - ul.append("
  • " + item.category + "
    • "); - currentCategory = item.category; - } - li = rMenu._renderItemData(ul, item); - if (item.category) { - li.attr("aria-label", item.category + " : " + item.l); - li.attr("class", "result-item"); - } else { - li.attr("aria-label", item.l); - li.attr("class", "result-item"); - } - }); - }, - _renderItem: function(ul, item) { - var label = ""; - var matcher = createMatcher(escapeHtml(searchPattern), "g"); - var fallbackMatcher = new RegExp(fallbackPattern, "gi") - if (item.category === catModules) { - label = getHighlightedText(item.l, matcher, fallbackMatcher); - } else if (item.category === catPackages) { - label = getHighlightedText(item.l, matcher, fallbackMatcher); - } else if (item.category === catTypes) { - label = (item.p && item.p !== UNNAMED) - ? getHighlightedText(item.p + "." + item.l, matcher, fallbackMatcher) - : getHighlightedText(item.l, matcher, fallbackMatcher); - } else if (item.category === catMembers) { - label = (item.p && item.p !== UNNAMED) - ? getHighlightedText(item.p + "." + item.c + "." + item.l, matcher, fallbackMatcher) - : getHighlightedText(item.c + "." + item.l, matcher, fallbackMatcher); - } else if (item.category === catSearchTags) { - label = getHighlightedText(item.l, matcher, fallbackMatcher); - } else { - label = item.l; - } - var li = $("
  • ").appendTo(ul); - var div = $("
    ").appendTo(li); - if (item.category === catSearchTags && item.h) { - if (item.d) { - div.html(label + " (" + item.h + ")
    " - + item.d + "
    "); - } else { - div.html(label + " (" + item.h + ")"); - } - } else { - if (item.m) { - div.html(item.m + "/" + label); - } else { - div.html(label); - } - } - return li; - } -}); -function rankMatch(match, category) { - if (!match) { - return NO_MATCH; - } - var index = match.index; - var input = match.input; - var leftBoundaryMatch = 2; - var periferalMatch = 0; - // make sure match is anchored on a left word boundary - if (index === 0 || /\W/.test(input[index - 1]) || "_" === input[index]) { - leftBoundaryMatch = 0; - } else if ("_" === input[index - 1] || (input[index] === input[index].toUpperCase() && !/^[A-Z0-9_$]+$/.test(input))) { - leftBoundaryMatch = 1; - } - var matchEnd = index + match[0].length; - var leftParen = input.indexOf("("); - var endOfName = leftParen > -1 ? leftParen : input.length; - // exclude peripheral matches - if (category !== catModules && category !== catSearchTags) { - var delim = category === catPackages ? "/" : "."; - if (leftParen > -1 && leftParen < index) { - periferalMatch += 2; - } else if (input.lastIndexOf(delim, endOfName) >= matchEnd) { - periferalMatch += 2; - } - } - var delta = match[0].length === endOfName ? 0 : 1; // rank full match higher than partial match - for (var i = 1; i < match.length; i++) { - // lower ranking if parts of the name are missing - if (match[i]) - delta += match[i].length; - } - if (category === catTypes) { - // lower ranking if a type name contains unmatched camel-case parts - if (/[A-Z]/.test(input.substring(matchEnd))) - delta += 5; - if (/[A-Z]/.test(input.substring(0, index))) - delta += 5; - } - return leftBoundaryMatch + periferalMatch + (delta / 200); - -} -function doSearch(request, response) { - var result = []; - searchPattern = createSearchPattern(request.term); - fallbackPattern = createSearchPattern(request.term.toLowerCase()); - if (searchPattern === "") { - return this.close(); - } - var camelCaseMatcher = createMatcher(searchPattern, ""); - var fallbackMatcher = new RegExp(fallbackPattern, "i"); - - function searchIndexWithMatcher(indexArray, matcher, category, nameFunc) { - if (indexArray) { - var newResults = []; - $.each(indexArray, function (i, item) { - item.category = category; - var ranking = rankMatch(matcher.exec(nameFunc(item)), category); - if (ranking < RANKING_THRESHOLD) { - newResults.push({ranking: ranking, item: item}); - } - return newResults.length <= MAX_RESULTS; - }); - return newResults.sort(function(e1, e2) { - return e1.ranking - e2.ranking; - }).map(function(e) { - return e.item; - }); - } - return []; - } - function searchIndex(indexArray, category, nameFunc) { - var primaryResults = searchIndexWithMatcher(indexArray, camelCaseMatcher, category, nameFunc); - result = result.concat(primaryResults); - if (primaryResults.length <= MIN_RESULTS && !camelCaseMatcher.ignoreCase) { - var secondaryResults = searchIndexWithMatcher(indexArray, fallbackMatcher, category, nameFunc); - result = result.concat(secondaryResults.filter(function (item) { - return primaryResults.indexOf(item) === -1; - })); - } - } - - searchIndex(moduleSearchIndex, catModules, function(item) { return item.l; }); - searchIndex(packageSearchIndex, catPackages, function(item) { - return (item.m && request.term.indexOf("/") > -1) - ? (item.m + "/" + item.l) : item.l; - }); - searchIndex(typeSearchIndex, catTypes, function(item) { - return request.term.indexOf(".") > -1 ? item.p + "." + item.l : item.l; - }); - searchIndex(memberSearchIndex, catMembers, function(item) { - return request.term.indexOf(".") > -1 - ? item.p + "." + item.c + "." + item.l : item.l; - }); - searchIndex(tagSearchIndex, catSearchTags, function(item) { return item.l; }); - - if (!indexFilesLoaded()) { - updateSearchResults = function() { - doSearch(request, response); - } - result.unshift(loading); - } else { - updateSearchResults = function() {}; - } - response(result); -} -$(function() { - $("#search-input").catcomplete({ - minLength: 1, - delay: 300, - source: doSearch, - response: function(event, ui) { - if (!ui.content.length) { - ui.content.push(noResult); - } else { - $("#search-input").empty(); - } - }, - autoFocus: true, - focus: function(event, ui) { - return false; - }, - position: { - collision: "flip" - }, - select: function(event, ui) { - if (ui.item.category) { - var url = getURLPrefix(ui); - if (ui.item.category === catModules) { - url += "module-summary.html"; - } else if (ui.item.category === catPackages) { - if (ui.item.u) { - url = ui.item.u; - } else { - url += ui.item.l.replace(/\./g, '/') + "/package-summary.html"; - } - } else if (ui.item.category === catTypes) { - if (ui.item.u) { - url = ui.item.u; - } else if (ui.item.p === UNNAMED) { - url += ui.item.l + ".html"; - } else { - url += ui.item.p.replace(/\./g, '/') + "/" + ui.item.l + ".html"; - } - } else if (ui.item.category === catMembers) { - if (ui.item.p === UNNAMED) { - url += ui.item.c + ".html" + "#"; - } else { - url += ui.item.p.replace(/\./g, '/') + "/" + ui.item.c + ".html" + "#"; - } - if (ui.item.u) { - url += ui.item.u; - } else { - url += ui.item.l; - } - } else if (ui.item.category === catSearchTags) { - url += ui.item.u; - } - if (top !== window) { - parent.classFrame.location = pathtoroot + url; - } else { - window.location.href = pathtoroot + url; - } - $("#search-input").focus(); - } - } - }); -}); diff --git a/vendor/opencv/sdk/java/javadoc/serialized-form.html b/vendor/opencv/sdk/java/javadoc/serialized-form.html deleted file mode 100644 index 0dbaca1bf4..0000000000 --- a/vendor/opencv/sdk/java/javadoc/serialized-form.html +++ /dev/null @@ -1,90 +0,0 @@ - - - - -Serialized Form (OpenCV 4.12.0 Java documentation) - - - - - - - - - - - - - - - -
    - -
    -
    -
    -

    Serialized Form

    -
    - -
    -
    -
    -

    Generated on 2025-07-02 13:16:04 / OpenCV 4.12.0

    -
    -
    -
    - - diff --git a/vendor/opencv/sdk/java/javadoc/stylesheet.css b/vendor/opencv/sdk/java/javadoc/stylesheet.css deleted file mode 100644 index 4a576bd24d..0000000000 --- a/vendor/opencv/sdk/java/javadoc/stylesheet.css +++ /dev/null @@ -1,869 +0,0 @@ -/* - * Javadoc style sheet - */ - -@import url('resources/fonts/dejavu.css'); - -/* - * Styles for individual HTML elements. - * - * These are styles that are specific to individual HTML elements. Changing them affects the style of a particular - * HTML element throughout the page. - */ - -body { - background-color:#ffffff; - color:#353833; - font-family:'DejaVu Sans', Arial, Helvetica, sans-serif; - font-size:14px; - margin:0; - padding:0; - height:100%; - width:100%; -} -iframe { - margin:0; - padding:0; - height:100%; - width:100%; - overflow-y:scroll; - border:none; -} -a:link, a:visited { - text-decoration:none; - color:#4A6782; -} -a[href]:hover, a[href]:focus { - text-decoration:none; - color:#bb7a2a; -} -a[name] { - color:#353833; -} -pre { - font-family:'DejaVu Sans Mono', monospace; - font-size:14px; -} -h1 { - font-size:20px; -} -h2 { - font-size:18px; -} -h3 { - font-size:16px; -} -h4 { - font-size:15px; -} -h5 { - font-size:14px; -} -h6 { - font-size:13px; -} -ul { - list-style-type:disc; -} -code, tt { - font-family:'DejaVu Sans Mono', monospace; -} -:not(h1, h2, h3, h4, h5, h6) > code, -:not(h1, h2, h3, h4, h5, h6) > tt { - font-size:14px; - padding-top:4px; - margin-top:8px; - line-height:1.4em; -} -dt code { - font-family:'DejaVu Sans Mono', monospace; - font-size:14px; - padding-top:4px; -} -.summary-table dt code { - font-family:'DejaVu Sans Mono', monospace; - font-size:14px; - vertical-align:top; - padding-top:4px; -} -sup { - font-size:8px; -} -button { - font-family: 'DejaVu Sans', Arial, Helvetica, sans-serif; - font-size: 14px; -} -/* - * Styles for HTML generated by javadoc. - * - * These are style classes that are used by the standard doclet to generate HTML documentation. - */ - -/* - * Styles for document title and copyright. - */ -.clear { - clear:both; - height:0; - overflow:hidden; -} -.about-language { - float:right; - padding:0 21px 8px 8px; - font-size:11px; - margin-top:-9px; - height:2.9em; -} -.legal-copy { - margin-left:.5em; -} -.tab { - background-color:#0066FF; - color:#ffffff; - padding:8px; - width:5em; - font-weight:bold; -} -/* - * Styles for navigation bar. - */ -@media screen { - .flex-box { - position:fixed; - display:flex; - flex-direction:column; - height: 100%; - width: 100%; - } - .flex-header { - flex: 0 0 auto; - } - .flex-content { - flex: 1 1 auto; - overflow-y: auto; - } -} -.top-nav { - background-color:#4D7A97; - color:#FFFFFF; - float:left; - padding:0; - width:100%; - clear:right; - min-height:2.8em; - padding-top:10px; - overflow:hidden; - font-size:12px; -} -.sub-nav { - background-color:#dee3e9; - float:left; - width:100%; - overflow:hidden; - font-size:12px; -} -.sub-nav div { - clear:left; - float:left; - padding:0 0 5px 6px; - text-transform:uppercase; -} -.sub-nav .nav-list { - padding-top:5px; -} -ul.nav-list { - display:block; - margin:0 25px 0 0; - padding:0; -} -ul.sub-nav-list { - float:left; - margin:0 25px 0 0; - padding:0; -} -ul.nav-list li { - list-style:none; - float:left; - padding: 5px 6px; - text-transform:uppercase; -} -.sub-nav .nav-list-search { - float:right; - margin:0 0 0 0; - padding:5px 6px; - clear:none; -} -.nav-list-search label { - position:relative; - right:-16px; -} -ul.sub-nav-list li { - list-style:none; - float:left; - padding-top:10px; -} -.top-nav a:link, .top-nav a:active, .top-nav a:visited { - color:#FFFFFF; - text-decoration:none; - text-transform:uppercase; -} -.top-nav a:hover { - text-decoration:none; - color:#bb7a2a; - text-transform:uppercase; -} -.nav-bar-cell1-rev { - background-color:#F8981D; - color:#253441; - margin: auto 5px; -} -.skip-nav { - position:absolute; - top:auto; - left:-9999px; - overflow:hidden; -} -/* - * Hide navigation links and search box in print layout - */ -@media print { - ul.nav-list, div.sub-nav { - display:none; - } -} -/* - * Styles for page header and footer. - */ -.title { - color:#2c4557; - margin:10px 0; -} -.sub-title { - margin:5px 0 0 0; -} -.header ul { - margin:0 0 15px 0; - padding:0; -} -.header ul li, .footer ul li { - list-style:none; - font-size:13px; -} -/* - * Styles for headings. - */ -body.class-declaration-page .summary h2, -body.class-declaration-page .details h2, -body.class-use-page h2, -body.module-declaration-page .block-list h2 { - font-style: italic; - padding:0; - margin:15px 0; -} -body.class-declaration-page .summary h3, -body.class-declaration-page .details h3, -body.class-declaration-page .summary .inherited-list h2 { - background-color:#dee3e9; - border:1px solid #d0d9e0; - margin:0 0 6px -8px; - padding:7px 5px; -} -/* - * Styles for page layout containers. - */ -main { - clear:both; - padding:10px 20px; - position:relative; -} -dl.notes > dt { - font-family: 'DejaVu Sans', Arial, Helvetica, sans-serif; - font-size:12px; - font-weight:bold; - margin:10px 0 0 0; - color:#4E4E4E; -} -dl.notes > dd { - margin:5px 10px 10px 0; - font-size:14px; - font-family:'DejaVu Serif', Georgia, "Times New Roman", Times, serif; -} -dl.name-value > dt { - margin-left:1px; - font-size:1.1em; - display:inline; - font-weight:bold; -} -dl.name-value > dd { - margin:0 0 0 1px; - font-size:1.1em; - display:inline; -} -/* - * Styles for lists. - */ -li.circle { - list-style:circle; -} -ul.horizontal li { - display:inline; - font-size:0.9em; -} -div.inheritance { - margin:0; - padding:0; -} -div.inheritance div.inheritance { - margin-left:2em; -} -ul.block-list, -ul.details-list, -ul.member-list, -ul.summary-list { - margin:10px 0 10px 0; - padding:0; -} -ul.block-list > li, -ul.details-list > li, -ul.member-list > li, -ul.summary-list > li { - list-style:none; - margin-bottom:15px; - line-height:1.4; -} -.summary-table dl, .summary-table dl dt, .summary-table dl dd { - margin-top:0; - margin-bottom:1px; -} -ul.see-list, ul.see-list-long { - padding-left: 0; - list-style: none; -} -ul.see-list li { - display: inline; -} -ul.see-list li:not(:last-child):after, -ul.see-list-long li:not(:last-child):after { - content: ", "; - white-space: pre-wrap; -} -/* - * Styles for tables. - */ -.summary-table, .details-table { - width:100%; - border-spacing:0; - border-left:1px solid #EEE; - border-right:1px solid #EEE; - border-bottom:1px solid #EEE; - padding:0; -} -.caption { - position:relative; - text-align:left; - background-repeat:no-repeat; - color:#253441; - font-weight:bold; - clear:none; - overflow:hidden; - padding:0; - padding-top:10px; - padding-left:1px; - margin:0; - white-space:pre; -} -.caption a:link, .caption a:visited { - color:#1f389c; -} -.caption a:hover, -.caption a:active { - color:#FFFFFF; -} -.caption span { - white-space:nowrap; - padding-top:5px; - padding-left:12px; - padding-right:12px; - padding-bottom:7px; - display:inline-block; - float:left; - background-color:#F8981D; - border: none; - height:16px; -} -div.table-tabs { - padding:10px 0 0 1px; - margin:0; -} -div.table-tabs > button { - border: none; - cursor: pointer; - padding: 5px 12px 7px 12px; - font-weight: bold; - margin-right: 3px; -} -div.table-tabs > button.active-table-tab { - background: #F8981D; - color: #253441; -} -div.table-tabs > button.table-tab { - background: #4D7A97; - color: #FFFFFF; -} -.two-column-summary { - display: grid; - grid-template-columns: minmax(15%, max-content) minmax(15%, auto); -} -.three-column-summary { - display: grid; - grid-template-columns: minmax(10%, max-content) minmax(15%, max-content) minmax(15%, auto); -} -.four-column-summary { - display: grid; - grid-template-columns: minmax(10%, max-content) minmax(10%, max-content) minmax(10%, max-content) minmax(10%, auto); -} -@media screen and (max-width: 600px) { - .two-column-summary { - display: grid; - grid-template-columns: 1fr; - } -} -@media screen and (max-width: 800px) { - .three-column-summary { - display: grid; - grid-template-columns: minmax(10%, max-content) minmax(25%, auto); - } - .three-column-summary .col-last { - grid-column-end: span 2; - } -} -@media screen and (max-width: 1000px) { - .four-column-summary { - display: grid; - grid-template-columns: minmax(15%, max-content) minmax(15%, auto); - } -} -.summary-table > div, .details-table > div { - text-align:left; - padding: 8px 3px 3px 7px; -} -.col-first, .col-second, .col-last, .col-constructor-name, .col-summary-item-name { - vertical-align:top; - padding-right:0; - padding-top:8px; - padding-bottom:3px; -} -.table-header { - background:#dee3e9; - font-weight: bold; -} -.col-first, .col-first { - font-size:13px; -} -.col-second, .col-second, .col-last, .col-constructor-name, .col-summary-item-name, .col-last { - font-size:13px; -} -.col-first, .col-second, .col-constructor-name { - vertical-align:top; - overflow: auto; -} -.col-last { - white-space:normal; -} -.col-first a:link, .col-first a:visited, -.col-second a:link, .col-second a:visited, -.col-first a:link, .col-first a:visited, -.col-second a:link, .col-second a:visited, -.col-constructor-name a:link, .col-constructor-name a:visited, -.col-summary-item-name a:link, .col-summary-item-name a:visited, -.constant-values-container a:link, .constant-values-container a:visited, -.all-classes-container a:link, .all-classes-container a:visited, -.all-packages-container a:link, .all-packages-container a:visited { - font-weight:bold; -} -.table-sub-heading-color { - background-color:#EEEEFF; -} -.even-row-color, .even-row-color .table-header { - background-color:#FFFFFF; -} -.odd-row-color, .odd-row-color .table-header { - background-color:#EEEEEF; -} -/* - * Styles for contents. - */ -.deprecated-content { - margin:0; - padding:10px 0; -} -div.block { - font-size:14px; - font-family:'DejaVu Serif', Georgia, "Times New Roman", Times, serif; -} -.col-last div { - padding-top:0; -} -.col-last a { - padding-bottom:3px; -} -.module-signature, -.package-signature, -.type-signature, -.member-signature { - font-family:'DejaVu Sans Mono', monospace; - font-size:14px; - margin:14px 0; - white-space: pre-wrap; -} -.module-signature, -.package-signature, -.type-signature { - margin-top: 0; -} -.member-signature .type-parameters-long, -.member-signature .parameters, -.member-signature .exceptions { - display: inline-block; - vertical-align: top; - white-space: pre; -} -.member-signature .type-parameters { - white-space: normal; -} -/* - * Styles for formatting effect. - */ -.source-line-no { - color:green; - padding:0 30px 0 0; -} -h1.hidden { - visibility:hidden; - overflow:hidden; - font-size:10px; -} -.block { - display:block; - margin:0 10px 5px 0; - color:#474747; -} -.deprecated-label, .descfrm-type-label, .implementation-label, .member-name-label, .member-name-link, -.module-label-in-package, .module-label-in-type, .override-specify-label, .package-label-in-type, -.package-hierarchy-label, .type-name-label, .type-name-link, .search-tag-link, .preview-label { - font-weight:bold; -} -.deprecation-comment, .help-footnote, .preview-comment { - font-style:italic; -} -.deprecation-block { - font-size:14px; - font-family:'DejaVu Serif', Georgia, "Times New Roman", Times, serif; - border-style:solid; - border-width:thin; - border-radius:10px; - padding:10px; - margin-bottom:10px; - margin-right:10px; - display:inline-block; -} -.preview-block { - font-size:14px; - font-family:'DejaVu Serif', Georgia, "Times New Roman", Times, serif; - border-style:solid; - border-width:thin; - border-radius:10px; - padding:10px; - margin-bottom:10px; - margin-right:10px; - display:inline-block; -} -div.block div.deprecation-comment { - font-style:normal; -} -/* - * Styles specific to HTML5 elements. - */ -main, nav, header, footer, section { - display:block; -} -/* - * Styles for javadoc search. - */ -.ui-autocomplete-category { - font-weight:bold; - font-size:15px; - padding:7px 0 7px 3px; - background-color:#4D7A97; - color:#FFFFFF; -} -.result-item { - font-size:13px; -} -.ui-autocomplete { - max-height:85%; - max-width:65%; - overflow-y:scroll; - overflow-x:scroll; - white-space:nowrap; - box-shadow: 0 3px 6px rgba(0,0,0,0.16), 0 3px 6px rgba(0,0,0,0.23); -} -ul.ui-autocomplete { - position:fixed; - z-index:999999; - background-color: #FFFFFF; -} -ul.ui-autocomplete li { - float:left; - clear:both; - width:100%; -} -.result-highlight { - font-weight:bold; -} -.ui-autocomplete .result-item { - font-size: inherit; -} -#search-input { - background-image:url('resources/glass.png'); - background-size:13px; - background-repeat:no-repeat; - background-position:2px 3px; - padding-left:20px; - position:relative; - right:-18px; - width:400px; -} -#reset-button { - background-color: rgb(255,255,255); - background-image:url('resources/x.png'); - background-position:center; - background-repeat:no-repeat; - background-size:12px; - border:0 none; - width:16px; - height:16px; - position:relative; - left:-4px; - top:-4px; - font-size:0px; -} -.watermark { - color:#545454; -} -.search-tag-desc-result { - font-style:italic; - font-size:11px; -} -.search-tag-holder-result { - font-style:italic; - font-size:12px; -} -.search-tag-result:target { - background-color:yellow; -} -.module-graph span { - display:none; - position:absolute; -} -.module-graph:hover span { - display:block; - margin: -100px 0 0 100px; - z-index: 1; -} -.inherited-list { - margin: 10px 0 10px 0; -} -section.class-description { - line-height: 1.4; -} -.summary section[class$="-summary"], .details section[class$="-details"], -.class-uses .detail, .serialized-class-details { - padding: 0px 20px 5px 10px; - border: 1px solid #ededed; - background-color: #f8f8f8; -} -.inherited-list, section[class$="-details"] .detail { - padding:0 0 5px 8px; - background-color:#ffffff; - border:none; -} -.vertical-separator { - padding: 0 5px; -} -ul.help-section-list { - margin: 0; -} -ul.help-subtoc > li { - display: inline-block; - padding-right: 5px; - font-size: smaller; -} -ul.help-subtoc > li::before { - content: "\2022" ; - padding-right:2px; -} -span.help-note { - font-style: italic; -} -/* - * Indicator icon for external links. - */ -main a[href*="://"]::after { - content:""; - display:inline-block; - background-image:url('data:image/svg+xml; utf8, \ - \ - \ - '); - background-size:100% 100%; - width:7px; - height:7px; - margin-left:2px; - margin-bottom:4px; -} -main a[href*="://"]:hover::after, -main a[href*="://"]:focus::after { - background-image:url('data:image/svg+xml; utf8, \ - \ - \ - '); -} - -/* - * Styles for user-provided tables. - * - * borderless: - * No borders, vertical margins, styled caption. - * This style is provided for use with existing doc comments. - * In general, borderless tables should not be used for layout purposes. - * - * plain: - * Plain borders around table and cells, vertical margins, styled caption. - * Best for small tables or for complex tables for tables with cells that span - * rows and columns, when the "striped" style does not work well. - * - * striped: - * Borders around the table and vertical borders between cells, striped rows, - * vertical margins, styled caption. - * Best for tables that have a header row, and a body containing a series of simple rows. - */ - -table.borderless, -table.plain, -table.striped { - margin-top: 10px; - margin-bottom: 10px; -} -table.borderless > caption, -table.plain > caption, -table.striped > caption { - font-weight: bold; - font-size: smaller; -} -table.borderless th, table.borderless td, -table.plain th, table.plain td, -table.striped th, table.striped td { - padding: 2px 5px; -} -table.borderless, -table.borderless > thead > tr > th, table.borderless > tbody > tr > th, table.borderless > tr > th, -table.borderless > thead > tr > td, table.borderless > tbody > tr > td, table.borderless > tr > td { - border: none; -} -table.borderless > thead > tr, table.borderless > tbody > tr, table.borderless > tr { - background-color: transparent; -} -table.plain { - border-collapse: collapse; - border: 1px solid black; -} -table.plain > thead > tr, table.plain > tbody tr, table.plain > tr { - background-color: transparent; -} -table.plain > thead > tr > th, table.plain > tbody > tr > th, table.plain > tr > th, -table.plain > thead > tr > td, table.plain > tbody > tr > td, table.plain > tr > td { - border: 1px solid black; -} -table.striped { - border-collapse: collapse; - border: 1px solid black; -} -table.striped > thead { - background-color: #E3E3E3; -} -table.striped > thead > tr > th, table.striped > thead > tr > td { - border: 1px solid black; -} -table.striped > tbody > tr:nth-child(even) { - background-color: #EEE -} -table.striped > tbody > tr:nth-child(odd) { - background-color: #FFF -} -table.striped > tbody > tr > th, table.striped > tbody > tr > td { - border-left: 1px solid black; - border-right: 1px solid black; -} -table.striped > tbody > tr > th { - font-weight: normal; -} -/** - * Tweak font sizes and paddings for small screens. - */ -@media screen and (max-width: 1050px) { - #search-input { - width: 300px; - } -} -@media screen and (max-width: 800px) { - #search-input { - width: 200px; - } - .top-nav, - .bottom-nav { - font-size: 11px; - padding-top: 6px; - } - .sub-nav { - font-size: 11px; - } - .about-language { - padding-right: 16px; - } - ul.nav-list li, - .sub-nav .nav-list-search { - padding: 6px; - } - ul.sub-nav-list li { - padding-top: 5px; - } - main { - padding: 10px; - } - .summary section[class$="-summary"], .details section[class$="-details"], - .class-uses .detail, .serialized-class-details { - padding: 0 8px 5px 8px; - } - body { - -webkit-text-size-adjust: none; - } -} -@media screen and (max-width: 500px) { - #search-input { - width: 150px; - } - .top-nav, - .bottom-nav { - font-size: 10px; - } - .sub-nav { - font-size: 10px; - } - .about-language { - font-size: 10px; - padding-right: 12px; - } -} diff --git a/vendor/opencv/sdk/java/javadoc/tag-search-index.js b/vendor/opencv/sdk/java/javadoc/tag-search-index.js deleted file mode 100644 index bf10aaf6d1..0000000000 --- a/vendor/opencv/sdk/java/javadoc/tag-search-index.js +++ /dev/null @@ -1 +0,0 @@ -tagSearchIndex = [{"l":"Constant Field Values","h":"","u":"constant-values.html"},{"l":"Serialized Form","h":"","u":"serialized-form.html"}];updateSearchResults(); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/javadoc/type-search-index.js b/vendor/opencv/sdk/java/javadoc/type-search-index.js deleted file mode 100644 index 704e290537..0000000000 --- a/vendor/opencv/sdk/java/javadoc/type-search-index.js +++ /dev/null @@ -1 +0,0 @@ -typeSearchIndex = [{"p":"org.opencv.features2d","l":"AffineFeature"},{"p":"org.opencv.features2d","l":"AgastFeatureDetector"},{"p":"org.opencv.features2d","l":"AKAZE"},{"p":"org.opencv.core","l":"Algorithm"},{"p":"org.opencv.photo","l":"AlignExposures"},{"p":"org.opencv.photo","l":"AlignMTB"},{"l":"All Classes and Interfaces","u":"allclasses-index.html"},{"p":"org.opencv.imgcodecs","l":"Animation"},{"p":"org.opencv.ml","l":"ANN_MLP"},{"p":"org.opencv.objdetect","l":"ArucoDetector"},{"p":"org.opencv.core","l":"Mat.Atable"},{"p":"org.opencv.video","l":"BackgroundSubtractor"},{"p":"org.opencv.video","l":"BackgroundSubtractorKNN"},{"p":"org.opencv.video","l":"BackgroundSubtractorMOG2"},{"p":"org.opencv.objdetect","l":"BarcodeDetector"},{"p":"org.opencv.objdetect","l":"BaseCascadeClassifier"},{"p":"org.opencv.features2d","l":"BFMatcher"},{"p":"org.opencv.objdetect","l":"Board"},{"p":"org.opencv.ml","l":"Boost"},{"p":"org.opencv.features2d","l":"BOWImgDescriptorExtractor"},{"p":"org.opencv.features2d","l":"BOWKMeansTrainer"},{"p":"org.opencv.features2d","l":"BOWTrainer"},{"p":"org.opencv.features2d","l":"BRISK"},{"p":"org.opencv","l":"BuildConfig"},{"p":"org.opencv.calib3d","l":"Calib3d"},{"p":"org.opencv.photo","l":"CalibrateCRF"},{"p":"org.opencv.photo","l":"CalibrateDebevec"},{"p":"org.opencv.photo","l":"CalibrateRobertson"},{"p":"org.opencv.android","l":"Camera2Renderer"},{"p":"org.opencv.android","l":"CameraActivity"},{"p":"org.opencv.android","l":"CameraBridgeViewBase"},{"p":"org.opencv.android","l":"CameraGLRendererBase"},{"p":"org.opencv.android","l":"CameraGLSurfaceView"},{"p":"org.opencv.android","l":"CameraRenderer"},{"p":"org.opencv.android","l":"CameraGLSurfaceView.CameraTextureListener"},{"p":"org.opencv.objdetect","l":"CascadeClassifier"},{"p":"org.opencv.objdetect","l":"CharucoBoard"},{"p":"org.opencv.objdetect","l":"CharucoDetector"},{"p":"org.opencv.objdetect","l":"CharucoParameters"},{"p":"org.opencv.imgproc","l":"CLAHE"},{"p":"org.opencv.dnn","l":"ClassificationModel"},{"p":"org.opencv.utils","l":"Converters"},{"p":"org.opencv.core","l":"Core"},{"p":"org.opencv.android","l":"CameraBridgeViewBase.CvCameraViewFrame"},{"p":"org.opencv.android","l":"CameraBridgeViewBase.CvCameraViewListener"},{"p":"org.opencv.android","l":"CameraBridgeViewBase.CvCameraViewListener2"},{"p":"org.opencv.core","l":"CvException"},{"p":"org.opencv.core","l":"CvType"},{"p":"org.opencv.video","l":"DenseOpticalFlow"},{"p":"org.opencv.features2d","l":"DescriptorMatcher"},{"p":"org.opencv.dnn","l":"DetectionModel"},{"p":"org.opencv.objdetect","l":"DetectorParameters"},{"p":"org.opencv.objdetect","l":"Dictionary"},{"p":"org.opencv.dnn","l":"DictValue"},{"p":"org.opencv.video","l":"DISOpticalFlow"},{"p":"org.opencv.core","l":"DMatch"},{"p":"org.opencv.dnn","l":"Dnn"},{"p":"org.opencv.ml","l":"DTrees"},{"p":"org.opencv.ml","l":"EM"},{"p":"org.opencv.objdetect","l":"FaceDetectorYN"},{"p":"org.opencv.objdetect","l":"FaceRecognizerSF"},{"p":"org.opencv.video","l":"FarnebackOpticalFlow"},{"p":"org.opencv.features2d","l":"FastFeatureDetector"},{"p":"org.opencv.features2d","l":"Feature2D"},{"p":"org.opencv.features2d","l":"Features2d"},{"p":"org.opencv.features2d","l":"FlannBasedMatcher"},{"p":"org.opencv.android","l":"FpsMeter"},{"p":"org.opencv.imgproc","l":"GeneralizedHough"},{"p":"org.opencv.imgproc","l":"GeneralizedHoughBallard"},{"p":"org.opencv.imgproc","l":"GeneralizedHoughGuil"},{"p":"org.opencv.features2d","l":"GFTTDetector"},{"p":"org.opencv.objdetect","l":"GraphicalCodeDetector"},{"p":"org.opencv.objdetect","l":"GridBoard"},{"p":"org.opencv.objdetect","l":"HOGDescriptor"},{"p":"org.opencv.dnn","l":"Image2BlobParams"},{"p":"org.opencv.imgcodecs","l":"Imgcodecs"},{"p":"org.opencv.imgproc","l":"Imgproc"},{"p":"org.opencv.imgproc","l":"IntelligentScissorsMB"},{"p":"org.opencv.videoio","l":"IStreamReader"},{"p":"org.opencv.android","l":"JavaCamera2View"},{"p":"org.opencv.android","l":"JavaCamera2View.JavaCameraSizeAccessor"},{"p":"org.opencv.android","l":"JavaCameraView.JavaCameraSizeAccessor"},{"p":"org.opencv.android","l":"JavaCameraView"},{"p":"org.opencv.video","l":"KalmanFilter"},{"p":"org.opencv.features2d","l":"KAZE"},{"p":"org.opencv.core","l":"KeyPoint"},{"p":"org.opencv.dnn","l":"KeypointsModel"},{"p":"org.opencv.ml","l":"KNearest"},{"p":"org.opencv.dnn","l":"Layer"},{"p":"org.opencv.imgproc","l":"LineSegmentDetector"},{"p":"org.opencv.android","l":"CameraBridgeViewBase.ListItemAccessor"},{"p":"org.opencv.ml","l":"LogisticRegression"},{"p":"org.opencv.core","l":"Mat"},{"p":"org.opencv.core","l":"MatOfByte"},{"p":"org.opencv.core","l":"MatOfDMatch"},{"p":"org.opencv.core","l":"MatOfDouble"},{"p":"org.opencv.core","l":"MatOfFloat"},{"p":"org.opencv.core","l":"MatOfFloat4"},{"p":"org.opencv.core","l":"MatOfFloat6"},{"p":"org.opencv.core","l":"MatOfInt"},{"p":"org.opencv.core","l":"MatOfInt4"},{"p":"org.opencv.core","l":"MatOfKeyPoint"},{"p":"org.opencv.core","l":"MatOfPoint"},{"p":"org.opencv.core","l":"MatOfPoint2f"},{"p":"org.opencv.core","l":"MatOfPoint3"},{"p":"org.opencv.core","l":"MatOfPoint3f"},{"p":"org.opencv.core","l":"MatOfRect"},{"p":"org.opencv.core","l":"MatOfRect2d"},{"p":"org.opencv.core","l":"MatOfRotatedRect"},{"p":"org.opencv.photo","l":"MergeDebevec"},{"p":"org.opencv.photo","l":"MergeExposures"},{"p":"org.opencv.photo","l":"MergeMertens"},{"p":"org.opencv.photo","l":"MergeRobertson"},{"p":"org.opencv.core","l":"Core.MinMaxLocResult"},{"p":"org.opencv.ml","l":"Ml"},{"p":"org.opencv.dnn","l":"Model"},{"p":"org.opencv.imgproc","l":"Moments"},{"p":"org.opencv.features2d","l":"MSER"},{"p":"org.opencv.android","l":"NativeCameraView"},{"p":"org.opencv.dnn","l":"Net"},{"p":"org.opencv.ml","l":"NormalBayesClassifier"},{"p":"org.opencv.objdetect","l":"Objdetect"},{"p":"org.opencv.osgi","l":"OpenCVInterface"},{"p":"org.opencv.android","l":"OpenCVLoader"},{"p":"org.opencv.osgi","l":"OpenCVNativeLoader"},{"p":"org.opencv.android","l":"NativeCameraView.OpenCvSizeAccessor"},{"p":"org.opencv.features2d","l":"ORB"},{"p":"org.opencv.ml","l":"ParamGrid"},{"p":"org.opencv.photo","l":"Photo"},{"p":"org.opencv.core","l":"Point"},{"p":"org.opencv.core","l":"Point3"},{"p":"org.opencv.objdetect","l":"QRCodeDetector"},{"p":"org.opencv.objdetect","l":"QRCodeDetectorAruco"},{"p":"org.opencv.objdetect","l":"QRCodeDetectorAruco_Params"},{"p":"org.opencv.objdetect","l":"QRCodeEncoder"},{"p":"org.opencv.objdetect","l":"QRCodeEncoder_Params"},{"p":"org.opencv","l":"R"},{"p":"org.opencv.core","l":"Range"},{"p":"org.opencv.core","l":"Rect"},{"p":"org.opencv.core","l":"Rect2d"},{"p":"org.opencv.objdetect","l":"RefineParameters"},{"p":"org.opencv.android","l":"CameraBridgeViewBase.RotatedCameraFrame"},{"p":"org.opencv.core","l":"RotatedRect"},{"p":"org.opencv.ml","l":"RTrees"},{"p":"org.opencv.core","l":"Scalar"},{"p":"org.opencv.dnn","l":"SegmentationModel"},{"p":"org.opencv.features2d","l":"SIFT"},{"p":"org.opencv.features2d","l":"SimpleBlobDetector"},{"p":"org.opencv.features2d","l":"SimpleBlobDetector_Params"},{"p":"org.opencv.core","l":"Size"},{"p":"org.opencv.video","l":"SparseOpticalFlow"},{"p":"org.opencv.video","l":"SparsePyrLKOpticalFlow"},{"p":"org.opencv.ml","l":"StatModel"},{"p":"org.opencv.calib3d","l":"StereoBM"},{"p":"org.opencv.calib3d","l":"StereoMatcher"},{"p":"org.opencv.calib3d","l":"StereoSGBM"},{"p":"org.opencv.imgproc","l":"Subdiv2D"},{"p":"org.opencv.ml","l":"SVM"},{"p":"org.opencv.ml","l":"SVMSGD"},{"p":"org.opencv.core","l":"TermCriteria"},{"p":"org.opencv.dnn","l":"TextDetectionModel"},{"p":"org.opencv.dnn","l":"TextDetectionModel_DB"},{"p":"org.opencv.dnn","l":"TextDetectionModel_EAST"},{"p":"org.opencv.dnn","l":"TextRecognitionModel"},{"p":"org.opencv.core","l":"TickMeter"},{"p":"org.opencv.photo","l":"Tonemap"},{"p":"org.opencv.photo","l":"TonemapDrago"},{"p":"org.opencv.photo","l":"TonemapMantiuk"},{"p":"org.opencv.photo","l":"TonemapReinhard"},{"p":"org.opencv.video","l":"Tracker"},{"p":"org.opencv.video","l":"TrackerDaSiamRPN"},{"p":"org.opencv.video","l":"TrackerDaSiamRPN_Params"},{"p":"org.opencv.video","l":"TrackerGOTURN"},{"p":"org.opencv.video","l":"TrackerGOTURN_Params"},{"p":"org.opencv.video","l":"TrackerMIL"},{"p":"org.opencv.video","l":"TrackerMIL_Params"},{"p":"org.opencv.video","l":"TrackerNano"},{"p":"org.opencv.video","l":"TrackerNano_Params"},{"p":"org.opencv.video","l":"TrackerVit"},{"p":"org.opencv.video","l":"TrackerVit_Params"},{"p":"org.opencv.ml","l":"TrainData"},{"p":"org.opencv.core","l":"Mat.Tuple2"},{"p":"org.opencv.core","l":"Mat.Tuple3"},{"p":"org.opencv.core","l":"Mat.Tuple4"},{"p":"org.opencv.calib3d","l":"UsacParams"},{"p":"org.opencv.android","l":"Utils"},{"p":"org.opencv.video","l":"VariationalRefinement"},{"p":"org.opencv.video","l":"Video"},{"p":"org.opencv.videoio","l":"VideoCapture"},{"p":"org.opencv.videoio","l":"Videoio"},{"p":"org.opencv.videoio","l":"VideoWriter"}];updateSearchResults(); \ No newline at end of file diff --git a/vendor/opencv/sdk/java/res/values/attrs.xml b/vendor/opencv/sdk/java/res/values/attrs.xml deleted file mode 100644 index 6902621f66..0000000000 --- a/vendor/opencv/sdk/java/res/values/attrs.xml +++ /dev/null @@ -1,11 +0,0 @@ - - - - - - - - - - - diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/Camera2Renderer.java b/vendor/opencv/sdk/java/src/org/opencv/android/Camera2Renderer.java deleted file mode 100644 index 408214057a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/Camera2Renderer.java +++ /dev/null @@ -1,302 +0,0 @@ -package org.opencv.android; - -import java.util.Arrays; -import java.util.concurrent.Semaphore; -import java.util.concurrent.TimeUnit; -import android.annotation.TargetApi; -import android.content.Context; -import android.graphics.SurfaceTexture; -import android.hardware.camera2.CameraAccessException; -import android.hardware.camera2.CameraCaptureSession; -import android.hardware.camera2.CameraCharacteristics; -import android.hardware.camera2.CameraDevice; -import android.hardware.camera2.CameraManager; -import android.hardware.camera2.CaptureRequest; -import android.hardware.camera2.params.StreamConfigurationMap; -import android.os.Handler; -import android.os.HandlerThread; -import android.util.Log; -import android.util.Size; -import android.view.Surface; - -@TargetApi(21) -public class Camera2Renderer extends CameraGLRendererBase { - - protected final String LOGTAG = "Camera2Renderer"; - private CameraDevice mCameraDevice; - private CameraCaptureSession mCaptureSession; - private CaptureRequest.Builder mPreviewRequestBuilder; - private String mCameraID; - private Size mPreviewSize = new Size(-1, -1); - - private HandlerThread mBackgroundThread; - private Handler mBackgroundHandler; - private Semaphore mCameraOpenCloseLock = new Semaphore(1); - - Camera2Renderer(CameraGLSurfaceView view) { - super(view); - } - - @Override - protected void doStart() { - Log.d(LOGTAG, "doStart"); - startBackgroundThread(); - super.doStart(); - } - - - @Override - protected void doStop() { - Log.d(LOGTAG, "doStop"); - super.doStop(); - stopBackgroundThread(); - } - - boolean cacPreviewSize(final int width, final int height) { - Log.i(LOGTAG, "cacPreviewSize: "+width+"x"+height); - if(mCameraID == null) { - Log.e(LOGTAG, "Camera isn't initialized!"); - return false; - } - CameraManager manager = (CameraManager) mView.getContext() - .getSystemService(Context.CAMERA_SERVICE); - try { - CameraCharacteristics characteristics = manager - .getCameraCharacteristics(mCameraID); - StreamConfigurationMap map = characteristics - .get(CameraCharacteristics.SCALER_STREAM_CONFIGURATION_MAP); - int bestWidth = 0, bestHeight = 0; - float aspect = (float)width / height; - for (Size psize : map.getOutputSizes(SurfaceTexture.class)) { - int w = psize.getWidth(), h = psize.getHeight(); - Log.d(LOGTAG, "trying size: "+w+"x"+h); - if ( width >= w && height >= h && - bestWidth <= w && bestHeight <= h && - Math.abs(aspect - (float)w/h) < 0.2 ) { - bestWidth = w; - bestHeight = h; - } - } - Log.i(LOGTAG, "best size: "+bestWidth+"x"+bestHeight); - if( bestWidth == 0 || bestHeight == 0 || - mPreviewSize.getWidth() == bestWidth && - mPreviewSize.getHeight() == bestHeight ) - return false; - else { - mPreviewSize = new Size(bestWidth, bestHeight); - return true; - } - } catch (CameraAccessException e) { - Log.e(LOGTAG, "cacPreviewSize - Camera Access Exception"); - } catch (IllegalArgumentException e) { - Log.e(LOGTAG, "cacPreviewSize - Illegal Argument Exception"); - } catch (SecurityException e) { - Log.e(LOGTAG, "cacPreviewSize - Security Exception"); - } - return false; - } - - @Override - protected void openCamera(int id) { - Log.i(LOGTAG, "openCamera"); - CameraManager manager = (CameraManager) mView.getContext().getSystemService(Context.CAMERA_SERVICE); - try { - String camList[] = manager.getCameraIdList(); - if(camList.length == 0) { - Log.e(LOGTAG, "Error: camera isn't detected."); - return; - } - if(id == CameraBridgeViewBase.CAMERA_ID_ANY) { - mCameraID = camList[0]; - } else { - for (String cameraID : camList) { - CameraCharacteristics characteristics = manager.getCameraCharacteristics(cameraID); - if( id == CameraBridgeViewBase.CAMERA_ID_BACK && - characteristics.get(CameraCharacteristics.LENS_FACING) == CameraCharacteristics.LENS_FACING_BACK || - id == CameraBridgeViewBase.CAMERA_ID_FRONT && - characteristics.get(CameraCharacteristics.LENS_FACING) == CameraCharacteristics.LENS_FACING_FRONT) { - mCameraID = cameraID; - break; - } - } - } - if(mCameraID != null) { - if (!mCameraOpenCloseLock.tryAcquire(2500, TimeUnit.MILLISECONDS)) { - throw new RuntimeException( - "Time out waiting to lock camera opening."); - } - Log.i(LOGTAG, "Opening camera: " + mCameraID); - manager.openCamera(mCameraID, mStateCallback, mBackgroundHandler); - } - } catch (CameraAccessException e) { - Log.e(LOGTAG, "OpenCamera - Camera Access Exception"); - } catch (IllegalArgumentException e) { - Log.e(LOGTAG, "OpenCamera - Illegal Argument Exception"); - } catch (SecurityException e) { - Log.e(LOGTAG, "OpenCamera - Security Exception"); - } catch (InterruptedException e) { - Log.e(LOGTAG, "OpenCamera - Interrupted Exception"); - } - } - - @Override - protected void closeCamera() { - Log.i(LOGTAG, "closeCamera"); - try { - mCameraOpenCloseLock.acquire(); - if (null != mCaptureSession) { - mCaptureSession.close(); - mCaptureSession = null; - } - if (null != mCameraDevice) { - mCameraDevice.close(); - mCameraDevice = null; - } - } catch (InterruptedException e) { - throw new RuntimeException("Interrupted while trying to lock camera closing.", e); - } finally { - mCameraOpenCloseLock.release(); - } - } - - private final CameraDevice.StateCallback mStateCallback = new CameraDevice.StateCallback() { - - @Override - public void onOpened(CameraDevice cameraDevice) { - mCameraDevice = cameraDevice; - mCameraOpenCloseLock.release(); - createCameraPreviewSession(); - } - - @Override - public void onDisconnected(CameraDevice cameraDevice) { - cameraDevice.close(); - mCameraDevice = null; - mCameraOpenCloseLock.release(); - } - - @Override - public void onError(CameraDevice cameraDevice, int error) { - cameraDevice.close(); - mCameraDevice = null; - mCameraOpenCloseLock.release(); - } - - }; - - private void createCameraPreviewSession() { - int w=mPreviewSize.getWidth(), h=mPreviewSize.getHeight(); - Log.i(LOGTAG, "createCameraPreviewSession("+w+"x"+h+")"); - if(w<0 || h<0) - return; - try { - mCameraOpenCloseLock.acquire(); - if (null == mCameraDevice) { - mCameraOpenCloseLock.release(); - Log.e(LOGTAG, "createCameraPreviewSession: camera isn't opened"); - return; - } - if (null != mCaptureSession) { - mCameraOpenCloseLock.release(); - Log.e(LOGTAG, "createCameraPreviewSession: mCaptureSession is already started"); - return; - } - if(null == mSTexture) { - mCameraOpenCloseLock.release(); - Log.e(LOGTAG, "createCameraPreviewSession: preview SurfaceTexture is null"); - return; - } - mSTexture.setDefaultBufferSize(w, h); - - Surface surface = new Surface(mSTexture); - - mPreviewRequestBuilder = mCameraDevice - .createCaptureRequest(CameraDevice.TEMPLATE_PREVIEW); - mPreviewRequestBuilder.addTarget(surface); - - mCameraDevice.createCaptureSession(Arrays.asList(surface), - new CameraCaptureSession.StateCallback() { - @Override - public void onConfigured( CameraCaptureSession cameraCaptureSession) { - mCaptureSession = cameraCaptureSession; - try { - mPreviewRequestBuilder.set(CaptureRequest.CONTROL_AF_MODE, CaptureRequest.CONTROL_AF_MODE_CONTINUOUS_PICTURE); - mPreviewRequestBuilder.set(CaptureRequest.CONTROL_AE_MODE, CaptureRequest.CONTROL_AE_MODE_ON_AUTO_FLASH); - - mCaptureSession.setRepeatingRequest(mPreviewRequestBuilder.build(), null, mBackgroundHandler); - Log.i(LOGTAG, "CameraPreviewSession has been started"); - } catch (CameraAccessException e) { - Log.e(LOGTAG, "createCaptureSession failed"); - } - mCameraOpenCloseLock.release(); - } - - @Override - public void onConfigureFailed( - CameraCaptureSession cameraCaptureSession) { - Log.e(LOGTAG, "createCameraPreviewSession failed"); - mCameraOpenCloseLock.release(); - } - }, mBackgroundHandler); - } catch (CameraAccessException e) { - Log.e(LOGTAG, "createCameraPreviewSession"); - } catch (InterruptedException e) { - throw new RuntimeException( - "Interrupted while createCameraPreviewSession", e); - } - finally { - //mCameraOpenCloseLock.release(); - } - } - - private void startBackgroundThread() { - Log.i(LOGTAG, "startBackgroundThread"); - stopBackgroundThread(); - mBackgroundThread = new HandlerThread("CameraBackground"); - mBackgroundThread.start(); - mBackgroundHandler = new Handler(mBackgroundThread.getLooper()); - } - - private void stopBackgroundThread() { - Log.i(LOGTAG, "stopBackgroundThread"); - if(mBackgroundThread == null) - return; - mBackgroundThread.quitSafely(); - try { - mBackgroundThread.join(); - mBackgroundThread = null; - mBackgroundHandler = null; - } catch (InterruptedException e) { - Log.e(LOGTAG, "stopBackgroundThread"); - } - } - - @Override - protected void setCameraPreviewSize(int width, int height) { - Log.i(LOGTAG, "setCameraPreviewSize("+width+"x"+height+")"); - if(mMaxCameraWidth > 0 && mMaxCameraWidth < width) width = mMaxCameraWidth; - if(mMaxCameraHeight > 0 && mMaxCameraHeight < height) height = mMaxCameraHeight; - try { - mCameraOpenCloseLock.acquire(); - - boolean needReconfig = cacPreviewSize(width, height); - mCameraWidth = mPreviewSize.getWidth(); - mCameraHeight = mPreviewSize.getHeight(); - - if( !needReconfig ) { - mCameraOpenCloseLock.release(); - return; - } - if (null != mCaptureSession) { - Log.d(LOGTAG, "closing existing previewSession"); - mCaptureSession.close(); - mCaptureSession = null; - } - mCameraOpenCloseLock.release(); - createCameraPreviewSession(); - } catch (InterruptedException e) { - mCameraOpenCloseLock.release(); - throw new RuntimeException("Interrupted while setCameraPreviewSize.", e); - } - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/CameraActivity.java b/vendor/opencv/sdk/java/src/org/opencv/android/CameraActivity.java deleted file mode 100644 index ea066048b1..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/CameraActivity.java +++ /dev/null @@ -1,60 +0,0 @@ -package org.opencv.android; - -import android.annotation.TargetApi; -import android.app.Activity; -import android.content.Context; -import android.content.pm.PackageManager; -import android.os.Build; -import android.util.AttributeSet; -import android.view.View; - -import java.util.ArrayList; -import java.util.List; - -import static android.Manifest.permission.CAMERA; - -public class CameraActivity extends Activity { - - private static final int CAMERA_PERMISSION_REQUEST_CODE = 200; - - protected List getCameraViewList() { - return new ArrayList(); - } - - protected void onCameraPermissionGranted() { - List cameraViews = getCameraViewList(); - if (cameraViews == null) { - return; - } - for (CameraBridgeViewBase cameraBridgeViewBase: cameraViews) { - if (cameraBridgeViewBase != null) { - cameraBridgeViewBase.setCameraPermissionGranted(); - } - } - } - - @Override - protected void onStart() { - super.onStart(); - boolean havePermission = true; - if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.M) { - if (checkSelfPermission(CAMERA) != PackageManager.PERMISSION_GRANTED) { - requestPermissions(new String[]{CAMERA}, CAMERA_PERMISSION_REQUEST_CODE); - havePermission = false; - } - } - if (havePermission) { - onCameraPermissionGranted(); - } - } - - @Override - @TargetApi(Build.VERSION_CODES.M) - public void onRequestPermissionsResult(int requestCode, String[] permissions, int[] grantResults) { - if (requestCode == CAMERA_PERMISSION_REQUEST_CODE && grantResults.length > 0 - && grantResults[0] == PackageManager.PERMISSION_GRANTED) { - onCameraPermissionGranted(); - } - super.onRequestPermissionsResult(requestCode, permissions, grantResults); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/CameraBridgeViewBase.java b/vendor/opencv/sdk/java/src/org/opencv/android/CameraBridgeViewBase.java deleted file mode 100644 index 4aa6a350f8..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/CameraBridgeViewBase.java +++ /dev/null @@ -1,607 +0,0 @@ -package org.opencv.android; - -import java.util.List; - -import org.opencv.BuildConfig; -import org.opencv.R; -import org.opencv.core.Core; -import org.opencv.core.Mat; -import org.opencv.core.Size; - -import android.app.Activity; -import android.app.AlertDialog; -import android.content.Context; -import android.content.DialogInterface; -import android.content.res.TypedArray; -import android.graphics.Bitmap; -import android.graphics.Canvas; -import android.graphics.Rect; -import android.util.AttributeSet; -import android.util.Log; -import android.view.Surface; -import android.view.SurfaceHolder; -import android.view.SurfaceView; -import android.view.WindowManager; - -/** - * This is a basic class, implementing the interaction with Camera and OpenCV library. - * The main responsibility of it - is to control when camera can be enabled, process the frame, - * call external listener to make any adjustments to the frame and then draw the resulting - * frame to the screen. - * The clients shall implement CvCameraViewListener. - */ -public abstract class CameraBridgeViewBase extends SurfaceView implements SurfaceHolder.Callback { - - private static final String TAG = "CameraBridge"; - protected static final int MAX_UNSPECIFIED = -1; - private static final int STOPPED = 0; - private static final int STARTED = 1; - - private int mState = STOPPED; - private Bitmap mCacheBitmap; - private CvCameraViewListener2 mListener; - private boolean mSurfaceExist; - private final Object mSyncObject = new Object(); - - protected int mFrameWidth; - protected int mFrameHeight; - protected int mMaxHeight; - protected int mMaxWidth; - protected float mScale = 0; - protected int mPreviewFormat = RGBA; - protected int mCameraIndex = CAMERA_ID_ANY; - protected boolean mEnabled; - protected boolean mCameraPermissionGranted = false; - protected FpsMeter mFpsMeter = null; - - public static final int CAMERA_ID_ANY = -1; - public static final int CAMERA_ID_BACK = 99; - public static final int CAMERA_ID_FRONT = 98; - public static final int RGBA = 1; - public static final int GRAY = 2; - - public CameraBridgeViewBase(Context context, int cameraId) { - super(context); - mCameraIndex = cameraId; - getHolder().addCallback(this); - mMaxWidth = MAX_UNSPECIFIED; - mMaxHeight = MAX_UNSPECIFIED; - } - - public CameraBridgeViewBase(Context context, AttributeSet attrs) { - super(context, attrs); - - int count = attrs.getAttributeCount(); - Log.d(TAG, "Attr count: " + Integer.valueOf(count)); - - TypedArray styledAttrs = getContext().obtainStyledAttributes(attrs, R.styleable.CameraBridgeViewBase); - if (styledAttrs.getBoolean(R.styleable.CameraBridgeViewBase_show_fps, false)) - enableFpsMeter(); - - mCameraIndex = styledAttrs.getInt(R.styleable.CameraBridgeViewBase_camera_id, -1); - - getHolder().addCallback(this); - mMaxWidth = MAX_UNSPECIFIED; - mMaxHeight = MAX_UNSPECIFIED; - styledAttrs.recycle(); - } - - /** - * Sets the camera index - * @param cameraIndex new camera index - */ - public void setCameraIndex(int cameraIndex) { - this.mCameraIndex = cameraIndex; - } - - public interface CvCameraViewListener { - /** - * This method is invoked when camera preview has started. After this method is invoked - * the frames will start to be delivered to client via the onCameraFrame() callback. - * @param width - the width of the frames that will be delivered - * @param height - the height of the frames that will be delivered - */ - public void onCameraViewStarted(int width, int height); - - /** - * This method is invoked when camera preview has been stopped for some reason. - * No frames will be delivered via onCameraFrame() callback after this method is called. - */ - public void onCameraViewStopped(); - - /** - * This method is invoked when delivery of the frame needs to be done. - * The returned values - is a modified frame which needs to be displayed on the screen. - * TODO: pass the parameters specifying the format of the frame (BPP, YUV or RGB and etc) - */ - public Mat onCameraFrame(Mat inputFrame); - } - - public interface CvCameraViewListener2 { - /** - * This method is invoked when camera preview has started. After this method is invoked - * the frames will start to be delivered to client via the onCameraFrame() callback. - * @param width - the width of the frames that will be delivered - * @param height - the height of the frames that will be delivered - */ - public void onCameraViewStarted(int width, int height); - - /** - * This method is invoked when camera preview has been stopped for some reason. - * No frames will be delivered via onCameraFrame() callback after this method is called. - */ - public void onCameraViewStopped(); - - /** - * This method is invoked when delivery of the frame needs to be done. - * The returned values - is a modified frame which needs to be displayed on the screen. - * TODO: pass the parameters specifying the format of the frame (BPP, YUV or RGB and etc) - */ - public Mat onCameraFrame(CvCameraViewFrame inputFrame); - }; - - protected class CvCameraViewListenerAdapter implements CvCameraViewListener2 { - public CvCameraViewListenerAdapter(CvCameraViewListener oldStypeListener) { - mOldStyleListener = oldStypeListener; - } - - public void onCameraViewStarted(int width, int height) { - mOldStyleListener.onCameraViewStarted(width, height); - } - - public void onCameraViewStopped() { - mOldStyleListener.onCameraViewStopped(); - } - - public Mat onCameraFrame(CvCameraViewFrame inputFrame) { - Mat result = null; - switch (mPreviewFormat) { - case RGBA: - result = mOldStyleListener.onCameraFrame(inputFrame.rgba()); - break; - case GRAY: - result = mOldStyleListener.onCameraFrame(inputFrame.gray()); - break; - default: - Log.e(TAG, "Invalid frame format! Only RGBA and Gray Scale are supported!"); - }; - - return result; - } - - public void setFrameFormat(int format) { - mPreviewFormat = format; - } - - private int mPreviewFormat = RGBA; - private CvCameraViewListener mOldStyleListener; - }; - - /** - * This class interface is abstract representation of single frame from camera for onCameraFrame callback - * Attention: Do not use objects, that represents this interface out of onCameraFrame callback! - */ - public interface CvCameraViewFrame { - - /** - * This method returns RGBA Mat with frame - */ - public Mat rgba(); - - /** - * This method returns single channel gray scale Mat with frame - */ - public Mat gray(); - - public void release(); - }; - - public class RotatedCameraFrame implements CvCameraViewFrame { - @Override - public Mat gray() { - if (mRotation != 0) { - Core.rotate(mFrame.gray(), mGrayRotated, getCvRotationCode(mRotation)); - return mGrayRotated; - } else { - return mFrame.gray(); - } - } - - @Override - public Mat rgba() { - if (mRotation != 0) { - Core.rotate(mFrame.rgba(), mRgbaRotated, getCvRotationCode(mRotation)); - return mRgbaRotated; - } else { - return mFrame.rgba(); - } - } - - private int getCvRotationCode(int degrees) { - if (degrees == 90) { - return Core.ROTATE_90_CLOCKWISE; - } else if (degrees == 180) { - return Core.ROTATE_180; - } else { - return Core.ROTATE_90_COUNTERCLOCKWISE; - } - } - - public RotatedCameraFrame(CvCameraViewFrame frame, int rotation) { - super(); - mFrame = frame; - mRgbaRotated = new Mat(); - mGrayRotated = new Mat(); - mRotation = rotation; - } - - @Override - public void release() { - mRgbaRotated.release(); - mGrayRotated.release(); - } - - public CvCameraViewFrame mFrame; - private Mat mRgbaRotated; - private Mat mGrayRotated; - private int mRotation; - }; - - /** - * Calculates how to rotate camera frame to match current screen orientation - */ - protected int getFrameRotation(boolean cameraFacingFront, int cameraSensorOrientation) { - WindowManager windowManager = (WindowManager) getContext().getSystemService(Context.WINDOW_SERVICE); - int screenOrientation = windowManager.getDefaultDisplay().getRotation(); - int screenRotation = 0; - switch (screenOrientation) { - case Surface.ROTATION_0: - screenRotation = 0; - break; - case Surface.ROTATION_90: - screenRotation = 90; - break; - case Surface.ROTATION_180: - screenRotation = 180; - break; - case Surface.ROTATION_270: - screenRotation = 270; - break; - } - - int frameRotation; - if (cameraFacingFront) { - frameRotation = (cameraSensorOrientation + screenRotation) % 360; - } else { - frameRotation = (cameraSensorOrientation - screenRotation + 360) % 360; - } - - return frameRotation; - } - - public void surfaceChanged(SurfaceHolder arg0, int arg1, int arg2, int arg3) { - Log.d(TAG, "call surfaceChanged event"); - synchronized(mSyncObject) { - if (!mSurfaceExist) { - mSurfaceExist = true; - checkCurrentState(); - } else { - /** Surface changed. We need to stop camera and restart with new parameters */ - /* Pretend that old surface has been destroyed */ - mSurfaceExist = false; - checkCurrentState(); - /* Now use new surface. Say we have it now */ - mSurfaceExist = true; - checkCurrentState(); - } - } - } - - public void surfaceCreated(SurfaceHolder holder) { - /* Do nothing. Wait until surfaceChanged delivered */ - } - - public void surfaceDestroyed(SurfaceHolder holder) { - synchronized(mSyncObject) { - mSurfaceExist = false; - checkCurrentState(); - } - } - - - /** - * This method is provided for clients, so they can signal camera permission has been granted. - * The actual onCameraViewStarted callback will be delivered only after setCameraPermissionGranted - * and enableView have been called and surface is available - */ - public void setCameraPermissionGranted() { - synchronized(mSyncObject) { - mCameraPermissionGranted = true; - checkCurrentState(); - } - } - - - /** - * This method is provided for clients, so they can enable the camera connection. - * The actual onCameraViewStarted callback will be delivered only after setCameraPermissionGranted - * and enableView have been called and surface is available - */ - public void enableView() { - synchronized(mSyncObject) { - mEnabled = true; - checkCurrentState(); - } - } - - /** - * This method is provided for clients, so they can disable camera connection and stop - * the delivery of frames even though the surface view itself is not destroyed and still stays on the screen - */ - public void disableView() { - synchronized(mSyncObject) { - mEnabled = false; - checkCurrentState(); - } - } - - /** - * This method enables label with fps value on the screen - */ - public void enableFpsMeter() { - if (mFpsMeter == null) { - mFpsMeter = new FpsMeter(); - mFpsMeter.setResolution(mFrameWidth, mFrameHeight); - } - } - - public void disableFpsMeter() { - mFpsMeter = null; - } - - /** - * - * @param listener - */ - - public void setCvCameraViewListener(CvCameraViewListener2 listener) { - mListener = listener; - } - - public void setCvCameraViewListener(CvCameraViewListener listener) { - CvCameraViewListenerAdapter adapter = new CvCameraViewListenerAdapter(listener); - adapter.setFrameFormat(mPreviewFormat); - mListener = adapter; - } - - /** - * This method sets the maximum size that camera frame is allowed to be. When selecting - * size - the biggest size which less or equal the size set will be selected. - * As an example - we set setMaxFrameSize(200,200) and we have 176x152 and 320x240 sizes. The - * preview frame will be selected with 176x152 size. - * This method is useful when need to restrict the size of preview frame for some reason (for example for video recording) - * @param maxWidth - the maximum width allowed for camera frame. - * @param maxHeight - the maximum height allowed for camera frame - */ - public void setMaxFrameSize(int maxWidth, int maxHeight) { - mMaxWidth = maxWidth; - mMaxHeight = maxHeight; - } - - public void SetCaptureFormat(int format) - { - mPreviewFormat = format; - if (mListener instanceof CvCameraViewListenerAdapter) { - CvCameraViewListenerAdapter adapter = (CvCameraViewListenerAdapter) mListener; - adapter.setFrameFormat(mPreviewFormat); - } - } - - /** - * Called when mSyncObject lock is held - */ - private void checkCurrentState() { - Log.d(TAG, "call checkCurrentState"); - int targetState; - - if (mEnabled && mCameraPermissionGranted && mSurfaceExist && getVisibility() == VISIBLE) { - targetState = STARTED; - } else { - targetState = STOPPED; - } - - if (targetState != mState) { - /* The state change detected. Need to exit the current state and enter target state */ - processExitState(mState); - mState = targetState; - processEnterState(mState); - } - } - - private void processEnterState(int state) { - Log.d(TAG, "call processEnterState: " + state); - switch(state) { - case STARTED: - onEnterStartedState(); - if (mListener != null) { - mListener.onCameraViewStarted(mFrameWidth, mFrameHeight); - } - break; - case STOPPED: - onEnterStoppedState(); - if (mListener != null) { - mListener.onCameraViewStopped(); - } - break; - }; - } - - private void processExitState(int state) { - Log.d(TAG, "call processExitState: " + state); - switch(state) { - case STARTED: - onExitStartedState(); - break; - case STOPPED: - onExitStoppedState(); - break; - }; - } - - private void onEnterStoppedState() { - /* nothing to do */ - } - - private void onExitStoppedState() { - /* nothing to do */ - } - - // NOTE: The order of bitmap constructor and camera connection is important for android 4.1.x - // Bitmap must be constructed before surface - private void onEnterStartedState() { - Log.d(TAG, "call onEnterStartedState"); - /* Connect camera */ - if (!connectCamera(getWidth(), getHeight())) { - AlertDialog ad = new AlertDialog.Builder(getContext()).create(); - ad.setCancelable(false); // This blocks the 'BACK' button - ad.setMessage("It seems that your device does not support camera (or it is locked). Application will be closed."); - ad.setButton(DialogInterface.BUTTON_NEUTRAL, "OK", new DialogInterface.OnClickListener() { - public void onClick(DialogInterface dialog, int which) { - dialog.dismiss(); - ((Activity) getContext()).finish(); - } - }); - ad.show(); - - } - } - - private void onExitStartedState() { - disconnectCamera(); - if (mCacheBitmap != null) { - mCacheBitmap.recycle(); - } - } - - /** - * This method shall be called by the subclasses when they have valid - * object and want it to be delivered to external client (via callback) and - * then displayed on the screen. - * @param frame - the current frame to be delivered - */ - protected void deliverAndDrawFrame(CvCameraViewFrame frame) { - Mat modified; - - if (mListener != null) { - modified = mListener.onCameraFrame(frame); - } else { - modified = frame.rgba(); - } - - boolean bmpValid = true; - if (modified != null) { - try { - Utils.matToBitmap(modified, mCacheBitmap); - } catch(Exception e) { - Log.e(TAG, "Mat type: " + modified); - Log.e(TAG, "Bitmap type: " + mCacheBitmap.getWidth() + "*" + mCacheBitmap.getHeight()); - Log.e(TAG, "Utils.matToBitmap() throws an exception: " + e.getMessage()); - bmpValid = false; - } - } - - if (bmpValid && mCacheBitmap != null) { - Canvas canvas = getHolder().lockCanvas(); - if (canvas != null) { - canvas.drawColor(0, android.graphics.PorterDuff.Mode.CLEAR); - if (BuildConfig.DEBUG) - Log.d(TAG, "mStretch value: " + mScale); - - if (mScale != 0) { - canvas.drawBitmap(mCacheBitmap, new Rect(0,0,mCacheBitmap.getWidth(), mCacheBitmap.getHeight()), - new Rect((int)((canvas.getWidth() - mScale*mCacheBitmap.getWidth()) / 2), - (int)((canvas.getHeight() - mScale*mCacheBitmap.getHeight()) / 2), - (int)((canvas.getWidth() - mScale*mCacheBitmap.getWidth()) / 2 + mScale*mCacheBitmap.getWidth()), - (int)((canvas.getHeight() - mScale*mCacheBitmap.getHeight()) / 2 + mScale*mCacheBitmap.getHeight())), null); - } else { - canvas.drawBitmap(mCacheBitmap, new Rect(0,0,mCacheBitmap.getWidth(), mCacheBitmap.getHeight()), - new Rect((canvas.getWidth() - mCacheBitmap.getWidth()) / 2, - (canvas.getHeight() - mCacheBitmap.getHeight()) / 2, - (canvas.getWidth() - mCacheBitmap.getWidth()) / 2 + mCacheBitmap.getWidth(), - (canvas.getHeight() - mCacheBitmap.getHeight()) / 2 + mCacheBitmap.getHeight()), null); - } - - if (mFpsMeter != null) { - mFpsMeter.measure(); - mFpsMeter.draw(canvas, 20, 30); - } - getHolder().unlockCanvasAndPost(canvas); - } - } - } - - /** - * This method is invoked shall perform concrete operation to initialize the camera. - * CONTRACT: as a result of this method variables mFrameWidth and mFrameHeight MUST be - * initialized with the size of the Camera frames that will be delivered to external processor. - * @param width - the width of this SurfaceView - * @param height - the height of this SurfaceView - */ - protected abstract boolean connectCamera(int width, int height); - - /** - * Disconnects and release the particular camera object being connected to this surface view. - * Called when syncObject lock is held - */ - protected abstract void disconnectCamera(); - - // NOTE: On Android 4.1.x the function must be called before SurfaceTexture constructor! - protected void AllocateCache() - { - mCacheBitmap = Bitmap.createBitmap(mFrameWidth, mFrameHeight, Bitmap.Config.ARGB_8888); - } - - public interface ListItemAccessor { - public int getWidth(Object obj); - public int getHeight(Object obj); - }; - - /** - * This helper method can be called by subclasses to select camera preview size. - * It goes over the list of the supported preview sizes and selects the maximum one which - * fits both values set via setMaxFrameSize() and surface frame allocated for this view - * @param supportedSizes - * @param surfaceWidth - * @param surfaceHeight - * @return optimal frame size - */ - protected Size calculateCameraFrameSize(List supportedSizes, ListItemAccessor accessor, int surfaceWidth, int surfaceHeight) { - int calcWidth = 0; - int calcHeight = 0; - - int maxAllowedWidth = (mMaxWidth != MAX_UNSPECIFIED && mMaxWidth < surfaceWidth)? mMaxWidth : surfaceWidth; - int maxAllowedHeight = (mMaxHeight != MAX_UNSPECIFIED && mMaxHeight < surfaceHeight)? mMaxHeight : surfaceHeight; - - for (Object size : supportedSizes) { - int width = accessor.getWidth(size); - int height = accessor.getHeight(size); - Log.d(TAG, "trying size: " + width + "x" + height); - - if (width <= maxAllowedWidth && height <= maxAllowedHeight) { - if (width >= calcWidth && height >= calcHeight) { - calcWidth = (int) width; - calcHeight = (int) height; - } - } - } - if ((calcWidth == 0 || calcHeight == 0) && supportedSizes.size() > 0) - { - Log.i(TAG, "fallback to the first frame size"); - Object size = supportedSizes.get(0); - calcWidth = accessor.getWidth(size); - calcHeight = accessor.getHeight(size); - } - - return new Size(calcWidth, calcHeight); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLRendererBase.java b/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLRendererBase.java deleted file mode 100644 index 60c37c304e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLRendererBase.java +++ /dev/null @@ -1,440 +0,0 @@ -package org.opencv.android; - -import java.nio.ByteBuffer; -import java.nio.ByteOrder; -import java.nio.FloatBuffer; - -import javax.microedition.khronos.egl.EGLConfig; -import javax.microedition.khronos.opengles.GL10; - -import org.opencv.android.CameraGLSurfaceView.CameraTextureListener; - -import android.annotation.TargetApi; -import android.graphics.SurfaceTexture; -import android.opengl.GLES11Ext; -import android.opengl.GLES20; -import android.opengl.GLSurfaceView; -import android.util.Log; -import android.view.View; - -@TargetApi(15) -public abstract class CameraGLRendererBase implements GLSurfaceView.Renderer, SurfaceTexture.OnFrameAvailableListener { - - protected final String LOGTAG = "CameraGLRendererBase"; - - // shaders - private final String vss = "" - + "attribute vec2 vPosition;\n" - + "attribute vec2 vTexCoord;\n" + "varying vec2 texCoord;\n" - + "void main() {\n" + " texCoord = vTexCoord;\n" - + " gl_Position = vec4 ( vPosition.x, vPosition.y, 0.0, 1.0 );\n" - + "}"; - - private final String fssOES = "" - + "#extension GL_OES_EGL_image_external : require\n" - + "precision mediump float;\n" - + "uniform samplerExternalOES sTexture;\n" - + "varying vec2 texCoord;\n" - + "void main() {\n" - + " gl_FragColor = texture2D(sTexture,texCoord);\n" + "}"; - - private final String fss2D = "" - + "precision mediump float;\n" - + "uniform sampler2D sTexture;\n" - + "varying vec2 texCoord;\n" - + "void main() {\n" - + " gl_FragColor = texture2D(sTexture,texCoord);\n" + "}"; - - // coord-s - private final float vertices[] = { - -1, -1, - -1, 1, - 1, -1, - 1, 1 }; - private final float texCoordOES[] = { - 0, 1, - 0, 0, - 1, 1, - 1, 0 }; - private final float texCoord2D[] = { - 0, 0, - 0, 1, - 1, 0, - 1, 1 }; - - private int[] texCamera = {0}, texFBO = {0}, texDraw = {0}; - private int[] FBO = {0}; - private int progOES = -1, prog2D = -1; - private int vPosOES, vTCOES, vPos2D, vTC2D; - - private FloatBuffer vert, texOES, tex2D; - - protected int mCameraWidth = -1, mCameraHeight = -1; - protected int mFBOWidth = -1, mFBOHeight = -1; - protected int mMaxCameraWidth = -1, mMaxCameraHeight = -1; - protected int mCameraIndex = CameraBridgeViewBase.CAMERA_ID_ANY; - - protected SurfaceTexture mSTexture; - - protected boolean mHaveSurface = false; - protected boolean mHaveFBO = false; - protected boolean mUpdateST = false; - protected boolean mEnabled = true; - protected boolean mIsStarted = false; - - protected CameraGLSurfaceView mView; - - protected abstract void openCamera(int id); - protected abstract void closeCamera(); - protected abstract void setCameraPreviewSize(int width, int height); // updates mCameraWidth & mCameraHeight - - public CameraGLRendererBase(CameraGLSurfaceView view) { - mView = view; - int bytes = vertices.length * Float.SIZE / Byte.SIZE; - vert = ByteBuffer.allocateDirect(bytes).order(ByteOrder.nativeOrder()).asFloatBuffer(); - texOES = ByteBuffer.allocateDirect(bytes).order(ByteOrder.nativeOrder()).asFloatBuffer(); - tex2D = ByteBuffer.allocateDirect(bytes).order(ByteOrder.nativeOrder()).asFloatBuffer(); - vert.put(vertices).position(0); - texOES.put(texCoordOES).position(0); - tex2D.put(texCoord2D).position(0); - } - - @Override - public synchronized void onFrameAvailable(SurfaceTexture surfaceTexture) { - //Log.i(LOGTAG, "onFrameAvailable"); - mUpdateST = true; - mView.requestRender(); - } - - @Override - public void onDrawFrame(GL10 gl) { - //Log.i(LOGTAG, "onDrawFrame start"); - - if (!mHaveFBO) - return; - - synchronized(this) { - if (mUpdateST) { - mSTexture.updateTexImage(); - mUpdateST = false; - } - - GLES20.glClear(GLES20.GL_COLOR_BUFFER_BIT); - - CameraTextureListener texListener = mView.getCameraTextureListener(); - if(texListener != null) { - //Log.d(LOGTAG, "haveUserCallback"); - // texCamera(OES) -> texFBO - drawTex(texCamera[0], true, FBO[0]); - - // call user code (texFBO -> texDraw) - boolean modified = texListener.onCameraTexture(texFBO[0], texDraw[0], mCameraWidth, mCameraHeight); - - if(modified) { - // texDraw -> screen - drawTex(texDraw[0], false, 0); - } else { - // texFBO -> screen - drawTex(texFBO[0], false, 0); - } - } else { - Log.d(LOGTAG, "texCamera(OES) -> screen"); - // texCamera(OES) -> screen - drawTex(texCamera[0], true, 0); - } - //Log.i(LOGTAG, "onDrawFrame end"); - } - } - - @Override - public void onSurfaceChanged(GL10 gl, int surfaceWidth, int surfaceHeight) { - Log.i(LOGTAG, "onSurfaceChanged("+surfaceWidth+"x"+surfaceHeight+")"); - mHaveSurface = true; - updateState(); - setPreviewSize(surfaceWidth, surfaceHeight); - } - - @Override - public void onSurfaceCreated(GL10 gl, EGLConfig config) { - Log.i(LOGTAG, "onSurfaceCreated"); - initShaders(); - } - - private void initShaders() { - String strGLVersion = GLES20.glGetString(GLES20.GL_VERSION); - if (strGLVersion != null) - Log.i(LOGTAG, "OpenGL ES version: " + strGLVersion); - - GLES20.glClearColor(1.0f, 1.0f, 1.0f, 1.0f); - - progOES = loadShader(vss, fssOES); - vPosOES = GLES20.glGetAttribLocation(progOES, "vPosition"); - vTCOES = GLES20.glGetAttribLocation(progOES, "vTexCoord"); - GLES20.glEnableVertexAttribArray(vPosOES); - GLES20.glEnableVertexAttribArray(vTCOES); - - prog2D = loadShader(vss, fss2D); - vPos2D = GLES20.glGetAttribLocation(prog2D, "vPosition"); - vTC2D = GLES20.glGetAttribLocation(prog2D, "vTexCoord"); - GLES20.glEnableVertexAttribArray(vPos2D); - GLES20.glEnableVertexAttribArray(vTC2D); - } - - private void initSurfaceTexture() { - Log.d(LOGTAG, "initSurfaceTexture"); - deleteSurfaceTexture(); - initTexOES(texCamera); - mSTexture = new SurfaceTexture(texCamera[0]); - mSTexture.setOnFrameAvailableListener(this); - } - - private void deleteSurfaceTexture() { - Log.d(LOGTAG, "deleteSurfaceTexture"); - if(mSTexture != null) { - mSTexture.release(); - mSTexture = null; - deleteTex(texCamera); - } - } - - private void initTexOES(int[] tex) { - if(tex.length == 1) { - GLES20.glGenTextures(1, tex, 0); - GLES20.glBindTexture(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, tex[0]); - GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_WRAP_S, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_WRAP_T, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_MIN_FILTER, GLES20.GL_NEAREST); - GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_MAG_FILTER, GLES20.GL_NEAREST); - } - } - - private static void deleteTex(int[] tex) { - if(tex.length == 1) { - GLES20.glDeleteTextures(1, tex, 0); - } - } - - private static int loadShader(String vss, String fss) { - Log.d("CameraGLRendererBase", "loadShader"); - int vshader = GLES20.glCreateShader(GLES20.GL_VERTEX_SHADER); - GLES20.glShaderSource(vshader, vss); - GLES20.glCompileShader(vshader); - int[] status = new int[1]; - GLES20.glGetShaderiv(vshader, GLES20.GL_COMPILE_STATUS, status, 0); - if (status[0] == 0) { - Log.e("CameraGLRendererBase", "Could not compile vertex shader: "+GLES20.glGetShaderInfoLog(vshader)); - GLES20.glDeleteShader(vshader); - vshader = 0; - return 0; - } - - int fshader = GLES20.glCreateShader(GLES20.GL_FRAGMENT_SHADER); - GLES20.glShaderSource(fshader, fss); - GLES20.glCompileShader(fshader); - GLES20.glGetShaderiv(fshader, GLES20.GL_COMPILE_STATUS, status, 0); - if (status[0] == 0) { - Log.e("CameraGLRendererBase", "Could not compile fragment shader:"+GLES20.glGetShaderInfoLog(fshader)); - GLES20.glDeleteShader(vshader); - GLES20.glDeleteShader(fshader); - fshader = 0; - return 0; - } - - int program = GLES20.glCreateProgram(); - GLES20.glAttachShader(program, vshader); - GLES20.glAttachShader(program, fshader); - GLES20.glLinkProgram(program); - GLES20.glDeleteShader(vshader); - GLES20.glDeleteShader(fshader); - GLES20.glGetProgramiv(program, GLES20.GL_LINK_STATUS, status, 0); - if (status[0] == 0) { - Log.e("CameraGLRendererBase", "Could not link shader program: "+GLES20.glGetProgramInfoLog(program)); - program = 0; - return 0; - } - GLES20.glValidateProgram(program); - GLES20.glGetProgramiv(program, GLES20.GL_VALIDATE_STATUS, status, 0); - if (status[0] == 0) - { - Log.e("CameraGLRendererBase", "Shader program validation error: "+GLES20.glGetProgramInfoLog(program)); - GLES20.glDeleteProgram(program); - program = 0; - return 0; - } - - Log.d("CameraGLRendererBase", "Shader program is built OK"); - - return program; - } - - private void deleteFBO() - { - Log.d(LOGTAG, "deleteFBO("+mFBOWidth+"x"+mFBOHeight+")"); - GLES20.glBindFramebuffer(GLES20.GL_FRAMEBUFFER, 0); - GLES20.glDeleteFramebuffers(1, FBO, 0); - - deleteTex(texFBO); - deleteTex(texDraw); - mFBOWidth = mFBOHeight = 0; - } - - private void initFBO(int width, int height) - { - Log.d(LOGTAG, "initFBO("+width+"x"+height+")"); - - deleteFBO(); - - GLES20.glGenTextures(1, texDraw, 0); - GLES20.glBindTexture(GLES20.GL_TEXTURE_2D, texDraw[0]); - GLES20.glTexImage2D(GLES20.GL_TEXTURE_2D, 0, GLES20.GL_RGBA, width, height, 0, GLES20.GL_RGBA, GLES20.GL_UNSIGNED_BYTE, null); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_WRAP_S, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_WRAP_T, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_MIN_FILTER, GLES20.GL_NEAREST); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_MAG_FILTER, GLES20.GL_NEAREST); - - GLES20.glGenTextures(1, texFBO, 0); - GLES20.glBindTexture(GLES20.GL_TEXTURE_2D, texFBO[0]); - GLES20.glTexImage2D(GLES20.GL_TEXTURE_2D, 0, GLES20.GL_RGBA, width, height, 0, GLES20.GL_RGBA, GLES20.GL_UNSIGNED_BYTE, null); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_WRAP_S, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_WRAP_T, GLES20.GL_CLAMP_TO_EDGE); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_MIN_FILTER, GLES20.GL_NEAREST); - GLES20.glTexParameteri(GLES20.GL_TEXTURE_2D, GLES20.GL_TEXTURE_MAG_FILTER, GLES20.GL_NEAREST); - - //int hFBO; - GLES20.glGenFramebuffers(1, FBO, 0); - GLES20.glBindFramebuffer(GLES20.GL_FRAMEBUFFER, FBO[0]); - GLES20.glFramebufferTexture2D(GLES20.GL_FRAMEBUFFER, GLES20.GL_COLOR_ATTACHMENT0, GLES20.GL_TEXTURE_2D, texFBO[0], 0); - Log.d(LOGTAG, "initFBO error status: " + GLES20.glGetError()); - - int FBOstatus = GLES20.glCheckFramebufferStatus(GLES20.GL_FRAMEBUFFER); - if (FBOstatus != GLES20.GL_FRAMEBUFFER_COMPLETE) - Log.e(LOGTAG, "initFBO failed, status: " + FBOstatus); - - mFBOWidth = width; - mFBOHeight = height; - } - - // draw texture to FBO or to screen if fbo == 0 - private void drawTex(int tex, boolean isOES, int fbo) - { - GLES20.glBindFramebuffer(GLES20.GL_FRAMEBUFFER, fbo); - - if(fbo == 0) - GLES20.glViewport(0, 0, mView.getWidth(), mView.getHeight()); - else - GLES20.glViewport(0, 0, mFBOWidth, mFBOHeight); - - GLES20.glClear(GLES20.GL_COLOR_BUFFER_BIT); - - if(isOES) { - GLES20.glUseProgram(progOES); - GLES20.glVertexAttribPointer(vPosOES, 2, GLES20.GL_FLOAT, false, 4*2, vert); - GLES20.glVertexAttribPointer(vTCOES, 2, GLES20.GL_FLOAT, false, 4*2, texOES); - } else { - GLES20.glUseProgram(prog2D); - GLES20.glVertexAttribPointer(vPos2D, 2, GLES20.GL_FLOAT, false, 4*2, vert); - GLES20.glVertexAttribPointer(vTC2D, 2, GLES20.GL_FLOAT, false, 4*2, tex2D); - } - - GLES20.glActiveTexture(GLES20.GL_TEXTURE0); - - if(isOES) { - GLES20.glBindTexture(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, tex); - GLES20.glUniform1i(GLES20.glGetUniformLocation(progOES, "sTexture"), 0); - } else { - GLES20.glBindTexture(GLES20.GL_TEXTURE_2D, tex); - GLES20.glUniform1i(GLES20.glGetUniformLocation(prog2D, "sTexture"), 0); - } - - GLES20.glDrawArrays(GLES20.GL_TRIANGLE_STRIP, 0, 4); - GLES20.glFlush(); - } - - public synchronized void enableView() { - Log.d(LOGTAG, "enableView"); - mEnabled = true; - updateState(); - } - - public synchronized void disableView() { - Log.d(LOGTAG, "disableView"); - mEnabled = false; - updateState(); - } - - protected void updateState() { - Log.d(LOGTAG, "updateState"); - Log.d(LOGTAG, "mEnabled="+mEnabled+", mHaveSurface="+mHaveSurface); - boolean willStart = mEnabled && mHaveSurface && mView.getVisibility() == View.VISIBLE; - if (willStart != mIsStarted) { - if(willStart) doStart(); - else doStop(); - } else { - Log.d(LOGTAG, "keeping State unchanged"); - } - Log.d(LOGTAG, "updateState end"); - } - - protected synchronized void doStart() { - Log.d(LOGTAG, "doStart"); - initSurfaceTexture(); - openCamera(mCameraIndex); - mIsStarted = true; - if(mCameraWidth>0 && mCameraHeight>0) - setPreviewSize(mCameraWidth, mCameraHeight); // start preview and call listener.onCameraViewStarted() - } - - - protected void doStop() { - Log.d(LOGTAG, "doStop"); - synchronized(this) { - mUpdateST = false; - mIsStarted = false; - mHaveFBO = false; - closeCamera(); - deleteSurfaceTexture(); - } - CameraTextureListener listener = mView.getCameraTextureListener(); - if(listener != null) listener.onCameraViewStopped(); - - } - - protected void setPreviewSize(int width, int height) { - synchronized(this) { - mHaveFBO = false; - mCameraWidth = width; - mCameraHeight = height; - setCameraPreviewSize(width, height); // can change mCameraWidth & mCameraHeight - initFBO(mCameraWidth, mCameraHeight); - mHaveFBO = true; - } - - CameraTextureListener listener = mView.getCameraTextureListener(); - if(listener != null) listener.onCameraViewStarted(mCameraWidth, mCameraHeight); - } - - public void setCameraIndex(int cameraIndex) { - disableView(); - mCameraIndex = cameraIndex; - enableView(); - } - - public void setMaxCameraPreviewSize(int maxWidth, int maxHeight) { - disableView(); - mMaxCameraWidth = maxWidth; - mMaxCameraHeight = maxHeight; - enableView(); - } - - public void onResume() { - Log.i(LOGTAG, "onResume"); - } - - public void onPause() { - Log.i(LOGTAG, "onPause"); - mHaveSurface = false; - updateState(); - mCameraWidth = mCameraHeight = -1; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLSurfaceView.java b/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLSurfaceView.java deleted file mode 100644 index 05f950b471..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/CameraGLSurfaceView.java +++ /dev/null @@ -1,119 +0,0 @@ -package org.opencv.android; - -import org.opencv.R; - -import android.content.Context; -import android.content.res.TypedArray; -import android.opengl.GLSurfaceView; -import android.util.AttributeSet; -import android.util.Log; -import android.view.SurfaceHolder; - -public class CameraGLSurfaceView extends GLSurfaceView { - - private static final String LOGTAG = "CameraGLSurfaceView"; - - public interface CameraTextureListener { - /** - * This method is invoked when camera preview has started. After this method is invoked - * the frames will start to be delivered to client via the onCameraFrame() callback. - * @param width - the width of the frames that will be delivered - * @param height - the height of the frames that will be delivered - */ - public void onCameraViewStarted(int width, int height); - - /** - * This method is invoked when camera preview has been stopped for some reason. - * No frames will be delivered via onCameraFrame() callback after this method is called. - */ - public void onCameraViewStopped(); - - /** - * This method is invoked when a new preview frame from Camera is ready. - * @param texIn - the OpenGL texture ID that contains frame in RGBA format - * @param texOut - the OpenGL texture ID that can be used to store modified frame image t display - * @param width - the width of the frame - * @param height - the height of the frame - * @return `true` if `texOut` should be displayed, `false` - to show `texIn` - */ - public boolean onCameraTexture(int texIn, int texOut, int width, int height); - }; - - private CameraTextureListener mTexListener; - private CameraGLRendererBase mRenderer; - - public CameraGLSurfaceView(Context context, AttributeSet attrs) { - super(context, attrs); - - TypedArray styledAttrs = getContext().obtainStyledAttributes(attrs, R.styleable.CameraBridgeViewBase); - int cameraIndex = styledAttrs.getInt(R.styleable.CameraBridgeViewBase_camera_id, -1); - styledAttrs.recycle(); - - if(android.os.Build.VERSION.SDK_INT >= 21) - mRenderer = new Camera2Renderer(this); - else - mRenderer = new CameraRenderer(this); - - setCameraIndex(cameraIndex); - - setEGLContextClientVersion(2); - setRenderer(mRenderer); - setRenderMode(GLSurfaceView.RENDERMODE_WHEN_DIRTY); - } - - public void setCameraTextureListener(CameraTextureListener texListener) - { - mTexListener = texListener; - } - - public CameraTextureListener getCameraTextureListener() - { - return mTexListener; - } - - public void setCameraIndex(int cameraIndex) { - mRenderer.setCameraIndex(cameraIndex); - } - - public void setMaxCameraPreviewSize(int maxWidth, int maxHeight) { - mRenderer.setMaxCameraPreviewSize(maxWidth, maxHeight); - } - - @Override - public void surfaceCreated(SurfaceHolder holder) { - super.surfaceCreated(holder); - } - - @Override - public void surfaceDestroyed(SurfaceHolder holder) { - mRenderer.mHaveSurface = false; - super.surfaceDestroyed(holder); - } - - @Override - public void surfaceChanged(SurfaceHolder holder, int format, int w, int h) { - super.surfaceChanged(holder, format, w, h); - } - - @Override - public void onResume() { - Log.i(LOGTAG, "onResume"); - super.onResume(); - mRenderer.onResume(); - } - - @Override - public void onPause() { - Log.i(LOGTAG, "onPause"); - mRenderer.onPause(); - super.onPause(); - } - - public void enableView() { - mRenderer.enableView(); - } - - public void disableView() { - mRenderer.disableView(); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/CameraRenderer.java b/vendor/opencv/sdk/java/src/org/opencv/android/CameraRenderer.java deleted file mode 100644 index 2d668ffa6e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/CameraRenderer.java +++ /dev/null @@ -1,166 +0,0 @@ -package org.opencv.android; - -import java.io.IOException; -import java.util.List; - -import android.annotation.TargetApi; -import android.hardware.Camera; -import android.hardware.Camera.Size; -import android.os.Build; -import android.util.Log; - -@TargetApi(15) -@SuppressWarnings("deprecation") -public class CameraRenderer extends CameraGLRendererBase { - - public static final String LOGTAG = "CameraRenderer"; - - private Camera mCamera; - private boolean mPreviewStarted = false; - - CameraRenderer(CameraGLSurfaceView view) { - super(view); - } - - @Override - protected synchronized void closeCamera() { - Log.i(LOGTAG, "closeCamera"); - if(mCamera != null) { - mCamera.stopPreview(); - mPreviewStarted = false; - mCamera.release(); - mCamera = null; - } - } - - @Override - protected synchronized void openCamera(int id) { - Log.i(LOGTAG, "openCamera"); - closeCamera(); - if (id == CameraBridgeViewBase.CAMERA_ID_ANY) { - Log.d(LOGTAG, "Trying to open camera with old open()"); - try { - mCamera = Camera.open(); - } - catch (Exception e){ - Log.e(LOGTAG, "Camera is not available (in use or does not exist): " + e.getLocalizedMessage()); - } - - if(mCamera == null && Build.VERSION.SDK_INT >= Build.VERSION_CODES.GINGERBREAD) { - boolean connected = false; - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Log.d(LOGTAG, "Trying to open camera with new open(" + camIdx + ")"); - try { - mCamera = Camera.open(camIdx); - connected = true; - } catch (RuntimeException e) { - Log.e(LOGTAG, "Camera #" + camIdx + "failed to open: " + e.getLocalizedMessage()); - } - if (connected) break; - } - } - } else { - if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.GINGERBREAD) { - int localCameraIndex = mCameraIndex; - if (mCameraIndex == CameraBridgeViewBase.CAMERA_ID_BACK) { - Log.i(LOGTAG, "Trying to open BACK camera"); - Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_BACK) { - localCameraIndex = camIdx; - break; - } - } - } else if (mCameraIndex == CameraBridgeViewBase.CAMERA_ID_FRONT) { - Log.i(LOGTAG, "Trying to open FRONT camera"); - Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_FRONT) { - localCameraIndex = camIdx; - break; - } - } - } - if (localCameraIndex == CameraBridgeViewBase.CAMERA_ID_BACK) { - Log.e(LOGTAG, "Back camera not found!"); - } else if (localCameraIndex == CameraBridgeViewBase.CAMERA_ID_FRONT) { - Log.e(LOGTAG, "Front camera not found!"); - } else { - Log.d(LOGTAG, "Trying to open camera with new open(" + localCameraIndex + ")"); - try { - mCamera = Camera.open(localCameraIndex); - } catch (RuntimeException e) { - Log.e(LOGTAG, "Camera #" + localCameraIndex + "failed to open: " + e.getLocalizedMessage()); - } - } - } - } - if(mCamera == null) { - Log.e(LOGTAG, "Error: can't open camera"); - return; - } - Camera.Parameters params = mCamera.getParameters(); - List FocusModes = params.getSupportedFocusModes(); - if (FocusModes != null && FocusModes.contains(Camera.Parameters.FOCUS_MODE_CONTINUOUS_VIDEO)) - { - params.setFocusMode(Camera.Parameters.FOCUS_MODE_CONTINUOUS_VIDEO); - } - mCamera.setParameters(params); - - try { - mCamera.setPreviewTexture(mSTexture); - } catch (IOException ioe) { - Log.e(LOGTAG, "setPreviewTexture() failed: " + ioe.getMessage()); - } - } - - @Override - public synchronized void setCameraPreviewSize(int width, int height) { - Log.i(LOGTAG, "setCameraPreviewSize: "+width+"x"+height); - if(mCamera == null) { - Log.e(LOGTAG, "Camera isn't initialized!"); - return; - } - - if(mMaxCameraWidth > 0 && mMaxCameraWidth < width) width = mMaxCameraWidth; - if(mMaxCameraHeight > 0 && mMaxCameraHeight < height) height = mMaxCameraHeight; - - Camera.Parameters param = mCamera.getParameters(); - List psize = param.getSupportedPreviewSizes(); - int bestWidth = 0, bestHeight = 0; - if (psize.size() > 0) { - float aspect = (float)width / height; - for (Size size : psize) { - int w = size.width, h = size.height; - Log.d(LOGTAG, "checking camera preview size: "+w+"x"+h); - if ( w <= width && h <= height && - w >= bestWidth && h >= bestHeight && - Math.abs(aspect - (float)w/h) < 0.2 ) { - bestWidth = w; - bestHeight = h; - } - } - if(bestWidth <= 0 || bestHeight <= 0) { - bestWidth = psize.get(0).width; - bestHeight = psize.get(0).height; - Log.e(LOGTAG, "Error: best size was not selected, using "+bestWidth+" x "+bestHeight); - } else { - Log.i(LOGTAG, "Selected best size: "+bestWidth+" x "+bestHeight); - } - - if(mPreviewStarted) { - mCamera.stopPreview(); - mPreviewStarted = false; - } - mCameraWidth = bestWidth; - mCameraHeight = bestHeight; - param.setPreviewSize(bestWidth, bestHeight); - } - param.set("orientation", "landscape"); - mCamera.setParameters(param); - mCamera.startPreview(); - mPreviewStarted = true; - } -} \ No newline at end of file diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/FpsMeter.java b/vendor/opencv/sdk/java/src/org/opencv/android/FpsMeter.java deleted file mode 100644 index 5727ead3f8..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/FpsMeter.java +++ /dev/null @@ -1,67 +0,0 @@ -package org.opencv.android; - -import java.text.DecimalFormat; - -import org.opencv.core.Core; - -import android.graphics.Canvas; -import android.graphics.Color; -import android.graphics.Paint; -import android.util.Log; - -public class FpsMeter { - private static final String TAG = "FpsMeter"; - private static final int STEP = 20; - private static final DecimalFormat FPS_FORMAT = new DecimalFormat("0.00"); - - private int mFramesCounter; - private double mFrequency; - private long mprevFrameTime; - private String mStrfps; - Paint mPaint; - boolean mIsInitialized = false; - int mWidth = 0; - int mHeight = 0; - - public void init() { - mFramesCounter = 0; - mFrequency = Core.getTickFrequency(); - mprevFrameTime = Core.getTickCount(); - mStrfps = ""; - - mPaint = new Paint(); - mPaint.setColor(Color.BLUE); - mPaint.setTextSize(20); - } - - public void measure() { - if (!mIsInitialized) { - init(); - mIsInitialized = true; - } else { - mFramesCounter++; - if (mFramesCounter % STEP == 0) { - long time = Core.getTickCount(); - double fps = STEP * mFrequency / (time - mprevFrameTime); - mprevFrameTime = time; - if (mWidth != 0 && mHeight != 0) - mStrfps = FPS_FORMAT.format(fps) + " FPS@" + Integer.valueOf(mWidth) + "x" + Integer.valueOf(mHeight); - else - mStrfps = FPS_FORMAT.format(fps) + " FPS"; - Log.i(TAG, mStrfps); - } - } - } - - public void setResolution(int width, int height) { - Log.d(TAG, "FpsMeter.setResolution " + Integer.valueOf(mWidth) + "x" + Integer.valueOf(mHeight)); - mWidth = width; - mHeight = height; - } - - public void draw(Canvas canvas, float offsetx, float offsety) { - Log.d(TAG, mStrfps); - canvas.drawText(mStrfps, offsetx, offsety, mPaint); - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/JavaCamera2View.java b/vendor/opencv/sdk/java/src/org/opencv/android/JavaCamera2View.java deleted file mode 100644 index 849ef734a2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/JavaCamera2View.java +++ /dev/null @@ -1,472 +0,0 @@ -package org.opencv.android; - -import java.nio.ByteBuffer; -import java.util.Arrays; -import java.util.List; - -import android.annotation.TargetApi; -import android.content.Context; -import android.graphics.ImageFormat; -import android.hardware.camera2.CameraAccessException; -import android.hardware.camera2.CameraCaptureSession; -import android.hardware.camera2.CameraCharacteristics; -import android.hardware.camera2.CameraDevice; -import android.hardware.camera2.CameraManager; -import android.hardware.camera2.CaptureRequest; -import android.hardware.camera2.params.StreamConfigurationMap; -import android.media.Image; -import android.media.ImageReader; -import android.os.Handler; -import android.os.HandlerThread; -import android.util.AttributeSet; -import android.util.Log; -import android.view.Surface; -import android.view.ViewGroup.LayoutParams; - -import org.opencv.core.CvType; -import org.opencv.core.Mat; -import org.opencv.core.Size; -import org.opencv.imgproc.Imgproc; - -/** - * This class is an implementation of the Bridge View between OpenCV and Java Camera. - * This class relays on the functionality available in base class and only implements - * required functions: - * connectCamera - opens Java camera and sets the PreviewCallback to be delivered. - * disconnectCamera - closes the camera and stops preview. - * When frame is delivered via callback from Camera - it processed via OpenCV to be - * converted to RGBA32 and then passed to the external callback for modifications if required. - */ - -@TargetApi(21) -public class JavaCamera2View extends CameraBridgeViewBase { - - private static final String LOGTAG = "JavaCamera2View"; - - protected ImageReader mImageReader; - protected int mPreviewFormat = ImageFormat.YUV_420_888; - protected int mRequestTemplate = CameraDevice.TEMPLATE_PREVIEW; - private int mFrameRotation; - - protected CameraDevice mCameraDevice; - protected CameraCaptureSession mCaptureSession; - protected CaptureRequest.Builder mPreviewRequestBuilder; - protected String mCameraID; - protected android.util.Size mPreviewSize = new android.util.Size(-1, -1); - - private HandlerThread mBackgroundThread; - protected Handler mBackgroundHandler; - - public JavaCamera2View(Context context, int cameraId) { - super(context, cameraId); - } - - public JavaCamera2View(Context context, AttributeSet attrs) { - super(context, attrs); - } - - private void startBackgroundThread() { - Log.i(LOGTAG, "startBackgroundThread"); - stopBackgroundThread(); - mBackgroundThread = new HandlerThread("OpenCVCameraBackground"); - mBackgroundThread.start(); - mBackgroundHandler = new Handler(mBackgroundThread.getLooper()); - } - - private void stopBackgroundThread() { - Log.i(LOGTAG, "stopBackgroundThread"); - if (mBackgroundThread == null) - return; - mBackgroundThread.quitSafely(); - try { - mBackgroundThread.join(); - mBackgroundThread = null; - mBackgroundHandler = null; - } catch (InterruptedException e) { - Log.e(LOGTAG, "stopBackgroundThread", e); - } - } - - protected boolean selectCamera() { - Log.i(LOGTAG, "selectCamera"); - CameraManager manager = (CameraManager) getContext().getSystemService(Context.CAMERA_SERVICE); - try { - String camList[] = manager.getCameraIdList(); - if (camList.length == 0) { - Log.e(LOGTAG, "Error: camera isn't detected."); - return false; - } - boolean chosen = false; // remember whether the camera ID is set. - if (mCameraIndex == CameraBridgeViewBase.CAMERA_ID_ANY) { - mCameraID = camList[0]; - chosen = true; - } else { - for (String cameraID : camList) { - CameraCharacteristics characteristics = manager.getCameraCharacteristics(cameraID); - if ((mCameraIndex == CameraBridgeViewBase.CAMERA_ID_BACK && - characteristics.get(CameraCharacteristics.LENS_FACING) == CameraCharacteristics.LENS_FACING_BACK) || - (mCameraIndex == CameraBridgeViewBase.CAMERA_ID_FRONT && - characteristics.get(CameraCharacteristics.LENS_FACING) == CameraCharacteristics.LENS_FACING_FRONT) - ) { - mCameraID = cameraID; - chosen = true; - break; - } - } - } - if (mCameraID == null || !chosen) { // make JavaCamera2View behaves in the same way as JavaCameraView - Log.i(LOGTAG, "Selecting camera by index (" + mCameraIndex + ")"); - if (mCameraIndex < camList.length) { - mCameraID = camList[mCameraIndex]; - } else { - // CAMERA_DISCONNECTED is used when the camera id is no longer valid - throw new CameraAccessException(CameraAccessException.CAMERA_DISCONNECTED); - } - } - return true; - } catch (CameraAccessException e) { - Log.e(LOGTAG, "selectCamera - Camera Access Exception", e); - } catch (IllegalArgumentException e) { - Log.e(LOGTAG, "selectCamera - Illegal Argument Exception", e); - } catch (SecurityException e) { - Log.e(LOGTAG, "selectCamera - Security Exception", e); - } - return false; - } - - private final CameraDevice.StateCallback mStateCallback = new CameraDevice.StateCallback() { - - @Override - public void onOpened(CameraDevice cameraDevice) { - mCameraDevice = cameraDevice; - createCameraPreviewSession(); - } - - @Override - public void onDisconnected(CameraDevice cameraDevice) { - cameraDevice.close(); - mCameraDevice = null; - } - - @Override - public void onError(CameraDevice cameraDevice, int error) { - cameraDevice.close(); - mCameraDevice = null; - } - - }; - - protected CameraCaptureSession.StateCallback allocateSessionStateCallback() { - return new CameraCaptureSession.StateCallback() { - @Override - public void onConfigured(CameraCaptureSession cameraCaptureSession) { - Log.i(LOGTAG, "createCaptureSession::onConfigured"); - if (null == mCameraDevice) { - return; // camera is already closed - } - mCaptureSession = cameraCaptureSession; - try { - mPreviewRequestBuilder.set(CaptureRequest.CONTROL_AF_MODE, - CaptureRequest.CONTROL_AF_MODE_CONTINUOUS_PICTURE); - mPreviewRequestBuilder.set(CaptureRequest.CONTROL_AE_MODE, - CaptureRequest.CONTROL_AE_MODE_ON_AUTO_FLASH); - - mCaptureSession.setRepeatingRequest(mPreviewRequestBuilder.build(), null, mBackgroundHandler); - Log.i(LOGTAG, "CameraPreviewSession has been started"); - } catch (Exception e) { - Log.e(LOGTAG, "createCaptureSession failed", e); - } - } - - @Override - public void onConfigureFailed(CameraCaptureSession cameraCaptureSession) { - Log.e(LOGTAG, "createCameraPreviewSession failed"); - } - }; - } - - private void createCameraPreviewSession() { - final int w = mPreviewSize.getWidth(), h = mPreviewSize.getHeight(); - Log.i(LOGTAG, "createCameraPreviewSession(" + w + "x" + h + ")"); - if (w < 0 || h < 0) - return; - try { - if (null == mCameraDevice) { - Log.e(LOGTAG, "createCameraPreviewSession: camera isn't opened"); - return; - } - if (null != mCaptureSession) { - Log.e(LOGTAG, "createCameraPreviewSession: mCaptureSession is already started"); - return; - } - - mImageReader = ImageReader.newInstance(w, h, mPreviewFormat, 2); - mImageReader.setOnImageAvailableListener(new ImageReader.OnImageAvailableListener() { - @Override - public void onImageAvailable(ImageReader reader) { - - Image image = reader.acquireLatestImage(); - if (image == null) - return; - - // sanity checks - 3 planes - Image.Plane[] planes = image.getPlanes(); - assert (planes.length == 3); - assert (image.getFormat() == mPreviewFormat); - - RotatedCameraFrame tempFrame = new RotatedCameraFrame(new JavaCamera2Frame(image), mFrameRotation); - deliverAndDrawFrame(tempFrame); - tempFrame.mFrame.release(); - tempFrame.release(); - image.close(); - } - }, mBackgroundHandler); - Surface surface = mImageReader.getSurface(); - - mPreviewRequestBuilder = mCameraDevice.createCaptureRequest(mRequestTemplate); - mPreviewRequestBuilder.addTarget(surface); - - mCameraDevice.createCaptureSession(Arrays.asList(surface), - allocateSessionStateCallback(), null); - } catch (CameraAccessException e) { - Log.e(LOGTAG, "createCameraPreviewSession", e); - } - } - - @Override - protected void disconnectCamera() { - Log.i(LOGTAG, "close camera"); - try { - CameraDevice c = mCameraDevice; - mCameraDevice = null; - if (null != mCaptureSession) { - mCaptureSession.close(); - mCaptureSession = null; - } - if (null != c) { - c.close(); - } - } finally { - stopBackgroundThread(); - if (null != mImageReader) { - mImageReader.close(); - mImageReader = null; - } - } - Log.i(LOGTAG, "camera closed!"); - } - - public static class JavaCameraSizeAccessor implements ListItemAccessor { - @Override - public int getWidth(Object obj) { - android.util.Size size = (android.util.Size)obj; - return size.getWidth(); - } - - @Override - public int getHeight(Object obj) { - android.util.Size size = (android.util.Size)obj; - return size.getHeight(); - } - } - - boolean calcPreviewSize(final int width, final int height) { - Log.i(LOGTAG, "calcPreviewSize: " + width + "x" + height); - if (mCameraID == null) { - Log.e(LOGTAG, "Camera isn't initialized!"); - return false; - } - CameraManager manager = (CameraManager) getContext().getSystemService(Context.CAMERA_SERVICE); - try { - CameraCharacteristics characteristics = manager.getCameraCharacteristics(mCameraID); - StreamConfigurationMap map = characteristics.get(CameraCharacteristics.SCALER_STREAM_CONFIGURATION_MAP); - android.util.Size[] sizes = map.getOutputSizes(ImageReader.class); - List sizes_list = Arrays.asList(sizes); - Size frameSize = calculateCameraFrameSize(sizes_list, new JavaCameraSizeAccessor(), width, height); - Log.i(LOGTAG, "Selected preview size to " + Integer.valueOf((int)frameSize.width) + "x" + Integer.valueOf((int)frameSize.height)); - assert(!(frameSize.width == 0 || frameSize.height == 0)); - if (mPreviewSize.getWidth() == frameSize.width && mPreviewSize.getHeight() == frameSize.height) - return false; - else { - mPreviewSize = new android.util.Size((int)frameSize.width, (int)frameSize.height); - return true; - } - } catch (CameraAccessException e) { - Log.e(LOGTAG, "calcPreviewSize - Camera Access Exception", e); - } catch (IllegalArgumentException e) { - Log.e(LOGTAG, "calcPreviewSize - Illegal Argument Exception", e); - } catch (SecurityException e) { - Log.e(LOGTAG, "calcPreviewSize - Security Exception", e); - } - return false; - } - - @Override - protected boolean connectCamera(int width, int height) { - Log.i(LOGTAG, "setCameraPreviewSize(" + width + "x" + height + ")"); - startBackgroundThread(); - selectCamera(); - try { - CameraManager manager = (CameraManager) getContext().getSystemService(Context.CAMERA_SERVICE); - CameraCharacteristics characteristics = manager.getCameraCharacteristics(mCameraID); - mFrameRotation = getFrameRotation( - characteristics.get(CameraCharacteristics.LENS_FACING) == CameraCharacteristics.LENS_FACING_FRONT, - characteristics.get(CameraCharacteristics.SENSOR_ORIENTATION)); - - boolean needReconfig = calcPreviewSize(width, height); - if (mFrameRotation % 180 == 0) { - mFrameWidth = mPreviewSize.getWidth(); - mFrameHeight = mPreviewSize.getHeight(); - } else { - mFrameWidth = mPreviewSize.getHeight(); - mFrameHeight = mPreviewSize.getWidth(); - } - - if ((getLayoutParams().width == LayoutParams.MATCH_PARENT) && (getLayoutParams().height == LayoutParams.MATCH_PARENT)) - mScale = Math.min(((float)height)/mFrameHeight, ((float)width)/mFrameWidth); - else - mScale = 0; - - AllocateCache(); - - if (needReconfig) { - if (null != mCaptureSession) { - Log.d(LOGTAG, "closing existing previewSession"); - mCaptureSession.close(); - mCaptureSession = null; - } - } - - if (mFpsMeter != null) { - mFpsMeter.setResolution(mFrameWidth, mFrameHeight); - } - - Log.i(LOGTAG, "Opening camera: " + mCameraID); - manager.openCamera(mCameraID, mStateCallback, mBackgroundHandler); - } catch (CameraAccessException e) { - Log.e(LOGTAG, "OpenCamera - Camera Access Exception", e); - } catch (RuntimeException e) { - throw new RuntimeException("Interrupted while setCameraPreviewSize.", e); - } - return true; - } - - private class JavaCamera2Frame implements CvCameraViewFrame { - @Override - public Mat gray() { - Image.Plane[] planes = mImage.getPlanes(); - int w = mImage.getWidth(); - int h = mImage.getHeight(); - assert(planes[0].getPixelStride() == 1); - ByteBuffer y_plane = planes[0].getBuffer(); - int y_plane_step = planes[0].getRowStride(); - mGray = new Mat(h, w, CvType.CV_8UC1, y_plane, y_plane_step); - return mGray; - } - - @Override - public Mat rgba() { - Image.Plane[] planes = mImage.getPlanes(); - int w = mImage.getWidth(); - int h = mImage.getHeight(); - int chromaPixelStride = planes[1].getPixelStride(); - - - if (chromaPixelStride == 2) { // Chroma channels are interleaved - assert(planes[0].getPixelStride() == 1); - assert(planes[2].getPixelStride() == 2); - ByteBuffer y_plane = planes[0].getBuffer(); - int y_plane_step = planes[0].getRowStride(); - ByteBuffer uv_plane1 = planes[1].getBuffer(); - int uv_plane1_step = planes[1].getRowStride(); - ByteBuffer uv_plane2 = planes[2].getBuffer(); - int uv_plane2_step = planes[2].getRowStride(); - Mat y_mat = new Mat(h, w, CvType.CV_8UC1, y_plane, y_plane_step); - Mat uv_mat1 = new Mat(h / 2, w / 2, CvType.CV_8UC2, uv_plane1, uv_plane1_step); - Mat uv_mat2 = new Mat(h / 2, w / 2, CvType.CV_8UC2, uv_plane2, uv_plane2_step); - long addr_diff = uv_mat2.dataAddr() - uv_mat1.dataAddr(); - if (addr_diff > 0) { - assert(addr_diff == 1); - Imgproc.cvtColorTwoPlane(y_mat, uv_mat1, mRgba, Imgproc.COLOR_YUV2RGBA_NV12); - } else { - assert(addr_diff == -1); - Imgproc.cvtColorTwoPlane(y_mat, uv_mat2, mRgba, Imgproc.COLOR_YUV2RGBA_NV21); - } - return mRgba; - } else { // Chroma channels are not interleaved - byte[] yuv_bytes = new byte[w*(h+h/2)]; - ByteBuffer y_plane = planes[0].getBuffer(); - ByteBuffer u_plane = planes[1].getBuffer(); - ByteBuffer v_plane = planes[2].getBuffer(); - - int yuv_bytes_offset = 0; - - int y_plane_step = planes[0].getRowStride(); - if (y_plane_step == w) { - y_plane.get(yuv_bytes, 0, w*h); - yuv_bytes_offset = w*h; - } else { - int padding = y_plane_step - w; - for (int i = 0; i < h; i++){ - y_plane.get(yuv_bytes, yuv_bytes_offset, w); - yuv_bytes_offset += w; - if (i < h - 1) { - y_plane.position(y_plane.position() + padding); - } - } - assert(yuv_bytes_offset == w * h); - } - - int chromaRowStride = planes[1].getRowStride(); - int chromaRowPadding = chromaRowStride - w/2; - - if (chromaRowPadding == 0){ - // When the row stride of the chroma channels equals their width, we can copy - // the entire channels in one go - u_plane.get(yuv_bytes, yuv_bytes_offset, w*h/4); - yuv_bytes_offset += w*h/4; - v_plane.get(yuv_bytes, yuv_bytes_offset, w*h/4); - } else { - // When not equal, we need to copy the channels row by row - for (int i = 0; i < h/2; i++){ - u_plane.get(yuv_bytes, yuv_bytes_offset, w/2); - yuv_bytes_offset += w/2; - if (i < h/2-1){ - u_plane.position(u_plane.position() + chromaRowPadding); - } - } - for (int i = 0; i < h/2; i++){ - v_plane.get(yuv_bytes, yuv_bytes_offset, w/2); - yuv_bytes_offset += w/2; - if (i < h/2-1){ - v_plane.position(v_plane.position() + chromaRowPadding); - } - } - } - - Mat yuv_mat = new Mat(h+h/2, w, CvType.CV_8UC1); - yuv_mat.put(0, 0, yuv_bytes); - Imgproc.cvtColor(yuv_mat, mRgba, Imgproc.COLOR_YUV2RGBA_I420, 4); - return mRgba; - } - } - - - public JavaCamera2Frame(Image image) { - super(); - mImage = image; - mRgba = new Mat(); - mGray = new Mat(); - } - - @Override - public void release() { - mRgba.release(); - mGray.release(); - } - - private Image mImage; - private Mat mRgba; - private Mat mGray; - }; -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/JavaCameraView.java b/vendor/opencv/sdk/java/src/org/opencv/android/JavaCameraView.java deleted file mode 100644 index b76f186101..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/JavaCameraView.java +++ /dev/null @@ -1,391 +0,0 @@ -package org.opencv.android; - -import java.util.List; - -import android.content.Context; -import android.graphics.ImageFormat; -import android.graphics.SurfaceTexture; -import android.hardware.Camera; -import android.hardware.Camera.PreviewCallback; -import android.os.Build; -import android.util.AttributeSet; -import android.util.Log; -import android.view.Surface; -import android.view.ViewGroup.LayoutParams; -import android.view.WindowManager; - -import org.opencv.BuildConfig; -import org.opencv.core.Core; -import org.opencv.core.CvType; -import org.opencv.core.Mat; -import org.opencv.core.Size; -import org.opencv.imgproc.Imgproc; - -/** - * This class is an implementation of the Bridge View between OpenCV and Java Camera. - * This class relays on the functionality available in base class and only implements - * required functions: - * connectCamera - opens Java camera and sets the PreviewCallback to be delivered. - * disconnectCamera - closes the camera and stops preview. - * When frame is delivered via callback from Camera - it processed via OpenCV to be - * converted to RGBA32 and then passed to the external callback for modifications if required. - */ -public class JavaCameraView extends CameraBridgeViewBase implements PreviewCallback { - - private static final int MAGIC_TEXTURE_ID = 10; - private static final String TAG = "JavaCameraView"; - - private byte mBuffer[]; - private Mat[] mFrameChain; - private int mChainIdx = 0; - private Thread mThread; - private boolean mStopThread; - - protected Camera mCamera; - protected RotatedCameraFrame[] mCameraFrame; - private SurfaceTexture mSurfaceTexture; - private int mPreviewFormat = ImageFormat.NV21; - - public static class JavaCameraSizeAccessor implements ListItemAccessor { - - @Override - public int getWidth(Object obj) { - Camera.Size size = (Camera.Size) obj; - return size.width; - } - - @Override - public int getHeight(Object obj) { - Camera.Size size = (Camera.Size) obj; - return size.height; - } - } - - public JavaCameraView(Context context, int cameraId) { - super(context, cameraId); - } - - public JavaCameraView(Context context, AttributeSet attrs) { - super(context, attrs); - } - - protected boolean initializeCamera(int width, int height) { - Log.d(TAG, "Initialize java camera"); - boolean result = true; - synchronized (this) { - mCamera = null; - int cameraId = -1; - - if (mCameraIndex == CAMERA_ID_ANY) { - boolean connected = false; - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Log.d(TAG, "Trying to open camera with new open(" + Integer.valueOf(camIdx) + ")"); - try { - mCamera = Camera.open(camIdx); - connected = true; - cameraId = camIdx; - } catch (RuntimeException e) { - Log.e(TAG, "Camera #" + camIdx + "failed to open: " + e.getLocalizedMessage()); - } - if (connected) break; - } - } else { - if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.GINGERBREAD) { - int localCameraIndex = mCameraIndex; - if (mCameraIndex == CAMERA_ID_BACK) { - Log.i(TAG, "Trying to open back camera"); - Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_BACK) { - localCameraIndex = camIdx; - break; - } - } - } else if (mCameraIndex == CAMERA_ID_FRONT) { - Log.i(TAG, "Trying to open front camera"); - Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_FRONT) { - localCameraIndex = camIdx; - break; - } - } - } - if (localCameraIndex == CAMERA_ID_BACK) { - Log.e(TAG, "Back camera not found!"); - } else if (localCameraIndex == CAMERA_ID_FRONT) { - Log.e(TAG, "Front camera not found!"); - } else { - Log.d(TAG, "Trying to open camera with new open(" + Integer.valueOf(localCameraIndex) + ")"); - try { - mCamera = Camera.open(localCameraIndex); - cameraId = localCameraIndex; - } catch (RuntimeException e) { - Log.e(TAG, "Camera #" + localCameraIndex + "failed to open: " + e.getLocalizedMessage()); - } - } - } - } - - if (mCamera == null) - return false; - - android.hardware.Camera.CameraInfo info = new android.hardware.Camera.CameraInfo(); - android.hardware.Camera.getCameraInfo(cameraId, info); - int frameRotation = getFrameRotation( - info.facing == Camera.CameraInfo.CAMERA_FACING_FRONT, - info.orientation); - /* Now set camera parameters */ - try { - Camera.Parameters params = mCamera.getParameters(); - Log.d(TAG, "getSupportedPreviewSizes()"); - List sizes = params.getSupportedPreviewSizes(); - - if (sizes != null) { - /* Select the size that fits surface considering maximum size allowed */ - Size frameSize = calculateCameraFrameSize(sizes, new JavaCameraSizeAccessor(), width, height); - - /* Image format NV21 causes issues in the Android emulators */ - if (Build.FINGERPRINT.startsWith("generic") - || Build.FINGERPRINT.startsWith("unknown") - || Build.MODEL.contains("google_sdk") - || Build.MODEL.contains("Emulator") - || Build.MODEL.contains("Android SDK built for x86") - || Build.MANUFACTURER.contains("Genymotion") - || (Build.BRAND.startsWith("generic") && Build.DEVICE.startsWith("generic")) - || "google_sdk".equals(Build.PRODUCT)) - params.setPreviewFormat(ImageFormat.YV12); // "generic" or "android" = android emulator - else - params.setPreviewFormat(ImageFormat.NV21); - - mPreviewFormat = params.getPreviewFormat(); - - Log.d(TAG, "Set preview size to " + Integer.valueOf((int)frameSize.width) + "x" + Integer.valueOf((int)frameSize.height)); - params.setPreviewSize((int)frameSize.width, (int)frameSize.height); - - if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.ICE_CREAM_SANDWICH && !android.os.Build.MODEL.equals("GT-I9100")) - params.setRecordingHint(true); - - List FocusModes = params.getSupportedFocusModes(); - if (FocusModes != null && FocusModes.contains(Camera.Parameters.FOCUS_MODE_CONTINUOUS_VIDEO)) - { - params.setFocusMode(Camera.Parameters.FOCUS_MODE_CONTINUOUS_VIDEO); - } - - mCamera.setParameters(params); - params = mCamera.getParameters(); - - int rawFrameWidth = params.getPreviewSize().width; - int rawFrameHeight = params.getPreviewSize().height; - - if (frameRotation % 180 == 0) { - mFrameWidth = params.getPreviewSize().width; - mFrameHeight = params.getPreviewSize().height; - } else { - mFrameWidth = params.getPreviewSize().height; - mFrameHeight = params.getPreviewSize().width; - } - - if ((getLayoutParams().width == LayoutParams.MATCH_PARENT) && (getLayoutParams().height == LayoutParams.MATCH_PARENT)) - mScale = Math.min(((float)height)/mFrameHeight, ((float)width)/mFrameWidth); - else - mScale = 0; - - if (mFpsMeter != null) { - mFpsMeter.setResolution(mFrameWidth, mFrameHeight); - } - - int size = mFrameWidth * mFrameHeight; - size = size * ImageFormat.getBitsPerPixel(params.getPreviewFormat()) / 8; - mBuffer = new byte[size]; - - mCamera.addCallbackBuffer(mBuffer); - mCamera.setPreviewCallbackWithBuffer(this); - - mFrameChain = new Mat[2]; - mFrameChain[0] = new Mat(rawFrameHeight + (rawFrameHeight/2), rawFrameWidth, CvType.CV_8UC1); - mFrameChain[1] = new Mat(rawFrameHeight + (rawFrameHeight/2), rawFrameWidth, CvType.CV_8UC1); - - AllocateCache(); - - mCameraFrame = new RotatedCameraFrame[2]; - mCameraFrame[0] = new RotatedCameraFrame(new JavaCameraFrame(mFrameChain[0], rawFrameWidth, rawFrameHeight), frameRotation); - mCameraFrame[1] = new RotatedCameraFrame(new JavaCameraFrame(mFrameChain[1], rawFrameWidth, rawFrameHeight), frameRotation); - - if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.HONEYCOMB) { - mSurfaceTexture = new SurfaceTexture(MAGIC_TEXTURE_ID); - mCamera.setPreviewTexture(mSurfaceTexture); - } else - mCamera.setPreviewDisplay(null); - - /* Finally we are ready to start the preview */ - Log.d(TAG, "startPreview"); - mCamera.startPreview(); - } - else - result = false; - } catch (Exception e) { - result = false; - e.printStackTrace(); - } - } - - return result; - } - - protected void releaseCamera() { - synchronized (this) { - if (mCamera != null) { - mCamera.stopPreview(); - mCamera.setPreviewCallback(null); - - mCamera.release(); - } - mCamera = null; - if (mFrameChain != null) { - mFrameChain[0].release(); - mFrameChain[1].release(); - } - if (mCameraFrame != null) { - mCameraFrame[0].mFrame.release(); - mCameraFrame[0].release(); - mCameraFrame[1].mFrame.release(); - mCameraFrame[1].release(); - } - } - } - - private boolean mCameraFrameReady = false; - - @Override - protected boolean connectCamera(int width, int height) { - - /* 1. We need to instantiate camera - * 2. We need to start thread which will be getting frames - */ - /* First step - initialize camera connection */ - Log.d(TAG, "Connecting to camera"); - if (!initializeCamera(width, height)) - return false; - - mCameraFrameReady = false; - - /* now we can start update thread */ - Log.d(TAG, "Starting processing thread"); - mStopThread = false; - mThread = new Thread(new CameraWorker()); - mThread.start(); - - return true; - } - - @Override - protected void disconnectCamera() { - /* 1. We need to stop thread which updating the frames - * 2. Stop camera and release it - */ - Log.d(TAG, "Disconnecting from camera"); - try { - mStopThread = true; - Log.d(TAG, "Notify thread"); - synchronized (this) { - this.notify(); - } - Log.d(TAG, "Waiting for thread"); - if (mThread != null) - mThread.join(); - } catch (InterruptedException e) { - e.printStackTrace(); - } finally { - mThread = null; - } - - /* Now release camera */ - releaseCamera(); - - mCameraFrameReady = false; - } - - @Override - public void onPreviewFrame(byte[] frame, Camera arg1) { - if (BuildConfig.DEBUG) - Log.d(TAG, "Preview Frame received. Frame size: " + frame.length); - synchronized (this) { - mFrameChain[mChainIdx].put(0, 0, frame); - mCameraFrameReady = true; - this.notify(); - } - if (mCamera != null) - mCamera.addCallbackBuffer(mBuffer); - } - - private class JavaCameraFrame implements CvCameraViewFrame { - @Override - public Mat gray() { - return mYuvFrameData.submat(0, mHeight, 0, mWidth); - } - - @Override - public Mat rgba() { - if (mPreviewFormat == ImageFormat.NV21) - Imgproc.cvtColor(mYuvFrameData, mRgba, Imgproc.COLOR_YUV2RGBA_NV21, 4); - else if (mPreviewFormat == ImageFormat.YV12) - Imgproc.cvtColor(mYuvFrameData, mRgba, Imgproc.COLOR_YUV2RGB_I420, 4); // COLOR_YUV2RGBA_YV12 produces inverted colors - else - throw new IllegalArgumentException("Preview Format can be NV21 or YV12"); - - return mRgba; - } - - public JavaCameraFrame(Mat Yuv420sp, int width, int height) { - super(); - mWidth = width; - mHeight = height; - mYuvFrameData = Yuv420sp; - mRgba = new Mat(); - } - - @Override - public void release() { - mRgba.release(); - } - - private Mat mYuvFrameData; - private Mat mRgba; - private int mWidth; - private int mHeight; - }; - - private class CameraWorker implements Runnable { - - @Override - public void run() { - do { - boolean hasFrame = false; - synchronized (JavaCameraView.this) { - try { - while (!mCameraFrameReady && !mStopThread) { - JavaCameraView.this.wait(); - } - } catch (InterruptedException e) { - e.printStackTrace(); - } - if (mCameraFrameReady) - { - mChainIdx = 1 - mChainIdx; - mCameraFrameReady = false; - hasFrame = true; - } - } - - if (!mStopThread && hasFrame) { - if (!mFrameChain[1 - mChainIdx].empty()) - deliverAndDrawFrame(mCameraFrame[1 - mChainIdx]); - } - } while (!mStopThread); - Log.d(TAG, "Finish processing thread"); - } - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/NativeCameraView.java b/vendor/opencv/sdk/java/src/org/opencv/android/NativeCameraView.java deleted file mode 100644 index 0053a25a07..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/NativeCameraView.java +++ /dev/null @@ -1,230 +0,0 @@ -package org.opencv.android; - -import org.opencv.core.Mat; -import org.opencv.core.Size; -import org.opencv.core.MatOfInt; - -import org.opencv.imgproc.Imgproc; - -import org.opencv.videoio.Videoio; -import org.opencv.videoio.VideoCapture; -import org.opencv.videoio.VideoWriter; - -import android.content.Context; -import android.hardware.Camera; -import android.util.AttributeSet; -import android.util.Log; -import android.view.ViewGroup.LayoutParams; - -/** - * This class is an implementation of a bridge between SurfaceView and OpenCV VideoCapture. - * The class is experimental implementation and not recoomended for production usage. - */ -public class NativeCameraView extends CameraBridgeViewBase { - - public static final String TAG = "NativeCameraView"; - private boolean mStopThread; - private Thread mThread; - - protected VideoCapture mCamera; - protected RotatedCameraFrame mFrame; - - public NativeCameraView(Context context, int cameraId) { - super(context, cameraId); - } - - public NativeCameraView(Context context, AttributeSet attrs) { - super(context, attrs); - } - - @Override - protected boolean connectCamera(int width, int height) { - - /* 1. We need to instantiate camera - * 2. We need to start thread which will be getting frames - */ - /* First step - initialize camera connection */ - if (!initializeCamera(width, height)) - return false; - - /* now we can start update thread */ - mThread = new Thread(new CameraWorker()); - mThread.start(); - - return true; - } - - @Override - protected void disconnectCamera() { - /* 1. We need to stop thread which updating the frames - * 2. Stop camera and release it - */ - if (mThread != null) { - try { - mStopThread = true; - mThread.join(); - } catch (InterruptedException e) { - e.printStackTrace(); - } finally { - mThread = null; - mStopThread = false; - } - } - - /* Now release camera */ - releaseCamera(); - } - - public static class OpenCvSizeAccessor implements ListItemAccessor { - - public int getWidth(Object obj) { - Size size = (Size)obj; - return (int)size.width; - } - - public int getHeight(Object obj) { - Size size = (Size)obj; - return (int)size.height; - } - - } - - private boolean initializeCamera(int width, int height) { - synchronized (this) { - Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); - int localCameraIndex = mCameraIndex; - if (mCameraIndex == CAMERA_ID_ANY) { - Log.d(TAG, "Try to open default camera"); - localCameraIndex = 0; - } else if (mCameraIndex == CAMERA_ID_BACK) { - Log.i(TAG, "Trying to open back camera"); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_BACK) { - localCameraIndex = camIdx; - break; - } - } - } else if (mCameraIndex == CAMERA_ID_FRONT) { - Log.i(TAG, "Trying to open front camera"); - for (int camIdx = 0; camIdx < Camera.getNumberOfCameras(); ++camIdx) { - Camera.getCameraInfo( camIdx, cameraInfo ); - if (cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_FRONT) { - localCameraIndex = camIdx; - break; - } - } - } - - if (localCameraIndex == CAMERA_ID_BACK) { - Log.e(TAG, "Back camera not found!"); - return false; - } else if (localCameraIndex == CAMERA_ID_FRONT) { - Log.e(TAG, "Front camera not found!"); - return false; - } - - MatOfInt params = new MatOfInt(Videoio.CAP_PROP_FRAME_WIDTH, width, - Videoio.CAP_PROP_FRAME_HEIGHT, height); - - Log.d(TAG, "Try to open camera with index " + localCameraIndex); - mCamera = new VideoCapture(localCameraIndex, Videoio.CAP_ANDROID, params); - - if (mCamera == null) - return false; - if (mCamera.isOpened() == false) - return false; - - if (mCameraIndex != CAMERA_ID_BACK && mCameraIndex != CAMERA_ID_FRONT) - Camera.getCameraInfo(localCameraIndex, cameraInfo); - int frameRotation = getFrameRotation( - cameraInfo.facing == Camera.CameraInfo.CAMERA_FACING_FRONT, - cameraInfo.orientation); - - mFrame = new RotatedCameraFrame(new NativeCameraFrame(mCamera), frameRotation); - - if (frameRotation % 180 == 0) { - mFrameWidth = (int) mCamera.get(Videoio.CAP_PROP_FRAME_WIDTH); - mFrameHeight = (int) mCamera.get(Videoio.CAP_PROP_FRAME_HEIGHT); - } else { - mFrameWidth = (int) mCamera.get(Videoio.CAP_PROP_FRAME_HEIGHT); - mFrameHeight = (int) mCamera.get(Videoio.CAP_PROP_FRAME_WIDTH); - } - - if ((getLayoutParams().width == LayoutParams.MATCH_PARENT) && (getLayoutParams().height == LayoutParams.MATCH_PARENT)) - mScale = Math.min(((float)height)/mFrameHeight, ((float)width)/mFrameWidth); - else - mScale = 0; - - if (mFpsMeter != null) { - mFpsMeter.setResolution(mFrameWidth, mFrameHeight); - } - - AllocateCache(); - } - - Log.i(TAG, "Selected camera frame size = (" + mFrameWidth + ", " + mFrameHeight + ")"); - - return true; - } - - private void releaseCamera() { - synchronized (this) { - if (mFrame != null) { - mFrame.mFrame.release(); - mFrame.release(); - } - if (mCamera != null) mCamera.release(); - } - } - - private static class NativeCameraFrame implements CvCameraViewFrame { - - @Override - public Mat rgba() { - mCapture.set(Videoio.CAP_PROP_FOURCC, VideoWriter.fourcc('R','G','B','4')); - mCapture.retrieve(mRgba); - Log.d(TAG, "Retrieved frame with size " + mRgba.cols() + "x" + mRgba.rows() + " and channels: " + mRgba.channels()); - return mRgba; - } - - @Override - public Mat gray() { - mCapture.set(Videoio.CAP_PROP_FOURCC, VideoWriter.fourcc('G','R','E','Y')); - mCapture.retrieve(mGray); - Log.d(TAG, "Retrieved frame with size " + mGray.cols() + "x" + mGray.rows() + " and channels: " + mGray.channels()); - return mGray; - } - - public NativeCameraFrame(VideoCapture capture) { - mCapture = capture; - mGray = new Mat(); - mRgba = new Mat(); - } - - @Override - public void release() { - if (mGray != null) mGray.release(); - if (mRgba != null) mRgba.release(); - } - - private VideoCapture mCapture; - private Mat mRgba; - private Mat mGray; - }; - - private class CameraWorker implements Runnable { - - public void run() { - do { - if (!mCamera.grab()) { - Log.e(TAG, "Camera frame grab failed"); - break; - } - - deliverAndDrawFrame(mFrame); - } while (!mStopThread); - } - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/OpenCVLoader.java b/vendor/opencv/sdk/java/src/org/opencv/android/OpenCVLoader.java deleted file mode 100644 index dbadd6a4fd..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/OpenCVLoader.java +++ /dev/null @@ -1,44 +0,0 @@ -package org.opencv.android; - -import android.content.Context; - -/** - * Helper class provides common initialization methods for OpenCV library. - */ -public class OpenCVLoader -{ - /** - * Current OpenCV Library version - */ - public static final String OPENCV_VERSION = "4.12.0"; - - - /** - * Synonym for initLocal. Deprecated. - */ - @Deprecated - public static boolean initDebug() - { - return StaticHelper.initOpenCV(false); - } - - /** - * Loads and initializes OpenCV library from current application package. Roughly, it's an analog of system.loadLibrary("opencv_java"). - * @return Returns true is initialization of OpenCV was successful. - */ - public static boolean initLocal() - { - return StaticHelper.initOpenCV(false); - } - - /** - * Loads and initializes OpenCV library from current application package. Roughly, it's an analog of system.loadLibrary("opencv_java"). - * @param InitCuda load and initialize CUDA runtime libraries. - * @return Returns true is initialization of OpenCV was successful. - */ - @Deprecated - public static boolean initDebug(boolean InitCuda) - { - return StaticHelper.initOpenCV(InitCuda); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/StaticHelper.java b/vendor/opencv/sdk/java/src/org/opencv/android/StaticHelper.java deleted file mode 100644 index a346cf9633..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/StaticHelper.java +++ /dev/null @@ -1,60 +0,0 @@ -package org.opencv.android; - -import org.opencv.core.Core; - -import java.util.StringTokenizer; -import android.util.Log; - -class StaticHelper { - - public static boolean initOpenCV(boolean InitCuda) - { - boolean result; - String libs = ""; - - if(InitCuda) - Log.w(TAG, "CUDA support was removed!"); - - Log.d(TAG, "First attempt to load libs"); - if (loadLibrary("opencv_java4")) - { - Log.d(TAG, "First attempt to load libs is OK"); - String eol = System.getProperty("line.separator"); - for (String str : Core.getBuildInformation().split(eol)) - Log.i(TAG, str); - - result = true; - } - else - { - Log.d(TAG, "First attempt to load libs fails"); - result = false; - } - - return result; - } - - private static boolean loadLibrary(String Name) - { - boolean result = true; - - Log.d(TAG, "Trying to load library " + Name); - try - { - System.loadLibrary(Name); - Log.d(TAG, "Library " + Name + " loaded"); - } - catch(UnsatisfiedLinkError e) - { - Log.d(TAG, "Cannot load library \"" + Name + "\""); - e.printStackTrace(); - result = false; - } - - return result; - } - - private static final String TAG = "OpenCV/StaticHelper"; - - private static native String getLibraryList(); -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/android/Utils.java b/vendor/opencv/sdk/java/src/org/opencv/android/Utils.java deleted file mode 100644 index eef4c45622..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/android/Utils.java +++ /dev/null @@ -1,139 +0,0 @@ -package org.opencv.android; - -import android.content.Context; -import android.graphics.Bitmap; - -import org.opencv.core.CvException; -import org.opencv.core.CvType; -import org.opencv.core.Mat; -import org.opencv.imgcodecs.Imgcodecs; - -import java.io.ByteArrayOutputStream; -import java.io.File; -import java.io.FileOutputStream; -import java.io.IOException; -import java.io.InputStream; - -public class Utils { - - public static String exportResource(Context context, int resourceId) { - return exportResource(context, resourceId, "OpenCV_data"); - } - - public static String exportResource(Context context, int resourceId, String dirname) { - String fullname = context.getResources().getString(resourceId); - String resName = fullname.substring(fullname.lastIndexOf("/") + 1); - try { - InputStream is = context.getResources().openRawResource(resourceId); - File resDir = context.getDir(dirname, Context.MODE_PRIVATE); - File resFile = new File(resDir, resName); - - FileOutputStream os = new FileOutputStream(resFile); - - byte[] buffer = new byte[4096]; - int bytesRead; - while ((bytesRead = is.read(buffer)) != -1) { - os.write(buffer, 0, bytesRead); - } - is.close(); - os.close(); - - return resFile.getAbsolutePath(); - } catch (IOException e) { - e.printStackTrace(); - throw new CvException("Failed to export resource " + resName - + ". Exception thrown: " + e); - } - } - - public static Mat loadResource(Context context, int resourceId) throws IOException - { - return loadResource(context, resourceId, -1); - } - - public static Mat loadResource(Context context, int resourceId, int flags) throws IOException - { - InputStream is = context.getResources().openRawResource(resourceId); - ByteArrayOutputStream os = new ByteArrayOutputStream(is.available()); - - byte[] buffer = new byte[4096]; - int bytesRead; - while ((bytesRead = is.read(buffer)) != -1) { - os.write(buffer, 0, bytesRead); - } - is.close(); - - Mat encoded = new Mat(1, os.size(), CvType.CV_8U); - encoded.put(0, 0, os.toByteArray()); - os.close(); - - Mat decoded = Imgcodecs.imdecode(encoded, flags); - encoded.release(); - - return decoded; - } - - /** - * Converts Android Bitmap to OpenCV Mat. - *

    - * This function converts an Android Bitmap image to the OpenCV Mat. - *
    'ARGB_8888' and 'RGB_565' input Bitmap formats are supported. - *
    The output Mat is always created of the same size as the input Bitmap and of the 'CV_8UC4' type, - * it keeps the image in RGBA format. - *
    This function throws an exception if the conversion fails. - * @param bmp is a valid input Bitmap object of the type 'ARGB_8888' or 'RGB_565'. - * @param mat is a valid output Mat object, it will be reallocated if needed, so it may be empty. - * @param unPremultiplyAlpha is a flag, that determines, whether the bitmap needs to be converted from alpha premultiplied format (like Android keeps 'ARGB_8888' ones) to regular one; this flag is ignored for 'RGB_565' bitmaps. - */ - public static void bitmapToMat(Bitmap bmp, Mat mat, boolean unPremultiplyAlpha) { - if (bmp == null) - throw new IllegalArgumentException("bmp == null"); - if (mat == null) - throw new IllegalArgumentException("mat == null"); - nBitmapToMat2(bmp, mat.nativeObj, unPremultiplyAlpha); - } - - /** - * Short form of the bitmapToMat(bmp, mat, unPremultiplyAlpha=false). - * @param bmp is a valid input Bitmap object of the type 'ARGB_8888' or 'RGB_565'. - * @param mat is a valid output Mat object, it will be reallocated if needed, so Mat may be empty. - */ - public static void bitmapToMat(Bitmap bmp, Mat mat) { - bitmapToMat(bmp, mat, false); - } - - - /** - * Converts OpenCV Mat to Android Bitmap. - *

    - *
    This function converts an image in the OpenCV Mat representation to the Android Bitmap. - *
    The input Mat object has to be of the types 'CV_8UC1' (gray-scale), 'CV_8UC3' (RGB) or 'CV_8UC4' (RGBA). - *
    The output Bitmap object has to be of the same size as the input Mat and of the types 'ARGB_8888' or 'RGB_565'. - *
    This function throws an exception if the conversion fails. - * - * @param mat is a valid input Mat object of types 'CV_8UC1', 'CV_8UC3' or 'CV_8UC4'. - * @param bmp is a valid Bitmap object of the same size as the Mat and of type 'ARGB_8888' or 'RGB_565'. - * @param premultiplyAlpha is a flag, that determines, whether the Mat needs to be converted to alpha premultiplied format (like Android keeps 'ARGB_8888' bitmaps); the flag is ignored for 'RGB_565' bitmaps. - */ - public static void matToBitmap(Mat mat, Bitmap bmp, boolean premultiplyAlpha) { - if (mat == null) - throw new IllegalArgumentException("mat == null"); - if (bmp == null) - throw new IllegalArgumentException("bmp == null"); - nMatToBitmap2(mat.nativeObj, bmp, premultiplyAlpha); - } - - /** - * Short form of the matToBitmap(mat, bmp, premultiplyAlpha=false) - * @param mat is a valid input Mat object of the types 'CV_8UC1', 'CV_8UC3' or 'CV_8UC4'. - * @param bmp is a valid Bitmap object of the same size as the Mat and of type 'ARGB_8888' or 'RGB_565'. - */ - public static void matToBitmap(Mat mat, Bitmap bmp) { - matToBitmap(mat, bmp, false); - } - - - private static native void nBitmapToMat2(Bitmap b, long m_addr, boolean unPremultiplyAlpha); - - private static native void nMatToBitmap2(long m_addr, Bitmap b, boolean premultiplyAlpha); -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/calib3d/Calib3d.java b/vendor/opencv/sdk/java/src/org/opencv/calib3d/Calib3d.java deleted file mode 100644 index e70011820b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/calib3d/Calib3d.java +++ /dev/null @@ -1,12939 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.calib3d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.calib3d.UsacParams; -import org.opencv.core.Mat; -import org.opencv.core.MatOfDouble; -import org.opencv.core.MatOfPoint2f; -import org.opencv.core.MatOfPoint3f; -import org.opencv.core.Point; -import org.opencv.core.Rect; -import org.opencv.core.Scalar; -import org.opencv.core.Size; -import org.opencv.core.TermCriteria; -import org.opencv.utils.Converters; - -// C++: class Calib3d - -public class Calib3d { - - // C++: enum - public static final int - CV_ITERATIVE = 0, - CV_EPNP = 1, - CV_P3P = 2, - CV_DLS = 3, - CvLevMarq_DONE = 0, - CvLevMarq_STARTED = 1, - CvLevMarq_CALC_J = 2, - CvLevMarq_CHECK_ERR = 3, - LMEDS = 4, - RANSAC = 8, - RHO = 16, - USAC_DEFAULT = 32, - USAC_PARALLEL = 33, - USAC_FM_8PTS = 34, - USAC_FAST = 35, - USAC_ACCURATE = 36, - USAC_PROSAC = 37, - USAC_MAGSAC = 38, - CALIB_CB_ADAPTIVE_THRESH = 1, - CALIB_CB_NORMALIZE_IMAGE = 2, - CALIB_CB_FILTER_QUADS = 4, - CALIB_CB_FAST_CHECK = 8, - CALIB_CB_EXHAUSTIVE = 16, - CALIB_CB_ACCURACY = 32, - CALIB_CB_LARGER = 64, - CALIB_CB_MARKER = 128, - CALIB_CB_PLAIN = 256, - CALIB_CB_SYMMETRIC_GRID = 1, - CALIB_CB_ASYMMETRIC_GRID = 2, - CALIB_CB_CLUSTERING = 4, - CALIB_NINTRINSIC = 18, - CALIB_USE_INTRINSIC_GUESS = 0x00001, - CALIB_FIX_ASPECT_RATIO = 0x00002, - CALIB_FIX_PRINCIPAL_POINT = 0x00004, - CALIB_ZERO_TANGENT_DIST = 0x00008, - CALIB_FIX_FOCAL_LENGTH = 0x00010, - CALIB_FIX_K1 = 0x00020, - CALIB_FIX_K2 = 0x00040, - CALIB_FIX_K3 = 0x00080, - CALIB_FIX_K4 = 0x00800, - CALIB_FIX_K5 = 0x01000, - CALIB_FIX_K6 = 0x02000, - CALIB_RATIONAL_MODEL = 0x04000, - CALIB_THIN_PRISM_MODEL = 0x08000, - CALIB_FIX_S1_S2_S3_S4 = 0x10000, - CALIB_TILTED_MODEL = 0x40000, - CALIB_FIX_TAUX_TAUY = 0x80000, - CALIB_USE_QR = 0x100000, - CALIB_FIX_TANGENT_DIST = 0x200000, - CALIB_FIX_INTRINSIC = 0x00100, - CALIB_SAME_FOCAL_LENGTH = 0x00200, - CALIB_ZERO_DISPARITY = 0x00400, - CALIB_USE_LU = (1 << 17), - CALIB_USE_EXTRINSIC_GUESS = (1 << 22), - FM_7POINT = 1, - FM_8POINT = 2, - FM_LMEDS = 4, - FM_RANSAC = 8, - fisheye_CALIB_USE_INTRINSIC_GUESS = 1 << 0, - fisheye_CALIB_RECOMPUTE_EXTRINSIC = 1 << 1, - fisheye_CALIB_CHECK_COND = 1 << 2, - fisheye_CALIB_FIX_SKEW = 1 << 3, - fisheye_CALIB_FIX_K1 = 1 << 4, - fisheye_CALIB_FIX_K2 = 1 << 5, - fisheye_CALIB_FIX_K3 = 1 << 6, - fisheye_CALIB_FIX_K4 = 1 << 7, - fisheye_CALIB_FIX_INTRINSIC = 1 << 8, - fisheye_CALIB_FIX_PRINCIPAL_POINT = 1 << 9, - fisheye_CALIB_ZERO_DISPARITY = 1 << 10, - fisheye_CALIB_FIX_FOCAL_LENGTH = 1 << 11; - - - // C++: enum GridType (cv.CirclesGridFinderParameters.GridType) - public static final int - CirclesGridFinderParameters_SYMMETRIC_GRID = 0, - CirclesGridFinderParameters_ASYMMETRIC_GRID = 1; - - - // C++: enum HandEyeCalibrationMethod (cv.HandEyeCalibrationMethod) - public static final int - CALIB_HAND_EYE_TSAI = 0, - CALIB_HAND_EYE_PARK = 1, - CALIB_HAND_EYE_HORAUD = 2, - CALIB_HAND_EYE_ANDREFF = 3, - CALIB_HAND_EYE_DANIILIDIS = 4; - - - // C++: enum LocalOptimMethod (cv.LocalOptimMethod) - public static final int - LOCAL_OPTIM_NULL = 0, - LOCAL_OPTIM_INNER_LO = 1, - LOCAL_OPTIM_INNER_AND_ITER_LO = 2, - LOCAL_OPTIM_GC = 3, - LOCAL_OPTIM_SIGMA = 4; - - - // C++: enum NeighborSearchMethod (cv.NeighborSearchMethod) - public static final int - NEIGH_FLANN_KNN = 0, - NEIGH_GRID = 1, - NEIGH_FLANN_RADIUS = 2; - - - // C++: enum PolishingMethod (cv.PolishingMethod) - public static final int - NONE_POLISHER = 0, - LSQ_POLISHER = 1, - MAGSAC = 2, - COV_POLISHER = 3; - - - // C++: enum RobotWorldHandEyeCalibrationMethod (cv.RobotWorldHandEyeCalibrationMethod) - public static final int - CALIB_ROBOT_WORLD_HAND_EYE_SHAH = 0, - CALIB_ROBOT_WORLD_HAND_EYE_LI = 1; - - - // C++: enum SamplingMethod (cv.SamplingMethod) - public static final int - SAMPLING_UNIFORM = 0, - SAMPLING_PROGRESSIVE_NAPSAC = 1, - SAMPLING_NAPSAC = 2, - SAMPLING_PROSAC = 3; - - - // C++: enum ScoreMethod (cv.ScoreMethod) - public static final int - SCORE_METHOD_RANSAC = 0, - SCORE_METHOD_MSAC = 1, - SCORE_METHOD_MAGSAC = 2, - SCORE_METHOD_LMEDS = 3; - - - // C++: enum SolvePnPMethod (cv.SolvePnPMethod) - public static final int - SOLVEPNP_ITERATIVE = 0, - SOLVEPNP_EPNP = 1, - SOLVEPNP_P3P = 2, - SOLVEPNP_DLS = 3, - SOLVEPNP_UPNP = 4, - SOLVEPNP_AP3P = 5, - SOLVEPNP_IPPE = 6, - SOLVEPNP_IPPE_SQUARE = 7, - SOLVEPNP_SQPNP = 8, - SOLVEPNP_MAX_COUNT = 8+1; - - - // C++: enum UndistortTypes (cv.UndistortTypes) - public static final int - PROJ_SPHERICAL_ORTHO = 0, - PROJ_SPHERICAL_EQRECT = 1; - - - // - // C++: void cv::Rodrigues(Mat src, Mat& dst, Mat& jacobian = Mat()) - // - - /** - * Converts a rotation matrix to a rotation vector or vice versa. - * - * @param src Input rotation vector (3x1 or 1x3) or rotation matrix (3x3). - * @param dst Output rotation matrix (3x3) or rotation vector (3x1 or 1x3), respectively. - * @param jacobian Optional output Jacobian matrix, 3x9 or 9x3, which is a matrix of partial - * derivatives of the output array components with respect to the input array components. - * - * \(\begin{array}{l} \theta \leftarrow norm(r) \\ r \leftarrow r/ \theta \\ R = \cos(\theta) I + (1- \cos{\theta} ) r r^T + \sin(\theta) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} \end{array}\) - * - * Inverse transformation can be also done easily, since - * - * \(\sin ( \theta ) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} = \frac{R - R^T}{2}\) - * - * A rotation vector is a convenient and most compact representation of a rotation matrix (since any - * rotation matrix has just 3 degrees of freedom). The representation is used in the global 3D geometry - * optimization procedures like REF: calibrateCamera, REF: stereoCalibrate, or REF: solvePnP . - * - * Note: More information about the computation of the derivative of a 3D rotation matrix with respect to its exponential coordinate - * can be found in: - *

      - *
    • - * A Compact Formula for the Derivative of a 3-D Rotation in Exponential Coordinates, Guillermo Gallego, Anthony J. Yezzi CITE: Gallego2014ACF - *
      • - *
    - * - * Note: Useful information on SE(3) and Lie Groups can be found in: - *
      - *
    • - * A tutorial on SE(3) transformation parameterizations and on-manifold optimization, Jose-Luis Blanco CITE: blanco2010tutorial - *
      • - *
    • - * Lie Groups for 2D and 3D Transformation, Ethan Eade CITE: Eade17 - *
      • - *
    • - * A micro Lie theory for state estimation in robotics, Joan Solà, Jérémie Deray, Dinesh Atchuthan CITE: Sol2018AML - *
      • - *
    - */ - public static void Rodrigues(Mat src, Mat dst, Mat jacobian) { - Rodrigues_0(src.nativeObj, dst.nativeObj, jacobian.nativeObj); - } - - /** - * Converts a rotation matrix to a rotation vector or vice versa. - * - * @param src Input rotation vector (3x1 or 1x3) or rotation matrix (3x3). - * @param dst Output rotation matrix (3x3) or rotation vector (3x1 or 1x3), respectively. - * derivatives of the output array components with respect to the input array components. - * - * \(\begin{array}{l} \theta \leftarrow norm(r) \\ r \leftarrow r/ \theta \\ R = \cos(\theta) I + (1- \cos{\theta} ) r r^T + \sin(\theta) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} \end{array}\) - * - * Inverse transformation can be also done easily, since - * - * \(\sin ( \theta ) \vecthreethree{0}{-r_z}{r_y}{r_z}{0}{-r_x}{-r_y}{r_x}{0} = \frac{R - R^T}{2}\) - * - * A rotation vector is a convenient and most compact representation of a rotation matrix (since any - * rotation matrix has just 3 degrees of freedom). The representation is used in the global 3D geometry - * optimization procedures like REF: calibrateCamera, REF: stereoCalibrate, or REF: solvePnP . - * - * Note: More information about the computation of the derivative of a 3D rotation matrix with respect to its exponential coordinate - * can be found in: - *
      - *
    • - * A Compact Formula for the Derivative of a 3-D Rotation in Exponential Coordinates, Guillermo Gallego, Anthony J. Yezzi CITE: Gallego2014ACF - *
      • - *
    - * - * Note: Useful information on SE(3) and Lie Groups can be found in: - *
      - *
    • - * A tutorial on SE(3) transformation parameterizations and on-manifold optimization, Jose-Luis Blanco CITE: blanco2010tutorial - *
      • - *
    • - * Lie Groups for 2D and 3D Transformation, Ethan Eade CITE: Eade17 - *
      • - *
    • - * A micro Lie theory for state estimation in robotics, Joan Solà, Jérémie Deray, Dinesh Atchuthan CITE: Sol2018AML - *
      • - *
    - */ - public static void Rodrigues(Mat src, Mat dst) { - Rodrigues_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: Mat cv::findHomography(vector_Point2f srcPoints, vector_Point2f dstPoints, int method = 0, double ransacReprojThreshold = 3, Mat& mask = Mat(), int maxIters = 2000, double confidence = 0.995) - // - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - * @param method Method used to compute a homography matrix. The following methods are possible: - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * @param ransacReprojThreshold Maximum allowed reprojection error to treat a point pair as an inlier - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * @param mask Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - * mask values are ignored. - * @param maxIters The maximum number of RANSAC iterations. - * @param confidence Confidence level, between 0 and 1. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, int method, double ransacReprojThreshold, Mat mask, int maxIters, double confidence) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_0(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, method, ransacReprojThreshold, mask.nativeObj, maxIters, confidence)); - } - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - * @param method Method used to compute a homography matrix. The following methods are possible: - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * @param ransacReprojThreshold Maximum allowed reprojection error to treat a point pair as an inlier - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * @param mask Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - * mask values are ignored. - * @param maxIters The maximum number of RANSAC iterations. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, int method, double ransacReprojThreshold, Mat mask, int maxIters) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_1(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, method, ransacReprojThreshold, mask.nativeObj, maxIters)); - } - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - * @param method Method used to compute a homography matrix. The following methods are possible: - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * @param ransacReprojThreshold Maximum allowed reprojection error to treat a point pair as an inlier - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * @param mask Optional output mask set by a robust method ( RANSAC or LMeDS ). Note that the input - * mask values are ignored. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, int method, double ransacReprojThreshold, Mat mask) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_2(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, method, ransacReprojThreshold, mask.nativeObj)); - } - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - * @param method Method used to compute a homography matrix. The following methods are possible: - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * @param ransacReprojThreshold Maximum allowed reprojection error to treat a point pair as an inlier - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * mask values are ignored. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, int method, double ransacReprojThreshold) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_3(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, method, ransacReprojThreshold)); - } - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - * @param method Method used to compute a homography matrix. The following methods are possible: - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * mask values are ignored. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, int method) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_4(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, method)); - } - - /** - * Finds a perspective transformation between two planes. - * - * @param srcPoints Coordinates of the points in the original plane, a matrix of the type CV_32FC2 - * or vector<Point2f> . - * @param dstPoints Coordinates of the points in the target plane, a matrix of the type CV_32FC2 or - * a vector<Point2f> . - *
      - *
    • - * 0 - a regular method using all the points, i.e., the least squares method - *
      • - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - *
      • - *
    • - * REF: RHO - PROSAC-based robust method - *
      • - *
    - * (used in the RANSAC and RHO methods only). That is, if - * \(\| \texttt{dstPoints} _i - \texttt{convertPointsHomogeneous} ( \texttt{H} \cdot \texttt{srcPoints} _i) \|_2 > \texttt{ransacReprojThreshold}\) - * then the point \(i\) is considered as an outlier. If srcPoints and dstPoints are measured in pixels, - * it usually makes sense to set this parameter somewhere in the range of 1 to 10. - * mask values are ignored. - * - * The function finds and returns the perspective transformation \(H\) between the source and the - * destination planes: - * - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) - * - * so that the back-projection error - * - * \(\sum _i \left ( x'_i- \frac{h_{11} x_i + h_{12} y_i + h_{13}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2+ \left ( y'_i- \frac{h_{21} x_i + h_{22} y_i + h_{23}}{h_{31} x_i + h_{32} y_i + h_{33}} \right )^2\) - * - * is minimized. If the parameter method is set to the default value 0, the function uses all the point - * pairs to compute an initial homography estimate with a simple least-squares scheme. - * - * However, if not all of the point pairs ( \(srcPoints_i\), \(dstPoints_i\) ) fit the rigid perspective - * transformation (that is, there are some outliers), this initial estimate will be poor. In this case, - * you can use one of the three robust methods. The methods RANSAC, LMeDS and RHO try many different - * random subsets of the corresponding point pairs (of four pairs each, collinear pairs are discarded), estimate the homography matrix - * using this subset and a simple least-squares algorithm, and then compute the quality/goodness of the - * computed homography (which is the number of inliers for RANSAC or the least median re-projection error for - * LMeDS). The best subset is then used to produce the initial estimate of the homography matrix and - * the mask of inliers/outliers. - * - * Regardless of the method, robust or not, the computed homography matrix is refined further (using - * inliers only in case of a robust method) with the Levenberg-Marquardt method to reduce the - * re-projection error even more. - * - * The methods RANSAC and RHO can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. Finally, if there are no outliers and the - * noise is rather small, use the default method (method=0). - * - * The function is used to find initial intrinsic and extrinsic matrices. Homography matrix is - * determined up to a scale. If \(h_{33}\) is non-zero, the matrix is normalized so that \(h_{33}=1\). - * Note: Whenever an \(H\) matrix cannot be estimated, an empty one will be returned. - * - * SEE: - * getAffineTransform, estimateAffine2D, estimateAffinePartial2D, getPerspectiveTransform, warpPerspective, - * perspectiveTransform - * @return automatically generated - */ - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_5(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj)); - } - - - // - // C++: Mat cv::findHomography(vector_Point2f srcPoints, vector_Point2f dstPoints, Mat& mask, UsacParams params) - // - - public static Mat findHomography(MatOfPoint2f srcPoints, MatOfPoint2f dstPoints, Mat mask, UsacParams params) { - Mat srcPoints_mat = srcPoints; - Mat dstPoints_mat = dstPoints; - return new Mat(findHomography_6(srcPoints_mat.nativeObj, dstPoints_mat.nativeObj, mask.nativeObj, params.getNativeObjAddr())); - } - - - // - // C++: Vec3d cv::RQDecomp3x3(Mat src, Mat& mtxR, Mat& mtxQ, Mat& Qx = Mat(), Mat& Qy = Mat(), Mat& Qz = Mat()) - // - - /** - * Computes an RQ decomposition of 3x3 matrices. - * - * @param src 3x3 input matrix. - * @param mtxR Output 3x3 upper-triangular matrix. - * @param mtxQ Output 3x3 orthogonal matrix. - * @param Qx Optional output 3x3 rotation matrix around x-axis. - * @param Qy Optional output 3x3 rotation matrix around y-axis. - * @param Qz Optional output 3x3 rotation matrix around z-axis. - * - * The function computes a RQ decomposition using the given rotations. This function is used in - * #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - * and a rotation matrix. - * - * It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - * degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - * sequence of rotations about the three principal axes that results in the same orientation of an - * object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - * are only one of the possible solutions. - * @return automatically generated - */ - public static double[] RQDecomp3x3(Mat src, Mat mtxR, Mat mtxQ, Mat Qx, Mat Qy, Mat Qz) { - return RQDecomp3x3_0(src.nativeObj, mtxR.nativeObj, mtxQ.nativeObj, Qx.nativeObj, Qy.nativeObj, Qz.nativeObj); - } - - /** - * Computes an RQ decomposition of 3x3 matrices. - * - * @param src 3x3 input matrix. - * @param mtxR Output 3x3 upper-triangular matrix. - * @param mtxQ Output 3x3 orthogonal matrix. - * @param Qx Optional output 3x3 rotation matrix around x-axis. - * @param Qy Optional output 3x3 rotation matrix around y-axis. - * - * The function computes a RQ decomposition using the given rotations. This function is used in - * #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - * and a rotation matrix. - * - * It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - * degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - * sequence of rotations about the three principal axes that results in the same orientation of an - * object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - * are only one of the possible solutions. - * @return automatically generated - */ - public static double[] RQDecomp3x3(Mat src, Mat mtxR, Mat mtxQ, Mat Qx, Mat Qy) { - return RQDecomp3x3_1(src.nativeObj, mtxR.nativeObj, mtxQ.nativeObj, Qx.nativeObj, Qy.nativeObj); - } - - /** - * Computes an RQ decomposition of 3x3 matrices. - * - * @param src 3x3 input matrix. - * @param mtxR Output 3x3 upper-triangular matrix. - * @param mtxQ Output 3x3 orthogonal matrix. - * @param Qx Optional output 3x3 rotation matrix around x-axis. - * - * The function computes a RQ decomposition using the given rotations. This function is used in - * #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - * and a rotation matrix. - * - * It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - * degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - * sequence of rotations about the three principal axes that results in the same orientation of an - * object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - * are only one of the possible solutions. - * @return automatically generated - */ - public static double[] RQDecomp3x3(Mat src, Mat mtxR, Mat mtxQ, Mat Qx) { - return RQDecomp3x3_2(src.nativeObj, mtxR.nativeObj, mtxQ.nativeObj, Qx.nativeObj); - } - - /** - * Computes an RQ decomposition of 3x3 matrices. - * - * @param src 3x3 input matrix. - * @param mtxR Output 3x3 upper-triangular matrix. - * @param mtxQ Output 3x3 orthogonal matrix. - * - * The function computes a RQ decomposition using the given rotations. This function is used in - * #decomposeProjectionMatrix to decompose the left 3x3 submatrix of a projection matrix into a camera - * and a rotation matrix. - * - * It optionally returns three rotation matrices, one for each axis, and the three Euler angles in - * degrees (as the return value) that could be used in OpenGL. Note, there is always more than one - * sequence of rotations about the three principal axes that results in the same orientation of an - * object, e.g. see CITE: Slabaugh . Returned three rotation matrices and corresponding three Euler angles - * are only one of the possible solutions. - * @return automatically generated - */ - public static double[] RQDecomp3x3(Mat src, Mat mtxR, Mat mtxQ) { - return RQDecomp3x3_3(src.nativeObj, mtxR.nativeObj, mtxQ.nativeObj); - } - - - // - // C++: void cv::decomposeProjectionMatrix(Mat projMatrix, Mat& cameraMatrix, Mat& rotMatrix, Mat& transVect, Mat& rotMatrixX = Mat(), Mat& rotMatrixY = Mat(), Mat& rotMatrixZ = Mat(), Mat& eulerAngles = Mat()) - // - - /** - * Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix. - * - * @param projMatrix 3x4 input projection matrix P. - * @param cameraMatrix Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\). - * @param rotMatrix Output 3x3 external rotation matrix R. - * @param transVect Output 4x1 translation vector T. - * @param rotMatrixX Optional 3x3 rotation matrix around x-axis. - * @param rotMatrixY Optional 3x3 rotation matrix around y-axis. - * @param rotMatrixZ Optional 3x3 rotation matrix around z-axis. - * @param eulerAngles Optional three-element vector containing three Euler angles of rotation in - * degrees. - * - * The function computes a decomposition of a projection matrix into a calibration and a rotation - * matrix and the position of a camera. - * - * It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - * be used in OpenGL. Note, there is always more than one sequence of rotations about the three - * principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - * three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - * - * The function is based on #RQDecomp3x3 . - */ - public static void decomposeProjectionMatrix(Mat projMatrix, Mat cameraMatrix, Mat rotMatrix, Mat transVect, Mat rotMatrixX, Mat rotMatrixY, Mat rotMatrixZ, Mat eulerAngles) { - decomposeProjectionMatrix_0(projMatrix.nativeObj, cameraMatrix.nativeObj, rotMatrix.nativeObj, transVect.nativeObj, rotMatrixX.nativeObj, rotMatrixY.nativeObj, rotMatrixZ.nativeObj, eulerAngles.nativeObj); - } - - /** - * Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix. - * - * @param projMatrix 3x4 input projection matrix P. - * @param cameraMatrix Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\). - * @param rotMatrix Output 3x3 external rotation matrix R. - * @param transVect Output 4x1 translation vector T. - * @param rotMatrixX Optional 3x3 rotation matrix around x-axis. - * @param rotMatrixY Optional 3x3 rotation matrix around y-axis. - * @param rotMatrixZ Optional 3x3 rotation matrix around z-axis. - * degrees. - * - * The function computes a decomposition of a projection matrix into a calibration and a rotation - * matrix and the position of a camera. - * - * It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - * be used in OpenGL. Note, there is always more than one sequence of rotations about the three - * principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - * three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - * - * The function is based on #RQDecomp3x3 . - */ - public static void decomposeProjectionMatrix(Mat projMatrix, Mat cameraMatrix, Mat rotMatrix, Mat transVect, Mat rotMatrixX, Mat rotMatrixY, Mat rotMatrixZ) { - decomposeProjectionMatrix_1(projMatrix.nativeObj, cameraMatrix.nativeObj, rotMatrix.nativeObj, transVect.nativeObj, rotMatrixX.nativeObj, rotMatrixY.nativeObj, rotMatrixZ.nativeObj); - } - - /** - * Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix. - * - * @param projMatrix 3x4 input projection matrix P. - * @param cameraMatrix Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\). - * @param rotMatrix Output 3x3 external rotation matrix R. - * @param transVect Output 4x1 translation vector T. - * @param rotMatrixX Optional 3x3 rotation matrix around x-axis. - * @param rotMatrixY Optional 3x3 rotation matrix around y-axis. - * degrees. - * - * The function computes a decomposition of a projection matrix into a calibration and a rotation - * matrix and the position of a camera. - * - * It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - * be used in OpenGL. Note, there is always more than one sequence of rotations about the three - * principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - * three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - * - * The function is based on #RQDecomp3x3 . - */ - public static void decomposeProjectionMatrix(Mat projMatrix, Mat cameraMatrix, Mat rotMatrix, Mat transVect, Mat rotMatrixX, Mat rotMatrixY) { - decomposeProjectionMatrix_2(projMatrix.nativeObj, cameraMatrix.nativeObj, rotMatrix.nativeObj, transVect.nativeObj, rotMatrixX.nativeObj, rotMatrixY.nativeObj); - } - - /** - * Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix. - * - * @param projMatrix 3x4 input projection matrix P. - * @param cameraMatrix Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\). - * @param rotMatrix Output 3x3 external rotation matrix R. - * @param transVect Output 4x1 translation vector T. - * @param rotMatrixX Optional 3x3 rotation matrix around x-axis. - * degrees. - * - * The function computes a decomposition of a projection matrix into a calibration and a rotation - * matrix and the position of a camera. - * - * It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - * be used in OpenGL. Note, there is always more than one sequence of rotations about the three - * principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - * three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - * - * The function is based on #RQDecomp3x3 . - */ - public static void decomposeProjectionMatrix(Mat projMatrix, Mat cameraMatrix, Mat rotMatrix, Mat transVect, Mat rotMatrixX) { - decomposeProjectionMatrix_3(projMatrix.nativeObj, cameraMatrix.nativeObj, rotMatrix.nativeObj, transVect.nativeObj, rotMatrixX.nativeObj); - } - - /** - * Decomposes a projection matrix into a rotation matrix and a camera intrinsic matrix. - * - * @param projMatrix 3x4 input projection matrix P. - * @param cameraMatrix Output 3x3 camera intrinsic matrix \(\cameramatrix{A}\). - * @param rotMatrix Output 3x3 external rotation matrix R. - * @param transVect Output 4x1 translation vector T. - * degrees. - * - * The function computes a decomposition of a projection matrix into a calibration and a rotation - * matrix and the position of a camera. - * - * It optionally returns three rotation matrices, one for each axis, and three Euler angles that could - * be used in OpenGL. Note, there is always more than one sequence of rotations about the three - * principal axes that results in the same orientation of an object, e.g. see CITE: Slabaugh . Returned - * three rotation matrices and corresponding three Euler angles are only one of the possible solutions. - * - * The function is based on #RQDecomp3x3 . - */ - public static void decomposeProjectionMatrix(Mat projMatrix, Mat cameraMatrix, Mat rotMatrix, Mat transVect) { - decomposeProjectionMatrix_4(projMatrix.nativeObj, cameraMatrix.nativeObj, rotMatrix.nativeObj, transVect.nativeObj); - } - - - // - // C++: void cv::matMulDeriv(Mat A, Mat B, Mat& dABdA, Mat& dABdB) - // - - /** - * Computes partial derivatives of the matrix product for each multiplied matrix. - * - * @param A First multiplied matrix. - * @param B Second multiplied matrix. - * @param dABdA First output derivative matrix d(A\*B)/dA of size - * \(\texttt{A.rows*B.cols} \times {A.rows*A.cols}\) . - * @param dABdB Second output derivative matrix d(A\*B)/dB of size - * \(\texttt{A.rows*B.cols} \times {B.rows*B.cols}\) . - * - * The function computes partial derivatives of the elements of the matrix product \(A*B\) with regard to - * the elements of each of the two input matrices. The function is used to compute the Jacobian - * matrices in #stereoCalibrate but can also be used in any other similar optimization function. - */ - public static void matMulDeriv(Mat A, Mat B, Mat dABdA, Mat dABdB) { - matMulDeriv_0(A.nativeObj, B.nativeObj, dABdA.nativeObj, dABdB.nativeObj); - } - - - // - // C++: void cv::composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat& rvec3, Mat& tvec3, Mat& dr3dr1 = Mat(), Mat& dr3dt1 = Mat(), Mat& dr3dr2 = Mat(), Mat& dr3dt2 = Mat(), Mat& dt3dr1 = Mat(), Mat& dt3dt1 = Mat(), Mat& dt3dr2 = Mat(), Mat& dt3dt2 = Mat()) - // - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * @param dr3dt2 Optional output derivative of rvec3 with regard to tvec2 - * @param dt3dr1 Optional output derivative of tvec3 with regard to rvec1 - * @param dt3dt1 Optional output derivative of tvec3 with regard to tvec1 - * @param dt3dr2 Optional output derivative of tvec3 with regard to rvec2 - * @param dt3dt2 Optional output derivative of tvec3 with regard to tvec2 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2, Mat dr3dt2, Mat dt3dr1, Mat dt3dt1, Mat dt3dr2, Mat dt3dt2) { - composeRT_0(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj, dr3dt2.nativeObj, dt3dr1.nativeObj, dt3dt1.nativeObj, dt3dr2.nativeObj, dt3dt2.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * @param dr3dt2 Optional output derivative of rvec3 with regard to tvec2 - * @param dt3dr1 Optional output derivative of tvec3 with regard to rvec1 - * @param dt3dt1 Optional output derivative of tvec3 with regard to tvec1 - * @param dt3dr2 Optional output derivative of tvec3 with regard to rvec2 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2, Mat dr3dt2, Mat dt3dr1, Mat dt3dt1, Mat dt3dr2) { - composeRT_1(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj, dr3dt2.nativeObj, dt3dr1.nativeObj, dt3dt1.nativeObj, dt3dr2.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * @param dr3dt2 Optional output derivative of rvec3 with regard to tvec2 - * @param dt3dr1 Optional output derivative of tvec3 with regard to rvec1 - * @param dt3dt1 Optional output derivative of tvec3 with regard to tvec1 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2, Mat dr3dt2, Mat dt3dr1, Mat dt3dt1) { - composeRT_2(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj, dr3dt2.nativeObj, dt3dr1.nativeObj, dt3dt1.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * @param dr3dt2 Optional output derivative of rvec3 with regard to tvec2 - * @param dt3dr1 Optional output derivative of tvec3 with regard to rvec1 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2, Mat dr3dt2, Mat dt3dr1) { - composeRT_3(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj, dr3dt2.nativeObj, dt3dr1.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * @param dr3dt2 Optional output derivative of rvec3 with regard to tvec2 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2, Mat dr3dt2) { - composeRT_4(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj, dr3dt2.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * @param dr3dr2 Optional output derivative of rvec3 with regard to rvec2 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1, Mat dr3dr2) { - composeRT_5(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj, dr3dr2.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * @param dr3dt1 Optional output derivative of rvec3 with regard to tvec1 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1, Mat dr3dt1) { - composeRT_6(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj, dr3dt1.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * @param dr3dr1 Optional output derivative of rvec3 with regard to rvec1 - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3, Mat dr3dr1) { - composeRT_7(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj, dr3dr1.nativeObj); - } - - /** - * Combines two rotation-and-shift transformations. - * - * @param rvec1 First rotation vector. - * @param tvec1 First translation vector. - * @param rvec2 Second rotation vector. - * @param tvec2 Second translation vector. - * @param rvec3 Output rotation vector of the superposition. - * @param tvec3 Output translation vector of the superposition. - * - * The functions compute: - * - * \(\begin{array}{l} \texttt{rvec3} = \mathrm{rodrigues} ^{-1} \left ( \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \mathrm{rodrigues} ( \texttt{rvec1} ) \right ) \\ \texttt{tvec3} = \mathrm{rodrigues} ( \texttt{rvec2} ) \cdot \texttt{tvec1} + \texttt{tvec2} \end{array} ,\) - * - * where \(\mathrm{rodrigues}\) denotes a rotation vector to a rotation matrix transformation, and - * \(\mathrm{rodrigues}^{-1}\) denotes the inverse transformation. See #Rodrigues for details. - * - * Also, the functions can compute the derivatives of the output vectors with regards to the input - * vectors (see #matMulDeriv ). The functions are used inside #stereoCalibrate but can also be used in - * your own code where Levenberg-Marquardt or another gradient-based solver is used to optimize a - * function that contains a matrix multiplication. - */ - public static void composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat rvec3, Mat tvec3) { - composeRT_8(rvec1.nativeObj, tvec1.nativeObj, rvec2.nativeObj, tvec2.nativeObj, rvec3.nativeObj, tvec3.nativeObj); - } - - - // - // C++: void cv::projectPoints(vector_Point3f objectPoints, Mat rvec, Mat tvec, Mat cameraMatrix, vector_double distCoeffs, vector_Point2f& imagePoints, Mat& jacobian = Mat(), double aspectRatio = 0) - // - - /** - * Projects 3D points to an image plane. - * - * @param objectPoints Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - * 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view. - * @param rvec The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - * basis from world to camera coordinate system, see REF: calibrateCamera for details. - * @param tvec The translation vector, see parameter description above. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed. - * @param imagePoints Output array of image points, 1xN/Nx1 2-channel, or - * vector<Point2f> . - * @param jacobian Optional output 2Nx(10+<numDistCoeffs>) jacobian matrix of derivatives of image - * points with respect to components of the rotation vector, translation vector, focal lengths, - * coordinates of the principal point and the distortion coefficients. In the old interface different - * components of the jacobian are returned via different output parameters. - * @param aspectRatio Optional "fixed aspect ratio" parameter. If the parameter is not 0, the - * function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - * jacobian matrix. - * - * The function computes the 2D projections of 3D points to the image plane, given intrinsic and - * extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - * derivatives of image points coordinates (as functions of all the input parameters) with respect to - * the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - * optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - * can also be used to compute a re-projection error, given the current intrinsic and extrinsic - * parameters. - * - * Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - * or by passing zero distortion coefficients, one can get various useful partial cases of the - * function. This means, one can compute the distorted coordinates for a sparse set of points or apply - * a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup. - */ - public static void projectPoints(MatOfPoint3f objectPoints, Mat rvec, Mat tvec, Mat cameraMatrix, MatOfDouble distCoeffs, MatOfPoint2f imagePoints, Mat jacobian, double aspectRatio) { - Mat objectPoints_mat = objectPoints; - Mat distCoeffs_mat = distCoeffs; - Mat imagePoints_mat = imagePoints; - projectPoints_0(objectPoints_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, imagePoints_mat.nativeObj, jacobian.nativeObj, aspectRatio); - } - - /** - * Projects 3D points to an image plane. - * - * @param objectPoints Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - * 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view. - * @param rvec The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - * basis from world to camera coordinate system, see REF: calibrateCamera for details. - * @param tvec The translation vector, see parameter description above. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed. - * @param imagePoints Output array of image points, 1xN/Nx1 2-channel, or - * vector<Point2f> . - * @param jacobian Optional output 2Nx(10+<numDistCoeffs>) jacobian matrix of derivatives of image - * points with respect to components of the rotation vector, translation vector, focal lengths, - * coordinates of the principal point and the distortion coefficients. In the old interface different - * components of the jacobian are returned via different output parameters. - * function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - * jacobian matrix. - * - * The function computes the 2D projections of 3D points to the image plane, given intrinsic and - * extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - * derivatives of image points coordinates (as functions of all the input parameters) with respect to - * the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - * optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - * can also be used to compute a re-projection error, given the current intrinsic and extrinsic - * parameters. - * - * Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - * or by passing zero distortion coefficients, one can get various useful partial cases of the - * function. This means, one can compute the distorted coordinates for a sparse set of points or apply - * a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup. - */ - public static void projectPoints(MatOfPoint3f objectPoints, Mat rvec, Mat tvec, Mat cameraMatrix, MatOfDouble distCoeffs, MatOfPoint2f imagePoints, Mat jacobian) { - Mat objectPoints_mat = objectPoints; - Mat distCoeffs_mat = distCoeffs; - Mat imagePoints_mat = imagePoints; - projectPoints_1(objectPoints_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, imagePoints_mat.nativeObj, jacobian.nativeObj); - } - - /** - * Projects 3D points to an image plane. - * - * @param objectPoints Array of object points expressed wrt. the world coordinate frame. A 3xN/Nx3 - * 1-channel or 1xN/Nx1 3-channel (or vector<Point3f> ), where N is the number of points in the view. - * @param rvec The rotation vector (REF: Rodrigues) that, together with tvec, performs a change of - * basis from world to camera coordinate system, see REF: calibrateCamera for details. - * @param tvec The translation vector, see parameter description above. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\) . If the vector is empty, the zero distortion coefficients are assumed. - * @param imagePoints Output array of image points, 1xN/Nx1 2-channel, or - * vector<Point2f> . - * points with respect to components of the rotation vector, translation vector, focal lengths, - * coordinates of the principal point and the distortion coefficients. In the old interface different - * components of the jacobian are returned via different output parameters. - * function assumes that the aspect ratio (\(f_x / f_y\)) is fixed and correspondingly adjusts the - * jacobian matrix. - * - * The function computes the 2D projections of 3D points to the image plane, given intrinsic and - * extrinsic camera parameters. Optionally, the function computes Jacobians -matrices of partial - * derivatives of image points coordinates (as functions of all the input parameters) with respect to - * the particular parameters, intrinsic and/or extrinsic. The Jacobians are used during the global - * optimization in REF: calibrateCamera, REF: solvePnP, and REF: stereoCalibrate. The function itself - * can also be used to compute a re-projection error, given the current intrinsic and extrinsic - * parameters. - * - * Note: By setting rvec = tvec = \([0, 0, 0]\), or by setting cameraMatrix to a 3x3 identity matrix, - * or by passing zero distortion coefficients, one can get various useful partial cases of the - * function. This means, one can compute the distorted coordinates for a sparse set of points or apply - * a perspective transformation (and also compute the derivatives) in the ideal zero-distortion setup. - */ - public static void projectPoints(MatOfPoint3f objectPoints, Mat rvec, Mat tvec, Mat cameraMatrix, MatOfDouble distCoeffs, MatOfPoint2f imagePoints) { - Mat objectPoints_mat = objectPoints; - Mat distCoeffs_mat = distCoeffs; - Mat imagePoints_mat = imagePoints; - projectPoints_2(objectPoints_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, imagePoints_mat.nativeObj); - } - - - // - // C++: bool cv::solvePnP(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int flags = SOLVEPNP_ITERATIVE) - // - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * - * More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnP(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int flags) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnP_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, flags); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * - * More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnP(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnP_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences: - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * - * More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnP(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnP_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - // - // C++: bool cv::solvePnPRansac(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int iterationsCount = 100, float reprojectionError = 8.0, double confidence = 0.99, Mat& inliers = Mat(), int flags = SOLVEPNP_ITERATIVE) - // - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * @param inliers Output vector that contains indices of inliers in objectPoints and imagePoints . - * @param flags Method for solving a PnP problem (see REF: solvePnP ). - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, Mat inliers, int flags) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence, inliers.nativeObj, flags); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * @param inliers Output vector that contains indices of inliers in objectPoints and imagePoints . - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, Mat inliers) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence, inliers.nativeObj); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_3(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_4(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for REF: SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_5(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess); - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences using the RANSAC scheme to deal with bad matches. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * - * The function estimates an object pose given a set of object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. This function finds such - * a pose that minimizes reprojection error, that is, the sum of squared distances between the observed - * projections imagePoints and the projected (using REF: projectPoints ) objectPoints. The use of RANSAC - * makes the function resistant to outliers. - * - * Note: - *
      - *
    • - * An example of how to use solvePnPRansac for object detection can be found at - * REF: tutorial_real_time_pose - *
      • - *
    • - * The default method used to estimate the camera pose for the Minimal Sample Sets step - * is #SOLVEPNP_EPNP. Exceptions are: - *
        - *
      • - * if you choose #SOLVEPNP_P3P or #SOLVEPNP_AP3P, these methods will be used. - *
        • - *
      • - * if the number of input points is equal to 4, #SOLVEPNP_P3P is used. - *
        • - *
      - *
    • - * The method used to estimate the camera pose using all the inliers is defined by the - * flags parameters unless it is equal to #SOLVEPNP_P3P or #SOLVEPNP_AP3P. In this case, - * the method #SOLVEPNP_EPNP will be used instead. - *
      • - *
    - * @return automatically generated - */ - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_6(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - // - // C++: bool cv::solvePnPRansac(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat& cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, Mat& inliers, UsacParams params = UsacParams()) - // - - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, Mat inliers, UsacParams params) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_7(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, inliers.nativeObj, params.getNativeObjAddr()); - } - - public static boolean solvePnPRansac(MatOfPoint3f objectPoints, MatOfPoint2f imagePoints, Mat cameraMatrix, MatOfDouble distCoeffs, Mat rvec, Mat tvec, Mat inliers) { - Mat objectPoints_mat = objectPoints; - Mat imagePoints_mat = imagePoints; - Mat distCoeffs_mat = distCoeffs; - return solvePnPRansac_8(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs_mat.nativeObj, rvec.nativeObj, tvec.nativeObj, inliers.nativeObj); - } - - - // - // C++: int cv::solveP3P(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, int flags) - // - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, 3x3 1-channel or - * 1x3/3x1 3-channel. vector<Point3f> can be also passed here. - * @param imagePoints Array of corresponding image points, 3x2 1-channel or 1x3/3x1 2-channel. - * vector<Point2f> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. A P3P problem has up to 4 solutions. - * @param tvecs Output translation vectors. - * @param flags Method for solving a P3P problem: - *
      - *
    • - * REF: SOLVEPNP_P3P Method is based on the paper of X.S. Gao, X.-R. Hou, J. Tang, H.-F. Chang - * "Complete Solution Classification for the Perspective-Three-Point Problem" (CITE: gao2003complete). - *
      • - *
    • - * REF: SOLVEPNP_AP3P Method is based on the paper of T. Ke and S. Roumeliotis. - * "An Efficient Algebraic Solution to the Perspective-Three-Point Problem" (CITE: Ke17). - *
      • - *
    - * - * The function estimates the object pose given 3 object points, their corresponding image - * projections, as well as the camera intrinsic matrix and the distortion coefficients. - * - * Note: - * The solutions are sorted by reprojection errors (lowest to highest). - * @return automatically generated - */ - public static int solveP3P(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, int flags) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solveP3P_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: void cv::solvePnPRefineLM(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, TermCriteria criteria = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 20, FLT_EPSILON)) - // - - /** - * Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - * to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - * where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. Input values are used as an initial solution. - * @param tvec Input/Output translation vector. Input values are used as an initial solution. - * @param criteria Criteria when to stop the Levenberg-Marquard iterative algorithm. - * - * The function refines the object pose given at least 3 object points, their corresponding image - * projections, an initial solution for the rotation and translation vector, - * as well as the camera intrinsic matrix and the distortion coefficients. - * The function minimizes the projection error with respect to the rotation and the translation vectors, according - * to a Levenberg-Marquardt iterative minimization CITE: Madsen04 CITE: Eade13 process. - */ - public static void solvePnPRefineLM(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, TermCriteria criteria) { - solvePnPRefineLM_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - * to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - * where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. Input values are used as an initial solution. - * @param tvec Input/Output translation vector. Input values are used as an initial solution. - * - * The function refines the object pose given at least 3 object points, their corresponding image - * projections, an initial solution for the rotation and translation vector, - * as well as the camera intrinsic matrix and the distortion coefficients. - * The function minimizes the projection error with respect to the rotation and the translation vectors, according - * to a Levenberg-Marquardt iterative minimization CITE: Madsen04 CITE: Eade13 process. - */ - public static void solvePnPRefineLM(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec) { - solvePnPRefineLM_1(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - // - // C++: void cv::solvePnPRefineVVS(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, TermCriteria criteria = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 20, FLT_EPSILON), double VVSlambda = 1) - // - - /** - * Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - * to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - * where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. Input values are used as an initial solution. - * @param tvec Input/Output translation vector. Input values are used as an initial solution. - * @param criteria Criteria when to stop the Levenberg-Marquard iterative algorithm. - * @param VVSlambda Gain for the virtual visual servoing control law, equivalent to the \(\alpha\) - * gain in the Damped Gauss-Newton formulation. - * - * The function refines the object pose given at least 3 object points, their corresponding image - * projections, an initial solution for the rotation and translation vector, - * as well as the camera intrinsic matrix and the distortion coefficients. - * The function minimizes the projection error with respect to the rotation and the translation vectors, using a - * virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme. - */ - public static void solvePnPRefineVVS(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, TermCriteria criteria, double VVSlambda) { - solvePnPRefineVVS_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon, VVSlambda); - } - - /** - * Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - * to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - * where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. Input values are used as an initial solution. - * @param tvec Input/Output translation vector. Input values are used as an initial solution. - * @param criteria Criteria when to stop the Levenberg-Marquard iterative algorithm. - * gain in the Damped Gauss-Newton formulation. - * - * The function refines the object pose given at least 3 object points, their corresponding image - * projections, an initial solution for the rotation and translation vector, - * as well as the camera intrinsic matrix and the distortion coefficients. - * The function minimizes the projection error with respect to the rotation and the translation vectors, using a - * virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme. - */ - public static void solvePnPRefineVVS(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, TermCriteria criteria) { - solvePnPRefineVVS_1(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Refine a pose (the translation and the rotation that transform a 3D point expressed in the object coordinate frame - * to the camera coordinate frame) from a 3D-2D point correspondences and starting from an initial solution. - * - * SEE: REF: calib3d_solvePnP - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or 1xN/Nx1 3-channel, - * where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvec Input/Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. Input values are used as an initial solution. - * @param tvec Input/Output translation vector. Input values are used as an initial solution. - * gain in the Damped Gauss-Newton formulation. - * - * The function refines the object pose given at least 3 object points, their corresponding image - * projections, an initial solution for the rotation and translation vector, - * as well as the camera intrinsic matrix and the distortion coefficients. - * The function minimizes the projection error with respect to the rotation and the translation vectors, using a - * virtual visual servoing (VVS) CITE: Chaumette06 CITE: Marchand16 scheme. - */ - public static void solvePnPRefineVVS(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec) { - solvePnPRefineVVS_2(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - // - // C++: int cv::solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, bool useExtrinsicGuess = false, SolvePnPMethod flags = SOLVEPNP_ITERATIVE, Mat rvec = Mat(), Mat tvec = Mat(), Mat& reprojectionError = Mat()) - // - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * @param rvec Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - * and useExtrinsicGuess is set to true. - * @param tvec Translation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - * and useExtrinsicGuess is set to true. - * @param reprojectionError Optional vector of reprojection error, that is the RMS error - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, boolean useExtrinsicGuess, int flags, Mat rvec, Mat tvec, Mat reprojectionError) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, useExtrinsicGuess, flags, rvec.nativeObj, tvec.nativeObj, reprojectionError.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * @param rvec Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - * and useExtrinsicGuess is set to true. - * @param tvec Translation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - * and useExtrinsicGuess is set to true. - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, boolean useExtrinsicGuess, int flags, Mat rvec, Mat tvec) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_1(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, useExtrinsicGuess, flags, rvec.nativeObj, tvec.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * @param rvec Rotation vector used to initialize an iterative PnP refinement algorithm, when flag is REF: SOLVEPNP_ITERATIVE - * and useExtrinsicGuess is set to true. - * and useExtrinsicGuess is set to true. - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, boolean useExtrinsicGuess, int flags, Mat rvec) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_2(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, useExtrinsicGuess, flags, rvec.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * and useExtrinsicGuess is set to true. - * and useExtrinsicGuess is set to true. - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, boolean useExtrinsicGuess, int flags) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_3(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, useExtrinsicGuess, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * and useExtrinsicGuess is set to true. - * and useExtrinsicGuess is set to true. - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, boolean useExtrinsicGuess) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_4(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, useExtrinsicGuess); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds an object pose \( {}^{c}\mathbf{T}_o \) from 3D-2D point correspondences. - * - * ![Perspective projection, from object to camera frame](pics/pinhole_homogeneous_transformation.png){ width=50% } - * - * SEE: REF: calib3d_solvePnP - * - * This function returns a list of all the possible solutions (a solution is a <rotation vector, translation vector> - * couple), depending on the number of input points and the chosen method: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): 3 or 4 input points. Number of returned solutions can be between 0 and 4 with 3 input points. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. Returns 2 solutions. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4 and 2 solutions are returned. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - * Only 1 solution is returned. - *
      • - *
    - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param rvecs Vector of output rotation vectors (see REF: Rodrigues ) that, together with tvecs, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvecs Vector of output translation vectors. - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * and useExtrinsicGuess is set to true. - * and useExtrinsicGuess is set to true. - * (\( \text{RMSE} = \sqrt{\frac{\sum_{i}^{N} \left ( \hat{y_i} - y_i \right )^2}{N}} \)) between the input image points - * and the 3D object points projected with the estimated pose. - * - * More information is described in REF: calib3d_solvePnP - * - * Note: - *
      - *
    • - * An example of how to use solvePnP for planar augmented reality can be found at - * opencv_source_code/samples/python/plane_ar.py - *
      • - *
    • - * If you are using Python: - *
        - *
      • - * Numpy array slices won't work as input because solvePnP requires contiguous - * arrays (enforced by the assertion using cv::Mat::checkVector() around line 55 of - * modules/calib3d/src/solvepnp.cpp version 2.4.9) - *
        • - *
      • - * The P3P algorithm requires image points to be in an array of shape (N,1,2) due - * to its calling of #undistortPoints (around line 75 of modules/calib3d/src/solvepnp.cpp version 2.4.9) - * which requires 2-channel information. - *
        • - *
      • - * Thus, given some data D = np.array(...) where D.shape = (N,M), in order to use a subset of - * it as, e.g., imagePoints, one must effectively copy it into a new array: imagePoints = - * np.ascontiguousarray(D[:,:2]).reshape((N,1,2)) - *
        • - *
      - *
    • - * The methods REF: SOLVEPNP_DLS and REF: SOLVEPNP_UPNP cannot be used as the current implementations are - * unstable and sometimes give completely wrong results. If you pass one of these two - * flags, REF: SOLVEPNP_EPNP method will be used instead. - *
      • - *
    • - * The minimum number of points is 4 in the general case. In the case of REF: SOLVEPNP_P3P and REF: SOLVEPNP_AP3P - * methods, it is required to use exactly 4 points (the first 3 points are used to estimate all the solutions - * of the P3P problem, the last one is used to retain the best solution that minimizes the reprojection error). - *
      • - *
    • - * With REF: SOLVEPNP_ITERATIVE method and {@code useExtrinsicGuess=true}, the minimum number of points is 3 (3 points - * are sufficient to compute a pose but there are up to 4 solutions). The initial solution should be close to the - * global solution to converge. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * With REF: SOLVEPNP_IPPE_SQUARE this is a special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
        - *
      • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
        • - *
      • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
        • - *
      • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
        • - *
      - *
    • - * With REF: SOLVEPNP_SQPNP input points must be >= 3 - *
      • - *
    - * @return automatically generated - */ - public static int solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs) { - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - int retVal = solvePnPGeneric_5(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: Mat cv::initCameraMatrix2D(vector_vector_Point3f objectPoints, vector_vector_Point2f imagePoints, Size imageSize, double aspectRatio = 1.0) - // - - /** - * Finds an initial camera intrinsic matrix from 3D-2D point correspondences. - * - * @param objectPoints Vector of vectors of the calibration pattern points in the calibration pattern - * coordinate space. In the old interface all the per-view vectors are concatenated. See - * #calibrateCamera for details. - * @param imagePoints Vector of vectors of the projections of the calibration pattern points. In the - * old interface all the per-view vectors are concatenated. - * @param imageSize Image size in pixels used to initialize the principal point. - * @param aspectRatio If it is zero or negative, both \(f_x\) and \(f_y\) are estimated independently. - * Otherwise, \(f_x = f_y \cdot \texttt{aspectRatio}\) . - * - * The function estimates and returns an initial camera intrinsic matrix for the camera calibration process. - * Currently, the function only supports planar calibration patterns, which are patterns where each - * object point has z-coordinate =0. - * @return automatically generated - */ - public static Mat initCameraMatrix2D(List objectPoints, List imagePoints, Size imageSize, double aspectRatio) { - List objectPoints_tmplm = new ArrayList((objectPoints != null) ? objectPoints.size() : 0); - Mat objectPoints_mat = Converters.vector_vector_Point3f_to_Mat(objectPoints, objectPoints_tmplm); - List imagePoints_tmplm = new ArrayList((imagePoints != null) ? imagePoints.size() : 0); - Mat imagePoints_mat = Converters.vector_vector_Point2f_to_Mat(imagePoints, imagePoints_tmplm); - return new Mat(initCameraMatrix2D_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, aspectRatio)); - } - - /** - * Finds an initial camera intrinsic matrix from 3D-2D point correspondences. - * - * @param objectPoints Vector of vectors of the calibration pattern points in the calibration pattern - * coordinate space. In the old interface all the per-view vectors are concatenated. See - * #calibrateCamera for details. - * @param imagePoints Vector of vectors of the projections of the calibration pattern points. In the - * old interface all the per-view vectors are concatenated. - * @param imageSize Image size in pixels used to initialize the principal point. - * Otherwise, \(f_x = f_y \cdot \texttt{aspectRatio}\) . - * - * The function estimates and returns an initial camera intrinsic matrix for the camera calibration process. - * Currently, the function only supports planar calibration patterns, which are patterns where each - * object point has z-coordinate =0. - * @return automatically generated - */ - public static Mat initCameraMatrix2D(List objectPoints, List imagePoints, Size imageSize) { - List objectPoints_tmplm = new ArrayList((objectPoints != null) ? objectPoints.size() : 0); - Mat objectPoints_mat = Converters.vector_vector_Point3f_to_Mat(objectPoints, objectPoints_tmplm); - List imagePoints_tmplm = new ArrayList((imagePoints != null) ? imagePoints.size() : 0); - Mat imagePoints_mat = Converters.vector_vector_Point2f_to_Mat(imagePoints, imagePoints_tmplm); - return new Mat(initCameraMatrix2D_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height)); - } - - - // - // C++: bool cv::findChessboardCorners(Mat image, Size patternSize, vector_Point2f& corners, int flags = CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE) - // - - /** - * Finds the positions of internal corners of the chessboard. - * - * @param image Source chessboard view. It must be an 8-bit grayscale or color image. - * @param patternSize Number of inner corners per a chessboard row and column - * ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ). - * @param corners Output array of detected corners. - * @param flags Various operation flags that can be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_CB_ADAPTIVE_THRESH Use adaptive thresholding to convert the image to black - * and white, rather than a fixed threshold level (computed from the average image brightness). - *
      • - *
    • - * REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with #equalizeHist before - * applying fixed or adaptive thresholding. - *
      • - *
    • - * REF: CALIB_CB_FILTER_QUADS Use additional criteria (like contour area, perimeter, - * square-like shape) to filter out false quads extracted at the contour retrieval stage. - *
      • - *
    • - * REF: CALIB_CB_FAST_CHECK Run a fast check on the image that looks for chessboard corners, - * and shortcut the call if none is found. This can drastically speed up the call in the - * degenerate condition when no chessboard is observed. - *
      • - *
    • - * REF: CALIB_CB_PLAIN All other flags are ignored. The input image is taken as is. - * No image processing is done to improve to find the checkerboard. This has the effect of speeding up the - * execution of the function but could lead to not recognizing the checkerboard if the image - * is not previously binarized in the appropriate manner. - *
      • - *
    - * - * The function attempts to determine whether the input image is a view of the chessboard pattern and - * locate the internal chessboard corners. The function returns a non-zero value if all of the corners - * are found and they are placed in a certain order (row by row, left to right in every row). - * Otherwise, if the function fails to find all the corners or reorder them, it returns 0. For example, - * a regular chessboard has 8 x 8 squares and 7 x 7 internal corners, that is, points where the black - * squares touch each other. The detected coordinates are approximate, and to determine their positions - * more accurately, the function calls #cornerSubPix. You also may use the function #cornerSubPix with - * different parameters if returned coordinates are not accurate enough. - * - * Sample usage of detecting and drawing chessboard corners: : - * - * Size patternsize(8,6); //interior number of corners - * Mat gray = ....; //source image - * vector<Point2f> corners; //this will be filled by the detected corners - * - * //CALIB_CB_FAST_CHECK saves a lot of time on images - * //that do not contain any chessboard corners - * bool patternfound = findChessboardCorners(gray, patternsize, corners, - * CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE - * + CALIB_CB_FAST_CHECK); - * - * if(patternfound) - * cornerSubPix(gray, corners, Size(11, 11), Size(-1, -1), - * TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1)); - * - * drawChessboardCorners(img, patternsize, Mat(corners), patternfound); - * - * Note: The function requires white space (like a square-thick border, the wider the better) around - * the board to make the detection more robust in various environments. Otherwise, if there is no - * border and the background is dark, the outer black squares cannot be segmented properly and so the - * square grouping and ordering algorithm fails. - * - * Use the {@code gen_pattern.py} Python script (REF: tutorial_camera_calibration_pattern) - * to create the desired checkerboard pattern. - * @return automatically generated - */ - public static boolean findChessboardCorners(Mat image, Size patternSize, MatOfPoint2f corners, int flags) { - Mat corners_mat = corners; - return findChessboardCorners_0(image.nativeObj, patternSize.width, patternSize.height, corners_mat.nativeObj, flags); - } - - /** - * Finds the positions of internal corners of the chessboard. - * - * @param image Source chessboard view. It must be an 8-bit grayscale or color image. - * @param patternSize Number of inner corners per a chessboard row and column - * ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ). - * @param corners Output array of detected corners. - *
      - *
    • - * REF: CALIB_CB_ADAPTIVE_THRESH Use adaptive thresholding to convert the image to black - * and white, rather than a fixed threshold level (computed from the average image brightness). - *
      • - *
    • - * REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with #equalizeHist before - * applying fixed or adaptive thresholding. - *
      • - *
    • - * REF: CALIB_CB_FILTER_QUADS Use additional criteria (like contour area, perimeter, - * square-like shape) to filter out false quads extracted at the contour retrieval stage. - *
      • - *
    • - * REF: CALIB_CB_FAST_CHECK Run a fast check on the image that looks for chessboard corners, - * and shortcut the call if none is found. This can drastically speed up the call in the - * degenerate condition when no chessboard is observed. - *
      • - *
    • - * REF: CALIB_CB_PLAIN All other flags are ignored. The input image is taken as is. - * No image processing is done to improve to find the checkerboard. This has the effect of speeding up the - * execution of the function but could lead to not recognizing the checkerboard if the image - * is not previously binarized in the appropriate manner. - *
      • - *
    - * - * The function attempts to determine whether the input image is a view of the chessboard pattern and - * locate the internal chessboard corners. The function returns a non-zero value if all of the corners - * are found and they are placed in a certain order (row by row, left to right in every row). - * Otherwise, if the function fails to find all the corners or reorder them, it returns 0. For example, - * a regular chessboard has 8 x 8 squares and 7 x 7 internal corners, that is, points where the black - * squares touch each other. The detected coordinates are approximate, and to determine their positions - * more accurately, the function calls #cornerSubPix. You also may use the function #cornerSubPix with - * different parameters if returned coordinates are not accurate enough. - * - * Sample usage of detecting and drawing chessboard corners: : - * - * Size patternsize(8,6); //interior number of corners - * Mat gray = ....; //source image - * vector<Point2f> corners; //this will be filled by the detected corners - * - * //CALIB_CB_FAST_CHECK saves a lot of time on images - * //that do not contain any chessboard corners - * bool patternfound = findChessboardCorners(gray, patternsize, corners, - * CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE - * + CALIB_CB_FAST_CHECK); - * - * if(patternfound) - * cornerSubPix(gray, corners, Size(11, 11), Size(-1, -1), - * TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1)); - * - * drawChessboardCorners(img, patternsize, Mat(corners), patternfound); - * - * Note: The function requires white space (like a square-thick border, the wider the better) around - * the board to make the detection more robust in various environments. Otherwise, if there is no - * border and the background is dark, the outer black squares cannot be segmented properly and so the - * square grouping and ordering algorithm fails. - * - * Use the {@code gen_pattern.py} Python script (REF: tutorial_camera_calibration_pattern) - * to create the desired checkerboard pattern. - * @return automatically generated - */ - public static boolean findChessboardCorners(Mat image, Size patternSize, MatOfPoint2f corners) { - Mat corners_mat = corners; - return findChessboardCorners_1(image.nativeObj, patternSize.width, patternSize.height, corners_mat.nativeObj); - } - - - // - // C++: bool cv::checkChessboard(Mat img, Size size) - // - - public static boolean checkChessboard(Mat img, Size size) { - return checkChessboard_0(img.nativeObj, size.width, size.height); - } - - - // - // C++: bool cv::findChessboardCornersSB(Mat image, Size patternSize, Mat& corners, int flags, Mat& meta) - // - - /** - * Finds the positions of internal corners of the chessboard using a sector based approach. - * - * @param image Source chessboard view. It must be an 8-bit grayscale or color image. - * @param patternSize Number of inner corners per a chessboard row and column - * ( patternSize = cv::Size(points_per_row,points_per_colum) = cv::Size(columns,rows) ). - * @param corners Output array of detected corners. - * @param flags Various operation flags that can be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_CB_NORMALIZE_IMAGE Normalize the image gamma with equalizeHist before detection. - *
      • - *
    • - * REF: CALIB_CB_EXHAUSTIVE Run an exhaustive search to improve detection rate. - *
      • - *
    • - * REF: CALIB_CB_ACCURACY Up sample input image to improve sub-pixel accuracy due to aliasing effects. - *
      • - *
    • - * REF: CALIB_CB_LARGER The detected pattern is allowed to be larger than patternSize (see description). - *
      • - *
    • - * REF: CALIB_CB_MARKER The detected pattern must have a marker (see description). - * This should be used if an accurate camera calibration is required. - *
      • - *
    - * @param meta Optional output arrray of detected corners (CV_8UC1 and size = cv::Size(columns,rows)). - * Each entry stands for one corner of the pattern and can have one of the following values: - *
      - *
    • - * 0 = no meta data attached - *
      • - *
    • - * 1 = left-top corner of a black cell - *
      • - *
    • - * 2 = left-top corner of a white cell - *
      • - *
    • - * 3 = left-top corner of a black cell with a white marker dot - *
      • - *
    • - * 4 = left-top corner of a white cell with a black marker dot (pattern origin in case of markers otherwise first corner) - *
      • - *
    - * - * The function is analog to #findChessboardCorners but uses a localized radon - * transformation approximated by box filters being more robust to all sort of - * noise, faster on larger images and is able to directly return the sub-pixel - * position of the internal chessboard corners. The Method is based on the paper - * CITE: duda2018 "Accurate Detection and Localization of Checkerboard Corners for - * Calibration" demonstrating that the returned sub-pixel positions are more - * accurate than the one returned by cornerSubPix allowing a precise camera - * calibration for demanding applications. - * - * In the case, the flags REF: CALIB_CB_LARGER or REF: CALIB_CB_MARKER are given, - * the result can be recovered from the optional meta array. Both flags are - * helpful to use calibration patterns exceeding the field of view of the camera. - * These oversized patterns allow more accurate calibrations as corners can be - * utilized, which are as close as possible to the image borders. For a - * consistent coordinate system across all images, the optional marker (see image - * below) can be used to move the origin of the board to the location where the - * black circle is located. - * - * Note: The function requires a white boarder with roughly the same width as one - * of the checkerboard fields around the whole board to improve the detection in - * various environments. In addition, because of the localized radon - * transformation it is beneficial to use round corners for the field corners - * which are located on the outside of the board. The following figure illustrates - * a sample checkerboard optimized for the detection. However, any other checkerboard - * can be used as well. - * - * Use the {@code gen_pattern.py} Python script (REF: tutorial_camera_calibration_pattern) - * to create the corresponding checkerboard pattern: - * \image html pics/checkerboard_radon.png width=60% - * @return automatically generated - */ - public static boolean findChessboardCornersSBWithMeta(Mat image, Size patternSize, Mat corners, int flags, Mat meta) { - return findChessboardCornersSBWithMeta_0(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj, flags, meta.nativeObj); - } - - - // - // C++: bool cv::findChessboardCornersSB(Mat image, Size patternSize, Mat& corners, int flags = 0) - // - - public static boolean findChessboardCornersSB(Mat image, Size patternSize, Mat corners, int flags) { - return findChessboardCornersSB_0(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj, flags); - } - - public static boolean findChessboardCornersSB(Mat image, Size patternSize, Mat corners) { - return findChessboardCornersSB_1(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj); - } - - - // - // C++: Scalar cv::estimateChessboardSharpness(Mat image, Size patternSize, Mat corners, float rise_distance = 0.8F, bool vertical = false, Mat& sharpness = Mat()) - // - - /** - * Estimates the sharpness of a detected chessboard. - * - * Image sharpness, as well as brightness, are a critical parameter for accuracte - * camera calibration. For accessing these parameters for filtering out - * problematic calibraiton images, this method calculates edge profiles by traveling from - * black to white chessboard cell centers. Based on this, the number of pixels is - * calculated required to transit from black to white. This width of the - * transition area is a good indication of how sharp the chessboard is imaged - * and should be below ~3.0 pixels. - * - * @param image Gray image used to find chessboard corners - * @param patternSize Size of a found chessboard pattern - * @param corners Corners found by #findChessboardCornersSB - * @param rise_distance Rise distance 0.8 means 10% ... 90% of the final signal strength - * @param vertical By default edge responses for horizontal lines are calculated - * @param sharpness Optional output array with a sharpness value for calculated edge responses (see description) - * - * The optional sharpness array is of type CV_32FC1 and has for each calculated - * profile one row with the following five entries: - * 0 = x coordinate of the underlying edge in the image - * 1 = y coordinate of the underlying edge in the image - * 2 = width of the transition area (sharpness) - * 3 = signal strength in the black cell (min brightness) - * 4 = signal strength in the white cell (max brightness) - * - * @return Scalar(average sharpness, average min brightness, average max brightness,0) - */ - public static Scalar estimateChessboardSharpness(Mat image, Size patternSize, Mat corners, float rise_distance, boolean vertical, Mat sharpness) { - return new Scalar(estimateChessboardSharpness_0(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj, rise_distance, vertical, sharpness.nativeObj)); - } - - /** - * Estimates the sharpness of a detected chessboard. - * - * Image sharpness, as well as brightness, are a critical parameter for accuracte - * camera calibration. For accessing these parameters for filtering out - * problematic calibraiton images, this method calculates edge profiles by traveling from - * black to white chessboard cell centers. Based on this, the number of pixels is - * calculated required to transit from black to white. This width of the - * transition area is a good indication of how sharp the chessboard is imaged - * and should be below ~3.0 pixels. - * - * @param image Gray image used to find chessboard corners - * @param patternSize Size of a found chessboard pattern - * @param corners Corners found by #findChessboardCornersSB - * @param rise_distance Rise distance 0.8 means 10% ... 90% of the final signal strength - * @param vertical By default edge responses for horizontal lines are calculated - * - * The optional sharpness array is of type CV_32FC1 and has for each calculated - * profile one row with the following five entries: - * 0 = x coordinate of the underlying edge in the image - * 1 = y coordinate of the underlying edge in the image - * 2 = width of the transition area (sharpness) - * 3 = signal strength in the black cell (min brightness) - * 4 = signal strength in the white cell (max brightness) - * - * @return Scalar(average sharpness, average min brightness, average max brightness,0) - */ - public static Scalar estimateChessboardSharpness(Mat image, Size patternSize, Mat corners, float rise_distance, boolean vertical) { - return new Scalar(estimateChessboardSharpness_1(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj, rise_distance, vertical)); - } - - /** - * Estimates the sharpness of a detected chessboard. - * - * Image sharpness, as well as brightness, are a critical parameter for accuracte - * camera calibration. For accessing these parameters for filtering out - * problematic calibraiton images, this method calculates edge profiles by traveling from - * black to white chessboard cell centers. Based on this, the number of pixels is - * calculated required to transit from black to white. This width of the - * transition area is a good indication of how sharp the chessboard is imaged - * and should be below ~3.0 pixels. - * - * @param image Gray image used to find chessboard corners - * @param patternSize Size of a found chessboard pattern - * @param corners Corners found by #findChessboardCornersSB - * @param rise_distance Rise distance 0.8 means 10% ... 90% of the final signal strength - * - * The optional sharpness array is of type CV_32FC1 and has for each calculated - * profile one row with the following five entries: - * 0 = x coordinate of the underlying edge in the image - * 1 = y coordinate of the underlying edge in the image - * 2 = width of the transition area (sharpness) - * 3 = signal strength in the black cell (min brightness) - * 4 = signal strength in the white cell (max brightness) - * - * @return Scalar(average sharpness, average min brightness, average max brightness,0) - */ - public static Scalar estimateChessboardSharpness(Mat image, Size patternSize, Mat corners, float rise_distance) { - return new Scalar(estimateChessboardSharpness_2(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj, rise_distance)); - } - - /** - * Estimates the sharpness of a detected chessboard. - * - * Image sharpness, as well as brightness, are a critical parameter for accuracte - * camera calibration. For accessing these parameters for filtering out - * problematic calibraiton images, this method calculates edge profiles by traveling from - * black to white chessboard cell centers. Based on this, the number of pixels is - * calculated required to transit from black to white. This width of the - * transition area is a good indication of how sharp the chessboard is imaged - * and should be below ~3.0 pixels. - * - * @param image Gray image used to find chessboard corners - * @param patternSize Size of a found chessboard pattern - * @param corners Corners found by #findChessboardCornersSB - * - * The optional sharpness array is of type CV_32FC1 and has for each calculated - * profile one row with the following five entries: - * 0 = x coordinate of the underlying edge in the image - * 1 = y coordinate of the underlying edge in the image - * 2 = width of the transition area (sharpness) - * 3 = signal strength in the black cell (min brightness) - * 4 = signal strength in the white cell (max brightness) - * - * @return Scalar(average sharpness, average min brightness, average max brightness,0) - */ - public static Scalar estimateChessboardSharpness(Mat image, Size patternSize, Mat corners) { - return new Scalar(estimateChessboardSharpness_3(image.nativeObj, patternSize.width, patternSize.height, corners.nativeObj)); - } - - - // - // C++: bool cv::find4QuadCornerSubpix(Mat img, Mat& corners, Size region_size) - // - - public static boolean find4QuadCornerSubpix(Mat img, Mat corners, Size region_size) { - return find4QuadCornerSubpix_0(img.nativeObj, corners.nativeObj, region_size.width, region_size.height); - } - - - // - // C++: void cv::drawChessboardCorners(Mat& image, Size patternSize, vector_Point2f corners, bool patternWasFound) - // - - /** - * Renders the detected chessboard corners. - * - * @param image Destination image. It must be an 8-bit color image. - * @param patternSize Number of inner corners per a chessboard row and column - * (patternSize = cv::Size(points_per_row,points_per_column)). - * @param corners Array of detected corners, the output of #findChessboardCorners. - * @param patternWasFound Parameter indicating whether the complete board was found or not. The - * return value of #findChessboardCorners should be passed here. - * - * The function draws individual chessboard corners detected either as red circles if the board was not - * found, or as colored corners connected with lines if the board was found. - */ - public static void drawChessboardCorners(Mat image, Size patternSize, MatOfPoint2f corners, boolean patternWasFound) { - Mat corners_mat = corners; - drawChessboardCorners_0(image.nativeObj, patternSize.width, patternSize.height, corners_mat.nativeObj, patternWasFound); - } - - - // - // C++: void cv::drawFrameAxes(Mat& image, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, float length, int thickness = 3) - // - - /** - * Draw axes of the world/object coordinate system from pose estimation. SEE: solvePnP - * - * @param image Input/output image. It must have 1 or 3 channels. The number of channels is not altered. - * @param cameraMatrix Input 3x3 floating-point matrix of camera intrinsic parameters. - * \(\cameramatrix{A}\) - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is empty, the zero distortion coefficients are assumed. - * @param rvec Rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Translation vector. - * @param length Length of the painted axes in the same unit than tvec (usually in meters). - * @param thickness Line thickness of the painted axes. - * - * This function draws the axes of the world/object coordinate system w.r.t. to the camera frame. - * OX is drawn in red, OY in green and OZ in blue. - */ - public static void drawFrameAxes(Mat image, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, float length, int thickness) { - drawFrameAxes_0(image.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, length, thickness); - } - - /** - * Draw axes of the world/object coordinate system from pose estimation. SEE: solvePnP - * - * @param image Input/output image. It must have 1 or 3 channels. The number of channels is not altered. - * @param cameraMatrix Input 3x3 floating-point matrix of camera intrinsic parameters. - * \(\cameramatrix{A}\) - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is empty, the zero distortion coefficients are assumed. - * @param rvec Rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Translation vector. - * @param length Length of the painted axes in the same unit than tvec (usually in meters). - * - * This function draws the axes of the world/object coordinate system w.r.t. to the camera frame. - * OX is drawn in red, OY in green and OZ in blue. - */ - public static void drawFrameAxes(Mat image, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, float length) { - drawFrameAxes_1(image.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, length); - } - - - // - // C++: bool cv::findCirclesGrid(Mat image, Size patternSize, Mat& centers, int flags, Ptr_FeatureDetector blobDetector, CirclesGridFinderParameters parameters) - // - - // Unknown type 'Ptr_FeatureDetector' (I), skipping the function - - - // - // C++: bool cv::findCirclesGrid(Mat image, Size patternSize, Mat& centers, int flags = CALIB_CB_SYMMETRIC_GRID, Ptr_FeatureDetector blobDetector = SimpleBlobDetector::create()) - // - - public static boolean findCirclesGrid(Mat image, Size patternSize, Mat centers, int flags) { - return findCirclesGrid_0(image.nativeObj, patternSize.width, patternSize.height, centers.nativeObj, flags); - } - - public static boolean findCirclesGrid(Mat image, Size patternSize, Mat centers) { - return findCirclesGrid_2(image.nativeObj, patternSize.width, patternSize.height, centers.nativeObj); - } - - - // - // C++: double cv::calibrateCamera(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& stdDeviationsIntrinsics, Mat& stdDeviationsExtrinsics, Mat& perViewErrors, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - // - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration - * pattern. - * - * @param objectPoints In the new interface it is a vector of vectors of calibration pattern points in - * the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - * vector contains as many elements as the number of pattern views. If the same calibration pattern - * is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - * possible to use partially occluded patterns or even different patterns in different views. Then, - * the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - * XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - * In the old interface all the vectors of object points from different views are concatenated - * together. - * @param imagePoints In the new interface it is a vector of vectors of the projections of calibration - * pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - * objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - * respectively. In the old interface all the vectors of object points from different views are - * concatenated together. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrix. - * @param cameraMatrix Input/output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - * and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - * are specified, some or all of fx, fy, cx, cy must be initialized before calling the function. - * @param distCoeffs Input/output vector of distortion coefficients - * \(\distcoeffs\). - * @param rvecs Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - * (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - * i-th translation vector (see the next output parameter description) brings the calibration pattern - * from the object coordinate space (in which object points are specified) to the camera coordinate - * space. In more technical terms, the tuple of the i-th rotation and translation vector performs - * a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - * tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - * space. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter - * describtion above. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic - * parameters. Order of deviations values: - * \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - * s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic - * parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - * the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - * Note, that if intrinsic parameters are known, there is no need to use this function just to - * estimate extrinsic parameters. Use REF: solvePnP instead. - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when - * REF: CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - * ratio fx/fy stays the same as in the input cameraMatrix . When - * REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - * ignored, only their ratio is computed and used further. - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - * to zeros and stay zero. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - * REF: CALIB_USE_INTRINSIC_GUESS is set. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - * coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - * set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the rational model and return 8 coefficients or more. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients or more. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * @param criteria Termination criteria for the iterative optimization algorithm. - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - * points and their corresponding 2D projections in each view must be specified. That may be achieved - * by using an object with known geometry and easily detectable feature points. Such an object is - * called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - * a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - * parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - * patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - * be used as long as initial cameraMatrix is provided. - * - * The algorithm performs the following steps: - * - *
      - *
    • - * Compute the initial intrinsic parameters (the option only available for planar calibration - * patterns) or read them from the input parameters. The distortion coefficients are all set to - * zeros initially unless some of CALIB_FIX_K? are specified. - *
      • - *
    - * - *
      - *
    • - * Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - * done using REF: solvePnP . - *
      • - *
    - * - *
      - *
    • - * Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - * that is, the total sum of squared distances between the observed feature points imagePoints and - * the projected (using the current estimates for camera parameters and the poses) object points - * objectPoints. See REF: projectPoints for details. - *
      • - *
    - * - * Note: - * If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - * and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - * \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - * \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - * instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - * - * Note: - * The function may throw exceptions, if unsupported combination of parameters is provided or - * the system is underconstrained. - * - * SEE: - * calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - * undistort - */ - public static double calibrateCameraExtended(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat perViewErrors, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraExtended_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, perViewErrors.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration - * pattern. - * - * @param objectPoints In the new interface it is a vector of vectors of calibration pattern points in - * the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - * vector contains as many elements as the number of pattern views. If the same calibration pattern - * is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - * possible to use partially occluded patterns or even different patterns in different views. Then, - * the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - * XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - * In the old interface all the vectors of object points from different views are concatenated - * together. - * @param imagePoints In the new interface it is a vector of vectors of the projections of calibration - * pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - * objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - * respectively. In the old interface all the vectors of object points from different views are - * concatenated together. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrix. - * @param cameraMatrix Input/output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - * and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - * are specified, some or all of fx, fy, cx, cy must be initialized before calling the function. - * @param distCoeffs Input/output vector of distortion coefficients - * \(\distcoeffs\). - * @param rvecs Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - * (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - * i-th translation vector (see the next output parameter description) brings the calibration pattern - * from the object coordinate space (in which object points are specified) to the camera coordinate - * space. In more technical terms, the tuple of the i-th rotation and translation vector performs - * a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - * tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - * space. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter - * describtion above. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic - * parameters. Order of deviations values: - * \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - * s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic - * parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - * the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - * Note, that if intrinsic parameters are known, there is no need to use this function just to - * estimate extrinsic parameters. Use REF: solvePnP instead. - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when - * REF: CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - * ratio fx/fy stays the same as in the input cameraMatrix . When - * REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - * ignored, only their ratio is computed and used further. - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - * to zeros and stay zero. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - * REF: CALIB_USE_INTRINSIC_GUESS is set. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - * coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - * set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the rational model and return 8 coefficients or more. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients or more. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - * points and their corresponding 2D projections in each view must be specified. That may be achieved - * by using an object with known geometry and easily detectable feature points. Such an object is - * called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - * a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - * parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - * patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - * be used as long as initial cameraMatrix is provided. - * - * The algorithm performs the following steps: - * - *
      - *
    • - * Compute the initial intrinsic parameters (the option only available for planar calibration - * patterns) or read them from the input parameters. The distortion coefficients are all set to - * zeros initially unless some of CALIB_FIX_K? are specified. - *
      • - *
    - * - *
      - *
    • - * Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - * done using REF: solvePnP . - *
      • - *
    - * - *
      - *
    • - * Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - * that is, the total sum of squared distances between the observed feature points imagePoints and - * the projected (using the current estimates for camera parameters and the poses) object points - * objectPoints. See REF: projectPoints for details. - *
      • - *
    - * - * Note: - * If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - * and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - * \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - * \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - * instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - * - * Note: - * The function may throw exceptions, if unsupported combination of parameters is provided or - * the system is underconstrained. - * - * SEE: - * calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - * undistort - */ - public static double calibrateCameraExtended(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat perViewErrors, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraExtended_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, perViewErrors.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration - * pattern. - * - * @param objectPoints In the new interface it is a vector of vectors of calibration pattern points in - * the calibration pattern coordinate space (e.g. std::vector<std::vector<cv::Vec3f>>). The outer - * vector contains as many elements as the number of pattern views. If the same calibration pattern - * is shown in each view and it is fully visible, all the vectors will be the same. Although, it is - * possible to use partially occluded patterns or even different patterns in different views. Then, - * the vectors will be different. Although the points are 3D, they all lie in the calibration pattern's - * XY coordinate plane (thus 0 in the Z-coordinate), if the used calibration pattern is a planar rig. - * In the old interface all the vectors of object points from different views are concatenated - * together. - * @param imagePoints In the new interface it is a vector of vectors of the projections of calibration - * pattern points (e.g. std::vector<std::vector<cv::Vec2f>>). imagePoints.size() and - * objectPoints.size(), and imagePoints[i].size() and objectPoints[i].size() for each i, must be equal, - * respectively. In the old interface all the vectors of object points from different views are - * concatenated together. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrix. - * @param cameraMatrix Input/output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If REF: CALIB_USE_INTRINSIC_GUESS - * and/or REF: CALIB_FIX_ASPECT_RATIO, REF: CALIB_FIX_PRINCIPAL_POINT or REF: CALIB_FIX_FOCAL_LENGTH - * are specified, some or all of fx, fy, cx, cy must be initialized before calling the function. - * @param distCoeffs Input/output vector of distortion coefficients - * \(\distcoeffs\). - * @param rvecs Output vector of rotation vectors (REF: Rodrigues ) estimated for each pattern view - * (e.g. std::vector<cv::Mat>>). That is, each i-th rotation vector together with the corresponding - * i-th translation vector (see the next output parameter description) brings the calibration pattern - * from the object coordinate space (in which object points are specified) to the camera coordinate - * space. In more technical terms, the tuple of the i-th rotation and translation vector performs - * a change of basis from object coordinate space to camera coordinate space. Due to its duality, this - * tuple is equivalent to the position of the calibration pattern with respect to the camera coordinate - * space. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter - * describtion above. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic - * parameters. Order of deviations values: - * \((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, - * s_4, \tau_x, \tau_y)\) If one of parameters is not estimated, it's deviation is equals to zero. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic - * parameters. Order of deviations values: \((R_0, T_0, \dotsc , R_{M - 1}, T_{M - 1})\) where M is - * the number of pattern views. \(R_i, T_i\) are concatenated 1x3 vectors. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - *
      - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - * Note, that if intrinsic parameters are known, there is no need to use this function just to - * estimate extrinsic parameters. Use REF: solvePnP instead. - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when - * REF: CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO The functions consider only fy as a free parameter. The - * ratio fx/fy stays the same as in the input cameraMatrix . When - * REF: CALIB_USE_INTRINSIC_GUESS is not set, the actual input values of fx and fy are - * ignored, only their ratio is computed and used further. - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Tangential distortion coefficients \((p_1, p_2)\) are set - * to zeros and stay zero. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global optimization if - * REF: CALIB_USE_INTRINSIC_GUESS is set. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 The corresponding radial distortion - * coefficient is not changed during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is - * set, the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Coefficients k4, k5, and k6 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the rational model and return 8 coefficients or more. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients or more. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000 and CITE: BouguetMCT . The coordinates of 3D object - * points and their corresponding 2D projections in each view must be specified. That may be achieved - * by using an object with known geometry and easily detectable feature points. Such an object is - * called a calibration rig or calibration pattern, and OpenCV has built-in support for a chessboard as - * a calibration rig (see REF: findChessboardCorners). Currently, initialization of intrinsic - * parameters (when REF: CALIB_USE_INTRINSIC_GUESS is not set) is only implemented for planar calibration - * patterns (where Z-coordinates of the object points must be all zeros). 3D calibration rigs can also - * be used as long as initial cameraMatrix is provided. - * - * The algorithm performs the following steps: - * - *
      - *
    • - * Compute the initial intrinsic parameters (the option only available for planar calibration - * patterns) or read them from the input parameters. The distortion coefficients are all set to - * zeros initially unless some of CALIB_FIX_K? are specified. - *
      • - *
    - * - *
      - *
    • - * Estimate the initial camera pose as if the intrinsic parameters have been already known. This is - * done using REF: solvePnP . - *
      • - *
    - * - *
      - *
    • - * Run the global Levenberg-Marquardt optimization algorithm to minimize the reprojection error, - * that is, the total sum of squared distances between the observed feature points imagePoints and - * the projected (using the current estimates for camera parameters and the poses) object points - * objectPoints. See REF: projectPoints for details. - *
      • - *
    - * - * Note: - * If you use a non-square (i.e. non-N-by-N) grid and REF: findChessboardCorners for calibration, - * and REF: calibrateCamera returns bad values (zero distortion coefficients, \(c_x\) and - * \(c_y\) very far from the image center, and/or large differences between \(f_x\) and - * \(f_y\) (ratios of 10:1 or more)), then you are probably using patternSize=cvSize(rows,cols) - * instead of using patternSize=cvSize(cols,rows) in REF: findChessboardCorners. - * - * Note: - * The function may throw exceptions, if unsupported combination of parameters is provided or - * the system is underconstrained. - * - * SEE: - * calibrateCameraRO, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, - * undistort - */ - public static double calibrateCameraExtended(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat perViewErrors) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraExtended_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, perViewErrors.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: double cv::calibrateCamera(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - // - - public static double calibrateCamera(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCamera_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - public static double calibrateCamera(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCamera_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - public static double calibrateCamera(List objectPoints, List imagePoints, Size imageSize, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCamera_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: double cv::calibrateCameraRO(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, int iFixedPoint, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& newObjPoints, Mat& stdDeviationsIntrinsics, Mat& stdDeviationsExtrinsics, Mat& stdDeviationsObjPoints, Mat& perViewErrors, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - // - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - * - * This function is an extension of #calibrateCamera with the method of releasing object which was - * proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - * targets (calibration plates), this method can dramatically improve the precision of the estimated - * camera parameters. Both the object-releasing method and standard method are supported by this - * function. Use the parameter iFixedPoint for method selection. In the internal implementation, - * #calibrateCamera is a wrapper for this function. - * - * @param objectPoints Vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - * the identical calibration board must be used in each view and it must be fully visible, and all - * objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - * target has to be rigid, or at least static if the camera (rather than the calibration target) is - * shifted for grabbing images. - * @param imagePoints Vector of vectors of the projections of calibration pattern points. See - * #calibrateCamera for details. - * @param imageSize Size of the image used only to initialize the intrinsic camera matrix. - * @param iFixedPoint The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - * a switch for calibration method selection. If object-releasing method to be used, pass in the - * parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - * make standard calibration method selected. Usually the top-right corner point of the calibration - * board grid is recommended to be fixed when object-releasing method being utilized. According to - * \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - * and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - * newObjPoints are only possible if coordinates of these three fixed points are accurate enough. - * @param cameraMatrix Output 3x3 floating-point camera matrix. See #calibrateCamera for details. - * @param distCoeffs Output vector of distortion coefficients. See #calibrateCamera for details. - * @param rvecs Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - * for details. - * @param tvecs Output vector of translation vectors estimated for each pattern view. - * @param newObjPoints The updated output vector of calibration pattern points. The coordinates might - * be scaled based on three fixed points. The returned coordinates are accurate only if the above - * mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - * is ignored with standard calibration method. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsObjPoints Output vector of standard deviations estimated for refined coordinates - * of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - * parameter is ignored with standard calibration method. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of some predefined values. See - * #calibrateCamera for details. If the method of releasing object is used, the calibration time may - * be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - * less precise and less stable in some rare cases. - * @param criteria Termination criteria for the iterative optimization algorithm. - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - * #calibrateCamera for other detailed explanations. - * SEE: - * calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort - */ - public static double calibrateCameraROExtended(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat stdDeviationsObjPoints, Mat perViewErrors, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraROExtended_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, stdDeviationsObjPoints.nativeObj, perViewErrors.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - * - * This function is an extension of #calibrateCamera with the method of releasing object which was - * proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - * targets (calibration plates), this method can dramatically improve the precision of the estimated - * camera parameters. Both the object-releasing method and standard method are supported by this - * function. Use the parameter iFixedPoint for method selection. In the internal implementation, - * #calibrateCamera is a wrapper for this function. - * - * @param objectPoints Vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - * the identical calibration board must be used in each view and it must be fully visible, and all - * objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - * target has to be rigid, or at least static if the camera (rather than the calibration target) is - * shifted for grabbing images. - * @param imagePoints Vector of vectors of the projections of calibration pattern points. See - * #calibrateCamera for details. - * @param imageSize Size of the image used only to initialize the intrinsic camera matrix. - * @param iFixedPoint The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - * a switch for calibration method selection. If object-releasing method to be used, pass in the - * parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - * make standard calibration method selected. Usually the top-right corner point of the calibration - * board grid is recommended to be fixed when object-releasing method being utilized. According to - * \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - * and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - * newObjPoints are only possible if coordinates of these three fixed points are accurate enough. - * @param cameraMatrix Output 3x3 floating-point camera matrix. See #calibrateCamera for details. - * @param distCoeffs Output vector of distortion coefficients. See #calibrateCamera for details. - * @param rvecs Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - * for details. - * @param tvecs Output vector of translation vectors estimated for each pattern view. - * @param newObjPoints The updated output vector of calibration pattern points. The coordinates might - * be scaled based on three fixed points. The returned coordinates are accurate only if the above - * mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - * is ignored with standard calibration method. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsObjPoints Output vector of standard deviations estimated for refined coordinates - * of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - * parameter is ignored with standard calibration method. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of some predefined values. See - * #calibrateCamera for details. If the method of releasing object is used, the calibration time may - * be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - * less precise and less stable in some rare cases. - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - * #calibrateCamera for other detailed explanations. - * SEE: - * calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort - */ - public static double calibrateCameraROExtended(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat stdDeviationsObjPoints, Mat perViewErrors, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraROExtended_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, stdDeviationsObjPoints.nativeObj, perViewErrors.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Finds the camera intrinsic and extrinsic parameters from several views of a calibration pattern. - * - * This function is an extension of #calibrateCamera with the method of releasing object which was - * proposed in CITE: strobl2011iccv. In many common cases with inaccurate, unmeasured, roughly planar - * targets (calibration plates), this method can dramatically improve the precision of the estimated - * camera parameters. Both the object-releasing method and standard method are supported by this - * function. Use the parameter iFixedPoint for method selection. In the internal implementation, - * #calibrateCamera is a wrapper for this function. - * - * @param objectPoints Vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. See #calibrateCamera for details. If the method of releasing object to be used, - * the identical calibration board must be used in each view and it must be fully visible, and all - * objectPoints[i] must be the same and all points should be roughly close to a plane. The calibration - * target has to be rigid, or at least static if the camera (rather than the calibration target) is - * shifted for grabbing images. - * @param imagePoints Vector of vectors of the projections of calibration pattern points. See - * #calibrateCamera for details. - * @param imageSize Size of the image used only to initialize the intrinsic camera matrix. - * @param iFixedPoint The index of the 3D object point in objectPoints[0] to be fixed. It also acts as - * a switch for calibration method selection. If object-releasing method to be used, pass in the - * parameter in the range of [1, objectPoints[0].size()-2], otherwise a value out of this range will - * make standard calibration method selected. Usually the top-right corner point of the calibration - * board grid is recommended to be fixed when object-releasing method being utilized. According to - * \cite strobl2011iccv, two other points are also fixed. In this implementation, objectPoints[0].front - * and objectPoints[0].back.z are used. With object-releasing method, accurate rvecs, tvecs and - * newObjPoints are only possible if coordinates of these three fixed points are accurate enough. - * @param cameraMatrix Output 3x3 floating-point camera matrix. See #calibrateCamera for details. - * @param distCoeffs Output vector of distortion coefficients. See #calibrateCamera for details. - * @param rvecs Output vector of rotation vectors estimated for each pattern view. See #calibrateCamera - * for details. - * @param tvecs Output vector of translation vectors estimated for each pattern view. - * @param newObjPoints The updated output vector of calibration pattern points. The coordinates might - * be scaled based on three fixed points. The returned coordinates are accurate only if the above - * mentioned three fixed points are accurate. If not needed, noArray() can be passed in. This parameter - * is ignored with standard calibration method. - * @param stdDeviationsIntrinsics Output vector of standard deviations estimated for intrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsExtrinsics Output vector of standard deviations estimated for extrinsic parameters. - * See #calibrateCamera for details. - * @param stdDeviationsObjPoints Output vector of standard deviations estimated for refined coordinates - * of calibration pattern points. It has the same size and order as objectPoints[0] vector. This - * parameter is ignored with standard calibration method. - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * #calibrateCamera for details. If the method of releasing object is used, the calibration time may - * be much longer. CALIB_USE_QR or CALIB_USE_LU could be used for faster calibration with potentially - * less precise and less stable in some rare cases. - * - * @return the overall RMS re-projection error. - * - * The function estimates the intrinsic camera parameters and extrinsic parameters for each of the - * views. The algorithm is based on CITE: Zhang2000, CITE: BouguetMCT and CITE: strobl2011iccv. See - * #calibrateCamera for other detailed explanations. - * SEE: - * calibrateCamera, findChessboardCorners, solvePnP, initCameraMatrix2D, stereoCalibrate, undistort - */ - public static double calibrateCameraROExtended(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints, Mat stdDeviationsIntrinsics, Mat stdDeviationsExtrinsics, Mat stdDeviationsObjPoints, Mat perViewErrors) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraROExtended_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj, stdDeviationsIntrinsics.nativeObj, stdDeviationsExtrinsics.nativeObj, stdDeviationsObjPoints.nativeObj, perViewErrors.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: double cv::calibrateCameraRO(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, int iFixedPoint, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& newObjPoints, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - // - - public static double calibrateCameraRO(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraRO_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - public static double calibrateCameraRO(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraRO_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - public static double calibrateCameraRO(List objectPoints, List imagePoints, Size imageSize, int iFixedPoint, Mat cameraMatrix, Mat distCoeffs, List rvecs, List tvecs, Mat newObjPoints) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = calibrateCameraRO_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, imageSize.width, imageSize.height, iFixedPoint, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, newObjPoints.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: void cv::calibrationMatrixValues(Mat cameraMatrix, Size imageSize, double apertureWidth, double apertureHeight, double& fovx, double& fovy, double& focalLength, Point2d& principalPoint, double& aspectRatio) - // - - /** - * Computes useful camera characteristics from the camera intrinsic matrix. - * - * @param cameraMatrix Input camera intrinsic matrix that can be estimated by #calibrateCamera or - * #stereoCalibrate . - * @param imageSize Input image size in pixels. - * @param apertureWidth Physical width in mm of the sensor. - * @param apertureHeight Physical height in mm of the sensor. - * @param fovx Output field of view in degrees along the horizontal sensor axis. - * @param fovy Output field of view in degrees along the vertical sensor axis. - * @param focalLength Focal length of the lens in mm. - * @param principalPoint Principal point in mm. - * @param aspectRatio \(f_y/f_x\) - * - * The function computes various useful camera characteristics from the previously estimated camera - * matrix. - * - * Note: - * Do keep in mind that the unity measure 'mm' stands for whatever unit of measure one chooses for - * the chessboard pitch (it can thus be any value). - */ - public static void calibrationMatrixValues(Mat cameraMatrix, Size imageSize, double apertureWidth, double apertureHeight, double[] fovx, double[] fovy, double[] focalLength, Point principalPoint, double[] aspectRatio) { - double[] fovx_out = new double[1]; - double[] fovy_out = new double[1]; - double[] focalLength_out = new double[1]; - double[] principalPoint_out = new double[2]; - double[] aspectRatio_out = new double[1]; - calibrationMatrixValues_0(cameraMatrix.nativeObj, imageSize.width, imageSize.height, apertureWidth, apertureHeight, fovx_out, fovy_out, focalLength_out, principalPoint_out, aspectRatio_out); - if(fovx!=null) fovx[0] = (double)fovx_out[0]; - if(fovy!=null) fovy[0] = (double)fovy_out[0]; - if(focalLength!=null) focalLength[0] = (double)focalLength_out[0]; - if(principalPoint!=null){ principalPoint.x = principalPoint_out[0]; principalPoint.y = principalPoint_out[1]; } - if(aspectRatio!=null) aspectRatio[0] = (double)aspectRatio_out[0]; - } - - - // - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, vector_Mat& rvecs, vector_Mat& tvecs, Mat& perViewErrors, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - // - - /** - * Calibrates a stereo camera set up. This function finds the intrinsic parameters - * for each of the two cameras and the extrinsic parameters between the two cameras. - * - * @param objectPoints Vector of vectors of the calibration pattern points. The same structure as - * in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - * points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - * equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - * be equal for each i. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. The same structure as in REF: calibrateCamera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. The same structure as in REF: calibrateCamera. - * @param cameraMatrix1 Input/output camera intrinsic matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output second camera intrinsic matrix for the second camera. See description for - * cameraMatrix1. - * @param distCoeffs2 Input/output lens distortion coefficients for the second camera. See - * description for distCoeffs1. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrices. - * @param R Output rotation matrix. Together with the translation vector T, this matrix brings - * points given in the first camera's coordinate system to points in the second camera's - * coordinate system. In more technical terms, the tuple of R and T performs a change of basis - * from the first camera's coordinate system to the second camera's coordinate system. Due to its - * duality, this tuple is equivalent to the position of the first camera with respect to the - * second camera coordinate system. - * @param T Output translation vector, see description above. - * @param E Output essential matrix. - * @param F Output fundamental matrix. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - * matrices are estimated. - *
      • - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - * according to the specified flags. Initial values are provided by the user. - *
      • - *
    • - * REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - * Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - * . - *
      • - *
    • - * REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - * zeros and fix there. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - * distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - * the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - * compatibility, this extra flag should be explicitly specified to make the calibration - * function use the rational model and return 8 coefficients. If the flag is not set, the - * function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * @param criteria Termination criteria for the iterative optimization algorithm. - * - * The function estimates the transformation between two cameras making a stereo pair. If one computes - * the poses of an object relative to the first camera and to the second camera, - * ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - * relative position and orientation between the two cameras are fixed, then those poses definitely - * relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - * two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - * given. This is what the described function does. It computes (\(R\),\(T\)) such that: - * - * \(R_2=R R_1\) - * \(T_2=R T_1 + T.\) - * - * Therefore, one can compute the coordinate representation of a 3D point for the second camera's - * coordinate system when given the point's coordinate representation in the first camera's coordinate - * system: - * - * \(\begin{bmatrix} - * X_2 \\ - * Y_2 \\ - * Z_2 \\ - * 1 - * \end{bmatrix} = \begin{bmatrix} - * R & T \\ - * 0 & 1 - * \end{bmatrix} \begin{bmatrix} - * X_1 \\ - * Y_1 \\ - * Z_1 \\ - * 1 - * \end{bmatrix}.\) - * - * - * Optionally, it computes the essential matrix E: - * - * \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - * - * where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - * And the function can also compute the fundamental matrix F: - * - * \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - * - * Besides the stereo-related information, the function can also perform a full calibration of each of - * the two cameras. However, due to the high dimensionality of the parameter space and noise in the - * input data, the function can diverge from the correct solution. If the intrinsic parameters can be - * estimated with high accuracy for each of the cameras individually (for example, using - * #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - * function along with the computed intrinsic parameters. Otherwise, if all the parameters are - * estimated at once, it makes sense to restrict some parameters, for example, pass - * REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - * reasonable assumption. - * - * Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - * points in all the available views from both cameras. The function returns the final value of the - * re-projection error. - * @return automatically generated - */ - public static double stereoCalibrateExtended(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, List rvecs, List tvecs, Mat perViewErrors, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = stereoCalibrateExtended_0(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, perViewErrors.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Calibrates a stereo camera set up. This function finds the intrinsic parameters - * for each of the two cameras and the extrinsic parameters between the two cameras. - * - * @param objectPoints Vector of vectors of the calibration pattern points. The same structure as - * in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - * points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - * equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - * be equal for each i. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. The same structure as in REF: calibrateCamera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. The same structure as in REF: calibrateCamera. - * @param cameraMatrix1 Input/output camera intrinsic matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output second camera intrinsic matrix for the second camera. See description for - * cameraMatrix1. - * @param distCoeffs2 Input/output lens distortion coefficients for the second camera. See - * description for distCoeffs1. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrices. - * @param R Output rotation matrix. Together with the translation vector T, this matrix brings - * points given in the first camera's coordinate system to points in the second camera's - * coordinate system. In more technical terms, the tuple of R and T performs a change of basis - * from the first camera's coordinate system to the second camera's coordinate system. Due to its - * duality, this tuple is equivalent to the position of the first camera with respect to the - * second camera coordinate system. - * @param T Output translation vector, see description above. - * @param E Output essential matrix. - * @param F Output fundamental matrix. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - * matrices are estimated. - *
      • - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - * according to the specified flags. Initial values are provided by the user. - *
      • - *
    • - * REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - * Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - * . - *
      • - *
    • - * REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - * zeros and fix there. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - * distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - * the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - * compatibility, this extra flag should be explicitly specified to make the calibration - * function use the rational model and return 8 coefficients. If the flag is not set, the - * function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * - * The function estimates the transformation between two cameras making a stereo pair. If one computes - * the poses of an object relative to the first camera and to the second camera, - * ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - * relative position and orientation between the two cameras are fixed, then those poses definitely - * relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - * two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - * given. This is what the described function does. It computes (\(R\),\(T\)) such that: - * - * \(R_2=R R_1\) - * \(T_2=R T_1 + T.\) - * - * Therefore, one can compute the coordinate representation of a 3D point for the second camera's - * coordinate system when given the point's coordinate representation in the first camera's coordinate - * system: - * - * \(\begin{bmatrix} - * X_2 \\ - * Y_2 \\ - * Z_2 \\ - * 1 - * \end{bmatrix} = \begin{bmatrix} - * R & T \\ - * 0 & 1 - * \end{bmatrix} \begin{bmatrix} - * X_1 \\ - * Y_1 \\ - * Z_1 \\ - * 1 - * \end{bmatrix}.\) - * - * - * Optionally, it computes the essential matrix E: - * - * \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - * - * where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - * And the function can also compute the fundamental matrix F: - * - * \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - * - * Besides the stereo-related information, the function can also perform a full calibration of each of - * the two cameras. However, due to the high dimensionality of the parameter space and noise in the - * input data, the function can diverge from the correct solution. If the intrinsic parameters can be - * estimated with high accuracy for each of the cameras individually (for example, using - * #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - * function along with the computed intrinsic parameters. Otherwise, if all the parameters are - * estimated at once, it makes sense to restrict some parameters, for example, pass - * REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - * reasonable assumption. - * - * Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - * points in all the available views from both cameras. The function returns the final value of the - * re-projection error. - * @return automatically generated - */ - public static double stereoCalibrateExtended(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, List rvecs, List tvecs, Mat perViewErrors, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = stereoCalibrateExtended_1(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, perViewErrors.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Calibrates a stereo camera set up. This function finds the intrinsic parameters - * for each of the two cameras and the extrinsic parameters between the two cameras. - * - * @param objectPoints Vector of vectors of the calibration pattern points. The same structure as - * in REF: calibrateCamera. For each pattern view, both cameras need to see the same object - * points. Therefore, objectPoints.size(), imagePoints1.size(), and imagePoints2.size() need to be - * equal as well as objectPoints[i].size(), imagePoints1[i].size(), and imagePoints2[i].size() need to - * be equal for each i. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. The same structure as in REF: calibrateCamera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. The same structure as in REF: calibrateCamera. - * @param cameraMatrix1 Input/output camera intrinsic matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output second camera intrinsic matrix for the second camera. See description for - * cameraMatrix1. - * @param distCoeffs2 Input/output lens distortion coefficients for the second camera. See - * description for distCoeffs1. - * @param imageSize Size of the image used only to initialize the camera intrinsic matrices. - * @param R Output rotation matrix. Together with the translation vector T, this matrix brings - * points given in the first camera's coordinate system to points in the second camera's - * coordinate system. In more technical terms, the tuple of R and T performs a change of basis - * from the first camera's coordinate system to the second camera's coordinate system. Due to its - * duality, this tuple is equivalent to the position of the first camera with respect to the - * second camera coordinate system. - * @param T Output translation vector, see description above. - * @param E Output essential matrix. - * @param F Output fundamental matrix. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - * @param perViewErrors Output vector of the RMS re-projection error estimated for each pattern view. - *
      - *
    • - * REF: CALIB_FIX_INTRINSIC Fix cameraMatrix? and distCoeffs? so that only R, T, E, and F - * matrices are estimated. - *
      • - *
    • - * REF: CALIB_USE_INTRINSIC_GUESS Optimize some or all of the intrinsic parameters - * according to the specified flags. Initial values are provided by the user. - *
      • - *
    • - * REF: CALIB_USE_EXTRINSIC_GUESS R and T contain valid initial values that are optimized further. - * Otherwise R and T are initialized to the median value of the pattern views (each dimension separately). - *
      • - *
    • - * REF: CALIB_FIX_PRINCIPAL_POINT Fix the principal points during the optimization. - *
      • - *
    • - * REF: CALIB_FIX_FOCAL_LENGTH Fix \(f^{(j)}_x\) and \(f^{(j)}_y\) . - *
      • - *
    • - * REF: CALIB_FIX_ASPECT_RATIO Optimize \(f^{(j)}_y\) . Fix the ratio \(f^{(j)}_x/f^{(j)}_y\) - * . - *
      • - *
    • - * REF: CALIB_SAME_FOCAL_LENGTH Enforce \(f^{(0)}_x=f^{(1)}_x\) and \(f^{(0)}_y=f^{(1)}_y\) . - *
      • - *
    • - * REF: CALIB_ZERO_TANGENT_DIST Set tangential distortion coefficients for each camera to - * zeros and fix there. - *
      • - *
    • - * REF: CALIB_FIX_K1,..., REF: CALIB_FIX_K6 Do not change the corresponding radial - * distortion coefficient during the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, - * the coefficient from the supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_RATIONAL_MODEL Enable coefficients k4, k5, and k6. To provide the backward - * compatibility, this extra flag should be explicitly specified to make the calibration - * function use the rational model and return 8 coefficients. If the flag is not set, the - * function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_THIN_PRISM_MODEL Coefficients s1, s2, s3 and s4 are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the thin prism model and return 12 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_S1_S2_S3_S4 The thin prism distortion coefficients are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    • - * REF: CALIB_TILTED_MODEL Coefficients tauX and tauY are enabled. To provide the - * backward compatibility, this extra flag should be explicitly specified to make the - * calibration function use the tilted sensor model and return 14 coefficients. If the flag is not - * set, the function computes and returns only 5 distortion coefficients. - *
      • - *
    • - * REF: CALIB_FIX_TAUX_TAUY The coefficients of the tilted sensor model are not changed during - * the optimization. If REF: CALIB_USE_INTRINSIC_GUESS is set, the coefficient from the - * supplied distCoeffs matrix is used. Otherwise, it is set to 0. - *
      • - *
    - * - * The function estimates the transformation between two cameras making a stereo pair. If one computes - * the poses of an object relative to the first camera and to the second camera, - * ( \(R_1\),\(T_1\) ) and (\(R_2\),\(T_2\)), respectively, for a stereo camera where the - * relative position and orientation between the two cameras are fixed, then those poses definitely - * relate to each other. This means, if the relative position and orientation (\(R\),\(T\)) of the - * two cameras is known, it is possible to compute (\(R_2\),\(T_2\)) when (\(R_1\),\(T_1\)) is - * given. This is what the described function does. It computes (\(R\),\(T\)) such that: - * - * \(R_2=R R_1\) - * \(T_2=R T_1 + T.\) - * - * Therefore, one can compute the coordinate representation of a 3D point for the second camera's - * coordinate system when given the point's coordinate representation in the first camera's coordinate - * system: - * - * \(\begin{bmatrix} - * X_2 \\ - * Y_2 \\ - * Z_2 \\ - * 1 - * \end{bmatrix} = \begin{bmatrix} - * R & T \\ - * 0 & 1 - * \end{bmatrix} \begin{bmatrix} - * X_1 \\ - * Y_1 \\ - * Z_1 \\ - * 1 - * \end{bmatrix}.\) - * - * - * Optionally, it computes the essential matrix E: - * - * \(E= \vecthreethree{0}{-T_2}{T_1}{T_2}{0}{-T_0}{-T_1}{T_0}{0} R\) - * - * where \(T_i\) are components of the translation vector \(T\) : \(T=[T_0, T_1, T_2]^T\) . - * And the function can also compute the fundamental matrix F: - * - * \(F = cameraMatrix2^{-T}\cdot E \cdot cameraMatrix1^{-1}\) - * - * Besides the stereo-related information, the function can also perform a full calibration of each of - * the two cameras. However, due to the high dimensionality of the parameter space and noise in the - * input data, the function can diverge from the correct solution. If the intrinsic parameters can be - * estimated with high accuracy for each of the cameras individually (for example, using - * #calibrateCamera ), you are recommended to do so and then pass REF: CALIB_FIX_INTRINSIC flag to the - * function along with the computed intrinsic parameters. Otherwise, if all the parameters are - * estimated at once, it makes sense to restrict some parameters, for example, pass - * REF: CALIB_SAME_FOCAL_LENGTH and REF: CALIB_ZERO_TANGENT_DIST flags, which is usually a - * reasonable assumption. - * - * Similarly to #calibrateCamera, the function minimizes the total re-projection error for all the - * points in all the available views from both cameras. The function returns the final value of the - * re-projection error. - * @return automatically generated - */ - public static double stereoCalibrateExtended(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, List rvecs, List tvecs, Mat perViewErrors) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = stereoCalibrateExtended_2(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, perViewErrors.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - // - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_0(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - } - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_1(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, flags); - } - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_2(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj); - } - - - // - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, Mat& perViewErrors, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - // - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, Mat perViewErrors, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_3(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, perViewErrors.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - } - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, Mat perViewErrors, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_4(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, perViewErrors.nativeObj, flags); - } - - public static double stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat E, Mat F, Mat perViewErrors) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return stereoCalibrate_5(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, E.nativeObj, F.nativeObj, perViewErrors.nativeObj); - } - - - // - // C++: void cv::stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat& R1, Mat& R2, Mat& P1, Mat& P2, Mat& Q, int flags = CALIB_ZERO_DISPARITY, double alpha = -1, Size newImageSize = Size(), Rect* validPixROI1 = 0, Rect* validPixROI2 = 0) - // - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * @param flags Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param alpha Free scaling parameter. If it is -1 or absent, the function performs the default - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * @param validPixROI1 Optional output rectangles inside the rectified images where all the pixels - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * @param validPixROI2 Optional output rectangles inside the rectified images where all the pixels - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, double alpha, Size newImageSize, Rect validPixROI1, Rect validPixROI2) { - double[] validPixROI1_out = new double[4]; - double[] validPixROI2_out = new double[4]; - stereoRectify_0(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, alpha, newImageSize.width, newImageSize.height, validPixROI1_out, validPixROI2_out); - if(validPixROI1!=null){ validPixROI1.x = (int)validPixROI1_out[0]; validPixROI1.y = (int)validPixROI1_out[1]; validPixROI1.width = (int)validPixROI1_out[2]; validPixROI1.height = (int)validPixROI1_out[3]; } - if(validPixROI2!=null){ validPixROI2.x = (int)validPixROI2_out[0]; validPixROI2.y = (int)validPixROI2_out[1]; validPixROI2.width = (int)validPixROI2_out[2]; validPixROI2.height = (int)validPixROI2_out[3]; } - } - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * @param flags Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param alpha Free scaling parameter. If it is -1 or absent, the function performs the default - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * @param validPixROI1 Optional output rectangles inside the rectified images where all the pixels - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, double alpha, Size newImageSize, Rect validPixROI1) { - double[] validPixROI1_out = new double[4]; - stereoRectify_1(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, alpha, newImageSize.width, newImageSize.height, validPixROI1_out); - if(validPixROI1!=null){ validPixROI1.x = (int)validPixROI1_out[0]; validPixROI1.y = (int)validPixROI1_out[1]; validPixROI1.width = (int)validPixROI1_out[2]; validPixROI1.height = (int)validPixROI1_out[3]; } - } - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * @param flags Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param alpha Free scaling parameter. If it is -1 or absent, the function performs the default - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, double alpha, Size newImageSize) { - stereoRectify_2(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, alpha, newImageSize.width, newImageSize.height); - } - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * @param flags Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param alpha Free scaling parameter. If it is -1 or absent, the function performs the default - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, double alpha) { - stereoRectify_3(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, alpha); - } - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * @param flags Operation flags that may be zero or REF: CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags) { - stereoRectify_4(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags); - } - - /** - * Computes rectification transforms for each head of a calibrated stereo camera. - * - * @param cameraMatrix1 First camera intrinsic matrix. - * @param distCoeffs1 First camera distortion parameters. - * @param cameraMatrix2 Second camera intrinsic matrix. - * @param distCoeffs2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param T Translation vector from the coordinate system of the first camera to the second camera, - * see REF: stereoCalibrate. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. This matrix - * brings points given in the unrectified first camera's coordinate system to points in the rectified - * first camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified first camera's coordinate system to the rectified first camera's coordinate system. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. This matrix - * brings points given in the unrectified second camera's coordinate system to points in the rectified - * second camera's coordinate system. In more technical terms, it performs a change of basis from the - * unrectified second camera's coordinate system to the rectified second camera's coordinate system. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified first camera's image. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera, i.e. it projects points given in the rectified first camera coordinate system into the - * rectified second camera's image. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see REF: reprojectImageTo3D). - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * scaling. Otherwise, the parameter should be between 0 and 1. alpha=0 means that the rectified - * images are zoomed and shifted so that only valid pixels are visible (no black areas after - * rectification). alpha=1 means that the rectified image is decimated and shifted so that all the - * pixels from the original images from the cameras are retained in the rectified images (no source - * image pixels are lost). Any intermediate value yields an intermediate result between - * those two extreme cases. - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to a larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * are valid. If alpha=0 , the ROIs cover the whole images. Otherwise, they are likely to be smaller - * (see the picture below). - * - * The function computes the rotation matrices for each camera that (virtually) make both camera image - * planes the same plane. Consequently, this makes all the epipolar lines parallel and thus simplifies - * the dense stereo correspondence problem. The function takes the matrices computed by #stereoCalibrate - * as input. As output, it provides two rotation matrices and also two projection matrices in the new - * coordinates. The function distinguishes the following two cases: - * - *
      - *
    • - * Horizontal stereo: the first and the second camera views are shifted relative to each other - * mainly along the x-axis (with possible small vertical shift). In the rectified images, the - * corresponding epipolar lines in the left and right cameras are horizontal and have the same - * y-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx_1 & 0 \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx_2 & T_x \cdot f \\ - * 0 & f & cy & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix} ,\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx_1 \\ - * 0 & 1 & 0 & -cy \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_x} & \frac{cx_1 - cx_2}{T_x} - * \end{bmatrix} \) - * - * where \(T_x\) is a horizontal shift between the cameras and \(cx_1=cx_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - *
      - *
    • - * Vertical stereo: the first and the second camera views are shifted relative to each other - * mainly in the vertical direction (and probably a bit in the horizontal direction too). The epipolar - * lines in the rectified images are vertical and have the same x-coordinate. P1 and P2 look like: - *
      • - *
    - * - * \(\texttt{P1} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_1 & 0 \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix}\) - * - * \(\texttt{P2} = \begin{bmatrix} - * f & 0 & cx & 0 \\ - * 0 & f & cy_2 & T_y \cdot f \\ - * 0 & 0 & 1 & 0 - * \end{bmatrix},\) - * - * \(\texttt{Q} = \begin{bmatrix} - * 1 & 0 & 0 & -cx \\ - * 0 & 1 & 0 & -cy_1 \\ - * 0 & 0 & 0 & f \\ - * 0 & 0 & -\frac{1}{T_y} & \frac{cy_1 - cy_2}{T_y} - * \end{bmatrix} \) - * - * where \(T_y\) is a vertical shift between the cameras and \(cy_1=cy_2\) if - * REF: CALIB_ZERO_DISPARITY is set. - * - * As you can see, the first three columns of P1 and P2 will effectively be the new "rectified" camera - * matrices. The matrices, together with R1 and R2 , can then be passed to #initUndistortRectifyMap to - * initialize the rectification map for each camera. - * - * See below the screenshot from the stereo_calib.cpp sample. Some red horizontal lines pass through - * the corresponding image regions. This means that the images are well rectified, which is what most - * stereo correspondence algorithms rely on. The green rectangles are roi1 and roi2 . You see that - * their interiors are all valid pixels. - * - * ![image](pics/stereo_undistort.jpg) - */ - public static void stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q) { - stereoRectify_5(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj); - } - - - // - // C++: bool cv::stereoRectifyUncalibrated(Mat points1, Mat points2, Mat F, Size imgSize, Mat& H1, Mat& H2, double threshold = 5) - // - - /** - * Computes a rectification transform for an uncalibrated stereo camera. - * - * @param points1 Array of feature points in the first image. - * @param points2 The corresponding points in the second image. The same formats as in - * #findFundamentalMat are supported. - * @param F Input fundamental matrix. It can be computed from the same set of point pairs using - * #findFundamentalMat . - * @param imgSize Size of the image. - * @param H1 Output rectification homography matrix for the first image. - * @param H2 Output rectification homography matrix for the second image. - * @param threshold Optional threshold used to filter out the outliers. If the parameter is greater - * than zero, all the point pairs that do not comply with the epipolar geometry (that is, the points - * for which \(|\texttt{points2[i]}^T \cdot \texttt{F} \cdot \texttt{points1[i]}|>\texttt{threshold}\) ) - * are rejected prior to computing the homographies. Otherwise, all the points are considered inliers. - * - * The function computes the rectification transformations without knowing intrinsic parameters of the - * cameras and their relative position in the space, which explains the suffix "uncalibrated". Another - * related difference from #stereoRectify is that the function outputs not the rectification - * transformations in the object (3D) space, but the planar perspective transformations encoded by the - * homography matrices H1 and H2 . The function implements the algorithm CITE: Hartley99 . - * - * Note: - * While the algorithm does not need to know the intrinsic parameters of the cameras, it heavily - * depends on the epipolar geometry. Therefore, if the camera lenses have a significant distortion, - * it would be better to correct it before computing the fundamental matrix and calling this - * function. For example, distortion coefficients can be estimated for each head of stereo camera - * separately by using #calibrateCamera . Then, the images can be corrected using #undistort , or - * just the point coordinates can be corrected with #undistortPoints . - * @return automatically generated - */ - public static boolean stereoRectifyUncalibrated(Mat points1, Mat points2, Mat F, Size imgSize, Mat H1, Mat H2, double threshold) { - return stereoRectifyUncalibrated_0(points1.nativeObj, points2.nativeObj, F.nativeObj, imgSize.width, imgSize.height, H1.nativeObj, H2.nativeObj, threshold); - } - - /** - * Computes a rectification transform for an uncalibrated stereo camera. - * - * @param points1 Array of feature points in the first image. - * @param points2 The corresponding points in the second image. The same formats as in - * #findFundamentalMat are supported. - * @param F Input fundamental matrix. It can be computed from the same set of point pairs using - * #findFundamentalMat . - * @param imgSize Size of the image. - * @param H1 Output rectification homography matrix for the first image. - * @param H2 Output rectification homography matrix for the second image. - * than zero, all the point pairs that do not comply with the epipolar geometry (that is, the points - * for which \(|\texttt{points2[i]}^T \cdot \texttt{F} \cdot \texttt{points1[i]}|>\texttt{threshold}\) ) - * are rejected prior to computing the homographies. Otherwise, all the points are considered inliers. - * - * The function computes the rectification transformations without knowing intrinsic parameters of the - * cameras and their relative position in the space, which explains the suffix "uncalibrated". Another - * related difference from #stereoRectify is that the function outputs not the rectification - * transformations in the object (3D) space, but the planar perspective transformations encoded by the - * homography matrices H1 and H2 . The function implements the algorithm CITE: Hartley99 . - * - * Note: - * While the algorithm does not need to know the intrinsic parameters of the cameras, it heavily - * depends on the epipolar geometry. Therefore, if the camera lenses have a significant distortion, - * it would be better to correct it before computing the fundamental matrix and calling this - * function. For example, distortion coefficients can be estimated for each head of stereo camera - * separately by using #calibrateCamera . Then, the images can be corrected using #undistort , or - * just the point coordinates can be corrected with #undistortPoints . - * @return automatically generated - */ - public static boolean stereoRectifyUncalibrated(Mat points1, Mat points2, Mat F, Size imgSize, Mat H1, Mat H2) { - return stereoRectifyUncalibrated_1(points1.nativeObj, points2.nativeObj, F.nativeObj, imgSize.width, imgSize.height, H1.nativeObj, H2.nativeObj); - } - - - // - // C++: float cv::rectify3Collinear(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat cameraMatrix3, Mat distCoeffs3, vector_Mat imgpt1, vector_Mat imgpt3, Size imageSize, Mat R12, Mat T12, Mat R13, Mat T13, Mat& R1, Mat& R2, Mat& R3, Mat& P1, Mat& P2, Mat& P3, Mat& Q, double alpha, Size newImgSize, Rect* roi1, Rect* roi2, int flags) - // - - public static float rectify3Collinear(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat cameraMatrix3, Mat distCoeffs3, List imgpt1, List imgpt3, Size imageSize, Mat R12, Mat T12, Mat R13, Mat T13, Mat R1, Mat R2, Mat R3, Mat P1, Mat P2, Mat P3, Mat Q, double alpha, Size newImgSize, Rect roi1, Rect roi2, int flags) { - Mat imgpt1_mat = Converters.vector_Mat_to_Mat(imgpt1); - Mat imgpt3_mat = Converters.vector_Mat_to_Mat(imgpt3); - double[] roi1_out = new double[4]; - double[] roi2_out = new double[4]; - float retVal = rectify3Collinear_0(cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, cameraMatrix3.nativeObj, distCoeffs3.nativeObj, imgpt1_mat.nativeObj, imgpt3_mat.nativeObj, imageSize.width, imageSize.height, R12.nativeObj, T12.nativeObj, R13.nativeObj, T13.nativeObj, R1.nativeObj, R2.nativeObj, R3.nativeObj, P1.nativeObj, P2.nativeObj, P3.nativeObj, Q.nativeObj, alpha, newImgSize.width, newImgSize.height, roi1_out, roi2_out, flags); - if(roi1!=null){ roi1.x = (int)roi1_out[0]; roi1.y = (int)roi1_out[1]; roi1.width = (int)roi1_out[2]; roi1.height = (int)roi1_out[3]; } - if(roi2!=null){ roi2.x = (int)roi2_out[0]; roi2.y = (int)roi2_out[1]; roi2.width = (int)roi2_out[2]; roi2.height = (int)roi2_out[3]; } - return retVal; - } - - - // - // C++: Mat cv::getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha, Size newImgSize = Size(), Rect* validPixROI = 0, bool centerPrincipalPoint = false) - // - - /** - * Returns the new camera intrinsic matrix based on the free scaling parameter. - * - * @param cameraMatrix Input camera intrinsic matrix. - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param imageSize Original image size. - * @param alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are - * valid) and 1 (when all the source image pixels are retained in the undistorted image). See - * #stereoRectify for details. - * @param newImgSize Image size after rectification. By default, it is set to imageSize . - * @param validPixROI Optional output rectangle that outlines all-good-pixels region in the - * undistorted image. See roi1, roi2 description in #stereoRectify . - * @param centerPrincipalPoint Optional flag that indicates whether in the new camera intrinsic matrix the - * principal point should be at the image center or not. By default, the principal point is chosen to - * best fit a subset of the source image (determined by alpha) to the corrected image. - * @return new_camera_matrix Output new camera intrinsic matrix. - * - * The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - * By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - * image pixels if there is valuable information in the corners alpha=1 , or get something in between. - * When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - * "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - * coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - * #initUndistortRectifyMap to produce the maps for #remap . - */ - public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha, Size newImgSize, Rect validPixROI, boolean centerPrincipalPoint) { - double[] validPixROI_out = new double[4]; - Mat retVal = new Mat(getOptimalNewCameraMatrix_0(cameraMatrix.nativeObj, distCoeffs.nativeObj, imageSize.width, imageSize.height, alpha, newImgSize.width, newImgSize.height, validPixROI_out, centerPrincipalPoint)); - if(validPixROI!=null){ validPixROI.x = (int)validPixROI_out[0]; validPixROI.y = (int)validPixROI_out[1]; validPixROI.width = (int)validPixROI_out[2]; validPixROI.height = (int)validPixROI_out[3]; } - return retVal; - } - - /** - * Returns the new camera intrinsic matrix based on the free scaling parameter. - * - * @param cameraMatrix Input camera intrinsic matrix. - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param imageSize Original image size. - * @param alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are - * valid) and 1 (when all the source image pixels are retained in the undistorted image). See - * #stereoRectify for details. - * @param newImgSize Image size after rectification. By default, it is set to imageSize . - * @param validPixROI Optional output rectangle that outlines all-good-pixels region in the - * undistorted image. See roi1, roi2 description in #stereoRectify . - * principal point should be at the image center or not. By default, the principal point is chosen to - * best fit a subset of the source image (determined by alpha) to the corrected image. - * @return new_camera_matrix Output new camera intrinsic matrix. - * - * The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - * By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - * image pixels if there is valuable information in the corners alpha=1 , or get something in between. - * When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - * "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - * coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - * #initUndistortRectifyMap to produce the maps for #remap . - */ - public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha, Size newImgSize, Rect validPixROI) { - double[] validPixROI_out = new double[4]; - Mat retVal = new Mat(getOptimalNewCameraMatrix_1(cameraMatrix.nativeObj, distCoeffs.nativeObj, imageSize.width, imageSize.height, alpha, newImgSize.width, newImgSize.height, validPixROI_out)); - if(validPixROI!=null){ validPixROI.x = (int)validPixROI_out[0]; validPixROI.y = (int)validPixROI_out[1]; validPixROI.width = (int)validPixROI_out[2]; validPixROI.height = (int)validPixROI_out[3]; } - return retVal; - } - - /** - * Returns the new camera intrinsic matrix based on the free scaling parameter. - * - * @param cameraMatrix Input camera intrinsic matrix. - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param imageSize Original image size. - * @param alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are - * valid) and 1 (when all the source image pixels are retained in the undistorted image). See - * #stereoRectify for details. - * @param newImgSize Image size after rectification. By default, it is set to imageSize . - * undistorted image. See roi1, roi2 description in #stereoRectify . - * principal point should be at the image center or not. By default, the principal point is chosen to - * best fit a subset of the source image (determined by alpha) to the corrected image. - * @return new_camera_matrix Output new camera intrinsic matrix. - * - * The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - * By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - * image pixels if there is valuable information in the corners alpha=1 , or get something in between. - * When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - * "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - * coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - * #initUndistortRectifyMap to produce the maps for #remap . - */ - public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha, Size newImgSize) { - return new Mat(getOptimalNewCameraMatrix_2(cameraMatrix.nativeObj, distCoeffs.nativeObj, imageSize.width, imageSize.height, alpha, newImgSize.width, newImgSize.height)); - } - - /** - * Returns the new camera intrinsic matrix based on the free scaling parameter. - * - * @param cameraMatrix Input camera intrinsic matrix. - * @param distCoeffs Input vector of distortion coefficients - * \(\distcoeffs\). If the vector is NULL/empty, the zero distortion coefficients are - * assumed. - * @param imageSize Original image size. - * @param alpha Free scaling parameter between 0 (when all the pixels in the undistorted image are - * valid) and 1 (when all the source image pixels are retained in the undistorted image). See - * #stereoRectify for details. - * undistorted image. See roi1, roi2 description in #stereoRectify . - * principal point should be at the image center or not. By default, the principal point is chosen to - * best fit a subset of the source image (determined by alpha) to the corrected image. - * @return new_camera_matrix Output new camera intrinsic matrix. - * - * The function computes and returns the optimal new camera intrinsic matrix based on the free scaling parameter. - * By varying this parameter, you may retrieve only sensible pixels alpha=0 , keep all the original - * image pixels if there is valuable information in the corners alpha=1 , or get something in between. - * When alpha>0 , the undistorted result is likely to have some black pixels corresponding to - * "virtual" pixels outside of the captured distorted image. The original camera intrinsic matrix, distortion - * coefficients, the computed new camera intrinsic matrix, and newImageSize should be passed to - * #initUndistortRectifyMap to produce the maps for #remap . - */ - public static Mat getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha) { - return new Mat(getOptimalNewCameraMatrix_3(cameraMatrix.nativeObj, distCoeffs.nativeObj, imageSize.width, imageSize.height, alpha)); - } - - - // - // C++: void cv::calibrateHandEye(vector_Mat R_gripper2base, vector_Mat t_gripper2base, vector_Mat R_target2cam, vector_Mat t_target2cam, Mat& R_cam2gripper, Mat& t_cam2gripper, HandEyeCalibrationMethod method = CALIB_HAND_EYE_TSAI) - // - - /** - * Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\) - * - * @param R_gripper2base Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from gripper frame to robot base frame. - * @param t_gripper2base Translation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from gripper frame to robot base frame. - * @param R_target2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from calibration target frame to camera frame. - * @param t_target2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from calibration target frame to camera frame. - * @param R_cam2gripper Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)). - * @param t_cam2gripper Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)). - * @param method One of the implemented Hand-Eye calibration method, see cv::HandEyeCalibrationMethod - * - * The function performs the Hand-Eye calibration using various methods. One approach consists in estimating the - * rotation then the translation (separable solutions) and the following methods are implemented: - *
      - *
    • - * R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/EyeCalibration \cite Tsai89 - *
      • - *
    • - * F. Park, B. Martin Robot Sensor Calibration: Solving AX = XB on the Euclidean Group \cite Park94 - *
      • - *
    • - * R. Horaud, F. Dornaika Hand-Eye Calibration \cite Horaud95 - *
      • - *
    - * - * Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - * with the following implemented methods: - *
      - *
    • - * N. Andreff, R. Horaud, B. Espiau On-line Hand-Eye Calibration \cite Andreff99 - *
      • - *
    • - * K. Daniilidis Hand-Eye Calibration Using Dual Quaternions \cite Daniilidis98 - *
      • - *
    - * - * The following picture describes the Hand-Eye calibration problem where the transformation between a camera ("eye") - * mounted on a robot gripper ("hand") has to be estimated. This configuration is called eye-in-hand. - * - * The eye-to-hand configuration consists in a static camera observing a calibration pattern mounted on the robot - * end-effector. The transformation from the camera to the robot base frame can then be estimated by inputting - * the suitable transformations to the function, see below. - * - * ![](pics/hand-eye_figure.png) - * - * The calibration procedure is the following: - *
      - *
    • - * a static calibration pattern is used to estimate the transformation between the target frame - * and the camera frame - *
      • - *
    • - * the robot gripper is moved in order to acquire several poses - *
      • - *
    • - * for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - * instance the robot kinematics - * \( - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{b}\textrm{R}_g & _{}^{b}\textrm{t}_g \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    • - * for each pose, the homogeneous transformation between the calibration target frame and the camera frame is recorded using - * for instance a pose estimation method (PnP) from 2D-3D point correspondences - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_t & _{}^{c}\textrm{t}_t \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_t\\ - * Y_t\\ - * Z_t\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    - * - * The Hand-Eye calibration procedure returns the following homogeneous transformation - * \( - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{g}\textrm{R}_c & _{}^{g}\textrm{t}_c \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * \) - * - * This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{X}\mathbf{B}\) equation: - *
      - *
    • - * for an eye-in-hand configuration - * \( - * \begin{align*} - * ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - * \hspace{0.1em} ^{b}{\textrm{T}_g}^{(2)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ - *
      • - *
    - * - * (^{b}{\textrm{T}_g}^{(2)})^{-1} \hspace{0.2em} ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c &= - * \hspace{0.1em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - * - * \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - * \end{align*} - * \) - * - *
      - *
    • - * for an eye-to-hand configuration - * \( - * \begin{align*} - * ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - * \hspace{0.1em} ^{g}{\textrm{T}_b}^{(2)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ - *
      • - *
    - * - * (^{g}{\textrm{T}_b}^{(2)})^{-1} \hspace{0.2em} ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c &= - * \hspace{0.1em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - * - * \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - * \end{align*} - * \) - * - * \note - * Additional information can be found on this [website](http://campar.in.tum.de/Chair/HandEyeCalibration). - * \note - * A minimum of 2 motions with non parallel rotation axes are necessary to determine the hand-eye transformation. - * So at least 3 different poses are required, but it is strongly recommended to use many more poses. - */ - public static void calibrateHandEye(List R_gripper2base, List t_gripper2base, List R_target2cam, List t_target2cam, Mat R_cam2gripper, Mat t_cam2gripper, int method) { - Mat R_gripper2base_mat = Converters.vector_Mat_to_Mat(R_gripper2base); - Mat t_gripper2base_mat = Converters.vector_Mat_to_Mat(t_gripper2base); - Mat R_target2cam_mat = Converters.vector_Mat_to_Mat(R_target2cam); - Mat t_target2cam_mat = Converters.vector_Mat_to_Mat(t_target2cam); - calibrateHandEye_0(R_gripper2base_mat.nativeObj, t_gripper2base_mat.nativeObj, R_target2cam_mat.nativeObj, t_target2cam_mat.nativeObj, R_cam2gripper.nativeObj, t_cam2gripper.nativeObj, method); - } - - /** - * Computes Hand-Eye calibration: \(_{}^{g}\textrm{T}_c\) - * - * @param R_gripper2base Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from gripper frame to robot base frame. - * @param t_gripper2base Translation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the robot base frame (\(_{}^{b}\textrm{T}_g\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from gripper frame to robot base frame. - * @param R_target2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from calibration target frame to camera frame. - * @param t_target2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the target frame to the camera frame (\(_{}^{c}\textrm{T}_t\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from calibration target frame to camera frame. - * @param R_cam2gripper Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)). - * @param t_cam2gripper Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the camera frame to the gripper frame (\(_{}^{g}\textrm{T}_c\)). - * - * The function performs the Hand-Eye calibration using various methods. One approach consists in estimating the - * rotation then the translation (separable solutions) and the following methods are implemented: - *
      - *
    • - * R. Tsai, R. Lenz A New Technique for Fully Autonomous and Efficient 3D Robotics Hand/EyeCalibration \cite Tsai89 - *
      • - *
    • - * F. Park, B. Martin Robot Sensor Calibration: Solving AX = XB on the Euclidean Group \cite Park94 - *
      • - *
    • - * R. Horaud, F. Dornaika Hand-Eye Calibration \cite Horaud95 - *
      • - *
    - * - * Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - * with the following implemented methods: - *
      - *
    • - * N. Andreff, R. Horaud, B. Espiau On-line Hand-Eye Calibration \cite Andreff99 - *
      • - *
    • - * K. Daniilidis Hand-Eye Calibration Using Dual Quaternions \cite Daniilidis98 - *
      • - *
    - * - * The following picture describes the Hand-Eye calibration problem where the transformation between a camera ("eye") - * mounted on a robot gripper ("hand") has to be estimated. This configuration is called eye-in-hand. - * - * The eye-to-hand configuration consists in a static camera observing a calibration pattern mounted on the robot - * end-effector. The transformation from the camera to the robot base frame can then be estimated by inputting - * the suitable transformations to the function, see below. - * - * ![](pics/hand-eye_figure.png) - * - * The calibration procedure is the following: - *
      - *
    • - * a static calibration pattern is used to estimate the transformation between the target frame - * and the camera frame - *
      • - *
    • - * the robot gripper is moved in order to acquire several poses - *
      • - *
    • - * for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - * instance the robot kinematics - * \( - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{b}\textrm{R}_g & _{}^{b}\textrm{t}_g \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    • - * for each pose, the homogeneous transformation between the calibration target frame and the camera frame is recorded using - * for instance a pose estimation method (PnP) from 2D-3D point correspondences - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_t & _{}^{c}\textrm{t}_t \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_t\\ - * Y_t\\ - * Z_t\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    - * - * The Hand-Eye calibration procedure returns the following homogeneous transformation - * \( - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{g}\textrm{R}_c & _{}^{g}\textrm{t}_c \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * \) - * - * This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{X}\mathbf{B}\) equation: - *
      - *
    • - * for an eye-in-hand configuration - * \( - * \begin{align*} - * ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - * \hspace{0.1em} ^{b}{\textrm{T}_g}^{(2)} \hspace{0.2em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ - *
      • - *
    - * - * (^{b}{\textrm{T}_g}^{(2)})^{-1} \hspace{0.2em} ^{b}{\textrm{T}_g}^{(1)} \hspace{0.2em} ^{g}\textrm{T}_c &= - * \hspace{0.1em} ^{g}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - * - * \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - * \end{align*} - * \) - * - *
      - *
    • - * for an eye-to-hand configuration - * \( - * \begin{align*} - * ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(1)} &= - * \hspace{0.1em} ^{g}{\textrm{T}_b}^{(2)} \hspace{0.2em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} \\ - *
      • - *
    - * - * (^{g}{\textrm{T}_b}^{(2)})^{-1} \hspace{0.2em} ^{g}{\textrm{T}_b}^{(1)} \hspace{0.2em} ^{b}\textrm{T}_c &= - * \hspace{0.1em} ^{b}\textrm{T}_c \hspace{0.2em} ^{c}{\textrm{T}_t}^{(2)} (^{c}{\textrm{T}_t}^{(1)})^{-1} \\ - * - * \textrm{A}_i \textrm{X} &= \textrm{X} \textrm{B}_i \\ - * \end{align*} - * \) - * - * \note - * Additional information can be found on this [website](http://campar.in.tum.de/Chair/HandEyeCalibration). - * \note - * A minimum of 2 motions with non parallel rotation axes are necessary to determine the hand-eye transformation. - * So at least 3 different poses are required, but it is strongly recommended to use many more poses. - */ - public static void calibrateHandEye(List R_gripper2base, List t_gripper2base, List R_target2cam, List t_target2cam, Mat R_cam2gripper, Mat t_cam2gripper) { - Mat R_gripper2base_mat = Converters.vector_Mat_to_Mat(R_gripper2base); - Mat t_gripper2base_mat = Converters.vector_Mat_to_Mat(t_gripper2base); - Mat R_target2cam_mat = Converters.vector_Mat_to_Mat(R_target2cam); - Mat t_target2cam_mat = Converters.vector_Mat_to_Mat(t_target2cam); - calibrateHandEye_1(R_gripper2base_mat.nativeObj, t_gripper2base_mat.nativeObj, R_target2cam_mat.nativeObj, t_target2cam_mat.nativeObj, R_cam2gripper.nativeObj, t_cam2gripper.nativeObj); - } - - - // - // C++: void cv::calibrateRobotWorldHandEye(vector_Mat R_world2cam, vector_Mat t_world2cam, vector_Mat R_base2gripper, vector_Mat t_base2gripper, Mat& R_base2world, Mat& t_base2world, Mat& R_gripper2cam, Mat& t_gripper2cam, RobotWorldHandEyeCalibrationMethod method = CALIB_ROBOT_WORLD_HAND_EYE_SHAH) - // - - /** - * Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\) - * - * @param R_world2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from world frame to the camera frame. - * @param t_world2cam Translation part extracted from the homogeneous matrix that transforms a point - * expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from world frame to the camera frame. - * @param R_base2gripper Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from robot base frame to the gripper frame. - * @param t_base2gripper Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from robot base frame to the gripper frame. - * @param R_base2world Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)). - * @param t_base2world Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)). - * @param R_gripper2cam Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)). - * @param t_gripper2cam Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)). - * @param method One of the implemented Robot-World/Hand-Eye calibration method, see cv::RobotWorldHandEyeCalibrationMethod - * - * The function performs the Robot-World/Hand-Eye calibration using various methods. One approach consists in estimating the - * rotation then the translation (separable solutions): - *
      - *
    • - * M. Shah, Solving the robot-world/hand-eye calibration problem using the kronecker product \cite Shah2013SolvingTR - *
      • - *
    - * - * Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - * with the following implemented method: - *
      - *
    • - * A. Li, L. Wang, and D. Wu, Simultaneous robot-world and hand-eye calibration using dual-quaternions and kronecker product \cite Li2010SimultaneousRA - *
      • - *
    - * - * The following picture describes the Robot-World/Hand-Eye calibration problem where the transformations between a robot and a world frame - * and between a robot gripper ("hand") and a camera ("eye") mounted at the robot end-effector have to be estimated. - * - * ![](pics/robot-world_hand-eye_figure.png) - * - * The calibration procedure is the following: - *
      - *
    • - * a static calibration pattern is used to estimate the transformation between the target frame - * and the camera frame - *
      • - *
    • - * the robot gripper is moved in order to acquire several poses - *
      • - *
    • - * for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - * instance the robot kinematics - * \( - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{g}\textrm{R}_b & _{}^{g}\textrm{t}_b \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    • - * for each pose, the homogeneous transformation between the calibration target frame (the world frame) and the camera frame is recorded using - * for instance a pose estimation method (PnP) from 2D-3D point correspondences - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_w & _{}^{c}\textrm{t}_w \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_w\\ - * Y_w\\ - * Z_w\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    - * - * The Robot-World/Hand-Eye calibration procedure returns the following homogeneous transformations - * \( - * \begin{bmatrix} - * X_w\\ - * Y_w\\ - * Z_w\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{w}\textrm{R}_b & _{}^{w}\textrm{t}_b \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * \) - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_g & _{}^{c}\textrm{t}_g \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * \) - * - * This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{Z}\mathbf{B}\) equation, with: - *
      - *
    • - * \(\mathbf{A} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_w\) - *
      • - *
    • - * \(\mathbf{X} \Leftrightarrow \hspace{0.1em} _{}^{w}\textrm{T}_b\) - *
      • - *
    • - * \(\mathbf{Z} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_g\) - *
      • - *
    • - * \(\mathbf{B} \Leftrightarrow \hspace{0.1em} _{}^{g}\textrm{T}_b\) - *
      • - *
    - * - * \note - * At least 3 measurements are required (input vectors size must be greater or equal to 3). - */ - public static void calibrateRobotWorldHandEye(List R_world2cam, List t_world2cam, List R_base2gripper, List t_base2gripper, Mat R_base2world, Mat t_base2world, Mat R_gripper2cam, Mat t_gripper2cam, int method) { - Mat R_world2cam_mat = Converters.vector_Mat_to_Mat(R_world2cam); - Mat t_world2cam_mat = Converters.vector_Mat_to_Mat(t_world2cam); - Mat R_base2gripper_mat = Converters.vector_Mat_to_Mat(R_base2gripper); - Mat t_base2gripper_mat = Converters.vector_Mat_to_Mat(t_base2gripper); - calibrateRobotWorldHandEye_0(R_world2cam_mat.nativeObj, t_world2cam_mat.nativeObj, R_base2gripper_mat.nativeObj, t_base2gripper_mat.nativeObj, R_base2world.nativeObj, t_base2world.nativeObj, R_gripper2cam.nativeObj, t_gripper2cam.nativeObj, method); - } - - /** - * Computes Robot-World/Hand-Eye calibration: \(_{}^{w}\textrm{T}_b\) and \(_{}^{c}\textrm{T}_g\) - * - * @param R_world2cam Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from world frame to the camera frame. - * @param t_world2cam Translation part extracted from the homogeneous matrix that transforms a point - * expressed in the world frame to the camera frame (\(_{}^{c}\textrm{T}_w\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from world frame to the camera frame. - * @param R_base2gripper Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - * This is a vector ({@code vector<Mat>}) that contains the rotation, {@code (3x3)} rotation matrices or {@code (3x1)} rotation vectors, - * for all the transformations from robot base frame to the gripper frame. - * @param t_base2gripper Rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the gripper frame (\(_{}^{g}\textrm{T}_b\)). - * This is a vector ({@code vector<Mat>}) that contains the {@code (3x1)} translation vectors for all the transformations - * from robot base frame to the gripper frame. - * @param R_base2world Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)). - * @param t_base2world Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the robot base frame to the world frame (\(_{}^{w}\textrm{T}_b\)). - * @param R_gripper2cam Estimated {@code (3x3)} rotation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)). - * @param t_gripper2cam Estimated {@code (3x1)} translation part extracted from the homogeneous matrix that transforms a point - * expressed in the gripper frame to the camera frame (\(_{}^{c}\textrm{T}_g\)). - * - * The function performs the Robot-World/Hand-Eye calibration using various methods. One approach consists in estimating the - * rotation then the translation (separable solutions): - *
      - *
    • - * M. Shah, Solving the robot-world/hand-eye calibration problem using the kronecker product \cite Shah2013SolvingTR - *
      • - *
    - * - * Another approach consists in estimating simultaneously the rotation and the translation (simultaneous solutions), - * with the following implemented method: - *
      - *
    • - * A. Li, L. Wang, and D. Wu, Simultaneous robot-world and hand-eye calibration using dual-quaternions and kronecker product \cite Li2010SimultaneousRA - *
      • - *
    - * - * The following picture describes the Robot-World/Hand-Eye calibration problem where the transformations between a robot and a world frame - * and between a robot gripper ("hand") and a camera ("eye") mounted at the robot end-effector have to be estimated. - * - * ![](pics/robot-world_hand-eye_figure.png) - * - * The calibration procedure is the following: - *
      - *
    • - * a static calibration pattern is used to estimate the transformation between the target frame - * and the camera frame - *
      • - *
    • - * the robot gripper is moved in order to acquire several poses - *
      • - *
    • - * for each pose, the homogeneous transformation between the gripper frame and the robot base frame is recorded using for - * instance the robot kinematics - * \( - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{g}\textrm{R}_b & _{}^{g}\textrm{t}_b \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    • - * for each pose, the homogeneous transformation between the calibration target frame (the world frame) and the camera frame is recorded using - * for instance a pose estimation method (PnP) from 2D-3D point correspondences - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_w & _{}^{c}\textrm{t}_w \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_w\\ - * Y_w\\ - * Z_w\\ - * 1 - * \end{bmatrix} - * \) - *
      • - *
    - * - * The Robot-World/Hand-Eye calibration procedure returns the following homogeneous transformations - * \( - * \begin{bmatrix} - * X_w\\ - * Y_w\\ - * Z_w\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{w}\textrm{R}_b & _{}^{w}\textrm{t}_b \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_b\\ - * Y_b\\ - * Z_b\\ - * 1 - * \end{bmatrix} - * \) - * \( - * \begin{bmatrix} - * X_c\\ - * Y_c\\ - * Z_c\\ - * 1 - * \end{bmatrix} - * = - * \begin{bmatrix} - * _{}^{c}\textrm{R}_g & _{}^{c}\textrm{t}_g \\ - * 0_{1 \times 3} & 1 - * \end{bmatrix} - * \begin{bmatrix} - * X_g\\ - * Y_g\\ - * Z_g\\ - * 1 - * \end{bmatrix} - * \) - * - * This problem is also known as solving the \(\mathbf{A}\mathbf{X}=\mathbf{Z}\mathbf{B}\) equation, with: - *
      - *
    • - * \(\mathbf{A} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_w\) - *
      • - *
    • - * \(\mathbf{X} \Leftrightarrow \hspace{0.1em} _{}^{w}\textrm{T}_b\) - *
      • - *
    • - * \(\mathbf{Z} \Leftrightarrow \hspace{0.1em} _{}^{c}\textrm{T}_g\) - *
      • - *
    • - * \(\mathbf{B} \Leftrightarrow \hspace{0.1em} _{}^{g}\textrm{T}_b\) - *
      • - *
    - * - * \note - * At least 3 measurements are required (input vectors size must be greater or equal to 3). - */ - public static void calibrateRobotWorldHandEye(List R_world2cam, List t_world2cam, List R_base2gripper, List t_base2gripper, Mat R_base2world, Mat t_base2world, Mat R_gripper2cam, Mat t_gripper2cam) { - Mat R_world2cam_mat = Converters.vector_Mat_to_Mat(R_world2cam); - Mat t_world2cam_mat = Converters.vector_Mat_to_Mat(t_world2cam); - Mat R_base2gripper_mat = Converters.vector_Mat_to_Mat(R_base2gripper); - Mat t_base2gripper_mat = Converters.vector_Mat_to_Mat(t_base2gripper); - calibrateRobotWorldHandEye_1(R_world2cam_mat.nativeObj, t_world2cam_mat.nativeObj, R_base2gripper_mat.nativeObj, t_base2gripper_mat.nativeObj, R_base2world.nativeObj, t_base2world.nativeObj, R_gripper2cam.nativeObj, t_gripper2cam.nativeObj); - } - - - // - // C++: void cv::convertPointsToHomogeneous(Mat src, Mat& dst) - // - - /** - * Converts points from Euclidean to homogeneous space. - * - * @param src Input vector of N-dimensional points. - * @param dst Output vector of N+1-dimensional points. - * - * The function converts points from Euclidean to homogeneous space by appending 1's to the tuple of - * point coordinates. That is, each point (x1, x2, ..., xn) is converted to (x1, x2, ..., xn, 1). - */ - public static void convertPointsToHomogeneous(Mat src, Mat dst) { - convertPointsToHomogeneous_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::convertPointsFromHomogeneous(Mat src, Mat& dst) - // - - /** - * Converts points from homogeneous to Euclidean space. - * - * @param src Input vector of N-dimensional points. - * @param dst Output vector of N-1-dimensional points. - * - * The function converts points homogeneous to Euclidean space using perspective projection. That is, - * each point (x1, x2, ... x(n-1), xn) is converted to (x1/xn, x2/xn, ..., x(n-1)/xn). When xn=0, the - * output point coordinates will be (0,0,0,...). - */ - public static void convertPointsFromHomogeneous(Mat src, Mat dst) { - convertPointsFromHomogeneous_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, int method, double ransacReprojThreshold, double confidence, int maxIters, Mat& mask = Mat()) - // - - /** - * Calculates a fundamental matrix from the corresponding points in two images. - * - * @param points1 Array of N points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: FM_7POINT for a 7-point algorithm. \(N = 7\) - *
      • - *
    • - * REF: FM_8POINT for an 8-point algorithm. \(N \ge 8\) - *
      • - *
    • - * REF: FM_RANSAC for the RANSAC algorithm. \(N \ge 8\) - *
      • - *
    • - * REF: FM_LMEDS for the LMedS algorithm. \(N \ge 8\) - *
      • - *
    - * @param ransacReprojThreshold Parameter used only for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param confidence Parameter used for the RANSAC and LMedS methods only. It specifies a desirable level - * of confidence (probability) that the estimated matrix is correct. - * @param mask optional output mask - * @param maxIters The maximum number of robust method iterations. - * - * The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T F [p_1; 1] = 0\) - * - * where \(F\) is a fundamental matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. - * - * The function calculates the fundamental matrix using one of four methods listed above and returns - * the found fundamental matrix. Normally just one matrix is found. But in case of the 7-point - * algorithm, the function may return up to 3 solutions ( \(9 \times 3\) matrix that stores all 3 - * matrices sequentially). - * - * The calculated fundamental matrix may be passed further to #computeCorrespondEpilines that finds the - * epipolar lines corresponding to the specified points. It can also be passed to - * #stereoRectifyUncalibrated to compute the rectification transformation. : - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * Mat fundamental_matrix = - * findFundamentalMat(points1, points2, FM_RANSAC, 3, 0.99); - * - * @return automatically generated - */ - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method, double ransacReprojThreshold, double confidence, int maxIters, Mat mask) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_0(points1_mat.nativeObj, points2_mat.nativeObj, method, ransacReprojThreshold, confidence, maxIters, mask.nativeObj)); - } - - /** - * Calculates a fundamental matrix from the corresponding points in two images. - * - * @param points1 Array of N points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: FM_7POINT for a 7-point algorithm. \(N = 7\) - *
      • - *
    • - * REF: FM_8POINT for an 8-point algorithm. \(N \ge 8\) - *
      • - *
    • - * REF: FM_RANSAC for the RANSAC algorithm. \(N \ge 8\) - *
      • - *
    • - * REF: FM_LMEDS for the LMedS algorithm. \(N \ge 8\) - *
      • - *
    - * @param ransacReprojThreshold Parameter used only for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param confidence Parameter used for the RANSAC and LMedS methods only. It specifies a desirable level - * of confidence (probability) that the estimated matrix is correct. - * @param maxIters The maximum number of robust method iterations. - * - * The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T F [p_1; 1] = 0\) - * - * where \(F\) is a fundamental matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. - * - * The function calculates the fundamental matrix using one of four methods listed above and returns - * the found fundamental matrix. Normally just one matrix is found. But in case of the 7-point - * algorithm, the function may return up to 3 solutions ( \(9 \times 3\) matrix that stores all 3 - * matrices sequentially). - * - * The calculated fundamental matrix may be passed further to #computeCorrespondEpilines that finds the - * epipolar lines corresponding to the specified points. It can also be passed to - * #stereoRectifyUncalibrated to compute the rectification transformation. : - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * Mat fundamental_matrix = - * findFundamentalMat(points1, points2, FM_RANSAC, 3, 0.99); - * - * @return automatically generated - */ - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method, double ransacReprojThreshold, double confidence, int maxIters) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_1(points1_mat.nativeObj, points2_mat.nativeObj, method, ransacReprojThreshold, confidence, maxIters)); - } - - - // - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, int method = FM_RANSAC, double ransacReprojThreshold = 3., double confidence = 0.99, Mat& mask = Mat()) - // - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method, double ransacReprojThreshold, double confidence, Mat mask) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_2(points1_mat.nativeObj, points2_mat.nativeObj, method, ransacReprojThreshold, confidence, mask.nativeObj)); - } - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method, double ransacReprojThreshold, double confidence) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_3(points1_mat.nativeObj, points2_mat.nativeObj, method, ransacReprojThreshold, confidence)); - } - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method, double ransacReprojThreshold) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_4(points1_mat.nativeObj, points2_mat.nativeObj, method, ransacReprojThreshold)); - } - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, int method) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_5(points1_mat.nativeObj, points2_mat.nativeObj, method)); - } - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_6(points1_mat.nativeObj, points2_mat.nativeObj)); - } - - - // - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, Mat& mask, UsacParams params) - // - - public static Mat findFundamentalMat(MatOfPoint2f points1, MatOfPoint2f points2, Mat mask, UsacParams params) { - Mat points1_mat = points1; - Mat points2_mat = points2; - return new Mat(findFundamentalMat_7(points1_mat.nativeObj, points2_mat.nativeObj, mask.nativeObj, params.getNativeObjAddr())); - } - - - // - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method = RANSAC, double prob = 0.999, double threshold = 1.0, int maxIters = 1000, Mat& mask = Mat()) - // - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param mask Output array of N elements, every element of which is set to 0 for outliers and to 1 - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * @param maxIters The maximum number of robust method iterations. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method, double prob, double threshold, int maxIters, Mat mask) { - return new Mat(findEssentialMat_0(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, method, prob, threshold, maxIters, mask.nativeObj)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * @param maxIters The maximum number of robust method iterations. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method, double prob, double threshold, int maxIters) { - return new Mat(findEssentialMat_1(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, method, prob, threshold, maxIters)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method, double prob, double threshold) { - return new Mat(findEssentialMat_2(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, method, prob, threshold)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method, double prob) { - return new Mat(findEssentialMat_3(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, method, prob)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method) { - return new Mat(findEssentialMat_4(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, method)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. If this assumption does not hold for your use case, use another - * function overload or #undistortPoints with {@code P = cv::NoArray()} for both cameras to transform image - * points to normalized image coordinates, which are valid for the identity camera intrinsic matrix. - * When passing these coordinates, pass the identity matrix for this parameter. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix) { - return new Mat(findEssentialMat_5(points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj)); - } - - - // - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, double focal = 1.0, Point2d pp = Point2d(0, 0), int method = RANSAC, double prob = 0.999, double threshold = 1.0, int maxIters = 1000, Mat& mask = Mat()) - // - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param mask Output array of N elements, every element of which is set to 0 for outliers and to 1 - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * @param maxIters The maximum number of robust method iterations. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp, int method, double prob, double threshold, int maxIters, Mat mask) { - return new Mat(findEssentialMat_6(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y, method, prob, threshold, maxIters, mask.nativeObj)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * @param maxIters The maximum number of robust method iterations. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp, int method, double prob, double threshold, int maxIters) { - return new Mat(findEssentialMat_7(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y, method, prob, threshold, maxIters)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp, int method, double prob, double threshold) { - return new Mat(findEssentialMat_8(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y, method, prob, threshold)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp, int method, double prob) { - return new Mat(findEssentialMat_9(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y, method, prob)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param method Method for computing a fundamental matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp, int method) { - return new Mat(findEssentialMat_10(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y, method)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal, Point pp) { - return new Mat(findEssentialMat_11(points1.nativeObj, points2.nativeObj, focal, pp.x, pp.y)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param focal focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, double focal) { - return new Mat(findEssentialMat_12(points1.nativeObj, points2.nativeObj, focal)); - } - - /** - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * are feature points from cameras with same focal length and principal point. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * confidence (probability) that the estimated matrix is correct. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2) { - return new Mat(findEssentialMat_13(points1.nativeObj, points2.nativeObj)); - } - - - // - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method = RANSAC, double prob = 0.999, double threshold = 1.0, Mat& mask = Mat()) - // - - /** - * Calculates an essential matrix from the corresponding points in two images from potentially two different cameras. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix1 Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param cameraMatrix2 Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs1 Input vector of distortion coefficients for the first camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param distCoeffs2 Input vector of distortion coefficients for the second camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param mask Output array of N elements, every element of which is set to 0 for outliers and to 1 - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method, double prob, double threshold, Mat mask) { - return new Mat(findEssentialMat_14(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, method, prob, threshold, mask.nativeObj)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images from potentially two different cameras. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix1 Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param cameraMatrix2 Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs1 Input vector of distortion coefficients for the first camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param distCoeffs2 Input vector of distortion coefficients for the second camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method, double prob, double threshold) { - return new Mat(findEssentialMat_15(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, method, prob, threshold)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images from potentially two different cameras. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix1 Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param cameraMatrix2 Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs1 Input vector of distortion coefficients for the first camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param distCoeffs2 Input vector of distortion coefficients for the second camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method, double prob) { - return new Mat(findEssentialMat_16(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, method, prob)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images from potentially two different cameras. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix1 Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param cameraMatrix2 Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs1 Input vector of distortion coefficients for the first camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param distCoeffs2 Input vector of distortion coefficients for the second camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method) { - return new Mat(findEssentialMat_17(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, method)); - } - - /** - * Calculates an essential matrix from the corresponding points in two images from potentially two different cameras. - * - * @param points1 Array of N (N >= 5) 2D points from the first image. The point coordinates should - * be floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix1 Camera matrix for the first camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param cameraMatrix2 Camera matrix for the second camera \(K = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs1 Input vector of distortion coefficients for the first camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param distCoeffs2 Input vector of distortion coefficients for the second camera - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * for the other points. The array is computed only in the RANSAC and LMedS methods. - * - * This function estimates essential matrix based on the five-point algorithm solver in CITE: Nister03 . - * CITE: SteweniusCFS is also a related. The epipolar geometry is described by the following equation: - * - * \([p_2; 1]^T K^{-T} E K^{-1} [p_1; 1] = 0\) - * - * where \(E\) is an essential matrix, \(p_1\) and \(p_2\) are corresponding points in the first and the - * second images, respectively. The result of this function may be passed further to - * #decomposeEssentialMat or #recoverPose to recover the relative pose between cameras. - * @return automatically generated - */ - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2) { - return new Mat(findEssentialMat_18(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj)); - } - - - // - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat cameraMatrix2, Mat dist_coeff1, Mat dist_coeff2, Mat& mask, UsacParams params) - // - - public static Mat findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat cameraMatrix2, Mat dist_coeff1, Mat dist_coeff2, Mat mask, UsacParams params) { - return new Mat(findEssentialMat_19(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, cameraMatrix2.nativeObj, dist_coeff1.nativeObj, dist_coeff2.nativeObj, mask.nativeObj, params.getNativeObjAddr())); - } - - - // - // C++: void cv::decomposeEssentialMat(Mat E, Mat& R1, Mat& R2, Mat& t) - // - - /** - * Decompose an essential matrix to possible rotations and translation. - * - * @param E The input essential matrix. - * @param R1 One possible rotation matrix. - * @param R2 Another possible rotation matrix. - * @param t One possible translation. - * - * This function decomposes the essential matrix E using svd decomposition CITE: HartleyZ00. In - * general, four possible poses exist for the decomposition of E. They are \([R_1, t]\), - * \([R_1, -t]\), \([R_2, t]\), \([R_2, -t]\). - * - * If E gives the epipolar constraint \([p_2; 1]^T A^{-T} E A^{-1} [p_1; 1] = 0\) between the image - * points \(p_1\) in the first image and \(p_2\) in second image, then any of the tuples - * \([R_1, t]\), \([R_1, -t]\), \([R_2, t]\), \([R_2, -t]\) is a change of basis from the first - * camera's coordinate system to the second camera's coordinate system. However, by decomposing E, one - * can only get the direction of the translation. For this reason, the translation t is returned with - * unit length. - */ - public static void decomposeEssentialMat(Mat E, Mat R1, Mat R2, Mat t) { - decomposeEssentialMat_0(E.nativeObj, R1.nativeObj, R2.nativeObj, t.nativeObj); - } - - - // - // C++: int cv::recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat& E, Mat& R, Mat& t, int method = cv::RANSAC, double prob = 0.999, double threshold = 1.0, Mat& mask = Mat()) - // - - /** - * Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - * inliers that pass the check. - * - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix1 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs2 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param E The output essential matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * @param mask Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - * inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the cheirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing cheirality check. The cheirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for findEssentialMat.: - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - * Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - * - * // Output: Essential matrix, relative rotation and relative translation. - * Mat E, R, t, mask; - * - * recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat E, Mat R, Mat t, int method, double prob, double threshold, Mat mask) { - return recoverPose_0(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, E.nativeObj, R.nativeObj, t.nativeObj, method, prob, threshold, mask.nativeObj); - } - - /** - * Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - * inliers that pass the check. - * - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix1 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs2 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param E The output essential matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * @param threshold Parameter used for RANSAC. It is the maximum distance from a point to an epipolar - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the cheirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing cheirality check. The cheirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for findEssentialMat.: - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - * Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - * - * // Output: Essential matrix, relative rotation and relative translation. - * Mat E, R, t, mask; - * - * recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat E, Mat R, Mat t, int method, double prob, double threshold) { - return recoverPose_1(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, E.nativeObj, R.nativeObj, t.nativeObj, method, prob, threshold); - } - - /** - * Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - * inliers that pass the check. - * - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix1 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs2 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param E The output essential matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * @param prob Parameter used for the RANSAC or LMedS methods only. It specifies a desirable level of - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the cheirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing cheirality check. The cheirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for findEssentialMat.: - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - * Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - * - * // Output: Essential matrix, relative rotation and relative translation. - * Mat E, R, t, mask; - * - * recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat E, Mat R, Mat t, int method, double prob) { - return recoverPose_2(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, E.nativeObj, R.nativeObj, t.nativeObj, method, prob); - } - - /** - * Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - * inliers that pass the check. - * - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix1 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs2 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param E The output essential matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param method Method for computing an essential matrix. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the cheirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing cheirality check. The cheirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for findEssentialMat.: - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - * Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - * - * // Output: Essential matrix, relative rotation and relative translation. - * Mat E, R, t, mask; - * - * recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat E, Mat R, Mat t, int method) { - return recoverPose_3(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, E.nativeObj, R.nativeObj, t.nativeObj, method); - } - - /** - * Recovers the relative camera rotation and the translation from corresponding points in two images from two different cameras, using cheirality check. Returns the number of - * inliers that pass the check. - * - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix1 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs1 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param cameraMatrix2 Input/output camera matrix for the first camera, the same as in - * REF: calibrateCamera. Furthermore, for the stereo case, additional flags may be used, see below. - * @param distCoeffs2 Input/output vector of distortion coefficients, the same as in - * REF: calibrateCamera. - * @param E The output essential matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - *
      - *
    • - * REF: RANSAC for the RANSAC algorithm. - *
      • - *
    • - * REF: LMEDS for the LMedS algorithm. - *
      • - *
    - * confidence (probability) that the estimated matrix is correct. - * line in pixels, beyond which the point is considered an outlier and is not used for computing the - * final fundamental matrix. It can be set to something like 1-3, depending on the accuracy of the - * point localization, image resolution, and the image noise. - * inliers in points1 and points2 for then given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the cheirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing cheirality check. The cheirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for findEssentialMat.: - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // Input: camera calibration of both cameras, for example using intrinsic chessboard calibration. - * Mat cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2; - * - * // Output: Essential matrix, relative rotation and relative translation. - * Mat E, R, t, mask; - * - * recoverPose(points1, points2, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, E, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat E, Mat R, Mat t) { - return recoverPose_4(points1.nativeObj, points2.nativeObj, cameraMatrix1.nativeObj, distCoeffs1.nativeObj, cameraMatrix2.nativeObj, distCoeffs2.nativeObj, E.nativeObj, R.nativeObj, t.nativeObj); - } - - - // - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat& R, Mat& t, Mat& mask = Mat()) - // - - /** - * Recovers the relative camera rotation and the translation from an estimated essential - * matrix and the corresponding points in two images, using chirality check. Returns the number of - * inliers that pass the check. - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param mask Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing chirality check. The chirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for #findEssentialMat : - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // cametra matrix with both focal lengths = 1, and principal point = (0, 0) - * Mat cameraMatrix = Mat::eye(3, 3, CV_64F); - * - * Mat E, R, t, mask; - * - * E = findEssentialMat(points1, points2, cameraMatrix, RANSAC, 0.999, 1.0, mask); - * recoverPose(E, points1, points2, cameraMatrix, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat R, Mat t, Mat mask) { - return recoverPose_5(E.nativeObj, points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, R.nativeObj, t.nativeObj, mask.nativeObj); - } - - /** - * Recovers the relative camera rotation and the translation from an estimated essential - * matrix and the corresponding points in two images, using chirality check. Returns the number of - * inliers that pass the check. - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * described below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function decomposes an essential matrix using REF: decomposeEssentialMat and then verifies - * possible pose hypotheses by doing chirality check. The chirality check means that the - * triangulated 3D points should have positive depth. Some details can be found in CITE: Nister03. - * - * This function can be used to process the output E and mask from REF: findEssentialMat. In this - * scenario, points1 and points2 are the same input for #findEssentialMat : - * - * // Example. Estimation of fundamental matrix using the RANSAC algorithm - * int point_count = 100; - * vector<Point2f> points1(point_count); - * vector<Point2f> points2(point_count); - * - * // initialize the points here ... - * for( int i = 0; i < point_count; i++ ) - * { - * points1[i] = ...; - * points2[i] = ...; - * } - * - * // cametra matrix with both focal lengths = 1, and principal point = (0, 0) - * Mat cameraMatrix = Mat::eye(3, 3, CV_64F); - * - * Mat E, R, t, mask; - * - * E = findEssentialMat(points1, points2, cameraMatrix, RANSAC, 0.999, 1.0, mask); - * recoverPose(E, points1, points2, cameraMatrix, R, t, mask); - * - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat R, Mat t) { - return recoverPose_6(E.nativeObj, points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, R.nativeObj, t.nativeObj); - } - - - // - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat& R, Mat& t, double focal = 1.0, Point2d pp = Point2d(0, 0), Mat& mask = Mat()) - // - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param focal Focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * @param mask Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat R, Mat t, double focal, Point pp, Mat mask) { - return recoverPose_7(E.nativeObj, points1.nativeObj, points2.nativeObj, R.nativeObj, t.nativeObj, focal, pp.x, pp.y, mask.nativeObj); - } - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param focal Focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * @param pp principal point of the camera. - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat R, Mat t, double focal, Point pp) { - return recoverPose_8(E.nativeObj, points1.nativeObj, points2.nativeObj, R.nativeObj, t.nativeObj, focal, pp.x, pp.y); - } - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param focal Focal length of the camera. Note that this function assumes that points1 and points2 - * are feature points from cameras with same focal length and principal point. - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat R, Mat t, double focal) { - return recoverPose_9(E.nativeObj, points1.nativeObj, points2.nativeObj, R.nativeObj, t.nativeObj, focal); - } - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1 . - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * are feature points from cameras with same focal length and principal point. - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it computes camera intrinsic matrix from focal length and - * principal point: - * - * \(A = - * \begin{bmatrix} - * f & 0 & x_{pp} \\ - * 0 & f & y_{pp} \\ - * 0 & 0 & 1 - * \end{bmatrix}\) - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat R, Mat t) { - return recoverPose_10(E.nativeObj, points1.nativeObj, points2.nativeObj, R.nativeObj, t.nativeObj); - } - - - // - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat& R, Mat& t, double distanceThresh, Mat& mask = Mat(), Mat& triangulatedPoints = Mat()) - // - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param distanceThresh threshold distance which is used to filter out far away points (i.e. infinite - * points). - * @param mask Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * @param triangulatedPoints 3D points which were reconstructed by triangulation. - * - * This function differs from the one above that it outputs the triangulated 3D point that are used for - * the chirality check. - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat R, Mat t, double distanceThresh, Mat mask, Mat triangulatedPoints) { - return recoverPose_11(E.nativeObj, points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, R.nativeObj, t.nativeObj, distanceThresh, mask.nativeObj, triangulatedPoints.nativeObj); - } - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param distanceThresh threshold distance which is used to filter out far away points (i.e. infinite - * points). - * @param mask Input/output mask for inliers in points1 and points2. If it is not empty, then it marks - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it outputs the triangulated 3D point that are used for - * the chirality check. - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat R, Mat t, double distanceThresh, Mat mask) { - return recoverPose_12(E.nativeObj, points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, R.nativeObj, t.nativeObj, distanceThresh, mask.nativeObj); - } - - /** - * - * @param E The input essential matrix. - * @param points1 Array of N 2D points from the first image. The point coordinates should be - * floating-point (single or double precision). - * @param points2 Array of the second image points of the same size and format as points1. - * @param cameraMatrix Camera intrinsic matrix \(\cameramatrix{A}\) . - * Note that this function assumes that points1 and points2 are feature points from cameras with the - * same camera intrinsic matrix. - * @param R Output rotation matrix. Together with the translation vector, this matrix makes up a tuple - * that performs a change of basis from the first camera's coordinate system to the second camera's - * coordinate system. Note that, in general, t can not be used for this tuple, see the parameter - * description below. - * @param t Output translation vector. This vector is obtained by REF: decomposeEssentialMat and - * therefore is only known up to scale, i.e. t is the direction of the translation vector and has unit - * length. - * @param distanceThresh threshold distance which is used to filter out far away points (i.e. infinite - * points). - * inliers in points1 and points2 for the given essential matrix E. Only these inliers will be used to - * recover pose. In the output mask only inliers which pass the chirality check. - * - * This function differs from the one above that it outputs the triangulated 3D point that are used for - * the chirality check. - * @return automatically generated - */ - public static int recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat R, Mat t, double distanceThresh) { - return recoverPose_13(E.nativeObj, points1.nativeObj, points2.nativeObj, cameraMatrix.nativeObj, R.nativeObj, t.nativeObj, distanceThresh); - } - - - // - // C++: void cv::computeCorrespondEpilines(Mat points, int whichImage, Mat F, Mat& lines) - // - - /** - * For points in an image of a stereo pair, computes the corresponding epilines in the other image. - * - * @param points Input points. \(N \times 1\) or \(1 \times N\) matrix of type CV_32FC2 or - * vector<Point2f> . - * @param whichImage Index of the image (1 or 2) that contains the points . - * @param F Fundamental matrix that can be estimated using #findFundamentalMat or #stereoRectify . - * @param lines Output vector of the epipolar lines corresponding to the points in the other image. - * Each line \(ax + by + c=0\) is encoded by 3 numbers \((a, b, c)\) . - * - * For every point in one of the two images of a stereo pair, the function finds the equation of the - * corresponding epipolar line in the other image. - * - * From the fundamental matrix definition (see #findFundamentalMat ), line \(l^{(2)}_i\) in the second - * image for the point \(p^{(1)}_i\) in the first image (when whichImage=1 ) is computed as: - * - * \(l^{(2)}_i = F p^{(1)}_i\) - * - * And vice versa, when whichImage=2, \(l^{(1)}_i\) is computed from \(p^{(2)}_i\) as: - * - * \(l^{(1)}_i = F^T p^{(2)}_i\) - * - * Line coefficients are defined up to a scale. They are normalized so that \(a_i^2+b_i^2=1\) . - */ - public static void computeCorrespondEpilines(Mat points, int whichImage, Mat F, Mat lines) { - computeCorrespondEpilines_0(points.nativeObj, whichImage, F.nativeObj, lines.nativeObj); - } - - - // - // C++: void cv::triangulatePoints(Mat projMatr1, Mat projMatr2, Mat projPoints1, Mat projPoints2, Mat& points4D) - // - - /** - * This function reconstructs 3-dimensional points (in homogeneous coordinates) by using - * their observations with a stereo camera. - * - * @param projMatr1 3x4 projection matrix of the first camera, i.e. this matrix projects 3D points - * given in the world's coordinate system into the first image. - * @param projMatr2 3x4 projection matrix of the second camera, i.e. this matrix projects 3D points - * given in the world's coordinate system into the second image. - * @param projPoints1 2xN array of feature points in the first image. In the case of the c++ version, - * it can be also a vector of feature points or two-channel matrix of size 1xN or Nx1. - * @param projPoints2 2xN array of corresponding points in the second image. In the case of the c++ - * version, it can be also a vector of feature points or two-channel matrix of size 1xN or Nx1. - * @param points4D 4xN array of reconstructed points in homogeneous coordinates. These points are - * returned in the world's coordinate system. - * - * Note: - * Keep in mind that all input data should be of float type in order for this function to work. - * - * Note: - * If the projection matrices from REF: stereoRectify are used, then the returned points are - * represented in the first camera's rectified coordinate system. - * - * SEE: - * reprojectImageTo3D - */ - public static void triangulatePoints(Mat projMatr1, Mat projMatr2, Mat projPoints1, Mat projPoints2, Mat points4D) { - triangulatePoints_0(projMatr1.nativeObj, projMatr2.nativeObj, projPoints1.nativeObj, projPoints2.nativeObj, points4D.nativeObj); - } - - - // - // C++: void cv::correctMatches(Mat F, Mat points1, Mat points2, Mat& newPoints1, Mat& newPoints2) - // - - /** - * Refines coordinates of corresponding points. - * - * @param F 3x3 fundamental matrix. - * @param points1 1xN array containing the first set of points. - * @param points2 1xN array containing the second set of points. - * @param newPoints1 The optimized points1. - * @param newPoints2 The optimized points2. - * - * The function implements the Optimal Triangulation Method (see Multiple View Geometry CITE: HartleyZ00 for details). - * For each given point correspondence points1[i] <-> points2[i], and a fundamental matrix F, it - * computes the corrected correspondences newPoints1[i] <-> newPoints2[i] that minimize the geometric - * error \(d(points1[i], newPoints1[i])^2 + d(points2[i],newPoints2[i])^2\) (where \(d(a,b)\) is the - * geometric distance between points \(a\) and \(b\) ) subject to the epipolar constraint - * \(newPoints2^T \cdot F \cdot newPoints1 = 0\) . - */ - public static void correctMatches(Mat F, Mat points1, Mat points2, Mat newPoints1, Mat newPoints2) { - correctMatches_0(F.nativeObj, points1.nativeObj, points2.nativeObj, newPoints1.nativeObj, newPoints2.nativeObj); - } - - - // - // C++: void cv::filterSpeckles(Mat& img, double newVal, int maxSpeckleSize, double maxDiff, Mat& buf = Mat()) - // - - /** - * Filters off small noise blobs (speckles) in the disparity map - * - * @param img The input 16-bit signed disparity image - * @param newVal The disparity value used to paint-off the speckles - * @param maxSpeckleSize The maximum speckle size to consider it a speckle. Larger blobs are not - * affected by the algorithm - * @param maxDiff Maximum difference between neighbor disparity pixels to put them into the same - * blob. Note that since StereoBM, StereoSGBM and may be other algorithms return a fixed-point - * disparity map, where disparity values are multiplied by 16, this scale factor should be taken into - * account when specifying this parameter value. - * @param buf The optional temporary buffer to avoid memory allocation within the function. - */ - public static void filterSpeckles(Mat img, double newVal, int maxSpeckleSize, double maxDiff, Mat buf) { - filterSpeckles_0(img.nativeObj, newVal, maxSpeckleSize, maxDiff, buf.nativeObj); - } - - /** - * Filters off small noise blobs (speckles) in the disparity map - * - * @param img The input 16-bit signed disparity image - * @param newVal The disparity value used to paint-off the speckles - * @param maxSpeckleSize The maximum speckle size to consider it a speckle. Larger blobs are not - * affected by the algorithm - * @param maxDiff Maximum difference between neighbor disparity pixels to put them into the same - * blob. Note that since StereoBM, StereoSGBM and may be other algorithms return a fixed-point - * disparity map, where disparity values are multiplied by 16, this scale factor should be taken into - * account when specifying this parameter value. - */ - public static void filterSpeckles(Mat img, double newVal, int maxSpeckleSize, double maxDiff) { - filterSpeckles_1(img.nativeObj, newVal, maxSpeckleSize, maxDiff); - } - - - // - // C++: Rect cv::getValidDisparityROI(Rect roi1, Rect roi2, int minDisparity, int numberOfDisparities, int blockSize) - // - - public static Rect getValidDisparityROI(Rect roi1, Rect roi2, int minDisparity, int numberOfDisparities, int blockSize) { - return new Rect(getValidDisparityROI_0(roi1.x, roi1.y, roi1.width, roi1.height, roi2.x, roi2.y, roi2.width, roi2.height, minDisparity, numberOfDisparities, blockSize)); - } - - - // - // C++: void cv::validateDisparity(Mat& disparity, Mat cost, int minDisparity, int numberOfDisparities, int disp12MaxDisp = 1) - // - - public static void validateDisparity(Mat disparity, Mat cost, int minDisparity, int numberOfDisparities, int disp12MaxDisp) { - validateDisparity_0(disparity.nativeObj, cost.nativeObj, minDisparity, numberOfDisparities, disp12MaxDisp); - } - - public static void validateDisparity(Mat disparity, Mat cost, int minDisparity, int numberOfDisparities) { - validateDisparity_1(disparity.nativeObj, cost.nativeObj, minDisparity, numberOfDisparities); - } - - - // - // C++: void cv::reprojectImageTo3D(Mat disparity, Mat& _3dImage, Mat Q, bool handleMissingValues = false, int ddepth = -1) - // - - /** - * Reprojects a disparity image to 3D space. - * - * @param disparity Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - * floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - * fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - * REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - * being used here. - * @param _3dImage Output 3-channel floating-point image of the same size as disparity. Each element of - * _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - * uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - * camera's rectified coordinate system. - * @param Q \(4 \times 4\) perspective transformation matrix that can be obtained with - * REF: stereoRectify. - * @param handleMissingValues Indicates, whether the function should handle missing values (i.e. - * points where the disparity was not computed). If handleMissingValues=true, then pixels with the - * minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - * to 3D points with a very large Z value (currently set to 10000). - * @param ddepth The optional output array depth. If it is -1, the output image will have CV_32F - * depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - * - * The function transforms a single-channel disparity map to a 3-channel image representing a 3D - * surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - * computes: - * - * \(\begin{bmatrix} - * X \\ - * Y \\ - * Z \\ - * W - * \end{bmatrix} = Q \begin{bmatrix} - * x \\ - * y \\ - * \texttt{disparity} (x,y) \\ - * 1 - * \end{bmatrix}.\) - * - * SEE: - * To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform. - */ - public static void reprojectImageTo3D(Mat disparity, Mat _3dImage, Mat Q, boolean handleMissingValues, int ddepth) { - reprojectImageTo3D_0(disparity.nativeObj, _3dImage.nativeObj, Q.nativeObj, handleMissingValues, ddepth); - } - - /** - * Reprojects a disparity image to 3D space. - * - * @param disparity Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - * floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - * fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - * REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - * being used here. - * @param _3dImage Output 3-channel floating-point image of the same size as disparity. Each element of - * _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - * uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - * camera's rectified coordinate system. - * @param Q \(4 \times 4\) perspective transformation matrix that can be obtained with - * REF: stereoRectify. - * @param handleMissingValues Indicates, whether the function should handle missing values (i.e. - * points where the disparity was not computed). If handleMissingValues=true, then pixels with the - * minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - * to 3D points with a very large Z value (currently set to 10000). - * depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - * - * The function transforms a single-channel disparity map to a 3-channel image representing a 3D - * surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - * computes: - * - * \(\begin{bmatrix} - * X \\ - * Y \\ - * Z \\ - * W - * \end{bmatrix} = Q \begin{bmatrix} - * x \\ - * y \\ - * \texttt{disparity} (x,y) \\ - * 1 - * \end{bmatrix}.\) - * - * SEE: - * To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform. - */ - public static void reprojectImageTo3D(Mat disparity, Mat _3dImage, Mat Q, boolean handleMissingValues) { - reprojectImageTo3D_1(disparity.nativeObj, _3dImage.nativeObj, Q.nativeObj, handleMissingValues); - } - - /** - * Reprojects a disparity image to 3D space. - * - * @param disparity Input single-channel 8-bit unsigned, 16-bit signed, 32-bit signed or 32-bit - * floating-point disparity image. The values of 8-bit / 16-bit signed formats are assumed to have no - * fractional bits. If the disparity is 16-bit signed format, as computed by REF: StereoBM or - * REF: StereoSGBM and maybe other algorithms, it should be divided by 16 (and scaled to float) before - * being used here. - * @param _3dImage Output 3-channel floating-point image of the same size as disparity. Each element of - * _3dImage(x,y) contains 3D coordinates of the point (x,y) computed from the disparity map. If one - * uses Q obtained by REF: stereoRectify, then the returned points are represented in the first - * camera's rectified coordinate system. - * @param Q \(4 \times 4\) perspective transformation matrix that can be obtained with - * REF: stereoRectify. - * points where the disparity was not computed). If handleMissingValues=true, then pixels with the - * minimal disparity that corresponds to the outliers (see StereoMatcher::compute ) are transformed - * to 3D points with a very large Z value (currently set to 10000). - * depth. ddepth can also be set to CV_16S, CV_32S or CV_32F. - * - * The function transforms a single-channel disparity map to a 3-channel image representing a 3D - * surface. That is, for each pixel (x,y) and the corresponding disparity d=disparity(x,y) , it - * computes: - * - * \(\begin{bmatrix} - * X \\ - * Y \\ - * Z \\ - * W - * \end{bmatrix} = Q \begin{bmatrix} - * x \\ - * y \\ - * \texttt{disparity} (x,y) \\ - * 1 - * \end{bmatrix}.\) - * - * SEE: - * To reproject a sparse set of points {(x,y,d),...} to 3D space, use perspectiveTransform. - */ - public static void reprojectImageTo3D(Mat disparity, Mat _3dImage, Mat Q) { - reprojectImageTo3D_2(disparity.nativeObj, _3dImage.nativeObj, Q.nativeObj); - } - - - // - // C++: double cv::sampsonDistance(Mat pt1, Mat pt2, Mat F) - // - - /** - * Calculates the Sampson Distance between two points. - * - * The function cv::sampsonDistance calculates and returns the first order approximation of the geometric error as: - * \( - * sd( \texttt{pt1} , \texttt{pt2} )= - * \frac{(\texttt{pt2}^t \cdot \texttt{F} \cdot \texttt{pt1})^2} - * {((\texttt{F} \cdot \texttt{pt1})(0))^2 + - * ((\texttt{F} \cdot \texttt{pt1})(1))^2 + - * ((\texttt{F}^t \cdot \texttt{pt2})(0))^2 + - * ((\texttt{F}^t \cdot \texttt{pt2})(1))^2} - * \) - * The fundamental matrix may be calculated using the #findFundamentalMat function. See CITE: HartleyZ00 11.4.3 for details. - * @param pt1 first homogeneous 2d point - * @param pt2 second homogeneous 2d point - * @param F fundamental matrix - * @return The computed Sampson distance. - */ - public static double sampsonDistance(Mat pt1, Mat pt2, Mat F) { - return sampsonDistance_0(pt1.nativeObj, pt2.nativeObj, F.nativeObj); - } - - - // - // C++: int cv::estimateAffine3D(Mat src, Mat dst, Mat& out, Mat& inliers, double ransacThreshold = 3, double confidence = 0.99) - // - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13}\\ - * a_{21} & a_{22} & a_{23}\\ - * a_{31} & a_{32} & a_{33}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D affine transformation matrix \(3 \times 4\) of the form - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13} & b_1\\ - * a_{21} & a_{22} & a_{23} & b_2\\ - * a_{31} & a_{32} & a_{33} & b_3\\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param ransacThreshold Maximum reprojection error in the RANSAC algorithm to consider a point as - * an inlier. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D affine transformation between two 3D point sets using the - * RANSAC algorithm. - * @return automatically generated - */ - public static int estimateAffine3D(Mat src, Mat dst, Mat out, Mat inliers, double ransacThreshold, double confidence) { - return estimateAffine3D_0(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj, ransacThreshold, confidence); - } - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13}\\ - * a_{21} & a_{22} & a_{23}\\ - * a_{31} & a_{32} & a_{33}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D affine transformation matrix \(3 \times 4\) of the form - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13} & b_1\\ - * a_{21} & a_{22} & a_{23} & b_2\\ - * a_{31} & a_{32} & a_{33} & b_3\\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param ransacThreshold Maximum reprojection error in the RANSAC algorithm to consider a point as - * an inlier. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D affine transformation between two 3D point sets using the - * RANSAC algorithm. - * @return automatically generated - */ - public static int estimateAffine3D(Mat src, Mat dst, Mat out, Mat inliers, double ransacThreshold) { - return estimateAffine3D_1(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj, ransacThreshold); - } - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13}\\ - * a_{21} & a_{22} & a_{23}\\ - * a_{31} & a_{32} & a_{33}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D affine transformation matrix \(3 \times 4\) of the form - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & a_{13} & b_1\\ - * a_{21} & a_{22} & a_{23} & b_2\\ - * a_{31} & a_{32} & a_{33} & b_3\\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * an inlier. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D affine transformation between two 3D point sets using the - * RANSAC algorithm. - * @return automatically generated - */ - public static int estimateAffine3D(Mat src, Mat dst, Mat out, Mat inliers) { - return estimateAffine3D_2(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj); - } - - - // - // C++: Mat cv::estimateAffine3D(Mat src, Mat dst, double* scale = nullptr, bool force_rotation = true) - // - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - * where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - * scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - * The estimated affine transform has a homogeneous scale which is a subclass of affine - * transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - * points each. - * - * @param src First input 3D point set. - * @param dst Second input 3D point set. - * @param scale If null is passed, the scale parameter c will be assumed to be 1.0. - * Else the pointed-to variable will be set to the optimal scale. - * @param force_rotation If true, the returned rotation will never be a reflection. - * This might be unwanted, e.g. when optimizing a transform between a right- and a - * left-handed coordinate system. - * @return 3D affine transformation matrix \(3 \times 4\) of the form - * \(T = - * \begin{bmatrix} - * R & t\\ - * \end{bmatrix} - * \) - */ - public static Mat estimateAffine3D(Mat src, Mat dst, double[] scale, boolean force_rotation) { - double[] scale_out = new double[1]; - Mat retVal = new Mat(estimateAffine3D_3(src.nativeObj, dst.nativeObj, scale_out, force_rotation)); - if(scale!=null) scale[0] = (double)scale_out[0]; - return retVal; - } - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - * where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - * scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - * The estimated affine transform has a homogeneous scale which is a subclass of affine - * transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - * points each. - * - * @param src First input 3D point set. - * @param dst Second input 3D point set. - * @param scale If null is passed, the scale parameter c will be assumed to be 1.0. - * Else the pointed-to variable will be set to the optimal scale. - * This might be unwanted, e.g. when optimizing a transform between a right- and a - * left-handed coordinate system. - * @return 3D affine transformation matrix \(3 \times 4\) of the form - * \(T = - * \begin{bmatrix} - * R & t\\ - * \end{bmatrix} - * \) - */ - public static Mat estimateAffine3D(Mat src, Mat dst, double[] scale) { - double[] scale_out = new double[1]; - Mat retVal = new Mat(estimateAffine3D_4(src.nativeObj, dst.nativeObj, scale_out)); - if(scale!=null) scale[0] = (double)scale_out[0]; - return retVal; - } - - /** - * Computes an optimal affine transformation between two 3D point sets. - * - * It computes \(R,s,t\) minimizing \(\sum{i} dst_i - c \cdot R \cdot src_i \) - * where \(R\) is a 3x3 rotation matrix, \(t\) is a 3x1 translation vector and \(s\) is a - * scalar size value. This is an implementation of the algorithm by Umeyama \cite umeyama1991least . - * The estimated affine transform has a homogeneous scale which is a subclass of affine - * transformations with 7 degrees of freedom. The paired point sets need to comprise at least 3 - * points each. - * - * @param src First input 3D point set. - * @param dst Second input 3D point set. - * Else the pointed-to variable will be set to the optimal scale. - * This might be unwanted, e.g. when optimizing a transform between a right- and a - * left-handed coordinate system. - * @return 3D affine transformation matrix \(3 \times 4\) of the form - * \(T = - * \begin{bmatrix} - * R & t\\ - * \end{bmatrix} - * \) - */ - public static Mat estimateAffine3D(Mat src, Mat dst) { - return new Mat(estimateAffine3D_5(src.nativeObj, dst.nativeObj)); - } - - - // - // C++: int cv::estimateTranslation3D(Mat src, Mat dst, Mat& out, Mat& inliers, double ransacThreshold = 3, double confidence = 0.99) - // - - /** - * Computes an optimal translation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D translation vector \(3 \times 1\) of the form - * \( - * \begin{bmatrix} - * b_1 \\ - * b_2 \\ - * b_3 \\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param ransacThreshold Maximum reprojection error in the RANSAC algorithm to consider a point as - * an inlier. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D translation between two 3D point sets using the - * RANSAC algorithm. - * - * @return automatically generated - */ - public static int estimateTranslation3D(Mat src, Mat dst, Mat out, Mat inliers, double ransacThreshold, double confidence) { - return estimateTranslation3D_0(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj, ransacThreshold, confidence); - } - - /** - * Computes an optimal translation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D translation vector \(3 \times 1\) of the form - * \( - * \begin{bmatrix} - * b_1 \\ - * b_2 \\ - * b_3 \\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param ransacThreshold Maximum reprojection error in the RANSAC algorithm to consider a point as - * an inlier. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D translation between two 3D point sets using the - * RANSAC algorithm. - * - * @return automatically generated - */ - public static int estimateTranslation3D(Mat src, Mat dst, Mat out, Mat inliers, double ransacThreshold) { - return estimateTranslation3D_1(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj, ransacThreshold); - } - - /** - * Computes an optimal translation between two 3D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * z\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * X\\ - * Y\\ - * Z\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * b_3\\ - * \end{bmatrix} - * \) - * - * @param src First input 3D point set containing \((X,Y,Z)\). - * @param dst Second input 3D point set containing \((x,y,z)\). - * @param out Output 3D translation vector \(3 \times 1\) of the form - * \( - * \begin{bmatrix} - * b_1 \\ - * b_2 \\ - * b_3 \\ - * \end{bmatrix} - * \) - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * an inlier. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * - * The function estimates an optimal 3D translation between two 3D point sets using the - * RANSAC algorithm. - * - * @return automatically generated - */ - public static int estimateTranslation3D(Mat src, Mat dst, Mat out, Mat inliers) { - return estimateTranslation3D_2(src.nativeObj, dst.nativeObj, out.nativeObj, inliers.nativeObj); - } - - - // - // C++: Mat cv::estimateAffine2D(Mat from, Mat to, Mat& inliers = Mat(), int method = RANSAC, double ransacReprojThreshold = 3, size_t maxIters = 2000, double confidence = 0.99, size_t refineIters = 10) - // - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * @param refineIters Maximum number of iterations of refining algorithm (Levenberg-Marquardt). - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters, double confidence, long refineIters) { - return new Mat(estimateAffine2D_0(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters, confidence, refineIters)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters, double confidence) { - return new Mat(estimateAffine2D_1(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters, confidence)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters) { - return new Mat(estimateAffine2D_2(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold) { - return new Mat(estimateAffine2D_3(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers, int method) { - return new Mat(estimateAffine2D_4(from.nativeObj, to.nativeObj, inliers.nativeObj, method)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - * @param inliers Output vector indicating which points are inliers (1-inlier, 0-outlier). - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to, Mat inliers) { - return new Mat(estimateAffine2D_5(from.nativeObj, to.nativeObj, inliers.nativeObj)); - } - - /** - * Computes an optimal affine transformation between two 2D point sets. - * - * It computes - * \( - * \begin{bmatrix} - * x\\ - * y\\ - * \end{bmatrix} - * = - * \begin{bmatrix} - * a_{11} & a_{12}\\ - * a_{21} & a_{22}\\ - * \end{bmatrix} - * \begin{bmatrix} - * X\\ - * Y\\ - * \end{bmatrix} - * + - * \begin{bmatrix} - * b_1\\ - * b_2\\ - * \end{bmatrix} - * \) - * - * @param from First input 2D point set containing \((X,Y)\). - * @param to Second input 2D point set containing \((x,y)\). - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation matrix \(2 \times 3\) or empty matrix if transformation - * could not be estimated. The returned matrix has the following form: - * \( - * \begin{bmatrix} - * a_{11} & a_{12} & b_1\\ - * a_{21} & a_{22} & b_2\\ - * \end{bmatrix} - * \) - * - * The function estimates an optimal 2D affine transformation between two 2D point sets using the - * selected robust algorithm. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but needs a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffinePartial2D, getAffineTransform - */ - public static Mat estimateAffine2D(Mat from, Mat to) { - return new Mat(estimateAffine2D_6(from.nativeObj, to.nativeObj)); - } - - - // - // C++: Mat cv::estimateAffine2D(Mat pts1, Mat pts2, Mat& inliers, UsacParams params) - // - - public static Mat estimateAffine2D(Mat pts1, Mat pts2, Mat inliers, UsacParams params) { - return new Mat(estimateAffine2D_7(pts1.nativeObj, pts2.nativeObj, inliers.nativeObj, params.getNativeObjAddr())); - } - - - // - // C++: Mat cv::estimateAffinePartial2D(Mat from, Mat to, Mat& inliers = Mat(), int method = RANSAC, double ransacReprojThreshold = 3, size_t maxIters = 2000, double confidence = 0.99, size_t refineIters = 10) - // - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * @param refineIters Maximum number of iterations of refining algorithm (Levenberg-Marquardt). - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters, double confidence, long refineIters) { - return new Mat(estimateAffinePartial2D_0(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters, confidence, refineIters)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * @param confidence Confidence level, between 0 and 1, for the estimated transformation. Anything - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters, double confidence) { - return new Mat(estimateAffinePartial2D_1(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters, confidence)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * @param maxIters The maximum number of robust method iterations. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold, long maxIters) { - return new Mat(estimateAffinePartial2D_2(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold, maxIters)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * @param ransacReprojThreshold Maximum reprojection error in the RANSAC algorithm to consider - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers, int method, double ransacReprojThreshold) { - return new Mat(estimateAffinePartial2D_3(from.nativeObj, to.nativeObj, inliers.nativeObj, method, ransacReprojThreshold)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - * @param method Robust method used to compute transformation. The following methods are possible: - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers, int method) { - return new Mat(estimateAffinePartial2D_4(from.nativeObj, to.nativeObj, inliers.nativeObj, method)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - * @param inliers Output vector indicating which points are inliers. - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to, Mat inliers) { - return new Mat(estimateAffinePartial2D_5(from.nativeObj, to.nativeObj, inliers.nativeObj)); - } - - /** - * Computes an optimal limited affine transformation with 4 degrees of freedom between - * two 2D point sets. - * - * @param from First input 2D point set. - * @param to Second input 2D point set. - *
      - *
    • - * REF: RANSAC - RANSAC-based robust method - *
      • - *
    • - * REF: LMEDS - Least-Median robust method - * RANSAC is the default method. - *
      • - *
    - * a point as an inlier. Applies only to RANSAC. - * between 0.95 and 0.99 is usually good enough. Values too close to 1 can slow down the estimation - * significantly. Values lower than 0.8-0.9 can result in an incorrectly estimated transformation. - * Passing 0 will disable refining, so the output matrix will be output of robust method. - * - * @return Output 2D affine transformation (4 degrees of freedom) matrix \(2 \times 3\) or - * empty matrix if transformation could not be estimated. - * - * The function estimates an optimal 2D affine transformation with 4 degrees of freedom limited to - * combinations of translation, rotation, and uniform scaling. Uses the selected algorithm for robust - * estimation. - * - * The computed transformation is then refined further (using only inliers) with the - * Levenberg-Marquardt method to reduce the re-projection error even more. - * - * Estimated transformation matrix is: - * \( \begin{bmatrix} \cos(\theta) \cdot s & -\sin(\theta) \cdot s & t_x \\ - * \sin(\theta) \cdot s & \cos(\theta) \cdot s & t_y - * \end{bmatrix} \) - * Where \( \theta \) is the rotation angle, \( s \) the scaling factor and \( t_x, t_y \) are - * translations in \( x, y \) axes respectively. - * - * Note: - * The RANSAC method can handle practically any ratio of outliers but need a threshold to - * distinguish inliers from outliers. The method LMeDS does not need any threshold but it works - * correctly only when there are more than 50% of inliers. - * - * SEE: estimateAffine2D, getAffineTransform - */ - public static Mat estimateAffinePartial2D(Mat from, Mat to) { - return new Mat(estimateAffinePartial2D_6(from.nativeObj, to.nativeObj)); - } - - - // - // C++: int cv::decomposeHomographyMat(Mat H, Mat K, vector_Mat& rotations, vector_Mat& translations, vector_Mat& normals) - // - - /** - * Decompose a homography matrix to rotation(s), translation(s) and plane normal(s). - * - * @param H The input homography matrix between two images. - * @param K The input camera intrinsic matrix. - * @param rotations Array of rotation matrices. - * @param translations Array of translation matrices. - * @param normals Array of plane normal matrices. - * - * This function extracts relative camera motion between two views of a planar object and returns up to - * four mathematical solution tuples of rotation, translation, and plane normal. The decomposition of - * the homography matrix H is described in detail in CITE: Malis2007. - * - * If the homography H, induced by the plane, gives the constraint - * \(s_i \vecthree{x'_i}{y'_i}{1} \sim H \vecthree{x_i}{y_i}{1}\) on the source image points - * \(p_i\) and the destination image points \(p'_i\), then the tuple of rotations[k] and - * translations[k] is a change of basis from the source camera's coordinate system to the destination - * camera's coordinate system. However, by decomposing H, one can only get the translation normalized - * by the (typically unknown) depth of the scene, i.e. its direction but with normalized length. - * - * If point correspondences are available, at least two solutions may further be invalidated, by - * applying positive depth constraint, i.e. all points must be in front of the camera. - * @return automatically generated - */ - public static int decomposeHomographyMat(Mat H, Mat K, List rotations, List translations, List normals) { - Mat rotations_mat = new Mat(); - Mat translations_mat = new Mat(); - Mat normals_mat = new Mat(); - int retVal = decomposeHomographyMat_0(H.nativeObj, K.nativeObj, rotations_mat.nativeObj, translations_mat.nativeObj, normals_mat.nativeObj); - Converters.Mat_to_vector_Mat(rotations_mat, rotations); - rotations_mat.release(); - Converters.Mat_to_vector_Mat(translations_mat, translations); - translations_mat.release(); - Converters.Mat_to_vector_Mat(normals_mat, normals); - normals_mat.release(); - return retVal; - } - - - // - // C++: void cv::filterHomographyDecompByVisibleRefpoints(vector_Mat rotations, vector_Mat normals, Mat beforePoints, Mat afterPoints, Mat& possibleSolutions, Mat pointsMask = Mat()) - // - - /** - * Filters homography decompositions based on additional information. - * - * @param rotations Vector of rotation matrices. - * @param normals Vector of plane normal matrices. - * @param beforePoints Vector of (rectified) visible reference points before the homography is applied - * @param afterPoints Vector of (rectified) visible reference points after the homography is applied - * @param possibleSolutions Vector of int indices representing the viable solution set after filtering - * @param pointsMask optional Mat/Vector of 8u type representing the mask for the inliers as given by the #findHomography function - * - * This function is intended to filter the output of the #decomposeHomographyMat based on additional - * information as described in CITE: Malis2007 . The summary of the method: the #decomposeHomographyMat function - * returns 2 unique solutions and their "opposites" for a total of 4 solutions. If we have access to the - * sets of points visible in the camera frame before and after the homography transformation is applied, - * we can determine which are the true potential solutions and which are the opposites by verifying which - * homographies are consistent with all visible reference points being in front of the camera. The inputs - * are left unchanged; the filtered solution set is returned as indices into the existing one. - */ - public static void filterHomographyDecompByVisibleRefpoints(List rotations, List normals, Mat beforePoints, Mat afterPoints, Mat possibleSolutions, Mat pointsMask) { - Mat rotations_mat = Converters.vector_Mat_to_Mat(rotations); - Mat normals_mat = Converters.vector_Mat_to_Mat(normals); - filterHomographyDecompByVisibleRefpoints_0(rotations_mat.nativeObj, normals_mat.nativeObj, beforePoints.nativeObj, afterPoints.nativeObj, possibleSolutions.nativeObj, pointsMask.nativeObj); - } - - /** - * Filters homography decompositions based on additional information. - * - * @param rotations Vector of rotation matrices. - * @param normals Vector of plane normal matrices. - * @param beforePoints Vector of (rectified) visible reference points before the homography is applied - * @param afterPoints Vector of (rectified) visible reference points after the homography is applied - * @param possibleSolutions Vector of int indices representing the viable solution set after filtering - * - * This function is intended to filter the output of the #decomposeHomographyMat based on additional - * information as described in CITE: Malis2007 . The summary of the method: the #decomposeHomographyMat function - * returns 2 unique solutions and their "opposites" for a total of 4 solutions. If we have access to the - * sets of points visible in the camera frame before and after the homography transformation is applied, - * we can determine which are the true potential solutions and which are the opposites by verifying which - * homographies are consistent with all visible reference points being in front of the camera. The inputs - * are left unchanged; the filtered solution set is returned as indices into the existing one. - */ - public static void filterHomographyDecompByVisibleRefpoints(List rotations, List normals, Mat beforePoints, Mat afterPoints, Mat possibleSolutions) { - Mat rotations_mat = Converters.vector_Mat_to_Mat(rotations); - Mat normals_mat = Converters.vector_Mat_to_Mat(normals); - filterHomographyDecompByVisibleRefpoints_1(rotations_mat.nativeObj, normals_mat.nativeObj, beforePoints.nativeObj, afterPoints.nativeObj, possibleSolutions.nativeObj); - } - - - // - // C++: void cv::undistort(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, Mat newCameraMatrix = Mat()) - // - - /** - * Transforms an image to compensate for lens distortion. - * - * The function transforms an image to compensate radial and tangential lens distortion. - * - * The function is simply a combination of #initUndistortRectifyMap (with unity R ) and #remap - * (with bilinear interpolation). See the former function for details of the transformation being - * performed. - * - * Those pixels in the destination image, for which there is no correspondent pixels in the source - * image, are filled with zeros (black color). - * - * A particular subset of the source image that will be visible in the corrected image can be regulated - * by newCameraMatrix. You can use #getOptimalNewCameraMatrix to compute the appropriate - * newCameraMatrix depending on your requirements. - * - * The camera matrix and the distortion parameters can be determined using #calibrateCamera. If - * the resolution of images is different from the resolution used at the calibration stage, \(f_x, - * f_y, c_x\) and \(c_y\) need to be scaled accordingly, while the distortion coefficients remain - * the same. - * - * @param src Input (distorted) image. - * @param dst Output (corrected) image that has the same size and type as src . - * @param cameraMatrix Input camera matrix \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param newCameraMatrix Camera matrix of the distorted image. By default, it is the same as - * cameraMatrix but you may additionally scale and shift the result by using a different matrix. - */ - public static void undistort(Mat src, Mat dst, Mat cameraMatrix, Mat distCoeffs, Mat newCameraMatrix) { - undistort_0(src.nativeObj, dst.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, newCameraMatrix.nativeObj); - } - - /** - * Transforms an image to compensate for lens distortion. - * - * The function transforms an image to compensate radial and tangential lens distortion. - * - * The function is simply a combination of #initUndistortRectifyMap (with unity R ) and #remap - * (with bilinear interpolation). See the former function for details of the transformation being - * performed. - * - * Those pixels in the destination image, for which there is no correspondent pixels in the source - * image, are filled with zeros (black color). - * - * A particular subset of the source image that will be visible in the corrected image can be regulated - * by newCameraMatrix. You can use #getOptimalNewCameraMatrix to compute the appropriate - * newCameraMatrix depending on your requirements. - * - * The camera matrix and the distortion parameters can be determined using #calibrateCamera. If - * the resolution of images is different from the resolution used at the calibration stage, \(f_x, - * f_y, c_x\) and \(c_y\) need to be scaled accordingly, while the distortion coefficients remain - * the same. - * - * @param src Input (distorted) image. - * @param dst Output (corrected) image that has the same size and type as src . - * @param cameraMatrix Input camera matrix \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * cameraMatrix but you may additionally scale and shift the result by using a different matrix. - */ - public static void undistort(Mat src, Mat dst, Mat cameraMatrix, Mat distCoeffs) { - undistort_1(src.nativeObj, dst.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj); - } - - - // - // C++: void cv::initUndistortRectifyMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat& map1, Mat& map2) - // - - /** - * Computes the undistortion and rectification transformation map. - * - * The function computes the joint undistortion and rectification transformation and represents the - * result in the form of maps for #remap. The undistorted image looks like original, as if it is - * captured with a camera using the camera matrix =newCameraMatrix and zero distortion. In case of a - * monocular camera, newCameraMatrix is usually equal to cameraMatrix, or it can be computed by - * #getOptimalNewCameraMatrix for a better control over scaling. In case of a stereo camera, - * newCameraMatrix is normally set to P1 or P2 computed by #stereoRectify . - * - * Also, this new camera is oriented differently in the coordinate space, according to R. That, for - * example, helps to align two heads of a stereo camera so that the epipolar lines on both images - * become horizontal and have the same y- coordinate (in case of a horizontally aligned stereo camera). - * - * The function actually builds the maps for the inverse mapping algorithm that is used by #remap. That - * is, for each pixel \((u, v)\) in the destination (corrected and rectified) image, the function - * computes the corresponding coordinates in the source image (that is, in the original image from - * camera). The following process is applied: - * \( - * \begin{array}{l} - * x \leftarrow (u - {c'}_x)/{f'}_x \\ - * y \leftarrow (v - {c'}_y)/{f'}_y \\ - * {[X\,Y\,W]} ^T \leftarrow R^{-1}*[x \, y \, 1]^T \\ - * x' \leftarrow X/W \\ - * y' \leftarrow Y/W \\ - * r^2 \leftarrow x'^2 + y'^2 \\ - * x'' \leftarrow x' \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6} - * + 2p_1 x' y' + p_2(r^2 + 2 x'^2) + s_1 r^2 + s_2 r^4\\ - * y'' \leftarrow y' \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6} - * + p_1 (r^2 + 2 y'^2) + 2 p_2 x' y' + s_3 r^2 + s_4 r^4 \\ - * s\vecthree{x'''}{y'''}{1} = - * \vecthreethree{R_{33}(\tau_x, \tau_y)}{0}{-R_{13}((\tau_x, \tau_y)} - * {0}{R_{33}(\tau_x, \tau_y)}{-R_{23}(\tau_x, \tau_y)} - * {0}{0}{1} R(\tau_x, \tau_y) \vecthree{x''}{y''}{1}\\ - * map_x(u,v) \leftarrow x''' f_x + c_x \\ - * map_y(u,v) \leftarrow y''' f_y + c_y - * \end{array} - * \) - * where \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * are the distortion coefficients. - * - * In case of a stereo camera, this function is called twice: once for each camera head, after - * #stereoRectify, which in its turn is called after #stereoCalibrate. But if the stereo camera - * was not calibrated, it is still possible to compute the rectification transformations directly from - * the fundamental matrix using #stereoRectifyUncalibrated. For each camera, the function computes - * homography H as the rectification transformation in a pixel domain, not a rotation matrix R in 3D - * space. R can be computed from H as - * \(\texttt{R} = \texttt{cameraMatrix} ^{-1} \cdot \texttt{H} \cdot \texttt{cameraMatrix}\) - * where cameraMatrix can be chosen arbitrarily. - * - * @param cameraMatrix Input camera matrix \(A=\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param R Optional rectification transformation in the object space (3x3 matrix). R1 or R2 , - * computed by #stereoRectify can be passed here. If the matrix is empty, the identity transformation - * is assumed. In #initUndistortRectifyMap R assumed to be an identity matrix. - * @param newCameraMatrix New camera matrix \(A'=\vecthreethree{f_x'}{0}{c_x'}{0}{f_y'}{c_y'}{0}{0}{1}\). - * @param size Undistorted image size. - * @param m1type Type of the first output map that can be CV_32FC1, CV_32FC2 or CV_16SC2, see #convertMaps - * @param map1 The first output map. - * @param map2 The second output map. - */ - public static void initUndistortRectifyMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat map1, Mat map2) { - initUndistortRectifyMap_0(cameraMatrix.nativeObj, distCoeffs.nativeObj, R.nativeObj, newCameraMatrix.nativeObj, size.width, size.height, m1type, map1.nativeObj, map2.nativeObj); - } - - - // - // C++: void cv::initInverseRectificationMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat& map1, Mat& map2) - // - - /** - * Computes the projection and inverse-rectification transformation map. In essense, this is the inverse of - * #initUndistortRectifyMap to accomodate stereo-rectification of projectors ('inverse-cameras') in projector-camera pairs. - * - * The function computes the joint projection and inverse rectification transformation and represents the - * result in the form of maps for #remap. The projected image looks like a distorted version of the original which, - * once projected by a projector, should visually match the original. In case of a monocular camera, newCameraMatrix - * is usually equal to cameraMatrix, or it can be computed by - * #getOptimalNewCameraMatrix for a better control over scaling. In case of a projector-camera pair, - * newCameraMatrix is normally set to P1 or P2 computed by #stereoRectify . - * - * The projector is oriented differently in the coordinate space, according to R. In case of projector-camera pairs, - * this helps align the projector (in the same manner as #initUndistortRectifyMap for the camera) to create a stereo-rectified pair. This - * allows epipolar lines on both images to become horizontal and have the same y-coordinate (in case of a horizontally aligned projector-camera pair). - * - * The function builds the maps for the inverse mapping algorithm that is used by #remap. That - * is, for each pixel \((u, v)\) in the destination (projected and inverse-rectified) image, the function - * computes the corresponding coordinates in the source image (that is, in the original digital image). The following process is applied: - * - * \( - * \begin{array}{l} - * \text{newCameraMatrix}\\ - * x \leftarrow (u - {c'}_x)/{f'}_x \\ - * y \leftarrow (v - {c'}_y)/{f'}_y \\ - * - * \\\text{Undistortion} - * \\\scriptsize{\textit{though equation shown is for radial undistortion, function implements cv::undistortPoints()}}\\ - * r^2 \leftarrow x^2 + y^2 \\ - * \theta \leftarrow \frac{1 + k_1 r^2 + k_2 r^4 + k_3 r^6}{1 + k_4 r^2 + k_5 r^4 + k_6 r^6}\\ - * x' \leftarrow \frac{x}{\theta} \\ - * y' \leftarrow \frac{y}{\theta} \\ - * - * \\\text{Rectification}\\ - * {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - * x'' \leftarrow X/W \\ - * y'' \leftarrow Y/W \\ - * - * \\\text{cameraMatrix}\\ - * map_x(u,v) \leftarrow x'' f_x + c_x \\ - * map_y(u,v) \leftarrow y'' f_y + c_y - * \end{array} - * \) - * where \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * are the distortion coefficients vector distCoeffs. - * - * In case of a stereo-rectified projector-camera pair, this function is called for the projector while #initUndistortRectifyMap is called for the camera head. - * This is done after #stereoRectify, which in turn is called after #stereoCalibrate. If the projector-camera pair - * is not calibrated, it is still possible to compute the rectification transformations directly from - * the fundamental matrix using #stereoRectifyUncalibrated. For the projector and camera, the function computes - * homography H as the rectification transformation in a pixel domain, not a rotation matrix R in 3D - * space. R can be computed from H as - * \(\texttt{R} = \texttt{cameraMatrix} ^{-1} \cdot \texttt{H} \cdot \texttt{cameraMatrix}\) - * where cameraMatrix can be chosen arbitrarily. - * - * @param cameraMatrix Input camera matrix \(A=\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param R Optional rectification transformation in the object space (3x3 matrix). R1 or R2, - * computed by #stereoRectify can be passed here. If the matrix is empty, the identity transformation - * is assumed. - * @param newCameraMatrix New camera matrix \(A'=\vecthreethree{f_x'}{0}{c_x'}{0}{f_y'}{c_y'}{0}{0}{1}\). - * @param size Distorted image size. - * @param m1type Type of the first output map. Can be CV_32FC1, CV_32FC2 or CV_16SC2, see #convertMaps - * @param map1 The first output map for #remap. - * @param map2 The second output map for #remap. - */ - public static void initInverseRectificationMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat map1, Mat map2) { - initInverseRectificationMap_0(cameraMatrix.nativeObj, distCoeffs.nativeObj, R.nativeObj, newCameraMatrix.nativeObj, size.width, size.height, m1type, map1.nativeObj, map2.nativeObj); - } - - - // - // C++: Mat cv::getDefaultNewCameraMatrix(Mat cameraMatrix, Size imgsize = Size(), bool centerPrincipalPoint = false) - // - - /** - * Returns the default new camera matrix. - * - * The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - * centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - * - * In the latter case, the new camera matrix will be: - * - * \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - * - * where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - * - * By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - * move the principal point. However, when you work with stereo, it is important to move the principal - * points in both views to the same y-coordinate (which is required by most of stereo correspondence - * algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - * each view where the principal points are located at the center. - * - * @param cameraMatrix Input camera matrix. - * @param imgsize Camera view image size in pixels. - * @param centerPrincipalPoint Location of the principal point in the new camera matrix. The - * parameter indicates whether this location should be at the image center or not. - * @return automatically generated - */ - public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix, Size imgsize, boolean centerPrincipalPoint) { - return new Mat(getDefaultNewCameraMatrix_0(cameraMatrix.nativeObj, imgsize.width, imgsize.height, centerPrincipalPoint)); - } - - /** - * Returns the default new camera matrix. - * - * The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - * centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - * - * In the latter case, the new camera matrix will be: - * - * \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - * - * where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - * - * By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - * move the principal point. However, when you work with stereo, it is important to move the principal - * points in both views to the same y-coordinate (which is required by most of stereo correspondence - * algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - * each view where the principal points are located at the center. - * - * @param cameraMatrix Input camera matrix. - * @param imgsize Camera view image size in pixels. - * parameter indicates whether this location should be at the image center or not. - * @return automatically generated - */ - public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix, Size imgsize) { - return new Mat(getDefaultNewCameraMatrix_1(cameraMatrix.nativeObj, imgsize.width, imgsize.height)); - } - - /** - * Returns the default new camera matrix. - * - * The function returns the camera matrix that is either an exact copy of the input cameraMatrix (when - * centerPrinicipalPoint=false ), or the modified one (when centerPrincipalPoint=true). - * - * In the latter case, the new camera matrix will be: - * - * \(\begin{bmatrix} f_x && 0 && ( \texttt{imgSize.width} -1)*0.5 \\ 0 && f_y && ( \texttt{imgSize.height} -1)*0.5 \\ 0 && 0 && 1 \end{bmatrix} ,\) - * - * where \(f_x\) and \(f_y\) are \((0,0)\) and \((1,1)\) elements of cameraMatrix, respectively. - * - * By default, the undistortion functions in OpenCV (see #initUndistortRectifyMap, #undistort) do not - * move the principal point. However, when you work with stereo, it is important to move the principal - * points in both views to the same y-coordinate (which is required by most of stereo correspondence - * algorithms), and may be to the same x-coordinate too. So, you can form the new camera matrix for - * each view where the principal points are located at the center. - * - * @param cameraMatrix Input camera matrix. - * parameter indicates whether this location should be at the image center or not. - * @return automatically generated - */ - public static Mat getDefaultNewCameraMatrix(Mat cameraMatrix) { - return new Mat(getDefaultNewCameraMatrix_2(cameraMatrix.nativeObj)); - } - - - // - // C++: void cv::undistortPoints(vector_Point2f src, vector_Point2f& dst, Mat cameraMatrix, Mat distCoeffs, Mat R = Mat(), Mat P = Mat()) - // - - /** - * Computes the ideal point coordinates from the observed point coordinates. - * - * The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - * sparse set of points instead of a raster image. Also the function performs a reverse transformation - * to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - * planar object, it does, up to a translation vector, if the proper R is specified. - * - * For each observed point coordinate \((u, v)\) the function computes: - * \( - * \begin{array}{l} - * x^{"} \leftarrow (u - c_x)/f_x \\ - * y^{"} \leftarrow (v - c_y)/f_y \\ - * (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - * {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - * x \leftarrow X/W \\ - * y \leftarrow Y/W \\ - * \text{only performed if P is specified:} \\ - * u' \leftarrow x {f'}_x + {c'}_x \\ - * v' \leftarrow y {f'}_y + {c'}_y - * \end{array} - * \) - * - * where *undistort* is an approximate iterative algorithm that estimates the normalized original - * point coordinates out of the normalized distorted point coordinates ("normalized" means that the - * coordinates do not depend on the camera matrix). - * - * The function can be used for both a stereo camera head or a monocular camera (when R is empty). - * @param src Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - * vector<Point2f> ). - * @param dst Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - * transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates. - * @param cameraMatrix Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param R Rectification transformation in the object space (3x3 matrix). R1 or R2 computed by - * #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used. - * @param P New camera matrix (3x3) or new projection matrix (3x4) \(\begin{bmatrix} {f'}_x & 0 & {c'}_x & t_x \\ 0 & {f'}_y & {c'}_y & t_y \\ 0 & 0 & 1 & t_z \end{bmatrix}\). P1 or P2 computed by - * #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used. - */ - public static void undistortPoints(MatOfPoint2f src, MatOfPoint2f dst, Mat cameraMatrix, Mat distCoeffs, Mat R, Mat P) { - Mat src_mat = src; - Mat dst_mat = dst; - undistortPoints_0(src_mat.nativeObj, dst_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, R.nativeObj, P.nativeObj); - } - - /** - * Computes the ideal point coordinates from the observed point coordinates. - * - * The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - * sparse set of points instead of a raster image. Also the function performs a reverse transformation - * to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - * planar object, it does, up to a translation vector, if the proper R is specified. - * - * For each observed point coordinate \((u, v)\) the function computes: - * \( - * \begin{array}{l} - * x^{"} \leftarrow (u - c_x)/f_x \\ - * y^{"} \leftarrow (v - c_y)/f_y \\ - * (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - * {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - * x \leftarrow X/W \\ - * y \leftarrow Y/W \\ - * \text{only performed if P is specified:} \\ - * u' \leftarrow x {f'}_x + {c'}_x \\ - * v' \leftarrow y {f'}_y + {c'}_y - * \end{array} - * \) - * - * where *undistort* is an approximate iterative algorithm that estimates the normalized original - * point coordinates out of the normalized distorted point coordinates ("normalized" means that the - * coordinates do not depend on the camera matrix). - * - * The function can be used for both a stereo camera head or a monocular camera (when R is empty). - * @param src Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - * vector<Point2f> ). - * @param dst Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - * transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates. - * @param cameraMatrix Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * @param R Rectification transformation in the object space (3x3 matrix). R1 or R2 computed by - * #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used. - * #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used. - */ - public static void undistortPoints(MatOfPoint2f src, MatOfPoint2f dst, Mat cameraMatrix, Mat distCoeffs, Mat R) { - Mat src_mat = src; - Mat dst_mat = dst; - undistortPoints_1(src_mat.nativeObj, dst_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, R.nativeObj); - } - - /** - * Computes the ideal point coordinates from the observed point coordinates. - * - * The function is similar to #undistort and #initUndistortRectifyMap but it operates on a - * sparse set of points instead of a raster image. Also the function performs a reverse transformation - * to #projectPoints. In case of a 3D object, it does not reconstruct its 3D coordinates, but for a - * planar object, it does, up to a translation vector, if the proper R is specified. - * - * For each observed point coordinate \((u, v)\) the function computes: - * \( - * \begin{array}{l} - * x^{"} \leftarrow (u - c_x)/f_x \\ - * y^{"} \leftarrow (v - c_y)/f_y \\ - * (x',y') = undistort(x^{"},y^{"}, \texttt{distCoeffs}) \\ - * {[X\,Y\,W]} ^T \leftarrow R*[x' \, y' \, 1]^T \\ - * x \leftarrow X/W \\ - * y \leftarrow Y/W \\ - * \text{only performed if P is specified:} \\ - * u' \leftarrow x {f'}_x + {c'}_x \\ - * v' \leftarrow y {f'}_y + {c'}_y - * \end{array} - * \) - * - * where *undistort* is an approximate iterative algorithm that estimates the normalized original - * point coordinates out of the normalized distorted point coordinates ("normalized" means that the - * coordinates do not depend on the camera matrix). - * - * The function can be used for both a stereo camera head or a monocular camera (when R is empty). - * @param src Observed point coordinates, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or CV_64FC2) (or - * vector<Point2f> ). - * @param dst Output ideal point coordinates (1xN/Nx1 2-channel or vector<Point2f> ) after undistortion and reverse perspective - * transformation. If matrix P is identity or omitted, dst will contain normalized point coordinates. - * @param cameraMatrix Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Input vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6[, s_1, s_2, s_3, s_4[, \tau_x, \tau_y]]]])\) - * of 4, 5, 8, 12 or 14 elements. If the vector is NULL/empty, the zero distortion coefficients are assumed. - * #stereoRectify can be passed here. If the matrix is empty, the identity transformation is used. - * #stereoRectify can be passed here. If the matrix is empty, the identity new camera matrix is used. - */ - public static void undistortPoints(MatOfPoint2f src, MatOfPoint2f dst, Mat cameraMatrix, Mat distCoeffs) { - Mat src_mat = src; - Mat dst_mat = dst; - undistortPoints_2(src_mat.nativeObj, dst_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj); - } - - - // - // C++: void cv::undistortPoints(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, Mat R, Mat P, TermCriteria criteria) - // - - /** - * - * Note: Default version of #undistortPoints does 5 iterations to compute undistorted points. - * @param src automatically generated - * @param dst automatically generated - * @param cameraMatrix automatically generated - * @param distCoeffs automatically generated - * @param R automatically generated - * @param P automatically generated - * @param criteria automatically generated - */ - public static void undistortPointsIter(Mat src, Mat dst, Mat cameraMatrix, Mat distCoeffs, Mat R, Mat P, TermCriteria criteria) { - undistortPointsIter_0(src.nativeObj, dst.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, R.nativeObj, P.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon); - } - - - // - // C++: void cv::undistortImagePoints(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, TermCriteria arg1 = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 0.01)) - // - - /** - * Compute undistorted image points position - * - * @param src Observed points position, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or - * CV_64FC2) (or vector<Point2f> ). - * @param dst Output undistorted points position (1xN/Nx1 2-channel or vector<Point2f> ). - * @param cameraMatrix Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Distortion coefficients - * @param arg1 automatically generated - */ - public static void undistortImagePoints(Mat src, Mat dst, Mat cameraMatrix, Mat distCoeffs, TermCriteria arg1) { - undistortImagePoints_0(src.nativeObj, dst.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, arg1.type, arg1.maxCount, arg1.epsilon); - } - - /** - * Compute undistorted image points position - * - * @param src Observed points position, 2xN/Nx2 1-channel or 1xN/Nx1 2-channel (CV_32FC2 or - * CV_64FC2) (or vector<Point2f> ). - * @param dst Output undistorted points position (1xN/Nx1 2-channel or vector<Point2f> ). - * @param cameraMatrix Camera matrix \(\vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) . - * @param distCoeffs Distortion coefficients - */ - public static void undistortImagePoints(Mat src, Mat dst, Mat cameraMatrix, Mat distCoeffs) { - undistortImagePoints_1(src.nativeObj, dst.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj); - } - - - // - // C++: void cv::fisheye::projectPoints(Mat objectPoints, Mat& imagePoints, Mat rvec, Mat tvec, Mat K, Mat D, double alpha = 0, Mat& jacobian = Mat()) - // - - public static void fisheye_projectPoints(Mat objectPoints, Mat imagePoints, Mat rvec, Mat tvec, Mat K, Mat D, double alpha, Mat jacobian) { - fisheye_projectPoints_0(objectPoints.nativeObj, imagePoints.nativeObj, rvec.nativeObj, tvec.nativeObj, K.nativeObj, D.nativeObj, alpha, jacobian.nativeObj); - } - - public static void fisheye_projectPoints(Mat objectPoints, Mat imagePoints, Mat rvec, Mat tvec, Mat K, Mat D, double alpha) { - fisheye_projectPoints_1(objectPoints.nativeObj, imagePoints.nativeObj, rvec.nativeObj, tvec.nativeObj, K.nativeObj, D.nativeObj, alpha); - } - - public static void fisheye_projectPoints(Mat objectPoints, Mat imagePoints, Mat rvec, Mat tvec, Mat K, Mat D) { - fisheye_projectPoints_2(objectPoints.nativeObj, imagePoints.nativeObj, rvec.nativeObj, tvec.nativeObj, K.nativeObj, D.nativeObj); - } - - - // - // C++: void cv::fisheye::distortPoints(Mat undistorted, Mat& distorted, Mat K, Mat D, double alpha = 0) - // - - /** - * Distorts 2D points using fisheye model. - * - * @param undistorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - * the number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param alpha The skew coefficient. - * @param distorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - * - * Note that the function assumes the camera intrinsic matrix of the undistorted points to be identity. - * This means if you want to distort image points you have to multiply them with \(K^{-1}\) or - * use another function overload. - */ - public static void fisheye_distortPoints(Mat undistorted, Mat distorted, Mat K, Mat D, double alpha) { - fisheye_distortPoints_0(undistorted.nativeObj, distorted.nativeObj, K.nativeObj, D.nativeObj, alpha); - } - - /** - * Distorts 2D points using fisheye model. - * - * @param undistorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - * the number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param distorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - * - * Note that the function assumes the camera intrinsic matrix of the undistorted points to be identity. - * This means if you want to distort image points you have to multiply them with \(K^{-1}\) or - * use another function overload. - */ - public static void fisheye_distortPoints(Mat undistorted, Mat distorted, Mat K, Mat D) { - fisheye_distortPoints_1(undistorted.nativeObj, distorted.nativeObj, K.nativeObj, D.nativeObj); - } - - - // - // C++: void cv::fisheye::distortPoints(Mat undistorted, Mat& distorted, Mat Kundistorted, Mat K, Mat D, double alpha = 0) - // - - /** - * - * Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - * camera matrix, e.g. output of #estimateNewCameraMatrixForUndistortRectify. - * @param undistorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - * the number of points in the view. - * @param Kundistorted Camera intrinsic matrix used as new camera matrix for undistortion. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param alpha The skew coefficient. - * @param distorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - * SEE: estimateNewCameraMatrixForUndistortRectify - */ - public static void fisheye_distortPoints(Mat undistorted, Mat distorted, Mat Kundistorted, Mat K, Mat D, double alpha) { - fisheye_distortPoints_2(undistorted.nativeObj, distorted.nativeObj, Kundistorted.nativeObj, K.nativeObj, D.nativeObj, alpha); - } - - /** - * - * Overload of distortPoints function to handle cases when undistorted points are obtained with non-identity - * camera matrix, e.g. output of #estimateNewCameraMatrixForUndistortRectify. - * @param undistorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is - * the number of points in the view. - * @param Kundistorted Camera intrinsic matrix used as new camera matrix for undistortion. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param distorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - * SEE: estimateNewCameraMatrixForUndistortRectify - */ - public static void fisheye_distortPoints(Mat undistorted, Mat distorted, Mat Kundistorted, Mat K, Mat D) { - fisheye_distortPoints_3(undistorted.nativeObj, distorted.nativeObj, Kundistorted.nativeObj, K.nativeObj, D.nativeObj); - } - - - // - // C++: void cv::fisheye::undistortPoints(Mat distorted, Mat& undistorted, Mat K, Mat D, Mat R = Mat(), Mat P = Mat(), TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - // - - /** - * Undistorts 2D points using fisheye model - * - * @param distorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - * number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param criteria Termination criteria - * @param undistorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - */ - public static void fisheye_undistortPoints(Mat distorted, Mat undistorted, Mat K, Mat D, Mat R, Mat P, TermCriteria criteria) { - fisheye_undistortPoints_0(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj, R.nativeObj, P.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Undistorts 2D points using fisheye model - * - * @param distorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - * number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param undistorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - */ - public static void fisheye_undistortPoints(Mat distorted, Mat undistorted, Mat K, Mat D, Mat R, Mat P) { - fisheye_undistortPoints_1(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj, R.nativeObj, P.nativeObj); - } - - /** - * Undistorts 2D points using fisheye model - * - * @param distorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - * number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param undistorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - */ - public static void fisheye_undistortPoints(Mat distorted, Mat undistorted, Mat K, Mat D, Mat R) { - fisheye_undistortPoints_2(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj, R.nativeObj); - } - - /** - * Undistorts 2D points using fisheye model - * - * @param distorted Array of object points, 1xN/Nx1 2-channel (or vector<Point2f> ), where N is the - * number of points in the view. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * 1-channel or 1x1 3-channel - * @param undistorted Output array of image points, 1xN/Nx1 2-channel, or vector<Point2f> . - */ - public static void fisheye_undistortPoints(Mat distorted, Mat undistorted, Mat K, Mat D) { - fisheye_undistortPoints_3(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj); - } - - - // - // C++: void cv::fisheye::initUndistortRectifyMap(Mat K, Mat D, Mat R, Mat P, Size size, int m1type, Mat& map1, Mat& map2) - // - - /** - * Computes undistortion and rectification maps for image transform by #remap. If D is empty zero - * distortion is used, if R or P is empty identity matrixes are used. - * - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param size Undistorted image size. - * @param m1type Type of the first output map that can be CV_32FC1 or CV_16SC2 . See #convertMaps - * for details. - * @param map1 The first output map. - * @param map2 The second output map. - */ - public static void fisheye_initUndistortRectifyMap(Mat K, Mat D, Mat R, Mat P, Size size, int m1type, Mat map1, Mat map2) { - fisheye_initUndistortRectifyMap_0(K.nativeObj, D.nativeObj, R.nativeObj, P.nativeObj, size.width, size.height, m1type, map1.nativeObj, map2.nativeObj); - } - - - // - // C++: void cv::fisheye::undistortImage(Mat distorted, Mat& undistorted, Mat K, Mat D, Mat Knew = cv::Mat(), Size new_size = Size()) - // - - /** - * Transforms an image to compensate for fisheye lens distortion. - * - * @param distorted image with fisheye lens distortion. - * @param undistorted Output image with compensated fisheye lens distortion. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param Knew Camera intrinsic matrix of the distorted image. By default, it is the identity matrix but you - * may additionally scale and shift the result by using a different matrix. - * @param new_size the new size - * - * The function transforms an image to compensate radial and tangential lens distortion. - * - * The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - * (with bilinear interpolation). See the former function for details of the transformation being - * performed. - * - * See below the results of undistortImage. - *
      - *
    • - * a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - * k_4, k_5, k_6) of distortion were optimized under calibration) - *
        - *
      • - * b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - * k_3, k_4) of fisheye distortion were optimized under calibration) - *
        • - *
      • - * c\) original image was captured with fisheye lens - *
        • - *
      - * - * Pictures a) and b) almost the same. But if we consider points of image located far from the center - * of image, we can notice that on image a) these points are distorted. - *
      • - *
    - * - * ![image](pics/fisheye_undistorted.jpg) - */ - public static void fisheye_undistortImage(Mat distorted, Mat undistorted, Mat K, Mat D, Mat Knew, Size new_size) { - fisheye_undistortImage_0(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj, Knew.nativeObj, new_size.width, new_size.height); - } - - /** - * Transforms an image to compensate for fisheye lens distortion. - * - * @param distorted image with fisheye lens distortion. - * @param undistorted Output image with compensated fisheye lens distortion. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param Knew Camera intrinsic matrix of the distorted image. By default, it is the identity matrix but you - * may additionally scale and shift the result by using a different matrix. - * - * The function transforms an image to compensate radial and tangential lens distortion. - * - * The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - * (with bilinear interpolation). See the former function for details of the transformation being - * performed. - * - * See below the results of undistortImage. - *
      - *
    • - * a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - * k_4, k_5, k_6) of distortion were optimized under calibration) - *
        - *
      • - * b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - * k_3, k_4) of fisheye distortion were optimized under calibration) - *
        • - *
      • - * c\) original image was captured with fisheye lens - *
        • - *
      - * - * Pictures a) and b) almost the same. But if we consider points of image located far from the center - * of image, we can notice that on image a) these points are distorted. - *
      • - *
    - * - * ![image](pics/fisheye_undistorted.jpg) - */ - public static void fisheye_undistortImage(Mat distorted, Mat undistorted, Mat K, Mat D, Mat Knew) { - fisheye_undistortImage_1(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj, Knew.nativeObj); - } - - /** - * Transforms an image to compensate for fisheye lens distortion. - * - * @param distorted image with fisheye lens distortion. - * @param undistorted Output image with compensated fisheye lens distortion. - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * may additionally scale and shift the result by using a different matrix. - * - * The function transforms an image to compensate radial and tangential lens distortion. - * - * The function is simply a combination of #fisheye::initUndistortRectifyMap (with unity R ) and #remap - * (with bilinear interpolation). See the former function for details of the transformation being - * performed. - * - * See below the results of undistortImage. - *
      - *
    • - * a\) result of undistort of perspective camera model (all possible coefficients (k_1, k_2, k_3, - * k_4, k_5, k_6) of distortion were optimized under calibration) - *
        - *
      • - * b\) result of #fisheye::undistortImage of fisheye camera model (all possible coefficients (k_1, k_2, - * k_3, k_4) of fisheye distortion were optimized under calibration) - *
        • - *
      • - * c\) original image was captured with fisheye lens - *
        • - *
      - * - * Pictures a) and b) almost the same. But if we consider points of image located far from the center - * of image, we can notice that on image a) these points are distorted. - *
      • - *
    - * - * ![image](pics/fisheye_undistorted.jpg) - */ - public static void fisheye_undistortImage(Mat distorted, Mat undistorted, Mat K, Mat D) { - fisheye_undistortImage_2(distorted.nativeObj, undistorted.nativeObj, K.nativeObj, D.nativeObj); - } - - - // - // C++: void cv::fisheye::estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat& P, double balance = 0.0, Size new_size = Size(), double fov_scale = 1.0) - // - - /** - * Estimates new camera intrinsic matrix for undistortion or rectification. - * - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param image_size Size of the image - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param balance Sets the new focal length in range between the min focal length and the max focal - * length. Balance is in range of [0, 1]. - * @param new_size the new size - * @param fov_scale Divisor for new focal length. - */ - public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat P, double balance, Size new_size, double fov_scale) { - fisheye_estimateNewCameraMatrixForUndistortRectify_0(K.nativeObj, D.nativeObj, image_size.width, image_size.height, R.nativeObj, P.nativeObj, balance, new_size.width, new_size.height, fov_scale); - } - - /** - * Estimates new camera intrinsic matrix for undistortion or rectification. - * - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param image_size Size of the image - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param balance Sets the new focal length in range between the min focal length and the max focal - * length. Balance is in range of [0, 1]. - * @param new_size the new size - */ - public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat P, double balance, Size new_size) { - fisheye_estimateNewCameraMatrixForUndistortRectify_1(K.nativeObj, D.nativeObj, image_size.width, image_size.height, R.nativeObj, P.nativeObj, balance, new_size.width, new_size.height); - } - - /** - * Estimates new camera intrinsic matrix for undistortion or rectification. - * - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param image_size Size of the image - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * @param balance Sets the new focal length in range between the min focal length and the max focal - * length. Balance is in range of [0, 1]. - */ - public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat P, double balance) { - fisheye_estimateNewCameraMatrixForUndistortRectify_2(K.nativeObj, D.nativeObj, image_size.width, image_size.height, R.nativeObj, P.nativeObj, balance); - } - - /** - * Estimates new camera intrinsic matrix for undistortion or rectification. - * - * @param K Camera intrinsic matrix \(\cameramatrix{K}\). - * @param image_size Size of the image - * @param D Input vector of distortion coefficients \(\distcoeffsfisheye\). - * @param R Rectification transformation in the object space: 3x3 1-channel, or vector: 3x1/1x3 - * 1-channel or 1x1 3-channel - * @param P New camera intrinsic matrix (3x3) or new projection matrix (3x4) - * length. Balance is in range of [0, 1]. - */ - public static void fisheye_estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat P) { - fisheye_estimateNewCameraMatrixForUndistortRectify_3(K.nativeObj, D.nativeObj, image_size.width, image_size.height, R.nativeObj, P.nativeObj); - } - - - // - // C++: double cv::fisheye::calibrate(vector_Mat objectPoints, vector_Mat imagePoints, Size image_size, Mat& K, Mat& D, vector_Mat& rvecs, vector_Mat& tvecs, int flags = 0, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - // - - /** - * Performs camera calibration - * - * @param objectPoints vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. - * @param imagePoints vector of vectors of the projections of calibration pattern points. - * imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - * objectPoints[i].size() for each i. - * @param image_size Size of the image used only to initialize the camera intrinsic matrix. - * @param K Output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - * initialized before calling the function. - * @param D Output vector of distortion coefficients \(\distcoeffsfisheye\). - * @param rvecs Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - * That is, each k-th rotation vector together with the corresponding k-th translation vector (see - * the next output parameter description) brings the calibration pattern from the model coordinate - * space (in which object points are specified) to the world coordinate space, that is, a real - * position of the calibration pattern in the k-th pattern view (k=0.. *M* -1). - * @param tvecs Output vector of translation vectors estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - * are set to zeros and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - * optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    - * @param criteria Termination criteria for the iterative optimization algorithm. - * @return automatically generated - */ - public static double fisheye_calibrate(List objectPoints, List imagePoints, Size image_size, Mat K, Mat D, List rvecs, List tvecs, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_calibrate_0(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, image_size.width, image_size.height, K.nativeObj, D.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Performs camera calibration - * - * @param objectPoints vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. - * @param imagePoints vector of vectors of the projections of calibration pattern points. - * imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - * objectPoints[i].size() for each i. - * @param image_size Size of the image used only to initialize the camera intrinsic matrix. - * @param K Output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - * initialized before calling the function. - * @param D Output vector of distortion coefficients \(\distcoeffsfisheye\). - * @param rvecs Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - * That is, each k-th rotation vector together with the corresponding k-th translation vector (see - * the next output parameter description) brings the calibration pattern from the model coordinate - * space (in which object points are specified) to the world coordinate space, that is, a real - * position of the calibration pattern in the k-th pattern view (k=0.. *M* -1). - * @param tvecs Output vector of translation vectors estimated for each pattern view. - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - * are set to zeros and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - * optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    - * @return automatically generated - */ - public static double fisheye_calibrate(List objectPoints, List imagePoints, Size image_size, Mat K, Mat D, List rvecs, List tvecs, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_calibrate_1(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, image_size.width, image_size.height, K.nativeObj, D.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Performs camera calibration - * - * @param objectPoints vector of vectors of calibration pattern points in the calibration pattern - * coordinate space. - * @param imagePoints vector of vectors of the projections of calibration pattern points. - * imagePoints.size() and objectPoints.size() and imagePoints[i].size() must be equal to - * objectPoints[i].size() for each i. - * @param image_size Size of the image used only to initialize the camera intrinsic matrix. - * @param K Output 3x3 floating-point camera intrinsic matrix - * \(\cameramatrix{A}\) . If - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS is specified, some or all of fx, fy, cx, cy must be - * initialized before calling the function. - * @param D Output vector of distortion coefficients \(\distcoeffsfisheye\). - * @param rvecs Output vector of rotation vectors (see REF: Rodrigues ) estimated for each pattern view. - * That is, each k-th rotation vector together with the corresponding k-th translation vector (see - * the next output parameter description) brings the calibration pattern from the model coordinate - * space (in which object points are specified) to the world coordinate space, that is, a real - * position of the calibration pattern in the k-th pattern view (k=0.. *M* -1). - * @param tvecs Output vector of translation vectors estimated for each pattern view. - *
      - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS cameraMatrix contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center ( imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients - * are set to zeros and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_PRINCIPAL_POINT The principal point is not changed during the global - * optimization. It stays at the center or at a different location specified when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_FOCAL_LENGTH The focal length is not changed during the global - * optimization. It is the \(max(width,height)/\pi\) or the provided \(f_x\), \(f_y\) when REF: fisheye::CALIB_USE_INTRINSIC_GUESS is set too. - *
      • - *
    - * @return automatically generated - */ - public static double fisheye_calibrate(List objectPoints, List imagePoints, Size image_size, Mat K, Mat D, List rvecs, List tvecs) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints_mat = Converters.vector_Mat_to_Mat(imagePoints); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_calibrate_2(objectPoints_mat.nativeObj, imagePoints_mat.nativeObj, image_size.width, image_size.height, K.nativeObj, D.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: void cv::fisheye::stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat& R1, Mat& R2, Mat& P1, Mat& P2, Mat& Q, int flags, Size newImageSize = Size(), double balance = 0.0, double fov_scale = 1.0) - // - - /** - * Stereo rectification for fisheye camera model - * - * @param K1 First camera intrinsic matrix. - * @param D1 First camera distortion parameters. - * @param K2 Second camera intrinsic matrix. - * @param D2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix between the coordinate systems of the first and the second - * cameras. - * @param tvec Translation vector between coordinate systems of the cameras. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ). - * @param flags Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * @param balance Sets the new focal length in range between the min focal length and the max focal - * length. Balance is in range of [0, 1]. - * @param fov_scale Divisor for new focal length. - */ - public static void fisheye_stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, Size newImageSize, double balance, double fov_scale) { - fisheye_stereoRectify_0(K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, tvec.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, newImageSize.width, newImageSize.height, balance, fov_scale); - } - - /** - * Stereo rectification for fisheye camera model - * - * @param K1 First camera intrinsic matrix. - * @param D1 First camera distortion parameters. - * @param K2 Second camera intrinsic matrix. - * @param D2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix between the coordinate systems of the first and the second - * cameras. - * @param tvec Translation vector between coordinate systems of the cameras. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ). - * @param flags Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * @param balance Sets the new focal length in range between the min focal length and the max focal - * length. Balance is in range of [0, 1]. - */ - public static void fisheye_stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, Size newImageSize, double balance) { - fisheye_stereoRectify_1(K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, tvec.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, newImageSize.width, newImageSize.height, balance); - } - - /** - * Stereo rectification for fisheye camera model - * - * @param K1 First camera intrinsic matrix. - * @param D1 First camera distortion parameters. - * @param K2 Second camera intrinsic matrix. - * @param D2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix between the coordinate systems of the first and the second - * cameras. - * @param tvec Translation vector between coordinate systems of the cameras. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ). - * @param flags Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * @param newImageSize New image resolution after rectification. The same size should be passed to - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * length. Balance is in range of [0, 1]. - */ - public static void fisheye_stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags, Size newImageSize) { - fisheye_stereoRectify_2(K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, tvec.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags, newImageSize.width, newImageSize.height); - } - - /** - * Stereo rectification for fisheye camera model - * - * @param K1 First camera intrinsic matrix. - * @param D1 First camera distortion parameters. - * @param K2 Second camera intrinsic matrix. - * @param D2 Second camera distortion parameters. - * @param imageSize Size of the image used for stereo calibration. - * @param R Rotation matrix between the coordinate systems of the first and the second - * cameras. - * @param tvec Translation vector between coordinate systems of the cameras. - * @param R1 Output 3x3 rectification transform (rotation matrix) for the first camera. - * @param R2 Output 3x3 rectification transform (rotation matrix) for the second camera. - * @param P1 Output 3x4 projection matrix in the new (rectified) coordinate systems for the first - * camera. - * @param P2 Output 3x4 projection matrix in the new (rectified) coordinate systems for the second - * camera. - * @param Q Output \(4 \times 4\) disparity-to-depth mapping matrix (see #reprojectImageTo3D ). - * @param flags Operation flags that may be zero or REF: fisheye::CALIB_ZERO_DISPARITY . If the flag is set, - * the function makes the principal points of each camera have the same pixel coordinates in the - * rectified views. And if the flag is not set, the function may still shift the images in the - * horizontal or vertical direction (depending on the orientation of epipolar lines) to maximize the - * useful image area. - * #initUndistortRectifyMap (see the stereo_calib.cpp sample in OpenCV samples directory). When (0,0) - * is passed (default), it is set to the original imageSize . Setting it to larger value can help you - * preserve details in the original image, especially when there is a big radial distortion. - * length. Balance is in range of [0, 1]. - */ - public static void fisheye_stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat R1, Mat R2, Mat P1, Mat P2, Mat Q, int flags) { - fisheye_stereoRectify_3(K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, tvec.nativeObj, R1.nativeObj, R2.nativeObj, P1.nativeObj, P2.nativeObj, Q.nativeObj, flags); - } - - - // - // C++: double cv::fisheye::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& K1, Mat& D1, Mat& K2, Mat& D2, Size imageSize, Mat& R, Mat& T, vector_Mat& rvecs, vector_Mat& tvecs, int flags = fisheye::CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - // - - /** - * Performs stereo calibration - * - * @param objectPoints Vector of vectors of the calibration pattern points. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. - * @param K1 Input/output first camera intrinsic matrix: - * \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - * any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - * some or all of the matrix components must be initialized. - * @param D1 Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements. - * @param K2 Input/output second camera intrinsic matrix. The parameter is similar to K1 . - * @param D2 Input/output lens distortion coefficients for the second camera. The parameter is - * similar to D1 . - * @param imageSize Size of the image used only to initialize camera intrinsic matrix. - * @param R Output rotation matrix between the 1st and the 2nd camera coordinate systems. - * @param T Output translation vector between the coordinate systems of the cameras. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - * are estimated. - *
      • - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center (imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - * zero. - *
      • - *
    - * @param criteria Termination criteria for the iterative optimization algorithm. - * @return automatically generated - */ - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T, List rvecs, List tvecs, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_stereoCalibrate_0(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Performs stereo calibration - * - * @param objectPoints Vector of vectors of the calibration pattern points. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. - * @param K1 Input/output first camera intrinsic matrix: - * \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - * any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - * some or all of the matrix components must be initialized. - * @param D1 Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements. - * @param K2 Input/output second camera intrinsic matrix. The parameter is similar to K1 . - * @param D2 Input/output lens distortion coefficients for the second camera. The parameter is - * similar to D1 . - * @param imageSize Size of the image used only to initialize camera intrinsic matrix. - * @param R Output rotation matrix between the 1st and the 2nd camera coordinate systems. - * @param T Output translation vector between the coordinate systems of the cameras. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - * @param flags Different flags that may be zero or a combination of the following values: - *
      - *
    • - * REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - * are estimated. - *
      • - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center (imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - * zero. - *
      • - *
    - * @return automatically generated - */ - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T, List rvecs, List tvecs, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_stereoCalibrate_1(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj, flags); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - /** - * Performs stereo calibration - * - * @param objectPoints Vector of vectors of the calibration pattern points. - * @param imagePoints1 Vector of vectors of the projections of the calibration pattern points, - * observed by the first camera. - * @param imagePoints2 Vector of vectors of the projections of the calibration pattern points, - * observed by the second camera. - * @param K1 Input/output first camera intrinsic matrix: - * \(\vecthreethree{f_x^{(j)}}{0}{c_x^{(j)}}{0}{f_y^{(j)}}{c_y^{(j)}}{0}{0}{1}\) , \(j = 0,\, 1\) . If - * any of REF: fisheye::CALIB_USE_INTRINSIC_GUESS , REF: fisheye::CALIB_FIX_INTRINSIC are specified, - * some or all of the matrix components must be initialized. - * @param D1 Input/output vector of distortion coefficients \(\distcoeffsfisheye\) of 4 elements. - * @param K2 Input/output second camera intrinsic matrix. The parameter is similar to K1 . - * @param D2 Input/output lens distortion coefficients for the second camera. The parameter is - * similar to D1 . - * @param imageSize Size of the image used only to initialize camera intrinsic matrix. - * @param R Output rotation matrix between the 1st and the 2nd camera coordinate systems. - * @param T Output translation vector between the coordinate systems of the cameras. - * @param rvecs Output vector of rotation vectors ( REF: Rodrigues ) estimated for each pattern view in the - * coordinate system of the first camera of the stereo pair (e.g. std::vector<cv::Mat>). More in detail, each - * i-th rotation vector together with the corresponding i-th translation vector (see the next output parameter - * description) brings the calibration pattern from the object coordinate space (in which object points are - * specified) to the camera coordinate space of the first camera of the stereo pair. In more technical terms, - * the tuple of the i-th rotation and translation vector performs a change of basis from object coordinate space - * to camera coordinate space of the first camera of the stereo pair. - * @param tvecs Output vector of translation vectors estimated for each pattern view, see parameter description - * of previous output parameter ( rvecs ). - *
      - *
    • - * REF: fisheye::CALIB_FIX_INTRINSIC Fix K1, K2? and D1, D2? so that only R, T matrices - * are estimated. - *
      • - *
    • - * REF: fisheye::CALIB_USE_INTRINSIC_GUESS K1, K2 contains valid initial values of - * fx, fy, cx, cy that are optimized further. Otherwise, (cx, cy) is initially set to the image - * center (imageSize is used), and focal distances are computed in a least-squares fashion. - *
      • - *
    • - * REF: fisheye::CALIB_RECOMPUTE_EXTRINSIC Extrinsic will be recomputed after each iteration - * of intrinsic optimization. - *
      • - *
    • - * REF: fisheye::CALIB_CHECK_COND The functions will check validity of condition number. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_SKEW Skew coefficient (alpha) is set to zero and stay zero. - *
      • - *
    • - * REF: fisheye::CALIB_FIX_K1,..., REF: fisheye::CALIB_FIX_K4 Selected distortion coefficients are set to zeros and stay - * zero. - *
      • - *
    - * @return automatically generated - */ - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T, List rvecs, List tvecs) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - Mat rvecs_mat = new Mat(); - Mat tvecs_mat = new Mat(); - double retVal = fisheye_stereoCalibrate_2(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, rvecs_mat.nativeObj, tvecs_mat.nativeObj); - Converters.Mat_to_vector_Mat(rvecs_mat, rvecs); - rvecs_mat.release(); - Converters.Mat_to_vector_Mat(tvecs_mat, tvecs); - tvecs_mat.release(); - return retVal; - } - - - // - // C++: double cv::fisheye::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& K1, Mat& D1, Mat& K2, Mat& D2, Size imageSize, Mat& R, Mat& T, int flags = fisheye::CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - // - - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T, int flags, TermCriteria criteria) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return fisheye_stereoCalibrate_3(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - } - - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T, int flags) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return fisheye_stereoCalibrate_4(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj, flags); - } - - public static double fisheye_stereoCalibrate(List objectPoints, List imagePoints1, List imagePoints2, Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat T) { - Mat objectPoints_mat = Converters.vector_Mat_to_Mat(objectPoints); - Mat imagePoints1_mat = Converters.vector_Mat_to_Mat(imagePoints1); - Mat imagePoints2_mat = Converters.vector_Mat_to_Mat(imagePoints2); - return fisheye_stereoCalibrate_5(objectPoints_mat.nativeObj, imagePoints1_mat.nativeObj, imagePoints2_mat.nativeObj, K1.nativeObj, D1.nativeObj, K2.nativeObj, D2.nativeObj, imageSize.width, imageSize.height, R.nativeObj, T.nativeObj); - } - - - // - // C++: bool cv::fisheye::solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int flags = SOLVEPNP_ITERATIVE, TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - // - - /** - * Finds an object pose from 3D-2D point correspondences for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * @param criteria Termination criteria for internal undistortPoints call. - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int flags, TermCriteria criteria) { - return fisheye_solvePnP_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, flags, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Finds an object pose from 3D-2D point correspondences for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int flags) { - return fisheye_solvePnP_1(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, flags); - } - - /** - * Finds an object pose from 3D-2D point correspondences for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess) { - return fisheye_solvePnP_2(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess); - } - - /** - * Finds an object pose from 3D-2D point correspondences for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can also be passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can also be passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec) { - return fisheye_solvePnP_3(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - // - // C++: bool cv::fisheye::solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int iterationsCount = 100, float reprojectionError = 8.0, double confidence = 0.99, Mat& inliers = Mat(), int flags = SOLVEPNP_ITERATIVE, TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - // - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * @param inliers Output vector that contains indices of inliers in objectPoints and imagePoints . - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * @param criteria Termination criteria for internal undistortPoints call. - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, Mat inliers, int flags, TermCriteria criteria) { - return fisheye_solvePnPRansac_0(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence, inliers.nativeObj, flags, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * @param inliers Output vector that contains indices of inliers in objectPoints and imagePoints . - * @param flags Method for solving a PnP problem: see REF: calib3d_solvePnP_flags - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, Mat inliers, int flags) { - return fisheye_solvePnPRansac_1(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence, inliers.nativeObj, flags); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * @param inliers Output vector that contains indices of inliers in objectPoints and imagePoints . - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, Mat inliers) { - return fisheye_solvePnPRansac_2(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence, inliers.nativeObj); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * @param confidence The probability that the algorithm produces a useful result. - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence) { - return fisheye_solvePnPRansac_3(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError, confidence); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * @param reprojectionError Inlier threshold value used by the RANSAC procedure. The parameter value - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError) { - return fisheye_solvePnPRansac_4(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount, reprojectionError); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * @param iterationsCount Number of iterations. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess, int iterationsCount) { - return fisheye_solvePnPRansac_5(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess, iterationsCount); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * @param useExtrinsicGuess Parameter used for #SOLVEPNP_ITERATIVE. If true (1), the function uses - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, boolean useExtrinsicGuess) { - return fisheye_solvePnPRansac_6(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj, useExtrinsicGuess); - } - - /** - * Finds an object pose from 3D-2D point correspondences using the RANSAC scheme for fisheye camera moodel. - * - * @param objectPoints Array of object points in the object coordinate space, Nx3 1-channel or - * 1xN/Nx1 3-channel, where N is the number of points. vector<Point3d> can be also passed here. - * @param imagePoints Array of corresponding image points, Nx2 1-channel or 1xN/Nx1 2-channel, - * where N is the number of points. vector<Point2d> can be also passed here. - * @param cameraMatrix Input camera intrinsic matrix \(\cameramatrix{A}\) . - * @param distCoeffs Input vector of distortion coefficients (4x1/1x4). - * @param rvec Output rotation vector (see REF: Rodrigues ) that, together with tvec, brings points from - * the model coordinate system to the camera coordinate system. - * @param tvec Output translation vector. - * the provided rvec and tvec values as initial approximations of the rotation and translation - * vectors, respectively, and further optimizes them. - * is the maximum allowed distance between the observed and computed point projections to consider it - * an inlier. - * This function returns the rotation and the translation vectors that transform a 3D point expressed in the object - * coordinate frame to the camera coordinate frame, using different methods: - *
      - *
    • - * P3P methods (REF: SOLVEPNP_P3P, REF: SOLVEPNP_AP3P): need 4 input points to return a unique solution. - *
      • - *
    • - * REF: SOLVEPNP_IPPE Input points must be >= 4 and object points must be coplanar. - *
      • - *
    • - * REF: SOLVEPNP_IPPE_SQUARE Special case suitable for marker pose estimation. - * Number of input points must be 4. Object points must be defined in the following order: - *
      • - *
    • - * point 0: [-squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 1: [ squareLength / 2, squareLength / 2, 0] - *
      • - *
    • - * point 2: [ squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * point 3: [-squareLength / 2, -squareLength / 2, 0] - *
      • - *
    • - * for all the other flags, number of input points must be >= 4 and object points can be in any configuration. - *
      • - *
    - * The function interally undistorts points with REF: undistortPoints and call REF: cv::solvePnP, - * thus the input are very similar. More information about Perspective-n-Points is described in REF: calib3d_solvePnP - * for more information. - * @return automatically generated - */ - public static boolean fisheye_solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec) { - return fisheye_solvePnPRansac_7(objectPoints.nativeObj, imagePoints.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, rvec.nativeObj, tvec.nativeObj); - } - - - - - // C++: void cv::Rodrigues(Mat src, Mat& dst, Mat& jacobian = Mat()) - private static native void Rodrigues_0(long src_nativeObj, long dst_nativeObj, long jacobian_nativeObj); - private static native void Rodrigues_1(long src_nativeObj, long dst_nativeObj); - - // C++: Mat cv::findHomography(vector_Point2f srcPoints, vector_Point2f dstPoints, int method = 0, double ransacReprojThreshold = 3, Mat& mask = Mat(), int maxIters = 2000, double confidence = 0.995) - private static native long findHomography_0(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, int method, double ransacReprojThreshold, long mask_nativeObj, int maxIters, double confidence); - private static native long findHomography_1(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, int method, double ransacReprojThreshold, long mask_nativeObj, int maxIters); - private static native long findHomography_2(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, int method, double ransacReprojThreshold, long mask_nativeObj); - private static native long findHomography_3(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, int method, double ransacReprojThreshold); - private static native long findHomography_4(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, int method); - private static native long findHomography_5(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj); - - // C++: Mat cv::findHomography(vector_Point2f srcPoints, vector_Point2f dstPoints, Mat& mask, UsacParams params) - private static native long findHomography_6(long srcPoints_mat_nativeObj, long dstPoints_mat_nativeObj, long mask_nativeObj, long params_nativeObj); - - // C++: Vec3d cv::RQDecomp3x3(Mat src, Mat& mtxR, Mat& mtxQ, Mat& Qx = Mat(), Mat& Qy = Mat(), Mat& Qz = Mat()) - private static native double[] RQDecomp3x3_0(long src_nativeObj, long mtxR_nativeObj, long mtxQ_nativeObj, long Qx_nativeObj, long Qy_nativeObj, long Qz_nativeObj); - private static native double[] RQDecomp3x3_1(long src_nativeObj, long mtxR_nativeObj, long mtxQ_nativeObj, long Qx_nativeObj, long Qy_nativeObj); - private static native double[] RQDecomp3x3_2(long src_nativeObj, long mtxR_nativeObj, long mtxQ_nativeObj, long Qx_nativeObj); - private static native double[] RQDecomp3x3_3(long src_nativeObj, long mtxR_nativeObj, long mtxQ_nativeObj); - - // C++: void cv::decomposeProjectionMatrix(Mat projMatrix, Mat& cameraMatrix, Mat& rotMatrix, Mat& transVect, Mat& rotMatrixX = Mat(), Mat& rotMatrixY = Mat(), Mat& rotMatrixZ = Mat(), Mat& eulerAngles = Mat()) - private static native void decomposeProjectionMatrix_0(long projMatrix_nativeObj, long cameraMatrix_nativeObj, long rotMatrix_nativeObj, long transVect_nativeObj, long rotMatrixX_nativeObj, long rotMatrixY_nativeObj, long rotMatrixZ_nativeObj, long eulerAngles_nativeObj); - private static native void decomposeProjectionMatrix_1(long projMatrix_nativeObj, long cameraMatrix_nativeObj, long rotMatrix_nativeObj, long transVect_nativeObj, long rotMatrixX_nativeObj, long rotMatrixY_nativeObj, long rotMatrixZ_nativeObj); - private static native void decomposeProjectionMatrix_2(long projMatrix_nativeObj, long cameraMatrix_nativeObj, long rotMatrix_nativeObj, long transVect_nativeObj, long rotMatrixX_nativeObj, long rotMatrixY_nativeObj); - private static native void decomposeProjectionMatrix_3(long projMatrix_nativeObj, long cameraMatrix_nativeObj, long rotMatrix_nativeObj, long transVect_nativeObj, long rotMatrixX_nativeObj); - private static native void decomposeProjectionMatrix_4(long projMatrix_nativeObj, long cameraMatrix_nativeObj, long rotMatrix_nativeObj, long transVect_nativeObj); - - // C++: void cv::matMulDeriv(Mat A, Mat B, Mat& dABdA, Mat& dABdB) - private static native void matMulDeriv_0(long A_nativeObj, long B_nativeObj, long dABdA_nativeObj, long dABdB_nativeObj); - - // C++: void cv::composeRT(Mat rvec1, Mat tvec1, Mat rvec2, Mat tvec2, Mat& rvec3, Mat& tvec3, Mat& dr3dr1 = Mat(), Mat& dr3dt1 = Mat(), Mat& dr3dr2 = Mat(), Mat& dr3dt2 = Mat(), Mat& dt3dr1 = Mat(), Mat& dt3dt1 = Mat(), Mat& dt3dr2 = Mat(), Mat& dt3dt2 = Mat()) - private static native void composeRT_0(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj, long dr3dt2_nativeObj, long dt3dr1_nativeObj, long dt3dt1_nativeObj, long dt3dr2_nativeObj, long dt3dt2_nativeObj); - private static native void composeRT_1(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj, long dr3dt2_nativeObj, long dt3dr1_nativeObj, long dt3dt1_nativeObj, long dt3dr2_nativeObj); - private static native void composeRT_2(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj, long dr3dt2_nativeObj, long dt3dr1_nativeObj, long dt3dt1_nativeObj); - private static native void composeRT_3(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj, long dr3dt2_nativeObj, long dt3dr1_nativeObj); - private static native void composeRT_4(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj, long dr3dt2_nativeObj); - private static native void composeRT_5(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj, long dr3dr2_nativeObj); - private static native void composeRT_6(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj, long dr3dt1_nativeObj); - private static native void composeRT_7(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj, long dr3dr1_nativeObj); - private static native void composeRT_8(long rvec1_nativeObj, long tvec1_nativeObj, long rvec2_nativeObj, long tvec2_nativeObj, long rvec3_nativeObj, long tvec3_nativeObj); - - // C++: void cv::projectPoints(vector_Point3f objectPoints, Mat rvec, Mat tvec, Mat cameraMatrix, vector_double distCoeffs, vector_Point2f& imagePoints, Mat& jacobian = Mat(), double aspectRatio = 0) - private static native void projectPoints_0(long objectPoints_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long imagePoints_mat_nativeObj, long jacobian_nativeObj, double aspectRatio); - private static native void projectPoints_1(long objectPoints_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long imagePoints_mat_nativeObj, long jacobian_nativeObj); - private static native void projectPoints_2(long objectPoints_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long imagePoints_mat_nativeObj); - - // C++: bool cv::solvePnP(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int flags = SOLVEPNP_ITERATIVE) - private static native boolean solvePnP_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int flags); - private static native boolean solvePnP_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess); - private static native boolean solvePnP_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - - // C++: bool cv::solvePnPRansac(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int iterationsCount = 100, float reprojectionError = 8.0, double confidence = 0.99, Mat& inliers = Mat(), int flags = SOLVEPNP_ITERATIVE) - private static native boolean solvePnPRansac_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, long inliers_nativeObj, int flags); - private static native boolean solvePnPRansac_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, long inliers_nativeObj); - private static native boolean solvePnPRansac_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence); - private static native boolean solvePnPRansac_3(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError); - private static native boolean solvePnPRansac_4(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount); - private static native boolean solvePnPRansac_5(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess); - private static native boolean solvePnPRansac_6(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - - // C++: bool cv::solvePnPRansac(vector_Point3f objectPoints, vector_Point2f imagePoints, Mat& cameraMatrix, vector_double distCoeffs, Mat& rvec, Mat& tvec, Mat& inliers, UsacParams params = UsacParams()) - private static native boolean solvePnPRansac_7(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long inliers_nativeObj, long params_nativeObj); - private static native boolean solvePnPRansac_8(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_mat_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long inliers_nativeObj); - - // C++: int cv::solveP3P(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, int flags) - private static native int solveP3P_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags); - - // C++: void cv::solvePnPRefineLM(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, TermCriteria criteria = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 20, FLT_EPSILON)) - private static native void solvePnPRefineLM_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native void solvePnPRefineLM_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - - // C++: void cv::solvePnPRefineVVS(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, TermCriteria criteria = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 20, FLT_EPSILON), double VVSlambda = 1) - private static native void solvePnPRefineVVS_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon, double VVSlambda); - private static native void solvePnPRefineVVS_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native void solvePnPRefineVVS_2(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - - // C++: int cv::solvePnPGeneric(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, bool useExtrinsicGuess = false, SolvePnPMethod flags = SOLVEPNP_ITERATIVE, Mat rvec = Mat(), Mat tvec = Mat(), Mat& reprojectionError = Mat()) - private static native int solvePnPGeneric_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, boolean useExtrinsicGuess, int flags, long rvec_nativeObj, long tvec_nativeObj, long reprojectionError_nativeObj); - private static native int solvePnPGeneric_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, boolean useExtrinsicGuess, int flags, long rvec_nativeObj, long tvec_nativeObj); - private static native int solvePnPGeneric_2(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, boolean useExtrinsicGuess, int flags, long rvec_nativeObj); - private static native int solvePnPGeneric_3(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, boolean useExtrinsicGuess, int flags); - private static native int solvePnPGeneric_4(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, boolean useExtrinsicGuess); - private static native int solvePnPGeneric_5(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj); - - // C++: Mat cv::initCameraMatrix2D(vector_vector_Point3f objectPoints, vector_vector_Point2f imagePoints, Size imageSize, double aspectRatio = 1.0) - private static native long initCameraMatrix2D_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, double aspectRatio); - private static native long initCameraMatrix2D_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height); - - // C++: bool cv::findChessboardCorners(Mat image, Size patternSize, vector_Point2f& corners, int flags = CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE) - private static native boolean findChessboardCorners_0(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_mat_nativeObj, int flags); - private static native boolean findChessboardCorners_1(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_mat_nativeObj); - - // C++: bool cv::checkChessboard(Mat img, Size size) - private static native boolean checkChessboard_0(long img_nativeObj, double size_width, double size_height); - - // C++: bool cv::findChessboardCornersSB(Mat image, Size patternSize, Mat& corners, int flags, Mat& meta) - private static native boolean findChessboardCornersSBWithMeta_0(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj, int flags, long meta_nativeObj); - - // C++: bool cv::findChessboardCornersSB(Mat image, Size patternSize, Mat& corners, int flags = 0) - private static native boolean findChessboardCornersSB_0(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj, int flags); - private static native boolean findChessboardCornersSB_1(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj); - - // C++: Scalar cv::estimateChessboardSharpness(Mat image, Size patternSize, Mat corners, float rise_distance = 0.8F, bool vertical = false, Mat& sharpness = Mat()) - private static native double[] estimateChessboardSharpness_0(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj, float rise_distance, boolean vertical, long sharpness_nativeObj); - private static native double[] estimateChessboardSharpness_1(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj, float rise_distance, boolean vertical); - private static native double[] estimateChessboardSharpness_2(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj, float rise_distance); - private static native double[] estimateChessboardSharpness_3(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_nativeObj); - - // C++: bool cv::find4QuadCornerSubpix(Mat img, Mat& corners, Size region_size) - private static native boolean find4QuadCornerSubpix_0(long img_nativeObj, long corners_nativeObj, double region_size_width, double region_size_height); - - // C++: void cv::drawChessboardCorners(Mat& image, Size patternSize, vector_Point2f corners, bool patternWasFound) - private static native void drawChessboardCorners_0(long image_nativeObj, double patternSize_width, double patternSize_height, long corners_mat_nativeObj, boolean patternWasFound); - - // C++: void cv::drawFrameAxes(Mat& image, Mat cameraMatrix, Mat distCoeffs, Mat rvec, Mat tvec, float length, int thickness = 3) - private static native void drawFrameAxes_0(long image_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, float length, int thickness); - private static native void drawFrameAxes_1(long image_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, float length); - - // C++: bool cv::findCirclesGrid(Mat image, Size patternSize, Mat& centers, int flags = CALIB_CB_SYMMETRIC_GRID, Ptr_FeatureDetector blobDetector = SimpleBlobDetector::create()) - private static native boolean findCirclesGrid_0(long image_nativeObj, double patternSize_width, double patternSize_height, long centers_nativeObj, int flags); - private static native boolean findCirclesGrid_2(long image_nativeObj, double patternSize_width, double patternSize_height, long centers_nativeObj); - - // C++: double cv::calibrateCamera(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& stdDeviationsIntrinsics, Mat& stdDeviationsExtrinsics, Mat& perViewErrors, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - private static native double calibrateCameraExtended_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long perViewErrors_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double calibrateCameraExtended_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long perViewErrors_nativeObj, int flags); - private static native double calibrateCameraExtended_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long perViewErrors_nativeObj); - - // C++: double cv::calibrateCamera(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - private static native double calibrateCamera_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double calibrateCamera_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags); - private static native double calibrateCamera_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj); - - // C++: double cv::calibrateCameraRO(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, int iFixedPoint, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& newObjPoints, Mat& stdDeviationsIntrinsics, Mat& stdDeviationsExtrinsics, Mat& stdDeviationsObjPoints, Mat& perViewErrors, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - private static native double calibrateCameraROExtended_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long stdDeviationsObjPoints_nativeObj, long perViewErrors_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double calibrateCameraROExtended_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long stdDeviationsObjPoints_nativeObj, long perViewErrors_nativeObj, int flags); - private static native double calibrateCameraROExtended_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj, long stdDeviationsIntrinsics_nativeObj, long stdDeviationsExtrinsics_nativeObj, long stdDeviationsObjPoints_nativeObj, long perViewErrors_nativeObj); - - // C++: double cv::calibrateCameraRO(vector_Mat objectPoints, vector_Mat imagePoints, Size imageSize, int iFixedPoint, Mat& cameraMatrix, Mat& distCoeffs, vector_Mat& rvecs, vector_Mat& tvecs, Mat& newObjPoints, int flags = 0, TermCriteria criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)) - private static native double calibrateCameraRO_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double calibrateCameraRO_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj, int flags); - private static native double calibrateCameraRO_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double imageSize_width, double imageSize_height, int iFixedPoint, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long newObjPoints_nativeObj); - - // C++: void cv::calibrationMatrixValues(Mat cameraMatrix, Size imageSize, double apertureWidth, double apertureHeight, double& fovx, double& fovy, double& focalLength, Point2d& principalPoint, double& aspectRatio) - private static native void calibrationMatrixValues_0(long cameraMatrix_nativeObj, double imageSize_width, double imageSize_height, double apertureWidth, double apertureHeight, double[] fovx_out, double[] fovy_out, double[] focalLength_out, double[] principalPoint_out, double[] aspectRatio_out); - - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, vector_Mat& rvecs, vector_Mat& tvecs, Mat& perViewErrors, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - private static native double stereoCalibrateExtended_0(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long perViewErrors_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double stereoCalibrateExtended_1(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long perViewErrors_nativeObj, int flags); - private static native double stereoCalibrateExtended_2(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, long perViewErrors_nativeObj); - - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - private static native double stereoCalibrate_0(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double stereoCalibrate_1(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, int flags); - private static native double stereoCalibrate_2(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj); - - // C++: double cv::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& cameraMatrix1, Mat& distCoeffs1, Mat& cameraMatrix2, Mat& distCoeffs2, Size imageSize, Mat& R, Mat& T, Mat& E, Mat& F, Mat& perViewErrors, int flags = CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6)) - private static native double stereoCalibrate_3(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long perViewErrors_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double stereoCalibrate_4(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long perViewErrors_nativeObj, int flags); - private static native double stereoCalibrate_5(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long E_nativeObj, long F_nativeObj, long perViewErrors_nativeObj); - - // C++: void cv::stereoRectify(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Size imageSize, Mat R, Mat T, Mat& R1, Mat& R2, Mat& P1, Mat& P2, Mat& Q, int flags = CALIB_ZERO_DISPARITY, double alpha = -1, Size newImageSize = Size(), Rect* validPixROI1 = 0, Rect* validPixROI2 = 0) - private static native void stereoRectify_0(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double alpha, double newImageSize_width, double newImageSize_height, double[] validPixROI1_out, double[] validPixROI2_out); - private static native void stereoRectify_1(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double alpha, double newImageSize_width, double newImageSize_height, double[] validPixROI1_out); - private static native void stereoRectify_2(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double alpha, double newImageSize_width, double newImageSize_height); - private static native void stereoRectify_3(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double alpha); - private static native void stereoRectify_4(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags); - private static native void stereoRectify_5(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj); - - // C++: bool cv::stereoRectifyUncalibrated(Mat points1, Mat points2, Mat F, Size imgSize, Mat& H1, Mat& H2, double threshold = 5) - private static native boolean stereoRectifyUncalibrated_0(long points1_nativeObj, long points2_nativeObj, long F_nativeObj, double imgSize_width, double imgSize_height, long H1_nativeObj, long H2_nativeObj, double threshold); - private static native boolean stereoRectifyUncalibrated_1(long points1_nativeObj, long points2_nativeObj, long F_nativeObj, double imgSize_width, double imgSize_height, long H1_nativeObj, long H2_nativeObj); - - // C++: float cv::rectify3Collinear(Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat cameraMatrix3, Mat distCoeffs3, vector_Mat imgpt1, vector_Mat imgpt3, Size imageSize, Mat R12, Mat T12, Mat R13, Mat T13, Mat& R1, Mat& R2, Mat& R3, Mat& P1, Mat& P2, Mat& P3, Mat& Q, double alpha, Size newImgSize, Rect* roi1, Rect* roi2, int flags) - private static native float rectify3Collinear_0(long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long cameraMatrix3_nativeObj, long distCoeffs3_nativeObj, long imgpt1_mat_nativeObj, long imgpt3_mat_nativeObj, double imageSize_width, double imageSize_height, long R12_nativeObj, long T12_nativeObj, long R13_nativeObj, long T13_nativeObj, long R1_nativeObj, long R2_nativeObj, long R3_nativeObj, long P1_nativeObj, long P2_nativeObj, long P3_nativeObj, long Q_nativeObj, double alpha, double newImgSize_width, double newImgSize_height, double[] roi1_out, double[] roi2_out, int flags); - - // C++: Mat cv::getOptimalNewCameraMatrix(Mat cameraMatrix, Mat distCoeffs, Size imageSize, double alpha, Size newImgSize = Size(), Rect* validPixROI = 0, bool centerPrincipalPoint = false) - private static native long getOptimalNewCameraMatrix_0(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, double imageSize_width, double imageSize_height, double alpha, double newImgSize_width, double newImgSize_height, double[] validPixROI_out, boolean centerPrincipalPoint); - private static native long getOptimalNewCameraMatrix_1(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, double imageSize_width, double imageSize_height, double alpha, double newImgSize_width, double newImgSize_height, double[] validPixROI_out); - private static native long getOptimalNewCameraMatrix_2(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, double imageSize_width, double imageSize_height, double alpha, double newImgSize_width, double newImgSize_height); - private static native long getOptimalNewCameraMatrix_3(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, double imageSize_width, double imageSize_height, double alpha); - - // C++: void cv::calibrateHandEye(vector_Mat R_gripper2base, vector_Mat t_gripper2base, vector_Mat R_target2cam, vector_Mat t_target2cam, Mat& R_cam2gripper, Mat& t_cam2gripper, HandEyeCalibrationMethod method = CALIB_HAND_EYE_TSAI) - private static native void calibrateHandEye_0(long R_gripper2base_mat_nativeObj, long t_gripper2base_mat_nativeObj, long R_target2cam_mat_nativeObj, long t_target2cam_mat_nativeObj, long R_cam2gripper_nativeObj, long t_cam2gripper_nativeObj, int method); - private static native void calibrateHandEye_1(long R_gripper2base_mat_nativeObj, long t_gripper2base_mat_nativeObj, long R_target2cam_mat_nativeObj, long t_target2cam_mat_nativeObj, long R_cam2gripper_nativeObj, long t_cam2gripper_nativeObj); - - // C++: void cv::calibrateRobotWorldHandEye(vector_Mat R_world2cam, vector_Mat t_world2cam, vector_Mat R_base2gripper, vector_Mat t_base2gripper, Mat& R_base2world, Mat& t_base2world, Mat& R_gripper2cam, Mat& t_gripper2cam, RobotWorldHandEyeCalibrationMethod method = CALIB_ROBOT_WORLD_HAND_EYE_SHAH) - private static native void calibrateRobotWorldHandEye_0(long R_world2cam_mat_nativeObj, long t_world2cam_mat_nativeObj, long R_base2gripper_mat_nativeObj, long t_base2gripper_mat_nativeObj, long R_base2world_nativeObj, long t_base2world_nativeObj, long R_gripper2cam_nativeObj, long t_gripper2cam_nativeObj, int method); - private static native void calibrateRobotWorldHandEye_1(long R_world2cam_mat_nativeObj, long t_world2cam_mat_nativeObj, long R_base2gripper_mat_nativeObj, long t_base2gripper_mat_nativeObj, long R_base2world_nativeObj, long t_base2world_nativeObj, long R_gripper2cam_nativeObj, long t_gripper2cam_nativeObj); - - // C++: void cv::convertPointsToHomogeneous(Mat src, Mat& dst) - private static native void convertPointsToHomogeneous_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::convertPointsFromHomogeneous(Mat src, Mat& dst) - private static native void convertPointsFromHomogeneous_0(long src_nativeObj, long dst_nativeObj); - - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, int method, double ransacReprojThreshold, double confidence, int maxIters, Mat& mask = Mat()) - private static native long findFundamentalMat_0(long points1_mat_nativeObj, long points2_mat_nativeObj, int method, double ransacReprojThreshold, double confidence, int maxIters, long mask_nativeObj); - private static native long findFundamentalMat_1(long points1_mat_nativeObj, long points2_mat_nativeObj, int method, double ransacReprojThreshold, double confidence, int maxIters); - - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, int method = FM_RANSAC, double ransacReprojThreshold = 3., double confidence = 0.99, Mat& mask = Mat()) - private static native long findFundamentalMat_2(long points1_mat_nativeObj, long points2_mat_nativeObj, int method, double ransacReprojThreshold, double confidence, long mask_nativeObj); - private static native long findFundamentalMat_3(long points1_mat_nativeObj, long points2_mat_nativeObj, int method, double ransacReprojThreshold, double confidence); - private static native long findFundamentalMat_4(long points1_mat_nativeObj, long points2_mat_nativeObj, int method, double ransacReprojThreshold); - private static native long findFundamentalMat_5(long points1_mat_nativeObj, long points2_mat_nativeObj, int method); - private static native long findFundamentalMat_6(long points1_mat_nativeObj, long points2_mat_nativeObj); - - // C++: Mat cv::findFundamentalMat(vector_Point2f points1, vector_Point2f points2, Mat& mask, UsacParams params) - private static native long findFundamentalMat_7(long points1_mat_nativeObj, long points2_mat_nativeObj, long mask_nativeObj, long params_nativeObj); - - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix, int method = RANSAC, double prob = 0.999, double threshold = 1.0, int maxIters = 1000, Mat& mask = Mat()) - private static native long findEssentialMat_0(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, int method, double prob, double threshold, int maxIters, long mask_nativeObj); - private static native long findEssentialMat_1(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, int method, double prob, double threshold, int maxIters); - private static native long findEssentialMat_2(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, int method, double prob, double threshold); - private static native long findEssentialMat_3(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, int method, double prob); - private static native long findEssentialMat_4(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, int method); - private static native long findEssentialMat_5(long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj); - - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, double focal = 1.0, Point2d pp = Point2d(0, 0), int method = RANSAC, double prob = 0.999, double threshold = 1.0, int maxIters = 1000, Mat& mask = Mat()) - private static native long findEssentialMat_6(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y, int method, double prob, double threshold, int maxIters, long mask_nativeObj); - private static native long findEssentialMat_7(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y, int method, double prob, double threshold, int maxIters); - private static native long findEssentialMat_8(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y, int method, double prob, double threshold); - private static native long findEssentialMat_9(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y, int method, double prob); - private static native long findEssentialMat_10(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y, int method); - private static native long findEssentialMat_11(long points1_nativeObj, long points2_nativeObj, double focal, double pp_x, double pp_y); - private static native long findEssentialMat_12(long points1_nativeObj, long points2_nativeObj, double focal); - private static native long findEssentialMat_13(long points1_nativeObj, long points2_nativeObj); - - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, int method = RANSAC, double prob = 0.999, double threshold = 1.0, Mat& mask = Mat()) - private static native long findEssentialMat_14(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, int method, double prob, double threshold, long mask_nativeObj); - private static native long findEssentialMat_15(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, int method, double prob, double threshold); - private static native long findEssentialMat_16(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, int method, double prob); - private static native long findEssentialMat_17(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, int method); - private static native long findEssentialMat_18(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj); - - // C++: Mat cv::findEssentialMat(Mat points1, Mat points2, Mat cameraMatrix1, Mat cameraMatrix2, Mat dist_coeff1, Mat dist_coeff2, Mat& mask, UsacParams params) - private static native long findEssentialMat_19(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long cameraMatrix2_nativeObj, long dist_coeff1_nativeObj, long dist_coeff2_nativeObj, long mask_nativeObj, long params_nativeObj); - - // C++: void cv::decomposeEssentialMat(Mat E, Mat& R1, Mat& R2, Mat& t) - private static native void decomposeEssentialMat_0(long E_nativeObj, long R1_nativeObj, long R2_nativeObj, long t_nativeObj); - - // C++: int cv::recoverPose(Mat points1, Mat points2, Mat cameraMatrix1, Mat distCoeffs1, Mat cameraMatrix2, Mat distCoeffs2, Mat& E, Mat& R, Mat& t, int method = cv::RANSAC, double prob = 0.999, double threshold = 1.0, Mat& mask = Mat()) - private static native int recoverPose_0(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long E_nativeObj, long R_nativeObj, long t_nativeObj, int method, double prob, double threshold, long mask_nativeObj); - private static native int recoverPose_1(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long E_nativeObj, long R_nativeObj, long t_nativeObj, int method, double prob, double threshold); - private static native int recoverPose_2(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long E_nativeObj, long R_nativeObj, long t_nativeObj, int method, double prob); - private static native int recoverPose_3(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long E_nativeObj, long R_nativeObj, long t_nativeObj, int method); - private static native int recoverPose_4(long points1_nativeObj, long points2_nativeObj, long cameraMatrix1_nativeObj, long distCoeffs1_nativeObj, long cameraMatrix2_nativeObj, long distCoeffs2_nativeObj, long E_nativeObj, long R_nativeObj, long t_nativeObj); - - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat& R, Mat& t, Mat& mask = Mat()) - private static native int recoverPose_5(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, long R_nativeObj, long t_nativeObj, long mask_nativeObj); - private static native int recoverPose_6(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, long R_nativeObj, long t_nativeObj); - - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat& R, Mat& t, double focal = 1.0, Point2d pp = Point2d(0, 0), Mat& mask = Mat()) - private static native int recoverPose_7(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long R_nativeObj, long t_nativeObj, double focal, double pp_x, double pp_y, long mask_nativeObj); - private static native int recoverPose_8(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long R_nativeObj, long t_nativeObj, double focal, double pp_x, double pp_y); - private static native int recoverPose_9(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long R_nativeObj, long t_nativeObj, double focal); - private static native int recoverPose_10(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long R_nativeObj, long t_nativeObj); - - // C++: int cv::recoverPose(Mat E, Mat points1, Mat points2, Mat cameraMatrix, Mat& R, Mat& t, double distanceThresh, Mat& mask = Mat(), Mat& triangulatedPoints = Mat()) - private static native int recoverPose_11(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, long R_nativeObj, long t_nativeObj, double distanceThresh, long mask_nativeObj, long triangulatedPoints_nativeObj); - private static native int recoverPose_12(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, long R_nativeObj, long t_nativeObj, double distanceThresh, long mask_nativeObj); - private static native int recoverPose_13(long E_nativeObj, long points1_nativeObj, long points2_nativeObj, long cameraMatrix_nativeObj, long R_nativeObj, long t_nativeObj, double distanceThresh); - - // C++: void cv::computeCorrespondEpilines(Mat points, int whichImage, Mat F, Mat& lines) - private static native void computeCorrespondEpilines_0(long points_nativeObj, int whichImage, long F_nativeObj, long lines_nativeObj); - - // C++: void cv::triangulatePoints(Mat projMatr1, Mat projMatr2, Mat projPoints1, Mat projPoints2, Mat& points4D) - private static native void triangulatePoints_0(long projMatr1_nativeObj, long projMatr2_nativeObj, long projPoints1_nativeObj, long projPoints2_nativeObj, long points4D_nativeObj); - - // C++: void cv::correctMatches(Mat F, Mat points1, Mat points2, Mat& newPoints1, Mat& newPoints2) - private static native void correctMatches_0(long F_nativeObj, long points1_nativeObj, long points2_nativeObj, long newPoints1_nativeObj, long newPoints2_nativeObj); - - // C++: void cv::filterSpeckles(Mat& img, double newVal, int maxSpeckleSize, double maxDiff, Mat& buf = Mat()) - private static native void filterSpeckles_0(long img_nativeObj, double newVal, int maxSpeckleSize, double maxDiff, long buf_nativeObj); - private static native void filterSpeckles_1(long img_nativeObj, double newVal, int maxSpeckleSize, double maxDiff); - - // C++: Rect cv::getValidDisparityROI(Rect roi1, Rect roi2, int minDisparity, int numberOfDisparities, int blockSize) - private static native double[] getValidDisparityROI_0(int roi1_x, int roi1_y, int roi1_width, int roi1_height, int roi2_x, int roi2_y, int roi2_width, int roi2_height, int minDisparity, int numberOfDisparities, int blockSize); - - // C++: void cv::validateDisparity(Mat& disparity, Mat cost, int minDisparity, int numberOfDisparities, int disp12MaxDisp = 1) - private static native void validateDisparity_0(long disparity_nativeObj, long cost_nativeObj, int minDisparity, int numberOfDisparities, int disp12MaxDisp); - private static native void validateDisparity_1(long disparity_nativeObj, long cost_nativeObj, int minDisparity, int numberOfDisparities); - - // C++: void cv::reprojectImageTo3D(Mat disparity, Mat& _3dImage, Mat Q, bool handleMissingValues = false, int ddepth = -1) - private static native void reprojectImageTo3D_0(long disparity_nativeObj, long _3dImage_nativeObj, long Q_nativeObj, boolean handleMissingValues, int ddepth); - private static native void reprojectImageTo3D_1(long disparity_nativeObj, long _3dImage_nativeObj, long Q_nativeObj, boolean handleMissingValues); - private static native void reprojectImageTo3D_2(long disparity_nativeObj, long _3dImage_nativeObj, long Q_nativeObj); - - // C++: double cv::sampsonDistance(Mat pt1, Mat pt2, Mat F) - private static native double sampsonDistance_0(long pt1_nativeObj, long pt2_nativeObj, long F_nativeObj); - - // C++: int cv::estimateAffine3D(Mat src, Mat dst, Mat& out, Mat& inliers, double ransacThreshold = 3, double confidence = 0.99) - private static native int estimateAffine3D_0(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj, double ransacThreshold, double confidence); - private static native int estimateAffine3D_1(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj, double ransacThreshold); - private static native int estimateAffine3D_2(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj); - - // C++: Mat cv::estimateAffine3D(Mat src, Mat dst, double* scale = nullptr, bool force_rotation = true) - private static native long estimateAffine3D_3(long src_nativeObj, long dst_nativeObj, double[] scale_out, boolean force_rotation); - private static native long estimateAffine3D_4(long src_nativeObj, long dst_nativeObj, double[] scale_out); - private static native long estimateAffine3D_5(long src_nativeObj, long dst_nativeObj); - - // C++: int cv::estimateTranslation3D(Mat src, Mat dst, Mat& out, Mat& inliers, double ransacThreshold = 3, double confidence = 0.99) - private static native int estimateTranslation3D_0(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj, double ransacThreshold, double confidence); - private static native int estimateTranslation3D_1(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj, double ransacThreshold); - private static native int estimateTranslation3D_2(long src_nativeObj, long dst_nativeObj, long out_nativeObj, long inliers_nativeObj); - - // C++: Mat cv::estimateAffine2D(Mat from, Mat to, Mat& inliers = Mat(), int method = RANSAC, double ransacReprojThreshold = 3, size_t maxIters = 2000, double confidence = 0.99, size_t refineIters = 10) - private static native long estimateAffine2D_0(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters, double confidence, long refineIters); - private static native long estimateAffine2D_1(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters, double confidence); - private static native long estimateAffine2D_2(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters); - private static native long estimateAffine2D_3(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold); - private static native long estimateAffine2D_4(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method); - private static native long estimateAffine2D_5(long from_nativeObj, long to_nativeObj, long inliers_nativeObj); - private static native long estimateAffine2D_6(long from_nativeObj, long to_nativeObj); - - // C++: Mat cv::estimateAffine2D(Mat pts1, Mat pts2, Mat& inliers, UsacParams params) - private static native long estimateAffine2D_7(long pts1_nativeObj, long pts2_nativeObj, long inliers_nativeObj, long params_nativeObj); - - // C++: Mat cv::estimateAffinePartial2D(Mat from, Mat to, Mat& inliers = Mat(), int method = RANSAC, double ransacReprojThreshold = 3, size_t maxIters = 2000, double confidence = 0.99, size_t refineIters = 10) - private static native long estimateAffinePartial2D_0(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters, double confidence, long refineIters); - private static native long estimateAffinePartial2D_1(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters, double confidence); - private static native long estimateAffinePartial2D_2(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold, long maxIters); - private static native long estimateAffinePartial2D_3(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method, double ransacReprojThreshold); - private static native long estimateAffinePartial2D_4(long from_nativeObj, long to_nativeObj, long inliers_nativeObj, int method); - private static native long estimateAffinePartial2D_5(long from_nativeObj, long to_nativeObj, long inliers_nativeObj); - private static native long estimateAffinePartial2D_6(long from_nativeObj, long to_nativeObj); - - // C++: int cv::decomposeHomographyMat(Mat H, Mat K, vector_Mat& rotations, vector_Mat& translations, vector_Mat& normals) - private static native int decomposeHomographyMat_0(long H_nativeObj, long K_nativeObj, long rotations_mat_nativeObj, long translations_mat_nativeObj, long normals_mat_nativeObj); - - // C++: void cv::filterHomographyDecompByVisibleRefpoints(vector_Mat rotations, vector_Mat normals, Mat beforePoints, Mat afterPoints, Mat& possibleSolutions, Mat pointsMask = Mat()) - private static native void filterHomographyDecompByVisibleRefpoints_0(long rotations_mat_nativeObj, long normals_mat_nativeObj, long beforePoints_nativeObj, long afterPoints_nativeObj, long possibleSolutions_nativeObj, long pointsMask_nativeObj); - private static native void filterHomographyDecompByVisibleRefpoints_1(long rotations_mat_nativeObj, long normals_mat_nativeObj, long beforePoints_nativeObj, long afterPoints_nativeObj, long possibleSolutions_nativeObj); - - // C++: void cv::undistort(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, Mat newCameraMatrix = Mat()) - private static native void undistort_0(long src_nativeObj, long dst_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long newCameraMatrix_nativeObj); - private static native void undistort_1(long src_nativeObj, long dst_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj); - - // C++: void cv::initUndistortRectifyMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat& map1, Mat& map2) - private static native void initUndistortRectifyMap_0(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long R_nativeObj, long newCameraMatrix_nativeObj, double size_width, double size_height, int m1type, long map1_nativeObj, long map2_nativeObj); - - // C++: void cv::initInverseRectificationMap(Mat cameraMatrix, Mat distCoeffs, Mat R, Mat newCameraMatrix, Size size, int m1type, Mat& map1, Mat& map2) - private static native void initInverseRectificationMap_0(long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long R_nativeObj, long newCameraMatrix_nativeObj, double size_width, double size_height, int m1type, long map1_nativeObj, long map2_nativeObj); - - // C++: Mat cv::getDefaultNewCameraMatrix(Mat cameraMatrix, Size imgsize = Size(), bool centerPrincipalPoint = false) - private static native long getDefaultNewCameraMatrix_0(long cameraMatrix_nativeObj, double imgsize_width, double imgsize_height, boolean centerPrincipalPoint); - private static native long getDefaultNewCameraMatrix_1(long cameraMatrix_nativeObj, double imgsize_width, double imgsize_height); - private static native long getDefaultNewCameraMatrix_2(long cameraMatrix_nativeObj); - - // C++: void cv::undistortPoints(vector_Point2f src, vector_Point2f& dst, Mat cameraMatrix, Mat distCoeffs, Mat R = Mat(), Mat P = Mat()) - private static native void undistortPoints_0(long src_mat_nativeObj, long dst_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long R_nativeObj, long P_nativeObj); - private static native void undistortPoints_1(long src_mat_nativeObj, long dst_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long R_nativeObj); - private static native void undistortPoints_2(long src_mat_nativeObj, long dst_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj); - - // C++: void cv::undistortPoints(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, Mat R, Mat P, TermCriteria criteria) - private static native void undistortPointsIter_0(long src_nativeObj, long dst_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long R_nativeObj, long P_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon); - - // C++: void cv::undistortImagePoints(Mat src, Mat& dst, Mat cameraMatrix, Mat distCoeffs, TermCriteria arg1 = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 0.01)) - private static native void undistortImagePoints_0(long src_nativeObj, long dst_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, int arg1_type, int arg1_maxCount, double arg1_epsilon); - private static native void undistortImagePoints_1(long src_nativeObj, long dst_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj); - - // C++: void cv::fisheye::projectPoints(Mat objectPoints, Mat& imagePoints, Mat rvec, Mat tvec, Mat K, Mat D, double alpha = 0, Mat& jacobian = Mat()) - private static native void fisheye_projectPoints_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long K_nativeObj, long D_nativeObj, double alpha, long jacobian_nativeObj); - private static native void fisheye_projectPoints_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long K_nativeObj, long D_nativeObj, double alpha); - private static native void fisheye_projectPoints_2(long objectPoints_nativeObj, long imagePoints_nativeObj, long rvec_nativeObj, long tvec_nativeObj, long K_nativeObj, long D_nativeObj); - - // C++: void cv::fisheye::distortPoints(Mat undistorted, Mat& distorted, Mat K, Mat D, double alpha = 0) - private static native void fisheye_distortPoints_0(long undistorted_nativeObj, long distorted_nativeObj, long K_nativeObj, long D_nativeObj, double alpha); - private static native void fisheye_distortPoints_1(long undistorted_nativeObj, long distorted_nativeObj, long K_nativeObj, long D_nativeObj); - - // C++: void cv::fisheye::distortPoints(Mat undistorted, Mat& distorted, Mat Kundistorted, Mat K, Mat D, double alpha = 0) - private static native void fisheye_distortPoints_2(long undistorted_nativeObj, long distorted_nativeObj, long Kundistorted_nativeObj, long K_nativeObj, long D_nativeObj, double alpha); - private static native void fisheye_distortPoints_3(long undistorted_nativeObj, long distorted_nativeObj, long Kundistorted_nativeObj, long K_nativeObj, long D_nativeObj); - - // C++: void cv::fisheye::undistortPoints(Mat distorted, Mat& undistorted, Mat K, Mat D, Mat R = Mat(), Mat P = Mat(), TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - private static native void fisheye_undistortPoints_0(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj, long R_nativeObj, long P_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native void fisheye_undistortPoints_1(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj, long R_nativeObj, long P_nativeObj); - private static native void fisheye_undistortPoints_2(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj, long R_nativeObj); - private static native void fisheye_undistortPoints_3(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj); - - // C++: void cv::fisheye::initUndistortRectifyMap(Mat K, Mat D, Mat R, Mat P, Size size, int m1type, Mat& map1, Mat& map2) - private static native void fisheye_initUndistortRectifyMap_0(long K_nativeObj, long D_nativeObj, long R_nativeObj, long P_nativeObj, double size_width, double size_height, int m1type, long map1_nativeObj, long map2_nativeObj); - - // C++: void cv::fisheye::undistortImage(Mat distorted, Mat& undistorted, Mat K, Mat D, Mat Knew = cv::Mat(), Size new_size = Size()) - private static native void fisheye_undistortImage_0(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj, long Knew_nativeObj, double new_size_width, double new_size_height); - private static native void fisheye_undistortImage_1(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj, long Knew_nativeObj); - private static native void fisheye_undistortImage_2(long distorted_nativeObj, long undistorted_nativeObj, long K_nativeObj, long D_nativeObj); - - // C++: void cv::fisheye::estimateNewCameraMatrixForUndistortRectify(Mat K, Mat D, Size image_size, Mat R, Mat& P, double balance = 0.0, Size new_size = Size(), double fov_scale = 1.0) - private static native void fisheye_estimateNewCameraMatrixForUndistortRectify_0(long K_nativeObj, long D_nativeObj, double image_size_width, double image_size_height, long R_nativeObj, long P_nativeObj, double balance, double new_size_width, double new_size_height, double fov_scale); - private static native void fisheye_estimateNewCameraMatrixForUndistortRectify_1(long K_nativeObj, long D_nativeObj, double image_size_width, double image_size_height, long R_nativeObj, long P_nativeObj, double balance, double new_size_width, double new_size_height); - private static native void fisheye_estimateNewCameraMatrixForUndistortRectify_2(long K_nativeObj, long D_nativeObj, double image_size_width, double image_size_height, long R_nativeObj, long P_nativeObj, double balance); - private static native void fisheye_estimateNewCameraMatrixForUndistortRectify_3(long K_nativeObj, long D_nativeObj, double image_size_width, double image_size_height, long R_nativeObj, long P_nativeObj); - - // C++: double cv::fisheye::calibrate(vector_Mat objectPoints, vector_Mat imagePoints, Size image_size, Mat& K, Mat& D, vector_Mat& rvecs, vector_Mat& tvecs, int flags = 0, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - private static native double fisheye_calibrate_0(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double image_size_width, double image_size_height, long K_nativeObj, long D_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double fisheye_calibrate_1(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double image_size_width, double image_size_height, long K_nativeObj, long D_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags); - private static native double fisheye_calibrate_2(long objectPoints_mat_nativeObj, long imagePoints_mat_nativeObj, double image_size_width, double image_size_height, long K_nativeObj, long D_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj); - - // C++: void cv::fisheye::stereoRectify(Mat K1, Mat D1, Mat K2, Mat D2, Size imageSize, Mat R, Mat tvec, Mat& R1, Mat& R2, Mat& P1, Mat& P2, Mat& Q, int flags, Size newImageSize = Size(), double balance = 0.0, double fov_scale = 1.0) - private static native void fisheye_stereoRectify_0(long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long tvec_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double newImageSize_width, double newImageSize_height, double balance, double fov_scale); - private static native void fisheye_stereoRectify_1(long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long tvec_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double newImageSize_width, double newImageSize_height, double balance); - private static native void fisheye_stereoRectify_2(long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long tvec_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags, double newImageSize_width, double newImageSize_height); - private static native void fisheye_stereoRectify_3(long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long tvec_nativeObj, long R1_nativeObj, long R2_nativeObj, long P1_nativeObj, long P2_nativeObj, long Q_nativeObj, int flags); - - // C++: double cv::fisheye::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& K1, Mat& D1, Mat& K2, Mat& D2, Size imageSize, Mat& R, Mat& T, vector_Mat& rvecs, vector_Mat& tvecs, int flags = fisheye::CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - private static native double fisheye_stereoCalibrate_0(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double fisheye_stereoCalibrate_1(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj, int flags); - private static native double fisheye_stereoCalibrate_2(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, long rvecs_mat_nativeObj, long tvecs_mat_nativeObj); - - // C++: double cv::fisheye::stereoCalibrate(vector_Mat objectPoints, vector_Mat imagePoints1, vector_Mat imagePoints2, Mat& K1, Mat& D1, Mat& K2, Mat& D2, Size imageSize, Mat& R, Mat& T, int flags = fisheye::CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON)) - private static native double fisheye_stereoCalibrate_3(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double fisheye_stereoCalibrate_4(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj, int flags); - private static native double fisheye_stereoCalibrate_5(long objectPoints_mat_nativeObj, long imagePoints1_mat_nativeObj, long imagePoints2_mat_nativeObj, long K1_nativeObj, long D1_nativeObj, long K2_nativeObj, long D2_nativeObj, double imageSize_width, double imageSize_height, long R_nativeObj, long T_nativeObj); - - // C++: bool cv::fisheye::solvePnP(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int flags = SOLVEPNP_ITERATIVE, TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - private static native boolean fisheye_solvePnP_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native boolean fisheye_solvePnP_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int flags); - private static native boolean fisheye_solvePnP_2(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess); - private static native boolean fisheye_solvePnP_3(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - - // C++: bool cv::fisheye::solvePnPRansac(Mat objectPoints, Mat imagePoints, Mat cameraMatrix, Mat distCoeffs, Mat& rvec, Mat& tvec, bool useExtrinsicGuess = false, int iterationsCount = 100, float reprojectionError = 8.0, double confidence = 0.99, Mat& inliers = Mat(), int flags = SOLVEPNP_ITERATIVE, TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 10, 1e-8)) - private static native boolean fisheye_solvePnPRansac_0(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, long inliers_nativeObj, int flags, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native boolean fisheye_solvePnPRansac_1(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, long inliers_nativeObj, int flags); - private static native boolean fisheye_solvePnPRansac_2(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence, long inliers_nativeObj); - private static native boolean fisheye_solvePnPRansac_3(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError, double confidence); - private static native boolean fisheye_solvePnPRansac_4(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount, float reprojectionError); - private static native boolean fisheye_solvePnPRansac_5(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess, int iterationsCount); - private static native boolean fisheye_solvePnPRansac_6(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj, boolean useExtrinsicGuess); - private static native boolean fisheye_solvePnPRansac_7(long objectPoints_nativeObj, long imagePoints_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long rvec_nativeObj, long tvec_nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoBM.java b/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoBM.java deleted file mode 100644 index bc9a8c9156..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoBM.java +++ /dev/null @@ -1,344 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.calib3d; - -import org.opencv.calib3d.StereoBM; -import org.opencv.calib3d.StereoMatcher; -import org.opencv.core.Rect; - -// C++: class StereoBM -/** - * Class for computing stereo correspondence using the block matching algorithm, introduced and contributed to OpenCV by K. Konolige. - * This class implements a block matching algorithm for stereo correspondence, which is used to compute disparity maps from stereo image pairs. It provides methods to fine-tune parameters such as pre-filtering, texture thresholds, uniqueness ratios, and regions of interest (ROIs) to optimize performance and accuracy. - */ -public class StereoBM extends StereoMatcher { - - protected StereoBM(long addr) { super(addr); } - - // internal usage only - public static StereoBM __fromPtr__(long addr) { return new StereoBM(addr); } - - // C++: enum - public static final int - PREFILTER_NORMALIZED_RESPONSE = 0, - PREFILTER_XSOBEL = 1; - - - // - // C++: int cv::StereoBM::getPreFilterType() - // - - /** - * Gets the type of pre-filtering currently used in the algorithm. - * @return The current pre-filter type: 0 for PREFILTER_NORMALIZED_RESPONSE or 1 for PREFILTER_XSOBEL. - */ - public int getPreFilterType() { - return getPreFilterType_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setPreFilterType(int preFilterType) - // - - /** - * Sets the type of pre-filtering used in the algorithm. - * @param preFilterType The type of pre-filter to use. Possible values are: - * - PREFILTER_NORMALIZED_RESPONSE (0): Uses normalized response for pre-filtering. - * - PREFILTER_XSOBEL (1): Uses the X-Sobel operator for pre-filtering. - * The pre-filter type affects how the images are prepared before computing the disparity map. Different pre-filtering methods can enhance specific image features or reduce noise, influencing the quality of the disparity map. - */ - public void setPreFilterType(int preFilterType) { - setPreFilterType_0(nativeObj, preFilterType); - } - - - // - // C++: int cv::StereoBM::getPreFilterSize() - // - - /** - * Gets the current size of the pre-filter kernel. - * @return The current pre-filter size. - */ - public int getPreFilterSize() { - return getPreFilterSize_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setPreFilterSize(int preFilterSize) - // - - /** - * Sets the size of the pre-filter kernel. - * @param preFilterSize The size of the pre-filter kernel. Must be an odd integer, typically between 5 and 255. - * The pre-filter size determines the spatial extent of the pre-filtering operation, which prepares the images for disparity computation by normalizing brightness and enhancing texture. Larger sizes reduce noise but may blur details, while smaller sizes preserve details but are more susceptible to noise. - */ - public void setPreFilterSize(int preFilterSize) { - setPreFilterSize_0(nativeObj, preFilterSize); - } - - - // - // C++: int cv::StereoBM::getPreFilterCap() - // - - /** - * Gets the current truncation value for prefiltered pixels. - * @return The current pre-filter cap value. - */ - public int getPreFilterCap() { - return getPreFilterCap_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setPreFilterCap(int preFilterCap) - // - - /** - * Sets the truncation value for prefiltered pixels. - * @param preFilterCap The truncation value. Typically in the range [1, 63]. - * This value caps the output of the pre-filter to [-preFilterCap, preFilterCap], helping to reduce the impact of noise and outliers in the pre-filtered image. - */ - public void setPreFilterCap(int preFilterCap) { - setPreFilterCap_0(nativeObj, preFilterCap); - } - - - // - // C++: int cv::StereoBM::getTextureThreshold() - // - - /** - * Gets the current texture threshold value. - * @return The current texture threshold. - */ - public int getTextureThreshold() { - return getTextureThreshold_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setTextureThreshold(int textureThreshold) - // - - /** - * Sets the threshold for filtering low-texture regions. - * @param textureThreshold The threshold value. Must be non-negative. - * This parameter filters out regions with low texture, where establishing correspondences is difficult, thus reducing noise in the disparity map. Higher values filter more aggressively but may discard valid information. - */ - public void setTextureThreshold(int textureThreshold) { - setTextureThreshold_0(nativeObj, textureThreshold); - } - - - // - // C++: int cv::StereoBM::getUniquenessRatio() - // - - /** - * Gets the current uniqueness ratio value. - * @return The current uniqueness ratio. - */ - public int getUniquenessRatio() { - return getUniquenessRatio_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setUniquenessRatio(int uniquenessRatio) - // - - /** - * Sets the uniqueness ratio for filtering ambiguous matches. - * @param uniquenessRatio The uniqueness ratio value. Typically in the range [5, 15], but can be from 0 to 100. - * This parameter ensures that the best match is sufficiently better than the next best match, reducing false positives. Higher values are stricter but may filter out valid matches in difficult regions. - */ - public void setUniquenessRatio(int uniquenessRatio) { - setUniquenessRatio_0(nativeObj, uniquenessRatio); - } - - - // - // C++: int cv::StereoBM::getSmallerBlockSize() - // - - /** - * Gets the current size of the smaller block used for texture check. - * @return The current smaller block size. - */ - public int getSmallerBlockSize() { - return getSmallerBlockSize_0(nativeObj); - } - - - // - // C++: void cv::StereoBM::setSmallerBlockSize(int blockSize) - // - - /** - * Sets the size of the smaller block used for texture check. - * @param blockSize The size of the smaller block. Must be an odd integer between 5 and 255. - * This parameter determines the size of the block used to compute texture variance. Smaller blocks capture finer details but are more sensitive to noise, while larger blocks are more robust but may miss fine details. - */ - public void setSmallerBlockSize(int blockSize) { - setSmallerBlockSize_0(nativeObj, blockSize); - } - - - // - // C++: Rect cv::StereoBM::getROI1() - // - - /** - * Gets the current Region of Interest (ROI) for the left image. - * @return The current ROI for the left image. - */ - public Rect getROI1() { - return new Rect(getROI1_0(nativeObj)); - } - - - // - // C++: void cv::StereoBM::setROI1(Rect roi1) - // - - /** - * Sets the Region of Interest (ROI) for the left image. - * @param roi1 The ROI rectangle for the left image. - * By setting the ROI, the stereo matching computation is limited to the specified region, improving performance and potentially accuracy by focusing on relevant parts of the image. - */ - public void setROI1(Rect roi1) { - setROI1_0(nativeObj, roi1.x, roi1.y, roi1.width, roi1.height); - } - - - // - // C++: Rect cv::StereoBM::getROI2() - // - - /** - * Gets the current Region of Interest (ROI) for the right image. - * @return The current ROI for the right image. - */ - public Rect getROI2() { - return new Rect(getROI2_0(nativeObj)); - } - - - // - // C++: void cv::StereoBM::setROI2(Rect roi2) - // - - /** - * Sets the Region of Interest (ROI) for the right image. - * @param roi2 The ROI rectangle for the right image. - * Similar to setROI1, this limits the computation to the specified region in the right image. - */ - public void setROI2(Rect roi2) { - setROI2_0(nativeObj, roi2.x, roi2.y, roi2.width, roi2.height); - } - - - // - // C++: static Ptr_StereoBM cv::StereoBM::create(int numDisparities = 0, int blockSize = 21) - // - - /** - * Creates StereoBM object - * @param numDisparities The disparity search range. For each pixel, the algorithm will find the best disparity from 0 (default minimum disparity) to numDisparities. The search range can be shifted by changing the minimum disparity. - * @param blockSize The linear size of the blocks compared by the algorithm. The size should be odd (as the block is centered at the current pixel). Larger block size implies smoother, though less accurate disparity map. Smaller block size gives more detailed disparity map, but there is a higher chance for the algorithm to find a wrong correspondence. - * @return A pointer to the created StereoBM object. - * The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair. - */ - public static StereoBM create(int numDisparities, int blockSize) { - return StereoBM.__fromPtr__(create_0(numDisparities, blockSize)); - } - - /** - * Creates StereoBM object - * @param numDisparities The disparity search range. For each pixel, the algorithm will find the best disparity from 0 (default minimum disparity) to numDisparities. The search range can be shifted by changing the minimum disparity. - * @return A pointer to the created StereoBM object. - * The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair. - */ - public static StereoBM create(int numDisparities) { - return StereoBM.__fromPtr__(create_1(numDisparities)); - } - - /** - * Creates StereoBM object - * @return A pointer to the created StereoBM object. - * The function creates a StereoBM object. You can then call StereoBM::compute() to compute disparity for a specific stereo pair. - */ - public static StereoBM create() { - return StereoBM.__fromPtr__(create_2()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::StereoBM::getPreFilterType() - private static native int getPreFilterType_0(long nativeObj); - - // C++: void cv::StereoBM::setPreFilterType(int preFilterType) - private static native void setPreFilterType_0(long nativeObj, int preFilterType); - - // C++: int cv::StereoBM::getPreFilterSize() - private static native int getPreFilterSize_0(long nativeObj); - - // C++: void cv::StereoBM::setPreFilterSize(int preFilterSize) - private static native void setPreFilterSize_0(long nativeObj, int preFilterSize); - - // C++: int cv::StereoBM::getPreFilterCap() - private static native int getPreFilterCap_0(long nativeObj); - - // C++: void cv::StereoBM::setPreFilterCap(int preFilterCap) - private static native void setPreFilterCap_0(long nativeObj, int preFilterCap); - - // C++: int cv::StereoBM::getTextureThreshold() - private static native int getTextureThreshold_0(long nativeObj); - - // C++: void cv::StereoBM::setTextureThreshold(int textureThreshold) - private static native void setTextureThreshold_0(long nativeObj, int textureThreshold); - - // C++: int cv::StereoBM::getUniquenessRatio() - private static native int getUniquenessRatio_0(long nativeObj); - - // C++: void cv::StereoBM::setUniquenessRatio(int uniquenessRatio) - private static native void setUniquenessRatio_0(long nativeObj, int uniquenessRatio); - - // C++: int cv::StereoBM::getSmallerBlockSize() - private static native int getSmallerBlockSize_0(long nativeObj); - - // C++: void cv::StereoBM::setSmallerBlockSize(int blockSize) - private static native void setSmallerBlockSize_0(long nativeObj, int blockSize); - - // C++: Rect cv::StereoBM::getROI1() - private static native double[] getROI1_0(long nativeObj); - - // C++: void cv::StereoBM::setROI1(Rect roi1) - private static native void setROI1_0(long nativeObj, int roi1_x, int roi1_y, int roi1_width, int roi1_height); - - // C++: Rect cv::StereoBM::getROI2() - private static native double[] getROI2_0(long nativeObj); - - // C++: void cv::StereoBM::setROI2(Rect roi2) - private static native void setROI2_0(long nativeObj, int roi2_x, int roi2_y, int roi2_width, int roi2_height); - - // C++: static Ptr_StereoBM cv::StereoBM::create(int numDisparities = 0, int blockSize = 21) - private static native long create_0(int numDisparities, int blockSize); - private static native long create_1(int numDisparities); - private static native long create_2(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoMatcher.java b/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoMatcher.java deleted file mode 100644 index 9e4c87e88f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoMatcher.java +++ /dev/null @@ -1,201 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.calib3d; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; - -// C++: class StereoMatcher -/** - * The base class for stereo correspondence algorithms. - */ -public class StereoMatcher extends Algorithm { - - protected StereoMatcher(long addr) { super(addr); } - - // internal usage only - public static StereoMatcher __fromPtr__(long addr) { return new StereoMatcher(addr); } - - // C++: enum - public static final int - DISP_SHIFT = 4, - DISP_SCALE = (1 << DISP_SHIFT); - - - // - // C++: void cv::StereoMatcher::compute(Mat left, Mat right, Mat& disparity) - // - - /** - * Computes disparity map for the specified stereo pair - * - * @param left Left 8-bit single-channel image. - * @param right Right image of the same size and the same type as the left one. - * @param disparity Output disparity map. It has the same size as the input images. Some algorithms, - * like StereoBM or StereoSGBM compute 16-bit fixed-point disparity map (where each disparity value - * has 4 fractional bits), whereas other algorithms output 32-bit floating-point disparity map. - */ - public void compute(Mat left, Mat right, Mat disparity) { - compute_0(nativeObj, left.nativeObj, right.nativeObj, disparity.nativeObj); - } - - - // - // C++: int cv::StereoMatcher::getMinDisparity() - // - - public int getMinDisparity() { - return getMinDisparity_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setMinDisparity(int minDisparity) - // - - public void setMinDisparity(int minDisparity) { - setMinDisparity_0(nativeObj, minDisparity); - } - - - // - // C++: int cv::StereoMatcher::getNumDisparities() - // - - public int getNumDisparities() { - return getNumDisparities_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setNumDisparities(int numDisparities) - // - - public void setNumDisparities(int numDisparities) { - setNumDisparities_0(nativeObj, numDisparities); - } - - - // - // C++: int cv::StereoMatcher::getBlockSize() - // - - public int getBlockSize() { - return getBlockSize_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setBlockSize(int blockSize) - // - - public void setBlockSize(int blockSize) { - setBlockSize_0(nativeObj, blockSize); - } - - - // - // C++: int cv::StereoMatcher::getSpeckleWindowSize() - // - - public int getSpeckleWindowSize() { - return getSpeckleWindowSize_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setSpeckleWindowSize(int speckleWindowSize) - // - - public void setSpeckleWindowSize(int speckleWindowSize) { - setSpeckleWindowSize_0(nativeObj, speckleWindowSize); - } - - - // - // C++: int cv::StereoMatcher::getSpeckleRange() - // - - public int getSpeckleRange() { - return getSpeckleRange_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setSpeckleRange(int speckleRange) - // - - public void setSpeckleRange(int speckleRange) { - setSpeckleRange_0(nativeObj, speckleRange); - } - - - // - // C++: int cv::StereoMatcher::getDisp12MaxDiff() - // - - public int getDisp12MaxDiff() { - return getDisp12MaxDiff_0(nativeObj); - } - - - // - // C++: void cv::StereoMatcher::setDisp12MaxDiff(int disp12MaxDiff) - // - - public void setDisp12MaxDiff(int disp12MaxDiff) { - setDisp12MaxDiff_0(nativeObj, disp12MaxDiff); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::StereoMatcher::compute(Mat left, Mat right, Mat& disparity) - private static native void compute_0(long nativeObj, long left_nativeObj, long right_nativeObj, long disparity_nativeObj); - - // C++: int cv::StereoMatcher::getMinDisparity() - private static native int getMinDisparity_0(long nativeObj); - - // C++: void cv::StereoMatcher::setMinDisparity(int minDisparity) - private static native void setMinDisparity_0(long nativeObj, int minDisparity); - - // C++: int cv::StereoMatcher::getNumDisparities() - private static native int getNumDisparities_0(long nativeObj); - - // C++: void cv::StereoMatcher::setNumDisparities(int numDisparities) - private static native void setNumDisparities_0(long nativeObj, int numDisparities); - - // C++: int cv::StereoMatcher::getBlockSize() - private static native int getBlockSize_0(long nativeObj); - - // C++: void cv::StereoMatcher::setBlockSize(int blockSize) - private static native void setBlockSize_0(long nativeObj, int blockSize); - - // C++: int cv::StereoMatcher::getSpeckleWindowSize() - private static native int getSpeckleWindowSize_0(long nativeObj); - - // C++: void cv::StereoMatcher::setSpeckleWindowSize(int speckleWindowSize) - private static native void setSpeckleWindowSize_0(long nativeObj, int speckleWindowSize); - - // C++: int cv::StereoMatcher::getSpeckleRange() - private static native int getSpeckleRange_0(long nativeObj); - - // C++: void cv::StereoMatcher::setSpeckleRange(int speckleRange) - private static native void setSpeckleRange_0(long nativeObj, int speckleRange); - - // C++: int cv::StereoMatcher::getDisp12MaxDiff() - private static native int getDisp12MaxDiff_0(long nativeObj); - - // C++: void cv::StereoMatcher::setDisp12MaxDiff(int disp12MaxDiff) - private static native void setDisp12MaxDiff_0(long nativeObj, int disp12MaxDiff); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoSGBM.java b/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoSGBM.java deleted file mode 100644 index 30b2f0a4ba..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/calib3d/StereoSGBM.java +++ /dev/null @@ -1,657 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.calib3d; - -import org.opencv.calib3d.StereoMatcher; -import org.opencv.calib3d.StereoSGBM; - -// C++: class StereoSGBM -/** - * The class implements the modified H. Hirschmuller algorithm CITE: HH08 that differs from the original - * one as follows: - * - *
      - *
    • - * By default, the algorithm is single-pass, which means that you consider only 5 directions - * instead of 8. Set mode=StereoSGBM::MODE_HH in createStereoSGBM to run the full variant of the - * algorithm but beware that it may consume a lot of memory. - *
      • - *
    • - * The algorithm matches blocks, not individual pixels. Though, setting blockSize=1 reduces the - * blocks to single pixels. - *
      • - *
    • - * Mutual information cost function is not implemented. Instead, a simpler Birchfield-Tomasi - * sub-pixel metric from CITE: BT98 is used. Though, the color images are supported as well. - *
      • - *
    • - * Some pre- and post- processing steps from K. Konolige algorithm StereoBM are included, for - * example: pre-filtering (StereoBM::PREFILTER_XSOBEL type) and post-filtering (uniqueness - * check, quadratic interpolation and speckle filtering). - *
      • - *
    - * - * Note: - *
      - *
    • - * (Python) An example illustrating the use of the StereoSGBM matching algorithm can be found - * at opencv_source_code/samples/python/stereo_match.py - *
      • - *
    - */ -public class StereoSGBM extends StereoMatcher { - - protected StereoSGBM(long addr) { super(addr); } - - // internal usage only - public static StereoSGBM __fromPtr__(long addr) { return new StereoSGBM(addr); } - - // C++: enum - public static final int - MODE_SGBM = 0, - MODE_HH = 1, - MODE_SGBM_3WAY = 2, - MODE_HH4 = 3; - - - // - // C++: int cv::StereoSGBM::getPreFilterCap() - // - - public int getPreFilterCap() { - return getPreFilterCap_0(nativeObj); - } - - - // - // C++: void cv::StereoSGBM::setPreFilterCap(int preFilterCap) - // - - public void setPreFilterCap(int preFilterCap) { - setPreFilterCap_0(nativeObj, preFilterCap); - } - - - // - // C++: int cv::StereoSGBM::getUniquenessRatio() - // - - public int getUniquenessRatio() { - return getUniquenessRatio_0(nativeObj); - } - - - // - // C++: void cv::StereoSGBM::setUniquenessRatio(int uniquenessRatio) - // - - public void setUniquenessRatio(int uniquenessRatio) { - setUniquenessRatio_0(nativeObj, uniquenessRatio); - } - - - // - // C++: int cv::StereoSGBM::getP1() - // - - public int getP1() { - return getP1_0(nativeObj); - } - - - // - // C++: void cv::StereoSGBM::setP1(int P1) - // - - public void setP1(int P1) { - setP1_0(nativeObj, P1); - } - - - // - // C++: int cv::StereoSGBM::getP2() - // - - public int getP2() { - return getP2_0(nativeObj); - } - - - // - // C++: void cv::StereoSGBM::setP2(int P2) - // - - public void setP2(int P2) { - setP2_0(nativeObj, P2); - } - - - // - // C++: int cv::StereoSGBM::getMode() - // - - public int getMode() { - return getMode_0(nativeObj); - } - - - // - // C++: void cv::StereoSGBM::setMode(int mode) - // - - public void setMode(int mode) { - setMode_0(nativeObj, mode); - } - - - // - // C++: static Ptr_StereoSGBM cv::StereoSGBM::create(int minDisparity = 0, int numDisparities = 16, int blockSize = 3, int P1 = 0, int P2 = 0, int disp12MaxDiff = 0, int preFilterCap = 0, int uniquenessRatio = 0, int speckleWindowSize = 0, int speckleRange = 0, int mode = StereoSGBM::MODE_SGBM) - // - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * @param preFilterCap Truncation value for the prefiltered image pixels. The algorithm first - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * @param uniquenessRatio Margin in percentage by which the best (minimum) computed cost function - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * @param speckleWindowSize Maximum size of smooth disparity regions to consider their noise speckles - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * @param speckleRange Maximum disparity variation within each connected component. If you do speckle - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * @param mode Set it to StereoSGBM::MODE_HH to run the full-scale two-pass dynamic programming - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize, int speckleRange, int mode) { - return StereoSGBM.__fromPtr__(create_0(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap, uniquenessRatio, speckleWindowSize, speckleRange, mode)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * @param preFilterCap Truncation value for the prefiltered image pixels. The algorithm first - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * @param uniquenessRatio Margin in percentage by which the best (minimum) computed cost function - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * @param speckleWindowSize Maximum size of smooth disparity regions to consider their noise speckles - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * @param speckleRange Maximum disparity variation within each connected component. If you do speckle - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize, int speckleRange) { - return StereoSGBM.__fromPtr__(create_1(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap, uniquenessRatio, speckleWindowSize, speckleRange)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * @param preFilterCap Truncation value for the prefiltered image pixels. The algorithm first - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * @param uniquenessRatio Margin in percentage by which the best (minimum) computed cost function - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * @param speckleWindowSize Maximum size of smooth disparity regions to consider their noise speckles - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize) { - return StereoSGBM.__fromPtr__(create_2(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap, uniquenessRatio, speckleWindowSize)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * @param preFilterCap Truncation value for the prefiltered image pixels. The algorithm first - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * @param uniquenessRatio Margin in percentage by which the best (minimum) computed cost function - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio) { - return StereoSGBM.__fromPtr__(create_3(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap, uniquenessRatio)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * @param preFilterCap Truncation value for the prefiltered image pixels. The algorithm first - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap) { - return StereoSGBM.__fromPtr__(create_4(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * @param disp12MaxDiff Maximum allowed difference (in integer pixel units) in the left-right - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff) { - return StereoSGBM.__fromPtr__(create_5(minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * @param P2 The second parameter controlling the disparity smoothness. The larger the values are, - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1, int P2) { - return StereoSGBM.__fromPtr__(create_6(minDisparity, numDisparities, blockSize, P1, P2)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * @param P1 The first parameter controlling the disparity smoothness. See below. - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize, int P1) { - return StereoSGBM.__fromPtr__(create_7(minDisparity, numDisparities, blockSize, P1)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * @param blockSize Matched block size. It must be an odd number >=1 . Normally, it should be - * somewhere in the 3..11 range. - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities, int blockSize) { - return StereoSGBM.__fromPtr__(create_8(minDisparity, numDisparities, blockSize)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * @param numDisparities Maximum disparity minus minimum disparity. The value is always greater than - * zero. In the current implementation, this parameter must be divisible by 16. - * somewhere in the 3..11 range. - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity, int numDisparities) { - return StereoSGBM.__fromPtr__(create_9(minDisparity, numDisparities)); - } - - /** - * Creates StereoSGBM object - * - * @param minDisparity Minimum possible disparity value. Normally, it is zero but sometimes - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * zero. In the current implementation, this parameter must be divisible by 16. - * somewhere in the 3..11 range. - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create(int minDisparity) { - return StereoSGBM.__fromPtr__(create_10(minDisparity)); - } - - /** - * Creates StereoSGBM object - * - * rectification algorithms can shift images, so this parameter needs to be adjusted accordingly. - * zero. In the current implementation, this parameter must be divisible by 16. - * somewhere in the 3..11 range. - * the smoother the disparity is. P1 is the penalty on the disparity change by plus or minus 1 - * between neighbor pixels. P2 is the penalty on the disparity change by more than 1 between neighbor - * pixels. The algorithm requires P2 > P1 . See stereo_match.cpp sample where some reasonably good - * P1 and P2 values are shown (like 8\*number_of_image_channels\*blockSize\*blockSize and - * 32\*number_of_image_channels\*blockSize\*blockSize , respectively). - * disparity check. Set it to a non-positive value to disable the check. - * computes x-derivative at each pixel and clips its value by [-preFilterCap, preFilterCap] interval. - * The result values are passed to the Birchfield-Tomasi pixel cost function. - * value should "win" the second best value to consider the found match correct. Normally, a value - * within the 5-15 range is good enough. - * and invalidate. Set it to 0 to disable speckle filtering. Otherwise, set it somewhere in the - * 50-200 range. - * filtering, set the parameter to a positive value, it will be implicitly multiplied by 16. - * Normally, 1 or 2 is good enough. - * algorithm. It will consume O(W\*H\*numDisparities) bytes, which is large for 640x480 stereo and - * huge for HD-size pictures. By default, it is set to false . - * - * The first constructor initializes StereoSGBM with all the default parameters. So, you only have to - * set StereoSGBM::numDisparities at minimum. The second constructor enables you to set each parameter - * to a custom value. - * @return automatically generated - */ - public static StereoSGBM create() { - return StereoSGBM.__fromPtr__(create_11()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::StereoSGBM::getPreFilterCap() - private static native int getPreFilterCap_0(long nativeObj); - - // C++: void cv::StereoSGBM::setPreFilterCap(int preFilterCap) - private static native void setPreFilterCap_0(long nativeObj, int preFilterCap); - - // C++: int cv::StereoSGBM::getUniquenessRatio() - private static native int getUniquenessRatio_0(long nativeObj); - - // C++: void cv::StereoSGBM::setUniquenessRatio(int uniquenessRatio) - private static native void setUniquenessRatio_0(long nativeObj, int uniquenessRatio); - - // C++: int cv::StereoSGBM::getP1() - private static native int getP1_0(long nativeObj); - - // C++: void cv::StereoSGBM::setP1(int P1) - private static native void setP1_0(long nativeObj, int P1); - - // C++: int cv::StereoSGBM::getP2() - private static native int getP2_0(long nativeObj); - - // C++: void cv::StereoSGBM::setP2(int P2) - private static native void setP2_0(long nativeObj, int P2); - - // C++: int cv::StereoSGBM::getMode() - private static native int getMode_0(long nativeObj); - - // C++: void cv::StereoSGBM::setMode(int mode) - private static native void setMode_0(long nativeObj, int mode); - - // C++: static Ptr_StereoSGBM cv::StereoSGBM::create(int minDisparity = 0, int numDisparities = 16, int blockSize = 3, int P1 = 0, int P2 = 0, int disp12MaxDiff = 0, int preFilterCap = 0, int uniquenessRatio = 0, int speckleWindowSize = 0, int speckleRange = 0, int mode = StereoSGBM::MODE_SGBM) - private static native long create_0(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize, int speckleRange, int mode); - private static native long create_1(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize, int speckleRange); - private static native long create_2(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio, int speckleWindowSize); - private static native long create_3(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap, int uniquenessRatio); - private static native long create_4(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff, int preFilterCap); - private static native long create_5(int minDisparity, int numDisparities, int blockSize, int P1, int P2, int disp12MaxDiff); - private static native long create_6(int minDisparity, int numDisparities, int blockSize, int P1, int P2); - private static native long create_7(int minDisparity, int numDisparities, int blockSize, int P1); - private static native long create_8(int minDisparity, int numDisparities, int blockSize); - private static native long create_9(int minDisparity, int numDisparities); - private static native long create_10(int minDisparity); - private static native long create_11(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/calib3d/UsacParams.java b/vendor/opencv/sdk/java/src/org/opencv/calib3d/UsacParams.java deleted file mode 100644 index 1d4358375b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/calib3d/UsacParams.java +++ /dev/null @@ -1,354 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.calib3d; - - - -// C++: class UsacParams - -public class UsacParams { - - protected final long nativeObj; - protected UsacParams(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static UsacParams __fromPtr__(long addr) { return new UsacParams(addr); } - - // - // C++: cv::UsacParams::UsacParams() - // - - public UsacParams() { - nativeObj = UsacParams_0(); - } - - - // - // C++: double UsacParams::confidence - // - - public double get_confidence() { - return get_confidence_0(nativeObj); - } - - - // - // C++: void UsacParams::confidence - // - - public void set_confidence(double confidence) { - set_confidence_0(nativeObj, confidence); - } - - - // - // C++: bool UsacParams::isParallel - // - - public boolean get_isParallel() { - return get_isParallel_0(nativeObj); - } - - - // - // C++: void UsacParams::isParallel - // - - public void set_isParallel(boolean isParallel) { - set_isParallel_0(nativeObj, isParallel); - } - - - // - // C++: int UsacParams::loIterations - // - - public int get_loIterations() { - return get_loIterations_0(nativeObj); - } - - - // - // C++: void UsacParams::loIterations - // - - public void set_loIterations(int loIterations) { - set_loIterations_0(nativeObj, loIterations); - } - - - // - // C++: LocalOptimMethod UsacParams::loMethod - // - - public int get_loMethod() { - return get_loMethod_0(nativeObj); - } - - - // - // C++: void UsacParams::loMethod - // - - public void set_loMethod(int loMethod) { - set_loMethod_0(nativeObj, loMethod); - } - - - // - // C++: int UsacParams::loSampleSize - // - - public int get_loSampleSize() { - return get_loSampleSize_0(nativeObj); - } - - - // - // C++: void UsacParams::loSampleSize - // - - public void set_loSampleSize(int loSampleSize) { - set_loSampleSize_0(nativeObj, loSampleSize); - } - - - // - // C++: int UsacParams::maxIterations - // - - public int get_maxIterations() { - return get_maxIterations_0(nativeObj); - } - - - // - // C++: void UsacParams::maxIterations - // - - public void set_maxIterations(int maxIterations) { - set_maxIterations_0(nativeObj, maxIterations); - } - - - // - // C++: NeighborSearchMethod UsacParams::neighborsSearch - // - - public int get_neighborsSearch() { - return get_neighborsSearch_0(nativeObj); - } - - - // - // C++: void UsacParams::neighborsSearch - // - - public void set_neighborsSearch(int neighborsSearch) { - set_neighborsSearch_0(nativeObj, neighborsSearch); - } - - - // - // C++: int UsacParams::randomGeneratorState - // - - public int get_randomGeneratorState() { - return get_randomGeneratorState_0(nativeObj); - } - - - // - // C++: void UsacParams::randomGeneratorState - // - - public void set_randomGeneratorState(int randomGeneratorState) { - set_randomGeneratorState_0(nativeObj, randomGeneratorState); - } - - - // - // C++: SamplingMethod UsacParams::sampler - // - - public int get_sampler() { - return get_sampler_0(nativeObj); - } - - - // - // C++: void UsacParams::sampler - // - - public void set_sampler(int sampler) { - set_sampler_0(nativeObj, sampler); - } - - - // - // C++: ScoreMethod UsacParams::score - // - - public int get_score() { - return get_score_0(nativeObj); - } - - - // - // C++: void UsacParams::score - // - - public void set_score(int score) { - set_score_0(nativeObj, score); - } - - - // - // C++: double UsacParams::threshold - // - - public double get_threshold() { - return get_threshold_0(nativeObj); - } - - - // - // C++: void UsacParams::threshold - // - - public void set_threshold(double threshold) { - set_threshold_0(nativeObj, threshold); - } - - - // - // C++: PolishingMethod UsacParams::final_polisher - // - - public int get_final_polisher() { - return get_final_polisher_0(nativeObj); - } - - - // - // C++: void UsacParams::final_polisher - // - - public void set_final_polisher(int final_polisher) { - set_final_polisher_0(nativeObj, final_polisher); - } - - - // - // C++: int UsacParams::final_polisher_iterations - // - - public int get_final_polisher_iterations() { - return get_final_polisher_iterations_0(nativeObj); - } - - - // - // C++: void UsacParams::final_polisher_iterations - // - - public void set_final_polisher_iterations(int final_polisher_iterations) { - set_final_polisher_iterations_0(nativeObj, final_polisher_iterations); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::UsacParams::UsacParams() - private static native long UsacParams_0(); - - // C++: double UsacParams::confidence - private static native double get_confidence_0(long nativeObj); - - // C++: void UsacParams::confidence - private static native void set_confidence_0(long nativeObj, double confidence); - - // C++: bool UsacParams::isParallel - private static native boolean get_isParallel_0(long nativeObj); - - // C++: void UsacParams::isParallel - private static native void set_isParallel_0(long nativeObj, boolean isParallel); - - // C++: int UsacParams::loIterations - private static native int get_loIterations_0(long nativeObj); - - // C++: void UsacParams::loIterations - private static native void set_loIterations_0(long nativeObj, int loIterations); - - // C++: LocalOptimMethod UsacParams::loMethod - private static native int get_loMethod_0(long nativeObj); - - // C++: void UsacParams::loMethod - private static native void set_loMethod_0(long nativeObj, int loMethod); - - // C++: int UsacParams::loSampleSize - private static native int get_loSampleSize_0(long nativeObj); - - // C++: void UsacParams::loSampleSize - private static native void set_loSampleSize_0(long nativeObj, int loSampleSize); - - // C++: int UsacParams::maxIterations - private static native int get_maxIterations_0(long nativeObj); - - // C++: void UsacParams::maxIterations - private static native void set_maxIterations_0(long nativeObj, int maxIterations); - - // C++: NeighborSearchMethod UsacParams::neighborsSearch - private static native int get_neighborsSearch_0(long nativeObj); - - // C++: void UsacParams::neighborsSearch - private static native void set_neighborsSearch_0(long nativeObj, int neighborsSearch); - - // C++: int UsacParams::randomGeneratorState - private static native int get_randomGeneratorState_0(long nativeObj); - - // C++: void UsacParams::randomGeneratorState - private static native void set_randomGeneratorState_0(long nativeObj, int randomGeneratorState); - - // C++: SamplingMethod UsacParams::sampler - private static native int get_sampler_0(long nativeObj); - - // C++: void UsacParams::sampler - private static native void set_sampler_0(long nativeObj, int sampler); - - // C++: ScoreMethod UsacParams::score - private static native int get_score_0(long nativeObj); - - // C++: void UsacParams::score - private static native void set_score_0(long nativeObj, int score); - - // C++: double UsacParams::threshold - private static native double get_threshold_0(long nativeObj); - - // C++: void UsacParams::threshold - private static native void set_threshold_0(long nativeObj, double threshold); - - // C++: PolishingMethod UsacParams::final_polisher - private static native int get_final_polisher_0(long nativeObj); - - // C++: void UsacParams::final_polisher - private static native void set_final_polisher_0(long nativeObj, int final_polisher); - - // C++: int UsacParams::final_polisher_iterations - private static native int get_final_polisher_iterations_0(long nativeObj); - - // C++: void UsacParams::final_polisher_iterations - private static native void set_final_polisher_iterations_0(long nativeObj, int final_polisher_iterations); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Algorithm.java b/vendor/opencv/sdk/java/src/org/opencv/core/Algorithm.java deleted file mode 100644 index cde24fdddc..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Algorithm.java +++ /dev/null @@ -1,127 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.core; - - - -// C++: class Algorithm -/** - * This is a base class for all more or less complex algorithms in OpenCV - * - * especially for classes of algorithms, for which there can be multiple implementations. The examples - * are stereo correspondence (for which there are algorithms like block matching, semi-global block - * matching, graph-cut etc.), background subtraction (which can be done using mixture-of-gaussians - * models, codebook-based algorithm etc.), optical flow (block matching, Lucas-Kanade, Horn-Schunck - * etc.). - * - * Here is example of SimpleBlobDetector use in your application via Algorithm interface: - * SNIPPET: snippets/core_various.cpp Algorithm - */ -public class Algorithm { - - protected final long nativeObj; - protected Algorithm(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Algorithm __fromPtr__(long addr) { return new Algorithm(addr); } - - // - // C++: void cv::Algorithm::clear() - // - - /** - * Clears the algorithm state - */ - public void clear() { - clear_0(nativeObj); - } - - - // - // C++: void cv::Algorithm::write(FileStorage fs) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: void cv::Algorithm::write(FileStorage fs, String name) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: void cv::Algorithm::read(FileNode fn) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: bool cv::Algorithm::empty() - // - - /** - * Returns true if the Algorithm is empty (e.g. in the very beginning or after unsuccessful read - * @return automatically generated - */ - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: void cv::Algorithm::save(String filename) - // - - /** - * Saves the algorithm to a file. - * In order to make this method work, the derived class must implement Algorithm::write(FileStorage& fs). - * @param filename automatically generated - */ - public void save(String filename) { - save_0(nativeObj, filename); - } - - - // - // C++: String cv::Algorithm::getDefaultName() - // - - /** - * Returns the algorithm string identifier. - * This string is used as top level xml/yml node tag when the object is saved to a file or string. - * @return automatically generated - */ - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::Algorithm::clear() - private static native void clear_0(long nativeObj); - - // C++: bool cv::Algorithm::empty() - private static native boolean empty_0(long nativeObj); - - // C++: void cv::Algorithm::save(String filename) - private static native void save_0(long nativeObj, String filename); - - // C++: String cv::Algorithm::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Core.java b/vendor/opencv/sdk/java/src/org/opencv/core/Core.java deleted file mode 100644 index fcec895a39..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Core.java +++ /dev/null @@ -1,6595 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.core; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfDouble; -import org.opencv.core.MatOfInt; -import org.opencv.core.Scalar; -import org.opencv.core.TermCriteria; -import org.opencv.utils.Converters; - -// C++: class Core - -public class Core { - // these constants are wrapped inside functions to prevent inlining - private static String getVersion() { return "4.12.0"; } - private static String getNativeLibraryName() { return "opencv_java4120"; } - private static int getVersionMajorJ() { return 4; } - private static int getVersionMinorJ() { return 12; } - private static int getVersionRevisionJ() { return 0; } - private static String getVersionStatusJ() { return ""; } - - public static final String VERSION = getVersion(); - public static final String NATIVE_LIBRARY_NAME = getNativeLibraryName(); - public static final int VERSION_MAJOR = getVersionMajorJ(); - public static final int VERSION_MINOR = getVersionMinorJ(); - public static final int VERSION_REVISION = getVersionRevisionJ(); - public static final String VERSION_STATUS = getVersionStatusJ(); - - private static final int - CV_8U = 0, - CV_8S = 1, - CV_16U = 2, - CV_16S = 3, - CV_32S = 4, - CV_32F = 5, - CV_64F = 6, - CV_USRTYPE1 = 7; - - - // C++: enum - public static final int - SVD_MODIFY_A = 1, - SVD_NO_UV = 2, - SVD_FULL_UV = 4, - FILLED = -1, - REDUCE_SUM = 0, - REDUCE_AVG = 1, - REDUCE_MAX = 2, - REDUCE_MIN = 3, - RNG_UNIFORM = 0, - RNG_NORMAL = 1; - - - // C++: enum AlgorithmHint (cv.AlgorithmHint) - public static final int - ALGO_HINT_DEFAULT = 0, - ALGO_HINT_ACCURATE = 1, - ALGO_HINT_APPROX = 2; - - - // C++: enum BorderTypes (cv.BorderTypes) - public static final int - BORDER_CONSTANT = 0, - BORDER_REPLICATE = 1, - BORDER_REFLECT = 2, - BORDER_WRAP = 3, - BORDER_REFLECT_101 = 4, - BORDER_TRANSPARENT = 5, - BORDER_REFLECT101 = BORDER_REFLECT_101, - BORDER_DEFAULT = BORDER_REFLECT_101, - BORDER_ISOLATED = 16; - - - // C++: enum CmpTypes (cv.CmpTypes) - public static final int - CMP_EQ = 0, - CMP_GT = 1, - CMP_GE = 2, - CMP_LT = 3, - CMP_LE = 4, - CMP_NE = 5; - - - // C++: enum CovarFlags (cv.CovarFlags) - public static final int - COVAR_SCRAMBLED = 0, - COVAR_NORMAL = 1, - COVAR_USE_AVG = 2, - COVAR_SCALE = 4, - COVAR_ROWS = 8, - COVAR_COLS = 16; - - - // C++: enum DecompTypes (cv.DecompTypes) - public static final int - DECOMP_LU = 0, - DECOMP_SVD = 1, - DECOMP_EIG = 2, - DECOMP_CHOLESKY = 3, - DECOMP_QR = 4, - DECOMP_NORMAL = 16; - - - // C++: enum DftFlags (cv.DftFlags) - public static final int - DFT_INVERSE = 1, - DFT_SCALE = 2, - DFT_ROWS = 4, - DFT_COMPLEX_OUTPUT = 16, - DFT_REAL_OUTPUT = 32, - DFT_COMPLEX_INPUT = 64, - DCT_INVERSE = DFT_INVERSE, - DCT_ROWS = DFT_ROWS; - - - // C++: enum Code (cv.Error.Code) - public static final int - StsOk = 0, - StsBackTrace = -1, - StsError = -2, - StsInternal = -3, - StsNoMem = -4, - StsBadArg = -5, - StsBadFunc = -6, - StsNoConv = -7, - StsAutoTrace = -8, - HeaderIsNull = -9, - BadImageSize = -10, - BadOffset = -11, - BadDataPtr = -12, - BadStep = -13, - BadModelOrChSeq = -14, - BadNumChannels = -15, - BadNumChannel1U = -16, - BadDepth = -17, - BadAlphaChannel = -18, - BadOrder = -19, - BadOrigin = -20, - BadAlign = -21, - BadCallBack = -22, - BadTileSize = -23, - BadCOI = -24, - BadROISize = -25, - MaskIsTiled = -26, - StsNullPtr = -27, - StsVecLengthErr = -28, - StsFilterStructContentErr = -29, - StsKernelStructContentErr = -30, - StsFilterOffsetErr = -31, - StsBadSize = -201, - StsDivByZero = -202, - StsInplaceNotSupported = -203, - StsObjectNotFound = -204, - StsUnmatchedFormats = -205, - StsBadFlag = -206, - StsBadPoint = -207, - StsBadMask = -208, - StsUnmatchedSizes = -209, - StsUnsupportedFormat = -210, - StsOutOfRange = -211, - StsParseError = -212, - StsNotImplemented = -213, - StsBadMemBlock = -214, - StsAssert = -215, - GpuNotSupported = -216, - GpuApiCallError = -217, - OpenGlNotSupported = -218, - OpenGlApiCallError = -219, - OpenCLApiCallError = -220, - OpenCLDoubleNotSupported = -221, - OpenCLInitError = -222, - OpenCLNoAMDBlasFft = -223; - - - // C++: enum FormatType (cv.Formatter.FormatType) - public static final int - Formatter_FMT_DEFAULT = 0, - Formatter_FMT_MATLAB = 1, - Formatter_FMT_CSV = 2, - Formatter_FMT_PYTHON = 3, - Formatter_FMT_NUMPY = 4, - Formatter_FMT_C = 5; - - - // C++: enum GemmFlags (cv.GemmFlags) - public static final int - GEMM_1_T = 1, - GEMM_2_T = 2, - GEMM_3_T = 4; - - - // C++: enum KmeansFlags (cv.KmeansFlags) - public static final int - KMEANS_RANDOM_CENTERS = 0, - KMEANS_PP_CENTERS = 2, - KMEANS_USE_INITIAL_LABELS = 1; - - - // C++: enum NormTypes (cv.NormTypes) - public static final int - NORM_INF = 1, - NORM_L1 = 2, - NORM_L2 = 4, - NORM_L2SQR = 5, - NORM_HAMMING = 6, - NORM_HAMMING2 = 7, - NORM_TYPE_MASK = 7, - NORM_RELATIVE = 8, - NORM_MINMAX = 32; - - - // C++: enum Flags (cv.PCA.Flags) - public static final int - PCA_DATA_AS_ROW = 0, - PCA_DATA_AS_COL = 1, - PCA_USE_AVG = 2; - - - // C++: enum Param (cv.Param) - public static final int - Param_INT = 0, - Param_BOOLEAN = 1, - Param_REAL = 2, - Param_STRING = 3, - Param_MAT = 4, - Param_MAT_VECTOR = 5, - Param_ALGORITHM = 6, - Param_FLOAT = 7, - Param_UNSIGNED_INT = 8, - Param_UINT64 = 9, - Param_UCHAR = 11, - Param_SCALAR = 12; - - - // C++: enum ReduceTypes (cv.ReduceTypes) - public static final int - REDUCE_SUM2 = 4; - - - // C++: enum RotateFlags (cv.RotateFlags) - public static final int - ROTATE_90_CLOCKWISE = 0, - ROTATE_180 = 1, - ROTATE_90_COUNTERCLOCKWISE = 2; - - - // C++: enum SortFlags (cv.SortFlags) - public static final int - SORT_EVERY_ROW = 0, - SORT_EVERY_COLUMN = 1, - SORT_ASCENDING = 0, - SORT_DESCENDING = 16; - - - // - // C++: float cv::cubeRoot(float val) - // - - /** - * Computes the cube root of an argument. - * - * The function cubeRoot computes \(\sqrt[3]{\texttt{val}}\). Negative arguments are handled correctly. - * NaN and Inf are not handled. The accuracy approaches the maximum possible accuracy for - * single-precision data. - * @param val A function argument. - * @return automatically generated - */ - public static float cubeRoot(float val) { - return cubeRoot_0(val); - } - - - // - // C++: float cv::fastAtan2(float y, float x) - // - - /** - * Calculates the angle of a 2D vector in degrees. - * - * The function fastAtan2 calculates the full-range angle of an input 2D vector. The angle is measured - * in degrees and varies from 0 to 360 degrees. The accuracy is about 0.3 degrees. - * @param x x-coordinate of the vector. - * @param y y-coordinate of the vector. - * @return automatically generated - */ - public static float fastAtan2(float y, float x) { - return fastAtan2_0(y, x); - } - - - // - // C++: bool cv::ipp::useIPP() - // - - /** - * proxy for hal::Cholesky - * @return automatically generated - */ - public static boolean useIPP() { - return useIPP_0(); - } - - - // - // C++: void cv::ipp::setUseIPP(bool flag) - // - - public static void setUseIPP(boolean flag) { - setUseIPP_0(flag); - } - - - // - // C++: String cv::ipp::getIppVersion() - // - - public static String getIppVersion() { - return getIppVersion_0(); - } - - - // - // C++: bool cv::ipp::useIPP_NotExact() - // - - public static boolean useIPP_NotExact() { - return useIPP_NotExact_0(); - } - - - // - // C++: void cv::ipp::setUseIPP_NotExact(bool flag) - // - - public static void setUseIPP_NotExact(boolean flag) { - setUseIPP_NotExact_0(flag); - } - - - // - // C++: int cv::borderInterpolate(int p, int len, int borderType) - // - - /** - * Computes the source location of an extrapolated pixel. - * - * The function computes and returns the coordinate of a donor pixel corresponding to the specified - * extrapolated pixel when using the specified extrapolation border mode. For example, if you use - * cv::BORDER_WRAP mode in the horizontal direction, cv::BORDER_REFLECT_101 in the vertical direction and - * want to compute value of the "virtual" pixel Point(-5, 100) in a floating-point image img, it - * looks like: - * - * float val = img.at<float>(borderInterpolate(100, img.rows, cv::BORDER_REFLECT_101), - * borderInterpolate(-5, img.cols, cv::BORDER_WRAP)); - * - * Normally, the function is not called directly. It is used inside filtering functions and also in - * copyMakeBorder. - * @param p 0-based coordinate of the extrapolated pixel along one of the axes, likely <0 or >= len - * @param len Length of the array along the corresponding axis. - * @param borderType Border type, one of the #BorderTypes, except for #BORDER_TRANSPARENT and - * #BORDER_ISOLATED. When borderType==#BORDER_CONSTANT, the function always returns -1, regardless - * of p and len. - * - * SEE: copyMakeBorder - * @return automatically generated - */ - public static int borderInterpolate(int p, int len, int borderType) { - return borderInterpolate_0(p, len, borderType); - } - - - // - // C++: void cv::copyMakeBorder(Mat src, Mat& dst, int top, int bottom, int left, int right, int borderType, Scalar value = Scalar()) - // - - /** - * Forms a border around an image. - * - * The function copies the source image into the middle of the destination image. The areas to the - * left, to the right, above and below the copied source image will be filled with extrapolated - * pixels. This is not what filtering functions based on it do (they extrapolate pixels on-fly), but - * what other more complex functions, including your own, may do to simplify image boundary handling. - * - * The function supports the mode when src is already in the middle of dst . In this case, the - * function does not copy src itself but simply constructs the border, for example: - * - * - * // let border be the same in all directions - * int border=2; - * // constructs a larger image to fit both the image and the border - * Mat gray_buf(rgb.rows + border*2, rgb.cols + border*2, rgb.depth()); - * // select the middle part of it w/o copying data - * Mat gray(gray_canvas, Rect(border, border, rgb.cols, rgb.rows)); - * // convert image from RGB to grayscale - * cvtColor(rgb, gray, COLOR_RGB2GRAY); - * // form a border in-place - * copyMakeBorder(gray, gray_buf, border, border, - * border, border, BORDER_REPLICATE); - * // now do some custom filtering ... - * ... - * - * Note: When the source image is a part (ROI) of a bigger image, the function will try to use the - * pixels outside of the ROI to form a border. To disable this feature and always do extrapolation, as - * if src was not a ROI, use borderType | #BORDER_ISOLATED. - * - * @param src Source image. - * @param dst Destination image of the same type as src and the size Size(src.cols+left+right, - * src.rows+top+bottom) . - * @param top the top pixels - * @param bottom the bottom pixels - * @param left the left pixels - * @param right Parameter specifying how many pixels in each direction from the source image rectangle - * to extrapolate. For example, top=1, bottom=1, left=1, right=1 mean that 1 pixel-wide border needs - * to be built. - * @param borderType Border type. See borderInterpolate for details. - * @param value Border value if borderType==BORDER_CONSTANT . - * - * SEE: borderInterpolate - */ - public static void copyMakeBorder(Mat src, Mat dst, int top, int bottom, int left, int right, int borderType, Scalar value) { - copyMakeBorder_0(src.nativeObj, dst.nativeObj, top, bottom, left, right, borderType, value.val[0], value.val[1], value.val[2], value.val[3]); - } - - /** - * Forms a border around an image. - * - * The function copies the source image into the middle of the destination image. The areas to the - * left, to the right, above and below the copied source image will be filled with extrapolated - * pixels. This is not what filtering functions based on it do (they extrapolate pixels on-fly), but - * what other more complex functions, including your own, may do to simplify image boundary handling. - * - * The function supports the mode when src is already in the middle of dst . In this case, the - * function does not copy src itself but simply constructs the border, for example: - * - * - * // let border be the same in all directions - * int border=2; - * // constructs a larger image to fit both the image and the border - * Mat gray_buf(rgb.rows + border*2, rgb.cols + border*2, rgb.depth()); - * // select the middle part of it w/o copying data - * Mat gray(gray_canvas, Rect(border, border, rgb.cols, rgb.rows)); - * // convert image from RGB to grayscale - * cvtColor(rgb, gray, COLOR_RGB2GRAY); - * // form a border in-place - * copyMakeBorder(gray, gray_buf, border, border, - * border, border, BORDER_REPLICATE); - * // now do some custom filtering ... - * ... - * - * Note: When the source image is a part (ROI) of a bigger image, the function will try to use the - * pixels outside of the ROI to form a border. To disable this feature and always do extrapolation, as - * if src was not a ROI, use borderType | #BORDER_ISOLATED. - * - * @param src Source image. - * @param dst Destination image of the same type as src and the size Size(src.cols+left+right, - * src.rows+top+bottom) . - * @param top the top pixels - * @param bottom the bottom pixels - * @param left the left pixels - * @param right Parameter specifying how many pixels in each direction from the source image rectangle - * to extrapolate. For example, top=1, bottom=1, left=1, right=1 mean that 1 pixel-wide border needs - * to be built. - * @param borderType Border type. See borderInterpolate for details. - * - * SEE: borderInterpolate - */ - public static void copyMakeBorder(Mat src, Mat dst, int top, int bottom, int left, int right, int borderType) { - copyMakeBorder_1(src.nativeObj, dst.nativeObj, top, bottom, left, right, borderType); - } - - - // - // C++: void cv::add(Mat src1, Mat src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - // - - /** - * Calculates the per-element sum of two arrays or an array and a scalar. - * - * The function add calculates: - *
      - *
    • - * Sum of two arrays when both input arrays have the same size and the same number of channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - * elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - * elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where {@code I} is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 + src2; - * dst += src1; // equivalent to add(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - * floating-point array. Depth of the output array is determined by the dtype parameter. In the second - * and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - * be set to the default -1. In this case, the output array will have the same depth as the input - * array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code add(src,X)} means {@code add(src,(X,X,X,X))}. - * {@code add(src,(X,))} means {@code add(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and number of channels as the input array(s); the - * depth is defined by dtype or src1/src2. - * @param mask optional operation mask - 8-bit single channel array, that specifies elements of the - * output array to be changed. - * @param dtype optional depth of the output array (see the discussion below). - * SEE: subtract, addWeighted, scaleAdd, Mat::convertTo - */ - public static void add(Mat src1, Mat src2, Mat dst, Mat mask, int dtype) { - add_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj, dtype); - } - - /** - * Calculates the per-element sum of two arrays or an array and a scalar. - * - * The function add calculates: - *
      - *
    • - * Sum of two arrays when both input arrays have the same size and the same number of channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - * elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - * elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where {@code I} is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 + src2; - * dst += src1; // equivalent to add(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - * floating-point array. Depth of the output array is determined by the dtype parameter. In the second - * and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - * be set to the default -1. In this case, the output array will have the same depth as the input - * array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code add(src,X)} means {@code add(src,(X,X,X,X))}. - * {@code add(src,(X,))} means {@code add(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and number of channels as the input array(s); the - * depth is defined by dtype or src1/src2. - * @param mask optional operation mask - 8-bit single channel array, that specifies elements of the - * output array to be changed. - * SEE: subtract, addWeighted, scaleAdd, Mat::convertTo - */ - public static void add(Mat src1, Mat src2, Mat dst, Mat mask) { - add_1(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Calculates the per-element sum of two arrays or an array and a scalar. - * - * The function add calculates: - *
      - *
    • - * Sum of two arrays when both input arrays have the same size and the same number of channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of an array and a scalar when src2 is constructed from Scalar or has the same number of - * elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) + \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Sum of a scalar and an array when src1 is constructed from Scalar or has the same number of - * elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} + \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where {@code I} is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 + src2; - * dst += src1; // equivalent to add(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit - * floating-point array. Depth of the output array is determined by the dtype parameter. In the second - * and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can - * be set to the default -1. In this case, the output array will have the same depth as the input - * array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code add(src,X)} means {@code add(src,(X,X,X,X))}. - * {@code add(src,(X,))} means {@code add(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and number of channels as the input array(s); the - * depth is defined by dtype or src1/src2. - * output array to be changed. - * SEE: subtract, addWeighted, scaleAdd, Mat::convertTo - */ - public static void add(Mat src1, Mat src2, Mat dst) { - add_2(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::subtract(Mat src1, Mat src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - // - - /** - * Calculates the per-element difference between two arrays or array and a scalar. - * - * The function subtract calculates: - *
      - *
    • - * Difference between two arrays, when both input arrays have the same size and the same number of - * channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - * number of elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - * number of elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * The reverse difference between a scalar and an array in the case of {@code SubRS}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 - src2; - * dst -= src1; // equivalent to subtract(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - * the output array is determined by dtype parameter. In the second and third cases above, as well as - * in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - * case the output array will have the same depth as the input array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code subtract(src,X)} means {@code subtract(src,(X,X,X,X))}. - * {@code subtract(src,(X,))} means {@code subtract(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array of the same size and the same number of channels as the input array. - * @param mask optional operation mask; this is an 8-bit single channel array that specifies elements - * of the output array to be changed. - * @param dtype optional depth of the output array - * SEE: add, addWeighted, scaleAdd, Mat::convertTo - */ - public static void subtract(Mat src1, Mat src2, Mat dst, Mat mask, int dtype) { - subtract_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj, dtype); - } - - /** - * Calculates the per-element difference between two arrays or array and a scalar. - * - * The function subtract calculates: - *
      - *
    • - * Difference between two arrays, when both input arrays have the same size and the same number of - * channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - * number of elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - * number of elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * The reverse difference between a scalar and an array in the case of {@code SubRS}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 - src2; - * dst -= src1; // equivalent to subtract(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - * the output array is determined by dtype parameter. In the second and third cases above, as well as - * in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - * case the output array will have the same depth as the input array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code subtract(src,X)} means {@code subtract(src,(X,X,X,X))}. - * {@code subtract(src,(X,))} means {@code subtract(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array of the same size and the same number of channels as the input array. - * @param mask optional operation mask; this is an 8-bit single channel array that specifies elements - * of the output array to be changed. - * SEE: add, addWeighted, scaleAdd, Mat::convertTo - */ - public static void subtract(Mat src1, Mat src2, Mat dst, Mat mask) { - subtract_1(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Calculates the per-element difference between two arrays or array and a scalar. - * - * The function subtract calculates: - *
      - *
    • - * Difference between two arrays, when both input arrays have the same size and the same number of - * channels: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2}(I)) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between an array and a scalar, when src2 is constructed from Scalar or has the same - * number of elements as {@code src1.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1}(I) - \texttt{src2} ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * Difference between a scalar and an array, when src1 is constructed from Scalar or has the same - * number of elements as {@code src2.channels()}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src1} - \texttt{src2}(I) ) \quad \texttt{if mask}(I) \ne0\) - *
      • - *
    • - * The reverse difference between a scalar and an array in the case of {@code SubRS}: - * \(\texttt{dst}(I) = \texttt{saturate} ( \texttt{src2} - \texttt{src1}(I) ) \quad \texttt{if mask}(I) \ne0\) - * where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - *
      • - *
    - * - * The first function in the list above can be replaced with matrix expressions: - * - * dst = src1 - src2; - * dst -= src1; // equivalent to subtract(dst, src1, dst); - * - * The input arrays and the output array can all have the same or different depths. For example, you - * can subtract to 8-bit unsigned arrays and store the difference in a 16-bit signed array. Depth of - * the output array is determined by dtype parameter. In the second and third cases above, as well as - * in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this - * case the output array will have the same depth as the input array, be it src1, src2 or both. - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code subtract(src,X)} means {@code subtract(src,(X,X,X,X))}. - * {@code subtract(src,(X,))} means {@code subtract(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array of the same size and the same number of channels as the input array. - * of the output array to be changed. - * SEE: add, addWeighted, scaleAdd, Mat::convertTo - */ - public static void subtract(Mat src1, Mat src2, Mat dst) { - subtract_2(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::multiply(Mat src1, Mat src2, Mat& dst, double scale = 1, int dtype = -1) - // - - /** - * Calculates the per-element scaled product of two arrays. - * - * The function multiply calculates the per-element product of two arrays: - * - * \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - * - * There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - * - * For a not-per-element matrix product, see gemm . - * - * Note: Saturation is not applied when the output array has the depth - * CV_32S. You may even get result of an incorrect sign in the case of - * overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code multiply(src,X)} means {@code multiply(src,(X,X,X,X))}. - * {@code multiply(src,(X,))} means {@code multiply(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @param dst output array of the same size and type as src1. - * @param scale optional scale factor. - * @param dtype optional depth of the output array - * SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - * Mat::convertTo - */ - public static void multiply(Mat src1, Mat src2, Mat dst, double scale, int dtype) { - multiply_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, scale, dtype); - } - - /** - * Calculates the per-element scaled product of two arrays. - * - * The function multiply calculates the per-element product of two arrays: - * - * \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - * - * There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - * - * For a not-per-element matrix product, see gemm . - * - * Note: Saturation is not applied when the output array has the depth - * CV_32S. You may even get result of an incorrect sign in the case of - * overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code multiply(src,X)} means {@code multiply(src,(X,X,X,X))}. - * {@code multiply(src,(X,))} means {@code multiply(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @param dst output array of the same size and type as src1. - * @param scale optional scale factor. - * SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - * Mat::convertTo - */ - public static void multiply(Mat src1, Mat src2, Mat dst, double scale) { - multiply_1(src1.nativeObj, src2.nativeObj, dst.nativeObj, scale); - } - - /** - * Calculates the per-element scaled product of two arrays. - * - * The function multiply calculates the per-element product of two arrays: - * - * \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{scale} \cdot \texttt{src1} (I) \cdot \texttt{src2} (I))\) - * - * There is also a REF: MatrixExpressions -friendly variant of the first function. See Mat::mul . - * - * For a not-per-element matrix product, see gemm . - * - * Note: Saturation is not applied when the output array has the depth - * CV_32S. You may even get result of an incorrect sign in the case of - * overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code multiply(src,X)} means {@code multiply(src,(X,X,X,X))}. - * {@code multiply(src,(X,))} means {@code multiply(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @param dst output array of the same size and type as src1. - * SEE: add, subtract, divide, scaleAdd, addWeighted, accumulate, accumulateProduct, accumulateSquare, - * Mat::convertTo - */ - public static void multiply(Mat src1, Mat src2, Mat dst) { - multiply_2(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::divide(Mat src1, Mat src2, Mat& dst, double scale = 1, int dtype = -1) - // - - /** - * Performs per-element division of two arrays or a scalar by an array. - * - * The function cv::divide divides one array by another: - * \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - * or a scalar by an array when there is no src1 : - * \(\texttt{dst(I) = saturate(scale/src2(I))}\) - * - * Different channels of multi-channel arrays are processed independently. - * - * For integer types when src2(I) is zero, dst(I) will also be zero. - * - * Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - * Regular floating-point division is used. - * Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - * - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code divide(src,X)} means {@code divide(src,(X,X,X,X))}. - * {@code divide(src,(X,))} means {@code divide(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and type as src1. - * @param scale scalar factor. - * @param dst output array of the same size and type as src2. - * @param dtype optional depth of the output array; if -1, dst will have depth src2.depth(), but in - * case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - * SEE: multiply, add, subtract - */ - public static void divide(Mat src1, Mat src2, Mat dst, double scale, int dtype) { - divide_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, scale, dtype); - } - - /** - * Performs per-element division of two arrays or a scalar by an array. - * - * The function cv::divide divides one array by another: - * \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - * or a scalar by an array when there is no src1 : - * \(\texttt{dst(I) = saturate(scale/src2(I))}\) - * - * Different channels of multi-channel arrays are processed independently. - * - * For integer types when src2(I) is zero, dst(I) will also be zero. - * - * Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - * Regular floating-point division is used. - * Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - * - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code divide(src,X)} means {@code divide(src,(X,X,X,X))}. - * {@code divide(src,(X,))} means {@code divide(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and type as src1. - * @param scale scalar factor. - * @param dst output array of the same size and type as src2. - * case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - * SEE: multiply, add, subtract - */ - public static void divide(Mat src1, Mat src2, Mat dst, double scale) { - divide_1(src1.nativeObj, src2.nativeObj, dst.nativeObj, scale); - } - - /** - * Performs per-element division of two arrays or a scalar by an array. - * - * The function cv::divide divides one array by another: - * \(\texttt{dst(I) = saturate(src1(I)*scale/src2(I))}\) - * or a scalar by an array when there is no src1 : - * \(\texttt{dst(I) = saturate(scale/src2(I))}\) - * - * Different channels of multi-channel arrays are processed independently. - * - * For integer types when src2(I) is zero, dst(I) will also be zero. - * - * Note: In case of floating point data there is no special defined behavior for zero src2(I) values. - * Regular floating-point division is used. - * Expect correct IEEE-754 behaviour for floating-point data (with NaN, Inf result values). - * - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code divide(src,X)} means {@code divide(src,(X,X,X,X))}. - * {@code divide(src,(X,))} means {@code divide(src,(X,0,0,0))}. - * @param src1 first input array. - * @param src2 second input array of the same size and type as src1. - * @param dst output array of the same size and type as src2. - * case of an array-by-array division, you can only pass -1 when src1.depth()==src2.depth(). - * SEE: multiply, add, subtract - */ - public static void divide(Mat src1, Mat src2, Mat dst) { - divide_2(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::divide(double scale, Mat src2, Mat& dst, int dtype = -1) - // - - public static void divide(double scale, Mat src2, Mat dst, int dtype) { - divide_3(scale, src2.nativeObj, dst.nativeObj, dtype); - } - - public static void divide(double scale, Mat src2, Mat dst) { - divide_4(scale, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::scaleAdd(Mat src1, double alpha, Mat src2, Mat& dst) - // - - /** - * Calculates the sum of a scaled array and another array. - * - * The function scaleAdd is one of the classical primitive linear algebra operations, known as DAXPY - * or SAXPY in [BLAS](http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms). It calculates - * the sum of a scaled array and another array: - * \(\texttt{dst} (I)= \texttt{scale} \cdot \texttt{src1} (I) + \texttt{src2} (I)\) - * The function can also be emulated with a matrix expression, for example: - * - * Mat A(3, 3, CV_64F); - * ... - * A.row(0) = A.row(1)*2 + A.row(2); - * - * @param src1 first input array. - * @param alpha scale factor for the first array. - * @param src2 second input array of the same size and type as src1. - * @param dst output array of the same size and type as src1. - * SEE: add, addWeighted, subtract, Mat::dot, Mat::convertTo - */ - public static void scaleAdd(Mat src1, double alpha, Mat src2, Mat dst) { - scaleAdd_0(src1.nativeObj, alpha, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::addWeighted(Mat src1, double alpha, Mat src2, double beta, double gamma, Mat& dst, int dtype = -1) - // - - /** - * Calculates the weighted sum of two arrays. - * - * The function addWeighted calculates the weighted sum of two arrays as follows: - * \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I)* \texttt{alpha} + \texttt{src2} (I)* \texttt{beta} + \texttt{gamma} )\) - * where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - * The function can be replaced with a matrix expression: - * - * dst = src1*alpha + src2*beta + gamma; - * - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * @param src1 first input array. - * @param alpha weight of the first array elements. - * @param src2 second input array of the same size and channel number as src1. - * @param beta weight of the second array elements. - * @param gamma scalar added to each sum. - * @param dst output array that has the same size and number of channels as the input arrays. - * @param dtype optional depth of the output array; when both input arrays have the same depth, dtype - * can be set to -1, which will be equivalent to src1.depth(). - * SEE: add, subtract, scaleAdd, Mat::convertTo - */ - public static void addWeighted(Mat src1, double alpha, Mat src2, double beta, double gamma, Mat dst, int dtype) { - addWeighted_0(src1.nativeObj, alpha, src2.nativeObj, beta, gamma, dst.nativeObj, dtype); - } - - /** - * Calculates the weighted sum of two arrays. - * - * The function addWeighted calculates the weighted sum of two arrays as follows: - * \(\texttt{dst} (I)= \texttt{saturate} ( \texttt{src1} (I)* \texttt{alpha} + \texttt{src2} (I)* \texttt{beta} + \texttt{gamma} )\) - * where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each - * channel is processed independently. - * The function can be replaced with a matrix expression: - * - * dst = src1*alpha + src2*beta + gamma; - * - * Note: Saturation is not applied when the output array has the depth CV_32S. You may even get - * result of an incorrect sign in the case of overflow. - * @param src1 first input array. - * @param alpha weight of the first array elements. - * @param src2 second input array of the same size and channel number as src1. - * @param beta weight of the second array elements. - * @param gamma scalar added to each sum. - * @param dst output array that has the same size and number of channels as the input arrays. - * can be set to -1, which will be equivalent to src1.depth(). - * SEE: add, subtract, scaleAdd, Mat::convertTo - */ - public static void addWeighted(Mat src1, double alpha, Mat src2, double beta, double gamma, Mat dst) { - addWeighted_1(src1.nativeObj, alpha, src2.nativeObj, beta, gamma, dst.nativeObj); - } - - - // - // C++: void cv::convertScaleAbs(Mat src, Mat& dst, double alpha = 1, double beta = 0) - // - - /** - * Scales, calculates absolute values, and converts the result to 8-bit. - * - * On each element of the input array, the function convertScaleAbs - * performs three operations sequentially: scaling, taking an absolute - * value, conversion to an unsigned 8-bit type: - * \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - * In case of multi-channel arrays, the function processes each channel - * independently. When the output is not 8-bit, the operation can be - * emulated by calling the Mat::convertTo method (or by using matrix - * expressions) and then by calculating an absolute value of the result. - * For example: - * - * Mat_<float> A(30,30); - * randu(A, Scalar(-100), Scalar(100)); - * Mat_<float> B = A*5 + 3; - * B = abs(B); - * // Mat_<float> B = abs(A*5+3) will also do the job, - * // but it will allocate a temporary matrix - * - * @param src input array. - * @param dst output array. - * @param alpha optional scale factor. - * @param beta optional delta added to the scaled values. - * SEE: Mat::convertTo, cv::abs(const Mat&) - */ - public static void convertScaleAbs(Mat src, Mat dst, double alpha, double beta) { - convertScaleAbs_0(src.nativeObj, dst.nativeObj, alpha, beta); - } - - /** - * Scales, calculates absolute values, and converts the result to 8-bit. - * - * On each element of the input array, the function convertScaleAbs - * performs three operations sequentially: scaling, taking an absolute - * value, conversion to an unsigned 8-bit type: - * \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - * In case of multi-channel arrays, the function processes each channel - * independently. When the output is not 8-bit, the operation can be - * emulated by calling the Mat::convertTo method (or by using matrix - * expressions) and then by calculating an absolute value of the result. - * For example: - * - * Mat_<float> A(30,30); - * randu(A, Scalar(-100), Scalar(100)); - * Mat_<float> B = A*5 + 3; - * B = abs(B); - * // Mat_<float> B = abs(A*5+3) will also do the job, - * // but it will allocate a temporary matrix - * - * @param src input array. - * @param dst output array. - * @param alpha optional scale factor. - * SEE: Mat::convertTo, cv::abs(const Mat&) - */ - public static void convertScaleAbs(Mat src, Mat dst, double alpha) { - convertScaleAbs_1(src.nativeObj, dst.nativeObj, alpha); - } - - /** - * Scales, calculates absolute values, and converts the result to 8-bit. - * - * On each element of the input array, the function convertScaleAbs - * performs three operations sequentially: scaling, taking an absolute - * value, conversion to an unsigned 8-bit type: - * \(\texttt{dst} (I)= \texttt{saturate\_cast<uchar>} (| \texttt{src} (I)* \texttt{alpha} + \texttt{beta} |)\) - * In case of multi-channel arrays, the function processes each channel - * independently. When the output is not 8-bit, the operation can be - * emulated by calling the Mat::convertTo method (or by using matrix - * expressions) and then by calculating an absolute value of the result. - * For example: - * - * Mat_<float> A(30,30); - * randu(A, Scalar(-100), Scalar(100)); - * Mat_<float> B = A*5 + 3; - * B = abs(B); - * // Mat_<float> B = abs(A*5+3) will also do the job, - * // but it will allocate a temporary matrix - * - * @param src input array. - * @param dst output array. - * SEE: Mat::convertTo, cv::abs(const Mat&) - */ - public static void convertScaleAbs(Mat src, Mat dst) { - convertScaleAbs_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::convertFp16(Mat src, Mat& dst) - // - - /** - * Converts an array to half precision floating number. - * - * This function converts FP32 (single precision floating point) from/to FP16 (half precision floating point). CV_16S format is used to represent FP16 data. - * There are two use modes (src -> dst): CV_32F -> CV_16S and CV_16S -> CV_32F. The input array has to have type of CV_32F or - * CV_16S to represent the bit depth. If the input array is neither of them, the function will raise an error. - * The format of half precision floating point is defined in IEEE 754-2008. - * - * @param src input array. - * @param dst output array. - * - * @deprecated Use Mat::convertTo with CV_16F instead. - */ - @Deprecated - public static void convertFp16(Mat src, Mat dst) { - convertFp16_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::LUT(Mat src, Mat lut, Mat& dst) - // - - /** - * Performs a look-up table transform of an array. - * - * The function LUT fills the output array with values from the look-up table. Indices of the entries - * are taken from the input array. That is, the function processes each element of src as follows: - * \(\texttt{dst} (I) \leftarrow \texttt{lut(src(I) + d)}\) - * where - * \(d = \fork{0}{if \(\texttt{src}\) has depth \(\texttt{CV_8U}\)}{128}{if \(\texttt{src}\) has depth \(\texttt{CV_8S}\)}\) - * @param src input array of 8-bit elements. - * @param lut look-up table of 256 elements; in case of multi-channel input array, the table should - * either have a single channel (in this case the same table is used for all channels) or the same - * number of channels as in the input array. - * @param dst output array of the same size and number of channels as src, and the same depth as lut. - * SEE: convertScaleAbs, Mat::convertTo - */ - public static void LUT(Mat src, Mat lut, Mat dst) { - LUT_0(src.nativeObj, lut.nativeObj, dst.nativeObj); - } - - - // - // C++: Scalar cv::sum(Mat src) - // - - /** - * Calculates the sum of array elements. - * - * The function cv::sum calculates and returns the sum of array elements, - * independently for each channel. - * @param src input array that must have from 1 to 4 channels. - * SEE: countNonZero, mean, meanStdDev, norm, minMaxLoc, reduce - * @return automatically generated - */ - public static Scalar sumElems(Mat src) { - return new Scalar(sumElems_0(src.nativeObj)); - } - - - // - // C++: bool cv::hasNonZero(Mat src) - // - - /** - * Checks for the presence of at least one non-zero array element. - * - * The function returns whether there are non-zero elements in src - * - * The function do not work with multi-channel arrays. If you need to check non-zero array - * elements across all the channels, use Mat::reshape first to reinterpret the array as - * single-channel. Or you may extract the particular channel using either extractImageCOI, or - * mixChannels, or split. - * - * Note: - *
      - *
    • - * If the location of non-zero array elements is important, REF: findNonZero is helpful. - *
      • - *
    • - * If the count of non-zero array elements is important, REF: countNonZero is helpful. - *
      • - *
    - * @param src single-channel array. - * SEE: mean, meanStdDev, norm, minMaxLoc, calcCovarMatrix - * SEE: findNonZero, countNonZero - * @return automatically generated - */ - public static boolean hasNonZero(Mat src) { - return hasNonZero_0(src.nativeObj); - } - - - // - // C++: int cv::countNonZero(Mat src) - // - - /** - * Counts non-zero array elements. - * - * The function returns the number of non-zero elements in src : - * \(\sum _{I: \; \texttt{src} (I) \ne0 } 1\) - * - * The function do not work with multi-channel arrays. If you need to count non-zero array - * elements across all the channels, use Mat::reshape first to reinterpret the array as - * single-channel. Or you may extract the particular channel using either extractImageCOI, or - * mixChannels, or split. - * - * Note: - *
      - *
    • - * If only whether there are non-zero elements is important, REF: hasNonZero is helpful. - *
      • - *
    • - * If the location of non-zero array elements is important, REF: findNonZero is helpful. - *
      • - *
    - * @param src single-channel array. - * SEE: mean, meanStdDev, norm, minMaxLoc, calcCovarMatrix - * SEE: findNonZero, hasNonZero - * @return automatically generated - */ - public static int countNonZero(Mat src) { - return countNonZero_0(src.nativeObj); - } - - - // - // C++: void cv::findNonZero(Mat src, Mat& idx) - // - - /** - * Returns the list of locations of non-zero pixels - * - * Given a binary matrix (likely returned from an operation such - * as threshold(), compare(), >, ==, etc, return all of - * the non-zero indices as a cv::Mat or std::vector<cv::Point> (x,y) - * For example: - * - * cv::Mat binaryImage; // input, binary image - * cv::Mat locations; // output, locations of non-zero pixels - * cv::findNonZero(binaryImage, locations); - * - * // access pixel coordinates - * Point pnt = locations.at<Point>(i); - * - * or - * - * cv::Mat binaryImage; // input, binary image - * vector<Point> locations; // output, locations of non-zero pixels - * cv::findNonZero(binaryImage, locations); - * - * // access pixel coordinates - * Point pnt = locations[i]; - * - * - * The function do not work with multi-channel arrays. If you need to find non-zero - * elements across all the channels, use Mat::reshape first to reinterpret the array as - * single-channel. Or you may extract the particular channel using either extractImageCOI, or - * mixChannels, or split. - * - * Note: - *
      - *
    • - * If only count of non-zero array elements is important, REF: countNonZero is helpful. - *
      • - *
    • - * If only whether there are non-zero elements is important, REF: hasNonZero is helpful. - *
      • - *
    - * @param src single-channel array - * @param idx the output array, type of cv::Mat or std::vector<Point>, corresponding to non-zero indices in the input - * SEE: countNonZero, hasNonZero - */ - public static void findNonZero(Mat src, Mat idx) { - findNonZero_0(src.nativeObj, idx.nativeObj); - } - - - // - // C++: Scalar cv::mean(Mat src, Mat mask = Mat()) - // - - /** - * Calculates an average (mean) of array elements. - * - * The function cv::mean calculates the mean value M of array elements, - * independently for each channel, and return it: - * \(\begin{array}{l} N = \sum _{I: \; \texttt{mask} (I) \ne 0} 1 \\ M_c = \left ( \sum _{I: \; \texttt{mask} (I) \ne 0}{ \texttt{mtx} (I)_c} \right )/N \end{array}\) - * When all the mask elements are 0's, the function returns Scalar::all(0) - * @param src input array that should have from 1 to 4 channels so that the result can be stored in - * Scalar_ . - * @param mask optional operation mask. - * SEE: countNonZero, meanStdDev, norm, minMaxLoc - * @return automatically generated - */ - public static Scalar mean(Mat src, Mat mask) { - return new Scalar(mean_0(src.nativeObj, mask.nativeObj)); - } - - /** - * Calculates an average (mean) of array elements. - * - * The function cv::mean calculates the mean value M of array elements, - * independently for each channel, and return it: - * \(\begin{array}{l} N = \sum _{I: \; \texttt{mask} (I) \ne 0} 1 \\ M_c = \left ( \sum _{I: \; \texttt{mask} (I) \ne 0}{ \texttt{mtx} (I)_c} \right )/N \end{array}\) - * When all the mask elements are 0's, the function returns Scalar::all(0) - * @param src input array that should have from 1 to 4 channels so that the result can be stored in - * Scalar_ . - * SEE: countNonZero, meanStdDev, norm, minMaxLoc - * @return automatically generated - */ - public static Scalar mean(Mat src) { - return new Scalar(mean_1(src.nativeObj)); - } - - - // - // C++: void cv::meanStdDev(Mat src, vector_double& mean, vector_double& stddev, Mat mask = Mat()) - // - - /** - * Calculates a mean and standard deviation of array elements. - * - * The function cv::meanStdDev calculates the mean and the standard deviation M - * of array elements independently for each channel and returns it via the - * output parameters: - * \(\begin{array}{l} N = \sum _{I, \texttt{mask} (I) \ne 0} 1 \\ \texttt{mean} _c = \frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \texttt{src} (I)_c}{N} \\ \texttt{stddev} _c = \sqrt{\frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \left ( \texttt{src} (I)_c - \texttt{mean} _c \right )^2}{N}} \end{array}\) - * When all the mask elements are 0's, the function returns - * mean=stddev=Scalar::all(0). - * Note: The calculated standard deviation is only the diagonal of the - * complete normalized covariance matrix. If the full matrix is needed, you - * can reshape the multi-channel array M x N to the single-channel array - * M\*N x mtx.channels() (only possible when the matrix is continuous) and - * then pass the matrix to calcCovarMatrix . - * @param src input array that should have from 1 to 4 channels so that the results can be stored in - * Scalar_ 's. - * @param mean output parameter: calculated mean value. - * @param stddev output parameter: calculated standard deviation. - * @param mask optional operation mask. - * SEE: countNonZero, mean, norm, minMaxLoc, calcCovarMatrix - */ - public static void meanStdDev(Mat src, MatOfDouble mean, MatOfDouble stddev, Mat mask) { - Mat mean_mat = mean; - Mat stddev_mat = stddev; - meanStdDev_0(src.nativeObj, mean_mat.nativeObj, stddev_mat.nativeObj, mask.nativeObj); - } - - /** - * Calculates a mean and standard deviation of array elements. - * - * The function cv::meanStdDev calculates the mean and the standard deviation M - * of array elements independently for each channel and returns it via the - * output parameters: - * \(\begin{array}{l} N = \sum _{I, \texttt{mask} (I) \ne 0} 1 \\ \texttt{mean} _c = \frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \texttt{src} (I)_c}{N} \\ \texttt{stddev} _c = \sqrt{\frac{\sum_{ I: \; \texttt{mask}(I) \ne 0} \left ( \texttt{src} (I)_c - \texttt{mean} _c \right )^2}{N}} \end{array}\) - * When all the mask elements are 0's, the function returns - * mean=stddev=Scalar::all(0). - * Note: The calculated standard deviation is only the diagonal of the - * complete normalized covariance matrix. If the full matrix is needed, you - * can reshape the multi-channel array M x N to the single-channel array - * M\*N x mtx.channels() (only possible when the matrix is continuous) and - * then pass the matrix to calcCovarMatrix . - * @param src input array that should have from 1 to 4 channels so that the results can be stored in - * Scalar_ 's. - * @param mean output parameter: calculated mean value. - * @param stddev output parameter: calculated standard deviation. - * SEE: countNonZero, mean, norm, minMaxLoc, calcCovarMatrix - */ - public static void meanStdDev(Mat src, MatOfDouble mean, MatOfDouble stddev) { - Mat mean_mat = mean; - Mat stddev_mat = stddev; - meanStdDev_1(src.nativeObj, mean_mat.nativeObj, stddev_mat.nativeObj); - } - - - // - // C++: double cv::norm(Mat src1, int normType = NORM_L2, Mat mask = Mat()) - // - - /** - * Calculates the absolute norm of an array. - * - * This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - * - * As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - * The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - * is calculated as follows - * \(align*} - * \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - * \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - * \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - * \) - * and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - * \(align*} - * \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - * \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - * \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - * \) - * The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - * It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - * ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - * - * When the mask parameter is specified and it is not empty, the norm is - * - * If normType is not specified, #NORM_L2 is used. - * calculated only over the region specified by the mask. - * - * Multi-channel input arrays are treated as single-channel arrays, that is, - * the results for all channels are combined. - * - * Hamming norms can only be calculated with CV_8U depth arrays. - * - * @param src1 first input array. - * @param normType type of the norm (see #NormTypes). - * @param mask optional operation mask; it must have the same size as src1 and CV_8UC1 type. - * @return automatically generated - */ - public static double norm(Mat src1, int normType, Mat mask) { - return norm_0(src1.nativeObj, normType, mask.nativeObj); - } - - /** - * Calculates the absolute norm of an array. - * - * This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - * - * As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - * The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - * is calculated as follows - * \(align*} - * \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - * \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - * \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - * \) - * and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - * \(align*} - * \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - * \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - * \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - * \) - * The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - * It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - * ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - * - * When the mask parameter is specified and it is not empty, the norm is - * - * If normType is not specified, #NORM_L2 is used. - * calculated only over the region specified by the mask. - * - * Multi-channel input arrays are treated as single-channel arrays, that is, - * the results for all channels are combined. - * - * Hamming norms can only be calculated with CV_8U depth arrays. - * - * @param src1 first input array. - * @param normType type of the norm (see #NormTypes). - * @return automatically generated - */ - public static double norm(Mat src1, int normType) { - return norm_1(src1.nativeObj, normType); - } - - /** - * Calculates the absolute norm of an array. - * - * This version of #norm calculates the absolute norm of src1. The type of norm to calculate is specified using #NormTypes. - * - * As example for one array consider the function \(r(x)= \begin{pmatrix} x \\ 1-x \end{pmatrix}, x \in [-1;1]\). - * The \( L_{1}, L_{2} \) and \( L_{\infty} \) norm for the sample value \(r(-1) = \begin{pmatrix} -1 \\ 2 \end{pmatrix}\) - * is calculated as follows - * \(align*} - * \| r(-1) \|_{L_1} &= |-1| + |2| = 3 \\ - * \| r(-1) \|_{L_2} &= \sqrt{(-1)^{2} + (2)^{2}} = \sqrt{5} \\ - * \| r(-1) \|_{L_\infty} &= \max(|-1|,|2|) = 2 - * \) - * and for \(r(0.5) = \begin{pmatrix} 0.5 \\ 0.5 \end{pmatrix}\) the calculation is - * \(align*} - * \| r(0.5) \|_{L_1} &= |0.5| + |0.5| = 1 \\ - * \| r(0.5) \|_{L_2} &= \sqrt{(0.5)^{2} + (0.5)^{2}} = \sqrt{0.5} \\ - * \| r(0.5) \|_{L_\infty} &= \max(|0.5|,|0.5|) = 0.5. - * \) - * The following graphic shows all values for the three norm functions \(\| r(x) \|_{L_1}, \| r(x) \|_{L_2}\) and \(\| r(x) \|_{L_\infty}\). - * It is notable that the \( L_{1} \) norm forms the upper and the \( L_{\infty} \) norm forms the lower border for the example function \( r(x) \). - * ![Graphs for the different norm functions from the above example](pics/NormTypes_OneArray_1-2-INF.png) - * - * When the mask parameter is specified and it is not empty, the norm is - * - * If normType is not specified, #NORM_L2 is used. - * calculated only over the region specified by the mask. - * - * Multi-channel input arrays are treated as single-channel arrays, that is, - * the results for all channels are combined. - * - * Hamming norms can only be calculated with CV_8U depth arrays. - * - * @param src1 first input array. - * @return automatically generated - */ - public static double norm(Mat src1) { - return norm_2(src1.nativeObj); - } - - - // - // C++: double cv::norm(Mat src1, Mat src2, int normType = NORM_L2, Mat mask = Mat()) - // - - /** - * Calculates an absolute difference norm or a relative difference norm. - * - * This version of cv::norm calculates the absolute difference norm - * or the relative difference norm of arrays src1 and src2. - * The type of norm to calculate is specified using #NormTypes. - * - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @param normType type of the norm (see #NormTypes). - * @param mask optional operation mask; it must have the same size as src1 and CV_8UC1 type. - * @return automatically generated - */ - public static double norm(Mat src1, Mat src2, int normType, Mat mask) { - return norm_3(src1.nativeObj, src2.nativeObj, normType, mask.nativeObj); - } - - /** - * Calculates an absolute difference norm or a relative difference norm. - * - * This version of cv::norm calculates the absolute difference norm - * or the relative difference norm of arrays src1 and src2. - * The type of norm to calculate is specified using #NormTypes. - * - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @param normType type of the norm (see #NormTypes). - * @return automatically generated - */ - public static double norm(Mat src1, Mat src2, int normType) { - return norm_4(src1.nativeObj, src2.nativeObj, normType); - } - - /** - * Calculates an absolute difference norm or a relative difference norm. - * - * This version of cv::norm calculates the absolute difference norm - * or the relative difference norm of arrays src1 and src2. - * The type of norm to calculate is specified using #NormTypes. - * - * @param src1 first input array. - * @param src2 second input array of the same size and the same type as src1. - * @return automatically generated - */ - public static double norm(Mat src1, Mat src2) { - return norm_5(src1.nativeObj, src2.nativeObj); - } - - - // - // C++: double cv::PSNR(Mat src1, Mat src2, double R = 255.) - // - - /** - * Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric. - * - * This function calculates the Peak Signal-to-Noise Ratio (PSNR) image quality metric in decibels (dB), - * between two input arrays src1 and src2. The arrays must have the same type. - * - * The PSNR is calculated as follows: - * - * \( - * \texttt{PSNR} = 10 \cdot \log_{10}{\left( \frac{R^2}{MSE} \right) } - * \) - * - * where R is the maximum integer value of depth (e.g. 255 in the case of CV_8U data) - * and MSE is the mean squared error between the two arrays. - * - * @param src1 first input array. - * @param src2 second input array of the same size as src1. - * @param R the maximum pixel value (255 by default) - * @return automatically generated - */ - public static double PSNR(Mat src1, Mat src2, double R) { - return PSNR_0(src1.nativeObj, src2.nativeObj, R); - } - - /** - * Computes the Peak Signal-to-Noise Ratio (PSNR) image quality metric. - * - * This function calculates the Peak Signal-to-Noise Ratio (PSNR) image quality metric in decibels (dB), - * between two input arrays src1 and src2. The arrays must have the same type. - * - * The PSNR is calculated as follows: - * - * \( - * \texttt{PSNR} = 10 \cdot \log_{10}{\left( \frac{R^2}{MSE} \right) } - * \) - * - * where R is the maximum integer value of depth (e.g. 255 in the case of CV_8U data) - * and MSE is the mean squared error between the two arrays. - * - * @param src1 first input array. - * @param src2 second input array of the same size as src1. - * @return automatically generated - */ - public static double PSNR(Mat src1, Mat src2) { - return PSNR_1(src1.nativeObj, src2.nativeObj); - } - - - // - // C++: void cv::batchDistance(Mat src1, Mat src2, Mat& dist, int dtype, Mat& nidx, int normType = NORM_L2, int K = 0, Mat mask = Mat(), int update = 0, bool crosscheck = false) - // - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - * @param normType automatically generated - * @param K automatically generated - * @param mask automatically generated - * @param update automatically generated - * @param crosscheck automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx, int normType, int K, Mat mask, int update, boolean crosscheck) { - batchDistance_0(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj, normType, K, mask.nativeObj, update, crosscheck); - } - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - * @param normType automatically generated - * @param K automatically generated - * @param mask automatically generated - * @param update automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx, int normType, int K, Mat mask, int update) { - batchDistance_1(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj, normType, K, mask.nativeObj, update); - } - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - * @param normType automatically generated - * @param K automatically generated - * @param mask automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx, int normType, int K, Mat mask) { - batchDistance_2(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj, normType, K, mask.nativeObj); - } - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - * @param normType automatically generated - * @param K automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx, int normType, int K) { - batchDistance_3(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj, normType, K); - } - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - * @param normType automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx, int normType) { - batchDistance_4(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj, normType); - } - - /** - * naive nearest neighbor finder - * - * see http://en.wikipedia.org/wiki/Nearest_neighbor_search - * TODO: document - * @param src1 automatically generated - * @param src2 automatically generated - * @param dist automatically generated - * @param dtype automatically generated - * @param nidx automatically generated - */ - public static void batchDistance(Mat src1, Mat src2, Mat dist, int dtype, Mat nidx) { - batchDistance_5(src1.nativeObj, src2.nativeObj, dist.nativeObj, dtype, nidx.nativeObj); - } - - - // - // C++: void cv::normalize(Mat src, Mat& dst, double alpha = 1, double beta = 0, int norm_type = NORM_L2, int dtype = -1, Mat mask = Mat()) - // - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * @param alpha norm value to normalize to or the lower range boundary in case of the range - * normalization. - * @param beta upper range boundary in case of the range normalization; it is not used for the norm - * normalization. - * @param norm_type normalization type (see cv::NormTypes). - * @param dtype when negative, the output array has the same type as src; otherwise, it has the same - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * @param mask optional operation mask. - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst, double alpha, double beta, int norm_type, int dtype, Mat mask) { - normalize_0(src.nativeObj, dst.nativeObj, alpha, beta, norm_type, dtype, mask.nativeObj); - } - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * @param alpha norm value to normalize to or the lower range boundary in case of the range - * normalization. - * @param beta upper range boundary in case of the range normalization; it is not used for the norm - * normalization. - * @param norm_type normalization type (see cv::NormTypes). - * @param dtype when negative, the output array has the same type as src; otherwise, it has the same - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst, double alpha, double beta, int norm_type, int dtype) { - normalize_1(src.nativeObj, dst.nativeObj, alpha, beta, norm_type, dtype); - } - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * @param alpha norm value to normalize to or the lower range boundary in case of the range - * normalization. - * @param beta upper range boundary in case of the range normalization; it is not used for the norm - * normalization. - * @param norm_type normalization type (see cv::NormTypes). - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst, double alpha, double beta, int norm_type) { - normalize_2(src.nativeObj, dst.nativeObj, alpha, beta, norm_type); - } - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * @param alpha norm value to normalize to or the lower range boundary in case of the range - * normalization. - * @param beta upper range boundary in case of the range normalization; it is not used for the norm - * normalization. - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst, double alpha, double beta) { - normalize_3(src.nativeObj, dst.nativeObj, alpha, beta); - } - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * @param alpha norm value to normalize to or the lower range boundary in case of the range - * normalization. - * normalization. - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst, double alpha) { - normalize_4(src.nativeObj, dst.nativeObj, alpha); - } - - /** - * Normalizes the norm or value range of an array. - * - * The function cv::normalize normalizes scale and shift the input array elements so that - * \(\| \texttt{dst} \| _{L_p}= \texttt{alpha}\) - * (where p=Inf, 1 or 2) when normType=NORM_INF, NORM_L1, or NORM_L2, respectively; or so that - * \(\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\) - * - * when normType=NORM_MINMAX (for dense arrays only). The optional mask specifies a sub-array to be - * normalized. This means that the norm or min-n-max are calculated over the sub-array, and then this - * sub-array is modified to be normalized. If you want to only use the mask to calculate the norm or - * min-max but modify the whole array, you can use norm and Mat::convertTo. - * - * In case of sparse matrices, only the non-zero values are analyzed and transformed. Because of this, - * the range transformation for sparse matrices is not allowed since it can shift the zero level. - * - * Possible usage with some positive example data: - * - * vector<double> positiveData = { 2.0, 8.0, 10.0 }; - * vector<double> normalizedData_l1, normalizedData_l2, normalizedData_inf, normalizedData_minmax; - * - * // Norm to probability (total count) - * // sum(numbers) = 20.0 - * // 2.0 0.1 (2.0/20.0) - * // 8.0 0.4 (8.0/20.0) - * // 10.0 0.5 (10.0/20.0) - * normalize(positiveData, normalizedData_l1, 1.0, 0.0, NORM_L1); - * - * // Norm to unit vector: ||positiveData|| = 1.0 - * // 2.0 0.15 - * // 8.0 0.62 - * // 10.0 0.77 - * normalize(positiveData, normalizedData_l2, 1.0, 0.0, NORM_L2); - * - * // Norm to max element - * // 2.0 0.2 (2.0/10.0) - * // 8.0 0.8 (8.0/10.0) - * // 10.0 1.0 (10.0/10.0) - * normalize(positiveData, normalizedData_inf, 1.0, 0.0, NORM_INF); - * - * // Norm to range [0.0;1.0] - * // 2.0 0.0 (shift to left border) - * // 8.0 0.75 (6.0/8.0) - * // 10.0 1.0 (shift to right border) - * normalize(positiveData, normalizedData_minmax, 1.0, 0.0, NORM_MINMAX); - * - * - * Note: Due to rounding issues, min-max normalization can result in values outside provided boundaries. - * If exact range conformity is needed, following workarounds can be used: - *
      - *
    • - * use double floating point precision (dtype = CV_64F) - *
      • - *
    • - * manually clip values ({@code cv::max(res, left_bound, res)}, {@code cv::min(res, right_bound, res)} or {@code np.clip}) - *
      • - *
    - * - * @param src input array. - * @param dst output array of the same size as src . - * normalization. - * normalization. - * number of channels as src and the depth =CV_MAT_DEPTH(dtype). - * SEE: norm, Mat::convertTo, SparseMat::convertTo - */ - public static void normalize(Mat src, Mat dst) { - normalize_5(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::reduceArgMin(Mat src, Mat& dst, int axis, bool lastIndex = false) - // - - /** - * Finds indices of min elements along provided axis - * - * Note: - * - If input or output array is not continuous, this function will create an internal copy. - * - NaN handling is left unspecified, see patchNaNs(). - * - The returned index is always in bounds of input matrix. - * - * @param src input single-channel array. - * @param dst output array of type CV_32SC1 with the same dimensionality as src, - * except for axis being reduced - it should be set to 1. - * @param lastIndex whether to get the index of first or last occurrence of min. - * @param axis axis to reduce along. - * SEE: reduceArgMax, minMaxLoc, min, max, compare, reduce - */ - public static void reduceArgMin(Mat src, Mat dst, int axis, boolean lastIndex) { - reduceArgMin_0(src.nativeObj, dst.nativeObj, axis, lastIndex); - } - - /** - * Finds indices of min elements along provided axis - * - * Note: - * - If input or output array is not continuous, this function will create an internal copy. - * - NaN handling is left unspecified, see patchNaNs(). - * - The returned index is always in bounds of input matrix. - * - * @param src input single-channel array. - * @param dst output array of type CV_32SC1 with the same dimensionality as src, - * except for axis being reduced - it should be set to 1. - * @param axis axis to reduce along. - * SEE: reduceArgMax, minMaxLoc, min, max, compare, reduce - */ - public static void reduceArgMin(Mat src, Mat dst, int axis) { - reduceArgMin_1(src.nativeObj, dst.nativeObj, axis); - } - - - // - // C++: void cv::reduceArgMax(Mat src, Mat& dst, int axis, bool lastIndex = false) - // - - /** - * Finds indices of max elements along provided axis - * - * Note: - * - If input or output array is not continuous, this function will create an internal copy. - * - NaN handling is left unspecified, see patchNaNs(). - * - The returned index is always in bounds of input matrix. - * - * @param src input single-channel array. - * @param dst output array of type CV_32SC1 with the same dimensionality as src, - * except for axis being reduced - it should be set to 1. - * @param lastIndex whether to get the index of first or last occurrence of max. - * @param axis axis to reduce along. - * SEE: reduceArgMin, minMaxLoc, min, max, compare, reduce - */ - public static void reduceArgMax(Mat src, Mat dst, int axis, boolean lastIndex) { - reduceArgMax_0(src.nativeObj, dst.nativeObj, axis, lastIndex); - } - - /** - * Finds indices of max elements along provided axis - * - * Note: - * - If input or output array is not continuous, this function will create an internal copy. - * - NaN handling is left unspecified, see patchNaNs(). - * - The returned index is always in bounds of input matrix. - * - * @param src input single-channel array. - * @param dst output array of type CV_32SC1 with the same dimensionality as src, - * except for axis being reduced - it should be set to 1. - * @param axis axis to reduce along. - * SEE: reduceArgMin, minMaxLoc, min, max, compare, reduce - */ - public static void reduceArgMax(Mat src, Mat dst, int axis) { - reduceArgMax_1(src.nativeObj, dst.nativeObj, axis); - } - - - // - // C++: void cv::reduce(Mat src, Mat& dst, int dim, int rtype, int dtype = -1) - // - - /** - * Reduces a matrix to a vector. - * - * The function #reduce reduces the matrix to a vector by treating the matrix rows/columns as a set of - * 1D vectors and performing the specified operation on the vectors until a single row/column is - * obtained. For example, the function can be used to compute horizontal and vertical projections of a - * raster image. In case of #REDUCE_MAX and #REDUCE_MIN, the output image should have the same type as the source one. - * In case of #REDUCE_SUM, #REDUCE_SUM2 and #REDUCE_AVG, the output may have a larger element bit-depth to preserve accuracy. - * And multi-channel arrays are also supported in these two reduction modes. - * - * The following code demonstrates its usage for a single channel matrix. - * SNIPPET: snippets/core_reduce.cpp example - * - * And the following code demonstrates its usage for a two-channel matrix. - * SNIPPET: snippets/core_reduce.cpp example2 - * - * @param src input 2D matrix. - * @param dst output vector. Its size and type is defined by dim and dtype parameters. - * @param dim dimension index along which the matrix is reduced. 0 means that the matrix is reduced to - * a single row. 1 means that the matrix is reduced to a single column. - * @param rtype reduction operation that could be one of #ReduceTypes - * @param dtype when negative, the output vector will have the same type as the input matrix, - * otherwise, its type will be CV_MAKE_TYPE(CV_MAT_DEPTH(dtype), src.channels()). - * SEE: repeat, reduceArgMin, reduceArgMax - */ - public static void reduce(Mat src, Mat dst, int dim, int rtype, int dtype) { - reduce_0(src.nativeObj, dst.nativeObj, dim, rtype, dtype); - } - - /** - * Reduces a matrix to a vector. - * - * The function #reduce reduces the matrix to a vector by treating the matrix rows/columns as a set of - * 1D vectors and performing the specified operation on the vectors until a single row/column is - * obtained. For example, the function can be used to compute horizontal and vertical projections of a - * raster image. In case of #REDUCE_MAX and #REDUCE_MIN, the output image should have the same type as the source one. - * In case of #REDUCE_SUM, #REDUCE_SUM2 and #REDUCE_AVG, the output may have a larger element bit-depth to preserve accuracy. - * And multi-channel arrays are also supported in these two reduction modes. - * - * The following code demonstrates its usage for a single channel matrix. - * SNIPPET: snippets/core_reduce.cpp example - * - * And the following code demonstrates its usage for a two-channel matrix. - * SNIPPET: snippets/core_reduce.cpp example2 - * - * @param src input 2D matrix. - * @param dst output vector. Its size and type is defined by dim and dtype parameters. - * @param dim dimension index along which the matrix is reduced. 0 means that the matrix is reduced to - * a single row. 1 means that the matrix is reduced to a single column. - * @param rtype reduction operation that could be one of #ReduceTypes - * otherwise, its type will be CV_MAKE_TYPE(CV_MAT_DEPTH(dtype), src.channels()). - * SEE: repeat, reduceArgMin, reduceArgMax - */ - public static void reduce(Mat src, Mat dst, int dim, int rtype) { - reduce_1(src.nativeObj, dst.nativeObj, dim, rtype); - } - - - // - // C++: void cv::merge(vector_Mat mv, Mat& dst) - // - - /** - * - * @param mv input vector of matrices to be merged; all the matrices in mv must have the same - * size and the same depth. - * @param dst output array of the same size and the same depth as mv[0]; The number of channels will - * be the total number of channels in the matrix array. - */ - public static void merge(List mv, Mat dst) { - Mat mv_mat = Converters.vector_Mat_to_Mat(mv); - merge_0(mv_mat.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::split(Mat m, vector_Mat& mv) - // - - /** - * - * @param m input multi-channel array. - * @param mv output vector of arrays; the arrays themselves are reallocated, if needed. - */ - public static void split(Mat m, List mv) { - Mat mv_mat = new Mat(); - split_0(m.nativeObj, mv_mat.nativeObj); - Converters.Mat_to_vector_Mat(mv_mat, mv); - mv_mat.release(); - } - - - // - // C++: void cv::mixChannels(vector_Mat src, vector_Mat dst, vector_int fromTo) - // - - /** - * - * @param src input array or vector of matrices; all of the matrices must have the same size and the - * same depth. - * @param dst output array or vector of matrices; all the matrices must be allocated; their size and - * depth must be the same as in src[0]. - * @param fromTo array of index pairs specifying which channels are copied and where; fromTo[k\*2] is - * a 0-based index of the input channel in src, fromTo[k\*2+1] is an index of the output channel in - * dst; the continuous channel numbering is used: the first input image channels are indexed from 0 to - * src[0].channels()-1, the second input image channels are indexed from src[0].channels() to - * src[0].channels() + src[1].channels()-1, and so on, the same scheme is used for the output image - * channels; as a special case, when fromTo[k\*2] is negative, the corresponding output channel is - * filled with zero . - */ - public static void mixChannels(List src, List dst, MatOfInt fromTo) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - Mat dst_mat = Converters.vector_Mat_to_Mat(dst); - Mat fromTo_mat = fromTo; - mixChannels_0(src_mat.nativeObj, dst_mat.nativeObj, fromTo_mat.nativeObj); - } - - - // - // C++: void cv::extractChannel(Mat src, Mat& dst, int coi) - // - - /** - * Extracts a single channel from src (coi is 0-based index) - * @param src input array - * @param dst output array - * @param coi index of channel to extract - * SEE: mixChannels, split - */ - public static void extractChannel(Mat src, Mat dst, int coi) { - extractChannel_0(src.nativeObj, dst.nativeObj, coi); - } - - - // - // C++: void cv::insertChannel(Mat src, Mat& dst, int coi) - // - - /** - * Inserts a single channel to dst (coi is 0-based index) - * @param src input array - * @param dst output array - * @param coi index of channel for insertion - * SEE: mixChannels, merge - */ - public static void insertChannel(Mat src, Mat dst, int coi) { - insertChannel_0(src.nativeObj, dst.nativeObj, coi); - } - - - // - // C++: void cv::flip(Mat src, Mat& dst, int flipCode) - // - - /** - * Flips a 2D array around vertical, horizontal, or both axes. - * - * The function cv::flip flips the array in one of three different ways (row - * and column indices are 0-based): - * \(\texttt{dst} _{ij} = - * \left\{ - * \begin{array}{l l} - * \texttt{src} _{\texttt{src.rows}-i-1,j} & if\; \texttt{flipCode} = 0 \\ - * \texttt{src} _{i, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} > 0 \\ - * \texttt{src} _{ \texttt{src.rows} -i-1, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} < 0 \\ - * \end{array} - * \right.\) - * The example scenarios of using the function are the following: - * Vertical flipping of the image (flipCode == 0) to switch between - * top-left and bottom-left image origin. This is a typical operation - * in video processing on Microsoft Windows\* OS. - * Horizontal flipping of the image with the subsequent horizontal - * shift and absolute difference calculation to check for a - * vertical-axis symmetry (flipCode > 0). - * Simultaneous horizontal and vertical flipping of the image with - * the subsequent shift and absolute difference calculation to check - * for a central symmetry (flipCode < 0). - * Reversing the order of point arrays (flipCode > 0 or - * flipCode == 0). - * @param src input array. - * @param dst output array of the same size and type as src. - * @param flipCode a flag to specify how to flip the array; 0 means - * flipping around the x-axis and positive value (for example, 1) means - * flipping around y-axis. Negative value (for example, -1) means flipping - * around both axes. - * SEE: transpose, repeat, completeSymm - */ - public static void flip(Mat src, Mat dst, int flipCode) { - flip_0(src.nativeObj, dst.nativeObj, flipCode); - } - - - // - // C++: void cv::flipND(Mat src, Mat& dst, int axis) - // - - /** - * Flips a n-dimensional at given axis - * @param src input array - * @param dst output array that has the same shape of src - * @param axis axis that performs a flip on. 0 <= axis < src.dims. - */ - public static void flipND(Mat src, Mat dst, int axis) { - flipND_0(src.nativeObj, dst.nativeObj, axis); - } - - - // - // C++: void cv::broadcast(Mat src, Mat shape, Mat& dst) - // - - /** - * Broadcast the given Mat to the given shape. - * @param src input array - * @param shape target shape. Should be a list of CV_32S numbers. Note that negative values are not supported. - * @param dst output array that has the given shape - */ - public static void broadcast(Mat src, Mat shape, Mat dst) { - broadcast_0(src.nativeObj, shape.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::rotate(Mat src, Mat& dst, int rotateCode) - // - - /** - * Rotates a 2D array in multiples of 90 degrees. - * The function cv::rotate rotates the array in one of three different ways: - * Rotate by 90 degrees clockwise (rotateCode = ROTATE_90_CLOCKWISE). - * Rotate by 180 degrees clockwise (rotateCode = ROTATE_180). - * Rotate by 270 degrees clockwise (rotateCode = ROTATE_90_COUNTERCLOCKWISE). - * @param src input array. - * @param dst output array of the same type as src. The size is the same with ROTATE_180, - * and the rows and cols are switched for ROTATE_90_CLOCKWISE and ROTATE_90_COUNTERCLOCKWISE. - * @param rotateCode an enum to specify how to rotate the array; see the enum #RotateFlags - * SEE: transpose, repeat, completeSymm, flip, RotateFlags - */ - public static void rotate(Mat src, Mat dst, int rotateCode) { - rotate_0(src.nativeObj, dst.nativeObj, rotateCode); - } - - - // - // C++: void cv::repeat(Mat src, int ny, int nx, Mat& dst) - // - - /** - * Fills the output array with repeated copies of the input array. - * - * The function cv::repeat duplicates the input array one or more times along each of the two axes: - * \(\texttt{dst} _{ij}= \texttt{src} _{i\mod src.rows, \; j\mod src.cols }\) - * The second variant of the function is more convenient to use with REF: MatrixExpressions. - * @param src input array to replicate. - * @param ny Flag to specify how many times the {@code src} is repeated along the - * vertical axis. - * @param nx Flag to specify how many times the {@code src} is repeated along the - * horizontal axis. - * @param dst output array of the same type as {@code src}. - * SEE: cv::reduce - */ - public static void repeat(Mat src, int ny, int nx, Mat dst) { - repeat_0(src.nativeObj, ny, nx, dst.nativeObj); - } - - - // - // C++: void cv::hconcat(vector_Mat src, Mat& dst) - // - - /** - * - * - * std::vector<cv::Mat> matrices = { cv::Mat(4, 1, CV_8UC1, cv::Scalar(1)), - * cv::Mat(4, 1, CV_8UC1, cv::Scalar(2)), - * cv::Mat(4, 1, CV_8UC1, cv::Scalar(3)),}; - * - * cv::Mat out; - * cv::hconcat( matrices, out ); - * //out: - * //[1, 2, 3; - * // 1, 2, 3; - * // 1, 2, 3; - * // 1, 2, 3] - * - * @param src input array or vector of matrices. all of the matrices must have the same number of rows and the same depth. - * @param dst output array. It has the same number of rows and depth as the src, and the sum of cols of the src. - * same depth. - */ - public static void hconcat(List src, Mat dst) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - hconcat_0(src_mat.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::vconcat(vector_Mat src, Mat& dst) - // - - /** - * - * - * std::vector<cv::Mat> matrices = { cv::Mat(1, 4, CV_8UC1, cv::Scalar(1)), - * cv::Mat(1, 4, CV_8UC1, cv::Scalar(2)), - * cv::Mat(1, 4, CV_8UC1, cv::Scalar(3)),}; - * - * cv::Mat out; - * cv::vconcat( matrices, out ); - * //out: - * //[1, 1, 1, 1; - * // 2, 2, 2, 2; - * // 3, 3, 3, 3] - * - * @param src input array or vector of matrices. all of the matrices must have the same number of cols and the same depth - * @param dst output array. It has the same number of cols and depth as the src, and the sum of rows of the src. - * same depth. - */ - public static void vconcat(List src, Mat dst) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - vconcat_0(src_mat.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::bitwise_and(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - // - - /** - * computes bitwise conjunction of the two arrays (dst = src1 & src2) - * Calculates the per-element bit-wise conjunction of two arrays or an - * array and a scalar. - * - * The function cv::bitwise_and calculates the per-element bit-wise logical conjunction for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the second and third cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * @param mask optional operation mask, 8-bit single channel array, that - * specifies elements of the output array to be changed. - */ - public static void bitwise_and(Mat src1, Mat src2, Mat dst, Mat mask) { - bitwise_and_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * computes bitwise conjunction of the two arrays (dst = src1 & src2) - * Calculates the per-element bit-wise conjunction of two arrays or an - * array and a scalar. - * - * The function cv::bitwise_and calculates the per-element bit-wise logical conjunction for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \wedge \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \wedge \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the second and third cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * specifies elements of the output array to be changed. - */ - public static void bitwise_and(Mat src1, Mat src2, Mat dst) { - bitwise_and_1(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::bitwise_or(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - // - - /** - * Calculates the per-element bit-wise disjunction of two arrays or an - * array and a scalar. - * - * The function cv::bitwise_or calculates the per-element bit-wise logical disjunction for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the second and third cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * @param mask optional operation mask, 8-bit single channel array, that - * specifies elements of the output array to be changed. - */ - public static void bitwise_or(Mat src1, Mat src2, Mat dst, Mat mask) { - bitwise_or_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Calculates the per-element bit-wise disjunction of two arrays or an - * array and a scalar. - * - * The function cv::bitwise_or calculates the per-element bit-wise logical disjunction for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \vee \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \vee \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the second and third cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * specifies elements of the output array to be changed. - */ - public static void bitwise_or(Mat src1, Mat src2, Mat dst) { - bitwise_or_1(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::bitwise_xor(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - // - - /** - * Calculates the per-element bit-wise "exclusive or" operation on two - * arrays or an array and a scalar. - * - * The function cv::bitwise_xor calculates the per-element bit-wise logical "exclusive-or" - * operation for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the 2nd and 3rd cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * @param mask optional operation mask, 8-bit single channel array, that - * specifies elements of the output array to be changed. - */ - public static void bitwise_xor(Mat src1, Mat src2, Mat dst, Mat mask) { - bitwise_xor_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Calculates the per-element bit-wise "exclusive or" operation on two - * arrays or an array and a scalar. - * - * The function cv::bitwise_xor calculates the per-element bit-wise logical "exclusive-or" - * operation for: - * Two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * An array and a scalar when src2 is constructed from Scalar or has - * the same number of elements as {@code src1.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} (I) \oplus \texttt{src2} \quad \texttt{if mask} (I) \ne0\) - * A scalar and an array when src1 is constructed from Scalar or has - * the same number of elements as {@code src2.channels()}: - * \(\texttt{dst} (I) = \texttt{src1} \oplus \texttt{src2} (I) \quad \texttt{if mask} (I) \ne0\) - * In case of floating-point arrays, their machine-specific bit - * representations (usually IEEE754-compliant) are used for the operation. - * In case of multi-channel arrays, each channel is processed - * independently. In the 2nd and 3rd cases above, the scalar is first - * converted to the array type. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as the input - * arrays. - * specifies elements of the output array to be changed. - */ - public static void bitwise_xor(Mat src1, Mat src2, Mat dst) { - bitwise_xor_1(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::bitwise_not(Mat src, Mat& dst, Mat mask = Mat()) - // - - /** - * Inverts every bit of an array. - * - * The function cv::bitwise_not calculates per-element bit-wise inversion of the input - * array: - * \(\texttt{dst} (I) = \neg \texttt{src} (I)\) - * In case of a floating-point input array, its machine-specific bit - * representation (usually IEEE754-compliant) is used for the operation. In - * case of multi-channel arrays, each channel is processed independently. - * @param src input array. - * @param dst output array that has the same size and type as the input - * array. - * @param mask optional operation mask, 8-bit single channel array, that - * specifies elements of the output array to be changed. - */ - public static void bitwise_not(Mat src, Mat dst, Mat mask) { - bitwise_not_0(src.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Inverts every bit of an array. - * - * The function cv::bitwise_not calculates per-element bit-wise inversion of the input - * array: - * \(\texttt{dst} (I) = \neg \texttt{src} (I)\) - * In case of a floating-point input array, its machine-specific bit - * representation (usually IEEE754-compliant) is used for the operation. In - * case of multi-channel arrays, each channel is processed independently. - * @param src input array. - * @param dst output array that has the same size and type as the input - * array. - * specifies elements of the output array to be changed. - */ - public static void bitwise_not(Mat src, Mat dst) { - bitwise_not_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::absdiff(Mat src1, Mat src2, Mat& dst) - // - - /** - * Calculates the per-element absolute difference between two arrays or between an array and a scalar. - * - * The function cv::absdiff calculates: - * Absolute difference between two arrays when they have the same - * size and type: - * \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1}(I) - \texttt{src2}(I)|)\) - * Absolute difference between an array and a scalar when the second - * array is constructed from Scalar or has as many elements as the - * number of channels in {@code src1}: - * \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1}(I) - \texttt{src2} |)\) - * Absolute difference between a scalar and an array when the first - * array is constructed from Scalar or has as many elements as the - * number of channels in {@code src2}: - * \(\texttt{dst}(I) = \texttt{saturate} (| \texttt{src1} - \texttt{src2}(I) |)\) - * where I is a multi-dimensional index of array elements. In case of - * multi-channel arrays, each channel is processed independently. - * Note: Saturation is not applied when the arrays have the depth CV_32S. - * You may even get a negative value in the case of overflow. - * Note: (Python) Be careful to difference behaviour between src1/src2 are single number and they are tuple/array. - * {@code absdiff(src,X)} means {@code absdiff(src,(X,X,X,X))}. - * {@code absdiff(src,(X,))} means {@code absdiff(src,(X,0,0,0))}. - * @param src1 first input array or a scalar. - * @param src2 second input array or a scalar. - * @param dst output array that has the same size and type as input arrays. - * SEE: cv::abs(const Mat&) - */ - public static void absdiff(Mat src1, Mat src2, Mat dst) { - absdiff_0(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::copyTo(Mat src, Mat& dst, Mat mask) - // - - /** - * This is an overloaded member function, provided for convenience (python) - * Copies the matrix to another one. - * When the operation mask is specified, if the Mat::create call shown above reallocates the matrix, the newly allocated matrix is initialized with all zeros before copying the data. - * @param src source matrix. - * @param dst Destination matrix. If it does not have a proper size or type before the operation, it is - * reallocated. - * @param mask Operation mask of the same size as \*this. Its non-zero elements indicate which matrix - * elements need to be copied. The mask has to be of type CV_8U and can have 1 or multiple channels. - */ - public static void copyTo(Mat src, Mat dst, Mat mask) { - copyTo_0(src.nativeObj, dst.nativeObj, mask.nativeObj); - } - - - // - // C++: void cv::inRange(Mat src, Scalar lowerb, Scalar upperb, Mat& dst) - // - - /** - * Checks if array elements lie between the elements of two other arrays. - * - * The function checks the range as follows: - *
      - *
    • - * For every element of a single-channel input array: - * \(\texttt{dst} (I)= \texttt{lowerb} (I)_0 \leq \texttt{src} (I)_0 \leq \texttt{upperb} (I)_0\) - *
      • - *
    • - * For two-channel arrays: - * \(\texttt{dst} (I)= \texttt{lowerb} (I)_0 \leq \texttt{src} (I)_0 \leq \texttt{upperb} (I)_0 \land \texttt{lowerb} (I)_1 \leq \texttt{src} (I)_1 \leq \texttt{upperb} (I)_1\) - *
      • - *
    • - * and so forth. - *
      • - *
    - * - * That is, dst (I) is set to 255 (all 1 -bits) if src (I) is within the - * specified 1D, 2D, 3D, ... box and 0 otherwise. - * - * When the lower and/or upper boundary parameters are scalars, the indexes - * (I) at lowerb and upperb in the above formulas should be omitted. - * @param src first input array. - * @param lowerb inclusive lower boundary array or a scalar. - * @param upperb inclusive upper boundary array or a scalar. - * @param dst output array of the same size as src and CV_8U type. - */ - public static void inRange(Mat src, Scalar lowerb, Scalar upperb, Mat dst) { - inRange_0(src.nativeObj, lowerb.val[0], lowerb.val[1], lowerb.val[2], lowerb.val[3], upperb.val[0], upperb.val[1], upperb.val[2], upperb.val[3], dst.nativeObj); - } - - - // - // C++: void cv::compare(Mat src1, Mat src2, Mat& dst, int cmpop) - // - - /** - * Performs the per-element comparison of two arrays or an array and scalar value. - * - * The function compares: - * Elements of two arrays when src1 and src2 have the same size: - * \(\texttt{dst} (I) = \texttt{src1} (I) \,\texttt{cmpop}\, \texttt{src2} (I)\) - * Elements of src1 with a scalar src2 when src2 is constructed from - * Scalar or has a single element: - * \(\texttt{dst} (I) = \texttt{src1}(I) \,\texttt{cmpop}\, \texttt{src2}\) - * src1 with elements of src2 when src1 is constructed from Scalar or - * has a single element: - * \(\texttt{dst} (I) = \texttt{src1} \,\texttt{cmpop}\, \texttt{src2} (I)\) - * When the comparison result is true, the corresponding element of output - * array is set to 255. The comparison operations can be replaced with the - * equivalent matrix expressions: - * - * Mat dst1 = src1 >= src2; - * Mat dst2 = src1 < 8; - * ... - * - * @param src1 first input array or a scalar; when it is an array, it must have a single channel. - * @param src2 second input array or a scalar; when it is an array, it must have a single channel. - * @param dst output array of type ref CV_8U that has the same size and the same number of channels as - * the input arrays. - * @param cmpop a flag, that specifies correspondence between the arrays (cv::CmpTypes) - * SEE: checkRange, min, max, threshold - */ - public static void compare(Mat src1, Mat src2, Mat dst, int cmpop) { - compare_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, cmpop); - } - - - // - // C++: void cv::min(Mat src1, Mat src2, Mat& dst) - // - - /** - * Calculates per-element minimum of two arrays or an array and a scalar. - * - * The function cv::min calculates the per-element minimum of two arrays: - * \(\texttt{dst} (I)= \min ( \texttt{src1} (I), \texttt{src2} (I))\) - * or array and a scalar: - * \(\texttt{dst} (I)= \min ( \texttt{src1} (I), \texttt{value} )\) - * @param src1 first input array. - * @param src2 second input array of the same size and type as src1. - * @param dst output array of the same size and type as src1. - * SEE: max, compare, inRange, minMaxLoc - */ - public static void min(Mat src1, Mat src2, Mat dst) { - min_0(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::max(Mat src1, Mat src2, Mat& dst) - // - - /** - * Calculates per-element maximum of two arrays or an array and a scalar. - * - * The function cv::max calculates the per-element maximum of two arrays: - * \(\texttt{dst} (I)= \max ( \texttt{src1} (I), \texttt{src2} (I))\) - * or array and a scalar: - * \(\texttt{dst} (I)= \max ( \texttt{src1} (I), \texttt{value} )\) - * @param src1 first input array. - * @param src2 second input array of the same size and type as src1 . - * @param dst output array of the same size and type as src1. - * SEE: min, compare, inRange, minMaxLoc, REF: MatrixExpressions - */ - public static void max(Mat src1, Mat src2, Mat dst) { - max_0(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::sqrt(Mat src, Mat& dst) - // - - /** - * Calculates a square root of array elements. - * - * The function cv::sqrt calculates a square root of each input array element. - * In case of multi-channel arrays, each channel is processed - * independently. The accuracy is approximately the same as of the built-in - * std::sqrt . - * @param src input floating-point array. - * @param dst output array of the same size and type as src. - */ - public static void sqrt(Mat src, Mat dst) { - sqrt_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::pow(Mat src, double power, Mat& dst) - // - - /** - * Raises every array element to a power. - * - * The function cv::pow raises every element of the input array to power : - * \(\texttt{dst} (I) = \fork{\texttt{src}(I)^{power}}{if \(\texttt{power}\) is integer}{|\texttt{src}(I)|^{power}}{otherwise}\) - * - * So, for a non-integer power exponent, the absolute values of input array - * elements are used. However, it is possible to get true values for - * negative values using some extra operations. In the example below, - * computing the 5th root of array src shows: - * - * Mat mask = src < 0; - * pow(src, 1./5, dst); - * subtract(Scalar::all(0), dst, dst, mask); - * - * For some values of power, such as integer values, 0.5 and -0.5, - * specialized faster algorithms are used. - * - * Special values (NaN, Inf) are not handled. - * @param src input array. - * @param power exponent of power. - * @param dst output array of the same size and type as src. - * SEE: sqrt, exp, log, cartToPolar, polarToCart - */ - public static void pow(Mat src, double power, Mat dst) { - pow_0(src.nativeObj, power, dst.nativeObj); - } - - - // - // C++: void cv::exp(Mat src, Mat& dst) - // - - /** - * Calculates the exponent of every array element. - * - * The function cv::exp calculates the exponent of every element of the input - * array: - * \(\texttt{dst} [I] = e^{ src(I) }\) - * - * The maximum relative error is about 7e-6 for single-precision input and - * less than 1e-10 for double-precision input. Currently, the function - * converts denormalized values to zeros on output. Special values (NaN, - * Inf) are not handled. - * @param src input array. - * @param dst output array of the same size and type as src. - * SEE: log, cartToPolar, polarToCart, phase, pow, sqrt, magnitude - */ - public static void exp(Mat src, Mat dst) { - exp_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::log(Mat src, Mat& dst) - // - - /** - * Calculates the natural logarithm of every array element. - * - * The function cv::log calculates the natural logarithm of every element of the input array: - * \(\texttt{dst} (I) = \log (\texttt{src}(I)) \) - * - * Output on zero, negative and special (NaN, Inf) values is undefined. - * - * @param src input array. - * @param dst output array of the same size and type as src . - * SEE: exp, cartToPolar, polarToCart, phase, pow, sqrt, magnitude - */ - public static void log(Mat src, Mat dst) { - log_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::polarToCart(Mat magnitude, Mat angle, Mat& x, Mat& y, bool angleInDegrees = false) - // - - /** - * Calculates x and y coordinates of 2D vectors from their magnitude and angle. - * - * The function cv::polarToCart calculates the Cartesian coordinates of each 2D - * vector represented by the corresponding elements of magnitude and angle: - * \(\begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array}\) - * - * The relative accuracy of the estimated coordinates is about 1e-6. - * @param magnitude input floating-point array of magnitudes of 2D vectors; - * it can be an empty matrix (=Mat()), in this case, the function assumes - * that all the magnitudes are =1; if it is not empty, it must have the - * same size and type as angle. - * @param angle input floating-point array of angles of 2D vectors. - * @param x output array of x-coordinates of 2D vectors; it has the same - * size and type as angle. - * @param y output array of y-coordinates of 2D vectors; it has the same - * size and type as angle. - * @param angleInDegrees when true, the input angles are measured in - * degrees, otherwise, they are measured in radians. - * SEE: cartToPolar, magnitude, phase, exp, log, pow, sqrt - */ - public static void polarToCart(Mat magnitude, Mat angle, Mat x, Mat y, boolean angleInDegrees) { - polarToCart_0(magnitude.nativeObj, angle.nativeObj, x.nativeObj, y.nativeObj, angleInDegrees); - } - - /** - * Calculates x and y coordinates of 2D vectors from their magnitude and angle. - * - * The function cv::polarToCart calculates the Cartesian coordinates of each 2D - * vector represented by the corresponding elements of magnitude and angle: - * \(\begin{array}{l} \texttt{x} (I) = \texttt{magnitude} (I) \cos ( \texttt{angle} (I)) \\ \texttt{y} (I) = \texttt{magnitude} (I) \sin ( \texttt{angle} (I)) \\ \end{array}\) - * - * The relative accuracy of the estimated coordinates is about 1e-6. - * @param magnitude input floating-point array of magnitudes of 2D vectors; - * it can be an empty matrix (=Mat()), in this case, the function assumes - * that all the magnitudes are =1; if it is not empty, it must have the - * same size and type as angle. - * @param angle input floating-point array of angles of 2D vectors. - * @param x output array of x-coordinates of 2D vectors; it has the same - * size and type as angle. - * @param y output array of y-coordinates of 2D vectors; it has the same - * size and type as angle. - * degrees, otherwise, they are measured in radians. - * SEE: cartToPolar, magnitude, phase, exp, log, pow, sqrt - */ - public static void polarToCart(Mat magnitude, Mat angle, Mat x, Mat y) { - polarToCart_1(magnitude.nativeObj, angle.nativeObj, x.nativeObj, y.nativeObj); - } - - - // - // C++: void cv::cartToPolar(Mat x, Mat y, Mat& magnitude, Mat& angle, bool angleInDegrees = false) - // - - /** - * Calculates the magnitude and angle of 2D vectors. - * - * The function cv::cartToPolar calculates either the magnitude, angle, or both - * for every 2D vector (x(I),y(I)): - * \(\begin{array}{l} \texttt{magnitude} (I)= \sqrt{\texttt{x}(I)^2+\texttt{y}(I)^2} , \\ \texttt{angle} (I)= \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))[ \cdot180 / \pi ] \end{array}\) - * - * The angles are calculated with accuracy about 0.3 degrees. For the point - * (0,0), the angle is set to 0. - * @param x array of x-coordinates; this must be a single-precision or - * double-precision floating-point array. - * @param y array of y-coordinates, that must have the same size and same type as x. - * @param magnitude output array of magnitudes of the same size and type as x. - * @param angle output array of angles that has the same size and type as - * x; the angles are measured in radians (from 0 to 2\*Pi) or in degrees (0 to 360 degrees). - * @param angleInDegrees a flag, indicating whether the angles are measured - * in radians (which is by default), or in degrees. - * SEE: Sobel, Scharr - */ - public static void cartToPolar(Mat x, Mat y, Mat magnitude, Mat angle, boolean angleInDegrees) { - cartToPolar_0(x.nativeObj, y.nativeObj, magnitude.nativeObj, angle.nativeObj, angleInDegrees); - } - - /** - * Calculates the magnitude and angle of 2D vectors. - * - * The function cv::cartToPolar calculates either the magnitude, angle, or both - * for every 2D vector (x(I),y(I)): - * \(\begin{array}{l} \texttt{magnitude} (I)= \sqrt{\texttt{x}(I)^2+\texttt{y}(I)^2} , \\ \texttt{angle} (I)= \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))[ \cdot180 / \pi ] \end{array}\) - * - * The angles are calculated with accuracy about 0.3 degrees. For the point - * (0,0), the angle is set to 0. - * @param x array of x-coordinates; this must be a single-precision or - * double-precision floating-point array. - * @param y array of y-coordinates, that must have the same size and same type as x. - * @param magnitude output array of magnitudes of the same size and type as x. - * @param angle output array of angles that has the same size and type as - * x; the angles are measured in radians (from 0 to 2\*Pi) or in degrees (0 to 360 degrees). - * in radians (which is by default), or in degrees. - * SEE: Sobel, Scharr - */ - public static void cartToPolar(Mat x, Mat y, Mat magnitude, Mat angle) { - cartToPolar_1(x.nativeObj, y.nativeObj, magnitude.nativeObj, angle.nativeObj); - } - - - // - // C++: void cv::phase(Mat x, Mat y, Mat& angle, bool angleInDegrees = false) - // - - /** - * Calculates the rotation angle of 2D vectors. - * - * The function cv::phase calculates the rotation angle of each 2D vector that - * is formed from the corresponding elements of x and y : - * \(\texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))\) - * - * The angle estimation accuracy is about 0.3 degrees. When x(I)=y(I)=0 , - * the corresponding angle(I) is set to 0. - * @param x input floating-point array of x-coordinates of 2D vectors. - * @param y input array of y-coordinates of 2D vectors; it must have the - * same size and the same type as x. - * @param angle output array of vector angles; it has the same size and - * same type as x . - * @param angleInDegrees when true, the function calculates the angle in - * degrees, otherwise, they are measured in radians. - */ - public static void phase(Mat x, Mat y, Mat angle, boolean angleInDegrees) { - phase_0(x.nativeObj, y.nativeObj, angle.nativeObj, angleInDegrees); - } - - /** - * Calculates the rotation angle of 2D vectors. - * - * The function cv::phase calculates the rotation angle of each 2D vector that - * is formed from the corresponding elements of x and y : - * \(\texttt{angle} (I) = \texttt{atan2} ( \texttt{y} (I), \texttt{x} (I))\) - * - * The angle estimation accuracy is about 0.3 degrees. When x(I)=y(I)=0 , - * the corresponding angle(I) is set to 0. - * @param x input floating-point array of x-coordinates of 2D vectors. - * @param y input array of y-coordinates of 2D vectors; it must have the - * same size and the same type as x. - * @param angle output array of vector angles; it has the same size and - * same type as x . - * degrees, otherwise, they are measured in radians. - */ - public static void phase(Mat x, Mat y, Mat angle) { - phase_1(x.nativeObj, y.nativeObj, angle.nativeObj); - } - - - // - // C++: void cv::magnitude(Mat x, Mat y, Mat& magnitude) - // - - /** - * Calculates the magnitude of 2D vectors. - * - * The function cv::magnitude calculates the magnitude of 2D vectors formed - * from the corresponding elements of x and y arrays: - * \(\texttt{dst} (I) = \sqrt{\texttt{x}(I)^2 + \texttt{y}(I)^2}\) - * @param x floating-point array of x-coordinates of the vectors. - * @param y floating-point array of y-coordinates of the vectors; it must - * have the same size as x. - * @param magnitude output array of the same size and type as x. - * SEE: cartToPolar, polarToCart, phase, sqrt - */ - public static void magnitude(Mat x, Mat y, Mat magnitude) { - magnitude_0(x.nativeObj, y.nativeObj, magnitude.nativeObj); - } - - - // - // C++: bool cv::checkRange(Mat a, bool quiet = true, _hidden_ * pos = 0, double minVal = -DBL_MAX, double maxVal = DBL_MAX) - // - - /** - * Checks every element of an input array for invalid values. - * - * The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > - *
      - *
    • - * DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - * maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - * are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - * function either returns false (when quiet=true) or throws an exception. - *
      • - *
    - * @param a input array. - * @param quiet a flag, indicating whether the functions quietly return false when the array elements - * are out of range or they throw an exception. - * elements. - * @param minVal inclusive lower boundary of valid values range. - * @param maxVal exclusive upper boundary of valid values range. - * @return automatically generated - */ - public static boolean checkRange(Mat a, boolean quiet, double minVal, double maxVal) { - return checkRange_0(a.nativeObj, quiet, minVal, maxVal); - } - - /** - * Checks every element of an input array for invalid values. - * - * The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > - *
      - *
    • - * DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - * maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - * are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - * function either returns false (when quiet=true) or throws an exception. - *
      • - *
    - * @param a input array. - * @param quiet a flag, indicating whether the functions quietly return false when the array elements - * are out of range or they throw an exception. - * elements. - * @param minVal inclusive lower boundary of valid values range. - * @return automatically generated - */ - public static boolean checkRange(Mat a, boolean quiet, double minVal) { - return checkRange_1(a.nativeObj, quiet, minVal); - } - - /** - * Checks every element of an input array for invalid values. - * - * The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > - *
      - *
    • - * DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - * maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - * are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - * function either returns false (when quiet=true) or throws an exception. - *
      • - *
    - * @param a input array. - * @param quiet a flag, indicating whether the functions quietly return false when the array elements - * are out of range or they throw an exception. - * elements. - * @return automatically generated - */ - public static boolean checkRange(Mat a, boolean quiet) { - return checkRange_2(a.nativeObj, quiet); - } - - /** - * Checks every element of an input array for invalid values. - * - * The function cv::checkRange checks that every array element is neither NaN nor infinite. When minVal > - *
      - *
    • - * DBL_MAX and maxVal < DBL_MAX, the function also checks that each value is between minVal and - * maxVal. In case of multi-channel arrays, each channel is processed independently. If some values - * are out of range, position of the first outlier is stored in pos (when pos != NULL). Then, the - * function either returns false (when quiet=true) or throws an exception. - *
      • - *
    - * @param a input array. - * are out of range or they throw an exception. - * elements. - * @return automatically generated - */ - public static boolean checkRange(Mat a) { - return checkRange_4(a.nativeObj); - } - - - // - // C++: void cv::patchNaNs(Mat& a, double val = 0) - // - - /** - * Replaces NaNs by given number - * @param a input/output matrix (CV_32F type). - * @param val value to convert the NaNs - */ - public static void patchNaNs(Mat a, double val) { - patchNaNs_0(a.nativeObj, val); - } - - /** - * Replaces NaNs by given number - * @param a input/output matrix (CV_32F type). - */ - public static void patchNaNs(Mat a) { - patchNaNs_1(a.nativeObj); - } - - - // - // C++: void cv::gemm(Mat src1, Mat src2, double alpha, Mat src3, double beta, Mat& dst, int flags = 0) - // - - /** - * Performs generalized matrix multiplication. - * - * The function cv::gemm performs generalized matrix multiplication similar to the - * gemm functions in BLAS level 3. For example, - * {@code gemm(src1, src2, alpha, src3, beta, dst, GEMM_1_T + GEMM_3_T)} - * corresponds to - * \(\texttt{dst} = \texttt{alpha} \cdot \texttt{src1} ^T \cdot \texttt{src2} + \texttt{beta} \cdot \texttt{src3} ^T\) - * - * In case of complex (two-channel) data, performed a complex matrix - * multiplication. - * - * The function can be replaced with a matrix expression. For example, the - * above call can be replaced with: - * - * dst = alpha*src1.t()*src2 + beta*src3.t(); - * - * @param src1 first multiplied input matrix that could be real(CV_32FC1, - * CV_64FC1) or complex(CV_32FC2, CV_64FC2). - * @param src2 second multiplied input matrix of the same type as src1. - * @param alpha weight of the matrix product. - * @param src3 third optional delta matrix added to the matrix product; it - * should have the same type as src1 and src2. - * @param beta weight of src3. - * @param dst output matrix; it has the proper size and the same type as - * input matrices. - * @param flags operation flags (cv::GemmFlags) - * SEE: mulTransposed, transform - */ - public static void gemm(Mat src1, Mat src2, double alpha, Mat src3, double beta, Mat dst, int flags) { - gemm_0(src1.nativeObj, src2.nativeObj, alpha, src3.nativeObj, beta, dst.nativeObj, flags); - } - - /** - * Performs generalized matrix multiplication. - * - * The function cv::gemm performs generalized matrix multiplication similar to the - * gemm functions in BLAS level 3. For example, - * {@code gemm(src1, src2, alpha, src3, beta, dst, GEMM_1_T + GEMM_3_T)} - * corresponds to - * \(\texttt{dst} = \texttt{alpha} \cdot \texttt{src1} ^T \cdot \texttt{src2} + \texttt{beta} \cdot \texttt{src3} ^T\) - * - * In case of complex (two-channel) data, performed a complex matrix - * multiplication. - * - * The function can be replaced with a matrix expression. For example, the - * above call can be replaced with: - * - * dst = alpha*src1.t()*src2 + beta*src3.t(); - * - * @param src1 first multiplied input matrix that could be real(CV_32FC1, - * CV_64FC1) or complex(CV_32FC2, CV_64FC2). - * @param src2 second multiplied input matrix of the same type as src1. - * @param alpha weight of the matrix product. - * @param src3 third optional delta matrix added to the matrix product; it - * should have the same type as src1 and src2. - * @param beta weight of src3. - * @param dst output matrix; it has the proper size and the same type as - * input matrices. - * SEE: mulTransposed, transform - */ - public static void gemm(Mat src1, Mat src2, double alpha, Mat src3, double beta, Mat dst) { - gemm_1(src1.nativeObj, src2.nativeObj, alpha, src3.nativeObj, beta, dst.nativeObj); - } - - - // - // C++: void cv::mulTransposed(Mat src, Mat& dst, bool aTa, Mat delta = Mat(), double scale = 1, int dtype = -1) - // - - /** - * Calculates the product of a matrix and its transposition. - * - * The function cv::mulTransposed calculates the product of src and its - * transposition: - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - * if aTa=true, and - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - * otherwise. The function is used to calculate the covariance matrix. With - * zero delta, it can be used as a faster substitute for general matrix - * product A\*B when B=A' - * @param src input single-channel matrix. Note that unlike gemm, the - * function can multiply not only floating-point matrices. - * @param dst output square matrix. - * @param aTa Flag specifying the multiplication ordering. See the - * description below. - * @param delta Optional delta matrix subtracted from src before the - * multiplication. When the matrix is empty ( delta=noArray() ), it is - * assumed to be zero, that is, nothing is subtracted. If it has the same - * size as src, it is simply subtracted. Otherwise, it is "repeated" (see - * repeat ) to cover the full src and then subtracted. Type of the delta - * matrix, when it is not empty, must be the same as the type of created - * output matrix. See the dtype parameter description below. - * @param scale Optional scale factor for the matrix product. - * @param dtype Optional type of the output matrix. When it is negative, - * the output matrix will have the same type as src . Otherwise, it will be - * type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - * SEE: calcCovarMatrix, gemm, repeat, reduce - */ - public static void mulTransposed(Mat src, Mat dst, boolean aTa, Mat delta, double scale, int dtype) { - mulTransposed_0(src.nativeObj, dst.nativeObj, aTa, delta.nativeObj, scale, dtype); - } - - /** - * Calculates the product of a matrix and its transposition. - * - * The function cv::mulTransposed calculates the product of src and its - * transposition: - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - * if aTa=true, and - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - * otherwise. The function is used to calculate the covariance matrix. With - * zero delta, it can be used as a faster substitute for general matrix - * product A\*B when B=A' - * @param src input single-channel matrix. Note that unlike gemm, the - * function can multiply not only floating-point matrices. - * @param dst output square matrix. - * @param aTa Flag specifying the multiplication ordering. See the - * description below. - * @param delta Optional delta matrix subtracted from src before the - * multiplication. When the matrix is empty ( delta=noArray() ), it is - * assumed to be zero, that is, nothing is subtracted. If it has the same - * size as src, it is simply subtracted. Otherwise, it is "repeated" (see - * repeat ) to cover the full src and then subtracted. Type of the delta - * matrix, when it is not empty, must be the same as the type of created - * output matrix. See the dtype parameter description below. - * @param scale Optional scale factor for the matrix product. - * the output matrix will have the same type as src . Otherwise, it will be - * type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - * SEE: calcCovarMatrix, gemm, repeat, reduce - */ - public static void mulTransposed(Mat src, Mat dst, boolean aTa, Mat delta, double scale) { - mulTransposed_1(src.nativeObj, dst.nativeObj, aTa, delta.nativeObj, scale); - } - - /** - * Calculates the product of a matrix and its transposition. - * - * The function cv::mulTransposed calculates the product of src and its - * transposition: - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - * if aTa=true, and - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - * otherwise. The function is used to calculate the covariance matrix. With - * zero delta, it can be used as a faster substitute for general matrix - * product A\*B when B=A' - * @param src input single-channel matrix. Note that unlike gemm, the - * function can multiply not only floating-point matrices. - * @param dst output square matrix. - * @param aTa Flag specifying the multiplication ordering. See the - * description below. - * @param delta Optional delta matrix subtracted from src before the - * multiplication. When the matrix is empty ( delta=noArray() ), it is - * assumed to be zero, that is, nothing is subtracted. If it has the same - * size as src, it is simply subtracted. Otherwise, it is "repeated" (see - * repeat ) to cover the full src and then subtracted. Type of the delta - * matrix, when it is not empty, must be the same as the type of created - * output matrix. See the dtype parameter description below. - * the output matrix will have the same type as src . Otherwise, it will be - * type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - * SEE: calcCovarMatrix, gemm, repeat, reduce - */ - public static void mulTransposed(Mat src, Mat dst, boolean aTa, Mat delta) { - mulTransposed_2(src.nativeObj, dst.nativeObj, aTa, delta.nativeObj); - } - - /** - * Calculates the product of a matrix and its transposition. - * - * The function cv::mulTransposed calculates the product of src and its - * transposition: - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} )^T ( \texttt{src} - \texttt{delta} )\) - * if aTa=true, and - * \(\texttt{dst} = \texttt{scale} ( \texttt{src} - \texttt{delta} ) ( \texttt{src} - \texttt{delta} )^T\) - * otherwise. The function is used to calculate the covariance matrix. With - * zero delta, it can be used as a faster substitute for general matrix - * product A\*B when B=A' - * @param src input single-channel matrix. Note that unlike gemm, the - * function can multiply not only floating-point matrices. - * @param dst output square matrix. - * @param aTa Flag specifying the multiplication ordering. See the - * description below. - * multiplication. When the matrix is empty ( delta=noArray() ), it is - * assumed to be zero, that is, nothing is subtracted. If it has the same - * size as src, it is simply subtracted. Otherwise, it is "repeated" (see - * repeat ) to cover the full src and then subtracted. Type of the delta - * matrix, when it is not empty, must be the same as the type of created - * output matrix. See the dtype parameter description below. - * the output matrix will have the same type as src . Otherwise, it will be - * type=CV_MAT_DEPTH(dtype) that should be either CV_32F or CV_64F . - * SEE: calcCovarMatrix, gemm, repeat, reduce - */ - public static void mulTransposed(Mat src, Mat dst, boolean aTa) { - mulTransposed_3(src.nativeObj, dst.nativeObj, aTa); - } - - - // - // C++: void cv::transpose(Mat src, Mat& dst) - // - - /** - * Transposes a matrix. - * - * The function cv::transpose transposes the matrix src : - * \(\texttt{dst} (i,j) = \texttt{src} (j,i)\) - * Note: No complex conjugation is done in case of a complex matrix. It - * should be done separately if needed. - * @param src input array. - * @param dst output array of the same type as src. - */ - public static void transpose(Mat src, Mat dst) { - transpose_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::transposeND(Mat src, vector_int order, Mat& dst) - // - - /** - * Transpose for n-dimensional matrices. - * - * Note: Input should be continuous single-channel matrix. - * @param src input array. - * @param order a permutation of [0,1,..,N-1] where N is the number of axes of src. - * The i'th axis of dst will correspond to the axis numbered order[i] of the input. - * @param dst output array of the same type as src. - */ - public static void transposeND(Mat src, MatOfInt order, Mat dst) { - Mat order_mat = order; - transposeND_0(src.nativeObj, order_mat.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::transform(Mat src, Mat& dst, Mat m) - // - - /** - * Performs the matrix transformation of every array element. - * - * The function cv::transform performs the matrix transformation of every - * element of the array src and stores the results in dst : - * \(\texttt{dst} (I) = \texttt{m} \cdot \texttt{src} (I)\) - * (when m.cols=src.channels() ), or - * \(\texttt{dst} (I) = \texttt{m} \cdot [ \texttt{src} (I); 1]\) - * (when m.cols=src.channels()+1 ) - * - * Every element of the N -channel array src is interpreted as N -element - * vector that is transformed using the M x N or M x (N+1) matrix m to - * M-element vector - the corresponding element of the output array dst . - * - * The function may be used for geometrical transformation of - * N -dimensional points, arbitrary linear color space transformation (such - * as various kinds of RGB to YUV transforms), shuffling the image - * channels, and so forth. - * @param src input array that must have as many channels (1 to 4) as - * m.cols or m.cols-1. - * @param dst output array of the same size and depth as src; it has as - * many channels as m.rows. - * @param m transformation 2x2 or 2x3 floating-point matrix. - * SEE: perspectiveTransform, getAffineTransform, estimateAffine2D, warpAffine, warpPerspective - */ - public static void transform(Mat src, Mat dst, Mat m) { - transform_0(src.nativeObj, dst.nativeObj, m.nativeObj); - } - - - // - // C++: void cv::perspectiveTransform(Mat src, Mat& dst, Mat m) - // - - /** - * Performs the perspective matrix transformation of vectors. - * - * The function cv::perspectiveTransform transforms every element of src by - * treating it as a 2D or 3D vector, in the following way: - * \((x, y, z) \rightarrow (x'/w, y'/w, z'/w)\) - * where - * \((x', y', z', w') = \texttt{mat} \cdot \begin{bmatrix} x & y & z & 1 \end{bmatrix}\) - * and - * \(w = \fork{w'}{if \(w' \ne 0\)}{\infty}{otherwise}\) - * - * Here a 3D vector transformation is shown. In case of a 2D vector - * transformation, the z component is omitted. - * - * Note: The function transforms a sparse set of 2D or 3D vectors. If you - * want to transform an image using perspective transformation, use - * warpPerspective . If you have an inverse problem, that is, you want to - * compute the most probable perspective transformation out of several - * pairs of corresponding points, you can use getPerspectiveTransform or - * findHomography . - * @param src input two-channel or three-channel floating-point array; each - * element is a 2D/3D vector to be transformed. - * @param dst output array of the same size and type as src. - * @param m 3x3 or 4x4 floating-point transformation matrix. - * SEE: transform, warpPerspective, getPerspectiveTransform, findHomography - */ - public static void perspectiveTransform(Mat src, Mat dst, Mat m) { - perspectiveTransform_0(src.nativeObj, dst.nativeObj, m.nativeObj); - } - - - // - // C++: void cv::completeSymm(Mat& m, bool lowerToUpper = false) - // - - /** - * Copies the lower or the upper half of a square matrix to its another half. - * - * The function cv::completeSymm copies the lower or the upper half of a square matrix to - * its another half. The matrix diagonal remains unchanged: - *
      - *
    • - * \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i > j\) if - * lowerToUpper=false - *
      • - *
    • - * \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i < j\) if - * lowerToUpper=true - *
      • - *
    - * - * @param m input-output floating-point square matrix. - * @param lowerToUpper operation flag; if true, the lower half is copied to - * the upper half. Otherwise, the upper half is copied to the lower half. - * SEE: flip, transpose - */ - public static void completeSymm(Mat m, boolean lowerToUpper) { - completeSymm_0(m.nativeObj, lowerToUpper); - } - - /** - * Copies the lower or the upper half of a square matrix to its another half. - * - * The function cv::completeSymm copies the lower or the upper half of a square matrix to - * its another half. The matrix diagonal remains unchanged: - *
      - *
    • - * \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i > j\) if - * lowerToUpper=false - *
      • - *
    • - * \(\texttt{m}_{ij}=\texttt{m}_{ji}\) for \(i < j\) if - * lowerToUpper=true - *
      • - *
    - * - * @param m input-output floating-point square matrix. - * the upper half. Otherwise, the upper half is copied to the lower half. - * SEE: flip, transpose - */ - public static void completeSymm(Mat m) { - completeSymm_1(m.nativeObj); - } - - - // - // C++: void cv::setIdentity(Mat& mtx, Scalar s = Scalar(1)) - // - - /** - * Initializes a scaled identity matrix. - * - * The function cv::setIdentity initializes a scaled identity matrix: - * \(\texttt{mtx} (i,j)= \fork{\texttt{value}}{ if \(i=j\)}{0}{otherwise}\) - * - * The function can also be emulated using the matrix initializers and the - * matrix expressions: - * - * Mat A = Mat::eye(4, 3, CV_32F)*5; - * // A will be set to [[5, 0, 0], [0, 5, 0], [0, 0, 5], [0, 0, 0]] - * - * @param mtx matrix to initialize (not necessarily square). - * @param s value to assign to diagonal elements. - * SEE: Mat::zeros, Mat::ones, Mat::setTo, Mat::operator= - */ - public static void setIdentity(Mat mtx, Scalar s) { - setIdentity_0(mtx.nativeObj, s.val[0], s.val[1], s.val[2], s.val[3]); - } - - /** - * Initializes a scaled identity matrix. - * - * The function cv::setIdentity initializes a scaled identity matrix: - * \(\texttt{mtx} (i,j)= \fork{\texttt{value}}{ if \(i=j\)}{0}{otherwise}\) - * - * The function can also be emulated using the matrix initializers and the - * matrix expressions: - * - * Mat A = Mat::eye(4, 3, CV_32F)*5; - * // A will be set to [[5, 0, 0], [0, 5, 0], [0, 0, 5], [0, 0, 0]] - * - * @param mtx matrix to initialize (not necessarily square). - * SEE: Mat::zeros, Mat::ones, Mat::setTo, Mat::operator= - */ - public static void setIdentity(Mat mtx) { - setIdentity_1(mtx.nativeObj); - } - - - // - // C++: double cv::determinant(Mat mtx) - // - - /** - * Returns the determinant of a square floating-point matrix. - * - * The function cv::determinant calculates and returns the determinant of the - * specified matrix. For small matrices ( mtx.cols=mtx.rows<=3 ), the - * direct method is used. For larger matrices, the function uses LU - * factorization with partial pivoting. - * - * For symmetric positively-determined matrices, it is also possible to use - * eigen decomposition to calculate the determinant. - * @param mtx input matrix that must have CV_32FC1 or CV_64FC1 type and - * square size. - * SEE: trace, invert, solve, eigen, REF: MatrixExpressions - * @return automatically generated - */ - public static double determinant(Mat mtx) { - return determinant_0(mtx.nativeObj); - } - - - // - // C++: Scalar cv::trace(Mat mtx) - // - - /** - * Returns the trace of a matrix. - * - * The function cv::trace returns the sum of the diagonal elements of the - * matrix mtx . - * \(\mathrm{tr} ( \texttt{mtx} ) = \sum _i \texttt{mtx} (i,i)\) - * @param mtx input matrix. - * @return automatically generated - */ - public static Scalar trace(Mat mtx) { - return new Scalar(trace_0(mtx.nativeObj)); - } - - - // - // C++: double cv::invert(Mat src, Mat& dst, int flags = DECOMP_LU) - // - - /** - * Finds the inverse or pseudo-inverse of a matrix. - * - * The function cv::invert inverts the matrix src and stores the result in dst - * . When the matrix src is singular or non-square, the function calculates - * the pseudo-inverse matrix (the dst matrix) so that norm(src\*dst - I) is - * minimal, where I is an identity matrix. - * - * In case of the #DECOMP_LU method, the function returns non-zero value if - * the inverse has been successfully calculated and 0 if src is singular. - * - * In case of the #DECOMP_SVD method, the function returns the inverse - * condition number of src (the ratio of the smallest singular value to the - * largest singular value) and 0 if src is singular. The SVD method - * calculates a pseudo-inverse matrix if src is singular. - * - * Similarly to #DECOMP_LU, the method #DECOMP_CHOLESKY works only with - * non-singular square matrices that should also be symmetrical and - * positively defined. In this case, the function stores the inverted - * matrix in dst and returns non-zero. Otherwise, it returns 0. - * - * @param src input floating-point M x N matrix. - * @param dst output matrix of N x M size and the same type as src. - * @param flags inversion method (cv::DecompTypes) - * SEE: solve, SVD - * @return automatically generated - */ - public static double invert(Mat src, Mat dst, int flags) { - return invert_0(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Finds the inverse or pseudo-inverse of a matrix. - * - * The function cv::invert inverts the matrix src and stores the result in dst - * . When the matrix src is singular or non-square, the function calculates - * the pseudo-inverse matrix (the dst matrix) so that norm(src\*dst - I) is - * minimal, where I is an identity matrix. - * - * In case of the #DECOMP_LU method, the function returns non-zero value if - * the inverse has been successfully calculated and 0 if src is singular. - * - * In case of the #DECOMP_SVD method, the function returns the inverse - * condition number of src (the ratio of the smallest singular value to the - * largest singular value) and 0 if src is singular. The SVD method - * calculates a pseudo-inverse matrix if src is singular. - * - * Similarly to #DECOMP_LU, the method #DECOMP_CHOLESKY works only with - * non-singular square matrices that should also be symmetrical and - * positively defined. In this case, the function stores the inverted - * matrix in dst and returns non-zero. Otherwise, it returns 0. - * - * @param src input floating-point M x N matrix. - * @param dst output matrix of N x M size and the same type as src. - * SEE: solve, SVD - * @return automatically generated - */ - public static double invert(Mat src, Mat dst) { - return invert_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: bool cv::solve(Mat src1, Mat src2, Mat& dst, int flags = DECOMP_LU) - // - - /** - * Solves one or more linear systems or least-squares problems. - * - * The function cv::solve solves a linear system or least-squares problem (the - * latter is possible with SVD or QR methods, or by specifying the flag - * #DECOMP_NORMAL ): - * \(\texttt{dst} = \arg \min _X \| \texttt{src1} \cdot \texttt{X} - \texttt{src2} \|\) - * - * If #DECOMP_LU or #DECOMP_CHOLESKY method is used, the function returns 1 - * if src1 (or \(\texttt{src1}^T\texttt{src1}\) ) is non-singular. Otherwise, - * it returns 0. In the latter case, dst is not valid. Other methods find a - * pseudo-solution in case of a singular left-hand side part. - * - * Note: If you want to find a unity-norm solution of an under-defined - * singular system \(\texttt{src1}\cdot\texttt{dst}=0\) , the function solve - * will not do the work. Use SVD::solveZ instead. - * - * @param src1 input matrix on the left-hand side of the system. - * @param src2 input matrix on the right-hand side of the system. - * @param dst output solution. - * @param flags solution (matrix inversion) method (#DecompTypes) - * SEE: invert, SVD, eigen - * @return automatically generated - */ - public static boolean solve(Mat src1, Mat src2, Mat dst, int flags) { - return solve_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, flags); - } - - /** - * Solves one or more linear systems or least-squares problems. - * - * The function cv::solve solves a linear system or least-squares problem (the - * latter is possible with SVD or QR methods, or by specifying the flag - * #DECOMP_NORMAL ): - * \(\texttt{dst} = \arg \min _X \| \texttt{src1} \cdot \texttt{X} - \texttt{src2} \|\) - * - * If #DECOMP_LU or #DECOMP_CHOLESKY method is used, the function returns 1 - * if src1 (or \(\texttt{src1}^T\texttt{src1}\) ) is non-singular. Otherwise, - * it returns 0. In the latter case, dst is not valid. Other methods find a - * pseudo-solution in case of a singular left-hand side part. - * - * Note: If you want to find a unity-norm solution of an under-defined - * singular system \(\texttt{src1}\cdot\texttt{dst}=0\) , the function solve - * will not do the work. Use SVD::solveZ instead. - * - * @param src1 input matrix on the left-hand side of the system. - * @param src2 input matrix on the right-hand side of the system. - * @param dst output solution. - * SEE: invert, SVD, eigen - * @return automatically generated - */ - public static boolean solve(Mat src1, Mat src2, Mat dst) { - return solve_1(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::sort(Mat src, Mat& dst, int flags) - // - - /** - * Sorts each row or each column of a matrix. - * - * The function cv::sort sorts each matrix row or each matrix column in - * ascending or descending order. So you should pass two operation flags to - * get desired behaviour. If you want to sort matrix rows or columns - * lexicographically, you can use STL std::sort generic function with the - * proper comparison predicate. - * - * @param src input single-channel array. - * @param dst output array of the same size and type as src. - * @param flags operation flags, a combination of #SortFlags - * SEE: sortIdx, randShuffle - */ - public static void sort(Mat src, Mat dst, int flags) { - sort_0(src.nativeObj, dst.nativeObj, flags); - } - - - // - // C++: void cv::sortIdx(Mat src, Mat& dst, int flags) - // - - /** - * Sorts each row or each column of a matrix. - * - * The function cv::sortIdx sorts each matrix row or each matrix column in the - * ascending or descending order. So you should pass two operation flags to - * get desired behaviour. Instead of reordering the elements themselves, it - * stores the indices of sorted elements in the output array. For example: - * - * Mat A = Mat::eye(3,3,CV_32F), B; - * sortIdx(A, B, SORT_EVERY_ROW + SORT_ASCENDING); - * // B will probably contain - * // (because of equal elements in A some permutations are possible): - * // [[1, 2, 0], [0, 2, 1], [0, 1, 2]] - * - * @param src input single-channel array. - * @param dst output integer array of the same size as src. - * @param flags operation flags that could be a combination of cv::SortFlags - * SEE: sort, randShuffle - */ - public static void sortIdx(Mat src, Mat dst, int flags) { - sortIdx_0(src.nativeObj, dst.nativeObj, flags); - } - - - // - // C++: int cv::solveCubic(Mat coeffs, Mat& roots) - // - - /** - * Finds the real roots of a cubic equation. - * - * The function solveCubic finds the real roots of a cubic equation: - *
      - *
    • - * if coeffs is a 4-element vector: - * \(\texttt{coeffs} [0] x^3 + \texttt{coeffs} [1] x^2 + \texttt{coeffs} [2] x + \texttt{coeffs} [3] = 0\) - *
      • - *
    • - * if coeffs is a 3-element vector: - * \(x^3 + \texttt{coeffs} [0] x^2 + \texttt{coeffs} [1] x + \texttt{coeffs} [2] = 0\) - *
      • - *
    - * - * The roots are stored in the roots array. - * @param coeffs equation coefficients, an array of 3 or 4 elements. - * @param roots output array of real roots that has 0, 1, 2 or 3 elements. - * @return number of real roots. It can be -1 (all real numbers), 0, 1, 2 or 3. - */ - public static int solveCubic(Mat coeffs, Mat roots) { - return solveCubic_0(coeffs.nativeObj, roots.nativeObj); - } - - - // - // C++: double cv::solvePoly(Mat coeffs, Mat& roots, int maxIters = 300) - // - - /** - * Finds the real or complex roots of a polynomial equation. - * - * The function cv::solvePoly finds real and complex roots of a polynomial equation: - * \(\texttt{coeffs} [n] x^{n} + \texttt{coeffs} [n-1] x^{n-1} + ... + \texttt{coeffs} [1] x + \texttt{coeffs} [0] = 0\) - * @param coeffs array of polynomial coefficients. - * @param roots output (complex) array of roots. - * @param maxIters maximum number of iterations the algorithm does. - * @return automatically generated - */ - public static double solvePoly(Mat coeffs, Mat roots, int maxIters) { - return solvePoly_0(coeffs.nativeObj, roots.nativeObj, maxIters); - } - - /** - * Finds the real or complex roots of a polynomial equation. - * - * The function cv::solvePoly finds real and complex roots of a polynomial equation: - * \(\texttt{coeffs} [n] x^{n} + \texttt{coeffs} [n-1] x^{n-1} + ... + \texttt{coeffs} [1] x + \texttt{coeffs} [0] = 0\) - * @param coeffs array of polynomial coefficients. - * @param roots output (complex) array of roots. - * @return automatically generated - */ - public static double solvePoly(Mat coeffs, Mat roots) { - return solvePoly_1(coeffs.nativeObj, roots.nativeObj); - } - - - // - // C++: bool cv::eigen(Mat src, Mat& eigenvalues, Mat& eigenvectors = Mat()) - // - - /** - * Calculates eigenvalues and eigenvectors of a symmetric matrix. - * - * The function cv::eigen calculates just eigenvalues, or eigenvalues and eigenvectors of the symmetric - * matrix src: - * - * src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() - * - * - * Note: Use cv::eigenNonSymmetric for calculation of real eigenvalues and eigenvectors of non-symmetric matrix. - * - * @param src input matrix that must have CV_32FC1 or CV_64FC1 type, square size and be symmetrical - * (src ^T^ == src). - * @param eigenvalues output vector of eigenvalues of the same type as src; the eigenvalues are stored - * in the descending order. - * @param eigenvectors output matrix of eigenvectors; it has the same size and type as src; the - * eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding - * eigenvalues. - * SEE: eigenNonSymmetric, completeSymm, PCA - * @return automatically generated - */ - public static boolean eigen(Mat src, Mat eigenvalues, Mat eigenvectors) { - return eigen_0(src.nativeObj, eigenvalues.nativeObj, eigenvectors.nativeObj); - } - - /** - * Calculates eigenvalues and eigenvectors of a symmetric matrix. - * - * The function cv::eigen calculates just eigenvalues, or eigenvalues and eigenvectors of the symmetric - * matrix src: - * - * src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() - * - * - * Note: Use cv::eigenNonSymmetric for calculation of real eigenvalues and eigenvectors of non-symmetric matrix. - * - * @param src input matrix that must have CV_32FC1 or CV_64FC1 type, square size and be symmetrical - * (src ^T^ == src). - * @param eigenvalues output vector of eigenvalues of the same type as src; the eigenvalues are stored - * in the descending order. - * eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding - * eigenvalues. - * SEE: eigenNonSymmetric, completeSymm, PCA - * @return automatically generated - */ - public static boolean eigen(Mat src, Mat eigenvalues) { - return eigen_1(src.nativeObj, eigenvalues.nativeObj); - } - - - // - // C++: void cv::eigenNonSymmetric(Mat src, Mat& eigenvalues, Mat& eigenvectors) - // - - /** - * Calculates eigenvalues and eigenvectors of a non-symmetric matrix (real eigenvalues only). - * - * Note: Assumes real eigenvalues. - * - * The function calculates eigenvalues and eigenvectors (optional) of the square matrix src: - * - * src*eigenvectors.row(i).t() = eigenvalues.at<srcType>(i)*eigenvectors.row(i).t() - * - * - * @param src input matrix (CV_32FC1 or CV_64FC1 type). - * @param eigenvalues output vector of eigenvalues (type is the same type as src). - * @param eigenvectors output matrix of eigenvectors (type is the same type as src). The eigenvectors are stored as subsequent matrix rows, in the same order as the corresponding eigenvalues. - * SEE: eigen - */ - public static void eigenNonSymmetric(Mat src, Mat eigenvalues, Mat eigenvectors) { - eigenNonSymmetric_0(src.nativeObj, eigenvalues.nativeObj, eigenvectors.nativeObj); - } - - - // - // C++: void cv::calcCovarMatrix(Mat samples, Mat& covar, Mat& mean, int flags, int ctype = CV_64F) - // - - /** - * - * Note: use #COVAR_ROWS or #COVAR_COLS flag - * @param samples samples stored as rows/columns of a single matrix. - * @param covar output covariance matrix of the type ctype and square size. - * @param mean input or output (depending on the flags) array as the average value of the input vectors. - * @param flags operation flags as a combination of #CovarFlags - * @param ctype type of the matrixl; it equals 'CV_64F' by default. - */ - public static void calcCovarMatrix(Mat samples, Mat covar, Mat mean, int flags, int ctype) { - calcCovarMatrix_0(samples.nativeObj, covar.nativeObj, mean.nativeObj, flags, ctype); - } - - /** - * - * Note: use #COVAR_ROWS or #COVAR_COLS flag - * @param samples samples stored as rows/columns of a single matrix. - * @param covar output covariance matrix of the type ctype and square size. - * @param mean input or output (depending on the flags) array as the average value of the input vectors. - * @param flags operation flags as a combination of #CovarFlags - */ - public static void calcCovarMatrix(Mat samples, Mat covar, Mat mean, int flags) { - calcCovarMatrix_1(samples.nativeObj, covar.nativeObj, mean.nativeObj, flags); - } - - - // - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, int maxComponents = 0) - // - - /** - * wrap PCA::operator() - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param maxComponents automatically generated - */ - public static void PCACompute(Mat data, Mat mean, Mat eigenvectors, int maxComponents) { - PCACompute_0(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, maxComponents); - } - - /** - * wrap PCA::operator() - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - */ - public static void PCACompute(Mat data, Mat mean, Mat eigenvectors) { - PCACompute_1(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj); - } - - - // - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, Mat& eigenvalues, int maxComponents = 0) - // - - /** - * wrap PCA::operator() and add eigenvalues output parameter - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param eigenvalues automatically generated - * @param maxComponents automatically generated - */ - public static void PCACompute2(Mat data, Mat mean, Mat eigenvectors, Mat eigenvalues, int maxComponents) { - PCACompute2_0(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, eigenvalues.nativeObj, maxComponents); - } - - /** - * wrap PCA::operator() and add eigenvalues output parameter - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param eigenvalues automatically generated - */ - public static void PCACompute2(Mat data, Mat mean, Mat eigenvectors, Mat eigenvalues) { - PCACompute2_1(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, eigenvalues.nativeObj); - } - - - // - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, double retainedVariance) - // - - /** - * wrap PCA::operator() - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param retainedVariance automatically generated - */ - public static void PCACompute(Mat data, Mat mean, Mat eigenvectors, double retainedVariance) { - PCACompute_2(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, retainedVariance); - } - - - // - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, Mat& eigenvalues, double retainedVariance) - // - - /** - * wrap PCA::operator() and add eigenvalues output parameter - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param eigenvalues automatically generated - * @param retainedVariance automatically generated - */ - public static void PCACompute2(Mat data, Mat mean, Mat eigenvectors, Mat eigenvalues, double retainedVariance) { - PCACompute2_2(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, eigenvalues.nativeObj, retainedVariance); - } - - - // - // C++: void cv::PCAProject(Mat data, Mat mean, Mat eigenvectors, Mat& result) - // - - /** - * wrap PCA::project - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param result automatically generated - */ - public static void PCAProject(Mat data, Mat mean, Mat eigenvectors, Mat result) { - PCAProject_0(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, result.nativeObj); - } - - - // - // C++: void cv::PCABackProject(Mat data, Mat mean, Mat eigenvectors, Mat& result) - // - - /** - * wrap PCA::backProject - * @param data automatically generated - * @param mean automatically generated - * @param eigenvectors automatically generated - * @param result automatically generated - */ - public static void PCABackProject(Mat data, Mat mean, Mat eigenvectors, Mat result) { - PCABackProject_0(data.nativeObj, mean.nativeObj, eigenvectors.nativeObj, result.nativeObj); - } - - - // - // C++: void cv::SVDecomp(Mat src, Mat& w, Mat& u, Mat& vt, int flags = 0) - // - - /** - * wrap SVD::compute - * @param src automatically generated - * @param w automatically generated - * @param u automatically generated - * @param vt automatically generated - * @param flags automatically generated - */ - public static void SVDecomp(Mat src, Mat w, Mat u, Mat vt, int flags) { - SVDecomp_0(src.nativeObj, w.nativeObj, u.nativeObj, vt.nativeObj, flags); - } - - /** - * wrap SVD::compute - * @param src automatically generated - * @param w automatically generated - * @param u automatically generated - * @param vt automatically generated - */ - public static void SVDecomp(Mat src, Mat w, Mat u, Mat vt) { - SVDecomp_1(src.nativeObj, w.nativeObj, u.nativeObj, vt.nativeObj); - } - - - // - // C++: void cv::SVBackSubst(Mat w, Mat u, Mat vt, Mat rhs, Mat& dst) - // - - /** - * wrap SVD::backSubst - * @param w automatically generated - * @param u automatically generated - * @param vt automatically generated - * @param rhs automatically generated - * @param dst automatically generated - */ - public static void SVBackSubst(Mat w, Mat u, Mat vt, Mat rhs, Mat dst) { - SVBackSubst_0(w.nativeObj, u.nativeObj, vt.nativeObj, rhs.nativeObj, dst.nativeObj); - } - - - // - // C++: double cv::Mahalanobis(Mat v1, Mat v2, Mat icovar) - // - - /** - * Calculates the Mahalanobis distance between two vectors. - * - * The function cv::Mahalanobis calculates and returns the weighted distance between two vectors: - * \(d( \texttt{vec1} , \texttt{vec2} )= \sqrt{\sum_{i,j}{\texttt{icovar(i,j)}\cdot(\texttt{vec1}(I)-\texttt{vec2}(I))\cdot(\texttt{vec1(j)}-\texttt{vec2(j)})} }\) - * The covariance matrix may be calculated using the #calcCovarMatrix function and then inverted using - * the invert function (preferably using the #DECOMP_SVD method, as the most accurate). - * @param v1 first 1D input vector. - * @param v2 second 1D input vector. - * @param icovar inverse covariance matrix. - * @return automatically generated - */ - public static double Mahalanobis(Mat v1, Mat v2, Mat icovar) { - return Mahalanobis_0(v1.nativeObj, v2.nativeObj, icovar.nativeObj); - } - - - // - // C++: void cv::dft(Mat src, Mat& dst, int flags = 0, int nonzeroRows = 0) - // - - /** - * Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - * - * The function cv::dft performs one of the following: - *
      - *
    • - * Forward the Fourier transform of a 1D vector of N elements: - * \(Y = F^{(N)} \cdot X,\) - * where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) - *
      • - *
    • - * Inverse the Fourier transform of a 1D vector of N elements: - * \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - * where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) - *
      • - *
    • - * Forward the 2D Fourier transform of a M x N matrix: - * \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) - *
      • - *
    • - * Inverse the 2D Fourier transform of a M x N matrix: - * \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) - *
      • - *
    - * - * In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - * spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - * (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - * is how 2D *CCS* spectrum looks: - * \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - * - * In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - * - * So, the function chooses an operation mode depending on the flags and size of the input array: - *
      - *
    • - * If #DFT_ROWS is set or the input array has a single row or single column, the function - * performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - * Otherwise, it performs a 2D transform. - *
      • - *
    • - * If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - * 2D transform: - *
        - *
      • - * When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - * input. - *
        • - *
      • - * When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - * input. In case of 2D transform, it uses the packed format as shown above. In case of a - * single 1D transform, it looks like the first row of the matrix above. In case of - * multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - * looks like the first row of the matrix above. - *
        • - *
      - *
    • - * If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - * output is a complex array of the same size as input. The function performs a forward or - * inverse 1D or 2D transform of the whole input array or each row of the input array - * independently, depending on the flags DFT_INVERSE and DFT_ROWS. - *
      • - *
    • - * When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - * is set, the output is a real array of the same size as input. The function performs a 1D or 2D - * inverse transformation of the whole input array or each individual row, depending on the flags - * #DFT_INVERSE and #DFT_ROWS. - *
      • - *
    - * - * If #DFT_SCALE is set, the scaling is done after the transformation. - * - * Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - * efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - * current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - * method. - * - * The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - * - * void convolveDFT(InputArray A, InputArray B, OutputArray C) - * { - * // reallocate the output array if needed - * C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - * Size dftSize; - * // calculate the size of DFT transform - * dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - * dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - * - * // allocate temporary buffers and initialize them with 0's - * Mat tempA(dftSize, A.type(), Scalar::all(0)); - * Mat tempB(dftSize, B.type(), Scalar::all(0)); - * - * // copy A and B to the top-left corners of tempA and tempB, respectively - * Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - * A.copyTo(roiA); - * Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - * B.copyTo(roiB); - * - * // now transform the padded A & B in-place; - * // use "nonzeroRows" hint for faster processing - * dft(tempA, tempA, 0, A.rows); - * dft(tempB, tempB, 0, B.rows); - * - * // multiply the spectrums; - * // the function handles packed spectrum representations well - * mulSpectrums(tempA, tempB, tempA); - * - * // transform the product back from the frequency domain. - * // Even though all the result rows will be non-zero, - * // you need only the first C.rows of them, and thus you - * // pass nonzeroRows == C.rows - * dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - * - * // now copy the result back to C. - * tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - * - * // all the temporary buffers will be deallocated automatically - * } - * - * To optimize this sample, consider the following approaches: - *
      - *
    • - * Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - * the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - * tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - * rightmost columns of the matrices. - *
      • - *
    • - * This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - * is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - * To do this, you need to split the output array C into multiple tiles. For each tile, estimate - * which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - * too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - * each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - * algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - * there is also a slowdown because of bad cache locality. So, there is an optimal tile size - * somewhere in the middle. - *
      • - *
    • - * If different tiles in C can be calculated in parallel and, thus, the convolution is done by - * parts, the loop can be threaded. - *
      • - *
    - * - * All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - * using them, you can get the performance even better than with the above theoretically optimal - * implementation. Though, those two functions actually calculate cross-correlation, not convolution, - * so you need to "flip" the second convolution operand B vertically and horizontally using flip . - * Note: - *
      - *
    • - * An example using the discrete fourier transform can be found at - * opencv_source_code/samples/cpp/dft.cpp - *
      • - *
    • - * (Python) An example using the dft functionality to perform Wiener deconvolution can be found - * at opencv_source/samples/python/deconvolution.py - *
      • - *
    • - * (Python) An example rearranging the quadrants of a Fourier image can be found at - * opencv_source/samples/python/dft.py - *
      • - *
    - * @param src input array that could be real or complex. - * @param dst output array whose size and type depends on the flags . - * @param flags transformation flags, representing a combination of the #DftFlags - * @param nonzeroRows when the parameter is not zero, the function assumes that only the first - * nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - * output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - * rows more efficiently and save some time; this technique is very useful for calculating array - * cross-correlation or convolution using DFT. - * SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - * magnitude, phase - */ - public static void dft(Mat src, Mat dst, int flags, int nonzeroRows) { - dft_0(src.nativeObj, dst.nativeObj, flags, nonzeroRows); - } - - /** - * Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - * - * The function cv::dft performs one of the following: - *
      - *
    • - * Forward the Fourier transform of a 1D vector of N elements: - * \(Y = F^{(N)} \cdot X,\) - * where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) - *
      • - *
    • - * Inverse the Fourier transform of a 1D vector of N elements: - * \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - * where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) - *
      • - *
    • - * Forward the 2D Fourier transform of a M x N matrix: - * \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) - *
      • - *
    • - * Inverse the 2D Fourier transform of a M x N matrix: - * \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) - *
      • - *
    - * - * In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - * spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - * (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - * is how 2D *CCS* spectrum looks: - * \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - * - * In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - * - * So, the function chooses an operation mode depending on the flags and size of the input array: - *
      - *
    • - * If #DFT_ROWS is set or the input array has a single row or single column, the function - * performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - * Otherwise, it performs a 2D transform. - *
      • - *
    • - * If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - * 2D transform: - *
        - *
      • - * When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - * input. - *
        • - *
      • - * When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - * input. In case of 2D transform, it uses the packed format as shown above. In case of a - * single 1D transform, it looks like the first row of the matrix above. In case of - * multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - * looks like the first row of the matrix above. - *
        • - *
      - *
    • - * If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - * output is a complex array of the same size as input. The function performs a forward or - * inverse 1D or 2D transform of the whole input array or each row of the input array - * independently, depending on the flags DFT_INVERSE and DFT_ROWS. - *
      • - *
    • - * When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - * is set, the output is a real array of the same size as input. The function performs a 1D or 2D - * inverse transformation of the whole input array or each individual row, depending on the flags - * #DFT_INVERSE and #DFT_ROWS. - *
      • - *
    - * - * If #DFT_SCALE is set, the scaling is done after the transformation. - * - * Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - * efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - * current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - * method. - * - * The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - * - * void convolveDFT(InputArray A, InputArray B, OutputArray C) - * { - * // reallocate the output array if needed - * C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - * Size dftSize; - * // calculate the size of DFT transform - * dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - * dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - * - * // allocate temporary buffers and initialize them with 0's - * Mat tempA(dftSize, A.type(), Scalar::all(0)); - * Mat tempB(dftSize, B.type(), Scalar::all(0)); - * - * // copy A and B to the top-left corners of tempA and tempB, respectively - * Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - * A.copyTo(roiA); - * Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - * B.copyTo(roiB); - * - * // now transform the padded A & B in-place; - * // use "nonzeroRows" hint for faster processing - * dft(tempA, tempA, 0, A.rows); - * dft(tempB, tempB, 0, B.rows); - * - * // multiply the spectrums; - * // the function handles packed spectrum representations well - * mulSpectrums(tempA, tempB, tempA); - * - * // transform the product back from the frequency domain. - * // Even though all the result rows will be non-zero, - * // you need only the first C.rows of them, and thus you - * // pass nonzeroRows == C.rows - * dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - * - * // now copy the result back to C. - * tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - * - * // all the temporary buffers will be deallocated automatically - * } - * - * To optimize this sample, consider the following approaches: - *
      - *
    • - * Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - * the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - * tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - * rightmost columns of the matrices. - *
      • - *
    • - * This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - * is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - * To do this, you need to split the output array C into multiple tiles. For each tile, estimate - * which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - * too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - * each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - * algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - * there is also a slowdown because of bad cache locality. So, there is an optimal tile size - * somewhere in the middle. - *
      • - *
    • - * If different tiles in C can be calculated in parallel and, thus, the convolution is done by - * parts, the loop can be threaded. - *
      • - *
    - * - * All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - * using them, you can get the performance even better than with the above theoretically optimal - * implementation. Though, those two functions actually calculate cross-correlation, not convolution, - * so you need to "flip" the second convolution operand B vertically and horizontally using flip . - * Note: - *
      - *
    • - * An example using the discrete fourier transform can be found at - * opencv_source_code/samples/cpp/dft.cpp - *
      • - *
    • - * (Python) An example using the dft functionality to perform Wiener deconvolution can be found - * at opencv_source/samples/python/deconvolution.py - *
      • - *
    • - * (Python) An example rearranging the quadrants of a Fourier image can be found at - * opencv_source/samples/python/dft.py - *
      • - *
    - * @param src input array that could be real or complex. - * @param dst output array whose size and type depends on the flags . - * @param flags transformation flags, representing a combination of the #DftFlags - * nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - * output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - * rows more efficiently and save some time; this technique is very useful for calculating array - * cross-correlation or convolution using DFT. - * SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - * magnitude, phase - */ - public static void dft(Mat src, Mat dst, int flags) { - dft_1(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Performs a forward or inverse Discrete Fourier transform of a 1D or 2D floating-point array. - * - * The function cv::dft performs one of the following: - *
      - *
    • - * Forward the Fourier transform of a 1D vector of N elements: - * \(Y = F^{(N)} \cdot X,\) - * where \(F^{(N)}_{jk}=\exp(-2\pi i j k/N)\) and \(i=\sqrt{-1}\) - *
      • - *
    • - * Inverse the Fourier transform of a 1D vector of N elements: - * \(\begin{array}{l} X'= \left (F^{(N)} \right )^{-1} \cdot Y = \left (F^{(N)} \right )^* \cdot y \\ X = (1/N) \cdot X, \end{array}\) - * where \(F^*=\left(\textrm{Re}(F^{(N)})-\textrm{Im}(F^{(N)})\right)^T\) - *
      • - *
    • - * Forward the 2D Fourier transform of a M x N matrix: - * \(Y = F^{(M)} \cdot X \cdot F^{(N)}\) - *
      • - *
    • - * Inverse the 2D Fourier transform of a M x N matrix: - * \(\begin{array}{l} X'= \left (F^{(M)} \right )^* \cdot Y \cdot \left (F^{(N)} \right )^* \\ X = \frac{1}{M \cdot N} \cdot X' \end{array}\) - *
      • - *
    - * - * In case of real (single-channel) data, the output spectrum of the forward Fourier transform or input - * spectrum of the inverse Fourier transform can be represented in a packed format called *CCS* - * (complex-conjugate-symmetrical). It was borrowed from IPL (Intel\* Image Processing Library). Here - * is how 2D *CCS* spectrum looks: - * \(\begin{bmatrix} Re Y_{0,0} & Re Y_{0,1} & Im Y_{0,1} & Re Y_{0,2} & Im Y_{0,2} & \cdots & Re Y_{0,N/2-1} & Im Y_{0,N/2-1} & Re Y_{0,N/2} \\ Re Y_{1,0} & Re Y_{1,1} & Im Y_{1,1} & Re Y_{1,2} & Im Y_{1,2} & \cdots & Re Y_{1,N/2-1} & Im Y_{1,N/2-1} & Re Y_{1,N/2} \\ Im Y_{1,0} & Re Y_{2,1} & Im Y_{2,1} & Re Y_{2,2} & Im Y_{2,2} & \cdots & Re Y_{2,N/2-1} & Im Y_{2,N/2-1} & Im Y_{1,N/2} \\ \hdotsfor{9} \\ Re Y_{M/2-1,0} & Re Y_{M-3,1} & Im Y_{M-3,1} & \hdotsfor{3} & Re Y_{M-3,N/2-1} & Im Y_{M-3,N/2-1}& Re Y_{M/2-1,N/2} \\ Im Y_{M/2-1,0} & Re Y_{M-2,1} & Im Y_{M-2,1} & \hdotsfor{3} & Re Y_{M-2,N/2-1} & Im Y_{M-2,N/2-1}& Im Y_{M/2-1,N/2} \\ Re Y_{M/2,0} & Re Y_{M-1,1} & Im Y_{M-1,1} & \hdotsfor{3} & Re Y_{M-1,N/2-1} & Im Y_{M-1,N/2-1}& Re Y_{M/2,N/2} \end{bmatrix}\) - * - * In case of 1D transform of a real vector, the output looks like the first row of the matrix above. - * - * So, the function chooses an operation mode depending on the flags and size of the input array: - *
      - *
    • - * If #DFT_ROWS is set or the input array has a single row or single column, the function - * performs a 1D forward or inverse transform of each row of a matrix when #DFT_ROWS is set. - * Otherwise, it performs a 2D transform. - *
      • - *
    • - * If the input array is real and #DFT_INVERSE is not set, the function performs a forward 1D or - * 2D transform: - *
        - *
      • - * When #DFT_COMPLEX_OUTPUT is set, the output is a complex matrix of the same size as - * input. - *
        • - *
      • - * When #DFT_COMPLEX_OUTPUT is not set, the output is a real matrix of the same size as - * input. In case of 2D transform, it uses the packed format as shown above. In case of a - * single 1D transform, it looks like the first row of the matrix above. In case of - * multiple 1D transforms (when using the #DFT_ROWS flag), each row of the output matrix - * looks like the first row of the matrix above. - *
        • - *
      - *
    • - * If the input array is complex and either #DFT_INVERSE or #DFT_REAL_OUTPUT are not set, the - * output is a complex array of the same size as input. The function performs a forward or - * inverse 1D or 2D transform of the whole input array or each row of the input array - * independently, depending on the flags DFT_INVERSE and DFT_ROWS. - *
      • - *
    • - * When #DFT_INVERSE is set and the input array is real, or it is complex but #DFT_REAL_OUTPUT - * is set, the output is a real array of the same size as input. The function performs a 1D or 2D - * inverse transformation of the whole input array or each individual row, depending on the flags - * #DFT_INVERSE and #DFT_ROWS. - *
      • - *
    - * - * If #DFT_SCALE is set, the scaling is done after the transformation. - * - * Unlike dct, the function supports arrays of arbitrary size. But only those arrays are processed - * efficiently, whose sizes can be factorized in a product of small prime numbers (2, 3, and 5 in the - * current implementation). Such an efficient DFT size can be calculated using the getOptimalDFTSize - * method. - * - * The sample below illustrates how to calculate a DFT-based convolution of two 2D real arrays: - * - * void convolveDFT(InputArray A, InputArray B, OutputArray C) - * { - * // reallocate the output array if needed - * C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); - * Size dftSize; - * // calculate the size of DFT transform - * dftSize.width = getOptimalDFTSize(A.cols + B.cols - 1); - * dftSize.height = getOptimalDFTSize(A.rows + B.rows - 1); - * - * // allocate temporary buffers and initialize them with 0's - * Mat tempA(dftSize, A.type(), Scalar::all(0)); - * Mat tempB(dftSize, B.type(), Scalar::all(0)); - * - * // copy A and B to the top-left corners of tempA and tempB, respectively - * Mat roiA(tempA, Rect(0,0,A.cols,A.rows)); - * A.copyTo(roiA); - * Mat roiB(tempB, Rect(0,0,B.cols,B.rows)); - * B.copyTo(roiB); - * - * // now transform the padded A & B in-place; - * // use "nonzeroRows" hint for faster processing - * dft(tempA, tempA, 0, A.rows); - * dft(tempB, tempB, 0, B.rows); - * - * // multiply the spectrums; - * // the function handles packed spectrum representations well - * mulSpectrums(tempA, tempB, tempA); - * - * // transform the product back from the frequency domain. - * // Even though all the result rows will be non-zero, - * // you need only the first C.rows of them, and thus you - * // pass nonzeroRows == C.rows - * dft(tempA, tempA, DFT_INVERSE + DFT_SCALE, C.rows); - * - * // now copy the result back to C. - * tempA(Rect(0, 0, C.cols, C.rows)).copyTo(C); - * - * // all the temporary buffers will be deallocated automatically - * } - * - * To optimize this sample, consider the following approaches: - *
      - *
    • - * Since nonzeroRows != 0 is passed to the forward transform calls and since A and B are copied to - * the top-left corners of tempA and tempB, respectively, it is not necessary to clear the whole - * tempA and tempB. It is only necessary to clear the tempA.cols - A.cols ( tempB.cols - B.cols) - * rightmost columns of the matrices. - *
      • - *
    • - * This DFT-based convolution does not have to be applied to the whole big arrays, especially if B - * is significantly smaller than A or vice versa. Instead, you can calculate convolution by parts. - * To do this, you need to split the output array C into multiple tiles. For each tile, estimate - * which parts of A and B are required to calculate convolution in this tile. If the tiles in C are - * too small, the speed will decrease a lot because of repeated work. In the ultimate case, when - * each tile in C is a single pixel, the algorithm becomes equivalent to the naive convolution - * algorithm. If the tiles are too big, the temporary arrays tempA and tempB become too big and - * there is also a slowdown because of bad cache locality. So, there is an optimal tile size - * somewhere in the middle. - *
      • - *
    • - * If different tiles in C can be calculated in parallel and, thus, the convolution is done by - * parts, the loop can be threaded. - *
      • - *
    - * - * All of the above improvements have been implemented in #matchTemplate and #filter2D . Therefore, by - * using them, you can get the performance even better than with the above theoretically optimal - * implementation. Though, those two functions actually calculate cross-correlation, not convolution, - * so you need to "flip" the second convolution operand B vertically and horizontally using flip . - * Note: - *
      - *
    • - * An example using the discrete fourier transform can be found at - * opencv_source_code/samples/cpp/dft.cpp - *
      • - *
    • - * (Python) An example using the dft functionality to perform Wiener deconvolution can be found - * at opencv_source/samples/python/deconvolution.py - *
      • - *
    • - * (Python) An example rearranging the quadrants of a Fourier image can be found at - * opencv_source/samples/python/dft.py - *
      • - *
    - * @param src input array that could be real or complex. - * @param dst output array whose size and type depends on the flags . - * nonzeroRows rows of the input array (#DFT_INVERSE is not set) or only the first nonzeroRows of the - * output array (#DFT_INVERSE is set) contain non-zeros, thus, the function can handle the rest of the - * rows more efficiently and save some time; this technique is very useful for calculating array - * cross-correlation or convolution using DFT. - * SEE: dct, getOptimalDFTSize, mulSpectrums, filter2D, matchTemplate, flip, cartToPolar, - * magnitude, phase - */ - public static void dft(Mat src, Mat dst) { - dft_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::idft(Mat src, Mat& dst, int flags = 0, int nonzeroRows = 0) - // - - /** - * Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - * - * idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - * Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - * dft or idft explicitly to make these transforms mutually inverse. - * SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize - * @param src input floating-point real or complex array. - * @param dst output array whose size and type depend on the flags. - * @param flags operation flags (see dft and #DftFlags). - * @param nonzeroRows number of dst rows to process; the rest of the rows have undefined content (see - * the convolution sample in dft description. - */ - public static void idft(Mat src, Mat dst, int flags, int nonzeroRows) { - idft_0(src.nativeObj, dst.nativeObj, flags, nonzeroRows); - } - - /** - * Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - * - * idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - * Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - * dft or idft explicitly to make these transforms mutually inverse. - * SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize - * @param src input floating-point real or complex array. - * @param dst output array whose size and type depend on the flags. - * @param flags operation flags (see dft and #DftFlags). - * the convolution sample in dft description. - */ - public static void idft(Mat src, Mat dst, int flags) { - idft_1(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Calculates the inverse Discrete Fourier Transform of a 1D or 2D array. - * - * idft(src, dst, flags) is equivalent to dft(src, dst, flags | #DFT_INVERSE) . - * Note: None of dft and idft scales the result by default. So, you should pass #DFT_SCALE to one of - * dft or idft explicitly to make these transforms mutually inverse. - * SEE: dft, dct, idct, mulSpectrums, getOptimalDFTSize - * @param src input floating-point real or complex array. - * @param dst output array whose size and type depend on the flags. - * the convolution sample in dft description. - */ - public static void idft(Mat src, Mat dst) { - idft_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::dct(Mat src, Mat& dst, int flags = 0) - // - - /** - * Performs a forward or inverse discrete Cosine transform of 1D or 2D array. - * - * The function cv::dct performs a forward or inverse discrete Cosine transform (DCT) of a 1D or 2D - * floating-point array: - *
      - *
    • - * Forward Cosine transform of a 1D vector of N elements: - * \(Y = C^{(N)} \cdot X\) - * where - * \(C^{(N)}_{jk}= \sqrt{\alpha_j/N} \cos \left ( \frac{\pi(2k+1)j}{2N} \right )\) - * and - * \(\alpha_0=1\), \(\alpha_j=2\) for *j > 0*. - *
      • - *
    • - * Inverse Cosine transform of a 1D vector of N elements: - * \(X = \left (C^{(N)} \right )^{-1} \cdot Y = \left (C^{(N)} \right )^T \cdot Y\) - * (since \(C^{(N)}\) is an orthogonal matrix, \(C^{(N)} \cdot \left(C^{(N)}\right)^T = I\) ) - *
      • - *
    • - * Forward 2D Cosine transform of M x N matrix: - * \(Y = C^{(N)} \cdot X \cdot \left (C^{(N)} \right )^T\) - *
      • - *
    • - * Inverse 2D Cosine transform of M x N matrix: - * \(X = \left (C^{(N)} \right )^T \cdot X \cdot C^{(N)}\) - *
      • - *
    - * - * The function chooses the mode of operation by looking at the flags and size of the input array: - *
      - *
    • - * If (flags & #DCT_INVERSE) == 0, the function does a forward 1D or 2D transform. Otherwise, it - * is an inverse 1D or 2D transform. - *
      • - *
    • - * If (flags & #DCT_ROWS) != 0, the function performs a 1D transform of each row. - *
      • - *
    • - * If the array is a single column or a single row, the function performs a 1D transform. - *
      • - *
    • - * If none of the above is true, the function performs a 2D transform. - *
      • - *
    - * - * Note: Currently dct supports even-size arrays (2, 4, 6 ...). For data analysis and approximation, you - * can pad the array when necessary. - * Also, the function performance depends very much, and not monotonically, on the array size (see - * getOptimalDFTSize ). In the current implementation DCT of a vector of size N is calculated via DFT - * of a vector of size N/2 . Thus, the optimal DCT size N1 >= N can be calculated as: - * - * size_t getOptimalDCTSize(size_t N) { return 2*getOptimalDFTSize((N+1)/2); } - * N1 = getOptimalDCTSize(N); - * - * @param src input floating-point array. - * @param dst output array of the same size and type as src . - * @param flags transformation flags as a combination of cv::DftFlags (DCT_*) - * SEE: dft, getOptimalDFTSize, idct - */ - public static void dct(Mat src, Mat dst, int flags) { - dct_0(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Performs a forward or inverse discrete Cosine transform of 1D or 2D array. - * - * The function cv::dct performs a forward or inverse discrete Cosine transform (DCT) of a 1D or 2D - * floating-point array: - *
      - *
    • - * Forward Cosine transform of a 1D vector of N elements: - * \(Y = C^{(N)} \cdot X\) - * where - * \(C^{(N)}_{jk}= \sqrt{\alpha_j/N} \cos \left ( \frac{\pi(2k+1)j}{2N} \right )\) - * and - * \(\alpha_0=1\), \(\alpha_j=2\) for *j > 0*. - *
      • - *
    • - * Inverse Cosine transform of a 1D vector of N elements: - * \(X = \left (C^{(N)} \right )^{-1} \cdot Y = \left (C^{(N)} \right )^T \cdot Y\) - * (since \(C^{(N)}\) is an orthogonal matrix, \(C^{(N)} \cdot \left(C^{(N)}\right)^T = I\) ) - *
      • - *
    • - * Forward 2D Cosine transform of M x N matrix: - * \(Y = C^{(N)} \cdot X \cdot \left (C^{(N)} \right )^T\) - *
      • - *
    • - * Inverse 2D Cosine transform of M x N matrix: - * \(X = \left (C^{(N)} \right )^T \cdot X \cdot C^{(N)}\) - *
      • - *
    - * - * The function chooses the mode of operation by looking at the flags and size of the input array: - *
      - *
    • - * If (flags & #DCT_INVERSE) == 0, the function does a forward 1D or 2D transform. Otherwise, it - * is an inverse 1D or 2D transform. - *
      • - *
    • - * If (flags & #DCT_ROWS) != 0, the function performs a 1D transform of each row. - *
      • - *
    • - * If the array is a single column or a single row, the function performs a 1D transform. - *
      • - *
    • - * If none of the above is true, the function performs a 2D transform. - *
      • - *
    - * - * Note: Currently dct supports even-size arrays (2, 4, 6 ...). For data analysis and approximation, you - * can pad the array when necessary. - * Also, the function performance depends very much, and not monotonically, on the array size (see - * getOptimalDFTSize ). In the current implementation DCT of a vector of size N is calculated via DFT - * of a vector of size N/2 . Thus, the optimal DCT size N1 >= N can be calculated as: - * - * size_t getOptimalDCTSize(size_t N) { return 2*getOptimalDFTSize((N+1)/2); } - * N1 = getOptimalDCTSize(N); - * - * @param src input floating-point array. - * @param dst output array of the same size and type as src . - * SEE: dft, getOptimalDFTSize, idct - */ - public static void dct(Mat src, Mat dst) { - dct_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::idct(Mat src, Mat& dst, int flags = 0) - // - - /** - * Calculates the inverse Discrete Cosine Transform of a 1D or 2D array. - * - * idct(src, dst, flags) is equivalent to dct(src, dst, flags | DCT_INVERSE). - * @param src input floating-point single-channel array. - * @param dst output array of the same size and type as src. - * @param flags operation flags. - * SEE: dct, dft, idft, getOptimalDFTSize - */ - public static void idct(Mat src, Mat dst, int flags) { - idct_0(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Calculates the inverse Discrete Cosine Transform of a 1D or 2D array. - * - * idct(src, dst, flags) is equivalent to dct(src, dst, flags | DCT_INVERSE). - * @param src input floating-point single-channel array. - * @param dst output array of the same size and type as src. - * SEE: dct, dft, idft, getOptimalDFTSize - */ - public static void idct(Mat src, Mat dst) { - idct_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::mulSpectrums(Mat a, Mat b, Mat& c, int flags, bool conjB = false) - // - - /** - * Performs the per-element multiplication of two Fourier spectrums. - * - * The function cv::mulSpectrums performs the per-element multiplication of the two CCS-packed or complex - * matrices that are results of a real or complex Fourier transform. - * - * The function, together with dft and idft, may be used to calculate convolution (pass conjB=false ) - * or correlation (pass conjB=true ) of two arrays rapidly. When the arrays are complex, they are - * simply multiplied (per element) with an optional conjugation of the second-array elements. When the - * arrays are real, they are assumed to be CCS-packed (see dft for details). - * @param a first input array. - * @param b second input array of the same size and type as src1 . - * @param c output array of the same size and type as src1 . - * @param flags operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - * each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a {@code 0} as value. - * @param conjB optional flag that conjugates the second input array before the multiplication (true) - * or not (false). - */ - public static void mulSpectrums(Mat a, Mat b, Mat c, int flags, boolean conjB) { - mulSpectrums_0(a.nativeObj, b.nativeObj, c.nativeObj, flags, conjB); - } - - /** - * Performs the per-element multiplication of two Fourier spectrums. - * - * The function cv::mulSpectrums performs the per-element multiplication of the two CCS-packed or complex - * matrices that are results of a real or complex Fourier transform. - * - * The function, together with dft and idft, may be used to calculate convolution (pass conjB=false ) - * or correlation (pass conjB=true ) of two arrays rapidly. When the arrays are complex, they are - * simply multiplied (per element) with an optional conjugation of the second-array elements. When the - * arrays are real, they are assumed to be CCS-packed (see dft for details). - * @param a first input array. - * @param b second input array of the same size and type as src1 . - * @param c output array of the same size and type as src1 . - * @param flags operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - * each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a {@code 0} as value. - * or not (false). - */ - public static void mulSpectrums(Mat a, Mat b, Mat c, int flags) { - mulSpectrums_1(a.nativeObj, b.nativeObj, c.nativeObj, flags); - } - - - // - // C++: int cv::getOptimalDFTSize(int vecsize) - // - - /** - * Returns the optimal DFT size for a given vector size. - * - * DFT performance is not a monotonic function of a vector size. Therefore, when you calculate - * convolution of two arrays or perform the spectral analysis of an array, it usually makes sense to - * pad the input data with zeros to get a bit larger array that can be transformed much faster than the - * original one. Arrays whose size is a power-of-two (2, 4, 8, 16, 32, ...) are the fastest to process. - * Though, the arrays whose size is a product of 2's, 3's, and 5's (for example, 300 = 5\*5\*3\*2\*2) - * are also processed quite efficiently. - * - * The function cv::getOptimalDFTSize returns the minimum number N that is greater than or equal to vecsize - * so that the DFT of a vector of size N can be processed efficiently. In the current implementation N - * = 2 ^p^ \* 3 ^q^ \* 5 ^r^ for some integer p, q, r. - * - * The function returns a negative number if vecsize is too large (very close to INT_MAX ). - * - * While the function cannot be used directly to estimate the optimal vector size for DCT transform - * (since the current DCT implementation supports only even-size vectors), it can be easily processed - * as getOptimalDFTSize((vecsize+1)/2)\*2. - * @param vecsize vector size. - * SEE: dft, dct, idft, idct, mulSpectrums - * @return automatically generated - */ - public static int getOptimalDFTSize(int vecsize) { - return getOptimalDFTSize_0(vecsize); - } - - - // - // C++: void cv::setRNGSeed(int seed) - // - - /** - * Sets state of default random number generator. - * - * The function cv::setRNGSeed sets state of default random number generator to custom value. - * @param seed new state for default random number generator - * SEE: RNG, randu, randn - */ - public static void setRNGSeed(int seed) { - setRNGSeed_0(seed); - } - - - // - // C++: void cv::randu(Mat& dst, double low, double high) - // - - /** - * Generates a single uniformly-distributed random number or an array of random numbers. - * - * Non-template variant of the function fills the matrix dst with uniformly-distributed - * random numbers from the specified range: - * \(\texttt{low} _c \leq \texttt{dst} (I)_c < \texttt{high} _c\) - * @param dst output array of random numbers; the array must be pre-allocated. - * @param low inclusive lower boundary of the generated random numbers. - * @param high exclusive upper boundary of the generated random numbers. - * SEE: RNG, randn, theRNG - */ - public static void randu(Mat dst, double low, double high) { - randu_0(dst.nativeObj, low, high); - } - - - // - // C++: void cv::randn(Mat& dst, double mean, double stddev) - // - - /** - * Fills the array with normally distributed random numbers. - * - * The function cv::randn fills the matrix dst with normally distributed random numbers with the specified - * mean vector and the standard deviation matrix. The generated random numbers are clipped to fit the - * value range of the output array data type. - * @param dst output array of random numbers; the array must be pre-allocated and have 1 to 4 channels. - * @param mean mean value (expectation) of the generated random numbers. - * @param stddev standard deviation of the generated random numbers; it can be either a vector (in - * which case a diagonal standard deviation matrix is assumed) or a square matrix. - * SEE: RNG, randu - */ - public static void randn(Mat dst, double mean, double stddev) { - randn_0(dst.nativeObj, mean, stddev); - } - - - // - // C++: void cv::randShuffle(Mat& dst, double iterFactor = 1., RNG* rng = 0) - // - - /** - * Shuffles the array elements randomly. - * - * The function cv::randShuffle shuffles the specified 1D array by randomly choosing pairs of elements and - * swapping them. The number of such swap operations will be dst.rows\*dst.cols\*iterFactor . - * @param dst input/output numerical 1D array. - * @param iterFactor scale factor that determines the number of random swap operations (see the details - * below). - * instead. - * SEE: RNG, sort - */ - public static void randShuffle(Mat dst, double iterFactor) { - randShuffle_0(dst.nativeObj, iterFactor); - } - - /** - * Shuffles the array elements randomly. - * - * The function cv::randShuffle shuffles the specified 1D array by randomly choosing pairs of elements and - * swapping them. The number of such swap operations will be dst.rows\*dst.cols\*iterFactor . - * @param dst input/output numerical 1D array. - * below). - * instead. - * SEE: RNG, sort - */ - public static void randShuffle(Mat dst) { - randShuffle_2(dst.nativeObj); - } - - - // - // C++: double cv::kmeans(Mat data, int K, Mat& bestLabels, TermCriteria criteria, int attempts, int flags, Mat& centers = Mat()) - // - - /** - * Finds centers of clusters and groups input samples around the clusters. - * - * The function kmeans implements a k-means algorithm that finds the centers of cluster_count clusters - * and groups the input samples around the clusters. As an output, \(\texttt{bestLabels}_i\) contains a - * 0-based cluster index for the sample stored in the \(i^{th}\) row of the samples matrix. - * - * Note: - *
      - *
    • - * (Python) An example on k-means clustering can be found at - * opencv_source_code/samples/python/kmeans.py - *
      • - *
    - * @param data Data for clustering. An array of N-Dimensional points with float coordinates is needed. - * Examples of this array can be: - *
      - *
    • - * Mat points(count, 2, CV_32F); - *
      • - *
    • - * Mat points(count, 1, CV_32FC2); - *
      • - *
    • - * Mat points(1, count, CV_32FC2); - *
      • - *
    • - * std::vector<cv::Point2f> points(sampleCount); - *
      • - *
    - * @param K Number of clusters to split the set by. - * @param bestLabels Input/output integer array that stores the cluster indices for every sample. - * @param criteria The algorithm termination criteria, that is, the maximum number of iterations and/or - * the desired accuracy. The accuracy is specified as criteria.epsilon. As soon as each of the cluster - * centers moves by less than criteria.epsilon on some iteration, the algorithm stops. - * @param attempts Flag to specify the number of times the algorithm is executed using different - * initial labellings. The algorithm returns the labels that yield the best compactness (see the last - * function parameter). - * @param flags Flag that can take values of cv::KmeansFlags - * @param centers Output matrix of the cluster centers, one row per each cluster center. - * @return The function returns the compactness measure that is computed as - * \(\sum _i \| \texttt{samples} _i - \texttt{centers} _{ \texttt{labels} _i} \| ^2\) - * after every attempt. The best (minimum) value is chosen and the corresponding labels and the - * compactness value are returned by the function. Basically, you can use only the core of the - * function, set the number of attempts to 1, initialize labels each time using a custom algorithm, - * pass them with the ( flags = #KMEANS_USE_INITIAL_LABELS ) flag, and then choose the best - * (most-compact) clustering. - */ - public static double kmeans(Mat data, int K, Mat bestLabels, TermCriteria criteria, int attempts, int flags, Mat centers) { - return kmeans_0(data.nativeObj, K, bestLabels.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon, attempts, flags, centers.nativeObj); - } - - /** - * Finds centers of clusters and groups input samples around the clusters. - * - * The function kmeans implements a k-means algorithm that finds the centers of cluster_count clusters - * and groups the input samples around the clusters. As an output, \(\texttt{bestLabels}_i\) contains a - * 0-based cluster index for the sample stored in the \(i^{th}\) row of the samples matrix. - * - * Note: - *
      - *
    • - * (Python) An example on k-means clustering can be found at - * opencv_source_code/samples/python/kmeans.py - *
      • - *
    - * @param data Data for clustering. An array of N-Dimensional points with float coordinates is needed. - * Examples of this array can be: - *
      - *
    • - * Mat points(count, 2, CV_32F); - *
      • - *
    • - * Mat points(count, 1, CV_32FC2); - *
      • - *
    • - * Mat points(1, count, CV_32FC2); - *
      • - *
    • - * std::vector<cv::Point2f> points(sampleCount); - *
      • - *
    - * @param K Number of clusters to split the set by. - * @param bestLabels Input/output integer array that stores the cluster indices for every sample. - * @param criteria The algorithm termination criteria, that is, the maximum number of iterations and/or - * the desired accuracy. The accuracy is specified as criteria.epsilon. As soon as each of the cluster - * centers moves by less than criteria.epsilon on some iteration, the algorithm stops. - * @param attempts Flag to specify the number of times the algorithm is executed using different - * initial labellings. The algorithm returns the labels that yield the best compactness (see the last - * function parameter). - * @param flags Flag that can take values of cv::KmeansFlags - * @return The function returns the compactness measure that is computed as - * \(\sum _i \| \texttt{samples} _i - \texttt{centers} _{ \texttt{labels} _i} \| ^2\) - * after every attempt. The best (minimum) value is chosen and the corresponding labels and the - * compactness value are returned by the function. Basically, you can use only the core of the - * function, set the number of attempts to 1, initialize labels each time using a custom algorithm, - * pass them with the ( flags = #KMEANS_USE_INITIAL_LABELS ) flag, and then choose the best - * (most-compact) clustering. - */ - public static double kmeans(Mat data, int K, Mat bestLabels, TermCriteria criteria, int attempts, int flags) { - return kmeans_1(data.nativeObj, K, bestLabels.nativeObj, criteria.type, criteria.maxCount, criteria.epsilon, attempts, flags); - } - - - // - // C++: void cv::setNumThreads(int nthreads) - // - - /** - * OpenCV will try to set the number of threads for subsequent parallel regions. - * - * If threads == 1, OpenCV will disable threading optimizations and run all it's functions - * sequentially. Passing threads < 0 will reset threads number to system default. - * The function is not thread-safe. It must not be called in parallel region or concurrent threads. - * - * OpenCV will try to run its functions with specified threads number, but some behaviour differs from - * framework: - *
      - *
    • - * {@code TBB} - User-defined parallel constructions will run with the same threads number, if - * another is not specified. If later on user creates his own scheduler, OpenCV will use it. - *
      • - *
    • - * {@code OpenMP} - No special defined behaviour. - *
      • - *
    • - * {@code Concurrency} - If threads == 1, OpenCV will disable threading optimizations and run its - * functions sequentially. - *
      • - *
    • - * {@code GCD} - Supports only values <= 0. - *
      • - *
    • - * {@code C=} - No special defined behaviour. - *
      • - *
    - * @param nthreads Number of threads used by OpenCV. - * SEE: getNumThreads, getThreadNum - */ - public static void setNumThreads(int nthreads) { - setNumThreads_0(nthreads); - } - - - // - // C++: int cv::getNumThreads() - // - - /** - * Returns the number of threads used by OpenCV for parallel regions. - * - * Always returns 1 if OpenCV is built without threading support. - * - * The exact meaning of return value depends on the threading framework used by OpenCV library: - *
      - *
    • - * {@code TBB} - The number of threads, that OpenCV will try to use for parallel regions. If there is - * any tbb::thread_scheduler_init in user code conflicting with OpenCV, then function returns - * default number of threads used by TBB library. - *
      • - *
    • - * {@code OpenMP} - An upper bound on the number of threads that could be used to form a new team. - *
      • - *
    • - * {@code Concurrency} - The number of threads, that OpenCV will try to use for parallel regions. - *
      • - *
    • - * {@code GCD} - Unsupported; returns the GCD thread pool limit (512) for compatibility. - *
      • - *
    • - * {@code C=} - The number of threads, that OpenCV will try to use for parallel regions, if before - * called setNumThreads with threads > 0, otherwise returns the number of logical CPUs, - * available for the process. - * SEE: setNumThreads, getThreadNum - *
      • - *
    - * @return automatically generated - */ - public static int getNumThreads() { - return getNumThreads_0(); - } - - - // - // C++: int cv::getThreadNum() - // - - /** - * Returns the index of the currently executed thread within the current parallel region. Always - * returns 0 if called outside of parallel region. - * - * @deprecated Current implementation doesn't corresponding to this documentation. - * - * The exact meaning of the return value depends on the threading framework used by OpenCV library: - *
      - *
    • - * {@code TBB} - Unsupported with current 4.1 TBB release. Maybe will be supported in future. - *
      • - *
    • - * {@code OpenMP} - The thread number, within the current team, of the calling thread. - *
      • - *
    • - * {@code Concurrency} - An ID for the virtual processor that the current context is executing on (0 - * for master thread and unique number for others, but not necessary 1,2,3,...). - *
      • - *
    • - * {@code GCD} - System calling thread's ID. Never returns 0 inside parallel region. - *
      • - *
    • - * {@code C=} - The index of the current parallel task. - * SEE: setNumThreads, getNumThreads - *
      • - *
    - * @return automatically generated - */ - @Deprecated - public static int getThreadNum() { - return getThreadNum_0(); - } - - - // - // C++: String cv::getBuildInformation() - // - - /** - * Returns full configuration time cmake output. - * - * Returned value is raw cmake output including version control system revision, compiler version, - * compiler flags, enabled modules and third party libraries, etc. Output format depends on target - * architecture. - * @return automatically generated - */ - public static String getBuildInformation() { - return getBuildInformation_0(); - } - - - // - // C++: String cv::getVersionString() - // - - /** - * Returns library version string - * - * For example "3.4.1-dev". - * - * SEE: getMajorVersion, getMinorVersion, getRevisionVersion - * @return automatically generated - */ - public static String getVersionString() { - return getVersionString_0(); - } - - - // - // C++: int cv::getVersionMajor() - // - - /** - * Returns major library version - * @return automatically generated - */ - public static int getVersionMajor() { - return getVersionMajor_0(); - } - - - // - // C++: int cv::getVersionMinor() - // - - /** - * Returns minor library version - * @return automatically generated - */ - public static int getVersionMinor() { - return getVersionMinor_0(); - } - - - // - // C++: int cv::getVersionRevision() - // - - /** - * Returns revision field of the library version - * @return automatically generated - */ - public static int getVersionRevision() { - return getVersionRevision_0(); - } - - - // - // C++: int64 cv::getTickCount() - // - - /** - * Returns the number of ticks. - * - * The function returns the number of ticks after the certain event (for example, when the machine was - * turned on). It can be used to initialize RNG or to measure a function execution time by reading the - * tick count before and after the function call. - * SEE: getTickFrequency, TickMeter - * @return automatically generated - */ - public static long getTickCount() { - return getTickCount_0(); - } - - - // - // C++: double cv::getTickFrequency() - // - - /** - * Returns the number of ticks per second. - * - * The function returns the number of ticks per second. That is, the following code computes the - * execution time in seconds: - * - * double t = (double)getTickCount(); - * // do something ... - * t = ((double)getTickCount() - t)/getTickFrequency(); - * - * SEE: getTickCount, TickMeter - * @return automatically generated - */ - public static double getTickFrequency() { - return getTickFrequency_0(); - } - - - // - // C++: int64 cv::getCPUTickCount() - // - - /** - * Returns the number of CPU ticks. - * - * The function returns the current number of CPU ticks on some architectures (such as x86, x64, - * PowerPC). On other platforms the function is equivalent to getTickCount. It can also be used for - * very accurate time measurements, as well as for RNG initialization. Note that in case of multi-CPU - * systems a thread, from which getCPUTickCount is called, can be suspended and resumed at another CPU - * with its own counter. So, theoretically (and practically) the subsequent calls to the function do - * not necessary return the monotonously increasing values. Also, since a modern CPU varies the CPU - * frequency depending on the load, the number of CPU clocks spent in some code cannot be directly - * converted to time units. Therefore, getTickCount is generally a preferable solution for measuring - * execution time. - * @return automatically generated - */ - public static long getCPUTickCount() { - return getCPUTickCount_0(); - } - - - // - // C++: bool cv::checkHardwareSupport(int feature) - // - - /** - * Returns true if the specified feature is supported by the host hardware. - * - * The function returns true if the host hardware supports the specified feature. When user calls - * setUseOptimized(false), the subsequent calls to checkHardwareSupport() will return false until - * setUseOptimized(true) is called. This way user can dynamically switch on and off the optimized code - * in OpenCV. - * @param feature The feature of interest, one of cv::CpuFeatures - * @return automatically generated - */ - public static boolean checkHardwareSupport(int feature) { - return checkHardwareSupport_0(feature); - } - - - // - // C++: String cv::getHardwareFeatureName(int feature) - // - - /** - * Returns feature name by ID - * - * Returns empty string if feature is not defined - * @param feature automatically generated - * @return automatically generated - */ - public static String getHardwareFeatureName(int feature) { - return getHardwareFeatureName_0(feature); - } - - - // - // C++: string cv::getCPUFeaturesLine() - // - - /** - * Returns list of CPU features enabled during compilation. - * - * Returned value is a string containing space separated list of CPU features with following markers: - * - *
      - *
    • - * no markers - baseline features - *
      • - *
    • - * prefix {@code *} - features enabled in dispatcher - *
      • - *
    • - * suffix {@code ?} - features enabled but not available in HW - *
      • - *
    - * - * Example: {@code SSE SSE2 SSE3 *SSE4.1 *SSE4.2 *FP16 *AVX *AVX2 *AVX512-SKX?} - * @return automatically generated - */ - public static String getCPUFeaturesLine() { - return getCPUFeaturesLine_0(); - } - - - // - // C++: int cv::getNumberOfCPUs() - // - - /** - * Returns the number of logical CPUs available for the process. - * @return automatically generated - */ - public static int getNumberOfCPUs() { - return getNumberOfCPUs_0(); - } - - - // - // C++: AlgorithmHint cv::getDefaultAlgorithmHint() - // - - public static int getDefaultAlgorithmHint() { - return getDefaultAlgorithmHint_0(); - } - - - // - // C++: void cv::setUseOptimized(bool onoff) - // - - /** - * Enables or disables the optimized code. - * - * The function can be used to dynamically turn on and off optimized dispatched code (code that uses SSE4.2, AVX/AVX2, - * and other instructions on the platforms that support it). It sets a global flag that is further - * checked by OpenCV functions. Since the flag is not checked in the inner OpenCV loops, it is only - * safe to call the function on the very top level in your application where you can be sure that no - * other OpenCV function is currently executed. - * - * By default, the optimized code is enabled unless you disable it in CMake. The current status can be - * retrieved using useOptimized. - * @param onoff The boolean flag specifying whether the optimized code should be used (onoff=true) - * or not (onoff=false). - */ - public static void setUseOptimized(boolean onoff) { - setUseOptimized_0(onoff); - } - - - // - // C++: bool cv::useOptimized() - // - - /** - * Returns the status of optimized code usage. - * - * The function returns true if the optimized code is enabled. Otherwise, it returns false. - * @return automatically generated - */ - public static boolean useOptimized() { - return useOptimized_0(); - } - - - // - // C++: String cv::samples::findFile(String relative_path, bool required = true, bool silentMode = false) - // - - /** - * Try to find requested data file - * - * Search directories: - * - * 1. Directories passed via {@code addSamplesDataSearchPath()} - * 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - * 3. OPENCV_SAMPLES_DATA_PATH environment variable - * If parameter value is not empty and nothing is found then stop searching. - * 4. Detects build/install path based on: - * a. current working directory (CWD) - * b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - * 5. Scan {@code <source>/{,data,samples/data}} directories if build directory is detected or the current directory is in source tree. - * 6. Scan {@code <install>/share/OpenCV} directory if install directory is detected. - * - * SEE: cv::utils::findDataFile - * - * @param relative_path Relative path to data file - * @param required Specify "file not found" handling. - * If true, function prints information message and raises cv::Exception. - * If false, function returns empty result - * @param silentMode Disables messages - * @return Returns path (absolute or relative to the current directory) or empty string if file is not found - */ - public static String findFile(String relative_path, boolean required, boolean silentMode) { - return findFile_0(relative_path, required, silentMode); - } - - /** - * Try to find requested data file - * - * Search directories: - * - * 1. Directories passed via {@code addSamplesDataSearchPath()} - * 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - * 3. OPENCV_SAMPLES_DATA_PATH environment variable - * If parameter value is not empty and nothing is found then stop searching. - * 4. Detects build/install path based on: - * a. current working directory (CWD) - * b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - * 5. Scan {@code <source>/{,data,samples/data}} directories if build directory is detected or the current directory is in source tree. - * 6. Scan {@code <install>/share/OpenCV} directory if install directory is detected. - * - * SEE: cv::utils::findDataFile - * - * @param relative_path Relative path to data file - * @param required Specify "file not found" handling. - * If true, function prints information message and raises cv::Exception. - * If false, function returns empty result - * @return Returns path (absolute or relative to the current directory) or empty string if file is not found - */ - public static String findFile(String relative_path, boolean required) { - return findFile_1(relative_path, required); - } - - /** - * Try to find requested data file - * - * Search directories: - * - * 1. Directories passed via {@code addSamplesDataSearchPath()} - * 2. OPENCV_SAMPLES_DATA_PATH_HINT environment variable - * 3. OPENCV_SAMPLES_DATA_PATH environment variable - * If parameter value is not empty and nothing is found then stop searching. - * 4. Detects build/install path based on: - * a. current working directory (CWD) - * b. and/or binary module location (opencv_core/opencv_world, doesn't work with static linkage) - * 5. Scan {@code <source>/{,data,samples/data}} directories if build directory is detected or the current directory is in source tree. - * 6. Scan {@code <install>/share/OpenCV} directory if install directory is detected. - * - * SEE: cv::utils::findDataFile - * - * @param relative_path Relative path to data file - * If true, function prints information message and raises cv::Exception. - * If false, function returns empty result - * @return Returns path (absolute or relative to the current directory) or empty string if file is not found - */ - public static String findFile(String relative_path) { - return findFile_2(relative_path); - } - - - // - // C++: String cv::samples::findFileOrKeep(String relative_path, bool silentMode = false) - // - - public static String findFileOrKeep(String relative_path, boolean silentMode) { - return findFileOrKeep_0(relative_path, silentMode); - } - - public static String findFileOrKeep(String relative_path) { - return findFileOrKeep_1(relative_path); - } - - - // - // C++: void cv::samples::addSamplesDataSearchPath(String path) - // - - /** - * Override search data path by adding new search location - * - * Use this only to override default behavior - * Passed paths are used in LIFO order. - * - * @param path Path to used samples data - */ - public static void addSamplesDataSearchPath(String path) { - addSamplesDataSearchPath_0(path); - } - - - // - // C++: void cv::samples::addSamplesDataSearchSubDirectory(String subdir) - // - - /** - * Append samples search data sub directory - * - * General usage is to add OpenCV modules name ({@code <opencv_contrib>/modules/<name>/samples/data} -> {@code <name>/samples/data} + {@code modules/<name>/samples/data}). - * Passed subdirectories are used in LIFO order. - * - * @param subdir samples data sub directory - */ - public static void addSamplesDataSearchSubDirectory(String subdir) { - addSamplesDataSearchSubDirectory_0(subdir); - } - - - // - // C++: void cv::setErrorVerbosity(bool verbose) - // - - public static void setErrorVerbosity(boolean verbose) { - setErrorVerbosity_0(verbose); - } - - - // - // C++: void cv::add(Mat src1, Scalar src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - // - - public static void add(Mat src1, Scalar src2, Mat dst, Mat mask, int dtype) { - add_3(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, mask.nativeObj, dtype); - } - - public static void add(Mat src1, Scalar src2, Mat dst, Mat mask) { - add_4(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, mask.nativeObj); - } - - public static void add(Mat src1, Scalar src2, Mat dst) { - add_5(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::subtract(Mat src1, Scalar src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - // - - public static void subtract(Mat src1, Scalar src2, Mat dst, Mat mask, int dtype) { - subtract_3(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, mask.nativeObj, dtype); - } - - public static void subtract(Mat src1, Scalar src2, Mat dst, Mat mask) { - subtract_4(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, mask.nativeObj); - } - - public static void subtract(Mat src1, Scalar src2, Mat dst) { - subtract_5(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::multiply(Mat src1, Scalar src2, Mat& dst, double scale = 1, int dtype = -1) - // - - public static void multiply(Mat src1, Scalar src2, Mat dst, double scale, int dtype) { - multiply_3(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, scale, dtype); - } - - public static void multiply(Mat src1, Scalar src2, Mat dst, double scale) { - multiply_4(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, scale); - } - - public static void multiply(Mat src1, Scalar src2, Mat dst) { - multiply_5(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::divide(Mat src1, Scalar src2, Mat& dst, double scale = 1, int dtype = -1) - // - - public static void divide(Mat src1, Scalar src2, Mat dst, double scale, int dtype) { - divide_5(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, scale, dtype); - } - - public static void divide(Mat src1, Scalar src2, Mat dst, double scale) { - divide_6(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, scale); - } - - public static void divide(Mat src1, Scalar src2, Mat dst) { - divide_7(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::absdiff(Mat src1, Scalar src2, Mat& dst) - // - - public static void absdiff(Mat src1, Scalar src2, Mat dst) { - absdiff_1(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::compare(Mat src1, Scalar src2, Mat& dst, int cmpop) - // - - public static void compare(Mat src1, Scalar src2, Mat dst, int cmpop) { - compare_1(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj, cmpop); - } - - - // - // C++: void cv::min(Mat src1, Scalar src2, Mat& dst) - // - - public static void min(Mat src1, Scalar src2, Mat dst) { - min_1(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - - - // - // C++: void cv::max(Mat src1, Scalar src2, Mat& dst) - // - - public static void max(Mat src1, Scalar src2, Mat dst) { - max_1(src1.nativeObj, src2.val[0], src2.val[1], src2.val[2], src2.val[3], dst.nativeObj); - } - -// manual port -public static class MinMaxLocResult { - public double minVal; - public double maxVal; - public Point minLoc; - public Point maxLoc; - - - public MinMaxLocResult() { - minVal=0; maxVal=0; - minLoc=new Point(); - maxLoc=new Point(); - } -} - - -// C++: minMaxLoc(Mat src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray()) - - -//javadoc: minMaxLoc(src, mask) -public static MinMaxLocResult minMaxLoc(Mat src, Mat mask) { - MinMaxLocResult res = new MinMaxLocResult(); - long maskNativeObj=0; - if (mask != null) { - maskNativeObj=mask.nativeObj; - } - double resarr[] = n_minMaxLocManual(src.nativeObj, maskNativeObj); - res.minVal=resarr[0]; - res.maxVal=resarr[1]; - res.minLoc.x=resarr[2]; - res.minLoc.y=resarr[3]; - res.maxLoc.x=resarr[4]; - res.maxLoc.y=resarr[5]; - return res; -} - - -//javadoc: minMaxLoc(src) -public static MinMaxLocResult minMaxLoc(Mat src) { - return minMaxLoc(src, null); -} - - - // C++: float cv::cubeRoot(float val) - private static native float cubeRoot_0(float val); - - // C++: float cv::fastAtan2(float y, float x) - private static native float fastAtan2_0(float y, float x); - - // C++: bool cv::ipp::useIPP() - private static native boolean useIPP_0(); - - // C++: void cv::ipp::setUseIPP(bool flag) - private static native void setUseIPP_0(boolean flag); - - // C++: String cv::ipp::getIppVersion() - private static native String getIppVersion_0(); - - // C++: bool cv::ipp::useIPP_NotExact() - private static native boolean useIPP_NotExact_0(); - - // C++: void cv::ipp::setUseIPP_NotExact(bool flag) - private static native void setUseIPP_NotExact_0(boolean flag); - - // C++: int cv::borderInterpolate(int p, int len, int borderType) - private static native int borderInterpolate_0(int p, int len, int borderType); - - // C++: void cv::copyMakeBorder(Mat src, Mat& dst, int top, int bottom, int left, int right, int borderType, Scalar value = Scalar()) - private static native void copyMakeBorder_0(long src_nativeObj, long dst_nativeObj, int top, int bottom, int left, int right, int borderType, double value_val0, double value_val1, double value_val2, double value_val3); - private static native void copyMakeBorder_1(long src_nativeObj, long dst_nativeObj, int top, int bottom, int left, int right, int borderType); - - // C++: void cv::add(Mat src1, Mat src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - private static native void add_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj, int dtype); - private static native void add_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void add_2(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::subtract(Mat src1, Mat src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - private static native void subtract_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj, int dtype); - private static native void subtract_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void subtract_2(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::multiply(Mat src1, Mat src2, Mat& dst, double scale = 1, int dtype = -1) - private static native void multiply_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, double scale, int dtype); - private static native void multiply_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, double scale); - private static native void multiply_2(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::divide(Mat src1, Mat src2, Mat& dst, double scale = 1, int dtype = -1) - private static native void divide_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, double scale, int dtype); - private static native void divide_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, double scale); - private static native void divide_2(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::divide(double scale, Mat src2, Mat& dst, int dtype = -1) - private static native void divide_3(double scale, long src2_nativeObj, long dst_nativeObj, int dtype); - private static native void divide_4(double scale, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::scaleAdd(Mat src1, double alpha, Mat src2, Mat& dst) - private static native void scaleAdd_0(long src1_nativeObj, double alpha, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::addWeighted(Mat src1, double alpha, Mat src2, double beta, double gamma, Mat& dst, int dtype = -1) - private static native void addWeighted_0(long src1_nativeObj, double alpha, long src2_nativeObj, double beta, double gamma, long dst_nativeObj, int dtype); - private static native void addWeighted_1(long src1_nativeObj, double alpha, long src2_nativeObj, double beta, double gamma, long dst_nativeObj); - - // C++: void cv::convertScaleAbs(Mat src, Mat& dst, double alpha = 1, double beta = 0) - private static native void convertScaleAbs_0(long src_nativeObj, long dst_nativeObj, double alpha, double beta); - private static native void convertScaleAbs_1(long src_nativeObj, long dst_nativeObj, double alpha); - private static native void convertScaleAbs_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::convertFp16(Mat src, Mat& dst) - private static native void convertFp16_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::LUT(Mat src, Mat lut, Mat& dst) - private static native void LUT_0(long src_nativeObj, long lut_nativeObj, long dst_nativeObj); - - // C++: Scalar cv::sum(Mat src) - private static native double[] sumElems_0(long src_nativeObj); - - // C++: bool cv::hasNonZero(Mat src) - private static native boolean hasNonZero_0(long src_nativeObj); - - // C++: int cv::countNonZero(Mat src) - private static native int countNonZero_0(long src_nativeObj); - - // C++: void cv::findNonZero(Mat src, Mat& idx) - private static native void findNonZero_0(long src_nativeObj, long idx_nativeObj); - - // C++: Scalar cv::mean(Mat src, Mat mask = Mat()) - private static native double[] mean_0(long src_nativeObj, long mask_nativeObj); - private static native double[] mean_1(long src_nativeObj); - - // C++: void cv::meanStdDev(Mat src, vector_double& mean, vector_double& stddev, Mat mask = Mat()) - private static native void meanStdDev_0(long src_nativeObj, long mean_mat_nativeObj, long stddev_mat_nativeObj, long mask_nativeObj); - private static native void meanStdDev_1(long src_nativeObj, long mean_mat_nativeObj, long stddev_mat_nativeObj); - - // C++: double cv::norm(Mat src1, int normType = NORM_L2, Mat mask = Mat()) - private static native double norm_0(long src1_nativeObj, int normType, long mask_nativeObj); - private static native double norm_1(long src1_nativeObj, int normType); - private static native double norm_2(long src1_nativeObj); - - // C++: double cv::norm(Mat src1, Mat src2, int normType = NORM_L2, Mat mask = Mat()) - private static native double norm_3(long src1_nativeObj, long src2_nativeObj, int normType, long mask_nativeObj); - private static native double norm_4(long src1_nativeObj, long src2_nativeObj, int normType); - private static native double norm_5(long src1_nativeObj, long src2_nativeObj); - - // C++: double cv::PSNR(Mat src1, Mat src2, double R = 255.) - private static native double PSNR_0(long src1_nativeObj, long src2_nativeObj, double R); - private static native double PSNR_1(long src1_nativeObj, long src2_nativeObj); - - // C++: void cv::batchDistance(Mat src1, Mat src2, Mat& dist, int dtype, Mat& nidx, int normType = NORM_L2, int K = 0, Mat mask = Mat(), int update = 0, bool crosscheck = false) - private static native void batchDistance_0(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj, int normType, int K, long mask_nativeObj, int update, boolean crosscheck); - private static native void batchDistance_1(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj, int normType, int K, long mask_nativeObj, int update); - private static native void batchDistance_2(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj, int normType, int K, long mask_nativeObj); - private static native void batchDistance_3(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj, int normType, int K); - private static native void batchDistance_4(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj, int normType); - private static native void batchDistance_5(long src1_nativeObj, long src2_nativeObj, long dist_nativeObj, int dtype, long nidx_nativeObj); - - // C++: void cv::normalize(Mat src, Mat& dst, double alpha = 1, double beta = 0, int norm_type = NORM_L2, int dtype = -1, Mat mask = Mat()) - private static native void normalize_0(long src_nativeObj, long dst_nativeObj, double alpha, double beta, int norm_type, int dtype, long mask_nativeObj); - private static native void normalize_1(long src_nativeObj, long dst_nativeObj, double alpha, double beta, int norm_type, int dtype); - private static native void normalize_2(long src_nativeObj, long dst_nativeObj, double alpha, double beta, int norm_type); - private static native void normalize_3(long src_nativeObj, long dst_nativeObj, double alpha, double beta); - private static native void normalize_4(long src_nativeObj, long dst_nativeObj, double alpha); - private static native void normalize_5(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::reduceArgMin(Mat src, Mat& dst, int axis, bool lastIndex = false) - private static native void reduceArgMin_0(long src_nativeObj, long dst_nativeObj, int axis, boolean lastIndex); - private static native void reduceArgMin_1(long src_nativeObj, long dst_nativeObj, int axis); - - // C++: void cv::reduceArgMax(Mat src, Mat& dst, int axis, bool lastIndex = false) - private static native void reduceArgMax_0(long src_nativeObj, long dst_nativeObj, int axis, boolean lastIndex); - private static native void reduceArgMax_1(long src_nativeObj, long dst_nativeObj, int axis); - - // C++: void cv::reduce(Mat src, Mat& dst, int dim, int rtype, int dtype = -1) - private static native void reduce_0(long src_nativeObj, long dst_nativeObj, int dim, int rtype, int dtype); - private static native void reduce_1(long src_nativeObj, long dst_nativeObj, int dim, int rtype); - - // C++: void cv::merge(vector_Mat mv, Mat& dst) - private static native void merge_0(long mv_mat_nativeObj, long dst_nativeObj); - - // C++: void cv::split(Mat m, vector_Mat& mv) - private static native void split_0(long m_nativeObj, long mv_mat_nativeObj); - - // C++: void cv::mixChannels(vector_Mat src, vector_Mat dst, vector_int fromTo) - private static native void mixChannels_0(long src_mat_nativeObj, long dst_mat_nativeObj, long fromTo_mat_nativeObj); - - // C++: void cv::extractChannel(Mat src, Mat& dst, int coi) - private static native void extractChannel_0(long src_nativeObj, long dst_nativeObj, int coi); - - // C++: void cv::insertChannel(Mat src, Mat& dst, int coi) - private static native void insertChannel_0(long src_nativeObj, long dst_nativeObj, int coi); - - // C++: void cv::flip(Mat src, Mat& dst, int flipCode) - private static native void flip_0(long src_nativeObj, long dst_nativeObj, int flipCode); - - // C++: void cv::flipND(Mat src, Mat& dst, int axis) - private static native void flipND_0(long src_nativeObj, long dst_nativeObj, int axis); - - // C++: void cv::broadcast(Mat src, Mat shape, Mat& dst) - private static native void broadcast_0(long src_nativeObj, long shape_nativeObj, long dst_nativeObj); - - // C++: void cv::rotate(Mat src, Mat& dst, int rotateCode) - private static native void rotate_0(long src_nativeObj, long dst_nativeObj, int rotateCode); - - // C++: void cv::repeat(Mat src, int ny, int nx, Mat& dst) - private static native void repeat_0(long src_nativeObj, int ny, int nx, long dst_nativeObj); - - // C++: void cv::hconcat(vector_Mat src, Mat& dst) - private static native void hconcat_0(long src_mat_nativeObj, long dst_nativeObj); - - // C++: void cv::vconcat(vector_Mat src, Mat& dst) - private static native void vconcat_0(long src_mat_nativeObj, long dst_nativeObj); - - // C++: void cv::bitwise_and(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - private static native void bitwise_and_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void bitwise_and_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::bitwise_or(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - private static native void bitwise_or_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void bitwise_or_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::bitwise_xor(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - private static native void bitwise_xor_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void bitwise_xor_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::bitwise_not(Mat src, Mat& dst, Mat mask = Mat()) - private static native void bitwise_not_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void bitwise_not_1(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::absdiff(Mat src1, Mat src2, Mat& dst) - private static native void absdiff_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::copyTo(Mat src, Mat& dst, Mat mask) - private static native void copyTo_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj); - - // C++: void cv::inRange(Mat src, Scalar lowerb, Scalar upperb, Mat& dst) - private static native void inRange_0(long src_nativeObj, double lowerb_val0, double lowerb_val1, double lowerb_val2, double lowerb_val3, double upperb_val0, double upperb_val1, double upperb_val2, double upperb_val3, long dst_nativeObj); - - // C++: void cv::compare(Mat src1, Mat src2, Mat& dst, int cmpop) - private static native void compare_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, int cmpop); - - // C++: void cv::min(Mat src1, Mat src2, Mat& dst) - private static native void min_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::max(Mat src1, Mat src2, Mat& dst) - private static native void max_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::sqrt(Mat src, Mat& dst) - private static native void sqrt_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::pow(Mat src, double power, Mat& dst) - private static native void pow_0(long src_nativeObj, double power, long dst_nativeObj); - - // C++: void cv::exp(Mat src, Mat& dst) - private static native void exp_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::log(Mat src, Mat& dst) - private static native void log_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::polarToCart(Mat magnitude, Mat angle, Mat& x, Mat& y, bool angleInDegrees = false) - private static native void polarToCart_0(long magnitude_nativeObj, long angle_nativeObj, long x_nativeObj, long y_nativeObj, boolean angleInDegrees); - private static native void polarToCart_1(long magnitude_nativeObj, long angle_nativeObj, long x_nativeObj, long y_nativeObj); - - // C++: void cv::cartToPolar(Mat x, Mat y, Mat& magnitude, Mat& angle, bool angleInDegrees = false) - private static native void cartToPolar_0(long x_nativeObj, long y_nativeObj, long magnitude_nativeObj, long angle_nativeObj, boolean angleInDegrees); - private static native void cartToPolar_1(long x_nativeObj, long y_nativeObj, long magnitude_nativeObj, long angle_nativeObj); - - // C++: void cv::phase(Mat x, Mat y, Mat& angle, bool angleInDegrees = false) - private static native void phase_0(long x_nativeObj, long y_nativeObj, long angle_nativeObj, boolean angleInDegrees); - private static native void phase_1(long x_nativeObj, long y_nativeObj, long angle_nativeObj); - - // C++: void cv::magnitude(Mat x, Mat y, Mat& magnitude) - private static native void magnitude_0(long x_nativeObj, long y_nativeObj, long magnitude_nativeObj); - - // C++: bool cv::checkRange(Mat a, bool quiet = true, _hidden_ * pos = 0, double minVal = -DBL_MAX, double maxVal = DBL_MAX) - private static native boolean checkRange_0(long a_nativeObj, boolean quiet, double minVal, double maxVal); - private static native boolean checkRange_1(long a_nativeObj, boolean quiet, double minVal); - private static native boolean checkRange_2(long a_nativeObj, boolean quiet); - private static native boolean checkRange_4(long a_nativeObj); - - // C++: void cv::patchNaNs(Mat& a, double val = 0) - private static native void patchNaNs_0(long a_nativeObj, double val); - private static native void patchNaNs_1(long a_nativeObj); - - // C++: void cv::gemm(Mat src1, Mat src2, double alpha, Mat src3, double beta, Mat& dst, int flags = 0) - private static native void gemm_0(long src1_nativeObj, long src2_nativeObj, double alpha, long src3_nativeObj, double beta, long dst_nativeObj, int flags); - private static native void gemm_1(long src1_nativeObj, long src2_nativeObj, double alpha, long src3_nativeObj, double beta, long dst_nativeObj); - - // C++: void cv::mulTransposed(Mat src, Mat& dst, bool aTa, Mat delta = Mat(), double scale = 1, int dtype = -1) - private static native void mulTransposed_0(long src_nativeObj, long dst_nativeObj, boolean aTa, long delta_nativeObj, double scale, int dtype); - private static native void mulTransposed_1(long src_nativeObj, long dst_nativeObj, boolean aTa, long delta_nativeObj, double scale); - private static native void mulTransposed_2(long src_nativeObj, long dst_nativeObj, boolean aTa, long delta_nativeObj); - private static native void mulTransposed_3(long src_nativeObj, long dst_nativeObj, boolean aTa); - - // C++: void cv::transpose(Mat src, Mat& dst) - private static native void transpose_0(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::transposeND(Mat src, vector_int order, Mat& dst) - private static native void transposeND_0(long src_nativeObj, long order_mat_nativeObj, long dst_nativeObj); - - // C++: void cv::transform(Mat src, Mat& dst, Mat m) - private static native void transform_0(long src_nativeObj, long dst_nativeObj, long m_nativeObj); - - // C++: void cv::perspectiveTransform(Mat src, Mat& dst, Mat m) - private static native void perspectiveTransform_0(long src_nativeObj, long dst_nativeObj, long m_nativeObj); - - // C++: void cv::completeSymm(Mat& m, bool lowerToUpper = false) - private static native void completeSymm_0(long m_nativeObj, boolean lowerToUpper); - private static native void completeSymm_1(long m_nativeObj); - - // C++: void cv::setIdentity(Mat& mtx, Scalar s = Scalar(1)) - private static native void setIdentity_0(long mtx_nativeObj, double s_val0, double s_val1, double s_val2, double s_val3); - private static native void setIdentity_1(long mtx_nativeObj); - - // C++: double cv::determinant(Mat mtx) - private static native double determinant_0(long mtx_nativeObj); - - // C++: Scalar cv::trace(Mat mtx) - private static native double[] trace_0(long mtx_nativeObj); - - // C++: double cv::invert(Mat src, Mat& dst, int flags = DECOMP_LU) - private static native double invert_0(long src_nativeObj, long dst_nativeObj, int flags); - private static native double invert_1(long src_nativeObj, long dst_nativeObj); - - // C++: bool cv::solve(Mat src1, Mat src2, Mat& dst, int flags = DECOMP_LU) - private static native boolean solve_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, int flags); - private static native boolean solve_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::sort(Mat src, Mat& dst, int flags) - private static native void sort_0(long src_nativeObj, long dst_nativeObj, int flags); - - // C++: void cv::sortIdx(Mat src, Mat& dst, int flags) - private static native void sortIdx_0(long src_nativeObj, long dst_nativeObj, int flags); - - // C++: int cv::solveCubic(Mat coeffs, Mat& roots) - private static native int solveCubic_0(long coeffs_nativeObj, long roots_nativeObj); - - // C++: double cv::solvePoly(Mat coeffs, Mat& roots, int maxIters = 300) - private static native double solvePoly_0(long coeffs_nativeObj, long roots_nativeObj, int maxIters); - private static native double solvePoly_1(long coeffs_nativeObj, long roots_nativeObj); - - // C++: bool cv::eigen(Mat src, Mat& eigenvalues, Mat& eigenvectors = Mat()) - private static native boolean eigen_0(long src_nativeObj, long eigenvalues_nativeObj, long eigenvectors_nativeObj); - private static native boolean eigen_1(long src_nativeObj, long eigenvalues_nativeObj); - - // C++: void cv::eigenNonSymmetric(Mat src, Mat& eigenvalues, Mat& eigenvectors) - private static native void eigenNonSymmetric_0(long src_nativeObj, long eigenvalues_nativeObj, long eigenvectors_nativeObj); - - // C++: void cv::calcCovarMatrix(Mat samples, Mat& covar, Mat& mean, int flags, int ctype = CV_64F) - private static native void calcCovarMatrix_0(long samples_nativeObj, long covar_nativeObj, long mean_nativeObj, int flags, int ctype); - private static native void calcCovarMatrix_1(long samples_nativeObj, long covar_nativeObj, long mean_nativeObj, int flags); - - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, int maxComponents = 0) - private static native void PCACompute_0(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, int maxComponents); - private static native void PCACompute_1(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj); - - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, Mat& eigenvalues, int maxComponents = 0) - private static native void PCACompute2_0(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, long eigenvalues_nativeObj, int maxComponents); - private static native void PCACompute2_1(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, long eigenvalues_nativeObj); - - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, double retainedVariance) - private static native void PCACompute_2(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, double retainedVariance); - - // C++: void cv::PCACompute(Mat data, Mat& mean, Mat& eigenvectors, Mat& eigenvalues, double retainedVariance) - private static native void PCACompute2_2(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, long eigenvalues_nativeObj, double retainedVariance); - - // C++: void cv::PCAProject(Mat data, Mat mean, Mat eigenvectors, Mat& result) - private static native void PCAProject_0(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, long result_nativeObj); - - // C++: void cv::PCABackProject(Mat data, Mat mean, Mat eigenvectors, Mat& result) - private static native void PCABackProject_0(long data_nativeObj, long mean_nativeObj, long eigenvectors_nativeObj, long result_nativeObj); - - // C++: void cv::SVDecomp(Mat src, Mat& w, Mat& u, Mat& vt, int flags = 0) - private static native void SVDecomp_0(long src_nativeObj, long w_nativeObj, long u_nativeObj, long vt_nativeObj, int flags); - private static native void SVDecomp_1(long src_nativeObj, long w_nativeObj, long u_nativeObj, long vt_nativeObj); - - // C++: void cv::SVBackSubst(Mat w, Mat u, Mat vt, Mat rhs, Mat& dst) - private static native void SVBackSubst_0(long w_nativeObj, long u_nativeObj, long vt_nativeObj, long rhs_nativeObj, long dst_nativeObj); - - // C++: double cv::Mahalanobis(Mat v1, Mat v2, Mat icovar) - private static native double Mahalanobis_0(long v1_nativeObj, long v2_nativeObj, long icovar_nativeObj); - - // C++: void cv::dft(Mat src, Mat& dst, int flags = 0, int nonzeroRows = 0) - private static native void dft_0(long src_nativeObj, long dst_nativeObj, int flags, int nonzeroRows); - private static native void dft_1(long src_nativeObj, long dst_nativeObj, int flags); - private static native void dft_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::idft(Mat src, Mat& dst, int flags = 0, int nonzeroRows = 0) - private static native void idft_0(long src_nativeObj, long dst_nativeObj, int flags, int nonzeroRows); - private static native void idft_1(long src_nativeObj, long dst_nativeObj, int flags); - private static native void idft_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::dct(Mat src, Mat& dst, int flags = 0) - private static native void dct_0(long src_nativeObj, long dst_nativeObj, int flags); - private static native void dct_1(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::idct(Mat src, Mat& dst, int flags = 0) - private static native void idct_0(long src_nativeObj, long dst_nativeObj, int flags); - private static native void idct_1(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::mulSpectrums(Mat a, Mat b, Mat& c, int flags, bool conjB = false) - private static native void mulSpectrums_0(long a_nativeObj, long b_nativeObj, long c_nativeObj, int flags, boolean conjB); - private static native void mulSpectrums_1(long a_nativeObj, long b_nativeObj, long c_nativeObj, int flags); - - // C++: int cv::getOptimalDFTSize(int vecsize) - private static native int getOptimalDFTSize_0(int vecsize); - - // C++: void cv::setRNGSeed(int seed) - private static native void setRNGSeed_0(int seed); - - // C++: void cv::randu(Mat& dst, double low, double high) - private static native void randu_0(long dst_nativeObj, double low, double high); - - // C++: void cv::randn(Mat& dst, double mean, double stddev) - private static native void randn_0(long dst_nativeObj, double mean, double stddev); - - // C++: void cv::randShuffle(Mat& dst, double iterFactor = 1., RNG* rng = 0) - private static native void randShuffle_0(long dst_nativeObj, double iterFactor); - private static native void randShuffle_2(long dst_nativeObj); - - // C++: double cv::kmeans(Mat data, int K, Mat& bestLabels, TermCriteria criteria, int attempts, int flags, Mat& centers = Mat()) - private static native double kmeans_0(long data_nativeObj, int K, long bestLabels_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon, int attempts, int flags, long centers_nativeObj); - private static native double kmeans_1(long data_nativeObj, int K, long bestLabels_nativeObj, int criteria_type, int criteria_maxCount, double criteria_epsilon, int attempts, int flags); - - // C++: void cv::setNumThreads(int nthreads) - private static native void setNumThreads_0(int nthreads); - - // C++: int cv::getNumThreads() - private static native int getNumThreads_0(); - - // C++: int cv::getThreadNum() - private static native int getThreadNum_0(); - - // C++: String cv::getBuildInformation() - private static native String getBuildInformation_0(); - - // C++: String cv::getVersionString() - private static native String getVersionString_0(); - - // C++: int cv::getVersionMajor() - private static native int getVersionMajor_0(); - - // C++: int cv::getVersionMinor() - private static native int getVersionMinor_0(); - - // C++: int cv::getVersionRevision() - private static native int getVersionRevision_0(); - - // C++: int64 cv::getTickCount() - private static native long getTickCount_0(); - - // C++: double cv::getTickFrequency() - private static native double getTickFrequency_0(); - - // C++: int64 cv::getCPUTickCount() - private static native long getCPUTickCount_0(); - - // C++: bool cv::checkHardwareSupport(int feature) - private static native boolean checkHardwareSupport_0(int feature); - - // C++: String cv::getHardwareFeatureName(int feature) - private static native String getHardwareFeatureName_0(int feature); - - // C++: string cv::getCPUFeaturesLine() - private static native String getCPUFeaturesLine_0(); - - // C++: int cv::getNumberOfCPUs() - private static native int getNumberOfCPUs_0(); - - // C++: AlgorithmHint cv::getDefaultAlgorithmHint() - private static native int getDefaultAlgorithmHint_0(); - - // C++: void cv::setUseOptimized(bool onoff) - private static native void setUseOptimized_0(boolean onoff); - - // C++: bool cv::useOptimized() - private static native boolean useOptimized_0(); - - // C++: String cv::samples::findFile(String relative_path, bool required = true, bool silentMode = false) - private static native String findFile_0(String relative_path, boolean required, boolean silentMode); - private static native String findFile_1(String relative_path, boolean required); - private static native String findFile_2(String relative_path); - - // C++: String cv::samples::findFileOrKeep(String relative_path, bool silentMode = false) - private static native String findFileOrKeep_0(String relative_path, boolean silentMode); - private static native String findFileOrKeep_1(String relative_path); - - // C++: void cv::samples::addSamplesDataSearchPath(String path) - private static native void addSamplesDataSearchPath_0(String path); - - // C++: void cv::samples::addSamplesDataSearchSubDirectory(String subdir) - private static native void addSamplesDataSearchSubDirectory_0(String subdir); - - // C++: void cv::setErrorVerbosity(bool verbose) - private static native void setErrorVerbosity_0(boolean verbose); - - // C++: void cv::add(Mat src1, Scalar src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - private static native void add_3(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, long mask_nativeObj, int dtype); - private static native void add_4(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, long mask_nativeObj); - private static native void add_5(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::subtract(Mat src1, Scalar src2, Mat& dst, Mat mask = Mat(), int dtype = -1) - private static native void subtract_3(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, long mask_nativeObj, int dtype); - private static native void subtract_4(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, long mask_nativeObj); - private static native void subtract_5(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::multiply(Mat src1, Scalar src2, Mat& dst, double scale = 1, int dtype = -1) - private static native void multiply_3(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, double scale, int dtype); - private static native void multiply_4(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, double scale); - private static native void multiply_5(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::divide(Mat src1, Scalar src2, Mat& dst, double scale = 1, int dtype = -1) - private static native void divide_5(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, double scale, int dtype); - private static native void divide_6(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, double scale); - private static native void divide_7(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::absdiff(Mat src1, Scalar src2, Mat& dst) - private static native void absdiff_1(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::compare(Mat src1, Scalar src2, Mat& dst, int cmpop) - private static native void compare_1(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj, int cmpop); - - // C++: void cv::min(Mat src1, Scalar src2, Mat& dst) - private static native void min_1(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); - - // C++: void cv::max(Mat src1, Scalar src2, Mat& dst) - private static native void max_1(long src1_nativeObj, double src2_val0, double src2_val1, double src2_val2, double src2_val3, long dst_nativeObj); -private static native double[] n_minMaxLocManual(long src_nativeObj, long mask_nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/CvException.java b/vendor/opencv/sdk/java/src/org/opencv/core/CvException.java deleted file mode 100644 index e9241e6886..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/CvException.java +++ /dev/null @@ -1,15 +0,0 @@ -package org.opencv.core; - -public class CvException extends RuntimeException { - - private static final long serialVersionUID = 1L; - - public CvException(String msg) { - super(msg); - } - - @Override - public String toString() { - return "CvException [" + super.toString() + "]"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/CvType.java b/vendor/opencv/sdk/java/src/org/opencv/core/CvType.java deleted file mode 100644 index fcf616fe02..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/CvType.java +++ /dev/null @@ -1,150 +0,0 @@ -package org.opencv.core; - -public final class CvType { - - // type depth constants - public static final int - CV_8U = 0, - CV_8S = 1, - CV_16U = 2, - CV_16S = 3, - CV_32S = 4, - CV_32F = 5, - CV_64F = 6, - CV_16F = 7; - - /** - * @deprecated please use {@link #CV_16F} - */ - @Deprecated - public static final int CV_USRTYPE1 = CV_16F; - - // predefined type constants - public static final int - CV_8UC1 = CV_8UC(1), CV_8UC2 = CV_8UC(2), CV_8UC3 = CV_8UC(3), CV_8UC4 = CV_8UC(4), - CV_8SC1 = CV_8SC(1), CV_8SC2 = CV_8SC(2), CV_8SC3 = CV_8SC(3), CV_8SC4 = CV_8SC(4), - CV_16UC1 = CV_16UC(1), CV_16UC2 = CV_16UC(2), CV_16UC3 = CV_16UC(3), CV_16UC4 = CV_16UC(4), - CV_16SC1 = CV_16SC(1), CV_16SC2 = CV_16SC(2), CV_16SC3 = CV_16SC(3), CV_16SC4 = CV_16SC(4), - CV_32SC1 = CV_32SC(1), CV_32SC2 = CV_32SC(2), CV_32SC3 = CV_32SC(3), CV_32SC4 = CV_32SC(4), - CV_32FC1 = CV_32FC(1), CV_32FC2 = CV_32FC(2), CV_32FC3 = CV_32FC(3), CV_32FC4 = CV_32FC(4), - CV_64FC1 = CV_64FC(1), CV_64FC2 = CV_64FC(2), CV_64FC3 = CV_64FC(3), CV_64FC4 = CV_64FC(4), - CV_16FC1 = CV_16FC(1), CV_16FC2 = CV_16FC(2), CV_16FC3 = CV_16FC(3), CV_16FC4 = CV_16FC(4); - - private static final int CV_CN_MAX = 512, CV_CN_SHIFT = 3, CV_DEPTH_MAX = (1 << CV_CN_SHIFT); - - public static final int makeType(int depth, int channels) { - if (channels <= 0 || channels >= CV_CN_MAX) { - throw new UnsupportedOperationException( - "Channels count should be 1.." + (CV_CN_MAX - 1)); - } - if (depth < 0 || depth >= CV_DEPTH_MAX) { - throw new UnsupportedOperationException( - "Data type depth should be 0.." + (CV_DEPTH_MAX - 1)); - } - return (depth & (CV_DEPTH_MAX - 1)) + ((channels - 1) << CV_CN_SHIFT); - } - - public static final int CV_8UC(int ch) { - return makeType(CV_8U, ch); - } - - public static final int CV_8SC(int ch) { - return makeType(CV_8S, ch); - } - - public static final int CV_16UC(int ch) { - return makeType(CV_16U, ch); - } - - public static final int CV_16SC(int ch) { - return makeType(CV_16S, ch); - } - - public static final int CV_32SC(int ch) { - return makeType(CV_32S, ch); - } - - public static final int CV_32FC(int ch) { - return makeType(CV_32F, ch); - } - - public static final int CV_64FC(int ch) { - return makeType(CV_64F, ch); - } - - public static final int CV_16FC(int ch) { - return makeType(CV_16F, ch); - } - - public static final int channels(int type) { - return (type >> CV_CN_SHIFT) + 1; - } - - public static final int depth(int type) { - return type & (CV_DEPTH_MAX - 1); - } - - public static final boolean isInteger(int type) { - return depth(type) < CV_32F; - } - - public static final int ELEM_SIZE(int type) { - switch (depth(type)) { - case CV_8U: - case CV_8S: - return channels(type); - case CV_16U: - case CV_16S: - case CV_16F: - return 2 * channels(type); - case CV_32S: - case CV_32F: - return 4 * channels(type); - case CV_64F: - return 8 * channels(type); - default: - throw new UnsupportedOperationException( - "Unsupported CvType value: " + type); - } - } - - public static final String typeToString(int type) { - String s; - switch (depth(type)) { - case CV_8U: - s = "CV_8U"; - break; - case CV_8S: - s = "CV_8S"; - break; - case CV_16U: - s = "CV_16U"; - break; - case CV_16S: - s = "CV_16S"; - break; - case CV_32S: - s = "CV_32S"; - break; - case CV_32F: - s = "CV_32F"; - break; - case CV_64F: - s = "CV_64F"; - break; - case CV_16F: - s = "CV_16F"; - break; - default: - throw new UnsupportedOperationException( - "Unsupported CvType value: " + type); - } - - int ch = channels(type); - if (ch <= 4) - return s + "C" + ch; - else - return s + "C(" + ch + ")"; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/DMatch.java b/vendor/opencv/sdk/java/src/org/opencv/core/DMatch.java deleted file mode 100644 index db44d9a0a6..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/DMatch.java +++ /dev/null @@ -1,58 +0,0 @@ -package org.opencv.core; - -//C++: class DMatch - -/** - * Structure for matching: query descriptor index, train descriptor index, train - * image index and distance between descriptors. - */ -public class DMatch { - - /** - * Query descriptor index. - */ - public int queryIdx; - /** - * Train descriptor index. - */ - public int trainIdx; - /** - * Train image index. - */ - public int imgIdx; - - // javadoc: DMatch::distance - public float distance; - - // javadoc: DMatch::DMatch() - public DMatch() { - this(-1, -1, Float.MAX_VALUE); - } - - // javadoc: DMatch::DMatch(_queryIdx, _trainIdx, _distance) - public DMatch(int _queryIdx, int _trainIdx, float _distance) { - queryIdx = _queryIdx; - trainIdx = _trainIdx; - imgIdx = -1; - distance = _distance; - } - - // javadoc: DMatch::DMatch(_queryIdx, _trainIdx, _imgIdx, _distance) - public DMatch(int _queryIdx, int _trainIdx, int _imgIdx, float _distance) { - queryIdx = _queryIdx; - trainIdx = _trainIdx; - imgIdx = _imgIdx; - distance = _distance; - } - - public boolean lessThan(DMatch it) { - return distance < it.distance; - } - - @Override - public String toString() { - return "DMatch [queryIdx=" + queryIdx + ", trainIdx=" + trainIdx - + ", imgIdx=" + imgIdx + ", distance=" + distance + "]"; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/KeyPoint.java b/vendor/opencv/sdk/java/src/org/opencv/core/KeyPoint.java deleted file mode 100644 index e34d6f17ef..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/KeyPoint.java +++ /dev/null @@ -1,77 +0,0 @@ -package org.opencv.core; - -import org.opencv.core.Point; - -//javadoc: KeyPoint -public class KeyPoint { - - /** - * Coordinates of the keypoint. - */ - public Point pt; - /** - * Diameter of the useful keypoint adjacent area. - */ - public float size; - /** - * Computed orientation of the keypoint (-1 if not applicable). - */ - public float angle; - /** - * The response, by which the strongest keypoints have been selected. Can - * be used for further sorting or subsampling. - */ - public float response; - /** - * Octave (pyramid layer), from which the keypoint has been extracted. - */ - public int octave; - /** - * Object ID, that can be used to cluster keypoints by an object they - * belong to. - */ - public int class_id; - - // javadoc:KeyPoint::KeyPoint(x,y,_size,_angle,_response,_octave,_class_id) - public KeyPoint(float x, float y, float _size, float _angle, float _response, int _octave, int _class_id) { - pt = new Point(x, y); - size = _size; - angle = _angle; - response = _response; - octave = _octave; - class_id = _class_id; - } - - // javadoc: KeyPoint::KeyPoint() - public KeyPoint() { - this(0, 0, 0, -1, 0, 0, -1); - } - - // javadoc: KeyPoint::KeyPoint(x, y, _size, _angle, _response, _octave) - public KeyPoint(float x, float y, float _size, float _angle, float _response, int _octave) { - this(x, y, _size, _angle, _response, _octave, -1); - } - - // javadoc: KeyPoint::KeyPoint(x, y, _size, _angle, _response) - public KeyPoint(float x, float y, float _size, float _angle, float _response) { - this(x, y, _size, _angle, _response, 0, -1); - } - - // javadoc: KeyPoint::KeyPoint(x, y, _size, _angle) - public KeyPoint(float x, float y, float _size, float _angle) { - this(x, y, _size, _angle, 0, 0, -1); - } - - // javadoc: KeyPoint::KeyPoint(x, y, _size) - public KeyPoint(float x, float y, float _size) { - this(x, y, _size, -1, 0, 0, -1); - } - - @Override - public String toString() { - return "KeyPoint [pt=" + pt + ", size=" + size + ", angle=" + angle - + ", response=" + response + ", octave=" + octave - + ", class_id=" + class_id + "]"; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Mat.java b/vendor/opencv/sdk/java/src/org/opencv/core/Mat.java deleted file mode 100644 index 8e98284dde..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Mat.java +++ /dev/null @@ -1,1889 +0,0 @@ -package org.opencv.core; - -import java.nio.ByteBuffer; - -// C++: class Mat -//javadoc: Mat -public class Mat { - - public final long nativeObj; - - public Mat(long addr) { - if (addr == 0) - throw new UnsupportedOperationException("Native object address is NULL"); - nativeObj = addr; - } - - // - // C++: Mat::Mat() - // - - // javadoc: Mat::Mat() - public Mat() { - nativeObj = n_Mat(); - } - - // - // C++: Mat::Mat(int rows, int cols, int type) - // - - // javadoc: Mat::Mat(rows, cols, type) - public Mat(int rows, int cols, int type) { - nativeObj = n_Mat(rows, cols, type); - } - - // - // C++: Mat::Mat(int rows, int cols, int type, void* data) - // - - // javadoc: Mat::Mat(rows, cols, type, data) - public Mat(int rows, int cols, int type, ByteBuffer data) { - nativeObj = n_Mat(rows, cols, type, data); - } - - // - // C++: Mat::Mat(int rows, int cols, int type, void* data, size_t step) - // - - // javadoc: Mat::Mat(rows, cols, type, data, step) - public Mat(int rows, int cols, int type, ByteBuffer data, long step) { - nativeObj = n_Mat(rows, cols, type, data, step); - } - - // - // C++: Mat::Mat(Size size, int type) - // - - // javadoc: Mat::Mat(size, type) - public Mat(Size size, int type) { - nativeObj = n_Mat(size.width, size.height, type); - } - - // - // C++: Mat::Mat(int ndims, const int* sizes, int type) - // - - // javadoc: Mat::Mat(sizes, type) - public Mat(int[] sizes, int type) { - nativeObj = n_Mat(sizes.length, sizes, type); - } - - // - // C++: Mat::Mat(int rows, int cols, int type, Scalar s) - // - - // javadoc: Mat::Mat(rows, cols, type, s) - public Mat(int rows, int cols, int type, Scalar s) { - nativeObj = n_Mat(rows, cols, type, s.val[0], s.val[1], s.val[2], s.val[3]); - } - - // - // C++: Mat::Mat(Size size, int type, Scalar s) - // - - // javadoc: Mat::Mat(size, type, s) - public Mat(Size size, int type, Scalar s) { - nativeObj = n_Mat(size.width, size.height, type, s.val[0], s.val[1], s.val[2], s.val[3]); - } - - // - // C++: Mat::Mat(int ndims, const int* sizes, int type, Scalar s) - // - - // javadoc: Mat::Mat(sizes, type, s) - public Mat(int[] sizes, int type, Scalar s) { - nativeObj = n_Mat(sizes.length, sizes, type, s.val[0], s.val[1], s.val[2], s.val[3]); - } - - // - // C++: Mat::Mat(Mat m, Range rowRange, Range colRange = Range::all()) - // - - // javadoc: Mat::Mat(m, rowRange, colRange) - public Mat(Mat m, Range rowRange, Range colRange) { - nativeObj = n_Mat(m.nativeObj, rowRange.start, rowRange.end, colRange.start, colRange.end); - } - - // javadoc: Mat::Mat(m, rowRange) - public Mat(Mat m, Range rowRange) { - nativeObj = n_Mat(m.nativeObj, rowRange.start, rowRange.end); - } - - // - // C++: Mat::Mat(const Mat& m, const std::vector& ranges) - // - - // javadoc: Mat::Mat(m, ranges) - public Mat(Mat m, Range[] ranges) { - nativeObj = n_Mat(m.nativeObj, ranges); - } - - // - // C++: Mat::Mat(Mat m, Rect roi) - // - - // javadoc: Mat::Mat(m, roi) - public Mat(Mat m, Rect roi) { - nativeObj = n_Mat(m.nativeObj, roi.y, roi.y + roi.height, roi.x, roi.x + roi.width); - } - - // - // C++: Mat Mat::adjustROI(int dtop, int dbottom, int dleft, int dright) - // - - // javadoc: Mat::adjustROI(dtop, dbottom, dleft, dright) - public Mat adjustROI(int dtop, int dbottom, int dleft, int dright) { - return new Mat(n_adjustROI(nativeObj, dtop, dbottom, dleft, dright)); - } - - // - // C++: void Mat::assignTo(Mat m, int type = -1) - // - - // javadoc: Mat::assignTo(m, type) - public void assignTo(Mat m, int type) { - n_assignTo(nativeObj, m.nativeObj, type); - } - - // javadoc: Mat::assignTo(m) - public void assignTo(Mat m) { - n_assignTo(nativeObj, m.nativeObj); - } - - // - // C++: int Mat::channels() - // - - // javadoc: Mat::channels() - public int channels() { - return n_channels(nativeObj); - } - - // - // C++: int Mat::checkVector(int elemChannels, int depth = -1, bool - // requireContinuous = true) - // - - // javadoc: Mat::checkVector(elemChannels, depth, requireContinuous) - public int checkVector(int elemChannels, int depth, boolean requireContinuous) { - return n_checkVector(nativeObj, elemChannels, depth, requireContinuous); - } - - // javadoc: Mat::checkVector(elemChannels, depth) - public int checkVector(int elemChannels, int depth) { - return n_checkVector(nativeObj, elemChannels, depth); - } - - // javadoc: Mat::checkVector(elemChannels) - public int checkVector(int elemChannels) { - return n_checkVector(nativeObj, elemChannels); - } - - // - // C++: Mat Mat::clone() - // - - // javadoc: Mat::clone() - public Mat clone() { - return new Mat(n_clone(nativeObj)); - } - - // - // C++: Mat Mat::col(int x) - // - - // javadoc: Mat::col(x) - public Mat col(int x) { - return new Mat(n_col(nativeObj, x)); - } - - // - // C++: Mat Mat::colRange(int startcol, int endcol) - // - - // javadoc: Mat::colRange(startcol, endcol) - public Mat colRange(int startcol, int endcol) { - return new Mat(n_colRange(nativeObj, startcol, endcol)); - } - - // - // C++: Mat Mat::colRange(Range r) - // - - // javadoc: Mat::colRange(r) - public Mat colRange(Range r) { - return new Mat(n_colRange(nativeObj, r.start, r.end)); - } - - // - // C++: int Mat::dims() - // - - // javadoc: Mat::dims() - public int dims() { - return n_dims(nativeObj); - } - - // - // C++: int Mat::cols() - // - - // javadoc: Mat::cols() - public int cols() { - return n_cols(nativeObj); - } - - // - // C++: void Mat::convertTo(Mat& m, int rtype, double alpha = 1, double beta - // = 0) - // - - // javadoc: Mat::convertTo(m, rtype, alpha, beta) - public void convertTo(Mat m, int rtype, double alpha, double beta) { - n_convertTo(nativeObj, m.nativeObj, rtype, alpha, beta); - } - - // javadoc: Mat::convertTo(m, rtype, alpha) - public void convertTo(Mat m, int rtype, double alpha) { - n_convertTo(nativeObj, m.nativeObj, rtype, alpha); - } - - // javadoc: Mat::convertTo(m, rtype) - public void convertTo(Mat m, int rtype) { - n_convertTo(nativeObj, m.nativeObj, rtype); - } - - // - // C++: void Mat::copyTo(Mat& m) - // - - // javadoc: Mat::copyTo(m) - public void copyTo(Mat m) { - n_copyTo(nativeObj, m.nativeObj); - } - - // - // C++: void Mat::copyTo(Mat& m, Mat mask) - // - - // javadoc: Mat::copyTo(m, mask) - public void copyTo(Mat m, Mat mask) { - n_copyTo(nativeObj, m.nativeObj, mask.nativeObj); - } - - // - // C++: void Mat::create(int rows, int cols, int type) - // - - // javadoc: Mat::create(rows, cols, type) - public void create(int rows, int cols, int type) { - n_create(nativeObj, rows, cols, type); - } - - // - // C++: void Mat::create(Size size, int type) - // - - // javadoc: Mat::create(size, type) - public void create(Size size, int type) { - n_create(nativeObj, size.width, size.height, type); - } - - // - // C++: void Mat::create(int ndims, const int* sizes, int type) - // - - // javadoc: Mat::create(sizes, type) - public void create(int[] sizes, int type) { - n_create(nativeObj, sizes.length, sizes, type); - } - - // - // C++: void Mat::copySize(const Mat& m); - // - - // javadoc: Mat::copySize(m) - public void copySize(Mat m) { - n_copySize(nativeObj, m.nativeObj); - } - - // - // C++: Mat Mat::cross(Mat m) - // - - // javadoc: Mat::cross(m) - public Mat cross(Mat m) { - return new Mat(n_cross(nativeObj, m.nativeObj)); - } - - // - // C++: long Mat::dataAddr() - // - - // javadoc: Mat::dataAddr() - public long dataAddr() { - return n_dataAddr(nativeObj); - } - - // - // C++: int Mat::depth() - // - - // javadoc: Mat::depth() - public int depth() { - return n_depth(nativeObj); - } - - // - // C++: Mat Mat::diag(int d = 0) - // - - // javadoc: Mat::diag(d) - public Mat diag(int d) { - return new Mat(n_diag(nativeObj, d)); - } - - // javadoc: Mat::diag() - public Mat diag() { - return new Mat(n_diag(nativeObj, 0)); - } - - // - // C++: static Mat Mat::diag(Mat d) - // - - // javadoc: Mat::diag(d) - public static Mat diag(Mat d) { - return new Mat(n_diag(d.nativeObj)); - } - - // - // C++: double Mat::dot(Mat m) - // - - // javadoc: Mat::dot(m) - public double dot(Mat m) { - return n_dot(nativeObj, m.nativeObj); - } - - // - // C++: size_t Mat::elemSize() - // - - // javadoc: Mat::elemSize() - public long elemSize() { - return n_elemSize(nativeObj); - } - - // - // C++: size_t Mat::elemSize1() - // - - // javadoc: Mat::elemSize1() - public long elemSize1() { - return n_elemSize1(nativeObj); - } - - // - // C++: bool Mat::empty() - // - - // javadoc: Mat::empty() - public boolean empty() { - return n_empty(nativeObj); - } - - // - // C++: static Mat Mat::eye(int rows, int cols, int type) - // - - // javadoc: Mat::eye(rows, cols, type) - public static Mat eye(int rows, int cols, int type) { - return new Mat(n_eye(rows, cols, type)); - } - - // - // C++: static Mat Mat::eye(Size size, int type) - // - - // javadoc: Mat::eye(size, type) - public static Mat eye(Size size, int type) { - return new Mat(n_eye(size.width, size.height, type)); - } - - // - // C++: Mat Mat::inv(int method = DECOMP_LU) - // - - // javadoc: Mat::inv(method) - public Mat inv(int method) { - return new Mat(n_inv(nativeObj, method)); - } - - // javadoc: Mat::inv() - public Mat inv() { - return new Mat(n_inv(nativeObj)); - } - - // - // C++: bool Mat::isContinuous() - // - - // javadoc: Mat::isContinuous() - public boolean isContinuous() { - return n_isContinuous(nativeObj); - } - - // - // C++: bool Mat::isSubmatrix() - // - - // javadoc: Mat::isSubmatrix() - public boolean isSubmatrix() { - return n_isSubmatrix(nativeObj); - } - - // - // C++: void Mat::locateROI(Size wholeSize, Point ofs) - // - - // javadoc: Mat::locateROI(wholeSize, ofs) - public void locateROI(Size wholeSize, Point ofs) { - double[] wholeSize_out = new double[2]; - double[] ofs_out = new double[2]; - locateROI_0(nativeObj, wholeSize_out, ofs_out); - if (wholeSize != null) { - wholeSize.width = wholeSize_out[0]; - wholeSize.height = wholeSize_out[1]; - } - if (ofs != null) { - ofs.x = ofs_out[0]; - ofs.y = ofs_out[1]; - } - } - - // - // C++: Mat Mat::mul(Mat m, double scale = 1) - // - - /** - * Element-wise multiplication with scale factor - * @param m operand with with which to perform element-wise multiplication - * @param scale scale factor - * @return reference to a new Mat object - */ - public Mat mul(Mat m, double scale) { - return new Mat(n_mul(nativeObj, m.nativeObj, scale)); - } - - /** - * Element-wise multiplication - * @param m operand with with which to perform element-wise multiplication - * @return reference to a new Mat object - */ - public Mat mul(Mat m) { - return new Mat(n_mul(nativeObj, m.nativeObj)); - } - - /** - * Matrix multiplication - * @param m operand with with which to perform matrix multiplication - * @see Core#gemm(Mat, Mat, double, Mat, double, Mat, int) - * @return reference to a new Mat object - */ - public Mat matMul(Mat m) { - return new Mat(n_matMul(nativeObj, m.nativeObj)); - } - - // - // C++: static Mat Mat::ones(int rows, int cols, int type) - // - - // javadoc: Mat::ones(rows, cols, type) - public static Mat ones(int rows, int cols, int type) { - return new Mat(n_ones(rows, cols, type)); - } - - // - // C++: static Mat Mat::ones(Size size, int type) - // - - // javadoc: Mat::ones(size, type) - public static Mat ones(Size size, int type) { - return new Mat(n_ones(size.width, size.height, type)); - } - - // - // C++: static Mat Mat::ones(int ndims, const int* sizes, int type) - // - - // javadoc: Mat::ones(sizes, type) - public static Mat ones(int[] sizes, int type) { - return new Mat(n_ones(sizes.length, sizes, type)); - } - - // - // C++: void Mat::push_back(Mat m) - // - - // javadoc: Mat::push_back(m) - public void push_back(Mat m) { - n_push_back(nativeObj, m.nativeObj); - } - - // - // C++: void Mat::release() - // - - // javadoc: Mat::release() - public void release() { - n_release(nativeObj); - } - - // - // C++: Mat Mat::reshape(int cn, int rows = 0) - // - - // javadoc: Mat::reshape(cn, rows) - public Mat reshape(int cn, int rows) { - return new Mat(n_reshape(nativeObj, cn, rows)); - } - - // javadoc: Mat::reshape(cn) - public Mat reshape(int cn) { - return new Mat(n_reshape(nativeObj, cn)); - } - - // - // C++: Mat Mat::reshape(int cn, int newndims, const int* newsz) - // - - // javadoc: Mat::reshape(cn, newshape) - public Mat reshape(int cn, int[] newshape) { - return new Mat(n_reshape_1(nativeObj, cn, newshape.length, newshape)); - } - - // - // C++: Mat Mat::row(int y) - // - - // javadoc: Mat::row(y) - public Mat row(int y) { - return new Mat(n_row(nativeObj, y)); - } - - // - // C++: Mat Mat::rowRange(int startrow, int endrow) - // - - // javadoc: Mat::rowRange(startrow, endrow) - public Mat rowRange(int startrow, int endrow) { - return new Mat(n_rowRange(nativeObj, startrow, endrow)); - } - - // - // C++: Mat Mat::rowRange(Range r) - // - - // javadoc: Mat::rowRange(r) - public Mat rowRange(Range r) { - return new Mat(n_rowRange(nativeObj, r.start, r.end)); - } - - // - // C++: int Mat::rows() - // - - // javadoc: Mat::rows() - public int rows() { - return n_rows(nativeObj); - } - - // - // C++: Mat Mat::operator =(Scalar s) - // - - // javadoc: Mat::operator =(s) - public Mat setTo(Scalar s) { - return new Mat(n_setTo(nativeObj, s.val[0], s.val[1], s.val[2], s.val[3])); - } - - // - // C++: Mat Mat::setTo(Scalar value, Mat mask = Mat()) - // - - // javadoc: Mat::setTo(value, mask) - public Mat setTo(Scalar value, Mat mask) { - return new Mat(n_setTo(nativeObj, value.val[0], value.val[1], value.val[2], value.val[3], mask.nativeObj)); - } - - // - // C++: Mat Mat::setTo(Mat value, Mat mask = Mat()) - // - - // javadoc: Mat::setTo(value, mask) - public Mat setTo(Mat value, Mat mask) { - return new Mat(n_setTo(nativeObj, value.nativeObj, mask.nativeObj)); - } - - // javadoc: Mat::setTo(value) - public Mat setTo(Mat value) { - return new Mat(n_setTo(nativeObj, value.nativeObj)); - } - - // - // C++: Size Mat::size() - // - - // javadoc: Mat::size() - public Size size() { - return new Size(n_size(nativeObj)); - } - - // - // C++: int Mat::size(int i) - // - - // javadoc: Mat::size(int i) - public int size(int i) { - return n_size_i(nativeObj, i); - } - - // - // C++: size_t Mat::step1(int i = 0) - // - - // javadoc: Mat::step1(i) - public long step1(int i) { - return n_step1(nativeObj, i); - } - - // javadoc: Mat::step1() - public long step1() { - return n_step1(nativeObj); - } - - // - // C++: Mat Mat::operator()(int rowStart, int rowEnd, int colStart, int - // colEnd) - // - - // javadoc: Mat::operator()(rowStart, rowEnd, colStart, colEnd) - public Mat submat(int rowStart, int rowEnd, int colStart, int colEnd) { - return new Mat(n_submat_rr(nativeObj, rowStart, rowEnd, colStart, colEnd)); - } - - // - // C++: Mat Mat::operator()(Range rowRange, Range colRange) - // - - // javadoc: Mat::operator()(rowRange, colRange) - public Mat submat(Range rowRange, Range colRange) { - return new Mat(n_submat_rr(nativeObj, rowRange.start, rowRange.end, colRange.start, colRange.end)); - } - - // - // C++: Mat Mat::operator()(const std::vector& ranges) - // - - // javadoc: Mat::operator()(ranges[]) - public Mat submat(Range[] ranges) { - return new Mat(n_submat_ranges(nativeObj, ranges)); - } - - // - // C++: Mat Mat::operator()(Rect roi) - // - - // javadoc: Mat::operator()(roi) - public Mat submat(Rect roi) { - return new Mat(n_submat(nativeObj, roi.x, roi.y, roi.width, roi.height)); - } - - // - // C++: Mat Mat::t() - // - - // javadoc: Mat::t() - public Mat t() { - return new Mat(n_t(nativeObj)); - } - - // - // C++: size_t Mat::total() - // - - // javadoc: Mat::total() - public long total() { - return n_total(nativeObj); - } - - // - // C++: int Mat::type() - // - - // javadoc: Mat::type() - public int type() { - return n_type(nativeObj); - } - - // - // C++: static Mat Mat::zeros(int rows, int cols, int type) - // - - // javadoc: Mat::zeros(rows, cols, type) - public static Mat zeros(int rows, int cols, int type) { - return new Mat(n_zeros(rows, cols, type)); - } - - // - // C++: static Mat Mat::zeros(Size size, int type) - // - - // javadoc: Mat::zeros(size, type) - public static Mat zeros(Size size, int type) { - return new Mat(n_zeros(size.width, size.height, type)); - } - - // - // C++: static Mat Mat::zeros(int ndims, const int* sizes, int type) - // - - // javadoc: Mat::zeros(sizes, type) - public static Mat zeros(int[] sizes, int type) { - return new Mat(n_zeros(sizes.length, sizes, type)); - } - - @Override - protected void finalize() throws Throwable { - n_delete(nativeObj); - super.finalize(); - } - - // javadoc:Mat::toString() - @Override - public String toString() { - String _dims = (dims() > 0) ? "" : "-1*-1*"; - for (int i=0; i Atable at(Class clazz, int row, int col) { - if (clazz == Byte.class || clazz == byte.class) { - return (Atable)new AtableByte(this, row, col); - } else if (clazz == Double.class || clazz == double.class) { - return (Atable)new AtableDouble(this, row, col); - } else if (clazz == Float.class || clazz == float.class) { - return (Atable)new AtableFloat(this, row, col); - } else if (clazz == Integer.class || clazz == int.class) { - return (Atable)new AtableInteger(this, row, col); - } else if (clazz == Short.class || clazz == short.class) { - return (Atable)new AtableShort(this, row, col); - } else { - throw new RuntimeException("Unsupported class type"); - } - } - - // javadoc:Mat::at(clazz, idx) - @SuppressWarnings("unchecked") - public Atable at(Class clazz, int[] idx) { - if (clazz == Byte.class || clazz == byte.class) { - return (Atable)new AtableByte(this, idx); - } else if (clazz == Double.class || clazz == double.class) { - return (Atable)new AtableDouble(this, idx); - } else if (clazz == Float.class || clazz == float.class) { - return (Atable)new AtableFloat(this, idx); - } else if (clazz == Integer.class || clazz == int.class) { - return (Atable)new AtableInteger(this, idx); - } else if (clazz == Short.class || clazz == short.class) { - return (Atable)new AtableShort(this, idx); - } else { - throw new RuntimeException("Unsupported class parameter"); - } - } - - public static class Tuple2 { - public Tuple2(T _0, T _1) { - this._0 = _0; - this._1 = _1; - } - - public T get_0() { - return _0; - } - - public T get_1() { - return _1; - } - - private final T _0; - private final T _1; - } - - public static class Tuple3 { - public Tuple3(T _0, T _1, T _2) { - this._0 = _0; - this._1 = _1; - this._2 = _2; - } - - public T get_0() { - return _0; - } - - public T get_1() { - return _1; - } - - public T get_2() { - return _2; - } - - private final T _0; - private final T _1; - private final T _2; - } - - public static class Tuple4 { - public Tuple4(T _0, T _1, T _2, T _3) { - this._0 = _0; - this._1 = _1; - this._2 = _2; - this._3 = _3; - } - - public T get_0() { - return _0; - } - - public T get_1() { - return _1; - } - - public T get_2() { - return _2; - } - - public T get_3() { - return _3; - } - - private final T _0; - private final T _1; - private final T _2; - private final T _3; - } - - public interface Atable { - T getV(); - void setV(T v); - Tuple2 getV2c(); - void setV2c(Tuple2 v); - Tuple3 getV3c(); - void setV3c(Tuple3 v); - Tuple4 getV4c(); - void setV4c(Tuple4 v); - } - - private static class AtableBase { - - protected AtableBase(Mat mat, int row, int col) { - this.mat = mat; - indices = new int[2]; - indices[0] = row; - indices[1] = col; - } - - protected AtableBase(Mat mat, int[] indices) { - this.mat = mat; - this.indices = indices; - } - - protected final Mat mat; - protected final int[] indices; - } - - private static class AtableByte extends AtableBase implements Atable { - - public AtableByte(Mat mat, int row, int col) { - super(mat, row, col); - } - - public AtableByte(Mat mat, int[] indices) { - super(mat, indices); - } - - @Override - public Byte getV() { - byte[] data = new byte[1]; - mat.get(indices, data); - return data[0]; - } - - @Override - public void setV(Byte v) { - byte[] data = new byte[] { v }; - mat.put(indices, data); - } - - @Override - public Tuple2 getV2c() { - byte[] data = new byte[2]; - mat.get(indices, data); - return new Tuple2(data[0], data[1]); - } - - @Override - public void setV2c(Tuple2 v) { - byte[] data = new byte[] { v._0, v._1 }; - mat.put(indices, data); - } - - @Override - public Tuple3 getV3c() { - byte[] data = new byte[3]; - mat.get(indices, data); - return new Tuple3(data[0], data[1], data[2]); - } - - @Override - public void setV3c(Tuple3 v) { - byte[] data = new byte[] { v._0, v._1, v._2 }; - mat.put(indices, data); - } - - @Override - public Tuple4 getV4c() { - byte[] data = new byte[4]; - mat.get(indices, data); - return new Tuple4(data[0], data[1], data[2], data[3]); - } - - @Override - public void setV4c(Tuple4 v) { - byte[] data = new byte[] { v._0, v._1, v._2, v._3 }; - mat.put(indices, data); - } - } - - private static class AtableDouble extends AtableBase implements Atable { - - public AtableDouble(Mat mat, int row, int col) { - super(mat, row, col); - } - - public AtableDouble(Mat mat, int[] indices) { - super(mat, indices); - } - - @Override - public Double getV() { - double[] data = new double[1]; - mat.get(indices, data); - return data[0]; - } - - @Override - public void setV(Double v) { - double[] data = new double[] { v }; - mat.put(indices, data); - } - - @Override - public Tuple2 getV2c() { - double[] data = new double[2]; - mat.get(indices, data); - return new Tuple2(data[0], data[1]); - } - - @Override - public void setV2c(Tuple2 v) { - double[] data = new double[] { v._0, v._1 }; - mat.put(indices, data); - } - - @Override - public Tuple3 getV3c() { - double[] data = new double[3]; - mat.get(indices, data); - return new Tuple3(data[0], data[1], data[2]); - } - - @Override - public void setV3c(Tuple3 v) { - double[] data = new double[] { v._0, v._1, v._2 }; - mat.put(indices, data); - } - - @Override - public Tuple4 getV4c() { - double[] data = new double[4]; - mat.get(indices, data); - return new Tuple4(data[0], data[1], data[2], data[3]); - } - - @Override - public void setV4c(Tuple4 v) { - double[] data = new double[] { v._0, v._1, v._2, v._3 }; - mat.put(indices, data); - } - } - - private static class AtableFloat extends AtableBase implements Atable { - - public AtableFloat(Mat mat, int row, int col) { - super(mat, row, col); - } - - public AtableFloat(Mat mat, int[] indices) { - super(mat, indices); - } - - @Override - public Float getV() { - float[] data = new float[1]; - mat.get(indices, data); - return data[0]; - } - - @Override - public void setV(Float v) { - float[] data = new float[] { v }; - mat.put(indices, data); - } - - @Override - public Tuple2 getV2c() { - float[] data = new float[2]; - mat.get(indices, data); - return new Tuple2(data[0], data[1]); - } - - @Override - public void setV2c(Tuple2 v) { - float[] data = new float[] { v._0, v._1 }; - mat.put(indices, data); - } - - @Override - public Tuple3 getV3c() { - float[] data = new float[3]; - mat.get(indices, data); - return new Tuple3(data[0], data[1], data[2]); - } - - @Override - public void setV3c(Tuple3 v) { - float[] data = new float[] { v._0, v._1, v._2 }; - mat.put(indices, data); - } - - @Override - public Tuple4 getV4c() { - float[] data = new float[4]; - mat.get(indices, data); - return new Tuple4(data[0], data[1], data[2], data[3]); - } - - @Override - public void setV4c(Tuple4 v) { - double[] data = new double[] { v._0, v._1, v._2, v._3 }; - mat.put(indices, data); - } - } - - private static class AtableInteger extends AtableBase implements Atable { - - public AtableInteger(Mat mat, int row, int col) { - super(mat, row, col); - } - - public AtableInteger(Mat mat, int[] indices) { - super(mat, indices); - } - - @Override - public Integer getV() { - int[] data = new int[1]; - mat.get(indices, data); - return data[0]; - } - - @Override - public void setV(Integer v) { - int[] data = new int[] { v }; - mat.put(indices, data); - } - - @Override - public Tuple2 getV2c() { - int[] data = new int[2]; - mat.get(indices, data); - return new Tuple2(data[0], data[1]); - } - - @Override - public void setV2c(Tuple2 v) { - int[] data = new int[] { v._0, v._1 }; - mat.put(indices, data); - } - - @Override - public Tuple3 getV3c() { - int[] data = new int[3]; - mat.get(indices, data); - return new Tuple3(data[0], data[1], data[2]); - } - - @Override - public void setV3c(Tuple3 v) { - int[] data = new int[] { v._0, v._1, v._2 }; - mat.put(indices, data); - } - - @Override - public Tuple4 getV4c() { - int[] data = new int[4]; - mat.get(indices, data); - return new Tuple4(data[0], data[1], data[2], data[3]); - } - - @Override - public void setV4c(Tuple4 v) { - int[] data = new int[] { v._0, v._1, v._2, v._3 }; - mat.put(indices, data); - } - } - - private static class AtableShort extends AtableBase implements Atable { - - public AtableShort(Mat mat, int row, int col) { - super(mat, row, col); - } - - public AtableShort(Mat mat, int[] indices) { - super(mat, indices); - } - - @Override - public Short getV() { - short[] data = new short[1]; - mat.get(indices, data); - return data[0]; - } - - @Override - public void setV(Short v) { - short[] data = new short[] { v }; - mat.put(indices, data); - } - - @Override - public Tuple2 getV2c() { - short[] data = new short[2]; - mat.get(indices, data); - return new Tuple2(data[0], data[1]); - } - - @Override - public void setV2c(Tuple2 v) { - short[] data = new short[] { v._0, v._1 }; - mat.put(indices, data); - } - - @Override - public Tuple3 getV3c() { - short[] data = new short[3]; - mat.get(indices, data); - return new Tuple3(data[0], data[1], data[2]); - } - - @Override - public void setV3c(Tuple3 v) { - short[] data = new short[] { v._0, v._1, v._2 }; - mat.put(indices, data); - } - - @Override - public Tuple4 getV4c() { - short[] data = new short[4]; - mat.get(indices, data); - return new Tuple4(data[0], data[1], data[2], data[3]); - } - - @Override - public void setV4c(Tuple4 v) { - short[] data = new short[] { v._0, v._1, v._2, v._3 }; - mat.put(indices, data); - } - } - - // javadoc:Mat::getNativeObjAddr() - public long getNativeObjAddr() { - return nativeObj; - } - - // C++: Mat::Mat() - private static native long n_Mat(); - - // C++: Mat::Mat(int rows, int cols, int type) - private static native long n_Mat(int rows, int cols, int type); - - // C++: Mat::Mat(int ndims, const int* sizes, int type) - private static native long n_Mat(int ndims, int[] sizes, int type); - - // C++: Mat::Mat(int rows, int cols, int type, void* data) - private static native long n_Mat(int rows, int cols, int type, ByteBuffer data); - - // C++: Mat::Mat(int rows, int cols, int type, void* data, size_t step) - private static native long n_Mat(int rows, int cols, int type, ByteBuffer data, long step); - - // C++: Mat::Mat(Size size, int type) - private static native long n_Mat(double size_width, double size_height, int type); - - // C++: Mat::Mat(int rows, int cols, int type, Scalar s) - private static native long n_Mat(int rows, int cols, int type, double s_val0, double s_val1, double s_val2, double s_val3); - - // C++: Mat::Mat(Size size, int type, Scalar s) - private static native long n_Mat(double size_width, double size_height, int type, double s_val0, double s_val1, double s_val2, double s_val3); - - // C++: Mat::Mat(int ndims, const int* sizes, int type, Scalar s) - private static native long n_Mat(int ndims, int[] sizes, int type, double s_val0, double s_val1, double s_val2, double s_val3); - - // C++: Mat::Mat(Mat m, Range rowRange, Range colRange = Range::all()) - private static native long n_Mat(long m_nativeObj, int rowRange_start, int rowRange_end, int colRange_start, int colRange_end); - - private static native long n_Mat(long m_nativeObj, int rowRange_start, int rowRange_end); - - // C++: Mat::Mat(const Mat& m, const std::vector& ranges) - private static native long n_Mat(long m_nativeObj, Range[] ranges); - - // C++: Mat Mat::adjustROI(int dtop, int dbottom, int dleft, int dright) - private static native long n_adjustROI(long nativeObj, int dtop, int dbottom, int dleft, int dright); - - // C++: void Mat::assignTo(Mat m, int type = -1) - private static native void n_assignTo(long nativeObj, long m_nativeObj, int type); - - private static native void n_assignTo(long nativeObj, long m_nativeObj); - - // C++: int Mat::channels() - private static native int n_channels(long nativeObj); - - // C++: int Mat::checkVector(int elemChannels, int depth = -1, bool - // requireContinuous = true) - private static native int n_checkVector(long nativeObj, int elemChannels, int depth, boolean requireContinuous); - - private static native int n_checkVector(long nativeObj, int elemChannels, int depth); - - private static native int n_checkVector(long nativeObj, int elemChannels); - - // C++: Mat Mat::clone() - private static native long n_clone(long nativeObj); - - // C++: Mat Mat::col(int x) - private static native long n_col(long nativeObj, int x); - - // C++: Mat Mat::colRange(int startcol, int endcol) - private static native long n_colRange(long nativeObj, int startcol, int endcol); - - // C++: int Mat::dims() - private static native int n_dims(long nativeObj); - - // C++: int Mat::cols() - private static native int n_cols(long nativeObj); - - // C++: void Mat::convertTo(Mat& m, int rtype, double alpha = 1, double beta - // = 0) - private static native void n_convertTo(long nativeObj, long m_nativeObj, int rtype, double alpha, double beta); - - private static native void n_convertTo(long nativeObj, long m_nativeObj, int rtype, double alpha); - - private static native void n_convertTo(long nativeObj, long m_nativeObj, int rtype); - - // C++: void Mat::copyTo(Mat& m) - private static native void n_copyTo(long nativeObj, long m_nativeObj); - - // C++: void Mat::copyTo(Mat& m, Mat mask) - private static native void n_copyTo(long nativeObj, long m_nativeObj, long mask_nativeObj); - - // C++: void Mat::create(int rows, int cols, int type) - private static native void n_create(long nativeObj, int rows, int cols, int type); - - // C++: void Mat::create(Size size, int type) - private static native void n_create(long nativeObj, double size_width, double size_height, int type); - - // C++: void Mat::create(int ndims, const int* sizes, int type) - private static native void n_create(long nativeObj, int ndims, int[] sizes, int type); - - // C++: void Mat::copySize(const Mat& m) - private static native void n_copySize(long nativeObj, long m_nativeObj); - - // C++: Mat Mat::cross(Mat m) - private static native long n_cross(long nativeObj, long m_nativeObj); - - // C++: long Mat::dataAddr() - private static native long n_dataAddr(long nativeObj); - - // C++: int Mat::depth() - private static native int n_depth(long nativeObj); - - // C++: Mat Mat::diag(int d = 0) - private static native long n_diag(long nativeObj, int d); - - // C++: static Mat Mat::diag(Mat d) - private static native long n_diag(long d_nativeObj); - - // C++: double Mat::dot(Mat m) - private static native double n_dot(long nativeObj, long m_nativeObj); - - // C++: size_t Mat::elemSize() - private static native long n_elemSize(long nativeObj); - - // C++: size_t Mat::elemSize1() - private static native long n_elemSize1(long nativeObj); - - // C++: bool Mat::empty() - private static native boolean n_empty(long nativeObj); - - // C++: static Mat Mat::eye(int rows, int cols, int type) - private static native long n_eye(int rows, int cols, int type); - - // C++: static Mat Mat::eye(Size size, int type) - private static native long n_eye(double size_width, double size_height, int type); - - // C++: Mat Mat::inv(int method = DECOMP_LU) - private static native long n_inv(long nativeObj, int method); - - private static native long n_inv(long nativeObj); - - // C++: bool Mat::isContinuous() - private static native boolean n_isContinuous(long nativeObj); - - // C++: bool Mat::isSubmatrix() - private static native boolean n_isSubmatrix(long nativeObj); - - // C++: void Mat::locateROI(Size wholeSize, Point ofs) - private static native void locateROI_0(long nativeObj, double[] wholeSize_out, double[] ofs_out); - - // C++: Mat Mat::mul(Mat m, double scale = 1) - private static native long n_mul(long nativeObj, long m_nativeObj, double scale); - - private static native long n_mul(long nativeObj, long m_nativeObj); - - private static native long n_matMul(long nativeObj, long m_nativeObj); - - // C++: static Mat Mat::ones(int rows, int cols, int type) - private static native long n_ones(int rows, int cols, int type); - - // C++: static Mat Mat::ones(Size size, int type) - private static native long n_ones(double size_width, double size_height, int type); - - // C++: static Mat Mat::ones(int ndims, const int* sizes, int type) - private static native long n_ones(int ndims, int[] sizes, int type); - - // C++: void Mat::push_back(Mat m) - private static native void n_push_back(long nativeObj, long m_nativeObj); - - // C++: void Mat::release() - private static native void n_release(long nativeObj); - - // C++: Mat Mat::reshape(int cn, int rows = 0) - private static native long n_reshape(long nativeObj, int cn, int rows); - - private static native long n_reshape(long nativeObj, int cn); - - // C++: Mat Mat::reshape(int cn, int newndims, const int* newsz) - private static native long n_reshape_1(long nativeObj, int cn, int newndims, int[] newsz); - - // C++: Mat Mat::row(int y) - private static native long n_row(long nativeObj, int y); - - // C++: Mat Mat::rowRange(int startrow, int endrow) - private static native long n_rowRange(long nativeObj, int startrow, int endrow); - - // C++: int Mat::rows() - private static native int n_rows(long nativeObj); - - // C++: Mat Mat::operator =(Scalar s) - private static native long n_setTo(long nativeObj, double s_val0, double s_val1, double s_val2, double s_val3); - - // C++: Mat Mat::setTo(Scalar value, Mat mask = Mat()) - private static native long n_setTo(long nativeObj, double s_val0, double s_val1, double s_val2, double s_val3, long mask_nativeObj); - - // C++: Mat Mat::setTo(Mat value, Mat mask = Mat()) - private static native long n_setTo(long nativeObj, long value_nativeObj, long mask_nativeObj); - - private static native long n_setTo(long nativeObj, long value_nativeObj); - - // C++: Size Mat::size() - private static native double[] n_size(long nativeObj); - - // C++: int Mat::size(int i) - private static native int n_size_i(long nativeObj, int i); - - // C++: size_t Mat::step1(int i = 0) - private static native long n_step1(long nativeObj, int i); - - private static native long n_step1(long nativeObj); - - // C++: Mat Mat::operator()(Range rowRange, Range colRange) - private static native long n_submat_rr(long nativeObj, int rowRange_start, int rowRange_end, int colRange_start, int colRange_end); - - // C++: Mat Mat::operator()(const std::vector& ranges) - private static native long n_submat_ranges(long nativeObj, Range[] ranges); - - // C++: Mat Mat::operator()(Rect roi) - private static native long n_submat(long nativeObj, int roi_x, int roi_y, int roi_width, int roi_height); - - // C++: Mat Mat::t() - private static native long n_t(long nativeObj); - - // C++: size_t Mat::total() - private static native long n_total(long nativeObj); - - // C++: int Mat::type() - private static native int n_type(long nativeObj); - - // C++: static Mat Mat::zeros(int rows, int cols, int type) - private static native long n_zeros(int rows, int cols, int type); - - // C++: static Mat Mat::zeros(Size size, int type) - private static native long n_zeros(double size_width, double size_height, int type); - - // C++: static Mat Mat::zeros(int ndims, const int* sizes, int type) - private static native long n_zeros(int ndims, int[] sizes, int type); - - // native support for java finalize() - private static native void n_delete(long nativeObj); - - private static native int nPutD(long self, int row, int col, int count, double[] data); - - private static native int nPutDIdx(long self, int[] idx, int count, double[] data); - - private static native int nPutF(long self, int row, int col, int count, float[] data); - - private static native int nPutFIdx(long self, int[] idx, int count, float[] data); - - private static native int nPutI(long self, int row, int col, int count, int[] data); - - private static native int nPutIIdx(long self, int[] idx, int count, int[] data); - - private static native int nPutS(long self, int row, int col, int count, short[] data); - - private static native int nPutSIdx(long self, int[] idx, int count, short[] data); - - private static native int nPutB(long self, int row, int col, int count, byte[] data); - - private static native int nPutBIdx(long self, int[] idx, int count, byte[] data); - - private static native int nPutBwOffset(long self, int row, int col, int count, int offset, byte[] data); - - private static native int nPutBwIdxOffset(long self, int[] idx, int count, int offset, byte[] data); - - private static native int nGetB(long self, int row, int col, int count, byte[] vals); - - private static native int nGetBIdx(long self, int[] idx, int count, byte[] vals); - - private static native int nGetS(long self, int row, int col, int count, short[] vals); - - private static native int nGetSIdx(long self, int[] idx, int count, short[] vals); - - private static native int nGetI(long self, int row, int col, int count, int[] vals); - - private static native int nGetIIdx(long self, int[] idx, int count, int[] vals); - - private static native int nGetF(long self, int row, int col, int count, float[] vals); - - private static native int nGetFIdx(long self, int[] idx, int count, float[] vals); - - private static native int nGetD(long self, int row, int col, int count, double[] vals); - - private static native int nGetDIdx(long self, int[] idx, int count, double[] vals); - - private static native double[] nGet(long self, int row, int col); - - private static native double[] nGetIdx(long self, int[] idx); - - private static native String nDump(long self); -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatAt.kt b/vendor/opencv/sdk/java/src/org/opencv/core/MatAt.kt deleted file mode 100644 index d50c3fbb0f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatAt.kt +++ /dev/null @@ -1,162 +0,0 @@ -package org.opencv.core - -import org.opencv.core.Mat.* -import java.lang.RuntimeException - -fun Mat.get(row: Int, col: Int, data: UByteArray) = this.get(row, col, data.asByteArray()) -fun Mat.get(indices: IntArray, data: UByteArray) = this.get(indices, data.asByteArray()) -fun Mat.put(row: Int, col: Int, data: UByteArray) = this.put(row, col, data.asByteArray()) -fun Mat.put(indices: IntArray, data: UByteArray) = this.put(indices, data.asByteArray()) - -fun Mat.get(row: Int, col: Int, data: UShortArray) = this.get(row, col, data.asShortArray()) -fun Mat.get(indices: IntArray, data: UShortArray) = this.get(indices, data.asShortArray()) -fun Mat.put(row: Int, col: Int, data: UShortArray) = this.put(row, col, data.asShortArray()) -fun Mat.put(indices: IntArray, data: UShortArray) = this.put(indices, data.asShortArray()) - -/*** - * Example use: - * - * val (b, g, r) = mat.at(50, 50).v3c - * mat.at(50, 50).val = T3(245u, 113u, 34u) - * - */ -@Suppress("UNCHECKED_CAST") -inline fun Mat.at(row: Int, col: Int) : Atable = - when (T::class) { - Byte::class, Double::class, Float::class, Int::class, Short::class -> this.at( - T::class.java, - row, - col - ) - UByte::class -> AtableUByte(this, row, col) as Atable - UShort::class -> AtableUShort(this, row, col) as Atable - else -> throw RuntimeException("Unsupported class type") - } - -@Suppress("UNCHECKED_CAST") -inline fun Mat.at(idx: IntArray) : Atable = - when (T::class) { - Byte::class, Double::class, Float::class, Int::class, Short::class -> this.at( - T::class.java, - idx - ) - UByte::class -> AtableUByte(this, idx) as Atable - UShort::class -> AtableUShort(this, idx) as Atable - else -> throw RuntimeException("Unsupported class type") - } - -class AtableUByte(val mat: Mat, val indices: IntArray): Atable { - - - constructor(mat: Mat, row: Int, col: Int) : this(mat, intArrayOf(row, col)) - - override fun getV(): UByte { - val data = ByteArray(1) - mat.get(indices, data) - return data[0].toUByte() - } - - override fun setV(v: UByte) { - val data = byteArrayOf(v.toByte()) - mat.put(indices, data) - } - - override fun getV2c(): Tuple2 { - val data = ByteArray(2) - mat.get(indices, data) - return Tuple2(data[0].toUByte(), data[1].toUByte()) - } - - override fun setV2c(v: Tuple2) { - val data = byteArrayOf(v._0.toByte(), v._1.toByte()) - mat.put(indices, data) - } - - override fun getV3c(): Tuple3 { - val data = ByteArray(3) - mat.get(indices, data) - return Tuple3(data[0].toUByte(), data[1].toUByte(), data[2].toUByte()) - } - - override fun setV3c(v: Tuple3) { - val data = byteArrayOf(v._0.toByte(), v._1.toByte(), v._2.toByte()) - mat.put(indices, data) - } - - override fun getV4c(): Tuple4 { - val data = ByteArray(4) - mat.get(indices, data) - return Tuple4(data[0].toUByte(), data[1].toUByte(), data[2].toUByte(), data[3].toUByte()) - } - - override fun setV4c(v: Tuple4) { - val data = byteArrayOf(v._0.toByte(), v._1.toByte(), v._2.toByte(), v._3.toByte()) - mat.put(indices, data) - } -} - -class AtableUShort(val mat: Mat, val indices: IntArray): Atable { - - constructor(mat: Mat, row: Int, col: Int) : this(mat, intArrayOf(row, col)) - - override fun getV(): UShort { - val data = ShortArray(1) - mat.get(indices, data) - return data[0].toUShort() - } - - override fun setV(v: UShort) { - val data = shortArrayOf(v.toShort()) - mat.put(indices, data) - } - - override fun getV2c(): Tuple2 { - val data = ShortArray(2) - mat.get(indices, data) - return Tuple2(data[0].toUShort(), data[1].toUShort()) - } - - - override fun setV2c(v: Tuple2) { - val data = shortArrayOf(v._0.toShort(), v._1.toShort()) - mat.put(indices, data) - } - - override fun getV3c(): Tuple3 { - val data = ShortArray(3) - mat.get(indices, data) - return Tuple3(data[0].toUShort(), data[1].toUShort(), data[2].toUShort()) - } - - override fun setV3c(v: Tuple3) { - val data = shortArrayOf(v._0.toShort(), v._1.toShort(), v._2.toShort()) - mat.put(indices, data) - } - - override fun getV4c(): Tuple4 { - val data = ShortArray(4) - mat.get(indices, data) - return Tuple4(data[0].toUShort(), data[1].toUShort(), data[2].toUShort(), data[3].toUShort()) - } - - override fun setV4c(v: Tuple4) { - val data = shortArrayOf(v._0.toShort(), v._1.toShort(), v._2.toShort(), v._3.toShort()) - mat.put(indices, data) - } -} - -operator fun Tuple2.component1(): T = this._0 -operator fun Tuple2.component2(): T = this._1 - -operator fun Tuple3.component1(): T = this._0 -operator fun Tuple3.component2(): T = this._1 -operator fun Tuple3.component3(): T = this._2 - -operator fun Tuple4.component1(): T = this._0 -operator fun Tuple4.component2(): T = this._1 -operator fun Tuple4.component3(): T = this._2 -operator fun Tuple4.component4(): T = this._3 - -fun T2(_0: T, _1: T) : Tuple2 = Tuple2(_0, _1) -fun T3(_0: T, _1: T, _2: T) : Tuple3 = Tuple3(_0, _1, _2) -fun T4(_0: T, _1: T, _2: T, _3: T) : Tuple4 = Tuple4(_0, _1, _2, _3) diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatMatMul.kt b/vendor/opencv/sdk/java/src/org/opencv/core/MatMatMul.kt deleted file mode 100644 index 3dcb6bde79..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatMatMul.kt +++ /dev/null @@ -1,3 +0,0 @@ -package org.opencv.core - -operator fun Mat.times(other: Mat): Mat = this.matMul(other) diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfByte.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfByte.java deleted file mode 100644 index eb928fb0a9..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfByte.java +++ /dev/null @@ -1,98 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfByte extends Mat { - // 8UC(x) - private static final int _depth = CvType.CV_8U; - private static final int _channels = 1; - - public MatOfByte() { - super(); - } - - protected MatOfByte(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfByte fromNativeAddr(long addr) { - return new MatOfByte(addr); - } - - public MatOfByte(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfByte(byte...a) { - super(); - fromArray(a); - } - - public MatOfByte(int offset, int length, byte...a) { - super(); - fromArray(offset, length, a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(byte...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public void fromArray(int offset, int length, byte...a) { - if (offset < 0) - throw new IllegalArgumentException("offset < 0"); - if (a == null) - throw new NullPointerException(); - if (length < 0 || length + offset > a.length) - throw new IllegalArgumentException("invalid 'length' parameter: " + Integer.toString(length)); - if (a.length == 0) - return; - int num = length / _channels; - alloc(num); - put(0, 0, a, offset, length); //TODO: check ret val! - } - - public byte[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - byte[] a = new byte[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Byte ab[] = lb.toArray(new Byte[0]); - byte a[] = new byte[ab.length]; - for(int i=0; i toList() { - byte[] a = toArray(); - Byte ab[] = new Byte[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - - public void fromArray(DMatch...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - float buff[] = new float[num * _channels]; - for(int i=0; i ldm) { - DMatch adm[] = ldm.toArray(new DMatch[0]); - fromArray(adm); - } - - public List toList() { - DMatch[] adm = toArray(); - return Arrays.asList(adm); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfDouble.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfDouble.java deleted file mode 100644 index 1a8e23ca30..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfDouble.java +++ /dev/null @@ -1,79 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfDouble extends Mat { - // 64FC(x) - private static final int _depth = CvType.CV_64F; - private static final int _channels = 1; - - public MatOfDouble() { - super(); - } - - protected MatOfDouble(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfDouble fromNativeAddr(long addr) { - return new MatOfDouble(addr); - } - - public MatOfDouble(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfDouble(double...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(double...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public double[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - double[] a = new double[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Double ab[] = lb.toArray(new Double[0]); - double a[] = new double[ab.length]; - for(int i=0; i toList() { - double[] a = toArray(); - Double ab[] = new Double[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(float...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public float[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - float[] a = new float[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Float ab[] = lb.toArray(new Float[0]); - float a[] = new float[ab.length]; - for(int i=0; i toList() { - float[] a = toArray(); - Float ab[] = new Float[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(float...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public float[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - float[] a = new float[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Float ab[] = lb.toArray(new Float[0]); - float a[] = new float[ab.length]; - for(int i=0; i toList() { - float[] a = toArray(); - Float ab[] = new Float[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(float...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public float[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - float[] a = new float[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Float ab[] = lb.toArray(new Float[0]); - float a[] = new float[ab.length]; - for(int i=0; i toList() { - float[] a = toArray(); - Float ab[] = new Float[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(int...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public int[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - int[] a = new int[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Integer ab[] = lb.toArray(new Integer[0]); - int a[] = new int[ab.length]; - for(int i=0; i toList() { - int[] a = toArray(); - Integer ab[] = new Integer[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(int...a) { - if(a==null || a.length==0) - return; - int num = a.length / _channels; - alloc(num); - put(0, 0, a); //TODO: check ret val! - } - - public int[] toArray() { - int num = checkVector(_channels, _depth); - if(num < 0) - throw new RuntimeException("Native Mat has unexpected type or size: " + toString()); - int[] a = new int[num * _channels]; - if(num == 0) - return a; - get(0, 0, a); //TODO: check ret val! - return a; - } - - public void fromList(List lb) { - if(lb==null || lb.size()==0) - return; - Integer ab[] = lb.toArray(new Integer[0]); - int a[] = new int[ab.length]; - for(int i=0; i toList() { - int[] a = toArray(); - Integer ab[] = new Integer[a.length]; - for(int i=0; i0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(KeyPoint...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - float buff[] = new float[num * _channels]; - for(int i=0; i lkp) { - KeyPoint akp[] = lkp.toArray(new KeyPoint[0]); - fromArray(akp); - } - - public List toList() { - KeyPoint[] akp = toArray(); - return Arrays.asList(akp); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint.java deleted file mode 100644 index f4d573bb73..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint.java +++ /dev/null @@ -1,78 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfPoint extends Mat { - // 32SC2 - private static final int _depth = CvType.CV_32S; - private static final int _channels = 2; - - public MatOfPoint() { - super(); - } - - protected MatOfPoint(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfPoint fromNativeAddr(long addr) { - return new MatOfPoint(addr); - } - - public MatOfPoint(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfPoint(Point...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Point...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - int buff[] = new int[num * _channels]; - for(int i=0; i lp) { - Point ap[] = lp.toArray(new Point[0]); - fromArray(ap); - } - - public List toList() { - Point[] ap = toArray(); - return Arrays.asList(ap); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint2f.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint2f.java deleted file mode 100644 index 4b8c926fff..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint2f.java +++ /dev/null @@ -1,78 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfPoint2f extends Mat { - // 32FC2 - private static final int _depth = CvType.CV_32F; - private static final int _channels = 2; - - public MatOfPoint2f() { - super(); - } - - protected MatOfPoint2f(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfPoint2f fromNativeAddr(long addr) { - return new MatOfPoint2f(addr); - } - - public MatOfPoint2f(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfPoint2f(Point...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Point...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - float buff[] = new float[num * _channels]; - for(int i=0; i lp) { - Point ap[] = lp.toArray(new Point[0]); - fromArray(ap); - } - - public List toList() { - Point[] ap = toArray(); - return Arrays.asList(ap); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3.java deleted file mode 100644 index 3b50561e91..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3.java +++ /dev/null @@ -1,79 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfPoint3 extends Mat { - // 32SC3 - private static final int _depth = CvType.CV_32S; - private static final int _channels = 3; - - public MatOfPoint3() { - super(); - } - - protected MatOfPoint3(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfPoint3 fromNativeAddr(long addr) { - return new MatOfPoint3(addr); - } - - public MatOfPoint3(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfPoint3(Point3...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Point3...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - int buff[] = new int[num * _channels]; - for(int i=0; i lp) { - Point3 ap[] = lp.toArray(new Point3[0]); - fromArray(ap); - } - - public List toList() { - Point3[] ap = toArray(); - return Arrays.asList(ap); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3f.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3f.java deleted file mode 100644 index fc5fee436d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfPoint3f.java +++ /dev/null @@ -1,79 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -public class MatOfPoint3f extends Mat { - // 32FC3 - private static final int _depth = CvType.CV_32F; - private static final int _channels = 3; - - public MatOfPoint3f() { - super(); - } - - protected MatOfPoint3f(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfPoint3f fromNativeAddr(long addr) { - return new MatOfPoint3f(addr); - } - - public MatOfPoint3f(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfPoint3f(Point3...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Point3...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - float buff[] = new float[num * _channels]; - for(int i=0; i lp) { - Point3 ap[] = lp.toArray(new Point3[0]); - fromArray(ap); - } - - public List toList() { - Point3[] ap = toArray(); - return Arrays.asList(ap); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect.java deleted file mode 100644 index ec0fb01e4a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect.java +++ /dev/null @@ -1,81 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - - -public class MatOfRect extends Mat { - // 32SC4 - private static final int _depth = CvType.CV_32S; - private static final int _channels = 4; - - public MatOfRect() { - super(); - } - - protected MatOfRect(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfRect fromNativeAddr(long addr) { - return new MatOfRect(addr); - } - - public MatOfRect(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfRect(Rect...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Rect...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - int buff[] = new int[num * _channels]; - for(int i=0; i lr) { - Rect ap[] = lr.toArray(new Rect[0]); - fromArray(ap); - } - - public List toList() { - Rect[] ar = toArray(); - return Arrays.asList(ar); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect2d.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect2d.java deleted file mode 100644 index 71c4b1aef6..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRect2d.java +++ /dev/null @@ -1,81 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - - -public class MatOfRect2d extends Mat { - // 64FC4 - private static final int _depth = CvType.CV_64F; - private static final int _channels = 4; - - public MatOfRect2d() { - super(); - } - - protected MatOfRect2d(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfRect2d fromNativeAddr(long addr) { - return new MatOfRect2d(addr); - } - - public MatOfRect2d(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfRect2d(Rect2d...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(Rect2d...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - double buff[] = new double[num * _channels]; - for(int i=0; i lr) { - Rect2d ap[] = lr.toArray(new Rect2d[0]); - fromArray(ap); - } - - public List toList() { - Rect2d[] ar = toArray(); - return Arrays.asList(ar); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRotatedRect.java b/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRotatedRect.java deleted file mode 100644 index 6f36e6ca6c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/MatOfRotatedRect.java +++ /dev/null @@ -1,86 +0,0 @@ -package org.opencv.core; - -import java.util.Arrays; -import java.util.List; - -import org.opencv.core.RotatedRect; - - - -public class MatOfRotatedRect extends Mat { - // 32FC5 - private static final int _depth = CvType.CV_32F; - private static final int _channels = 5; - - public MatOfRotatedRect() { - super(); - } - - protected MatOfRotatedRect(long addr) { - super(addr); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public static MatOfRotatedRect fromNativeAddr(long addr) { - return new MatOfRotatedRect(addr); - } - - public MatOfRotatedRect(Mat m) { - super(m, Range.all()); - if( !empty() && checkVector(_channels, _depth) < 0 ) - throw new IllegalArgumentException("Incompatible Mat"); - //FIXME: do we need release() here? - } - - public MatOfRotatedRect(RotatedRect...a) { - super(); - fromArray(a); - } - - public void alloc(int elemNumber) { - if(elemNumber>0) - super.create(elemNumber, 1, CvType.makeType(_depth, _channels)); - } - - public void fromArray(RotatedRect...a) { - if(a==null || a.length==0) - return; - int num = a.length; - alloc(num); - float buff[] = new float[num * _channels]; - for(int i=0; i lr) { - RotatedRect ap[] = lr.toArray(new RotatedRect[0]); - fromArray(ap); - } - - public List toList() { - RotatedRect[] ar = toArray(); - return Arrays.asList(ar); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Point.java b/vendor/opencv/sdk/java/src/org/opencv/core/Point.java deleted file mode 100644 index ce493d7400..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Point.java +++ /dev/null @@ -1,68 +0,0 @@ -package org.opencv.core; - -//javadoc:Point_ -public class Point { - - public double x, y; - - public Point(double x, double y) { - this.x = x; - this.y = y; - } - - public Point() { - this(0, 0); - } - - public Point(double[] vals) { - this(); - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - x = vals.length > 0 ? vals[0] : 0; - y = vals.length > 1 ? vals[1] : 0; - } else { - x = 0; - y = 0; - } - } - - public Point clone() { - return new Point(x, y); - } - - public double dot(Point p) { - return x * p.x + y * p.y; - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(x); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(y); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Point)) return false; - Point it = (Point) obj; - return x == it.x && y == it.y; - } - - public boolean inside(Rect r) { - return r.contains(this); - } - - @Override - public String toString() { - return "{" + x + ", " + y + "}"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Point3.java b/vendor/opencv/sdk/java/src/org/opencv/core/Point3.java deleted file mode 100644 index 14b91c6b21..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Point3.java +++ /dev/null @@ -1,79 +0,0 @@ -package org.opencv.core; - -//javadoc:Point3_ -public class Point3 { - - public double x, y, z; - - public Point3(double x, double y, double z) { - this.x = x; - this.y = y; - this.z = z; - } - - public Point3() { - this(0, 0, 0); - } - - public Point3(Point p) { - x = p.x; - y = p.y; - z = 0; - } - - public Point3(double[] vals) { - this(); - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - x = vals.length > 0 ? vals[0] : 0; - y = vals.length > 1 ? vals[1] : 0; - z = vals.length > 2 ? vals[2] : 0; - } else { - x = 0; - y = 0; - z = 0; - } - } - - public Point3 clone() { - return new Point3(x, y, z); - } - - public double dot(Point3 p) { - return x * p.x + y * p.y + z * p.z; - } - - public Point3 cross(Point3 p) { - return new Point3(y * p.z - z * p.y, z * p.x - x * p.z, x * p.y - y * p.x); - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(x); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(y); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(z); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Point3)) return false; - Point3 it = (Point3) obj; - return x == it.x && y == it.y && z == it.z; - } - - @Override - public String toString() { - return "{" + x + ", " + y + ", " + z + "}"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Range.java b/vendor/opencv/sdk/java/src/org/opencv/core/Range.java deleted file mode 100644 index f7eee4ddc3..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Range.java +++ /dev/null @@ -1,82 +0,0 @@ -package org.opencv.core; - -//javadoc:Range -public class Range { - - public int start, end; - - public Range(int s, int e) { - this.start = s; - this.end = e; - } - - public Range() { - this(0, 0); - } - - public Range(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - start = vals.length > 0 ? (int) vals[0] : 0; - end = vals.length > 1 ? (int) vals[1] : 0; - } else { - start = 0; - end = 0; - } - - } - - public int size() { - return empty() ? 0 : end - start; - } - - public boolean empty() { - return end <= start; - } - - public static Range all() { - return new Range(Integer.MIN_VALUE, Integer.MAX_VALUE); - } - - public Range intersection(Range r1) { - Range r = new Range(Math.max(r1.start, this.start), Math.min(r1.end, this.end)); - r.end = Math.max(r.end, r.start); - return r; - } - - public Range shift(int delta) { - return new Range(start + delta, end + delta); - } - - public Range clone() { - return new Range(start, end); - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(start); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(end); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Range)) return false; - Range it = (Range) obj; - return start == it.start && end == it.end; - } - - @Override - public String toString() { - return "[" + start + ", " + end + ")"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Rect.java b/vendor/opencv/sdk/java/src/org/opencv/core/Rect.java deleted file mode 100644 index c68e818ea4..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Rect.java +++ /dev/null @@ -1,104 +0,0 @@ -package org.opencv.core; - -//javadoc:Rect_ -public class Rect { - - public int x, y, width, height; - - public Rect(int x, int y, int width, int height) { - this.x = x; - this.y = y; - this.width = width; - this.height = height; - } - - public Rect() { - this(0, 0, 0, 0); - } - - public Rect(Point p1, Point p2) { - x = (int) (p1.x < p2.x ? p1.x : p2.x); - y = (int) (p1.y < p2.y ? p1.y : p2.y); - width = (int) (p1.x > p2.x ? p1.x : p2.x) - x; - height = (int) (p1.y > p2.y ? p1.y : p2.y) - y; - } - - public Rect(Point p, Size s) { - this((int) p.x, (int) p.y, (int) s.width, (int) s.height); - } - - public Rect(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - x = vals.length > 0 ? (int) vals[0] : 0; - y = vals.length > 1 ? (int) vals[1] : 0; - width = vals.length > 2 ? (int) vals[2] : 0; - height = vals.length > 3 ? (int) vals[3] : 0; - } else { - x = 0; - y = 0; - width = 0; - height = 0; - } - } - - public Rect clone() { - return new Rect(x, y, width, height); - } - - public Point tl() { - return new Point(x, y); - } - - public Point br() { - return new Point(x + width, y + height); - } - - public Size size() { - return new Size(width, height); - } - - public double area() { - return width * height; - } - - public boolean empty() { - return width <= 0 || height <= 0; - } - - public boolean contains(Point p) { - return x <= p.x && p.x < x + width && y <= p.y && p.y < y + height; - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(height); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(width); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(x); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(y); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Rect)) return false; - Rect it = (Rect) obj; - return x == it.x && y == it.y && width == it.width && height == it.height; - } - - @Override - public String toString() { - return "{" + x + ", " + y + ", " + width + "x" + height + "}"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Rect2d.java b/vendor/opencv/sdk/java/src/org/opencv/core/Rect2d.java deleted file mode 100644 index 4c27869635..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Rect2d.java +++ /dev/null @@ -1,104 +0,0 @@ -package org.opencv.core; - -//javadoc:Rect2d_ -public class Rect2d { - - public double x, y, width, height; - - public Rect2d(double x, double y, double width, double height) { - this.x = x; - this.y = y; - this.width = width; - this.height = height; - } - - public Rect2d() { - this(0, 0, 0, 0); - } - - public Rect2d(Point p1, Point p2) { - x = (double) (p1.x < p2.x ? p1.x : p2.x); - y = (double) (p1.y < p2.y ? p1.y : p2.y); - width = (double) (p1.x > p2.x ? p1.x : p2.x) - x; - height = (double) (p1.y > p2.y ? p1.y : p2.y) - y; - } - - public Rect2d(Point p, Size s) { - this((double) p.x, (double) p.y, (double) s.width, (double) s.height); - } - - public Rect2d(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - x = vals.length > 0 ? (double) vals[0] : 0; - y = vals.length > 1 ? (double) vals[1] : 0; - width = vals.length > 2 ? (double) vals[2] : 0; - height = vals.length > 3 ? (double) vals[3] : 0; - } else { - x = 0; - y = 0; - width = 0; - height = 0; - } - } - - public Rect2d clone() { - return new Rect2d(x, y, width, height); - } - - public Point tl() { - return new Point(x, y); - } - - public Point br() { - return new Point(x + width, y + height); - } - - public Size size() { - return new Size(width, height); - } - - public double area() { - return width * height; - } - - public boolean empty() { - return width <= 0 || height <= 0; - } - - public boolean contains(Point p) { - return x <= p.x && p.x < x + width && y <= p.y && p.y < y + height; - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(height); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(width); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(x); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(y); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Rect2d)) return false; - Rect2d it = (Rect2d) obj; - return x == it.x && y == it.y && width == it.width && height == it.height; - } - - @Override - public String toString() { - return "{" + x + ", " + y + ", " + width + "x" + height + "}"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/RotatedRect.java b/vendor/opencv/sdk/java/src/org/opencv/core/RotatedRect.java deleted file mode 100644 index 05ee3811fe..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/RotatedRect.java +++ /dev/null @@ -1,113 +0,0 @@ -package org.opencv.core; - -//javadoc:RotatedRect_ -public class RotatedRect { - - public Point center; - public Size size; - public double angle; - - public RotatedRect() { - this.center = new Point(); - this.size = new Size(); - this.angle = 0; - } - - public RotatedRect(Point c, Size s, double a) { - this.center = c.clone(); - this.size = s.clone(); - this.angle = a; - } - - public RotatedRect(double[] vals) { - this(); - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - center.x = vals.length > 0 ? (double) vals[0] : 0; - center.y = vals.length > 1 ? (double) vals[1] : 0; - size.width = vals.length > 2 ? (double) vals[2] : 0; - size.height = vals.length > 3 ? (double) vals[3] : 0; - angle = vals.length > 4 ? (double) vals[4] : 0; - } else { - center.x = 0; - center.y = 0; - size.width = 0; - size.height = 0; - angle = 0; - } - } - - public void points(Point pt[]) - { - double _angle = angle * Math.PI / 180.0; - double b = (double) Math.cos(_angle) * 0.5f; - double a = (double) Math.sin(_angle) * 0.5f; - - pt[0] = new Point( - center.x - a * size.height - b * size.width, - center.y + b * size.height - a * size.width); - - pt[1] = new Point( - center.x + a * size.height - b * size.width, - center.y - b * size.height - a * size.width); - - pt[2] = new Point( - 2 * center.x - pt[0].x, - 2 * center.y - pt[0].y); - - pt[3] = new Point( - 2 * center.x - pt[1].x, - 2 * center.y - pt[1].y); - } - - public Rect boundingRect() - { - Point pt[] = new Point[4]; - points(pt); - Rect r = new Rect((int) Math.floor(Math.min(Math.min(Math.min(pt[0].x, pt[1].x), pt[2].x), pt[3].x)), - (int) Math.floor(Math.min(Math.min(Math.min(pt[0].y, pt[1].y), pt[2].y), pt[3].y)), - (int) Math.ceil(Math.max(Math.max(Math.max(pt[0].x, pt[1].x), pt[2].x), pt[3].x)), - (int) Math.ceil(Math.max(Math.max(Math.max(pt[0].y, pt[1].y), pt[2].y), pt[3].y))); - r.width -= r.x - 1; - r.height -= r.y - 1; - return r; - } - - public RotatedRect clone() { - return new RotatedRect(center, size, angle); - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(center.x); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(center.y); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(size.width); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(size.height); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(angle); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof RotatedRect)) return false; - RotatedRect it = (RotatedRect) obj; - return center.equals(it.center) && size.equals(it.size) && angle == it.angle; - } - - @Override - public String toString() { - return "{ " + center + " " + size + " * " + angle + " }"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Scalar.java b/vendor/opencv/sdk/java/src/org/opencv/core/Scalar.java deleted file mode 100644 index 01676e4cb5..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Scalar.java +++ /dev/null @@ -1,90 +0,0 @@ -package org.opencv.core; - -//javadoc:Scalar_ -public class Scalar { - - public double val[]; - - public Scalar(double v0, double v1, double v2, double v3) { - val = new double[] { v0, v1, v2, v3 }; - } - - public Scalar(double v0, double v1, double v2) { - val = new double[] { v0, v1, v2, 0 }; - } - - public Scalar(double v0, double v1) { - val = new double[] { v0, v1, 0, 0 }; - } - - public Scalar(double v0) { - val = new double[] { v0, 0, 0, 0 }; - } - - public Scalar(double[] vals) { - if (vals != null && vals.length == 4) - val = vals.clone(); - else { - val = new double[4]; - set(vals); - } - } - - public void set(double[] vals) { - if (vals != null) { - val[0] = vals.length > 0 ? vals[0] : 0; - val[1] = vals.length > 1 ? vals[1] : 0; - val[2] = vals.length > 2 ? vals[2] : 0; - val[3] = vals.length > 3 ? vals[3] : 0; - } else - val[0] = val[1] = val[2] = val[3] = 0; - } - - public static Scalar all(double v) { - return new Scalar(v, v, v, v); - } - - public Scalar clone() { - return new Scalar(val); - } - - public Scalar mul(Scalar it, double scale) { - return new Scalar(val[0] * it.val[0] * scale, val[1] * it.val[1] * scale, - val[2] * it.val[2] * scale, val[3] * it.val[3] * scale); - } - - public Scalar mul(Scalar it) { - return mul(it, 1); - } - - public Scalar conj() { - return new Scalar(val[0], -val[1], -val[2], -val[3]); - } - - public boolean isReal() { - return val[1] == 0 && val[2] == 0 && val[3] == 0; - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - result = prime * result + java.util.Arrays.hashCode(val); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Scalar)) return false; - Scalar it = (Scalar) obj; - if (!java.util.Arrays.equals(val, it.val)) return false; - return true; - } - - @Override - public String toString() { - return "[" + val[0] + ", " + val[1] + ", " + val[2] + ", " + val[3] + "]"; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/Size.java b/vendor/opencv/sdk/java/src/org/opencv/core/Size.java deleted file mode 100644 index f7d69f37cd..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/Size.java +++ /dev/null @@ -1,73 +0,0 @@ -package org.opencv.core; - -//javadoc:Size_ -public class Size { - - public double width, height; - - public Size(double width, double height) { - this.width = width; - this.height = height; - } - - public Size() { - this(0, 0); - } - - public Size(Point p) { - width = p.x; - height = p.y; - } - - public Size(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - width = vals.length > 0 ? vals[0] : 0; - height = vals.length > 1 ? vals[1] : 0; - } else { - width = 0; - height = 0; - } - } - - public double area() { - return width * height; - } - - public boolean empty() { - return width <= 0 || height <= 0; - } - - public Size clone() { - return new Size(width, height); - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(height); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(width); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof Size)) return false; - Size it = (Size) obj; - return width == it.width && height == it.height; - } - - @Override - public String toString() { - return (int)width + "x" + (int)height; - } - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/TermCriteria.java b/vendor/opencv/sdk/java/src/org/opencv/core/TermCriteria.java deleted file mode 100644 index c67e51ea8d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/TermCriteria.java +++ /dev/null @@ -1,92 +0,0 @@ -package org.opencv.core; - -//javadoc:TermCriteria -public class TermCriteria { - - /** - * The maximum number of iterations or elements to compute - */ - public static final int COUNT = 1; - /** - * The maximum number of iterations or elements to compute - */ - public static final int MAX_ITER = COUNT; - /** - * The desired accuracy threshold or change in parameters at which the iterative algorithm is terminated. - */ - public static final int EPS = 2; - - public int type; - public int maxCount; - public double epsilon; - - /** - * Termination criteria for iterative algorithms. - * - * @param type - * the type of termination criteria: COUNT, EPS or COUNT + EPS. - * @param maxCount - * the maximum number of iterations/elements. - * @param epsilon - * the desired accuracy. - */ - public TermCriteria(int type, int maxCount, double epsilon) { - this.type = type; - this.maxCount = maxCount; - this.epsilon = epsilon; - } - - /** - * Termination criteria for iterative algorithms. - */ - public TermCriteria() { - this(0, 0, 0.0); - } - - public TermCriteria(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - type = vals.length > 0 ? (int) vals[0] : 0; - maxCount = vals.length > 1 ? (int) vals[1] : 0; - epsilon = vals.length > 2 ? (double) vals[2] : 0; - } else { - type = 0; - maxCount = 0; - epsilon = 0; - } - } - - public TermCriteria clone() { - return new TermCriteria(type, maxCount, epsilon); - } - - @Override - public int hashCode() { - final int prime = 31; - int result = 1; - long temp; - temp = Double.doubleToLongBits(type); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(maxCount); - result = prime * result + (int) (temp ^ (temp >>> 32)); - temp = Double.doubleToLongBits(epsilon); - result = prime * result + (int) (temp ^ (temp >>> 32)); - return result; - } - - @Override - public boolean equals(Object obj) { - if (this == obj) return true; - if (!(obj instanceof TermCriteria)) return false; - TermCriteria it = (TermCriteria) obj; - return type == it.type && maxCount == it.maxCount && epsilon == it.epsilon; - } - - @Override - public String toString() { - return "{ type: " + type + ", maxCount: " + maxCount + ", epsilon: " + epsilon + "}"; - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/core/TickMeter.java b/vendor/opencv/sdk/java/src/org/opencv/core/TickMeter.java deleted file mode 100644 index 4bfb2e32fe..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/core/TickMeter.java +++ /dev/null @@ -1,233 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.core; - - - -// C++: class TickMeter -/** - * a Class to measure passing time. - * - * The class computes passing time by counting the number of ticks per second. That is, the following code computes the - * execution time in seconds: - * SNIPPET: snippets/core_various.cpp TickMeter_total - * - * It is also possible to compute the average time over multiple runs: - * SNIPPET: snippets/core_various.cpp TickMeter_average - * - * SEE: getTickCount, getTickFrequency - */ -public class TickMeter { - - protected final long nativeObj; - protected TickMeter(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TickMeter __fromPtr__(long addr) { return new TickMeter(addr); } - - // - // C++: cv::TickMeter::TickMeter() - // - - public TickMeter() { - nativeObj = TickMeter_0(); - } - - - // - // C++: void cv::TickMeter::start() - // - - public void start() { - start_0(nativeObj); - } - - - // - // C++: void cv::TickMeter::stop() - // - - public void stop() { - stop_0(nativeObj); - } - - - // - // C++: int64 cv::TickMeter::getTimeTicks() - // - - public long getTimeTicks() { - return getTimeTicks_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getTimeMicro() - // - - public double getTimeMicro() { - return getTimeMicro_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getTimeMilli() - // - - public double getTimeMilli() { - return getTimeMilli_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getTimeSec() - // - - public double getTimeSec() { - return getTimeSec_0(nativeObj); - } - - - // - // C++: int64 cv::TickMeter::getLastTimeTicks() - // - - public long getLastTimeTicks() { - return getLastTimeTicks_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getLastTimeMicro() - // - - public double getLastTimeMicro() { - return getLastTimeMicro_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getLastTimeMilli() - // - - public double getLastTimeMilli() { - return getLastTimeMilli_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getLastTimeSec() - // - - public double getLastTimeSec() { - return getLastTimeSec_0(nativeObj); - } - - - // - // C++: int64 cv::TickMeter::getCounter() - // - - public long getCounter() { - return getCounter_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getFPS() - // - - public double getFPS() { - return getFPS_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getAvgTimeSec() - // - - public double getAvgTimeSec() { - return getAvgTimeSec_0(nativeObj); - } - - - // - // C++: double cv::TickMeter::getAvgTimeMilli() - // - - public double getAvgTimeMilli() { - return getAvgTimeMilli_0(nativeObj); - } - - - // - // C++: void cv::TickMeter::reset() - // - - public void reset() { - reset_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TickMeter::TickMeter() - private static native long TickMeter_0(); - - // C++: void cv::TickMeter::start() - private static native void start_0(long nativeObj); - - // C++: void cv::TickMeter::stop() - private static native void stop_0(long nativeObj); - - // C++: int64 cv::TickMeter::getTimeTicks() - private static native long getTimeTicks_0(long nativeObj); - - // C++: double cv::TickMeter::getTimeMicro() - private static native double getTimeMicro_0(long nativeObj); - - // C++: double cv::TickMeter::getTimeMilli() - private static native double getTimeMilli_0(long nativeObj); - - // C++: double cv::TickMeter::getTimeSec() - private static native double getTimeSec_0(long nativeObj); - - // C++: int64 cv::TickMeter::getLastTimeTicks() - private static native long getLastTimeTicks_0(long nativeObj); - - // C++: double cv::TickMeter::getLastTimeMicro() - private static native double getLastTimeMicro_0(long nativeObj); - - // C++: double cv::TickMeter::getLastTimeMilli() - private static native double getLastTimeMilli_0(long nativeObj); - - // C++: double cv::TickMeter::getLastTimeSec() - private static native double getLastTimeSec_0(long nativeObj); - - // C++: int64 cv::TickMeter::getCounter() - private static native long getCounter_0(long nativeObj); - - // C++: double cv::TickMeter::getFPS() - private static native double getFPS_0(long nativeObj); - - // C++: double cv::TickMeter::getAvgTimeSec() - private static native double getAvgTimeSec_0(long nativeObj); - - // C++: double cv::TickMeter::getAvgTimeMilli() - private static native double getAvgTimeMilli_0(long nativeObj); - - // C++: void cv::TickMeter::reset() - private static native void reset_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/ClassificationModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/ClassificationModel.java deleted file mode 100644 index d6f432840b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/ClassificationModel.java +++ /dev/null @@ -1,136 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import org.opencv.core.Mat; -import org.opencv.dnn.ClassificationModel; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; - -// C++: class ClassificationModel -/** - * This class represents high-level API for classification models. - * - * ClassificationModel allows to set params for preprocessing input image. - * ClassificationModel creates net from file with trained weights and config, - * sets preprocessing input, runs forward pass and return top-1 prediction. - */ -public class ClassificationModel extends Model { - - protected ClassificationModel(long addr) { super(addr); } - - // internal usage only - public static ClassificationModel __fromPtr__(long addr) { return new ClassificationModel(addr); } - - // - // C++: cv::dnn::ClassificationModel::ClassificationModel(String model, String config = "") - // - - /** - * Create classification model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public ClassificationModel(String model, String config) { - super(ClassificationModel_0(model, config)); - } - - /** - * Create classification model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public ClassificationModel(String model) { - super(ClassificationModel_1(model)); - } - - - // - // C++: cv::dnn::ClassificationModel::ClassificationModel(Net network) - // - - /** - * Create model from deep learning network. - * @param network Net object. - */ - public ClassificationModel(Net network) { - super(ClassificationModel_2(network.getNativeObjAddr())); - } - - - // - // C++: ClassificationModel cv::dnn::ClassificationModel::setEnableSoftmaxPostProcessing(bool enable) - // - - /** - * Set enable/disable softmax post processing option. - * - * If this option is true, softmax is applied after forward inference within the classify() function - * to convert the confidences range to [0.0-1.0]. - * This function allows you to toggle this behavior. - * Please turn true when not contain softmax layer in model. - * @param enable Set enable softmax post processing within the classify() function. - * @return automatically generated - */ - public ClassificationModel setEnableSoftmaxPostProcessing(boolean enable) { - return new ClassificationModel(setEnableSoftmaxPostProcessing_0(nativeObj, enable)); - } - - - // - // C++: bool cv::dnn::ClassificationModel::getEnableSoftmaxPostProcessing() - // - - /** - * Get enable/disable softmax post processing option. - * - * This option defaults to false, softmax post processing is not applied within the classify() function. - * @return automatically generated - */ - public boolean getEnableSoftmaxPostProcessing() { - return getEnableSoftmaxPostProcessing_0(nativeObj); - } - - - // - // C++: void cv::dnn::ClassificationModel::classify(Mat frame, int& classId, float& conf) - // - - public void classify(Mat frame, int[] classId, float[] conf) { - double[] classId_out = new double[1]; - double[] conf_out = new double[1]; - classify_0(nativeObj, frame.nativeObj, classId_out, conf_out); - if(classId!=null) classId[0] = (int)classId_out[0]; - if(conf!=null) conf[0] = (float)conf_out[0]; - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::ClassificationModel::ClassificationModel(String model, String config = "") - private static native long ClassificationModel_0(String model, String config); - private static native long ClassificationModel_1(String model); - - // C++: cv::dnn::ClassificationModel::ClassificationModel(Net network) - private static native long ClassificationModel_2(long network_nativeObj); - - // C++: ClassificationModel cv::dnn::ClassificationModel::setEnableSoftmaxPostProcessing(bool enable) - private static native long setEnableSoftmaxPostProcessing_0(long nativeObj, boolean enable); - - // C++: bool cv::dnn::ClassificationModel::getEnableSoftmaxPostProcessing() - private static native boolean getEnableSoftmaxPostProcessing_0(long nativeObj); - - // C++: void cv::dnn::ClassificationModel::classify(Mat frame, int& classId, float& conf) - private static native void classify_0(long nativeObj, long frame_nativeObj, double[] classId_out, double[] conf_out); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/DetectionModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/DetectionModel.java deleted file mode 100644 index e0a0abb6eb..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/DetectionModel.java +++ /dev/null @@ -1,178 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfRect; -import org.opencv.dnn.DetectionModel; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; -import org.opencv.utils.Converters; - -// C++: class DetectionModel -/** - * This class represents high-level API for object detection networks. - * - * DetectionModel allows to set params for preprocessing input image. - * DetectionModel creates net from file with trained weights and config, - * sets preprocessing input, runs forward pass and return result detections. - * For DetectionModel SSD, Faster R-CNN, YOLO topologies are supported. - */ -public class DetectionModel extends Model { - - protected DetectionModel(long addr) { super(addr); } - - // internal usage only - public static DetectionModel __fromPtr__(long addr) { return new DetectionModel(addr); } - - // - // C++: cv::dnn::DetectionModel::DetectionModel(String model, String config = "") - // - - /** - * Create detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public DetectionModel(String model, String config) { - super(DetectionModel_0(model, config)); - } - - /** - * Create detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public DetectionModel(String model) { - super(DetectionModel_1(model)); - } - - - // - // C++: cv::dnn::DetectionModel::DetectionModel(Net network) - // - - /** - * Create model from deep learning network. - * @param network Net object. - */ - public DetectionModel(Net network) { - super(DetectionModel_2(network.getNativeObjAddr())); - } - - - // - // C++: DetectionModel cv::dnn::DetectionModel::setNmsAcrossClasses(bool value) - // - - /** - * nmsAcrossClasses defaults to false, - * such that when non max suppression is used during the detect() function, it will do so per-class. - * This function allows you to toggle this behaviour. - * @param value The new value for nmsAcrossClasses - * @return automatically generated - */ - public DetectionModel setNmsAcrossClasses(boolean value) { - return new DetectionModel(setNmsAcrossClasses_0(nativeObj, value)); - } - - - // - // C++: bool cv::dnn::DetectionModel::getNmsAcrossClasses() - // - - /** - * Getter for nmsAcrossClasses. This variable defaults to false, - * such that when non max suppression is used during the detect() function, it will do so only per-class - * @return automatically generated - */ - public boolean getNmsAcrossClasses() { - return getNmsAcrossClasses_0(nativeObj); - } - - - // - // C++: void cv::dnn::DetectionModel::detect(Mat frame, vector_int& classIds, vector_float& confidences, vector_Rect& boxes, float confThreshold = 0.5f, float nmsThreshold = 0.0f) - // - - /** - * Given the {@code input} frame, create input blob, run net and return result detections. - * @param classIds Class indexes in result detection. - * @param confidences A set of corresponding confidences. - * @param boxes A set of bounding boxes. - * @param confThreshold A threshold used to filter boxes by confidences. - * @param nmsThreshold A threshold used in non maximum suppression. - * @param frame automatically generated - */ - public void detect(Mat frame, MatOfInt classIds, MatOfFloat confidences, MatOfRect boxes, float confThreshold, float nmsThreshold) { - Mat classIds_mat = classIds; - Mat confidences_mat = confidences; - Mat boxes_mat = boxes; - detect_0(nativeObj, frame.nativeObj, classIds_mat.nativeObj, confidences_mat.nativeObj, boxes_mat.nativeObj, confThreshold, nmsThreshold); - } - - /** - * Given the {@code input} frame, create input blob, run net and return result detections. - * @param classIds Class indexes in result detection. - * @param confidences A set of corresponding confidences. - * @param boxes A set of bounding boxes. - * @param confThreshold A threshold used to filter boxes by confidences. - * @param frame automatically generated - */ - public void detect(Mat frame, MatOfInt classIds, MatOfFloat confidences, MatOfRect boxes, float confThreshold) { - Mat classIds_mat = classIds; - Mat confidences_mat = confidences; - Mat boxes_mat = boxes; - detect_1(nativeObj, frame.nativeObj, classIds_mat.nativeObj, confidences_mat.nativeObj, boxes_mat.nativeObj, confThreshold); - } - - /** - * Given the {@code input} frame, create input blob, run net and return result detections. - * @param classIds Class indexes in result detection. - * @param confidences A set of corresponding confidences. - * @param boxes A set of bounding boxes. - * @param frame automatically generated - */ - public void detect(Mat frame, MatOfInt classIds, MatOfFloat confidences, MatOfRect boxes) { - Mat classIds_mat = classIds; - Mat confidences_mat = confidences; - Mat boxes_mat = boxes; - detect_2(nativeObj, frame.nativeObj, classIds_mat.nativeObj, confidences_mat.nativeObj, boxes_mat.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::DetectionModel::DetectionModel(String model, String config = "") - private static native long DetectionModel_0(String model, String config); - private static native long DetectionModel_1(String model); - - // C++: cv::dnn::DetectionModel::DetectionModel(Net network) - private static native long DetectionModel_2(long network_nativeObj); - - // C++: DetectionModel cv::dnn::DetectionModel::setNmsAcrossClasses(bool value) - private static native long setNmsAcrossClasses_0(long nativeObj, boolean value); - - // C++: bool cv::dnn::DetectionModel::getNmsAcrossClasses() - private static native boolean getNmsAcrossClasses_0(long nativeObj); - - // C++: void cv::dnn::DetectionModel::detect(Mat frame, vector_int& classIds, vector_float& confidences, vector_Rect& boxes, float confThreshold = 0.5f, float nmsThreshold = 0.0f) - private static native void detect_0(long nativeObj, long frame_nativeObj, long classIds_mat_nativeObj, long confidences_mat_nativeObj, long boxes_mat_nativeObj, float confThreshold, float nmsThreshold); - private static native void detect_1(long nativeObj, long frame_nativeObj, long classIds_mat_nativeObj, long confidences_mat_nativeObj, long boxes_mat_nativeObj, float confThreshold); - private static native void detect_2(long nativeObj, long frame_nativeObj, long classIds_mat_nativeObj, long confidences_mat_nativeObj, long boxes_mat_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/DictValue.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/DictValue.java deleted file mode 100644 index 8ed692adc1..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/DictValue.java +++ /dev/null @@ -1,156 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - - - -// C++: class DictValue -/** - * This struct stores the scalar value (or array) of one of the following type: double, cv::String or int64. - * TODO: Maybe int64 is useless because double type exactly stores at least 2^52 integers. - */ -public class DictValue { - - protected final long nativeObj; - protected DictValue(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static DictValue __fromPtr__(long addr) { return new DictValue(addr); } - - // - // C++: cv::dnn::DictValue::DictValue(int i) - // - - public DictValue(int i) { - nativeObj = DictValue_0(i); - } - - - // - // C++: cv::dnn::DictValue::DictValue(double p) - // - - public DictValue(double p) { - nativeObj = DictValue_1(p); - } - - - // - // C++: cv::dnn::DictValue::DictValue(String s) - // - - public DictValue(String s) { - nativeObj = DictValue_2(s); - } - - - // - // C++: bool cv::dnn::DictValue::isInt() - // - - public boolean isInt() { - return isInt_0(nativeObj); - } - - - // - // C++: bool cv::dnn::DictValue::isString() - // - - public boolean isString() { - return isString_0(nativeObj); - } - - - // - // C++: bool cv::dnn::DictValue::isReal() - // - - public boolean isReal() { - return isReal_0(nativeObj); - } - - - // - // C++: int cv::dnn::DictValue::getIntValue(int idx = -1) - // - - public int getIntValue(int idx) { - return getIntValue_0(nativeObj, idx); - } - - public int getIntValue() { - return getIntValue_1(nativeObj); - } - - - // - // C++: double cv::dnn::DictValue::getRealValue(int idx = -1) - // - - public double getRealValue(int idx) { - return getRealValue_0(nativeObj, idx); - } - - public double getRealValue() { - return getRealValue_1(nativeObj); - } - - - // - // C++: String cv::dnn::DictValue::getStringValue(int idx = -1) - // - - public String getStringValue(int idx) { - return getStringValue_0(nativeObj, idx); - } - - public String getStringValue() { - return getStringValue_1(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::DictValue::DictValue(int i) - private static native long DictValue_0(int i); - - // C++: cv::dnn::DictValue::DictValue(double p) - private static native long DictValue_1(double p); - - // C++: cv::dnn::DictValue::DictValue(String s) - private static native long DictValue_2(String s); - - // C++: bool cv::dnn::DictValue::isInt() - private static native boolean isInt_0(long nativeObj); - - // C++: bool cv::dnn::DictValue::isString() - private static native boolean isString_0(long nativeObj); - - // C++: bool cv::dnn::DictValue::isReal() - private static native boolean isReal_0(long nativeObj); - - // C++: int cv::dnn::DictValue::getIntValue(int idx = -1) - private static native int getIntValue_0(long nativeObj, int idx); - private static native int getIntValue_1(long nativeObj); - - // C++: double cv::dnn::DictValue::getRealValue(int idx = -1) - private static native double getRealValue_0(long nativeObj, int idx); - private static native double getRealValue_1(long nativeObj); - - // C++: String cv::dnn::DictValue::getStringValue(int idx = -1) - private static native String getStringValue_0(long nativeObj, int idx); - private static native String getStringValue_1(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/Dnn.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/Dnn.java deleted file mode 100644 index 50a945f963..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/Dnn.java +++ /dev/null @@ -1,1547 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfRect; -import org.opencv.core.MatOfRect2d; -import org.opencv.core.MatOfRotatedRect; -import org.opencv.core.Scalar; -import org.opencv.core.Size; -import org.opencv.dnn.Image2BlobParams; -import org.opencv.dnn.Net; -import org.opencv.utils.Converters; - -// C++: class Dnn - -public class Dnn { - - // C++: enum Backend (cv.dnn.Backend) - public static final int - DNN_BACKEND_DEFAULT = 0, - DNN_BACKEND_HALIDE = 0+1, - DNN_BACKEND_INFERENCE_ENGINE = 0+2, - DNN_BACKEND_OPENCV = 0+3, - DNN_BACKEND_VKCOM = 0+4, - DNN_BACKEND_CUDA = 0+5, - DNN_BACKEND_WEBNN = 0+6, - DNN_BACKEND_TIMVX = 0+7, - DNN_BACKEND_CANN = 0+8; - - - // C++: enum DataLayout (cv.dnn.DataLayout) - public static final int - DNN_LAYOUT_UNKNOWN = 0, - DNN_LAYOUT_ND = 1, - DNN_LAYOUT_NCHW = 2, - DNN_LAYOUT_NCDHW = 3, - DNN_LAYOUT_NHWC = 4, - DNN_LAYOUT_NDHWC = 5, - DNN_LAYOUT_PLANAR = 6; - - - // C++: enum ImagePaddingMode (cv.dnn.ImagePaddingMode) - public static final int - DNN_PMODE_NULL = 0, - DNN_PMODE_CROP_CENTER = 1, - DNN_PMODE_LETTERBOX = 2; - - - // C++: enum SoftNMSMethod (cv.dnn.SoftNMSMethod) - public static final int - SoftNMSMethod_SOFTNMS_LINEAR = 1, - SoftNMSMethod_SOFTNMS_GAUSSIAN = 2; - - - // C++: enum Target (cv.dnn.Target) - public static final int - DNN_TARGET_CPU = 0, - DNN_TARGET_OPENCL = 0+1, - DNN_TARGET_OPENCL_FP16 = 0+2, - DNN_TARGET_MYRIAD = 0+3, - DNN_TARGET_VULKAN = 0+4, - DNN_TARGET_FPGA = 0+5, - DNN_TARGET_CUDA = 0+6, - DNN_TARGET_CUDA_FP16 = 0+7, - DNN_TARGET_HDDL = 0+8, - DNN_TARGET_NPU = 0+9, - DNN_TARGET_CPU_FP16 = 0+10; - - - // - // C++: vector_Target cv::dnn::getAvailableTargets(dnn_Backend be) - // - - public static List getAvailableTargets(int be) { - return getAvailableTargets_0(be); - } - - - // - // C++: Net cv::dnn::readNetFromDarknet(String cfgFile, String darknetModel = String()) - // - - /** - * Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files. - * @param cfgFile path to the .cfg file with text description of the network architecture. - * @param darknetModel path to the .weights file with learned network. - * @return Network object that ready to do forward, throw an exception in failure cases. - */ - public static Net readNetFromDarknet(String cfgFile, String darknetModel) { - return new Net(readNetFromDarknet_0(cfgFile, darknetModel)); - } - - /** - * Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files. - * @param cfgFile path to the .cfg file with text description of the network architecture. - * @return Network object that ready to do forward, throw an exception in failure cases. - */ - public static Net readNetFromDarknet(String cfgFile) { - return new Net(readNetFromDarknet_1(cfgFile)); - } - - - // - // C++: Net cv::dnn::readNetFromDarknet(vector_uchar bufferCfg, vector_uchar bufferModel = std::vector()) - // - - /** - * Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files. - * @param bufferCfg A buffer contains a content of .cfg file with text description of the network architecture. - * @param bufferModel A buffer contains a content of .weights file with learned network. - * @return Net object. - */ - public static Net readNetFromDarknet(MatOfByte bufferCfg, MatOfByte bufferModel) { - Mat bufferCfg_mat = bufferCfg; - Mat bufferModel_mat = bufferModel; - return new Net(readNetFromDarknet_2(bufferCfg_mat.nativeObj, bufferModel_mat.nativeObj)); - } - - /** - * Reads a network model stored in <a href="https://pjreddie.com/darknet/">Darknet</a> model files. - * @param bufferCfg A buffer contains a content of .cfg file with text description of the network architecture. - * @return Net object. - */ - public static Net readNetFromDarknet(MatOfByte bufferCfg) { - Mat bufferCfg_mat = bufferCfg; - return new Net(readNetFromDarknet_3(bufferCfg_mat.nativeObj)); - } - - - // - // C++: Net cv::dnn::readNetFromCaffe(String prototxt, String caffeModel = String()) - // - - /** - * Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format. - * @param prototxt path to the .prototxt file with text description of the network architecture. - * @param caffeModel path to the .caffemodel file with learned network. - * @return Net object. - */ - public static Net readNetFromCaffe(String prototxt, String caffeModel) { - return new Net(readNetFromCaffe_0(prototxt, caffeModel)); - } - - /** - * Reads a network model stored in <a href="http://caffe.berkeleyvision.org">Caffe</a> framework's format. - * @param prototxt path to the .prototxt file with text description of the network architecture. - * @return Net object. - */ - public static Net readNetFromCaffe(String prototxt) { - return new Net(readNetFromCaffe_1(prototxt)); - } - - - // - // C++: Net cv::dnn::readNetFromCaffe(vector_uchar bufferProto, vector_uchar bufferModel = std::vector()) - // - - /** - * Reads a network model stored in Caffe model in memory. - * @param bufferProto buffer containing the content of the .prototxt file - * @param bufferModel buffer containing the content of the .caffemodel file - * @return Net object. - */ - public static Net readNetFromCaffe(MatOfByte bufferProto, MatOfByte bufferModel) { - Mat bufferProto_mat = bufferProto; - Mat bufferModel_mat = bufferModel; - return new Net(readNetFromCaffe_2(bufferProto_mat.nativeObj, bufferModel_mat.nativeObj)); - } - - /** - * Reads a network model stored in Caffe model in memory. - * @param bufferProto buffer containing the content of the .prototxt file - * @return Net object. - */ - public static Net readNetFromCaffe(MatOfByte bufferProto) { - Mat bufferProto_mat = bufferProto; - return new Net(readNetFromCaffe_3(bufferProto_mat.nativeObj)); - } - - - // - // C++: Net cv::dnn::readNetFromTensorflow(String model, String config = String()) - // - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format. - * @param model path to the .pb file with binary protobuf description of the network architecture - * @param config path to the .pbtxt file that contains text graph definition in protobuf format. - * Resulting Net object is built by text graph using weights from a binary one that - * let us make it more flexible. - * @return Net object. - */ - public static Net readNetFromTensorflow(String model, String config) { - return new Net(readNetFromTensorflow_0(model, config)); - } - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format. - * @param model path to the .pb file with binary protobuf description of the network architecture - * Resulting Net object is built by text graph using weights from a binary one that - * let us make it more flexible. - * @return Net object. - */ - public static Net readNetFromTensorflow(String model) { - return new Net(readNetFromTensorflow_1(model)); - } - - - // - // C++: Net cv::dnn::readNetFromTensorflow(vector_uchar bufferModel, vector_uchar bufferConfig = std::vector()) - // - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format. - * @param bufferModel buffer containing the content of the pb file - * @param bufferConfig buffer containing the content of the pbtxt file - * @return Net object. - */ - public static Net readNetFromTensorflow(MatOfByte bufferModel, MatOfByte bufferConfig) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return new Net(readNetFromTensorflow_2(bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj)); - } - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/">TensorFlow</a> framework's format. - * @param bufferModel buffer containing the content of the pb file - * @return Net object. - */ - public static Net readNetFromTensorflow(MatOfByte bufferModel) { - Mat bufferModel_mat = bufferModel; - return new Net(readNetFromTensorflow_3(bufferModel_mat.nativeObj)); - } - - - // - // C++: Net cv::dnn::readNetFromTFLite(String model) - // - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format. - * @param model path to the .tflite file with binary flatbuffers description of the network architecture - * @return Net object. - */ - public static Net readNetFromTFLite(String model) { - return new Net(readNetFromTFLite_0(model)); - } - - - // - // C++: Net cv::dnn::readNetFromTFLite(vector_uchar bufferModel) - // - - /** - * Reads a network model stored in <a href="https://www.tensorflow.org/lite">TFLite</a> framework's format. - * @param bufferModel buffer containing the content of the tflite file - * @return Net object. - */ - public static Net readNetFromTFLite(MatOfByte bufferModel) { - Mat bufferModel_mat = bufferModel; - return new Net(readNetFromTFLite_1(bufferModel_mat.nativeObj)); - } - - - // - // C++: Net cv::dnn::readNetFromTorch(String model, bool isBinary = true, bool evaluate = true) - // - - /** - * Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format. - * @param model path to the file, dumped from Torch by using torch.save() function. - * @param isBinary specifies whether the network was serialized in ascii mode or binary. - * @param evaluate specifies testing phase of network. If true, it's similar to evaluate() method in Torch. - * @return Net object. - * - * Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use {@code long} type of C language, - * which has various bit-length on different systems. - * - * The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - * with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - * - * List of supported layers (i.e. object instances derived from Torch nn.Module class): - * - nn.Sequential - * - nn.Parallel - * - nn.Concat - * - nn.Linear - * - nn.SpatialConvolution - * - nn.SpatialMaxPooling, nn.SpatialAveragePooling - * - nn.ReLU, nn.TanH, nn.Sigmoid - * - nn.Reshape - * - nn.SoftMax, nn.LogSoftMax - * - * Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported. - */ - public static Net readNetFromTorch(String model, boolean isBinary, boolean evaluate) { - return new Net(readNetFromTorch_0(model, isBinary, evaluate)); - } - - /** - * Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format. - * @param model path to the file, dumped from Torch by using torch.save() function. - * @param isBinary specifies whether the network was serialized in ascii mode or binary. - * @return Net object. - * - * Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use {@code long} type of C language, - * which has various bit-length on different systems. - * - * The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - * with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - * - * List of supported layers (i.e. object instances derived from Torch nn.Module class): - * - nn.Sequential - * - nn.Parallel - * - nn.Concat - * - nn.Linear - * - nn.SpatialConvolution - * - nn.SpatialMaxPooling, nn.SpatialAveragePooling - * - nn.ReLU, nn.TanH, nn.Sigmoid - * - nn.Reshape - * - nn.SoftMax, nn.LogSoftMax - * - * Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported. - */ - public static Net readNetFromTorch(String model, boolean isBinary) { - return new Net(readNetFromTorch_1(model, isBinary)); - } - - /** - * Reads a network model stored in <a href="http://torch.ch">Torch7</a> framework's format. - * @param model path to the file, dumped from Torch by using torch.save() function. - * @return Net object. - * - * Note: Ascii mode of Torch serializer is more preferable, because binary mode extensively use {@code long} type of C language, - * which has various bit-length on different systems. - * - * The loading file must contain serialized <a href="https://github.com/torch/nn/blob/master/doc/module.md">nn.Module</a> object - * with importing network. Try to eliminate a custom objects from serialazing data to avoid importing errors. - * - * List of supported layers (i.e. object instances derived from Torch nn.Module class): - * - nn.Sequential - * - nn.Parallel - * - nn.Concat - * - nn.Linear - * - nn.SpatialConvolution - * - nn.SpatialMaxPooling, nn.SpatialAveragePooling - * - nn.ReLU, nn.TanH, nn.Sigmoid - * - nn.Reshape - * - nn.SoftMax, nn.LogSoftMax - * - * Also some equivalents of these classes from cunn, cudnn, and fbcunn may be successfully imported. - */ - public static Net readNetFromTorch(String model) { - return new Net(readNetFromTorch_2(model)); - } - - - // - // C++: Net cv::dnn::readNet(String model, String config = "", String framework = "") - // - - /** - * Read deep learning network represented in one of the supported formats. - * @param model Binary file contains trained weights. The following file - * extensions are expected for models from different frameworks: - * * {@code *.caffemodel} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pb} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.t7} | {@code *.net} (Torch, http://torch.ch/) - * * {@code *.weights} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.bin} | {@code *.onnx} (OpenVINO, https://software.intel.com/openvino-toolkit) - * * {@code *.onnx} (ONNX, https://onnx.ai/) - * @param config Text file contains network configuration. It could be a - * file with the following extensions: - * * {@code *.prototxt} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pbtxt} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.cfg} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.xml} (OpenVINO, https://software.intel.com/openvino-toolkit) - * @param framework Explicit framework name tag to determine a format. - * @return Net object. - * - * This function automatically detects an origin framework of trained model - * and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - * REF: readNetFromTorch or REF: readNetFromDarknet. An order of {@code model} and {@code config} - * arguments does not matter. - */ - public static Net readNet(String model, String config, String framework) { - return new Net(readNet_0(model, config, framework)); - } - - /** - * Read deep learning network represented in one of the supported formats. - * @param model Binary file contains trained weights. The following file - * extensions are expected for models from different frameworks: - * * {@code *.caffemodel} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pb} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.t7} | {@code *.net} (Torch, http://torch.ch/) - * * {@code *.weights} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.bin} | {@code *.onnx} (OpenVINO, https://software.intel.com/openvino-toolkit) - * * {@code *.onnx} (ONNX, https://onnx.ai/) - * @param config Text file contains network configuration. It could be a - * file with the following extensions: - * * {@code *.prototxt} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pbtxt} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.cfg} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.xml} (OpenVINO, https://software.intel.com/openvino-toolkit) - * @return Net object. - * - * This function automatically detects an origin framework of trained model - * and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - * REF: readNetFromTorch or REF: readNetFromDarknet. An order of {@code model} and {@code config} - * arguments does not matter. - */ - public static Net readNet(String model, String config) { - return new Net(readNet_1(model, config)); - } - - /** - * Read deep learning network represented in one of the supported formats. - * @param model Binary file contains trained weights. The following file - * extensions are expected for models from different frameworks: - * * {@code *.caffemodel} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pb} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.t7} | {@code *.net} (Torch, http://torch.ch/) - * * {@code *.weights} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.bin} | {@code *.onnx} (OpenVINO, https://software.intel.com/openvino-toolkit) - * * {@code *.onnx} (ONNX, https://onnx.ai/) - * file with the following extensions: - * * {@code *.prototxt} (Caffe, http://caffe.berkeleyvision.org/) - * * {@code *.pbtxt} (TensorFlow, https://www.tensorflow.org/) - * * {@code *.cfg} (Darknet, https://pjreddie.com/darknet/) - * * {@code *.xml} (OpenVINO, https://software.intel.com/openvino-toolkit) - * @return Net object. - * - * This function automatically detects an origin framework of trained model - * and calls an appropriate function such REF: readNetFromCaffe, REF: readNetFromTensorflow, - * REF: readNetFromTorch or REF: readNetFromDarknet. An order of {@code model} and {@code config} - * arguments does not matter. - */ - public static Net readNet(String model) { - return new Net(readNet_2(model)); - } - - - // - // C++: Net cv::dnn::readNet(String framework, vector_uchar bufferModel, vector_uchar bufferConfig = std::vector()) - // - - /** - * Read deep learning network represented in one of the supported formats. - * This is an overloaded member function, provided for convenience. - * It differs from the above function only in what argument(s) it accepts. - * @param framework Name of origin framework. - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration. - * @return Net object. - */ - public static Net readNet(String framework, MatOfByte bufferModel, MatOfByte bufferConfig) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return new Net(readNet_3(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj)); - } - - /** - * Read deep learning network represented in one of the supported formats. - * This is an overloaded member function, provided for convenience. - * It differs from the above function only in what argument(s) it accepts. - * @param framework Name of origin framework. - * @param bufferModel A buffer with a content of binary file with weights - * @return Net object. - */ - public static Net readNet(String framework, MatOfByte bufferModel) { - Mat bufferModel_mat = bufferModel; - return new Net(readNet_4(framework, bufferModel_mat.nativeObj)); - } - - - // - // C++: Mat cv::dnn::readTorchBlob(String filename, bool isBinary = true) - // - - /** - * Loads blob which was serialized as torch.Tensor object of Torch7 framework. - * WARNING: This function has the same limitations as readNetFromTorch(). - * @param filename automatically generated - * @param isBinary automatically generated - * @return automatically generated - */ - public static Mat readTorchBlob(String filename, boolean isBinary) { - return new Mat(readTorchBlob_0(filename, isBinary)); - } - - /** - * Loads blob which was serialized as torch.Tensor object of Torch7 framework. - * WARNING: This function has the same limitations as readNetFromTorch(). - * @param filename automatically generated - * @return automatically generated - */ - public static Mat readTorchBlob(String filename) { - return new Mat(readTorchBlob_1(filename)); - } - - - // - // C++: Net cv::dnn::readNetFromModelOptimizer(String xml, String bin = "") - // - - /** - * Load a network from Intel's Model Optimizer intermediate representation. - * @param xml XML configuration file with network's topology. - * @param bin Binary file with trained weights. - * @return Net object. - * Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - * backend. - */ - public static Net readNetFromModelOptimizer(String xml, String bin) { - return new Net(readNetFromModelOptimizer_0(xml, bin)); - } - - /** - * Load a network from Intel's Model Optimizer intermediate representation. - * @param xml XML configuration file with network's topology. - * @return Net object. - * Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - * backend. - */ - public static Net readNetFromModelOptimizer(String xml) { - return new Net(readNetFromModelOptimizer_1(xml)); - } - - - // - // C++: Net cv::dnn::readNetFromModelOptimizer(vector_uchar bufferModelConfig, vector_uchar bufferWeights) - // - - /** - * Load a network from Intel's Model Optimizer intermediate representation. - * @param bufferModelConfig Buffer contains XML configuration with network's topology. - * @param bufferWeights Buffer contains binary data with trained weights. - * @return Net object. - * Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - * backend. - */ - public static Net readNetFromModelOptimizer(MatOfByte bufferModelConfig, MatOfByte bufferWeights) { - Mat bufferModelConfig_mat = bufferModelConfig; - Mat bufferWeights_mat = bufferWeights; - return new Net(readNetFromModelOptimizer_2(bufferModelConfig_mat.nativeObj, bufferWeights_mat.nativeObj)); - } - - - // - // C++: Net cv::dnn::readNetFromONNX(String onnxFile) - // - - /** - * Reads a network model <a href="https://onnx.ai/">ONNX</a>. - * @param onnxFile path to the .onnx file with text description of the network architecture. - * @return Network object that ready to do forward, throw an exception in failure cases. - */ - public static Net readNetFromONNX(String onnxFile) { - return new Net(readNetFromONNX_0(onnxFile)); - } - - - // - // C++: Net cv::dnn::readNetFromONNX(vector_uchar buffer) - // - - /** - * Reads a network model from <a href="https://onnx.ai/">ONNX</a> - * in-memory buffer. - * @param buffer in-memory buffer that stores the ONNX model bytes. - * @return Network object that ready to do forward, throw an exception - * in failure cases. - */ - public static Net readNetFromONNX(MatOfByte buffer) { - Mat buffer_mat = buffer; - return new Net(readNetFromONNX_1(buffer_mat.nativeObj)); - } - - - // - // C++: Mat cv::dnn::readTensorFromONNX(String path) - // - - /** - * Creates blob from .pb file. - * @param path to the .pb file with input tensor. - * @return Mat. - */ - public static Mat readTensorFromONNX(String path) { - return new Mat(readTensorFromONNX_0(path)); - } - - - // - // C++: Mat cv::dnn::blobFromImage(Mat image, double scalefactor = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false, int ddepth = CV_32F) - // - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * @param crop flag which indicates whether image will be cropped after resize or not - * @param ddepth Depth of output blob. Choose CV_32F or CV_8U. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor, Size size, Scalar mean, boolean swapRB, boolean crop, int ddepth) { - return new Mat(blobFromImage_0(image.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, crop, ddepth)); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * @param crop flag which indicates whether image will be cropped after resize or not - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor, Size size, Scalar mean, boolean swapRB, boolean crop) { - return new Mat(blobFromImage_1(image.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, crop)); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor, Size size, Scalar mean, boolean swapRB) { - return new Mat(blobFromImage_2(image.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB)); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor, Size size, Scalar mean) { - return new Mat(blobFromImage_3(image.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3])); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * @param size spatial size for output image - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor, Size size) { - return new Mat(blobFromImage_4(image.nativeObj, scalefactor, size.width, size.height)); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * @param scalefactor multiplier for {@code images} values. - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image, double scalefactor) { - return new Mat(blobFromImage_5(image.nativeObj, scalefactor)); - } - - /** - * Creates 4-dimensional blob from image. Optionally resizes and crops {@code image} from center, - * subtract {@code mean} values, scales values by {@code scalefactor}, swap Blue and Red channels. - * @param image input image (with 1-, 3- or 4-channels). - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImage(Mat image) { - return new Mat(blobFromImage_6(image.nativeObj)); - } - - - // - // C++: Mat cv::dnn::blobFromImages(vector_Mat images, double scalefactor = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false, int ddepth = CV_32F) - // - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * @param crop flag which indicates whether image will be cropped after resize or not - * @param ddepth Depth of output blob. Choose CV_32F or CV_8U. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor, Size size, Scalar mean, boolean swapRB, boolean crop, int ddepth) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_0(images_mat.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, crop, ddepth)); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * @param crop flag which indicates whether image will be cropped after resize or not - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor, Size size, Scalar mean, boolean swapRB, boolean crop) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_1(images_mat.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, crop)); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * @param swapRB flag which indicates that swap first and last channels - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor, Size size, Scalar mean, boolean swapRB) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_2(images_mat.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB)); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * @param size spatial size for output image - * @param mean scalar with mean values which are subtracted from channels. Values are intended - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor, Size size, Scalar mean) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_3(images_mat.nativeObj, scalefactor, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3])); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * @param size spatial size for output image - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor, Size size) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_4(images_mat.nativeObj, scalefactor, size.width, size.height)); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * @param scalefactor multiplier for {@code images} values. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images, double scalefactor) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_5(images_mat.nativeObj, scalefactor)); - } - - /** - * Creates 4-dimensional blob from series of images. Optionally resizes and - * crops {@code images} from center, subtract {@code mean} values, scales values by {@code scalefactor}, - * swap Blue and Red channels. - * @param images input images (all with 1-, 3- or 4-channels). - * to be in (mean-R, mean-G, mean-B) order if {@code image} has BGR ordering and {@code swapRB} is true. - * in 3-channel image is necessary. - * if {@code crop} is true, input image is resized so one side after resize is equal to corresponding - * dimension in {@code size} and another one is equal or larger. Then, crop from the center is performed. - * If {@code crop} is false, direct resize without cropping and preserving aspect ratio is performed. - * @return 4-dimensional Mat with NCHW dimensions order. - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - */ - public static Mat blobFromImages(List images) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImages_6(images_mat.nativeObj)); - } - - - // - // C++: Mat cv::dnn::blobFromImageWithParams(Mat image, Image2BlobParams param = Image2BlobParams()) - // - - /** - * Creates 4-dimensional blob from image with given params. - * - * This function is an extension of REF: blobFromImage to meet more image preprocess needs. - * Given input image and preprocessing parameters, and function outputs the blob. - * - * @param image input image (all with 1-, 3- or 4-channels). - * @param param struct of Image2BlobParams, contains all parameters needed by processing of image to blob. - * @return 4-dimensional Mat. - */ - public static Mat blobFromImageWithParams(Mat image, Image2BlobParams param) { - return new Mat(blobFromImageWithParams_0(image.nativeObj, param.getNativeObjAddr())); - } - - /** - * Creates 4-dimensional blob from image with given params. - * - * This function is an extension of REF: blobFromImage to meet more image preprocess needs. - * Given input image and preprocessing parameters, and function outputs the blob. - * - * @param image input image (all with 1-, 3- or 4-channels). - * @return 4-dimensional Mat. - */ - public static Mat blobFromImageWithParams(Mat image) { - return new Mat(blobFromImageWithParams_1(image.nativeObj)); - } - - - // - // C++: void cv::dnn::blobFromImageWithParams(Mat image, Mat& blob, Image2BlobParams param = Image2BlobParams()) - // - - public static void blobFromImageWithParams(Mat image, Mat blob, Image2BlobParams param) { - blobFromImageWithParams_2(image.nativeObj, blob.nativeObj, param.getNativeObjAddr()); - } - - public static void blobFromImageWithParams(Mat image, Mat blob) { - blobFromImageWithParams_3(image.nativeObj, blob.nativeObj); - } - - - // - // C++: Mat cv::dnn::blobFromImagesWithParams(vector_Mat images, Image2BlobParams param = Image2BlobParams()) - // - - /** - * Creates 4-dimensional blob from series of images with given params. - * - * This function is an extension of REF: blobFromImages to meet more image preprocess needs. - * Given input image and preprocessing parameters, and function outputs the blob. - * - * @param images input image (all with 1-, 3- or 4-channels). - * @param param struct of Image2BlobParams, contains all parameters needed by processing of image to blob. - * @return 4-dimensional Mat. - */ - public static Mat blobFromImagesWithParams(List images, Image2BlobParams param) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImagesWithParams_0(images_mat.nativeObj, param.getNativeObjAddr())); - } - - /** - * Creates 4-dimensional blob from series of images with given params. - * - * This function is an extension of REF: blobFromImages to meet more image preprocess needs. - * Given input image and preprocessing parameters, and function outputs the blob. - * - * @param images input image (all with 1-, 3- or 4-channels). - * @return 4-dimensional Mat. - */ - public static Mat blobFromImagesWithParams(List images) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - return new Mat(blobFromImagesWithParams_1(images_mat.nativeObj)); - } - - - // - // C++: void cv::dnn::blobFromImagesWithParams(vector_Mat images, Mat& blob, Image2BlobParams param = Image2BlobParams()) - // - - public static void blobFromImagesWithParams(List images, Mat blob, Image2BlobParams param) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - blobFromImagesWithParams_2(images_mat.nativeObj, blob.nativeObj, param.getNativeObjAddr()); - } - - public static void blobFromImagesWithParams(List images, Mat blob) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - blobFromImagesWithParams_3(images_mat.nativeObj, blob.nativeObj); - } - - - // - // C++: void cv::dnn::imagesFromBlob(Mat blob_, vector_Mat& images_) - // - - /** - * Parse a 4D blob and output the images it contains as 2D arrays through a simpler data structure - * (std::vector<cv::Mat>). - * @param blob_ 4 dimensional array (images, channels, height, width) in floating point precision (CV_32F) from - * which you would like to extract the images. - * @param images_ array of 2D Mat containing the images extracted from the blob in floating point precision - * (CV_32F). They are non normalized neither mean added. The number of returned images equals the first dimension - * of the blob (batch size). Every image has a number of channels equals to the second dimension of the blob (depth). - */ - public static void imagesFromBlob(Mat blob_, List images_) { - Mat images__mat = new Mat(); - imagesFromBlob_0(blob_.nativeObj, images__mat.nativeObj); - Converters.Mat_to_vector_Mat(images__mat, images_); - images__mat.release(); - } - - - // - // C++: void cv::dnn::shrinkCaffeModel(String src, String dst, vector_String layersTypes = std::vector()) - // - - /** - * Convert all weights of Caffe network to half precision floating point. - * @param src Path to origin model from Caffe framework contains single - * precision floating point weights (usually has {@code .caffemodel} extension). - * @param dst Path to destination model with updated weights. - * @param layersTypes Set of layers types which parameters will be converted. - * By default, converts only Convolutional and Fully-Connected layers' - * weights. - * - * Note: Shrinked model has no origin float32 weights so it can't be used - * in origin Caffe framework anymore. However the structure of data - * is taken from NVidia's Caffe fork: https://github.com/NVIDIA/caffe. - * So the resulting model may be used there. - */ - public static void shrinkCaffeModel(String src, String dst, List layersTypes) { - shrinkCaffeModel_0(src, dst, layersTypes); - } - - /** - * Convert all weights of Caffe network to half precision floating point. - * @param src Path to origin model from Caffe framework contains single - * precision floating point weights (usually has {@code .caffemodel} extension). - * @param dst Path to destination model with updated weights. - * By default, converts only Convolutional and Fully-Connected layers' - * weights. - * - * Note: Shrinked model has no origin float32 weights so it can't be used - * in origin Caffe framework anymore. However the structure of data - * is taken from NVidia's Caffe fork: https://github.com/NVIDIA/caffe. - * So the resulting model may be used there. - */ - public static void shrinkCaffeModel(String src, String dst) { - shrinkCaffeModel_1(src, dst); - } - - - // - // C++: void cv::dnn::writeTextGraph(String model, String output) - // - - /** - * Create a text representation for a binary network stored in protocol buffer format. - * @param model A path to binary network. - * @param output A path to output text file to be created. - * - * Note: To reduce output file size, trained weights are not included. - */ - public static void writeTextGraph(String model, String output) { - writeTextGraph_0(model, output); - } - - - // - // C++: void cv::dnn::NMSBoxes(vector_Rect2d bboxes, vector_float scores, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - // - - /** - * Performs non maximum suppression given boxes and corresponding scores. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param eta a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\). - * @param top_k if {@code >0}, keep at most {@code top_k} picked indices. - */ - public static void NMSBoxes(MatOfRect2d bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices, float eta, int top_k) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxes_0(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta, top_k); - } - - /** - * Performs non maximum suppression given boxes and corresponding scores. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param eta a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\). - */ - public static void NMSBoxes(MatOfRect2d bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices, float eta) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxes_1(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta); - } - - /** - * Performs non maximum suppression given boxes and corresponding scores. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - */ - public static void NMSBoxes(MatOfRect2d bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxes_2(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj); - } - - - // - // C++: void cv::dnn::NMSBoxes(vector_RotatedRect bboxes, vector_float scores, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - // - - public static void NMSBoxesRotated(MatOfRotatedRect bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices, float eta, int top_k) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxesRotated_0(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta, top_k); - } - - public static void NMSBoxesRotated(MatOfRotatedRect bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices, float eta) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxesRotated_1(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta); - } - - public static void NMSBoxesRotated(MatOfRotatedRect bboxes, MatOfFloat scores, float score_threshold, float nms_threshold, MatOfInt indices) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat indices_mat = indices; - NMSBoxesRotated_2(bboxes_mat.nativeObj, scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj); - } - - - // - // C++: void cv::dnn::NMSBoxesBatched(vector_Rect2d bboxes, vector_float scores, vector_int class_ids, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - // - - /** - * Performs batched non maximum suppression on given boxes and corresponding scores across different classes. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param class_ids a set of corresponding class ids. Ids are integer and usually start from 0. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param eta a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\). - * @param top_k if {@code >0}, keep at most {@code top_k} picked indices. - */ - public static void NMSBoxesBatched(MatOfRect2d bboxes, MatOfFloat scores, MatOfInt class_ids, float score_threshold, float nms_threshold, MatOfInt indices, float eta, int top_k) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat class_ids_mat = class_ids; - Mat indices_mat = indices; - NMSBoxesBatched_0(bboxes_mat.nativeObj, scores_mat.nativeObj, class_ids_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta, top_k); - } - - /** - * Performs batched non maximum suppression on given boxes and corresponding scores across different classes. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param class_ids a set of corresponding class ids. Ids are integer and usually start from 0. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param eta a coefficient in adaptive threshold formula: \(nms\_threshold_{i+1}=eta\cdot nms\_threshold_i\). - */ - public static void NMSBoxesBatched(MatOfRect2d bboxes, MatOfFloat scores, MatOfInt class_ids, float score_threshold, float nms_threshold, MatOfInt indices, float eta) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat class_ids_mat = class_ids; - Mat indices_mat = indices; - NMSBoxesBatched_1(bboxes_mat.nativeObj, scores_mat.nativeObj, class_ids_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, eta); - } - - /** - * Performs batched non maximum suppression on given boxes and corresponding scores across different classes. - * - * @param bboxes a set of bounding boxes to apply NMS. - * @param scores a set of corresponding confidences. - * @param class_ids a set of corresponding class ids. Ids are integer and usually start from 0. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - */ - public static void NMSBoxesBatched(MatOfRect2d bboxes, MatOfFloat scores, MatOfInt class_ids, float score_threshold, float nms_threshold, MatOfInt indices) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat class_ids_mat = class_ids; - Mat indices_mat = indices; - NMSBoxesBatched_2(bboxes_mat.nativeObj, scores_mat.nativeObj, class_ids_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj); - } - - - // - // C++: void cv::dnn::softNMSBoxes(vector_Rect bboxes, vector_float scores, vector_float& updated_scores, float score_threshold, float nms_threshold, vector_int& indices, size_t top_k = 0, float sigma = 0.5, SoftNMSMethod method = SoftNMSMethod::SOFTNMS_GAUSSIAN) - // - - /** - * Performs soft non maximum suppression given boxes and corresponding scores. - * Reference: https://arxiv.org/abs/1704.04503 - * @param bboxes a set of bounding boxes to apply Soft NMS. - * @param scores a set of corresponding confidences. - * @param updated_scores a set of corresponding updated confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param top_k keep at most {@code top_k} picked indices. - * @param sigma parameter of Gaussian weighting. - * SEE: SoftNMSMethod - */ - public static void softNMSBoxes(MatOfRect bboxes, MatOfFloat scores, MatOfFloat updated_scores, float score_threshold, float nms_threshold, MatOfInt indices, long top_k, float sigma) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat updated_scores_mat = updated_scores; - Mat indices_mat = indices; - softNMSBoxes_0(bboxes_mat.nativeObj, scores_mat.nativeObj, updated_scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, top_k, sigma); - } - - /** - * Performs soft non maximum suppression given boxes and corresponding scores. - * Reference: https://arxiv.org/abs/1704.04503 - * @param bboxes a set of bounding boxes to apply Soft NMS. - * @param scores a set of corresponding confidences. - * @param updated_scores a set of corresponding updated confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * @param top_k keep at most {@code top_k} picked indices. - * SEE: SoftNMSMethod - */ - public static void softNMSBoxes(MatOfRect bboxes, MatOfFloat scores, MatOfFloat updated_scores, float score_threshold, float nms_threshold, MatOfInt indices, long top_k) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat updated_scores_mat = updated_scores; - Mat indices_mat = indices; - softNMSBoxes_2(bboxes_mat.nativeObj, scores_mat.nativeObj, updated_scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj, top_k); - } - - /** - * Performs soft non maximum suppression given boxes and corresponding scores. - * Reference: https://arxiv.org/abs/1704.04503 - * @param bboxes a set of bounding boxes to apply Soft NMS. - * @param scores a set of corresponding confidences. - * @param updated_scores a set of corresponding updated confidences. - * @param score_threshold a threshold used to filter boxes by score. - * @param nms_threshold a threshold used in non maximum suppression. - * @param indices the kept indices of bboxes after NMS. - * SEE: SoftNMSMethod - */ - public static void softNMSBoxes(MatOfRect bboxes, MatOfFloat scores, MatOfFloat updated_scores, float score_threshold, float nms_threshold, MatOfInt indices) { - Mat bboxes_mat = bboxes; - Mat scores_mat = scores; - Mat updated_scores_mat = updated_scores; - Mat indices_mat = indices; - softNMSBoxes_3(bboxes_mat.nativeObj, scores_mat.nativeObj, updated_scores_mat.nativeObj, score_threshold, nms_threshold, indices_mat.nativeObj); - } - - - // - // C++: String cv::dnn::getInferenceEngineBackendType() - // - - /** - * Returns Inference Engine internal backend API. - * - * See values of {@code CV_DNN_BACKEND_INFERENCE_ENGINE_*} macros. - * - * {@code OPENCV_DNN_BACKEND_INFERENCE_ENGINE_TYPE} runtime parameter (environment variable) is ignored since 4.6.0. - * - * @deprecated - * @return automatically generated - */ - @Deprecated - public static String getInferenceEngineBackendType() { - return getInferenceEngineBackendType_0(); - } - - - // - // C++: String cv::dnn::setInferenceEngineBackendType(String newBackendType) - // - - /** - * Specify Inference Engine internal backend API. - * - * See values of {@code CV_DNN_BACKEND_INFERENCE_ENGINE_*} macros. - * - * @return previous value of internal backend API - * - * @deprecated - * @param newBackendType automatically generated - */ - @Deprecated - public static String setInferenceEngineBackendType(String newBackendType) { - return setInferenceEngineBackendType_0(newBackendType); - } - - - // - // C++: void cv::dnn::resetMyriadDevice() - // - - /** - * Release a Myriad device (binded by OpenCV). - * - * Single Myriad device cannot be shared across multiple processes which uses - * Inference Engine's Myriad plugin. - */ - public static void resetMyriadDevice() { - resetMyriadDevice_0(); - } - - - // - // C++: String cv::dnn::getInferenceEngineVPUType() - // - - /** - * Returns Inference Engine VPU type. - * - * See values of {@code CV_DNN_INFERENCE_ENGINE_VPU_TYPE_*} macros. - * @return automatically generated - */ - public static String getInferenceEngineVPUType() { - return getInferenceEngineVPUType_0(); - } - - - // - // C++: String cv::dnn::getInferenceEngineCPUType() - // - - /** - * Returns Inference Engine CPU type. - * - * Specify OpenVINO plugin: CPU or ARM. - * @return automatically generated - */ - public static String getInferenceEngineCPUType() { - return getInferenceEngineCPUType_0(); - } - - - // - // C++: void cv::dnn::releaseHDDLPlugin() - // - - /** - * Release a HDDL plugin. - */ - public static void releaseHDDLPlugin() { - releaseHDDLPlugin_0(); - } - - - - - // C++: vector_Target cv::dnn::getAvailableTargets(dnn_Backend be) - private static native List getAvailableTargets_0(int be); - - // C++: Net cv::dnn::readNetFromDarknet(String cfgFile, String darknetModel = String()) - private static native long readNetFromDarknet_0(String cfgFile, String darknetModel); - private static native long readNetFromDarknet_1(String cfgFile); - - // C++: Net cv::dnn::readNetFromDarknet(vector_uchar bufferCfg, vector_uchar bufferModel = std::vector()) - private static native long readNetFromDarknet_2(long bufferCfg_mat_nativeObj, long bufferModel_mat_nativeObj); - private static native long readNetFromDarknet_3(long bufferCfg_mat_nativeObj); - - // C++: Net cv::dnn::readNetFromCaffe(String prototxt, String caffeModel = String()) - private static native long readNetFromCaffe_0(String prototxt, String caffeModel); - private static native long readNetFromCaffe_1(String prototxt); - - // C++: Net cv::dnn::readNetFromCaffe(vector_uchar bufferProto, vector_uchar bufferModel = std::vector()) - private static native long readNetFromCaffe_2(long bufferProto_mat_nativeObj, long bufferModel_mat_nativeObj); - private static native long readNetFromCaffe_3(long bufferProto_mat_nativeObj); - - // C++: Net cv::dnn::readNetFromTensorflow(String model, String config = String()) - private static native long readNetFromTensorflow_0(String model, String config); - private static native long readNetFromTensorflow_1(String model); - - // C++: Net cv::dnn::readNetFromTensorflow(vector_uchar bufferModel, vector_uchar bufferConfig = std::vector()) - private static native long readNetFromTensorflow_2(long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj); - private static native long readNetFromTensorflow_3(long bufferModel_mat_nativeObj); - - // C++: Net cv::dnn::readNetFromTFLite(String model) - private static native long readNetFromTFLite_0(String model); - - // C++: Net cv::dnn::readNetFromTFLite(vector_uchar bufferModel) - private static native long readNetFromTFLite_1(long bufferModel_mat_nativeObj); - - // C++: Net cv::dnn::readNetFromTorch(String model, bool isBinary = true, bool evaluate = true) - private static native long readNetFromTorch_0(String model, boolean isBinary, boolean evaluate); - private static native long readNetFromTorch_1(String model, boolean isBinary); - private static native long readNetFromTorch_2(String model); - - // C++: Net cv::dnn::readNet(String model, String config = "", String framework = "") - private static native long readNet_0(String model, String config, String framework); - private static native long readNet_1(String model, String config); - private static native long readNet_2(String model); - - // C++: Net cv::dnn::readNet(String framework, vector_uchar bufferModel, vector_uchar bufferConfig = std::vector()) - private static native long readNet_3(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj); - private static native long readNet_4(String framework, long bufferModel_mat_nativeObj); - - // C++: Mat cv::dnn::readTorchBlob(String filename, bool isBinary = true) - private static native long readTorchBlob_0(String filename, boolean isBinary); - private static native long readTorchBlob_1(String filename); - - // C++: Net cv::dnn::readNetFromModelOptimizer(String xml, String bin = "") - private static native long readNetFromModelOptimizer_0(String xml, String bin); - private static native long readNetFromModelOptimizer_1(String xml); - - // C++: Net cv::dnn::readNetFromModelOptimizer(vector_uchar bufferModelConfig, vector_uchar bufferWeights) - private static native long readNetFromModelOptimizer_2(long bufferModelConfig_mat_nativeObj, long bufferWeights_mat_nativeObj); - - // C++: Net cv::dnn::readNetFromONNX(String onnxFile) - private static native long readNetFromONNX_0(String onnxFile); - - // C++: Net cv::dnn::readNetFromONNX(vector_uchar buffer) - private static native long readNetFromONNX_1(long buffer_mat_nativeObj); - - // C++: Mat cv::dnn::readTensorFromONNX(String path) - private static native long readTensorFromONNX_0(String path); - - // C++: Mat cv::dnn::blobFromImage(Mat image, double scalefactor = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false, int ddepth = CV_32F) - private static native long blobFromImage_0(long image_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, boolean crop, int ddepth); - private static native long blobFromImage_1(long image_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, boolean crop); - private static native long blobFromImage_2(long image_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB); - private static native long blobFromImage_3(long image_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - private static native long blobFromImage_4(long image_nativeObj, double scalefactor, double size_width, double size_height); - private static native long blobFromImage_5(long image_nativeObj, double scalefactor); - private static native long blobFromImage_6(long image_nativeObj); - - // C++: Mat cv::dnn::blobFromImages(vector_Mat images, double scalefactor = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false, int ddepth = CV_32F) - private static native long blobFromImages_0(long images_mat_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, boolean crop, int ddepth); - private static native long blobFromImages_1(long images_mat_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, boolean crop); - private static native long blobFromImages_2(long images_mat_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB); - private static native long blobFromImages_3(long images_mat_nativeObj, double scalefactor, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - private static native long blobFromImages_4(long images_mat_nativeObj, double scalefactor, double size_width, double size_height); - private static native long blobFromImages_5(long images_mat_nativeObj, double scalefactor); - private static native long blobFromImages_6(long images_mat_nativeObj); - - // C++: Mat cv::dnn::blobFromImageWithParams(Mat image, Image2BlobParams param = Image2BlobParams()) - private static native long blobFromImageWithParams_0(long image_nativeObj, long param_nativeObj); - private static native long blobFromImageWithParams_1(long image_nativeObj); - - // C++: void cv::dnn::blobFromImageWithParams(Mat image, Mat& blob, Image2BlobParams param = Image2BlobParams()) - private static native void blobFromImageWithParams_2(long image_nativeObj, long blob_nativeObj, long param_nativeObj); - private static native void blobFromImageWithParams_3(long image_nativeObj, long blob_nativeObj); - - // C++: Mat cv::dnn::blobFromImagesWithParams(vector_Mat images, Image2BlobParams param = Image2BlobParams()) - private static native long blobFromImagesWithParams_0(long images_mat_nativeObj, long param_nativeObj); - private static native long blobFromImagesWithParams_1(long images_mat_nativeObj); - - // C++: void cv::dnn::blobFromImagesWithParams(vector_Mat images, Mat& blob, Image2BlobParams param = Image2BlobParams()) - private static native void blobFromImagesWithParams_2(long images_mat_nativeObj, long blob_nativeObj, long param_nativeObj); - private static native void blobFromImagesWithParams_3(long images_mat_nativeObj, long blob_nativeObj); - - // C++: void cv::dnn::imagesFromBlob(Mat blob_, vector_Mat& images_) - private static native void imagesFromBlob_0(long blob__nativeObj, long images__mat_nativeObj); - - // C++: void cv::dnn::shrinkCaffeModel(String src, String dst, vector_String layersTypes = std::vector()) - private static native void shrinkCaffeModel_0(String src, String dst, List layersTypes); - private static native void shrinkCaffeModel_1(String src, String dst); - - // C++: void cv::dnn::writeTextGraph(String model, String output) - private static native void writeTextGraph_0(String model, String output); - - // C++: void cv::dnn::NMSBoxes(vector_Rect2d bboxes, vector_float scores, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - private static native void NMSBoxes_0(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta, int top_k); - private static native void NMSBoxes_1(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta); - private static native void NMSBoxes_2(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj); - - // C++: void cv::dnn::NMSBoxes(vector_RotatedRect bboxes, vector_float scores, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - private static native void NMSBoxesRotated_0(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta, int top_k); - private static native void NMSBoxesRotated_1(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta); - private static native void NMSBoxesRotated_2(long bboxes_mat_nativeObj, long scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj); - - // C++: void cv::dnn::NMSBoxesBatched(vector_Rect2d bboxes, vector_float scores, vector_int class_ids, float score_threshold, float nms_threshold, vector_int& indices, float eta = 1.f, int top_k = 0) - private static native void NMSBoxesBatched_0(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long class_ids_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta, int top_k); - private static native void NMSBoxesBatched_1(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long class_ids_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, float eta); - private static native void NMSBoxesBatched_2(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long class_ids_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj); - - // C++: void cv::dnn::softNMSBoxes(vector_Rect bboxes, vector_float scores, vector_float& updated_scores, float score_threshold, float nms_threshold, vector_int& indices, size_t top_k = 0, float sigma = 0.5, SoftNMSMethod method = SoftNMSMethod::SOFTNMS_GAUSSIAN) - private static native void softNMSBoxes_0(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long updated_scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, long top_k, float sigma); - private static native void softNMSBoxes_2(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long updated_scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj, long top_k); - private static native void softNMSBoxes_3(long bboxes_mat_nativeObj, long scores_mat_nativeObj, long updated_scores_mat_nativeObj, float score_threshold, float nms_threshold, long indices_mat_nativeObj); - - // C++: String cv::dnn::getInferenceEngineBackendType() - private static native String getInferenceEngineBackendType_0(); - - // C++: String cv::dnn::setInferenceEngineBackendType(String newBackendType) - private static native String setInferenceEngineBackendType_0(String newBackendType); - - // C++: void cv::dnn::resetMyriadDevice() - private static native void resetMyriadDevice_0(); - - // C++: String cv::dnn::getInferenceEngineVPUType() - private static native String getInferenceEngineVPUType_0(); - - // C++: String cv::dnn::getInferenceEngineCPUType() - private static native String getInferenceEngineCPUType_0(); - - // C++: void cv::dnn::releaseHDDLPlugin() - private static native void releaseHDDLPlugin_0(); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/Image2BlobParams.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/Image2BlobParams.java deleted file mode 100644 index b2f492f795..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/Image2BlobParams.java +++ /dev/null @@ -1,332 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfRect; -import org.opencv.core.Rect; -import org.opencv.core.Scalar; -import org.opencv.core.Size; -import org.opencv.utils.Converters; - -// C++: class Image2BlobParams -/** - * Processing params of image to blob. - * - * It includes all possible image processing operations and corresponding parameters. - * - * SEE: blobFromImageWithParams - * - * Note: - * The order and usage of {@code scalefactor} and {@code mean} are (input - mean) * scalefactor. - * The order and usage of {@code scalefactor}, {@code size}, {@code mean}, {@code swapRB}, and {@code ddepth} are consistent - * with the function of REF: blobFromImage. - */ -public class Image2BlobParams { - - protected final long nativeObj; - protected Image2BlobParams(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Image2BlobParams __fromPtr__(long addr) { return new Image2BlobParams(addr); } - - // - // C++: cv::dnn::Image2BlobParams::Image2BlobParams() - // - - public Image2BlobParams() { - nativeObj = Image2BlobParams_0(); - } - - - // - // C++: cv::dnn::Image2BlobParams::Image2BlobParams(Scalar scalefactor, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, int ddepth = CV_32F, dnn_DataLayout datalayout = DNN_LAYOUT_NCHW, ImagePaddingMode mode = dnn::DNN_PMODE_NULL, Scalar borderValue = 0.0) - // - - public Image2BlobParams(Scalar scalefactor, Size size, Scalar mean, boolean swapRB, int ddepth, int datalayout, Scalar borderValue) { - nativeObj = Image2BlobParams_1(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, ddepth, datalayout, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - public Image2BlobParams(Scalar scalefactor, Size size, Scalar mean, boolean swapRB, int ddepth, int datalayout) { - nativeObj = Image2BlobParams_2(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, ddepth, datalayout); - } - - public Image2BlobParams(Scalar scalefactor, Size size, Scalar mean, boolean swapRB, int ddepth) { - nativeObj = Image2BlobParams_4(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, ddepth); - } - - public Image2BlobParams(Scalar scalefactor, Size size, Scalar mean, boolean swapRB) { - nativeObj = Image2BlobParams_5(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB); - } - - public Image2BlobParams(Scalar scalefactor, Size size, Scalar mean) { - nativeObj = Image2BlobParams_6(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3]); - } - - public Image2BlobParams(Scalar scalefactor, Size size) { - nativeObj = Image2BlobParams_7(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3], size.width, size.height); - } - - public Image2BlobParams(Scalar scalefactor) { - nativeObj = Image2BlobParams_8(scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3]); - } - - - // - // C++: Rect cv::dnn::Image2BlobParams::blobRectToImageRect(Rect rBlob, Size size) - // - - /** - * Get rectangle coordinates in original image system from rectangle in blob coordinates. - * @param rBlob rect in blob coordinates. - * @param size original input image size. - * @return rectangle in original image coordinates. - */ - public Rect blobRectToImageRect(Rect rBlob, Size size) { - return new Rect(blobRectToImageRect_0(nativeObj, rBlob.x, rBlob.y, rBlob.width, rBlob.height, size.width, size.height)); - } - - - // - // C++: void cv::dnn::Image2BlobParams::blobRectsToImageRects(vector_Rect rBlob, vector_Rect& rImg, Size size) - // - - /** - * Get rectangle coordinates in original image system from rectangle in blob coordinates. - * @param rBlob rect in blob coordinates. - * @param rImg result rect in image coordinates. - * @param size original input image size. - */ - public void blobRectsToImageRects(MatOfRect rBlob, MatOfRect rImg, Size size) { - Mat rBlob_mat = rBlob; - Mat rImg_mat = rImg; - blobRectsToImageRects_0(nativeObj, rBlob_mat.nativeObj, rImg_mat.nativeObj, size.width, size.height); - } - - - // - // C++: Scalar Image2BlobParams::scalefactor - // - - public Scalar get_scalefactor() { - return new Scalar(get_scalefactor_0(nativeObj)); - } - - - // - // C++: void Image2BlobParams::scalefactor - // - - public void set_scalefactor(Scalar scalefactor) { - set_scalefactor_0(nativeObj, scalefactor.val[0], scalefactor.val[1], scalefactor.val[2], scalefactor.val[3]); - } - - - // - // C++: Size Image2BlobParams::size - // - - public Size get_size() { - return new Size(get_size_0(nativeObj)); - } - - - // - // C++: void Image2BlobParams::size - // - - public void set_size(Size size) { - set_size_0(nativeObj, size.width, size.height); - } - - - // - // C++: Scalar Image2BlobParams::mean - // - - public Scalar get_mean() { - return new Scalar(get_mean_0(nativeObj)); - } - - - // - // C++: void Image2BlobParams::mean - // - - public void set_mean(Scalar mean) { - set_mean_0(nativeObj, mean.val[0], mean.val[1], mean.val[2], mean.val[3]); - } - - - // - // C++: bool Image2BlobParams::swapRB - // - - public boolean get_swapRB() { - return get_swapRB_0(nativeObj); - } - - - // - // C++: void Image2BlobParams::swapRB - // - - public void set_swapRB(boolean swapRB) { - set_swapRB_0(nativeObj, swapRB); - } - - - // - // C++: int Image2BlobParams::ddepth - // - - public int get_ddepth() { - return get_ddepth_0(nativeObj); - } - - - // - // C++: void Image2BlobParams::ddepth - // - - public void set_ddepth(int ddepth) { - set_ddepth_0(nativeObj, ddepth); - } - - - // - // C++: dnn_DataLayout Image2BlobParams::datalayout - // - - public int get_datalayout() { - return get_datalayout_0(nativeObj); - } - - - // - // C++: void Image2BlobParams::datalayout - // - - public void set_datalayout(int datalayout) { - set_datalayout_0(nativeObj, datalayout); - } - - - // - // C++: dnn_ImagePaddingMode Image2BlobParams::paddingmode - // - - public int get_paddingmode() { - return get_paddingmode_0(nativeObj); - } - - - // - // C++: void Image2BlobParams::paddingmode - // - - public void set_paddingmode(int paddingmode) { - set_paddingmode_0(nativeObj, paddingmode); - } - - - // - // C++: Scalar Image2BlobParams::borderValue - // - - public Scalar get_borderValue() { - return new Scalar(get_borderValue_0(nativeObj)); - } - - - // - // C++: void Image2BlobParams::borderValue - // - - public void set_borderValue(Scalar borderValue) { - set_borderValue_0(nativeObj, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::Image2BlobParams::Image2BlobParams() - private static native long Image2BlobParams_0(); - - // C++: cv::dnn::Image2BlobParams::Image2BlobParams(Scalar scalefactor, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, int ddepth = CV_32F, dnn_DataLayout datalayout = DNN_LAYOUT_NCHW, ImagePaddingMode mode = dnn::DNN_PMODE_NULL, Scalar borderValue = 0.0) - private static native long Image2BlobParams_1(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, int ddepth, int datalayout, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native long Image2BlobParams_2(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, int ddepth, int datalayout); - private static native long Image2BlobParams_4(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, int ddepth); - private static native long Image2BlobParams_5(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB); - private static native long Image2BlobParams_6(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - private static native long Image2BlobParams_7(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3, double size_width, double size_height); - private static native long Image2BlobParams_8(double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3); - - // C++: Rect cv::dnn::Image2BlobParams::blobRectToImageRect(Rect rBlob, Size size) - private static native double[] blobRectToImageRect_0(long nativeObj, int rBlob_x, int rBlob_y, int rBlob_width, int rBlob_height, double size_width, double size_height); - - // C++: void cv::dnn::Image2BlobParams::blobRectsToImageRects(vector_Rect rBlob, vector_Rect& rImg, Size size) - private static native void blobRectsToImageRects_0(long nativeObj, long rBlob_mat_nativeObj, long rImg_mat_nativeObj, double size_width, double size_height); - - // C++: Scalar Image2BlobParams::scalefactor - private static native double[] get_scalefactor_0(long nativeObj); - - // C++: void Image2BlobParams::scalefactor - private static native void set_scalefactor_0(long nativeObj, double scalefactor_val0, double scalefactor_val1, double scalefactor_val2, double scalefactor_val3); - - // C++: Size Image2BlobParams::size - private static native double[] get_size_0(long nativeObj); - - // C++: void Image2BlobParams::size - private static native void set_size_0(long nativeObj, double size_width, double size_height); - - // C++: Scalar Image2BlobParams::mean - private static native double[] get_mean_0(long nativeObj); - - // C++: void Image2BlobParams::mean - private static native void set_mean_0(long nativeObj, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - - // C++: bool Image2BlobParams::swapRB - private static native boolean get_swapRB_0(long nativeObj); - - // C++: void Image2BlobParams::swapRB - private static native void set_swapRB_0(long nativeObj, boolean swapRB); - - // C++: int Image2BlobParams::ddepth - private static native int get_ddepth_0(long nativeObj); - - // C++: void Image2BlobParams::ddepth - private static native void set_ddepth_0(long nativeObj, int ddepth); - - // C++: dnn_DataLayout Image2BlobParams::datalayout - private static native int get_datalayout_0(long nativeObj); - - // C++: void Image2BlobParams::datalayout - private static native void set_datalayout_0(long nativeObj, int datalayout); - - // C++: dnn_ImagePaddingMode Image2BlobParams::paddingmode - private static native int get_paddingmode_0(long nativeObj); - - // C++: void Image2BlobParams::paddingmode - private static native void set_paddingmode_0(long nativeObj, int paddingmode); - - // C++: Scalar Image2BlobParams::borderValue - private static native double[] get_borderValue_0(long nativeObj); - - // C++: void Image2BlobParams::borderValue - private static native void set_borderValue_0(long nativeObj, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/KeypointsModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/KeypointsModel.java deleted file mode 100644 index 86a3a9b897..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/KeypointsModel.java +++ /dev/null @@ -1,113 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfPoint2f; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; -import org.opencv.utils.Converters; - -// C++: class KeypointsModel -/** - * This class represents high-level API for keypoints models - * - * KeypointsModel allows to set params for preprocessing input image. - * KeypointsModel creates net from file with trained weights and config, - * sets preprocessing input, runs forward pass and returns the x and y coordinates of each detected keypoint - */ -public class KeypointsModel extends Model { - - protected KeypointsModel(long addr) { super(addr); } - - // internal usage only - public static KeypointsModel __fromPtr__(long addr) { return new KeypointsModel(addr); } - - // - // C++: cv::dnn::KeypointsModel::KeypointsModel(String model, String config = "") - // - - /** - * Create keypoints model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public KeypointsModel(String model, String config) { - super(KeypointsModel_0(model, config)); - } - - /** - * Create keypoints model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public KeypointsModel(String model) { - super(KeypointsModel_1(model)); - } - - - // - // C++: cv::dnn::KeypointsModel::KeypointsModel(Net network) - // - - /** - * Create model from deep learning network. - * @param network Net object. - */ - public KeypointsModel(Net network) { - super(KeypointsModel_2(network.getNativeObjAddr())); - } - - - // - // C++: vector_Point2f cv::dnn::KeypointsModel::estimate(Mat frame, float thresh = 0.5) - // - - /** - * Given the {@code input} frame, create input blob, run net - * @param thresh minimum confidence threshold to select a keypoint - * @return a vector holding the x and y coordinates of each detected keypoint - * - * @param frame automatically generated - */ - public MatOfPoint2f estimate(Mat frame, float thresh) { - return MatOfPoint2f.fromNativeAddr(estimate_0(nativeObj, frame.nativeObj, thresh)); - } - - /** - * Given the {@code input} frame, create input blob, run net - * @return a vector holding the x and y coordinates of each detected keypoint - * - * @param frame automatically generated - */ - public MatOfPoint2f estimate(Mat frame) { - return MatOfPoint2f.fromNativeAddr(estimate_1(nativeObj, frame.nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::KeypointsModel::KeypointsModel(String model, String config = "") - private static native long KeypointsModel_0(String model, String config); - private static native long KeypointsModel_1(String model); - - // C++: cv::dnn::KeypointsModel::KeypointsModel(Net network) - private static native long KeypointsModel_2(long network_nativeObj); - - // C++: vector_Point2f cv::dnn::KeypointsModel::estimate(Mat frame, float thresh = 0.5) - private static native long estimate_0(long nativeObj, long frame_nativeObj, float thresh); - private static native long estimate_1(long nativeObj, long frame_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/Layer.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/Layer.java deleted file mode 100644 index b2b18b94e6..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/Layer.java +++ /dev/null @@ -1,169 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class Layer -/** - * This interface class allows to build new Layers - are building blocks of networks. - * - * Each class, derived from Layer, must implement forward() method to compute outputs. - * Also before using the new layer into networks you must register your layer by using one of REF: dnnLayerFactory "LayerFactory" macros. - */ -public class Layer extends Algorithm { - - protected Layer(long addr) { super(addr); } - - // internal usage only - public static Layer __fromPtr__(long addr) { return new Layer(addr); } - - // - // C++: void cv::dnn::Layer::finalize(vector_Mat inputs, vector_Mat& outputs) - // - - /** - * Computes and sets internal parameters according to inputs, outputs and blobs. - * @param outputs vector of already allocated output blobs - * - * This method is called after network has allocated all memory for input and output blobs - * and before inferencing. - * @param inputs automatically generated - */ - public void finalize(List inputs, List outputs) { - Mat inputs_mat = Converters.vector_Mat_to_Mat(inputs); - Mat outputs_mat = new Mat(); - finalize_0(nativeObj, inputs_mat.nativeObj, outputs_mat.nativeObj); - Converters.Mat_to_vector_Mat(outputs_mat, outputs); - outputs_mat.release(); - } - - - // - // C++: void cv::dnn::Layer::run(vector_Mat inputs, vector_Mat& outputs, vector_Mat& internals) - // - - /** - * Allocates layer and computes output. - * @deprecated This method will be removed in the future release. - * @param inputs automatically generated - * @param outputs automatically generated - * @param internals automatically generated - */ - @Deprecated - public void run(List inputs, List outputs, List internals) { - Mat inputs_mat = Converters.vector_Mat_to_Mat(inputs); - Mat outputs_mat = new Mat(); - Mat internals_mat = Converters.vector_Mat_to_Mat(internals); - run_0(nativeObj, inputs_mat.nativeObj, outputs_mat.nativeObj, internals_mat.nativeObj); - Converters.Mat_to_vector_Mat(outputs_mat, outputs); - outputs_mat.release(); - Converters.Mat_to_vector_Mat(internals_mat, internals); - internals_mat.release(); - } - - - // - // C++: int cv::dnn::Layer::outputNameToIndex(String outputName) - // - - /** - * Returns index of output blob in output array. - * SEE: inputNameToIndex() - * @param outputName automatically generated - * @return automatically generated - */ - public int outputNameToIndex(String outputName) { - return outputNameToIndex_0(nativeObj, outputName); - } - - - // - // C++: vector_Mat Layer::blobs - // - - public List get_blobs() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(get_blobs_0(nativeObj)); - Converters.Mat_to_vector_Mat(retValMat, retVal); - return retVal; - } - - - // - // C++: void Layer::blobs - // - - public void set_blobs(List blobs) { - Mat blobs_mat = Converters.vector_Mat_to_Mat(blobs); - set_blobs_0(nativeObj, blobs_mat.nativeObj); - } - - - // - // C++: String Layer::name - // - - public String get_name() { - return get_name_0(nativeObj); - } - - - // - // C++: String Layer::type - // - - public String get_type() { - return get_type_0(nativeObj); - } - - - // - // C++: int Layer::preferableTarget - // - - public int get_preferableTarget() { - return get_preferableTarget_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::dnn::Layer::finalize(vector_Mat inputs, vector_Mat& outputs) - private static native void finalize_0(long nativeObj, long inputs_mat_nativeObj, long outputs_mat_nativeObj); - - // C++: void cv::dnn::Layer::run(vector_Mat inputs, vector_Mat& outputs, vector_Mat& internals) - private static native void run_0(long nativeObj, long inputs_mat_nativeObj, long outputs_mat_nativeObj, long internals_mat_nativeObj); - - // C++: int cv::dnn::Layer::outputNameToIndex(String outputName) - private static native int outputNameToIndex_0(long nativeObj, String outputName); - - // C++: vector_Mat Layer::blobs - private static native long get_blobs_0(long nativeObj); - - // C++: void Layer::blobs - private static native void set_blobs_0(long nativeObj, long blobs_mat_nativeObj); - - // C++: String Layer::name - private static native String get_name_0(long nativeObj); - - // C++: String Layer::type - private static native String get_type_0(long nativeObj); - - // C++: int Layer::preferableTarget - private static native int get_preferableTarget_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/Model.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/Model.java deleted file mode 100644 index dd8a1bd112..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/Model.java +++ /dev/null @@ -1,340 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.Scalar; -import org.opencv.core.Size; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; -import org.opencv.utils.Converters; - -// C++: class Model -/** - * This class is presented high-level API for neural networks. - * - * Model allows to set params for preprocessing input image. - * Model creates net from file with trained weights and config, - * sets preprocessing input and runs forward pass. - */ -public class Model { - - protected final long nativeObj; - protected Model(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Model __fromPtr__(long addr) { return new Model(addr); } - - // - // C++: cv::dnn::Model::Model(String model, String config = "") - // - - /** - * Create model from deep learning network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public Model(String model, String config) { - nativeObj = Model_0(model, config); - } - - /** - * Create model from deep learning network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public Model(String model) { - nativeObj = Model_1(model); - } - - - // - // C++: cv::dnn::Model::Model(Net network) - // - - /** - * Create model from deep learning network. - * @param network Net object. - */ - public Model(Net network) { - nativeObj = Model_2(network.getNativeObjAddr()); - } - - - // - // C++: Model cv::dnn::Model::setInputSize(Size size) - // - - /** - * Set input size for frame. - * @param size New input size. - * Note: If shape of the new blob less than 0, then frame size not change. - * @return automatically generated - */ - public Model setInputSize(Size size) { - return new Model(setInputSize_0(nativeObj, size.width, size.height)); - } - - - // - // C++: Model cv::dnn::Model::setInputSize(int width, int height) - // - - /** - * - * @param width New input width. - * @param height New input height. - * @return automatically generated - */ - public Model setInputSize(int width, int height) { - return new Model(setInputSize_1(nativeObj, width, height)); - } - - - // - // C++: Model cv::dnn::Model::setInputMean(Scalar mean) - // - - /** - * Set mean value for frame. - * @param mean Scalar with mean values which are subtracted from channels. - * @return automatically generated - */ - public Model setInputMean(Scalar mean) { - return new Model(setInputMean_0(nativeObj, mean.val[0], mean.val[1], mean.val[2], mean.val[3])); - } - - - // - // C++: Model cv::dnn::Model::setInputScale(Scalar scale) - // - - /** - * Set scalefactor value for frame. - * @param scale Multiplier for frame values. - * @return automatically generated - */ - public Model setInputScale(Scalar scale) { - return new Model(setInputScale_0(nativeObj, scale.val[0], scale.val[1], scale.val[2], scale.val[3])); - } - - - // - // C++: Model cv::dnn::Model::setInputCrop(bool crop) - // - - /** - * Set flag crop for frame. - * @param crop Flag which indicates whether image will be cropped after resize or not. - * @return automatically generated - */ - public Model setInputCrop(boolean crop) { - return new Model(setInputCrop_0(nativeObj, crop)); - } - - - // - // C++: Model cv::dnn::Model::setInputSwapRB(bool swapRB) - // - - /** - * Set flag swapRB for frame. - * @param swapRB Flag which indicates that swap first and last channels. - * @return automatically generated - */ - public Model setInputSwapRB(boolean swapRB) { - return new Model(setInputSwapRB_0(nativeObj, swapRB)); - } - - - // - // C++: Model cv::dnn::Model::setOutputNames(vector_String outNames) - // - - /** - * Set output names for frame. - * @param outNames Names for output layers. - * @return automatically generated - */ - public Model setOutputNames(List outNames) { - return new Model(setOutputNames_0(nativeObj, outNames)); - } - - - // - // C++: void cv::dnn::Model::setInputParams(double scale = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false) - // - - /** - * Set preprocessing parameters for frame. - * @param size New input size. - * @param mean Scalar with mean values which are subtracted from channels. - * @param scale Multiplier for frame values. - * @param swapRB Flag which indicates that swap first and last channels. - * @param crop Flag which indicates whether image will be cropped after resize or not. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams(double scale, Size size, Scalar mean, boolean swapRB, boolean crop) { - setInputParams_0(nativeObj, scale, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB, crop); - } - - /** - * Set preprocessing parameters for frame. - * @param size New input size. - * @param mean Scalar with mean values which are subtracted from channels. - * @param scale Multiplier for frame values. - * @param swapRB Flag which indicates that swap first and last channels. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams(double scale, Size size, Scalar mean, boolean swapRB) { - setInputParams_1(nativeObj, scale, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3], swapRB); - } - - /** - * Set preprocessing parameters for frame. - * @param size New input size. - * @param mean Scalar with mean values which are subtracted from channels. - * @param scale Multiplier for frame values. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams(double scale, Size size, Scalar mean) { - setInputParams_2(nativeObj, scale, size.width, size.height, mean.val[0], mean.val[1], mean.val[2], mean.val[3]); - } - - /** - * Set preprocessing parameters for frame. - * @param size New input size. - * @param scale Multiplier for frame values. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams(double scale, Size size) { - setInputParams_3(nativeObj, scale, size.width, size.height); - } - - /** - * Set preprocessing parameters for frame. - * @param scale Multiplier for frame values. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams(double scale) { - setInputParams_4(nativeObj, scale); - } - - /** - * Set preprocessing parameters for frame. - * blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) ) - */ - public void setInputParams() { - setInputParams_5(nativeObj); - } - - - // - // C++: void cv::dnn::Model::predict(Mat frame, vector_Mat& outs) - // - - /** - * Given the {@code input} frame, create input blob, run net and return the output {@code blobs}. - * @param outs Allocated output blobs, which will store results of the computation. - * @param frame automatically generated - */ - public void predict(Mat frame, List outs) { - Mat outs_mat = new Mat(); - predict_0(nativeObj, frame.nativeObj, outs_mat.nativeObj); - Converters.Mat_to_vector_Mat(outs_mat, outs); - outs_mat.release(); - } - - - // - // C++: Model cv::dnn::Model::setPreferableBackend(dnn_Backend backendId) - // - - public Model setPreferableBackend(int backendId) { - return new Model(setPreferableBackend_0(nativeObj, backendId)); - } - - - // - // C++: Model cv::dnn::Model::setPreferableTarget(dnn_Target targetId) - // - - public Model setPreferableTarget(int targetId) { - return new Model(setPreferableTarget_0(nativeObj, targetId)); - } - - - // - // C++: Model cv::dnn::Model::enableWinograd(bool useWinograd) - // - - public Model enableWinograd(boolean useWinograd) { - return new Model(enableWinograd_0(nativeObj, useWinograd)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::Model::Model(String model, String config = "") - private static native long Model_0(String model, String config); - private static native long Model_1(String model); - - // C++: cv::dnn::Model::Model(Net network) - private static native long Model_2(long network_nativeObj); - - // C++: Model cv::dnn::Model::setInputSize(Size size) - private static native long setInputSize_0(long nativeObj, double size_width, double size_height); - - // C++: Model cv::dnn::Model::setInputSize(int width, int height) - private static native long setInputSize_1(long nativeObj, int width, int height); - - // C++: Model cv::dnn::Model::setInputMean(Scalar mean) - private static native long setInputMean_0(long nativeObj, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - - // C++: Model cv::dnn::Model::setInputScale(Scalar scale) - private static native long setInputScale_0(long nativeObj, double scale_val0, double scale_val1, double scale_val2, double scale_val3); - - // C++: Model cv::dnn::Model::setInputCrop(bool crop) - private static native long setInputCrop_0(long nativeObj, boolean crop); - - // C++: Model cv::dnn::Model::setInputSwapRB(bool swapRB) - private static native long setInputSwapRB_0(long nativeObj, boolean swapRB); - - // C++: Model cv::dnn::Model::setOutputNames(vector_String outNames) - private static native long setOutputNames_0(long nativeObj, List outNames); - - // C++: void cv::dnn::Model::setInputParams(double scale = 1.0, Size size = Size(), Scalar mean = Scalar(), bool swapRB = false, bool crop = false) - private static native void setInputParams_0(long nativeObj, double scale, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB, boolean crop); - private static native void setInputParams_1(long nativeObj, double scale, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3, boolean swapRB); - private static native void setInputParams_2(long nativeObj, double scale, double size_width, double size_height, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - private static native void setInputParams_3(long nativeObj, double scale, double size_width, double size_height); - private static native void setInputParams_4(long nativeObj, double scale); - private static native void setInputParams_5(long nativeObj); - - // C++: void cv::dnn::Model::predict(Mat frame, vector_Mat& outs) - private static native void predict_0(long nativeObj, long frame_nativeObj, long outs_mat_nativeObj); - - // C++: Model cv::dnn::Model::setPreferableBackend(dnn_Backend backendId) - private static native long setPreferableBackend_0(long nativeObj, int backendId); - - // C++: Model cv::dnn::Model::setPreferableTarget(dnn_Target targetId) - private static native long setPreferableTarget_0(long nativeObj, int targetId); - - // C++: Model cv::dnn::Model::enableWinograd(bool useWinograd) - private static native long enableWinograd_0(long nativeObj, boolean useWinograd); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/Net.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/Net.java deleted file mode 100644 index b9566465ef..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/Net.java +++ /dev/null @@ -1,987 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfDouble; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfInt; -import org.opencv.core.Scalar; -import org.opencv.dnn.DictValue; -import org.opencv.dnn.Layer; -import org.opencv.dnn.Net; -import org.opencv.utils.Converters; - -// C++: class Net -/** - * This class allows to create and manipulate comprehensive artificial neural networks. - * - * Neural network is presented as directed acyclic graph (DAG), where vertices are Layer instances, - * and edges specify relationships between layers inputs and outputs. - * - * Each network layer has unique integer id and unique string name inside its network. - * LayerId can store either layer name or layer id. - * - * This class supports reference counting of its instances, i. e. copies point to the same instance. - */ -public class Net { - - protected final long nativeObj; - protected Net(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Net __fromPtr__(long addr) { return new Net(addr); } - - // - // C++: cv::dnn::Net::Net() - // - - public Net() { - nativeObj = Net_0(); - } - - - // - // C++: static Net cv::dnn::Net::readFromModelOptimizer(String xml, String bin) - // - - /** - * Create a network from Intel's Model Optimizer intermediate representation (IR). - * @param xml XML configuration file with network's topology. - * @param bin Binary file with trained weights. - * Networks imported from Intel's Model Optimizer are launched in Intel's Inference Engine - * backend. - * @return automatically generated - */ - public static Net readFromModelOptimizer(String xml, String bin) { - return new Net(readFromModelOptimizer_0(xml, bin)); - } - - - // - // C++: static Net cv::dnn::Net::readFromModelOptimizer(vector_uchar bufferModelConfig, vector_uchar bufferWeights) - // - - /** - * Create a network from Intel's Model Optimizer in-memory buffers with intermediate representation (IR). - * @param bufferModelConfig buffer with model's configuration. - * @param bufferWeights buffer with model's trained weights. - * @return Net object. - */ - public static Net readFromModelOptimizer(MatOfByte bufferModelConfig, MatOfByte bufferWeights) { - Mat bufferModelConfig_mat = bufferModelConfig; - Mat bufferWeights_mat = bufferWeights; - return new Net(readFromModelOptimizer_1(bufferModelConfig_mat.nativeObj, bufferWeights_mat.nativeObj)); - } - - - // - // C++: bool cv::dnn::Net::empty() - // - - /** - * Returns true if there are no layers in the network. - * @return automatically generated - */ - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: String cv::dnn::Net::dump() - // - - /** - * Dump net to String - * @return String with structure, hyperparameters, backend, target and fusion - * Call method after setInput(). To see correct backend, target and fusion run after forward(). - */ - public String dump() { - return dump_0(nativeObj); - } - - - // - // C++: void cv::dnn::Net::dumpToFile(String path) - // - - /** - * Dump net structure, hyperparameters, backend, target and fusion to dot file - * @param path path to output file with .dot extension - * SEE: dump() - */ - public void dumpToFile(String path) { - dumpToFile_0(nativeObj, path); - } - - - // - // C++: void cv::dnn::Net::dumpToPbtxt(String path) - // - - /** - * Dump net structure, hyperparameters, backend, target and fusion to pbtxt file - * @param path path to output file with .pbtxt extension - * - * Use Netron (https://netron.app) to open the target file to visualize the model. - * Call method after setInput(). To see correct backend, target and fusion run after forward(). - */ - public void dumpToPbtxt(String path) { - dumpToPbtxt_0(nativeObj, path); - } - - - // - // C++: int cv::dnn::Net::addLayer(String name, String type, int dtype, LayerParams params) - // - - // Unknown type 'LayerParams' (I), skipping the function - - - // - // C++: int cv::dnn::Net::addLayerToPrev(String name, String type, int dtype, LayerParams params) - // - - // Unknown type 'LayerParams' (I), skipping the function - - - // - // C++: int cv::dnn::Net::getLayerId(String layer) - // - - /** - * Converts string name of the layer to the integer identifier. - * @return id of the layer, or -1 if the layer wasn't found. - * @param layer automatically generated - */ - public int getLayerId(String layer) { - return getLayerId_0(nativeObj, layer); - } - - - // - // C++: vector_String cv::dnn::Net::getLayerNames() - // - - public List getLayerNames() { - return getLayerNames_0(nativeObj); - } - - - // - // C++: Ptr_Layer cv::dnn::Net::getLayer(int layerId) - // - - /** - * Returns pointer to layer with specified id or name which the network use. - * @param layerId automatically generated - * @return automatically generated - */ - public Layer getLayer(int layerId) { - return Layer.__fromPtr__(getLayer_0(nativeObj, layerId)); - } - - - // - // C++: Ptr_Layer cv::dnn::Net::getLayer(String layerName) - // - - /** - * - * @deprecated Use int getLayerId(const String &layer) - * @param layerName automatically generated - * @return automatically generated - */ - @Deprecated - public Layer getLayer(String layerName) { - return Layer.__fromPtr__(getLayer_1(nativeObj, layerName)); - } - - - // - // C++: Ptr_Layer cv::dnn::Net::getLayer(LayerId layerId) - // - - /** - * - * @deprecated to be removed - * @param layerId automatically generated - * @return automatically generated - */ - @Deprecated - public Layer getLayer(DictValue layerId) { - return Layer.__fromPtr__(getLayer_2(nativeObj, layerId.getNativeObjAddr())); - } - - - // - // C++: void cv::dnn::Net::connect(String outPin, String inpPin) - // - - /** - * Connects output of the first layer to input of the second layer. - * @param outPin descriptor of the first layer output. - * @param inpPin descriptor of the second layer input. - * - * Descriptors have the following template <DFN>&lt;layer_name&gt;[.input_number]</DFN>: - * - the first part of the template <DFN>layer_name</DFN> is string name of the added layer. - * If this part is empty then the network input pseudo layer will be used; - * - the second optional part of the template <DFN>input_number</DFN> - * is either number of the layer input, either label one. - * If this part is omitted then the first layer input will be used. - * - * SEE: setNetInputs(), Layer::inputNameToIndex(), Layer::outputNameToIndex() - */ - public void connect(String outPin, String inpPin) { - connect_0(nativeObj, outPin, inpPin); - } - - - // - // C++: int cv::dnn::Net::registerOutput(string outputName, int layerId, int outputPort) - // - - /** - * Registers network output with name - * - * Function may create additional 'Identity' layer. - * - * @param outputName identifier of the output - * @param layerId identifier of the second layer - * @param outputPort number of the second layer input - * - * @return index of bound layer (the same as layerId or newly created) - */ - public int registerOutput(String outputName, int layerId, int outputPort) { - return registerOutput_0(nativeObj, outputName, layerId, outputPort); - } - - - // - // C++: void cv::dnn::Net::setInputsNames(vector_String inputBlobNames) - // - - /** - * Sets outputs names of the network input pseudo layer. - * - * Each net always has special own the network input pseudo layer with id=0. - * This layer stores the user blobs only and don't make any computations. - * In fact, this layer provides the only way to pass user data into the network. - * As any other layer, this layer can label its outputs and this function provides an easy way to do this. - * @param inputBlobNames automatically generated - */ - public void setInputsNames(List inputBlobNames) { - setInputsNames_0(nativeObj, inputBlobNames); - } - - - // - // C++: void cv::dnn::Net::setInputShape(String inputName, MatShape shape) - // - - /** - * Specify shape of network input. - * @param inputName automatically generated - * @param shape automatically generated - */ - public void setInputShape(String inputName, MatOfInt shape) { - Mat shape_mat = shape; - setInputShape_0(nativeObj, inputName, shape_mat.nativeObj); - } - - - // - // C++: Mat cv::dnn::Net::forward(String outputName = String()) - // - - /** - * Runs forward pass to compute output of layer with name {@code outputName}. - * @param outputName name for layer which output is needed to get - * @return blob for first output of specified layer. - * By default runs forward pass for the whole network. - */ - public Mat forward(String outputName) { - return new Mat(forward_0(nativeObj, outputName)); - } - - /** - * Runs forward pass to compute output of layer with name {@code outputName}. - * @return blob for first output of specified layer. - * By default runs forward pass for the whole network. - */ - public Mat forward() { - return new Mat(forward_1(nativeObj)); - } - - - // - // C++: AsyncArray cv::dnn::Net::forwardAsync(String outputName = String()) - // - - // Return type 'AsyncArray' is not supported, skipping the function - - - // - // C++: void cv::dnn::Net::forward(vector_Mat& outputBlobs, String outputName = String()) - // - - /** - * Runs forward pass to compute output of layer with name {@code outputName}. - * @param outputBlobs contains all output blobs for specified layer. - * @param outputName name for layer which output is needed to get - * If {@code outputName} is empty, runs forward pass for the whole network. - */ - public void forward(List outputBlobs, String outputName) { - Mat outputBlobs_mat = new Mat(); - forward_2(nativeObj, outputBlobs_mat.nativeObj, outputName); - Converters.Mat_to_vector_Mat(outputBlobs_mat, outputBlobs); - outputBlobs_mat.release(); - } - - /** - * Runs forward pass to compute output of layer with name {@code outputName}. - * @param outputBlobs contains all output blobs for specified layer. - * If {@code outputName} is empty, runs forward pass for the whole network. - */ - public void forward(List outputBlobs) { - Mat outputBlobs_mat = new Mat(); - forward_3(nativeObj, outputBlobs_mat.nativeObj); - Converters.Mat_to_vector_Mat(outputBlobs_mat, outputBlobs); - outputBlobs_mat.release(); - } - - - // - // C++: void cv::dnn::Net::forward(vector_Mat& outputBlobs, vector_String outBlobNames) - // - - /** - * Runs forward pass to compute outputs of layers listed in {@code outBlobNames}. - * @param outputBlobs contains blobs for first outputs of specified layers. - * @param outBlobNames names for layers which outputs are needed to get - */ - public void forward(List outputBlobs, List outBlobNames) { - Mat outputBlobs_mat = new Mat(); - forward_4(nativeObj, outputBlobs_mat.nativeObj, outBlobNames); - Converters.Mat_to_vector_Mat(outputBlobs_mat, outputBlobs); - outputBlobs_mat.release(); - } - - - // - // C++: void cv::dnn::Net::forward(vector_vector_Mat& outputBlobs, vector_String outBlobNames) - // - - // Unknown type 'vector_vector_Mat' (O), skipping the function - - - // - // C++: Net cv::dnn::Net::quantize(vector_Mat calibData, int inputsDtype, int outputsDtype, bool perChannel = true) - // - - /** - * Returns a quantized Net from a floating-point Net. - * @param calibData Calibration data to compute the quantization parameters. - * @param inputsDtype Datatype of quantized net's inputs. Can be CV_32F or CV_8S. - * @param outputsDtype Datatype of quantized net's outputs. Can be CV_32F or CV_8S. - * @param perChannel Quantization granularity of quantized Net. The default is true, that means quantize model - * in per-channel way (channel-wise). Set it false to quantize model in per-tensor way (or tensor-wise). - * @return automatically generated - */ - public Net quantize(List calibData, int inputsDtype, int outputsDtype, boolean perChannel) { - Mat calibData_mat = Converters.vector_Mat_to_Mat(calibData); - return new Net(quantize_0(nativeObj, calibData_mat.nativeObj, inputsDtype, outputsDtype, perChannel)); - } - - /** - * Returns a quantized Net from a floating-point Net. - * @param calibData Calibration data to compute the quantization parameters. - * @param inputsDtype Datatype of quantized net's inputs. Can be CV_32F or CV_8S. - * @param outputsDtype Datatype of quantized net's outputs. Can be CV_32F or CV_8S. - * in per-channel way (channel-wise). Set it false to quantize model in per-tensor way (or tensor-wise). - * @return automatically generated - */ - public Net quantize(List calibData, int inputsDtype, int outputsDtype) { - Mat calibData_mat = Converters.vector_Mat_to_Mat(calibData); - return new Net(quantize_1(nativeObj, calibData_mat.nativeObj, inputsDtype, outputsDtype)); - } - - - // - // C++: void cv::dnn::Net::getInputDetails(vector_float& scales, vector_int& zeropoints) - // - - /** - * Returns input scale and zeropoint for a quantized Net. - * @param scales output parameter for returning input scales. - * @param zeropoints output parameter for returning input zeropoints. - */ - public void getInputDetails(MatOfFloat scales, MatOfInt zeropoints) { - Mat scales_mat = scales; - Mat zeropoints_mat = zeropoints; - getInputDetails_0(nativeObj, scales_mat.nativeObj, zeropoints_mat.nativeObj); - } - - - // - // C++: void cv::dnn::Net::getOutputDetails(vector_float& scales, vector_int& zeropoints) - // - - /** - * Returns output scale and zeropoint for a quantized Net. - * @param scales output parameter for returning output scales. - * @param zeropoints output parameter for returning output zeropoints. - */ - public void getOutputDetails(MatOfFloat scales, MatOfInt zeropoints) { - Mat scales_mat = scales; - Mat zeropoints_mat = zeropoints; - getOutputDetails_0(nativeObj, scales_mat.nativeObj, zeropoints_mat.nativeObj); - } - - - // - // C++: void cv::dnn::Net::setHalideScheduler(String scheduler) - // - - /** - * Compile Halide layers. - * @param scheduler Path to YAML file with scheduling directives. - * SEE: setPreferableBackend - * - * Schedule layers that support Halide backend. Then compile them for - * specific target. For layers that not represented in scheduling file - * or if no manual scheduling used at all, automatic scheduling will be applied. - */ - public void setHalideScheduler(String scheduler) { - setHalideScheduler_0(nativeObj, scheduler); - } - - - // - // C++: void cv::dnn::Net::setPreferableBackend(int backendId) - // - - /** - * Ask network to use specific computation backend where it supported. - * @param backendId backend identifier. - * SEE: Backend - */ - public void setPreferableBackend(int backendId) { - setPreferableBackend_0(nativeObj, backendId); - } - - - // - // C++: void cv::dnn::Net::setPreferableTarget(int targetId) - // - - /** - * Ask network to make computations on specific target device. - * @param targetId target identifier. - * SEE: Target - * - * List of supported combinations backend / target: - * | | DNN_BACKEND_OPENCV | DNN_BACKEND_INFERENCE_ENGINE | DNN_BACKEND_HALIDE | DNN_BACKEND_CUDA | - * |------------------------|--------------------|------------------------------|--------------------|-------------------| - * | DNN_TARGET_CPU | + | + | + | | - * | DNN_TARGET_OPENCL | + | + | + | | - * | DNN_TARGET_OPENCL_FP16 | + | + | | | - * | DNN_TARGET_MYRIAD | | + | | | - * | DNN_TARGET_FPGA | | + | | | - * | DNN_TARGET_CUDA | | | | + | - * | DNN_TARGET_CUDA_FP16 | | | | + | - * | DNN_TARGET_HDDL | | + | | | - */ - public void setPreferableTarget(int targetId) { - setPreferableTarget_0(nativeObj, targetId); - } - - - // - // C++: void cv::dnn::Net::setInput(Mat blob, String name = "", double scalefactor = 1.0, Scalar mean = Scalar()) - // - - /** - * Sets the new input value for the network - * @param blob A new blob. Should have CV_32F or CV_8U depth. - * @param name A name of input layer. - * @param scalefactor An optional normalization scale. - * @param mean An optional mean subtraction values. - * SEE: connect(String, String) to know format of the descriptor. - * - * If scale or mean values are specified, a final input blob is computed - * as: - * \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\) - */ - public void setInput(Mat blob, String name, double scalefactor, Scalar mean) { - setInput_0(nativeObj, blob.nativeObj, name, scalefactor, mean.val[0], mean.val[1], mean.val[2], mean.val[3]); - } - - /** - * Sets the new input value for the network - * @param blob A new blob. Should have CV_32F or CV_8U depth. - * @param name A name of input layer. - * @param scalefactor An optional normalization scale. - * SEE: connect(String, String) to know format of the descriptor. - * - * If scale or mean values are specified, a final input blob is computed - * as: - * \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\) - */ - public void setInput(Mat blob, String name, double scalefactor) { - setInput_1(nativeObj, blob.nativeObj, name, scalefactor); - } - - /** - * Sets the new input value for the network - * @param blob A new blob. Should have CV_32F or CV_8U depth. - * @param name A name of input layer. - * SEE: connect(String, String) to know format of the descriptor. - * - * If scale or mean values are specified, a final input blob is computed - * as: - * \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\) - */ - public void setInput(Mat blob, String name) { - setInput_2(nativeObj, blob.nativeObj, name); - } - - /** - * Sets the new input value for the network - * @param blob A new blob. Should have CV_32F or CV_8U depth. - * SEE: connect(String, String) to know format of the descriptor. - * - * If scale or mean values are specified, a final input blob is computed - * as: - * \(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\) - */ - public void setInput(Mat blob) { - setInput_3(nativeObj, blob.nativeObj); - } - - - // - // C++: void cv::dnn::Net::setParam(int layer, int numParam, Mat blob) - // - - /** - * Sets the new value for the learned param of the layer. - * @param layer name or id of the layer. - * @param numParam index of the layer parameter in the Layer::blobs array. - * @param blob the new value. - * SEE: Layer::blobs - * Note: If shape of the new blob differs from the previous shape, - * then the following forward pass may fail. - */ - public void setParam(int layer, int numParam, Mat blob) { - setParam_0(nativeObj, layer, numParam, blob.nativeObj); - } - - - // - // C++: void cv::dnn::Net::setParam(String layerName, int numParam, Mat blob) - // - - public void setParam(String layerName, int numParam, Mat blob) { - setParam_1(nativeObj, layerName, numParam, blob.nativeObj); - } - - - // - // C++: Mat cv::dnn::Net::getParam(int layer, int numParam = 0) - // - - /** - * Returns parameter blob of the layer. - * @param layer name or id of the layer. - * @param numParam index of the layer parameter in the Layer::blobs array. - * SEE: Layer::blobs - * @return automatically generated - */ - public Mat getParam(int layer, int numParam) { - return new Mat(getParam_0(nativeObj, layer, numParam)); - } - - /** - * Returns parameter blob of the layer. - * @param layer name or id of the layer. - * SEE: Layer::blobs - * @return automatically generated - */ - public Mat getParam(int layer) { - return new Mat(getParam_1(nativeObj, layer)); - } - - - // - // C++: Mat cv::dnn::Net::getParam(String layerName, int numParam = 0) - // - - public Mat getParam(String layerName, int numParam) { - return new Mat(getParam_2(nativeObj, layerName, numParam)); - } - - public Mat getParam(String layerName) { - return new Mat(getParam_3(nativeObj, layerName)); - } - - - // - // C++: vector_int cv::dnn::Net::getUnconnectedOutLayers() - // - - /** - * Returns indexes of layers with unconnected outputs. - * - * FIXIT: Rework API to registerOutput() approach, deprecate this call - * @return automatically generated - */ - public MatOfInt getUnconnectedOutLayers() { - return MatOfInt.fromNativeAddr(getUnconnectedOutLayers_0(nativeObj)); - } - - - // - // C++: vector_String cv::dnn::Net::getUnconnectedOutLayersNames() - // - - /** - * Returns names of layers with unconnected outputs. - * - * FIXIT: Rework API to registerOutput() approach, deprecate this call - * @return automatically generated - */ - public List getUnconnectedOutLayersNames() { - return getUnconnectedOutLayersNames_0(nativeObj); - } - - - // - // C++: void cv::dnn::Net::getLayersShapes(vector_MatShape netInputShapes, vector_int& layersIds, vector_vector_MatShape& inLayersShapes, vector_vector_MatShape& outLayersShapes) - // - - // Unknown type 'vector_vector_MatShape' (O), skipping the function - - - // - // C++: void cv::dnn::Net::getLayersShapes(MatShape netInputShape, vector_int& layersIds, vector_vector_MatShape& inLayersShapes, vector_vector_MatShape& outLayersShapes) - // - - // Unknown type 'vector_vector_MatShape' (O), skipping the function - - - // - // C++: int64 cv::dnn::Net::getFLOPS(vector_MatShape netInputShapes) - // - - /** - * Computes FLOP for whole loaded model with specified input shapes. - * @param netInputShapes vector of shapes for all net inputs. - * @return computed FLOP. - */ - public long getFLOPS(List netInputShapes) { - return getFLOPS_0(nativeObj, netInputShapes); - } - - - // - // C++: int64 cv::dnn::Net::getFLOPS(MatShape netInputShape) - // - - public long getFLOPS(MatOfInt netInputShape) { - Mat netInputShape_mat = netInputShape; - return getFLOPS_1(nativeObj, netInputShape_mat.nativeObj); - } - - - // - // C++: int64 cv::dnn::Net::getFLOPS(int layerId, vector_MatShape netInputShapes) - // - - public long getFLOPS(int layerId, List netInputShapes) { - return getFLOPS_2(nativeObj, layerId, netInputShapes); - } - - - // - // C++: int64 cv::dnn::Net::getFLOPS(int layerId, MatShape netInputShape) - // - - public long getFLOPS(int layerId, MatOfInt netInputShape) { - Mat netInputShape_mat = netInputShape; - return getFLOPS_3(nativeObj, layerId, netInputShape_mat.nativeObj); - } - - - // - // C++: void cv::dnn::Net::getLayerTypes(vector_String& layersTypes) - // - - /** - * Returns list of types for layer used in model. - * @param layersTypes output parameter for returning types. - */ - public void getLayerTypes(List layersTypes) { - getLayerTypes_0(nativeObj, layersTypes); - } - - - // - // C++: int cv::dnn::Net::getLayersCount(String layerType) - // - - /** - * Returns count of layers of specified type. - * @param layerType type. - * @return count of layers - */ - public int getLayersCount(String layerType) { - return getLayersCount_0(nativeObj, layerType); - } - - - // - // C++: void cv::dnn::Net::getMemoryConsumption(MatShape netInputShape, size_t& weights, size_t& blobs) - // - - public void getMemoryConsumption(MatOfInt netInputShape, long[] weights, long[] blobs) { - Mat netInputShape_mat = netInputShape; - double[] weights_out = new double[1]; - double[] blobs_out = new double[1]; - getMemoryConsumption_0(nativeObj, netInputShape_mat.nativeObj, weights_out, blobs_out); - if(weights!=null) weights[0] = (long)weights_out[0]; - if(blobs!=null) blobs[0] = (long)blobs_out[0]; - } - - - // - // C++: void cv::dnn::Net::getMemoryConsumption(int layerId, vector_MatShape netInputShapes, size_t& weights, size_t& blobs) - // - - public void getMemoryConsumption(int layerId, List netInputShapes, long[] weights, long[] blobs) { - double[] weights_out = new double[1]; - double[] blobs_out = new double[1]; - getMemoryConsumption_1(nativeObj, layerId, netInputShapes, weights_out, blobs_out); - if(weights!=null) weights[0] = (long)weights_out[0]; - if(blobs!=null) blobs[0] = (long)blobs_out[0]; - } - - - // - // C++: void cv::dnn::Net::getMemoryConsumption(int layerId, MatShape netInputShape, size_t& weights, size_t& blobs) - // - - public void getMemoryConsumption(int layerId, MatOfInt netInputShape, long[] weights, long[] blobs) { - Mat netInputShape_mat = netInputShape; - double[] weights_out = new double[1]; - double[] blobs_out = new double[1]; - getMemoryConsumption_2(nativeObj, layerId, netInputShape_mat.nativeObj, weights_out, blobs_out); - if(weights!=null) weights[0] = (long)weights_out[0]; - if(blobs!=null) blobs[0] = (long)blobs_out[0]; - } - - - // - // C++: void cv::dnn::Net::enableFusion(bool fusion) - // - - /** - * Enables or disables layer fusion in the network. - * @param fusion true to enable the fusion, false to disable. The fusion is enabled by default. - */ - public void enableFusion(boolean fusion) { - enableFusion_0(nativeObj, fusion); - } - - - // - // C++: void cv::dnn::Net::enableWinograd(bool useWinograd) - // - - /** - * Enables or disables the Winograd compute branch. The Winograd compute branch can speed up - * 3x3 Convolution at a small loss of accuracy. - * @param useWinograd true to enable the Winograd compute branch. The default is true. - */ - public void enableWinograd(boolean useWinograd) { - enableWinograd_0(nativeObj, useWinograd); - } - - - // - // C++: int64 cv::dnn::Net::getPerfProfile(vector_double& timings) - // - - /** - * Returns overall time for inference and timings (in ticks) for layers. - * - * Indexes in returned vector correspond to layers ids. Some layers can be fused with others, - * in this case zero ticks count will be return for that skipped layers. Supported by DNN_BACKEND_OPENCV on DNN_TARGET_CPU only. - * - * @param timings vector for tick timings for all layers. - * @return overall ticks for model inference. - */ - public long getPerfProfile(MatOfDouble timings) { - Mat timings_mat = timings; - return getPerfProfile_0(nativeObj, timings_mat.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::Net::Net() - private static native long Net_0(); - - // C++: static Net cv::dnn::Net::readFromModelOptimizer(String xml, String bin) - private static native long readFromModelOptimizer_0(String xml, String bin); - - // C++: static Net cv::dnn::Net::readFromModelOptimizer(vector_uchar bufferModelConfig, vector_uchar bufferWeights) - private static native long readFromModelOptimizer_1(long bufferModelConfig_mat_nativeObj, long bufferWeights_mat_nativeObj); - - // C++: bool cv::dnn::Net::empty() - private static native boolean empty_0(long nativeObj); - - // C++: String cv::dnn::Net::dump() - private static native String dump_0(long nativeObj); - - // C++: void cv::dnn::Net::dumpToFile(String path) - private static native void dumpToFile_0(long nativeObj, String path); - - // C++: void cv::dnn::Net::dumpToPbtxt(String path) - private static native void dumpToPbtxt_0(long nativeObj, String path); - - // C++: int cv::dnn::Net::getLayerId(String layer) - private static native int getLayerId_0(long nativeObj, String layer); - - // C++: vector_String cv::dnn::Net::getLayerNames() - private static native List getLayerNames_0(long nativeObj); - - // C++: Ptr_Layer cv::dnn::Net::getLayer(int layerId) - private static native long getLayer_0(long nativeObj, int layerId); - - // C++: Ptr_Layer cv::dnn::Net::getLayer(String layerName) - private static native long getLayer_1(long nativeObj, String layerName); - - // C++: Ptr_Layer cv::dnn::Net::getLayer(LayerId layerId) - private static native long getLayer_2(long nativeObj, long layerId_nativeObj); - - // C++: void cv::dnn::Net::connect(String outPin, String inpPin) - private static native void connect_0(long nativeObj, String outPin, String inpPin); - - // C++: int cv::dnn::Net::registerOutput(string outputName, int layerId, int outputPort) - private static native int registerOutput_0(long nativeObj, String outputName, int layerId, int outputPort); - - // C++: void cv::dnn::Net::setInputsNames(vector_String inputBlobNames) - private static native void setInputsNames_0(long nativeObj, List inputBlobNames); - - // C++: void cv::dnn::Net::setInputShape(String inputName, MatShape shape) - private static native void setInputShape_0(long nativeObj, String inputName, long shape_mat_nativeObj); - - // C++: Mat cv::dnn::Net::forward(String outputName = String()) - private static native long forward_0(long nativeObj, String outputName); - private static native long forward_1(long nativeObj); - - // C++: void cv::dnn::Net::forward(vector_Mat& outputBlobs, String outputName = String()) - private static native void forward_2(long nativeObj, long outputBlobs_mat_nativeObj, String outputName); - private static native void forward_3(long nativeObj, long outputBlobs_mat_nativeObj); - - // C++: void cv::dnn::Net::forward(vector_Mat& outputBlobs, vector_String outBlobNames) - private static native void forward_4(long nativeObj, long outputBlobs_mat_nativeObj, List outBlobNames); - - // C++: Net cv::dnn::Net::quantize(vector_Mat calibData, int inputsDtype, int outputsDtype, bool perChannel = true) - private static native long quantize_0(long nativeObj, long calibData_mat_nativeObj, int inputsDtype, int outputsDtype, boolean perChannel); - private static native long quantize_1(long nativeObj, long calibData_mat_nativeObj, int inputsDtype, int outputsDtype); - - // C++: void cv::dnn::Net::getInputDetails(vector_float& scales, vector_int& zeropoints) - private static native void getInputDetails_0(long nativeObj, long scales_mat_nativeObj, long zeropoints_mat_nativeObj); - - // C++: void cv::dnn::Net::getOutputDetails(vector_float& scales, vector_int& zeropoints) - private static native void getOutputDetails_0(long nativeObj, long scales_mat_nativeObj, long zeropoints_mat_nativeObj); - - // C++: void cv::dnn::Net::setHalideScheduler(String scheduler) - private static native void setHalideScheduler_0(long nativeObj, String scheduler); - - // C++: void cv::dnn::Net::setPreferableBackend(int backendId) - private static native void setPreferableBackend_0(long nativeObj, int backendId); - - // C++: void cv::dnn::Net::setPreferableTarget(int targetId) - private static native void setPreferableTarget_0(long nativeObj, int targetId); - - // C++: void cv::dnn::Net::setInput(Mat blob, String name = "", double scalefactor = 1.0, Scalar mean = Scalar()) - private static native void setInput_0(long nativeObj, long blob_nativeObj, String name, double scalefactor, double mean_val0, double mean_val1, double mean_val2, double mean_val3); - private static native void setInput_1(long nativeObj, long blob_nativeObj, String name, double scalefactor); - private static native void setInput_2(long nativeObj, long blob_nativeObj, String name); - private static native void setInput_3(long nativeObj, long blob_nativeObj); - - // C++: void cv::dnn::Net::setParam(int layer, int numParam, Mat blob) - private static native void setParam_0(long nativeObj, int layer, int numParam, long blob_nativeObj); - - // C++: void cv::dnn::Net::setParam(String layerName, int numParam, Mat blob) - private static native void setParam_1(long nativeObj, String layerName, int numParam, long blob_nativeObj); - - // C++: Mat cv::dnn::Net::getParam(int layer, int numParam = 0) - private static native long getParam_0(long nativeObj, int layer, int numParam); - private static native long getParam_1(long nativeObj, int layer); - - // C++: Mat cv::dnn::Net::getParam(String layerName, int numParam = 0) - private static native long getParam_2(long nativeObj, String layerName, int numParam); - private static native long getParam_3(long nativeObj, String layerName); - - // C++: vector_int cv::dnn::Net::getUnconnectedOutLayers() - private static native long getUnconnectedOutLayers_0(long nativeObj); - - // C++: vector_String cv::dnn::Net::getUnconnectedOutLayersNames() - private static native List getUnconnectedOutLayersNames_0(long nativeObj); - - // C++: int64 cv::dnn::Net::getFLOPS(vector_MatShape netInputShapes) - private static native long getFLOPS_0(long nativeObj, List netInputShapes); - - // C++: int64 cv::dnn::Net::getFLOPS(MatShape netInputShape) - private static native long getFLOPS_1(long nativeObj, long netInputShape_mat_nativeObj); - - // C++: int64 cv::dnn::Net::getFLOPS(int layerId, vector_MatShape netInputShapes) - private static native long getFLOPS_2(long nativeObj, int layerId, List netInputShapes); - - // C++: int64 cv::dnn::Net::getFLOPS(int layerId, MatShape netInputShape) - private static native long getFLOPS_3(long nativeObj, int layerId, long netInputShape_mat_nativeObj); - - // C++: void cv::dnn::Net::getLayerTypes(vector_String& layersTypes) - private static native void getLayerTypes_0(long nativeObj, List layersTypes); - - // C++: int cv::dnn::Net::getLayersCount(String layerType) - private static native int getLayersCount_0(long nativeObj, String layerType); - - // C++: void cv::dnn::Net::getMemoryConsumption(MatShape netInputShape, size_t& weights, size_t& blobs) - private static native void getMemoryConsumption_0(long nativeObj, long netInputShape_mat_nativeObj, double[] weights_out, double[] blobs_out); - - // C++: void cv::dnn::Net::getMemoryConsumption(int layerId, vector_MatShape netInputShapes, size_t& weights, size_t& blobs) - private static native void getMemoryConsumption_1(long nativeObj, int layerId, List netInputShapes, double[] weights_out, double[] blobs_out); - - // C++: void cv::dnn::Net::getMemoryConsumption(int layerId, MatShape netInputShape, size_t& weights, size_t& blobs) - private static native void getMemoryConsumption_2(long nativeObj, int layerId, long netInputShape_mat_nativeObj, double[] weights_out, double[] blobs_out); - - // C++: void cv::dnn::Net::enableFusion(bool fusion) - private static native void enableFusion_0(long nativeObj, boolean fusion); - - // C++: void cv::dnn::Net::enableWinograd(bool useWinograd) - private static native void enableWinograd_0(long nativeObj, boolean useWinograd); - - // C++: int64 cv::dnn::Net::getPerfProfile(vector_double& timings) - private static native long getPerfProfile_0(long nativeObj, long timings_mat_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/SegmentationModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/SegmentationModel.java deleted file mode 100644 index 56e914df3f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/SegmentationModel.java +++ /dev/null @@ -1,96 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import org.opencv.core.Mat; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; - -// C++: class SegmentationModel -/** - * This class represents high-level API for segmentation models - * - * SegmentationModel allows to set params for preprocessing input image. - * SegmentationModel creates net from file with trained weights and config, - * sets preprocessing input, runs forward pass and returns the class prediction for each pixel. - */ -public class SegmentationModel extends Model { - - protected SegmentationModel(long addr) { super(addr); } - - // internal usage only - public static SegmentationModel __fromPtr__(long addr) { return new SegmentationModel(addr); } - - // - // C++: cv::dnn::SegmentationModel::SegmentationModel(String model, String config = "") - // - - /** - * Create segmentation model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public SegmentationModel(String model, String config) { - super(SegmentationModel_0(model, config)); - } - - /** - * Create segmentation model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public SegmentationModel(String model) { - super(SegmentationModel_1(model)); - } - - - // - // C++: cv::dnn::SegmentationModel::SegmentationModel(Net network) - // - - /** - * Create model from deep learning network. - * @param network Net object. - */ - public SegmentationModel(Net network) { - super(SegmentationModel_2(network.getNativeObjAddr())); - } - - - // - // C++: void cv::dnn::SegmentationModel::segment(Mat frame, Mat& mask) - // - - /** - * Given the {@code input} frame, create input blob, run net - * @param mask Allocated class prediction for each pixel - * @param frame automatically generated - */ - public void segment(Mat frame, Mat mask) { - segment_0(nativeObj, frame.nativeObj, mask.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::SegmentationModel::SegmentationModel(String model, String config = "") - private static native long SegmentationModel_0(String model, String config); - private static native long SegmentationModel_1(String model); - - // C++: cv::dnn::SegmentationModel::SegmentationModel(Net network) - private static native long SegmentationModel_2(long network_nativeObj); - - // C++: void cv::dnn::SegmentationModel::segment(Mat frame, Mat& mask) - private static native void segment_0(long nativeObj, long frame_nativeObj, long mask_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel.java deleted file mode 100644 index 9a83564c3e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel.java +++ /dev/null @@ -1,126 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfPoint; -import org.opencv.core.MatOfRotatedRect; -import org.opencv.dnn.Model; -import org.opencv.utils.Converters; - -// C++: class TextDetectionModel -/** - * Base class for text detection networks - */ -public class TextDetectionModel extends Model { - - protected TextDetectionModel(long addr) { super(addr); } - - // internal usage only - public static TextDetectionModel __fromPtr__(long addr) { return new TextDetectionModel(addr); } - - // - // C++: void cv::dnn::TextDetectionModel::detect(Mat frame, vector_vector_Point& detections, vector_float& confidences) - // - - /** - * Performs detection - * - * Given the input {@code frame}, prepare network input, run network inference, post-process network output and return result detections. - * - * Each result is quadrangle's 4 points in this order: - * - bottom-left - * - top-left - * - top-right - * - bottom-right - * - * Use cv::getPerspectiveTransform function to retrieve image region without perspective transformations. - * - * Note: If DL model doesn't support that kind of output then result may be derived from detectTextRectangles() output. - * - * @param frame The input image - * @param detections array with detections' quadrangles (4 points per result) - * @param confidences array with detection confidences - */ - public void detect(Mat frame, List detections, MatOfFloat confidences) { - Mat detections_mat = new Mat(); - Mat confidences_mat = confidences; - detect_0(nativeObj, frame.nativeObj, detections_mat.nativeObj, confidences_mat.nativeObj); - Converters.Mat_to_vector_vector_Point(detections_mat, detections); - detections_mat.release(); - } - - - // - // C++: void cv::dnn::TextDetectionModel::detect(Mat frame, vector_vector_Point& detections) - // - - public void detect(Mat frame, List detections) { - Mat detections_mat = new Mat(); - detect_1(nativeObj, frame.nativeObj, detections_mat.nativeObj); - Converters.Mat_to_vector_vector_Point(detections_mat, detections); - detections_mat.release(); - } - - - // - // C++: void cv::dnn::TextDetectionModel::detectTextRectangles(Mat frame, vector_RotatedRect& detections, vector_float& confidences) - // - - /** - * Performs detection - * - * Given the input {@code frame}, prepare network input, run network inference, post-process network output and return result detections. - * - * Each result is rotated rectangle. - * - * Note: Result may be inaccurate in case of strong perspective transformations. - * - * @param frame the input image - * @param detections array with detections' RotationRect results - * @param confidences array with detection confidences - */ - public void detectTextRectangles(Mat frame, MatOfRotatedRect detections, MatOfFloat confidences) { - Mat detections_mat = detections; - Mat confidences_mat = confidences; - detectTextRectangles_0(nativeObj, frame.nativeObj, detections_mat.nativeObj, confidences_mat.nativeObj); - } - - - // - // C++: void cv::dnn::TextDetectionModel::detectTextRectangles(Mat frame, vector_RotatedRect& detections) - // - - public void detectTextRectangles(Mat frame, MatOfRotatedRect detections) { - Mat detections_mat = detections; - detectTextRectangles_1(nativeObj, frame.nativeObj, detections_mat.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::dnn::TextDetectionModel::detect(Mat frame, vector_vector_Point& detections, vector_float& confidences) - private static native void detect_0(long nativeObj, long frame_nativeObj, long detections_mat_nativeObj, long confidences_mat_nativeObj); - - // C++: void cv::dnn::TextDetectionModel::detect(Mat frame, vector_vector_Point& detections) - private static native void detect_1(long nativeObj, long frame_nativeObj, long detections_mat_nativeObj); - - // C++: void cv::dnn::TextDetectionModel::detectTextRectangles(Mat frame, vector_RotatedRect& detections, vector_float& confidences) - private static native void detectTextRectangles_0(long nativeObj, long frame_nativeObj, long detections_mat_nativeObj, long confidences_mat_nativeObj); - - // C++: void cv::dnn::TextDetectionModel::detectTextRectangles(Mat frame, vector_RotatedRect& detections) - private static native void detectTextRectangles_1(long nativeObj, long frame_nativeObj, long detections_mat_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_DB.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_DB.java deleted file mode 100644 index e2a79813a2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_DB.java +++ /dev/null @@ -1,181 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import org.opencv.dnn.Net; -import org.opencv.dnn.TextDetectionModel; -import org.opencv.dnn.TextDetectionModel_DB; - -// C++: class TextDetectionModel_DB -/** - * This class represents high-level API for text detection DL networks compatible with DB model. - * - * Related publications: CITE: liao2020real - * Paper: https://arxiv.org/abs/1911.08947 - * For more information about the hyper-parameters setting, please refer to https://github.com/MhLiao/DB - * - * Configurable parameters: - * - (float) binaryThreshold - The threshold of the binary map. It is usually set to 0.3. - * - (float) polygonThreshold - The threshold of text polygons. It is usually set to 0.5, 0.6, and 0.7. Default is 0.5f - * - (double) unclipRatio - The unclip ratio of the detected text region, which determines the output size. It is usually set to 2.0. - * - (int) maxCandidates - The max number of the output results. - */ -public class TextDetectionModel_DB extends TextDetectionModel { - - protected TextDetectionModel_DB(long addr) { super(addr); } - - // internal usage only - public static TextDetectionModel_DB __fromPtr__(long addr) { return new TextDetectionModel_DB(addr); } - - // - // C++: cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB(Net network) - // - - /** - * Create text detection algorithm from deep learning network. - * @param network Net object. - */ - public TextDetectionModel_DB(Net network) { - super(TextDetectionModel_DB_0(network.getNativeObjAddr())); - } - - - // - // C++: cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB(string model, string config = "") - // - - /** - * Create text detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public TextDetectionModel_DB(String model, String config) { - super(TextDetectionModel_DB_1(model, config)); - } - - /** - * Create text detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public TextDetectionModel_DB(String model) { - super(TextDetectionModel_DB_2(model)); - } - - - // - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setBinaryThreshold(float binaryThreshold) - // - - public TextDetectionModel_DB setBinaryThreshold(float binaryThreshold) { - return new TextDetectionModel_DB(setBinaryThreshold_0(nativeObj, binaryThreshold)); - } - - - // - // C++: float cv::dnn::TextDetectionModel_DB::getBinaryThreshold() - // - - public float getBinaryThreshold() { - return getBinaryThreshold_0(nativeObj); - } - - - // - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setPolygonThreshold(float polygonThreshold) - // - - public TextDetectionModel_DB setPolygonThreshold(float polygonThreshold) { - return new TextDetectionModel_DB(setPolygonThreshold_0(nativeObj, polygonThreshold)); - } - - - // - // C++: float cv::dnn::TextDetectionModel_DB::getPolygonThreshold() - // - - public float getPolygonThreshold() { - return getPolygonThreshold_0(nativeObj); - } - - - // - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setUnclipRatio(double unclipRatio) - // - - public TextDetectionModel_DB setUnclipRatio(double unclipRatio) { - return new TextDetectionModel_DB(setUnclipRatio_0(nativeObj, unclipRatio)); - } - - - // - // C++: double cv::dnn::TextDetectionModel_DB::getUnclipRatio() - // - - public double getUnclipRatio() { - return getUnclipRatio_0(nativeObj); - } - - - // - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setMaxCandidates(int maxCandidates) - // - - public TextDetectionModel_DB setMaxCandidates(int maxCandidates) { - return new TextDetectionModel_DB(setMaxCandidates_0(nativeObj, maxCandidates)); - } - - - // - // C++: int cv::dnn::TextDetectionModel_DB::getMaxCandidates() - // - - public int getMaxCandidates() { - return getMaxCandidates_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB(Net network) - private static native long TextDetectionModel_DB_0(long network_nativeObj); - - // C++: cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB(string model, string config = "") - private static native long TextDetectionModel_DB_1(String model, String config); - private static native long TextDetectionModel_DB_2(String model); - - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setBinaryThreshold(float binaryThreshold) - private static native long setBinaryThreshold_0(long nativeObj, float binaryThreshold); - - // C++: float cv::dnn::TextDetectionModel_DB::getBinaryThreshold() - private static native float getBinaryThreshold_0(long nativeObj); - - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setPolygonThreshold(float polygonThreshold) - private static native long setPolygonThreshold_0(long nativeObj, float polygonThreshold); - - // C++: float cv::dnn::TextDetectionModel_DB::getPolygonThreshold() - private static native float getPolygonThreshold_0(long nativeObj); - - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setUnclipRatio(double unclipRatio) - private static native long setUnclipRatio_0(long nativeObj, double unclipRatio); - - // C++: double cv::dnn::TextDetectionModel_DB::getUnclipRatio() - private static native double getUnclipRatio_0(long nativeObj); - - // C++: TextDetectionModel_DB cv::dnn::TextDetectionModel_DB::setMaxCandidates(int maxCandidates) - private static native long setMaxCandidates_0(long nativeObj, int maxCandidates); - - // C++: int cv::dnn::TextDetectionModel_DB::getMaxCandidates() - private static native int getMaxCandidates_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_EAST.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_EAST.java deleted file mode 100644 index 142bcaf105..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextDetectionModel_EAST.java +++ /dev/null @@ -1,145 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import org.opencv.dnn.Net; -import org.opencv.dnn.TextDetectionModel; -import org.opencv.dnn.TextDetectionModel_EAST; - -// C++: class TextDetectionModel_EAST -/** - * This class represents high-level API for text detection DL networks compatible with EAST model. - * - * Configurable parameters: - * - (float) confThreshold - used to filter boxes by confidences, default: 0.5f - * - (float) nmsThreshold - used in non maximum suppression, default: 0.0f - */ -public class TextDetectionModel_EAST extends TextDetectionModel { - - protected TextDetectionModel_EAST(long addr) { super(addr); } - - // internal usage only - public static TextDetectionModel_EAST __fromPtr__(long addr) { return new TextDetectionModel_EAST(addr); } - - // - // C++: cv::dnn::TextDetectionModel_EAST::TextDetectionModel_EAST(Net network) - // - - /** - * Create text detection algorithm from deep learning network - * @param network Net object - */ - public TextDetectionModel_EAST(Net network) { - super(TextDetectionModel_EAST_0(network.getNativeObjAddr())); - } - - - // - // C++: cv::dnn::TextDetectionModel_EAST::TextDetectionModel_EAST(string model, string config = "") - // - - /** - * Create text detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - * @param config Text file contains network configuration. - */ - public TextDetectionModel_EAST(String model, String config) { - super(TextDetectionModel_EAST_1(model, config)); - } - - /** - * Create text detection model from network represented in one of the supported formats. - * An order of {@code model} and {@code config} arguments does not matter. - * @param model Binary file contains trained weights. - */ - public TextDetectionModel_EAST(String model) { - super(TextDetectionModel_EAST_2(model)); - } - - - // - // C++: TextDetectionModel_EAST cv::dnn::TextDetectionModel_EAST::setConfidenceThreshold(float confThreshold) - // - - /** - * Set the detection confidence threshold - * @param confThreshold A threshold used to filter boxes by confidences - * @return automatically generated - */ - public TextDetectionModel_EAST setConfidenceThreshold(float confThreshold) { - return new TextDetectionModel_EAST(setConfidenceThreshold_0(nativeObj, confThreshold)); - } - - - // - // C++: float cv::dnn::TextDetectionModel_EAST::getConfidenceThreshold() - // - - /** - * Get the detection confidence threshold - * @return automatically generated - */ - public float getConfidenceThreshold() { - return getConfidenceThreshold_0(nativeObj); - } - - - // - // C++: TextDetectionModel_EAST cv::dnn::TextDetectionModel_EAST::setNMSThreshold(float nmsThreshold) - // - - /** - * Set the detection NMS filter threshold - * @param nmsThreshold A threshold used in non maximum suppression - * @return automatically generated - */ - public TextDetectionModel_EAST setNMSThreshold(float nmsThreshold) { - return new TextDetectionModel_EAST(setNMSThreshold_0(nativeObj, nmsThreshold)); - } - - - // - // C++: float cv::dnn::TextDetectionModel_EAST::getNMSThreshold() - // - - /** - * Get the detection confidence threshold - * @return automatically generated - */ - public float getNMSThreshold() { - return getNMSThreshold_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::TextDetectionModel_EAST::TextDetectionModel_EAST(Net network) - private static native long TextDetectionModel_EAST_0(long network_nativeObj); - - // C++: cv::dnn::TextDetectionModel_EAST::TextDetectionModel_EAST(string model, string config = "") - private static native long TextDetectionModel_EAST_1(String model, String config); - private static native long TextDetectionModel_EAST_2(String model); - - // C++: TextDetectionModel_EAST cv::dnn::TextDetectionModel_EAST::setConfidenceThreshold(float confThreshold) - private static native long setConfidenceThreshold_0(long nativeObj, float confThreshold); - - // C++: float cv::dnn::TextDetectionModel_EAST::getConfidenceThreshold() - private static native float getConfidenceThreshold_0(long nativeObj); - - // C++: TextDetectionModel_EAST cv::dnn::TextDetectionModel_EAST::setNMSThreshold(float nmsThreshold) - private static native long setNMSThreshold_0(long nativeObj, float nmsThreshold); - - // C++: float cv::dnn::TextDetectionModel_EAST::getNMSThreshold() - private static native float getNMSThreshold_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextRecognitionModel.java b/vendor/opencv/sdk/java/src/org/opencv/dnn/TextRecognitionModel.java deleted file mode 100644 index b32ea049d6..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/dnn/TextRecognitionModel.java +++ /dev/null @@ -1,219 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.dnn; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.dnn.Model; -import org.opencv.dnn.Net; -import org.opencv.dnn.TextRecognitionModel; -import org.opencv.utils.Converters; - -// C++: class TextRecognitionModel -/** - * This class represents high-level API for text recognition networks. - * - * TextRecognitionModel allows to set params for preprocessing input image. - * TextRecognitionModel creates net from file with trained weights and config, - * sets preprocessing input, runs forward pass and return recognition result. - * For TextRecognitionModel, CRNN-CTC is supported. - */ -public class TextRecognitionModel extends Model { - - protected TextRecognitionModel(long addr) { super(addr); } - - // internal usage only - public static TextRecognitionModel __fromPtr__(long addr) { return new TextRecognitionModel(addr); } - - // - // C++: cv::dnn::TextRecognitionModel::TextRecognitionModel(Net network) - // - - /** - * Create Text Recognition model from deep learning network - * Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method - * @param network Net object - */ - public TextRecognitionModel(Net network) { - super(TextRecognitionModel_0(network.getNativeObjAddr())); - } - - - // - // C++: cv::dnn::TextRecognitionModel::TextRecognitionModel(string model, string config = "") - // - - /** - * Create text recognition model from network represented in one of the supported formats - * Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method - * @param model Binary file contains trained weights - * @param config Text file contains network configuration - */ - public TextRecognitionModel(String model, String config) { - super(TextRecognitionModel_1(model, config)); - } - - /** - * Create text recognition model from network represented in one of the supported formats - * Call setDecodeType() and setVocabulary() after constructor to initialize the decoding method - * @param model Binary file contains trained weights - */ - public TextRecognitionModel(String model) { - super(TextRecognitionModel_2(model)); - } - - - // - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setDecodeType(string decodeType) - // - - /** - * Set the decoding method of translating the network output into string - * @param decodeType The decoding method of translating the network output into string, currently supported type: - * - {@code "CTC-greedy"} greedy decoding for the output of CTC-based methods - * - {@code "CTC-prefix-beam-search"} Prefix beam search decoding for the output of CTC-based methods - * @return automatically generated - */ - public TextRecognitionModel setDecodeType(String decodeType) { - return new TextRecognitionModel(setDecodeType_0(nativeObj, decodeType)); - } - - - // - // C++: string cv::dnn::TextRecognitionModel::getDecodeType() - // - - /** - * Get the decoding method - * @return the decoding method - */ - public String getDecodeType() { - return getDecodeType_0(nativeObj); - } - - - // - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setDecodeOptsCTCPrefixBeamSearch(int beamSize, int vocPruneSize = 0) - // - - /** - * Set the decoding method options for {@code "CTC-prefix-beam-search"} decode usage - * @param beamSize Beam size for search - * @param vocPruneSize Parameter to optimize big vocabulary search, - * only take top {@code vocPruneSize} tokens in each search step, {@code vocPruneSize} <= 0 stands for disable this prune. - * @return automatically generated - */ - public TextRecognitionModel setDecodeOptsCTCPrefixBeamSearch(int beamSize, int vocPruneSize) { - return new TextRecognitionModel(setDecodeOptsCTCPrefixBeamSearch_0(nativeObj, beamSize, vocPruneSize)); - } - - /** - * Set the decoding method options for {@code "CTC-prefix-beam-search"} decode usage - * @param beamSize Beam size for search - * only take top {@code vocPruneSize} tokens in each search step, {@code vocPruneSize} <= 0 stands for disable this prune. - * @return automatically generated - */ - public TextRecognitionModel setDecodeOptsCTCPrefixBeamSearch(int beamSize) { - return new TextRecognitionModel(setDecodeOptsCTCPrefixBeamSearch_1(nativeObj, beamSize)); - } - - - // - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setVocabulary(vector_string vocabulary) - // - - /** - * Set the vocabulary for recognition. - * @param vocabulary the associated vocabulary of the network. - * @return automatically generated - */ - public TextRecognitionModel setVocabulary(List vocabulary) { - return new TextRecognitionModel(setVocabulary_0(nativeObj, vocabulary)); - } - - - // - // C++: vector_string cv::dnn::TextRecognitionModel::getVocabulary() - // - - /** - * Get the vocabulary for recognition. - * @return vocabulary the associated vocabulary - */ - public List getVocabulary() { - return getVocabulary_0(nativeObj); - } - - - // - // C++: string cv::dnn::TextRecognitionModel::recognize(Mat frame) - // - - /** - * Given the {@code input} frame, create input blob, run net and return recognition result - * @param frame The input image - * @return The text recognition result - */ - public String recognize(Mat frame) { - return recognize_0(nativeObj, frame.nativeObj); - } - - - // - // C++: void cv::dnn::TextRecognitionModel::recognize(Mat frame, vector_Mat roiRects, vector_string& results) - // - - /** - * Given the {@code input} frame, create input blob, run net and return recognition result - * @param frame The input image - * @param roiRects List of text detection regions of interest (cv::Rect, CV_32SC4). ROIs is be cropped as the network inputs - * @param results A set of text recognition results. - */ - public void recognize(Mat frame, List roiRects, List results) { - Mat roiRects_mat = Converters.vector_Mat_to_Mat(roiRects); - recognize_1(nativeObj, frame.nativeObj, roiRects_mat.nativeObj, results); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::dnn::TextRecognitionModel::TextRecognitionModel(Net network) - private static native long TextRecognitionModel_0(long network_nativeObj); - - // C++: cv::dnn::TextRecognitionModel::TextRecognitionModel(string model, string config = "") - private static native long TextRecognitionModel_1(String model, String config); - private static native long TextRecognitionModel_2(String model); - - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setDecodeType(string decodeType) - private static native long setDecodeType_0(long nativeObj, String decodeType); - - // C++: string cv::dnn::TextRecognitionModel::getDecodeType() - private static native String getDecodeType_0(long nativeObj); - - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setDecodeOptsCTCPrefixBeamSearch(int beamSize, int vocPruneSize = 0) - private static native long setDecodeOptsCTCPrefixBeamSearch_0(long nativeObj, int beamSize, int vocPruneSize); - private static native long setDecodeOptsCTCPrefixBeamSearch_1(long nativeObj, int beamSize); - - // C++: TextRecognitionModel cv::dnn::TextRecognitionModel::setVocabulary(vector_string vocabulary) - private static native long setVocabulary_0(long nativeObj, List vocabulary); - - // C++: vector_string cv::dnn::TextRecognitionModel::getVocabulary() - private static native List getVocabulary_0(long nativeObj); - - // C++: string cv::dnn::TextRecognitionModel::recognize(Mat frame) - private static native String recognize_0(long nativeObj, long frame_nativeObj); - - // C++: void cv::dnn::TextRecognitionModel::recognize(Mat frame, vector_Mat roiRects, vector_string& results) - private static native void recognize_1(long nativeObj, long frame_nativeObj, long roiRects_mat_nativeObj, List results); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/AKAZE.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/AKAZE.java deleted file mode 100644 index 40c93c9cc0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/AKAZE.java +++ /dev/null @@ -1,424 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.AKAZE; -import org.opencv.features2d.Feature2D; - -// C++: class AKAZE -/** - * Class implementing the AKAZE keypoint detector and descriptor extractor, described in CITE: ANB13. - * - * AKAZE descriptors can only be used with KAZE or AKAZE keypoints. This class is thread-safe. - * - * Note: When you need descriptors use Feature2D::detectAndCompute, which - * provides better performance. When using Feature2D::detect followed by - * Feature2D::compute scale space pyramid is computed twice. - * - * Note: AKAZE implements T-API. When image is passed as UMat some parts of the algorithm - * will use OpenCL. - * - * Note: [ANB13] Fast Explicit Diffusion for Accelerated Features in Nonlinear - * Scale Spaces. Pablo F. Alcantarilla, Jesús Nuevo and Adrien Bartoli. In - * British Machine Vision Conference (BMVC), Bristol, UK, September 2013. - */ -public class AKAZE extends Feature2D { - - protected AKAZE(long addr) { super(addr); } - - // internal usage only - public static AKAZE __fromPtr__(long addr) { return new AKAZE(addr); } - - // C++: enum DescriptorType (cv.AKAZE.DescriptorType) - public static final int - DESCRIPTOR_KAZE_UPRIGHT = 2, - DESCRIPTOR_KAZE = 3, - DESCRIPTOR_MLDB_UPRIGHT = 4, - DESCRIPTOR_MLDB = 5; - - - // - // C++: static Ptr_AKAZE cv::AKAZE::create(AKAZE_DescriptorType descriptor_type = AKAZE::DESCRIPTOR_MLDB, int descriptor_size = 0, int descriptor_channels = 3, float threshold = 0.001f, int nOctaves = 4, int nOctaveLayers = 4, KAZE_DiffusivityType diffusivity = KAZE::DIFF_PM_G2, int max_points = -1) - // - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * @param nOctaveLayers Default number of sublevels per scale level - * @param diffusivity Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - * DIFF_CHARBONNIER - * @param max_points Maximum amount of returned points. In case if image contains - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers, int diffusivity, int max_points) { - return AKAZE.__fromPtr__(create_0(descriptor_type, descriptor_size, descriptor_channels, threshold, nOctaves, nOctaveLayers, diffusivity, max_points)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * @param nOctaveLayers Default number of sublevels per scale level - * @param diffusivity Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers, int diffusivity) { - return AKAZE.__fromPtr__(create_1(descriptor_type, descriptor_size, descriptor_channels, threshold, nOctaves, nOctaveLayers, diffusivity)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * @param nOctaveLayers Default number of sublevels per scale level - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers) { - return AKAZE.__fromPtr__(create_2(descriptor_type, descriptor_size, descriptor_channels, threshold, nOctaves, nOctaveLayers)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves) { - return AKAZE.__fromPtr__(create_3(descriptor_type, descriptor_size, descriptor_channels, threshold, nOctaves)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * @param threshold Detector response threshold to accept point - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold) { - return AKAZE.__fromPtr__(create_4(descriptor_type, descriptor_size, descriptor_channels, threshold)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * @param descriptor_channels Number of channels in the descriptor (1, 2, 3) - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size, int descriptor_channels) { - return AKAZE.__fromPtr__(create_5(descriptor_type, descriptor_size, descriptor_channels)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * @param descriptor_size Size of the descriptor in bits. 0 -> Full size - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type, int descriptor_size) { - return AKAZE.__fromPtr__(create_6(descriptor_type, descriptor_size)); - } - - /** - * The AKAZE constructor - * - * @param descriptor_type Type of the extracted descriptor: DESCRIPTOR_KAZE, - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create(int descriptor_type) { - return AKAZE.__fromPtr__(create_7(descriptor_type)); - } - - /** - * The AKAZE constructor - * - * DESCRIPTOR_KAZE_UPRIGHT, DESCRIPTOR_MLDB or DESCRIPTOR_MLDB_UPRIGHT. - * DIFF_CHARBONNIER - * more features, then the features with highest response are returned. - * Negative value means no limitation. - * @return automatically generated - */ - public static AKAZE create() { - return AKAZE.__fromPtr__(create_8()); - } - - - // - // C++: void cv::AKAZE::setDescriptorType(AKAZE_DescriptorType dtype) - // - - public void setDescriptorType(int dtype) { - setDescriptorType_0(nativeObj, dtype); - } - - - // - // C++: AKAZE_DescriptorType cv::AKAZE::getDescriptorType() - // - - public int getDescriptorType() { - return getDescriptorType_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setDescriptorSize(int dsize) - // - - public void setDescriptorSize(int dsize) { - setDescriptorSize_0(nativeObj, dsize); - } - - - // - // C++: int cv::AKAZE::getDescriptorSize() - // - - public int getDescriptorSize() { - return getDescriptorSize_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setDescriptorChannels(int dch) - // - - public void setDescriptorChannels(int dch) { - setDescriptorChannels_0(nativeObj, dch); - } - - - // - // C++: int cv::AKAZE::getDescriptorChannels() - // - - public int getDescriptorChannels() { - return getDescriptorChannels_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setThreshold(double threshold) - // - - public void setThreshold(double threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: double cv::AKAZE::getThreshold() - // - - public double getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setNOctaves(int octaves) - // - - public void setNOctaves(int octaves) { - setNOctaves_0(nativeObj, octaves); - } - - - // - // C++: int cv::AKAZE::getNOctaves() - // - - public int getNOctaves() { - return getNOctaves_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setNOctaveLayers(int octaveLayers) - // - - public void setNOctaveLayers(int octaveLayers) { - setNOctaveLayers_0(nativeObj, octaveLayers); - } - - - // - // C++: int cv::AKAZE::getNOctaveLayers() - // - - public int getNOctaveLayers() { - return getNOctaveLayers_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setDiffusivity(KAZE_DiffusivityType diff) - // - - public void setDiffusivity(int diff) { - setDiffusivity_0(nativeObj, diff); - } - - - // - // C++: KAZE_DiffusivityType cv::AKAZE::getDiffusivity() - // - - public int getDiffusivity() { - return getDiffusivity_0(nativeObj); - } - - - // - // C++: String cv::AKAZE::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - // - // C++: void cv::AKAZE::setMaxPoints(int max_points) - // - - public void setMaxPoints(int max_points) { - setMaxPoints_0(nativeObj, max_points); - } - - - // - // C++: int cv::AKAZE::getMaxPoints() - // - - public int getMaxPoints() { - return getMaxPoints_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_AKAZE cv::AKAZE::create(AKAZE_DescriptorType descriptor_type = AKAZE::DESCRIPTOR_MLDB, int descriptor_size = 0, int descriptor_channels = 3, float threshold = 0.001f, int nOctaves = 4, int nOctaveLayers = 4, KAZE_DiffusivityType diffusivity = KAZE::DIFF_PM_G2, int max_points = -1) - private static native long create_0(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers, int diffusivity, int max_points); - private static native long create_1(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers, int diffusivity); - private static native long create_2(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves, int nOctaveLayers); - private static native long create_3(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold, int nOctaves); - private static native long create_4(int descriptor_type, int descriptor_size, int descriptor_channels, float threshold); - private static native long create_5(int descriptor_type, int descriptor_size, int descriptor_channels); - private static native long create_6(int descriptor_type, int descriptor_size); - private static native long create_7(int descriptor_type); - private static native long create_8(); - - // C++: void cv::AKAZE::setDescriptorType(AKAZE_DescriptorType dtype) - private static native void setDescriptorType_0(long nativeObj, int dtype); - - // C++: AKAZE_DescriptorType cv::AKAZE::getDescriptorType() - private static native int getDescriptorType_0(long nativeObj); - - // C++: void cv::AKAZE::setDescriptorSize(int dsize) - private static native void setDescriptorSize_0(long nativeObj, int dsize); - - // C++: int cv::AKAZE::getDescriptorSize() - private static native int getDescriptorSize_0(long nativeObj); - - // C++: void cv::AKAZE::setDescriptorChannels(int dch) - private static native void setDescriptorChannels_0(long nativeObj, int dch); - - // C++: int cv::AKAZE::getDescriptorChannels() - private static native int getDescriptorChannels_0(long nativeObj); - - // C++: void cv::AKAZE::setThreshold(double threshold) - private static native void setThreshold_0(long nativeObj, double threshold); - - // C++: double cv::AKAZE::getThreshold() - private static native double getThreshold_0(long nativeObj); - - // C++: void cv::AKAZE::setNOctaves(int octaves) - private static native void setNOctaves_0(long nativeObj, int octaves); - - // C++: int cv::AKAZE::getNOctaves() - private static native int getNOctaves_0(long nativeObj); - - // C++: void cv::AKAZE::setNOctaveLayers(int octaveLayers) - private static native void setNOctaveLayers_0(long nativeObj, int octaveLayers); - - // C++: int cv::AKAZE::getNOctaveLayers() - private static native int getNOctaveLayers_0(long nativeObj); - - // C++: void cv::AKAZE::setDiffusivity(KAZE_DiffusivityType diff) - private static native void setDiffusivity_0(long nativeObj, int diff); - - // C++: KAZE_DiffusivityType cv::AKAZE::getDiffusivity() - private static native int getDiffusivity_0(long nativeObj); - - // C++: String cv::AKAZE::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // C++: void cv::AKAZE::setMaxPoints(int max_points) - private static native void setMaxPoints_0(long nativeObj, int max_points); - - // C++: int cv::AKAZE::getMaxPoints() - private static native int getMaxPoints_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/AffineFeature.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/AffineFeature.java deleted file mode 100644 index 53fcc569c9..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/AffineFeature.java +++ /dev/null @@ -1,138 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.features2d.AffineFeature; -import org.opencv.features2d.Feature2D; -import org.opencv.utils.Converters; - -// C++: class AffineFeature -/** - * Class for implementing the wrapper which makes detectors and extractors to be affine invariant, - * described as ASIFT in CITE: YM11 . - */ -public class AffineFeature extends Feature2D { - - protected AffineFeature(long addr) { super(addr); } - - // internal usage only - public static AffineFeature __fromPtr__(long addr) { return new AffineFeature(addr); } - - // - // C++: static Ptr_AffineFeature cv::AffineFeature::create(Ptr_Feature2D backend, int maxTilt = 5, int minTilt = 0, float tiltStep = 1.4142135623730951f, float rotateStepBase = 72) - // - - /** - * @param backend The detector/extractor you want to use as backend. - * @param maxTilt The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n. - * @param minTilt The lowest power index of tilt factor. 0 is used in the paper. - * @param tiltStep Tilt sampling step \(\delta_t\) in Algorithm 1 in the paper. - * @param rotateStepBase Rotation sampling step factor b in Algorithm 1 in the paper. - * @return automatically generated - */ - public static AffineFeature create(Feature2D backend, int maxTilt, int minTilt, float tiltStep, float rotateStepBase) { - return AffineFeature.__fromPtr__(create_0(backend.getNativeObjAddr(), maxTilt, minTilt, tiltStep, rotateStepBase)); - } - - /** - * @param backend The detector/extractor you want to use as backend. - * @param maxTilt The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n. - * @param minTilt The lowest power index of tilt factor. 0 is used in the paper. - * @param tiltStep Tilt sampling step \(\delta_t\) in Algorithm 1 in the paper. - * @return automatically generated - */ - public static AffineFeature create(Feature2D backend, int maxTilt, int minTilt, float tiltStep) { - return AffineFeature.__fromPtr__(create_1(backend.getNativeObjAddr(), maxTilt, minTilt, tiltStep)); - } - - /** - * @param backend The detector/extractor you want to use as backend. - * @param maxTilt The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n. - * @param minTilt The lowest power index of tilt factor. 0 is used in the paper. - * @return automatically generated - */ - public static AffineFeature create(Feature2D backend, int maxTilt, int minTilt) { - return AffineFeature.__fromPtr__(create_2(backend.getNativeObjAddr(), maxTilt, minTilt)); - } - - /** - * @param backend The detector/extractor you want to use as backend. - * @param maxTilt The highest power index of tilt factor. 5 is used in the paper as tilt sampling range n. - * @return automatically generated - */ - public static AffineFeature create(Feature2D backend, int maxTilt) { - return AffineFeature.__fromPtr__(create_3(backend.getNativeObjAddr(), maxTilt)); - } - - /** - * @param backend The detector/extractor you want to use as backend. - * @return automatically generated - */ - public static AffineFeature create(Feature2D backend) { - return AffineFeature.__fromPtr__(create_4(backend.getNativeObjAddr())); - } - - - // - // C++: void cv::AffineFeature::setViewParams(vector_float tilts, vector_float rolls) - // - - public void setViewParams(MatOfFloat tilts, MatOfFloat rolls) { - Mat tilts_mat = tilts; - Mat rolls_mat = rolls; - setViewParams_0(nativeObj, tilts_mat.nativeObj, rolls_mat.nativeObj); - } - - - // - // C++: void cv::AffineFeature::getViewParams(vector_float tilts, vector_float rolls) - // - - public void getViewParams(MatOfFloat tilts, MatOfFloat rolls) { - Mat tilts_mat = tilts; - Mat rolls_mat = rolls; - getViewParams_0(nativeObj, tilts_mat.nativeObj, rolls_mat.nativeObj); - } - - - // - // C++: String cv::AffineFeature::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_AffineFeature cv::AffineFeature::create(Ptr_Feature2D backend, int maxTilt = 5, int minTilt = 0, float tiltStep = 1.4142135623730951f, float rotateStepBase = 72) - private static native long create_0(long backend_nativeObj, int maxTilt, int minTilt, float tiltStep, float rotateStepBase); - private static native long create_1(long backend_nativeObj, int maxTilt, int minTilt, float tiltStep); - private static native long create_2(long backend_nativeObj, int maxTilt, int minTilt); - private static native long create_3(long backend_nativeObj, int maxTilt); - private static native long create_4(long backend_nativeObj); - - // C++: void cv::AffineFeature::setViewParams(vector_float tilts, vector_float rolls) - private static native void setViewParams_0(long nativeObj, long tilts_mat_nativeObj, long rolls_mat_nativeObj); - - // C++: void cv::AffineFeature::getViewParams(vector_float tilts, vector_float rolls) - private static native void getViewParams_0(long nativeObj, long tilts_mat_nativeObj, long rolls_mat_nativeObj); - - // C++: String cv::AffineFeature::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/AgastFeatureDetector.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/AgastFeatureDetector.java deleted file mode 100644 index 784288edfc..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/AgastFeatureDetector.java +++ /dev/null @@ -1,155 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.AgastFeatureDetector; -import org.opencv.features2d.Feature2D; - -// C++: class AgastFeatureDetector -/** - * Wrapping class for feature detection using the AGAST method. : - */ -public class AgastFeatureDetector extends Feature2D { - - protected AgastFeatureDetector(long addr) { super(addr); } - - // internal usage only - public static AgastFeatureDetector __fromPtr__(long addr) { return new AgastFeatureDetector(addr); } - - // C++: enum - public static final int - THRESHOLD = 10000, - NONMAX_SUPPRESSION = 10001; - - - // C++: enum DetectorType (cv.AgastFeatureDetector.DetectorType) - public static final int - AGAST_5_8 = 0, - AGAST_7_12d = 1, - AGAST_7_12s = 2, - OAST_9_16 = 3; - - - // - // C++: static Ptr_AgastFeatureDetector cv::AgastFeatureDetector::create(int threshold = 10, bool nonmaxSuppression = true, AgastFeatureDetector_DetectorType type = AgastFeatureDetector::OAST_9_16) - // - - public static AgastFeatureDetector create(int threshold, boolean nonmaxSuppression, int type) { - return AgastFeatureDetector.__fromPtr__(create_0(threshold, nonmaxSuppression, type)); - } - - public static AgastFeatureDetector create(int threshold, boolean nonmaxSuppression) { - return AgastFeatureDetector.__fromPtr__(create_1(threshold, nonmaxSuppression)); - } - - public static AgastFeatureDetector create(int threshold) { - return AgastFeatureDetector.__fromPtr__(create_2(threshold)); - } - - public static AgastFeatureDetector create() { - return AgastFeatureDetector.__fromPtr__(create_3()); - } - - - // - // C++: void cv::AgastFeatureDetector::setThreshold(int threshold) - // - - public void setThreshold(int threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: int cv::AgastFeatureDetector::getThreshold() - // - - public int getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::AgastFeatureDetector::setNonmaxSuppression(bool f) - // - - public void setNonmaxSuppression(boolean f) { - setNonmaxSuppression_0(nativeObj, f); - } - - - // - // C++: bool cv::AgastFeatureDetector::getNonmaxSuppression() - // - - public boolean getNonmaxSuppression() { - return getNonmaxSuppression_0(nativeObj); - } - - - // - // C++: void cv::AgastFeatureDetector::setType(AgastFeatureDetector_DetectorType type) - // - - public void setType(int type) { - setType_0(nativeObj, type); - } - - - // - // C++: AgastFeatureDetector_DetectorType cv::AgastFeatureDetector::getType() - // - - public int getType() { - return getType_0(nativeObj); - } - - - // - // C++: String cv::AgastFeatureDetector::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_AgastFeatureDetector cv::AgastFeatureDetector::create(int threshold = 10, bool nonmaxSuppression = true, AgastFeatureDetector_DetectorType type = AgastFeatureDetector::OAST_9_16) - private static native long create_0(int threshold, boolean nonmaxSuppression, int type); - private static native long create_1(int threshold, boolean nonmaxSuppression); - private static native long create_2(int threshold); - private static native long create_3(); - - // C++: void cv::AgastFeatureDetector::setThreshold(int threshold) - private static native void setThreshold_0(long nativeObj, int threshold); - - // C++: int cv::AgastFeatureDetector::getThreshold() - private static native int getThreshold_0(long nativeObj); - - // C++: void cv::AgastFeatureDetector::setNonmaxSuppression(bool f) - private static native void setNonmaxSuppression_0(long nativeObj, boolean f); - - // C++: bool cv::AgastFeatureDetector::getNonmaxSuppression() - private static native boolean getNonmaxSuppression_0(long nativeObj); - - // C++: void cv::AgastFeatureDetector::setType(AgastFeatureDetector_DetectorType type) - private static native void setType_0(long nativeObj, int type); - - // C++: AgastFeatureDetector_DetectorType cv::AgastFeatureDetector::getType() - private static native int getType_0(long nativeObj); - - // C++: String cv::AgastFeatureDetector::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/BFMatcher.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/BFMatcher.java deleted file mode 100644 index a6ca928774..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/BFMatcher.java +++ /dev/null @@ -1,135 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.BFMatcher; -import org.opencv.features2d.DescriptorMatcher; - -// C++: class BFMatcher -/** - * Brute-force descriptor matcher. - * - * For each descriptor in the first set, this matcher finds the closest descriptor in the second set - * by trying each one. This descriptor matcher supports masking permissible matches of descriptor - * sets. - */ -public class BFMatcher extends DescriptorMatcher { - - protected BFMatcher(long addr) { super(addr); } - - // internal usage only - public static BFMatcher __fromPtr__(long addr) { return new BFMatcher(addr); } - - // - // C++: cv::BFMatcher::BFMatcher(int normType = NORM_L2, bool crossCheck = false) - // - - /** - * Brute-force matcher constructor (obsolete). Please use BFMatcher.create() - * - * - * @param normType automatically generated - * @param crossCheck automatically generated - */ - public BFMatcher(int normType, boolean crossCheck) { - super(BFMatcher_0(normType, crossCheck)); - } - - /** - * Brute-force matcher constructor (obsolete). Please use BFMatcher.create() - * - * - * @param normType automatically generated - */ - public BFMatcher(int normType) { - super(BFMatcher_1(normType)); - } - - /** - * Brute-force matcher constructor (obsolete). Please use BFMatcher.create() - * - * - */ - public BFMatcher() { - super(BFMatcher_2()); - } - - - // - // C++: static Ptr_BFMatcher cv::BFMatcher::create(int normType = NORM_L2, bool crossCheck = false) - // - - /** - * Brute-force matcher create method. - * @param normType One of NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. L1 and L2 norms are - * preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - * BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - * description). - * @param crossCheck If it is false, this is will be default BFMatcher behaviour when it finds the k - * nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - * k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - * matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - * pairs. Such technique usually produces best results with minimal number of outliers when there are - * enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper. - * @return automatically generated - */ - public static BFMatcher create(int normType, boolean crossCheck) { - return BFMatcher.__fromPtr__(create_0(normType, crossCheck)); - } - - /** - * Brute-force matcher create method. - * @param normType One of NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. L1 and L2 norms are - * preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - * BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - * description). - * nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - * k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - * matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - * pairs. Such technique usually produces best results with minimal number of outliers when there are - * enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper. - * @return automatically generated - */ - public static BFMatcher create(int normType) { - return BFMatcher.__fromPtr__(create_1(normType)); - } - - /** - * Brute-force matcher create method. - * preferable choices for SIFT and SURF descriptors, NORM_HAMMING should be used with ORB, BRISK and - * BRIEF, NORM_HAMMING2 should be used with ORB when WTA_K==3 or 4 (see ORB::ORB constructor - * description). - * nearest neighbors for each query descriptor. If crossCheck==true, then the knnMatch() method with - * k=1 will only return pairs (i,j) such that for i-th query descriptor the j-th descriptor in the - * matcher's collection is the nearest and vice versa, i.e. the BFMatcher will only return consistent - * pairs. Such technique usually produces best results with minimal number of outliers when there are - * enough matches. This is alternative to the ratio test, used by D. Lowe in SIFT paper. - * @return automatically generated - */ - public static BFMatcher create() { - return BFMatcher.__fromPtr__(create_2()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::BFMatcher::BFMatcher(int normType = NORM_L2, bool crossCheck = false) - private static native long BFMatcher_0(int normType, boolean crossCheck); - private static native long BFMatcher_1(int normType); - private static native long BFMatcher_2(); - - // C++: static Ptr_BFMatcher cv::BFMatcher::create(int normType = NORM_L2, bool crossCheck = false) - private static native long create_0(int normType, boolean crossCheck); - private static native long create_1(int normType); - private static native long create_2(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWImgDescriptorExtractor.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWImgDescriptorExtractor.java deleted file mode 100644 index 6ab41a4be0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWImgDescriptorExtractor.java +++ /dev/null @@ -1,153 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfKeyPoint; -import org.opencv.features2d.DescriptorMatcher; -import org.opencv.features2d.Feature2D; -import org.opencv.utils.Converters; - -// C++: class BOWImgDescriptorExtractor -/** - * Class to compute an image descriptor using the *bag of visual words*. - * - * Such a computation consists of the following steps: - * - * 1. Compute descriptors for a given image and its keypoints set. - * 2. Find the nearest visual words from the vocabulary for each keypoint descriptor. - * 3. Compute the bag-of-words image descriptor as is a normalized histogram of vocabulary words - * encountered in the image. The i-th bin of the histogram is a frequency of i-th word of the - * vocabulary in the given image. - */ -public class BOWImgDescriptorExtractor { - - protected final long nativeObj; - protected BOWImgDescriptorExtractor(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static BOWImgDescriptorExtractor __fromPtr__(long addr) { return new BOWImgDescriptorExtractor(addr); } - - // - // C++: cv::BOWImgDescriptorExtractor::BOWImgDescriptorExtractor(Ptr_Feature2D dextractor, Ptr_DescriptorMatcher dmatcher) - // - - /** - * The constructor. - * - * @param dextractor Descriptor extractor that is used to compute descriptors for an input image and - * its keypoints. - * @param dmatcher Descriptor matcher that is used to find the nearest word of the trained vocabulary - * for each keypoint descriptor of the image. - */ - public BOWImgDescriptorExtractor(Feature2D dextractor, DescriptorMatcher dmatcher) { - nativeObj = BOWImgDescriptorExtractor_0(dextractor.getNativeObjAddr(), dmatcher.getNativeObjAddr()); - } - - - // - // C++: void cv::BOWImgDescriptorExtractor::setVocabulary(Mat vocabulary) - // - - /** - * Sets a visual vocabulary. - * - * @param vocabulary Vocabulary (can be trained using the inheritor of BOWTrainer ). Each row of the - * vocabulary is a visual word (cluster center). - */ - public void setVocabulary(Mat vocabulary) { - setVocabulary_0(nativeObj, vocabulary.nativeObj); - } - - - // - // C++: Mat cv::BOWImgDescriptorExtractor::getVocabulary() - // - - /** - * Returns the set vocabulary. - * @return automatically generated - */ - public Mat getVocabulary() { - return new Mat(getVocabulary_0(nativeObj)); - } - - - // - // C++: void cv::BOWImgDescriptorExtractor::compute2(Mat image, vector_KeyPoint keypoints, Mat& imgDescriptor) - // - - /** - * - * @param imgDescriptor Computed output image descriptor. - * pointIdxsOfClusters[i] are keypoint indices that belong to the i -th cluster (word of vocabulary) - * returned if it is non-zero. - * @param image automatically generated - * @param keypoints automatically generated - */ - public void compute(Mat image, MatOfKeyPoint keypoints, Mat imgDescriptor) { - Mat keypoints_mat = keypoints; - compute_0(nativeObj, image.nativeObj, keypoints_mat.nativeObj, imgDescriptor.nativeObj); - } - - - // - // C++: int cv::BOWImgDescriptorExtractor::descriptorSize() - // - - /** - * Returns an image descriptor size if the vocabulary is set. Otherwise, it returns 0. - * @return automatically generated - */ - public int descriptorSize() { - return descriptorSize_0(nativeObj); - } - - - // - // C++: int cv::BOWImgDescriptorExtractor::descriptorType() - // - - /** - * Returns an image descriptor type. - * @return automatically generated - */ - public int descriptorType() { - return descriptorType_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::BOWImgDescriptorExtractor::BOWImgDescriptorExtractor(Ptr_Feature2D dextractor, Ptr_DescriptorMatcher dmatcher) - private static native long BOWImgDescriptorExtractor_0(long dextractor_nativeObj, long dmatcher_nativeObj); - - // C++: void cv::BOWImgDescriptorExtractor::setVocabulary(Mat vocabulary) - private static native void setVocabulary_0(long nativeObj, long vocabulary_nativeObj); - - // C++: Mat cv::BOWImgDescriptorExtractor::getVocabulary() - private static native long getVocabulary_0(long nativeObj); - - // C++: void cv::BOWImgDescriptorExtractor::compute2(Mat image, vector_KeyPoint keypoints, Mat& imgDescriptor) - private static native void compute_0(long nativeObj, long image_nativeObj, long keypoints_mat_nativeObj, long imgDescriptor_nativeObj); - - // C++: int cv::BOWImgDescriptorExtractor::descriptorSize() - private static native int descriptorSize_0(long nativeObj); - - // C++: int cv::BOWImgDescriptorExtractor::descriptorType() - private static native int descriptorType_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWKMeansTrainer.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWKMeansTrainer.java deleted file mode 100644 index dbf69ee3d8..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWKMeansTrainer.java +++ /dev/null @@ -1,112 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.features2d.BOWTrainer; - -// C++: class BOWKMeansTrainer -/** - * kmeans -based class to train visual vocabulary using the *bag of visual words* approach. : - */ -public class BOWKMeansTrainer extends BOWTrainer { - - protected BOWKMeansTrainer(long addr) { super(addr); } - - // internal usage only - public static BOWKMeansTrainer __fromPtr__(long addr) { return new BOWKMeansTrainer(addr); } - - // - // C++: cv::BOWKMeansTrainer::BOWKMeansTrainer(int clusterCount, TermCriteria termcrit = TermCriteria(), int attempts = 3, int flags = KMEANS_PP_CENTERS) - // - - /** - * The constructor. - * - * SEE: cv::kmeans - * @param clusterCount automatically generated - * @param termcrit automatically generated - * @param attempts automatically generated - * @param flags automatically generated - */ - public BOWKMeansTrainer(int clusterCount, TermCriteria termcrit, int attempts, int flags) { - super(BOWKMeansTrainer_0(clusterCount, termcrit.type, termcrit.maxCount, termcrit.epsilon, attempts, flags)); - } - - /** - * The constructor. - * - * SEE: cv::kmeans - * @param clusterCount automatically generated - * @param termcrit automatically generated - * @param attempts automatically generated - */ - public BOWKMeansTrainer(int clusterCount, TermCriteria termcrit, int attempts) { - super(BOWKMeansTrainer_1(clusterCount, termcrit.type, termcrit.maxCount, termcrit.epsilon, attempts)); - } - - /** - * The constructor. - * - * SEE: cv::kmeans - * @param clusterCount automatically generated - * @param termcrit automatically generated - */ - public BOWKMeansTrainer(int clusterCount, TermCriteria termcrit) { - super(BOWKMeansTrainer_2(clusterCount, termcrit.type, termcrit.maxCount, termcrit.epsilon)); - } - - /** - * The constructor. - * - * SEE: cv::kmeans - * @param clusterCount automatically generated - */ - public BOWKMeansTrainer(int clusterCount) { - super(BOWKMeansTrainer_3(clusterCount)); - } - - - // - // C++: Mat cv::BOWKMeansTrainer::cluster() - // - - public Mat cluster() { - return new Mat(cluster_0(nativeObj)); - } - - - // - // C++: Mat cv::BOWKMeansTrainer::cluster(Mat descriptors) - // - - public Mat cluster(Mat descriptors) { - return new Mat(cluster_1(nativeObj, descriptors.nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::BOWKMeansTrainer::BOWKMeansTrainer(int clusterCount, TermCriteria termcrit = TermCriteria(), int attempts = 3, int flags = KMEANS_PP_CENTERS) - private static native long BOWKMeansTrainer_0(int clusterCount, int termcrit_type, int termcrit_maxCount, double termcrit_epsilon, int attempts, int flags); - private static native long BOWKMeansTrainer_1(int clusterCount, int termcrit_type, int termcrit_maxCount, double termcrit_epsilon, int attempts); - private static native long BOWKMeansTrainer_2(int clusterCount, int termcrit_type, int termcrit_maxCount, double termcrit_epsilon); - private static native long BOWKMeansTrainer_3(int clusterCount); - - // C++: Mat cv::BOWKMeansTrainer::cluster() - private static native long cluster_0(long nativeObj); - - // C++: Mat cv::BOWKMeansTrainer::cluster(Mat descriptors) - private static native long cluster_1(long nativeObj, long descriptors_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWTrainer.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWTrainer.java deleted file mode 100644 index ade247e58e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/BOWTrainer.java +++ /dev/null @@ -1,140 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class BOWTrainer -/** - * Abstract base class for training the *bag of visual words* vocabulary from a set of descriptors. - * - * For details, see, for example, *Visual Categorization with Bags of Keypoints* by Gabriella Csurka, - * Christopher R. Dance, Lixin Fan, Jutta Willamowski, Cedric Bray, 2004. : - */ -public class BOWTrainer { - - protected final long nativeObj; - protected BOWTrainer(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static BOWTrainer __fromPtr__(long addr) { return new BOWTrainer(addr); } - - // - // C++: void cv::BOWTrainer::add(Mat descriptors) - // - - /** - * Adds descriptors to a training set. - * - * @param descriptors Descriptors to add to a training set. Each row of the descriptors matrix is a - * descriptor. - * - * The training set is clustered using clustermethod to construct the vocabulary. - */ - public void add(Mat descriptors) { - add_0(nativeObj, descriptors.nativeObj); - } - - - // - // C++: vector_Mat cv::BOWTrainer::getDescriptors() - // - - /** - * Returns a training set of descriptors. - * @return automatically generated - */ - public List getDescriptors() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(getDescriptors_0(nativeObj)); - Converters.Mat_to_vector_Mat(retValMat, retVal); - return retVal; - } - - - // - // C++: int cv::BOWTrainer::descriptorsCount() - // - - /** - * Returns the count of all descriptors stored in the training set. - * @return automatically generated - */ - public int descriptorsCount() { - return descriptorsCount_0(nativeObj); - } - - - // - // C++: void cv::BOWTrainer::clear() - // - - public void clear() { - clear_0(nativeObj); - } - - - // - // C++: Mat cv::BOWTrainer::cluster() - // - - public Mat cluster() { - return new Mat(cluster_0(nativeObj)); - } - - - // - // C++: Mat cv::BOWTrainer::cluster(Mat descriptors) - // - - /** - * Clusters train descriptors. - * - * @param descriptors Descriptors to cluster. Each row of the descriptors matrix is a descriptor. - * Descriptors are not added to the inner train descriptor set. - * - * The vocabulary consists of cluster centers. So, this method returns the vocabulary. In the first - * variant of the method, train descriptors stored in the object are clustered. In the second variant, - * input descriptors are clustered. - * @return automatically generated - */ - public Mat cluster(Mat descriptors) { - return new Mat(cluster_1(nativeObj, descriptors.nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::BOWTrainer::add(Mat descriptors) - private static native void add_0(long nativeObj, long descriptors_nativeObj); - - // C++: vector_Mat cv::BOWTrainer::getDescriptors() - private static native long getDescriptors_0(long nativeObj); - - // C++: int cv::BOWTrainer::descriptorsCount() - private static native int descriptorsCount_0(long nativeObj); - - // C++: void cv::BOWTrainer::clear() - private static native void clear_0(long nativeObj); - - // C++: Mat cv::BOWTrainer::cluster() - private static native long cluster_0(long nativeObj); - - // C++: Mat cv::BOWTrainer::cluster(Mat descriptors) - private static native long cluster_1(long nativeObj, long descriptors_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/BRISK.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/BRISK.java deleted file mode 100644 index 9d36e6b79e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/BRISK.java +++ /dev/null @@ -1,370 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfInt; -import org.opencv.features2d.BRISK; -import org.opencv.features2d.Feature2D; -import org.opencv.utils.Converters; - -// C++: class BRISK -/** - * Class implementing the BRISK keypoint detector and descriptor extractor, described in CITE: LCS11 . - */ -public class BRISK extends Feature2D { - - protected BRISK(long addr) { super(addr); } - - // internal usage only - public static BRISK __fromPtr__(long addr) { return new BRISK(addr); } - - // - // C++: static Ptr_BRISK cv::BRISK::create(int thresh = 30, int octaves = 3, float patternScale = 1.0f) - // - - /** - * The BRISK constructor - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * @param patternScale apply this scale to the pattern used for sampling the neighbourhood of a - * keypoint. - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves, float patternScale) { - return BRISK.__fromPtr__(create_0(thresh, octaves, patternScale)); - } - - /** - * The BRISK constructor - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * keypoint. - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves) { - return BRISK.__fromPtr__(create_1(thresh, octaves)); - } - - /** - * The BRISK constructor - * - * @param thresh AGAST detection threshold score. - * keypoint. - * @return automatically generated - */ - public static BRISK create(int thresh) { - return BRISK.__fromPtr__(create_2(thresh)); - } - - /** - * The BRISK constructor - * - * keypoint. - * @return automatically generated - */ - public static BRISK create() { - return BRISK.__fromPtr__(create_3()); - } - - - // - // C++: static Ptr_BRISK cv::BRISK::create(vector_float radiusList, vector_int numberList, float dMax = 5.85f, float dMin = 8.2f, vector_int indexChange = std::vector()) - // - - /** - * The BRISK constructor for a custom pattern - * - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * @param dMin threshold for the long pairings used for orientation determination (in pixels for - * keypoint scale 1). - * @param indexChange index remapping of the bits. - * @return automatically generated - */ - public static BRISK create(MatOfFloat radiusList, MatOfInt numberList, float dMax, float dMin, MatOfInt indexChange) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - Mat indexChange_mat = indexChange; - return BRISK.__fromPtr__(create_4(radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax, dMin, indexChange_mat.nativeObj)); - } - - /** - * The BRISK constructor for a custom pattern - * - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * @param dMin threshold for the long pairings used for orientation determination (in pixels for - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(MatOfFloat radiusList, MatOfInt numberList, float dMax, float dMin) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_5(radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax, dMin)); - } - - /** - * The BRISK constructor for a custom pattern - * - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(MatOfFloat radiusList, MatOfInt numberList, float dMax) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_6(radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax)); - } - - /** - * The BRISK constructor for a custom pattern - * - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * scale 1). - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(MatOfFloat radiusList, MatOfInt numberList) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_7(radiusList_mat.nativeObj, numberList_mat.nativeObj)); - } - - - // - // C++: static Ptr_BRISK cv::BRISK::create(int thresh, int octaves, vector_float radiusList, vector_int numberList, float dMax = 5.85f, float dMin = 8.2f, vector_int indexChange = std::vector()) - // - - /** - * The BRISK constructor for a custom pattern, detection threshold and octaves - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * @param dMin threshold for the long pairings used for orientation determination (in pixels for - * keypoint scale 1). - * @param indexChange index remapping of the bits. - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves, MatOfFloat radiusList, MatOfInt numberList, float dMax, float dMin, MatOfInt indexChange) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - Mat indexChange_mat = indexChange; - return BRISK.__fromPtr__(create_8(thresh, octaves, radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax, dMin, indexChange_mat.nativeObj)); - } - - /** - * The BRISK constructor for a custom pattern, detection threshold and octaves - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * @param dMin threshold for the long pairings used for orientation determination (in pixels for - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves, MatOfFloat radiusList, MatOfInt numberList, float dMax, float dMin) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_9(thresh, octaves, radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax, dMin)); - } - - /** - * The BRISK constructor for a custom pattern, detection threshold and octaves - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * @param dMax threshold for the short pairings used for descriptor formation (in pixels for keypoint - * scale 1). - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves, MatOfFloat radiusList, MatOfInt numberList, float dMax) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_10(thresh, octaves, radiusList_mat.nativeObj, numberList_mat.nativeObj, dMax)); - } - - /** - * The BRISK constructor for a custom pattern, detection threshold and octaves - * - * @param thresh AGAST detection threshold score. - * @param octaves detection octaves. Use 0 to do single scale. - * @param radiusList defines the radii (in pixels) where the samples around a keypoint are taken (for - * keypoint scale 1). - * @param numberList defines the number of sampling points on the sampling circle. Must be the same - * size as radiusList.. - * scale 1). - * keypoint scale 1). - * @return automatically generated - */ - public static BRISK create(int thresh, int octaves, MatOfFloat radiusList, MatOfInt numberList) { - Mat radiusList_mat = radiusList; - Mat numberList_mat = numberList; - return BRISK.__fromPtr__(create_11(thresh, octaves, radiusList_mat.nativeObj, numberList_mat.nativeObj)); - } - - - // - // C++: String cv::BRISK::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - // - // C++: void cv::BRISK::setThreshold(int threshold) - // - - /** - * Set detection threshold. - * @param threshold AGAST detection threshold score. - */ - public void setThreshold(int threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: int cv::BRISK::getThreshold() - // - - public int getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::BRISK::setOctaves(int octaves) - // - - /** - * Set detection octaves. - * @param octaves detection octaves. Use 0 to do single scale. - */ - public void setOctaves(int octaves) { - setOctaves_0(nativeObj, octaves); - } - - - // - // C++: int cv::BRISK::getOctaves() - // - - public int getOctaves() { - return getOctaves_0(nativeObj); - } - - - // - // C++: void cv::BRISK::setPatternScale(float patternScale) - // - - /** - * Set detection patternScale. - * @param patternScale apply this scale to the pattern used for sampling the neighbourhood of a - * keypoint. - */ - public void setPatternScale(float patternScale) { - setPatternScale_0(nativeObj, patternScale); - } - - - // - // C++: float cv::BRISK::getPatternScale() - // - - public float getPatternScale() { - return getPatternScale_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_BRISK cv::BRISK::create(int thresh = 30, int octaves = 3, float patternScale = 1.0f) - private static native long create_0(int thresh, int octaves, float patternScale); - private static native long create_1(int thresh, int octaves); - private static native long create_2(int thresh); - private static native long create_3(); - - // C++: static Ptr_BRISK cv::BRISK::create(vector_float radiusList, vector_int numberList, float dMax = 5.85f, float dMin = 8.2f, vector_int indexChange = std::vector()) - private static native long create_4(long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax, float dMin, long indexChange_mat_nativeObj); - private static native long create_5(long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax, float dMin); - private static native long create_6(long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax); - private static native long create_7(long radiusList_mat_nativeObj, long numberList_mat_nativeObj); - - // C++: static Ptr_BRISK cv::BRISK::create(int thresh, int octaves, vector_float radiusList, vector_int numberList, float dMax = 5.85f, float dMin = 8.2f, vector_int indexChange = std::vector()) - private static native long create_8(int thresh, int octaves, long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax, float dMin, long indexChange_mat_nativeObj); - private static native long create_9(int thresh, int octaves, long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax, float dMin); - private static native long create_10(int thresh, int octaves, long radiusList_mat_nativeObj, long numberList_mat_nativeObj, float dMax); - private static native long create_11(int thresh, int octaves, long radiusList_mat_nativeObj, long numberList_mat_nativeObj); - - // C++: String cv::BRISK::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // C++: void cv::BRISK::setThreshold(int threshold) - private static native void setThreshold_0(long nativeObj, int threshold); - - // C++: int cv::BRISK::getThreshold() - private static native int getThreshold_0(long nativeObj); - - // C++: void cv::BRISK::setOctaves(int octaves) - private static native void setOctaves_0(long nativeObj, int octaves); - - // C++: int cv::BRISK::getOctaves() - private static native int getOctaves_0(long nativeObj); - - // C++: void cv::BRISK::setPatternScale(float patternScale) - private static native void setPatternScale_0(long nativeObj, float patternScale); - - // C++: float cv::BRISK::getPatternScale() - private static native float getPatternScale_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/DescriptorMatcher.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/DescriptorMatcher.java deleted file mode 100644 index ed63e43920..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/DescriptorMatcher.java +++ /dev/null @@ -1,670 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.core.MatOfDMatch; -import org.opencv.features2d.DescriptorMatcher; -import org.opencv.utils.Converters; - -// C++: class DescriptorMatcher -/** - * Abstract base class for matching keypoint descriptors. - * - * It has two groups of match methods: for matching descriptors of an image with another image or with - * an image set. - */ -public class DescriptorMatcher extends Algorithm { - - protected DescriptorMatcher(long addr) { super(addr); } - - // internal usage only - public static DescriptorMatcher __fromPtr__(long addr) { return new DescriptorMatcher(addr); } - - // C++: enum MatcherType (cv.DescriptorMatcher.MatcherType) - public static final int - FLANNBASED = 1, - BRUTEFORCE = 2, - BRUTEFORCE_L1 = 3, - BRUTEFORCE_HAMMING = 4, - BRUTEFORCE_HAMMINGLUT = 5, - BRUTEFORCE_SL2 = 6; - - - // - // C++: void cv::DescriptorMatcher::add(vector_Mat descriptors) - // - - /** - * Adds descriptors to train a CPU(trainDescCollectionis) or GPU(utrainDescCollectionis) descriptor - * collection. - * - * If the collection is not empty, the new descriptors are added to existing train descriptors. - * - * @param descriptors Descriptors to add. Each descriptors[i] is a set of descriptors from the same - * train image. - */ - public void add(List descriptors) { - Mat descriptors_mat = Converters.vector_Mat_to_Mat(descriptors); - add_0(nativeObj, descriptors_mat.nativeObj); - } - - - // - // C++: vector_Mat cv::DescriptorMatcher::getTrainDescriptors() - // - - /** - * Returns a constant link to the train descriptor collection trainDescCollection . - * @return automatically generated - */ - public List getTrainDescriptors() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(getTrainDescriptors_0(nativeObj)); - Converters.Mat_to_vector_Mat(retValMat, retVal); - return retVal; - } - - - // - // C++: void cv::DescriptorMatcher::clear() - // - - /** - * Clears the train descriptor collections. - */ - public void clear() { - clear_0(nativeObj); - } - - - // - // C++: bool cv::DescriptorMatcher::empty() - // - - /** - * Returns true if there are no train descriptors in the both collections. - * @return automatically generated - */ - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: bool cv::DescriptorMatcher::isMaskSupported() - // - - /** - * Returns true if the descriptor matcher supports masking permissible matches. - * @return automatically generated - */ - public boolean isMaskSupported() { - return isMaskSupported_0(nativeObj); - } - - - // - // C++: void cv::DescriptorMatcher::train() - // - - /** - * Trains a descriptor matcher - * - * Trains a descriptor matcher (for example, the flann index). In all methods to match, the method - * train() is run every time before matching. Some descriptor matchers (for example, BruteForceMatcher) - * have an empty implementation of this method. Other matchers really train their inner structures (for - * example, FlannBasedMatcher trains flann::Index ). - */ - public void train() { - train_0(nativeObj); - } - - - // - // C++: void cv::DescriptorMatcher::match(Mat queryDescriptors, Mat trainDescriptors, vector_DMatch& matches, Mat mask = Mat()) - // - - /** - * Finds the best match for each descriptor from a query set. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param matches Matches. If a query descriptor is masked out in mask , no match is added for this - * descriptor. So, matches size may be smaller than the query descriptors count. - * @param mask Mask specifying permissible matches between an input query and train matrices of - * descriptors. - * - * In the first variant of this method, the train descriptors are passed as an input argument. In the - * second variant of the method, train descriptors collection that was set by DescriptorMatcher::add is - * used. Optional mask (or masks) can be passed to specify which query and training descriptors can be - * matched. Namely, queryDescriptors[i] can be matched with trainDescriptors[j] only if - * mask.at<uchar>(i,j) is non-zero. - */ - public void match(Mat queryDescriptors, Mat trainDescriptors, MatOfDMatch matches, Mat mask) { - Mat matches_mat = matches; - match_0(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, mask.nativeObj); - } - - /** - * Finds the best match for each descriptor from a query set. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param matches Matches. If a query descriptor is masked out in mask , no match is added for this - * descriptor. So, matches size may be smaller than the query descriptors count. - * descriptors. - * - * In the first variant of this method, the train descriptors are passed as an input argument. In the - * second variant of the method, train descriptors collection that was set by DescriptorMatcher::add is - * used. Optional mask (or masks) can be passed to specify which query and training descriptors can be - * matched. Namely, queryDescriptors[i] can be matched with trainDescriptors[j] only if - * mask.at<uchar>(i,j) is non-zero. - */ - public void match(Mat queryDescriptors, Mat trainDescriptors, MatOfDMatch matches) { - Mat matches_mat = matches; - match_1(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj); - } - - - // - // C++: void cv::DescriptorMatcher::knnMatch(Mat queryDescriptors, Mat trainDescriptors, vector_vector_DMatch& matches, int k, Mat mask = Mat(), bool compactResult = false) - // - - /** - * Finds the k best matches for each descriptor from a query set. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param mask Mask specifying permissible matches between an input query and train matrices of - * descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * @param compactResult Parameter used when the mask (or masks) is not empty. If compactResult is - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * - * These extended variants of DescriptorMatcher::match methods find several best matches for each query - * descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - * for the details about query and train descriptors. - */ - public void knnMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, int k, Mat mask, boolean compactResult) { - Mat matches_mat = new Mat(); - knnMatch_0(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, k, mask.nativeObj, compactResult); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * Finds the k best matches for each descriptor from a query set. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param mask Mask specifying permissible matches between an input query and train matrices of - * descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * - * These extended variants of DescriptorMatcher::match methods find several best matches for each query - * descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - * for the details about query and train descriptors. - */ - public void knnMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, int k, Mat mask) { - Mat matches_mat = new Mat(); - knnMatch_1(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, k, mask.nativeObj); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * Finds the k best matches for each descriptor from a query set. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * - * These extended variants of DescriptorMatcher::match methods find several best matches for each query - * descriptor. The matches are returned in the distance increasing order. See DescriptorMatcher::match - * for the details about query and train descriptors. - */ - public void knnMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, int k) { - Mat matches_mat = new Mat(); - knnMatch_2(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, k); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - - // - // C++: void cv::DescriptorMatcher::radiusMatch(Mat queryDescriptors, Mat trainDescriptors, vector_vector_DMatch& matches, float maxDistance, Mat mask = Mat(), bool compactResult = false) - // - - /** - * For each query descriptor, finds the training descriptors not farther than the specified distance. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param matches Found matches. - * @param compactResult Parameter used when the mask (or masks) is not empty. If compactResult is - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * @param mask Mask specifying permissible matches between an input query and train matrices of - * descriptors. - * - * For each query descriptor, the methods find such training descriptors that the distance between the - * query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - * returned in the distance increasing order. - */ - public void radiusMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, float maxDistance, Mat mask, boolean compactResult) { - Mat matches_mat = new Mat(); - radiusMatch_0(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, maxDistance, mask.nativeObj, compactResult); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * For each query descriptor, finds the training descriptors not farther than the specified distance. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param matches Found matches. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * @param mask Mask specifying permissible matches between an input query and train matrices of - * descriptors. - * - * For each query descriptor, the methods find such training descriptors that the distance between the - * query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - * returned in the distance increasing order. - */ - public void radiusMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, float maxDistance, Mat mask) { - Mat matches_mat = new Mat(); - radiusMatch_1(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, maxDistance, mask.nativeObj); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * For each query descriptor, finds the training descriptors not farther than the specified distance. - * - * @param queryDescriptors Query set of descriptors. - * @param trainDescriptors Train set of descriptors. This set is not added to the train descriptors - * collection stored in the class object. - * @param matches Found matches. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * descriptors. - * - * For each query descriptor, the methods find such training descriptors that the distance between the - * query descriptor and the training descriptor is equal or smaller than maxDistance. Found matches are - * returned in the distance increasing order. - */ - public void radiusMatch(Mat queryDescriptors, Mat trainDescriptors, List matches, float maxDistance) { - Mat matches_mat = new Mat(); - radiusMatch_2(nativeObj, queryDescriptors.nativeObj, trainDescriptors.nativeObj, matches_mat.nativeObj, maxDistance); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - - // - // C++: void cv::DescriptorMatcher::match(Mat queryDescriptors, vector_DMatch& matches, vector_Mat masks = vector_Mat()) - // - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Matches. If a query descriptor is masked out in mask , no match is added for this - * descriptor. So, matches size may be smaller than the query descriptors count. - * @param masks Set of masks. Each masks[i] specifies permissible matches between the input query - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - */ - public void match(Mat queryDescriptors, MatOfDMatch matches, List masks) { - Mat matches_mat = matches; - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - match_2(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, masks_mat.nativeObj); - } - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Matches. If a query descriptor is masked out in mask , no match is added for this - * descriptor. So, matches size may be smaller than the query descriptors count. - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - */ - public void match(Mat queryDescriptors, MatOfDMatch matches) { - Mat matches_mat = matches; - match_3(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj); - } - - - // - // C++: void cv::DescriptorMatcher::knnMatch(Mat queryDescriptors, vector_vector_DMatch& matches, int k, vector_Mat masks = vector_Mat(), bool compactResult = false) - // - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * @param masks Set of masks. Each masks[i] specifies permissible matches between the input query - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * @param compactResult Parameter used when the mask (or masks) is not empty. If compactResult is - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void knnMatch(Mat queryDescriptors, List matches, int k, List masks, boolean compactResult) { - Mat matches_mat = new Mat(); - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - knnMatch_3(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, k, masks_mat.nativeObj, compactResult); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * @param masks Set of masks. Each masks[i] specifies permissible matches between the input query - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void knnMatch(Mat queryDescriptors, List matches, int k, List masks) { - Mat matches_mat = new Mat(); - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - knnMatch_4(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, k, masks_mat.nativeObj); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Matches. Each matches[i] is k or less matches for the same query descriptor. - * @param k Count of best matches found per each query descriptor or less if a query descriptor has - * less than k possible matches in total. - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void knnMatch(Mat queryDescriptors, List matches, int k) { - Mat matches_mat = new Mat(); - knnMatch_5(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, k); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - - // - // C++: void cv::DescriptorMatcher::radiusMatch(Mat queryDescriptors, vector_vector_DMatch& matches, float maxDistance, vector_Mat masks = vector_Mat(), bool compactResult = false) - // - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Found matches. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * @param masks Set of masks. Each masks[i] specifies permissible matches between the input query - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * @param compactResult Parameter used when the mask (or masks) is not empty. If compactResult is - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void radiusMatch(Mat queryDescriptors, List matches, float maxDistance, List masks, boolean compactResult) { - Mat matches_mat = new Mat(); - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - radiusMatch_3(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, maxDistance, masks_mat.nativeObj, compactResult); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Found matches. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * @param masks Set of masks. Each masks[i] specifies permissible matches between the input query - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void radiusMatch(Mat queryDescriptors, List matches, float maxDistance, List masks) { - Mat matches_mat = new Mat(); - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - radiusMatch_4(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, maxDistance, masks_mat.nativeObj); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - /** - * - * @param queryDescriptors Query set of descriptors. - * @param matches Found matches. - * @param maxDistance Threshold for the distance between matched descriptors. Distance means here - * metric distance (e.g. Hamming distance), not the distance between coordinates (which is measured - * in Pixels)! - * descriptors and stored train descriptors from the i-th image trainDescCollection[i]. - * false, the matches vector has the same size as queryDescriptors rows. If compactResult is true, - * the matches vector does not contain matches for fully masked-out query descriptors. - */ - public void radiusMatch(Mat queryDescriptors, List matches, float maxDistance) { - Mat matches_mat = new Mat(); - radiusMatch_5(nativeObj, queryDescriptors.nativeObj, matches_mat.nativeObj, maxDistance); - Converters.Mat_to_vector_vector_DMatch(matches_mat, matches); - matches_mat.release(); - } - - - // - // C++: void cv::DescriptorMatcher::write(String fileName) - // - - public void write(String fileName) { - write_0(nativeObj, fileName); - } - - - // - // C++: void cv::DescriptorMatcher::read(String fileName) - // - - public void read(String fileName) { - read_0(nativeObj, fileName); - } - - - // - // C++: void cv::DescriptorMatcher::read(FileNode arg1) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: Ptr_DescriptorMatcher cv::DescriptorMatcher::clone(bool emptyTrainData = false) - // - - /** - * Clones the matcher. - * - * @param emptyTrainData If emptyTrainData is false, the method creates a deep copy of the object, - * that is, copies both parameters and train data. If emptyTrainData is true, the method creates an - * object copy with the current parameters but with empty train data. - * @return automatically generated - */ - public DescriptorMatcher clone(boolean emptyTrainData) { - return DescriptorMatcher.__fromPtr__(clone_0(nativeObj, emptyTrainData)); - } - - /** - * Clones the matcher. - * - * that is, copies both parameters and train data. If emptyTrainData is true, the method creates an - * object copy with the current parameters but with empty train data. - * @return automatically generated - */ - public DescriptorMatcher clone() { - return DescriptorMatcher.__fromPtr__(clone_1(nativeObj)); - } - - - // - // C++: static Ptr_DescriptorMatcher cv::DescriptorMatcher::create(String descriptorMatcherType) - // - - /** - * Creates a descriptor matcher of a given type with the default parameters (using default - * constructor). - * - * @param descriptorMatcherType Descriptor matcher type. Now the following matcher types are - * supported: - *
      - *
    • - * {@code BruteForce} (it uses L2 ) - *
      • - *
    • - * {@code BruteForce-L1} - *
      • - *
    • - * {@code BruteForce-Hamming} - *
      • - *
    • - * {@code BruteForce-Hamming(2)} - *
      • - *
    • - * {@code FlannBased} - *
      • - *
    - * @return automatically generated - */ - public static DescriptorMatcher create(String descriptorMatcherType) { - return DescriptorMatcher.__fromPtr__(create_0(descriptorMatcherType)); - } - - - // - // C++: static Ptr_DescriptorMatcher cv::DescriptorMatcher::create(DescriptorMatcher_MatcherType matcherType) - // - - public static DescriptorMatcher create(int matcherType) { - return DescriptorMatcher.__fromPtr__(create_1(matcherType)); - } - - - // - // C++: void cv::DescriptorMatcher::write(FileStorage fs, String name) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::DescriptorMatcher::add(vector_Mat descriptors) - private static native void add_0(long nativeObj, long descriptors_mat_nativeObj); - - // C++: vector_Mat cv::DescriptorMatcher::getTrainDescriptors() - private static native long getTrainDescriptors_0(long nativeObj); - - // C++: void cv::DescriptorMatcher::clear() - private static native void clear_0(long nativeObj); - - // C++: bool cv::DescriptorMatcher::empty() - private static native boolean empty_0(long nativeObj); - - // C++: bool cv::DescriptorMatcher::isMaskSupported() - private static native boolean isMaskSupported_0(long nativeObj); - - // C++: void cv::DescriptorMatcher::train() - private static native void train_0(long nativeObj); - - // C++: void cv::DescriptorMatcher::match(Mat queryDescriptors, Mat trainDescriptors, vector_DMatch& matches, Mat mask = Mat()) - private static native void match_0(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, long mask_nativeObj); - private static native void match_1(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj); - - // C++: void cv::DescriptorMatcher::knnMatch(Mat queryDescriptors, Mat trainDescriptors, vector_vector_DMatch& matches, int k, Mat mask = Mat(), bool compactResult = false) - private static native void knnMatch_0(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, int k, long mask_nativeObj, boolean compactResult); - private static native void knnMatch_1(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, int k, long mask_nativeObj); - private static native void knnMatch_2(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, int k); - - // C++: void cv::DescriptorMatcher::radiusMatch(Mat queryDescriptors, Mat trainDescriptors, vector_vector_DMatch& matches, float maxDistance, Mat mask = Mat(), bool compactResult = false) - private static native void radiusMatch_0(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance, long mask_nativeObj, boolean compactResult); - private static native void radiusMatch_1(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance, long mask_nativeObj); - private static native void radiusMatch_2(long nativeObj, long queryDescriptors_nativeObj, long trainDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance); - - // C++: void cv::DescriptorMatcher::match(Mat queryDescriptors, vector_DMatch& matches, vector_Mat masks = vector_Mat()) - private static native void match_2(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, long masks_mat_nativeObj); - private static native void match_3(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj); - - // C++: void cv::DescriptorMatcher::knnMatch(Mat queryDescriptors, vector_vector_DMatch& matches, int k, vector_Mat masks = vector_Mat(), bool compactResult = false) - private static native void knnMatch_3(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, int k, long masks_mat_nativeObj, boolean compactResult); - private static native void knnMatch_4(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, int k, long masks_mat_nativeObj); - private static native void knnMatch_5(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, int k); - - // C++: void cv::DescriptorMatcher::radiusMatch(Mat queryDescriptors, vector_vector_DMatch& matches, float maxDistance, vector_Mat masks = vector_Mat(), bool compactResult = false) - private static native void radiusMatch_3(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance, long masks_mat_nativeObj, boolean compactResult); - private static native void radiusMatch_4(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance, long masks_mat_nativeObj); - private static native void radiusMatch_5(long nativeObj, long queryDescriptors_nativeObj, long matches_mat_nativeObj, float maxDistance); - - // C++: void cv::DescriptorMatcher::write(String fileName) - private static native void write_0(long nativeObj, String fileName); - - // C++: void cv::DescriptorMatcher::read(String fileName) - private static native void read_0(long nativeObj, String fileName); - - // C++: Ptr_DescriptorMatcher cv::DescriptorMatcher::clone(bool emptyTrainData = false) - private static native long clone_0(long nativeObj, boolean emptyTrainData); - private static native long clone_1(long nativeObj); - - // C++: static Ptr_DescriptorMatcher cv::DescriptorMatcher::create(String descriptorMatcherType) - private static native long create_0(String descriptorMatcherType); - - // C++: static Ptr_DescriptorMatcher cv::DescriptorMatcher::create(DescriptorMatcher_MatcherType matcherType) - private static native long create_1(int matcherType); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/FastFeatureDetector.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/FastFeatureDetector.java deleted file mode 100644 index 460d89003e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/FastFeatureDetector.java +++ /dev/null @@ -1,155 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.FastFeatureDetector; -import org.opencv.features2d.Feature2D; - -// C++: class FastFeatureDetector -/** - * Wrapping class for feature detection using the FAST method. : - */ -public class FastFeatureDetector extends Feature2D { - - protected FastFeatureDetector(long addr) { super(addr); } - - // internal usage only - public static FastFeatureDetector __fromPtr__(long addr) { return new FastFeatureDetector(addr); } - - // C++: enum - public static final int - THRESHOLD = 10000, - NONMAX_SUPPRESSION = 10001, - FAST_N = 10002; - - - // C++: enum DetectorType (cv.FastFeatureDetector.DetectorType) - public static final int - TYPE_5_8 = 0, - TYPE_7_12 = 1, - TYPE_9_16 = 2; - - - // - // C++: static Ptr_FastFeatureDetector cv::FastFeatureDetector::create(int threshold = 10, bool nonmaxSuppression = true, FastFeatureDetector_DetectorType type = FastFeatureDetector::TYPE_9_16) - // - - public static FastFeatureDetector create(int threshold, boolean nonmaxSuppression, int type) { - return FastFeatureDetector.__fromPtr__(create_0(threshold, nonmaxSuppression, type)); - } - - public static FastFeatureDetector create(int threshold, boolean nonmaxSuppression) { - return FastFeatureDetector.__fromPtr__(create_1(threshold, nonmaxSuppression)); - } - - public static FastFeatureDetector create(int threshold) { - return FastFeatureDetector.__fromPtr__(create_2(threshold)); - } - - public static FastFeatureDetector create() { - return FastFeatureDetector.__fromPtr__(create_3()); - } - - - // - // C++: void cv::FastFeatureDetector::setThreshold(int threshold) - // - - public void setThreshold(int threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: int cv::FastFeatureDetector::getThreshold() - // - - public int getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::FastFeatureDetector::setNonmaxSuppression(bool f) - // - - public void setNonmaxSuppression(boolean f) { - setNonmaxSuppression_0(nativeObj, f); - } - - - // - // C++: bool cv::FastFeatureDetector::getNonmaxSuppression() - // - - public boolean getNonmaxSuppression() { - return getNonmaxSuppression_0(nativeObj); - } - - - // - // C++: void cv::FastFeatureDetector::setType(FastFeatureDetector_DetectorType type) - // - - public void setType(int type) { - setType_0(nativeObj, type); - } - - - // - // C++: FastFeatureDetector_DetectorType cv::FastFeatureDetector::getType() - // - - public int getType() { - return getType_0(nativeObj); - } - - - // - // C++: String cv::FastFeatureDetector::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_FastFeatureDetector cv::FastFeatureDetector::create(int threshold = 10, bool nonmaxSuppression = true, FastFeatureDetector_DetectorType type = FastFeatureDetector::TYPE_9_16) - private static native long create_0(int threshold, boolean nonmaxSuppression, int type); - private static native long create_1(int threshold, boolean nonmaxSuppression); - private static native long create_2(int threshold); - private static native long create_3(); - - // C++: void cv::FastFeatureDetector::setThreshold(int threshold) - private static native void setThreshold_0(long nativeObj, int threshold); - - // C++: int cv::FastFeatureDetector::getThreshold() - private static native int getThreshold_0(long nativeObj); - - // C++: void cv::FastFeatureDetector::setNonmaxSuppression(bool f) - private static native void setNonmaxSuppression_0(long nativeObj, boolean f); - - // C++: bool cv::FastFeatureDetector::getNonmaxSuppression() - private static native boolean getNonmaxSuppression_0(long nativeObj); - - // C++: void cv::FastFeatureDetector::setType(FastFeatureDetector_DetectorType type) - private static native void setType_0(long nativeObj, int type); - - // C++: FastFeatureDetector_DetectorType cv::FastFeatureDetector::getType() - private static native int getType_0(long nativeObj); - - // C++: String cv::FastFeatureDetector::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/Feature2D.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/Feature2D.java deleted file mode 100644 index 7725563b81..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/Feature2D.java +++ /dev/null @@ -1,299 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.core.MatOfKeyPoint; -import org.opencv.utils.Converters; - -// C++: class Feature2D -/** - * Abstract base class for 2D image feature detectors and descriptor extractors - */ -public class Feature2D extends Algorithm { - - protected Feature2D(long addr) { super(addr); } - - // internal usage only - public static Feature2D __fromPtr__(long addr) { return new Feature2D(addr); } - - // - // C++: void cv::Feature2D::detect(Mat image, vector_KeyPoint& keypoints, Mat mask = Mat()) - // - - /** - * Detects keypoints in an image (first variant) or image set (second variant). - * - * @param image Image. - * @param keypoints The detected keypoints. In the second variant of the method keypoints[i] is a set - * of keypoints detected in images[i] . - * @param mask Mask specifying where to look for keypoints (optional). It must be a 8-bit integer - * matrix with non-zero values in the region of interest. - */ - public void detect(Mat image, MatOfKeyPoint keypoints, Mat mask) { - Mat keypoints_mat = keypoints; - detect_0(nativeObj, image.nativeObj, keypoints_mat.nativeObj, mask.nativeObj); - } - - /** - * Detects keypoints in an image (first variant) or image set (second variant). - * - * @param image Image. - * @param keypoints The detected keypoints. In the second variant of the method keypoints[i] is a set - * of keypoints detected in images[i] . - * matrix with non-zero values in the region of interest. - */ - public void detect(Mat image, MatOfKeyPoint keypoints) { - Mat keypoints_mat = keypoints; - detect_1(nativeObj, image.nativeObj, keypoints_mat.nativeObj); - } - - - // - // C++: void cv::Feature2D::detect(vector_Mat images, vector_vector_KeyPoint& keypoints, vector_Mat masks = vector_Mat()) - // - - /** - * - * @param images Image set. - * @param keypoints The detected keypoints. In the second variant of the method keypoints[i] is a set - * of keypoints detected in images[i] . - * @param masks Masks for each input image specifying where to look for keypoints (optional). - * masks[i] is a mask for images[i]. - */ - public void detect(List images, List keypoints, List masks) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - Mat keypoints_mat = new Mat(); - Mat masks_mat = Converters.vector_Mat_to_Mat(masks); - detect_2(nativeObj, images_mat.nativeObj, keypoints_mat.nativeObj, masks_mat.nativeObj); - Converters.Mat_to_vector_vector_KeyPoint(keypoints_mat, keypoints); - keypoints_mat.release(); - } - - /** - * - * @param images Image set. - * @param keypoints The detected keypoints. In the second variant of the method keypoints[i] is a set - * of keypoints detected in images[i] . - * masks[i] is a mask for images[i]. - */ - public void detect(List images, List keypoints) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - Mat keypoints_mat = new Mat(); - detect_3(nativeObj, images_mat.nativeObj, keypoints_mat.nativeObj); - Converters.Mat_to_vector_vector_KeyPoint(keypoints_mat, keypoints); - keypoints_mat.release(); - } - - - // - // C++: void cv::Feature2D::compute(Mat image, vector_KeyPoint& keypoints, Mat& descriptors) - // - - /** - * Computes the descriptors for a set of keypoints detected in an image (first variant) or image set - * (second variant). - * - * @param image Image. - * @param keypoints Input collection of keypoints. Keypoints for which a descriptor cannot be - * computed are removed. Sometimes new keypoints can be added, for example: SIFT duplicates keypoint - * with several dominant orientations (for each orientation). - * @param descriptors Computed descriptors. In the second variant of the method descriptors[i] are - * descriptors computed for a keypoints[i]. Row j is the keypoints (or keypoints[i]) is the - * descriptor for keypoint j-th keypoint. - */ - public void compute(Mat image, MatOfKeyPoint keypoints, Mat descriptors) { - Mat keypoints_mat = keypoints; - compute_0(nativeObj, image.nativeObj, keypoints_mat.nativeObj, descriptors.nativeObj); - } - - - // - // C++: void cv::Feature2D::compute(vector_Mat images, vector_vector_KeyPoint& keypoints, vector_Mat& descriptors) - // - - /** - * - * - * @param images Image set. - * @param keypoints Input collection of keypoints. Keypoints for which a descriptor cannot be - * computed are removed. Sometimes new keypoints can be added, for example: SIFT duplicates keypoint - * with several dominant orientations (for each orientation). - * @param descriptors Computed descriptors. In the second variant of the method descriptors[i] are - * descriptors computed for a keypoints[i]. Row j is the keypoints (or keypoints[i]) is the - * descriptor for keypoint j-th keypoint. - */ - public void compute(List images, List keypoints, List descriptors) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - List keypoints_tmplm = new ArrayList((keypoints != null) ? keypoints.size() : 0); - Mat keypoints_mat = Converters.vector_vector_KeyPoint_to_Mat(keypoints, keypoints_tmplm); - Mat descriptors_mat = new Mat(); - compute_1(nativeObj, images_mat.nativeObj, keypoints_mat.nativeObj, descriptors_mat.nativeObj); - Converters.Mat_to_vector_vector_KeyPoint(keypoints_mat, keypoints); - keypoints_mat.release(); - Converters.Mat_to_vector_Mat(descriptors_mat, descriptors); - descriptors_mat.release(); - } - - - // - // C++: void cv::Feature2D::detectAndCompute(Mat image, Mat mask, vector_KeyPoint& keypoints, Mat& descriptors, bool useProvidedKeypoints = false) - // - - /** - * Detects keypoints and computes the descriptors - * @param image automatically generated - * @param mask automatically generated - * @param keypoints automatically generated - * @param descriptors automatically generated - * @param useProvidedKeypoints automatically generated - */ - public void detectAndCompute(Mat image, Mat mask, MatOfKeyPoint keypoints, Mat descriptors, boolean useProvidedKeypoints) { - Mat keypoints_mat = keypoints; - detectAndCompute_0(nativeObj, image.nativeObj, mask.nativeObj, keypoints_mat.nativeObj, descriptors.nativeObj, useProvidedKeypoints); - } - - /** - * Detects keypoints and computes the descriptors - * @param image automatically generated - * @param mask automatically generated - * @param keypoints automatically generated - * @param descriptors automatically generated - */ - public void detectAndCompute(Mat image, Mat mask, MatOfKeyPoint keypoints, Mat descriptors) { - Mat keypoints_mat = keypoints; - detectAndCompute_1(nativeObj, image.nativeObj, mask.nativeObj, keypoints_mat.nativeObj, descriptors.nativeObj); - } - - - // - // C++: int cv::Feature2D::descriptorSize() - // - - public int descriptorSize() { - return descriptorSize_0(nativeObj); - } - - - // - // C++: int cv::Feature2D::descriptorType() - // - - public int descriptorType() { - return descriptorType_0(nativeObj); - } - - - // - // C++: int cv::Feature2D::defaultNorm() - // - - public int defaultNorm() { - return defaultNorm_0(nativeObj); - } - - - // - // C++: void cv::Feature2D::write(String fileName) - // - - public void write(String fileName) { - write_0(nativeObj, fileName); - } - - - // - // C++: void cv::Feature2D::read(String fileName) - // - - public void read(String fileName) { - read_0(nativeObj, fileName); - } - - - // - // C++: void cv::Feature2D::read(FileNode arg1) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: bool cv::Feature2D::empty() - // - - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: String cv::Feature2D::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - // - // C++: void cv::Feature2D::write(FileStorage fs, String name) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::Feature2D::detect(Mat image, vector_KeyPoint& keypoints, Mat mask = Mat()) - private static native void detect_0(long nativeObj, long image_nativeObj, long keypoints_mat_nativeObj, long mask_nativeObj); - private static native void detect_1(long nativeObj, long image_nativeObj, long keypoints_mat_nativeObj); - - // C++: void cv::Feature2D::detect(vector_Mat images, vector_vector_KeyPoint& keypoints, vector_Mat masks = vector_Mat()) - private static native void detect_2(long nativeObj, long images_mat_nativeObj, long keypoints_mat_nativeObj, long masks_mat_nativeObj); - private static native void detect_3(long nativeObj, long images_mat_nativeObj, long keypoints_mat_nativeObj); - - // C++: void cv::Feature2D::compute(Mat image, vector_KeyPoint& keypoints, Mat& descriptors) - private static native void compute_0(long nativeObj, long image_nativeObj, long keypoints_mat_nativeObj, long descriptors_nativeObj); - - // C++: void cv::Feature2D::compute(vector_Mat images, vector_vector_KeyPoint& keypoints, vector_Mat& descriptors) - private static native void compute_1(long nativeObj, long images_mat_nativeObj, long keypoints_mat_nativeObj, long descriptors_mat_nativeObj); - - // C++: void cv::Feature2D::detectAndCompute(Mat image, Mat mask, vector_KeyPoint& keypoints, Mat& descriptors, bool useProvidedKeypoints = false) - private static native void detectAndCompute_0(long nativeObj, long image_nativeObj, long mask_nativeObj, long keypoints_mat_nativeObj, long descriptors_nativeObj, boolean useProvidedKeypoints); - private static native void detectAndCompute_1(long nativeObj, long image_nativeObj, long mask_nativeObj, long keypoints_mat_nativeObj, long descriptors_nativeObj); - - // C++: int cv::Feature2D::descriptorSize() - private static native int descriptorSize_0(long nativeObj); - - // C++: int cv::Feature2D::descriptorType() - private static native int descriptorType_0(long nativeObj); - - // C++: int cv::Feature2D::defaultNorm() - private static native int defaultNorm_0(long nativeObj); - - // C++: void cv::Feature2D::write(String fileName) - private static native void write_0(long nativeObj, String fileName); - - // C++: void cv::Feature2D::read(String fileName) - private static native void read_0(long nativeObj, String fileName); - - // C++: bool cv::Feature2D::empty() - private static native boolean empty_0(long nativeObj); - - // C++: String cv::Feature2D::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/Features2d.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/Features2d.java deleted file mode 100644 index 37059a8eb7..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/Features2d.java +++ /dev/null @@ -1,358 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfDMatch; -import org.opencv.core.MatOfKeyPoint; -import org.opencv.core.Scalar; -import org.opencv.utils.Converters; - -// C++: class Features2d - -public class Features2d { - - // C++: enum DrawMatchesFlags (cv.DrawMatchesFlags) - public static final int - DrawMatchesFlags_DEFAULT = 0, - DrawMatchesFlags_DRAW_OVER_OUTIMG = 1, - DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS = 2, - DrawMatchesFlags_DRAW_RICH_KEYPOINTS = 4; - - - // - // C++: void cv::drawKeypoints(Mat image, vector_KeyPoint keypoints, Mat& outImage, Scalar color = Scalar::all(-1), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - // - - /** - * Draws keypoints. - * - * @param image Source image. - * @param keypoints Keypoints from the source image. - * @param outImage Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param color Color of keypoints. - * @param flags Flags setting drawing features. Possible flags bit values are defined by - * DrawMatchesFlags. See details above in drawMatches . - * - * Note: - * For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - * cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - * cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS - */ - public static void drawKeypoints(Mat image, MatOfKeyPoint keypoints, Mat outImage, Scalar color, int flags) { - Mat keypoints_mat = keypoints; - drawKeypoints_0(image.nativeObj, keypoints_mat.nativeObj, outImage.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], flags); - } - - /** - * Draws keypoints. - * - * @param image Source image. - * @param keypoints Keypoints from the source image. - * @param outImage Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param color Color of keypoints. - * DrawMatchesFlags. See details above in drawMatches . - * - * Note: - * For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - * cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - * cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS - */ - public static void drawKeypoints(Mat image, MatOfKeyPoint keypoints, Mat outImage, Scalar color) { - Mat keypoints_mat = keypoints; - drawKeypoints_1(image.nativeObj, keypoints_mat.nativeObj, outImage.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - /** - * Draws keypoints. - * - * @param image Source image. - * @param keypoints Keypoints from the source image. - * @param outImage Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * DrawMatchesFlags. See details above in drawMatches . - * - * Note: - * For Python API, flags are modified as cv.DRAW_MATCHES_FLAGS_DEFAULT, - * cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, cv.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG, - * cv.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS - */ - public static void drawKeypoints(Mat image, MatOfKeyPoint keypoints, Mat outImage) { - Mat keypoints_mat = keypoints; - drawKeypoints_2(image.nativeObj, keypoints_mat.nativeObj, outImage.nativeObj); - } - - - // - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_DMatch matches1to2, Mat& outImg, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_char matchesMask = std::vector(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - // - - /** - * Draws the found matches of keypoints from two images. - * - * @param img1 First source image. - * @param keypoints1 Keypoints from the first source image. - * @param img2 Second source image. - * @param keypoints2 Keypoints from the second source image. - * @param matches1to2 Matches from the first image to the second one, which means that keypoints1[i] - * has a corresponding point in keypoints2[matches[i]] . - * @param outImg Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param matchColor Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - * , the color is generated randomly. - * @param singlePointColor Color of single keypoints (circles), which means that keypoints do not - * have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - * @param matchesMask Mask determining which matches are drawn. If the mask is empty, all matches are - * drawn. - * @param flags Flags setting drawing features. Possible flags bit values are defined by - * DrawMatchesFlags. - * - * This function draws matches of keypoints from two images in the output image. Match is a line - * connecting two keypoints (circles). See cv::DrawMatchesFlags. - */ - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor, MatOfByte matchesMask, int flags) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - Mat matchesMask_mat = matchesMask; - drawMatches_0(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj, flags); - } - - /** - * Draws the found matches of keypoints from two images. - * - * @param img1 First source image. - * @param keypoints1 Keypoints from the first source image. - * @param img2 Second source image. - * @param keypoints2 Keypoints from the second source image. - * @param matches1to2 Matches from the first image to the second one, which means that keypoints1[i] - * has a corresponding point in keypoints2[matches[i]] . - * @param outImg Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param matchColor Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - * , the color is generated randomly. - * @param singlePointColor Color of single keypoints (circles), which means that keypoints do not - * have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - * @param matchesMask Mask determining which matches are drawn. If the mask is empty, all matches are - * drawn. - * DrawMatchesFlags. - * - * This function draws matches of keypoints from two images in the output image. Match is a line - * connecting two keypoints (circles). See cv::DrawMatchesFlags. - */ - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor, MatOfByte matchesMask) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - Mat matchesMask_mat = matchesMask; - drawMatches_1(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj); - } - - /** - * Draws the found matches of keypoints from two images. - * - * @param img1 First source image. - * @param keypoints1 Keypoints from the first source image. - * @param img2 Second source image. - * @param keypoints2 Keypoints from the second source image. - * @param matches1to2 Matches from the first image to the second one, which means that keypoints1[i] - * has a corresponding point in keypoints2[matches[i]] . - * @param outImg Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param matchColor Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - * , the color is generated randomly. - * @param singlePointColor Color of single keypoints (circles), which means that keypoints do not - * have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - * drawn. - * DrawMatchesFlags. - * - * This function draws matches of keypoints from two images in the output image. Match is a line - * connecting two keypoints (circles). See cv::DrawMatchesFlags. - */ - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_2(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3]); - } - - /** - * Draws the found matches of keypoints from two images. - * - * @param img1 First source image. - * @param keypoints1 Keypoints from the first source image. - * @param img2 Second source image. - * @param keypoints2 Keypoints from the second source image. - * @param matches1to2 Matches from the first image to the second one, which means that keypoints1[i] - * has a corresponding point in keypoints2[matches[i]] . - * @param outImg Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * @param matchColor Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) - * , the color is generated randomly. - * have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - * drawn. - * DrawMatchesFlags. - * - * This function draws matches of keypoints from two images in the output image. Match is a line - * connecting two keypoints (circles). See cv::DrawMatchesFlags. - */ - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, Scalar matchColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_3(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3]); - } - - /** - * Draws the found matches of keypoints from two images. - * - * @param img1 First source image. - * @param keypoints1 Keypoints from the first source image. - * @param img2 Second source image. - * @param keypoints2 Keypoints from the second source image. - * @param matches1to2 Matches from the first image to the second one, which means that keypoints1[i] - * has a corresponding point in keypoints2[matches[i]] . - * @param outImg Output image. Its content depends on the flags value defining what is drawn in the - * output image. See possible flags bit values below. - * , the color is generated randomly. - * have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly. - * drawn. - * DrawMatchesFlags. - * - * This function draws matches of keypoints from two images in the output image. Match is a line - * connecting two keypoints (circles). See cv::DrawMatchesFlags. - */ - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_4(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj); - } - - - // - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_DMatch matches1to2, Mat& outImg, int matchesThickness, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_char matchesMask = std::vector(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - // - - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, int matchesThickness, Scalar matchColor, Scalar singlePointColor, MatOfByte matchesMask, int flags) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - Mat matchesMask_mat = matchesMask; - drawMatches_5(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchesThickness, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj, flags); - } - - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, int matchesThickness, Scalar matchColor, Scalar singlePointColor, MatOfByte matchesMask) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - Mat matchesMask_mat = matchesMask; - drawMatches_6(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchesThickness, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj); - } - - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, int matchesThickness, Scalar matchColor, Scalar singlePointColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_7(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchesThickness, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3]); - } - - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, int matchesThickness, Scalar matchColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_8(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchesThickness, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3]); - } - - public static void drawMatches(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, MatOfDMatch matches1to2, Mat outImg, int matchesThickness) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - Mat matches1to2_mat = matches1to2; - drawMatches_9(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchesThickness); - } - - - // - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_vector_DMatch matches1to2, Mat& outImg, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_vector_char matchesMask = std::vector >(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - // - - public static void drawMatchesKnn(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, List matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor, List matchesMask, int flags) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - List matches1to2_tmplm = new ArrayList((matches1to2 != null) ? matches1to2.size() : 0); - Mat matches1to2_mat = Converters.vector_vector_DMatch_to_Mat(matches1to2, matches1to2_tmplm); - List matchesMask_tmplm = new ArrayList((matchesMask != null) ? matchesMask.size() : 0); - Mat matchesMask_mat = Converters.vector_vector_char_to_Mat(matchesMask, matchesMask_tmplm); - drawMatchesKnn_0(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj, flags); - } - - public static void drawMatchesKnn(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, List matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor, List matchesMask) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - List matches1to2_tmplm = new ArrayList((matches1to2 != null) ? matches1to2.size() : 0); - Mat matches1to2_mat = Converters.vector_vector_DMatch_to_Mat(matches1to2, matches1to2_tmplm); - List matchesMask_tmplm = new ArrayList((matchesMask != null) ? matchesMask.size() : 0); - Mat matchesMask_mat = Converters.vector_vector_char_to_Mat(matchesMask, matchesMask_tmplm); - drawMatchesKnn_1(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3], matchesMask_mat.nativeObj); - } - - public static void drawMatchesKnn(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, List matches1to2, Mat outImg, Scalar matchColor, Scalar singlePointColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - List matches1to2_tmplm = new ArrayList((matches1to2 != null) ? matches1to2.size() : 0); - Mat matches1to2_mat = Converters.vector_vector_DMatch_to_Mat(matches1to2, matches1to2_tmplm); - drawMatchesKnn_2(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3], singlePointColor.val[0], singlePointColor.val[1], singlePointColor.val[2], singlePointColor.val[3]); - } - - public static void drawMatchesKnn(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, List matches1to2, Mat outImg, Scalar matchColor) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - List matches1to2_tmplm = new ArrayList((matches1to2 != null) ? matches1to2.size() : 0); - Mat matches1to2_mat = Converters.vector_vector_DMatch_to_Mat(matches1to2, matches1to2_tmplm); - drawMatchesKnn_3(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj, matchColor.val[0], matchColor.val[1], matchColor.val[2], matchColor.val[3]); - } - - public static void drawMatchesKnn(Mat img1, MatOfKeyPoint keypoints1, Mat img2, MatOfKeyPoint keypoints2, List matches1to2, Mat outImg) { - Mat keypoints1_mat = keypoints1; - Mat keypoints2_mat = keypoints2; - List matches1to2_tmplm = new ArrayList((matches1to2 != null) ? matches1to2.size() : 0); - Mat matches1to2_mat = Converters.vector_vector_DMatch_to_Mat(matches1to2, matches1to2_tmplm); - drawMatchesKnn_4(img1.nativeObj, keypoints1_mat.nativeObj, img2.nativeObj, keypoints2_mat.nativeObj, matches1to2_mat.nativeObj, outImg.nativeObj); - } - - - - - // C++: void cv::drawKeypoints(Mat image, vector_KeyPoint keypoints, Mat& outImage, Scalar color = Scalar::all(-1), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - private static native void drawKeypoints_0(long image_nativeObj, long keypoints_mat_nativeObj, long outImage_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int flags); - private static native void drawKeypoints_1(long image_nativeObj, long keypoints_mat_nativeObj, long outImage_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3); - private static native void drawKeypoints_2(long image_nativeObj, long keypoints_mat_nativeObj, long outImage_nativeObj); - - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_DMatch matches1to2, Mat& outImg, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_char matchesMask = std::vector(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - private static native void drawMatches_0(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj, int flags); - private static native void drawMatches_1(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj); - private static native void drawMatches_2(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3); - private static native void drawMatches_3(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3); - private static native void drawMatches_4(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj); - - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_DMatch matches1to2, Mat& outImg, int matchesThickness, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_char matchesMask = std::vector(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - private static native void drawMatches_5(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, int matchesThickness, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj, int flags); - private static native void drawMatches_6(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, int matchesThickness, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj); - private static native void drawMatches_7(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, int matchesThickness, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3); - private static native void drawMatches_8(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, int matchesThickness, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3); - private static native void drawMatches_9(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, int matchesThickness); - - // C++: void cv::drawMatches(Mat img1, vector_KeyPoint keypoints1, Mat img2, vector_KeyPoint keypoints2, vector_vector_DMatch matches1to2, Mat& outImg, Scalar matchColor = Scalar::all(-1), Scalar singlePointColor = Scalar::all(-1), vector_vector_char matchesMask = std::vector >(), DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT) - private static native void drawMatchesKnn_0(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj, int flags); - private static native void drawMatchesKnn_1(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3, long matchesMask_mat_nativeObj); - private static native void drawMatchesKnn_2(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3, double singlePointColor_val0, double singlePointColor_val1, double singlePointColor_val2, double singlePointColor_val3); - private static native void drawMatchesKnn_3(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj, double matchColor_val0, double matchColor_val1, double matchColor_val2, double matchColor_val3); - private static native void drawMatchesKnn_4(long img1_nativeObj, long keypoints1_mat_nativeObj, long img2_nativeObj, long keypoints2_mat_nativeObj, long matches1to2_mat_nativeObj, long outImg_nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/FlannBasedMatcher.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/FlannBasedMatcher.java deleted file mode 100644 index cbfa9763b0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/FlannBasedMatcher.java +++ /dev/null @@ -1,59 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.DescriptorMatcher; -import org.opencv.features2d.FlannBasedMatcher; - -// C++: class FlannBasedMatcher -/** - * Flann-based descriptor matcher. - * - * This matcher trains cv::flann::Index on a train descriptor collection and calls its nearest search - * methods to find the best matches. So, this matcher may be faster when matching a large train - * collection than the brute force matcher. FlannBasedMatcher does not support masking permissible - * matches of descriptor sets because flann::Index does not support this. : - */ -public class FlannBasedMatcher extends DescriptorMatcher { - - protected FlannBasedMatcher(long addr) { super(addr); } - - // internal usage only - public static FlannBasedMatcher __fromPtr__(long addr) { return new FlannBasedMatcher(addr); } - - // - // C++: cv::FlannBasedMatcher::FlannBasedMatcher(Ptr_flann_IndexParams indexParams = makePtr(), Ptr_flann_SearchParams searchParams = makePtr()) - // - - public FlannBasedMatcher() { - super(FlannBasedMatcher_0()); - } - - - // - // C++: static Ptr_FlannBasedMatcher cv::FlannBasedMatcher::create() - // - - public static FlannBasedMatcher create() { - return FlannBasedMatcher.__fromPtr__(create_0()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::FlannBasedMatcher::FlannBasedMatcher(Ptr_flann_IndexParams indexParams = makePtr(), Ptr_flann_SearchParams searchParams = makePtr()) - private static native long FlannBasedMatcher_0(); - - // C++: static Ptr_FlannBasedMatcher cv::FlannBasedMatcher::create() - private static native long create_0(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/GFTTDetector.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/GFTTDetector.java deleted file mode 100644 index 63e21bc083..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/GFTTDetector.java +++ /dev/null @@ -1,274 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.GFTTDetector; - -// C++: class GFTTDetector -/** - * Wrapping class for feature detection using the goodFeaturesToTrack function. : - */ -public class GFTTDetector extends Feature2D { - - protected GFTTDetector(long addr) { super(addr); } - - // internal usage only - public static GFTTDetector __fromPtr__(long addr) { return new GFTTDetector(addr); } - - // - // C++: static Ptr_GFTTDetector cv::GFTTDetector::create(int maxCorners = 1000, double qualityLevel = 0.01, double minDistance = 1, int blockSize = 3, bool useHarrisDetector = false, double k = 0.04) - // - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize, boolean useHarrisDetector, double k) { - return GFTTDetector.__fromPtr__(create_0(maxCorners, qualityLevel, minDistance, blockSize, useHarrisDetector, k)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize, boolean useHarrisDetector) { - return GFTTDetector.__fromPtr__(create_1(maxCorners, qualityLevel, minDistance, blockSize, useHarrisDetector)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize) { - return GFTTDetector.__fromPtr__(create_2(maxCorners, qualityLevel, minDistance, blockSize)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance) { - return GFTTDetector.__fromPtr__(create_3(maxCorners, qualityLevel, minDistance)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel) { - return GFTTDetector.__fromPtr__(create_4(maxCorners, qualityLevel)); - } - - public static GFTTDetector create(int maxCorners) { - return GFTTDetector.__fromPtr__(create_5(maxCorners)); - } - - public static GFTTDetector create() { - return GFTTDetector.__fromPtr__(create_6()); - } - - - // - // C++: static Ptr_GFTTDetector cv::GFTTDetector::create(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, bool useHarrisDetector = false, double k = 0.04) - // - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, boolean useHarrisDetector, double k) { - return GFTTDetector.__fromPtr__(create_7(maxCorners, qualityLevel, minDistance, blockSize, gradiantSize, useHarrisDetector, k)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, boolean useHarrisDetector) { - return GFTTDetector.__fromPtr__(create_8(maxCorners, qualityLevel, minDistance, blockSize, gradiantSize, useHarrisDetector)); - } - - public static GFTTDetector create(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize) { - return GFTTDetector.__fromPtr__(create_9(maxCorners, qualityLevel, minDistance, blockSize, gradiantSize)); - } - - - // - // C++: void cv::GFTTDetector::setMaxFeatures(int maxFeatures) - // - - public void setMaxFeatures(int maxFeatures) { - setMaxFeatures_0(nativeObj, maxFeatures); - } - - - // - // C++: int cv::GFTTDetector::getMaxFeatures() - // - - public int getMaxFeatures() { - return getMaxFeatures_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setQualityLevel(double qlevel) - // - - public void setQualityLevel(double qlevel) { - setQualityLevel_0(nativeObj, qlevel); - } - - - // - // C++: double cv::GFTTDetector::getQualityLevel() - // - - public double getQualityLevel() { - return getQualityLevel_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setMinDistance(double minDistance) - // - - public void setMinDistance(double minDistance) { - setMinDistance_0(nativeObj, minDistance); - } - - - // - // C++: double cv::GFTTDetector::getMinDistance() - // - - public double getMinDistance() { - return getMinDistance_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setBlockSize(int blockSize) - // - - public void setBlockSize(int blockSize) { - setBlockSize_0(nativeObj, blockSize); - } - - - // - // C++: int cv::GFTTDetector::getBlockSize() - // - - public int getBlockSize() { - return getBlockSize_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setGradientSize(int gradientSize_) - // - - public void setGradientSize(int gradientSize_) { - setGradientSize_0(nativeObj, gradientSize_); - } - - - // - // C++: int cv::GFTTDetector::getGradientSize() - // - - public int getGradientSize() { - return getGradientSize_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setHarrisDetector(bool val) - // - - public void setHarrisDetector(boolean val) { - setHarrisDetector_0(nativeObj, val); - } - - - // - // C++: bool cv::GFTTDetector::getHarrisDetector() - // - - public boolean getHarrisDetector() { - return getHarrisDetector_0(nativeObj); - } - - - // - // C++: void cv::GFTTDetector::setK(double k) - // - - public void setK(double k) { - setK_0(nativeObj, k); - } - - - // - // C++: double cv::GFTTDetector::getK() - // - - public double getK() { - return getK_0(nativeObj); - } - - - // - // C++: String cv::GFTTDetector::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_GFTTDetector cv::GFTTDetector::create(int maxCorners = 1000, double qualityLevel = 0.01, double minDistance = 1, int blockSize = 3, bool useHarrisDetector = false, double k = 0.04) - private static native long create_0(int maxCorners, double qualityLevel, double minDistance, int blockSize, boolean useHarrisDetector, double k); - private static native long create_1(int maxCorners, double qualityLevel, double minDistance, int blockSize, boolean useHarrisDetector); - private static native long create_2(int maxCorners, double qualityLevel, double minDistance, int blockSize); - private static native long create_3(int maxCorners, double qualityLevel, double minDistance); - private static native long create_4(int maxCorners, double qualityLevel); - private static native long create_5(int maxCorners); - private static native long create_6(); - - // C++: static Ptr_GFTTDetector cv::GFTTDetector::create(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, bool useHarrisDetector = false, double k = 0.04) - private static native long create_7(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, boolean useHarrisDetector, double k); - private static native long create_8(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize, boolean useHarrisDetector); - private static native long create_9(int maxCorners, double qualityLevel, double minDistance, int blockSize, int gradiantSize); - - // C++: void cv::GFTTDetector::setMaxFeatures(int maxFeatures) - private static native void setMaxFeatures_0(long nativeObj, int maxFeatures); - - // C++: int cv::GFTTDetector::getMaxFeatures() - private static native int getMaxFeatures_0(long nativeObj); - - // C++: void cv::GFTTDetector::setQualityLevel(double qlevel) - private static native void setQualityLevel_0(long nativeObj, double qlevel); - - // C++: double cv::GFTTDetector::getQualityLevel() - private static native double getQualityLevel_0(long nativeObj); - - // C++: void cv::GFTTDetector::setMinDistance(double minDistance) - private static native void setMinDistance_0(long nativeObj, double minDistance); - - // C++: double cv::GFTTDetector::getMinDistance() - private static native double getMinDistance_0(long nativeObj); - - // C++: void cv::GFTTDetector::setBlockSize(int blockSize) - private static native void setBlockSize_0(long nativeObj, int blockSize); - - // C++: int cv::GFTTDetector::getBlockSize() - private static native int getBlockSize_0(long nativeObj); - - // C++: void cv::GFTTDetector::setGradientSize(int gradientSize_) - private static native void setGradientSize_0(long nativeObj, int gradientSize_); - - // C++: int cv::GFTTDetector::getGradientSize() - private static native int getGradientSize_0(long nativeObj); - - // C++: void cv::GFTTDetector::setHarrisDetector(bool val) - private static native void setHarrisDetector_0(long nativeObj, boolean val); - - // C++: bool cv::GFTTDetector::getHarrisDetector() - private static native boolean getHarrisDetector_0(long nativeObj); - - // C++: void cv::GFTTDetector::setK(double k) - private static native void setK_0(long nativeObj, double k); - - // C++: double cv::GFTTDetector::getK() - private static native double getK_0(long nativeObj); - - // C++: String cv::GFTTDetector::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/KAZE.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/KAZE.java deleted file mode 100644 index c5765c2922..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/KAZE.java +++ /dev/null @@ -1,303 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.KAZE; - -// C++: class KAZE -/** - * Class implementing the KAZE keypoint detector and descriptor extractor, described in CITE: ABD12 . - * - * Note: AKAZE descriptor can only be used with KAZE or AKAZE keypoints .. [ABD12] KAZE Features. Pablo - * F. Alcantarilla, Adrien Bartoli and Andrew J. Davison. In European Conference on Computer Vision - * (ECCV), Fiorenze, Italy, October 2012. - */ -public class KAZE extends Feature2D { - - protected KAZE(long addr) { super(addr); } - - // internal usage only - public static KAZE __fromPtr__(long addr) { return new KAZE(addr); } - - // C++: enum DiffusivityType (cv.KAZE.DiffusivityType) - public static final int - DIFF_PM_G1 = 0, - DIFF_PM_G2 = 1, - DIFF_WEICKERT = 2, - DIFF_CHARBONNIER = 3; - - - // - // C++: static Ptr_KAZE cv::KAZE::create(bool extended = false, bool upright = false, float threshold = 0.001f, int nOctaves = 4, int nOctaveLayers = 4, KAZE_DiffusivityType diffusivity = KAZE::DIFF_PM_G2) - // - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * @param upright Set to enable use of upright descriptors (non rotation-invariant). - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * @param nOctaveLayers Default number of sublevels per scale level - * @param diffusivity Diffusivity type. DIFF_PM_G1, DIFF_PM_G2, DIFF_WEICKERT or - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended, boolean upright, float threshold, int nOctaves, int nOctaveLayers, int diffusivity) { - return KAZE.__fromPtr__(create_0(extended, upright, threshold, nOctaves, nOctaveLayers, diffusivity)); - } - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * @param upright Set to enable use of upright descriptors (non rotation-invariant). - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * @param nOctaveLayers Default number of sublevels per scale level - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended, boolean upright, float threshold, int nOctaves, int nOctaveLayers) { - return KAZE.__fromPtr__(create_1(extended, upright, threshold, nOctaves, nOctaveLayers)); - } - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * @param upright Set to enable use of upright descriptors (non rotation-invariant). - * @param threshold Detector response threshold to accept point - * @param nOctaves Maximum octave evolution of the image - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended, boolean upright, float threshold, int nOctaves) { - return KAZE.__fromPtr__(create_2(extended, upright, threshold, nOctaves)); - } - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * @param upright Set to enable use of upright descriptors (non rotation-invariant). - * @param threshold Detector response threshold to accept point - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended, boolean upright, float threshold) { - return KAZE.__fromPtr__(create_3(extended, upright, threshold)); - } - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * @param upright Set to enable use of upright descriptors (non rotation-invariant). - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended, boolean upright) { - return KAZE.__fromPtr__(create_4(extended, upright)); - } - - /** - * The KAZE constructor - * - * @param extended Set to enable extraction of extended (128-byte) descriptor. - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create(boolean extended) { - return KAZE.__fromPtr__(create_5(extended)); - } - - /** - * The KAZE constructor - * - * DIFF_CHARBONNIER - * @return automatically generated - */ - public static KAZE create() { - return KAZE.__fromPtr__(create_6()); - } - - - // - // C++: void cv::KAZE::setExtended(bool extended) - // - - public void setExtended(boolean extended) { - setExtended_0(nativeObj, extended); - } - - - // - // C++: bool cv::KAZE::getExtended() - // - - public boolean getExtended() { - return getExtended_0(nativeObj); - } - - - // - // C++: void cv::KAZE::setUpright(bool upright) - // - - public void setUpright(boolean upright) { - setUpright_0(nativeObj, upright); - } - - - // - // C++: bool cv::KAZE::getUpright() - // - - public boolean getUpright() { - return getUpright_0(nativeObj); - } - - - // - // C++: void cv::KAZE::setThreshold(double threshold) - // - - public void setThreshold(double threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: double cv::KAZE::getThreshold() - // - - public double getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::KAZE::setNOctaves(int octaves) - // - - public void setNOctaves(int octaves) { - setNOctaves_0(nativeObj, octaves); - } - - - // - // C++: int cv::KAZE::getNOctaves() - // - - public int getNOctaves() { - return getNOctaves_0(nativeObj); - } - - - // - // C++: void cv::KAZE::setNOctaveLayers(int octaveLayers) - // - - public void setNOctaveLayers(int octaveLayers) { - setNOctaveLayers_0(nativeObj, octaveLayers); - } - - - // - // C++: int cv::KAZE::getNOctaveLayers() - // - - public int getNOctaveLayers() { - return getNOctaveLayers_0(nativeObj); - } - - - // - // C++: void cv::KAZE::setDiffusivity(KAZE_DiffusivityType diff) - // - - public void setDiffusivity(int diff) { - setDiffusivity_0(nativeObj, diff); - } - - - // - // C++: KAZE_DiffusivityType cv::KAZE::getDiffusivity() - // - - public int getDiffusivity() { - return getDiffusivity_0(nativeObj); - } - - - // - // C++: String cv::KAZE::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_KAZE cv::KAZE::create(bool extended = false, bool upright = false, float threshold = 0.001f, int nOctaves = 4, int nOctaveLayers = 4, KAZE_DiffusivityType diffusivity = KAZE::DIFF_PM_G2) - private static native long create_0(boolean extended, boolean upright, float threshold, int nOctaves, int nOctaveLayers, int diffusivity); - private static native long create_1(boolean extended, boolean upright, float threshold, int nOctaves, int nOctaveLayers); - private static native long create_2(boolean extended, boolean upright, float threshold, int nOctaves); - private static native long create_3(boolean extended, boolean upright, float threshold); - private static native long create_4(boolean extended, boolean upright); - private static native long create_5(boolean extended); - private static native long create_6(); - - // C++: void cv::KAZE::setExtended(bool extended) - private static native void setExtended_0(long nativeObj, boolean extended); - - // C++: bool cv::KAZE::getExtended() - private static native boolean getExtended_0(long nativeObj); - - // C++: void cv::KAZE::setUpright(bool upright) - private static native void setUpright_0(long nativeObj, boolean upright); - - // C++: bool cv::KAZE::getUpright() - private static native boolean getUpright_0(long nativeObj); - - // C++: void cv::KAZE::setThreshold(double threshold) - private static native void setThreshold_0(long nativeObj, double threshold); - - // C++: double cv::KAZE::getThreshold() - private static native double getThreshold_0(long nativeObj); - - // C++: void cv::KAZE::setNOctaves(int octaves) - private static native void setNOctaves_0(long nativeObj, int octaves); - - // C++: int cv::KAZE::getNOctaves() - private static native int getNOctaves_0(long nativeObj); - - // C++: void cv::KAZE::setNOctaveLayers(int octaveLayers) - private static native void setNOctaveLayers_0(long nativeObj, int octaveLayers); - - // C++: int cv::KAZE::getNOctaveLayers() - private static native int getNOctaveLayers_0(long nativeObj); - - // C++: void cv::KAZE::setDiffusivity(KAZE_DiffusivityType diff) - private static native void setDiffusivity_0(long nativeObj, int diff); - - // C++: KAZE_DiffusivityType cv::KAZE::getDiffusivity() - private static native int getDiffusivity_0(long nativeObj); - - // C++: String cv::KAZE::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/MSER.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/MSER.java deleted file mode 100644 index 8056871a0b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/MSER.java +++ /dev/null @@ -1,492 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfPoint; -import org.opencv.core.MatOfRect; -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.MSER; -import org.opencv.utils.Converters; - -// C++: class MSER -/** - * Maximally stable extremal region extractor - * - * The class encapsulates all the parameters of the %MSER extraction algorithm (see [wiki - * article](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)). - * - *
      - *
    • - * there are two different implementation of %MSER: one for grey image, one for color image - *
      • - *
    - * - *
      - *
    • - * the grey image algorithm is taken from: CITE: nister2008linear ; the paper claims to be faster - * than union-find method; it actually get 1.5~2m/s on my centrino L7200 1.2GHz laptop. - *
      • - *
    - * - *
      - *
    • - * the color image algorithm is taken from: CITE: forssen2007maximally ; it should be much slower - * than grey image method ( 3~4 times ) - *
      • - *
    - * - *
      - *
    • - * (Python) A complete example showing the use of the %MSER detector can be found at samples/python/mser.py - *
      • - *
    - */ -public class MSER extends Feature2D { - - protected MSER(long addr) { super(addr); } - - // internal usage only - public static MSER __fromPtr__(long addr) { return new MSER(addr); } - - // - // C++: static Ptr_MSER cv::MSER::create(int delta = 5, int min_area = 60, int max_area = 14400, double max_variation = 0.25, double min_diversity = .2, int max_evolution = 200, double area_threshold = 1.01, double min_margin = 0.003, int edge_blur_size = 5) - // - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @param min_diversity for color image, trace back to cut off mser with diversity less than min_diversity - * @param max_evolution for color image, the evolution steps - * @param area_threshold for color image, the area threshold to cause re-initialize - * @param min_margin for color image, ignore too small margin - * @param edge_blur_size for color image, the aperture size for edge blur - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold, double min_margin, int edge_blur_size) { - return MSER.__fromPtr__(create_0(delta, min_area, max_area, max_variation, min_diversity, max_evolution, area_threshold, min_margin, edge_blur_size)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @param min_diversity for color image, trace back to cut off mser with diversity less than min_diversity - * @param max_evolution for color image, the evolution steps - * @param area_threshold for color image, the area threshold to cause re-initialize - * @param min_margin for color image, ignore too small margin - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold, double min_margin) { - return MSER.__fromPtr__(create_1(delta, min_area, max_area, max_variation, min_diversity, max_evolution, area_threshold, min_margin)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @param min_diversity for color image, trace back to cut off mser with diversity less than min_diversity - * @param max_evolution for color image, the evolution steps - * @param area_threshold for color image, the area threshold to cause re-initialize - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold) { - return MSER.__fromPtr__(create_2(delta, min_area, max_area, max_variation, min_diversity, max_evolution, area_threshold)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @param min_diversity for color image, trace back to cut off mser with diversity less than min_diversity - * @param max_evolution for color image, the evolution steps - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution) { - return MSER.__fromPtr__(create_3(delta, min_area, max_area, max_variation, min_diversity, max_evolution)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @param min_diversity for color image, trace back to cut off mser with diversity less than min_diversity - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation, double min_diversity) { - return MSER.__fromPtr__(create_4(delta, min_area, max_area, max_variation, min_diversity)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @param max_variation prune the area have similar size to its children - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area, double max_variation) { - return MSER.__fromPtr__(create_5(delta, min_area, max_area, max_variation)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @param max_area prune the area which bigger than maxArea - * @return automatically generated - */ - public static MSER create(int delta, int min_area, int max_area) { - return MSER.__fromPtr__(create_6(delta, min_area, max_area)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @param min_area prune the area which smaller than minArea - * @return automatically generated - */ - public static MSER create(int delta, int min_area) { - return MSER.__fromPtr__(create_7(delta, min_area)); - } - - /** - * Full constructor for %MSER detector - * - * @param delta it compares \((size_{i}-size_{i-delta})/size_{i-delta}\) - * @return automatically generated - */ - public static MSER create(int delta) { - return MSER.__fromPtr__(create_8(delta)); - } - - /** - * Full constructor for %MSER detector - * - * @return automatically generated - */ - public static MSER create() { - return MSER.__fromPtr__(create_9()); - } - - - // - // C++: void cv::MSER::detectRegions(Mat image, vector_vector_Point& msers, vector_Rect& bboxes) - // - - /** - * Detect %MSER regions - * - * @param image input image (8UC1, 8UC3 or 8UC4, must be greater or equal than 3x3) - * @param msers resulting list of point sets - * @param bboxes resulting bounding boxes - */ - public void detectRegions(Mat image, List msers, MatOfRect bboxes) { - Mat msers_mat = new Mat(); - Mat bboxes_mat = bboxes; - detectRegions_0(nativeObj, image.nativeObj, msers_mat.nativeObj, bboxes_mat.nativeObj); - Converters.Mat_to_vector_vector_Point(msers_mat, msers); - msers_mat.release(); - } - - - // - // C++: void cv::MSER::setDelta(int delta) - // - - public void setDelta(int delta) { - setDelta_0(nativeObj, delta); - } - - - // - // C++: int cv::MSER::getDelta() - // - - public int getDelta() { - return getDelta_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMinArea(int minArea) - // - - public void setMinArea(int minArea) { - setMinArea_0(nativeObj, minArea); - } - - - // - // C++: int cv::MSER::getMinArea() - // - - public int getMinArea() { - return getMinArea_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMaxArea(int maxArea) - // - - public void setMaxArea(int maxArea) { - setMaxArea_0(nativeObj, maxArea); - } - - - // - // C++: int cv::MSER::getMaxArea() - // - - public int getMaxArea() { - return getMaxArea_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMaxVariation(double maxVariation) - // - - public void setMaxVariation(double maxVariation) { - setMaxVariation_0(nativeObj, maxVariation); - } - - - // - // C++: double cv::MSER::getMaxVariation() - // - - public double getMaxVariation() { - return getMaxVariation_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMinDiversity(double minDiversity) - // - - public void setMinDiversity(double minDiversity) { - setMinDiversity_0(nativeObj, minDiversity); - } - - - // - // C++: double cv::MSER::getMinDiversity() - // - - public double getMinDiversity() { - return getMinDiversity_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMaxEvolution(int maxEvolution) - // - - public void setMaxEvolution(int maxEvolution) { - setMaxEvolution_0(nativeObj, maxEvolution); - } - - - // - // C++: int cv::MSER::getMaxEvolution() - // - - public int getMaxEvolution() { - return getMaxEvolution_0(nativeObj); - } - - - // - // C++: void cv::MSER::setAreaThreshold(double areaThreshold) - // - - public void setAreaThreshold(double areaThreshold) { - setAreaThreshold_0(nativeObj, areaThreshold); - } - - - // - // C++: double cv::MSER::getAreaThreshold() - // - - public double getAreaThreshold() { - return getAreaThreshold_0(nativeObj); - } - - - // - // C++: void cv::MSER::setMinMargin(double min_margin) - // - - public void setMinMargin(double min_margin) { - setMinMargin_0(nativeObj, min_margin); - } - - - // - // C++: double cv::MSER::getMinMargin() - // - - public double getMinMargin() { - return getMinMargin_0(nativeObj); - } - - - // - // C++: void cv::MSER::setEdgeBlurSize(int edge_blur_size) - // - - public void setEdgeBlurSize(int edge_blur_size) { - setEdgeBlurSize_0(nativeObj, edge_blur_size); - } - - - // - // C++: int cv::MSER::getEdgeBlurSize() - // - - public int getEdgeBlurSize() { - return getEdgeBlurSize_0(nativeObj); - } - - - // - // C++: void cv::MSER::setPass2Only(bool f) - // - - public void setPass2Only(boolean f) { - setPass2Only_0(nativeObj, f); - } - - - // - // C++: bool cv::MSER::getPass2Only() - // - - public boolean getPass2Only() { - return getPass2Only_0(nativeObj); - } - - - // - // C++: String cv::MSER::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_MSER cv::MSER::create(int delta = 5, int min_area = 60, int max_area = 14400, double max_variation = 0.25, double min_diversity = .2, int max_evolution = 200, double area_threshold = 1.01, double min_margin = 0.003, int edge_blur_size = 5) - private static native long create_0(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold, double min_margin, int edge_blur_size); - private static native long create_1(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold, double min_margin); - private static native long create_2(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution, double area_threshold); - private static native long create_3(int delta, int min_area, int max_area, double max_variation, double min_diversity, int max_evolution); - private static native long create_4(int delta, int min_area, int max_area, double max_variation, double min_diversity); - private static native long create_5(int delta, int min_area, int max_area, double max_variation); - private static native long create_6(int delta, int min_area, int max_area); - private static native long create_7(int delta, int min_area); - private static native long create_8(int delta); - private static native long create_9(); - - // C++: void cv::MSER::detectRegions(Mat image, vector_vector_Point& msers, vector_Rect& bboxes) - private static native void detectRegions_0(long nativeObj, long image_nativeObj, long msers_mat_nativeObj, long bboxes_mat_nativeObj); - - // C++: void cv::MSER::setDelta(int delta) - private static native void setDelta_0(long nativeObj, int delta); - - // C++: int cv::MSER::getDelta() - private static native int getDelta_0(long nativeObj); - - // C++: void cv::MSER::setMinArea(int minArea) - private static native void setMinArea_0(long nativeObj, int minArea); - - // C++: int cv::MSER::getMinArea() - private static native int getMinArea_0(long nativeObj); - - // C++: void cv::MSER::setMaxArea(int maxArea) - private static native void setMaxArea_0(long nativeObj, int maxArea); - - // C++: int cv::MSER::getMaxArea() - private static native int getMaxArea_0(long nativeObj); - - // C++: void cv::MSER::setMaxVariation(double maxVariation) - private static native void setMaxVariation_0(long nativeObj, double maxVariation); - - // C++: double cv::MSER::getMaxVariation() - private static native double getMaxVariation_0(long nativeObj); - - // C++: void cv::MSER::setMinDiversity(double minDiversity) - private static native void setMinDiversity_0(long nativeObj, double minDiversity); - - // C++: double cv::MSER::getMinDiversity() - private static native double getMinDiversity_0(long nativeObj); - - // C++: void cv::MSER::setMaxEvolution(int maxEvolution) - private static native void setMaxEvolution_0(long nativeObj, int maxEvolution); - - // C++: int cv::MSER::getMaxEvolution() - private static native int getMaxEvolution_0(long nativeObj); - - // C++: void cv::MSER::setAreaThreshold(double areaThreshold) - private static native void setAreaThreshold_0(long nativeObj, double areaThreshold); - - // C++: double cv::MSER::getAreaThreshold() - private static native double getAreaThreshold_0(long nativeObj); - - // C++: void cv::MSER::setMinMargin(double min_margin) - private static native void setMinMargin_0(long nativeObj, double min_margin); - - // C++: double cv::MSER::getMinMargin() - private static native double getMinMargin_0(long nativeObj); - - // C++: void cv::MSER::setEdgeBlurSize(int edge_blur_size) - private static native void setEdgeBlurSize_0(long nativeObj, int edge_blur_size); - - // C++: int cv::MSER::getEdgeBlurSize() - private static native int getEdgeBlurSize_0(long nativeObj); - - // C++: void cv::MSER::setPass2Only(bool f) - private static native void setPass2Only_0(long nativeObj, boolean f); - - // C++: bool cv::MSER::getPass2Only() - private static native boolean getPass2Only_0(long nativeObj); - - // C++: String cv::MSER::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/ORB.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/ORB.java deleted file mode 100644 index 24dc3b5d79..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/ORB.java +++ /dev/null @@ -1,611 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.ORB; - -// C++: class ORB -/** - * Class implementing the ORB (*oriented BRIEF*) keypoint detector and descriptor extractor - * - * described in CITE: RRKB11 . The algorithm uses FAST in pyramids to detect stable keypoints, selects - * the strongest features using FAST or Harris response, finds their orientation using first-order - * moments and computes the descriptors using BRIEF (where the coordinates of random point pairs (or - * k-tuples) are rotated according to the measured orientation). - */ -public class ORB extends Feature2D { - - protected ORB(long addr) { super(addr); } - - // internal usage only - public static ORB __fromPtr__(long addr) { return new ORB(addr); } - - // C++: enum ScoreType (cv.ORB.ScoreType) - public static final int - HARRIS_SCORE = 0, - FAST_SCORE = 1; - - - // - // C++: static Ptr_ORB cv::ORB::create(int nfeatures = 500, float scaleFactor = 1.2f, int nlevels = 8, int edgeThreshold = 31, int firstLevel = 0, int WTA_K = 2, ORB_ScoreType scoreType = ORB::HARRIS_SCORE, int patchSize = 31, int fastThreshold = 20) - // - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * @param firstLevel The level of pyramid to put source image to. Previous layers are filled - * with upscaled source image. - * @param WTA_K The number of points that produce each element of the oriented BRIEF descriptor. The - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * @param scoreType The default HARRIS_SCORE means that Harris algorithm is used to rank features - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * @param patchSize size of the patch used by the oriented BRIEF descriptor. Of course, on smaller - * pyramid layers the perceived image area covered by a feature will be larger. - * @param fastThreshold the fast threshold - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize, int fastThreshold) { - return ORB.__fromPtr__(create_0(nfeatures, scaleFactor, nlevels, edgeThreshold, firstLevel, WTA_K, scoreType, patchSize, fastThreshold)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * @param firstLevel The level of pyramid to put source image to. Previous layers are filled - * with upscaled source image. - * @param WTA_K The number of points that produce each element of the oriented BRIEF descriptor. The - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * @param scoreType The default HARRIS_SCORE means that Harris algorithm is used to rank features - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * @param patchSize size of the patch used by the oriented BRIEF descriptor. Of course, on smaller - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize) { - return ORB.__fromPtr__(create_1(nfeatures, scaleFactor, nlevels, edgeThreshold, firstLevel, WTA_K, scoreType, patchSize)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * @param firstLevel The level of pyramid to put source image to. Previous layers are filled - * with upscaled source image. - * @param WTA_K The number of points that produce each element of the oriented BRIEF descriptor. The - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * @param scoreType The default HARRIS_SCORE means that Harris algorithm is used to rank features - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType) { - return ORB.__fromPtr__(create_2(nfeatures, scaleFactor, nlevels, edgeThreshold, firstLevel, WTA_K, scoreType)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * @param firstLevel The level of pyramid to put source image to. Previous layers are filled - * with upscaled source image. - * @param WTA_K The number of points that produce each element of the oriented BRIEF descriptor. The - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K) { - return ORB.__fromPtr__(create_3(nfeatures, scaleFactor, nlevels, edgeThreshold, firstLevel, WTA_K)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * @param firstLevel The level of pyramid to put source image to. Previous layers are filled - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel) { - return ORB.__fromPtr__(create_4(nfeatures, scaleFactor, nlevels, edgeThreshold, firstLevel)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * @param edgeThreshold This is size of the border where the features are not detected. It should - * roughly match the patchSize parameter. - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold) { - return ORB.__fromPtr__(create_5(nfeatures, scaleFactor, nlevels, edgeThreshold)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * @param nlevels The number of pyramid levels. The smallest level will have linear size equal to - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * roughly match the patchSize parameter. - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor, int nlevels) { - return ORB.__fromPtr__(create_6(nfeatures, scaleFactor, nlevels)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * @param scaleFactor Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * roughly match the patchSize parameter. - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures, float scaleFactor) { - return ORB.__fromPtr__(create_7(nfeatures, scaleFactor)); - } - - /** - * The ORB constructor - * - * @param nfeatures The maximum number of features to retain. - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * roughly match the patchSize parameter. - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create(int nfeatures) { - return ORB.__fromPtr__(create_8(nfeatures)); - } - - /** - * The ORB constructor - * - * pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor - * will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor - * will mean that to cover certain scale range you will need more pyramid levels and so the speed - * will suffer. - * input_image_linear_size/pow(scaleFactor, nlevels - firstLevel). - * roughly match the patchSize parameter. - * with upscaled source image. - * default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, - * so we get 0/1 response. Other possible values are 3 and 4. For example, 3 means that we take 3 - * random points (of course, those point coordinates are random, but they are generated from the - * pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel - * rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such - * output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, - * denoted as NORM_HAMMING2 (2 bits per bin). When WTA_K=4, we take 4 random points to compute each - * bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3). - * (the score is written to KeyPoint::score and is used to retain best nfeatures features); - * FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, - * but it is a little faster to compute. - * pyramid layers the perceived image area covered by a feature will be larger. - * @return automatically generated - */ - public static ORB create() { - return ORB.__fromPtr__(create_9()); - } - - - // - // C++: void cv::ORB::setMaxFeatures(int maxFeatures) - // - - public void setMaxFeatures(int maxFeatures) { - setMaxFeatures_0(nativeObj, maxFeatures); - } - - - // - // C++: int cv::ORB::getMaxFeatures() - // - - public int getMaxFeatures() { - return getMaxFeatures_0(nativeObj); - } - - - // - // C++: void cv::ORB::setScaleFactor(double scaleFactor) - // - - public void setScaleFactor(double scaleFactor) { - setScaleFactor_0(nativeObj, scaleFactor); - } - - - // - // C++: double cv::ORB::getScaleFactor() - // - - public double getScaleFactor() { - return getScaleFactor_0(nativeObj); - } - - - // - // C++: void cv::ORB::setNLevels(int nlevels) - // - - public void setNLevels(int nlevels) { - setNLevels_0(nativeObj, nlevels); - } - - - // - // C++: int cv::ORB::getNLevels() - // - - public int getNLevels() { - return getNLevels_0(nativeObj); - } - - - // - // C++: void cv::ORB::setEdgeThreshold(int edgeThreshold) - // - - public void setEdgeThreshold(int edgeThreshold) { - setEdgeThreshold_0(nativeObj, edgeThreshold); - } - - - // - // C++: int cv::ORB::getEdgeThreshold() - // - - public int getEdgeThreshold() { - return getEdgeThreshold_0(nativeObj); - } - - - // - // C++: void cv::ORB::setFirstLevel(int firstLevel) - // - - public void setFirstLevel(int firstLevel) { - setFirstLevel_0(nativeObj, firstLevel); - } - - - // - // C++: int cv::ORB::getFirstLevel() - // - - public int getFirstLevel() { - return getFirstLevel_0(nativeObj); - } - - - // - // C++: void cv::ORB::setWTA_K(int wta_k) - // - - public void setWTA_K(int wta_k) { - setWTA_K_0(nativeObj, wta_k); - } - - - // - // C++: int cv::ORB::getWTA_K() - // - - public int getWTA_K() { - return getWTA_K_0(nativeObj); - } - - - // - // C++: void cv::ORB::setScoreType(ORB_ScoreType scoreType) - // - - public void setScoreType(int scoreType) { - setScoreType_0(nativeObj, scoreType); - } - - - // - // C++: ORB_ScoreType cv::ORB::getScoreType() - // - - public int getScoreType() { - return getScoreType_0(nativeObj); - } - - - // - // C++: void cv::ORB::setPatchSize(int patchSize) - // - - public void setPatchSize(int patchSize) { - setPatchSize_0(nativeObj, patchSize); - } - - - // - // C++: int cv::ORB::getPatchSize() - // - - public int getPatchSize() { - return getPatchSize_0(nativeObj); - } - - - // - // C++: void cv::ORB::setFastThreshold(int fastThreshold) - // - - public void setFastThreshold(int fastThreshold) { - setFastThreshold_0(nativeObj, fastThreshold); - } - - - // - // C++: int cv::ORB::getFastThreshold() - // - - public int getFastThreshold() { - return getFastThreshold_0(nativeObj); - } - - - // - // C++: String cv::ORB::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_ORB cv::ORB::create(int nfeatures = 500, float scaleFactor = 1.2f, int nlevels = 8, int edgeThreshold = 31, int firstLevel = 0, int WTA_K = 2, ORB_ScoreType scoreType = ORB::HARRIS_SCORE, int patchSize = 31, int fastThreshold = 20) - private static native long create_0(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize, int fastThreshold); - private static native long create_1(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize); - private static native long create_2(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType); - private static native long create_3(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K); - private static native long create_4(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel); - private static native long create_5(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold); - private static native long create_6(int nfeatures, float scaleFactor, int nlevels); - private static native long create_7(int nfeatures, float scaleFactor); - private static native long create_8(int nfeatures); - private static native long create_9(); - - // C++: void cv::ORB::setMaxFeatures(int maxFeatures) - private static native void setMaxFeatures_0(long nativeObj, int maxFeatures); - - // C++: int cv::ORB::getMaxFeatures() - private static native int getMaxFeatures_0(long nativeObj); - - // C++: void cv::ORB::setScaleFactor(double scaleFactor) - private static native void setScaleFactor_0(long nativeObj, double scaleFactor); - - // C++: double cv::ORB::getScaleFactor() - private static native double getScaleFactor_0(long nativeObj); - - // C++: void cv::ORB::setNLevels(int nlevels) - private static native void setNLevels_0(long nativeObj, int nlevels); - - // C++: int cv::ORB::getNLevels() - private static native int getNLevels_0(long nativeObj); - - // C++: void cv::ORB::setEdgeThreshold(int edgeThreshold) - private static native void setEdgeThreshold_0(long nativeObj, int edgeThreshold); - - // C++: int cv::ORB::getEdgeThreshold() - private static native int getEdgeThreshold_0(long nativeObj); - - // C++: void cv::ORB::setFirstLevel(int firstLevel) - private static native void setFirstLevel_0(long nativeObj, int firstLevel); - - // C++: int cv::ORB::getFirstLevel() - private static native int getFirstLevel_0(long nativeObj); - - // C++: void cv::ORB::setWTA_K(int wta_k) - private static native void setWTA_K_0(long nativeObj, int wta_k); - - // C++: int cv::ORB::getWTA_K() - private static native int getWTA_K_0(long nativeObj); - - // C++: void cv::ORB::setScoreType(ORB_ScoreType scoreType) - private static native void setScoreType_0(long nativeObj, int scoreType); - - // C++: ORB_ScoreType cv::ORB::getScoreType() - private static native int getScoreType_0(long nativeObj); - - // C++: void cv::ORB::setPatchSize(int patchSize) - private static native void setPatchSize_0(long nativeObj, int patchSize); - - // C++: int cv::ORB::getPatchSize() - private static native int getPatchSize_0(long nativeObj); - - // C++: void cv::ORB::setFastThreshold(int fastThreshold) - private static native void setFastThreshold_0(long nativeObj, int fastThreshold); - - // C++: int cv::ORB::getFastThreshold() - private static native int getFastThreshold_0(long nativeObj); - - // C++: String cv::ORB::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/SIFT.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/SIFT.java deleted file mode 100644 index 03abe9124b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/SIFT.java +++ /dev/null @@ -1,440 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.SIFT; - -// C++: class SIFT -/** - * Class for extracting keypoints and computing descriptors using the Scale Invariant Feature Transform - * (SIFT) algorithm by D. Lowe CITE: Lowe04 . - */ -public class SIFT extends Feature2D { - - protected SIFT(long addr) { super(addr); } - - // internal usage only - public static SIFT __fromPtr__(long addr) { return new SIFT(addr); } - - // - // C++: static Ptr_SIFT cv::SIFT::create(int nfeatures = 0, int nOctaveLayers = 3, double contrastThreshold = 0.04, double edgeThreshold = 10, double sigma = 1.6, bool enable_precise_upscale = false) - // - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * @param enable_precise_upscale Whether to enable precise upscaling in the scale pyramid, which maps - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, boolean enable_precise_upscale) { - return SIFT.__fromPtr__(create_0(nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, enable_precise_upscale)); - } - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma) { - return SIFT.__fromPtr__(create_1(nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma)); - } - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold) { - return SIFT.__fromPtr__(create_2(nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold)); - } - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold) { - return SIFT.__fromPtr__(create_3(nfeatures, nOctaveLayers, contrastThreshold)); - } - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers) { - return SIFT.__fromPtr__(create_4(nfeatures, nOctaveLayers)); - } - - /** - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * number of octaves is computed automatically from the image resolution. - * - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures) { - return SIFT.__fromPtr__(create_5(nfeatures)); - } - - /** - * (measured in SIFT algorithm as the local contrast) - * - * number of octaves is computed automatically from the image resolution. - * - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create() { - return SIFT.__fromPtr__(create_6()); - } - - - // - // C++: static Ptr_SIFT cv::SIFT::create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, bool enable_precise_upscale = false) - // - - /** - * Create SIFT with specified descriptorType. - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * @param descriptorType The type of descriptors. Only CV_32F and CV_8U are supported. - * - * @param enable_precise_upscale Whether to enable precise upscaling in the scale pyramid, which maps - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, boolean enable_precise_upscale) { - return SIFT.__fromPtr__(create_7(nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType, enable_precise_upscale)); - } - - /** - * Create SIFT with specified descriptorType. - * @param nfeatures The number of best features to retain. The features are ranked by their scores - * (measured in SIFT algorithm as the local contrast) - * - * @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. The - * number of octaves is computed automatically from the image resolution. - * - * @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform - * (low-contrast) regions. The larger the threshold, the less features are produced by the detector. - * - * Note: The contrast threshold will be divided by nOctaveLayers when the filtering is applied. When - * nOctaveLayers is set to default and if you want to use the value used in D. Lowe paper, 0.03, set - * this argument to 0.09. - * - * @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning - * is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are - * filtered out (more features are retained). - * - * @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image - * is captured with a weak camera with soft lenses, you might want to reduce the number. - * - * @param descriptorType The type of descriptors. Only CV_32F and CV_8U are supported. - * - * index \(\texttt{x}\) to \(\texttt{2x}\). This prevents localization bias. The option - * is disabled by default. - * @return automatically generated - */ - public static SIFT create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType) { - return SIFT.__fromPtr__(create_8(nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType)); - } - - - // - // C++: String cv::SIFT::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - // - // C++: void cv::SIFT::setNFeatures(int maxFeatures) - // - - public void setNFeatures(int maxFeatures) { - setNFeatures_0(nativeObj, maxFeatures); - } - - - // - // C++: int cv::SIFT::getNFeatures() - // - - public int getNFeatures() { - return getNFeatures_0(nativeObj); - } - - - // - // C++: void cv::SIFT::setNOctaveLayers(int nOctaveLayers) - // - - public void setNOctaveLayers(int nOctaveLayers) { - setNOctaveLayers_0(nativeObj, nOctaveLayers); - } - - - // - // C++: int cv::SIFT::getNOctaveLayers() - // - - public int getNOctaveLayers() { - return getNOctaveLayers_0(nativeObj); - } - - - // - // C++: void cv::SIFT::setContrastThreshold(double contrastThreshold) - // - - public void setContrastThreshold(double contrastThreshold) { - setContrastThreshold_0(nativeObj, contrastThreshold); - } - - - // - // C++: double cv::SIFT::getContrastThreshold() - // - - public double getContrastThreshold() { - return getContrastThreshold_0(nativeObj); - } - - - // - // C++: void cv::SIFT::setEdgeThreshold(double edgeThreshold) - // - - public void setEdgeThreshold(double edgeThreshold) { - setEdgeThreshold_0(nativeObj, edgeThreshold); - } - - - // - // C++: double cv::SIFT::getEdgeThreshold() - // - - public double getEdgeThreshold() { - return getEdgeThreshold_0(nativeObj); - } - - - // - // C++: void cv::SIFT::setSigma(double sigma) - // - - public void setSigma(double sigma) { - setSigma_0(nativeObj, sigma); - } - - - // - // C++: double cv::SIFT::getSigma() - // - - public double getSigma() { - return getSigma_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_SIFT cv::SIFT::create(int nfeatures = 0, int nOctaveLayers = 3, double contrastThreshold = 0.04, double edgeThreshold = 10, double sigma = 1.6, bool enable_precise_upscale = false) - private static native long create_0(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, boolean enable_precise_upscale); - private static native long create_1(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma); - private static native long create_2(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold); - private static native long create_3(int nfeatures, int nOctaveLayers, double contrastThreshold); - private static native long create_4(int nfeatures, int nOctaveLayers); - private static native long create_5(int nfeatures); - private static native long create_6(); - - // C++: static Ptr_SIFT cv::SIFT::create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, bool enable_precise_upscale = false) - private static native long create_7(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, boolean enable_precise_upscale); - private static native long create_8(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType); - - // C++: String cv::SIFT::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // C++: void cv::SIFT::setNFeatures(int maxFeatures) - private static native void setNFeatures_0(long nativeObj, int maxFeatures); - - // C++: int cv::SIFT::getNFeatures() - private static native int getNFeatures_0(long nativeObj); - - // C++: void cv::SIFT::setNOctaveLayers(int nOctaveLayers) - private static native void setNOctaveLayers_0(long nativeObj, int nOctaveLayers); - - // C++: int cv::SIFT::getNOctaveLayers() - private static native int getNOctaveLayers_0(long nativeObj); - - // C++: void cv::SIFT::setContrastThreshold(double contrastThreshold) - private static native void setContrastThreshold_0(long nativeObj, double contrastThreshold); - - // C++: double cv::SIFT::getContrastThreshold() - private static native double getContrastThreshold_0(long nativeObj); - - // C++: void cv::SIFT::setEdgeThreshold(double edgeThreshold) - private static native void setEdgeThreshold_0(long nativeObj, double edgeThreshold); - - // C++: double cv::SIFT::getEdgeThreshold() - private static native double getEdgeThreshold_0(long nativeObj); - - // C++: void cv::SIFT::setSigma(double sigma) - private static native void setSigma_0(long nativeObj, double sigma); - - // C++: double cv::SIFT::getSigma() - private static native double getSigma_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector.java deleted file mode 100644 index f1f55fec5f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector.java +++ /dev/null @@ -1,145 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfPoint; -import org.opencv.features2d.Feature2D; -import org.opencv.features2d.SimpleBlobDetector; -import org.opencv.features2d.SimpleBlobDetector_Params; -import org.opencv.utils.Converters; - -// C++: class SimpleBlobDetector -/** - * Class for extracting blobs from an image. : - * - * The class implements a simple algorithm for extracting blobs from an image: - * - * 1. Convert the source image to binary images by applying thresholding with several thresholds from - * minThreshold (inclusive) to maxThreshold (exclusive) with distance thresholdStep between - * neighboring thresholds. - * 2. Extract connected components from every binary image by findContours and calculate their - * centers. - * 3. Group centers from several binary images by their coordinates. Close centers form one group that - * corresponds to one blob, which is controlled by the minDistBetweenBlobs parameter. - * 4. From the groups, estimate final centers of blobs and their radiuses and return as locations and - * sizes of keypoints. - * - * This class performs several filtrations of returned blobs. You should set filterBy\* to true/false - * to turn on/off corresponding filtration. Available filtrations: - * - *
      - *
    • - * By color. This filter compares the intensity of a binary image at the center of a blob to - * blobColor. If they differ, the blob is filtered out. Use blobColor = 0 to extract dark blobs - * and blobColor = 255 to extract light blobs. - *
      • - *
    • - * By area. Extracted blobs have an area between minArea (inclusive) and maxArea (exclusive). - *
      • - *
    • - * By circularity. Extracted blobs have circularity - * (\(\frac{4*\pi*Area}{perimeter * perimeter}\)) between minCircularity (inclusive) and - * maxCircularity (exclusive). - *
      • - *
    • - * By ratio of the minimum inertia to maximum inertia. Extracted blobs have this ratio - * between minInertiaRatio (inclusive) and maxInertiaRatio (exclusive). - *
      • - *
    • - * By convexity. Extracted blobs have convexity (area / area of blob convex hull) between - * minConvexity (inclusive) and maxConvexity (exclusive). - *
      • - *
    - * - * Default values of parameters are tuned to extract dark circular blobs. - */ -public class SimpleBlobDetector extends Feature2D { - - protected SimpleBlobDetector(long addr) { super(addr); } - - // internal usage only - public static SimpleBlobDetector __fromPtr__(long addr) { return new SimpleBlobDetector(addr); } - - // - // C++: static Ptr_SimpleBlobDetector cv::SimpleBlobDetector::create(SimpleBlobDetector_Params parameters = SimpleBlobDetector::Params()) - // - - public static SimpleBlobDetector create(SimpleBlobDetector_Params parameters) { - return SimpleBlobDetector.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - public static SimpleBlobDetector create() { - return SimpleBlobDetector.__fromPtr__(create_1()); - } - - - // - // C++: void cv::SimpleBlobDetector::setParams(SimpleBlobDetector_Params params) - // - - public void setParams(SimpleBlobDetector_Params params) { - setParams_0(nativeObj, params.getNativeObjAddr()); - } - - - // - // C++: SimpleBlobDetector_Params cv::SimpleBlobDetector::getParams() - // - - public SimpleBlobDetector_Params getParams() { - return new SimpleBlobDetector_Params(getParams_0(nativeObj)); - } - - - // - // C++: String cv::SimpleBlobDetector::getDefaultName() - // - - public String getDefaultName() { - return getDefaultName_0(nativeObj); - } - - - // - // C++: vector_vector_Point cv::SimpleBlobDetector::getBlobContours() - // - - public List getBlobContours() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(getBlobContours_0(nativeObj)); - Converters.Mat_to_vector_vector_Point(retValMat, retVal); - return retVal; - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_SimpleBlobDetector cv::SimpleBlobDetector::create(SimpleBlobDetector_Params parameters = SimpleBlobDetector::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: void cv::SimpleBlobDetector::setParams(SimpleBlobDetector_Params params) - private static native void setParams_0(long nativeObj, long params_nativeObj); - - // C++: SimpleBlobDetector_Params cv::SimpleBlobDetector::getParams() - private static native long getParams_0(long nativeObj); - - // C++: String cv::SimpleBlobDetector::getDefaultName() - private static native String getDefaultName_0(long nativeObj); - - // C++: vector_vector_Point cv::SimpleBlobDetector::getBlobContours() - private static native long getBlobContours_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector_Params.java b/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector_Params.java deleted file mode 100644 index ea7268fd1a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/features2d/SimpleBlobDetector_Params.java +++ /dev/null @@ -1,522 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.features2d; - - - -// C++: class Params - -public class SimpleBlobDetector_Params { - - protected final long nativeObj; - protected SimpleBlobDetector_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static SimpleBlobDetector_Params __fromPtr__(long addr) { return new SimpleBlobDetector_Params(addr); } - - // - // C++: cv::SimpleBlobDetector::Params::Params() - // - - public SimpleBlobDetector_Params() { - nativeObj = SimpleBlobDetector_Params_0(); - } - - - // - // C++: float SimpleBlobDetector_Params::thresholdStep - // - - public float get_thresholdStep() { - return get_thresholdStep_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::thresholdStep - // - - public void set_thresholdStep(float thresholdStep) { - set_thresholdStep_0(nativeObj, thresholdStep); - } - - - // - // C++: float SimpleBlobDetector_Params::minThreshold - // - - public float get_minThreshold() { - return get_minThreshold_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minThreshold - // - - public void set_minThreshold(float minThreshold) { - set_minThreshold_0(nativeObj, minThreshold); - } - - - // - // C++: float SimpleBlobDetector_Params::maxThreshold - // - - public float get_maxThreshold() { - return get_maxThreshold_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::maxThreshold - // - - public void set_maxThreshold(float maxThreshold) { - set_maxThreshold_0(nativeObj, maxThreshold); - } - - - // - // C++: size_t SimpleBlobDetector_Params::minRepeatability - // - - public long get_minRepeatability() { - return get_minRepeatability_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minRepeatability - // - - public void set_minRepeatability(long minRepeatability) { - set_minRepeatability_0(nativeObj, minRepeatability); - } - - - // - // C++: float SimpleBlobDetector_Params::minDistBetweenBlobs - // - - public float get_minDistBetweenBlobs() { - return get_minDistBetweenBlobs_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minDistBetweenBlobs - // - - public void set_minDistBetweenBlobs(float minDistBetweenBlobs) { - set_minDistBetweenBlobs_0(nativeObj, minDistBetweenBlobs); - } - - - // - // C++: bool SimpleBlobDetector_Params::filterByColor - // - - public boolean get_filterByColor() { - return get_filterByColor_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::filterByColor - // - - public void set_filterByColor(boolean filterByColor) { - set_filterByColor_0(nativeObj, filterByColor); - } - - - // - // C++: uchar SimpleBlobDetector_Params::blobColor - // - - public byte get_blobColor() { - return get_blobColor_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::blobColor - // - - public void set_blobColor(byte blobColor) { - set_blobColor_0(nativeObj, blobColor); - } - - - // - // C++: bool SimpleBlobDetector_Params::filterByArea - // - - public boolean get_filterByArea() { - return get_filterByArea_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::filterByArea - // - - public void set_filterByArea(boolean filterByArea) { - set_filterByArea_0(nativeObj, filterByArea); - } - - - // - // C++: float SimpleBlobDetector_Params::minArea - // - - public float get_minArea() { - return get_minArea_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minArea - // - - public void set_minArea(float minArea) { - set_minArea_0(nativeObj, minArea); - } - - - // - // C++: float SimpleBlobDetector_Params::maxArea - // - - public float get_maxArea() { - return get_maxArea_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::maxArea - // - - public void set_maxArea(float maxArea) { - set_maxArea_0(nativeObj, maxArea); - } - - - // - // C++: bool SimpleBlobDetector_Params::filterByCircularity - // - - public boolean get_filterByCircularity() { - return get_filterByCircularity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::filterByCircularity - // - - public void set_filterByCircularity(boolean filterByCircularity) { - set_filterByCircularity_0(nativeObj, filterByCircularity); - } - - - // - // C++: float SimpleBlobDetector_Params::minCircularity - // - - public float get_minCircularity() { - return get_minCircularity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minCircularity - // - - public void set_minCircularity(float minCircularity) { - set_minCircularity_0(nativeObj, minCircularity); - } - - - // - // C++: float SimpleBlobDetector_Params::maxCircularity - // - - public float get_maxCircularity() { - return get_maxCircularity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::maxCircularity - // - - public void set_maxCircularity(float maxCircularity) { - set_maxCircularity_0(nativeObj, maxCircularity); - } - - - // - // C++: bool SimpleBlobDetector_Params::filterByInertia - // - - public boolean get_filterByInertia() { - return get_filterByInertia_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::filterByInertia - // - - public void set_filterByInertia(boolean filterByInertia) { - set_filterByInertia_0(nativeObj, filterByInertia); - } - - - // - // C++: float SimpleBlobDetector_Params::minInertiaRatio - // - - public float get_minInertiaRatio() { - return get_minInertiaRatio_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minInertiaRatio - // - - public void set_minInertiaRatio(float minInertiaRatio) { - set_minInertiaRatio_0(nativeObj, minInertiaRatio); - } - - - // - // C++: float SimpleBlobDetector_Params::maxInertiaRatio - // - - public float get_maxInertiaRatio() { - return get_maxInertiaRatio_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::maxInertiaRatio - // - - public void set_maxInertiaRatio(float maxInertiaRatio) { - set_maxInertiaRatio_0(nativeObj, maxInertiaRatio); - } - - - // - // C++: bool SimpleBlobDetector_Params::filterByConvexity - // - - public boolean get_filterByConvexity() { - return get_filterByConvexity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::filterByConvexity - // - - public void set_filterByConvexity(boolean filterByConvexity) { - set_filterByConvexity_0(nativeObj, filterByConvexity); - } - - - // - // C++: float SimpleBlobDetector_Params::minConvexity - // - - public float get_minConvexity() { - return get_minConvexity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::minConvexity - // - - public void set_minConvexity(float minConvexity) { - set_minConvexity_0(nativeObj, minConvexity); - } - - - // - // C++: float SimpleBlobDetector_Params::maxConvexity - // - - public float get_maxConvexity() { - return get_maxConvexity_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::maxConvexity - // - - public void set_maxConvexity(float maxConvexity) { - set_maxConvexity_0(nativeObj, maxConvexity); - } - - - // - // C++: bool SimpleBlobDetector_Params::collectContours - // - - public boolean get_collectContours() { - return get_collectContours_0(nativeObj); - } - - - // - // C++: void SimpleBlobDetector_Params::collectContours - // - - public void set_collectContours(boolean collectContours) { - set_collectContours_0(nativeObj, collectContours); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::SimpleBlobDetector::Params::Params() - private static native long SimpleBlobDetector_Params_0(); - - // C++: float SimpleBlobDetector_Params::thresholdStep - private static native float get_thresholdStep_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::thresholdStep - private static native void set_thresholdStep_0(long nativeObj, float thresholdStep); - - // C++: float SimpleBlobDetector_Params::minThreshold - private static native float get_minThreshold_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minThreshold - private static native void set_minThreshold_0(long nativeObj, float minThreshold); - - // C++: float SimpleBlobDetector_Params::maxThreshold - private static native float get_maxThreshold_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::maxThreshold - private static native void set_maxThreshold_0(long nativeObj, float maxThreshold); - - // C++: size_t SimpleBlobDetector_Params::minRepeatability - private static native long get_minRepeatability_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minRepeatability - private static native void set_minRepeatability_0(long nativeObj, long minRepeatability); - - // C++: float SimpleBlobDetector_Params::minDistBetweenBlobs - private static native float get_minDistBetweenBlobs_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minDistBetweenBlobs - private static native void set_minDistBetweenBlobs_0(long nativeObj, float minDistBetweenBlobs); - - // C++: bool SimpleBlobDetector_Params::filterByColor - private static native boolean get_filterByColor_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::filterByColor - private static native void set_filterByColor_0(long nativeObj, boolean filterByColor); - - // C++: uchar SimpleBlobDetector_Params::blobColor - private static native byte get_blobColor_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::blobColor - private static native void set_blobColor_0(long nativeObj, byte blobColor); - - // C++: bool SimpleBlobDetector_Params::filterByArea - private static native boolean get_filterByArea_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::filterByArea - private static native void set_filterByArea_0(long nativeObj, boolean filterByArea); - - // C++: float SimpleBlobDetector_Params::minArea - private static native float get_minArea_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minArea - private static native void set_minArea_0(long nativeObj, float minArea); - - // C++: float SimpleBlobDetector_Params::maxArea - private static native float get_maxArea_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::maxArea - private static native void set_maxArea_0(long nativeObj, float maxArea); - - // C++: bool SimpleBlobDetector_Params::filterByCircularity - private static native boolean get_filterByCircularity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::filterByCircularity - private static native void set_filterByCircularity_0(long nativeObj, boolean filterByCircularity); - - // C++: float SimpleBlobDetector_Params::minCircularity - private static native float get_minCircularity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minCircularity - private static native void set_minCircularity_0(long nativeObj, float minCircularity); - - // C++: float SimpleBlobDetector_Params::maxCircularity - private static native float get_maxCircularity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::maxCircularity - private static native void set_maxCircularity_0(long nativeObj, float maxCircularity); - - // C++: bool SimpleBlobDetector_Params::filterByInertia - private static native boolean get_filterByInertia_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::filterByInertia - private static native void set_filterByInertia_0(long nativeObj, boolean filterByInertia); - - // C++: float SimpleBlobDetector_Params::minInertiaRatio - private static native float get_minInertiaRatio_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minInertiaRatio - private static native void set_minInertiaRatio_0(long nativeObj, float minInertiaRatio); - - // C++: float SimpleBlobDetector_Params::maxInertiaRatio - private static native float get_maxInertiaRatio_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::maxInertiaRatio - private static native void set_maxInertiaRatio_0(long nativeObj, float maxInertiaRatio); - - // C++: bool SimpleBlobDetector_Params::filterByConvexity - private static native boolean get_filterByConvexity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::filterByConvexity - private static native void set_filterByConvexity_0(long nativeObj, boolean filterByConvexity); - - // C++: float SimpleBlobDetector_Params::minConvexity - private static native float get_minConvexity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::minConvexity - private static native void set_minConvexity_0(long nativeObj, float minConvexity); - - // C++: float SimpleBlobDetector_Params::maxConvexity - private static native float get_maxConvexity_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::maxConvexity - private static native void set_maxConvexity_0(long nativeObj, float maxConvexity); - - // C++: bool SimpleBlobDetector_Params::collectContours - private static native boolean get_collectContours_0(long nativeObj); - - // C++: void SimpleBlobDetector_Params::collectContours - private static native void set_collectContours_0(long nativeObj, boolean collectContours); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Animation.java b/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Animation.java deleted file mode 100644 index 60efa6cefc..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Animation.java +++ /dev/null @@ -1,264 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgcodecs; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfInt; -import org.opencv.core.Scalar; -import org.opencv.utils.Converters; - -// C++: class Animation -/** - * Represents an animation with multiple frames. - * The {@code Animation} struct is designed to store and manage data for animated sequences such as those from animated formats (e.g., GIF, AVIF, APNG, WebP). - * It provides support for looping, background color settings, frame timing, and frame storage. - */ -public class Animation { - - protected final long nativeObj; - protected Animation(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Animation __fromPtr__(long addr) { return new Animation(addr); } - - // - // C++: cv::Animation::Animation(int loopCount = 0, Scalar bgColor = Scalar()) - // - - /** - * Constructs an Animation object with optional loop count and background color. - * - * @param loopCount An integer representing the number of times the animation should loop: - *
      - *
    • - * {@code 0} (default) indicates infinite looping, meaning the animation will replay continuously. - *
      • - *
    • - * Positive values denote finite repeat counts, allowing the animation to play a limited number of times. - *
      • - *
    • - * If a negative value or a value beyond the maximum of {@code 0xffff} (65535) is provided, it is reset to {@code 0} - * (infinite looping) to maintain valid bounds. - *
      • - *
    - * - * @param bgColor A {@code Scalar} object representing the background color in BGR format: - *
      - *
    • - * Defaults to {@code Scalar()}, indicating an empty color (usually transparent if supported). - *
      • - *
    • - * This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. - *
      • - *
    - */ - public Animation(int loopCount, Scalar bgColor) { - nativeObj = Animation_0(loopCount, bgColor.val[0], bgColor.val[1], bgColor.val[2], bgColor.val[3]); - } - - /** - * Constructs an Animation object with optional loop count and background color. - * - * @param loopCount An integer representing the number of times the animation should loop: - *
      - *
    • - * {@code 0} (default) indicates infinite looping, meaning the animation will replay continuously. - *
      • - *
    • - * Positive values denote finite repeat counts, allowing the animation to play a limited number of times. - *
      • - *
    • - * If a negative value or a value beyond the maximum of {@code 0xffff} (65535) is provided, it is reset to {@code 0} - * (infinite looping) to maintain valid bounds. - *
      • - *
    - * - *
      - *
    • - * Defaults to {@code Scalar()}, indicating an empty color (usually transparent if supported). - *
      • - *
    • - * This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. - *
      • - *
    - */ - public Animation(int loopCount) { - nativeObj = Animation_1(loopCount); - } - - /** - * Constructs an Animation object with optional loop count and background color. - * - *
      - *
    • - * {@code 0} (default) indicates infinite looping, meaning the animation will replay continuously. - *
      • - *
    • - * Positive values denote finite repeat counts, allowing the animation to play a limited number of times. - *
      • - *
    • - * If a negative value or a value beyond the maximum of {@code 0xffff} (65535) is provided, it is reset to {@code 0} - * (infinite looping) to maintain valid bounds. - *
      • - *
    - * - *
      - *
    • - * Defaults to {@code Scalar()}, indicating an empty color (usually transparent if supported). - *
      • - *
    • - * This background color provides a solid fill behind frames that have transparency, ensuring a consistent display appearance. - *
      • - *
    - */ - public Animation() { - nativeObj = Animation_2(); - } - - - // - // C++: int Animation::loop_count - // - - public int get_loop_count() { - return get_loop_count_0(nativeObj); - } - - - // - // C++: void Animation::loop_count - // - - public void set_loop_count(int loop_count) { - set_loop_count_0(nativeObj, loop_count); - } - - - // - // C++: Scalar Animation::bgcolor - // - - public Scalar get_bgcolor() { - return new Scalar(get_bgcolor_0(nativeObj)); - } - - - // - // C++: void Animation::bgcolor - // - - public void set_bgcolor(Scalar bgcolor) { - set_bgcolor_0(nativeObj, bgcolor.val[0], bgcolor.val[1], bgcolor.val[2], bgcolor.val[3]); - } - - - // - // C++: vector_int Animation::durations - // - - public MatOfInt get_durations() { - return MatOfInt.fromNativeAddr(get_durations_0(nativeObj)); - } - - - // - // C++: void Animation::durations - // - - public void set_durations(MatOfInt durations) { - Mat durations_mat = durations; - set_durations_0(nativeObj, durations_mat.nativeObj); - } - - - // - // C++: vector_Mat Animation::frames - // - - public List get_frames() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(get_frames_0(nativeObj)); - Converters.Mat_to_vector_Mat(retValMat, retVal); - return retVal; - } - - - // - // C++: void Animation::frames - // - - public void set_frames(List frames) { - Mat frames_mat = Converters.vector_Mat_to_Mat(frames); - set_frames_0(nativeObj, frames_mat.nativeObj); - } - - - // - // C++: Mat Animation::still_image - // - - public Mat get_still_image() { - return new Mat(get_still_image_0(nativeObj)); - } - - - // - // C++: void Animation::still_image - // - - public void set_still_image(Mat still_image) { - set_still_image_0(nativeObj, still_image.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::Animation::Animation(int loopCount = 0, Scalar bgColor = Scalar()) - private static native long Animation_0(int loopCount, double bgColor_val0, double bgColor_val1, double bgColor_val2, double bgColor_val3); - private static native long Animation_1(int loopCount); - private static native long Animation_2(); - - // C++: int Animation::loop_count - private static native int get_loop_count_0(long nativeObj); - - // C++: void Animation::loop_count - private static native void set_loop_count_0(long nativeObj, int loop_count); - - // C++: Scalar Animation::bgcolor - private static native double[] get_bgcolor_0(long nativeObj); - - // C++: void Animation::bgcolor - private static native void set_bgcolor_0(long nativeObj, double bgcolor_val0, double bgcolor_val1, double bgcolor_val2, double bgcolor_val3); - - // C++: vector_int Animation::durations - private static native long get_durations_0(long nativeObj); - - // C++: void Animation::durations - private static native void set_durations_0(long nativeObj, long durations_mat_nativeObj); - - // C++: vector_Mat Animation::frames - private static native long get_frames_0(long nativeObj); - - // C++: void Animation::frames - private static native void set_frames_0(long nativeObj, long frames_mat_nativeObj); - - // C++: Mat Animation::still_image - private static native long get_still_image_0(long nativeObj); - - // C++: void Animation::still_image - private static native void set_still_image_0(long nativeObj, long still_image_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Imgcodecs.java b/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Imgcodecs.java deleted file mode 100644 index fa61e31c96..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgcodecs/Imgcodecs.java +++ /dev/null @@ -1,1450 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgcodecs; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfInt; -import org.opencv.core.Range; -import org.opencv.imgcodecs.Animation; -import org.opencv.utils.Converters; - -// C++: class Imgcodecs - -public class Imgcodecs { - - // C++: enum ImageMetadataType (cv.ImageMetadataType) - public static final int - IMAGE_METADATA_UNKNOWN = -1, - IMAGE_METADATA_EXIF = 0, - IMAGE_METADATA_XMP = 1, - IMAGE_METADATA_ICCP = 2, - IMAGE_METADATA_MAX = 2; - - - // C++: enum ImreadModes (cv.ImreadModes) - public static final int - IMREAD_UNCHANGED = -1, - IMREAD_GRAYSCALE = 0, - IMREAD_COLOR_BGR = 1, - IMREAD_COLOR = 1, - IMREAD_ANYDEPTH = 2, - IMREAD_ANYCOLOR = 4, - IMREAD_LOAD_GDAL = 8, - IMREAD_REDUCED_GRAYSCALE_2 = 16, - IMREAD_REDUCED_COLOR_2 = 17, - IMREAD_REDUCED_GRAYSCALE_4 = 32, - IMREAD_REDUCED_COLOR_4 = 33, - IMREAD_REDUCED_GRAYSCALE_8 = 64, - IMREAD_REDUCED_COLOR_8 = 65, - IMREAD_IGNORE_ORIENTATION = 128, - IMREAD_COLOR_RGB = 256; - - - // C++: enum ImwriteEXRCompressionFlags (cv.ImwriteEXRCompressionFlags) - public static final int - IMWRITE_EXR_COMPRESSION_NO = 0, - IMWRITE_EXR_COMPRESSION_RLE = 1, - IMWRITE_EXR_COMPRESSION_ZIPS = 2, - IMWRITE_EXR_COMPRESSION_ZIP = 3, - IMWRITE_EXR_COMPRESSION_PIZ = 4, - IMWRITE_EXR_COMPRESSION_PXR24 = 5, - IMWRITE_EXR_COMPRESSION_B44 = 6, - IMWRITE_EXR_COMPRESSION_B44A = 7, - IMWRITE_EXR_COMPRESSION_DWAA = 8, - IMWRITE_EXR_COMPRESSION_DWAB = 9; - - - // C++: enum ImwriteEXRTypeFlags (cv.ImwriteEXRTypeFlags) - public static final int - IMWRITE_EXR_TYPE_HALF = 1, - IMWRITE_EXR_TYPE_FLOAT = 2; - - - // C++: enum ImwriteFlags (cv.ImwriteFlags) - public static final int - IMWRITE_JPEG_QUALITY = 1, - IMWRITE_JPEG_PROGRESSIVE = 2, - IMWRITE_JPEG_OPTIMIZE = 3, - IMWRITE_JPEG_RST_INTERVAL = 4, - IMWRITE_JPEG_LUMA_QUALITY = 5, - IMWRITE_JPEG_CHROMA_QUALITY = 6, - IMWRITE_JPEG_SAMPLING_FACTOR = 7, - IMWRITE_PNG_COMPRESSION = 16, - IMWRITE_PNG_STRATEGY = 17, - IMWRITE_PNG_BILEVEL = 18, - IMWRITE_PNG_FILTER = 19, - IMWRITE_PXM_BINARY = 32, - IMWRITE_EXR_TYPE = (3 << 4) + 0, - IMWRITE_EXR_COMPRESSION = (3 << 4) + 1, - IMWRITE_EXR_DWA_COMPRESSION_LEVEL = (3 << 4) + 2, - IMWRITE_WEBP_QUALITY = 64, - IMWRITE_HDR_COMPRESSION = (5 << 4) + 0, - IMWRITE_PAM_TUPLETYPE = 128, - IMWRITE_TIFF_RESUNIT = 256, - IMWRITE_TIFF_XDPI = 257, - IMWRITE_TIFF_YDPI = 258, - IMWRITE_TIFF_COMPRESSION = 259, - IMWRITE_TIFF_ROWSPERSTRIP = 278, - IMWRITE_TIFF_PREDICTOR = 317, - IMWRITE_JPEG2000_COMPRESSION_X1000 = 272, - IMWRITE_AVIF_QUALITY = 512, - IMWRITE_AVIF_DEPTH = 513, - IMWRITE_AVIF_SPEED = 514, - IMWRITE_JPEGXL_QUALITY = 640, - IMWRITE_JPEGXL_EFFORT = 641, - IMWRITE_JPEGXL_DISTANCE = 642, - IMWRITE_JPEGXL_DECODING_SPEED = 643, - IMWRITE_GIF_LOOP = 1024, - IMWRITE_GIF_SPEED = 1025, - IMWRITE_GIF_QUALITY = 1026, - IMWRITE_GIF_DITHER = 1027, - IMWRITE_GIF_TRANSPARENCY = 1028, - IMWRITE_GIF_COLORTABLE = 1029; - - - // C++: enum ImwriteGIFCompressionFlags (cv.ImwriteGIFCompressionFlags) - public static final int - IMWRITE_GIF_FAST_NO_DITHER = 1, - IMWRITE_GIF_FAST_FLOYD_DITHER = 2, - IMWRITE_GIF_COLORTABLE_SIZE_8 = 3, - IMWRITE_GIF_COLORTABLE_SIZE_16 = 4, - IMWRITE_GIF_COLORTABLE_SIZE_32 = 5, - IMWRITE_GIF_COLORTABLE_SIZE_64 = 6, - IMWRITE_GIF_COLORTABLE_SIZE_128 = 7, - IMWRITE_GIF_COLORTABLE_SIZE_256 = 8; - - - // C++: enum ImwriteHDRCompressionFlags (cv.ImwriteHDRCompressionFlags) - public static final int - IMWRITE_HDR_COMPRESSION_NONE = 0, - IMWRITE_HDR_COMPRESSION_RLE = 1; - - - // C++: enum ImwriteJPEGSamplingFactorParams (cv.ImwriteJPEGSamplingFactorParams) - public static final int - IMWRITE_JPEG_SAMPLING_FACTOR_411 = 0x411111, - IMWRITE_JPEG_SAMPLING_FACTOR_420 = 0x221111, - IMWRITE_JPEG_SAMPLING_FACTOR_422 = 0x211111, - IMWRITE_JPEG_SAMPLING_FACTOR_440 = 0x121111, - IMWRITE_JPEG_SAMPLING_FACTOR_444 = 0x111111; - - - // C++: enum ImwritePAMFlags (cv.ImwritePAMFlags) - public static final int - IMWRITE_PAM_FORMAT_NULL = 0, - IMWRITE_PAM_FORMAT_BLACKANDWHITE = 1, - IMWRITE_PAM_FORMAT_GRAYSCALE = 2, - IMWRITE_PAM_FORMAT_GRAYSCALE_ALPHA = 3, - IMWRITE_PAM_FORMAT_RGB = 4, - IMWRITE_PAM_FORMAT_RGB_ALPHA = 5; - - - // C++: enum ImwritePNGFilterFlags (cv.ImwritePNGFilterFlags) - public static final int - IMWRITE_PNG_FILTER_NONE = 8, - IMWRITE_PNG_FILTER_SUB = 16, - IMWRITE_PNG_FILTER_UP = 32, - IMWRITE_PNG_FILTER_AVG = 64, - IMWRITE_PNG_FILTER_PAETH = 128, - IMWRITE_PNG_FAST_FILTERS = (IMWRITE_PNG_FILTER_NONE | IMWRITE_PNG_FILTER_SUB | IMWRITE_PNG_FILTER_UP), - IMWRITE_PNG_ALL_FILTERS = (IMWRITE_PNG_FAST_FILTERS | IMWRITE_PNG_FILTER_AVG | IMWRITE_PNG_FILTER_PAETH); - - - // C++: enum ImwritePNGFlags (cv.ImwritePNGFlags) - public static final int - IMWRITE_PNG_STRATEGY_DEFAULT = 0, - IMWRITE_PNG_STRATEGY_FILTERED = 1, - IMWRITE_PNG_STRATEGY_HUFFMAN_ONLY = 2, - IMWRITE_PNG_STRATEGY_RLE = 3, - IMWRITE_PNG_STRATEGY_FIXED = 4; - - - // C++: enum ImwriteTiffCompressionFlags (cv.ImwriteTiffCompressionFlags) - public static final int - IMWRITE_TIFF_COMPRESSION_NONE = 1, - IMWRITE_TIFF_COMPRESSION_CCITTRLE = 2, - IMWRITE_TIFF_COMPRESSION_CCITTFAX3 = 3, - IMWRITE_TIFF_COMPRESSION_CCITT_T4 = 3, - IMWRITE_TIFF_COMPRESSION_CCITTFAX4 = 4, - IMWRITE_TIFF_COMPRESSION_CCITT_T6 = 4, - IMWRITE_TIFF_COMPRESSION_LZW = 5, - IMWRITE_TIFF_COMPRESSION_OJPEG = 6, - IMWRITE_TIFF_COMPRESSION_JPEG = 7, - IMWRITE_TIFF_COMPRESSION_T85 = 9, - IMWRITE_TIFF_COMPRESSION_T43 = 10, - IMWRITE_TIFF_COMPRESSION_NEXT = 32766, - IMWRITE_TIFF_COMPRESSION_CCITTRLEW = 32771, - IMWRITE_TIFF_COMPRESSION_PACKBITS = 32773, - IMWRITE_TIFF_COMPRESSION_THUNDERSCAN = 32809, - IMWRITE_TIFF_COMPRESSION_IT8CTPAD = 32895, - IMWRITE_TIFF_COMPRESSION_IT8LW = 32896, - IMWRITE_TIFF_COMPRESSION_IT8MP = 32897, - IMWRITE_TIFF_COMPRESSION_IT8BL = 32898, - IMWRITE_TIFF_COMPRESSION_PIXARFILM = 32908, - IMWRITE_TIFF_COMPRESSION_PIXARLOG = 32909, - IMWRITE_TIFF_COMPRESSION_DEFLATE = 32946, - IMWRITE_TIFF_COMPRESSION_ADOBE_DEFLATE = 8, - IMWRITE_TIFF_COMPRESSION_DCS = 32947, - IMWRITE_TIFF_COMPRESSION_JBIG = 34661, - IMWRITE_TIFF_COMPRESSION_SGILOG = 34676, - IMWRITE_TIFF_COMPRESSION_SGILOG24 = 34677, - IMWRITE_TIFF_COMPRESSION_JP2000 = 34712, - IMWRITE_TIFF_COMPRESSION_LERC = 34887, - IMWRITE_TIFF_COMPRESSION_LZMA = 34925, - IMWRITE_TIFF_COMPRESSION_ZSTD = 50000, - IMWRITE_TIFF_COMPRESSION_WEBP = 50001, - IMWRITE_TIFF_COMPRESSION_JXL = 50002; - - - // C++: enum ImwriteTiffPredictorFlags (cv.ImwriteTiffPredictorFlags) - public static final int - IMWRITE_TIFF_PREDICTOR_NONE = 1, - IMWRITE_TIFF_PREDICTOR_HORIZONTAL = 2, - IMWRITE_TIFF_PREDICTOR_FLOATINGPOINT = 3; - - - // - // C++: Mat cv::imread(String filename, int flags = IMREAD_COLOR_BGR) - // - - /** - * Loads an image from a file. - * - * imread - * - * The {@code imread} function loads an image from the specified file and returns OpenCV matrix. If the image cannot be - * read (because of a missing file, improper permissions, or unsupported/invalid format), the function - * returns an empty matrix. - * - * Currently, the following file formats are supported: - * - *
      - *
    • - * Windows bitmaps - \*.bmp, \*.dib (always supported) - *
      • - *
    • - * GIF files - \*.gif (always supported) - *
      • - *
    • - * JPEG files - \*.jpeg, \*.jpg, \*.jpe (see the *Note* section) - *
      • - *
    • - * JPEG 2000 files - \*.jp2 (see the *Note* section) - *
      • - *
    • - * Portable Network Graphics - \*.png (see the *Note* section) - *
      • - *
    • - * WebP - \*.webp (see the *Note* section) - *
      • - *
    • - * AVIF - \*.avif (see the *Note* section) - *
      • - *
    • - * Portable image format - \*.pbm, \*.pgm, \*.ppm, \*.pxm, \*.pnm (always supported) - *
      • - *
    • - * PFM files - \*.pfm (see the *Note* section) - *
      • - *
    • - * Sun rasters - \*.sr, \*.ras (always supported) - *
      • - *
    • - * TIFF files - \*.tiff, \*.tif (see the *Note* section) - *
      • - *
    • - * OpenEXR Image files - \*.exr (see the *Note* section) - *
      • - *
    • - * Radiance HDR - \*.hdr, \*.pic (always supported) - *
      • - *
    • - * Raster and Vector geospatial data supported by GDAL (see the *Note* section) - *
      • - *
    - * - * Note: - *
      - *
    • - * The function determines the type of an image by its content, not by the file extension. - *
      • - *
    • - * In the case of color images, the decoded images will have the channels stored in B G R order. - *
      • - *
    • - * When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available. - * Results may differ from the output of cvtColor(). - *
      • - *
    • - * On Microsoft Windows\* and Mac OS\*, the codecs shipped with OpenCV (libjpeg, libpng, libtiff, - * and libjasper) are used by default. So, OpenCV can always read JPEGs, PNGs, and TIFFs. On Mac OS, - * there is also an option to use native Mac OS image readers. However, beware that currently these - * native image loaders give images with different pixel values because of the color management embedded - * into Mac OS. - *
      • - *
    • - * On Linux\*, BSD flavors, and other Unix-like open-source operating systems, OpenCV looks for - * codecs supplied with the OS. Ensure the relevant packages are installed (including development - * files, such as "libjpeg-dev" in Debian\* and Ubuntu\*) to get codec support, or turn - * on the OPENCV_BUILD_3RDPARTY_LIBS flag in CMake. - *
      • - *
    • - * If the *WITH_GDAL* flag is set to true in CMake and REF: IMREAD_LOAD_GDAL is used to load the image, - * the [GDAL](http://www.gdal.org) driver will be used to decode the image, supporting - * [Raster](http://www.gdal.org/formats_list.html) and [Vector](http://www.gdal.org/ogr_formats.html) formats. - *
      • - *
    • - * If EXIF information is embedded in the image file, the EXIF orientation will be taken into account, - * and thus the image will be rotated accordingly unless the flags REF: IMREAD_IGNORE_ORIENTATION - * or REF: IMREAD_UNCHANGED are passed. - *
      • - *
    • - * Use the IMREAD_UNCHANGED flag to preserve the floating-point values from PFM images. - *
      • - *
    • - * By default, the number of pixels must be less than 2^30. This limit can be changed by setting - * the environment variable {@code OPENCV_IO_MAX_IMAGE_PIXELS}. See REF: tutorial_env_reference. - *
      • - *
    - * - * @param filename Name of the file to be loaded. - * @param flags Flag that can take values of {@code cv::ImreadModes}. - * @return automatically generated - */ - public static Mat imread(String filename, int flags) { - return new Mat(imread_0(filename, flags)); - } - - /** - * Loads an image from a file. - * - * imread - * - * The {@code imread} function loads an image from the specified file and returns OpenCV matrix. If the image cannot be - * read (because of a missing file, improper permissions, or unsupported/invalid format), the function - * returns an empty matrix. - * - * Currently, the following file formats are supported: - * - *
      - *
    • - * Windows bitmaps - \*.bmp, \*.dib (always supported) - *
      • - *
    • - * GIF files - \*.gif (always supported) - *
      • - *
    • - * JPEG files - \*.jpeg, \*.jpg, \*.jpe (see the *Note* section) - *
      • - *
    • - * JPEG 2000 files - \*.jp2 (see the *Note* section) - *
      • - *
    • - * Portable Network Graphics - \*.png (see the *Note* section) - *
      • - *
    • - * WebP - \*.webp (see the *Note* section) - *
      • - *
    • - * AVIF - \*.avif (see the *Note* section) - *
      • - *
    • - * Portable image format - \*.pbm, \*.pgm, \*.ppm, \*.pxm, \*.pnm (always supported) - *
      • - *
    • - * PFM files - \*.pfm (see the *Note* section) - *
      • - *
    • - * Sun rasters - \*.sr, \*.ras (always supported) - *
      • - *
    • - * TIFF files - \*.tiff, \*.tif (see the *Note* section) - *
      • - *
    • - * OpenEXR Image files - \*.exr (see the *Note* section) - *
      • - *
    • - * Radiance HDR - \*.hdr, \*.pic (always supported) - *
      • - *
    • - * Raster and Vector geospatial data supported by GDAL (see the *Note* section) - *
      • - *
    - * - * Note: - *
      - *
    • - * The function determines the type of an image by its content, not by the file extension. - *
      • - *
    • - * In the case of color images, the decoded images will have the channels stored in B G R order. - *
      • - *
    • - * When using IMREAD_GRAYSCALE, the codec's internal grayscale conversion will be used, if available. - * Results may differ from the output of cvtColor(). - *
      • - *
    • - * On Microsoft Windows\* and Mac OS\*, the codecs shipped with OpenCV (libjpeg, libpng, libtiff, - * and libjasper) are used by default. So, OpenCV can always read JPEGs, PNGs, and TIFFs. On Mac OS, - * there is also an option to use native Mac OS image readers. However, beware that currently these - * native image loaders give images with different pixel values because of the color management embedded - * into Mac OS. - *
      • - *
    • - * On Linux\*, BSD flavors, and other Unix-like open-source operating systems, OpenCV looks for - * codecs supplied with the OS. Ensure the relevant packages are installed (including development - * files, such as "libjpeg-dev" in Debian\* and Ubuntu\*) to get codec support, or turn - * on the OPENCV_BUILD_3RDPARTY_LIBS flag in CMake. - *
      • - *
    • - * If the *WITH_GDAL* flag is set to true in CMake and REF: IMREAD_LOAD_GDAL is used to load the image, - * the [GDAL](http://www.gdal.org) driver will be used to decode the image, supporting - * [Raster](http://www.gdal.org/formats_list.html) and [Vector](http://www.gdal.org/ogr_formats.html) formats. - *
      • - *
    • - * If EXIF information is embedded in the image file, the EXIF orientation will be taken into account, - * and thus the image will be rotated accordingly unless the flags REF: IMREAD_IGNORE_ORIENTATION - * or REF: IMREAD_UNCHANGED are passed. - *
      • - *
    • - * Use the IMREAD_UNCHANGED flag to preserve the floating-point values from PFM images. - *
      • - *
    • - * By default, the number of pixels must be less than 2^30. This limit can be changed by setting - * the environment variable {@code OPENCV_IO_MAX_IMAGE_PIXELS}. See REF: tutorial_env_reference. - *
      • - *
    - * - * @param filename Name of the file to be loaded. - * @return automatically generated - */ - public static Mat imread(String filename) { - return new Mat(imread_1(filename)); - } - - - // - // C++: void cv::imread(String filename, Mat& dst, int flags = IMREAD_COLOR_BGR) - // - - /** - * Loads an image from a file. - * - * This is an overloaded member function, provided for convenience. It differs from the above function only in what argument(s) it accepts and the return value. - * @param filename Name of file to be loaded. - * @param dst object in which the image will be loaded. - * @param flags Flag that can take values of cv::ImreadModes - * Note: - * The image passing through the img parameter can be pre-allocated. The memory is reused if the shape and the type match with the load image. - */ - public static void imread(String filename, Mat dst, int flags) { - imread_2(filename, dst.nativeObj, flags); - } - - /** - * Loads an image from a file. - * - * This is an overloaded member function, provided for convenience. It differs from the above function only in what argument(s) it accepts and the return value. - * @param filename Name of file to be loaded. - * @param dst object in which the image will be loaded. - * Note: - * The image passing through the img parameter can be pre-allocated. The memory is reused if the shape and the type match with the load image. - */ - public static void imread(String filename, Mat dst) { - imread_3(filename, dst.nativeObj); - } - - - // - // C++: Mat cv::imreadWithMetadata(String filename, vector_int& metadataTypes, vector_Mat& metadata, int flags = IMREAD_ANYCOLOR) - // - - /** - * Reads an image from a file together with associated metadata. - * - * The function imreadWithMetadata reads image from the specified file. It does the same thing as imread, but additionally reads metadata if the corresponding file contains any. - * @param filename Name of the file to be loaded. - * @param metadataTypes Output vector with types of metadata chucks returned in metadata, see ImageMetadataType. - * @param metadata Output vector of vectors or vector of matrices to store the retrieved metadata - * @param flags Flag that can take values of cv::ImreadModes - * @return automatically generated - */ - public static Mat imreadWithMetadata(String filename, MatOfInt metadataTypes, List metadata, int flags) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = new Mat(); - Mat retVal = new Mat(imreadWithMetadata_0(filename, metadataTypes_mat.nativeObj, metadata_mat.nativeObj, flags)); - Converters.Mat_to_vector_Mat(metadata_mat, metadata); - metadata_mat.release(); - return retVal; - } - - /** - * Reads an image from a file together with associated metadata. - * - * The function imreadWithMetadata reads image from the specified file. It does the same thing as imread, but additionally reads metadata if the corresponding file contains any. - * @param filename Name of the file to be loaded. - * @param metadataTypes Output vector with types of metadata chucks returned in metadata, see ImageMetadataType. - * @param metadata Output vector of vectors or vector of matrices to store the retrieved metadata - * @return automatically generated - */ - public static Mat imreadWithMetadata(String filename, MatOfInt metadataTypes, List metadata) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = new Mat(); - Mat retVal = new Mat(imreadWithMetadata_1(filename, metadataTypes_mat.nativeObj, metadata_mat.nativeObj)); - Converters.Mat_to_vector_Mat(metadata_mat, metadata); - metadata_mat.release(); - return retVal; - } - - - // - // C++: bool cv::imreadmulti(String filename, vector_Mat& mats, int flags = IMREAD_ANYCOLOR) - // - - /** - * Loads a multi-page image from a file. - * - * The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects. - * @param filename Name of file to be loaded. - * @param mats A vector of Mat objects holding each page. - * @param flags Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - * SEE: cv::imread - * @return automatically generated - */ - public static boolean imreadmulti(String filename, List mats, int flags) { - Mat mats_mat = new Mat(); - boolean retVal = imreadmulti_0(filename, mats_mat.nativeObj, flags); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - /** - * Loads a multi-page image from a file. - * - * The function imreadmulti loads a multi-page image from the specified file into a vector of Mat objects. - * @param filename Name of file to be loaded. - * @param mats A vector of Mat objects holding each page. - * SEE: cv::imread - * @return automatically generated - */ - public static boolean imreadmulti(String filename, List mats) { - Mat mats_mat = new Mat(); - boolean retVal = imreadmulti_1(filename, mats_mat.nativeObj); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - - // - // C++: bool cv::imreadmulti(String filename, vector_Mat& mats, int start, int count, int flags = IMREAD_ANYCOLOR) - // - - /** - * Loads images of a multi-page image from a file. - * - * The function imreadmulti loads a specified range from a multi-page image from the specified file into a vector of Mat objects. - * @param filename Name of file to be loaded. - * @param mats A vector of Mat objects holding each page. - * @param start Start index of the image to load - * @param count Count number of images to load - * @param flags Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - * SEE: cv::imread - * @return automatically generated - */ - public static boolean imreadmulti(String filename, List mats, int start, int count, int flags) { - Mat mats_mat = new Mat(); - boolean retVal = imreadmulti_2(filename, mats_mat.nativeObj, start, count, flags); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - /** - * Loads images of a multi-page image from a file. - * - * The function imreadmulti loads a specified range from a multi-page image from the specified file into a vector of Mat objects. - * @param filename Name of file to be loaded. - * @param mats A vector of Mat objects holding each page. - * @param start Start index of the image to load - * @param count Count number of images to load - * SEE: cv::imread - * @return automatically generated - */ - public static boolean imreadmulti(String filename, List mats, int start, int count) { - Mat mats_mat = new Mat(); - boolean retVal = imreadmulti_3(filename, mats_mat.nativeObj, start, count); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - - // - // C++: bool cv::imreadanimation(String filename, Animation& animation, int start = 0, int count = INT16_MAX) - // - - /** - * Loads frames from an animated image file into an Animation structure. - * - * The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param filename A string containing the path to the file. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * @param start The index of the first frame to load. This is optional and defaults to 0. - * @param count The number of frames to load. This is optional and defaults to 32767. - * - * @return Returns true if the file was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imreadanimation(String filename, Animation animation, int start, int count) { - return imreadanimation_0(filename, animation.getNativeObjAddr(), start, count); - } - - /** - * Loads frames from an animated image file into an Animation structure. - * - * The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param filename A string containing the path to the file. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * @param start The index of the first frame to load. This is optional and defaults to 0. - * - * @return Returns true if the file was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imreadanimation(String filename, Animation animation, int start) { - return imreadanimation_1(filename, animation.getNativeObjAddr(), start); - } - - /** - * Loads frames from an animated image file into an Animation structure. - * - * The function imreadanimation loads frames from an animated image file (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param filename A string containing the path to the file. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * - * @return Returns true if the file was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imreadanimation(String filename, Animation animation) { - return imreadanimation_2(filename, animation.getNativeObjAddr()); - } - - - // - // C++: bool cv::imdecodeanimation(Mat buf, Animation& animation, int start = 0, int count = INT16_MAX) - // - - /** - * Loads frames from an animated image buffer into an Animation structure. - * - * The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param buf A reference to an InputArray containing the image buffer. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * @param start The index of the first frame to load. This is optional and defaults to 0. - * @param count The number of frames to load. This is optional and defaults to 32767. - * - * @return Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imdecodeanimation(Mat buf, Animation animation, int start, int count) { - return imdecodeanimation_0(buf.nativeObj, animation.getNativeObjAddr(), start, count); - } - - /** - * Loads frames from an animated image buffer into an Animation structure. - * - * The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param buf A reference to an InputArray containing the image buffer. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * @param start The index of the first frame to load. This is optional and defaults to 0. - * - * @return Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imdecodeanimation(Mat buf, Animation animation, int start) { - return imdecodeanimation_1(buf.nativeObj, animation.getNativeObjAddr(), start); - } - - /** - * Loads frames from an animated image buffer into an Animation structure. - * - * The function imdecodeanimation loads frames from an animated image buffer (e.g., GIF, AVIF, APNG, WEBP) into the provided Animation struct. - * - * @param buf A reference to an InputArray containing the image buffer. - * @param animation A reference to an Animation structure where the loaded frames will be stored. It should be initialized before the function is called. - * - * @return Returns true if the buffer was successfully loaded and frames were extracted; returns false otherwise. - */ - public static boolean imdecodeanimation(Mat buf, Animation animation) { - return imdecodeanimation_2(buf.nativeObj, animation.getNativeObjAddr()); - } - - - // - // C++: bool cv::imwriteanimation(String filename, Animation animation, vector_int params = std::vector()) - // - - /** - * Saves an Animation to a specified file. - * - * The function imwriteanimation saves the provided Animation data to the specified file in an animated format. - * Supported formats depend on the implementation and may include formats like GIF, AVIF, APNG, or WEBP. - * - * @param filename The name of the file where the animation will be saved. The file extension determines the format. - * @param animation A constant reference to an Animation struct containing the frames and metadata to be saved. - * @param params Optional format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ...). - * These parameters are used to specify additional options for the encoding process. Refer to {@code cv::ImwriteFlags} for details on possible parameters. - * - * @return Returns true if the animation was successfully saved; returns false otherwise. - */ - public static boolean imwriteanimation(String filename, Animation animation, MatOfInt params) { - Mat params_mat = params; - return imwriteanimation_0(filename, animation.getNativeObjAddr(), params_mat.nativeObj); - } - - /** - * Saves an Animation to a specified file. - * - * The function imwriteanimation saves the provided Animation data to the specified file in an animated format. - * Supported formats depend on the implementation and may include formats like GIF, AVIF, APNG, or WEBP. - * - * @param filename The name of the file where the animation will be saved. The file extension determines the format. - * @param animation A constant reference to an Animation struct containing the frames and metadata to be saved. - * These parameters are used to specify additional options for the encoding process. Refer to {@code cv::ImwriteFlags} for details on possible parameters. - * - * @return Returns true if the animation was successfully saved; returns false otherwise. - */ - public static boolean imwriteanimation(String filename, Animation animation) { - return imwriteanimation_1(filename, animation.getNativeObjAddr()); - } - - - // - // C++: bool cv::imencodeanimation(String ext, Animation animation, vector_uchar& buf, vector_int params = std::vector()) - // - - /** - * Encodes an Animation to a memory buffer. - * - * The function imencodeanimation encodes the provided Animation data into a memory - * buffer in an animated format. Supported formats depend on the implementation and - * may include formats like GIF, AVIF, APNG, or WEBP. - * - * @param ext The file extension that determines the format of the encoded data. - * @param animation A constant reference to an Animation struct containing the - * frames and metadata to be encoded. - * @param buf A reference to a vector of unsigned chars where the encoded data will - * be stored. - * @param params Optional format-specific parameters encoded as pairs (paramId_1, - * paramValue_1, paramId_2, paramValue_2, ...). These parameters are used to - * specify additional options for the encoding process. Refer to {@code cv::ImwriteFlags} - * for details on possible parameters. - * - * @return Returns true if the animation was successfully encoded; returns false otherwise. - */ - public static boolean imencodeanimation(String ext, Animation animation, MatOfByte buf, MatOfInt params) { - Mat buf_mat = buf; - Mat params_mat = params; - return imencodeanimation_0(ext, animation.getNativeObjAddr(), buf_mat.nativeObj, params_mat.nativeObj); - } - - /** - * Encodes an Animation to a memory buffer. - * - * The function imencodeanimation encodes the provided Animation data into a memory - * buffer in an animated format. Supported formats depend on the implementation and - * may include formats like GIF, AVIF, APNG, or WEBP. - * - * @param ext The file extension that determines the format of the encoded data. - * @param animation A constant reference to an Animation struct containing the - * frames and metadata to be encoded. - * @param buf A reference to a vector of unsigned chars where the encoded data will - * be stored. - * paramValue_1, paramId_2, paramValue_2, ...). These parameters are used to - * specify additional options for the encoding process. Refer to {@code cv::ImwriteFlags} - * for details on possible parameters. - * - * @return Returns true if the animation was successfully encoded; returns false otherwise. - */ - public static boolean imencodeanimation(String ext, Animation animation, MatOfByte buf) { - Mat buf_mat = buf; - return imencodeanimation_1(ext, animation.getNativeObjAddr(), buf_mat.nativeObj); - } - - - // - // C++: size_t cv::imcount(String filename, int flags = IMREAD_ANYCOLOR) - // - - /** - * Returns the number of images inside the given file - * - * The function imcount returns the number of pages in a multi-page image (e.g. TIFF), the number of frames in an animation (e.g. AVIF), and 1 otherwise. - * If the image cannot be decoded, 0 is returned. - * @param filename Name of file to be loaded. - * @param flags Flag that can take values of cv::ImreadModes, default with cv::IMREAD_ANYCOLOR. - * TODO: when cv::IMREAD_LOAD_GDAL flag used the return value will be 0 or 1 because OpenCV's GDAL decoder doesn't support multi-page reading yet. - * @return automatically generated - */ - public static long imcount(String filename, int flags) { - return imcount_0(filename, flags); - } - - /** - * Returns the number of images inside the given file - * - * The function imcount returns the number of pages in a multi-page image (e.g. TIFF), the number of frames in an animation (e.g. AVIF), and 1 otherwise. - * If the image cannot be decoded, 0 is returned. - * @param filename Name of file to be loaded. - * TODO: when cv::IMREAD_LOAD_GDAL flag used the return value will be 0 or 1 because OpenCV's GDAL decoder doesn't support multi-page reading yet. - * @return automatically generated - */ - public static long imcount(String filename) { - return imcount_1(filename); - } - - - // - // C++: bool cv::imwrite(String filename, Mat img, vector_int params = std::vector()) - // - - /** - * Saves an image to a specified file. - * - * The function imwrite saves the image to the specified file. The image format is chosen based on the - * filename extension (see cv::imread for the list of extensions). In general, only 8-bit unsigned (CV_8U) - * single-channel or 3-channel (with 'BGR' channel order) images - * can be saved using this function, with these exceptions: - * - *
      - *
    • - * With OpenEXR encoder, only 32-bit float (CV_32F) images can be saved. - *
        - *
      • - * 8-bit unsigned (CV_8U) images are not supported. - *
        • - *
      - *
    • - * With Radiance HDR encoder, non 64-bit float (CV_64F) images can be saved. - *
        - *
      • - * All images will be converted to 32-bit float (CV_32F). - *
        • - *
      - *
    • - * With JPEG 2000 encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With JPEG XL encoder, 8-bit unsigned (CV_8U), 16-bit unsigned (CV_16U) and 32-bit float(CV_32F) images can be saved. - *
        - *
      • - * JPEG XL images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) / 32-bit float 4-channel (CV_32FC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535/1.0. - *
        • - *
      - *
    • - * With PAM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With PNG encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
        - *
      • - * PNG images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535(see the code sample below). - *
        • - *
      - *
    • - * With PGM/PPM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With TIFF encoder, 8-bit unsigned (CV_8U), 8-bit signed (CV_8S), - * 16-bit unsigned (CV_16U), 16-bit signed (CV_16S), - * 32-bit signed (CV_32S), - * 32-bit float (CV_32F) and 64-bit float (CV_64F) images can be saved. - *
        - *
      • - * Multiple images (vector of Mat) can be saved in TIFF format (see the code sample below). - *
        • - *
      • - * 32-bit float 3-channel (CV_32FC3) TIFF images will be saved - * using the LogLuv high dynamic range encoding (4 bytes per pixel) - *
        • - *
      - *
    • - * With GIF encoder, 8-bit unsigned (CV_8U) images can be saved. - *
        - *
      • - * GIF images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255. - *
        • - *
      • - * 8-bit single-channel images (CV_8UC1) are not supported due to GIF's limitation to indexed color formats. - *
        • - *
      - * - * If the image format is not supported, the image will be converted to 8-bit unsigned (CV_8U) and saved that way. - *
      • - *
    - * - * If the format, depth or channel order is different, use - * Mat::convertTo and cv::cvtColor to convert it before saving. Or, use the universal FileStorage I/O - * functions to save the image to XML or YAML format. - * - * The sample below shows how to create a BGRA image, how to set custom compression parameters and save it to a PNG file. - * It also demonstrates how to save multiple images in a TIFF file: - * INCLUDE: snippets/imgcodecs_imwrite.cpp - * @param filename Name of the file. - * @param img (Mat or vector of Mat) Image or Images to be saved. - * @param params Format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) see cv::ImwriteFlags - * @return automatically generated - */ - public static boolean imwrite(String filename, Mat img, MatOfInt params) { - Mat params_mat = params; - return imwrite_0(filename, img.nativeObj, params_mat.nativeObj); - } - - /** - * Saves an image to a specified file. - * - * The function imwrite saves the image to the specified file. The image format is chosen based on the - * filename extension (see cv::imread for the list of extensions). In general, only 8-bit unsigned (CV_8U) - * single-channel or 3-channel (with 'BGR' channel order) images - * can be saved using this function, with these exceptions: - * - *
      - *
    • - * With OpenEXR encoder, only 32-bit float (CV_32F) images can be saved. - *
        - *
      • - * 8-bit unsigned (CV_8U) images are not supported. - *
        • - *
      - *
    • - * With Radiance HDR encoder, non 64-bit float (CV_64F) images can be saved. - *
        - *
      • - * All images will be converted to 32-bit float (CV_32F). - *
        • - *
      - *
    • - * With JPEG 2000 encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With JPEG XL encoder, 8-bit unsigned (CV_8U), 16-bit unsigned (CV_16U) and 32-bit float(CV_32F) images can be saved. - *
        - *
      • - * JPEG XL images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) / 32-bit float 4-channel (CV_32FC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535/1.0. - *
        • - *
      - *
    • - * With PAM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With PNG encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
        - *
      • - * PNG images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) / 16-bit 4-channel (CV_16UC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255/65535(see the code sample below). - *
        • - *
      - *
    • - * With PGM/PPM encoder, 8-bit unsigned (CV_8U) and 16-bit unsigned (CV_16U) images can be saved. - *
      • - *
    • - * With TIFF encoder, 8-bit unsigned (CV_8U), 8-bit signed (CV_8S), - * 16-bit unsigned (CV_16U), 16-bit signed (CV_16S), - * 32-bit signed (CV_32S), - * 32-bit float (CV_32F) and 64-bit float (CV_64F) images can be saved. - *
        - *
      • - * Multiple images (vector of Mat) can be saved in TIFF format (see the code sample below). - *
        • - *
      • - * 32-bit float 3-channel (CV_32FC3) TIFF images will be saved - * using the LogLuv high dynamic range encoding (4 bytes per pixel) - *
        • - *
      - *
    • - * With GIF encoder, 8-bit unsigned (CV_8U) images can be saved. - *
        - *
      • - * GIF images with an alpha channel can be saved using this function. - * To achieve this, create an 8-bit 4-channel (CV_8UC4) BGRA image, ensuring the alpha channel is the last component. - * Fully transparent pixels should have an alpha value of 0, while fully opaque pixels should have an alpha value of 255. - *
        • - *
      • - * 8-bit single-channel images (CV_8UC1) are not supported due to GIF's limitation to indexed color formats. - *
        • - *
      - * - * If the image format is not supported, the image will be converted to 8-bit unsigned (CV_8U) and saved that way. - *
      • - *
    - * - * If the format, depth or channel order is different, use - * Mat::convertTo and cv::cvtColor to convert it before saving. Or, use the universal FileStorage I/O - * functions to save the image to XML or YAML format. - * - * The sample below shows how to create a BGRA image, how to set custom compression parameters and save it to a PNG file. - * It also demonstrates how to save multiple images in a TIFF file: - * INCLUDE: snippets/imgcodecs_imwrite.cpp - * @param filename Name of the file. - * @param img (Mat or vector of Mat) Image or Images to be saved. - * @return automatically generated - */ - public static boolean imwrite(String filename, Mat img) { - return imwrite_1(filename, img.nativeObj); - } - - - // - // C++: bool cv::imwriteWithMetadata(String filename, Mat img, vector_int metadataTypes, vector_Mat metadata, vector_int params = std::vector()) - // - - /** - * Saves an image to a specified file with metadata - * - * The function imwriteWithMetadata saves the image to the specified file. It does the same thing as imwrite, but additionally writes metadata if the corresponding format supports it. - * @param filename Name of the file. As with imwrite, image format is determined by the file extension. - * @param img (Mat or vector of Mat) Image or Images to be saved. - * @param metadataTypes Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType. - * @param metadata Vector of vectors or vector of matrices with chunks of metadata to store into the file - * @param params Format-specific parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) see cv::ImwriteFlags - * @return automatically generated - */ - public static boolean imwriteWithMetadata(String filename, Mat img, MatOfInt metadataTypes, List metadata, MatOfInt params) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = Converters.vector_Mat_to_Mat(metadata); - Mat params_mat = params; - return imwriteWithMetadata_0(filename, img.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj, params_mat.nativeObj); - } - - /** - * Saves an image to a specified file with metadata - * - * The function imwriteWithMetadata saves the image to the specified file. It does the same thing as imwrite, but additionally writes metadata if the corresponding format supports it. - * @param filename Name of the file. As with imwrite, image format is determined by the file extension. - * @param img (Mat or vector of Mat) Image or Images to be saved. - * @param metadataTypes Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType. - * @param metadata Vector of vectors or vector of matrices with chunks of metadata to store into the file - * @return automatically generated - */ - public static boolean imwriteWithMetadata(String filename, Mat img, MatOfInt metadataTypes, List metadata) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = Converters.vector_Mat_to_Mat(metadata); - return imwriteWithMetadata_1(filename, img.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj); - } - - - // - // C++: bool cv::imwritemulti(String filename, vector_Mat img, vector_int params = std::vector()) - // - - public static boolean imwritemulti(String filename, List img, MatOfInt params) { - Mat img_mat = Converters.vector_Mat_to_Mat(img); - Mat params_mat = params; - return imwritemulti_0(filename, img_mat.nativeObj, params_mat.nativeObj); - } - - public static boolean imwritemulti(String filename, List img) { - Mat img_mat = Converters.vector_Mat_to_Mat(img); - return imwritemulti_1(filename, img_mat.nativeObj); - } - - - // - // C++: Mat cv::imdecode(Mat buf, int flags) - // - - /** - * Reads an image from a buffer in memory. - * - * The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - * contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - * - * See cv::imread for the list of supported formats and flags description. - * - * Note: In the case of color images, the decoded images will have the channels stored in B G R order. - * @param buf Input array or vector of bytes. - * @param flags The same flags as in cv::imread, see cv::ImreadModes. - * @return automatically generated - */ - public static Mat imdecode(Mat buf, int flags) { - return new Mat(imdecode_0(buf.nativeObj, flags)); - } - - - // - // C++: Mat cv::imdecodeWithMetadata(Mat buf, vector_int& metadataTypes, vector_Mat& metadata, int flags = IMREAD_ANYCOLOR) - // - - /** - * Reads an image from a buffer in memory together with associated metadata. - * - * The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - * contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - * - * See cv::imread for the list of supported formats and flags description. - * - * Note: In the case of color images, the decoded images will have the channels stored in B G R order. - * @param buf Input array or vector of bytes. - * @param metadataTypes Output vector with types of metadata chucks returned in metadata, see ImageMetadataType. - * @param metadata Output vector of vectors or vector of matrices to store the retrieved metadata - * @param flags The same flags as in cv::imread, see cv::ImreadModes. - * @return automatically generated - */ - public static Mat imdecodeWithMetadata(Mat buf, MatOfInt metadataTypes, List metadata, int flags) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = new Mat(); - Mat retVal = new Mat(imdecodeWithMetadata_0(buf.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj, flags)); - Converters.Mat_to_vector_Mat(metadata_mat, metadata); - metadata_mat.release(); - return retVal; - } - - /** - * Reads an image from a buffer in memory together with associated metadata. - * - * The function imdecode reads an image from the specified buffer in the memory. If the buffer is too short or - * contains invalid data, the function returns an empty matrix ( Mat::data==NULL ). - * - * See cv::imread for the list of supported formats and flags description. - * - * Note: In the case of color images, the decoded images will have the channels stored in B G R order. - * @param buf Input array or vector of bytes. - * @param metadataTypes Output vector with types of metadata chucks returned in metadata, see ImageMetadataType. - * @param metadata Output vector of vectors or vector of matrices to store the retrieved metadata - * @return automatically generated - */ - public static Mat imdecodeWithMetadata(Mat buf, MatOfInt metadataTypes, List metadata) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = new Mat(); - Mat retVal = new Mat(imdecodeWithMetadata_1(buf.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj)); - Converters.Mat_to_vector_Mat(metadata_mat, metadata); - metadata_mat.release(); - return retVal; - } - - - // - // C++: bool cv::imdecodemulti(Mat buf, int flags, vector_Mat& mats, Range range = Range::all()) - // - - /** - * Reads a multi-page image from a buffer in memory. - * - * The function imdecodemulti reads a multi-page image from the specified buffer in the memory. If the buffer is too short or - * contains invalid data, the function returns false. - * - * See cv::imreadmulti for the list of supported formats and flags description. - * - * Note: In the case of color images, the decoded images will have the channels stored in B G R order. - * @param buf Input array or vector of bytes. - * @param flags The same flags as in cv::imread, see cv::ImreadModes. - * @param mats A vector of Mat objects holding each page, if more than one. - * @param range A continuous selection of pages. - * @return automatically generated - */ - public static boolean imdecodemulti(Mat buf, int flags, List mats, Range range) { - Mat mats_mat = new Mat(); - boolean retVal = imdecodemulti_0(buf.nativeObj, flags, mats_mat.nativeObj, range.start, range.end); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - /** - * Reads a multi-page image from a buffer in memory. - * - * The function imdecodemulti reads a multi-page image from the specified buffer in the memory. If the buffer is too short or - * contains invalid data, the function returns false. - * - * See cv::imreadmulti for the list of supported formats and flags description. - * - * Note: In the case of color images, the decoded images will have the channels stored in B G R order. - * @param buf Input array or vector of bytes. - * @param flags The same flags as in cv::imread, see cv::ImreadModes. - * @param mats A vector of Mat objects holding each page, if more than one. - * @return automatically generated - */ - public static boolean imdecodemulti(Mat buf, int flags, List mats) { - Mat mats_mat = new Mat(); - boolean retVal = imdecodemulti_1(buf.nativeObj, flags, mats_mat.nativeObj); - Converters.Mat_to_vector_Mat(mats_mat, mats); - mats_mat.release(); - return retVal; - } - - - // - // C++: bool cv::imencode(String ext, Mat img, vector_uchar& buf, vector_int params = std::vector()) - // - - /** - * Encodes an image into a memory buffer. - * - * The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - * result. See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param img Image to be compressed. - * @param buf Output buffer resized to fit the compressed image. - * @param params Format-specific parameters. See cv::imwrite and cv::ImwriteFlags. - * @return automatically generated - */ - public static boolean imencode(String ext, Mat img, MatOfByte buf, MatOfInt params) { - Mat buf_mat = buf; - Mat params_mat = params; - return imencode_0(ext, img.nativeObj, buf_mat.nativeObj, params_mat.nativeObj); - } - - /** - * Encodes an image into a memory buffer. - * - * The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - * result. See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param img Image to be compressed. - * @param buf Output buffer resized to fit the compressed image. - * @return automatically generated - */ - public static boolean imencode(String ext, Mat img, MatOfByte buf) { - Mat buf_mat = buf; - return imencode_1(ext, img.nativeObj, buf_mat.nativeObj); - } - - - // - // C++: bool cv::imencodeWithMetadata(String ext, Mat img, vector_int metadataTypes, vector_Mat metadata, vector_uchar& buf, vector_int params = std::vector()) - // - - /** - * Encodes an image into a memory buffer. - * - * The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - * result. See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param img Image to be compressed. - * @param metadataTypes Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType. - * @param metadata Vector of vectors or vector of matrices with chunks of metadata to store into the file - * @param buf Output buffer resized to fit the compressed image. - * @param params Format-specific parameters. See cv::imwrite and cv::ImwriteFlags. - * @return automatically generated - */ - public static boolean imencodeWithMetadata(String ext, Mat img, MatOfInt metadataTypes, List metadata, MatOfByte buf, MatOfInt params) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = Converters.vector_Mat_to_Mat(metadata); - Mat buf_mat = buf; - Mat params_mat = params; - return imencodeWithMetadata_0(ext, img.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj, buf_mat.nativeObj, params_mat.nativeObj); - } - - /** - * Encodes an image into a memory buffer. - * - * The function imencode compresses the image and stores it in the memory buffer that is resized to fit the - * result. See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param img Image to be compressed. - * @param metadataTypes Vector with types of metadata chucks stored in metadata to write, see ImageMetadataType. - * @param metadata Vector of vectors or vector of matrices with chunks of metadata to store into the file - * @param buf Output buffer resized to fit the compressed image. - * @return automatically generated - */ - public static boolean imencodeWithMetadata(String ext, Mat img, MatOfInt metadataTypes, List metadata, MatOfByte buf) { - Mat metadataTypes_mat = metadataTypes; - Mat metadata_mat = Converters.vector_Mat_to_Mat(metadata); - Mat buf_mat = buf; - return imencodeWithMetadata_1(ext, img.nativeObj, metadataTypes_mat.nativeObj, metadata_mat.nativeObj, buf_mat.nativeObj); - } - - - // - // C++: bool cv::imencodemulti(String ext, vector_Mat imgs, vector_uchar& buf, vector_int params = std::vector()) - // - - /** - * Encodes array of images into a memory buffer. - * - * The function is analog to cv::imencode for in-memory multi-page image compression. - * See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param imgs Vector of images to be written. - * @param buf Output buffer resized to fit the compressed data. - * @param params Format-specific parameters. See cv::imwrite and cv::ImwriteFlags. - * @return automatically generated - */ - public static boolean imencodemulti(String ext, List imgs, MatOfByte buf, MatOfInt params) { - Mat imgs_mat = Converters.vector_Mat_to_Mat(imgs); - Mat buf_mat = buf; - Mat params_mat = params; - return imencodemulti_0(ext, imgs_mat.nativeObj, buf_mat.nativeObj, params_mat.nativeObj); - } - - /** - * Encodes array of images into a memory buffer. - * - * The function is analog to cv::imencode for in-memory multi-page image compression. - * See cv::imwrite for the list of supported formats and flags description. - * - * @param ext File extension that defines the output format. Must include a leading period. - * @param imgs Vector of images to be written. - * @param buf Output buffer resized to fit the compressed data. - * @return automatically generated - */ - public static boolean imencodemulti(String ext, List imgs, MatOfByte buf) { - Mat imgs_mat = Converters.vector_Mat_to_Mat(imgs); - Mat buf_mat = buf; - return imencodemulti_1(ext, imgs_mat.nativeObj, buf_mat.nativeObj); - } - - - // - // C++: bool cv::haveImageReader(String filename) - // - - /** - * Checks if the specified image file can be decoded by OpenCV. - * - * The function haveImageReader checks if OpenCV is capable of reading the specified file. - * This can be useful for verifying support for a given image format before attempting to load an image. - * - * @param filename The name of the file to be checked. - * @return true if an image reader for the specified file is available and the file can be opened, false otherwise. - * - * Note: The function checks the availability of image codecs that are either built into OpenCV or dynamically loaded. - * It does not load the image codec implementation and decode data, but uses signature check. - * If the file cannot be opened or the format is unsupported, the function will return false. - * - * SEE: cv::haveImageWriter, cv::imread, cv::imdecode - */ - public static boolean haveImageReader(String filename) { - return haveImageReader_0(filename); - } - - - // - // C++: bool cv::haveImageWriter(String filename) - // - - /** - * Checks if the specified image file or specified file extension can be encoded by OpenCV. - * - * The function haveImageWriter checks if OpenCV is capable of writing images with the specified file extension. - * This can be useful for verifying support for a given image format before attempting to save an image. - * - * @param filename The name of the file or the file extension (e.g., ".jpg", ".png"). - * It is recommended to provide the file extension rather than the full file name. - * @return true if an image writer for the specified extension is available, false otherwise. - * - * Note: The function checks the availability of image codecs that are either built into OpenCV or dynamically loaded. - * It does not check for the actual existence of the file but rather the ability to write files of the given type. - * - * SEE: cv::haveImageReader, cv::imwrite, cv::imencode - */ - public static boolean haveImageWriter(String filename) { - return haveImageWriter_0(filename); - } - - - - - // C++: Mat cv::imread(String filename, int flags = IMREAD_COLOR_BGR) - private static native long imread_0(String filename, int flags); - private static native long imread_1(String filename); - - // C++: void cv::imread(String filename, Mat& dst, int flags = IMREAD_COLOR_BGR) - private static native void imread_2(String filename, long dst_nativeObj, int flags); - private static native void imread_3(String filename, long dst_nativeObj); - - // C++: Mat cv::imreadWithMetadata(String filename, vector_int& metadataTypes, vector_Mat& metadata, int flags = IMREAD_ANYCOLOR) - private static native long imreadWithMetadata_0(String filename, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj, int flags); - private static native long imreadWithMetadata_1(String filename, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj); - - // C++: bool cv::imreadmulti(String filename, vector_Mat& mats, int flags = IMREAD_ANYCOLOR) - private static native boolean imreadmulti_0(String filename, long mats_mat_nativeObj, int flags); - private static native boolean imreadmulti_1(String filename, long mats_mat_nativeObj); - - // C++: bool cv::imreadmulti(String filename, vector_Mat& mats, int start, int count, int flags = IMREAD_ANYCOLOR) - private static native boolean imreadmulti_2(String filename, long mats_mat_nativeObj, int start, int count, int flags); - private static native boolean imreadmulti_3(String filename, long mats_mat_nativeObj, int start, int count); - - // C++: bool cv::imreadanimation(String filename, Animation& animation, int start = 0, int count = INT16_MAX) - private static native boolean imreadanimation_0(String filename, long animation_nativeObj, int start, int count); - private static native boolean imreadanimation_1(String filename, long animation_nativeObj, int start); - private static native boolean imreadanimation_2(String filename, long animation_nativeObj); - - // C++: bool cv::imdecodeanimation(Mat buf, Animation& animation, int start = 0, int count = INT16_MAX) - private static native boolean imdecodeanimation_0(long buf_nativeObj, long animation_nativeObj, int start, int count); - private static native boolean imdecodeanimation_1(long buf_nativeObj, long animation_nativeObj, int start); - private static native boolean imdecodeanimation_2(long buf_nativeObj, long animation_nativeObj); - - // C++: bool cv::imwriteanimation(String filename, Animation animation, vector_int params = std::vector()) - private static native boolean imwriteanimation_0(String filename, long animation_nativeObj, long params_mat_nativeObj); - private static native boolean imwriteanimation_1(String filename, long animation_nativeObj); - - // C++: bool cv::imencodeanimation(String ext, Animation animation, vector_uchar& buf, vector_int params = std::vector()) - private static native boolean imencodeanimation_0(String ext, long animation_nativeObj, long buf_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imencodeanimation_1(String ext, long animation_nativeObj, long buf_mat_nativeObj); - - // C++: size_t cv::imcount(String filename, int flags = IMREAD_ANYCOLOR) - private static native long imcount_0(String filename, int flags); - private static native long imcount_1(String filename); - - // C++: bool cv::imwrite(String filename, Mat img, vector_int params = std::vector()) - private static native boolean imwrite_0(String filename, long img_nativeObj, long params_mat_nativeObj); - private static native boolean imwrite_1(String filename, long img_nativeObj); - - // C++: bool cv::imwriteWithMetadata(String filename, Mat img, vector_int metadataTypes, vector_Mat metadata, vector_int params = std::vector()) - private static native boolean imwriteWithMetadata_0(String filename, long img_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imwriteWithMetadata_1(String filename, long img_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj); - - // C++: bool cv::imwritemulti(String filename, vector_Mat img, vector_int params = std::vector()) - private static native boolean imwritemulti_0(String filename, long img_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imwritemulti_1(String filename, long img_mat_nativeObj); - - // C++: Mat cv::imdecode(Mat buf, int flags) - private static native long imdecode_0(long buf_nativeObj, int flags); - - // C++: Mat cv::imdecodeWithMetadata(Mat buf, vector_int& metadataTypes, vector_Mat& metadata, int flags = IMREAD_ANYCOLOR) - private static native long imdecodeWithMetadata_0(long buf_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj, int flags); - private static native long imdecodeWithMetadata_1(long buf_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj); - - // C++: bool cv::imdecodemulti(Mat buf, int flags, vector_Mat& mats, Range range = Range::all()) - private static native boolean imdecodemulti_0(long buf_nativeObj, int flags, long mats_mat_nativeObj, int range_start, int range_end); - private static native boolean imdecodemulti_1(long buf_nativeObj, int flags, long mats_mat_nativeObj); - - // C++: bool cv::imencode(String ext, Mat img, vector_uchar& buf, vector_int params = std::vector()) - private static native boolean imencode_0(String ext, long img_nativeObj, long buf_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imencode_1(String ext, long img_nativeObj, long buf_mat_nativeObj); - - // C++: bool cv::imencodeWithMetadata(String ext, Mat img, vector_int metadataTypes, vector_Mat metadata, vector_uchar& buf, vector_int params = std::vector()) - private static native boolean imencodeWithMetadata_0(String ext, long img_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj, long buf_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imencodeWithMetadata_1(String ext, long img_nativeObj, long metadataTypes_mat_nativeObj, long metadata_mat_nativeObj, long buf_mat_nativeObj); - - // C++: bool cv::imencodemulti(String ext, vector_Mat imgs, vector_uchar& buf, vector_int params = std::vector()) - private static native boolean imencodemulti_0(String ext, long imgs_mat_nativeObj, long buf_mat_nativeObj, long params_mat_nativeObj); - private static native boolean imencodemulti_1(String ext, long imgs_mat_nativeObj, long buf_mat_nativeObj); - - // C++: bool cv::haveImageReader(String filename) - private static native boolean haveImageReader_0(String filename); - - // C++: bool cv::haveImageWriter(String filename) - private static native boolean haveImageWriter_0(String filename); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/CLAHE.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/CLAHE.java deleted file mode 100644 index 9d07444074..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/CLAHE.java +++ /dev/null @@ -1,120 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.core.Size; - -// C++: class CLAHE -/** - * Base class for Contrast Limited Adaptive Histogram Equalization. - */ -public class CLAHE extends Algorithm { - - protected CLAHE(long addr) { super(addr); } - - // internal usage only - public static CLAHE __fromPtr__(long addr) { return new CLAHE(addr); } - - // - // C++: void cv::CLAHE::apply(Mat src, Mat& dst) - // - - /** - * Equalizes the histogram of a grayscale image using Contrast Limited Adaptive Histogram Equalization. - * - * @param src Source image of type CV_8UC1 or CV_16UC1. - * @param dst Destination image. - */ - public void apply(Mat src, Mat dst) { - apply_0(nativeObj, src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::CLAHE::setClipLimit(double clipLimit) - // - - /** - * Sets threshold for contrast limiting. - * - * @param clipLimit threshold value. - */ - public void setClipLimit(double clipLimit) { - setClipLimit_0(nativeObj, clipLimit); - } - - - // - // C++: double cv::CLAHE::getClipLimit() - // - - public double getClipLimit() { - return getClipLimit_0(nativeObj); - } - - - // - // C++: void cv::CLAHE::setTilesGridSize(Size tileGridSize) - // - - /** - * Sets size of grid for histogram equalization. Input image will be divided into - * equally sized rectangular tiles. - * - * @param tileGridSize defines the number of tiles in row and column. - */ - public void setTilesGridSize(Size tileGridSize) { - setTilesGridSize_0(nativeObj, tileGridSize.width, tileGridSize.height); - } - - - // - // C++: Size cv::CLAHE::getTilesGridSize() - // - - public Size getTilesGridSize() { - return new Size(getTilesGridSize_0(nativeObj)); - } - - - // - // C++: void cv::CLAHE::collectGarbage() - // - - public void collectGarbage() { - collectGarbage_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::CLAHE::apply(Mat src, Mat& dst) - private static native void apply_0(long nativeObj, long src_nativeObj, long dst_nativeObj); - - // C++: void cv::CLAHE::setClipLimit(double clipLimit) - private static native void setClipLimit_0(long nativeObj, double clipLimit); - - // C++: double cv::CLAHE::getClipLimit() - private static native double getClipLimit_0(long nativeObj); - - // C++: void cv::CLAHE::setTilesGridSize(Size tileGridSize) - private static native void setTilesGridSize_0(long nativeObj, double tileGridSize_width, double tileGridSize_height); - - // C++: Size cv::CLAHE::getTilesGridSize() - private static native double[] getTilesGridSize_0(long nativeObj); - - // C++: void cv::CLAHE::collectGarbage() - private static native void collectGarbage_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHough.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHough.java deleted file mode 100644 index dd2bc4ae25..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHough.java +++ /dev/null @@ -1,219 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.core.Point; - -// C++: class GeneralizedHough -/** - * finds arbitrary template in the grayscale image using Generalized Hough Transform - */ -public class GeneralizedHough extends Algorithm { - - protected GeneralizedHough(long addr) { super(addr); } - - // internal usage only - public static GeneralizedHough __fromPtr__(long addr) { return new GeneralizedHough(addr); } - - // - // C++: void cv::GeneralizedHough::setTemplate(Mat templ, Point templCenter = Point(-1, -1)) - // - - public void setTemplate(Mat templ, Point templCenter) { - setTemplate_0(nativeObj, templ.nativeObj, templCenter.x, templCenter.y); - } - - public void setTemplate(Mat templ) { - setTemplate_1(nativeObj, templ.nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setTemplate(Mat edges, Mat dx, Mat dy, Point templCenter = Point(-1, -1)) - // - - public void setTemplate(Mat edges, Mat dx, Mat dy, Point templCenter) { - setTemplate_2(nativeObj, edges.nativeObj, dx.nativeObj, dy.nativeObj, templCenter.x, templCenter.y); - } - - public void setTemplate(Mat edges, Mat dx, Mat dy) { - setTemplate_3(nativeObj, edges.nativeObj, dx.nativeObj, dy.nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::detect(Mat image, Mat& positions, Mat& votes = Mat()) - // - - public void detect(Mat image, Mat positions, Mat votes) { - detect_0(nativeObj, image.nativeObj, positions.nativeObj, votes.nativeObj); - } - - public void detect(Mat image, Mat positions) { - detect_1(nativeObj, image.nativeObj, positions.nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::detect(Mat edges, Mat dx, Mat dy, Mat& positions, Mat& votes = Mat()) - // - - public void detect(Mat edges, Mat dx, Mat dy, Mat positions, Mat votes) { - detect_2(nativeObj, edges.nativeObj, dx.nativeObj, dy.nativeObj, positions.nativeObj, votes.nativeObj); - } - - public void detect(Mat edges, Mat dx, Mat dy, Mat positions) { - detect_3(nativeObj, edges.nativeObj, dx.nativeObj, dy.nativeObj, positions.nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setCannyLowThresh(int cannyLowThresh) - // - - public void setCannyLowThresh(int cannyLowThresh) { - setCannyLowThresh_0(nativeObj, cannyLowThresh); - } - - - // - // C++: int cv::GeneralizedHough::getCannyLowThresh() - // - - public int getCannyLowThresh() { - return getCannyLowThresh_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setCannyHighThresh(int cannyHighThresh) - // - - public void setCannyHighThresh(int cannyHighThresh) { - setCannyHighThresh_0(nativeObj, cannyHighThresh); - } - - - // - // C++: int cv::GeneralizedHough::getCannyHighThresh() - // - - public int getCannyHighThresh() { - return getCannyHighThresh_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setMinDist(double minDist) - // - - public void setMinDist(double minDist) { - setMinDist_0(nativeObj, minDist); - } - - - // - // C++: double cv::GeneralizedHough::getMinDist() - // - - public double getMinDist() { - return getMinDist_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setDp(double dp) - // - - public void setDp(double dp) { - setDp_0(nativeObj, dp); - } - - - // - // C++: double cv::GeneralizedHough::getDp() - // - - public double getDp() { - return getDp_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHough::setMaxBufferSize(int maxBufferSize) - // - - public void setMaxBufferSize(int maxBufferSize) { - setMaxBufferSize_0(nativeObj, maxBufferSize); - } - - - // - // C++: int cv::GeneralizedHough::getMaxBufferSize() - // - - public int getMaxBufferSize() { - return getMaxBufferSize_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::GeneralizedHough::setTemplate(Mat templ, Point templCenter = Point(-1, -1)) - private static native void setTemplate_0(long nativeObj, long templ_nativeObj, double templCenter_x, double templCenter_y); - private static native void setTemplate_1(long nativeObj, long templ_nativeObj); - - // C++: void cv::GeneralizedHough::setTemplate(Mat edges, Mat dx, Mat dy, Point templCenter = Point(-1, -1)) - private static native void setTemplate_2(long nativeObj, long edges_nativeObj, long dx_nativeObj, long dy_nativeObj, double templCenter_x, double templCenter_y); - private static native void setTemplate_3(long nativeObj, long edges_nativeObj, long dx_nativeObj, long dy_nativeObj); - - // C++: void cv::GeneralizedHough::detect(Mat image, Mat& positions, Mat& votes = Mat()) - private static native void detect_0(long nativeObj, long image_nativeObj, long positions_nativeObj, long votes_nativeObj); - private static native void detect_1(long nativeObj, long image_nativeObj, long positions_nativeObj); - - // C++: void cv::GeneralizedHough::detect(Mat edges, Mat dx, Mat dy, Mat& positions, Mat& votes = Mat()) - private static native void detect_2(long nativeObj, long edges_nativeObj, long dx_nativeObj, long dy_nativeObj, long positions_nativeObj, long votes_nativeObj); - private static native void detect_3(long nativeObj, long edges_nativeObj, long dx_nativeObj, long dy_nativeObj, long positions_nativeObj); - - // C++: void cv::GeneralizedHough::setCannyLowThresh(int cannyLowThresh) - private static native void setCannyLowThresh_0(long nativeObj, int cannyLowThresh); - - // C++: int cv::GeneralizedHough::getCannyLowThresh() - private static native int getCannyLowThresh_0(long nativeObj); - - // C++: void cv::GeneralizedHough::setCannyHighThresh(int cannyHighThresh) - private static native void setCannyHighThresh_0(long nativeObj, int cannyHighThresh); - - // C++: int cv::GeneralizedHough::getCannyHighThresh() - private static native int getCannyHighThresh_0(long nativeObj); - - // C++: void cv::GeneralizedHough::setMinDist(double minDist) - private static native void setMinDist_0(long nativeObj, double minDist); - - // C++: double cv::GeneralizedHough::getMinDist() - private static native double getMinDist_0(long nativeObj); - - // C++: void cv::GeneralizedHough::setDp(double dp) - private static native void setDp_0(long nativeObj, double dp); - - // C++: double cv::GeneralizedHough::getDp() - private static native double getDp_0(long nativeObj); - - // C++: void cv::GeneralizedHough::setMaxBufferSize(int maxBufferSize) - private static native void setMaxBufferSize_0(long nativeObj, int maxBufferSize); - - // C++: int cv::GeneralizedHough::getMaxBufferSize() - private static native int getMaxBufferSize_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughBallard.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughBallard.java deleted file mode 100644 index bdc72ccef0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughBallard.java +++ /dev/null @@ -1,79 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.imgproc.GeneralizedHough; - -// C++: class GeneralizedHoughBallard -/** - * finds arbitrary template in the grayscale image using Generalized Hough Transform - * - * Detects position only without translation and rotation CITE: Ballard1981 . - */ -public class GeneralizedHoughBallard extends GeneralizedHough { - - protected GeneralizedHoughBallard(long addr) { super(addr); } - - // internal usage only - public static GeneralizedHoughBallard __fromPtr__(long addr) { return new GeneralizedHoughBallard(addr); } - - // - // C++: void cv::GeneralizedHoughBallard::setLevels(int levels) - // - - public void setLevels(int levels) { - setLevels_0(nativeObj, levels); - } - - - // - // C++: int cv::GeneralizedHoughBallard::getLevels() - // - - public int getLevels() { - return getLevels_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughBallard::setVotesThreshold(int votesThreshold) - // - - public void setVotesThreshold(int votesThreshold) { - setVotesThreshold_0(nativeObj, votesThreshold); - } - - - // - // C++: int cv::GeneralizedHoughBallard::getVotesThreshold() - // - - public int getVotesThreshold() { - return getVotesThreshold_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::GeneralizedHoughBallard::setLevels(int levels) - private static native void setLevels_0(long nativeObj, int levels); - - // C++: int cv::GeneralizedHoughBallard::getLevels() - private static native int getLevels_0(long nativeObj); - - // C++: void cv::GeneralizedHoughBallard::setVotesThreshold(int votesThreshold) - private static native void setVotesThreshold_0(long nativeObj, int votesThreshold); - - // C++: int cv::GeneralizedHoughBallard::getVotesThreshold() - private static native int getVotesThreshold_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughGuil.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughGuil.java deleted file mode 100644 index 95cca43eeb..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/GeneralizedHoughGuil.java +++ /dev/null @@ -1,319 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.imgproc.GeneralizedHough; - -// C++: class GeneralizedHoughGuil -/** - * finds arbitrary template in the grayscale image using Generalized Hough Transform - * - * Detects position, translation and rotation CITE: Guil1999 . - */ -public class GeneralizedHoughGuil extends GeneralizedHough { - - protected GeneralizedHoughGuil(long addr) { super(addr); } - - // internal usage only - public static GeneralizedHoughGuil __fromPtr__(long addr) { return new GeneralizedHoughGuil(addr); } - - // - // C++: void cv::GeneralizedHoughGuil::setXi(double xi) - // - - public void setXi(double xi) { - setXi_0(nativeObj, xi); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getXi() - // - - public double getXi() { - return getXi_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setLevels(int levels) - // - - public void setLevels(int levels) { - setLevels_0(nativeObj, levels); - } - - - // - // C++: int cv::GeneralizedHoughGuil::getLevels() - // - - public int getLevels() { - return getLevels_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setAngleEpsilon(double angleEpsilon) - // - - public void setAngleEpsilon(double angleEpsilon) { - setAngleEpsilon_0(nativeObj, angleEpsilon); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getAngleEpsilon() - // - - public double getAngleEpsilon() { - return getAngleEpsilon_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setMinAngle(double minAngle) - // - - public void setMinAngle(double minAngle) { - setMinAngle_0(nativeObj, minAngle); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getMinAngle() - // - - public double getMinAngle() { - return getMinAngle_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setMaxAngle(double maxAngle) - // - - public void setMaxAngle(double maxAngle) { - setMaxAngle_0(nativeObj, maxAngle); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getMaxAngle() - // - - public double getMaxAngle() { - return getMaxAngle_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setAngleStep(double angleStep) - // - - public void setAngleStep(double angleStep) { - setAngleStep_0(nativeObj, angleStep); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getAngleStep() - // - - public double getAngleStep() { - return getAngleStep_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setAngleThresh(int angleThresh) - // - - public void setAngleThresh(int angleThresh) { - setAngleThresh_0(nativeObj, angleThresh); - } - - - // - // C++: int cv::GeneralizedHoughGuil::getAngleThresh() - // - - public int getAngleThresh() { - return getAngleThresh_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setMinScale(double minScale) - // - - public void setMinScale(double minScale) { - setMinScale_0(nativeObj, minScale); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getMinScale() - // - - public double getMinScale() { - return getMinScale_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setMaxScale(double maxScale) - // - - public void setMaxScale(double maxScale) { - setMaxScale_0(nativeObj, maxScale); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getMaxScale() - // - - public double getMaxScale() { - return getMaxScale_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setScaleStep(double scaleStep) - // - - public void setScaleStep(double scaleStep) { - setScaleStep_0(nativeObj, scaleStep); - } - - - // - // C++: double cv::GeneralizedHoughGuil::getScaleStep() - // - - public double getScaleStep() { - return getScaleStep_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setScaleThresh(int scaleThresh) - // - - public void setScaleThresh(int scaleThresh) { - setScaleThresh_0(nativeObj, scaleThresh); - } - - - // - // C++: int cv::GeneralizedHoughGuil::getScaleThresh() - // - - public int getScaleThresh() { - return getScaleThresh_0(nativeObj); - } - - - // - // C++: void cv::GeneralizedHoughGuil::setPosThresh(int posThresh) - // - - public void setPosThresh(int posThresh) { - setPosThresh_0(nativeObj, posThresh); - } - - - // - // C++: int cv::GeneralizedHoughGuil::getPosThresh() - // - - public int getPosThresh() { - return getPosThresh_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::GeneralizedHoughGuil::setXi(double xi) - private static native void setXi_0(long nativeObj, double xi); - - // C++: double cv::GeneralizedHoughGuil::getXi() - private static native double getXi_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setLevels(int levels) - private static native void setLevels_0(long nativeObj, int levels); - - // C++: int cv::GeneralizedHoughGuil::getLevels() - private static native int getLevels_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setAngleEpsilon(double angleEpsilon) - private static native void setAngleEpsilon_0(long nativeObj, double angleEpsilon); - - // C++: double cv::GeneralizedHoughGuil::getAngleEpsilon() - private static native double getAngleEpsilon_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setMinAngle(double minAngle) - private static native void setMinAngle_0(long nativeObj, double minAngle); - - // C++: double cv::GeneralizedHoughGuil::getMinAngle() - private static native double getMinAngle_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setMaxAngle(double maxAngle) - private static native void setMaxAngle_0(long nativeObj, double maxAngle); - - // C++: double cv::GeneralizedHoughGuil::getMaxAngle() - private static native double getMaxAngle_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setAngleStep(double angleStep) - private static native void setAngleStep_0(long nativeObj, double angleStep); - - // C++: double cv::GeneralizedHoughGuil::getAngleStep() - private static native double getAngleStep_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setAngleThresh(int angleThresh) - private static native void setAngleThresh_0(long nativeObj, int angleThresh); - - // C++: int cv::GeneralizedHoughGuil::getAngleThresh() - private static native int getAngleThresh_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setMinScale(double minScale) - private static native void setMinScale_0(long nativeObj, double minScale); - - // C++: double cv::GeneralizedHoughGuil::getMinScale() - private static native double getMinScale_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setMaxScale(double maxScale) - private static native void setMaxScale_0(long nativeObj, double maxScale); - - // C++: double cv::GeneralizedHoughGuil::getMaxScale() - private static native double getMaxScale_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setScaleStep(double scaleStep) - private static native void setScaleStep_0(long nativeObj, double scaleStep); - - // C++: double cv::GeneralizedHoughGuil::getScaleStep() - private static native double getScaleStep_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setScaleThresh(int scaleThresh) - private static native void setScaleThresh_0(long nativeObj, int scaleThresh); - - // C++: int cv::GeneralizedHoughGuil::getScaleThresh() - private static native int getScaleThresh_0(long nativeObj); - - // C++: void cv::GeneralizedHoughGuil::setPosThresh(int posThresh) - private static native void setPosThresh_0(long nativeObj, int posThresh); - - // C++: int cv::GeneralizedHoughGuil::getPosThresh() - private static native int getPosThresh_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Imgproc.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/Imgproc.java deleted file mode 100644 index f16542f3a5..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Imgproc.java +++ /dev/null @@ -1,10770 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfInt4; -import org.opencv.core.MatOfPoint; -import org.opencv.core.MatOfPoint2f; -import org.opencv.core.Point; -import org.opencv.core.Rect; -import org.opencv.core.RotatedRect; -import org.opencv.core.Scalar; -import org.opencv.core.Size; -import org.opencv.core.TermCriteria; -import org.opencv.imgproc.CLAHE; -import org.opencv.imgproc.GeneralizedHoughBallard; -import org.opencv.imgproc.GeneralizedHoughGuil; -import org.opencv.imgproc.LineSegmentDetector; -import org.opencv.utils.Converters; - -// C++: class Imgproc - -public class Imgproc { - - private static final int - IPL_BORDER_CONSTANT = 0, - IPL_BORDER_REPLICATE = 1, - IPL_BORDER_REFLECT = 2, - IPL_BORDER_WRAP = 3, - IPL_BORDER_REFLECT_101 = 4, - IPL_BORDER_TRANSPARENT = 5, - CV_INTER_NN = 0, - CV_INTER_LINEAR = 1, - CV_INTER_CUBIC = 2, - CV_INTER_AREA = 3, - CV_INTER_LANCZOS4 = 4, - CV_MOP_ERODE = 0, - CV_MOP_DILATE = 1, - CV_MOP_OPEN = 2, - CV_MOP_CLOSE = 3, - CV_MOP_GRADIENT = 4, - CV_MOP_TOPHAT = 5, - CV_MOP_BLACKHAT = 6, - CV_RETR_EXTERNAL = 0, - CV_RETR_LIST = 1, - CV_RETR_CCOMP = 2, - CV_RETR_TREE = 3, - CV_RETR_FLOODFILL = 4, - CV_CHAIN_APPROX_NONE = 1, - CV_CHAIN_APPROX_SIMPLE = 2, - CV_CHAIN_APPROX_TC89_L1 = 3, - CV_CHAIN_APPROX_TC89_KCOS = 4, - CV_THRESH_BINARY = 0, - CV_THRESH_BINARY_INV = 1, - CV_THRESH_TRUNC = 2, - CV_THRESH_TOZERO = 3, - CV_THRESH_TOZERO_INV = 4, - CV_THRESH_MASK = 7, - CV_THRESH_OTSU = 8, - CV_THRESH_TRIANGLE = 16, - CV_THRESH_DRYRUN = 128; - - - // C++: enum - public static final int - CV_GAUSSIAN_5x5 = 7, - CV_SCHARR = -1, - CV_MAX_SOBEL_KSIZE = 7, - CV_RGBA2mRGBA = 125, - CV_mRGBA2RGBA = 126, - CV_WARP_FILL_OUTLIERS = 8, - CV_WARP_INVERSE_MAP = 16, - CV_WARP_RELATIVE_MAP = 32, - CV_CHAIN_CODE = 0, - CV_LINK_RUNS = 5, - CV_POLY_APPROX_DP = 0, - CV_CONTOURS_MATCH_I1 = 1, - CV_CONTOURS_MATCH_I2 = 2, - CV_CONTOURS_MATCH_I3 = 3, - CV_CLOCKWISE = 1, - CV_COUNTER_CLOCKWISE = 2, - CV_COMP_CORREL = 0, - CV_COMP_CHISQR = 1, - CV_COMP_INTERSECT = 2, - CV_COMP_BHATTACHARYYA = 3, - CV_COMP_HELLINGER = CV_COMP_BHATTACHARYYA, - CV_COMP_CHISQR_ALT = 4, - CV_COMP_KL_DIV = 5, - CV_DIST_MASK_3 = 3, - CV_DIST_MASK_5 = 5, - CV_DIST_MASK_PRECISE = 0, - CV_DIST_LABEL_CCOMP = 0, - CV_DIST_LABEL_PIXEL = 1, - CV_DIST_USER = -1, - CV_DIST_L1 = 1, - CV_DIST_L2 = 2, - CV_DIST_C = 3, - CV_DIST_L12 = 4, - CV_DIST_FAIR = 5, - CV_DIST_WELSCH = 6, - CV_DIST_HUBER = 7, - CV_CANNY_L2_GRADIENT = (1 << 31), - CV_HOUGH_STANDARD = 0, - CV_HOUGH_PROBABILISTIC = 1, - CV_HOUGH_MULTI_SCALE = 2, - CV_HOUGH_GRADIENT = 3; - - - // C++: enum MorphShapes_c (MorphShapes_c) - public static final int - CV_SHAPE_RECT = 0, - CV_SHAPE_CROSS = 1, - CV_SHAPE_ELLIPSE = 2, - CV_SHAPE_DIAMOND = 3, - CV_SHAPE_CUSTOM = 100; - - - // C++: enum SmoothMethod_c (SmoothMethod_c) - public static final int - CV_BLUR_NO_SCALE = 0, - CV_BLUR = 1, - CV_GAUSSIAN = 2, - CV_MEDIAN = 3, - CV_BILATERAL = 4; - - - // C++: enum AdaptiveThresholdTypes (cv.AdaptiveThresholdTypes) - public static final int - ADAPTIVE_THRESH_MEAN_C = 0, - ADAPTIVE_THRESH_GAUSSIAN_C = 1; - - - // C++: enum ColorConversionCodes (cv.ColorConversionCodes) - public static final int - COLOR_BGR2BGRA = 0, - COLOR_RGB2RGBA = COLOR_BGR2BGRA, - COLOR_BGRA2BGR = 1, - COLOR_RGBA2RGB = COLOR_BGRA2BGR, - COLOR_BGR2RGBA = 2, - COLOR_RGB2BGRA = COLOR_BGR2RGBA, - COLOR_RGBA2BGR = 3, - COLOR_BGRA2RGB = COLOR_RGBA2BGR, - COLOR_BGR2RGB = 4, - COLOR_RGB2BGR = COLOR_BGR2RGB, - COLOR_BGRA2RGBA = 5, - COLOR_RGBA2BGRA = COLOR_BGRA2RGBA, - COLOR_BGR2GRAY = 6, - COLOR_RGB2GRAY = 7, - COLOR_GRAY2BGR = 8, - COLOR_GRAY2RGB = COLOR_GRAY2BGR, - COLOR_GRAY2BGRA = 9, - COLOR_GRAY2RGBA = COLOR_GRAY2BGRA, - COLOR_BGRA2GRAY = 10, - COLOR_RGBA2GRAY = 11, - COLOR_BGR2BGR565 = 12, - COLOR_RGB2BGR565 = 13, - COLOR_BGR5652BGR = 14, - COLOR_BGR5652RGB = 15, - COLOR_BGRA2BGR565 = 16, - COLOR_RGBA2BGR565 = 17, - COLOR_BGR5652BGRA = 18, - COLOR_BGR5652RGBA = 19, - COLOR_GRAY2BGR565 = 20, - COLOR_BGR5652GRAY = 21, - COLOR_BGR2BGR555 = 22, - COLOR_RGB2BGR555 = 23, - COLOR_BGR5552BGR = 24, - COLOR_BGR5552RGB = 25, - COLOR_BGRA2BGR555 = 26, - COLOR_RGBA2BGR555 = 27, - COLOR_BGR5552BGRA = 28, - COLOR_BGR5552RGBA = 29, - COLOR_GRAY2BGR555 = 30, - COLOR_BGR5552GRAY = 31, - COLOR_BGR2XYZ = 32, - COLOR_RGB2XYZ = 33, - COLOR_XYZ2BGR = 34, - COLOR_XYZ2RGB = 35, - COLOR_BGR2YCrCb = 36, - COLOR_RGB2YCrCb = 37, - COLOR_YCrCb2BGR = 38, - COLOR_YCrCb2RGB = 39, - COLOR_BGR2HSV = 40, - COLOR_RGB2HSV = 41, - COLOR_BGR2Lab = 44, - COLOR_RGB2Lab = 45, - COLOR_BGR2Luv = 50, - COLOR_RGB2Luv = 51, - COLOR_BGR2HLS = 52, - COLOR_RGB2HLS = 53, - COLOR_HSV2BGR = 54, - COLOR_HSV2RGB = 55, - COLOR_Lab2BGR = 56, - COLOR_Lab2RGB = 57, - COLOR_Luv2BGR = 58, - COLOR_Luv2RGB = 59, - COLOR_HLS2BGR = 60, - COLOR_HLS2RGB = 61, - COLOR_BGR2HSV_FULL = 66, - COLOR_RGB2HSV_FULL = 67, - COLOR_BGR2HLS_FULL = 68, - COLOR_RGB2HLS_FULL = 69, - COLOR_HSV2BGR_FULL = 70, - COLOR_HSV2RGB_FULL = 71, - COLOR_HLS2BGR_FULL = 72, - COLOR_HLS2RGB_FULL = 73, - COLOR_LBGR2Lab = 74, - COLOR_LRGB2Lab = 75, - COLOR_LBGR2Luv = 76, - COLOR_LRGB2Luv = 77, - COLOR_Lab2LBGR = 78, - COLOR_Lab2LRGB = 79, - COLOR_Luv2LBGR = 80, - COLOR_Luv2LRGB = 81, - COLOR_BGR2YUV = 82, - COLOR_RGB2YUV = 83, - COLOR_YUV2BGR = 84, - COLOR_YUV2RGB = 85, - COLOR_YUV2RGB_NV12 = 90, - COLOR_YUV2BGR_NV12 = 91, - COLOR_YUV2RGB_NV21 = 92, - COLOR_YUV2BGR_NV21 = 93, - COLOR_YUV420sp2RGB = COLOR_YUV2RGB_NV21, - COLOR_YUV420sp2BGR = COLOR_YUV2BGR_NV21, - COLOR_YUV2RGBA_NV12 = 94, - COLOR_YUV2BGRA_NV12 = 95, - COLOR_YUV2RGBA_NV21 = 96, - COLOR_YUV2BGRA_NV21 = 97, - COLOR_YUV420sp2RGBA = COLOR_YUV2RGBA_NV21, - COLOR_YUV420sp2BGRA = COLOR_YUV2BGRA_NV21, - COLOR_YUV2RGB_YV12 = 98, - COLOR_YUV2BGR_YV12 = 99, - COLOR_YUV2RGB_IYUV = 100, - COLOR_YUV2BGR_IYUV = 101, - COLOR_YUV2RGB_I420 = COLOR_YUV2RGB_IYUV, - COLOR_YUV2BGR_I420 = COLOR_YUV2BGR_IYUV, - COLOR_YUV420p2RGB = COLOR_YUV2RGB_YV12, - COLOR_YUV420p2BGR = COLOR_YUV2BGR_YV12, - COLOR_YUV2RGBA_YV12 = 102, - COLOR_YUV2BGRA_YV12 = 103, - COLOR_YUV2RGBA_IYUV = 104, - COLOR_YUV2BGRA_IYUV = 105, - COLOR_YUV2RGBA_I420 = COLOR_YUV2RGBA_IYUV, - COLOR_YUV2BGRA_I420 = COLOR_YUV2BGRA_IYUV, - COLOR_YUV420p2RGBA = COLOR_YUV2RGBA_YV12, - COLOR_YUV420p2BGRA = COLOR_YUV2BGRA_YV12, - COLOR_YUV2GRAY_420 = 106, - COLOR_YUV2GRAY_NV21 = COLOR_YUV2GRAY_420, - COLOR_YUV2GRAY_NV12 = COLOR_YUV2GRAY_420, - COLOR_YUV2GRAY_YV12 = COLOR_YUV2GRAY_420, - COLOR_YUV2GRAY_IYUV = COLOR_YUV2GRAY_420, - COLOR_YUV2GRAY_I420 = COLOR_YUV2GRAY_420, - COLOR_YUV420sp2GRAY = COLOR_YUV2GRAY_420, - COLOR_YUV420p2GRAY = COLOR_YUV2GRAY_420, - COLOR_YUV2RGB_UYVY = 107, - COLOR_YUV2BGR_UYVY = 108, - COLOR_YUV2RGB_Y422 = COLOR_YUV2RGB_UYVY, - COLOR_YUV2BGR_Y422 = COLOR_YUV2BGR_UYVY, - COLOR_YUV2RGB_UYNV = COLOR_YUV2RGB_UYVY, - COLOR_YUV2BGR_UYNV = COLOR_YUV2BGR_UYVY, - COLOR_YUV2RGBA_UYVY = 111, - COLOR_YUV2BGRA_UYVY = 112, - COLOR_YUV2RGBA_Y422 = COLOR_YUV2RGBA_UYVY, - COLOR_YUV2BGRA_Y422 = COLOR_YUV2BGRA_UYVY, - COLOR_YUV2RGBA_UYNV = COLOR_YUV2RGBA_UYVY, - COLOR_YUV2BGRA_UYNV = COLOR_YUV2BGRA_UYVY, - COLOR_YUV2RGB_YUY2 = 115, - COLOR_YUV2BGR_YUY2 = 116, - COLOR_YUV2RGB_YVYU = 117, - COLOR_YUV2BGR_YVYU = 118, - COLOR_YUV2RGB_YUYV = COLOR_YUV2RGB_YUY2, - COLOR_YUV2BGR_YUYV = COLOR_YUV2BGR_YUY2, - COLOR_YUV2RGB_YUNV = COLOR_YUV2RGB_YUY2, - COLOR_YUV2BGR_YUNV = COLOR_YUV2BGR_YUY2, - COLOR_YUV2RGBA_YUY2 = 119, - COLOR_YUV2BGRA_YUY2 = 120, - COLOR_YUV2RGBA_YVYU = 121, - COLOR_YUV2BGRA_YVYU = 122, - COLOR_YUV2RGBA_YUYV = COLOR_YUV2RGBA_YUY2, - COLOR_YUV2BGRA_YUYV = COLOR_YUV2BGRA_YUY2, - COLOR_YUV2RGBA_YUNV = COLOR_YUV2RGBA_YUY2, - COLOR_YUV2BGRA_YUNV = COLOR_YUV2BGRA_YUY2, - COLOR_YUV2GRAY_UYVY = 123, - COLOR_YUV2GRAY_YUY2 = 124, - COLOR_YUV2GRAY_Y422 = COLOR_YUV2GRAY_UYVY, - COLOR_YUV2GRAY_UYNV = COLOR_YUV2GRAY_UYVY, - COLOR_YUV2GRAY_YVYU = COLOR_YUV2GRAY_YUY2, - COLOR_YUV2GRAY_YUYV = COLOR_YUV2GRAY_YUY2, - COLOR_YUV2GRAY_YUNV = COLOR_YUV2GRAY_YUY2, - COLOR_RGBA2mRGBA = 125, - COLOR_mRGBA2RGBA = 126, - COLOR_RGB2YUV_I420 = 127, - COLOR_BGR2YUV_I420 = 128, - COLOR_RGB2YUV_IYUV = COLOR_RGB2YUV_I420, - COLOR_BGR2YUV_IYUV = COLOR_BGR2YUV_I420, - COLOR_RGBA2YUV_I420 = 129, - COLOR_BGRA2YUV_I420 = 130, - COLOR_RGBA2YUV_IYUV = COLOR_RGBA2YUV_I420, - COLOR_BGRA2YUV_IYUV = COLOR_BGRA2YUV_I420, - COLOR_RGB2YUV_YV12 = 131, - COLOR_BGR2YUV_YV12 = 132, - COLOR_RGBA2YUV_YV12 = 133, - COLOR_BGRA2YUV_YV12 = 134, - COLOR_BayerBG2BGR = 46, - COLOR_BayerGB2BGR = 47, - COLOR_BayerRG2BGR = 48, - COLOR_BayerGR2BGR = 49, - COLOR_BayerRGGB2BGR = COLOR_BayerBG2BGR, - COLOR_BayerGRBG2BGR = COLOR_BayerGB2BGR, - COLOR_BayerBGGR2BGR = COLOR_BayerRG2BGR, - COLOR_BayerGBRG2BGR = COLOR_BayerGR2BGR, - COLOR_BayerRGGB2RGB = COLOR_BayerBGGR2BGR, - COLOR_BayerGRBG2RGB = COLOR_BayerGBRG2BGR, - COLOR_BayerBGGR2RGB = COLOR_BayerRGGB2BGR, - COLOR_BayerGBRG2RGB = COLOR_BayerGRBG2BGR, - COLOR_BayerBG2RGB = COLOR_BayerRG2BGR, - COLOR_BayerGB2RGB = COLOR_BayerGR2BGR, - COLOR_BayerRG2RGB = COLOR_BayerBG2BGR, - COLOR_BayerGR2RGB = COLOR_BayerGB2BGR, - COLOR_BayerBG2GRAY = 86, - COLOR_BayerGB2GRAY = 87, - COLOR_BayerRG2GRAY = 88, - COLOR_BayerGR2GRAY = 89, - COLOR_BayerRGGB2GRAY = COLOR_BayerBG2GRAY, - COLOR_BayerGRBG2GRAY = COLOR_BayerGB2GRAY, - COLOR_BayerBGGR2GRAY = COLOR_BayerRG2GRAY, - COLOR_BayerGBRG2GRAY = COLOR_BayerGR2GRAY, - COLOR_BayerBG2BGR_VNG = 62, - COLOR_BayerGB2BGR_VNG = 63, - COLOR_BayerRG2BGR_VNG = 64, - COLOR_BayerGR2BGR_VNG = 65, - COLOR_BayerRGGB2BGR_VNG = COLOR_BayerBG2BGR_VNG, - COLOR_BayerGRBG2BGR_VNG = COLOR_BayerGB2BGR_VNG, - COLOR_BayerBGGR2BGR_VNG = COLOR_BayerRG2BGR_VNG, - COLOR_BayerGBRG2BGR_VNG = COLOR_BayerGR2BGR_VNG, - COLOR_BayerRGGB2RGB_VNG = COLOR_BayerBGGR2BGR_VNG, - COLOR_BayerGRBG2RGB_VNG = COLOR_BayerGBRG2BGR_VNG, - COLOR_BayerBGGR2RGB_VNG = COLOR_BayerRGGB2BGR_VNG, - COLOR_BayerGBRG2RGB_VNG = COLOR_BayerGRBG2BGR_VNG, - COLOR_BayerBG2RGB_VNG = COLOR_BayerRG2BGR_VNG, - COLOR_BayerGB2RGB_VNG = COLOR_BayerGR2BGR_VNG, - COLOR_BayerRG2RGB_VNG = COLOR_BayerBG2BGR_VNG, - COLOR_BayerGR2RGB_VNG = COLOR_BayerGB2BGR_VNG, - COLOR_BayerBG2BGR_EA = 135, - COLOR_BayerGB2BGR_EA = 136, - COLOR_BayerRG2BGR_EA = 137, - COLOR_BayerGR2BGR_EA = 138, - COLOR_BayerRGGB2BGR_EA = COLOR_BayerBG2BGR_EA, - COLOR_BayerGRBG2BGR_EA = COLOR_BayerGB2BGR_EA, - COLOR_BayerBGGR2BGR_EA = COLOR_BayerRG2BGR_EA, - COLOR_BayerGBRG2BGR_EA = COLOR_BayerGR2BGR_EA, - COLOR_BayerRGGB2RGB_EA = COLOR_BayerBGGR2BGR_EA, - COLOR_BayerGRBG2RGB_EA = COLOR_BayerGBRG2BGR_EA, - COLOR_BayerBGGR2RGB_EA = COLOR_BayerRGGB2BGR_EA, - COLOR_BayerGBRG2RGB_EA = COLOR_BayerGRBG2BGR_EA, - COLOR_BayerBG2RGB_EA = COLOR_BayerRG2BGR_EA, - COLOR_BayerGB2RGB_EA = COLOR_BayerGR2BGR_EA, - COLOR_BayerRG2RGB_EA = COLOR_BayerBG2BGR_EA, - COLOR_BayerGR2RGB_EA = COLOR_BayerGB2BGR_EA, - COLOR_BayerBG2BGRA = 139, - COLOR_BayerGB2BGRA = 140, - COLOR_BayerRG2BGRA = 141, - COLOR_BayerGR2BGRA = 142, - COLOR_BayerRGGB2BGRA = COLOR_BayerBG2BGRA, - COLOR_BayerGRBG2BGRA = COLOR_BayerGB2BGRA, - COLOR_BayerBGGR2BGRA = COLOR_BayerRG2BGRA, - COLOR_BayerGBRG2BGRA = COLOR_BayerGR2BGRA, - COLOR_BayerRGGB2RGBA = COLOR_BayerBGGR2BGRA, - COLOR_BayerGRBG2RGBA = COLOR_BayerGBRG2BGRA, - COLOR_BayerBGGR2RGBA = COLOR_BayerRGGB2BGRA, - COLOR_BayerGBRG2RGBA = COLOR_BayerGRBG2BGRA, - COLOR_BayerBG2RGBA = COLOR_BayerRG2BGRA, - COLOR_BayerGB2RGBA = COLOR_BayerGR2BGRA, - COLOR_BayerRG2RGBA = COLOR_BayerBG2BGRA, - COLOR_BayerGR2RGBA = COLOR_BayerGB2BGRA, - COLOR_RGB2YUV_UYVY = 143, - COLOR_BGR2YUV_UYVY = 144, - COLOR_RGB2YUV_Y422 = COLOR_RGB2YUV_UYVY, - COLOR_BGR2YUV_Y422 = COLOR_BGR2YUV_UYVY, - COLOR_RGB2YUV_UYNV = COLOR_RGB2YUV_UYVY, - COLOR_BGR2YUV_UYNV = COLOR_BGR2YUV_UYVY, - COLOR_RGBA2YUV_UYVY = 145, - COLOR_BGRA2YUV_UYVY = 146, - COLOR_RGBA2YUV_Y422 = COLOR_RGBA2YUV_UYVY, - COLOR_BGRA2YUV_Y422 = COLOR_BGRA2YUV_UYVY, - COLOR_RGBA2YUV_UYNV = COLOR_RGBA2YUV_UYVY, - COLOR_BGRA2YUV_UYNV = COLOR_BGRA2YUV_UYVY, - COLOR_RGB2YUV_YUY2 = 147, - COLOR_BGR2YUV_YUY2 = 148, - COLOR_RGB2YUV_YVYU = 149, - COLOR_BGR2YUV_YVYU = 150, - COLOR_RGB2YUV_YUYV = COLOR_RGB2YUV_YUY2, - COLOR_BGR2YUV_YUYV = COLOR_BGR2YUV_YUY2, - COLOR_RGB2YUV_YUNV = COLOR_RGB2YUV_YUY2, - COLOR_BGR2YUV_YUNV = COLOR_BGR2YUV_YUY2, - COLOR_RGBA2YUV_YUY2 = 151, - COLOR_BGRA2YUV_YUY2 = 152, - COLOR_RGBA2YUV_YVYU = 153, - COLOR_BGRA2YUV_YVYU = 154, - COLOR_RGBA2YUV_YUYV = COLOR_RGBA2YUV_YUY2, - COLOR_BGRA2YUV_YUYV = COLOR_BGRA2YUV_YUY2, - COLOR_RGBA2YUV_YUNV = COLOR_RGBA2YUV_YUY2, - COLOR_BGRA2YUV_YUNV = COLOR_BGRA2YUV_YUY2, - COLOR_COLORCVT_MAX = 155; - - - // C++: enum ColormapTypes (cv.ColormapTypes) - public static final int - COLORMAP_AUTUMN = 0, - COLORMAP_BONE = 1, - COLORMAP_JET = 2, - COLORMAP_WINTER = 3, - COLORMAP_RAINBOW = 4, - COLORMAP_OCEAN = 5, - COLORMAP_SUMMER = 6, - COLORMAP_SPRING = 7, - COLORMAP_COOL = 8, - COLORMAP_HSV = 9, - COLORMAP_PINK = 10, - COLORMAP_HOT = 11, - COLORMAP_PARULA = 12, - COLORMAP_MAGMA = 13, - COLORMAP_INFERNO = 14, - COLORMAP_PLASMA = 15, - COLORMAP_VIRIDIS = 16, - COLORMAP_CIVIDIS = 17, - COLORMAP_TWILIGHT = 18, - COLORMAP_TWILIGHT_SHIFTED = 19, - COLORMAP_TURBO = 20, - COLORMAP_DEEPGREEN = 21; - - - // C++: enum ConnectedComponentsAlgorithmsTypes (cv.ConnectedComponentsAlgorithmsTypes) - public static final int - CCL_DEFAULT = -1, - CCL_WU = 0, - CCL_GRANA = 1, - CCL_BOLELLI = 2, - CCL_SAUF = 3, - CCL_BBDT = 4, - CCL_SPAGHETTI = 5; - - - // C++: enum ConnectedComponentsTypes (cv.ConnectedComponentsTypes) - public static final int - CC_STAT_LEFT = 0, - CC_STAT_TOP = 1, - CC_STAT_WIDTH = 2, - CC_STAT_HEIGHT = 3, - CC_STAT_AREA = 4, - CC_STAT_MAX = 5; - - - // C++: enum ContourApproximationModes (cv.ContourApproximationModes) - public static final int - CHAIN_APPROX_NONE = 1, - CHAIN_APPROX_SIMPLE = 2, - CHAIN_APPROX_TC89_L1 = 3, - CHAIN_APPROX_TC89_KCOS = 4; - - - // C++: enum DistanceTransformLabelTypes (cv.DistanceTransformLabelTypes) - public static final int - DIST_LABEL_CCOMP = 0, - DIST_LABEL_PIXEL = 1; - - - // C++: enum DistanceTransformMasks (cv.DistanceTransformMasks) - public static final int - DIST_MASK_3 = 3, - DIST_MASK_5 = 5, - DIST_MASK_PRECISE = 0; - - - // C++: enum DistanceTypes (cv.DistanceTypes) - public static final int - DIST_USER = -1, - DIST_L1 = 1, - DIST_L2 = 2, - DIST_C = 3, - DIST_L12 = 4, - DIST_FAIR = 5, - DIST_WELSCH = 6, - DIST_HUBER = 7; - - - // C++: enum FloodFillFlags (cv.FloodFillFlags) - public static final int - FLOODFILL_FIXED_RANGE = 1 << 16, - FLOODFILL_MASK_ONLY = 1 << 17; - - - // C++: enum GrabCutClasses (cv.GrabCutClasses) - public static final int - GC_BGD = 0, - GC_FGD = 1, - GC_PR_BGD = 2, - GC_PR_FGD = 3; - - - // C++: enum GrabCutModes (cv.GrabCutModes) - public static final int - GC_INIT_WITH_RECT = 0, - GC_INIT_WITH_MASK = 1, - GC_EVAL = 2, - GC_EVAL_FREEZE_MODEL = 3; - - - // C++: enum HersheyFonts (cv.HersheyFonts) - public static final int - FONT_HERSHEY_SIMPLEX = 0, - FONT_HERSHEY_PLAIN = 1, - FONT_HERSHEY_DUPLEX = 2, - FONT_HERSHEY_COMPLEX = 3, - FONT_HERSHEY_TRIPLEX = 4, - FONT_HERSHEY_COMPLEX_SMALL = 5, - FONT_HERSHEY_SCRIPT_SIMPLEX = 6, - FONT_HERSHEY_SCRIPT_COMPLEX = 7, - FONT_ITALIC = 16; - - - // C++: enum HistCompMethods (cv.HistCompMethods) - public static final int - HISTCMP_CORREL = 0, - HISTCMP_CHISQR = 1, - HISTCMP_INTERSECT = 2, - HISTCMP_BHATTACHARYYA = 3, - HISTCMP_HELLINGER = HISTCMP_BHATTACHARYYA, - HISTCMP_CHISQR_ALT = 4, - HISTCMP_KL_DIV = 5; - - - // C++: enum HoughModes (cv.HoughModes) - public static final int - HOUGH_STANDARD = 0, - HOUGH_PROBABILISTIC = 1, - HOUGH_MULTI_SCALE = 2, - HOUGH_GRADIENT = 3, - HOUGH_GRADIENT_ALT = 4; - - - // C++: enum InterpolationFlags (cv.InterpolationFlags) - public static final int - INTER_NEAREST = 0, - INTER_LINEAR = 1, - INTER_CUBIC = 2, - INTER_AREA = 3, - INTER_LANCZOS4 = 4, - INTER_LINEAR_EXACT = 5, - INTER_NEAREST_EXACT = 6, - INTER_MAX = 7, - WARP_FILL_OUTLIERS = 8, - WARP_INVERSE_MAP = 16, - WARP_RELATIVE_MAP = 32; - - - // C++: enum InterpolationMasks (cv.InterpolationMasks) - public static final int - INTER_BITS = 5, - INTER_BITS2 = INTER_BITS * 2, - INTER_TAB_SIZE = 1 << INTER_BITS, - INTER_TAB_SIZE2 = INTER_TAB_SIZE * INTER_TAB_SIZE; - - - // C++: enum LineSegmentDetectorModes (cv.LineSegmentDetectorModes) - public static final int - LSD_REFINE_NONE = 0, - LSD_REFINE_STD = 1, - LSD_REFINE_ADV = 2; - - - // C++: enum LineTypes (cv.LineTypes) - public static final int - FILLED = -1, - LINE_4 = 4, - LINE_8 = 8, - LINE_AA = 16; - - - // C++: enum MarkerTypes (cv.MarkerTypes) - public static final int - MARKER_CROSS = 0, - MARKER_TILTED_CROSS = 1, - MARKER_STAR = 2, - MARKER_DIAMOND = 3, - MARKER_SQUARE = 4, - MARKER_TRIANGLE_UP = 5, - MARKER_TRIANGLE_DOWN = 6; - - - // C++: enum MorphShapes (cv.MorphShapes) - public static final int - MORPH_RECT = 0, - MORPH_CROSS = 1, - MORPH_ELLIPSE = 2, - MORPH_DIAMOND = 3; - - - // C++: enum MorphTypes (cv.MorphTypes) - public static final int - MORPH_ERODE = 0, - MORPH_DILATE = 1, - MORPH_OPEN = 2, - MORPH_CLOSE = 3, - MORPH_GRADIENT = 4, - MORPH_TOPHAT = 5, - MORPH_BLACKHAT = 6, - MORPH_HITMISS = 7; - - - // C++: enum RectanglesIntersectTypes (cv.RectanglesIntersectTypes) - public static final int - INTERSECT_NONE = 0, - INTERSECT_PARTIAL = 1, - INTERSECT_FULL = 2; - - - // C++: enum RetrievalModes (cv.RetrievalModes) - public static final int - RETR_EXTERNAL = 0, - RETR_LIST = 1, - RETR_CCOMP = 2, - RETR_TREE = 3, - RETR_FLOODFILL = 4; - - - // C++: enum ShapeMatchModes (cv.ShapeMatchModes) - public static final int - CONTOURS_MATCH_I1 = 1, - CONTOURS_MATCH_I2 = 2, - CONTOURS_MATCH_I3 = 3; - - - // C++: enum SpecialFilter (cv.SpecialFilter) - public static final int - FILTER_SCHARR = -1; - - - // C++: enum TemplateMatchModes (cv.TemplateMatchModes) - public static final int - TM_SQDIFF = 0, - TM_SQDIFF_NORMED = 1, - TM_CCORR = 2, - TM_CCORR_NORMED = 3, - TM_CCOEFF = 4, - TM_CCOEFF_NORMED = 5; - - - // C++: enum ThresholdTypes (cv.ThresholdTypes) - public static final int - THRESH_BINARY = 0, - THRESH_BINARY_INV = 1, - THRESH_TRUNC = 2, - THRESH_TOZERO = 3, - THRESH_TOZERO_INV = 4, - THRESH_MASK = 7, - THRESH_OTSU = 8, - THRESH_TRIANGLE = 16, - THRESH_DRYRUN = 128; - - - // C++: enum WarpPolarMode (cv.WarpPolarMode) - public static final int - WARP_POLAR_LINEAR = 0, - WARP_POLAR_LOG = 256; - - - // - // C++: Ptr_LineSegmentDetector cv::createLineSegmentDetector(int refine = LSD_REFINE_STD, double scale = 0.8, double sigma_scale = 0.6, double quant = 2.0, double ang_th = 22.5, double log_eps = 0, double density_th = 0.7, int n_bins = 1024) - // - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @param quant Bound to the quantization error on the gradient norm. - * @param ang_th Gradient angle tolerance in degrees. - * @param log_eps Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen. - * @param density_th Minimal density of aligned region points in the enclosing rectangle. - * @param n_bins Number of bins in pseudo-ordering of gradient modulus. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps, double density_th, int n_bins) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_0(refine, scale, sigma_scale, quant, ang_th, log_eps, density_th, n_bins)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @param quant Bound to the quantization error on the gradient norm. - * @param ang_th Gradient angle tolerance in degrees. - * @param log_eps Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen. - * @param density_th Minimal density of aligned region points in the enclosing rectangle. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps, double density_th) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_1(refine, scale, sigma_scale, quant, ang_th, log_eps, density_th)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @param quant Bound to the quantization error on the gradient norm. - * @param ang_th Gradient angle tolerance in degrees. - * @param log_eps Detection threshold: -log10(NFA) > log_eps. Used only when advance refinement is chosen. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_2(refine, scale, sigma_scale, quant, ang_th, log_eps)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @param quant Bound to the quantization error on the gradient norm. - * @param ang_th Gradient angle tolerance in degrees. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale, double quant, double ang_th) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_3(refine, scale, sigma_scale, quant, ang_th)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @param quant Bound to the quantization error on the gradient norm. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale, double quant) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_4(refine, scale, sigma_scale, quant)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @param sigma_scale Sigma for Gaussian filter. It is computed as sigma = sigma_scale/scale. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale, double sigma_scale) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_5(refine, scale, sigma_scale)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @param scale The scale of the image that will be used to find the lines. Range (0..1]. - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine, double scale) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_6(refine, scale)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @param refine The way found lines will be refined, see #LineSegmentDetectorModes - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector(int refine) { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_7(refine)); - } - - /** - * Creates a smart pointer to a LineSegmentDetector object and initializes it. - * - * The LineSegmentDetector algorithm is defined using the standard values. Only advanced users may want - * to edit those, as to tailor it for their own application. - * - * @return automatically generated - */ - public static LineSegmentDetector createLineSegmentDetector() { - return LineSegmentDetector.__fromPtr__(createLineSegmentDetector_8()); - } - - - // - // C++: Mat cv::getGaussianKernel(int ksize, double sigma, int ktype = CV_64F) - // - - /** - * Returns Gaussian filter coefficients. - * - * The function computes and returns the \(\texttt{ksize} \times 1\) matrix of Gaussian filter - * coefficients: - * - * \(G_i= \alpha *e^{-(i-( \texttt{ksize} -1)/2)^2/(2* \texttt{sigma}^2)},\) - * - * where \(i=0..\texttt{ksize}-1\) and \(\alpha\) is the scale factor chosen so that \(\sum_i G_i=1\). - * - * Two of such generated kernels can be passed to sepFilter2D. Those functions automatically recognize - * smoothing kernels (a symmetrical kernel with sum of weights equal to 1) and handle them accordingly. - * You may also use the higher-level GaussianBlur. - * @param ksize Aperture size. It should be odd ( \(\texttt{ksize} \mod 2 = 1\) ) and positive. - * @param sigma Gaussian standard deviation. If it is non-positive, it is computed from ksize as - * {@code sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8}. - * @param ktype Type of filter coefficients. It can be CV_32F or CV_64F . - * SEE: sepFilter2D, getDerivKernels, getStructuringElement, GaussianBlur - * @return automatically generated - */ - public static Mat getGaussianKernel(int ksize, double sigma, int ktype) { - return new Mat(getGaussianKernel_0(ksize, sigma, ktype)); - } - - /** - * Returns Gaussian filter coefficients. - * - * The function computes and returns the \(\texttt{ksize} \times 1\) matrix of Gaussian filter - * coefficients: - * - * \(G_i= \alpha *e^{-(i-( \texttt{ksize} -1)/2)^2/(2* \texttt{sigma}^2)},\) - * - * where \(i=0..\texttt{ksize}-1\) and \(\alpha\) is the scale factor chosen so that \(\sum_i G_i=1\). - * - * Two of such generated kernels can be passed to sepFilter2D. Those functions automatically recognize - * smoothing kernels (a symmetrical kernel with sum of weights equal to 1) and handle them accordingly. - * You may also use the higher-level GaussianBlur. - * @param ksize Aperture size. It should be odd ( \(\texttt{ksize} \mod 2 = 1\) ) and positive. - * @param sigma Gaussian standard deviation. If it is non-positive, it is computed from ksize as - * {@code sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8}. - * SEE: sepFilter2D, getDerivKernels, getStructuringElement, GaussianBlur - * @return automatically generated - */ - public static Mat getGaussianKernel(int ksize, double sigma) { - return new Mat(getGaussianKernel_1(ksize, sigma)); - } - - - // - // C++: void cv::getDerivKernels(Mat& kx, Mat& ky, int dx, int dy, int ksize, bool normalize = false, int ktype = CV_32F) - // - - /** - * Returns filter coefficients for computing spatial image derivatives. - * - * The function computes and returns the filter coefficients for spatial image derivatives. When - * {@code ksize=FILTER_SCHARR}, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - * kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to - * - * @param kx Output matrix of row filter coefficients. It has the type ktype . - * @param ky Output matrix of column filter coefficients. It has the type ktype . - * @param dx Derivative order in respect of x. - * @param dy Derivative order in respect of y. - * @param ksize Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7. - * @param normalize Flag indicating whether to normalize (scale down) the filter coefficients or not. - * Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - * going to filter floating-point images, you are likely to use the normalized kernels. But if you - * compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - * all the fractional bits, you may want to set normalize=false . - * @param ktype Type of filter coefficients. It can be CV_32f or CV_64F . - */ - public static void getDerivKernels(Mat kx, Mat ky, int dx, int dy, int ksize, boolean normalize, int ktype) { - getDerivKernels_0(kx.nativeObj, ky.nativeObj, dx, dy, ksize, normalize, ktype); - } - - /** - * Returns filter coefficients for computing spatial image derivatives. - * - * The function computes and returns the filter coefficients for spatial image derivatives. When - * {@code ksize=FILTER_SCHARR}, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - * kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to - * - * @param kx Output matrix of row filter coefficients. It has the type ktype . - * @param ky Output matrix of column filter coefficients. It has the type ktype . - * @param dx Derivative order in respect of x. - * @param dy Derivative order in respect of y. - * @param ksize Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7. - * @param normalize Flag indicating whether to normalize (scale down) the filter coefficients or not. - * Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - * going to filter floating-point images, you are likely to use the normalized kernels. But if you - * compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - * all the fractional bits, you may want to set normalize=false . - */ - public static void getDerivKernels(Mat kx, Mat ky, int dx, int dy, int ksize, boolean normalize) { - getDerivKernels_1(kx.nativeObj, ky.nativeObj, dx, dy, ksize, normalize); - } - - /** - * Returns filter coefficients for computing spatial image derivatives. - * - * The function computes and returns the filter coefficients for spatial image derivatives. When - * {@code ksize=FILTER_SCHARR}, the Scharr \(3 \times 3\) kernels are generated (see #Scharr). Otherwise, Sobel - * kernels are generated (see #Sobel). The filters are normally passed to #sepFilter2D or to - * - * @param kx Output matrix of row filter coefficients. It has the type ktype . - * @param ky Output matrix of column filter coefficients. It has the type ktype . - * @param dx Derivative order in respect of x. - * @param dy Derivative order in respect of y. - * @param ksize Aperture size. It can be FILTER_SCHARR, 1, 3, 5, or 7. - * Theoretically, the coefficients should have the denominator \(=2^{ksize*2-dx-dy-2}\). If you are - * going to filter floating-point images, you are likely to use the normalized kernels. But if you - * compute derivatives of an 8-bit image, store the results in a 16-bit image, and wish to preserve - * all the fractional bits, you may want to set normalize=false . - */ - public static void getDerivKernels(Mat kx, Mat ky, int dx, int dy, int ksize) { - getDerivKernels_2(kx.nativeObj, ky.nativeObj, dx, dy, ksize); - } - - - // - // C++: Mat cv::getGaborKernel(Size ksize, double sigma, double theta, double lambd, double gamma, double psi = CV_PI*0.5, int ktype = CV_64F) - // - - /** - * Returns Gabor filter coefficients. - * - * For more details about gabor filter equations and parameters, see: [Gabor - * Filter](https://en.wikipedia.org/wiki/Gabor_filter). - * - * @param ksize Size of the filter returned. - * @param sigma Standard deviation of the gaussian envelope. - * @param theta Orientation of the normal to the parallel stripes of a Gabor function. - * @param lambd Wavelength of the sinusoidal factor. - * @param gamma Spatial aspect ratio. - * @param psi Phase offset. - * @param ktype Type of filter coefficients. It can be CV_32F or CV_64F . - * @return automatically generated - */ - public static Mat getGaborKernel(Size ksize, double sigma, double theta, double lambd, double gamma, double psi, int ktype) { - return new Mat(getGaborKernel_0(ksize.width, ksize.height, sigma, theta, lambd, gamma, psi, ktype)); - } - - /** - * Returns Gabor filter coefficients. - * - * For more details about gabor filter equations and parameters, see: [Gabor - * Filter](https://en.wikipedia.org/wiki/Gabor_filter). - * - * @param ksize Size of the filter returned. - * @param sigma Standard deviation of the gaussian envelope. - * @param theta Orientation of the normal to the parallel stripes of a Gabor function. - * @param lambd Wavelength of the sinusoidal factor. - * @param gamma Spatial aspect ratio. - * @param psi Phase offset. - * @return automatically generated - */ - public static Mat getGaborKernel(Size ksize, double sigma, double theta, double lambd, double gamma, double psi) { - return new Mat(getGaborKernel_1(ksize.width, ksize.height, sigma, theta, lambd, gamma, psi)); - } - - /** - * Returns Gabor filter coefficients. - * - * For more details about gabor filter equations and parameters, see: [Gabor - * Filter](https://en.wikipedia.org/wiki/Gabor_filter). - * - * @param ksize Size of the filter returned. - * @param sigma Standard deviation of the gaussian envelope. - * @param theta Orientation of the normal to the parallel stripes of a Gabor function. - * @param lambd Wavelength of the sinusoidal factor. - * @param gamma Spatial aspect ratio. - * @return automatically generated - */ - public static Mat getGaborKernel(Size ksize, double sigma, double theta, double lambd, double gamma) { - return new Mat(getGaborKernel_2(ksize.width, ksize.height, sigma, theta, lambd, gamma)); - } - - - // - // C++: Mat cv::getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1)) - // - - /** - * Returns a structuring element of the specified size and shape for morphological operations. - * - * The function constructs and returns the structuring element that can be further passed to #erode, - * #dilate or #morphologyEx. But you can also construct an arbitrary binary mask yourself and use it as - * the structuring element. - * - * @param shape Element shape that could be one of #MorphShapes - * @param ksize Size of the structuring element. - * @param anchor Anchor position within the element. The default value \((-1, -1)\) means that the - * anchor is at the center. Note that only the shape of a cross-shaped element depends on the anchor - * position. In other cases the anchor just regulates how much the result of the morphological - * operation is shifted. - * @return automatically generated - */ - public static Mat getStructuringElement(int shape, Size ksize, Point anchor) { - return new Mat(getStructuringElement_0(shape, ksize.width, ksize.height, anchor.x, anchor.y)); - } - - /** - * Returns a structuring element of the specified size and shape for morphological operations. - * - * The function constructs and returns the structuring element that can be further passed to #erode, - * #dilate or #morphologyEx. But you can also construct an arbitrary binary mask yourself and use it as - * the structuring element. - * - * @param shape Element shape that could be one of #MorphShapes - * @param ksize Size of the structuring element. - * anchor is at the center. Note that only the shape of a cross-shaped element depends on the anchor - * position. In other cases the anchor just regulates how much the result of the morphological - * operation is shifted. - * @return automatically generated - */ - public static Mat getStructuringElement(int shape, Size ksize) { - return new Mat(getStructuringElement_1(shape, ksize.width, ksize.height)); - } - - - // - // C++: void cv::medianBlur(Mat src, Mat& dst, int ksize) - // - - /** - * Blurs an image using the median filter. - * - * The function smoothes an image using the median filter with the \(\texttt{ksize} \times - * \texttt{ksize}\) aperture. Each channel of a multi-channel image is processed independently. - * In-place operation is supported. - * - * Note: The median filter uses #BORDER_REPLICATE internally to cope with border pixels, see #BorderTypes - * - * @param src input 1-, 3-, or 4-channel image; when ksize is 3 or 5, the image depth should be - * CV_8U, CV_16U, or CV_32F, for larger aperture sizes, it can only be CV_8U. - * @param dst destination array of the same size and type as src. - * @param ksize aperture linear size; it must be odd and greater than 1, for example: 3, 5, 7 ... - * SEE: bilateralFilter, blur, boxFilter, GaussianBlur - */ - public static void medianBlur(Mat src, Mat dst, int ksize) { - medianBlur_0(src.nativeObj, dst.nativeObj, ksize); - } - - - // - // C++: void cv::GaussianBlur(Mat src, Mat& dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - // - - /** - * Blurs an image using a Gaussian filter. - * - * The function convolves the source image with the specified Gaussian kernel. In-place filtering is - * supported. - * - * @param src input image; the image can have any number of channels, which are processed - * independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - * positive and odd. Or, they can be zero's and then they are computed from sigma. - * @param sigmaX Gaussian kernel standard deviation in X direction. - * @param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - * equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - * respectively (see #getGaussianKernel for details); to fully control the result regardless of - * possible future modifications of all this semantics, it is recommended to specify all of ksize, - * sigmaX, and sigmaY. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * @param hint Implementation modfication flags. See #AlgorithmHint - * - * SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur - */ - public static void GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX, double sigmaY, int borderType, int hint) { - GaussianBlur_0(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, sigmaX, sigmaY, borderType, hint); - } - - /** - * Blurs an image using a Gaussian filter. - * - * The function convolves the source image with the specified Gaussian kernel. In-place filtering is - * supported. - * - * @param src input image; the image can have any number of channels, which are processed - * independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - * positive and odd. Or, they can be zero's and then they are computed from sigma. - * @param sigmaX Gaussian kernel standard deviation in X direction. - * @param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - * equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - * respectively (see #getGaussianKernel for details); to fully control the result regardless of - * possible future modifications of all this semantics, it is recommended to specify all of ksize, - * sigmaX, and sigmaY. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * - * SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur - */ - public static void GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX, double sigmaY, int borderType) { - GaussianBlur_1(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, sigmaX, sigmaY, borderType); - } - - /** - * Blurs an image using a Gaussian filter. - * - * The function convolves the source image with the specified Gaussian kernel. In-place filtering is - * supported. - * - * @param src input image; the image can have any number of channels, which are processed - * independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - * positive and odd. Or, they can be zero's and then they are computed from sigma. - * @param sigmaX Gaussian kernel standard deviation in X direction. - * @param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be - * equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - * respectively (see #getGaussianKernel for details); to fully control the result regardless of - * possible future modifications of all this semantics, it is recommended to specify all of ksize, - * sigmaX, and sigmaY. - * - * SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur - */ - public static void GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX, double sigmaY) { - GaussianBlur_2(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, sigmaX, sigmaY); - } - - /** - * Blurs an image using a Gaussian filter. - * - * The function convolves the source image with the specified Gaussian kernel. In-place filtering is - * supported. - * - * @param src input image; the image can have any number of channels, which are processed - * independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be - * positive and odd. Or, they can be zero's and then they are computed from sigma. - * @param sigmaX Gaussian kernel standard deviation in X direction. - * equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height, - * respectively (see #getGaussianKernel for details); to fully control the result regardless of - * possible future modifications of all this semantics, it is recommended to specify all of ksize, - * sigmaX, and sigmaY. - * - * SEE: sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur - */ - public static void GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) { - GaussianBlur_3(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, sigmaX); - } - - - // - // C++: void cv::bilateralFilter(Mat src, Mat& dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT) - // - - /** - * Applies the bilateral filter to an image. - * - * The function applies bilateral filtering to the input image, as described in - * https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html - * bilateralFilter can reduce unwanted noise very well while keeping edges fairly sharp. However, it is - * very slow compared to most filters. - * - * _Sigma values_: For simplicity, you can set the 2 sigma values to be the same. If they are small (< - * 10), the filter will not have much effect, whereas if they are large (> 150), they will have a very - * strong effect, making the image look "cartoonish". - * - * _Filter size_: Large filters (d > 5) are very slow, so it is recommended to use d=5 for real-time - * applications, and perhaps d=9 for offline applications that need heavy noise filtering. - * - * This filter does not work inplace. - * @param src Source 8-bit or floating-point, 1-channel or 3-channel image. - * @param dst Destination image of the same size and type as src . - * @param d Diameter of each pixel neighborhood that is used during filtering. If it is non-positive, - * it is computed from sigmaSpace. - * @param sigmaColor Filter sigma in the color space. A larger value of the parameter means that - * farther colors within the pixel neighborhood (see sigmaSpace) will be mixed together, resulting - * in larger areas of semi-equal color. - * @param sigmaSpace Filter sigma in the coordinate space. A larger value of the parameter means that - * farther pixels will influence each other as long as their colors are close enough (see sigmaColor - * ). When d>0, it specifies the neighborhood size regardless of sigmaSpace. Otherwise, d is - * proportional to sigmaSpace. - * @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes - */ - public static void bilateralFilter(Mat src, Mat dst, int d, double sigmaColor, double sigmaSpace, int borderType) { - bilateralFilter_0(src.nativeObj, dst.nativeObj, d, sigmaColor, sigmaSpace, borderType); - } - - /** - * Applies the bilateral filter to an image. - * - * The function applies bilateral filtering to the input image, as described in - * https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html - * bilateralFilter can reduce unwanted noise very well while keeping edges fairly sharp. However, it is - * very slow compared to most filters. - * - * _Sigma values_: For simplicity, you can set the 2 sigma values to be the same. If they are small (< - * 10), the filter will not have much effect, whereas if they are large (> 150), they will have a very - * strong effect, making the image look "cartoonish". - * - * _Filter size_: Large filters (d > 5) are very slow, so it is recommended to use d=5 for real-time - * applications, and perhaps d=9 for offline applications that need heavy noise filtering. - * - * This filter does not work inplace. - * @param src Source 8-bit or floating-point, 1-channel or 3-channel image. - * @param dst Destination image of the same size and type as src . - * @param d Diameter of each pixel neighborhood that is used during filtering. If it is non-positive, - * it is computed from sigmaSpace. - * @param sigmaColor Filter sigma in the color space. A larger value of the parameter means that - * farther colors within the pixel neighborhood (see sigmaSpace) will be mixed together, resulting - * in larger areas of semi-equal color. - * @param sigmaSpace Filter sigma in the coordinate space. A larger value of the parameter means that - * farther pixels will influence each other as long as their colors are close enough (see sigmaColor - * ). When d>0, it specifies the neighborhood size regardless of sigmaSpace. Otherwise, d is - * proportional to sigmaSpace. - */ - public static void bilateralFilter(Mat src, Mat dst, int d, double sigmaColor, double sigmaSpace) { - bilateralFilter_1(src.nativeObj, dst.nativeObj, d, sigmaColor, sigmaSpace); - } - - - // - // C++: void cv::boxFilter(Mat src, Mat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1), bool normalize = true, int borderType = BORDER_DEFAULT) - // - - /** - * Blurs an image using the box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - * - * where - * - * \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - * - * Unnormalized box filter is useful for computing various integral characteristics over each pixel - * neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - * algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral. - * - * @param src input image. - * @param dst output image of the same size and type as src. - * @param ddepth the output image depth (-1 to use src.depth()). - * @param ksize blurring kernel size. - * @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel - * center. - * @param normalize flag, specifying whether the kernel is normalized by its area or not. - * @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral - */ - public static void boxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor, boolean normalize, int borderType) { - boxFilter_0(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y, normalize, borderType); - } - - /** - * Blurs an image using the box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - * - * where - * - * \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - * - * Unnormalized box filter is useful for computing various integral characteristics over each pixel - * neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - * algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral. - * - * @param src input image. - * @param dst output image of the same size and type as src. - * @param ddepth the output image depth (-1 to use src.depth()). - * @param ksize blurring kernel size. - * @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel - * center. - * @param normalize flag, specifying whether the kernel is normalized by its area or not. - * SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral - */ - public static void boxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor, boolean normalize) { - boxFilter_1(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y, normalize); - } - - /** - * Blurs an image using the box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - * - * where - * - * \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - * - * Unnormalized box filter is useful for computing various integral characteristics over each pixel - * neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - * algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral. - * - * @param src input image. - * @param dst output image of the same size and type as src. - * @param ddepth the output image depth (-1 to use src.depth()). - * @param ksize blurring kernel size. - * @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel - * center. - * SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral - */ - public static void boxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor) { - boxFilter_2(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y); - } - - /** - * Blurs an image using the box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\) - * - * where - * - * \(\alpha = \begin{cases} \frac{1}{\texttt{ksize.width*ksize.height}} & \texttt{when } \texttt{normalize=true} \\1 & \texttt{otherwise}\end{cases}\) - * - * Unnormalized box filter is useful for computing various integral characteristics over each pixel - * neighborhood, such as covariance matrices of image derivatives (used in dense optical flow - * algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral. - * - * @param src input image. - * @param dst output image of the same size and type as src. - * @param ddepth the output image depth (-1 to use src.depth()). - * @param ksize blurring kernel size. - * center. - * SEE: blur, bilateralFilter, GaussianBlur, medianBlur, integral - */ - public static void boxFilter(Mat src, Mat dst, int ddepth, Size ksize) { - boxFilter_3(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height); - } - - - // - // C++: void cv::sqrBoxFilter(Mat src, Mat& dst, int ddepth, Size ksize, Point anchor = Point(-1, -1), bool normalize = true, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the normalized sum of squares of the pixel values overlapping the filter. - * - * For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - * pixel values which overlap the filter placed over the pixel \( (x, y) \). - * - * The unnormalized square box filter can be useful in computing local image statistics such as the local - * variance and standard deviation around the neighborhood of a pixel. - * - * @param src input image - * @param dst output image of the same size and type as src - * @param ddepth the output image depth (-1 to use src.depth()) - * @param ksize kernel size - * @param anchor kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - * center. - * @param normalize flag, specifying whether the kernel is to be normalized by it's area or not. - * @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: boxFilter - */ - public static void sqrBoxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor, boolean normalize, int borderType) { - sqrBoxFilter_0(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y, normalize, borderType); - } - - /** - * Calculates the normalized sum of squares of the pixel values overlapping the filter. - * - * For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - * pixel values which overlap the filter placed over the pixel \( (x, y) \). - * - * The unnormalized square box filter can be useful in computing local image statistics such as the local - * variance and standard deviation around the neighborhood of a pixel. - * - * @param src input image - * @param dst output image of the same size and type as src - * @param ddepth the output image depth (-1 to use src.depth()) - * @param ksize kernel size - * @param anchor kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - * center. - * @param normalize flag, specifying whether the kernel is to be normalized by it's area or not. - * SEE: boxFilter - */ - public static void sqrBoxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor, boolean normalize) { - sqrBoxFilter_1(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y, normalize); - } - - /** - * Calculates the normalized sum of squares of the pixel values overlapping the filter. - * - * For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - * pixel values which overlap the filter placed over the pixel \( (x, y) \). - * - * The unnormalized square box filter can be useful in computing local image statistics such as the local - * variance and standard deviation around the neighborhood of a pixel. - * - * @param src input image - * @param dst output image of the same size and type as src - * @param ddepth the output image depth (-1 to use src.depth()) - * @param ksize kernel size - * @param anchor kernel anchor point. The default value of Point(-1, -1) denotes that the anchor is at the kernel - * center. - * SEE: boxFilter - */ - public static void sqrBoxFilter(Mat src, Mat dst, int ddepth, Size ksize, Point anchor) { - sqrBoxFilter_2(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height, anchor.x, anchor.y); - } - - /** - * Calculates the normalized sum of squares of the pixel values overlapping the filter. - * - * For every pixel \( (x, y) \) in the source image, the function calculates the sum of squares of those neighboring - * pixel values which overlap the filter placed over the pixel \( (x, y) \). - * - * The unnormalized square box filter can be useful in computing local image statistics such as the local - * variance and standard deviation around the neighborhood of a pixel. - * - * @param src input image - * @param dst output image of the same size and type as src - * @param ddepth the output image depth (-1 to use src.depth()) - * @param ksize kernel size - * center. - * SEE: boxFilter - */ - public static void sqrBoxFilter(Mat src, Mat dst, int ddepth, Size ksize) { - sqrBoxFilter_3(src.nativeObj, dst.nativeObj, ddepth, ksize.width, ksize.height); - } - - - // - // C++: void cv::blur(Mat src, Mat& dst, Size ksize, Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT) - // - - /** - * Blurs an image using the normalized box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - * - * The call {@code blur(src, dst, ksize, anchor, borderType)} is equivalent to `boxFilter(src, dst, src.type(), ksize, - * anchor, true, borderType)`. - * - * @param src input image; it can have any number of channels, which are processed independently, but - * the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize blurring kernel size. - * @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel - * center. - * @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur - */ - public static void blur(Mat src, Mat dst, Size ksize, Point anchor, int borderType) { - blur_0(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, anchor.x, anchor.y, borderType); - } - - /** - * Blurs an image using the normalized box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - * - * The call {@code blur(src, dst, ksize, anchor, borderType)} is equivalent to `boxFilter(src, dst, src.type(), ksize, - * anchor, true, borderType)`. - * - * @param src input image; it can have any number of channels, which are processed independently, but - * the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize blurring kernel size. - * @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel - * center. - * SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur - */ - public static void blur(Mat src, Mat dst, Size ksize, Point anchor) { - blur_1(src.nativeObj, dst.nativeObj, ksize.width, ksize.height, anchor.x, anchor.y); - } - - /** - * Blurs an image using the normalized box filter. - * - * The function smooths an image using the kernel: - * - * \(\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\) - * - * The call {@code blur(src, dst, ksize, anchor, borderType)} is equivalent to `boxFilter(src, dst, src.type(), ksize, - * anchor, true, borderType)`. - * - * @param src input image; it can have any number of channels, which are processed independently, but - * the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param ksize blurring kernel size. - * center. - * SEE: boxFilter, bilateralFilter, GaussianBlur, medianBlur - */ - public static void blur(Mat src, Mat dst, Size ksize) { - blur_2(src.nativeObj, dst.nativeObj, ksize.width, ksize.height); - } - - - // - // C++: void cv::stackBlur(Mat src, Mat& dst, Size ksize) - // - - /** - * Blurs an image using the stackBlur. - * - * The function applies and stackBlur to an image. - * stackBlur can generate similar results as Gaussian blur, and the time consumption does not increase with the increase of kernel size. - * It creates a kind of moving stack of colors whilst scanning through the image. Thereby it just has to add one new block of color to the right side - * of the stack and remove the leftmost color. The remaining colors on the topmost layer of the stack are either added on or reduced by one, - * depending on if they are on the right or on the left side of the stack. The only supported borderType is BORDER_REPLICATE. - * Original paper was proposed by Mario Klingemann, which can be found https://underdestruction.com/2004/02/25/stackblur-2004. - * - * @param src input image. The number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S or CV_32F. - * @param dst output image of the same size and type as src. - * @param ksize stack-blurring kernel size. The ksize.width and ksize.height can differ but they both must be - * positive and odd. - */ - public static void stackBlur(Mat src, Mat dst, Size ksize) { - stackBlur_0(src.nativeObj, dst.nativeObj, ksize.width, ksize.height); - } - - - // - // C++: void cv::filter2D(Mat src, Mat& dst, int ddepth, Mat kernel, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT) - // - - /** - * Convolves an image with the kernel. - * - * The function applies an arbitrary linear filter to an image. In-place operation is supported. When - * the aperture is partially outside the image, the function interpolates outlier pixel values - * according to the specified border mode. - * - * The function does actually compute correlation, not the convolution: - * - * \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - * - * That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - * the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - * anchor.y - 1)`. - * - * The function uses the DFT-based algorithm in case of sufficiently large kernels (~{@code 11 x 11} or - * larger) and the direct algorithm for small kernels. - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth desired depth of the destination image, see REF: filter_depths "combinations" - * @param kernel convolution kernel (or rather a correlation kernel), a single-channel floating point - * matrix; if you want to apply different kernels to different channels, split the image into - * separate color planes using split and process them individually. - * @param anchor anchor of the kernel that indicates the relative position of a filtered point within - * the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - * is at the kernel center. - * @param delta optional value added to the filtered pixels before storing them in dst. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: sepFilter2D, dft, matchTemplate - */ - public static void filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor, double delta, int borderType) { - filter2D_0(src.nativeObj, dst.nativeObj, ddepth, kernel.nativeObj, anchor.x, anchor.y, delta, borderType); - } - - /** - * Convolves an image with the kernel. - * - * The function applies an arbitrary linear filter to an image. In-place operation is supported. When - * the aperture is partially outside the image, the function interpolates outlier pixel values - * according to the specified border mode. - * - * The function does actually compute correlation, not the convolution: - * - * \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - * - * That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - * the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - * anchor.y - 1)`. - * - * The function uses the DFT-based algorithm in case of sufficiently large kernels (~{@code 11 x 11} or - * larger) and the direct algorithm for small kernels. - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth desired depth of the destination image, see REF: filter_depths "combinations" - * @param kernel convolution kernel (or rather a correlation kernel), a single-channel floating point - * matrix; if you want to apply different kernels to different channels, split the image into - * separate color planes using split and process them individually. - * @param anchor anchor of the kernel that indicates the relative position of a filtered point within - * the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - * is at the kernel center. - * @param delta optional value added to the filtered pixels before storing them in dst. - * SEE: sepFilter2D, dft, matchTemplate - */ - public static void filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor, double delta) { - filter2D_1(src.nativeObj, dst.nativeObj, ddepth, kernel.nativeObj, anchor.x, anchor.y, delta); - } - - /** - * Convolves an image with the kernel. - * - * The function applies an arbitrary linear filter to an image. In-place operation is supported. When - * the aperture is partially outside the image, the function interpolates outlier pixel values - * according to the specified border mode. - * - * The function does actually compute correlation, not the convolution: - * - * \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - * - * That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - * the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - * anchor.y - 1)`. - * - * The function uses the DFT-based algorithm in case of sufficiently large kernels (~{@code 11 x 11} or - * larger) and the direct algorithm for small kernels. - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth desired depth of the destination image, see REF: filter_depths "combinations" - * @param kernel convolution kernel (or rather a correlation kernel), a single-channel floating point - * matrix; if you want to apply different kernels to different channels, split the image into - * separate color planes using split and process them individually. - * @param anchor anchor of the kernel that indicates the relative position of a filtered point within - * the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - * is at the kernel center. - * SEE: sepFilter2D, dft, matchTemplate - */ - public static void filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor) { - filter2D_2(src.nativeObj, dst.nativeObj, ddepth, kernel.nativeObj, anchor.x, anchor.y); - } - - /** - * Convolves an image with the kernel. - * - * The function applies an arbitrary linear filter to an image. In-place operation is supported. When - * the aperture is partially outside the image, the function interpolates outlier pixel values - * according to the specified border mode. - * - * The function does actually compute correlation, not the convolution: - * - * \(\texttt{dst} (x,y) = \sum _{ \substack{0\leq x' < \texttt{kernel.cols}\\{0\leq y' < \texttt{kernel.rows}}}} \texttt{kernel} (x',y')* \texttt{src} (x+x'- \texttt{anchor.x} ,y+y'- \texttt{anchor.y} )\) - * - * That is, the kernel is not mirrored around the anchor point. If you need a real convolution, flip - * the kernel using #flip and set the new anchor to `(kernel.cols - anchor.x - 1, kernel.rows - - * anchor.y - 1)`. - * - * The function uses the DFT-based algorithm in case of sufficiently large kernels (~{@code 11 x 11} or - * larger) and the direct algorithm for small kernels. - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth desired depth of the destination image, see REF: filter_depths "combinations" - * @param kernel convolution kernel (or rather a correlation kernel), a single-channel floating point - * matrix; if you want to apply different kernels to different channels, split the image into - * separate color planes using split and process them individually. - * the kernel; the anchor should lie within the kernel; default value (-1,-1) means that the anchor - * is at the kernel center. - * SEE: sepFilter2D, dft, matchTemplate - */ - public static void filter2D(Mat src, Mat dst, int ddepth, Mat kernel) { - filter2D_3(src.nativeObj, dst.nativeObj, ddepth, kernel.nativeObj); - } - - - // - // C++: void cv::sepFilter2D(Mat src, Mat& dst, int ddepth, Mat kernelX, Mat kernelY, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT) - // - - /** - * Applies a separable linear filter to an image. - * - * The function applies a separable linear filter to the image. That is, first, every row of src is - * filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - * kernel kernelY. The final result shifted by delta is stored in dst . - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Destination image depth, see REF: filter_depths "combinations" - * @param kernelX Coefficients for filtering each row. - * @param kernelY Coefficients for filtering each column. - * @param anchor Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - * is at the kernel center. - * @param delta Value added to the filtered results before storing them. - * @param borderType Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur - */ - public static void sepFilter2D(Mat src, Mat dst, int ddepth, Mat kernelX, Mat kernelY, Point anchor, double delta, int borderType) { - sepFilter2D_0(src.nativeObj, dst.nativeObj, ddepth, kernelX.nativeObj, kernelY.nativeObj, anchor.x, anchor.y, delta, borderType); - } - - /** - * Applies a separable linear filter to an image. - * - * The function applies a separable linear filter to the image. That is, first, every row of src is - * filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - * kernel kernelY. The final result shifted by delta is stored in dst . - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Destination image depth, see REF: filter_depths "combinations" - * @param kernelX Coefficients for filtering each row. - * @param kernelY Coefficients for filtering each column. - * @param anchor Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - * is at the kernel center. - * @param delta Value added to the filtered results before storing them. - * SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur - */ - public static void sepFilter2D(Mat src, Mat dst, int ddepth, Mat kernelX, Mat kernelY, Point anchor, double delta) { - sepFilter2D_1(src.nativeObj, dst.nativeObj, ddepth, kernelX.nativeObj, kernelY.nativeObj, anchor.x, anchor.y, delta); - } - - /** - * Applies a separable linear filter to an image. - * - * The function applies a separable linear filter to the image. That is, first, every row of src is - * filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - * kernel kernelY. The final result shifted by delta is stored in dst . - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Destination image depth, see REF: filter_depths "combinations" - * @param kernelX Coefficients for filtering each row. - * @param kernelY Coefficients for filtering each column. - * @param anchor Anchor position within the kernel. The default value \((-1,-1)\) means that the anchor - * is at the kernel center. - * SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur - */ - public static void sepFilter2D(Mat src, Mat dst, int ddepth, Mat kernelX, Mat kernelY, Point anchor) { - sepFilter2D_2(src.nativeObj, dst.nativeObj, ddepth, kernelX.nativeObj, kernelY.nativeObj, anchor.x, anchor.y); - } - - /** - * Applies a separable linear filter to an image. - * - * The function applies a separable linear filter to the image. That is, first, every row of src is - * filtered with the 1D kernel kernelX. Then, every column of the result is filtered with the 1D - * kernel kernelY. The final result shifted by delta is stored in dst . - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Destination image depth, see REF: filter_depths "combinations" - * @param kernelX Coefficients for filtering each row. - * @param kernelY Coefficients for filtering each column. - * is at the kernel center. - * SEE: filter2D, Sobel, GaussianBlur, boxFilter, blur - */ - public static void sepFilter2D(Mat src, Mat dst, int ddepth, Mat kernelX, Mat kernelY) { - sepFilter2D_3(src.nativeObj, dst.nativeObj, ddepth, kernelX.nativeObj, kernelY.nativeObj); - } - - - // - // C++: void cv::Sobel(Mat src, Mat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - * - * In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - * calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - * kernel is used (that is, no Gaussian smoothing is done). {@code ksize = 1} can only be used for the first - * or the second x- or y- derivatives. - * - * There is also the special value {@code ksize = #FILTER_SCHARR (-1)} that corresponds to the \(3\times3\) Scharr - * filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - * - * \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - * - * for the x-derivative, or transposed for the y-derivative. - * - * The function calculates an image derivative by convolving the image with the appropriate kernel: - * - * \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - * - * The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - * resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - * or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - * case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - * - * The second case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src . - * @param ddepth output image depth, see REF: filter_depths "combinations"; in the case of - * 8-bit input images it will result in truncated derivatives. - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * @param delta optional delta value that is added to the results prior to storing them in dst. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar - */ - public static void Sobel(Mat src, Mat dst, int ddepth, int dx, int dy, int ksize, double scale, double delta, int borderType) { - Sobel_0(src.nativeObj, dst.nativeObj, ddepth, dx, dy, ksize, scale, delta, borderType); - } - - /** - * Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - * - * In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - * calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - * kernel is used (that is, no Gaussian smoothing is done). {@code ksize = 1} can only be used for the first - * or the second x- or y- derivatives. - * - * There is also the special value {@code ksize = #FILTER_SCHARR (-1)} that corresponds to the \(3\times3\) Scharr - * filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - * - * \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - * - * for the x-derivative, or transposed for the y-derivative. - * - * The function calculates an image derivative by convolving the image with the appropriate kernel: - * - * \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - * - * The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - * resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - * or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - * case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - * - * The second case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src . - * @param ddepth output image depth, see REF: filter_depths "combinations"; in the case of - * 8-bit input images it will result in truncated derivatives. - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * @param delta optional delta value that is added to the results prior to storing them in dst. - * SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar - */ - public static void Sobel(Mat src, Mat dst, int ddepth, int dx, int dy, int ksize, double scale, double delta) { - Sobel_1(src.nativeObj, dst.nativeObj, ddepth, dx, dy, ksize, scale, delta); - } - - /** - * Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - * - * In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - * calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - * kernel is used (that is, no Gaussian smoothing is done). {@code ksize = 1} can only be used for the first - * or the second x- or y- derivatives. - * - * There is also the special value {@code ksize = #FILTER_SCHARR (-1)} that corresponds to the \(3\times3\) Scharr - * filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - * - * \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - * - * for the x-derivative, or transposed for the y-derivative. - * - * The function calculates an image derivative by convolving the image with the appropriate kernel: - * - * \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - * - * The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - * resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - * or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - * case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - * - * The second case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src . - * @param ddepth output image depth, see REF: filter_depths "combinations"; in the case of - * 8-bit input images it will result in truncated derivatives. - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar - */ - public static void Sobel(Mat src, Mat dst, int ddepth, int dx, int dy, int ksize, double scale) { - Sobel_2(src.nativeObj, dst.nativeObj, ddepth, dx, dy, ksize, scale); - } - - /** - * Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - * - * In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - * calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - * kernel is used (that is, no Gaussian smoothing is done). {@code ksize = 1} can only be used for the first - * or the second x- or y- derivatives. - * - * There is also the special value {@code ksize = #FILTER_SCHARR (-1)} that corresponds to the \(3\times3\) Scharr - * filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - * - * \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - * - * for the x-derivative, or transposed for the y-derivative. - * - * The function calculates an image derivative by convolving the image with the appropriate kernel: - * - * \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - * - * The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - * resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - * or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - * case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - * - * The second case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src . - * @param ddepth output image depth, see REF: filter_depths "combinations"; in the case of - * 8-bit input images it will result in truncated derivatives. - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7. - * applied (see #getDerivKernels for details). - * SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar - */ - public static void Sobel(Mat src, Mat dst, int ddepth, int dx, int dy, int ksize) { - Sobel_3(src.nativeObj, dst.nativeObj, ddepth, dx, dy, ksize); - } - - /** - * Calculates the first, second, third, or mixed image derivatives using an extended Sobel operator. - * - * In all cases except one, the \(\texttt{ksize} \times \texttt{ksize}\) separable kernel is used to - * calculate the derivative. When \(\texttt{ksize = 1}\), the \(3 \times 1\) or \(1 \times 3\) - * kernel is used (that is, no Gaussian smoothing is done). {@code ksize = 1} can only be used for the first - * or the second x- or y- derivatives. - * - * There is also the special value {@code ksize = #FILTER_SCHARR (-1)} that corresponds to the \(3\times3\) Scharr - * filter that may give more accurate results than the \(3\times3\) Sobel. The Scharr aperture is - * - * \(\vecthreethree{-3}{0}{3}{-10}{0}{10}{-3}{0}{3}\) - * - * for the x-derivative, or transposed for the y-derivative. - * - * The function calculates an image derivative by convolving the image with the appropriate kernel: - * - * \(\texttt{dst} = \frac{\partial^{xorder+yorder} \texttt{src}}{\partial x^{xorder} \partial y^{yorder}}\) - * - * The Sobel operators combine Gaussian smoothing and differentiation, so the result is more or less - * resistant to the noise. Most often, the function is called with ( xorder = 1, yorder = 0, ksize = 3) - * or ( xorder = 0, yorder = 1, ksize = 3) to calculate the first x- or y- image derivative. The first - * case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{0}{1}{-2}{0}{2}{-1}{0}{1}\) - * - * The second case corresponds to a kernel of: - * - * \(\vecthreethree{-1}{-2}{-1}{0}{0}{0}{1}{2}{1}\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src . - * @param ddepth output image depth, see REF: filter_depths "combinations"; in the case of - * 8-bit input images it will result in truncated derivatives. - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * applied (see #getDerivKernels for details). - * SEE: Scharr, Laplacian, sepFilter2D, filter2D, GaussianBlur, cartToPolar - */ - public static void Sobel(Mat src, Mat dst, int ddepth, int dx, int dy) { - Sobel_4(src.nativeObj, dst.nativeObj, ddepth, dx, dy); - } - - - // - // C++: void cv::spatialGradient(Mat src, Mat& dx, Mat& dy, int ksize = 3, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the first order image derivative in both x and y using a Sobel operator - * - * Equivalent to calling: - * - * - * Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - * Sobel( src, dy, CV_16SC1, 0, 1, 3 ); - * - * - * @param src input image. - * @param dx output image with first-order derivative in x. - * @param dy output image with first-order derivative in y. - * @param ksize size of Sobel kernel. It must be 3. - * @param borderType pixel extrapolation method, see #BorderTypes. - * Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - * - * SEE: Sobel - */ - public static void spatialGradient(Mat src, Mat dx, Mat dy, int ksize, int borderType) { - spatialGradient_0(src.nativeObj, dx.nativeObj, dy.nativeObj, ksize, borderType); - } - - /** - * Calculates the first order image derivative in both x and y using a Sobel operator - * - * Equivalent to calling: - * - * - * Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - * Sobel( src, dy, CV_16SC1, 0, 1, 3 ); - * - * - * @param src input image. - * @param dx output image with first-order derivative in x. - * @param dy output image with first-order derivative in y. - * @param ksize size of Sobel kernel. It must be 3. - * Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - * - * SEE: Sobel - */ - public static void spatialGradient(Mat src, Mat dx, Mat dy, int ksize) { - spatialGradient_1(src.nativeObj, dx.nativeObj, dy.nativeObj, ksize); - } - - /** - * Calculates the first order image derivative in both x and y using a Sobel operator - * - * Equivalent to calling: - * - * - * Sobel( src, dx, CV_16SC1, 1, 0, 3 ); - * Sobel( src, dy, CV_16SC1, 0, 1, 3 ); - * - * - * @param src input image. - * @param dx output image with first-order derivative in x. - * @param dy output image with first-order derivative in y. - * Only #BORDER_DEFAULT=#BORDER_REFLECT_101 and #BORDER_REPLICATE are supported. - * - * SEE: Sobel - */ - public static void spatialGradient(Mat src, Mat dx, Mat dy) { - spatialGradient_2(src.nativeObj, dx.nativeObj, dy.nativeObj); - } - - - // - // C++: void cv::Scharr(Mat src, Mat& dst, int ddepth, int dx, int dy, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the first x- or y- image derivative using Scharr operator. - * - * The function computes the first x- or y- spatial image derivative using the Scharr operator. The - * call - * - * \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - * - * is equivalent to - * - * \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth output image depth, see REF: filter_depths "combinations" - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * @param delta optional delta value that is added to the results prior to storing them in dst. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: cartToPolar - */ - public static void Scharr(Mat src, Mat dst, int ddepth, int dx, int dy, double scale, double delta, int borderType) { - Scharr_0(src.nativeObj, dst.nativeObj, ddepth, dx, dy, scale, delta, borderType); - } - - /** - * Calculates the first x- or y- image derivative using Scharr operator. - * - * The function computes the first x- or y- spatial image derivative using the Scharr operator. The - * call - * - * \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - * - * is equivalent to - * - * \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth output image depth, see REF: filter_depths "combinations" - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * @param delta optional delta value that is added to the results prior to storing them in dst. - * SEE: cartToPolar - */ - public static void Scharr(Mat src, Mat dst, int ddepth, int dx, int dy, double scale, double delta) { - Scharr_1(src.nativeObj, dst.nativeObj, ddepth, dx, dy, scale, delta); - } - - /** - * Calculates the first x- or y- image derivative using Scharr operator. - * - * The function computes the first x- or y- spatial image derivative using the Scharr operator. The - * call - * - * \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - * - * is equivalent to - * - * \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth output image depth, see REF: filter_depths "combinations" - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * @param scale optional scale factor for the computed derivative values; by default, no scaling is - * applied (see #getDerivKernels for details). - * SEE: cartToPolar - */ - public static void Scharr(Mat src, Mat dst, int ddepth, int dx, int dy, double scale) { - Scharr_2(src.nativeObj, dst.nativeObj, ddepth, dx, dy, scale); - } - - /** - * Calculates the first x- or y- image derivative using Scharr operator. - * - * The function computes the first x- or y- spatial image derivative using the Scharr operator. The - * call - * - * \(\texttt{Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType)}\) - * - * is equivalent to - * - * \(\texttt{Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType)} .\) - * - * @param src input image. - * @param dst output image of the same size and the same number of channels as src. - * @param ddepth output image depth, see REF: filter_depths "combinations" - * @param dx order of the derivative x. - * @param dy order of the derivative y. - * applied (see #getDerivKernels for details). - * SEE: cartToPolar - */ - public static void Scharr(Mat src, Mat dst, int ddepth, int dx, int dy) { - Scharr_3(src.nativeObj, dst.nativeObj, ddepth, dx, dy); - } - - - // - // C++: void cv::Laplacian(Mat src, Mat& dst, int ddepth, int ksize = 1, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the Laplacian of an image. - * - * The function calculates the Laplacian of the source image by adding up the second x and y - * derivatives calculated using the Sobel operator: - * - * \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - * - * This is done when {@code ksize > 1}. When {@code ksize == 1}, the Laplacian is computed by filtering the image - * with the following \(3 \times 3\) aperture: - * - * \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\) - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Desired depth of the destination image, see REF: filter_depths "combinations". - * @param ksize Aperture size used to compute the second-derivative filters. See #getDerivKernels for - * details. The size must be positive and odd. - * @param scale Optional scale factor for the computed Laplacian values. By default, no scaling is - * applied. See #getDerivKernels for details. - * @param delta Optional delta value that is added to the results prior to storing them in dst . - * @param borderType Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: Sobel, Scharr - */ - public static void Laplacian(Mat src, Mat dst, int ddepth, int ksize, double scale, double delta, int borderType) { - Laplacian_0(src.nativeObj, dst.nativeObj, ddepth, ksize, scale, delta, borderType); - } - - /** - * Calculates the Laplacian of an image. - * - * The function calculates the Laplacian of the source image by adding up the second x and y - * derivatives calculated using the Sobel operator: - * - * \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - * - * This is done when {@code ksize > 1}. When {@code ksize == 1}, the Laplacian is computed by filtering the image - * with the following \(3 \times 3\) aperture: - * - * \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\) - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Desired depth of the destination image, see REF: filter_depths "combinations". - * @param ksize Aperture size used to compute the second-derivative filters. See #getDerivKernels for - * details. The size must be positive and odd. - * @param scale Optional scale factor for the computed Laplacian values. By default, no scaling is - * applied. See #getDerivKernels for details. - * @param delta Optional delta value that is added to the results prior to storing them in dst . - * SEE: Sobel, Scharr - */ - public static void Laplacian(Mat src, Mat dst, int ddepth, int ksize, double scale, double delta) { - Laplacian_1(src.nativeObj, dst.nativeObj, ddepth, ksize, scale, delta); - } - - /** - * Calculates the Laplacian of an image. - * - * The function calculates the Laplacian of the source image by adding up the second x and y - * derivatives calculated using the Sobel operator: - * - * \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - * - * This is done when {@code ksize > 1}. When {@code ksize == 1}, the Laplacian is computed by filtering the image - * with the following \(3 \times 3\) aperture: - * - * \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\) - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Desired depth of the destination image, see REF: filter_depths "combinations". - * @param ksize Aperture size used to compute the second-derivative filters. See #getDerivKernels for - * details. The size must be positive and odd. - * @param scale Optional scale factor for the computed Laplacian values. By default, no scaling is - * applied. See #getDerivKernels for details. - * SEE: Sobel, Scharr - */ - public static void Laplacian(Mat src, Mat dst, int ddepth, int ksize, double scale) { - Laplacian_2(src.nativeObj, dst.nativeObj, ddepth, ksize, scale); - } - - /** - * Calculates the Laplacian of an image. - * - * The function calculates the Laplacian of the source image by adding up the second x and y - * derivatives calculated using the Sobel operator: - * - * \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - * - * This is done when {@code ksize > 1}. When {@code ksize == 1}, the Laplacian is computed by filtering the image - * with the following \(3 \times 3\) aperture: - * - * \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\) - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Desired depth of the destination image, see REF: filter_depths "combinations". - * @param ksize Aperture size used to compute the second-derivative filters. See #getDerivKernels for - * details. The size must be positive and odd. - * applied. See #getDerivKernels for details. - * SEE: Sobel, Scharr - */ - public static void Laplacian(Mat src, Mat dst, int ddepth, int ksize) { - Laplacian_3(src.nativeObj, dst.nativeObj, ddepth, ksize); - } - - /** - * Calculates the Laplacian of an image. - * - * The function calculates the Laplacian of the source image by adding up the second x and y - * derivatives calculated using the Sobel operator: - * - * \(\texttt{dst} = \Delta \texttt{src} = \frac{\partial^2 \texttt{src}}{\partial x^2} + \frac{\partial^2 \texttt{src}}{\partial y^2}\) - * - * This is done when {@code ksize > 1}. When {@code ksize == 1}, the Laplacian is computed by filtering the image - * with the following \(3 \times 3\) aperture: - * - * \(\vecthreethree {0}{1}{0}{1}{-4}{1}{0}{1}{0}\) - * - * @param src Source image. - * @param dst Destination image of the same size and the same number of channels as src . - * @param ddepth Desired depth of the destination image, see REF: filter_depths "combinations". - * details. The size must be positive and odd. - * applied. See #getDerivKernels for details. - * SEE: Sobel, Scharr - */ - public static void Laplacian(Mat src, Mat dst, int ddepth) { - Laplacian_4(src.nativeObj, dst.nativeObj, ddepth); - } - - - // - // C++: void cv::Canny(Mat image, Mat& edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false) - // - - /** - * Finds edges in an image using the Canny algorithm CITE: Canny86 . - * - * The function finds edges in the input image and marks them in the output map edges using the - * Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - * largest value is used to find initial segments of strong edges. See - * <https://en.wikipedia.org/wiki/Canny_edge_detector> - * - * @param image 8-bit input image. - * @param edges output edge map; single channels 8-bit image, which has the same size as image . - * @param threshold1 first threshold for the hysteresis procedure. - * @param threshold2 second threshold for the hysteresis procedure. - * @param apertureSize aperture size for the Sobel operator. - * @param L2gradient a flag, indicating whether a more accurate \(L_2\) norm - * \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - * L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - * L2gradient=false ). - */ - public static void Canny(Mat image, Mat edges, double threshold1, double threshold2, int apertureSize, boolean L2gradient) { - Canny_0(image.nativeObj, edges.nativeObj, threshold1, threshold2, apertureSize, L2gradient); - } - - /** - * Finds edges in an image using the Canny algorithm CITE: Canny86 . - * - * The function finds edges in the input image and marks them in the output map edges using the - * Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - * largest value is used to find initial segments of strong edges. See - * <https://en.wikipedia.org/wiki/Canny_edge_detector> - * - * @param image 8-bit input image. - * @param edges output edge map; single channels 8-bit image, which has the same size as image . - * @param threshold1 first threshold for the hysteresis procedure. - * @param threshold2 second threshold for the hysteresis procedure. - * @param apertureSize aperture size for the Sobel operator. - * \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - * L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - * L2gradient=false ). - */ - public static void Canny(Mat image, Mat edges, double threshold1, double threshold2, int apertureSize) { - Canny_1(image.nativeObj, edges.nativeObj, threshold1, threshold2, apertureSize); - } - - /** - * Finds edges in an image using the Canny algorithm CITE: Canny86 . - * - * The function finds edges in the input image and marks them in the output map edges using the - * Canny algorithm. The smallest value between threshold1 and threshold2 is used for edge linking. The - * largest value is used to find initial segments of strong edges. See - * <https://en.wikipedia.org/wiki/Canny_edge_detector> - * - * @param image 8-bit input image. - * @param edges output edge map; single channels 8-bit image, which has the same size as image . - * @param threshold1 first threshold for the hysteresis procedure. - * @param threshold2 second threshold for the hysteresis procedure. - * \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - * L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - * L2gradient=false ). - */ - public static void Canny(Mat image, Mat edges, double threshold1, double threshold2) { - Canny_2(image.nativeObj, edges.nativeObj, threshold1, threshold2); - } - - - // - // C++: void cv::Canny(Mat dx, Mat dy, Mat& edges, double threshold1, double threshold2, bool L2gradient = false) - // - - /** - * \overload - * - * Finds edges in an image using the Canny algorithm with custom image gradient. - * - * @param dx 16-bit x derivative of input image (CV_16SC1 or CV_16SC3). - * @param dy 16-bit y derivative of input image (same type as dx). - * @param edges output edge map; single channels 8-bit image, which has the same size as image . - * @param threshold1 first threshold for the hysteresis procedure. - * @param threshold2 second threshold for the hysteresis procedure. - * @param L2gradient a flag, indicating whether a more accurate \(L_2\) norm - * \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - * L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - * L2gradient=false ). - */ - public static void Canny(Mat dx, Mat dy, Mat edges, double threshold1, double threshold2, boolean L2gradient) { - Canny_3(dx.nativeObj, dy.nativeObj, edges.nativeObj, threshold1, threshold2, L2gradient); - } - - /** - * \overload - * - * Finds edges in an image using the Canny algorithm with custom image gradient. - * - * @param dx 16-bit x derivative of input image (CV_16SC1 or CV_16SC3). - * @param dy 16-bit y derivative of input image (same type as dx). - * @param edges output edge map; single channels 8-bit image, which has the same size as image . - * @param threshold1 first threshold for the hysteresis procedure. - * @param threshold2 second threshold for the hysteresis procedure. - * \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) should be used to calculate the image gradient magnitude ( - * L2gradient=true ), or whether the default \(L_1\) norm \(=|dI/dx|+|dI/dy|\) is enough ( - * L2gradient=false ). - */ - public static void Canny(Mat dx, Mat dy, Mat edges, double threshold1, double threshold2) { - Canny_4(dx.nativeObj, dy.nativeObj, edges.nativeObj, threshold1, threshold2); - } - - - // - // C++: void cv::cornerMinEigenVal(Mat src, Mat& dst, int blockSize, int ksize = 3, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates the minimal eigenvalue of gradient matrices for corner detection. - * - * The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - * eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - * of the formulae in the cornerEigenValsAndVecs description. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - * src . - * @param blockSize Neighborhood size (see the details on #cornerEigenValsAndVecs ). - * @param ksize Aperture parameter for the Sobel operator. - * @param borderType Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported. - */ - public static void cornerMinEigenVal(Mat src, Mat dst, int blockSize, int ksize, int borderType) { - cornerMinEigenVal_0(src.nativeObj, dst.nativeObj, blockSize, ksize, borderType); - } - - /** - * Calculates the minimal eigenvalue of gradient matrices for corner detection. - * - * The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - * eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - * of the formulae in the cornerEigenValsAndVecs description. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - * src . - * @param blockSize Neighborhood size (see the details on #cornerEigenValsAndVecs ). - * @param ksize Aperture parameter for the Sobel operator. - */ - public static void cornerMinEigenVal(Mat src, Mat dst, int blockSize, int ksize) { - cornerMinEigenVal_1(src.nativeObj, dst.nativeObj, blockSize, ksize); - } - - /** - * Calculates the minimal eigenvalue of gradient matrices for corner detection. - * - * The function is similar to cornerEigenValsAndVecs but it calculates and stores only the minimal - * eigenvalue of the covariance matrix of derivatives, that is, \(\min(\lambda_1, \lambda_2)\) in terms - * of the formulae in the cornerEigenValsAndVecs description. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the minimal eigenvalues. It has the type CV_32FC1 and the same size as - * src . - * @param blockSize Neighborhood size (see the details on #cornerEigenValsAndVecs ). - */ - public static void cornerMinEigenVal(Mat src, Mat dst, int blockSize) { - cornerMinEigenVal_2(src.nativeObj, dst.nativeObj, blockSize); - } - - - // - // C++: void cv::cornerHarris(Mat src, Mat& dst, int blockSize, int ksize, double k, int borderType = BORDER_DEFAULT) - // - - /** - * Harris corner detector. - * - * The function runs the Harris corner detector on the image. Similarly to cornerMinEigenVal and - * cornerEigenValsAndVecs , for each pixel \((x, y)\) it calculates a \(2\times2\) gradient covariance - * matrix \(M^{(x,y)}\) over a \(\texttt{blockSize} \times \texttt{blockSize}\) neighborhood. Then, it - * computes the following characteristic: - * - * \(\texttt{dst} (x,y) = \mathrm{det} M^{(x,y)} - k \cdot \left ( \mathrm{tr} M^{(x,y)} \right )^2\) - * - * Corners in the image can be found as the local maxima of this response map. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the Harris detector responses. It has the type CV_32FC1 and the same - * size as src . - * @param blockSize Neighborhood size (see the details on #cornerEigenValsAndVecs ). - * @param ksize Aperture parameter for the Sobel operator. - * @param k Harris detector free parameter. See the formula above. - * @param borderType Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported. - */ - public static void cornerHarris(Mat src, Mat dst, int blockSize, int ksize, double k, int borderType) { - cornerHarris_0(src.nativeObj, dst.nativeObj, blockSize, ksize, k, borderType); - } - - /** - * Harris corner detector. - * - * The function runs the Harris corner detector on the image. Similarly to cornerMinEigenVal and - * cornerEigenValsAndVecs , for each pixel \((x, y)\) it calculates a \(2\times2\) gradient covariance - * matrix \(M^{(x,y)}\) over a \(\texttt{blockSize} \times \texttt{blockSize}\) neighborhood. Then, it - * computes the following characteristic: - * - * \(\texttt{dst} (x,y) = \mathrm{det} M^{(x,y)} - k \cdot \left ( \mathrm{tr} M^{(x,y)} \right )^2\) - * - * Corners in the image can be found as the local maxima of this response map. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the Harris detector responses. It has the type CV_32FC1 and the same - * size as src . - * @param blockSize Neighborhood size (see the details on #cornerEigenValsAndVecs ). - * @param ksize Aperture parameter for the Sobel operator. - * @param k Harris detector free parameter. See the formula above. - */ - public static void cornerHarris(Mat src, Mat dst, int blockSize, int ksize, double k) { - cornerHarris_1(src.nativeObj, dst.nativeObj, blockSize, ksize, k); - } - - - // - // C++: void cv::cornerEigenValsAndVecs(Mat src, Mat& dst, int blockSize, int ksize, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates eigenvalues and eigenvectors of image blocks for corner detection. - * - * For every pixel \(p\) , the function cornerEigenValsAndVecs considers a blockSize \(\times\) blockSize - * neighborhood \(S(p)\) . It calculates the covariation matrix of derivatives over the neighborhood as: - * - * \(M = \begin{bmatrix} \sum _{S(p)}(dI/dx)^2 & \sum _{S(p)}dI/dx dI/dy \\ \sum _{S(p)}dI/dx dI/dy & \sum _{S(p)}(dI/dy)^2 \end{bmatrix}\) - * - * where the derivatives are computed using the Sobel operator. - * - * After that, it finds eigenvectors and eigenvalues of \(M\) and stores them in the destination image as - * \((\lambda_1, \lambda_2, x_1, y_1, x_2, y_2)\) where - * - *
      - *
    • - * \(\lambda_1, \lambda_2\) are the non-sorted eigenvalues of \(M\) - *
      • - *
    • - * \(x_1, y_1\) are the eigenvectors corresponding to \(\lambda_1\) - *
      • - *
    • - * \(x_2, y_2\) are the eigenvectors corresponding to \(\lambda_2\) - *
      • - *
    - * - * The output of the function can be used for robust edge or corner detection. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the results. It has the same size as src and the type CV_32FC(6) . - * @param blockSize Neighborhood size (see details below). - * @param ksize Aperture parameter for the Sobel operator. - * @param borderType Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported. - * - * SEE: cornerMinEigenVal, cornerHarris, preCornerDetect - */ - public static void cornerEigenValsAndVecs(Mat src, Mat dst, int blockSize, int ksize, int borderType) { - cornerEigenValsAndVecs_0(src.nativeObj, dst.nativeObj, blockSize, ksize, borderType); - } - - /** - * Calculates eigenvalues and eigenvectors of image blocks for corner detection. - * - * For every pixel \(p\) , the function cornerEigenValsAndVecs considers a blockSize \(\times\) blockSize - * neighborhood \(S(p)\) . It calculates the covariation matrix of derivatives over the neighborhood as: - * - * \(M = \begin{bmatrix} \sum _{S(p)}(dI/dx)^2 & \sum _{S(p)}dI/dx dI/dy \\ \sum _{S(p)}dI/dx dI/dy & \sum _{S(p)}(dI/dy)^2 \end{bmatrix}\) - * - * where the derivatives are computed using the Sobel operator. - * - * After that, it finds eigenvectors and eigenvalues of \(M\) and stores them in the destination image as - * \((\lambda_1, \lambda_2, x_1, y_1, x_2, y_2)\) where - * - *
      - *
    • - * \(\lambda_1, \lambda_2\) are the non-sorted eigenvalues of \(M\) - *
      • - *
    • - * \(x_1, y_1\) are the eigenvectors corresponding to \(\lambda_1\) - *
      • - *
    • - * \(x_2, y_2\) are the eigenvectors corresponding to \(\lambda_2\) - *
      • - *
    - * - * The output of the function can be used for robust edge or corner detection. - * - * @param src Input single-channel 8-bit or floating-point image. - * @param dst Image to store the results. It has the same size as src and the type CV_32FC(6) . - * @param blockSize Neighborhood size (see details below). - * @param ksize Aperture parameter for the Sobel operator. - * - * SEE: cornerMinEigenVal, cornerHarris, preCornerDetect - */ - public static void cornerEigenValsAndVecs(Mat src, Mat dst, int blockSize, int ksize) { - cornerEigenValsAndVecs_1(src.nativeObj, dst.nativeObj, blockSize, ksize); - } - - - // - // C++: void cv::preCornerDetect(Mat src, Mat& dst, int ksize, int borderType = BORDER_DEFAULT) - // - - /** - * Calculates a feature map for corner detection. - * - * The function calculates the complex spatial derivative-based function of the source image - * - * \(\texttt{dst} = (D_x \texttt{src} )^2 \cdot D_{yy} \texttt{src} + (D_y \texttt{src} )^2 \cdot D_{xx} \texttt{src} - 2 D_x \texttt{src} \cdot D_y \texttt{src} \cdot D_{xy} \texttt{src}\) - * - * where \(D_x\),\(D_y\) are the first image derivatives, \(D_{xx}\),\(D_{yy}\) are the second image - * derivatives, and \(D_{xy}\) is the mixed derivative. - * - * The corners can be found as local maximums of the functions, as shown below: - * - * Mat corners, dilated_corners; - * preCornerDetect(image, corners, 3); - * // dilation with 3x3 rectangular structuring element - * dilate(corners, dilated_corners, Mat(), 1); - * Mat corner_mask = corners == dilated_corners; - * - * - * @param src Source single-channel 8-bit of floating-point image. - * @param dst Output image that has the type CV_32F and the same size as src . - * @param ksize %Aperture size of the Sobel . - * @param borderType Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported. - */ - public static void preCornerDetect(Mat src, Mat dst, int ksize, int borderType) { - preCornerDetect_0(src.nativeObj, dst.nativeObj, ksize, borderType); - } - - /** - * Calculates a feature map for corner detection. - * - * The function calculates the complex spatial derivative-based function of the source image - * - * \(\texttt{dst} = (D_x \texttt{src} )^2 \cdot D_{yy} \texttt{src} + (D_y \texttt{src} )^2 \cdot D_{xx} \texttt{src} - 2 D_x \texttt{src} \cdot D_y \texttt{src} \cdot D_{xy} \texttt{src}\) - * - * where \(D_x\),\(D_y\) are the first image derivatives, \(D_{xx}\),\(D_{yy}\) are the second image - * derivatives, and \(D_{xy}\) is the mixed derivative. - * - * The corners can be found as local maximums of the functions, as shown below: - * - * Mat corners, dilated_corners; - * preCornerDetect(image, corners, 3); - * // dilation with 3x3 rectangular structuring element - * dilate(corners, dilated_corners, Mat(), 1); - * Mat corner_mask = corners == dilated_corners; - * - * - * @param src Source single-channel 8-bit of floating-point image. - * @param dst Output image that has the type CV_32F and the same size as src . - * @param ksize %Aperture size of the Sobel . - */ - public static void preCornerDetect(Mat src, Mat dst, int ksize) { - preCornerDetect_1(src.nativeObj, dst.nativeObj, ksize); - } - - - // - // C++: void cv::cornerSubPix(Mat image, Mat& corners, Size winSize, Size zeroZone, TermCriteria criteria) - // - - /** - * Refines the corner locations. - * - * The function iterates to find the sub-pixel accurate location of corners or radial saddle - * points as described in CITE: forstner1987fast, and as shown on the figure below. - * - * ![image](pics/cornersubpix.png) - * - * Sub-pixel accurate corner locator is based on the observation that every vector from the center \(q\) - * to a point \(p\) located within a neighborhood of \(q\) is orthogonal to the image gradient at \(p\) - * subject to image and measurement noise. Consider the expression: - * - * \(\epsilon _i = {DI_{p_i}}^T \cdot (q - p_i)\) - * - * where \({DI_{p_i}}\) is an image gradient at one of the points \(p_i\) in a neighborhood of \(q\) . The - * value of \(q\) is to be found so that \(\epsilon_i\) is minimized. A system of equations may be set up - * with \(\epsilon_i\) set to zero: - * - * \(\sum _i(DI_{p_i} \cdot {DI_{p_i}}^T) \cdot q - \sum _i(DI_{p_i} \cdot {DI_{p_i}}^T \cdot p_i)\) - * - * where the gradients are summed within a neighborhood ("search window") of \(q\) . Calling the first - * gradient term \(G\) and the second gradient term \(b\) gives: - * - * \(q = G^{-1} \cdot b\) - * - * The algorithm sets the center of the neighborhood window at this new center \(q\) and then iterates - * until the center stays within a set threshold. - * - * @param image Input single-channel, 8-bit or float image. - * @param corners Initial coordinates of the input corners and refined coordinates provided for - * output. - * @param winSize Half of the side length of the search window. For example, if winSize=Size(5,5) , - * then a \((5*2+1) \times (5*2+1) = 11 \times 11\) search window is used. - * @param zeroZone Half of the size of the dead region in the middle of the search zone over which - * the summation in the formula below is not done. It is used sometimes to avoid possible - * singularities of the autocorrelation matrix. The value of (-1,-1) indicates that there is no such - * a size. - * @param criteria Criteria for termination of the iterative process of corner refinement. That is, - * the process of corner position refinement stops either after criteria.maxCount iterations or when - * the corner position moves by less than criteria.epsilon on some iteration. - */ - public static void cornerSubPix(Mat image, Mat corners, Size winSize, Size zeroZone, TermCriteria criteria) { - cornerSubPix_0(image.nativeObj, corners.nativeObj, winSize.width, winSize.height, zeroZone.width, zeroZone.height, criteria.type, criteria.maxCount, criteria.epsilon); - } - - - // - // C++: void cv::goodFeaturesToTrack(Mat image, vector_Point& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask = Mat(), int blockSize = 3, bool useHarrisDetector = false, double k = 0.04) - // - - /** - * Determines strong corners on an image. - * - * The function finds the most prominent corners in the image or in the specified image region, as - * described in CITE: Shi94 - * - *
      - *
    • - * Function calculates the corner quality measure at every source image pixel using the - * #cornerMinEigenVal or #cornerHarris . - *
      • - *
    • - * Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - * retained). - *
      • - *
    • - * The corners with the minimal eigenvalue less than - * \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. - *
      • - *
    • - * The remaining corners are sorted by the quality measure in the descending order. - *
      • - *
    • - * Function throws away each corner for which there is a stronger corner at a distance less than - * maxDistance. - *
      • - *
    - * - * The function can be used to initialize a point-based tracker of an object. - * - * Note: If the function is called with different values A and B of the parameter qualityLevel , and - * A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - * with qualityLevel=B . - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Optional region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * @param useHarrisDetector Parameter indicating whether to use a Harris detector (see #cornerHarris) - * or #cornerMinEigenVal. - * @param k Free parameter of the Harris detector. - * - * SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform, - */ - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, boolean useHarrisDetector, double k) { - Mat corners_mat = corners; - goodFeaturesToTrack_0(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize, useHarrisDetector, k); - } - - /** - * Determines strong corners on an image. - * - * The function finds the most prominent corners in the image or in the specified image region, as - * described in CITE: Shi94 - * - *
      - *
    • - * Function calculates the corner quality measure at every source image pixel using the - * #cornerMinEigenVal or #cornerHarris . - *
      • - *
    • - * Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - * retained). - *
      • - *
    • - * The corners with the minimal eigenvalue less than - * \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. - *
      • - *
    • - * The remaining corners are sorted by the quality measure in the descending order. - *
      • - *
    • - * Function throws away each corner for which there is a stronger corner at a distance less than - * maxDistance. - *
      • - *
    - * - * The function can be used to initialize a point-based tracker of an object. - * - * Note: If the function is called with different values A and B of the parameter qualityLevel , and - * A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - * with qualityLevel=B . - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Optional region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * @param useHarrisDetector Parameter indicating whether to use a Harris detector (see #cornerHarris) - * or #cornerMinEigenVal. - * - * SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform, - */ - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, boolean useHarrisDetector) { - Mat corners_mat = corners; - goodFeaturesToTrack_1(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize, useHarrisDetector); - } - - /** - * Determines strong corners on an image. - * - * The function finds the most prominent corners in the image or in the specified image region, as - * described in CITE: Shi94 - * - *
      - *
    • - * Function calculates the corner quality measure at every source image pixel using the - * #cornerMinEigenVal or #cornerHarris . - *
      • - *
    • - * Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - * retained). - *
      • - *
    • - * The corners with the minimal eigenvalue less than - * \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. - *
      • - *
    • - * The remaining corners are sorted by the quality measure in the descending order. - *
      • - *
    • - * Function throws away each corner for which there is a stronger corner at a distance less than - * maxDistance. - *
      • - *
    - * - * The function can be used to initialize a point-based tracker of an object. - * - * Note: If the function is called with different values A and B of the parameter qualityLevel , and - * A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - * with qualityLevel=B . - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Optional region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - * - * SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform, - */ - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize) { - Mat corners_mat = corners; - goodFeaturesToTrack_2(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize); - } - - /** - * Determines strong corners on an image. - * - * The function finds the most prominent corners in the image or in the specified image region, as - * described in CITE: Shi94 - * - *
      - *
    • - * Function calculates the corner quality measure at every source image pixel using the - * #cornerMinEigenVal or #cornerHarris . - *
      • - *
    • - * Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - * retained). - *
      • - *
    • - * The corners with the minimal eigenvalue less than - * \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. - *
      • - *
    • - * The remaining corners are sorted by the quality measure in the descending order. - *
      • - *
    • - * Function throws away each corner for which there is a stronger corner at a distance less than - * maxDistance. - *
      • - *
    - * - * The function can be used to initialize a point-based tracker of an object. - * - * Note: If the function is called with different values A and B of the parameter qualityLevel , and - * A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - * with qualityLevel=B . - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Optional region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * pixel neighborhood. See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - * - * SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform, - */ - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask) { - Mat corners_mat = corners; - goodFeaturesToTrack_3(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj); - } - - /** - * Determines strong corners on an image. - * - * The function finds the most prominent corners in the image or in the specified image region, as - * described in CITE: Shi94 - * - *
      - *
    • - * Function calculates the corner quality measure at every source image pixel using the - * #cornerMinEigenVal or #cornerHarris . - *
      • - *
    • - * Function performs a non-maximum suppression (the local maximums in *3 x 3* neighborhood are - * retained). - *
      • - *
    • - * The corners with the minimal eigenvalue less than - * \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) are rejected. - *
      • - *
    • - * The remaining corners are sorted by the quality measure in the descending order. - *
      • - *
    • - * Function throws away each corner for which there is a stronger corner at a distance less than - * maxDistance. - *
      • - *
    - * - * The function can be used to initialize a point-based tracker of an object. - * - * Note: If the function is called with different values A and B of the parameter qualityLevel , and - * A > B, the vector of returned corners with qualityLevel=A will be the prefix of the output vector - * with qualityLevel=B . - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * pixel neighborhood. See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - * - * SEE: cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform, - */ - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance) { - Mat corners_mat = corners; - goodFeaturesToTrack_4(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance); - } - - - // - // C++: void cv::goodFeaturesToTrack(Mat image, vector_Point& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, int gradientSize, bool useHarrisDetector = false, double k = 0.04) - // - - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, int gradientSize, boolean useHarrisDetector, double k) { - Mat corners_mat = corners; - goodFeaturesToTrack_5(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize, gradientSize, useHarrisDetector, k); - } - - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, int gradientSize, boolean useHarrisDetector) { - Mat corners_mat = corners; - goodFeaturesToTrack_6(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize, gradientSize, useHarrisDetector); - } - - public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, int gradientSize) { - Mat corners_mat = corners; - goodFeaturesToTrack_7(image.nativeObj, corners_mat.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, blockSize, gradientSize); - } - - - // - // C++: void cv::goodFeaturesToTrack(Mat image, Mat& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat& cornersQuality, int blockSize = 3, int gradientSize = 3, bool useHarrisDetector = false, double k = 0.04) - // - - /** - * Same as above, but returns also quality measure of the detected corners. - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param cornersQuality Output vector of quality measure of the detected corners. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * @param gradientSize Aperture parameter for the Sobel operator used for derivatives computation. - * See cornerEigenValsAndVecs . - * @param useHarrisDetector Parameter indicating whether to use a Harris detector (see #cornerHarris) - * or #cornerMinEigenVal. - * @param k Free parameter of the Harris detector. - */ - public static void goodFeaturesToTrackWithQuality(Mat image, Mat corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat cornersQuality, int blockSize, int gradientSize, boolean useHarrisDetector, double k) { - goodFeaturesToTrackWithQuality_0(image.nativeObj, corners.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, cornersQuality.nativeObj, blockSize, gradientSize, useHarrisDetector, k); - } - - /** - * Same as above, but returns also quality measure of the detected corners. - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param cornersQuality Output vector of quality measure of the detected corners. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * @param gradientSize Aperture parameter for the Sobel operator used for derivatives computation. - * See cornerEigenValsAndVecs . - * @param useHarrisDetector Parameter indicating whether to use a Harris detector (see #cornerHarris) - * or #cornerMinEigenVal. - */ - public static void goodFeaturesToTrackWithQuality(Mat image, Mat corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat cornersQuality, int blockSize, int gradientSize, boolean useHarrisDetector) { - goodFeaturesToTrackWithQuality_1(image.nativeObj, corners.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, cornersQuality.nativeObj, blockSize, gradientSize, useHarrisDetector); - } - - /** - * Same as above, but returns also quality measure of the detected corners. - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param cornersQuality Output vector of quality measure of the detected corners. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * @param gradientSize Aperture parameter for the Sobel operator used for derivatives computation. - * See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - */ - public static void goodFeaturesToTrackWithQuality(Mat image, Mat corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat cornersQuality, int blockSize, int gradientSize) { - goodFeaturesToTrackWithQuality_2(image.nativeObj, corners.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, cornersQuality.nativeObj, blockSize, gradientSize); - } - - /** - * Same as above, but returns also quality measure of the detected corners. - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param cornersQuality Output vector of quality measure of the detected corners. - * @param blockSize Size of an average block for computing a derivative covariation matrix over each - * pixel neighborhood. See cornerEigenValsAndVecs . - * See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - */ - public static void goodFeaturesToTrackWithQuality(Mat image, Mat corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat cornersQuality, int blockSize) { - goodFeaturesToTrackWithQuality_3(image.nativeObj, corners.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, cornersQuality.nativeObj, blockSize); - } - - /** - * Same as above, but returns also quality measure of the detected corners. - * - * @param image Input 8-bit or floating-point 32-bit, single-channel image. - * @param corners Output vector of detected corners. - * @param maxCorners Maximum number of corners to return. If there are more corners than are found, - * the strongest of them is returned. {@code maxCorners <= 0} implies that no limit on the maximum is set - * and all detected corners are returned. - * @param qualityLevel Parameter characterizing the minimal accepted quality of image corners. The - * parameter value is multiplied by the best corner quality measure, which is the minimal eigenvalue - * (see #cornerMinEigenVal ) or the Harris function response (see #cornerHarris ). The corners with the - * quality measure less than the product are rejected. For example, if the best corner has the - * quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure - * less than 15 are rejected. - * @param minDistance Minimum possible Euclidean distance between the returned corners. - * @param mask Region of interest. If the image is not empty (it needs to have the type - * CV_8UC1 and the same size as image ), it specifies the region in which the corners are detected. - * @param cornersQuality Output vector of quality measure of the detected corners. - * pixel neighborhood. See cornerEigenValsAndVecs . - * See cornerEigenValsAndVecs . - * or #cornerMinEigenVal. - */ - public static void goodFeaturesToTrackWithQuality(Mat image, Mat corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat cornersQuality) { - goodFeaturesToTrackWithQuality_4(image.nativeObj, corners.nativeObj, maxCorners, qualityLevel, minDistance, mask.nativeObj, cornersQuality.nativeObj); - } - - - // - // C++: void cv::HoughLines(Mat image, Mat& lines, double rho, double theta, int threshold, double srn = 0, double stn = 0, double min_theta = 0, double max_theta = CV_PI, bool use_edgeval = false) - // - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param srn For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * @param stn For the multi-scale Hough transform, it is a divisor for the distance resolution theta. - * @param min_theta For standard and multi-scale Hough transform, minimum angle to check for lines. - * Must fall between 0 and max_theta. - * @param max_theta For standard and multi-scale Hough transform, an upper bound for the angle. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - * @param use_edgeval True if you want to use weighted Hough transform. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta, boolean use_edgeval) { - HoughLines_0(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta, max_theta, use_edgeval); - } - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param srn For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * @param stn For the multi-scale Hough transform, it is a divisor for the distance resolution theta. - * @param min_theta For standard and multi-scale Hough transform, minimum angle to check for lines. - * Must fall between 0 and max_theta. - * @param max_theta For standard and multi-scale Hough transform, an upper bound for the angle. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta) { - HoughLines_1(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta, max_theta); - } - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param srn For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * @param stn For the multi-scale Hough transform, it is a divisor for the distance resolution theta. - * @param min_theta For standard and multi-scale Hough transform, minimum angle to check for lines. - * Must fall between 0 and max_theta. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta) { - HoughLines_2(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta); - } - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param srn For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * @param stn For the multi-scale Hough transform, it is a divisor for the distance resolution theta. - * Must fall between 0 and max_theta. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn) { - HoughLines_3(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn); - } - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param srn For the multi-scale Hough transform, it is a divisor for the distance resolution rho. - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * Must fall between 0 and max_theta. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold, double srn) { - HoughLines_4(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn); - } - - /** - * Finds lines in a binary image using the standard Hough transform. - * - * The function implements the standard or standard multi-scale Hough transform algorithm for line - * detection. See <https://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm> for a good explanation of Hough - * transform. - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 2 or 3 element vector - * \((\rho, \theta)\) or \((\rho, \theta, \textrm{votes})\), where \(\rho\) is the distance from - * the coordinate origin \((0,0)\) (top-left corner of the image), \(\theta\) is the line rotation - * angle in radians ( \(0 \sim \textrm{vertical line}, \pi/2 \sim \textrm{horizontal line}\) ), and - * \(\textrm{votes}\) is the value of accumulator. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * The coarse accumulator distance resolution is rho and the accurate accumulator resolution is - * rho/srn. If both srn=0 and stn=0, the classical Hough transform is used. Otherwise, both these - * parameters should be positive. - * Must fall between 0 and max_theta. - * Must fall between min_theta and CV_PI. The actual maximum angle in the accumulator may be slightly - * less than max_theta, depending on the parameters min_theta and theta. - */ - public static void HoughLines(Mat image, Mat lines, double rho, double theta, int threshold) { - HoughLines_5(image.nativeObj, lines.nativeObj, rho, theta, threshold); - } - - - // - // C++: void cv::HoughLinesP(Mat image, Mat& lines, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap = 0) - // - - /** - * Finds line segments in a binary image using the probabilistic Hough transform. - * - * The function implements the probabilistic Hough transform algorithm for line detection, described - * in CITE: Matas00 - * - * See the line detection example below: - * INCLUDE: snippets/imgproc_HoughLinesP.cpp - * This is a sample picture the function parameters have been tuned for: - * - * ![image](pics/building.jpg) - * - * And this is the output of the above program in case of the probabilistic Hough transform: - * - * ![image](pics/houghp.png) - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 4-element vector - * \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - * line segment. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param minLineLength Minimum line length. Line segments shorter than that are rejected. - * @param maxLineGap Maximum allowed gap between points on the same line to link them. - * - * SEE: LineSegmentDetector - */ - public static void HoughLinesP(Mat image, Mat lines, double rho, double theta, int threshold, double minLineLength, double maxLineGap) { - HoughLinesP_0(image.nativeObj, lines.nativeObj, rho, theta, threshold, minLineLength, maxLineGap); - } - - /** - * Finds line segments in a binary image using the probabilistic Hough transform. - * - * The function implements the probabilistic Hough transform algorithm for line detection, described - * in CITE: Matas00 - * - * See the line detection example below: - * INCLUDE: snippets/imgproc_HoughLinesP.cpp - * This is a sample picture the function parameters have been tuned for: - * - * ![image](pics/building.jpg) - * - * And this is the output of the above program in case of the probabilistic Hough transform: - * - * ![image](pics/houghp.png) - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 4-element vector - * \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - * line segment. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param minLineLength Minimum line length. Line segments shorter than that are rejected. - * - * SEE: LineSegmentDetector - */ - public static void HoughLinesP(Mat image, Mat lines, double rho, double theta, int threshold, double minLineLength) { - HoughLinesP_1(image.nativeObj, lines.nativeObj, rho, theta, threshold, minLineLength); - } - - /** - * Finds line segments in a binary image using the probabilistic Hough transform. - * - * The function implements the probabilistic Hough transform algorithm for line detection, described - * in CITE: Matas00 - * - * See the line detection example below: - * INCLUDE: snippets/imgproc_HoughLinesP.cpp - * This is a sample picture the function parameters have been tuned for: - * - * ![image](pics/building.jpg) - * - * And this is the output of the above program in case of the probabilistic Hough transform: - * - * ![image](pics/houghp.png) - * - * @param image 8-bit, single-channel binary source image. The image may be modified by the function. - * @param lines Output vector of lines. Each line is represented by a 4-element vector - * \((x_1, y_1, x_2, y_2)\) , where \((x_1,y_1)\) and \((x_2, y_2)\) are the ending points of each detected - * line segment. - * @param rho Distance resolution of the accumulator in pixels. - * @param theta Angle resolution of the accumulator in radians. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * - * SEE: LineSegmentDetector - */ - public static void HoughLinesP(Mat image, Mat lines, double rho, double theta, int threshold) { - HoughLinesP_2(image.nativeObj, lines.nativeObj, rho, theta, threshold); - } - - - // - // C++: void cv::HoughLinesPointSet(Mat point, Mat& lines, int lines_max, int threshold, double min_rho, double max_rho, double rho_step, double min_theta, double max_theta, double theta_step) - // - - /** - * Finds lines in a set of points using the standard Hough transform. - * - * The function finds lines in a set of points using a modification of the Hough transform. - * INCLUDE: snippets/imgproc_HoughLinesPointSet.cpp - * @param point Input vector of points. Each vector must be encoded as a Point vector \((x,y)\). Type must be CV_32FC2 or CV_32SC2. - * @param lines Output vector of found lines. Each vector is encoded as a vector<Vec3d> \((votes, rho, theta)\). - * The larger the value of 'votes', the higher the reliability of the Hough line. - * @param lines_max Max count of Hough lines. - * @param threshold %Accumulator threshold parameter. Only those lines are returned that get enough - * votes ( \(>\texttt{threshold}\) ). - * @param min_rho Minimum value for \(\rho\) for the accumulator (Note: \(\rho\) can be negative. The absolute value \(|\rho|\) is the distance of a line to the origin.). - * @param max_rho Maximum value for \(\rho\) for the accumulator. - * @param rho_step Distance resolution of the accumulator. - * @param min_theta Minimum angle value of the accumulator in radians. - * @param max_theta Upper bound for the angle value of the accumulator in radians. The actual maximum - * angle may be slightly less than max_theta, depending on the parameters min_theta and theta_step. - * @param theta_step Angle resolution of the accumulator in radians. - */ - public static void HoughLinesPointSet(Mat point, Mat lines, int lines_max, int threshold, double min_rho, double max_rho, double rho_step, double min_theta, double max_theta, double theta_step) { - HoughLinesPointSet_0(point.nativeObj, lines.nativeObj, lines_max, threshold, min_rho, max_rho, rho_step, min_theta, max_theta, theta_step); - } - - - // - // C++: void cv::HoughCircles(Mat image, Mat& circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0) - // - - /** - * Finds circles in a grayscale image using the Hough transform. - * - * The function finds circles in a grayscale image using a modification of the Hough transform. - * - * Example: : - * INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - * - * Note: Usually the function detects the centers of circles well. However, it may fail to find correct - * radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - * you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - * to return centers only without radius search, and find the correct radius using an additional procedure. - * - * It also helps to smooth image a bit unless it's already soft. For example, - * GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help. - * - * @param image 8-bit, single-channel, grayscale input image. - * @param circles Output vector of found circles. Each vector is encoded as 3 or 4 element - * floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) . - * @param method Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT. - * @param dp Inverse ratio of the accumulator resolution to the image resolution. For example, if - * dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - * half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - * unless some small very circles need to be detected. - * @param minDist Minimum distance between the centers of the detected circles. If the parameter is - * too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - * too large, some circles may be missed. - * @param param1 First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - * it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - * Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - * should normally be higher, such as 300 or normally exposed and contrasty images. - * @param param2 Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - * accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - * false circles may be detected. Circles, corresponding to the larger accumulator values, will be - * returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - * The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - * If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - * But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - * @param minRadius Minimum circle radius. - * @param maxRadius Maximum circle radius. If <= 0, uses the maximum image dimension. If < 0, #HOUGH_GRADIENT returns - * centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - * - * SEE: fitEllipse, minEnclosingCircle - */ - public static void HoughCircles(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2, int minRadius, int maxRadius) { - HoughCircles_0(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2, minRadius, maxRadius); - } - - /** - * Finds circles in a grayscale image using the Hough transform. - * - * The function finds circles in a grayscale image using a modification of the Hough transform. - * - * Example: : - * INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - * - * Note: Usually the function detects the centers of circles well. However, it may fail to find correct - * radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - * you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - * to return centers only without radius search, and find the correct radius using an additional procedure. - * - * It also helps to smooth image a bit unless it's already soft. For example, - * GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help. - * - * @param image 8-bit, single-channel, grayscale input image. - * @param circles Output vector of found circles. Each vector is encoded as 3 or 4 element - * floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) . - * @param method Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT. - * @param dp Inverse ratio of the accumulator resolution to the image resolution. For example, if - * dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - * half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - * unless some small very circles need to be detected. - * @param minDist Minimum distance between the centers of the detected circles. If the parameter is - * too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - * too large, some circles may be missed. - * @param param1 First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - * it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - * Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - * should normally be higher, such as 300 or normally exposed and contrasty images. - * @param param2 Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - * accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - * false circles may be detected. Circles, corresponding to the larger accumulator values, will be - * returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - * The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - * If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - * But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - * @param minRadius Minimum circle radius. - * centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - * - * SEE: fitEllipse, minEnclosingCircle - */ - public static void HoughCircles(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2, int minRadius) { - HoughCircles_1(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2, minRadius); - } - - /** - * Finds circles in a grayscale image using the Hough transform. - * - * The function finds circles in a grayscale image using a modification of the Hough transform. - * - * Example: : - * INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - * - * Note: Usually the function detects the centers of circles well. However, it may fail to find correct - * radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - * you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - * to return centers only without radius search, and find the correct radius using an additional procedure. - * - * It also helps to smooth image a bit unless it's already soft. For example, - * GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help. - * - * @param image 8-bit, single-channel, grayscale input image. - * @param circles Output vector of found circles. Each vector is encoded as 3 or 4 element - * floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) . - * @param method Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT. - * @param dp Inverse ratio of the accumulator resolution to the image resolution. For example, if - * dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - * half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - * unless some small very circles need to be detected. - * @param minDist Minimum distance between the centers of the detected circles. If the parameter is - * too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - * too large, some circles may be missed. - * @param param1 First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - * it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - * Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - * should normally be higher, such as 300 or normally exposed and contrasty images. - * @param param2 Second method-specific parameter. In case of #HOUGH_GRADIENT, it is the - * accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - * false circles may be detected. Circles, corresponding to the larger accumulator values, will be - * returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - * The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - * If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - * But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - * centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - * - * SEE: fitEllipse, minEnclosingCircle - */ - public static void HoughCircles(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2) { - HoughCircles_2(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2); - } - - /** - * Finds circles in a grayscale image using the Hough transform. - * - * The function finds circles in a grayscale image using a modification of the Hough transform. - * - * Example: : - * INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - * - * Note: Usually the function detects the centers of circles well. However, it may fail to find correct - * radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - * you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - * to return centers only without radius search, and find the correct radius using an additional procedure. - * - * It also helps to smooth image a bit unless it's already soft. For example, - * GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help. - * - * @param image 8-bit, single-channel, grayscale input image. - * @param circles Output vector of found circles. Each vector is encoded as 3 or 4 element - * floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) . - * @param method Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT. - * @param dp Inverse ratio of the accumulator resolution to the image resolution. For example, if - * dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - * half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - * unless some small very circles need to be detected. - * @param minDist Minimum distance between the centers of the detected circles. If the parameter is - * too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - * too large, some circles may be missed. - * @param param1 First method-specific parameter. In case of #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT, - * it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - * Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - * should normally be higher, such as 300 or normally exposed and contrasty images. - * accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - * false circles may be detected. Circles, corresponding to the larger accumulator values, will be - * returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - * The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - * If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - * But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - * centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - * - * SEE: fitEllipse, minEnclosingCircle - */ - public static void HoughCircles(Mat image, Mat circles, int method, double dp, double minDist, double param1) { - HoughCircles_3(image.nativeObj, circles.nativeObj, method, dp, minDist, param1); - } - - /** - * Finds circles in a grayscale image using the Hough transform. - * - * The function finds circles in a grayscale image using a modification of the Hough transform. - * - * Example: : - * INCLUDE: snippets/imgproc_HoughLinesCircles.cpp - * - * Note: Usually the function detects the centers of circles well. However, it may fail to find correct - * radii. You can assist to the function by specifying the radius range ( minRadius and maxRadius ) if - * you know it. Or, in the case of #HOUGH_GRADIENT method you may set maxRadius to a negative number - * to return centers only without radius search, and find the correct radius using an additional procedure. - * - * It also helps to smooth image a bit unless it's already soft. For example, - * GaussianBlur() with 7x7 kernel and 1.5x1.5 sigma or similar blurring may help. - * - * @param image 8-bit, single-channel, grayscale input image. - * @param circles Output vector of found circles. Each vector is encoded as 3 or 4 element - * floating-point vector \((x, y, radius)\) or \((x, y, radius, votes)\) . - * @param method Detection method, see #HoughModes. The available methods are #HOUGH_GRADIENT and #HOUGH_GRADIENT_ALT. - * @param dp Inverse ratio of the accumulator resolution to the image resolution. For example, if - * dp=1 , the accumulator has the same resolution as the input image. If dp=2 , the accumulator has - * half as big width and height. For #HOUGH_GRADIENT_ALT the recommended value is dp=1.5, - * unless some small very circles need to be detected. - * @param minDist Minimum distance between the centers of the detected circles. If the parameter is - * too small, multiple neighbor circles may be falsely detected in addition to a true one. If it is - * too large, some circles may be missed. - * it is the higher threshold of the two passed to the Canny edge detector (the lower one is twice smaller). - * Note that #HOUGH_GRADIENT_ALT uses #Scharr algorithm to compute image derivatives, so the threshold value - * should normally be higher, such as 300 or normally exposed and contrasty images. - * accumulator threshold for the circle centers at the detection stage. The smaller it is, the more - * false circles may be detected. Circles, corresponding to the larger accumulator values, will be - * returned first. In the case of #HOUGH_GRADIENT_ALT algorithm, this is the circle "perfectness" measure. - * The closer it to 1, the better shaped circles algorithm selects. In most cases 0.9 should be fine. - * If you want get better detection of small circles, you may decrease it to 0.85, 0.8 or even less. - * But then also try to limit the search range [minRadius, maxRadius] to avoid many false circles. - * centers without finding the radius. #HOUGH_GRADIENT_ALT always computes circle radiuses. - * - * SEE: fitEllipse, minEnclosingCircle - */ - public static void HoughCircles(Mat image, Mat circles, int method, double dp, double minDist) { - HoughCircles_4(image.nativeObj, circles.nativeObj, method, dp, minDist); - } - - - // - // C++: void cv::erode(Mat src, Mat& dst, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - // - - /** - * Erodes an image by using a specific structuring element. - * - * The function erodes the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the minimum is taken: - * - * \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for erosion; if {@code element=Mat()}, a {@code 3 x 3} rectangular - * structuring element is used. Kernel can be created using #getStructuringElement. - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times erosion is applied. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * @param borderValue border value in case of a constant border - * SEE: dilate, morphologyEx, getStructuringElement - */ - public static void erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue) { - erode_0(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Erodes an image by using a specific structuring element. - * - * The function erodes the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the minimum is taken: - * - * \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for erosion; if {@code element=Mat()}, a {@code 3 x 3} rectangular - * structuring element is used. Kernel can be created using #getStructuringElement. - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times erosion is applied. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * SEE: dilate, morphologyEx, getStructuringElement - */ - public static void erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType) { - erode_1(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType); - } - - /** - * Erodes an image by using a specific structuring element. - * - * The function erodes the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the minimum is taken: - * - * \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for erosion; if {@code element=Mat()}, a {@code 3 x 3} rectangular - * structuring element is used. Kernel can be created using #getStructuringElement. - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times erosion is applied. - * SEE: dilate, morphologyEx, getStructuringElement - */ - public static void erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations) { - erode_2(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations); - } - - /** - * Erodes an image by using a specific structuring element. - * - * The function erodes the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the minimum is taken: - * - * \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for erosion; if {@code element=Mat()}, a {@code 3 x 3} rectangular - * structuring element is used. Kernel can be created using #getStructuringElement. - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * SEE: dilate, morphologyEx, getStructuringElement - */ - public static void erode(Mat src, Mat dst, Mat kernel, Point anchor) { - erode_3(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y); - } - - /** - * Erodes an image by using a specific structuring element. - * - * The function erodes the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the minimum is taken: - * - * \(\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for erosion; if {@code element=Mat()}, a {@code 3 x 3} rectangular - * structuring element is used. Kernel can be created using #getStructuringElement. - * anchor is at the element center. - * SEE: dilate, morphologyEx, getStructuringElement - */ - public static void erode(Mat src, Mat dst, Mat kernel) { - erode_4(src.nativeObj, dst.nativeObj, kernel.nativeObj); - } - - - // - // C++: void cv::dilate(Mat src, Mat& dst, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - // - - /** - * Dilates an image by using a specific structuring element. - * - * The function dilates the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the maximum is taken: - * \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - * structuring element is used. Kernel can be created using #getStructuringElement - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times dilation is applied. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not suported. - * @param borderValue border value in case of a constant border - * SEE: erode, morphologyEx, getStructuringElement - */ - public static void dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue) { - dilate_0(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Dilates an image by using a specific structuring element. - * - * The function dilates the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the maximum is taken: - * \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - * structuring element is used. Kernel can be created using #getStructuringElement - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times dilation is applied. - * @param borderType pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not suported. - * SEE: erode, morphologyEx, getStructuringElement - */ - public static void dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType) { - dilate_1(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType); - } - - /** - * Dilates an image by using a specific structuring element. - * - * The function dilates the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the maximum is taken: - * \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - * structuring element is used. Kernel can be created using #getStructuringElement - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * @param iterations number of times dilation is applied. - * SEE: erode, morphologyEx, getStructuringElement - */ - public static void dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations) { - dilate_2(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y, iterations); - } - - /** - * Dilates an image by using a specific structuring element. - * - * The function dilates the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the maximum is taken: - * \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - * structuring element is used. Kernel can be created using #getStructuringElement - * @param anchor position of the anchor within the element; default value (-1, -1) means that the - * anchor is at the element center. - * SEE: erode, morphologyEx, getStructuringElement - */ - public static void dilate(Mat src, Mat dst, Mat kernel, Point anchor) { - dilate_3(src.nativeObj, dst.nativeObj, kernel.nativeObj, anchor.x, anchor.y); - } - - /** - * Dilates an image by using a specific structuring element. - * - * The function dilates the source image using the specified structuring element that determines the - * shape of a pixel neighborhood over which the maximum is taken: - * \(\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')\) - * - * The function supports the in-place mode. Dilation can be applied several ( iterations ) times. In - * case of multi-channel images, each channel is processed independently. - * - * @param src input image; the number of channels can be arbitrary, but the depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst output image of the same size and type as src. - * @param kernel structuring element used for dilation; if element=Mat(), a 3 x 3 rectangular - * structuring element is used. Kernel can be created using #getStructuringElement - * anchor is at the element center. - * SEE: erode, morphologyEx, getStructuringElement - */ - public static void dilate(Mat src, Mat dst, Mat kernel) { - dilate_4(src.nativeObj, dst.nativeObj, kernel.nativeObj); - } - - - // - // C++: void cv::morphologyEx(Mat src, Mat& dst, int op, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - // - - /** - * Performs advanced morphological transformations. - * - * The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - * basic operations. - * - * Any of the operations can be done in-place. In case of multi-channel images, each channel is - * processed independently. - * - * @param src Source image. The number of channels can be arbitrary. The depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst Destination image of the same size and type as source image. - * @param op Type of a morphological operation, see #MorphTypes - * @param kernel Structuring element. It can be created using #getStructuringElement. - * @param anchor Anchor position with the kernel. Negative values mean that the anchor is at the - * kernel center. - * @param iterations Number of times erosion and dilation are applied. - * @param borderType Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * @param borderValue Border value in case of a constant border. The default value has a special - * meaning. - * SEE: dilate, erode, getStructuringElement - * Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - * For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - * successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate). - */ - public static void morphologyEx(Mat src, Mat dst, int op, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue) { - morphologyEx_0(src.nativeObj, dst.nativeObj, op, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Performs advanced morphological transformations. - * - * The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - * basic operations. - * - * Any of the operations can be done in-place. In case of multi-channel images, each channel is - * processed independently. - * - * @param src Source image. The number of channels can be arbitrary. The depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst Destination image of the same size and type as source image. - * @param op Type of a morphological operation, see #MorphTypes - * @param kernel Structuring element. It can be created using #getStructuringElement. - * @param anchor Anchor position with the kernel. Negative values mean that the anchor is at the - * kernel center. - * @param iterations Number of times erosion and dilation are applied. - * @param borderType Pixel extrapolation method, see #BorderTypes. #BORDER_WRAP is not supported. - * meaning. - * SEE: dilate, erode, getStructuringElement - * Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - * For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - * successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate). - */ - public static void morphologyEx(Mat src, Mat dst, int op, Mat kernel, Point anchor, int iterations, int borderType) { - morphologyEx_1(src.nativeObj, dst.nativeObj, op, kernel.nativeObj, anchor.x, anchor.y, iterations, borderType); - } - - /** - * Performs advanced morphological transformations. - * - * The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - * basic operations. - * - * Any of the operations can be done in-place. In case of multi-channel images, each channel is - * processed independently. - * - * @param src Source image. The number of channels can be arbitrary. The depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst Destination image of the same size and type as source image. - * @param op Type of a morphological operation, see #MorphTypes - * @param kernel Structuring element. It can be created using #getStructuringElement. - * @param anchor Anchor position with the kernel. Negative values mean that the anchor is at the - * kernel center. - * @param iterations Number of times erosion and dilation are applied. - * meaning. - * SEE: dilate, erode, getStructuringElement - * Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - * For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - * successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate). - */ - public static void morphologyEx(Mat src, Mat dst, int op, Mat kernel, Point anchor, int iterations) { - morphologyEx_2(src.nativeObj, dst.nativeObj, op, kernel.nativeObj, anchor.x, anchor.y, iterations); - } - - /** - * Performs advanced morphological transformations. - * - * The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - * basic operations. - * - * Any of the operations can be done in-place. In case of multi-channel images, each channel is - * processed independently. - * - * @param src Source image. The number of channels can be arbitrary. The depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst Destination image of the same size and type as source image. - * @param op Type of a morphological operation, see #MorphTypes - * @param kernel Structuring element. It can be created using #getStructuringElement. - * @param anchor Anchor position with the kernel. Negative values mean that the anchor is at the - * kernel center. - * meaning. - * SEE: dilate, erode, getStructuringElement - * Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - * For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - * successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate). - */ - public static void morphologyEx(Mat src, Mat dst, int op, Mat kernel, Point anchor) { - morphologyEx_3(src.nativeObj, dst.nativeObj, op, kernel.nativeObj, anchor.x, anchor.y); - } - - /** - * Performs advanced morphological transformations. - * - * The function cv::morphologyEx can perform advanced morphological transformations using an erosion and dilation as - * basic operations. - * - * Any of the operations can be done in-place. In case of multi-channel images, each channel is - * processed independently. - * - * @param src Source image. The number of channels can be arbitrary. The depth should be one of - * CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. - * @param dst Destination image of the same size and type as source image. - * @param op Type of a morphological operation, see #MorphTypes - * @param kernel Structuring element. It can be created using #getStructuringElement. - * kernel center. - * meaning. - * SEE: dilate, erode, getStructuringElement - * Note: The number of iterations is the number of times erosion or dilatation operation will be applied. - * For instance, an opening operation (#MORPH_OPEN) with two iterations is equivalent to apply - * successively: erode -> erode -> dilate -> dilate (and not erode -> dilate -> erode -> dilate). - */ - public static void morphologyEx(Mat src, Mat dst, int op, Mat kernel) { - morphologyEx_4(src.nativeObj, dst.nativeObj, op, kernel.nativeObj); - } - - - // - // C++: void cv::resize(Mat src, Mat& dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR) - // - - /** - * Resizes an image. - * - * The function resize resizes the image src down to or up to the specified size. Note that the - * initial dst type or size are not taken into account. Instead, the size and type are derived from - * the {@code src},{@code dsize},{@code fx}, and {@code fy}. If you want to resize src so that it fits the pre-created dst, - * you may call the function as follows: - * - * // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - * resize(src, dst, dst.size(), 0, 0, interpolation); - * - * If you want to decimate the image by factor of 2 in each direction, you can call the function this - * way: - * - * // specify fx and fy and let the function compute the destination image size. - * resize(src, dst, Size(), 0.5, 0.5, interpolation); - * - * To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - * enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - * (faster but still looks OK). - * - * @param src input image. - * @param dst output image; it has the size dsize (when it is non-zero) or the size computed from - * src.size(), fx, and fy; the type of dst is the same as of src. - * @param dsize output image size; if it equals zero ({@code None} in Python), it is computed as: - * \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - * Either dsize or both fx and fy must be non-zero. - * @param fx scale factor along the horizontal axis; when it equals 0, it is computed as - * \(\texttt{(double)dsize.width/src.cols}\) - * @param fy scale factor along the vertical axis; when it equals 0, it is computed as - * \(\texttt{(double)dsize.height/src.rows}\) - * @param interpolation interpolation method, see #InterpolationFlags - * - * SEE: warpAffine, warpPerspective, remap - */ - public static void resize(Mat src, Mat dst, Size dsize, double fx, double fy, int interpolation) { - resize_0(src.nativeObj, dst.nativeObj, dsize.width, dsize.height, fx, fy, interpolation); - } - - /** - * Resizes an image. - * - * The function resize resizes the image src down to or up to the specified size. Note that the - * initial dst type or size are not taken into account. Instead, the size and type are derived from - * the {@code src},{@code dsize},{@code fx}, and {@code fy}. If you want to resize src so that it fits the pre-created dst, - * you may call the function as follows: - * - * // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - * resize(src, dst, dst.size(), 0, 0, interpolation); - * - * If you want to decimate the image by factor of 2 in each direction, you can call the function this - * way: - * - * // specify fx and fy and let the function compute the destination image size. - * resize(src, dst, Size(), 0.5, 0.5, interpolation); - * - * To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - * enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - * (faster but still looks OK). - * - * @param src input image. - * @param dst output image; it has the size dsize (when it is non-zero) or the size computed from - * src.size(), fx, and fy; the type of dst is the same as of src. - * @param dsize output image size; if it equals zero ({@code None} in Python), it is computed as: - * \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - * Either dsize or both fx and fy must be non-zero. - * @param fx scale factor along the horizontal axis; when it equals 0, it is computed as - * \(\texttt{(double)dsize.width/src.cols}\) - * @param fy scale factor along the vertical axis; when it equals 0, it is computed as - * \(\texttt{(double)dsize.height/src.rows}\) - * - * SEE: warpAffine, warpPerspective, remap - */ - public static void resize(Mat src, Mat dst, Size dsize, double fx, double fy) { - resize_1(src.nativeObj, dst.nativeObj, dsize.width, dsize.height, fx, fy); - } - - /** - * Resizes an image. - * - * The function resize resizes the image src down to or up to the specified size. Note that the - * initial dst type or size are not taken into account. Instead, the size and type are derived from - * the {@code src},{@code dsize},{@code fx}, and {@code fy}. If you want to resize src so that it fits the pre-created dst, - * you may call the function as follows: - * - * // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - * resize(src, dst, dst.size(), 0, 0, interpolation); - * - * If you want to decimate the image by factor of 2 in each direction, you can call the function this - * way: - * - * // specify fx and fy and let the function compute the destination image size. - * resize(src, dst, Size(), 0.5, 0.5, interpolation); - * - * To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - * enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - * (faster but still looks OK). - * - * @param src input image. - * @param dst output image; it has the size dsize (when it is non-zero) or the size computed from - * src.size(), fx, and fy; the type of dst is the same as of src. - * @param dsize output image size; if it equals zero ({@code None} in Python), it is computed as: - * \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - * Either dsize or both fx and fy must be non-zero. - * @param fx scale factor along the horizontal axis; when it equals 0, it is computed as - * \(\texttt{(double)dsize.width/src.cols}\) - * \(\texttt{(double)dsize.height/src.rows}\) - * - * SEE: warpAffine, warpPerspective, remap - */ - public static void resize(Mat src, Mat dst, Size dsize, double fx) { - resize_2(src.nativeObj, dst.nativeObj, dsize.width, dsize.height, fx); - } - - /** - * Resizes an image. - * - * The function resize resizes the image src down to or up to the specified size. Note that the - * initial dst type or size are not taken into account. Instead, the size and type are derived from - * the {@code src},{@code dsize},{@code fx}, and {@code fy}. If you want to resize src so that it fits the pre-created dst, - * you may call the function as follows: - * - * // explicitly specify dsize=dst.size(); fx and fy will be computed from that. - * resize(src, dst, dst.size(), 0, 0, interpolation); - * - * If you want to decimate the image by factor of 2 in each direction, you can call the function this - * way: - * - * // specify fx and fy and let the function compute the destination image size. - * resize(src, dst, Size(), 0.5, 0.5, interpolation); - * - * To shrink an image, it will generally look best with #INTER_AREA interpolation, whereas to - * enlarge an image, it will generally look best with #INTER_CUBIC (slow) or #INTER_LINEAR - * (faster but still looks OK). - * - * @param src input image. - * @param dst output image; it has the size dsize (when it is non-zero) or the size computed from - * src.size(), fx, and fy; the type of dst is the same as of src. - * @param dsize output image size; if it equals zero ({@code None} in Python), it is computed as: - * \(\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\) - * Either dsize or both fx and fy must be non-zero. - * \(\texttt{(double)dsize.width/src.cols}\) - * \(\texttt{(double)dsize.height/src.rows}\) - * - * SEE: warpAffine, warpPerspective, remap - */ - public static void resize(Mat src, Mat dst, Size dsize) { - resize_3(src.nativeObj, dst.nativeObj, dsize.width, dsize.height); - } - - - // - // C++: void cv::warpAffine(Mat src, Mat& dst, Mat M, Size dsize, int flags = INTER_LINEAR, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - // - - /** - * Applies an affine transformation to an image. - * - * The function warpAffine transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - * with #invertAffineTransform and then put in the formula above instead of M. The function cannot - * operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(2\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (see #InterpolationFlags) and the optional - * flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * @param borderMode pixel extrapolation method (see #BorderTypes); when - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - * the "outliers" in the source image are not modified by the function. - * @param borderValue value used in case of a constant border; by default, it is 0. - * - * SEE: warpPerspective, resize, remap, getRectSubPix, transform - */ - public static void warpAffine(Mat src, Mat dst, Mat M, Size dsize, int flags, int borderMode, Scalar borderValue) { - warpAffine_0(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags, borderMode, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Applies an affine transformation to an image. - * - * The function warpAffine transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - * with #invertAffineTransform and then put in the formula above instead of M. The function cannot - * operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(2\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (see #InterpolationFlags) and the optional - * flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * @param borderMode pixel extrapolation method (see #BorderTypes); when - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - * the "outliers" in the source image are not modified by the function. - * - * SEE: warpPerspective, resize, remap, getRectSubPix, transform - */ - public static void warpAffine(Mat src, Mat dst, Mat M, Size dsize, int flags, int borderMode) { - warpAffine_1(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags, borderMode); - } - - /** - * Applies an affine transformation to an image. - * - * The function warpAffine transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - * with #invertAffineTransform and then put in the formula above instead of M. The function cannot - * operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(2\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (see #InterpolationFlags) and the optional - * flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - * the "outliers" in the source image are not modified by the function. - * - * SEE: warpPerspective, resize, remap, getRectSubPix, transform - */ - public static void warpAffine(Mat src, Mat dst, Mat M, Size dsize, int flags) { - warpAffine_2(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags); - } - - /** - * Applies an affine transformation to an image. - * - * The function warpAffine transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted - * with #invertAffineTransform and then put in the formula above instead of M. The function cannot - * operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(2\times 3\) transformation matrix. - * @param dsize size of the output image. - * flag #WARP_INVERSE_MAP that means that M is the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to - * the "outliers" in the source image are not modified by the function. - * - * SEE: warpPerspective, resize, remap, getRectSubPix, transform - */ - public static void warpAffine(Mat src, Mat dst, Mat M, Size dsize) { - warpAffine_3(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height); - } - - - // - // C++: void cv::warpPerspective(Mat src, Mat& dst, Mat M, Size dsize, int flags = INTER_LINEAR, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - // - - /** - * Applies a perspective transformation to an image. - * - * The function warpPerspective transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - * \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - * and then put in the formula above instead of M. The function cannot operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(3\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - * optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * @param borderMode pixel extrapolation method (#BORDER_CONSTANT or #BORDER_REPLICATE). - * @param borderValue value used in case of a constant border; by default, it equals 0. - * - * SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform - */ - public static void warpPerspective(Mat src, Mat dst, Mat M, Size dsize, int flags, int borderMode, Scalar borderValue) { - warpPerspective_0(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags, borderMode, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Applies a perspective transformation to an image. - * - * The function warpPerspective transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - * \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - * and then put in the formula above instead of M. The function cannot operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(3\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - * optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * @param borderMode pixel extrapolation method (#BORDER_CONSTANT or #BORDER_REPLICATE). - * - * SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform - */ - public static void warpPerspective(Mat src, Mat dst, Mat M, Size dsize, int flags, int borderMode) { - warpPerspective_1(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags, borderMode); - } - - /** - * Applies a perspective transformation to an image. - * - * The function warpPerspective transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - * \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - * and then put in the formula above instead of M. The function cannot operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(3\times 3\) transformation matrix. - * @param dsize size of the output image. - * @param flags combination of interpolation methods (#INTER_LINEAR or #INTER_NEAREST) and the - * optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * - * SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform - */ - public static void warpPerspective(Mat src, Mat dst, Mat M, Size dsize, int flags) { - warpPerspective_2(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height, flags); - } - - /** - * Applies a perspective transformation to an image. - * - * The function warpPerspective transforms the source image using the specified matrix: - * - * \(\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , - * \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\) - * - * when the flag #WARP_INVERSE_MAP is set. Otherwise, the transformation is first inverted with invert - * and then put in the formula above instead of M. The function cannot operate in-place. - * - * @param src input image. - * @param dst output image that has the size dsize and the same type as src . - * @param M \(3\times 3\) transformation matrix. - * @param dsize size of the output image. - * optional flag #WARP_INVERSE_MAP, that sets M as the inverse transformation ( - * \(\texttt{dst}\rightarrow\texttt{src}\) ). - * - * SEE: warpAffine, resize, remap, getRectSubPix, perspectiveTransform - */ - public static void warpPerspective(Mat src, Mat dst, Mat M, Size dsize) { - warpPerspective_3(src.nativeObj, dst.nativeObj, M.nativeObj, dsize.width, dsize.height); - } - - - // - // C++: void cv::remap(Mat src, Mat& dst, Mat map1, Mat map2, int interpolation, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - // - - /** - * Applies a generic geometrical transformation to an image. - * - * The function remap transforms the source image using the specified map: - * - * \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - * - * with the WARP_RELATIVE_MAP flag : - * - * \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - * - * where values of pixels with non-integer coordinates are computed using one of available - * interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - * in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - * \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - * convert from floating to fixed-point representations of a map is that they can yield much faster - * (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - * cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - * - * This function cannot operate in-place. - * - * @param src Source image. - * @param dst Destination image. It has the same size as map1 and the same type as src . - * @param map1 The first map of either (x,y) points or just x values having the type CV_16SC2 , - * CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - * representation to fixed-point for speed. - * @param map2 The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - * if map1 is (x,y) points), respectively. - * @param interpolation Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - * #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - * The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - * (e.g. INTER_LINEAR | WARP_RELATIVE_MAP) - * @param borderMode Pixel extrapolation method (see #BorderTypes). When - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - * corresponds to the "outliers" in the source image are not modified by the function. - * @param borderValue Value used in case of a constant border. By default, it is 0. - * Note: - * Due to current implementation limitations the size of an input and output images should be less than 32767x32767. - */ - public static void remap(Mat src, Mat dst, Mat map1, Mat map2, int interpolation, int borderMode, Scalar borderValue) { - remap_0(src.nativeObj, dst.nativeObj, map1.nativeObj, map2.nativeObj, interpolation, borderMode, borderValue.val[0], borderValue.val[1], borderValue.val[2], borderValue.val[3]); - } - - /** - * Applies a generic geometrical transformation to an image. - * - * The function remap transforms the source image using the specified map: - * - * \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - * - * with the WARP_RELATIVE_MAP flag : - * - * \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - * - * where values of pixels with non-integer coordinates are computed using one of available - * interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - * in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - * \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - * convert from floating to fixed-point representations of a map is that they can yield much faster - * (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - * cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - * - * This function cannot operate in-place. - * - * @param src Source image. - * @param dst Destination image. It has the same size as map1 and the same type as src . - * @param map1 The first map of either (x,y) points or just x values having the type CV_16SC2 , - * CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - * representation to fixed-point for speed. - * @param map2 The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - * if map1 is (x,y) points), respectively. - * @param interpolation Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - * #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - * The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - * (e.g. INTER_LINEAR | WARP_RELATIVE_MAP) - * @param borderMode Pixel extrapolation method (see #BorderTypes). When - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - * corresponds to the "outliers" in the source image are not modified by the function. - * Note: - * Due to current implementation limitations the size of an input and output images should be less than 32767x32767. - */ - public static void remap(Mat src, Mat dst, Mat map1, Mat map2, int interpolation, int borderMode) { - remap_1(src.nativeObj, dst.nativeObj, map1.nativeObj, map2.nativeObj, interpolation, borderMode); - } - - /** - * Applies a generic geometrical transformation to an image. - * - * The function remap transforms the source image using the specified map: - * - * \(\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\) - * - * with the WARP_RELATIVE_MAP flag : - * - * \(\texttt{dst} (x,y) = \texttt{src} (x+map_x(x,y),y+map_y(x,y))\) - * - * where values of pixels with non-integer coordinates are computed using one of available - * interpolation methods. \(map_x\) and \(map_y\) can be encoded as separate floating-point maps - * in \(map_1\) and \(map_2\) respectively, or interleaved floating-point maps of \((x,y)\) in - * \(map_1\), or fixed-point maps created by using #convertMaps. The reason you might want to - * convert from floating to fixed-point representations of a map is that they can yield much faster - * (\~2x) remapping operations. In the converted case, \(map_1\) contains pairs (cvFloor(x), - * cvFloor(y)) and \(map_2\) contains indices in a table of interpolation coefficients. - * - * This function cannot operate in-place. - * - * @param src Source image. - * @param dst Destination image. It has the same size as map1 and the same type as src . - * @param map1 The first map of either (x,y) points or just x values having the type CV_16SC2 , - * CV_32FC1, or CV_32FC2. See #convertMaps for details on converting a floating point - * representation to fixed-point for speed. - * @param map2 The second map of y values having the type CV_16UC1, CV_32FC1, or none (empty map - * if map1 is (x,y) points), respectively. - * @param interpolation Interpolation method (see #InterpolationFlags). The methods #INTER_AREA - * #INTER_LINEAR_EXACT and #INTER_NEAREST_EXACT are not supported by this function. - * The extra flag WARP_RELATIVE_MAP can be ORed to the interpolation method - * (e.g. INTER_LINEAR | WARP_RELATIVE_MAP) - * borderMode=#BORDER_TRANSPARENT, it means that the pixels in the destination image that - * corresponds to the "outliers" in the source image are not modified by the function. - * Note: - * Due to current implementation limitations the size of an input and output images should be less than 32767x32767. - */ - public static void remap(Mat src, Mat dst, Mat map1, Mat map2, int interpolation) { - remap_2(src.nativeObj, dst.nativeObj, map1.nativeObj, map2.nativeObj, interpolation); - } - - - // - // C++: void cv::convertMaps(Mat map1, Mat map2, Mat& dstmap1, Mat& dstmap2, int dstmap1type, bool nninterpolation = false) - // - - /** - * Converts image transformation maps from one representation to another. - * - * The function converts a pair of maps for remap from one representation to another. The following - * options ( (map1.type(), map2.type()) \(\rightarrow\) (dstmap1.type(), dstmap2.type()) ) are - * supported: - * - *
      - *
    • - * \(\texttt{(CV_32FC1, CV_32FC1)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). This is the - * most frequently used conversion operation, in which the original floating-point maps (see #remap) - * are converted to a more compact and much faster fixed-point representation. The first output array - * contains the rounded coordinates and the second array (created only when nninterpolation=false ) - * contains indices in the interpolation tables. - *
      • - *
    - * - *
      - *
    • - * \(\texttt{(CV_32FC2)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). The same as above but - * the original maps are stored in one 2-channel matrix. - *
      • - *
    - * - *
      - *
    • - * Reverse conversion. Obviously, the reconstructed floating-point maps will not be exactly the same - * as the originals. - *
      • - *
    - * - * @param map1 The first input map of type CV_16SC2, CV_32FC1, or CV_32FC2 . - * @param map2 The second input map of type CV_16UC1, CV_32FC1, or none (empty matrix), - * respectively. - * @param dstmap1 The first output map that has the type dstmap1type and the same size as src . - * @param dstmap2 The second output map. - * @param dstmap1type Type of the first output map that should be CV_16SC2, CV_32FC1, or - * CV_32FC2 . - * @param nninterpolation Flag indicating whether the fixed-point maps are used for the - * nearest-neighbor or for a more complex interpolation. - * - * SEE: remap, undistort, initUndistortRectifyMap - */ - public static void convertMaps(Mat map1, Mat map2, Mat dstmap1, Mat dstmap2, int dstmap1type, boolean nninterpolation) { - convertMaps_0(map1.nativeObj, map2.nativeObj, dstmap1.nativeObj, dstmap2.nativeObj, dstmap1type, nninterpolation); - } - - /** - * Converts image transformation maps from one representation to another. - * - * The function converts a pair of maps for remap from one representation to another. The following - * options ( (map1.type(), map2.type()) \(\rightarrow\) (dstmap1.type(), dstmap2.type()) ) are - * supported: - * - *
      - *
    • - * \(\texttt{(CV_32FC1, CV_32FC1)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). This is the - * most frequently used conversion operation, in which the original floating-point maps (see #remap) - * are converted to a more compact and much faster fixed-point representation. The first output array - * contains the rounded coordinates and the second array (created only when nninterpolation=false ) - * contains indices in the interpolation tables. - *
      • - *
    - * - *
      - *
    • - * \(\texttt{(CV_32FC2)} \rightarrow \texttt{(CV_16SC2, CV_16UC1)}\). The same as above but - * the original maps are stored in one 2-channel matrix. - *
      • - *
    - * - *
      - *
    • - * Reverse conversion. Obviously, the reconstructed floating-point maps will not be exactly the same - * as the originals. - *
      • - *
    - * - * @param map1 The first input map of type CV_16SC2, CV_32FC1, or CV_32FC2 . - * @param map2 The second input map of type CV_16UC1, CV_32FC1, or none (empty matrix), - * respectively. - * @param dstmap1 The first output map that has the type dstmap1type and the same size as src . - * @param dstmap2 The second output map. - * @param dstmap1type Type of the first output map that should be CV_16SC2, CV_32FC1, or - * CV_32FC2 . - * nearest-neighbor or for a more complex interpolation. - * - * SEE: remap, undistort, initUndistortRectifyMap - */ - public static void convertMaps(Mat map1, Mat map2, Mat dstmap1, Mat dstmap2, int dstmap1type) { - convertMaps_1(map1.nativeObj, map2.nativeObj, dstmap1.nativeObj, dstmap2.nativeObj, dstmap1type); - } - - - // - // C++: Mat cv::getRotationMatrix2D(Point2f center, double angle, double scale) - // - - /** - * Calculates an affine matrix of 2D rotation. - * - * The function calculates the following matrix: - * - * \(\begin{bmatrix} \alpha & \beta & (1- \alpha ) \cdot \texttt{center.x} - \beta \cdot \texttt{center.y} \\ - \beta & \alpha & \beta \cdot \texttt{center.x} + (1- \alpha ) \cdot \texttt{center.y} \end{bmatrix}\) - * - * where - * - * \(\begin{array}{l} \alpha = \texttt{scale} \cdot \cos \texttt{angle} , \\ \beta = \texttt{scale} \cdot \sin \texttt{angle} \end{array}\) - * - * The transformation maps the rotation center to itself. If this is not the target, adjust the shift. - * - * @param center Center of the rotation in the source image. - * @param angle Rotation angle in degrees. Positive values mean counter-clockwise rotation (the - * coordinate origin is assumed to be the top-left corner). - * @param scale Isotropic scale factor. - * - * SEE: getAffineTransform, warpAffine, transform - * @return automatically generated - */ - public static Mat getRotationMatrix2D(Point center, double angle, double scale) { - return new Mat(getRotationMatrix2D_0(center.x, center.y, angle, scale)); - } - - - // - // C++: void cv::invertAffineTransform(Mat M, Mat& iM) - // - - /** - * Inverts an affine transformation. - * - * The function computes an inverse affine transformation represented by \(2 \times 3\) matrix M: - * - * \(\begin{bmatrix} a_{11} & a_{12} & b_1 \\ a_{21} & a_{22} & b_2 \end{bmatrix}\) - * - * The result is also a \(2 \times 3\) matrix of the same type as M. - * - * @param M Original affine transformation. - * @param iM Output reverse affine transformation. - */ - public static void invertAffineTransform(Mat M, Mat iM) { - invertAffineTransform_0(M.nativeObj, iM.nativeObj); - } - - - // - // C++: Mat cv::getPerspectiveTransform(Mat src, Mat dst, int solveMethod = DECOMP_LU) - // - - /** - * Calculates a perspective transform from four pairs of the corresponding points. - * - * The function calculates the \(3 \times 3\) matrix of a perspective transform so that: - * - * \(\begin{bmatrix} t_i x'_i \\ t_i y'_i \\ t_i \end{bmatrix} = \texttt{map_matrix} \cdot \begin{bmatrix} x_i \\ y_i \\ 1 \end{bmatrix}\) - * - * where - * - * \(dst(i)=(x'_i,y'_i), src(i)=(x_i, y_i), i=0,1,2,3\) - * - * @param src Coordinates of quadrangle vertices in the source image. - * @param dst Coordinates of the corresponding quadrangle vertices in the destination image. - * @param solveMethod method passed to cv::solve (#DecompTypes) - * - * SEE: findHomography, warpPerspective, perspectiveTransform - * @return automatically generated - */ - public static Mat getPerspectiveTransform(Mat src, Mat dst, int solveMethod) { - return new Mat(getPerspectiveTransform_0(src.nativeObj, dst.nativeObj, solveMethod)); - } - - /** - * Calculates a perspective transform from four pairs of the corresponding points. - * - * The function calculates the \(3 \times 3\) matrix of a perspective transform so that: - * - * \(\begin{bmatrix} t_i x'_i \\ t_i y'_i \\ t_i \end{bmatrix} = \texttt{map_matrix} \cdot \begin{bmatrix} x_i \\ y_i \\ 1 \end{bmatrix}\) - * - * where - * - * \(dst(i)=(x'_i,y'_i), src(i)=(x_i, y_i), i=0,1,2,3\) - * - * @param src Coordinates of quadrangle vertices in the source image. - * @param dst Coordinates of the corresponding quadrangle vertices in the destination image. - * - * SEE: findHomography, warpPerspective, perspectiveTransform - * @return automatically generated - */ - public static Mat getPerspectiveTransform(Mat src, Mat dst) { - return new Mat(getPerspectiveTransform_1(src.nativeObj, dst.nativeObj)); - } - - - // - // C++: Mat cv::getAffineTransform(vector_Point2f src, vector_Point2f dst) - // - - public static Mat getAffineTransform(MatOfPoint2f src, MatOfPoint2f dst) { - Mat src_mat = src; - Mat dst_mat = dst; - return new Mat(getAffineTransform_0(src_mat.nativeObj, dst_mat.nativeObj)); - } - - - // - // C++: void cv::getRectSubPix(Mat image, Size patchSize, Point2f center, Mat& patch, int patchType = -1) - // - - /** - * Retrieves a pixel rectangle from an image with sub-pixel accuracy. - * - * The function getRectSubPix extracts pixels from src: - * - * \(patch(x, y) = src(x + \texttt{center.x} - ( \texttt{dst.cols} -1)*0.5, y + \texttt{center.y} - ( \texttt{dst.rows} -1)*0.5)\) - * - * where the values of the pixels at non-integer coordinates are retrieved using bilinear - * interpolation. Every channel of multi-channel images is processed independently. Also - * the image should be a single channel or three channel image. While the center of the - * rectangle must be inside the image, parts of the rectangle may be outside. - * - * @param image Source image. - * @param patchSize Size of the extracted patch. - * @param center Floating point coordinates of the center of the extracted rectangle within the - * source image. The center must be inside the image. - * @param patch Extracted patch that has the size patchSize and the same number of channels as src . - * @param patchType Depth of the extracted pixels. By default, they have the same depth as src . - * - * SEE: warpAffine, warpPerspective - */ - public static void getRectSubPix(Mat image, Size patchSize, Point center, Mat patch, int patchType) { - getRectSubPix_0(image.nativeObj, patchSize.width, patchSize.height, center.x, center.y, patch.nativeObj, patchType); - } - - /** - * Retrieves a pixel rectangle from an image with sub-pixel accuracy. - * - * The function getRectSubPix extracts pixels from src: - * - * \(patch(x, y) = src(x + \texttt{center.x} - ( \texttt{dst.cols} -1)*0.5, y + \texttt{center.y} - ( \texttt{dst.rows} -1)*0.5)\) - * - * where the values of the pixels at non-integer coordinates are retrieved using bilinear - * interpolation. Every channel of multi-channel images is processed independently. Also - * the image should be a single channel or three channel image. While the center of the - * rectangle must be inside the image, parts of the rectangle may be outside. - * - * @param image Source image. - * @param patchSize Size of the extracted patch. - * @param center Floating point coordinates of the center of the extracted rectangle within the - * source image. The center must be inside the image. - * @param patch Extracted patch that has the size patchSize and the same number of channels as src . - * - * SEE: warpAffine, warpPerspective - */ - public static void getRectSubPix(Mat image, Size patchSize, Point center, Mat patch) { - getRectSubPix_1(image.nativeObj, patchSize.width, patchSize.height, center.x, center.y, patch.nativeObj); - } - - - // - // C++: void cv::logPolar(Mat src, Mat& dst, Point2f center, double M, int flags) - // - - /** - * Remaps an image to semilog-polar coordinates space. - * - * @deprecated This function produces same result as cv::warpPolar(src, dst, src.size(), center, maxRadius, flags+WARP_POLAR_LOG); - * - * - * Transform the source image using the following transformation (See REF: polar_remaps_reference_image "Polar remaps reference image d)"): - * \(\begin{array}{l} - * dst( \rho , \phi ) = src(x,y) \\ - * dst.size() \leftarrow src.size() - * \end{array}\) - * - * where - * \(\begin{array}{l} - * I = (dx,dy) = (x - center.x,y - center.y) \\ - * \rho = M \cdot log_e(\texttt{magnitude} (I)) ,\\ - * \phi = Kangle \cdot \texttt{angle} (I) \\ - * \end{array}\) - * - * and - * \(\begin{array}{l} - * M = src.cols / log_e(maxRadius) \\ - * Kangle = src.rows / 2\Pi \\ - * \end{array}\) - * - * The function emulates the human "foveal" vision and can be used for fast scale and - * rotation-invariant template matching, for object tracking and so forth. - * @param src Source image - * @param dst Destination image. It will have same size and type as src. - * @param center The transformation center; where the output precision is maximal - * @param M Magnitude scale parameter. It determines the radius of the bounding circle to transform too. - * @param flags A combination of interpolation methods, see #InterpolationFlags - * - * Note: - *
      - *
    • - * The function can not operate in-place. - *
      • - *
    • - * To calculate magnitude and angle in degrees #cartToPolar is used internally thus angles are measured from 0 to 360 with accuracy about 0.3 degrees. - *
      • - *
    - * - * SEE: cv::linearPolar - */ - @Deprecated - public static void logPolar(Mat src, Mat dst, Point center, double M, int flags) { - logPolar_0(src.nativeObj, dst.nativeObj, center.x, center.y, M, flags); - } - - - // - // C++: void cv::linearPolar(Mat src, Mat& dst, Point2f center, double maxRadius, int flags) - // - - /** - * Remaps an image to polar coordinates space. - * - * @deprecated This function produces same result as cv::warpPolar(src, dst, src.size(), center, maxRadius, flags) - * - * - * Transform the source image using the following transformation (See REF: polar_remaps_reference_image "Polar remaps reference image c)"): - * \(\begin{array}{l} - * dst( \rho , \phi ) = src(x,y) \\ - * dst.size() \leftarrow src.size() - * \end{array}\) - * - * where - * \(\begin{array}{l} - * I = (dx,dy) = (x - center.x,y - center.y) \\ - * \rho = Kmag \cdot \texttt{magnitude} (I) ,\\ - * \phi = angle \cdot \texttt{angle} (I) - * \end{array}\) - * - * and - * \(\begin{array}{l} - * Kx = src.cols / maxRadius \\ - * Ky = src.rows / 2\Pi - * \end{array}\) - * - * - * @param src Source image - * @param dst Destination image. It will have same size and type as src. - * @param center The transformation center; - * @param maxRadius The radius of the bounding circle to transform. It determines the inverse magnitude scale parameter too. - * @param flags A combination of interpolation methods, see #InterpolationFlags - * - * Note: - *
      - *
    • - * The function can not operate in-place. - *
      • - *
    • - * To calculate magnitude and angle in degrees #cartToPolar is used internally thus angles are measured from 0 to 360 with accuracy about 0.3 degrees. - *
      • - *
    - * - * SEE: cv::logPolar - */ - @Deprecated - public static void linearPolar(Mat src, Mat dst, Point center, double maxRadius, int flags) { - linearPolar_0(src.nativeObj, dst.nativeObj, center.x, center.y, maxRadius, flags); - } - - - // - // C++: void cv::warpPolar(Mat src, Mat& dst, Size dsize, Point2f center, double maxRadius, int flags) - // - - /** - * Remaps an image to polar or semilog-polar coordinates space - * - * polar_remaps_reference_image - * ![Polar remaps reference](pics/polar_remap_doc.png) - * - * Transform the source image using the following transformation: - * \( - * dst(\rho , \phi ) = src(x,y) - * \) - * - * where - * \( - * \begin{array}{l} - * \vec{I} = (x - center.x, \;y - center.y) \\ - * \phi = Kangle \cdot \texttt{angle} (\vec{I}) \\ - * \rho = \left\{\begin{matrix} - * Klin \cdot \texttt{magnitude} (\vec{I}) & default \\ - * Klog \cdot log_e(\texttt{magnitude} (\vec{I})) & if \; semilog \\ - * \end{matrix}\right. - * \end{array} - * \) - * - * and - * \( - * \begin{array}{l} - * Kangle = dsize.height / 2\Pi \\ - * Klin = dsize.width / maxRadius \\ - * Klog = dsize.width / log_e(maxRadius) \\ - * \end{array} - * \) - * - * - * \par Linear vs semilog mapping - * - * Polar mapping can be linear or semi-log. Add one of #WarpPolarMode to {@code flags} to specify the polar mapping mode. - * - * Linear is the default mode. - * - * The semilog mapping emulates the human "foveal" vision that permit very high acuity on the line of sight (central vision) - * in contrast to peripheral vision where acuity is minor. - * - * \par Option on {@code dsize}: - * - *
      - *
    • - * if both values in {@code dsize <=0 } (default), - * the destination image will have (almost) same area of source bounding circle: - * \(\begin{array}{l} - * dsize.area \leftarrow (maxRadius^2 \cdot \Pi) \\ - * dsize.width = \texttt{cvRound}(maxRadius) \\ - * dsize.height = \texttt{cvRound}(maxRadius \cdot \Pi) \\ - * \end{array}\) - *
      • - *
    - * - * - *
      - *
    • - * if only {@code dsize.height <= 0}, - * the destination image area will be proportional to the bounding circle area but scaled by {@code Kx * Kx}: - * \(\begin{array}{l} - * dsize.height = \texttt{cvRound}(dsize.width \cdot \Pi) \\ - * \end{array} - * \) - *
      • - *
    - * - *
      - *
    • - * if both values in {@code dsize > 0 }, - * the destination image will have the given size therefore the area of the bounding circle will be scaled to {@code dsize}. - *
      • - *
    - * - * - * \par Reverse mapping - * - * You can get reverse mapping adding #WARP_INVERSE_MAP to {@code flags} - * \snippet polar_transforms.cpp InverseMap - * - * In addiction, to calculate the original coordinate from a polar mapped coordinate \((rho, phi)->(x, y)\): - * \snippet polar_transforms.cpp InverseCoordinate - * - * @param src Source image. - * @param dst Destination image. It will have same type as src. - * @param dsize The destination image size (see description for valid options). - * @param center The transformation center. - * @param maxRadius The radius of the bounding circle to transform. It determines the inverse magnitude scale parameter too. - * @param flags A combination of interpolation methods, #InterpolationFlags + #WarpPolarMode. - *
      - *
    • - * Add #WARP_POLAR_LINEAR to select linear polar mapping (default) - *
      • - *
    • - * Add #WARP_POLAR_LOG to select semilog polar mapping - *
      • - *
    • - * Add #WARP_INVERSE_MAP for reverse mapping. - *
      • - *
    - * Note: - *
      - *
    • - * The function can not operate in-place. - *
      • - *
    • - * To calculate magnitude and angle in degrees #cartToPolar is used internally thus angles are measured from 0 to 360 with accuracy about 0.3 degrees. - *
      • - *
    • - * This function uses #remap. Due to current implementation limitations the size of an input and output images should be less than 32767x32767. - *
      • - *
    - * - * SEE: cv::remap - */ - public static void warpPolar(Mat src, Mat dst, Size dsize, Point center, double maxRadius, int flags) { - warpPolar_0(src.nativeObj, dst.nativeObj, dsize.width, dsize.height, center.x, center.y, maxRadius, flags); - } - - - // - // C++: void cv::integral(Mat src, Mat& sum, Mat& sqsum, Mat& tilted, int sdepth = -1, int sqdepth = -1) - // - - /** - * Calculates the integral of an image. - * - * The function calculates one or more integral images for the source image as follows: - * - * \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - * - * \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - * - * \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - * - * Using these integral images, you can calculate sum, mean, and standard deviation over a specific - * up-right or rotated rectangular region of the image in a constant time, for example: - * - * \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - * - * It makes possible to do a fast blurring or fast block correlation with a variable window size, for - * example. In case of multi-channel images, sums for each channel are accumulated independently. - * - * As a practical example, the next figure shows the calculation of the integral of a straight - * rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - * original image are shown, as well as the relative pixels in the integral images sum and tilted . - * - * ![integral calculation example](pics/integral.png) - * - * @param src input image as \(W \times H\), 8-bit or floating-point (32f or 64f). - * @param sum integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f). - * @param sqsum integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - * floating-point (64f) array. - * @param tilted integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - * the same data type as sum. - * @param sdepth desired depth of the integral and the tilted integral images, CV_32S, CV_32F, or - * CV_64F. - * @param sqdepth desired depth of the integral image of squared pixel values, CV_32F or CV_64F. - */ - public static void integral3(Mat src, Mat sum, Mat sqsum, Mat tilted, int sdepth, int sqdepth) { - integral3_0(src.nativeObj, sum.nativeObj, sqsum.nativeObj, tilted.nativeObj, sdepth, sqdepth); - } - - /** - * Calculates the integral of an image. - * - * The function calculates one or more integral images for the source image as follows: - * - * \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - * - * \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - * - * \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - * - * Using these integral images, you can calculate sum, mean, and standard deviation over a specific - * up-right or rotated rectangular region of the image in a constant time, for example: - * - * \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - * - * It makes possible to do a fast blurring or fast block correlation with a variable window size, for - * example. In case of multi-channel images, sums for each channel are accumulated independently. - * - * As a practical example, the next figure shows the calculation of the integral of a straight - * rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - * original image are shown, as well as the relative pixels in the integral images sum and tilted . - * - * ![integral calculation example](pics/integral.png) - * - * @param src input image as \(W \times H\), 8-bit or floating-point (32f or 64f). - * @param sum integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f). - * @param sqsum integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - * floating-point (64f) array. - * @param tilted integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - * the same data type as sum. - * @param sdepth desired depth of the integral and the tilted integral images, CV_32S, CV_32F, or - * CV_64F. - */ - public static void integral3(Mat src, Mat sum, Mat sqsum, Mat tilted, int sdepth) { - integral3_1(src.nativeObj, sum.nativeObj, sqsum.nativeObj, tilted.nativeObj, sdepth); - } - - /** - * Calculates the integral of an image. - * - * The function calculates one or more integral images for the source image as follows: - * - * \(\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\) - * - * \(\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\) - * - * \(\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\) - * - * Using these integral images, you can calculate sum, mean, and standard deviation over a specific - * up-right or rotated rectangular region of the image in a constant time, for example: - * - * \(\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\) - * - * It makes possible to do a fast blurring or fast block correlation with a variable window size, for - * example. In case of multi-channel images, sums for each channel are accumulated independently. - * - * As a practical example, the next figure shows the calculation of the integral of a straight - * rectangle Rect(4,4,3,2) and of a tilted rectangle Rect(5,1,2,3) . The selected pixels in the - * original image are shown, as well as the relative pixels in the integral images sum and tilted . - * - * ![integral calculation example](pics/integral.png) - * - * @param src input image as \(W \times H\), 8-bit or floating-point (32f or 64f). - * @param sum integral image as \((W+1)\times (H+1)\) , 32-bit integer or floating-point (32f or 64f). - * @param sqsum integral image for squared pixel values; it is \((W+1)\times (H+1)\), double-precision - * floating-point (64f) array. - * @param tilted integral for the image rotated by 45 degrees; it is \((W+1)\times (H+1)\) array with - * the same data type as sum. - * CV_64F. - */ - public static void integral3(Mat src, Mat sum, Mat sqsum, Mat tilted) { - integral3_2(src.nativeObj, sum.nativeObj, sqsum.nativeObj, tilted.nativeObj); - } - - - // - // C++: void cv::integral(Mat src, Mat& sum, int sdepth = -1) - // - - public static void integral(Mat src, Mat sum, int sdepth) { - integral_0(src.nativeObj, sum.nativeObj, sdepth); - } - - public static void integral(Mat src, Mat sum) { - integral_1(src.nativeObj, sum.nativeObj); - } - - - // - // C++: void cv::integral(Mat src, Mat& sum, Mat& sqsum, int sdepth = -1, int sqdepth = -1) - // - - public static void integral2(Mat src, Mat sum, Mat sqsum, int sdepth, int sqdepth) { - integral2_0(src.nativeObj, sum.nativeObj, sqsum.nativeObj, sdepth, sqdepth); - } - - public static void integral2(Mat src, Mat sum, Mat sqsum, int sdepth) { - integral2_1(src.nativeObj, sum.nativeObj, sqsum.nativeObj, sdepth); - } - - public static void integral2(Mat src, Mat sum, Mat sqsum) { - integral2_2(src.nativeObj, sum.nativeObj, sqsum.nativeObj); - } - - - // - // C++: void cv::accumulate(Mat src, Mat& dst, Mat mask = Mat()) - // - - /** - * Adds an image to the accumulator image. - * - * The function adds src or some of its elements to dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * The function cv::accumulate can be used, for example, to collect statistics of a scene background - * viewed by a still camera and for the further foreground-background segmentation. - * - * @param src Input image of type CV_8UC(n), CV_16UC(n), CV_32FC(n) or CV_64FC(n), where n is a positive integer. - * @param dst %Accumulator image with the same number of channels as input image, and a depth of CV_32F or CV_64F. - * @param mask Optional operation mask. - * - * SEE: accumulateSquare, accumulateProduct, accumulateWeighted - */ - public static void accumulate(Mat src, Mat dst, Mat mask) { - accumulate_0(src.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Adds an image to the accumulator image. - * - * The function adds src or some of its elements to dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * The function cv::accumulate can be used, for example, to collect statistics of a scene background - * viewed by a still camera and for the further foreground-background segmentation. - * - * @param src Input image of type CV_8UC(n), CV_16UC(n), CV_32FC(n) or CV_64FC(n), where n is a positive integer. - * @param dst %Accumulator image with the same number of channels as input image, and a depth of CV_32F or CV_64F. - * - * SEE: accumulateSquare, accumulateProduct, accumulateWeighted - */ - public static void accumulate(Mat src, Mat dst) { - accumulate_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::accumulateSquare(Mat src, Mat& dst, Mat mask = Mat()) - // - - /** - * Adds the square of a source image to the accumulator image. - * - * The function adds the input image src or its selected region, raised to a power of 2, to the - * accumulator dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src Input image as 1- or 3-channel, 8-bit or 32-bit floating point. - * @param dst %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - * floating-point. - * @param mask Optional operation mask. - * - * SEE: accumulateSquare, accumulateProduct, accumulateWeighted - */ - public static void accumulateSquare(Mat src, Mat dst, Mat mask) { - accumulateSquare_0(src.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Adds the square of a source image to the accumulator image. - * - * The function adds the input image src or its selected region, raised to a power of 2, to the - * accumulator dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src Input image as 1- or 3-channel, 8-bit or 32-bit floating point. - * @param dst %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - * floating-point. - * - * SEE: accumulateSquare, accumulateProduct, accumulateWeighted - */ - public static void accumulateSquare(Mat src, Mat dst) { - accumulateSquare_1(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::accumulateProduct(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - // - - /** - * Adds the per-element product of two input images to the accumulator image. - * - * The function adds the product of two images or their selected regions to the accumulator dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src1 First input image, 1- or 3-channel, 8-bit or 32-bit floating point. - * @param src2 Second input image of the same type and the same size as src1 . - * @param dst %Accumulator image with the same number of channels as input images, 32-bit or 64-bit - * floating-point. - * @param mask Optional operation mask. - * - * SEE: accumulate, accumulateSquare, accumulateWeighted - */ - public static void accumulateProduct(Mat src1, Mat src2, Mat dst, Mat mask) { - accumulateProduct_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, mask.nativeObj); - } - - /** - * Adds the per-element product of two input images to the accumulator image. - * - * The function adds the product of two images or their selected regions to the accumulator dst : - * - * \(\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src1 First input image, 1- or 3-channel, 8-bit or 32-bit floating point. - * @param src2 Second input image of the same type and the same size as src1 . - * @param dst %Accumulator image with the same number of channels as input images, 32-bit or 64-bit - * floating-point. - * - * SEE: accumulate, accumulateSquare, accumulateWeighted - */ - public static void accumulateProduct(Mat src1, Mat src2, Mat dst) { - accumulateProduct_1(src1.nativeObj, src2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::accumulateWeighted(Mat src, Mat& dst, double alpha, Mat mask = Mat()) - // - - /** - * Updates a running average. - * - * The function calculates the weighted sum of the input image src and the accumulator dst so that dst - * becomes a running average of a frame sequence: - * - * \(\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * That is, alpha regulates the update speed (how fast the accumulator "forgets" about earlier images). - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src Input image as 1- or 3-channel, 8-bit or 32-bit floating point. - * @param dst %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - * floating-point. - * @param alpha Weight of the input image. - * @param mask Optional operation mask. - * - * SEE: accumulate, accumulateSquare, accumulateProduct - */ - public static void accumulateWeighted(Mat src, Mat dst, double alpha, Mat mask) { - accumulateWeighted_0(src.nativeObj, dst.nativeObj, alpha, mask.nativeObj); - } - - /** - * Updates a running average. - * - * The function calculates the weighted sum of the input image src and the accumulator dst so that dst - * becomes a running average of a frame sequence: - * - * \(\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\) - * - * That is, alpha regulates the update speed (how fast the accumulator "forgets" about earlier images). - * The function supports multi-channel images. Each channel is processed independently. - * - * @param src Input image as 1- or 3-channel, 8-bit or 32-bit floating point. - * @param dst %Accumulator image with the same number of channels as input image, 32-bit or 64-bit - * floating-point. - * @param alpha Weight of the input image. - * - * SEE: accumulate, accumulateSquare, accumulateProduct - */ - public static void accumulateWeighted(Mat src, Mat dst, double alpha) { - accumulateWeighted_1(src.nativeObj, dst.nativeObj, alpha); - } - - - // - // C++: Point2d cv::phaseCorrelate(Mat src1, Mat src2, Mat window = Mat(), double* response = 0) - // - - /** - * The function is used to detect translational shifts that occur between two images. - * - * The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - * the frequency domain. It can be used for fast image registration as well as motion estimation. For - * more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - * - * Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - * with getOptimalDFTSize. - * - * The function performs the following equations: - *
      - *
    • - * First it applies a Hanning window to each image to remove possible edge effects, if it's provided - * by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - * be cached until the array size changes to speed up processing time. - *
      • - *
    • - * Next it computes the forward DFTs of each source array: - * \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - * where \(\mathcal{F}\) is the forward DFT. - *
      • - *
    • - * It then computes the cross-power spectrum of each frequency domain array: - * \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) - *
      • - *
    • - * Next the cross-correlation is converted back into the time domain via the inverse DFT: - * \(r = \mathcal{F}^{-1}\{R\}\) - *
      • - *
    • - * Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - * achieve sub-pixel accuracy. - * \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) - *
      • - *
    • - * If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - * centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - * peak) and will be smaller when there are multiple peaks. - *
      • - *
    - * - * @param src1 Source floating point array (CV_32FC1 or CV_64FC1) - * @param src2 Source floating point array (CV_32FC1 or CV_64FC1) - * @param window Floating point array with windowing coefficients to reduce edge effects (optional). - * @param response Signal power within the 5x5 centroid around the peak, between 0 and 1 (optional). - * @return detected phase shift (sub-pixel) between the two arrays. - * - * SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow - */ - public static Point phaseCorrelate(Mat src1, Mat src2, Mat window, double[] response) { - double[] response_out = new double[1]; - Point retVal = new Point(phaseCorrelate_0(src1.nativeObj, src2.nativeObj, window.nativeObj, response_out)); - if(response!=null) response[0] = (double)response_out[0]; - return retVal; - } - - /** - * The function is used to detect translational shifts that occur between two images. - * - * The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - * the frequency domain. It can be used for fast image registration as well as motion estimation. For - * more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - * - * Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - * with getOptimalDFTSize. - * - * The function performs the following equations: - *
      - *
    • - * First it applies a Hanning window to each image to remove possible edge effects, if it's provided - * by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - * be cached until the array size changes to speed up processing time. - *
      • - *
    • - * Next it computes the forward DFTs of each source array: - * \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - * where \(\mathcal{F}\) is the forward DFT. - *
      • - *
    • - * It then computes the cross-power spectrum of each frequency domain array: - * \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) - *
      • - *
    • - * Next the cross-correlation is converted back into the time domain via the inverse DFT: - * \(r = \mathcal{F}^{-1}\{R\}\) - *
      • - *
    • - * Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - * achieve sub-pixel accuracy. - * \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) - *
      • - *
    • - * If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - * centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - * peak) and will be smaller when there are multiple peaks. - *
      • - *
    - * - * @param src1 Source floating point array (CV_32FC1 or CV_64FC1) - * @param src2 Source floating point array (CV_32FC1 or CV_64FC1) - * @param window Floating point array with windowing coefficients to reduce edge effects (optional). - * @return detected phase shift (sub-pixel) between the two arrays. - * - * SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow - */ - public static Point phaseCorrelate(Mat src1, Mat src2, Mat window) { - return new Point(phaseCorrelate_1(src1.nativeObj, src2.nativeObj, window.nativeObj)); - } - - /** - * The function is used to detect translational shifts that occur between two images. - * - * The operation takes advantage of the Fourier shift theorem for detecting the translational shift in - * the frequency domain. It can be used for fast image registration as well as motion estimation. For - * more information please see <https://en.wikipedia.org/wiki/Phase_correlation> - * - * Calculates the cross-power spectrum of two supplied source arrays. The arrays are padded if needed - * with getOptimalDFTSize. - * - * The function performs the following equations: - *
      - *
    • - * First it applies a Hanning window to each image to remove possible edge effects, if it's provided - * by user. See REF: createHanningWindow and <https://en.wikipedia.org/wiki/Hann_function>. This window may - * be cached until the array size changes to speed up processing time. - *
      • - *
    • - * Next it computes the forward DFTs of each source array: - * \(\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\) - * where \(\mathcal{F}\) is the forward DFT. - *
      • - *
    • - * It then computes the cross-power spectrum of each frequency domain array: - * \(R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\) - *
      • - *
    • - * Next the cross-correlation is converted back into the time domain via the inverse DFT: - * \(r = \mathcal{F}^{-1}\{R\}\) - *
      • - *
    • - * Finally, it computes the peak location and computes a 5x5 weighted centroid around the peak to - * achieve sub-pixel accuracy. - * \((\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\) - *
      • - *
    • - * If non-zero, the response parameter is computed as the sum of the elements of r within the 5x5 - * centroid around the peak location. It is normalized to a maximum of 1 (meaning there is a single - * peak) and will be smaller when there are multiple peaks. - *
      • - *
    - * - * @param src1 Source floating point array (CV_32FC1 or CV_64FC1) - * @param src2 Source floating point array (CV_32FC1 or CV_64FC1) - * @return detected phase shift (sub-pixel) between the two arrays. - * - * SEE: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow - */ - public static Point phaseCorrelate(Mat src1, Mat src2) { - return new Point(phaseCorrelate_2(src1.nativeObj, src2.nativeObj)); - } - - - // - // C++: void cv::createHanningWindow(Mat& dst, Size winSize, int type) - // - - /** - * This function computes a Hanning window coefficients in two dimensions. - * - * See (https://en.wikipedia.org/wiki/Hann_function) and (https://en.wikipedia.org/wiki/Window_function) - * for more information. - * - * An example is shown below: - * - * // create hanning window of size 100x100 and type CV_32F - * Mat hann; - * createHanningWindow(hann, Size(100, 100), CV_32F); - * - * @param dst Destination array to place Hann coefficients in - * @param winSize The window size specifications (both width and height must be > 1) - * @param type Created array type - */ - public static void createHanningWindow(Mat dst, Size winSize, int type) { - createHanningWindow_0(dst.nativeObj, winSize.width, winSize.height, type); - } - - - // - // C++: void cv::divSpectrums(Mat a, Mat b, Mat& c, int flags, bool conjB = false) - // - - /** - * Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum. - * - * The function cv::divSpectrums performs the per-element division of the first array by the second array. - * The arrays are CCS-packed or complex matrices that are results of a real or complex Fourier transform. - * - * @param a first input array. - * @param b second input array of the same size and type as src1 . - * @param c output array of the same size and type as src1 . - * @param flags operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - * each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a {@code 0} as value. - * @param conjB optional flag that conjugates the second input array before the multiplication (true) - * or not (false). - */ - public static void divSpectrums(Mat a, Mat b, Mat c, int flags, boolean conjB) { - divSpectrums_0(a.nativeObj, b.nativeObj, c.nativeObj, flags, conjB); - } - - /** - * Performs the per-element division of the first Fourier spectrum by the second Fourier spectrum. - * - * The function cv::divSpectrums performs the per-element division of the first array by the second array. - * The arrays are CCS-packed or complex matrices that are results of a real or complex Fourier transform. - * - * @param a first input array. - * @param b second input array of the same size and type as src1 . - * @param c output array of the same size and type as src1 . - * @param flags operation flags; currently, the only supported flag is cv::DFT_ROWS, which indicates that - * each row of src1 and src2 is an independent 1D Fourier spectrum. If you do not want to use this flag, then simply add a {@code 0} as value. - * or not (false). - */ - public static void divSpectrums(Mat a, Mat b, Mat c, int flags) { - divSpectrums_1(a.nativeObj, b.nativeObj, c.nativeObj, flags); - } - - - // - // C++: double cv::threshold(Mat src, Mat& dst, double thresh, double maxval, int type) - // - - /** - * Applies a fixed-level threshold to each array element. - * - * The function applies fixed-level thresholding to a multiple-channel array. The function is typically - * used to get a bi-level (binary) image out of a grayscale image ( #compare could be also used for - * this purpose) or for removing a noise, that is, filtering out pixels with too small or too large - * values. There are several types of thresholding supported by the function. They are determined by - * type parameter. - * - * Also, the special values #THRESH_OTSU or #THRESH_TRIANGLE may be combined with one of the - * above values. In these cases, the function determines the optimal threshold value using the Otsu's - * or Triangle algorithm and uses it instead of the specified thresh. - * - * Note: Currently, the Otsu's method is implemented only for CV_8UC1 and CV_16UC1 images, - * and the Triangle's method is implemented only for CV_8UC1 images. - * - * @param src input array (multiple-channel, CV_8U, CV_16S, CV_16U, CV_32F or CV_64F). - * @param dst output array of the same size and type and the same number of channels as src. - * @param thresh threshold value. - * @param maxval maximum value to use with the #THRESH_BINARY and #THRESH_BINARY_INV thresholding - * types. - * @param type thresholding type (see #ThresholdTypes). - * @return the computed threshold value if Otsu's or Triangle methods used. - * - * SEE: thresholdWithMask, adaptiveThreshold, findContours, compare, min, max - */ - public static double threshold(Mat src, Mat dst, double thresh, double maxval, int type) { - return threshold_0(src.nativeObj, dst.nativeObj, thresh, maxval, type); - } - - - // - // C++: double cv::thresholdWithMask(Mat src, Mat& dst, Mat mask, double thresh, double maxval, int type) - // - - /** - * Same as #threshold, but with an optional mask - * - * Note: If the mask is empty, #thresholdWithMask is equivalent to #threshold. - * If the mask is not empty, dst *must* be of the same size and type as src, so that - * outliers pixels are left as-is - * - * @param src input array (multiple-channel, 8-bit or 32-bit floating point). - * @param dst output array of the same size and type and the same number of channels as src. - * @param mask optional mask (same size as src, 8-bit). - * @param thresh threshold value. - * @param maxval maximum value to use with the #THRESH_BINARY and #THRESH_BINARY_INV thresholding - * types. - * @param type thresholding type (see #ThresholdTypes). - * @return the computed threshold value if Otsu's or Triangle methods used. - * - * SEE: threshold, adaptiveThreshold, findContours, compare, min, max - */ - public static double thresholdWithMask(Mat src, Mat dst, Mat mask, double thresh, double maxval, int type) { - return thresholdWithMask_0(src.nativeObj, dst.nativeObj, mask.nativeObj, thresh, maxval, type); - } - - - // - // C++: void cv::adaptiveThreshold(Mat src, Mat& dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C) - // - - /** - * Applies an adaptive threshold to an array. - * - * The function transforms a grayscale image to a binary image according to the formulae: - *
      - *
    • - * THRESH_BINARY - * \(dst(x,y) = \fork{\texttt{maxValue}}{if \(src(x,y) > T(x,y)\)}{0}{otherwise}\) - *
      • - *
    • - * THRESH_BINARY_INV - * \(dst(x,y) = \fork{0}{if \(src(x,y) > T(x,y)\)}{\texttt{maxValue}}{otherwise}\) - * where \(T(x,y)\) is a threshold calculated individually for each pixel (see adaptiveMethod parameter). - *
      • - *
    - * - * The function can process the image in-place. - * - * @param src Source 8-bit single-channel image. - * @param dst Destination image of the same size and the same type as src. - * @param maxValue Non-zero value assigned to the pixels for which the condition is satisfied - * @param adaptiveMethod Adaptive thresholding algorithm to use, see #AdaptiveThresholdTypes. - * The #BORDER_REPLICATE | #BORDER_ISOLATED is used to process boundaries. - * @param thresholdType Thresholding type that must be either #THRESH_BINARY or #THRESH_BINARY_INV, - * see #ThresholdTypes. - * @param blockSize Size of a pixel neighborhood that is used to calculate a threshold value for the - * pixel: 3, 5, 7, and so on. - * @param C Constant subtracted from the mean or weighted mean (see the details below). Normally, it - * is positive but may be zero or negative as well. - * - * SEE: threshold, blur, GaussianBlur - */ - public static void adaptiveThreshold(Mat src, Mat dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C) { - adaptiveThreshold_0(src.nativeObj, dst.nativeObj, maxValue, adaptiveMethod, thresholdType, blockSize, C); - } - - - // - // C++: void cv::pyrDown(Mat src, Mat& dst, Size dstsize = Size(), int borderType = BORDER_DEFAULT) - // - - /** - * Blurs an image and downsamples it. - * - * By default, size of the output image is computed as {@code Size((src.cols+1)/2, (src.rows+1)/2)}, but in - * any case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - * - * The function performs the downsampling step of the Gaussian pyramid construction. First, it - * convolves the source image with the kernel: - * - * \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - * - * Then, it downsamples the image by rejecting even rows and columns. - * - * @param src input image. - * @param dst output image; it has the specified size and the same type as src. - * @param dstsize size of the output image. - * @param borderType Pixel extrapolation method, see #BorderTypes (#BORDER_CONSTANT isn't supported) - */ - public static void pyrDown(Mat src, Mat dst, Size dstsize, int borderType) { - pyrDown_0(src.nativeObj, dst.nativeObj, dstsize.width, dstsize.height, borderType); - } - - /** - * Blurs an image and downsamples it. - * - * By default, size of the output image is computed as {@code Size((src.cols+1)/2, (src.rows+1)/2)}, but in - * any case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - * - * The function performs the downsampling step of the Gaussian pyramid construction. First, it - * convolves the source image with the kernel: - * - * \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - * - * Then, it downsamples the image by rejecting even rows and columns. - * - * @param src input image. - * @param dst output image; it has the specified size and the same type as src. - * @param dstsize size of the output image. - */ - public static void pyrDown(Mat src, Mat dst, Size dstsize) { - pyrDown_1(src.nativeObj, dst.nativeObj, dstsize.width, dstsize.height); - } - - /** - * Blurs an image and downsamples it. - * - * By default, size of the output image is computed as {@code Size((src.cols+1)/2, (src.rows+1)/2)}, but in - * any case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} *2-src.cols| \leq 2 \\ | \texttt{dstsize.height} *2-src.rows| \leq 2 \end{array}\) - * - * The function performs the downsampling step of the Gaussian pyramid construction. First, it - * convolves the source image with the kernel: - * - * \(\frac{1}{256} \begin{bmatrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6 & 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}\) - * - * Then, it downsamples the image by rejecting even rows and columns. - * - * @param src input image. - * @param dst output image; it has the specified size and the same type as src. - */ - public static void pyrDown(Mat src, Mat dst) { - pyrDown_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::pyrUp(Mat src, Mat& dst, Size dstsize = Size(), int borderType = BORDER_DEFAULT) - // - - /** - * Upsamples an image and then blurs it. - * - * By default, size of the output image is computed as {@code Size(src.cols\*2, (src.rows\*2)}, but in any - * case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - * - * The function performs the upsampling step of the Gaussian pyramid construction, though it can - * actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - * injecting even zero rows and columns and then convolves the result with the same kernel as in - * pyrDown multiplied by 4. - * - * @param src input image. - * @param dst output image. It has the specified size and the same type as src . - * @param dstsize size of the output image. - * @param borderType Pixel extrapolation method, see #BorderTypes (only #BORDER_DEFAULT is supported) - */ - public static void pyrUp(Mat src, Mat dst, Size dstsize, int borderType) { - pyrUp_0(src.nativeObj, dst.nativeObj, dstsize.width, dstsize.height, borderType); - } - - /** - * Upsamples an image and then blurs it. - * - * By default, size of the output image is computed as {@code Size(src.cols\*2, (src.rows\*2)}, but in any - * case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - * - * The function performs the upsampling step of the Gaussian pyramid construction, though it can - * actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - * injecting even zero rows and columns and then convolves the result with the same kernel as in - * pyrDown multiplied by 4. - * - * @param src input image. - * @param dst output image. It has the specified size and the same type as src . - * @param dstsize size of the output image. - */ - public static void pyrUp(Mat src, Mat dst, Size dstsize) { - pyrUp_1(src.nativeObj, dst.nativeObj, dstsize.width, dstsize.height); - } - - /** - * Upsamples an image and then blurs it. - * - * By default, size of the output image is computed as {@code Size(src.cols\*2, (src.rows\*2)}, but in any - * case, the following conditions should be satisfied: - * - * \(\begin{array}{l} | \texttt{dstsize.width} -src.cols*2| \leq ( \texttt{dstsize.width} \mod 2) \\ | \texttt{dstsize.height} -src.rows*2| \leq ( \texttt{dstsize.height} \mod 2) \end{array}\) - * - * The function performs the upsampling step of the Gaussian pyramid construction, though it can - * actually be used to construct the Laplacian pyramid. First, it upsamples the source image by - * injecting even zero rows and columns and then convolves the result with the same kernel as in - * pyrDown multiplied by 4. - * - * @param src input image. - * @param dst output image. It has the specified size and the same type as src . - */ - public static void pyrUp(Mat src, Mat dst) { - pyrUp_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::calcHist(vector_Mat images, vector_int channels, Mat mask, Mat& hist, vector_int histSize, vector_float ranges, bool accumulate = false) - // - - /** - * - * - * this variant supports only uniform histograms. - * - * ranges argument is either empty vector or a flattened vector of histSize.size()*2 elements - * (histSize.size() element pairs). The first and second elements of each pair specify the lower and - * upper boundaries. - * @param images automatically generated - * @param channels automatically generated - * @param mask automatically generated - * @param hist automatically generated - * @param histSize automatically generated - * @param ranges automatically generated - * @param accumulate automatically generated - */ - public static void calcHist(List images, MatOfInt channels, Mat mask, Mat hist, MatOfInt histSize, MatOfFloat ranges, boolean accumulate) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - Mat channels_mat = channels; - Mat histSize_mat = histSize; - Mat ranges_mat = ranges; - calcHist_0(images_mat.nativeObj, channels_mat.nativeObj, mask.nativeObj, hist.nativeObj, histSize_mat.nativeObj, ranges_mat.nativeObj, accumulate); - } - - /** - * - * - * this variant supports only uniform histograms. - * - * ranges argument is either empty vector or a flattened vector of histSize.size()*2 elements - * (histSize.size() element pairs). The first and second elements of each pair specify the lower and - * upper boundaries. - * @param images automatically generated - * @param channels automatically generated - * @param mask automatically generated - * @param hist automatically generated - * @param histSize automatically generated - * @param ranges automatically generated - */ - public static void calcHist(List images, MatOfInt channels, Mat mask, Mat hist, MatOfInt histSize, MatOfFloat ranges) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - Mat channels_mat = channels; - Mat histSize_mat = histSize; - Mat ranges_mat = ranges; - calcHist_1(images_mat.nativeObj, channels_mat.nativeObj, mask.nativeObj, hist.nativeObj, histSize_mat.nativeObj, ranges_mat.nativeObj); - } - - - // - // C++: void cv::calcBackProject(vector_Mat images, vector_int channels, Mat hist, Mat& dst, vector_float ranges, double scale) - // - - public static void calcBackProject(List images, MatOfInt channels, Mat hist, Mat dst, MatOfFloat ranges, double scale) { - Mat images_mat = Converters.vector_Mat_to_Mat(images); - Mat channels_mat = channels; - Mat ranges_mat = ranges; - calcBackProject_0(images_mat.nativeObj, channels_mat.nativeObj, hist.nativeObj, dst.nativeObj, ranges_mat.nativeObj, scale); - } - - - // - // C++: double cv::compareHist(Mat H1, Mat H2, int method) - // - - /** - * Compares two histograms. - * - * The function cv::compareHist compares two dense or two sparse histograms using the specified method. - * - * The function returns \(d(H_1, H_2)\) . - * - * While the function works well with 1-, 2-, 3-dimensional dense histograms, it may not be suitable - * for high-dimensional sparse histograms. In such histograms, because of aliasing and sampling - * problems, the coordinates of non-zero histogram bins can slightly shift. To compare such histograms - * or more general sparse configurations of weighted points, consider using the #EMD function. - * - * @param H1 First compared histogram. - * @param H2 Second compared histogram of the same size as H1 . - * @param method Comparison method, see #HistCompMethods - * @return automatically generated - */ - public static double compareHist(Mat H1, Mat H2, int method) { - return compareHist_0(H1.nativeObj, H2.nativeObj, method); - } - - - // - // C++: void cv::equalizeHist(Mat src, Mat& dst) - // - - /** - * Equalizes the histogram of a grayscale image. - * - * The function equalizes the histogram of the input image using the following algorithm: - * - *
      - *
    • - * Calculate the histogram \(H\) for src . - *
      • - *
    • - * Normalize the histogram so that the sum of histogram bins is 255. - *
      • - *
    • - * Compute the integral of the histogram: - * \(H'_i = \sum _{0 \le j < i} H(j)\) - *
      • - *
    • - * Transform the image using \(H'\) as a look-up table: \(\texttt{dst}(x,y) = H'(\texttt{src}(x,y))\) - *
      • - *
    - * - * The algorithm normalizes the brightness and increases the contrast of the image. - * - * @param src Source 8-bit single channel image. - * @param dst Destination image of the same size and type as src . - */ - public static void equalizeHist(Mat src, Mat dst) { - equalizeHist_0(src.nativeObj, dst.nativeObj); - } - - - // - // C++: Ptr_CLAHE cv::createCLAHE(double clipLimit = 40.0, Size tileGridSize = Size(8, 8)) - // - - /** - * Creates a smart pointer to a cv::CLAHE class and initializes it. - * - * @param clipLimit Threshold for contrast limiting. - * @param tileGridSize Size of grid for histogram equalization. Input image will be divided into - * equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column. - * @return automatically generated - */ - public static CLAHE createCLAHE(double clipLimit, Size tileGridSize) { - return CLAHE.__fromPtr__(createCLAHE_0(clipLimit, tileGridSize.width, tileGridSize.height)); - } - - /** - * Creates a smart pointer to a cv::CLAHE class and initializes it. - * - * @param clipLimit Threshold for contrast limiting. - * equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column. - * @return automatically generated - */ - public static CLAHE createCLAHE(double clipLimit) { - return CLAHE.__fromPtr__(createCLAHE_1(clipLimit)); - } - - /** - * Creates a smart pointer to a cv::CLAHE class and initializes it. - * - * equally sized rectangular tiles. tileGridSize defines the number of tiles in row and column. - * @return automatically generated - */ - public static CLAHE createCLAHE() { - return CLAHE.__fromPtr__(createCLAHE_2()); - } - - - // - // C++: float cv::wrapperEMD(Mat signature1, Mat signature2, int distType, Mat cost = Mat(), Ptr_float& lowerBound = Ptr(), Mat& flow = Mat()) - // - - /** - * Computes the "minimal work" distance between two weighted point configurations. - * - * The function computes the earth mover distance and/or a lower boundary of the distance between the - * two weighted point configurations. One of the applications described in CITE: RubnerSept98, - * CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - * problem that is solved using some modification of a simplex algorithm, thus the complexity is - * exponential in the worst case, though, on average it is much faster. In the case of a real metric - * the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - * to determine roughly whether the two signatures are far enough so that they cannot relate to the - * same object. - * - * @param signature1 First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - * Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - * a single column (weights only) if the user-defined cost matrix is used. The weights must be - * non-negative and have at least one non-zero value. - * @param signature2 Second signature of the same format as signature1 , though the number of rows - * may be different. The total weights may be different. In this case an extra "dummy" point is added - * to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - * value. - * @param distType Used metric. See #DistanceTypes. - * @param cost User-defined \(\texttt{size1}\times \texttt{size2}\) cost matrix. Also, if a cost matrix - * is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - * signatures that is a distance between mass centers. The lower boundary may not be calculated if - * the user-defined cost matrix is used, the total weights of point configurations are not equal, or - * if the signatures consist of weights only (the signature matrices have a single column). You - * must initialize \*lowerBound . If the calculated distance between mass centers is greater or - * equal to \*lowerBound (it means that the signatures are far enough), the function does not - * calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - * return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - * should be set to 0. - * @param flow Resultant \(\texttt{size1} \times \texttt{size2}\) flow matrix: \(\texttt{flow}_{i,j}\) is - * a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 . - * @return automatically generated - */ - public static float EMD(Mat signature1, Mat signature2, int distType, Mat cost, Mat flow) { - return EMD_0(signature1.nativeObj, signature2.nativeObj, distType, cost.nativeObj, flow.nativeObj); - } - - /** - * Computes the "minimal work" distance between two weighted point configurations. - * - * The function computes the earth mover distance and/or a lower boundary of the distance between the - * two weighted point configurations. One of the applications described in CITE: RubnerSept98, - * CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - * problem that is solved using some modification of a simplex algorithm, thus the complexity is - * exponential in the worst case, though, on average it is much faster. In the case of a real metric - * the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - * to determine roughly whether the two signatures are far enough so that they cannot relate to the - * same object. - * - * @param signature1 First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - * Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - * a single column (weights only) if the user-defined cost matrix is used. The weights must be - * non-negative and have at least one non-zero value. - * @param signature2 Second signature of the same format as signature1 , though the number of rows - * may be different. The total weights may be different. In this case an extra "dummy" point is added - * to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - * value. - * @param distType Used metric. See #DistanceTypes. - * @param cost User-defined \(\texttt{size1}\times \texttt{size2}\) cost matrix. Also, if a cost matrix - * is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - * signatures that is a distance between mass centers. The lower boundary may not be calculated if - * the user-defined cost matrix is used, the total weights of point configurations are not equal, or - * if the signatures consist of weights only (the signature matrices have a single column). You - * must initialize \*lowerBound . If the calculated distance between mass centers is greater or - * equal to \*lowerBound (it means that the signatures are far enough), the function does not - * calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - * return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - * should be set to 0. - * a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 . - * @return automatically generated - */ - public static float EMD(Mat signature1, Mat signature2, int distType, Mat cost) { - return EMD_1(signature1.nativeObj, signature2.nativeObj, distType, cost.nativeObj); - } - - /** - * Computes the "minimal work" distance between two weighted point configurations. - * - * The function computes the earth mover distance and/or a lower boundary of the distance between the - * two weighted point configurations. One of the applications described in CITE: RubnerSept98, - * CITE: Rubner2000 is multi-dimensional histogram comparison for image retrieval. EMD is a transportation - * problem that is solved using some modification of a simplex algorithm, thus the complexity is - * exponential in the worst case, though, on average it is much faster. In the case of a real metric - * the lower boundary can be calculated even faster (using linear-time algorithm) and it can be used - * to determine roughly whether the two signatures are far enough so that they cannot relate to the - * same object. - * - * @param signature1 First signature, a \(\texttt{size1}\times \texttt{dims}+1\) floating-point matrix. - * Each row stores the point weight followed by the point coordinates. The matrix is allowed to have - * a single column (weights only) if the user-defined cost matrix is used. The weights must be - * non-negative and have at least one non-zero value. - * @param signature2 Second signature of the same format as signature1 , though the number of rows - * may be different. The total weights may be different. In this case an extra "dummy" point is added - * to either signature1 or signature2. The weights must be non-negative and have at least one non-zero - * value. - * @param distType Used metric. See #DistanceTypes. - * is used, lower boundary lowerBound cannot be calculated because it needs a metric function. - * signatures that is a distance between mass centers. The lower boundary may not be calculated if - * the user-defined cost matrix is used, the total weights of point configurations are not equal, or - * if the signatures consist of weights only (the signature matrices have a single column). You - * must initialize \*lowerBound . If the calculated distance between mass centers is greater or - * equal to \*lowerBound (it means that the signatures are far enough), the function does not - * calculate EMD. In any case \*lowerBound is set to the calculated distance between mass centers on - * return. Thus, if you want to calculate both distance between mass centers and EMD, \*lowerBound - * should be set to 0. - * a flow from \(i\) -th point of signature1 to \(j\) -th point of signature2 . - * @return automatically generated - */ - public static float EMD(Mat signature1, Mat signature2, int distType) { - return EMD_3(signature1.nativeObj, signature2.nativeObj, distType); - } - - - // - // C++: void cv::watershed(Mat image, Mat& markers) - // - - /** - * Performs a marker-based image segmentation using the watershed algorithm. - * - * The function implements one of the variants of watershed, non-parametric marker-based segmentation - * algorithm, described in CITE: Meyer92 . - * - * Before passing the image to the function, you have to roughly outline the desired regions in the - * image markers with positive (>0) indices. So, every region is represented as one or more connected - * components with the pixel values 1, 2, 3, and so on. Such markers can be retrieved from a binary - * mask using #findContours and #drawContours (see the watershed.cpp demo). The markers are "seeds" of - * the future image regions. All the other pixels in markers , whose relation to the outlined regions - * is not known and should be defined by the algorithm, should be set to 0's. In the function output, - * each pixel in markers is set to a value of the "seed" components or to -1 at boundaries between the - * regions. - * - * Note: Any two neighbor connected components are not necessarily separated by a watershed boundary - * (-1's pixels); for example, they can touch each other in the initial marker image passed to the - * function. - * - * @param image Input 8-bit 3-channel image. - * @param markers Input/output 32-bit single-channel image (map) of markers. It should have the same - * size as image . - * - * SEE: findContours - */ - public static void watershed(Mat image, Mat markers) { - watershed_0(image.nativeObj, markers.nativeObj); - } - - - // - // C++: void cv::pyrMeanShiftFiltering(Mat src, Mat& dst, double sp, double sr, int maxLevel = 1, TermCriteria termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS,5,1)) - // - - /** - * Performs initial step of meanshift segmentation of an image. - * - * The function implements the filtering stage of meanshift segmentation, that is, the output of the - * function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - * At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - * meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - * considered: - * - * \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - * - * where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - * (though, the algorithm does not depend on the color space used, so any 3-component color space can - * be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - * (R',G',B') are found and they act as the neighborhood center on the next iteration: - * - * \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - * - * After the iterations over, the color components of the initial pixel (that is, the pixel from where - * the iterations started) are set to the final value (average color at the last iteration): - * - * \(I(X,Y) <- (R*,G*,B*)\) - * - * When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - * run on the smallest layer first. After that, the results are propagated to the larger layer and the - * iterations are run again only on those pixels where the layer colors differ by more than sr from the - * lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - * results will be actually different from the ones obtained by running the meanshift procedure on the - * whole original image (i.e. when maxLevel==0). - * - * @param src The source 8-bit, 3-channel image. - * @param dst The destination image of the same format and the same size as the source. - * @param sp The spatial window radius. - * @param sr The color window radius. - * @param maxLevel Maximum level of the pyramid for the segmentation. - * @param termcrit Termination criteria: when to stop meanshift iterations. - */ - public static void pyrMeanShiftFiltering(Mat src, Mat dst, double sp, double sr, int maxLevel, TermCriteria termcrit) { - pyrMeanShiftFiltering_0(src.nativeObj, dst.nativeObj, sp, sr, maxLevel, termcrit.type, termcrit.maxCount, termcrit.epsilon); - } - - /** - * Performs initial step of meanshift segmentation of an image. - * - * The function implements the filtering stage of meanshift segmentation, that is, the output of the - * function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - * At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - * meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - * considered: - * - * \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - * - * where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - * (though, the algorithm does not depend on the color space used, so any 3-component color space can - * be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - * (R',G',B') are found and they act as the neighborhood center on the next iteration: - * - * \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - * - * After the iterations over, the color components of the initial pixel (that is, the pixel from where - * the iterations started) are set to the final value (average color at the last iteration): - * - * \(I(X,Y) <- (R*,G*,B*)\) - * - * When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - * run on the smallest layer first. After that, the results are propagated to the larger layer and the - * iterations are run again only on those pixels where the layer colors differ by more than sr from the - * lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - * results will be actually different from the ones obtained by running the meanshift procedure on the - * whole original image (i.e. when maxLevel==0). - * - * @param src The source 8-bit, 3-channel image. - * @param dst The destination image of the same format and the same size as the source. - * @param sp The spatial window radius. - * @param sr The color window radius. - * @param maxLevel Maximum level of the pyramid for the segmentation. - */ - public static void pyrMeanShiftFiltering(Mat src, Mat dst, double sp, double sr, int maxLevel) { - pyrMeanShiftFiltering_1(src.nativeObj, dst.nativeObj, sp, sr, maxLevel); - } - - /** - * Performs initial step of meanshift segmentation of an image. - * - * The function implements the filtering stage of meanshift segmentation, that is, the output of the - * function is the filtered "posterized" image with color gradients and fine-grain texture flattened. - * At every pixel (X,Y) of the input image (or down-sized input image, see below) the function executes - * meanshift iterations, that is, the pixel (X,Y) neighborhood in the joint space-color hyperspace is - * considered: - * - * \((x,y): X- \texttt{sp} \le x \le X+ \texttt{sp} , Y- \texttt{sp} \le y \le Y+ \texttt{sp} , ||(R,G,B)-(r,g,b)|| \le \texttt{sr}\) - * - * where (R,G,B) and (r,g,b) are the vectors of color components at (X,Y) and (x,y), respectively - * (though, the algorithm does not depend on the color space used, so any 3-component color space can - * be used instead). Over the neighborhood the average spatial value (X',Y') and average color vector - * (R',G',B') are found and they act as the neighborhood center on the next iteration: - * - * \((X,Y)~(X',Y'), (R,G,B)~(R',G',B').\) - * - * After the iterations over, the color components of the initial pixel (that is, the pixel from where - * the iterations started) are set to the final value (average color at the last iteration): - * - * \(I(X,Y) <- (R*,G*,B*)\) - * - * When maxLevel > 0, the gaussian pyramid of maxLevel+1 levels is built, and the above procedure is - * run on the smallest layer first. After that, the results are propagated to the larger layer and the - * iterations are run again only on those pixels where the layer colors differ by more than sr from the - * lower-resolution layer of the pyramid. That makes boundaries of color regions sharper. Note that the - * results will be actually different from the ones obtained by running the meanshift procedure on the - * whole original image (i.e. when maxLevel==0). - * - * @param src The source 8-bit, 3-channel image. - * @param dst The destination image of the same format and the same size as the source. - * @param sp The spatial window radius. - * @param sr The color window radius. - */ - public static void pyrMeanShiftFiltering(Mat src, Mat dst, double sp, double sr) { - pyrMeanShiftFiltering_2(src.nativeObj, dst.nativeObj, sp, sr); - } - - - // - // C++: void cv::grabCut(Mat img, Mat& mask, Rect rect, Mat& bgdModel, Mat& fgdModel, int iterCount, int mode = GC_EVAL) - // - - /** - * Runs the GrabCut algorithm. - * - * The function implements the [GrabCut image segmentation algorithm](https://en.wikipedia.org/wiki/GrabCut). - * - * @param img Input 8-bit 3-channel image. - * @param mask Input/output 8-bit single-channel mask. The mask is initialized by the function when - * mode is set to #GC_INIT_WITH_RECT. Its elements may have one of the #GrabCutClasses. - * @param rect ROI containing a segmented object. The pixels outside of the ROI are marked as - * "obvious background". The parameter is only used when mode==#GC_INIT_WITH_RECT . - * @param bgdModel Temporary array for the background model. Do not modify it while you are - * processing the same image. - * @param fgdModel Temporary arrays for the foreground model. Do not modify it while you are - * processing the same image. - * @param iterCount Number of iterations the algorithm should make before returning the result. Note - * that the result can be refined with further calls with mode==#GC_INIT_WITH_MASK or - * mode==GC_EVAL . - * @param mode Operation mode that could be one of the #GrabCutModes - */ - public static void grabCut(Mat img, Mat mask, Rect rect, Mat bgdModel, Mat fgdModel, int iterCount, int mode) { - grabCut_0(img.nativeObj, mask.nativeObj, rect.x, rect.y, rect.width, rect.height, bgdModel.nativeObj, fgdModel.nativeObj, iterCount, mode); - } - - /** - * Runs the GrabCut algorithm. - * - * The function implements the [GrabCut image segmentation algorithm](https://en.wikipedia.org/wiki/GrabCut). - * - * @param img Input 8-bit 3-channel image. - * @param mask Input/output 8-bit single-channel mask. The mask is initialized by the function when - * mode is set to #GC_INIT_WITH_RECT. Its elements may have one of the #GrabCutClasses. - * @param rect ROI containing a segmented object. The pixels outside of the ROI are marked as - * "obvious background". The parameter is only used when mode==#GC_INIT_WITH_RECT . - * @param bgdModel Temporary array for the background model. Do not modify it while you are - * processing the same image. - * @param fgdModel Temporary arrays for the foreground model. Do not modify it while you are - * processing the same image. - * @param iterCount Number of iterations the algorithm should make before returning the result. Note - * that the result can be refined with further calls with mode==#GC_INIT_WITH_MASK or - * mode==GC_EVAL . - */ - public static void grabCut(Mat img, Mat mask, Rect rect, Mat bgdModel, Mat fgdModel, int iterCount) { - grabCut_1(img.nativeObj, mask.nativeObj, rect.x, rect.y, rect.width, rect.height, bgdModel.nativeObj, fgdModel.nativeObj, iterCount); - } - - - // - // C++: void cv::distanceTransform(Mat src, Mat& dst, Mat& labels, int distanceType, int maskSize, int labelType = DIST_LABEL_CCOMP) - // - - /** - * Calculates the distance to the closest zero pixel for each pixel of the source image. - * - * The function cv::distanceTransform calculates the approximate or precise distance from every binary - * image pixel to the nearest zero pixel. For zero image pixels, the distance will obviously be zero. - * - * When maskSize == #DIST_MASK_PRECISE and distanceType == #DIST_L2 , the function runs the - * algorithm described in CITE: Felzenszwalb04 . This algorithm is parallelized with the TBB library. - * - * In other cases, the algorithm CITE: Borgefors86 is used. This means that for a pixel the function - * finds the shortest path to the nearest zero pixel consisting of basic shifts: horizontal, vertical, - * diagonal, or knight's move (the latest is available for a \(5\times 5\) mask). The overall - * distance is calculated as a sum of these basic distances. Since the distance function should be - * symmetric, all of the horizontal and vertical shifts must have the same cost (denoted as a ), all - * the diagonal shifts must have the same cost (denoted as {@code b}), and all knight's moves must have the - * same cost (denoted as {@code c}). For the #DIST_C and #DIST_L1 types, the distance is calculated - * precisely, whereas for #DIST_L2 (Euclidean distance) the distance can be calculated only with a - * relative error (a \(5\times 5\) mask gives more accurate results). For {@code a},{@code b}, and {@code c}, OpenCV - * uses the values suggested in the original paper: - *
      - *
    • - * DIST_L1: {@code a = 1, b = 2} - *
      • - *
    • - * DIST_L2: - *
        - *
      • - * {@code 3 x 3}: {@code a=0.955, b=1.3693} - *
        • - *
      • - * {@code 5 x 5}: {@code a=1, b=1.4, c=2.1969} - *
        • - *
      - *
    • - * DIST_C: {@code a = 1, b = 1} - *
      • - *
    - * - * Typically, for a fast, coarse distance estimation #DIST_L2, a \(3\times 3\) mask is used. For a - * more accurate distance estimation #DIST_L2, a \(5\times 5\) mask or the precise algorithm is used. - * Note that both the precise and the approximate algorithms are linear on the number of pixels. - * - * This variant of the function does not only compute the minimum distance for each pixel \((x, y)\) - * but also identifies the nearest connected component consisting of zero pixels - * (labelType==#DIST_LABEL_CCOMP) or the nearest zero pixel (labelType==#DIST_LABEL_PIXEL). Index of the - * component/pixel is stored in {@code labels(x, y)}. When labelType==#DIST_LABEL_CCOMP, the function - * automatically finds connected components of zero pixels in the input image and marks them with - * distinct labels. When labelType==#DIST_LABEL_PIXEL, the function scans through the input image and - * marks all the zero pixels with distinct labels. - * - * In this mode, the complexity is still linear. That is, the function provides a very fast way to - * compute the Voronoi diagram for a binary image. Currently, the second variant can use only the - * approximate distance transform algorithm, i.e. maskSize=#DIST_MASK_PRECISE is not supported - * yet. - * - * @param src 8-bit, single-channel (binary) source image. - * @param dst Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - * single-channel image of the same size as src. - * @param labels Output 2D array of labels (the discrete Voronoi diagram). It has the type - * CV_32SC1 and the same size as src. - * @param distanceType Type of distance, see #DistanceTypes - * @param maskSize Size of the distance transform mask, see #DistanceTransformMasks. - * #DIST_MASK_PRECISE is not supported by this variant. In case of the #DIST_L1 or #DIST_C distance type, - * the parameter is forced to 3 because a \(3\times 3\) mask gives the same result as \(5\times - * 5\) or any larger aperture. - * @param labelType Type of the label array to build, see #DistanceTransformLabelTypes. - */ - public static void distanceTransformWithLabels(Mat src, Mat dst, Mat labels, int distanceType, int maskSize, int labelType) { - distanceTransformWithLabels_0(src.nativeObj, dst.nativeObj, labels.nativeObj, distanceType, maskSize, labelType); - } - - /** - * Calculates the distance to the closest zero pixel for each pixel of the source image. - * - * The function cv::distanceTransform calculates the approximate or precise distance from every binary - * image pixel to the nearest zero pixel. For zero image pixels, the distance will obviously be zero. - * - * When maskSize == #DIST_MASK_PRECISE and distanceType == #DIST_L2 , the function runs the - * algorithm described in CITE: Felzenszwalb04 . This algorithm is parallelized with the TBB library. - * - * In other cases, the algorithm CITE: Borgefors86 is used. This means that for a pixel the function - * finds the shortest path to the nearest zero pixel consisting of basic shifts: horizontal, vertical, - * diagonal, or knight's move (the latest is available for a \(5\times 5\) mask). The overall - * distance is calculated as a sum of these basic distances. Since the distance function should be - * symmetric, all of the horizontal and vertical shifts must have the same cost (denoted as a ), all - * the diagonal shifts must have the same cost (denoted as {@code b}), and all knight's moves must have the - * same cost (denoted as {@code c}). For the #DIST_C and #DIST_L1 types, the distance is calculated - * precisely, whereas for #DIST_L2 (Euclidean distance) the distance can be calculated only with a - * relative error (a \(5\times 5\) mask gives more accurate results). For {@code a},{@code b}, and {@code c}, OpenCV - * uses the values suggested in the original paper: - *
      - *
    • - * DIST_L1: {@code a = 1, b = 2} - *
      • - *
    • - * DIST_L2: - *
        - *
      • - * {@code 3 x 3}: {@code a=0.955, b=1.3693} - *
        • - *
      • - * {@code 5 x 5}: {@code a=1, b=1.4, c=2.1969} - *
        • - *
      - *
    • - * DIST_C: {@code a = 1, b = 1} - *
      • - *
    - * - * Typically, for a fast, coarse distance estimation #DIST_L2, a \(3\times 3\) mask is used. For a - * more accurate distance estimation #DIST_L2, a \(5\times 5\) mask or the precise algorithm is used. - * Note that both the precise and the approximate algorithms are linear on the number of pixels. - * - * This variant of the function does not only compute the minimum distance for each pixel \((x, y)\) - * but also identifies the nearest connected component consisting of zero pixels - * (labelType==#DIST_LABEL_CCOMP) or the nearest zero pixel (labelType==#DIST_LABEL_PIXEL). Index of the - * component/pixel is stored in {@code labels(x, y)}. When labelType==#DIST_LABEL_CCOMP, the function - * automatically finds connected components of zero pixels in the input image and marks them with - * distinct labels. When labelType==#DIST_LABEL_PIXEL, the function scans through the input image and - * marks all the zero pixels with distinct labels. - * - * In this mode, the complexity is still linear. That is, the function provides a very fast way to - * compute the Voronoi diagram for a binary image. Currently, the second variant can use only the - * approximate distance transform algorithm, i.e. maskSize=#DIST_MASK_PRECISE is not supported - * yet. - * - * @param src 8-bit, single-channel (binary) source image. - * @param dst Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - * single-channel image of the same size as src. - * @param labels Output 2D array of labels (the discrete Voronoi diagram). It has the type - * CV_32SC1 and the same size as src. - * @param distanceType Type of distance, see #DistanceTypes - * @param maskSize Size of the distance transform mask, see #DistanceTransformMasks. - * #DIST_MASK_PRECISE is not supported by this variant. In case of the #DIST_L1 or #DIST_C distance type, - * the parameter is forced to 3 because a \(3\times 3\) mask gives the same result as \(5\times - * 5\) or any larger aperture. - */ - public static void distanceTransformWithLabels(Mat src, Mat dst, Mat labels, int distanceType, int maskSize) { - distanceTransformWithLabels_1(src.nativeObj, dst.nativeObj, labels.nativeObj, distanceType, maskSize); - } - - - // - // C++: void cv::distanceTransform(Mat src, Mat& dst, int distanceType, int maskSize, int dstType = CV_32F) - // - - /** - * - * @param src 8-bit, single-channel (binary) source image. - * @param dst Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - * single-channel image of the same size as src . - * @param distanceType Type of distance, see #DistanceTypes - * @param maskSize Size of the distance transform mask, see #DistanceTransformMasks. In case of the - * #DIST_L1 or #DIST_C distance type, the parameter is forced to 3 because a \(3\times 3\) mask gives - * the same result as \(5\times 5\) or any larger aperture. - * @param dstType Type of output image. It can be CV_8U or CV_32F. Type CV_8U can be used only for - * the first variant of the function and distanceType == #DIST_L1. - */ - public static void distanceTransform(Mat src, Mat dst, int distanceType, int maskSize, int dstType) { - distanceTransform_0(src.nativeObj, dst.nativeObj, distanceType, maskSize, dstType); - } - - /** - * - * @param src 8-bit, single-channel (binary) source image. - * @param dst Output image with calculated distances. It is a 8-bit or 32-bit floating-point, - * single-channel image of the same size as src . - * @param distanceType Type of distance, see #DistanceTypes - * @param maskSize Size of the distance transform mask, see #DistanceTransformMasks. In case of the - * #DIST_L1 or #DIST_C distance type, the parameter is forced to 3 because a \(3\times 3\) mask gives - * the same result as \(5\times 5\) or any larger aperture. - * the first variant of the function and distanceType == #DIST_L1. - */ - public static void distanceTransform(Mat src, Mat dst, int distanceType, int maskSize) { - distanceTransform_1(src.nativeObj, dst.nativeObj, distanceType, maskSize); - } - - - // - // C++: int cv::floodFill(Mat& image, Mat& mask, Point seedPoint, Scalar newVal, Rect* rect = 0, Scalar loDiff = Scalar(), Scalar upDiff = Scalar(), int flags = 4) - // - - /** - * Fills a connected component with the given color. - * - * The function cv::floodFill fills a connected component starting from the seed point with the specified - * color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - * pixel at \((x,y)\) is considered to belong to the repainted domain if: - * - *
      - *
    • - * in case of a grayscale image and floating range - * \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a grayscale image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and floating range - * \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - * where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - * component. That is, to be added to the connected component, a color/brightness of the pixel should - * be close enough to: - *
      - *
    • - * Color/brightness of one of its neighbors that already belong to the connected component in case - * of a floating range. - *
      • - *
    • - * Color/brightness of the seed point in case of a fixed range. - *
      • - *
    - * - * Use these functions to either mark a connected component with the specified color in-place, or build - * a mask and then extract the contour, or copy the region to another image, and so on. - * - * @param image Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - * function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - * the details below. - * @param mask Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - * taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - * input and output parameter, you must take responsibility of initializing it. - * Flood-filling cannot go across non-zero pixels in the input mask. For example, - * an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - * mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - * as described below. Additionally, the function fills the border of the mask with ones to simplify - * internal processing. It is therefore possible to use the same mask in multiple calls to the function - * to make sure the filled areas do not overlap. - * @param seedPoint Starting point. - * @param newVal New value of the repainted domain pixels. - * @param loDiff Maximal lower brightness/color difference between the currently observed pixel and - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param upDiff Maximal upper brightness/color difference between the currently observed pixel and - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param rect Optional output parameter set by the function to the minimum bounding rectangle of the - * repainted domain. - * @param flags Operation flags. The first 8 bits contain a connectivity value. The default value of - * 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - * connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - * will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - * the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - * neighbours and fill the mask with a value of 255. The following additional options occupy higher - * bits and therefore may be further combined with the connectivity and mask fill values using - * bit-wise or (|), see #FloodFillFlags. - * - * Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - * pixel \((x+1, y+1)\) in the mask . - * - * SEE: findContours - * @return automatically generated - */ - public static int floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal, Rect rect, Scalar loDiff, Scalar upDiff, int flags) { - double[] rect_out = new double[4]; - int retVal = floodFill_0(image.nativeObj, mask.nativeObj, seedPoint.x, seedPoint.y, newVal.val[0], newVal.val[1], newVal.val[2], newVal.val[3], rect_out, loDiff.val[0], loDiff.val[1], loDiff.val[2], loDiff.val[3], upDiff.val[0], upDiff.val[1], upDiff.val[2], upDiff.val[3], flags); - if(rect!=null){ rect.x = (int)rect_out[0]; rect.y = (int)rect_out[1]; rect.width = (int)rect_out[2]; rect.height = (int)rect_out[3]; } - return retVal; - } - - /** - * Fills a connected component with the given color. - * - * The function cv::floodFill fills a connected component starting from the seed point with the specified - * color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - * pixel at \((x,y)\) is considered to belong to the repainted domain if: - * - *
      - *
    • - * in case of a grayscale image and floating range - * \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a grayscale image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and floating range - * \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - * where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - * component. That is, to be added to the connected component, a color/brightness of the pixel should - * be close enough to: - *
      - *
    • - * Color/brightness of one of its neighbors that already belong to the connected component in case - * of a floating range. - *
      • - *
    • - * Color/brightness of the seed point in case of a fixed range. - *
      • - *
    - * - * Use these functions to either mark a connected component with the specified color in-place, or build - * a mask and then extract the contour, or copy the region to another image, and so on. - * - * @param image Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - * function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - * the details below. - * @param mask Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - * taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - * input and output parameter, you must take responsibility of initializing it. - * Flood-filling cannot go across non-zero pixels in the input mask. For example, - * an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - * mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - * as described below. Additionally, the function fills the border of the mask with ones to simplify - * internal processing. It is therefore possible to use the same mask in multiple calls to the function - * to make sure the filled areas do not overlap. - * @param seedPoint Starting point. - * @param newVal New value of the repainted domain pixels. - * @param loDiff Maximal lower brightness/color difference between the currently observed pixel and - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param upDiff Maximal upper brightness/color difference between the currently observed pixel and - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param rect Optional output parameter set by the function to the minimum bounding rectangle of the - * repainted domain. - * 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - * connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - * will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - * the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - * neighbours and fill the mask with a value of 255. The following additional options occupy higher - * bits and therefore may be further combined with the connectivity and mask fill values using - * bit-wise or (|), see #FloodFillFlags. - * - * Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - * pixel \((x+1, y+1)\) in the mask . - * - * SEE: findContours - * @return automatically generated - */ - public static int floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal, Rect rect, Scalar loDiff, Scalar upDiff) { - double[] rect_out = new double[4]; - int retVal = floodFill_1(image.nativeObj, mask.nativeObj, seedPoint.x, seedPoint.y, newVal.val[0], newVal.val[1], newVal.val[2], newVal.val[3], rect_out, loDiff.val[0], loDiff.val[1], loDiff.val[2], loDiff.val[3], upDiff.val[0], upDiff.val[1], upDiff.val[2], upDiff.val[3]); - if(rect!=null){ rect.x = (int)rect_out[0]; rect.y = (int)rect_out[1]; rect.width = (int)rect_out[2]; rect.height = (int)rect_out[3]; } - return retVal; - } - - /** - * Fills a connected component with the given color. - * - * The function cv::floodFill fills a connected component starting from the seed point with the specified - * color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - * pixel at \((x,y)\) is considered to belong to the repainted domain if: - * - *
      - *
    • - * in case of a grayscale image and floating range - * \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a grayscale image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and floating range - * \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - * where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - * component. That is, to be added to the connected component, a color/brightness of the pixel should - * be close enough to: - *
      - *
    • - * Color/brightness of one of its neighbors that already belong to the connected component in case - * of a floating range. - *
      • - *
    • - * Color/brightness of the seed point in case of a fixed range. - *
      • - *
    - * - * Use these functions to either mark a connected component with the specified color in-place, or build - * a mask and then extract the contour, or copy the region to another image, and so on. - * - * @param image Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - * function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - * the details below. - * @param mask Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - * taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - * input and output parameter, you must take responsibility of initializing it. - * Flood-filling cannot go across non-zero pixels in the input mask. For example, - * an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - * mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - * as described below. Additionally, the function fills the border of the mask with ones to simplify - * internal processing. It is therefore possible to use the same mask in multiple calls to the function - * to make sure the filled areas do not overlap. - * @param seedPoint Starting point. - * @param newVal New value of the repainted domain pixels. - * @param loDiff Maximal lower brightness/color difference between the currently observed pixel and - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param rect Optional output parameter set by the function to the minimum bounding rectangle of the - * repainted domain. - * 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - * connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - * will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - * the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - * neighbours and fill the mask with a value of 255. The following additional options occupy higher - * bits and therefore may be further combined with the connectivity and mask fill values using - * bit-wise or (|), see #FloodFillFlags. - * - * Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - * pixel \((x+1, y+1)\) in the mask . - * - * SEE: findContours - * @return automatically generated - */ - public static int floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal, Rect rect, Scalar loDiff) { - double[] rect_out = new double[4]; - int retVal = floodFill_2(image.nativeObj, mask.nativeObj, seedPoint.x, seedPoint.y, newVal.val[0], newVal.val[1], newVal.val[2], newVal.val[3], rect_out, loDiff.val[0], loDiff.val[1], loDiff.val[2], loDiff.val[3]); - if(rect!=null){ rect.x = (int)rect_out[0]; rect.y = (int)rect_out[1]; rect.width = (int)rect_out[2]; rect.height = (int)rect_out[3]; } - return retVal; - } - - /** - * Fills a connected component with the given color. - * - * The function cv::floodFill fills a connected component starting from the seed point with the specified - * color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - * pixel at \((x,y)\) is considered to belong to the repainted domain if: - * - *
      - *
    • - * in case of a grayscale image and floating range - * \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a grayscale image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and floating range - * \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - * where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - * component. That is, to be added to the connected component, a color/brightness of the pixel should - * be close enough to: - *
      - *
    • - * Color/brightness of one of its neighbors that already belong to the connected component in case - * of a floating range. - *
      • - *
    • - * Color/brightness of the seed point in case of a fixed range. - *
      • - *
    - * - * Use these functions to either mark a connected component with the specified color in-place, or build - * a mask and then extract the contour, or copy the region to another image, and so on. - * - * @param image Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - * function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - * the details below. - * @param mask Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - * taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - * input and output parameter, you must take responsibility of initializing it. - * Flood-filling cannot go across non-zero pixels in the input mask. For example, - * an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - * mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - * as described below. Additionally, the function fills the border of the mask with ones to simplify - * internal processing. It is therefore possible to use the same mask in multiple calls to the function - * to make sure the filled areas do not overlap. - * @param seedPoint Starting point. - * @param newVal New value of the repainted domain pixels. - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * @param rect Optional output parameter set by the function to the minimum bounding rectangle of the - * repainted domain. - * 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - * connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - * will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - * the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - * neighbours and fill the mask with a value of 255. The following additional options occupy higher - * bits and therefore may be further combined with the connectivity and mask fill values using - * bit-wise or (|), see #FloodFillFlags. - * - * Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - * pixel \((x+1, y+1)\) in the mask . - * - * SEE: findContours - * @return automatically generated - */ - public static int floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal, Rect rect) { - double[] rect_out = new double[4]; - int retVal = floodFill_3(image.nativeObj, mask.nativeObj, seedPoint.x, seedPoint.y, newVal.val[0], newVal.val[1], newVal.val[2], newVal.val[3], rect_out); - if(rect!=null){ rect.x = (int)rect_out[0]; rect.y = (int)rect_out[1]; rect.width = (int)rect_out[2]; rect.height = (int)rect_out[3]; } - return retVal; - } - - /** - * Fills a connected component with the given color. - * - * The function cv::floodFill fills a connected component starting from the seed point with the specified - * color. The connectivity is determined by the color/brightness closeness of the neighbor pixels. The - * pixel at \((x,y)\) is considered to belong to the repainted domain if: - * - *
      - *
    • - * in case of a grayscale image and floating range - * \(\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a grayscale image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and floating range - * \(\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - *
      - *
    • - * in case of a color image and fixed range - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\) - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\) - * and - * \(\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\) - *
      • - *
    - * - * - * where \(src(x',y')\) is the value of one of pixel neighbors that is already known to belong to the - * component. That is, to be added to the connected component, a color/brightness of the pixel should - * be close enough to: - *
      - *
    • - * Color/brightness of one of its neighbors that already belong to the connected component in case - * of a floating range. - *
      • - *
    • - * Color/brightness of the seed point in case of a fixed range. - *
      • - *
    - * - * Use these functions to either mark a connected component with the specified color in-place, or build - * a mask and then extract the contour, or copy the region to another image, and so on. - * - * @param image Input/output 1- or 3-channel, 8-bit, or floating-point image. It is modified by the - * function unless the #FLOODFILL_MASK_ONLY flag is set in the second variant of the function. See - * the details below. - * @param mask Operation mask that should be a single-channel 8-bit image, 2 pixels wider and 2 pixels - * taller than image. If an empty Mat is passed it will be created automatically. Since this is both an - * input and output parameter, you must take responsibility of initializing it. - * Flood-filling cannot go across non-zero pixels in the input mask. For example, - * an edge detector output can be used as a mask to stop filling at edges. On output, pixels in the - * mask corresponding to filled pixels in the image are set to 1 or to the specified value in flags - * as described below. Additionally, the function fills the border of the mask with ones to simplify - * internal processing. It is therefore possible to use the same mask in multiple calls to the function - * to make sure the filled areas do not overlap. - * @param seedPoint Starting point. - * @param newVal New value of the repainted domain pixels. - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * one of its neighbors belonging to the component, or a seed pixel being added to the component. - * repainted domain. - * 4 means that only the four nearest neighbor pixels (those that share an edge) are considered. A - * connectivity value of 8 means that the eight nearest neighbor pixels (those that share a corner) - * will be considered. The next 8 bits (8-16) contain a value between 1 and 255 with which to fill - * the mask (the default value is 1). For example, 4 | ( 255 << 8 ) will consider 4 nearest - * neighbours and fill the mask with a value of 255. The following additional options occupy higher - * bits and therefore may be further combined with the connectivity and mask fill values using - * bit-wise or (|), see #FloodFillFlags. - * - * Note: Since the mask is larger than the filled image, a pixel \((x, y)\) in image corresponds to the - * pixel \((x+1, y+1)\) in the mask . - * - * SEE: findContours - * @return automatically generated - */ - public static int floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal) { - return floodFill_4(image.nativeObj, mask.nativeObj, seedPoint.x, seedPoint.y, newVal.val[0], newVal.val[1], newVal.val[2], newVal.val[3]); - } - - - // - // C++: void cv::blendLinear(Mat src1, Mat src2, Mat weights1, Mat weights2, Mat& dst) - // - - /** - * - * - * variant without {@code mask} parameter - * @param src1 automatically generated - * @param src2 automatically generated - * @param weights1 automatically generated - * @param weights2 automatically generated - * @param dst automatically generated - */ - public static void blendLinear(Mat src1, Mat src2, Mat weights1, Mat weights2, Mat dst) { - blendLinear_0(src1.nativeObj, src2.nativeObj, weights1.nativeObj, weights2.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::cvtColor(Mat src, Mat& dst, int code, int dstCn = 0, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - // - - /** - * Converts an image from one color space to another. - * - * The function converts an input image from one color space to another. In case of a transformation - * to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - * that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - * bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - * component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - * sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - * - * The conventional ranges for R, G, and B channel values are: - *
      - *
    • - * 0 to 255 for CV_8U images - *
      • - *
    • - * 0 to 65535 for CV_16U images - *
      • - *
    • - * 0 to 1 for CV_32F images - *
      • - *
    - * - * In case of linear transformations, the range does not matter. But in case of a non-linear - * transformation, an input RGB image should be normalized to the proper value range to get the correct - * results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - * 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - * have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - * you need first to scale the image down: - * - * img *= 1./255; - * cvtColor(img, img, COLOR_BGR2Luv); - * - * If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - * applications, this will not be noticeable but it is recommended to use 32-bit images in applications - * that need the full range of colors or that convert an image before an operation and then convert - * back. - * - * If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - * range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F. - * - * @param src input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - * floating-point. - * @param dst output image of the same size and depth as src. - * @param code color space conversion code (see #ColorConversionCodes). - * @param dstCn number of channels in the destination image; if the parameter is 0, the number of the - * channels is derived automatically from src and code. - * @param hint Implementation modfication flags. See #AlgorithmHint - * - * SEE: REF: imgproc_color_conversions - */ - public static void cvtColor(Mat src, Mat dst, int code, int dstCn, int hint) { - cvtColor_0(src.nativeObj, dst.nativeObj, code, dstCn, hint); - } - - /** - * Converts an image from one color space to another. - * - * The function converts an input image from one color space to another. In case of a transformation - * to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - * that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - * bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - * component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - * sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - * - * The conventional ranges for R, G, and B channel values are: - *
      - *
    • - * 0 to 255 for CV_8U images - *
      • - *
    • - * 0 to 65535 for CV_16U images - *
      • - *
    • - * 0 to 1 for CV_32F images - *
      • - *
    - * - * In case of linear transformations, the range does not matter. But in case of a non-linear - * transformation, an input RGB image should be normalized to the proper value range to get the correct - * results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - * 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - * have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - * you need first to scale the image down: - * - * img *= 1./255; - * cvtColor(img, img, COLOR_BGR2Luv); - * - * If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - * applications, this will not be noticeable but it is recommended to use 32-bit images in applications - * that need the full range of colors or that convert an image before an operation and then convert - * back. - * - * If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - * range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F. - * - * @param src input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - * floating-point. - * @param dst output image of the same size and depth as src. - * @param code color space conversion code (see #ColorConversionCodes). - * @param dstCn number of channels in the destination image; if the parameter is 0, the number of the - * channels is derived automatically from src and code. - * - * SEE: REF: imgproc_color_conversions - */ - public static void cvtColor(Mat src, Mat dst, int code, int dstCn) { - cvtColor_1(src.nativeObj, dst.nativeObj, code, dstCn); - } - - /** - * Converts an image from one color space to another. - * - * The function converts an input image from one color space to another. In case of a transformation - * to-from RGB color space, the order of the channels should be specified explicitly (RGB or BGR). Note - * that the default color format in OpenCV is often referred to as RGB but it is actually BGR (the - * bytes are reversed). So the first byte in a standard (24-bit) color image will be an 8-bit Blue - * component, the second byte will be Green, and the third byte will be Red. The fourth, fifth, and - * sixth bytes would then be the second pixel (Blue, then Green, then Red), and so on. - * - * The conventional ranges for R, G, and B channel values are: - *
      - *
    • - * 0 to 255 for CV_8U images - *
      • - *
    • - * 0 to 65535 for CV_16U images - *
      • - *
    • - * 0 to 1 for CV_32F images - *
      • - *
    - * - * In case of linear transformations, the range does not matter. But in case of a non-linear - * transformation, an input RGB image should be normalized to the proper value range to get the correct - * results, for example, for RGB \(\rightarrow\) L\*u\*v\* transformation. For example, if you have a - * 32-bit floating-point image directly converted from an 8-bit image without any scaling, then it will - * have the 0..255 value range instead of 0..1 assumed by the function. So, before calling #cvtColor , - * you need first to scale the image down: - * - * img *= 1./255; - * cvtColor(img, img, COLOR_BGR2Luv); - * - * If you use #cvtColor with 8-bit images, the conversion will have some information lost. For many - * applications, this will not be noticeable but it is recommended to use 32-bit images in applications - * that need the full range of colors or that convert an image before an operation and then convert - * back. - * - * If conversion adds the alpha channel, its value will set to the maximum of corresponding channel - * range: 255 for CV_8U, 65535 for CV_16U, 1 for CV_32F. - * - * @param src input image: 8-bit unsigned, 16-bit unsigned ( CV_16UC... ), or single-precision - * floating-point. - * @param dst output image of the same size and depth as src. - * @param code color space conversion code (see #ColorConversionCodes). - * channels is derived automatically from src and code. - * - * SEE: REF: imgproc_color_conversions - */ - public static void cvtColor(Mat src, Mat dst, int code) { - cvtColor_2(src.nativeObj, dst.nativeObj, code); - } - - - // - // C++: void cv::cvtColorTwoPlane(Mat src1, Mat src2, Mat& dst, int code, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - // - - /** - * Converts an image from one color space to another where the source image is - * stored in two planes. - * - * This function only supports YUV420 to RGB conversion as of now. - * - * @param src1 8-bit image (#CV_8U) of the Y plane. - * @param src2 image containing interleaved U/V plane. - * @param dst output image. - * @param code Specifies the type of conversion. It can take any of the following values: - *
      - *
    • - * #COLOR_YUV2BGR_NV12 - *
      • - *
    • - * #COLOR_YUV2RGB_NV12 - *
      • - *
    • - * #COLOR_YUV2BGRA_NV12 - *
      • - *
    • - * #COLOR_YUV2RGBA_NV12 - *
      • - *
    • - * #COLOR_YUV2BGR_NV21 - *
      • - *
    • - * #COLOR_YUV2RGB_NV21 - *
      • - *
    • - * #COLOR_YUV2BGRA_NV21 - *
      • - *
    • - * #COLOR_YUV2RGBA_NV21 - *
      • - *
    - * @param hint Implementation modfication flags. See #AlgorithmHint - */ - public static void cvtColorTwoPlane(Mat src1, Mat src2, Mat dst, int code, int hint) { - cvtColorTwoPlane_0(src1.nativeObj, src2.nativeObj, dst.nativeObj, code, hint); - } - - /** - * Converts an image from one color space to another where the source image is - * stored in two planes. - * - * This function only supports YUV420 to RGB conversion as of now. - * - * @param src1 8-bit image (#CV_8U) of the Y plane. - * @param src2 image containing interleaved U/V plane. - * @param dst output image. - * @param code Specifies the type of conversion. It can take any of the following values: - *
      - *
    • - * #COLOR_YUV2BGR_NV12 - *
      • - *
    • - * #COLOR_YUV2RGB_NV12 - *
      • - *
    • - * #COLOR_YUV2BGRA_NV12 - *
      • - *
    • - * #COLOR_YUV2RGBA_NV12 - *
      • - *
    • - * #COLOR_YUV2BGR_NV21 - *
      • - *
    • - * #COLOR_YUV2RGB_NV21 - *
      • - *
    • - * #COLOR_YUV2BGRA_NV21 - *
      • - *
    • - * #COLOR_YUV2RGBA_NV21 - *
      • - *
    - */ - public static void cvtColorTwoPlane(Mat src1, Mat src2, Mat dst, int code) { - cvtColorTwoPlane_1(src1.nativeObj, src2.nativeObj, dst.nativeObj, code); - } - - - // - // C++: void cv::demosaicing(Mat src, Mat& dst, int code, int dstCn = 0) - // - - /** - * main function for all demosaicing processes - * - * @param src input image: 8-bit unsigned or 16-bit unsigned. - * @param dst output image of the same size and depth as src. - * @param code Color space conversion code (see the description below). - * @param dstCn number of channels in the destination image; if the parameter is 0, the number of the - * channels is derived automatically from src and code. - * - * The function can do the following transformations: - * - *
      - *
    • - * Demosaicing using bilinear interpolation - *
      • - *
    - * - * #COLOR_BayerBG2BGR , #COLOR_BayerGB2BGR , #COLOR_BayerRG2BGR , #COLOR_BayerGR2BGR - * - * #COLOR_BayerBG2GRAY , #COLOR_BayerGB2GRAY , #COLOR_BayerRG2GRAY , #COLOR_BayerGR2GRAY - * - *
      - *
    • - * Demosaicing using Variable Number of Gradients. - *
      • - *
    - * - * #COLOR_BayerBG2BGR_VNG , #COLOR_BayerGB2BGR_VNG , #COLOR_BayerRG2BGR_VNG , #COLOR_BayerGR2BGR_VNG - * - *
      - *
    • - * Edge-Aware Demosaicing. - *
      • - *
    - * - * #COLOR_BayerBG2BGR_EA , #COLOR_BayerGB2BGR_EA , #COLOR_BayerRG2BGR_EA , #COLOR_BayerGR2BGR_EA - * - *
      - *
    • - * Demosaicing with alpha channel - *
      • - *
    - * - * #COLOR_BayerBG2BGRA , #COLOR_BayerGB2BGRA , #COLOR_BayerRG2BGRA , #COLOR_BayerGR2BGRA - * - * SEE: cvtColor - */ - public static void demosaicing(Mat src, Mat dst, int code, int dstCn) { - demosaicing_0(src.nativeObj, dst.nativeObj, code, dstCn); - } - - /** - * main function for all demosaicing processes - * - * @param src input image: 8-bit unsigned or 16-bit unsigned. - * @param dst output image of the same size and depth as src. - * @param code Color space conversion code (see the description below). - * channels is derived automatically from src and code. - * - * The function can do the following transformations: - * - *
      - *
    • - * Demosaicing using bilinear interpolation - *
      • - *
    - * - * #COLOR_BayerBG2BGR , #COLOR_BayerGB2BGR , #COLOR_BayerRG2BGR , #COLOR_BayerGR2BGR - * - * #COLOR_BayerBG2GRAY , #COLOR_BayerGB2GRAY , #COLOR_BayerRG2GRAY , #COLOR_BayerGR2GRAY - * - *
      - *
    • - * Demosaicing using Variable Number of Gradients. - *
      • - *
    - * - * #COLOR_BayerBG2BGR_VNG , #COLOR_BayerGB2BGR_VNG , #COLOR_BayerRG2BGR_VNG , #COLOR_BayerGR2BGR_VNG - * - *
      - *
    • - * Edge-Aware Demosaicing. - *
      • - *
    - * - * #COLOR_BayerBG2BGR_EA , #COLOR_BayerGB2BGR_EA , #COLOR_BayerRG2BGR_EA , #COLOR_BayerGR2BGR_EA - * - *
      - *
    • - * Demosaicing with alpha channel - *
      • - *
    - * - * #COLOR_BayerBG2BGRA , #COLOR_BayerGB2BGRA , #COLOR_BayerRG2BGRA , #COLOR_BayerGR2BGRA - * - * SEE: cvtColor - */ - public static void demosaicing(Mat src, Mat dst, int code) { - demosaicing_1(src.nativeObj, dst.nativeObj, code); - } - - - // - // C++: Moments cv::moments(Mat array, bool binaryImage = false) - // - - /** - * Calculates all of the moments up to the third order of a polygon or rasterized shape. - * - * The function computes moments, up to the 3rd order, of a vector shape or a rasterized shape. The - * results are returned in the structure cv::Moments. - * - * @param array Single chanel raster image (CV_8U, CV_16U, CV_16S, CV_32F, CV_64F) or an array ( - * \(1 \times N\) or \(N \times 1\) ) of 2D points (Point or Point2f). - * @param binaryImage If it is true, all non-zero image pixels are treated as 1's. The parameter is - * used for images only. - * @return moments. - * - * Note: Only applicable to contour moments calculations from Python bindings: Note that the numpy - * type for the input array should be either np.int32 or np.float32. - * - * SEE: contourArea, arcLength - */ - public static Moments moments(Mat array, boolean binaryImage) { - return new Moments(moments_0(array.nativeObj, binaryImage)); - } - - /** - * Calculates all of the moments up to the third order of a polygon or rasterized shape. - * - * The function computes moments, up to the 3rd order, of a vector shape or a rasterized shape. The - * results are returned in the structure cv::Moments. - * - * @param array Single chanel raster image (CV_8U, CV_16U, CV_16S, CV_32F, CV_64F) or an array ( - * \(1 \times N\) or \(N \times 1\) ) of 2D points (Point or Point2f). - * used for images only. - * @return moments. - * - * Note: Only applicable to contour moments calculations from Python bindings: Note that the numpy - * type for the input array should be either np.int32 or np.float32. - * - * SEE: contourArea, arcLength - */ - public static Moments moments(Mat array) { - return new Moments(moments_1(array.nativeObj)); - } - - - // - // C++: void cv::HuMoments(Moments m, Mat& hu) - // - - public static void HuMoments(Moments m, Mat hu) { - HuMoments_0(m.m00, m.m10, m.m01, m.m20, m.m11, m.m02, m.m30, m.m21, m.m12, m.m03, hu.nativeObj); - } - - - // - // C++: void cv::matchTemplate(Mat image, Mat templ, Mat& result, int method, Mat mask = Mat()) - // - - /** - * Compares a template against overlapped image regions. - * - * The function slides through image , compares the overlapped patches of size \(w \times h\) against - * templ using the specified method and stores the comparison results in result . #TemplateMatchModes - * describes the formulae for the available comparison methods ( \(I\) denotes image, \(T\) - * template, \(R\) result, \(M\) the optional mask ). The summation is done over template and/or - * the image patch: \(x' = 0...w-1, y' = 0...h-1\) - * - * After the function finishes the comparison, the best matches can be found as global minimums (when - * #TM_SQDIFF was used) or maximums (when #TM_CCORR or #TM_CCOEFF was used) using the - * #minMaxLoc function. In case of a color image, template summation in the numerator and each sum in - * the denominator is done over all of the channels and separate mean values are used for each channel. - * That is, the function can take a color template and a color image. The result will still be a - * single-channel image, which is easier to analyze. - * - * @param image Image where the search is running. It must be 8-bit or 32-bit floating-point. - * @param templ Searched template. It must be not greater than the source image and have the same - * data type. - * @param result Map of comparison results. It must be single-channel 32-bit floating-point. If image - * is \(W \times H\) and templ is \(w \times h\) , then result is \((W-w+1) \times (H-h+1)\) . - * @param method Parameter specifying the comparison method, see #TemplateMatchModes - * @param mask Optional mask. It must have the same size as templ. It must either have the same number - * of channels as template or only one channel, which is then used for all template and - * image channels. If the data type is #CV_8U, the mask is interpreted as a binary mask, - * meaning only elements where mask is nonzero are used and are kept unchanged independent - * of the actual mask value (weight equals 1). For data type #CV_32F, the mask values are - * used as weights. The exact formulas are documented in #TemplateMatchModes. - */ - public static void matchTemplate(Mat image, Mat templ, Mat result, int method, Mat mask) { - matchTemplate_0(image.nativeObj, templ.nativeObj, result.nativeObj, method, mask.nativeObj); - } - - /** - * Compares a template against overlapped image regions. - * - * The function slides through image , compares the overlapped patches of size \(w \times h\) against - * templ using the specified method and stores the comparison results in result . #TemplateMatchModes - * describes the formulae for the available comparison methods ( \(I\) denotes image, \(T\) - * template, \(R\) result, \(M\) the optional mask ). The summation is done over template and/or - * the image patch: \(x' = 0...w-1, y' = 0...h-1\) - * - * After the function finishes the comparison, the best matches can be found as global minimums (when - * #TM_SQDIFF was used) or maximums (when #TM_CCORR or #TM_CCOEFF was used) using the - * #minMaxLoc function. In case of a color image, template summation in the numerator and each sum in - * the denominator is done over all of the channels and separate mean values are used for each channel. - * That is, the function can take a color template and a color image. The result will still be a - * single-channel image, which is easier to analyze. - * - * @param image Image where the search is running. It must be 8-bit or 32-bit floating-point. - * @param templ Searched template. It must be not greater than the source image and have the same - * data type. - * @param result Map of comparison results. It must be single-channel 32-bit floating-point. If image - * is \(W \times H\) and templ is \(w \times h\) , then result is \((W-w+1) \times (H-h+1)\) . - * @param method Parameter specifying the comparison method, see #TemplateMatchModes - * of channels as template or only one channel, which is then used for all template and - * image channels. If the data type is #CV_8U, the mask is interpreted as a binary mask, - * meaning only elements where mask is nonzero are used and are kept unchanged independent - * of the actual mask value (weight equals 1). For data type #CV_32F, the mask values are - * used as weights. The exact formulas are documented in #TemplateMatchModes. - */ - public static void matchTemplate(Mat image, Mat templ, Mat result, int method) { - matchTemplate_1(image.nativeObj, templ.nativeObj, result.nativeObj, method); - } - - - // - // C++: int cv::connectedComponents(Mat image, Mat& labels, int connectivity, int ltype, int ccltype) - // - - /** - * computes the connected components labeled image of boolean image - * - * image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - * represents the background label. ltype specifies the output label image type, an important - * consideration based on the total number of labels or alternatively the total number of pixels in - * the source image. ccltype specifies the connected components labeling algorithm to use, currently - * Bolelli (Spaghetti) CITE: Bolelli2019, Grana (BBDT) CITE: Grana2010 and Wu's (SAUF) CITE: Wu2009 algorithms - * are supported, see the #ConnectedComponentsAlgorithmsTypes for details. Note that SAUF algorithm forces - * a row major ordering of labels while Spaghetti and BBDT do not. - * This function uses parallel version of the algorithms if at least one allowed - * parallel framework is enabled and if the rows of the image are at least twice the number returned by #getNumberOfCPUs. - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @param ltype output image label type. Currently CV_32S and CV_16U are supported. - * @param ccltype connected components algorithm type (see the #ConnectedComponentsAlgorithmsTypes). - * @return automatically generated - */ - public static int connectedComponentsWithAlgorithm(Mat image, Mat labels, int connectivity, int ltype, int ccltype) { - return connectedComponentsWithAlgorithm_0(image.nativeObj, labels.nativeObj, connectivity, ltype, ccltype); - } - - - // - // C++: int cv::connectedComponents(Mat image, Mat& labels, int connectivity = 8, int ltype = CV_32S) - // - - /** - * - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @param ltype output image label type. Currently CV_32S and CV_16U are supported. - * @return automatically generated - */ - public static int connectedComponents(Mat image, Mat labels, int connectivity, int ltype) { - return connectedComponents_0(image.nativeObj, labels.nativeObj, connectivity, ltype); - } - - /** - * - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @return automatically generated - */ - public static int connectedComponents(Mat image, Mat labels, int connectivity) { - return connectedComponents_1(image.nativeObj, labels.nativeObj, connectivity); - } - - /** - * - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @return automatically generated - */ - public static int connectedComponents(Mat image, Mat labels) { - return connectedComponents_2(image.nativeObj, labels.nativeObj); - } - - - // - // C++: int cv::connectedComponentsWithStats(Mat image, Mat& labels, Mat& stats, Mat& centroids, int connectivity, int ltype, int ccltype) - // - - /** - * computes the connected components labeled image of boolean image and also produces a statistics output for each label - * - * image with 4 or 8 way connectivity - returns N, the total number of labels [0, N-1] where 0 - * represents the background label. ltype specifies the output label image type, an important - * consideration based on the total number of labels or alternatively the total number of pixels in - * the source image. ccltype specifies the connected components labeling algorithm to use, currently - * Bolelli (Spaghetti) CITE: Bolelli2019, Grana (BBDT) CITE: Grana2010 and Wu's (SAUF) CITE: Wu2009 algorithms - * are supported, see the #ConnectedComponentsAlgorithmsTypes for details. Note that SAUF algorithm forces - * a row major ordering of labels while Spaghetti and BBDT do not. - * This function uses parallel version of the algorithms (statistics included) if at least one allowed - * parallel framework is enabled and if the rows of the image are at least twice the number returned by #getNumberOfCPUs. - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param stats statistics output for each label, including the background label. - * Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - * #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S. - * @param centroids centroid output for each label, including the background label. Centroids are - * accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F. - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @param ltype output image label type. Currently CV_32S and CV_16U are supported. - * @param ccltype connected components algorithm type (see #ConnectedComponentsAlgorithmsTypes). - * @return automatically generated - */ - public static int connectedComponentsWithStatsWithAlgorithm(Mat image, Mat labels, Mat stats, Mat centroids, int connectivity, int ltype, int ccltype) { - return connectedComponentsWithStatsWithAlgorithm_0(image.nativeObj, labels.nativeObj, stats.nativeObj, centroids.nativeObj, connectivity, ltype, ccltype); - } - - - // - // C++: int cv::connectedComponentsWithStats(Mat image, Mat& labels, Mat& stats, Mat& centroids, int connectivity = 8, int ltype = CV_32S) - // - - /** - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param stats statistics output for each label, including the background label. - * Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - * #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S. - * @param centroids centroid output for each label, including the background label. Centroids are - * accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F. - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @param ltype output image label type. Currently CV_32S and CV_16U are supported. - * @return automatically generated - */ - public static int connectedComponentsWithStats(Mat image, Mat labels, Mat stats, Mat centroids, int connectivity, int ltype) { - return connectedComponentsWithStats_0(image.nativeObj, labels.nativeObj, stats.nativeObj, centroids.nativeObj, connectivity, ltype); - } - - /** - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param stats statistics output for each label, including the background label. - * Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - * #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S. - * @param centroids centroid output for each label, including the background label. Centroids are - * accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F. - * @param connectivity 8 or 4 for 8-way or 4-way connectivity respectively - * @return automatically generated - */ - public static int connectedComponentsWithStats(Mat image, Mat labels, Mat stats, Mat centroids, int connectivity) { - return connectedComponentsWithStats_1(image.nativeObj, labels.nativeObj, stats.nativeObj, centroids.nativeObj, connectivity); - } - - /** - * - * @param image the 8-bit single-channel image to be labeled - * @param labels destination labeled image - * @param stats statistics output for each label, including the background label. - * Statistics are accessed via stats(label, COLUMN) where COLUMN is one of - * #ConnectedComponentsTypes, selecting the statistic. The data type is CV_32S. - * @param centroids centroid output for each label, including the background label. Centroids are - * accessed via centroids(label, 0) for x and centroids(label, 1) for y. The data type CV_64F. - * @return automatically generated - */ - public static int connectedComponentsWithStats(Mat image, Mat labels, Mat stats, Mat centroids) { - return connectedComponentsWithStats_2(image.nativeObj, labels.nativeObj, stats.nativeObj, centroids.nativeObj); - } - - - // - // C++: void cv::findContours(Mat image, vector_vector_Point& contours, Mat& hierarchy, int mode, int method, Point offset = Point()) - // - - /** - * Finds contours in a binary image. - * - * The function retrieves contours from the binary image using the algorithm CITE: Suzuki85 . The contours - * are a useful tool for shape analysis and object detection and recognition. See squares.cpp in the - * OpenCV sample directory. - * Note: Since opencv 3.2 source image is not modified by this function. - * - * @param image Source, an 8-bit single-channel image. Non-zero pixels are treated as 1's. Zero - * pixels remain 0's, so the image is treated as binary . You can use #compare, #inRange, #threshold , - * #adaptiveThreshold, #Canny, and others to create a binary image out of a grayscale or color one. - * If mode equals to #RETR_CCOMP or #RETR_FLOODFILL, the input can also be a 32-bit integer image of labels (CV_32SC1). - * @param contours Detected contours. Each contour is stored as a vector of points (e.g. - * std::vector<std::vector<cv::Point> >). - * @param hierarchy Optional output vector (e.g. std::vector<cv::Vec4i>), containing information about the image topology. It has - * as many elements as the number of contours. For each i-th contour contours[i], the elements - * hierarchy[i][0] , hierarchy[i][1] , hierarchy[i][2] , and hierarchy[i][3] are set to 0-based indices - * in contours of the next and previous contours at the same hierarchical level, the first child - * contour and the parent contour, respectively. If for the contour i there are no next, previous, - * parent, or nested contours, the corresponding elements of hierarchy[i] will be negative. - * Note: In Python, hierarchy is nested inside a top level array. Use hierarchy[0][i] to access hierarchical elements of i-th contour. - * @param mode Contour retrieval mode, see #RetrievalModes - * @param method Contour approximation method, see #ContourApproximationModes - * @param offset Optional offset by which every contour point is shifted. This is useful if the - * contours are extracted from the image ROI and then they should be analyzed in the whole image - * context. - */ - public static void findContours(Mat image, List contours, Mat hierarchy, int mode, int method, Point offset) { - Mat contours_mat = new Mat(); - findContours_0(image.nativeObj, contours_mat.nativeObj, hierarchy.nativeObj, mode, method, offset.x, offset.y); - Converters.Mat_to_vector_vector_Point(contours_mat, contours); - contours_mat.release(); - } - - /** - * Finds contours in a binary image. - * - * The function retrieves contours from the binary image using the algorithm CITE: Suzuki85 . The contours - * are a useful tool for shape analysis and object detection and recognition. See squares.cpp in the - * OpenCV sample directory. - * Note: Since opencv 3.2 source image is not modified by this function. - * - * @param image Source, an 8-bit single-channel image. Non-zero pixels are treated as 1's. Zero - * pixels remain 0's, so the image is treated as binary . You can use #compare, #inRange, #threshold , - * #adaptiveThreshold, #Canny, and others to create a binary image out of a grayscale or color one. - * If mode equals to #RETR_CCOMP or #RETR_FLOODFILL, the input can also be a 32-bit integer image of labels (CV_32SC1). - * @param contours Detected contours. Each contour is stored as a vector of points (e.g. - * std::vector<std::vector<cv::Point> >). - * @param hierarchy Optional output vector (e.g. std::vector<cv::Vec4i>), containing information about the image topology. It has - * as many elements as the number of contours. For each i-th contour contours[i], the elements - * hierarchy[i][0] , hierarchy[i][1] , hierarchy[i][2] , and hierarchy[i][3] are set to 0-based indices - * in contours of the next and previous contours at the same hierarchical level, the first child - * contour and the parent contour, respectively. If for the contour i there are no next, previous, - * parent, or nested contours, the corresponding elements of hierarchy[i] will be negative. - * Note: In Python, hierarchy is nested inside a top level array. Use hierarchy[0][i] to access hierarchical elements of i-th contour. - * @param mode Contour retrieval mode, see #RetrievalModes - * @param method Contour approximation method, see #ContourApproximationModes - * contours are extracted from the image ROI and then they should be analyzed in the whole image - * context. - */ - public static void findContours(Mat image, List contours, Mat hierarchy, int mode, int method) { - Mat contours_mat = new Mat(); - findContours_1(image.nativeObj, contours_mat.nativeObj, hierarchy.nativeObj, mode, method); - Converters.Mat_to_vector_vector_Point(contours_mat, contours); - contours_mat.release(); - } - - - // - // C++: void cv::findContoursLinkRuns(Mat image, vector_Mat& contours, Mat& hierarchy) - // - - public static void findContoursLinkRuns(Mat image, List contours, Mat hierarchy) { - Mat contours_mat = new Mat(); - findContoursLinkRuns_0(image.nativeObj, contours_mat.nativeObj, hierarchy.nativeObj); - Converters.Mat_to_vector_Mat(contours_mat, contours); - contours_mat.release(); - } - - - // - // C++: void cv::findContoursLinkRuns(Mat image, vector_Mat& contours) - // - - public static void findContoursLinkRuns(Mat image, List contours) { - Mat contours_mat = new Mat(); - findContoursLinkRuns_1(image.nativeObj, contours_mat.nativeObj); - Converters.Mat_to_vector_Mat(contours_mat, contours); - contours_mat.release(); - } - - - // - // C++: void cv::approxPolyDP(vector_Point2f curve, vector_Point2f& approxCurve, double epsilon, bool closed) - // - - /** - * Approximates a polygonal curve(s) with the specified precision. - * - * The function cv::approxPolyDP approximates a curve or a polygon with another curve/polygon with less - * vertices so that the distance between them is less or equal to the specified precision. It uses the - * Douglas-Peucker algorithm <https://en.wikipedia.org/wiki/Ramer-Douglas-Peucker_algorithm> - * - * @param curve Input vector of a 2D point stored in std::vector or Mat - * @param approxCurve Result of the approximation. The type should match the type of the input curve. - * @param epsilon Parameter specifying the approximation accuracy. This is the maximum distance - * between the original curve and its approximation. - * @param closed If true, the approximated curve is closed (its first and last vertices are - * connected). Otherwise, it is not closed. - */ - public static void approxPolyDP(MatOfPoint2f curve, MatOfPoint2f approxCurve, double epsilon, boolean closed) { - Mat curve_mat = curve; - Mat approxCurve_mat = approxCurve; - approxPolyDP_0(curve_mat.nativeObj, approxCurve_mat.nativeObj, epsilon, closed); - } - - - // - // C++: void cv::approxPolyN(Mat curve, Mat& approxCurve, int nsides, float epsilon_percentage = -1.0, bool ensure_convex = true) - // - - /** - * Approximates a polygon with a convex hull with a specified accuracy and number of sides. - * - * The cv::approxPolyN function approximates a polygon with a convex hull - * so that the difference between the contour area of the original contour and the new polygon is minimal. - * It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - * Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - * Each vertex will lie either on the original contour or outside it. - * - * The algorithm based on the paper CITE: LowIlie2003 . - * - * @param curve Input vector of a 2D points stored in std::vector or Mat, points must be float or integer. - * @param approxCurve Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat. - * @param nsides The parameter defines the number of sides of the result polygon. - * @param epsilon_percentage defines the percentage of the maximum of additional area. - * If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - * If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded. - * @param ensure_convex If it is true, algorithm creates a convex hull of input contour. Otherwise input vector should be convex. - */ - public static void approxPolyN(Mat curve, Mat approxCurve, int nsides, float epsilon_percentage, boolean ensure_convex) { - approxPolyN_0(curve.nativeObj, approxCurve.nativeObj, nsides, epsilon_percentage, ensure_convex); - } - - /** - * Approximates a polygon with a convex hull with a specified accuracy and number of sides. - * - * The cv::approxPolyN function approximates a polygon with a convex hull - * so that the difference between the contour area of the original contour and the new polygon is minimal. - * It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - * Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - * Each vertex will lie either on the original contour or outside it. - * - * The algorithm based on the paper CITE: LowIlie2003 . - * - * @param curve Input vector of a 2D points stored in std::vector or Mat, points must be float or integer. - * @param approxCurve Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat. - * @param nsides The parameter defines the number of sides of the result polygon. - * @param epsilon_percentage defines the percentage of the maximum of additional area. - * If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - * If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded. - */ - public static void approxPolyN(Mat curve, Mat approxCurve, int nsides, float epsilon_percentage) { - approxPolyN_1(curve.nativeObj, approxCurve.nativeObj, nsides, epsilon_percentage); - } - - /** - * Approximates a polygon with a convex hull with a specified accuracy and number of sides. - * - * The cv::approxPolyN function approximates a polygon with a convex hull - * so that the difference between the contour area of the original contour and the new polygon is minimal. - * It uses a greedy algorithm for contracting two vertices into one in such a way that the additional area is minimal. - * Straight lines formed by each edge of the convex contour are drawn and the areas of the resulting triangles are considered. - * Each vertex will lie either on the original contour or outside it. - * - * The algorithm based on the paper CITE: LowIlie2003 . - * - * @param curve Input vector of a 2D points stored in std::vector or Mat, points must be float or integer. - * @param approxCurve Result of the approximation. The type is vector of a 2D point (Point2f or Point) in std::vector or Mat. - * @param nsides The parameter defines the number of sides of the result polygon. - * If it equals -1, it is not used. Otherwise algorighm stops if additional area is greater than contourArea(_curve) * percentage. - * If additional area exceeds the limit, algorithm returns as many vertices as there were at the moment the limit was exceeded. - */ - public static void approxPolyN(Mat curve, Mat approxCurve, int nsides) { - approxPolyN_2(curve.nativeObj, approxCurve.nativeObj, nsides); - } - - - // - // C++: double cv::arcLength(vector_Point2f curve, bool closed) - // - - /** - * Calculates a contour perimeter or a curve length. - * - * The function computes a curve length or a closed contour perimeter. - * - * @param curve Input vector of 2D points, stored in std::vector or Mat. - * @param closed Flag indicating whether the curve is closed or not. - * @return automatically generated - */ - public static double arcLength(MatOfPoint2f curve, boolean closed) { - Mat curve_mat = curve; - return arcLength_0(curve_mat.nativeObj, closed); - } - - - // - // C++: Rect cv::boundingRect(Mat array) - // - - /** - * Calculates the up-right bounding rectangle of a point set or non-zero pixels of gray-scale image. - * - * The function calculates and returns the minimal up-right bounding rectangle for the specified point set or - * non-zero pixels of gray-scale image. - * - * @param array Input gray-scale image or 2D point set, stored in std::vector or Mat. - * @return automatically generated - */ - public static Rect boundingRect(Mat array) { - return new Rect(boundingRect_0(array.nativeObj)); - } - - - // - // C++: double cv::contourArea(Mat contour, bool oriented = false) - // - - /** - * Calculates a contour area. - * - * The function computes a contour area. Similarly to moments , the area is computed using the Green - * formula. Thus, the returned area and the number of non-zero pixels, if you draw the contour using - * #drawContours or #fillPoly , can be different. Also, the function will most certainly give a wrong - * results for contours with self-intersections. - * - * Example: - * - * vector<Point> contour; - * contour.push_back(Point2f(0, 0)); - * contour.push_back(Point2f(10, 0)); - * contour.push_back(Point2f(10, 10)); - * contour.push_back(Point2f(5, 4)); - * - * double area0 = contourArea(contour); - * vector<Point> approx; - * approxPolyDP(contour, approx, 5, true); - * double area1 = contourArea(approx); - * - * cout << "area0 =" << area0 << endl << - * "area1 =" << area1 << endl << - * "approx poly vertices" << approx.size() << endl; - * - * @param contour Input vector of 2D points (contour vertices), stored in std::vector or Mat. - * @param oriented Oriented area flag. If it is true, the function returns a signed area value, - * depending on the contour orientation (clockwise or counter-clockwise). Using this feature you can - * determine orientation of a contour by taking the sign of an area. By default, the parameter is - * false, which means that the absolute value is returned. - * @return automatically generated - */ - public static double contourArea(Mat contour, boolean oriented) { - return contourArea_0(contour.nativeObj, oriented); - } - - /** - * Calculates a contour area. - * - * The function computes a contour area. Similarly to moments , the area is computed using the Green - * formula. Thus, the returned area and the number of non-zero pixels, if you draw the contour using - * #drawContours or #fillPoly , can be different. Also, the function will most certainly give a wrong - * results for contours with self-intersections. - * - * Example: - * - * vector<Point> contour; - * contour.push_back(Point2f(0, 0)); - * contour.push_back(Point2f(10, 0)); - * contour.push_back(Point2f(10, 10)); - * contour.push_back(Point2f(5, 4)); - * - * double area0 = contourArea(contour); - * vector<Point> approx; - * approxPolyDP(contour, approx, 5, true); - * double area1 = contourArea(approx); - * - * cout << "area0 =" << area0 << endl << - * "area1 =" << area1 << endl << - * "approx poly vertices" << approx.size() << endl; - * - * @param contour Input vector of 2D points (contour vertices), stored in std::vector or Mat. - * depending on the contour orientation (clockwise or counter-clockwise). Using this feature you can - * determine orientation of a contour by taking the sign of an area. By default, the parameter is - * false, which means that the absolute value is returned. - * @return automatically generated - */ - public static double contourArea(Mat contour) { - return contourArea_1(contour.nativeObj); - } - - - // - // C++: RotatedRect cv::minAreaRect(vector_Point2f points) - // - - /** - * Finds a rotated rectangle of the minimum area enclosing the input 2D point set. - * - * The function calculates and returns the minimum-area bounding rectangle (possibly rotated) for a - * specified point set. The angle of rotation represents the angle between the line connecting the starting - * and ending points (based on the clockwise order with greatest index for the corner with greatest \(y\)) - * and the horizontal axis. This angle always falls between \([-90, 0)\) because, if the object - * rotates more than a rect angle, the next edge is used to measure the angle. The starting and ending points change - * as the object rotates.Developer should keep in mind that the returned RotatedRect can contain negative - * indices when data is close to the containing Mat element boundary. - * - * @param points Input vector of 2D points, stored in std::vector<> or Mat - * @return automatically generated - */ - public static RotatedRect minAreaRect(MatOfPoint2f points) { - Mat points_mat = points; - return new RotatedRect(minAreaRect_0(points_mat.nativeObj)); - } - - - // - // C++: void cv::boxPoints(RotatedRect box, Mat& points) - // - - /** - * Finds the four vertices of a rotated rect. Useful to draw the rotated rectangle. - * - * The function finds the four vertices of a rotated rectangle. The four vertices are returned - * in clockwise order starting from the point with greatest \(y\). If two points have the - * same \(y\) coordinate the rightmost is the starting point. This function is useful to draw the - * rectangle. In C++, instead of using this function, you can directly use RotatedRect::points method. Please - * visit the REF: tutorial_bounding_rotated_ellipses "tutorial on Creating Bounding rotated boxes and ellipses for contours" for more information. - * - * @param box The input rotated rectangle. It may be the output of REF: minAreaRect. - * @param points The output array of four vertices of rectangles. - */ - public static void boxPoints(RotatedRect box, Mat points) { - boxPoints_0(box.center.x, box.center.y, box.size.width, box.size.height, box.angle, points.nativeObj); - } - - - // - // C++: void cv::minEnclosingCircle(vector_Point2f points, Point2f& center, float& radius) - // - - /** - * Finds a circle of the minimum area enclosing a 2D point set. - * - * The function finds the minimal enclosing circle of a 2D point set using an iterative algorithm. - * - * @param points Input vector of 2D points, stored in std::vector<> or Mat - * @param center Output center of the circle. - * @param radius Output radius of the circle. - */ - public static void minEnclosingCircle(MatOfPoint2f points, Point center, float[] radius) { - Mat points_mat = points; - double[] center_out = new double[2]; - double[] radius_out = new double[1]; - minEnclosingCircle_0(points_mat.nativeObj, center_out, radius_out); - if(center!=null){ center.x = center_out[0]; center.y = center_out[1]; } - if(radius!=null) radius[0] = (float)radius_out[0]; - } - - - // - // C++: double cv::minEnclosingTriangle(Mat points, Mat& triangle) - // - - /** - * Finds a triangle of minimum area enclosing a 2D point set and returns its area. - * - * The function finds a triangle of minimum area enclosing the given set of 2D points and returns its - * area. The output for a given 2D point set is shown in the image below. 2D points are depicted in - * red* and the enclosing triangle in *yellow*. - * - * ![Sample output of the minimum enclosing triangle function](pics/minenclosingtriangle.png) - * - * The implementation of the algorithm is based on O'Rourke's CITE: ORourke86 and Klee and Laskowski's - * CITE: KleeLaskowski85 papers. O'Rourke provides a \(\theta(n)\) algorithm for finding the minimal - * enclosing triangle of a 2D convex polygon with n vertices. Since the #minEnclosingTriangle function - * takes a 2D point set as input an additional preprocessing step of computing the convex hull of the - * 2D point set is required. The complexity of the #convexHull function is \(O(n log(n))\) which is higher - * than \(\theta(n)\). Thus the overall complexity of the function is \(O(n log(n))\). - * - * @param points Input vector of 2D points with depth CV_32S or CV_32F, stored in std::vector<> or Mat - * @param triangle Output vector of three 2D points defining the vertices of the triangle. The depth - * of the OutputArray must be CV_32F. - * @return automatically generated - */ - public static double minEnclosingTriangle(Mat points, Mat triangle) { - return minEnclosingTriangle_0(points.nativeObj, triangle.nativeObj); - } - - - // - // C++: double cv::matchShapes(Mat contour1, Mat contour2, int method, double parameter) - // - - /** - * Compares two shapes. - * - * The function compares two shapes. All three implemented methods use the Hu invariants (see #HuMoments) - * - * @param contour1 First contour or grayscale image. - * @param contour2 Second contour or grayscale image. - * @param method Comparison method, see #ShapeMatchModes - * @param parameter Method-specific parameter (not supported now). - * @return automatically generated - */ - public static double matchShapes(Mat contour1, Mat contour2, int method, double parameter) { - return matchShapes_0(contour1.nativeObj, contour2.nativeObj, method, parameter); - } - - - // - // C++: void cv::convexHull(vector_Point points, vector_int& hull, bool clockwise = false, _hidden_ returnPoints = true) - // - - /** - * Finds the convex hull of a point set. - * - * The function cv::convexHull finds the convex hull of a 2D point set using the Sklansky's algorithm CITE: Sklansky82 - * that has *O(N logN)* complexity in the current implementation. - * - * @param points Input 2D point set, stored in std::vector or Mat. - * @param hull Output convex hull. It is either an integer vector of indices or vector of points. In - * the first case, the hull elements are 0-based indices of the convex hull points in the original - * array (since the set of convex hull points is a subset of the original point set). In the second - * case, hull elements are the convex hull points themselves. - * @param clockwise Orientation flag. If it is true, the output convex hull is oriented clockwise. - * Otherwise, it is oriented counter-clockwise. The assumed coordinate system has its X axis pointing - * to the right, and its Y axis pointing upwards. - * returns convex hull points. Otherwise, it returns indices of the convex hull points. When the - * output array is std::vector, the flag is ignored, and the output depends on the type of the - * vector: std::vector<int> implies returnPoints=false, std::vector<Point> implies - * returnPoints=true. - * - * Note: {@code points} and {@code hull} should be different arrays, inplace processing isn't supported. - * - * Check REF: tutorial_hull "the corresponding tutorial" for more details. - * - * useful links: - * - * https://www.learnopencv.com/convex-hull-using-opencv-in-python-and-c/ - */ - public static void convexHull(MatOfPoint points, MatOfInt hull, boolean clockwise) { - Mat points_mat = points; - Mat hull_mat = hull; - convexHull_0(points_mat.nativeObj, hull_mat.nativeObj, clockwise); - } - - /** - * Finds the convex hull of a point set. - * - * The function cv::convexHull finds the convex hull of a 2D point set using the Sklansky's algorithm CITE: Sklansky82 - * that has *O(N logN)* complexity in the current implementation. - * - * @param points Input 2D point set, stored in std::vector or Mat. - * @param hull Output convex hull. It is either an integer vector of indices or vector of points. In - * the first case, the hull elements are 0-based indices of the convex hull points in the original - * array (since the set of convex hull points is a subset of the original point set). In the second - * case, hull elements are the convex hull points themselves. - * Otherwise, it is oriented counter-clockwise. The assumed coordinate system has its X axis pointing - * to the right, and its Y axis pointing upwards. - * returns convex hull points. Otherwise, it returns indices of the convex hull points. When the - * output array is std::vector, the flag is ignored, and the output depends on the type of the - * vector: std::vector<int> implies returnPoints=false, std::vector<Point> implies - * returnPoints=true. - * - * Note: {@code points} and {@code hull} should be different arrays, inplace processing isn't supported. - * - * Check REF: tutorial_hull "the corresponding tutorial" for more details. - * - * useful links: - * - * https://www.learnopencv.com/convex-hull-using-opencv-in-python-and-c/ - */ - public static void convexHull(MatOfPoint points, MatOfInt hull) { - Mat points_mat = points; - Mat hull_mat = hull; - convexHull_2(points_mat.nativeObj, hull_mat.nativeObj); - } - - - // - // C++: void cv::convexityDefects(vector_Point contour, vector_int convexhull, vector_Vec4i& convexityDefects) - // - - /** - * Finds the convexity defects of a contour. - * - * The figure below displays convexity defects of a hand contour: - * - * ![image](pics/defects.png) - * - * @param contour Input contour. - * @param convexhull Convex hull obtained using convexHull that should contain indices of the contour - * points that make the hull. - * @param convexityDefects The output vector of convexity defects. In C++ and the new Python/Java - * interface each convexity defect is represented as 4-element integer vector (a.k.a. #Vec4i): - * (start_index, end_index, farthest_pt_index, fixpt_depth), where indices are 0-based indices - * in the original contour of the convexity defect beginning, end and the farthest point, and - * fixpt_depth is fixed-point approximation (with 8 fractional bits) of the distance between the - * farthest contour point and the hull. That is, to get the floating-point value of the depth will be - * fixpt_depth/256.0. - */ - public static void convexityDefects(MatOfPoint contour, MatOfInt convexhull, MatOfInt4 convexityDefects) { - Mat contour_mat = contour; - Mat convexhull_mat = convexhull; - Mat convexityDefects_mat = convexityDefects; - convexityDefects_0(contour_mat.nativeObj, convexhull_mat.nativeObj, convexityDefects_mat.nativeObj); - } - - - // - // C++: bool cv::isContourConvex(vector_Point contour) - // - - /** - * Tests a contour convexity. - * - * The function tests whether the input contour is convex or not. The contour must be simple, that is, - * without self-intersections. Otherwise, the function output is undefined. - * - * @param contour Input vector of 2D points, stored in std::vector<> or Mat - * @return automatically generated - */ - public static boolean isContourConvex(MatOfPoint contour) { - Mat contour_mat = contour; - return isContourConvex_0(contour_mat.nativeObj); - } - - - // - // C++: float cv::intersectConvexConvex(Mat p1, Mat p2, Mat& p12, bool handleNested = true) - // - - /** - * Finds intersection of two convex polygons - * - * @param p1 First polygon - * @param p2 Second polygon - * @param p12 Output polygon describing the intersecting area - * @param handleNested When true, an intersection is found if one of the polygons is fully enclosed in the other. - * When false, no intersection is found. If the polygons share a side or the vertex of one polygon lies on an edge - * of the other, they are not considered nested and an intersection will be found regardless of the value of handleNested. - * - * @return Area of intersecting polygon. May be negative, if algorithm has not converged, e.g. non-convex input. - * - * Note: intersectConvexConvex doesn't confirm that both polygons are convex and will return invalid results if they aren't. - */ - public static float intersectConvexConvex(Mat p1, Mat p2, Mat p12, boolean handleNested) { - return intersectConvexConvex_0(p1.nativeObj, p2.nativeObj, p12.nativeObj, handleNested); - } - - /** - * Finds intersection of two convex polygons - * - * @param p1 First polygon - * @param p2 Second polygon - * @param p12 Output polygon describing the intersecting area - * When false, no intersection is found. If the polygons share a side or the vertex of one polygon lies on an edge - * of the other, they are not considered nested and an intersection will be found regardless of the value of handleNested. - * - * @return Area of intersecting polygon. May be negative, if algorithm has not converged, e.g. non-convex input. - * - * Note: intersectConvexConvex doesn't confirm that both polygons are convex and will return invalid results if they aren't. - */ - public static float intersectConvexConvex(Mat p1, Mat p2, Mat p12) { - return intersectConvexConvex_1(p1.nativeObj, p2.nativeObj, p12.nativeObj); - } - - - // - // C++: RotatedRect cv::fitEllipse(vector_Point2f points) - // - - /** - * Fits an ellipse around a set of 2D points. - * - * The function calculates the ellipse that fits (in a least-squares sense) a set of 2D points best of - * all. It returns the rotated rectangle in which the ellipse is inscribed. The first algorithm described by CITE: Fitzgibbon95 - * is used. Developer should keep in mind that it is possible that the returned - * ellipse/rotatedRect data contains negative indices, due to the data points being close to the - * border of the containing Mat element. - * - * @param points Input 2D point set, stored in std::vector<> or Mat - * - * Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - * Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error. - * @return automatically generated - */ - public static RotatedRect fitEllipse(MatOfPoint2f points) { - Mat points_mat = points; - return new RotatedRect(fitEllipse_0(points_mat.nativeObj)); - } - - - // - // C++: RotatedRect cv::fitEllipseAMS(Mat points) - // - - /** - * Fits an ellipse around a set of 2D points. - * - * The function calculates the ellipse that fits a set of 2D points. - * It returns the rotated rectangle in which the ellipse is inscribed. - * The Approximate Mean Square (AMS) proposed by CITE: Taubin1991 is used. - * - * For an ellipse, this basis set is \( \chi= \left(x^2, x y, y^2, x, y, 1\right) \), - * which is a set of six free coefficients \( A^T=\left\{A_{\text{xx}},A_{\text{xy}},A_{\text{yy}},A_x,A_y,A_0\right\} \). - * However, to specify an ellipse, all that is needed is five numbers; the major and minor axes lengths \( (a,b) \), - * the position \( (x_0,y_0) \), and the orientation \( \theta \). This is because the basis set includes lines, - * quadratics, parabolic and hyperbolic functions as well as elliptical functions as possible fits. - * If the fit is found to be a parabolic or hyperbolic function then the standard #fitEllipse method is used. - * The AMS method restricts the fit to parabolic, hyperbolic and elliptical curves - * by imposing the condition that \( A^T ( D_x^T D_x + D_y^T D_y) A = 1 \) where - * the matrices \( Dx \) and \( Dy \) are the partial derivatives of the design matrix \( D \) with - * respect to x and y. The matrices are formed row by row applying the following to - * each of the points in the set: - * \(align*}{ - * D(i,:)&=\left\{x_i^2, x_i y_i, y_i^2, x_i, y_i, 1\right\} & - * D_x(i,:)&=\left\{2 x_i,y_i,0,1,0,0\right\} & - * D_y(i,:)&=\left\{0,x_i,2 y_i,0,1,0\right\} - * \) - * The AMS method minimizes the cost function - * \(equation*}{ - * \epsilon ^2=\frac{ A^T D^T D A }{ A^T (D_x^T D_x + D_y^T D_y) A^T } - * \) - * - * The minimum cost is found by solving the generalized eigenvalue problem. - * - * \(equation*}{ - * D^T D A = \lambda \left( D_x^T D_x + D_y^T D_y\right) A - * \) - * - * @param points Input 2D point set, stored in std::vector<> or Mat - * - * Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - * Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error. - * @return automatically generated - */ - public static RotatedRect fitEllipseAMS(Mat points) { - return new RotatedRect(fitEllipseAMS_0(points.nativeObj)); - } - - - // - // C++: RotatedRect cv::fitEllipseDirect(Mat points) - // - - /** - * Fits an ellipse around a set of 2D points. - * - * The function calculates the ellipse that fits a set of 2D points. - * It returns the rotated rectangle in which the ellipse is inscribed. - * The Direct least square (Direct) method by CITE: oy1998NumericallySD is used. - * - * For an ellipse, this basis set is \( \chi= \left(x^2, x y, y^2, x, y, 1\right) \), - * which is a set of six free coefficients \( A^T=\left\{A_{\text{xx}},A_{\text{xy}},A_{\text{yy}},A_x,A_y,A_0\right\} \). - * However, to specify an ellipse, all that is needed is five numbers; the major and minor axes lengths \( (a,b) \), - * the position \( (x_0,y_0) \), and the orientation \( \theta \). This is because the basis set includes lines, - * quadratics, parabolic and hyperbolic functions as well as elliptical functions as possible fits. - * The Direct method confines the fit to ellipses by ensuring that \( 4 A_{xx} A_{yy}- A_{xy}^2 > 0 \). - * The condition imposed is that \( 4 A_{xx} A_{yy}- A_{xy}^2=1 \) which satisfies the inequality - * and as the coefficients can be arbitrarily scaled is not overly restrictive. - * - * \(equation*}{ - * \epsilon ^2= A^T D^T D A \quad \text{with} \quad A^T C A =1 \quad \text{and} \quad C=\left(\begin{matrix} - * 0 & 0 & 2 & 0 & 0 & 0 \\ - * 0 & -1 & 0 & 0 & 0 & 0 \\ - * 2 & 0 & 0 & 0 & 0 & 0 \\ - * 0 & 0 & 0 & 0 & 0 & 0 \\ - * 0 & 0 & 0 & 0 & 0 & 0 \\ - * 0 & 0 & 0 & 0 & 0 & 0 - * \end{matrix} \right) - * \) - * - * The minimum cost is found by solving the generalized eigenvalue problem. - * - * \(equation*}{ - * D^T D A = \lambda \left( C\right) A - * \) - * - * The system produces only one positive eigenvalue \( \lambda\) which is chosen as the solution - * with its eigenvector \(\mathbf{u}\). These are used to find the coefficients - * - * \(equation*}{ - * A = \sqrt{\frac{1}{\mathbf{u}^T C \mathbf{u}}} \mathbf{u} - * \) - * The scaling factor guarantees that \(A^T C A =1\). - * - * @param points Input 2D point set, stored in std::vector<> or Mat - * - * Note: Input point types are REF: Point2i or REF: Point2f and at least 5 points are required. - * Note: REF: getClosestEllipsePoints function can be used to compute the ellipse fitting error. - * @return automatically generated - */ - public static RotatedRect fitEllipseDirect(Mat points) { - return new RotatedRect(fitEllipseDirect_0(points.nativeObj)); - } - - - // - // C++: void cv::getClosestEllipsePoints(RotatedRect ellipse_params, Mat points, Mat& closest_pts) - // - - /** - * Compute for each 2d point the nearest 2d point located on a given ellipse. - * - * The function computes the nearest 2d location on a given ellipse for a vector of 2d points and is based on CITE: Chatfield2017 code. - * This function can be used to compute for instance the ellipse fitting error. - * - * @param ellipse_params Ellipse parameters - * @param points Input 2d points - * @param closest_pts For each 2d point, their corresponding closest 2d point located on a given ellipse - * - * Note: Input point types are REF: Point2i or REF: Point2f - * SEE: fitEllipse, fitEllipseAMS, fitEllipseDirect - */ - public static void getClosestEllipsePoints(RotatedRect ellipse_params, Mat points, Mat closest_pts) { - getClosestEllipsePoints_0(ellipse_params.center.x, ellipse_params.center.y, ellipse_params.size.width, ellipse_params.size.height, ellipse_params.angle, points.nativeObj, closest_pts.nativeObj); - } - - - // - // C++: void cv::fitLine(Mat points, Mat& line, int distType, double param, double reps, double aeps) - // - - /** - * Fits a line to a 2D or 3D point set. - * - * The function fitLine fits a line to a 2D or 3D point set by minimizing \(\sum_i \rho(r_i)\) where - * \(r_i\) is a distance between the \(i^{th}\) point, the line and \(\rho(r)\) is a distance function, one - * of the following: - *
      - *
    • - * DIST_L2 - * \(\rho (r) = r^2/2 \quad \text{(the simplest and the fastest least-squares method)}\) - *
      • - *
    • - * DIST_L1 - * \(\rho (r) = r\) - *
      • - *
    • - * DIST_L12 - * \(\rho (r) = 2 \cdot ( \sqrt{1 + \frac{r^2}{2}} - 1)\) - *
      • - *
    • - * DIST_FAIR - * \(\rho \left (r \right ) = C^2 \cdot \left ( \frac{r}{C} - \log{\left(1 + \frac{r}{C}\right)} \right ) \quad \text{where} \quad C=1.3998\) - *
      • - *
    • - * DIST_WELSCH - * \(\rho \left (r \right ) = \frac{C^2}{2} \cdot \left ( 1 - \exp{\left(-\left(\frac{r}{C}\right)^2\right)} \right ) \quad \text{where} \quad C=2.9846\) - *
      • - *
    • - * DIST_HUBER - * \(\rho (r) = \fork{r^2/2}{if \(r < C\)}{C \cdot (r-C/2)}{otherwise} \quad \text{where} \quad C=1.345\) - *
      • - *
    - * - * The algorithm is based on the M-estimator ( <https://en.wikipedia.org/wiki/M-estimator> ) technique - * that iteratively fits the line using the weighted least-squares algorithm. After each iteration the - * weights \(w_i\) are adjusted to be inversely proportional to \(\rho(r_i)\) . - * - * @param points Input vector of 2D or 3D points, stored in std::vector<> or Mat. - * @param line Output line parameters. In case of 2D fitting, it should be a vector of 4 elements - * (like Vec4f) - (vx, vy, x0, y0), where (vx, vy) is a normalized vector collinear to the line and - * (x0, y0) is a point on the line. In case of 3D fitting, it should be a vector of 6 elements (like - * Vec6f) - (vx, vy, vz, x0, y0, z0), where (vx, vy, vz) is a normalized vector collinear to the line - * and (x0, y0, z0) is a point on the line. - * @param distType Distance used by the M-estimator, see #DistanceTypes - * @param param Numerical parameter ( C ) for some types of distances. If it is 0, an optimal value - * is chosen. - * @param reps Sufficient accuracy for the radius (distance between the coordinate origin and the line). - * @param aeps Sufficient accuracy for the angle. 0.01 would be a good default value for reps and aeps. - */ - public static void fitLine(Mat points, Mat line, int distType, double param, double reps, double aeps) { - fitLine_0(points.nativeObj, line.nativeObj, distType, param, reps, aeps); - } - - - // - // C++: double cv::pointPolygonTest(vector_Point2f contour, Point2f pt, bool measureDist) - // - - /** - * Performs a point-in-contour test. - * - * The function determines whether the point is inside a contour, outside, or lies on an edge (or - * coincides with a vertex). It returns positive (inside), negative (outside), or zero (on an edge) - * value, correspondingly. When measureDist=false , the return value is +1, -1, and 0, respectively. - * Otherwise, the return value is a signed distance between the point and the nearest contour edge. - * - * See below a sample output of the function where each image pixel is tested against the contour: - * - * ![sample output](pics/pointpolygon.png) - * - * @param contour Input contour. - * @param pt Point tested against the contour. - * @param measureDist If true, the function estimates the signed distance from the point to the - * nearest contour edge. Otherwise, the function only checks if the point is inside a contour or not. - * @return automatically generated - */ - public static double pointPolygonTest(MatOfPoint2f contour, Point pt, boolean measureDist) { - Mat contour_mat = contour; - return pointPolygonTest_0(contour_mat.nativeObj, pt.x, pt.y, measureDist); - } - - - // - // C++: int cv::rotatedRectangleIntersection(RotatedRect rect1, RotatedRect rect2, Mat& intersectingRegion) - // - - /** - * Finds out if there is any intersection between two rotated rectangles. - * - * If there is then the vertices of the intersecting region are returned as well. - * - * Below are some examples of intersection configurations. The hatched pattern indicates the - * intersecting region and the red vertices are returned by the function. - * - * ![intersection examples](pics/intersection.png) - * - * @param rect1 First rectangle - * @param rect2 Second rectangle - * @param intersectingRegion The output array of the vertices of the intersecting region. It returns - * at most 8 vertices. Stored as std::vector<cv::Point2f> or cv::Mat as Mx1 of type CV_32FC2. - * @return One of #RectanglesIntersectTypes - */ - public static int rotatedRectangleIntersection(RotatedRect rect1, RotatedRect rect2, Mat intersectingRegion) { - return rotatedRectangleIntersection_0(rect1.center.x, rect1.center.y, rect1.size.width, rect1.size.height, rect1.angle, rect2.center.x, rect2.center.y, rect2.size.width, rect2.size.height, rect2.angle, intersectingRegion.nativeObj); - } - - - // - // C++: Ptr_GeneralizedHoughBallard cv::createGeneralizedHoughBallard() - // - - /** - * Creates a smart pointer to a cv::GeneralizedHoughBallard class and initializes it. - * @return automatically generated - */ - public static GeneralizedHoughBallard createGeneralizedHoughBallard() { - return GeneralizedHoughBallard.__fromPtr__(createGeneralizedHoughBallard_0()); - } - - - // - // C++: Ptr_GeneralizedHoughGuil cv::createGeneralizedHoughGuil() - // - - /** - * Creates a smart pointer to a cv::GeneralizedHoughGuil class and initializes it. - * @return automatically generated - */ - public static GeneralizedHoughGuil createGeneralizedHoughGuil() { - return GeneralizedHoughGuil.__fromPtr__(createGeneralizedHoughGuil_0()); - } - - - // - // C++: void cv::applyColorMap(Mat src, Mat& dst, int colormap) - // - - /** - * Applies a GNU Octave/MATLAB equivalent colormap on a given image. - * - * @param src The source image, grayscale or colored of type CV_8UC1 or CV_8UC3. If CV_8UC3, then the CV_8UC1 image is generated internally using cv::COLOR_BGR2GRAY. - * @param dst The result is the colormapped source image. Note: Mat::create is called on dst. - * @param colormap The colormap to apply, see #ColormapTypes - */ - public static void applyColorMap(Mat src, Mat dst, int colormap) { - applyColorMap_0(src.nativeObj, dst.nativeObj, colormap); - } - - - // - // C++: void cv::applyColorMap(Mat src, Mat& dst, Mat userColor) - // - - /** - * Applies a user colormap on a given image. - * - * @param src The source image, grayscale or colored of type CV_8UC1 or CV_8UC3. If CV_8UC3, then the CV_8UC1 image is generated internally using cv::COLOR_BGR2GRAY. - * @param dst The result is the colormapped source image of the same number of channels as userColor. Note: Mat::create is called on dst. - * @param userColor The colormap to apply of type CV_8UC1 or CV_8UC3 and size 256 - */ - public static void applyColorMap(Mat src, Mat dst, Mat userColor) { - applyColorMap_1(src.nativeObj, dst.nativeObj, userColor.nativeObj); - } - - - // - // C++: void cv::line(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * Draws a line segment connecting two points. - * - * The function line draws the line segment between pt1 and pt2 points in the image. The line is - * clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - * or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - * lines are drawn using Gaussian filtering. - * - * @param img Image. - * @param pt1 First point of the line segment. - * @param pt2 Second point of the line segment. - * @param color Line color. - * @param thickness Line thickness. - * @param lineType Type of the line. See #LineTypes. - * @param shift Number of fractional bits in the point coordinates. - */ - public static void line(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int lineType, int shift) { - line_0(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * Draws a line segment connecting two points. - * - * The function line draws the line segment between pt1 and pt2 points in the image. The line is - * clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - * or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - * lines are drawn using Gaussian filtering. - * - * @param img Image. - * @param pt1 First point of the line segment. - * @param pt2 Second point of the line segment. - * @param color Line color. - * @param thickness Line thickness. - * @param lineType Type of the line. See #LineTypes. - */ - public static void line(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int lineType) { - line_1(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws a line segment connecting two points. - * - * The function line draws the line segment between pt1 and pt2 points in the image. The line is - * clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - * or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - * lines are drawn using Gaussian filtering. - * - * @param img Image. - * @param pt1 First point of the line segment. - * @param pt2 Second point of the line segment. - * @param color Line color. - * @param thickness Line thickness. - */ - public static void line(Mat img, Point pt1, Point pt2, Scalar color, int thickness) { - line_2(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws a line segment connecting two points. - * - * The function line draws the line segment between pt1 and pt2 points in the image. The line is - * clipped by the image boundaries. For non-antialiased lines with integer coordinates, the 8-connected - * or 4-connected Bresenham algorithm is used. Thick lines are drawn with rounding endings. Antialiased - * lines are drawn using Gaussian filtering. - * - * @param img Image. - * @param pt1 First point of the line segment. - * @param pt2 Second point of the line segment. - * @param color Line color. - */ - public static void line(Mat img, Point pt1, Point pt2, Scalar color) { - line_3(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::arrowedLine(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int line_type = 8, int shift = 0, double tipLength = 0.1) - // - - /** - * Draws an arrow segment pointing from the first point to the second one. - * - * The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line. - * - * @param img Image. - * @param pt1 The point the arrow starts from. - * @param pt2 The point the arrow points to. - * @param color Line color. - * @param thickness Line thickness. - * @param line_type Type of the line. See #LineTypes - * @param shift Number of fractional bits in the point coordinates. - * @param tipLength The length of the arrow tip in relation to the arrow length - */ - public static void arrowedLine(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int line_type, int shift, double tipLength) { - arrowedLine_0(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, line_type, shift, tipLength); - } - - /** - * Draws an arrow segment pointing from the first point to the second one. - * - * The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line. - * - * @param img Image. - * @param pt1 The point the arrow starts from. - * @param pt2 The point the arrow points to. - * @param color Line color. - * @param thickness Line thickness. - * @param line_type Type of the line. See #LineTypes - * @param shift Number of fractional bits in the point coordinates. - */ - public static void arrowedLine(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int line_type, int shift) { - arrowedLine_1(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, line_type, shift); - } - - /** - * Draws an arrow segment pointing from the first point to the second one. - * - * The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line. - * - * @param img Image. - * @param pt1 The point the arrow starts from. - * @param pt2 The point the arrow points to. - * @param color Line color. - * @param thickness Line thickness. - * @param line_type Type of the line. See #LineTypes - */ - public static void arrowedLine(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int line_type) { - arrowedLine_2(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, line_type); - } - - /** - * Draws an arrow segment pointing from the first point to the second one. - * - * The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line. - * - * @param img Image. - * @param pt1 The point the arrow starts from. - * @param pt2 The point the arrow points to. - * @param color Line color. - * @param thickness Line thickness. - */ - public static void arrowedLine(Mat img, Point pt1, Point pt2, Scalar color, int thickness) { - arrowedLine_3(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws an arrow segment pointing from the first point to the second one. - * - * The function cv::arrowedLine draws an arrow between pt1 and pt2 points in the image. See also #line. - * - * @param img Image. - * @param pt1 The point the arrow starts from. - * @param pt2 The point the arrow points to. - * @param color Line color. - */ - public static void arrowedLine(Mat img, Point pt1, Point pt2, Scalar color) { - arrowedLine_4(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::rectangle(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * Draws a simple, thick, or filled up-right rectangle. - * - * The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - * are pt1 and pt2. - * - * @param img Image. - * @param pt1 Vertex of the rectangle. - * @param pt2 Vertex of the rectangle opposite to pt1 . - * @param color Rectangle color or brightness (grayscale image). - * @param thickness Thickness of lines that make up the rectangle. Negative values, like #FILLED, - * mean that the function has to draw a filled rectangle. - * @param lineType Type of the line. See #LineTypes - * @param shift Number of fractional bits in the point coordinates. - */ - public static void rectangle(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int lineType, int shift) { - rectangle_0(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * Draws a simple, thick, or filled up-right rectangle. - * - * The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - * are pt1 and pt2. - * - * @param img Image. - * @param pt1 Vertex of the rectangle. - * @param pt2 Vertex of the rectangle opposite to pt1 . - * @param color Rectangle color or brightness (grayscale image). - * @param thickness Thickness of lines that make up the rectangle. Negative values, like #FILLED, - * mean that the function has to draw a filled rectangle. - * @param lineType Type of the line. See #LineTypes - */ - public static void rectangle(Mat img, Point pt1, Point pt2, Scalar color, int thickness, int lineType) { - rectangle_1(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws a simple, thick, or filled up-right rectangle. - * - * The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - * are pt1 and pt2. - * - * @param img Image. - * @param pt1 Vertex of the rectangle. - * @param pt2 Vertex of the rectangle opposite to pt1 . - * @param color Rectangle color or brightness (grayscale image). - * @param thickness Thickness of lines that make up the rectangle. Negative values, like #FILLED, - * mean that the function has to draw a filled rectangle. - */ - public static void rectangle(Mat img, Point pt1, Point pt2, Scalar color, int thickness) { - rectangle_2(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws a simple, thick, or filled up-right rectangle. - * - * The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners - * are pt1 and pt2. - * - * @param img Image. - * @param pt1 Vertex of the rectangle. - * @param pt2 Vertex of the rectangle opposite to pt1 . - * @param color Rectangle color or brightness (grayscale image). - * mean that the function has to draw a filled rectangle. - */ - public static void rectangle(Mat img, Point pt1, Point pt2, Scalar color) { - rectangle_3(img.nativeObj, pt1.x, pt1.y, pt2.x, pt2.y, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::rectangle(Mat& img, Rect rec, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * - * - * use {@code rec} parameter as alternative specification of the drawn rectangle: `r.tl() and - * r.br()-Point(1,1)` are opposite corners - * @param img automatically generated - * @param rec automatically generated - * @param color automatically generated - * @param thickness automatically generated - * @param lineType automatically generated - * @param shift automatically generated - */ - public static void rectangle(Mat img, Rect rec, Scalar color, int thickness, int lineType, int shift) { - rectangle_4(img.nativeObj, rec.x, rec.y, rec.width, rec.height, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * - * - * use {@code rec} parameter as alternative specification of the drawn rectangle: `r.tl() and - * r.br()-Point(1,1)` are opposite corners - * @param img automatically generated - * @param rec automatically generated - * @param color automatically generated - * @param thickness automatically generated - * @param lineType automatically generated - */ - public static void rectangle(Mat img, Rect rec, Scalar color, int thickness, int lineType) { - rectangle_5(img.nativeObj, rec.x, rec.y, rec.width, rec.height, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * - * - * use {@code rec} parameter as alternative specification of the drawn rectangle: `r.tl() and - * r.br()-Point(1,1)` are opposite corners - * @param img automatically generated - * @param rec automatically generated - * @param color automatically generated - * @param thickness automatically generated - */ - public static void rectangle(Mat img, Rect rec, Scalar color, int thickness) { - rectangle_6(img.nativeObj, rec.x, rec.y, rec.width, rec.height, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * - * - * use {@code rec} parameter as alternative specification of the drawn rectangle: `r.tl() and - * r.br()-Point(1,1)` are opposite corners - * @param img automatically generated - * @param rec automatically generated - * @param color automatically generated - */ - public static void rectangle(Mat img, Rect rec, Scalar color) { - rectangle_7(img.nativeObj, rec.x, rec.y, rec.width, rec.height, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::circle(Mat& img, Point center, int radius, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * Draws a circle. - * - * The function cv::circle draws a simple or filled circle with a given center and radius. - * @param img Image where the circle is drawn. - * @param center Center of the circle. - * @param radius Radius of the circle. - * @param color Circle color. - * @param thickness Thickness of the circle outline, if positive. Negative values, like #FILLED, - * mean that a filled circle is to be drawn. - * @param lineType Type of the circle boundary. See #LineTypes - * @param shift Number of fractional bits in the coordinates of the center and in the radius value. - */ - public static void circle(Mat img, Point center, int radius, Scalar color, int thickness, int lineType, int shift) { - circle_0(img.nativeObj, center.x, center.y, radius, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * Draws a circle. - * - * The function cv::circle draws a simple or filled circle with a given center and radius. - * @param img Image where the circle is drawn. - * @param center Center of the circle. - * @param radius Radius of the circle. - * @param color Circle color. - * @param thickness Thickness of the circle outline, if positive. Negative values, like #FILLED, - * mean that a filled circle is to be drawn. - * @param lineType Type of the circle boundary. See #LineTypes - */ - public static void circle(Mat img, Point center, int radius, Scalar color, int thickness, int lineType) { - circle_1(img.nativeObj, center.x, center.y, radius, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws a circle. - * - * The function cv::circle draws a simple or filled circle with a given center and radius. - * @param img Image where the circle is drawn. - * @param center Center of the circle. - * @param radius Radius of the circle. - * @param color Circle color. - * @param thickness Thickness of the circle outline, if positive. Negative values, like #FILLED, - * mean that a filled circle is to be drawn. - */ - public static void circle(Mat img, Point center, int radius, Scalar color, int thickness) { - circle_2(img.nativeObj, center.x, center.y, radius, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws a circle. - * - * The function cv::circle draws a simple or filled circle with a given center and radius. - * @param img Image where the circle is drawn. - * @param center Center of the circle. - * @param radius Radius of the circle. - * @param color Circle color. - * mean that a filled circle is to be drawn. - */ - public static void circle(Mat img, Point center, int radius, Scalar color) { - circle_3(img.nativeObj, center.x, center.y, radius, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::ellipse(Mat& img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * Draws a simple or thick elliptic arc or fills an ellipse sector. - * - * The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - * arc, or a filled ellipse sector. The drawing code uses general parametric form. - * A piecewise-linear curve is used to approximate the elliptic arc - * boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - * #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - * variant of the function and want to draw the whole ellipse, not an arc, pass {@code startAngle=0} and - * {@code endAngle=360}. If {@code startAngle} is greater than {@code endAngle}, they are swapped. The figure below explains - * the meaning of the parameters to draw the blue arc. - * - * ![Parameters of Elliptic Arc](pics/ellipse.svg) - * - * @param img Image. - * @param center Center of the ellipse. - * @param axes Half of the size of the ellipse main axes. - * @param angle Ellipse rotation angle in degrees. - * @param startAngle Starting angle of the elliptic arc in degrees. - * @param endAngle Ending angle of the elliptic arc in degrees. - * @param color Ellipse color. - * @param thickness Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - * a filled ellipse sector is to be drawn. - * @param lineType Type of the ellipse boundary. See #LineTypes - * @param shift Number of fractional bits in the coordinates of the center and values of axes. - */ - public static void ellipse(Mat img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color, int thickness, int lineType, int shift) { - ellipse_0(img.nativeObj, center.x, center.y, axes.width, axes.height, angle, startAngle, endAngle, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * Draws a simple or thick elliptic arc or fills an ellipse sector. - * - * The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - * arc, or a filled ellipse sector. The drawing code uses general parametric form. - * A piecewise-linear curve is used to approximate the elliptic arc - * boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - * #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - * variant of the function and want to draw the whole ellipse, not an arc, pass {@code startAngle=0} and - * {@code endAngle=360}. If {@code startAngle} is greater than {@code endAngle}, they are swapped. The figure below explains - * the meaning of the parameters to draw the blue arc. - * - * ![Parameters of Elliptic Arc](pics/ellipse.svg) - * - * @param img Image. - * @param center Center of the ellipse. - * @param axes Half of the size of the ellipse main axes. - * @param angle Ellipse rotation angle in degrees. - * @param startAngle Starting angle of the elliptic arc in degrees. - * @param endAngle Ending angle of the elliptic arc in degrees. - * @param color Ellipse color. - * @param thickness Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - * a filled ellipse sector is to be drawn. - * @param lineType Type of the ellipse boundary. See #LineTypes - */ - public static void ellipse(Mat img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color, int thickness, int lineType) { - ellipse_1(img.nativeObj, center.x, center.y, axes.width, axes.height, angle, startAngle, endAngle, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws a simple or thick elliptic arc or fills an ellipse sector. - * - * The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - * arc, or a filled ellipse sector. The drawing code uses general parametric form. - * A piecewise-linear curve is used to approximate the elliptic arc - * boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - * #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - * variant of the function and want to draw the whole ellipse, not an arc, pass {@code startAngle=0} and - * {@code endAngle=360}. If {@code startAngle} is greater than {@code endAngle}, they are swapped. The figure below explains - * the meaning of the parameters to draw the blue arc. - * - * ![Parameters of Elliptic Arc](pics/ellipse.svg) - * - * @param img Image. - * @param center Center of the ellipse. - * @param axes Half of the size of the ellipse main axes. - * @param angle Ellipse rotation angle in degrees. - * @param startAngle Starting angle of the elliptic arc in degrees. - * @param endAngle Ending angle of the elliptic arc in degrees. - * @param color Ellipse color. - * @param thickness Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - * a filled ellipse sector is to be drawn. - */ - public static void ellipse(Mat img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color, int thickness) { - ellipse_2(img.nativeObj, center.x, center.y, axes.width, axes.height, angle, startAngle, endAngle, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws a simple or thick elliptic arc or fills an ellipse sector. - * - * The function cv::ellipse with more parameters draws an ellipse outline, a filled ellipse, an elliptic - * arc, or a filled ellipse sector. The drawing code uses general parametric form. - * A piecewise-linear curve is used to approximate the elliptic arc - * boundary. If you need more control of the ellipse rendering, you can retrieve the curve using - * #ellipse2Poly and then render it with #polylines or fill it with #fillPoly. If you use the first - * variant of the function and want to draw the whole ellipse, not an arc, pass {@code startAngle=0} and - * {@code endAngle=360}. If {@code startAngle} is greater than {@code endAngle}, they are swapped. The figure below explains - * the meaning of the parameters to draw the blue arc. - * - * ![Parameters of Elliptic Arc](pics/ellipse.svg) - * - * @param img Image. - * @param center Center of the ellipse. - * @param axes Half of the size of the ellipse main axes. - * @param angle Ellipse rotation angle in degrees. - * @param startAngle Starting angle of the elliptic arc in degrees. - * @param endAngle Ending angle of the elliptic arc in degrees. - * @param color Ellipse color. - * a filled ellipse sector is to be drawn. - */ - public static void ellipse(Mat img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color) { - ellipse_3(img.nativeObj, center.x, center.y, axes.width, axes.height, angle, startAngle, endAngle, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::ellipse(Mat& img, RotatedRect box, Scalar color, int thickness = 1, int lineType = LINE_8) - // - - /** - * - * @param img Image. - * @param box Alternative ellipse representation via RotatedRect. This means that the function draws - * an ellipse inscribed in the rotated rectangle. - * @param color Ellipse color. - * @param thickness Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - * a filled ellipse sector is to be drawn. - * @param lineType Type of the ellipse boundary. See #LineTypes - */ - public static void ellipse(Mat img, RotatedRect box, Scalar color, int thickness, int lineType) { - ellipse_4(img.nativeObj, box.center.x, box.center.y, box.size.width, box.size.height, box.angle, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * - * @param img Image. - * @param box Alternative ellipse representation via RotatedRect. This means that the function draws - * an ellipse inscribed in the rotated rectangle. - * @param color Ellipse color. - * @param thickness Thickness of the ellipse arc outline, if positive. Otherwise, this indicates that - * a filled ellipse sector is to be drawn. - */ - public static void ellipse(Mat img, RotatedRect box, Scalar color, int thickness) { - ellipse_5(img.nativeObj, box.center.x, box.center.y, box.size.width, box.size.height, box.angle, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * - * @param img Image. - * @param box Alternative ellipse representation via RotatedRect. This means that the function draws - * an ellipse inscribed in the rotated rectangle. - * @param color Ellipse color. - * a filled ellipse sector is to be drawn. - */ - public static void ellipse(Mat img, RotatedRect box, Scalar color) { - ellipse_6(img.nativeObj, box.center.x, box.center.y, box.size.width, box.size.height, box.angle, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::drawMarker(Mat& img, Point position, Scalar color, int markerType = MARKER_CROSS, int markerSize = 20, int thickness = 1, int line_type = 8) - // - - /** - * Draws a marker on a predefined position in an image. - * - * The function cv::drawMarker draws a marker on a given position in the image. For the moment several - * marker types are supported, see #MarkerTypes for more information. - * - * @param img Image. - * @param position The point where the crosshair is positioned. - * @param color Line color. - * @param markerType The specific type of marker you want to use, see #MarkerTypes - * @param thickness Line thickness. - * @param line_type Type of the line, See #LineTypes - * @param markerSize The length of the marker axis [default = 20 pixels] - */ - public static void drawMarker(Mat img, Point position, Scalar color, int markerType, int markerSize, int thickness, int line_type) { - drawMarker_0(img.nativeObj, position.x, position.y, color.val[0], color.val[1], color.val[2], color.val[3], markerType, markerSize, thickness, line_type); - } - - /** - * Draws a marker on a predefined position in an image. - * - * The function cv::drawMarker draws a marker on a given position in the image. For the moment several - * marker types are supported, see #MarkerTypes for more information. - * - * @param img Image. - * @param position The point where the crosshair is positioned. - * @param color Line color. - * @param markerType The specific type of marker you want to use, see #MarkerTypes - * @param thickness Line thickness. - * @param markerSize The length of the marker axis [default = 20 pixels] - */ - public static void drawMarker(Mat img, Point position, Scalar color, int markerType, int markerSize, int thickness) { - drawMarker_1(img.nativeObj, position.x, position.y, color.val[0], color.val[1], color.val[2], color.val[3], markerType, markerSize, thickness); - } - - /** - * Draws a marker on a predefined position in an image. - * - * The function cv::drawMarker draws a marker on a given position in the image. For the moment several - * marker types are supported, see #MarkerTypes for more information. - * - * @param img Image. - * @param position The point where the crosshair is positioned. - * @param color Line color. - * @param markerType The specific type of marker you want to use, see #MarkerTypes - * @param markerSize The length of the marker axis [default = 20 pixels] - */ - public static void drawMarker(Mat img, Point position, Scalar color, int markerType, int markerSize) { - drawMarker_2(img.nativeObj, position.x, position.y, color.val[0], color.val[1], color.val[2], color.val[3], markerType, markerSize); - } - - /** - * Draws a marker on a predefined position in an image. - * - * The function cv::drawMarker draws a marker on a given position in the image. For the moment several - * marker types are supported, see #MarkerTypes for more information. - * - * @param img Image. - * @param position The point where the crosshair is positioned. - * @param color Line color. - * @param markerType The specific type of marker you want to use, see #MarkerTypes - */ - public static void drawMarker(Mat img, Point position, Scalar color, int markerType) { - drawMarker_3(img.nativeObj, position.x, position.y, color.val[0], color.val[1], color.val[2], color.val[3], markerType); - } - - /** - * Draws a marker on a predefined position in an image. - * - * The function cv::drawMarker draws a marker on a given position in the image. For the moment several - * marker types are supported, see #MarkerTypes for more information. - * - * @param img Image. - * @param position The point where the crosshair is positioned. - * @param color Line color. - */ - public static void drawMarker(Mat img, Point position, Scalar color) { - drawMarker_4(img.nativeObj, position.x, position.y, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::fillConvexPoly(Mat& img, vector_Point points, Scalar color, int lineType = LINE_8, int shift = 0) - // - - /** - * Fills a convex polygon. - * - * The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - * function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - * self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - * twice at the most (though, its top-most and/or the bottom edge could be horizontal). - * - * @param img Image. - * @param points Polygon vertices. - * @param color Polygon color. - * @param lineType Type of the polygon boundaries. See #LineTypes - * @param shift Number of fractional bits in the vertex coordinates. - */ - public static void fillConvexPoly(Mat img, MatOfPoint points, Scalar color, int lineType, int shift) { - Mat points_mat = points; - fillConvexPoly_0(img.nativeObj, points_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], lineType, shift); - } - - /** - * Fills a convex polygon. - * - * The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - * function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - * self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - * twice at the most (though, its top-most and/or the bottom edge could be horizontal). - * - * @param img Image. - * @param points Polygon vertices. - * @param color Polygon color. - * @param lineType Type of the polygon boundaries. See #LineTypes - */ - public static void fillConvexPoly(Mat img, MatOfPoint points, Scalar color, int lineType) { - Mat points_mat = points; - fillConvexPoly_1(img.nativeObj, points_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], lineType); - } - - /** - * Fills a convex polygon. - * - * The function cv::fillConvexPoly draws a filled convex polygon. This function is much faster than the - * function #fillPoly . It can fill not only convex polygons but any monotonic polygon without - * self-intersections, that is, a polygon whose contour intersects every horizontal line (scan line) - * twice at the most (though, its top-most and/or the bottom edge could be horizontal). - * - * @param img Image. - * @param points Polygon vertices. - * @param color Polygon color. - */ - public static void fillConvexPoly(Mat img, MatOfPoint points, Scalar color) { - Mat points_mat = points; - fillConvexPoly_2(img.nativeObj, points_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::fillPoly(Mat& img, vector_vector_Point pts, Scalar color, int lineType = LINE_8, int shift = 0, Point offset = Point()) - // - - /** - * Fills the area bounded by one or more polygons. - * - * The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - * complex areas, for example, areas with holes, contours with self-intersections (some of their - * parts), and so forth. - * - * @param img Image. - * @param pts Array of polygons where each polygon is represented as an array of points. - * @param color Polygon color. - * @param lineType Type of the polygon boundaries. See #LineTypes - * @param shift Number of fractional bits in the vertex coordinates. - * @param offset Optional offset of all points of the contours. - */ - public static void fillPoly(Mat img, List pts, Scalar color, int lineType, int shift, Point offset) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - fillPoly_0(img.nativeObj, pts_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], lineType, shift, offset.x, offset.y); - } - - /** - * Fills the area bounded by one or more polygons. - * - * The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - * complex areas, for example, areas with holes, contours with self-intersections (some of their - * parts), and so forth. - * - * @param img Image. - * @param pts Array of polygons where each polygon is represented as an array of points. - * @param color Polygon color. - * @param lineType Type of the polygon boundaries. See #LineTypes - * @param shift Number of fractional bits in the vertex coordinates. - */ - public static void fillPoly(Mat img, List pts, Scalar color, int lineType, int shift) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - fillPoly_1(img.nativeObj, pts_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], lineType, shift); - } - - /** - * Fills the area bounded by one or more polygons. - * - * The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - * complex areas, for example, areas with holes, contours with self-intersections (some of their - * parts), and so forth. - * - * @param img Image. - * @param pts Array of polygons where each polygon is represented as an array of points. - * @param color Polygon color. - * @param lineType Type of the polygon boundaries. See #LineTypes - */ - public static void fillPoly(Mat img, List pts, Scalar color, int lineType) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - fillPoly_2(img.nativeObj, pts_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3], lineType); - } - - /** - * Fills the area bounded by one or more polygons. - * - * The function cv::fillPoly fills an area bounded by several polygonal contours. The function can fill - * complex areas, for example, areas with holes, contours with self-intersections (some of their - * parts), and so forth. - * - * @param img Image. - * @param pts Array of polygons where each polygon is represented as an array of points. - * @param color Polygon color. - */ - public static void fillPoly(Mat img, List pts, Scalar color) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - fillPoly_3(img.nativeObj, pts_mat.nativeObj, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::polylines(Mat& img, vector_vector_Point pts, bool isClosed, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - // - - /** - * Draws several polygonal curves. - * - * @param img Image. - * @param pts Array of polygonal curves. - * @param isClosed Flag indicating whether the drawn polylines are closed or not. If they are closed, - * the function draws a line from the last vertex of each curve to its first vertex. - * @param color Polyline color. - * @param thickness Thickness of the polyline edges. - * @param lineType Type of the line segments. See #LineTypes - * @param shift Number of fractional bits in the vertex coordinates. - * - * The function cv::polylines draws one or more polygonal curves. - */ - public static void polylines(Mat img, List pts, boolean isClosed, Scalar color, int thickness, int lineType, int shift) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - polylines_0(img.nativeObj, pts_mat.nativeObj, isClosed, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, shift); - } - - /** - * Draws several polygonal curves. - * - * @param img Image. - * @param pts Array of polygonal curves. - * @param isClosed Flag indicating whether the drawn polylines are closed or not. If they are closed, - * the function draws a line from the last vertex of each curve to its first vertex. - * @param color Polyline color. - * @param thickness Thickness of the polyline edges. - * @param lineType Type of the line segments. See #LineTypes - * - * The function cv::polylines draws one or more polygonal curves. - */ - public static void polylines(Mat img, List pts, boolean isClosed, Scalar color, int thickness, int lineType) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - polylines_1(img.nativeObj, pts_mat.nativeObj, isClosed, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws several polygonal curves. - * - * @param img Image. - * @param pts Array of polygonal curves. - * @param isClosed Flag indicating whether the drawn polylines are closed or not. If they are closed, - * the function draws a line from the last vertex of each curve to its first vertex. - * @param color Polyline color. - * @param thickness Thickness of the polyline edges. - * - * The function cv::polylines draws one or more polygonal curves. - */ - public static void polylines(Mat img, List pts, boolean isClosed, Scalar color, int thickness) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - polylines_2(img.nativeObj, pts_mat.nativeObj, isClosed, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws several polygonal curves. - * - * @param img Image. - * @param pts Array of polygonal curves. - * @param isClosed Flag indicating whether the drawn polylines are closed or not. If they are closed, - * the function draws a line from the last vertex of each curve to its first vertex. - * @param color Polyline color. - * - * The function cv::polylines draws one or more polygonal curves. - */ - public static void polylines(Mat img, List pts, boolean isClosed, Scalar color) { - List pts_tmplm = new ArrayList((pts != null) ? pts.size() : 0); - Mat pts_mat = Converters.vector_vector_Point_to_Mat(pts, pts_tmplm); - polylines_3(img.nativeObj, pts_mat.nativeObj, isClosed, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: void cv::drawContours(Mat& image, vector_vector_Point contours, int contourIdx, Scalar color, int thickness = 1, int lineType = LINE_8, Mat hierarchy = Mat(), int maxLevel = INT_MAX, Point offset = Point()) - // - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * @param thickness Thickness of lines the contours are drawn with. If it is negative (for example, - * thickness=#FILLED ), the contour interiors are drawn. - * @param lineType Line connectivity. See #LineTypes - * @param hierarchy Optional information about hierarchy. It is only needed if you want to draw only - * some of the contours (see maxLevel ). - * @param maxLevel Maximal level for drawn contours. If it is 0, only the specified contour is drawn. - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * @param offset Optional contour shift parameter. Shift all the drawn contours by the specified - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness, int lineType, Mat hierarchy, int maxLevel, Point offset) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_0(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, hierarchy.nativeObj, maxLevel, offset.x, offset.y); - } - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * @param thickness Thickness of lines the contours are drawn with. If it is negative (for example, - * thickness=#FILLED ), the contour interiors are drawn. - * @param lineType Line connectivity. See #LineTypes - * @param hierarchy Optional information about hierarchy. It is only needed if you want to draw only - * some of the contours (see maxLevel ). - * @param maxLevel Maximal level for drawn contours. If it is 0, only the specified contour is drawn. - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness, int lineType, Mat hierarchy, int maxLevel) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_1(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, hierarchy.nativeObj, maxLevel); - } - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * @param thickness Thickness of lines the contours are drawn with. If it is negative (for example, - * thickness=#FILLED ), the contour interiors are drawn. - * @param lineType Line connectivity. See #LineTypes - * @param hierarchy Optional information about hierarchy. It is only needed if you want to draw only - * some of the contours (see maxLevel ). - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness, int lineType, Mat hierarchy) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_2(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, hierarchy.nativeObj); - } - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * @param thickness Thickness of lines the contours are drawn with. If it is negative (for example, - * thickness=#FILLED ), the contour interiors are drawn. - * @param lineType Line connectivity. See #LineTypes - * some of the contours (see maxLevel ). - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness, int lineType) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_3(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * @param thickness Thickness of lines the contours are drawn with. If it is negative (for example, - * thickness=#FILLED ), the contour interiors are drawn. - * some of the contours (see maxLevel ). - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color, int thickness) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_4(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws contours outlines or filled contours. - * - * The function draws contour outlines in the image if \(\texttt{thickness} \ge 0\) or fills the area - * bounded by the contours if \(\texttt{thickness}<0\) . The example below shows how to retrieve - * connected components from the binary image and label them: : - * INCLUDE: snippets/imgproc_drawContours.cpp - * - * @param image Destination image. - * @param contours All the input contours. Each contour is stored as a point vector. - * @param contourIdx Parameter indicating a contour to draw. If it is negative, all the contours are drawn. - * @param color Color of the contours. - * thickness=#FILLED ), the contour interiors are drawn. - * some of the contours (see maxLevel ). - * If it is 1, the function draws the contour(s) and all the nested contours. If it is 2, the function - * draws the contours, all the nested contours, all the nested-to-nested contours, and so on. This - * parameter is only taken into account when there is hierarchy available. - * \(\texttt{offset}=(dx,dy)\) . - * Note: When thickness=#FILLED, the function is designed to handle connected components with holes correctly - * even when no hierarchy data is provided. This is done by analyzing all the outlines together - * using even-odd rule. This may give incorrect results if you have a joint collection of separately retrieved - * contours. In order to solve this problem, you need to call #drawContours separately for each sub-group - * of contours, or iterate over the collection using contourIdx parameter. - */ - public static void drawContours(Mat image, List contours, int contourIdx, Scalar color) { - List contours_tmplm = new ArrayList((contours != null) ? contours.size() : 0); - Mat contours_mat = Converters.vector_vector_Point_to_Mat(contours, contours_tmplm); - drawContours_5(image.nativeObj, contours_mat.nativeObj, contourIdx, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: bool cv::clipLine(Rect imgRect, Point& pt1, Point& pt2) - // - - /** - * - * @param imgRect Image rectangle. - * @param pt1 First line point. - * @param pt2 Second line point. - * @return automatically generated - */ - public static boolean clipLine(Rect imgRect, Point pt1, Point pt2) { - double[] pt1_out = new double[2]; - double[] pt2_out = new double[2]; - boolean retVal = clipLine_0(imgRect.x, imgRect.y, imgRect.width, imgRect.height, pt1.x, pt1.y, pt1_out, pt2.x, pt2.y, pt2_out); - if(pt1!=null){ pt1.x = pt1_out[0]; pt1.y = pt1_out[1]; } - if(pt2!=null){ pt2.x = pt2_out[0]; pt2.y = pt2_out[1]; } - return retVal; - } - - - // - // C++: void cv::ellipse2Poly(Point center, Size axes, int angle, int arcStart, int arcEnd, int delta, vector_Point& pts) - // - - /** - * Approximates an elliptic arc with a polyline. - * - * The function ellipse2Poly computes the vertices of a polyline that approximates the specified - * elliptic arc. It is used by #ellipse. If {@code arcStart} is greater than {@code arcEnd}, they are swapped. - * - * @param center Center of the arc. - * @param axes Half of the size of the ellipse main axes. See #ellipse for details. - * @param angle Rotation angle of the ellipse in degrees. See #ellipse for details. - * @param arcStart Starting angle of the elliptic arc in degrees. - * @param arcEnd Ending angle of the elliptic arc in degrees. - * @param delta Angle between the subsequent polyline vertices. It defines the approximation - * accuracy. - * @param pts Output vector of polyline vertices. - */ - public static void ellipse2Poly(Point center, Size axes, int angle, int arcStart, int arcEnd, int delta, MatOfPoint pts) { - Mat pts_mat = pts; - ellipse2Poly_0(center.x, center.y, axes.width, axes.height, angle, arcStart, arcEnd, delta, pts_mat.nativeObj); - } - - - // - // C++: void cv::putText(Mat& img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness = 1, int lineType = LINE_8, bool bottomLeftOrigin = false) - // - - /** - * Draws a text string. - * - * The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - * using the specified font are replaced by question marks. See #getTextSize for a text rendering code - * example. - * - * The {@code fontScale} parameter is a scale factor that is multiplied by the base font size: - *
      - *
    • - * When scale > 1, the text is magnified. - *
      • - *
    • - * When 0 < scale < 1, the text is minimized. - *
      • - *
    • - * When scale < 0, the text is mirrored or reversed. - *
      • - *
    - * - * @param img Image. - * @param text Text string to be drawn. - * @param org Bottom-left corner of the text string in the image. - * @param fontFace Font type, see #HersheyFonts. - * @param fontScale Font scale factor that is multiplied by the font-specific base size. - * @param color Text color. - * @param thickness Thickness of the lines used to draw a text. - * @param lineType Line type. See #LineTypes - * @param bottomLeftOrigin When true, the image data origin is at the bottom-left corner. Otherwise, - * it is at the top-left corner. - */ - public static void putText(Mat img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness, int lineType, boolean bottomLeftOrigin) { - putText_0(img.nativeObj, text, org.x, org.y, fontFace, fontScale, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType, bottomLeftOrigin); - } - - /** - * Draws a text string. - * - * The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - * using the specified font are replaced by question marks. See #getTextSize for a text rendering code - * example. - * - * The {@code fontScale} parameter is a scale factor that is multiplied by the base font size: - *
      - *
    • - * When scale > 1, the text is magnified. - *
      • - *
    • - * When 0 < scale < 1, the text is minimized. - *
      • - *
    • - * When scale < 0, the text is mirrored or reversed. - *
      • - *
    - * - * @param img Image. - * @param text Text string to be drawn. - * @param org Bottom-left corner of the text string in the image. - * @param fontFace Font type, see #HersheyFonts. - * @param fontScale Font scale factor that is multiplied by the font-specific base size. - * @param color Text color. - * @param thickness Thickness of the lines used to draw a text. - * @param lineType Line type. See #LineTypes - * it is at the top-left corner. - */ - public static void putText(Mat img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness, int lineType) { - putText_1(img.nativeObj, text, org.x, org.y, fontFace, fontScale, color.val[0], color.val[1], color.val[2], color.val[3], thickness, lineType); - } - - /** - * Draws a text string. - * - * The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - * using the specified font are replaced by question marks. See #getTextSize for a text rendering code - * example. - * - * The {@code fontScale} parameter is a scale factor that is multiplied by the base font size: - *
      - *
    • - * When scale > 1, the text is magnified. - *
      • - *
    • - * When 0 < scale < 1, the text is minimized. - *
      • - *
    • - * When scale < 0, the text is mirrored or reversed. - *
      • - *
    - * - * @param img Image. - * @param text Text string to be drawn. - * @param org Bottom-left corner of the text string in the image. - * @param fontFace Font type, see #HersheyFonts. - * @param fontScale Font scale factor that is multiplied by the font-specific base size. - * @param color Text color. - * @param thickness Thickness of the lines used to draw a text. - * it is at the top-left corner. - */ - public static void putText(Mat img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness) { - putText_2(img.nativeObj, text, org.x, org.y, fontFace, fontScale, color.val[0], color.val[1], color.val[2], color.val[3], thickness); - } - - /** - * Draws a text string. - * - * The function cv::putText renders the specified text string in the image. Symbols that cannot be rendered - * using the specified font are replaced by question marks. See #getTextSize for a text rendering code - * example. - * - * The {@code fontScale} parameter is a scale factor that is multiplied by the base font size: - *
      - *
    • - * When scale > 1, the text is magnified. - *
      • - *
    • - * When 0 < scale < 1, the text is minimized. - *
      • - *
    • - * When scale < 0, the text is mirrored or reversed. - *
      • - *
    - * - * @param img Image. - * @param text Text string to be drawn. - * @param org Bottom-left corner of the text string in the image. - * @param fontFace Font type, see #HersheyFonts. - * @param fontScale Font scale factor that is multiplied by the font-specific base size. - * @param color Text color. - * it is at the top-left corner. - */ - public static void putText(Mat img, String text, Point org, int fontFace, double fontScale, Scalar color) { - putText_3(img.nativeObj, text, org.x, org.y, fontFace, fontScale, color.val[0], color.val[1], color.val[2], color.val[3]); - } - - - // - // C++: double cv::getFontScaleFromHeight(int fontFace, int pixelHeight, int thickness = 1) - // - - /** - * Calculates the font-specific size to use to achieve a given height in pixels. - * - * @param fontFace Font to use, see cv::HersheyFonts. - * @param pixelHeight Pixel height to compute the fontScale for - * @param thickness Thickness of lines used to render the text.See putText for details. - * @return The fontSize to use for cv::putText - * - * SEE: cv::putText - */ - public static double getFontScaleFromHeight(int fontFace, int pixelHeight, int thickness) { - return getFontScaleFromHeight_0(fontFace, pixelHeight, thickness); - } - - /** - * Calculates the font-specific size to use to achieve a given height in pixels. - * - * @param fontFace Font to use, see cv::HersheyFonts. - * @param pixelHeight Pixel height to compute the fontScale for - * @return The fontSize to use for cv::putText - * - * SEE: cv::putText - */ - public static double getFontScaleFromHeight(int fontFace, int pixelHeight) { - return getFontScaleFromHeight_1(fontFace, pixelHeight); - } - - - // - // C++: void cv::HoughLinesWithAccumulator(Mat image, Mat& lines, double rho, double theta, int threshold, double srn = 0, double stn = 0, double min_theta = 0, double max_theta = CV_PI, bool use_edgeval = false) - // - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - * @param srn automatically generated - * @param stn automatically generated - * @param min_theta automatically generated - * @param max_theta automatically generated - * @param use_edgeval automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta, boolean use_edgeval) { - HoughLinesWithAccumulator_0(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta, max_theta, use_edgeval); - } - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - * @param srn automatically generated - * @param stn automatically generated - * @param min_theta automatically generated - * @param max_theta automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta) { - HoughLinesWithAccumulator_1(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta, max_theta); - } - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - * @param srn automatically generated - * @param stn automatically generated - * @param min_theta automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn, double min_theta) { - HoughLinesWithAccumulator_2(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn, min_theta); - } - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - * @param srn automatically generated - * @param stn automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold, double srn, double stn) { - HoughLinesWithAccumulator_3(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn, stn); - } - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - * @param srn automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold, double srn) { - HoughLinesWithAccumulator_4(image.nativeObj, lines.nativeObj, rho, theta, threshold, srn); - } - - /** - * Finds lines in a binary image using the standard Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughLines - * @param image automatically generated - * @param lines automatically generated - * @param rho automatically generated - * @param theta automatically generated - * @param threshold automatically generated - */ - public static void HoughLinesWithAccumulator(Mat image, Mat lines, double rho, double theta, int threshold) { - HoughLinesWithAccumulator_5(image.nativeObj, lines.nativeObj, rho, theta, threshold); - } - - - // - // C++: void cv::HoughCirclesWithAccumulator(Mat image, Mat& circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0) - // - - /** - * Finds circles in a grayscale image using the Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughCircles - * @param image automatically generated - * @param circles automatically generated - * @param method automatically generated - * @param dp automatically generated - * @param minDist automatically generated - * @param param1 automatically generated - * @param param2 automatically generated - * @param minRadius automatically generated - * @param maxRadius automatically generated - */ - public static void HoughCirclesWithAccumulator(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2, int minRadius, int maxRadius) { - HoughCirclesWithAccumulator_0(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2, minRadius, maxRadius); - } - - /** - * Finds circles in a grayscale image using the Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughCircles - * @param image automatically generated - * @param circles automatically generated - * @param method automatically generated - * @param dp automatically generated - * @param minDist automatically generated - * @param param1 automatically generated - * @param param2 automatically generated - * @param minRadius automatically generated - */ - public static void HoughCirclesWithAccumulator(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2, int minRadius) { - HoughCirclesWithAccumulator_1(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2, minRadius); - } - - /** - * Finds circles in a grayscale image using the Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughCircles - * @param image automatically generated - * @param circles automatically generated - * @param method automatically generated - * @param dp automatically generated - * @param minDist automatically generated - * @param param1 automatically generated - * @param param2 automatically generated - */ - public static void HoughCirclesWithAccumulator(Mat image, Mat circles, int method, double dp, double minDist, double param1, double param2) { - HoughCirclesWithAccumulator_2(image.nativeObj, circles.nativeObj, method, dp, minDist, param1, param2); - } - - /** - * Finds circles in a grayscale image using the Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughCircles - * @param image automatically generated - * @param circles automatically generated - * @param method automatically generated - * @param dp automatically generated - * @param minDist automatically generated - * @param param1 automatically generated - */ - public static void HoughCirclesWithAccumulator(Mat image, Mat circles, int method, double dp, double minDist, double param1) { - HoughCirclesWithAccumulator_3(image.nativeObj, circles.nativeObj, method, dp, minDist, param1); - } - - /** - * Finds circles in a grayscale image using the Hough transform and get accumulator. - * - * Note: This function is for bindings use only. Use original function in C++ code - * - * SEE: HoughCircles - * @param image automatically generated - * @param circles automatically generated - * @param method automatically generated - * @param dp automatically generated - * @param minDist automatically generated - */ - public static void HoughCirclesWithAccumulator(Mat image, Mat circles, int method, double dp, double minDist) { - HoughCirclesWithAccumulator_4(image.nativeObj, circles.nativeObj, method, dp, minDist); - } - - - -// C++: Size getTextSize(const String& text, int fontFace, double fontScale, int thickness, int* baseLine); -//javadoc:getTextSize(text, fontFace, fontScale, thickness, baseLine) -public static Size getTextSize(String text, int fontFace, double fontScale, int thickness, int[] baseLine) { - if(baseLine != null && baseLine.length != 1) - throw new java.lang.IllegalArgumentException("'baseLine' must be 'int[1]' or 'null'."); - Size retVal = new Size(n_getTextSize(text, fontFace, fontScale, thickness, baseLine)); - return retVal; -} - - - - - // C++: Ptr_LineSegmentDetector cv::createLineSegmentDetector(int refine = LSD_REFINE_STD, double scale = 0.8, double sigma_scale = 0.6, double quant = 2.0, double ang_th = 22.5, double log_eps = 0, double density_th = 0.7, int n_bins = 1024) - private static native long createLineSegmentDetector_0(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps, double density_th, int n_bins); - private static native long createLineSegmentDetector_1(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps, double density_th); - private static native long createLineSegmentDetector_2(int refine, double scale, double sigma_scale, double quant, double ang_th, double log_eps); - private static native long createLineSegmentDetector_3(int refine, double scale, double sigma_scale, double quant, double ang_th); - private static native long createLineSegmentDetector_4(int refine, double scale, double sigma_scale, double quant); - private static native long createLineSegmentDetector_5(int refine, double scale, double sigma_scale); - private static native long createLineSegmentDetector_6(int refine, double scale); - private static native long createLineSegmentDetector_7(int refine); - private static native long createLineSegmentDetector_8(); - - // C++: Mat cv::getGaussianKernel(int ksize, double sigma, int ktype = CV_64F) - private static native long getGaussianKernel_0(int ksize, double sigma, int ktype); - private static native long getGaussianKernel_1(int ksize, double sigma); - - // C++: void cv::getDerivKernels(Mat& kx, Mat& ky, int dx, int dy, int ksize, bool normalize = false, int ktype = CV_32F) - private static native void getDerivKernels_0(long kx_nativeObj, long ky_nativeObj, int dx, int dy, int ksize, boolean normalize, int ktype); - private static native void getDerivKernels_1(long kx_nativeObj, long ky_nativeObj, int dx, int dy, int ksize, boolean normalize); - private static native void getDerivKernels_2(long kx_nativeObj, long ky_nativeObj, int dx, int dy, int ksize); - - // C++: Mat cv::getGaborKernel(Size ksize, double sigma, double theta, double lambd, double gamma, double psi = CV_PI*0.5, int ktype = CV_64F) - private static native long getGaborKernel_0(double ksize_width, double ksize_height, double sigma, double theta, double lambd, double gamma, double psi, int ktype); - private static native long getGaborKernel_1(double ksize_width, double ksize_height, double sigma, double theta, double lambd, double gamma, double psi); - private static native long getGaborKernel_2(double ksize_width, double ksize_height, double sigma, double theta, double lambd, double gamma); - - // C++: Mat cv::getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1)) - private static native long getStructuringElement_0(int shape, double ksize_width, double ksize_height, double anchor_x, double anchor_y); - private static native long getStructuringElement_1(int shape, double ksize_width, double ksize_height); - - // C++: void cv::medianBlur(Mat src, Mat& dst, int ksize) - private static native void medianBlur_0(long src_nativeObj, long dst_nativeObj, int ksize); - - // C++: void cv::GaussianBlur(Mat src, Mat& dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - private static native void GaussianBlur_0(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double sigmaX, double sigmaY, int borderType, int hint); - private static native void GaussianBlur_1(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double sigmaX, double sigmaY, int borderType); - private static native void GaussianBlur_2(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double sigmaX, double sigmaY); - private static native void GaussianBlur_3(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double sigmaX); - - // C++: void cv::bilateralFilter(Mat src, Mat& dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT) - private static native void bilateralFilter_0(long src_nativeObj, long dst_nativeObj, int d, double sigmaColor, double sigmaSpace, int borderType); - private static native void bilateralFilter_1(long src_nativeObj, long dst_nativeObj, int d, double sigmaColor, double sigmaSpace); - - // C++: void cv::boxFilter(Mat src, Mat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1), bool normalize = true, int borderType = BORDER_DEFAULT) - private static native void boxFilter_0(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y, boolean normalize, int borderType); - private static native void boxFilter_1(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y, boolean normalize); - private static native void boxFilter_2(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y); - private static native void boxFilter_3(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height); - - // C++: void cv::sqrBoxFilter(Mat src, Mat& dst, int ddepth, Size ksize, Point anchor = Point(-1, -1), bool normalize = true, int borderType = BORDER_DEFAULT) - private static native void sqrBoxFilter_0(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y, boolean normalize, int borderType); - private static native void sqrBoxFilter_1(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y, boolean normalize); - private static native void sqrBoxFilter_2(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height, double anchor_x, double anchor_y); - private static native void sqrBoxFilter_3(long src_nativeObj, long dst_nativeObj, int ddepth, double ksize_width, double ksize_height); - - // C++: void cv::blur(Mat src, Mat& dst, Size ksize, Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT) - private static native void blur_0(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double anchor_x, double anchor_y, int borderType); - private static native void blur_1(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height, double anchor_x, double anchor_y); - private static native void blur_2(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height); - - // C++: void cv::stackBlur(Mat src, Mat& dst, Size ksize) - private static native void stackBlur_0(long src_nativeObj, long dst_nativeObj, double ksize_width, double ksize_height); - - // C++: void cv::filter2D(Mat src, Mat& dst, int ddepth, Mat kernel, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT) - private static native void filter2D_0(long src_nativeObj, long dst_nativeObj, int ddepth, long kernel_nativeObj, double anchor_x, double anchor_y, double delta, int borderType); - private static native void filter2D_1(long src_nativeObj, long dst_nativeObj, int ddepth, long kernel_nativeObj, double anchor_x, double anchor_y, double delta); - private static native void filter2D_2(long src_nativeObj, long dst_nativeObj, int ddepth, long kernel_nativeObj, double anchor_x, double anchor_y); - private static native void filter2D_3(long src_nativeObj, long dst_nativeObj, int ddepth, long kernel_nativeObj); - - // C++: void cv::sepFilter2D(Mat src, Mat& dst, int ddepth, Mat kernelX, Mat kernelY, Point anchor = Point(-1,-1), double delta = 0, int borderType = BORDER_DEFAULT) - private static native void sepFilter2D_0(long src_nativeObj, long dst_nativeObj, int ddepth, long kernelX_nativeObj, long kernelY_nativeObj, double anchor_x, double anchor_y, double delta, int borderType); - private static native void sepFilter2D_1(long src_nativeObj, long dst_nativeObj, int ddepth, long kernelX_nativeObj, long kernelY_nativeObj, double anchor_x, double anchor_y, double delta); - private static native void sepFilter2D_2(long src_nativeObj, long dst_nativeObj, int ddepth, long kernelX_nativeObj, long kernelY_nativeObj, double anchor_x, double anchor_y); - private static native void sepFilter2D_3(long src_nativeObj, long dst_nativeObj, int ddepth, long kernelX_nativeObj, long kernelY_nativeObj); - - // C++: void cv::Sobel(Mat src, Mat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - private static native void Sobel_0(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, int ksize, double scale, double delta, int borderType); - private static native void Sobel_1(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, int ksize, double scale, double delta); - private static native void Sobel_2(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, int ksize, double scale); - private static native void Sobel_3(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, int ksize); - private static native void Sobel_4(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy); - - // C++: void cv::spatialGradient(Mat src, Mat& dx, Mat& dy, int ksize = 3, int borderType = BORDER_DEFAULT) - private static native void spatialGradient_0(long src_nativeObj, long dx_nativeObj, long dy_nativeObj, int ksize, int borderType); - private static native void spatialGradient_1(long src_nativeObj, long dx_nativeObj, long dy_nativeObj, int ksize); - private static native void spatialGradient_2(long src_nativeObj, long dx_nativeObj, long dy_nativeObj); - - // C++: void cv::Scharr(Mat src, Mat& dst, int ddepth, int dx, int dy, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - private static native void Scharr_0(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, double scale, double delta, int borderType); - private static native void Scharr_1(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, double scale, double delta); - private static native void Scharr_2(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy, double scale); - private static native void Scharr_3(long src_nativeObj, long dst_nativeObj, int ddepth, int dx, int dy); - - // C++: void cv::Laplacian(Mat src, Mat& dst, int ddepth, int ksize = 1, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT) - private static native void Laplacian_0(long src_nativeObj, long dst_nativeObj, int ddepth, int ksize, double scale, double delta, int borderType); - private static native void Laplacian_1(long src_nativeObj, long dst_nativeObj, int ddepth, int ksize, double scale, double delta); - private static native void Laplacian_2(long src_nativeObj, long dst_nativeObj, int ddepth, int ksize, double scale); - private static native void Laplacian_3(long src_nativeObj, long dst_nativeObj, int ddepth, int ksize); - private static native void Laplacian_4(long src_nativeObj, long dst_nativeObj, int ddepth); - - // C++: void cv::Canny(Mat image, Mat& edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false) - private static native void Canny_0(long image_nativeObj, long edges_nativeObj, double threshold1, double threshold2, int apertureSize, boolean L2gradient); - private static native void Canny_1(long image_nativeObj, long edges_nativeObj, double threshold1, double threshold2, int apertureSize); - private static native void Canny_2(long image_nativeObj, long edges_nativeObj, double threshold1, double threshold2); - - // C++: void cv::Canny(Mat dx, Mat dy, Mat& edges, double threshold1, double threshold2, bool L2gradient = false) - private static native void Canny_3(long dx_nativeObj, long dy_nativeObj, long edges_nativeObj, double threshold1, double threshold2, boolean L2gradient); - private static native void Canny_4(long dx_nativeObj, long dy_nativeObj, long edges_nativeObj, double threshold1, double threshold2); - - // C++: void cv::cornerMinEigenVal(Mat src, Mat& dst, int blockSize, int ksize = 3, int borderType = BORDER_DEFAULT) - private static native void cornerMinEigenVal_0(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize, int borderType); - private static native void cornerMinEigenVal_1(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize); - private static native void cornerMinEigenVal_2(long src_nativeObj, long dst_nativeObj, int blockSize); - - // C++: void cv::cornerHarris(Mat src, Mat& dst, int blockSize, int ksize, double k, int borderType = BORDER_DEFAULT) - private static native void cornerHarris_0(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize, double k, int borderType); - private static native void cornerHarris_1(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize, double k); - - // C++: void cv::cornerEigenValsAndVecs(Mat src, Mat& dst, int blockSize, int ksize, int borderType = BORDER_DEFAULT) - private static native void cornerEigenValsAndVecs_0(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize, int borderType); - private static native void cornerEigenValsAndVecs_1(long src_nativeObj, long dst_nativeObj, int blockSize, int ksize); - - // C++: void cv::preCornerDetect(Mat src, Mat& dst, int ksize, int borderType = BORDER_DEFAULT) - private static native void preCornerDetect_0(long src_nativeObj, long dst_nativeObj, int ksize, int borderType); - private static native void preCornerDetect_1(long src_nativeObj, long dst_nativeObj, int ksize); - - // C++: void cv::cornerSubPix(Mat image, Mat& corners, Size winSize, Size zeroZone, TermCriteria criteria) - private static native void cornerSubPix_0(long image_nativeObj, long corners_nativeObj, double winSize_width, double winSize_height, double zeroZone_width, double zeroZone_height, int criteria_type, int criteria_maxCount, double criteria_epsilon); - - // C++: void cv::goodFeaturesToTrack(Mat image, vector_Point& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask = Mat(), int blockSize = 3, bool useHarrisDetector = false, double k = 0.04) - private static native void goodFeaturesToTrack_0(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize, boolean useHarrisDetector, double k); - private static native void goodFeaturesToTrack_1(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize, boolean useHarrisDetector); - private static native void goodFeaturesToTrack_2(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize); - private static native void goodFeaturesToTrack_3(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj); - private static native void goodFeaturesToTrack_4(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance); - - // C++: void cv::goodFeaturesToTrack(Mat image, vector_Point& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, int gradientSize, bool useHarrisDetector = false, double k = 0.04) - private static native void goodFeaturesToTrack_5(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize, int gradientSize, boolean useHarrisDetector, double k); - private static native void goodFeaturesToTrack_6(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize, int gradientSize, boolean useHarrisDetector); - private static native void goodFeaturesToTrack_7(long image_nativeObj, long corners_mat_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, int blockSize, int gradientSize); - - // C++: void cv::goodFeaturesToTrack(Mat image, Mat& corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, Mat& cornersQuality, int blockSize = 3, int gradientSize = 3, bool useHarrisDetector = false, double k = 0.04) - private static native void goodFeaturesToTrackWithQuality_0(long image_nativeObj, long corners_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, long cornersQuality_nativeObj, int blockSize, int gradientSize, boolean useHarrisDetector, double k); - private static native void goodFeaturesToTrackWithQuality_1(long image_nativeObj, long corners_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, long cornersQuality_nativeObj, int blockSize, int gradientSize, boolean useHarrisDetector); - private static native void goodFeaturesToTrackWithQuality_2(long image_nativeObj, long corners_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, long cornersQuality_nativeObj, int blockSize, int gradientSize); - private static native void goodFeaturesToTrackWithQuality_3(long image_nativeObj, long corners_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, long cornersQuality_nativeObj, int blockSize); - private static native void goodFeaturesToTrackWithQuality_4(long image_nativeObj, long corners_nativeObj, int maxCorners, double qualityLevel, double minDistance, long mask_nativeObj, long cornersQuality_nativeObj); - - // C++: void cv::HoughLines(Mat image, Mat& lines, double rho, double theta, int threshold, double srn = 0, double stn = 0, double min_theta = 0, double max_theta = CV_PI, bool use_edgeval = false) - private static native void HoughLines_0(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta, boolean use_edgeval); - private static native void HoughLines_1(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta); - private static native void HoughLines_2(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta); - private static native void HoughLines_3(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn); - private static native void HoughLines_4(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn); - private static native void HoughLines_5(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold); - - // C++: void cv::HoughLinesP(Mat image, Mat& lines, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap = 0) - private static native void HoughLinesP_0(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double minLineLength, double maxLineGap); - private static native void HoughLinesP_1(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double minLineLength); - private static native void HoughLinesP_2(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold); - - // C++: void cv::HoughLinesPointSet(Mat point, Mat& lines, int lines_max, int threshold, double min_rho, double max_rho, double rho_step, double min_theta, double max_theta, double theta_step) - private static native void HoughLinesPointSet_0(long point_nativeObj, long lines_nativeObj, int lines_max, int threshold, double min_rho, double max_rho, double rho_step, double min_theta, double max_theta, double theta_step); - - // C++: void cv::HoughCircles(Mat image, Mat& circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0) - private static native void HoughCircles_0(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2, int minRadius, int maxRadius); - private static native void HoughCircles_1(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2, int minRadius); - private static native void HoughCircles_2(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2); - private static native void HoughCircles_3(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1); - private static native void HoughCircles_4(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist); - - // C++: void cv::erode(Mat src, Mat& dst, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - private static native void erode_0(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void erode_1(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType); - private static native void erode_2(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations); - private static native void erode_3(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y); - private static native void erode_4(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj); - - // C++: void cv::dilate(Mat src, Mat& dst, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - private static native void dilate_0(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void dilate_1(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType); - private static native void dilate_2(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations); - private static native void dilate_3(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj, double anchor_x, double anchor_y); - private static native void dilate_4(long src_nativeObj, long dst_nativeObj, long kernel_nativeObj); - - // C++: void cv::morphologyEx(Mat src, Mat& dst, int op, Mat kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, Scalar borderValue = morphologyDefaultBorderValue()) - private static native void morphologyEx_0(long src_nativeObj, long dst_nativeObj, int op, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void morphologyEx_1(long src_nativeObj, long dst_nativeObj, int op, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations, int borderType); - private static native void morphologyEx_2(long src_nativeObj, long dst_nativeObj, int op, long kernel_nativeObj, double anchor_x, double anchor_y, int iterations); - private static native void morphologyEx_3(long src_nativeObj, long dst_nativeObj, int op, long kernel_nativeObj, double anchor_x, double anchor_y); - private static native void morphologyEx_4(long src_nativeObj, long dst_nativeObj, int op, long kernel_nativeObj); - - // C++: void cv::resize(Mat src, Mat& dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR) - private static native void resize_0(long src_nativeObj, long dst_nativeObj, double dsize_width, double dsize_height, double fx, double fy, int interpolation); - private static native void resize_1(long src_nativeObj, long dst_nativeObj, double dsize_width, double dsize_height, double fx, double fy); - private static native void resize_2(long src_nativeObj, long dst_nativeObj, double dsize_width, double dsize_height, double fx); - private static native void resize_3(long src_nativeObj, long dst_nativeObj, double dsize_width, double dsize_height); - - // C++: void cv::warpAffine(Mat src, Mat& dst, Mat M, Size dsize, int flags = INTER_LINEAR, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - private static native void warpAffine_0(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags, int borderMode, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void warpAffine_1(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags, int borderMode); - private static native void warpAffine_2(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags); - private static native void warpAffine_3(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height); - - // C++: void cv::warpPerspective(Mat src, Mat& dst, Mat M, Size dsize, int flags = INTER_LINEAR, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - private static native void warpPerspective_0(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags, int borderMode, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void warpPerspective_1(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags, int borderMode); - private static native void warpPerspective_2(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height, int flags); - private static native void warpPerspective_3(long src_nativeObj, long dst_nativeObj, long M_nativeObj, double dsize_width, double dsize_height); - - // C++: void cv::remap(Mat src, Mat& dst, Mat map1, Mat map2, int interpolation, int borderMode = BORDER_CONSTANT, Scalar borderValue = Scalar()) - private static native void remap_0(long src_nativeObj, long dst_nativeObj, long map1_nativeObj, long map2_nativeObj, int interpolation, int borderMode, double borderValue_val0, double borderValue_val1, double borderValue_val2, double borderValue_val3); - private static native void remap_1(long src_nativeObj, long dst_nativeObj, long map1_nativeObj, long map2_nativeObj, int interpolation, int borderMode); - private static native void remap_2(long src_nativeObj, long dst_nativeObj, long map1_nativeObj, long map2_nativeObj, int interpolation); - - // C++: void cv::convertMaps(Mat map1, Mat map2, Mat& dstmap1, Mat& dstmap2, int dstmap1type, bool nninterpolation = false) - private static native void convertMaps_0(long map1_nativeObj, long map2_nativeObj, long dstmap1_nativeObj, long dstmap2_nativeObj, int dstmap1type, boolean nninterpolation); - private static native void convertMaps_1(long map1_nativeObj, long map2_nativeObj, long dstmap1_nativeObj, long dstmap2_nativeObj, int dstmap1type); - - // C++: Mat cv::getRotationMatrix2D(Point2f center, double angle, double scale) - private static native long getRotationMatrix2D_0(double center_x, double center_y, double angle, double scale); - - // C++: void cv::invertAffineTransform(Mat M, Mat& iM) - private static native void invertAffineTransform_0(long M_nativeObj, long iM_nativeObj); - - // C++: Mat cv::getPerspectiveTransform(Mat src, Mat dst, int solveMethod = DECOMP_LU) - private static native long getPerspectiveTransform_0(long src_nativeObj, long dst_nativeObj, int solveMethod); - private static native long getPerspectiveTransform_1(long src_nativeObj, long dst_nativeObj); - - // C++: Mat cv::getAffineTransform(vector_Point2f src, vector_Point2f dst) - private static native long getAffineTransform_0(long src_mat_nativeObj, long dst_mat_nativeObj); - - // C++: void cv::getRectSubPix(Mat image, Size patchSize, Point2f center, Mat& patch, int patchType = -1) - private static native void getRectSubPix_0(long image_nativeObj, double patchSize_width, double patchSize_height, double center_x, double center_y, long patch_nativeObj, int patchType); - private static native void getRectSubPix_1(long image_nativeObj, double patchSize_width, double patchSize_height, double center_x, double center_y, long patch_nativeObj); - - // C++: void cv::logPolar(Mat src, Mat& dst, Point2f center, double M, int flags) - private static native void logPolar_0(long src_nativeObj, long dst_nativeObj, double center_x, double center_y, double M, int flags); - - // C++: void cv::linearPolar(Mat src, Mat& dst, Point2f center, double maxRadius, int flags) - private static native void linearPolar_0(long src_nativeObj, long dst_nativeObj, double center_x, double center_y, double maxRadius, int flags); - - // C++: void cv::warpPolar(Mat src, Mat& dst, Size dsize, Point2f center, double maxRadius, int flags) - private static native void warpPolar_0(long src_nativeObj, long dst_nativeObj, double dsize_width, double dsize_height, double center_x, double center_y, double maxRadius, int flags); - - // C++: void cv::integral(Mat src, Mat& sum, Mat& sqsum, Mat& tilted, int sdepth = -1, int sqdepth = -1) - private static native void integral3_0(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj, long tilted_nativeObj, int sdepth, int sqdepth); - private static native void integral3_1(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj, long tilted_nativeObj, int sdepth); - private static native void integral3_2(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj, long tilted_nativeObj); - - // C++: void cv::integral(Mat src, Mat& sum, int sdepth = -1) - private static native void integral_0(long src_nativeObj, long sum_nativeObj, int sdepth); - private static native void integral_1(long src_nativeObj, long sum_nativeObj); - - // C++: void cv::integral(Mat src, Mat& sum, Mat& sqsum, int sdepth = -1, int sqdepth = -1) - private static native void integral2_0(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj, int sdepth, int sqdepth); - private static native void integral2_1(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj, int sdepth); - private static native void integral2_2(long src_nativeObj, long sum_nativeObj, long sqsum_nativeObj); - - // C++: void cv::accumulate(Mat src, Mat& dst, Mat mask = Mat()) - private static native void accumulate_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void accumulate_1(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::accumulateSquare(Mat src, Mat& dst, Mat mask = Mat()) - private static native void accumulateSquare_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void accumulateSquare_1(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::accumulateProduct(Mat src1, Mat src2, Mat& dst, Mat mask = Mat()) - private static native void accumulateProduct_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, long mask_nativeObj); - private static native void accumulateProduct_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj); - - // C++: void cv::accumulateWeighted(Mat src, Mat& dst, double alpha, Mat mask = Mat()) - private static native void accumulateWeighted_0(long src_nativeObj, long dst_nativeObj, double alpha, long mask_nativeObj); - private static native void accumulateWeighted_1(long src_nativeObj, long dst_nativeObj, double alpha); - - // C++: Point2d cv::phaseCorrelate(Mat src1, Mat src2, Mat window = Mat(), double* response = 0) - private static native double[] phaseCorrelate_0(long src1_nativeObj, long src2_nativeObj, long window_nativeObj, double[] response_out); - private static native double[] phaseCorrelate_1(long src1_nativeObj, long src2_nativeObj, long window_nativeObj); - private static native double[] phaseCorrelate_2(long src1_nativeObj, long src2_nativeObj); - - // C++: void cv::createHanningWindow(Mat& dst, Size winSize, int type) - private static native void createHanningWindow_0(long dst_nativeObj, double winSize_width, double winSize_height, int type); - - // C++: void cv::divSpectrums(Mat a, Mat b, Mat& c, int flags, bool conjB = false) - private static native void divSpectrums_0(long a_nativeObj, long b_nativeObj, long c_nativeObj, int flags, boolean conjB); - private static native void divSpectrums_1(long a_nativeObj, long b_nativeObj, long c_nativeObj, int flags); - - // C++: double cv::threshold(Mat src, Mat& dst, double thresh, double maxval, int type) - private static native double threshold_0(long src_nativeObj, long dst_nativeObj, double thresh, double maxval, int type); - - // C++: double cv::thresholdWithMask(Mat src, Mat& dst, Mat mask, double thresh, double maxval, int type) - private static native double thresholdWithMask_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj, double thresh, double maxval, int type); - - // C++: void cv::adaptiveThreshold(Mat src, Mat& dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C) - private static native void adaptiveThreshold_0(long src_nativeObj, long dst_nativeObj, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C); - - // C++: void cv::pyrDown(Mat src, Mat& dst, Size dstsize = Size(), int borderType = BORDER_DEFAULT) - private static native void pyrDown_0(long src_nativeObj, long dst_nativeObj, double dstsize_width, double dstsize_height, int borderType); - private static native void pyrDown_1(long src_nativeObj, long dst_nativeObj, double dstsize_width, double dstsize_height); - private static native void pyrDown_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::pyrUp(Mat src, Mat& dst, Size dstsize = Size(), int borderType = BORDER_DEFAULT) - private static native void pyrUp_0(long src_nativeObj, long dst_nativeObj, double dstsize_width, double dstsize_height, int borderType); - private static native void pyrUp_1(long src_nativeObj, long dst_nativeObj, double dstsize_width, double dstsize_height); - private static native void pyrUp_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::calcHist(vector_Mat images, vector_int channels, Mat mask, Mat& hist, vector_int histSize, vector_float ranges, bool accumulate = false) - private static native void calcHist_0(long images_mat_nativeObj, long channels_mat_nativeObj, long mask_nativeObj, long hist_nativeObj, long histSize_mat_nativeObj, long ranges_mat_nativeObj, boolean accumulate); - private static native void calcHist_1(long images_mat_nativeObj, long channels_mat_nativeObj, long mask_nativeObj, long hist_nativeObj, long histSize_mat_nativeObj, long ranges_mat_nativeObj); - - // C++: void cv::calcBackProject(vector_Mat images, vector_int channels, Mat hist, Mat& dst, vector_float ranges, double scale) - private static native void calcBackProject_0(long images_mat_nativeObj, long channels_mat_nativeObj, long hist_nativeObj, long dst_nativeObj, long ranges_mat_nativeObj, double scale); - - // C++: double cv::compareHist(Mat H1, Mat H2, int method) - private static native double compareHist_0(long H1_nativeObj, long H2_nativeObj, int method); - - // C++: void cv::equalizeHist(Mat src, Mat& dst) - private static native void equalizeHist_0(long src_nativeObj, long dst_nativeObj); - - // C++: Ptr_CLAHE cv::createCLAHE(double clipLimit = 40.0, Size tileGridSize = Size(8, 8)) - private static native long createCLAHE_0(double clipLimit, double tileGridSize_width, double tileGridSize_height); - private static native long createCLAHE_1(double clipLimit); - private static native long createCLAHE_2(); - - // C++: float cv::wrapperEMD(Mat signature1, Mat signature2, int distType, Mat cost = Mat(), Ptr_float& lowerBound = Ptr(), Mat& flow = Mat()) - private static native float EMD_0(long signature1_nativeObj, long signature2_nativeObj, int distType, long cost_nativeObj, long flow_nativeObj); - private static native float EMD_1(long signature1_nativeObj, long signature2_nativeObj, int distType, long cost_nativeObj); - private static native float EMD_3(long signature1_nativeObj, long signature2_nativeObj, int distType); - - // C++: void cv::watershed(Mat image, Mat& markers) - private static native void watershed_0(long image_nativeObj, long markers_nativeObj); - - // C++: void cv::pyrMeanShiftFiltering(Mat src, Mat& dst, double sp, double sr, int maxLevel = 1, TermCriteria termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS,5,1)) - private static native void pyrMeanShiftFiltering_0(long src_nativeObj, long dst_nativeObj, double sp, double sr, int maxLevel, int termcrit_type, int termcrit_maxCount, double termcrit_epsilon); - private static native void pyrMeanShiftFiltering_1(long src_nativeObj, long dst_nativeObj, double sp, double sr, int maxLevel); - private static native void pyrMeanShiftFiltering_2(long src_nativeObj, long dst_nativeObj, double sp, double sr); - - // C++: void cv::grabCut(Mat img, Mat& mask, Rect rect, Mat& bgdModel, Mat& fgdModel, int iterCount, int mode = GC_EVAL) - private static native void grabCut_0(long img_nativeObj, long mask_nativeObj, int rect_x, int rect_y, int rect_width, int rect_height, long bgdModel_nativeObj, long fgdModel_nativeObj, int iterCount, int mode); - private static native void grabCut_1(long img_nativeObj, long mask_nativeObj, int rect_x, int rect_y, int rect_width, int rect_height, long bgdModel_nativeObj, long fgdModel_nativeObj, int iterCount); - - // C++: void cv::distanceTransform(Mat src, Mat& dst, Mat& labels, int distanceType, int maskSize, int labelType = DIST_LABEL_CCOMP) - private static native void distanceTransformWithLabels_0(long src_nativeObj, long dst_nativeObj, long labels_nativeObj, int distanceType, int maskSize, int labelType); - private static native void distanceTransformWithLabels_1(long src_nativeObj, long dst_nativeObj, long labels_nativeObj, int distanceType, int maskSize); - - // C++: void cv::distanceTransform(Mat src, Mat& dst, int distanceType, int maskSize, int dstType = CV_32F) - private static native void distanceTransform_0(long src_nativeObj, long dst_nativeObj, int distanceType, int maskSize, int dstType); - private static native void distanceTransform_1(long src_nativeObj, long dst_nativeObj, int distanceType, int maskSize); - - // C++: int cv::floodFill(Mat& image, Mat& mask, Point seedPoint, Scalar newVal, Rect* rect = 0, Scalar loDiff = Scalar(), Scalar upDiff = Scalar(), int flags = 4) - private static native int floodFill_0(long image_nativeObj, long mask_nativeObj, double seedPoint_x, double seedPoint_y, double newVal_val0, double newVal_val1, double newVal_val2, double newVal_val3, double[] rect_out, double loDiff_val0, double loDiff_val1, double loDiff_val2, double loDiff_val3, double upDiff_val0, double upDiff_val1, double upDiff_val2, double upDiff_val3, int flags); - private static native int floodFill_1(long image_nativeObj, long mask_nativeObj, double seedPoint_x, double seedPoint_y, double newVal_val0, double newVal_val1, double newVal_val2, double newVal_val3, double[] rect_out, double loDiff_val0, double loDiff_val1, double loDiff_val2, double loDiff_val3, double upDiff_val0, double upDiff_val1, double upDiff_val2, double upDiff_val3); - private static native int floodFill_2(long image_nativeObj, long mask_nativeObj, double seedPoint_x, double seedPoint_y, double newVal_val0, double newVal_val1, double newVal_val2, double newVal_val3, double[] rect_out, double loDiff_val0, double loDiff_val1, double loDiff_val2, double loDiff_val3); - private static native int floodFill_3(long image_nativeObj, long mask_nativeObj, double seedPoint_x, double seedPoint_y, double newVal_val0, double newVal_val1, double newVal_val2, double newVal_val3, double[] rect_out); - private static native int floodFill_4(long image_nativeObj, long mask_nativeObj, double seedPoint_x, double seedPoint_y, double newVal_val0, double newVal_val1, double newVal_val2, double newVal_val3); - - // C++: void cv::blendLinear(Mat src1, Mat src2, Mat weights1, Mat weights2, Mat& dst) - private static native void blendLinear_0(long src1_nativeObj, long src2_nativeObj, long weights1_nativeObj, long weights2_nativeObj, long dst_nativeObj); - - // C++: void cv::cvtColor(Mat src, Mat& dst, int code, int dstCn = 0, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - private static native void cvtColor_0(long src_nativeObj, long dst_nativeObj, int code, int dstCn, int hint); - private static native void cvtColor_1(long src_nativeObj, long dst_nativeObj, int code, int dstCn); - private static native void cvtColor_2(long src_nativeObj, long dst_nativeObj, int code); - - // C++: void cv::cvtColorTwoPlane(Mat src1, Mat src2, Mat& dst, int code, AlgorithmHint hint = cv::ALGO_HINT_DEFAULT) - private static native void cvtColorTwoPlane_0(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, int code, int hint); - private static native void cvtColorTwoPlane_1(long src1_nativeObj, long src2_nativeObj, long dst_nativeObj, int code); - - // C++: void cv::demosaicing(Mat src, Mat& dst, int code, int dstCn = 0) - private static native void demosaicing_0(long src_nativeObj, long dst_nativeObj, int code, int dstCn); - private static native void demosaicing_1(long src_nativeObj, long dst_nativeObj, int code); - - // C++: Moments cv::moments(Mat array, bool binaryImage = false) - private static native double[] moments_0(long array_nativeObj, boolean binaryImage); - private static native double[] moments_1(long array_nativeObj); - - // C++: void cv::HuMoments(Moments m, Mat& hu) - private static native void HuMoments_0(double m_m00, double m_m10, double m_m01, double m_m20, double m_m11, double m_m02, double m_m30, double m_m21, double m_m12, double m_m03, long hu_nativeObj); - - // C++: void cv::matchTemplate(Mat image, Mat templ, Mat& result, int method, Mat mask = Mat()) - private static native void matchTemplate_0(long image_nativeObj, long templ_nativeObj, long result_nativeObj, int method, long mask_nativeObj); - private static native void matchTemplate_1(long image_nativeObj, long templ_nativeObj, long result_nativeObj, int method); - - // C++: int cv::connectedComponents(Mat image, Mat& labels, int connectivity, int ltype, int ccltype) - private static native int connectedComponentsWithAlgorithm_0(long image_nativeObj, long labels_nativeObj, int connectivity, int ltype, int ccltype); - - // C++: int cv::connectedComponents(Mat image, Mat& labels, int connectivity = 8, int ltype = CV_32S) - private static native int connectedComponents_0(long image_nativeObj, long labels_nativeObj, int connectivity, int ltype); - private static native int connectedComponents_1(long image_nativeObj, long labels_nativeObj, int connectivity); - private static native int connectedComponents_2(long image_nativeObj, long labels_nativeObj); - - // C++: int cv::connectedComponentsWithStats(Mat image, Mat& labels, Mat& stats, Mat& centroids, int connectivity, int ltype, int ccltype) - private static native int connectedComponentsWithStatsWithAlgorithm_0(long image_nativeObj, long labels_nativeObj, long stats_nativeObj, long centroids_nativeObj, int connectivity, int ltype, int ccltype); - - // C++: int cv::connectedComponentsWithStats(Mat image, Mat& labels, Mat& stats, Mat& centroids, int connectivity = 8, int ltype = CV_32S) - private static native int connectedComponentsWithStats_0(long image_nativeObj, long labels_nativeObj, long stats_nativeObj, long centroids_nativeObj, int connectivity, int ltype); - private static native int connectedComponentsWithStats_1(long image_nativeObj, long labels_nativeObj, long stats_nativeObj, long centroids_nativeObj, int connectivity); - private static native int connectedComponentsWithStats_2(long image_nativeObj, long labels_nativeObj, long stats_nativeObj, long centroids_nativeObj); - - // C++: void cv::findContours(Mat image, vector_vector_Point& contours, Mat& hierarchy, int mode, int method, Point offset = Point()) - private static native void findContours_0(long image_nativeObj, long contours_mat_nativeObj, long hierarchy_nativeObj, int mode, int method, double offset_x, double offset_y); - private static native void findContours_1(long image_nativeObj, long contours_mat_nativeObj, long hierarchy_nativeObj, int mode, int method); - - // C++: void cv::findContoursLinkRuns(Mat image, vector_Mat& contours, Mat& hierarchy) - private static native void findContoursLinkRuns_0(long image_nativeObj, long contours_mat_nativeObj, long hierarchy_nativeObj); - - // C++: void cv::findContoursLinkRuns(Mat image, vector_Mat& contours) - private static native void findContoursLinkRuns_1(long image_nativeObj, long contours_mat_nativeObj); - - // C++: void cv::approxPolyDP(vector_Point2f curve, vector_Point2f& approxCurve, double epsilon, bool closed) - private static native void approxPolyDP_0(long curve_mat_nativeObj, long approxCurve_mat_nativeObj, double epsilon, boolean closed); - - // C++: void cv::approxPolyN(Mat curve, Mat& approxCurve, int nsides, float epsilon_percentage = -1.0, bool ensure_convex = true) - private static native void approxPolyN_0(long curve_nativeObj, long approxCurve_nativeObj, int nsides, float epsilon_percentage, boolean ensure_convex); - private static native void approxPolyN_1(long curve_nativeObj, long approxCurve_nativeObj, int nsides, float epsilon_percentage); - private static native void approxPolyN_2(long curve_nativeObj, long approxCurve_nativeObj, int nsides); - - // C++: double cv::arcLength(vector_Point2f curve, bool closed) - private static native double arcLength_0(long curve_mat_nativeObj, boolean closed); - - // C++: Rect cv::boundingRect(Mat array) - private static native double[] boundingRect_0(long array_nativeObj); - - // C++: double cv::contourArea(Mat contour, bool oriented = false) - private static native double contourArea_0(long contour_nativeObj, boolean oriented); - private static native double contourArea_1(long contour_nativeObj); - - // C++: RotatedRect cv::minAreaRect(vector_Point2f points) - private static native double[] minAreaRect_0(long points_mat_nativeObj); - - // C++: void cv::boxPoints(RotatedRect box, Mat& points) - private static native void boxPoints_0(double box_center_x, double box_center_y, double box_size_width, double box_size_height, double box_angle, long points_nativeObj); - - // C++: void cv::minEnclosingCircle(vector_Point2f points, Point2f& center, float& radius) - private static native void minEnclosingCircle_0(long points_mat_nativeObj, double[] center_out, double[] radius_out); - - // C++: double cv::minEnclosingTriangle(Mat points, Mat& triangle) - private static native double minEnclosingTriangle_0(long points_nativeObj, long triangle_nativeObj); - - // C++: double cv::matchShapes(Mat contour1, Mat contour2, int method, double parameter) - private static native double matchShapes_0(long contour1_nativeObj, long contour2_nativeObj, int method, double parameter); - - // C++: void cv::convexHull(vector_Point points, vector_int& hull, bool clockwise = false, _hidden_ returnPoints = true) - private static native void convexHull_0(long points_mat_nativeObj, long hull_mat_nativeObj, boolean clockwise); - private static native void convexHull_2(long points_mat_nativeObj, long hull_mat_nativeObj); - - // C++: void cv::convexityDefects(vector_Point contour, vector_int convexhull, vector_Vec4i& convexityDefects) - private static native void convexityDefects_0(long contour_mat_nativeObj, long convexhull_mat_nativeObj, long convexityDefects_mat_nativeObj); - - // C++: bool cv::isContourConvex(vector_Point contour) - private static native boolean isContourConvex_0(long contour_mat_nativeObj); - - // C++: float cv::intersectConvexConvex(Mat p1, Mat p2, Mat& p12, bool handleNested = true) - private static native float intersectConvexConvex_0(long p1_nativeObj, long p2_nativeObj, long p12_nativeObj, boolean handleNested); - private static native float intersectConvexConvex_1(long p1_nativeObj, long p2_nativeObj, long p12_nativeObj); - - // C++: RotatedRect cv::fitEllipse(vector_Point2f points) - private static native double[] fitEllipse_0(long points_mat_nativeObj); - - // C++: RotatedRect cv::fitEllipseAMS(Mat points) - private static native double[] fitEllipseAMS_0(long points_nativeObj); - - // C++: RotatedRect cv::fitEllipseDirect(Mat points) - private static native double[] fitEllipseDirect_0(long points_nativeObj); - - // C++: void cv::getClosestEllipsePoints(RotatedRect ellipse_params, Mat points, Mat& closest_pts) - private static native void getClosestEllipsePoints_0(double ellipse_params_center_x, double ellipse_params_center_y, double ellipse_params_size_width, double ellipse_params_size_height, double ellipse_params_angle, long points_nativeObj, long closest_pts_nativeObj); - - // C++: void cv::fitLine(Mat points, Mat& line, int distType, double param, double reps, double aeps) - private static native void fitLine_0(long points_nativeObj, long line_nativeObj, int distType, double param, double reps, double aeps); - - // C++: double cv::pointPolygonTest(vector_Point2f contour, Point2f pt, bool measureDist) - private static native double pointPolygonTest_0(long contour_mat_nativeObj, double pt_x, double pt_y, boolean measureDist); - - // C++: int cv::rotatedRectangleIntersection(RotatedRect rect1, RotatedRect rect2, Mat& intersectingRegion) - private static native int rotatedRectangleIntersection_0(double rect1_center_x, double rect1_center_y, double rect1_size_width, double rect1_size_height, double rect1_angle, double rect2_center_x, double rect2_center_y, double rect2_size_width, double rect2_size_height, double rect2_angle, long intersectingRegion_nativeObj); - - // C++: Ptr_GeneralizedHoughBallard cv::createGeneralizedHoughBallard() - private static native long createGeneralizedHoughBallard_0(); - - // C++: Ptr_GeneralizedHoughGuil cv::createGeneralizedHoughGuil() - private static native long createGeneralizedHoughGuil_0(); - - // C++: void cv::applyColorMap(Mat src, Mat& dst, int colormap) - private static native void applyColorMap_0(long src_nativeObj, long dst_nativeObj, int colormap); - - // C++: void cv::applyColorMap(Mat src, Mat& dst, Mat userColor) - private static native void applyColorMap_1(long src_nativeObj, long dst_nativeObj, long userColor_nativeObj); - - // C++: void cv::line(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void line_0(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void line_1(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void line_2(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void line_3(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::arrowedLine(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int line_type = 8, int shift = 0, double tipLength = 0.1) - private static native void arrowedLine_0(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int line_type, int shift, double tipLength); - private static native void arrowedLine_1(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int line_type, int shift); - private static native void arrowedLine_2(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int line_type); - private static native void arrowedLine_3(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void arrowedLine_4(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::rectangle(Mat& img, Point pt1, Point pt2, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void rectangle_0(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void rectangle_1(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void rectangle_2(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void rectangle_3(long img_nativeObj, double pt1_x, double pt1_y, double pt2_x, double pt2_y, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::rectangle(Mat& img, Rect rec, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void rectangle_4(long img_nativeObj, int rec_x, int rec_y, int rec_width, int rec_height, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void rectangle_5(long img_nativeObj, int rec_x, int rec_y, int rec_width, int rec_height, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void rectangle_6(long img_nativeObj, int rec_x, int rec_y, int rec_width, int rec_height, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void rectangle_7(long img_nativeObj, int rec_x, int rec_y, int rec_width, int rec_height, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::circle(Mat& img, Point center, int radius, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void circle_0(long img_nativeObj, double center_x, double center_y, int radius, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void circle_1(long img_nativeObj, double center_x, double center_y, int radius, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void circle_2(long img_nativeObj, double center_x, double center_y, int radius, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void circle_3(long img_nativeObj, double center_x, double center_y, int radius, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::ellipse(Mat& img, Point center, Size axes, double angle, double startAngle, double endAngle, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void ellipse_0(long img_nativeObj, double center_x, double center_y, double axes_width, double axes_height, double angle, double startAngle, double endAngle, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void ellipse_1(long img_nativeObj, double center_x, double center_y, double axes_width, double axes_height, double angle, double startAngle, double endAngle, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void ellipse_2(long img_nativeObj, double center_x, double center_y, double axes_width, double axes_height, double angle, double startAngle, double endAngle, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void ellipse_3(long img_nativeObj, double center_x, double center_y, double axes_width, double axes_height, double angle, double startAngle, double endAngle, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::ellipse(Mat& img, RotatedRect box, Scalar color, int thickness = 1, int lineType = LINE_8) - private static native void ellipse_4(long img_nativeObj, double box_center_x, double box_center_y, double box_size_width, double box_size_height, double box_angle, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void ellipse_5(long img_nativeObj, double box_center_x, double box_center_y, double box_size_width, double box_size_height, double box_angle, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void ellipse_6(long img_nativeObj, double box_center_x, double box_center_y, double box_size_width, double box_size_height, double box_angle, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::drawMarker(Mat& img, Point position, Scalar color, int markerType = MARKER_CROSS, int markerSize = 20, int thickness = 1, int line_type = 8) - private static native void drawMarker_0(long img_nativeObj, double position_x, double position_y, double color_val0, double color_val1, double color_val2, double color_val3, int markerType, int markerSize, int thickness, int line_type); - private static native void drawMarker_1(long img_nativeObj, double position_x, double position_y, double color_val0, double color_val1, double color_val2, double color_val3, int markerType, int markerSize, int thickness); - private static native void drawMarker_2(long img_nativeObj, double position_x, double position_y, double color_val0, double color_val1, double color_val2, double color_val3, int markerType, int markerSize); - private static native void drawMarker_3(long img_nativeObj, double position_x, double position_y, double color_val0, double color_val1, double color_val2, double color_val3, int markerType); - private static native void drawMarker_4(long img_nativeObj, double position_x, double position_y, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::fillConvexPoly(Mat& img, vector_Point points, Scalar color, int lineType = LINE_8, int shift = 0) - private static native void fillConvexPoly_0(long img_nativeObj, long points_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int lineType, int shift); - private static native void fillConvexPoly_1(long img_nativeObj, long points_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int lineType); - private static native void fillConvexPoly_2(long img_nativeObj, long points_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::fillPoly(Mat& img, vector_vector_Point pts, Scalar color, int lineType = LINE_8, int shift = 0, Point offset = Point()) - private static native void fillPoly_0(long img_nativeObj, long pts_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int lineType, int shift, double offset_x, double offset_y); - private static native void fillPoly_1(long img_nativeObj, long pts_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int lineType, int shift); - private static native void fillPoly_2(long img_nativeObj, long pts_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3, int lineType); - private static native void fillPoly_3(long img_nativeObj, long pts_mat_nativeObj, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::polylines(Mat& img, vector_vector_Point pts, bool isClosed, Scalar color, int thickness = 1, int lineType = LINE_8, int shift = 0) - private static native void polylines_0(long img_nativeObj, long pts_mat_nativeObj, boolean isClosed, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, int shift); - private static native void polylines_1(long img_nativeObj, long pts_mat_nativeObj, boolean isClosed, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void polylines_2(long img_nativeObj, long pts_mat_nativeObj, boolean isClosed, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void polylines_3(long img_nativeObj, long pts_mat_nativeObj, boolean isClosed, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: void cv::drawContours(Mat& image, vector_vector_Point contours, int contourIdx, Scalar color, int thickness = 1, int lineType = LINE_8, Mat hierarchy = Mat(), int maxLevel = INT_MAX, Point offset = Point()) - private static native void drawContours_0(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, long hierarchy_nativeObj, int maxLevel, double offset_x, double offset_y); - private static native void drawContours_1(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, long hierarchy_nativeObj, int maxLevel); - private static native void drawContours_2(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, long hierarchy_nativeObj); - private static native void drawContours_3(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void drawContours_4(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void drawContours_5(long image_nativeObj, long contours_mat_nativeObj, int contourIdx, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: bool cv::clipLine(Rect imgRect, Point& pt1, Point& pt2) - private static native boolean clipLine_0(int imgRect_x, int imgRect_y, int imgRect_width, int imgRect_height, double pt1_x, double pt1_y, double[] pt1_out, double pt2_x, double pt2_y, double[] pt2_out); - - // C++: void cv::ellipse2Poly(Point center, Size axes, int angle, int arcStart, int arcEnd, int delta, vector_Point& pts) - private static native void ellipse2Poly_0(double center_x, double center_y, double axes_width, double axes_height, int angle, int arcStart, int arcEnd, int delta, long pts_mat_nativeObj); - - // C++: void cv::putText(Mat& img, String text, Point org, int fontFace, double fontScale, Scalar color, int thickness = 1, int lineType = LINE_8, bool bottomLeftOrigin = false) - private static native void putText_0(long img_nativeObj, String text, double org_x, double org_y, int fontFace, double fontScale, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType, boolean bottomLeftOrigin); - private static native void putText_1(long img_nativeObj, String text, double org_x, double org_y, int fontFace, double fontScale, double color_val0, double color_val1, double color_val2, double color_val3, int thickness, int lineType); - private static native void putText_2(long img_nativeObj, String text, double org_x, double org_y, int fontFace, double fontScale, double color_val0, double color_val1, double color_val2, double color_val3, int thickness); - private static native void putText_3(long img_nativeObj, String text, double org_x, double org_y, int fontFace, double fontScale, double color_val0, double color_val1, double color_val2, double color_val3); - - // C++: double cv::getFontScaleFromHeight(int fontFace, int pixelHeight, int thickness = 1) - private static native double getFontScaleFromHeight_0(int fontFace, int pixelHeight, int thickness); - private static native double getFontScaleFromHeight_1(int fontFace, int pixelHeight); - - // C++: void cv::HoughLinesWithAccumulator(Mat image, Mat& lines, double rho, double theta, int threshold, double srn = 0, double stn = 0, double min_theta = 0, double max_theta = CV_PI, bool use_edgeval = false) - private static native void HoughLinesWithAccumulator_0(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta, boolean use_edgeval); - private static native void HoughLinesWithAccumulator_1(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta, double max_theta); - private static native void HoughLinesWithAccumulator_2(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn, double min_theta); - private static native void HoughLinesWithAccumulator_3(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn, double stn); - private static native void HoughLinesWithAccumulator_4(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold, double srn); - private static native void HoughLinesWithAccumulator_5(long image_nativeObj, long lines_nativeObj, double rho, double theta, int threshold); - - // C++: void cv::HoughCirclesWithAccumulator(Mat image, Mat& circles, int method, double dp, double minDist, double param1 = 100, double param2 = 100, int minRadius = 0, int maxRadius = 0) - private static native void HoughCirclesWithAccumulator_0(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2, int minRadius, int maxRadius); - private static native void HoughCirclesWithAccumulator_1(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2, int minRadius); - private static native void HoughCirclesWithAccumulator_2(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1, double param2); - private static native void HoughCirclesWithAccumulator_3(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist, double param1); - private static native void HoughCirclesWithAccumulator_4(long image_nativeObj, long circles_nativeObj, int method, double dp, double minDist); -private static native double[] n_getTextSize(String text, int fontFace, double fontScale, int thickness, int[] baseLine); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/IntelligentScissorsMB.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/IntelligentScissorsMB.java deleted file mode 100644 index aea8e453fc..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/IntelligentScissorsMB.java +++ /dev/null @@ -1,327 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.core.Mat; -import org.opencv.core.Point; -import org.opencv.imgproc.IntelligentScissorsMB; - -// C++: class IntelligentScissorsMB -/** - * Intelligent Scissors image segmentation - * - * This class is used to find the path (contour) between two points - * which can be used for image segmentation. - * - * Usage example: - * SNIPPET: snippets/imgproc_segmentation.cpp usage_example_intelligent_scissors - * - * Reference: <a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.138.3811&rep=rep1&type=pdf">"Intelligent Scissors for Image Composition"</a> - * algorithm designed by Eric N. Mortensen and William A. Barrett, Brigham Young University - * CITE: Mortensen95intelligentscissors - */ -public class IntelligentScissorsMB { - - protected final long nativeObj; - protected IntelligentScissorsMB(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static IntelligentScissorsMB __fromPtr__(long addr) { return new IntelligentScissorsMB(addr); } - - // - // C++: cv::segmentation::IntelligentScissorsMB::IntelligentScissorsMB() - // - - public IntelligentScissorsMB() { - nativeObj = IntelligentScissorsMB_0(); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setWeights(float weight_non_edge, float weight_gradient_direction, float weight_gradient_magnitude) - // - - /** - * Specify weights of feature functions - * - * Consider keeping weights normalized (sum of weights equals to 1.0) - * Discrete dynamic programming (DP) goal is minimization of costs between pixels. - * - * @param weight_non_edge Specify cost of non-edge pixels (default: 0.43f) - * @param weight_gradient_direction Specify cost of gradient direction function (default: 0.43f) - * @param weight_gradient_magnitude Specify cost of gradient magnitude function (default: 0.14f) - * @return automatically generated - */ - public IntelligentScissorsMB setWeights(float weight_non_edge, float weight_gradient_direction, float weight_gradient_magnitude) { - return new IntelligentScissorsMB(setWeights_0(nativeObj, weight_non_edge, weight_gradient_direction, weight_gradient_magnitude)); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max = 0.0f) - // - - /** - * Specify gradient magnitude max value threshold - * - * Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article). - * Otherwize pixels with {@code gradient magnitude >= threshold} have zero cost. - * - * Note: Thresholding should be used for images with irregular regions (to avoid stuck on parameters from high-contract areas, like embedded logos). - * - * @param gradient_magnitude_threshold_max Specify gradient magnitude max value threshold (default: 0, disabled) - * @return automatically generated - */ - public IntelligentScissorsMB setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max) { - return new IntelligentScissorsMB(setGradientMagnitudeMaxLimit_0(nativeObj, gradient_magnitude_threshold_max)); - } - - /** - * Specify gradient magnitude max value threshold - * - * Zero limit value is used to disable gradient magnitude thresholding (default behavior, as described in original article). - * Otherwize pixels with {@code gradient magnitude >= threshold} have zero cost. - * - * Note: Thresholding should be used for images with irregular regions (to avoid stuck on parameters from high-contract areas, like embedded logos). - * - * @return automatically generated - */ - public IntelligentScissorsMB setGradientMagnitudeMaxLimit() { - return new IntelligentScissorsMB(setGradientMagnitudeMaxLimit_1(nativeObj)); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value = 0.0f) - // - - /** - * Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - * - * This feature extractor is used by default according to article. - * - * Implementation has additional filtering for regions with low-amplitude noise. - * This filtering is enabled through parameter of minimal gradient amplitude (use some small value 4, 8, 16). - * - * Note: Current implementation of this feature extractor is based on processing of grayscale images (color image is converted to grayscale image first). - * - * Note: Canny edge detector is a bit slower, but provides better results (especially on color images): use setEdgeFeatureCannyParameters(). - * - * @param gradient_magnitude_min_value Minimal gradient magnitude value for edge pixels (default: 0, check is disabled) - * @return automatically generated - */ - public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value) { - return new IntelligentScissorsMB(setEdgeFeatureZeroCrossingParameters_0(nativeObj, gradient_magnitude_min_value)); - } - - /** - * Switch to "Laplacian Zero-Crossing" edge feature extractor and specify its parameters - * - * This feature extractor is used by default according to article. - * - * Implementation has additional filtering for regions with low-amplitude noise. - * This filtering is enabled through parameter of minimal gradient amplitude (use some small value 4, 8, 16). - * - * Note: Current implementation of this feature extractor is based on processing of grayscale images (color image is converted to grayscale image first). - * - * Note: Canny edge detector is a bit slower, but provides better results (especially on color images): use setEdgeFeatureCannyParameters(). - * - * @return automatically generated - */ - public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters() { - return new IntelligentScissorsMB(setEdgeFeatureZeroCrossingParameters_1(nativeObj)); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false) - // - - /** - * Switch edge feature extractor to use Canny edge detector - * - * Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - * - * SEE: Canny - * @param threshold1 automatically generated - * @param threshold2 automatically generated - * @param apertureSize automatically generated - * @param L2gradient automatically generated - * @return automatically generated - */ - public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize, boolean L2gradient) { - return new IntelligentScissorsMB(setEdgeFeatureCannyParameters_0(nativeObj, threshold1, threshold2, apertureSize, L2gradient)); - } - - /** - * Switch edge feature extractor to use Canny edge detector - * - * Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - * - * SEE: Canny - * @param threshold1 automatically generated - * @param threshold2 automatically generated - * @param apertureSize automatically generated - * @return automatically generated - */ - public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize) { - return new IntelligentScissorsMB(setEdgeFeatureCannyParameters_1(nativeObj, threshold1, threshold2, apertureSize)); - } - - /** - * Switch edge feature extractor to use Canny edge detector - * - * Note: "Laplacian Zero-Crossing" feature extractor is used by default (following to original article) - * - * SEE: Canny - * @param threshold1 automatically generated - * @param threshold2 automatically generated - * @return automatically generated - */ - public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1, double threshold2) { - return new IntelligentScissorsMB(setEdgeFeatureCannyParameters_2(nativeObj, threshold1, threshold2)); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::applyImage(Mat image) - // - - /** - * Specify input image and extract image features - * - * @param image input image. Type is #CV_8UC1 / #CV_8UC3 - * @return automatically generated - */ - public IntelligentScissorsMB applyImage(Mat image) { - return new IntelligentScissorsMB(applyImage_0(nativeObj, image.nativeObj)); - } - - - // - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude, Mat image = Mat()) - // - - /** - * Specify custom features of input image - * - * Customized advanced variant of applyImage() call. - * - * @param non_edge Specify cost of non-edge pixels. Type is CV_8UC1. Expected values are {@code {0, 1}}. - * @param gradient_direction Specify gradient direction feature. Type is CV_32FC2. Values are expected to be normalized: {@code x^2 + y^2 == 1} - * @param gradient_magnitude Specify cost of gradient magnitude function: Type is CV_32FC1. Values should be in range {@code [0, 1]}. - * @param image Optional parameter. Must be specified if subset of features is specified (non-specified features are calculated internally) - * @return automatically generated - */ - public IntelligentScissorsMB applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude, Mat image) { - return new IntelligentScissorsMB(applyImageFeatures_0(nativeObj, non_edge.nativeObj, gradient_direction.nativeObj, gradient_magnitude.nativeObj, image.nativeObj)); - } - - /** - * Specify custom features of input image - * - * Customized advanced variant of applyImage() call. - * - * @param non_edge Specify cost of non-edge pixels. Type is CV_8UC1. Expected values are {@code {0, 1}}. - * @param gradient_direction Specify gradient direction feature. Type is CV_32FC2. Values are expected to be normalized: {@code x^2 + y^2 == 1} - * @param gradient_magnitude Specify cost of gradient magnitude function: Type is CV_32FC1. Values should be in range {@code [0, 1]}. - * @return automatically generated - */ - public IntelligentScissorsMB applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude) { - return new IntelligentScissorsMB(applyImageFeatures_1(nativeObj, non_edge.nativeObj, gradient_direction.nativeObj, gradient_magnitude.nativeObj)); - } - - - // - // C++: void cv::segmentation::IntelligentScissorsMB::buildMap(Point sourcePt) - // - - /** - * Prepares a map of optimal paths for the given source point on the image - * - * Note: applyImage() / applyImageFeatures() must be called before this call - * - * @param sourcePt The source point used to find the paths - */ - public void buildMap(Point sourcePt) { - buildMap_0(nativeObj, sourcePt.x, sourcePt.y); - } - - - // - // C++: void cv::segmentation::IntelligentScissorsMB::getContour(Point targetPt, Mat& contour, bool backward = false) - // - - /** - * Extracts optimal contour for the given target point on the image - * - * Note: buildMap() must be called before this call - * - * @param targetPt The target point - * @param contour The list of pixels which contains optimal path between the source and the target points of the image. Type is CV_32SC2 (compatible with {@code std::vector<Point>}) - * @param backward Flag to indicate reverse order of retrieved pixels (use "true" value to fetch points from the target to the source point) - */ - public void getContour(Point targetPt, Mat contour, boolean backward) { - getContour_0(nativeObj, targetPt.x, targetPt.y, contour.nativeObj, backward); - } - - /** - * Extracts optimal contour for the given target point on the image - * - * Note: buildMap() must be called before this call - * - * @param targetPt The target point - * @param contour The list of pixels which contains optimal path between the source and the target points of the image. Type is CV_32SC2 (compatible with {@code std::vector<Point>}) - */ - public void getContour(Point targetPt, Mat contour) { - getContour_1(nativeObj, targetPt.x, targetPt.y, contour.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::segmentation::IntelligentScissorsMB::IntelligentScissorsMB() - private static native long IntelligentScissorsMB_0(); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setWeights(float weight_non_edge, float weight_gradient_direction, float weight_gradient_magnitude) - private static native long setWeights_0(long nativeObj, float weight_non_edge, float weight_gradient_direction, float weight_gradient_magnitude); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max = 0.0f) - private static native long setGradientMagnitudeMaxLimit_0(long nativeObj, float gradient_magnitude_threshold_max); - private static native long setGradientMagnitudeMaxLimit_1(long nativeObj); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value = 0.0f) - private static native long setEdgeFeatureZeroCrossingParameters_0(long nativeObj, float gradient_magnitude_min_value); - private static native long setEdgeFeatureZeroCrossingParameters_1(long nativeObj); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false) - private static native long setEdgeFeatureCannyParameters_0(long nativeObj, double threshold1, double threshold2, int apertureSize, boolean L2gradient); - private static native long setEdgeFeatureCannyParameters_1(long nativeObj, double threshold1, double threshold2, int apertureSize); - private static native long setEdgeFeatureCannyParameters_2(long nativeObj, double threshold1, double threshold2); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::applyImage(Mat image) - private static native long applyImage_0(long nativeObj, long image_nativeObj); - - // C++: IntelligentScissorsMB cv::segmentation::IntelligentScissorsMB::applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude, Mat image = Mat()) - private static native long applyImageFeatures_0(long nativeObj, long non_edge_nativeObj, long gradient_direction_nativeObj, long gradient_magnitude_nativeObj, long image_nativeObj); - private static native long applyImageFeatures_1(long nativeObj, long non_edge_nativeObj, long gradient_direction_nativeObj, long gradient_magnitude_nativeObj); - - // C++: void cv::segmentation::IntelligentScissorsMB::buildMap(Point sourcePt) - private static native void buildMap_0(long nativeObj, double sourcePt_x, double sourcePt_y); - - // C++: void cv::segmentation::IntelligentScissorsMB::getContour(Point targetPt, Mat& contour, bool backward = false) - private static native void getContour_0(long nativeObj, double targetPt_x, double targetPt_y, long contour_nativeObj, boolean backward); - private static native void getContour_1(long nativeObj, double targetPt_x, double targetPt_y, long contour_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/LineSegmentDetector.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/LineSegmentDetector.java deleted file mode 100644 index 5a146f6a5d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/LineSegmentDetector.java +++ /dev/null @@ -1,227 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.core.Size; - -// C++: class LineSegmentDetector -/** - * Line segment detector class - * - * following the algorithm described at CITE: Rafael12 . - * - * Note: Implementation has been removed from OpenCV version 3.4.6 to 3.4.15 and version 4.1.0 to 4.5.3 due original code license conflict. - * restored again after [Computation of a NFA](https://github.com/rafael-grompone-von-gioi/binomial_nfa) code published under the MIT license. - */ -public class LineSegmentDetector extends Algorithm { - - protected LineSegmentDetector(long addr) { super(addr); } - - // internal usage only - public static LineSegmentDetector __fromPtr__(long addr) { return new LineSegmentDetector(addr); } - - // - // C++: void cv::LineSegmentDetector::detect(Mat image, Mat& lines, Mat& width = Mat(), Mat& prec = Mat(), Mat& nfa = Mat()) - // - - /** - * Finds lines in the input image. - * - * This is the output of the default parameters of the algorithm on the above shown image. - * - * ![image](pics/building_lsd.png) - * - * @param image A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - * {@code lsd_ptr->detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);} - * @param lines A vector of Vec4f elements specifying the beginning and ending point of a line. Where - * Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - * oriented depending on the gradient. - * @param width Vector of widths of the regions, where the lines are found. E.g. Width of line. - * @param prec Vector of precisions with which the lines are found. - * @param nfa Vector containing number of false alarms in the line region, with precision of 10%. The - * bigger the value, logarithmically better the detection. - *
      - *
    • - * -1 corresponds to 10 mean false alarms - *
      • - *
    • - * 0 corresponds to 1 mean false alarm - *
      • - *
    • - * 1 corresponds to 0.1 mean false alarms - * This vector will be calculated only when the objects type is #LSD_REFINE_ADV. - *
      • - *
    - */ - public void detect(Mat image, Mat lines, Mat width, Mat prec, Mat nfa) { - detect_0(nativeObj, image.nativeObj, lines.nativeObj, width.nativeObj, prec.nativeObj, nfa.nativeObj); - } - - /** - * Finds lines in the input image. - * - * This is the output of the default parameters of the algorithm on the above shown image. - * - * ![image](pics/building_lsd.png) - * - * @param image A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - * {@code lsd_ptr->detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);} - * @param lines A vector of Vec4f elements specifying the beginning and ending point of a line. Where - * Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - * oriented depending on the gradient. - * @param width Vector of widths of the regions, where the lines are found. E.g. Width of line. - * @param prec Vector of precisions with which the lines are found. - * bigger the value, logarithmically better the detection. - *
      - *
    • - * -1 corresponds to 10 mean false alarms - *
      • - *
    • - * 0 corresponds to 1 mean false alarm - *
      • - *
    • - * 1 corresponds to 0.1 mean false alarms - * This vector will be calculated only when the objects type is #LSD_REFINE_ADV. - *
      • - *
    - */ - public void detect(Mat image, Mat lines, Mat width, Mat prec) { - detect_1(nativeObj, image.nativeObj, lines.nativeObj, width.nativeObj, prec.nativeObj); - } - - /** - * Finds lines in the input image. - * - * This is the output of the default parameters of the algorithm on the above shown image. - * - * ![image](pics/building_lsd.png) - * - * @param image A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - * {@code lsd_ptr->detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);} - * @param lines A vector of Vec4f elements specifying the beginning and ending point of a line. Where - * Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - * oriented depending on the gradient. - * @param width Vector of widths of the regions, where the lines are found. E.g. Width of line. - * bigger the value, logarithmically better the detection. - *
      - *
    • - * -1 corresponds to 10 mean false alarms - *
      • - *
    • - * 0 corresponds to 1 mean false alarm - *
      • - *
    • - * 1 corresponds to 0.1 mean false alarms - * This vector will be calculated only when the objects type is #LSD_REFINE_ADV. - *
      • - *
    - */ - public void detect(Mat image, Mat lines, Mat width) { - detect_2(nativeObj, image.nativeObj, lines.nativeObj, width.nativeObj); - } - - /** - * Finds lines in the input image. - * - * This is the output of the default parameters of the algorithm on the above shown image. - * - * ![image](pics/building_lsd.png) - * - * @param image A grayscale (CV_8UC1) input image. If only a roi needs to be selected, use: - * {@code lsd_ptr->detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);} - * @param lines A vector of Vec4f elements specifying the beginning and ending point of a line. Where - * Vec4f is (x1, y1, x2, y2), point 1 is the start, point 2 - end. Returned lines are strictly - * oriented depending on the gradient. - * bigger the value, logarithmically better the detection. - *
      - *
    • - * -1 corresponds to 10 mean false alarms - *
      • - *
    • - * 0 corresponds to 1 mean false alarm - *
      • - *
    • - * 1 corresponds to 0.1 mean false alarms - * This vector will be calculated only when the objects type is #LSD_REFINE_ADV. - *
      • - *
    - */ - public void detect(Mat image, Mat lines) { - detect_3(nativeObj, image.nativeObj, lines.nativeObj); - } - - - // - // C++: void cv::LineSegmentDetector::drawSegments(Mat& image, Mat lines) - // - - /** - * Draws the line segments on a given image. - * @param image The image, where the lines will be drawn. Should be bigger or equal to the image, - * where the lines were found. - * @param lines A vector of the lines that needed to be drawn. - */ - public void drawSegments(Mat image, Mat lines) { - drawSegments_0(nativeObj, image.nativeObj, lines.nativeObj); - } - - - // - // C++: int cv::LineSegmentDetector::compareSegments(Size size, Mat lines1, Mat lines2, Mat& image = Mat()) - // - - /** - * Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels. - * - * @param size The size of the image, where lines1 and lines2 were found. - * @param lines1 The first group of lines that needs to be drawn. It is visualized in blue color. - * @param lines2 The second group of lines. They visualized in red color. - * @param image Optional image, where the lines will be drawn. The image should be color(3-channel) - * in order for lines1 and lines2 to be drawn in the above mentioned colors. - * @return automatically generated - */ - public int compareSegments(Size size, Mat lines1, Mat lines2, Mat image) { - return compareSegments_0(nativeObj, size.width, size.height, lines1.nativeObj, lines2.nativeObj, image.nativeObj); - } - - /** - * Draws two groups of lines in blue and red, counting the non overlapping (mismatching) pixels. - * - * @param size The size of the image, where lines1 and lines2 were found. - * @param lines1 The first group of lines that needs to be drawn. It is visualized in blue color. - * @param lines2 The second group of lines. They visualized in red color. - * in order for lines1 and lines2 to be drawn in the above mentioned colors. - * @return automatically generated - */ - public int compareSegments(Size size, Mat lines1, Mat lines2) { - return compareSegments_1(nativeObj, size.width, size.height, lines1.nativeObj, lines2.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::LineSegmentDetector::detect(Mat image, Mat& lines, Mat& width = Mat(), Mat& prec = Mat(), Mat& nfa = Mat()) - private static native void detect_0(long nativeObj, long image_nativeObj, long lines_nativeObj, long width_nativeObj, long prec_nativeObj, long nfa_nativeObj); - private static native void detect_1(long nativeObj, long image_nativeObj, long lines_nativeObj, long width_nativeObj, long prec_nativeObj); - private static native void detect_2(long nativeObj, long image_nativeObj, long lines_nativeObj, long width_nativeObj); - private static native void detect_3(long nativeObj, long image_nativeObj, long lines_nativeObj); - - // C++: void cv::LineSegmentDetector::drawSegments(Mat& image, Mat lines) - private static native void drawSegments_0(long nativeObj, long image_nativeObj, long lines_nativeObj); - - // C++: int cv::LineSegmentDetector::compareSegments(Size size, Mat lines1, Mat lines2, Mat& image = Mat()) - private static native int compareSegments_0(long nativeObj, double size_width, double size_height, long lines1_nativeObj, long lines2_nativeObj, long image_nativeObj); - private static native int compareSegments_1(long nativeObj, double size_width, double size_height, long lines1_nativeObj, long lines2_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Moments.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/Moments.java deleted file mode 100644 index 5c3d94c78c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Moments.java +++ /dev/null @@ -1,242 +0,0 @@ -package org.opencv.imgproc; - -//javadoc:Moments -public class Moments { - - public double m00; - public double m10; - public double m01; - public double m20; - public double m11; - public double m02; - public double m30; - public double m21; - public double m12; - public double m03; - - public double mu20; - public double mu11; - public double mu02; - public double mu30; - public double mu21; - public double mu12; - public double mu03; - - public double nu20; - public double nu11; - public double nu02; - public double nu30; - public double nu21; - public double nu12; - public double nu03; - - public Moments( - double m00, - double m10, - double m01, - double m20, - double m11, - double m02, - double m30, - double m21, - double m12, - double m03) - { - this.m00 = m00; - this.m10 = m10; - this.m01 = m01; - this.m20 = m20; - this.m11 = m11; - this.m02 = m02; - this.m30 = m30; - this.m21 = m21; - this.m12 = m12; - this.m03 = m03; - this.completeState(); - } - - public Moments() { - this(0, 0, 0, 0, 0, 0, 0, 0, 0, 0); - } - - public Moments(double[] vals) { - set(vals); - } - - public void set(double[] vals) { - if (vals != null) { - m00 = vals.length > 0 ? vals[0] : 0; - m10 = vals.length > 1 ? vals[1] : 0; - m01 = vals.length > 2 ? vals[2] : 0; - m20 = vals.length > 3 ? vals[3] : 0; - m11 = vals.length > 4 ? vals[4] : 0; - m02 = vals.length > 5 ? vals[5] : 0; - m30 = vals.length > 6 ? vals[6] : 0; - m21 = vals.length > 7 ? vals[7] : 0; - m12 = vals.length > 8 ? vals[8] : 0; - m03 = vals.length > 9 ? vals[9] : 0; - this.completeState(); - } else { - m00 = 0; - m10 = 0; - m01 = 0; - m20 = 0; - m11 = 0; - m02 = 0; - m30 = 0; - m21 = 0; - m12 = 0; - m03 = 0; - mu20 = 0; - mu11 = 0; - mu02 = 0; - mu30 = 0; - mu21 = 0; - mu12 = 0; - mu03 = 0; - nu20 = 0; - nu11 = 0; - nu02 = 0; - nu30 = 0; - nu21 = 0; - nu12 = 0; - nu03 = 0; - } - } - - @Override - public String toString() { - return "Moments [ " + - "\n" + - "m00=" + m00 + ", " + - "\n" + - "m10=" + m10 + ", " + - "m01=" + m01 + ", " + - "\n" + - "m20=" + m20 + ", " + - "m11=" + m11 + ", " + - "m02=" + m02 + ", " + - "\n" + - "m30=" + m30 + ", " + - "m21=" + m21 + ", " + - "m12=" + m12 + ", " + - "m03=" + m03 + ", " + - "\n" + - "mu20=" + mu20 + ", " + - "mu11=" + mu11 + ", " + - "mu02=" + mu02 + ", " + - "\n" + - "mu30=" + mu30 + ", " + - "mu21=" + mu21 + ", " + - "mu12=" + mu12 + ", " + - "mu03=" + mu03 + ", " + - "\n" + - "nu20=" + nu20 + ", " + - "nu11=" + nu11 + ", " + - "nu02=" + nu02 + ", " + - "\n" + - "nu30=" + nu30 + ", " + - "nu21=" + nu21 + ", " + - "nu12=" + nu12 + ", " + - "nu03=" + nu03 + ", " + - "\n]"; - } - - protected void completeState() - { - double cx = 0, cy = 0; - double mu20, mu11, mu02; - double inv_m00 = 0.0; - - if( Math.abs(this.m00) > 0.00000001 ) - { - inv_m00 = 1. / this.m00; - cx = this.m10 * inv_m00; - cy = this.m01 * inv_m00; - } - - // mu20 = m20 - m10*cx - mu20 = this.m20 - this.m10 * cx; - // mu11 = m11 - m10*cy - mu11 = this.m11 - this.m10 * cy; - // mu02 = m02 - m01*cy - mu02 = this.m02 - this.m01 * cy; - - this.mu20 = mu20; - this.mu11 = mu11; - this.mu02 = mu02; - - // mu30 = m30 - cx*(3*mu20 + cx*m10) - this.mu30 = this.m30 - cx * (3 * mu20 + cx * this.m10); - mu11 += mu11; - // mu21 = m21 - cx*(2*mu11 + cx*m01) - cy*mu20 - this.mu21 = this.m21 - cx * (mu11 + cx * this.m01) - cy * mu20; - // mu12 = m12 - cy*(2*mu11 + cy*m10) - cx*mu02 - this.mu12 = this.m12 - cy * (mu11 + cy * this.m10) - cx * mu02; - // mu03 = m03 - cy*(3*mu02 + cy*m01) - this.mu03 = this.m03 - cy * (3 * mu02 + cy * this.m01); - - - double inv_sqrt_m00 = Math.sqrt(Math.abs(inv_m00)); - double s2 = inv_m00*inv_m00, s3 = s2*inv_sqrt_m00; - - this.nu20 = this.mu20*s2; - this.nu11 = this.mu11*s2; - this.nu02 = this.mu02*s2; - this.nu30 = this.mu30*s3; - this.nu21 = this.mu21*s3; - this.nu12 = this.mu12*s3; - this.nu03 = this.mu03*s3; - - } - - public double get_m00() { return this.m00; } - public double get_m10() { return this.m10; } - public double get_m01() { return this.m01; } - public double get_m20() { return this.m20; } - public double get_m11() { return this.m11; } - public double get_m02() { return this.m02; } - public double get_m30() { return this.m30; } - public double get_m21() { return this.m21; } - public double get_m12() { return this.m12; } - public double get_m03() { return this.m03; } - public double get_mu20() { return this.mu20; } - public double get_mu11() { return this.mu11; } - public double get_mu02() { return this.mu02; } - public double get_mu30() { return this.mu30; } - public double get_mu21() { return this.mu21; } - public double get_mu12() { return this.mu12; } - public double get_mu03() { return this.mu03; } - public double get_nu20() { return this.nu20; } - public double get_nu11() { return this.nu11; } - public double get_nu02() { return this.nu02; } - public double get_nu30() { return this.nu30; } - public double get_nu21() { return this.nu21; } - public double get_nu12() { return this.nu12; } - public double get_nu03() { return this.nu03; } - - public void set_m00(double m00) { this.m00 = m00; } - public void set_m10(double m10) { this.m10 = m10; } - public void set_m01(double m01) { this.m01 = m01; } - public void set_m20(double m20) { this.m20 = m20; } - public void set_m11(double m11) { this.m11 = m11; } - public void set_m02(double m02) { this.m02 = m02; } - public void set_m30(double m30) { this.m30 = m30; } - public void set_m21(double m21) { this.m21 = m21; } - public void set_m12(double m12) { this.m12 = m12; } - public void set_m03(double m03) { this.m03 = m03; } - public void set_mu20(double mu20) { this.mu20 = mu20; } - public void set_mu11(double mu11) { this.mu11 = mu11; } - public void set_mu02(double mu02) { this.mu02 = mu02; } - public void set_mu30(double mu30) { this.mu30 = mu30; } - public void set_mu21(double mu21) { this.mu21 = mu21; } - public void set_mu12(double mu12) { this.mu12 = mu12; } - public void set_mu03(double mu03) { this.mu03 = mu03; } - public void set_nu20(double nu20) { this.nu20 = nu20; } - public void set_nu11(double nu11) { this.nu11 = nu11; } - public void set_nu02(double nu02) { this.nu02 = nu02; } - public void set_nu30(double nu30) { this.nu30 = nu30; } - public void set_nu21(double nu21) { this.nu21 = nu21; } - public void set_nu12(double nu12) { this.nu12 = nu12; } - public void set_nu03(double nu03) { this.nu03 = nu03; } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Subdiv2D.java b/vendor/opencv/sdk/java/src/org/opencv/imgproc/Subdiv2D.java deleted file mode 100644 index bd2dcd63ab..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/imgproc/Subdiv2D.java +++ /dev/null @@ -1,554 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.imgproc; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat4; -import org.opencv.core.MatOfFloat6; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfPoint2f; -import org.opencv.core.Point; -import org.opencv.core.Rect; -import org.opencv.utils.Converters; - -// C++: class Subdiv2D - -public class Subdiv2D { - - protected final long nativeObj; - protected Subdiv2D(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Subdiv2D __fromPtr__(long addr) { return new Subdiv2D(addr); } - - // C++: enum - public static final int - PTLOC_ERROR = -2, - PTLOC_OUTSIDE_RECT = -1, - PTLOC_INSIDE = 0, - PTLOC_VERTEX = 1, - PTLOC_ON_EDGE = 2, - NEXT_AROUND_ORG = 0x00, - NEXT_AROUND_DST = 0x22, - PREV_AROUND_ORG = 0x11, - PREV_AROUND_DST = 0x33, - NEXT_AROUND_LEFT = 0x13, - NEXT_AROUND_RIGHT = 0x31, - PREV_AROUND_LEFT = 0x20, - PREV_AROUND_RIGHT = 0x02; - - - // - // C++: cv::Subdiv2D::Subdiv2D() - // - - /** - * creates an empty Subdiv2D object. - * To create a new empty Delaunay subdivision you need to use the #initDelaunay function. - */ - public Subdiv2D() { - nativeObj = Subdiv2D_0(); - } - - - // - // C++: cv::Subdiv2D::Subdiv2D(Rect rect) - // - - /** - * - * - * @param rect Rectangle that includes all of the 2D points that are to be added to the subdivision. - * - * The function creates an empty Delaunay subdivision where 2D points can be added using the function - * insert() . All of the points to be added must be within the specified rectangle, otherwise a runtime - * error is raised. - */ - public Subdiv2D(Rect rect) { - nativeObj = Subdiv2D_1(rect.x, rect.y, rect.width, rect.height); - } - - - // - // C++: void cv::Subdiv2D::initDelaunay(Rect rect) - // - - /** - * Creates a new empty Delaunay subdivision - * - * @param rect Rectangle that includes all of the 2D points that are to be added to the subdivision. - */ - public void initDelaunay(Rect rect) { - initDelaunay_0(nativeObj, rect.x, rect.y, rect.width, rect.height); - } - - - // - // C++: int cv::Subdiv2D::insert(Point2f pt) - // - - /** - * Insert a single point into a Delaunay triangulation. - * - * @param pt Point to insert. - * - * The function inserts a single point into a subdivision and modifies the subdivision topology - * appropriately. If a point with the same coordinates exists already, no new point is added. - * @return the ID of the point. - * - * Note: If the point is outside of the triangulation specified rect a runtime error is raised. - */ - public int insert(Point pt) { - return insert_0(nativeObj, pt.x, pt.y); - } - - - // - // C++: void cv::Subdiv2D::insert(vector_Point2f ptvec) - // - - /** - * Insert multiple points into a Delaunay triangulation. - * - * @param ptvec Points to insert. - * - * The function inserts a vector of points into a subdivision and modifies the subdivision topology - * appropriately. - */ - public void insert(MatOfPoint2f ptvec) { - Mat ptvec_mat = ptvec; - insert_1(nativeObj, ptvec_mat.nativeObj); - } - - - // - // C++: int cv::Subdiv2D::locate(Point2f pt, int& edge, int& vertex) - // - - /** - * Returns the location of a point within a Delaunay triangulation. - * - * @param pt Point to locate. - * @param edge Output edge that the point belongs to or is located to the right of it. - * @param vertex Optional output vertex the input point coincides with. - * - * The function locates the input point within the subdivision and gives one of the triangle edges - * or vertices. - * - * @return an integer which specify one of the following five cases for point location: - *
      - *
    • - * The point falls into some facet. The function returns #PTLOC_INSIDE and edge will contain one of - * edges of the facet. - *
      • - *
    • - * The point falls onto the edge. The function returns #PTLOC_ON_EDGE and edge will contain this edge. - *
      • - *
    • - * The point coincides with one of the subdivision vertices. The function returns #PTLOC_VERTEX and - * vertex will contain a pointer to the vertex. - *
      • - *
    • - * The point is outside the subdivision reference rectangle. The function returns #PTLOC_OUTSIDE_RECT - * and no pointers are filled. - *
      • - *
    • - * One of input arguments is invalid. A runtime error is raised or, if silent or "parent" error - * processing mode is selected, #PTLOC_ERROR is returned. - *
      • - *
    - */ - public int locate(Point pt, int[] edge, int[] vertex) { - double[] edge_out = new double[1]; - double[] vertex_out = new double[1]; - int retVal = locate_0(nativeObj, pt.x, pt.y, edge_out, vertex_out); - if(edge!=null) edge[0] = (int)edge_out[0]; - if(vertex!=null) vertex[0] = (int)vertex_out[0]; - return retVal; - } - - - // - // C++: int cv::Subdiv2D::findNearest(Point2f pt, Point2f* nearestPt = 0) - // - - /** - * Finds the subdivision vertex closest to the given point. - * - * @param pt Input point. - * @param nearestPt Output subdivision vertex point. - * - * The function is another function that locates the input point within the subdivision. It finds the - * subdivision vertex that is the closest to the input point. It is not necessarily one of vertices - * of the facet containing the input point, though the facet (located using locate() ) is used as a - * starting point. - * - * @return vertex ID. - */ - public int findNearest(Point pt, Point nearestPt) { - double[] nearestPt_out = new double[2]; - int retVal = findNearest_0(nativeObj, pt.x, pt.y, nearestPt_out); - if(nearestPt!=null){ nearestPt.x = nearestPt_out[0]; nearestPt.y = nearestPt_out[1]; } - return retVal; - } - - /** - * Finds the subdivision vertex closest to the given point. - * - * @param pt Input point. - * - * The function is another function that locates the input point within the subdivision. It finds the - * subdivision vertex that is the closest to the input point. It is not necessarily one of vertices - * of the facet containing the input point, though the facet (located using locate() ) is used as a - * starting point. - * - * @return vertex ID. - */ - public int findNearest(Point pt) { - return findNearest_1(nativeObj, pt.x, pt.y); - } - - - // - // C++: void cv::Subdiv2D::getEdgeList(vector_Vec4f& edgeList) - // - - /** - * Returns a list of all edges. - * - * @param edgeList Output vector. - * - * The function gives each edge as a 4 numbers vector, where each two are one of the edge - * vertices. i.e. org_x = v[0], org_y = v[1], dst_x = v[2], dst_y = v[3]. - */ - public void getEdgeList(MatOfFloat4 edgeList) { - Mat edgeList_mat = edgeList; - getEdgeList_0(nativeObj, edgeList_mat.nativeObj); - } - - - // - // C++: void cv::Subdiv2D::getLeadingEdgeList(vector_int& leadingEdgeList) - // - - /** - * Returns a list of the leading edge ID connected to each triangle. - * - * @param leadingEdgeList Output vector. - * - * The function gives one edge ID for each triangle. - */ - public void getLeadingEdgeList(MatOfInt leadingEdgeList) { - Mat leadingEdgeList_mat = leadingEdgeList; - getLeadingEdgeList_0(nativeObj, leadingEdgeList_mat.nativeObj); - } - - - // - // C++: void cv::Subdiv2D::getTriangleList(vector_Vec6f& triangleList) - // - - /** - * Returns a list of all triangles. - * - * @param triangleList Output vector. - * - * The function gives each triangle as a 6 numbers vector, where each two are one of the triangle - * vertices. i.e. p1_x = v[0], p1_y = v[1], p2_x = v[2], p2_y = v[3], p3_x = v[4], p3_y = v[5]. - */ - public void getTriangleList(MatOfFloat6 triangleList) { - Mat triangleList_mat = triangleList; - getTriangleList_0(nativeObj, triangleList_mat.nativeObj); - } - - - // - // C++: void cv::Subdiv2D::getVoronoiFacetList(vector_int idx, vector_vector_Point2f& facetList, vector_Point2f& facetCenters) - // - - /** - * Returns a list of all Voronoi facets. - * - * @param idx Vector of vertices IDs to consider. For all vertices you can pass empty vector. - * @param facetList Output vector of the Voronoi facets. - * @param facetCenters Output vector of the Voronoi facets center points. - */ - public void getVoronoiFacetList(MatOfInt idx, List facetList, MatOfPoint2f facetCenters) { - Mat idx_mat = idx; - Mat facetList_mat = new Mat(); - Mat facetCenters_mat = facetCenters; - getVoronoiFacetList_0(nativeObj, idx_mat.nativeObj, facetList_mat.nativeObj, facetCenters_mat.nativeObj); - Converters.Mat_to_vector_vector_Point2f(facetList_mat, facetList); - facetList_mat.release(); - } - - - // - // C++: Point2f cv::Subdiv2D::getVertex(int vertex, int* firstEdge = 0) - // - - /** - * Returns vertex location from vertex ID. - * - * @param vertex vertex ID. - * @param firstEdge Optional. The first edge ID which is connected to the vertex. - * @return vertex (x,y) - */ - public Point getVertex(int vertex, int[] firstEdge) { - double[] firstEdge_out = new double[1]; - Point retVal = new Point(getVertex_0(nativeObj, vertex, firstEdge_out)); - if(firstEdge!=null) firstEdge[0] = (int)firstEdge_out[0]; - return retVal; - } - - /** - * Returns vertex location from vertex ID. - * - * @param vertex vertex ID. - * @return vertex (x,y) - */ - public Point getVertex(int vertex) { - return new Point(getVertex_1(nativeObj, vertex)); - } - - - // - // C++: int cv::Subdiv2D::getEdge(int edge, int nextEdgeType) - // - - /** - * Returns one of the edges related to the given edge. - * - * @param edge Subdivision edge ID. - * @param nextEdgeType Parameter specifying which of the related edges to return. - * The following values are possible: - *
      - *
    • - * NEXT_AROUND_ORG next around the edge origin ( eOnext on the picture below if e is the input edge) - *
      • - *
    • - * NEXT_AROUND_DST next around the edge vertex ( eDnext ) - *
      • - *
    • - * PREV_AROUND_ORG previous around the edge origin (reversed eRnext ) - *
      • - *
    • - * PREV_AROUND_DST previous around the edge destination (reversed eLnext ) - *
      • - *
    • - * NEXT_AROUND_LEFT next around the left facet ( eLnext ) - *
      • - *
    • - * NEXT_AROUND_RIGHT next around the right facet ( eRnext ) - *
      • - *
    • - * PREV_AROUND_LEFT previous around the left facet (reversed eOnext ) - *
      • - *
    • - * PREV_AROUND_RIGHT previous around the right facet (reversed eDnext ) - *
      • - *
    - * - * ![sample output](pics/quadedge.png) - * - * @return edge ID related to the input edge. - */ - public int getEdge(int edge, int nextEdgeType) { - return getEdge_0(nativeObj, edge, nextEdgeType); - } - - - // - // C++: int cv::Subdiv2D::nextEdge(int edge) - // - - /** - * Returns next edge around the edge origin. - * - * @param edge Subdivision edge ID. - * - * @return an integer which is next edge ID around the edge origin: eOnext on the - * picture above if e is the input edge). - */ - public int nextEdge(int edge) { - return nextEdge_0(nativeObj, edge); - } - - - // - // C++: int cv::Subdiv2D::rotateEdge(int edge, int rotate) - // - - /** - * Returns another edge of the same quad-edge. - * - * @param edge Subdivision edge ID. - * @param rotate Parameter specifying which of the edges of the same quad-edge as the input - * one to return. The following values are possible: - *
      - *
    • - * 0 - the input edge ( e on the picture below if e is the input edge) - *
      • - *
    • - * 1 - the rotated edge ( eRot ) - *
      • - *
    • - * 2 - the reversed edge (reversed e (in green)) - *
      • - *
    • - * 3 - the reversed rotated edge (reversed eRot (in green)) - *
      • - *
    - * - * @return one of the edges ID of the same quad-edge as the input edge. - */ - public int rotateEdge(int edge, int rotate) { - return rotateEdge_0(nativeObj, edge, rotate); - } - - - // - // C++: int cv::Subdiv2D::symEdge(int edge) - // - - public int symEdge(int edge) { - return symEdge_0(nativeObj, edge); - } - - - // - // C++: int cv::Subdiv2D::edgeOrg(int edge, Point2f* orgpt = 0) - // - - /** - * Returns the edge origin. - * - * @param edge Subdivision edge ID. - * @param orgpt Output vertex location. - * - * @return vertex ID. - */ - public int edgeOrg(int edge, Point orgpt) { - double[] orgpt_out = new double[2]; - int retVal = edgeOrg_0(nativeObj, edge, orgpt_out); - if(orgpt!=null){ orgpt.x = orgpt_out[0]; orgpt.y = orgpt_out[1]; } - return retVal; - } - - /** - * Returns the edge origin. - * - * @param edge Subdivision edge ID. - * - * @return vertex ID. - */ - public int edgeOrg(int edge) { - return edgeOrg_1(nativeObj, edge); - } - - - // - // C++: int cv::Subdiv2D::edgeDst(int edge, Point2f* dstpt = 0) - // - - /** - * Returns the edge destination. - * - * @param edge Subdivision edge ID. - * @param dstpt Output vertex location. - * - * @return vertex ID. - */ - public int edgeDst(int edge, Point dstpt) { - double[] dstpt_out = new double[2]; - int retVal = edgeDst_0(nativeObj, edge, dstpt_out); - if(dstpt!=null){ dstpt.x = dstpt_out[0]; dstpt.y = dstpt_out[1]; } - return retVal; - } - - /** - * Returns the edge destination. - * - * @param edge Subdivision edge ID. - * - * @return vertex ID. - */ - public int edgeDst(int edge) { - return edgeDst_1(nativeObj, edge); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::Subdiv2D::Subdiv2D() - private static native long Subdiv2D_0(); - - // C++: cv::Subdiv2D::Subdiv2D(Rect rect) - private static native long Subdiv2D_1(int rect_x, int rect_y, int rect_width, int rect_height); - - // C++: void cv::Subdiv2D::initDelaunay(Rect rect) - private static native void initDelaunay_0(long nativeObj, int rect_x, int rect_y, int rect_width, int rect_height); - - // C++: int cv::Subdiv2D::insert(Point2f pt) - private static native int insert_0(long nativeObj, double pt_x, double pt_y); - - // C++: void cv::Subdiv2D::insert(vector_Point2f ptvec) - private static native void insert_1(long nativeObj, long ptvec_mat_nativeObj); - - // C++: int cv::Subdiv2D::locate(Point2f pt, int& edge, int& vertex) - private static native int locate_0(long nativeObj, double pt_x, double pt_y, double[] edge_out, double[] vertex_out); - - // C++: int cv::Subdiv2D::findNearest(Point2f pt, Point2f* nearestPt = 0) - private static native int findNearest_0(long nativeObj, double pt_x, double pt_y, double[] nearestPt_out); - private static native int findNearest_1(long nativeObj, double pt_x, double pt_y); - - // C++: void cv::Subdiv2D::getEdgeList(vector_Vec4f& edgeList) - private static native void getEdgeList_0(long nativeObj, long edgeList_mat_nativeObj); - - // C++: void cv::Subdiv2D::getLeadingEdgeList(vector_int& leadingEdgeList) - private static native void getLeadingEdgeList_0(long nativeObj, long leadingEdgeList_mat_nativeObj); - - // C++: void cv::Subdiv2D::getTriangleList(vector_Vec6f& triangleList) - private static native void getTriangleList_0(long nativeObj, long triangleList_mat_nativeObj); - - // C++: void cv::Subdiv2D::getVoronoiFacetList(vector_int idx, vector_vector_Point2f& facetList, vector_Point2f& facetCenters) - private static native void getVoronoiFacetList_0(long nativeObj, long idx_mat_nativeObj, long facetList_mat_nativeObj, long facetCenters_mat_nativeObj); - - // C++: Point2f cv::Subdiv2D::getVertex(int vertex, int* firstEdge = 0) - private static native double[] getVertex_0(long nativeObj, int vertex, double[] firstEdge_out); - private static native double[] getVertex_1(long nativeObj, int vertex); - - // C++: int cv::Subdiv2D::getEdge(int edge, int nextEdgeType) - private static native int getEdge_0(long nativeObj, int edge, int nextEdgeType); - - // C++: int cv::Subdiv2D::nextEdge(int edge) - private static native int nextEdge_0(long nativeObj, int edge); - - // C++: int cv::Subdiv2D::rotateEdge(int edge, int rotate) - private static native int rotateEdge_0(long nativeObj, int edge, int rotate); - - // C++: int cv::Subdiv2D::symEdge(int edge) - private static native int symEdge_0(long nativeObj, int edge); - - // C++: int cv::Subdiv2D::edgeOrg(int edge, Point2f* orgpt = 0) - private static native int edgeOrg_0(long nativeObj, int edge, double[] orgpt_out); - private static native int edgeOrg_1(long nativeObj, int edge); - - // C++: int cv::Subdiv2D::edgeDst(int edge, Point2f* dstpt = 0) - private static native int edgeDst_0(long nativeObj, int edge, double[] dstpt_out); - private static native int edgeDst_1(long nativeObj, int edge); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/ANN_MLP.java b/vendor/opencv/sdk/java/src/org/opencv/ml/ANN_MLP.java deleted file mode 100644 index 9cbcf0a19a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/ANN_MLP.java +++ /dev/null @@ -1,632 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.ANN_MLP; -import org.opencv.ml.StatModel; - -// C++: class ANN_MLP -/** - * Artificial Neural Networks - Multi-Layer Perceptrons. - * - * Unlike many other models in ML that are constructed and trained at once, in the MLP model these - * steps are separated. First, a network with the specified topology is created using the non-default - * constructor or the method ANN_MLP::create. All the weights are set to zeros. Then, the network is - * trained using a set of input and output vectors. The training procedure can be repeated more than - * once, that is, the weights can be adjusted based on the new training data. - * - * Additional flags for StatModel::train are available: ANN_MLP::TrainFlags. - * - * SEE: REF: ml_intro_ann - */ -public class ANN_MLP extends StatModel { - - protected ANN_MLP(long addr) { super(addr); } - - // internal usage only - public static ANN_MLP __fromPtr__(long addr) { return new ANN_MLP(addr); } - - // C++: enum ActivationFunctions (cv.ml.ANN_MLP.ActivationFunctions) - public static final int - IDENTITY = 0, - SIGMOID_SYM = 1, - GAUSSIAN = 2, - RELU = 3, - LEAKYRELU = 4; - - - // C++: enum TrainFlags (cv.ml.ANN_MLP.TrainFlags) - public static final int - UPDATE_WEIGHTS = 1, - NO_INPUT_SCALE = 2, - NO_OUTPUT_SCALE = 4; - - - // C++: enum TrainingMethods (cv.ml.ANN_MLP.TrainingMethods) - public static final int - BACKPROP = 0, - RPROP = 1, - ANNEAL = 2; - - - // - // C++: void cv::ml::ANN_MLP::setTrainMethod(int method, double param1 = 0, double param2 = 0) - // - - /** - * Sets training method and common parameters. - * @param method Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods. - * @param param1 passed to setRpropDW0 for ANN_MLP::RPROP and to setBackpropWeightScale for ANN_MLP::BACKPROP and to initialT for ANN_MLP::ANNEAL. - * @param param2 passed to setRpropDWMin for ANN_MLP::RPROP and to setBackpropMomentumScale for ANN_MLP::BACKPROP and to finalT for ANN_MLP::ANNEAL. - */ - public void setTrainMethod(int method, double param1, double param2) { - setTrainMethod_0(nativeObj, method, param1, param2); - } - - /** - * Sets training method and common parameters. - * @param method Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods. - * @param param1 passed to setRpropDW0 for ANN_MLP::RPROP and to setBackpropWeightScale for ANN_MLP::BACKPROP and to initialT for ANN_MLP::ANNEAL. - */ - public void setTrainMethod(int method, double param1) { - setTrainMethod_1(nativeObj, method, param1); - } - - /** - * Sets training method and common parameters. - * @param method Default value is ANN_MLP::RPROP. See ANN_MLP::TrainingMethods. - */ - public void setTrainMethod(int method) { - setTrainMethod_2(nativeObj, method); - } - - - // - // C++: int cv::ml::ANN_MLP::getTrainMethod() - // - - /** - * Returns current training method - * @return automatically generated - */ - public int getTrainMethod() { - return getTrainMethod_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setActivationFunction(int type, double param1 = 0, double param2 = 0) - // - - /** - * Initialize the activation function for each neuron. - * Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM. - * @param type The type of activation function. See ANN_MLP::ActivationFunctions. - * @param param1 The first parameter of the activation function, \(\alpha\). Default value is 0. - * @param param2 The second parameter of the activation function, \(\beta\). Default value is 0. - */ - public void setActivationFunction(int type, double param1, double param2) { - setActivationFunction_0(nativeObj, type, param1, param2); - } - - /** - * Initialize the activation function for each neuron. - * Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM. - * @param type The type of activation function. See ANN_MLP::ActivationFunctions. - * @param param1 The first parameter of the activation function, \(\alpha\). Default value is 0. - */ - public void setActivationFunction(int type, double param1) { - setActivationFunction_1(nativeObj, type, param1); - } - - /** - * Initialize the activation function for each neuron. - * Currently the default and the only fully supported activation function is ANN_MLP::SIGMOID_SYM. - * @param type The type of activation function. See ANN_MLP::ActivationFunctions. - */ - public void setActivationFunction(int type) { - setActivationFunction_2(nativeObj, type); - } - - - // - // C++: void cv::ml::ANN_MLP::setLayerSizes(Mat _layer_sizes) - // - - /** - * Integer vector specifying the number of neurons in each layer including the input and output layers. - * The very first element specifies the number of elements in the input layer. - * The last element - number of elements in the output layer. Default value is empty Mat. - * SEE: getLayerSizes - * @param _layer_sizes automatically generated - */ - public void setLayerSizes(Mat _layer_sizes) { - setLayerSizes_0(nativeObj, _layer_sizes.nativeObj); - } - - - // - // C++: Mat cv::ml::ANN_MLP::getLayerSizes() - // - - /** - * Integer vector specifying the number of neurons in each layer including the input and output layers. - * The very first element specifies the number of elements in the input layer. - * The last element - number of elements in the output layer. - * SEE: setLayerSizes - * @return automatically generated - */ - public Mat getLayerSizes() { - return new Mat(getLayerSizes_0(nativeObj)); - } - - - // - // C++: TermCriteria cv::ml::ANN_MLP::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::ANN_MLP::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - // - // C++: double cv::ml::ANN_MLP::getBackpropWeightScale() - // - - /** - * SEE: setBackpropWeightScale - * @return automatically generated - */ - public double getBackpropWeightScale() { - return getBackpropWeightScale_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setBackpropWeightScale(double val) - // - - /** - * getBackpropWeightScale SEE: getBackpropWeightScale - * @param val automatically generated - */ - public void setBackpropWeightScale(double val) { - setBackpropWeightScale_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getBackpropMomentumScale() - // - - /** - * SEE: setBackpropMomentumScale - * @return automatically generated - */ - public double getBackpropMomentumScale() { - return getBackpropMomentumScale_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setBackpropMomentumScale(double val) - // - - /** - * getBackpropMomentumScale SEE: getBackpropMomentumScale - * @param val automatically generated - */ - public void setBackpropMomentumScale(double val) { - setBackpropMomentumScale_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getRpropDW0() - // - - /** - * SEE: setRpropDW0 - * @return automatically generated - */ - public double getRpropDW0() { - return getRpropDW0_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setRpropDW0(double val) - // - - /** - * getRpropDW0 SEE: getRpropDW0 - * @param val automatically generated - */ - public void setRpropDW0(double val) { - setRpropDW0_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getRpropDWPlus() - // - - /** - * SEE: setRpropDWPlus - * @return automatically generated - */ - public double getRpropDWPlus() { - return getRpropDWPlus_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setRpropDWPlus(double val) - // - - /** - * getRpropDWPlus SEE: getRpropDWPlus - * @param val automatically generated - */ - public void setRpropDWPlus(double val) { - setRpropDWPlus_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getRpropDWMinus() - // - - /** - * SEE: setRpropDWMinus - * @return automatically generated - */ - public double getRpropDWMinus() { - return getRpropDWMinus_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setRpropDWMinus(double val) - // - - /** - * getRpropDWMinus SEE: getRpropDWMinus - * @param val automatically generated - */ - public void setRpropDWMinus(double val) { - setRpropDWMinus_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getRpropDWMin() - // - - /** - * SEE: setRpropDWMin - * @return automatically generated - */ - public double getRpropDWMin() { - return getRpropDWMin_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setRpropDWMin(double val) - // - - /** - * getRpropDWMin SEE: getRpropDWMin - * @param val automatically generated - */ - public void setRpropDWMin(double val) { - setRpropDWMin_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getRpropDWMax() - // - - /** - * SEE: setRpropDWMax - * @return automatically generated - */ - public double getRpropDWMax() { - return getRpropDWMax_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setRpropDWMax(double val) - // - - /** - * getRpropDWMax SEE: getRpropDWMax - * @param val automatically generated - */ - public void setRpropDWMax(double val) { - setRpropDWMax_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getAnnealInitialT() - // - - /** - * SEE: setAnnealInitialT - * @return automatically generated - */ - public double getAnnealInitialT() { - return getAnnealInitialT_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setAnnealInitialT(double val) - // - - /** - * getAnnealInitialT SEE: getAnnealInitialT - * @param val automatically generated - */ - public void setAnnealInitialT(double val) { - setAnnealInitialT_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getAnnealFinalT() - // - - /** - * SEE: setAnnealFinalT - * @return automatically generated - */ - public double getAnnealFinalT() { - return getAnnealFinalT_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setAnnealFinalT(double val) - // - - /** - * getAnnealFinalT SEE: getAnnealFinalT - * @param val automatically generated - */ - public void setAnnealFinalT(double val) { - setAnnealFinalT_0(nativeObj, val); - } - - - // - // C++: double cv::ml::ANN_MLP::getAnnealCoolingRatio() - // - - /** - * SEE: setAnnealCoolingRatio - * @return automatically generated - */ - public double getAnnealCoolingRatio() { - return getAnnealCoolingRatio_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setAnnealCoolingRatio(double val) - // - - /** - * getAnnealCoolingRatio SEE: getAnnealCoolingRatio - * @param val automatically generated - */ - public void setAnnealCoolingRatio(double val) { - setAnnealCoolingRatio_0(nativeObj, val); - } - - - // - // C++: int cv::ml::ANN_MLP::getAnnealItePerStep() - // - - /** - * SEE: setAnnealItePerStep - * @return automatically generated - */ - public int getAnnealItePerStep() { - return getAnnealItePerStep_0(nativeObj); - } - - - // - // C++: void cv::ml::ANN_MLP::setAnnealItePerStep(int val) - // - - /** - * getAnnealItePerStep SEE: getAnnealItePerStep - * @param val automatically generated - */ - public void setAnnealItePerStep(int val) { - setAnnealItePerStep_0(nativeObj, val); - } - - - // - // C++: Mat cv::ml::ANN_MLP::getWeights(int layerIdx) - // - - public Mat getWeights(int layerIdx) { - return new Mat(getWeights_0(nativeObj, layerIdx)); - } - - - // - // C++: static Ptr_ANN_MLP cv::ml::ANN_MLP::create() - // - - /** - * Creates empty model - * - * Use StatModel::train to train the model, Algorithm::load<ANN_MLP>(filename) to load the pre-trained model. - * Note that the train method has optional flags: ANN_MLP::TrainFlags. - * @return automatically generated - */ - public static ANN_MLP create() { - return ANN_MLP.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_ANN_MLP cv::ml::ANN_MLP::load(String filepath) - // - - /** - * Loads and creates a serialized ANN from a file - * - * Use ANN::save to serialize and store an ANN to disk. - * Load the ANN from this file again, by calling this function with the path to the file. - * - * @param filepath path to serialized ANN - * @return automatically generated - */ - public static ANN_MLP load(String filepath) { - return ANN_MLP.__fromPtr__(load_0(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::ml::ANN_MLP::setTrainMethod(int method, double param1 = 0, double param2 = 0) - private static native void setTrainMethod_0(long nativeObj, int method, double param1, double param2); - private static native void setTrainMethod_1(long nativeObj, int method, double param1); - private static native void setTrainMethod_2(long nativeObj, int method); - - // C++: int cv::ml::ANN_MLP::getTrainMethod() - private static native int getTrainMethod_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setActivationFunction(int type, double param1 = 0, double param2 = 0) - private static native void setActivationFunction_0(long nativeObj, int type, double param1, double param2); - private static native void setActivationFunction_1(long nativeObj, int type, double param1); - private static native void setActivationFunction_2(long nativeObj, int type); - - // C++: void cv::ml::ANN_MLP::setLayerSizes(Mat _layer_sizes) - private static native void setLayerSizes_0(long nativeObj, long _layer_sizes_nativeObj); - - // C++: Mat cv::ml::ANN_MLP::getLayerSizes() - private static native long getLayerSizes_0(long nativeObj); - - // C++: TermCriteria cv::ml::ANN_MLP::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // C++: double cv::ml::ANN_MLP::getBackpropWeightScale() - private static native double getBackpropWeightScale_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setBackpropWeightScale(double val) - private static native void setBackpropWeightScale_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getBackpropMomentumScale() - private static native double getBackpropMomentumScale_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setBackpropMomentumScale(double val) - private static native void setBackpropMomentumScale_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getRpropDW0() - private static native double getRpropDW0_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setRpropDW0(double val) - private static native void setRpropDW0_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getRpropDWPlus() - private static native double getRpropDWPlus_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setRpropDWPlus(double val) - private static native void setRpropDWPlus_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getRpropDWMinus() - private static native double getRpropDWMinus_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setRpropDWMinus(double val) - private static native void setRpropDWMinus_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getRpropDWMin() - private static native double getRpropDWMin_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setRpropDWMin(double val) - private static native void setRpropDWMin_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getRpropDWMax() - private static native double getRpropDWMax_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setRpropDWMax(double val) - private static native void setRpropDWMax_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getAnnealInitialT() - private static native double getAnnealInitialT_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setAnnealInitialT(double val) - private static native void setAnnealInitialT_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getAnnealFinalT() - private static native double getAnnealFinalT_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setAnnealFinalT(double val) - private static native void setAnnealFinalT_0(long nativeObj, double val); - - // C++: double cv::ml::ANN_MLP::getAnnealCoolingRatio() - private static native double getAnnealCoolingRatio_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setAnnealCoolingRatio(double val) - private static native void setAnnealCoolingRatio_0(long nativeObj, double val); - - // C++: int cv::ml::ANN_MLP::getAnnealItePerStep() - private static native int getAnnealItePerStep_0(long nativeObj); - - // C++: void cv::ml::ANN_MLP::setAnnealItePerStep(int val) - private static native void setAnnealItePerStep_0(long nativeObj, int val); - - // C++: Mat cv::ml::ANN_MLP::getWeights(int layerIdx) - private static native long getWeights_0(long nativeObj, int layerIdx); - - // C++: static Ptr_ANN_MLP cv::ml::ANN_MLP::create() - private static native long create_0(); - - // C++: static Ptr_ANN_MLP cv::ml::ANN_MLP::load(String filepath) - private static native long load_0(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/Boost.java b/vendor/opencv/sdk/java/src/org/opencv/ml/Boost.java deleted file mode 100644 index fc53fbf9bb..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/Boost.java +++ /dev/null @@ -1,191 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.ml.Boost; -import org.opencv.ml.DTrees; - -// C++: class Boost -/** - * Boosted tree classifier derived from DTrees - * - * SEE: REF: ml_intro_boost - */ -public class Boost extends DTrees { - - protected Boost(long addr) { super(addr); } - - // internal usage only - public static Boost __fromPtr__(long addr) { return new Boost(addr); } - - // C++: enum Types (cv.ml.Boost.Types) - public static final int - DISCRETE = 0, - REAL = 1, - LOGIT = 2, - GENTLE = 3; - - - // - // C++: int cv::ml::Boost::getBoostType() - // - - /** - * SEE: setBoostType - * @return automatically generated - */ - public int getBoostType() { - return getBoostType_0(nativeObj); - } - - - // - // C++: void cv::ml::Boost::setBoostType(int val) - // - - /** - * getBoostType SEE: getBoostType - * @param val automatically generated - */ - public void setBoostType(int val) { - setBoostType_0(nativeObj, val); - } - - - // - // C++: int cv::ml::Boost::getWeakCount() - // - - /** - * SEE: setWeakCount - * @return automatically generated - */ - public int getWeakCount() { - return getWeakCount_0(nativeObj); - } - - - // - // C++: void cv::ml::Boost::setWeakCount(int val) - // - - /** - * getWeakCount SEE: getWeakCount - * @param val automatically generated - */ - public void setWeakCount(int val) { - setWeakCount_0(nativeObj, val); - } - - - // - // C++: double cv::ml::Boost::getWeightTrimRate() - // - - /** - * SEE: setWeightTrimRate - * @return automatically generated - */ - public double getWeightTrimRate() { - return getWeightTrimRate_0(nativeObj); - } - - - // - // C++: void cv::ml::Boost::setWeightTrimRate(double val) - // - - /** - * getWeightTrimRate SEE: getWeightTrimRate - * @param val automatically generated - */ - public void setWeightTrimRate(double val) { - setWeightTrimRate_0(nativeObj, val); - } - - - // - // C++: static Ptr_Boost cv::ml::Boost::create() - // - - /** - * Creates the empty model. - * Use StatModel::train to train the model, Algorithm::load<Boost>(filename) to load the pre-trained model. - * @return automatically generated - */ - public static Boost create() { - return Boost.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_Boost cv::ml::Boost::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized Boost from a file - * - * Use Boost::save to serialize and store an RTree to disk. - * Load the Boost from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized Boost - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static Boost load(String filepath, String nodeName) { - return Boost.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized Boost from a file - * - * Use Boost::save to serialize and store an RTree to disk. - * Load the Boost from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized Boost - * @return automatically generated - */ - public static Boost load(String filepath) { - return Boost.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::Boost::getBoostType() - private static native int getBoostType_0(long nativeObj); - - // C++: void cv::ml::Boost::setBoostType(int val) - private static native void setBoostType_0(long nativeObj, int val); - - // C++: int cv::ml::Boost::getWeakCount() - private static native int getWeakCount_0(long nativeObj); - - // C++: void cv::ml::Boost::setWeakCount(int val) - private static native void setWeakCount_0(long nativeObj, int val); - - // C++: double cv::ml::Boost::getWeightTrimRate() - private static native double getWeightTrimRate_0(long nativeObj); - - // C++: void cv::ml::Boost::setWeightTrimRate(double val) - private static native void setWeightTrimRate_0(long nativeObj, double val); - - // C++: static Ptr_Boost cv::ml::Boost::create() - private static native long create_0(); - - // C++: static Ptr_Boost cv::ml::Boost::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/DTrees.java b/vendor/opencv/sdk/java/src/org/opencv/ml/DTrees.java deleted file mode 100644 index 684ab0b85a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/DTrees.java +++ /dev/null @@ -1,392 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.ml.DTrees; -import org.opencv.ml.StatModel; - -// C++: class DTrees -/** - * The class represents a single decision tree or a collection of decision trees. - * - * The current public interface of the class allows user to train only a single decision tree, however - * the class is capable of storing multiple decision trees and using them for prediction (by summing - * responses or using a voting schemes), and the derived from DTrees classes (such as RTrees and Boost) - * use this capability to implement decision tree ensembles. - * - * SEE: REF: ml_intro_trees - */ -public class DTrees extends StatModel { - - protected DTrees(long addr) { super(addr); } - - // internal usage only - public static DTrees __fromPtr__(long addr) { return new DTrees(addr); } - - // C++: enum Flags (cv.ml.DTrees.Flags) - public static final int - PREDICT_AUTO = 0, - PREDICT_SUM = (1<<8), - PREDICT_MAX_VOTE = (2<<8), - PREDICT_MASK = (3<<8); - - - // - // C++: int cv::ml::DTrees::getMaxCategories() - // - - /** - * SEE: setMaxCategories - * @return automatically generated - */ - public int getMaxCategories() { - return getMaxCategories_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setMaxCategories(int val) - // - - /** - * getMaxCategories SEE: getMaxCategories - * @param val automatically generated - */ - public void setMaxCategories(int val) { - setMaxCategories_0(nativeObj, val); - } - - - // - // C++: int cv::ml::DTrees::getMaxDepth() - // - - /** - * SEE: setMaxDepth - * @return automatically generated - */ - public int getMaxDepth() { - return getMaxDepth_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setMaxDepth(int val) - // - - /** - * getMaxDepth SEE: getMaxDepth - * @param val automatically generated - */ - public void setMaxDepth(int val) { - setMaxDepth_0(nativeObj, val); - } - - - // - // C++: int cv::ml::DTrees::getMinSampleCount() - // - - /** - * SEE: setMinSampleCount - * @return automatically generated - */ - public int getMinSampleCount() { - return getMinSampleCount_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setMinSampleCount(int val) - // - - /** - * getMinSampleCount SEE: getMinSampleCount - * @param val automatically generated - */ - public void setMinSampleCount(int val) { - setMinSampleCount_0(nativeObj, val); - } - - - // - // C++: int cv::ml::DTrees::getCVFolds() - // - - /** - * SEE: setCVFolds - * @return automatically generated - */ - public int getCVFolds() { - return getCVFolds_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setCVFolds(int val) - // - - /** - * getCVFolds SEE: getCVFolds - * @param val automatically generated - */ - public void setCVFolds(int val) { - setCVFolds_0(nativeObj, val); - } - - - // - // C++: bool cv::ml::DTrees::getUseSurrogates() - // - - /** - * SEE: setUseSurrogates - * @return automatically generated - */ - public boolean getUseSurrogates() { - return getUseSurrogates_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setUseSurrogates(bool val) - // - - /** - * getUseSurrogates SEE: getUseSurrogates - * @param val automatically generated - */ - public void setUseSurrogates(boolean val) { - setUseSurrogates_0(nativeObj, val); - } - - - // - // C++: bool cv::ml::DTrees::getUse1SERule() - // - - /** - * SEE: setUse1SERule - * @return automatically generated - */ - public boolean getUse1SERule() { - return getUse1SERule_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setUse1SERule(bool val) - // - - /** - * getUse1SERule SEE: getUse1SERule - * @param val automatically generated - */ - public void setUse1SERule(boolean val) { - setUse1SERule_0(nativeObj, val); - } - - - // - // C++: bool cv::ml::DTrees::getTruncatePrunedTree() - // - - /** - * SEE: setTruncatePrunedTree - * @return automatically generated - */ - public boolean getTruncatePrunedTree() { - return getTruncatePrunedTree_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setTruncatePrunedTree(bool val) - // - - /** - * getTruncatePrunedTree SEE: getTruncatePrunedTree - * @param val automatically generated - */ - public void setTruncatePrunedTree(boolean val) { - setTruncatePrunedTree_0(nativeObj, val); - } - - - // - // C++: float cv::ml::DTrees::getRegressionAccuracy() - // - - /** - * SEE: setRegressionAccuracy - * @return automatically generated - */ - public float getRegressionAccuracy() { - return getRegressionAccuracy_0(nativeObj); - } - - - // - // C++: void cv::ml::DTrees::setRegressionAccuracy(float val) - // - - /** - * getRegressionAccuracy SEE: getRegressionAccuracy - * @param val automatically generated - */ - public void setRegressionAccuracy(float val) { - setRegressionAccuracy_0(nativeObj, val); - } - - - // - // C++: Mat cv::ml::DTrees::getPriors() - // - - /** - * SEE: setPriors - * @return automatically generated - */ - public Mat getPriors() { - return new Mat(getPriors_0(nativeObj)); - } - - - // - // C++: void cv::ml::DTrees::setPriors(Mat val) - // - - /** - * getPriors SEE: getPriors - * @param val automatically generated - */ - public void setPriors(Mat val) { - setPriors_0(nativeObj, val.nativeObj); - } - - - // - // C++: static Ptr_DTrees cv::ml::DTrees::create() - // - - /** - * Creates the empty model - * - * The static method creates empty decision tree with the specified parameters. It should be then - * trained using train method (see StatModel::train). Alternatively, you can load the model from - * file using Algorithm::load<DTrees>(filename). - * @return automatically generated - */ - public static DTrees create() { - return DTrees.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_DTrees cv::ml::DTrees::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized DTrees from a file - * - * Use DTree::save to serialize and store an DTree to disk. - * Load the DTree from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized DTree - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static DTrees load(String filepath, String nodeName) { - return DTrees.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized DTrees from a file - * - * Use DTree::save to serialize and store an DTree to disk. - * Load the DTree from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized DTree - * @return automatically generated - */ - public static DTrees load(String filepath) { - return DTrees.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::DTrees::getMaxCategories() - private static native int getMaxCategories_0(long nativeObj); - - // C++: void cv::ml::DTrees::setMaxCategories(int val) - private static native void setMaxCategories_0(long nativeObj, int val); - - // C++: int cv::ml::DTrees::getMaxDepth() - private static native int getMaxDepth_0(long nativeObj); - - // C++: void cv::ml::DTrees::setMaxDepth(int val) - private static native void setMaxDepth_0(long nativeObj, int val); - - // C++: int cv::ml::DTrees::getMinSampleCount() - private static native int getMinSampleCount_0(long nativeObj); - - // C++: void cv::ml::DTrees::setMinSampleCount(int val) - private static native void setMinSampleCount_0(long nativeObj, int val); - - // C++: int cv::ml::DTrees::getCVFolds() - private static native int getCVFolds_0(long nativeObj); - - // C++: void cv::ml::DTrees::setCVFolds(int val) - private static native void setCVFolds_0(long nativeObj, int val); - - // C++: bool cv::ml::DTrees::getUseSurrogates() - private static native boolean getUseSurrogates_0(long nativeObj); - - // C++: void cv::ml::DTrees::setUseSurrogates(bool val) - private static native void setUseSurrogates_0(long nativeObj, boolean val); - - // C++: bool cv::ml::DTrees::getUse1SERule() - private static native boolean getUse1SERule_0(long nativeObj); - - // C++: void cv::ml::DTrees::setUse1SERule(bool val) - private static native void setUse1SERule_0(long nativeObj, boolean val); - - // C++: bool cv::ml::DTrees::getTruncatePrunedTree() - private static native boolean getTruncatePrunedTree_0(long nativeObj); - - // C++: void cv::ml::DTrees::setTruncatePrunedTree(bool val) - private static native void setTruncatePrunedTree_0(long nativeObj, boolean val); - - // C++: float cv::ml::DTrees::getRegressionAccuracy() - private static native float getRegressionAccuracy_0(long nativeObj); - - // C++: void cv::ml::DTrees::setRegressionAccuracy(float val) - private static native void setRegressionAccuracy_0(long nativeObj, float val); - - // C++: Mat cv::ml::DTrees::getPriors() - private static native long getPriors_0(long nativeObj); - - // C++: void cv::ml::DTrees::setPriors(Mat val) - private static native void setPriors_0(long nativeObj, long val_nativeObj); - - // C++: static Ptr_DTrees cv::ml::DTrees::create() - private static native long create_0(); - - // C++: static Ptr_DTrees cv::ml::DTrees::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/EM.java b/vendor/opencv/sdk/java/src/org/opencv/ml/EM.java deleted file mode 100644 index 4694399653..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/EM.java +++ /dev/null @@ -1,775 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.EM; -import org.opencv.ml.StatModel; -import org.opencv.utils.Converters; - -// C++: class EM -/** - * The class implements the Expectation Maximization algorithm. - * - * SEE: REF: ml_intro_em - */ -public class EM extends StatModel { - - protected EM(long addr) { super(addr); } - - // internal usage only - public static EM __fromPtr__(long addr) { return new EM(addr); } - - // C++: enum - public static final int - DEFAULT_NCLUSTERS = 5, - DEFAULT_MAX_ITERS = 100, - START_E_STEP = 1, - START_M_STEP = 2, - START_AUTO_STEP = 0; - - - // C++: enum Types (cv.ml.EM.Types) - public static final int - COV_MAT_SPHERICAL = 0, - COV_MAT_DIAGONAL = 1, - COV_MAT_GENERIC = 2, - COV_MAT_DEFAULT = COV_MAT_DIAGONAL; - - - // - // C++: int cv::ml::EM::getClustersNumber() - // - - /** - * SEE: setClustersNumber - * @return automatically generated - */ - public int getClustersNumber() { - return getClustersNumber_0(nativeObj); - } - - - // - // C++: void cv::ml::EM::setClustersNumber(int val) - // - - /** - * getClustersNumber SEE: getClustersNumber - * @param val automatically generated - */ - public void setClustersNumber(int val) { - setClustersNumber_0(nativeObj, val); - } - - - // - // C++: int cv::ml::EM::getCovarianceMatrixType() - // - - /** - * SEE: setCovarianceMatrixType - * @return automatically generated - */ - public int getCovarianceMatrixType() { - return getCovarianceMatrixType_0(nativeObj); - } - - - // - // C++: void cv::ml::EM::setCovarianceMatrixType(int val) - // - - /** - * getCovarianceMatrixType SEE: getCovarianceMatrixType - * @param val automatically generated - */ - public void setCovarianceMatrixType(int val) { - setCovarianceMatrixType_0(nativeObj, val); - } - - - // - // C++: TermCriteria cv::ml::EM::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::EM::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - // - // C++: Mat cv::ml::EM::getWeights() - // - - /** - * Returns weights of the mixtures - * - * Returns vector with the number of elements equal to the number of mixtures. - * @return automatically generated - */ - public Mat getWeights() { - return new Mat(getWeights_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::EM::getMeans() - // - - /** - * Returns the cluster centers (means of the Gaussian mixture) - * - * Returns matrix with the number of rows equal to the number of mixtures and number of columns - * equal to the space dimensionality. - * @return automatically generated - */ - public Mat getMeans() { - return new Mat(getMeans_0(nativeObj)); - } - - - // - // C++: void cv::ml::EM::getCovs(vector_Mat& covs) - // - - /** - * Returns covariation matrices - * - * Returns vector of covariation matrices. Number of matrices is the number of gaussian mixtures, - * each matrix is a square floating-point matrix NxN, where N is the space dimensionality. - * @param covs automatically generated - */ - public void getCovs(List covs) { - Mat covs_mat = new Mat(); - getCovs_0(nativeObj, covs_mat.nativeObj); - Converters.Mat_to_vector_Mat(covs_mat, covs); - covs_mat.release(); - } - - - // - // C++: float cv::ml::EM::predict(Mat samples, Mat& results = Mat(), int flags = 0) - // - - /** - * Returns posterior probabilities for the provided samples - * - * @param samples The input samples, floating-point matrix - * @param results The optional output \( nSamples \times nClusters\) matrix of results. It contains - * posterior probabilities for each sample from the input - * @param flags This parameter will be ignored - * @return automatically generated - */ - public float predict(Mat samples, Mat results, int flags) { - return predict_0(nativeObj, samples.nativeObj, results.nativeObj, flags); - } - - /** - * Returns posterior probabilities for the provided samples - * - * @param samples The input samples, floating-point matrix - * @param results The optional output \( nSamples \times nClusters\) matrix of results. It contains - * posterior probabilities for each sample from the input - * @return automatically generated - */ - public float predict(Mat samples, Mat results) { - return predict_1(nativeObj, samples.nativeObj, results.nativeObj); - } - - /** - * Returns posterior probabilities for the provided samples - * - * @param samples The input samples, floating-point matrix - * posterior probabilities for each sample from the input - * @return automatically generated - */ - public float predict(Mat samples) { - return predict_2(nativeObj, samples.nativeObj); - } - - - // - // C++: Vec2d cv::ml::EM::predict2(Mat sample, Mat& probs) - // - - /** - * Returns a likelihood logarithm value and an index of the most probable mixture component - * for the given sample. - * - * @param sample A sample for classification. It should be a one-channel matrix of - * \(1 \times dims\) or \(dims \times 1\) size. - * @param probs Optional output matrix that contains posterior probabilities of each component - * given the sample. It has \(1 \times nclusters\) size and CV_64FC1 type. - * - * The method returns a two-element double vector. Zero element is a likelihood logarithm value for - * the sample. First element is an index of the most probable mixture component for the given - * sample. - * @return automatically generated - */ - public double[] predict2(Mat sample, Mat probs) { - return predict2_0(nativeObj, sample.nativeObj, probs.nativeObj); - } - - - // - // C++: bool cv::ml::EM::trainEM(Mat samples, Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - // - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. Initial values of the model parameters will be - * estimated by the k-means algorithm. - * - * Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - * responses (class labels or function values) as input. Instead, it computes the *Maximum - * Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - * parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - * covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - * sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - * probable mixture component for each sample). - * - * The trained model can be used further for prediction, just like any other classifier. The - * trained model is similar to the NormalBayesClassifier. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * @param probs The optional output matrix that contains posterior probabilities of each Gaussian - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainEM(Mat samples, Mat logLikelihoods, Mat labels, Mat probs) { - return trainEM_0(nativeObj, samples.nativeObj, logLikelihoods.nativeObj, labels.nativeObj, probs.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. Initial values of the model parameters will be - * estimated by the k-means algorithm. - * - * Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - * responses (class labels or function values) as input. Instead, it computes the *Maximum - * Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - * parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - * covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - * sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - * probable mixture component for each sample). - * - * The trained model can be used further for prediction, just like any other classifier. The - * trained model is similar to the NormalBayesClassifier. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainEM(Mat samples, Mat logLikelihoods, Mat labels) { - return trainEM_1(nativeObj, samples.nativeObj, logLikelihoods.nativeObj, labels.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. Initial values of the model parameters will be - * estimated by the k-means algorithm. - * - * Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - * responses (class labels or function values) as input. Instead, it computes the *Maximum - * Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - * parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - * covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - * sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - * probable mixture component for each sample). - * - * The trained model can be used further for prediction, just like any other classifier. The - * trained model is similar to the NormalBayesClassifier. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainEM(Mat samples, Mat logLikelihoods) { - return trainEM_2(nativeObj, samples.nativeObj, logLikelihoods.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. Initial values of the model parameters will be - * estimated by the k-means algorithm. - * - * Unlike many of the ML models, %EM is an unsupervised learning algorithm and it does not take - * responses (class labels or function values) as input. Instead, it computes the *Maximum - * Likelihood Estimate* of the Gaussian mixture parameters from an input sample set, stores all the - * parameters inside the structure: \(p_{i,k}\) in probs, \(a_k\) in means , \(S_k\) in - * covs[k], \(\pi_k\) in weights , and optionally computes the output "class label" for each - * sample: \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most - * probable mixture component for each sample). - * - * The trained model can be used further for prediction, just like any other classifier. The - * trained model is similar to the NormalBayesClassifier. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainEM(Mat samples) { - return trainEM_3(nativeObj, samples.nativeObj); - } - - - // - // C++: bool cv::ml::EM::trainE(Mat samples, Mat means0, Mat covs0 = Mat(), Mat weights0 = Mat(), Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - // - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * @param covs0 The vector of initial covariance matrices \(S_k\) of mixture components. Each of - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * @param weights0 Initial weights \(\pi_k\) of mixture components. It should be a one-channel - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * @param probs The optional output matrix that contains posterior probabilities of each Gaussian - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0, Mat covs0, Mat weights0, Mat logLikelihoods, Mat labels, Mat probs) { - return trainE_0(nativeObj, samples.nativeObj, means0.nativeObj, covs0.nativeObj, weights0.nativeObj, logLikelihoods.nativeObj, labels.nativeObj, probs.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * @param covs0 The vector of initial covariance matrices \(S_k\) of mixture components. Each of - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * @param weights0 Initial weights \(\pi_k\) of mixture components. It should be a one-channel - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0, Mat covs0, Mat weights0, Mat logLikelihoods, Mat labels) { - return trainE_1(nativeObj, samples.nativeObj, means0.nativeObj, covs0.nativeObj, weights0.nativeObj, logLikelihoods.nativeObj, labels.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * @param covs0 The vector of initial covariance matrices \(S_k\) of mixture components. Each of - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * @param weights0 Initial weights \(\pi_k\) of mixture components. It should be a one-channel - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0, Mat covs0, Mat weights0, Mat logLikelihoods) { - return trainE_2(nativeObj, samples.nativeObj, means0.nativeObj, covs0.nativeObj, weights0.nativeObj, logLikelihoods.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * @param covs0 The vector of initial covariance matrices \(S_k\) of mixture components. Each of - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * @param weights0 Initial weights \(\pi_k\) of mixture components. It should be a one-channel - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0, Mat covs0, Mat weights0) { - return trainE_3(nativeObj, samples.nativeObj, means0.nativeObj, covs0.nativeObj, weights0.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * @param covs0 The vector of initial covariance matrices \(S_k\) of mixture components. Each of - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0, Mat covs0) { - return trainE_4(nativeObj, samples.nativeObj, means0.nativeObj, covs0.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Expectation step. You need to provide initial means \(a_k\) of - * mixture components. Optionally you can pass initial weights \(\pi_k\) and covariance matrices - * \(S_k\) of mixture components. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param means0 Initial means \(a_k\) of mixture components. It is a one-channel matrix of - * \(nclusters \times dims\) size. If the matrix does not have CV_64F type it will be - * converted to the inner matrix of such type for the further computing. - * covariance matrices is a one-channel matrix of \(dims \times dims\) size. If the matrices - * do not have CV_64F type they will be converted to the inner matrices of such type for the - * further computing. - * floating-point matrix with \(1 \times nclusters\) or \(nclusters \times 1\) size. - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainE(Mat samples, Mat means0) { - return trainE_5(nativeObj, samples.nativeObj, means0.nativeObj); - } - - - // - // C++: bool cv::ml::EM::trainM(Mat samples, Mat probs0, Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - // - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Maximization step. You need to provide initial probabilities - * \(p_{i,k}\) to use this option. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param probs0 the probabilities - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * @param probs The optional output matrix that contains posterior probabilities of each Gaussian - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainM(Mat samples, Mat probs0, Mat logLikelihoods, Mat labels, Mat probs) { - return trainM_0(nativeObj, samples.nativeObj, probs0.nativeObj, logLikelihoods.nativeObj, labels.nativeObj, probs.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Maximization step. You need to provide initial probabilities - * \(p_{i,k}\) to use this option. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param probs0 the probabilities - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * @param labels The optional output "class label" for each sample: - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainM(Mat samples, Mat probs0, Mat logLikelihoods, Mat labels) { - return trainM_1(nativeObj, samples.nativeObj, probs0.nativeObj, logLikelihoods.nativeObj, labels.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Maximization step. You need to provide initial probabilities - * \(p_{i,k}\) to use this option. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param probs0 the probabilities - * @param logLikelihoods The optional output matrix that contains a likelihood logarithm value for - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainM(Mat samples, Mat probs0, Mat logLikelihoods) { - return trainM_2(nativeObj, samples.nativeObj, probs0.nativeObj, logLikelihoods.nativeObj); - } - - /** - * Estimate the Gaussian mixture parameters from a samples set. - * - * This variation starts with Maximization step. You need to provide initial probabilities - * \(p_{i,k}\) to use this option. - * - * @param samples Samples from which the Gaussian mixture model will be estimated. It should be a - * one-channel matrix, each row of which is a sample. If the matrix does not have CV_64F type - * it will be converted to the inner matrix of such type for the further computing. - * @param probs0 the probabilities - * each sample. It has \(nsamples \times 1\) size and CV_64FC1 type. - * \(\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N\) (indices of the most probable - * mixture component for each sample). It has \(nsamples \times 1\) size and CV_32SC1 type. - * mixture component given the each sample. It has \(nsamples \times nclusters\) size and - * CV_64FC1 type. - * @return automatically generated - */ - public boolean trainM(Mat samples, Mat probs0) { - return trainM_3(nativeObj, samples.nativeObj, probs0.nativeObj); - } - - - // - // C++: static Ptr_EM cv::ml::EM::create() - // - - /** - * Creates empty %EM model. - * The model should be trained then using StatModel::train(traindata, flags) method. Alternatively, you - * can use one of the EM::train\* methods or load it from file using Algorithm::load<EM>(filename). - * @return automatically generated - */ - public static EM create() { - return EM.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_EM cv::ml::EM::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized EM from a file - * - * Use EM::save to serialize and store an EM to disk. - * Load the EM from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized EM - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static EM load(String filepath, String nodeName) { - return EM.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized EM from a file - * - * Use EM::save to serialize and store an EM to disk. - * Load the EM from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized EM - * @return automatically generated - */ - public static EM load(String filepath) { - return EM.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::EM::getClustersNumber() - private static native int getClustersNumber_0(long nativeObj); - - // C++: void cv::ml::EM::setClustersNumber(int val) - private static native void setClustersNumber_0(long nativeObj, int val); - - // C++: int cv::ml::EM::getCovarianceMatrixType() - private static native int getCovarianceMatrixType_0(long nativeObj); - - // C++: void cv::ml::EM::setCovarianceMatrixType(int val) - private static native void setCovarianceMatrixType_0(long nativeObj, int val); - - // C++: TermCriteria cv::ml::EM::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::EM::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // C++: Mat cv::ml::EM::getWeights() - private static native long getWeights_0(long nativeObj); - - // C++: Mat cv::ml::EM::getMeans() - private static native long getMeans_0(long nativeObj); - - // C++: void cv::ml::EM::getCovs(vector_Mat& covs) - private static native void getCovs_0(long nativeObj, long covs_mat_nativeObj); - - // C++: float cv::ml::EM::predict(Mat samples, Mat& results = Mat(), int flags = 0) - private static native float predict_0(long nativeObj, long samples_nativeObj, long results_nativeObj, int flags); - private static native float predict_1(long nativeObj, long samples_nativeObj, long results_nativeObj); - private static native float predict_2(long nativeObj, long samples_nativeObj); - - // C++: Vec2d cv::ml::EM::predict2(Mat sample, Mat& probs) - private static native double[] predict2_0(long nativeObj, long sample_nativeObj, long probs_nativeObj); - - // C++: bool cv::ml::EM::trainEM(Mat samples, Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - private static native boolean trainEM_0(long nativeObj, long samples_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj, long probs_nativeObj); - private static native boolean trainEM_1(long nativeObj, long samples_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj); - private static native boolean trainEM_2(long nativeObj, long samples_nativeObj, long logLikelihoods_nativeObj); - private static native boolean trainEM_3(long nativeObj, long samples_nativeObj); - - // C++: bool cv::ml::EM::trainE(Mat samples, Mat means0, Mat covs0 = Mat(), Mat weights0 = Mat(), Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - private static native boolean trainE_0(long nativeObj, long samples_nativeObj, long means0_nativeObj, long covs0_nativeObj, long weights0_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj, long probs_nativeObj); - private static native boolean trainE_1(long nativeObj, long samples_nativeObj, long means0_nativeObj, long covs0_nativeObj, long weights0_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj); - private static native boolean trainE_2(long nativeObj, long samples_nativeObj, long means0_nativeObj, long covs0_nativeObj, long weights0_nativeObj, long logLikelihoods_nativeObj); - private static native boolean trainE_3(long nativeObj, long samples_nativeObj, long means0_nativeObj, long covs0_nativeObj, long weights0_nativeObj); - private static native boolean trainE_4(long nativeObj, long samples_nativeObj, long means0_nativeObj, long covs0_nativeObj); - private static native boolean trainE_5(long nativeObj, long samples_nativeObj, long means0_nativeObj); - - // C++: bool cv::ml::EM::trainM(Mat samples, Mat probs0, Mat& logLikelihoods = Mat(), Mat& labels = Mat(), Mat& probs = Mat()) - private static native boolean trainM_0(long nativeObj, long samples_nativeObj, long probs0_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj, long probs_nativeObj); - private static native boolean trainM_1(long nativeObj, long samples_nativeObj, long probs0_nativeObj, long logLikelihoods_nativeObj, long labels_nativeObj); - private static native boolean trainM_2(long nativeObj, long samples_nativeObj, long probs0_nativeObj, long logLikelihoods_nativeObj); - private static native boolean trainM_3(long nativeObj, long samples_nativeObj, long probs0_nativeObj); - - // C++: static Ptr_EM cv::ml::EM::create() - private static native long create_0(); - - // C++: static Ptr_EM cv::ml::EM::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/KNearest.java b/vendor/opencv/sdk/java/src/org/opencv/ml/KNearest.java deleted file mode 100644 index ac610eeaa2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/KNearest.java +++ /dev/null @@ -1,309 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.ml.KNearest; -import org.opencv.ml.StatModel; - -// C++: class KNearest -/** - * The class implements K-Nearest Neighbors model - * - * SEE: REF: ml_intro_knn - */ -public class KNearest extends StatModel { - - protected KNearest(long addr) { super(addr); } - - // internal usage only - public static KNearest __fromPtr__(long addr) { return new KNearest(addr); } - - // C++: enum Types (cv.ml.KNearest.Types) - public static final int - BRUTE_FORCE = 1, - KDTREE = 2; - - - // - // C++: int cv::ml::KNearest::getDefaultK() - // - - /** - * SEE: setDefaultK - * @return automatically generated - */ - public int getDefaultK() { - return getDefaultK_0(nativeObj); - } - - - // - // C++: void cv::ml::KNearest::setDefaultK(int val) - // - - /** - * getDefaultK SEE: getDefaultK - * @param val automatically generated - */ - public void setDefaultK(int val) { - setDefaultK_0(nativeObj, val); - } - - - // - // C++: bool cv::ml::KNearest::getIsClassifier() - // - - /** - * SEE: setIsClassifier - * @return automatically generated - */ - public boolean getIsClassifier() { - return getIsClassifier_0(nativeObj); - } - - - // - // C++: void cv::ml::KNearest::setIsClassifier(bool val) - // - - /** - * getIsClassifier SEE: getIsClassifier - * @param val automatically generated - */ - public void setIsClassifier(boolean val) { - setIsClassifier_0(nativeObj, val); - } - - - // - // C++: int cv::ml::KNearest::getEmax() - // - - /** - * SEE: setEmax - * @return automatically generated - */ - public int getEmax() { - return getEmax_0(nativeObj); - } - - - // - // C++: void cv::ml::KNearest::setEmax(int val) - // - - /** - * getEmax SEE: getEmax - * @param val automatically generated - */ - public void setEmax(int val) { - setEmax_0(nativeObj, val); - } - - - // - // C++: int cv::ml::KNearest::getAlgorithmType() - // - - /** - * SEE: setAlgorithmType - * @return automatically generated - */ - public int getAlgorithmType() { - return getAlgorithmType_0(nativeObj); - } - - - // - // C++: void cv::ml::KNearest::setAlgorithmType(int val) - // - - /** - * getAlgorithmType SEE: getAlgorithmType - * @param val automatically generated - */ - public void setAlgorithmType(int val) { - setAlgorithmType_0(nativeObj, val); - } - - - // - // C++: float cv::ml::KNearest::findNearest(Mat samples, int k, Mat& results, Mat& neighborResponses = Mat(), Mat& dist = Mat()) - // - - /** - * Finds the neighbors and predicts responses for input vectors. - * - * @param samples Input samples stored by rows. It is a single-precision floating-point matrix of - * {@code <number_of_samples> * k} size. - * @param k Number of used nearest neighbors. Should be greater than 1. - * @param results Vector with results of prediction (regression or classification) for each input - * sample. It is a single-precision floating-point vector with {@code <number_of_samples>} elements. - * @param neighborResponses Optional output values for corresponding neighbors. It is a single- - * precision floating-point matrix of {@code <number_of_samples> * k} size. - * @param dist Optional output distances from the input vectors to the corresponding neighbors. It - * is a single-precision floating-point matrix of {@code <number_of_samples> * k} size. - * - * For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - * In case of regression, the predicted result is a mean value of the particular vector's neighbor - * responses. In case of classification, the class is determined by voting. - * - * For each input vector, the neighbors are sorted by their distances to the vector. - * - * In case of C++ interface you can use output pointers to empty matrices and the function will - * allocate memory itself. - * - * If only a single input vector is passed, all output matrices are optional and the predicted - * value is returned by the method. - * - * The function is parallelized with the TBB library. - * @return automatically generated - */ - public float findNearest(Mat samples, int k, Mat results, Mat neighborResponses, Mat dist) { - return findNearest_0(nativeObj, samples.nativeObj, k, results.nativeObj, neighborResponses.nativeObj, dist.nativeObj); - } - - /** - * Finds the neighbors and predicts responses for input vectors. - * - * @param samples Input samples stored by rows. It is a single-precision floating-point matrix of - * {@code <number_of_samples> * k} size. - * @param k Number of used nearest neighbors. Should be greater than 1. - * @param results Vector with results of prediction (regression or classification) for each input - * sample. It is a single-precision floating-point vector with {@code <number_of_samples>} elements. - * @param neighborResponses Optional output values for corresponding neighbors. It is a single- - * precision floating-point matrix of {@code <number_of_samples> * k} size. - * is a single-precision floating-point matrix of {@code <number_of_samples> * k} size. - * - * For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - * In case of regression, the predicted result is a mean value of the particular vector's neighbor - * responses. In case of classification, the class is determined by voting. - * - * For each input vector, the neighbors are sorted by their distances to the vector. - * - * In case of C++ interface you can use output pointers to empty matrices and the function will - * allocate memory itself. - * - * If only a single input vector is passed, all output matrices are optional and the predicted - * value is returned by the method. - * - * The function is parallelized with the TBB library. - * @return automatically generated - */ - public float findNearest(Mat samples, int k, Mat results, Mat neighborResponses) { - return findNearest_1(nativeObj, samples.nativeObj, k, results.nativeObj, neighborResponses.nativeObj); - } - - /** - * Finds the neighbors and predicts responses for input vectors. - * - * @param samples Input samples stored by rows. It is a single-precision floating-point matrix of - * {@code <number_of_samples> * k} size. - * @param k Number of used nearest neighbors. Should be greater than 1. - * @param results Vector with results of prediction (regression or classification) for each input - * sample. It is a single-precision floating-point vector with {@code <number_of_samples>} elements. - * precision floating-point matrix of {@code <number_of_samples> * k} size. - * is a single-precision floating-point matrix of {@code <number_of_samples> * k} size. - * - * For each input vector (a row of the matrix samples), the method finds the k nearest neighbors. - * In case of regression, the predicted result is a mean value of the particular vector's neighbor - * responses. In case of classification, the class is determined by voting. - * - * For each input vector, the neighbors are sorted by their distances to the vector. - * - * In case of C++ interface you can use output pointers to empty matrices and the function will - * allocate memory itself. - * - * If only a single input vector is passed, all output matrices are optional and the predicted - * value is returned by the method. - * - * The function is parallelized with the TBB library. - * @return automatically generated - */ - public float findNearest(Mat samples, int k, Mat results) { - return findNearest_2(nativeObj, samples.nativeObj, k, results.nativeObj); - } - - - // - // C++: static Ptr_KNearest cv::ml::KNearest::create() - // - - /** - * Creates the empty model - * - * The static method creates empty %KNearest classifier. It should be then trained using StatModel::train method. - * @return automatically generated - */ - public static KNearest create() { - return KNearest.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_KNearest cv::ml::KNearest::load(String filepath) - // - - /** - * Loads and creates a serialized knearest from a file - * - * Use KNearest::save to serialize and store an KNearest to disk. - * Load the KNearest from this file again, by calling this function with the path to the file. - * - * @param filepath path to serialized KNearest - * @return automatically generated - */ - public static KNearest load(String filepath) { - return KNearest.__fromPtr__(load_0(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::KNearest::getDefaultK() - private static native int getDefaultK_0(long nativeObj); - - // C++: void cv::ml::KNearest::setDefaultK(int val) - private static native void setDefaultK_0(long nativeObj, int val); - - // C++: bool cv::ml::KNearest::getIsClassifier() - private static native boolean getIsClassifier_0(long nativeObj); - - // C++: void cv::ml::KNearest::setIsClassifier(bool val) - private static native void setIsClassifier_0(long nativeObj, boolean val); - - // C++: int cv::ml::KNearest::getEmax() - private static native int getEmax_0(long nativeObj); - - // C++: void cv::ml::KNearest::setEmax(int val) - private static native void setEmax_0(long nativeObj, int val); - - // C++: int cv::ml::KNearest::getAlgorithmType() - private static native int getAlgorithmType_0(long nativeObj); - - // C++: void cv::ml::KNearest::setAlgorithmType(int val) - private static native void setAlgorithmType_0(long nativeObj, int val); - - // C++: float cv::ml::KNearest::findNearest(Mat samples, int k, Mat& results, Mat& neighborResponses = Mat(), Mat& dist = Mat()) - private static native float findNearest_0(long nativeObj, long samples_nativeObj, int k, long results_nativeObj, long neighborResponses_nativeObj, long dist_nativeObj); - private static native float findNearest_1(long nativeObj, long samples_nativeObj, int k, long results_nativeObj, long neighborResponses_nativeObj); - private static native float findNearest_2(long nativeObj, long samples_nativeObj, int k, long results_nativeObj); - - // C++: static Ptr_KNearest cv::ml::KNearest::create() - private static native long create_0(); - - // C++: static Ptr_KNearest cv::ml::KNearest::load(String filepath) - private static native long load_0(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/LogisticRegression.java b/vendor/opencv/sdk/java/src/org/opencv/ml/LogisticRegression.java deleted file mode 100644 index 215c0a10ff..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/LogisticRegression.java +++ /dev/null @@ -1,360 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.LogisticRegression; -import org.opencv.ml.StatModel; - -// C++: class LogisticRegression -/** - * Implements Logistic Regression classifier. - * - * SEE: REF: ml_intro_lr - */ -public class LogisticRegression extends StatModel { - - protected LogisticRegression(long addr) { super(addr); } - - // internal usage only - public static LogisticRegression __fromPtr__(long addr) { return new LogisticRegression(addr); } - - // C++: enum Methods (cv.ml.LogisticRegression.Methods) - public static final int - BATCH = 0, - MINI_BATCH = 1; - - - // C++: enum RegKinds (cv.ml.LogisticRegression.RegKinds) - public static final int - REG_DISABLE = -1, - REG_L1 = 0, - REG_L2 = 1; - - - // - // C++: double cv::ml::LogisticRegression::getLearningRate() - // - - /** - * SEE: setLearningRate - * @return automatically generated - */ - public double getLearningRate() { - return getLearningRate_0(nativeObj); - } - - - // - // C++: void cv::ml::LogisticRegression::setLearningRate(double val) - // - - /** - * getLearningRate SEE: getLearningRate - * @param val automatically generated - */ - public void setLearningRate(double val) { - setLearningRate_0(nativeObj, val); - } - - - // - // C++: int cv::ml::LogisticRegression::getIterations() - // - - /** - * SEE: setIterations - * @return automatically generated - */ - public int getIterations() { - return getIterations_0(nativeObj); - } - - - // - // C++: void cv::ml::LogisticRegression::setIterations(int val) - // - - /** - * getIterations SEE: getIterations - * @param val automatically generated - */ - public void setIterations(int val) { - setIterations_0(nativeObj, val); - } - - - // - // C++: int cv::ml::LogisticRegression::getRegularization() - // - - /** - * SEE: setRegularization - * @return automatically generated - */ - public int getRegularization() { - return getRegularization_0(nativeObj); - } - - - // - // C++: void cv::ml::LogisticRegression::setRegularization(int val) - // - - /** - * getRegularization SEE: getRegularization - * @param val automatically generated - */ - public void setRegularization(int val) { - setRegularization_0(nativeObj, val); - } - - - // - // C++: int cv::ml::LogisticRegression::getTrainMethod() - // - - /** - * SEE: setTrainMethod - * @return automatically generated - */ - public int getTrainMethod() { - return getTrainMethod_0(nativeObj); - } - - - // - // C++: void cv::ml::LogisticRegression::setTrainMethod(int val) - // - - /** - * getTrainMethod SEE: getTrainMethod - * @param val automatically generated - */ - public void setTrainMethod(int val) { - setTrainMethod_0(nativeObj, val); - } - - - // - // C++: int cv::ml::LogisticRegression::getMiniBatchSize() - // - - /** - * SEE: setMiniBatchSize - * @return automatically generated - */ - public int getMiniBatchSize() { - return getMiniBatchSize_0(nativeObj); - } - - - // - // C++: void cv::ml::LogisticRegression::setMiniBatchSize(int val) - // - - /** - * getMiniBatchSize SEE: getMiniBatchSize - * @param val automatically generated - */ - public void setMiniBatchSize(int val) { - setMiniBatchSize_0(nativeObj, val); - } - - - // - // C++: TermCriteria cv::ml::LogisticRegression::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::LogisticRegression::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - // - // C++: float cv::ml::LogisticRegression::predict(Mat samples, Mat& results = Mat(), int flags = 0) - // - - /** - * Predicts responses for input samples and returns a float type. - * - * @param samples The input data for the prediction algorithm. Matrix [m x n], where each row - * contains variables (features) of one object being classified. Should have data type CV_32F. - * @param results Predicted labels as a column matrix of type CV_32S. - * @param flags Not used. - * @return automatically generated - */ - public float predict(Mat samples, Mat results, int flags) { - return predict_0(nativeObj, samples.nativeObj, results.nativeObj, flags); - } - - /** - * Predicts responses for input samples and returns a float type. - * - * @param samples The input data for the prediction algorithm. Matrix [m x n], where each row - * contains variables (features) of one object being classified. Should have data type CV_32F. - * @param results Predicted labels as a column matrix of type CV_32S. - * @return automatically generated - */ - public float predict(Mat samples, Mat results) { - return predict_1(nativeObj, samples.nativeObj, results.nativeObj); - } - - /** - * Predicts responses for input samples and returns a float type. - * - * @param samples The input data for the prediction algorithm. Matrix [m x n], where each row - * contains variables (features) of one object being classified. Should have data type CV_32F. - * @return automatically generated - */ - public float predict(Mat samples) { - return predict_2(nativeObj, samples.nativeObj); - } - - - // - // C++: Mat cv::ml::LogisticRegression::get_learnt_thetas() - // - - /** - * This function returns the trained parameters arranged across rows. - * - * For a two class classification problem, it returns a row matrix. It returns learnt parameters of - * the Logistic Regression as a matrix of type CV_32F. - * @return automatically generated - */ - public Mat get_learnt_thetas() { - return new Mat(get_learnt_thetas_0(nativeObj)); - } - - - // - // C++: static Ptr_LogisticRegression cv::ml::LogisticRegression::create() - // - - /** - * Creates empty model. - * - * Creates Logistic Regression model with parameters given. - * @return automatically generated - */ - public static LogisticRegression create() { - return LogisticRegression.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_LogisticRegression cv::ml::LogisticRegression::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized LogisticRegression from a file - * - * Use LogisticRegression::save to serialize and store an LogisticRegression to disk. - * Load the LogisticRegression from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized LogisticRegression - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static LogisticRegression load(String filepath, String nodeName) { - return LogisticRegression.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized LogisticRegression from a file - * - * Use LogisticRegression::save to serialize and store an LogisticRegression to disk. - * Load the LogisticRegression from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized LogisticRegression - * @return automatically generated - */ - public static LogisticRegression load(String filepath) { - return LogisticRegression.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: double cv::ml::LogisticRegression::getLearningRate() - private static native double getLearningRate_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setLearningRate(double val) - private static native void setLearningRate_0(long nativeObj, double val); - - // C++: int cv::ml::LogisticRegression::getIterations() - private static native int getIterations_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setIterations(int val) - private static native void setIterations_0(long nativeObj, int val); - - // C++: int cv::ml::LogisticRegression::getRegularization() - private static native int getRegularization_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setRegularization(int val) - private static native void setRegularization_0(long nativeObj, int val); - - // C++: int cv::ml::LogisticRegression::getTrainMethod() - private static native int getTrainMethod_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setTrainMethod(int val) - private static native void setTrainMethod_0(long nativeObj, int val); - - // C++: int cv::ml::LogisticRegression::getMiniBatchSize() - private static native int getMiniBatchSize_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setMiniBatchSize(int val) - private static native void setMiniBatchSize_0(long nativeObj, int val); - - // C++: TermCriteria cv::ml::LogisticRegression::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::LogisticRegression::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // C++: float cv::ml::LogisticRegression::predict(Mat samples, Mat& results = Mat(), int flags = 0) - private static native float predict_0(long nativeObj, long samples_nativeObj, long results_nativeObj, int flags); - private static native float predict_1(long nativeObj, long samples_nativeObj, long results_nativeObj); - private static native float predict_2(long nativeObj, long samples_nativeObj); - - // C++: Mat cv::ml::LogisticRegression::get_learnt_thetas() - private static native long get_learnt_thetas_0(long nativeObj); - - // C++: static Ptr_LogisticRegression cv::ml::LogisticRegression::create() - private static native long create_0(); - - // C++: static Ptr_LogisticRegression cv::ml::LogisticRegression::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/Ml.java b/vendor/opencv/sdk/java/src/org/opencv/ml/Ml.java deleted file mode 100644 index 6c27cc2ba0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/Ml.java +++ /dev/null @@ -1,33 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - - - -// C++: class Ml - -public class Ml { - - // C++: enum ErrorTypes (cv.ml.ErrorTypes) - public static final int - TEST_ERROR = 0, - TRAIN_ERROR = 1; - - - // C++: enum SampleTypes (cv.ml.SampleTypes) - public static final int - ROW_SAMPLE = 0, - COL_SAMPLE = 1; - - - // C++: enum VariableTypes (cv.ml.VariableTypes) - public static final int - VAR_NUMERICAL = 0, - VAR_ORDERED = 0, - VAR_CATEGORICAL = 1; - - - - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/NormalBayesClassifier.java b/vendor/opencv/sdk/java/src/org/opencv/ml/NormalBayesClassifier.java deleted file mode 100644 index 98cd906654..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/NormalBayesClassifier.java +++ /dev/null @@ -1,132 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.ml.NormalBayesClassifier; -import org.opencv.ml.StatModel; - -// C++: class NormalBayesClassifier -/** - * Bayes classifier for normally distributed data. - * - * SEE: REF: ml_intro_bayes - */ -public class NormalBayesClassifier extends StatModel { - - protected NormalBayesClassifier(long addr) { super(addr); } - - // internal usage only - public static NormalBayesClassifier __fromPtr__(long addr) { return new NormalBayesClassifier(addr); } - - // - // C++: float cv::ml::NormalBayesClassifier::predictProb(Mat inputs, Mat& outputs, Mat& outputProbs, int flags = 0) - // - - /** - * Predicts the response for sample(s). - * - * The method estimates the most probable classes for input vectors. Input vectors (one or more) - * are stored as rows of the matrix inputs. In case of multiple input vectors, there should be one - * output vector outputs. The predicted class for a single input vector is returned by the method. - * The vector outputProbs contains the output probabilities corresponding to each element of - * result. - * @param inputs automatically generated - * @param outputs automatically generated - * @param outputProbs automatically generated - * @param flags automatically generated - * @return automatically generated - */ - public float predictProb(Mat inputs, Mat outputs, Mat outputProbs, int flags) { - return predictProb_0(nativeObj, inputs.nativeObj, outputs.nativeObj, outputProbs.nativeObj, flags); - } - - /** - * Predicts the response for sample(s). - * - * The method estimates the most probable classes for input vectors. Input vectors (one or more) - * are stored as rows of the matrix inputs. In case of multiple input vectors, there should be one - * output vector outputs. The predicted class for a single input vector is returned by the method. - * The vector outputProbs contains the output probabilities corresponding to each element of - * result. - * @param inputs automatically generated - * @param outputs automatically generated - * @param outputProbs automatically generated - * @return automatically generated - */ - public float predictProb(Mat inputs, Mat outputs, Mat outputProbs) { - return predictProb_1(nativeObj, inputs.nativeObj, outputs.nativeObj, outputProbs.nativeObj); - } - - - // - // C++: static Ptr_NormalBayesClassifier cv::ml::NormalBayesClassifier::create() - // - - /** - * Creates empty model - * Use StatModel::train to train the model after creation. - * @return automatically generated - */ - public static NormalBayesClassifier create() { - return NormalBayesClassifier.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_NormalBayesClassifier cv::ml::NormalBayesClassifier::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized NormalBayesClassifier from a file - * - * Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk. - * Load the NormalBayesClassifier from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized NormalBayesClassifier - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static NormalBayesClassifier load(String filepath, String nodeName) { - return NormalBayesClassifier.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized NormalBayesClassifier from a file - * - * Use NormalBayesClassifier::save to serialize and store an NormalBayesClassifier to disk. - * Load the NormalBayesClassifier from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized NormalBayesClassifier - * @return automatically generated - */ - public static NormalBayesClassifier load(String filepath) { - return NormalBayesClassifier.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: float cv::ml::NormalBayesClassifier::predictProb(Mat inputs, Mat& outputs, Mat& outputProbs, int flags = 0) - private static native float predictProb_0(long nativeObj, long inputs_nativeObj, long outputs_nativeObj, long outputProbs_nativeObj, int flags); - private static native float predictProb_1(long nativeObj, long inputs_nativeObj, long outputs_nativeObj, long outputProbs_nativeObj); - - // C++: static Ptr_NormalBayesClassifier cv::ml::NormalBayesClassifier::create() - private static native long create_0(); - - // C++: static Ptr_NormalBayesClassifier cv::ml::NormalBayesClassifier::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/ParamGrid.java b/vendor/opencv/sdk/java/src/org/opencv/ml/ParamGrid.java deleted file mode 100644 index 704be31a4d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/ParamGrid.java +++ /dev/null @@ -1,160 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.ml.ParamGrid; - -// C++: class ParamGrid -/** - * The structure represents the logarithmic grid range of statmodel parameters. - * - * It is used for optimizing statmodel accuracy by varying model parameters, the accuracy estimate - * being computed by cross-validation. - */ -public class ParamGrid { - - protected final long nativeObj; - protected ParamGrid(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static ParamGrid __fromPtr__(long addr) { return new ParamGrid(addr); } - - // - // C++: static Ptr_ParamGrid cv::ml::ParamGrid::create(double minVal = 0., double maxVal = 0., double logstep = 1.) - // - - /** - * Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method - * - * @param minVal minimum value of the parameter grid - * @param maxVal maximum value of the parameter grid - * @param logstep Logarithmic step for iterating the statmodel parameter - * @return automatically generated - */ - public static ParamGrid create(double minVal, double maxVal, double logstep) { - return ParamGrid.__fromPtr__(create_0(minVal, maxVal, logstep)); - } - - /** - * Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method - * - * @param minVal minimum value of the parameter grid - * @param maxVal maximum value of the parameter grid - * @return automatically generated - */ - public static ParamGrid create(double minVal, double maxVal) { - return ParamGrid.__fromPtr__(create_1(minVal, maxVal)); - } - - /** - * Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method - * - * @param minVal minimum value of the parameter grid - * @return automatically generated - */ - public static ParamGrid create(double minVal) { - return ParamGrid.__fromPtr__(create_2(minVal)); - } - - /** - * Creates a ParamGrid Ptr that can be given to the %SVM::trainAuto method - * - * @return automatically generated - */ - public static ParamGrid create() { - return ParamGrid.__fromPtr__(create_3()); - } - - - // - // C++: double ParamGrid::minVal - // - - public double get_minVal() { - return get_minVal_0(nativeObj); - } - - - // - // C++: void ParamGrid::minVal - // - - public void set_minVal(double minVal) { - set_minVal_0(nativeObj, minVal); - } - - - // - // C++: double ParamGrid::maxVal - // - - public double get_maxVal() { - return get_maxVal_0(nativeObj); - } - - - // - // C++: void ParamGrid::maxVal - // - - public void set_maxVal(double maxVal) { - set_maxVal_0(nativeObj, maxVal); - } - - - // - // C++: double ParamGrid::logStep - // - - public double get_logStep() { - return get_logStep_0(nativeObj); - } - - - // - // C++: void ParamGrid::logStep - // - - public void set_logStep(double logStep) { - set_logStep_0(nativeObj, logStep); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_ParamGrid cv::ml::ParamGrid::create(double minVal = 0., double maxVal = 0., double logstep = 1.) - private static native long create_0(double minVal, double maxVal, double logstep); - private static native long create_1(double minVal, double maxVal); - private static native long create_2(double minVal); - private static native long create_3(); - - // C++: double ParamGrid::minVal - private static native double get_minVal_0(long nativeObj); - - // C++: void ParamGrid::minVal - private static native void set_minVal_0(long nativeObj, double minVal); - - // C++: double ParamGrid::maxVal - private static native double get_maxVal_0(long nativeObj); - - // C++: void ParamGrid::maxVal - private static native void set_maxVal_0(long nativeObj, double maxVal); - - // C++: double ParamGrid::logStep - private static native double get_logStep_0(long nativeObj); - - // C++: void ParamGrid::logStep - private static native void set_logStep_0(long nativeObj, double logStep); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/RTrees.java b/vendor/opencv/sdk/java/src/org/opencv/ml/RTrees.java deleted file mode 100644 index dd476531af..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/RTrees.java +++ /dev/null @@ -1,244 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.DTrees; -import org.opencv.ml.RTrees; - -// C++: class RTrees -/** - * The class implements the random forest predictor. - * - * SEE: REF: ml_intro_rtrees - */ -public class RTrees extends DTrees { - - protected RTrees(long addr) { super(addr); } - - // internal usage only - public static RTrees __fromPtr__(long addr) { return new RTrees(addr); } - - // - // C++: bool cv::ml::RTrees::getCalculateVarImportance() - // - - /** - * SEE: setCalculateVarImportance - * @return automatically generated - */ - public boolean getCalculateVarImportance() { - return getCalculateVarImportance_0(nativeObj); - } - - - // - // C++: void cv::ml::RTrees::setCalculateVarImportance(bool val) - // - - /** - * getCalculateVarImportance SEE: getCalculateVarImportance - * @param val automatically generated - */ - public void setCalculateVarImportance(boolean val) { - setCalculateVarImportance_0(nativeObj, val); - } - - - // - // C++: int cv::ml::RTrees::getActiveVarCount() - // - - /** - * SEE: setActiveVarCount - * @return automatically generated - */ - public int getActiveVarCount() { - return getActiveVarCount_0(nativeObj); - } - - - // - // C++: void cv::ml::RTrees::setActiveVarCount(int val) - // - - /** - * getActiveVarCount SEE: getActiveVarCount - * @param val automatically generated - */ - public void setActiveVarCount(int val) { - setActiveVarCount_0(nativeObj, val); - } - - - // - // C++: TermCriteria cv::ml::RTrees::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::RTrees::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - // - // C++: Mat cv::ml::RTrees::getVarImportance() - // - - /** - * Returns the variable importance array. - * The method returns the variable importance vector, computed at the training stage when - * CalculateVarImportance is set to true. If this flag was set to false, the empty matrix is - * returned. - * @return automatically generated - */ - public Mat getVarImportance() { - return new Mat(getVarImportance_0(nativeObj)); - } - - - // - // C++: void cv::ml::RTrees::getVotes(Mat samples, Mat& results, int flags) - // - - /** - * Returns the result of each individual tree in the forest. - * In case the model is a regression problem, the method will return each of the trees' - * results for each of the sample cases. If the model is a classifier, it will return - * a Mat with samples + 1 rows, where the first row gives the class number and the - * following rows return the votes each class had for each sample. - * @param samples Array containing the samples for which votes will be calculated. - * @param results Array where the result of the calculation will be written. - * @param flags Flags for defining the type of RTrees. - */ - public void getVotes(Mat samples, Mat results, int flags) { - getVotes_0(nativeObj, samples.nativeObj, results.nativeObj, flags); - } - - - // - // C++: double cv::ml::RTrees::getOOBError() - // - - /** - * Returns the OOB error value, computed at the training stage when calcOOBError is set to true. - * If this flag was set to false, 0 is returned. The OOB error is also scaled by sample weighting. - * @return automatically generated - */ - public double getOOBError() { - return getOOBError_0(nativeObj); - } - - - // - // C++: static Ptr_RTrees cv::ml::RTrees::create() - // - - /** - * Creates the empty model. - * Use StatModel::train to train the model, StatModel::train to create and train the model, - * Algorithm::load to load the pre-trained model. - * @return automatically generated - */ - public static RTrees create() { - return RTrees.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_RTrees cv::ml::RTrees::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized RTree from a file - * - * Use RTree::save to serialize and store an RTree to disk. - * Load the RTree from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized RTree - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static RTrees load(String filepath, String nodeName) { - return RTrees.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized RTree from a file - * - * Use RTree::save to serialize and store an RTree to disk. - * Load the RTree from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized RTree - * @return automatically generated - */ - public static RTrees load(String filepath) { - return RTrees.__fromPtr__(load_1(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: bool cv::ml::RTrees::getCalculateVarImportance() - private static native boolean getCalculateVarImportance_0(long nativeObj); - - // C++: void cv::ml::RTrees::setCalculateVarImportance(bool val) - private static native void setCalculateVarImportance_0(long nativeObj, boolean val); - - // C++: int cv::ml::RTrees::getActiveVarCount() - private static native int getActiveVarCount_0(long nativeObj); - - // C++: void cv::ml::RTrees::setActiveVarCount(int val) - private static native void setActiveVarCount_0(long nativeObj, int val); - - // C++: TermCriteria cv::ml::RTrees::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::RTrees::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // C++: Mat cv::ml::RTrees::getVarImportance() - private static native long getVarImportance_0(long nativeObj); - - // C++: void cv::ml::RTrees::getVotes(Mat samples, Mat& results, int flags) - private static native void getVotes_0(long nativeObj, long samples_nativeObj, long results_nativeObj, int flags); - - // C++: double cv::ml::RTrees::getOOBError() - private static native double getOOBError_0(long nativeObj); - - // C++: static Ptr_RTrees cv::ml::RTrees::create() - private static native long create_0(); - - // C++: static Ptr_RTrees cv::ml::RTrees::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/SVM.java b/vendor/opencv/sdk/java/src/org/opencv/ml/SVM.java deleted file mode 100644 index 926e290b27..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/SVM.java +++ /dev/null @@ -1,802 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.ParamGrid; -import org.opencv.ml.SVM; -import org.opencv.ml.StatModel; - -// C++: class SVM -/** - * Support Vector Machines. - * - * SEE: REF: ml_intro_svm - */ -public class SVM extends StatModel { - - protected SVM(long addr) { super(addr); } - - // internal usage only - public static SVM __fromPtr__(long addr) { return new SVM(addr); } - - // C++: enum KernelTypes (cv.ml.SVM.KernelTypes) - public static final int - CUSTOM = -1, - LINEAR = 0, - POLY = 1, - RBF = 2, - SIGMOID = 3, - CHI2 = 4, - INTER = 5; - - - // C++: enum ParamTypes (cv.ml.SVM.ParamTypes) - public static final int - C = 0, - GAMMA = 1, - P = 2, - NU = 3, - COEF = 4, - DEGREE = 5; - - - // C++: enum Types (cv.ml.SVM.Types) - public static final int - C_SVC = 100, - NU_SVC = 101, - ONE_CLASS = 102, - EPS_SVR = 103, - NU_SVR = 104; - - - // - // C++: int cv::ml::SVM::getType() - // - - /** - * SEE: setType - * @return automatically generated - */ - public int getType() { - return getType_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setType(int val) - // - - /** - * getType SEE: getType - * @param val automatically generated - */ - public void setType(int val) { - setType_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getGamma() - // - - /** - * SEE: setGamma - * @return automatically generated - */ - public double getGamma() { - return getGamma_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setGamma(double val) - // - - /** - * getGamma SEE: getGamma - * @param val automatically generated - */ - public void setGamma(double val) { - setGamma_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getCoef0() - // - - /** - * SEE: setCoef0 - * @return automatically generated - */ - public double getCoef0() { - return getCoef0_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setCoef0(double val) - // - - /** - * getCoef0 SEE: getCoef0 - * @param val automatically generated - */ - public void setCoef0(double val) { - setCoef0_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getDegree() - // - - /** - * SEE: setDegree - * @return automatically generated - */ - public double getDegree() { - return getDegree_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setDegree(double val) - // - - /** - * getDegree SEE: getDegree - * @param val automatically generated - */ - public void setDegree(double val) { - setDegree_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getC() - // - - /** - * SEE: setC - * @return automatically generated - */ - public double getC() { - return getC_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setC(double val) - // - - /** - * getC SEE: getC - * @param val automatically generated - */ - public void setC(double val) { - setC_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getNu() - // - - /** - * SEE: setNu - * @return automatically generated - */ - public double getNu() { - return getNu_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setNu(double val) - // - - /** - * getNu SEE: getNu - * @param val automatically generated - */ - public void setNu(double val) { - setNu_0(nativeObj, val); - } - - - // - // C++: double cv::ml::SVM::getP() - // - - /** - * SEE: setP - * @return automatically generated - */ - public double getP() { - return getP_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setP(double val) - // - - /** - * getP SEE: getP - * @param val automatically generated - */ - public void setP(double val) { - setP_0(nativeObj, val); - } - - - // - // C++: Mat cv::ml::SVM::getClassWeights() - // - - /** - * SEE: setClassWeights - * @return automatically generated - */ - public Mat getClassWeights() { - return new Mat(getClassWeights_0(nativeObj)); - } - - - // - // C++: void cv::ml::SVM::setClassWeights(Mat val) - // - - /** - * getClassWeights SEE: getClassWeights - * @param val automatically generated - */ - public void setClassWeights(Mat val) { - setClassWeights_0(nativeObj, val.nativeObj); - } - - - // - // C++: TermCriteria cv::ml::SVM::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::SVM::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - // - // C++: int cv::ml::SVM::getKernelType() - // - - /** - * Type of a %SVM kernel. - * See SVM::KernelTypes. Default value is SVM::RBF. - * @return automatically generated - */ - public int getKernelType() { - return getKernelType_0(nativeObj); - } - - - // - // C++: void cv::ml::SVM::setKernel(int kernelType) - // - - /** - * Initialize with one of predefined kernels. - * See SVM::KernelTypes. - * @param kernelType automatically generated - */ - public void setKernel(int kernelType) { - setKernel_0(nativeObj, kernelType); - } - - - // - // C++: bool cv::ml::SVM::trainAuto(Mat samples, int layout, Mat responses, int kFold = 10, Ptr_ParamGrid Cgrid = SVM::getDefaultGridPtr(SVM::C), Ptr_ParamGrid gammaGrid = SVM::getDefaultGridPtr(SVM::GAMMA), Ptr_ParamGrid pGrid = SVM::getDefaultGridPtr(SVM::P), Ptr_ParamGrid nuGrid = SVM::getDefaultGridPtr(SVM::NU), Ptr_ParamGrid coeffGrid = SVM::getDefaultGridPtr(SVM::COEF), Ptr_ParamGrid degreeGrid = SVM::getDefaultGridPtr(SVM::DEGREE), bool balanced = false) - // - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * @param pGrid grid for p - * @param nuGrid grid for nu - * @param coeffGrid grid for coeff - * @param degreeGrid grid for degree - * @param balanced If true and the problem is 2-class classification then the method creates more - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid, ParamGrid pGrid, ParamGrid nuGrid, ParamGrid coeffGrid, ParamGrid degreeGrid, boolean balanced) { - return trainAuto_0(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr(), pGrid.getNativeObjAddr(), nuGrid.getNativeObjAddr(), coeffGrid.getNativeObjAddr(), degreeGrid.getNativeObjAddr(), balanced); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * @param pGrid grid for p - * @param nuGrid grid for nu - * @param coeffGrid grid for coeff - * @param degreeGrid grid for degree - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid, ParamGrid pGrid, ParamGrid nuGrid, ParamGrid coeffGrid, ParamGrid degreeGrid) { - return trainAuto_1(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr(), pGrid.getNativeObjAddr(), nuGrid.getNativeObjAddr(), coeffGrid.getNativeObjAddr(), degreeGrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * @param pGrid grid for p - * @param nuGrid grid for nu - * @param coeffGrid grid for coeff - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid, ParamGrid pGrid, ParamGrid nuGrid, ParamGrid coeffGrid) { - return trainAuto_2(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr(), pGrid.getNativeObjAddr(), nuGrid.getNativeObjAddr(), coeffGrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * @param pGrid grid for p - * @param nuGrid grid for nu - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid, ParamGrid pGrid, ParamGrid nuGrid) { - return trainAuto_3(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr(), pGrid.getNativeObjAddr(), nuGrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * @param pGrid grid for p - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid, ParamGrid pGrid) { - return trainAuto_4(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr(), pGrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * @param gammaGrid grid for gamma - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid, ParamGrid gammaGrid) { - return trainAuto_5(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr(), gammaGrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * @param Cgrid grid for C - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold, ParamGrid Cgrid) { - return trainAuto_6(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold, Cgrid.getNativeObjAddr()); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @param kFold Cross-validation parameter. The training set is divided into kFold subsets. One - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses, int kFold) { - return trainAuto_7(nativeObj, samples.nativeObj, layout, responses.nativeObj, kFold); - } - - /** - * Trains an %SVM with optimal parameters - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * subset is used to test the model, the others form the train set. So, the %SVM algorithm is - * balanced cross-validation subsets that is proportions between classes in subsets are close - * to such proportion in the whole train dataset. - * - * The method trains the %SVM model automatically by choosing the optimal parameters C, gamma, p, - * nu, coef0, degree. Parameters are considered optimal when the cross-validation - * estimate of the test set error is minimal. - * - * This function only makes use of SVM::getDefaultGrid for parameter optimization and thus only - * offers rudimentary parameter options. - * - * This function works for the classification (SVM::C_SVC or SVM::NU_SVC) as well as for the - * regression (SVM::EPS_SVR or SVM::NU_SVR). If it is SVM::ONE_CLASS, no optimization is made and - * the usual %SVM with parameters specified in params is executed. - * @return automatically generated - */ - public boolean trainAuto(Mat samples, int layout, Mat responses) { - return trainAuto_8(nativeObj, samples.nativeObj, layout, responses.nativeObj); - } - - - // - // C++: Mat cv::ml::SVM::getSupportVectors() - // - - /** - * Retrieves all the support vectors - * - * The method returns all the support vectors as a floating-point matrix, where support vectors are - * stored as matrix rows. - * @return automatically generated - */ - public Mat getSupportVectors() { - return new Mat(getSupportVectors_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::SVM::getUncompressedSupportVectors() - // - - /** - * Retrieves all the uncompressed support vectors of a linear %SVM - * - * The method returns all the uncompressed support vectors of a linear %SVM that the compressed - * support vector, used for prediction, was derived from. They are returned in a floating-point - * matrix, where the support vectors are stored as matrix rows. - * @return automatically generated - */ - public Mat getUncompressedSupportVectors() { - return new Mat(getUncompressedSupportVectors_0(nativeObj)); - } - - - // - // C++: double cv::ml::SVM::getDecisionFunction(int i, Mat& alpha, Mat& svidx) - // - - /** - * Retrieves the decision function - * - * @param i the index of the decision function. If the problem solved is regression, 1-class or - * 2-class classification, then there will be just one decision function and the index should - * always be 0. Otherwise, in the case of N-class classification, there will be \(N(N-1)/2\) - * decision functions. - * @param alpha the optional output vector for weights, corresponding to different support vectors. - * In the case of linear %SVM all the alpha's will be 1's. - * @param svidx the optional output vector of indices of support vectors within the matrix of - * support vectors (which can be retrieved by SVM::getSupportVectors). In the case of linear - * %SVM each decision function consists of a single "compressed" support vector. - * - * The method returns rho parameter of the decision function, a scalar subtracted from the weighted - * sum of kernel responses. - * @return automatically generated - */ - public double getDecisionFunction(int i, Mat alpha, Mat svidx) { - return getDecisionFunction_0(nativeObj, i, alpha.nativeObj, svidx.nativeObj); - } - - - // - // C++: static Ptr_ParamGrid cv::ml::SVM::getDefaultGridPtr(int param_id) - // - - /** - * Generates a grid for %SVM parameters. - * - * @param param_id %SVM parameters IDs that must be one of the SVM::ParamTypes. The grid is - * generated for the parameter with this ID. - * - * The function generates a grid pointer for the specified parameter of the %SVM algorithm. - * The grid may be passed to the function SVM::trainAuto. - * @return automatically generated - */ - public static ParamGrid getDefaultGridPtr(int param_id) { - return ParamGrid.__fromPtr__(getDefaultGridPtr_0(param_id)); - } - - - // - // C++: static Ptr_SVM cv::ml::SVM::create() - // - - /** - * Creates empty model. - * Use StatModel::train to train the model. Since %SVM has several parameters, you may want to - * find the best parameters for your problem, it can be done with SVM::trainAuto. - * @return automatically generated - */ - public static SVM create() { - return SVM.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_SVM cv::ml::SVM::load(String filepath) - // - - /** - * Loads and creates a serialized svm from a file - * - * Use SVM::save to serialize and store an SVM to disk. - * Load the SVM from this file again, by calling this function with the path to the file. - * - * @param filepath path to serialized svm - * @return automatically generated - */ - public static SVM load(String filepath) { - return SVM.__fromPtr__(load_0(filepath)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::SVM::getType() - private static native int getType_0(long nativeObj); - - // C++: void cv::ml::SVM::setType(int val) - private static native void setType_0(long nativeObj, int val); - - // C++: double cv::ml::SVM::getGamma() - private static native double getGamma_0(long nativeObj); - - // C++: void cv::ml::SVM::setGamma(double val) - private static native void setGamma_0(long nativeObj, double val); - - // C++: double cv::ml::SVM::getCoef0() - private static native double getCoef0_0(long nativeObj); - - // C++: void cv::ml::SVM::setCoef0(double val) - private static native void setCoef0_0(long nativeObj, double val); - - // C++: double cv::ml::SVM::getDegree() - private static native double getDegree_0(long nativeObj); - - // C++: void cv::ml::SVM::setDegree(double val) - private static native void setDegree_0(long nativeObj, double val); - - // C++: double cv::ml::SVM::getC() - private static native double getC_0(long nativeObj); - - // C++: void cv::ml::SVM::setC(double val) - private static native void setC_0(long nativeObj, double val); - - // C++: double cv::ml::SVM::getNu() - private static native double getNu_0(long nativeObj); - - // C++: void cv::ml::SVM::setNu(double val) - private static native void setNu_0(long nativeObj, double val); - - // C++: double cv::ml::SVM::getP() - private static native double getP_0(long nativeObj); - - // C++: void cv::ml::SVM::setP(double val) - private static native void setP_0(long nativeObj, double val); - - // C++: Mat cv::ml::SVM::getClassWeights() - private static native long getClassWeights_0(long nativeObj); - - // C++: void cv::ml::SVM::setClassWeights(Mat val) - private static native void setClassWeights_0(long nativeObj, long val_nativeObj); - - // C++: TermCriteria cv::ml::SVM::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::SVM::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // C++: int cv::ml::SVM::getKernelType() - private static native int getKernelType_0(long nativeObj); - - // C++: void cv::ml::SVM::setKernel(int kernelType) - private static native void setKernel_0(long nativeObj, int kernelType); - - // C++: bool cv::ml::SVM::trainAuto(Mat samples, int layout, Mat responses, int kFold = 10, Ptr_ParamGrid Cgrid = SVM::getDefaultGridPtr(SVM::C), Ptr_ParamGrid gammaGrid = SVM::getDefaultGridPtr(SVM::GAMMA), Ptr_ParamGrid pGrid = SVM::getDefaultGridPtr(SVM::P), Ptr_ParamGrid nuGrid = SVM::getDefaultGridPtr(SVM::NU), Ptr_ParamGrid coeffGrid = SVM::getDefaultGridPtr(SVM::COEF), Ptr_ParamGrid degreeGrid = SVM::getDefaultGridPtr(SVM::DEGREE), bool balanced = false) - private static native boolean trainAuto_0(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj, long pGrid_nativeObj, long nuGrid_nativeObj, long coeffGrid_nativeObj, long degreeGrid_nativeObj, boolean balanced); - private static native boolean trainAuto_1(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj, long pGrid_nativeObj, long nuGrid_nativeObj, long coeffGrid_nativeObj, long degreeGrid_nativeObj); - private static native boolean trainAuto_2(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj, long pGrid_nativeObj, long nuGrid_nativeObj, long coeffGrid_nativeObj); - private static native boolean trainAuto_3(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj, long pGrid_nativeObj, long nuGrid_nativeObj); - private static native boolean trainAuto_4(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj, long pGrid_nativeObj); - private static native boolean trainAuto_5(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj, long gammaGrid_nativeObj); - private static native boolean trainAuto_6(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold, long Cgrid_nativeObj); - private static native boolean trainAuto_7(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj, int kFold); - private static native boolean trainAuto_8(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj); - - // C++: Mat cv::ml::SVM::getSupportVectors() - private static native long getSupportVectors_0(long nativeObj); - - // C++: Mat cv::ml::SVM::getUncompressedSupportVectors() - private static native long getUncompressedSupportVectors_0(long nativeObj); - - // C++: double cv::ml::SVM::getDecisionFunction(int i, Mat& alpha, Mat& svidx) - private static native double getDecisionFunction_0(long nativeObj, int i, long alpha_nativeObj, long svidx_nativeObj); - - // C++: static Ptr_ParamGrid cv::ml::SVM::getDefaultGridPtr(int param_id) - private static native long getDefaultGridPtr_0(int param_id); - - // C++: static Ptr_SVM cv::ml::SVM::create() - private static native long create_0(); - - // C++: static Ptr_SVM cv::ml::SVM::load(String filepath) - private static native long load_0(String filepath); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/SVMSGD.java b/vendor/opencv/sdk/java/src/org/opencv/ml/SVMSGD.java deleted file mode 100644 index 9c0c3f9500..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/SVMSGD.java +++ /dev/null @@ -1,358 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Mat; -import org.opencv.core.TermCriteria; -import org.opencv.ml.SVMSGD; -import org.opencv.ml.StatModel; - -// C++: class SVMSGD -/** - * *************************************************************************************\ - * Stochastic Gradient Descent SVM Classifier * - * \*************************************************************************************** - */ -public class SVMSGD extends StatModel { - - protected SVMSGD(long addr) { super(addr); } - - // internal usage only - public static SVMSGD __fromPtr__(long addr) { return new SVMSGD(addr); } - - // C++: enum MarginType (cv.ml.SVMSGD.MarginType) - public static final int - SOFT_MARGIN = 0, - HARD_MARGIN = 1; - - - // C++: enum SvmsgdType (cv.ml.SVMSGD.SvmsgdType) - public static final int - SGD = 0, - ASGD = 1; - - - // - // C++: Mat cv::ml::SVMSGD::getWeights() - // - - /** - * @return the weights of the trained model (decision function f(x) = weights * x + shift). - */ - public Mat getWeights() { - return new Mat(getWeights_0(nativeObj)); - } - - - // - // C++: float cv::ml::SVMSGD::getShift() - // - - /** - * @return the shift of the trained model (decision function f(x) = weights * x + shift). - */ - public float getShift() { - return getShift_0(nativeObj); - } - - - // - // C++: static Ptr_SVMSGD cv::ml::SVMSGD::create() - // - - /** - * Creates empty model. - * Use StatModel::train to train the model. Since %SVMSGD has several parameters, you may want to - * find the best parameters for your problem or use setOptimalParameters() to set some default parameters. - * @return automatically generated - */ - public static SVMSGD create() { - return SVMSGD.__fromPtr__(create_0()); - } - - - // - // C++: static Ptr_SVMSGD cv::ml::SVMSGD::load(String filepath, String nodeName = String()) - // - - /** - * Loads and creates a serialized SVMSGD from a file - * - * Use SVMSGD::save to serialize and store an SVMSGD to disk. - * Load the SVMSGD from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized SVMSGD - * @param nodeName name of node containing the classifier - * @return automatically generated - */ - public static SVMSGD load(String filepath, String nodeName) { - return SVMSGD.__fromPtr__(load_0(filepath, nodeName)); - } - - /** - * Loads and creates a serialized SVMSGD from a file - * - * Use SVMSGD::save to serialize and store an SVMSGD to disk. - * Load the SVMSGD from this file again, by calling this function with the path to the file. - * Optionally specify the node for the file containing the classifier - * - * @param filepath path to serialized SVMSGD - * @return automatically generated - */ - public static SVMSGD load(String filepath) { - return SVMSGD.__fromPtr__(load_1(filepath)); - } - - - // - // C++: void cv::ml::SVMSGD::setOptimalParameters(int svmsgdType = SVMSGD::ASGD, int marginType = SVMSGD::SOFT_MARGIN) - // - - /** - * Function sets optimal parameters values for chosen SVM SGD model. - * @param svmsgdType is the type of SVMSGD classifier. - * @param marginType is the type of margin constraint. - */ - public void setOptimalParameters(int svmsgdType, int marginType) { - setOptimalParameters_0(nativeObj, svmsgdType, marginType); - } - - /** - * Function sets optimal parameters values for chosen SVM SGD model. - * @param svmsgdType is the type of SVMSGD classifier. - */ - public void setOptimalParameters(int svmsgdType) { - setOptimalParameters_1(nativeObj, svmsgdType); - } - - /** - * Function sets optimal parameters values for chosen SVM SGD model. - */ - public void setOptimalParameters() { - setOptimalParameters_2(nativeObj); - } - - - // - // C++: int cv::ml::SVMSGD::getSvmsgdType() - // - - /** - * SEE: setSvmsgdType - * @return automatically generated - */ - public int getSvmsgdType() { - return getSvmsgdType_0(nativeObj); - } - - - // - // C++: void cv::ml::SVMSGD::setSvmsgdType(int svmsgdType) - // - - /** - * getSvmsgdType SEE: getSvmsgdType - * @param svmsgdType automatically generated - */ - public void setSvmsgdType(int svmsgdType) { - setSvmsgdType_0(nativeObj, svmsgdType); - } - - - // - // C++: int cv::ml::SVMSGD::getMarginType() - // - - /** - * SEE: setMarginType - * @return automatically generated - */ - public int getMarginType() { - return getMarginType_0(nativeObj); - } - - - // - // C++: void cv::ml::SVMSGD::setMarginType(int marginType) - // - - /** - * getMarginType SEE: getMarginType - * @param marginType automatically generated - */ - public void setMarginType(int marginType) { - setMarginType_0(nativeObj, marginType); - } - - - // - // C++: float cv::ml::SVMSGD::getMarginRegularization() - // - - /** - * SEE: setMarginRegularization - * @return automatically generated - */ - public float getMarginRegularization() { - return getMarginRegularization_0(nativeObj); - } - - - // - // C++: void cv::ml::SVMSGD::setMarginRegularization(float marginRegularization) - // - - /** - * getMarginRegularization SEE: getMarginRegularization - * @param marginRegularization automatically generated - */ - public void setMarginRegularization(float marginRegularization) { - setMarginRegularization_0(nativeObj, marginRegularization); - } - - - // - // C++: float cv::ml::SVMSGD::getInitialStepSize() - // - - /** - * SEE: setInitialStepSize - * @return automatically generated - */ - public float getInitialStepSize() { - return getInitialStepSize_0(nativeObj); - } - - - // - // C++: void cv::ml::SVMSGD::setInitialStepSize(float InitialStepSize) - // - - /** - * getInitialStepSize SEE: getInitialStepSize - * @param InitialStepSize automatically generated - */ - public void setInitialStepSize(float InitialStepSize) { - setInitialStepSize_0(nativeObj, InitialStepSize); - } - - - // - // C++: float cv::ml::SVMSGD::getStepDecreasingPower() - // - - /** - * SEE: setStepDecreasingPower - * @return automatically generated - */ - public float getStepDecreasingPower() { - return getStepDecreasingPower_0(nativeObj); - } - - - // - // C++: void cv::ml::SVMSGD::setStepDecreasingPower(float stepDecreasingPower) - // - - /** - * getStepDecreasingPower SEE: getStepDecreasingPower - * @param stepDecreasingPower automatically generated - */ - public void setStepDecreasingPower(float stepDecreasingPower) { - setStepDecreasingPower_0(nativeObj, stepDecreasingPower); - } - - - // - // C++: TermCriteria cv::ml::SVMSGD::getTermCriteria() - // - - /** - * SEE: setTermCriteria - * @return automatically generated - */ - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::ml::SVMSGD::setTermCriteria(TermCriteria val) - // - - /** - * getTermCriteria SEE: getTermCriteria - * @param val automatically generated - */ - public void setTermCriteria(TermCriteria val) { - setTermCriteria_0(nativeObj, val.type, val.maxCount, val.epsilon); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: Mat cv::ml::SVMSGD::getWeights() - private static native long getWeights_0(long nativeObj); - - // C++: float cv::ml::SVMSGD::getShift() - private static native float getShift_0(long nativeObj); - - // C++: static Ptr_SVMSGD cv::ml::SVMSGD::create() - private static native long create_0(); - - // C++: static Ptr_SVMSGD cv::ml::SVMSGD::load(String filepath, String nodeName = String()) - private static native long load_0(String filepath, String nodeName); - private static native long load_1(String filepath); - - // C++: void cv::ml::SVMSGD::setOptimalParameters(int svmsgdType = SVMSGD::ASGD, int marginType = SVMSGD::SOFT_MARGIN) - private static native void setOptimalParameters_0(long nativeObj, int svmsgdType, int marginType); - private static native void setOptimalParameters_1(long nativeObj, int svmsgdType); - private static native void setOptimalParameters_2(long nativeObj); - - // C++: int cv::ml::SVMSGD::getSvmsgdType() - private static native int getSvmsgdType_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setSvmsgdType(int svmsgdType) - private static native void setSvmsgdType_0(long nativeObj, int svmsgdType); - - // C++: int cv::ml::SVMSGD::getMarginType() - private static native int getMarginType_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setMarginType(int marginType) - private static native void setMarginType_0(long nativeObj, int marginType); - - // C++: float cv::ml::SVMSGD::getMarginRegularization() - private static native float getMarginRegularization_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setMarginRegularization(float marginRegularization) - private static native void setMarginRegularization_0(long nativeObj, float marginRegularization); - - // C++: float cv::ml::SVMSGD::getInitialStepSize() - private static native float getInitialStepSize_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setInitialStepSize(float InitialStepSize) - private static native void setInitialStepSize_0(long nativeObj, float InitialStepSize); - - // C++: float cv::ml::SVMSGD::getStepDecreasingPower() - private static native float getStepDecreasingPower_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setStepDecreasingPower(float stepDecreasingPower) - private static native void setStepDecreasingPower_0(long nativeObj, float stepDecreasingPower); - - // C++: TermCriteria cv::ml::SVMSGD::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::ml::SVMSGD::setTermCriteria(TermCriteria val) - private static native void setTermCriteria_0(long nativeObj, int val_type, int val_maxCount, double val_epsilon); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/StatModel.java b/vendor/opencv/sdk/java/src/org/opencv/ml/StatModel.java deleted file mode 100644 index f906d1e595..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/StatModel.java +++ /dev/null @@ -1,223 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.ml.TrainData; - -// C++: class StatModel -/** - * Base class for statistical models in OpenCV ML. - */ -public class StatModel extends Algorithm { - - protected StatModel(long addr) { super(addr); } - - // internal usage only - public static StatModel __fromPtr__(long addr) { return new StatModel(addr); } - - // C++: enum Flags (cv.ml.StatModel.Flags) - public static final int - UPDATE_MODEL = 1, - RAW_OUTPUT = 1, - COMPRESSED_INPUT = 2, - PREPROCESSED_INPUT = 4; - - - // - // C++: int cv::ml::StatModel::getVarCount() - // - - /** - * Returns the number of variables in training samples - * @return automatically generated - */ - public int getVarCount() { - return getVarCount_0(nativeObj); - } - - - // - // C++: bool cv::ml::StatModel::empty() - // - - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: bool cv::ml::StatModel::isTrained() - // - - /** - * Returns true if the model is trained - * @return automatically generated - */ - public boolean isTrained() { - return isTrained_0(nativeObj); - } - - - // - // C++: bool cv::ml::StatModel::isClassifier() - // - - /** - * Returns true if the model is classifier - * @return automatically generated - */ - public boolean isClassifier() { - return isClassifier_0(nativeObj); - } - - - // - // C++: bool cv::ml::StatModel::train(Ptr_TrainData trainData, int flags = 0) - // - - /** - * Trains the statistical model - * - * @param trainData training data that can be loaded from file using TrainData::loadFromCSV or - * created with TrainData::create. - * @param flags optional flags, depending on the model. Some of the models can be updated with the - * new training samples, not completely overwritten (such as NormalBayesClassifier or ANN_MLP). - * @return automatically generated - */ - public boolean train(TrainData trainData, int flags) { - return train_0(nativeObj, trainData.getNativeObjAddr(), flags); - } - - /** - * Trains the statistical model - * - * @param trainData training data that can be loaded from file using TrainData::loadFromCSV or - * created with TrainData::create. - * new training samples, not completely overwritten (such as NormalBayesClassifier or ANN_MLP). - * @return automatically generated - */ - public boolean train(TrainData trainData) { - return train_1(nativeObj, trainData.getNativeObjAddr()); - } - - - // - // C++: bool cv::ml::StatModel::train(Mat samples, int layout, Mat responses) - // - - /** - * Trains the statistical model - * - * @param samples training samples - * @param layout See ml::SampleTypes. - * @param responses vector of responses associated with the training samples. - * @return automatically generated - */ - public boolean train(Mat samples, int layout, Mat responses) { - return train_2(nativeObj, samples.nativeObj, layout, responses.nativeObj); - } - - - // - // C++: float cv::ml::StatModel::calcError(Ptr_TrainData data, bool test, Mat& resp) - // - - /** - * Computes error on the training or test dataset - * - * @param data the training data - * @param test if true, the error is computed over the test subset of the data, otherwise it's - * computed over the training subset of the data. Please note that if you loaded a completely - * different dataset to evaluate already trained classifier, you will probably want not to set - * the test subset at all with TrainData::setTrainTestSplitRatio and specify test=false, so - * that the error is computed for the whole new set. Yes, this sounds a bit confusing. - * @param resp the optional output responses. - * - * The method uses StatModel::predict to compute the error. For regression models the error is - * computed as RMS, for classifiers - as a percent of missclassified samples (0%-100%). - * @return automatically generated - */ - public float calcError(TrainData data, boolean test, Mat resp) { - return calcError_0(nativeObj, data.getNativeObjAddr(), test, resp.nativeObj); - } - - - // - // C++: float cv::ml::StatModel::predict(Mat samples, Mat& results = Mat(), int flags = 0) - // - - /** - * Predicts response(s) for the provided sample(s) - * - * @param samples The input samples, floating-point matrix - * @param results The optional output matrix of results. - * @param flags The optional flags, model-dependent. See cv::ml::StatModel::Flags. - * @return automatically generated - */ - public float predict(Mat samples, Mat results, int flags) { - return predict_0(nativeObj, samples.nativeObj, results.nativeObj, flags); - } - - /** - * Predicts response(s) for the provided sample(s) - * - * @param samples The input samples, floating-point matrix - * @param results The optional output matrix of results. - * @return automatically generated - */ - public float predict(Mat samples, Mat results) { - return predict_1(nativeObj, samples.nativeObj, results.nativeObj); - } - - /** - * Predicts response(s) for the provided sample(s) - * - * @param samples The input samples, floating-point matrix - * @return automatically generated - */ - public float predict(Mat samples) { - return predict_2(nativeObj, samples.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::StatModel::getVarCount() - private static native int getVarCount_0(long nativeObj); - - // C++: bool cv::ml::StatModel::empty() - private static native boolean empty_0(long nativeObj); - - // C++: bool cv::ml::StatModel::isTrained() - private static native boolean isTrained_0(long nativeObj); - - // C++: bool cv::ml::StatModel::isClassifier() - private static native boolean isClassifier_0(long nativeObj); - - // C++: bool cv::ml::StatModel::train(Ptr_TrainData trainData, int flags = 0) - private static native boolean train_0(long nativeObj, long trainData_nativeObj, int flags); - private static native boolean train_1(long nativeObj, long trainData_nativeObj); - - // C++: bool cv::ml::StatModel::train(Mat samples, int layout, Mat responses) - private static native boolean train_2(long nativeObj, long samples_nativeObj, int layout, long responses_nativeObj); - - // C++: float cv::ml::StatModel::calcError(Ptr_TrainData data, bool test, Mat& resp) - private static native float calcError_0(long nativeObj, long data_nativeObj, boolean test, long resp_nativeObj); - - // C++: float cv::ml::StatModel::predict(Mat samples, Mat& results = Mat(), int flags = 0) - private static native float predict_0(long nativeObj, long samples_nativeObj, long results_nativeObj, int flags); - private static native float predict_1(long nativeObj, long samples_nativeObj, long results_nativeObj); - private static native float predict_2(long nativeObj, long samples_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/ml/TrainData.java b/vendor/opencv/sdk/java/src/org/opencv/ml/TrainData.java deleted file mode 100644 index 5eeccf5f90..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/ml/TrainData.java +++ /dev/null @@ -1,775 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.ml; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.ml.TrainData; -import org.opencv.utils.Converters; - -// C++: class TrainData -/** - * Class encapsulating training data. - * - * Please note that the class only specifies the interface of training data, but not implementation. - * All the statistical model classes in _ml_ module accepts Ptr<TrainData> as parameter. In other - * words, you can create your own class derived from TrainData and pass smart pointer to the instance - * of this class into StatModel::train. - * - * SEE: REF: ml_intro_data - */ -public class TrainData { - - protected final long nativeObj; - protected TrainData(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrainData __fromPtr__(long addr) { return new TrainData(addr); } - - // - // C++: int cv::ml::TrainData::getLayout() - // - - public int getLayout() { - return getLayout_0(nativeObj); - } - - - // - // C++: int cv::ml::TrainData::getNTrainSamples() - // - - public int getNTrainSamples() { - return getNTrainSamples_0(nativeObj); - } - - - // - // C++: int cv::ml::TrainData::getNTestSamples() - // - - public int getNTestSamples() { - return getNTestSamples_0(nativeObj); - } - - - // - // C++: int cv::ml::TrainData::getNSamples() - // - - public int getNSamples() { - return getNSamples_0(nativeObj); - } - - - // - // C++: int cv::ml::TrainData::getNVars() - // - - public int getNVars() { - return getNVars_0(nativeObj); - } - - - // - // C++: int cv::ml::TrainData::getNAllVars() - // - - public int getNAllVars() { - return getNAllVars_0(nativeObj); - } - - - // - // C++: void cv::ml::TrainData::getSample(Mat varIdx, int sidx, float* buf) - // - - public void getSample(Mat varIdx, int sidx, float buf) { - getSample_0(nativeObj, varIdx.nativeObj, sidx, buf); - } - - - // - // C++: Mat cv::ml::TrainData::getSamples() - // - - public Mat getSamples() { - return new Mat(getSamples_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getMissing() - // - - public Mat getMissing() { - return new Mat(getMissing_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTrainSamples(int layout = ROW_SAMPLE, bool compressSamples = true, bool compressVars = true) - // - - /** - * Returns matrix of train samples - * - * @param layout The requested layout. If it's different from the initial one, the matrix is - * transposed. See ml::SampleTypes. - * @param compressSamples if true, the function returns only the training samples (specified by - * sampleIdx) - * @param compressVars if true, the function returns the shorter training samples, containing only - * the active variables. - * - * In current implementation the function tries to avoid physical data copying and returns the - * matrix stored inside TrainData (unless the transposition or compression is needed). - * @return automatically generated - */ - public Mat getTrainSamples(int layout, boolean compressSamples, boolean compressVars) { - return new Mat(getTrainSamples_0(nativeObj, layout, compressSamples, compressVars)); - } - - /** - * Returns matrix of train samples - * - * @param layout The requested layout. If it's different from the initial one, the matrix is - * transposed. See ml::SampleTypes. - * @param compressSamples if true, the function returns only the training samples (specified by - * sampleIdx) - * the active variables. - * - * In current implementation the function tries to avoid physical data copying and returns the - * matrix stored inside TrainData (unless the transposition or compression is needed). - * @return automatically generated - */ - public Mat getTrainSamples(int layout, boolean compressSamples) { - return new Mat(getTrainSamples_1(nativeObj, layout, compressSamples)); - } - - /** - * Returns matrix of train samples - * - * @param layout The requested layout. If it's different from the initial one, the matrix is - * transposed. See ml::SampleTypes. - * sampleIdx) - * the active variables. - * - * In current implementation the function tries to avoid physical data copying and returns the - * matrix stored inside TrainData (unless the transposition or compression is needed). - * @return automatically generated - */ - public Mat getTrainSamples(int layout) { - return new Mat(getTrainSamples_2(nativeObj, layout)); - } - - /** - * Returns matrix of train samples - * - * transposed. See ml::SampleTypes. - * sampleIdx) - * the active variables. - * - * In current implementation the function tries to avoid physical data copying and returns the - * matrix stored inside TrainData (unless the transposition or compression is needed). - * @return automatically generated - */ - public Mat getTrainSamples() { - return new Mat(getTrainSamples_3(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTrainResponses() - // - - /** - * Returns the vector of responses - * - * The function returns ordered or the original categorical responses. Usually it's used in - * regression algorithms. - * @return automatically generated - */ - public Mat getTrainResponses() { - return new Mat(getTrainResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTrainNormCatResponses() - // - - /** - * Returns the vector of normalized categorical responses - * - * The function returns vector of responses. Each response is integer from {@code 0} to `<number of - * classes>-1`. The actual label value can be retrieved then from the class label vector, see - * TrainData::getClassLabels. - * @return automatically generated - */ - public Mat getTrainNormCatResponses() { - return new Mat(getTrainNormCatResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTestResponses() - // - - public Mat getTestResponses() { - return new Mat(getTestResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTestNormCatResponses() - // - - public Mat getTestNormCatResponses() { - return new Mat(getTestNormCatResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getResponses() - // - - public Mat getResponses() { - return new Mat(getResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getNormCatResponses() - // - - public Mat getNormCatResponses() { - return new Mat(getNormCatResponses_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getSampleWeights() - // - - public Mat getSampleWeights() { - return new Mat(getSampleWeights_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTrainSampleWeights() - // - - public Mat getTrainSampleWeights() { - return new Mat(getTrainSampleWeights_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTestSampleWeights() - // - - public Mat getTestSampleWeights() { - return new Mat(getTestSampleWeights_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getVarIdx() - // - - public Mat getVarIdx() { - return new Mat(getVarIdx_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getVarType() - // - - public Mat getVarType() { - return new Mat(getVarType_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getVarSymbolFlags() - // - - public Mat getVarSymbolFlags() { - return new Mat(getVarSymbolFlags_0(nativeObj)); - } - - - // - // C++: int cv::ml::TrainData::getResponseType() - // - - public int getResponseType() { - return getResponseType_0(nativeObj); - } - - - // - // C++: Mat cv::ml::TrainData::getTrainSampleIdx() - // - - public Mat getTrainSampleIdx() { - return new Mat(getTrainSampleIdx_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getTestSampleIdx() - // - - public Mat getTestSampleIdx() { - return new Mat(getTestSampleIdx_0(nativeObj)); - } - - - // - // C++: void cv::ml::TrainData::getValues(int vi, Mat sidx, float* values) - // - - public void getValues(int vi, Mat sidx, float values) { - getValues_0(nativeObj, vi, sidx.nativeObj, values); - } - - - // - // C++: Mat cv::ml::TrainData::getDefaultSubstValues() - // - - public Mat getDefaultSubstValues() { - return new Mat(getDefaultSubstValues_0(nativeObj)); - } - - - // - // C++: int cv::ml::TrainData::getCatCount(int vi) - // - - public int getCatCount(int vi) { - return getCatCount_0(nativeObj, vi); - } - - - // - // C++: Mat cv::ml::TrainData::getClassLabels() - // - - /** - * Returns the vector of class labels - * - * The function returns vector of unique labels occurred in the responses. - * @return automatically generated - */ - public Mat getClassLabels() { - return new Mat(getClassLabels_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getCatOfs() - // - - public Mat getCatOfs() { - return new Mat(getCatOfs_0(nativeObj)); - } - - - // - // C++: Mat cv::ml::TrainData::getCatMap() - // - - public Mat getCatMap() { - return new Mat(getCatMap_0(nativeObj)); - } - - - // - // C++: void cv::ml::TrainData::setTrainTestSplit(int count, bool shuffle = true) - // - - /** - * Splits the training data into the training and test parts - * SEE: TrainData::setTrainTestSplitRatio - * @param count automatically generated - * @param shuffle automatically generated - */ - public void setTrainTestSplit(int count, boolean shuffle) { - setTrainTestSplit_0(nativeObj, count, shuffle); - } - - /** - * Splits the training data into the training and test parts - * SEE: TrainData::setTrainTestSplitRatio - * @param count automatically generated - */ - public void setTrainTestSplit(int count) { - setTrainTestSplit_1(nativeObj, count); - } - - - // - // C++: void cv::ml::TrainData::setTrainTestSplitRatio(double ratio, bool shuffle = true) - // - - /** - * Splits the training data into the training and test parts - * - * The function selects a subset of specified relative size and then returns it as the training - * set. If the function is not called, all the data is used for training. Please, note that for - * each of TrainData::getTrain\* there is corresponding TrainData::getTest\*, so that the test - * subset can be retrieved and processed as well. - * SEE: TrainData::setTrainTestSplit - * @param ratio automatically generated - * @param shuffle automatically generated - */ - public void setTrainTestSplitRatio(double ratio, boolean shuffle) { - setTrainTestSplitRatio_0(nativeObj, ratio, shuffle); - } - - /** - * Splits the training data into the training and test parts - * - * The function selects a subset of specified relative size and then returns it as the training - * set. If the function is not called, all the data is used for training. Please, note that for - * each of TrainData::getTrain\* there is corresponding TrainData::getTest\*, so that the test - * subset can be retrieved and processed as well. - * SEE: TrainData::setTrainTestSplit - * @param ratio automatically generated - */ - public void setTrainTestSplitRatio(double ratio) { - setTrainTestSplitRatio_1(nativeObj, ratio); - } - - - // - // C++: void cv::ml::TrainData::shuffleTrainTest() - // - - public void shuffleTrainTest() { - shuffleTrainTest_0(nativeObj); - } - - - // - // C++: Mat cv::ml::TrainData::getTestSamples() - // - - /** - * Returns matrix of test samples - * @return automatically generated - */ - public Mat getTestSamples() { - return new Mat(getTestSamples_0(nativeObj)); - } - - - // - // C++: void cv::ml::TrainData::getNames(vector_String names) - // - - /** - * Returns vector of symbolic names captured in loadFromCSV() - * @param names automatically generated - */ - public void getNames(List names) { - getNames_0(nativeObj, names); - } - - - // - // C++: static Mat cv::ml::TrainData::getSubVector(Mat vec, Mat idx) - // - - /** - * Extract from 1D vector elements specified by passed indexes. - * @param vec input vector (supported types: CV_32S, CV_32F, CV_64F) - * @param idx 1D index vector - * @return automatically generated - */ - public static Mat getSubVector(Mat vec, Mat idx) { - return new Mat(getSubVector_0(vec.nativeObj, idx.nativeObj)); - } - - - // - // C++: static Mat cv::ml::TrainData::getSubMatrix(Mat matrix, Mat idx, int layout) - // - - /** - * Extract from matrix rows/cols specified by passed indexes. - * @param matrix input matrix (supported types: CV_32S, CV_32F, CV_64F) - * @param idx 1D index vector - * @param layout specifies to extract rows (cv::ml::ROW_SAMPLES) or to extract columns (cv::ml::COL_SAMPLES) - * @return automatically generated - */ - public static Mat getSubMatrix(Mat matrix, Mat idx, int layout) { - return new Mat(getSubMatrix_0(matrix.nativeObj, idx.nativeObj, layout)); - } - - - // - // C++: static Ptr_TrainData cv::ml::TrainData::create(Mat samples, int layout, Mat responses, Mat varIdx = Mat(), Mat sampleIdx = Mat(), Mat sampleWeights = Mat(), Mat varType = Mat()) - // - - /** - * Creates training data from in-memory arrays. - * - * @param samples matrix of samples. It should have CV_32F type. - * @param layout see ml::SampleTypes. - * @param responses matrix of responses. If the responses are scalar, they should be stored as a - * single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - * former case the responses are considered as ordered by default; in the latter case - as - * categorical) - * @param varIdx vector specifying which variables to use for training. It can be an integer vector - * (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - * active variables. - * @param sampleIdx vector specifying which samples to use for training. It can be an integer - * vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - * of training samples. - * @param sampleWeights optional vector with weights for each sample. It should have CV_32F type. - * @param varType optional vector of type CV_8U and size `<number_of_variables_in_samples> + - * <number_of_variables_in_responses>`, containing types of each input and output variable. See - * ml::VariableTypes. - * @return automatically generated - */ - public static TrainData create(Mat samples, int layout, Mat responses, Mat varIdx, Mat sampleIdx, Mat sampleWeights, Mat varType) { - return TrainData.__fromPtr__(create_0(samples.nativeObj, layout, responses.nativeObj, varIdx.nativeObj, sampleIdx.nativeObj, sampleWeights.nativeObj, varType.nativeObj)); - } - - /** - * Creates training data from in-memory arrays. - * - * @param samples matrix of samples. It should have CV_32F type. - * @param layout see ml::SampleTypes. - * @param responses matrix of responses. If the responses are scalar, they should be stored as a - * single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - * former case the responses are considered as ordered by default; in the latter case - as - * categorical) - * @param varIdx vector specifying which variables to use for training. It can be an integer vector - * (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - * active variables. - * @param sampleIdx vector specifying which samples to use for training. It can be an integer - * vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - * of training samples. - * @param sampleWeights optional vector with weights for each sample. It should have CV_32F type. - * <number_of_variables_in_responses>`, containing types of each input and output variable. See - * ml::VariableTypes. - * @return automatically generated - */ - public static TrainData create(Mat samples, int layout, Mat responses, Mat varIdx, Mat sampleIdx, Mat sampleWeights) { - return TrainData.__fromPtr__(create_1(samples.nativeObj, layout, responses.nativeObj, varIdx.nativeObj, sampleIdx.nativeObj, sampleWeights.nativeObj)); - } - - /** - * Creates training data from in-memory arrays. - * - * @param samples matrix of samples. It should have CV_32F type. - * @param layout see ml::SampleTypes. - * @param responses matrix of responses. If the responses are scalar, they should be stored as a - * single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - * former case the responses are considered as ordered by default; in the latter case - as - * categorical) - * @param varIdx vector specifying which variables to use for training. It can be an integer vector - * (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - * active variables. - * @param sampleIdx vector specifying which samples to use for training. It can be an integer - * vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - * of training samples. - * <number_of_variables_in_responses>`, containing types of each input and output variable. See - * ml::VariableTypes. - * @return automatically generated - */ - public static TrainData create(Mat samples, int layout, Mat responses, Mat varIdx, Mat sampleIdx) { - return TrainData.__fromPtr__(create_2(samples.nativeObj, layout, responses.nativeObj, varIdx.nativeObj, sampleIdx.nativeObj)); - } - - /** - * Creates training data from in-memory arrays. - * - * @param samples matrix of samples. It should have CV_32F type. - * @param layout see ml::SampleTypes. - * @param responses matrix of responses. If the responses are scalar, they should be stored as a - * single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - * former case the responses are considered as ordered by default; in the latter case - as - * categorical) - * @param varIdx vector specifying which variables to use for training. It can be an integer vector - * (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - * active variables. - * vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - * of training samples. - * <number_of_variables_in_responses>`, containing types of each input and output variable. See - * ml::VariableTypes. - * @return automatically generated - */ - public static TrainData create(Mat samples, int layout, Mat responses, Mat varIdx) { - return TrainData.__fromPtr__(create_3(samples.nativeObj, layout, responses.nativeObj, varIdx.nativeObj)); - } - - /** - * Creates training data from in-memory arrays. - * - * @param samples matrix of samples. It should have CV_32F type. - * @param layout see ml::SampleTypes. - * @param responses matrix of responses. If the responses are scalar, they should be stored as a - * single row or as a single column. The matrix should have type CV_32F or CV_32S (in the - * former case the responses are considered as ordered by default; in the latter case - as - * categorical) - * (CV_32S) containing 0-based variable indices or byte vector (CV_8U) containing a mask of - * active variables. - * vector (CV_32S) containing 0-based sample indices or byte vector (CV_8U) containing a mask - * of training samples. - * <number_of_variables_in_responses>`, containing types of each input and output variable. See - * ml::VariableTypes. - * @return automatically generated - */ - public static TrainData create(Mat samples, int layout, Mat responses) { - return TrainData.__fromPtr__(create_4(samples.nativeObj, layout, responses.nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::ml::TrainData::getLayout() - private static native int getLayout_0(long nativeObj); - - // C++: int cv::ml::TrainData::getNTrainSamples() - private static native int getNTrainSamples_0(long nativeObj); - - // C++: int cv::ml::TrainData::getNTestSamples() - private static native int getNTestSamples_0(long nativeObj); - - // C++: int cv::ml::TrainData::getNSamples() - private static native int getNSamples_0(long nativeObj); - - // C++: int cv::ml::TrainData::getNVars() - private static native int getNVars_0(long nativeObj); - - // C++: int cv::ml::TrainData::getNAllVars() - private static native int getNAllVars_0(long nativeObj); - - // C++: void cv::ml::TrainData::getSample(Mat varIdx, int sidx, float* buf) - private static native void getSample_0(long nativeObj, long varIdx_nativeObj, int sidx, float buf); - - // C++: Mat cv::ml::TrainData::getSamples() - private static native long getSamples_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getMissing() - private static native long getMissing_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTrainSamples(int layout = ROW_SAMPLE, bool compressSamples = true, bool compressVars = true) - private static native long getTrainSamples_0(long nativeObj, int layout, boolean compressSamples, boolean compressVars); - private static native long getTrainSamples_1(long nativeObj, int layout, boolean compressSamples); - private static native long getTrainSamples_2(long nativeObj, int layout); - private static native long getTrainSamples_3(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTrainResponses() - private static native long getTrainResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTrainNormCatResponses() - private static native long getTrainNormCatResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTestResponses() - private static native long getTestResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTestNormCatResponses() - private static native long getTestNormCatResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getResponses() - private static native long getResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getNormCatResponses() - private static native long getNormCatResponses_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getSampleWeights() - private static native long getSampleWeights_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTrainSampleWeights() - private static native long getTrainSampleWeights_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTestSampleWeights() - private static native long getTestSampleWeights_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getVarIdx() - private static native long getVarIdx_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getVarType() - private static native long getVarType_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getVarSymbolFlags() - private static native long getVarSymbolFlags_0(long nativeObj); - - // C++: int cv::ml::TrainData::getResponseType() - private static native int getResponseType_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTrainSampleIdx() - private static native long getTrainSampleIdx_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTestSampleIdx() - private static native long getTestSampleIdx_0(long nativeObj); - - // C++: void cv::ml::TrainData::getValues(int vi, Mat sidx, float* values) - private static native void getValues_0(long nativeObj, int vi, long sidx_nativeObj, float values); - - // C++: Mat cv::ml::TrainData::getDefaultSubstValues() - private static native long getDefaultSubstValues_0(long nativeObj); - - // C++: int cv::ml::TrainData::getCatCount(int vi) - private static native int getCatCount_0(long nativeObj, int vi); - - // C++: Mat cv::ml::TrainData::getClassLabels() - private static native long getClassLabels_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getCatOfs() - private static native long getCatOfs_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getCatMap() - private static native long getCatMap_0(long nativeObj); - - // C++: void cv::ml::TrainData::setTrainTestSplit(int count, bool shuffle = true) - private static native void setTrainTestSplit_0(long nativeObj, int count, boolean shuffle); - private static native void setTrainTestSplit_1(long nativeObj, int count); - - // C++: void cv::ml::TrainData::setTrainTestSplitRatio(double ratio, bool shuffle = true) - private static native void setTrainTestSplitRatio_0(long nativeObj, double ratio, boolean shuffle); - private static native void setTrainTestSplitRatio_1(long nativeObj, double ratio); - - // C++: void cv::ml::TrainData::shuffleTrainTest() - private static native void shuffleTrainTest_0(long nativeObj); - - // C++: Mat cv::ml::TrainData::getTestSamples() - private static native long getTestSamples_0(long nativeObj); - - // C++: void cv::ml::TrainData::getNames(vector_String names) - private static native void getNames_0(long nativeObj, List names); - - // C++: static Mat cv::ml::TrainData::getSubVector(Mat vec, Mat idx) - private static native long getSubVector_0(long vec_nativeObj, long idx_nativeObj); - - // C++: static Mat cv::ml::TrainData::getSubMatrix(Mat matrix, Mat idx, int layout) - private static native long getSubMatrix_0(long matrix_nativeObj, long idx_nativeObj, int layout); - - // C++: static Ptr_TrainData cv::ml::TrainData::create(Mat samples, int layout, Mat responses, Mat varIdx = Mat(), Mat sampleIdx = Mat(), Mat sampleWeights = Mat(), Mat varType = Mat()) - private static native long create_0(long samples_nativeObj, int layout, long responses_nativeObj, long varIdx_nativeObj, long sampleIdx_nativeObj, long sampleWeights_nativeObj, long varType_nativeObj); - private static native long create_1(long samples_nativeObj, int layout, long responses_nativeObj, long varIdx_nativeObj, long sampleIdx_nativeObj, long sampleWeights_nativeObj); - private static native long create_2(long samples_nativeObj, int layout, long responses_nativeObj, long varIdx_nativeObj, long sampleIdx_nativeObj); - private static native long create_3(long samples_nativeObj, int layout, long responses_nativeObj, long varIdx_nativeObj); - private static native long create_4(long samples_nativeObj, int layout, long responses_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/ArucoDetector.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/ArucoDetector.java deleted file mode 100644 index e39ab030a3..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/ArucoDetector.java +++ /dev/null @@ -1,523 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.objdetect.Board; -import org.opencv.objdetect.DetectorParameters; -import org.opencv.objdetect.Dictionary; -import org.opencv.objdetect.RefineParameters; -import org.opencv.utils.Converters; - -// C++: class ArucoDetector -/** - * The main functionality of ArucoDetector class is detection of markers in an image with detectMarkers() method. - * - * After detecting some markers in the image, you can try to find undetected markers from this dictionary with - * refineDetectedMarkers() method. - * - * SEE: DetectorParameters, RefineParameters - */ -public class ArucoDetector extends Algorithm { - - protected ArucoDetector(long addr) { super(addr); } - - // internal usage only - public static ArucoDetector __fromPtr__(long addr) { return new ArucoDetector(addr); } - - // - // C++: cv::aruco::ArucoDetector::ArucoDetector(Dictionary dictionary = getPredefinedDictionary(cv::aruco::DICT_4X4_50), DetectorParameters detectorParams = DetectorParameters(), RefineParameters refineParams = RefineParameters()) - // - - /** - * Basic ArucoDetector constructor - * - * @param dictionary indicates the type of markers that will be searched - * @param detectorParams marker detection parameters - * @param refineParams marker refine detection parameters - */ - public ArucoDetector(Dictionary dictionary, DetectorParameters detectorParams, RefineParameters refineParams) { - super(ArucoDetector_0(dictionary.getNativeObjAddr(), detectorParams.getNativeObjAddr(), refineParams.getNativeObjAddr())); - } - - /** - * Basic ArucoDetector constructor - * - * @param dictionary indicates the type of markers that will be searched - * @param detectorParams marker detection parameters - */ - public ArucoDetector(Dictionary dictionary, DetectorParameters detectorParams) { - super(ArucoDetector_1(dictionary.getNativeObjAddr(), detectorParams.getNativeObjAddr())); - } - - /** - * Basic ArucoDetector constructor - * - * @param dictionary indicates the type of markers that will be searched - */ - public ArucoDetector(Dictionary dictionary) { - super(ArucoDetector_2(dictionary.getNativeObjAddr())); - } - - /** - * Basic ArucoDetector constructor - * - */ - public ArucoDetector() { - super(ArucoDetector_3()); - } - - - // - // C++: cv::aruco::ArucoDetector::ArucoDetector(vector_Dictionary dictionaries, DetectorParameters detectorParams = DetectorParameters(), RefineParameters refineParams = RefineParameters()) - // - - // Unknown type 'vector_Dictionary' (I), skipping the function - - - // - // C++: void cv::aruco::ArucoDetector::detectMarkers(Mat image, vector_Mat& corners, Mat& ids, vector_Mat& rejectedImgPoints = vector_Mat()) - // - - /** - * Basic marker detection - * - * @param image input image - * @param corners vector of detected marker corners. For each marker, its four corners - * are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array is Nx4. The order of the corners is clockwise. - * @param ids vector of identifiers of the detected markers. The identifier is of type int - * (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - * The identifiers have the same order than the markers in the imgPoints array. - * @param rejectedImgPoints contains the imgPoints of those squares whose inner code has not a - * correct codification. Useful for debugging purposes. - * - * Performs marker detection in the input image. Only markers included in the first specified dictionary - * are searched. For each detected marker, it returns the 2D position of its corner in the image - * and its corresponding identifier. - * Note that this function does not perform pose estimation. - * Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - * input image with corresponding camera model, if camera parameters are known - * SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard - */ - public void detectMarkers(Mat image, List corners, Mat ids, List rejectedImgPoints) { - Mat corners_mat = new Mat(); - Mat rejectedImgPoints_mat = new Mat(); - detectMarkers_0(nativeObj, image.nativeObj, corners_mat.nativeObj, ids.nativeObj, rejectedImgPoints_mat.nativeObj); - Converters.Mat_to_vector_Mat(corners_mat, corners); - corners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedImgPoints_mat, rejectedImgPoints); - rejectedImgPoints_mat.release(); - } - - /** - * Basic marker detection - * - * @param image input image - * @param corners vector of detected marker corners. For each marker, its four corners - * are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array is Nx4. The order of the corners is clockwise. - * @param ids vector of identifiers of the detected markers. The identifier is of type int - * (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - * The identifiers have the same order than the markers in the imgPoints array. - * correct codification. Useful for debugging purposes. - * - * Performs marker detection in the input image. Only markers included in the first specified dictionary - * are searched. For each detected marker, it returns the 2D position of its corner in the image - * and its corresponding identifier. - * Note that this function does not perform pose estimation. - * Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - * input image with corresponding camera model, if camera parameters are known - * SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard - */ - public void detectMarkers(Mat image, List corners, Mat ids) { - Mat corners_mat = new Mat(); - detectMarkers_1(nativeObj, image.nativeObj, corners_mat.nativeObj, ids.nativeObj); - Converters.Mat_to_vector_Mat(corners_mat, corners); - corners_mat.release(); - } - - - // - // C++: void cv::aruco::ArucoDetector::refineDetectedMarkers(Mat image, Board board, vector_Mat& detectedCorners, Mat& detectedIds, vector_Mat& rejectedCorners, Mat cameraMatrix = Mat(), Mat distCoeffs = Mat(), Mat& recoveredIdxs = Mat()) - // - - /** - * Refine not detected markers based on the already detected and the board layout - * - * @param image input image - * @param board layout of markers in the board. - * @param detectedCorners vector of already detected marker corners. - * @param detectedIds vector of already detected marker identifiers. - * @param rejectedCorners vector of rejected candidates during the marker detection process. - * @param cameraMatrix optional input 3x3 floating-point camera matrix - * \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - * @param distCoeffs optional vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - * @param recoveredIdxs Optional array to returns the indexes of the recovered candidates in the - * original rejectedCorners array. - * - * This function tries to find markers that were not detected in the basic detecMarkers function. - * First, based on the current detected marker and the board layout, the function interpolates - * the position of the missing markers. Then it tries to find correspondence between the reprojected - * markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - * If camera parameters and distortion coefficients are provided, missing markers are reprojected - * using projectPoint function. If not, missing marker projections are interpolated using global - * homography, and all the marker corners in the board must have the same Z coordinate. - * Note: This function assumes that the board only contains markers from one dictionary, so only the - * first configured dictionary is used. It has to match the dictionary of the board to work properly. - */ - public void refineDetectedMarkers(Mat image, Board board, List detectedCorners, Mat detectedIds, List rejectedCorners, Mat cameraMatrix, Mat distCoeffs, Mat recoveredIdxs) { - Mat detectedCorners_mat = Converters.vector_Mat_to_Mat(detectedCorners); - Mat rejectedCorners_mat = Converters.vector_Mat_to_Mat(rejectedCorners); - refineDetectedMarkers_0(nativeObj, image.nativeObj, board.getNativeObjAddr(), detectedCorners_mat.nativeObj, detectedIds.nativeObj, rejectedCorners_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj, recoveredIdxs.nativeObj); - Converters.Mat_to_vector_Mat(detectedCorners_mat, detectedCorners); - detectedCorners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedCorners_mat, rejectedCorners); - rejectedCorners_mat.release(); - } - - /** - * Refine not detected markers based on the already detected and the board layout - * - * @param image input image - * @param board layout of markers in the board. - * @param detectedCorners vector of already detected marker corners. - * @param detectedIds vector of already detected marker identifiers. - * @param rejectedCorners vector of rejected candidates during the marker detection process. - * @param cameraMatrix optional input 3x3 floating-point camera matrix - * \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - * @param distCoeffs optional vector of distortion coefficients - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - * original rejectedCorners array. - * - * This function tries to find markers that were not detected in the basic detecMarkers function. - * First, based on the current detected marker and the board layout, the function interpolates - * the position of the missing markers. Then it tries to find correspondence between the reprojected - * markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - * If camera parameters and distortion coefficients are provided, missing markers are reprojected - * using projectPoint function. If not, missing marker projections are interpolated using global - * homography, and all the marker corners in the board must have the same Z coordinate. - * Note: This function assumes that the board only contains markers from one dictionary, so only the - * first configured dictionary is used. It has to match the dictionary of the board to work properly. - */ - public void refineDetectedMarkers(Mat image, Board board, List detectedCorners, Mat detectedIds, List rejectedCorners, Mat cameraMatrix, Mat distCoeffs) { - Mat detectedCorners_mat = Converters.vector_Mat_to_Mat(detectedCorners); - Mat rejectedCorners_mat = Converters.vector_Mat_to_Mat(rejectedCorners); - refineDetectedMarkers_1(nativeObj, image.nativeObj, board.getNativeObjAddr(), detectedCorners_mat.nativeObj, detectedIds.nativeObj, rejectedCorners_mat.nativeObj, cameraMatrix.nativeObj, distCoeffs.nativeObj); - Converters.Mat_to_vector_Mat(detectedCorners_mat, detectedCorners); - detectedCorners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedCorners_mat, rejectedCorners); - rejectedCorners_mat.release(); - } - - /** - * Refine not detected markers based on the already detected and the board layout - * - * @param image input image - * @param board layout of markers in the board. - * @param detectedCorners vector of already detected marker corners. - * @param detectedIds vector of already detected marker identifiers. - * @param rejectedCorners vector of rejected candidates during the marker detection process. - * @param cameraMatrix optional input 3x3 floating-point camera matrix - * \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - * original rejectedCorners array. - * - * This function tries to find markers that were not detected in the basic detecMarkers function. - * First, based on the current detected marker and the board layout, the function interpolates - * the position of the missing markers. Then it tries to find correspondence between the reprojected - * markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - * If camera parameters and distortion coefficients are provided, missing markers are reprojected - * using projectPoint function. If not, missing marker projections are interpolated using global - * homography, and all the marker corners in the board must have the same Z coordinate. - * Note: This function assumes that the board only contains markers from one dictionary, so only the - * first configured dictionary is used. It has to match the dictionary of the board to work properly. - */ - public void refineDetectedMarkers(Mat image, Board board, List detectedCorners, Mat detectedIds, List rejectedCorners, Mat cameraMatrix) { - Mat detectedCorners_mat = Converters.vector_Mat_to_Mat(detectedCorners); - Mat rejectedCorners_mat = Converters.vector_Mat_to_Mat(rejectedCorners); - refineDetectedMarkers_2(nativeObj, image.nativeObj, board.getNativeObjAddr(), detectedCorners_mat.nativeObj, detectedIds.nativeObj, rejectedCorners_mat.nativeObj, cameraMatrix.nativeObj); - Converters.Mat_to_vector_Mat(detectedCorners_mat, detectedCorners); - detectedCorners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedCorners_mat, rejectedCorners); - rejectedCorners_mat.release(); - } - - /** - * Refine not detected markers based on the already detected and the board layout - * - * @param image input image - * @param board layout of markers in the board. - * @param detectedCorners vector of already detected marker corners. - * @param detectedIds vector of already detected marker identifiers. - * @param rejectedCorners vector of rejected candidates during the marker detection process. - * \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) - * \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) of 4, 5, 8 or 12 elements - * original rejectedCorners array. - * - * This function tries to find markers that were not detected in the basic detecMarkers function. - * First, based on the current detected marker and the board layout, the function interpolates - * the position of the missing markers. Then it tries to find correspondence between the reprojected - * markers and the rejected candidates based on the minRepDistance and errorCorrectionRate parameters. - * If camera parameters and distortion coefficients are provided, missing markers are reprojected - * using projectPoint function. If not, missing marker projections are interpolated using global - * homography, and all the marker corners in the board must have the same Z coordinate. - * Note: This function assumes that the board only contains markers from one dictionary, so only the - * first configured dictionary is used. It has to match the dictionary of the board to work properly. - */ - public void refineDetectedMarkers(Mat image, Board board, List detectedCorners, Mat detectedIds, List rejectedCorners) { - Mat detectedCorners_mat = Converters.vector_Mat_to_Mat(detectedCorners); - Mat rejectedCorners_mat = Converters.vector_Mat_to_Mat(rejectedCorners); - refineDetectedMarkers_3(nativeObj, image.nativeObj, board.getNativeObjAddr(), detectedCorners_mat.nativeObj, detectedIds.nativeObj, rejectedCorners_mat.nativeObj); - Converters.Mat_to_vector_Mat(detectedCorners_mat, detectedCorners); - detectedCorners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedCorners_mat, rejectedCorners); - rejectedCorners_mat.release(); - } - - - // - // C++: void cv::aruco::ArucoDetector::detectMarkersMultiDict(Mat image, vector_Mat& corners, Mat& ids, vector_Mat& rejectedImgPoints = vector_Mat(), Mat& dictIndices = Mat()) - // - - /** - * Basic marker detection - * - * @param image input image - * @param corners vector of detected marker corners. For each marker, its four corners - * are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array is Nx4. The order of the corners is clockwise. - * @param ids vector of identifiers of the detected markers. The identifier is of type int - * (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - * The identifiers have the same order than the markers in the imgPoints array. - * @param rejectedImgPoints contains the imgPoints of those squares whose inner code has not a - * correct codification. Useful for debugging purposes. - * @param dictIndices vector of dictionary indices for each detected marker. Use getDictionaries() to get the - * list of corresponding dictionaries. - * - * Performs marker detection in the input image. Only markers included in the specific dictionaries - * are searched. For each detected marker, it returns the 2D position of its corner in the image - * and its corresponding identifier. - * Note that this function does not perform pose estimation. - * Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - * input image with corresponding camera model, if camera parameters are known - * SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard - */ - public void detectMarkersMultiDict(Mat image, List corners, Mat ids, List rejectedImgPoints, Mat dictIndices) { - Mat corners_mat = new Mat(); - Mat rejectedImgPoints_mat = new Mat(); - detectMarkersMultiDict_0(nativeObj, image.nativeObj, corners_mat.nativeObj, ids.nativeObj, rejectedImgPoints_mat.nativeObj, dictIndices.nativeObj); - Converters.Mat_to_vector_Mat(corners_mat, corners); - corners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedImgPoints_mat, rejectedImgPoints); - rejectedImgPoints_mat.release(); - } - - /** - * Basic marker detection - * - * @param image input image - * @param corners vector of detected marker corners. For each marker, its four corners - * are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array is Nx4. The order of the corners is clockwise. - * @param ids vector of identifiers of the detected markers. The identifier is of type int - * (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - * The identifiers have the same order than the markers in the imgPoints array. - * @param rejectedImgPoints contains the imgPoints of those squares whose inner code has not a - * correct codification. Useful for debugging purposes. - * list of corresponding dictionaries. - * - * Performs marker detection in the input image. Only markers included in the specific dictionaries - * are searched. For each detected marker, it returns the 2D position of its corner in the image - * and its corresponding identifier. - * Note that this function does not perform pose estimation. - * Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - * input image with corresponding camera model, if camera parameters are known - * SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard - */ - public void detectMarkersMultiDict(Mat image, List corners, Mat ids, List rejectedImgPoints) { - Mat corners_mat = new Mat(); - Mat rejectedImgPoints_mat = new Mat(); - detectMarkersMultiDict_1(nativeObj, image.nativeObj, corners_mat.nativeObj, ids.nativeObj, rejectedImgPoints_mat.nativeObj); - Converters.Mat_to_vector_Mat(corners_mat, corners); - corners_mat.release(); - Converters.Mat_to_vector_Mat(rejectedImgPoints_mat, rejectedImgPoints); - rejectedImgPoints_mat.release(); - } - - /** - * Basic marker detection - * - * @param image input image - * @param corners vector of detected marker corners. For each marker, its four corners - * are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array is Nx4. The order of the corners is clockwise. - * @param ids vector of identifiers of the detected markers. The identifier is of type int - * (e.g. std::vector<int>). For N detected markers, the size of ids is also N. - * The identifiers have the same order than the markers in the imgPoints array. - * correct codification. Useful for debugging purposes. - * list of corresponding dictionaries. - * - * Performs marker detection in the input image. Only markers included in the specific dictionaries - * are searched. For each detected marker, it returns the 2D position of its corner in the image - * and its corresponding identifier. - * Note that this function does not perform pose estimation. - * Note: The function does not correct lens distortion or takes it into account. It's recommended to undistort - * input image with corresponding camera model, if camera parameters are known - * SEE: undistort, estimatePoseSingleMarkers, estimatePoseBoard - */ - public void detectMarkersMultiDict(Mat image, List corners, Mat ids) { - Mat corners_mat = new Mat(); - detectMarkersMultiDict_2(nativeObj, image.nativeObj, corners_mat.nativeObj, ids.nativeObj); - Converters.Mat_to_vector_Mat(corners_mat, corners); - corners_mat.release(); - } - - - // - // C++: Dictionary cv::aruco::ArucoDetector::getDictionary() - // - - /** - * Returns first dictionary from internal list used for marker detection. - * - * @return The first dictionary from the configured ArucoDetector. - */ - public Dictionary getDictionary() { - return new Dictionary(getDictionary_0(nativeObj)); - } - - - // - // C++: void cv::aruco::ArucoDetector::setDictionary(Dictionary dictionary) - // - - /** - * Sets and replaces the first dictionary in internal list to be used for marker detection. - * - * @param dictionary The new dictionary that will replace the first dictionary in the internal list. - */ - public void setDictionary(Dictionary dictionary) { - setDictionary_0(nativeObj, dictionary.getNativeObjAddr()); - } - - - // - // C++: vector_Dictionary cv::aruco::ArucoDetector::getDictionaries() - // - - // Return type 'vector_Dictionary' is not supported, skipping the function - - - // - // C++: void cv::aruco::ArucoDetector::setDictionaries(vector_Dictionary dictionaries) - // - - // Unknown type 'vector_Dictionary' (I), skipping the function - - - // - // C++: DetectorParameters cv::aruco::ArucoDetector::getDetectorParameters() - // - - public DetectorParameters getDetectorParameters() { - return new DetectorParameters(getDetectorParameters_0(nativeObj)); - } - - - // - // C++: void cv::aruco::ArucoDetector::setDetectorParameters(DetectorParameters detectorParameters) - // - - public void setDetectorParameters(DetectorParameters detectorParameters) { - setDetectorParameters_0(nativeObj, detectorParameters.getNativeObjAddr()); - } - - - // - // C++: RefineParameters cv::aruco::ArucoDetector::getRefineParameters() - // - - public RefineParameters getRefineParameters() { - return new RefineParameters(getRefineParameters_0(nativeObj)); - } - - - // - // C++: void cv::aruco::ArucoDetector::setRefineParameters(RefineParameters refineParameters) - // - - public void setRefineParameters(RefineParameters refineParameters) { - setRefineParameters_0(nativeObj, refineParameters.getNativeObjAddr()); - } - - - // - // C++: void cv::aruco::ArucoDetector::write(FileStorage fs, String name) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: void cv::aruco::ArucoDetector::read(FileNode fn) - // - - // Unknown type 'FileNode' (I), skipping the function - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::ArucoDetector::ArucoDetector(Dictionary dictionary = getPredefinedDictionary(cv::aruco::DICT_4X4_50), DetectorParameters detectorParams = DetectorParameters(), RefineParameters refineParams = RefineParameters()) - private static native long ArucoDetector_0(long dictionary_nativeObj, long detectorParams_nativeObj, long refineParams_nativeObj); - private static native long ArucoDetector_1(long dictionary_nativeObj, long detectorParams_nativeObj); - private static native long ArucoDetector_2(long dictionary_nativeObj); - private static native long ArucoDetector_3(); - - // C++: void cv::aruco::ArucoDetector::detectMarkers(Mat image, vector_Mat& corners, Mat& ids, vector_Mat& rejectedImgPoints = vector_Mat()) - private static native void detectMarkers_0(long nativeObj, long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj, long rejectedImgPoints_mat_nativeObj); - private static native void detectMarkers_1(long nativeObj, long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj); - - // C++: void cv::aruco::ArucoDetector::refineDetectedMarkers(Mat image, Board board, vector_Mat& detectedCorners, Mat& detectedIds, vector_Mat& rejectedCorners, Mat cameraMatrix = Mat(), Mat distCoeffs = Mat(), Mat& recoveredIdxs = Mat()) - private static native void refineDetectedMarkers_0(long nativeObj, long image_nativeObj, long board_nativeObj, long detectedCorners_mat_nativeObj, long detectedIds_nativeObj, long rejectedCorners_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj, long recoveredIdxs_nativeObj); - private static native void refineDetectedMarkers_1(long nativeObj, long image_nativeObj, long board_nativeObj, long detectedCorners_mat_nativeObj, long detectedIds_nativeObj, long rejectedCorners_mat_nativeObj, long cameraMatrix_nativeObj, long distCoeffs_nativeObj); - private static native void refineDetectedMarkers_2(long nativeObj, long image_nativeObj, long board_nativeObj, long detectedCorners_mat_nativeObj, long detectedIds_nativeObj, long rejectedCorners_mat_nativeObj, long cameraMatrix_nativeObj); - private static native void refineDetectedMarkers_3(long nativeObj, long image_nativeObj, long board_nativeObj, long detectedCorners_mat_nativeObj, long detectedIds_nativeObj, long rejectedCorners_mat_nativeObj); - - // C++: void cv::aruco::ArucoDetector::detectMarkersMultiDict(Mat image, vector_Mat& corners, Mat& ids, vector_Mat& rejectedImgPoints = vector_Mat(), Mat& dictIndices = Mat()) - private static native void detectMarkersMultiDict_0(long nativeObj, long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj, long rejectedImgPoints_mat_nativeObj, long dictIndices_nativeObj); - private static native void detectMarkersMultiDict_1(long nativeObj, long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj, long rejectedImgPoints_mat_nativeObj); - private static native void detectMarkersMultiDict_2(long nativeObj, long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj); - - // C++: Dictionary cv::aruco::ArucoDetector::getDictionary() - private static native long getDictionary_0(long nativeObj); - - // C++: void cv::aruco::ArucoDetector::setDictionary(Dictionary dictionary) - private static native void setDictionary_0(long nativeObj, long dictionary_nativeObj); - - // C++: DetectorParameters cv::aruco::ArucoDetector::getDetectorParameters() - private static native long getDetectorParameters_0(long nativeObj); - - // C++: void cv::aruco::ArucoDetector::setDetectorParameters(DetectorParameters detectorParameters) - private static native void setDetectorParameters_0(long nativeObj, long detectorParameters_nativeObj); - - // C++: RefineParameters cv::aruco::ArucoDetector::getRefineParameters() - private static native long getRefineParameters_0(long nativeObj); - - // C++: void cv::aruco::ArucoDetector::setRefineParameters(RefineParameters refineParameters) - private static native void setRefineParameters_0(long nativeObj, long refineParameters_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/BarcodeDetector.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/BarcodeDetector.java deleted file mode 100644 index fc4c1db109..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/BarcodeDetector.java +++ /dev/null @@ -1,240 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.objdetect.BarcodeDetector; -import org.opencv.utils.Converters; - -// C++: class BarcodeDetector - -public class BarcodeDetector extends GraphicalCodeDetector { - - protected BarcodeDetector(long addr) { super(addr); } - - // internal usage only - public static BarcodeDetector __fromPtr__(long addr) { return new BarcodeDetector(addr); } - - // - // C++: cv::barcode::BarcodeDetector::BarcodeDetector() - // - - /** - * Initialize the BarcodeDetector. - */ - public BarcodeDetector() { - super(BarcodeDetector_0()); - } - - - // - // C++: cv::barcode::BarcodeDetector::BarcodeDetector(string prototxt_path, string model_path) - // - - /** - * Initialize the BarcodeDetector. - * - * Parameters allow to load _optional_ Super Resolution DNN model for better quality. - * @param prototxt_path prototxt file path for the super resolution model - * @param model_path model file path for the super resolution model - */ - public BarcodeDetector(String prototxt_path, String model_path) { - super(BarcodeDetector_1(prototxt_path, model_path)); - } - - - // - // C++: bool cv::barcode::BarcodeDetector::decodeWithType(Mat img, Mat points, vector_string& decoded_info, vector_string& decoded_type) - // - - /** - * Decodes barcode in image once it's found by the detect() method. - * - * @param img grayscale or color (BGR) image containing bar code. - * @param points vector of rotated rectangle vertices found by detect() method (or some other algorithm). - * For N detected barcodes, the dimensions of this array should be [N][4]. - * Order of four points in vector<Point2f> is bottomLeft, topLeft, topRight, bottomRight. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * @param decoded_type vector strings, specifies the type of these barcodes - * @return true if at least one valid barcode have been found - */ - public boolean decodeWithType(Mat img, Mat points, List decoded_info, List decoded_type) { - return decodeWithType_0(nativeObj, img.nativeObj, points.nativeObj, decoded_info, decoded_type); - } - - - // - // C++: bool cv::barcode::BarcodeDetector::detectAndDecodeWithType(Mat img, vector_string& decoded_info, vector_string& decoded_type, Mat& points = Mat()) - // - - /** - * Both detects and decodes barcode - * - * @param img grayscale or color (BGR) image containing barcode. - * @param decoded_info UTF8-encoded output vector of string(s) or empty vector of string if the codes cannot be decoded. - * @param decoded_type vector of strings, specifies the type of these barcodes - * @param points optional output vector of vertices of the found barcode rectangle. Will be empty if not found. - * @return true if at least one valid barcode have been found - */ - public boolean detectAndDecodeWithType(Mat img, List decoded_info, List decoded_type, Mat points) { - return detectAndDecodeWithType_0(nativeObj, img.nativeObj, decoded_info, decoded_type, points.nativeObj); - } - - /** - * Both detects and decodes barcode - * - * @param img grayscale or color (BGR) image containing barcode. - * @param decoded_info UTF8-encoded output vector of string(s) or empty vector of string if the codes cannot be decoded. - * @param decoded_type vector of strings, specifies the type of these barcodes - * @return true if at least one valid barcode have been found - */ - public boolean detectAndDecodeWithType(Mat img, List decoded_info, List decoded_type) { - return detectAndDecodeWithType_1(nativeObj, img.nativeObj, decoded_info, decoded_type); - } - - - // - // C++: double cv::barcode::BarcodeDetector::getDownsamplingThreshold() - // - - /** - * Get detector downsampling threshold. - * - * @return detector downsampling threshold - */ - public double getDownsamplingThreshold() { - return getDownsamplingThreshold_0(nativeObj); - } - - - // - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setDownsamplingThreshold(double thresh) - // - - /** - * Set detector downsampling threshold. - * - * By default, the detect method resizes the input image to this limit if the smallest image size is is greater than the threshold. - * Increasing this value can improve detection accuracy and the number of results at the expense of performance. - * Correlates with detector scales. Setting this to a large value will disable downsampling. - * @param thresh downsampling limit to apply (default 512) - * SEE: setDetectorScales - * @return automatically generated - */ - public BarcodeDetector setDownsamplingThreshold(double thresh) { - return new BarcodeDetector(setDownsamplingThreshold_0(nativeObj, thresh)); - } - - - // - // C++: void cv::barcode::BarcodeDetector::getDetectorScales(vector_float& sizes) - // - - /** - * Returns detector box filter sizes. - * - * @param sizes output parameter for returning the sizes. - */ - public void getDetectorScales(MatOfFloat sizes) { - Mat sizes_mat = sizes; - getDetectorScales_0(nativeObj, sizes_mat.nativeObj); - } - - - // - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setDetectorScales(vector_float sizes) - // - - /** - * Set detector box filter sizes. - * - * Adjusts the value and the number of box filters used in the detect step. - * The filter sizes directly correlate with the expected line widths for a barcode. Corresponds to expected barcode distance. - * If the downsampling limit is increased, filter sizes need to be adjusted in an inversely proportional way. - * @param sizes box filter sizes, relative to minimum dimension of the image (default [0.01, 0.03, 0.06, 0.08]) - * @return automatically generated - */ - public BarcodeDetector setDetectorScales(MatOfFloat sizes) { - Mat sizes_mat = sizes; - return new BarcodeDetector(setDetectorScales_0(nativeObj, sizes_mat.nativeObj)); - } - - - // - // C++: double cv::barcode::BarcodeDetector::getGradientThreshold() - // - - /** - * Get detector gradient magnitude threshold. - * - * @return detector gradient magnitude threshold. - */ - public double getGradientThreshold() { - return getGradientThreshold_0(nativeObj); - } - - - // - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setGradientThreshold(double thresh) - // - - /** - * Set detector gradient magnitude threshold. - * - * Sets the coherence threshold for detected bounding boxes. - * Increasing this value will generate a closer fitted bounding box width and can reduce false-positives. - * Values between 16 and 1024 generally work, while too high of a value will remove valid detections. - * @param thresh gradient magnitude threshold (default 64). - * @return automatically generated - */ - public BarcodeDetector setGradientThreshold(double thresh) { - return new BarcodeDetector(setGradientThreshold_0(nativeObj, thresh)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::barcode::BarcodeDetector::BarcodeDetector() - private static native long BarcodeDetector_0(); - - // C++: cv::barcode::BarcodeDetector::BarcodeDetector(string prototxt_path, string model_path) - private static native long BarcodeDetector_1(String prototxt_path, String model_path); - - // C++: bool cv::barcode::BarcodeDetector::decodeWithType(Mat img, Mat points, vector_string& decoded_info, vector_string& decoded_type) - private static native boolean decodeWithType_0(long nativeObj, long img_nativeObj, long points_nativeObj, List decoded_info, List decoded_type); - - // C++: bool cv::barcode::BarcodeDetector::detectAndDecodeWithType(Mat img, vector_string& decoded_info, vector_string& decoded_type, Mat& points = Mat()) - private static native boolean detectAndDecodeWithType_0(long nativeObj, long img_nativeObj, List decoded_info, List decoded_type, long points_nativeObj); - private static native boolean detectAndDecodeWithType_1(long nativeObj, long img_nativeObj, List decoded_info, List decoded_type); - - // C++: double cv::barcode::BarcodeDetector::getDownsamplingThreshold() - private static native double getDownsamplingThreshold_0(long nativeObj); - - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setDownsamplingThreshold(double thresh) - private static native long setDownsamplingThreshold_0(long nativeObj, double thresh); - - // C++: void cv::barcode::BarcodeDetector::getDetectorScales(vector_float& sizes) - private static native void getDetectorScales_0(long nativeObj, long sizes_mat_nativeObj); - - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setDetectorScales(vector_float sizes) - private static native long setDetectorScales_0(long nativeObj, long sizes_mat_nativeObj); - - // C++: double cv::barcode::BarcodeDetector::getGradientThreshold() - private static native double getGradientThreshold_0(long nativeObj); - - // C++: BarcodeDetector cv::barcode::BarcodeDetector::setGradientThreshold(double thresh) - private static native long setGradientThreshold_0(long nativeObj, double thresh); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/BaseCascadeClassifier.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/BaseCascadeClassifier.java deleted file mode 100644 index ef0108a137..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/BaseCascadeClassifier.java +++ /dev/null @@ -1,27 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.core.Algorithm; - -// C++: class BaseCascadeClassifier - -public class BaseCascadeClassifier extends Algorithm { - - protected BaseCascadeClassifier(long addr) { super(addr); } - - // internal usage only - public static BaseCascadeClassifier __fromPtr__(long addr) { return new BaseCascadeClassifier(addr); } - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Board.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/Board.java deleted file mode 100644 index 18e2847692..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Board.java +++ /dev/null @@ -1,226 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfPoint3f; -import org.opencv.core.Point3; -import org.opencv.core.Size; -import org.opencv.objdetect.Dictionary; -import org.opencv.utils.Converters; - -// C++: class Board -/** - * Board of ArUco markers - * - * A board is a set of markers in the 3D space with a common coordinate system. - * The common form of a board of marker is a planar (2D) board, however any 3D layout can be used. - * A Board object is composed by: - * - The object points of the marker corners, i.e. their coordinates respect to the board system. - * - The dictionary which indicates the type of markers of the board - * - The identifier of all the markers in the board. - */ -public class Board { - - protected final long nativeObj; - protected Board(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Board __fromPtr__(long addr) { return new Board(addr); } - - // - // C++: cv::aruco::Board::Board(vector_Mat objPoints, Dictionary dictionary, Mat ids) - // - - /** - * Common Board constructor - * - * @param objPoints array of object points of all the marker corners in the board - * @param dictionary the dictionary of markers employed for this board - * @param ids vector of the identifiers of the markers in the board - */ - public Board(List objPoints, Dictionary dictionary, Mat ids) { - Mat objPoints_mat = Converters.vector_Mat_to_Mat(objPoints); - nativeObj = Board_0(objPoints_mat.nativeObj, dictionary.getNativeObjAddr(), ids.nativeObj); - } - - - // - // C++: Dictionary cv::aruco::Board::getDictionary() - // - - /** - * return the Dictionary of markers employed for this board - * @return automatically generated - */ - public Dictionary getDictionary() { - return new Dictionary(getDictionary_0(nativeObj)); - } - - - // - // C++: vector_vector_Point3f cv::aruco::Board::getObjPoints() - // - - /** - * return array of object points of all the marker corners in the board. - * - * Each marker include its 4 corners in this order: - * - objPoints[i][0] - left-top point of i-th marker - * - objPoints[i][1] - right-top point of i-th marker - * - objPoints[i][2] - right-bottom point of i-th marker - * - objPoints[i][3] - left-bottom point of i-th marker - * - * Markers are placed in a certain order - row by row, left to right in every row. For M markers, the size is Mx4. - * @return automatically generated - */ - public List getObjPoints() { - List retVal = new ArrayList(); - Mat retValMat = new Mat(getObjPoints_0(nativeObj)); - Converters.Mat_to_vector_vector_Point3f(retValMat, retVal); - return retVal; - } - - - // - // C++: vector_int cv::aruco::Board::getIds() - // - - /** - * vector of the identifiers of the markers in the board (should be the same size as objPoints) - * @return vector of the identifiers of the markers - */ - public MatOfInt getIds() { - return MatOfInt.fromNativeAddr(getIds_0(nativeObj)); - } - - - // - // C++: Point3f cv::aruco::Board::getRightBottomCorner() - // - - /** - * get coordinate of the bottom right corner of the board, is set when calling the function create() - * @return automatically generated - */ - public Point3 getRightBottomCorner() { - return new Point3(getRightBottomCorner_0(nativeObj)); - } - - - // - // C++: void cv::aruco::Board::matchImagePoints(vector_Mat detectedCorners, Mat detectedIds, Mat& objPoints, Mat& imgPoints) - // - - /** - * Given a board configuration and a set of detected markers, returns the corresponding - * image points and object points, can be used in solvePnP() - * - * @param detectedCorners List of detected marker corners of the board. - * For cv::Board and cv::GridBoard the method expects std::vector<std::vector<Point2f>> or std::vector<Mat> with Aruco marker corners. - * For cv::CharucoBoard the method expects std::vector<Point2f> or Mat with ChAruco corners (chess board corners matched with Aruco markers). - * - * @param detectedIds List of identifiers for each marker or charuco corner. - * For any Board class the method expects std::vector<int> or Mat. - * - * @param objPoints Vector of marker points in the board coordinate space. - * For any Board class the method expects std::vector<cv::Point3f> objectPoints or cv::Mat - * - * @param imgPoints Vector of marker points in the image coordinate space. - * For any Board class the method expects std::vector<cv::Point2f> objectPoints or cv::Mat - * - * SEE: solvePnP - */ - public void matchImagePoints(List detectedCorners, Mat detectedIds, Mat objPoints, Mat imgPoints) { - Mat detectedCorners_mat = Converters.vector_Mat_to_Mat(detectedCorners); - matchImagePoints_0(nativeObj, detectedCorners_mat.nativeObj, detectedIds.nativeObj, objPoints.nativeObj, imgPoints.nativeObj); - } - - - // - // C++: void cv::aruco::Board::generateImage(Size outSize, Mat& img, int marginSize = 0, int borderBits = 1) - // - - /** - * Draw a planar board - * - * @param outSize size of the output image in pixels. - * @param img output image with the board. The size of this image will be outSize - * and the board will be on the center, keeping the board proportions. - * @param marginSize minimum margins (in pixels) of the board in the output image - * @param borderBits width of the marker borders. - * - * This function return the image of the board, ready to be printed. - */ - public void generateImage(Size outSize, Mat img, int marginSize, int borderBits) { - generateImage_0(nativeObj, outSize.width, outSize.height, img.nativeObj, marginSize, borderBits); - } - - /** - * Draw a planar board - * - * @param outSize size of the output image in pixels. - * @param img output image with the board. The size of this image will be outSize - * and the board will be on the center, keeping the board proportions. - * @param marginSize minimum margins (in pixels) of the board in the output image - * - * This function return the image of the board, ready to be printed. - */ - public void generateImage(Size outSize, Mat img, int marginSize) { - generateImage_1(nativeObj, outSize.width, outSize.height, img.nativeObj, marginSize); - } - - /** - * Draw a planar board - * - * @param outSize size of the output image in pixels. - * @param img output image with the board. The size of this image will be outSize - * and the board will be on the center, keeping the board proportions. - * - * This function return the image of the board, ready to be printed. - */ - public void generateImage(Size outSize, Mat img) { - generateImage_2(nativeObj, outSize.width, outSize.height, img.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::Board::Board(vector_Mat objPoints, Dictionary dictionary, Mat ids) - private static native long Board_0(long objPoints_mat_nativeObj, long dictionary_nativeObj, long ids_nativeObj); - - // C++: Dictionary cv::aruco::Board::getDictionary() - private static native long getDictionary_0(long nativeObj); - - // C++: vector_vector_Point3f cv::aruco::Board::getObjPoints() - private static native long getObjPoints_0(long nativeObj); - - // C++: vector_int cv::aruco::Board::getIds() - private static native long getIds_0(long nativeObj); - - // C++: Point3f cv::aruco::Board::getRightBottomCorner() - private static native double[] getRightBottomCorner_0(long nativeObj); - - // C++: void cv::aruco::Board::matchImagePoints(vector_Mat detectedCorners, Mat detectedIds, Mat& objPoints, Mat& imgPoints) - private static native void matchImagePoints_0(long nativeObj, long detectedCorners_mat_nativeObj, long detectedIds_nativeObj, long objPoints_nativeObj, long imgPoints_nativeObj); - - // C++: void cv::aruco::Board::generateImage(Size outSize, Mat& img, int marginSize = 0, int borderBits = 1) - private static native void generateImage_0(long nativeObj, double outSize_width, double outSize_height, long img_nativeObj, int marginSize, int borderBits); - private static native void generateImage_1(long nativeObj, double outSize_width, double outSize_height, long img_nativeObj, int marginSize); - private static native void generateImage_2(long nativeObj, double outSize_width, double outSize_height, long img_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CascadeClassifier.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/CascadeClassifier.java deleted file mode 100644 index b9b31e4b25..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CascadeClassifier.java +++ /dev/null @@ -1,645 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfDouble; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfRect; -import org.opencv.core.Size; -import org.opencv.utils.Converters; - -// C++: class CascadeClassifier -/** - * Cascade classifier class for object detection. - */ -public class CascadeClassifier { - - protected final long nativeObj; - protected CascadeClassifier(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static CascadeClassifier __fromPtr__(long addr) { return new CascadeClassifier(addr); } - - // - // C++: cv::CascadeClassifier::CascadeClassifier() - // - - public CascadeClassifier() { - nativeObj = CascadeClassifier_0(); - } - - - // - // C++: cv::CascadeClassifier::CascadeClassifier(String filename) - // - - /** - * Loads a classifier from a file. - * - * @param filename Name of the file from which the classifier is loaded. - */ - public CascadeClassifier(String filename) { - nativeObj = CascadeClassifier_1(filename); - } - - - // - // C++: bool cv::CascadeClassifier::empty() - // - - /** - * Checks whether the classifier has been loaded. - * @return automatically generated - */ - public boolean empty() { - return empty_0(nativeObj); - } - - - // - // C++: bool cv::CascadeClassifier::load(String filename) - // - - /** - * Loads a classifier from a file. - * - * @param filename Name of the file from which the classifier is loaded. The file may contain an old - * HAAR classifier trained by the haartraining application or a new cascade classifier trained by the - * traincascade application. - * @return automatically generated - */ - public boolean load(String filename) { - return load_0(nativeObj, filename); - } - - - // - // C++: bool cv::CascadeClassifier::read(FileNode node) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size()) - // - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - * @param minSize Minimum possible object size. Objects smaller than that are ignored. - * @param maxSize Maximum possible object size. Objects larger than that are ignored. If {@code maxSize == minSize} model is evaluated on single scale. - */ - public void detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize) { - Mat objects_mat = objects; - detectMultiScale_0(nativeObj, image.nativeObj, objects_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height, maxSize.width, maxSize.height); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - * @param minSize Minimum possible object size. Objects smaller than that are ignored. - */ - public void detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors, int flags, Size minSize) { - Mat objects_mat = objects; - detectMultiScale_1(nativeObj, image.nativeObj, objects_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors, int flags) { - Mat objects_mat = objects; - detectMultiScale_2(nativeObj, image.nativeObj, objects_mat.nativeObj, scaleFactor, minNeighbors, flags); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors) { - Mat objects_mat = objects; - detectMultiScale_3(nativeObj, image.nativeObj, objects_mat.nativeObj, scaleFactor, minNeighbors); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale(Mat image, MatOfRect objects, double scaleFactor) { - Mat objects_mat = objects; - detectMultiScale_4(nativeObj, image.nativeObj, objects_mat.nativeObj, scaleFactor); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale(Mat image, MatOfRect objects) { - Mat objects_mat = objects; - detectMultiScale_5(nativeObj, image.nativeObj, objects_mat.nativeObj); - } - - - // - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, vector_int& numDetections, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size()) - // - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - * @param minSize Minimum possible object size. Objects smaller than that are ignored. - * @param maxSize Maximum possible object size. Objects larger than that are ignored. If {@code maxSize == minSize} model is evaluated on single scale. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_0(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height, maxSize.width, maxSize.height); - } - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - * @param minSize Minimum possible object size. Objects smaller than that are ignored. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections, double scaleFactor, int minNeighbors, int flags, Size minSize) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_1(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height); - } - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * @param flags Parameter with the same meaning for an old cascade as in the function - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections, double scaleFactor, int minNeighbors, int flags) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_2(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj, scaleFactor, minNeighbors, flags); - } - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * @param minNeighbors Parameter specifying how many neighbors each candidate rectangle should have - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections, double scaleFactor, int minNeighbors) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_3(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj, scaleFactor, minNeighbors); - } - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * @param scaleFactor Parameter specifying how much the image size is reduced at each image scale. - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections, double scaleFactor) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_4(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj, scaleFactor); - } - - /** - * - * @param image Matrix of the type CV_8U containing an image where objects are detected. - * @param objects Vector of rectangles where each rectangle contains the detected object, the - * rectangles may be partially outside the original image. - * @param numDetections Vector of detection numbers for the corresponding objects. An object's number - * of detections is the number of neighboring positively classified rectangles that were joined - * together to form the object. - * to retain it. - * cvHaarDetectObjects. It is not used for a new cascade. - */ - public void detectMultiScale2(Mat image, MatOfRect objects, MatOfInt numDetections) { - Mat objects_mat = objects; - Mat numDetections_mat = numDetections; - detectMultiScale2_5(nativeObj, image.nativeObj, objects_mat.nativeObj, numDetections_mat.nativeObj); - } - - - // - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, vector_int& rejectLevels, vector_double& levelWeights, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size(), bool outputRejectLevels = false) - // - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - * @param minNeighbors automatically generated - * @param flags automatically generated - * @param minSize automatically generated - * @param maxSize automatically generated - * @param outputRejectLevels automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize, boolean outputRejectLevels) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_0(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height, maxSize.width, maxSize.height, outputRejectLevels); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - * @param minNeighbors automatically generated - * @param flags automatically generated - * @param minSize automatically generated - * @param maxSize automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_1(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height, maxSize.width, maxSize.height); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - * @param minNeighbors automatically generated - * @param flags automatically generated - * @param minSize automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor, int minNeighbors, int flags, Size minSize) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_2(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor, minNeighbors, flags, minSize.width, minSize.height); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - * @param minNeighbors automatically generated - * @param flags automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor, int minNeighbors, int flags) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_3(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor, minNeighbors, flags); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - * @param minNeighbors automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor, int minNeighbors) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_4(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor, minNeighbors); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - * @param scaleFactor automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights, double scaleFactor) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_5(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj, scaleFactor); - } - - /** - * - * This function allows you to retrieve the final stage decision certainty of classification. - * For this, one needs to set {@code outputRejectLevels} on true and provide the {@code rejectLevels} and {@code levelWeights} parameter. - * For each resulting detection, {@code levelWeights} will then contain the certainty of classification at the final stage. - * This value can then be used to separate strong from weaker classifications. - * - * A code sample on how to use it efficiently can be found below: - * - * Mat img; - * vector<double> weights; - * vector<int> levels; - * vector<Rect> detections; - * CascadeClassifier model("/path/to/your/model.xml"); - * model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true); - * cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl; - * - * @param image automatically generated - * @param objects automatically generated - * @param rejectLevels automatically generated - * @param levelWeights automatically generated - */ - public void detectMultiScale3(Mat image, MatOfRect objects, MatOfInt rejectLevels, MatOfDouble levelWeights) { - Mat objects_mat = objects; - Mat rejectLevels_mat = rejectLevels; - Mat levelWeights_mat = levelWeights; - detectMultiScale3_6(nativeObj, image.nativeObj, objects_mat.nativeObj, rejectLevels_mat.nativeObj, levelWeights_mat.nativeObj); - } - - - // - // C++: bool cv::CascadeClassifier::isOldFormatCascade() - // - - public boolean isOldFormatCascade() { - return isOldFormatCascade_0(nativeObj); - } - - - // - // C++: Size cv::CascadeClassifier::getOriginalWindowSize() - // - - public Size getOriginalWindowSize() { - return new Size(getOriginalWindowSize_0(nativeObj)); - } - - - // - // C++: int cv::CascadeClassifier::getFeatureType() - // - - public int getFeatureType() { - return getFeatureType_0(nativeObj); - } - - - // - // C++: static bool cv::CascadeClassifier::convert(String oldcascade, String newcascade) - // - - public static boolean convert(String oldcascade, String newcascade) { - return convert_0(oldcascade, newcascade); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::CascadeClassifier::CascadeClassifier() - private static native long CascadeClassifier_0(); - - // C++: cv::CascadeClassifier::CascadeClassifier(String filename) - private static native long CascadeClassifier_1(String filename); - - // C++: bool cv::CascadeClassifier::empty() - private static native boolean empty_0(long nativeObj); - - // C++: bool cv::CascadeClassifier::load(String filename) - private static native boolean load_0(long nativeObj, String filename); - - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size()) - private static native void detectMultiScale_0(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height, double maxSize_width, double maxSize_height); - private static native void detectMultiScale_1(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height); - private static native void detectMultiScale_2(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, double scaleFactor, int minNeighbors, int flags); - private static native void detectMultiScale_3(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, double scaleFactor, int minNeighbors); - private static native void detectMultiScale_4(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, double scaleFactor); - private static native void detectMultiScale_5(long nativeObj, long image_nativeObj, long objects_mat_nativeObj); - - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, vector_int& numDetections, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size()) - private static native void detectMultiScale2_0(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height, double maxSize_width, double maxSize_height); - private static native void detectMultiScale2_1(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height); - private static native void detectMultiScale2_2(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj, double scaleFactor, int minNeighbors, int flags); - private static native void detectMultiScale2_3(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj, double scaleFactor, int minNeighbors); - private static native void detectMultiScale2_4(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj, double scaleFactor); - private static native void detectMultiScale2_5(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long numDetections_mat_nativeObj); - - // C++: void cv::CascadeClassifier::detectMultiScale(Mat image, vector_Rect& objects, vector_int& rejectLevels, vector_double& levelWeights, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size(), bool outputRejectLevels = false) - private static native void detectMultiScale3_0(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height, double maxSize_width, double maxSize_height, boolean outputRejectLevels); - private static native void detectMultiScale3_1(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height, double maxSize_width, double maxSize_height); - private static native void detectMultiScale3_2(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor, int minNeighbors, int flags, double minSize_width, double minSize_height); - private static native void detectMultiScale3_3(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor, int minNeighbors, int flags); - private static native void detectMultiScale3_4(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor, int minNeighbors); - private static native void detectMultiScale3_5(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj, double scaleFactor); - private static native void detectMultiScale3_6(long nativeObj, long image_nativeObj, long objects_mat_nativeObj, long rejectLevels_mat_nativeObj, long levelWeights_mat_nativeObj); - - // C++: bool cv::CascadeClassifier::isOldFormatCascade() - private static native boolean isOldFormatCascade_0(long nativeObj); - - // C++: Size cv::CascadeClassifier::getOriginalWindowSize() - private static native double[] getOriginalWindowSize_0(long nativeObj); - - // C++: int cv::CascadeClassifier::getFeatureType() - private static native int getFeatureType_0(long nativeObj); - - // C++: static bool cv::CascadeClassifier::convert(String oldcascade, String newcascade) - private static native boolean convert_0(String oldcascade, String newcascade); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoBoard.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoBoard.java deleted file mode 100644 index a34699e58a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoBoard.java +++ /dev/null @@ -1,186 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfPoint3f; -import org.opencv.core.Size; -import org.opencv.objdetect.Board; -import org.opencv.objdetect.Dictionary; -import org.opencv.utils.Converters; - -// C++: class CharucoBoard -/** - * ChArUco board is a planar chessboard where the markers are placed inside the white squares of a chessboard. - * - * The benefits of ChArUco boards is that they provide both, ArUco markers versatility and chessboard corner precision, - * which is important for calibration and pose estimation. The board image can be drawn using generateImage() method. - */ -public class CharucoBoard extends Board { - - protected CharucoBoard(long addr) { super(addr); } - - // internal usage only - public static CharucoBoard __fromPtr__(long addr) { return new CharucoBoard(addr); } - - // - // C++: cv::aruco::CharucoBoard::CharucoBoard(Size size, float squareLength, float markerLength, Dictionary dictionary, Mat ids = Mat()) - // - - /** - * CharucoBoard constructor - * - * @param size number of chessboard squares in x and y directions - * @param squareLength squareLength chessboard square side length (normally in meters) - * @param markerLength marker side length (same unit than squareLength) - * @param dictionary dictionary of markers indicating the type of markers - * @param ids array of id used markers - * The first markers in the dictionary are used to fill the white chessboard squares. - */ - public CharucoBoard(Size size, float squareLength, float markerLength, Dictionary dictionary, Mat ids) { - super(CharucoBoard_0(size.width, size.height, squareLength, markerLength, dictionary.getNativeObjAddr(), ids.nativeObj)); - } - - /** - * CharucoBoard constructor - * - * @param size number of chessboard squares in x and y directions - * @param squareLength squareLength chessboard square side length (normally in meters) - * @param markerLength marker side length (same unit than squareLength) - * @param dictionary dictionary of markers indicating the type of markers - * The first markers in the dictionary are used to fill the white chessboard squares. - */ - public CharucoBoard(Size size, float squareLength, float markerLength, Dictionary dictionary) { - super(CharucoBoard_1(size.width, size.height, squareLength, markerLength, dictionary.getNativeObjAddr())); - } - - - // - // C++: void cv::aruco::CharucoBoard::setLegacyPattern(bool legacyPattern) - // - - /** - * set legacy chessboard pattern. - * - * Legacy setting creates chessboard patterns starting with a white box in the upper left corner - * if there is an even row count of chessboard boxes, otherwise it starts with a black box. - * This setting ensures compatibility to patterns created with OpenCV versions prior OpenCV 4.6.0. - * See https://github.com/opencv/opencv/issues/23152. - * - * Default value: false. - * @param legacyPattern automatically generated - */ - public void setLegacyPattern(boolean legacyPattern) { - setLegacyPattern_0(nativeObj, legacyPattern); - } - - - // - // C++: bool cv::aruco::CharucoBoard::getLegacyPattern() - // - - public boolean getLegacyPattern() { - return getLegacyPattern_0(nativeObj); - } - - - // - // C++: Size cv::aruco::CharucoBoard::getChessboardSize() - // - - public Size getChessboardSize() { - return new Size(getChessboardSize_0(nativeObj)); - } - - - // - // C++: float cv::aruco::CharucoBoard::getSquareLength() - // - - public float getSquareLength() { - return getSquareLength_0(nativeObj); - } - - - // - // C++: float cv::aruco::CharucoBoard::getMarkerLength() - // - - public float getMarkerLength() { - return getMarkerLength_0(nativeObj); - } - - - // - // C++: vector_Point3f cv::aruco::CharucoBoard::getChessboardCorners() - // - - /** - * get CharucoBoard::chessboardCorners - * @return automatically generated - */ - public MatOfPoint3f getChessboardCorners() { - return MatOfPoint3f.fromNativeAddr(getChessboardCorners_0(nativeObj)); - } - - - // - // C++: bool cv::aruco::CharucoBoard::checkCharucoCornersCollinear(Mat charucoIds) - // - - /** - * check whether the ChArUco markers are collinear - * - * @param charucoIds list of identifiers for each corner in charucoCorners per frame. - * @return bool value, 1 (true) if detected corners form a line, 0 (false) if they do not. - * solvePnP, calibration functions will fail if the corners are collinear (true). - * - * The number of ids in charucoIDs should be <= the number of chessboard corners in the board. - * This functions checks whether the charuco corners are on a straight line (returns true, if so), or not (false). - * Axis parallel, as well as diagonal and other straight lines detected. Degenerate cases: - * for number of charucoIDs <= 2,the function returns true. - */ - public boolean checkCharucoCornersCollinear(Mat charucoIds) { - return checkCharucoCornersCollinear_0(nativeObj, charucoIds.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::CharucoBoard::CharucoBoard(Size size, float squareLength, float markerLength, Dictionary dictionary, Mat ids = Mat()) - private static native long CharucoBoard_0(double size_width, double size_height, float squareLength, float markerLength, long dictionary_nativeObj, long ids_nativeObj); - private static native long CharucoBoard_1(double size_width, double size_height, float squareLength, float markerLength, long dictionary_nativeObj); - - // C++: void cv::aruco::CharucoBoard::setLegacyPattern(bool legacyPattern) - private static native void setLegacyPattern_0(long nativeObj, boolean legacyPattern); - - // C++: bool cv::aruco::CharucoBoard::getLegacyPattern() - private static native boolean getLegacyPattern_0(long nativeObj); - - // C++: Size cv::aruco::CharucoBoard::getChessboardSize() - private static native double[] getChessboardSize_0(long nativeObj); - - // C++: float cv::aruco::CharucoBoard::getSquareLength() - private static native float getSquareLength_0(long nativeObj); - - // C++: float cv::aruco::CharucoBoard::getMarkerLength() - private static native float getMarkerLength_0(long nativeObj); - - // C++: vector_Point3f cv::aruco::CharucoBoard::getChessboardCorners() - private static native long getChessboardCorners_0(long nativeObj); - - // C++: bool cv::aruco::CharucoBoard::checkCharucoCornersCollinear(Mat charucoIds) - private static native boolean checkCharucoCornersCollinear_0(long nativeObj, long charucoIds_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoDetector.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoDetector.java deleted file mode 100644 index 198039312c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoDetector.java +++ /dev/null @@ -1,378 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.objdetect.CharucoBoard; -import org.opencv.objdetect.CharucoParameters; -import org.opencv.objdetect.DetectorParameters; -import org.opencv.objdetect.RefineParameters; -import org.opencv.utils.Converters; - -// C++: class CharucoDetector - -public class CharucoDetector extends Algorithm { - - protected CharucoDetector(long addr) { super(addr); } - - // internal usage only - public static CharucoDetector __fromPtr__(long addr) { return new CharucoDetector(addr); } - - // - // C++: cv::aruco::CharucoDetector::CharucoDetector(CharucoBoard board, CharucoParameters charucoParams = CharucoParameters(), DetectorParameters detectorParams = DetectorParameters(), RefineParameters refineParams = RefineParameters()) - // - - /** - * Basic CharucoDetector constructor - * - * @param board ChAruco board - * @param charucoParams charuco detection parameters - * @param detectorParams marker detection parameters - * @param refineParams marker refine detection parameters - */ - public CharucoDetector(CharucoBoard board, CharucoParameters charucoParams, DetectorParameters detectorParams, RefineParameters refineParams) { - super(CharucoDetector_0(board.getNativeObjAddr(), charucoParams.getNativeObjAddr(), detectorParams.getNativeObjAddr(), refineParams.getNativeObjAddr())); - } - - /** - * Basic CharucoDetector constructor - * - * @param board ChAruco board - * @param charucoParams charuco detection parameters - * @param detectorParams marker detection parameters - */ - public CharucoDetector(CharucoBoard board, CharucoParameters charucoParams, DetectorParameters detectorParams) { - super(CharucoDetector_1(board.getNativeObjAddr(), charucoParams.getNativeObjAddr(), detectorParams.getNativeObjAddr())); - } - - /** - * Basic CharucoDetector constructor - * - * @param board ChAruco board - * @param charucoParams charuco detection parameters - */ - public CharucoDetector(CharucoBoard board, CharucoParameters charucoParams) { - super(CharucoDetector_2(board.getNativeObjAddr(), charucoParams.getNativeObjAddr())); - } - - /** - * Basic CharucoDetector constructor - * - * @param board ChAruco board - */ - public CharucoDetector(CharucoBoard board) { - super(CharucoDetector_3(board.getNativeObjAddr())); - } - - - // - // C++: CharucoBoard cv::aruco::CharucoDetector::getBoard() - // - - public CharucoBoard getBoard() { - return new CharucoBoard(getBoard_0(nativeObj)); - } - - - // - // C++: void cv::aruco::CharucoDetector::setBoard(CharucoBoard board) - // - - public void setBoard(CharucoBoard board) { - setBoard_0(nativeObj, board.getNativeObjAddr()); - } - - - // - // C++: CharucoParameters cv::aruco::CharucoDetector::getCharucoParameters() - // - - public CharucoParameters getCharucoParameters() { - return new CharucoParameters(getCharucoParameters_0(nativeObj)); - } - - - // - // C++: void cv::aruco::CharucoDetector::setCharucoParameters(CharucoParameters charucoParameters) - // - - public void setCharucoParameters(CharucoParameters charucoParameters) { - setCharucoParameters_0(nativeObj, charucoParameters.getNativeObjAddr()); - } - - - // - // C++: DetectorParameters cv::aruco::CharucoDetector::getDetectorParameters() - // - - public DetectorParameters getDetectorParameters() { - return new DetectorParameters(getDetectorParameters_0(nativeObj)); - } - - - // - // C++: void cv::aruco::CharucoDetector::setDetectorParameters(DetectorParameters detectorParameters) - // - - public void setDetectorParameters(DetectorParameters detectorParameters) { - setDetectorParameters_0(nativeObj, detectorParameters.getNativeObjAddr()); - } - - - // - // C++: RefineParameters cv::aruco::CharucoDetector::getRefineParameters() - // - - public RefineParameters getRefineParameters() { - return new RefineParameters(getRefineParameters_0(nativeObj)); - } - - - // - // C++: void cv::aruco::CharucoDetector::setRefineParameters(RefineParameters refineParameters) - // - - public void setRefineParameters(RefineParameters refineParameters) { - setRefineParameters_0(nativeObj, refineParameters.getNativeObjAddr()); - } - - - // - // C++: void cv::aruco::CharucoDetector::detectBoard(Mat image, Mat& charucoCorners, Mat& charucoIds, vector_Mat& markerCorners = vector_Mat(), Mat& markerIds = Mat()) - // - - /** - * detect aruco markers and interpolate position of ChArUco board corners - * @param image input image necesary for corner refinement. Note that markers are not detected and - * should be sent in corners and ids parameters. - * @param charucoCorners interpolated chessboard corners. - * @param charucoIds interpolated chessboard corners identifiers. - * @param markerCorners vector of already detected markers corners. For each marker, its four - * corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - * dimensions of this array should be Nx4. The order of the corners should be clockwise. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * @param markerIds list of identifiers for each marker in corners. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function receives the detected markers and returns the 2D position of the chessboard corners - * from a ChArUco board using the detected Aruco markers. - * - * If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - * - * If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - * Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - * SEE: findChessboardCorners - * Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - * Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - * For more information, see the issue: https://github.com/opencv/opencv/issues/23152 - */ - public void detectBoard(Mat image, Mat charucoCorners, Mat charucoIds, List markerCorners, Mat markerIds) { - Mat markerCorners_mat = Converters.vector_Mat_to_Mat(markerCorners); - detectBoard_0(nativeObj, image.nativeObj, charucoCorners.nativeObj, charucoIds.nativeObj, markerCorners_mat.nativeObj, markerIds.nativeObj); - Converters.Mat_to_vector_Mat(markerCorners_mat, markerCorners); - markerCorners_mat.release(); - } - - /** - * detect aruco markers and interpolate position of ChArUco board corners - * @param image input image necesary for corner refinement. Note that markers are not detected and - * should be sent in corners and ids parameters. - * @param charucoCorners interpolated chessboard corners. - * @param charucoIds interpolated chessboard corners identifiers. - * @param markerCorners vector of already detected markers corners. For each marker, its four - * corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - * dimensions of this array should be Nx4. The order of the corners should be clockwise. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function receives the detected markers and returns the 2D position of the chessboard corners - * from a ChArUco board using the detected Aruco markers. - * - * If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - * - * If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - * Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - * SEE: findChessboardCorners - * Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - * Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - * For more information, see the issue: https://github.com/opencv/opencv/issues/23152 - */ - public void detectBoard(Mat image, Mat charucoCorners, Mat charucoIds, List markerCorners) { - Mat markerCorners_mat = Converters.vector_Mat_to_Mat(markerCorners); - detectBoard_1(nativeObj, image.nativeObj, charucoCorners.nativeObj, charucoIds.nativeObj, markerCorners_mat.nativeObj); - Converters.Mat_to_vector_Mat(markerCorners_mat, markerCorners); - markerCorners_mat.release(); - } - - /** - * detect aruco markers and interpolate position of ChArUco board corners - * @param image input image necesary for corner refinement. Note that markers are not detected and - * should be sent in corners and ids parameters. - * @param charucoCorners interpolated chessboard corners. - * @param charucoIds interpolated chessboard corners identifiers. - * corners are provided, (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the - * dimensions of this array should be Nx4. The order of the corners should be clockwise. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function receives the detected markers and returns the 2D position of the chessboard corners - * from a ChArUco board using the detected Aruco markers. - * - * If markerCorners and markerCorners are empty, the detectMarkers() will run and detect aruco markers and ids. - * - * If camera parameters are provided, the process is based in an approximated pose estimation, else it is based on local homography. - * Only visible corners are returned. For each corner, its corresponding identifier is also returned in charucoIds. - * SEE: findChessboardCorners - * Note: After OpenCV 4.6.0, there was an incompatible change in the ChArUco pattern generation algorithm for even row counts. - * Use cv::aruco::CharucoBoard::setLegacyPattern() to ensure compatibility with patterns created using OpenCV versions prior to 4.6.0. - * For more information, see the issue: https://github.com/opencv/opencv/issues/23152 - */ - public void detectBoard(Mat image, Mat charucoCorners, Mat charucoIds) { - detectBoard_2(nativeObj, image.nativeObj, charucoCorners.nativeObj, charucoIds.nativeObj); - } - - - // - // C++: void cv::aruco::CharucoDetector::detectDiamonds(Mat image, vector_Mat& diamondCorners, Mat& diamondIds, vector_Mat& markerCorners = vector_Mat(), Mat& markerIds = Mat()) - // - - /** - * Detect ChArUco Diamond markers - * - * @param image input image necessary for corner subpixel. - * @param diamondCorners output list of detected diamond corners (4 corners per diamond). The order - * is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - * format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ). - * @param diamondIds ids of the diamonds in diamondCorners. The id of each diamond is in fact of - * type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - * diamond. - * @param markerCorners list of detected marker corners from detectMarkers function. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * @param markerIds list of marker ids in markerCorners. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function detects Diamond markers from the previous detected ArUco markers. The diamonds - * are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - * are provided, the diamond search is based on reprojection. If not, diamond search is based on - * homography. Homography is faster than reprojection, but less accurate. - */ - public void detectDiamonds(Mat image, List diamondCorners, Mat diamondIds, List markerCorners, Mat markerIds) { - Mat diamondCorners_mat = new Mat(); - Mat markerCorners_mat = Converters.vector_Mat_to_Mat(markerCorners); - detectDiamonds_0(nativeObj, image.nativeObj, diamondCorners_mat.nativeObj, diamondIds.nativeObj, markerCorners_mat.nativeObj, markerIds.nativeObj); - Converters.Mat_to_vector_Mat(diamondCorners_mat, diamondCorners); - diamondCorners_mat.release(); - Converters.Mat_to_vector_Mat(markerCorners_mat, markerCorners); - markerCorners_mat.release(); - } - - /** - * Detect ChArUco Diamond markers - * - * @param image input image necessary for corner subpixel. - * @param diamondCorners output list of detected diamond corners (4 corners per diamond). The order - * is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - * format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ). - * @param diamondIds ids of the diamonds in diamondCorners. The id of each diamond is in fact of - * type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - * diamond. - * @param markerCorners list of detected marker corners from detectMarkers function. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function detects Diamond markers from the previous detected ArUco markers. The diamonds - * are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - * are provided, the diamond search is based on reprojection. If not, diamond search is based on - * homography. Homography is faster than reprojection, but less accurate. - */ - public void detectDiamonds(Mat image, List diamondCorners, Mat diamondIds, List markerCorners) { - Mat diamondCorners_mat = new Mat(); - Mat markerCorners_mat = Converters.vector_Mat_to_Mat(markerCorners); - detectDiamonds_1(nativeObj, image.nativeObj, diamondCorners_mat.nativeObj, diamondIds.nativeObj, markerCorners_mat.nativeObj); - Converters.Mat_to_vector_Mat(diamondCorners_mat, diamondCorners); - diamondCorners_mat.release(); - Converters.Mat_to_vector_Mat(markerCorners_mat, markerCorners); - markerCorners_mat.release(); - } - - /** - * Detect ChArUco Diamond markers - * - * @param image input image necessary for corner subpixel. - * @param diamondCorners output list of detected diamond corners (4 corners per diamond). The order - * is the same than in marker corners: top left, top right, bottom right and bottom left. Similar - * format than the corners returned by detectMarkers (e.g std::vector<std::vector<cv::Point2f> > ). - * @param diamondIds ids of the diamonds in diamondCorners. The id of each diamond is in fact of - * type Vec4i, so each diamond has 4 ids, which are the ids of the aruco markers composing the - * diamond. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * If markerCorners and markerCorners are empty, the function detect aruco markers and ids. - * - * This function detects Diamond markers from the previous detected ArUco markers. The diamonds - * are returned in the diamondCorners and diamondIds parameters. If camera calibration parameters - * are provided, the diamond search is based on reprojection. If not, diamond search is based on - * homography. Homography is faster than reprojection, but less accurate. - */ - public void detectDiamonds(Mat image, List diamondCorners, Mat diamondIds) { - Mat diamondCorners_mat = new Mat(); - detectDiamonds_2(nativeObj, image.nativeObj, diamondCorners_mat.nativeObj, diamondIds.nativeObj); - Converters.Mat_to_vector_Mat(diamondCorners_mat, diamondCorners); - diamondCorners_mat.release(); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::CharucoDetector::CharucoDetector(CharucoBoard board, CharucoParameters charucoParams = CharucoParameters(), DetectorParameters detectorParams = DetectorParameters(), RefineParameters refineParams = RefineParameters()) - private static native long CharucoDetector_0(long board_nativeObj, long charucoParams_nativeObj, long detectorParams_nativeObj, long refineParams_nativeObj); - private static native long CharucoDetector_1(long board_nativeObj, long charucoParams_nativeObj, long detectorParams_nativeObj); - private static native long CharucoDetector_2(long board_nativeObj, long charucoParams_nativeObj); - private static native long CharucoDetector_3(long board_nativeObj); - - // C++: CharucoBoard cv::aruco::CharucoDetector::getBoard() - private static native long getBoard_0(long nativeObj); - - // C++: void cv::aruco::CharucoDetector::setBoard(CharucoBoard board) - private static native void setBoard_0(long nativeObj, long board_nativeObj); - - // C++: CharucoParameters cv::aruco::CharucoDetector::getCharucoParameters() - private static native long getCharucoParameters_0(long nativeObj); - - // C++: void cv::aruco::CharucoDetector::setCharucoParameters(CharucoParameters charucoParameters) - private static native void setCharucoParameters_0(long nativeObj, long charucoParameters_nativeObj); - - // C++: DetectorParameters cv::aruco::CharucoDetector::getDetectorParameters() - private static native long getDetectorParameters_0(long nativeObj); - - // C++: void cv::aruco::CharucoDetector::setDetectorParameters(DetectorParameters detectorParameters) - private static native void setDetectorParameters_0(long nativeObj, long detectorParameters_nativeObj); - - // C++: RefineParameters cv::aruco::CharucoDetector::getRefineParameters() - private static native long getRefineParameters_0(long nativeObj); - - // C++: void cv::aruco::CharucoDetector::setRefineParameters(RefineParameters refineParameters) - private static native void setRefineParameters_0(long nativeObj, long refineParameters_nativeObj); - - // C++: void cv::aruco::CharucoDetector::detectBoard(Mat image, Mat& charucoCorners, Mat& charucoIds, vector_Mat& markerCorners = vector_Mat(), Mat& markerIds = Mat()) - private static native void detectBoard_0(long nativeObj, long image_nativeObj, long charucoCorners_nativeObj, long charucoIds_nativeObj, long markerCorners_mat_nativeObj, long markerIds_nativeObj); - private static native void detectBoard_1(long nativeObj, long image_nativeObj, long charucoCorners_nativeObj, long charucoIds_nativeObj, long markerCorners_mat_nativeObj); - private static native void detectBoard_2(long nativeObj, long image_nativeObj, long charucoCorners_nativeObj, long charucoIds_nativeObj); - - // C++: void cv::aruco::CharucoDetector::detectDiamonds(Mat image, vector_Mat& diamondCorners, Mat& diamondIds, vector_Mat& markerCorners = vector_Mat(), Mat& markerIds = Mat()) - private static native void detectDiamonds_0(long nativeObj, long image_nativeObj, long diamondCorners_mat_nativeObj, long diamondIds_nativeObj, long markerCorners_mat_nativeObj, long markerIds_nativeObj); - private static native void detectDiamonds_1(long nativeObj, long image_nativeObj, long diamondCorners_mat_nativeObj, long diamondIds_nativeObj, long markerCorners_mat_nativeObj); - private static native void detectDiamonds_2(long nativeObj, long image_nativeObj, long diamondCorners_mat_nativeObj, long diamondIds_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoParameters.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoParameters.java deleted file mode 100644 index 9601ce791f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/CharucoParameters.java +++ /dev/null @@ -1,162 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.core.Mat; - -// C++: class CharucoParameters - -public class CharucoParameters { - - protected final long nativeObj; - protected CharucoParameters(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static CharucoParameters __fromPtr__(long addr) { return new CharucoParameters(addr); } - - // - // C++: cv::aruco::CharucoParameters::CharucoParameters() - // - - public CharucoParameters() { - nativeObj = CharucoParameters_0(); - } - - - // - // C++: Mat CharucoParameters::cameraMatrix - // - - public Mat get_cameraMatrix() { - return new Mat(get_cameraMatrix_0(nativeObj)); - } - - - // - // C++: void CharucoParameters::cameraMatrix - // - - public void set_cameraMatrix(Mat cameraMatrix) { - set_cameraMatrix_0(nativeObj, cameraMatrix.nativeObj); - } - - - // - // C++: Mat CharucoParameters::distCoeffs - // - - public Mat get_distCoeffs() { - return new Mat(get_distCoeffs_0(nativeObj)); - } - - - // - // C++: void CharucoParameters::distCoeffs - // - - public void set_distCoeffs(Mat distCoeffs) { - set_distCoeffs_0(nativeObj, distCoeffs.nativeObj); - } - - - // - // C++: int CharucoParameters::minMarkers - // - - public int get_minMarkers() { - return get_minMarkers_0(nativeObj); - } - - - // - // C++: void CharucoParameters::minMarkers - // - - public void set_minMarkers(int minMarkers) { - set_minMarkers_0(nativeObj, minMarkers); - } - - - // - // C++: bool CharucoParameters::tryRefineMarkers - // - - public boolean get_tryRefineMarkers() { - return get_tryRefineMarkers_0(nativeObj); - } - - - // - // C++: void CharucoParameters::tryRefineMarkers - // - - public void set_tryRefineMarkers(boolean tryRefineMarkers) { - set_tryRefineMarkers_0(nativeObj, tryRefineMarkers); - } - - - // - // C++: bool CharucoParameters::checkMarkers - // - - public boolean get_checkMarkers() { - return get_checkMarkers_0(nativeObj); - } - - - // - // C++: void CharucoParameters::checkMarkers - // - - public void set_checkMarkers(boolean checkMarkers) { - set_checkMarkers_0(nativeObj, checkMarkers); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::CharucoParameters::CharucoParameters() - private static native long CharucoParameters_0(); - - // C++: Mat CharucoParameters::cameraMatrix - private static native long get_cameraMatrix_0(long nativeObj); - - // C++: void CharucoParameters::cameraMatrix - private static native void set_cameraMatrix_0(long nativeObj, long cameraMatrix_nativeObj); - - // C++: Mat CharucoParameters::distCoeffs - private static native long get_distCoeffs_0(long nativeObj); - - // C++: void CharucoParameters::distCoeffs - private static native void set_distCoeffs_0(long nativeObj, long distCoeffs_nativeObj); - - // C++: int CharucoParameters::minMarkers - private static native int get_minMarkers_0(long nativeObj); - - // C++: void CharucoParameters::minMarkers - private static native void set_minMarkers_0(long nativeObj, int minMarkers); - - // C++: bool CharucoParameters::tryRefineMarkers - private static native boolean get_tryRefineMarkers_0(long nativeObj); - - // C++: void CharucoParameters::tryRefineMarkers - private static native void set_tryRefineMarkers_0(long nativeObj, boolean tryRefineMarkers); - - // C++: bool CharucoParameters::checkMarkers - private static native boolean get_checkMarkers_0(long nativeObj); - - // C++: void CharucoParameters::checkMarkers - private static native void set_checkMarkers_0(long nativeObj, boolean checkMarkers); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/DetectorParameters.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/DetectorParameters.java deleted file mode 100644 index 3f5441948f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/DetectorParameters.java +++ /dev/null @@ -1,874 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - - - -// C++: class DetectorParameters -/** - * struct DetectorParameters is used by ArucoDetector - */ -public class DetectorParameters { - - protected final long nativeObj; - protected DetectorParameters(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static DetectorParameters __fromPtr__(long addr) { return new DetectorParameters(addr); } - - // - // C++: cv::aruco::DetectorParameters::DetectorParameters() - // - - public DetectorParameters() { - nativeObj = DetectorParameters_0(); - } - - - // - // C++: bool cv::aruco::DetectorParameters::readDetectorParameters(FileNode fn) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: bool cv::aruco::DetectorParameters::writeDetectorParameters(FileStorage fs, String name = String()) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: int DetectorParameters::adaptiveThreshWinSizeMin - // - - public int get_adaptiveThreshWinSizeMin() { - return get_adaptiveThreshWinSizeMin_0(nativeObj); - } - - - // - // C++: void DetectorParameters::adaptiveThreshWinSizeMin - // - - public void set_adaptiveThreshWinSizeMin(int adaptiveThreshWinSizeMin) { - set_adaptiveThreshWinSizeMin_0(nativeObj, adaptiveThreshWinSizeMin); - } - - - // - // C++: int DetectorParameters::adaptiveThreshWinSizeMax - // - - public int get_adaptiveThreshWinSizeMax() { - return get_adaptiveThreshWinSizeMax_0(nativeObj); - } - - - // - // C++: void DetectorParameters::adaptiveThreshWinSizeMax - // - - public void set_adaptiveThreshWinSizeMax(int adaptiveThreshWinSizeMax) { - set_adaptiveThreshWinSizeMax_0(nativeObj, adaptiveThreshWinSizeMax); - } - - - // - // C++: int DetectorParameters::adaptiveThreshWinSizeStep - // - - public int get_adaptiveThreshWinSizeStep() { - return get_adaptiveThreshWinSizeStep_0(nativeObj); - } - - - // - // C++: void DetectorParameters::adaptiveThreshWinSizeStep - // - - public void set_adaptiveThreshWinSizeStep(int adaptiveThreshWinSizeStep) { - set_adaptiveThreshWinSizeStep_0(nativeObj, adaptiveThreshWinSizeStep); - } - - - // - // C++: double DetectorParameters::adaptiveThreshConstant - // - - public double get_adaptiveThreshConstant() { - return get_adaptiveThreshConstant_0(nativeObj); - } - - - // - // C++: void DetectorParameters::adaptiveThreshConstant - // - - public void set_adaptiveThreshConstant(double adaptiveThreshConstant) { - set_adaptiveThreshConstant_0(nativeObj, adaptiveThreshConstant); - } - - - // - // C++: double DetectorParameters::minMarkerPerimeterRate - // - - public double get_minMarkerPerimeterRate() { - return get_minMarkerPerimeterRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minMarkerPerimeterRate - // - - public void set_minMarkerPerimeterRate(double minMarkerPerimeterRate) { - set_minMarkerPerimeterRate_0(nativeObj, minMarkerPerimeterRate); - } - - - // - // C++: double DetectorParameters::maxMarkerPerimeterRate - // - - public double get_maxMarkerPerimeterRate() { - return get_maxMarkerPerimeterRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::maxMarkerPerimeterRate - // - - public void set_maxMarkerPerimeterRate(double maxMarkerPerimeterRate) { - set_maxMarkerPerimeterRate_0(nativeObj, maxMarkerPerimeterRate); - } - - - // - // C++: double DetectorParameters::polygonalApproxAccuracyRate - // - - public double get_polygonalApproxAccuracyRate() { - return get_polygonalApproxAccuracyRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::polygonalApproxAccuracyRate - // - - public void set_polygonalApproxAccuracyRate(double polygonalApproxAccuracyRate) { - set_polygonalApproxAccuracyRate_0(nativeObj, polygonalApproxAccuracyRate); - } - - - // - // C++: double DetectorParameters::minCornerDistanceRate - // - - public double get_minCornerDistanceRate() { - return get_minCornerDistanceRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minCornerDistanceRate - // - - public void set_minCornerDistanceRate(double minCornerDistanceRate) { - set_minCornerDistanceRate_0(nativeObj, minCornerDistanceRate); - } - - - // - // C++: int DetectorParameters::minDistanceToBorder - // - - public int get_minDistanceToBorder() { - return get_minDistanceToBorder_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minDistanceToBorder - // - - public void set_minDistanceToBorder(int minDistanceToBorder) { - set_minDistanceToBorder_0(nativeObj, minDistanceToBorder); - } - - - // - // C++: double DetectorParameters::minMarkerDistanceRate - // - - public double get_minMarkerDistanceRate() { - return get_minMarkerDistanceRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minMarkerDistanceRate - // - - public void set_minMarkerDistanceRate(double minMarkerDistanceRate) { - set_minMarkerDistanceRate_0(nativeObj, minMarkerDistanceRate); - } - - - // - // C++: float DetectorParameters::minGroupDistance - // - - public float get_minGroupDistance() { - return get_minGroupDistance_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minGroupDistance - // - - public void set_minGroupDistance(float minGroupDistance) { - set_minGroupDistance_0(nativeObj, minGroupDistance); - } - - - // - // C++: int DetectorParameters::cornerRefinementMethod - // - - public int get_cornerRefinementMethod() { - return get_cornerRefinementMethod_0(nativeObj); - } - - - // - // C++: void DetectorParameters::cornerRefinementMethod - // - - public void set_cornerRefinementMethod(int cornerRefinementMethod) { - set_cornerRefinementMethod_0(nativeObj, cornerRefinementMethod); - } - - - // - // C++: int DetectorParameters::cornerRefinementWinSize - // - - public int get_cornerRefinementWinSize() { - return get_cornerRefinementWinSize_0(nativeObj); - } - - - // - // C++: void DetectorParameters::cornerRefinementWinSize - // - - public void set_cornerRefinementWinSize(int cornerRefinementWinSize) { - set_cornerRefinementWinSize_0(nativeObj, cornerRefinementWinSize); - } - - - // - // C++: float DetectorParameters::relativeCornerRefinmentWinSize - // - - public float get_relativeCornerRefinmentWinSize() { - return get_relativeCornerRefinmentWinSize_0(nativeObj); - } - - - // - // C++: void DetectorParameters::relativeCornerRefinmentWinSize - // - - public void set_relativeCornerRefinmentWinSize(float relativeCornerRefinmentWinSize) { - set_relativeCornerRefinmentWinSize_0(nativeObj, relativeCornerRefinmentWinSize); - } - - - // - // C++: int DetectorParameters::cornerRefinementMaxIterations - // - - public int get_cornerRefinementMaxIterations() { - return get_cornerRefinementMaxIterations_0(nativeObj); - } - - - // - // C++: void DetectorParameters::cornerRefinementMaxIterations - // - - public void set_cornerRefinementMaxIterations(int cornerRefinementMaxIterations) { - set_cornerRefinementMaxIterations_0(nativeObj, cornerRefinementMaxIterations); - } - - - // - // C++: double DetectorParameters::cornerRefinementMinAccuracy - // - - public double get_cornerRefinementMinAccuracy() { - return get_cornerRefinementMinAccuracy_0(nativeObj); - } - - - // - // C++: void DetectorParameters::cornerRefinementMinAccuracy - // - - public void set_cornerRefinementMinAccuracy(double cornerRefinementMinAccuracy) { - set_cornerRefinementMinAccuracy_0(nativeObj, cornerRefinementMinAccuracy); - } - - - // - // C++: int DetectorParameters::markerBorderBits - // - - public int get_markerBorderBits() { - return get_markerBorderBits_0(nativeObj); - } - - - // - // C++: void DetectorParameters::markerBorderBits - // - - public void set_markerBorderBits(int markerBorderBits) { - set_markerBorderBits_0(nativeObj, markerBorderBits); - } - - - // - // C++: int DetectorParameters::perspectiveRemovePixelPerCell - // - - public int get_perspectiveRemovePixelPerCell() { - return get_perspectiveRemovePixelPerCell_0(nativeObj); - } - - - // - // C++: void DetectorParameters::perspectiveRemovePixelPerCell - // - - public void set_perspectiveRemovePixelPerCell(int perspectiveRemovePixelPerCell) { - set_perspectiveRemovePixelPerCell_0(nativeObj, perspectiveRemovePixelPerCell); - } - - - // - // C++: double DetectorParameters::perspectiveRemoveIgnoredMarginPerCell - // - - public double get_perspectiveRemoveIgnoredMarginPerCell() { - return get_perspectiveRemoveIgnoredMarginPerCell_0(nativeObj); - } - - - // - // C++: void DetectorParameters::perspectiveRemoveIgnoredMarginPerCell - // - - public void set_perspectiveRemoveIgnoredMarginPerCell(double perspectiveRemoveIgnoredMarginPerCell) { - set_perspectiveRemoveIgnoredMarginPerCell_0(nativeObj, perspectiveRemoveIgnoredMarginPerCell); - } - - - // - // C++: double DetectorParameters::maxErroneousBitsInBorderRate - // - - public double get_maxErroneousBitsInBorderRate() { - return get_maxErroneousBitsInBorderRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::maxErroneousBitsInBorderRate - // - - public void set_maxErroneousBitsInBorderRate(double maxErroneousBitsInBorderRate) { - set_maxErroneousBitsInBorderRate_0(nativeObj, maxErroneousBitsInBorderRate); - } - - - // - // C++: double DetectorParameters::minOtsuStdDev - // - - public double get_minOtsuStdDev() { - return get_minOtsuStdDev_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minOtsuStdDev - // - - public void set_minOtsuStdDev(double minOtsuStdDev) { - set_minOtsuStdDev_0(nativeObj, minOtsuStdDev); - } - - - // - // C++: double DetectorParameters::errorCorrectionRate - // - - public double get_errorCorrectionRate() { - return get_errorCorrectionRate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::errorCorrectionRate - // - - public void set_errorCorrectionRate(double errorCorrectionRate) { - set_errorCorrectionRate_0(nativeObj, errorCorrectionRate); - } - - - // - // C++: float DetectorParameters::aprilTagQuadDecimate - // - - public float get_aprilTagQuadDecimate() { - return get_aprilTagQuadDecimate_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagQuadDecimate - // - - public void set_aprilTagQuadDecimate(float aprilTagQuadDecimate) { - set_aprilTagQuadDecimate_0(nativeObj, aprilTagQuadDecimate); - } - - - // - // C++: float DetectorParameters::aprilTagQuadSigma - // - - public float get_aprilTagQuadSigma() { - return get_aprilTagQuadSigma_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagQuadSigma - // - - public void set_aprilTagQuadSigma(float aprilTagQuadSigma) { - set_aprilTagQuadSigma_0(nativeObj, aprilTagQuadSigma); - } - - - // - // C++: int DetectorParameters::aprilTagMinClusterPixels - // - - public int get_aprilTagMinClusterPixels() { - return get_aprilTagMinClusterPixels_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagMinClusterPixels - // - - public void set_aprilTagMinClusterPixels(int aprilTagMinClusterPixels) { - set_aprilTagMinClusterPixels_0(nativeObj, aprilTagMinClusterPixels); - } - - - // - // C++: int DetectorParameters::aprilTagMaxNmaxima - // - - public int get_aprilTagMaxNmaxima() { - return get_aprilTagMaxNmaxima_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagMaxNmaxima - // - - public void set_aprilTagMaxNmaxima(int aprilTagMaxNmaxima) { - set_aprilTagMaxNmaxima_0(nativeObj, aprilTagMaxNmaxima); - } - - - // - // C++: float DetectorParameters::aprilTagCriticalRad - // - - public float get_aprilTagCriticalRad() { - return get_aprilTagCriticalRad_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagCriticalRad - // - - public void set_aprilTagCriticalRad(float aprilTagCriticalRad) { - set_aprilTagCriticalRad_0(nativeObj, aprilTagCriticalRad); - } - - - // - // C++: float DetectorParameters::aprilTagMaxLineFitMse - // - - public float get_aprilTagMaxLineFitMse() { - return get_aprilTagMaxLineFitMse_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagMaxLineFitMse - // - - public void set_aprilTagMaxLineFitMse(float aprilTagMaxLineFitMse) { - set_aprilTagMaxLineFitMse_0(nativeObj, aprilTagMaxLineFitMse); - } - - - // - // C++: int DetectorParameters::aprilTagMinWhiteBlackDiff - // - - public int get_aprilTagMinWhiteBlackDiff() { - return get_aprilTagMinWhiteBlackDiff_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagMinWhiteBlackDiff - // - - public void set_aprilTagMinWhiteBlackDiff(int aprilTagMinWhiteBlackDiff) { - set_aprilTagMinWhiteBlackDiff_0(nativeObj, aprilTagMinWhiteBlackDiff); - } - - - // - // C++: int DetectorParameters::aprilTagDeglitch - // - - public int get_aprilTagDeglitch() { - return get_aprilTagDeglitch_0(nativeObj); - } - - - // - // C++: void DetectorParameters::aprilTagDeglitch - // - - public void set_aprilTagDeglitch(int aprilTagDeglitch) { - set_aprilTagDeglitch_0(nativeObj, aprilTagDeglitch); - } - - - // - // C++: bool DetectorParameters::detectInvertedMarker - // - - public boolean get_detectInvertedMarker() { - return get_detectInvertedMarker_0(nativeObj); - } - - - // - // C++: void DetectorParameters::detectInvertedMarker - // - - public void set_detectInvertedMarker(boolean detectInvertedMarker) { - set_detectInvertedMarker_0(nativeObj, detectInvertedMarker); - } - - - // - // C++: bool DetectorParameters::useAruco3Detection - // - - public boolean get_useAruco3Detection() { - return get_useAruco3Detection_0(nativeObj); - } - - - // - // C++: void DetectorParameters::useAruco3Detection - // - - public void set_useAruco3Detection(boolean useAruco3Detection) { - set_useAruco3Detection_0(nativeObj, useAruco3Detection); - } - - - // - // C++: int DetectorParameters::minSideLengthCanonicalImg - // - - public int get_minSideLengthCanonicalImg() { - return get_minSideLengthCanonicalImg_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minSideLengthCanonicalImg - // - - public void set_minSideLengthCanonicalImg(int minSideLengthCanonicalImg) { - set_minSideLengthCanonicalImg_0(nativeObj, minSideLengthCanonicalImg); - } - - - // - // C++: float DetectorParameters::minMarkerLengthRatioOriginalImg - // - - public float get_minMarkerLengthRatioOriginalImg() { - return get_minMarkerLengthRatioOriginalImg_0(nativeObj); - } - - - // - // C++: void DetectorParameters::minMarkerLengthRatioOriginalImg - // - - public void set_minMarkerLengthRatioOriginalImg(float minMarkerLengthRatioOriginalImg) { - set_minMarkerLengthRatioOriginalImg_0(nativeObj, minMarkerLengthRatioOriginalImg); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::DetectorParameters::DetectorParameters() - private static native long DetectorParameters_0(); - - // C++: int DetectorParameters::adaptiveThreshWinSizeMin - private static native int get_adaptiveThreshWinSizeMin_0(long nativeObj); - - // C++: void DetectorParameters::adaptiveThreshWinSizeMin - private static native void set_adaptiveThreshWinSizeMin_0(long nativeObj, int adaptiveThreshWinSizeMin); - - // C++: int DetectorParameters::adaptiveThreshWinSizeMax - private static native int get_adaptiveThreshWinSizeMax_0(long nativeObj); - - // C++: void DetectorParameters::adaptiveThreshWinSizeMax - private static native void set_adaptiveThreshWinSizeMax_0(long nativeObj, int adaptiveThreshWinSizeMax); - - // C++: int DetectorParameters::adaptiveThreshWinSizeStep - private static native int get_adaptiveThreshWinSizeStep_0(long nativeObj); - - // C++: void DetectorParameters::adaptiveThreshWinSizeStep - private static native void set_adaptiveThreshWinSizeStep_0(long nativeObj, int adaptiveThreshWinSizeStep); - - // C++: double DetectorParameters::adaptiveThreshConstant - private static native double get_adaptiveThreshConstant_0(long nativeObj); - - // C++: void DetectorParameters::adaptiveThreshConstant - private static native void set_adaptiveThreshConstant_0(long nativeObj, double adaptiveThreshConstant); - - // C++: double DetectorParameters::minMarkerPerimeterRate - private static native double get_minMarkerPerimeterRate_0(long nativeObj); - - // C++: void DetectorParameters::minMarkerPerimeterRate - private static native void set_minMarkerPerimeterRate_0(long nativeObj, double minMarkerPerimeterRate); - - // C++: double DetectorParameters::maxMarkerPerimeterRate - private static native double get_maxMarkerPerimeterRate_0(long nativeObj); - - // C++: void DetectorParameters::maxMarkerPerimeterRate - private static native void set_maxMarkerPerimeterRate_0(long nativeObj, double maxMarkerPerimeterRate); - - // C++: double DetectorParameters::polygonalApproxAccuracyRate - private static native double get_polygonalApproxAccuracyRate_0(long nativeObj); - - // C++: void DetectorParameters::polygonalApproxAccuracyRate - private static native void set_polygonalApproxAccuracyRate_0(long nativeObj, double polygonalApproxAccuracyRate); - - // C++: double DetectorParameters::minCornerDistanceRate - private static native double get_minCornerDistanceRate_0(long nativeObj); - - // C++: void DetectorParameters::minCornerDistanceRate - private static native void set_minCornerDistanceRate_0(long nativeObj, double minCornerDistanceRate); - - // C++: int DetectorParameters::minDistanceToBorder - private static native int get_minDistanceToBorder_0(long nativeObj); - - // C++: void DetectorParameters::minDistanceToBorder - private static native void set_minDistanceToBorder_0(long nativeObj, int minDistanceToBorder); - - // C++: double DetectorParameters::minMarkerDistanceRate - private static native double get_minMarkerDistanceRate_0(long nativeObj); - - // C++: void DetectorParameters::minMarkerDistanceRate - private static native void set_minMarkerDistanceRate_0(long nativeObj, double minMarkerDistanceRate); - - // C++: float DetectorParameters::minGroupDistance - private static native float get_minGroupDistance_0(long nativeObj); - - // C++: void DetectorParameters::minGroupDistance - private static native void set_minGroupDistance_0(long nativeObj, float minGroupDistance); - - // C++: int DetectorParameters::cornerRefinementMethod - private static native int get_cornerRefinementMethod_0(long nativeObj); - - // C++: void DetectorParameters::cornerRefinementMethod - private static native void set_cornerRefinementMethod_0(long nativeObj, int cornerRefinementMethod); - - // C++: int DetectorParameters::cornerRefinementWinSize - private static native int get_cornerRefinementWinSize_0(long nativeObj); - - // C++: void DetectorParameters::cornerRefinementWinSize - private static native void set_cornerRefinementWinSize_0(long nativeObj, int cornerRefinementWinSize); - - // C++: float DetectorParameters::relativeCornerRefinmentWinSize - private static native float get_relativeCornerRefinmentWinSize_0(long nativeObj); - - // C++: void DetectorParameters::relativeCornerRefinmentWinSize - private static native void set_relativeCornerRefinmentWinSize_0(long nativeObj, float relativeCornerRefinmentWinSize); - - // C++: int DetectorParameters::cornerRefinementMaxIterations - private static native int get_cornerRefinementMaxIterations_0(long nativeObj); - - // C++: void DetectorParameters::cornerRefinementMaxIterations - private static native void set_cornerRefinementMaxIterations_0(long nativeObj, int cornerRefinementMaxIterations); - - // C++: double DetectorParameters::cornerRefinementMinAccuracy - private static native double get_cornerRefinementMinAccuracy_0(long nativeObj); - - // C++: void DetectorParameters::cornerRefinementMinAccuracy - private static native void set_cornerRefinementMinAccuracy_0(long nativeObj, double cornerRefinementMinAccuracy); - - // C++: int DetectorParameters::markerBorderBits - private static native int get_markerBorderBits_0(long nativeObj); - - // C++: void DetectorParameters::markerBorderBits - private static native void set_markerBorderBits_0(long nativeObj, int markerBorderBits); - - // C++: int DetectorParameters::perspectiveRemovePixelPerCell - private static native int get_perspectiveRemovePixelPerCell_0(long nativeObj); - - // C++: void DetectorParameters::perspectiveRemovePixelPerCell - private static native void set_perspectiveRemovePixelPerCell_0(long nativeObj, int perspectiveRemovePixelPerCell); - - // C++: double DetectorParameters::perspectiveRemoveIgnoredMarginPerCell - private static native double get_perspectiveRemoveIgnoredMarginPerCell_0(long nativeObj); - - // C++: void DetectorParameters::perspectiveRemoveIgnoredMarginPerCell - private static native void set_perspectiveRemoveIgnoredMarginPerCell_0(long nativeObj, double perspectiveRemoveIgnoredMarginPerCell); - - // C++: double DetectorParameters::maxErroneousBitsInBorderRate - private static native double get_maxErroneousBitsInBorderRate_0(long nativeObj); - - // C++: void DetectorParameters::maxErroneousBitsInBorderRate - private static native void set_maxErroneousBitsInBorderRate_0(long nativeObj, double maxErroneousBitsInBorderRate); - - // C++: double DetectorParameters::minOtsuStdDev - private static native double get_minOtsuStdDev_0(long nativeObj); - - // C++: void DetectorParameters::minOtsuStdDev - private static native void set_minOtsuStdDev_0(long nativeObj, double minOtsuStdDev); - - // C++: double DetectorParameters::errorCorrectionRate - private static native double get_errorCorrectionRate_0(long nativeObj); - - // C++: void DetectorParameters::errorCorrectionRate - private static native void set_errorCorrectionRate_0(long nativeObj, double errorCorrectionRate); - - // C++: float DetectorParameters::aprilTagQuadDecimate - private static native float get_aprilTagQuadDecimate_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagQuadDecimate - private static native void set_aprilTagQuadDecimate_0(long nativeObj, float aprilTagQuadDecimate); - - // C++: float DetectorParameters::aprilTagQuadSigma - private static native float get_aprilTagQuadSigma_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagQuadSigma - private static native void set_aprilTagQuadSigma_0(long nativeObj, float aprilTagQuadSigma); - - // C++: int DetectorParameters::aprilTagMinClusterPixels - private static native int get_aprilTagMinClusterPixels_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagMinClusterPixels - private static native void set_aprilTagMinClusterPixels_0(long nativeObj, int aprilTagMinClusterPixels); - - // C++: int DetectorParameters::aprilTagMaxNmaxima - private static native int get_aprilTagMaxNmaxima_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagMaxNmaxima - private static native void set_aprilTagMaxNmaxima_0(long nativeObj, int aprilTagMaxNmaxima); - - // C++: float DetectorParameters::aprilTagCriticalRad - private static native float get_aprilTagCriticalRad_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagCriticalRad - private static native void set_aprilTagCriticalRad_0(long nativeObj, float aprilTagCriticalRad); - - // C++: float DetectorParameters::aprilTagMaxLineFitMse - private static native float get_aprilTagMaxLineFitMse_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagMaxLineFitMse - private static native void set_aprilTagMaxLineFitMse_0(long nativeObj, float aprilTagMaxLineFitMse); - - // C++: int DetectorParameters::aprilTagMinWhiteBlackDiff - private static native int get_aprilTagMinWhiteBlackDiff_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagMinWhiteBlackDiff - private static native void set_aprilTagMinWhiteBlackDiff_0(long nativeObj, int aprilTagMinWhiteBlackDiff); - - // C++: int DetectorParameters::aprilTagDeglitch - private static native int get_aprilTagDeglitch_0(long nativeObj); - - // C++: void DetectorParameters::aprilTagDeglitch - private static native void set_aprilTagDeglitch_0(long nativeObj, int aprilTagDeglitch); - - // C++: bool DetectorParameters::detectInvertedMarker - private static native boolean get_detectInvertedMarker_0(long nativeObj); - - // C++: void DetectorParameters::detectInvertedMarker - private static native void set_detectInvertedMarker_0(long nativeObj, boolean detectInvertedMarker); - - // C++: bool DetectorParameters::useAruco3Detection - private static native boolean get_useAruco3Detection_0(long nativeObj); - - // C++: void DetectorParameters::useAruco3Detection - private static native void set_useAruco3Detection_0(long nativeObj, boolean useAruco3Detection); - - // C++: int DetectorParameters::minSideLengthCanonicalImg - private static native int get_minSideLengthCanonicalImg_0(long nativeObj); - - // C++: void DetectorParameters::minSideLengthCanonicalImg - private static native void set_minSideLengthCanonicalImg_0(long nativeObj, int minSideLengthCanonicalImg); - - // C++: float DetectorParameters::minMarkerLengthRatioOriginalImg - private static native float get_minMarkerLengthRatioOriginalImg_0(long nativeObj); - - // C++: void DetectorParameters::minMarkerLengthRatioOriginalImg - private static native void set_minMarkerLengthRatioOriginalImg_0(long nativeObj, float minMarkerLengthRatioOriginalImg); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Dictionary.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/Dictionary.java deleted file mode 100644 index aa7a769a52..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Dictionary.java +++ /dev/null @@ -1,297 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.core.Mat; - -// C++: class Dictionary -/** - * Dictionary is a set of unique ArUco markers of the same size - * - * {@code bytesList} storing as 2-dimensions Mat with 4-th channels (CV_8UC4 type was used) and contains the marker codewords where: - * - bytesList.rows is the dictionary size - * - each marker is encoded using {@code nbytes = ceil(markerSize*markerSize/8.)} bytes - * - each row contains all 4 rotations of the marker, so its length is {@code 4*nbytes} - * - the byte order in the bytesList[i] row: - * {@code //bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3//} - * So {@code bytesList.ptr(i)[k*nbytes + j]} is the j-th byte of i-th marker, in its k-th rotation. - * Note: Python bindings generate matrix with shape of bytesList {@code dictionary_size x nbytes x 4}, - * but it should be indexed like C++ version. Python example for j-th byte of i-th marker, in its k-th rotation: - * {@code aruco_dict.bytesList[id].ravel()[k*nbytes + j]} - */ -public class Dictionary { - - protected final long nativeObj; - protected Dictionary(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Dictionary __fromPtr__(long addr) { return new Dictionary(addr); } - - // - // C++: cv::aruco::Dictionary::Dictionary() - // - - public Dictionary() { - nativeObj = Dictionary_0(); - } - - - // - // C++: cv::aruco::Dictionary::Dictionary(Mat bytesList, int _markerSize, int maxcorr = 0) - // - - /** - * Basic ArUco dictionary constructor - * - * @param bytesList bits for all ArUco markers in dictionary see memory layout in the class description - * @param _markerSize ArUco marker size in units - * @param maxcorr maximum number of bits that can be corrected - */ - public Dictionary(Mat bytesList, int _markerSize, int maxcorr) { - nativeObj = Dictionary_1(bytesList.nativeObj, _markerSize, maxcorr); - } - - /** - * Basic ArUco dictionary constructor - * - * @param bytesList bits for all ArUco markers in dictionary see memory layout in the class description - * @param _markerSize ArUco marker size in units - */ - public Dictionary(Mat bytesList, int _markerSize) { - nativeObj = Dictionary_2(bytesList.nativeObj, _markerSize); - } - - - // - // C++: bool cv::aruco::Dictionary::readDictionary(FileNode fn) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: void cv::aruco::Dictionary::writeDictionary(FileStorage fs, String name = String()) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: bool cv::aruco::Dictionary::identify(Mat onlyBits, int& idx, int& rotation, double maxCorrectionRate) - // - - /** - * Given a matrix of bits. Returns whether if marker is identified or not. - * - * Returns reference to the marker id in the dictionary (if any) and its rotation. - * @param onlyBits automatically generated - * @param idx automatically generated - * @param rotation automatically generated - * @param maxCorrectionRate automatically generated - * @return automatically generated - */ - public boolean identify(Mat onlyBits, int[] idx, int[] rotation, double maxCorrectionRate) { - double[] idx_out = new double[1]; - double[] rotation_out = new double[1]; - boolean retVal = identify_0(nativeObj, onlyBits.nativeObj, idx_out, rotation_out, maxCorrectionRate); - if(idx!=null) idx[0] = (int)idx_out[0]; - if(rotation!=null) rotation[0] = (int)rotation_out[0]; - return retVal; - } - - - // - // C++: int cv::aruco::Dictionary::getDistanceToId(Mat bits, int id, bool allRotations = true) - // - - /** - * Returns Hamming distance of the input bits to the specific id. - * - * If {@code allRotations} flag is set, the four posible marker rotations are considered - * @param bits automatically generated - * @param id automatically generated - * @param allRotations automatically generated - * @return automatically generated - */ - public int getDistanceToId(Mat bits, int id, boolean allRotations) { - return getDistanceToId_0(nativeObj, bits.nativeObj, id, allRotations); - } - - /** - * Returns Hamming distance of the input bits to the specific id. - * - * If {@code allRotations} flag is set, the four posible marker rotations are considered - * @param bits automatically generated - * @param id automatically generated - * @return automatically generated - */ - public int getDistanceToId(Mat bits, int id) { - return getDistanceToId_1(nativeObj, bits.nativeObj, id); - } - - - // - // C++: void cv::aruco::Dictionary::generateImageMarker(int id, int sidePixels, Mat& _img, int borderBits = 1) - // - - /** - * Generate a canonical marker image - * @param id automatically generated - * @param sidePixels automatically generated - * @param _img automatically generated - * @param borderBits automatically generated - */ - public void generateImageMarker(int id, int sidePixels, Mat _img, int borderBits) { - generateImageMarker_0(nativeObj, id, sidePixels, _img.nativeObj, borderBits); - } - - /** - * Generate a canonical marker image - * @param id automatically generated - * @param sidePixels automatically generated - * @param _img automatically generated - */ - public void generateImageMarker(int id, int sidePixels, Mat _img) { - generateImageMarker_1(nativeObj, id, sidePixels, _img.nativeObj); - } - - - // - // C++: static Mat cv::aruco::Dictionary::getByteListFromBits(Mat bits) - // - - /** - * Transform matrix of bits to list of bytes with 4 marker rotations - * @param bits automatically generated - * @return automatically generated - */ - public static Mat getByteListFromBits(Mat bits) { - return new Mat(getByteListFromBits_0(bits.nativeObj)); - } - - - // - // C++: static Mat cv::aruco::Dictionary::getBitsFromByteList(Mat byteList, int markerSize) - // - - /** - * Transform list of bytes to matrix of bits - * @param byteList automatically generated - * @param markerSize automatically generated - * @return automatically generated - */ - public static Mat getBitsFromByteList(Mat byteList, int markerSize) { - return new Mat(getBitsFromByteList_0(byteList.nativeObj, markerSize)); - } - - - // - // C++: Mat Dictionary::bytesList - // - - public Mat get_bytesList() { - return new Mat(get_bytesList_0(nativeObj)); - } - - - // - // C++: void Dictionary::bytesList - // - - public void set_bytesList(Mat bytesList) { - set_bytesList_0(nativeObj, bytesList.nativeObj); - } - - - // - // C++: int Dictionary::markerSize - // - - public int get_markerSize() { - return get_markerSize_0(nativeObj); - } - - - // - // C++: void Dictionary::markerSize - // - - public void set_markerSize(int markerSize) { - set_markerSize_0(nativeObj, markerSize); - } - - - // - // C++: int Dictionary::maxCorrectionBits - // - - public int get_maxCorrectionBits() { - return get_maxCorrectionBits_0(nativeObj); - } - - - // - // C++: void Dictionary::maxCorrectionBits - // - - public void set_maxCorrectionBits(int maxCorrectionBits) { - set_maxCorrectionBits_0(nativeObj, maxCorrectionBits); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::Dictionary::Dictionary() - private static native long Dictionary_0(); - - // C++: cv::aruco::Dictionary::Dictionary(Mat bytesList, int _markerSize, int maxcorr = 0) - private static native long Dictionary_1(long bytesList_nativeObj, int _markerSize, int maxcorr); - private static native long Dictionary_2(long bytesList_nativeObj, int _markerSize); - - // C++: bool cv::aruco::Dictionary::identify(Mat onlyBits, int& idx, int& rotation, double maxCorrectionRate) - private static native boolean identify_0(long nativeObj, long onlyBits_nativeObj, double[] idx_out, double[] rotation_out, double maxCorrectionRate); - - // C++: int cv::aruco::Dictionary::getDistanceToId(Mat bits, int id, bool allRotations = true) - private static native int getDistanceToId_0(long nativeObj, long bits_nativeObj, int id, boolean allRotations); - private static native int getDistanceToId_1(long nativeObj, long bits_nativeObj, int id); - - // C++: void cv::aruco::Dictionary::generateImageMarker(int id, int sidePixels, Mat& _img, int borderBits = 1) - private static native void generateImageMarker_0(long nativeObj, int id, int sidePixels, long _img_nativeObj, int borderBits); - private static native void generateImageMarker_1(long nativeObj, int id, int sidePixels, long _img_nativeObj); - - // C++: static Mat cv::aruco::Dictionary::getByteListFromBits(Mat bits) - private static native long getByteListFromBits_0(long bits_nativeObj); - - // C++: static Mat cv::aruco::Dictionary::getBitsFromByteList(Mat byteList, int markerSize) - private static native long getBitsFromByteList_0(long byteList_nativeObj, int markerSize); - - // C++: Mat Dictionary::bytesList - private static native long get_bytesList_0(long nativeObj); - - // C++: void Dictionary::bytesList - private static native void set_bytesList_0(long nativeObj, long bytesList_nativeObj); - - // C++: int Dictionary::markerSize - private static native int get_markerSize_0(long nativeObj); - - // C++: void Dictionary::markerSize - private static native void set_markerSize_0(long nativeObj, int markerSize); - - // C++: int Dictionary::maxCorrectionBits - private static native int get_maxCorrectionBits_0(long nativeObj); - - // C++: void Dictionary::maxCorrectionBits - private static native void set_maxCorrectionBits_0(long nativeObj, int maxCorrectionBits); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceDetectorYN.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceDetectorYN.java deleted file mode 100644 index ea26ef1352..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceDetectorYN.java +++ /dev/null @@ -1,403 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.Size; -import org.opencv.objdetect.FaceDetectorYN; -import org.opencv.utils.Converters; - -// C++: class FaceDetectorYN -/** - * DNN-based face detector - * - * model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet - */ -public class FaceDetectorYN { - - protected final long nativeObj; - protected FaceDetectorYN(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static FaceDetectorYN __fromPtr__(long addr) { return new FaceDetectorYN(addr); } - - // - // C++: void cv::FaceDetectorYN::setInputSize(Size input_size) - // - - /** - * Set the size for the network input, which overwrites the input size of creating model. Call this method when the size of input image does not match the input size when creating model - * - * @param input_size the size of the input image - */ - public void setInputSize(Size input_size) { - setInputSize_0(nativeObj, input_size.width, input_size.height); - } - - - // - // C++: Size cv::FaceDetectorYN::getInputSize() - // - - public Size getInputSize() { - return new Size(getInputSize_0(nativeObj)); - } - - - // - // C++: void cv::FaceDetectorYN::setScoreThreshold(float score_threshold) - // - - /** - * Set the score threshold to filter out bounding boxes of score less than the given value - * - * @param score_threshold threshold for filtering out bounding boxes - */ - public void setScoreThreshold(float score_threshold) { - setScoreThreshold_0(nativeObj, score_threshold); - } - - - // - // C++: float cv::FaceDetectorYN::getScoreThreshold() - // - - public float getScoreThreshold() { - return getScoreThreshold_0(nativeObj); - } - - - // - // C++: void cv::FaceDetectorYN::setNMSThreshold(float nms_threshold) - // - - /** - * Set the Non-maximum-suppression threshold to suppress bounding boxes that have IoU greater than the given value - * - * @param nms_threshold threshold for NMS operation - */ - public void setNMSThreshold(float nms_threshold) { - setNMSThreshold_0(nativeObj, nms_threshold); - } - - - // - // C++: float cv::FaceDetectorYN::getNMSThreshold() - // - - public float getNMSThreshold() { - return getNMSThreshold_0(nativeObj); - } - - - // - // C++: void cv::FaceDetectorYN::setTopK(int top_k) - // - - /** - * Set the number of bounding boxes preserved before NMS - * - * @param top_k the number of bounding boxes to preserve from top rank based on score - */ - public void setTopK(int top_k) { - setTopK_0(nativeObj, top_k); - } - - - // - // C++: int cv::FaceDetectorYN::getTopK() - // - - public int getTopK() { - return getTopK_0(nativeObj); - } - - - // - // C++: int cv::FaceDetectorYN::detect(Mat image, Mat& faces) - // - - /** - * Detects faces in the input image. Following is an example output. - * - * ![image](pics/lena-face-detection.jpg) - * - * @param image an image to detect - * @param faces detection results stored in a 2D cv::Mat of shape [num_faces, 15] - * - 0-1: x, y of bbox top left corner - * - 2-3: width, height of bbox - * - 4-5: x, y of right eye (blue point in the example image) - * - 6-7: x, y of left eye (red point in the example image) - * - 8-9: x, y of nose tip (green point in the example image) - * - 10-11: x, y of right corner of mouth (pink point in the example image) - * - 12-13: x, y of left corner of mouth (yellow point in the example image) - * - 14: face score - * @return automatically generated - */ - public int detect(Mat image, Mat faces) { - return detect_0(nativeObj, image.nativeObj, faces.nativeObj); - } - - - // - // C++: static Ptr_FaceDetectorYN cv::FaceDetectorYN::create(String model, String config, Size input_size, float score_threshold = 0.9f, float nms_threshold = 0.3f, int top_k = 5000, int backend_id = 0, int target_id = 0) - // - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @param backend_id the id of backend - * @param target_id the id of target device - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size, float score_threshold, float nms_threshold, int top_k, int backend_id, int target_id) { - return FaceDetectorYN.__fromPtr__(create_0(model, config, input_size.width, input_size.height, score_threshold, nms_threshold, top_k, backend_id, target_id)); - } - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @param backend_id the id of backend - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size, float score_threshold, float nms_threshold, int top_k, int backend_id) { - return FaceDetectorYN.__fromPtr__(create_1(model, config, input_size.width, input_size.height, score_threshold, nms_threshold, top_k, backend_id)); - } - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size, float score_threshold, float nms_threshold, int top_k) { - return FaceDetectorYN.__fromPtr__(create_2(model, config, input_size.width, input_size.height, score_threshold, nms_threshold, top_k)); - } - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size, float score_threshold, float nms_threshold) { - return FaceDetectorYN.__fromPtr__(create_3(model, config, input_size.width, input_size.height, score_threshold, nms_threshold)); - } - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size, float score_threshold) { - return FaceDetectorYN.__fromPtr__(create_4(model, config, input_size.width, input_size.height, score_threshold)); - } - - /** - * Creates an instance of face detector class with given parameters - * - * @param model the path to the requested model - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param input_size the size of the input image - * @return automatically generated - */ - public static FaceDetectorYN create(String model, String config, Size input_size) { - return FaceDetectorYN.__fromPtr__(create_5(model, config, input_size.width, input_size.height)); - } - - - // - // C++: static Ptr_FaceDetectorYN cv::FaceDetectorYN::create(String framework, vector_uchar bufferModel, vector_uchar bufferConfig, Size input_size, float score_threshold = 0.9f, float nms_threshold = 0.3f, int top_k = 5000, int backend_id = 0, int target_id = 0) - // - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @param backend_id the id of backend - * @param target_id the id of target device - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size, float score_threshold, float nms_threshold, int top_k, int backend_id, int target_id) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_6(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height, score_threshold, nms_threshold, top_k, backend_id, target_id)); - } - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @param backend_id the id of backend - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size, float score_threshold, float nms_threshold, int top_k, int backend_id) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_7(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height, score_threshold, nms_threshold, top_k, backend_id)); - } - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @param top_k keep top K bboxes before NMS - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size, float score_threshold, float nms_threshold, int top_k) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_8(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height, score_threshold, nms_threshold, top_k)); - } - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @param nms_threshold the threshold to suppress bounding boxes of IoU bigger than the given value - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size, float score_threshold, float nms_threshold) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_9(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height, score_threshold, nms_threshold)); - } - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @param score_threshold the threshold to filter out bounding boxes of score smaller than the given value - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size, float score_threshold) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_10(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height, score_threshold)); - } - - /** - * - * - * @param framework Name of origin framework - * @param bufferModel A buffer with a content of binary file with weights - * @param bufferConfig A buffer with a content of text file contains network configuration - * @param input_size the size of the input image - * @return automatically generated - */ - public static FaceDetectorYN create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, Size input_size) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceDetectorYN.__fromPtr__(create_11(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, input_size.width, input_size.height)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::FaceDetectorYN::setInputSize(Size input_size) - private static native void setInputSize_0(long nativeObj, double input_size_width, double input_size_height); - - // C++: Size cv::FaceDetectorYN::getInputSize() - private static native double[] getInputSize_0(long nativeObj); - - // C++: void cv::FaceDetectorYN::setScoreThreshold(float score_threshold) - private static native void setScoreThreshold_0(long nativeObj, float score_threshold); - - // C++: float cv::FaceDetectorYN::getScoreThreshold() - private static native float getScoreThreshold_0(long nativeObj); - - // C++: void cv::FaceDetectorYN::setNMSThreshold(float nms_threshold) - private static native void setNMSThreshold_0(long nativeObj, float nms_threshold); - - // C++: float cv::FaceDetectorYN::getNMSThreshold() - private static native float getNMSThreshold_0(long nativeObj); - - // C++: void cv::FaceDetectorYN::setTopK(int top_k) - private static native void setTopK_0(long nativeObj, int top_k); - - // C++: int cv::FaceDetectorYN::getTopK() - private static native int getTopK_0(long nativeObj); - - // C++: int cv::FaceDetectorYN::detect(Mat image, Mat& faces) - private static native int detect_0(long nativeObj, long image_nativeObj, long faces_nativeObj); - - // C++: static Ptr_FaceDetectorYN cv::FaceDetectorYN::create(String model, String config, Size input_size, float score_threshold = 0.9f, float nms_threshold = 0.3f, int top_k = 5000, int backend_id = 0, int target_id = 0) - private static native long create_0(String model, String config, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k, int backend_id, int target_id); - private static native long create_1(String model, String config, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k, int backend_id); - private static native long create_2(String model, String config, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k); - private static native long create_3(String model, String config, double input_size_width, double input_size_height, float score_threshold, float nms_threshold); - private static native long create_4(String model, String config, double input_size_width, double input_size_height, float score_threshold); - private static native long create_5(String model, String config, double input_size_width, double input_size_height); - - // C++: static Ptr_FaceDetectorYN cv::FaceDetectorYN::create(String framework, vector_uchar bufferModel, vector_uchar bufferConfig, Size input_size, float score_threshold = 0.9f, float nms_threshold = 0.3f, int top_k = 5000, int backend_id = 0, int target_id = 0) - private static native long create_6(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k, int backend_id, int target_id); - private static native long create_7(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k, int backend_id); - private static native long create_8(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height, float score_threshold, float nms_threshold, int top_k); - private static native long create_9(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height, float score_threshold, float nms_threshold); - private static native long create_10(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height, float score_threshold); - private static native long create_11(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, double input_size_width, double input_size_height); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceRecognizerSF.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceRecognizerSF.java deleted file mode 100644 index 100f369f19..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/FaceRecognizerSF.java +++ /dev/null @@ -1,208 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.objdetect.FaceRecognizerSF; -import org.opencv.utils.Converters; - -// C++: class FaceRecognizerSF -/** - * DNN-based face recognizer - * - * model download link: https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface - */ -public class FaceRecognizerSF { - - protected final long nativeObj; - protected FaceRecognizerSF(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static FaceRecognizerSF __fromPtr__(long addr) { return new FaceRecognizerSF(addr); } - - // C++: enum DisType (cv.FaceRecognizerSF.DisType) - public static final int - FR_COSINE = 0, - FR_NORM_L2 = 1; - - - // - // C++: void cv::FaceRecognizerSF::alignCrop(Mat src_img, Mat face_box, Mat& aligned_img) - // - - /** - * Aligns detected face with the source input image and crops it - * @param src_img input image - * @param face_box the detected face result from the input image - * @param aligned_img output aligned image - */ - public void alignCrop(Mat src_img, Mat face_box, Mat aligned_img) { - alignCrop_0(nativeObj, src_img.nativeObj, face_box.nativeObj, aligned_img.nativeObj); - } - - - // - // C++: void cv::FaceRecognizerSF::feature(Mat aligned_img, Mat& face_feature) - // - - /** - * Extracts face feature from aligned image - * @param aligned_img input aligned image - * @param face_feature output face feature - */ - public void feature(Mat aligned_img, Mat face_feature) { - feature_0(nativeObj, aligned_img.nativeObj, face_feature.nativeObj); - } - - - // - // C++: double cv::FaceRecognizerSF::match(Mat face_feature1, Mat face_feature2, int dis_type = FaceRecognizerSF::FR_COSINE) - // - - /** - * Calculates the distance between two face features - * @param face_feature1 the first input feature - * @param face_feature2 the second input feature of the same size and the same type as face_feature1 - * @param dis_type defines how to calculate the distance between two face features with optional values "FR_COSINE" or "FR_NORM_L2" - * @return automatically generated - */ - public double match(Mat face_feature1, Mat face_feature2, int dis_type) { - return match_0(nativeObj, face_feature1.nativeObj, face_feature2.nativeObj, dis_type); - } - - /** - * Calculates the distance between two face features - * @param face_feature1 the first input feature - * @param face_feature2 the second input feature of the same size and the same type as face_feature1 - * @return automatically generated - */ - public double match(Mat face_feature1, Mat face_feature2) { - return match_1(nativeObj, face_feature1.nativeObj, face_feature2.nativeObj); - } - - - // - // C++: static Ptr_FaceRecognizerSF cv::FaceRecognizerSF::create(String model, String config, int backend_id = 0, int target_id = 0) - // - - /** - * Creates an instance of this class with given parameters - * @param model the path of the onnx model used for face recognition - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param backend_id the id of backend - * @param target_id the id of target device - * @return automatically generated - */ - public static FaceRecognizerSF create(String model, String config, int backend_id, int target_id) { - return FaceRecognizerSF.__fromPtr__(create_0(model, config, backend_id, target_id)); - } - - /** - * Creates an instance of this class with given parameters - * @param model the path of the onnx model used for face recognition - * @param config the path to the config file for compability, which is not requested for ONNX models - * @param backend_id the id of backend - * @return automatically generated - */ - public static FaceRecognizerSF create(String model, String config, int backend_id) { - return FaceRecognizerSF.__fromPtr__(create_1(model, config, backend_id)); - } - - /** - * Creates an instance of this class with given parameters - * @param model the path of the onnx model used for face recognition - * @param config the path to the config file for compability, which is not requested for ONNX models - * @return automatically generated - */ - public static FaceRecognizerSF create(String model, String config) { - return FaceRecognizerSF.__fromPtr__(create_2(model, config)); - } - - - // - // C++: static Ptr_FaceRecognizerSF cv::FaceRecognizerSF::create(String framework, vector_uchar bufferModel, vector_uchar bufferConfig, int backend_id = 0, int target_id = 0) - // - - /** - * Creates an instance of this class from a buffer containing the model weights and configuration. - * @param framework Name of the framework (ONNX, etc.) - * @param bufferModel A buffer containing the binary model weights. - * @param bufferConfig A buffer containing the network configuration. - * @param backend_id The id of the backend. - * @param target_id The id of the target device. - * - * @return A pointer to the created instance of FaceRecognizerSF. - */ - public static FaceRecognizerSF create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, int backend_id, int target_id) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceRecognizerSF.__fromPtr__(create_3(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, backend_id, target_id)); - } - - /** - * Creates an instance of this class from a buffer containing the model weights and configuration. - * @param framework Name of the framework (ONNX, etc.) - * @param bufferModel A buffer containing the binary model weights. - * @param bufferConfig A buffer containing the network configuration. - * @param backend_id The id of the backend. - * - * @return A pointer to the created instance of FaceRecognizerSF. - */ - public static FaceRecognizerSF create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig, int backend_id) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceRecognizerSF.__fromPtr__(create_4(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj, backend_id)); - } - - /** - * Creates an instance of this class from a buffer containing the model weights and configuration. - * @param framework Name of the framework (ONNX, etc.) - * @param bufferModel A buffer containing the binary model weights. - * @param bufferConfig A buffer containing the network configuration. - * - * @return A pointer to the created instance of FaceRecognizerSF. - */ - public static FaceRecognizerSF create(String framework, MatOfByte bufferModel, MatOfByte bufferConfig) { - Mat bufferModel_mat = bufferModel; - Mat bufferConfig_mat = bufferConfig; - return FaceRecognizerSF.__fromPtr__(create_5(framework, bufferModel_mat.nativeObj, bufferConfig_mat.nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::FaceRecognizerSF::alignCrop(Mat src_img, Mat face_box, Mat& aligned_img) - private static native void alignCrop_0(long nativeObj, long src_img_nativeObj, long face_box_nativeObj, long aligned_img_nativeObj); - - // C++: void cv::FaceRecognizerSF::feature(Mat aligned_img, Mat& face_feature) - private static native void feature_0(long nativeObj, long aligned_img_nativeObj, long face_feature_nativeObj); - - // C++: double cv::FaceRecognizerSF::match(Mat face_feature1, Mat face_feature2, int dis_type = FaceRecognizerSF::FR_COSINE) - private static native double match_0(long nativeObj, long face_feature1_nativeObj, long face_feature2_nativeObj, int dis_type); - private static native double match_1(long nativeObj, long face_feature1_nativeObj, long face_feature2_nativeObj); - - // C++: static Ptr_FaceRecognizerSF cv::FaceRecognizerSF::create(String model, String config, int backend_id = 0, int target_id = 0) - private static native long create_0(String model, String config, int backend_id, int target_id); - private static native long create_1(String model, String config, int backend_id); - private static native long create_2(String model, String config); - - // C++: static Ptr_FaceRecognizerSF cv::FaceRecognizerSF::create(String framework, vector_uchar bufferModel, vector_uchar bufferConfig, int backend_id = 0, int target_id = 0) - private static native long create_3(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, int backend_id, int target_id); - private static native long create_4(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj, int backend_id); - private static native long create_5(String framework, long bufferModel_mat_nativeObj, long bufferConfig_mat_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/GraphicalCodeDetector.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/GraphicalCodeDetector.java deleted file mode 100644 index 422e24ac1d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/GraphicalCodeDetector.java +++ /dev/null @@ -1,339 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class GraphicalCodeDetector - -public class GraphicalCodeDetector { - - protected final long nativeObj; - protected GraphicalCodeDetector(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static GraphicalCodeDetector __fromPtr__(long addr) { return new GraphicalCodeDetector(addr); } - - // - // C++: bool cv::GraphicalCodeDetector::detect(Mat img, Mat& points) - // - - /** - * Detects graphical code in image and returns the quadrangle containing the code. - * @param img grayscale or color (BGR) image containing (or not) graphical code. - * @param points Output vector of vertices of the minimum-area quadrangle containing the code. - * @return automatically generated - */ - public boolean detect(Mat img, Mat points) { - return detect_0(nativeObj, img.nativeObj, points.nativeObj); - } - - - // - // C++: string cv::GraphicalCodeDetector::decode(Mat img, Mat points, Mat& straight_code = Mat()) - // - - /** - * Decodes graphical code in image once it's found by the detect() method. - * - * Returns UTF8-encoded output string or empty string if the code cannot be decoded. - * @param img grayscale or color (BGR) image containing graphical code. - * @param points Quadrangle vertices found by detect() method (or some other algorithm). - * @param straight_code The optional output image containing binarized code, will be empty if not found. - * @return automatically generated - */ - public String decode(Mat img, Mat points, Mat straight_code) { - return decode_0(nativeObj, img.nativeObj, points.nativeObj, straight_code.nativeObj); - } - - /** - * Decodes graphical code in image once it's found by the detect() method. - * - * Returns UTF8-encoded output string or empty string if the code cannot be decoded. - * @param img grayscale or color (BGR) image containing graphical code. - * @param points Quadrangle vertices found by detect() method (or some other algorithm). - * @return automatically generated - */ - public String decode(Mat img, Mat points) { - return decode_1(nativeObj, img.nativeObj, points.nativeObj); - } - - - // - // C++: string cv::GraphicalCodeDetector::detectAndDecode(Mat img, Mat& points = Mat(), Mat& straight_code = Mat()) - // - - /** - * Both detects and decodes graphical code - * - * @param img grayscale or color (BGR) image containing graphical code. - * @param points optional output array of vertices of the found graphical code quadrangle, will be empty if not found. - * @param straight_code The optional output image containing binarized code - * @return automatically generated - */ - public String detectAndDecode(Mat img, Mat points, Mat straight_code) { - return detectAndDecode_0(nativeObj, img.nativeObj, points.nativeObj, straight_code.nativeObj); - } - - /** - * Both detects and decodes graphical code - * - * @param img grayscale or color (BGR) image containing graphical code. - * @param points optional output array of vertices of the found graphical code quadrangle, will be empty if not found. - * @return automatically generated - */ - public String detectAndDecode(Mat img, Mat points) { - return detectAndDecode_1(nativeObj, img.nativeObj, points.nativeObj); - } - - /** - * Both detects and decodes graphical code - * - * @param img grayscale or color (BGR) image containing graphical code. - * @return automatically generated - */ - public String detectAndDecode(Mat img) { - return detectAndDecode_2(nativeObj, img.nativeObj); - } - - - // - // C++: bool cv::GraphicalCodeDetector::detectMulti(Mat img, Mat& points) - // - - /** - * Detects graphical codes in image and returns the vector of the quadrangles containing the codes. - * @param img grayscale or color (BGR) image containing (or not) graphical codes. - * @param points Output vector of vector of vertices of the minimum-area quadrangle containing the codes. - * @return automatically generated - */ - public boolean detectMulti(Mat img, Mat points) { - return detectMulti_0(nativeObj, img.nativeObj, points.nativeObj); - } - - - // - // C++: bool cv::GraphicalCodeDetector::decodeMulti(Mat img, Mat points, vector_string& decoded_info, vector_Mat& straight_code = vector_Mat()) - // - - /** - * Decodes graphical codes in image once it's found by the detect() method. - * @param img grayscale or color (BGR) image containing graphical codes. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * @param points vector of Quadrangle vertices found by detect() method (or some other algorithm). - * @param straight_code The optional output vector of images containing binarized codes - * @return automatically generated - */ - public boolean decodeMulti(Mat img, Mat points, List decoded_info, List straight_code) { - Mat straight_code_mat = new Mat(); - boolean retVal = decodeMulti_0(nativeObj, img.nativeObj, points.nativeObj, decoded_info, straight_code_mat.nativeObj); - Converters.Mat_to_vector_Mat(straight_code_mat, straight_code); - straight_code_mat.release(); - return retVal; - } - - /** - * Decodes graphical codes in image once it's found by the detect() method. - * @param img grayscale or color (BGR) image containing graphical codes. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * @param points vector of Quadrangle vertices found by detect() method (or some other algorithm). - * @return automatically generated - */ - public boolean decodeMulti(Mat img, Mat points, List decoded_info) { - return decodeMulti_1(nativeObj, img.nativeObj, points.nativeObj, decoded_info); - } - - - // - // C++: bool cv::GraphicalCodeDetector::detectAndDecodeMulti(Mat img, vector_string& decoded_info, Mat& points = Mat(), vector_Mat& straight_code = vector_Mat()) - // - - /** - * Both detects and decodes graphical codes - * @param img grayscale or color (BGR) image containing graphical codes. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * @param points optional output vector of vertices of the found graphical code quadrangles. Will be empty if not found. - * @param straight_code The optional vector of images containing binarized codes - * - *
      - *
    • - * If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - * method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - * have empty string. - *
      • - *
    - * @return automatically generated - */ - public boolean detectAndDecodeMulti(Mat img, List decoded_info, Mat points, List straight_code) { - Mat straight_code_mat = new Mat(); - boolean retVal = detectAndDecodeMulti_0(nativeObj, img.nativeObj, decoded_info, points.nativeObj, straight_code_mat.nativeObj); - Converters.Mat_to_vector_Mat(straight_code_mat, straight_code); - straight_code_mat.release(); - return retVal; - } - - /** - * Both detects and decodes graphical codes - * @param img grayscale or color (BGR) image containing graphical codes. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * @param points optional output vector of vertices of the found graphical code quadrangles. Will be empty if not found. - * - *
      - *
    • - * If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - * method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - * have empty string. - *
      • - *
    - * @return automatically generated - */ - public boolean detectAndDecodeMulti(Mat img, List decoded_info, Mat points) { - return detectAndDecodeMulti_1(nativeObj, img.nativeObj, decoded_info, points.nativeObj); - } - - /** - * Both detects and decodes graphical codes - * @param img grayscale or color (BGR) image containing graphical codes. - * @param decoded_info UTF8-encoded output vector of string or empty vector of string if the codes cannot be decoded. - * - *
      - *
    • - * If there are QR codes encoded with a Structured Append mode on the image and all of them detected and decoded correctly, - * method writes a full message to position corresponds to 0-th code in a sequence. The rest of QR codes from the same sequence - * have empty string. - *
      • - *
    - * @return automatically generated - */ - public boolean detectAndDecodeMulti(Mat img, List decoded_info) { - return detectAndDecodeMulti_2(nativeObj, img.nativeObj, decoded_info); - } - - - // - // C++: NativeByteArray cv::GraphicalCodeDetector::detectAndDecode(Mat img, Mat& points = Mat(), Mat& straight_code = Mat()) - // - - public byte[] detectAndDecodeBytes(Mat img, Mat points, Mat straight_code) { - return detectAndDecodeBytes_0(nativeObj, img.nativeObj, points.nativeObj, straight_code.nativeObj); - } - - public byte[] detectAndDecodeBytes(Mat img, Mat points) { - return detectAndDecodeBytes_1(nativeObj, img.nativeObj, points.nativeObj); - } - - public byte[] detectAndDecodeBytes(Mat img) { - return detectAndDecodeBytes_2(nativeObj, img.nativeObj); - } - - - // - // C++: NativeByteArray cv::GraphicalCodeDetector::decode(Mat img, Mat points, Mat& straight_code = Mat()) - // - - public byte[] decodeBytes(Mat img, Mat points, Mat straight_code) { - return decodeBytes_0(nativeObj, img.nativeObj, points.nativeObj, straight_code.nativeObj); - } - - public byte[] decodeBytes(Mat img, Mat points) { - return decodeBytes_1(nativeObj, img.nativeObj, points.nativeObj); - } - - - // - // C++: bool cv::GraphicalCodeDetector::decodeMulti(Mat img, Mat points, vector_NativeByteArray& decoded_info, vector_Mat& straight_code = vector_Mat()) - // - - public boolean decodeBytesMulti(Mat img, Mat points, List decoded_info, List straight_code) { - Mat straight_code_mat = new Mat(); - boolean retVal = decodeBytesMulti_0(nativeObj, img.nativeObj, points.nativeObj, decoded_info, straight_code_mat.nativeObj); - Converters.Mat_to_vector_Mat(straight_code_mat, straight_code); - straight_code_mat.release(); - return retVal; - } - - public boolean decodeBytesMulti(Mat img, Mat points, List decoded_info) { - return decodeBytesMulti_1(nativeObj, img.nativeObj, points.nativeObj, decoded_info); - } - - - // - // C++: bool cv::GraphicalCodeDetector::detectAndDecodeMulti(Mat img, vector_NativeByteArray& decoded_info, Mat& points = Mat(), vector_Mat& straight_code = vector_Mat()) - // - - public boolean detectAndDecodeBytesMulti(Mat img, List decoded_info, Mat points, List straight_code) { - Mat straight_code_mat = new Mat(); - boolean retVal = detectAndDecodeBytesMulti_0(nativeObj, img.nativeObj, decoded_info, points.nativeObj, straight_code_mat.nativeObj); - Converters.Mat_to_vector_Mat(straight_code_mat, straight_code); - straight_code_mat.release(); - return retVal; - } - - public boolean detectAndDecodeBytesMulti(Mat img, List decoded_info, Mat points) { - return detectAndDecodeBytesMulti_1(nativeObj, img.nativeObj, decoded_info, points.nativeObj); - } - - public boolean detectAndDecodeBytesMulti(Mat img, List decoded_info) { - return detectAndDecodeBytesMulti_2(nativeObj, img.nativeObj, decoded_info); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: bool cv::GraphicalCodeDetector::detect(Mat img, Mat& points) - private static native boolean detect_0(long nativeObj, long img_nativeObj, long points_nativeObj); - - // C++: string cv::GraphicalCodeDetector::decode(Mat img, Mat points, Mat& straight_code = Mat()) - private static native String decode_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_code_nativeObj); - private static native String decode_1(long nativeObj, long img_nativeObj, long points_nativeObj); - - // C++: string cv::GraphicalCodeDetector::detectAndDecode(Mat img, Mat& points = Mat(), Mat& straight_code = Mat()) - private static native String detectAndDecode_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_code_nativeObj); - private static native String detectAndDecode_1(long nativeObj, long img_nativeObj, long points_nativeObj); - private static native String detectAndDecode_2(long nativeObj, long img_nativeObj); - - // C++: bool cv::GraphicalCodeDetector::detectMulti(Mat img, Mat& points) - private static native boolean detectMulti_0(long nativeObj, long img_nativeObj, long points_nativeObj); - - // C++: bool cv::GraphicalCodeDetector::decodeMulti(Mat img, Mat points, vector_string& decoded_info, vector_Mat& straight_code = vector_Mat()) - private static native boolean decodeMulti_0(long nativeObj, long img_nativeObj, long points_nativeObj, List decoded_info, long straight_code_mat_nativeObj); - private static native boolean decodeMulti_1(long nativeObj, long img_nativeObj, long points_nativeObj, List decoded_info); - - // C++: bool cv::GraphicalCodeDetector::detectAndDecodeMulti(Mat img, vector_string& decoded_info, Mat& points = Mat(), vector_Mat& straight_code = vector_Mat()) - private static native boolean detectAndDecodeMulti_0(long nativeObj, long img_nativeObj, List decoded_info, long points_nativeObj, long straight_code_mat_nativeObj); - private static native boolean detectAndDecodeMulti_1(long nativeObj, long img_nativeObj, List decoded_info, long points_nativeObj); - private static native boolean detectAndDecodeMulti_2(long nativeObj, long img_nativeObj, List decoded_info); - - // C++: NativeByteArray cv::GraphicalCodeDetector::detectAndDecode(Mat img, Mat& points = Mat(), Mat& straight_code = Mat()) - private static native byte[] detectAndDecodeBytes_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_code_nativeObj); - private static native byte[] detectAndDecodeBytes_1(long nativeObj, long img_nativeObj, long points_nativeObj); - private static native byte[] detectAndDecodeBytes_2(long nativeObj, long img_nativeObj); - - // C++: NativeByteArray cv::GraphicalCodeDetector::decode(Mat img, Mat points, Mat& straight_code = Mat()) - private static native byte[] decodeBytes_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_code_nativeObj); - private static native byte[] decodeBytes_1(long nativeObj, long img_nativeObj, long points_nativeObj); - - // C++: bool cv::GraphicalCodeDetector::decodeMulti(Mat img, Mat points, vector_NativeByteArray& decoded_info, vector_Mat& straight_code = vector_Mat()) - private static native boolean decodeBytesMulti_0(long nativeObj, long img_nativeObj, long points_nativeObj, List decoded_info, long straight_code_mat_nativeObj); - private static native boolean decodeBytesMulti_1(long nativeObj, long img_nativeObj, long points_nativeObj, List decoded_info); - - // C++: bool cv::GraphicalCodeDetector::detectAndDecodeMulti(Mat img, vector_NativeByteArray& decoded_info, Mat& points = Mat(), vector_Mat& straight_code = vector_Mat()) - private static native boolean detectAndDecodeBytesMulti_0(long nativeObj, long img_nativeObj, List decoded_info, long points_nativeObj, long straight_code_mat_nativeObj); - private static native boolean detectAndDecodeBytesMulti_1(long nativeObj, long img_nativeObj, List decoded_info, long points_nativeObj); - private static native boolean detectAndDecodeBytesMulti_2(long nativeObj, long img_nativeObj, List decoded_info); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/GridBoard.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/GridBoard.java deleted file mode 100644 index e94dc75361..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/GridBoard.java +++ /dev/null @@ -1,105 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.core.Mat; -import org.opencv.core.Size; -import org.opencv.objdetect.Board; -import org.opencv.objdetect.Dictionary; - -// C++: class GridBoard -/** - * Planar board with grid arrangement of markers - * - * More common type of board. All markers are placed in the same plane in a grid arrangement. - * The board image can be drawn using generateImage() method. - */ -public class GridBoard extends Board { - - protected GridBoard(long addr) { super(addr); } - - // internal usage only - public static GridBoard __fromPtr__(long addr) { return new GridBoard(addr); } - - // - // C++: cv::aruco::GridBoard::GridBoard(Size size, float markerLength, float markerSeparation, Dictionary dictionary, Mat ids = Mat()) - // - - /** - * GridBoard constructor - * - * @param size number of markers in x and y directions - * @param markerLength marker side length (normally in meters) - * @param markerSeparation separation between two markers (same unit as markerLength) - * @param dictionary dictionary of markers indicating the type of markers - * @param ids set of marker ids in dictionary to use on board. - */ - public GridBoard(Size size, float markerLength, float markerSeparation, Dictionary dictionary, Mat ids) { - super(GridBoard_0(size.width, size.height, markerLength, markerSeparation, dictionary.getNativeObjAddr(), ids.nativeObj)); - } - - /** - * GridBoard constructor - * - * @param size number of markers in x and y directions - * @param markerLength marker side length (normally in meters) - * @param markerSeparation separation between two markers (same unit as markerLength) - * @param dictionary dictionary of markers indicating the type of markers - */ - public GridBoard(Size size, float markerLength, float markerSeparation, Dictionary dictionary) { - super(GridBoard_1(size.width, size.height, markerLength, markerSeparation, dictionary.getNativeObjAddr())); - } - - - // - // C++: Size cv::aruco::GridBoard::getGridSize() - // - - public Size getGridSize() { - return new Size(getGridSize_0(nativeObj)); - } - - - // - // C++: float cv::aruco::GridBoard::getMarkerLength() - // - - public float getMarkerLength() { - return getMarkerLength_0(nativeObj); - } - - - // - // C++: float cv::aruco::GridBoard::getMarkerSeparation() - // - - public float getMarkerSeparation() { - return getMarkerSeparation_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::GridBoard::GridBoard(Size size, float markerLength, float markerSeparation, Dictionary dictionary, Mat ids = Mat()) - private static native long GridBoard_0(double size_width, double size_height, float markerLength, float markerSeparation, long dictionary_nativeObj, long ids_nativeObj); - private static native long GridBoard_1(double size_width, double size_height, float markerLength, float markerSeparation, long dictionary_nativeObj); - - // C++: Size cv::aruco::GridBoard::getGridSize() - private static native double[] getGridSize_0(long nativeObj); - - // C++: float cv::aruco::GridBoard::getMarkerLength() - private static native float getMarkerLength_0(long nativeObj); - - // C++: float cv::aruco::GridBoard::getMarkerSeparation() - private static native float getMarkerSeparation_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/HOGDescriptor.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/HOGDescriptor.java deleted file mode 100644 index 85a0a08526..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/HOGDescriptor.java +++ /dev/null @@ -1,891 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfDouble; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfPoint; -import org.opencv.core.MatOfRect; -import org.opencv.core.Size; -import org.opencv.utils.Converters; - -// C++: class HOGDescriptor -/** - * Implementation of HOG (Histogram of Oriented Gradients) descriptor and object detector. - * - * the HOG descriptor algorithm introduced by Navneet Dalal and Bill Triggs CITE: Dalal2005 . - * - * useful links: - * - * https://hal.inria.fr/inria-00548512/document/ - * - * https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients - * - * https://software.intel.com/en-us/ipp-dev-reference-histogram-of-oriented-gradients-hog-descriptor - * - * http://www.learnopencv.com/histogram-of-oriented-gradients - * - * http://www.learnopencv.com/handwritten-digits-classification-an-opencv-c-python-tutorial - */ -public class HOGDescriptor { - - protected final long nativeObj; - protected HOGDescriptor(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static HOGDescriptor __fromPtr__(long addr) { return new HOGDescriptor(addr); } - - // C++: enum - public static final int - DEFAULT_NLEVELS = 64; - - - // C++: enum DescriptorStorageFormat (cv.HOGDescriptor.DescriptorStorageFormat) - public static final int - DESCR_FORMAT_COL_BY_COL = 0, - DESCR_FORMAT_ROW_BY_ROW = 1; - - - // C++: enum HistogramNormType (cv.HOGDescriptor.HistogramNormType) - public static final int - L2Hys = 0; - - - // - // C++: cv::HOGDescriptor::HOGDescriptor() - // - - /** - * Creates the HOG descriptor and detector with default parameters. - * - * aqual to HOGDescriptor(Size(64,128), Size(16,16), Size(8,8), Size(8,8), 9 ) - */ - public HOGDescriptor() { - nativeObj = HOGDescriptor_0(); - } - - - // - // C++: cv::HOGDescriptor::HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture = 1, double _winSigma = -1, HOGDescriptor_HistogramNormType _histogramNormType = HOGDescriptor::L2Hys, double _L2HysThreshold = 0.2, bool _gammaCorrection = false, int _nlevels = HOGDescriptor::DEFAULT_NLEVELS, bool _signedGradient = false) - // - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - * @param _histogramNormType sets histogramNormType with given value. - * @param _L2HysThreshold sets L2HysThreshold with given value. - * @param _gammaCorrection sets gammaCorrection with given value. - * @param _nlevels sets nlevels with given value. - * @param _signedGradient sets signedGradient with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels, boolean _signedGradient) { - nativeObj = HOGDescriptor_1(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma, _histogramNormType, _L2HysThreshold, _gammaCorrection, _nlevels, _signedGradient); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - * @param _histogramNormType sets histogramNormType with given value. - * @param _L2HysThreshold sets L2HysThreshold with given value. - * @param _gammaCorrection sets gammaCorrection with given value. - * @param _nlevels sets nlevels with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels) { - nativeObj = HOGDescriptor_2(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma, _histogramNormType, _L2HysThreshold, _gammaCorrection, _nlevels); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - * @param _histogramNormType sets histogramNormType with given value. - * @param _L2HysThreshold sets L2HysThreshold with given value. - * @param _gammaCorrection sets gammaCorrection with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection) { - nativeObj = HOGDescriptor_3(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma, _histogramNormType, _L2HysThreshold, _gammaCorrection); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - * @param _histogramNormType sets histogramNormType with given value. - * @param _L2HysThreshold sets L2HysThreshold with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold) { - nativeObj = HOGDescriptor_4(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma, _histogramNormType, _L2HysThreshold); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - * @param _histogramNormType sets histogramNormType with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType) { - nativeObj = HOGDescriptor_5(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma, _histogramNormType); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - * @param _winSigma sets winSigma with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma) { - nativeObj = HOGDescriptor_6(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture, _winSigma); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - * @param _derivAperture sets derivAperture with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture) { - nativeObj = HOGDescriptor_7(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins, _derivAperture); - } - - /** - * - * @param _winSize sets winSize with given value. - * @param _blockSize sets blockSize with given value. - * @param _blockStride sets blockStride with given value. - * @param _cellSize sets cellSize with given value. - * @param _nbins sets nbins with given value. - */ - public HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins) { - nativeObj = HOGDescriptor_8(_winSize.width, _winSize.height, _blockSize.width, _blockSize.height, _blockStride.width, _blockStride.height, _cellSize.width, _cellSize.height, _nbins); - } - - - // - // C++: cv::HOGDescriptor::HOGDescriptor(String filename) - // - - /** - * - * - * Creates the HOG descriptor and detector and loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file. - * @param filename The file name containing HOGDescriptor properties and coefficients for the linear SVM classifier. - */ - public HOGDescriptor(String filename) { - nativeObj = HOGDescriptor_9(filename); - } - - - // - // C++: size_t cv::HOGDescriptor::getDescriptorSize() - // - - /** - * Returns the number of coefficients required for the classification. - * @return automatically generated - */ - public long getDescriptorSize() { - return getDescriptorSize_0(nativeObj); - } - - - // - // C++: bool cv::HOGDescriptor::checkDetectorSize() - // - - /** - * Checks if detector size equal to descriptor size. - * @return automatically generated - */ - public boolean checkDetectorSize() { - return checkDetectorSize_0(nativeObj); - } - - - // - // C++: double cv::HOGDescriptor::getWinSigma() - // - - /** - * Returns winSigma value - * @return automatically generated - */ - public double getWinSigma() { - return getWinSigma_0(nativeObj); - } - - - // - // C++: void cv::HOGDescriptor::setSVMDetector(Mat svmdetector) - // - - /** - * Sets coefficients for the linear SVM classifier. - * @param svmdetector coefficients for the linear SVM classifier. - */ - public void setSVMDetector(Mat svmdetector) { - setSVMDetector_0(nativeObj, svmdetector.nativeObj); - } - - - // - // C++: bool cv::HOGDescriptor::load(String filename, String objname = String()) - // - - /** - * loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file - * @param filename Name of the file to read. - * @param objname The optional name of the node to read (if empty, the first top-level node will be used). - * @return automatically generated - */ - public boolean load(String filename, String objname) { - return load_0(nativeObj, filename, objname); - } - - /** - * loads HOGDescriptor parameters and coefficients for the linear SVM classifier from a file - * @param filename Name of the file to read. - * @return automatically generated - */ - public boolean load(String filename) { - return load_1(nativeObj, filename); - } - - - // - // C++: void cv::HOGDescriptor::save(String filename, String objname = String()) - // - - /** - * saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file - * @param filename File name - * @param objname Object name - */ - public void save(String filename, String objname) { - save_0(nativeObj, filename, objname); - } - - /** - * saves HOGDescriptor parameters and coefficients for the linear SVM classifier to a file - * @param filename File name - */ - public void save(String filename) { - save_1(nativeObj, filename); - } - - - // - // C++: void cv::HOGDescriptor::compute(Mat img, vector_float& descriptors, Size winStride = Size(), Size padding = Size(), vector_Point locations = std::vector()) - // - - /** - * Computes HOG descriptors of given image. - * @param img Matrix of the type CV_8U containing an image where HOG features will be calculated. - * @param descriptors Matrix of the type CV_32F - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * @param locations Vector of Point - */ - public void compute(Mat img, MatOfFloat descriptors, Size winStride, Size padding, MatOfPoint locations) { - Mat descriptors_mat = descriptors; - Mat locations_mat = locations; - compute_0(nativeObj, img.nativeObj, descriptors_mat.nativeObj, winStride.width, winStride.height, padding.width, padding.height, locations_mat.nativeObj); - } - - /** - * Computes HOG descriptors of given image. - * @param img Matrix of the type CV_8U containing an image where HOG features will be calculated. - * @param descriptors Matrix of the type CV_32F - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - */ - public void compute(Mat img, MatOfFloat descriptors, Size winStride, Size padding) { - Mat descriptors_mat = descriptors; - compute_1(nativeObj, img.nativeObj, descriptors_mat.nativeObj, winStride.width, winStride.height, padding.width, padding.height); - } - - /** - * Computes HOG descriptors of given image. - * @param img Matrix of the type CV_8U containing an image where HOG features will be calculated. - * @param descriptors Matrix of the type CV_32F - * @param winStride Window stride. It must be a multiple of block stride. - */ - public void compute(Mat img, MatOfFloat descriptors, Size winStride) { - Mat descriptors_mat = descriptors; - compute_2(nativeObj, img.nativeObj, descriptors_mat.nativeObj, winStride.width, winStride.height); - } - - /** - * Computes HOG descriptors of given image. - * @param img Matrix of the type CV_8U containing an image where HOG features will be calculated. - * @param descriptors Matrix of the type CV_32F - */ - public void compute(Mat img, MatOfFloat descriptors) { - Mat descriptors_mat = descriptors; - compute_3(nativeObj, img.nativeObj, descriptors_mat.nativeObj); - } - - - // - // C++: void cv::HOGDescriptor::detect(Mat img, vector_Point& foundLocations, vector_double& weights, double hitThreshold = 0, Size winStride = Size(), Size padding = Size(), vector_Point searchLocations = std::vector()) - // - - /** - * Performs object detection without a multi-scale window. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of point where each point contains left-top corner point of detected object boundaries. - * @param weights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * @param searchLocations Vector of Point includes set of requested locations to be evaluated. - */ - public void detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride, Size padding, MatOfPoint searchLocations) { - Mat foundLocations_mat = foundLocations; - Mat weights_mat = weights; - Mat searchLocations_mat = searchLocations; - detect_0(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, weights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height, searchLocations_mat.nativeObj); - } - - /** - * Performs object detection without a multi-scale window. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of point where each point contains left-top corner point of detected object boundaries. - * @param weights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - */ - public void detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride, Size padding) { - Mat foundLocations_mat = foundLocations; - Mat weights_mat = weights; - detect_1(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, weights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height); - } - - /** - * Performs object detection without a multi-scale window. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of point where each point contains left-top corner point of detected object boundaries. - * @param weights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - */ - public void detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride) { - Mat foundLocations_mat = foundLocations; - Mat weights_mat = weights; - detect_2(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, weights_mat.nativeObj, hitThreshold, winStride.width, winStride.height); - } - - /** - * Performs object detection without a multi-scale window. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of point where each point contains left-top corner point of detected object boundaries. - * @param weights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - */ - public void detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold) { - Mat foundLocations_mat = foundLocations; - Mat weights_mat = weights; - detect_3(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, weights_mat.nativeObj, hitThreshold); - } - - /** - * Performs object detection without a multi-scale window. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of point where each point contains left-top corner point of detected object boundaries. - * @param weights Vector that will contain confidence values for each detected object. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - */ - public void detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights) { - Mat foundLocations_mat = foundLocations; - Mat weights_mat = weights; - detect_4(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, weights_mat.nativeObj); - } - - - // - // C++: void cv::HOGDescriptor::detectMultiScale(Mat img, vector_Rect& foundLocations, vector_double& foundWeights, double hitThreshold = 0, Size winStride = Size(), Size padding = Size(), double scale = 1.05, double groupThreshold = 2.0, bool useMeanshiftGrouping = false) - // - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * @param scale Coefficient of the detection window increase. - * @param groupThreshold Coefficient to regulate the similarity threshold. When detected, some objects can be covered - * by many rectangles. 0 means not to perform grouping. - * @param useMeanshiftGrouping indicates grouping algorithm - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale, double groupThreshold, boolean useMeanshiftGrouping) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_0(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height, scale, groupThreshold, useMeanshiftGrouping); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * @param scale Coefficient of the detection window increase. - * @param groupThreshold Coefficient to regulate the similarity threshold. When detected, some objects can be covered - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale, double groupThreshold) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_1(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height, scale, groupThreshold); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * @param scale Coefficient of the detection window increase. - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_2(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height, scale); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * @param padding Padding - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_3(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold, winStride.width, winStride.height, padding.width, padding.height); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * @param winStride Window stride. It must be a multiple of block stride. - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_4(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold, winStride.width, winStride.height); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * @param hitThreshold Threshold for the distance between features and SVM classifying plane. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_5(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj, hitThreshold); - } - - /** - * Detects objects of different sizes in the input image. The detected objects are returned as a list - * of rectangles. - * @param img Matrix of the type CV_8U or CV_8UC3 containing an image where objects are detected. - * @param foundLocations Vector of rectangles where each rectangle contains the detected object. - * @param foundWeights Vector that will contain confidence values for each detected object. - * Usually it is 0 and should be specified in the detector coefficients (as the last free coefficient). - * But if the free coefficient is omitted (which is allowed), you can specify it manually here. - * by many rectangles. 0 means not to perform grouping. - */ - public void detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights) { - Mat foundLocations_mat = foundLocations; - Mat foundWeights_mat = foundWeights; - detectMultiScale_6(nativeObj, img.nativeObj, foundLocations_mat.nativeObj, foundWeights_mat.nativeObj); - } - - - // - // C++: void cv::HOGDescriptor::computeGradient(Mat img, Mat& grad, Mat& angleOfs, Size paddingTL = Size(), Size paddingBR = Size()) - // - - /** - * Computes gradients and quantized gradient orientations. - * @param img Matrix contains the image to be computed - * @param grad Matrix of type CV_32FC2 contains computed gradients - * @param angleOfs Matrix of type CV_8UC2 contains quantized gradient orientations - * @param paddingTL Padding from top-left - * @param paddingBR Padding from bottom-right - */ - public void computeGradient(Mat img, Mat grad, Mat angleOfs, Size paddingTL, Size paddingBR) { - computeGradient_0(nativeObj, img.nativeObj, grad.nativeObj, angleOfs.nativeObj, paddingTL.width, paddingTL.height, paddingBR.width, paddingBR.height); - } - - /** - * Computes gradients and quantized gradient orientations. - * @param img Matrix contains the image to be computed - * @param grad Matrix of type CV_32FC2 contains computed gradients - * @param angleOfs Matrix of type CV_8UC2 contains quantized gradient orientations - * @param paddingTL Padding from top-left - */ - public void computeGradient(Mat img, Mat grad, Mat angleOfs, Size paddingTL) { - computeGradient_1(nativeObj, img.nativeObj, grad.nativeObj, angleOfs.nativeObj, paddingTL.width, paddingTL.height); - } - - /** - * Computes gradients and quantized gradient orientations. - * @param img Matrix contains the image to be computed - * @param grad Matrix of type CV_32FC2 contains computed gradients - * @param angleOfs Matrix of type CV_8UC2 contains quantized gradient orientations - */ - public void computeGradient(Mat img, Mat grad, Mat angleOfs) { - computeGradient_2(nativeObj, img.nativeObj, grad.nativeObj, angleOfs.nativeObj); - } - - - // - // C++: static vector_float cv::HOGDescriptor::getDefaultPeopleDetector() - // - - /** - * Returns coefficients of the classifier trained for people detection (for 64x128 windows). - * @return automatically generated - */ - public static MatOfFloat getDefaultPeopleDetector() { - return MatOfFloat.fromNativeAddr(getDefaultPeopleDetector_0()); - } - - - // - // C++: static vector_float cv::HOGDescriptor::getDaimlerPeopleDetector() - // - - /** - * Returns coefficients of the classifier trained for people detection (for 48x96 windows). - * @return automatically generated - */ - public static MatOfFloat getDaimlerPeopleDetector() { - return MatOfFloat.fromNativeAddr(getDaimlerPeopleDetector_0()); - } - - - // - // C++: Size HOGDescriptor::winSize - // - - public Size get_winSize() { - return new Size(get_winSize_0(nativeObj)); - } - - - // - // C++: Size HOGDescriptor::blockSize - // - - public Size get_blockSize() { - return new Size(get_blockSize_0(nativeObj)); - } - - - // - // C++: Size HOGDescriptor::blockStride - // - - public Size get_blockStride() { - return new Size(get_blockStride_0(nativeObj)); - } - - - // - // C++: Size HOGDescriptor::cellSize - // - - public Size get_cellSize() { - return new Size(get_cellSize_0(nativeObj)); - } - - - // - // C++: int HOGDescriptor::nbins - // - - public int get_nbins() { - return get_nbins_0(nativeObj); - } - - - // - // C++: int HOGDescriptor::derivAperture - // - - public int get_derivAperture() { - return get_derivAperture_0(nativeObj); - } - - - // - // C++: double HOGDescriptor::winSigma - // - - public double get_winSigma() { - return get_winSigma_0(nativeObj); - } - - - // - // C++: HOGDescriptor_HistogramNormType HOGDescriptor::histogramNormType - // - - public int get_histogramNormType() { - return get_histogramNormType_0(nativeObj); - } - - - // - // C++: double HOGDescriptor::L2HysThreshold - // - - public double get_L2HysThreshold() { - return get_L2HysThreshold_0(nativeObj); - } - - - // - // C++: bool HOGDescriptor::gammaCorrection - // - - public boolean get_gammaCorrection() { - return get_gammaCorrection_0(nativeObj); - } - - - // - // C++: vector_float HOGDescriptor::svmDetector - // - - public MatOfFloat get_svmDetector() { - return MatOfFloat.fromNativeAddr(get_svmDetector_0(nativeObj)); - } - - - // - // C++: int HOGDescriptor::nlevels - // - - public int get_nlevels() { - return get_nlevels_0(nativeObj); - } - - - // - // C++: bool HOGDescriptor::signedGradient - // - - public boolean get_signedGradient() { - return get_signedGradient_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::HOGDescriptor::HOGDescriptor() - private static native long HOGDescriptor_0(); - - // C++: cv::HOGDescriptor::HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture = 1, double _winSigma = -1, HOGDescriptor_HistogramNormType _histogramNormType = HOGDescriptor::L2Hys, double _L2HysThreshold = 0.2, bool _gammaCorrection = false, int _nlevels = HOGDescriptor::DEFAULT_NLEVELS, bool _signedGradient = false) - private static native long HOGDescriptor_1(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels, boolean _signedGradient); - private static native long HOGDescriptor_2(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels); - private static native long HOGDescriptor_3(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection); - private static native long HOGDescriptor_4(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold); - private static native long HOGDescriptor_5(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType); - private static native long HOGDescriptor_6(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture, double _winSigma); - private static native long HOGDescriptor_7(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins, int _derivAperture); - private static native long HOGDescriptor_8(double _winSize_width, double _winSize_height, double _blockSize_width, double _blockSize_height, double _blockStride_width, double _blockStride_height, double _cellSize_width, double _cellSize_height, int _nbins); - - // C++: cv::HOGDescriptor::HOGDescriptor(String filename) - private static native long HOGDescriptor_9(String filename); - - // C++: size_t cv::HOGDescriptor::getDescriptorSize() - private static native long getDescriptorSize_0(long nativeObj); - - // C++: bool cv::HOGDescriptor::checkDetectorSize() - private static native boolean checkDetectorSize_0(long nativeObj); - - // C++: double cv::HOGDescriptor::getWinSigma() - private static native double getWinSigma_0(long nativeObj); - - // C++: void cv::HOGDescriptor::setSVMDetector(Mat svmdetector) - private static native void setSVMDetector_0(long nativeObj, long svmdetector_nativeObj); - - // C++: bool cv::HOGDescriptor::load(String filename, String objname = String()) - private static native boolean load_0(long nativeObj, String filename, String objname); - private static native boolean load_1(long nativeObj, String filename); - - // C++: void cv::HOGDescriptor::save(String filename, String objname = String()) - private static native void save_0(long nativeObj, String filename, String objname); - private static native void save_1(long nativeObj, String filename); - - // C++: void cv::HOGDescriptor::compute(Mat img, vector_float& descriptors, Size winStride = Size(), Size padding = Size(), vector_Point locations = std::vector()) - private static native void compute_0(long nativeObj, long img_nativeObj, long descriptors_mat_nativeObj, double winStride_width, double winStride_height, double padding_width, double padding_height, long locations_mat_nativeObj); - private static native void compute_1(long nativeObj, long img_nativeObj, long descriptors_mat_nativeObj, double winStride_width, double winStride_height, double padding_width, double padding_height); - private static native void compute_2(long nativeObj, long img_nativeObj, long descriptors_mat_nativeObj, double winStride_width, double winStride_height); - private static native void compute_3(long nativeObj, long img_nativeObj, long descriptors_mat_nativeObj); - - // C++: void cv::HOGDescriptor::detect(Mat img, vector_Point& foundLocations, vector_double& weights, double hitThreshold = 0, Size winStride = Size(), Size padding = Size(), vector_Point searchLocations = std::vector()) - private static native void detect_0(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long weights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height, long searchLocations_mat_nativeObj); - private static native void detect_1(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long weights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height); - private static native void detect_2(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long weights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height); - private static native void detect_3(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long weights_mat_nativeObj, double hitThreshold); - private static native void detect_4(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long weights_mat_nativeObj); - - // C++: void cv::HOGDescriptor::detectMultiScale(Mat img, vector_Rect& foundLocations, vector_double& foundWeights, double hitThreshold = 0, Size winStride = Size(), Size padding = Size(), double scale = 1.05, double groupThreshold = 2.0, bool useMeanshiftGrouping = false) - private static native void detectMultiScale_0(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height, double scale, double groupThreshold, boolean useMeanshiftGrouping); - private static native void detectMultiScale_1(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height, double scale, double groupThreshold); - private static native void detectMultiScale_2(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height, double scale); - private static native void detectMultiScale_3(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height, double padding_width, double padding_height); - private static native void detectMultiScale_4(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold, double winStride_width, double winStride_height); - private static native void detectMultiScale_5(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj, double hitThreshold); - private static native void detectMultiScale_6(long nativeObj, long img_nativeObj, long foundLocations_mat_nativeObj, long foundWeights_mat_nativeObj); - - // C++: void cv::HOGDescriptor::computeGradient(Mat img, Mat& grad, Mat& angleOfs, Size paddingTL = Size(), Size paddingBR = Size()) - private static native void computeGradient_0(long nativeObj, long img_nativeObj, long grad_nativeObj, long angleOfs_nativeObj, double paddingTL_width, double paddingTL_height, double paddingBR_width, double paddingBR_height); - private static native void computeGradient_1(long nativeObj, long img_nativeObj, long grad_nativeObj, long angleOfs_nativeObj, double paddingTL_width, double paddingTL_height); - private static native void computeGradient_2(long nativeObj, long img_nativeObj, long grad_nativeObj, long angleOfs_nativeObj); - - // C++: static vector_float cv::HOGDescriptor::getDefaultPeopleDetector() - private static native long getDefaultPeopleDetector_0(); - - // C++: static vector_float cv::HOGDescriptor::getDaimlerPeopleDetector() - private static native long getDaimlerPeopleDetector_0(); - - // C++: Size HOGDescriptor::winSize - private static native double[] get_winSize_0(long nativeObj); - - // C++: Size HOGDescriptor::blockSize - private static native double[] get_blockSize_0(long nativeObj); - - // C++: Size HOGDescriptor::blockStride - private static native double[] get_blockStride_0(long nativeObj); - - // C++: Size HOGDescriptor::cellSize - private static native double[] get_cellSize_0(long nativeObj); - - // C++: int HOGDescriptor::nbins - private static native int get_nbins_0(long nativeObj); - - // C++: int HOGDescriptor::derivAperture - private static native int get_derivAperture_0(long nativeObj); - - // C++: double HOGDescriptor::winSigma - private static native double get_winSigma_0(long nativeObj); - - // C++: HOGDescriptor_HistogramNormType HOGDescriptor::histogramNormType - private static native int get_histogramNormType_0(long nativeObj); - - // C++: double HOGDescriptor::L2HysThreshold - private static native double get_L2HysThreshold_0(long nativeObj); - - // C++: bool HOGDescriptor::gammaCorrection - private static native boolean get_gammaCorrection_0(long nativeObj); - - // C++: vector_float HOGDescriptor::svmDetector - private static native long get_svmDetector_0(long nativeObj); - - // C++: int HOGDescriptor::nlevels - private static native int get_nlevels_0(long nativeObj); - - // C++: bool HOGDescriptor::signedGradient - private static native boolean get_signedGradient_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Objdetect.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/Objdetect.java deleted file mode 100644 index a1a505cec0..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/Objdetect.java +++ /dev/null @@ -1,406 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfInt; -import org.opencv.core.MatOfRect; -import org.opencv.core.Scalar; -import org.opencv.objdetect.Dictionary; -import org.opencv.utils.Converters; - -// C++: class Objdetect - -public class Objdetect { - - // C++: enum - public static final int - CASCADE_DO_CANNY_PRUNING = 1, - CASCADE_SCALE_IMAGE = 2, - CASCADE_FIND_BIGGEST_OBJECT = 4, - CASCADE_DO_ROUGH_SEARCH = 8; - - - // C++: enum ObjectStatus (cv.DetectionBasedTracker.ObjectStatus) - public static final int - DetectionBasedTracker_DETECTED_NOT_SHOWN_YET = 0, - DetectionBasedTracker_DETECTED = 1, - DetectionBasedTracker_DETECTED_TEMPORARY_LOST = 2, - DetectionBasedTracker_WRONG_OBJECT = 3; - - - // C++: enum CornerRefineMethod (cv.aruco.CornerRefineMethod) - public static final int - CORNER_REFINE_NONE = 0, - CORNER_REFINE_SUBPIX = 1, - CORNER_REFINE_CONTOUR = 2, - CORNER_REFINE_APRILTAG = 3; - - - // C++: enum PredefinedDictionaryType (cv.aruco.PredefinedDictionaryType) - public static final int - DICT_4X4_50 = 0, - DICT_4X4_100 = 0+1, - DICT_4X4_250 = 0+2, - DICT_4X4_1000 = 0+3, - DICT_5X5_50 = 0+4, - DICT_5X5_100 = 0+5, - DICT_5X5_250 = 0+6, - DICT_5X5_1000 = 0+7, - DICT_6X6_50 = 0+8, - DICT_6X6_100 = 0+9, - DICT_6X6_250 = 0+10, - DICT_6X6_1000 = 0+11, - DICT_7X7_50 = 0+12, - DICT_7X7_100 = 0+13, - DICT_7X7_250 = 0+14, - DICT_7X7_1000 = 0+15, - DICT_ARUCO_ORIGINAL = 0+16, - DICT_APRILTAG_16h5 = 0+17, - DICT_APRILTAG_25h9 = 0+18, - DICT_APRILTAG_36h10 = 0+19, - DICT_APRILTAG_36h11 = 0+20, - DICT_ARUCO_MIP_36h12 = 0+21; - - - // - // C++: void cv::groupRectangles(vector_Rect& rectList, vector_int& weights, int groupThreshold, double eps = 0.2) - // - - public static void groupRectangles(MatOfRect rectList, MatOfInt weights, int groupThreshold, double eps) { - Mat rectList_mat = rectList; - Mat weights_mat = weights; - groupRectangles_0(rectList_mat.nativeObj, weights_mat.nativeObj, groupThreshold, eps); - } - - public static void groupRectangles(MatOfRect rectList, MatOfInt weights, int groupThreshold) { - Mat rectList_mat = rectList; - Mat weights_mat = weights; - groupRectangles_1(rectList_mat.nativeObj, weights_mat.nativeObj, groupThreshold); - } - - - // - // C++: void cv::aruco::drawDetectedMarkers(Mat& image, vector_Mat corners, Mat ids = Mat(), Scalar borderColor = Scalar(0, 255, 0)) - // - - /** - * Draw detected markers in image - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not altered. - * @param corners positions of marker corners on input image. - * (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - * this array should be Nx4. The order of the corners should be clockwise. - * @param ids vector of identifiers for markers in markersCorners . - * Optional, if not provided, ids are not painted. - * @param borderColor color of marker borders. Rest of colors (text color and first corner color) - * are calculated based on this one to improve visualization. - * - * Given an array of detected marker corners and its corresponding ids, this functions draws - * the markers in the image. The marker borders are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedMarkers(Mat image, List corners, Mat ids, Scalar borderColor) { - Mat corners_mat = Converters.vector_Mat_to_Mat(corners); - drawDetectedMarkers_0(image.nativeObj, corners_mat.nativeObj, ids.nativeObj, borderColor.val[0], borderColor.val[1], borderColor.val[2], borderColor.val[3]); - } - - /** - * Draw detected markers in image - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not altered. - * @param corners positions of marker corners on input image. - * (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - * this array should be Nx4. The order of the corners should be clockwise. - * @param ids vector of identifiers for markers in markersCorners . - * Optional, if not provided, ids are not painted. - * are calculated based on this one to improve visualization. - * - * Given an array of detected marker corners and its corresponding ids, this functions draws - * the markers in the image. The marker borders are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedMarkers(Mat image, List corners, Mat ids) { - Mat corners_mat = Converters.vector_Mat_to_Mat(corners); - drawDetectedMarkers_1(image.nativeObj, corners_mat.nativeObj, ids.nativeObj); - } - - /** - * Draw detected markers in image - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not altered. - * @param corners positions of marker corners on input image. - * (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, the dimensions of - * this array should be Nx4. The order of the corners should be clockwise. - * Optional, if not provided, ids are not painted. - * are calculated based on this one to improve visualization. - * - * Given an array of detected marker corners and its corresponding ids, this functions draws - * the markers in the image. The marker borders are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedMarkers(Mat image, List corners) { - Mat corners_mat = Converters.vector_Mat_to_Mat(corners); - drawDetectedMarkers_2(image.nativeObj, corners_mat.nativeObj); - } - - - // - // C++: void cv::aruco::generateImageMarker(Dictionary dictionary, int id, int sidePixels, Mat& img, int borderBits = 1) - // - - /** - * Generate a canonical marker image - * - * @param dictionary dictionary of markers indicating the type of markers - * @param id identifier of the marker that will be returned. It has to be a valid id in the specified dictionary. - * @param sidePixels size of the image in pixels - * @param img output image with the marker - * @param borderBits width of the marker border. - * - * This function returns a marker image in its canonical form (i.e. ready to be printed) - */ - public static void generateImageMarker(Dictionary dictionary, int id, int sidePixels, Mat img, int borderBits) { - generateImageMarker_0(dictionary.getNativeObjAddr(), id, sidePixels, img.nativeObj, borderBits); - } - - /** - * Generate a canonical marker image - * - * @param dictionary dictionary of markers indicating the type of markers - * @param id identifier of the marker that will be returned. It has to be a valid id in the specified dictionary. - * @param sidePixels size of the image in pixels - * @param img output image with the marker - * - * This function returns a marker image in its canonical form (i.e. ready to be printed) - */ - public static void generateImageMarker(Dictionary dictionary, int id, int sidePixels, Mat img) { - generateImageMarker_1(dictionary.getNativeObjAddr(), id, sidePixels, img.nativeObj); - } - - - // - // C++: void cv::aruco::drawDetectedCornersCharuco(Mat& image, Mat charucoCorners, Mat charucoIds = Mat(), Scalar cornerColor = Scalar(255, 0, 0)) - // - - /** - * Draws a set of Charuco corners - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param charucoCorners vector of detected charuco corners - * @param charucoIds list of identifiers for each corner in charucoCorners - * @param cornerColor color of the square surrounding each corner - * - * This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - * draws the id of each corner. - */ - public static void drawDetectedCornersCharuco(Mat image, Mat charucoCorners, Mat charucoIds, Scalar cornerColor) { - drawDetectedCornersCharuco_0(image.nativeObj, charucoCorners.nativeObj, charucoIds.nativeObj, cornerColor.val[0], cornerColor.val[1], cornerColor.val[2], cornerColor.val[3]); - } - - /** - * Draws a set of Charuco corners - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param charucoCorners vector of detected charuco corners - * @param charucoIds list of identifiers for each corner in charucoCorners - * - * This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - * draws the id of each corner. - */ - public static void drawDetectedCornersCharuco(Mat image, Mat charucoCorners, Mat charucoIds) { - drawDetectedCornersCharuco_1(image.nativeObj, charucoCorners.nativeObj, charucoIds.nativeObj); - } - - /** - * Draws a set of Charuco corners - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param charucoCorners vector of detected charuco corners - * - * This function draws a set of detected Charuco corners. If identifiers vector is provided, it also - * draws the id of each corner. - */ - public static void drawDetectedCornersCharuco(Mat image, Mat charucoCorners) { - drawDetectedCornersCharuco_2(image.nativeObj, charucoCorners.nativeObj); - } - - - // - // C++: void cv::aruco::drawDetectedDiamonds(Mat& image, vector_Mat diamondCorners, Mat diamondIds = Mat(), Scalar borderColor = Scalar(0, 0, 255)) - // - - /** - * Draw a set of detected ChArUco Diamond markers - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param diamondCorners positions of diamond corners in the same format returned by - * detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array should be Nx4. The order of the corners should be clockwise. - * @param diamondIds vector of identifiers for diamonds in diamondCorners, in the same format - * returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - * Optional, if not provided, ids are not painted. - * @param borderColor color of marker borders. Rest of colors (text color and first corner color) - * are calculated based on this one. - * - * Given an array of detected diamonds, this functions draws them in the image. The marker borders - * are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedDiamonds(Mat image, List diamondCorners, Mat diamondIds, Scalar borderColor) { - Mat diamondCorners_mat = Converters.vector_Mat_to_Mat(diamondCorners); - drawDetectedDiamonds_0(image.nativeObj, diamondCorners_mat.nativeObj, diamondIds.nativeObj, borderColor.val[0], borderColor.val[1], borderColor.val[2], borderColor.val[3]); - } - - /** - * Draw a set of detected ChArUco Diamond markers - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param diamondCorners positions of diamond corners in the same format returned by - * detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array should be Nx4. The order of the corners should be clockwise. - * @param diamondIds vector of identifiers for diamonds in diamondCorners, in the same format - * returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - * Optional, if not provided, ids are not painted. - * are calculated based on this one. - * - * Given an array of detected diamonds, this functions draws them in the image. The marker borders - * are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedDiamonds(Mat image, List diamondCorners, Mat diamondIds) { - Mat diamondCorners_mat = Converters.vector_Mat_to_Mat(diamondCorners); - drawDetectedDiamonds_1(image.nativeObj, diamondCorners_mat.nativeObj, diamondIds.nativeObj); - } - - /** - * Draw a set of detected ChArUco Diamond markers - * - * @param image input/output image. It must have 1 or 3 channels. The number of channels is not - * altered. - * @param diamondCorners positions of diamond corners in the same format returned by - * detectCharucoDiamond(). (e.g std::vector<std::vector<cv::Point2f> > ). For N detected markers, - * the dimensions of this array should be Nx4. The order of the corners should be clockwise. - * returned by detectCharucoDiamond() (e.g. std::vector<Vec4i>). - * Optional, if not provided, ids are not painted. - * are calculated based on this one. - * - * Given an array of detected diamonds, this functions draws them in the image. The marker borders - * are painted and the markers identifiers if provided. - * Useful for debugging purposes. - */ - public static void drawDetectedDiamonds(Mat image, List diamondCorners) { - Mat diamondCorners_mat = Converters.vector_Mat_to_Mat(diamondCorners); - drawDetectedDiamonds_2(image.nativeObj, diamondCorners_mat.nativeObj); - } - - - // - // C++: Dictionary cv::aruco::getPredefinedDictionary(int dict) - // - - /** - * Returns one of the predefined dictionaries referenced by DICT_*. - * @param dict automatically generated - * @return automatically generated - */ - public static Dictionary getPredefinedDictionary(int dict) { - return new Dictionary(getPredefinedDictionary_0(dict)); - } - - - // - // C++: Dictionary cv::aruco::extendDictionary(int nMarkers, int markerSize, Dictionary baseDictionary = Dictionary(), int randomSeed = 0) - // - - /** - * Extend base dictionary by new nMarkers - * - * @param nMarkers number of markers in the dictionary - * @param markerSize number of bits per dimension of each markers - * @param baseDictionary Include the markers in this dictionary at the beginning (optional) - * @param randomSeed a user supplied seed for theRNG() - * - * This function creates a new dictionary composed by nMarkers markers and each markers composed - * by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - * included and the rest are generated based on them. If the size of baseDictionary is higher - * than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added. - * @return automatically generated - */ - public static Dictionary extendDictionary(int nMarkers, int markerSize, Dictionary baseDictionary, int randomSeed) { - return new Dictionary(extendDictionary_0(nMarkers, markerSize, baseDictionary.getNativeObjAddr(), randomSeed)); - } - - /** - * Extend base dictionary by new nMarkers - * - * @param nMarkers number of markers in the dictionary - * @param markerSize number of bits per dimension of each markers - * @param baseDictionary Include the markers in this dictionary at the beginning (optional) - * - * This function creates a new dictionary composed by nMarkers markers and each markers composed - * by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - * included and the rest are generated based on them. If the size of baseDictionary is higher - * than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added. - * @return automatically generated - */ - public static Dictionary extendDictionary(int nMarkers, int markerSize, Dictionary baseDictionary) { - return new Dictionary(extendDictionary_1(nMarkers, markerSize, baseDictionary.getNativeObjAddr())); - } - - /** - * Extend base dictionary by new nMarkers - * - * @param nMarkers number of markers in the dictionary - * @param markerSize number of bits per dimension of each markers - * - * This function creates a new dictionary composed by nMarkers markers and each markers composed - * by markerSize x markerSize bits. If baseDictionary is provided, its markers are directly - * included and the rest are generated based on them. If the size of baseDictionary is higher - * than nMarkers, only the first nMarkers in baseDictionary are taken and no new marker is added. - * @return automatically generated - */ - public static Dictionary extendDictionary(int nMarkers, int markerSize) { - return new Dictionary(extendDictionary_2(nMarkers, markerSize)); - } - - - - - // C++: void cv::groupRectangles(vector_Rect& rectList, vector_int& weights, int groupThreshold, double eps = 0.2) - private static native void groupRectangles_0(long rectList_mat_nativeObj, long weights_mat_nativeObj, int groupThreshold, double eps); - private static native void groupRectangles_1(long rectList_mat_nativeObj, long weights_mat_nativeObj, int groupThreshold); - - // C++: void cv::aruco::drawDetectedMarkers(Mat& image, vector_Mat corners, Mat ids = Mat(), Scalar borderColor = Scalar(0, 255, 0)) - private static native void drawDetectedMarkers_0(long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj, double borderColor_val0, double borderColor_val1, double borderColor_val2, double borderColor_val3); - private static native void drawDetectedMarkers_1(long image_nativeObj, long corners_mat_nativeObj, long ids_nativeObj); - private static native void drawDetectedMarkers_2(long image_nativeObj, long corners_mat_nativeObj); - - // C++: void cv::aruco::generateImageMarker(Dictionary dictionary, int id, int sidePixels, Mat& img, int borderBits = 1) - private static native void generateImageMarker_0(long dictionary_nativeObj, int id, int sidePixels, long img_nativeObj, int borderBits); - private static native void generateImageMarker_1(long dictionary_nativeObj, int id, int sidePixels, long img_nativeObj); - - // C++: void cv::aruco::drawDetectedCornersCharuco(Mat& image, Mat charucoCorners, Mat charucoIds = Mat(), Scalar cornerColor = Scalar(255, 0, 0)) - private static native void drawDetectedCornersCharuco_0(long image_nativeObj, long charucoCorners_nativeObj, long charucoIds_nativeObj, double cornerColor_val0, double cornerColor_val1, double cornerColor_val2, double cornerColor_val3); - private static native void drawDetectedCornersCharuco_1(long image_nativeObj, long charucoCorners_nativeObj, long charucoIds_nativeObj); - private static native void drawDetectedCornersCharuco_2(long image_nativeObj, long charucoCorners_nativeObj); - - // C++: void cv::aruco::drawDetectedDiamonds(Mat& image, vector_Mat diamondCorners, Mat diamondIds = Mat(), Scalar borderColor = Scalar(0, 0, 255)) - private static native void drawDetectedDiamonds_0(long image_nativeObj, long diamondCorners_mat_nativeObj, long diamondIds_nativeObj, double borderColor_val0, double borderColor_val1, double borderColor_val2, double borderColor_val3); - private static native void drawDetectedDiamonds_1(long image_nativeObj, long diamondCorners_mat_nativeObj, long diamondIds_nativeObj); - private static native void drawDetectedDiamonds_2(long image_nativeObj, long diamondCorners_mat_nativeObj); - - // C++: Dictionary cv::aruco::getPredefinedDictionary(int dict) - private static native long getPredefinedDictionary_0(int dict); - - // C++: Dictionary cv::aruco::extendDictionary(int nMarkers, int markerSize, Dictionary baseDictionary = Dictionary(), int randomSeed = 0) - private static native long extendDictionary_0(int nMarkers, int markerSize, long baseDictionary_nativeObj, int randomSeed); - private static native long extendDictionary_1(int nMarkers, int markerSize, long baseDictionary_nativeObj); - private static native long extendDictionary_2(int nMarkers, int markerSize); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetector.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetector.java deleted file mode 100644 index 44f2f875dc..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetector.java +++ /dev/null @@ -1,202 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.core.Mat; -import org.opencv.objdetect.QRCodeDetector; - -// C++: class QRCodeDetector - -public class QRCodeDetector extends GraphicalCodeDetector { - - protected QRCodeDetector(long addr) { super(addr); } - - // internal usage only - public static QRCodeDetector __fromPtr__(long addr) { return new QRCodeDetector(addr); } - - // - // C++: cv::QRCodeDetector::QRCodeDetector() - // - - public QRCodeDetector() { - super(QRCodeDetector_0()); - } - - - // - // C++: QRCodeDetector cv::QRCodeDetector::setEpsX(double epsX) - // - - /** - * sets the epsilon used during the horizontal scan of QR code stop marker detection. - * @param epsX Epsilon neighborhood, which allows you to determine the horizontal pattern - * of the scheme 1:1:3:1:1 according to QR code standard. - * @return automatically generated - */ - public QRCodeDetector setEpsX(double epsX) { - return new QRCodeDetector(setEpsX_0(nativeObj, epsX)); - } - - - // - // C++: QRCodeDetector cv::QRCodeDetector::setEpsY(double epsY) - // - - /** - * sets the epsilon used during the vertical scan of QR code stop marker detection. - * @param epsY Epsilon neighborhood, which allows you to determine the vertical pattern - * of the scheme 1:1:3:1:1 according to QR code standard. - * @return automatically generated - */ - public QRCodeDetector setEpsY(double epsY) { - return new QRCodeDetector(setEpsY_0(nativeObj, epsY)); - } - - - // - // C++: QRCodeDetector cv::QRCodeDetector::setUseAlignmentMarkers(bool useAlignmentMarkers) - // - - /** - * use markers to improve the position of the corners of the QR code - * - * alignmentMarkers using by default - * @param useAlignmentMarkers automatically generated - * @return automatically generated - */ - public QRCodeDetector setUseAlignmentMarkers(boolean useAlignmentMarkers) { - return new QRCodeDetector(setUseAlignmentMarkers_0(nativeObj, useAlignmentMarkers)); - } - - - // - // C++: String cv::QRCodeDetector::decodeCurved(Mat img, Mat points, Mat& straight_qrcode = Mat()) - // - - /** - * Decodes QR code on a curved surface in image once it's found by the detect() method. - * - * Returns UTF8-encoded output string or empty string if the code cannot be decoded. - * @param img grayscale or color (BGR) image containing QR code. - * @param points Quadrangle vertices found by detect() method (or some other algorithm). - * @param straight_qrcode The optional output image containing rectified and binarized QR code - * @return automatically generated - */ - public String decodeCurved(Mat img, Mat points, Mat straight_qrcode) { - return decodeCurved_0(nativeObj, img.nativeObj, points.nativeObj, straight_qrcode.nativeObj); - } - - /** - * Decodes QR code on a curved surface in image once it's found by the detect() method. - * - * Returns UTF8-encoded output string or empty string if the code cannot be decoded. - * @param img grayscale or color (BGR) image containing QR code. - * @param points Quadrangle vertices found by detect() method (or some other algorithm). - * @return automatically generated - */ - public String decodeCurved(Mat img, Mat points) { - return decodeCurved_1(nativeObj, img.nativeObj, points.nativeObj); - } - - - // - // C++: string cv::QRCodeDetector::detectAndDecodeCurved(Mat img, Mat& points = Mat(), Mat& straight_qrcode = Mat()) - // - - /** - * Both detects and decodes QR code on a curved surface - * - * @param img grayscale or color (BGR) image containing QR code. - * @param points optional output array of vertices of the found QR code quadrangle. Will be empty if not found. - * @param straight_qrcode The optional output image containing rectified and binarized QR code - * @return automatically generated - */ - public String detectAndDecodeCurved(Mat img, Mat points, Mat straight_qrcode) { - return detectAndDecodeCurved_0(nativeObj, img.nativeObj, points.nativeObj, straight_qrcode.nativeObj); - } - - /** - * Both detects and decodes QR code on a curved surface - * - * @param img grayscale or color (BGR) image containing QR code. - * @param points optional output array of vertices of the found QR code quadrangle. Will be empty if not found. - * @return automatically generated - */ - public String detectAndDecodeCurved(Mat img, Mat points) { - return detectAndDecodeCurved_1(nativeObj, img.nativeObj, points.nativeObj); - } - - /** - * Both detects and decodes QR code on a curved surface - * - * @param img grayscale or color (BGR) image containing QR code. - * @return automatically generated - */ - public String detectAndDecodeCurved(Mat img) { - return detectAndDecodeCurved_2(nativeObj, img.nativeObj); - } - - - // - // C++: QRCodeEncoder_ECIEncodings cv::QRCodeDetector::getEncoding(int codeIdx = 0) - // - - /** - * Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call - * @param codeIdx an index of the previously decoded QR code. - * When REF: decode or REF: detectAndDecode is used, valid value is zero. - * For REF: decodeMulti or REF: detectAndDecodeMulti use indices corresponding to the output order. - * @return automatically generated - */ - public int getEncoding(int codeIdx) { - return getEncoding_0(nativeObj, codeIdx); - } - - /** - * Returns a kind of encoding for the decoded info from the latest REF: decode or REF: detectAndDecode call - * When REF: decode or REF: detectAndDecode is used, valid value is zero. - * For REF: decodeMulti or REF: detectAndDecodeMulti use indices corresponding to the output order. - * @return automatically generated - */ - public int getEncoding() { - return getEncoding_1(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::QRCodeDetector::QRCodeDetector() - private static native long QRCodeDetector_0(); - - // C++: QRCodeDetector cv::QRCodeDetector::setEpsX(double epsX) - private static native long setEpsX_0(long nativeObj, double epsX); - - // C++: QRCodeDetector cv::QRCodeDetector::setEpsY(double epsY) - private static native long setEpsY_0(long nativeObj, double epsY); - - // C++: QRCodeDetector cv::QRCodeDetector::setUseAlignmentMarkers(bool useAlignmentMarkers) - private static native long setUseAlignmentMarkers_0(long nativeObj, boolean useAlignmentMarkers); - - // C++: String cv::QRCodeDetector::decodeCurved(Mat img, Mat points, Mat& straight_qrcode = Mat()) - private static native String decodeCurved_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_qrcode_nativeObj); - private static native String decodeCurved_1(long nativeObj, long img_nativeObj, long points_nativeObj); - - // C++: string cv::QRCodeDetector::detectAndDecodeCurved(Mat img, Mat& points = Mat(), Mat& straight_qrcode = Mat()) - private static native String detectAndDecodeCurved_0(long nativeObj, long img_nativeObj, long points_nativeObj, long straight_qrcode_nativeObj); - private static native String detectAndDecodeCurved_1(long nativeObj, long img_nativeObj, long points_nativeObj); - private static native String detectAndDecodeCurved_2(long nativeObj, long img_nativeObj); - - // C++: QRCodeEncoder_ECIEncodings cv::QRCodeDetector::getEncoding(int codeIdx = 0) - private static native int getEncoding_0(long nativeObj, int codeIdx); - private static native int getEncoding_1(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco.java deleted file mode 100644 index a22b0133c5..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco.java +++ /dev/null @@ -1,103 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import org.opencv.objdetect.QRCodeDetectorAruco; -import org.opencv.objdetect.QRCodeDetectorAruco_Params; - -// C++: class QRCodeDetectorAruco - -public class QRCodeDetectorAruco extends GraphicalCodeDetector { - - protected QRCodeDetectorAruco(long addr) { super(addr); } - - // internal usage only - public static QRCodeDetectorAruco __fromPtr__(long addr) { return new QRCodeDetectorAruco(addr); } - - // - // C++: cv::QRCodeDetectorAruco::QRCodeDetectorAruco() - // - - public QRCodeDetectorAruco() { - super(QRCodeDetectorAruco_0()); - } - - - // - // C++: cv::QRCodeDetectorAruco::QRCodeDetectorAruco(QRCodeDetectorAruco_Params params) - // - - /** - * QR code detector constructor for Aruco-based algorithm. See cv::QRCodeDetectorAruco::Params - * @param params automatically generated - */ - public QRCodeDetectorAruco(QRCodeDetectorAruco_Params params) { - super(QRCodeDetectorAruco_1(params.getNativeObjAddr())); - } - - - // - // C++: QRCodeDetectorAruco_Params cv::QRCodeDetectorAruco::getDetectorParameters() - // - - /** - * Detector parameters getter. See cv::QRCodeDetectorAruco::Params - * @return automatically generated - */ - public QRCodeDetectorAruco_Params getDetectorParameters() { - return new QRCodeDetectorAruco_Params(getDetectorParameters_0(nativeObj)); - } - - - // - // C++: QRCodeDetectorAruco cv::QRCodeDetectorAruco::setDetectorParameters(QRCodeDetectorAruco_Params params) - // - - /** - * Detector parameters setter. See cv::QRCodeDetectorAruco::Params - * @param params automatically generated - * @return automatically generated - */ - public QRCodeDetectorAruco setDetectorParameters(QRCodeDetectorAruco_Params params) { - return new QRCodeDetectorAruco(setDetectorParameters_0(nativeObj, params.getNativeObjAddr())); - } - - - // - // C++: aruco_DetectorParameters cv::QRCodeDetectorAruco::getArucoParameters() - // - - // Return type 'aruco_DetectorParameters' is not supported, skipping the function - - - // - // C++: void cv::QRCodeDetectorAruco::setArucoParameters(aruco_DetectorParameters params) - // - - // Unknown type 'aruco_DetectorParameters' (I), skipping the function - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::QRCodeDetectorAruco::QRCodeDetectorAruco() - private static native long QRCodeDetectorAruco_0(); - - // C++: cv::QRCodeDetectorAruco::QRCodeDetectorAruco(QRCodeDetectorAruco_Params params) - private static native long QRCodeDetectorAruco_1(long params_nativeObj); - - // C++: QRCodeDetectorAruco_Params cv::QRCodeDetectorAruco::getDetectorParameters() - private static native long getDetectorParameters_0(long nativeObj); - - // C++: QRCodeDetectorAruco cv::QRCodeDetectorAruco::setDetectorParameters(QRCodeDetectorAruco_Params params) - private static native long setDetectorParameters_0(long nativeObj, long params_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco_Params.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco_Params.java deleted file mode 100644 index 8ff4cf273c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeDetectorAruco_Params.java +++ /dev/null @@ -1,210 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - - - -// C++: class Params - -public class QRCodeDetectorAruco_Params { - - protected final long nativeObj; - protected QRCodeDetectorAruco_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static QRCodeDetectorAruco_Params __fromPtr__(long addr) { return new QRCodeDetectorAruco_Params(addr); } - - // - // C++: cv::QRCodeDetectorAruco::Params::Params() - // - - public QRCodeDetectorAruco_Params() { - nativeObj = QRCodeDetectorAruco_Params_0(); - } - - - // - // C++: float QRCodeDetectorAruco_Params::minModuleSizeInPyramid - // - - public float get_minModuleSizeInPyramid() { - return get_minModuleSizeInPyramid_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::minModuleSizeInPyramid - // - - public void set_minModuleSizeInPyramid(float minModuleSizeInPyramid) { - set_minModuleSizeInPyramid_0(nativeObj, minModuleSizeInPyramid); - } - - - // - // C++: float QRCodeDetectorAruco_Params::maxRotation - // - - public float get_maxRotation() { - return get_maxRotation_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::maxRotation - // - - public void set_maxRotation(float maxRotation) { - set_maxRotation_0(nativeObj, maxRotation); - } - - - // - // C++: float QRCodeDetectorAruco_Params::maxModuleSizeMismatch - // - - public float get_maxModuleSizeMismatch() { - return get_maxModuleSizeMismatch_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::maxModuleSizeMismatch - // - - public void set_maxModuleSizeMismatch(float maxModuleSizeMismatch) { - set_maxModuleSizeMismatch_0(nativeObj, maxModuleSizeMismatch); - } - - - // - // C++: float QRCodeDetectorAruco_Params::maxTimingPatternMismatch - // - - public float get_maxTimingPatternMismatch() { - return get_maxTimingPatternMismatch_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::maxTimingPatternMismatch - // - - public void set_maxTimingPatternMismatch(float maxTimingPatternMismatch) { - set_maxTimingPatternMismatch_0(nativeObj, maxTimingPatternMismatch); - } - - - // - // C++: float QRCodeDetectorAruco_Params::maxPenalties - // - - public float get_maxPenalties() { - return get_maxPenalties_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::maxPenalties - // - - public void set_maxPenalties(float maxPenalties) { - set_maxPenalties_0(nativeObj, maxPenalties); - } - - - // - // C++: float QRCodeDetectorAruco_Params::maxColorsMismatch - // - - public float get_maxColorsMismatch() { - return get_maxColorsMismatch_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::maxColorsMismatch - // - - public void set_maxColorsMismatch(float maxColorsMismatch) { - set_maxColorsMismatch_0(nativeObj, maxColorsMismatch); - } - - - // - // C++: float QRCodeDetectorAruco_Params::scaleTimingPatternScore - // - - public float get_scaleTimingPatternScore() { - return get_scaleTimingPatternScore_0(nativeObj); - } - - - // - // C++: void QRCodeDetectorAruco_Params::scaleTimingPatternScore - // - - public void set_scaleTimingPatternScore(float scaleTimingPatternScore) { - set_scaleTimingPatternScore_0(nativeObj, scaleTimingPatternScore); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::QRCodeDetectorAruco::Params::Params() - private static native long QRCodeDetectorAruco_Params_0(); - - // C++: float QRCodeDetectorAruco_Params::minModuleSizeInPyramid - private static native float get_minModuleSizeInPyramid_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::minModuleSizeInPyramid - private static native void set_minModuleSizeInPyramid_0(long nativeObj, float minModuleSizeInPyramid); - - // C++: float QRCodeDetectorAruco_Params::maxRotation - private static native float get_maxRotation_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::maxRotation - private static native void set_maxRotation_0(long nativeObj, float maxRotation); - - // C++: float QRCodeDetectorAruco_Params::maxModuleSizeMismatch - private static native float get_maxModuleSizeMismatch_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::maxModuleSizeMismatch - private static native void set_maxModuleSizeMismatch_0(long nativeObj, float maxModuleSizeMismatch); - - // C++: float QRCodeDetectorAruco_Params::maxTimingPatternMismatch - private static native float get_maxTimingPatternMismatch_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::maxTimingPatternMismatch - private static native void set_maxTimingPatternMismatch_0(long nativeObj, float maxTimingPatternMismatch); - - // C++: float QRCodeDetectorAruco_Params::maxPenalties - private static native float get_maxPenalties_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::maxPenalties - private static native void set_maxPenalties_0(long nativeObj, float maxPenalties); - - // C++: float QRCodeDetectorAruco_Params::maxColorsMismatch - private static native float get_maxColorsMismatch_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::maxColorsMismatch - private static native void set_maxColorsMismatch_0(long nativeObj, float maxColorsMismatch); - - // C++: float QRCodeDetectorAruco_Params::scaleTimingPatternScore - private static native float get_scaleTimingPatternScore_0(long nativeObj); - - // C++: void QRCodeDetectorAruco_Params::scaleTimingPatternScore - private static native void set_scaleTimingPatternScore_0(long nativeObj, float scaleTimingPatternScore); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder.java deleted file mode 100644 index 990b26a098..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder.java +++ /dev/null @@ -1,143 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.objdetect.QRCodeEncoder; -import org.opencv.objdetect.QRCodeEncoder_Params; -import org.opencv.utils.Converters; - -// C++: class QRCodeEncoder -/** - * Groups the object candidate rectangles. - * rectList Input/output vector of rectangles. Output vector includes retained and grouped rectangles. (The Python list is not modified in place.) - * weights Input/output vector of weights of rectangles. Output vector includes weights of retained and grouped rectangles. (The Python list is not modified in place.) - * groupThreshold Minimum possible number of rectangles minus 1. The threshold is used in a group of rectangles to retain it. - * eps Relative difference between sides of the rectangles to merge them into a group. - */ -public class QRCodeEncoder { - - protected final long nativeObj; - protected QRCodeEncoder(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static QRCodeEncoder __fromPtr__(long addr) { return new QRCodeEncoder(addr); } - - // C++: enum CorrectionLevel (cv.QRCodeEncoder.CorrectionLevel) - public static final int - CORRECT_LEVEL_L = 0, - CORRECT_LEVEL_M = 1, - CORRECT_LEVEL_Q = 2, - CORRECT_LEVEL_H = 3; - - - // C++: enum ECIEncodings (cv.QRCodeEncoder.ECIEncodings) - public static final int - ECI_SHIFT_JIS = 20, - ECI_UTF8 = 26; - - - // C++: enum EncodeMode (cv.QRCodeEncoder.EncodeMode) - public static final int - MODE_AUTO = -1, - MODE_NUMERIC = 1, - MODE_ALPHANUMERIC = 2, - MODE_BYTE = 4, - MODE_ECI = 7, - MODE_KANJI = 8, - MODE_STRUCTURED_APPEND = 3; - - - // - // C++: static Ptr_QRCodeEncoder cv::QRCodeEncoder::create(QRCodeEncoder_Params parameters = QRCodeEncoder::Params()) - // - - /** - * Constructor - * @param parameters QR code encoder parameters QRCodeEncoder::Params - * @return automatically generated - */ - public static QRCodeEncoder create(QRCodeEncoder_Params parameters) { - return QRCodeEncoder.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Constructor - * @return automatically generated - */ - public static QRCodeEncoder create() { - return QRCodeEncoder.__fromPtr__(create_1()); - } - - - // - // C++: void cv::QRCodeEncoder::encode(String encoded_info, Mat& qrcode) - // - - /** - * Generates QR code from input string. - * @param encoded_info Input string to encode. - * @param qrcode Generated QR code. - */ - public void encode(String encoded_info, Mat qrcode) { - encode_0(nativeObj, encoded_info, qrcode.nativeObj); - } - - - // - // C++: void cv::QRCodeEncoder::encodeStructuredAppend(String encoded_info, vector_Mat& qrcodes) - // - - /** - * Generates QR code from input string in Structured Append mode. The encoded message is splitting over a number of QR codes. - * @param encoded_info Input string to encode. - * @param qrcodes Vector of generated QR codes. - */ - public void encodeStructuredAppend(String encoded_info, List qrcodes) { - Mat qrcodes_mat = new Mat(); - encodeStructuredAppend_0(nativeObj, encoded_info, qrcodes_mat.nativeObj); - Converters.Mat_to_vector_Mat(qrcodes_mat, qrcodes); - qrcodes_mat.release(); - } - - - -/** Generates QR code from input string. -@param encoded_info Input bytes to encode. -@param qrcode Generated QR code. -*/ -public void encode(byte[] encoded_info, Mat qrcode) { - encode_1(nativeObj, encoded_info, qrcode.nativeObj); -} - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_QRCodeEncoder cv::QRCodeEncoder::create(QRCodeEncoder_Params parameters = QRCodeEncoder::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: void cv::QRCodeEncoder::encode(String encoded_info, Mat& qrcode) - private static native void encode_0(long nativeObj, String encoded_info, long qrcode_nativeObj); - - // C++: void cv::QRCodeEncoder::encodeStructuredAppend(String encoded_info, vector_Mat& qrcodes) - private static native void encodeStructuredAppend_0(long nativeObj, String encoded_info, long qrcodes_mat_nativeObj); - - -private static native void encode_1(long nativeObj, byte[] encoded_info, long qrcode_nativeObj); - - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder_Params.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder_Params.java deleted file mode 100644 index ca0accbbb2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/QRCodeEncoder_Params.java +++ /dev/null @@ -1,140 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - - - -// C++: class Params -/** - * QR code encoder parameters. - */ -public class QRCodeEncoder_Params { - - protected final long nativeObj; - protected QRCodeEncoder_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static QRCodeEncoder_Params __fromPtr__(long addr) { return new QRCodeEncoder_Params(addr); } - - // - // C++: cv::QRCodeEncoder::Params::Params() - // - - public QRCodeEncoder_Params() { - nativeObj = QRCodeEncoder_Params_0(); - } - - - // - // C++: int QRCodeEncoder_Params::version - // - - public int get_version() { - return get_version_0(nativeObj); - } - - - // - // C++: void QRCodeEncoder_Params::version - // - - public void set_version(int version) { - set_version_0(nativeObj, version); - } - - - // - // C++: QRCodeEncoder_CorrectionLevel QRCodeEncoder_Params::correction_level - // - - public int get_correction_level() { - return get_correction_level_0(nativeObj); - } - - - // - // C++: void QRCodeEncoder_Params::correction_level - // - - public void set_correction_level(int correction_level) { - set_correction_level_0(nativeObj, correction_level); - } - - - // - // C++: QRCodeEncoder_EncodeMode QRCodeEncoder_Params::mode - // - - public int get_mode() { - return get_mode_0(nativeObj); - } - - - // - // C++: void QRCodeEncoder_Params::mode - // - - public void set_mode(int mode) { - set_mode_0(nativeObj, mode); - } - - - // - // C++: int QRCodeEncoder_Params::structure_number - // - - public int get_structure_number() { - return get_structure_number_0(nativeObj); - } - - - // - // C++: void QRCodeEncoder_Params::structure_number - // - - public void set_structure_number(int structure_number) { - set_structure_number_0(nativeObj, structure_number); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::QRCodeEncoder::Params::Params() - private static native long QRCodeEncoder_Params_0(); - - // C++: int QRCodeEncoder_Params::version - private static native int get_version_0(long nativeObj); - - // C++: void QRCodeEncoder_Params::version - private static native void set_version_0(long nativeObj, int version); - - // C++: QRCodeEncoder_CorrectionLevel QRCodeEncoder_Params::correction_level - private static native int get_correction_level_0(long nativeObj); - - // C++: void QRCodeEncoder_Params::correction_level - private static native void set_correction_level_0(long nativeObj, int correction_level); - - // C++: QRCodeEncoder_EncodeMode QRCodeEncoder_Params::mode - private static native int get_mode_0(long nativeObj); - - // C++: void QRCodeEncoder_Params::mode - private static native void set_mode_0(long nativeObj, int mode); - - // C++: int QRCodeEncoder_Params::structure_number - private static native int get_structure_number_0(long nativeObj); - - // C++: void QRCodeEncoder_Params::structure_number - private static native void set_structure_number_0(long nativeObj, int structure_number); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/objdetect/RefineParameters.java b/vendor/opencv/sdk/java/src/org/opencv/objdetect/RefineParameters.java deleted file mode 100644 index 9b0a308936..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/objdetect/RefineParameters.java +++ /dev/null @@ -1,145 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.objdetect; - - - -// C++: class RefineParameters -/** - * struct RefineParameters is used by ArucoDetector - */ -public class RefineParameters { - - protected final long nativeObj; - protected RefineParameters(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static RefineParameters __fromPtr__(long addr) { return new RefineParameters(addr); } - - // - // C++: cv::aruco::RefineParameters::RefineParameters(float minRepDistance = 10.f, float errorCorrectionRate = 3.f, bool checkAllOrders = true) - // - - public RefineParameters(float minRepDistance, float errorCorrectionRate, boolean checkAllOrders) { - nativeObj = RefineParameters_0(minRepDistance, errorCorrectionRate, checkAllOrders); - } - - public RefineParameters(float minRepDistance, float errorCorrectionRate) { - nativeObj = RefineParameters_1(minRepDistance, errorCorrectionRate); - } - - public RefineParameters(float minRepDistance) { - nativeObj = RefineParameters_2(minRepDistance); - } - - public RefineParameters() { - nativeObj = RefineParameters_3(); - } - - - // - // C++: bool cv::aruco::RefineParameters::readRefineParameters(FileNode fn) - // - - // Unknown type 'FileNode' (I), skipping the function - - - // - // C++: bool cv::aruco::RefineParameters::writeRefineParameters(FileStorage fs, String name = String()) - // - - // Unknown type 'FileStorage' (I), skipping the function - - - // - // C++: float RefineParameters::minRepDistance - // - - public float get_minRepDistance() { - return get_minRepDistance_0(nativeObj); - } - - - // - // C++: void RefineParameters::minRepDistance - // - - public void set_minRepDistance(float minRepDistance) { - set_minRepDistance_0(nativeObj, minRepDistance); - } - - - // - // C++: float RefineParameters::errorCorrectionRate - // - - public float get_errorCorrectionRate() { - return get_errorCorrectionRate_0(nativeObj); - } - - - // - // C++: void RefineParameters::errorCorrectionRate - // - - public void set_errorCorrectionRate(float errorCorrectionRate) { - set_errorCorrectionRate_0(nativeObj, errorCorrectionRate); - } - - - // - // C++: bool RefineParameters::checkAllOrders - // - - public boolean get_checkAllOrders() { - return get_checkAllOrders_0(nativeObj); - } - - - // - // C++: void RefineParameters::checkAllOrders - // - - public void set_checkAllOrders(boolean checkAllOrders) { - set_checkAllOrders_0(nativeObj, checkAllOrders); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::aruco::RefineParameters::RefineParameters(float minRepDistance = 10.f, float errorCorrectionRate = 3.f, bool checkAllOrders = true) - private static native long RefineParameters_0(float minRepDistance, float errorCorrectionRate, boolean checkAllOrders); - private static native long RefineParameters_1(float minRepDistance, float errorCorrectionRate); - private static native long RefineParameters_2(float minRepDistance); - private static native long RefineParameters_3(); - - // C++: float RefineParameters::minRepDistance - private static native float get_minRepDistance_0(long nativeObj); - - // C++: void RefineParameters::minRepDistance - private static native void set_minRepDistance_0(long nativeObj, float minRepDistance); - - // C++: float RefineParameters::errorCorrectionRate - private static native float get_errorCorrectionRate_0(long nativeObj); - - // C++: void RefineParameters::errorCorrectionRate - private static native void set_errorCorrectionRate_0(long nativeObj, float errorCorrectionRate); - - // C++: bool RefineParameters::checkAllOrders - private static native boolean get_checkAllOrders_0(long nativeObj); - - // C++: void RefineParameters::checkAllOrders - private static native void set_checkAllOrders_0(long nativeObj, boolean checkAllOrders); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVInterface.java b/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVInterface.java deleted file mode 100644 index 83ffee1a1d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVInterface.java +++ /dev/null @@ -1,8 +0,0 @@ -package org.opencv.osgi; - -/** - * Dummy interface to allow some integration testing within OSGi implementation. - */ -public interface OpenCVInterface -{ -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVNativeLoader.java b/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVNativeLoader.java deleted file mode 100644 index bffc2ad49b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/osgi/OpenCVNativeLoader.java +++ /dev/null @@ -1,18 +0,0 @@ -package org.opencv.osgi; - -import java.util.logging.Level; -import java.util.logging.Logger; - -/** - * This class is intended to provide a convenient way to load OpenCV's native - * library from the Java bundle. If Blueprint is enabled in the OSGi container - * this class will be instantiated automatically and the init() method called - * loading the native library. - */ -public class OpenCVNativeLoader implements OpenCVInterface { - - public void init() { - System.loadLibrary("opencv_java4"); - Logger.getLogger("org.opencv.osgi").log(Level.INFO, "Successfully loaded OpenCV native library."); - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/AlignExposures.java b/vendor/opencv/sdk/java/src/org/opencv/photo/AlignExposures.java deleted file mode 100644 index cc2814b991..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/AlignExposures.java +++ /dev/null @@ -1,56 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class AlignExposures -/** - * The base class for algorithms that align images of the same scene with different exposures - */ -public class AlignExposures extends Algorithm { - - protected AlignExposures(long addr) { super(addr); } - - // internal usage only - public static AlignExposures __fromPtr__(long addr) { return new AlignExposures(addr); } - - // - // C++: void cv::AlignExposures::process(vector_Mat src, vector_Mat dst, Mat times, Mat response) - // - - /** - * Aligns images - * - * @param src vector of input images - * @param dst vector of aligned images - * @param times vector of exposure time values for each image - * @param response 256x1 matrix with inverse camera response function for each pixel value, it should - * have the same number of channels as images. - */ - public void process(List src, List dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - Mat dst_mat = Converters.vector_Mat_to_Mat(dst); - process_0(nativeObj, src_mat.nativeObj, dst_mat.nativeObj, times.nativeObj, response.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::AlignExposures::process(vector_Mat src, vector_Mat dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_mat_nativeObj, long times_nativeObj, long response_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/AlignMTB.java b/vendor/opencv/sdk/java/src/org/opencv/photo/AlignMTB.java deleted file mode 100644 index 2219c53fc2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/AlignMTB.java +++ /dev/null @@ -1,205 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.Point; -import org.opencv.photo.AlignExposures; -import org.opencv.utils.Converters; - -// C++: class AlignMTB -/** - * This algorithm converts images to median threshold bitmaps (1 for pixels brighter than median - * luminance and 0 otherwise) and than aligns the resulting bitmaps using bit operations. - * - * It is invariant to exposure, so exposure values and camera response are not necessary. - * - * In this implementation new image regions are filled with zeros. - * - * For more information see CITE: GW03 . - */ -public class AlignMTB extends AlignExposures { - - protected AlignMTB(long addr) { super(addr); } - - // internal usage only - public static AlignMTB __fromPtr__(long addr) { return new AlignMTB(addr); } - - // - // C++: void cv::AlignMTB::process(vector_Mat src, vector_Mat dst, Mat times, Mat response) - // - - public void process(List src, List dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - Mat dst_mat = Converters.vector_Mat_to_Mat(dst); - process_0(nativeObj, src_mat.nativeObj, dst_mat.nativeObj, times.nativeObj, response.nativeObj); - } - - - // - // C++: void cv::AlignMTB::process(vector_Mat src, vector_Mat dst) - // - - /** - * Short version of process, that doesn't take extra arguments. - * - * @param src vector of input images - * @param dst vector of aligned images - */ - public void process(List src, List dst) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - Mat dst_mat = Converters.vector_Mat_to_Mat(dst); - process_1(nativeObj, src_mat.nativeObj, dst_mat.nativeObj); - } - - - // - // C++: Point cv::AlignMTB::calculateShift(Mat img0, Mat img1) - // - - /** - * Calculates shift between two images, i. e. how to shift the second image to correspond it with the - * first. - * - * @param img0 first image - * @param img1 second image - * @return automatically generated - */ - public Point calculateShift(Mat img0, Mat img1) { - return new Point(calculateShift_0(nativeObj, img0.nativeObj, img1.nativeObj)); - } - - - // - // C++: void cv::AlignMTB::shiftMat(Mat src, Mat& dst, Point shift) - // - - /** - * Helper function, that shift Mat filling new regions with zeros. - * - * @param src input image - * @param dst result image - * @param shift shift value - */ - public void shiftMat(Mat src, Mat dst, Point shift) { - shiftMat_0(nativeObj, src.nativeObj, dst.nativeObj, shift.x, shift.y); - } - - - // - // C++: void cv::AlignMTB::computeBitmaps(Mat img, Mat& tb, Mat& eb) - // - - /** - * Computes median threshold and exclude bitmaps of given image. - * - * @param img input image - * @param tb median threshold bitmap - * @param eb exclude bitmap - */ - public void computeBitmaps(Mat img, Mat tb, Mat eb) { - computeBitmaps_0(nativeObj, img.nativeObj, tb.nativeObj, eb.nativeObj); - } - - - // - // C++: int cv::AlignMTB::getMaxBits() - // - - public int getMaxBits() { - return getMaxBits_0(nativeObj); - } - - - // - // C++: void cv::AlignMTB::setMaxBits(int max_bits) - // - - public void setMaxBits(int max_bits) { - setMaxBits_0(nativeObj, max_bits); - } - - - // - // C++: int cv::AlignMTB::getExcludeRange() - // - - public int getExcludeRange() { - return getExcludeRange_0(nativeObj); - } - - - // - // C++: void cv::AlignMTB::setExcludeRange(int exclude_range) - // - - public void setExcludeRange(int exclude_range) { - setExcludeRange_0(nativeObj, exclude_range); - } - - - // - // C++: bool cv::AlignMTB::getCut() - // - - public boolean getCut() { - return getCut_0(nativeObj); - } - - - // - // C++: void cv::AlignMTB::setCut(bool value) - // - - public void setCut(boolean value) { - setCut_0(nativeObj, value); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::AlignMTB::process(vector_Mat src, vector_Mat dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_mat_nativeObj, long times_nativeObj, long response_nativeObj); - - // C++: void cv::AlignMTB::process(vector_Mat src, vector_Mat dst) - private static native void process_1(long nativeObj, long src_mat_nativeObj, long dst_mat_nativeObj); - - // C++: Point cv::AlignMTB::calculateShift(Mat img0, Mat img1) - private static native double[] calculateShift_0(long nativeObj, long img0_nativeObj, long img1_nativeObj); - - // C++: void cv::AlignMTB::shiftMat(Mat src, Mat& dst, Point shift) - private static native void shiftMat_0(long nativeObj, long src_nativeObj, long dst_nativeObj, double shift_x, double shift_y); - - // C++: void cv::AlignMTB::computeBitmaps(Mat img, Mat& tb, Mat& eb) - private static native void computeBitmaps_0(long nativeObj, long img_nativeObj, long tb_nativeObj, long eb_nativeObj); - - // C++: int cv::AlignMTB::getMaxBits() - private static native int getMaxBits_0(long nativeObj); - - // C++: void cv::AlignMTB::setMaxBits(int max_bits) - private static native void setMaxBits_0(long nativeObj, int max_bits); - - // C++: int cv::AlignMTB::getExcludeRange() - private static native int getExcludeRange_0(long nativeObj); - - // C++: void cv::AlignMTB::setExcludeRange(int exclude_range) - private static native void setExcludeRange_0(long nativeObj, int exclude_range); - - // C++: bool cv::AlignMTB::getCut() - private static native boolean getCut_0(long nativeObj); - - // C++: void cv::AlignMTB::setCut(bool value) - private static native void setCut_0(long nativeObj, boolean value); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateCRF.java b/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateCRF.java deleted file mode 100644 index eca8bbb47d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateCRF.java +++ /dev/null @@ -1,53 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class CalibrateCRF -/** - * The base class for camera response calibration algorithms. - */ -public class CalibrateCRF extends Algorithm { - - protected CalibrateCRF(long addr) { super(addr); } - - // internal usage only - public static CalibrateCRF __fromPtr__(long addr) { return new CalibrateCRF(addr); } - - // - // C++: void cv::CalibrateCRF::process(vector_Mat src, Mat& dst, Mat times) - // - - /** - * Recovers inverse camera response. - * - * @param src vector of input images - * @param dst 256x1 matrix with inverse camera response function - * @param times vector of exposure time values for each image - */ - public void process(List src, Mat dst, Mat times) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_0(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::CalibrateCRF::process(vector_Mat src, Mat& dst, Mat times) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateDebevec.java b/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateDebevec.java deleted file mode 100644 index d386e608a9..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateDebevec.java +++ /dev/null @@ -1,105 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.photo.CalibrateCRF; - -// C++: class CalibrateDebevec -/** - * Inverse camera response function is extracted for each brightness value by minimizing an objective - * function as linear system. Objective function is constructed using pixel values on the same position - * in all images, extra term is added to make the result smoother. - * - * For more information see CITE: DM97 . - */ -public class CalibrateDebevec extends CalibrateCRF { - - protected CalibrateDebevec(long addr) { super(addr); } - - // internal usage only - public static CalibrateDebevec __fromPtr__(long addr) { return new CalibrateDebevec(addr); } - - // - // C++: float cv::CalibrateDebevec::getLambda() - // - - public float getLambda() { - return getLambda_0(nativeObj); - } - - - // - // C++: void cv::CalibrateDebevec::setLambda(float lambda) - // - - public void setLambda(float lambda) { - setLambda_0(nativeObj, lambda); - } - - - // - // C++: int cv::CalibrateDebevec::getSamples() - // - - public int getSamples() { - return getSamples_0(nativeObj); - } - - - // - // C++: void cv::CalibrateDebevec::setSamples(int samples) - // - - public void setSamples(int samples) { - setSamples_0(nativeObj, samples); - } - - - // - // C++: bool cv::CalibrateDebevec::getRandom() - // - - public boolean getRandom() { - return getRandom_0(nativeObj); - } - - - // - // C++: void cv::CalibrateDebevec::setRandom(bool random) - // - - public void setRandom(boolean random) { - setRandom_0(nativeObj, random); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: float cv::CalibrateDebevec::getLambda() - private static native float getLambda_0(long nativeObj); - - // C++: void cv::CalibrateDebevec::setLambda(float lambda) - private static native void setLambda_0(long nativeObj, float lambda); - - // C++: int cv::CalibrateDebevec::getSamples() - private static native int getSamples_0(long nativeObj); - - // C++: void cv::CalibrateDebevec::setSamples(int samples) - private static native void setSamples_0(long nativeObj, int samples); - - // C++: bool cv::CalibrateDebevec::getRandom() - private static native boolean getRandom_0(long nativeObj); - - // C++: void cv::CalibrateDebevec::setRandom(bool random) - private static native void setRandom_0(long nativeObj, boolean random); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateRobertson.java b/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateRobertson.java deleted file mode 100644 index a3d8a7ea7c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/CalibrateRobertson.java +++ /dev/null @@ -1,93 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.core.Mat; -import org.opencv.photo.CalibrateCRF; - -// C++: class CalibrateRobertson -/** - * Inverse camera response function is extracted for each brightness value by minimizing an objective - * function as linear system. This algorithm uses all image pixels. - * - * For more information see CITE: RB99 . - */ -public class CalibrateRobertson extends CalibrateCRF { - - protected CalibrateRobertson(long addr) { super(addr); } - - // internal usage only - public static CalibrateRobertson __fromPtr__(long addr) { return new CalibrateRobertson(addr); } - - // - // C++: int cv::CalibrateRobertson::getMaxIter() - // - - public int getMaxIter() { - return getMaxIter_0(nativeObj); - } - - - // - // C++: void cv::CalibrateRobertson::setMaxIter(int max_iter) - // - - public void setMaxIter(int max_iter) { - setMaxIter_0(nativeObj, max_iter); - } - - - // - // C++: float cv::CalibrateRobertson::getThreshold() - // - - public float getThreshold() { - return getThreshold_0(nativeObj); - } - - - // - // C++: void cv::CalibrateRobertson::setThreshold(float threshold) - // - - public void setThreshold(float threshold) { - setThreshold_0(nativeObj, threshold); - } - - - // - // C++: Mat cv::CalibrateRobertson::getRadiance() - // - - public Mat getRadiance() { - return new Mat(getRadiance_0(nativeObj)); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::CalibrateRobertson::getMaxIter() - private static native int getMaxIter_0(long nativeObj); - - // C++: void cv::CalibrateRobertson::setMaxIter(int max_iter) - private static native void setMaxIter_0(long nativeObj, int max_iter); - - // C++: float cv::CalibrateRobertson::getThreshold() - private static native float getThreshold_0(long nativeObj); - - // C++: void cv::CalibrateRobertson::setThreshold(float threshold) - private static native void setThreshold_0(long nativeObj, float threshold); - - // C++: Mat cv::CalibrateRobertson::getRadiance() - private static native long getRadiance_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeDebevec.java b/vendor/opencv/sdk/java/src/org/opencv/photo/MergeDebevec.java deleted file mode 100644 index 4386cd65c2..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeDebevec.java +++ /dev/null @@ -1,62 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.photo.MergeExposures; -import org.opencv.utils.Converters; - -// C++: class MergeDebevec -/** - * The resulting HDR image is calculated as weighted average of the exposures considering exposure - * values and camera response. - * - * For more information see CITE: DM97 . - */ -public class MergeDebevec extends MergeExposures { - - protected MergeDebevec(long addr) { super(addr); } - - // internal usage only - public static MergeDebevec __fromPtr__(long addr) { return new MergeDebevec(addr); } - - // - // C++: void cv::MergeDebevec::process(vector_Mat src, Mat& dst, Mat times, Mat response) - // - - public void process(List src, Mat dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_0(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj, response.nativeObj); - } - - - // - // C++: void cv::MergeDebevec::process(vector_Mat src, Mat& dst, Mat times) - // - - public void process(List src, Mat dst, Mat times) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_1(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::MergeDebevec::process(vector_Mat src, Mat& dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj, long response_nativeObj); - - // C++: void cv::MergeDebevec::process(vector_Mat src, Mat& dst, Mat times) - private static native void process_1(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeExposures.java b/vendor/opencv/sdk/java/src/org/opencv/photo/MergeExposures.java deleted file mode 100644 index 3312a43f3b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeExposures.java +++ /dev/null @@ -1,55 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; -import org.opencv.utils.Converters; - -// C++: class MergeExposures -/** - * The base class algorithms that can merge exposure sequence to a single image. - */ -public class MergeExposures extends Algorithm { - - protected MergeExposures(long addr) { super(addr); } - - // internal usage only - public static MergeExposures __fromPtr__(long addr) { return new MergeExposures(addr); } - - // - // C++: void cv::MergeExposures::process(vector_Mat src, Mat& dst, Mat times, Mat response) - // - - /** - * Merges images. - * - * @param src vector of input images - * @param dst result image - * @param times vector of exposure time values for each image - * @param response 256x1 matrix with inverse camera response function for each pixel value, it should - * have the same number of channels as images. - */ - public void process(List src, Mat dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_0(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj, response.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::MergeExposures::process(vector_Mat src, Mat& dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj, long response_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeMertens.java b/vendor/opencv/sdk/java/src/org/opencv/photo/MergeMertens.java deleted file mode 100644 index c3ef177d70..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeMertens.java +++ /dev/null @@ -1,146 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.photo.MergeExposures; -import org.opencv.utils.Converters; - -// C++: class MergeMertens -/** - * Pixels are weighted using contrast, saturation and well-exposedness measures, than images are - * combined using laplacian pyramids. - * - * The resulting image weight is constructed as weighted average of contrast, saturation and - * well-exposedness measures. - * - * The resulting image doesn't require tonemapping and can be converted to 8-bit image by multiplying - * by 255, but it's recommended to apply gamma correction and/or linear tonemapping. - * - * For more information see CITE: MK07 . - */ -public class MergeMertens extends MergeExposures { - - protected MergeMertens(long addr) { super(addr); } - - // internal usage only - public static MergeMertens __fromPtr__(long addr) { return new MergeMertens(addr); } - - // - // C++: void cv::MergeMertens::process(vector_Mat src, Mat& dst, Mat times, Mat response) - // - - public void process(List src, Mat dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_0(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj, response.nativeObj); - } - - - // - // C++: void cv::MergeMertens::process(vector_Mat src, Mat& dst) - // - - /** - * Short version of process, that doesn't take extra arguments. - * - * @param src vector of input images - * @param dst result image - */ - public void process(List src, Mat dst) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_1(nativeObj, src_mat.nativeObj, dst.nativeObj); - } - - - // - // C++: float cv::MergeMertens::getContrastWeight() - // - - public float getContrastWeight() { - return getContrastWeight_0(nativeObj); - } - - - // - // C++: void cv::MergeMertens::setContrastWeight(float contrast_weiht) - // - - public void setContrastWeight(float contrast_weiht) { - setContrastWeight_0(nativeObj, contrast_weiht); - } - - - // - // C++: float cv::MergeMertens::getSaturationWeight() - // - - public float getSaturationWeight() { - return getSaturationWeight_0(nativeObj); - } - - - // - // C++: void cv::MergeMertens::setSaturationWeight(float saturation_weight) - // - - public void setSaturationWeight(float saturation_weight) { - setSaturationWeight_0(nativeObj, saturation_weight); - } - - - // - // C++: float cv::MergeMertens::getExposureWeight() - // - - public float getExposureWeight() { - return getExposureWeight_0(nativeObj); - } - - - // - // C++: void cv::MergeMertens::setExposureWeight(float exposure_weight) - // - - public void setExposureWeight(float exposure_weight) { - setExposureWeight_0(nativeObj, exposure_weight); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::MergeMertens::process(vector_Mat src, Mat& dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj, long response_nativeObj); - - // C++: void cv::MergeMertens::process(vector_Mat src, Mat& dst) - private static native void process_1(long nativeObj, long src_mat_nativeObj, long dst_nativeObj); - - // C++: float cv::MergeMertens::getContrastWeight() - private static native float getContrastWeight_0(long nativeObj); - - // C++: void cv::MergeMertens::setContrastWeight(float contrast_weiht) - private static native void setContrastWeight_0(long nativeObj, float contrast_weiht); - - // C++: float cv::MergeMertens::getSaturationWeight() - private static native float getSaturationWeight_0(long nativeObj); - - // C++: void cv::MergeMertens::setSaturationWeight(float saturation_weight) - private static native void setSaturationWeight_0(long nativeObj, float saturation_weight); - - // C++: float cv::MergeMertens::getExposureWeight() - private static native float getExposureWeight_0(long nativeObj); - - // C++: void cv::MergeMertens::setExposureWeight(float exposure_weight) - private static native void setExposureWeight_0(long nativeObj, float exposure_weight); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeRobertson.java b/vendor/opencv/sdk/java/src/org/opencv/photo/MergeRobertson.java deleted file mode 100644 index 0752127b1c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/MergeRobertson.java +++ /dev/null @@ -1,62 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.photo.MergeExposures; -import org.opencv.utils.Converters; - -// C++: class MergeRobertson -/** - * The resulting HDR image is calculated as weighted average of the exposures considering exposure - * values and camera response. - * - * For more information see CITE: RB99 . - */ -public class MergeRobertson extends MergeExposures { - - protected MergeRobertson(long addr) { super(addr); } - - // internal usage only - public static MergeRobertson __fromPtr__(long addr) { return new MergeRobertson(addr); } - - // - // C++: void cv::MergeRobertson::process(vector_Mat src, Mat& dst, Mat times, Mat response) - // - - public void process(List src, Mat dst, Mat times, Mat response) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_0(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj, response.nativeObj); - } - - - // - // C++: void cv::MergeRobertson::process(vector_Mat src, Mat& dst, Mat times) - // - - public void process(List src, Mat dst, Mat times) { - Mat src_mat = Converters.vector_Mat_to_Mat(src); - process_1(nativeObj, src_mat.nativeObj, dst.nativeObj, times.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::MergeRobertson::process(vector_Mat src, Mat& dst, Mat times, Mat response) - private static native void process_0(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj, long response_nativeObj); - - // C++: void cv::MergeRobertson::process(vector_Mat src, Mat& dst, Mat times) - private static native void process_1(long nativeObj, long src_mat_nativeObj, long dst_nativeObj, long times_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/Photo.java b/vendor/opencv/sdk/java/src/org/opencv/photo/Photo.java deleted file mode 100644 index cd4b58d70f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/Photo.java +++ /dev/null @@ -1,1943 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfFloat; -import org.opencv.core.Point; -import org.opencv.photo.AlignMTB; -import org.opencv.photo.CalibrateDebevec; -import org.opencv.photo.CalibrateRobertson; -import org.opencv.photo.MergeDebevec; -import org.opencv.photo.MergeMertens; -import org.opencv.photo.MergeRobertson; -import org.opencv.photo.Tonemap; -import org.opencv.photo.TonemapDrago; -import org.opencv.photo.TonemapMantiuk; -import org.opencv.photo.TonemapReinhard; -import org.opencv.utils.Converters; - -// C++: class Photo - -public class Photo { - - // C++: enum - public static final int - INPAINT_NS = 0, - INPAINT_TELEA = 1, - LDR_SIZE = 256, - RECURS_FILTER = 1, - NORMCONV_FILTER = 2; - - - // C++: enum SeamlessCloneFlags (cv.SeamlessCloneFlags) - public static final int - NORMAL_CLONE = 1, - MIXED_CLONE = 2, - MONOCHROME_TRANSFER = 3, - NORMAL_CLONE_WIDE = 9, - MIXED_CLONE_WIDE = 10, - MONOCHROME_TRANSFER_WIDE = 11; - - - // - // C++: void cv::inpaint(Mat src, Mat inpaintMask, Mat& dst, double inpaintRadius, int flags) - // - - /** - * Restores the selected region in an image using the region neighborhood. - * - * @param src Input 8-bit, 16-bit unsigned or 32-bit float 1-channel or 8-bit 3-channel image. - * @param inpaintMask Inpainting mask, 8-bit 1-channel image. Non-zero pixels indicate the area that - * needs to be inpainted. - * @param dst Output image with the same size and type as src . - * @param inpaintRadius Radius of a circular neighborhood of each point inpainted that is considered - * by the algorithm. - * @param flags Inpainting method that could be cv::INPAINT_NS or cv::INPAINT_TELEA - * - * The function reconstructs the selected image area from the pixel near the area boundary. The - * function may be used to remove dust and scratches from a scanned photo, or to remove undesirable - * objects from still images or video. See <http://en.wikipedia.org/wiki/Inpainting> for more details. - * - * Note: - *
      - *
    • - * An example using the inpainting technique can be found at - * opencv_source_code/samples/cpp/inpaint.cpp - *
      • - *
    • - * (Python) An example using the inpainting technique can be found at - * opencv_source_code/samples/python/inpaint.py - *
      • - *
    - */ - public static void inpaint(Mat src, Mat inpaintMask, Mat dst, double inpaintRadius, int flags) { - inpaint_0(src.nativeObj, inpaintMask.nativeObj, dst.nativeObj, inpaintRadius, flags); - } - - - // - // C++: void cv::fastNlMeansDenoising(Mat src, Mat& dst, float h = 3, int templateWindowSize = 7, int searchWindowSize = 21) - // - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Big h value perfectly removes noise but also - * removes image details, smaller h value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize) { - fastNlMeansDenoising_0(src.nativeObj, dst.nativeObj, h, templateWindowSize, searchWindowSize); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Big h value perfectly removes noise but also - * removes image details, smaller h value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, float h, int templateWindowSize) { - fastNlMeansDenoising_1(src.nativeObj, dst.nativeObj, h, templateWindowSize); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Big h value perfectly removes noise but also - * removes image details, smaller h value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, float h) { - fastNlMeansDenoising_2(src.nativeObj, dst.nativeObj, h); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit 1-channel, 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * removes image details, smaller h value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst) { - fastNlMeansDenoising_3(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::fastNlMeansDenoising(Mat src, Mat& dst, vector_float h, int templateWindowSize = 7, int searchWindowSize = 21, int normType = NORM_L2) - // - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - * @param normType Type of norm used for weight calculation. Can be either NORM_L2 or NORM_L1 - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize, int searchWindowSize, int normType) { - Mat h_mat = h; - fastNlMeansDenoising_4(src.nativeObj, dst.nativeObj, h_mat.nativeObj, templateWindowSize, searchWindowSize, normType); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize, int searchWindowSize) { - Mat h_mat = h; - fastNlMeansDenoising_5(src.nativeObj, dst.nativeObj, h_mat.nativeObj, templateWindowSize, searchWindowSize); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize) { - Mat h_mat = h; - fastNlMeansDenoising_6(src.nativeObj, dst.nativeObj, h_mat.nativeObj, templateWindowSize); - } - - /** - * Perform image denoising using Non-local Means Denoising algorithm - * <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational - * optimizations. Noise expected to be a gaussian white noise - * - * @param src Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - * - * This function expected to be applied to grayscale images. For colored images look at - * fastNlMeansDenoisingColored. Advanced usage of this functions can be manual denoising of colored - * image in different colorspaces. Such approach is used in fastNlMeansDenoisingColored by converting - * image to CIELAB colorspace and then separately denoise L and AB components with different h - * parameter. - */ - public static void fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h) { - Mat h_mat = h; - fastNlMeansDenoising_7(src.nativeObj, dst.nativeObj, h_mat.nativeObj); - } - - - // - // C++: void cv::fastNlMeansDenoisingColored(Mat src, Mat& dst, float h = 3, float hColor = 3, int templateWindowSize = 7, int searchWindowSize = 21) - // - - /** - * Modification of fastNlMeansDenoising function for colored images - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise - * @param hColor The same as h but for color components. For most images value equals 10 - * will be enough to remove colored noise and do not distort colors - * - * The function converts image to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoising function. - */ - public static void fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor, int templateWindowSize, int searchWindowSize) { - fastNlMeansDenoisingColored_0(src.nativeObj, dst.nativeObj, h, hColor, templateWindowSize, searchWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for colored images - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src . - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise - * @param hColor The same as h but for color components. For most images value equals 10 - * will be enough to remove colored noise and do not distort colors - * - * The function converts image to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoising function. - */ - public static void fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor, int templateWindowSize) { - fastNlMeansDenoisingColored_1(src.nativeObj, dst.nativeObj, h, hColor, templateWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for colored images - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise - * @param hColor The same as h but for color components. For most images value equals 10 - * will be enough to remove colored noise and do not distort colors - * - * The function converts image to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoising function. - */ - public static void fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor) { - fastNlMeansDenoisingColored_2(src.nativeObj, dst.nativeObj, h, hColor); - } - - /** - * Modification of fastNlMeansDenoising function for colored images - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise - * will be enough to remove colored noise and do not distort colors - * - * The function converts image to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoising function. - */ - public static void fastNlMeansDenoisingColored(Mat src, Mat dst, float h) { - fastNlMeansDenoisingColored_3(src.nativeObj, dst.nativeObj, h); - } - - /** - * Modification of fastNlMeansDenoising function for colored images - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src . - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise - * will be enough to remove colored noise and do not distort colors - * - * The function converts image to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoising function. - */ - public static void fastNlMeansDenoisingColored(Mat src, Mat dst) { - fastNlMeansDenoisingColored_4(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::fastNlMeansDenoisingMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, float h = 3, int templateWindowSize = 7, int searchWindowSize = 21) - // - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit 1-channel, 2-channel, 3-channel or - * 4-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Bigger h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize, int searchWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingMulti_0(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h, templateWindowSize, searchWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit 1-channel, 2-channel, 3-channel or - * 4-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Bigger h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingMulti_1(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h, templateWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit 1-channel, 2-channel, 3-channel or - * 4-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength. Bigger h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingMulti_2(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit 1-channel, 2-channel, 3-channel or - * 4-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingMulti_3(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize); - } - - - // - // C++: void cv::fastNlMeansDenoisingMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, vector_float h, int templateWindowSize = 7, int searchWindowSize = 21, int normType = NORM_L2) - // - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel images sequence. All images should - * have the same type and size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - * @param normType Type of norm used for weight calculation. Can be either NORM_L2 or NORM_L1 - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize, int searchWindowSize, int normType) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - Mat h_mat = h; - fastNlMeansDenoisingMulti_4(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h_mat.nativeObj, templateWindowSize, searchWindowSize, normType); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel images sequence. All images should - * have the same type and size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize, int searchWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - Mat h_mat = h; - fastNlMeansDenoisingMulti_5(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h_mat.nativeObj, templateWindowSize, searchWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel images sequence. All images should - * have the same type and size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - Mat h_mat = h; - fastNlMeansDenoisingMulti_6(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h_mat.nativeObj, templateWindowSize); - } - - /** - * Modification of fastNlMeansDenoising function for images sequence where consecutive images have been - * captured in small period of time. For example video. This version of the function is for grayscale - * images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details - * (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)). - * - * @param srcImgs Input 8-bit or 16-bit (only with NORM_L1) 1-channel, - * 2-channel, 3-channel or 4-channel images sequence. All images should - * have the same type and size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Array of parameters regulating filter strength, either one - * parameter applied to all channels or one per channel in dst. Big h value - * perfectly removes noise but also removes image details, smaller h - * value preserves details but also preserves some noise - */ - public static void fastNlMeansDenoisingMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - Mat h_mat = h; - fastNlMeansDenoisingMulti_7(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h_mat.nativeObj); - } - - - // - // C++: void cv::fastNlMeansDenoisingColoredMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, float h = 3, float hColor = 3, int templateWindowSize = 7, int searchWindowSize = 21) - // - - /** - * Modification of fastNlMeansDenoisingMulti function for colored images sequences - * - * @param srcImgs Input 8-bit 3-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * @param searchWindowSize Size in pixels of the window that is used to compute weighted average for - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise. - * @param hColor The same as h but for color components. - * - * The function converts images to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoisingMulti function. - */ - public static void fastNlMeansDenoisingColoredMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize, int searchWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingColoredMulti_0(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h, hColor, templateWindowSize, searchWindowSize); - } - - /** - * Modification of fastNlMeansDenoisingMulti function for colored images sequences - * - * @param srcImgs Input 8-bit 3-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * @param templateWindowSize Size in pixels of the template patch that is used to compute weights. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise. - * @param hColor The same as h but for color components. - * - * The function converts images to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoisingMulti function. - */ - public static void fastNlMeansDenoisingColoredMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingColoredMulti_1(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h, hColor, templateWindowSize); - } - - /** - * Modification of fastNlMeansDenoisingMulti function for colored images sequences - * - * @param srcImgs Input 8-bit 3-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise. - * @param hColor The same as h but for color components. - * - * The function converts images to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoisingMulti function. - */ - public static void fastNlMeansDenoisingColoredMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingColoredMulti_2(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h, hColor); - } - - /** - * Modification of fastNlMeansDenoisingMulti function for colored images sequences - * - * @param srcImgs Input 8-bit 3-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * @param h Parameter regulating filter strength for luminance component. Bigger h value perfectly - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise. - * - * The function converts images to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoisingMulti function. - */ - public static void fastNlMeansDenoisingColoredMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingColoredMulti_3(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize, h); - } - - /** - * Modification of fastNlMeansDenoisingMulti function for colored images sequences - * - * @param srcImgs Input 8-bit 3-channel images sequence. All images should have the same type and - * size. - * @param imgToDenoiseIndex Target image to denoise index in srcImgs sequence - * @param temporalWindowSize Number of surrounding images to use for target image denoising. Should - * be odd. Images from imgToDenoiseIndex - temporalWindowSize / 2 to - * imgToDenoiseIndex + temporalWindowSize / 2 from srcImgs will be used to denoise - * srcImgs[imgToDenoiseIndex] image. - * @param dst Output image with the same size and type as srcImgs images. - * Should be odd. Recommended value 7 pixels - * given pixel. Should be odd. Affect performance linearly: greater searchWindowsSize - greater - * denoising time. Recommended value 21 pixels - * removes noise but also removes image details, smaller h value preserves details but also preserves - * some noise. - * - * The function converts images to CIELAB colorspace and then separately denoise L and AB components - * with given h parameters using fastNlMeansDenoisingMulti function. - */ - public static void fastNlMeansDenoisingColoredMulti(List srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize) { - Mat srcImgs_mat = Converters.vector_Mat_to_Mat(srcImgs); - fastNlMeansDenoisingColoredMulti_4(srcImgs_mat.nativeObj, dst.nativeObj, imgToDenoiseIndex, temporalWindowSize); - } - - - // - // C++: void cv::denoise_TVL1(vector_Mat observations, Mat result, double lambda = 1.0, int niters = 30) - // - - /** - * Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - * finding a function to minimize some functional). As the image denoising, in particular, may be seen - * as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - * exactly what is implemented. - * - * It should be noted, that this implementation was taken from the July 2013 blog entry - * CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - * Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - * of July 2013 and finally it was slightly adapted by later authors. - * - * Although the thorough discussion and justification of the algorithm involved may be found in - * CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - * with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - * pixels (it may be seen as set - * \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - * \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - * this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - * - * \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - * - * \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - * image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - * we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - * exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play. - * - * @param observations This array should contain one or more noised versions of the image that is to - * be restored. - * @param result Here the denoised image will be stored. There is no need to do pre-allocation of - * storage space, as it will be automatically allocated, if necessary. - * @param lambda Corresponds to \(\lambda\) in the formulas above. As it is enlarged, the smooth - * (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - * speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - * removed. - * @param niters Number of iterations that the algorithm will run. Of course, as more iterations as - * better, but it is hard to quantitatively refine this statement, so just use the default and - * increase it if the results are poor. - */ - public static void denoise_TVL1(List observations, Mat result, double lambda, int niters) { - Mat observations_mat = Converters.vector_Mat_to_Mat(observations); - denoise_TVL1_0(observations_mat.nativeObj, result.nativeObj, lambda, niters); - } - - /** - * Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - * finding a function to minimize some functional). As the image denoising, in particular, may be seen - * as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - * exactly what is implemented. - * - * It should be noted, that this implementation was taken from the July 2013 blog entry - * CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - * Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - * of July 2013 and finally it was slightly adapted by later authors. - * - * Although the thorough discussion and justification of the algorithm involved may be found in - * CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - * with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - * pixels (it may be seen as set - * \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - * \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - * this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - * - * \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - * - * \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - * image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - * we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - * exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play. - * - * @param observations This array should contain one or more noised versions of the image that is to - * be restored. - * @param result Here the denoised image will be stored. There is no need to do pre-allocation of - * storage space, as it will be automatically allocated, if necessary. - * @param lambda Corresponds to \(\lambda\) in the formulas above. As it is enlarged, the smooth - * (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - * speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - * removed. - * better, but it is hard to quantitatively refine this statement, so just use the default and - * increase it if the results are poor. - */ - public static void denoise_TVL1(List observations, Mat result, double lambda) { - Mat observations_mat = Converters.vector_Mat_to_Mat(observations); - denoise_TVL1_1(observations_mat.nativeObj, result.nativeObj, lambda); - } - - /** - * Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, - * finding a function to minimize some functional). As the image denoising, in particular, may be seen - * as the variational problem, primal-dual algorithm then can be used to perform denoising and this is - * exactly what is implemented. - * - * It should be noted, that this implementation was taken from the July 2013 blog entry - * CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. - * Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end - * of July 2013 and finally it was slightly adapted by later authors. - * - * Although the thorough discussion and justification of the algorithm involved may be found in - * CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin - * with, we consider the 1-byte gray-level images as the functions from the rectangular domain of - * pixels (it may be seen as set - * \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some - * \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with - * this view, given some image \(x\) of the same size, we may measure how bad it is by the formula - * - * \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) - * - * \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our - * image to be smooth (ideally, having zero gradient, thus being constant) and the second states that - * we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is - * exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play. - * - * @param observations This array should contain one or more noised versions of the image that is to - * be restored. - * @param result Here the denoised image will be stored. There is no need to do pre-allocation of - * storage space, as it will be automatically allocated, if necessary. - * (blurred) images are treated more favorably than detailed (but maybe more noised) ones. Roughly - * speaking, as it becomes smaller, the result will be more blur but more sever outliers will be - * removed. - * better, but it is hard to quantitatively refine this statement, so just use the default and - * increase it if the results are poor. - */ - public static void denoise_TVL1(List observations, Mat result) { - Mat observations_mat = Converters.vector_Mat_to_Mat(observations); - denoise_TVL1_2(observations_mat.nativeObj, result.nativeObj); - } - - - // - // C++: Ptr_Tonemap cv::createTonemap(float gamma = 1.0f) - // - - /** - * Creates simple linear mapper with gamma correction - * - * @param gamma positive value for gamma correction. Gamma value of 1.0 implies no correction, gamma - * equal to 2.2f is suitable for most displays. - * Generally gamma > 1 brightens the image and gamma < 1 darkens it. - * @return automatically generated - */ - public static Tonemap createTonemap(float gamma) { - return Tonemap.__fromPtr__(createTonemap_0(gamma)); - } - - /** - * Creates simple linear mapper with gamma correction - * - * equal to 2.2f is suitable for most displays. - * Generally gamma > 1 brightens the image and gamma < 1 darkens it. - * @return automatically generated - */ - public static Tonemap createTonemap() { - return Tonemap.__fromPtr__(createTonemap_1()); - } - - - // - // C++: Ptr_TonemapDrago cv::createTonemapDrago(float gamma = 1.0f, float saturation = 1.0f, float bias = 0.85f) - // - - /** - * Creates TonemapDrago object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param saturation positive saturation enhancement value. 1.0 preserves saturation, values greater - * than 1 increase saturation and values less than 1 decrease it. - * @param bias value for bias function in [0, 1] range. Values from 0.7 to 0.9 usually give best - * results, default value is 0.85. - * @return automatically generated - */ - public static TonemapDrago createTonemapDrago(float gamma, float saturation, float bias) { - return TonemapDrago.__fromPtr__(createTonemapDrago_0(gamma, saturation, bias)); - } - - /** - * Creates TonemapDrago object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param saturation positive saturation enhancement value. 1.0 preserves saturation, values greater - * than 1 increase saturation and values less than 1 decrease it. - * results, default value is 0.85. - * @return automatically generated - */ - public static TonemapDrago createTonemapDrago(float gamma, float saturation) { - return TonemapDrago.__fromPtr__(createTonemapDrago_1(gamma, saturation)); - } - - /** - * Creates TonemapDrago object - * - * @param gamma gamma value for gamma correction. See createTonemap - * than 1 increase saturation and values less than 1 decrease it. - * results, default value is 0.85. - * @return automatically generated - */ - public static TonemapDrago createTonemapDrago(float gamma) { - return TonemapDrago.__fromPtr__(createTonemapDrago_2(gamma)); - } - - /** - * Creates TonemapDrago object - * - * than 1 increase saturation and values less than 1 decrease it. - * results, default value is 0.85. - * @return automatically generated - */ - public static TonemapDrago createTonemapDrago() { - return TonemapDrago.__fromPtr__(createTonemapDrago_3()); - } - - - // - // C++: Ptr_TonemapReinhard cv::createTonemapReinhard(float gamma = 1.0f, float intensity = 0.0f, float light_adapt = 1.0f, float color_adapt = 0.0f) - // - - /** - * Creates TonemapReinhard object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param intensity result intensity in [-8, 8] range. Greater intensity produces brighter results. - * @param light_adapt light adaptation in [0, 1] range. If 1 adaptation is based only on pixel - * value, if 0 it's global, otherwise it's a weighted mean of this two cases. - * @param color_adapt chromatic adaptation in [0, 1] range. If 1 channels are treated independently, - * if 0 adaptation level is the same for each channel. - * @return automatically generated - */ - public static TonemapReinhard createTonemapReinhard(float gamma, float intensity, float light_adapt, float color_adapt) { - return TonemapReinhard.__fromPtr__(createTonemapReinhard_0(gamma, intensity, light_adapt, color_adapt)); - } - - /** - * Creates TonemapReinhard object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param intensity result intensity in [-8, 8] range. Greater intensity produces brighter results. - * @param light_adapt light adaptation in [0, 1] range. If 1 adaptation is based only on pixel - * value, if 0 it's global, otherwise it's a weighted mean of this two cases. - * if 0 adaptation level is the same for each channel. - * @return automatically generated - */ - public static TonemapReinhard createTonemapReinhard(float gamma, float intensity, float light_adapt) { - return TonemapReinhard.__fromPtr__(createTonemapReinhard_1(gamma, intensity, light_adapt)); - } - - /** - * Creates TonemapReinhard object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param intensity result intensity in [-8, 8] range. Greater intensity produces brighter results. - * value, if 0 it's global, otherwise it's a weighted mean of this two cases. - * if 0 adaptation level is the same for each channel. - * @return automatically generated - */ - public static TonemapReinhard createTonemapReinhard(float gamma, float intensity) { - return TonemapReinhard.__fromPtr__(createTonemapReinhard_2(gamma, intensity)); - } - - /** - * Creates TonemapReinhard object - * - * @param gamma gamma value for gamma correction. See createTonemap - * value, if 0 it's global, otherwise it's a weighted mean of this two cases. - * if 0 adaptation level is the same for each channel. - * @return automatically generated - */ - public static TonemapReinhard createTonemapReinhard(float gamma) { - return TonemapReinhard.__fromPtr__(createTonemapReinhard_3(gamma)); - } - - /** - * Creates TonemapReinhard object - * - * value, if 0 it's global, otherwise it's a weighted mean of this two cases. - * if 0 adaptation level is the same for each channel. - * @return automatically generated - */ - public static TonemapReinhard createTonemapReinhard() { - return TonemapReinhard.__fromPtr__(createTonemapReinhard_4()); - } - - - // - // C++: Ptr_TonemapMantiuk cv::createTonemapMantiuk(float gamma = 1.0f, float scale = 0.7f, float saturation = 1.0f) - // - - /** - * Creates TonemapMantiuk object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param scale contrast scale factor. HVS response is multiplied by this parameter, thus compressing - * dynamic range. Values from 0.6 to 0.9 produce best results. - * @param saturation saturation enhancement value. See createTonemapDrago - * @return automatically generated - */ - public static TonemapMantiuk createTonemapMantiuk(float gamma, float scale, float saturation) { - return TonemapMantiuk.__fromPtr__(createTonemapMantiuk_0(gamma, scale, saturation)); - } - - /** - * Creates TonemapMantiuk object - * - * @param gamma gamma value for gamma correction. See createTonemap - * @param scale contrast scale factor. HVS response is multiplied by this parameter, thus compressing - * dynamic range. Values from 0.6 to 0.9 produce best results. - * @return automatically generated - */ - public static TonemapMantiuk createTonemapMantiuk(float gamma, float scale) { - return TonemapMantiuk.__fromPtr__(createTonemapMantiuk_1(gamma, scale)); - } - - /** - * Creates TonemapMantiuk object - * - * @param gamma gamma value for gamma correction. See createTonemap - * dynamic range. Values from 0.6 to 0.9 produce best results. - * @return automatically generated - */ - public static TonemapMantiuk createTonemapMantiuk(float gamma) { - return TonemapMantiuk.__fromPtr__(createTonemapMantiuk_2(gamma)); - } - - /** - * Creates TonemapMantiuk object - * - * dynamic range. Values from 0.6 to 0.9 produce best results. - * @return automatically generated - */ - public static TonemapMantiuk createTonemapMantiuk() { - return TonemapMantiuk.__fromPtr__(createTonemapMantiuk_3()); - } - - - // - // C++: Ptr_AlignMTB cv::createAlignMTB(int max_bits = 6, int exclude_range = 4, bool cut = true) - // - - /** - * Creates AlignMTB object - * - * @param max_bits logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - * usually good enough (31 and 63 pixels shift respectively). - * @param exclude_range range for exclusion bitmap that is constructed to suppress noise around the - * median value. - * @param cut if true cuts images, otherwise fills the new regions with zeros. - * @return automatically generated - */ - public static AlignMTB createAlignMTB(int max_bits, int exclude_range, boolean cut) { - return AlignMTB.__fromPtr__(createAlignMTB_0(max_bits, exclude_range, cut)); - } - - /** - * Creates AlignMTB object - * - * @param max_bits logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - * usually good enough (31 and 63 pixels shift respectively). - * @param exclude_range range for exclusion bitmap that is constructed to suppress noise around the - * median value. - * @return automatically generated - */ - public static AlignMTB createAlignMTB(int max_bits, int exclude_range) { - return AlignMTB.__fromPtr__(createAlignMTB_1(max_bits, exclude_range)); - } - - /** - * Creates AlignMTB object - * - * @param max_bits logarithm to the base 2 of maximal shift in each dimension. Values of 5 and 6 are - * usually good enough (31 and 63 pixels shift respectively). - * median value. - * @return automatically generated - */ - public static AlignMTB createAlignMTB(int max_bits) { - return AlignMTB.__fromPtr__(createAlignMTB_2(max_bits)); - } - - /** - * Creates AlignMTB object - * - * usually good enough (31 and 63 pixels shift respectively). - * median value. - * @return automatically generated - */ - public static AlignMTB createAlignMTB() { - return AlignMTB.__fromPtr__(createAlignMTB_3()); - } - - - // - // C++: Ptr_CalibrateDebevec cv::createCalibrateDebevec(int samples = 70, float lambda = 10.0f, bool random = false) - // - - /** - * Creates CalibrateDebevec object - * - * @param samples number of pixel locations to use - * @param lambda smoothness term weight. Greater values produce smoother results, but can alter the - * response. - * @param random if true sample pixel locations are chosen at random, otherwise they form a - * rectangular grid. - * @return automatically generated - */ - public static CalibrateDebevec createCalibrateDebevec(int samples, float lambda, boolean random) { - return CalibrateDebevec.__fromPtr__(createCalibrateDebevec_0(samples, lambda, random)); - } - - /** - * Creates CalibrateDebevec object - * - * @param samples number of pixel locations to use - * @param lambda smoothness term weight. Greater values produce smoother results, but can alter the - * response. - * rectangular grid. - * @return automatically generated - */ - public static CalibrateDebevec createCalibrateDebevec(int samples, float lambda) { - return CalibrateDebevec.__fromPtr__(createCalibrateDebevec_1(samples, lambda)); - } - - /** - * Creates CalibrateDebevec object - * - * @param samples number of pixel locations to use - * response. - * rectangular grid. - * @return automatically generated - */ - public static CalibrateDebevec createCalibrateDebevec(int samples) { - return CalibrateDebevec.__fromPtr__(createCalibrateDebevec_2(samples)); - } - - /** - * Creates CalibrateDebevec object - * - * response. - * rectangular grid. - * @return automatically generated - */ - public static CalibrateDebevec createCalibrateDebevec() { - return CalibrateDebevec.__fromPtr__(createCalibrateDebevec_3()); - } - - - // - // C++: Ptr_CalibrateRobertson cv::createCalibrateRobertson(int max_iter = 30, float threshold = 0.01f) - // - - /** - * Creates CalibrateRobertson object - * - * @param max_iter maximal number of Gauss-Seidel solver iterations. - * @param threshold target difference between results of two successive steps of the minimization. - * @return automatically generated - */ - public static CalibrateRobertson createCalibrateRobertson(int max_iter, float threshold) { - return CalibrateRobertson.__fromPtr__(createCalibrateRobertson_0(max_iter, threshold)); - } - - /** - * Creates CalibrateRobertson object - * - * @param max_iter maximal number of Gauss-Seidel solver iterations. - * @return automatically generated - */ - public static CalibrateRobertson createCalibrateRobertson(int max_iter) { - return CalibrateRobertson.__fromPtr__(createCalibrateRobertson_1(max_iter)); - } - - /** - * Creates CalibrateRobertson object - * - * @return automatically generated - */ - public static CalibrateRobertson createCalibrateRobertson() { - return CalibrateRobertson.__fromPtr__(createCalibrateRobertson_2()); - } - - - // - // C++: Ptr_MergeDebevec cv::createMergeDebevec() - // - - /** - * Creates MergeDebevec object - * @return automatically generated - */ - public static MergeDebevec createMergeDebevec() { - return MergeDebevec.__fromPtr__(createMergeDebevec_0()); - } - - - // - // C++: Ptr_MergeMertens cv::createMergeMertens(float contrast_weight = 1.0f, float saturation_weight = 1.0f, float exposure_weight = 0.0f) - // - - /** - * Creates MergeMertens object - * - * @param contrast_weight contrast measure weight. See MergeMertens. - * @param saturation_weight saturation measure weight - * @param exposure_weight well-exposedness measure weight - * @return automatically generated - */ - public static MergeMertens createMergeMertens(float contrast_weight, float saturation_weight, float exposure_weight) { - return MergeMertens.__fromPtr__(createMergeMertens_0(contrast_weight, saturation_weight, exposure_weight)); - } - - /** - * Creates MergeMertens object - * - * @param contrast_weight contrast measure weight. See MergeMertens. - * @param saturation_weight saturation measure weight - * @return automatically generated - */ - public static MergeMertens createMergeMertens(float contrast_weight, float saturation_weight) { - return MergeMertens.__fromPtr__(createMergeMertens_1(contrast_weight, saturation_weight)); - } - - /** - * Creates MergeMertens object - * - * @param contrast_weight contrast measure weight. See MergeMertens. - * @return automatically generated - */ - public static MergeMertens createMergeMertens(float contrast_weight) { - return MergeMertens.__fromPtr__(createMergeMertens_2(contrast_weight)); - } - - /** - * Creates MergeMertens object - * - * @return automatically generated - */ - public static MergeMertens createMergeMertens() { - return MergeMertens.__fromPtr__(createMergeMertens_3()); - } - - - // - // C++: Ptr_MergeRobertson cv::createMergeRobertson() - // - - /** - * Creates MergeRobertson object - * @return automatically generated - */ - public static MergeRobertson createMergeRobertson() { - return MergeRobertson.__fromPtr__(createMergeRobertson_0()); - } - - - // - // C++: void cv::decolor(Mat src, Mat& grayscale, Mat& color_boost) - // - - /** - * Transforms a color image to a grayscale image. It is a basic tool in digital printing, stylized - * black-and-white photograph rendering, and in many single channel image processing applications - * CITE: CL12 . - * - * @param src Input 8-bit 3-channel image. - * @param grayscale Output 8-bit 1-channel image. - * @param color_boost Output 8-bit 3-channel image. - * - * This function is to be applied on color images. - */ - public static void decolor(Mat src, Mat grayscale, Mat color_boost) { - decolor_0(src.nativeObj, grayscale.nativeObj, color_boost.nativeObj); - } - - - // - // C++: void cv::seamlessClone(Mat src, Mat dst, Mat mask, Point p, Mat& blend, int flags) - // - - /** - * Performs seamless cloning to blend a region from a source image into a destination image. - * This function is designed for local image editing, allowing changes restricted to a region - * (manually selected as the ROI) to be applied effortlessly and seamlessly. These changes can - * range from slight distortions to complete replacement by novel content CITE: PM03. - * - * @param src The source image (8-bit 3-channel), from which a region will be blended into the destination. - * @param dst The destination image (8-bit 3-channel), where the src image will be blended. - * @param mask A binary mask (8-bit, 1, 3, or 4-channel) specifying the region in the source image to blend. - * Non-zero pixels indicate the region to be blended. If an empty Mat is provided, a mask with - * all non-zero pixels is created internally. - * @param p The point where the center of the src image is placed in the dst image. - * @param blend The output image that stores the result of the seamless cloning. It has the same size and type as {@code dst}. - * @param flags Flags that control the type of cloning method, can take values of {@code cv::SeamlessCloneFlags}. - */ - public static void seamlessClone(Mat src, Mat dst, Mat mask, Point p, Mat blend, int flags) { - seamlessClone_0(src.nativeObj, dst.nativeObj, mask.nativeObj, p.x, p.y, blend.nativeObj, flags); - } - - - // - // C++: void cv::colorChange(Mat src, Mat mask, Mat& dst, float red_mul = 1.0f, float green_mul = 1.0f, float blue_mul = 1.0f) - // - - /** - * Given an original color image, two differently colored versions of this image can be mixed - * seamlessly. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src . - * @param red_mul R-channel multiply factor. - * @param green_mul G-channel multiply factor. - * @param blue_mul B-channel multiply factor. - * - * Multiplication factor is between .5 to 2.5. - */ - public static void colorChange(Mat src, Mat mask, Mat dst, float red_mul, float green_mul, float blue_mul) { - colorChange_0(src.nativeObj, mask.nativeObj, dst.nativeObj, red_mul, green_mul, blue_mul); - } - - /** - * Given an original color image, two differently colored versions of this image can be mixed - * seamlessly. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src . - * @param red_mul R-channel multiply factor. - * @param green_mul G-channel multiply factor. - * - * Multiplication factor is between .5 to 2.5. - */ - public static void colorChange(Mat src, Mat mask, Mat dst, float red_mul, float green_mul) { - colorChange_1(src.nativeObj, mask.nativeObj, dst.nativeObj, red_mul, green_mul); - } - - /** - * Given an original color image, two differently colored versions of this image can be mixed - * seamlessly. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src . - * @param red_mul R-channel multiply factor. - * - * Multiplication factor is between .5 to 2.5. - */ - public static void colorChange(Mat src, Mat mask, Mat dst, float red_mul) { - colorChange_2(src.nativeObj, mask.nativeObj, dst.nativeObj, red_mul); - } - - /** - * Given an original color image, two differently colored versions of this image can be mixed - * seamlessly. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src . - * - * Multiplication factor is between .5 to 2.5. - */ - public static void colorChange(Mat src, Mat mask, Mat dst) { - colorChange_3(src.nativeObj, mask.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::illuminationChange(Mat src, Mat mask, Mat& dst, float alpha = 0.2f, float beta = 0.4f) - // - - /** - * Applying an appropriate non-linear transformation to the gradient field inside the selection and - * then integrating back with a Poisson solver, modifies locally the apparent illumination of an image. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * @param alpha Value ranges between 0-2. - * @param beta Value ranges between 0-2. - * - * This is useful to highlight under-exposed foreground objects or to reduce specular reflections. - */ - public static void illuminationChange(Mat src, Mat mask, Mat dst, float alpha, float beta) { - illuminationChange_0(src.nativeObj, mask.nativeObj, dst.nativeObj, alpha, beta); - } - - /** - * Applying an appropriate non-linear transformation to the gradient field inside the selection and - * then integrating back with a Poisson solver, modifies locally the apparent illumination of an image. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * @param alpha Value ranges between 0-2. - * - * This is useful to highlight under-exposed foreground objects or to reduce specular reflections. - */ - public static void illuminationChange(Mat src, Mat mask, Mat dst, float alpha) { - illuminationChange_1(src.nativeObj, mask.nativeObj, dst.nativeObj, alpha); - } - - /** - * Applying an appropriate non-linear transformation to the gradient field inside the selection and - * then integrating back with a Poisson solver, modifies locally the apparent illumination of an image. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * - * This is useful to highlight under-exposed foreground objects or to reduce specular reflections. - */ - public static void illuminationChange(Mat src, Mat mask, Mat dst) { - illuminationChange_2(src.nativeObj, mask.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::textureFlattening(Mat src, Mat mask, Mat& dst, float low_threshold = 30, float high_threshold = 45, int kernel_size = 3) - // - - /** - * By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - * washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * @param low_threshold %Range from 0 to 100. - * @param high_threshold Value > 100. - * @param kernel_size The size of the Sobel kernel to be used. - * - * Note: - * The algorithm assumes that the color of the source image is close to that of the destination. This - * assumption means that when the colors don't match, the source image color gets tinted toward the - * color of the destination image. - */ - public static void textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold, float high_threshold, int kernel_size) { - textureFlattening_0(src.nativeObj, mask.nativeObj, dst.nativeObj, low_threshold, high_threshold, kernel_size); - } - - /** - * By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - * washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * @param low_threshold %Range from 0 to 100. - * @param high_threshold Value > 100. - * - * Note: - * The algorithm assumes that the color of the source image is close to that of the destination. This - * assumption means that when the colors don't match, the source image color gets tinted toward the - * color of the destination image. - */ - public static void textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold, float high_threshold) { - textureFlattening_1(src.nativeObj, mask.nativeObj, dst.nativeObj, low_threshold, high_threshold); - } - - /** - * By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - * washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * @param low_threshold %Range from 0 to 100. - * - * Note: - * The algorithm assumes that the color of the source image is close to that of the destination. This - * assumption means that when the colors don't match, the source image color gets tinted toward the - * color of the destination image. - */ - public static void textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold) { - textureFlattening_2(src.nativeObj, mask.nativeObj, dst.nativeObj, low_threshold); - } - - /** - * By retaining only the gradients at edge locations, before integrating with the Poisson solver, one - * washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used. - * - * @param src Input 8-bit 3-channel image. - * @param mask Input 8-bit 1 or 3-channel image. - * @param dst Output image with the same size and type as src. - * - * Note: - * The algorithm assumes that the color of the source image is close to that of the destination. This - * assumption means that when the colors don't match, the source image color gets tinted toward the - * color of the destination image. - */ - public static void textureFlattening(Mat src, Mat mask, Mat dst) { - textureFlattening_3(src.nativeObj, mask.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::edgePreservingFilter(Mat src, Mat& dst, int flags = 1, float sigma_s = 60, float sigma_r = 0.4f) - // - - /** - * Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - * filters are used in many different applications CITE: EM11 . - * - * @param src Input 8-bit 3-channel image. - * @param dst Output 8-bit 3-channel image. - * @param flags Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER - * @param sigma_s %Range between 0 to 200. - * @param sigma_r %Range between 0 to 1. - */ - public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r) { - edgePreservingFilter_0(src.nativeObj, dst.nativeObj, flags, sigma_s, sigma_r); - } - - /** - * Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - * filters are used in many different applications CITE: EM11 . - * - * @param src Input 8-bit 3-channel image. - * @param dst Output 8-bit 3-channel image. - * @param flags Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER - * @param sigma_s %Range between 0 to 200. - */ - public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s) { - edgePreservingFilter_1(src.nativeObj, dst.nativeObj, flags, sigma_s); - } - - /** - * Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - * filters are used in many different applications CITE: EM11 . - * - * @param src Input 8-bit 3-channel image. - * @param dst Output 8-bit 3-channel image. - * @param flags Edge preserving filters: cv::RECURS_FILTER or cv::NORMCONV_FILTER - */ - public static void edgePreservingFilter(Mat src, Mat dst, int flags) { - edgePreservingFilter_2(src.nativeObj, dst.nativeObj, flags); - } - - /** - * Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing - * filters are used in many different applications CITE: EM11 . - * - * @param src Input 8-bit 3-channel image. - * @param dst Output 8-bit 3-channel image. - */ - public static void edgePreservingFilter(Mat src, Mat dst) { - edgePreservingFilter_3(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::detailEnhance(Mat src, Mat& dst, float sigma_s = 10, float sigma_r = 0.15f) - // - - /** - * This filter enhances the details of a particular image. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - * @param sigma_r %Range between 0 to 1. - */ - public static void detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r) { - detailEnhance_0(src.nativeObj, dst.nativeObj, sigma_s, sigma_r); - } - - /** - * This filter enhances the details of a particular image. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - */ - public static void detailEnhance(Mat src, Mat dst, float sigma_s) { - detailEnhance_1(src.nativeObj, dst.nativeObj, sigma_s); - } - - /** - * This filter enhances the details of a particular image. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - */ - public static void detailEnhance(Mat src, Mat dst) { - detailEnhance_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::pencilSketch(Mat src, Mat& dst1, Mat& dst2, float sigma_s = 60, float sigma_r = 0.07f, float shade_factor = 0.02f) - // - - /** - * Pencil-like non-photorealistic line drawing - * - * @param src Input 8-bit 3-channel image. - * @param dst1 Output 8-bit 1-channel image. - * @param dst2 Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - * @param sigma_r %Range between 0 to 1. - * @param shade_factor %Range between 0 to 0.1. - */ - public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r, float shade_factor) { - pencilSketch_0(src.nativeObj, dst1.nativeObj, dst2.nativeObj, sigma_s, sigma_r, shade_factor); - } - - /** - * Pencil-like non-photorealistic line drawing - * - * @param src Input 8-bit 3-channel image. - * @param dst1 Output 8-bit 1-channel image. - * @param dst2 Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - * @param sigma_r %Range between 0 to 1. - */ - public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r) { - pencilSketch_1(src.nativeObj, dst1.nativeObj, dst2.nativeObj, sigma_s, sigma_r); - } - - /** - * Pencil-like non-photorealistic line drawing - * - * @param src Input 8-bit 3-channel image. - * @param dst1 Output 8-bit 1-channel image. - * @param dst2 Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - */ - public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s) { - pencilSketch_2(src.nativeObj, dst1.nativeObj, dst2.nativeObj, sigma_s); - } - - /** - * Pencil-like non-photorealistic line drawing - * - * @param src Input 8-bit 3-channel image. - * @param dst1 Output 8-bit 1-channel image. - * @param dst2 Output image with the same size and type as src. - */ - public static void pencilSketch(Mat src, Mat dst1, Mat dst2) { - pencilSketch_3(src.nativeObj, dst1.nativeObj, dst2.nativeObj); - } - - - // - // C++: void cv::stylization(Mat src, Mat& dst, float sigma_s = 60, float sigma_r = 0.45f) - // - - /** - * Stylization aims to produce digital imagery with a wide variety of effects not focused on - * photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - * contrast while preserving, or enhancing, high-contrast features. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - * @param sigma_r %Range between 0 to 1. - */ - public static void stylization(Mat src, Mat dst, float sigma_s, float sigma_r) { - stylization_0(src.nativeObj, dst.nativeObj, sigma_s, sigma_r); - } - - /** - * Stylization aims to produce digital imagery with a wide variety of effects not focused on - * photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - * contrast while preserving, or enhancing, high-contrast features. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - * @param sigma_s %Range between 0 to 200. - */ - public static void stylization(Mat src, Mat dst, float sigma_s) { - stylization_1(src.nativeObj, dst.nativeObj, sigma_s); - } - - /** - * Stylization aims to produce digital imagery with a wide variety of effects not focused on - * photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low - * contrast while preserving, or enhancing, high-contrast features. - * - * @param src Input 8-bit 3-channel image. - * @param dst Output image with the same size and type as src. - */ - public static void stylization(Mat src, Mat dst) { - stylization_2(src.nativeObj, dst.nativeObj); - } - - - // - // C++: void cv::cuda::nonLocalMeans(GpuMat src, GpuMat& dst, float h, int search_window = 21, int block_size = 7, int borderMode = BORDER_DEFAULT, Stream stream = Stream::Null()) - // - - // Unknown type 'GpuMat' (I), skipping the function - - - // - // C++: void cv::cuda::fastNlMeansDenoising(GpuMat src, GpuMat& dst, float h, int search_window = 21, int block_size = 7, Stream stream = Stream::Null()) - // - - // Unknown type 'GpuMat' (I), skipping the function - - - // - // C++: void cv::cuda::fastNlMeansDenoisingColored(GpuMat src, GpuMat& dst, float h_luminance, float photo_render, int search_window = 21, int block_size = 7, Stream stream = Stream::Null()) - // - - // Unknown type 'GpuMat' (I), skipping the function - - - - - // C++: void cv::inpaint(Mat src, Mat inpaintMask, Mat& dst, double inpaintRadius, int flags) - private static native void inpaint_0(long src_nativeObj, long inpaintMask_nativeObj, long dst_nativeObj, double inpaintRadius, int flags); - - // C++: void cv::fastNlMeansDenoising(Mat src, Mat& dst, float h = 3, int templateWindowSize = 7, int searchWindowSize = 21) - private static native void fastNlMeansDenoising_0(long src_nativeObj, long dst_nativeObj, float h, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoising_1(long src_nativeObj, long dst_nativeObj, float h, int templateWindowSize); - private static native void fastNlMeansDenoising_2(long src_nativeObj, long dst_nativeObj, float h); - private static native void fastNlMeansDenoising_3(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::fastNlMeansDenoising(Mat src, Mat& dst, vector_float h, int templateWindowSize = 7, int searchWindowSize = 21, int normType = NORM_L2) - private static native void fastNlMeansDenoising_4(long src_nativeObj, long dst_nativeObj, long h_mat_nativeObj, int templateWindowSize, int searchWindowSize, int normType); - private static native void fastNlMeansDenoising_5(long src_nativeObj, long dst_nativeObj, long h_mat_nativeObj, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoising_6(long src_nativeObj, long dst_nativeObj, long h_mat_nativeObj, int templateWindowSize); - private static native void fastNlMeansDenoising_7(long src_nativeObj, long dst_nativeObj, long h_mat_nativeObj); - - // C++: void cv::fastNlMeansDenoisingColored(Mat src, Mat& dst, float h = 3, float hColor = 3, int templateWindowSize = 7, int searchWindowSize = 21) - private static native void fastNlMeansDenoisingColored_0(long src_nativeObj, long dst_nativeObj, float h, float hColor, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoisingColored_1(long src_nativeObj, long dst_nativeObj, float h, float hColor, int templateWindowSize); - private static native void fastNlMeansDenoisingColored_2(long src_nativeObj, long dst_nativeObj, float h, float hColor); - private static native void fastNlMeansDenoisingColored_3(long src_nativeObj, long dst_nativeObj, float h); - private static native void fastNlMeansDenoisingColored_4(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::fastNlMeansDenoisingMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, float h = 3, int templateWindowSize = 7, int searchWindowSize = 21) - private static native void fastNlMeansDenoisingMulti_0(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoisingMulti_1(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize); - private static native void fastNlMeansDenoisingMulti_2(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h); - private static native void fastNlMeansDenoisingMulti_3(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize); - - // C++: void cv::fastNlMeansDenoisingMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, vector_float h, int templateWindowSize = 7, int searchWindowSize = 21, int normType = NORM_L2) - private static native void fastNlMeansDenoisingMulti_4(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, long h_mat_nativeObj, int templateWindowSize, int searchWindowSize, int normType); - private static native void fastNlMeansDenoisingMulti_5(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, long h_mat_nativeObj, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoisingMulti_6(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, long h_mat_nativeObj, int templateWindowSize); - private static native void fastNlMeansDenoisingMulti_7(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, long h_mat_nativeObj); - - // C++: void cv::fastNlMeansDenoisingColoredMulti(vector_Mat srcImgs, Mat& dst, int imgToDenoiseIndex, int temporalWindowSize, float h = 3, float hColor = 3, int templateWindowSize = 7, int searchWindowSize = 21) - private static native void fastNlMeansDenoisingColoredMulti_0(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize, int searchWindowSize); - private static native void fastNlMeansDenoisingColoredMulti_1(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize); - private static native void fastNlMeansDenoisingColoredMulti_2(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor); - private static native void fastNlMeansDenoisingColoredMulti_3(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize, float h); - private static native void fastNlMeansDenoisingColoredMulti_4(long srcImgs_mat_nativeObj, long dst_nativeObj, int imgToDenoiseIndex, int temporalWindowSize); - - // C++: void cv::denoise_TVL1(vector_Mat observations, Mat result, double lambda = 1.0, int niters = 30) - private static native void denoise_TVL1_0(long observations_mat_nativeObj, long result_nativeObj, double lambda, int niters); - private static native void denoise_TVL1_1(long observations_mat_nativeObj, long result_nativeObj, double lambda); - private static native void denoise_TVL1_2(long observations_mat_nativeObj, long result_nativeObj); - - // C++: Ptr_Tonemap cv::createTonemap(float gamma = 1.0f) - private static native long createTonemap_0(float gamma); - private static native long createTonemap_1(); - - // C++: Ptr_TonemapDrago cv::createTonemapDrago(float gamma = 1.0f, float saturation = 1.0f, float bias = 0.85f) - private static native long createTonemapDrago_0(float gamma, float saturation, float bias); - private static native long createTonemapDrago_1(float gamma, float saturation); - private static native long createTonemapDrago_2(float gamma); - private static native long createTonemapDrago_3(); - - // C++: Ptr_TonemapReinhard cv::createTonemapReinhard(float gamma = 1.0f, float intensity = 0.0f, float light_adapt = 1.0f, float color_adapt = 0.0f) - private static native long createTonemapReinhard_0(float gamma, float intensity, float light_adapt, float color_adapt); - private static native long createTonemapReinhard_1(float gamma, float intensity, float light_adapt); - private static native long createTonemapReinhard_2(float gamma, float intensity); - private static native long createTonemapReinhard_3(float gamma); - private static native long createTonemapReinhard_4(); - - // C++: Ptr_TonemapMantiuk cv::createTonemapMantiuk(float gamma = 1.0f, float scale = 0.7f, float saturation = 1.0f) - private static native long createTonemapMantiuk_0(float gamma, float scale, float saturation); - private static native long createTonemapMantiuk_1(float gamma, float scale); - private static native long createTonemapMantiuk_2(float gamma); - private static native long createTonemapMantiuk_3(); - - // C++: Ptr_AlignMTB cv::createAlignMTB(int max_bits = 6, int exclude_range = 4, bool cut = true) - private static native long createAlignMTB_0(int max_bits, int exclude_range, boolean cut); - private static native long createAlignMTB_1(int max_bits, int exclude_range); - private static native long createAlignMTB_2(int max_bits); - private static native long createAlignMTB_3(); - - // C++: Ptr_CalibrateDebevec cv::createCalibrateDebevec(int samples = 70, float lambda = 10.0f, bool random = false) - private static native long createCalibrateDebevec_0(int samples, float lambda, boolean random); - private static native long createCalibrateDebevec_1(int samples, float lambda); - private static native long createCalibrateDebevec_2(int samples); - private static native long createCalibrateDebevec_3(); - - // C++: Ptr_CalibrateRobertson cv::createCalibrateRobertson(int max_iter = 30, float threshold = 0.01f) - private static native long createCalibrateRobertson_0(int max_iter, float threshold); - private static native long createCalibrateRobertson_1(int max_iter); - private static native long createCalibrateRobertson_2(); - - // C++: Ptr_MergeDebevec cv::createMergeDebevec() - private static native long createMergeDebevec_0(); - - // C++: Ptr_MergeMertens cv::createMergeMertens(float contrast_weight = 1.0f, float saturation_weight = 1.0f, float exposure_weight = 0.0f) - private static native long createMergeMertens_0(float contrast_weight, float saturation_weight, float exposure_weight); - private static native long createMergeMertens_1(float contrast_weight, float saturation_weight); - private static native long createMergeMertens_2(float contrast_weight); - private static native long createMergeMertens_3(); - - // C++: Ptr_MergeRobertson cv::createMergeRobertson() - private static native long createMergeRobertson_0(); - - // C++: void cv::decolor(Mat src, Mat& grayscale, Mat& color_boost) - private static native void decolor_0(long src_nativeObj, long grayscale_nativeObj, long color_boost_nativeObj); - - // C++: void cv::seamlessClone(Mat src, Mat dst, Mat mask, Point p, Mat& blend, int flags) - private static native void seamlessClone_0(long src_nativeObj, long dst_nativeObj, long mask_nativeObj, double p_x, double p_y, long blend_nativeObj, int flags); - - // C++: void cv::colorChange(Mat src, Mat mask, Mat& dst, float red_mul = 1.0f, float green_mul = 1.0f, float blue_mul = 1.0f) - private static native void colorChange_0(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float red_mul, float green_mul, float blue_mul); - private static native void colorChange_1(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float red_mul, float green_mul); - private static native void colorChange_2(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float red_mul); - private static native void colorChange_3(long src_nativeObj, long mask_nativeObj, long dst_nativeObj); - - // C++: void cv::illuminationChange(Mat src, Mat mask, Mat& dst, float alpha = 0.2f, float beta = 0.4f) - private static native void illuminationChange_0(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float alpha, float beta); - private static native void illuminationChange_1(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float alpha); - private static native void illuminationChange_2(long src_nativeObj, long mask_nativeObj, long dst_nativeObj); - - // C++: void cv::textureFlattening(Mat src, Mat mask, Mat& dst, float low_threshold = 30, float high_threshold = 45, int kernel_size = 3) - private static native void textureFlattening_0(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float low_threshold, float high_threshold, int kernel_size); - private static native void textureFlattening_1(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float low_threshold, float high_threshold); - private static native void textureFlattening_2(long src_nativeObj, long mask_nativeObj, long dst_nativeObj, float low_threshold); - private static native void textureFlattening_3(long src_nativeObj, long mask_nativeObj, long dst_nativeObj); - - // C++: void cv::edgePreservingFilter(Mat src, Mat& dst, int flags = 1, float sigma_s = 60, float sigma_r = 0.4f) - private static native void edgePreservingFilter_0(long src_nativeObj, long dst_nativeObj, int flags, float sigma_s, float sigma_r); - private static native void edgePreservingFilter_1(long src_nativeObj, long dst_nativeObj, int flags, float sigma_s); - private static native void edgePreservingFilter_2(long src_nativeObj, long dst_nativeObj, int flags); - private static native void edgePreservingFilter_3(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::detailEnhance(Mat src, Mat& dst, float sigma_s = 10, float sigma_r = 0.15f) - private static native void detailEnhance_0(long src_nativeObj, long dst_nativeObj, float sigma_s, float sigma_r); - private static native void detailEnhance_1(long src_nativeObj, long dst_nativeObj, float sigma_s); - private static native void detailEnhance_2(long src_nativeObj, long dst_nativeObj); - - // C++: void cv::pencilSketch(Mat src, Mat& dst1, Mat& dst2, float sigma_s = 60, float sigma_r = 0.07f, float shade_factor = 0.02f) - private static native void pencilSketch_0(long src_nativeObj, long dst1_nativeObj, long dst2_nativeObj, float sigma_s, float sigma_r, float shade_factor); - private static native void pencilSketch_1(long src_nativeObj, long dst1_nativeObj, long dst2_nativeObj, float sigma_s, float sigma_r); - private static native void pencilSketch_2(long src_nativeObj, long dst1_nativeObj, long dst2_nativeObj, float sigma_s); - private static native void pencilSketch_3(long src_nativeObj, long dst1_nativeObj, long dst2_nativeObj); - - // C++: void cv::stylization(Mat src, Mat& dst, float sigma_s = 60, float sigma_r = 0.45f) - private static native void stylization_0(long src_nativeObj, long dst_nativeObj, float sigma_s, float sigma_r); - private static native void stylization_1(long src_nativeObj, long dst_nativeObj, float sigma_s); - private static native void stylization_2(long src_nativeObj, long dst_nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/Tonemap.java b/vendor/opencv/sdk/java/src/org/opencv/photo/Tonemap.java deleted file mode 100644 index 96987dadc5..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/Tonemap.java +++ /dev/null @@ -1,72 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; - -// C++: class Tonemap -/** - * Base class for tonemapping algorithms - tools that are used to map HDR image to 8-bit range. - */ -public class Tonemap extends Algorithm { - - protected Tonemap(long addr) { super(addr); } - - // internal usage only - public static Tonemap __fromPtr__(long addr) { return new Tonemap(addr); } - - // - // C++: void cv::Tonemap::process(Mat src, Mat& dst) - // - - /** - * Tonemaps image - * - * @param src source image - CV_32FC3 Mat (float 32 bits 3 channels) - * @param dst destination image - CV_32FC3 Mat with values in [0, 1] range - */ - public void process(Mat src, Mat dst) { - process_0(nativeObj, src.nativeObj, dst.nativeObj); - } - - - // - // C++: float cv::Tonemap::getGamma() - // - - public float getGamma() { - return getGamma_0(nativeObj); - } - - - // - // C++: void cv::Tonemap::setGamma(float gamma) - // - - public void setGamma(float gamma) { - setGamma_0(nativeObj, gamma); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::Tonemap::process(Mat src, Mat& dst) - private static native void process_0(long nativeObj, long src_nativeObj, long dst_nativeObj); - - // C++: float cv::Tonemap::getGamma() - private static native float getGamma_0(long nativeObj); - - // C++: void cv::Tonemap::setGamma(float gamma) - private static native void setGamma_0(long nativeObj, float gamma); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapDrago.java b/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapDrago.java deleted file mode 100644 index 396f733f9e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapDrago.java +++ /dev/null @@ -1,85 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.photo.Tonemap; - -// C++: class TonemapDrago -/** - * Adaptive logarithmic mapping is a fast global tonemapping algorithm that scales the image in - * logarithmic domain. - * - * Since it's a global operator the same function is applied to all the pixels, it is controlled by the - * bias parameter. - * - * Optional saturation enhancement is possible as described in CITE: FL02 . - * - * For more information see CITE: DM03 . - */ -public class TonemapDrago extends Tonemap { - - protected TonemapDrago(long addr) { super(addr); } - - // internal usage only - public static TonemapDrago __fromPtr__(long addr) { return new TonemapDrago(addr); } - - // - // C++: float cv::TonemapDrago::getSaturation() - // - - public float getSaturation() { - return getSaturation_0(nativeObj); - } - - - // - // C++: void cv::TonemapDrago::setSaturation(float saturation) - // - - public void setSaturation(float saturation) { - setSaturation_0(nativeObj, saturation); - } - - - // - // C++: float cv::TonemapDrago::getBias() - // - - public float getBias() { - return getBias_0(nativeObj); - } - - - // - // C++: void cv::TonemapDrago::setBias(float bias) - // - - public void setBias(float bias) { - setBias_0(nativeObj, bias); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: float cv::TonemapDrago::getSaturation() - private static native float getSaturation_0(long nativeObj); - - // C++: void cv::TonemapDrago::setSaturation(float saturation) - private static native void setSaturation_0(long nativeObj, float saturation); - - // C++: float cv::TonemapDrago::getBias() - private static native float getBias_0(long nativeObj); - - // C++: void cv::TonemapDrago::setBias(float bias) - private static native void setBias_0(long nativeObj, float bias); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapMantiuk.java b/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapMantiuk.java deleted file mode 100644 index 048da0b6c9..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapMantiuk.java +++ /dev/null @@ -1,81 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.photo.Tonemap; - -// C++: class TonemapMantiuk -/** - * This algorithm transforms image to contrast using gradients on all levels of gaussian pyramid, - * transforms contrast values to HVS response and scales the response. After this the image is - * reconstructed from new contrast values. - * - * For more information see CITE: MM06 . - */ -public class TonemapMantiuk extends Tonemap { - - protected TonemapMantiuk(long addr) { super(addr); } - - // internal usage only - public static TonemapMantiuk __fromPtr__(long addr) { return new TonemapMantiuk(addr); } - - // - // C++: float cv::TonemapMantiuk::getScale() - // - - public float getScale() { - return getScale_0(nativeObj); - } - - - // - // C++: void cv::TonemapMantiuk::setScale(float scale) - // - - public void setScale(float scale) { - setScale_0(nativeObj, scale); - } - - - // - // C++: float cv::TonemapMantiuk::getSaturation() - // - - public float getSaturation() { - return getSaturation_0(nativeObj); - } - - - // - // C++: void cv::TonemapMantiuk::setSaturation(float saturation) - // - - public void setSaturation(float saturation) { - setSaturation_0(nativeObj, saturation); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: float cv::TonemapMantiuk::getScale() - private static native float getScale_0(long nativeObj); - - // C++: void cv::TonemapMantiuk::setScale(float scale) - private static native void setScale_0(long nativeObj, float scale); - - // C++: float cv::TonemapMantiuk::getSaturation() - private static native float getSaturation_0(long nativeObj); - - // C++: void cv::TonemapMantiuk::setSaturation(float saturation) - private static native void setSaturation_0(long nativeObj, float saturation); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapReinhard.java b/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapReinhard.java deleted file mode 100644 index cffad6cee1..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/photo/TonemapReinhard.java +++ /dev/null @@ -1,106 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.photo; - -import org.opencv.photo.Tonemap; - -// C++: class TonemapReinhard -/** - * This is a global tonemapping operator that models human visual system. - * - * Mapping function is controlled by adaptation parameter, that is computed using light adaptation and - * color adaptation. - * - * For more information see CITE: RD05 . - */ -public class TonemapReinhard extends Tonemap { - - protected TonemapReinhard(long addr) { super(addr); } - - // internal usage only - public static TonemapReinhard __fromPtr__(long addr) { return new TonemapReinhard(addr); } - - // - // C++: float cv::TonemapReinhard::getIntensity() - // - - public float getIntensity() { - return getIntensity_0(nativeObj); - } - - - // - // C++: void cv::TonemapReinhard::setIntensity(float intensity) - // - - public void setIntensity(float intensity) { - setIntensity_0(nativeObj, intensity); - } - - - // - // C++: float cv::TonemapReinhard::getLightAdaptation() - // - - public float getLightAdaptation() { - return getLightAdaptation_0(nativeObj); - } - - - // - // C++: void cv::TonemapReinhard::setLightAdaptation(float light_adapt) - // - - public void setLightAdaptation(float light_adapt) { - setLightAdaptation_0(nativeObj, light_adapt); - } - - - // - // C++: float cv::TonemapReinhard::getColorAdaptation() - // - - public float getColorAdaptation() { - return getColorAdaptation_0(nativeObj); - } - - - // - // C++: void cv::TonemapReinhard::setColorAdaptation(float color_adapt) - // - - public void setColorAdaptation(float color_adapt) { - setColorAdaptation_0(nativeObj, color_adapt); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: float cv::TonemapReinhard::getIntensity() - private static native float getIntensity_0(long nativeObj); - - // C++: void cv::TonemapReinhard::setIntensity(float intensity) - private static native void setIntensity_0(long nativeObj, float intensity); - - // C++: float cv::TonemapReinhard::getLightAdaptation() - private static native float getLightAdaptation_0(long nativeObj); - - // C++: void cv::TonemapReinhard::setLightAdaptation(float light_adapt) - private static native void setLightAdaptation_0(long nativeObj, float light_adapt); - - // C++: float cv::TonemapReinhard::getColorAdaptation() - private static native float getColorAdaptation_0(long nativeObj); - - // C++: void cv::TonemapReinhard::setColorAdaptation(float color_adapt) - private static native void setColorAdaptation_0(long nativeObj, float color_adapt); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/utils/Converters.java b/vendor/opencv/sdk/java/src/org/opencv/utils/Converters.java deleted file mode 100644 index 35beecbc4b..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/utils/Converters.java +++ /dev/null @@ -1,806 +0,0 @@ -package org.opencv.utils; - -import java.util.ArrayList; -import java.util.List; - -import org.opencv.core.CvType; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfDMatch; -import org.opencv.core.MatOfKeyPoint; -import org.opencv.core.MatOfPoint; -import org.opencv.core.MatOfPoint2f; -import org.opencv.core.MatOfPoint3f; -import org.opencv.core.Point; -import org.opencv.core.Point3; -import org.opencv.core.Size; -import org.opencv.core.Rect; -import org.opencv.core.RotatedRect; -import org.opencv.core.Rect2d; -import org.opencv.core.DMatch; -import org.opencv.core.KeyPoint; - -public class Converters { - - public static Mat vector_Point_to_Mat(List pts) { - return vector_Point_to_Mat(pts, CvType.CV_32S); - } - - public static Mat vector_Point2f_to_Mat(List pts) { - return vector_Point_to_Mat(pts, CvType.CV_32F); - } - - public static Mat vector_Point2d_to_Mat(List pts) { - return vector_Point_to_Mat(pts, CvType.CV_64F); - } - - public static Mat vector_Point_to_Mat(List pts, int typeDepth) { - Mat res; - int count = (pts != null) ? pts.size() : 0; - if (count > 0) { - switch (typeDepth) { - case CvType.CV_32S: { - res = new Mat(count, 1, CvType.CV_32SC2); - int[] buff = new int[count * 2]; - for (int i = 0; i < count; i++) { - Point p = pts.get(i); - buff[i * 2] = (int) p.x; - buff[i * 2 + 1] = (int) p.y; - } - res.put(0, 0, buff); - } - break; - - case CvType.CV_32F: { - res = new Mat(count, 1, CvType.CV_32FC2); - float[] buff = new float[count * 2]; - for (int i = 0; i < count; i++) { - Point p = pts.get(i); - buff[i * 2] = (float) p.x; - buff[i * 2 + 1] = (float) p.y; - } - res.put(0, 0, buff); - } - break; - - case CvType.CV_64F: { - res = new Mat(count, 1, CvType.CV_64FC2); - double[] buff = new double[count * 2]; - for (int i = 0; i < count; i++) { - Point p = pts.get(i); - buff[i * 2] = p.x; - buff[i * 2 + 1] = p.y; - } - res.put(0, 0, buff); - } - break; - - default: - throw new IllegalArgumentException("'typeDepth' can be CV_32S, CV_32F or CV_64F"); - } - } else { - res = new Mat(); - } - return res; - } - - public static Mat vector_Point3i_to_Mat(List pts) { - return vector_Point3_to_Mat(pts, CvType.CV_32S); - } - - public static Mat vector_Point3f_to_Mat(List pts) { - return vector_Point3_to_Mat(pts, CvType.CV_32F); - } - - public static Mat vector_Point3d_to_Mat(List pts) { - return vector_Point3_to_Mat(pts, CvType.CV_64F); - } - - public static Mat vector_Point3_to_Mat(List pts, int typeDepth) { - Mat res; - int count = (pts != null) ? pts.size() : 0; - if (count > 0) { - switch (typeDepth) { - case CvType.CV_32S: { - res = new Mat(count, 1, CvType.CV_32SC3); - int[] buff = new int[count * 3]; - for (int i = 0; i < count; i++) { - Point3 p = pts.get(i); - buff[i * 3] = (int) p.x; - buff[i * 3 + 1] = (int) p.y; - buff[i * 3 + 2] = (int) p.z; - } - res.put(0, 0, buff); - } - break; - - case CvType.CV_32F: { - res = new Mat(count, 1, CvType.CV_32FC3); - float[] buff = new float[count * 3]; - for (int i = 0; i < count; i++) { - Point3 p = pts.get(i); - buff[i * 3] = (float) p.x; - buff[i * 3 + 1] = (float) p.y; - buff[i * 3 + 2] = (float) p.z; - } - res.put(0, 0, buff); - } - break; - - case CvType.CV_64F: { - res = new Mat(count, 1, CvType.CV_64FC3); - double[] buff = new double[count * 3]; - for (int i = 0; i < count; i++) { - Point3 p = pts.get(i); - buff[i * 3] = p.x; - buff[i * 3 + 1] = p.y; - buff[i * 3 + 2] = p.z; - } - res.put(0, 0, buff); - } - break; - - default: - throw new IllegalArgumentException("'typeDepth' can be CV_32S, CV_32F or CV_64F"); - } - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_Point2f(Mat m, List pts) { - Mat_to_vector_Point(m, pts); - } - - public static void Mat_to_vector_Point2d(Mat m, List pts) { - Mat_to_vector_Point(m, pts); - } - - public static void Mat_to_vector_Point(Mat m, List pts) { - if (pts == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - int type = m.type(); - if (m.cols() != 1) - throw new IllegalArgumentException("Input Mat should have one column\n" + m); - - pts.clear(); - if (type == CvType.CV_32SC2) { - int[] buff = new int[2 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point(buff[i * 2], buff[i * 2 + 1])); - } - } else if (type == CvType.CV_32FC2) { - float[] buff = new float[2 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point(buff[i * 2], buff[i * 2 + 1])); - } - } else if (type == CvType.CV_64FC2) { - double[] buff = new double[2 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point(buff[i * 2], buff[i * 2 + 1])); - } - } else { - throw new IllegalArgumentException( - "Input Mat should be of CV_32SC2, CV_32FC2 or CV_64FC2 type\n" + m); - } - } - - public static void Mat_to_vector_Point3i(Mat m, List pts) { - Mat_to_vector_Point3(m, pts); - } - - public static void Mat_to_vector_Point3f(Mat m, List pts) { - Mat_to_vector_Point3(m, pts); - } - - public static void Mat_to_vector_Point3d(Mat m, List pts) { - Mat_to_vector_Point3(m, pts); - } - - public static void Mat_to_vector_Point3(Mat m, List pts) { - if (pts == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - int type = m.type(); - if (m.cols() != 1) - throw new IllegalArgumentException("Input Mat should have one column\n" + m); - - pts.clear(); - if (type == CvType.CV_32SC3) { - int[] buff = new int[3 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point3(buff[i * 3], buff[i * 3 + 1], buff[i * 3 + 2])); - } - } else if (type == CvType.CV_32FC3) { - float[] buff = new float[3 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point3(buff[i * 3], buff[i * 3 + 1], buff[i * 3 + 2])); - } - } else if (type == CvType.CV_64FC3) { - double[] buff = new double[3 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - pts.add(new Point3(buff[i * 3], buff[i * 3 + 1], buff[i * 3 + 2])); - } - } else { - throw new IllegalArgumentException( - "Input Mat should be of CV_32SC3, CV_32FC3 or CV_64FC3 type\n" + m); - } - } - - public static Mat vector_Mat_to_Mat(List mats) { - Mat res; - int count = (mats != null) ? mats.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_32SC2); - int[] buff = new int[count * 2]; - for (int i = 0; i < count; i++) { - long addr = mats.get(i).nativeObj; - buff[i * 2] = (int) (addr >> 32); - buff[i * 2 + 1] = (int) (addr & 0xffffffff); - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_Mat(Mat m, List mats) { - if (mats == null) - throw new IllegalArgumentException("mats == null"); - int count = m.rows(); - if (CvType.CV_32SC2 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_32SC2 != m.type() || m.cols()!=1\n" + m); - - mats.clear(); - int[] buff = new int[count * 2]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - long addr = (((long) buff[i * 2]) << 32) | (((long) buff[i * 2 + 1]) & 0xffffffffL); - mats.add(new Mat(addr)); - } - } - - public static Mat vector_float_to_Mat(List fs) { - Mat res; - int count = (fs != null) ? fs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_32FC1); - float[] buff = new float[count]; - for (int i = 0; i < count; i++) { - float f = fs.get(i); - buff[i] = f; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_float(Mat m, List fs) { - if (fs == null) - throw new IllegalArgumentException("fs == null"); - int count = m.rows(); - if (CvType.CV_32FC1 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_32FC1 != m.type() || m.cols()!=1\n" + m); - - fs.clear(); - float[] buff = new float[count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - fs.add(buff[i]); - } - } - - public static Mat vector_uchar_to_Mat(List bs) { - Mat res; - int count = (bs != null) ? bs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_8UC1); - byte[] buff = new byte[count]; - for (int i = 0; i < count; i++) { - byte b = bs.get(i); - buff[i] = b; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_uchar(Mat m, List us) { - if (us == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - if (CvType.CV_8UC1 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_8UC1 != m.type() || m.cols()!=1\n" + m); - - us.clear(); - byte[] buff = new byte[count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - us.add(buff[i]); - } - } - - public static Mat vector_char_to_Mat(List bs) { - Mat res; - int count = (bs != null) ? bs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_8SC1); - byte[] buff = new byte[count]; - for (int i = 0; i < count; i++) { - byte b = bs.get(i); - buff[i] = b; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static Mat vector_int_to_Mat(List is) { - Mat res; - int count = (is != null) ? is.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_32SC1); - int[] buff = new int[count]; - for (int i = 0; i < count; i++) { - int v = is.get(i); - buff[i] = v; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_int(Mat m, List is) { - if (is == null) - throw new IllegalArgumentException("is == null"); - int count = m.rows(); - if (CvType.CV_32SC1 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_32SC1 != m.type() || m.cols()!=1\n" + m); - - is.clear(); - int[] buff = new int[count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - is.add(buff[i]); - } - } - - public static void Mat_to_vector_char(Mat m, List bs) { - if (bs == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - if (CvType.CV_8SC1 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_8SC1 != m.type() || m.cols()!=1\n" + m); - - bs.clear(); - byte[] buff = new byte[count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - bs.add(buff[i]); - } - } - - public static Mat vector_Rect_to_Mat(List rs) { - Mat res; - int count = (rs != null) ? rs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_32SC4); - int[] buff = new int[4 * count]; - for (int i = 0; i < count; i++) { - Rect r = rs.get(i); - buff[4 * i] = r.x; - buff[4 * i + 1] = r.y; - buff[4 * i + 2] = r.width; - buff[4 * i + 3] = r.height; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_Rect(Mat m, List rs) { - if (rs == null) - throw new IllegalArgumentException("rs == null"); - int count = m.rows(); - if (CvType.CV_32SC4 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_32SC4 != m.type() || m.rows()!=1\n" + m); - - rs.clear(); - int[] buff = new int[4 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - rs.add(new Rect(buff[4 * i], buff[4 * i + 1], buff[4 * i + 2], buff[4 * i + 3])); - } - } - - public static Mat vector_Rect2d_to_Mat(List rs) { - Mat res; - int count = (rs != null) ? rs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_64FC4); - double[] buff = new double[4 * count]; - for (int i = 0; i < count; i++) { - Rect2d r = rs.get(i); - buff[4 * i] = r.x; - buff[4 * i + 1] = r.y; - buff[4 * i + 2] = r.width; - buff[4 * i + 3] = r.height; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_Rect2d(Mat m, List rs) { - if (rs == null) - throw new IllegalArgumentException("rs == null"); - int count = m.rows(); - if (CvType.CV_64FC4 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_64FC4 != m.type() || m.rows()!=1\n" + m); - - rs.clear(); - double[] buff = new double[4 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - rs.add(new Rect2d(buff[4 * i], buff[4 * i + 1], buff[4 * i + 2], buff[4 * i + 3])); - } - } - - public static Mat vector_KeyPoint_to_Mat(List kps) { - Mat res; - int count = (kps != null) ? kps.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_64FC(7)); - double[] buff = new double[count * 7]; - for (int i = 0; i < count; i++) { - KeyPoint kp = kps.get(i); - buff[7 * i] = kp.pt.x; - buff[7 * i + 1] = kp.pt.y; - buff[7 * i + 2] = kp.size; - buff[7 * i + 3] = kp.angle; - buff[7 * i + 4] = kp.response; - buff[7 * i + 5] = kp.octave; - buff[7 * i + 6] = kp.class_id; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_KeyPoint(Mat m, List kps) { - if (kps == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - if (CvType.CV_64FC(7) != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_64FC(7) != m.type() || m.cols()!=1\n" + m); - - kps.clear(); - double[] buff = new double[7 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - kps.add(new KeyPoint((float) buff[7 * i], (float) buff[7 * i + 1], (float) buff[7 * i + 2], (float) buff[7 * i + 3], - (float) buff[7 * i + 4], (int) buff[7 * i + 5], (int) buff[7 * i + 6])); - } - } - - // vector_vector_Point - public static Mat vector_vector_Point_to_Mat(List pts, List mats) { - Mat res; - int lCount = (pts != null) ? pts.size() : 0; - if (lCount > 0) { - mats.addAll(pts); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_vector_Point(Mat m, List pts) { - if (pts == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - for (Mat mi : mats) { - MatOfPoint pt = new MatOfPoint(mi); - pts.add(pt); - mi.release(); - } - mats.clear(); - } - - // vector_vector_Point2f - public static void Mat_to_vector_vector_Point2f(Mat m, List pts) { - if (pts == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - for (Mat mi : mats) { - MatOfPoint2f pt = new MatOfPoint2f(mi); - pts.add(pt); - mi.release(); - } - mats.clear(); - } - - // vector_vector_Point2f - public static Mat vector_vector_Point2f_to_Mat(List pts, List mats) { - Mat res; - int lCount = (pts != null) ? pts.size() : 0; - if (lCount > 0) { - mats.addAll(pts); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - // vector_vector_Point3f - public static void Mat_to_vector_vector_Point3f(Mat m, List pts) { - if (pts == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - for (Mat mi : mats) { - MatOfPoint3f pt = new MatOfPoint3f(mi); - pts.add(pt); - mi.release(); - } - mats.clear(); - } - - // vector_vector_Point3f - public static Mat vector_vector_Point3f_to_Mat(List pts, List mats) { - Mat res; - int lCount = (pts != null) ? pts.size() : 0; - if (lCount > 0) { - mats.addAll(pts); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - // vector_vector_KeyPoint - public static Mat vector_vector_KeyPoint_to_Mat(List kps, List mats) { - Mat res; - int lCount = (kps != null) ? kps.size() : 0; - if (lCount > 0) { - mats.addAll(kps); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_vector_KeyPoint(Mat m, List kps) { - if (kps == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - for (Mat mi : mats) { - MatOfKeyPoint vkp = new MatOfKeyPoint(mi); - kps.add(vkp); - mi.release(); - } - mats.clear(); - } - - public static Mat vector_double_to_Mat(List ds) { - Mat res; - int count = (ds != null) ? ds.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_64FC1); - double[] buff = new double[count]; - for (int i = 0; i < count; i++) { - double v = ds.get(i); - buff[i] = v; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_double(Mat m, List ds) { - if (ds == null) - throw new IllegalArgumentException("ds == null"); - int count = m.rows(); - if (CvType.CV_64FC1 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_64FC1 != m.type() || m.cols()!=1\n" + m); - - ds.clear(); - double[] buff = new double[count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - ds.add(buff[i]); - } - } - - public static Mat vector_DMatch_to_Mat(List matches) { - Mat res; - int count = (matches != null) ? matches.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_64FC4); - double[] buff = new double[count * 4]; - for (int i = 0; i < count; i++) { - DMatch m = matches.get(i); - buff[4 * i] = m.queryIdx; - buff[4 * i + 1] = m.trainIdx; - buff[4 * i + 2] = m.imgIdx; - buff[4 * i + 3] = m.distance; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_DMatch(Mat m, List matches) { - if (matches == null) - throw new IllegalArgumentException("Output List can't be null"); - int count = m.rows(); - if (CvType.CV_64FC4 != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_64FC4 != m.type() || m.cols()!=1\n" + m); - - matches.clear(); - double[] buff = new double[4 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - matches.add(new DMatch((int) buff[4 * i], (int) buff[4 * i + 1], (int) buff[4 * i + 2], (float) buff[4 * i + 3])); - } - } - - // vector_vector_DMatch - public static Mat vector_vector_DMatch_to_Mat(List lvdm, List mats) { - Mat res; - int lCount = (lvdm != null) ? lvdm.size() : 0; - if (lCount > 0) { - mats.addAll(lvdm); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_vector_DMatch(Mat m, List lvdm) { - if (lvdm == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - lvdm.clear(); - for (Mat mi : mats) { - MatOfDMatch vdm = new MatOfDMatch(mi); - lvdm.add(vdm); - mi.release(); - } - mats.clear(); - } - - // vector_vector_char - public static Mat vector_vector_char_to_Mat(List lvb, List mats) { - Mat res; - int lCount = (lvb != null) ? lvb.size() : 0; - if (lCount > 0) { - mats.addAll(lvb); - res = vector_Mat_to_Mat(mats); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_vector_char(Mat m, List> llb) { - if (llb == null) - throw new IllegalArgumentException("Output List can't be null"); - - if (m == null) - throw new IllegalArgumentException("Input Mat can't be null"); - - List mats = new ArrayList(m.rows()); - Mat_to_vector_Mat(m, mats); - for (Mat mi : mats) { - List lb = new ArrayList(); - Mat_to_vector_char(mi, lb); - llb.add(lb); - mi.release(); - } - mats.clear(); - } - - public static Mat vector_RotatedRect_to_Mat(List rs) { - Mat res; - int count = (rs != null) ? rs.size() : 0; - if (count > 0) { - res = new Mat(count, 1, CvType.CV_32FC(5)); - float[] buff = new float[5 * count]; - for (int i = 0; i < count; i++) { - RotatedRect r = rs.get(i); - buff[5 * i] = (float)r.center.x; - buff[5 * i + 1] = (float)r.center.y; - buff[5 * i + 2] = (float)r.size.width; - buff[5 * i + 3] = (float)r.size.height; - buff[5 * i + 4] = (float)r.angle; - } - res.put(0, 0, buff); - } else { - res = new Mat(); - } - return res; - } - - public static void Mat_to_vector_RotatedRect(Mat m, List rs) { - if (rs == null) - throw new IllegalArgumentException("rs == null"); - int count = m.rows(); - if (CvType.CV_32FC(5) != m.type() || m.cols() != 1) - throw new IllegalArgumentException( - "CvType.CV_32FC5 != m.type() || m.rows()!=1\n" + m); - - rs.clear(); - float[] buff = new float[5 * count]; - m.get(0, 0, buff); - for (int i = 0; i < count; i++) { - rs.add(new RotatedRect(new Point(buff[5 * i], buff[5 * i + 1]), new Size(buff[5 * i + 2], buff[5 * i + 3]), buff[5 * i + 4])); - } - } -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractor.java b/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractor.java deleted file mode 100644 index edac1a8666..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractor.java +++ /dev/null @@ -1,89 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; - -// C++: class BackgroundSubtractor -/** - * Base class for background/foreground segmentation. : - * - * The class is only used to define the common interface for the whole family of background/foreground - * segmentation algorithms. - */ -public class BackgroundSubtractor extends Algorithm { - - protected BackgroundSubtractor(long addr) { super(addr); } - - // internal usage only - public static BackgroundSubtractor __fromPtr__(long addr) { return new BackgroundSubtractor(addr); } - - // - // C++: void cv::BackgroundSubtractor::apply(Mat image, Mat& fgmask, double learningRate = -1) - // - - /** - * Computes a foreground mask. - * - * @param image Next video frame. - * @param fgmask The output foreground mask as an 8-bit binary image. - * @param learningRate The value between 0 and 1 that indicates how fast the background model is - * learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - * rate. 0 means that the background model is not updated at all, 1 means that the background model - * is completely reinitialized from the last frame. - */ - public void apply(Mat image, Mat fgmask, double learningRate) { - apply_0(nativeObj, image.nativeObj, fgmask.nativeObj, learningRate); - } - - /** - * Computes a foreground mask. - * - * @param image Next video frame. - * @param fgmask The output foreground mask as an 8-bit binary image. - * learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - * rate. 0 means that the background model is not updated at all, 1 means that the background model - * is completely reinitialized from the last frame. - */ - public void apply(Mat image, Mat fgmask) { - apply_1(nativeObj, image.nativeObj, fgmask.nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractor::getBackgroundImage(Mat& backgroundImage) - // - - /** - * Computes a background image. - * - * @param backgroundImage The output background image. - * - * Note: Sometimes the background image can be very blurry, as it contain the average background - * statistics. - */ - public void getBackgroundImage(Mat backgroundImage) { - getBackgroundImage_0(nativeObj, backgroundImage.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::BackgroundSubtractor::apply(Mat image, Mat& fgmask, double learningRate = -1) - private static native void apply_0(long nativeObj, long image_nativeObj, long fgmask_nativeObj, double learningRate); - private static native void apply_1(long nativeObj, long image_nativeObj, long fgmask_nativeObj); - - // C++: void cv::BackgroundSubtractor::getBackgroundImage(Mat& backgroundImage) - private static native void getBackgroundImage_0(long nativeObj, long backgroundImage_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorKNN.java b/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorKNN.java deleted file mode 100644 index 3bd500905a..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorKNN.java +++ /dev/null @@ -1,275 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.video.BackgroundSubtractor; - -// C++: class BackgroundSubtractorKNN -/** - * K-nearest neighbours - based Background/Foreground Segmentation Algorithm. - * - * The class implements the K-nearest neighbours background subtraction described in CITE: Zivkovic2006 . - * Very efficient if number of foreground pixels is low. - */ -public class BackgroundSubtractorKNN extends BackgroundSubtractor { - - protected BackgroundSubtractorKNN(long addr) { super(addr); } - - // internal usage only - public static BackgroundSubtractorKNN __fromPtr__(long addr) { return new BackgroundSubtractorKNN(addr); } - - // - // C++: int cv::BackgroundSubtractorKNN::getHistory() - // - - /** - * Returns the number of last frames that affect the background model - * @return automatically generated - */ - public int getHistory() { - return getHistory_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setHistory(int history) - // - - /** - * Sets the number of last frames that affect the background model - * @param history automatically generated - */ - public void setHistory(int history) { - setHistory_0(nativeObj, history); - } - - - // - // C++: int cv::BackgroundSubtractorKNN::getNSamples() - // - - /** - * Returns the number of data samples in the background model - * @return automatically generated - */ - public int getNSamples() { - return getNSamples_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setNSamples(int _nN) - // - - /** - * Sets the number of data samples in the background model. - * - * The model needs to be reinitalized to reserve memory. - * @param _nN automatically generated - */ - public void setNSamples(int _nN) { - setNSamples_0(nativeObj, _nN); - } - - - // - // C++: double cv::BackgroundSubtractorKNN::getDist2Threshold() - // - - /** - * Returns the threshold on the squared distance between the pixel and the sample - * - * The threshold on the squared distance between the pixel and the sample to decide whether a pixel is - * close to a data sample. - * @return automatically generated - */ - public double getDist2Threshold() { - return getDist2Threshold_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setDist2Threshold(double _dist2Threshold) - // - - /** - * Sets the threshold on the squared distance - * @param _dist2Threshold automatically generated - */ - public void setDist2Threshold(double _dist2Threshold) { - setDist2Threshold_0(nativeObj, _dist2Threshold); - } - - - // - // C++: int cv::BackgroundSubtractorKNN::getkNNSamples() - // - - /** - * Returns the number of neighbours, the k in the kNN. - * - * K is the number of samples that need to be within dist2Threshold in order to decide that that - * pixel is matching the kNN background model. - * @return automatically generated - */ - public int getkNNSamples() { - return getkNNSamples_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setkNNSamples(int _nkNN) - // - - /** - * Sets the k in the kNN. How many nearest neighbours need to match. - * @param _nkNN automatically generated - */ - public void setkNNSamples(int _nkNN) { - setkNNSamples_0(nativeObj, _nkNN); - } - - - // - // C++: bool cv::BackgroundSubtractorKNN::getDetectShadows() - // - - /** - * Returns the shadow detection flag - * - * If true, the algorithm detects shadows and marks them. See createBackgroundSubtractorKNN for - * details. - * @return automatically generated - */ - public boolean getDetectShadows() { - return getDetectShadows_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setDetectShadows(bool detectShadows) - // - - /** - * Enables or disables shadow detection - * @param detectShadows automatically generated - */ - public void setDetectShadows(boolean detectShadows) { - setDetectShadows_0(nativeObj, detectShadows); - } - - - // - // C++: int cv::BackgroundSubtractorKNN::getShadowValue() - // - - /** - * Returns the shadow value - * - * Shadow value is the value used to mark shadows in the foreground mask. Default value is 127. Value 0 - * in the mask always means background, 255 means foreground. - * @return automatically generated - */ - public int getShadowValue() { - return getShadowValue_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setShadowValue(int value) - // - - /** - * Sets the shadow value - * @param value automatically generated - */ - public void setShadowValue(int value) { - setShadowValue_0(nativeObj, value); - } - - - // - // C++: double cv::BackgroundSubtractorKNN::getShadowThreshold() - // - - /** - * Returns the shadow threshold - * - * A shadow is detected if pixel is a darker version of the background. The shadow threshold (Tau in - * the paper) is a threshold defining how much darker the shadow can be. Tau= 0.5 means that if a pixel - * is more than twice darker then it is not shadow. See Prati, Mikic, Trivedi and Cucchiara, - * Detecting Moving Shadows...*, IEEE PAMI,2003. - * @return automatically generated - */ - public double getShadowThreshold() { - return getShadowThreshold_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorKNN::setShadowThreshold(double threshold) - // - - /** - * Sets the shadow threshold - * @param threshold automatically generated - */ - public void setShadowThreshold(double threshold) { - setShadowThreshold_0(nativeObj, threshold); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::BackgroundSubtractorKNN::getHistory() - private static native int getHistory_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setHistory(int history) - private static native void setHistory_0(long nativeObj, int history); - - // C++: int cv::BackgroundSubtractorKNN::getNSamples() - private static native int getNSamples_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setNSamples(int _nN) - private static native void setNSamples_0(long nativeObj, int _nN); - - // C++: double cv::BackgroundSubtractorKNN::getDist2Threshold() - private static native double getDist2Threshold_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setDist2Threshold(double _dist2Threshold) - private static native void setDist2Threshold_0(long nativeObj, double _dist2Threshold); - - // C++: int cv::BackgroundSubtractorKNN::getkNNSamples() - private static native int getkNNSamples_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setkNNSamples(int _nkNN) - private static native void setkNNSamples_0(long nativeObj, int _nkNN); - - // C++: bool cv::BackgroundSubtractorKNN::getDetectShadows() - private static native boolean getDetectShadows_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setDetectShadows(bool detectShadows) - private static native void setDetectShadows_0(long nativeObj, boolean detectShadows); - - // C++: int cv::BackgroundSubtractorKNN::getShadowValue() - private static native int getShadowValue_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setShadowValue(int value) - private static native void setShadowValue_0(long nativeObj, int value); - - // C++: double cv::BackgroundSubtractorKNN::getShadowThreshold() - private static native double getShadowThreshold_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorKNN::setShadowThreshold(double threshold) - private static native void setShadowThreshold_0(long nativeObj, double threshold); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorMOG2.java b/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorMOG2.java deleted file mode 100644 index 99b0bf7405..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/BackgroundSubtractorMOG2.java +++ /dev/null @@ -1,467 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Mat; -import org.opencv.video.BackgroundSubtractor; - -// C++: class BackgroundSubtractorMOG2 -/** - * Gaussian Mixture-based Background/Foreground Segmentation Algorithm. - * - * The class implements the Gaussian mixture model background subtraction described in CITE: Zivkovic2004 - * and CITE: Zivkovic2006 . - */ -public class BackgroundSubtractorMOG2 extends BackgroundSubtractor { - - protected BackgroundSubtractorMOG2(long addr) { super(addr); } - - // internal usage only - public static BackgroundSubtractorMOG2 __fromPtr__(long addr) { return new BackgroundSubtractorMOG2(addr); } - - // - // C++: int cv::BackgroundSubtractorMOG2::getHistory() - // - - /** - * Returns the number of last frames that affect the background model - * @return automatically generated - */ - public int getHistory() { - return getHistory_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setHistory(int history) - // - - /** - * Sets the number of last frames that affect the background model - * @param history automatically generated - */ - public void setHistory(int history) { - setHistory_0(nativeObj, history); - } - - - // - // C++: int cv::BackgroundSubtractorMOG2::getNMixtures() - // - - /** - * Returns the number of gaussian components in the background model - * @return automatically generated - */ - public int getNMixtures() { - return getNMixtures_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setNMixtures(int nmixtures) - // - - /** - * Sets the number of gaussian components in the background model. - * - * The model needs to be reinitalized to reserve memory. - * @param nmixtures automatically generated - */ - public void setNMixtures(int nmixtures) { - setNMixtures_0(nativeObj, nmixtures); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getBackgroundRatio() - // - - /** - * Returns the "background ratio" parameter of the algorithm - * - * If a foreground pixel keeps semi-constant value for about backgroundRatio\*history frames, it's - * considered background and added to the model as a center of a new component. It corresponds to TB - * parameter in the paper. - * @return automatically generated - */ - public double getBackgroundRatio() { - return getBackgroundRatio_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setBackgroundRatio(double ratio) - // - - /** - * Sets the "background ratio" parameter of the algorithm - * @param ratio automatically generated - */ - public void setBackgroundRatio(double ratio) { - setBackgroundRatio_0(nativeObj, ratio); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getVarThreshold() - // - - /** - * Returns the variance threshold for the pixel-model match - * - * The main threshold on the squared Mahalanobis distance to decide if the sample is well described by - * the background model or not. Related to Cthr from the paper. - * @return automatically generated - */ - public double getVarThreshold() { - return getVarThreshold_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setVarThreshold(double varThreshold) - // - - /** - * Sets the variance threshold for the pixel-model match - * @param varThreshold automatically generated - */ - public void setVarThreshold(double varThreshold) { - setVarThreshold_0(nativeObj, varThreshold); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getVarThresholdGen() - // - - /** - * Returns the variance threshold for the pixel-model match used for new mixture component generation - * - * Threshold for the squared Mahalanobis distance that helps decide when a sample is close to the - * existing components (corresponds to Tg in the paper). If a pixel is not close to any component, it - * is considered foreground or added as a new component. 3 sigma => Tg=3\*3=9 is default. A smaller Tg - * value generates more components. A higher Tg value may result in a small number of components but - * they can grow too large. - * @return automatically generated - */ - public double getVarThresholdGen() { - return getVarThresholdGen_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setVarThresholdGen(double varThresholdGen) - // - - /** - * Sets the variance threshold for the pixel-model match used for new mixture component generation - * @param varThresholdGen automatically generated - */ - public void setVarThresholdGen(double varThresholdGen) { - setVarThresholdGen_0(nativeObj, varThresholdGen); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getVarInit() - // - - /** - * Returns the initial variance of each gaussian component - * @return automatically generated - */ - public double getVarInit() { - return getVarInit_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setVarInit(double varInit) - // - - /** - * Sets the initial variance of each gaussian component - * @param varInit automatically generated - */ - public void setVarInit(double varInit) { - setVarInit_0(nativeObj, varInit); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getVarMin() - // - - public double getVarMin() { - return getVarMin_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setVarMin(double varMin) - // - - public void setVarMin(double varMin) { - setVarMin_0(nativeObj, varMin); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getVarMax() - // - - public double getVarMax() { - return getVarMax_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setVarMax(double varMax) - // - - public void setVarMax(double varMax) { - setVarMax_0(nativeObj, varMax); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getComplexityReductionThreshold() - // - - /** - * Returns the complexity reduction threshold - * - * This parameter defines the number of samples needed to accept to prove the component exists. CT=0.05 - * is a default value for all the samples. By setting CT=0 you get an algorithm very similar to the - * standard Stauffer&Grimson algorithm. - * @return automatically generated - */ - public double getComplexityReductionThreshold() { - return getComplexityReductionThreshold_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setComplexityReductionThreshold(double ct) - // - - /** - * Sets the complexity reduction threshold - * @param ct automatically generated - */ - public void setComplexityReductionThreshold(double ct) { - setComplexityReductionThreshold_0(nativeObj, ct); - } - - - // - // C++: bool cv::BackgroundSubtractorMOG2::getDetectShadows() - // - - /** - * Returns the shadow detection flag - * - * If true, the algorithm detects shadows and marks them. See createBackgroundSubtractorMOG2 for - * details. - * @return automatically generated - */ - public boolean getDetectShadows() { - return getDetectShadows_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setDetectShadows(bool detectShadows) - // - - /** - * Enables or disables shadow detection - * @param detectShadows automatically generated - */ - public void setDetectShadows(boolean detectShadows) { - setDetectShadows_0(nativeObj, detectShadows); - } - - - // - // C++: int cv::BackgroundSubtractorMOG2::getShadowValue() - // - - /** - * Returns the shadow value - * - * Shadow value is the value used to mark shadows in the foreground mask. Default value is 127. Value 0 - * in the mask always means background, 255 means foreground. - * @return automatically generated - */ - public int getShadowValue() { - return getShadowValue_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setShadowValue(int value) - // - - /** - * Sets the shadow value - * @param value automatically generated - */ - public void setShadowValue(int value) { - setShadowValue_0(nativeObj, value); - } - - - // - // C++: double cv::BackgroundSubtractorMOG2::getShadowThreshold() - // - - /** - * Returns the shadow threshold - * - * A shadow is detected if pixel is a darker version of the background. The shadow threshold (Tau in - * the paper) is a threshold defining how much darker the shadow can be. Tau= 0.5 means that if a pixel - * is more than twice darker then it is not shadow. See Prati, Mikic, Trivedi and Cucchiara, - * Detecting Moving Shadows...*, IEEE PAMI,2003. - * @return automatically generated - */ - public double getShadowThreshold() { - return getShadowThreshold_0(nativeObj); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::setShadowThreshold(double threshold) - // - - /** - * Sets the shadow threshold - * @param threshold automatically generated - */ - public void setShadowThreshold(double threshold) { - setShadowThreshold_0(nativeObj, threshold); - } - - - // - // C++: void cv::BackgroundSubtractorMOG2::apply(Mat image, Mat& fgmask, double learningRate = -1) - // - - /** - * Computes a foreground mask. - * - * @param image Next video frame. Floating point frame will be used without scaling and should be in range \([0,255]\). - * @param fgmask The output foreground mask as an 8-bit binary image. - * @param learningRate The value between 0 and 1 that indicates how fast the background model is - * learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - * rate. 0 means that the background model is not updated at all, 1 means that the background model - * is completely reinitialized from the last frame. - */ - public void apply(Mat image, Mat fgmask, double learningRate) { - apply_0(nativeObj, image.nativeObj, fgmask.nativeObj, learningRate); - } - - /** - * Computes a foreground mask. - * - * @param image Next video frame. Floating point frame will be used without scaling and should be in range \([0,255]\). - * @param fgmask The output foreground mask as an 8-bit binary image. - * learnt. Negative parameter value makes the algorithm to use some automatically chosen learning - * rate. 0 means that the background model is not updated at all, 1 means that the background model - * is completely reinitialized from the last frame. - */ - public void apply(Mat image, Mat fgmask) { - apply_1(nativeObj, image.nativeObj, fgmask.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::BackgroundSubtractorMOG2::getHistory() - private static native int getHistory_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setHistory(int history) - private static native void setHistory_0(long nativeObj, int history); - - // C++: int cv::BackgroundSubtractorMOG2::getNMixtures() - private static native int getNMixtures_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setNMixtures(int nmixtures) - private static native void setNMixtures_0(long nativeObj, int nmixtures); - - // C++: double cv::BackgroundSubtractorMOG2::getBackgroundRatio() - private static native double getBackgroundRatio_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setBackgroundRatio(double ratio) - private static native void setBackgroundRatio_0(long nativeObj, double ratio); - - // C++: double cv::BackgroundSubtractorMOG2::getVarThreshold() - private static native double getVarThreshold_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setVarThreshold(double varThreshold) - private static native void setVarThreshold_0(long nativeObj, double varThreshold); - - // C++: double cv::BackgroundSubtractorMOG2::getVarThresholdGen() - private static native double getVarThresholdGen_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setVarThresholdGen(double varThresholdGen) - private static native void setVarThresholdGen_0(long nativeObj, double varThresholdGen); - - // C++: double cv::BackgroundSubtractorMOG2::getVarInit() - private static native double getVarInit_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setVarInit(double varInit) - private static native void setVarInit_0(long nativeObj, double varInit); - - // C++: double cv::BackgroundSubtractorMOG2::getVarMin() - private static native double getVarMin_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setVarMin(double varMin) - private static native void setVarMin_0(long nativeObj, double varMin); - - // C++: double cv::BackgroundSubtractorMOG2::getVarMax() - private static native double getVarMax_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setVarMax(double varMax) - private static native void setVarMax_0(long nativeObj, double varMax); - - // C++: double cv::BackgroundSubtractorMOG2::getComplexityReductionThreshold() - private static native double getComplexityReductionThreshold_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setComplexityReductionThreshold(double ct) - private static native void setComplexityReductionThreshold_0(long nativeObj, double ct); - - // C++: bool cv::BackgroundSubtractorMOG2::getDetectShadows() - private static native boolean getDetectShadows_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setDetectShadows(bool detectShadows) - private static native void setDetectShadows_0(long nativeObj, boolean detectShadows); - - // C++: int cv::BackgroundSubtractorMOG2::getShadowValue() - private static native int getShadowValue_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setShadowValue(int value) - private static native void setShadowValue_0(long nativeObj, int value); - - // C++: double cv::BackgroundSubtractorMOG2::getShadowThreshold() - private static native double getShadowThreshold_0(long nativeObj); - - // C++: void cv::BackgroundSubtractorMOG2::setShadowThreshold(double threshold) - private static native void setShadowThreshold_0(long nativeObj, double threshold); - - // C++: void cv::BackgroundSubtractorMOG2::apply(Mat image, Mat& fgmask, double learningRate = -1) - private static native void apply_0(long nativeObj, long image_nativeObj, long fgmask_nativeObj, double learningRate); - private static native void apply_1(long nativeObj, long image_nativeObj, long fgmask_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/DISOpticalFlow.java b/vendor/opencv/sdk/java/src/org/opencv/video/DISOpticalFlow.java deleted file mode 100644 index 29f1cf224c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/DISOpticalFlow.java +++ /dev/null @@ -1,450 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.video.DISOpticalFlow; -import org.opencv.video.DenseOpticalFlow; - -// C++: class DISOpticalFlow -/** - * DIS optical flow algorithm. - * - * This class implements the Dense Inverse Search (DIS) optical flow algorithm. More - * details about the algorithm can be found at CITE: Kroeger2016 . Includes three presets with preselected - * parameters to provide reasonable trade-off between speed and quality. However, even the slowest preset is - * still relatively fast, use DeepFlow if you need better quality and don't care about speed. - * - * This implementation includes several additional features compared to the algorithm described in the paper, - * including spatial propagation of flow vectors (REF: getUseSpatialPropagation), as well as an option to - * utilize an initial flow approximation passed to REF: calc (which is, essentially, temporal propagation, - * if the previous frame's flow field is passed). - */ -public class DISOpticalFlow extends DenseOpticalFlow { - - protected DISOpticalFlow(long addr) { super(addr); } - - // internal usage only - public static DISOpticalFlow __fromPtr__(long addr) { return new DISOpticalFlow(addr); } - - // C++: enum - public static final int - PRESET_ULTRAFAST = 0, - PRESET_FAST = 1, - PRESET_MEDIUM = 2; - - - // - // C++: int cv::DISOpticalFlow::getFinestScale() - // - - /** - * Finest level of the Gaussian pyramid on which the flow is computed (zero level - * corresponds to the original image resolution). The final flow is obtained by bilinear upscaling. - * SEE: setFinestScale - * @return automatically generated - */ - public int getFinestScale() { - return getFinestScale_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setFinestScale(int val) - // - - /** - * getFinestScale SEE: getFinestScale - * @param val automatically generated - */ - public void setFinestScale(int val) { - setFinestScale_0(nativeObj, val); - } - - - // - // C++: int cv::DISOpticalFlow::getPatchSize() - // - - /** - * Size of an image patch for matching (in pixels). Normally, default 8x8 patches work well - * enough in most cases. - * SEE: setPatchSize - * @return automatically generated - */ - public int getPatchSize() { - return getPatchSize_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setPatchSize(int val) - // - - /** - * getPatchSize SEE: getPatchSize - * @param val automatically generated - */ - public void setPatchSize(int val) { - setPatchSize_0(nativeObj, val); - } - - - // - // C++: int cv::DISOpticalFlow::getPatchStride() - // - - /** - * Stride between neighbor patches. Must be less than patch size. Lower values correspond - * to higher flow quality. - * SEE: setPatchStride - * @return automatically generated - */ - public int getPatchStride() { - return getPatchStride_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setPatchStride(int val) - // - - /** - * getPatchStride SEE: getPatchStride - * @param val automatically generated - */ - public void setPatchStride(int val) { - setPatchStride_0(nativeObj, val); - } - - - // - // C++: int cv::DISOpticalFlow::getGradientDescentIterations() - // - - /** - * Maximum number of gradient descent iterations in the patch inverse search stage. Higher values - * may improve quality in some cases. - * SEE: setGradientDescentIterations - * @return automatically generated - */ - public int getGradientDescentIterations() { - return getGradientDescentIterations_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setGradientDescentIterations(int val) - // - - /** - * getGradientDescentIterations SEE: getGradientDescentIterations - * @param val automatically generated - */ - public void setGradientDescentIterations(int val) { - setGradientDescentIterations_0(nativeObj, val); - } - - - // - // C++: int cv::DISOpticalFlow::getVariationalRefinementIterations() - // - - /** - * Number of fixed point iterations of variational refinement per scale. Set to zero to - * disable variational refinement completely. Higher values will typically result in more smooth and - * high-quality flow. - * SEE: setGradientDescentIterations - * @return automatically generated - */ - public int getVariationalRefinementIterations() { - return getVariationalRefinementIterations_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setVariationalRefinementIterations(int val) - // - - /** - * getGradientDescentIterations SEE: getGradientDescentIterations - * @param val automatically generated - */ - public void setVariationalRefinementIterations(int val) { - setVariationalRefinementIterations_0(nativeObj, val); - } - - - // - // C++: float cv::DISOpticalFlow::getVariationalRefinementAlpha() - // - - /** - * Weight of the smoothness term - * SEE: setVariationalRefinementAlpha - * @return automatically generated - */ - public float getVariationalRefinementAlpha() { - return getVariationalRefinementAlpha_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setVariationalRefinementAlpha(float val) - // - - /** - * getVariationalRefinementAlpha SEE: getVariationalRefinementAlpha - * @param val automatically generated - */ - public void setVariationalRefinementAlpha(float val) { - setVariationalRefinementAlpha_0(nativeObj, val); - } - - - // - // C++: float cv::DISOpticalFlow::getVariationalRefinementDelta() - // - - /** - * Weight of the color constancy term - * SEE: setVariationalRefinementDelta - * @return automatically generated - */ - public float getVariationalRefinementDelta() { - return getVariationalRefinementDelta_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setVariationalRefinementDelta(float val) - // - - /** - * getVariationalRefinementDelta SEE: getVariationalRefinementDelta - * @param val automatically generated - */ - public void setVariationalRefinementDelta(float val) { - setVariationalRefinementDelta_0(nativeObj, val); - } - - - // - // C++: float cv::DISOpticalFlow::getVariationalRefinementGamma() - // - - /** - * Weight of the gradient constancy term - * SEE: setVariationalRefinementGamma - * @return automatically generated - */ - public float getVariationalRefinementGamma() { - return getVariationalRefinementGamma_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setVariationalRefinementGamma(float val) - // - - /** - * getVariationalRefinementGamma SEE: getVariationalRefinementGamma - * @param val automatically generated - */ - public void setVariationalRefinementGamma(float val) { - setVariationalRefinementGamma_0(nativeObj, val); - } - - - // - // C++: float cv::DISOpticalFlow::getVariationalRefinementEpsilon() - // - - /** - * Norm value shift for robust penalizer - * SEE: setVariationalRefinementEpsilon - * @return automatically generated - */ - public float getVariationalRefinementEpsilon() { - return getVariationalRefinementEpsilon_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setVariationalRefinementEpsilon(float val) - // - - /** - * getVariationalRefinementEpsilon SEE: getVariationalRefinementEpsilon - * @param val automatically generated - */ - public void setVariationalRefinementEpsilon(float val) { - setVariationalRefinementEpsilon_0(nativeObj, val); - } - - - // - // C++: bool cv::DISOpticalFlow::getUseMeanNormalization() - // - - /** - * Whether to use mean-normalization of patches when computing patch distance. It is turned on - * by default as it typically provides a noticeable quality boost because of increased robustness to - * illumination variations. Turn it off if you are certain that your sequence doesn't contain any changes - * in illumination. - * SEE: setUseMeanNormalization - * @return automatically generated - */ - public boolean getUseMeanNormalization() { - return getUseMeanNormalization_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setUseMeanNormalization(bool val) - // - - /** - * getUseMeanNormalization SEE: getUseMeanNormalization - * @param val automatically generated - */ - public void setUseMeanNormalization(boolean val) { - setUseMeanNormalization_0(nativeObj, val); - } - - - // - // C++: bool cv::DISOpticalFlow::getUseSpatialPropagation() - // - - /** - * Whether to use spatial propagation of good optical flow vectors. This option is turned on by - * default, as it tends to work better on average and can sometimes help recover from major errors - * introduced by the coarse-to-fine scheme employed by the DIS optical flow algorithm. Turning this - * option off can make the output flow field a bit smoother, however. - * SEE: setUseSpatialPropagation - * @return automatically generated - */ - public boolean getUseSpatialPropagation() { - return getUseSpatialPropagation_0(nativeObj); - } - - - // - // C++: void cv::DISOpticalFlow::setUseSpatialPropagation(bool val) - // - - /** - * getUseSpatialPropagation SEE: getUseSpatialPropagation - * @param val automatically generated - */ - public void setUseSpatialPropagation(boolean val) { - setUseSpatialPropagation_0(nativeObj, val); - } - - - // - // C++: static Ptr_DISOpticalFlow cv::DISOpticalFlow::create(int preset = DISOpticalFlow::PRESET_FAST) - // - - /** - * Creates an instance of DISOpticalFlow - * - * @param preset one of PRESET_ULTRAFAST, PRESET_FAST and PRESET_MEDIUM - * @return automatically generated - */ - public static DISOpticalFlow create(int preset) { - return DISOpticalFlow.__fromPtr__(create_0(preset)); - } - - /** - * Creates an instance of DISOpticalFlow - * - * @return automatically generated - */ - public static DISOpticalFlow create() { - return DISOpticalFlow.__fromPtr__(create_1()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::DISOpticalFlow::getFinestScale() - private static native int getFinestScale_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setFinestScale(int val) - private static native void setFinestScale_0(long nativeObj, int val); - - // C++: int cv::DISOpticalFlow::getPatchSize() - private static native int getPatchSize_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setPatchSize(int val) - private static native void setPatchSize_0(long nativeObj, int val); - - // C++: int cv::DISOpticalFlow::getPatchStride() - private static native int getPatchStride_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setPatchStride(int val) - private static native void setPatchStride_0(long nativeObj, int val); - - // C++: int cv::DISOpticalFlow::getGradientDescentIterations() - private static native int getGradientDescentIterations_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setGradientDescentIterations(int val) - private static native void setGradientDescentIterations_0(long nativeObj, int val); - - // C++: int cv::DISOpticalFlow::getVariationalRefinementIterations() - private static native int getVariationalRefinementIterations_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setVariationalRefinementIterations(int val) - private static native void setVariationalRefinementIterations_0(long nativeObj, int val); - - // C++: float cv::DISOpticalFlow::getVariationalRefinementAlpha() - private static native float getVariationalRefinementAlpha_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setVariationalRefinementAlpha(float val) - private static native void setVariationalRefinementAlpha_0(long nativeObj, float val); - - // C++: float cv::DISOpticalFlow::getVariationalRefinementDelta() - private static native float getVariationalRefinementDelta_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setVariationalRefinementDelta(float val) - private static native void setVariationalRefinementDelta_0(long nativeObj, float val); - - // C++: float cv::DISOpticalFlow::getVariationalRefinementGamma() - private static native float getVariationalRefinementGamma_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setVariationalRefinementGamma(float val) - private static native void setVariationalRefinementGamma_0(long nativeObj, float val); - - // C++: float cv::DISOpticalFlow::getVariationalRefinementEpsilon() - private static native float getVariationalRefinementEpsilon_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setVariationalRefinementEpsilon(float val) - private static native void setVariationalRefinementEpsilon_0(long nativeObj, float val); - - // C++: bool cv::DISOpticalFlow::getUseMeanNormalization() - private static native boolean getUseMeanNormalization_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setUseMeanNormalization(bool val) - private static native void setUseMeanNormalization_0(long nativeObj, boolean val); - - // C++: bool cv::DISOpticalFlow::getUseSpatialPropagation() - private static native boolean getUseSpatialPropagation_0(long nativeObj); - - // C++: void cv::DISOpticalFlow::setUseSpatialPropagation(bool val) - private static native void setUseSpatialPropagation_0(long nativeObj, boolean val); - - // C++: static Ptr_DISOpticalFlow cv::DISOpticalFlow::create(int preset = DISOpticalFlow::PRESET_FAST) - private static native long create_0(int preset); - private static native long create_1(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/DenseOpticalFlow.java b/vendor/opencv/sdk/java/src/org/opencv/video/DenseOpticalFlow.java deleted file mode 100644 index c00c778a1e..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/DenseOpticalFlow.java +++ /dev/null @@ -1,64 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; - -// C++: class DenseOpticalFlow -/** - * Base class for dense optical flow algorithms - */ -public class DenseOpticalFlow extends Algorithm { - - protected DenseOpticalFlow(long addr) { super(addr); } - - // internal usage only - public static DenseOpticalFlow __fromPtr__(long addr) { return new DenseOpticalFlow(addr); } - - // - // C++: void cv::DenseOpticalFlow::calc(Mat I0, Mat I1, Mat& flow) - // - - /** - * Calculates an optical flow. - * - * @param I0 first 8-bit single-channel input image. - * @param I1 second input image of the same size and the same type as prev. - * @param flow computed flow image that has the same size as prev and type CV_32FC2. - */ - public void calc(Mat I0, Mat I1, Mat flow) { - calc_0(nativeObj, I0.nativeObj, I1.nativeObj, flow.nativeObj); - } - - - // - // C++: void cv::DenseOpticalFlow::collectGarbage() - // - - /** - * Releases all inner buffers. - */ - public void collectGarbage() { - collectGarbage_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::DenseOpticalFlow::calc(Mat I0, Mat I1, Mat& flow) - private static native void calc_0(long nativeObj, long I0_nativeObj, long I1_nativeObj, long flow_nativeObj); - - // C++: void cv::DenseOpticalFlow::collectGarbage() - private static native void collectGarbage_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/FarnebackOpticalFlow.java b/vendor/opencv/sdk/java/src/org/opencv/video/FarnebackOpticalFlow.java deleted file mode 100644 index d9c7e54e26..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/FarnebackOpticalFlow.java +++ /dev/null @@ -1,274 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.video.DenseOpticalFlow; -import org.opencv.video.FarnebackOpticalFlow; - -// C++: class FarnebackOpticalFlow -/** - * Class computing a dense optical flow using the Gunnar Farneback's algorithm. - */ -public class FarnebackOpticalFlow extends DenseOpticalFlow { - - protected FarnebackOpticalFlow(long addr) { super(addr); } - - // internal usage only - public static FarnebackOpticalFlow __fromPtr__(long addr) { return new FarnebackOpticalFlow(addr); } - - // - // C++: int cv::FarnebackOpticalFlow::getNumLevels() - // - - public int getNumLevels() { - return getNumLevels_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setNumLevels(int numLevels) - // - - public void setNumLevels(int numLevels) { - setNumLevels_0(nativeObj, numLevels); - } - - - // - // C++: double cv::FarnebackOpticalFlow::getPyrScale() - // - - public double getPyrScale() { - return getPyrScale_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setPyrScale(double pyrScale) - // - - public void setPyrScale(double pyrScale) { - setPyrScale_0(nativeObj, pyrScale); - } - - - // - // C++: bool cv::FarnebackOpticalFlow::getFastPyramids() - // - - public boolean getFastPyramids() { - return getFastPyramids_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setFastPyramids(bool fastPyramids) - // - - public void setFastPyramids(boolean fastPyramids) { - setFastPyramids_0(nativeObj, fastPyramids); - } - - - // - // C++: int cv::FarnebackOpticalFlow::getWinSize() - // - - public int getWinSize() { - return getWinSize_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setWinSize(int winSize) - // - - public void setWinSize(int winSize) { - setWinSize_0(nativeObj, winSize); - } - - - // - // C++: int cv::FarnebackOpticalFlow::getNumIters() - // - - public int getNumIters() { - return getNumIters_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setNumIters(int numIters) - // - - public void setNumIters(int numIters) { - setNumIters_0(nativeObj, numIters); - } - - - // - // C++: int cv::FarnebackOpticalFlow::getPolyN() - // - - public int getPolyN() { - return getPolyN_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setPolyN(int polyN) - // - - public void setPolyN(int polyN) { - setPolyN_0(nativeObj, polyN); - } - - - // - // C++: double cv::FarnebackOpticalFlow::getPolySigma() - // - - public double getPolySigma() { - return getPolySigma_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setPolySigma(double polySigma) - // - - public void setPolySigma(double polySigma) { - setPolySigma_0(nativeObj, polySigma); - } - - - // - // C++: int cv::FarnebackOpticalFlow::getFlags() - // - - public int getFlags() { - return getFlags_0(nativeObj); - } - - - // - // C++: void cv::FarnebackOpticalFlow::setFlags(int flags) - // - - public void setFlags(int flags) { - setFlags_0(nativeObj, flags); - } - - - // - // C++: static Ptr_FarnebackOpticalFlow cv::FarnebackOpticalFlow::create(int numLevels = 5, double pyrScale = 0.5, bool fastPyramids = false, int winSize = 13, int numIters = 10, int polyN = 5, double polySigma = 1.1, int flags = 0) - // - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN, double polySigma, int flags) { - return FarnebackOpticalFlow.__fromPtr__(create_0(numLevels, pyrScale, fastPyramids, winSize, numIters, polyN, polySigma, flags)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN, double polySigma) { - return FarnebackOpticalFlow.__fromPtr__(create_1(numLevels, pyrScale, fastPyramids, winSize, numIters, polyN, polySigma)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN) { - return FarnebackOpticalFlow.__fromPtr__(create_2(numLevels, pyrScale, fastPyramids, winSize, numIters, polyN)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters) { - return FarnebackOpticalFlow.__fromPtr__(create_3(numLevels, pyrScale, fastPyramids, winSize, numIters)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids, int winSize) { - return FarnebackOpticalFlow.__fromPtr__(create_4(numLevels, pyrScale, fastPyramids, winSize)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale, boolean fastPyramids) { - return FarnebackOpticalFlow.__fromPtr__(create_5(numLevels, pyrScale, fastPyramids)); - } - - public static FarnebackOpticalFlow create(int numLevels, double pyrScale) { - return FarnebackOpticalFlow.__fromPtr__(create_6(numLevels, pyrScale)); - } - - public static FarnebackOpticalFlow create(int numLevels) { - return FarnebackOpticalFlow.__fromPtr__(create_7(numLevels)); - } - - public static FarnebackOpticalFlow create() { - return FarnebackOpticalFlow.__fromPtr__(create_8()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: int cv::FarnebackOpticalFlow::getNumLevels() - private static native int getNumLevels_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setNumLevels(int numLevels) - private static native void setNumLevels_0(long nativeObj, int numLevels); - - // C++: double cv::FarnebackOpticalFlow::getPyrScale() - private static native double getPyrScale_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setPyrScale(double pyrScale) - private static native void setPyrScale_0(long nativeObj, double pyrScale); - - // C++: bool cv::FarnebackOpticalFlow::getFastPyramids() - private static native boolean getFastPyramids_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setFastPyramids(bool fastPyramids) - private static native void setFastPyramids_0(long nativeObj, boolean fastPyramids); - - // C++: int cv::FarnebackOpticalFlow::getWinSize() - private static native int getWinSize_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setWinSize(int winSize) - private static native void setWinSize_0(long nativeObj, int winSize); - - // C++: int cv::FarnebackOpticalFlow::getNumIters() - private static native int getNumIters_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setNumIters(int numIters) - private static native void setNumIters_0(long nativeObj, int numIters); - - // C++: int cv::FarnebackOpticalFlow::getPolyN() - private static native int getPolyN_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setPolyN(int polyN) - private static native void setPolyN_0(long nativeObj, int polyN); - - // C++: double cv::FarnebackOpticalFlow::getPolySigma() - private static native double getPolySigma_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setPolySigma(double polySigma) - private static native void setPolySigma_0(long nativeObj, double polySigma); - - // C++: int cv::FarnebackOpticalFlow::getFlags() - private static native int getFlags_0(long nativeObj); - - // C++: void cv::FarnebackOpticalFlow::setFlags(int flags) - private static native void setFlags_0(long nativeObj, int flags); - - // C++: static Ptr_FarnebackOpticalFlow cv::FarnebackOpticalFlow::create(int numLevels = 5, double pyrScale = 0.5, bool fastPyramids = false, int winSize = 13, int numIters = 10, int polyN = 5, double polySigma = 1.1, int flags = 0) - private static native long create_0(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN, double polySigma, int flags); - private static native long create_1(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN, double polySigma); - private static native long create_2(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters, int polyN); - private static native long create_3(int numLevels, double pyrScale, boolean fastPyramids, int winSize, int numIters); - private static native long create_4(int numLevels, double pyrScale, boolean fastPyramids, int winSize); - private static native long create_5(int numLevels, double pyrScale, boolean fastPyramids); - private static native long create_6(int numLevels, double pyrScale); - private static native long create_7(int numLevels); - private static native long create_8(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/KalmanFilter.java b/vendor/opencv/sdk/java/src/org/opencv/video/KalmanFilter.java deleted file mode 100644 index 1d34136aa3..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/KalmanFilter.java +++ /dev/null @@ -1,376 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Mat; - -// C++: class KalmanFilter -/** - * Kalman filter class. - * - * The class implements a standard Kalman filter <http://en.wikipedia.org/wiki/Kalman_filter>, - * CITE: Welch95 . However, you can modify transitionMatrix, controlMatrix, and measurementMatrix to get - * an extended Kalman filter functionality. - * Note: In C API when CvKalman\* kalmanFilter structure is not needed anymore, it should be released - * with cvReleaseKalman(&kalmanFilter) - */ -public class KalmanFilter { - - protected final long nativeObj; - protected KalmanFilter(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static KalmanFilter __fromPtr__(long addr) { return new KalmanFilter(addr); } - - // - // C++: cv::KalmanFilter::KalmanFilter() - // - - public KalmanFilter() { - nativeObj = KalmanFilter_0(); - } - - - // - // C++: cv::KalmanFilter::KalmanFilter(int dynamParams, int measureParams, int controlParams = 0, int type = CV_32F) - // - - /** - * - * @param dynamParams Dimensionality of the state. - * @param measureParams Dimensionality of the measurement. - * @param controlParams Dimensionality of the control vector. - * @param type Type of the created matrices that should be CV_32F or CV_64F. - */ - public KalmanFilter(int dynamParams, int measureParams, int controlParams, int type) { - nativeObj = KalmanFilter_1(dynamParams, measureParams, controlParams, type); - } - - /** - * - * @param dynamParams Dimensionality of the state. - * @param measureParams Dimensionality of the measurement. - * @param controlParams Dimensionality of the control vector. - */ - public KalmanFilter(int dynamParams, int measureParams, int controlParams) { - nativeObj = KalmanFilter_2(dynamParams, measureParams, controlParams); - } - - /** - * - * @param dynamParams Dimensionality of the state. - * @param measureParams Dimensionality of the measurement. - */ - public KalmanFilter(int dynamParams, int measureParams) { - nativeObj = KalmanFilter_3(dynamParams, measureParams); - } - - - // - // C++: Mat cv::KalmanFilter::predict(Mat control = Mat()) - // - - /** - * Computes a predicted state. - * - * @param control The optional input control - * @return automatically generated - */ - public Mat predict(Mat control) { - return new Mat(predict_0(nativeObj, control.nativeObj)); - } - - /** - * Computes a predicted state. - * - * @return automatically generated - */ - public Mat predict() { - return new Mat(predict_1(nativeObj)); - } - - - // - // C++: Mat cv::KalmanFilter::correct(Mat measurement) - // - - /** - * Updates the predicted state from the measurement. - * - * @param measurement The measured system parameters - * @return automatically generated - */ - public Mat correct(Mat measurement) { - return new Mat(correct_0(nativeObj, measurement.nativeObj)); - } - - - // - // C++: Mat KalmanFilter::statePre - // - - public Mat get_statePre() { - return new Mat(get_statePre_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::statePre - // - - public void set_statePre(Mat statePre) { - set_statePre_0(nativeObj, statePre.nativeObj); - } - - - // - // C++: Mat KalmanFilter::statePost - // - - public Mat get_statePost() { - return new Mat(get_statePost_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::statePost - // - - public void set_statePost(Mat statePost) { - set_statePost_0(nativeObj, statePost.nativeObj); - } - - - // - // C++: Mat KalmanFilter::transitionMatrix - // - - public Mat get_transitionMatrix() { - return new Mat(get_transitionMatrix_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::transitionMatrix - // - - public void set_transitionMatrix(Mat transitionMatrix) { - set_transitionMatrix_0(nativeObj, transitionMatrix.nativeObj); - } - - - // - // C++: Mat KalmanFilter::controlMatrix - // - - public Mat get_controlMatrix() { - return new Mat(get_controlMatrix_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::controlMatrix - // - - public void set_controlMatrix(Mat controlMatrix) { - set_controlMatrix_0(nativeObj, controlMatrix.nativeObj); - } - - - // - // C++: Mat KalmanFilter::measurementMatrix - // - - public Mat get_measurementMatrix() { - return new Mat(get_measurementMatrix_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::measurementMatrix - // - - public void set_measurementMatrix(Mat measurementMatrix) { - set_measurementMatrix_0(nativeObj, measurementMatrix.nativeObj); - } - - - // - // C++: Mat KalmanFilter::processNoiseCov - // - - public Mat get_processNoiseCov() { - return new Mat(get_processNoiseCov_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::processNoiseCov - // - - public void set_processNoiseCov(Mat processNoiseCov) { - set_processNoiseCov_0(nativeObj, processNoiseCov.nativeObj); - } - - - // - // C++: Mat KalmanFilter::measurementNoiseCov - // - - public Mat get_measurementNoiseCov() { - return new Mat(get_measurementNoiseCov_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::measurementNoiseCov - // - - public void set_measurementNoiseCov(Mat measurementNoiseCov) { - set_measurementNoiseCov_0(nativeObj, measurementNoiseCov.nativeObj); - } - - - // - // C++: Mat KalmanFilter::errorCovPre - // - - public Mat get_errorCovPre() { - return new Mat(get_errorCovPre_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::errorCovPre - // - - public void set_errorCovPre(Mat errorCovPre) { - set_errorCovPre_0(nativeObj, errorCovPre.nativeObj); - } - - - // - // C++: Mat KalmanFilter::gain - // - - public Mat get_gain() { - return new Mat(get_gain_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::gain - // - - public void set_gain(Mat gain) { - set_gain_0(nativeObj, gain.nativeObj); - } - - - // - // C++: Mat KalmanFilter::errorCovPost - // - - public Mat get_errorCovPost() { - return new Mat(get_errorCovPost_0(nativeObj)); - } - - - // - // C++: void KalmanFilter::errorCovPost - // - - public void set_errorCovPost(Mat errorCovPost) { - set_errorCovPost_0(nativeObj, errorCovPost.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::KalmanFilter::KalmanFilter() - private static native long KalmanFilter_0(); - - // C++: cv::KalmanFilter::KalmanFilter(int dynamParams, int measureParams, int controlParams = 0, int type = CV_32F) - private static native long KalmanFilter_1(int dynamParams, int measureParams, int controlParams, int type); - private static native long KalmanFilter_2(int dynamParams, int measureParams, int controlParams); - private static native long KalmanFilter_3(int dynamParams, int measureParams); - - // C++: Mat cv::KalmanFilter::predict(Mat control = Mat()) - private static native long predict_0(long nativeObj, long control_nativeObj); - private static native long predict_1(long nativeObj); - - // C++: Mat cv::KalmanFilter::correct(Mat measurement) - private static native long correct_0(long nativeObj, long measurement_nativeObj); - - // C++: Mat KalmanFilter::statePre - private static native long get_statePre_0(long nativeObj); - - // C++: void KalmanFilter::statePre - private static native void set_statePre_0(long nativeObj, long statePre_nativeObj); - - // C++: Mat KalmanFilter::statePost - private static native long get_statePost_0(long nativeObj); - - // C++: void KalmanFilter::statePost - private static native void set_statePost_0(long nativeObj, long statePost_nativeObj); - - // C++: Mat KalmanFilter::transitionMatrix - private static native long get_transitionMatrix_0(long nativeObj); - - // C++: void KalmanFilter::transitionMatrix - private static native void set_transitionMatrix_0(long nativeObj, long transitionMatrix_nativeObj); - - // C++: Mat KalmanFilter::controlMatrix - private static native long get_controlMatrix_0(long nativeObj); - - // C++: void KalmanFilter::controlMatrix - private static native void set_controlMatrix_0(long nativeObj, long controlMatrix_nativeObj); - - // C++: Mat KalmanFilter::measurementMatrix - private static native long get_measurementMatrix_0(long nativeObj); - - // C++: void KalmanFilter::measurementMatrix - private static native void set_measurementMatrix_0(long nativeObj, long measurementMatrix_nativeObj); - - // C++: Mat KalmanFilter::processNoiseCov - private static native long get_processNoiseCov_0(long nativeObj); - - // C++: void KalmanFilter::processNoiseCov - private static native void set_processNoiseCov_0(long nativeObj, long processNoiseCov_nativeObj); - - // C++: Mat KalmanFilter::measurementNoiseCov - private static native long get_measurementNoiseCov_0(long nativeObj); - - // C++: void KalmanFilter::measurementNoiseCov - private static native void set_measurementNoiseCov_0(long nativeObj, long measurementNoiseCov_nativeObj); - - // C++: Mat KalmanFilter::errorCovPre - private static native long get_errorCovPre_0(long nativeObj); - - // C++: void KalmanFilter::errorCovPre - private static native void set_errorCovPre_0(long nativeObj, long errorCovPre_nativeObj); - - // C++: Mat KalmanFilter::gain - private static native long get_gain_0(long nativeObj); - - // C++: void KalmanFilter::gain - private static native void set_gain_0(long nativeObj, long gain_nativeObj); - - // C++: Mat KalmanFilter::errorCovPost - private static native long get_errorCovPost_0(long nativeObj); - - // C++: void KalmanFilter::errorCovPost - private static native void set_errorCovPost_0(long nativeObj, long errorCovPost_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/SparseOpticalFlow.java b/vendor/opencv/sdk/java/src/org/opencv/video/SparseOpticalFlow.java deleted file mode 100644 index ade599886f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/SparseOpticalFlow.java +++ /dev/null @@ -1,68 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Algorithm; -import org.opencv.core.Mat; - -// C++: class SparseOpticalFlow -/** - * Base interface for sparse optical flow algorithms. - */ -public class SparseOpticalFlow extends Algorithm { - - protected SparseOpticalFlow(long addr) { super(addr); } - - // internal usage only - public static SparseOpticalFlow __fromPtr__(long addr) { return new SparseOpticalFlow(addr); } - - // - // C++: void cv::SparseOpticalFlow::calc(Mat prevImg, Mat nextImg, Mat prevPts, Mat& nextPts, Mat& status, Mat& err = cv::Mat()) - // - - /** - * Calculates a sparse optical flow. - * - * @param prevImg First input image. - * @param nextImg Second input image of the same size and the same type as prevImg. - * @param prevPts Vector of 2D points for which the flow needs to be found. - * @param nextPts Output vector of 2D points containing the calculated new positions of input features in the second image. - * @param status Output status vector. Each element of the vector is set to 1 if the - * flow for the corresponding features has been found. Otherwise, it is set to 0. - * @param err Optional output vector that contains error response for each point (inverse confidence). - */ - public void calc(Mat prevImg, Mat nextImg, Mat prevPts, Mat nextPts, Mat status, Mat err) { - calc_0(nativeObj, prevImg.nativeObj, nextImg.nativeObj, prevPts.nativeObj, nextPts.nativeObj, status.nativeObj, err.nativeObj); - } - - /** - * Calculates a sparse optical flow. - * - * @param prevImg First input image. - * @param nextImg Second input image of the same size and the same type as prevImg. - * @param prevPts Vector of 2D points for which the flow needs to be found. - * @param nextPts Output vector of 2D points containing the calculated new positions of input features in the second image. - * @param status Output status vector. Each element of the vector is set to 1 if the - * flow for the corresponding features has been found. Otherwise, it is set to 0. - */ - public void calc(Mat prevImg, Mat nextImg, Mat prevPts, Mat nextPts, Mat status) { - calc_1(nativeObj, prevImg.nativeObj, nextImg.nativeObj, prevPts.nativeObj, nextPts.nativeObj, status.nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::SparseOpticalFlow::calc(Mat prevImg, Mat nextImg, Mat prevPts, Mat& nextPts, Mat& status, Mat& err = cv::Mat()) - private static native void calc_0(long nativeObj, long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_nativeObj, long nextPts_nativeObj, long status_nativeObj, long err_nativeObj); - private static native void calc_1(long nativeObj, long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_nativeObj, long nextPts_nativeObj, long status_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/SparsePyrLKOpticalFlow.java b/vendor/opencv/sdk/java/src/org/opencv/video/SparsePyrLKOpticalFlow.java deleted file mode 100644 index 8f816c9b9c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/SparsePyrLKOpticalFlow.java +++ /dev/null @@ -1,194 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Size; -import org.opencv.core.TermCriteria; -import org.opencv.video.SparseOpticalFlow; -import org.opencv.video.SparsePyrLKOpticalFlow; - -// C++: class SparsePyrLKOpticalFlow -/** - * Class used for calculating a sparse optical flow. - * - * The class can calculate an optical flow for a sparse feature set using the - * iterative Lucas-Kanade method with pyramids. - * - * SEE: calcOpticalFlowPyrLK - */ -public class SparsePyrLKOpticalFlow extends SparseOpticalFlow { - - protected SparsePyrLKOpticalFlow(long addr) { super(addr); } - - // internal usage only - public static SparsePyrLKOpticalFlow __fromPtr__(long addr) { return new SparsePyrLKOpticalFlow(addr); } - - // - // C++: Size cv::SparsePyrLKOpticalFlow::getWinSize() - // - - public Size getWinSize() { - return new Size(getWinSize_0(nativeObj)); - } - - - // - // C++: void cv::SparsePyrLKOpticalFlow::setWinSize(Size winSize) - // - - public void setWinSize(Size winSize) { - setWinSize_0(nativeObj, winSize.width, winSize.height); - } - - - // - // C++: int cv::SparsePyrLKOpticalFlow::getMaxLevel() - // - - public int getMaxLevel() { - return getMaxLevel_0(nativeObj); - } - - - // - // C++: void cv::SparsePyrLKOpticalFlow::setMaxLevel(int maxLevel) - // - - public void setMaxLevel(int maxLevel) { - setMaxLevel_0(nativeObj, maxLevel); - } - - - // - // C++: TermCriteria cv::SparsePyrLKOpticalFlow::getTermCriteria() - // - - public TermCriteria getTermCriteria() { - return new TermCriteria(getTermCriteria_0(nativeObj)); - } - - - // - // C++: void cv::SparsePyrLKOpticalFlow::setTermCriteria(TermCriteria crit) - // - - public void setTermCriteria(TermCriteria crit) { - setTermCriteria_0(nativeObj, crit.type, crit.maxCount, crit.epsilon); - } - - - // - // C++: int cv::SparsePyrLKOpticalFlow::getFlags() - // - - public int getFlags() { - return getFlags_0(nativeObj); - } - - - // - // C++: void cv::SparsePyrLKOpticalFlow::setFlags(int flags) - // - - public void setFlags(int flags) { - setFlags_0(nativeObj, flags); - } - - - // - // C++: double cv::SparsePyrLKOpticalFlow::getMinEigThreshold() - // - - public double getMinEigThreshold() { - return getMinEigThreshold_0(nativeObj); - } - - - // - // C++: void cv::SparsePyrLKOpticalFlow::setMinEigThreshold(double minEigThreshold) - // - - public void setMinEigThreshold(double minEigThreshold) { - setMinEigThreshold_0(nativeObj, minEigThreshold); - } - - - // - // C++: static Ptr_SparsePyrLKOpticalFlow cv::SparsePyrLKOpticalFlow::create(Size winSize = Size(21, 21), int maxLevel = 3, TermCriteria crit = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01), int flags = 0, double minEigThreshold = 1e-4) - // - - public static SparsePyrLKOpticalFlow create(Size winSize, int maxLevel, TermCriteria crit, int flags, double minEigThreshold) { - return SparsePyrLKOpticalFlow.__fromPtr__(create_0(winSize.width, winSize.height, maxLevel, crit.type, crit.maxCount, crit.epsilon, flags, minEigThreshold)); - } - - public static SparsePyrLKOpticalFlow create(Size winSize, int maxLevel, TermCriteria crit, int flags) { - return SparsePyrLKOpticalFlow.__fromPtr__(create_1(winSize.width, winSize.height, maxLevel, crit.type, crit.maxCount, crit.epsilon, flags)); - } - - public static SparsePyrLKOpticalFlow create(Size winSize, int maxLevel, TermCriteria crit) { - return SparsePyrLKOpticalFlow.__fromPtr__(create_2(winSize.width, winSize.height, maxLevel, crit.type, crit.maxCount, crit.epsilon)); - } - - public static SparsePyrLKOpticalFlow create(Size winSize, int maxLevel) { - return SparsePyrLKOpticalFlow.__fromPtr__(create_3(winSize.width, winSize.height, maxLevel)); - } - - public static SparsePyrLKOpticalFlow create(Size winSize) { - return SparsePyrLKOpticalFlow.__fromPtr__(create_4(winSize.width, winSize.height)); - } - - public static SparsePyrLKOpticalFlow create() { - return SparsePyrLKOpticalFlow.__fromPtr__(create_5()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: Size cv::SparsePyrLKOpticalFlow::getWinSize() - private static native double[] getWinSize_0(long nativeObj); - - // C++: void cv::SparsePyrLKOpticalFlow::setWinSize(Size winSize) - private static native void setWinSize_0(long nativeObj, double winSize_width, double winSize_height); - - // C++: int cv::SparsePyrLKOpticalFlow::getMaxLevel() - private static native int getMaxLevel_0(long nativeObj); - - // C++: void cv::SparsePyrLKOpticalFlow::setMaxLevel(int maxLevel) - private static native void setMaxLevel_0(long nativeObj, int maxLevel); - - // C++: TermCriteria cv::SparsePyrLKOpticalFlow::getTermCriteria() - private static native double[] getTermCriteria_0(long nativeObj); - - // C++: void cv::SparsePyrLKOpticalFlow::setTermCriteria(TermCriteria crit) - private static native void setTermCriteria_0(long nativeObj, int crit_type, int crit_maxCount, double crit_epsilon); - - // C++: int cv::SparsePyrLKOpticalFlow::getFlags() - private static native int getFlags_0(long nativeObj); - - // C++: void cv::SparsePyrLKOpticalFlow::setFlags(int flags) - private static native void setFlags_0(long nativeObj, int flags); - - // C++: double cv::SparsePyrLKOpticalFlow::getMinEigThreshold() - private static native double getMinEigThreshold_0(long nativeObj); - - // C++: void cv::SparsePyrLKOpticalFlow::setMinEigThreshold(double minEigThreshold) - private static native void setMinEigThreshold_0(long nativeObj, double minEigThreshold); - - // C++: static Ptr_SparsePyrLKOpticalFlow cv::SparsePyrLKOpticalFlow::create(Size winSize = Size(21, 21), int maxLevel = 3, TermCriteria crit = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01), int flags = 0, double minEigThreshold = 1e-4) - private static native long create_0(double winSize_width, double winSize_height, int maxLevel, int crit_type, int crit_maxCount, double crit_epsilon, int flags, double minEigThreshold); - private static native long create_1(double winSize_width, double winSize_height, int maxLevel, int crit_type, int crit_maxCount, double crit_epsilon, int flags); - private static native long create_2(double winSize_width, double winSize_height, int maxLevel, int crit_type, int crit_maxCount, double crit_epsilon); - private static native long create_3(double winSize_width, double winSize_height, int maxLevel); - private static native long create_4(double winSize_width, double winSize_height); - private static native long create_5(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/Tracker.java b/vendor/opencv/sdk/java/src/org/opencv/video/Tracker.java deleted file mode 100644 index a861aa3b72..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/Tracker.java +++ /dev/null @@ -1,75 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Mat; -import org.opencv.core.Rect; - -// C++: class Tracker -/** - * Base abstract class for the long-term tracker - */ -public class Tracker { - - protected final long nativeObj; - protected Tracker(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static Tracker __fromPtr__(long addr) { return new Tracker(addr); } - - // - // C++: void cv::Tracker::init(Mat image, Rect boundingBox) - // - - /** - * Initialize the tracker with a known bounding box that surrounded the target - * @param image The initial frame - * @param boundingBox The initial bounding box - */ - public void init(Mat image, Rect boundingBox) { - init_0(nativeObj, image.nativeObj, boundingBox.x, boundingBox.y, boundingBox.width, boundingBox.height); - } - - - // - // C++: bool cv::Tracker::update(Mat image, Rect& boundingBox) - // - - /** - * Update the tracker, find the new most likely bounding box for the target - * @param image The current frame - * @param boundingBox The bounding box that represent the new target location, if true was returned, not - * modified otherwise - * - * @return True means that target was located and false means that tracker cannot locate target in - * current frame. Note, that latter *does not* imply that tracker has failed, maybe target is indeed - * missing from the frame (say, out of sight) - */ - public boolean update(Mat image, Rect boundingBox) { - double[] boundingBox_out = new double[4]; - boolean retVal = update_0(nativeObj, image.nativeObj, boundingBox_out); - if(boundingBox!=null){ boundingBox.x = (int)boundingBox_out[0]; boundingBox.y = (int)boundingBox_out[1]; boundingBox.width = (int)boundingBox_out[2]; boundingBox.height = (int)boundingBox_out[3]; } - return retVal; - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::Tracker::init(Mat image, Rect boundingBox) - private static native void init_0(long nativeObj, long image_nativeObj, int boundingBox_x, int boundingBox_y, int boundingBox_width, int boundingBox_height); - - // C++: bool cv::Tracker::update(Mat image, Rect& boundingBox) - private static native boolean update_0(long nativeObj, long image_nativeObj, double[] boundingBox_out); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN.java deleted file mode 100644 index 7dfc009989..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN.java +++ /dev/null @@ -1,91 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.dnn.Net; -import org.opencv.video.Tracker; -import org.opencv.video.TrackerDaSiamRPN; -import org.opencv.video.TrackerDaSiamRPN_Params; - -// C++: class TrackerDaSiamRPN - -public class TrackerDaSiamRPN extends Tracker { - - protected TrackerDaSiamRPN(long addr) { super(addr); } - - // internal usage only - public static TrackerDaSiamRPN __fromPtr__(long addr) { return new TrackerDaSiamRPN(addr); } - - // - // C++: static Ptr_TrackerDaSiamRPN cv::TrackerDaSiamRPN::create(TrackerDaSiamRPN_Params parameters = TrackerDaSiamRPN::Params()) - // - - /** - * Constructor - * @param parameters DaSiamRPN parameters TrackerDaSiamRPN::Params - * @return automatically generated - */ - public static TrackerDaSiamRPN create(TrackerDaSiamRPN_Params parameters) { - return TrackerDaSiamRPN.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Constructor - * @return automatically generated - */ - public static TrackerDaSiamRPN create() { - return TrackerDaSiamRPN.__fromPtr__(create_1()); - } - - - // - // C++: static Ptr_TrackerDaSiamRPN cv::TrackerDaSiamRPN::create(Net siam_rpn, Net kernel_cls1, Net kernel_r1) - // - - /** - * Constructor - * @param siam_rpn pre-loaded SiamRPN model - * @param kernel_cls1 pre-loaded CLS model - * @param kernel_r1 pre-loaded R1 model - * @return automatically generated - */ - public static TrackerDaSiamRPN create(Net siam_rpn, Net kernel_cls1, Net kernel_r1) { - return TrackerDaSiamRPN.__fromPtr__(create_2(siam_rpn.getNativeObjAddr(), kernel_cls1.getNativeObjAddr(), kernel_r1.getNativeObjAddr())); - } - - - // - // C++: float cv::TrackerDaSiamRPN::getTrackingScore() - // - - /** - * Return tracking score - * @return automatically generated - */ - public float getTrackingScore() { - return getTrackingScore_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_TrackerDaSiamRPN cv::TrackerDaSiamRPN::create(TrackerDaSiamRPN_Params parameters = TrackerDaSiamRPN::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: static Ptr_TrackerDaSiamRPN cv::TrackerDaSiamRPN::create(Net siam_rpn, Net kernel_cls1, Net kernel_r1) - private static native long create_2(long siam_rpn_nativeObj, long kernel_cls1_nativeObj, long kernel_r1_nativeObj); - - // C++: float cv::TrackerDaSiamRPN::getTrackingScore() - private static native float getTrackingScore_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN_Params.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN_Params.java deleted file mode 100644 index 6296b2b5c6..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerDaSiamRPN_Params.java +++ /dev/null @@ -1,162 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - - - -// C++: class Params - -public class TrackerDaSiamRPN_Params { - - protected final long nativeObj; - protected TrackerDaSiamRPN_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrackerDaSiamRPN_Params __fromPtr__(long addr) { return new TrackerDaSiamRPN_Params(addr); } - - // - // C++: cv::TrackerDaSiamRPN::Params::Params() - // - - public TrackerDaSiamRPN_Params() { - nativeObj = TrackerDaSiamRPN_Params_0(); - } - - - // - // C++: string TrackerDaSiamRPN_Params::model - // - - public String get_model() { - return get_model_0(nativeObj); - } - - - // - // C++: void TrackerDaSiamRPN_Params::model - // - - public void set_model(String model) { - set_model_0(nativeObj, model); - } - - - // - // C++: string TrackerDaSiamRPN_Params::kernel_cls1 - // - - public String get_kernel_cls1() { - return get_kernel_cls1_0(nativeObj); - } - - - // - // C++: void TrackerDaSiamRPN_Params::kernel_cls1 - // - - public void set_kernel_cls1(String kernel_cls1) { - set_kernel_cls1_0(nativeObj, kernel_cls1); - } - - - // - // C++: string TrackerDaSiamRPN_Params::kernel_r1 - // - - public String get_kernel_r1() { - return get_kernel_r1_0(nativeObj); - } - - - // - // C++: void TrackerDaSiamRPN_Params::kernel_r1 - // - - public void set_kernel_r1(String kernel_r1) { - set_kernel_r1_0(nativeObj, kernel_r1); - } - - - // - // C++: int TrackerDaSiamRPN_Params::backend - // - - public int get_backend() { - return get_backend_0(nativeObj); - } - - - // - // C++: void TrackerDaSiamRPN_Params::backend - // - - public void set_backend(int backend) { - set_backend_0(nativeObj, backend); - } - - - // - // C++: int TrackerDaSiamRPN_Params::target - // - - public int get_target() { - return get_target_0(nativeObj); - } - - - // - // C++: void TrackerDaSiamRPN_Params::target - // - - public void set_target(int target) { - set_target_0(nativeObj, target); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TrackerDaSiamRPN::Params::Params() - private static native long TrackerDaSiamRPN_Params_0(); - - // C++: string TrackerDaSiamRPN_Params::model - private static native String get_model_0(long nativeObj); - - // C++: void TrackerDaSiamRPN_Params::model - private static native void set_model_0(long nativeObj, String model); - - // C++: string TrackerDaSiamRPN_Params::kernel_cls1 - private static native String get_kernel_cls1_0(long nativeObj); - - // C++: void TrackerDaSiamRPN_Params::kernel_cls1 - private static native void set_kernel_cls1_0(long nativeObj, String kernel_cls1); - - // C++: string TrackerDaSiamRPN_Params::kernel_r1 - private static native String get_kernel_r1_0(long nativeObj); - - // C++: void TrackerDaSiamRPN_Params::kernel_r1 - private static native void set_kernel_r1_0(long nativeObj, String kernel_r1); - - // C++: int TrackerDaSiamRPN_Params::backend - private static native int get_backend_0(long nativeObj); - - // C++: void TrackerDaSiamRPN_Params::backend - private static native void set_backend_0(long nativeObj, int backend); - - // C++: int TrackerDaSiamRPN_Params::target - private static native int get_target_0(long nativeObj); - - // C++: void TrackerDaSiamRPN_Params::target - private static native void set_target_0(long nativeObj, int target); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN.java deleted file mode 100644 index 24152a4b8c..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN.java +++ /dev/null @@ -1,88 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.dnn.Net; -import org.opencv.video.Tracker; -import org.opencv.video.TrackerGOTURN; -import org.opencv.video.TrackerGOTURN_Params; - -// C++: class TrackerGOTURN -/** - * the GOTURN (Generic Object Tracking Using Regression Networks) tracker - * - * GOTURN (CITE: GOTURN) is kind of trackers based on Convolutional Neural Networks (CNN). While taking all advantages of CNN trackers, - * GOTURN is much faster due to offline training without online fine-tuning nature. - * GOTURN tracker addresses the problem of single target tracking: given a bounding box label of an object in the first frame of the video, - * we track that object through the rest of the video. NOTE: Current method of GOTURN does not handle occlusions; however, it is fairly - * robust to viewpoint changes, lighting changes, and deformations. - * Inputs of GOTURN are two RGB patches representing Target and Search patches resized to 227x227. - * Outputs of GOTURN are predicted bounding box coordinates, relative to Search patch coordinate system, in format X1,Y1,X2,Y2. - * Original paper is here: <http://davheld.github.io/GOTURN/GOTURN.pdf> - * As long as original authors implementation: <https://github.com/davheld/GOTURN#train-the-tracker> - * Implementation of training algorithm is placed in separately here due to 3d-party dependencies: - * <https://github.com/Auron-X/GOTURN_Training_Toolkit> - * GOTURN architecture goturn.prototxt and trained model goturn.caffemodel are accessible on opencv_extra GitHub repository. - */ -public class TrackerGOTURN extends Tracker { - - protected TrackerGOTURN(long addr) { super(addr); } - - // internal usage only - public static TrackerGOTURN __fromPtr__(long addr) { return new TrackerGOTURN(addr); } - - // - // C++: static Ptr_TrackerGOTURN cv::TrackerGOTURN::create(TrackerGOTURN_Params parameters = TrackerGOTURN::Params()) - // - - /** - * Constructor - * @param parameters GOTURN parameters TrackerGOTURN::Params - * @return automatically generated - */ - public static TrackerGOTURN create(TrackerGOTURN_Params parameters) { - return TrackerGOTURN.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Constructor - * @return automatically generated - */ - public static TrackerGOTURN create() { - return TrackerGOTURN.__fromPtr__(create_1()); - } - - - // - // C++: static Ptr_TrackerGOTURN cv::TrackerGOTURN::create(Net model) - // - - /** - * Constructor - * @param model pre-loaded GOTURN model - * @return automatically generated - */ - public static TrackerGOTURN create(Net model) { - return TrackerGOTURN.__fromPtr__(create_2(model.getNativeObjAddr())); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_TrackerGOTURN cv::TrackerGOTURN::create(TrackerGOTURN_Params parameters = TrackerGOTURN::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: static Ptr_TrackerGOTURN cv::TrackerGOTURN::create(Net model) - private static native long create_2(long model_nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN_Params.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN_Params.java deleted file mode 100644 index 794ad1e975..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerGOTURN_Params.java +++ /dev/null @@ -1,90 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - - - -// C++: class Params - -public class TrackerGOTURN_Params { - - protected final long nativeObj; - protected TrackerGOTURN_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrackerGOTURN_Params __fromPtr__(long addr) { return new TrackerGOTURN_Params(addr); } - - // - // C++: cv::TrackerGOTURN::Params::Params() - // - - public TrackerGOTURN_Params() { - nativeObj = TrackerGOTURN_Params_0(); - } - - - // - // C++: string TrackerGOTURN_Params::modelTxt - // - - public String get_modelTxt() { - return get_modelTxt_0(nativeObj); - } - - - // - // C++: void TrackerGOTURN_Params::modelTxt - // - - public void set_modelTxt(String modelTxt) { - set_modelTxt_0(nativeObj, modelTxt); - } - - - // - // C++: string TrackerGOTURN_Params::modelBin - // - - public String get_modelBin() { - return get_modelBin_0(nativeObj); - } - - - // - // C++: void TrackerGOTURN_Params::modelBin - // - - public void set_modelBin(String modelBin) { - set_modelBin_0(nativeObj, modelBin); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TrackerGOTURN::Params::Params() - private static native long TrackerGOTURN_Params_0(); - - // C++: string TrackerGOTURN_Params::modelTxt - private static native String get_modelTxt_0(long nativeObj); - - // C++: void TrackerGOTURN_Params::modelTxt - private static native void set_modelTxt_0(long nativeObj, String modelTxt); - - // C++: string TrackerGOTURN_Params::modelBin - private static native String get_modelBin_0(long nativeObj); - - // C++: void TrackerGOTURN_Params::modelBin - private static native void set_modelBin_0(long nativeObj, String modelBin); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL.java deleted file mode 100644 index 211523f32d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL.java +++ /dev/null @@ -1,63 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.video.Tracker; -import org.opencv.video.TrackerMIL; -import org.opencv.video.TrackerMIL_Params; - -// C++: class TrackerMIL -/** - * The MIL algorithm trains a classifier in an online manner to separate the object from the - * background. - * - * Multiple Instance Learning avoids the drift problem for a robust tracking. The implementation is - * based on CITE: MIL . - * - * Original code can be found here <http://vision.ucsd.edu/~bbabenko/project_miltrack.shtml> - */ -public class TrackerMIL extends Tracker { - - protected TrackerMIL(long addr) { super(addr); } - - // internal usage only - public static TrackerMIL __fromPtr__(long addr) { return new TrackerMIL(addr); } - - // - // C++: static Ptr_TrackerMIL cv::TrackerMIL::create(TrackerMIL_Params parameters = TrackerMIL::Params()) - // - - /** - * Create MIL tracker instance - * @param parameters MIL parameters TrackerMIL::Params - * @return automatically generated - */ - public static TrackerMIL create(TrackerMIL_Params parameters) { - return TrackerMIL.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Create MIL tracker instance - * @return automatically generated - */ - public static TrackerMIL create() { - return TrackerMIL.__fromPtr__(create_1()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_TrackerMIL cv::TrackerMIL::create(TrackerMIL_Params parameters = TrackerMIL::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL_Params.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL_Params.java deleted file mode 100644 index b8184f1d08..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerMIL_Params.java +++ /dev/null @@ -1,210 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - - - -// C++: class Params - -public class TrackerMIL_Params { - - protected final long nativeObj; - protected TrackerMIL_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrackerMIL_Params __fromPtr__(long addr) { return new TrackerMIL_Params(addr); } - - // - // C++: cv::TrackerMIL::Params::Params() - // - - public TrackerMIL_Params() { - nativeObj = TrackerMIL_Params_0(); - } - - - // - // C++: float TrackerMIL_Params::samplerInitInRadius - // - - public float get_samplerInitInRadius() { - return get_samplerInitInRadius_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerInitInRadius - // - - public void set_samplerInitInRadius(float samplerInitInRadius) { - set_samplerInitInRadius_0(nativeObj, samplerInitInRadius); - } - - - // - // C++: int TrackerMIL_Params::samplerInitMaxNegNum - // - - public int get_samplerInitMaxNegNum() { - return get_samplerInitMaxNegNum_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerInitMaxNegNum - // - - public void set_samplerInitMaxNegNum(int samplerInitMaxNegNum) { - set_samplerInitMaxNegNum_0(nativeObj, samplerInitMaxNegNum); - } - - - // - // C++: float TrackerMIL_Params::samplerSearchWinSize - // - - public float get_samplerSearchWinSize() { - return get_samplerSearchWinSize_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerSearchWinSize - // - - public void set_samplerSearchWinSize(float samplerSearchWinSize) { - set_samplerSearchWinSize_0(nativeObj, samplerSearchWinSize); - } - - - // - // C++: float TrackerMIL_Params::samplerTrackInRadius - // - - public float get_samplerTrackInRadius() { - return get_samplerTrackInRadius_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerTrackInRadius - // - - public void set_samplerTrackInRadius(float samplerTrackInRadius) { - set_samplerTrackInRadius_0(nativeObj, samplerTrackInRadius); - } - - - // - // C++: int TrackerMIL_Params::samplerTrackMaxPosNum - // - - public int get_samplerTrackMaxPosNum() { - return get_samplerTrackMaxPosNum_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerTrackMaxPosNum - // - - public void set_samplerTrackMaxPosNum(int samplerTrackMaxPosNum) { - set_samplerTrackMaxPosNum_0(nativeObj, samplerTrackMaxPosNum); - } - - - // - // C++: int TrackerMIL_Params::samplerTrackMaxNegNum - // - - public int get_samplerTrackMaxNegNum() { - return get_samplerTrackMaxNegNum_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::samplerTrackMaxNegNum - // - - public void set_samplerTrackMaxNegNum(int samplerTrackMaxNegNum) { - set_samplerTrackMaxNegNum_0(nativeObj, samplerTrackMaxNegNum); - } - - - // - // C++: int TrackerMIL_Params::featureSetNumFeatures - // - - public int get_featureSetNumFeatures() { - return get_featureSetNumFeatures_0(nativeObj); - } - - - // - // C++: void TrackerMIL_Params::featureSetNumFeatures - // - - public void set_featureSetNumFeatures(int featureSetNumFeatures) { - set_featureSetNumFeatures_0(nativeObj, featureSetNumFeatures); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TrackerMIL::Params::Params() - private static native long TrackerMIL_Params_0(); - - // C++: float TrackerMIL_Params::samplerInitInRadius - private static native float get_samplerInitInRadius_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerInitInRadius - private static native void set_samplerInitInRadius_0(long nativeObj, float samplerInitInRadius); - - // C++: int TrackerMIL_Params::samplerInitMaxNegNum - private static native int get_samplerInitMaxNegNum_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerInitMaxNegNum - private static native void set_samplerInitMaxNegNum_0(long nativeObj, int samplerInitMaxNegNum); - - // C++: float TrackerMIL_Params::samplerSearchWinSize - private static native float get_samplerSearchWinSize_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerSearchWinSize - private static native void set_samplerSearchWinSize_0(long nativeObj, float samplerSearchWinSize); - - // C++: float TrackerMIL_Params::samplerTrackInRadius - private static native float get_samplerTrackInRadius_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerTrackInRadius - private static native void set_samplerTrackInRadius_0(long nativeObj, float samplerTrackInRadius); - - // C++: int TrackerMIL_Params::samplerTrackMaxPosNum - private static native int get_samplerTrackMaxPosNum_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerTrackMaxPosNum - private static native void set_samplerTrackMaxPosNum_0(long nativeObj, int samplerTrackMaxPosNum); - - // C++: int TrackerMIL_Params::samplerTrackMaxNegNum - private static native int get_samplerTrackMaxNegNum_0(long nativeObj); - - // C++: void TrackerMIL_Params::samplerTrackMaxNegNum - private static native void set_samplerTrackMaxNegNum_0(long nativeObj, int samplerTrackMaxNegNum); - - // C++: int TrackerMIL_Params::featureSetNumFeatures - private static native int get_featureSetNumFeatures_0(long nativeObj); - - // C++: void TrackerMIL_Params::featureSetNumFeatures - private static native void set_featureSetNumFeatures_0(long nativeObj, int featureSetNumFeatures); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano.java deleted file mode 100644 index 67e691ee87..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano.java +++ /dev/null @@ -1,98 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.dnn.Net; -import org.opencv.video.Tracker; -import org.opencv.video.TrackerNano; -import org.opencv.video.TrackerNano_Params; - -// C++: class TrackerNano -/** - * the Nano tracker is a super lightweight dnn-based general object tracking. - * - * Nano tracker is much faster and extremely lightweight due to special model structure, the whole model size is about 1.9 MB. - * Nano tracker needs two models: one for feature extraction (backbone) and the another for localization (neckhead). - * Model download link: https://github.com/HonglinChu/SiamTrackers/tree/master/NanoTrack/models/nanotrackv2 - * Original repo is here: https://github.com/HonglinChu/NanoTrack - * Author: HongLinChu, 1628464345@qq.com - */ -public class TrackerNano extends Tracker { - - protected TrackerNano(long addr) { super(addr); } - - // internal usage only - public static TrackerNano __fromPtr__(long addr) { return new TrackerNano(addr); } - - // - // C++: static Ptr_TrackerNano cv::TrackerNano::create(TrackerNano_Params parameters = TrackerNano::Params()) - // - - /** - * Constructor - * @param parameters NanoTrack parameters TrackerNano::Params - * @return automatically generated - */ - public static TrackerNano create(TrackerNano_Params parameters) { - return TrackerNano.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Constructor - * @return automatically generated - */ - public static TrackerNano create() { - return TrackerNano.__fromPtr__(create_1()); - } - - - // - // C++: static Ptr_TrackerNano cv::TrackerNano::create(Net backbone, Net neckhead) - // - - /** - * Constructor - * @param backbone pre-loaded backbone model - * @param neckhead pre-loaded neckhead model - * @return automatically generated - */ - public static TrackerNano create(Net backbone, Net neckhead) { - return TrackerNano.__fromPtr__(create_2(backbone.getNativeObjAddr(), neckhead.getNativeObjAddr())); - } - - - // - // C++: float cv::TrackerNano::getTrackingScore() - // - - /** - * Return tracking score - * @return automatically generated - */ - public float getTrackingScore() { - return getTrackingScore_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_TrackerNano cv::TrackerNano::create(TrackerNano_Params parameters = TrackerNano::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: static Ptr_TrackerNano cv::TrackerNano::create(Net backbone, Net neckhead) - private static native long create_2(long backbone_nativeObj, long neckhead_nativeObj); - - // C++: float cv::TrackerNano::getTrackingScore() - private static native float getTrackingScore_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano_Params.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano_Params.java deleted file mode 100644 index bcc34393d7..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerNano_Params.java +++ /dev/null @@ -1,138 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - - - -// C++: class Params - -public class TrackerNano_Params { - - protected final long nativeObj; - protected TrackerNano_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrackerNano_Params __fromPtr__(long addr) { return new TrackerNano_Params(addr); } - - // - // C++: cv::TrackerNano::Params::Params() - // - - public TrackerNano_Params() { - nativeObj = TrackerNano_Params_0(); - } - - - // - // C++: string TrackerNano_Params::backbone - // - - public String get_backbone() { - return get_backbone_0(nativeObj); - } - - - // - // C++: void TrackerNano_Params::backbone - // - - public void set_backbone(String backbone) { - set_backbone_0(nativeObj, backbone); - } - - - // - // C++: string TrackerNano_Params::neckhead - // - - public String get_neckhead() { - return get_neckhead_0(nativeObj); - } - - - // - // C++: void TrackerNano_Params::neckhead - // - - public void set_neckhead(String neckhead) { - set_neckhead_0(nativeObj, neckhead); - } - - - // - // C++: int TrackerNano_Params::backend - // - - public int get_backend() { - return get_backend_0(nativeObj); - } - - - // - // C++: void TrackerNano_Params::backend - // - - public void set_backend(int backend) { - set_backend_0(nativeObj, backend); - } - - - // - // C++: int TrackerNano_Params::target - // - - public int get_target() { - return get_target_0(nativeObj); - } - - - // - // C++: void TrackerNano_Params::target - // - - public void set_target(int target) { - set_target_0(nativeObj, target); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TrackerNano::Params::Params() - private static native long TrackerNano_Params_0(); - - // C++: string TrackerNano_Params::backbone - private static native String get_backbone_0(long nativeObj); - - // C++: void TrackerNano_Params::backbone - private static native void set_backbone_0(long nativeObj, String backbone); - - // C++: string TrackerNano_Params::neckhead - private static native String get_neckhead_0(long nativeObj); - - // C++: void TrackerNano_Params::neckhead - private static native void set_neckhead_0(long nativeObj, String neckhead); - - // C++: int TrackerNano_Params::backend - private static native int get_backend_0(long nativeObj); - - // C++: void TrackerNano_Params::backend - private static native void set_backend_0(long nativeObj, int backend); - - // C++: int TrackerNano_Params::target - private static native int get_target_0(long nativeObj); - - // C++: void TrackerNano_Params::target - private static native void set_target_0(long nativeObj, int target); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit.java deleted file mode 100644 index 1967394833..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit.java +++ /dev/null @@ -1,132 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Scalar; -import org.opencv.dnn.Net; -import org.opencv.video.Tracker; -import org.opencv.video.TrackerVit; -import org.opencv.video.TrackerVit_Params; - -// C++: class TrackerVit -/** - * the VIT tracker is a super lightweight dnn-based general object tracking. - * - * VIT tracker is much faster and extremely lightweight due to special model structure, the model file is about 767KB. - * Model download link: https://github.com/opencv/opencv_zoo/tree/main/models/object_tracking_vittrack - * Author: PengyuLiu, 1872918507@qq.com - */ -public class TrackerVit extends Tracker { - - protected TrackerVit(long addr) { super(addr); } - - // internal usage only - public static TrackerVit __fromPtr__(long addr) { return new TrackerVit(addr); } - - // - // C++: static Ptr_TrackerVit cv::TrackerVit::create(TrackerVit_Params parameters = TrackerVit::Params()) - // - - /** - * Constructor - * @param parameters vit tracker parameters TrackerVit::Params - * @return automatically generated - */ - public static TrackerVit create(TrackerVit_Params parameters) { - return TrackerVit.__fromPtr__(create_0(parameters.getNativeObjAddr())); - } - - /** - * Constructor - * @return automatically generated - */ - public static TrackerVit create() { - return TrackerVit.__fromPtr__(create_1()); - } - - - // - // C++: static Ptr_TrackerVit cv::TrackerVit::create(Net model, Scalar meanvalue = Scalar(0.485, 0.456, 0.406), Scalar stdvalue = Scalar(0.229, 0.224, 0.225), float tracking_score_threshold = 0.20f) - // - - /** - * Constructor - * @param model pre-loaded DNN model - * @param meanvalue mean value for image preprocessing - * @param stdvalue std value for image preprocessing - * @param tracking_score_threshold threshold for tracking score - * @return automatically generated - */ - public static TrackerVit create(Net model, Scalar meanvalue, Scalar stdvalue, float tracking_score_threshold) { - return TrackerVit.__fromPtr__(create_2(model.getNativeObjAddr(), meanvalue.val[0], meanvalue.val[1], meanvalue.val[2], meanvalue.val[3], stdvalue.val[0], stdvalue.val[1], stdvalue.val[2], stdvalue.val[3], tracking_score_threshold)); - } - - /** - * Constructor - * @param model pre-loaded DNN model - * @param meanvalue mean value for image preprocessing - * @param stdvalue std value for image preprocessing - * @return automatically generated - */ - public static TrackerVit create(Net model, Scalar meanvalue, Scalar stdvalue) { - return TrackerVit.__fromPtr__(create_3(model.getNativeObjAddr(), meanvalue.val[0], meanvalue.val[1], meanvalue.val[2], meanvalue.val[3], stdvalue.val[0], stdvalue.val[1], stdvalue.val[2], stdvalue.val[3])); - } - - /** - * Constructor - * @param model pre-loaded DNN model - * @param meanvalue mean value for image preprocessing - * @return automatically generated - */ - public static TrackerVit create(Net model, Scalar meanvalue) { - return TrackerVit.__fromPtr__(create_4(model.getNativeObjAddr(), meanvalue.val[0], meanvalue.val[1], meanvalue.val[2], meanvalue.val[3])); - } - - /** - * Constructor - * @param model pre-loaded DNN model - * @return automatically generated - */ - public static TrackerVit create(Net model) { - return TrackerVit.__fromPtr__(create_5(model.getNativeObjAddr())); - } - - - // - // C++: float cv::TrackerVit::getTrackingScore() - // - - /** - * Return tracking score - * @return automatically generated - */ - public float getTrackingScore() { - return getTrackingScore_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: static Ptr_TrackerVit cv::TrackerVit::create(TrackerVit_Params parameters = TrackerVit::Params()) - private static native long create_0(long parameters_nativeObj); - private static native long create_1(); - - // C++: static Ptr_TrackerVit cv::TrackerVit::create(Net model, Scalar meanvalue = Scalar(0.485, 0.456, 0.406), Scalar stdvalue = Scalar(0.229, 0.224, 0.225), float tracking_score_threshold = 0.20f) - private static native long create_2(long model_nativeObj, double meanvalue_val0, double meanvalue_val1, double meanvalue_val2, double meanvalue_val3, double stdvalue_val0, double stdvalue_val1, double stdvalue_val2, double stdvalue_val3, float tracking_score_threshold); - private static native long create_3(long model_nativeObj, double meanvalue_val0, double meanvalue_val1, double meanvalue_val2, double meanvalue_val3, double stdvalue_val0, double stdvalue_val1, double stdvalue_val2, double stdvalue_val3); - private static native long create_4(long model_nativeObj, double meanvalue_val0, double meanvalue_val1, double meanvalue_val2, double meanvalue_val3); - private static native long create_5(long model_nativeObj); - - // C++: float cv::TrackerVit::getTrackingScore() - private static native float getTrackingScore_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit_Params.java b/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit_Params.java deleted file mode 100644 index 7fb0d47a50..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/TrackerVit_Params.java +++ /dev/null @@ -1,186 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Scalar; - -// C++: class Params - -public class TrackerVit_Params { - - protected final long nativeObj; - protected TrackerVit_Params(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static TrackerVit_Params __fromPtr__(long addr) { return new TrackerVit_Params(addr); } - - // - // C++: cv::TrackerVit::Params::Params() - // - - public TrackerVit_Params() { - nativeObj = TrackerVit_Params_0(); - } - - - // - // C++: string TrackerVit_Params::net - // - - public String get_net() { - return get_net_0(nativeObj); - } - - - // - // C++: void TrackerVit_Params::net - // - - public void set_net(String net) { - set_net_0(nativeObj, net); - } - - - // - // C++: int TrackerVit_Params::backend - // - - public int get_backend() { - return get_backend_0(nativeObj); - } - - - // - // C++: void TrackerVit_Params::backend - // - - public void set_backend(int backend) { - set_backend_0(nativeObj, backend); - } - - - // - // C++: int TrackerVit_Params::target - // - - public int get_target() { - return get_target_0(nativeObj); - } - - - // - // C++: void TrackerVit_Params::target - // - - public void set_target(int target) { - set_target_0(nativeObj, target); - } - - - // - // C++: Scalar TrackerVit_Params::meanvalue - // - - public Scalar get_meanvalue() { - return new Scalar(get_meanvalue_0(nativeObj)); - } - - - // - // C++: void TrackerVit_Params::meanvalue - // - - public void set_meanvalue(Scalar meanvalue) { - set_meanvalue_0(nativeObj, meanvalue.val[0], meanvalue.val[1], meanvalue.val[2], meanvalue.val[3]); - } - - - // - // C++: Scalar TrackerVit_Params::stdvalue - // - - public Scalar get_stdvalue() { - return new Scalar(get_stdvalue_0(nativeObj)); - } - - - // - // C++: void TrackerVit_Params::stdvalue - // - - public void set_stdvalue(Scalar stdvalue) { - set_stdvalue_0(nativeObj, stdvalue.val[0], stdvalue.val[1], stdvalue.val[2], stdvalue.val[3]); - } - - - // - // C++: float TrackerVit_Params::tracking_score_threshold - // - - public float get_tracking_score_threshold() { - return get_tracking_score_threshold_0(nativeObj); - } - - - // - // C++: void TrackerVit_Params::tracking_score_threshold - // - - public void set_tracking_score_threshold(float tracking_score_threshold) { - set_tracking_score_threshold_0(nativeObj, tracking_score_threshold); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::TrackerVit::Params::Params() - private static native long TrackerVit_Params_0(); - - // C++: string TrackerVit_Params::net - private static native String get_net_0(long nativeObj); - - // C++: void TrackerVit_Params::net - private static native void set_net_0(long nativeObj, String net); - - // C++: int TrackerVit_Params::backend - private static native int get_backend_0(long nativeObj); - - // C++: void TrackerVit_Params::backend - private static native void set_backend_0(long nativeObj, int backend); - - // C++: int TrackerVit_Params::target - private static native int get_target_0(long nativeObj); - - // C++: void TrackerVit_Params::target - private static native void set_target_0(long nativeObj, int target); - - // C++: Scalar TrackerVit_Params::meanvalue - private static native double[] get_meanvalue_0(long nativeObj); - - // C++: void TrackerVit_Params::meanvalue - private static native void set_meanvalue_0(long nativeObj, double meanvalue_val0, double meanvalue_val1, double meanvalue_val2, double meanvalue_val3); - - // C++: Scalar TrackerVit_Params::stdvalue - private static native double[] get_stdvalue_0(long nativeObj); - - // C++: void TrackerVit_Params::stdvalue - private static native void set_stdvalue_0(long nativeObj, double stdvalue_val0, double stdvalue_val1, double stdvalue_val2, double stdvalue_val3); - - // C++: float TrackerVit_Params::tracking_score_threshold - private static native float get_tracking_score_threshold_0(long nativeObj); - - // C++: void TrackerVit_Params::tracking_score_threshold - private static native void set_tracking_score_threshold_0(long nativeObj, float tracking_score_threshold); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/VariationalRefinement.java b/vendor/opencv/sdk/java/src/org/opencv/video/VariationalRefinement.java deleted file mode 100644 index ce8868f85f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/VariationalRefinement.java +++ /dev/null @@ -1,307 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import org.opencv.core.Mat; -import org.opencv.video.DenseOpticalFlow; -import org.opencv.video.VariationalRefinement; - -// C++: class VariationalRefinement -/** - * Variational optical flow refinement - * - * This class implements variational refinement of the input flow field, i.e. - * it uses input flow to initialize the minimization of the following functional: - * \(E(U) = \int_{\Omega} \delta \Psi(E_I) + \gamma \Psi(E_G) + \alpha \Psi(E_S) \), - * where \(E_I,E_G,E_S\) are color constancy, gradient constancy and smoothness terms - * respectively. \(\Psi(s^2)=\sqrt{s^2+\epsilon^2}\) is a robust penalizer to limit the - * influence of outliers. A complete formulation and a description of the minimization - * procedure can be found in CITE: Brox2004 - */ -public class VariationalRefinement extends DenseOpticalFlow { - - protected VariationalRefinement(long addr) { super(addr); } - - // internal usage only - public static VariationalRefinement __fromPtr__(long addr) { return new VariationalRefinement(addr); } - - // - // C++: void cv::VariationalRefinement::calcUV(Mat I0, Mat I1, Mat& flow_u, Mat& flow_v) - // - - /** - * REF: calc function overload to handle separate horizontal (u) and vertical (v) flow components - * (to avoid extra splits/merges) - * @param I0 automatically generated - * @param I1 automatically generated - * @param flow_u automatically generated - * @param flow_v automatically generated - */ - public void calcUV(Mat I0, Mat I1, Mat flow_u, Mat flow_v) { - calcUV_0(nativeObj, I0.nativeObj, I1.nativeObj, flow_u.nativeObj, flow_v.nativeObj); - } - - - // - // C++: int cv::VariationalRefinement::getFixedPointIterations() - // - - /** - * Number of outer (fixed-point) iterations in the minimization procedure. - * SEE: setFixedPointIterations - * @return automatically generated - */ - public int getFixedPointIterations() { - return getFixedPointIterations_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setFixedPointIterations(int val) - // - - /** - * getFixedPointIterations SEE: getFixedPointIterations - * @param val automatically generated - */ - public void setFixedPointIterations(int val) { - setFixedPointIterations_0(nativeObj, val); - } - - - // - // C++: int cv::VariationalRefinement::getSorIterations() - // - - /** - * Number of inner successive over-relaxation (SOR) iterations - * in the minimization procedure to solve the respective linear system. - * SEE: setSorIterations - * @return automatically generated - */ - public int getSorIterations() { - return getSorIterations_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setSorIterations(int val) - // - - /** - * getSorIterations SEE: getSorIterations - * @param val automatically generated - */ - public void setSorIterations(int val) { - setSorIterations_0(nativeObj, val); - } - - - // - // C++: float cv::VariationalRefinement::getOmega() - // - - /** - * Relaxation factor in SOR - * SEE: setOmega - * @return automatically generated - */ - public float getOmega() { - return getOmega_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setOmega(float val) - // - - /** - * getOmega SEE: getOmega - * @param val automatically generated - */ - public void setOmega(float val) { - setOmega_0(nativeObj, val); - } - - - // - // C++: float cv::VariationalRefinement::getAlpha() - // - - /** - * Weight of the smoothness term - * SEE: setAlpha - * @return automatically generated - */ - public float getAlpha() { - return getAlpha_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setAlpha(float val) - // - - /** - * getAlpha SEE: getAlpha - * @param val automatically generated - */ - public void setAlpha(float val) { - setAlpha_0(nativeObj, val); - } - - - // - // C++: float cv::VariationalRefinement::getDelta() - // - - /** - * Weight of the color constancy term - * SEE: setDelta - * @return automatically generated - */ - public float getDelta() { - return getDelta_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setDelta(float val) - // - - /** - * getDelta SEE: getDelta - * @param val automatically generated - */ - public void setDelta(float val) { - setDelta_0(nativeObj, val); - } - - - // - // C++: float cv::VariationalRefinement::getGamma() - // - - /** - * Weight of the gradient constancy term - * SEE: setGamma - * @return automatically generated - */ - public float getGamma() { - return getGamma_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setGamma(float val) - // - - /** - * getGamma SEE: getGamma - * @param val automatically generated - */ - public void setGamma(float val) { - setGamma_0(nativeObj, val); - } - - - // - // C++: float cv::VariationalRefinement::getEpsilon() - // - - /** - * Norm value shift for robust penalizer - * SEE: setEpsilon - * @return automatically generated - */ - public float getEpsilon() { - return getEpsilon_0(nativeObj); - } - - - // - // C++: void cv::VariationalRefinement::setEpsilon(float val) - // - - /** - * getEpsilon SEE: getEpsilon - * @param val automatically generated - */ - public void setEpsilon(float val) { - setEpsilon_0(nativeObj, val); - } - - - // - // C++: static Ptr_VariationalRefinement cv::VariationalRefinement::create() - // - - /** - * Creates an instance of VariationalRefinement - * @return automatically generated - */ - public static VariationalRefinement create() { - return VariationalRefinement.__fromPtr__(create_0()); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: void cv::VariationalRefinement::calcUV(Mat I0, Mat I1, Mat& flow_u, Mat& flow_v) - private static native void calcUV_0(long nativeObj, long I0_nativeObj, long I1_nativeObj, long flow_u_nativeObj, long flow_v_nativeObj); - - // C++: int cv::VariationalRefinement::getFixedPointIterations() - private static native int getFixedPointIterations_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setFixedPointIterations(int val) - private static native void setFixedPointIterations_0(long nativeObj, int val); - - // C++: int cv::VariationalRefinement::getSorIterations() - private static native int getSorIterations_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setSorIterations(int val) - private static native void setSorIterations_0(long nativeObj, int val); - - // C++: float cv::VariationalRefinement::getOmega() - private static native float getOmega_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setOmega(float val) - private static native void setOmega_0(long nativeObj, float val); - - // C++: float cv::VariationalRefinement::getAlpha() - private static native float getAlpha_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setAlpha(float val) - private static native void setAlpha_0(long nativeObj, float val); - - // C++: float cv::VariationalRefinement::getDelta() - private static native float getDelta_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setDelta(float val) - private static native void setDelta_0(long nativeObj, float val); - - // C++: float cv::VariationalRefinement::getGamma() - private static native float getGamma_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setGamma(float val) - private static native void setGamma_0(long nativeObj, float val); - - // C++: float cv::VariationalRefinement::getEpsilon() - private static native float getEpsilon_0(long nativeObj); - - // C++: void cv::VariationalRefinement::setEpsilon(float val) - private static native void setEpsilon_0(long nativeObj, float val); - - // C++: static Ptr_VariationalRefinement cv::VariationalRefinement::create() - private static native long create_0(); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/video/Video.java b/vendor/opencv/sdk/java/src/org/opencv/video/Video.java deleted file mode 100644 index 96baf4ef79..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/video/Video.java +++ /dev/null @@ -1,1041 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.video; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfByte; -import org.opencv.core.MatOfFloat; -import org.opencv.core.MatOfPoint2f; -import org.opencv.core.Rect; -import org.opencv.core.RotatedRect; -import org.opencv.core.Size; -import org.opencv.core.TermCriteria; -import org.opencv.utils.Converters; -import org.opencv.video.BackgroundSubtractorKNN; -import org.opencv.video.BackgroundSubtractorMOG2; - -// C++: class Video - -public class Video { - - private static final int - CV_LKFLOW_INITIAL_GUESSES = 4, - CV_LKFLOW_GET_MIN_EIGENVALS = 8; - - - // C++: enum - public static final int - OPTFLOW_USE_INITIAL_FLOW = 4, - OPTFLOW_LK_GET_MIN_EIGENVALS = 8, - OPTFLOW_FARNEBACK_GAUSSIAN = 256, - MOTION_TRANSLATION = 0, - MOTION_EUCLIDEAN = 1, - MOTION_AFFINE = 2, - MOTION_HOMOGRAPHY = 3; - - - // C++: enum MODE (cv.detail.TrackerSamplerCSC.MODE) - public static final int - TrackerSamplerCSC_MODE_INIT_POS = 1, - TrackerSamplerCSC_MODE_INIT_NEG = 2, - TrackerSamplerCSC_MODE_TRACK_POS = 3, - TrackerSamplerCSC_MODE_TRACK_NEG = 4, - TrackerSamplerCSC_MODE_DETECT = 5; - - - // - // C++: Ptr_BackgroundSubtractorMOG2 cv::createBackgroundSubtractorMOG2(int history = 500, double varThreshold = 16, bool detectShadows = true) - // - - /** - * Creates MOG2 Background Subtractor - * - * @param history Length of the history. - * @param varThreshold Threshold on the squared Mahalanobis distance between the pixel and the model - * to decide whether a pixel is well described by the background model. This parameter does not - * affect the background update. - * @param detectShadows If true, the algorithm will detect shadows and mark them. It decreases the - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history, double varThreshold, boolean detectShadows) { - return BackgroundSubtractorMOG2.__fromPtr__(createBackgroundSubtractorMOG2_0(history, varThreshold, detectShadows)); - } - - /** - * Creates MOG2 Background Subtractor - * - * @param history Length of the history. - * @param varThreshold Threshold on the squared Mahalanobis distance between the pixel and the model - * to decide whether a pixel is well described by the background model. This parameter does not - * affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history, double varThreshold) { - return BackgroundSubtractorMOG2.__fromPtr__(createBackgroundSubtractorMOG2_1(history, varThreshold)); - } - - /** - * Creates MOG2 Background Subtractor - * - * @param history Length of the history. - * to decide whether a pixel is well described by the background model. This parameter does not - * affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2(int history) { - return BackgroundSubtractorMOG2.__fromPtr__(createBackgroundSubtractorMOG2_2(history)); - } - - /** - * Creates MOG2 Background Subtractor - * - * to decide whether a pixel is well described by the background model. This parameter does not - * affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorMOG2 createBackgroundSubtractorMOG2() { - return BackgroundSubtractorMOG2.__fromPtr__(createBackgroundSubtractorMOG2_3()); - } - - - // - // C++: Ptr_BackgroundSubtractorKNN cv::createBackgroundSubtractorKNN(int history = 500, double dist2Threshold = 400.0, bool detectShadows = true) - // - - /** - * Creates KNN Background Subtractor - * - * @param history Length of the history. - * @param dist2Threshold Threshold on the squared distance between the pixel and the sample to decide - * whether a pixel is close to that sample. This parameter does not affect the background update. - * @param detectShadows If true, the algorithm will detect shadows and mark them. It decreases the - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history, double dist2Threshold, boolean detectShadows) { - return BackgroundSubtractorKNN.__fromPtr__(createBackgroundSubtractorKNN_0(history, dist2Threshold, detectShadows)); - } - - /** - * Creates KNN Background Subtractor - * - * @param history Length of the history. - * @param dist2Threshold Threshold on the squared distance between the pixel and the sample to decide - * whether a pixel is close to that sample. This parameter does not affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history, double dist2Threshold) { - return BackgroundSubtractorKNN.__fromPtr__(createBackgroundSubtractorKNN_1(history, dist2Threshold)); - } - - /** - * Creates KNN Background Subtractor - * - * @param history Length of the history. - * whether a pixel is close to that sample. This parameter does not affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorKNN createBackgroundSubtractorKNN(int history) { - return BackgroundSubtractorKNN.__fromPtr__(createBackgroundSubtractorKNN_2(history)); - } - - /** - * Creates KNN Background Subtractor - * - * whether a pixel is close to that sample. This parameter does not affect the background update. - * speed a bit, so if you do not need this feature, set the parameter to false. - * @return automatically generated - */ - public static BackgroundSubtractorKNN createBackgroundSubtractorKNN() { - return BackgroundSubtractorKNN.__fromPtr__(createBackgroundSubtractorKNN_3()); - } - - - // - // C++: RotatedRect cv::CamShift(Mat probImage, Rect& window, TermCriteria criteria) - // - - /** - * Finds an object center, size, and orientation. - * - * @param probImage Back projection of the object histogram. See calcBackProject. - * @param window Initial search window. - * @param criteria Stop criteria for the underlying meanShift. - * returns - * (in old interfaces) Number of iterations CAMSHIFT took to converge - * The function implements the CAMSHIFT object tracking algorithm CITE: Bradski98 . First, it finds an - * object center using meanShift and then adjusts the window size and finds the optimal rotation. The - * function returns the rotated rectangle structure that includes the object position, size, and - * orientation. The next position of the search window can be obtained with RotatedRect::boundingRect() - * - * See the OpenCV sample camshiftdemo.c that tracks colored objects. - * - * Note: - *
      - *
    • - * (Python) A sample explaining the camshift tracking algorithm can be found at - * opencv_source_code/samples/python/camshift.py - *
      • - *
    - * @return automatically generated - */ - public static RotatedRect CamShift(Mat probImage, Rect window, TermCriteria criteria) { - double[] window_out = new double[4]; - RotatedRect retVal = new RotatedRect(CamShift_0(probImage.nativeObj, window.x, window.y, window.width, window.height, window_out, criteria.type, criteria.maxCount, criteria.epsilon)); - if(window!=null){ window.x = (int)window_out[0]; window.y = (int)window_out[1]; window.width = (int)window_out[2]; window.height = (int)window_out[3]; } - return retVal; - } - - - // - // C++: int cv::meanShift(Mat probImage, Rect& window, TermCriteria criteria) - // - - /** - * Finds an object on a back projection image. - * - * @param probImage Back projection of the object histogram. See calcBackProject for details. - * @param window Initial search window. - * @param criteria Stop criteria for the iterative search algorithm. - * returns - * : Number of iterations CAMSHIFT took to converge. - * The function implements the iterative object search algorithm. It takes the input back projection of - * an object and the initial position. The mass center in window of the back projection image is - * computed and the search window center shifts to the mass center. The procedure is repeated until the - * specified number of iterations criteria.maxCount is done or until the window center shifts by less - * than criteria.epsilon. The algorithm is used inside CamShift and, unlike CamShift , the search - * window size or orientation do not change during the search. You can simply pass the output of - * calcBackProject to this function. But better results can be obtained if you pre-filter the back - * projection and remove the noise. For example, you can do this by retrieving connected components - * with findContours , throwing away contours with small area ( contourArea ), and rendering the - * remaining contours with drawContours. - * @return automatically generated - */ - public static int meanShift(Mat probImage, Rect window, TermCriteria criteria) { - double[] window_out = new double[4]; - int retVal = meanShift_0(probImage.nativeObj, window.x, window.y, window.width, window.height, window_out, criteria.type, criteria.maxCount, criteria.epsilon); - if(window!=null){ window.x = (int)window_out[0]; window.y = (int)window_out[1]; window.width = (int)window_out[2]; window.height = (int)window_out[3]; } - return retVal; - } - - - // - // C++: int cv::buildOpticalFlowPyramid(Mat img, vector_Mat& pyramid, Size winSize, int maxLevel, bool withDerivatives = true, int pyrBorder = BORDER_REFLECT_101, int derivBorder = BORDER_CONSTANT, bool tryReuseInputImage = true) - // - - /** - * Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK. - * - * @param img 8-bit input image. - * @param pyramid output pyramid. - * @param winSize window size of optical flow algorithm. Must be not less than winSize argument of - * calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels. - * @param maxLevel 0-based maximal pyramid level number. - * @param withDerivatives set to precompute gradients for the every pyramid level. If pyramid is - * constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - * @param pyrBorder the border mode for pyramid layers. - * @param derivBorder the border mode for gradients. - * @param tryReuseInputImage put ROI of input image into the pyramid if possible. You can pass false - * to force data copying. - * @return number of levels in constructed pyramid. Can be less than maxLevel. - */ - public static int buildOpticalFlowPyramid(Mat img, List pyramid, Size winSize, int maxLevel, boolean withDerivatives, int pyrBorder, int derivBorder, boolean tryReuseInputImage) { - Mat pyramid_mat = new Mat(); - int retVal = buildOpticalFlowPyramid_0(img.nativeObj, pyramid_mat.nativeObj, winSize.width, winSize.height, maxLevel, withDerivatives, pyrBorder, derivBorder, tryReuseInputImage); - Converters.Mat_to_vector_Mat(pyramid_mat, pyramid); - pyramid_mat.release(); - return retVal; - } - - /** - * Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK. - * - * @param img 8-bit input image. - * @param pyramid output pyramid. - * @param winSize window size of optical flow algorithm. Must be not less than winSize argument of - * calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels. - * @param maxLevel 0-based maximal pyramid level number. - * @param withDerivatives set to precompute gradients for the every pyramid level. If pyramid is - * constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - * @param pyrBorder the border mode for pyramid layers. - * @param derivBorder the border mode for gradients. - * to force data copying. - * @return number of levels in constructed pyramid. Can be less than maxLevel. - */ - public static int buildOpticalFlowPyramid(Mat img, List pyramid, Size winSize, int maxLevel, boolean withDerivatives, int pyrBorder, int derivBorder) { - Mat pyramid_mat = new Mat(); - int retVal = buildOpticalFlowPyramid_1(img.nativeObj, pyramid_mat.nativeObj, winSize.width, winSize.height, maxLevel, withDerivatives, pyrBorder, derivBorder); - Converters.Mat_to_vector_Mat(pyramid_mat, pyramid); - pyramid_mat.release(); - return retVal; - } - - /** - * Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK. - * - * @param img 8-bit input image. - * @param pyramid output pyramid. - * @param winSize window size of optical flow algorithm. Must be not less than winSize argument of - * calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels. - * @param maxLevel 0-based maximal pyramid level number. - * @param withDerivatives set to precompute gradients for the every pyramid level. If pyramid is - * constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - * @param pyrBorder the border mode for pyramid layers. - * to force data copying. - * @return number of levels in constructed pyramid. Can be less than maxLevel. - */ - public static int buildOpticalFlowPyramid(Mat img, List pyramid, Size winSize, int maxLevel, boolean withDerivatives, int pyrBorder) { - Mat pyramid_mat = new Mat(); - int retVal = buildOpticalFlowPyramid_2(img.nativeObj, pyramid_mat.nativeObj, winSize.width, winSize.height, maxLevel, withDerivatives, pyrBorder); - Converters.Mat_to_vector_Mat(pyramid_mat, pyramid); - pyramid_mat.release(); - return retVal; - } - - /** - * Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK. - * - * @param img 8-bit input image. - * @param pyramid output pyramid. - * @param winSize window size of optical flow algorithm. Must be not less than winSize argument of - * calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels. - * @param maxLevel 0-based maximal pyramid level number. - * @param withDerivatives set to precompute gradients for the every pyramid level. If pyramid is - * constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - * to force data copying. - * @return number of levels in constructed pyramid. Can be less than maxLevel. - */ - public static int buildOpticalFlowPyramid(Mat img, List pyramid, Size winSize, int maxLevel, boolean withDerivatives) { - Mat pyramid_mat = new Mat(); - int retVal = buildOpticalFlowPyramid_3(img.nativeObj, pyramid_mat.nativeObj, winSize.width, winSize.height, maxLevel, withDerivatives); - Converters.Mat_to_vector_Mat(pyramid_mat, pyramid); - pyramid_mat.release(); - return retVal; - } - - /** - * Constructs the image pyramid which can be passed to calcOpticalFlowPyrLK. - * - * @param img 8-bit input image. - * @param pyramid output pyramid. - * @param winSize window size of optical flow algorithm. Must be not less than winSize argument of - * calcOpticalFlowPyrLK. It is needed to calculate required padding for pyramid levels. - * @param maxLevel 0-based maximal pyramid level number. - * constructed without the gradients then calcOpticalFlowPyrLK will calculate them internally. - * to force data copying. - * @return number of levels in constructed pyramid. Can be less than maxLevel. - */ - public static int buildOpticalFlowPyramid(Mat img, List pyramid, Size winSize, int maxLevel) { - Mat pyramid_mat = new Mat(); - int retVal = buildOpticalFlowPyramid_4(img.nativeObj, pyramid_mat.nativeObj, winSize.width, winSize.height, maxLevel); - Converters.Mat_to_vector_Mat(pyramid_mat, pyramid); - pyramid_mat.release(); - return retVal; - } - - - // - // C++: void cv::calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, vector_Point2f prevPts, vector_Point2f& nextPts, vector_uchar& status, vector_float& err, Size winSize = Size(21,21), int maxLevel = 3, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01), int flags = 0, double minEigThreshold = 1e-4) - // - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * @param winSize size of the search window at each pyramid level. - * @param maxLevel 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * @param criteria parameter, specifying the termination criteria of the iterative search algorithm - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - * @param flags operation flags: - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * @param minEigThreshold the algorithm calculates the minimum eigen value of a 2x2 normal matrix of - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err, Size winSize, int maxLevel, TermCriteria criteria, int flags, double minEigThreshold) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_0(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj, winSize.width, winSize.height, maxLevel, criteria.type, criteria.maxCount, criteria.epsilon, flags, minEigThreshold); - } - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * @param winSize size of the search window at each pyramid level. - * @param maxLevel 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * @param criteria parameter, specifying the termination criteria of the iterative search algorithm - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - * @param flags operation flags: - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err, Size winSize, int maxLevel, TermCriteria criteria, int flags) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_1(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj, winSize.width, winSize.height, maxLevel, criteria.type, criteria.maxCount, criteria.epsilon, flags); - } - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * @param winSize size of the search window at each pyramid level. - * @param maxLevel 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * @param criteria parameter, specifying the termination criteria of the iterative search algorithm - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err, Size winSize, int maxLevel, TermCriteria criteria) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_2(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj, winSize.width, winSize.height, maxLevel, criteria.type, criteria.maxCount, criteria.epsilon); - } - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * @param winSize size of the search window at each pyramid level. - * @param maxLevel 0-based maximal pyramid level number; if set to 0, pyramids are not used (single - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err, Size winSize, int maxLevel) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_3(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj, winSize.width, winSize.height, maxLevel); - } - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * @param winSize size of the search window at each pyramid level. - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err, Size winSize) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_4(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj, winSize.width, winSize.height); - } - - /** - * Calculates an optical flow for a sparse feature set using the iterative Lucas-Kanade method with - * pyramids. - * - * @param prevImg first 8-bit input image or pyramid constructed by buildOpticalFlowPyramid. - * @param nextImg second input image or pyramid of the same size and the same type as prevImg. - * @param prevPts vector of 2D points for which the flow needs to be found; point coordinates must be - * single-precision floating-point numbers. - * @param nextPts output vector of 2D points (with single-precision floating-point coordinates) - * containing the calculated new positions of input features in the second image; when - * OPTFLOW_USE_INITIAL_FLOW flag is passed, the vector must have the same size as in the input. - * @param status output status vector (of unsigned chars); each element of the vector is set to 1 if - * the flow for the corresponding features has been found, otherwise, it is set to 0. - * @param err output vector of errors; each element of the vector is set to an error for the - * corresponding feature, type of the error measure can be set in flags parameter; if the flow wasn't - * found then the error is not defined (use the status parameter to find such cases). - * level), if set to 1, two levels are used, and so on; if pyramids are passed to input then - * algorithm will use as many levels as pyramids have but no more than maxLevel. - * (after the specified maximum number of iterations criteria.maxCount or when the search window - * moves by less than criteria.epsilon. - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses initial estimations, stored in nextPts; if the flag is - * not set, then prevPts is copied to nextPts and is considered the initial estimate. - *
      • - *
    • - * OPTFLOW_LK_GET_MIN_EIGENVALS use minimum eigen values as an error measure (see - * minEigThreshold description); if the flag is not set, then L1 distance between patches - * around the original and a moved point, divided by number of pixels in a window, is used as a - * error measure. - *
      • - *
    - * optical flow equations (this matrix is called a spatial gradient matrix in CITE: Bouguet00), divided - * by number of pixels in a window; if this value is less than minEigThreshold, then a corresponding - * feature is filtered out and its flow is not processed, so it allows to remove bad points and get a - * performance boost. - * - * The function implements a sparse iterative version of the Lucas-Kanade optical flow in pyramids. See - * CITE: Bouguet00 . The function is parallelized with the TBB library. - * - * Note: Some examples: - * - *
      - *
    • - * An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/cpp/lkdemo.cpp - *
      • - *
    • - * (Python) An example using the Lucas-Kanade optical flow algorithm can be found at - * opencv_source_code/samples/python/lk_track.py - *
      • - *
    • - * (Python) An example using the Lucas-Kanade tracker for homography matching can be found at - * opencv_source_code/samples/python/lk_homography.py - *
      • - *
    - */ - public static void calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, MatOfPoint2f prevPts, MatOfPoint2f nextPts, MatOfByte status, MatOfFloat err) { - Mat prevPts_mat = prevPts; - Mat nextPts_mat = nextPts; - Mat status_mat = status; - Mat err_mat = err; - calcOpticalFlowPyrLK_5(prevImg.nativeObj, nextImg.nativeObj, prevPts_mat.nativeObj, nextPts_mat.nativeObj, status_mat.nativeObj, err_mat.nativeObj); - } - - - // - // C++: void cv::calcOpticalFlowFarneback(Mat prev, Mat next, Mat& flow, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags) - // - - /** - * Computes a dense optical flow using the Gunnar Farneback's algorithm. - * - * @param prev first 8-bit single-channel input image. - * @param next second input image of the same size and the same type as prev. - * @param flow computed flow image that has the same size as prev and type CV_32FC2. - * @param pyr_scale parameter, specifying the image scale (<1) to build pyramids for each image; - * pyr_scale=0.5 means a classical pyramid, where each next layer is twice smaller than the previous - * one. - * @param levels number of pyramid layers including the initial image; levels=1 means that no extra - * layers are created and only the original images are used. - * @param winsize averaging window size; larger values increase the algorithm robustness to image - * noise and give more chances for fast motion detection, but yield more blurred motion field. - * @param iterations number of iterations the algorithm does at each pyramid level. - * @param poly_n size of the pixel neighborhood used to find polynomial expansion in each pixel; - * larger values mean that the image will be approximated with smoother surfaces, yielding more - * robust algorithm and more blurred motion field, typically poly_n =5 or 7. - * @param poly_sigma standard deviation of the Gaussian that is used to smooth derivatives used as a - * basis for the polynomial expansion; for poly_n=5, you can set poly_sigma=1.1, for poly_n=7, a - * good value would be poly_sigma=1.5. - * @param flags operation flags that can be a combination of the following: - *
      - *
    • - * OPTFLOW_USE_INITIAL_FLOW uses the input flow as an initial flow approximation. - *
      • - *
    • - * OPTFLOW_FARNEBACK_GAUSSIAN uses the Gaussian \(\texttt{winsize}\times\texttt{winsize}\) - * filter instead of a box filter of the same size for optical flow estimation; usually, this - * option gives z more accurate flow than with a box filter, at the cost of lower speed; - * normally, winsize for a Gaussian window should be set to a larger value to achieve the same - * level of robustness. - *
      • - *
    - * - * The function finds an optical flow for each prev pixel using the CITE: Farneback2003 algorithm so that - * - * \(\texttt{prev} (y,x) \sim \texttt{next} ( y + \texttt{flow} (y,x)[1], x + \texttt{flow} (y,x)[0])\) - * - * Note: Some examples: - * - *
      - *
    • - * An example using the optical flow algorithm described by Gunnar Farneback can be found at - * opencv_source_code/samples/cpp/fback.cpp - *
      • - *
    • - * (Python) An example using the optical flow algorithm described by Gunnar Farneback can be - * found at opencv_source_code/samples/python/opt_flow.py - *
      • - *
    - */ - public static void calcOpticalFlowFarneback(Mat prev, Mat next, Mat flow, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags) { - calcOpticalFlowFarneback_0(prev.nativeObj, next.nativeObj, flow.nativeObj, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags); - } - - - // - // C++: double cv::computeECC(Mat templateImage, Mat inputImage, Mat inputMask = Mat()) - // - - /** - * Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 . - * - * @param templateImage single-channel template image; CV_8U or CV_32F array. - * @param inputImage single-channel input image to be warped to provide an image similar to - * templateImage, same type as templateImage. - * @param inputMask An optional mask to indicate valid values of inputImage. - * - * SEE: - * findTransformECC - * @return automatically generated - */ - public static double computeECC(Mat templateImage, Mat inputImage, Mat inputMask) { - return computeECC_0(templateImage.nativeObj, inputImage.nativeObj, inputMask.nativeObj); - } - - /** - * Computes the Enhanced Correlation Coefficient value between two images CITE: EP08 . - * - * @param templateImage single-channel template image; CV_8U or CV_32F array. - * @param inputImage single-channel input image to be warped to provide an image similar to - * templateImage, same type as templateImage. - * - * SEE: - * findTransformECC - * @return automatically generated - */ - public static double computeECC(Mat templateImage, Mat inputImage) { - return computeECC_1(templateImage.nativeObj, inputImage.nativeObj); - } - - - // - // C++: double cv::findTransformECC(Mat templateImage, Mat inputImage, Mat& warpMatrix, int motionType, TermCriteria criteria, Mat inputMask, int gaussFiltSize) - // - - /** - * Finds the geometric transform (warp) between two images in terms of the ECC criterion CITE: EP08 . - * - * @param templateImage single-channel template image; CV_8U or CV_32F array. - * @param inputImage single-channel input image which should be warped with the final warpMatrix in - * order to provide an image similar to templateImage, same type as templateImage. - * @param warpMatrix floating-point \(2\times 3\) or \(3\times 3\) mapping matrix (warp). - * @param motionType parameter, specifying the type of motion: - *
      - *
    • - * MOTION_TRANSLATION sets a translational motion model; warpMatrix is \(2\times 3\) with - * the first \(2\times 2\) part being the unity matrix and the rest two parameters being - * estimated. - *
      • - *
    • - * MOTION_EUCLIDEAN sets a Euclidean (rigid) transformation as motion model; three - * parameters are estimated; warpMatrix is \(2\times 3\). - *
      • - *
    • - * MOTION_AFFINE sets an affine motion model (DEFAULT); six parameters are estimated; - * warpMatrix is \(2\times 3\). - *
      • - *
    • - * MOTION_HOMOGRAPHY sets a homography as a motion model; eight parameters are - * estimated;\{@code warpMatrix\} is \(3\times 3\). - *
      • - *
    - * @param criteria parameter, specifying the termination criteria of the ECC algorithm; - * criteria.epsilon defines the threshold of the increment in the correlation coefficient between two - * iterations (a negative criteria.epsilon makes criteria.maxcount the only termination criterion). - * Default values are shown in the declaration above. - * @param inputMask An optional mask to indicate valid values of inputImage. - * @param gaussFiltSize An optional value indicating size of gaussian blur filter; (DEFAULT: 5) - * - * The function estimates the optimum transformation (warpMatrix) with respect to ECC criterion - * (CITE: EP08), that is - * - * \(\texttt{warpMatrix} = \arg\max_{W} \texttt{ECC}(\texttt{templateImage}(x,y),\texttt{inputImage}(x',y'))\) - * - * where - * - * \(\begin{bmatrix} x' \\ y' \end{bmatrix} = W \cdot \begin{bmatrix} x \\ y \\ 1 \end{bmatrix}\) - * - * (the equation holds with homogeneous coordinates for homography). It returns the final enhanced - * correlation coefficient, that is the correlation coefficient between the template image and the - * final warped input image. When a \(3\times 3\) matrix is given with motionType =0, 1 or 2, the third - * row is ignored. - * - * Unlike findHomography and estimateRigidTransform, the function findTransformECC implements an - * area-based alignment that builds on intensity similarities. In essence, the function updates the - * initial transformation that roughly aligns the images. If this information is missing, the identity - * warp (unity matrix) is used as an initialization. Note that if images undergo strong - * displacements/rotations, an initial transformation that roughly aligns the images is necessary - * (e.g., a simple euclidean/similarity transform that allows for the images showing the same image - * content approximately). Use inverse warping in the second image to take an image close to the first - * one, i.e. use the flag WARP_INVERSE_MAP with warpAffine or warpPerspective. See also the OpenCV - * sample image_alignment.cpp that demonstrates the use of the function. Note that the function throws - * an exception if algorithm does not converges. - * - * SEE: - * computeECC, estimateAffine2D, estimateAffinePartial2D, findHomography - * @return automatically generated - */ - public static double findTransformECC(Mat templateImage, Mat inputImage, Mat warpMatrix, int motionType, TermCriteria criteria, Mat inputMask, int gaussFiltSize) { - return findTransformECC_0(templateImage.nativeObj, inputImage.nativeObj, warpMatrix.nativeObj, motionType, criteria.type, criteria.maxCount, criteria.epsilon, inputMask.nativeObj, gaussFiltSize); - } - - - // - // C++: double cv::findTransformECC(Mat templateImage, Mat inputImage, Mat& warpMatrix, int motionType = MOTION_AFFINE, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 50, 0.001), Mat inputMask = Mat()) - // - - public static double findTransformECC(Mat templateImage, Mat inputImage, Mat warpMatrix, int motionType, TermCriteria criteria, Mat inputMask) { - return findTransformECC_1(templateImage.nativeObj, inputImage.nativeObj, warpMatrix.nativeObj, motionType, criteria.type, criteria.maxCount, criteria.epsilon, inputMask.nativeObj); - } - - public static double findTransformECC(Mat templateImage, Mat inputImage, Mat warpMatrix, int motionType, TermCriteria criteria) { - return findTransformECC_2(templateImage.nativeObj, inputImage.nativeObj, warpMatrix.nativeObj, motionType, criteria.type, criteria.maxCount, criteria.epsilon); - } - - public static double findTransformECC(Mat templateImage, Mat inputImage, Mat warpMatrix, int motionType) { - return findTransformECC_3(templateImage.nativeObj, inputImage.nativeObj, warpMatrix.nativeObj, motionType); - } - - public static double findTransformECC(Mat templateImage, Mat inputImage, Mat warpMatrix) { - return findTransformECC_4(templateImage.nativeObj, inputImage.nativeObj, warpMatrix.nativeObj); - } - - - // - // C++: Mat cv::readOpticalFlow(String path) - // - - /** - * Read a .flo file - * - * @param path Path to the file to be loaded - * - * The function readOpticalFlow loads a flow field from a file and returns it as a single matrix. - * Resulting Mat has a type CV_32FC2 - floating-point, 2-channel. First channel corresponds to the - * flow in the horizontal direction (u), second - vertical (v). - * @return automatically generated - */ - public static Mat readOpticalFlow(String path) { - return new Mat(readOpticalFlow_0(path)); - } - - - // - // C++: bool cv::writeOpticalFlow(String path, Mat flow) - // - - /** - * Write a .flo to disk - * - * @param path Path to the file to be written - * @param flow Flow field to be stored - * - * The function stores a flow field in a file, returns true on success, false otherwise. - * The flow field must be a 2-channel, floating-point matrix (CV_32FC2). First channel corresponds - * to the flow in the horizontal direction (u), second - vertical (v). - * @return automatically generated - */ - public static boolean writeOpticalFlow(String path, Mat flow) { - return writeOpticalFlow_0(path, flow.nativeObj); - } - - - - - // C++: Ptr_BackgroundSubtractorMOG2 cv::createBackgroundSubtractorMOG2(int history = 500, double varThreshold = 16, bool detectShadows = true) - private static native long createBackgroundSubtractorMOG2_0(int history, double varThreshold, boolean detectShadows); - private static native long createBackgroundSubtractorMOG2_1(int history, double varThreshold); - private static native long createBackgroundSubtractorMOG2_2(int history); - private static native long createBackgroundSubtractorMOG2_3(); - - // C++: Ptr_BackgroundSubtractorKNN cv::createBackgroundSubtractorKNN(int history = 500, double dist2Threshold = 400.0, bool detectShadows = true) - private static native long createBackgroundSubtractorKNN_0(int history, double dist2Threshold, boolean detectShadows); - private static native long createBackgroundSubtractorKNN_1(int history, double dist2Threshold); - private static native long createBackgroundSubtractorKNN_2(int history); - private static native long createBackgroundSubtractorKNN_3(); - - // C++: RotatedRect cv::CamShift(Mat probImage, Rect& window, TermCriteria criteria) - private static native double[] CamShift_0(long probImage_nativeObj, int window_x, int window_y, int window_width, int window_height, double[] window_out, int criteria_type, int criteria_maxCount, double criteria_epsilon); - - // C++: int cv::meanShift(Mat probImage, Rect& window, TermCriteria criteria) - private static native int meanShift_0(long probImage_nativeObj, int window_x, int window_y, int window_width, int window_height, double[] window_out, int criteria_type, int criteria_maxCount, double criteria_epsilon); - - // C++: int cv::buildOpticalFlowPyramid(Mat img, vector_Mat& pyramid, Size winSize, int maxLevel, bool withDerivatives = true, int pyrBorder = BORDER_REFLECT_101, int derivBorder = BORDER_CONSTANT, bool tryReuseInputImage = true) - private static native int buildOpticalFlowPyramid_0(long img_nativeObj, long pyramid_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, boolean withDerivatives, int pyrBorder, int derivBorder, boolean tryReuseInputImage); - private static native int buildOpticalFlowPyramid_1(long img_nativeObj, long pyramid_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, boolean withDerivatives, int pyrBorder, int derivBorder); - private static native int buildOpticalFlowPyramid_2(long img_nativeObj, long pyramid_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, boolean withDerivatives, int pyrBorder); - private static native int buildOpticalFlowPyramid_3(long img_nativeObj, long pyramid_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, boolean withDerivatives); - private static native int buildOpticalFlowPyramid_4(long img_nativeObj, long pyramid_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel); - - // C++: void cv::calcOpticalFlowPyrLK(Mat prevImg, Mat nextImg, vector_Point2f prevPts, vector_Point2f& nextPts, vector_uchar& status, vector_float& err, Size winSize = Size(21,21), int maxLevel = 3, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01), int flags = 0, double minEigThreshold = 1e-4) - private static native void calcOpticalFlowPyrLK_0(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, int criteria_type, int criteria_maxCount, double criteria_epsilon, int flags, double minEigThreshold); - private static native void calcOpticalFlowPyrLK_1(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, int criteria_type, int criteria_maxCount, double criteria_epsilon, int flags); - private static native void calcOpticalFlowPyrLK_2(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native void calcOpticalFlowPyrLK_3(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj, double winSize_width, double winSize_height, int maxLevel); - private static native void calcOpticalFlowPyrLK_4(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj, double winSize_width, double winSize_height); - private static native void calcOpticalFlowPyrLK_5(long prevImg_nativeObj, long nextImg_nativeObj, long prevPts_mat_nativeObj, long nextPts_mat_nativeObj, long status_mat_nativeObj, long err_mat_nativeObj); - - // C++: void cv::calcOpticalFlowFarneback(Mat prev, Mat next, Mat& flow, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags) - private static native void calcOpticalFlowFarneback_0(long prev_nativeObj, long next_nativeObj, long flow_nativeObj, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags); - - // C++: double cv::computeECC(Mat templateImage, Mat inputImage, Mat inputMask = Mat()) - private static native double computeECC_0(long templateImage_nativeObj, long inputImage_nativeObj, long inputMask_nativeObj); - private static native double computeECC_1(long templateImage_nativeObj, long inputImage_nativeObj); - - // C++: double cv::findTransformECC(Mat templateImage, Mat inputImage, Mat& warpMatrix, int motionType, TermCriteria criteria, Mat inputMask, int gaussFiltSize) - private static native double findTransformECC_0(long templateImage_nativeObj, long inputImage_nativeObj, long warpMatrix_nativeObj, int motionType, int criteria_type, int criteria_maxCount, double criteria_epsilon, long inputMask_nativeObj, int gaussFiltSize); - - // C++: double cv::findTransformECC(Mat templateImage, Mat inputImage, Mat& warpMatrix, int motionType = MOTION_AFFINE, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 50, 0.001), Mat inputMask = Mat()) - private static native double findTransformECC_1(long templateImage_nativeObj, long inputImage_nativeObj, long warpMatrix_nativeObj, int motionType, int criteria_type, int criteria_maxCount, double criteria_epsilon, long inputMask_nativeObj); - private static native double findTransformECC_2(long templateImage_nativeObj, long inputImage_nativeObj, long warpMatrix_nativeObj, int motionType, int criteria_type, int criteria_maxCount, double criteria_epsilon); - private static native double findTransformECC_3(long templateImage_nativeObj, long inputImage_nativeObj, long warpMatrix_nativeObj, int motionType); - private static native double findTransformECC_4(long templateImage_nativeObj, long inputImage_nativeObj, long warpMatrix_nativeObj); - - // C++: Mat cv::readOpticalFlow(String path) - private static native long readOpticalFlow_0(String path); - - // C++: bool cv::writeOpticalFlow(String path, Mat flow) - private static native boolean writeOpticalFlow_0(String path, long flow_nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/videoio/IStreamReader.java b/vendor/opencv/sdk/java/src/org/opencv/videoio/IStreamReader.java deleted file mode 100644 index daab48429f..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/videoio/IStreamReader.java +++ /dev/null @@ -1,81 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.videoio; - - - -// C++: class IStreamReader -/** - * Read data stream interface - */ -public class IStreamReader { - - protected final long nativeObj; - protected IStreamReader(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static IStreamReader __fromPtr__(long addr) { return new IStreamReader(addr); } - - // - // C++: long long cv::IStreamReader::read(byte[] buffer, long long size) - // - - /** - * Read bytes from stream - * - * @param buffer already allocated buffer of at least {@code size} bytes - * @param size maximum number of bytes to read - * - * @return actual number of read bytes - */ - public long read(byte[] buffer, long size) { - return read_0(nativeObj, buffer, size); - } - - - // - // C++: long long cv::IStreamReader::seek(long long offset, int origin) - // - - /** - * Sets the stream position - * - * @param offset Seek offset - * @param origin SEEK_SET / SEEK_END / SEEK_CUR - * - * SEE: fseek - * @return automatically generated - */ - public long seek(long offset, int origin) { - return seek_0(nativeObj, offset, origin); - } - - - -/** - * Constructor of streaming callback object with abstract 'read' and 'seek' methods that should be implemented in Java code.
    - * NOTE: Implemented callbacks should be called from the creation thread to avoid JNI performance degradation -*/ -protected IStreamReader() { nativeObj = 0; } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: long long cv::IStreamReader::read(byte[] buffer, long long size) - private static native long read_0(long nativeObj, byte[] buffer, long size); - - // C++: long long cv::IStreamReader::seek(long long offset, int origin) - private static native long seek_0(long nativeObj, long offset, int origin); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoCapture.java b/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoCapture.java deleted file mode 100644 index eb0b9c0c99..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoCapture.java +++ /dev/null @@ -1,674 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.videoio; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfInt; -import org.opencv.utils.Converters; -import org.opencv.videoio.IStreamReader; - -// C++: class VideoCapture -/** - * Class for video capturing from video files, image sequences or cameras. - * - * The class provides C++ API for capturing video from cameras or for reading video files and image sequences. - * - * Here is how the class can be used: - * INCLUDE: samples/cpp/videocapture_basic.cpp - * - * Note: In REF: videoio_c "C API" the black-box structure {@code CvCapture} is used instead of %VideoCapture. - * Note: - *
      - *
    • - * (C++) A basic sample on using the %VideoCapture interface can be found at - * {@code OPENCV_SOURCE_CODE/samples/cpp/videocapture_starter.cpp} - *
      • - *
    • - * (Python) A basic sample on using the %VideoCapture interface can be found at - * {@code OPENCV_SOURCE_CODE/samples/python/video.py} - *
      • - *
    • - * (Python) A multi threaded video processing sample can be found at - * {@code OPENCV_SOURCE_CODE/samples/python/video_threaded.py} - *
      • - *
    • - * (Python) %VideoCapture sample showcasing some features of the Video4Linux2 backend - * {@code OPENCV_SOURCE_CODE/samples/python/video_v4l2.py} - *
      • - *
    - */ -public class VideoCapture { - - protected final long nativeObj; - protected VideoCapture(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static VideoCapture __fromPtr__(long addr) { return new VideoCapture(addr); } - - // - // C++: cv::VideoCapture::VideoCapture() - // - - /** - * Default constructor - * Note: In REF: videoio_c "C API", when you finished working with video, release CvCapture structure with - * cvReleaseCapture(), or use Ptr<CvCapture> that calls cvReleaseCapture() automatically in the - * destructor. - */ - public VideoCapture() { - nativeObj = VideoCapture_0(); - } - - - // - // C++: cv::VideoCapture::VideoCapture(String filename, int apiPreference = CAP_ANY) - // - - /** - * - * Opens a video file or a capturing device or an IP video stream for video capturing with API Preference - * - * @param filename it can be: - *
      - *
    • - * name of video file (eg. {@code video.avi}) - *
      • - *
    • - * or image sequence (eg. {@code img_%02d.jpg}, which will read samples like {@code img_00.jpg, img_01.jpg, img_02.jpg, ...}) - *
      • - *
    • - * or URL of video stream (eg. {@code protocol://host:port/script_name?script_params|auth}) - *
      • - *
    • - * or GStreamer pipeline string in gst-launch tool format in case if GStreamer is used as backend - * Note that each video stream or IP camera feed has its own URL scheme. Please refer to the - * documentation of source stream to know the right URL. - *
      • - *
    - * @param apiPreference preferred Capture API backends to use. Can be used to enforce a specific reader - * implementation if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_IMAGES or cv::CAP_DSHOW. - * - * SEE: cv::VideoCaptureAPIs - */ - public VideoCapture(String filename, int apiPreference) { - nativeObj = VideoCapture_1(filename, apiPreference); - } - - /** - * - * Opens a video file or a capturing device or an IP video stream for video capturing with API Preference - * - * @param filename it can be: - *
      - *
    • - * name of video file (eg. {@code video.avi}) - *
      • - *
    • - * or image sequence (eg. {@code img_%02d.jpg}, which will read samples like {@code img_00.jpg, img_01.jpg, img_02.jpg, ...}) - *
      • - *
    • - * or URL of video stream (eg. {@code protocol://host:port/script_name?script_params|auth}) - *
      • - *
    • - * or GStreamer pipeline string in gst-launch tool format in case if GStreamer is used as backend - * Note that each video stream or IP camera feed has its own URL scheme. Please refer to the - * documentation of source stream to know the right URL. - *
      • - *
    - * implementation if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_IMAGES or cv::CAP_DSHOW. - * - * SEE: cv::VideoCaptureAPIs - */ - public VideoCapture(String filename) { - nativeObj = VideoCapture_2(filename); - } - - - // - // C++: cv::VideoCapture::VideoCapture(String filename, int apiPreference, vector_int params) - // - - /** - * - * Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * @param filename automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public VideoCapture(String filename, int apiPreference, MatOfInt params) { - Mat params_mat = params; - nativeObj = VideoCapture_3(filename, apiPreference, params_mat.nativeObj); - } - - - // - // C++: cv::VideoCapture::VideoCapture(int index, int apiPreference = CAP_ANY) - // - - /** - * - * Opens a camera for video capturing - * - * @param index id of the video capturing device to open. To open default camera using default backend just pass 0. - * (to backward compatibility usage of camera_id + domain_offset (CAP_*) is valid when apiPreference is CAP_ANY) - * @param apiPreference preferred Capture API backends to use. Can be used to enforce a specific reader - * implementation if multiple are available: e.g. cv::CAP_DSHOW or cv::CAP_MSMF or cv::CAP_V4L. - * - * SEE: cv::VideoCaptureAPIs - */ - public VideoCapture(int index, int apiPreference) { - nativeObj = VideoCapture_4(index, apiPreference); - } - - /** - * - * Opens a camera for video capturing - * - * @param index id of the video capturing device to open. To open default camera using default backend just pass 0. - * (to backward compatibility usage of camera_id + domain_offset (CAP_*) is valid when apiPreference is CAP_ANY) - * implementation if multiple are available: e.g. cv::CAP_DSHOW or cv::CAP_MSMF or cv::CAP_V4L. - * - * SEE: cv::VideoCaptureAPIs - */ - public VideoCapture(int index) { - nativeObj = VideoCapture_5(index); - } - - - // - // C++: cv::VideoCapture::VideoCapture(int index, int apiPreference, vector_int params) - // - - /** - * - * Opens a camera for video capturing with API Preference and parameters - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * @param index automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public VideoCapture(int index, int apiPreference, MatOfInt params) { - Mat params_mat = params; - nativeObj = VideoCapture_6(index, apiPreference, params_mat.nativeObj); - } - - - // - // C++: cv::VideoCapture::VideoCapture(Ptr_IStreamReader source, int apiPreference, vector_int params) - // - - /** - * - * Opens a video using data stream. - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * @param source automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public VideoCapture(IStreamReader source, int apiPreference, MatOfInt params) { - Mat params_mat = params; - nativeObj = VideoCapture_7(source, apiPreference, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::open(String filename, int apiPreference = CAP_ANY) - // - - /** - * Opens a video file or a capturing device or an IP video stream for video capturing. - * - * - * - * Parameters are same as the constructor VideoCapture(const String& filename, int apiPreference = CAP_ANY) - * @return {@code true} if the file has been successfully opened - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param filename automatically generated - * @param apiPreference automatically generated - */ - public boolean open(String filename, int apiPreference) { - return open_0(nativeObj, filename, apiPreference); - } - - /** - * Opens a video file or a capturing device or an IP video stream for video capturing. - * - * - * - * Parameters are same as the constructor VideoCapture(const String& filename, int apiPreference = CAP_ANY) - * @return {@code true} if the file has been successfully opened - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param filename automatically generated - */ - public boolean open(String filename) { - return open_1(nativeObj, filename); - } - - - // - // C++: bool cv::VideoCapture::open(String filename, int apiPreference, vector_int params) - // - - /** - * Opens a video file or a capturing device or an IP video stream for video capturing with API Preference and parameters - * - * - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * - * @return {@code true} if the file has been successfully opened - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param filename automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public boolean open(String filename, int apiPreference, MatOfInt params) { - Mat params_mat = params; - return open_2(nativeObj, filename, apiPreference, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::open(int index, int apiPreference = CAP_ANY) - // - - /** - * Opens a camera for video capturing - * - * - * - * Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY) - * @return {@code true} if the camera has been successfully opened. - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param index automatically generated - * @param apiPreference automatically generated - */ - public boolean open(int index, int apiPreference) { - return open_3(nativeObj, index, apiPreference); - } - - /** - * Opens a camera for video capturing - * - * - * - * Parameters are same as the constructor VideoCapture(int index, int apiPreference = CAP_ANY) - * @return {@code true} if the camera has been successfully opened. - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param index automatically generated - */ - public boolean open(int index) { - return open_4(nativeObj, index); - } - - - // - // C++: bool cv::VideoCapture::open(int index, int apiPreference, vector_int params) - // - - /** - * Opens a camera for video capturing with API Preference and parameters - * - * - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * - * @return {@code true} if the camera has been successfully opened. - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param index automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public boolean open(int index, int apiPreference, MatOfInt params) { - Mat params_mat = params; - return open_5(nativeObj, index, apiPreference, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::open(Ptr_IStreamReader source, int apiPreference, vector_int params) - // - - /** - * Opens a video using data stream. - * - * - * - * The {@code params} parameter allows to specify extra parameters encoded as pairs {@code (paramId_1, paramValue_1, paramId_2, paramValue_2, ...)}. - * See cv::VideoCaptureProperties - * - * @return {@code true} if the file has been successfully opened - * - * The method first calls VideoCapture::release to close the already opened file or camera. - * @param source automatically generated - * @param apiPreference automatically generated - * @param params automatically generated - */ - public boolean open(IStreamReader source, int apiPreference, MatOfInt params) { - Mat params_mat = params; - return open_6(nativeObj, source, apiPreference, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::isOpened() - // - - /** - * Returns true if video capturing has been initialized already. - * - * If the previous call to VideoCapture constructor or VideoCapture::open() succeeded, the method returns - * true. - * @return automatically generated - */ - public boolean isOpened() { - return isOpened_0(nativeObj); - } - - - // - // C++: void cv::VideoCapture::release() - // - - /** - * Closes video file or capturing device. - * - * The method is automatically called by subsequent VideoCapture::open and by VideoCapture - * destructor. - * - * The C function also deallocates memory and clears \*capture pointer. - */ - public void release() { - release_0(nativeObj); - } - - - // - // C++: bool cv::VideoCapture::grab() - // - - /** - * Grabs the next frame from video file or capturing device. - * - * @return {@code true} (non-zero) in the case of success. - * - * The method/function grabs the next frame from video file or camera and returns true (non-zero) in - * the case of success. - * - * The primary use of the function is in multi-camera environments, especially when the cameras do not - * have hardware synchronization. That is, you call VideoCapture::grab() for each camera and after that - * call the slower method VideoCapture::retrieve() to decode and get frame from each camera. This way - * the overhead on demosaicing or motion jpeg decompression etc. is eliminated and the retrieved frames - * from different cameras will be closer in time. - * - * Also, when a connected camera is multi-head (for example, a stereo camera or a Kinect device), the - * correct way of retrieving data from it is to call VideoCapture::grab() first and then call - * VideoCapture::retrieve() one or more times with different values of the channel parameter. - * - * REF: tutorial_kinect_openni - */ - public boolean grab() { - return grab_0(nativeObj); - } - - - // - // C++: bool cv::VideoCapture::retrieve(Mat& image, int flag = 0) - // - - /** - * Decodes and returns the grabbed video frame. - * - * @param flag it could be a frame index or a driver specific flag - * @return {@code false} if no frames has been grabbed - * - * The method decodes and returns the just grabbed frame. If no frames has been grabbed - * (camera has been disconnected, or there are no more frames in video file), the method returns false - * and the function returns an empty image (with %cv::Mat, test it with Mat::empty()). - * - * SEE: read() - * - * Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - * capturing structure. It is not allowed to modify or release the image! You can copy the frame using - * cvCloneImage and then do whatever you want with the copy. - * @param image automatically generated - */ - public boolean retrieve(Mat image, int flag) { - return retrieve_0(nativeObj, image.nativeObj, flag); - } - - /** - * Decodes and returns the grabbed video frame. - * - * @return {@code false} if no frames has been grabbed - * - * The method decodes and returns the just grabbed frame. If no frames has been grabbed - * (camera has been disconnected, or there are no more frames in video file), the method returns false - * and the function returns an empty image (with %cv::Mat, test it with Mat::empty()). - * - * SEE: read() - * - * Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - * capturing structure. It is not allowed to modify or release the image! You can copy the frame using - * cvCloneImage and then do whatever you want with the copy. - * @param image automatically generated - */ - public boolean retrieve(Mat image) { - return retrieve_1(nativeObj, image.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::read(Mat& image) - // - - /** - * Grabs, decodes and returns the next video frame. - * - * @return {@code false} if no frames has been grabbed - * - * The method/function combines VideoCapture::grab() and VideoCapture::retrieve() in one call. This is the - * most convenient method for reading video files or capturing data from decode and returns the just - * grabbed frame. If no frames has been grabbed (camera has been disconnected, or there are no more - * frames in video file), the method returns false and the function returns empty image (with %cv::Mat, test it with Mat::empty()). - * - * Note: In REF: videoio_c "C API", functions cvRetrieveFrame() and cv.RetrieveFrame() return image stored inside the video - * capturing structure. It is not allowed to modify or release the image! You can copy the frame using - * cvCloneImage and then do whatever you want with the copy. - * @param image automatically generated - */ - public boolean read(Mat image) { - return read_0(nativeObj, image.nativeObj); - } - - - // - // C++: bool cv::VideoCapture::set(int propId, double value) - // - - /** - * Sets a property in the VideoCapture. - * - * @param propId Property identifier from cv::VideoCaptureProperties (eg. cv::CAP_PROP_POS_MSEC, cv::CAP_PROP_POS_FRAMES, ...) - * or one from REF: videoio_flags_others - * @param value Value of the property. - * @return {@code true} if the property is supported by backend used by the VideoCapture instance. - * Note: Even if it returns {@code true} this doesn't ensure that the property - * value has been accepted by the capture device. See note in VideoCapture::get() - */ - public boolean set(int propId, double value) { - return set_0(nativeObj, propId, value); - } - - - // - // C++: double cv::VideoCapture::get(int propId) - // - - /** - * Returns the specified VideoCapture property - * - * @param propId Property identifier from cv::VideoCaptureProperties (eg. cv::CAP_PROP_POS_MSEC, cv::CAP_PROP_POS_FRAMES, ...) - * or one from REF: videoio_flags_others - * @return Value for the specified property. Value 0 is returned when querying a property that is - * not supported by the backend used by the VideoCapture instance. - * - * Note: Reading / writing properties involves many layers. Some unexpected result might happens - * along this chain. - * - * VideoCapture -> API Backend -> Operating System -> Device Driver -> Device Hardware - * - * The returned value might be different from what really used by the device or it could be encoded - * using device dependent rules (eg. steps or percentage). Effective behaviour depends from device - * driver and API Backend - */ - public double get(int propId) { - return get_0(nativeObj, propId); - } - - - // - // C++: String cv::VideoCapture::getBackendName() - // - - /** - * Returns used backend API name - * - * Note: Stream should be opened. - * @return automatically generated - */ - public String getBackendName() { - return getBackendName_0(nativeObj); - } - - - // - // C++: void cv::VideoCapture::setExceptionMode(bool enable) - // - - /** - * Switches exceptions mode - * - * methods raise exceptions if not successful instead of returning an error code - * @param enable automatically generated - */ - public void setExceptionMode(boolean enable) { - setExceptionMode_0(nativeObj, enable); - } - - - // - // C++: bool cv::VideoCapture::getExceptionMode() - // - - public boolean getExceptionMode() { - return getExceptionMode_0(nativeObj); - } - - - // - // C++: static bool cv::VideoCapture::waitAny(vector_VideoCapture streams, vector_int& readyIndex, int64 timeoutNs = 0) - // - - // Unknown type 'vector_VideoCapture' (I), skipping the function - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::VideoCapture::VideoCapture() - private static native long VideoCapture_0(); - - // C++: cv::VideoCapture::VideoCapture(String filename, int apiPreference = CAP_ANY) - private static native long VideoCapture_1(String filename, int apiPreference); - private static native long VideoCapture_2(String filename); - - // C++: cv::VideoCapture::VideoCapture(String filename, int apiPreference, vector_int params) - private static native long VideoCapture_3(String filename, int apiPreference, long params_mat_nativeObj); - - // C++: cv::VideoCapture::VideoCapture(int index, int apiPreference = CAP_ANY) - private static native long VideoCapture_4(int index, int apiPreference); - private static native long VideoCapture_5(int index); - - // C++: cv::VideoCapture::VideoCapture(int index, int apiPreference, vector_int params) - private static native long VideoCapture_6(int index, int apiPreference, long params_mat_nativeObj); - - // C++: cv::VideoCapture::VideoCapture(Ptr_IStreamReader source, int apiPreference, vector_int params) - private static native long VideoCapture_7(IStreamReader source, int apiPreference, long params_mat_nativeObj); - - // C++: bool cv::VideoCapture::open(String filename, int apiPreference = CAP_ANY) - private static native boolean open_0(long nativeObj, String filename, int apiPreference); - private static native boolean open_1(long nativeObj, String filename); - - // C++: bool cv::VideoCapture::open(String filename, int apiPreference, vector_int params) - private static native boolean open_2(long nativeObj, String filename, int apiPreference, long params_mat_nativeObj); - - // C++: bool cv::VideoCapture::open(int index, int apiPreference = CAP_ANY) - private static native boolean open_3(long nativeObj, int index, int apiPreference); - private static native boolean open_4(long nativeObj, int index); - - // C++: bool cv::VideoCapture::open(int index, int apiPreference, vector_int params) - private static native boolean open_5(long nativeObj, int index, int apiPreference, long params_mat_nativeObj); - - // C++: bool cv::VideoCapture::open(Ptr_IStreamReader source, int apiPreference, vector_int params) - private static native boolean open_6(long nativeObj, IStreamReader source, int apiPreference, long params_mat_nativeObj); - - // C++: bool cv::VideoCapture::isOpened() - private static native boolean isOpened_0(long nativeObj); - - // C++: void cv::VideoCapture::release() - private static native void release_0(long nativeObj); - - // C++: bool cv::VideoCapture::grab() - private static native boolean grab_0(long nativeObj); - - // C++: bool cv::VideoCapture::retrieve(Mat& image, int flag = 0) - private static native boolean retrieve_0(long nativeObj, long image_nativeObj, int flag); - private static native boolean retrieve_1(long nativeObj, long image_nativeObj); - - // C++: bool cv::VideoCapture::read(Mat& image) - private static native boolean read_0(long nativeObj, long image_nativeObj); - - // C++: bool cv::VideoCapture::set(int propId, double value) - private static native boolean set_0(long nativeObj, int propId, double value); - - // C++: double cv::VideoCapture::get(int propId) - private static native double get_0(long nativeObj, int propId); - - // C++: String cv::VideoCapture::getBackendName() - private static native String getBackendName_0(long nativeObj); - - // C++: void cv::VideoCapture::setExceptionMode(bool enable) - private static native void setExceptionMode_0(long nativeObj, boolean enable); - - // C++: bool cv::VideoCapture::getExceptionMode() - private static native boolean getExceptionMode_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoWriter.java b/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoWriter.java deleted file mode 100644 index b38583c614..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/videoio/VideoWriter.java +++ /dev/null @@ -1,460 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.videoio; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.core.Mat; -import org.opencv.core.MatOfInt; -import org.opencv.core.Size; -import org.opencv.utils.Converters; - -// C++: class VideoWriter -/** - * Video writer class. - * - * The class provides C++ API for writing video files or image sequences. - */ -public class VideoWriter { - - protected final long nativeObj; - protected VideoWriter(long addr) { nativeObj = addr; } - - public long getNativeObjAddr() { return nativeObj; } - - // internal usage only - public static VideoWriter __fromPtr__(long addr) { return new VideoWriter(addr); } - - // - // C++: cv::VideoWriter::VideoWriter() - // - - /** - * Default constructors - * - * The constructors/functions initialize video writers. - *
      - *
    • - * On Linux FFMPEG is used to write videos; - *
      • - *
    • - * On Windows FFMPEG or MSWF or DSHOW is used; - *
      • - *
    • - * On MacOSX AVFoundation is used. - *
      • - *
    - */ - public VideoWriter() { - nativeObj = VideoWriter_0(); - } - - - // - // C++: cv::VideoWriter::VideoWriter(String filename, int fourcc, double fps, Size frameSize, bool isColor = true) - // - - /** - * - * @param filename Name of the output video file. - * @param fourcc 4-character code of codec used to compress the frames. For example, - * VideoWriter::fourcc('P','I','M','1') is a MPEG-1 codec, VideoWriter::fourcc('M','J','P','G') - * is a motion-jpeg codec etc. List of codes can be obtained at - * [MSDN](https://docs.microsoft.com/en-us/windows/win32/medfound/video-fourccs) page - * or with this [page](https://fourcc.org/codecs.php) - * of the fourcc site for a more complete list). FFMPEG backend with MP4 container natively uses - * other values as fourcc code: see [ObjectType](http://mp4ra.org/#/codecs), - * so you may receive a warning message from OpenCV about fourcc code conversion. - * @param fps Framerate of the created video stream. - * @param frameSize Size of the video frames. - * @param isColor If it is not zero, the encoder will expect and encode color frames, otherwise it - * will work with grayscale frames. - * - * Tips: - *
      - *
    • - * With some backends {@code fourcc=-1} pops up the codec selection dialog from the system. - *
      • - *
    • - * To save image sequence use a proper filename (eg. {@code img_%02d.jpg}) and {@code fourcc=0} - * OR {@code fps=0}. Use uncompressed image format (eg. {@code img_%02d.BMP}) to save raw frames. - *
      • - *
    • - * Most codecs are lossy. If you want lossless video file you need to use a lossless codecs - * (eg. FFMPEG FFV1, Huffman HFYU, Lagarith LAGS, etc...) - *
      • - *
    • - * If FFMPEG is enabled, using {@code codec=0; fps=0;} you can create an uncompressed (raw) video file. - *
      • - *
    • - * If FFMPEG is used, we allow frames of odd width or height, but in this case we truncate - * the rightmost column/the bottom row. Probably, this should be handled more elegantly, - * but some internal functions inside FFMPEG swscale require even width/height. - *
      • - *
    - */ - public VideoWriter(String filename, int fourcc, double fps, Size frameSize, boolean isColor) { - nativeObj = VideoWriter_1(filename, fourcc, fps, frameSize.width, frameSize.height, isColor); - } - - /** - * - * @param filename Name of the output video file. - * @param fourcc 4-character code of codec used to compress the frames. For example, - * VideoWriter::fourcc('P','I','M','1') is a MPEG-1 codec, VideoWriter::fourcc('M','J','P','G') - * is a motion-jpeg codec etc. List of codes can be obtained at - * [MSDN](https://docs.microsoft.com/en-us/windows/win32/medfound/video-fourccs) page - * or with this [page](https://fourcc.org/codecs.php) - * of the fourcc site for a more complete list). FFMPEG backend with MP4 container natively uses - * other values as fourcc code: see [ObjectType](http://mp4ra.org/#/codecs), - * so you may receive a warning message from OpenCV about fourcc code conversion. - * @param fps Framerate of the created video stream. - * @param frameSize Size of the video frames. - * will work with grayscale frames. - * - * Tips: - *
      - *
    • - * With some backends {@code fourcc=-1} pops up the codec selection dialog from the system. - *
      • - *
    • - * To save image sequence use a proper filename (eg. {@code img_%02d.jpg}) and {@code fourcc=0} - * OR {@code fps=0}. Use uncompressed image format (eg. {@code img_%02d.BMP}) to save raw frames. - *
      • - *
    • - * Most codecs are lossy. If you want lossless video file you need to use a lossless codecs - * (eg. FFMPEG FFV1, Huffman HFYU, Lagarith LAGS, etc...) - *
      • - *
    • - * If FFMPEG is enabled, using {@code codec=0; fps=0;} you can create an uncompressed (raw) video file. - *
      • - *
    • - * If FFMPEG is used, we allow frames of odd width or height, but in this case we truncate - * the rightmost column/the bottom row. Probably, this should be handled more elegantly, - * but some internal functions inside FFMPEG swscale require even width/height. - *
      • - *
    - */ - public VideoWriter(String filename, int fourcc, double fps, Size frameSize) { - nativeObj = VideoWriter_2(filename, fourcc, fps, frameSize.width, frameSize.height); - } - - - // - // C++: cv::VideoWriter::VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, bool isColor = true) - // - - /** - * - * The {@code apiPreference} parameter allows to specify API backends to use. Can be used to enforce a specific reader implementation - * if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_GSTREAMER. - * @param filename automatically generated - * @param apiPreference automatically generated - * @param fourcc automatically generated - * @param fps automatically generated - * @param frameSize automatically generated - * @param isColor automatically generated - */ - public VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, boolean isColor) { - nativeObj = VideoWriter_3(filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height, isColor); - } - - /** - * - * The {@code apiPreference} parameter allows to specify API backends to use. Can be used to enforce a specific reader implementation - * if multiple are available: e.g. cv::CAP_FFMPEG or cv::CAP_GSTREAMER. - * @param filename automatically generated - * @param apiPreference automatically generated - * @param fourcc automatically generated - * @param fps automatically generated - * @param frameSize automatically generated - */ - public VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize) { - nativeObj = VideoWriter_4(filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height); - } - - - // - // C++: cv::VideoWriter::VideoWriter(String filename, int fourcc, double fps, Size frameSize, vector_int params) - // - - /** - * - * The {@code params} parameter allows to specify extra encoder parameters encoded as pairs (paramId_1, paramValue_1, paramId_2, paramValue_2, ... .) - * see cv::VideoWriterProperties - * @param filename automatically generated - * @param fourcc automatically generated - * @param fps automatically generated - * @param frameSize automatically generated - * @param params automatically generated - */ - public VideoWriter(String filename, int fourcc, double fps, Size frameSize, MatOfInt params) { - Mat params_mat = params; - nativeObj = VideoWriter_5(filename, fourcc, fps, frameSize.width, frameSize.height, params_mat.nativeObj); - } - - - // - // C++: cv::VideoWriter::VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, vector_int params) - // - - public VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, MatOfInt params) { - Mat params_mat = params; - nativeObj = VideoWriter_6(filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoWriter::open(String filename, int fourcc, double fps, Size frameSize, bool isColor = true) - // - - /** - * Initializes or reinitializes video writer. - * - * The method opens video writer. Parameters are the same as in the constructor - * VideoWriter::VideoWriter. - * @return {@code true} if video writer has been successfully initialized - * - * The method first calls VideoWriter::release to close the already opened file. - * @param filename automatically generated - * @param fourcc automatically generated - * @param fps automatically generated - * @param frameSize automatically generated - * @param isColor automatically generated - */ - public boolean open(String filename, int fourcc, double fps, Size frameSize, boolean isColor) { - return open_0(nativeObj, filename, fourcc, fps, frameSize.width, frameSize.height, isColor); - } - - /** - * Initializes or reinitializes video writer. - * - * The method opens video writer. Parameters are the same as in the constructor - * VideoWriter::VideoWriter. - * @return {@code true} if video writer has been successfully initialized - * - * The method first calls VideoWriter::release to close the already opened file. - * @param filename automatically generated - * @param fourcc automatically generated - * @param fps automatically generated - * @param frameSize automatically generated - */ - public boolean open(String filename, int fourcc, double fps, Size frameSize) { - return open_1(nativeObj, filename, fourcc, fps, frameSize.width, frameSize.height); - } - - - // - // C++: bool cv::VideoWriter::open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, bool isColor = true) - // - - public boolean open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, boolean isColor) { - return open_2(nativeObj, filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height, isColor); - } - - public boolean open(String filename, int apiPreference, int fourcc, double fps, Size frameSize) { - return open_3(nativeObj, filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height); - } - - - // - // C++: bool cv::VideoWriter::open(String filename, int fourcc, double fps, Size frameSize, vector_int params) - // - - public boolean open(String filename, int fourcc, double fps, Size frameSize, MatOfInt params) { - Mat params_mat = params; - return open_4(nativeObj, filename, fourcc, fps, frameSize.width, frameSize.height, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoWriter::open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, vector_int params) - // - - public boolean open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, MatOfInt params) { - Mat params_mat = params; - return open_5(nativeObj, filename, apiPreference, fourcc, fps, frameSize.width, frameSize.height, params_mat.nativeObj); - } - - - // - // C++: bool cv::VideoWriter::isOpened() - // - - /** - * Returns true if video writer has been successfully initialized. - * @return automatically generated - */ - public boolean isOpened() { - return isOpened_0(nativeObj); - } - - - // - // C++: void cv::VideoWriter::release() - // - - /** - * Closes the video writer. - * - * The method is automatically called by subsequent VideoWriter::open and by the VideoWriter - * destructor. - */ - public void release() { - release_0(nativeObj); - } - - - // - // C++: void cv::VideoWriter::write(Mat image) - // - - /** - * Writes the next video frame - * - * @param image The written frame. In general, color images are expected in BGR format. - * - * The function/method writes the specified image to video file. It must have the same size as has - * been specified when opening the video writer. - */ - public void write(Mat image) { - write_0(nativeObj, image.nativeObj); - } - - - // - // C++: bool cv::VideoWriter::set(int propId, double value) - // - - /** - * Sets a property in the VideoWriter. - * - * @param propId Property identifier from cv::VideoWriterProperties (eg. cv::VIDEOWRITER_PROP_QUALITY) - * or one of REF: videoio_flags_others - * - * @param value Value of the property. - * @return {@code true} if the property is supported by the backend used by the VideoWriter instance. - */ - public boolean set(int propId, double value) { - return set_0(nativeObj, propId, value); - } - - - // - // C++: double cv::VideoWriter::get(int propId) - // - - /** - * Returns the specified VideoWriter property - * - * @param propId Property identifier from cv::VideoWriterProperties (eg. cv::VIDEOWRITER_PROP_QUALITY) - * or one of REF: videoio_flags_others - * - * @return Value for the specified property. Value 0 is returned when querying a property that is - * not supported by the backend used by the VideoWriter instance. - */ - public double get(int propId) { - return get_0(nativeObj, propId); - } - - - // - // C++: static int cv::VideoWriter::fourcc(char c1, char c2, char c3, char c4) - // - - /** - * Concatenates 4 chars to a fourcc code - * - * @return a fourcc code - * - * This static method constructs the fourcc code of the codec to be used in the constructor - * VideoWriter::VideoWriter or VideoWriter::open. - * @param c1 automatically generated - * @param c2 automatically generated - * @param c3 automatically generated - * @param c4 automatically generated - */ - public static int fourcc(char c1, char c2, char c3, char c4) { - return fourcc_0(c1, c2, c3, c4); - } - - - // - // C++: String cv::VideoWriter::getBackendName() - // - - /** - * Returns used backend API name - * - * Note: Stream should be opened. - * @return automatically generated - */ - public String getBackendName() { - return getBackendName_0(nativeObj); - } - - - @Override - protected void finalize() throws Throwable { - delete(nativeObj); - } - - - - // C++: cv::VideoWriter::VideoWriter() - private static native long VideoWriter_0(); - - // C++: cv::VideoWriter::VideoWriter(String filename, int fourcc, double fps, Size frameSize, bool isColor = true) - private static native long VideoWriter_1(String filename, int fourcc, double fps, double frameSize_width, double frameSize_height, boolean isColor); - private static native long VideoWriter_2(String filename, int fourcc, double fps, double frameSize_width, double frameSize_height); - - // C++: cv::VideoWriter::VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, bool isColor = true) - private static native long VideoWriter_3(String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height, boolean isColor); - private static native long VideoWriter_4(String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height); - - // C++: cv::VideoWriter::VideoWriter(String filename, int fourcc, double fps, Size frameSize, vector_int params) - private static native long VideoWriter_5(String filename, int fourcc, double fps, double frameSize_width, double frameSize_height, long params_mat_nativeObj); - - // C++: cv::VideoWriter::VideoWriter(String filename, int apiPreference, int fourcc, double fps, Size frameSize, vector_int params) - private static native long VideoWriter_6(String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height, long params_mat_nativeObj); - - // C++: bool cv::VideoWriter::open(String filename, int fourcc, double fps, Size frameSize, bool isColor = true) - private static native boolean open_0(long nativeObj, String filename, int fourcc, double fps, double frameSize_width, double frameSize_height, boolean isColor); - private static native boolean open_1(long nativeObj, String filename, int fourcc, double fps, double frameSize_width, double frameSize_height); - - // C++: bool cv::VideoWriter::open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, bool isColor = true) - private static native boolean open_2(long nativeObj, String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height, boolean isColor); - private static native boolean open_3(long nativeObj, String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height); - - // C++: bool cv::VideoWriter::open(String filename, int fourcc, double fps, Size frameSize, vector_int params) - private static native boolean open_4(long nativeObj, String filename, int fourcc, double fps, double frameSize_width, double frameSize_height, long params_mat_nativeObj); - - // C++: bool cv::VideoWriter::open(String filename, int apiPreference, int fourcc, double fps, Size frameSize, vector_int params) - private static native boolean open_5(long nativeObj, String filename, int apiPreference, int fourcc, double fps, double frameSize_width, double frameSize_height, long params_mat_nativeObj); - - // C++: bool cv::VideoWriter::isOpened() - private static native boolean isOpened_0(long nativeObj); - - // C++: void cv::VideoWriter::release() - private static native void release_0(long nativeObj); - - // C++: void cv::VideoWriter::write(Mat image) - private static native void write_0(long nativeObj, long image_nativeObj); - - // C++: bool cv::VideoWriter::set(int propId, double value) - private static native boolean set_0(long nativeObj, int propId, double value); - - // C++: double cv::VideoWriter::get(int propId) - private static native double get_0(long nativeObj, int propId); - - // C++: static int cv::VideoWriter::fourcc(char c1, char c2, char c3, char c4) - private static native int fourcc_0(char c1, char c2, char c3, char c4); - - // C++: String cv::VideoWriter::getBackendName() - private static native String getBackendName_0(long nativeObj); - - // native support for java finalize() - private static native void delete(long nativeObj); - -} diff --git a/vendor/opencv/sdk/java/src/org/opencv/videoio/Videoio.java b/vendor/opencv/sdk/java/src/org/opencv/videoio/Videoio.java deleted file mode 100644 index fb0b97e59d..0000000000 --- a/vendor/opencv/sdk/java/src/org/opencv/videoio/Videoio.java +++ /dev/null @@ -1,670 +0,0 @@ -// -// This file is auto-generated. Please don't modify it! -// -package org.opencv.videoio; - -import java.util.ArrayList; -import java.util.List; -import org.opencv.utils.Converters; - -// C++: class Videoio - -public class Videoio { - - // C++: enum - public static final int - CAP_PROP_DC1394_OFF = -4, - CAP_PROP_DC1394_MODE_MANUAL = -3, - CAP_PROP_DC1394_MODE_AUTO = -2, - CAP_PROP_DC1394_MODE_ONE_PUSH_AUTO = -1, - CAP_PROP_DC1394_MAX = 31, - CAP_OPENNI_DEPTH_GENERATOR = 1 << 31, - CAP_OPENNI_IMAGE_GENERATOR = 1 << 30, - CAP_OPENNI_IR_GENERATOR = 1 << 29, - CAP_OPENNI_GENERATORS_MASK = CAP_OPENNI_DEPTH_GENERATOR + CAP_OPENNI_IMAGE_GENERATOR + CAP_OPENNI_IR_GENERATOR, - CAP_PROP_OPENNI_OUTPUT_MODE = 100, - CAP_PROP_OPENNI_FRAME_MAX_DEPTH = 101, - CAP_PROP_OPENNI_BASELINE = 102, - CAP_PROP_OPENNI_FOCAL_LENGTH = 103, - CAP_PROP_OPENNI_REGISTRATION = 104, - CAP_PROP_OPENNI_REGISTRATION_ON = CAP_PROP_OPENNI_REGISTRATION, - CAP_PROP_OPENNI_APPROX_FRAME_SYNC = 105, - CAP_PROP_OPENNI_MAX_BUFFER_SIZE = 106, - CAP_PROP_OPENNI_CIRCLE_BUFFER = 107, - CAP_PROP_OPENNI_MAX_TIME_DURATION = 108, - CAP_PROP_OPENNI_GENERATOR_PRESENT = 109, - CAP_PROP_OPENNI2_SYNC = 110, - CAP_PROP_OPENNI2_MIRROR = 111, - CAP_OPENNI_IMAGE_GENERATOR_PRESENT = +CAP_OPENNI_IMAGE_GENERATOR + CAP_PROP_OPENNI_GENERATOR_PRESENT, - CAP_OPENNI_IMAGE_GENERATOR_OUTPUT_MODE = +CAP_OPENNI_IMAGE_GENERATOR + CAP_PROP_OPENNI_OUTPUT_MODE, - CAP_OPENNI_DEPTH_GENERATOR_PRESENT = +CAP_OPENNI_DEPTH_GENERATOR + CAP_PROP_OPENNI_GENERATOR_PRESENT, - CAP_OPENNI_DEPTH_GENERATOR_BASELINE = +CAP_OPENNI_DEPTH_GENERATOR + CAP_PROP_OPENNI_BASELINE, - CAP_OPENNI_DEPTH_GENERATOR_FOCAL_LENGTH = +CAP_OPENNI_DEPTH_GENERATOR + CAP_PROP_OPENNI_FOCAL_LENGTH, - CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION = +CAP_OPENNI_DEPTH_GENERATOR + CAP_PROP_OPENNI_REGISTRATION, - CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION_ON = CAP_OPENNI_DEPTH_GENERATOR_REGISTRATION, - CAP_OPENNI_IR_GENERATOR_PRESENT = +CAP_OPENNI_IR_GENERATOR + CAP_PROP_OPENNI_GENERATOR_PRESENT, - CAP_OPENNI_DEPTH_MAP = 0, - CAP_OPENNI_POINT_CLOUD_MAP = 1, - CAP_OPENNI_DISPARITY_MAP = 2, - CAP_OPENNI_DISPARITY_MAP_32F = 3, - CAP_OPENNI_VALID_DEPTH_MASK = 4, - CAP_OPENNI_BGR_IMAGE = 5, - CAP_OPENNI_GRAY_IMAGE = 6, - CAP_OPENNI_IR_IMAGE = 7, - CAP_OPENNI_VGA_30HZ = 0, - CAP_OPENNI_SXGA_15HZ = 1, - CAP_OPENNI_SXGA_30HZ = 2, - CAP_OPENNI_QVGA_30HZ = 3, - CAP_OPENNI_QVGA_60HZ = 4, - CAP_PROP_GSTREAMER_QUEUE_LENGTH = 200, - CAP_PROP_PVAPI_MULTICASTIP = 300, - CAP_PROP_PVAPI_FRAMESTARTTRIGGERMODE = 301, - CAP_PROP_PVAPI_DECIMATIONHORIZONTAL = 302, - CAP_PROP_PVAPI_DECIMATIONVERTICAL = 303, - CAP_PROP_PVAPI_BINNINGX = 304, - CAP_PROP_PVAPI_BINNINGY = 305, - CAP_PROP_PVAPI_PIXELFORMAT = 306, - CAP_PVAPI_FSTRIGMODE_FREERUN = 0, - CAP_PVAPI_FSTRIGMODE_SYNCIN1 = 1, - CAP_PVAPI_FSTRIGMODE_SYNCIN2 = 2, - CAP_PVAPI_FSTRIGMODE_FIXEDRATE = 3, - CAP_PVAPI_FSTRIGMODE_SOFTWARE = 4, - CAP_PVAPI_DECIMATION_OFF = 1, - CAP_PVAPI_DECIMATION_2OUTOF4 = 2, - CAP_PVAPI_DECIMATION_2OUTOF8 = 4, - CAP_PVAPI_DECIMATION_2OUTOF16 = 8, - CAP_PVAPI_PIXELFORMAT_MONO8 = 1, - CAP_PVAPI_PIXELFORMAT_MONO16 = 2, - CAP_PVAPI_PIXELFORMAT_BAYER8 = 3, - CAP_PVAPI_PIXELFORMAT_BAYER16 = 4, - CAP_PVAPI_PIXELFORMAT_RGB24 = 5, - CAP_PVAPI_PIXELFORMAT_BGR24 = 6, - CAP_PVAPI_PIXELFORMAT_RGBA32 = 7, - CAP_PVAPI_PIXELFORMAT_BGRA32 = 8, - CAP_PROP_XI_DOWNSAMPLING = 400, - CAP_PROP_XI_DATA_FORMAT = 401, - CAP_PROP_XI_OFFSET_X = 402, - CAP_PROP_XI_OFFSET_Y = 403, - CAP_PROP_XI_TRG_SOURCE = 404, - CAP_PROP_XI_TRG_SOFTWARE = 405, - CAP_PROP_XI_GPI_SELECTOR = 406, - CAP_PROP_XI_GPI_MODE = 407, - CAP_PROP_XI_GPI_LEVEL = 408, - CAP_PROP_XI_GPO_SELECTOR = 409, - CAP_PROP_XI_GPO_MODE = 410, - CAP_PROP_XI_LED_SELECTOR = 411, - CAP_PROP_XI_LED_MODE = 412, - CAP_PROP_XI_MANUAL_WB = 413, - CAP_PROP_XI_AUTO_WB = 414, - CAP_PROP_XI_AEAG = 415, - CAP_PROP_XI_EXP_PRIORITY = 416, - CAP_PROP_XI_AE_MAX_LIMIT = 417, - CAP_PROP_XI_AG_MAX_LIMIT = 418, - CAP_PROP_XI_AEAG_LEVEL = 419, - CAP_PROP_XI_TIMEOUT = 420, - CAP_PROP_XI_EXPOSURE = 421, - CAP_PROP_XI_EXPOSURE_BURST_COUNT = 422, - CAP_PROP_XI_GAIN_SELECTOR = 423, - CAP_PROP_XI_GAIN = 424, - CAP_PROP_XI_DOWNSAMPLING_TYPE = 426, - CAP_PROP_XI_BINNING_SELECTOR = 427, - CAP_PROP_XI_BINNING_VERTICAL = 428, - CAP_PROP_XI_BINNING_HORIZONTAL = 429, - CAP_PROP_XI_BINNING_PATTERN = 430, - CAP_PROP_XI_DECIMATION_SELECTOR = 431, - CAP_PROP_XI_DECIMATION_VERTICAL = 432, - CAP_PROP_XI_DECIMATION_HORIZONTAL = 433, - CAP_PROP_XI_DECIMATION_PATTERN = 434, - CAP_PROP_XI_TEST_PATTERN_GENERATOR_SELECTOR = 587, - CAP_PROP_XI_TEST_PATTERN = 588, - CAP_PROP_XI_IMAGE_DATA_FORMAT = 435, - CAP_PROP_XI_SHUTTER_TYPE = 436, - CAP_PROP_XI_SENSOR_TAPS = 437, - CAP_PROP_XI_AEAG_ROI_OFFSET_X = 439, - CAP_PROP_XI_AEAG_ROI_OFFSET_Y = 440, - CAP_PROP_XI_AEAG_ROI_WIDTH = 441, - CAP_PROP_XI_AEAG_ROI_HEIGHT = 442, - CAP_PROP_XI_BPC = 445, - CAP_PROP_XI_WB_KR = 448, - CAP_PROP_XI_WB_KG = 449, - CAP_PROP_XI_WB_KB = 450, - CAP_PROP_XI_WIDTH = 451, - CAP_PROP_XI_HEIGHT = 452, - CAP_PROP_XI_REGION_SELECTOR = 589, - CAP_PROP_XI_REGION_MODE = 595, - CAP_PROP_XI_LIMIT_BANDWIDTH = 459, - CAP_PROP_XI_SENSOR_DATA_BIT_DEPTH = 460, - CAP_PROP_XI_OUTPUT_DATA_BIT_DEPTH = 461, - CAP_PROP_XI_IMAGE_DATA_BIT_DEPTH = 462, - CAP_PROP_XI_OUTPUT_DATA_PACKING = 463, - CAP_PROP_XI_OUTPUT_DATA_PACKING_TYPE = 464, - CAP_PROP_XI_IS_COOLED = 465, - CAP_PROP_XI_COOLING = 466, - CAP_PROP_XI_TARGET_TEMP = 467, - CAP_PROP_XI_CHIP_TEMP = 468, - CAP_PROP_XI_HOUS_TEMP = 469, - CAP_PROP_XI_HOUS_BACK_SIDE_TEMP = 590, - CAP_PROP_XI_SENSOR_BOARD_TEMP = 596, - CAP_PROP_XI_CMS = 470, - CAP_PROP_XI_APPLY_CMS = 471, - CAP_PROP_XI_IMAGE_IS_COLOR = 474, - CAP_PROP_XI_COLOR_FILTER_ARRAY = 475, - CAP_PROP_XI_GAMMAY = 476, - CAP_PROP_XI_GAMMAC = 477, - CAP_PROP_XI_SHARPNESS = 478, - CAP_PROP_XI_CC_MATRIX_00 = 479, - CAP_PROP_XI_CC_MATRIX_01 = 480, - CAP_PROP_XI_CC_MATRIX_02 = 481, - CAP_PROP_XI_CC_MATRIX_03 = 482, - CAP_PROP_XI_CC_MATRIX_10 = 483, - CAP_PROP_XI_CC_MATRIX_11 = 484, - CAP_PROP_XI_CC_MATRIX_12 = 485, - CAP_PROP_XI_CC_MATRIX_13 = 486, - CAP_PROP_XI_CC_MATRIX_20 = 487, - CAP_PROP_XI_CC_MATRIX_21 = 488, - CAP_PROP_XI_CC_MATRIX_22 = 489, - CAP_PROP_XI_CC_MATRIX_23 = 490, - CAP_PROP_XI_CC_MATRIX_30 = 491, - CAP_PROP_XI_CC_MATRIX_31 = 492, - CAP_PROP_XI_CC_MATRIX_32 = 493, - CAP_PROP_XI_CC_MATRIX_33 = 494, - CAP_PROP_XI_DEFAULT_CC_MATRIX = 495, - CAP_PROP_XI_TRG_SELECTOR = 498, - CAP_PROP_XI_ACQ_FRAME_BURST_COUNT = 499, - CAP_PROP_XI_DEBOUNCE_EN = 507, - CAP_PROP_XI_DEBOUNCE_T0 = 508, - CAP_PROP_XI_DEBOUNCE_T1 = 509, - CAP_PROP_XI_DEBOUNCE_POL = 510, - CAP_PROP_XI_LENS_MODE = 511, - CAP_PROP_XI_LENS_APERTURE_VALUE = 512, - CAP_PROP_XI_LENS_FOCUS_MOVEMENT_VALUE = 513, - CAP_PROP_XI_LENS_FOCUS_MOVE = 514, - CAP_PROP_XI_LENS_FOCUS_DISTANCE = 515, - CAP_PROP_XI_LENS_FOCAL_LENGTH = 516, - CAP_PROP_XI_LENS_FEATURE_SELECTOR = 517, - CAP_PROP_XI_LENS_FEATURE = 518, - CAP_PROP_XI_DEVICE_MODEL_ID = 521, - CAP_PROP_XI_DEVICE_SN = 522, - CAP_PROP_XI_IMAGE_DATA_FORMAT_RGB32_ALPHA = 529, - CAP_PROP_XI_IMAGE_PAYLOAD_SIZE = 530, - CAP_PROP_XI_TRANSPORT_PIXEL_FORMAT = 531, - CAP_PROP_XI_SENSOR_CLOCK_FREQ_HZ = 532, - CAP_PROP_XI_SENSOR_CLOCK_FREQ_INDEX = 533, - CAP_PROP_XI_SENSOR_OUTPUT_CHANNEL_COUNT = 534, - CAP_PROP_XI_FRAMERATE = 535, - CAP_PROP_XI_COUNTER_SELECTOR = 536, - CAP_PROP_XI_COUNTER_VALUE = 537, - CAP_PROP_XI_ACQ_TIMING_MODE = 538, - CAP_PROP_XI_AVAILABLE_BANDWIDTH = 539, - CAP_PROP_XI_BUFFER_POLICY = 540, - CAP_PROP_XI_LUT_EN = 541, - CAP_PROP_XI_LUT_INDEX = 542, - CAP_PROP_XI_LUT_VALUE = 543, - CAP_PROP_XI_TRG_DELAY = 544, - CAP_PROP_XI_TS_RST_MODE = 545, - CAP_PROP_XI_TS_RST_SOURCE = 546, - CAP_PROP_XI_IS_DEVICE_EXIST = 547, - CAP_PROP_XI_ACQ_BUFFER_SIZE = 548, - CAP_PROP_XI_ACQ_BUFFER_SIZE_UNIT = 549, - CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_SIZE = 550, - CAP_PROP_XI_BUFFERS_QUEUE_SIZE = 551, - CAP_PROP_XI_ACQ_TRANSPORT_BUFFER_COMMIT = 552, - CAP_PROP_XI_RECENT_FRAME = 553, - CAP_PROP_XI_DEVICE_RESET = 554, - CAP_PROP_XI_COLUMN_FPN_CORRECTION = 555, - CAP_PROP_XI_ROW_FPN_CORRECTION = 591, - CAP_PROP_XI_SENSOR_MODE = 558, - CAP_PROP_XI_HDR = 559, - CAP_PROP_XI_HDR_KNEEPOINT_COUNT = 560, - CAP_PROP_XI_HDR_T1 = 561, - CAP_PROP_XI_HDR_T2 = 562, - CAP_PROP_XI_KNEEPOINT1 = 563, - CAP_PROP_XI_KNEEPOINT2 = 564, - CAP_PROP_XI_IMAGE_BLACK_LEVEL = 565, - CAP_PROP_XI_HW_REVISION = 571, - CAP_PROP_XI_DEBUG_LEVEL = 572, - CAP_PROP_XI_AUTO_BANDWIDTH_CALCULATION = 573, - CAP_PROP_XI_FFS_FILE_ID = 594, - CAP_PROP_XI_FFS_FILE_SIZE = 580, - CAP_PROP_XI_FREE_FFS_SIZE = 581, - CAP_PROP_XI_USED_FFS_SIZE = 582, - CAP_PROP_XI_FFS_ACCESS_KEY = 583, - CAP_PROP_XI_SENSOR_FEATURE_SELECTOR = 585, - CAP_PROP_XI_SENSOR_FEATURE_VALUE = 586, - CAP_PROP_ARAVIS_AUTOTRIGGER = 600, - CAP_PROP_ANDROID_DEVICE_TORCH = 8001, - CAP_PROP_IOS_DEVICE_FOCUS = 9001, - CAP_PROP_IOS_DEVICE_EXPOSURE = 9002, - CAP_PROP_IOS_DEVICE_FLASH = 9003, - CAP_PROP_IOS_DEVICE_WHITEBALANCE = 9004, - CAP_PROP_IOS_DEVICE_TORCH = 9005, - CAP_PROP_GIGA_FRAME_OFFSET_X = 10001, - CAP_PROP_GIGA_FRAME_OFFSET_Y = 10002, - CAP_PROP_GIGA_FRAME_WIDTH_MAX = 10003, - CAP_PROP_GIGA_FRAME_HEIGH_MAX = 10004, - CAP_PROP_GIGA_FRAME_SENS_WIDTH = 10005, - CAP_PROP_GIGA_FRAME_SENS_HEIGH = 10006, - CAP_PROP_INTELPERC_PROFILE_COUNT = 11001, - CAP_PROP_INTELPERC_PROFILE_IDX = 11002, - CAP_PROP_INTELPERC_DEPTH_LOW_CONFIDENCE_VALUE = 11003, - CAP_PROP_INTELPERC_DEPTH_SATURATION_VALUE = 11004, - CAP_PROP_INTELPERC_DEPTH_CONFIDENCE_THRESHOLD = 11005, - CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_HORZ = 11006, - CAP_PROP_INTELPERC_DEPTH_FOCAL_LENGTH_VERT = 11007, - CAP_INTELPERC_DEPTH_GENERATOR = 1 << 29, - CAP_INTELPERC_IMAGE_GENERATOR = 1 << 28, - CAP_INTELPERC_IR_GENERATOR = 1 << 27, - CAP_INTELPERC_GENERATORS_MASK = CAP_INTELPERC_DEPTH_GENERATOR + CAP_INTELPERC_IMAGE_GENERATOR + CAP_INTELPERC_IR_GENERATOR, - CAP_INTELPERC_DEPTH_MAP = 0, - CAP_INTELPERC_UVDEPTH_MAP = 1, - CAP_INTELPERC_IR_MAP = 2, - CAP_INTELPERC_IMAGE = 3, - CAP_PROP_GPHOTO2_PREVIEW = 17001, - CAP_PROP_GPHOTO2_WIDGET_ENUMERATE = 17002, - CAP_PROP_GPHOTO2_RELOAD_CONFIG = 17003, - CAP_PROP_GPHOTO2_RELOAD_ON_CHANGE = 17004, - CAP_PROP_GPHOTO2_COLLECT_MSGS = 17005, - CAP_PROP_GPHOTO2_FLUSH_MSGS = 17006, - CAP_PROP_SPEED = 17007, - CAP_PROP_APERTURE = 17008, - CAP_PROP_EXPOSUREPROGRAM = 17009, - CAP_PROP_VIEWFINDER = 17010, - CAP_PROP_IMAGES_BASE = 18000, - CAP_PROP_IMAGES_LAST = 19000; - - - // C++: enum VideoAccelerationType (cv.VideoAccelerationType) - public static final int - VIDEO_ACCELERATION_NONE = 0, - VIDEO_ACCELERATION_ANY = 1, - VIDEO_ACCELERATION_D3D11 = 2, - VIDEO_ACCELERATION_VAAPI = 3, - VIDEO_ACCELERATION_MFX = 4; - - - // C++: enum VideoCaptureAPIs (cv.VideoCaptureAPIs) - public static final int - CAP_ANY = 0, - CAP_VFW = 200, - CAP_V4L = 200, - CAP_V4L2 = CAP_V4L, - CAP_FIREWIRE = 300, - CAP_FIREWARE = CAP_FIREWIRE, - CAP_IEEE1394 = CAP_FIREWIRE, - CAP_DC1394 = CAP_FIREWIRE, - CAP_CMU1394 = CAP_FIREWIRE, - CAP_QT = 500, - CAP_UNICAP = 600, - CAP_DSHOW = 700, - CAP_PVAPI = 800, - CAP_OPENNI = 900, - CAP_OPENNI_ASUS = 910, - CAP_ANDROID = 1000, - CAP_XIAPI = 1100, - CAP_AVFOUNDATION = 1200, - CAP_GIGANETIX = 1300, - CAP_MSMF = 1400, - CAP_WINRT = 1410, - CAP_INTELPERC = 1500, - CAP_REALSENSE = 1500, - CAP_OPENNI2 = 1600, - CAP_OPENNI2_ASUS = 1610, - CAP_OPENNI2_ASTRA = 1620, - CAP_GPHOTO2 = 1700, - CAP_GSTREAMER = 1800, - CAP_FFMPEG = 1900, - CAP_IMAGES = 2000, - CAP_ARAVIS = 2100, - CAP_OPENCV_MJPEG = 2200, - CAP_INTEL_MFX = 2300, - CAP_XINE = 2400, - CAP_UEYE = 2500, - CAP_OBSENSOR = 2600; - - - // C++: enum VideoCaptureOBSensorDataType (cv.VideoCaptureOBSensorDataType) - public static final int - CAP_OBSENSOR_DEPTH_MAP = 0, - CAP_OBSENSOR_BGR_IMAGE = 1, - CAP_OBSENSOR_IR_IMAGE = 2; - - - // C++: enum VideoCaptureOBSensorGenerators (cv.VideoCaptureOBSensorGenerators) - public static final int - CAP_OBSENSOR_DEPTH_GENERATOR = 1 << 29, - CAP_OBSENSOR_IMAGE_GENERATOR = 1 << 28, - CAP_OBSENSOR_IR_GENERATOR = 1 << 27, - CAP_OBSENSOR_GENERATORS_MASK = CAP_OBSENSOR_DEPTH_GENERATOR + CAP_OBSENSOR_IMAGE_GENERATOR + CAP_OBSENSOR_IR_GENERATOR; - - - // C++: enum VideoCaptureOBSensorProperties (cv.VideoCaptureOBSensorProperties) - public static final int - CAP_PROP_OBSENSOR_INTRINSIC_FX = 26001, - CAP_PROP_OBSENSOR_INTRINSIC_FY = 26002, - CAP_PROP_OBSENSOR_INTRINSIC_CX = 26003, - CAP_PROP_OBSENSOR_INTRINSIC_CY = 26004; - - - // C++: enum VideoCaptureProperties (cv.VideoCaptureProperties) - public static final int - CAP_PROP_POS_MSEC = 0, - CAP_PROP_POS_FRAMES = 1, - CAP_PROP_POS_AVI_RATIO = 2, - CAP_PROP_FRAME_WIDTH = 3, - CAP_PROP_FRAME_HEIGHT = 4, - CAP_PROP_FPS = 5, - CAP_PROP_FOURCC = 6, - CAP_PROP_FRAME_COUNT = 7, - CAP_PROP_FORMAT = 8, - CAP_PROP_MODE = 9, - CAP_PROP_BRIGHTNESS = 10, - CAP_PROP_CONTRAST = 11, - CAP_PROP_SATURATION = 12, - CAP_PROP_HUE = 13, - CAP_PROP_GAIN = 14, - CAP_PROP_EXPOSURE = 15, - CAP_PROP_CONVERT_RGB = 16, - CAP_PROP_WHITE_BALANCE_BLUE_U = 17, - CAP_PROP_RECTIFICATION = 18, - CAP_PROP_MONOCHROME = 19, - CAP_PROP_SHARPNESS = 20, - CAP_PROP_AUTO_EXPOSURE = 21, - CAP_PROP_GAMMA = 22, - CAP_PROP_TEMPERATURE = 23, - CAP_PROP_TRIGGER = 24, - CAP_PROP_TRIGGER_DELAY = 25, - CAP_PROP_WHITE_BALANCE_RED_V = 26, - CAP_PROP_ZOOM = 27, - CAP_PROP_FOCUS = 28, - CAP_PROP_GUID = 29, - CAP_PROP_ISO_SPEED = 30, - CAP_PROP_BACKLIGHT = 32, - CAP_PROP_PAN = 33, - CAP_PROP_TILT = 34, - CAP_PROP_ROLL = 35, - CAP_PROP_IRIS = 36, - CAP_PROP_SETTINGS = 37, - CAP_PROP_BUFFERSIZE = 38, - CAP_PROP_AUTOFOCUS = 39, - CAP_PROP_SAR_NUM = 40, - CAP_PROP_SAR_DEN = 41, - CAP_PROP_BACKEND = 42, - CAP_PROP_CHANNEL = 43, - CAP_PROP_AUTO_WB = 44, - CAP_PROP_WB_TEMPERATURE = 45, - CAP_PROP_CODEC_PIXEL_FORMAT = 46, - CAP_PROP_BITRATE = 47, - CAP_PROP_ORIENTATION_META = 48, - CAP_PROP_ORIENTATION_AUTO = 49, - CAP_PROP_HW_ACCELERATION = 50, - CAP_PROP_HW_DEVICE = 51, - CAP_PROP_HW_ACCELERATION_USE_OPENCL = 52, - CAP_PROP_OPEN_TIMEOUT_MSEC = 53, - CAP_PROP_READ_TIMEOUT_MSEC = 54, - CAP_PROP_STREAM_OPEN_TIME_USEC = 55, - CAP_PROP_VIDEO_TOTAL_CHANNELS = 56, - CAP_PROP_VIDEO_STREAM = 57, - CAP_PROP_AUDIO_STREAM = 58, - CAP_PROP_AUDIO_POS = 59, - CAP_PROP_AUDIO_SHIFT_NSEC = 60, - CAP_PROP_AUDIO_DATA_DEPTH = 61, - CAP_PROP_AUDIO_SAMPLES_PER_SECOND = 62, - CAP_PROP_AUDIO_BASE_INDEX = 63, - CAP_PROP_AUDIO_TOTAL_CHANNELS = 64, - CAP_PROP_AUDIO_TOTAL_STREAMS = 65, - CAP_PROP_AUDIO_SYNCHRONIZE = 66, - CAP_PROP_LRF_HAS_KEY_FRAME = 67, - CAP_PROP_CODEC_EXTRADATA_INDEX = 68, - CAP_PROP_FRAME_TYPE = 69, - CAP_PROP_N_THREADS = 70, - CAP_PROP_PTS = 71, - CAP_PROP_DTS_DELAY = 72; - - - // C++: enum VideoWriterProperties (cv.VideoWriterProperties) - public static final int - VIDEOWRITER_PROP_QUALITY = 1, - VIDEOWRITER_PROP_FRAMEBYTES = 2, - VIDEOWRITER_PROP_NSTRIPES = 3, - VIDEOWRITER_PROP_IS_COLOR = 4, - VIDEOWRITER_PROP_DEPTH = 5, - VIDEOWRITER_PROP_HW_ACCELERATION = 6, - VIDEOWRITER_PROP_HW_DEVICE = 7, - VIDEOWRITER_PROP_HW_ACCELERATION_USE_OPENCL = 8, - VIDEOWRITER_PROP_RAW_VIDEO = 9, - VIDEOWRITER_PROP_KEY_INTERVAL = 10, - VIDEOWRITER_PROP_KEY_FLAG = 11, - VIDEOWRITER_PROP_PTS = 12, - VIDEOWRITER_PROP_DTS_DELAY = 13; - - - // - // C++: String cv::videoio_registry::getBackendName(VideoCaptureAPIs api) - // - - /** - * Returns backend API name or "UnknownVideoAPI(xxx)" - * @param api backend ID (#VideoCaptureAPIs) - * @return automatically generated - */ - public static String getBackendName(int api) { - return getBackendName_0(api); - } - - - // - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getBackends() - // - - /** - * Returns list of all available backends - * @return automatically generated - */ - public static List getBackends() { - return getBackends_0(); - } - - - // - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getCameraBackends() - // - - /** - * Returns list of available backends which works via {@code cv::VideoCapture(int index)} - * @return automatically generated - */ - public static List getCameraBackends() { - return getCameraBackends_0(); - } - - - // - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getStreamBackends() - // - - /** - * Returns list of available backends which works via {@code cv::VideoCapture(filename)} - * @return automatically generated - */ - public static List getStreamBackends() { - return getStreamBackends_0(); - } - - - // - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getStreamBufferedBackends() - // - - /** - * Returns list of available backends which works via {@code cv::VideoCapture(buffer)} - * @return automatically generated - */ - public static List getStreamBufferedBackends() { - return getStreamBufferedBackends_0(); - } - - - // - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getWriterBackends() - // - - /** - * Returns list of available backends which works via {@code cv::VideoWriter()} - * @return automatically generated - */ - public static List getWriterBackends() { - return getWriterBackends_0(); - } - - - // - // C++: bool cv::videoio_registry::hasBackend(VideoCaptureAPIs api) - // - - /** - * Returns true if backend is available - * @param api automatically generated - * @return automatically generated - */ - public static boolean hasBackend(int api) { - return hasBackend_0(api); - } - - - // - // C++: bool cv::videoio_registry::isBackendBuiltIn(VideoCaptureAPIs api) - // - - /** - * Returns true if backend is built in (false if backend is used as plugin) - * @param api automatically generated - * @return automatically generated - */ - public static boolean isBackendBuiltIn(int api) { - return isBackendBuiltIn_0(api); - } - - - // - // C++: string cv::videoio_registry::getCameraBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - // - - /** - * Returns description and ABI/API version of videoio plugin's camera interface - * @param api automatically generated - * @param version_ABI automatically generated - * @param version_API automatically generated - * @return automatically generated - */ - public static String getCameraBackendPluginVersion(int api, int[] version_ABI, int[] version_API) { - double[] version_ABI_out = new double[1]; - double[] version_API_out = new double[1]; - String retVal = getCameraBackendPluginVersion_0(api, version_ABI_out, version_API_out); - if(version_ABI!=null) version_ABI[0] = (int)version_ABI_out[0]; - if(version_API!=null) version_API[0] = (int)version_API_out[0]; - return retVal; - } - - - // - // C++: string cv::videoio_registry::getStreamBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - // - - /** - * Returns description and ABI/API version of videoio plugin's stream capture interface - * @param api automatically generated - * @param version_ABI automatically generated - * @param version_API automatically generated - * @return automatically generated - */ - public static String getStreamBackendPluginVersion(int api, int[] version_ABI, int[] version_API) { - double[] version_ABI_out = new double[1]; - double[] version_API_out = new double[1]; - String retVal = getStreamBackendPluginVersion_0(api, version_ABI_out, version_API_out); - if(version_ABI!=null) version_ABI[0] = (int)version_ABI_out[0]; - if(version_API!=null) version_API[0] = (int)version_API_out[0]; - return retVal; - } - - - // - // C++: string cv::videoio_registry::getStreamBufferedBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - // - - /** - * Returns description and ABI/API version of videoio plugin's buffer capture interface - * @param api automatically generated - * @param version_ABI automatically generated - * @param version_API automatically generated - * @return automatically generated - */ - public static String getStreamBufferedBackendPluginVersion(int api, int[] version_ABI, int[] version_API) { - double[] version_ABI_out = new double[1]; - double[] version_API_out = new double[1]; - String retVal = getStreamBufferedBackendPluginVersion_0(api, version_ABI_out, version_API_out); - if(version_ABI!=null) version_ABI[0] = (int)version_ABI_out[0]; - if(version_API!=null) version_API[0] = (int)version_API_out[0]; - return retVal; - } - - - // - // C++: string cv::videoio_registry::getWriterBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - // - - /** - * Returns description and ABI/API version of videoio plugin's writer interface - * @param api automatically generated - * @param version_ABI automatically generated - * @param version_API automatically generated - * @return automatically generated - */ - public static String getWriterBackendPluginVersion(int api, int[] version_ABI, int[] version_API) { - double[] version_ABI_out = new double[1]; - double[] version_API_out = new double[1]; - String retVal = getWriterBackendPluginVersion_0(api, version_ABI_out, version_API_out); - if(version_ABI!=null) version_ABI[0] = (int)version_ABI_out[0]; - if(version_API!=null) version_API[0] = (int)version_API_out[0]; - return retVal; - } - - - - - // C++: String cv::videoio_registry::getBackendName(VideoCaptureAPIs api) - private static native String getBackendName_0(int api); - - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getBackends() - private static native List getBackends_0(); - - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getCameraBackends() - private static native List getCameraBackends_0(); - - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getStreamBackends() - private static native List getStreamBackends_0(); - - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getStreamBufferedBackends() - private static native List getStreamBufferedBackends_0(); - - // C++: vector_VideoCaptureAPIs cv::videoio_registry::getWriterBackends() - private static native List getWriterBackends_0(); - - // C++: bool cv::videoio_registry::hasBackend(VideoCaptureAPIs api) - private static native boolean hasBackend_0(int api); - - // C++: bool cv::videoio_registry::isBackendBuiltIn(VideoCaptureAPIs api) - private static native boolean isBackendBuiltIn_0(int api); - - // C++: string cv::videoio_registry::getCameraBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - private static native String getCameraBackendPluginVersion_0(int api, double[] version_ABI_out, double[] version_API_out); - - // C++: string cv::videoio_registry::getStreamBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - private static native String getStreamBackendPluginVersion_0(int api, double[] version_ABI_out, double[] version_API_out); - - // C++: string cv::videoio_registry::getStreamBufferedBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - private static native String getStreamBufferedBackendPluginVersion_0(int api, double[] version_ABI_out, double[] version_API_out); - - // C++: string cv::videoio_registry::getWriterBackendPluginVersion(VideoCaptureAPIs api, int& version_ABI, int& version_API) - private static native String getWriterBackendPluginVersion_0(int api, double[] version_ABI_out, double[] version_API_out); - -} diff --git a/vendor/opencv/sdk/libcxx_helper/CMakeLists.txt b/vendor/opencv/sdk/libcxx_helper/CMakeLists.txt deleted file mode 100644 index c2dcd6d4d8..0000000000 --- a/vendor/opencv/sdk/libcxx_helper/CMakeLists.txt +++ /dev/null @@ -1,6 +0,0 @@ -cmake_minimum_required(VERSION 3.6) - -project(opencv_jni_shared) - -# dummy target to bring libc++_shared.so into packages -add_library(opencv_jni_shared STATIC dummy.cpp) diff --git a/vendor/opencv/sdk/libcxx_helper/dummy.cpp b/vendor/opencv/sdk/libcxx_helper/dummy.cpp deleted file mode 100644 index 8b1a393741..0000000000 --- a/vendor/opencv/sdk/libcxx_helper/dummy.cpp +++ /dev/null @@ -1 +0,0 @@ -// empty